陳 暉

(嘉興市鐵路建設(shè)管理辦公室，浙江嘉興 314000)

隨著國內(nèi)重要城市間高速鐵路系統(tǒng)的不斷發(fā)展，不僅為人們出行提供了極大便利，帶來了人們生活方式的改變，而且大大提高了鐵路客運能力，緩解了鐵路運輸?shù)膲毫Γ趲砩鲜鲎兓耐瑫r，也給原有的客運交通系統(tǒng)帶來一定程度的沖擊。在一般情況下，客運通道內(nèi)的各種交通方式間存在競合關(guān)系，其基本屬性大體上決定了各自的客流吸引群體，從而形成相對穩(wěn)定的客運交通結(jié)構(gòu)，猶如一個“生態(tài)系統(tǒng)”[1]。當高速鐵路交通方式引入時，“生態(tài)系統(tǒng)”的相對平衡就會被打破，系統(tǒng)內(nèi)各種交通方式的吸引對象會重新進行調(diào)整而達到新的平衡。因此，在高速鐵路快速發(fā)展的今天，進行高速鐵路引入客運走廊后交通結(jié)構(gòu)的預(yù)測研究，優(yōu)化配置客運通道內(nèi)的各種交通資源，形成合理的客運交通結(jié)構(gòu)就顯得尤為重要。

1 交通方式結(jié)構(gòu)預(yù)測研究現(xiàn)狀

在進行交通方式結(jié)構(gòu)預(yù)測時，以離散選擇模型為代表的非集計模型(如Logit模型)被廣泛使用[2]。離散選擇模型既可以用于階段性選擇，也可用于多階段同時性選擇，是一個較有彈性的模型。該模型不僅用于解決傳統(tǒng)四階段法的內(nèi)在問題，還可對決策結(jié)構(gòu)進行優(yōu)化組合(如圖1所示)。

圖1 離散選擇模型應(yīng)用于傳統(tǒng)四階段法

離散選擇模型的最大優(yōu)勢在于可以處理新引入交通方式的情形，適合短期交通結(jié)構(gòu)的預(yù)測，同時可以考察不同政策參量的敏感性，是目前交通行為學(xué)和需求預(yù)測研究的一個熱點。Koppelman提出了增量Logit模型的概念[3]，主要是利用現(xiàn)有交通方式數(shù)據(jù)資料來預(yù)測某種新交通方式引入后的交通需求變化情況。為解決意向調(diào)查數(shù)據(jù)與實際選擇間常有較大誤差的問題，Ben-Akiva & Morikawa利用實際調(diào)查數(shù)據(jù)和意向敘述[4]，建立預(yù)測交通方式轉(zhuǎn)移率的模型。Hibrobata & Kawakami以意向調(diào)查方法收集相關(guān)基礎(chǔ)資料[5]，分析日本名古屋地區(qū)城市軌道交通服務(wù)水平改變后，小汽車出行者轉(zhuǎn)移到軌道交通方式出行的選擇行為。Fowkes & Preston為預(yù)測英國Leicester至Burton間新鐵路的客運服務(wù)需求[6]，同樣以意向調(diào)查方法收集出行者選擇新鐵路運輸方式的意向數(shù)據(jù)。一般情況下，如直接詢問出行者是否愿意選擇新鐵路運輸系統(tǒng)，收集的意向數(shù)據(jù)可能會產(chǎn)生高估的情況。針對這一情況，該研究考慮設(shè)計仿真的意境組合，讓出行者做出假設(shè)性的選擇，以求得各屬性的極限值，當屬性超過此極限值時，出行者將會改變出行計劃而選擇新的交通方式。

總的來說，國外對離散選擇模型的研究注重理論分析和模型改良，大都用于探討某種旅行目的的交通方式選擇行為，但當出現(xiàn)新的交通方式后，少有文獻報道研究如何通過客運交通方式結(jié)構(gòu)的調(diào)整預(yù)測來進行相應(yīng)交通政策的制定。通過客運交通方式結(jié)構(gòu)預(yù)測分析模型，可以制定合理的交通政策和管理措施，從而調(diào)整和引導(dǎo)交通方式結(jié)構(gòu)，這是有關(guān)部門更為關(guān)注的焦點。

2 交通方式結(jié)構(gòu)預(yù)測的離散選擇模型

離散選擇模型的兩大基石是行為選擇理論和隨機最大效用理論，推導(dǎo)過程如下：

(1)出行者n，將在J種交通方式當中進行選擇，無論選擇哪一種都能獲得一定的效用。出行者n從選擇項j中獲得的效用可以用Unj表示，其中j=1，…，J。

(2)由于出行者進行的是效用最大化的選擇，因此效用行為模型可以表示成當出行者n選擇項i，僅當Uni>Unj，(?j≠i)時效用最大。

根據(jù)上述的兩個假設(shè)條件，效用可以分解成效用確定項和隨機項兩部分

Unj=Vnj+εnj

(1)

式(1)中，Vnj為效用項的可觀測部分，εnj為效用項中不可觀測部分，有

Unj=Vnj+εnj?j，那么對于Un1，其概率P(Un1>Un2)的值為

等的時間總是充滿無聊，但又別無他法。常愛蘭叫周小羽干活，比如刷碗，比如洗菜，周小羽是一樣也不肯干的。他的成績很差，語文勉強及格，數(shù)學(xué)也是勉強及格。所以，常愛蘭經(jīng)常說，你這個天殺的，你老爸好的不像壞的全像來了。

Pn1=P(Un1>Un2)=P(Vn1+εn1>Vn2+εn2)=

(2)

即f(y，z)為ε1，ε2的聯(lián)合概率密度函數(shù)。

假設(shè)任一εnj服從Gumbel分布，且其中ε1，ε2相互獨立并服從二重指數(shù)分布，即

F(y)=exp[-exp(-by)]，f(y)=bF(y)exp(-by)

(3)

則

(4)

(5)

3 交通方式結(jié)構(gòu)預(yù)測建模構(gòu)思

3.1 建模時序劃分

根據(jù)個體對交通方式的選擇可劃分為如下三個階段：①新交通方式運營前期的穩(wěn)定狀態(tài)。在該狀態(tài)下意味著出行者對客運交通方式選擇已經(jīng)達到比較穩(wěn)定的狀態(tài)，即已產(chǎn)生習(xí)慣性的交通方式選擇行為。②新交通方式運營初期的擾動狀態(tài)。所謂擾動狀態(tài)是指出行者在選擇客運交通方式出行時尚未產(chǎn)生習(xí)慣性的行為，此時出行者對于整個客運交通系統(tǒng)還處在適應(yīng)和學(xué)習(xí)的階段。③新交通方式運營成熟期的穩(wěn)定狀態(tài)。隨著出行者對于當前客運交通市場的適應(yīng)與熟悉，找到習(xí)慣交通出行方式后，重新回到運營前的穩(wěn)定狀態(tài)。

運營前期的穩(wěn)定狀態(tài)下，新交通方式尚未引入，出行者仍按習(xí)慣選擇交通方式出行，具有相對穩(wěn)定性；運營初期的擾動狀態(tài)下，新交通方式加入客運系統(tǒng)，使得出行者有了新的交通方式選擇，但絕大多數(shù)個體者存在獵奇的非理性因素，會嘗試使用新的交通出行方式，此時的交通方式選擇行為尚不穩(wěn)定。在嘗試使用新交通方式出行的過程當中，根據(jù)經(jīng)驗和自身的判斷，有些出行者轉(zhuǎn)向新交通方式，有些出行者則仍舊使用原來的交通方式，最終也將達到穩(wěn)定的狀態(tài)，此時稱為新的交通方式運營后的穩(wěn)定狀態(tài)。在擾動期，交通方式選擇行為具有暫時性，在一般研究過程中并不加以細分，而是著力于高速鐵路運營前后穩(wěn)定狀態(tài)下個體選擇行為的研究。

3.2 建模思路分析

基于圖2所示的建模思路，擬通過以下6個步驟來建立較精確的預(yù)測模型。

圖2 建模思路流程及關(guān)系

(1)高速鐵路對于很多城市而言是一種新型的交通出行方式，無法通過現(xiàn)狀的交通調(diào)查和現(xiàn)狀的交通系統(tǒng)來判斷高速鐵路引入后給客運交通系統(tǒng)帶來的影響?？梢圆捎肦P(Revealed Preference)和SP(Stated Preference)相結(jié)合的方法來進行出行者的意向調(diào)查。一方面完成現(xiàn)狀數(shù)據(jù)的采集，即RP調(diào)查部分；另一方面對假定條件下出行者的意向偏好進行調(diào)查，即SP調(diào)查部分?？紤]模型評價的精度和新交通方式的引入，可將調(diào)查數(shù)據(jù)分為3個部分：RP Data1、RP Data2和SP Data。其中，RP Data1主要用于各類模型參數(shù)的標定；RP Data2用于模型精度的評價和最優(yōu)模型的確定；SP Data主要用于考察新交通方式引入后的交通方式結(jié)構(gòu)預(yù)測。

(2)從調(diào)查數(shù)據(jù)當中隨機抽取一定數(shù)量的樣本形成RP Data1，利用離散選擇模型計算工具(如Biogeme)對不同模型的參數(shù)進行估計，形成不同模型的效用項描述。對個體出行者而言，方式選擇的改變不是由于方式選擇和效用函數(shù)之間關(guān)系發(fā)生了改變，而是相關(guān)的變量屬性本身發(fā)生了變化。

(3)根據(jù)步驟2得到的不同類別離散選擇模型的效用函數(shù)，并結(jié)合RP Data2(完整的調(diào)查樣本)，利用計算軟件(如Biosim)進行分擔率的仿真訓(xùn)練，求得不同效用函數(shù)下各種交通方式的分擔率，并與RP Data2實際的分擔率進行比較，選定最優(yōu)模型，為交通方式結(jié)構(gòu)預(yù)測奠定模型基礎(chǔ)。

(4)步驟4所進行的工作與步驟2相似，不同的是模型為最優(yōu)模型，參數(shù)標定數(shù)據(jù)變成了SP Data。由于RP數(shù)據(jù)具有可靠性而SP數(shù)據(jù)在調(diào)查過程當中更具靈活性，可建立RP/SP聯(lián)合數(shù)據(jù)來進行交通結(jié)構(gòu)的預(yù)測，目的是得到新交通方式引入后的分擔率。

(5)利用IIA(Independence from Irrelevant Alternation)特性可以進行高速鐵路影響下客運通道內(nèi)的交通結(jié)構(gòu)預(yù)測。

(6)將步驟3～步驟5三個環(huán)節(jié)當中的交通結(jié)構(gòu)預(yù)測值進行對比分析，從而得到不同數(shù)據(jù)條件下交通結(jié)構(gòu)的變化情況，并利用模型當中的政策參數(shù)進行敏感性分析，制定相應(yīng)的交通管理措施。

3.3 模型變量選擇

由于出行者個體喜好等不可測因素的影響，在面臨選擇項相同的情況下，出行個體不一定作出相同的選擇，離散選擇模型中各選擇項的效用是一個隨機變量

Vnj=β1xn1+β2xn2+…+βKxnk=β'xn

(6)

其中：xn=(xn1，xn2，…，xnk)′為特征參數(shù)向量；β=(β1，β2，…，βK)′為待估參數(shù)向量。

特征變量的個數(shù)越多，模型求解的過程就越復(fù)雜。由式(6)可知，選擇概率只與效用差有關(guān)。根據(jù)這一原則，可對變量進行分類，減少待估計參數(shù)數(shù)量，從而降低模型求解的難度，提高模型的計算效率。影響居民出行交通方式選擇的主要因素相當復(fù)雜，但一般可以劃分為個人屬性變量、選擇項屬性變量和常變量三類。

性別、年齡、職業(yè)、家庭總收入、小汽車數(shù)量等因素均包含在個人屬性之中；而選擇項屬性則主要包括出行目的、出行時間、出行費用、換乘次數(shù)、公交聚集時間、公交等待時間和小汽車停車費用等。Mcfadden早在1976年就研究了離散選擇模型當中各模型變量的解釋能力，進一步證明了交通方式選擇與出行個體屬性之間的相互關(guān)系[7](見表1)。

表1 離散選擇模型變量解釋能力

調(diào)查所獲得的出行時間及出行費用數(shù)據(jù)包含了出行者對出行時間及出行費用的理性思考與感性認識，而個體對交通方式的選擇正是建立在個體對時間、費用認知基礎(chǔ)之上，盡管存在偏差，但卻是個體選擇某種交通方式的重要原因。

4 結(jié)束語

以離散選擇理論為主線，提出高速鐵路引入客運走廊后的交通結(jié)構(gòu)預(yù)測研究思路，分析出行者選擇不同客運交通方式時的行為特性和影響因素。在此基礎(chǔ)上，探討高速鐵路引入前后交通方式之間的客流轉(zhuǎn)移情況，量化高速鐵路運營后的影響，進而選擇有效的交通需求管理措施，優(yōu)化交通方式結(jié)構(gòu)配置。

[1] 陸振波，黃衛(wèi)，王樹盛.大容量快速公交系統(tǒng)模式與規(guī)劃選擇方法研究[J].土木工程學(xué)報，2008，41(6)：104-107

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

[3] Koppelman F S. Predicting Transit Ridership in Response to Transit Service Change[J]. Journal of Transportation Engineering， 1983(109)：88-98

[4] Ben-Akiva M，Morikawa T. Estimating of Switching Models from Revealed Preferences and Stated Intention[J]. Transportation Research， 1990(24A)：485-495

[5] Hibrobata Y， Kawakami S. Modeling Disaggregate Behavioral Modal Switching Models Based on Intention Data[J]. Transportation Research， 1991(24B)：15-25

[6] Fowkes T， Preston J. Novel Approaches to Forecasting the Demand for New Local Rail Service[J]. Transportation Research， 1991(25A)：102-115

[7] Train K， McFadden D. An Application of Diagnostic Tests for the Independence from Irrelevant Alternatives[J]. Transportation Research Record， 1976(637)：39-46