轨道交通接驳方式选择行为分析——以上海松江大学城为例

梁　潇，李　枫（同济大学 交通运输工程学院，上海 201804）

轨道交通接驳方式选择行为分析
——以上海松江大学城为例

梁潇，李枫
（同济大学 交通运输工程学院，上海 201804）

基于上海松江大学城站轨道衔接方式选择行为的调查数据，对城市轨道交通接驳方式选择行为进行研究，从大学城学生个体角度分析学生群体的出行特征和规律，合理有效地调整交通结构，进而优化城市轨道交通服务水平，增加城市轨道交通的吸引力。基于Nested Logit非集计模型，建立两种不同分组选择支的轨道交通衔接方式选择模型进行参数标定，对比模型的优比度、分支相关系数和命中率，择优选择精度较高的模型。根据建模结果，在调查数据分析的基础上，对不同接驳方式的分担率进行预测。预测结果为：公共汽车的分担率最高，为59.9%，即公共汽车仍为学生选择的主要接驳方式，出租车的分担率次之，自行车分担率最低。最后，对NL模型进行应用。研究发现，对于学生群体而言，提高出租车的起步价对出租车的分担率并无较大影响。综合比较性别、接驳时间、接驳费用等影响因素，发现性别对学生接驳方式的选择有较大影响。

城市轨道交通；接驳方式；非集计模型；Nested Logit模型；学生出行行为

第1卷 第1期|2015年2月

0　引言

轨道交通与其他交通方式的衔接在很大程度上影响着轨道交通对客流的吸引程度，并且直接影响到人们的出行方式选择。因此，建立有效的轨道交通衔接系统对于提高轨道交通系统吸引力、缓解城市交通拥堵具有重要意义。

为了确保城市轨道交通与其他交通方式有良好的衔接，国内研究人员也从多个角度对衔接方式进行了研究。王文红[1]等通过对衔接方式的选择分析，建立了两层Nested Logit（NL） 模型，用于轨道交通衔接客流的预测和交通政策分析及评价。刘振[2]等在对比NL模型和Multinomial Logit（MNL）模型的基础上，提出一套便于实际操作的应用方法，并编写了程序，说明整个应用操作的流程。黄杉[3]等分析北京市轨道衔接方式选择行为调查，建立出行端与目的端相融合的轨道交通衔接方式选择模型，运用分步标定的方法，将出行者的衔接选择行为统一于一个层状Logit模型之下，并完成对于模型的标定以及参数检验。刘强[4]等为实现区域运输通道内交通方式的合理配置，建立基于用户最优的通道内交通方式选择的三层NL模型，模型采用分层的建模思想，运用不确定规划理论和随机效用理论，从概率的角度研究了通道内交通方式的选择问题。唐洁[5]等在居民出行空间和方式的联合选择上，利用非集计NL建立模型，并且与MNL所建立的模型进行对比。

根据以往研究，出行者对轨道交通衔接方式的选择，不仅与衔接交通方式的服务水平有关，也与出行者个人因素密切相关。同时，衔接交通方式的服务水平也影响到出行者对轨道交通的使用。本文根据上海松江大学城学生出行调查数据，对学生选择轨道交通出行的接驳交通方式选择行为进行分析，利用非集计理论和方法构造学生出行轨道交通接驳方式选择的Logit模型，分析各因素对学生选择接驳方式的影响，对于推进模型的应用有一定的价值。

1　调查结果分析

1.1调查概况

本次调查以使用轨道交通出行的松江大学城学生为调查对象。松江大学城位于上海松江新城区西北角，占地约8 000亩，是目前中国规模较大的大学园区。大学城内有专门的公交车站、枢纽及出租车等候点。2007年底开通的轨道交通9号线松江大学城站，与松江大学城学生生活区距离3~5km，并有公共汽车线路与地铁站相连。除此之外，有地面公共汽车线路开往松江老城区及上海各区县。由于松江大学城学生出行交通方式较为多样，比较具有代表性，故选取松江大学城作为本次研究的对象。

对学生使用各种接驳方式（出租车、公共汽车、自行车）的选择情况进行调查，调查的内容主要包括学生的个人信息（性别）、与出行有关的信息（如：接驳方式、时间、费用等）。通过调查，初步掌握学生利用轨道交通出行的出行特征，进而了解学生对于城市轨道交通的出行偏好，为非集计模型方法用于轨道交通接驳方式选择研究提供基础数据。

1.2调查结果分析

1.2.1接驳方式选择的分析

松江大学城学生使用各种接驳方式的调查结果如图1所示。从图1可以看出，选择公共汽车作为轨道交通出行接驳方式的比例最大，达到了60%；选择出租车出行的比例达到25%，成为仅次于公共汽车出行的第二大接驳方式；而选择自行车为轨道交通接驳方式的比例较低，为15%。

图1　轨道交通接驳方式比较

大部分调查对象为大学城中的大学生，学生对价格的敏感度比较高，虽然出租车在时间方面有很大优势，但价格高，因此其所占比例不大。自行车在大学生日常生活中的使用比例高，但将自行车停放在松江大学城站，安全得不到保障，并且地铁站的自行车停放设施不多，使自行车所占比例最小。虽然公共汽车的个性化服务水平不高，但其在价格、时间和安全性方面占有较大的优势，故其所占比例最大。

1.2.2性别与接驳方式选择的分析

调查对象中，女生占49.5%，男生占50.5%。根据调查结果分析（见图2），在选择出租车作为轨道交通接驳方式中，女生占15%，男生占9.5%；而在选择自行车作为轨道交通接驳方式中，男生占12.5%，女生只占2.5%。由此可见，在选择自行车这种接驳方式时，有较为明显的性别差异。

图2　性别与接驳方式的选择

1.2.3接驳时间与接驳方式的分析

对接驳交通方式及其对应的时间统计分析如图3所示。图3表明，自行车的接驳时间花费最长，为35min，其次是公共汽车的接驳时间花费，为25min，出租车的接驳时间花费最短，为12min。其中，公共汽车和出租车接驳时间均低于平均接驳时间（24min）。故公共汽车和出租车在接驳时间方面存在优势。

图3　接驳时间与接驳方式的比较

1.2.4接驳费用与接驳方式的分析

根据调查数据，对学生选择每种接驳交通方式及其对应的费用取平均值，得到出租车的接驳费用最大，为17元，公共汽车的接驳费用其次，为1.5元，自行车无接驳费用。其中，自行车和公共汽车接驳费用均低于平均接驳费用（9.25元）。故自行车和公共汽车在接驳费用方面存在优势。

经过对调查问卷的初步分析，认为公共汽车作为轨道交通接驳方式在松江大学城站优势最大，而出租车和自行车均存在各自的优势。

2　模型的建立及评价

目前常用的非集计离散选择模型有Binary Log⁃it、Multinomial Logit和Nested Logit三种。Binary Logit只能涉及两个选项，而本研究为三种接驳方式，故不予考虑。Nested Logit（NL）模型是Multi⁃nomial Logit（MNL）模型基础上的一种改进模型，能较好地克服MNL模型存在的“与其他选择无关特性”，并考虑了各选择项之间的关系[6]。由于对选择项的分支不同会产生不同的预测结果，故本研究按照不同的分支结构建立模型，通过参数对比得出最适合学生群体出行的分支，再分析各因素对接驳方式的影响。

2.1模型结构与变量选取

运用NL模型时首先要建立选择支。选择支就是根据人们选择的原理将选择方案整理成的树状结构。根据选择的复杂程度可以将选择方案分为若干个层次，每个层次成为一个水平。分层的原则是将类似性较大的选择方案作为一个层次，并将不同类型的选择方案作为不同层次[7]。

通过调查发现，接驳方式主要有自行车、公共汽车和出租车三种。因此，在对自行车、出租车、公共汽车三种接驳方式建立Nested Logit模型分支时，首先，将出租车和公共汽车归为一类，这两种接驳方式均具有机动车的性质，而自行车则具有非机动车的性质，作为第一种NL模型分支结构。其次，将自行车和出租车归为一类，因为二者均具有私人交通的性质，而公共汽车则具有公共交通的性质，作为第二种NL模型分支结构。这样分类主要是由于此次的调查对象为学生，在学生群体中自行车拥有率非常高，出租车对学生而言可认为是私家车，具有速度快、舒适度高等特性。具体的模型分支结构如图4、图5所示。

图4　NL模型结构一：机动车与非机动车分组

图5　NL模型结构二：私人交通与公共交通分组

根据调查分析发现，影响学生群体选择接驳方式的主要因素是性别（Gender）、接驳费用（Cost）和接驳时间（Time）。

其各种方式的效用函数可表示如下：

U(自行车)=Abike+Cost·Cbike+Time·Tbike+BikeGender1·S

U(出租车)=Ataxi+Cost·CTaxi+Time·Ttaxi+TaxiGender2·S

U(公共汽车)=Cost·Cbus+Time·Tbus+BusGender2·S

式中：Cost、Time、Abike、Ataxi、BikeGender1、TaxiGender2、BusGender2为需要标定的参数；Cbike、Ctaxi、Cbus分别为使用自行车、出租车和公共汽车的实际费用；Tbike、Ttaxi、Tbus分别为使用自行车、出租车和公共汽车的实际时间。

2.2模型标定

考虑数据的可筛选性和可调控性，本模型选择性别、接驳费用、接驳时间作为模型效用函数的变量，使用Limdep统计软件对不同分支结构的NL模型进行标定，结果如表1、表2所示。

表1　模型参数标定结果一

从表1中变量标定结果来看，95%的变量回归的t检验值的绝对值都在1.96以上，置信度达到了95%，其余变量对应t检验值的绝对值也在1.65以上，置信度达到90%，所有因素对于接驳方式的选择都有显著的影响。

根据建模结果，对于学生群体，性别是不可忽略的重要因素，对选择自行车出行的影响最大。在自行车的影响变量中，性别变量的系数均大于2，男、女生的效用值差异相较其他接驳方式较为明显，男生比女生选择自行车为接驳方式的概率更大。另外，模型中时间、费用标定参数为负值，对选择结果是负效用的（即对于某衔接方式，该变量越大，出行者越不趋向于选择此种交通方式），这也是与实际情况相符合的。

2.3模型精度检验

模型精度检验主要利用模型的优比度（Likeli⁃hood Ration Index，r2）、分支相关系数（Inclusive Value Parameters）及命中率（Hit Ratio）这三个统计指标进行分析。

从模型的优比度来看，NL模型一的r2为0.350，模型二的r2为0.139。r2的值在0~1之间，其值越接近1，表示模型的精度越高。但在实践中，r2的值达到0.2~0.4时，即认为相当高了。因此，NL模型一即分支结构为机动车、非机动的分支结构的模型精度较高。

对于分支相关系数（Inclusive Value Parame⁃ters，IV值），根据表2标定结果，NL模型一即机动车（公共汽车、出租车）、非机动车（自行车）的这种分支结构，机动车的相关系数均1，表明NL模型中接驳方式的选择支的分支有阶层关系，模型结构是合理的。模型二的IV值在机动车分支中为1.036，大于1.0，即模型上层与下层分支结构没有显著关系，说明这种类型的分支没有意义。

表2　模型参数标定结果二

NL模型一中，下层的命中率为80.8%，上层的命中率为60.65%；NL模型二中，下层的命中率为78.3%，上层的命中率为53.91%。通常，若命中率大于80%，则该模型的精度可视为相当高。

综合以上统计量结果，NL模型一将接驳方式分为机动车与非机动车的这种分支结构精度更高，拟合效果更好，因此选择NL模型一作为预测模型。

3　模型的应用

3.1接驳方式预测

利用NL模型，预测出行者在不同的个人特性、出行属性下，出行时间与交通方式选择行为的差异性。具体来说，在已知某个出行者各个影响变量（即模型中选择的影响因素）取值的条件下，可通过模型的参数估计结果，计算该出行者选择各个出行方案的概率，选择概率最大的方案作为预测结果。

本文利用学生选择城市轨道交通接驳方式的出行调查数据，根据表1中NL模型一参数的估计结果，对学生选择各种接驳方式的概率进行预测，结果如表3所示。

表3　分担率预测结果

根据分担率的预测结果可知，出租车的分担率有所下降，自行车的分担率有所上升，与实际调查结果有所偏差。但公共汽车仍然是学生群体选择的主要接驳方式，与实际调查结果相似。由于学生群体无收入，就其个人特征而言，所能选择的轨道接驳方式也较为单一，因此主要还是以公共汽车为主。

3.2交通政策评价分析

利用基于费用的交通方式选择模型，可以预测出行者在不同属性下，出行费用与交通方式选择行为的差异性。分别将出租车的起步价提高1元、2元、3元，使用NL模型分支结构二再次进行分析，得到未来出租车分担率预测值，如表4所示。

表4　出租车出行费用变化与分担率变化关系表

从表4中可以看出，出租车的分担率相对于其费用的变化不是很大，分析认为是由于出租车自身具有便捷性，另外大学城内设置有出租车停靠点，便于学生进行多人合乘。

4　结论

本文以上海松江大学城学生出行数据为实例，在对数据进行初步分析的基础上，建立基于NL模型的轨道交通接驳方式选择模型，分析各因素对学生选择轨道交通接驳方式的影响程度。结果表明，性别对于学生选择自行车作为接驳方式的影响最大，男生比女生更倾向于选择自行车作为接驳交通工具。另外，出租车起步价的提高对学生接驳方式的选择影响不大，费用并不是学生出行的首要考虑因素。

值得一提的是，NL模型考虑了各选择支之间的相关性，在理论上存在优越性。然而，NL模型的各选择支的相关性分组是人为确定的，相同选择支而不同分组的结构会得到不同的结果，是该模型的一个明显缺陷。因此，本文在进行选择支分类时因地制宜，结合实际，比较不同分支类型，力求得到较为合理的分组。

[1]王文红，关宏志，王山川.Nested Logit模型在轨道交通衔接方式选择中的应用[J].城市轨道交通研究，2008 （7）：25-30.

[2]刘振，周溪召.巢式Logit模型在交通方式选择行为中的应用[J].上海海事大学学报.2006，27（3）：66-70.[3]黄杉，严海，关宏志.轨道交通衔接方式选择行为研究——以北京市轨道交通为例[J].土木工程学报，2009，42（7）：126-130.

[4]刘强，王庆云，陆华普.区域运输通道交通方式选择3层模型[J].哈尔滨工业大学学报，2011，43（8）：113-118.

[5]唐洁，高林杰，隽志才.城市居民出行空间和方式联合选择模型研究[J].公路交通科技，2010，27（5）：83-87.

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

[7] 关宏志.非集计模型——交通行为分析的工具[M].北京：人民交通出版社，2004．

[8]Debrezion G,Pels E,Rietveld P.Modelling the Joint Access Mode and Railway Station Choice[J].Transportation Re⁃search Part E:Logistics and Transportation Review,2009,45 (1):270-283.

[9]Ivanoca O.A Note on the Consistent Aggregation of Nested Logit Demand Function[J].Transportation Research Part B, 2005,39(10):890-895.

[10]陈俊励，马云龙，朱楠.基于巢式Logit模型的公交出行方式选择行为研究[J].交通运输系统工程与信息，2011，11（A01）：120-125.

[11]陈秋香.Nested Logit模型在交通出行方式选择中的应用[J].甘肃科学学报，2013（2）：133-136.

[12]杨昌涛，靳文舟，范雪婷.基于巢式Logit模型的交通方式选择行为研究[J].公路与汽运，2011（4）：62-65.

Choice Behavior of Urban RailAccess Modes：ACase Study of Shanghai Songjiang University Town

LIANG Xiao,LI Feng
(School of Transportation Engineering,Tongji University,Shanghai 201804,China)

Based on the data from the survey of the mode choice behavior of the students travel in Shanghai Songjiang University Town,a study on the choice behavior of the urban transit mode was stud⁃ied by identifying the characteristics and norms of student group travel from the perspective of the stu⁃dent individual travel behavior.The aim was to adjust the transportation structure rationally and effec⁃tively so as to optimize the service of the urban rail transit and increase its attraction.On the basis of the Nested-Logit Model theory,two kinds of NL models with different choice branch structures were estab⁃lished,and then the likelihood ration index,inclusive value parameters and hit ratio of the two models were compared,thus the model with higher precision was optimally selected.In accordance with the re⁃sults of the model,the share rate on the different access modes was predicted based on the survey data analysis.The result showed that the sharing rate of bus was 59.9%,which is the highest.The conclusion was that bus was the major access mode for the students while the share rate of the taxi ranked the sec⁃ond and that of the bicycle ranked the lowest.Finally,as far as the student group was concerned in the application of the NL model,there was no noticeable impact on the sharing rate of taxi even if the start⁃ing fare of the taxi rose.A comprehensive comparison of the influencing factors like gender,access time and access costs indicated that gender has the relatively great impact on the choice of the student′s ac⁃cess mode.

urban rail transit;railway access modes;disaggregate model;Nested Logit Model;stu⁃dents travel behavior

U491.11

A

2095-9931（2015）01-0043-05

10.16503/j.cnki.2095-9931.2015.01.008

2014-10-10