论文部分内容阅读
摘 要：基于多项Logit模型，分析出行者个人、家庭及出行属性对选择摩托和电动车、小汽车、公交车、自行车4种出行方式的影响。结果表明：交通工具拥有数对选择摩托和电动车、小汽车、公交车3种方式均有显著影响;出行时间、家庭人口数、家里是否有小孩对选择摩托和电动车、小汽车有显著影响;出行目的对选择小汽车、公交车有显著影响;年龄对选择小汽车有显著影响。
关键词：交通工程;出行方式选择;离散选择模型;MNL模型
中图分类号：F570 文献标识码：A
Abstract： Based on the multinomial logit model，this study analyzes the influence of individual，family and travel attributes of travelers on the choice of four travel modes： motorcycle and electric bike，car，bus and bike. The results indicate that the number of vehicle ownership has a significant impact on the choice of three modes： motorcycle and electric bike， car and bus. Travel time， family size and whether there is a child in the family have significant influence on the choice of motorcycle and electric bike and car. The purpose of travel has a significant influence on the choice of car and bus. Age has a significant effect on the choice of car.
Key words： traffic engineering; travel mode choice; discrete choice model; MNL model
0 引 言
集計模型以交通小区为单位获取数据进行出行行为建模与分析，忽略了不同出行者个体的不同特征。离散选择模型基于出行者个体数据，考虑了出行者个体、家庭及出行属性对选择结果的影响。目前，基于效用最大化理论的离散选择模型已成为研究出行选择行为的主流模型[1]，广泛应用于出行方式、出行链、出发时间、出行路径等出行选择行为中，并且取得了较多的成果。Hensher建立MNL模型研究出行链复杂度对公共交通使用的阻碍[2];Handy运用NL模型研究了自行车保有量和使用的影响因素[3];Ben-Elia通过ML模型进行了驾驶员路径选择实验[4]。杨励雅等构建出发时间位于下层、出行方式位于上层的NL模型，认为当改变出行效用变量时，出行者首先改变出发时间，其次才会考虑改变出行方式[5];Yi把混合Logit模型运用于分析价格促销对高铁潜在消费者的选择影响[6];Can运用MNP模型研究了游客的出行方式选择[7];宋俊莹建立MNL模型，认为年龄、性别、职业、出行目的等因素对方式选择具有影响[8];王灏则利用MNL模型进行了停车行为分析[9]。
而各种出行选择行为中，出行方式选择行为分析是居民出行选择行为研究的首要和核心模块。通过方式选择行为分析，能够弄清居民出行方式选择的影响因素及其作用机制，有利于提高交通预测分析的能力，为城市交通管理者制定有效的交通需求管理策略提供理论参考，从而达到提高公共交通出行分担率，优化居民出行方式结构的目的。本文建立多项Logit模型，分析出行者个人、家庭及出行属性对出行方式选择行为的影响。
1 多项Logit模型
1.1 理论基础
离散选择模型以效用最大化理论为基础，假设出行者总是选择各种出行方式中效用最大的方式。效用可以分解成两部分：
1.2 MNL模型
2 数据调查
2.1 数据来源及处理
出行者的方式选择行为受出行者个人、家庭及出行属性的影响。个人属性主要包括人的性别、年龄、受教育程度、个人月收入;家庭属性主要包括家庭人口数、家里是否有小孩、各种交通工具拥有的数量;出行属性主要指出行目的和出行时间。以某市2013年居民出行调查数据为基础，研究出行者选择摩托和电动车、小汽车、公交车和自行车4种出行方式时的影响因素。调查内容中包含了出行者个人、家庭及出行属性3个部分数据。剔除信息缺失、异常的数据和出行方式为摩托和电动车、小汽车、公交车、自行车以外的数据后，共获得4 815条有效数据用于分析。
2.2 样本统计结果
样本数据中4种出行方式，摩托和电动车选择比例最高（47.2%），其次是小汽车（35.2%）和自行车（10.7%），公交车的选择比例最低（6.9%）。样本中，男性占很大部分;近一半的人年龄在31岁至45岁;超过一半的人月收入在2千至5千范围内;受教育程度在本科、高中、初中各个层次分布比较均匀，研究生及以上比例十分少;近三分之二的家庭家里有小孩;绝大部分人的出行目的为上班，其次为购物。各个变量的定义及统计结果如表1所示。
3 出行方式选择行为分析
3.1 参数估计 运用SPSS 24软件，把4种出行方式（摩托和电动车、小汽车、公交车、自行车）作为因变量，性别、年龄、个人月收入、受教育程度、家庭人口数、家里是否有小孩、各种交通工具拥有的数量、出行时间和出行目的作为方式选择模型的解释变量，以自行车为效用基础项，进行多元Logistic回归，其模型的重要参数估计结果如表2所示。
3.2 效用函数
根据参数估计结果可以得出出行者选择摩托和电动车效用函数为式（3），小汽车和公交车的效用函数也可类似得出。其中，P，P，P，P分别表示出行者选择摩托和电动车、小汽车、公交车和自行车的概率，且它们的和等于1。
3.3 结果分析
根据多项Logit选择模型的参数估计结果对出行方式选择行为进行如下分析：
（1）摩托和电动车：家庭人口数对选择摩托和电动车有显著的负向作用，家庭人口越多，出行者越不愿意选择摩托和电动车，这可能是因为摩托和电动车的载人能力十分有限，一次只能满足1～2位家庭成员的出行需求，人口多的家庭更倾向于选择载人能力较大的交通工具，而不是摩托和电动车;其次，摩托和电动车拥有数越大，选择其出行的可能性就越大，这符合我们的日常认知，交通工具拥有数越大表示出行者对该交通工具的感知作用越大，越青睐选择该种方式出行，自然选择其出行的可能性就越大;自行車拥有数对选择摩托和电动车出行有显著的负向影响，原因是自行车和摩托和电动车属于两种有竞争关系的出行方式，自行车拥有数增多，选择自行车的概率就增大，从而选择摩托和电动车的可能性就下降;家里没有小孩对选择有显著的负向作用，原因是摩托和电动车十分灵活、方便，用其接送孩子上下学十分地便利，所以有孩子的家庭会倾向选用摩托和电动车，而没有孩子的家庭选用该方式的可能性将降低;出行时间对选择有显著的正向作用，原因是出行时间越长，表示距离越远，短距离、花费时间少时人们可能选择步行、自行车等方式出行，而距离较长、花费时间多时，人们会采用有动力驱动的摩托和电动车。
（2）小汽车：小汽车拥有数越高，出行者越倾向于选择小汽车出行，原因是交通工具的拥有量高说明出行者认为该方式在出行上存在优势，所以倾向于选择该方式出行;而摩托和电动车拥有数也对小汽车出行有正向作用，则可能是因为摩托和电动车拥有数高，说明出行者倾向于采用有动力驱动的交通工具，而不是自行车等慢行交通方式，从而提高了选择小汽车这类机动车辆的概率;年龄在46岁至65岁的出行者倾向于选择小汽车出行，原因可能是小汽车能提供舒适、良好的出行体验，能够很大程度满足这个年龄段出行者的出行需求;当出行以购物为目的时，出行者不愿意选择小汽车出行，可能是因为出行者在购物时把它当成一种娱乐行为，并不愿意承受开车带来的疲劳，从而不选择小汽车出行，以保持一个轻松愉悦的心情，也或者是没有合适的地方停车导致的。
（3）公交车：小汽车拥有数和自行车拥有数对选择公交车出行有显著的负向影响，原因是某种交通工具拥有数越高，选择该方式出行的概率就越大，从而选择其它方式（如公交车）出行的概率就会越小;当出行以上班和购物为目的时，出行者不愿意选择公交车出行，原因可能是公交车难以保证时效性，方便性、灵活性差，服务质量不高。
与以往研究结论[10]不同的是，个人月收入水平在3种出行方式选择过程中均没有显著的作用，这可能是因为样本中将近70%的出行者个人月收入都处于2千至5千的水平，较高和较低收入的出行者比例均不高，个人月收入差别不是特别大，从而没有对方式选择产生显著的影响。
4 结束语
本文利用某市2013年居民出行调查数据，通过建立多项Logit选择模型，分析出行者个人、家庭及出行属性对摩托和电动车、小汽车、公交车和自行车4种出行方式选择行为的影响，发现MNL模型能很好地刻画各种影响因素对选择行为的作用机制。
研究发现，摩托和电动车拥有数、出行时间对选择摩托和电动车有显著的正向作用，家庭人口数、自行车拥有数和家里没有小孩对其有显著的负向作用;小汽车拥有数、摩托和电动车拥有数、年龄在46岁至65岁和出行时间对选择小汽车有显著的正向作用，家庭人口数、自行车拥有数、家里没有小孩和出行是以购物为目的时对选择小汽车有显著的负向作用;小汽车拥有数、自行车拥有数和出行是以上班和购物为目的时对选择公交车有显著的负向作用。
本文的研究中为了方便把摩托车和电动车归为同一种出行方式，未对它们进行分别研究，实际上选择这两种交通方式的影响因素可能并不很相同，出行者对两种方式的选择行为会存在差异。后续研究中可以把它们作为两种独立的出行方式，分别分析选择摩托车、电动车的影响因素并探讨其不同之处。
参考文献：
[1] 许冰. 城际交通出行方式选择ICLV模型研究[D]. 北京：北京交通大学（硕士学位论文），2018.
[2] Hensher D A， Reyes A J. Trip chaining as a barrier to the propensity to use public transport[J]. Transportation， 2000，27（4）：341-361.
[3] Handy S L， Xing Y， Buehler T J. Factors associated with bicycle ownership and use： a study of six small U.S. cities[J]. Transportation， 2010，37（6）：967-985.
[4] Ben-Elia E， Shiftan Y. Which road do I take？ A learning-based model of route-choice behavior with real-time information[J]. Transportation Research Part A： Policy and Practice， 2010，44（4）：249-264.
[5] 杨励雅，邵春福，A H. 出行方式与出发时间联合选择的分层Logit模型[J]. 交通运输工程学报，2012，12（2）：76-83.
[6] Kuo Y W， Hsieh C H， Feng C M， et al. Effects of price promotions on potential consumers of high-speed rail[J]. Transportation Planning and Technology， 2013，36（8）：722-738.
[7] Can V V. Estimation of travel mode choice for domestic tourists to Nha Trang using the multinomial probit model[J]. Transportation Research Part A： Policy and Practice， 2013，49：149-159.
[8] 宋俊莹. 基于电动自行车发展的城市居民出行方式选择方法研究[D]. 南京：东南大学（硕士学位论文），2017.
[9] 王灏. 机动车路内停车行为分析[D]. 北京：清华大学（硕士学位论文），2016.
[10] 程龙. 大城市低收入通勤者出行方式选择及改善对策评估[D]. 南京：东南大学（博士学位论文），2016.
关键词：交通工程;出行方式选择;离散选择模型;MNL模型
中图分类号：F570 文献标识码：A
Abstract： Based on the multinomial logit model，this study analyzes the influence of individual，family and travel attributes of travelers on the choice of four travel modes： motorcycle and electric bike，car，bus and bike. The results indicate that the number of vehicle ownership has a significant impact on the choice of three modes： motorcycle and electric bike， car and bus. Travel time， family size and whether there is a child in the family have significant influence on the choice of motorcycle and electric bike and car. The purpose of travel has a significant influence on the choice of car and bus. Age has a significant effect on the choice of car.
Key words： traffic engineering; travel mode choice; discrete choice model; MNL model
0 引 言
集計模型以交通小区为单位获取数据进行出行行为建模与分析，忽略了不同出行者个体的不同特征。离散选择模型基于出行者个体数据，考虑了出行者个体、家庭及出行属性对选择结果的影响。目前，基于效用最大化理论的离散选择模型已成为研究出行选择行为的主流模型[1]，广泛应用于出行方式、出行链、出发时间、出行路径等出行选择行为中，并且取得了较多的成果。Hensher建立MNL模型研究出行链复杂度对公共交通使用的阻碍[2];Handy运用NL模型研究了自行车保有量和使用的影响因素[3];Ben-Elia通过ML模型进行了驾驶员路径选择实验[4]。杨励雅等构建出发时间位于下层、出行方式位于上层的NL模型，认为当改变出行效用变量时，出行者首先改变出发时间，其次才会考虑改变出行方式[5];Yi把混合Logit模型运用于分析价格促销对高铁潜在消费者的选择影响[6];Can运用MNP模型研究了游客的出行方式选择[7];宋俊莹建立MNL模型，认为年龄、性别、职业、出行目的等因素对方式选择具有影响[8];王灏则利用MNL模型进行了停车行为分析[9]。
而各种出行选择行为中，出行方式选择行为分析是居民出行选择行为研究的首要和核心模块。通过方式选择行为分析，能够弄清居民出行方式选择的影响因素及其作用机制，有利于提高交通预测分析的能力，为城市交通管理者制定有效的交通需求管理策略提供理论参考，从而达到提高公共交通出行分担率，优化居民出行方式结构的目的。本文建立多项Logit模型，分析出行者个人、家庭及出行属性对出行方式选择行为的影响。
1 多项Logit模型
1.1 理论基础
离散选择模型以效用最大化理论为基础，假设出行者总是选择各种出行方式中效用最大的方式。效用可以分解成两部分：
1.2 MNL模型
2 数据调查
2.1 数据来源及处理
出行者的方式选择行为受出行者个人、家庭及出行属性的影响。个人属性主要包括人的性别、年龄、受教育程度、个人月收入;家庭属性主要包括家庭人口数、家里是否有小孩、各种交通工具拥有的数量;出行属性主要指出行目的和出行时间。以某市2013年居民出行调查数据为基础，研究出行者选择摩托和电动车、小汽车、公交车和自行车4种出行方式时的影响因素。调查内容中包含了出行者个人、家庭及出行属性3个部分数据。剔除信息缺失、异常的数据和出行方式为摩托和电动车、小汽车、公交车、自行车以外的数据后，共获得4 815条有效数据用于分析。
2.2 样本统计结果
样本数据中4种出行方式，摩托和电动车选择比例最高（47.2%），其次是小汽车（35.2%）和自行车（10.7%），公交车的选择比例最低（6.9%）。样本中，男性占很大部分;近一半的人年龄在31岁至45岁;超过一半的人月收入在2千至5千范围内;受教育程度在本科、高中、初中各个层次分布比较均匀，研究生及以上比例十分少;近三分之二的家庭家里有小孩;绝大部分人的出行目的为上班，其次为购物。各个变量的定义及统计结果如表1所示。
3 出行方式选择行为分析
3.1 参数估计 运用SPSS 24软件，把4种出行方式（摩托和电动车、小汽车、公交车、自行车）作为因变量，性别、年龄、个人月收入、受教育程度、家庭人口数、家里是否有小孩、各种交通工具拥有的数量、出行时间和出行目的作为方式选择模型的解释变量，以自行车为效用基础项，进行多元Logistic回归，其模型的重要参数估计结果如表2所示。
3.2 效用函数
根据参数估计结果可以得出出行者选择摩托和电动车效用函数为式（3），小汽车和公交车的效用函数也可类似得出。其中，P，P，P，P分别表示出行者选择摩托和电动车、小汽车、公交车和自行车的概率，且它们的和等于1。
3.3 结果分析
根据多项Logit选择模型的参数估计结果对出行方式选择行为进行如下分析：
（1）摩托和电动车：家庭人口数对选择摩托和电动车有显著的负向作用，家庭人口越多，出行者越不愿意选择摩托和电动车，这可能是因为摩托和电动车的载人能力十分有限，一次只能满足1～2位家庭成员的出行需求，人口多的家庭更倾向于选择载人能力较大的交通工具，而不是摩托和电动车;其次，摩托和电动车拥有数越大，选择其出行的可能性就越大，这符合我们的日常认知，交通工具拥有数越大表示出行者对该交通工具的感知作用越大，越青睐选择该种方式出行，自然选择其出行的可能性就越大;自行車拥有数对选择摩托和电动车出行有显著的负向影响，原因是自行车和摩托和电动车属于两种有竞争关系的出行方式，自行车拥有数增多，选择自行车的概率就增大，从而选择摩托和电动车的可能性就下降;家里没有小孩对选择有显著的负向作用，原因是摩托和电动车十分灵活、方便，用其接送孩子上下学十分地便利，所以有孩子的家庭会倾向选用摩托和电动车，而没有孩子的家庭选用该方式的可能性将降低;出行时间对选择有显著的正向作用，原因是出行时间越长，表示距离越远，短距离、花费时间少时人们可能选择步行、自行车等方式出行，而距离较长、花费时间多时，人们会采用有动力驱动的摩托和电动车。
（2）小汽车：小汽车拥有数越高，出行者越倾向于选择小汽车出行，原因是交通工具的拥有量高说明出行者认为该方式在出行上存在优势，所以倾向于选择该方式出行;而摩托和电动车拥有数也对小汽车出行有正向作用，则可能是因为摩托和电动车拥有数高，说明出行者倾向于采用有动力驱动的交通工具，而不是自行车等慢行交通方式，从而提高了选择小汽车这类机动车辆的概率;年龄在46岁至65岁的出行者倾向于选择小汽车出行，原因可能是小汽车能提供舒适、良好的出行体验，能够很大程度满足这个年龄段出行者的出行需求;当出行以购物为目的时，出行者不愿意选择小汽车出行，可能是因为出行者在购物时把它当成一种娱乐行为，并不愿意承受开车带来的疲劳，从而不选择小汽车出行，以保持一个轻松愉悦的心情，也或者是没有合适的地方停车导致的。
（3）公交车：小汽车拥有数和自行车拥有数对选择公交车出行有显著的负向影响，原因是某种交通工具拥有数越高，选择该方式出行的概率就越大，从而选择其它方式（如公交车）出行的概率就会越小;当出行以上班和购物为目的时，出行者不愿意选择公交车出行，原因可能是公交车难以保证时效性，方便性、灵活性差，服务质量不高。
与以往研究结论[10]不同的是，个人月收入水平在3种出行方式选择过程中均没有显著的作用，这可能是因为样本中将近70%的出行者个人月收入都处于2千至5千的水平，较高和较低收入的出行者比例均不高，个人月收入差别不是特别大，从而没有对方式选择产生显著的影响。
4 结束语
本文利用某市2013年居民出行调查数据，通过建立多项Logit选择模型，分析出行者个人、家庭及出行属性对摩托和电动车、小汽车、公交车和自行车4种出行方式选择行为的影响，发现MNL模型能很好地刻画各种影响因素对选择行为的作用机制。
研究发现，摩托和电动车拥有数、出行时间对选择摩托和电动车有显著的正向作用，家庭人口数、自行车拥有数和家里没有小孩对其有显著的负向作用;小汽车拥有数、摩托和电动车拥有数、年龄在46岁至65岁和出行时间对选择小汽车有显著的正向作用，家庭人口数、自行车拥有数、家里没有小孩和出行是以购物为目的时对选择小汽车有显著的负向作用;小汽车拥有数、自行车拥有数和出行是以上班和购物为目的时对选择公交车有显著的负向作用。
本文的研究中为了方便把摩托车和电动车归为同一种出行方式，未对它们进行分别研究，实际上选择这两种交通方式的影响因素可能并不很相同，出行者对两种方式的选择行为会存在差异。后续研究中可以把它们作为两种独立的出行方式，分别分析选择摩托车、电动车的影响因素并探讨其不同之处。
参考文献：
[1] 许冰. 城际交通出行方式选择ICLV模型研究[D]. 北京：北京交通大学（硕士学位论文），2018.
[2] Hensher D A， Reyes A J. Trip chaining as a barrier to the propensity to use public transport[J]. Transportation， 2000，27（4）：341-361.
[3] Handy S L， Xing Y， Buehler T J. Factors associated with bicycle ownership and use： a study of six small U.S. cities[J]. Transportation， 2010，37（6）：967-985.
[4] Ben-Elia E， Shiftan Y. Which road do I take？ A learning-based model of route-choice behavior with real-time information[J]. Transportation Research Part A： Policy and Practice， 2010，44（4）：249-264.
[5] 杨励雅，邵春福，A H. 出行方式与出发时间联合选择的分层Logit模型[J]. 交通运输工程学报，2012，12（2）：76-83.
[6] Kuo Y W， Hsieh C H， Feng C M， et al. Effects of price promotions on potential consumers of high-speed rail[J]. Transportation Planning and Technology， 2013，36（8）：722-738.
[7] Can V V. Estimation of travel mode choice for domestic tourists to Nha Trang using the multinomial probit model[J]. Transportation Research Part A： Policy and Practice， 2013，49：149-159.
[8] 宋俊莹. 基于电动自行车发展的城市居民出行方式选择方法研究[D]. 南京：东南大学（硕士学位论文），2017.
[9] 王灏. 机动车路内停车行为分析[D]. 北京：清华大学（硕士学位论文），2016.
[10] 程龙. 大城市低收入通勤者出行方式选择及改善对策评估[D]. 南京：东南大学（博士学位论文），2016.