周易敏 韓寶睿 簡玉成 何麗麗

摘? 要：為了解大城市夜間公共交通運營狀況以及乘客的潛在需求，文章通過SP & RP問卷調(diào)查形式對交通客流展開研究。首先，文章分析了南京兩條代表性公交線路夜間客流在時間和空間上的分布情況，在時間上，夜間客流明顯低于日間客流，并且隨著時間的推移沒有產(chǎn)生較大的變化，但是會在22：00之后明顯減少;在空間上，客流隨著距離市中心的距離逐漸遞減，并且越靠近地鐵線路客流越少。其次，通過網(wǎng)絡及現(xiàn)場問卷，發(fā)現(xiàn)了城市夜間出行人群構(gòu)成以及出行頻率的特征。最后，利用二項Logit離散選擇模型分析夜間出行是否選擇夜間公交的主要影響因素，結(jié)果發(fā)現(xiàn)選擇公交的可能性與候車時間、夜間出行頻率以及夜間公交的準時性、安全性高度相關。

關鍵詞：夜間公交;出行需求;客流分布;離散選擇模型

中圖分類號：F570??? 文獻標識碼：A

Abstract： In order to understand the operation status of night public transport in big cities and the potential demand of passengers， this study carried out the research through SP & RP questionnaire survey and traffic passenger flow survey. Firstly， the paper analyzes the temporal and spatial distribution of the night passenger flow of two representative bus lines in Nanjing. In terms of time， the night passenger flow is significantly lower than the day passenger flow， and there is no significant change with the passage of time， but it will decrease significantly after 22：00; In space， the passenger flow decreases with the distance from the city center， and the closer to the subway line， the less the passenger flow. Secondly， through the network and on-site questionnaire， we found the characteristics of the composition of the urban night travel crowd and travel frequency. Finally， this paper uses binomial logit discrete choice model to analyze the main influencing factors of whether to choose night bus for night travel. The results show that the possibility of choosing night bus is highly related to waiting time， night travel frequency， punctuality and safety of night bus.

Key words： night bus; travel demand; passenger flow distribution; discrete choice model

0? 引? 言

近年來，隨著城市經(jīng)濟的進一步繁榮，尤其是夜間經(jīng)濟的興起，公共交通系統(tǒng)在每日的常規(guī)運營時間可以有效保障數(shù)以萬計的出行需求，但卻往往忽視了非常規(guī)運營時間數(shù)量級依然龐大的出行需求，例如夜間出行。大城市夜間需求不斷增長，但是夜間公交卻可能存在客流稀疏的現(xiàn)象。據(jù)相關社會調(diào)查反映，上海存在一些公交夜宵線近幾年客流稀少的現(xiàn)象[1]。同時，由于居民在夜間的出行隨機性較大，需求分布較分散，常規(guī)夜間公交按照固定線路運行，運營過程中實載率低，導致經(jīng)營效益低，這帶給了公交企業(yè)很大的成本壓力。嚴重影響了公交企業(yè)發(fā)展夜間公交的積極性。

云美萍等[2]利用非集計分析和統(tǒng)計分析的方法研究公共交通服務質(zhì)量對居民出行方式選擇的影響，建立多項Logistic（MNL）模型，分析各個時間影響居民出行方式選擇行為的影響因素，結(jié)論分析得出，原本較差的服務質(zhì)量指標在改善的過程中不是出行方式選擇行為的主要影響因素，而原本較好的服務質(zhì)量指標會在指標惡化的過程中成為影響出行方式選擇的主要因素。爾加馬力·安尼瓦等[3]基于Logistic模型分析烏魯木齊市居民定制公交出行意愿的影響因素。結(jié)果說明，票價、是否有座、中途停車次數(shù)、出行距離均會對定制公交出行意愿產(chǎn)生顯著影響。Gunina Carlsson[4]研究了影響公交出行鏈的因素，驗證了不同出行個體的公交出行鏈結(jié)構(gòu)存在顯著差異。Zhang等[5]基于SP調(diào)查數(shù)據(jù)分析公共交通出行方式選擇行為，對緬甸仰光的新型公交系統(tǒng)進行了研究，提出了緩解當前和未來潛在交通問題的相關措施。

本文中，為了研究夜間居民是否選擇公交作為出行方式的二項選擇問題，所以采用離散選擇模型作為主要的研究方式。離散選擇模型在國外發(fā)展成熟運用廣泛，但是在中國離散選擇模型還有待進一步深入，在應用的類型方面還需要拓展。我國在離散選擇模型運用方面還存在一些不足，其中較為重要的是在調(diào)查問卷的設計方法。目前在SP調(diào)查問卷實驗設計方法上主要采用了隨機部分因子設計法，該方法會造成選擇枝屬性之間存在相關性，而降低調(diào)查數(shù)據(jù)質(zhì)量，導致模型參數(shù)估計誤差。Hensher和Rose[6]研究指出在交通出行選擇行為分析中數(shù)據(jù)質(zhì)量至關重要性。Train與Wilson[7]指出要提高調(diào)查數(shù)據(jù)的質(zhì)量就必須保證SP調(diào)查問卷內(nèi)容的真實性。本文將考慮多個方面的影響因素，利用二項Logit模型對調(diào)查的數(shù)據(jù)進行詳細的分析，得出各種影響因素的影響方式與影響強度，利用影響強大的因素進行是否選擇夜間公交的預測模型中，并考察其估計的準確度。

1? 城市夜間公交客流分析

城市的發(fā)展規(guī)模、人口分布以及經(jīng)濟狀況等不同，決定了不同區(qū)域的公共交通發(fā)展水平大不相同。對于中小型城市而言，晚間19點后的公交線路即為夜間公交，但又不屬于完全意義上的夜間公交，一般為日間公交延時運行至次日0點前。而對于大型城市日間公交大多運行至夜間23點左右，轉(zhuǎn)而由夜間公交運行。所以，本文主要針對晚上19：00至23：00之間的夜間公交進行調(diào)查，用來分析居民夜間出行的現(xiàn)狀。

本文通過調(diào)查了東西走向的16路與南北走向的10路在13：00～17：00與19：00～23：00之間的上下客流數(shù)來了解夜間公交與日間公交的區(qū)別性。首先13：00～17：00與19：00～23：00的總客流數(shù)分別為1 663人和518人，可以明顯的看出夜間公交客流只有日間客流的三分之一，產(chǎn)生這種現(xiàn)象的主要原因之一是由于夜間公交相對于日間公交的發(fā)車間隔有所增加，由15～20分鐘更改為20～30分鐘。圖1為13：00～17：00與19：00～23：00兩個時間段內(nèi)對16路和10路公交車進行的跟車調(diào)查的上下客流量，從圖1中可以看出，日間的上客數(shù)多于下客數(shù)或上客數(shù)小于下客數(shù)的站點，夜間的上下客流數(shù)都會呈現(xiàn)與之相同的趨勢，并且他們都有在新街口、珠江路等市商業(yè)中心上車，在住宅區(qū)下車的規(guī)律。并且由于10路線與地鐵1號線存在較高的重合率，靠近地鐵線路的公交站點客流明顯低于遠離地鐵站點的公交站點客流，由此可以得出地鐵對夜間公交的客流情況有較大的影響[8]。

圖2是通過百度地圖對新街口地區(qū)分別從19：00、19：30、20：00、20：30、21：00、21：30、22：00、22：30八個時間點進行截圖保存的熱力圖。夜間出行的活躍程度主要是一座城市經(jīng)濟是否繁榮的側(cè)證，越是發(fā)達的地區(qū)夜間出行也就更為活躍[9]，相關數(shù)據(jù)顯示，一線城市夜間出行具有明顯的雙高峰，除18：00左右的晚高峰，還存在21：00～22：00的夜高峰，而二線城市和三線城市，雖有明顯的晚高峰，但22：00之前的各段出行量都保持在較高的水平。南京作為二線城市，從圖2熱力圖可以看出，隨著時間的變化，人流集散的區(qū)域面積逐漸減少，從大面積的集散區(qū)域逐漸變?yōu)樾∶娣e的集散點。到22：00時，新街口區(qū)域基本沒有人流集散，說明夜間客流隨著時間的變化，人流慢慢地從繁華的市中心向外逐漸遞減，但是由于市中心22：00左右商場等娛樂場所都開始關門停業(yè)，導致22：00以后的人流開始快速減少，圖2熱力圖在小區(qū)附近呈現(xiàn)點狀分布。

2? 大城市夜間公交出行行為調(diào)查

有相關數(shù)據(jù)顯示，20～30歲和30～40歲兩個年齡段的消費者是夜間消費的主力，活躍消費者占比高達88.46%。同時，20歲以下年齡段的活躍消費者占比3.52%，顯著高于50歲以上年齡段活躍消費者比例（0.75%）。為此本文以18～45歲年齡段為主要研究對象。

本文的數(shù)據(jù)主要以問卷的形式收集得到，共收集了212份問卷，其中184份問卷是通過網(wǎng)上隨機發(fā)放調(diào)查得到，另外28份是通過新街口的夜間公交駐站調(diào)查時現(xiàn)場發(fā)放問卷得到。有效問卷有188份，問卷的有效回收率為88.7%。樣本的各基礎特征分布情況如表1所示。

2.1? 描述性統(tǒng)計分析

為了了解城市居民19：00以后的夜間出行方式。將夜間出行的幾個主要的出行方式：公交車、地鐵、私家車、網(wǎng)約車、出租車這五種出行方式做了出行意愿的排序，并且按照職業(yè)性質(zhì)和出行目的進行交叉統(tǒng)計[10]。統(tǒng)計結(jié)果如表2所示，從職業(yè)性質(zhì)來看，經(jīng)常加夜班的公交車排序為4，很少加夜班與不上夜班的公交車排序為2，所以夜間公交并不是經(jīng)常加夜班人群的較優(yōu)選擇，他們更愿意選擇地鐵、出租車和網(wǎng)約車，并且無論他們的職業(yè)性質(zhì)是什么，地鐵都是他們的第一選擇。從出行目的來看，上下班和其他的公交車排序為2，購物看病、娛樂聚會、接送親友的公交車排序為4，同樣，無論什么出行目的，地鐵排序都為1。從整體來看，發(fā)現(xiàn)地鐵以準時安全取得最多乘客的青睞，網(wǎng)約車以方便快捷的優(yōu)點成為多數(shù)乘客喜歡的出行方式，公交車則以親民的價格獲得乘客的喜愛。以此反映了地鐵、公交車和網(wǎng)約車是人們最常用的夜間出行的交通方式。同時，公交車的標準差相對較小，樣本數(shù)據(jù)的離散程度較低。所以說，對于夜間20：00以后出行的城市居民，夜間公交還是具有一定優(yōu)勢的。

2.2? 數(shù)據(jù)檢驗

考慮一個人的職業(yè)性質(zhì)和他的年齡對他夜間出行的頻率是否有顯著性差異，對數(shù)據(jù)做了單因素方差分析，結(jié)果如表3和表4所示，表3中的數(shù)據(jù)p值為0.054>0.05，因此職業(yè)性質(zhì)夜間出行的頻率不具有顯著差異。

2.3? 主因素分析

影響城市夜間公交乘坐率的原因有很多，比如站臺等待的時間太長、到達站臺的步行時間太長、換乘困難、不能準時等原因，區(qū)別于日間公交，安全問題也是夜間公交當下一個重要的問題，所以在本文中將上下車的路途安全問題，簡稱車下安全問題也考慮在內(nèi)。為了能夠更好地了解影響夜間公交乘坐率的主要因素，對數(shù)據(jù)進行了主成分分析，得出站臺等待時間太長、到達站臺的步行時間太長、換乘困難和車下步行不安全為主要的影響夜間公交乘坐率的因素[11]。因此針對這四個因素，在問卷中對他們進行了排序處理，對樣本容量進行了t檢驗，數(shù)據(jù)處理結(jié)果如表4所示，t檢驗的顯著性水平p值<0.05，說明這四類問題對夜間公交乘坐率的影響具有顯著性差異，另外通過他們的排序平均值可以看出，站臺等待時間太長與到站臺的步行時間太長是其中最為顯著的因素。由此得出，減少步行時間與縮短等車時間是增加夜間公交競爭力的最為關鍵的兩點。

為了更好地了解城市居民最容易接受的步行時間與等車時間，對城市居民分別作了最近一次夜間公交出行經(jīng)歷，結(jié)果統(tǒng)計分析見表5。小于10分鐘的步行時間與小于15分鐘的站臺等待時間是最易被城市居民接受的時間長度。

3? 模型建立

采用二項Logit模型定量分析南京市19：00～23：00之間的出行方式選擇行為。二項Logit模型基于隨機效應理論和效應最大化原理的假設，其形式如下：

Pi=????????????????????????????????????????? （1）

式中：Pi為選擇第ii=0，1種出行方式的概率;VX為選擇第ii=0，1種出行方式的效用函數(shù);n為出行方式的個數(shù)。

本研究中有兩種出行方式，i=1表示選擇夜間公交車出行，i=0表示未選擇夜間公交出行。將未選擇公交車出行作為基本選擇項，效用方程值為0。將出行者個人屬性設置為啞變量（或稱虛擬變量0～1變量）、站臺等待時間、步行至站臺時間、夜間出行頻率、是否有其他交通工具、夜間公交存在的問題作為解釋變量置入夜間公交效用方程。其中，認為夜間公交的問題為安全問題的啞變量S置為1，無該問題的啞變量置為0;認為夜間公交的問題為不能準時的啞變量D置為1，無該問題的啞變量置為0;認為夜間公交的問題為換乘困難的啞變量H置為1，無該問題的啞變量置為0;有私人出行工具的啞變量C置為1，無私人出行工具的啞變量置為0，依此類推。

模型估計結(jié)果如表6所示，利用卡方檢驗估計結(jié)果，采用95%的置信度，其中，職業(yè)性質(zhì)、出行目的等變量結(jié)果不顯著，沒有進入模型。決定系數(shù)Nagelkerke R Square為0.312>0.3，說明模型的精度較高?？梢允褂迷撃Ｐ蛠矸治鲇绊懸归g公交出行的因素。

根據(jù)表6得到選擇夜間公交出行的效用函數(shù)為：

V=-2.796-0.365P-0.111T-0.014T+0.283C+1.184H+0.616D+0.302S???????????????????????? （2）

根據(jù)模型的系數(shù)進行分析：

（1）夜間公交存在的問題。系數(shù)都為正，說明出行者認為夜間公交存在不能準時、換乘困難和安全問題時都不愿意選擇夜間公交出行。也就是說，提高夜間公交的競爭力，首先需要改善這些問題。

（2）是否有私人出行工具。系數(shù)為正，說明擁有私人出行工具的人更不愿意選擇夜間公交車出行。這可能是出于安全、準時、方便等原因，夜間出行者更愿意使用小汽車或電動車出行。

（3）站臺等待時間、步行至站臺時間。系數(shù)為負，說明站臺等待時間和步行至站臺時間越長，出行者越更不愿意選擇夜間公交出行，這符合經(jīng)驗判斷。

（4）夜間出行頻率。系數(shù)為負，說明夜間出行頻率越高的人越不愿意選擇夜間公交出行。通過使用卡方檢驗來驗證夜間出行頻率與是否擁有私人出行工具之間的相關性，顯著性水平<0.001，說明夜間出行頻率高的人，擁有私人出行工具的可能性越大，這也可以合理地解釋為什么夜間出行頻率越高的人反而不愿意選擇夜間公交。

4? 結(jié)論與展望

本文首先通過跟車調(diào)查南京市的兩條公交線路得出南京公交的上下客流特征，然后對南京市夜間出行者是否選擇公交作為出行方式進行了調(diào)查，建立了考慮公交存在的問題、站臺等待與步行至站臺時間、夜間出行頻率的二項Logit模型。此次模型中置入了出行者的實際行為變量，使建立的模型更合理，精度更高。結(jié)果顯示：（1）夜間公交隨著時間的變化客流逐漸減少，并且減少速度逐漸增快，同時越靠近地鐵站點，夜間公交的乘坐率越低;（2）認為夜間公交存在問題越多的人越不愿意使用夜間公交;（3）上車前消耗時間越短的人更愿意選擇夜間公交;（4）夜間出行頻率越高的人越不愿意選擇夜間公交。同時，證實了有效地縮短上車前消耗時間，解決換乘困難與公交準時性的問題可以增強夜間公交的市場競爭力，引導更多的人選擇夜間公交出行。進一步的研究需要綜合考慮其他交通方式對夜間公交產(chǎn)生的影響。

參考文獻：

[1] 黃凰. 基于需求的上海市夜間公交線路評估與優(yōu)化[C] // 創(chuàng)新驅(qū)動與智慧發(fā)展——2018年中國城市交通規(guī)劃年會論文集. 中國城市規(guī)劃學會城市交通規(guī)劃學術委員會，中國城市規(guī)劃設計研究院城市交通專業(yè)研究院，2018：1823-1835.

[2] 云美萍，劉廣洋，劉芳. 公交服務質(zhì)量變化對出行方式選擇行為的影響[J]. 中國公路報，2017，30（7）：119-125.

[3] 奴爾加馬力·安尼瓦，王令飛，艾力·斯木吐拉. 基于Logistic模型的定制公交出行選擇影響因素研究——以烏魯木齊市為例[J]. 公路與汽運，2019（6）：23-25，29.

[4]? Carlsson G. Travelling by urban public transport： exploration of usability problems in a travel chain perspective[J]. Scandinavian Journal of Occupational Therapy， 2004，1（2）：78-89.

[5]? ZHANG J Y， 1FUJIWAKA A， THEIN S. Capturing Travelers' Stated Mode Choice Preferences Under Influence of Income in Yangon City， Myanmar[J]. Journal of Transportation Systerns Engineering and Information Technology， 2008，8（4）：49-62.

[6]? Hensher D A， Rose J M. Development of commuter and non-commuter mode choice models for the assessment of new public transport infrastructure projects： a case study[J]. Transport Res A-Policy Pract， 2007，41（5）：428-433.

[7]? Train K， Wilson W W. Estimation on stated-preference experiments constructed from revealed-preference choices[J]. Transport Res B-Method， 2008，42（3）：191-203.

[8] 孫亦凡，干宏程. 多交通方式實時信息影響下的通勤者出行行為[J]. 上海理工大學學報，2018，40（6）：595-600.

[9] 姚恩建，馬斯瑋，向鎮(zhèn)，等. 面向鐵路夜間乘客疏散的定制公交線路優(yōu)化[J]. 北京交通大學學報，2021，45（1）：78-84.

[10] 涂強，翁劍成，袁榮亮，等. 基于出行問卷與多模式公交刷卡數(shù)據(jù)匹配的公交調(diào)價影響分析[J]. 交通工程，2017，17（4）：49-55.

[11] 費瑞陽，鄔嵐，欒開元，等. 基于信令數(shù)據(jù)的中小城市公交線網(wǎng)優(yōu)化方法[J]. 物流科技，2021，44（3）：75-81.