基于预留时间的出行者划分方法*

谢秉磊 程天琪 李 敢

(哈尔滨工业大学深圳研究生院 深圳 518055)

基于预留时间的出行者划分方法*

谢秉磊 程天琪 李 敢

(哈尔滨工业大学深圳研究生院 深圳 518055)

为了合理划分出行者类型，全面解析行程时间可靠性的本质特征，考虑到出行者的异质性，将SP调查与聚类分析结合，提出基于预留时间的出行者类型划分方法，同时应用多项Logit模型构建基于预留时间的离散选择模型，量化分析预留时间的影响因素，并得出各类出行者的比例.实例分析结果表明，出行者可分为I，II，III类，对应的预留时间分别为“>0.60t”“0.33～0.60t”和“<0.33t”，t为出行者的行程时间.三类出行者的比例分别为17.4%，49.1%和33.5%，即17.4%的出行者对路网行程时间可靠性的评价较低，说明出行者对于早高峰道路交通运行水平的评价普遍较高.

交通工程；出行者类型划分；预留时间；SP调查；MNL模型；离散选择

0 引 言

路网行程时间可靠性是衡量路网可靠性的重要指标，是指在给定的起终点之间，出行者能在规定时间内顺利完成出行的概率[1].行程时间可靠性能够反映路网的随机性，也可以反映行程时间的稳定性，受到出行者和交通管理者的关注.由于出行者的异质性，不同类型的出行者对行程时间可靠性的感知和评价也是不同的，考虑出行者的异质性对行程时间可靠性进行研究，将更加全面地解析行程时间可靠性的本质特征，并更加真实地描述出行者特征对行程时间可靠性的影响.

根据出行者主观感知的的差异，现有研究对出行者的划分可归纳为以下4类：①基于估计行程时间划分.刘玉印等[2]按照出行者对行程时间的不同估计，识别出行者采用的不同出行策略；刘海旭等[3]将出行者分为对路况比较熟悉和对路况不够熟悉两类，以此反映出不同类型出行者的路径选择行为.②基于行程时间价值划分.罗端高等[4]以时间价值为依据，分析了高时间价值和低时间价值出行者共存情况下的混合交通均衡分配问题；Yang等[5]从不同类型出行者的行程时间价值出发，探讨了通过拥挤收费实现系统最优交通分配的可能性.③基于行程时间可靠性划分.何胜学[6]根据对出行可靠性高低的不同要求，将出行者分为守时主义者、冒险主义者和平均主义者，但这种分类对实时交通信息考虑较少；陈建林等[7]从出行者对待行程时间可靠性态度出发，对其路径选择行为进行分类，并基于行程时间可靠性构建了相应的交通分配模型.④基于出行者对交通信息的理解划分.钟邵鹏等[8]从出行者对待交通信息的态度出发，将出行者分为遵从交通信息类出行者和不遵从交通信息类出行者两类；刘新民等[9]考虑到城市中出行个体的复杂性和差异性，将出行者分为固定经验出行者、多经验出行者和信息出行者三类.

目前这些出行者划分方法受到出行者习惯、态度和偏好的影响，主观性偏强，而且无法判断据此分类的出行者对路网行程时间可靠性的评价具有一致性.预留时间(buffer time)是在道路交通随机变化的条件下出行者为准时到达目的地而额外准备的时间，可以用于描述交通运行的随机性对出行的影响.由于出行者预留时间与出行者对行程时间可靠性的评价呈负相关关系，所以基于预留时间划分出行者不仅可以体现划分标准的客观性，而且据此分类的出行者对路网行程时间可靠性的认知是一致的，因此，本文在对影响出行者预留时间的因素进行系统分析的基础上，研究基于预留时间的出行者划分方法.

1 预留时间的影响因素

预留时间和行程时间可靠性呈负相关的关系，路网的随机性越大，出行者为避免迟到的预留时间会越多，行程时间可靠性会越差，因此可将预留时间作为路网行程时间可靠性的一种反映，既考虑了行程时间的客观性，又考虑了出行者的主观认知.对行程时间可靠性的认知和评价受到出行者个体特征、出行特征、道路交通状态、交通信息及其他信息的影响.

1) 个体特征 包括性别、年龄、月收入、职业、受教育程度、驾龄、路网熟悉程度、延误承受时间等.有研究表明，有无驾照及驾龄的不同，会影响对路网行程时间可靠性的评价：0.5年以下驾龄的驾驶员期望的路网行程时间可靠性通常较低；0.5～3.0年驾龄的驾驶员期望的路网行程时间可靠性通常较高；3.0年以上驾龄的驾驶员实际驾车过程中的期望路网行程时间可靠性位于正常状态.出行者对路网更熟悉，则对路网行程时间可靠性的评价会更高；出行者对延误时间的承受能力越强，则对路网行程时间可靠性的评价就越高.

2) 出行特征 包括出行目的、出行时间、出行方式等.上班、上学等时间约束性较强的出行，对路网行程时间可靠性要求较高.出行时间对行程时间可靠性的影响主要体现在出发时间和行程时间上：不同出发时间的出行，对行程时间可靠性的要求是不同的，早高峰出行对路网行程时间可靠性的要求较高，晚高峰对路网行程时间可靠性的要求较早高峰出行低，而平峰出行对路网行程时间可靠性的要求最低；出行者对行程时间的合理估算会直接影响出行者对出行方式及出行费用的考虑，进而影响出行者的选择行为.出行者对行程时间可靠性的认知与出行方式的选择也是相关的，有研究表明，高行程时间可靠性的出行者倾向于选择自驾车或出租车出行，低行程时间可靠性的出行者倾向于选择公交车出行.

3) 道路交通状态 有研究表明，道路的拥挤程度与路网行程时间可靠性成正相关关系[10].也有研究表明，道路服务水平要求越低，行程时间可靠性就高；反之，行程时间可靠性迅速下降[11].

4) 交通信息 交通信息诱导和发布可以为出行者提供出行选择依据，帮助出行者合理估计行程时间，有助于提高路网行程时间可靠性.

5) 其他因素 主要指上述因素以外的一些不可预测的客观因素，比如，天气状况，突发事件等，这些因素会影响道路交通状况，进而影响路网行程时间可靠性.

2 出行者预留时间的离散选择模型

2.1 出行者预留时间的SP调查

在出行人群中，通勤者具有出行比例大、时间性强和出行方式集中的特点，因此将通勤者作为研究对象.由于早高峰出行的时间约束性要比晚高峰强，调查时间定为早高峰.调查对象和调查时间具有高度的典型性，使得调查数据具有代表性，更符合实际情况.

借助SP调查获取预留时间影响因素中的各属性数据，通过统计和量化分析，实现对实际路网中出行者的类型划分和不同类型出行者下的特征属性分析.

1) 出行者个体特征 包括性别、年龄、职业、受教育程度、驾照、月收入、工作时间制度、路网熟悉程度及延误承受时间.

2) 出行者出行特征 包括上班时间、出发时间、出行方式、行程时间、期望行程时间、预留时间.

3) 出行者对待交通信息态度 包括出行选择的依据偏好、交通信息的使用情况及获取途径.

2.2 离散选择模型

为定量分析出行者的个体特征、出行特征及出行者对待交通信息态度对预留时间的影响，应用多项Logit(MNL)模型构建预留时间的离散选择模型，对预留时间的影响因素开展量化分析.构建MNL模型时，选取预留时间作为选择肢，不同类型出行者对应不同的选择肢，能否合理划分预留时间将影响最终模型的标定结果.

有研究者在研究预留时间的离散选择模型时，以预留时间的绝对值进行划分作为模型的选择肢[12].这种划分方式没有考虑预留时间与行程时间之间的相关性，只适合于路径惟一且不考虑流量变化的情形，应用受到局限.例如，对于行程时间为5 min且预留时间为5 min的出行者与行程时间为60 min并预留时间为5 min的出行者，他们对行程时间可靠性的评价显然不同，两者不能划入同一类型.因此考虑到行程时间随流量变化的多路径情况，引入一个相对值，即出行者预留时间与行程时间的比值

Ai=HTi/ti

(1)

式中：Ai为第i类出行者的预留时间与行程时间的比值；HTi为第i类出行者的预留时间；ti为第i类出行者的行程时间.

将Ai划分为N个区间，即N个选择肢，根据Ai可确定出行者的类型.选择肢n(n=1,2,3,…,N)对个体x的效用函数为

(2)

(3)

(4)

3 实例分析

3.1 SP调查数据

根据统计学原理，合理的样本量应为量表条目的5～20倍[13]，选取的自变量为65个，合理的样本量应为325～1 300.调查组于2015年4月对深圳市南山区通勤者进行了调查，共发放问卷500份，收回有效问卷455份，有效问卷回收率为91%.

1) 出行者个体特征的一般统计分析见表1.

表1 出行者个体特征的一般统计

2) 出行者出行特征，如上班时间、出发时间、出行方式、总行程时间、期望行程时间和出行预留时间的统计分布见图1～6.

3) 出行者对待交通信息态度，如交通信息获取途径情况、交通信息关注情况、路径选择偏好情况和接受诱导情况的统计分布见图7～10.

3.2 基于聚类分析的出行者类型划分

采用聚类分析来实现出行者的分类，既可以找出相互独立且有代表性的自变量，又可避免自变量共线性所造成的模型标定系数不准确问题.

图1 上班时间分布图

图2 出发时间分布图

图3 出行方式分布图

图4 行程时间分布图

图5 期望行程时间分布图

图6 预留时间分布图

图7 交通信息获取途径情况分布图

图8 交通信息情况分布图

图9 出行选择偏好分布图

图10 接受诱导情况分布图

首先对各属性数据做预处理和统计分析，再借助SPSS软件进行聚类分析，得到不同的选择肢类型，即不同的预留时间区间，分别对应于不同的出行者类型，结果见图11～12和表2.

图11 聚类树图

图12 聚类结果图

出行者类型IIIIII聚类中心值0.7810.4320.215

由图11可知，出行者可分为三类，这三类的间距较大，说明各类出行者特征比较突出，容易识别和定义.图12给出了各类出行者Ai值的分界值，分别是0.33，0.60，各类出行者的聚类中心值在表2中给出.基于预留时间可将出行者划分为如下3类：

1) 类型I 预留时间“>0.60t”.在同一路网中，此类出行者的预留时间相对较多，属于对路网行程时间可靠性评价相对较低的一类出行者.

2) 类型II 预留时间“(0.33～0.60)t”.在同一路网中，此类出行者的预留时间处于中间水平，属于对路网行程时间可靠性的评价一般的一类出行者.

3) 类型III 预留时间“<0.33t”.在同一路网中，此类出行者的预留时间相对较少，属于对路网行程时间可靠性评价相对较高的一类出行者.

3.3 出行者预留时间的影响因素分析

将调查问卷中的各条目作为模型变量，其定义见表3.

表3 模型变量定义

从数据库中提取建模所需的各类变量，考虑各变量间的共线性之后，导入SPSS统计软件进行回归分析，以选择肢1作为参照类，经过数次迭代后最终得出显著性结果，见表4.

表4 模型的有效性检验

表5 选择肢2的标定结果

表6 选择肢的标定结果

由表4～6可知，各影响因素对模型具有显著影响.根据模型标定结果，可以得到以下结果：

1) 工作时间制度对模型有显著性影响.选择肢2和3中的变量1均为正值，说明固定工作时间的出行者倾向于预留更多的时间，而弹性工作制的出行者则预留较少的时间.

2) 出行者出行选择偏好对模型有显著性影响.选择肢2和3中的变量1和变量2均为正值，说明与少经验多信息出行者相比，完全依据出行经验的出行者和多经验少信息出行者倾向于预留更多的时间.

3) 出行方式对模型有显著性影响.选择肢2和3中的变量1,2和3的值均为正，说明选择常规公交、地铁和小汽车的出行者倾向于预留较多的时间，而选择步行、自行车和电动车的出行者则预留的时间相对较少.

4) 出发时间对模型有显著影响.选择肢2和3中的变量1，2均为负值，变量3，4，6均为正值，说明在07:00前和10:00后出行的出行者倾向于预留较少的时间，07:00-09:00时间段的出行者会预留较多的时间，以避免上班迟到.

5) 交通信息的关注度对模型有显著影响.选择肢2和3中的变量1，2为负值，说明与很少或几乎不关注交通信息的出行者相比，经常关注交通信息出行者倾向于预留较少的时间.

6) 驾照对模型有显著影响.选择肢2和3中的变量1均为正，说明与无驾照的出行者相比，有驾照的出行者倾向于预留更多的时间.一般说来，有驾照的出行者相对于无驾照的出行者对行程时间可靠性的评价低.

7) 交通信息获取的途径情况对模型有显著影响.选择肢2和3中的变量1，2均为负值，说明与无交通信息获取途径的出行者相比，途径广泛的出行者更倾向于预留较少的时间.

另外，将表6和表7中的模型标定系数代入式(2)、式(3)和式(4)，可得到I，II和III类出行者的比例分别为0.174，0.491和0.335.仅有17.4%的通勤出行者对路网行程时间可靠性的评价较低，说明出行者对早高峰道路交通运行水平的评价较高，

4 结 束 语

将SP调查与聚类分析相结合，提出基于预留时间的出行者划分方式，最终将出行者划分为三类，各类间距较大，特征较为突出，说明划分结果合理，此方法能够实现对出行者的客观分类，为分析不同类型出行者的路网行程时间可靠性奠定了理论基础.构建多项Logit模型量化分析了各因素对预留时间的影响.据此，交通管理部门可以有针对性的提出相应的诱导措施，如发布有关出行者出发时间、出行方式、出行路径等信息，出行者及时调整出行计划，改变预留时间，以保证准点到达目的地.同时通过离散模型计算各类出行者的比例，仅17.4%出行者对路网行程时间可靠性的评价较低，说明出行者对早高峰道路交通运行水平的评价较高.

不同城市因经济、交通等方面的差异，其出行者也会表现出不同的行为特征，因此不同类型出行者所对应的预留时间范围值会因城市的不同而存在差异.未来研究可以分析不同城市出行者的分类差异，在此基础上评价不同城市的路网行程时间可靠性.

[1]ASAKURA Y, KASHIWADANI M. Road network reliability caused by daily fluctuation of traffic flow[C]. Proceedings of the 19thPTRC Summer Annual Meeting, Brighton,1991.

[2]刘玉印，刘伟铭，吴建伟.基于累积前景理论的出行者路径选择模型[J].华南理工大学学报(自然科学版)，2010，28(7)：84-89.

[3]刘海旭，蒲云.基于路段走行时间可靠性的路网容量可靠性[J].西南交通大学学报，2004，39(5)：573-576.

[4]罗端高，史峰.多用户多方式混合交通均衡变分模型及求解算法[J].交通运输系统工程与信息，2010，10(5)：110-116.

[5]YANG H, HUANG H J. Principle of marginal-cost pricing: how does it work in a general network[J]. Transportation Research Part A: Policy and Practice,1998,32(1):45-54.

[6]何胜学.基于出行时间预算的多用户交通分配模型及算法[J].公路交通科技，2009，26(5)：107-112.

[7]陈建林，刘海旭，程学庆，等．基于行程时间可靠性的多类用户交通分配模型[J].西南交通大学学报，2007，42(1)：115-119.

[8]钟绍鹏，邓卫，包丹文.考虑ATIS市场占有率及遵从率的随机系统最优拥挤收费模型[J].系统工程理论与实践，2013，33(2)：456-462.

[9]刘新民，李晓洁，孙秋霞.不同信息条件下出行者比例对路网的影响研究[J].系统仿真学报，2014，26(11)：2612-2617.

[10]冷军强．冰雪条件下城市路网行程时间可靠性研究[D].哈尔滨：哈尔滨工业大学，2010．

[11]冷军强，张亚平，赵莹萍，等.基于路段服务水平约束的路网容量可靠性分析[J].交通运输系统工程与信息，2009，9(5)：148-152.

[12]崔书田.行程时间可靠性对居民出行决策的影响研究[D].上海：上海交通大学，2010.

[13]孙振球.医学统计学[M].北京：人民卫生出版社，2014.

A Method to Divide Travelers by Buffer Time

XIE Binglei CHENG Tianqi LI Gan

(Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen 518055, China)

In order to rationally divide travelers, the essential characteristics of travel time reliability are comprehensively analyzed. By considering the heterogeneity of travelers, SP survey method is combined with cluster analysis to propose a method for dividing travelers by buffer time. Meanwhile, a discrete choice model for buffer time based on the multinomial Logit model is constructed, through which the influence factors of buffer time are analyzed quantitatively. The proportions of all kinds of travelers are calculated. The results of case study indicate that, firstly, travelers can be divided into I, II, III, and the corresponding buffer time are “>0.60”, “0.33～0.60”and “<0.33”, respectively. The proportions of I, II and III are 0.174, 0.491 and 0.335, respectively, indicating that the travelers have a high evaluation towards the traffic operation level of the early peak.

traffic engineering; travelers division; buffer time; SP survey; multinomial Logit model; discrete choice model

2017-04-24

*国家自然科学基金项目资助(71473060)

U491

10.3963/j.issn.2095-3844.2017.03.001

谢秉磊(1975—)：男，教授，博导，主要研究领域为交通行为分析、应急交通管理