摘 要：在機(jī)動化的時代洪流中，非機(jī)動化出行仍然占據(jù)著城市交通出行總量的半壁江山，是居民出行時不可或缺的出行方式。筆者試圖討流溯源，利用詳盡的居民出行調(diào)查數(shù)據(jù)，通過建立非機(jī)動化出行方式選擇的的多類別logit模型，鑒別影響步行和自行車出行的主要因素，解釋因素變化引起的效應(yīng)變化。研究表明：整體模型預(yù)測正確率達(dá)到84.7%，模型預(yù)測性能良好。步行受家庭特性、個人特性的影響較小，主要取決于出行距離和出行時間。非機(jī)動車出行選擇影響因素較多；由于需要相應(yīng)的出行工具，家庭出行工具擁有率表現(xiàn)為強(qiáng)相關(guān)影響變量；相對于其他出行方式，非機(jī)動車作為實用廉價的出行工具，非機(jī)動車出行方式對家庭收入要求不高，隨著出行距離、出行時間的增長，吸引力逐步降低。

關(guān)鍵詞：多類別logit模型；步行；非機(jī)動車；出行方式選擇；非機(jī)動化

DOI：10.16640/j.cnki.37-1222/t.2015.22.219

0 引言

隨著經(jīng)濟(jì)發(fā)展水平的提高，機(jī)動化出行工具日益普及，南京市私家車保有量每年以20%的比例增長[1]。在為人們的出行帶來便利的同時，機(jī)動化交通的快速發(fā)展也給城市的發(fā)展帶來了一些新的問題，比如城市交通擁堵、空氣污染、能源消耗、市民體質(zhì)下降等。針對以上問題，人們從城市規(guī)劃、設(shè)施建設(shè)、節(jié)能減排技術(shù)、生理健康等各個方面進(jìn)行了研究，著力于降低機(jī)動化交通對城市副作用的影響，已經(jīng)取得了豐碩的成果。

與此同時，筆者注意到近年來人們對步行和非機(jī)動車出行的研究開始逐漸增多。中國過去二三十年是高速發(fā)展時期，交通基礎(chǔ)設(shè)施發(fā)展迅速、交通規(guī)劃管理水平也快速提高。國內(nèi)以前注重增長效率，如今在重視效率的同時向質(zhì)量增長轉(zhuǎn)變。在交通領(lǐng)域，以前是“以車為本”，側(cè)重出行效率，現(xiàn)今則開始提倡“以人為本”，鼓勵綠色出行、健康出行。原來，國內(nèi)對機(jī)動化交通的研究最為熱門，隨著軌道交通的飛速發(fā)展[2]，TOD理念的廣泛傳播[3]，非機(jī)動化出行（包括步行和非機(jī)動車）又開始逐步興起。

在機(jī)動化的時代洪流中，非機(jī)動化出行仍然占據(jù)著城市交通出行總量的半壁江山，是居民出行時不可或缺的出行方式。筆者試圖討流溯源，通過詳盡的居民出行調(diào)查數(shù)據(jù)，對全日出行進(jìn)行統(tǒng)計，對可能的影響因素進(jìn)行數(shù)學(xué)分析，鑒別影響步行和自行車出行的主要因素，解釋因素變化引起的效應(yīng)變化。

1 數(shù)據(jù)來源

本文分析數(shù)據(jù)為2015年南京居民出行調(diào)查數(shù)據(jù)，所采集的信息包括家庭特征信息、個人特征信息和家庭成員的一日出行記錄。通常由于前期數(shù)據(jù)錄入程序設(shè)置不完善，不能及時報錯，產(chǎn)生了一些錄入錯誤，比如，出行記錄重復(fù)、重要信息遺漏、家庭信息個人信息不匹配、時間錯誤、活動地點(diǎn)不銜接等。利用access、excel vba等軟件對數(shù)據(jù)的詳細(xì)排查，依次進(jìn)行梳理、糾正、刪誤。出行調(diào)查數(shù)據(jù)最后得到有效的家庭特征信息1974戶、個人特征信息5665人、出行記錄15483條。對記錄表格樣式（見表1～表3）。

2 建立模型

2.1 二分logit模型

非集計模型（離散選擇模型）是基于效用最大和隨機(jī)效用（random utility theory）兩個概念建立起來的[4]。應(yīng)用最為廣泛就是二項logit模型[5]，屬于廣義線性模型。

3 變量選擇

居民出行數(shù)據(jù)中涵蓋了眾多信息，需要根據(jù)分析對變量進(jìn)行初步選取。根據(jù)歷史研究顯示，出行距離是出行模式的重要影響因素，通過出行時長與出行方式信息結(jié)合即可得到出行距離。此外，經(jīng)過篩選后性別、機(jī)動車個人擁有率、非機(jī)動車個人擁有率、年齡、家庭收入、出行目的被納入模型中進(jìn)行擬合。變量設(shè)置如表4。

4 模型結(jié)果分析

4.1 模型參數(shù)估計

為了便于敘述分析，避免產(chǎn)生理解上的錯誤，文中將步行方式設(shè)為方式1、非機(jī)動車方式設(shè)為方式2，、除步行和非機(jī)動車以外的其他出行方式設(shè)為方式3 （簡稱為方式3或其他方式）。以方式3（J=3）作為參考水平，通過統(tǒng)計軟件對出行方式選擇進(jìn)行分析，參數(shù)估計結(jié)果見表5。

從以上模型標(biāo)定結(jié)果可以看出，步行（方式1）與其他方式（方式3）比較，出行距離與出行時長在0.01水平上是顯著因素；非機(jī)動車（方式2）與其他方式（方式3）比較，出行目的=3（公務(wù)）在0.05水平上是顯著因素，其他變量在0.01水平上是顯著因素。

比數(shù)是事件發(fā)生數(shù)與事件未發(fā)生數(shù)的比值，步行方式與其他方式比較分析時即為選擇方式1與選擇方式3的比值；非機(jī)動車方式與其他方式比較分析時即為選擇方式2與選擇方式3的比值。

4.2 對步行方式與其他方式進(jìn)行分析

在其他條件相同時，出行距離每增加100米，居民選擇步行出行的比數(shù)變?yōu)樵瓉淼?.571倍，說明選擇步行出行的概率隨著出行距離的增加而降低。

在其他條件相同時，出行時間每增加1分鐘，居民選擇步行出行的比數(shù)變?yōu)樵瓉淼?.565倍，說明選擇步行出行的概率隨著出行時間的增加而增加。

模型結(jié)果說明在時間充足條件下的閑庭信步相對其他出行方式而言有很強(qiáng)強(qiáng)的優(yōu)勢，而在時間緊張時以車代步的可能性就會增大。

4.3 對非機(jī)動車方式與其他方式進(jìn)行分析

在其他條件相同時，出行距離每增加100米，居民選擇非機(jī)動車出行的比數(shù)變?yōu)樵瓉淼?.986倍；即出行距離每增加1km，居民選擇非機(jī)動車出行的比數(shù)變?yōu)樵瓉淼?.870倍（0.98610=0.870）

在其他條件相同時，女性居民選擇非機(jī)動車出行的比數(shù)是男性的1.481倍。

在其他條件相同時，家庭中有個人專用小汽車居民選擇非機(jī)動車出行的比數(shù)是沒有機(jī)動車居民的0.091倍。

在其他條件相同時，家庭中有個人專用非機(jī)動車居民選擇非機(jī)動車出行的比數(shù)是沒有機(jī)動車居民的4.288倍。

在其他條件相同時，上一年齡段居民選擇非機(jī)動車出行的比數(shù)是下一年齡段居民的0.964倍。

在其他條件相同時，上一收入檔居民選擇非機(jī)動車出行的比數(shù)是下一收入檔居民的0.871倍。

在其他條件相同時，出行時長每增加1分鐘，居民選擇非機(jī)動車出行的比數(shù)變?yōu)樵瓉淼?.965倍；即出行時長每增加10分鐘，居民選擇非機(jī)動車出行的比數(shù)變?yōu)樵瓉淼?.704倍（0.96510=0.704）。

在其他條件相同時，上班、上學(xué)、生活購物、接送家人、回程對居民選擇非機(jī)動車出行的比數(shù)是其他活動的2～3倍，其中上班選擇非機(jī)動車出行的比數(shù)比最高，為3.084；公務(wù)目的選擇非機(jī)動車出行的比數(shù)是其他活動目的的0.666。

4.4 模型預(yù)測效果分析

根據(jù)上文建立的非機(jī)動化出行方式選擇多項logit模型，即可對南京市居民的非機(jī)動化出行選擇進(jìn)行預(yù)測檢驗，見表6。

5 總結(jié)

根據(jù)上文實際出行方式與模型預(yù)測響應(yīng)類別交叉表，可以得出整體模型預(yù)測正確率達(dá)到84.7%，模型預(yù)測性能良好。具體分析可以看到，步行出行的正確預(yù)測率達(dá)到98.8%，非機(jī)動車出行正確預(yù)測率為77.1%。非機(jī)動車出行與其他方式出行之間的預(yù)測錯誤率約為22%。

步行受家庭特性、個人特性的影響較小，主要取決于出行距離和出行時間。

非機(jī)動車出行需要相應(yīng)的出行工具，家庭出行工具擁有率表現(xiàn)為強(qiáng)相關(guān)影響變量；相對于其他出行方式，非機(jī)動車作為實用廉價簡單方便的出行工具，非機(jī)動車出行方式對家庭收入要求不高，隨著出行距離、出行時間的增長，對身體要求變大，吸引力逐步降低。

非機(jī)動車出行與其他出行方式中的公共汽車、私人小汽車和摩托車混淆產(chǎn)生誤判的可能性較大，可以考慮通過分層logit模型進(jìn)行更為深化的判別預(yù)測研究。

參考文獻(xiàn)：

[1]Nanjing Institute of City and Transport Planning （NICTP） （2012）. Annual report of Nanjing transport. Nanjing： Nanjing Institute of City and Transport Planning.

[2]Zhao， J.， Deng， W. （2013）. Relationship of walk access distance to rapid rail transit stations with personal characteristics and station context. Journal of Urban Planning and Development. http：//dx.doi.org/10.1061/（ASCE）UP.1943-5444.0000155.

[3]趙金寶. 城市軌道交通站點(diǎn)輻射區(qū)基礎(chǔ)理論及其應(yīng)用研究[D].東南大學(xué)，2015.

[4]BEN-AKIVA， M.， and LERMA， S.R. （1985） Discrete Choice Analysis： Theory and Application to Travel Demand. Cambridge：MIT Press.

[5]付凌峰， 吳子嘯.基于居民出行數(shù)據(jù)的上學(xué)接送行為建模研究[J]. 交通標(biāo)準(zhǔn)化，2011（17）：029.

[6]GOLDBERGER， A.S.（1964） Econometric Analysis. New York： John Wiley.

[7]MADDALA，G.S.（1993） Limited Dependent and Qualitative Variables in Econometrics. Cambridge： Cambridge University Press.

作者簡介：劉凱（1985-），碩士研究生，研究方向：交通運(yùn)輸管理與規(guī)劃。