摘要：基于北京市第三次居民出行調(diào)查數(shù)據(jù)，對(duì)影響城市居民出行方式選擇的因素進(jìn)行了分析，運(yùn)用SPSS中的二項(xiàng)logistic分析方法，給出了詳細(xì)篩選標(biāo)準(zhǔn)與詳細(xì)篩選過程，確定了每種出行方式的主要影響因素，并利用所得結(jié)果建模，得到了北京市5種主要出行方式分擔(dān)率距離曲線，反映了居民選擇的出行方式，能夠?yàn)榻煌ü芾聿块T合理地制定政策提供參考。

關(guān)鍵詞：城市交通 出行方式選擇 影響因素 二項(xiàng)logistic分析

隨著城市化進(jìn)程的加速，城市的交通擁堵問題愈加嚴(yán)重，許多城市提出鼓勵(lì)居民出行優(yōu)先選擇公共交通方式。北京市在“十二五”交通發(fā)展建設(shè)規(guī)劃中明確提出了“中心城公共交通出行比例力爭達(dá)到50%”的戰(zhàn)略目標(biāo)。影響城市居民出行方式選擇的因素復(fù)雜紛繁，要研究其規(guī)律，篩選影響因素是一項(xiàng)非常重要的工作。通過文獻(xiàn)查詢發(fā)現(xiàn)，以往的研究均沒有給出篩選影響因素的具體分析過程，對(duì)時(shí)間、費(fèi)用等各因素之間的轉(zhuǎn)換也沒有形成統(tǒng)一的標(biāo)準(zhǔn)。本文基于北京市第三次居民出行調(diào)查數(shù)據(jù)，提出運(yùn)用二項(xiàng)logistic分析方法來篩選城市居民出行方式選擇的影響因素，給出了詳細(xì)篩選標(biāo)準(zhǔn)與篩選過程，取得較好的結(jié)果。

一、變量定義與分析方法

文章數(shù)據(jù)來源于2005年北京市第三次居民出行調(diào)查數(shù)據(jù)庫，為避免建模分析時(shí)出現(xiàn)樣本誤差現(xiàn)象，隨機(jī)抽取了4865次出行調(diào)查記錄，其中男性占52.5%，女性占47.5%，高峰時(shí)段（7：00-9：00和17：00-19：00）占50.6%，非高峰時(shí)段占49.4%。所采集數(shù)據(jù)由個(gè)人信息（性別G、年齡A、是否常住P、有無工作W、有無駕照L）、家庭信息（家庭人數(shù)AN、工作人數(shù)WN、學(xué)生人數(shù)SN、未成年人數(shù)MN、住房類型HT、住房面積HA、自行車數(shù)BN、小汽車數(shù)CN、月交通費(fèi)用MF、月平均收入MI）和出行信息（出行距離TD、出行用時(shí)TT、出行費(fèi)用TF、是否高峰時(shí)段內(nèi)PT、同行人數(shù)PN）三部分構(gòu)成。

本文采用統(tǒng)計(jì)軟件SPSS中的二項(xiàng)logistic分析方法對(duì)影響城市居民出行方式選擇的因素進(jìn)行篩選。二項(xiàng)logistic分析是一種用于研究分類變量與其影響因素之間關(guān)系的統(tǒng)計(jì)方法。該方法可以通過對(duì)各個(gè)自變量進(jìn)行Wald檢驗(yàn)來篩選自變量。

■（1）

式中，B為第i個(gè)自變量的回歸系數(shù)，S.E.是回歸系數(shù)的標(biāo)準(zhǔn)差。如果Wald統(tǒng)計(jì)量的概率P值小于給定的顯著性水平，則認(rèn)為該自變量與因變量之間有顯著相關(guān)關(guān)系，自變量應(yīng)保留。

二、居民出行方式選擇影響因素分析

（一）公交車出行數(shù)據(jù)分析

在選取的居民出行調(diào)查記錄中，出行方式分為5種，以1—5標(biāo)記，其中1代表步行，2代表自行車，3代表地鐵，4代表公交車，5代表私人小汽車。對(duì)5種出行方式分別進(jìn)行二項(xiàng)logistic分析，可以得到各個(gè)出行方式的主要影響因素。

以公交車出行方式為例，指定分類變量G、P、W、L、HT、PT的虛擬變量生成規(guī)則為Indicator，變量的篩選策略選擇Forward： Wald，對(duì)數(shù)據(jù)進(jìn)行二項(xiàng)logistic分析，結(jié)果如表1所示。

根據(jù)二項(xiàng)logistic分析的結(jié)果，Wald統(tǒng)計(jì)量的概率P值小于給定的顯著性水平的因素為G、WN、HT、CN、TD、TF、MF、MI、TT、L，初步確定為對(duì)公交車出行有顯著影響的因素。從表中看，女性較男性更可能選擇公交車出行；無駕照出行者更可能選擇公交車出行；家庭工作人數(shù)越多、出行距離越長、出行用時(shí)越長、出行費(fèi)用越高、月交通費(fèi)用越高者選擇公交出行的可能性也越大；相反，擁有小汽車數(shù)越多、月平均收入越高者選擇公交車出行的可能性就越小，這部分人傾向于更舒適的出行方式。其他因素最終沒有被選中，因?yàn)槿绻x中則相應(yīng)的Score檢驗(yàn)的概率P值大于顯著性水平α，不應(yīng)拒絕零假設(shè)，認(rèn)為它們與因變量無顯著關(guān)系。結(jié)果很好的反映了出行者的選擇傾向。

同時(shí)，二項(xiàng)logistic分析還給出了所選各影響因素間的相關(guān)性矩陣。根據(jù)統(tǒng)計(jì)學(xué)理論，相關(guān)系數(shù)大于0.5，則認(rèn)為兩個(gè)變量之間有較大的相關(guān)性。由于TD和TT之間、CN和MF之間的相關(guān)性分別為0.676和0.613，均大于0.5，說明它們之間有著較大的相關(guān)性。前者的相關(guān)性體現(xiàn)在，出行距離等于出行用時(shí)乘以公交車速度，而公交車速度基本是穩(wěn)定的；后者的相關(guān)性體現(xiàn)在擁有小汽車越多的月交通費(fèi)用一般也越高。

所以，去除與其他因素相關(guān)性較大的TT和CN，最終確定公交車出行的主要影響因素為：G、WN、HT、TD、TF、MF、MI、L。

（二）其他出行方式數(shù)據(jù)分析

其余4種出行方式的影響因素篩選參照公交車出行的篩選步驟。

通過分析得出，步行出行的影響因素包括A、MN、HT、BN、TD、TF、L；自行車出行的影響因素包括A、MN、HT、BN、PN、TD、TF、MF、L；地鐵出行的影響因素包括A、WN、MN、SN、HT、TD、TF、MF、MI、PT、L；小汽車出行的影響因素包括A、WN、MN、HT、HA、PN、TD、TF、MF、PT、L。

三、建模應(yīng)用

在出行方式的選擇過程中，以往研究中，一般將各種影響因素量化為時(shí)間和費(fèi)用來進(jìn)行評(píng)價(jià)。實(shí)際上，某出行方式的效用的影響因素不是兩維的，而是多維的，且各因素與時(shí)間和費(fèi)用的轉(zhuǎn)換也沒有形成統(tǒng)一的標(biāo)準(zhǔn)。為避免轉(zhuǎn)換造成的偏差，增加研究的準(zhǔn)確性，本文直接使用篩選出的影響因素，以多維線性函數(shù)的形式來表達(dá)效用，

■（2）

式中，d表示效用值，n表示影響因素的總數(shù)，k表示各個(gè)影響因素，k=1，2，……，15分別代表影響因素G、A、L、WN、MN、SN、HT、HA、BN、MF、MI、TD、TF、PT、PN，各個(gè)出行方式所包含的影響因素見上一章分析結(jié)果。■是出行方式i的第k個(gè)影響因素的值，其中xp為某影響因素的實(shí)際調(diào)查值，x為該因素實(shí)際調(diào)查值的平均值，s為其標(biāo)準(zhǔn)差。

假設(shè)各出行方式的各影響因素的分布為一致的，將多維線性函數(shù)表示的效用d代入到一般模型中：

■（3）

式中，Pi為出行方式i對(duì)交通流量的分擔(dān)率，m為出行方式數(shù)。應(yīng)用此模型求得北京市5種主要出行方式分擔(dān)率的距離曲線如圖1所示。

從圖1中可以看出，步行和自行車出行在近距離出行中占有很大比重。但隨著距離的增加，兩者的分擔(dān)率急速下降，這主要是因?yàn)檫@兩者是人力出行方式，距離越長，需要耗費(fèi)的人力越多。公交車的分擔(dān)率隨著距離的增加先上升后下降，這主要是由于公交車在長距離運(yùn)輸中存在耗時(shí)長的缺點(diǎn)。小汽車出行則在較遠(yuǎn)距離出行中顯示出其優(yōu)勢，占據(jù)著主導(dǎo)地位。而地鐵作為一種遠(yuǎn)近皆宜的出行方式受距離影響不大，由于其發(fā)車頻率快和出行用時(shí)短的優(yōu)勢，相信隨著地鐵覆蓋面積的擴(kuò)大，其分擔(dān)率會(huì)穩(wěn)步上升。

四、結(jié)論

對(duì)于城市居民出行方式選擇的研究對(duì)解決城市交通擁擠問題具有重要的意義，而篩選城市居民出行方式選擇的影響因素作為研究的基礎(chǔ)也十分重要。本文基于北京市第三次居民出行調(diào)查數(shù)據(jù)，提出了運(yùn)用二項(xiàng)logistic分析來獲得城市居民出行方式選擇主要影響因素的方法，并利用所得結(jié)果對(duì)北京市5種常用出行方式的分擔(dān)率進(jìn)行了預(yù)測，為交通管理部門合理地制定交通管理政策提供了參考。但由于數(shù)據(jù)的局限，有些因素?zé)o法考慮，在以后探索中，可以對(duì)居民出行做更加細(xì)致的調(diào)查以完善現(xiàn)有研究。

參考文獻(xiàn)：

①Zhang Jun-yi，F(xiàn)ujiwara Akimasa，Soe Thein.Capturing Travelers Stated Mode ChoicePreferences under the Influence of Income in Yangon City，Myanma[J]. Journal of Transportation Systems Engineering and Information Technology， 2008， 8（4）：49-62

②Yonghwa Park，Hun-Koo Ha. Analysis of the impact of high-speed railroad service on air transport demand[J]. Transportation Research Part E，2006，42（2）：95-104

③謝如鶴，邱祝強(qiáng)，李慶云，王榮華.Logit模型在廣深鐵路客流分擔(dān)率估算中的應(yīng)用[J].中國鐵道科學(xué)，2006，27（3）：111—115

④北京交通發(fā)展研究中心，北京交通大學(xué).北京市第三次居民出行調(diào)查數(shù)據(jù)處理與分析報(bào)告[R].2005

⑤王姝春，馬斐，陳峻.城市典型客運(yùn)方式選擇影響因素分析[J].交通運(yùn)輸系統(tǒng)工程與信息，2010，10（3）：93—98

⑥何宇強(qiáng)，毛保華，陳團(tuán)生，楊靜.高速客運(yùn)專線客流分擔(dān)率模型及其應(yīng)用研究[J].鐵道學(xué)報(bào)，2006，28（3）：18—21

（鄭常龍，1988年生，山東曲阜人，北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士生。研究方向：交通運(yùn)輸系統(tǒng)規(guī)劃與管理）