城市群内城际短途出行方式选择行为建模

向红艳，任小聪，陈 坚

(重庆交通大学 交通运输学院，重庆 400074)

城市群内城际短途出行方式选择行为建模

向红艳，任小聪，陈 坚

(重庆交通大学 交通运输学院，重庆 400074)

将出行者的城际间短途出行分为两个阶段：市内出行阶段和城际出行阶段，并结合交通网络首先对城际出行全过程进行了分析。根据效用最大化理论对居民城际出行两阶段出行方式选择行为建立巢式Logit模型，水平1为市内出行方式选择阶段，水平2为城际出行方式选择行为阶段。最后根据RP调查数据运用TransCAD对所建模型进行标定与检验。通过对模型的标定结果进行分析可得：反映水平1对水平2影响作用大小的包容系数λ的最终标定值为0.654，且通过了T检验，这表明市内出行阶段所产生的效用对城际出行阶段的方式选择行为具有显著影响；考虑市内出行时所建的NL模型较不考虑市内出行时所用的ML模型的优度比提高了0.07，说明NL模型的精度更高。

交通运输工程；城际短途出行；交通方式；出行行为；NL模型

0 引 言

进入新世纪以来，随着我国区域经济一体化与城市化进程的发展，城市形态已经由单中心向多中心，组团式转化，并沿着交通轴线不断扩张，在全国范围内逐步形成了京津冀、长三角、珠三角、成渝经济圈等城市群。经济发展的区域特点使得经济活动的主要参与者——人的活动范围也逐渐扩大，人们跨区域间的政治、文化、经济交流越来越频繁，由这些社会活动派生出来的城市群中城际间的短距离交通出行需求也迅速增长。

居民出行方式选择行为决定了各种交通方式的分担率，从而对交通结构的形成具有重要作用。研究城市群间居民的出行方式选择行为，对于调整和优化城市群的交通结构，促进各种交通方式协调发展，提高运输通道的运输效率具有重要的意义。目前国内外学者们对城市群间居民出行方式选择行为的研究已经取得了不少的成果。A.H.DAVID[1]对悉尼—堪培拉之间如果规划建设快速轨道交通，人们出行行为将发生何种改变进行了研究，并建立模型估计交通运输走廊内各种运输方式的市场份额；C.ROMN等[2]对马德里—萨拉戈萨—巴塞罗那运输通道中高速铁路与其他运输方式的竞争进行了分析，在分析过程中考虑了各种交通方式的服务水平特性以及运输政策对人们方式选择行为的影响；王景妍等[3]分析了区域运输通道内影响旅客出行方式选择的因素；景鹏等[4]将计划行为理论引入城际出行行为研究中，系统探讨了计划行为理论中的各变量对居民城际出行“行为意向”的影响；吴麟麟等[5]运用非集计行为理论对居民城际出行行为进行研究时引入了刻画动态选择行为的忠诚度变量，研究结果表明居民城际出行选择带有倾向性，具有某种出行方式选择的持续性、依赖性和突变性。

以上的研究成果都只是单独考虑了运输通道内居民的出行方式选择行为，而居民在城市群间的出行不仅包括通道内的出行这一阶段，同时包含其两端的市内出行阶段。而目前学者们对市区内居民出行方式选择行为的研究也已经取得了丰富的成果。如宗芳等[6]通过对城市居民进行SP问卷调查，对居民通勤出行方式选择行为建立了Logistic回归模型，并运用该模型分析和评价了鼓励公交政策对居民出行方式选择行为的影响；杜豫川等[7]针对2010年上海世博会这一大型活动，对客流的出行方式选择意愿进行了调查研究建模，为世博交通管理政策制定提供了决策支持；陈坚等[8]在分析居民的出行方式选择行为时引入了出行行为潜变量的概念，构建了潜变量和显变量共同作用的 SEM-Logit 整合模型，并证明了考虑潜变量的模型精度更高；张薇等[9]考虑到居民的心理因素对方式选择的影响，构建了基于前景理论的居民出行方式选择行为模型。笔者的研究对象为城市群内居民的城际短途出行，市内出行部分占出行全过程的时间比例较大，因此在研究此种出行的运输方式选择行为时我们有必要考虑市内出行的影响。

1 出行全过程分析

居民在城市群内的出行全过程可以分为两个阶段：第1阶段，即市内出行阶段，从出发地点选择某种市内交通方式到城市对外客运站，该阶段的可供选择的出行方式有轨道交通、常规公交、出租车与小汽车；第2阶段，即城际出行阶段，从出发城市的对外客运站选择某种出行方式到目的地城市，该阶段的可供选择的出行方式有长途大巴、普通列车、高速铁路和小汽车。两个出行阶段通过中间的换乘过程衔接起来，居民在进行方式选择时通常会考虑出行全过程，即两个出行阶段的组合效用，而不仅仅是城际出行阶段的效用。用交通网络表示的居民城际出行的全过程，如图1。

图1 城际短途出行全过程Fig.1 Whole process of intercity short-distance travel

2 建立出行方式选择模型

2.1 样本数据调查

成渝城市群以成都和重庆为核心，其之间的距离大约为340 km，两个城市辐射范围内包括绵阳、南充、内江、遂宁等诸多城镇。城镇分布密度高，随着成渝城市群一体化的发展，城市群内各城市之间的经济、文化等的联系日益密切，城市群内各主要城镇之间的短距离出行也日益频繁。目前成渝城市群交通运输体系较完善，拥有包括高速铁路、普通铁路、高速公路、普通公路、水运、航空多种运输方式。但由各种运输方式的运输特性和出行者的短距离出行特性决定了城市群内的出行仍以公路与铁路出行为主。笔者以成渝城市群内的出行者为调查对象，分别以重庆北火车站、重庆龙头寺长途汽车站、渝遂高速公路出入口3个地点为调查地点，采用RP问卷调查的方式，分别对选择火车、长途客车和小汽车为城际出行方式的出行者进行现场调研。问卷内容主要包括出行者的社会经济属性(性别、年龄、收入、有无小汽车等)、出行方式特征(所选择的市内出行方式、出行时间、换乘次数、出行费用等)、出行特性(出行OD点、出行目的、是否有人同行等)。通过调研获得有效问卷358份，其中选择普通列车、高速铁路、长途大巴、小汽车出行的样本比例分别为32%，18%，26%，24%；拥有小汽车的出行者所占比例为36%；受访者中男性较女性多，占总样本的71%，这与男性所参与的社会经济活动较多有关。

2.2 Nested Logit模型

NL模型也叫巢式Logit模型，是离散选择模型中具有代表性的一种，是在多项Logit模型的基础上改进的一种模型，考虑了各选择肢的相关性。根据NL模型中选择树的建立原则，类似性较大的位于选择树的下层，类似性较小(可以理解为更容易对出行者产生影响)的位于选择树的上层。图2是笔者构建的出行全过程NL模型选择树。

图2 城际短途出行全过程NL模型选择树Fig.2 NL model choice tree of the whole process of intercity short-distance travel

首先用1，2，…，M表示水平2(城际出行方式)上的选择方案，用2位数1m，2m，…，Rmm表示位于水平1(市内出行阶段)的任意选择方案m下的选择方案。对于出行者n其选择水平1上的任意选择方案(rm)的概率P(rm)应该等于其在选择了某种城际出行方式m的条件下选择市内出行方式r的条件概率Pn(r︱m)与选择城际出行方式m的概率Pn(m)的乘积。即

Pn(rm)=Pn(r|m)Pn(m),(r=1,2,…,Rmn;m=1,2,…,Mn)

(1)

(2)

(3)

假设出行者n的固定效用项V(r︱m)n和Vmn均呈线性关系，则V(r︱m)n和Vmn的表达式分别为式(4)，式(5)：

(4)

(5)

2.3 模型特性变量的确定

影响居民出行方式选择的因素有很多，主要分为以下3类：出行者的社会经济属性、各种出行方式特征以及出行特征。这3类因素共同决定出行者的出行效用，从而影响出行者的方式选择行为。笔者考虑了出行者的性别、年龄、收入、家庭有无小汽车等社会经济属性；出行时耗、出行费用、出行换乘次数等出行方式特征；是否为公务出行，出行时是否有同行者等出行特征。模型变量及其定义如表1。

表1 模型变量及其定义

2.4 模型参数的标定与检验

利用问卷调查所得数据，运用TransCAD对模型进行标定，TransCAD对NL模型进行标定时有两种处理方法：第1种处理方法为同时估计各个水平所包含的所有特性变量的参数值；第2种处理方法为分阶段分别估计每个水平所包含的特性变量的参数，每个阶段都相当于对一个ML模型进行标定。笔者运用第2种方法对模型参数进行估计，剔除作用不显著的影响因素，最终模型标定结果如表2，表3。根据模型的标定与检验结果可以看出，所有变量的t检验值均大于1.96，这说明这些变量对出行者出行方式选择行为的影响显著；并且参数的标定结果的符号均符合逻辑；优度比分别为0.31和0.43，说明所建NL模型的精度较高，对居民出行方式选择行为具有较强的解释能力。当不考虑市内出行阶段的影响时，运用ML模型对居民城际间短距离出行出行方式选择行为建模，并运用同样的调查数据对模型进行标定，最终的标定结果如表4。模型的优度比为0.36，与NL模型的优度比0.43相比,下降了0.07。这说明当对居民城际间出行方式选择行为进行建模时，考虑市内出行阶段出行效用的NL模型较不考虑市内出行效用的ML模型能够更好地拟合调查数据，模型精度更高。

表2 巢式Logit模型水平1参数估计结果

注：“—”表示变量的影响作用不显著(表3，表4同)

表3 巢式Logit模型水平2参数估计结果果

表4 ML模型参数估计结果

2.5 模型标定结果的分析

出行时耗与出行费用的标定结果为负，说明随着某种出行方式出行时耗与出行费用的增加，该种出行方式的选择概率就会减小，这与人们日常的出行选择行为相一致。人们总是试图以最短的时间与最低的费用来到达出行的目的。

变量I对常规公交与高铁均有显著影响，但对常规公交标定结果为负，对高铁标定结果为负，这说明出行者的收入越高，选择常规公交的概率越小，这可能与常规公交运行时间不确定性大，候车时间长，车厢环境差等因素有关；选择高铁的概率越大，这与出行者的时间价值有关，收入越高，往往出行者的时间价值越大，对旅行时间的要求越高，越容易选择运行时间短的出行方式。

出行目的对居民出行方式的选择具有显著影响。出行者的公务出行，选择出租车出行方式和高铁出行方式的概率要大一些，而选择普通列车的概率小一些。这可能与公务出行的费用来源有关，一般来说，公务出行的费用通常由公司或单位报销，因此，出行者对出行费用的高低就不敏感，他们通常会选择服务水平高，舒适度高的出行方式。

小汽车拥有情况对于小汽车出行方式具有显著影响。拥有小汽车的居民，选择小汽车出行方式的概率要大些，选择出租车的概率要小些。这与小汽车机动灵活，可以实现“门”到“门”的直达运输，且中间无需换乘的服务特性有关。

包容系数λ的标定结果为0.654，且t检验值大于1.96，说明市内交通方式有95%的把握会影响城际交通方式的选择。参数标定结果为正，说明居民的市内出行阶段(从出发地点到某种城际交通方式的对外客运站点)的效用越大，该种城际交通方式被选择的概率越大，这与实际情况相符合。这说明当我们想提高城际间某种出行方式的分担率时，在提高该种出行方式本身的运行速度，舒适度，降低运价的同时，也应该考虑到该种出行方式的空间可达性及与其他市内出行方式的良好衔接，这一点也会显著影响该种出行方式的被选择概率。

3 结 语

随着我国经济的区域化发展，居民城际间的短距离商务、旅游、访友等出行需求日益增多，研究居民的城际间出行方式选择行为对于城际间交通运输系统的合理规划具有重要意义。笔者在研究居民城际间出行方式选择行为的时候，除了考虑一般的影响因素外，还考虑了市内出行阶段对城际出行的影响，并建立巢式Logit模型对居民城际出行过程中的市内出行与城际出行两个阶段的方式选择行为进行分析。模型的参数标定结果表明，市内出行阶段对居民城际出行方式的选择行为具有显著的影响：某种城际出行方式的对外客运枢纽站的可达性越好，即市内出行阶段的效用越大，该种城际出行方式被选择的概率就越大。并且通过与不考虑市内出行阶段的ML模型进行对比，模型精度有所提高，说明NL模型能更加准确地刻画出行者的城际间短距离出行方式选择行为。

出行者城际间的短距离出行出行方式选择行为决策是一个复杂的过程，受到很多因素的影响。除了笔者所考虑到的因素外，还可能会受到出行者个人的心理、偏好等一些较难量化的因素的影响。在后续研究中，应该更加深入地挖掘这些影响因素，并将这些因素尽可能地纳入到所建模型中，以提高模型的预测精度。

[1] DAVID A H. A practical approach to identifying the market potential for high speed rail: a case study in the sydeney-canberra corridor[J].TransportationResearchPartA:PolicyandPractice, 1997,31(6): 431-446.

[3] 王景妍,张飞. 区域运输通道内影响旅客出行方式选择的因素[J].交通科技与经济, 2011,13(6):71-74. WANG Jingyan,ZHANG Fei. Impact of regional transport corridors within the passenger travel mode choice factors[J].Technology&EconomyinAreasofCommunications, 2011,13(6):71-74.

[4] 景鹏,隽志才. 计划行为理论框架下城际出行方式选择分析[J]. 中国科技论文,2013，8(11):1088-1094. JING Peng,JUN Zhicai. Analysis of intercity travel mode choice in theory of planned behavior[J].ChinaSciencePaper,2013,8(11): 1088-1094.

[5] 吴麟麟,卢海琴,汪洋,等. 引入忠诚度变量的城际出行方式动态选择行为研究[J]. 公路交通科技,2014(11):123-129. WU Linlin, LU Haiqin, WANG Yang, et al. Research on intercity travel mode dynamic choice behavior with introduced loyalty variable[J].JournalofHighwayandTransportationResearchandDevelopment,2014(11):123-129.

[6] 宗芳,隽志才. 基于活动的出行方式选择模型与交通需求管理策略[J]. 吉林大学学报(工学版),2007,37(1):48-53. ZONG Fang, JUN Zhicai. Activity-based travel mode choice model and analysis on traffic demand management[J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2007,37(1):48-53.

[7] 杜豫川,蒋盛川,朱迪,等. 上海世博会出行方式选择意愿建模与场景分析[J]. 同济大学学报(自然科学版),2010,38(4):515-520. DU Yuchuan, JIANG Shenchuan, ZHU Di, et al. Discrete choice model and scenario analysis on trip mode choice behavior for Expo 2010 Shanghai[J].JournalofTongjiUniversity(NaturalScience) ,2010,38(4):515-520.

[8] 陈坚,晏启鹏,杨飞,等.出行方式选择行为的SEM-Logit整合模型[J]. 华南理工大学学报(自然科学版),2013,41(2):51-57. CHEN Jian, YAN Qipeng, YANG Fei, et al. SEM-Logit integration model of travel mode choice behaviors[J].JournalofSouthChinaUniversityofTechnology(NaturalScienceEdition) ,2013,41(2): 5-57.

[9] 张薇,何瑞春. 基于前景理论的居民出行方式选择[J]. 计算机应用,2014,34(3):749-753. ZHANG Wei, HE Ruichun. Residents travel mode choice based on prospect theory[J].JournalofComputerApplications,2014,34(3): 749-753.

Modeling on Choice Behavior of Short-Distance Intercity Travel Mode

XIANG Hongyan, REN Xiaocong, CHEN Jian

(School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074, P.R.China)

The residents’ intercity travels were divided into two phases: travel within city and travel between cities. Combined with transport network, the whole process of intercity travel was firstly analyzed, and then based on the theory of utility maximization, Nested Logit model for two phases of choice behavior of intercity travel was established: level 1 was for choice of travel within city mode; level 2 was choice of for travel between cities mode. Finally, the above model was calibrated and tested by TransCAD according to SP and RP survey data. It is concluded by analyzing the model calibration results that: the value of coefficientλis 0.654, which indicates the influence of level 1 on level 2. Andλhas passed the T-test, which shows the utility of travelling within city stage has a significant impact on travelers’ choice behavior of inter-city travel mode. Compared with ML model which doesn’t consider the travel within city, the superior degree ratio of NL model with the consideration of the travel within city has raised 0.07, which means NL model has higher accuracy.

traffic and transportation engineering; intercity short-distance travel; travel mode; travel behavior; Nested Logit (NL) mode

10.3969/j.issn.1674-0696.2016.03.27

2015-02-10；

2015-07-09

国家自然科学基金项目(51308569)

向红艳(1980—)，女，湖北恩施人，副教授，博士，主要从事交通运输规划与管理方面的研究。E-mail:xiang-@126.com。

任小聪(1989—)，女，河南洛阳人，硕士，主要从事交通运输规划与管理方面的研究。E-mail:1097623144@qq.com。

U491.1

A

1674-0696(2016)03-129-05