拥挤收费下城市居民内外通勤出行方式影响分析

王伟，郑长江

(河海大学 土木与交通学院，江苏 南京 210098)*

0 引言

近年来，随着我国城市城镇化水平的不断提高，人口向大城市聚集的趋势越发明显，这使得道路交通资源本来就十分稀缺的大城市、特大城市的交通状况雪上加霜［1］.解决交通拥堵的主要途径有两条:第一，在老城区的基础上重新规划城市布局，第二，采用新技术新措施以达到改善交通拥堵的现状［2］.交通拥堵收费政策是通过对进入规律性的拥堵区域机动车辆收取一定的费用，以改变出行者的出行方式.

1 出行方式调查

北京二环内区域既是首都政治中心，又是商业、办公、科教等多种性质用地集聚的经济中心，因此，考虑将北京二环内设置为假定的拥堵收费区域.在拥堵收费政策下，不同出行需求特征的出行者所受到的影响性质有所不同，可根据受访者的出行起讫点分布和出行目的特征，将受访者人群分类，本文仅对内外-通勤出行进行研究.

采用分层抽样策略对对内外-通勤类对象人群进行调查.研究建议，每类别段达到50～100个样本数更为合适［3］.考虑到调查精度要求和实际条件限制，本论文拟定各重点研究类别样本数达到50以上.采用网络调查的形式［4］，调查目标人群为在早晚高峰时段(早:7∶00 ～9∶00，晚 4∶30 ～6∶30)开车进入北京二环内区域的人群，为期一个月，共收集数据样本217个，其中有效样本量215个，数据有效率为99%左右，有效率较高.其中起讫点仅有一个在收费区域内的通勤出行者即内外通勤类样本70＞50，总量占有效样本的33%，满足样本目标.

2 拥堵收费条件下的内外通勤类出行方式选择

从出行选择结果来看，实施拥堵收费政策后仅有约34%的受调查者仍然选择“开车付费”，其他66%的受调查者均转向了其他方式出行［5］，其中选择“转向公交出行”的占比最高为37%.可以看出，由于该类出行的起讫点的特殊性，即出行者无法通过驾车绕路出行方式避免缴费.

选取MNL模型［6］特性变量可分为出行者社会经济属性以及出行方式属性两类，其中，出行者社会经济属性特性变量包括年龄、性别、职业、家庭收入、对目前交通现状的看法、是否有需接送其上下学的孩子以及是否有交通补贴等.出行方式属性特性变量，按照小汽车、公共交通以及自行车三种方式设定.年龄:20岁以下为1，21～30岁为2，31～40岁为3，41～50岁为 4，50岁以上为 5;性别:男为1，女为2;职业:公务员为1，企事业单位职员为2，私营企业主或个体经营者为3，待业/下岗/其他为4;家庭年收入:10万以下为1，10～15万为2，15～20万为3，20～30万为4，30万以上为5;对目前交通现状的看法:十分通畅为1，偶尔会交通拥堵为2，经常会交通拥堵为3;是否有孩子:有为1，无为2;是否有交通补贴:有为1，无为 2［7］.

构建小汽车费用因子carfare，并利用该因子继续进行建模计算，该因子的具体表达式如式(1)，将调查数据带入模型，计算结果如表1所示.

表1 拥堵收费政策影响下的内外－通勤模型结果表

开车付费:

错时避费:

绕路避费: V3n=-11.140 5

转向公交出行:

转向自行车出行:

由表1知，常量 1、2、4、age、gender、income、feel、carfare、ln(cardistance)、ln(fuel cost) 以 及walk distance的t检验值的绝对值均在1以上，说明以上各变量对内外通勤类出行方式选择模型具有显著影响［8］.通过比对实际调查到的受访者出行方式选择结果与模型计算所得结果，可以得出模型的命中率，经计算，本模型的命中率为79.4%.模型的拟合优度比ρ2=0.483，模型精度随拟合优度增大而升高.

3 内外－通勤类模型分析

3.1 基于内外－通勤类模型的关键因子分析

非集计Logit模型认为，在模型各选择枝的效用函数中对效用值影响最大的因素即为关键因子［9］.对参数的估计是通过Trans CAD软件实现的，即影响程度量级较大的变量即为影响出行者出行方式选择的关键因子，关键因子计算结果如表2所示.

由表2知，在开车付费所对应的6个变量当中，income和feel对效用值影响的变化范围最大，且其对效用值的影响最大绝对值较大.因此，income和feel为该模型的关键因子，其中家庭收入越大则出行者选择开车付费的可能性越大，而对交通现状看法越糟糕则出行者放弃开车付费转向其他出行方式的可能性越大.

表2 内外－通勤类模型变量对选择枝效用值的影响程度表

3.2 基于内外－通勤类模型的敏感性分析

调查数据显示，目前北京市小汽车通勤出行者的停车费用平均值约为65元/天，该类通勤者的平均月收入为5 843元，燃油费用平均值约为15元/天，各拥堵费用占比下出行方式变化如图1所示.

图1 各拥堵费用占比下出行方式变化图

由图1可见，随着拥堵费用在小汽车出行总费用中的占比增加，开车付费方式比例基本呈现线性下降趋势，自行车出行、错时避费出行以及公交出行的方式比例均呈现不同程度的线性上升趋势，另外绕路避费方式比例始终为0.

图2为在各种收费标准下，内外-通勤类出行的方式比例变化图.由于拥堵收费的主要目的是减少小汽车方式的集中出行，因此，敏感性分析中重点关注拥堵费用的增加对小汽车出行方式比例的影响.开车付费方式比例随拥堵费用变化的趋势线拟合公式为:

图2 各收费标准下出行方式比例变化图

敏感性系数计算式如下［10］:

式中，ΔQ为模型输出值变化量;Q0为模型输出值;ΔP为变动因素变化量;P0为变动因素水平.

若|Ed|＞1，则表明变动因素值的变化会引起大的模型输出值变化，敏感性高;若|Ed|＜1，敏感性低.利用式(1)、(2)，可以得出各拥堵费用水平下的敏感性系数绝对值变化图，如图3所示.

图3 基于内外－通勤类模型的敏感性分析图

由图3知，拥堵费用在5～100元范围内，敏感性系数绝对值均小于1，表明拥堵费用对内外-通勤类出行者的小汽车方式选择比例敏感性低，拥堵费用的增加对其小汽车方式选择比例影响较小.另外，敏感性系数曲线呈现先上升后下降的趋势;拥堵费用在53～70元范围所对应的敏感性系数绝对值大于0.5，相对较高，其中53～60元最为敏感，敏感性系数绝对值约为0.55;敏感性系数绝对值的最小值在拥堵费用x=100处取得，为0，此时小汽车方式比例将达到最低值14.9%，若拥堵费用超过100元再继续增加并不能使得小汽车方式比例进一步减少.

4 结论

本文采用SP调查方法以及网络调查的方式，根据北京市现状城市交通的实际特点和拥堵收费政策的实施目的，以北京二环以内设为假定的收费区域，建立了拥堵收费影响下的交通出行方式选择模型，经关键因子分析发现:对于内外-通勤类出行对象，拥堵收费的实施将主要对低收入且不满交通现状者产生影响，使其放弃开车出行，从而减少收费区域的交通拥挤程度.

［1］GEORGINA SANTOS，BLAKE SHAFFER.Preliminary Results of the London Congestion Charging Scheme［J］.Public Works Management＆ Policy，2004(2):164-181.

［2］吴中，何群.缓解交通拥挤的多目标优化模型和算法研究［J］.大连交通大学学报，2012，33(2):15-19.

［3］王方.基于SP调查的行为时间价值研究［D］.北京:北京工业大学，2005.

［4］王方，陈金川，陈艳艳.交通SP调查的均匀设计方法［J］.城市交通，2005(3):69-72.

［5］罗剑，王树盛，李旭宏，等.出行方式选择行为的个体时间感知差异性建模［J］.公路交通科技，2007，24(2):114-117，129.

［6］金安.LOGIT模型参数估计方法研究［J］.交通运输系统工程与信息，2004(1):71-75.

［7］王根城.2011北京市交通发展年度报告［R］.北京:北京交通发展研究中心，2011.

［8］李志瑶，隽志才，宗芳.居民出行时间选择及拥挤收费政策［J］.交通运输工程学报，2005，5(3):105-110.

［9］秦焕美，关志宏，殷焕焕.停车收费价格对居民出行方式选择行为的影响研究—以北京市居民小汽车、公交、出租车选择行为为例［J］.土木工程学报，2008，41(8):93-98.

［10］许旺土，何世伟，宋瑞，等.考虑拥挤收费的非集计交通方式分担模型研究［J］.交通运输系统工程与信息，2008(3):96-102.