城市群跨城通勤交通方式选择影响因素研究

赖见辉, 吴小洁, 黄利华, 王春松, 王妍妍

(1.北京工业大学 城市建设学部, 北京 100124; 2.首都经济贸易大学 管理工程学院, 北京 100070;3.北京城建交通设计研究院有限公司, 北京 100050)

0 引言

跨城通勤是城市群发展的典型特征,通勤需求随着城市群发展成熟而增加. 跨城通勤决策是1个复杂的过程,传统研究认为该过程主要包括2阶段[1]：第1阶段是否要开展跨城通勤;第2阶段通勤模式选择. 目前国内外对第1阶段决策研究普遍认为影响是否要开展跨城通勤因素包括4方面：①工作机会,为追求更喜欢的工作或者高收入工作而选择跨城通勤;②生活成本,选择跨城通勤以利用较低的生活成本;③生活质量,为生活在1个气候更好、文化设施更多、或生活节奏更轻松的城市而选择跨城通勤;④家庭因素,为接近居住在不同城市家庭成员,如家庭中年幼子女或老人.

第2阶段跨城通勤模式选择,主要包括跨城通勤频率和交通方式. 目前研究主要针对交通方式选择,认为效用是主要决策驱动因素,即通勤者能选择其备选方案内效用最大的出行方案,以随机效用模型、多项式Logit模型、混合Logit模型等开展建模研究. 但跨城通勤过程具有时间连续性和前后因果性,如每日通勤者受居住位置、出行时间等约束,可选的交通方式往往较少,多方式之间的效用可比性较弱,而周通勤者也类似. 因此交通方式选择结果不仅受多方式间效用影响,可能更会受通勤频率影响,传统上基于效用理论的选择模型无法完全解释跨城通勤交通方式选择机理.

针对现状在跨城通勤交通方式选择研究存在的不足,本文从跨城通勤模式入手,探索“通勤者-通勤频率-交通方式”三者之间的作用关系.

1 研究方法

1.1 贝叶斯网络模型

贝叶斯网络模型(Bayesian network,BN)是1种基于概率论和图论挖掘变量之间依赖关系的方法[2]. 可从数据中挖掘和学习多个变量的相互联系,适用于处理变量之间存在不确定性关系的数据. 目前,该模型被广泛应用于出行行为选择[3]、公共交通满意度[4]、道路交通安全[5]等问题研究. BN公式见式(1)：

(1)

式中,P(Xi|Y)是已知事件Y发生时事件Xi发生的概率,根据链式法则,从X1到Xn的联合概率为：

(2)

式中,设S为网络结构;P为与每个变量相关的局部概率分布的集合;Xi为服务属性的可变节点;Parent(Xi)为在网络S中节点Xi的父节点.

1.2 BN学习

BN的学习包括结构和参数学习,本文结合专家经验和评分搜索法进行学习,首先计算节点与周通勤选择的互信息,确定节点顺序,然后按次序历遍每个节点,选择后验概率最大的作为父节点构建网络[6].

参数学习是在已知贝叶斯网络拓扑结构的情况下确定节点条件概率的过程. 本文使用最大似然估计法[7],通过比较样本和参数的似然度来计算节点的先验概率.

1.3 精度检验

本文使用ROC曲线(Receiver Operating Characteristic Curve)检验模型准确性,曲线越接近左上角,准确性越高.

1.4 敏感性测试

贝叶斯网络通过推理来量化测试各因素对选择结果的敏感性. 基于各变量状态概率的变化来估计结果变量的概率. 通过指定BN模型节点变量,不改变其他节点的状态分布概率条件,将指定节点某状态概率设为100%,计算该选择概率P,并与先验概率α比较,从而分析影响结果.

2 研究数据

2.1 数据统计

本研究针对在京工作京外居住的通勤者进行了问卷数据收集和分析. 调查于2022年3月通过线上和线下方式进行,首先向受访者解释城际通勤的概念,并确认他们属于跨城通勤者后才允许填写问卷. 共收回613份问卷,有效问卷550份.

已有研究表明,影响城际通勤意愿的因素主要包括个人特征(性别、年龄、职业等)、家庭特征(婚姻状态和家庭成员)[8]、交通设施[9]. 本研究将这些因素提取为自变量,以通勤模式、通勤方式和出发时间作为因变量,各指标的分布特征见表1.

表1 跨城通勤频率模式影响因素

2.2 信度与效度检验

2.2.1 信度检验

利用Cronbach’sα信度系数对问卷开展信度检验,结果如表2所示,个人特征、家庭特征和通勤距离的Cronbach’sα值均大于0.7,表明问卷结果真实性较高.

表2 信度检验结果

2.2.2 效度检验

利用KMO值和Bartlett球形检验值分析问卷的效度,结果如表3所示,KMO值=0.883,Bartlett球形检验值显著性<0.05,表明问卷具有较好的效度.

表3 KMO值和Bartlett球形检验值

2.3 城际通勤特征

2.3.1 职住空间

工作地在北京的城际通勤者主要来源于北三县和天津市,其次是保定、石家庄和唐山,如图1所示.

图1 北京城际通勤者居住地分布

城际通勤者在北京的工作地分布,主要在朝阳、大兴、东城等7个区,占总数的94.12%. 在朝阳和通州工作者日通勤比例比周通勤比例高16.69%,如图2所示. 随着通勤距离增加,周通勤者比例增加,日通勤者比例减少,如图3所示.

图2 北京城际通勤者工作地分布

图3 通勤距离分布

2.3.2 通勤出发时间

选择周一(06：00—08：00)和周日(06：00—08：00 15：00—20：00)出发的周通勤者分别占比为44.62%和42.23%(如图4、图5所示). 选择周五由工作地点返回居住地的周通勤者占比为70%.

图4 周通勤出发日期分布

图5 通勤出发时间

图6 通勤方式分布

2.3.3 交通方式

跨城通勤交通方式均以小汽车为主,但周通勤者使用比例略高于日通勤者. 使用公共汽车日通勤者比周通勤者高21.89%,使用火车或高铁周通勤者比日通勤高18.77%.

3 跨城通勤因果链分析

针对传统跨城通勤选择模型无法完全解释跨城通勤选择机理的问题,选择跨城通勤决策的第2阶段出发,探讨跨城通勤频率和通勤方式的选择决策过程. 研究表明个人、家庭因素和通勤距离等对跨城通勤频率和方式均有影响[10],但通勤频率和方式的相互关系尚不清晰.

贝叶斯网络使用概率分布表示变量之间的条件依赖关系,先验知识在这些概率分布中体现,表达变量的预期关系. 构建贝叶斯网络通常需要领域专家的参与,基于经验和知识确定相关变量和可能的因果关系,以构建准确的模型,深入研究跨城通勤的致因链. 因此本文使用先验知识假设通勤频率和通勤方式之间存在3种作用关系：①通勤频率单向影响通勤方式;②通勤方式单向影响通勤频率;③通勤频率和通勤方式相互影响. 分别构建BN模型,并称为模型1、模型2和模型3,探讨个人因素、家庭因素、通勤距离对两者的作用关系.

乡村旅游的特征之一，是其游客大多是周边城市的居民。他们选择的出行方式一般为自驾“一日游”，从而在短时间内会给村庄带来数量众多的私家车，由此产生了无处停车的问题，且出现外来车辆挤占道路影响村民正常出行的现象。对此大山村部分村民高价出售自家门前空地做停车位，这一行为对村庄的形象造成了不良影响。此外，公共厕所缺乏也不容忽视。

BN模型精度显示,模型1的AUC值最高,为0.85,模型3的精度最低,仅为0.58,如图7所示.

图7 模型AUC值

3个模型的BN网络结构如图8所示,粉色、蓝色椭圆分别表示个人、家庭因素,绿色椭圆为通勤距离. 整体而言,个人因素影响家庭因素,同时共同作用于通勤方式和频率.

图8 贝叶斯网络结构图

但模型之间存在一定差异. 模型1和模型2受假设条件影响,通勤方式和通勤频率的作用方向不同. 模型3无先验条件设定,通勤方式和通勤频率的作用方向与模型1相同,表明模型1关于假设条件是成立的. 此外,模型1和模型2中的通勤距离直接影响了通勤频率,该结论与刘吉祥等[11]的研究结果一致,而模型3中的通勤距离因素并未直接作用于通勤频率. 同时,仅模型1的收入直接影响了通勤方式,该结论与程龙[12]的研究结果一致.

综上所述,假设1通勤频率单向通勤方式(模型1)具有较好的稳定性,且结构更加合理. 因此,本文重点研究模型1.

4 跨城通勤频率推理分析

本文依据个体跨城通勤次数划分通勤频率,工作日每天跨城通勤称为日通勤,以周为单位开展跨城通勤称为周通勤,其他无固定时间的通勤不作本文研究对象. 因此,通勤频率是二分类变量,在研究过程中以“周通勤”为特征值开展建模.

依据北京跨城通勤者主要来源地,将样本划分为天津、北三县(燕郊、香河、大厂)、河北其他城市3份开展推理分析.

4.1 个人因素

个人因素对城际通勤者是否选择周通勤结果如表4所示.

表4 个人因素对周通勤选择的影响 %

表5 家庭因素对周通勤选择的影响 %

中年人更倾向于周通勤,尤其在河北其他地区,北三县影响最小. 因为中年人在公司中担任重要职位,难以承受长距离通勤,更愿意选择周通勤. 北三县地区通勤距离较短,因此主要采用日通勤. 女性更可能选择日通勤,因为女性在家庭中扮演照顾家庭和孩子的角色.

服务类职业的通勤者更倾向于周通勤,尤其在河北其他地区,天津增幅最小. 这表明服务类职业对通勤距离和时间更敏感,难以平衡通勤时间和成本,倾向于选择周通勤. 公司职工类职业的通勤者在天津选择周通勤的概率增加4%,而在北三县和河北其他地区下降3%. 这是因为北京的人口疏散政策导致一些企业职工在天津注册户口,但在北京工作,因此周通勤的概率增加. 高收入促进日通勤,抑制周通勤;中低收入与之相反.

4.2 家庭因素

有孩子的家庭选择周通勤的概率均减少. 表明有孩子者选择日通勤实现对家庭的照顾.

无小汽车的家庭在天津和河北其他地区选择周通勤的概率分别增加2%和4%,有小汽车的家庭分别减少3%和2%;而在北三县选择周通勤的概率减少1%. 表明家庭有小汽车可促进日通勤,抑制周通勤,但该趋势在北三县没有表现出来,可能原因是北三县的通勤主要是城市内的市区道路和县道,通勤行为与市内通勤行为更接近. 天津市和河北省高速公路和快速路良好,因此家庭有无小汽车对这两地的影响明显.

4.3 通勤距离因素

通勤距离越大,选择周通勤的概率增加越大,反之亦然,如表6所示. 跨城通勤者居住在天津时,距离大于140 km时,选择周通勤的概率增加19%;距离小于140 km时,选择日通勤的概率增加13%. 而北三县的敏感性较低,河北其他地区则最为弱. 这反映了交通基础设施对跨城通勤模式选择的影响,天津拥有火车站、高铁站和国际机场,天津与北京之间的交通联系更多样、便捷,而河北和北三县主要以市内交通为主.

表6 通勤距离因素对周通勤选择的影响 %

5 跨城通勤交通方式推理分析

个人因素对日通勤和周通勤的交通方式选择如表7、表8所示. 个人因素对周通勤的影响稍微大于对日通勤的影响,但概率变化值均较小. 年龄和性别对概率的影响微弱,这些因素通常反映了个体的基本生活模式特点,这些模式可能在周一的高峰和周日的平峰时间之间保持一致.

表7 个人因素对日通勤交通方式选择的影响 %

表8 个人因素对周通勤交通方式选择的影响 %

对于周一高峰时间出发的群体,低学历和低收入的通勤者,无论是日通勤还是周通勤,选择公共交通的概率都最多. 最大的不同之处在于高学历和高收入的日通勤者更倾向于选择火车或高铁,最多增加了3%;而高学历和高收入的周通勤者更愿意使用小汽车. 此外,服务类人员在周一高峰时间更倾向于使用公共交通. 低学历和低收入群体可能更注重成本效益,因此通常更倾向于选择公共交通. 高学历和高收入人群更有可能拥有小汽车,因此更倾向于使用小汽车进行周通勤. 此外,高学历和高收入人群可能更注重时间效率和出行速度. 日通勤者选择更快捷、稳定的火车或高铁,而周通勤者使用小汽车可更加灵活地规划行程.

对于周日平峰时间出发的群体来说,低学历和低收入的通勤者,无论是日通勤还是周通勤,选择公共交通的概率都最多增加了7%. 高学历和高收入的日通勤者选择小汽车和火车或高铁的概率增加最多;周通勤者更倾向于选择小汽车出行. 公司职员在周日平峰更倾向于选择公共交通;服务类人员和公司职工在选择日通勤与周通勤方式相反,可能更倾向于选择火车或高铁. 此外,选择共享出行方式和公司班车出行方式的通勤者在周和日通勤选择似乎具有一致性,但这两种通勤方式似乎更受日通勤者欢迎. 共享出行方式具有舒适、快捷的有点被选择,但因为其出行成本较高,因此,高收入群体更易选择. 公司班车因线路和站点设置被限制,但其线路绕行少,因此是那些居住距离远且换乘困难的员工的首选.

家庭因素对日通勤和周通勤的交通方式选择如表9所示. 家庭是否有孩子和老人对概率的影响较小. 家庭有小孩和老人者通常有更强的责任感和照顾需求,因此在不同出行时间时这些需求都存在.

表9 家庭因素对日/周通勤交通方式选择的影响 %

有小汽车的家庭更倾向于选择小汽车出行,概率增加最多10%;而没有小汽车的家庭更倾向于选择公共交通、火车或高铁出行. 此外,家庭有小汽车日和周通勤者几乎不会选择共享出行方式和网约车,概率变化在1%以内. 这表明家庭是否拥有小汽车直接影响了出行的选择.

通勤距离对日通勤和周通勤交通方式选择结果分别如表10所示. 距离越长,日通勤和周通勤对交通方式的选择差异越大,对火车和高铁的需求也更大.

表10 通勤距离因素对日/周通勤交通方式选择的影响 %

通勤距离小于70 km时,周日平峰时间出发的日通勤和周通勤群体选择小汽车的概率增加最多. 周一高峰和周日平峰时间出发的群体选择公共交通的概率均在增加,而选择火车或高铁的群体均在减少. 在较短的距离下,周日平峰时间出发的通勤者更可能会选择小汽车,以避免拥堵和节省时间.

通勤距离大于140 km时,周日平峰出发的日通勤群体选择小汽车的概率增加最多. 周一高峰和周日平峰出发的日通勤选择火车或高铁的均在增加. 然而,周通勤群体对交通方式的选择存在差异. 通勤距离为70～140 km时,选择公共交通的概率在增加. 当通勤距离大于140 km时,选择公共交通的概率急剧下降,选择火车或高铁的概率急剧增加,尤其是周日平峰出发的群体这种现象更加明显. 通勤距离为70～140 km时,选择公共交通便利和经济实惠. 但当通勤距离大于140 km时,火车或高铁等更快速且舒适优势突显. 此外,选择共享出行方式的概率随着距离的增加而减少,而公司班车的趋势与之相反. 这种现象可能受交通和时间成本的影响,以及人们绿色出行的意识增强.

6 结论

1)通勤频率对通勤方式的选择有单向影响,形成了因果链. 这为建立贝叶斯网络结构图提供了依据,深入探讨了城市间跨城通勤的因果链.

2)性别和学历几乎不影响选择. 中年人更倾向于选择周通勤,而服务类职业的城际通勤者也更倾向于周通勤. 高收入水平促进日通勤,抑制周通勤,而低收入水平则反之. 家庭中有孩子或拥有小汽车的城际通勤者更可能选择日通勤. 通勤距离较远的情况下,周通勤的选择概率增加,而距离较近时,日通勤的选择概率增加.

3)年龄和性别对通勤方式选择影响不大,而收入水平和学历对选择有显著影响. 家庭中有小汽车的周通勤者更可能选择小汽车,没有小汽车则更可能选择公共交通、火车或高铁. 通勤距离对周通勤者出发时间选择具有较高敏感性. 通勤距离越远,选择周日平峰出发概率越大;通勤距离越近,选择周一高峰出发概率越大.

为了更好地解决城际交通问题,结合城市可持续发展,提出以下建议. ①考虑家庭异质性,可实施弹性工作时间制度,以满足员工平衡家庭和工作的需求,尤其是需要照顾小孩的女性员工,以确保其在保证工作质量的前提下有更大的灵活性来照顾家庭;②提高城际交通方式换乘效率,做好公共交通与高铁/火车、非机动车之间的换乘,可减少通勤时间,提高公共交通的使用率. 此外,简化票价结构并引入一卡通系统,以降低通勤者的成本和时间. 这可减少购票和验证的步骤,提高换乘的效率;③可考虑将一卡通系统应用到高铁、火车,使出行不限制于固定的运行时间,可实现高铁/火车像地铁出行一样随时随地;④鼓励企业实施弹性工作时间表,允许员工在不同的时间段上下班,以分散高峰时段的通勤压力,旨在将日通勤和周通勤的出行需求有效分离.