張?zhí)m芳，卞 韜，張 亮

(1.同濟大學交通運輸工程學院，上海201804；2.中國民航機場建設集團公司，北京100101)

基于NNLL模型的大型機場接駁方式選擇研究

張?zhí)m芳1，卞 韜1，張 亮2

(1.同濟大學交通運輸工程學院，上海201804；2.中國民航機場建設集團公司，北京100101)

基于上海浦東國際機場出發(fā)旅客出行調查數(shù)據，研究航空旅客機場接駁方式選擇的影響因素。將潛在變量分為接駁方式服務水平(包括時間、費用等)和旅客個體屬性(包括旅客類型、出發(fā)地等)，通過相關性檢驗等方法確定關鍵解釋變量。以嵌套Logit(NL)模型為理論基礎，指出機場不同類型旅客接駁方式選擇的差異性，并以商務旅客為例，利用模型預測各接駁方式比例。模型結果顯示：出行時間和出行費用是影響機場接駁方式選擇的最重要因素；車內時間和車外時間在兩類潛在變量中體現(xiàn)出不同的顯著性；攜帶行李數(shù)量(便捷性)和舒適性等也影響接駁方式的選擇。最后，利用北京首都國際機場數(shù)據對模型實用性進行評價。

接駁方式；航空旅客；Logit模型；離散選擇；公共交通；私人交通

1 相關研究概述

機場是連接航空系統(tǒng)與地面交通系統(tǒng)的基礎性設施，機場接駁方式選擇預測是機場規(guī)劃建設、運營以及機場交通系統(tǒng)管理的基礎性工作。機場接駁方式選擇研究中非集計模型的應用已有40年的歷史，多項式Logit模型(MNL)和嵌套Logit(NL)模型已經被廣泛應用。文獻[1]早在1974年運用MNL模型對美國華盛頓機場進行研究，選取私人小汽車、租賃車、出租汽車、大型巴士四種接駁方式，將出行目的、接駁時間和接駁費用作為模型參數(shù)。接下來的10年內又有諸多研究者針對MNL模型進行研究，如文獻[2]針對美國巴爾的摩市和馬里蘭州地區(qū)的3個機場建立MNL模型，將接駁時間作為模型參數(shù)，指出航班頻率、機場可達性決定了旅客對于機場的選擇。文獻[3]考慮等候時間、步行時間、行李數(shù)量、性別、出行目的、家庭收入等因素，得出與便捷性相關的變量(如步行時間、行李數(shù)量)顯著影響旅客接駁方式選擇。文獻[4]考慮等候時間、航空旅行團體大小、家庭收入等因素開展相關研究。文獻[5]將旅客分為商業(yè)旅客和非商業(yè)旅客兩類，并得出接駁時間和接駁費用是最重要的影響因素。

1988年，文獻[6]針對MNL模型的局限性，開始對NL模型進行研究。同年，文獻[7]首次將NL模型應用于舊金山灣區(qū)機場接駁方式選擇預測中。除此之外，雙層NL模型被用于估算機場和接駁方式選擇的聯(lián)合概率。文獻[8]利用雙層NL模型將機場選擇與接駁方式選擇結合，針對舊金山灣區(qū)機場商務和非商務旅客進行研究。文獻[9]選取舊金山、圣何塞、奧克蘭三大機場作為上層選擇肢，下層為接駁方式，得到商務旅客更加重視接駁方式時間節(jié)省效應。上述兩項研究共同表明，機場接駁方式選擇中接駁時間相比接駁費用更加敏感。文獻[10]建立了雙層NL模型，然而對于機場的接駁方式只有一層嵌套，模型等同于MNL模型。文獻[11]基于文獻[8-9]建立的NL模型對紐約和新澤西地區(qū)的機場接駁方式進行研究，涵蓋了9個機場和28條國際航班，涉及19 127名旅客數(shù)據。模型參數(shù)除了選取接駁時間、接駁費用、停車費用，還考慮了旅客是否為當?shù)鼐用瘛⑿詣e、年齡、家庭收入、旅行團體大小等因素。結果顯示，NL模型比MNL模型顯示出更好的適應性，且商務旅客和非商務旅客在行為方面存在較大的差異性。

近年來，諸多學者在MNL和NL模型的基礎上開展進一步探索。文獻[12]針對舊金山灣區(qū)機場的數(shù)據，建立PCMNL模型，模型中僅考慮接駁時間這一參數(shù)，研究結果表明PCMNL模型優(yōu)于MNL模型。文獻[13]針對香港國際機場數(shù)據進行分析，建立了結構方程模型(SEM)。除了接駁成本，還將飛行時長、同行人數(shù)、旅客性別、年齡、教育程度作為個體屬性考慮其中。文獻[14]突破性地將旅客對于服務質量的感官認識加入機場接駁方式選擇模型中，將與旅客感官認識相關的潛在變量加入MNL模型中，建立了MIMIC模型。

已有研究基本致力于旅客選擇行為的影響因素分析，認為接駁時間和接駁費用是最關鍵的兩個因素，對于如何選擇旅客的收入、年齡、性別、職業(yè)、出行目的等作為模型參數(shù)尚沒有成熟的理論。而中國已有的預測模型建立多依賴于發(fā)達國家機場建設的經驗，城市綜合交通樞紐規(guī)劃設計的相關標準規(guī)范還不完善，以大型機場為主體的綜合交通樞紐系統(tǒng)的交通需求預測更是處于起步狀態(tài)[15-16]。本文在前述研究的基礎上，分析航空旅客接駁方式選擇的影響因素，以公共交通和私人小汽車交通(以下簡稱“私人交通”)為分層原則建立模型，預測各接駁方式的分擔比例。

2 研究理論基礎

本文以NL模型為理論基礎開展研究。出行者n對選擇i的效用Ui，n決定于選擇肢的特性和出行者的個體屬性，可表示為

式中：Ui，n為出行者n(n=1,2,3，…，Q)選擇第種方式時的效用函數(shù)；SEn為出行者n的個體屬性向量；Ai，n為出行者n對應選擇肢i的特征向量。

一般情況下，出行者n選擇第i種方式時效用函數(shù)的確定項可表示為個人特性和選擇肢特性的線性函數(shù)

式中：Vi，n為出行者n選擇第i種方式時效用函數(shù)的確定項；β(β1，β2，…，βk)為待標定的參數(shù)向量；是特征向量，也稱為效用函數(shù)確定項的影響因素(通常包括時間、費用、收入等相關因素)[17-18]。

在此基礎上，推導出兩層NL模型中，選擇上層虛擬選擇肢r(r=1，2，…，R)、下層選擇肢t(t=1，2，…，T)的概率為

式中：λ1為與下層有關的效用概率項方差對應的參數(shù)；λ2為同時考慮上、下層效用概率項方差對應的參數(shù)。為保證模型滿足效用最大化理論，λ1，λ2應滿足λ2時，模型即為MNL模型)。

此外，處于上層的模型通過條件概率約束下層模型，而下層模型的總效用Logsum成為上層模型的一個變量，由選擇肢t(t=1，2，…，T)組成的下層模型的總效用

上層虛擬選擇肢r的效用可表示為

將所有接駁方式按雙層NL模型進行分類，第一層包含兩個虛擬選擇肢：公共交通和私人交通，第二層分別嵌套具體的接駁方式。通過建立各選擇肢及虛擬選擇肢的效用函數(shù)，進一步推算各選擇肢的選擇概率，實現(xiàn)各種接駁方式選擇的預測。通過航空旅客調查，研究航空旅客接駁方式選擇行為，以確定Logistic回歸方程中的關鍵解釋變量；同時在對航空旅客進行分類的基礎上，構建針對不同類型旅客的機場接駁方式選擇預測模型。

圖1 旅客居住地分布Fig.1 Distribution of passenger residence

圖2 旅客家庭小汽車保有量分布Fig.2 Distribution of passengers'vehicle ownership

圖3 市內出行旅客出發(fā)地分布Fig.3 Distribution of departure locations of intercity travel passengers

圖4 旅客接駁方式分布Fig.4 Distribution of passenger access mode

3 機場旅客調查

機場接駁方式的劃分取決于航空旅客的分類以及離散選擇模型，兩者都通過旅客調查的方法實現(xiàn)[19]。航空旅客的分類使得不同人群在接駁方式選擇上呈現(xiàn)某些共性，這些共性又決定了旅客對于機場接駁方式的選擇，通過評價其偏好及需求可預測未來的選擇[20]。本文選取上海浦東國際機場為研究對象，于2015年11月對航空出發(fā)旅客開展調查，調查內容涉及旅客個體屬性(性別、年齡等)以及出行信息(出發(fā)地點、出行目的等)。

3.1 旅客個體屬性

調查的270個有效樣本中，男性旅客占49.7%，女性占50.3%；旅客年齡集中在20～30歲，比例為45.5%；旅客職業(yè)中企業(yè)員工比例最高，達到38.9%，其余職業(yè)分布較為平均；旅客的收入未呈現(xiàn)明顯的差別；旅客居住地、家庭小汽車保有量情況見圖1和圖2?？梢钥闯?，浦東國際機場的出發(fā)旅客多為國內其他省市居民，比例達到82%，旅客家庭中至少擁有1輛私人小汽車的比例超過65%。

3.2 出行特征

1）出行目的。

以公務和旅游出行為目的的旅客比例較高，分別為3.0%和4.4%，其次是探親訪友，為11.4%。

旅客市內出行和市外出行(指從外省市直接到機場)的比例分別為65.3%和34.7%。其中，市內出行的出發(fā)地分布情況如圖3所示，可以看出，約40%的旅客從家出發(fā)，從工作單位、酒店、學校、交通中轉站前往機場的旅客分布相對均勻，均為10%左右。

3）接駁方式。

旅客接駁方式分布如圖4所示，公共交通分為地鐵、出租汽車、公共汽車、機場大巴、專車；私人交通分為：私人小汽車送客、私人小汽車自駕。可以看出，出租汽車和地鐵比例最高，達到27.4%(專車比例達8.8%)和32.3%，其次是私人小汽車和機場大巴，分別達到2.1%及12.8%，公共汽車分擔比例最小，約占2.2%。

4 影響因素分析

將對旅客模式選擇行為產生影響的潛在因素分為兩類：接駁方式的服務水平、旅客個體屬性。

4.1 接駁方式的服務水平

1）出行時間。

航空旅客對于出行時間的敏感性較高，以出租汽車為例，通過Spearman相關性分析，得出車內時間與選擇出租汽車的相關系數(shù)為-0.249，在0.01的置信水平上顯著相關(見表1)。

2）出行費用。

如表2所示，以出租汽車為例，通過E2相關性檢驗，以接駁方式為因變量，得出與出行費用的相關系數(shù)為0.783，相關性較高。與其他公共交通方式相比，出租汽車價格較高，因此相關性體現(xiàn)較為明顯。此外，商務旅客的相關性系數(shù)較非商務旅客低，這是由于商務旅客大多不需要自己支付交通費用，因此對出行費用的敏感性較低。

有關文獻報道該類藥物的HPLC-MS-MS檢測方法中[14，15]，可采用毒性大的含氯有機提取溶劑、檢測限過高，試劑毒性較大等不足[15]。

3）停車費用。

停車費用往往對私人小汽車自駕有較大影響，由表3可知，停車費用與私人小汽車自駕的E2相關性系數(shù)為0.577，表明兩者間相關性較高。

4）舒適性。

隨著生活水平的提高，航空旅客更加注重出行質量，如舒適性、便捷性等，調查中以旅客的滿意度評分為指標(-2,-1,0,1,2)，表征舒適性。由表4可知，舒適性與私人小汽車的Pearson相關系數(shù)為0.199，在0.01的置信水平上顯著相關，表明舒適性對選擇私人小汽車的影響較大。

5）便捷性。

本文用攜帶行李數(shù)量表征便捷性，其與接駁方式的交叉分析如圖5所示。隨著攜帶行李數(shù)量的逐漸增多，便捷程度較高的私人交通方式比例逐漸提高成為主要選擇，而公共交通也體現(xiàn)出便捷性差的劣勢，因此可以引入攜帶行李數(shù)量作為參數(shù)，表征便捷性。

4.2 旅客個體屬性

1）旅客類型。

表1 乘車時間與出租汽車選擇相關性分析Tab.1 Correlation analysis between travel time and taxi choice

表2 出行費用與出租汽車選擇相關性分析Tab.2 Correlation analysis between travel cost and taxi choice

表3 停車費用與私人小汽車自駕相關性分析Tab.3 Correlation analysis between parking costs and private car choice

表4 舒適性與私人小汽車選擇相關性分析Tab.4 Correlation analysis between comfort and private car choice

圖5 行李數(shù)量與接駁方式選擇交叉分析Fig.5 Cross analysis between baggage number and access mode choice

航空旅客按出行目的可分為商務旅客和非商務旅客兩類。對旅客類型與接駁方式進行交叉(見圖6)，可以看出，商務旅客選擇出租汽車、地鐵的比例較高，其中出租汽車為36.4%，地鐵為3.3%，其次為私人小汽車占18.2%(包含送客與自駕)；非商務旅客的接駁方式選擇分布更加均勻，選擇地鐵、出租汽車、私人小汽車、機場大巴的比例分別為29.4%，2.6%，24.5%(包含送客與自駕)和17.7%。

此外，接駁方式與旅客類型的交叉分析顯示，地鐵有73.2%的旅客為非商務旅客，公共汽車100%為非商務旅客，機場大巴有81.8%為非商務旅客，可見，非商務旅客更傾向于選擇公共交通到達機場。分析其原因，商務旅客收入較高且往往不需要承擔交通費用，對于時間的敏感性較高，其接駁方式的選擇往往受制于接駁時間[11]；而非商務旅客中包含了大部分以旅游為目的的出行者，出行方式更加隨性，對于接駁費用的敏感性較商務旅客高得多，選擇接駁方式時往往更加注重經濟性。

2）出發(fā)地。

圖6 旅客類型與接駁方式選擇交叉分析Fig.6 Cross analysis between passenger type and access mode choice

圖7 出發(fā)地與接駁方式選擇交叉分析Fig.7 Cross analysis between departure place and access mode choice

圖8 NL模型選擇肢Fig.8 NL model alternatives

由出發(fā)地與接駁方式交叉分析(見圖7)可知，從家出發(fā)的旅客選擇出租汽車、地鐵、私人小汽車的比例較高，由于調查樣本中包含部分學生，因此地鐵比例偏高(30.1%)，其次是機場大巴，公共汽車僅占1.4%；從酒店出發(fā)的旅客選擇出租汽車的比例最高(40.9%)，其次是私人小汽車；從工作單位出發(fā)的旅客接駁方式選擇分布相對均勻，各種方式所占比例均為20%左右?？梢钥闯?，從家出發(fā)的旅客傾向于選擇攜帶行李較為方便的私人小汽車和出租汽車。

5 模型構建

5.1 參數(shù)選擇

如圖8所示，所有接駁方式按雙層NL模型進行分類，將公共交通和私人交通分開建立模型，作為第一層選擇肢，而選擇公共交通的概率和私人交通的概率與第二層選擇肢有關，但并不等于第二層各種接駁方式概率之和，處于上層的模型通過條件概率約束下層模型，而下層模型的總效用作為上層模型的一個變量[13]。

根據旅客調查的數(shù)據及結果，選取以下變量利用SPSS軟件進行Logistic回歸分析(見表5)：B出租，B地鐵，B巴士，B自駕，B送客為各種接駁方式效用函數(shù)中的常數(shù)項，T車內為乘車時間/min，T車外為全程步行所用時間/min，C為出行費用(不包括停車費用)/元，C停為所選接駁方式停車費用/元，L為旅客所帶行李數(shù)量/件，Co為舒適性。依據回歸分析結果最終可確定各種接駁方式效用函數(shù)中的關鍵變量。

1）出租汽車。

出租汽車出行費用最高，且與其他接駁方式間差異顯著。出租汽車乘車時間相對較短，這主要是因為出行時間超過1 h的費用較高，旅客選擇出租汽車的概率隨之下降；車外時間往往不影響對出租汽車的選擇，且近年來隨著打車軟件的興起，大大縮短了選擇出租汽車的等待時間和步行時間。便捷性對第一層選擇肢概率有較大影響，但公共交通方式內部各選擇肢之間差異并不明顯，私人交通也是如此，因此便捷性并不作為出租汽車效用函數(shù)中的變量。

2）地鐵。

地鐵在準時性和經濟性方面優(yōu)勢較為明顯，因此在公共交通方式中，地鐵所占比例最高。調查結果顯示，地鐵乘車時間最長，費用僅次于公共汽車。同時，通過對各個因素與地鐵方式選擇的相關性分析發(fā)現(xiàn)，除車內時間和費用以外，其他因素對其影響并不顯著。因此，將車內時間和費用作為其效用函數(shù)的變量。

3）機場巴士。

公共交通方式中，機場巴士出行費用較高、出行時間較短，這一點與出租汽車類似。車外時間往往也影響對機場巴士的選擇，機場巴士相鄰班次之間時間間隔較長，且隨著乘車時間的增加，價格增加的幅度也較大，因此將車內時間、車外時間以及費用作為其效用函數(shù)的變量。

4）私人小汽車自駕。

私人小汽車自駕在舒適性和便捷性上優(yōu)勢較為明顯，通過對各個因素與私人小汽車自駕的相關性分析發(fā)現(xiàn)，便捷性對其影響并不顯著(顯著性水平均大于0.5)，而舒適性對其選擇影響顯著，因此將舒適性作為其解釋變量之一。隨著與機場的距離增大，出租汽車費用較高，私人小汽車往往成為首選，因而車內時間不作為變量。在費用方面，私人小汽車并不占優(yōu)勢，其中還包含了機場停車費用，因此將出行費用、停車費用作為其效用函數(shù)的變量。

5）私人小汽車送客。

與私人小汽車自駕類似，將舒適性作為其解釋變量之一。在費用方面私人小汽車并不占優(yōu)勢，但調查發(fā)現(xiàn)，選擇送客方式的旅客，于自身而言往往并不考慮出行費用及停車費用，因此出行費用、停車費用不作為變量，這是與自駕方式的區(qū)別之處。此外，從家出發(fā)的旅客傾向于選擇攜帶行李較為方便的私人小汽車和出租汽車，攜帶行李較多的旅客選擇私人小汽車送客方式的可能性較高，因此將便捷性作為解釋變量之一。

5.2 效用函數(shù)方程建立

由于商務旅客和非商務旅客在接駁方式選擇上存在較大差異，因此將這兩類旅客分開進行建模，下面以商務旅客為例建立預測模型。根據參數(shù)選擇結果，建立各接駁方式的線性效用函數(shù)，該效用函數(shù)聯(lián)系起商務旅客接駁方式選擇及其影響因素。bi，j為對應變量的系數(shù)，i，j為表5中對應位置列與行的編號。

表5 模型參數(shù)回歸分析Tab.5 Regression analysis of model parameters

以上為NL第二層選擇肢的效用函數(shù)。分別對公共交通和私人交通的各潛在影響因素進行相關性分析，得到二者效用函數(shù)的參數(shù)，據此建立第一層虛擬選擇肢的效用函數(shù)

式中：Logsum公共和Logsum私人分別為下層模型公共交通和私人交通的總效用。

最后，根據選擇肢概率與效用函數(shù)的關系式(公式(9)和(10))，求得接駁方式比例

式中：Pi為接駁方式i的分擔比例/%；Ui為接駁方式i的效用函數(shù)；U公共與U私人分別為公共交通和私人交通的效用函數(shù)。

表6 調查樣本接駁方式構成Tab.6 Access mode share of survey sample %

表7 各接駁方式比例預測結果Tab.7 Results of access mode share forecasting

表8 模型預測精度檢驗Tab.8 Model forecasting accuracy test %

在模型系數(shù)的綜合檢驗中，方程整體的P值均遠小于0.05，且各模型的系數(shù)對應的Sig.值也均遠小于0.05(見表5)，說明各變量對因變量的影響顯著。根據模型擬合的結果可知，各接駁方式對應的模型Coxamp;Snell R2與Nagelkerke R2基本在0.3以上，由于影響航空旅客選擇接駁方式的因素眾多，且涉及社會經濟諸多方面，因此模型擬合優(yōu)度的確定系數(shù)是可以接受的，說明模型的擬合效果較好。

6 模型實用性評價

利用北京首都國際機場的旅客調查結果對模型進行評價。接駁方式構成如表6所示，機場到達旅客選擇出租汽車的比例最高(40%)，其次為私人小汽車(37%)，機場大巴、軌道交通比例相對較低，均不足10%。

分別將北京首都國際機場旅客調查中商務旅客和非商務旅客的數(shù)據代入已構建模型，得到各接駁方式比例預測結果(見表7)。將模型預測結果與實際情況進行對比(見表8)，可以看出，除了私人小汽車的偏差稍大(＞5%)，其他接駁方式預測值與實際值間偏差均不超過5%，說明模型預測精度可以接受。

7 結語

出行時間和出行費用是影響機場接駁方式選擇的最重要因素。本文將出行時間分為車內時間和車外時間，在公共交通和私人交通中，兩種時間體現(xiàn)出了不同的顯著性，這也表明私人交通節(jié)省了大量的等待時間和步行時間，為旅客帶來了較大的便利性。除此之外，攜帶行李數(shù)量(便捷性)和舒適性等也影響了接駁方式的選擇。

商務旅客與非商務旅客接駁方式選擇差異較大，商務旅客收入較高且往往不需要承擔交通費用，對于時間的敏感性較高；非商務旅客中包含了大部分旅游出行的旅客，出行方式更加隨性，對于費用的敏感性較高，往往更加注重經濟性和舒適性。

由于被調查旅客以國內旅客為主，因此模型的建立并未考慮國際旅客與國內旅客的差異；同時，未考慮組合出行方式，在預測模型中僅以主要交通方式代替，這將在后續(xù)研究中深入探討。

[1]Ellis R H,Bennett J C,Rassam P R.Approaches for Improving Airport Access[J].Journal of Transportation Engineering,1974,100(TE3):661-673.

[2]Skinner R E.Airport Choice:An Empirical Study[J].Journal of Transportation Engineering,1976,102(TE4).

[3]Sangho Choo,Soyoung(Iris)You,Hyangsook Lee.Exploring Characteristics of Airport Access Mode Choice:A Case Study of Korea[J].Transportation Planning and Technology,2013,36(4):335-351.

[4]Gosling G D.An Airport Ground Access Mode Choice Model[R].UCB-ITS-TD-84-6.Berkeley,CA:Institute of Transportation Studies,University of California,1984.

[5]Harvey G.Study of Airport Access Mode Choice[J].Journal of Transportation Engineering,1986,112(5):525-545.

[6]Ben-Akiva M,Lerman S R.Discrete Choice Analysis:Theory and Applications to Travel Demand[M].Cambridge,MA:TheMIT Press,1985.

[7]Harvey G.ACCESS:Models of Airport Access and Airport Choice for the San Francisco Bay Region-Version 1.2[R].Berkeley,CA:Metropolitan Transportation Commission,1988.

[8]Pels E,Nijkamp P,Rietveld P.Access to Airports:A Case Study for the San Francisco Bay Area[C]//38th Congress of the European Regional Science Association,Vienna,Austria,1998:Europe Quo Vadis?-Regional Questions at the Turn of the Century.

[9]Pels E,Nijkamp P,Rietveld P.Access to and Competition Between Airports:A Case Study for the San Francisco Bay Area[J].Transportation Research Part A:Policy and Practice,2003,37(1):71-83.

[10]Bondzio L.Study of Airport Choice and Airport Access Mode Choice in Southern Germany[C]//Proceedings of Seminar K,PTRC European Transport Forum,Brunel University,England,1996:Airport Planning Issues.

[11]Gupta S,Vovsha P,Donnelly R.Air Passenger Preferences for Choice of Airport and Ground Access Mode in the New York City Metropolitan Region[J].Transportation Research Record:Journal of the Transportation Research Board,2008(2042):3-11.

[12]Ba?ar G,Bhat C.A Parameterized Consideration Set Model for Airport Choice:An Application to the San Francisco Bay Area[J].Transportation Research Part B:Methodological,2004,38(10):889-904.

[13]Tam M L,Tam M L,Lam W H K.Analysis of Airport Access Mode Choice:A Case Study in Hong Kong[J].Journal of the Eastern Asia Society for Transportation Studies,2005,6:708-723.

[14]Tam M L,Lam W H K,Lo H P.Incorporating Passenger Perceived Service Quality in Airport Ground Access Mode Choice Model[J].Transportmetrica,2010,6(1):3-17.

[15]李德芬.空港綜合交通樞紐客流需求預測研究：以廣州白云國際機場為例[J].城市交通，2014，12(3)：59-65.Li Defen.Passenger Travel Demand Forecasting for a Hub Airport:A Case Study in Guangzhou Baiyun International Airport[J].Urban Transport of China,2014,12(3):59-65.

[16]Psaraki V,Abacoumkin C.Access Mode Choice for RelocatedAirports:The NewAthens International Airport[J].Journal of Air Transport Management,2002,8(2):89-98.

[17]劉建明，黃中祥.基于行為的出行方式選擇模型探討[J].山東交通學院學報，2009，17(1)：18-2.Liu Jianming,Huang Zhongxiang.Discussion of a Travel Mode Choice Model based on Activity Approach[J].Journal of Shandong Jiaotong University,2009,17(1):18-2.

[18]皇甫佳群，周康，孫明潔.基于NL模型的交通方式劃分[J].山東交通學院學報，2011，19(3)：39-43.Huangfu Jiaqun,Zhou Kang,Sun Mingjie.Transportation Division Based on NL Model[J].2011,19(3):39-43.

[19]顏金石.Logit模型的推導過程[J].交通標準化，2012(4)：103-105.Yan Jinshi.The Derivation Process of the Logit Model[J].Transport Standardization,2012(4):103-105.

[20]Psaraki V,Abacoumkin C.Access Mode Choice for RelocatedAirports:The NewAthens International Airport[J].Journal of Air Transport Management,2002,8(2):89-98.

Access Mode Choice at Large Airport based on NL Model

Zhang Lanfang1,Bian Tao1,Zhang Liang2
(School of Transportation Engineering,Tongji University,Shanghai 201804,China;2.China Airport Construction Group Corporation,Beijing 100101,China)

Based on the survey data of passengers departing from Shanghai Pudong International Airport,this paper studies the factors influencing air passengers'access mode choice.By dividing the potential variables into the level of service of access mode(including time,cost,etc.)and attributes of individual passengers(including passenger type,departure place,and etc.),the paper selected the key explanatory variables based on coefficient of correlation analysis and other methods.Based on Nested Logit model,this paper investigates the differences between various types of passengers in choosing access mode at airports.For example,for business passengers,the model is used to forecast the access mode share.The results show that travel time and cost are the most important influential factors in deciding access mode at airport,variables of in-vehicle travel time and off-vehicle waiting time are significantly different,the number of permitted carry-on bags and comfortableness also affect access mode choice.Finally,the paper assesses the applicability of the model using the data from Beijing Capital InternationalAirport.

access mode;air passenger;logit model;discrete choice;public transit;private transportation

1672-5328（2017）02-0040-08

U491

A

10.13813/j.cn11-5141/u.2017.0206

2015-11-23

民航重大科技項目“北京新機場智能型綜合交通樞紐建設關鍵技術研究與應用”(MHRD20130107)

張?zhí)m芳(1972—)，女，安徽臨泉人，博士，副教授，主要研究方向：道路規(guī)劃與幾何設計、道路交通安全、機場規(guī)劃與設計。E-mail:zlf2276@163.com