铁路到达旅客离站交通方式选择模型研究

云 亮，蒋阳升，谢 寒

(西南交通大学 交通运输与物流学院，四川 成都 610031)

铁路客运枢纽通常集中了铁路、城市轨道交通、常规公交、出租车、小汽车等多种交通方式出行，其中铁路主要承担对外交通的职能，其他几种方式承担出发和到达客流的对内集散职能。这两种职能之间呈现客流输入输出的串联合作关系，同时集散系统中的多种交通方式存在客流分流合流的并联竞争关系。对影响这两类职能发挥的系统资源配置都已经有了充分的研究，但以往的研究往往割裂了两种职能的内在联系，通常将对外交通的资源配置放在铁路网规划设计中考虑，集散交通的资源配置则放在城市交通规划与设计中考虑。因此，从优化铁路客运枢纽集散交通系统配置、提升交通效率、保障铁路对外交通职能发挥的角度出发，非常有必要理清两种交通职能之间的客流联系，掌握以对外交通出行为目的的旅客群在选择集散交通方式时的选择机理。笔者主要针对到达旅客离站交通方式选择问题进行建模研究。

目前国内外学者在离站交通方式选择问题方面的研究成果主要集中在：换乘客流预测问题[1-4]、换乘客流组织优化问题[5]和枢纽内部设施换乘设施设计与优化问题。其中，在换乘旅客选择行为问题上的主要成果大多集中在模型标定等方面[6]；但是在效用函数中考虑交通方式服务水平因素的具体成果尚未发现。笔者将主要针对这一问题进行探讨。

1 铁路到达旅客离站交通

铁路客运枢纽到达旅客离站交通过程，是指铁路旅客从到达铁路站台开始，经过出站、选择某种离站交通方式、到达该交通方式所在区域、候车等一系列决策行为，最终离开铁路枢纽的整个过程。

铁路客运枢纽到达旅客离站交通的良好运转受两方面因素的影响：到达客流自身的因素，和枢纽内外部的环境因素。这两方面因素的影响是相互的：旅客自身特性及其选择决策行为决定了离站交通系统的特征，如离站交通方式运力、布局、枢纽内部设备能力等；而枢纽内部和外部的环境特性，如设备通行能力、周边道路条件等，通过影响离站交通方式的服务水平的方式，间接影响了旅客的决策行为。由此可见，研究到达旅客在枢纽内外部环境影响下的离站交通方式选择问题，是合理配置离站交通系统资源的关键问题之一。

笔者以由公共交通和个体机动交通组成的系统为例，构建到达旅客离站交通方式选择模型。为了便于处理，文中将出租车视为个体机动交通，而实际情况中出租车也具有某些公共交通服务水平属性，如候车时间等。到达旅客离站交通系统网络如图1。

图1 到达旅客离站交通系统网络Fig.1 Network of arriving passengers’ off-site traffic system

图1中，根据旅客离站过程顺序，网络中的节点共分为3类：①选择决策点，主要包括O，OPB和OPE，分别为旅客进行选择公共交通与私人交通方式、选择常规公交与城市轨道交通方式、选择出租车和私家车方式的决策点；②出行起终点，主要包括OB，OR，OT，OC和对应的D点，分别为公交、城市轨道交通、出租车和私家车的出行起终点；③换乘点(Transfer)，主要包括TB和TR，分别为公交和城市轨道交通换乘点，其数量根据出行路径而定。

需要说明的是，D点为旅客出行的终点，当然不可能所有旅客的出行终点均为同一地点，因此D点只是网络结构中的虚拟节点，表示旅客到达各自的出行终点而离开系统；另外，由于出租车和私家车可以实现门到门的运输，其出行终点DT和DC就是旅客的出行终点，为了方便表达而将其单独表示。

系统中的实线段表示出行费用不为0的实际路段，虚线段表示出行费用为0的虚拟路段或决策过程。其中，旅客在O点(通常为出站检票口附近)进行选择时主要依据自身的出行特征进行决策，因此采用虚拟路段；在OPB，OPE进行选择时，更多的是根据枢纽站内走行设施和离站交通方式交通特征进行决策，因此采用实际路段，以表征站内步行时间、出行费用、候车时间等因素对旅客决策的影响。

2 离站交通方式选择机理

2.1 影响因素分析

传统的四阶段法认为，交通方式选择是出行者在考虑交通目的、交通方式的服务特性、地区特性的基础上进行的决策行为，影响因素包括出行主体特性、出行特性以及交通设施特点3类。其中交通设施特点因素分为可量测的因素和不可量测的因素两方面，不可量测的因素包括了舒适度和方便性、可靠性和准时性、防护物及安全性等[7]。

对于铁路客运枢纽的旅客交通方式选择问题，目前国内学者普遍认为影响因素也主要分为3类：旅客个体特征、出行特征和交通方式特征[8]。笔者认为，旅客个体特征和出行特征可以归为影响到达旅客离站交通方式选择的内因，而交通方式特征可以归为其外因。不同个体特征和出行特征的旅客对出行方式特征的要求的差异，导致了铁路客运枢纽离站交通方式结构的不同。

另外，根据旅客对枢纽的熟悉程度不同，各因素的权重又有所不同：对枢纽较为陌生的旅客在进行离站方式选择时往往希望可以快速、便捷、少换乘地从枢纽到达目的地，因此在决策时会更多地考虑外因；经常使用枢纽的旅客则往往不需要借助交通诱导，而是根据经验进行选择，因此在决策时会根据出行目的、出行距离等内因进行初步选择，再根据舒适性等外因进行调整。

可见，在旅客进行离站交通方式选择时，不同类别的旅客不仅会根据自己的收入水平、出行喜好等个体特征和出行目的等出行特征进行决策，还会根据初步选择的交通方式的服务水平进行决策调整。而且，随着出行者对于出行质量要求的不断提高，旅客的选择必将呈现出多样化的趋势，交通方式特征在旅客形成决策过程中起到的作用将会越来越突出。

2.2 服务水平因素的作用机理

铁路到达旅客(尤其是初次到达枢纽的旅客)由于信息不完善，往往只能根据自身因素选择离站交通方式，而一旦旅客到达该方式的候车区域，也很难重新选择更符合自己服务水平要求的方式。因此，假设枢纽到达旅客离站交通系统的运作服从“旅客-设施-信息(Passenger-Facilities-Information，简称PFI)作用机制”[9]，即旅客在选择离站方式时可以根据实时的枢纽内外部环境信息进行决策。由于现有的技术设备和手段完全可以实现相关服务水平信息的采集、处理和发布，因此可以认为该假设是合理可行的。

在信息完善条件下，旅客将可以根据对服务水平的要求进行离站交通方式选择。笔者定义服务水平期望的概念以表征选择过程中服务水平因素的影响。服务水平期望是指旅客根据其出行目的、时间价值等因素的综合考虑，对各离站交通方式能够达到的出行时间等服务水平指标的期望。笔者选取的服务水平指标包括换乘次数、拥挤程度和候车时间。因此定义换乘次数期望、拥挤程度期望和候车时间期望，分别表示旅客对于选择某种离站交通方式时能接受的最大换乘次数、拥挤程度和候车时间的期望值。其表达式如式(1)：

(1)

通常旅客在选择交通方式时，往往希望换乘次数越少越好，拥挤程度越小越好，候车时间越短越好。因此，如果实时的离站方式服务水平高于相应的期望，则在方式选择效用函数中增加相应指标的惩罚项，以反映旅客的真实决策过程。

3 离站交通方式选择模型

根据上述分析，笔者参考交通预测四阶段法中的交通方式划分模型，构建了铁路客运枢纽到达旅客离站交通方式选择模型。文中选择的是NL(Nested Logit)模型，因为该模型考虑了各选择枝之间的相关性，对具有类似特性的选择枝进行了分类，能够克服MNL模型所具有的与其它选项无关(IIA)特性，更接近于实际情况。

3.1 NL模型

根据图1的网络，交通方式选择集包含常规公交、轨道交通、小汽车和出租车。由于小汽车和出租车具有相似的交通特性，因此两者组成虚拟选择枝(私人交通1)，相应的公交和轨道交通组成与私人交通相对立的虚拟选择枝(公共交通2)。设各选择枝及虚拟选择枝的效用分别用Uj(j=b，r，c，t)，Ui(i=1，2)表示，对应的效用值确定项分别用Vj和Vi表示，则双层NL模型的交通方式分层结构及其对应的出行效用见图2。

图2 双层NL模型分层结构Fig.2 Structure of two-level NL model

系统NL模型各选择枝之间的关系可以描述为树状结构，在节点分叉处可以看作一个独立的简单双项Logit模型(BNL)，由图2可见，笔者所设计的NL模型包含3个BNL模型。

假定同一个虚拟选择枝下的交通方式效用函数随机项服从系数为b的Gumbel分布，且随机项的方差相等，设私人交通和公共交通效用函数随机项方差分别为σ12和σ22，则根据文献[10]的推导过程，可以得到公交、轨道交通、小汽车和出租车的出行比例Pc，Pt，Pb和Pr分别为：

(2)

式中：λ，b1，b2分别为上下层的参数，且满足λ≤b1，λ≤b2；其它符号同前。

3.2 改进的效用函数

根据上文所述，效用函数中选取了出行费用、出行时耗以及作为服务水平特征变量的换乘次数、拥挤程度和候车时间作为特征变量。因此，选择枝j的改进效用函数计算公式可用式(3)表示：

Vj=θj1Xj1+θj2Xj2+θjtmax[0,Ej(xt)-Xjt]+

θjcmax[0,Ej(xc)-Xjc]+θjwmax[0,Ej(xw)-Xjw]

(3)

式中：Xj1，Xj2分别为出行费用和出行时耗特征变量；Xjt，Xjc，Xjw分别为选择枝j的换乘次数、拥挤程度和候车时间特征变量；θj1，θj2，θjt，θjc，θjw分别为出行费用、出行时耗、换乘次数、拥挤程度和候车时间指标的未知参数；其它符号同前。

由于NL模型由3个BNL模型组成，其模型结构较为复杂，参数估计比较困难，因此文中采用适应性强且易操作的极大似然估计法进行参数估计，最后得到的非线性方程采用Newton- Raphson法求解。

4 成都东客站实例分析

4.1 交通调查概况

本次交通调查以成都东客站综合交通枢纽东广场的到达旅客为调查对象(不包括换乘长途客运离开的旅客)，RP调查主要在出站及换乘大厅层进行，随机抽取600个样本(到达旅客)采取询问方式进行；流量调查则由调查员在主要换乘通道出入口位置采取计数方式进行，调查时间为9:00—19:00共计10 h。RP调查主要内容包括离站方式选择意向、服务水平(如公交换乘次数、公交拥挤程度、出行费用、出行时间等)期望等。流量调查则主要反映了到达旅客在各离站方式间的选择情况。

根据数据统计结果，不同离站交通方式选择意向的服务水平期望，以及调查日当日不同离站交通方式选择比例分别如表1和表2。

表1 服务水平期望值统计

注：*拥挤程度指标采用4级量化的方式，以公共交通为例，0表示车上有空座，1表示没有空座但乘车空间很宽敞，2表示没有空座且乘车空间较拥挤，3表示很难挤上车；**候车时间指标以min为单位，其中选择小汽车方式的旅客多为车等人，因此对该指标的要求水平很低。

表2 离站交通方式选择调查结果统计

4.2 参数估计

基于RP调查数据，对各选择枝及各BNL模型进行参数估计。把参数b融入θjk(k=1，2，t，c，w)，并分别代入β= 60%，80%，95%条件下调查得到的特征变量，通过编程分别求得Vc，Vt，Vb，Vr和虚拟选择枝1、2的效用值确定项V1，V2的表达式如式(4)～式(6)：

β=60%

(4)

β=80%

(5)

β=95%

(6)

4.3 对比分析

取铁路客流到达高峰时段调查所得数据的平均值作为选择枝的特征变量值，利用式(4)～式(6)计算得到各交通方式的出行分担率拟合值，并与同一时段流量调查值进行对比，结果如表3。

表3出行分担率对比结果

Table3Comparisonsofshareratiosoftraveling

通过结果对比，可以得出以下结论：

1)在不同的β取值条件下，高峰时期各交通方式出行分担率拟合值与调查值的相对误差均在5%以内；

2)常规公共方式选择枝的拟合值在不同的β取值条件下均比调查值低；

3)轨道交通方式选择枝的拟合值在β=60%条件下比调查值低，在β=80%和β=95%条件下均比调查值高；

4)出租车方式选择枝的拟合值在不同的β取值条件下均比调查值高；

5)小汽车方式选择枝的拟合值在β=95%条件下比调查值低，在β=60%和β=80%条件下均比调查值高。

原因是：在β=60%条件下，部分对于服务水平要求较高的乘客由公共交通方式转向私人交通方式；在β=80%和β=95%条件下，由于乘客不能获得完善交通信息，因而不能做出最有利的决策。

5 结 语

掌握铁路到达旅客在复杂环境下的离站交通方式选择规律，是合理配置交通系统资源、提高枢纽地区客流集散效率的必要条件之一。首先，笔者在分析旅客方式选择影响因素和作用机理的基础上，通过引入服务水平期望指标，改进了乘客离站交通方式选择的效用函数，并建立了由常规公交、轨道交通、出租车和小汽车等4种方式构成的离站交通系统的NL模型，以期更多地考虑服务水平因素的影响；然后，根据调查数据进行了参数估计，并以高峰时段调查数据为例验证了模型的有效性。验证结果表明，高峰时段不同β取值条件下，各交通方式出行分担率的拟合值与调查值的相对误差均在5%以内。其中，在β=60%条件下，部分对于服务水平要求较高的乘客可能会由公共交通方式转向私人交通方式，使得常规公交的拟合值低于调查值；在β=80%和β=95%条件下，由于乘客不能获得完善的交通信息，不能做出最有利的决策，使得部分公共交通资源没有发挥作用。

根据调查数据进行的模型标定和结果对比分析，由于实际情况中尚不能实现信息的实时采集和发布，因此模型计算结果与实际调查结果仍有一定差距。因此，今后的研究重点可以放在设计合理可行的调查方案，或者利用软件平台进行仿真两方面考虑。另外，从对比结果可见，研究交通信息在到达乘客离站交通方式选择决策时的影响也将是下一步研究的重要方向之一。

[1] 文雅,晏克非,成峰.基于出行链的城市客运交通枢纽换乘需求预测模型[J].交通与运输,2005(增刊1):1-3.

Wen Ya,Yan Kefei,Cheng Feng.Trip chain based passenger transfer demand forecast model in city passenger transportation hubs [J].Traffic and Transportation, 2005(S1): 1-3.

[2] 杨晓光,张钰,张海军.轨道交通换乘枢纽交通信息服务分析[J].城市轨道交通研究,2004,7(5):27-29.

Yang Xiaoguang,Zhang Jue,Zhang Haijun.Analysis of traffic information service in urban rail transit hubs [J].Urban Mass Transit,2004, 7(5): 27-29.

[3] 李丽群,陈龙.基于效用理论的城市轨道交通运营管理优化策略[J].重庆交通大学学报:自然科学版,2012,31 (2):289-292.

Li Liqun,Chen Long.Optimization strategy of operational management for urban rail transit based on utility theory [J].Journal of Chongqing Jiaotong University: Natural Science,2012,31 (2):289-292.

[4] 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.

[5] 程远.基于服务水平的城市轨道交通与常规公交换乘优化研究[D].北京:北京交通大学,2011.

Cheng Yuan.The Study on the Optimization of Transfer between Urban Rail Transit and Bus Based on LOS [D].Beijing:Beijing Jiaotong University,2011.

[6] 柯林春.城市综合客运枢纽旅客换乘行为研究[D].西安:长安大学,2009.

Ke Linchun.Study on the Passenger Transfer in Urban Comprehensive Passenger Terminal [D].Xi’an: Chang’an University, 2009.

[7] 陆化普.交通规划理论与方法 [M].2版.北京:清华大学出版社,2006.

Lu Huapu.Theory and Method in Transportation Planning [M].2nd ed.Beijing: Tsinghua University Press, 2006.

[8] 安健,杨晓光,刘好德,等.基于乘客感知的公交服务可靠性测度模型[J].系统仿真学报,2012,24(5):1092-1097.

An Jian,Yang Xiaoguang,Liu Haode,et al.Models to measure transit service reliability from passengers’ perception [J].Journal of System Simulation, 2012, 24(5): 1092-1097.

[9] Yun Liang,Peng Bo.Urban traffic evacuation system for comprehensive railway passenger transport hub and its evacuation efficiency optimization research [J].Applied Mechanics and Materials, 2012,209/210/211:771-774.

[10] 刘灿齐.现代交通规划学[M].北京:人民交通出版社,2001.

Liu Canqi.Advanced Traffic Planning [M].Beijing:China Communications Press, 2001.