公共交通出行方式决策模型与实证分析*

王珂，彭金栓，方媛

（重庆交通大学交通运输学院，重庆 400074）

公共交通出行方式决策模型与实证分析*

王珂，彭金栓，方媛

（重庆交通大学交通运输学院，重庆 400074）

优先发展公共交通是解决城市交通问题的有效方法，而优先发展公共交通的关键之一是对出行人群的出行方式决策行为进行分析研究。文中首先对公共交通出行决策机制进行阐述，然后根据重庆市南岸区居民出行问卷调查统计数据，分别建立了学生人群和非学生人群出行方式决策Logistic回归模型，并在模型推广层面进行了探索。

公共交通；出行方式；出行决策；Logistic回归模型

国内外不少学者对公共交通出行方式选择进行了研究，如Yáñez M.F.、Politis I.等将出行者态度和知觉在决策过程中的影响加入模型中并进行了需求预测；刘天亮等的研究表明社交网络中朋友圈所传递的交通信息对出行者个体行为决策存在影响，且不同信息交互率对系统整体存在差异；Bekhor S.等运用五点量表表征出行者冒险、紧张等心理因素，研究了这些非传统因素对出行者路径选择行为的影响；陈坚等提出对潜变量进行研究，为出行行为研究提供了新视角。

该文主要研究人们出行方式选择结果（轨道交通和常规公交）与出行方式选择影响因素之间的定量关系，利用相关判断统计量进行影响因素的剔除与保留确定，进而得到能刻画某地区居民出行特性的Logistic回归模型。

1 公共交通出行

研究出行者的出行应从出行需求的根源介入，在特定的出行环境下，呈现出行参与要素的动态变化过程。其中：出行需求是指出行者在某种目的驱使下有出行的需求渴望，是内部因素；特定的出行环境是指出行者的出行是在其具有的认知水平指导下，在其所能达到的交通服务范围内完成的，是外部因素；动态变化过程是指出行的本质是出行者的空间位置在时间演变下的转移。不同层次的出行需求会产生不同的出行经验，而不同的出行经验对出行者出行有着重要影响。

如图1所示，公共交通出行决策机制的逻辑过

程将出行者视为一个信息接收、信息判断和信息决策的有机体，接收出行目的信息、周围交通信息，并经过出行者认知系统分析判断，在以往经验指导下，结合个人主观感受判断给出最终出行决策方案。图1显示了出行需求与出行经验对出行决策机制的影响，给出了从出行需求产生到出行经验累积的逻辑传递过程及该过程如何指导下次出行。

图1 出行需求到出行经验传递机制过程

2 基于Logistic回归的公共交通出行决策模型

回归分析是一种研究两种或多种变量间相互定量关系的统计分析方法，按照自变量的多少，可分为简单线性回归与多元线性回归；按照自变量与因变量间的定性关系，可分为线性回归与非线性回归。这里采用较常用的二项Logistic回归模型，其因变量只包含两个类别，常用Y=1和Y=0区分，解释变量则用X表示。

2.1 模型概述

在自变量任意取值下，Y=1的概率PY=1（）的观测值应为0，1［］，而传统线性回归不能满足该要求，故采用Logit转换，使因变量的取值为。转换过程如下：表示在X条件下Y=1发生的概率，Y=1的概率与Y≠1的概率之比称为发生比，记作odds（Y=1），即：

在式（1）中，odds（Y=1）的取值为0，+∞［）。对Y=1的发生比odds（Y=1）取自然对数，可以得到，称为Y=1的 Logit，记作Logit（Y），即：

基于以下假设建立Logit模型：1）出行者出行均选择公共交通；2）出行者公共交通出行选择集元素由轨道交通和常规公交组成；3）出行者出行目的均在该文设计之内；4）出行者每周的出行具有相似的规律。

引入转换后的Logistic回归模型，即：

式中：α为常量；βi为模型的偏回归参数（i=1，2，3，…，k）；Xi为自变量或解释变量（i=1，2，3，…，k）；k为自变量个数。

2.2 数据来源与变量编码

分析数据来源于重庆市南岸区都市区居民出行问卷调查结果。调查涉及全区域8个街道和7个镇，样本总量为512份，共计1 131个样本点，其中有效问卷350份、有效样本点900个。问卷调查对象分为学生组和非学生组，调查信息分为调查者个人信息和调查者交通信息，个人信息作为分析的参考值，交通信息作为分析的主要值。学生组选取200个样本点作为试验组、200个样本点作为待预测组；非学生组选取300个样本点作为试验组、200个样本点作为待预测组。问卷调查信息中既有连续型变量又有分类型变量，对变量进行数量化处理，得出表1所示自变量定义表。

表1 自变量定义表

续表1

2.3 模型建立

利用统计分析软件SPSS的回归功能实施二项Logistic回归分析。根据软件分析结果，学生组中的200个案例与非学生组中的300个案例中缺失案例均为零，表明两组数据均完整无缺项。通过软件分析，得到初始模型，即方程中没有变量，只有一个常数时的情况。该模型将所有出行行为预测为选择轨道交通出行，即轨道交通出行预测准确率为100%，而常规公交出行预测准确率为零，这显然不是理想结果。因此，在初始模型的基础上进行多次迭代运算，当迭代过程达到收敛条件时，得到所需公共交通出行决策模型。对学生组和非学生组数据分别进行处理，得到最终回归模型，其中学生人群公共交通出行决策回归模型为：

非学生人群公共交通出行决策回归模型为：

公共交通出行决策回归模型显示性别、出行目的、步行至车站时间及出行费用对重庆市南岸区学生人群出行选择公共交通出行方式具有较显著的影响；步行至车站时间、步行至终点时间、出行费用及出行舒适性对非学生人群（以上班族为主）选择公共交通出行方式具有较显著的影响。模型据测结果见表2、表3。

表2 学生组模型预测结果

表3 非学生组模型预测结果

根据表2和表3所示结果，可得出学生组数据集和非学生组数据集的Nagelkerke R方值分别为0.703、0.950，说明学生组数据与非学生组数据拟合的回归模型分别能解释总体中70.3%、90.5%的变异性情况，两组数据集拟合的Logistic回归模型在一定的显著水平下是显著的。H-L检验表的P值均大于0.05，取得了较好的拟合效果，应接受预测值与观测值之间无差异的假设。学生组模型预测总准确率为92.0%，非学生组模型预测总准确率为

97.7%，相比初始模型均有较大提高，说明所建立的公共交通出行决策回归模型能描述实际生活中出行人群的公共交通出行特性。

3 模型推广

以样本统计中出行人群选择轨道交通的概率作为重庆市南岸区出行人群选择轨道交通概率的一个近似估计，得到学生人群和非学生人群出行轨道交通选择概率分布直方图（见图2、图3）。

图2 学生人群出行轨道交通选择概率分布直方图

图3 非学生人群出行轨道交通选择概率分布直方图

根据图2、图3，重庆市南岸区学生群体与非学生群体一周内每天使用轨道交通出行的概率均值分别为0.750 00、0.663 33，初步估计轨道交通二塘站服务于周边近20 000学生人群、近20 000非学生人群，则每天二塘站周边人群对轨道交通的出行需求为近28 267人次。根据统计数据，二塘站日均客流量近10 000人次，远小于出行需求人次。说明二塘站未能深度挖掘周边客流需求，未能尽可能地响应其服务区域内出行人群的出行需求，应采取措施吸引周边潜在轨道交通出行人群。

4 结论

（1）影响学生人群公共交通出行方式选择的主要因素有出行费用（2.760）、出行目的（1.152）及步行至车站所需时间（0.569），学生人群中男性群体与女性群体出行偏好也有一定差异（1.056）；影响非学生人群公共交通出行方式选择的主要因素有出行舒适性（4.355）、出行费用（2.820）、步行至车站所需时间（2.343）及步行至终点所需时间（1.756）。

（2）基于Logistic回归分析，建立适用于重庆市南岸区居民公共交通出行方式选择与影响因素间的定量回归模型，其中学生组模型的预测总准确率为92%，非学生组模型的预测总准确率为97.7%。

（3）重庆市轨道交通二塘站未能深度挖掘周边客流需求，应采取措施吸引周边潜在轨道交通出行人群。

［1］ Yáñez M F，Raveau S，Ortúzar J D.Inclusion of latent variables in mixed logit models：modeling and forecasting［J］.Transportation Research Part A：Policy and Practice，2010，44（9）.

［2］ Politis I，Papaioannou P，Basbas S.Integrated choice and latent variable models for evaluating flexible transport mode choice［J］.Research in Transportation Business＆Management，2012，3（8）.

［3］ 刘天亮，张冲，王天歌，等.朋友圈信息交互对个体出行决策行为的影响研究［J］.交通运输系统工程与信息，2013，13（6）.

［4］ Bekhor S，Albert G.Accounting for sensation seeking in route choice behavior with travel time information［J］. Transportation Research Part F：Traffic Psychology and Behaviour，2014，22（1）.

［5］ 陈坚，甘蜜.城市交通出行行为中的潜变量研究综述［J］.交通运输系统工程与信息，2014，14（6）.

［6］ 张磊.基于Logit模型的停车费率变化对居民出行方式的影响分析［J］.交通与运输：学术版，2015，31（1）.

［7］ 金水高.Logistic回归方法的正确应用及结果的正确解释［J］.中华预防医学杂志，2003，37（3）.

［8］ 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）.

［9］ 黎冬平，陈峻.基于Logistic回归模型的城市居民公交出行决策分析［J］.现代交通技术，2007（6）.

U491

A

1671-2668（2016）06-0033-04

2016-05-09

国家自然科学基金资助项目（61503049）；中国博士后科学基金项目（2015 M582525）；重庆交通运输工程重点实验室开放基金项目（2016CQJY004）