梁　瀟，李　楓（同濟大學(xué) 交通運輸工程學(xué)院，上海 201804）

軌道交通接駁方式選擇行為分析
——以上海松江大學(xué)城為例

梁瀟，李楓
（同濟大學(xué) 交通運輸工程學(xué)院，上海 201804）

基于上海松江大學(xué)城站軌道銜接方式選擇行為的調(diào)查數(shù)據(jù)，對城市軌道交通接駁方式選擇行為進行研究，從大學(xué)城學(xué)生個體角度分析學(xué)生群體的出行特征和規(guī)律，合理有效地調(diào)整交通結(jié)構(gòu)，進而優(yōu)化城市軌道交通服務(wù)水平，增加城市軌道交通的吸引力。基于Nested Logit非集計模型，建立兩種不同分組選擇支的軌道交通銜接方式選擇模型進行參數(shù)標(biāo)定，對比模型的優(yōu)比度、分支相關(guān)系數(shù)和命中率，擇優(yōu)選擇精度較高的模型。根據(jù)建模結(jié)果，在調(diào)查數(shù)據(jù)分析的基礎(chǔ)上，對不同接駁方式的分擔(dān)率進行預(yù)測。預(yù)測結(jié)果為：公共汽車的分擔(dān)率最高，為59.9%，即公共汽車仍為學(xué)生選擇的主要接駁方式，出租車的分擔(dān)率次之，自行車分擔(dān)率最低。最后，對NL模型進行應(yīng)用。研究發(fā)現(xiàn)，對于學(xué)生群體而言，提高出租車的起步價對出租車的分擔(dān)率并無較大影響。綜合比較性別、接駁時間、接駁費用等影響因素，發(fā)現(xiàn)性別對學(xué)生接駁方式的選擇有較大影響。

城市軌道交通；接駁方式；非集計模型；Nested Logit模型；學(xué)生出行行為

第1卷 第1期|2015年2月

0　引言

軌道交通與其他交通方式的銜接在很大程度上影響著軌道交通對客流的吸引程度，并且直接影響到人們的出行方式選擇。因此，建立有效的軌道交通銜接系統(tǒng)對于提高軌道交通系統(tǒng)吸引力、緩解城市交通擁堵具有重要意義。

為了確保城市軌道交通與其他交通方式有良好的銜接，國內(nèi)研究人員也從多個角度對銜接方式進行了研究。王文紅[1]等通過對銜接方式的選擇分析，建立了兩層Nested Logit（NL） 模型，用于軌道交通銜接客流的預(yù)測和交通政策分析及評價。劉振[2]等在對比NL模型和Multinomial Logit（MNL）模型的基礎(chǔ)上，提出一套便于實際操作的應(yīng)用方法，并編寫了程序，說明整個應(yīng)用操作的流程。黃杉[3]等分析北京市軌道銜接方式選擇行為調(diào)查，建立出行端與目的端相融合的軌道交通銜接方式選擇模型，運用分步標(biāo)定的方法，將出行者的銜接選擇行為統(tǒng)一于一個層狀Logit模型之下，并完成對于模型的標(biāo)定以及參數(shù)檢驗。劉強[4]等為實現(xiàn)區(qū)域運輸通道內(nèi)交通方式的合理配置，建立基于用戶最優(yōu)的通道內(nèi)交通方式選擇的三層NL模型，模型采用分層的建模思想，運用不確定規(guī)劃理論和隨機效用理論，從概率的角度研究了通道內(nèi)交通方式的選擇問題。唐潔[5]等在居民出行空間和方式的聯(lián)合選擇上，利用非集計NL建立模型，并且與MNL所建立的模型進行對比。

根據(jù)以往研究，出行者對軌道交通銜接方式的選擇，不僅與銜接交通方式的服務(wù)水平有關(guān)，也與出行者個人因素密切相關(guān)。同時，銜接交通方式的服務(wù)水平也影響到出行者對軌道交通的使用。本文根據(jù)上海松江大學(xué)城學(xué)生出行調(diào)查數(shù)據(jù)，對學(xué)生選擇軌道交通出行的接駁交通方式選擇行為進行分析，利用非集計理論和方法構(gòu)造學(xué)生出行軌道交通接駁方式選擇的Logit模型，分析各因素對學(xué)生選擇接駁方式的影響，對于推進模型的應(yīng)用有一定的價值。

1　調(diào)查結(jié)果分析

1.1調(diào)查概況

本次調(diào)查以使用軌道交通出行的松江大學(xué)城學(xué)生為調(diào)查對象。松江大學(xué)城位于上海松江新城區(qū)西北角，占地約8 000畝，是目前中國規(guī)模較大的大學(xué)園區(qū)。大學(xué)城內(nèi)有專門的公交車站、樞紐及出租車等候點。2007年底開通的軌道交通9號線松江大學(xué)城站，與松江大學(xué)城學(xué)生生活區(qū)距離3~5km，并有公共汽車線路與地鐵站相連。除此之外，有地面公共汽車線路開往松江老城區(qū)及上海各區(qū)縣。由于松江大學(xué)城學(xué)生出行交通方式較為多樣，比較具有代表性，故選取松江大學(xué)城作為本次研究的對象。

對學(xué)生使用各種接駁方式（出租車、公共汽車、自行車）的選擇情況進行調(diào)查，調(diào)查的內(nèi)容主要包括學(xué)生的個人信息（性別）、與出行有關(guān)的信息（如：接駁方式、時間、費用等）。通過調(diào)查，初步掌握學(xué)生利用軌道交通出行的出行特征，進而了解學(xué)生對于城市軌道交通的出行偏好，為非集計模型方法用于軌道交通接駁方式選擇研究提供基礎(chǔ)數(shù)據(jù)。

1.2調(diào)查結(jié)果分析

1.2.1接駁方式選擇的分析

松江大學(xué)城學(xué)生使用各種接駁方式的調(diào)查結(jié)果如圖1所示。從圖1可以看出，選擇公共汽車作為軌道交通出行接駁方式的比例最大，達到了60%；選擇出租車出行的比例達到25%，成為僅次于公共汽車出行的第二大接駁方式；而選擇自行車為軌道交通接駁方式的比例較低，為15%。

圖1　軌道交通接駁方式比較

大部分調(diào)查對象為大學(xué)城中的大學(xué)生，學(xué)生對價格的敏感度比較高，雖然出租車在時間方面有很大優(yōu)勢，但價格高，因此其所占比例不大。自行車在大學(xué)生日常生活中的使用比例高，但將自行車停放在松江大學(xué)城站，安全得不到保障，并且地鐵站的自行車停放設(shè)施不多，使自行車所占比例最小。雖然公共汽車的個性化服務(wù)水平不高，但其在價格、時間和安全性方面占有較大的優(yōu)勢，故其所占比例最大。

1.2.2性別與接駁方式選擇的分析

調(diào)查對象中，女生占49.5%，男生占50.5%。根據(jù)調(diào)查結(jié)果分析（見圖2），在選擇出租車作為軌道交通接駁方式中，女生占15%，男生占9.5%；而在選擇自行車作為軌道交通接駁方式中，男生占12.5%，女生只占2.5%。由此可見，在選擇自行車這種接駁方式時，有較為明顯的性別差異。

圖2　性別與接駁方式的選擇

1.2.3接駁時間與接駁方式的分析

對接駁交通方式及其對應(yīng)的時間統(tǒng)計分析如圖3所示。圖3表明，自行車的接駁時間花費最長，為35min，其次是公共汽車的接駁時間花費，為25min，出租車的接駁時間花費最短，為12min。其中，公共汽車和出租車接駁時間均低于平均接駁時間（24min）。故公共汽車和出租車在接駁時間方面存在優(yōu)勢。

圖3　接駁時間與接駁方式的比較

1.2.4接駁費用與接駁方式的分析

根據(jù)調(diào)查數(shù)據(jù)，對學(xué)生選擇每種接駁交通方式及其對應(yīng)的費用取平均值，得到出租車的接駁費用最大，為17元，公共汽車的接駁費用其次，為1.5元，自行車無接駁費用。其中，自行車和公共汽車接駁費用均低于平均接駁費用（9.25元）。故自行車和公共汽車在接駁費用方面存在優(yōu)勢。

經(jīng)過對調(diào)查問卷的初步分析，認為公共汽車作為軌道交通接駁方式在松江大學(xué)城站優(yōu)勢最大，而出租車和自行車均存在各自的優(yōu)勢。

2　模型的建立及評價

目前常用的非集計離散選擇模型有Binary Log?it、Multinomial Logit和Nested Logit三種。Binary Logit只能涉及兩個選項，而本研究為三種接駁方式，故不予考慮。Nested Logit（NL）模型是Multi?nomial Logit（MNL）模型基礎(chǔ)上的一種改進模型，能較好地克服MNL模型存在的“與其他選擇無關(guān)特性”，并考慮了各選擇項之間的關(guān)系[6]。由于對選擇項的分支不同會產(chǎn)生不同的預(yù)測結(jié)果，故本研究按照不同的分支結(jié)構(gòu)建立模型，通過參數(shù)對比得出最適合學(xué)生群體出行的分支，再分析各因素對接駁方式的影響。

2.1模型結(jié)構(gòu)與變量選取

運用NL模型時首先要建立選擇支。選擇支就是根據(jù)人們選擇的原理將選擇方案整理成的樹狀結(jié)構(gòu)。根據(jù)選擇的復(fù)雜程度可以將選擇方案分為若干個層次，每個層次成為一個水平。分層的原則是將類似性較大的選擇方案作為一個層次，并將不同類型的選擇方案作為不同層次[7]。

通過調(diào)查發(fā)現(xiàn)，接駁方式主要有自行車、公共汽車和出租車三種。因此，在對自行車、出租車、公共汽車三種接駁方式建立Nested Logit模型分支時，首先，將出租車和公共汽車歸為一類，這兩種接駁方式均具有機動車的性質(zhì)，而自行車則具有非機動車的性質(zhì)，作為第一種NL模型分支結(jié)構(gòu)。其次，將自行車和出租車歸為一類，因為二者均具有私人交通的性質(zhì)，而公共汽車則具有公共交通的性質(zhì)，作為第二種NL模型分支結(jié)構(gòu)。這樣分類主要是由于此次的調(diào)查對象為學(xué)生，在學(xué)生群體中自行車擁有率非常高，出租車對學(xué)生而言可認為是私家車，具有速度快、舒適度高等特性。具體的模型分支結(jié)構(gòu)如圖4、圖5所示。

圖4　NL模型結(jié)構(gòu)一：機動車與非機動車分組

圖5　NL模型結(jié)構(gòu)二：私人交通與公共交通分組

根據(jù)調(diào)查分析發(fā)現(xiàn)，影響學(xué)生群體選擇接駁方式的主要因素是性別（Gender）、接駁費用（Cost）和接駁時間（Time）。

其各種方式的效用函數(shù)可表示如下：

U(自行車)=Abike+Cost·Cbike+Time·Tbike+BikeGender1·S

U(出租車)=Ataxi+Cost·CTaxi+Time·Ttaxi+TaxiGender2·S

U(公共汽車)=Cost·Cbus+Time·Tbus+BusGender2·S

式中：Cost、Time、Abike、Ataxi、BikeGender1、TaxiGender2、BusGender2為需要標(biāo)定的參數(shù)；Cbike、Ctaxi、Cbus分別為使用自行車、出租車和公共汽車的實際費用；Tbike、Ttaxi、Tbus分別為使用自行車、出租車和公共汽車的實際時間。

2.2模型標(biāo)定

考慮數(shù)據(jù)的可篩選性和可調(diào)控性，本模型選擇性別、接駁費用、接駁時間作為模型效用函數(shù)的變量，使用Limdep統(tǒng)計軟件對不同分支結(jié)構(gòu)的NL模型進行標(biāo)定，結(jié)果如表1、表2所示。

表1　模型參數(shù)標(biāo)定結(jié)果一

從表1中變量標(biāo)定結(jié)果來看，95%的變量回歸的t檢驗值的絕對值都在1.96以上，置信度達到了95%，其余變量對應(yīng)t檢驗值的絕對值也在1.65以上，置信度達到90%，所有因素對于接駁方式的選擇都有顯著的影響。

根據(jù)建模結(jié)果，對于學(xué)生群體，性別是不可忽略的重要因素，對選擇自行車出行的影響最大。在自行車的影響變量中，性別變量的系數(shù)均大于2，男、女生的效用值差異相較其他接駁方式較為明顯，男生比女生選擇自行車為接駁方式的概率更大。另外，模型中時間、費用標(biāo)定參數(shù)為負值，對選擇結(jié)果是負效用的（即對于某銜接方式，該變量越大，出行者越不趨向于選擇此種交通方式），這也是與實際情況相符合的。

2.3模型精度檢驗

模型精度檢驗主要利用模型的優(yōu)比度（Likeli?hood Ration Index，r2）、分支相關(guān)系數(shù)（Inclusive Value Parameters）及命中率（Hit Ratio）這三個統(tǒng)計指標(biāo)進行分析。

從模型的優(yōu)比度來看，NL模型一的r2為0.350，模型二的r2為0.139。r2的值在0~1之間，其值越接近1，表示模型的精度越高。但在實踐中，r2的值達到0.2~0.4時，即認為相當(dāng)高了。因此，NL模型一即分支結(jié)構(gòu)為機動車、非機動的分支結(jié)構(gòu)的模型精度較高。

對于分支相關(guān)系數(shù)（Inclusive Value Parame?ters，IV值），根據(jù)表2標(biāo)定結(jié)果，NL模型一即機動車（公共汽車、出租車）、非機動車（自行車）的這種分支結(jié)構(gòu)，機動車的相關(guān)系數(shù)均1，表明NL模型中接駁方式的選擇支的分支有階層關(guān)系，模型結(jié)構(gòu)是合理的。模型二的IV值在機動車分支中為1.036，大于1.0，即模型上層與下層分支結(jié)構(gòu)沒有顯著關(guān)系，說明這種類型的分支沒有意義。

表2　模型參數(shù)標(biāo)定結(jié)果二

NL模型一中，下層的命中率為80.8%，上層的命中率為60.65%；NL模型二中，下層的命中率為78.3%，上層的命中率為53.91%。通常，若命中率大于80%，則該模型的精度可視為相當(dāng)高。

綜合以上統(tǒng)計量結(jié)果，NL模型一將接駁方式分為機動車與非機動車的這種分支結(jié)構(gòu)精度更高，擬合效果更好，因此選擇NL模型一作為預(yù)測模型。

3　模型的應(yīng)用

3.1接駁方式預(yù)測

利用NL模型，預(yù)測出行者在不同的個人特性、出行屬性下，出行時間與交通方式選擇行為的差異性。具體來說，在已知某個出行者各個影響變量（即模型中選擇的影響因素）取值的條件下，可通過模型的參數(shù)估計結(jié)果，計算該出行者選擇各個出行方案的概率，選擇概率最大的方案作為預(yù)測結(jié)果。

本文利用學(xué)生選擇城市軌道交通接駁方式的出行調(diào)查數(shù)據(jù)，根據(jù)表1中NL模型一參數(shù)的估計結(jié)果，對學(xué)生選擇各種接駁方式的概率進行預(yù)測，結(jié)果如表3所示。

表3　分擔(dān)率預(yù)測結(jié)果

根據(jù)分擔(dān)率的預(yù)測結(jié)果可知，出租車的分擔(dān)率有所下降，自行車的分擔(dān)率有所上升，與實際調(diào)查結(jié)果有所偏差。但公共汽車仍然是學(xué)生群體選擇的主要接駁方式，與實際調(diào)查結(jié)果相似。由于學(xué)生群體無收入，就其個人特征而言，所能選擇的軌道接駁方式也較為單一，因此主要還是以公共汽車為主。

3.2交通政策評價分析

利用基于費用的交通方式選擇模型，可以預(yù)測出行者在不同屬性下，出行費用與交通方式選擇行為的差異性。分別將出租車的起步價提高1元、2元、3元，使用NL模型分支結(jié)構(gòu)二再次進行分析，得到未來出租車分擔(dān)率預(yù)測值，如表4所示。

表4　出租車出行費用變化與分擔(dān)率變化關(guān)系表

從表4中可以看出，出租車的分擔(dān)率相對于其費用的變化不是很大，分析認為是由于出租車自身具有便捷性，另外大學(xué)城內(nèi)設(shè)置有出租車?？奎c，便于學(xué)生進行多人合乘。

4　結(jié)論

本文以上海松江大學(xué)城學(xué)生出行數(shù)據(jù)為實例，在對數(shù)據(jù)進行初步分析的基礎(chǔ)上，建立基于NL模型的軌道交通接駁方式選擇模型，分析各因素對學(xué)生選擇軌道交通接駁方式的影響程度。結(jié)果表明，性別對于學(xué)生選擇自行車作為接駁方式的影響最大，男生比女生更傾向于選擇自行車作為接駁交通工具。另外，出租車起步價的提高對學(xué)生接駁方式的選擇影響不大，費用并不是學(xué)生出行的首要考慮因素。

值得一提的是，NL模型考慮了各選擇支之間的相關(guān)性，在理論上存在優(yōu)越性。然而，NL模型的各選擇支的相關(guān)性分組是人為確定的，相同選擇支而不同分組的結(jié)構(gòu)會得到不同的結(jié)果，是該模型的一個明顯缺陷。因此，本文在進行選擇支分類時因地制宜，結(jié)合實際，比較不同分支類型，力求得到較為合理的分組。

[1]王文紅，關(guān)宏志，王山川.Nested Logit模型在軌道交通銜接方式選擇中的應(yīng)用[J].城市軌道交通研究，2008 （7）：25-30.

[2]劉振，周溪召.巢式Logit模型在交通方式選擇行為中的應(yīng)用[J].上海海事大學(xué)學(xué)報.2006，27（3）：66-70.[3]黃杉，嚴海，關(guān)宏志.軌道交通銜接方式選擇行為研究——以北京市軌道交通為例[J].土木工程學(xué)報，2009，42（7）：126-130.

[4]劉強，王慶云，陸華普.區(qū)域運輸通道交通方式選擇3層模型[J].哈爾濱工業(yè)大學(xué)學(xué)報，2011，43（8）：113-118.

[5]唐潔，高林杰，雋志才.城市居民出行空間和方式聯(lián)合選擇模型研究[J].公路交通科技，2010，27（5）：83-87.

[6] 陸華普.交通規(guī)劃理論與方法[M].2版.北京：清華大學(xué)出版社，2006.

[7] 關(guān)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．

[8]Debrezion G,Pels E,Rietveld P.Modelling the Joint Access Mode and Railway Station Choice[J].Transportation Re?search Part E:Logistics and Transportation Review,2009,45 (1):270-283.

[9]Ivanoca O.A Note on the Consistent Aggregation of Nested Logit Demand Function[J].Transportation Research Part B, 2005,39(10):890-895.

[10]陳俊勵，馬云龍，朱楠.基于巢式Logit模型的公交出行方式選擇行為研究[J].交通運輸系統(tǒng)工程與信息，2011，11（A01）：120-125.

[11]陳秋香.Nested Logit模型在交通出行方式選擇中的應(yīng)用[J].甘肅科學(xué)學(xué)報，2013（2）：133-136.

[12]楊昌濤，靳文舟，范雪婷.基于巢式Logit模型的交通方式選擇行為研究[J].公路與汽運，2011（4）：62-65.

Choice Behavior of Urban RailAccess Modes：ACase Study of Shanghai Songjiang University Town

LIANG Xiao,LI Feng
(School of Transportation Engineering,Tongji University,Shanghai 201804,China)

Based on the data from the survey of the mode choice behavior of the students travel in Shanghai Songjiang University Town,a study on the choice behavior of the urban transit mode was stud?ied by identifying the characteristics and norms of student group travel from the perspective of the stu?dent individual travel behavior.The aim was to adjust the transportation structure rationally and effec?tively so as to optimize the service of the urban rail transit and increase its attraction.On the basis of the Nested-Logit Model theory,two kinds of NL models with different choice branch structures were estab?lished,and then the likelihood ration index,inclusive value parameters and hit ratio of the two models were compared,thus the model with higher precision was optimally selected.In accordance with the re?sults of the model,the share rate on the different access modes was predicted based on the survey data analysis.The result showed that the sharing rate of bus was 59.9%,which is the highest.The conclusion was that bus was the major access mode for the students while the share rate of the taxi ranked the sec?ond and that of the bicycle ranked the lowest.Finally,as far as the student group was concerned in the application of the NL model,there was no noticeable impact on the sharing rate of taxi even if the start?ing fare of the taxi rose.A comprehensive comparison of the influencing factors like gender,access time and access costs indicated that gender has the relatively great impact on the choice of the student′s ac?cess mode.

urban rail transit;railway access modes;disaggregate model;Nested Logit Model;stu?dents travel behavior

U491.11

A

2095-9931（2015）01-0043-05

10.16503/j.cnki.2095-9931.2015.01.008

2014-10-10