基于出行鏈聯(lián)合選擇模型的通勤方式選擇研究

王玲玲

WANG Ling-ling

（重慶公共運輸職業(yè)學(xué)院?運輸貿(mào)易系，重慶?402247）

(Department of Transportation and Trade, Chongqing Vocational College of Public Transportation, Chongqing 402247, China)

0 引言

隨著城市規(guī)模的擴大，在上下班高峰期從家庭居住地到辦公地的通勤客流逐漸增長。通勤客流通常發(fā)生在交通量最大的高峰時段，乘客選擇以公共交通 (市郊鐵路、地鐵、輕軌、公交車等) 或個體交通方式 (私家車、自行車等) 到達目的地。乘客在不同交通方式之間的選擇行為具有一定規(guī)律，客觀反映了各類交通方式可能承擔(dān)的客流量，對于不同交通方式運營方案制定、路網(wǎng)規(guī)劃等具有重要的參考價值。在出行方式選擇研究方面，陳章明等[1]通過分析個體旅客出行決策過程，確定各類因素影響因子，研究建立鐵路旅客出行行為模型；王正彬等[2]根據(jù)客流預(yù)測結(jié)果以全部旅客廣義費用最小為目標，構(gòu)建了客流分配優(yōu)化模型；張博等[3]引入非集計理論的 Logit 模型，協(xié)調(diào)優(yōu)化高速列車開行收益和乘客乘車滿意度。這些研究將不同出行方式和非工作活動過程分別加以考慮，而對出行方式和出行鏈模式選擇間的相互影響考慮不足。目前，不同交通運輸方式間的出行選擇組合日趨復(fù)雜，同時出行者對不同出行方式在服務(wù)時間、服務(wù)質(zhì)量等方面的要求也日益提高[4-6]。

出行鏈是指人們?yōu)榱送瓿梢豁椈蛘叨囗椈顒佣跁r間上排序的出行目的所組成的往返行程[4-5]。出行鏈的含義包含了豐富的通勤方式、通勤時間和不同事件間的活動信息，是出行決策機制作用的產(chǎn)物，也是預(yù)測出行需求及運輸方式管理的重要觀測對象。為理解通勤出行中乘客的通勤行為，構(gòu)建基于出行鏈聯(lián)合選擇模型，為市域通勤交通系統(tǒng)管理提供借鑒。

1 基于出行鏈聯(lián)合選擇模型的構(gòu)建

影響人們通勤行為選擇的因素通常可以被歸結(jié)為通勤者屬性、通勤屬性和交通工具屬性 3 個方面。在通勤過程中，通勤者包括購物、餐飲等非工作活動在內(nèi)的出行過程構(gòu)成一個完整的通勤出行鏈。隨著城市規(guī)模的擴大，通勤出行在時間和空間上的距離不斷增加，由此帶來通勤全程時間的增長及交通工具組合多樣化。在這種條件下，適當?shù)姆枪ぷ骰顒邮蔷徑馍习嘧甯吖?jié)奏工作的一種減壓方式。上述變化使得出行鏈對通勤行為的選擇影響加劇，強化了通勤出行方式與出行鏈間的相互作用。

在研究過程中，考慮通勤方式選擇對出行鏈的影響時，基于廣義極值理論的交叉巢式 Logit 模型(CNL)，將通勤方式選擇和出行鏈模式納入同一模型，構(gòu)建考慮通勤者的經(jīng)濟社會屬性、居住地及工作地區(qū)位、工作活動屬性影響的聯(lián)合選擇模型，充分考慮出行鏈中各環(huán)節(jié)對乘客選擇的影響。

交叉巢式 Logit 模型 (NL) 是分析乘客在多種通勤方式條件下通勤行為選擇的常用模型，具有分層選擇結(jié)構(gòu)。由于 NL 模型要求所研究問題需要分層進行預(yù)先設(shè)定，并且選擇關(guān)系只存在于同一層的不同方案之間，于是對于一個 C 維度的選擇組合問題，NL 模型只能描述其中 C-1 個維度間的相互選擇影響[7]。而 CNL 模型是分析上述聯(lián)合選擇行為的另一種模型，既保留了解析形式的選擇概率表述，又能夠刻畫多維條件下不同維度間選擇行為間的相互依賴和制約[8]。廣義極值模型假設(shè)決策者 n 面臨一個選擇集 An，包含 I 個方案，其中方案 i 的選擇效用表示為 Uni(i = 1，2，…，I)，而上述效用可以表示為確定項 Vni和隨機項 εni之和。假設(shè)所有方案中的隨機項 εn〈εn1，εn2，…，εnI〉?的聯(lián)合分布為

式中：F (x) 為隨機項聯(lián)合分布函數(shù)；yni(1≤i≤I) 為Uni對應(yīng)調(diào)查問卷的選擇值；G (x) 為生成函數(shù)；k 為選擇方案的分層數(shù)；Bk為所有隸屬于分層k 的選擇集合；αik為決定方案 i 隸屬于不同層級的分配參數(shù)，表示其相對隸屬度，0≤αik≤1，?i，?k，且kαik= 1，?i；μk(0≤μk≤1) 為異質(zhì)性參數(shù)，決定 k 層中不同方案間的相關(guān)程度，遵循取值大者方案選擇相關(guān)性越小的準則[8]。

于是第 n 位決策者在 CNL 模型中選擇概率 Pi即可表示為

式中：Pi|k為方案 i 在第 k 層中的選擇概率；Pk為所選擇方案位于第 k 層的概率。

2 基于出行鏈聯(lián)合選擇模型的通勤選擇

2.1 乘客通勤鏈結(jié)構(gòu)分析

通勤出行鏈圖如圖1 所示。根據(jù)圖1，將通勤人員一天內(nèi)的時間劃分為 5 個時段。其中通勤出行鏈可以定義為從上班自家中離開時起，至下班回家時止的出行及相關(guān)附屬行為連接，其主要目的是工作及相關(guān)活動，也可包含非工作時間。圖1 中所示的通勤出行鏈涉及上班通勤 (HW)、在單位 (DW) 及下班通勤 (WH) 3 個時間段，其中夾雜著不定時段的非工作活動，從而構(gòu)成一條完整的復(fù)雜通勤出行鏈。

在分析通勤方式選擇時，假設(shè)所有選擇在公共出行方式間產(chǎn)生，即通勤方式包括：步行/自行車出行 (m1)、軌道交通出行 (m2) 及公共汽車出行 (m3)3 類，出行鏈模式分為簡單 (t1)和復(fù)雜 (t2) 2 類。同時考慮通勤方式和出行鏈的多維度關(guān)聯(lián)性，定義聯(lián)合選擇模型的出行方式備選子集 M ={m1，m2，m3}，出行鏈模式選擇子集 T ={t1，t2}。根據(jù)排列組合計算得到組合選擇模型的備選方案數(shù)量為N = 3×2 = 6。其中每種選擇方案由一個出行方案選擇肢和一個出行鏈模式選擇肢組成，其中組合方案中未被選擇的方案選擇參數(shù)為 0，被選擇的組合方案中 2 個選擇參數(shù)均設(shè)為 1/2 以簡化數(shù)據(jù)處理。將選擇方案固有常數(shù)設(shè)為 0，其他選擇方案固有常數(shù)作為模型參數(shù)，從而得到 6 個備選方案的固有常數(shù)[8]。

2.2 數(shù)據(jù)分析

根據(jù) 2015 年北京居民出行調(diào)查數(shù)據(jù)，篩選其中的 8 760 個家庭中的 10 823 位通勤者作為數(shù)據(jù)來源進行模型的驗證。其中 DW 時段中的通勤者出行目的中 75% 為回家就餐，20% 為單位附近的就餐，步行和自行車出行的通勤方式占到全部比例的約95%。由于上述時段不屬于高峰時段，并且出行距離短、目的單一，因而可以將其定義為簡單出行鏈。與此相應(yīng)，HW 及 WH 時段出行距離長、選擇多樣，因而將其定義為復(fù)雜出行鏈。

2.3 結(jié)果計算

根據(jù)調(diào)查問卷結(jié)果篩選模型變量如表1 所示。其中 HI 變量描述通勤方式和出行鏈模式的選擇偏好；SI 變量描述不同區(qū)域的非工作活動吸引力及交通服務(wù)水平差異；WI 屬性則描述選擇通勤方式和出行鏈選擇。

根據(jù) X1-X6，Y1-Y2，Z1-Z2，D1-D2的均值及方差可知，調(diào)查問卷的數(shù)據(jù)樣本可靠[8]。以上述數(shù)據(jù)作為 yni值，帶入模型中調(diào)用 R 語言，根據(jù) CNL 模型進行參數(shù)標定，CNL 模型參數(shù)標定結(jié)果如表2 所示。模型的異質(zhì)性參數(shù)分別為 λ1= 0.13(2.00)，λ2= 0.74(2.09)，λ3= 0.19(3.78)，π1= 0.25(4.31)，π2= 0.43(2.18)。

3 結(jié)果分析

圖1 通勤出行鏈圖Fig.1 Commute trip chain

根據(jù)模型的參數(shù)標定結(jié)果，可以得到樣本中的通勤者出行行為選擇特征如下。

（1）通勤方式選擇與出行距離及旅行時間可控性有關(guān)。樣本中主體的通勤出行方式為非機動車，同時在上下班途中無非工作活動安排；當通勤者需要在上下班途中參與非工作活動時，通常不會選擇公交方式出行而是選擇軌道交通方式。造成這種現(xiàn)象的原因是非機動車出行速率通常較慢，并且適用于通勤路途較短的情況，在這種情況下，在短距離通勤路線上增加其他活動的可能性較低；當需要在通勤途中參加其他非工作活動時，由于公交方式受地面交通流影響較大，旅行時間不可控性較軌道交通方式強，通勤者會優(yōu)先選擇旅行時間可控性較強的交通方式。

（2）家庭結(jié)構(gòu)會影響通勤方式及出行鏈組合模式的選擇。當通勤者家中有上小學(xué)的兒童時，通勤者在旅途中會傾向接送孩子，增加了出行鏈的復(fù)雜程度；當家庭中有無需工作的成年人時，減少了對工作通勤者在途中中非工作出行的需求，由此降低了出行鏈的復(fù)雜程度。同時，隨著通勤者家庭收入的增加，通勤者在日常生活中的娛樂活動需求及消費量也隨之上升，通勤者在工作地點和家庭之間交易參與部分娛樂及消費活動，從而增加出行鏈復(fù)雜程度。這說明通勤鏈出行的復(fù)雜度受到家庭結(jié)構(gòu)的直接影響。

（3）通勤行為受年齡段影響。不同年齡段的通勤者通勤行為存在顯著差異，其中中年通勤者更多選擇軌道交通方式出行，而且通勤途中的非工作活動參加頻率也較高。

表1 模型變量Tab.1 Model variables

表2 CNL 模型參數(shù)標定結(jié)果Tab.2 Calibration results of CNL model parameters

（4）工作單位與家之間的空間距離對通勤行為選擇有重要影響。對于家在郊區(qū)而工作單位在市區(qū)的通勤者而言，在選擇出行方式時更多地選擇軌道交通及公交方式，在上下班的路途中更傾向于兼顧部分非工作活動。對于家庭和工作單位均在市區(qū)的通勤者，由于通勤距離較短，采用步行出行的比例更高，同時由于市區(qū)各項配套設(shè)施完善，通勤者在有非工作出行需求時更傾向于將這部分出行與通勤出行分離選擇。因此，其出行鏈的獨立性更高、復(fù)雜性更低。

（5）模型各層間異質(zhì)度參數(shù)較低。從模型參數(shù)標定結(jié)果看出，5 個層間的異質(zhì)性參數(shù)均較低，說明出行鏈模式的選擇與通勤方式二者間的相關(guān)性較強。模型異質(zhì)性體現(xiàn)了不同層方案之間的可替代性。實際驗證結(jié)果表明，步行的異質(zhì)性參數(shù)最小，說明其可替代性較高，當影響出行選擇的宏觀情景發(fā)生改變時，通勤者調(diào)整出行鏈模式的可能性較調(diào)整通勤方式的可能性更高；公交出行的異質(zhì)性參數(shù)取值最大，說明其具有一定的不可替代性，也從側(cè)面說明了公交出行對于完成復(fù)雜的通勤出行鏈有負面作用；復(fù)雜出行鏈的異質(zhì)性較簡單出行鏈高，說明復(fù)雜出行鏈中不同通勤方式之間的替代性較小。

4 結(jié)束語

通勤行為的選擇、通勤目的與出行鏈構(gòu)成復(fù)雜度等關(guān)系密切，以單個通勤者的通勤行為為研究對象，通過復(fù)雜出行鏈對通勤行為選擇影響研究，分析經(jīng)濟社會屬性、通勤端點區(qū)位屬性、通勤活動特征差異等對通勤者選擇行為的影響。該方法能準確刻畫 2 個維度之間的相關(guān)關(guān)系，根據(jù)居民出行行為調(diào)查數(shù)據(jù)完成模型參數(shù)標定。研究發(fā)現(xiàn)通勤者非生產(chǎn)性活動會對出行鏈的選擇產(chǎn)生一定影響，出行者性別、家庭收入、家庭交通工具、居住地和工作地區(qū)位等是首要影響因素。下一步將結(jié)合交通規(guī)劃與實際調(diào)研數(shù)據(jù)，對通勤行為進行精確預(yù)測，以提高交通路線的規(guī)劃質(zhì)量。

[1] 陳章明，戢曉峰. 鐵路旅客出行行為特性研究[J]. 鐵道運輸與經(jīng)濟，2008，30(11)：23-25.CHEN Zhang-ming，JI Xiao-feng. Study on Features of Railway Passengers’ Travel Activities[J]. Railway Transport and Economy，2008，30(11)：23-25.

[2] 王正彬，閆海峰，徐昌貴. 基于物理路網(wǎng)的高速鐵路客流分配優(yōu)化研究[J]. 鐵道運輸與經(jīng)濟，2017，39(12)：61-65.WANG Zheng-bin，YAN Hai-feng，XU Chang-gui. A Physical-Railway-Network-based Study on Optimizing Passenger Flow Assignments[J]. Railway Transport and Economy，2017，39(12)：67-73.

[3] 張 博，張星臣，陳軍華，等. 基于旅客乘車選擇行為的高速鐵路列車開行方案優(yōu)化研究[J]. 鐵道運輸與經(jīng)濟，2015，37(9)：48-53，63.ZHANG Bo，ZHANG Xing-chen，CHEN Jun-hua，et al.Study on Optimization of High-speed Railway Train Operating Scheme based on Passenger’s Travel Choice Behavior[J].Railway Transport and Economy，2015，37(9)：48-53，63.

[4] PRIMERANO F，TAYLOR M A P，PITAKSRINGKARN L，et al.Def i ning and Understanding Trip Chaining Behaviour[J].Transportation，2008，35(1)：55-72.

[5] 褚浩然，鄭 猛，楊曉光，等. 出行鏈特征指標的提出及應(yīng)用研究[J]. 城市交通，2006，4(2)：64-67.CHU Hao-ran，ZHENG Meng，YANG Xiao-guang，et al.A Study on Trip-Chain Indices and Their Application[J]. Urban Transport of China，2006，4(2)：64-67.

[6] 鮮于建川，雋志才. 出行鏈與出行方式相互影響模式[J].上海交通大學(xué)學(xué)報，2010，44(6)：792-796.XIANYU Jian-chuan，JUAN Zhi-cai. Research on the Interdependencies between Trip Chaining Behavior and Travel Mode[J]. Journal of Shanghai Jiaotong University，2010，44(6)：792-796.

[7] HESS S，F(xiàn)OWLER M，ADLER T，et al. A Joint Model for Vehicle Type and Fuel Type Choice∶ Evidence from a Crossnested Logit Study[J].Transportation, 2012，39(3)：593-625.

[8] YANG L，ZHENG G，ZHU X. Cross-nested Logit Model for the Joint Choice of Residential Location，Travel Mode，and Departure Time[J]. Habitat International，2013，38(11)：157-166.