魏楠楠，雷銀輝

（中交第一公路勘察設(shè)計(jì)研究院有限公司， 陜西 西安 710065）

目前國內(nèi)外已有很多學(xué)者利用非集計(jì)模型對出行行為進(jìn)行研究，其中分層Logit模型可以有效克服MNL模型的非相關(guān)選擇方案獨(dú)立性引起的預(yù)測誤差。楊勵(lì)雅等基于隨機(jī)效用最大化理論，構(gòu)建了出行方式與出發(fā)時(shí)間聯(lián)合選擇的分層Logit模型［1］；唐潔等結(jié)合國內(nèi)某大型城市居民出行調(diào)查數(shù)據(jù)，建立了城市居民出行空間和方式聯(lián)合選擇模型［2］；姚麗亞等根據(jù)交通方式服務(wù)對象，利用北京市實(shí)際調(diào)查數(shù)據(jù)構(gòu)建了分層Logit模型［3］；Lemp J D 等研究了基于出發(fā)時(shí)間選擇規(guī)劃與應(yīng)用的連續(xù)交叉嵌套Logit模型［4］；Lahipi K等根據(jù)馬爾可夫鏈及蒙特卡羅對分層Logit模型進(jìn)行貝葉斯分析［5］。另有學(xué)者引入一些修正變量對模型進(jìn)行改進(jìn)，劉美琪等考慮了家庭約束，把是否與家人相伴出行引入出行方式選擇的影響因素中［6］；吳麟麟等將忠誠度變量作為影響因素引入模型的可觀測效用部分，建立出行者城際出行方式選擇 Mixed Logit 模型［7］。目前利用非集計(jì)模型對國內(nèi)大型城市居民出行行為進(jìn)行的研究較多，而對地廣人稀的高海拔地區(qū)的出行行為研究較少。

拉薩是著名的旅游城市，每年均有大量的國內(nèi)外游客涌入。數(shù)量龐大的旅游群體在帶動(dòng)拉薩旅游經(jīng)濟(jì)的持續(xù)發(fā)展方面功不可沒，但也給拉薩市的城市交通造成了壓力。因此，本文根據(jù)拉薩市2015年的游客出行意向調(diào)查數(shù)據(jù)，利用非集計(jì)模型對拉薩游客的出行行為進(jìn)行研究，闡述拉薩游客的出行規(guī)律。

1 非集計(jì)模型概述

非集計(jì)模型是描述人們選擇行為的模型，具有高效、低成本、建模方便、操作簡單、可同時(shí)包含多種變量、可移植性較高等特點(diǎn)，因而廣泛應(yīng)用于具有選擇行為的社會(huì)各個(gè)方面。

Logit模型是非集計(jì)模型中適用性較強(qiáng)的模型，其模型結(jié)構(gòu)較為簡單，且在理論上對消費(fèi)者的行為具有較強(qiáng)的說服力。但是對于某出行者來說，Logit模型假定兩個(gè)方案選擇概率的比值不受其他任何選擇方案的效用函數(shù)固定項(xiàng)的影響，即非相關(guān)選擇方案相互獨(dú)立（IIA特性）。當(dāng)選擇方案具有較多相似之處時(shí)，運(yùn)用Logit的誤差較大。分層Logit模型（NL）有效地克服了Logit模型的IIA特性問題，適用于選擇方案中某幾個(gè)選擇肢具有類似性的情況。本文采用NL模型對拉薩游客出行行為進(jìn)行研究，研究數(shù)據(jù)來源于2015年拉薩游客的出行問卷調(diào)查?？紤]到大部分國人均有一定的“西藏情結(jié)”，在進(jìn)藏旅行的選擇過程中受主觀意向影響較多，在效用函數(shù)中引入游客主觀意向修正系數(shù)α。

2 游客出行影響因素分析

2.1 交通特性

拉薩市區(qū)可供選擇的出行方式有公交車、出租車、人力三輪車、私家車、自行車、班車等，游客可根據(jù)實(shí)際情況自由選擇。不同的出行方式有著不同的服務(wù)距離，根據(jù)調(diào)查及收集的拉薩市交通出行資料，既非騎行客又無私家車的游客，其出行方式分擔(dān)率隨出行距離變化的統(tǒng)計(jì)如表1所示。從表1中可以看出，步行和非機(jī)動(dòng)車適合近距離出行，公共交通的分擔(dān)率隨著出行距離的增加先增加后減少，而隨著出行距離的進(jìn)一步增加，游客更傾向于選擇小汽車或其他（租車包車等）出行方式。各交通方式的平均出行距離如表2所示。

此外，各類出行方式的出行費(fèi)用、安全性、方便性、舒適度等也是游客在選擇時(shí)經(jīng)?？紤]的影響因素，這些又與游客自身屬性息息相關(guān)。

2.2 出行者屬性

游客是否擁有汽車或自行車，對交通方式選擇有重要影響。有車的游客自然會(huì)優(yōu)先考慮自駕游，特別是在距離較遠(yuǎn)的景點(diǎn)，隨處可見來自全國各地的汽車。但是在短途出行中，由于停車受限、取車不便等因素，部分游客選擇把車停在賓館，而選擇步行或公交等方式。

表1 出行距離與出行方式統(tǒng)計(jì)表

表2 各類交通方式的平均出行距離

此外，游客的性別、年齡、職業(yè)、收入、旅行目的等也對出行方式的選擇有一定影響。例如在每年來拉薩的眾多游客中，大部分是單純地觀光，順便購物，也有很大一部分是來朝拜。由于后者出行方式較為固定，本文只討論前來觀光購物的游客的出行行為。

2.3 景點(diǎn)特性

景點(diǎn)與市區(qū)的距離是影響游客出行方式選擇最主要的因素。此外，景點(diǎn)交通服務(wù)設(shè)施建設(shè)、海拔高度、天氣、季節(jié)性等也是游客選擇出行方式時(shí)所要考慮的因素。例如，某些景點(diǎn)停車位不足，游客前往必須換乘公共汽車；海拔過高的景點(diǎn)如納木措湖等，體質(zhì)弱的游客易產(chǎn)生不適而影響出行；天氣惡劣，騎行者們會(huì)臨時(shí)選擇汽車出行。青藏旅行有著明顯的季節(jié)性特征，由于該地區(qū)地廣人稀，旅游淡季的交通問題不明顯，本文只討論旅游旺季的游客出行特征。

3 NL模型的建立

3.1 建立選擇樹

根據(jù)拉薩游客的出行特征，將選擇方案分為兩個(gè)層次。其中景點(diǎn)選擇將給游客產(chǎn)生更大的影響，故將其作為第2水平的節(jié)點(diǎn)；出行方式作為第1水平的節(jié)點(diǎn)，與水平2上的節(jié)點(diǎn)連接。

（1）景點(diǎn)選擇肢的劃分方法

拉薩及其周邊景點(diǎn)眾多，如市內(nèi)的布達(dá)拉宮、大小昭寺、羅布林卡等以及周邊納木措湖、羊卓雍措湖、日喀則等皆是聞名遐邇的旅游勝地，許多西藏出游的游客夜晚選擇住宿拉薩，為簡化模型結(jié)構(gòu)，且不至影響出行分析的精度，將景點(diǎn)劃分為兩個(gè)選擇肢，即拉薩市區(qū)和拉薩周邊。

（2）出行方式選擇肢劃分方法

出行方式的劃分直接影響模型參數(shù)標(biāo)定的結(jié)果，為比較不同劃分方式對模型標(biāo)定的影響，本文選取兩種劃分方法：方法1劃分為步行、自駕（包括私家車和自行車）、公共交通（包括公交和班車）、租車（包括出租車、旅行社包車和人力三輪車）；方法2劃分為步行、非機(jī)動(dòng)車（包括自行車和人力三輪車）、公共交通、小汽車（包括私家車和出租車）。

兩種方法的NL模型的結(jié)構(gòu)如圖1和圖2所示：

圖1 方法1 NL模型結(jié)構(gòu)圖

圖2 方法2 NL模型結(jié)構(gòu)圖

第n個(gè)游客選擇水平1上的任意選擇方案（rm）的概率Pn（rm）應(yīng)該等于在選擇了m條件下的選擇了r的條件概率Pn（r|m）與選擇了m的概率Pn（m）的乘積，即：

式中：Mn為出行者n的水平2的選擇方案個(gè)數(shù)；Rmn為出行者n的與節(jié)點(diǎn)m相結(jié)合的水平2的選擇方案數(shù)。

式中：Umn為出行者n選擇了方案（rm）時(shí)的效用；V（r|m）n、V（r'|m）n分別為在出行者n選擇了方案（rm）、（r'm）時(shí)，效用由于（rm）、（r'm）和m的組合而變化部分的固定項(xiàng)；Vmn、Vm'n分別為在出行者n選擇了方案（rm）、（r'm）時(shí)，效用中與r無關(guān)，而僅隨m變化部分的固定項(xiàng)；ε（r|m）n為在選擇了m條件下的選擇了（rm）的效用的概率項(xiàng)，設(shè)其服從均值為0，方差為的二重指數(shù)分布；εmn為在選擇了m的效用的概率項(xiàng)，設(shè)其服從均值為0，方差為的二重指數(shù)分布［9］。

3.2 確定效用函數(shù)和特性變量

（1）西藏旅游的特殊性及其對旅游者出行行為的影響

旅游者對西藏充滿憧憬，具有一定的“西藏情結(jié)”，長距離的旅游消費(fèi)成為多數(shù)人的愿望。雖然承受了很多生理上的不適，在深入認(rèn)識西藏后，旅行者的評價(jià)經(jīng)常上升到精神層面，西藏旅游被認(rèn)為是“心靈之旅”， 游客的主觀出行意向比較強(qiáng)烈?？紤]到游客主觀意向?qū)x擇行為的影響，許多在出行選擇時(shí)的考慮因素如舒適性、方便性、費(fèi)用等都淡化了，游客為了成功游覽景點(diǎn)可以付出一定的代價(jià)。

（2）主觀意向修正系數(shù)的引入與確定

為了更好地詮釋拉薩游客的主觀選擇行為，在景點(diǎn)選擇肢的效用函數(shù)中引入主觀意向修正系數(shù)α，出行者n的總效用Vrmn為水平1的效用V（r|m）n與水平2的效用Vmn之和，即

式中：β、θ分別為水平1和水平2的未知參數(shù)向量；X（r|m）n、Xmn分別為水平1和水平2的特性變量向量；Α為游客主觀意向修正系數(shù)，α＞0。

假定α初始值為1，此時(shí)主觀意向?qū)x擇行為無影響；當(dāng)α＞1時(shí)，主觀意向?qū)x擇行為有正影響，且α值越大影響作用越大；當(dāng)0≤α＜1時(shí)，主觀意向?qū)x擇行為有負(fù)影響，且α值越小影響作用越明顯。α值可根據(jù)調(diào)查數(shù)據(jù)以及出行者對旅游活動(dòng)認(rèn)知的情感分析結(jié)果最終確定。

通過內(nèi)容分析軟件ROST CM6對旅游網(wǎng)站上最新的118篇拉薩游記進(jìn)行分析，利用“情感分析”模塊分析可得出拉薩旅游者的“情感分布視圖”。樣本游記表述的內(nèi)容是旅游者對西藏認(rèn)知和情感的直接表述，以此得出的拉薩旅游形象具有很好的客觀性。根據(jù)感知情緒的統(tǒng)計(jì)結(jié)果及主觀意向修正系數(shù)的閾值，對各類不同程度的感知情緒進(jìn)行數(shù)字化處理，計(jì)算其綜合感知指數(shù)，從而確定結(jié)果主觀意向修正系數(shù)的值，結(jié)果如表3所示。

綜上所述，最終確定主觀意向修正系數(shù)α的值為1.230 2。首先令α取初始值1，將預(yù)測結(jié)果與實(shí)際選擇結(jié)果作對比，計(jì)算其誤差值；然后取α值為1.23，再次預(yù)測檢驗(yàn)。對比兩次預(yù)測的誤差，從而驗(yàn)證引入主觀意向修正系數(shù)的合理性。

表3 拉薩旅游感知情緒綜合指數(shù)

（3）特性變量與數(shù)據(jù)結(jié)構(gòu)的確定

通過2015-07對拉薩游客的出行調(diào)查數(shù)據(jù)初步分析，性別和職業(yè)對游客出行方式的影響不大。在眾多的游客中，男女比例約為6∶4，但各類出行方式的載客量男女比例約為5∶5（自駕除外，男性居多）。另外，選擇各類出行方式的游客職業(yè)種類繁多，沒有明顯的集聚現(xiàn)象。而游客年齡越大，收入越高，越傾向于選擇方便舒適的出行方式。因此，確定水平1的特性變量為年齡、收入、是否有私家車；確定水平2的特征向量為出行費(fèi)用和行程時(shí)間。方法1的NL模型特性變量以及數(shù)據(jù)的結(jié)構(gòu)如表4所示，方法2的與方法1類似。

表4 NL模型特性變量以及數(shù)據(jù)的結(jié)構(gòu)（方法1）

根據(jù)表4建立的效用函數(shù)式如下：

3.3 確定極大似然函數(shù)與參數(shù)估計(jì)

極大似然函數(shù)L*的形式如下：

對數(shù)似然函數(shù)

利用分段估計(jì)法對模型參數(shù)進(jìn)行標(biāo)定：

（1）求使L1最大的參數(shù)的估計(jì)值，用β對L1微分，并將代入通過微分得到的K1階向量，計(jì)算

（4）將V視作分階段估計(jì)法的協(xié)方差矩陣，利用計(jì)算和的t檢驗(yàn)值，其中Vk為V的第k個(gè)對角元素。

（5）計(jì)算其他統(tǒng)計(jì)量。

其中Jn為出行者n的選擇方案的個(gè)數(shù)。

3.4 預(yù)測結(jié)果分析

（1）初始預(yù)測結(jié)果

首先令α取初始值1，模型參數(shù)標(biāo)定結(jié)果如表5所示。從表5可以看出：（1）各變量的t值絕對值均大于1.96，因此，在5%的置信水平上，所選變量對選擇行為有影響。其次，均在0.2~0.4之間，因此可以認(rèn)為所得到的模型精度符合要求。（2）從模型參數(shù)的符號來看，出行費(fèi)用、行程時(shí)間和年齡均為負(fù)值，說明隨著這些變量的增加，選擇的效用降低；而收入、是否有私家車為正值，說明隨著這些變量的增加，選擇的效用增加，與事實(shí)基本相符，可以認(rèn)為結(jié)果是合理的。（3）水平1的固有啞元的參數(shù)符號為負(fù)，且絕對值較大，說明還存在其他對出行方式選擇影響較大的因素。（4）方法1的優(yōu)度比的值要大于方法2，說明方法1的精確度比方法2的高。

故按照方法1的劃分方法，根據(jù)參數(shù)標(biāo)定值可得出行者n選擇各類出行方式的概率，并通過對模型概率集計(jì)得出各類出行方式的分擔(dān)率預(yù)測值，與原始分擔(dān)率的比較如表6所示。

表5 NL模型參數(shù)標(biāo)定結(jié)果

表6 NL模型集計(jì)結(jié)果與原始數(shù)據(jù)比較表

從表6可以看出，利用方法1的NL模型對拉薩游客出行方式選擇概率的預(yù)測值，與拉薩市內(nèi)的近距離出行實(shí)際選擇情況比較符合，但是與拉薩周邊的遠(yuǎn)距離出行實(shí)際選擇結(jié)果相比，則預(yù)測誤差較大，尤其是在選擇概率較小的情況下。這也說明了在遠(yuǎn)距離出行中，游客的選擇行為將受更多因素的影響。

此外，影響游客出行方式選擇的因素除模型中所列的年齡、收入和是否有私家車之外，還存在其他影響較大的因素沒有考慮；其中年齡的參數(shù)為負(fù)，說明隨著年齡的增長，出行效用降低，而實(shí)際上出行效用是先增加后降低的，這里應(yīng)考慮年齡段的劃分；主觀意向修正系數(shù)α取初始值，假定其對選擇結(jié)果無影響，與實(shí)際不符，說明還存在游客的主觀意向因素對選擇結(jié)果影響較大。

（2）模型的修正

根據(jù)初始預(yù)測結(jié)果的分析，在考慮游客主觀意向的同時(shí)，取α值為1.23，并將游客年齡劃分為3段：25歲以下為年齡段1，25~50歲為年齡段2，50歲以上為年齡段3。根據(jù)上述步驟重新對模型進(jìn)行標(biāo)定計(jì)算，得出最終選擇結(jié)果如表7所示。

從表7可以看出，修正后的NL模型對拉薩游客出行方式選擇概率的預(yù)測值，與原始數(shù)據(jù)的相對誤差的絕對值均在20%以內(nèi)，模型的精度較高，該預(yù)測結(jié)果與實(shí)際調(diào)查數(shù)據(jù)比較接近，與實(shí)際選擇情況相符，是合理的。

表7 NL修正模型集計(jì)結(jié)果與原始數(shù)據(jù)比較表

4 結(jié)論

（1）通過對參數(shù)檢驗(yàn)結(jié)果的分析，認(rèn)為兩種模型的精度均符合要求，而不同的劃分方式對模型標(biāo)定結(jié)果的影響也不同，這里方法1要優(yōu)于方法2，說明在拉薩以游客的出行意向?yàn)槌霭l(fā)點(diǎn)劃分交通方式比僅僅考慮各類交通方式特點(diǎn)的傳統(tǒng)劃分方法更符合實(shí)際情況。

（2）引入游客主觀意向修正系數(shù)α，并細(xì)化選擇肢的特性變量后，模型的精度得以提高，預(yù)測結(jié)果更加有效地反映了拉薩游客出行方式的選擇行為。

（3）模型還有一些不足的地方需要改進(jìn)，利用拉薩游客出行意向調(diào)查數(shù)據(jù)和網(wǎng)絡(luò)游記情感分析標(biāo)定主觀意向修正系數(shù)雖然具有一定的可行性，但與樣本的選取存在較強(qiáng)的相關(guān)關(guān)系，標(biāo)定結(jié)果也具有一定的波動(dòng)性。

［1］楊勵(lì)雅，邵春福，HAGHANIA.出行方式與出發(fā)時(shí)間聯(lián)合選擇的分層Logit模型［J］.交通運(yùn)輸工程學(xué)報(bào)，2012，12（2）：76-83.

［2］唐潔，雋志才，高林杰. 城市居民出行空間和方式聯(lián)合選擇模型研究［J］.公路交通科技，2010，27（5）：83-87.

［3］姚麗亞，孫立山，關(guān)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(xué)學(xué)報(bào)（交通科學(xué)與工程版），2010，34（4）：738-741.

［4］Lemp J D，Kockelmen K M，Damien P. The Continuous Cross-Nested Logit Model：Formulation and Application for Departure Time Choice［J］. Transportation Research Part B：Methodological，2010，44（5）：646-661.

［5］Lahipi K，GAO Jian. Bayesian Analysis of Nested Logit Model by Markov Chain Monte Carlo［J］. Journal of Econometrics，2002，111（1）：103-133.

［6］劉美琪，焦朋朋，杜林.考慮家庭約束的出行方式選擇行為研究［J］.長安大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，35（s1）：279-284.

［7］吳麟麟，盧海琴，汪洋等.引入忠誠度變量的城際出行方式動(dòng)態(tài)選擇行為研究［J］.公路交通科技，2014，31（11）：123-129.

［8］李華民，黃海軍，劉劍鋒.混合Logit模型的參數(shù)估計(jì)與應(yīng)用研究［J］.交通運(yùn)輸系統(tǒng)工程與信息，2010，10（5）：73-78.

［9］關(guān)宏志.非集計(jì)模型—交通行為分析的工具［M］.北京：人民交通出版社，2004.