轨道交通对居民交通方式选择的影响研究

晏莉颖，孟祥佩

（宁波大红鹰学院基础学院，浙江宁波315175）

0 引言

随着我国经济快速发展，城市化速度在不断加快，社会活动日益频繁，全国各大城市均面临着不同程度的交通拥堵、空气污染等问题。研究和实践表明，大力优先发展公共交通是解决城市交通拥堵的必由之路，而作为公共交通系统的重要组成部分——轨道交通以其速度快、运量大、准时安全、节能环保等优点成为大城市优先发展公共交通的最优选择。为此，有必要研究轨道交通与其他交通方式选择的影响因素，以提高轨道交通出行的选择比例。

国内外在采用非集计模型研究人们出行方式选择影响因素及计算分担率方面取得了一些成果。Hensher 等[1]通过显示偏好 (RP) 和意向偏好 (SP) 调查获取数据，研究进出站时间、候车时间、车上时间等变量对铁路出行方式选择的影响，并运用多项Logit 模型 (MNL) 模型估算居民出行方式分担率。Espino 等[2]采用巢式 Logit 模型 (NL) 对 RP 和 SP 调查数据进行参数估计，得出选择公交出行和私家车出行的影响因素。Zhao 等[3]利用多元的 Logit 模型分析常规公交、地铁、出租车等公共交通方式客流分担率，提出常规公共交通使用者对出行时间不敏感，高收入者更愿意选择出租车方式出行。殷焕焕等[4]运用 MNL 模型，分析个人因素、家庭因素对居民出行方式选择的影响。张飞飞等[5]从环境保护的角度出发，利用 MNL 模型研究南京市居民交通方式选择的影响因素。张之虎等[6]建立 MNL 模型，通过对模型进行敏感性分析，发现在一定范围内降低公共交通票价和缩短公共交通出行时间能吸引部分小汽车出行者转向公共交通出行。王文宪等[7]建立铁路旅客乘车方案选择的 MNL 模型，其研究表明公费出行、月收入较高及出差的旅客偏好选择“G”字头高速列车；自费出行、月收入较低及旅游探亲的旅客偏好选择“D”字头高速列车。马书红等[8]将 MNL 模型和差异的效益测算方法相结合，测算不同交通政策实施对城间交通出行选择的影响和出行者效益，研究表明实施公交优先对城间交通出行选择行为的影响较大。张航等[9]利用 MNL 研究旅客出行时间选择行为的主要影响因素，给出对模型求解的 3 种算法，并利用沪宁城际高速铁路 (南京南—上海虹桥) 客票数据对旅客出行时间选择进行实证研究，得出周五和周日出行的旅客偏向于晚间出行，当日购票的旅客偏向于选择午间和晚间出行。

上述研究均针对特定环境下的人们出行方式选择进行研究，而客观上，环境不同、交通方式的构成不同等因素都会对交通方式选择产生不同程度的影响。为此，以宁波市轨道交通开通后居民出行方式选择的调查数据为依据，利用 MNL 模型研究轨道交通开通后影响居民交通方式选择的因素，探索提高公共交通出行比例的策略，为缓解交通拥堵和交通政策的制定提供参考。

1 宁波城市交通MNL模型构建

1.1 居民出行现状

为了解 2014 年 5 月 30 日宁波轨道交通开通后居民出行结构的变化，以及影响轨道交通出行方式选择的因素，以宁波轨道交通 1 号线沿线的社区居民、企事业单位职员、商业区消费者等为调查对象，于 2015 年 12 月采用调查员现场发放问卷、现场解答、被调查者现场填写、当场回收问卷的方式进行调查，共获得有效样本 1 681 份。所收集的样本分布比较均匀，能够比较有效地反映轨道交通的开通对居民出行方式选择的影响。

将宁波市居民出行方式划分为 4 类，即公交车、小汽车 (出租车和私家车)、非机动车 (自行车、电瓶车、步行)、轨道交通。调查显示，目前宁波市公共交通出行比例为 61.5%，其中公交车出行比例为 39.1%，轨道交通为 21.4%；小汽车出行比例为 34.4%；非机动车出行比例为 5.1%。轨道交通开通后，其客流有 74% 来源于公交车出行者，21.7% 来自于小汽车出行者，4.3% 来自于非机动车出行者。显然，轨道交通的开通增加了居民出行选择公共交通的概率，改变了城市原有的交通结构。

1.2 MNL 模型

MNL 模型是非集计模型中的一种，由于该模型具有数学表达式简洁、物理意义易理解、选择概率在 [0，1] 之间且各选择肢的概率之和为 1 等特点，近年来被广泛应用于交通等学术领域模拟预测中[10]。MNL 模型适用于被解释变量为多分类变量的情况，所采用的方法为回归分析法，研究目的是分析被解释变量各类别与参考类别的对比情况。

假设可供出行者选择的交通方式集合为A={1，2，…，J}，则出行者选择第j类出行方式的非集计模型为[11]

式中：P(y=j|x) 为被解释变量为第j类的概率；P(y=J|x) 为被解释变量为第J(j≠J) 类的概率，第J类为参照类；αj表示第j类出行方式的常数项；βji表示第j类出行方式相应变量xi的系数，也称为变量xi的回归系数。αj和βji均为待定参数。

1.3 变量的确定

选取轨道交通开通后居民选择的交通方式为被解释变量，共分为 4 类，即公交车、小汽车 (出租车和私家车)、非机动车 (自行车、电瓶车、步行)、轨道交通；选取轨道交通开通后居民出行时交通方式选择所涉及的影响因素为解释变量。在对宁波市居民出行方式调查的基础上，选择出行距离、出行目的、出行所用时间、一次出行费用、是否有私家车、性别作为模型中的解释变量，具体各解释变量情况如表1 所示。

表1 解释变量Tab.1 Explanatory variables

1.4 模型参数的标定

初步确定影响交通方式选择的因素和模型的基本形式后，利用 SPSS 软件对模型中的参数值进行标定，同时可得出参数值的标准误差及其所对应的检验统计量与显著性水平。模型参数估计结果如表2 所示。选取对每种交通方式的影响显著性比较强的变量作为模型的解释变量，得到以轨道交通为参照项的其他各类交通方式选择模型如下。

表2 模型参数估计结果Tab.2 Estimation results of model parameters

式中：p1，p2，p3，p4分别表示居民出行时选择公交车、小汽车、非机动车、轨道交通的概率，且p1+p2+p3+p4= 1。

1.5 模型精度评价

模型精度评价是模型求解以后进行分析的必要过程，通过上面的分析已得到了各种交通方式对应影响变量的回归系数及显著性情况，接下来采用命中率法及 McFadden 系数法对模型进行检验。

命中率是指用所建模型推算结果与实际居民出行交通方式选择结果的吻合程度。McFadden 系数ρ2与回归分析中的R2类似，用来判别模型的拟合效果，ρ2的取值范围为 0＜ρ2＜1，其值越接近1说明模型的精度越高，但在实际应用中，其取值范围在 0.2～0.4 之间时可以认为拟合度较好[12-13]。MNL 模型的检验结果如表3 所示，该模型总的命中率为 75.6%，并且ρ2= 0.313，因而可以认为所建立的 MNL 模型拟合效果较好。

表3 MNL 模型的检验结果Tab.3 Veri fi cation results of MNL model

2 影响宁波市居民交通方式选择的因素分析

利用模型的估计结果可以获得轨道交通开通后影响居民出行交通方式选择的主要因素，不仅有助于研究交通方式结构形成的原因，而且有利于提出影响和引导交通方式结构的有效措施。下面从解释变量角度出发，相对于轨道交通方式作如下分析。

（1）出行距离的影响。出行距离对公交车、小汽车、非机动车的影响均非常显著，而且公交车、非机动车出行者出行距离的系数均为负数，这说明随着距离的增加，选择轨道交通的概率增大，并且非机动车较为明显 (回归系数为-3.524)，这与非机动车出行需要消耗一定的体力有关。小汽车出行与轨道交通出行的发生比为1.629 (exp (0.488) =1.629)。

（2）出行所用时间的影响。出行时间对交通方式选择的影响较为显著，公交车和非机动车的回归系数均为正数 (分别为 1.010，1.580)，小汽车的回归系数为负数 (-0.278)，说明其他条件不变时，随着出行时间的增加，对于小汽车的出行者而言，选择轨道交通的概率将增大，而对于公交车和非机动车的出行者而言，选择轨道交通的概率将减少，而且对非机动车的影响最大，是选择轨道交通出行的4.855 倍 (exp (1.580) = 4.855)。

（3）一次出行费用的影响。出行费用对交通方式选择的影响同样显著。公交车和非机动车的回归系数均为负数，小汽车为正数，这说明随着费用的增加，公交车和非机动车的出行者更倾向于选择轨道交通，而小汽车出行者正好相反，选择小汽车出行是选择轨道交通出行的 1.697 2 倍(exp (0.529) =1.697 2)。

（4）性别的影响。在小汽车和非机动车这 2 种出行方式中显著性水平分别为 0.239 和 0.054，都大于 0.05，这表明性别对这 2 种非公共交通与轨道交通的选择影响作用不大。公交车出行者中性别的系数为-0.283，说明在其他条件不变时，女性选择轨道交通出行概率大。

（5）出行目的的影响。通过参数估计表可以看出，上学、上班相对于其他出行目的而言，公交车、小汽车、非机动车的显著性水平为零，影响比较显著，并且回归系数均为正数，依次为 0.473，0.949，1.615，与选择轨道交通的发生比依次为 1.605(exp (0.473) = 1.605)、2.582 (exp (0.949) = 2.582)、5.026 (exp (1.615) = 5.026)。因此，相对于轨道交通而言，对于上班和上学的居民来说，出行更愿意选择原有的出行方式，并且对小汽车和非机动车来说更明显，分别是选择轨道交通出行的2.582倍和5.026倍，这可能与上班和上学一般出行距离比较近，或者对到达时间的准确性要求比较高有关。

（6）是否有私家车的影响。私家车的拥有对公交车、小汽车的出行者影响比较明显，对自行车出行者不明显。通过参数估计表可以看出，对于小汽车出行者明显程度比较大，并且系数为正值，发生比为 5.621 (exp (1.726) = 5.621)，说明拥有小汽车家庭使用小汽车出行是轨道交通出行的5.621倍。

3 优化宁波市居民出行方式选择的对策

通过上面的分析可以看出，公共交通的选择主要受出行距离、费用、时间因素影响；而小汽车的出行者主要受出行时间、费用、是否拥有私家车因素影响；非机动车出行者更多受出行距离、目的因素影响。为此，从以下几个方面给出优化宁波市居民出行方式选择的对策和建议。

3.1 优化城市公共交通整体格局

（1）推动实现公共交通出行方式“无缝对接”。鉴于轨道交通可达性比较低，无法实现“门到门”服务，建议通过增设公共自行车网点、开设微公交，实现轨道交通与公共自行车、公交车的无缝对接，节约出行时间。其次，有选择地开设城市公交车专用通道，适度、有序发展快速公交，全力提高传统公交运行速度，切实减少出行时间。最后，针对客流量较大的线路及客流高峰时段，可以通过增加班次、减少发车间隔等措施，优化居民出行选择方式，提高公共交通出行比例，力促形成“轨道交通为引领、其他出行方式为补充”的城市公共交通整体格局。

（2）制定出台公共交通换乘优惠政策。城市居民选择轨道交通方式出行，一部分出行者特别是长距离出行者，从出发地到目的地需要经过其他交通方式与轨道交通的换乘才能完成一次出行，客观上存在着一定的换乘成本，而换乘成本的大小也在一定程度上决定了居民选择轨道交通出行的意愿。因此，大力发展城市轨道交通还需要制定合理的公交车与轨道交通的换乘优惠政策，建议可由市、区两级财政部门按照 1 : 1 比例配套安排落实相应的轨道交通出行优惠专项资金，推出适合不同类别人群的轨道交通出行月票，公交车与轨道交通混合出行月票等优惠举措。还可以在轨道交通站点设置停车场，引导长距离出行者使用小汽车与轨道交通相结合的出行方式，从而进一步降低居民的轨道交通出行成本，提高居民选择公共交通方式出行的概率和意愿度。

3.2 科学合理地规范小汽车出行

（1）适度提高小汽车出行费用。一方面，在城市中心可限制小汽车的停车数量，加大乱停乱放及违规停车的处罚力度，以减少居民选择小汽车出行的概率。另一方面，还可以通过征收燃油附加费、拥挤费等措施，灵活利用经济杠杆原理，适度增加小汽车出行成本，倒逼居民审慎选择或减少小汽车出行方式。

（2）有序限制私家车拥有量，降低小汽车出行率。随着经济发展和生活水平不断提高，城市居民小汽车的拥有量呈现逐年上升的趋势，客观上加剧了城市交通的拥堵，并且对居民选择公共交通出行带来一定的影响。鉴于此，可以结合城市交通拥堵实际和居民经济承受能力等因素，通过控制私家车车牌发放量、单双号限行等多样化、灵活化的举措，有序控制私家车的保有量，尽量减少小汽车的使用。

3.3 强化居民非机动化出行安全保障

相对机动化出行，非机动化出行主要适合短距离出行者，且出行目的比较单一、固定。为此，一方面可以通过建立非机动车专用通道，设置合理的步行空间，设置醒目、明确标识的人行横道及人行道信号灯、显示倒数时间等，保障非机动车出行者的安全，方便居民出行，同时也可以进一步减轻对城市公共交通出行的人员压力；另一方面，鉴于当前电动车普及量和拥有量不断提升，可以结合城市自身的居民数量、电动车保有量等现实因素，因地制宜地制定符合城市实际的非机动车交通安全规范，从而减少对城市公共交通出行的不利影响，也可以保障非机动车出行人员安全。

4 结束语

针对轨道交通的开通对居民出行方式选择行为影响的研究，可以为宁波市优先发展公共交通战略提供对策，为宁波市交通政策的提出提供理论支持。从研究结果可以看出，优化城市公共交通格局和居民出行方式，一方面需要从硬件上提升公共交通设施设备装备水平，全方位打通城市公共交通存在的各类“隔阂点”；另一方面，还需要从软件上制定出台相应的公共交通出行、换乘优惠政策、私家车管控政策、非机动车出行安全规范等相应的制度规范，从而以“硬件上的方便快捷+软件上的优惠贴心”多方吸引城市居民更多选择公共交通出行方式，从根本上解决城市交通拥堵治理难题。

[1] HENSHER D A，BRADLEY M. Using Stated Response Choice Data to Enrich Revealed Preference Discrete Choice Models[J]. Marketing Letters，1993，4(2)：139-151.

[2] ESPINO R，ORTUZARJDD，ROMAN C. Understan-ding Suburban Travel Demand：Flexible Modeling with Revealed and Stated Choice Data[J]. Transportation Research Part A：Policy and Practice，2007，41(10)：899-912.

[3] ZHAO D，DU W，LIU J. Analysis of Chengdu City’s Urban Public Transit System based on Disaggregate Model Theory[C]//ASCE.International Conference on Transportation Engineering(ICTE). Reston，Virginia：American Society of Civil Engineers(ASCE)，2009：2701-2706.

[4] 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.YIN Huan-huan，GUAN Hong-zhi，QIN Huan-mei，et al. Study of Travel Mode Choice Behavior based on Disaggregate Model[J]. Journal of Wuhan University of Technology(Transportation Science and Engineering)，2010，34(5)：1000-1003.

[5] 张飞飞，刘蓓蓓，毕 军，等. 城市居民交通方式选择及其影响因素分析：以南京市为例[J]. 四川环境，2012，31(3)：132-138.ZHANG Fei-fei，LIU Bei-bei，BI Jun，et al. Traffic Alternatives for Urban Residents and Affecting Factors：A Case Study of Nanjing City[J]. Sichuan Environment，2012，31(3)：132-138.

[6] 张之虎，关宏志，秦焕美，等. 小汽车出行群体向公交出行转移的可行性研究[J]. 交通标准化，2014(17)：5-8.ZHANG Zhi-hu，GUAN Hong-zhi，QIN Huan-mei，et al. Feasibility Study of Car Owner Transferring to Bus Use[J].Transportation Standardization，2014(17)：5-8.

[7] 王文宪，倪少权，吕红霞，等. 基于非集计理论的高速铁路旅客乘车选择行为研究[J]. 交通运输系统工程与信息，2015，15(3)：13-18.WANG Wen-xian，NI Shao-quan，LU Hong-xia，et al.Boarding Choice for High-Speed Railway Passengers based on Disaggregate Theory[J]. Journal of Transportation Systems Engineering and Information Technology，2015，15(3)：13-18.

[8] 马书红，孙言涵. 交通政策对主卫城间多模式交通选择行为的影响及系统效益测算[J]. 长安大学学报 (社会科学版)，2015，17(4)：42-47.MA Shu-hong，SUN Yan-han. Influence of Transportation Policy on the Multi-Mode Transportation Choice Behavior between Megacity and Satellite City and the System Benefit Estimation[J]. Journal of Chang’an University(Social Science Edition)，2015，17(4)：42-47.

[9] 张 航，赵 鹏，乔 珂，等. 高速铁路旅客出行时间选择Logit模型与分析[J]. 铁道运输与经济，2017，39(1)：55-60.ZHANG Hang，ZHAO Peng，QIAO Ke，et al. Analysis on Logit Model of High-Speed Raitway Passengers’ Travel Time Choice[J]. Railway Transport and Economy，2017，39(1)：55-60.

[10] 贾洪飞，龚勃文，宗 方. 交通方式选择的非集计模型及其应用[J]. 吉林大学学报，2007，37(6)：1288-1293.JIA Hong-fei，GONG Bo-wen，ZONG Fang.Disaggregate Modeling of Traffic Mode Choice and Iits Application[J]. Journal of Jilin University，2007，37(6)：1288-1293.

[11] 薛 微. 基于 SPSS 的数据分析[M]. 北京：中国人民大学出版社，2006.

[12] KENNETH E. Train Discrete Choice Method with Simulation[M]. Cambridge：Cambridge University Press，2003.

[13] 杨 敏，陈学武，王 炜，等. 基于人口和土地利用的城市新区交通生成预测模型[J]. 东南大学学报 (自然科学版)，2005，35(5)：815-819.YANG Min，CHEN Xue-wu，WANG Wei，et al. Trip Generation Forecasting Model of New District based on Urban Population and Land Use[J]. University of Southeast University (Natural Science Edition)，2005，35(5)：815-819.