吉淑娥，劉財，張平，李萬平

(1.黑龍江工程學院 汽車與交通工程學院 哈爾濱 150050；2.中交第三公路工程局有限公司 北京100000)

城市居民出行行為模型分析
——以哈爾濱為例

吉淑娥1，劉財2，張平1，李萬平1

(1.黑龍江工程學院 汽車與交通工程學院 哈爾濱 150050；2.中交第三公路工程局有限公司 北京100000)

為了促進大城市內(nèi)部交通的協(xié)調(diào)發(fā)展，依據(jù)城市居民出行調(diào)查方法，以往來哈爾濱市松花江兩岸居民的出行行為為研究對象，分析影響因素并結(jié)合相關參數(shù)，建立多元線性回歸模型以及雙層Logit出行方式選擇模型，針對往來兩岸出行比例影響較大因素，定量分析參數(shù)之間相互影響關系，并通過實例驗證模型的有效性，為城市的整體交通發(fā)展規(guī)劃提供必要的依據(jù)。

居民；出行行為；多元回歸；Logit模型

0 引言

為了滿足城市居民的出行需求，準確把握居民的出行行為，可對城市的整體交通發(fā)展規(guī)劃提供必要的依據(jù)[1]。哈爾濱市目前以松花江隔開南北兩地，由于經(jīng)濟發(fā)展與社會需求的不同導致兩地交通發(fā)展存在一定的不協(xié)調(diào)性，研究哈爾濱市江南江北城市居民出行行為特征，可通過構建出行多方式選擇模型，有效預測居民出行行為對兩地交通、環(huán)境及其他社會因素的影響，為交通規(guī)劃及管理部門制定實施交通協(xié)調(diào)發(fā)展策略提供科學依據(jù)[2-4]。

1 多元線性回歸模型實證分析

1.1 樣本選擇與分析

文章以哈爾濱為例，根據(jù)松花江兩岸居民的基本出行特性，通過選取兩地有代表性的出行區(qū)域，遵循專業(yè)交通調(diào)查原則及方法進行實地及網(wǎng)絡同步調(diào)查，調(diào)查樣本數(shù)據(jù)匯總分析見表1。

1.2 影響因素分析

根據(jù)調(diào)查結(jié)果，隨機選取1000個樣本，利用多元線性回歸模型對江南江北居民出行比例分析，選取影響因素分別為：性別(x1)、職業(yè)(x2)、年齡(x3)、人口數(shù)量(x4)、擁有交通工具情況(x5)、出行是否往來江南江北(x6)、到達目的地的時間(x7)、家庭居住地(x8)、個人收入情況(x9)，對因素進行初步篩選及剔除[5]、分組、歸類后，見表2。

表1 調(diào)查樣本基本情況統(tǒng)計表

表2 居民出行影響因素分析表

1.3 模型的參數(shù)計算與檢驗

建立多元線性回歸方程模型分析個人出行方式比例:

Y=a+b1x1+b2x2+b3x3+…+bmxm。

(1)

模型中因變量y為往來出行率(包括江南到江北和江北到江南的出行率之和，其中往返出行算一次出行)，自變量x為居民的個人屬性和出行屬性，a和bj(j=1,2……，p)為回歸系數(shù)。

對多元線性回歸模型求解，利用最小二乘法求解回歸系數(shù)a和bj，i=1,2……n，j=1,2……，p的值，即誤差平方和達到最小時的a和bj的值為最佳估計值[6-7]。

(2)

式中：SSE是估計平方和。

回歸方程的顯著性檢驗可以用統(tǒng)計量F作檢驗：

(3)

式中：SSR是殘差平方和。

統(tǒng)計量F服從自由度為(p,n-p-1)的分布，因此，在給定的顯著性水平下，若F>a，認為回歸方程是顯著的，當回歸方程經(jīng)檢驗是顯著的時候，應進一步對各bj做檢驗，以剔除不太重要的變量。運用逐步回歸的方法剔除影響不顯著的變量，得出估計參數(shù)[5]。

1.4 模型實證分析

將以上選取的9個因素作為往來江南江北比例的影響因素，所以得到的多元線性回歸模型見公式(4)：

y=a+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+b8x8+b9x9。

(4)

帶入模型得到回歸結(jié)果見表3。

表3 出行比例影響因素回歸模型結(jié)果

在置信度為92%的條件下，F(xiàn)檢驗的絕對值均大于1.45，參數(shù)的符號正確[6-7]，模型的擬合度R2值為0.82，說明所建立方程有較好擬合度，選取的自變量對因變量有線性影響關系。把參數(shù)帶入模型中得到往來兩岸出行比例的多元線性回歸方程：

y=1.023-0.03x1-0.043x-0.02x3+0.007x4-0.012x5+0.010x6-0.006x7+0.004x8-0.045x9。

(5)

1.5 模型參數(shù)分析

分析各組因素在其他因素不變的前提下對往來出行比例的影響[8-9]。

(1)收入、性別和職業(yè)的影響。收入和職業(yè)對往來兩岸出行比例的影響參數(shù)分別為-0.045、-0.043，對于居民往來江南江北影響較大，說明收入越高往來江南江北的比例也就更大，反之往來兩岸的比例也就越少。同時也說明有職業(yè)者來往江南江北的比例要高于無職業(yè)者。

性別對往來兩岸出行比例的影響參數(shù)為-0.030，說明男性往來兩岸的比例要高于女性，女性相對于男性對往來出行比例起了相反的作用。

(2)年齡和家庭人口數(shù)量的影響。家庭人口數(shù)量的影響參數(shù)為0.007，說明家庭方面人口數(shù)量越多，往來出行比例越大，但影響效果不大。

年齡方面對往來兩岸出行比例的影響相比較性別因素影響較小，說明年齡越大往來兩岸的比例也就跟高，但此因素屬于正態(tài)分布，到達一定年齡時比例也就隨之減小。

(3)是否擁有交通工具的影響。是否擁有交通交通工具對往來兩岸出行比例的影響參數(shù)為0.012，說明家庭有交通工具則會增加往來的比例。

2 Logit模型實證分析

2.1 樣本選擇與分析

選取之前調(diào)查數(shù)據(jù)樣本，建立了雙層Nested Logit模型，對往來江南江北出行的出發(fā)時間段和出行方式選擇行為進行了研究[10]。其中上層出發(fā)時間選擇以8點為界的兩個時段，從樣本中去除了所有返回出行，一天只有一個出行高峰，主要聚集在上午5點到8點)；下層參數(shù)選取了出行方式選擇，據(jù)前文介紹，把出行方式分為非機動方式，公共交通，出租車和私家車4種[11-12]。

在選取樣本分析當中，兩個時段出行所占比例分別為54%和46%。4種交通出行方式所占比例依次為：1.非機動方式：15%；2.公共交通：51%；3.出租車：18%；4.私家車：16%。

2.2 影響因素分析

以兼顧社會經(jīng)濟特性、出行屬性及服務屬性為前提，本模型所研究的往來兩岸的出發(fā)時間和出行方式因素，經(jīng)初步篩選及相關度檢驗后，共包括了11個影響因素，見表4。其中因素x1～x5、x7～x9解釋同上，活動時間為x6、出行時間為x10、出行目的為x11。

表4 影響因素注釋

其中，收入分為三類：低收入者指收入2 000元以下(包括無收入)人群；中收入者指收入2 000～5 000元人群；高收入者指收入8 000元以上人群。

2.3 模型的參數(shù)估計

根據(jù)對出行方式影響因素的考慮，選取下層出行方式選擇模型的相關7個影響因素[13]，分別為性別、職業(yè)、年齡、個人收入、擁有交通工具情況、活動時間、出行時間 、出行目的，將變量帶入模型，以非機動方式為模型的參考對象，通過回歸得出其他幾種出行方式相對于非機動方式的參數(shù)估計結(jié)果見表5。

表5選擇4種交通方式進行估計，其中擬合度為0.573，估計命中率為72.1%，可見下層模型的精度較高。根據(jù)非集計模型所得出預測概率的發(fā)生比，可得其他三種交通方式相對于步行的概率比：

(6)

居民n選擇公共交通對非機動方式的概率比為：

(7)

同理可得居民n選擇出租車對非機動方式的概率比及選擇私家車對非機動方式的概率比。然后，根據(jù)下層估計得出的參數(shù)計算包容系數(shù)[2]μ1。使其作為上層模型的一個影響因素，同時列入上層模型的選擇因素，將變量帶入，以8點以后出發(fā)時間為參考對象得出估計結(jié)果見表6。

表6 往來居民出發(fā)時間選擇模型參數(shù)估計結(jié)果

表6中符號注釋同上，由計算結(jié)果可知，包容系數(shù)μt的參數(shù)估計值為0.151，在(0，1)之間，通過檢驗；擬合度合理，模型中下層方式選擇得出的命中率為72.1%，表明對往來居民出行方式選擇的預測平均正確率為72.1%，上層出發(fā)時間選擇得出的命中率為66.1%，表明對往來居民出行的出發(fā)時間選擇的預測平均正確率為66.1%。綜上所述，建立的NL模型精度較高。

出行者n在8點以前出發(fā)時間相對于8點以后出發(fā)時間的概率比為：

(8)

因此，結(jié)合兩層選擇的概率發(fā)生比，求得出行者n在往來江南江北的同時出發(fā)時間和出行方式兩個選擇的概率發(fā)生比：

(9)

2.4 模型參數(shù)分析

參數(shù)分析用于分析每種選擇對其他參數(shù)影響的變化，一般估計系數(shù)大于1時，說明這個因素對預測結(jié)果影響比較大。在上層模型中，出行目的對出發(fā)時間的選擇影響參數(shù)為1.173，職業(yè)影響參數(shù)為0.641，可見職業(yè)者上班出行占8點前出行主要的比例。在下層出行方式選擇模型中，分析了其他三種出行方式相對于步行的選擇概率[14]。

(1)出租車的選擇影響因素較大的為個人收入、活動時間，參數(shù)分別為2.136、1.486，由于有更多的個人收入所以更多的高收入者會選擇出租車作為往來江南江北的出行方式。其次活動時間方面，活動時間越大說明彈性出行的可能性越大，更多屬于娛樂購物等，所以在居民花費更多活動時間時會選擇出租車。

(2)公共交通的選擇影響因素較大的為職業(yè)、出行時間，參數(shù)分別為3.112、2.286，可見上班族多趨于選擇公共交通出行方式，用時較長的出行選擇公共交通的出行方式更多。

(3)私家車的選擇影響因素較大的有是否擁有交通工具、職業(yè)，參數(shù)分別為0.918、0.732，隨著居民生活水平的不斷提高，小汽車擁有量不斷增加，特別是上班族更多的會選擇自駕出行方式。

3 結(jié)束語

本文在數(shù)據(jù)分析的基礎上，利用多元線性回歸模型，定量分析了居民的各項屬性對于往來松花江南北出行比例的影響，得出收入和職業(yè)這兩個因素對出行比例影響較大，文章構建的雙層Logit模型定量地分析了各參數(shù)之間相互影響關系，為兩岸交通管理協(xié)調(diào)發(fā)展奠定基礎。

[1]秦雪.西安市游客旅游交通行為分析與研究[D].西安：西北大學，2010.

[2]甄茂成.基于軌道交通發(fā)展的北京城市居民工作出行行為特征研究[D].北京：首都師范大學，2014.

[3]邱小平，孫若曉.基于CDMA系統(tǒng)手機定位的居民出行OD調(diào)查技術[J].公路工程，2015，40(1)：84-89.

[4]何山，朱健梅.基于BP神經(jīng)網(wǎng)絡的個體出行模式識別研究[J].公路工程，2014，39(5)：304-306.

[5]ScheinerJ，Holz-RauC.Genderedtravelmodechoice：afocusoncardeficienthouseholds[J].JournalofTransportGeography，2012，24(4)：250-261.

[6]申悅，馬修軍，趙瑩.北京居民活動與出行行為時空數(shù)據(jù)采集與管理柴彥威[J].地理研究，2013，32(3)：441-451.

[7]楊碩，鄧衛(wèi)，程龍.基于家庭的城市居民活動出行行為研究綜述[J].交通運輸工程與信息學報，2016，1(2)：92-100.

[8]姜沂兵.基于出行方式選擇和交通政策影響的系統(tǒng)優(yōu)化研究[D].北京：北京交通大學，2016.

[9]陸偉，周博，安麗，等.居住區(qū)老年人日常出行行為基本特征研究[J].建筑學報，2015，1(13)：176-179.

[10]姚麗亞，孫立山，關宏志，基于分層Logit模型的交通方式選擇行為研究[J].武漢理工大學學報，2010，34(4)：738-741.

[11]曹小曙，林強.基于結(jié)構方程模型的廣州城市社區(qū)居民出行行為[J].地理學報，2011，63(2)：167-177.

[12]吳逸思，柴彥威，郭文伯.基于巡回的郊區(qū)居民一周出行行為日間差異——以北京市上地-清河地區(qū)為例[J].人文地理，2015，6(146)：27-33.

[13]Gulyani DSS.Mobility，Poverty，and Gender：Travel ’Choices’ of slum residents in Nairobi，Kenya[J].Transport Reviews，2010，30(5)：641-657.

[14]Anggraini R，Arentze TA，Timmermans HJP.Car allocation decisions in car-deficient households：the case of non-work tours[J].Transportmetrica，2012，8(3)：209-224.

Travel Behavior Model Analysis of City Residents in Harbin

Ji Shue，Liucai，Zhang Ping，Li Wanping

(1.Heilongjiang Institute of Technology，Harbin150050，Heilongjiang province；2.China Transportation Third Highway Engineering co.，LTD，Beijing，100102)

In order to promote the coordinated development of the internal traffic of the city，the residents of South and North of Songhua River in Harbin were taken as the research objects according to the survey method of their travel behavior.Factors that affects travel behavior and the relevant parameters were analyzed.A multiple linear regression model and the double Logit choice model were established.The quantitative analysis of the interaction relationship between parameters was conducted on cross-strait travel ratio influence factors and the validity was verified by the examples.The results of this study provide the necessary basis for overall transportation development planning of the city.

residents；travel behavior；multiple regression；Logit model

2016-06-21

黑龍江省教育廳科學技術研究項目(12541662)；黑龍江省大學生創(chuàng)新項目(201511802034 )

吉淑娥，博士研究生，講師。研究方向：交通工程。E-mail：83407860@qq.com

吉淑娥，劉財，張平，等.城市居民出行行為模型分析——以哈爾濱為例[J].森林工程，2017，33(1)：82-86.

U 491

A

1001-005X(2017)01-0082-05