安 睿，劉圓圓，韓軍紅，張興宇

（長(zhǎng)安大學(xué) 公路學(xué)院，陜西 西安 710064）

基于Logistic模型的城市慢行交通出行者特性研究

安 睿，劉圓圓，韓軍紅，張興宇

（長(zhǎng)安大學(xué) 公路學(xué)院，陜西 西安 710064）

為了防治機(jī)動(dòng)車污染，提升慢行交通系統(tǒng)使用率與服務(wù)水平，針對(duì)慢行交通出行者特性開展研究。以銅川市居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，將其分為家庭屬性、個(gè)人屬性與出行特征屬性3個(gè)類別，借助SPSS軟件構(gòu)建二元Logistic模型，以優(yōu)勢(shì)比（OR）為主要評(píng)判標(biāo)準(zhǔn)，從多種屬性變量中辨識(shí)影響慢行交通使用的主要變量，闡述出行者特征。研究結(jié)果表明：步行出行距離一般小于3km，自行車出行距離小于5km，各種屬性變量對(duì)慢行交通的選擇有不同程度的影響，步行與自行車出行的影響變量也存在差異；女性更傾向于步行，而男性使用自行車的幾率更高；非通勤出行以步行為主；交通工具保有量的提升會(huì)降低步行出行率，而對(duì)自行車出行基本不產(chǎn)生影響；家庭收入與是否選擇慢行交通出行不存在顯著關(guān)系。

慢行交通；出行者特性；Logistic模型；優(yōu)勢(shì)比；出行行為

0 引言

慢行交通的概念最早出現(xiàn)在《上海城市交通白皮書》中，特指依靠人力、主要承擔(dān)短距離出行、以接駁為主要功能的一種交通方式，主要包含步行與自行車出行，其發(fā)展優(yōu)勢(shì)主要體現(xiàn)于環(huán)保、高效、健康三個(gè)方面。在當(dāng)今發(fā)展形勢(shì)下，由于機(jī)動(dòng)車交通加速了環(huán)境的惡化并影響人類健康，各國(guó)采取了政策性手段減少小汽車的使用[1-3]、建立清潔的運(yùn)輸系統(tǒng)，慢行交通以其低污染的特點(diǎn)成為了最重要的角色之一[4]。我國(guó)編制的《節(jié)能減排“十二五”規(guī)劃》中，明確要求抓好城市步行、自行車交通系統(tǒng)建設(shè)。

目前，慢行交通的相關(guān)研究主要集中在規(guī)劃、安全與行為選擇等幾個(gè)方面。李聰穎等[5]通過二元活動(dòng)選擇模型，得出年齡、家庭收入、出行費(fèi)用、行程時(shí)間、方便程度是慢行交通出行的主要影響因素。而Raha U.等[6]的研究以短途自行車出行為研究對(duì)象，綜合考慮Pucher J.等[7]與Ortúzar J.D.D.等[8]的研究，將影響因素分為個(gè)人特征、行為特征、地區(qū)設(shè)施特征以及政策，研究結(jié)論表明出行行為特征與相關(guān)政策是影響慢行交通選擇的主要因素。

在依據(jù)SP（意愿）調(diào)查的研究中，Moudon A. V.等[9]在選擇模型中增加了出行者偏好及環(huán)境兩方面因素，經(jīng)Logistic回歸后，個(gè)人的社會(huì)經(jīng)濟(jì)屬性仍然是影響慢行交通的主要因素，這與國(guó)內(nèi)學(xué)者楊晨等[10-11]的研究結(jié)論相似。曹新宇等[12]的研究表明，在已建成的出行環(huán)境下，出行選擇行為主要受到出行目的影響，而個(gè)人特征影響也十分顯著。Bagley M.N.等[13]發(fā)現(xiàn)在影響出行選擇的解釋變量中，生活形態(tài)以及個(gè)人態(tài)度變量對(duì)出行有著極大的影響，居住地類型的影響則很微小。Hankey S.等[14]將研究范圍進(jìn)一步拓展，從氣候、社會(huì)經(jīng)濟(jì)屬性、土地混合度與道路設(shè)施等多個(gè)方面闡述慢行交通選擇特性。

在現(xiàn)有的研究成果中，慢行出行者特性一般作為出行行為研究的附屬內(nèi)容。多數(shù)研究以出行目的對(duì)研究對(duì)象進(jìn)行分類，闡述不同出行目的下的慢行交通選擇行為，對(duì)慢行交通使用者特征的研究為數(shù)不多。為了提升慢行系統(tǒng)的使用率，降低機(jī)動(dòng)車污染，本文以銅川市綜合交通規(guī)劃中的居民出行調(diào)查為數(shù)據(jù)基礎(chǔ)，以慢行交通出行者特性為出發(fā)點(diǎn)，采用Logistic回歸模型探究社會(huì)經(jīng)濟(jì)屬性（個(gè)人、家庭）、出行特征等因素與城市慢行交通使用之間的關(guān)系，為慢行交通規(guī)劃提供出行者特性指導(dǎo)，鼓勵(lì)更多的人使用慢行交通，支持城市可持續(xù)發(fā)展。

1 模型方法及數(shù)據(jù)

1.1 二元Logistic模型

在上述研究的基礎(chǔ)上，分別從步行與自行車出行考慮，分為步行出行與非步行出行，自行車出行與非自行車出行，建立不同的居民屬性下，步行與自行車出行的二元Logistic選擇模型。

（1）模型方法

該模型有兩個(gè)選項(xiàng)：是（即1），表示人們的出行方式為慢行（步行、自行車）；否（即0），表示人們的出行方式為慢行外的其他交通方式。影響慢行選擇的因素包括調(diào)查中收集到的個(gè)人屬性、出行屬性等所有因素。

假設(shè)第 n（n∈N）個(gè)出行者選擇第 j（j∈J）種出行方式用ynj表示。ynj=1，代表出行者選擇了該出行方式；反之ynj=0。假設(shè)在理論上，存在一個(gè)連續(xù)反應(yīng)變量代表ynj發(fā)生的概率，其取值范圍為(-∞,+∞)。如果此變量的值超出一個(gè)臨界點(diǎn)m，便使出行者n選擇了出行方式j(luò)，于是有：

式中：εj是誤差項(xiàng)，服從Logistic分布；β0為截距（通常稱為常數(shù)項(xiàng)）； βi(i=1,2,…,m)是 xnj（i=1,2,…,m）的偏回歸系數(shù)。由式（2）可知，第n個(gè)出行者選擇第j種出行方式的條件概率為：

通過計(jì)算求解可得：

（2）比數(shù)比

首先，定義出行方式 j不被出行者n選擇的概率為：

那么出行方式 j被選擇與不被選擇發(fā)生概率之比為：

這個(gè)比被稱之為事件的發(fā)生比，簡(jiǎn)記為Odds（優(yōu)勢(shì)）。由式（6）可以看出， p越大，則Odds越大；p越小，則Odds越小。

為了度量某一自變量（影響因素）對(duì)因變量（是否選擇此出行方式）影響程度的大小，定義Odds Ratio（簡(jiǎn)記OR，簡(jiǎn)稱優(yōu)勢(shì)比），其計(jì)算公式如下：

式（7）的含義為：在其他自變量（選擇行為的影響因素）不變的情況下，自變量xni改變一個(gè)單位，因變量對(duì)應(yīng)的OR改變exp(βi)[15]。當(dāng)OR接近于1時(shí)，該屬性影響程度較小。OR值極小或極大的情況均說明此種屬性對(duì)因變量影響較大。

1.2 數(shù)據(jù)概況

銅川市地處關(guān)中平原與陜北黃土高原之間，是關(guān)中城市群中重要的產(chǎn)業(yè)基地和北部門戶樞紐城市、關(guān)中經(jīng)濟(jì)帶的重要組成部分、國(guó)家關(guān)中—天水經(jīng)濟(jì)區(qū)次核心城市。銅川市分為南北兩個(gè)市區(qū)，北市區(qū)呈帶狀分布，由兩條平行主干路承擔(dān)主要交通；南市區(qū)為典型的方格式路網(wǎng)，慢行交通出行占比較高。

本文研究數(shù)據(jù)來源于2013年銅川市居民出行調(diào)查，根據(jù)抽樣調(diào)查的相關(guān)要求，采取入戶的調(diào)查方式，范圍包括銅川市7個(gè)片區(qū)，共29.8km2，共抽取了3 628戶家庭，實(shí)際問詢調(diào)查人數(shù)為10 884人，抽樣率為3.67%。一些問卷由于填寫不完整，導(dǎo)致數(shù)據(jù)無效，經(jīng)統(tǒng)計(jì)，有效數(shù)據(jù)共計(jì)17 139條。調(diào)查內(nèi)容主要包括家庭屬性、個(gè)人屬性與出行特征3個(gè)方面。

（1）家庭屬性變量：包括家庭人數(shù)，是否有6歲以下兒童，家庭月平均收入，現(xiàn)階段小汽車、電動(dòng)車以及自行車的保有量，近五年是否有購(gòu)車計(jì)劃，家庭月交通費(fèi)用以及住地調(diào)整意愿。

（2）個(gè)人屬性變量：包括性別、年齡、是否擁有駕照、是否有工作調(diào)整意愿以及職業(yè)。

（3）出行特征變量：包括出行目的、出行方式以及出行距離。

根據(jù)調(diào)查結(jié)果，銅川市人均日出行次數(shù)為2.76次，出行者平均年齡為40歲，年齡分布范圍為7～84歲；男性占48.7%，男性中持有駕照的共1 244人，占29.8%；女性占51.3%，女性中持有駕照的為263人，占5.9%。按職業(yè)劃分，調(diào)查人群中學(xué)生占12.2%，工人及職員占37.5%，個(gè)體經(jīng)營(yíng)及農(nóng)民占50.3%。以家庭為統(tǒng)計(jì)對(duì)象，戶均自行車擁有量為0.26，戶均小汽車擁有量為0.16，有9.4%的家庭5年內(nèi)有購(gòu)車計(jì)劃。家庭月平均收入方面，500元以下占9.6%，500～1000元占比25.1%，1000～2000元占比33.5%，2000～5000元占比28.1%，5000～10000元占3.5%，10000元以上占0.2%。戶均家庭月交通費(fèi)用為185.4元。

1.3 數(shù)據(jù)特征分析

將家庭屬性、個(gè)人屬性與出行特征3種類別的變量按照不同的出行方式（步行、自行車、小汽車、大巴車、其他）進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，并與慢行交通出行相比較（見表1）。其中將職業(yè)變量進(jìn)行二分類處理，分類方式是具備上學(xué)、上班等通勤交通的職業(yè)歸為一類，其他歸為一類；將出行目的按照彈性出行與非彈性出行進(jìn)行二分類；年齡、家庭月均收入及出行距離為連續(xù)變量，無需進(jìn)行二分類處理。

表1 慢行交通出行者特征描述性統(tǒng)計(jì)

表1（續(xù)）

由表1可知：

（1）從樣本量來看，慢行交通是主要出行方式，與機(jī)動(dòng)車（小汽車、大巴車）出行人數(shù)相比，約為2∶1。

（2）從家庭屬性分析，慢行交通出行者與其他出行者自行車平均保有量之比趨近于4∶3。相比于其他出行者，月均交通費(fèi)用最低。

（3）從出行者的個(gè)人屬性分析，步行交通男女出行比例較接近。自行車交通出行者主要以男性為主，駕照持有比例最低；步行出行者涵蓋范圍較廣，平均年齡最大，而自行車出行更偏向于年輕化。

（4）從出行特征變量考慮，慢行交通以短途出行為主，步行主要承擔(dān)彈性出行，自行車主要承擔(dān)非彈性出行。

2 慢行交通出行者特性分析

2.1 二元Logistic模型回歸分析

二元Logistic回歸模型主要用來分析每種屬性的顯著性水平（Sig）、優(yōu)勢(shì)率（OR）以及可置信區(qū)間（C.I.）。待分析變量共有17個(gè)，首先采用主成分分析，對(duì)變量進(jìn)行降維處理，其KMO值為0.625。Kaiser給出的常用的KMO度量標(biāo)準(zhǔn)為：0.9以上表示非常適合；0.8表示適合；0.7表示一般；0.6表示不太適合；0.5以下表示不適合。根據(jù)此標(biāo)準(zhǔn)，本次分析的變量不適宜做主成分分析[16]。故對(duì)每個(gè)屬性變量單獨(dú)進(jìn)行Logistic回歸分析[17]，如表2所示。

表2 單因素回歸檢驗(yàn)

為闡述在步行與自行車出行行為中，出行者各屬性的優(yōu)勢(shì)比（OR），將表2中的獨(dú)立顯著性變量利用SPSS進(jìn)行二元Logistic回歸，工作調(diào)整意愿以及出行費(fèi)用由于不顯著，所以從變量中將其剔除。步行出行者特性分析結(jié)果如表3所示，步行回歸模型的預(yù)測(cè)準(zhǔn)確度為92.5%，自行車回歸模型的預(yù)測(cè)準(zhǔn)確度為95.3%，模型預(yù)測(cè)效果較好。

表3 步行選擇行為二元Logistic回歸結(jié)果

表3（續(xù)）

以步行出行者為研究對(duì)象，交通工具保有情況是影響慢行交通使用的主要因素，從表3中可得，自行車對(duì)于步行交通的使用替代程度最強(qiáng)，電動(dòng)車次之，小汽車最后[17]。擁有駕照也是減少步行概率的主要影響因素，因?yàn)閾碛旭{照后，使用小汽車的頻率會(huì)上升而步行頻率相應(yīng)降低[18]。男性選擇步行的概率僅為女性的0.552倍；職業(yè)因素影響較小，但通勤出行者選擇步行的概率要低于非通勤者。出行距離與年齡對(duì)步行選擇影響不顯著，隨著年齡的增加，出行者選擇步行的概率微弱增加，可忽略不計(jì)；出行距離增加會(huì)提高選擇步行的概率。參照出行目的統(tǒng)計(jì)，步行交通承擔(dān)了大部分的休閑娛樂與回家出行（見圖1），占比為72.77%，此種情形下出行者一般懷有鍛煉身體、放松心情等目的，出行距離較長(zhǎng)，但礙于步行交通自身的限制，一般不超過3km（見圖2）。

圖1 銅川市慢行交通出行目的構(gòu)成

圖2 銅川市慢行交通出行距離累積率

以自行車出行者為研究對(duì)象，自行車選擇行為二元Logistic回歸結(jié)果如表4所示。由表4可以看出，男性的騎行概率明顯大于女性[19-20]，是否擁有小汽車對(duì)于選擇自行車出行無顯著影響，但擁有駕照的出行者選擇自行車出行的概率會(huì)明顯降低。綜合考慮人群與出行目的，學(xué)生及職員這一類存在通勤出行的人群使用自行車的概率明顯高于以彈性出行為主的非通勤者（見圖1），自行車出行中41.92%為通勤出行。自行車擁有對(duì)于選擇自行車出行的概率增加最為顯著。與步行相反，隨著距離的增大，自行車出行選擇概率逐漸降低，出行距離一般在5km以內(nèi)[21]，如圖2所示。

表4 自行車選擇行為二元Logistic回歸結(jié)果

2.2 慢行交通出行者特性分析

通過建立二元Logistic模型，分析某些特定條件下慢行交通出行者特性。從回歸中可發(fā)現(xiàn)，每一種屬性變量的變化都會(huì)影響行為選擇的結(jié)果，但各屬性變量的影響程度不同，步行與自行車選擇行為也存在相互差異，主要表現(xiàn)在以下四個(gè)方面：

（1）步行出行者的出行特性主要有以下幾點(diǎn)：①其他交通工具的保有是影響步行選擇的主要因素；②如果家庭中有6歲以下的兒童，會(huì)降低步行選擇的概率[5]；③女性要比男性更傾向于采取步行，非通勤者采取步行的概率更高，年齡的影響不顯著；④出行目的為彈性出行的選擇步行的概率更高，例如休閑娛樂、探親訪友等等。

（2）自行車出行者的出行特性主要有以下幾點(diǎn)：①除自行車外，其他交通工具的保有對(duì)自行車出行選擇影響不顯著；②男性相比于女性更傾向使用自行車[25]，通勤者選擇自行車出行概率大幅度高于非通勤者，年齡依然不是主要影響因素；③學(xué)生及職員更愿意使用自行車，根據(jù)出行目的統(tǒng)計(jì)，自行車出行中有近一半的通勤出行；④出行距離增加會(huì)降低選擇自行車的概率，自行車出行距離累積曲線的斜率逐步放緩（見圖2），表明隨著出行距離的增加，使用人數(shù)也逐步減少。

（3）家庭人數(shù)、家庭月均交通費(fèi)用以及家庭月均收入對(duì)慢行出行的影響不顯著，這是因?yàn)槁薪煌ǔＷ鳛槎叹嚯x出行使用，與收入的相對(duì)關(guān)聯(lián)度較低。一般情況下，慢行交通不產(chǎn)生交通費(fèi)用，所以家庭月均交通費(fèi)變量在回歸結(jié)果中未體現(xiàn)。

（4）慢行交通是依靠人力的交通方式，所包含的各種方式由于其采取人力、短距離出行等共性因素，而具備相似的特性；與收入、出行花費(fèi)、年齡、工作調(diào)整等因素不存在顯著關(guān)聯(lián)，住地調(diào)整不影響其使用；但也同時(shí)存在著差別，性別、職業(yè)、目的等因素對(duì)步行與自行車出行呈現(xiàn)相反的影響，所以在慢行交通特性研究中，應(yīng)在考慮共性的前提下，充分分析各方式的個(gè)性特征。

3 結(jié)論

（1）通過數(shù)據(jù)統(tǒng)計(jì)與二元Logistic模型回歸，從17個(gè)出行者屬性變量中，選出對(duì)慢行交通影響具備統(tǒng)計(jì)學(xué)意義的變量。由于變量數(shù)目較多，難以保證回歸結(jié)果的準(zhǔn)確性，本文先使用主成分分析法進(jìn)行降維，樣本未能通過檢驗(yàn)。按照Logistic模型在SPSS中實(shí)現(xiàn)的一般方法，首先對(duì)每個(gè)參與回歸的自變量與因變量進(jìn)行回歸，再將所有通過單變量檢驗(yàn)的變量進(jìn)行Logistic回歸，采用綜合考慮數(shù)據(jù)分類與優(yōu)勢(shì)比的方法，對(duì)步行、自行車出行者特性進(jìn)行分析；研究表明，性別、職業(yè)、交通工具保有以及出行目的是慢行交通出行者的主要特征變量[23-24]。

（2）在研究過程中，家庭月均收入在單因素檢驗(yàn)中“顯著”，但在通過檢驗(yàn)的變量共同參與Logistic回歸中被舍棄；年齡雖然在回歸結(jié)果中“顯著”，但其優(yōu)勢(shì)比接近于1，說明年齡的變化對(duì)于慢行交通的選擇概率基本無影響?？梢灶A(yù)見，隨著社會(huì)經(jīng)濟(jì)發(fā)展，年齡與收入不再是影響慢行交通使用的主要因素。

（3）Logistic模型回歸可以較為清晰地闡述慢行交通出行者各特性變量對(duì)于選擇行為的影響，若進(jìn)一步研究，可通過擴(kuò)展屬性變量，并且引入多個(gè)連續(xù)性變量，以提升預(yù)測(cè)模型的精度；另外，通過細(xì)化研究區(qū)域、引入土地因素等方法也可更加準(zhǔn)確地預(yù)測(cè)區(qū)域內(nèi)慢行交通出行者的特性[12，18]。

（4）文中所統(tǒng)計(jì)的慢行交通出行來源于居民出行調(diào)查，部分具有接駁性質(zhì)的慢行交通出行難以統(tǒng)計(jì)，存在部分?jǐn)?shù)據(jù)缺失的情況。

[1] HENSHER A D.The Imbalance Between Car and Public Transport Use in Urban Australia:Why Does It Exist?[J]. Transport Policy,1998,5(4):193-204.

[2] RICHTER J,FRIMAN M,G?RLING T.Soft Transport Policy Measures:Gaps in Knowledge[J].International Journal of Sustainable Transportation,2011,5(4):199-215.

[3] RICHTER J,FRIMAN M,G?RLING T.Review of Implementations of Soft Transport Policy Measures[J].Transportation:Theory and Application,2010,2(1):5-10.

[4] VALERO C F F,PUERTA C P.Identification of the Main Risk Factors for Vulnerable Non-motorized Users in the City of Manizales and Its Relationship with the Quality of Road Infrastructure[J].Procedia-social and Behavioral Sciences,2014(162):359-367.

[5] 李聰穎，馬榮國(guó)，王肇飛.基于活動(dòng)分析法的城市慢行交通出行行為[J].長(zhǎng)安大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，31（2）：86-90.

[6] RAHA U,TAWEESIN K.Encouraging the Use of Non-mo-torized in Bangkok[J].Procedia Environmental Sciences, 2013(17):444-451.

[7] PUCHER J,KOMANOFF C,SCHIMEK P.Bicycling Renaissance in North America?:Recent Trends and Alternative Policies to Promote Bicycling[J].Transportation Research Part A:Policy and Practice,1999,33(7/8):625-654.

[8] ORTúZAR J D D,IACOBELLI A,VALEZE C.Estimating Demand for a Cycleway Network[J].Transportation Research Part A:Policy and Practice,2000,34(5):353-374.

[9] MOUDON A V,LEE C,CHEADLE A D,et al.Cycling and the Built Environment:a US Perspective[J].Transportation Research Part D:Transport and Environment,2005,10(3): 245-261.

[10]楊晨，陸建，王煒，等.基于個(gè)體出行方式選擇的自行車交通影響因素研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2007，7（4）：131-136.

[11]楊晨，王煒，陸建，等.個(gè)體因素對(duì)選擇自行車通勤的影響研究[J].武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2010，34（3）：611-615.

[12]Cao X Y,HANDY S L,MOKHTARIAN P L.The Influences of the Built Environment and Residential Self-selection on Pedestrian Behavior:Evidence from Austin,TX[J].Transportation,2006,33(1):1-20.

[13] BAGLEY M N,MOKHTARIAN P L.The Impact of Residential Neighborhood Type on Travel Behavior:a Structural Equations Modeling Approach[J].Annals of Regional Science,2002,36(2):279-297.

[14] HANKEY S,LINDSEY G,WANG X Z,et al.Estimating Use of Non-motorized Infrastructure:Models of Bicycle and Pedestrian Traffic in Minneapolis,MN[J].Landscape and Urban Planning,2012,107(3):307-316.

[15] 丹尼爾·A·鮑威斯，謝宇.分類數(shù)據(jù)分析的統(tǒng)計(jì)方法[M].任強(qiáng)，巫錫煒，穆崢，譯.2版.北京：社會(huì)科學(xué)文獻(xiàn)出版社，2009.

[16]薛薇.統(tǒng)計(jì)分析與SPSS的應(yīng)用[M].北京：中國(guó)人民大學(xué)出版社，2001.

[17]LUNDBERG B,WEBER J.Non-motorized Transport and University Populations:An Analysis of Connectivity and Network Perceptions[J].Journal of Transport Geography, 2014(39):165-178.

[18]PLAUT P O.Non-motorized Commuting in the US[J].Transportation Research Part D:Transport and Environment, 2005,10(5):347-356.

[19] ZAHRAN S,BRODY S D,MAGHELAL P,et al.Cycling and Walking:Explaining the SpatialDistribution of Healthy Modes of Transportations in the United States[J]. Transportation Research Part D:Transport and Environment,2008,13(7):462-470.

[20] 約翰·普切爾，拉爾夫·比勒，孫苑鑫.難以抵擋的騎行誘惑:荷蘭、丹麥和德國(guó)的自行車交通推廣經(jīng)驗(yàn)研究[J].國(guó)際城市規(guī)劃，2012，27（5）：26-42.

[21]MARTENS K.The Bicycle as a Feedering Mode:Experiences from Three European Countries[J].Transportation Research Part D:Transport and Environment,2004,9(4):281-294.

[22] RYLEY T.Use of Non-motorized Modes and Life Stage in Edinburgh[J].Journal of Transport Geography,2006,14(5), 367-375.

[23] RUIZ T,BERNABJ C.Measuring Factors Influencing Valuation ofNonmotorized ImprovementMeasures[J]. Transportation Research Part A:Policy and Practice,2014, 67:195-211.

[24]徐婷，藍(lán)臻，胡大偉.出行成本對(duì)居民出行方式的影響[J].交通運(yùn)輸工程學(xué)報(bào)，2013，13（1）：91-97.

Urban Non-Motorized Travelers′Characteristics Based on Logistic Model

AN Rui,LIU Yuan-yuan,HAN Jun-hong,ZHANG Xing-yu
(School of Highway,Chang′an University,Xi′an 710064,China)

To control motor vehicle pollution and further improve the usage rate and service level of non-motorized system,the non-motorized travelers′characteristics were studied.The travel survey data of Tongchuan was classified into three categories which were family,individual and travel characteristics.A Binary Logistic Model was established by SPSS and the Odds Ratio(OR)was taken as the main evaluation criterion to identify the main factors that influenced the usage of non-motorized vehicle and further describe the travelers′characteristics.The results show that the distance of walking is less than 3km and that of cycling is less than 5km.Different attribute variables have different influence on the choice of non-motorized travel modes and the influence variables of walking and cycling also differ. Women prefer walking while men are more likely to choose cycling.Non-commuting travel are mainly carried out by walking.The increase of vehicle ownership will reduce walking but has little influence on cycling.There is no significant relationship between household income and non-motorized usage.

non-motorized;travelers′characteristic;Logistic Model;Odds Ratio;travel behavior

U491.2

A

2095-9931（2015）06-0026-07

10.16503/j.cnki.2095-9931.2015.06.005

2015-10-08

國(guó)家自然科學(xué)基金項(xiàng)目（51178055）

安睿（1991—），男，內(nèi)蒙古呼倫貝爾人，碩士研究生，主要研究方向?yàn)榻煌ㄕ吲c管理制度。E-mail：853733064@qq.com。