基于有序Logistic回归的城市人行道服务水平研究

赵琳，边扬，荣建，刘小明＊,2

（1.北京工业大学交通工程北京市重点实验室，北京10012；2.中华人民共和国交通运输部，北京100736）

基于有序Logistic回归的城市人行道服务水平研究

赵琳1，边扬1，荣建1，刘小明＊1,2

（1.北京工业大学交通工程北京市重点实验室，北京10012；2.中华人民共和国交通运输部，北京100736）

科学的人行道服务水平评价方法可以为营造良好的步行出行环境提供有力的理论支撑.针对人行道服务水平等级为定序变量的特点，本文提出了基于有序Logistic回归模型的人行道服务水平评价方法.首先，选择北京市交通枢纽地区34条典型人行道进行行人满意度调查，获取典型、全面的数据样本；然后，采用模糊C均值聚类方法得到行人满意度与人行道服务水平等级的对应关系；最后，应用逐步回归方法提取人行道服务水平显著性影响因素并分析其影响机理，进而建立人行道服务水平等级的有序Logistic回归模型.通过实际验证，模型精度较现有的线性回归模型有所提高.

城市交通；人行道服务水平；有序Logistic回归；模糊C均值聚类；模糊隶属度

1 引言

在大力提倡低碳绿色出行的背景下，步行交通受到社会各界越来越广泛的关注.近年来，我国已将济南、厦门等多个城市列为慢行系统示范城市；2012年开始，北京在望京地区、商务中心区等开展了步行示范区的规划与建设，并在三环路以内开展了步行系统的整治工程.为了营造良好的步行出行环境，并为新建和改建道路的设计提供详细、可靠的依据，亟需建立适合我国行人需求的、可用于指导行人道路设计的人行道服务水平评价方法.

Furin[1]以行人流理论为基础，利用密度、流率、速度等作为评价依据制订了六级人行道服务水平评价标准，但其忽略了道路条件、环境条件，以及行人心理感受等因素；Jaskiewicz[2]从行人出行质量角度研究道路环境对人行道服务水平的影响，但其指标缺乏对城市道路人行道设施条件的针对性；HCM2010[3]在以上研究基础上，结合步行舒适度与安全感的行人满意度评分，对人行道服务水平等级进行了重新划分.然而，Tananboriboon[4]的研究表明，东方行人对交通环境的容忍程度较西方行人高，因此以上评价指标和方法并不完全适用于北京的实际情况.边扬[5,6]等针对我国行人步行心理感受选取评价指标，通过线性回归建立了人行道服务水平评价模型；由于所获得的行人满意度评分均为定序变量，而线性回归模型仅适用于连续变量的回归分析，因此，现存模型存在一定的局限性.

本研究从北京市地铁站周边人行道行人的心理需求出发，综合考虑交通条件、道路条件、环境条件提取影响行人满意度的因素，采用有序Logistic回归分析方法建立人行道服务水平与显著性影响因素之间的关系模型，最终得到适用于北京市实际情况的人行道服务水平评价方法.

2 建模方法

针对行人满意度评分等级的离散性与有序性的特点，本文选用有序Logistic回归分析方法建立行人满意度与其显著性影响因素之间的关系模型.Logistic回归分析专门用于响应变量为离散属性变量、自变量为连续变量或离散属性变量的回归问题.

假设人行道服务水平划分为k个级别，则有序多分类Logistic回归分析模型对应有k-1个公式，则累积的Logistic模型可表示为

式中Li为第i个累积Logistic模型；i为指示响应变量的水平；即人行道服务水平等级；Y为响应变量；X为自变量向量；ai为第i个模型的截距参数；B为斜率向量；P(Y=j|Χ)为人行道服务水平属于j时的概率.

求得各服务水平下累积的Logistic模型Li后，通过换算得到人行道服务水平属于各级别的概率：式中X1，X2，…，Xm为m个影响因素；b1，b2，…，bm为回归系数，一般采用极大似然法求系数估计.如果Ps=mi=ka1x {Pj}，则人行道服务水平可判为第s类.

3 影响因素选取

行人对人行道安全感与舒适度的感受是由多种因素共同作用的，这些因素可分为道路条件因素、交通条件因素、环境条件因素三种类型.

3.1 道路条件因素

道路条件因素包括人行道有效宽度、行人与相邻车辆之间的距离、道路横断面形式.行人与相邻车辆之间的距离如图1所示，包括人行道缓冲区、行人与相邻车辆之间的隔离设施、路边停车三者宽度的总和.

图1 道路条件因素示意图Fig.1 Schematic diagram of road condition factors

道路横断面形式直接影响行人、非机动车、机动车三种交通流的空间分布形式，不同道路横断面形式下，非机动车与机动车对行人的影响程度是不同的，由此可将道路横断面形式划分为以下三种情况：

（1）行人与非机动车相邻.此时，道路横断面形式包含如图2所示的三种类型，机动车与非机动车之间分别通过划线、隔离栏、绿化带三种方式隔离.

图2 行人与非机动车相邻时道路横断面形式Fig.2 Lane cross-section forms with the adjacency of pedestrians and non-motorized vehicles

（2）行人与机动车相邻.此时，道路横断面形式包含如图3所示的两种类型，与行人相邻的车道为机动车右转车道或公交专用道.

图3 行人与机动车相邻时道路横断面形式Fig.3 Lane cross-section forms with the adjacency of pedestrians and motor vehicles

（3）行人与机非混行车辆相邻.此时，道路横断面形式如图4所示，非机动车道与人行道之间均存在路边停车.

图4 行人与机非混行车辆相邻时道路横断面形式Fig.4 Lane cross-section form with the adjacency of pedestrians and mixed vehicles

综合分析以上三种道路横断面形式，可将其对行人满意度产生影响的指标分解为机非隔离形式和与行人相邻车道的车辆类型.机非隔离形式包括机非混行、划线、隔离栏与绿化带隔离四种形式，与行人相邻车道的车辆类型包括非机动车、机动车、机非混行三种类型.

3.2 交通条件因素

交通条件因素包括行人流量、非机动车流量、机动车流量.由于行人流量与人行道有效宽度对行人满意度的作用是相互影响的，因此采用行人流率作为评价指标，即单位时间单位宽度内通过的行人数量.

非机动车流量与机动车流量对行人满意度的影响与道路的横断面形式是相关的：在图3a的断面形式下，右转车辆与行人之间均存在硬隔离设施；在图3b的断面形式下，公交站通常为行人的行走目的地，且公交车进站前速度较低；在图4的断面形式下，机动车与非机动车混合行驶，机动车速度也不会太高.因此，与行人相邻车道的车辆类型对行人心理感受影响差别不大，可将非机动车流量与机动车流量统一为与行人相邻车道内的车辆数进行分析.

3.3 环境条件因素

环境条件因素包括缓冲区的形式（绿化树或自行车停放）、人行道内侧建筑环境与商铺的整齐程度、人行道路内绿化环境等，以上因素均与行人感受息息相关，因此采用打分方式获取行人对环境的整体满意度；另外，人行道路内障碍物的出现频率也是可能对行人满意度产生影响的环境因素.

4 数据采集及分析

为获取典型、全面的行人流量样本数据，本研究选取北京市地铁站周边34条典型人行道进行行人满意度问卷调查.为更加符合国内行人评分习惯从而更好地反映行人的心理感受，调查问卷选用1-10评分的等级量表形式.调查涵盖了各种类型的人行道形式，人行道道路条件、交通条件，以及环境条件，具体情况如表1所示.

表1 人行道道路条件、交通条件、环境条件统计表Table1Statistics of road facilities,environment conditions and traffic conditions

不同道路条件、交通条件、环境条件的调查地点，行人满意度的平均得分也有所不同，图5给出了34条道路的行人满意度平均得分分布情况.

调查时间选为平峰时间段14:00-16:00与晚高峰时间段17:00-19:00；被调查人员性别比例为男性57%，女性43%；年龄涵盖范围从20岁以下到60岁以上均有所涉及；其中，约2/3的行人对所行走道路比较熟悉.

图5 不同道路行人满意度平均得分Fig.5 Average scores of pedestrians’satisfaction on different sidewalks

5 模型测试与结果分析

5.1 行人满意度与人行道服务水平对应关系

本研究获得的行人满意度评分为10级，而通常人行道服务水平采用6级划分标准[1].因此，采用模糊C均值聚类方法将行人满意度评分划分为六个服务水平等级.模糊聚类是用数学方法定量地确定样本的亲疏关系，从而客观地划分类型的一种多元统计方法.

经计算，得到各服务水平等级聚类中心与其相应的满意度分数如表2所示.

表2 人行道服务水平等级与行人满意度对照表Table 2 Comparison between pedestrians’satisfaction and pedestrian level of service of sidewalks

5.2 有序Logistic模型测试

首先，尽量全面地选取可能的影响因素，得到有序Logistic回归模型形式如下：

式中ai为第i个模型的截距参数；bm(m=1,2,…,8)为模型参数；Re为环境因素评分；Vp15为每15分钟的行人流率（人/(m·15min)）；Vv15为与行人相邻车道内的车辆数（辆/15min）；D为行人与相邻车行道之间的距离；Na为调查范围内障碍物的出现频率；Xi(i=1,2,3)为机非隔离形式，包括机非混行、机非划线隔离、机非隔离栏隔离、机非绿化带隔离；bm(m=9,10,…,14)为模型修正参数，即当机非隔离形式分别为混行、划线、隔离栏形式时，相邻车道内车辆数、行人与相邻车道之间距离对满意度评分的影响修正.由于机非隔离形式为分类变量，其取值为

不同被调查者对相同影响因素条件下的人行道评分存在个体的差异性，为了使模型更具有普遍性，需要对相同影响因素条件下不同行人的满意度评分取均值，将实际调查得到的2 199份有效问卷整理为332组样本数据.初步计算得到人行道6级服务水平与各影响因素之间关系的模型参数如表3所示

表3 人行道服务水平与影响因素显著性分析表Table3Analysis for the significant influencing factors of pedestrian level of service

由表3可知：①行人流率、人行道上障碍物的出现频率，以及机非隔离形式的显著性统计值均小于0.05，即行人流率变化、由障碍物引起的行人行走路径改变、机非隔离形式不同，均会引起人行道服务水平等级的变化；②与行人相邻车道内的车辆数、行人与相邻车道之间的距离及其相关因素对人行道服务水平等级的影响的显著性均大于0.05，说明这些因素对人行道服务水平没有显著性的影响.

基于以上结果，通过逐步回归方法剔除模型中不显著的影响因素，得到人行道服务水平等级与显著性影响因素之间的有序Logistic回归模型参数，如表4所示.

同时，采用简单线性回归模型[6]进行北京市交通枢纽地区人行道服务水平评价，得到人行道服务水平等级与显著性影响因素之间的线性回归模型参数，如表5所示.

表4 有序Logistic回归模型参数Table4Parameters of orderly Logistic regression model

表5 简单线性回归模型参数Table5Parameters of simple linear regression model

由表4和表5可知：①采用有序Logistic回归分析方法建立的人行道服务水平评价模型的精度R2统计值为0.654，高于现有线性回归模型[6]的精度（R2=0.549）.②行人对人行道环境的总体评分系数为正，即环境好的人行道服务水平也会相应有所提高.③行人流率系数为负，即行人流率增加时会产生行人之间的干扰，严重时可能产生拥挤，因此行人流率越大服务水平越低.④障碍物出现频率系数为负，当人行道内出现障碍物时，会对行人的行走产生干扰，人行道的服务水平随之降低.⑤机非混行、划线隔离、隔离栏隔离三项因素的系数均为负，根据其负值的大小得到隔离形式的优劣顺序为：绿化带隔离>机非划线隔离>机非混行>隔离栏隔离.

在绿化带隔离条件下，行人、非机动车、机动车在空间上严格分离；且从直观感受上，道路横断面布局较为整齐，此条件下人行道服务水平最高.在划线隔离条件下，机动车距离行人较近，此时人行道的服务水平稍有下降.在机非混行条件下，机动车与非机动车距离行人更近，且路边停车会产生很大的负面影响，通过问卷数据显示，77.3%的被调查者认为路边停车对其行走满意度评分有影响，且其中76.6%的被调查者认为没有路边停车比较好.在隔离栏隔离条件下，机动车距离行人较近，且隔离栏降低了行人路段内过街的可能性，人行道服务水平最低.

综上，得到城市人行道服务水平等级的有序Logistic模型为

式中模型中各因素符号含义与式（3）相同.

5.3 模型准确度分析

由于行人在对人行道评分时，对相邻分数之间服务水平等级的差别感并不是很明显，即与行人满意度相应的人行道服务水平等级之间存在相互交叠的模糊关系，各服务水平等级包含的调查样本集合可使用模糊隶属度函数进行定量描述.模糊集合的隶属度函数的值域为[0,1]，其值越接近1说明该样本隶属于这一等级的程度越大，其值越接近0说明该样本隶属于这一等级的程度越小.人行道服务水平等级对应的各样本隶属度函数形式如图6所示.

图6 人行道服务水平等级隶属度曲线Fig6Membership curve of pedestrian level of service

通过有序Logistic回归模型计算得到的数值与表4中各等级所在置信区间上下限阈值对照，即可得到人行道服务水平等级，将其与实际调查得到的满意度评分等级进行对照，得到如表6所示的模型计算值准确率统计.

表6 模型计算值与实际调查值误差对照表Table6Error comparison between the calculating values from the model and the actual survey values

由以上计算结果可知，基于有序Logistic回归分析方法的人行道服务水平评价模型的准确率为92%，模型预测结果可以反映行人的真实满意度感受.

6 研究结论

采用有序Logistic回归分析方法，建立了适用于北京市交通枢纽地区行人需求的人行道服务水平评价模型，模型精度高于线性回归模型，消除了传统线性回归模型对定序变量回归的不适用性；通过实测数据验证，基于有序Logistic回归分析方法的人行道服务水平评价模型准确率达92%，可以有效地反映行人的满意度并准确地划分人行道服务水平等级.在对其他城市或地区人行道服务水平进行评价时，可根据被评价人行道的实际情况（道路条件、交通条件和环境条件）采用本文提出的方法进行数据的采集、分析与显著性影响因素的提取，并最终构建模型对人行道服务水平进行评价.

采用模糊C均值聚类方法建立了行人满意度评分与人行道服务水平等级的对应关系，得到了适合北京市交通枢纽地区实际情况的人行道服务水平等级划分标准.

基于模型变量的显著性检验分析，提出了影响北京市交通枢纽地区人行道服务水平的四个显著性影响因素，即环境条件、行人流率、障碍物出现频率及机非隔离形式，并对各显著性影响因素的影响机理进行了分析.

[1]Fruin J J．Pedestrian planning and design[M]．Metro⁃politan Association of Urban Designers and Environmen⁃tal Planners，New York：1971.

[2]Jaskiewiez F.Pedestrian level of service based on trip quality[R].In Transportation Research Circular EC019:Urban Street Symposium.Transportation Re⁃search Board of the National Research Council,Wash⁃ington,D.C.,2000.

[3]Transportation Research Board.Highway capacity manu⁃al[M].TRB,National Research Council,Washington,D. C.,2010.

[4]Tananboriboon Y，Guyano J A．Level-of-service stan⁃dards for pedestrian facilities in Bangkok：A case study [J]．ITE Journal，1989，59（11）：39～41

[5]Bian Y,Wang W,Lu J,et al.Pedestrian level of service for sidewalks in China[C].Transportation Research Board of the National Research Council,Washington,D. C.,2007.

[6]边扬,王炜,陆建.人行道行人服务水平评价方法[J].东南大学学报（自然科学版）,2007,37(4):695-699.[BI⁃AN Y,WANG W,LU J.Pedestrian level of service[J]. Journal of Southeast University(Natural Science Edi⁃tion),2007,37(4):695-699.]

Pedestrian LOS of Urban Sidewalks Based on Orderly Logistic Regression

ZHAO Lin1，BIAN Yang1，RONG Jian1，LIU Xiao-ming1,2
（1.Key Laboratory of Traffic Engineering,Beijing University of Technology,Beijing 100124,China；2.Ministry of Transport of the People’s Republic of China,Beijing 100736,China）

ract:Scientific method measuring pedestrian level of service(LOS)on sidewalks can provide a powerful theoretical support for a comfort walking trip environment.Aiming at the characteristics that pedestrian LOS is a orderly discrete variable,this paper proposed an evaluation method for pedestrian LOS,based on the orderly Logistic regression model.First,pedestrians’satisfaction questionnaire survey was conducted on 34 representative sidewalks in Beijing transportation hub areas.Typical and comprehensive data were obtained.Then fuzzy C mean clustering was used to get the correspondence between pedestrians’satisfaction and the LOS.Finally,the significant influencing factors were extracted with step-regression method and their influencing mechanism was analyzed.And then the orderly Logistic regression model for pedestrian LOS was formulated.The field tast proved that the model has higher accuracy than the traditional linear model.

rds:urban traffic;pedestrian level of service;orderly Logistic regression;fuzzy C mean clustering; fuzzy membership

1009-6744（2014）04-0131-08

U491

A

2013-11-04

2014-03-13录用日期：2014-03-18

国家自然科学基金（51108012）.

赵琳（1988-），女，黑龙江五常人，博士生. *

liuxiaoming@bjut.edu.cn