晏莉穎，孟祥佩

（寧波大紅鷹學(xué)院基礎(chǔ)學(xué)院，浙江寧波315175）

0 引言

隨著我國經(jīng)濟(jì)快速發(fā)展，城市化速度在不斷加快，社會活動日益頻繁，全國各大城市均面臨著不同程度的交通擁堵、空氣污染等問題。研究和實(shí)踐表明，大力優(yōu)先發(fā)展公共交通是解決城市交通擁堵的必由之路，而作為公共交通系統(tǒng)的重要組成部分——軌道交通以其速度快、運(yùn)量大、準(zhǔn)時安全、節(jié)能環(huán)保等優(yōu)點(diǎn)成為大城市優(yōu)先發(fā)展公共交通的最優(yōu)選擇。為此，有必要研究軌道交通與其他交通方式選擇的影響因素，以提高軌道交通出行的選擇比例。

國內(nèi)外在采用非集計模型研究人們出行方式選擇影響因素及計算分擔(dān)率方面取得了一些成果。Hensher 等[1]通過顯示偏好 (RP) 和意向偏好 (SP) 調(diào)查獲取數(shù)據(jù)，研究進(jìn)出站時間、候車時間、車上時間等變量對鐵路出行方式選擇的影響，并運(yùn)用多項(xiàng)Logit 模型 (MNL) 模型估算居民出行方式分擔(dān)率。Espino 等[2]采用巢式 Logit 模型 (NL) 對 RP 和 SP 調(diào)查數(shù)據(jù)進(jìn)行參數(shù)估計，得出選擇公交出行和私家車出行的影響因素。Zhao 等[3]利用多元的 Logit 模型分析常規(guī)公交、地鐵、出租車等公共交通方式客流分擔(dān)率，提出常規(guī)公共交通使用者對出行時間不敏感，高收入者更愿意選擇出租車方式出行。殷煥煥等[4]運(yùn)用 MNL 模型，分析個人因素、家庭因素對居民出行方式選擇的影響。張飛飛等[5]從環(huán)境保護(hù)的角度出發(fā)，利用 MNL 模型研究南京市居民交通方式選擇的影響因素。張之虎等[6]建立 MNL 模型，通過對模型進(jìn)行敏感性分析，發(fā)現(xiàn)在一定范圍內(nèi)降低公共交通票價和縮短公共交通出行時間能吸引部分小汽車出行者轉(zhuǎn)向公共交通出行。王文憲等[7]建立鐵路旅客乘車方案選擇的 MNL 模型，其研究表明公費(fèi)出行、月收入較高及出差的旅客偏好選擇“G”字頭高速列車；自費(fèi)出行、月收入較低及旅游探親的旅客偏好選擇“D”字頭高速列車。馬書紅等[8]將 MNL 模型和差異的效益測算方法相結(jié)合，測算不同交通政策實(shí)施對城間交通出行選擇的影響和出行者效益，研究表明實(shí)施公交優(yōu)先對城間交通出行選擇行為的影響較大。張航等[9]利用 MNL 研究旅客出行時間選擇行為的主要影響因素，給出對模型求解的 3 種算法，并利用滬寧城際高速鐵路 (南京南—上海虹橋) 客票數(shù)據(jù)對旅客出行時間選擇進(jìn)行實(shí)證研究，得出周五和周日出行的旅客偏向于晚間出行，當(dāng)日購票的旅客偏向于選擇午間和晚間出行。

上述研究均針對特定環(huán)境下的人們出行方式選擇進(jìn)行研究，而客觀上，環(huán)境不同、交通方式的構(gòu)成不同等因素都會對交通方式選擇產(chǎn)生不同程度的影響。為此，以寧波市軌道交通開通后居民出行方式選擇的調(diào)查數(shù)據(jù)為依據(jù)，利用 MNL 模型研究軌道交通開通后影響居民交通方式選擇的因素，探索提高公共交通出行比例的策略，為緩解交通擁堵和交通政策的制定提供參考。

1 寧波城市交通MNL模型構(gòu)建

1.1 居民出行現(xiàn)狀

為了解 2014 年 5 月 30 日寧波軌道交通開通后居民出行結(jié)構(gòu)的變化，以及影響軌道交通出行方式選擇的因素，以寧波軌道交通 1 號線沿線的社區(qū)居民、企事業(yè)單位職員、商業(yè)區(qū)消費(fèi)者等為調(diào)查對象，于 2015 年 12 月采用調(diào)查員現(xiàn)場發(fā)放問卷、現(xiàn)場解答、被調(diào)查者現(xiàn)場填寫、當(dāng)場回收問卷的方式進(jìn)行調(diào)查，共獲得有效樣本 1 681 份。所收集的樣本分布比較均勻，能夠比較有效地反映軌道交通的開通對居民出行方式選擇的影響。

將寧波市居民出行方式劃分為 4 類，即公交車、小汽車 (出租車和私家車)、非機(jī)動車 (自行車、電瓶車、步行)、軌道交通。調(diào)查顯示，目前寧波市公共交通出行比例為 61.5%，其中公交車出行比例為 39.1%，軌道交通為 21.4%；小汽車出行比例為 34.4%；非機(jī)動車出行比例為 5.1%。軌道交通開通后，其客流有 74% 來源于公交車出行者，21.7% 來自于小汽車出行者，4.3% 來自于非機(jī)動車出行者。顯然，軌道交通的開通增加了居民出行選擇公共交通的概率，改變了城市原有的交通結(jié)構(gòu)。

1.2 MNL 模型

MNL 模型是非集計模型中的一種，由于該模型具有數(shù)學(xué)表達(dá)式簡潔、物理意義易理解、選擇概率在 [0，1] 之間且各選擇肢的概率之和為 1 等特點(diǎn)，近年來被廣泛應(yīng)用于交通等學(xué)術(shù)領(lǐng)域模擬預(yù)測中[10]。MNL 模型適用于被解釋變量為多分類變量的情況，所采用的方法為回歸分析法，研究目的是分析被解釋變量各類別與參考類別的對比情況。

假設(shè)可供出行者選擇的交通方式集合為A={1，2，…，J}，則出行者選擇第j類出行方式的非集計模型為[11]

式中：P(y=j|x) 為被解釋變量為第j類的概率；P(y=J|x) 為被解釋變量為第J(j≠J) 類的概率，第J類為參照類；αj表示第j類出行方式的常數(shù)項(xiàng)；βji表示第j類出行方式相應(yīng)變量xi的系數(shù)，也稱為變量xi的回歸系數(shù)。αj和βji均為待定參數(shù)。

1.3 變量的確定

選取軌道交通開通后居民選擇的交通方式為被解釋變量，共分為 4 類，即公交車、小汽車 (出租車和私家車)、非機(jī)動車 (自行車、電瓶車、步行)、軌道交通；選取軌道交通開通后居民出行時交通方式選擇所涉及的影響因素為解釋變量。在對寧波市居民出行方式調(diào)查的基礎(chǔ)上，選擇出行距離、出行目的、出行所用時間、一次出行費(fèi)用、是否有私家車、性別作為模型中的解釋變量，具體各解釋變量情況如表1 所示。

表1 解釋變量Tab.1 Explanatory variables

1.4 模型參數(shù)的標(biāo)定

初步確定影響交通方式選擇的因素和模型的基本形式后，利用 SPSS 軟件對模型中的參數(shù)值進(jìn)行標(biāo)定，同時可得出參數(shù)值的標(biāo)準(zhǔn)誤差及其所對應(yīng)的檢驗(yàn)統(tǒng)計量與顯著性水平。模型參數(shù)估計結(jié)果如表2 所示。選取對每種交通方式的影響顯著性比較強(qiáng)的變量作為模型的解釋變量，得到以軌道交通為參照項(xiàng)的其他各類交通方式選擇模型如下。

表2 模型參數(shù)估計結(jié)果Tab.2 Estimation results of model parameters

式中：p1，p2，p3，p4分別表示居民出行時選擇公交車、小汽車、非機(jī)動車、軌道交通的概率，且p1+p2+p3+p4= 1。

1.5 模型精度評價

模型精度評價是模型求解以后進(jìn)行分析的必要過程，通過上面的分析已得到了各種交通方式對應(yīng)影響變量的回歸系數(shù)及顯著性情況，接下來采用命中率法及 McFadden 系數(shù)法對模型進(jìn)行檢驗(yàn)。

命中率是指用所建模型推算結(jié)果與實(shí)際居民出行交通方式選擇結(jié)果的吻合程度。McFadden 系數(shù)ρ2與回歸分析中的R2類似，用來判別模型的擬合效果，ρ2的取值范圍為 0＜ρ2＜1，其值越接近1說明模型的精度越高，但在實(shí)際應(yīng)用中，其取值范圍在 0.2～0.4 之間時可以認(rèn)為擬合度較好[12-13]。MNL 模型的檢驗(yàn)結(jié)果如表3 所示，該模型總的命中率為 75.6%，并且ρ2= 0.313，因而可以認(rèn)為所建立的 MNL 模型擬合效果較好。

表3 MNL 模型的檢驗(yàn)結(jié)果Tab.3 Veri fi cation results of MNL model

2 影響寧波市居民交通方式選擇的因素分析

利用模型的估計結(jié)果可以獲得軌道交通開通后影響居民出行交通方式選擇的主要因素，不僅有助于研究交通方式結(jié)構(gòu)形成的原因，而且有利于提出影響和引導(dǎo)交通方式結(jié)構(gòu)的有效措施。下面從解釋變量角度出發(fā)，相對于軌道交通方式作如下分析。

（1）出行距離的影響。出行距離對公交車、小汽車、非機(jī)動車的影響均非常顯著，而且公交車、非機(jī)動車出行者出行距離的系數(shù)均為負(fù)數(shù)，這說明隨著距離的增加，選擇軌道交通的概率增大，并且非機(jī)動車較為明顯 (回歸系數(shù)為-3.524)，這與非機(jī)動車出行需要消耗一定的體力有關(guān)。小汽車出行與軌道交通出行的發(fā)生比為1.629 (exp (0.488) =1.629)。

（2）出行所用時間的影響。出行時間對交通方式選擇的影響較為顯著，公交車和非機(jī)動車的回歸系數(shù)均為正數(shù) (分別為 1.010，1.580)，小汽車的回歸系數(shù)為負(fù)數(shù) (-0.278)，說明其他條件不變時，隨著出行時間的增加，對于小汽車的出行者而言，選擇軌道交通的概率將增大，而對于公交車和非機(jī)動車的出行者而言，選擇軌道交通的概率將減少，而且對非機(jī)動車的影響最大，是選擇軌道交通出行的4.855 倍 (exp (1.580) = 4.855)。

（3）一次出行費(fèi)用的影響。出行費(fèi)用對交通方式選擇的影響同樣顯著。公交車和非機(jī)動車的回歸系數(shù)均為負(fù)數(shù)，小汽車為正數(shù)，這說明隨著費(fèi)用的增加，公交車和非機(jī)動車的出行者更傾向于選擇軌道交通，而小汽車出行者正好相反，選擇小汽車出行是選擇軌道交通出行的 1.697 2 倍(exp (0.529) =1.697 2)。

（4）性別的影響。在小汽車和非機(jī)動車這 2 種出行方式中顯著性水平分別為 0.239 和 0.054，都大于 0.05，這表明性別對這 2 種非公共交通與軌道交通的選擇影響作用不大。公交車出行者中性別的系數(shù)為-0.283，說明在其他條件不變時，女性選擇軌道交通出行概率大。

（5）出行目的的影響。通過參數(shù)估計表可以看出，上學(xué)、上班相對于其他出行目的而言，公交車、小汽車、非機(jī)動車的顯著性水平為零，影響比較顯著，并且回歸系數(shù)均為正數(shù)，依次為 0.473，0.949，1.615，與選擇軌道交通的發(fā)生比依次為 1.605(exp (0.473) = 1.605)、2.582 (exp (0.949) = 2.582)、5.026 (exp (1.615) = 5.026)。因此，相對于軌道交通而言，對于上班和上學(xué)的居民來說，出行更愿意選擇原有的出行方式，并且對小汽車和非機(jī)動車來說更明顯，分別是選擇軌道交通出行的2.582倍和5.026倍，這可能與上班和上學(xué)一般出行距離比較近，或者對到達(dá)時間的準(zhǔn)確性要求比較高有關(guān)。

（6）是否有私家車的影響。私家車的擁有對公交車、小汽車的出行者影響比較明顯，對自行車出行者不明顯。通過參數(shù)估計表可以看出，對于小汽車出行者明顯程度比較大，并且系數(shù)為正值，發(fā)生比為 5.621 (exp (1.726) = 5.621)，說明擁有小汽車家庭使用小汽車出行是軌道交通出行的5.621倍。

3 優(yōu)化寧波市居民出行方式選擇的對策

通過上面的分析可以看出，公共交通的選擇主要受出行距離、費(fèi)用、時間因素影響；而小汽車的出行者主要受出行時間、費(fèi)用、是否擁有私家車因素影響；非機(jī)動車出行者更多受出行距離、目的因素影響。為此，從以下幾個方面給出優(yōu)化寧波市居民出行方式選擇的對策和建議。

3.1 優(yōu)化城市公共交通整體格局

（1）推動實(shí)現(xiàn)公共交通出行方式“無縫對接”。鑒于軌道交通可達(dá)性比較低，無法實(shí)現(xiàn)“門到門”服務(wù)，建議通過增設(shè)公共自行車網(wǎng)點(diǎn)、開設(shè)微公交，實(shí)現(xiàn)軌道交通與公共自行車、公交車的無縫對接，節(jié)約出行時間。其次，有選擇地開設(shè)城市公交車專用通道，適度、有序發(fā)展快速公交，全力提高傳統(tǒng)公交運(yùn)行速度，切實(shí)減少出行時間。最后，針對客流量較大的線路及客流高峰時段，可以通過增加班次、減少發(fā)車間隔等措施，優(yōu)化居民出行選擇方式，提高公共交通出行比例，力促形成“軌道交通為引領(lǐng)、其他出行方式為補(bǔ)充”的城市公共交通整體格局。

（2）制定出臺公共交通換乘優(yōu)惠政策。城市居民選擇軌道交通方式出行，一部分出行者特別是長距離出行者，從出發(fā)地到目的地需要經(jīng)過其他交通方式與軌道交通的換乘才能完成一次出行，客觀上存在著一定的換乘成本，而換乘成本的大小也在一定程度上決定了居民選擇軌道交通出行的意愿。因此，大力發(fā)展城市軌道交通還需要制定合理的公交車與軌道交通的換乘優(yōu)惠政策，建議可由市、區(qū)兩級財政部門按照 1 : 1 比例配套安排落實(shí)相應(yīng)的軌道交通出行優(yōu)惠專項(xiàng)資金，推出適合不同類別人群的軌道交通出行月票，公交車與軌道交通混合出行月票等優(yōu)惠舉措。還可以在軌道交通站點(diǎn)設(shè)置停車場，引導(dǎo)長距離出行者使用小汽車與軌道交通相結(jié)合的出行方式，從而進(jìn)一步降低居民的軌道交通出行成本，提高居民選擇公共交通方式出行的概率和意愿度。

3.2 科學(xué)合理地規(guī)范小汽車出行

（1）適度提高小汽車出行費(fèi)用。一方面，在城市中心可限制小汽車的停車數(shù)量，加大亂停亂放及違規(guī)停車的處罰力度，以減少居民選擇小汽車出行的概率。另一方面，還可以通過征收燃油附加費(fèi)、擁擠費(fèi)等措施，靈活利用經(jīng)濟(jì)杠桿原理，適度增加小汽車出行成本，倒逼居民審慎選擇或減少小汽車出行方式。

（2）有序限制私家車擁有量，降低小汽車出行率。隨著經(jīng)濟(jì)發(fā)展和生活水平不斷提高，城市居民小汽車的擁有量呈現(xiàn)逐年上升的趨勢，客觀上加劇了城市交通的擁堵，并且對居民選擇公共交通出行帶來一定的影響。鑒于此，可以結(jié)合城市交通擁堵實(shí)際和居民經(jīng)濟(jì)承受能力等因素，通過控制私家車車牌發(fā)放量、單雙號限行等多樣化、靈活化的舉措，有序控制私家車的保有量，盡量減少小汽車的使用。

3.3 強(qiáng)化居民非機(jī)動化出行安全保障

相對機(jī)動化出行，非機(jī)動化出行主要適合短距離出行者，且出行目的比較單一、固定。為此，一方面可以通過建立非機(jī)動車專用通道，設(shè)置合理的步行空間，設(shè)置醒目、明確標(biāo)識的人行橫道及人行道信號燈、顯示倒數(shù)時間等，保障非機(jī)動車出行者的安全，方便居民出行，同時也可以進(jìn)一步減輕對城市公共交通出行的人員壓力；另一方面，鑒于當(dāng)前電動車普及量和擁有量不斷提升，可以結(jié)合城市自身的居民數(shù)量、電動車保有量等現(xiàn)實(shí)因素，因地制宜地制定符合城市實(shí)際的非機(jī)動車交通安全規(guī)范，從而減少對城市公共交通出行的不利影響，也可以保障非機(jī)動車出行人員安全。

4 結(jié)束語

針對軌道交通的開通對居民出行方式選擇行為影響的研究，可以為寧波市優(yōu)先發(fā)展公共交通戰(zhàn)略提供對策，為寧波市交通政策的提出提供理論支持。從研究結(jié)果可以看出，優(yōu)化城市公共交通格局和居民出行方式，一方面需要從硬件上提升公共交通設(shè)施設(shè)備裝備水平，全方位打通城市公共交通存在的各類“隔閡點(diǎn)”；另一方面，還需要從軟件上制定出臺相應(yīng)的公共交通出行、換乘優(yōu)惠政策、私家車管控政策、非機(jī)動車出行安全規(guī)范等相應(yīng)的制度規(guī)范，從而以“硬件上的方便快捷+軟件上的優(yōu)惠貼心”多方吸引城市居民更多選擇公共交通出行方式，從根本上解決城市交通擁堵治理難題。

[1] HENSHER D A，BRADLEY M. Using Stated Response Choice Data to Enrich Revealed Preference Discrete Choice Models[J]. Marketing Letters，1993，4(2)：139-151.

[2] ESPINO R，ORTUZARJDD，ROMAN C. Understan-ding Suburban Travel Demand：Flexible Modeling with Revealed and Stated Choice Data[J]. Transportation Research Part A：Policy and Practice，2007，41(10)：899-912.

[3] ZHAO D，DU W，LIU J. Analysis of Chengdu City’s Urban Public Transit System based on Disaggregate Model Theory[C]//ASCE.International Conference on Transportation Engineering(ICTE). Reston，Virginia：American Society of Civil Engineers(ASCE)，2009：2701-2706.

[4] 殷煥煥，關(guān)宏志，秦?zé)?，? 基于非集計模型的居民出行方式選擇行為研究[J]. 武漢理工大學(xué)學(xué)報 (交通科學(xué)與工程版)，2010，34(5)：1000-1003.YIN Huan-huan，GUAN Hong-zhi，QIN Huan-mei，et al. Study of Travel Mode Choice Behavior based on Disaggregate Model[J]. Journal of Wuhan University of Technology(Transportation Science and Engineering)，2010，34(5)：1000-1003.

[5] 張飛飛，劉蓓蓓，畢 軍，等. 城市居民交通方式選擇及其影響因素分析：以南京市為例[J]. 四川環(huán)境，2012，31(3)：132-138.ZHANG Fei-fei，LIU Bei-bei，BI Jun，et al. Traffic Alternatives for Urban Residents and Affecting Factors：A Case Study of Nanjing City[J]. Sichuan Environment，2012，31(3)：132-138.

[6] 張之虎，關(guān)宏志，秦?zé)溃? 小汽車出行群體向公交出行轉(zhuǎn)移的可行性研究[J]. 交通標(biāo)準(zhǔn)化，2014(17)：5-8.ZHANG Zhi-hu，GUAN Hong-zhi，QIN Huan-mei，et al. Feasibility Study of Car Owner Transferring to Bus Use[J].Transportation Standardization，2014(17)：5-8.

[7] 王文憲，倪少權(quán)，呂紅霞，等. 基于非集計理論的高速鐵路旅客乘車選擇行為研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2015，15(3)：13-18.WANG Wen-xian，NI Shao-quan，LU Hong-xia，et al.Boarding Choice for High-Speed Railway Passengers based on Disaggregate Theory[J]. Journal of Transportation Systems Engineering and Information Technology，2015，15(3)：13-18.

[8] 馬書紅，孫言涵. 交通政策對主衛(wèi)城間多模式交通選擇行為的影響及系統(tǒng)效益測算[J]. 長安大學(xué)學(xué)報 (社會科學(xué)版)，2015，17(4)：42-47.MA Shu-hong，SUN Yan-han. Influence of Transportation Policy on the Multi-Mode Transportation Choice Behavior between Megacity and Satellite City and the System Benefit Estimation[J]. Journal of Chang’an University(Social Science Edition)，2015，17(4)：42-47.

[9] 張 航，趙 鵬，喬 珂，等. 高速鐵路旅客出行時間選擇Logit模型與分析[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2017，39(1)：55-60.ZHANG Hang，ZHAO Peng，QIAO Ke，et al. Analysis on Logit Model of High-Speed Raitway Passengers’ Travel Time Choice[J]. Railway Transport and Economy，2017，39(1)：55-60.

[10] 賈洪飛，龔勃文，宗 方. 交通方式選擇的非集計模型及其應(yīng)用[J]. 吉林大學(xué)學(xué)報，2007，37(6)：1288-1293.JIA Hong-fei，GONG Bo-wen，ZONG Fang.Disaggregate Modeling of Traffic Mode Choice and Iits Application[J]. Journal of Jilin University，2007，37(6)：1288-1293.

[11] 薛 微. 基于 SPSS 的數(shù)據(jù)分析[M]. 北京：中國人民大學(xué)出版社，2006.

[12] KENNETH E. Train Discrete Choice Method with Simulation[M]. Cambridge：Cambridge University Press，2003.

[13] 楊 敏，陳學(xué)武，王 煒，等. 基于人口和土地利用的城市新區(qū)交通生成預(yù)測模型[J]. 東南大學(xué)學(xué)報 (自然科學(xué)版)，2005，35(5)：815-819.YANG Min，CHEN Xue-wu，WANG Wei，et al. Trip Generation Forecasting Model of New District based on Urban Population and Land Use[J]. University of Southeast University (Natural Science Edition)，2005，35(5)：815-819.