向紅艷，何素貞，徐 韜

(重慶交通大學 交通運輸學院，重慶 400074)

0 引 言

停車換乘(P & R)出行行為是交通需求管理在靜態(tài)交通領(lǐng)域的一種重要應(yīng)用。能否準確把握P & R 選擇行為關(guān)系到交通建設(shè)、交通政策制定及交通管理的準確性和科學性，并直接影響城市交通系統(tǒng)的結(jié)構(gòu)及系統(tǒng)整體效率發(fā)揮。

隨著城市規(guī)模擴大，居住區(qū)與工作區(qū)愈漸分離，通勤出行距離不斷增加，形成了較為固定的通勤廊道。通常，通勤廊道的出行方式可分為：公共交通、小汽車、P & R。P & R是提高廊道通行速度，緩解城市中心區(qū)交通擁堵、停車困難等問題的有效措施。因此，通勤廊道的P & R行為，將成為研究的重點。當出行者做出出行方式?jīng)Q策時，除可直接觀測因素，不可直接觀測因素也對出行決策結(jié)果產(chǎn)生效應(yīng)。研究各種影響因素的關(guān)系及潛在因素，對選擇結(jié)果影響機理和全面分析P & R選擇行為具有重要意義。

學界運用Logit模型、隨機網(wǎng)絡(luò)模型、決策樹模型等研究了P & R行為特征及其影響因素[1-9]。D.HESS[1]建立了工作出行方式選擇多項Logit模型，分析了停車費用對通勤交通方式的影響；云美萍等[2]針對道路交通通暢、堵塞這2種狀態(tài)分別建立了是否停車換乘的二項Logit模型，指出通勤者在道路通暢時更關(guān)注出行費用，堵塞時更關(guān)注出行時耗和舒適性；A.R.HOLE[3]研究了通勤者收入、目的地停車位供給對P & R出行行為的影響；范文博等[4]建立了隨機多方式交通網(wǎng)絡(luò)均衡模型，提出交通信息對P & R行為的影響，并指出信息特性中的信息質(zhì)量對P & R行為有較大影響。上述學者從不同角度研究了P & R出行行為，并提出多種影響因素。

在P & R選擇行為中，為解釋一組潛變量之間、顯變量與潛變量之間的因果關(guān)系，可能涉及到很多測量變量，通常會形成復雜的層次關(guān)系結(jié)構(gòu)，無法使用傳統(tǒng)的回歸分析方法求解，需要更精確地路徑分析工具，并能對模型進行參數(shù)估計和相關(guān)檢驗，而結(jié)構(gòu)方程模型(structural equation model，SEM)正適合處理這類問題。SEM模型能很好地分析一個或多個自變量與一個或多個因變量之間的一組相互關(guān)系，而自變量和因變量既可以是連續(xù)的，也可以是離散的，并可對不同的理論模型進行評價分析，是多元數(shù)據(jù)統(tǒng)計的重要工具之一，已被廣泛運用于心理學、社會科學等學科。但一直以來，SEM在交通出行行為領(lǐng)域的應(yīng)用較少[10-15]。

鑒于以上分析，筆者以重慶市城市居民P & R問卷調(diào)查數(shù)據(jù)為基礎(chǔ)，通過引入SEM模型，選取個人屬性、信息需求偏好及停車換乘設(shè)施服務(wù)水平作為外源潛變量，出行目的、出發(fā)時刻、出行方式及出行強度作為內(nèi)生潛變量，對潛變量間關(guān)系及潛變量與相對應(yīng)觀察變量間的關(guān)系進行了進一步研究。由于P & R出行模式中大多為小汽車+軌道交通的停車換乘模式，因此筆者的研究對象為小汽車擁有者基于軌道交通的通勤廊道P & R出行行為。

1 結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型(SEM)是一種基于變量的協(xié)方差矩陣來分析變量之間關(guān)系的統(tǒng)計方法。該模型整合了因素分析與路徑分析兩種統(tǒng)計方法。包含直接觀測潛在變量、可直接觀測顯性變量及干擾或誤差變量。通過檢驗此3種變量之間的關(guān)系，進而獲得自變量對因變量影響的直接效果、間接效果或總效果[16]。

完整的SEM模型包括測量模型(measurement model)和結(jié)構(gòu)模型(structure model)兩個基本模型。

測量方程：

y=Λyη+ε

(1)

x=Λxξ+δ

(2)

式中：y為內(nèi)生顯變量組成的向量；x為外源顯變量組成的向量；Λy為y在η上的因子負荷矩陣；Λx為x在ξ上的因子負荷矩陣；ε為內(nèi)生顯變量的誤差項；δ為外源顯變量的誤差項。

結(jié)構(gòu)方程：

η=Bη+Γξ+ζ

(3)

式中：η為內(nèi)生潛變量；ξ為外源潛變量；B為系數(shù)矩陣，代表內(nèi)生潛變量η之間的關(guān)系；Γ為系數(shù)矩陣，代表外源潛變量ξ對內(nèi)生潛變量η的影響；ζ為結(jié)構(gòu)方程的殘差項，反映了η在方程中未能被解釋的部分。

測量模型與結(jié)構(gòu)模型關(guān)系如圖1。圖1中：結(jié)構(gòu)方程模型含有3個測量模型和1個結(jié)構(gòu)模型；單向箭頭表示兩個變量間的因果關(guān)系，由“因”指向“果”，由外因潛變量指向內(nèi)因潛變量；雙向箭頭表示兩個變量間的相關(guān)關(guān)系，兩者間不存在因果關(guān)系。

圖1 結(jié)構(gòu)模型示意Fig. 1 Schematic diagram of SEM

2 居民停車換乘行為結(jié)構(gòu)方程模型

2.1 交通調(diào)查

2.1.1 數(shù)據(jù)調(diào)查與檢驗

結(jié)構(gòu)方程模型采用協(xié)方差建模時，為保證模型有更精確地擬合效果，所需樣本數(shù)至少是測量變量的10倍以上[17]。為全面地對通勤廊道的P & R出行行為進行研究，借鑒以往研究，問卷中共設(shè)置25個觀察變量。

筆者選取重慶市通勤廊道的P & R停車場，采用現(xiàn)場發(fā)放問卷、現(xiàn)場回收的方法進行了調(diào)查。除去不認真作答、問項未完全作答及連續(xù)選擇極端值大于5個的樣本，最終得到456份有效問卷，作為模型原始數(shù)據(jù)。

分析調(diào)查數(shù)據(jù)前，使用式(4)計算問卷調(diào)查中的克朗巴哈系數(shù)：

(4)

經(jīng)計算，問卷調(diào)查中的克朗巴哈系數(shù)α=0.86，表明問卷設(shè)計具有良好信度[18]。

2.1.2 探索性因素分析

筆者采用主成分分析法進行因子分析。將456份調(diào)查數(shù)據(jù)輸入SPSS軟件中進行因子分析，以特征根大于1、因子載荷大于0.5為標準，經(jīng)過旋轉(zhuǎn)后，提取了7個因子：個人屬性、信息需求偏好、P & R設(shè)施服務(wù)水平、出行目的、出發(fā)時刻、出行方式、出行強度。結(jié)果顯示：各變量的因子載荷都大于0.6，即因子對變異量解釋程度較高，說明結(jié)果表明變量選取較科學、合理。旋轉(zhuǎn)后的荷載矩陣具體如表1。

表1 觀察變量探索性因子分析結(jié)果Table 1 Exploratory factor analysis results of observation variables

注：X1為性別、X2為年齡、X3為月收入、X4為學歷、X5為駕齡、X6為路況狀態(tài)信息、X7為路徑導航信息、X8為交通管制信息、X9為停車信息、X10為事故信息、X11為換乘優(yōu)惠、X12為停車位供給、X13為停車信息服務(wù)、Y1為通勤出行、Y2為非通勤出行、Y3為出發(fā)時刻為07：00—09：00、Y4為出發(fā)時刻為09：00—14：00、Y5為出發(fā)時刻為14：00—17：00、Y6為出發(fā)時刻為17：00—19：00、Y7為出發(fā)時刻為19：00—22：00、Y8為小汽車、Y9為公共交通、Y10為小汽車換乘軌道交通、Y11為出行距離、Y12為出行時間。

2.2 變量選取

筆者對模型作如下假設(shè)：① 個人屬性與信息需求偏好有相關(guān)關(guān)系；② 個人屬性、信息需求偏好、P & R 設(shè)施服務(wù)水平對出行目的、出發(fā)時刻、出行方式、出行強度產(chǎn)生直接影響。為簡化模型，調(diào)高模型適配度，最終確定個人屬性、信息需求偏好和換乘設(shè)施服務(wù)水平為外源潛在變量，出行目的、出發(fā)時刻、出行方式和出行強度為內(nèi)生潛在變量。各潛變量及對應(yīng)觀察變量特征具體如表2、3。

表2 結(jié)構(gòu)方程外源變量解釋Table 2 Exogenous variable explanation for SEM

表3 結(jié)構(gòu)方程內(nèi)生變量解釋Table 3 Endogenous variable explanation for SEM

2.3 概念模型

基于軌道交通的P & R出行行為研究可由出行者個人屬性、信息需求偏好及換乘設(shè)施服務(wù)水平組成的外源潛變量，出行目的、出發(fā)時刻、出行方式及出行強度組成的內(nèi)生潛變量之間的關(guān)系與各觀察變量間的關(guān)系表示。根據(jù)現(xiàn)有研究成果，構(gòu)建結(jié)構(gòu)方程概念模型，具體如圖2。

圖2 模型示意Fig. 2 Schematic diagram of model

3 模型標定及評價

3.1 模型標定

運用SPSS軟件建立數(shù)據(jù)庫，并以此為基礎(chǔ)導入LISREL8.72中進行分析，構(gòu)建結(jié)構(gòu)方程模型，采取最大似然法(maximum likelihood，ML)進行估算。模型的標定結(jié)果如圖3。

圖3 采用LISREL分析得到的P & R出行行為分析路徑Fig. 3 Path diagram of rail park-and-ride behaviors obtained by LISREL analysis

結(jié)合表2、3和圖3對各變量進行分析，具體如下：

1) 個人屬性路徑表明：收入和駕齡是主要影響因素，效應(yīng)值分別為0.51、0.42，即低收入和駕齡較低的出行者更傾向于停車換乘。

2) 信息需求偏好路徑表明：路況狀態(tài)信息、事故信息及停車信息對P & R出行行為影響較顯著，效應(yīng)值分別為0.80、0.72、0.60。當中心區(qū)道路擁擠、停車供給不足時，居民選擇P & R出行方式概率較大。

3) 換乘設(shè)施路徑表明：提高P & R處停車位供給及提升停車信息服務(wù)水平是吸引居民選擇P & R的強有力措施，效應(yīng)值分別為0.62、0.51。

4) 出行目的路徑表明：通勤廊道上選擇P & R的出行者大多是通勤者。

5) 出發(fā)時刻路徑表明：當在07：00—9：00與17：00—19：00這兩個時段時，居民選擇P & R比率較高，即早高峰和晚高峰時段居民選擇P & R出行方式的比例較大，平峰時段P & R出行方式使用率較低。

6) 結(jié)構(gòu)模型中外源潛變量ξ1、ξ2、ξ3和內(nèi)生潛變量η1、η2、η3、η4之間的路徑表明：個人屬性ξ1對出行方式影響較顯著，效應(yīng)值為0.56；信息需求偏好ξ2對出行方式和出發(fā)時刻具有重要影響，效應(yīng)值分別為0.57、0.35；換乘設(shè)施服務(wù)ξ3對出行方式具有顯著影響，效應(yīng)值為0.61。

7) 觀測變量對內(nèi)生潛變量的間接影響可通過外生潛變量各觀測變量的負荷系數(shù)乘以路徑系數(shù)得到。其中：在個人屬性ξ1中，性別x1對居民P & R出行行為影響較弱；在信息需求偏好ξ2中，路徑導航信息x7對居民P & R出行行為影響不顯著；在換乘設(shè)施服務(wù)ξ3中，換乘優(yōu)惠x11對居民方式?jīng)Q策影響較低。

3.2 模型評價

模型適配度是指觀測資料與假設(shè)模型之間一致性程度。結(jié)構(gòu)方程模型適配度檢驗可根據(jù)用于驗證的樣本規(guī)模、數(shù)據(jù)特征及假設(shè)條件選擇相應(yīng)的指標[19]。筆者選取6個關(guān)鍵特征指標，衡量模型的擬合精度，如表4。結(jié)果表明：調(diào)查數(shù)據(jù)與模型能夠較好適配。

表4 模型擬合優(yōu)度評價Table 4 Grade evaluation of model fitting

4 結(jié) 論

通勤出行在時間和空間上具有較強的規(guī)律性，通勤廊道上的出行特征與通勤者屬性、偏好有關(guān)。P & R 出行可有效降低小汽車出行，提升高容量、低能耗的公共交通出行，從而提升通勤廊道服務(wù)水平，緩解交通擁堵。結(jié)構(gòu)方程模型具有反應(yīng)信息全面、模型解釋能力強、可移植性高等優(yōu)點，為P & R出行行為研究提供了全新的思路。

筆者基于結(jié)構(gòu)方程模型(SEM)，選取個人屬性、信息需求偏好及停車換乘設(shè)施服務(wù)水平作為外源潛變量，出行目的、出發(fā)時刻、出行方式及出行強度作為內(nèi)生潛變量，對通勤廊道上的P & R出行行為進行了進一步的研究。結(jié)果表明：路況狀態(tài)信息、事故信息及停車信息對P & R出行行為影響效應(yīng)較顯著；出發(fā)目的具有最高的優(yōu)先級別，對出發(fā)時刻、出行方式及出行強度產(chǎn)生影響；早高峰和晚高峰時段居民選擇P & R出行方式的比例較大；P & R處停車位供給水平、停車信息服務(wù)對P & R出行行為影響效應(yīng)較顯著。研究成果可為通勤廊道的交通需求管理提供參考，對于提高P & R系統(tǒng)的利用率，優(yōu)化出行結(jié)構(gòu)具有重要的意義。此外，結(jié)構(gòu)方程模型在形式上具有很大靈活性，可通過增加變量或采用不同路徑關(guān)系進行優(yōu)化，力求更加準確地反應(yīng)P & R出行特性。

[1] HESS D.Effect of free parking on commuter mode choice：evidence from travel diary data[J].JournaloftheTransportationResearchRecord，2001，1753(1)：35- 42.

[2] 云美萍，劉賢瑋，陳震寰，等.通勤出行中停車換乘選擇行為分析與建模[J].同濟大學學報(自然科學版)，2012，40(12)：1825-1830.

YUN Meiping，LIU Xianwei，CHEN Zhenhuan，et al.Analysis and modeling of park and ride choice behavior in commuting travel[J].JournalofTongjiUniversity(NaturalScienceEdition)，2012，40(12)：1825-1830.

[3] HOLE A R.Forecasting the demand for an employee park and ride service using commuters’ stated choices[J].TransportPolicy，2004，11(4)：355-362.

[4] 范文博，蔣葛夫.信息作用下隨機多方式網(wǎng)絡(luò)停車換乘行為[J].西南交通大學學報，2008，43(4)：524-530.

FAN Wenbo，JIANG Gefu.Park and ride behavior in stochastic multimodal network under ATIS[J].JournalofSouthwestJiaotongUniversity，2008，43(4)：524-530.

[5] MOLIN E，BOS I.Exploringheterogeneityinparkandridepreferences：Alatentclassmode[C].Transportation Research Board，Washington DC：National Academy of Sciences，2009.

[6] 王曉磊.面向停車換乘的城市通勤廊道交通方式選擇模型研究[D].北京：北京交通大學，2012.

WANG Xiaolei.AnalysisofTransportationModalChoiceModelforMetropolitanCommutingCorridorsOrientatedP&RCombinations[D].Beijing：Beijing Jiaotong University，2012.

[7] 秦煥美，關(guān)宏志，龍雪琴.基于決策過程的停車換乘行為研究[J].武漢理工大學學報(交通科學與工程版)，2014，38(5)：1002-1005.

QIN Huanmei，GUAN Hongzhi，LONG Xueqin.Study on the park and ride behavior based on decision process[J].JournalofWuhanUniversityofTechnology(TransportationScience&Engineering)，2014，38(5)：1002-1005.

[8] 羅瓊.山地組團城市停車換乘方案評價方法[J].重慶交通大學學報(自然科學版)，2012，31(增刊1)：583-585.

LUO Qiong.Evaluation on park and ride scheme in mountain group city[J].JournalofChongqingJiaotongUniversity(NaturalScience)，2012，31(Sup1)：583-585.

[9] 惠英，楊飛.英國停車換乘交通對策的實踐與借鑒[J].重慶交通大學學報(自然科學版)，2008，27(6)：1120-1123.

HUI Ying，YANG Fei.Traffic policy of P & R in England and its significance as reference[J].JournalofChongqingJiaotongUniversity(NaturalScience)，2008，27(6)：1120-1123.

[10] 侯杰泰，溫忠麟，成子娟.結(jié)構(gòu)方程模型及其應(yīng)用[M].北京：教育科學出版社，2004.

HOU Jietai，WEN Zhonglin，CHENG Zijuan.StructuralEquationModelandItsApplications[M].Beijing：Educational Science Press，2004.

[11] 莫一魁，蘇永云，沈旅歐.基于結(jié)構(gòu)方程的小汽車駕駛員信息偏好分析[J].系統(tǒng)工程，2009，27(8)：85-89.

MO Yikui，SU Yongyun，SHEN Lv’ou.Analysis of car drivers’ preference for traffic information based on structural equation modeling[J].SystemsEngineering，2009，27(8)：85-89.

[12] 趙昕，關(guān)宏志，鞏麗媛.基于結(jié)構(gòu)方程的家庭假日外出活動關(guān)聯(lián)性分析[J].交通運輸系統(tǒng)工程與信息，2011，11(4)：85-90.

ZHAO Xin，GUAN Hongzhi，GONG Liyuan.Modeling correlation of family holiday activities based on structural equation model[J].JournalofTransportationSystemsEngineeringandInformationTechnology，2011，11(4)：85-90.

[13] 魏雪梅，戢曉峰，陳方.基于SEM的駕駛員出行信息搜尋行為分析[J].交通運輸系統(tǒng)工程與信息，2012，12(3)：174-179.

WEI Xuemei，JI Xiaofeng，CHEN Fang.Drivers’ travel information searching behavior study with structural equation modeling[J].JournalofTransportationSystemsEngineeringandInformationTechnology，2012，12(3)：174-179.

[14] 陳堅，晏啟鵬，楊飛，等.出行方式選擇行為的SEM-Logit整合模型[J].華南理工大學學報(自然科學版)，2013，41(2)：51-57.

CHEN Jian，YAN Qipeng，YANG Fei，et al.SEM-Logit integration model of travel mode choice behaviors[J].JournalofSouthChinaUniversityofTechnology(NaturalScienceEdition)，2013，41(2)：51-57.

[15] 朱順應(yīng)，吳俁，王紅，等.軌道交通乘客滿意度不確定性預測與分析[J].重慶交通大學學報(自然科學版)，2015，34(6)：150-155.

ZHU Shunying，WU Yu，WANG Hong，et al.Uncertainty prediction and analysis on rail passenger satisfaction[J].JournalofChongqingJiaotongUniversity(NaturalScience)，2015，34(6)：150-155.

[16] 黃芳銘.結(jié)構(gòu)方程模式：理論與應(yīng)用[M].北京：中國稅務(wù)出版社，2005.

HUANG Fangming.StructuralEquationModeling：TheoryandApplications[M].Beijing：China Taxation Publishing House，2005.

[17] 戢曉峰，魏雪梅，陳方.基于結(jié)構(gòu)方程模型的公共交通系統(tǒng)公平性評估——以昆明市為例[J].公路交通科技，2013，30(1)：126-132.

JI Xiaofeng，WEI Xuemei，CHEN Fang.Evaluation of public transport system equity based on structure equation model：taking Kunming as an example[J].JournalofHighwayandTransportationResearchandDevelopment，2013，30(1)：126-132.

[18] NUNNALLY J C.PsychometricTheory[M].New York：McGraw-Hill，1978.

[19] 李琳.城市老年人出行行為及其影響機理研究[D].昆明：昆明理工大學，2014.

LI Lin.StudyonTravelBehaviorandInfluenceMechanismofUrbanElderly[D].Kunming：Kunming University of Science and Technology，2014.