劉 葉，吳 戈*，周 強

(1.蘇州大學(xué)軌道交通學(xué)院，江蘇蘇州215131；2.碧桂園集團，上海201620)

0 引言

公共自行車系統(tǒng)(Public Bicycle System,PBS)近20年在世界范圍內(nèi)得到快速發(fā)展.PBS具有便捷、健康、環(huán)保等優(yōu)點，也有利于緩解日益嚴重的城市交通擁堵問題.

國內(nèi)外學(xué)者結(jié)合PBS使用情況分析了使用者的偏好與使用目的.例如，Shaheen等[1]研究了北美多個城市的PBS使用特征,指出公共交通服務(wù)水平較低的地區(qū)PBS使用比例更高.Fuller等[2]分析了加拿大蒙特利爾的PBS使用者偏好，發(fā)現(xiàn)高學(xué)歷的年輕人比例較大，居住區(qū)250 m范圍內(nèi)的站點使用率較高.朱瑋等[3]在上海閔行區(qū)的調(diào)查表明，僅20%的使用者借助PBS換乘公共交通，并指出PBS平均騎行距離實際上可能超過了“最后一公里”的范圍.周強等[4]利用多項Logit模型研究了包括PBS在內(nèi)的地鐵接駁方式選擇問題，證實除出行時間外，出行目的、個人屬性等對PBS接駁地鐵也有顯著的影響.

解決出行“最后一公里”問題，是國內(nèi)盛行的PBS定位.遵循這一定位，站點布局也首選公共交通車站[5].但如上所述，實際上市民可能并非主要將PBS作為公共交通的接駁手段使用，特別是在公交車站500 m覆蓋率達到90%以上的“公交都市”建成區(qū)，有必要進一步明確PBS的定位和發(fā)展方向.

另一方面，運用離散選擇模型研究包含PBS在內(nèi)的交通方式選擇問題時，由于PBS既可以作為主要交通方式單獨使用，又可以作為公共交通的末端接駁方式，不同使用模式之間存在相關(guān)性，運用多項Logit模型或Nested Logit模型很難進行正確的分析.

本文將公共自行車使用分為接駁地鐵、接駁常規(guī)公交和全程單獨使用3種模式，構(gòu)建Cross-Nested Logit模型.以蘇州市PBS為對象，定量分析公共自行車使用模式的影響因素，為正確定位PBS的作用提供有價值的參考.

1 Cross-Nested Logit模型

離散選擇模型[6]已被廣泛應(yīng)用于出行方式選擇問題的研究.針對多項Logit(MNL)模型的IIA特性，Nested Logit(NL)模型將選項分為不同的層次，但每個下層選項都被限定在唯一的上層選項中.而Cross-Nested Logit(CNL)模型[7]允許下層選項同時從屬于多個上層選項，通過分配系數(shù)α確定該選項隸屬不同上層選項的比例，更適用于PBS使用模式研究.圖1和圖2顯示了CNL模型與NL模型的區(qū)別(忽略PBS及各末端交通方式前后的步行).

圖1 NL模型結(jié)構(gòu)Fig.1 NL model structure

圖2 CNL模型結(jié)構(gòu)Fig.2 CNL model structure

在CNL模型中，下層選項i的選擇概率由上層選項m的選擇概率和在選定m的條件下選擇i的條件概率兩部分組成.由于選項i可以隸屬不同的上層選項，故：

其中，條件概率為

上層選項m的選擇概率為

式中：vm為上層選項m的效用函數(shù)；vi、vj為下層選擇項i、j的效用函數(shù)；λ為尺度參數(shù)，按照效用最大化原則，0＜λ＜1；αim為選項i在選項m中的分配系數(shù)，0≤αim≤1，且∑m αim=1，若αim=0，說明選項i不屬于m.

效用函數(shù)的變量選取主要考慮出行屬性和個人屬性2類因素.出行屬性以各種交通方式的使用時間(步行、騎行、候車及乘車時間)和出行目的等為主；個人屬性包括性別、年齡、收入、職業(yè)、受教育程度和使用PBS的頻率等.

2 數(shù)據(jù)及統(tǒng)計分析

2.1 數(shù)據(jù)來源

本文實證研究以蘇州市PBS為例，數(shù)據(jù)來源于2014年蘇州地鐵沿線的問卷調(diào)查[4].主要交通方式分為地鐵、常規(guī)公交(以下簡稱公交)和PBS；末端交通方式分為步行、公交、PBS和電動車.本次調(diào)查共獲得問卷1 565份，其中適用于本文分析的有效問卷1 360份.各交通方式的選擇情況如表1所示.

表1 樣本構(gòu)成Table 1 Sample size by travel mode

本調(diào)查主要在各地鐵站及其附近的PBS站點和公交車站進行，因此主要交通方式中地鐵占74.3%，公交占7.0%，全程使用PBS占18.7%.在總計621位PBS使用者中，接駁地鐵的為47.5%，接駁公交的為11.6%，單獨使用的為40.9%.327份乘坐公交的樣本中，作為主要方式的占29.1%，用于接駁地鐵的占70.9%.

調(diào)查數(shù)據(jù)中除了出行目的、PBS使用可能性及個人屬性等以外，還有被調(diào)查者實際所用交通方式的出行時間信息，但標定CNL模型需要被調(diào)查者所有可使用交通方式的相關(guān)數(shù)據(jù).因此，本文假定各種交通方式的平均旅行速度，根據(jù)被調(diào)查者的實際使用時間計算其出行距離，再分別估算其他可用但未使用的交通方式的時間.

2.2 不同模式的公共自行車使用特征

(1)PBS使用率.

本次調(diào)查詢問了3種PBS模式的使用可能性,各模式的實際使用樣本數(shù)與可使用樣本數(shù)的分布如表2所示.騎行距離按12 km/h的平均騎行速度計算.

從表2可以看出，1 km以內(nèi)可使用與實際使用PBS的樣本量都很少,暗示1 km以內(nèi)主要是步行，PBS通常會超出“一公里”的騎行距離.

圖3描述了PBS使用率(=實際使用樣本/可使用樣本)隨騎行距離的變化.對4 km以內(nèi)的短距離出行，能利用PBS的出行者大部分都會單獨使用PBS完成出行；出行距離大于4 km后，單獨使用PBS的比例顯著下降，出行轉(zhuǎn)向以公共交通為主.PBS接駁地鐵大多發(fā)生在距地鐵站(2,5]km的范圍.盡管可以利用PBS接駁公交的樣本較多，但各距離段的實際接駁者均較少，說明在公交覆蓋率較高的地鐵沿線，人們可能并不傾向于使用PBS接駁公交.

表2 PBS實際使用樣本與可使用樣本的分布Table 2 Sample size by ridership mode

(2)騎行距離.

從表2統(tǒng)計得出，PBS全程單獨使用的平均騎行距離為3.3 km，接駁地鐵和公交的平均騎行距離約為2.8 km，但全程使用和接駁使用的騎行距離分布較為相似，如圖4所示，說明人們在使用PBS時可能主要考慮體力和時間上的可接受性.

(3)出行時間的影響.

如圖5所示，全程使用PBS的出行總時間在30 min(約6 km)以內(nèi)的占72%，接駁地鐵較多用于30～49 min的出行，接駁公交在30～39 min的出行中使用最多.接駁地鐵和公交的出行時間明顯高于全程使用，說明PBS的使用模式與出行時間有很大關(guān)系.本文將出行總時間分解到步行、候車、乘車、換乘、騎行各個環(huán)節(jié)，詳細探究出行時間的影響.

(4)出行目的.

如圖6所示，接駁地鐵比另兩種使用模式更多用于文娛和回家；接駁公交的騎行者中，上班和探親訪友的比例明顯高于其他模式；全程單獨使用則以購物目的為主.

圖3 實際使用樣本占可使用樣本的比例Fig.3 Ratio of actual to available samples

圖6 PBS使用模式與出行目的Fig.6 Percent of trip purpose by ridership mode

(5)個人屬性.

分析PBS不同使用模式中個人屬性的差異.以年齡為例，如圖7所示，接駁地鐵的騎行者中[18，35)歲的比例最高，占74.9%.總體上，[18，25)歲的年輕人更愿意用PBS接駁公共交通.而全程使用中，50歲以上的騎行者比例明顯高于接駁使用.

圖7 PBS使用模式與年齡Fig.7 Age distribution in ridership modes

3 CNL模型構(gòu)建及結(jié)果分析

3.1 模型結(jié)構(gòu)

在圖2的Cross-Nested Logit模型結(jié)構(gòu)中，作為末端交通方式，PBS可以同時從屬于3種主要方式.同樣，步行可以接駁地鐵和公交，但它是PBS唯一的接駁手段，可將兩者視為一體.公交車除可以換乘其他公交線路外，也可以接駁地鐵.調(diào)查中未觀測到電動車單獨使用或接駁公交，故僅將其作為地鐵的接駁手段.

3.2 模型結(jié)果及分析

在CNL模型估計中，首先假設(shè)各交通方式的效用函數(shù)是公共交通乘車時間、PBS騎行時間等變量的線性函數(shù)，標定得到模型1，如表3所示.模型尺度參數(shù)(0.064)以1%以上的顯著性水平介于0～1，表明圖2假設(shè)的模型結(jié)構(gòu)符合效用最大化原則.自由度調(diào)整后的McFadden決定系數(shù)Adj-ρ2為0.562，表明模型1的精度很高.

如前所述，分配系數(shù)揭示了末端方式在各主要方式中的使用比例，這種比例關(guān)系不同于表1所示的樣本比例，后者通常反映在效用函數(shù)的常數(shù)項中.因為t檢驗值均大于2.58，從統(tǒng)計意義上可以相信，PBS用于接駁地鐵和公交的比例分別為21.0%和16.0%，全程單獨使用的比例為63.0%.因此，有理由推測公共自行車可能實際上主要是全程單獨使用.同樣，步行接駁公交和地鐵的分配系數(shù)分別為78.1%和21.9%,暗示公交以步行接駁為主，而地鐵的接駁方式更多樣化.另一方面，公交接駁地鐵的分配系數(shù)僅為21.6%，說明公交(包括公交之間換乘)主要是作為全程出行方式使用的.

從時間變量來看，騎行時間對全程單獨使用PBS的負面影響遠大于乘車時間對公共交通出行的影響，說明隨著出行距離的增大，選擇全程使用PBS的概率會更快地下降.由于步行是最基本的接駁手段，所以到車站的步行時間對乘坐地鐵或公交沒有顯著影響(本文不考慮小汽車出行)，但到PBS站點的步行時間卻對全程單獨使用有極顯著的負面影響，其程度甚至大大超過了騎行時間的影響，反映了站點密度對利用PBS的重要性.

根據(jù)圖3的分析，騎行距離(時間)對PBS使用模式的效用影響可能是非線性的，因此，本文將每1 km的騎行距離作為0-1變量分別逐次代入各模式的效用函數(shù)，得到圖8所示的參數(shù)值變化(t值小于1.96的參數(shù)值記為0).可以看出，小于1 km時，騎行距離僅對接駁地鐵有顯著的正效用，表明PBS有助于地鐵出行，但對接駁公交和全程單獨使用沒有明顯的影響.在(1,2]km范圍內(nèi)，PBS甚至對公交出行有顯著的負效用，示意可能與公交構(gòu)成某種競爭關(guān)系.當(dāng)?shù)杰囌镜尿T行距離為(4,5]km時，地鐵和公交在一定程度上都可以得到PBS的支持.就全程使用PBS而言，(2,4]km的出行距離顯然更有正面效果，大于4 km后全程使用PBS的概率則顯著降低.值得注意的是，騎行距離對PBS接駁地鐵或公交的參數(shù)絕對值(圖8左縱軸)遠小于全程使用(右縱軸)，說明騎行距離對全程使用的影響更大.

表3 CNL模型結(jié)果Table 3 Results of CNL model

圖8 不同使用模式的騎行距離參數(shù)Fig.8 Parameter of riding distance by ridership mode

在模型1的基礎(chǔ)上，同時考慮以上有顯著效用的騎行距離段，得到模型2.比較最終似然值可知，模型的精度得到較顯著的提升.對比圖8，1 km以內(nèi)PBS接駁地鐵的正效用及其顯著性有所降低.同時，PBS接駁公交的分配系數(shù)進一步降低，PBS全程單獨使用的比例提高到72.4%.

值得關(guān)注的是，兩個模型都表明，當(dāng)人們可以利用PBS接駁公共交通時，明顯有益于促進選擇地鐵作為主要方式出行，卻對公交出行有抑制作用.因此，總的來看，公共自行車極可能與常規(guī)公交存在某種競爭關(guān)系，但對地鐵有一定的補充作用.

比較模型1和模型2，其他參數(shù)的估計值變化較小.從出行目的看，購物的人群較青睞于全程單獨使用PBS，回家的人群在一定程度上更多地使用PBS接駁地鐵.在模型標定過程中，沒有發(fā)現(xiàn)“上班”對PBS使用模式的明顯傾向，這或許是因為并非所有的通勤者在上班途中，都恰好有合適的PBS站點或可供借用的車輛，與其繞道去借用公共自行車，步行可能更節(jié)省時間.早高峰期間地鐵站附近公共自行車大量聚集或匱乏的現(xiàn)象是出行過于集中造成的.這也說明出行的時空不均衡性給PBS規(guī)劃和運行管理帶來很大的困難，但過分偏重公共交通車站的站點布局不一定有利于PBS的合理分擔(dān)，反倒可能由于車輛的自然流動不暢而降低PBS的使用效率.

在個人屬性方面，女性顯然更多地選擇全程單獨使用公共自行車，而不是去接駁擁擠的公共交通.自由職業(yè)、私營企業(yè)主及離退休等時間相對自由的人群，可能較多選擇PBS接駁地鐵.幾乎在所有變量中，經(jīng)常使用PBS(每周1次以上)的參數(shù)值及其顯著性都是最大的，表明這一人群極其傾向于全程單獨使用，同樣也暗示了公共自行車與公共交通之間的競爭關(guān)系.

4 結(jié)論

本文根據(jù)公共自行車的使用特點，將其分為接駁地鐵、接駁公交及全程單獨使用3種模式，并提出利用CNL模型分析各模式使用比例及其影響因素，以期更準確地界定PBS與公共交通的關(guān)系.對蘇州市PBS的案例研究發(fā)現(xiàn)，公共自行車很大程度上傾向于在(1,4]km左右的出行中被全程單獨使用；可能較少用于接駁常規(guī)公交；在公交站2 km的范圍內(nèi)，公共自行車或許與常規(guī)公交存在競爭關(guān)系；對于地鐵出行，PBS主要在車站1 km范圍內(nèi)有一定的補充作用.

研究結(jié)果還證實，騎行時間對全程使用公共自行車的負面影響遠大于乘車時間對公共交通的負面影響；到站點的步行時間對全程使用PBS也有極大的負效用，反映了站點密度的重要性.此外，出行目的、性別和職業(yè)屬性等對PBS使用模式都有不同程度的影響.

明確不同地區(qū)、不同人群的PBS使用模式，對科學(xué)規(guī)劃和布設(shè)PBS站點、提高PBS整體運營及使用效率具有重要的意義.本文主要分析了地鐵沿線PBS使用模式的特點，今后如果有更多的研究能夠進一步詳細確認公共自行車作為獨立方式和接駁方式的使用范圍，那么其角色定位和發(fā)展方向也應(yīng)被重新考慮.

[1]SHAHEEN S A,MARTIN E W,COHEN A P,et al.Public bikesharing in north america:Early operator and user understanding[C].European Conference on Antennas and Propagation,IEEE,2012:2230-2234.

[2]FULLER D,GAUVIN L,YAN K,et al.Use of a new public bicycle share program in Montreal,Canada[J].American Journal of Preventive Medicine,2011,41(1):80.

[3]朱瑋,龐宇琦,王德,等.公共自行車系統(tǒng)影響下居民出行的變化與機制研究[J].城市規(guī)劃學(xué)刊,2012(5):76-81.[ZHU W,PANG Y Q,WANG D,et al.Travel behavior change after the introduction of public bicycle systems[J].Journal of Urban Planning,2012(5)：76-81.]

[4]周強,吳戈,孫瀚.作為地鐵接駁手段的公共自行車使用特性分析[J].交通運輸系統(tǒng)工程與信息，2015,15(3):179-184.[ZHOU Q,WU G,SUN H.Characteristics of public bicycle as means of access/egress for metro[J].Journal of Transportation Systems Engineering and Information Technology,2015,15(3):179-184.]

[5]陳勇,薄建新,陳雙燕.蘇州市公共自行車系統(tǒng)規(guī)劃與實踐[J].交通與運輸(學(xué)術(shù)版),2015(2):102-105.[CHEN Y,BO J X,CHEN S Y.Planning and practice of suzhou public bicycle system[J].Traffic and Transportation,2015(2):102-105]

[6]MCFADDEN D.Conditional logit analysis of qualitative choice behavior[M].Frontiers in Econometrics.1974.

[7]VOVSHA P.Application of cross-nested logit model to mode choice in tel aviv,israel,metropolitan area[J].Transportation Research Record Journal of the Transportation Research Board,1997(1607):6-15.