基于Ordered Probit模型的区域客运通道需求层次识别

李 莉，丁宏飞

(西南交通大学 交通运输与物流学院，四川 成都 610031)

运输业是国民经济发展的关键，随着我国运输业的发展，各经济区域间的时间距离不断缩短，沟通联系随之频繁。区域客运通道作为经济区域内的客流主载体，将经济区域通过整合的各种运输方式联系起来，实现经济区域内的协调发展。目前，国内主要的区域通道，一方面运能紧张，各运输方式间较难实现合理分工、协调配合，迫使通道系统整体运输效率和质量下降；另一方面，在市场化的条件下，运输企业之间盲目的通过运价策略以求谋取更大份额的客运分担率。要解决上述矛盾，客运需求层次分析是区域客运通道规划建设之关键，在把握市场需求的基础上，有针对性地进行通道运力资源的合理配置。

1 客运需求层次划分的研究现状

区域通道客运需求不仅包含量的需要，更应注重质的要求。以往很多研究更多地将目光投向客运需求总体规模以及客运需求方式划分的预测[1-2]，而忽视了对需求结构层次的研究，导致通道运能配置很难满足多样化的运输需求。钟静[3]从旅客出行行为分析入手，构建广义费用函数的Logit模型，对区域运输通道内旅客运输产品分担率进行预测，从而明确区域通道客运系统内各种运输方式的合理分工。吴伟，等[4]通过定性分析运输通道客运量的影响因素，用灰色关联度理论筛选出影响运输通道客运量的主要因素，采用BP神经网络模型，对运输通道客运量进行预测。安文娟[5]从理论研究方面对客运需求层次进行了划分，探讨了基于群体划分的客运需求层次结构，并提出了区域运输通道客运需求层次结构特征。

2 客运需求结构影响因素的选取

鉴于旅客是出行需求主体，在进行通道客运需求层次影响因素分析时，着眼于对出行主体相关因素的研究。综合考虑出行者个人特性(如性别、年龄、收入等)、出行特性(如时间、距离、目的等)以及区域客运通道的特性，将影响因素归纳为个人收入、出行目的和旅客心理偏好，见表1。

表1 需求层次影响因素

具体在进行个人收入水平划分时，依据个人消费支出的结构性指标——恩格尔系数作为判别标准[7]，结合联合国相关规定，具体的收入水平划分标准如表2。

表2 收入等级划分

3 Ordered Probit模型的构建

3.1 客运需求层次划分

借鉴马斯洛和恩格斯的人类需求层次理论[5]，将区域客运通道需求层次大致分为4个层次，如图1。

图1 客运需求层次Fig.1 Passenger demand level

3.2 构建需求层次识别模型

记区域客运通道需求层次为一个离散变量yi(i=1，2，…，n对应所划分的需求层次等级表，如图1)；y*表示客运需求层次的内在变化趋势，为一个连续的隐性变量。Probit模型的一般形式为：

y*=βX+ε

(1)

式中：X为需求影响因素构成的向量；β为影响因素的系数向量，为待估参数；ε为误差扰动项，表示该层次识别模型中未考虑的但对需求具有影响作用的其它因素之和，假设其服从标准正态分布，即ε～N(0,1)。

为形成离散变量yi和连续变量y*之间的映射关系，根据客运需求层次结构的划分，将连续变量y*的整个取值区间通过设置阈值τi划分为4个分区间Ai，设τ0=-∞，τ4=+∞，其中τ1<τ2<τ3，设离散变量yi取值1，2，3，4对应不同的需求结构层次，从而根据式(3)实现此映射关系：

1.统筹策划，把好项目谋划关。审计好比部队打仗，战前侦察很重要，否则无法制定作战计划。当好审计组长，力求在“早”字上做文章，尽量提早谋划、尽早安排。审前调查要确保“细”，要通过内部控制测试和风险评估，最大限度降低审计风险。编制审计实施方案要做到“精”，详细了解被审计单位的全面经济状况，确定审计的目标、重点，制定内容具体、重点突出、操作性强的审计实施方案。人员选配要“慎”，通过配备业务精湛的主审及专业结构合理的审计人员组成审计组，并进行合理分工，做到人尽其才，才尽其用。

(2)

(3)

因此，yi在各区间中出现的概率，即离散量yi关于X的条件概率的计算方程式为：

3.3 极大似然估计

模型需要对参数β和阈值τi进行估计。采用极大似然法进行处理，为方便，记φ(τi-βX)=φi，则Pr(y=i|X)=φi-φi-1)。求得极大似然函数：

(5)

由于L最大时的参数估计与lnL等价，因此变换为估计lnL最大时的参数，即：

(6)

选择Stata软件实现上述极大似然估计，从而获得参数估计结果。

4 模型应用示例

成渝运输通道承担了成渝经济区域内主要的客运任务，实现两地的经济合作，促进经济的协调发展。随着成渝客运的完善发展，区域内旅客运输需求呈现多样化发展。以成渝客运通道为研究对象(图2)，根据出行调查数据，采用Stata软件进行序次Probit模型参数估计，实现对客运需求的判断。

图2 成渝客运通道示意Fig.2 Chengdu-Chongqing passenger transport corridorschematic diagram

根据所构建的需求层次识别模型，选取个人出行调查数据(样本容量200)，结合原始出行调查问卷，对出行目的、心理偏好、个人收入和需求层次分别进行量化处理。其中，出行目的分为4个等级：求学务工、探亲访友、休闲娱乐和公务或商务，分别取值1，2，3，4；心理偏好包括4种类型：价格导向型、时间导向型、安全导向型和服务质量导向型，分别取值1，2，3，4；个人收入分为3个等级：低等收入、中等收入和高等收入，分别取值1，2，3；需求层次分3个等级：可达性需求、经济性需求、快速方便性需求和舒适享受型需求，分别取值1，2，3，4。量化处理后的数据形式如表3。

表3 出行调查数据

将表3数据转化为EXCEL格式，通过命令file→import→Excel spreadsheet导入Stata软件中，如图3。

图3 数据导入示意Fig.3 Data imput schematic diagram

利用Statistics→Ordinal outcomes→Ordered Probit regression进行模型变量设置，实现模型的极大似然估计[10](图4)，最终的估计结果如表4。

图4 变量设置示意Fig.4 Schematic diagram ofvariables setting

参数估计值标准差95%的置信区间出行目的0.57470.8226[0.4135,0.7359]心理偏好0.58060.8585[0.4124,0.7489]个人收入0.82950.1168[0.6005,1.0585]阀值τ13.33500.4089[2.5336,4.1364]阀值τ25.68290.5165[4.6706,6.6952]阀值τ37.56950.6574[6.2809,8.8581]

根据收集的个人出行调查数据，采用MATLAB中griddata 插值命令，选取格点样条函数内插法，得到不同的影响条件下，连续的需求层次分布图[11]。图5为不同出行目的和心理偏好下插值得到的3种收入水平下旅客的需求层次分布。

图5 成渝客运通道需求层级分布Fig.5 Demand level distribution of Chengdu-Chongqingpassenger transport corridor

由图5可知：①任何收入水平下，当心理偏好和出行目的层级逐渐升高时，需求层级亦逐步升高；②当收入水平逐步升高时，即使出行目的和心理偏好处于较低层级时，所对应的需求层级也偏高。尤其是当收入层级属于高等收入时，基本不存在可达性需求；③随着收入水平的提高，处于较低层级的出行目的和心里偏好对需求层级的影响逐渐减弱，而仅当两者处于较高层级时，影响作用才比较突出，显然这与实际情况相符。

根据上述的参数估计结果，将该通道完整的调查数据带入Ordered Probit模型，即可获得详细的客运需求层次划分，从而有针对性地进行通道客运产品配置。

5 结 论

1)选取出行目的、心理偏好和收入水平作为客运需求层级划分的影响因素，表现出很好的显著性，相比于传统考虑众多影响因素的客运需求层次分析，更简单、易操作。

2)将基于Ordered Probit 模型得到的客运需求层级进行MATLAB插值处理，获得在一定收入水平下，不同出行目的和心理偏好情况下需求层级三维特征图，形象生动、清楚明了。

3)笔者通过数学模型实现需求层级识别，采用Ordered Probit模型取得较为满意的试验结果，但是本研究中仅选用3个影响因素，因此后续的研究重点在于考虑较多因素的情况下，利用Ordered Probit对状态变量进行建模，并保证各影响因素具有良好的显著性。

[1] 安文娟,陈峰.基于改进 MD 模型的区域交通方式划分预测方法[J].重庆交通大学学报:自然科学版,2012,31(4):824-827.

An Wenjuan,Chen Feng.Regional traffic modal splitting method based on improved MD model [J].Journal of Chongqing Jiaotong University:Natural Science,2012,31(4):824-827.

[2] 王江涛,马驷.预测通道客运分担率的 MNL 模型特性变量选取[J].重庆交通大学学报:自然科学版,2010,29(6):947-950.

Wang Jiangtao,Ma Si.MNL model characteristic variables selection on forecasting corridor mode split [J].Journal of Chongqing Jiaotong University:Natural Science,2010,29(6):947-950.

[3] 钟静.区域运输通道内旅客运输产品分担率预测[D].西安:长安大学,2011:29-43.

Zhong Jing.Prediction of passenger transport products’ share ratio in regional transport corridor [D].Xi’an:Chang’an University,2011:29-43.

[4] 吴伟,符卓,王晓.运输通道客运量预测方法[J].铁道科学与工程学报,2012,9(5):96-102.

Wu Wei,Fu Zhuo,Wang Xiao.Passenger volume forecast method for transport corridor [J].Journal of Railway Science and Engineering,2012,9(5):96-102.

[5] 安文娟.区域运输通道客运需求结构分析及预测研究[D].北京:北京交通大学,2011:21-24.

An Wenjuan.Analysis and Forecasting of Passengers Demand Structure in Regional Transport Corridor [D].Beijing:Beijing Jiaotong University,2011:21-24.

[6] 任志娟.手机消费需求研究——基于Probit模型的分析[J].统计教育,2006(3):47-49.

Ren Zhijuan.Research on consumer demand of mobile phone:based on Probit model [J].Statistical Education,2006(3):47-49.

[7] 李艳红.综合运输通道客运结构优化理论与方法研究[D].北京:北京交通大学,2010:46-52.

Li Yanhong.Research on Theory and Methods of Passenger Transport Structure in Comprehensive Transportation Corridor [D].Beijing:Beijing Jiaotong University,2010:46-52.

[8] 文元桥,张恒,万品.基于序次Probit模型的航道船舶碰撞危险度研究[J].中国安全科学学报,2012,22(2):134-139.

Wen Yuanqiao,Zhang Heng,Wan Pin.Risk degree analysis of ship collision risk in channel based on Ordered Probit model [J].China Safety Science Journal,2010,22(2):134-139.

[9] 宗芳,许洪国,张慧永.基于Ordered Probit 模型的交通事故受伤人数预测[J].华南理工大学学报:自然科学版,2012,40(7):41-45.

Zong Fang,Xu Hongguo,Zhang Huiyong.Forecast of injury number due to traffic accident based on Ordered Probit model [J].Journal of South China University of Technology:Natural Science,2012,40(7):41-45.

[10] 姚少英.有序Probit模型的非参贝叶斯统计[D].上海:华东理工大学,2012:9-20.

Yao Shaoying.A Nonparametric Bayesian Method to Estimate Ordered Probit Model [D].Shanghai:East China University of Science,2012:9-20.

[11] 黄光东,管建和,李响,等.基于Matlab平台的插值法技术实现与应用[J].电脑编程技术与维护,2006(2):30-36.

Huang Guangdong,Guan Jianhe,Li Xiang,et al.Implementation and application of interpolation technology based on Matlab platform[J].Computer Programming Skills & Maintenance,2006(2):30-36.