韓志玲，陳艷艷，李佳賢，熊 杰，張 凡

(1.北京工業(yè)大學北京市交通工程重點實驗室，北京 100124；2.交通運輸部公路科學研究院，北京 100088)

隨著城市群的出現(xiàn)，居民出行范圍進一步擴大，交通規(guī)劃尺度從城市本身跨越到城市群，交通需求的層次也更加復(fù)雜化和多樣化。城市群發(fā)展過程中，交通對區(qū)域經(jīng)濟一體化及城鎮(zhèn)體系布局發(fā)揮著重要的支撐和引領(lǐng)作用。城市群交通是城市和鎮(zhèn)密集地區(qū)各類交通的綜合，是對國家經(jīng)濟實力甚至對世界經(jīng)濟有影響力的交通問題。城市群中出行者對各種方式的選擇行為是城際間交通需求預(yù)測的重要基礎(chǔ)。

1 研究綜述

交通方式選擇模型中多項Logit 模型(Multinomial Logit Model)或巢式 Logit 模型(Nested Logit Model)等應(yīng)用較多。文獻[1]利用荷蘭中央統(tǒng)計局的交通調(diào)查數(shù)據(jù)分析了不同天氣情況(風速、溫度、是否有雨)對使用小汽車到海邊旅游的概率，同時引入非天氣因素(收入、到海邊的距離、是否周末、就業(yè)情況、性別、年齡)構(gòu)建了幾個巢式Logit模型，該模型相當于一個模式選擇的多項Logit 模型和一個是否去海灘的標準Logit 模型。文獻[2]構(gòu)建了巢式多項Logit 方式選擇模型，該模型對出行費用、距離、車站可達性、服務(wù)頻率、搭載乘客數(shù)、停車費用敏感。文獻[3]探究了價值觀對交通方式選擇行為的影響，并建立了含潛變量的分層Mixed-Logit 模型。文獻[4]利用結(jié)構(gòu)方程模型(Structure Equation Model)探究了天氣狀況對交通方式選擇、戶外溫度感知、情感旅游體驗的影響。文獻[5]以小汽車與軌道交通方式選擇行為為研究對象建立了二項Logit 模型。文獻[6]應(yīng)用多項Logit 模型，納入城市土地利用變量與出行者的家庭、社會、經(jīng)濟等變量，分析其對居民工作與非工作交通方式(私人小汽車、公共汽車、地鐵)的影響。

在霧霾對交通方式選擇行為的影響方面，既有研究主要集中在城市內(nèi)部交通方式上，以構(gòu)建Logit 模型為主。文獻[7]通過分析北京市私人小汽車主問卷調(diào)查結(jié)果發(fā)現(xiàn)，隨著空氣污染程度的提高，車主選擇公共交通出行的比例逐漸增加，并利用二項Logit模型建立了包括空氣污染程度、公共交通質(zhì)量等多因素的空氣質(zhì)量與私人小汽車主交通方式選擇關(guān)系模型。文獻[8]通過建立包含居民個人屬性、出行特性以及空氣污染程度在內(nèi)的多元Logit 模型，分析霧霾天氣下自行車、常規(guī)公共汽車、軌道交通、出租汽車、私人小汽車五種交通方式的分擔率和轉(zhuǎn)移率。文獻[9]基于計劃行為理論建立了結(jié)構(gòu)方程分析模型分析霧霾天氣對公共交通、私人小汽車、電動自行車、自行車、步行五種交通方式的影響。

圖1 交通方式選擇意愿分布Fig.1 Distribution of travel mode choice

在城際間交通方式選擇行為研究方面，考慮的交通方式主要有鐵路、公路、航空中的某幾種。文獻[10]基于高速鐵路(以下簡稱“高鐵”)車站和機場的調(diào)查問卷構(gòu)建了個人特質(zhì)和出行特征影響因素下高鐵和民航兩種交通方式選擇的二項Logit模型。文獻[11]將計劃行為理論引入城際出行行為研究中，探討了計劃行為理論及各變量對于城際交通方式(普速鐵路、城際鐵路、高速鐵路和長途汽車)選擇行為意向的影響。

本文以城市群中的主要交通方式，包括小汽車、長途汽車、高鐵、飛機為研究對象，并包含“決定不出行”這一行為決策，探究霧霾天氣對城際交通方式選擇行為的影響。

2 研究方法

2.1 城際交通方式選擇意愿調(diào)查

霧霾天氣不僅對人類健康產(chǎn)生危害，而且給交通安全帶來更多風險。隨著大眾對霧霾危害認知的逐漸加深，出行者在選擇交通方式時逐漸受到霧霾天氣的影響。考慮到輕度及中度霧霾對出行環(huán)境影響及引起出行者的感知較小，故本文以最不利情景，即重度霧霾天氣為背景展開研究。下文所述霧霾天氣均指重度霧霾天氣。

本文以京津冀城市群為例，分析在遭遇霧霾天氣的情況下出行者的出行目的、個人屬性特征、出行特征等對城際交通方式選擇行為的影響。在城際出行實際發(fā)生地即京津冀區(qū)域內(nèi)的高鐵站、火車站、高速公路服務(wù)區(qū)等地發(fā)放出行意愿問卷，共收集2 300 份有效問卷。交通方式選擇意愿、性別、年齡、職業(yè)、駕齡、出行頻率、出發(fā)地和目的地的分布分別如圖1、圖2 所示。霧霾天氣下，商務(wù)類出行計劃中選擇高鐵的出行者最多；而休閑類出行計劃中選擇不出行者最多，其次是高鐵；兩類出行中選擇長途汽車和飛機方式的出行者均較少。

2.2 多項Logistic回歸模型

多項Logistic回歸是二項Logistic回歸模型的擴展，分為有序多項Logistic 模型和無序多項Logistic 模型。由于本文研究的不同交通方式之間不存在遞增或遞減的序次關(guān)系，因此采用無序多項Logistic 回歸模型。假設(shè)因變量有m個類別，則因變量每一分類的條件概率為

式中：Pj為因變量為j時的概率，j=1,2,…,m；xi為自變量，i=1,2,…,n；αj和βij為模型的回歸截距和回歸系數(shù)。

多項Logistic 回歸通過擬合一種稱作廣義Logit 模型的方法來建模。首先選取某一類別為參照類，例如，如果以第1 類為參照類，則α1和βi1等于0，參照類及其他類別的條件概率分別如式(2)和式(3)所示：

之后以每一分類與該參照類做比較，得到m-1個廣義Logit模型。如果以使用小汽車作為參照類，則得到以下5 個廣義Logit模型。

式中：P1，P2，P3，P4，P5分別為霧霾天氣影響下公眾出行選擇小汽車、高鐵、長途汽車、飛機和決定不出行的概率；xi為影響居民出行選擇的指標。

2.3 變量設(shè)置

利用調(diào)查數(shù)據(jù)，建立多項Logistic 回歸模型。以交通方式選擇結(jié)果為因變量，自變量中出行時耗為連續(xù)變量，直接取調(diào)查值，性別、年齡、職業(yè)、出行頻率、駕齡、出發(fā)地、目的地為分類變量(見表1)。文獻[12]指出，SPSS 默認將所有的自變量均視作連續(xù)性變量。而多分類變量按編碼數(shù)值來分析實際上是強行規(guī)定為等距，這可能引入更大的誤差。因此，必須將原始的多分類變量轉(zhuǎn)化為數(shù)個啞變量，每個啞變量只代表某兩個級別或若干個級別間的差異，這樣得到的回歸結(jié)果才有明確而合理的實際意義。根據(jù)啞變量設(shè)置規(guī)則[12]：對于取值有n個水平的自變量xi會產(chǎn)生n-1 個啞變量，此時會以第n個水平為參照水平，即分類變量編碼矩陣中元素均為“0”的那一行，表示以該自變量相對應(yīng)的取值水平為參照變量。以性別和年齡兩個變量為例，具體設(shè)置見表2。

圖2 出行者特征及其出行特征分布Fig.2 Distribution of travelers'characteristics and travel characteristics

表1 自變量編碼Tab.1 Description of independent variables

3 研究結(jié)果

3.1 商務(wù)出行計劃

利用軟件SPSS19.0 對有效數(shù)據(jù)進行多項Logistic 回歸分析，變量進入規(guī)則為“步進式”中的向前進入。對模型中是否所有自變量偏回歸系數(shù)全為0進行似然比檢驗(見表3)，由于霧霾天氣影響下商務(wù)出行計劃的交通方式選擇模型中，未引入自變量時-2 倍對數(shù)似然值為4 451.840，引入自變量后減小至4 136.888，二者之差為314.952，自由度為56，p＜0.001，表明至少有一個自變量的偏回歸系數(shù)不為0，模型有意義。商務(wù)出行計劃中出行者的駕齡、出行頻率、職業(yè)、出發(fā)地、目的地均對模型具有顯著影響，出行時耗、性別、年齡在統(tǒng)計意義上影響不顯著。

以使用小汽車出行為參照類別，表4 為商務(wù)出行計劃的交通方式選擇模型參數(shù)標定結(jié)果。其中偏回歸系數(shù)B所在列和截距所在行的交叉處數(shù)字即為式(4)～(7)中的αj，其他B 列數(shù)字為回歸系數(shù)βij，Exp(B)為優(yōu)勢比。以選擇“使用高鐵出行”為例對βij，Exp(B)的含義進行說明：出行頻率為“很少”“偶爾”“經(jīng)?！钡幕貧w系數(shù)為正，說明出行頻率為“很少”“偶爾”“經(jīng)?！钡木用癖瘸鲂蓄l率為“頻繁”的居民更傾向于選擇高鐵出行；Exp(B)的數(shù)值表示，在其他因素相同的條件下，出行頻率為“很少”“偶爾”“經(jīng)?！钡木用瘛笆褂酶哞F出行”的概率與“使用小汽車出行”的概率之比分別是出行頻率為“頻繁”的居民這一比值的2.561 倍、1.415 倍、1.393 倍，霧霾天氣下的剛性需求出行計劃中，居民從公路出行轉(zhuǎn)移至高鐵出行的概率隨著出行頻率的減少而增加。出發(fā)地為“非京津冀”“河北省”的回歸系數(shù)為負，說明從兩地出發(fā)的居民相較于從“北京市”出發(fā)的居民不傾向于乘坐高鐵。出發(fā)地為“非京津冀”“河北省”的居民“使用高鐵出行”的概率與“使用小汽車出行”的概率之比分別是出發(fā)地為“北京市”的居民這一比值的0.446倍、0.390倍，說明霧霾天氣下的剛性需求出行計劃中，居民公路出行轉(zhuǎn)移至高鐵出行的概率由出發(fā)地為“北京市”“天津市”“非京津冀區(qū)域”“河北省”依次降低。其他情況下回歸系數(shù)以及Exp(B)的含義以此類推。

“使用高鐵出行”模型中具有統(tǒng)計學意義的因素有：出行頻率為“很少”“偶爾”“經(jīng)?！?，出發(fā)地為“非京津冀”“河北省”，目的地為“天津市”；“使用長途汽車出行”模型中具有統(tǒng)計學意義的因素有：“無駕照”，出行頻率為“很少”“偶爾”?！笆褂蔑w機出行”模型中具有統(tǒng)計學意義的因素有：“＞3年駕齡”，出行頻率為“很少”，職業(yè)為“其他”，出發(fā)地為“河北省”；“決定不出行”模型中具有統(tǒng)計學意義的因素有：出行頻率為“很少”，職業(yè)為“其他”“自由職業(yè)”，出發(fā)地為“河北省”。

霧霾天氣影響下商務(wù)出行計劃的交通方式選擇模型為：

表2 啞變量設(shè)置Tab.2 Dummy variables setting

表3 商務(wù)出行計劃交通方式選擇模型似然比檢驗結(jié)果Tab.3 Likelihood ratio tests of business travel mode choice model

表4 商務(wù)出行計劃以小汽車出行為參照的其他交通方式選擇模型參數(shù)標定結(jié)果Tab.4 Parameter calibration of business travel mode choice model referring to car travel

3.2 休閑出行計劃

對模型中是否所有自變量偏回歸系數(shù)均為0進行似然比檢驗(見表5)。霧霾天氣影響下休閑出行計劃的交通方式選擇模型中，未引入自變量時-2 倍對數(shù)似然值為4 726.290，引入自變量后減至4 378.763，二者之差等于347.526，自由度為56，P ＜0.001，表明至少有一個自變量的偏回歸系數(shù)不為0，模型有意義。

休閑出行計劃中出行者的駕齡、出行頻率、年齡、出發(fā)地、目的地均對交通方式選擇模型具有顯著影響，出行時耗、性別、職業(yè)在統(tǒng)計意義上影響不顯著。模型參數(shù)標定結(jié)果如表6所示。

“使用高鐵出行”模型中具有統(tǒng)計學意義的因素有：“無駕照”，出發(fā)地為“非京津冀”或“河北省”，目的地為“天津市”?！笆褂瞄L途汽車出行”模型中具有統(tǒng)計學意義的因素有：“無駕照”，出行頻率為“偶爾”，出發(fā)地為“非京津冀”?！笆褂蔑w機出行”模型中具有統(tǒng)計學意義的因素有：年齡為“21～40 歲”“41～60 歲”。“決定不出行”模型中具有統(tǒng)計學意義的因素有：“無駕照”，出行頻率為“很少”“偶爾”，出發(fā)地為“河北省”。

霧霾天氣影響下休閑出行計劃的交通方式選擇模型為：

4 結(jié)語

霧霾已經(jīng)成為影響居民交通方式選擇過程中一個不可忽略的重要因素。霧霾導致居民的城際交通方式選擇意愿和選擇行為發(fā)生改變，如小汽車使用者在霧霾天氣下可能轉(zhuǎn)移至非小汽車出行，這與不同交通方式在不同情況下的吸引力有關(guān)。鐵路出行抵抗惡劣天氣干擾能力強、快捷、準時、安全性高，故在惡劣天氣下的出行中成為首選。

表5 休閑出行計劃的交通方式選擇模型似然比檢驗結(jié)果Tab.5 Likelihood ratio tests of leisure travel mode choice model

交通方式發(fā)生轉(zhuǎn)移的概率由個人屬性特征、出行特征決定。剛性出行和彈性出行中影響交通方式選擇的因素不同，且影響程度不一。剛性出行中，駕齡對使用長途汽車和飛機出行影響顯著，駕齡越短，使用長途汽車的概率越大；出行頻率對方式選擇的影響顯著，且出行頻率越小選擇非小汽車出行的概率越大；職業(yè)對飛機出行和決定不出行影響顯著，非企業(yè)單位員工更傾向于乘坐飛機或決定不出行；出發(fā)地對使用高鐵、飛機或決定不出行影響顯著，且北京市居民更傾向于非小汽車出行；目的地對高鐵出行影響顯著，目的地為天津時最傾向于選擇高鐵。彈性出行中，年齡對使用飛機出行影響顯著，年齡越大使用飛機出行的概率越小。

研究過程中未考慮出行費用對交通方式選擇的影響，下一步研究中應(yīng)將該因素加入。

表6 休閑出行計劃以小汽車出行為參照的其他交通方式選擇模型參數(shù)標定結(jié)果Tab.6 Parameter calibration of leisure travel mode choice model referring to car travel