李啟華，徐永能

（南京理工大學(xué) 自動化學(xué)院，江蘇 南京 210096）

老城區(qū)在我國又被稱作為古城區(qū)和舊城區(qū),通常位于城市中心區(qū)位，承擔(dān)城市中心職能，例如北京二環(huán)以內(nèi)的舊城區(qū)、蘇州護城河以內(nèi)的古城區(qū)和揚州以文昌路為軸和運河環(huán)繞的老城區(qū)。

隨著居民出行多樣化和小汽車的使用增加，老城區(qū)的交通問題越來越嚴(yán)重，然而由于對歷史文化的保護，不可能進(jìn)行大規(guī)?；A(chǔ)設(shè)施建設(shè)，因此有必要研究居民出行，特別是通勤出行。通勤者出行是指居民在家和工作地之間的空間移動，早晚高峰出行量集中加劇了老城區(qū)交通供求矛盾。出行方式選擇問題是交通規(guī)劃和政策制定中的重要部分，它能夠評價城市交通方式分布的合理性，從而制定適當(dāng)?shù)墓芾聿呗浴?/p>

傳統(tǒng)的“四階段”法往往以交通小區(qū)作為研究對象，難以體現(xiàn)個人特征的差異。隨著針對個體特征模型技術(shù)的日益成熟，國內(nèi)外學(xué)者開始引入非集計建模技術(shù)［1-4］。文獻(xiàn)［1］運用MNL模型分析通勤者出行方式選擇的影響因素。文獻(xiàn)［2］采用NL模型研究通勤者出行方式與出行鏈相互選擇。

1 研究數(shù)據(jù)

本文研究數(shù)據(jù)來自2013年合肥巢湖市老城區(qū)的居民出行調(diào)查數(shù)據(jù)。合肥巢湖市老城區(qū)位于城市核心，面積約5 km2。調(diào)查表主要調(diào)查通勤者日常出行時的方式選擇和出行者個體特征,如通勤者性別、職業(yè)和年齡，以及通勤者家庭特征，如家庭人口數(shù)、家庭收入等作為模型特性變量。調(diào)查期間一共發(fā)放調(diào)查表1 600份，有效問卷1 232份。

根據(jù)以往建模和分析經(jīng)驗［5-6］，居民出行方式的選擇除了受到社會家庭特征影響，還受到出行特征的影響，比如出行距離、出行時間等。最后，選擇影響通勤者出行方式選擇的個體特征、家庭特征和出行特征作為研究變量，每個特征所包含的變量見表1。

表1 出行方式影響因素

根據(jù)出行數(shù)據(jù)的調(diào)查統(tǒng)計，用于分析的出行方式主要有自行車、電動車、公共交通和小汽車4種。4種出行方式的樣本量和比例見表2。

表2 出行方式分擔(dān)

由表2可知,合肥巢湖市老城區(qū)電動車出行比例為38.3%，為4種方式比例最高；其次為小汽車比例為24.3%；自行車出行和公共交通出行差別不大，分別為20.9%和16.5%。

2 模型介紹

多項logit模型的適用范圍為因變量為無序種類變量，適合3種及3種以上因變量情況下建模，能夠得到自變量與因變量之間的關(guān)聯(lián)和影響。本研究針對老城區(qū)出行方式選擇，其因變量為4種出行方式，符合多項logit建模要求。

根據(jù)隨機效用理論，第n個個體選擇第i種出行模式的效用Uin可以表示為:

式中：Vin為第n個個體選擇第i種出行模式效用函數(shù)中的固定項；εin為第n個個體選擇第i種活動模式效用函數(shù)中的隨機項。

當(dāng)Vin與其中包含的解釋變量之間呈線性關(guān)系時，可以表示為：

式中：K為解釋變量個數(shù)；θ為參數(shù)矩陣；θk為第k個變量所對應(yīng)的參數(shù)；xink為第n個個體選擇第i種活動模式的第k個特性變量。

假設(shè)效用函數(shù)中隨機項服從二重指數(shù)分布，可以得到第n個個體選擇i種活動模式的概率，即

式中：Vjn是第n個個體選擇第i種出行模式效用函數(shù)中固定項；xjnk為第n個個體選擇第j種活動模式的第k個特性變量。將式（3）變形，并運用極大似然估計法及牛頓-拉普松求解，便可估計模型中的參數(shù)θ1，θ2，…，θk。

3 模型結(jié)果與分析

用統(tǒng)計分析軟件SPSS的multinational logistic regression模塊標(biāo)定通勤者出行方式選擇模型。出行方式分為自行車、電動車、公共交通和小汽車。解釋變量為通勤者個體特征、家庭特征和出行特征，各個解釋變量的分類和取值見表3。

表3 解釋變量分類及取值

SPSS在運行時通過建立0-1變量，將J類多變量設(shè)置為J-1個二值啞變量，并自動將各類變量中的最后一類作為參考類別。本文的建模結(jié)果見表4。

由表4可知老城區(qū)通勤者出行方式與個人特征、家庭特征和出行特征的影響關(guān)系如下：

（1）男性在自行車、電動車和公共交通的標(biāo)定值分別為-1.891、-2.126、-1.802，均為負(fù)值，說明男性 選擇這3種出行方式的概率相比女性更低。

表4 模型結(jié)果

（2）職業(yè)變量工人在電動車的標(biāo)定結(jié)果為0.24，為正值，說明工人傾向選擇電動車作為日常的通勤方式。年齡小于40歲的通勤者在自行車的結(jié)果為正值，表明該類出行者選擇自行車的概率更大。

（3）家庭人口較少的通勤者（≤3人）估計結(jié)果為-0.933，表明人口較少的通勤者選擇公共交通的概率較低。而低收入家庭（<3萬）的模型結(jié)果為0.376，也就是說選擇電動車出行的概率較高。

（4）家庭沒有電動車和小汽車的家庭，在自行車方式下的結(jié)果均為正值，說明更傾向選擇自行車出行；沒有電動車家庭在電動車的估計值為負(fù)值-1.75，表明該類家庭不會選擇電動車出行，與實際情況相符合；沒有小汽車家庭在公共交通的標(biāo)定值為2.751，為正值，說明沒有小汽車的家庭選擇公共交通的概率更大。

（5）若通勤者不在早高峰時段出行，這類出行者更加愿意選擇電動車出行；出行時間小于20 min在電動車標(biāo)定結(jié)果為正值，而在公共交通值為負(fù)，說明這類出行者選擇電動車的意愿大于公共交通，主要因為電動車相比公共交通在短距離有較高的優(yōu)勢。

（6）根據(jù)已有的以整個城市為對象的研究結(jié)果，個體特征、家庭特征和出行特征對出行方式的影響與本文研究結(jié)果一致，比如文獻(xiàn)［2］~［4］結(jié)果表明性別、職業(yè)、家庭收入等能夠顯著影響出行方式的選擇。另外，老城區(qū)相比城市的其他地區(qū)，當(dāng)出行距離或者出行時間較短時，通勤者往往會更加愿意選擇電動車出行，該點與文獻(xiàn)［3］中的結(jié)果有所差異。

4 結(jié)語

本文研究結(jié)果表明，老城區(qū)通勤者個人特征和家庭特征對出行方式選擇影響因素與以往研究結(jié)論一致。由于城區(qū)用地特征，以及該地區(qū)居民出行特征，居民更加傾向選擇電動車。但是隨著電動車的普及，電動車往往作為出行首要考慮對象。未來隨著機動化進(jìn)程的加快，除了限制小汽車出入老城區(qū)外，還應(yīng)探究針對電動車的定位，以便制定相應(yīng)的交通管理政策。

［1］ Central Transportation Planning. Transfer penalties in urban mode choice modeling （travel model improvement program）［M］.Washington D.C.: Travel Model Improvement Program，1997：30-45.

［2］欒琨，雋志才，宗芳.通勤者出行方式與出行鏈選擇行為研究［J］. 公路交通科技, 2010，27（6）：107-111.

［3］宗芳，雋志才.基于活動的出行方式選擇模型與交通需求管理策略［J］.吉林大學(xué)學(xué)報（工學(xué)版），2007，37（1）：48-53.

［4］萬霞，王煒，陳駿.居民全日出行方式選擇動態(tài)模型研究［J］. 中國公路學(xué)報，2012，25（2）：121-126.

［5］J.L. Bowman，M.E. Ben-Akiva. Activity-based disaggregate travel demand model system with activity schedules ［J］. Transportation Research Part A：Policy and Practice，2001，35：1-28.

［6］韓雪，劉英舜，郭唐儀.客運通道出行行為選擇分析［J］.現(xiàn)代交通技術(shù)，2013，10（6）：64-67.