胡郁蔥，黃靖翔，石一飛，張曼瑩

(華南理工大學(xué) 土木與交通學(xué)院，廣東 廣州 510640)

0　引　言

隨著經(jīng)濟(jì)的快速發(fā)展，各大城市私家車的保有量迅猛增長(zhǎng)。以廣州市為例，截至2015年年底，汽車保有量達(dá)到224萬(wàn)輛，交通擁堵情況日趨嚴(yán)重。為緩解擁堵，廣州市交通主管部門出臺(tái)實(shí)施差異化停車收費(fèi)，其目的并不在于收費(fèi)本身，意圖利用經(jīng)濟(jì)手段調(diào)節(jié)私家車使用頻率，降低在高峰時(shí)間過度使用的私家車給中心城區(qū)帶來(lái)的交通壓力。然而，該政策的實(shí)施，卻并未帶來(lái)預(yù)期的效果[1]。其原因在于不同類型用戶由于其收入水平、職業(yè)特性、出行目的以及消費(fèi)習(xí)慣等特征的不同，對(duì)同一政策的反應(yīng)、接受程度和適應(yīng)期等特性均會(huì)不同。因此，有必要對(duì)廣州市私家車出行特征進(jìn)行精細(xì)化研究，掌握各類用戶可能對(duì)政策實(shí)施的反應(yīng)，才能對(duì)政策的影響力有較為科學(xué)的把握，為政策的制定和實(shí)施提供合理的依據(jù)。

A. D. PALMA等[2]研究了瑞士首都日內(nèi)瓦居民工作出行的選擇方式，通過模型計(jì)算發(fā)現(xiàn)個(gè)人(家庭)的社會(huì)經(jīng)濟(jì)屬性是影響居民工作出行的核心因素。Z. PENG等[3]研究了波特蘭地區(qū)停車收費(fèi)政策對(duì)城市工作出行的方式選擇的影響，研究結(jié)果發(fā)現(xiàn)停車費(fèi)率對(duì)通勤出行方式的選擇有著顯著的影響，提高停車價(jià)格和公共交通服務(wù)水平更能有效地減少私家車出行頻率、增加公交的使用。韓艷等[4]建立了小汽車通勤出行頻率選擇模型定量分析停車位供應(yīng)狀況、停車費(fèi)、燃油價(jià)格等因素對(duì)小汽車使用者通勤出行頻率的影響，獲取高燃油價(jià)格下小汽車通勤行為隨燃油價(jià)格變化的規(guī)律；趙偉濤[5]研究了通勤出行時(shí)間價(jià)值模型，經(jīng)過模型計(jì)算可分別得出私家車和公交車的時(shí)間價(jià)值，而提高公交車的時(shí)間價(jià)值對(duì)出行者減少私家車出行率有重要參考意義。

目前國(guó)內(nèi)外研究家庭經(jīng)濟(jì)屬性對(duì)居民出行方式選擇的內(nèi)容較多，但針對(duì)居民私家車出行率的研究卻比較少，尤其是基于家庭收入差異性的相關(guān)研究。因此，筆者對(duì)廣州市私家車車主開展了通勤出行相關(guān)的SP/RP調(diào)查，根據(jù)調(diào)查數(shù)據(jù)，重點(diǎn)針對(duì)家庭收入這一重要影響因素，構(gòu)建不同家庭收入的私家車通勤出行率影響模型，得到不同家庭收入的出行者對(duì)各類影響因素變化的反應(yīng)，定量分析各因素帶來(lái)的私家車通勤出行率變化情況，為政府決策提供重要的依據(jù)，也能為預(yù)測(cè)政策實(shí)施效果提供有效的參考。

1　廣州市私家車出行率調(diào)查

1.1　調(diào)查目的與方法

本次調(diào)查希望獲取廣州市居民的家庭收入水平，同時(shí)調(diào)查其現(xiàn)狀條件下的私家車通勤出行使用情況，以及在假定政策場(chǎng)景下私家車通勤出行使用頻率的改變情況，從而獲取影響不同家庭收入的私家車通勤出行使用情況的重要因素，定量分析各家庭收入水平的私家車通勤出行率受到這些因素影響的程度。

在SP調(diào)查(stated preference survey)中，以事先確定的屬性(或因素)及其水平組成各種情境，再由這些情境構(gòu)成替選方案，供受訪者以評(píng)分、等級(jí)排序或離散選擇的方式評(píng)估其對(duì)各項(xiàng)選擇的整體偏好[2]。RP調(diào)查(revealed preference survey)是指針對(duì)某些已經(jīng)實(shí)施的政策或者已經(jīng)存在的設(shè)施進(jìn)行相關(guān)調(diào)查，請(qǐng)被調(diào)查者根據(jù)他們的實(shí)際出行行為填寫調(diào)查問卷，在此基礎(chǔ)上建立的相關(guān)概率或其他模型。實(shí)際調(diào)查RP數(shù)據(jù)具有可靠性，意向調(diào)查SP數(shù)據(jù)具有靈活性[6]。為了更好的將兩種數(shù)據(jù)結(jié)合起來(lái)，減少交通調(diào)查的工作量，提高調(diào)查的精確性，筆者采用了SP/RP組合調(diào)查方案。

1.2　調(diào)查方案

通過RP調(diào)查獲取私家車車主的家庭月收入情況和私家車通勤出行頻率，了解私家車出行者使用私家車的相關(guān)費(fèi)用情況(如家庭端和目的地端停車費(fèi)、每月燃油費(fèi)等)[7]。通過初步的調(diào)查和數(shù)據(jù)分析，確定影響私家車車主選擇私家車作為通勤出行交通工具的主要因素為目的地端停車費(fèi)、燃油費(fèi)以及高峰期的公交等車時(shí)間，故SP調(diào)查過程中，將目的端停車費(fèi)上漲幅度、汽車燃油費(fèi)上漲幅度和公交等車時(shí)間下降幅度設(shè)置不同水平，供被調(diào)查者選擇相應(yīng)的私家車出行頻率變化情況，用以研究各類因素對(duì)私家車出行率的影響程度。根據(jù)初步調(diào)查的結(jié)果修改，確定最終調(diào)查對(duì)費(fèi)用上漲幅度和公交等車時(shí)間下降幅度分別設(shè)置3個(gè)水平，具體調(diào)查因素及水平見表1。

表1　調(diào)查因素及其水平Table 1　Factors and level of investigation

考慮到實(shí)際情況中，政策的制定出臺(tái)通常是針對(duì)于某一具體因素的，較少出現(xiàn)同時(shí)改變幾種因素的情況，故本次調(diào)查的情景設(shè)定均是單一變量的，假設(shè)條件如下：

1) 每種因素水平變化情景下，其他因素均保持現(xiàn)狀不變。

2) 考慮到優(yōu)先發(fā)展公共交通的政策，因素情景的設(shè)定均是以減少私家車出行率為大方向。

3) 調(diào)查過程中發(fā)現(xiàn)目前公交服務(wù)水平(包括等車時(shí)間和擁擠度)對(duì)于多數(shù)私家車通勤出行者而言是難以忍受的，當(dāng)公交等車時(shí)間縮減后，對(duì)應(yīng)的公交車擁擠度也會(huì)相應(yīng)下降，考慮二者非獨(dú)立，故筆者僅針對(duì)公交等車時(shí)間進(jìn)行建模，該指標(biāo)可作為公交服務(wù)水平的代表。

1.3　調(diào)查及分類結(jié)果

調(diào)查采用現(xiàn)場(chǎng)問卷調(diào)查和網(wǎng)絡(luò)問卷調(diào)查相結(jié)合的形式。調(diào)查時(shí)間為2015年7月10日—17日。調(diào)查問卷共回收1 746份，以私家車為主要通勤工具的有效問卷1 401份，有效率80.24%；參與者男女比例為1.06∶1，60%的參與者年齡為30～50歲；私家車平均通勤出行次數(shù)為8.16次/周。私家車通勤出行次數(shù)分布情況如表2，可以看到超過80%的私家車通勤者每周出行次數(shù)在9次以下。

不同家庭收入的私家車出行者分類、比例、出行次數(shù)及費(fèi)用情況如表3?？紤]家庭月收入低于0.6萬(wàn)元和高于4萬(wàn)元的調(diào)查人群占比過小，僅為1%，因此所采集的數(shù)據(jù)存在一定的偶然性，無(wú)法代表該群體的真實(shí)情況，故筆者后續(xù)研究將其忽略，僅考慮家庭月收入為0.6～4萬(wàn)元的4類人群，即表3中的A2、A3、A4和A5共4類。

表2　私家車通勤出行次數(shù)分布Table 2　Distribution of commuter travel times of private cars

表3　私家車主出行分類表及其出行次數(shù)Table 3　Travel category and times of private car owners

2　不同家庭收入的私家車通勤出行率改變量模型的構(gòu)建及標(biāo)定

2.1　模型構(gòu)建

筆者僅考慮在單一研究因素：目的地端停車費(fèi)用上漲幅度(下文簡(jiǎn)寫為停車費(fèi)用上漲幅度)、燃油費(fèi)用上漲幅度或公交車等車時(shí)間下降幅度改變時(shí)，對(duì)應(yīng)的私家車通勤出行次數(shù)的變化情況。當(dāng)居民在不同因素發(fā)生變化，面臨是否繼續(xù)使用私家車作為通勤交通工具時(shí)，主要的考慮因素為家庭端停車費(fèi)、目的地端停車費(fèi)、燃油費(fèi)3個(gè)費(fèi)用因素，因此這些因素作為模型的協(xié)變量。考慮研究對(duì)象是通勤出行率的改變情況，則每減少一次通勤出行，意味著將減少兩次私家車出行(居住地至工作地、工作地至居住地)，故其通勤出行次數(shù)改變量應(yīng)為偶數(shù)。

選用著名的多項(xiàng)Logistic模型[9-10]表示車主l因m的變化而導(dǎo)致其私家車通勤出行次數(shù)減少情況：不改變、減少2次/周、減少4次/周、減少6次/周、減少8次/周以及減少10次/周及以上。則，對(duì)于每類車主的每個(gè)影響因素會(huì)有6個(gè)選擇枝，各選擇枝的效用函數(shù)表示為

(1)

故各類家庭收入私家車主l因影響因素m的變化而導(dǎo)致其私家車通勤出行次數(shù)減少n次/周的概率Plm(n)可表達(dá)為

(2)

各字母的意義同前，此處不再贅述。

2.2　模型參數(shù)標(biāo)定

以調(diào)查所得的廣州市私家車車主數(shù)據(jù)為基礎(chǔ)，運(yùn)用統(tǒng)計(jì)分析軟件SPSS[11]中的Logistic回歸模型對(duì)每一類出行者進(jìn)行回歸分析，得出模型參數(shù)標(biāo)定結(jié)果。因涉及4類出行者、3類影響因素和6種出行次數(shù)變化情況，模型參數(shù)達(dá)360個(gè)(4×3×6×5)，故此處僅以燃油費(fèi)用上漲幅度導(dǎo)致A4類私家車車主通勤出行次數(shù)改變的模型為例表示模型標(biāo)定結(jié)果，其中l(wèi)=A4，m=f(燃油費(fèi)用上漲幅度)，具體見表4，模型檢驗(yàn)結(jié)果見表5，類似模型共有12組。

表4　私家車出行次數(shù)改變量模型參數(shù)標(biāo)定結(jié)果Table 4　Parameter calibration results of change quantity model of private vehicle travel times

注：以0次出行選擇的總效用值為0進(jìn)行參數(shù)標(biāo)定，故其系數(shù)均為0。

表5　模型檢驗(yàn)結(jié)果(SPSS)Table 5　Test results of model(SPSS)

從表5結(jié)果顯示，該模型各參數(shù)卡方值均大于顯著性水平為0.05的臨界值11.070，故通過卡方檢驗(yàn)；該模型的擬合優(yōu)度指標(biāo)Cox & SnellR2和NagelkerkeR2均接近典型臨界值0.5，說明模型對(duì)數(shù)據(jù)的擬合效果好，可用于私家車通勤出行率的定量計(jì)算之中。其余11組模型檢驗(yàn)結(jié)果與示例類似，各模型參數(shù)值均可通過卡方檢驗(yàn)，且Cox & SnellR2分布范圍為0.460～0.808之間，NagelkerkeR2分布范圍為0.498～0.844，最低值為停車費(fèi)用上漲幅度導(dǎo)致A4類私家車車主通勤出行次數(shù)改變的模型。從參數(shù)檢驗(yàn)和擬合優(yōu)度兩方面進(jìn)行評(píng)判，筆者構(gòu)建的模型效果較優(yōu)，可進(jìn)行后續(xù)分析工作。

3　私家車通勤出行率改變模型結(jié)果分析

筆者研究項(xiàng)目眾多，受篇幅所限，此處僅以各因素變化一個(gè)水平等級(jí)為例，分析各類家庭收入的廣州私家車車主通勤出行次數(shù)減少情況。圖1～圖3分別列出受不同因素變化的影響，各類家庭收入的私家車通勤出行次數(shù)下降比例，結(jié)果由上述模型計(jì)算所得。根據(jù)不同因素變化下各出行次數(shù)改變量的概率，計(jì)算出不同人群的通勤出行次數(shù)改變量(單位為：次/周)，結(jié)合調(diào)查所得的現(xiàn)狀通勤出行次數(shù)，進(jìn)行不同人群的平均通勤出行次數(shù)預(yù)測(cè)，具體結(jié)果見表6。

圖1　停車費(fèi)用上漲30%時(shí)的私家車通勤出行次數(shù)改變比例Fig. 1　Proportion of private car owners changing the commuting trips when parking fees rise up by 30%

圖2　燃油費(fèi)用上漲30%時(shí)的私家車通勤出行次數(shù)改變比例Fig. 2　Proportion of private car owners changing the commuting trips when fuel costs rise up by 30%

圖3　公交等車時(shí)間下降30%時(shí)的私家車通勤出行次數(shù)改變比例Fig. 3　Proportion of private car owners changing the commuting trips when the waiting time of buses decreases by 30%

結(jié)合圖1～圖3和表6的內(nèi)容，現(xiàn)可對(duì)廣州市私家車通勤出行次數(shù)改變情況做出以下結(jié)論：

1) 對(duì)于不同家庭收入的私家車車主，當(dāng)同一影響因素改變時(shí)，他們各自的反應(yīng)差異明顯，具體表現(xiàn)在家庭收入越高，對(duì)各因素的敏感程度越低。從圖1可看出，當(dāng)停車費(fèi)提高30%后，91.82%的A2類低家庭收入出行者減少了私家車通勤出行次數(shù)，而A5類高家庭收入的出行者僅22.04%做出減少出行次數(shù)的決策，其他因素均存在類似情況。通過表6也可以看出每一影響因素對(duì)不同家庭收入出行者具有不同的影響效果：收入越高，受因素變化引起的下降幅度越低，且存在明顯差異。

表6　各影響因素變化下各類私家車車主通勤出行次數(shù)改變情況Table 6　Situation of different private car owners changing commuting trip times under various influencing factors　(次·周-1)

2) 計(jì)算同一因素對(duì)不同家庭收入出行者的改變量均值的極差和標(biāo)準(zhǔn)差，結(jié)果見表7，費(fèi)用因素的極差和標(biāo)準(zhǔn)差顯著大于公交等車時(shí)間因素，從中可以得知：費(fèi)用因素對(duì)不同家庭收入出行者的影響差異性要明顯大于公交服務(wù)水平。

3) 模型結(jié)果顯示，當(dāng)目的地端停車費(fèi)用上漲30%時(shí)，將使私家車的平均通勤出行次數(shù)下降14.46%，使通勤出行次數(shù)從現(xiàn)狀8.16次/周下降到6.98次/周。說明目的地端停車費(fèi)用的上漲，可以在一定程度上降低私家車通勤出行率，因此，鼓勵(lì)工作區(qū)域收取高額停車費(fèi)是降低私家車通勤率的方法之一。

4) 同為費(fèi)用因素，當(dāng)燃油費(fèi)用和目的地端停車費(fèi)用的漲幅同為30%時(shí)，燃油費(fèi)用的上漲將使私家車的平均通勤出行率下降36.89%，即3.01次/周，遠(yuǎn)高于停車費(fèi)用所致的1.18次/周，對(duì)降低私家車通勤出行率有更明顯的效果，因此可考慮征收燃油附加稅或其他等效政策來(lái)控制私家車通勤出行率。

表7　同一影響因素變化下各類出行者出行次數(shù)改變量均值的極差和標(biāo)準(zhǔn)差Table 7　Range and standard deviation of the average value of change of travel times with different travelers under the same influencing factors　 (次·周-1)

5) 當(dāng)公交車等車時(shí)間下降30%后，將有33.68%的私家車通勤出行者選擇減少私家車通勤出行次數(shù)，私家車通勤出行率將降低10.42%，即0.85次/周。這說明通過提高公交服務(wù)水平來(lái)降低私家車通勤出行率有一定的效果，但是與其他手段相比，收效甚微，且高收入人群基本不會(huì)因?yàn)楣环?wù)水平的提高而降低私家車出行次數(shù)。應(yīng)考慮在提高公交服務(wù)水平的同時(shí)，輔以其他經(jīng)濟(jì)措施來(lái)促使私家車出行者放棄私家車通勤出行，選擇公交出行。

4　政策建議

結(jié)合筆者研究成果，建議廣州市交通需求管理可考慮以下策略：

1) 提高高峰期的公交服務(wù)水平

通過購(gòu)置車輛、招聘司乘人員、高峰期臨時(shí)調(diào)度等手段，縮短高峰期的公交車發(fā)班時(shí)間間隔；優(yōu)化地鐵線網(wǎng)布局和班次安排，縮短地鐵發(fā)班間隔和提高服務(wù)水平。

2) 實(shí)行停車差異化收費(fèi)

停車收費(fèi)的差異化，不僅應(yīng)體現(xiàn)在地區(qū)和白天夜間，更應(yīng)該精細(xì)到具體時(shí)段，對(duì)于供不應(yīng)求的地區(qū)和時(shí)段，可適當(dāng)提高收費(fèi)標(biāo)準(zhǔn)，減少通勤出行者選擇私家車作為出行工具的概率。

3) 征收燃油附加稅

調(diào)查結(jié)果顯示多數(shù)私家車通勤出行者對(duì)燃油價(jià)格最為敏感，因此征收燃油附加稅是最為有效的方法，可適度以燃油價(jià)格為標(biāo)準(zhǔn)收取。

4) 實(shí)施擁擠收費(fèi)

擁擠收費(fèi)是私家車出行行程過程中產(chǎn)生的成本，對(duì)出行者的影響與燃油費(fèi)較為相似，所以推行征收與燃油費(fèi)用水平相當(dāng)?shù)膿頂D收費(fèi)，能有效控制私家車出行率。

明顯地，實(shí)施3)和4)這類提高行程用車成本的政策，其效果將優(yōu)于傳統(tǒng)交通需求管理手段1)和2)。

5　結(jié)　語(yǔ)

運(yùn)用多項(xiàng)Logistic模型對(duì)SP/RP調(diào)查獲得的廣州市私家車通勤出行情況數(shù)據(jù)進(jìn)行擬合，所建模型均通過參數(shù)檢驗(yàn)和擬合優(yōu)度檢驗(yàn)。以此為基礎(chǔ)，提出了一種基于家庭收入差異的私家車通勤出行率變化情況研究方法，該研究方法可以定量分析政策因素的變動(dòng)帶來(lái)的私家車通勤出行率改變情況，且由于將私家車出行者按照其家庭收入這一重要影響因素進(jìn)行分類討論，所得結(jié)果更加符合實(shí)際，準(zhǔn)確率更高。該方法可經(jīng)擴(kuò)樣得到全市區(qū)范圍內(nèi)不同收入家庭的私家車通勤出行頻率變化情況，用以評(píng)價(jià)某一項(xiàng)具體交通管理政策的效果，為制定切實(shí)可行的交通需求管理政策提供理論支撐。

參考文獻(xiàn)(References)：

[1]魏凱.廣州市人大代表：盡量爭(zhēng)取停車費(fèi)下調(diào)[N].南方都市報(bào)，2016-02-01.

WEI Kai.Guangzhou Municipal People’s Congress：try to fight parking fees down[N].SouthernMetropolisDaily，2016-02-01.

[2]PALMA A D，ROCHAT D.Mode choice for trips to work in Geneva：an empirical analysis[J].JournalofTransportGeography，2000，8(1)：43-51.

[3]PENG Z，DUEKER K J，STRATHMAN J G.Residential location，employment location，and commuter responses to parking charge[J].TransportationResearchRecord，1996，1556：109-118.

[4]韓艷，關(guān)宏志.基于SP和RP融合數(shù)據(jù)的小汽車通勤出行頻率選擇模型[J].公路交通科技，2011，28(7)：131-135+141.

HAN Yan，GUAN Hongzhi.Car commuting frequency choice model based on SP and RP fusion data[J].JournalofHighwayandTransportationResearchandDevelopment，2011，28(7)：131-135+141.

[5]趙偉濤.通勤出行時(shí)間價(jià)值模型研究[D].北京：北京交通大學(xué)，2013.

ZHAO Weitao.ResearchonModelofTimeValueofCommuterTravel[D].Beijing：Beijing Jiaotong University，2013.

[6]劉志明，鄧衛(wèi)，郭唐儀.基于RP/SP調(diào)查的非集計(jì)模型在交通方式分擔(dān)率預(yù)測(cè)的應(yīng)用[J].交通運(yùn)輸工程與信息學(xué)報(bào)，2008，6(3)：59-64.

LIU Zhiming，DENG Wei，GUO Tangyi.Application of disaggregate model based on RP/SP survey to transportation planning[J].JournalofTransportationEngineeringandInformation，2008，6(3)：59-64.

[7]邱楊，丁衛(wèi)東.關(guān)于公交票價(jià)與私家車出行關(guān)系的研究方法[J].城市道橋與防洪，2009(4)：126-128.

QIU Yang，DING Weidong，Study method concerning relationship between bus ticket price and private car trip volume[J].UrbanRoadsBridges&FloodControl，2009(4)：126-128.

[8]劉明.一類新的多重共線性檢驗(yàn)方法[J].統(tǒng)計(jì)與信息論壇，2012，27(10)：14-16.

LIU Ming.A new diagnosis approach of multicollinearity[J].Statistics&InformationForum，2012，27(10)：14-16.

[9]胡郁蔥，劉勤.基于Logit模型的珠三角城際軌道交通與公路客運(yùn)競(jìng)爭(zhēng)力研究[J].科學(xué)技術(shù)與工程，2009，9(23)：7070-7075.

HU Yucong，LIU Qin.Study on rivalrousness between intercity track transportation and highway transportation based on Logit model[J].ScienceTechnologyandEngineering，2009，9(23)：7070-7075.

[10]王志福，管杰，蘇再興.基于logistics模型的中國(guó)人口增長(zhǎng)預(yù)測(cè)[J].渤海大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，31(4)：326-330.

WANG Zhifu，GUAN Jie，SU Zaixing.Prediction of China’s population increase based on logistics model[J].JournalofBohaiUniversity(NaturalScienceEdition)，2010，31(4)：326-330.

[11]陳勝可.SPSS統(tǒng)計(jì)分析[M].北京：清華大學(xué)出版社，2010.

CHEN Shengke.SPSSStatisticalAnalysis[M].Beijing：Tsinghua University Press，2010.