秦煥美 關宏志 龍雪琴 殷煥煥 劉 燕

（北京工業(yè)大學交通工程北京市重點實驗室 北京 100124）

0 引 言

停車換乘（par k ＆ride）作為一種交通出行模式，通常是指在中心城區(qū)（或擁堵區(qū)域）外圍設立停車設施，鼓勵私人小汽車出行者在其停車，換乘公共交通進入市中心，以此來緩解城市的交通壓力，促進城市公共交通系統(tǒng)的利用.因此，成為世界許多城市解決城市交通問題的一種交通模式.

國內(nèi)外的相關研究包括，Spillar根據(jù)在西雅圖、德克薩斯等地區(qū)的停車換乘使用者的車輛牌照調(diào)查，統(tǒng)計得出設施的需求吸引范圍為拋物線形或橢圓形，50%的停車換乘設施吸引需求來自設施周邊4 k m為半徑的圓形區(qū)域內(nèi)，并對停車換乘需求預測模型和模型的可移植性進行了研究［1］.Bilal Far han建立了基于GIS的停車換乘吸引范圍分析方法，同時考慮了停車換乘設施吸引區(qū)域的路網(wǎng)可達性、需求者的出行方向，并通過實例對比驗證了其方法的有效性［2］.龔韻枝提出了城市外圍停車換乘出行方式選擇的非集聚結構方程概念模型，對模型的修正、擬合和模型應用進行了闡述［3］.王雪等對停車換乘吸引范圍內(nèi)的需求強度進行了研究，得出了換乘需求強度與距離之間的相互關系，并對影響需求強度的因素進行了分析［4］.

王佳等利用聚集效應理論建立客流吸引范圍模型，得到不同類型軌道交通站點對常規(guī)公交客流的吸引范圍［5］.楊京帥等基于城市軌道交通車站合理步行區(qū)與交通區(qū)的分析，通過對城市區(qū)域劃分及車站分類，進行車站加權平均接運距離與吸引范圍折算系數(shù)的計算，估算了不同區(qū)域車站合理吸引范圍［6］.本文根據(jù)在北京市進行的停車換乘需求調(diào)查數(shù)據(jù)，分析停車換乘設施吸引需求強度分布特性，進而對停車換乘設施吸引需求強度與影響因素的關系進行研究.

1 停車換乘需求調(diào)查概述

選取天通苑北和通州北苑停車換乘設施作為調(diào)查地點，兩處均為與軌道交通和公交接駁的停車換乘設施，停車利用率較高.經(jīng)調(diào)查小汽車停車后主要的換乘交通方式為軌道交通.調(diào)查時間為2010年6月21日（星期一）和6月23日（星期三）.

調(diào)查的主要內(nèi)容為出行者個人特性，包括收入、年齡、性別、職業(yè)、出行目的等；出行行為，包括出發(fā)地、目的地、停車后的換乘方式、駕車到達停車換乘設施的時間、乘坐公共交通／地鐵的時間、乘坐公共交通／地鐵過程中的換乘次數(shù)、換乘時間、選擇停車換乘出行的原因等.

調(diào)查共收集問卷128份，其中有效調(diào)查問卷118份.

2 停車換乘設施吸引需求分布分析

2.1 核密度估計方法（ker nel density estimation，KDE）

一般而言，對于二維數(shù)據(jù)集（x，y），固定帶寬的核密度估計函數(shù)采用以下公式

式中：f（x，y）為在（x，y）處的核密度值；n為樣本數(shù)量；h為帶寬；di為樣本點i到位置（x，y）處的距離；K為密度函數(shù)（通常是放射狀對稱單峰概率密度函數(shù)）.K和h均可自由選取，理論上，為了核密度估計的一致性，h應該隨著樣本量的增加而減小，并隨不同位置數(shù)據(jù)的分布狀況不同，這里采用適應性（adaptive）核密度估計方法，主要是通過估計密度的局部平滑而提高全局估計的效果［7］.

適應性核密度估計公式如下，其中：η為標準化因子；~f（x，y）為基于固定帶寬的試驗性密度估計.

2.2 停車換乘設施吸引需求強度分析

利用問卷調(diào)查中的換乘者出發(fā)地數(shù)據(jù)，通過Google eart h得到各需求點經(jīng)緯度坐標.在居住用地上分布的停車換乘需求點較多，在停車換乘設施上游，即遠離中心區(qū)的方向吸引的換乘需求量比較大，也有部分下游返程換乘需求者，即出發(fā)地靠近中心區(qū)的位置，目的地仍為中心區(qū)，與出行方向相反，其換乘需求量較小.將換乘出行者的出發(fā)地和停車換乘設施連線，其與停車換乘設施與目的地連線延長線的夾角作為出行方向角度，如圖1所示.

式中：hn為初始的固定帶寬，基于統(tǒng)計學上的“最優(yōu)”原則得到；

圖1 停車換乘出行角度示意圖

從圖2可以看出，不同出行方向上的換乘需求比例不同，79%的停車換乘者的出行方向角度為0～80°范圍內(nèi)，81～100°和141～160°范圍內(nèi)的停車換乘需求量較小，均占8%.

圖2 不同出行角度上的換乘需求比例

從圖3可以看出，停車換乘需求量隨著與停車換乘設施距離的增加而減少，基于到達停車換乘設施的駕車行駛時間代替距離來分析需求分布特性，可以體現(xiàn)路網(wǎng)可達性對需求吸引的影響，得到91%的停車換乘需求者駕車行使時間在5～20 min范圍內(nèi)，大于30 min的換乘者僅占3%.

圖3 不同駕車時間的換乘需求比例

利用Cri mestat核密度分析軟件，采用單核適應性核密度估計方法，樣本函數(shù)采用高斯核函數(shù)，得到各位置處的需求概率密度值，可作為停車換乘設施吸引需求強度值，其概率密度三維輸出結果見圖4～5.從圖中可以看出，在沿停車換乘設施與中心區(qū)的軸線方向上，需求密度圖上呈現(xiàn)山峰式的隆起，需求強度較大，向兩側方向，即出行角度變大后，需求強度逐漸減少，并且距離停車換乘設施越遠，需求強度也逐漸減少，需求強度呈現(xiàn)連續(xù)分布曲面，基于核密度估計的方法可以反映停車換乘設施吸引需求分布情況.

圖4 天通苑北停車換乘設施吸引需求強度分布圖

圖5 通州北苑停車換乘設施吸引需求強度分布圖

3 停車換乘設施吸引需求強度影響因素分析

停車換乘設施吸引的需求強度隨著設施位置、設施服務水平、中心區(qū)交通狀況等的不同而不同，其影響因素較多，有些無法量化，而結構方程模型彌補了傳統(tǒng)統(tǒng)計方法的不足，是多元數(shù)據(jù)分析的重要工具［8］，可以分析潛在變量之間的關系，同時能夠有效處理變量具有一定測量誤差的問題.因此，這里采用結構方程模型來分析設施吸引的需求強度與影響因素之間的關系.

3.1 結構方程模型

結構方程模型（str uct ural equation modeling，SEM）是基于變量的協(xié)方差矩陣對變量之間關系進行統(tǒng)計分析的方法，也稱為協(xié)方差結構分析.SEM假定一組潛變量之間存在因果關系，潛變量可以分別用一組觀察變量表示，是某幾個觀察變量中的線性組合.通過驗證觀察變量之間的協(xié)方差，可以估計出線性回歸模型的系數(shù)，從而在統(tǒng)計上檢驗所假設的模型對所研究的過程是否適配.結構方程的分析步驟包括理論模型構建、變量的具體化和量化、模型識別、模型評價和模型修正［9］.

SEM由測量模型和結構模型組成，一般結構方程由3個公式組成.其中，式（3）為結構模型，分析潛變量之間的關系.式（4）和（5）為測量模型，表示潛變量與觀察變量之間的關系.

式中：η為內(nèi)生潛變量組成的向量；B為內(nèi)生潛變量系數(shù)矩陣；Γ為外生潛變量系數(shù)矩陣；ξ為外生潛變量組成的向量；ζ為結構方程殘差向量；y為內(nèi)生變量組成的向量；Λy為內(nèi)生變量y在內(nèi)生潛變量η上的因子負荷矩陣；ε為內(nèi)生變量測量誤差向量；x為外生變量組成的向量；Λx為外生變量x在外生潛變量ξ上的因子負荷矩陣；δ為外生變量測量誤差向量.

一個完整的結構方程包含8個參數(shù)矩陣，對模型的估計，常用的是最大似然估計（ML）、廣義最小平方法（GLS）、加權最小平方法（WLS）、對角線加權平方法（DWLS）等，參數(shù)估計能夠得到變量之間關系、模型未能解釋部分、變量測量上的誤差等參數(shù).

3.2 模型變量的選取

通過初步篩選，選取7個主要的停車換乘設施吸引需求強度影響因素作為結構模型的觀察變量（見表1），包括目的地交通運行情況，目的地的停車供給情況，公交／地鐵乘車時間，乘坐公交／地鐵的換乘次數(shù)，自駕車到達停車換乘設施的出行時間，出行角度.結構方程的潛變量包括目的地交通狀況、駕車出行活動、公交出行活動和換乘需求強度，其中換乘需求強度由1個觀察變量表示.

表1 結構方程模型變量表

3.3 模型標定及分析

本研究利用Amos來建立結構方程模型.模型構建考慮了各變量之間的相互關系，停車換乘設施吸引需求強度是基于換乘出行活動產(chǎn)生的，包括駕車出行活動和換乘公交出行活動，同時又受到目的地（中心區(qū)）交通狀況的影響，在Amos中繪制停車換乘吸引需求強度結構方程假設關系模型見圖6.

圖6 模型關系圖

由于Amos軟件不能以結構方程模型公式中的殘差符號ζ，ε，δ來表示殘差，在模型圖中均以e來表示，這里采用最大似然估計方法進行模型的標定，得到標準化模型參數(shù)估計結果和模型適配度指標，如表2所列.可以看出，模型各項適配度指標均符合標準臨界值要求，假設模型與實際數(shù)據(jù)可以契合.

表2 模型適配度指標

從圖7可以看出，對于潛變量之間的影響關系，目的地交通狀況與換乘需求強度之間的負荷系數(shù)為－0.14，說明目的地交通狀況越差，吸引的換乘需求強度越大.換乘公交活動與換乘需求強度之間的負荷系數(shù)為－0.46，說明換乘公交／地鐵后，公交／地鐵乘車時間越長，換乘次數(shù)越多，吸引的換乘需求強度越小，因此，如果提高公共交通服務水平，減少換乘后的出行時間和次數(shù)，可以提高停車換乘需求出行比例.駕車出行活動與換乘需求強度之間的負荷系數(shù)為－0.34，同時駕車出行時間和出行角度觀察變量對潛變量駕車出行活動的系數(shù)分別為0.99和－0.12，即負相關，說明駕車出行時間越長，出行角度越小，停車換乘設施吸引需求強度越小.總體來看，換乘公交活動對吸引的換乘需求強度的影響大于駕車出行活動，影響最小的是目的地交通狀況.

圖7 標準化模型參數(shù)估計結果

4 結束語

停車換乘設施吸引范圍內(nèi)需求強度變化規(guī)律的分析是進行停車換乘需求預測的重要方面，本文根據(jù)在北京市進行的停車換乘需求調(diào)查數(shù)據(jù)，利用核密度估計理論分析了停車換乘需求分布特性，進而利用結構方程模型分析了停車換乘設施吸引需求強度與影響因素之間的關系，得出目的地交通狀況越差、公交服務水平越高、出發(fā)地與換乘設施之間的距離越近，停車換乘設施吸引的換乘需求強度越大.

［1］Robert J，Spillar P E.Par k－and－ride planning and design guidelines［C］／／Parsons Brinckerhoff Quade＆Douglas，Inc.1997.

［2］Farhan B，Evaluation M S.Modeling and policy assess ment for par k and ride ser vices as a co mponent of public transportation［D］.Ohio State University，2003.

［3］龔韻枝，城市外圍停車換乘設施需求預測模型研究［J］.交通科技，2008（3）：83－85.

［4］王 雪，關宏志，王 鑫.停車換乘設施吸引強度研究［J］.道路交通與安全，2007，7（1）：24－26.

［5］王 佳，胡列格.城市軌道交通站點對常規(guī)公交客流的吸引范圍［J］.系統(tǒng)工程，2010，28（1）：14－18.

［6］楊京帥，張殿業(yè).城市軌道交通車站合理吸引范圍研究［J］.中國鐵路，2008（1）：72－75.

［7］Spencer J，Angeles G.Ker nel density estimation as a technique for assessing［J］.Health Serv Outco mes Res Method，2007（7）：145－157.

［8］邱皓政.結構方程模型的原理與應用［M］.中國輕工業(yè)出版社，2009.

［9］吳明隆.結構方程模型－AMOS的操作與應用［M］.重慶：重慶大學出版社，2010.