萬 霞 陳 峻 胡文婷

（東南大學(xué)交通規(guī)劃和管理江蘇省重點實驗室 南京 210096）

小汽車的使用受到眾多影響因素的作用，包括使用者的個體特性、所在家庭特性和交通系統(tǒng)的特性［1－3］.Lu Xuedong研究了個人屬性、活動模式和出行行為間的相互作用［4］，Giuliano對比研究了美國和英國小汽車使用者的出行行為特性差異［5－6］.近年來，國內(nèi)也有部分學(xué)者開始從非集計層面進行居民出行預(yù)測模型研究，東南大學(xué)楊敏基于出行鏈對居民出行需求預(yù)測進行了研究［7］.但對于小汽車的出行研究較少涉及.本文針對我國交通現(xiàn)階段的發(fā)展趨勢從非集計層面對小汽車的使用開展深入研究.

1 小汽車使用模式

1.1 小汽車使用模式的劃分

小汽車使用模式用基于活動的概念來描述.由于小汽車交通工具的特殊性，在調(diào)查中發(fā)現(xiàn)有居民全天只有部分出行使用小汽車，剩余的出行中選擇使用其他交通工具，如公交車、摩托車等.本文相應(yīng)的將小汽車的使用模式分為以下4類：（1）no car.雖然擁有小汽車，但在1d中不使用小汽車完成活動計劃，包括全天不出行；（2）car＋.1d的活動實現(xiàn)過程中，使用小汽車，但同時也有其他出行方式存在；（3）one chain.1d的活動實現(xiàn)過程中，出行均使用小汽車，只擁有一次小汽車往返行程；（4）more chain.1d的活動實現(xiàn)過程中，出行均使用小汽車，且擁有2次以上往返行程.

1.2 小汽車使用模式分析

居民全天的活動安排和小汽車使用有密切關(guān)聯(lián)，為了研究小汽車的使用特性，在表1中筆者將城市小汽車使用者按全天往返行程數(shù)進行分類，分別討論其小汽車使用模式選擇規(guī)律.用蚌埠市和沈陽市進行比對分析，以尋求小汽車使用的共性和差異性，見表1.

從表1中可以看出蚌埠和沈陽2城市小汽車使用模式上存在較大的共同點，可以反映出我國城市小汽車使用的現(xiàn)狀：（1）小汽車使用者中最大群體是全天只有一個往返行程的居民，蚌埠市比例為79.8%，沈陽市為82.8%，這類使用者大部分出行使用小汽車，且蚌埠市高達97.3%.全天出行有2個以上往返行程的居民比例較少；（2）one chain模式占4類模式的55%以上，由于小汽車的高額使用費用使居民減少了中午時段的往返出行，所以more chain模式比例較低.同時2城市小汽車管理政策并未實施，換乘理念還未推廣，car＋模式比例均低于10%.

但2個城市由于交通環(huán)境的差異，如城市規(guī)模，上下班制度，小汽車使用費用和生活習(xí)慣等方面，帶來2城市小汽車的使用也存在一定的差異：（1）沈陽市小汽車使用者選擇全天只有1個往返行程的比例高于蚌埠市，但在出行中使用小汽車的比例為70.1%，而蚌埠市高達97.3%；（2）沈陽市全天有兩個往返行程的小汽車使用者中，只有近23%的居民全天使用小汽車，而蚌埠市該比例達到84%；（3）沈陽市全天有3個及其以上往返行程的小汽車使用者比例高于蚌埠市比例，全天不出行的小汽車使用者比例為4.6%，而蚌埠市由于居民活動的豐富性和生活習(xí)慣同沈陽市存在差異，沒有全天有4個往返行程和不出行的小汽車使用者.

表1 小汽車使用者出行特性和小汽車使用模式分布

1.3 小汽車使用特性分析

不同的小汽車使用模式對應(yīng)不同的時空特性，本節(jié)討論各小汽車使用模式的小汽車使用特性，包括小汽車行程長度、出行總時耗和出行活動目的.出行活動可分為2類：（1）以上班為目的的通勤活動；（2）以購物、娛樂為目的的非通勤活動.本文將小汽車使用者全天活動目的分為四類：居家、通勤、非通勤和通勤＋，分別表示其全天不出行、只有通勤出行、只有非通勤出行和既有通勤出行又有非通勤出行.no car模式研究其他方式出行的活動目的分布，其他3種模式是討論小汽車活動目的分布，結(jié)果見表2.

表2 蚌埠市小汽車使用特性分析

對2城市進行分析得到如下結(jié)論：（1）小汽車行程長度.one chain模式的小汽車出行平均長度在2.0～2.3；more chain模式的平均長度在4.0～4.5，蚌埠最大長度為4，而沈陽達到8.蚌埠市car＋模式小汽車出行次數(shù)均為1，進一步分析得個體都是基于家的第一次出行作為乘客使用小汽車，而沈陽市情況相對復(fù)雜，car＋模式中部分居民全天多次使用小汽車；（2）小汽車出行時耗.小汽車使用總時間整體看來隨著小汽車行程數(shù)的增多而提高，但不同小汽車行程數(shù)呈線性增長.由于城市規(guī)模的影響，可以看出蚌埠市一次小汽車出行時耗在30min左右，沈陽市一次時耗在40min左右；（3）活動目的分布.在蚌埠市表現(xiàn)出通勤出行會促使居民更多的使用小汽車，而在沈陽市正好相反，非通勤為目的的小汽車出行比例增加.但我國目前小汽車的使用大部分還是用于通勤出行，且在規(guī)模較小的城市這種現(xiàn)象更明顯.兩城市采用no car模式的小汽車使用者的出行活動目的分布相似.

2 使用模式選擇影響因素分析

2.1 個人屬性分析

居民個人屬性在人口統(tǒng)計學(xué)上多用性別、職業(yè)、年齡等代表其主要特征.調(diào)查中個人職業(yè)分為工人、職員、個體、家務(wù)等9類，本文按其是否需要固定時間上下班將其分為固定和彈性2類.年齡分為小于30歲、30～50歲和大于50歲3類.并對每個屬性和小汽車使用模式進行交叉列聯(lián)表分析，單因素的Pearsonχ2檢驗的P值列于表3.

表3 小汽車使用者個人屬性分析

總體說來，我國小汽車使用者中，男性比例占60%以上，使用者的年齡多集中在30～50歲，城市越小，集中的趨勢更明顯.但小汽車使用者的職業(yè)分布各城市存在明顯差異，規(guī)模較小的城市大比例的使用者從事工作時間自由的職業(yè)，而隨著城市規(guī)模的增大，工作時間固定的小汽車使用者比例大幅增加.上述影響因素，除了蚌埠市使用者的性別對小汽車使用模式選擇的影響不顯著，其余各因素對于兩城市的作用均顯著.

2.2 家庭屬性分析

家庭規(guī)模、收入、是否有學(xué)齡兒童都可能影響小汽車的使用，家庭是否擁有自行車或摩托車等私人交通工具同樣作為影響因素進行考慮，分析結(jié)果見表4.

表4 小汽車使用者家庭屬性分析

小汽車使用者中，大部分家庭人口數(shù)不大于3人，家庭中擁有學(xué)齡兒童的比例在14%左右.沈陽城市規(guī)模大于蚌埠，相對較快的生活節(jié)奏使人們更傾向于讓老年人幫助照顧家庭，所以小汽車使用者家庭人口數(shù)大于3的比例高于蚌埠.在家庭收入一項，沈陽市家庭收入大于5萬元的比例高于蚌埠市，這一結(jié)果和兩城市人均收入的差距相對應(yīng).觀察自行車或摩托車的擁有狀況，小汽車使用者家庭中其他交通工具的配備率較高，在沈陽尤為突出，自行車比例達74%，摩托車的配備率高于整個城市平均水平.在10%的置信區(qū)間內(nèi)，各家庭屬性對蚌埠市的影響均顯著，而沈陽市家庭收入因素的影響作用不顯著，其余因素作用顯著.

2.3 活動屬性分析

本文為了描述小汽車使用者1d的活動，考慮了活動目的、區(qū)位屬性和使用時間3個方面.小汽車使用者1d的活動目的分為4類：居家、通勤、通勤＋和非通勤（定義同2.3）.區(qū)位屬性是小汽車使用者的家庭地點和主要活動地點的配對，如“中－外”是家住在中心，主要活動地點是在外圍，主要活動地點根據(jù)活動持續(xù)時間的長短來判定.時間安排反映小汽車使用的時間特性，用“早－晚、早、晚和其他”4類分別代表小汽車早晚高峰均有使用、早高峰有使用、晚高峰有使用和在全天非早晚高峰使用，見表5.

我國目前小汽車多用于通勤活動，居家和通勤＋模式的比例都極低，蚌埠市通勤活動比例高達93.2%.隨著城市規(guī)模和居民收入的提高，個體休閑娛樂方式更具多樣性，小汽車的使用不再局限于通勤活動，沈陽市小汽車使用于通勤活動的比例下降為58.4%，非通勤活動比例大幅增加.由區(qū)位屬性可知，蚌埠市調(diào)查當(dāng)天有使用小汽車居民大多家住在市區(qū)，而沈陽市存在明顯區(qū)別，大部分小汽車使用者家住郊區(qū)，且主要活動地點也在郊區(qū).小汽車使用時間上，兩城市早晚高峰均使用小汽車的比例相差不大，沈陽市居民更傾向于在其他時刻使用小汽車，避開早晚高峰，但總體看來城市的晚高峰是小汽車使用相對集中的時刻.活動類型、區(qū)位屬性和使用時間對小汽車使用的影響對兩城市的檢驗結(jié)果表明均為顯著.

表5 小汽車使用者全天活動分析

3 小汽車使用模式預(yù)測模型

3.1 logistic模型的建立

根據(jù)非集計模型的效用最大化理論，本文假定小汽車使用者將選擇對自己來說效用最大的小汽車使用模式來完成全天的活動計劃.而由于本研究各選擇肢相互獨立，可以多項Logit（MNL）模型為基礎(chǔ)建立Logistic回歸模型.它的基本原理與MNL模型相同，但以2城市小汽車使用模式所占比例最大的one chain模式為基礎(chǔ)，采用概率比的形式建立模型，公式如下，用1，2，3和4分別來表示小汽車使用模式no car，car＋，more chain和one chain：

式中：i為從1到3的整數(shù)；pi為出行者選擇除one chain以外的3個選項的概率；p4為選擇one chain的概率；Vi為與one chain模式相比第i種小汽車使用模式的效用，它可以用最常用的線性形式來表示；θk為第k項因素的效用系數(shù)，xik為選擇肢i的第k項因素的特征值.式（1）可以得到選擇其他3種使用模式與選擇one chain概率比

又因為所有的概率選項和為1，即滿足

由式（1）和式（2），就可求得選擇所有時段出行的概率.Logistic模型以各選肢之間的比較為基礎(chǔ)建模，采取這種對數(shù)比形式的模型使各選肢的效用比較可以一目了然.

3.2 模型的標(biāo)定

模型影響變量選取如第3節(jié)所分析的相關(guān)變量，包括個人屬性、家庭屬性和活動屬性，具體的各變量定義這里不再重復(fù).對兩城市小汽車使用模型進行標(biāo)定，并對各影響變量進行t檢驗，當(dāng)t的絕對值大于1.65時，即有90%的把握判斷對應(yīng)的特性是影響小汽車使用模式選擇的主要因素之一.對初始模型中t絕對值小于1.65的變量逐步剔除，重新建立模型，最終模型標(biāo)定結(jié)果見表6.

由表6可知，蚌埠市模型優(yōu)度比ρ2為0.479，沈陽為0.426，在實踐中ρ2的值達到0.2～0.4，則認為模型整體精度符合要求［8］.且兩城市的預(yù)測模型的命中率都在80%以上，蚌埠市預(yù)測模型的精確度略高于沈陽.t檢驗結(jié)果表明最終進入模型的所有特性變量在90%的可靠性水平上對各選擇肢的選擇概率影響顯著.

3.3 模型的結(jié)果分析

兩城市中對于不同小汽車使用模式而言，對其影響顯著的特性變量、系數(shù)符號或系數(shù)值都有所不同，這一點正好體現(xiàn)了解釋變量的作用，同時突出了兩城市選擇行為的差異.以下以家庭是否擁有自行車為例對模型標(biāo)定結(jié)果進行解釋.蚌埠市有自行車變量在no car模式中的參數(shù)估計值為0.793，表示當(dāng)使用者家中有自行車時，在全天出行中選擇no car模式的可能性是one chain模式的exp（0.793）＝2.21倍，同理選擇car＋模式是one chain模式的exp（0.799）＝2.23倍，選擇more chain模式的概率為one chain模式的exp（－0.66）＝0.51，但在沈陽市該影響因素的作用不如蚌埠市突出，只在car＋模式中的作用才顯著.用這種方法，可以對其他的變量進行分析，各影響因素對兩城市小汽車使用模式影響的結(jié)論總結(jié)如下：（1）小汽車使用者的個人屬性中，女性對小汽車的依賴程度不如男性，且城市越大這種現(xiàn)象越明顯.工作時間固定的小汽車使用者，在規(guī)模較大的城市中選擇不使用小汽車的概率會增加，但在規(guī)模較小的城市有不使用和更依賴小汽車兩級分化趨勢.年齡因素的作用在不同城市差異較大；（2）小汽車使用者的家庭屬性，家庭人口規(guī)模的作用不如其他因素顯著，家庭中有學(xué)齡兒童會增加居民對小汽車使用的依賴性，大城市更加明顯.家庭收入越高小汽車的使用越頻繁，該特性只在規(guī)模較小的城市顯著，在大城市收入不再是影響小汽車使用的主要因素.自行車或摩托車等交通工具的擁有會抑制小汽車的使用，該作用在規(guī)模更小的城市更強；（3）小汽車使用者的一天的活動屬性中，活動目的是影響小汽車模式選擇的重要因素，只有通勤活動和只有非通勤活動的居民小汽車使用模式選擇差異巨大，大城市居民有非通勤活動會促進小汽車的使用，而在小城市正好相反.區(qū)位屬性和時間安排的影響也非常顯著，家住城市外圍的居民對小汽車更加依賴，在早晚高峰出行的居民選擇one chain模式的概率較大，城市晚高峰是小汽車使用的高峰期.

表6 小汽車使用模型的標(biāo)定結(jié)果

4 結(jié) 束 語

本文在對沈陽和蚌埠市調(diào)查數(shù)據(jù)分析的基礎(chǔ)上，基于活動的思想將城市小汽車的使用模式分為：no car，car＋，one chain和 more chain4類，分別討論了4類小汽車使用模式的小汽車行程長度、時耗特性和活動目的分布，總結(jié)了我國城市小汽車使用的相關(guān)規(guī)律.在對小汽車使用者的個人屬性、家庭屬性和全天活動屬性同小汽車使用模式選擇的相關(guān)性研究的基礎(chǔ)上，建立了非集計小汽車使用預(yù)測模型，該模型為小汽車出行需求預(yù)測方法的改進提供一種新思路.但從建立的預(yù)測模型看來，城市規(guī)模越小，預(yù)測的準(zhǔn)確率越高，是由于大城市的交通作用更加復(fù)雜，公共交通的影響更加突出，需要在今后的研究中在多考慮該方面影響因素.

［1］Krygsman S，Arentze T，Timmermans H.Theories and models of activity patterns：in activity－based approaches to travel analysis［J］.Transportation，2007（2）：1－36.

［2］周文竹，王 煒，郭志勇.基于各等級道路的交通方式出行距離分布研究［J］.武漢理工大學(xué)學(xué)報：交通科學(xué)與工程版，2009，33（5）：976－979.

［3］Steg L.Car use：lust and must.instrumental，symbolic and affective motives for car use［J］.Transportation Research Part A，2005，39（2）：147－162.

［4］Lu Xuedong.Social－demographics，activity participation and travel behavior［J］.Transportation Research Part A，1999，8（4）：102－121.

［5］Giuliano G，Narayan J.Another look at travel pat－terns and urban form：The US and great britain［J］.Urban Studies.2003，40（11）：2295－2312.

［6］Giuliano G，Dargay J.A comparison of the US and great Britain［J］.Car Ownership，Travel and Land Use：Transportation Research Part A，2006，40（2）：106－124.

［7］楊 敏.基于活動的出行鏈特征與出行需求分析方法研究［D］.東南大學(xué)交通學(xué)院，2007.

［8］周雪梅，曲大義.信息化條件下的城市交通需求預(yù)測［J］.長安大學(xué)學(xué)報，2003（3）：88－90.