大城市夜间公交出行状况与选择因素分析

周易敏 韩宝睿 简玉成 何丽丽

摘  要：为了解大城市夜间公共交通运营状况以及乘客的潜在需求，文章通过SP & RP问卷调查形式对交通客流展开研究。首先，文章分析了南京两条代表性公交线路夜间客流在时间和空间上的分布情况，在时间上，夜间客流明显低于日间客流，并且随着时间的推移没有产生较大的变化，但是会在22：00之后明显减少;在空间上，客流随着距离市中心的距离逐渐递减，并且越靠近地铁线路客流越少。其次，通过网络及现场问卷，发现了城市夜间出行人群构成以及出行频率的特征。最后，利用二项Logit离散选择模型分析夜间出行是否选择夜间公交的主要影响因素，结果发现选择公交的可能性与候车时间、夜间出行频率以及夜间公交的准时性、安全性高度相关。

关键词：夜间公交;出行需求;客流分布;离散选择模型

中图分类号：F570    文献标识码：A

Abstract： In order to understand the operation status of night public transport in big cities and the potential demand of passengers， this study carried out the research through SP & RP questionnaire survey and traffic passenger flow survey. Firstly， the paper analyzes the temporal and spatial distribution of the night passenger flow of two representative bus lines in Nanjing. In terms of time， the night passenger flow is significantly lower than the day passenger flow， and there is no significant change with the passage of time， but it will decrease significantly after 22：00; In space， the passenger flow decreases with the distance from the city center， and the closer to the subway line， the less the passenger flow. Secondly， through the network and on-site questionnaire， we found the characteristics of the composition of the urban night travel crowd and travel frequency. Finally， this paper uses binomial logit discrete choice model to analyze the main influencing factors of whether to choose night bus for night travel. The results show that the possibility of choosing night bus is highly related to waiting time， night travel frequency， punctuality and safety of night bus.

Key words： night bus; travel demand; passenger flow distribution; discrete choice model

0  引  言

近年来，随着城市经济的进一步繁荣，尤其是夜间经济的兴起，公共交通系统在每日的常规运营时间可以有效保障数以万计的出行需求，但却往往忽视了非常规运营时间数量级依然庞大的出行需求，例如夜间出行。大城市夜间需求不断增长，但是夜间公交却可能存在客流稀疏的现象。据相关社会调查反映，上海存在一些公交夜宵线近几年客流稀少的现象[1]。同时，由于居民在夜间的出行随机性较大，需求分布较分散，常规夜间公交按照固定线路运行，运营过程中实载率低，导致经营效益低，这带给了公交企业很大的成本压力。严重影响了公交企业发展夜间公交的积极性。

云美萍等[2]利用非集计分析和统计分析的方法研究公共交通服务质量对居民出行方式选择的影响，建立多项Logistic（MNL）模型，分析各个时间影响居民出行方式选择行为的影响因素，结论分析得出，原本较差的服务质量指标在改善的过程中不是出行方式选择行为的主要影响因素，而原本较好的服务质量指标会在指标恶化的过程中成为影响出行方式选择的主要因素。尔加马力·安尼瓦等[3]基于Logistic模型分析乌鲁木齐市居民定制公交出行意愿的影响因素。结果说明，票价、是否有座、中途停车次数、出行距离均会对定制公交出行意愿产生显著影响。Gunina Carlsson[4]研究了影响公交出行链的因素，验证了不同出行个体的公交出行链结构存在显著差异。Zhang等[5]基于SP調查数据分析公共交通出行方式选择行为，对缅甸仰光的新型公交系统进行了研究，提出了缓解当前和未来潜在交通问题的相关措施。

本文中，为了研究夜间居民是否选择公交作为出行方式的二项选择问题，所以采用离散选择模型作为主要的研究方式。离散选择模型在国外发展成熟运用广泛，但是在中国离散选择模型还有待进一步深入，在应用的类型方面还需要拓展。我国在离散选择模型运用方面还存在一些不足，其中较为重要的是在调查问卷的设计方法。目前在SP调查问卷实验设计方法上主要采用了随机部分因子设计法，该方法会造成选择枝属性之间存在相关性，而降低调查数据质量，导致模型参数估计误差。Hensher和Rose[6]研究指出在交通出行选择行为分析中数据质量至关重要性。Train与Wilson[7]指出要提高调查数据的质量就必须保证SP调查问卷内容的真实性。本文将考虑多个方面的影响因素，利用二项Logit模型对调查的数据进行详细的分析，得出各种影响因素的影响方式与影响强度，利用影响强大的因素进行是否选择夜间公交的预测模型中，并考察其估计的准确度。

1  城市夜间公交客流分析

城市的发展规模、人口分布以及经济状况等不同，决定了不同区域的公共交通发展水平大不相同。对于中小型城市而言，晚间19点后的公交线路即为夜间公交，但又不属于完全意义上的夜间公交，一般为日间公交延时运行至次日0点前。而对于大型城市日间公交大多运行至夜间23点左右，转而由夜间公交运行。所以，本文主要针对晚上19：00至23：00之间的夜间公交进行调查，用来分析居民夜间出行的现状。

本文通过调查了东西走向的16路与南北走向的10路在13：00～17：00与19：00～23：00之间的上下客流数来了解夜间公交与日间公交的区别性。首先13：00～17：00与19：00～23：00的总客流数分别为1 663人和518人，可以明显的看出夜间公交客流只有日间客流的三分之一，产生这种现象的主要原因之一是由于夜间公交相对于日间公交的发车间隔有所增加，由15～20分钟更改为20～30分钟。图1为13：00～17：00与19：00～23：00两个时间段内对16路和10路公交车进行的跟车调查的上下客流量，从图1中可以看出，日间的上客数多于下客数或上客数小于下客数的站点，夜间的上下客流数都会呈现与之相同的趋势，并且他们都有在新街口、珠江路等市商业中心上车，在住宅区下车的规律。并且由于10路线与地铁1号线存在较高的重合率，靠近地铁线路的公交站点客流明显低于远离地铁站点的公交站点客流，由此可以得出地铁对夜间公交的客流情况有较大的影响[8]。

图2是通过百度地图对新街口地区分别从19：00、19：30、20：00、20：30、21：00、21：30、22：00、22：30八个时间点进行截图保存的热力图。夜间出行的活跃程度主要是一座城市经济是否繁荣的侧证，越是发达的地区夜间出行也就更为活跃[9]，相关数据显示，一线城市夜间出行具有明显的双高峰，除18：00左右的晚高峰，还存在21：00～22：00的夜高峰，而二线城市和三线城市，虽有明显的晚高峰，但22：00之前的各段出行量都保持在较高的水平。南京作为二线城市，从图2热力图可以看出，随着时间的变化，人流集散的区域面积逐渐减少，从大面积的集散区域逐渐变为小面积的集散点。到22：00时，新街口区域基本没有人流集散，说明夜间客流随着时间的变化，人流慢慢地从繁华的市中心向外逐渐递减，但是由于市中心22：00左右商场等娱乐场所都开始关门停业，导致22：00以后的人流开始快速减少，图2热力图在小区附近呈现点状分布。

2  大城市夜间公交出行行为调查

有相关数据显示，20～30岁和30～40岁两个年龄段的消费者是夜间消费的主力，活跃消费者占比高达88.46%。同时，20岁以下年龄段的活跃消费者占比3.52%，显著高于50岁以上年龄段活跃消费者比例（0.75%）。为此本文以18～45岁年龄段为主要研究对象。

本文的数据主要以问卷的形式收集得到，共收集了212份问卷，其中184份问卷是通过网上随机发放调查得到，另外28份是通过新街口的夜间公交驻站调查时现场发放问卷得到。有效问卷有188份，问卷的有效回收率为88.7%。样本的各基础特征分布情况如表1所示。

2.1  描述性统计分析

为了了解城市居民19：00以后的夜间出行方式。将夜间出行的几个主要的出行方式：公交车、地铁、私家车、网约车、出租车这五种出行方式做了出行意愿的排序，并且按照职业性质和出行目的进行交叉统计[10]。统计结果如表2所示，从职业性质来看，经常加夜班的公交车排序为4，很少加夜班与不上夜班的公交车排序为2，所以夜间公交并不是经常加夜班人群的较优选择，他们更愿意选择地铁、出租车和网约车，并且无论他们的职业性质是什么，地铁都是他们的第一选择。从出行目的来看，上下班和其他的公交车排序为2，购物看病、娱乐聚会、接送亲友的公交车排序为4，同样，无论什么出行目的，地铁排序都为1。从整体来看，发现地铁以准时安全取得最多乘客的青睐，网约车以方便快捷的优点成为多数乘客喜欢的出行方式，公交车则以亲民的价格获得乘客的喜爱。以此反映了地铁、公交车和网约车是人们最常用的夜间出行的交通方式。同时，公交车的标准差相对较小，样本数据的离散程度较低。所以说，对于夜间20：00以后出行的城市居民，夜间公交还是具有一定优势的。

2.2  数据检验

考虑一个人的职业性质和他的年龄对他夜间出行的频率是否有显著性差异，对数据做了单因素方差分析，结果如表3和表4所示，表3中的数据p值为0.054>0.05，因此职业性质夜间出行的频率不具有显著差异。

2.3  主因素分析

影响城市夜间公交乘坐率的原因有很多，比如站台等待的时间太长、到达站台的步行时间太长、换乘困难、不能准时等原因，区别于日间公交，安全问题也是夜間公交当下一个重要的问题，所以在本文中将上下车的路途安全问题，简称车下安全问题也考虑在内。为了能够更好地了解影响夜间公交乘坐率的主要因素，对数据进行了主成分分析，得出站台等待时间太长、到达站台的步行时间太长、换乘困难和车下步行不安全为主要的影响夜间公交乘坐率的因素[11]。因此针对这四个因素，在问卷中对他们进行了排序处理，对样本容量进行了t检验，数据处理结果如表4所示，t检验的显著性水平p值<0.05，说明这四类问题对夜间公交乘坐率的影响具有显著性差异，另外通过他们的排序平均值可以看出，站台等待时间太长与到站台的步行时间太长是其中最为显著的因素。由此得出，减少步行时间与缩短等车时间是增加夜间公交竞争力的最为关键的两点。

为了更好地了解城市居民最容易接受的步行时间与等车时间，对城市居民分别作了最近一次夜间公交出行经历，结果统计分析见表5。小于10分钟的步行时间与小于15分钟的站台等待时间是最易被城市居民接受的时间长度。

3  模型建立

采用二项Logit模型定量分析南京市19：00～23：00之间的出行方式选择行为。二项Logit模型基于随机效应理论和效应最大化原理的假设，其形式如下：

Pi=                                          （1）

式中：Pi为选择第ii=0，1种出行方式的概率;VX为选择第ii=0，1种出行方式的效用函数;n为出行方式的个数。

本研究中有两种出行方式，i=1表示选择夜间公交车出行，i=0表示未选择夜间公交出行。将未选择公交车出行作为基本选择项，效用方程值为0。将出行者个人属性设置为哑变量（或称虚拟变量0～1变量）、站台等待时间、步行至站台时间、夜间出行频率、是否有其他交通工具、夜间公交存在的问题作为解释变量置入夜间公交效用方程。其中，认为夜间公交的问题为安全问题的哑变量S置为1，无该问题的哑变量置为0;认为夜间公交的问题为不能准时的哑变量D置為1，无该问题的哑变量置为0;认为夜间公交的问题为换乘困难的哑变量H置为1，无该问题的哑变量置为0;有私人出行工具的哑变量C置为1，无私人出行工具的哑变量置为0，依此类推。

模型估计结果如表6所示，利用卡方检验估计结果，采用95%的置信度，其中，职业性质、出行目的等变量结果不显著，没有进入模型。决定系数Nagelkerke R Square为0.312>0.3，说明模型的精度较高。可以使用该模型来分析影响夜间公交出行的因素。

根据表6得到选择夜间公交出行的效用函数为：

V=-2.796-0.365P-0.111T-0.014T+0.283C+1.184H+0.616D+0.302S                         （2）

根据模型的系数进行分析：

（1）夜间公交存在的问题。系数都为正，说明出行者认为夜间公交存在不能准时、换乘困难和安全问题时都不愿意选择夜间公交出行。也就是说，提高夜间公交的竞争力，首先需要改善这些问题。

（2）是否有私人出行工具。系数为正，说明拥有私人出行工具的人更不愿意选择夜间公交车出行。这可能是出于安全、准时、方便等原因，夜间出行者更愿意使用小汽车或电动车出行。

（3）站台等待时间、步行至站台时间。系数为负，说明站台等待时间和步行至站台时间越长，出行者越更不愿意选择夜间公交出行，这符合经验判断。

（4）夜间出行频率。系数为负，说明夜间出行频率越高的人越不愿意选择夜间公交出行。通过使用卡方检验来验证夜间出行频率与是否拥有私人出行工具之间的相关性，显著性水平<0.001，说明夜间出行频率高的人，拥有私人出行工具的可能性越大，这也可以合理地解释为什么夜间出行频率越高的人反而不愿意选择夜间公交。

4  结论与展望

本文首先通过跟车调查南京市的两条公交线路得出南京公交的上下客流特征，然后对南京市夜间出行者是否选择公交作为出行方式进行了调查，建立了考虑公交存在的问题、站台等待与步行至站台时间、夜间出行频率的二项Logit模型。此次模型中置入了出行者的实际行为变量，使建立的模型更合理，精度更高。结果显示：（1）夜间公交随着时间的变化客流逐渐减少，并且减少速度逐渐增快，同时越靠近地铁站点，夜间公交的乘坐率越低;（2）认为夜间公交存在问题越多的人越不愿意使用夜间公交;（3）上车前消耗时间越短的人更愿意选择夜间公交;（4）夜间出行频率越高的人越不愿意选择夜间公交。同时，证实了有效地缩短上车前消耗时间，解决换乘困难与公交准时性的问题可以增强夜间公交的市场竞争力，引导更多的人选择夜间公交出行。进一步的研究需要综合考虑其他交通方式对夜间公交产生的影响。

参考文献：

[1] 黄凰. 基于需求的上海市夜间公交线路评估与优化[C] // 创新驱动与智慧发展——2018年中国城市交通规划年会论文集. 中国城市规划学会城市交通规划学术委员会，中国城市规划设计研究院城市交通专业研究院，2018：1823-1835.

[2] 云美萍，刘广洋，刘芳. 公交服务质量变化对出行方式选择行为的影响[J]. 中国公路报，2017，30（7）：119-125.

[3] 奴尔加马力·安尼瓦，王令飞，艾力·斯木吐拉. 基于Logistic模型的定制公交出行选择影响因素研究——以乌鲁木齐市为例[J]. 公路与汽运，2019（6）：23-25，29.

[4]  Carlsson G. Travelling by urban public transport： exploration of usability problems in a travel chain perspective[J]. Scandinavian Journal of Occupational Therapy， 2004，1（2）：78-89.

[5]  ZHANG J Y， 1FUJIWAKA A， THEIN S. Capturing Travelers' Stated Mode Choice Preferences Under Influence of Income in Yangon City， Myanmar[J]. Journal of Transportation Systerns Engineering and Information Technology， 2008，8（4）：49-62.

[6]  Hensher D A， Rose J M. Development of commuter and non-commuter mode choice models for the assessment of new public transport infrastructure projects： a case study[J]. Transport Res A-Policy Pract， 2007，41（5）：428-433.

[7]  Train K， Wilson W W. Estimation on stated-preference experiments constructed from revealed-preference choices[J]. Transport Res B-Method， 2008，42（3）：191-203.

[8] 孙亦凡，干宏程. 多交通方式实时信息影响下的通勤者出行行为[J]. 上海理工大学学报，2018，40（6）：595-600.

[9] 姚恩建，马斯玮，向镇，等. 面向铁路夜间乘客疏散的定制公交线路优化[J]. 北京交通大学学报，2021，45（1）：78-84.

[10] 涂强，翁剑成，袁荣亮，等. 基于出行问卷与多模式公交刷卡数据匹配的公交调价影响分析[J]. 交通工程，2017，17（4）：49-55.

[11] 费瑞阳，邬岚，栾开元，等. 基于信令数据的中小城市公交线网优化方法[J]. 物流科技，2021，44（3）：75-81.