趙凱華,李海鷹
(1.北京交通大學(xué)交通運(yùn)輸學(xué)院,北京100044;2.北京交通大學(xué)軌道交通安全與控制國家重點(diǎn)實(shí)驗(yàn)室,北京100044)
客流分布是城市軌道交通路網(wǎng)規(guī)劃、網(wǎng)絡(luò)化運(yùn)營計(jì)劃制定和協(xié)調(diào)、客流組織、票務(wù)清分的依據(jù)。我國城市軌道交通系統(tǒng)主要采用“一票換乘”模式,無法標(biāo)記乘客出行路徑,這需要建立乘客路徑選擇模型,確定客流在不同路徑間的分配比例,從而把握客流在路網(wǎng)上的分布情況。在線路規(guī)劃、新線接入等路網(wǎng)結(jié)構(gòu)發(fā)生變化時(shí),或者客流管理措施評(píng)估等需要對(duì)乘客路徑選擇行為進(jìn)行預(yù)測時(shí),由于缺少這些情況下的自動(dòng)售檢票系統(tǒng)(AFC)歷史數(shù)據(jù),基于AFC的數(shù)據(jù)驅(qū)動(dòng)模型[1-3]難以應(yīng)用。因此,仍然需要從選擇行為本身出發(fā),基于乘客實(shí)際決策過程,建立合理的乘客路徑選擇模型。
多項(xiàng)羅吉特(MNL)模型廣泛應(yīng)用于城市軌道交通路徑選擇問題中[4-6],它是一種來源于微觀經(jīng)濟(jì)學(xué)的隨機(jī)效用最大化模型[7]。MNL路徑選擇模型首先確定OD間的備選路徑集合,然后將路徑的各個(gè)屬性綜合在一個(gè)效用函數(shù)中對(duì)路徑進(jìn)行評(píng)估,最后乘客選擇隨機(jī)效用最大的路徑。MNL路徑選擇模型背后的微觀經(jīng)濟(jì)假設(shè)是乘客采用補(bǔ)償型策略,也就是在不同屬性間進(jìn)行權(quán)衡的決策策略,并且認(rèn)為乘客在選擇時(shí)會(huì)考慮備選路徑集中的所有路徑。補(bǔ)償型策略需要大量的認(rèn)知操作,而人們是“認(rèn)知吝嗇者”[8],常常采用一些需要較少認(rèn)知努力的非補(bǔ)償策略來簡化決策過程。這些非補(bǔ)償策略通常會(huì)為方案各屬性指定切除點(diǎn),屬性值高于或低于切除點(diǎn)的方案會(huì)被排除。乘客進(jìn)行路徑選擇時(shí),采用屬性切除點(diǎn)減少選項(xiàng)數(shù)量,同時(shí)權(quán)衡各路徑屬性,選出滿意路徑,這是一個(gè)半補(bǔ)償?shù)臎Q策過程。
半補(bǔ)償決策過程建模方法如下。①一步法[8-10]:在無約束的補(bǔ)償模型中,加入切除點(diǎn)約束。②兩階段法[11-13]:首先為每個(gè)個(gè)體生成可行選擇集,然后應(yīng)用補(bǔ)償模型計(jì)算選擇集中每個(gè)選項(xiàng)的被選概率。決策者是直接從滿足約束的選項(xiàng)中選擇最好的,還是先基于約束進(jìn)行選項(xiàng)刪減再從中選出最好的選項(xiàng),沒有本質(zhì)差別,這2種方法雖然在形式上不同,但在行為上是等價(jià)的。需要注意的是,屬性切除點(diǎn)通常是模糊的,在一些情況下,個(gè)體將違反事先設(shè)定的約束。針對(duì)這個(gè)問題,在一步法中,將切除點(diǎn)設(shè)為軟約束,在效用函數(shù)中加入對(duì)切除點(diǎn)違反的懲罰項(xiàng);在兩階段法中,將切除點(diǎn)設(shè)為隨機(jī)變量,計(jì)算選項(xiàng)屬于某一可行選擇集合的概率。
由于兩階段法的計(jì)算復(fù)雜度隨著備選項(xiàng)數(shù)量的增加而激增,為了計(jì)算方便,采用一步法對(duì)半補(bǔ)償?shù)某丝吐窂竭x擇行為建模,構(gòu)建半補(bǔ)償?shù)幕旌狭_吉特(ML)路徑選擇模型。一方面,對(duì)MNL路徑選擇模型進(jìn)行擴(kuò)展,在效用函數(shù)中加入對(duì)路徑屬性切除點(diǎn)違反量的線性懲罰項(xiàng),描述乘客路徑選擇行為的半補(bǔ)償性;另一方面,對(duì)MNL路徑選擇模型采用隨機(jī)參數(shù)[14],不僅能夠避免Logit模型的獨(dú)立不相關(guān)特性,還能體現(xiàn)不同乘客在路徑偏好上的差異,描述乘客路徑選擇行為的異質(zhì)性。
為研究城市軌道交通乘客的路徑選擇行為,對(duì)北京市城市軌道交通乘客進(jìn)行問卷調(diào)查,調(diào)查內(nèi)容包括路徑屬性切除點(diǎn)調(diào)查和3個(gè)出行場景下的路徑選擇意向(Stated Preference,SP)調(diào)查,共收集路徑選擇樣本1 002份。
以問卷調(diào)查的部分統(tǒng)計(jì)結(jié)果為例,分析路徑選擇行為的半補(bǔ)償性和異質(zhì)性。在出行時(shí)間切除點(diǎn)調(diào)查中,若某一OD間路徑最短出行時(shí)間為30 min,乘客考慮其他路徑時(shí),最大容忍出行時(shí)間為30 min,35 min,40 min和45 min及以上的分布比例分別為6%,21%,52%和21%。這說明乘客在路徑選擇時(shí),存在通過屬性切除點(diǎn)篩選備選路徑的行為,即半補(bǔ)償性。在某一出行場景下乘客路徑選擇意愿調(diào)查中,不同類型乘客(只列出部分分類結(jié)果)對(duì)各路徑的選擇比例存在差異,路徑選擇行為異質(zhì)性例證如表1所示。這說明乘客進(jìn)行路徑選擇時(shí),存在偏好異質(zhì)性,采用固定的屬性偏好系數(shù)可能會(huì)造成偏誤。
設(shè)城市軌道交通網(wǎng)絡(luò)中某一OD對(duì),備選路徑集合為J,每條路徑有K個(gè)屬性,分別為乘客對(duì)路徑屬性的下、上切除點(diǎn)向量,也就是乘客能接受的路徑屬性最小值和最大值,它們?cè)趯?shí)際選擇過程中并非是嚴(yán)格不可違反的。
表1 路徑選擇行為異質(zhì)性例證Tab.1 Illustration of heterogeneous route choice behavior
引入切除點(diǎn)約束違反懲罰項(xiàng),則乘客n選擇第j條路徑獲得的修正隨機(jī)效用可以表示為
在路徑選擇效用函數(shù)中,偏好系數(shù)取負(fù)值,屬性值的增加帶來的是負(fù)效用,因而通常只考慮屬性的上切除點(diǎn),也就是乘客通常只限定屬性的最大取值。
現(xiàn)有城市軌道交通路徑選擇相關(guān)文獻(xiàn)中,通常選取乘車時(shí)間、換乘次數(shù)、換乘走行時(shí)間和路徑舒適度作為乘客路徑選擇的影響因素。在問卷調(diào)查的影響因素重要性排序中,舒適度得分最低,說明和其他3個(gè)因素相比,舒適度對(duì)路徑選擇的影響最小??紤]到路徑中不同路段的舒適度不一致且不易表達(dá),確定路徑的屬性個(gè)數(shù)K= 3,分別為:①乘車時(shí)間Xj1。包括列車區(qū)間運(yùn)行時(shí)間和站臺(tái)??繒r(shí)間,min。②換乘次數(shù)Xj2。乘客完成一次城市軌道交通出行需要換乘列車的總數(shù)量,次。③換乘走行時(shí)間Xj3。在一次城市軌道交通出行中的所有換乘站,乘客從前一線路到達(dá)站臺(tái)步行至另一線路候車站臺(tái)所用的時(shí)間之和,min。
設(shè)εnj(j∈J)相互獨(dú)立,且都服從參數(shù)為(η,μ)的Gumbel分布,則乘客n選擇路徑i(i∈J)的概率為
式中:μ為Gumbel分布的尺度參數(shù),與隨機(jī)誤差項(xiàng)的方差成反比,可以看作衡量乘客對(duì)路網(wǎng)熟悉程度的指標(biāo),為了方便,參數(shù) (η,μ)通常取(0,1)。
通常隨著路徑乘車時(shí)間的增加,乘客對(duì)路徑效用感知誤差的方差D(ε)也會(huì)有所增大,假設(shè)尺度參數(shù)μ與OD間最短路徑乘車時(shí)間X1,min成反比,μ =1 /X1,min。于是,公式 ⑵ 可以改進(jìn)為
為了描述乘客在路徑選擇時(shí)的異質(zhì)性,建立半補(bǔ)償ML路徑選 擇模型,其核心思想是假設(shè)效用函數(shù)中偏好系數(shù)是隨機(jī)的,服從某種概率分布,可以估計(jì)出相應(yīng)的分布參數(shù),如典型的均值與標(biāo)準(zhǔn)差,前者反應(yīng)了平均偏好的大小,后者反映了偏好的差異程度,從而能夠表現(xiàn)乘客路徑選擇偏好參數(shù)的隨機(jī)性和差異性。
在半補(bǔ)償MNL路徑選擇模型的基礎(chǔ)上,設(shè)模型中的偏好系數(shù)服從一定概率分布,便得到半補(bǔ)償ML路徑選擇模型。半補(bǔ)償ML路徑選擇模型是半補(bǔ)償MNL路徑選擇模型的積分形式,乘客n選擇路徑i(i∈J)的概率可以看作半補(bǔ)償MNL路徑選擇模型中選擇概率的加權(quán)平均值,可以表示為
式中:Lni(β)為在隨機(jī)偏好系數(shù)向量取值為β時(shí),乘客n選擇路徑i的概率;f(β|θ)為隨機(jī)偏好系數(shù)向量β聯(lián)合概率分布密度函數(shù),可根據(jù)具體情況選擇;θ為概率密度函數(shù)中的未知參數(shù),常用的如均值、方差等。
隨機(jī)偏好系數(shù)的概率分布形式通常為均勻分布、正態(tài)分布、對(duì)數(shù)正態(tài)分布或三角分布等[14]。考慮到路徑選擇背景下偏好系數(shù)的意義和估算難度,采用正態(tài)分布、對(duì)數(shù)正態(tài)分布(LN)和固定值3種形式進(jìn)行模型標(biāo)定。
由公式 ⑸ 看出,半補(bǔ)償ML路徑選擇模型的路徑選擇概率表達(dá)式不是顯式的,不能得到解析解,只能求得數(shù)值解??紤]到積分運(yùn)算的復(fù)雜性,采用極大仿真似然法估計(jì)模型,利用Matlab求解使仿真似然函數(shù)最大的參數(shù)組合。
(1)求乘客n選擇路徑i的仿真概率。設(shè)模型待估參數(shù)為θ= (μβ,σβ,w,v),其中 (μβ,σβ)為偏好系數(shù)β的分布參數(shù),(w,v)為切除點(diǎn)約束違反量的單位懲罰效用參數(shù)。設(shè)抽取次數(shù)r= 1,給定θ初始值,根據(jù)概率密度函數(shù)f(β|θ)隨機(jī)抽取一個(gè)隨機(jī)向量β,記作β r。根據(jù)公式 ⑷,計(jì)算β r下的路徑選擇概率Lni(β r)的值。重復(fù)R次,計(jì)算Lni(β r)的均值作為給定θ下乘客n選擇路徑i的仿真概率值,即
(2)構(gòu)造樣本仿真似然算子。設(shè)乘客樣本集合元素個(gè)數(shù)為NN;備選路徑集合元素個(gè)數(shù)為NJ;δni為指示變量,當(dāng)乘客n選擇方案j時(shí)為1,否則為0。則樣本的仿真似然函數(shù)為
對(duì)公式 ⑺ 取對(duì)數(shù)得仿真似然算子為
(3)求解參數(shù)值θ。改變?chǔ)戎?,重?fù)上述步驟,直至滿足求解收斂條件,求得仿真似然算子最大值處的θ估計(jì)值。
基于SP調(diào)查數(shù)據(jù),采用極大似然法標(biāo)定MNL路徑選擇模型和半補(bǔ)償MNL路徑選擇模型,采用極大仿真似然法標(biāo)定半補(bǔ)償ML路徑選擇模型。MNL路徑選擇模型參數(shù)標(biāo)定結(jié)果如表2所示,半補(bǔ)償MNL路徑選擇模型參數(shù)標(biāo)定結(jié)果如表3所示,半補(bǔ)償ML路徑選擇模型參數(shù)標(biāo)定結(jié)果如表4所示,3個(gè)模型的檢驗(yàn)統(tǒng)計(jì)量對(duì)比如表5所示。
表2 MNL路徑選擇模型參數(shù)標(biāo)定結(jié)果Tab.2 Estimations of MNL route choice model
表3 半補(bǔ)償MNL路徑選擇模型參數(shù)標(biāo)定結(jié)果Tab.3 Estimations of semi-compensatory MNL route choice model
由表2、表3、表4、表5,可以得到如下結(jié)論。
(1)乘車時(shí)間、換乘次數(shù)、換乘走行時(shí)間的偏好系數(shù)和換乘次數(shù)上切除點(diǎn)違反量單位懲罰效用系數(shù)的t值絕對(duì)值均大于2.58,說明在99%的可靠水平上,這4種因素對(duì)乘客的路徑選擇產(chǎn)生影響。出行時(shí)間上切除點(diǎn)違反量單位懲罰效用系數(shù)t值很小,不能說明此因素對(duì)乘客的路徑選擇產(chǎn)生影響,原因可能是:SP調(diào)查中,一些路徑的出行時(shí)間與最短出行時(shí)間差別不大,而大多乘客事先指定的出行時(shí)間上切除點(diǎn)較高,因而路徑選擇時(shí),此切除點(diǎn)沒有發(fā)揮刪減備選路徑的作用。刪除該變量后,對(duì)半補(bǔ)償MNL路徑選擇模型和半補(bǔ)償ML路徑選擇模型進(jìn)行第2次估計(jì),極大似然值幾乎沒有變化,說明在模型中刪除該變量不會(huì)降低模型對(duì)樣本數(shù)據(jù)的解釋力度。
表4 半補(bǔ)償ML路徑選擇模型參數(shù)標(biāo)定結(jié)果Tab.4 Estimations of semi-compensatory ML route choice model
表5 3個(gè)模型的檢驗(yàn)統(tǒng)計(jì)量比較Tab.5 Comparison of test statistics of three models
(2)在MNL路徑選擇模型和半補(bǔ)償MNL路徑選擇模型中,所有影響因素偏好系數(shù)的取值均為負(fù)數(shù),說明這些因素給乘客帶來的是負(fù)效用,乘客傾向于選擇這些屬性值小的路徑。在半補(bǔ)償ML路徑選擇模型中,乘車時(shí)間和換乘走行時(shí)間服從正態(tài)分布,這樣假設(shè)雖然可能會(huì)出現(xiàn)系數(shù)為正的缺點(diǎn),但由樣本估計(jì)的參數(shù)結(jié)果來看,系數(shù)大于0所占的比例幾乎為0,可以忽略不計(jì)。
(3)MNL路徑選擇模型中,乘車時(shí)間與換乘次數(shù)的邊際替代率為10.68,說明換乘1次相當(dāng)于乘車10.68 min左右;乘車時(shí)間與換乘走行時(shí)間的邊際替代率為1.78,說明換乘走行1 min相當(dāng)于乘車1.78 min。
(4)與半補(bǔ)償模型相比,MNL路徑選擇模型中換乘次數(shù)的偏好系數(shù)絕對(duì)值較大,這是MNL路徑選擇模型試圖通過增大屬性邊際效用絕對(duì)值來捕獲切除點(diǎn)對(duì)路徑選擇行為的影響;與半補(bǔ)償模型相比,在樣本數(shù)據(jù)中,出行時(shí)間切除點(diǎn)并沒有起作用,因而MNL路徑選擇模型中乘車時(shí)間和換乘走行時(shí)間偏好系數(shù)并無太大變化。
(5)擬合優(yōu)度都大于0.2,說明3個(gè)模型對(duì)樣本數(shù)據(jù)都有較好的擬合效果。MNL路徑選擇模型、半補(bǔ)償MNL路徑選擇模型和半補(bǔ)償ML路徑選擇模型的極大似然值依次有小幅提高,說明這半補(bǔ)償ML路徑選擇模型對(duì)樣本數(shù)據(jù)的擬合效果最優(yōu),半補(bǔ)償MNL路徑選擇模型次之,MNL路徑選擇模型最差。
(6)半補(bǔ)償MNL路徑選擇模型和MNL路徑選擇模型的似然比統(tǒng)計(jì)量為14.42 (自由度為2),大于顯著性水平0.05的臨界值5.991,有95%以上的把握認(rèn)為,加入切除點(diǎn)違反懲罰項(xiàng),能夠提高模型對(duì)路徑選擇行為的解釋力度;半補(bǔ)償ML路徑選擇模型和半補(bǔ)償MNL路徑選擇模型的似然比統(tǒng)計(jì)量為19.64 (自由度為3),大于顯著性水平0.05的臨界值7.815,有95%以上的把握認(rèn)為,采用隨機(jī)參數(shù),能夠提高模型對(duì)路徑選擇行為的解釋力度。
準(zhǔn)確地描述和預(yù)測乘客路徑選擇行為,對(duì)城市軌道交通規(guī)劃和運(yùn)營實(shí)踐具有重要意義。半補(bǔ)償ML路徑選擇模型考慮了路徑選擇行為的半補(bǔ)償性和偏好異質(zhì)性,能夠提高模型精度、增強(qiáng)模型對(duì)路徑選擇行為的解釋力度,有助于準(zhǔn)確把握客流時(shí)空分布狀態(tài)和準(zhǔn)確預(yù)測乘客對(duì)需求管理措施的響應(yīng)行為,可以為城市軌道交通路網(wǎng)規(guī)劃、網(wǎng)絡(luò)化運(yùn)營計(jì)劃制定和協(xié)調(diào)、客流組織、票務(wù)清分等提供決策支持。模型采用固定的外生切除點(diǎn),在該研究中由乘客事先指定。但是,在實(shí)際路徑選擇中,不能保證切除點(diǎn)的外生性,而且切除點(diǎn)會(huì)根據(jù)環(huán)境不同而變化,尤其是重復(fù)的出行,經(jīng)驗(yàn)、學(xué)習(xí)、信息獲取等也會(huì)改變切除點(diǎn)。進(jìn)一步可進(jìn)行與乘客社會(huì)經(jīng)濟(jì)屬性相關(guān)的內(nèi)生切除點(diǎn)研究。