景鵬 雋志才 賈玲玉

摘 要：本文采用均勻設(shè)計(jì)的方法設(shè)計(jì)了關(guān)于出行方式選擇的SP調(diào)查方案，考慮到影響因素隨出行者和出行方式的變化有所差異，建立以不同出行方式為效用基礎(chǔ)項(xiàng)的條件logit模型，驗(yàn)證了模型的有效性并對模型進(jìn)行了標(biāo)定，從多個(gè)角度對模型標(biāo)定結(jié)果進(jìn)行了分析。最后計(jì)算了各種出行方式對于各種因素的彈性值，分析了方式選擇概率對于各種影響因素的敏感性。研究表明，小汽車出行方式對各種影響因素的敏感性較高，證明了從交通需求管理政策入手引導(dǎo)出行者從小汽車轉(zhuǎn)向其他出行方式的可行性。

關(guān)鍵詞：均勻設(shè)計(jì)；SP調(diào)查；出行方式選擇

中圖分類號：U491 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1003-5192(2012)04-0075-06

Modeling and Sensitivity Analysis of Travel Choice Based onUniform Design and SP SurveyJING Peng1,2, JUAN Zhi-cai1, JIA Ling-yu3

(1.Antai College of Economics & Management, Shanghai Jiaotong University, Shanghai 200052, China; 2.School of Automobile and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China; 3.School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China)

Abstract:This paper designed the SP survey constructed with uniform design method. Considering the factors that may be differented with the travelers and travel mode, the Logit model for two types basic utility of travel choice was established. The Logit model was verified and calibrated. Afterward, the calibration results of the model are analyzed from various aspects. Finally, the elasticity values for a variety of factors were analyzed the sensitivity of travel choice probabilities. Research shows that the sensitivity of using car for various factors affected is higher. The result proved that it is feasible to guide travelers to choose other travel modes instead of driving cars by the traffic demand management policies.

Key words:uniform design; SP survey; travel mode choice

1 引言

為了調(diào)節(jié)交通系統(tǒng)的供需平衡，解決日益嚴(yán)重的交通擁擠和由此引發(fā)的環(huán)境污染等問題，交通領(lǐng)域的學(xué)者提出了交通需求管理的概念，其核心就是要通過誘導(dǎo)人們的出行來緩解交通擁擠［1］。主要內(nèi)容包括：優(yōu)化交通結(jié)構(gòu)，大力發(fā)展公交；實(shí)施交通一體化政策，實(shí)現(xiàn)各種交通方式的綜合運(yùn)用；進(jìn)行時(shí)間和空間上的交通調(diào)控等。因而，交通方式劃分及與之相應(yīng)的出行方式選擇模型的研究成為需求管理策略主要研究方向之一。但由于出行方式選擇涉及的因素多，加之出行者的習(xí)慣、喜好等難以測定的因素的存在，傳統(tǒng)的集計(jì)建模方法難以準(zhǔn)確描述出行者對出行方式選擇的過程［2］。非集計(jì)分析以實(shí)際產(chǎn)生出行活動(dòng)的個(gè)人為單位，對調(diào)查得到的數(shù)據(jù)不進(jìn)行任何統(tǒng)計(jì)處理而直接用于建立模型［3］。因此，根據(jù)出行者社會(huì)經(jīng)濟(jì)屬性、出行屬性，建立出行者交通方式選擇模型，利用模型對出行者出行方式選擇行為進(jìn)行分析，有助于理解其行為準(zhǔn)則，并通過科學(xué)地制定交通需求管理政策，引導(dǎo)和調(diào)控出行者出行方式選擇行為，從而到達(dá)緩解城市交通擁堵的目的?？紤]到通勤活動(dòng)的方式選擇相對穩(wěn)定，本文主要針對出行者通勤活動(dòng)的選擇方式進(jìn)行研究。

2. 調(diào)查方法

2.1 SP調(diào)查

非集計(jì)模型的調(diào)查可以分為RP（Revealed Preference）調(diào)查和SP（Stated Preferene）調(diào)查兩種。RP調(diào)查指的是已完成的選擇性行為調(diào)查，SP調(diào)查為在假設(shè)條件下選擇主體的選擇意向調(diào)查［4］。SP數(shù)據(jù)與RP數(shù)據(jù)相比有可操作性高、數(shù)據(jù)誤差可調(diào)、選擇方案集合明確等優(yōu)點(diǎn)，但也存在可靠性較低的不足。在保證一定精度的前提下，最大限度地精簡調(diào)查表中被調(diào)查者的判斷次數(shù)，提高交通SP調(diào)查的工作效率和結(jié)果準(zhǔn)確程度，進(jìn)而保證模型的精度，成為交通SP調(diào)查表設(shè)計(jì)時(shí)最為關(guān)心的問題。

2.2 均勻設(shè)計(jì)

通過調(diào)查數(shù)據(jù)是否能夠較為精確地建立出行行為模型取決于SP調(diào)查情境的設(shè)計(jì)。為解決設(shè)計(jì)過程中存在的矛盾，通常采用全面設(shè)計(jì)和正交設(shè)計(jì)兩種試驗(yàn)設(shè)計(jì)方法［5］。均勻設(shè)計(jì)方法是在正交設(shè)計(jì)基本思想的基礎(chǔ)上發(fā)展而來的［6］。它同正交設(shè)計(jì)方法的主要區(qū)別在于不考慮試驗(yàn)點(diǎn)整齊可比的特點(diǎn)，只是讓試驗(yàn)點(diǎn)在試驗(yàn)范圍內(nèi)充分“均勻分散”。因此，所需要的試驗(yàn)點(diǎn)數(shù)目較少，能很好地彌補(bǔ)正交設(shè)計(jì)的不足。

交通SP調(diào)查本質(zhì)上是一種心理學(xué)實(shí)驗(yàn)，均衡考慮實(shí)驗(yàn)的復(fù)雜性和擬獲得數(shù)據(jù)的可靠性，選擇5因素5水平的均勻設(shè)計(jì)實(shí)驗(yàn)方案，通過DPS軟件以中心化L2-偏差為優(yōu)化指標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)，得到中心化L2-偏差值為0.0611的均勻設(shè)計(jì)規(guī)格化表。本次交通SP調(diào)查主要是考察在不同情境下出行者對于小汽車和公共汽車兩種交通方式的選擇行為。結(jié)合5因素5水平的均勻設(shè)計(jì)規(guī)格化表，得到關(guān)于小汽車和公交選擇影響因素實(shí)驗(yàn)的均勻設(shè)計(jì)方案如表1所示。表1中采用數(shù)字編碼表示公交車上的擁擠程度，由1至5分別表示在公交車上經(jīng)常有座、偶爾有座、無座但不擁擠、擁擠、非常擁擠。

如表1中所示，在調(diào)查過程中，對每一位被調(diào)查者需要詢問表1中的5個(gè)影響因素組合下對自行車、公交車、小汽車和出租車四種出行方式的選擇，從每一位被調(diào)查者就會(huì)得到5個(gè)試驗(yàn)值。本文采用數(shù)據(jù)來源于北京市2011年街頭問卷調(diào)查，共發(fā)放問卷951份，回收有效問卷312份，得到試驗(yàn)值1560個(gè)。

3 出行方式影響因素分析

出行方式選擇是指出行過程中出行方式的分配與選擇，也即人或物的出行次數(shù)在不同出行方式之間的劃分。出行者在出行前要考慮出行起迄點(diǎn)之間的各種可用的出行方式，通過判斷選出自己最滿意的出行方式，出行者具體選擇哪一種出行方式，取決于出行者的個(gè)人屬性，社會(huì)經(jīng)濟(jì)屬性和出行方式屬性等因素。上文SP調(diào)查的均勻設(shè)計(jì)實(shí)驗(yàn)方案中小汽車和公交出行方式的5個(gè)影響因素屬于出行方式的屬性，為了較為全面考慮對出行者出行方式的影響因素，在SP調(diào)查同時(shí)還進(jìn)行了RP調(diào)查。出行方式選擇影響因素變量如表2所示。

4 模型選擇及建立

5 模型標(biāo)定及解釋

5.1 模型標(biāo)定

在本研究中，主要調(diào)查了自行車、公交、出租和小汽車四種出行方式，對調(diào)查所得的數(shù)據(jù)進(jìn)行建模，利用STATA軟件進(jìn)行回歸，為了較為全面地研究各種因素對于出行方式的影響，分別以自行車和小汽車方式作為效用基礎(chǔ)項(xiàng)進(jìn)行回歸分析，標(biāo)定結(jié)果表3所示，并列出勝算比（Odds Ratio, OR），其中constant變量為常數(shù)項(xiàng)。

從表3可以看出，大部分系數(shù)對應(yīng)的| t |>1.96，說明在95%的檢驗(yàn)水平上，這些系數(shù)對應(yīng)的變量所代表的因素對模型的結(jié)果都有顯著影響。一般認(rèn)為優(yōu)度比系數(shù)達(dá)到0.2以上即可認(rèn)為模型具有較高的精度［10］，該模型的優(yōu)度比系數(shù)為0.3589，這說明模型的精度是可以接受的。

5.2 以自行車為效用基礎(chǔ)項(xiàng)回歸模型的解釋

（1）個(gè)人小汽車擁有量的提高會(huì)顯著降低選擇公交方式出行的效用，擁有車輛越多的出行者越傾向于采用小汽車出行；但是隨著燃油費(fèi)用的上升，對于公交方式影響因素的系數(shù)為正，對于小汽車方式的影響因素的系數(shù)為負(fù)，分別為0.2094和-0.9685，則表明油價(jià)能夠?qū)缓托∑囍g出行方式的比例進(jìn)行調(diào)節(jié)，并且油價(jià)的提高對減少小汽車出行會(huì)有更加顯著的影響。

（2）公交等車時(shí)間和步行到公交站臺(tái)的時(shí)間對于公交方式的出行具有顯著負(fù)的效用，并且在相同顯著水平下，等車時(shí)間的系數(shù)要小于步行時(shí)間，這說明出行者對于等車時(shí)間的耐心要小于步行時(shí)間。隨著等車時(shí)間和步行時(shí)間的增加，會(huì)使出行者更加傾向于采用出租車和小汽車出行。同時(shí)，通過數(shù)據(jù)分析發(fā)現(xiàn)公交車上的擁擠程度的提高并不會(huì)顯著降低公交方式的效用，也不會(huì)增加其他出行方式的效用。所以，要倡導(dǎo)公交優(yōu)先，引導(dǎo)人們選擇公交方式出行，提高公交服務(wù)水平的關(guān)鍵在于縮短等車時(shí)間和步行至站臺(tái)時(shí)間。

（3）在個(gè)人屬性中，年齡和收入對于公交方式選擇的影響不是很顯著。年齡越小越傾向于選擇出租車和小汽車出行，并且隨著收入的提高會(huì)顯著提高出租車和小汽車方式的效用。收入對于出租車和小汽車出行方式影響的系數(shù)分別為0.2543和1.0423，由于模型采用自行車方式作為效用基礎(chǔ)項(xiàng)，所以相對于自行車方式而言，收入對于小汽車的影響要大于對于出租車的影響。這點(diǎn)也證明了近年來隨著我國居民收入的提高導(dǎo)致小汽車保有量激增，使得小汽車出行比例增長迅猛。

5.3 以小汽車為效用基礎(chǔ)項(xiàng)回歸模型的解釋

（1）從表3中各出行方式的常數(shù)項(xiàng)可以看出，在保持其他影響因素不變的前提下，公交、出租和自行車比小汽車出行方式更加能吸引出行者，其中自行車相對小汽車的優(yōu)勢最大。如自行車相對小汽車的常數(shù)項(xiàng)為12.6607，表明固定其他影響因素條件下，出行者選擇自行車方式的可能性要比選擇小汽車大12.6607倍。這表明雖然近年來我國小汽車出行比例增加很快，但從總量上來說非機(jī)動(dòng)車出行方式所占比例仍然較大。

（2）在個(gè)人屬性中，年齡對于公交和自行車相對于小汽車出行方式的影響顯著。由表3，其影響因素系數(shù)分別為1.0821和1.1554，說明隨著年齡的增長相對于小汽車而言出行者更多可能選擇公交和自行車方式。其中，年齡對公交相對小汽車影響的勝算比為2.9507，即年齡每增加一個(gè)階段，采用公交出行比小汽車出行的概率增加了2.9507倍。

（3）在個(gè)人屬性中隨著收入的提高，相對于小汽車出行公交、出租和自行車出行的效用都是顯著減少，其回歸系數(shù)分別為-0.7902、-0.7879和-1.0422。自行車對于小汽車的勝算比為0.3527，即收入每增加一倍，出行者選擇自行車放棄小汽車的概率減少64.73%。

5.4 兩種不同效用基礎(chǔ)項(xiàng)模型的比較

（1）燃油價(jià)格的上漲使公交出行相對自行車和小汽車的吸引力是不一樣的，其回歸系數(shù)分別為0.2094和0.7591，說明小汽車和公交之間出行分配比例燃油價(jià)格的變動(dòng)更為敏感。每當(dāng)油價(jià)上調(diào)一個(gè)檔次，選擇公交方式出行的概率為選擇小汽車出行的2.1364倍。

（2）相對于自行車出行，公交等車時(shí)間和前往站臺(tái)的步行時(shí)間對于公交方式的影響要小于相對小汽車出行。即在其他影響因素固定情況下，等車和步行時(shí)間每增加一分鐘，相對于自行車而言，公交出行概率會(huì)減少2%和1.4%；相對于小汽車而言，公交出行概率會(huì)減少15%和11.2%。這說明如果公交服務(wù)水平降低，出行者可能會(huì)更多地流失向小汽車出行。

（3）以自行車為效用基礎(chǔ)項(xiàng)模型中收入對于出租方式影響系數(shù)為0.2543，而在以小汽車為效用基礎(chǔ)項(xiàng)模型中收入對于出租方式影響系統(tǒng)為-0.7879，這說明隨著收入的提高，人們在選擇出行方式時(shí)，在一定概率條件下會(huì)按照自行車、出租車和小汽車的次序進(jìn)行變化。

6 敏感性分析

從表4可以看出，燃油費(fèi)用變化趨勢與公交方式選擇概率的變化方向相同，并且彈性值小于1意味著公交方式選擇概率變化百分比小于燃油費(fèi)用價(jià)格變化百分比；而與此對應(yīng)，燃油費(fèi)用變化趨勢與出租和小汽車方式選擇概率的變化方向相反，特別小汽車方式對燃油費(fèi)用彈性值絕對值大于1，表明小汽車方式選擇概率變化的百分比要大于費(fèi)用變化百分比。由于本文研究為SP數(shù)據(jù)，所以這反應(yīng)了通常使用小汽車的出行者在心理上對油價(jià)的變化是非常敏感的。從各種方式對于收入的彈性值可以看出，在這三種出行方式中小汽車方式選擇概率受收入影響最大，收入的增加會(huì)使出行者更多傾向于采用小汽車出行；從各種方式對于公交等車和步行時(shí)間彈性來看，這兩種時(shí)間的增加會(huì)減少公交方式的效用而增加出租車和小汽車的效用，特別小汽車方式選擇對于等車時(shí)間為富有彈性，和前文分析的結(jié)論一致；各種出行方式選擇對出行時(shí)間的彈性都為負(fù)值，并且以公交彈性值絕對值最小，說明公交受出行時(shí)間影響因素較小，和相關(guān)研究的結(jié)論一致［11］。

由以上結(jié)論定性給出了各種方式選擇概率受各因素變化的影響程度，為對影響程度進(jìn)一步進(jìn)行定量研究，選取收入和等車時(shí)間作為代表分析其對方式選擇概率的靈敏度。分別將收入和燃油費(fèi)用增加和減少10%、20%、30%、40%和50%，觀察各種出行方式選擇概率變化如圖1所示。從圖1中的（a）圖可以看出，隨著收入的增加，公交和出租車出行選擇概率微有增加，變化幅度不大，自行車出行概率急劇下降，同時(shí)小汽車出行選擇概率急劇上升，說明收入對于自行車和小汽車出行選擇概率影響程度最大。圖（b）中，公交等車時(shí)間的增加對公交方式有較大的負(fù)面影響，使得出行者傾向于選擇小汽車出行，因而公交等車時(shí)間對于小汽車和公交出行選擇概率影響程度最大，提高公交服務(wù)水平，減少等車時(shí)間，能減少小汽車出行，提高公交出行比例。

7 結(jié)論

本文采用均勻設(shè)計(jì)的思路設(shè)計(jì)了關(guān)于出行方式選擇的SP調(diào)查方案，選取了出行者個(gè)人屬性、社會(huì)經(jīng)濟(jì)屬性和出行方式特有屬性作為方式選擇的影響因素，考慮到影響因素隨出行者和出行方式的變化有所差異，選取CLM模型，分別建立以自行車和小汽車為效用基礎(chǔ)項(xiàng)的方式選擇概率模型，驗(yàn)證了模型的有效性并對模型進(jìn)行了標(biāo)定。效用基礎(chǔ)項(xiàng)的差異，使得模型能夠從多個(gè)角度對各種因素對出行方式選擇的影響加以分析，發(fā)現(xiàn)油價(jià)能夠?qū)缓托∑囍g出行方式的比例進(jìn)行調(diào)節(jié)，提高公交服務(wù)水平的關(guān)鍵在于縮短等車時(shí)間和步行至站臺(tái)時(shí)間，收入對于小汽車的影響要大于對于其他方式等結(jié)論。最后采用公交、出租車和小汽車三種出行方式對燃油費(fèi)用、收入、公交等車時(shí)間、步行至站臺(tái)時(shí)間和總出行時(shí)間的彈性值，分析了各種方式選擇概率對于各種影響因素的敏感性，發(fā)現(xiàn)使用小汽車的出行者在心理上對油價(jià)的變化非常敏感。然而SP調(diào)查的數(shù)據(jù)僅僅是反應(yīng)了出行者在各種情境下對某種出行方式的選擇意向，在做出實(shí)際出行選擇時(shí)，會(huì)因?yàn)樾袨楹鸵庀虿灰恢露a(chǎn)生誤差，這就需要借助心理學(xué)的理論方法，來進(jìn)一步完善出行方式選擇的概率模型，這也是出行行為理論的下一步研究方向。

參 考 文 獻(xiàn)：

［1］A宗芳,雋志才.基于活動(dòng)的出行方式選擇模型與交通需求管理策略［J］.吉林大學(xué)學(xué)報(bào)(工學(xué)版),2007

,(1):48-53.

［2］A賈洪飛,龔勃文,宗芳.交通方式選擇的非集計(jì)模型及其應(yīng)用［J］.吉林大學(xué)學(xué)報(bào)(工學(xué)版),2007,(6):1288-1293.

［3］A雋志才,李志瑤,宗芳.基于活動(dòng)鏈的出行需求預(yù)測方法綜述［J］.公路交通科技,2005,(6):108-113.

［4］ATayyaran M R, Khan A M, Anderson D A. Impact of telecommuting and intelligent transportation systems on residential location choice［J］. Transportation Planning and Technology, 2003, 26(2): 171-193.

［5］A王方,陳金川,陳艷艷.交通SP調(diào)查的均勻設(shè)計(jì)方法［J］.城市交通,2005,(3):69-72.

［6］A方開泰.均勻試驗(yàn)設(shè)計(jì)的理論、方法和應(yīng)用——?dú)v史回顧［J］.數(shù)理統(tǒng)計(jì)與管理,2004,(3):69-80.

［7］AMarschak J. Binary choice constraints on random utility indications［A］. In Arrow K, ed. Stanford Symposium on Mathematical Methods in the Social Sciences［C］.Stanford University Press, California, 1960.

［8］ATrain K. Discrete choice methods with simulation［M］. Cambridge University Press, New York, 2003.

［9］AGreene H. Econometric analysis ［M］. 6th ed. Prentice-Hall, New Jersey, 2008.

［10］A關(guān)宏志.非集計(jì)模型——交通行為分析的工具［M］.北京:人民交通出版社,2004

［11］A黃樹森.基于非集計(jì)的城市公共交通方式選擇模型及靈敏度分析研究［D］.北京:北京交通大學(xué),2008.