基于Logistic 回归模型的居民出行方式影响因素分析＊

梁文博，刘 晨，王艳玲

（1.北京交通发展研究院，北京 110106；2.北京城市学院，北京 101399）

近年来，私人交通出行持续增加，机动化交通需求不断增长与道路空间资源短缺的矛盾日益突出。通过分析出行者的选择行为及其影响因素从而提出交通发展政策建议是国内外学者关注的重点。袁亮和吴佩勋（2018）[1]基于江苏省居民进行网约车、出租车选择意愿相关调查，分析得到出行者个体特征、出行价格等对于出行方式选择有显著影响。陈佩虹和史明鑫（2019）[2]选择3 个P+R 停车场作为研究对象，分析了学历、职业、停车费对于选择P+R 的影响，提出了针对P+R 停车场改进的相关建议。韩志玲等（2018）[3]研究了雪天商务出行或休闲出行的出行方式选择行为，分析得到出行方式选择的影响因素及影响程度。Joseph F.Wyer（2018）[4]根据出行者的出行数据建立ECL 模型，分析出行方式复杂程度对出行方式的影响程度，验证了交通方式复杂程度的增加会使出行者向汽车转移。Nishant Singh 等（2018）[5]利用印度坎普尔市的数据探究学童上学的交通方式选择，发现公交系统的缺乏等原因导致学童对于小汽车以及其他机动车出行较为依赖。

传统的出行行为研究主要集中在因素对于出行者行为的影响程度分析，利用多项Logistic 回归模型结果分析单一因素或特定情境下的方式选择行为变化。本文侧重于研究多因素协同作用下的居民出行选择行为，通过建立多项Logistic 回归模型分析对出行者选择交通方式具有显著影响的因素，定量显示各影响因素的影响程度大小以及各类出行者的选择意向变化率。通过计算各类人群的交通方式选择概率，从而根据交通环境制定更有针对性的交通供给与管理措施。

一、数据收集与统计

以北京市驾驶员为研究对象，通过不同情境下出行者出行方式的选择行为结果，研究各因素对居民出行方式选择的影响。影响因素包含两类：一类是出行者个人属性因素；另一类是交通出行与供给因素。

（一）数据收集

以北京市驾驶员为研究对象，选取路侧停车位、路外公共停车场、公建配建地面停车场、公建配建地下停车场等多种类型区域进行随机抽样问卷调查，回收有效样本4 800 份。

（二）个人属性调查统计

个人基本属性调查主要包括：性别、年龄、月收入、职业、家庭人员数量、家庭是否有儿童、家庭拥有小汽车数量等。

（三）交通与出行因素影响下的出行方式选择概率统计

综合考虑出行时耗及出行花费两方面的影响。设定出行距离为15 公里，出行方式为小汽车、出租车以及公交车三种。假设三种出行方式的费用及时间花费分别为15 元、30 分钟，50 元、30 分钟以及4元、60 分钟。根据目的地停车便捷性以及公交运行速度的不同，共设置24 种出行情景，如图1 所示。每种情景下三种出行方式的选择概率根据4 800 份样本统计出。

图1 出行情景设置

二、多项Logistic 回归模型分析

当因变量为多分类变量时，应采用多项Logistic回归模型，分析某一个选择方案发生的概率P 与影响因素之间的关系。其模型表达式为：

式（1）中Pj为被解释变量为j 类的概率，PJ为被解释变量为第J（j≠J）类的概率；xm为分自变量，m 为哑变量标号，取值为（1，2，…，M）；αj为截距项；βjm为回归系数。以公交车出行作为参照类，可得到2 个广义Logistic 回归模型：

其中P1、P2、P3分别为出行方式选择小汽车、出租、公交车的概率；xM为出行方式影响因素。选择概率计算如下[6]：

1）参照类：

2）其他类别：

式（6）中Pj为除参考项以外的选择方案的概率。

三、影响因素显著性分析

建立模型前，需对数据进行相关性分析，筛选对居民选择行为有显著影响的因素作为特征变量带入模型。采用皮尔森相关模型，计算各因素与出行方式选择结果的相关性，如表1 所示。

根据表1，交通因素中的停车后步行距离、公交运行时间、停车收费价格、停车时长以及个人属性中的月收入、年龄、家庭人员数、家庭小汽车数量对出行方式选择影响显著。

进一步验证个人属性间的相对独立性，将月收入、年龄、家庭人员数以及家庭小汽车数量4 个变量进行共线性检验，根据结果，家庭人员数量与家庭车辆数及月收入均存在显著线性相关性，所以将该变量剔除。选择年龄、月收入及家庭车辆数作为特征变量代入方程。

四、模型标定结果分析

表2 为显著性检验结果，当显著性小于0.05，通过检验。该模型显著性小于0.05，说明解释变量全体与广义logitP 之间线性关系显著，模型选择正确。

表2 模型拟合信息

表3 给出模型引入各变量后似然比卡方值变化的情况。根据显著性值可知，7 个自变量显著性均＜0.05，拒绝回归系数为0 的假设，认为自变量对Logistic 回归模型的线性贡献显著，通过检验。

表3 似然比检验

表4 为第一部分小汽车与公交车两种出行方式的对比分析。结果显示：年龄对小汽车与公交车两种方式之间的选择变化影响不显著，停车后步行距离、公交运行时间、停车收费标准、停车时长、月收入以及家庭车辆数均对出行方式选择影响显著。进一步分析各特征变量对出行方式选择的影响程度。

表4 模型标定结果（小汽车与公交车）

1.停车后步行距离影响。其回归系数估计值（B）为正值，表明停车后步行距离0 的出行者较步行距离10 分钟的出行者更倾向于选择小汽车出行。当除停车后步行距离外其他因素相同时，停车后步行距离0 分钟的自然对数比停车后步行距离10 分钟（参照类）平均增加0.714 个单位，前者选择小汽车出行的概率比率是后者的2.043 倍。居民出行对于小汽车的依赖程度与目的地泊位供给水平关系显著。

2.公交运行时间影响。公交运行时间60 分钟选择小汽车出行的概率比率是公交运行时间30 分钟（参照类）的0.425 倍。提高公交运行水平对于促进居民从小汽车方式向公共交通方式转移具有显著效果。

3.停车收费标准影响。停车免费、停车收费5元/小时、停车收费10 元/小时三种收费标准下的概率比率分别是停车收费15 元每小时的25.938倍、4.953 倍和1.645 倍，随着停车收费标准的增加，概率比率显著下降。提高停车收费标准是控制小汽车出行的有效手段。

4.停车时长影响。在相同的收费标准情况下，长时停车出行者选择小汽车出行的概率比率是短时停车的0.310 倍。长时间停车的出行者对于停车收费价格的敏感程度更高。

5.个人基本属性影响。月收入3 000 元以下的概率比率仅为月收入20 000 元以上的0.366 倍，但当月收入超过10 000 元时，参数显著水平＞0.05，意味着当居民收入超过10 000 元以后，收入的增加对于出行方式选择的影响程度不显著。家庭车辆数为0 辆的概率比率仅为家庭车辆数为3 辆及以上的0.051 倍，对小汽车的依赖程度差距显著。随着家庭车辆数的增加，概率比率同时增加，但拥有1 辆小汽车和拥有2 辆小汽车的家庭对于小汽车出行的意愿程度差距不大。

同理，将第二部分出租车与公交车两种出行方式进行对比分析。结果显示：停车后步行距离及家庭车辆数对出租车和公交车两种出行方式间选择无显著影响，年龄对两种出行方式选择有显著影响。与第一部分结果相比，停车收费标准以及停车时长的影响显著降低。Logistic 回归模型样本预测的混淆矩阵如表5 所示，模型精度较高，可较好反映特征变量对居民出行方式选择的影响。

表5 分类预测值分布统计表

利用该模型可对每个出行者的出行方式选择概率进行预测。以年龄在30～40 岁之间，月收入在10 001 元～20 000 元之间，家庭有1 辆小汽车的出行者为例，计算该出行者短时停车且目的地泊位充足，停车免费，公交运行时间为60 分钟情况下小汽车、出租车、公交车三种出行方式选择概率分别为90%、8%、2%。若目的地泊位不足，需要步行10 分钟，公交车运行时间变为30 分钟且停车花费为10 元/ 小时的情况下，该出行者三种出行方式的选择概率分别为18%、48%和34%。该出行者在两种情景下选择小汽车出行的概率由90%下降至18%，说明改变交通供给水平对居民出行方式选择意向具有显著影响。

同理，可以计算改变各个交通供给条件下对于不同类型出行者的影响程度，从而根据交通发展条件以及出行者类型制定更有针对性的交通改善措施。

五、结论

第一，多项Logistic 回归模型可全面反映特征变量对于出行方式选择的影响。

第二，通过对特征变量影响程度的对比分析可知，“停车收费”、“家庭小汽车数量”对居民出行方式选择影响程度最高。对交通资源供给不足的区域或城市，合理提高停车收费标准及限制购买是控制私家车使用、缓解道路拥堵的有效手段。

第三，目的地泊位供给充足且停车免费的情况下，大部分拥有私家车的出行者选择小汽车出行的概率超过90%。结合区域停车泊位供给水平研究制定详细的停车收费价格体系可有效缓解区域交通供需矛盾。

第四，与短时间停车的出行者相比，长时间停车的出行者对停车收费价格敏感性更强。对办公、居住等人口较集中的区域，通过调节停车收费价格，制定不同类型停车场的差异化收费标准可有效提高停车资源利用效率。

第五，停车泊位不充足的区域，提高公交服务水平可有效促进居民从小汽车向公共交通转移，以优化区域居民出行结构。

第六，多项Logistic 回归模型可预测各类出行者在不同交通供给条件下的出行方式选择概率。通过改变出行时间、费用等因素可实现区域交通供需平衡。