姚恩建 李翠萍 郇寧 楊揚，3 李斌斌

(1.北京交通大學(xué) 交通運輸學(xué)院，北京 100044；2.北京交通大學(xué) 綜合交通運輸大數(shù)據(jù)應(yīng)用技術(shù)交通運輸行業(yè)重點實驗室，北京 100044；3.交通運輸部公路科學(xué)研究所 智能交通技術(shù)交通運輸行業(yè)重點實驗室，北京 100088)

共享單車作為一種新興的自行車分時租賃模式，自2016年底大規(guī)模投放市場以來，正對傳統(tǒng)的通勤走廊出行結(jié)構(gòu)產(chǎn)生廣泛而深刻的影響[1]。《中國共享單車行業(yè)發(fā)展報告(2018)》顯示，截至2017年年底，共享單車總用戶數(shù)超過2.2億，已經(jīng)成為與地面公交和地鐵并行的三大公共交通出行方式之一。它具有隨走隨停、按需使用且不受出發(fā)地和目的地限制的特點，在滿足短途出行需求和解決接駁難題時具有極大的優(yōu)勢[2]。共享單車的出現(xiàn)勢必會影響通勤者早高峰的出行選擇，進而改變通勤走廊的出行結(jié)構(gòu)。因此，有必要對共享單車出現(xiàn)后通勤走廊出行結(jié)構(gòu)的演化問題進行研究，這對于合理預(yù)測通勤走廊早高峰出行需求，以及深入了解共享單車在優(yōu)化出行結(jié)構(gòu)、提高出行效率、減輕傳統(tǒng)公共交通系統(tǒng)運載負擔(dān)以及緩解城市擁堵等方面發(fā)揮的作用有著重大意義。

共享單車在國外出現(xiàn)得較早，且在車輛的騎行、停放及基礎(chǔ)設(shè)施建設(shè)方面要求嚴格，目前為止大部分是有固定停車點的公共單車，多由政府經(jīng)營[3]，其出行特征與國內(nèi)的無樁共享單車模式存在較大差異，相關(guān)研究主要從單車共享設(shè)施對城市交通擁堵、城市公共交通客流、城市交通可持續(xù)發(fā)展的影響[4- 6]以及影響單車共享系統(tǒng)使用率的因素[7]等方面展開。隨著國內(nèi)無樁共享單車的迅猛發(fā)展，諸多學(xué)者開展了相關(guān)研究。鄭蘭蘭等[8]以南昌市交通為例分析共享單車的推行，發(fā)現(xiàn)共享單車可以在方便短途出行和接駁出行、提高公共交通出行占比以及節(jié)約有限的道路資源三方面緩解交通問題。黃多巍等[9]研究了共享單車對城市交通造成的主要影響及原因，并給出了對應(yīng)的改善建議。劉立巧[10]對共享單車的合理投放及其與公共自行車和公共交通的配合使用進行了探討。任逸帆等[11]分析了共享單車的興起對上海市軌道交通接駁方式的影響情況，并通過優(yōu)化共享單車配套服務(wù)對未來軌道交通站點規(guī)劃建設(shè)提出建議。王化杰[12]運用多元統(tǒng)計學(xué)，深入研究了合肥市居民選用共享單車這種低碳交通工具的使用目的和意愿，結(jié)果表明絕大多數(shù)居民的使用意愿及目的一致度較高。Jia等[13]就無樁共享單車對通勤以及非通勤出行方式的影響進行了定量研究，研究表明無樁共享單車出現(xiàn)后，通勤出行中自行車出行的比例由21.9%增加至30.9%，非通勤出行中自行車出行的比例由22.1%增加至33.6%。以上研究多從共享單車的發(fā)展模式和運營思路出發(fā)，分析其對城市交通的宏觀影響，并未細化到出行方式選擇的微觀層面。

針對共享單車參與條件下的出行選擇行為，冉林娜等[14]建立了是否選擇共享單車出行的二項Logit模型，結(jié)果表明，性別、年齡、受教育程度對共享單車出行有顯著性影響。袁朋偉等[15]構(gòu)建了共享單車選擇行為的NL(Nested Logit)模型，結(jié)果表明，性別、雨雪天氣、空氣質(zhì)量、氣溫、接駁時間、乘車費用和押金對共享單車選擇行為具有顯著影響。魏志強等[16]對共享單車騎行者在不良天氣下的SP(Stated Preference)調(diào)查數(shù)據(jù)進行了統(tǒng)計分析，建立了有序Logit模型，研究結(jié)果表明降雨和溫度對共享單車騎行意愿產(chǎn)生顯著影響。高新[17]構(gòu)建了包含使用意愿、出行者態(tài)度、有用性、易用性、共享單車的缺點等潛變量的結(jié)構(gòu)方程模型，認為有用性和易用性對共享單車的使用態(tài)度正效用明顯，而共享單車的缺點對使用態(tài)度的影響有限。已有研究主要是針對共享單車的使用意愿開展的，并未考慮其作為獨立的交通方式以及公共交通的接駁方式引入后，對通勤出行結(jié)構(gòu)的影響。

綜上所述，共享單車作為一種新型的交通方式，具有便捷、經(jīng)濟、自由度高等特點，在豐富城市居民出行選擇的同時，也對出行結(jié)構(gòu)帶來了深刻的影響。本研究以主要出行方式和公共交通末端的接駁方式的聯(lián)合選擇行為作為研究對象，在調(diào)查居民通勤出行方式選擇意向的基礎(chǔ)上，構(gòu)建共享單車出現(xiàn)前后通勤出行方式選擇的雙層NL模型，并對共享單車出現(xiàn)前后通勤走廊早高峰出行結(jié)構(gòu)的變化進行分析，以期為通勤走廊出行需求分析、結(jié)構(gòu)優(yōu)化以及共享單車的精細化運營提供參考。

1 通勤出行方式選擇意向調(diào)查

1.1 問卷設(shè)計

基于隨機效用理論，出行者會在可選擇的所有出行方案中選擇效用最大的選項。為了計算所有可選擇方案的效用，除了需要得到通勤者所選出行方式的時間、費用等表征該方式服務(wù)水平的特性變量值外，還需要獲得其他未被選擇的出行方式的特性變量值。RP(Revealed Preference)調(diào)查雖可獲得出行者實際選擇的出行方式，但難以獲得在特定選擇場景下的選擇結(jié)果，本研究是針對共享單車出現(xiàn)前后出行結(jié)構(gòu)的對比分析，因此采用SP調(diào)查，設(shè)置不同選擇場景，向被調(diào)查者明確提示備選方案及其特性變量值等信息，以獲得出行方式選擇的偏好數(shù)據(jù)。

調(diào)查問卷選取回龍觀到主要就業(yè)中心——復(fù)興門-西單通勤走廊作為研究對象，通道包含京藏高速、德勝門外大街、新街口北大街、學(xué)院路、西土城路等道路以及地鐵13號線、4號線、2號線和若干條公交線路。問卷內(nèi)容主要包含個人屬性、出行信息以及出行意向調(diào)查三部分，并按照通勤距離(分為短、中、長距離3類)及共享單車出現(xiàn)前后形成6個出行場景，被調(diào)查者通過比較給定的不同方式的服務(wù)水平特性值，選擇各出行場景下的出行方式。各特性變量的取值按照工作日早高峰實際路徑的出行時間和費用等確定，其中，出行時間不僅包括車內(nèi)時間，也包括候車時間、步行時間和騎行時間；出行費用則包括各種出行方式的總花銷，如公共交通費、汽油費、停車費以及共享單車費等。

1.2 調(diào)查方案及統(tǒng)計分析

在2018年3月10日至2018年3月20日期間，針對通勤通道周邊的回龍觀地鐵站、回龍觀地鐵站地上停車場、回龍觀華聯(lián)商廈、龍騰苑住宅區(qū)等區(qū)域的早高峰通勤者發(fā)放調(diào)查問卷，共獲得有效樣本數(shù)據(jù)1 260條。有效樣本的基本情況如表1所示。

同時問卷中也對通勤通道內(nèi)的被調(diào)查者在共享單車出現(xiàn)前、后的實際出行方式的選擇進行了詢問，統(tǒng)計得到的實際選擇數(shù)據(jù)如表2所示。

2 通勤主要方式及接駁方式聯(lián)合選擇NL模型構(gòu)建

共享單車不僅可作為一種獨立的出行方式，也可作為地面公交、地鐵等的接駁方式，形成新的組合出行方式。為了全面分析共享單車的導(dǎo)入對于通勤走廊出行結(jié)構(gòu)的影響，獲得共享單車導(dǎo)入情況下各種主要出行方式以及各種接駁方式之間的轉(zhuǎn)移情況，本研究在全面考慮通勤走廊內(nèi)的所有可能單一及組合出行方式的情況下，構(gòu)建通勤出行方式選擇NL模型。

表 1 調(diào)查樣本基本情況描述

表2 共享單車出現(xiàn)前、后實際出行方式的變化

Table 2 Changes in the actual travel mode before and after the shared bicycle appears

主要出行方式接駁方式各出行方式占比/%共享單車出現(xiàn)前共享單車出現(xiàn)后地面公交步行229共享單車4地鐵小汽車10地面公交125步行3115私人自行車30共享單車24小汽車—98私人自行車—105共享單車—19步行—1110出租車—11合計100100

2.1 效用函數(shù)及選擇概率

根據(jù)隨機效用理論，出行者在確定的出行方式選擇集合中會選擇其認為效用最大的方案。因此，若假設(shè)出行者n選擇方式i的效用為Ui，n，出行者n選擇方式i的概率為

Pi，n=Prob(Ui，n>Uj，n；i≠j，j∈An)

(1)

效用是一個隨機變量，其函數(shù)通常分為固定項和概率項兩大部分，可以用式(2)表示：

Ui，n=Vi，n+εi，n

(2)

式中：Vi，n、εi，n分別為出行者n選擇方式i的效用函數(shù)中的固定項和概率項。效用函數(shù)Vi，n和特性變量xi，n，k的關(guān)系采用常用線性函數(shù)表示

Vi，n=∑θi，kxi，n，k+θi，0

(3)

式中：θi，k為方式i第k個特性變量的參數(shù)值，xi，n，k為出行者n選擇方式i的第k個變量值，θi，0為常量。對出行方式選擇NL模型而言，出行者n選擇組合出行方式(r，m)的概率Pn(r，m)為

Pn(r，m)=Pn(r|m)Pn(m)

(4)

式中，Pn(r|m)為出行者n在選擇主要出行方式m的基礎(chǔ)上選擇接駁方式r的概率；Pn(m)為出行者n選擇主要出行方式m的概率。具體的計算公式為

(5)

(6)

(7)

2.2 模型結(jié)構(gòu)

通勤者的方式選擇雙層NL模型包含主要出行方式m層，以及地面公交和地鐵方式的末端接駁方式r層。共享單車出現(xiàn)前模型結(jié)構(gòu)如圖1所示。當(dāng)共享單車出現(xiàn)以后，因其既可以作為主要出行方式完成通勤出行，也可以作為公共交通末端的接駁方式，模型結(jié)構(gòu)如圖2所示。

圖1 共享單車出現(xiàn)前NL模型結(jié)構(gòu)圖

圖 2 共享單車出現(xiàn)后NL模型結(jié)構(gòu)圖

2.3 參數(shù)估計

采用極大似然估計法求解NL模型效用函數(shù)中的各個特性變量的參數(shù)值，各特性變量在文中的NL模型中均位于下層，共享單車出現(xiàn)前、后的模型特性變量參數(shù)值不變，利用GAUSS軟件進行模型參數(shù)標(biāo)定，結(jié)果見表3。

表3 模型參數(shù)標(biāo)定結(jié)果

在實踐中，調(diào)整優(yōu)度比達到0.2～0.4即可認為模型合理[18]。標(biāo)定模型的調(diào)整優(yōu)度比為0.217，符合大于0.2要求，說明模型具有較高精度。同時，尺度系數(shù)λ值為0.313，在0～1之間，說明構(gòu)建的NL模型結(jié)構(gòu)合理[19]。出行時間和出行費用的參數(shù)值均為負值，說明當(dāng)某種出行方式時間、費用越大，出行方式的效用就越低，通勤者選擇該出行方式的概率就越小，這與實際情況相符。另外，所有選取的變量的t值的絕對值均大于1.96，即有95%的把握認為模型中各影響因素會對通勤出行方式選擇結(jié)果產(chǎn)生影響。

同時，模型標(biāo)定結(jié)果中小汽車和出租車兩種出行方式效用函數(shù)中的距離啞元變量以及共享單車相關(guān)的出行方式的啞元變量均為正值，前者表明通勤者在長距離通勤出行中對于小汽車及出租車出行方式有偏好，后者說明了共享單車出現(xiàn)后出行者對于共享單車出行方式的選擇具有一定的偏好。

2.4 彈性分析

利用彈性可以進行需求分析，彈性是指效用函數(shù)中某個特性變量的屬性值變化1%的情況下，其對某選擇枝的分擔(dān)率的影響程度，主要包括直接彈性與交叉彈性兩類。直接彈性反映某個選擇枝的自身屬性變化1%時，對自身分擔(dān)率的影響。即

(8)

交叉彈性反映某個選擇枝的一個屬性值變化1%時，另一選擇枝分擔(dān)率的變動幅度。即

(9)

根據(jù)NL模型的選擇概率計算公式，可推導(dǎo)出模型的彈性值計算公式為[20]

(10)

(11)

根據(jù)參數(shù)估計結(jié)果，共享單車找車及騎行時間和共享單車費用均對通勤出行方式選擇有顯著影響。共享單車在短距離出行中主要作為獨立出行方式完成通勤；在中長距離通勤中充當(dāng)公共交通的末端接駁方式。根據(jù)NL模型估計結(jié)果以及彈性計算公式，可以分別得到短距離以及中長距離通勤出行條件下共享單車找車及騎行時間和共享單車費用的直接彈性和交叉彈性，見表4。其中，短距離下的變量是指作為獨立出行方式的變量的變化，中長距離下的變量是指作為接駁方式時的變量變化，表中的交叉彈性是指該出行方式的相應(yīng)特性變量的改變對不在同一巢內(nèi)的出行方式的交叉彈性。

表4 共享單車找車及騎行時間和共享單車費用的彈性

Table 4 Elasticity of shared bicycle finding and riding time and shared bicycle costs

出行距離出行方式共享單車找車及騎行時間的彈性/%直接彈性交叉彈性共享單車費用的彈性/%直接彈性交叉彈性短距離共享單車-0.6270.017-3.0730.084中長距離共享單車接駁地面公交-0.2090.008-0.6450.023共享單車接駁地鐵-0.1480.053-0.1090.039

結(jié)合彈性計算結(jié)果可知：

(1) 對于共享單車、共享單車接駁地面公交以及共享單車接駁地鐵這3種方式，其他出行方式(不在同一巢內(nèi))關(guān)于共享單車找車及騎行時間的交叉彈性分別為0.017%、0.008%、0.053%，關(guān)于共享單車費用的交叉彈性分別為0.084%、0.023%、0.039%，這說明在不同的出行方式中共享單車相關(guān)變量的改變對其他出行方式分擔(dān)率的影響程度存在差異性。

(2)在短距離出行中，共享單車的找車及騎行時間每增加1%，選擇共享單車方式的概率會下降0.627%；而共享單車的費用每增加1%，則會導(dǎo)致其選擇概率下降3.073%。說明相較于找車及騎行時間，共享單車費用對共享單車方式選擇概率的影響更大，即富有彈性。這說明共享單車費用的增加會顯著降低短距離出行中共享單車方式的選擇概率，因此，針對短距離出行吸引共享單車客戶時應(yīng)首先考慮費用優(yōu)惠策略。

(3)對于中長距離出行，共享單車作為地面公交及地鐵的接駁方式，其特性變量的變化對共享單車接駁地面公交方式選擇概率的影響更大。在接駁地面公交時，費用增加引起的選擇概率下降相較于時間增加帶來的概率下降更大；這與共享單車在短距離出行中作為獨立出行方式時的結(jié)果一致。但接駁地鐵時卻相反，即對于共享單車接駁地鐵方式，共享單車找車及騎行時間增加導(dǎo)致選擇概率的下降相比較于共享單車費用增加帶來的概率下降更大；說明對于共享單車接駁地鐵方式，若要吸引更多的共享單車用戶，則更應(yīng)注重軌道交通車站周圍的共享單車停靠點配置與設(shè)計。

3 案例分析

通勤距離是影響通勤出行方式選擇的重要因素，因此分別選擇早高峰回龍觀通勤走廊內(nèi)短距離通勤以及中長距離通勤兩種實例，分析不同通勤距離下共享單車對通勤出行方式選擇的影響。基于表3中NL模型的標(biāo)定結(jié)果，可以得到每種通勤出行(組合)方式的效用函數(shù)表達式，進而可根據(jù)不同特性變量的屬性值求解得到各種出行方式及接駁方式的選擇概率。

案例通勤起點均選取回龍觀新龍城二期住宅區(qū)，短距離通勤案例終點為上地實創(chuàng)大廈，通勤距離大約為5 km；中長距離通勤案例終點為五道口紫光大廈，通勤距離大約為9 km。根據(jù)實際路徑確定早高峰各種出行方式的各屬性值，進而求解得到共享單車出現(xiàn)前后主要出行方式分擔(dān)率變化情況如圖3、圖4所示，公共交通末端接駁方式變化情況如圖5、圖6所示。

圖3所示為早高峰短距離通勤中共享單車的導(dǎo)入對出行結(jié)構(gòu)的影響。由圖3可見，共享單車出現(xiàn)以后，在短距離通勤中占到了13.2%的分擔(dān)率，對其他的主要出行方式起到了一定的替代作用。其中地面公交的分擔(dān)率下降了4.1個百分點，說明共享單車可以減輕早高峰地面公交中來自短距離通勤的部分壓力；但地鐵的分擔(dān)率變化不明顯；小汽車以及出租車的分擔(dān)率分別下降了1.6、3.0個百分點，這說明共享單車可以減少短距離通勤的小汽車、出租車出行，可發(fā)揮一定節(jié)能減排效果；同時私人自行車的分擔(dān)率也下降了4.3個百分點，說明共享單車能降低一定的私人自行車的出行需求。

圖3 短距離通勤出行結(jié)構(gòu)變化

圖 4 長距離通勤出行結(jié)構(gòu)變化

(a) 共享單車出現(xiàn)前地面公交接駁方式

(b)共享單車出現(xiàn)后地面公交接駁方式

Fig.5 Share rate of ground bus transfer before and after the appearance of shared bicycles

(a) 共享單車出現(xiàn)前地鐵接駁方式

(b)共享單車出現(xiàn)后地鐵接駁方式

Fig.6 Share rate of subway transfer before and after the appearance of shared bicycles

對于早高峰長距離的通勤而言，共享單車作為獨立的出行方式發(fā)揮的作用難以體現(xiàn)，但其作為公共交通末端的接駁方式，可顯著提高公共交通的接駁能力。從圖4可知，共享單車的出現(xiàn)使得在長距離通勤出行中地鐵的分擔(dān)率上升了3.6個百分點；地面公交的分擔(dān)率略有下降，但相對于短距離通勤而言變化較??；另外，小汽車和出租車的分擔(dān)率也均有下降，這說明共享單車可以在一定程度上減少小汽車以及出租車的出行，提高公共交通的分擔(dān)率。

對于兩個算例的公共交通末端的接駁方式求解發(fā)現(xiàn)，接駁方式的分擔(dān)率對于總的通勤距離長短的變化不敏感。因此用北京市第五次居民出行調(diào)查數(shù)據(jù)中的短距離及中長距離出行的占比對兩個算例求解得到的結(jié)果進行加權(quán)，權(quán)重分別為65.2%、34.8%。由圖5、圖6所示的公共交通末端接駁方式變化情況可以發(fā)現(xiàn)，在本研究選取的案例中，共享單車出現(xiàn)后，對于早高峰地面公交和地鐵的末端接駁，通勤者選擇共享單車方式的概率高達49%和67%，這表明目前共享單車可以在滿足公共交通末端接駁需求方面發(fā)揮巨大作用，對傳統(tǒng)的公共交通接駁方式起到了替代及補充作用，給早高峰通勤者帶來了便利，改善了通勤走廊內(nèi)公共交通的接駁條件。

4 結(jié)語

本研究在考慮共享單車出現(xiàn)前、后公共交通接駁方式變化的基礎(chǔ)上，構(gòu)建了通勤者早高峰出行(組合)方式選擇的雙層模型。模型結(jié)果表明：在影響通勤出行方式選擇行為的因素中，候車時間和車內(nèi)時間、步行接駁時間、私人自行車以及共享單車的騎行時間以及總出行費用對通勤出行方式選擇有顯著影響，且通勤者對選擇共享單車方式以及在長距離通勤中選擇小汽車和出租車方式有一定的偏好。

共享單車的出現(xiàn)對短距離及長距離的通勤行為影響不同，既可以降低短途通勤給地面公交帶來的壓力，又可增加地鐵對長距離通勤的吸引力；在一定程度上減少小汽車和出租車出行，同時給公共交通末端接駁帶來了便利，整體上優(yōu)化了通勤走廊的出行結(jié)構(gòu)。

本文僅針對部分典型通勤通道展開了研究，且未將共享單車的實際分布情況納入考慮，可進一步考慮區(qū)域內(nèi)共享單車的使用便捷性對出行方式選擇的影響；本研究有助于深入了解共享單車的使用人群偏好及服務(wù)功能定位，實現(xiàn)對早高峰共享單車參與下出行需求分布的準(zhǔn)確估算，為共享單車運營模式的調(diào)整優(yōu)化提供針對性建議。