吳麟麟，張明巖，汪 洋

（江蘇大學(xué) a.汽車與交通工程學(xué)院；b.電氣信息工程學(xué)院，江蘇，鎮(zhèn)江212013）

基于面板數(shù)據(jù)的寧杭城際出行方式選擇行為研究

吳麟麟a，張明巖a，汪 洋*b

（江蘇大學(xué) a.汽車與交通工程學(xué)院；b.電氣信息工程學(xué)院，江蘇，鎮(zhèn)江212013）

隨著中國城市群的快速發(fā)展，城際交通出行環(huán)境發(fā)生了巨大的變化，因此城際出行者也會不斷地重建自己的出行習(xí)慣，這就要求建立動態(tài)模型研究城際出行者出行行為和預(yù)測城際交通需求.本文調(diào)查出行者在寧杭城際高鐵開通前后兩個時期的出行信息，并且引入狀態(tài)依賴變量表征出行者之前選擇結(jié)果對之后出行選擇的影響，建立了基于面板數(shù)據(jù)的城際出行方式選擇動態(tài)模型.模型結(jié)果表明，基于面板數(shù)據(jù)的動態(tài)模型比傳統(tǒng)的基于出行者單次出行數(shù)據(jù)的模型擁有更高精度.同時本文根據(jù)寧杭城際出行背景設(shè)置三組政策變化方案預(yù)測出行分擔(dān)率，結(jié)果表明，當選擇環(huán)境發(fā)生變化時，傳統(tǒng)模型會高估出行方式分擔(dān)率的變化程度.以上結(jié)論能更好地服務(wù)于中國城際交通的規(guī)劃.

綜合交通運輸；動態(tài)模型；面板數(shù)據(jù)；城際交通；出行方式

1 引 言

隨著近年來高鐵技術(shù)的迅速發(fā)展和廣泛應(yīng)用，長三角城際間出行的交通環(huán)境發(fā)生了巨大的變化，其中最近開通的寧杭城際高鐵改善了寧杭之間薄弱的出行條件，同時使長三角城市群形成以上海、南京、杭州為中心的2小時交通圈.城際交通環(huán)境的巨大變化使居民的出行需求和習(xí)慣也隨之變化.所以分析城際出行者出行行為的變化，研究城際出行方式分擔(dān)率能幫助決策者對城際交通的規(guī)劃和政策的評估，對快速發(fā)展的中國城市群尤為重要.

很多學(xué)者從多角度來研究城際出行行為，王孝之等[1]根據(jù)武廣高鐵的SP調(diào)查數(shù)據(jù)建立了城際出行方式的Rank Logit模型，Rank Logit模型納入了出行者對交通工具選擇的排序數(shù)據(jù)，能得到更高的模型精度和可靠性；陳穎雪等[2]基于長江三角洲城際出行行為調(diào)查數(shù)據(jù)建立出行方式選擇的MNL模型，并引入反轉(zhuǎn)因子，分別用外源性樣本極大似然估計簡單修正法和加權(quán)外源性樣本極大似然估計法對MNL模型進行修正.但到目前為止，國內(nèi)學(xué)者對城際出行方式的研究大多基于橫截面數(shù)據(jù)，即只分析出行者單次出行選擇結(jié)果，很少有考慮出行者不同時期選擇結(jié)果之間的關(guān)聯(lián)和變化.基于單次橫截面數(shù)據(jù)的靜態(tài)模型適合用于靜態(tài)的選擇環(huán)境，但當選擇環(huán)境發(fā)生變化時，靜態(tài)模型就會暴露出眾多缺陷：無法反映出行者隨時間而變化的出行方式選擇結(jié)果，忽略重要的解釋變量（如出行者之前出行選擇方式對之后出行選擇的影響）等因素都會引起模型估計的嚴重偏差[3].

而國外已經(jīng)有很多學(xué)者開始關(guān)注基于面板數(shù)據(jù)的動態(tài)模型.Th?gersen[4]對丹麥1 300個出行者在不同時期進行3次調(diào)查建立面板數(shù)據(jù)，研究出行者之前的行為、目前的認知和觀念對現(xiàn)在使用公共交通行為的影響程度.Cantillo等[5]考慮出行者出行選擇受到的慣性影響和出行者一段時間內(nèi)多次出行選擇之間的序列相關(guān)，建立了動態(tài)的出行方式選擇模型并將其運用到RP面板數(shù)據(jù)和RP/SP融合面板數(shù)據(jù)中.

綜上所述，基于橫截面數(shù)據(jù)的靜態(tài)模型已經(jīng)很難適應(yīng)中國快速發(fā)展和變化的城際交通環(huán)境.因此，本文以寧杭城際間出行數(shù)據(jù)為例，對效用函數(shù)引入動態(tài)因素，即狀態(tài)依賴變量，通過面板數(shù)據(jù)建立動態(tài)的城際出行方式選擇（Mixed Logit，ML）模型，研究城際高鐵開通后居民城際出行方式選擇的變化.

2 基于面板數(shù)據(jù)的城際動態(tài)出行方式選擇模型

2.1 面板數(shù)據(jù)

面板數(shù)據(jù)是把橫截面數(shù)據(jù)和時間序列數(shù)據(jù)融合在一起的數(shù)據(jù)，其最早應(yīng)用于經(jīng)濟學(xué)領(lǐng)域.當應(yīng)用到交通出行方面時，從橫截面看，數(shù)據(jù)是所有出行者在某次（或某個時間）出行的出行信息，從縱面看，是每個出行者一段時間內(nèi)的多次出行信息.交通出行方式選擇的面板數(shù)據(jù)一般采用追蹤調(diào)查方法，即在一段時間內(nèi)對被調(diào)查者進行持續(xù)追蹤調(diào)查，記錄每個出行者每次的出行信息[4,6].這樣的調(diào)查方法花費代價比較大，同時參加面板數(shù)據(jù)跟蹤調(diào)查可能會影響部分出行者的出行行為[6]，另外同市內(nèi)交通出行相比，居民的城際出行頻率較低，增加了持續(xù)跟蹤調(diào)查的難度.因此本文擬選用一種簡單的調(diào)查方法來記錄寧杭城際出行者不同時期的出行行為，即在調(diào)查問卷時記錄出行者現(xiàn)在城際出行信息時，同時也詢問記錄出行者在寧杭城際高鐵開通前常用出行方式及其出行屬性，記錄信息為三個主要出行屬性，包括城際出行時間、換乘時間（包括等待時間）、出行花費（見表1）.

表1 調(diào)查內(nèi)容Table 1 Details of the survey

本次調(diào)查從2014年4月10日開始，12日結(jié)束.調(diào)查人員在南京火車站、南京火車南站、南京中央門汽車站、杭州火車站、杭州火車東站、杭州汽車北站、寧杭高速公路浙江境內(nèi)太湖服務(wù)區(qū)7個區(qū)域?qū)幒贾g出行的旅客進行隨機抽樣調(diào)查.共獲得901份調(diào)查問卷，經(jīng)過篩選以后獲得有效樣本數(shù)據(jù)830份（7個區(qū)域有效樣本數(shù)分別為157、122、98、160、115、75、103），每份樣本數(shù)據(jù)包含出行者的兩次出行數(shù)據(jù).將樣本數(shù)據(jù)分為兩部分，第一部分630用于模型估計，剩余的200份用作后期模型驗證.

表2為630份樣本中被調(diào)查者在寧杭城際高鐵開通后出行方式變化情況，如城際高鐵開通前出行選擇私家車出行、城際高鐵開通后仍然選擇私家車出行的出行者有39人，占城際高鐵開通前選擇私家車出行總?cè)藬?shù)的67.2%；開通前出行選擇私家車而開通后轉(zhuǎn)為選擇城際高鐵出行的出行者有16人，占城際高鐵開通前選擇私家車出行總?cè)藬?shù)的27.6%.通過觀察表格可以發(fā)現(xiàn)，出行者在寧杭城際高鐵開通后和開通前出行選擇保持一致的比例分別為67.2%、49.0%、41.2%；同時，原本選擇私家車、長途汽車、一般鐵路出行的旅客分別有27.6%、42.9%和52.1%轉(zhuǎn)而選擇城際高鐵出行；而之前選擇私家車、長途汽車或一般鐵路列車之后選擇其他舊交通方式的概率都低于10%.

表2 寧杭城際鐵路開通后出行方式變化情況Table 2 Mode choice transition result after operation of Ninghang intercity railway

2.2 引入狀態(tài)依賴變量的動態(tài)模型

根據(jù)隨機效用理論框架，假設(shè)出行者n在城際高鐵開通前，即t=1，選擇出行方式i（i∈J1，J1為寧杭城際高鐵開通前出行方式的選擇集，包括私家車、長途客車和一般鐵路列車）的效用為

式中 Vni1為出行者此次出行的可觀測效用；εni1為不可觀測效用.同理，出行者n在城際高鐵開通后（t=2）選擇出行方式i'（i'∈J2，包含私家車、長途客車、一般列車和城際列車）的效用為

大量的文獻表明出行者存在慣性，即出行者偏好于重復(fù)自己的出行選擇[7,8].因此本文引入狀態(tài)依賴變量來表征出行者多次出行選擇之間的關(guān)聯(lián)性[9]，即假設(shè)出行者在寧杭城際高鐵開通前的出行選擇會對其以后的出行選擇有影響，將第一次出行選擇結(jié)果作為解釋變量引入第二次出行的效用方程，則由式（2）可得

式中 λii'dii'1為出行者的出行慣性所帶來的效用.其中出行者如果在城際高鐵開通前選擇出行方式i，則dii'1=1，否則為0;λii'為待估系數(shù)，表示出行者之前選擇出行方式i對之后選擇出行方式i'的影響程度.則出行者n兩次出行的聯(lián)合概率為

式中 Pr（?）為求概率.則非條件概率為

Logit模型假定決策者重復(fù)選擇之間的εnit是相互獨立的，但由于出行者具有不同偏好，這些不可觀測的偏好會影響出行者每一次選擇過程，例如某出行者不喜歡公共交通致使其只選擇乘坐私家車出行，或者某出行者住火車站附近致使其每次出行都選擇軌道交通出行.所以當運用到面板數(shù)據(jù)中，logit模型的假設(shè)就會不適用.而ML模型允許個體重復(fù)選擇存在關(guān)聯(lián)，因此非常適合用來研究面板數(shù)據(jù).ML模型的效用函數(shù)一般有兩種表達形式，誤差項形式和隨機參數(shù)形式[10].這兩種形式都能用來解決面板數(shù)據(jù)中重復(fù)選擇之間的關(guān)聯(lián)問題，但因為隨機參數(shù)形式不存在參數(shù)個數(shù)證明問題，因此本文選用隨機參數(shù)形式[6].

隨機參數(shù)形式的ML模型的選擇概率為

式中 Lnii'(β)為非條件概率；f(β/θ)為密度函數(shù)；β為待估參數(shù)；θ為密度函數(shù)的未知特征參數(shù)，如正態(tài)分布的均值和方差.本文，假設(shè)狀態(tài)依賴變量系數(shù)為固定值，選擇肢常數(shù)項和出行屬性的三個變量為隨機值，均服從正態(tài)分布.由于ML模型積分函數(shù)是多維積分，所以用解析的方法不能求解，需采用模擬的方法計算概率.

本文通過Halton數(shù)列抽樣的方法對 β進行120次隨機抽樣，計算Lnii'(βr)的均值：

式中 R為隨機抽樣的次數(shù).將模擬選擇概率帶入最大似然函數(shù)：

2.3 模型估計結(jié)果

模型仿真結(jié)果如表3所示.

表3 傳統(tǒng)ML模型和動態(tài)ML模型參數(shù)估計結(jié)果Table 3 Estimation results of model parameters of traditional ML model and dynamic ML model

2.4 模型結(jié)果分析

本文同時建立了傳統(tǒng)的ML模型（使用被調(diào)查者城際高鐵開通后出行數(shù)據(jù)）作為對比模型，表3為兩個模型的估計結(jié)果和檢驗結(jié)果，兩個模型均滿足精度要求；對各項系數(shù)的t值進行檢驗，當t值絕對值大于1.65時，有90%的把握認為各屬性對模型產(chǎn)生顯著影響，刪除掉t值絕對值小于1.65的變量.使用面板數(shù)據(jù)的動態(tài)ML模型的似然函數(shù)值為-4 106，遠大于傳統(tǒng)的ML模型的-4 861.擬合度指數(shù) ρ2也從模型1的0.307上升到模型2的 0.539，動態(tài)模型的表現(xiàn)優(yōu)于傳統(tǒng)的ML模型.將調(diào)查數(shù)據(jù)第二部分的200份樣本帶入效用函數(shù)驗證命中率，對比兩個模型，模型2所模擬的出行結(jié)果命中率更高，達到82%，如表4所示.

觀察時間屬性估計系數(shù)發(fā)現(xiàn)，兩個模型的銜接時間系數(shù)都大于出行時間系數(shù)，表示出行者更在意銜接時間；而對比時間屬性系數(shù)和花費屬性系數(shù)發(fā)現(xiàn)，出行時間系數(shù)和銜接時間系數(shù)遠大于出行花費系數(shù)，出行者更在意出行時間而相對對出行花費不敏感，這與城市群快速發(fā)展的經(jīng)濟水平有關(guān).

分析狀態(tài)依賴變量的系數(shù).首先，雖然寧杭城際高鐵開通，但可以觀察到過去出行對現(xiàn)在出行選擇同種交通方式的作用系數(shù)（i=i'）都很大，表明即使出行選擇環(huán)境發(fā)生變化，大部分出行者仍然會選擇自己習(xí)慣的交通方式，因為面對不熟悉的出行環(huán)境，出行者重新構(gòu)建自己的出行習(xí)慣需要花費一定的代價和風(fēng)險.這其中選擇私家車出行對之后選擇私家車出行的作用系數(shù)最大，表明選擇私人交通的人群的忠誠度更高.同時我們發(fā)現(xiàn)，三種交通方式對之后選擇城際高鐵的作用系數(shù)（i≠i'）也很大，表明城際高鐵的開通對三種舊的交通方式影響都很大，而其中過去選擇一般鐵路列車對現(xiàn)在選擇城際高鐵的作用系數(shù)最大，表明城際高鐵和一般鐵路列車之間關(guān)聯(lián)度最高，而之前選擇私家車、長途汽車或一般鐵路列車對之后選擇其他舊交通方式的影響不顯著.

表4 模型預(yù)測命中率(%)Table 4 Predicted hit rate of traditional ML model and dynamic ML model(%)

3 政策變化對方案的影響分析

上述結(jié)論表明本文建立的動態(tài)模型能更好地服務(wù)于快速變化的城市群交通需求預(yù)測，因此本文針對寧杭城際出行環(huán)境的背景，假設(shè)未來的三種政策變化情況，根據(jù)政策的變化觀測每種出行方式分擔(dān)率的變化，結(jié)果如表6所示.

表5 政策變化方案Table 5 Policy change scenarios

首先觀察本文提出的動態(tài)模型在以上政策改變情況下的分擔(dān)率變化.

方案1：長途客車降價，但對整個選擇環(huán)境影響較小，表明大部分旅客對長途客車出行費用敏感度較低，即長途客車想通過降低票價來重新吸引旅客的措施已經(jīng)不能適應(yīng)現(xiàn)在的出行環(huán)境，而應(yīng)該利用自己的便利性覆蓋到更多城際高鐵覆蓋不到的區(qū)域來吸引客流.

方案2：當長途客車和私家車出行費用都增加時，私家車分擔(dān)率減少份額比長途客車更少，再次表明選擇私家車出行的旅客相對其他出行方式的出行者受到出行屬性變化的影響較小，即他們擁有較高的忠誠度.

方案3：方案3的情況下，動態(tài)ML模型的城際高鐵的分擔(dān)率在原有基礎(chǔ)上又提高4.86%，而普通列車和長途汽車的分擔(dān)率分別下降2.92%和1.13%，城際高鐵對其他公共客運市場的瓜分較為明顯.

同時，3種方案下的動態(tài)ML模型的分擔(dān)率變化都較傳統(tǒng)模型小，表明出行者出行方式選擇因受到之前選擇的影響而形成慣性，即使選擇環(huán)境發(fā)生變化也會有大部分出行者保持自己的出行習(xí)慣.而傳統(tǒng)的ML模型則會高估選擇環(huán)境對出行者造成的影響.另外，單獨的改變某一出行方式的某一屬性對整個選擇市場的影響不大，因為出行者的出行習(xí)慣會阻礙其行為的變化.

表6 預(yù)測分擔(dān)率變化(%)Table 6 Predicted change in mode spilt(%)

4 研究結(jié)論

本文通過調(diào)查寧杭城際高鐵開通前后出行者出行方式的變化情況，對效用函數(shù)引入動態(tài)影響因素，建立了基于面板數(shù)據(jù)的城際出行方式選擇ML模型.通過與傳統(tǒng)出行方式選擇模型的對比發(fā)現(xiàn)，本文提出的動態(tài)模型具有更好的優(yōu)度比和預(yù)測準確率，表明動態(tài)模型能更好地運用于快速發(fā)展的中國城市群交通狀況.同時本文也根據(jù)寧杭城際出行環(huán)境的現(xiàn)狀假設(shè)了三種政策變化，同時用動態(tài)模型和傳統(tǒng)模型進行敏感度分析，分析結(jié)果表明，傳統(tǒng)出行方式選擇模型在面對交通選擇環(huán)境發(fā)生變化時會高估方式分擔(dān)率的變化；同時單純的提高某些出行屬性不會大幅度提升其市場占有率，因為出行者的出行習(xí)慣會阻礙其行為的變化.以上結(jié)論對于中國目前的城際交通規(guī)劃和政策的制定具有重要意義.

同時，由于知識背景、理論水平的限制，本文還存在一定的不足，如很難保證被調(diào)查回憶數(shù)據(jù)的準確性，同時本文假設(shè)出行者不同時期的個人偏好是固定的也容易導(dǎo)致誤差，這些將是作者未來研究的方向.

[1]王孝之,趙勝川,閆禎禎.基于Rank Logit模型對城際交通分擔(dān)率的計算方法研究[J].交通運輸系統(tǒng)工程與信息,2012,12(2):138-143.[WANG X Z,ZHAO S C, YAN Z Z.Intercity transport mode spilt calculation method based on rank logit model[J].Journal of Transportation Systems Engineering and Information Technology.2012,12(2):137-143.]

[2]陳穎雪,董治,吳兵,等.基于選擇方案抽樣調(diào)查的城市群低頻率出行行為研究[J].中國公路學(xué)報, 2013,26(3):158-163.[CHEN Y X,DONG Z,WU B et al.Study on low-frequency intercity travel behavior of urban agglomeration based on choice-based sampling survey[J].China Journal of Highway and Transport, 2013,26(3):158-163.]

[3]Kitamura R.Panel analysis in transport planning:an overview[J].Transport Research,1990,24A(6):401-415.

[4]Th?gersen J.Understanding repetitive travel model choices in a stable context:a penel study approach[J]. Transportation Research Part A,2006,40:621-638.

[5]Cantillo V,Ortúzar J de D,Williams L G.Modeling discrete choices in the presence of inertia and serial correlation[J].Transportation Science,2007,41(2):195-205.

[6]Yá?ez m F,Cherchi E,Hevdecker B G et al.On the treatment of repeated observations in panel data: efficiency of mixed logit parameter estimates[J].Netw Spat Econ,2011,11:393-418.

[7]G?rling T,Axhausen K W.Introduction:habitual travel choice[J].Transportation,2003,30:1-11.

[8]Garvill J,Marell A,Nordlund A.Effects of increased awareness on choice of travel mode[J].Transportation, 2003,30:63-79.

[9]Srinivasan K K,Mahmassani H S.A dynamic kernel logit model for the analysis of longitudinal discrete choice data:properties and computational assessment[J].Transportation Science,2005,39(2):160-181.

[10]Train K.Discrete choice methods with simulation(second edition)[M].Cambridge:Cambridge University Press, 2009:137-147.

Analysis of Ninghang Intercity Travel Mode Choice Behavior Based on Panel Data

WU Lin-lina，ZHANG Ming-yana，WANG Yangb
（a.School ofAutomotive and Traffic Engineering,b.School of Electrical and Information Engineering;Jiangsu University, Zhenjiang 212013,Jangsu，China)

With the rapid development of Chinese urban agglomeration,new modes of intercity transport constantly emerge and the old ones are also continuously improved,which leads the intercity travelers to restructure their travel habits constantly.Thus,there is a need to build a dynamic model to study the intercity travel behavior of travelers and forecast travel demands.In this context,travel information before and after the opening of Ninghang Intercity Railway was investigated.The state dependence variable is introduced to express the effect of previous intercity travel mode choice decision on latter travel mode choice,the dynamic model of intercity travel mode choice is established based on panel data of two waves.The results indicate that the dynamic model performs better than the traditional models which only concern one wave travel data. According to the background of Ninghang intercity travel,three predicted policy scenarios are set to predict the mode spilt,the results show that the traditional model would overstate the degree of the change of mode spilt.The above conclusions can better serve for the Chinese intercity transportation planning.

integrated transportation;dynamic model;panel data;intercity transportation;mode choice

1009-6744（2015）01-0226-06

：U125

：A

2014-09-16

：2014-12-25錄用日期：2015-01-04

國家統(tǒng)計局項目(2010LC53);教育部人文社科基金項目(11YJA630152);江蘇省六大人才高峰項目(2011ZBZZ043).

吳麟麟(1970-),男,江蘇泰興人,副教授，博士. ＊

：wangjust@163.com