葉玉玲 陳俊晶 劉小亞

高鐵站與市內交通換乘銜接選擇研究*

葉玉玲1陳俊晶2劉小亞3

（1.同濟大學道路與交通工程教育部重點實驗室，201804，上海；2.中鐵上海設計院集團有限公司，200070，上海；3.昆山市規(guī)劃設計有限公司，215300，昆山∥第一作者，副教授）

目前我國大多數(shù)高鐵車站的選址都遠離城市中心，造成高鐵站與城市交通接駁困難及旅客出行換乘的不便。對高鐵中間站旅客的個人特征、出行特征及換乘特征進行了調研與分析，綜合考慮旅客的換乘特征，建立了反映旅客隨機喜好性的換乘銜接選擇模型。創(chuàng)新性地對模型中的效應函數(shù)進行了改進，將擁擠度、換乘次數(shù)、候車時間及延誤時間等服務水平變量作為判斷變量，在計算時考慮進來。計算結果表明，改進后的模型有更高的擬合度，可更有效地反映高鐵旅客的換乘選擇行為，為改善接駁工作提供參考。

高鐵站；交通銜接；服務水平；Mixed Logit模型

近年來，隨著中國的高速鐵路（以下簡稱“高鐵”）建設的快速發(fā)展，高鐵站已成為區(qū)域交通與城市交通之間轉換的一個重要節(jié)點。高鐵車站的位置大多位于郊區(qū)，目前其客流處于培育階段。因此，高鐵車站與城市交通之間的便捷銜接是發(fā)展客流的有效措施，對城市發(fā)展和大眾出行也有著重要的影響。此外，開展高鐵旅客換乘研究，將有利于提高鐵路樞紐客流分配的效率，提高旅客滿意度，對增加高鐵客運市場占有率有重要作用。

國外的大量研究［1-3］主要集中在綜合客運樞紐或普通鐵路車站換乘時間、路徑選擇和旅客換乘需求方面，針對高鐵客運站與城市交通銜接的研究較少。國內現(xiàn)有研究［4-5］一般偏好案例介紹、客流分配模型確定、影響因素獲取和換乘機制，分配模型的應用普遍集中在運輸通道出行方式的選擇上，很少應用于站點換乘。雖然部分文獻［6-8］研究了高鐵站點的旅客集散換乘，使用的模型主要是MNL或Nested Logit模型，但其效用函數(shù)的系數(shù)是定值，很難反映乘客的偏好差異。此外，效用函數(shù)并沒有從高鐵旅客的個性化換乘特征的角度來分析，如換乘次數(shù)、候車時間、擁擠程度高和延誤時間，缺乏“以人為本”的視角來研究旅客的選擇。

本文以滬杭城際鐵路的中間站為例，研究了高鐵站區(qū)換乘旅客的個體特征、出行特征、對服務水平的感知特征，以旅客的個性化特征為主要考慮點，建立了反映旅客隨機喜好性的選擇模型，并對模型中的效應函數(shù)進行了改進，在出行費用、時間的基礎上增加了以擁擠度、候車時間、換乘次數(shù)、延誤時間為代表的服務水平的變量，并將這些服務水平作為判斷變量。只有當這些服務水平低于服務水平的期望值時才考慮，即在效用函數(shù)中給予一個處罰值，由此得到各種銜接方式的分擔率。通過與實際調查結果驗證，該方式選擇的方法效果更好。

1 數(shù)據(jù)準備

1.1 調查方法及內容

為了分析大城市高鐵站旅客特征和樞紐站換乘特征，本文選取了滬杭城際的某個中間站進行研究。在調查方法的選取上，采用了隨機抽取站內旅客進行問卷調查的形式。設計的調查問卷為RP調查，內容設計上主要針對旅客的個人基本信息（性別、年齡、職業(yè)和月可支配收入）及本次出行情況（出行的目的、時間、目的地及換乘方式等）。

1.2 數(shù)據(jù)分析

1.2.1 旅客個人特征

本次調查于2014年4月間進行，調查地點為嘉興南站?？傆嫲l(fā)放問卷500份，其中回收有效問卷476份，回收率達95.2%。下面從旅客的職業(yè)分布及月可支配收入水平進行統(tǒng)計分析。

表1 滬杭城際鐵路嘉興南站旅客職業(yè)分布表

（1）職業(yè)分布：調查問卷將旅客的職業(yè)劃分為工人、農(nóng)民、商務人員、學生、教師、軍人、公務員、技術人員及其他這9類。調查結果（見表1）表明商務人員、技術人員、學生、教師及公務員是高鐵的主要客流。

（2）收入水平：根據(jù)調查，將收入分為五個檔次分別為2 000元以下、2 000～4 000元、4 000～6 000元、6 000～8 000元和8 000元以上，調查結果如圖1所示，旅客的月收入水平呈現(xiàn)兩頭低中間高的分布特征，處于4 000～6 000元的旅客所占比重為33.8%。

圖1 滬杭城際鐵路嘉興南站旅客收入水平圖

1.2.2 旅客出行特征

（1）出行目的：從整體上看，旅客出行目的排在前三位的依次是公務、旅游和探親，這部分客流占整體比重的三分之二。

（2）選擇高鐵出行的首要因素：如圖2所示，對旅客選擇高鐵出行影響較多的因素依次是快速、準點、安全和舒適，而便利性和票價明顯較低，反映出目前高鐵在周邊換乘交通的設施配置和票價制定上仍有需要改進的地方。

圖2 旅客選擇高鐵出行的首要考慮因素

1.2.3 旅客換乘特征

服務水平期望值指標作為旅客評判服務水平的標準，具體包括最大候車時間、最大擁擠度、最大換乘次數(shù)、最大延誤的期望值。不同服務水平的期望受到影響因素的影響程度不同，僅靠單個因素不能體現(xiàn)其真實值，因此應考慮期望值的主要影響因素，如擁擠度的最大能容忍差異主要是受職業(yè)和收入因素的影響。

服務水平期望=主要相關因素的影響權重×不同i因素下加權后的期望值

即：

式中：

uk——k指標服務水平期望；

βj，k——k指標服務水平受j因素影響的權重；

μj，k——從j因素的角度k指標服務水平期望值；

αij——第i種j因素的旅客占高鐵旅客的比例；

μij，k——第i種j因素的旅客的k指標服務水平加權均值。

為顯化旅客的換乘特征，對旅客對服務水平的感知與可接受程度進行了調查，就“你到或離開此高鐵站時選擇公交、出租車、小汽車能忍受的最大候車時間、最大擁擠度、最大換乘次數(shù)、最大延誤”的問題進行了調查。

1.2.3.1 擁擠度

在3種銜接交通方式中，出租車、小汽車基本不存在擁擠狀況，因此本文的統(tǒng)計分析僅針對公交車。問卷將車內擁擠度劃分為車上有空位、沒座位但空間寬敞、沒座位但空間較擁擠和很難擠上車4個等級，分別用0、1、2、3來表示。統(tǒng)計得到不同職業(yè)和收入水平的旅客對于選擇交通工具時最大能忍受的擁擠度。職業(yè)方面：商務人員、教師、技術人員對是否有座位敏感性較高；10%的教師、技術人員，以及15%的商人無法忍受車內沒有座位。收入方面：收入水平在2 000元以下的24%的能容忍等級為2，而4 000元以上的能容忍等級為2或3的比例很低。綜合考慮幾種職業(yè)的人群，求得每種職業(yè)能忍受的擁擠度的加權均值及不同收入水平最大能忍受的擁擠度加權值，如表2、3所示。

表2 每種職業(yè)最大能忍受的擁擠度的加權均值

表3 不同收入水平的旅客對服務水平的期望值

通過加權平均法求得不同職業(yè)及按收入水平的最大能忍受的擁擠度分別為1.16和0.877。運用SPSS軟件求擁擠度期望水平與職業(yè)和收入水平的相關性，由于這幾個數(shù)據(jù)都屬于分類變量，采用Spearm相關系數(shù)擬合的方法，得到擁擠度與收入水平、職位的相關性系數(shù)分別為-0.217和0.287，量綱一化取權重分別為0.43和0.57。計算后得到擁擠度期望值為1.04。

1.2.3.2 換乘次數(shù)

由于出租車和私人小汽車都不需要換乘，因此下面的統(tǒng)計分析僅針對公交車。對于換乘次數(shù)，不同收入的乘客差異明顯。將最大能忍受的換乘次數(shù)劃分為4個等級，分別用換乘0、1、2、3次來表示。經(jīng)統(tǒng)計，收入水平≤6 000元的旅客最大能忍受的換乘次數(shù)都大于等于2次，而30%～40%收入≥8 000元的旅客不能忍受乘坐公交車還需要換乘。綜合考慮幾種收入的人群，得到各收入水平最大能忍受的換乘次數(shù)的加權值，如表3所示。計算后得到旅客平均最大能忍受的換乘次數(shù)為1.23次。

1.2.3.3 候車時間

由于選擇私人小汽車不需要候車等待，故下面的統(tǒng)計分析僅針對公交車與出租車。

（1）公交車候車時間：不同收入及出行目的的旅客其對候車時間的敏感性差異較大。高收入乘客對時間更敏感，公務出行或上學等對時間敏感性強的要求候車時間短。因此，分別計算上述兩個方面，得到不同收入水平（見表3）及不同出行目的（見表4）的旅客最大能忍受的公交車候車時間的加權值。經(jīng)計算，得到不同收入水平及出行目的高鐵旅客最大能忍受的候車時間分別是9.56 min和13.4 min。運用SPSS軟件分析得出相關性系數(shù)分別為0.29和0.146，量綱一化后權重為0.67和0.33。最后得到高鐵旅客對公交車的最大能忍受候車時間為10.8 min。

表4 不同出行目的的旅客對服務水平的期望值

（2）出租車候車時間：對于出租車，乘客對候車時間的敏感性高于公交車，總體以0～10 min為主要可接受的范圍。73%收入超過8 000元的乘客，預計可接受的候車時間為5 min，僅50%的打工人群能忍受15 min以上。計算得出按各出行目的和收入水平可接受的出租車候車時間的加權平均值（見表3、4）。根據(jù)出行目的及收入水平，由公式計算得到旅客對出租車候車時間的期望值分別為8.5 min和6.54 min。相關性系數(shù)分別為0.252和0.327，量綱一化各自權重為0.44和0.56，由公式計算得到高鐵旅客對出租車的最大能忍受候車時間為7.64 min。

1.2.3.4 延誤時間

（1）公交延誤時間：乘客對公交車延誤的感知差異源于不同的出行目的，而收入因素對其影響不大。高鐵旅客能忍受的延誤時間集中在10～15 min，70%以上的公務人員旅客不能忍受延誤超過15 min。不同出行目的旅客最大能忍受的公交車延誤時間的加權值如表3所示。由公式計算可得公交車延誤水平期望值為13.24 min。

（2）出租車延誤時間：出租車的延誤主要與道路路況和交通不穩(wěn)定有關。調查結果顯示乘客對出租車的延誤容忍度更低，60%以上公務人員要求出租車的延誤在5 min以內。不同出行目的旅客最大能忍受的出租車延誤時間的加權值如表3所示，由公式計算得延誤水平期望為8.8 min。

通過上面分析得到了高鐵旅客選擇換乘方式時對各服務水平指標的期望值（見表5），體現(xiàn)了旅客對擁擠度、換乘次數(shù)、候車時間、延誤時間等最大能忍受的平均水平。該結果將作為構建效用函數(shù)和Logit模型的重要參考。

表5 不同銜接交通方式選擇時的服務水平期望值

2 模型建立與求解

2.1 Mixed Logit模型

Mixed Logit從形式上為Logit模型的積分形式，其選擇概率可看成Logit模型選擇概率的加權平均值，其表達式如下：

式中：

Vni——第i種交通方式的效用函數(shù)；

β→——隨機變量，可以服從正態(tài)分布、對數(shù)正態(tài)分布；

f（β→｜θ）——反映喜好性隨機分布的密度函數(shù)。

Mixed Logit模型各特性變量的權重由反映喜好性隨機分布的密度函數(shù)決定其待估參數(shù)，不像上面的Logit模型是一個固定值，而是符合一定分布的一個向量，這種分布體現(xiàn)了不同旅客喜好性特征。其中分布函數(shù)可以是正態(tài)分布、對數(shù)正態(tài)分布、均勻分布、三角分布，各種分布各有其優(yōu)缺點，但目前常用的是正態(tài)、對數(shù)正態(tài)、三角分布，常根據(jù)具體情況對分布函數(shù)做出選擇。在模型計算中選擇的依據(jù)是根據(jù)邏輯、經(jīng)驗以及具體的實際數(shù)據(jù)做出選擇，例如時間、費用的參數(shù)估計必然是負值，在這基礎上迭代到最大似然最大的情況為最優(yōu)解。

2.2 改進的效用函數(shù)

大多研究在分析時選擇的主要影響因素為出行費用及時耗，在此本文將高鐵旅客對候車時間、舒適性等體現(xiàn)服務水平的因素考慮進來，但這些因素不是高鐵旅客選擇時的必然考慮因素，僅僅當提供的服務水平低于一個難以忍受的值的時候才考慮進來，這里將這個值定義為服務水平的期望。

改進的選擇枝i的表達式為：

式中：

xi1、xi2、xi3——分別表示交通方式i時的出行費用、出行時耗、是否攜帶大件行李；

xi4、xi5、xi6、xi7——分別表示交通方式i時的擁擠度、換乘次數(shù)、候車時間、延誤服務水平；

u（xi4）、u（xi5）、u（xi6）、u（xi7）——高鐵旅客對i交通方式的擁擠度、換乘次數(shù)、候車時間、延誤水平等服務水平的期望值；

θi1、θi2、θi3、θi4、θi5、θi6、θi7——分別表示交通方式i時的出行費用、出行時耗、是否攜帶大件行李、擁擠度懲罰值、換乘次數(shù)懲罰值、候車時間懲罰值、延誤懲罰值指標的未知參數(shù)。這些未知參數(shù)不是一個固定值而是反映各旅客喜好特征的隨機分布函數(shù)。

2.3 模型求解

Mixed Logit模型的表達式表明選擇概率的表達式是非顯性的，因此無法使用解析法進行求解，而且當特性變量的維數(shù)超過二維時，其積分計算將變得特別復雜，因此宜采用適應性強且易操作的極大似然估計法。

3 擬合結果

3.1 分擔率結果對比分析

分析結果（見表6）表示，高鐵站各交通方式分擔率擬合值與調查值的相對誤差保持在5%以內，公交車和出租車的擬合值比調查值偏大，而小汽車的偏小。從誤差水平看，公交車和出租車的擬合效果很好。由于該站無地鐵換乘，而公交車的發(fā)車間隔較大，故30.36%的旅客選擇出租車換乘。這是大城市高鐵站換乘的特征之一：對費用的敏感性不高，對時間、換乘靈活性要求高。

表6 不同出行方式的分擔率對比

3.2 影響分擔率的各因素分析

根據(jù)Nlogit 5軟件分析的結果顯示，其擬合性較好，得到最優(yōu)的迭代結果見表7。

表7 Mixed Logit模型的參數(shù)估計結果

三角分布是單側型的分布，例如時間、費用的值越大，效用越小，而其他的分布得出的擬定結果和實際不符。從表中可知高鐵旅客選擇城市交通銜接方式時出行的時間、費用是首要考慮因素。同時，結果表明旅客對時間的敏感性要高于費用，這與常規(guī)的出行選擇是有些差異的，但考慮到高鐵旅客的時間價值高以及公交便捷性差的特征，則可以理解。就服務水平的指標進行分析：候車時間是旅客考慮的主要因素，次之是擁擠度、換乘次數(shù)及延誤。因可供選擇的都是路面交通，受紅綠燈、路況影響的差異不大，所以在選擇時考慮延誤的因素很少。根據(jù)上面的分析，若想通過提高服務水平而提高某種交通方式的分擔率，主要的考慮的點是候車時間。通過候車時間的改善，可提高選擇效用值。

4 結論

本文以滬杭城際鐵路嘉興南站為例，分析了高鐵旅客的個人特征、出行特征及換乘特征，同時調查了旅客換乘時對各種交通方式的擁擠度、候車時間、換乘次數(shù)、延誤時間的服務水平要求。選擇了能彌補普通Logit模型IIA特性和喜好隨機性限制缺陷的Mixed Logit模型。創(chuàng)新性地對模型中的效用函數(shù)進行了改進，在出行費用、時間的基礎上考慮了以擁擠度、候車時間、換乘次數(shù)、延誤時間為代表的服務水平的變量，當這些服務水平低于服務水平的期望值時給予一個處罰值。通過計算得出各影響因素的影響系數(shù)，可應用于高鐵站客流組織管理與接駁交通運營管理，同時有利于臨時公交調度方案的建立。

［1］ WINNIE D.Land use&transit integration and transit use incentives［J］.Transportation Research Board，1998，1618（1）：39.

［ 2 ］ DE C J，F(xiàn)ERNANDEZ J E.Transit assignment for congested public transport systems：an equilibrium model［J］.Transportation Science，1993（27）：13.

［ 3 ］ SHRIVASTAV A P，DHINGRA S L.Development of coordinated schedules using genetic algorithms［J］.Journal of Transportation Engineering，2002，128（1）：89.

［4］ 彭群潔，徐良杰.鐵路客運樞紐旅客離站換乘決策方法研究［J］.武漢理工大學學報（交通科學與工程版），2013（1）：192.

［5］ 王令.武廣高速鐵路新長沙站交通銜接規(guī)劃研究［D］.長沙：長沙理工大學，2009.

［6］ 周軍.高鐵客運樞紐與城市交通銜接方式優(yōu)化研究［D］.武漢：武漢理工大學，2013.

［7］ 李華民，黃海軍.混合Logit模型的參數(shù)估計與應用研究［J］.交通運輸系統(tǒng)工程與信息，2010，10（5）：73.

［8］ 王樹盛，黃衛(wèi)，陸振波.Mixed Logit模型及其在交通方式分擔中的應用研究［J］.公路交通科技，2006，23（5）：88.

［9］ 楊柳.重慶軌道交通換乘銜接標準體系建設探討［J］.都市快軌交通，2015，28（6）：115-118.

Selection of Transfer Connection between High-speed Railway Station and City Traffic Facilities

YE Yuling，CHEN Junjing，LIU Xiaoya

Currently，most of the high-speed railway stations are located far away from the city center，resulting in the difficulties of transfer connection between high-speed railway station and city traffic facilities,also in the inconvenience for passengers.In this paper,the personal characteristics,trip characteristics and transfer characteristics of high-speed railway passengers are investigated and analyzed.Based on the collected data，a model of transfer selection is proposed，which can reflect the stochastic preference of passengers.Then,the utility function of the model is improve with service level as the judging variables in the calculation，including the congestion degree，transfer time，waiting time and delay time.The results show that the improved model has higher fitting degree，and reflects the transfer behavior of high-speed railway passengers more effectively，thus providing a reference for the improvement of transfer connection.

high-speed railway station；transfer connection；service level；Mixed Logit model

U238.4；U491.1+12

10.16037/j.1007-869x.2017.11.011

First-author′s address Key Laboratory of Road and Traffic Engineering Ministry of Education，Tongji University，201804，Shanghai，China

*“十三五”國家科技支撐計劃項目（2016YFB1200401）

2017-04-21）