王 鵬，鄭長江 ，王 晨

(1.河海大學 土木與交通學院，江蘇 南京210098;2.東南大學 城市智能交通江蘇省重點實驗室，江蘇 南京210096)

治理交通擁堵問題，最初是通過城市道路的建設［1］。但是飛速增長的機動車數(shù)量以及日益緊張的城市用地面積導致無法依靠增加道路數(shù)目來解決交通擁擠的難題。最好是能通過交通管理的手段來緩解交通問題［2］。比如擁擠收費的方式，這樣就可以在時間和空間上緩解過于集中的交通量，減少了高峰期以及市中心等繁忙路段的交通負荷。

1 意向調查內容

本文主要是針對擁堵收費對居民內外非通勤出行的影響，于是選擇了北京這個經(jīng)濟文化的中心城市，具體的調查辦法是通過發(fā)放問卷以及網(wǎng)上調查。

綜合考慮抽樣方法的優(yōu)缺點，北京市常規(guī)公共交通出行比例上升到56%，其中公交大約占40%，地鐵大約占30%，本次調查采用基于選擇方式的分層抽樣方法［3］確定幾個重要小區(qū)和路口，確定有效總樣本量為215［4］。

出行方式選擇調查屬于行為調查［5］，分為RP調查和SP 調查，考慮到北京尚未實施擁擠收費，以及兩種調查的優(yōu)缺點，本次研究采用RP 調查和SP調查相結合的方式，這樣可以提高問卷以及網(wǎng)上調查的精確性。問卷需要設計到三個方面的內容，一是出行者個人以及家庭的基本信息，二是出行的行為信息包括出行目的和起訖點，第三是擁堵收費下出行意向調查及合理的收費標準。本次調查內外非通勤出行有效樣本量為68。

2 內外非通勤出行方式選擇

在統(tǒng)計分析了意向調查結果之后得到內外-非通勤類各選擇枝被選占比表(單位%)，見表1。

表1 內外-非通勤類各選擇枝被選占比表

內外非通勤出行的概念就是起訖點中只有一個在收費區(qū)域內部。實施擁堵收費之后，繼續(xù)選擇開車付費的比例僅僅為13%，其余87%的人都選擇了錯時避費或者選擇轉向其他的交通方式，由于是非通勤，娛樂居多，且距離不近，選擇自行車出行的比例近乎為0。

本論文選取的MNL 模型特性變量［6］可以分為出行者社會經(jīng)濟屬性以及出行方式屬性兩類。其中，出行者社會經(jīng)濟屬性特性變量包括年齡、性別、職業(yè)、家庭收入、對目前交通現(xiàn)狀的看法、是否有需接送其上下學的孩子以及是否有交通補貼等。出行方式屬性特性變量，按照小汽車、公共交通以及自行車三種方式設定。

該類出行方式選擇模型構建共經(jīng)歷了五次試算，從最終的計算結果表來看，效用函數(shù)參數(shù)1、參數(shù)2、參數(shù)3、參數(shù)4、年齡、性別、家庭收入、職業(yè)、有無需接送其上下學的孩子、有無交通補貼、擁堵費用、停車費用、公交方式全程時間、公交方式換乘次數(shù)、公交車票費、ln(cardistance)、ln(parkfare)、ln(fuelcost)、cardistance0.5以及fuelcost0.5對模型具有顯著影響。

經(jīng)過計算，該模型的命中率為60.3%，模型的擬合優(yōu)度比ρ2= 0.392，表明模型的精度較高［7］(ρ2在0.2 ～0.4 之間就很高了)。

由模型的命中率和擬合優(yōu)度比可以看出，該模型能較好的反映各變量對于內外-非通勤類出行者在擁堵收費條件下的出行方式選擇的影響，也可以較好的模擬內外-通勤類出行者在擁堵收費條件下的出行方式選擇行為，且模型精度較高，因此，將該模型作為內外-非通勤類出行者在擁堵收費影響下的出行方式選擇模型，模型結果見表2。

表2 擁堵收費政策影響下的內外-非通勤模型結果表

3 關鍵因子

非集計Logit 模型認為出行者在出行方式選擇時追求“效用(utility)”的最大化，即效用值越高的出行方式被選擇的概率也就越大。因此，在模型各選擇枝的效用函數(shù)中對效用值影響最大的因素即為關鍵因子［9］。內外-非通勤類模型變量對各選擇枝效用值的影響程度見表3。

表3 內外-非通勤類模型變量對選擇枝效用值的影響程度表

首先，在開車付費所對應的9 個變量當中，age和subsidy 對效用值影響的變化范圍最大，且其對效用值影響的最大絕對值(age 對應的影響最大絕對值為6.4223，subsidy 對應的影響最大絕對值為15.203)較大。年齡(age)和有無交通補貼(subsidy)為該模型的關鍵因子，越年輕的出行者選擇開車付費的概率越大，有交通補貼的出行者選擇開車付費的概率比沒有交通補貼者大。

出行者的年齡(age)、有無交通補貼(subsidy)以及停車費用(parkfare)為該模型的關鍵因子，越年輕的出行者選擇開車付費的概率越大，有交通補貼的出行者選擇開車付費的概率比沒有交通補貼者大，停車費用越低則內外-非通勤類出行者選擇開車付費的可能性越大。

4 敏感性分析

本文調查數(shù)據(jù)顯示，內外-非通勤類出行的起訖點分布與受訪者的居住地和工作地分布一致性較弱。因此應考慮對居住地或工作地位于收費區(qū)域內的小汽車出行者優(yōu)惠收費，對居住地和工作地均位于收費區(qū)域外的全額收費［9］。

以2 元/天為增長步長，選取5 ～21 元/天9 種全額擁堵費用水平，選取四折優(yōu)惠比例水平作為一個研究對象，具體設置方案見表4。

表4 用于內外-非通勤類出行敏感性分析的擁堵費用水平表 元/天

內外-非通勤類出行的方式比例變化如圖1所示，橫坐標表示收費標準，如“5，1”即表示全額費率為5 元/天，優(yōu)惠費率為1 元/天;開車付費方式趨勢線擬合公式中的x 表示全額費率值。

圖1 四折不同費率組合下內外-非通勤類模型的出行方式選擇比例變化圖

可見，對于內外-非通勤類出行，隨著擁堵費用的增加，開車付費方式比例呈現(xiàn)明顯下降趨勢，錯時避費出行、繞路避費出行以及公交出行的方式比例均呈現(xiàn)不同程度的上升趨勢，另外自行車出行方式比例始終為0。

利用敏感性系數(shù)［10］計算，針對小汽車出行方式選擇比例，可以得出各擁堵費用水平下的敏感性系數(shù)絕對值變化圖，如圖2 所示。

圖2 不同優(yōu)惠比例下內外-非通勤類模型的敏感性分析圖

表5 為內外-非通勤類出行在四折優(yōu)惠比例條件下，針對小汽車出行方式的敏感性分析相關結果。

表5 內外-非通勤類出行的開車付費方式敏感性分析結果表

由圖1 和表5 可知，對于內外-非通勤類出行，擁堵費用變動對開車付費方式比例的敏感性隨擁堵費用的增大而先增大后減小;敏感性系數(shù)絕對值大于1 的高敏感性范圍隨優(yōu)惠比例的上升而縮小，最為敏感擁堵費用范圍值隨優(yōu)惠比例的上升而下降;駐點(對應敏感性系數(shù)絕對值為最小值0 的點)所對應的全額擁堵費用隨優(yōu)惠比例的增大而增大，此時全額擁堵費用為32 ～43 元，小汽車方式比例均將達到最低值0%。

5 結論

本文建立了擁堵收費影響下的交通出行方式選擇模型，初步揭示了各類因素對居民出行方式選擇的影響;利用敏感性分析和擁堵收費影響下的交通出行方式選擇宏觀預測方法，探究了在擁堵費用的取值變動下各類人群的出行方式選擇結果變化規(guī)律和差異性，并對擁堵收費政策的收費標準進行了探討。

［1］陳莎. 城市中心區(qū)擁堵收費配套政策及措施研究［D］. 北京:中國城市規(guī)劃設計研究院，2007.

［2］石瓊，吳群琪. 擁堵收費為主導緩解城市交通擁擠可行性研究［J］. 長安大學學報:社會科學版，2004，6(3):38 -42.

［3］朱嬿，李章華. 模糊綜合評價的離散抽樣模型［J］. 清華大學學報:自然科學版，2000，40(8):121 -124.

［4］王方. 基于SP 調查的行為時間價值研究［D］.北京:北京工業(yè)大學，2005.

［5］關宏志. 非集計模型:交通行為分析的工具［M］.北京:人民交通出版社，2004.

［6］金安. LOGIT 模型參數(shù)估計方法研究［J］.交通運輸系統(tǒng)工程與信息，2004，4(1):71 -75.

［7］張衛(wèi)東，雷敏. 加權最小二乘估計中的擬合優(yōu)度［J］. 中國統(tǒng)計，2006(8):53 -54.

［8］金安. LOGIT 模型參數(shù)估計方法研究［J］.交通運輸系統(tǒng)工程與信息，2004，4(1):71 -75.

［9］王偉，鄭長江. 擁擠收費下城市居民內外通勤出行方式影響分析［J］.大連交通學報，2014，35(4):13 -16.

［10］Walters A A. The theoty and measurement of private and social cost of highway congestion［J］.Econometrica，1961，29:676-699.