王孝坤，饒秋麗，唐春艷，葛穎恩

（1.大連交通大學 經(jīng)濟管理學院，遼寧 大連 116028；2.江蘇省交通科學研究院股份有限公司，南京 210017；3.大連理工大學 交通運輸學院，遼寧 大連 116024）

1 引 言

城市商務(wù)中心區(qū)通常是城市交通流和人流最為集中的區(qū)域，也是城市交通擁堵最為嚴重的地方[1].相對于其它出行而言，通勤出行具有明顯的規(guī)律性，當固定時間、固定方向上的出行流日益增多，并過于集中時就會形成通勤高峰[2].由于城市空間的擴張和出行目的的多元化，人們?yōu)樽非笠惶熘兴谐鲂行в玫淖畲蠡?，傾向于將多次出行以鏈的形式結(jié)合起來[3,4]，選擇適當?shù)某鲂墟湷鲂?，能夠在很大程度上減少一天的路上出行時間.

通勤者在通勤出行時面臨著出行方式和出行鏈類型的選擇.以往的研究中，通常將出行鏈類型作為出行方式選擇的一個外生變量，認為通勤者出行時首先考慮如何組織一天中的出行活動，然后再確定當天的出行方式[5,6]；或者將出行方式作為出行鏈類型選擇的一個外生變量，認為通勤者出行時首先確定當天的出行方式，然后根據(jù)出行方式組織當天的活動[4].本文將利用聯(lián)立多元Logit模型（Simultaneous Logit模型，以下簡稱SL模型），將出行鏈類型作為出行方式選擇的一個內(nèi)生變量，同時將出行方式選擇作為出行鏈類型選擇的一個內(nèi)生變量，創(chuàng)建商務(wù)中心區(qū)通勤者出行方式和出行鏈類型選擇行為之間的相互作用模型，并在所建模型基礎(chǔ)上對不同月收入的通勤者出行方式與出行鏈類型選擇行為進行分析.

2 基本定義

2.1 出行方式

利用RP調(diào)查方法[7]對大連市商務(wù)中心區(qū)通勤者出行選擇行為進行調(diào)查.調(diào)查結(jié)果顯示：

①由于大連特殊的地形，通勤者較少選擇非機動車出行，其出行方式主要為步行、小汽車、常規(guī)公交、有軌電車、輕軌、BRT、出租汽車、單位班車.

②約54.55%的通勤者出行距離在8公里以內(nèi).以往研究中表明上班出行距離在0～2公里的比例最多[4]，與本文的統(tǒng)計結(jié)果有著較大的差異，這可能是因為本文選取的研究區(qū)域為城市商務(wù)中心區(qū)，區(qū)內(nèi)居住人口較少，通勤者為長距離通勤的比例遠遠大于其它區(qū)域.

由于一天出行中通勤者可能會使用一種或多種出行方式出行，這里將通勤者一次出行鏈中使用次數(shù)最多的出行方式定義為其通勤出行方式.例如通勤者的一次出行鏈中包含4次出行，其中有3次使用常規(guī)公交出行，1次使用步行，那么通勤者的出行方式則為常規(guī)公交；如果其中有2次使用常規(guī)公交，2次使用步行（如步行→常規(guī)公交→常規(guī)公交→步行），使用的出行方式次數(shù)相同，則令第一次使用機動車的出行方式為通勤者的出行方式[8].

2.2 出行鏈

將出行者一天中一連串始于家、最后以家為終點的出行活動順序鏈接起來，所形成的閉合鏈稱為出行鏈，包含大量時間、位置等信息[9,10].一條出行鏈可以包含多次出行活動，根據(jù)出行鏈中出行活動的次數(shù)，可將出行鏈分為簡單鏈和復雜鏈.

根據(jù)調(diào)查問卷的實際統(tǒng)計情況，結(jié)合其它參考文獻[11-14]，將通勤出行鏈類型分為5類，如表1所示，h代表出發(fā)地和到達地，即家（home）；w代表工作；s代表其它活動.

表1 通勤者出行鏈類型Table 1 Trip-chain type of commuter

3 模型的建立

3.1 SL模型

SL模型是對通常使用的多項式logit（MNL）模型的擴展，在經(jīng)濟學領(lǐng)域有著廣泛的應(yīng)用，在交通工程領(lǐng)域也多有應(yīng)用[15,16].

假定有變量X（X=1,2,…,m）和Y（Y=1,2,…,n），模型形式具體如下：

Rt——由影響X的外生變量值組成的多維向量；

Qt——由影響Y的外生變量值組成的多維向量；

βi、γi——模型待估計參數(shù)向量；

αik、αki——表示待估計參數(shù).

根據(jù)式(1)–式(4)有

上述四個相結(jié)合的二元選擇的概率和為1，即

利用式(5)–式(8)可以得出 αij=αji，將 αji用αij代替并代入式(8)中，則有

綜上所述，似然函數(shù)的形式如下：

3.2 建模數(shù)據(jù)分析

調(diào)查結(jié)果顯示，大連市商務(wù)中心區(qū)通勤者上班出行中使用公共交通（包括常規(guī)公交、有軌電車、輕軌、BRT）出行的占52.65%；小汽車出行的占27.28%，班車和步行出行的分別占10.23%和7.95%；其余1.89%為出租汽車出行.可以看出，公共交通與小汽車是影響大連市商務(wù)中心區(qū)交通的主要因素，班車和出租汽車與通勤者間的相互影響并不是十分明顯.下面僅針對公共交通和小汽車兩種出行方式與出行鏈類型之間的相互影響情況展開分析.

此外，由于城市商務(wù)中心區(qū)有著便利的休閑、購物場所，采用復雜鏈（h-w-s-w-h）出行的通勤者中，大多數(shù)會選擇在中午休息時間離開單位到附近的商場吃飯、購物等，主要選擇步行，與他們上、下班使用機動車出行有著顯著差異，所以對于復雜鏈（h-w-s-w-h）與出行方式間的相互影響關(guān)系這里不做分析，出行鏈與出行方式間相互關(guān)系的統(tǒng)計結(jié)果如表2所示.

表2 出行鏈類型和出行方式的交叉分析Table 2 Cross-tabulation of trip-chain type and mode choice

數(shù)據(jù)顯示，通勤者在一天的工作出行中，如果采用簡單鏈出行，使用公共交通出行的比例為79.01%，遠大于使用小汽車出行的比例；如果通勤者采用鏈接其它活動的復雜鏈出行，則主要選擇小汽車出行，尤其當通勤者采用復雜鏈（h-s-w-s-h）出行時（即上下班途中均有鏈接其它活動），選擇小汽車出行的比例達到62.50%，表明由于公共交通服務(wù)特性決定了它的方便性及可達性均不如小汽車，駕車出行的通勤者在一天的工作出行中更傾向于從事除工作之外的活動.

3.3 模型構(gòu)造

在這一部分模型的構(gòu)造中，將出行鏈的類型僅分成簡單鏈和復雜鏈兩種，以保證分析和計算的處理較為容易，從而得到更精確的數(shù)據(jù)結(jié)果和更深入的分析.令通勤者出行方式選擇集合為：公共交通、小汽車；通勤者出行鏈類型選擇集合為：簡單鏈、復雜鏈.通勤者的性別X1、年齡X2、月收入X3、家中是否有 6 歲以下兒童 X4、出行距離 X5、出行鏈開始時間X6、出行鏈結(jié)束時間X7等則為模型的外生變量，具體模型構(gòu)造情況如下：

式中 n——通勤者n，n=1,2,…,N；

PA——選擇小汽車出行的概率；

PB——選擇公共交通出行的概率；

P1——選擇復雜鏈出行的概率；

P2——選擇簡單鏈出行的概率；

βij——未知參數(shù)i=1,2，j=1,2,…,9，且β19= β29.

3.4 模型參數(shù)估計

利用Matlab軟件對模型進行編程求解，得出模型的回歸系數(shù)和t檢驗值，結(jié)果如表3所示.

依據(jù)統(tǒng)計學理論，在置信度95%的條件下，如果檢驗值的絕對值大于1.65，并且參數(shù)的符號正確，則認為該特征變量對城市商務(wù)中心區(qū)通勤者出行方式和出行鏈類型選擇的影響顯著[3].在所建模型中，假設(shè)H0:β1=β2=…=βk=0，服從自由度為17的χ2分布.在 5%的顯著性水平下，-2（L(0)-L(β)）=162.96> χ20.05，拒絕假設(shè)H0；表明構(gòu)建模型時所選擇的特性變量對大連市商務(wù)中心區(qū)通勤者出行方式和出行鏈類型選擇行為的影響顯著.通過計算得到優(yōu)度比指標ρ2=0.28，說明該模型的精度比較高，模型總體擬合的程度較好.在實踐中，ρ2值達到0.2～0.4時，則可以認為模型擬合精度很高[5].

表3 模型參數(shù)估計結(jié)果Table 3 Parameter estimation result of the model

檢驗結(jié)果表明，大連市商務(wù)中心區(qū)通勤者的出行方式和出行鏈類型選擇之間存在著顯著的相互影響關(guān)系.通勤者個人屬性及家庭屬性對其出行方式和出行鏈類型選擇的影響分析如下：

（1）性別對通勤者出行方式和出行鏈類型選擇的影響.

性別對商務(wù)中心區(qū)通勤者的出行方式和出行鏈類型選擇有著顯著的影響，性別的回歸系數(shù)均為負值，表明男性比女性更傾向于使用小汽車出行，且男性比女性更傾向于采用復雜鏈出行.

（2）年齡對通勤者出行方式和出行鏈類型選擇的影響.

年齡對商務(wù)中心區(qū)通勤者的出行方式和出行鏈類型選擇有著顯著的影響，年齡的回歸系數(shù)均為正值，表明隨著年齡的增長，通勤者選擇小汽車出行的概率將增大，通勤者選擇簡單鏈出行的概率也相應(yīng)增加.

（3）月收入對通勤者出行方式和出行鏈類型選擇的影響.

月收入對通勤者出行方式和出行鏈類型選擇的影響顯著，在出行方式選擇模型中，月收入的回歸系數(shù)為正值，表明隨著月收入的增加，通勤者選擇小汽車出行的概率增大.在出行鏈類型選擇模型中，月收入的回歸系數(shù)為負值，表明隨著月收入的增加，通勤者采用復雜鏈出行的概率增大.

（4）家中是否有6歲以下兒童對通勤者出行方式和出行鏈類型選擇的影響.

家中是否有6歲以下兒童對通勤者出行方式選擇的影響不顯著，而對通勤者出行鏈類型選擇有著顯著的影響，回歸系數(shù)為負值，表明當通勤者家中有6歲以下兒童時，通勤者更傾向于采用復雜鏈出行，這可能是因為通勤者在上下班的途中要接送孩子上下幼兒園.

（5）出行距離對通勤者出行方式和出行鏈類型選擇的影響.

出行距離的t檢驗值分別為0.62和1.89，表明出行距離對通勤者出行方式選擇有影響但不顯著，而對出行鏈類型的選擇有著顯著的影響.在出行鏈類型選擇模型中，出行距離的回歸系數(shù)為正值，表明隨著通勤者出行距離的增加，通勤者選擇簡單鏈出行的概率增大.出行距離的增加導致通勤者出行時間增加，從而在有限的時間里，通勤者從事其它活動的可能性減小.

（6）出行鏈的結(jié)束時間對通勤者出行方式和出行鏈類型選擇的影響.

出行鏈的結(jié)束時間對通勤者出行方式和出行鏈類型選擇有著顯著的影響，在通勤者出行方式選擇模型中，回歸系數(shù)為負值，表明通勤者出行鏈的結(jié)束時間越晚，通勤者使用公共交通出行的概率越大，可能是因為公共交通的時速要遠遠小于小汽車，還可能受到公共交通一些不確定性因素的影響.在通勤者出行鏈類型選擇模型中，回歸系數(shù)為負值，表明通勤者出行鏈的結(jié)束時間越晚，通勤者采用復雜鏈出行的概率越大，可能是因為通勤者在下班之后要進行娛樂或購物等.

4 通勤者出行方式與出行鏈類型選擇預測

通過模型的標定結(jié)果可以看出，通勤者的性別和月收入對其出行方式和出行鏈類型的選擇有著顯著的影響，所以下面針對性別和月收入這兩個屬性，同時將通勤者的出行方式和出行鏈類型選擇二者結(jié)合，在假定通勤者的其他屬性一致的情況下，利用式(10)–式(13)對通勤者的出行方式和出行鏈類型選擇概率進行預測，預測結(jié)果如表4所示.

表4 通勤者出行方式選擇—出行鏈選擇預測結(jié)果Table 4 Trip-chain and mode choice forecast result of commuter

從預測結(jié)果可以看出，隨著月收入的增加，通勤者使用小汽車出行的比例逐漸增加；使用公共交通出行的比例逐漸減少；采用簡單鏈出行時，使用公共交通出行的比例隨著月收入的增加而減少，而使用小汽車出行的比例隨著月收入的增加而增加；通勤者采用復雜鏈出行時，使用公共交通出行的比例隨著月收入的增加而減少，使用小汽車出行的比例隨著月收入的增加而增加.月收入相同時，使用小汽車出行的男性采用復雜鏈出行的比例要略大于女性；而使用公共交通出行的女性采用復雜鏈出行的比例則略大于男性.

5 研究結(jié)論

本文建立聯(lián)立的多元Logit模型，對城市商務(wù)中心區(qū)通勤者出行方式和出行鏈類型選擇的相互影響進行了驗證和分析，并對不同月收入下通勤者的出行選擇行為進行了預測.研究結(jié)果表明：

（1）大連市商務(wù)中心區(qū)通勤者出行鏈類型選擇和出行方式之間存在著顯著的相互影響關(guān)系；

（2）性別、年齡、月收入和出行鏈結(jié)束時間對通勤者出行方式選擇行為的影響較為顯著；

（3）性別、年齡、月收入、家中是否有6歲以下兒童、出行距離和出行鏈結(jié)束時間對通勤者出行鏈類型選擇行為的影響較為顯著；

（4）由于公共交通服務(wù)水平的限制，采用小汽車出行的通勤者，在一天的工作出行中更傾向于采用有鏈接其它活動的復雜鏈出行，在高收入人群中的表現(xiàn)尤為顯著.

通勤者的出行選擇行為研究往往需要大量樣本的數(shù)據(jù)支撐，由于研究條件所限，研究樣本的數(shù)量僅以滿足本次研究要求為限.

[1]馬志平.城市中心區(qū)交通改善方法研究[D].安徽:合肥工業(yè)大學,2005.[MA Z P.Study on countermeasure of transport improvement of city central district[D].Anhui:Hefei University of Technology,2005.]

[2]李崢嶸,柴彥威.大連市民通勤特征研究[J].人文地理,2000,15(6):67-72.[LI Z R,CAI Y W.A study on the commuting features of dalian citizens[J].Human Geogra?phy,2000,15(6):67-72.]

[3]陳團生.通勤者出行行為特征與分析方法研究[D].北京:北京交通大學,2007.[CHEN T S.Travel behavior characteristics analysis for commuter[D].Beijing:Bei?jing Jiaotong University,2007.]

[4]Ben-Akiva M,Bowman J L.Activity-based disaggregate travel demand model system with activity schedules[J].Transportation Research A,2000,35(1):1-28.

[5]文雅,史嘉瑋,喬相容.上海世博觀展客流出行鏈分析[J].交通與運輸,2007,6(1):19-21.[WEN Y,SHI J W,QIAO X R.Analysis of passenger flow trip-chain of the Shanghai World Expo Exhibition[J].Traffic and Trans?portation,2007,6(1):19-21.]

[6]宗芳,雋志才.基于活動的出行方式選擇模型與交通需求管理策略[J].吉林大學學報(工學版),2007,37(1):48-53.[ZONG F,JUAN Z C.Activity-based travel mode choice model and analysis on traffic demand man?agement[J].Journal of Jilin University（Engineering and Technology Edition）2007,37(1):48-53.]

[7]關(guān)宏志.非集計模型——交通行為分析的工具[M].北京:人民交通出版社,2004.[GUAN H Z.Disaggregate model—a tool of traffic behavior analysis[M].Beijing:China Communications Press,2004.]

[8]石心怡,郭英,王元慶.基于出行鏈的公共交通走廊探討[J].城市軌道交通研究,2010(5):59-63.[WANG X Y,GUO Y,WANG Y Q.Public transport corridor based on trip chain[J].Urban Rail Transit Research,2010(5)：59-63].

[9]Xin Ye,Ram M P,Giovanni Gottardi.An exploration of the relationship between mode choice and complexity of trip chaining patterns[J].Science Direct Transportation Research Part B,2007,41(1):96-113.

[10] 楊敏,陳學武,王煒,等.通勤出行鏈簡單鏈和復雜鏈的選擇行為研究[J].武漢理工大學學報(交通科學與工程版),2008,32(2):191-194.[YANG M,CHEN X W,WANG W,et al.Behavior analysis of simple/complex trip chaining[J].Journal of Wuhan University of Technol?ogy（Transportation Science&Engineering）,2008,32(2):191-194.]

[11] 盧曉姍,黃海軍,劉天亮,等.考慮早晚高峰出行鏈的出行方式選擇均衡與定價機制[J].系統(tǒng)工程理論與實踐,2013,33(1):167-174.[LU X S,HUANG H J,LIU T L,et al Mode choice equilibrium and pricing mechanisms considering peak trip chain[J].Systems Engineering-Theory&Practice,2013,33(1):167-174.]

[12]Lu X,Pas E T.Socio-demographics,activity participa?tion and travel behavior[J].Transportation Research A,1999,33(1):1-18.

[13]Golob T F,A simultaneous model of household activity participation and trip chain generation[J].Transporta?tion Research B,2000,34(5):355-376.

[14]Frank Primerano,Michael A P,Ladda Pitaksringkarn.Defining and understanding trip chaining behavior[J].Transportation,2008,35(1):55-72.

[15]Peter S,Robert P S.Estimation of models with jointly de?pendent qualitative variables:a simultaneous logit ap?proach[J].Econometric,1975,43(4):745-755.

[16]Ouyang Y,Shankar V,Yamamoto T.Modeling the simul?taneity in injury causation in multi-vehicle collisions[J].Transportation Research Record,Journal of the Transportation Research Board,NationalResearch Council,Washington,DC,2002,1784:143-152.