卫星城居民出行特征及出行方式选择模型研究

谢秋婷，温旭丽（.重庆交通大学交通运输学院，重庆 400074；.东南大学成贤学院土木工程系，南京 0088）

卫星城居民出行特征及出行方式选择模型研究

谢秋婷1，温旭丽2
（1.重庆交通大学交通运输学院，重庆 400074；2.东南大学成贤学院土木工程系，南京 210088）

卫星城居民出行特征及出行方式选择研究是解决卫星城交通问题的基础和前提。以南宁市浦口区为例，通过Access数据库对居民出行OD调查数据进行处理挖掘，从居民的出行频次、出行目的、出行方式、出行时耗及出行时间分布五方面对卫星城居民出行特征进行研究，总结出浦口区居民出行特征现状；挖掘并量化影响卫星城居民出行方式选择的关键因素，利用浦口区居民出行调查数据，构建居民出行方式选择多项Logit模型，通过SPSS软件进行模型拟合和标定。在模型拟合结果中，以公交车为例进行拟合结果分析，可得到影响选择公交出行的主要因素——性别、年龄以及有无公交IC卡，并通过计算以及模型预测值对模型拟合精度进行校验。结果显示，除非机动车预测效果较差以外，其余预测误差均在可接受范围内。

卫星城；居民出行特征；方式选择模型；多项Logit模型；SPSS分析

0　引言

城市居民出行特征调查分析是交通规划、建设以及管理的基础，从居民出行特征推断出当地居民出行状况、道路使用情况、交通流以及交通秩序等情况，这都对描述当地交通系统特征有着重要的作用。在交通系统越来越拥挤，车流量越来越多，交通秩序较为混乱的城市，亟需通过居民出行特征调查分析获得交通系统的各类数据。通过对数据的整理、对交通特征的描述以及对各类模型的建立应用，能够有效地对交通系统进行规划管理，使得城市交通系统愈加完善，更好地为居民服务。

邹继贤等人[1]基于陕西省汉中市2011年居民出行调查的有关数据，从年龄、职业、出行目的、出行方式、出行耗时、出行时间分布及出行空间分布等方面，对汉中市居民出行特征进行分析，并结合中小城市发展特征，从加强城市对外交通、优化城市布局和土地利用、完善城市道路网络和优化城市交通出行结构等方面提出中小城市交通发展的对策，以解决中小城市交通问题，引导中小城市健康发展。

郑常龙[2]根据对城市居民出行行为内涵、出行方式分类、出行方式选择影响因素等的学习，利用北京市第三次居民出行调查数据，根据二项Lo⁃gistic回归分析所得到的各出行方式影响因素以及提出的新的出行效用，构建城市居民出行方式选择模型，并给出了模型计算的系统流程，进行了算例验证，得到了各出行方式分担率的距离曲线，模型很好地描述了城市居民对出行方式的选择情况。

殷焕焕等[3]基于ML模型的基本理论与建模方法，利用2009年济南市居民出行调查数据，对影响城市居民出行方式选择的因素进行了分析，确定了影响居民出行方式选择的特性变量，建立了居民出行方式选择ML模型。研究结果表明：居民出行方式选择与个人属性、家庭属性和出行属性之间有较稳定的关系，通过对影响居民出行方式选择的可控影响因素进行引导和调整，可以达到优化和调整交通方式结构的目的。

本文结合南京市浦口区居民出行OD调查，在已有研究的基础上将居民出行特征分析与居民出行方式选择研究结合起来，重点是利用多项Logit模型对居民出行方式选择行为进行模型构建，通过对OD调查结果的分析进行精度检验，验证多项Logit模型对描述居民出行方式选择特征具有可行性和一定的精确性。

1　南京市浦口新城居民出行特征分析

从地理位置上来说，浦口区属于南京市卫星城，与其他卫星城不同的是，浦口区与南京主城区之间以长江为界，这与一般卫星城地理位置有着很大的不同，因此，浦口区居民交通出行的调查结果与一般卫星城相比会有一定区别。但也因此，浦口区居民出行模式对描述此类型卫星城居民出行具有一定的代表性。

以浦口区2011年居民出行调查结果为数据来源，并用Access数据库软件对数据进行整理分析，得出居民出行特征。

1.1出行频次

浦口区居民人均出行次数为2.49次/人·d。由于居民出行大多都需返程，故浦口区居民出行次数以2次/人·d与4次/人·d为主，分别占73.49%和14.94%。其中2次出行比例占大多数，因为大部分居民早出晚归；而出行4次的人群主要是因为中午回家午休而产生的出行。

1.2出行目的

除回程外，浦口区居民出行目的中上班所占比例最大，其次分别为其他活动、生活购物以及上学。生活性出行（包括生活购物、休闲娱乐、探亲访友）所占比例为16.75%，仅占不到2/5，这表明了浦口区经济水平较低，大部分人都还在为生存而出行（生活性出行的多少是一个城市经济水平的反映，城市经济越发达，居民生活性出行所占的比例就越高）。

1.3出行方式

浦口区居民出行方式中，所占比例最高的为自行车与电动车，占42.25%，步行比例为23.87%排在第二，二者出行量之和占出行总量的66.12%，占据了一半以上的出行比例，可见居民出行主要以非机动车和步行等体力出行为主，交通构成不合理，不利于交通管理。浦口区居民使用公共交通出行的比例为11.5%，在出行方式选择中排第三。浦口区公交水平一般，但在小城市公交出行中属于较高水平，这是因为浦口区属于南京市郊区，许多居民需到主城区就业，而浦口区与主城区之间的天然隔断——长江成了许多人过江的阻碍，而过江交通中，私家车等交通工具成本太高，对于自行车与电动车等来说，出行距离较长，且长江大桥上非机动车出行不便，因此，居民倾向于选择方便成本又低的公交出行。

不同性别出行者对出行方式的选择较为不同。女性更青睐于步行、非机动车、地铁、出租车这类安全性较高、平稳舒适的出行方式，而男性更倾向于选择如私家车、摩托车等速度快、风险较高的出行方式。

不同收入水平对出行方式的选择也较为不同。一般收入及中等收入人群选择较多的是步行、非机动车、公共交通等在其经济能力范围里的出行方式，这些方式既能满足他们的出行需求，费用也相对较低，成为这类人群首选方式。而高收入人群由于有足够的支付能力，可选择费用较高但更加舒适快速的出行方式，如私家车、出租车等。

与性别、收入一样，年龄对出行方式选择也有较大影响。从总体来说，年龄段越大，步行比例越大，非机动车、私家车、摩托车及单位车比例则呈中间高两边低的正态分布趋势，公交车、地铁、出租车等公共交通方式各年龄段分布则较为均等。

1.4出行时耗

浦口区居民平均出行时耗为34.88min，出行时耗大多处于40min以内，出行时耗处于90min以上时段的比例也较高，为6.55%。这与一般城市出行时耗分布有分别，是因为部分居民出行需要过江到达南京市区，而南京长江大桥是南京市重要的交通路段，交通量较大，尤其是在高峰时期，这就使得过江交通时耗相比于区内交通时耗增加不少，因此居民出行所需时间大大增加。

1.5出行时间分布

根据出行时间，浦口区居民出行时间分布图呈现两个高峰，分别为早高峰7：00—8：00（早上上班、上学出行高峰期）和晚高峰17：00—18：00（晚上下班、放学高峰期）。这两个主要高峰体现了浦口区居民出行的总体分布。而中午11：00—12：00、13：00—14：00两个时段内，时间分布呈两个次高峰，这是由于距家较近或是交通便利的居民在中午回家吃饭午休时产生的出行。

2　城市居民出行方式选择影响因素分析

影响人们选择出行方式的因素可分为宏观因素和微观因素。宏观因素，如社会经济发展水平、车辆拥有量、交通政策等，决定着出行方式的总结构；微观因素，如出行目的和出行时间，则决定着各交通区之间出行方式的具体选择。

本文所选择的居民出行方式选择影响因素为微观因素，而就我国的实际情况而言，影响城市居民出行方式选择的主要因素具备以下三个方面的特性[4]：

（1）出行者的特征：家庭车辆拥有情况、出行者年龄、收入、分区的可达性（道路密度、公交网密度）、职业、性别、是否有驾照以及公交IC卡；

（2）出行特征：出行目的、出行距离、出行的时间分布；

（3）交通设施的服务水平：费用、时间、舒适度、可靠性、安全性。

3　卫星城居民出行方式选择模型构建与标定

常用的居民出行方式选择模型包括两类，分别为集计模型与非集计模型。集计模型一般以交通分区为研究单位，但本文仅就浦口区调查数据进行分析，属于以个人为对象进行建模，因此采用非集计模型中的多项Logit模型。

用于多项Logit建模的工具有很多，本文选择了社会科学统计程序SPSS（Statistical Program for Social Sciences）软件中的Multi-Logistic模块进行计算。

根据SPSS19.0标定参数的结果以及Logit模型、多项Logit模型与Logistic函数之间的关系，可推导多项Logit模型计算公式。

3.1多项Logit模型基本公式

Logit模型计算公式：

则不发生事件的条件概率为：

在模型有K个影响因素时，公式被扩展为下列形式：

同理可知，对于有 j=1,2,…,J类的选择枝，多项Logit模型通过以下Logit形式描述：

将式（5）代入式（1），可得多项Logit模型的概率计算公式：

式中：Pj为第j种交通方式的出行比例；Vj为第j种交通方式的效用值；αj为第j种交通方式的截距；βjk为第j种交通方式第k个影响因素的回归系数；xk为影响因素k的代表值。其中最后一个类别（即第J个类别）作为参照类。

3.2模型参数的标定及影响因素分析

根据本文对浦口区居民出行方式的特征分析，模型将供选择的9种出行方式作为选择枝（分类反应变量j）：步行（1）、非机动车（2）、公交车（3）、地铁（4）、私家车（5）、出租车（6）、摩托（7）、单位车（8）以及其他（9），并以其他交通方式为参照类。

由于居民出行调查仅对出行者出行特征进行调查，因此以出行者的特征作为影响因素（自变量k），分性别、年龄、职业、有无公交IC卡、有无驾照以及出行目的六类。

将居民出行特征调查数据通过SPSS进行模型拟合和运算，可得出模型拟合信息、拟合优度（见表1）以及参数标定结果（见表2）。

表1　模型拟合信息及拟合优度

表2　模型参数标定结果表

在此模型中，当模型拟合信息中显著值（Sig.）<0.05时，说明模型显著性水平高，而由表1可知显著值为0，说明此模型显著性水平很高。模型卡方值大，可信度高。

由回归系数及效用值公式可得：

V1=-2.020+0.476×性别+0.451×年龄+0.017×职业-0.041×公交IC卡+0.719×驾照+0.101×出

行目的；

…

V8=2.437+0.077×性别+0.419×年龄-0.328×职业-0.294×公交IC卡-1.070×驾照-0.101×出行目的；

V9=0（由于为参考类别，αj、βjk皆为0）。

各影响因素在不同出行方式中所能体现的影响能力不同，本文以公交车出行方式为例，根据参数估计结果（见表3），对其各影响因素进行分析。

表3　公交车方式选择模型影响因素分析表

从回归系数以及卡方值来看，性别、年龄与有无公交IC卡对选择公交出行有着较大的影响，其中公交IC卡因素回归系数很大，其对模型贡献度很大，年龄因素可信度高。而职业、有无驾照与出行目的对模型贡献很小，其中驾照、出行目的卡方值很低，显著值很高，说明两项指标对公交出行选择较不重要。

3.3模型计算应用

假定已知条件为：出行目的为1（上班），是否有驾照为1（有），有无公交IC卡为1（有），职业为5（职员、公务员），年龄为4（25～29岁），性别为2（女），要求出这类人群出行方式选择分布比例，即可根据式（6）以及效用值公式，带入各影响因素数值，一一求解出各种出行方式的选择概率预测值。

通过SPSS软件进行单元格可能性计算，则模型计算结果能得到每种类型人群的出行方式选择分布比例实际值与预测值，如表4所示。

表4　SPSS软件计算得出的实际值与预测值

由表4可看出，实际值与预测值之间是有误差的，误差最小的为地铁，相差0.5%，而相差最大的出行方式为公交车，相差7.9%，从模型整体拟合效果来看，是在可接受范围内的。

3.4模型校验

通过SPSS对出行方式进行每一类别观测值和预测值的计算，可得出各出行方式的预测值，将其与实际值比较，校验模型拟合的精度（见图1）。

图1 模型校验图

由图1可以看出，预测值与实际值之间差异基本较小，最小的地铁差异为0.28%，而非机动车预测值及实际值相差28.97%，差距最大，因此非机动车预测效果较差。除此之外，其余出行方式从整体模拟效果来看，其误差是在可接受范围内。

4　结语

根据浦口区居民出行特征调查与分析，各构成要素调查结果均符合城镇的交通出行特征以及经济特征，但由于浦口区特殊的地理位置以及与主城区之间的交流程度，导致其与一般卫星城有一定的区别，例如出行时耗。

本文在得到浦口区居民出行特征的基础上，还利用多项Logit模型对居民出行方式选择进行模型拟合，并通过计算应用及模型预测值来验证模型的精准度。结果显示，多项Logit模型在某些人群中的模拟误差是在可接受的范围内，而总体预测值中，非机动车预测结果较为不尽人意。但因各影响因素的多样性与交通系统的发展，居民出行特征将随之产生变化，因此未来还需时时关注交通动向，以掌握交通系统的特征。而抽样样本的局限性以及模型结构单一性也使模型拟合结果不完全精确，需在未来使用更精确的模型以及样本数据进行模拟。

[1]邹继贤，马娟，谢艳芳.汉中市居民出行特征分析及对策研究[J].交通科技与经济，2013，15（1）：37-40.

[2]郑常龙.基于效用理论的城市居民出行方式选择分析[D].北京：北京工业大学，2013.

[3]殷焕焕，关宏志，秦焕美，等.基于非集计模型的居民出行方式选择行为研究[J].武汉理工大学学报：交通科学与工程版，2010，34（5）：1000-1003.

[4]周溪召，张扬.先进的城市交通规划理论方法和模型[M].北京：中国铁道出版社，2008.

[5]温旭丽，杨悦，叶欣.大城市居民出行轨道交通选择意向研究[J].公路交通科技，2012（8）：356-359.

[6]张秋萍，陈义华.基于非集计模型的交通方式选择研究[J].铁道运输与经济，2010，32（1）：75-78.

[7]黄爽，安胜利.应用SPSS软件进行多分类Logistic回归分析[J].数理医药学杂志，2001，14（6）：548-549.

[8]赵贝.居民出行方式选择与公交优先政策协同研究[D].长春：吉林大学，2011.

[9]顾康康，蔡茜.合肥城市居民交通出行特征分析[J].安徽建筑工业学院学报，2012，20（2）：59-63.

[10]刘彤，巩丽媛，周欣，等.济南市居民出行调查分析及对策研究[J].交通标准化，2010（17）：150-153.

[11]沈俊江，何保红，孙静怡.中小城市居民出行特征分析及交通发展对策研究[J].公路工程，2011，36（1）：123-126.

Residents′Travel Characteristics and Model of Travel Mode Choice for Satellite City

XIE Qiu-ting1,WEN Xu-li2
(1.School of Transportation,Chongqing Jiaotong University,Chongqing 400074,China; 2.Department of Civil Engineering,Southeast University Chengxian College,Nanjing 210088,China)

Study on residents′travel characteristics and travel mode choice behaviors is the basis and premise to solve traffic problems of satellite city.Taking Pukou district of Nanjing as an example,the res⁃idents′travel OD survey data was processed and excavated by Access.The residents′travel characteris⁃tics status was summarized from aspects of travel frequency,travel purpose,travel mode,travel time and its distribution.The major factors influencing the travel mode choice of satellite city residents were exca⁃vated and quantified.By data mining,the multinomial travel choice Logit model was established.It was fitted and calibrated through SPSS.Taking the public transport as an example,the major factors influenc⁃ing the choice of bus travel which were gender,age and whether having bus IC card were conducted.The fitting accuracy was tested using the calculation and predicted value.The result shows that the errors of predicted values are acceptable except for non-motorized vehicle.

satellite city;residents′travel characteristics;model of travel mode choice;multiple Logit model;SPSS analysis

U491

A

2095-9931（2015）02-0031-05

10.16503/j.cnki.2095-9931.2015.02.006

2015-01-27

谢秋婷（1990—），女，福建安溪人，硕士研究生，研究方向为交通运输规划与管理。E-mail:qt614@163.com。