考慮城市交換中心的居民出行方式選擇分析

羅豐，左玙璠，張文波，劉志遠(yuǎn)*，賈若

(1.中交第二公路勘察設(shè)計(jì)研究院有限公司，湖北 武漢 430100；2. 東南大學(xué) 交通學(xué)院，江蘇 南京 211189)

城市換乘中心(city exchange center, CEC)是由雄安新區(qū)創(chuàng)新提出的概念，是城市交通和城際交通、個(gè)體交通與公共交通、道路交通與其他交通方式的換乘、停車中心，同時(shí)提供一定的商業(yè)餐飲休閑服務(wù)。CEC以公共交通方式接駁為建設(shè)特點(diǎn)，以提高公共交通出行比例及綠色交通出行比例為建設(shè)目標(biāo)，是城市交通調(diào)節(jié)的重要手段。城市交換中心作為綠色城市的一種新模式，提供不僅包括單一的公共交通出行方式、非公共交通出行方式，也包括新型公共出行方式如彈性公交。同時(shí)，城市交換中心也滿足聯(lián)程組合出行需求，如常規(guī)公交與共享單車，延伸公共交通出行網(wǎng)絡(luò)的末梢，提高公共交通對(duì)不同距離出行的覆蓋率，提供更多樣性的差別化出行服務(wù)，以適配出行需求的多樣化。

目前還沒有針對(duì)CEC的出行方式選擇的研究，缺乏從居民組合出行選擇和新型公共交通方式角度出發(fā)的策略性研究。在一般的換乘中心與交通樞紐的研究中，鄧涵[1]引入時(shí)空感知理念，進(jìn)行換乘中心系統(tǒng)特性與服務(wù)水平評(píng)價(jià)方法的研究；任美君[2]從乘客感知角度出發(fā)，建立換乘設(shè)施服務(wù)水平評(píng)價(jià)體系和整體服務(wù)水平評(píng)價(jià)模型；嚴(yán)少樂等[3]利用多目標(biāo)決策分析方法結(jié)合熵權(quán)法，建立城市客運(yùn)綜合交通樞紐綜合評(píng)價(jià)模型。但這些研究往往只針對(duì)傳統(tǒng)的交通樞紐或換乘中心，一般考慮兩至三種交通方式的組合建模，場景較為簡單，缺少彈性公交以及定制化出行等服務(wù)水平更高的新型公共出行方式。

在建設(shè)規(guī)劃階段，CEC內(nèi)部不同交通方式之間資源分布情況直接影響其建成后對(duì)不同交通出行需求的覆蓋功能，從而影響綠色出行比例的目標(biāo)完成度。對(duì)CEC內(nèi)部交通資源進(jìn)行合理分配的前提是能夠獲得準(zhǔn)確的出行方式劃分比例，以及各因素對(duì)于該比例的量化影響機(jī)制。出行方式劃分比例的確定，需要綜合分析其影響因素以及該出行方式的效用。

基于此，本文考慮新型公共交通出行和既有交通方式組合出行方式，以雄安區(qū)CEC為例，探討綠色智慧出行背景下城市交換中心的出行方式比例分配原則和策略以及對(duì)于居民出行選擇的邊際影響，通過交叉巢式Logit(cross-nested logit,CNL)模型來研究出行者活動(dòng)在城市交通影響范圍以內(nèi)的出行模式，分析城市居民交通出行特征和運(yùn)行規(guī)律，得到較為詳細(xì)準(zhǔn)確的新型公共交通出行和既有交通方式組合出行方式的分擔(dān)率。對(duì)于科學(xué)規(guī)劃和布設(shè)CEC，優(yōu)化CEC整體運(yùn)營及提高使用效率具有重要意義。

1 交叉巢式Logit模型

在研究CEC內(nèi)部交通方式資源分配的原則和策略時(shí)，需要獲取準(zhǔn)確的居民出行方式劃分比例。而CEC覆蓋的交通方式不僅包括單一的出行方式，也包括兩種或多種出行方式組成的組合出行方式。在多種公共出行方式組合選擇的場景下，居民出行方式選擇分析通常建立離散選擇模型，結(jié)合調(diào)查數(shù)據(jù)進(jìn)行擬合，得到各交通出行方式的出行效用函數(shù)，從而得到出行方式分擔(dān)率[4-6]。

多項(xiàng)Logit(multinomial logit,MNL)模型是一般Logit模型中應(yīng)用最為廣泛的模型，其假定代表性效用Vin與隨機(jī)項(xiàng)εin相互獨(dú)立，并且隨機(jī)項(xiàng)εin服從獨(dú)立的耿貝爾分布，這使得MNL模型具有不相關(guān)選項(xiàng)間的獨(dú)立性(independence from irrelevant alternatives，IIA)的特點(diǎn)，即選擇項(xiàng)之間是獨(dú)立的，如若某一選擇項(xiàng)的效用值因其影響因素的變化而發(fā)生了變化，則其余選擇項(xiàng)所受到的影響都是一樣的。MNL模型由于IIA問題在現(xiàn)實(shí)生活中某些離散選擇問題上其實(shí)并不合適，包括交通出行方式選擇，例如，當(dāng)小汽車出行距離增加時(shí)，小汽車出行者可能會(huì)改變出行方式，趨向于軌道交通出行，使得軌道交通出行概率增加。McFadden[7]推導(dǎo)出巢式Logit(nested logit,NL)模型，避免了MNL模型的IIA問題，在保持巢之間的獨(dú)立性基礎(chǔ)上考慮了各選擇項(xiàng)的相關(guān)性，每個(gè)選擇項(xiàng)僅歸屬于唯一一個(gè)巢，當(dāng)選擇項(xiàng)的相似特征較多時(shí)，NL模型比MNL模型更具合理性。但是NL模型仍有其不足之處：NL模型可以拓展為二層以上的多層次結(jié)構(gòu)，對(duì)于多層次結(jié)構(gòu)求解較困難[8]；此外，NL模型僅能基于單一的緯度描述出行者選擇行為，當(dāng)從多個(gè)緯度考慮時(shí)，NL模型會(huì)不適用。例如，NL模型僅能從居住出行鏈這一維度或者從不同出發(fā)時(shí)間這一維度考慮交通出行方式選擇，無法同時(shí)從居住出行鏈和出發(fā)時(shí)間兩個(gè)維度聯(lián)合考慮出行選擇行為。

基于廣義極值理論使所有選擇項(xiàng)的效用不可觀測部分服從于廣義極值的聯(lián)合分布[9]，能捕捉選擇方案間的相關(guān)性。選擇的概率采用的是封閉型，使得其能夠不需要求助于模擬就可以被估計(jì)出來，為從多個(gè)緯度描述出行者選擇行為提供了可能性。基于廣義極值理論構(gòu)建的CNL模型能彌補(bǔ)NL模型中巢之間的獨(dú)立性。劉玲玲等[10]針對(duì)淮安市居民出行方式選擇問題，建立基于CNL的交通出行方式選擇研究模型，驗(yàn)證了方法的有效性。Papola[11]在研究路徑選擇行為時(shí)依照公共路段劃分子集，使得路徑I可以與路徑J因共享前半程路段ij而從屬于子集Bij，同時(shí)又與路徑K因共享后半程路段而從屬于子集Bik。劉葉等[12]在研究公共自行車使用模式時(shí)，基于CNL模型對(duì)主要交通方式和末端交通方式之間的交叉歸屬關(guān)系進(jìn)行描述，一類末端交通方式可連接不同的主要交通方式，即組合出行方式對(duì)不同的巢均有歸屬關(guān)系。CEC中包含多樣出行方式，且以公共交通為主，目的是服務(wù)所有可能的出行需求，在單一出行方式無法完成出行目的時(shí)，組合出行便需要發(fā)揮重要作用，而組合出行方案可能包含不同類型的出行方式，因此必然屬于兩個(gè)及以上的出行方式巢。因此CNL模型更適用于分析CEC設(shè)置下的既包含單一出行又包含組合出行的居民出行方式選擇場景。

在CNL模型中，下層出行方式選擇肢i被居民n選擇的概率由上層巢j被選擇的概率和在選定j的條件下選擇i的條件概率兩部分構(gòu)成，其計(jì)算過程如式(1)～(3)所示。

(1)

(2)

(3)

2 影響因素分析及數(shù)據(jù)處理

2.1 影響因素確定

出行方式的效用與各類影響居民選擇出行方式的因素有關(guān)，本文考慮雄安新區(qū)CEC所包括的出行方式。因?yàn)镃EC鼓勵(lì)出行者采用綠色出行方式，在此場景下，非公共出行方式僅有租賃汽車一種，所以在進(jìn)行出行選擇時(shí)，公共交通出行通常具有高于非公共出行方式的出行服務(wù)水平，體現(xiàn)為更短的等待時(shí)間、更短的步行距離等，這也是CEC區(qū)別于其他換乘中心的重大優(yōu)勢之一?？傮w而言，CEC包括了考慮傳統(tǒng)公共交通出行方式、非公共交通出行方式以及新型公共出行方式和聯(lián)程組合出行方式。結(jié)合文獻(xiàn)資料調(diào)研選取相關(guān)影響因素，并根據(jù)影響因素的類型進(jìn)行問卷中問題的設(shè)計(jì)。經(jīng)篩選總結(jié)，影響居民出行方式選擇的因素可以分為三類：

(1)居民個(gè)人屬性，包括性別、年齡、收入[13]、家庭收入[14-15]、私家車擁有量[16]；

(2)出行行為屬性[17]，本文考慮出行行為屬性為兩大類，分別是通勤和娛樂；

(3)出行方式屬性包括票價(jià)、是否有座、換乘次數(shù)、出行距離[18]、等待時(shí)間、出行時(shí)間、距乘車點(diǎn)的步行距離，以及到達(dá)目的地的時(shí)間準(zhǔn)確度，即出行者預(yù)計(jì)到達(dá)時(shí)間與實(shí)際到達(dá)時(shí)間的偏差。

2.2 問卷設(shè)計(jì)及數(shù)據(jù)收集

本文將采用SP調(diào)查(stated preference survey)方法獲取出行者不同場景下的選擇行為數(shù)據(jù)。在設(shè)計(jì)SP調(diào)查時(shí)，為了考慮不同出行方式屬性對(duì)居民出行選擇影響，問題的選項(xiàng)中列出各出行方式的屬性，以圖1為例。

圖1 設(shè)計(jì)出行情景Fig.1 Hypothetical travel scenarios

與常規(guī)公交相比，彈性公交作為新型公交出行方式，其優(yōu)勢體現(xiàn)在確定有座位、無需換乘、行程總時(shí)間更短，相應(yīng)地，價(jià)格也會(huì)高于常規(guī)公共交通方式，但低于租賃汽車。在僅有“彈性公交”選項(xiàng)與其他出行方式選項(xiàng)的SP調(diào)查問題上，可研究彈性公交對(duì)于現(xiàn)存公共交通出行系統(tǒng)的補(bǔ)全機(jī)制，即彈性公交如何滿足現(xiàn)有公共交通出行所無法覆蓋的出行需求。在包含“彈性公交-1”與“彈性公交-2”選項(xiàng)的SP調(diào)查問題中，可研究居民在出行時(shí)對(duì)于彈性公交的服務(wù)水平的要求以及對(duì)價(jià)格的接受程度，以及服務(wù)水平中不同因素對(duì)于彈性公交吸引力的影響機(jī)制。彈性公交-2旨在提供更高水平的出行服務(wù)，體現(xiàn)在等待時(shí)間及行程時(shí)間更短、準(zhǔn)點(diǎn)率更高和需步行距離更短，同時(shí)出行費(fèi)用也更高。彈性公交-1旨在服務(wù)更多出行需求，即同時(shí)服務(wù)更多出行者，具體表現(xiàn)為需步行更長距離，等待時(shí)間與行程時(shí)間相較彈性公交-2更長，但出行費(fèi)用較低。

由于公共交通系統(tǒng)的性質(zhì)，導(dǎo)致其在提供個(gè)人隱私空間方面具有先天缺陷，所以在CEC所包含的出行系統(tǒng)中，為服務(wù)于少量私人出行需求，提供了租賃汽車服務(wù)。租賃汽車需要出行者前往汽車租賃點(diǎn)進(jìn)行換乘，在步行距離和等待時(shí)間方面，租賃汽車較常規(guī)公交等沒有明顯優(yōu)勢，但行程總時(shí)間較少，且相較于公共交通出行，提供了更私人化的出行服務(wù)。

同時(shí)，CEC所包含的出行系統(tǒng)包括常規(guī)公交，作為城市福利的體現(xiàn)，出行價(jià)格明顯低于其他出行方式，但所提供的服務(wù)水平也較低，體現(xiàn)在無法確定是否有座位、行程時(shí)間較長。此外，步行和共享單車也作為低碳出行方式包含在CEC出行系統(tǒng)中。CEC所包含的出行方式可涵蓋全方位出行需求，以公共交通為主，同時(shí)考慮多角度需求，因此在SP調(diào)查中，可以全面了解各因素對(duì)出行者出行方式選擇的影響機(jī)制。

2020年，雄安新區(qū)的首個(gè)CEL已經(jīng)通過竣工驗(yàn)收，未來容東片區(qū)仍將繼續(xù)建設(shè)剩余3個(gè)CEC規(guī)劃項(xiàng)目。因此，本次研究選擇雄安新區(qū)為案例城市，進(jìn)行SP問卷調(diào)查，共回收問卷381份，有效問卷370份，合格率達(dá)97.4%，能有效地應(yīng)用于后續(xù)的建模與分析。

2.3 數(shù)據(jù)預(yù)處理

根據(jù)相關(guān)研究經(jīng)驗(yàn)，對(duì)問卷調(diào)查收集得到的數(shù)據(jù)中不符合要求的部分，按照以下原則進(jìn)行篩選與處理：

(1)對(duì)于填寫時(shí)間過短的數(shù)據(jù)，將其剔除；

(2)對(duì)于出行方式選擇始終相同的數(shù)據(jù)，將其剔除；

(3)對(duì)于個(gè)人收入、家庭收入和車輛擁有量不相符合的數(shù)據(jù)，將其剔除；

(4)對(duì)于常用交通方式、駕駛經(jīng)驗(yàn)、車輛擁有量不相符合的數(shù)據(jù)，將其剔除；

(5)根據(jù)SP調(diào)查問題內(nèi)容及選項(xiàng)內(nèi)容，將出行者個(gè)人屬性、出行方式屬性及出行行為屬性合并。

2.4 問卷信度效度分析

在進(jìn)行問卷數(shù)據(jù)分析前，對(duì)問卷采集數(shù)據(jù)進(jìn)行信度與效度分析。利用克龍巴赫α系數(shù)(Cronbachα)測量信度，信度系數(shù)為0.843，說明信度較高；對(duì)其進(jìn)行效度檢驗(yàn)，得到KMO(Kaiser-Meyer-Olkin) 值為0.742，大于0.7，通過Bartlett球形檢驗(yàn)，意味著數(shù)據(jù)具有效度。綜上可得，基于問卷數(shù)據(jù)所得到的結(jié)論在數(shù)據(jù)上真實(shí)可靠，具有說服力。

3 CNL模型構(gòu)建及結(jié)果分析

3.1 CNL模型結(jié)構(gòu)確定

CEC環(huán)境下的出行方式選擇集包括單一的出行方式和組合出行方式。單一的出行方式包括常規(guī)公交，彈性公交，租賃汽車，共享單車，步行；組合出行方式包括常規(guī)公交+共享單車，常規(guī)公交+步行。從性質(zhì)上看，CEC包含的出行方式可劃分為三個(gè)巢：C2={NESTA(非公共機(jī)動(dòng)車出行)，NESTB(公共機(jī)動(dòng)車出行)，NESTC(非機(jī)動(dòng)車出行)}；下層中包含的出行方式不僅包括單一出行方式，也包括經(jīng)過換乘連接的兩種出行方式組合，下層C1={Alt1(常規(guī)公交)，Alt2(彈性公交)，Alt3(彈性公交-1)，Alt4(彈性公交-2)，Alt5(租賃汽車)，Alt6(步行)，Alt7(共享單車)，Alt8(常規(guī)公交+共享單車)，Alt9(常規(guī)公交+步行)}分別代表不同出行方案。考慮城市交換中心的居民出行方式選擇CNL模型結(jié)構(gòu)中的巢及出行方式選擇肢的關(guān)系如圖2所示。

圖2 考慮CEC的居民出行方式選擇CNL模型結(jié)構(gòu)Fig.2 CNL modeling structure of residents′ travel mode choice considering CEC

3.2 效用函數(shù)確定

出行者在進(jìn)行出行方式選擇時(shí)，通過對(duì)選擇不同出行方式可獲得的效用進(jìn)行判斷，效用的大小與各種出行者考慮的因素有關(guān)，即出行方式是影響出行者進(jìn)行出行方式選擇的各因素的函數(shù)，且效用函數(shù)通常表示為影響因素的線性函數(shù)，如式(4)所示。其中V表示效用函數(shù)，X表示影響因素，B表示影響因素對(duì)應(yīng)的系數(shù)。

V=B×X,

(4)

在確定影響因素后，將效用函數(shù)記為上述三類影響因素的線性函數(shù)，即式(4)可以記為式(5)～(7)。

(5)

(6)

(7)

3.3 變量處理及數(shù)據(jù)擬合

對(duì)問卷中包括的出行方式影響因素中代表等級(jí)的因素，按照實(shí)地調(diào)研結(jié)果，設(shè)置閾值對(duì)其進(jìn)行處理，有n個(gè)等級(jí)的因素化為n-1個(gè)啞元變量表示，以保證變量之間的線性無關(guān)性。如下式所示：

X1+X2+…+Xn=1，

(8)

其中，Xi(i=1,2,…,n)是布爾變量，Xi=1表示該變量處于等級(jí)i，反之，表示該變量不處于等級(jí)i。根據(jù)式(5)可得，X1,X2,…,Xn之間線性相關(guān)，所以通常選取其中的n-1個(gè)變量進(jìn)行表示。本文以最低等級(jí)作為參考，即X2,X3,…,Xn-1表示等級(jí)因素的取值，當(dāng)X2+X3+…+Xn-1=0時(shí)，說明在該因素上取參考等級(jí)，即最低等級(jí)。對(duì)于離散變量的擬合結(jié)果，其系數(shù)代表以參考等級(jí)為對(duì)照，變量處于該等級(jí)對(duì)于出行方式劃分的影響。離散變量的擬合系數(shù)只在設(shè)定的等級(jí)范圍下有效，不會(huì)無限增長，變量每次變化只能以等級(jí)為單位，且變量每變化一個(gè)等級(jí)，對(duì)出行方式劃分概率的影響程度不同。對(duì)于連續(xù)變量，進(jìn)行系數(shù)擬合時(shí)不需要做特殊處理，可直接進(jìn)行系數(shù)擬合。連續(xù)變量的擬合系數(shù)是常數(shù)，即該變量變化量相同時(shí)，對(duì)于出行方式劃分概率的影響是相同的，且連續(xù)變量變化可以是任意數(shù)值。對(duì)調(diào)查得到的屬性變量中啞元變量進(jìn)行處理，如表1所示。

表1 個(gè)人基本屬性因素Table 1 Socioeconomic factors for individuals

表1(續(xù))

3.4 擬合結(jié)果分析

依據(jù)極大似然估計(jì)，利用Biogeme軟件對(duì)數(shù)據(jù)進(jìn)行擬合，得到各巢異質(zhì)參數(shù)與分配參數(shù)估計(jì)，根據(jù)統(tǒng)計(jì)量檢驗(yàn)方法，對(duì)擬合得到的CNL模型進(jìn)行顯著性檢驗(yàn)和擬合優(yōu)度檢驗(yàn)，結(jié)果如表2所示。

從表2中可以看出巢NESTB影響最顯著，NESTC影響其次，NESTA對(duì)于出行方式選擇幾乎無影響。說明在CEC的設(shè)定條件下，公共交通對(duì)于出行選擇的影響最為顯著。這也表明在政策及機(jī)制上給予公共交通出行方式足夠的優(yōu)勢時(shí)，能夠有效吸引更多的出行需求向公共出行轉(zhuǎn)化。組合出行方式“常規(guī)公交+共享單車”及“常規(guī)公交+步行”與巢“公共機(jī)動(dòng)車出行”的歸屬系數(shù)較高，可以推測組合出行受其中機(jī)動(dòng)車出行部分的影響較大。說明公共機(jī)動(dòng)車出行效率的提升，不僅可以提高單一公共機(jī)動(dòng)車出行方式的服務(wù)水平，也可以提高組合出行方式的服務(wù)水平。這對(duì)CEC建設(shè)規(guī)劃具有實(shí)際參考意義，為持續(xù)提供以公共交通為主的高質(zhì)量出行服務(wù)，CEC交通規(guī)劃人員應(yīng)注重提升公共交通的服務(wù)水平，如長期保持整潔的車廂環(huán)境，提高工作人員的服務(wù)態(tài)度，設(shè)置簡潔醒目的公共交通指示標(biāo)牌等。

表2 CNL模型各巢異質(zhì)參數(shù)與分配參數(shù)估計(jì)結(jié)果Table 2 Parameter estimation results for heterogeneity and assignment in CNL

各出行方式效用函數(shù)中的影響顯著的變量系數(shù)擬合結(jié)果如表3所示。其中ASC指效用函數(shù)中的常數(shù)項(xiàng)；B_FEE指出行費(fèi)用變量的系數(shù)；B_SEAT指有無座位變量對(duì)應(yīng)的系數(shù)；B_TRIP_T指出行時(shí)間變量的系數(shù)；B_WAIT_T_1指等待時(shí)間為5～10 min的變量對(duì)應(yīng)的系數(shù)；變量系數(shù)表示的定量解釋與該系數(shù)對(duì)應(yīng)的變量類型有關(guān)，其數(shù)值代表含義遵循下式：

表3 出行方式選擇肢效用函數(shù)擬合結(jié)果Table 3 Fitting results for utility function of travel mode choices

(9)

其中x對(duì)應(yīng)表3中的系數(shù)取值；對(duì)于啞元變量，p表示啞元變量處于當(dāng)前類型時(shí)，選擇該出行方式的比例；p′表示該啞元變量處于參考類型時(shí)，該出行方式比例；對(duì)于連續(xù)變量，p′表示該變量每增加一個(gè)單位，該出行方式的選擇比例；p表示該變量未增加時(shí)，該出行方式的選擇比例。

從表3列出的影響顯著的因素可以看出，個(gè)人屬性對(duì)于出行方式選擇的影響均不顯著，而出行方式的屬性對(duì)出行方式所占比例影響較大，如是否有座位、等待時(shí)間等。從等待時(shí)間的影響程度來看，等待時(shí)間在5～10 min時(shí)對(duì)于出行方式選擇的影響較為顯著，而其他等待時(shí)間等級(jí)則無顯著影響，說明等待時(shí)間在超過10 min后就不是影響乘客出行方式選擇的主要顯著因素，即提高出行方式的服務(wù)水平，需要將等待時(shí)間降低到10 min以內(nèi)。這說明，在CEC的運(yùn)營中，需定期進(jìn)行數(shù)據(jù)分析，了解出行者的出行時(shí)間分布及不同區(qū)域的出行需求差異，對(duì)交通方式進(jìn)行靈活排班，在條件允許的情況下，可設(shè)置不同容量的車型，以便更合理地匹配差異化交通需求。

對(duì)比表3中出行方式屬性因素系數(shù)在不同出行方式效用中的取值可以看出，選擇組合出行方式的出行者，對(duì)于影響因素的敏感度均較低，說明選擇組合出行方式的出行者，其目的是完成出行，不太看重出行過程中的服務(wù)體驗(yàn)。對(duì)于常規(guī)公交，時(shí)間因素的系數(shù)較低，費(fèi)用因素的系數(shù)較高，說明選擇服務(wù)水平較低的出行方式時(shí)，出行者看重其經(jīng)濟(jì)性，即更希望獲得實(shí)惠的出行。對(duì)于彈性公交、租賃汽車等服務(wù)水平較高的出行方式，時(shí)間因素的系數(shù)較高，而費(fèi)用因素的系數(shù)較低，說明在選擇服務(wù)水平較高同時(shí)花費(fèi)也較高的出行方式時(shí)，出行者更加注重出行的準(zhǔn)時(shí)性。對(duì)于步行及共享單車，時(shí)間變量的系數(shù)也較低，說明選擇非機(jī)動(dòng)車出行的前提是對(duì)于到達(dá)時(shí)間無嚴(yán)格要求。對(duì)比彈性公交-1與彈性公交-2的效用函數(shù)擬合結(jié)果也可以看出，彈性公交-2所服務(wù)的出行者對(duì)于時(shí)間的要求更高，而對(duì)于費(fèi)用的敏感度則更低。可以得出結(jié)論，通常對(duì)于價(jià)格敏感度較低、時(shí)間敏感度較高的出行者往往會(huì)選擇服務(wù)水平更高的出行方式，而對(duì)于價(jià)格敏感度較高、時(shí)間敏感度較低的出行者則會(huì)選擇更經(jīng)濟(jì)的出行方式。在CEC初步運(yùn)營前，應(yīng)當(dāng)完成一次大規(guī)模準(zhǔn)確的調(diào)研，了解CEC服務(wù)區(qū)域的人口分布及家庭收入水平，充分掌握不同收入等級(jí)的居民比例，以便設(shè)置不同出行方式的資源分布。在CEC的后續(xù)運(yùn)營中，應(yīng)根據(jù)出行規(guī)律變化的周期性、季節(jié)性，及時(shí)調(diào)整出行方式的分布比例，對(duì)不同需求類型的出行者提供匹配的出行服務(wù)。

4 結(jié)論

本文根據(jù)CEC的功能定位，考慮單一出行方式與組合出行方式作為出行選擇集，通過CNL模型描述各出行方式與非公共機(jī)動(dòng)車出行、公共機(jī)動(dòng)車出行、非機(jī)動(dòng)車出行的交叉歸屬關(guān)系。通過出行方式確定影響因素，并根據(jù)影響因素設(shè)計(jì)問卷，對(duì)問卷數(shù)據(jù)進(jìn)行處理后，得到模型擬合結(jié)果。對(duì)結(jié)果進(jìn)行分析可知：

(1)提高公共交通服務(wù)水平是提高CEC交通服務(wù)水平的重要切入點(diǎn)，組合出行方式對(duì)于公共機(jī)動(dòng)車出行的歸屬系數(shù)較大，提高公共機(jī)動(dòng)車出行的服務(wù)水平，也將帶動(dòng)組合出行方式的選擇比例提高。

(2)選擇服務(wù)水平較高出行方式的出行者，對(duì)于時(shí)間敏感度較高，出行費(fèi)用敏感度較低；選擇服務(wù)水平較低出行方式的出行者則相反。

(3)在運(yùn)營過程中，應(yīng)當(dāng)根據(jù)出行需求的周期性、季節(jié)性變化，采取相應(yīng)措施靈活分配交通資源，將等待時(shí)間降低在10 min以內(nèi)。

(4)在CEC建設(shè)前期，應(yīng)當(dāng)根據(jù)CEC服務(wù)區(qū)域的人口分布和家庭收入水平進(jìn)行整體調(diào)研后，再進(jìn)行不同服務(wù)水平的彈性公交資源配置。

本研究明確了不同因素對(duì)于出行方式比例分配的定量影響，對(duì)于科學(xué)規(guī)劃和布設(shè)CEC交通資源配置，加強(qiáng)CEC功能發(fā)揮具有重要意義，也為CEC建成后實(shí)施出行方式比例調(diào)整措施提供了戰(zhàn)略性參考。未來的研究重點(diǎn)可進(jìn)一步聚焦到結(jié)合各類交通大數(shù)據(jù)對(duì)模型進(jìn)行深化分析，以進(jìn)一步提高分析結(jié)果的精度。