王茁, 張鳴軒

大連科技學(xué)院交通運(yùn)輸學(xué)院，遼寧大連 116052

0 引言

隨著城市人口的增加，交通擁堵越來(lái)越嚴(yán)重，公共交通成為城市居民出行的首選交通方式。諸多學(xué)者對(duì)公共交通方式的劃分方法與出行方式預(yù)測(cè)進(jìn)行了研究。于勝武[1]對(duì)公交優(yōu)先發(fā)展的社會(huì)環(huán)境分別利用態(tài)勢(shì)分析法和神經(jīng)網(wǎng)絡(luò)法進(jìn)行分析，以居民出行方式選擇的特征為研究重點(diǎn)，提出公交優(yōu)先發(fā)展的保障措施；陳俊勵(lì)等[2]通過(guò)分析北京市居民出行調(diào)查數(shù)據(jù)，基于Logit方法建立出行方式選擇模型，為制定居民公交需求管理政策提供依據(jù)；侯現(xiàn)耀等[3]研究公交信息對(duì)居民選擇出行方式的影響，就公交出行距離、道路擁堵情況、公交換乘和公交車(chē)輛位置等4種公共交通信息進(jìn)行居民出行方式選擇意向調(diào)查，建立多項(xiàng)Logit模型進(jìn)行影響因素的定量分析；任倩[4]研究公交先到達(dá)性，在出行方式選擇結(jié)果的基礎(chǔ)上對(duì)公交先到達(dá)性按分級(jí)標(biāo)準(zhǔn)進(jìn)行研究，為國(guó)內(nèi)城市公交優(yōu)先發(fā)展效果評(píng)價(jià)及公交服務(wù)質(zhì)量提升提供依據(jù)；云美萍等[5]利用非集計(jì)和統(tǒng)計(jì)分析的方法，建立混合截面數(shù)據(jù)和多元非集計(jì)(multinominal logit，MNL)模型，分析不同時(shí)間居民出行方式選擇行為的影響因素，并結(jié)合模型分析結(jié)果與統(tǒng)計(jì)分析數(shù)據(jù)，分析公共交通服務(wù)質(zhì)量的變化對(duì)居民出行方式選擇的影響。

對(duì)于交通出行方式劃分理論的研究領(lǐng)域比較廣泛，所建立的模型大致是基于出行的實(shí)際調(diào)查和出行的匿名問(wèn)卷調(diào)查。由于出行方式選擇的基本單位不同，主要有以小區(qū)為單位的集計(jì)模型和以個(gè)人為單位的非集計(jì)模型，集計(jì)模型無(wú)法正確描述居民對(duì)出行方式選擇的過(guò)程[6-7]，本文擬將城市居民出行選擇公共交通方式的個(gè)人行為作為研究出發(fā)點(diǎn)，在分析影響個(gè)人出行因素的基礎(chǔ)上，建立公交出行方式選擇的MNL模型，再將個(gè)人的選擇結(jié)果集計(jì)起來(lái)預(yù)測(cè)不同公交方式的分擔(dān)比例。

1 居民公交出行方式選擇

1.1 居民主要公交出行方式及特性

選擇城市公共交通系統(tǒng)中出行占比較高的公交車(chē)、快速公交(bus rapid transit，BRT)及軌道交通3種交通方式作為出行方式選擇對(duì)象。公交車(chē)是公交系統(tǒng)最主要的出行方式，費(fèi)用低，且可根據(jù)自身需求選擇不同的線路；BRT載運(yùn)量大，有專(zhuān)用運(yùn)行通道，可大大節(jié)約乘客的出行時(shí)間及出行費(fèi)用；軌道交通速度快、耗能少，且多在地面以下空間運(yùn)行，能有效提高土地利用率，避免噪音污染。研究各種公共交通出行方式的優(yōu)勢(shì)及局限性，以便為出行者選擇滿足出行需求的最佳出行方式提供有效參考，也可為城市公共交通系統(tǒng)的重新規(guī)劃提供更為重要的理論依據(jù)[8-10]。

1.2 居民出行特性預(yù)測(cè)

1)預(yù)測(cè)方法

城市交通規(guī)劃通常采用微觀與宏觀相結(jié)合的方式，依據(jù)國(guó)家的經(jīng)濟(jì)體系、交通政策等多方面因素預(yù)測(cè)居民交通出行方式選擇。宏觀預(yù)測(cè)方法包括四階段法、土地利用法和非集計(jì)模型預(yù)測(cè)法3種；微觀預(yù)測(cè)方法有時(shí)間序列法、卡爾曼濾波模型、支持向量機(jī)模型和神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)[11]。四階段法、時(shí)間序列法和支持向量機(jī)模型預(yù)測(cè)數(shù)據(jù)獲取難度較大，實(shí)際應(yīng)用難度較高；土地利用法數(shù)據(jù)獲取難度低，受其他因素的影響較小，但預(yù)測(cè)精度不高；卡爾曼濾波模型數(shù)據(jù)獲取難度低，預(yù)測(cè)精度高，受其預(yù)測(cè)原理影響，不適用于實(shí)時(shí)預(yù)測(cè)；神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)獲取難度低，影響因素少，適合實(shí)時(shí)預(yù)測(cè)[12-14]。非集計(jì)模型通常以個(gè)人為研究對(duì)象，以原始數(shù)據(jù)作為直接建模的依據(jù)，計(jì)算描述個(gè)體行為的概率，不用繁瑣的數(shù)據(jù)處理和計(jì)算機(jī)資源，要求樣本少、預(yù)測(cè)精度高，能夠較好地反映出行者的真實(shí)情況[15]。故本文采用MNL模型預(yù)測(cè)法。

2)分析依據(jù)

城市居民出行調(diào)查是研究城市居民出行方式選擇的關(guān)鍵環(huán)節(jié)和首要依據(jù)，廣州市2010年、2012年、2014年、2016年居民選擇公交車(chē)、BRT及軌道交通出行調(diào)查數(shù)據(jù)如圖1、2所示。

圖1 3種公交出行方式的載客量 圖2 居民出行目的構(gòu)成

3)實(shí)施過(guò)程

考慮城市經(jīng)濟(jì)發(fā)展、交通結(jié)構(gòu)、城市用地布局及道路交通設(shè)施等因素對(duì)居民出行方式的影響，定性分析城市規(guī)模在未來(lái)發(fā)展的走向及公交系統(tǒng)組成的變化。根據(jù)以往居民出行調(diào)查數(shù)據(jù)，采用MNL模型，分析居民每次出行時(shí)選擇交通方式的心理變化、出行時(shí)間、出行距離、服務(wù)質(zhì)量、每種交通方式的特點(diǎn)等因素，計(jì)算城市各種交通方式的分擔(dān)比例，從而粗略預(yù)測(cè)居民的出行方式[16]。

2 MNL模型的建立

以廣州市城市居民乘坐公交車(chē)、BRT、軌道交通3種交通方式作為選擇對(duì)象。從概率論的角度考慮，對(duì)每一種交通出行方式均賦予其特有的效用函數(shù)。分析不同出行者選擇公交方式的差異，除了出行方式屬性外，還通過(guò)效用函數(shù)加入出行者的社會(huì)經(jīng)濟(jì)屬性[17]。

2.1 模型假設(shè)

1)公交系統(tǒng)有且僅有公交車(chē)、BRT、軌道交通3種交通工具；

2)效用函數(shù)是可以量化的線性組合；

3)出行者的選擇行為是理性的，即選擇效用函數(shù)值大的交通方式；

4)僅將出行者的社會(huì)經(jīng)濟(jì)屬性以及出行方式屬性作為影響居民出行方式選擇的因素；

5)影響出行者選擇的因素服從均值為0的Gumbel分布。

2.2 模型構(gòu)建

出行者的效用函數(shù)與出行方式屬性和社會(huì)屬性有關(guān)，即

U*=(x,E)，

(1)

式中：U*為居民的效用函數(shù)，x為公共交通出行方式屬性變量，E為出行者的社會(huì)及經(jīng)濟(jì)屬性變量。

若選擇第i種交通方式，不選擇第j種交通方式，則有

U*(xi,E)>U*(xj,E),?j≠i,j=1,2,3，

(2)

則第i種出行方式的選擇概率

p(i)=p{(U*(xi,E)>U*(xj,E)),?j≠i,j=1,2,3}，

(3)

效用函數(shù)的量化表示為：

U*=U(xj,E)+λ(x,E)，

(4)

式中：U(xj,E)為交通方式效用函數(shù)固有的非隨機(jī)屬性，即價(jià)格、時(shí)間等可變因素；λ(x,E)為交通方式效用函數(shù)的隨機(jī)屬性。

令U(xi,E)=Ui,λ(xi,E)=λi，由式(2)(3)得：

p(i)=p{Ui-Uj>λj-λi,?j≠i,j=1,2,3}，

(5)

式中Ui、Uj分別為第i、j種出行方式的效用函數(shù)。

由于假設(shè)影響出行者選擇的因素服從Gumbel分布，且均值為0，所以交通方式的隨機(jī)屬性最優(yōu)值服從Gumbel分布[18]，式(5)可進(jìn)一步整理為：

(6)

結(jié)合式(1)～(6)，根據(jù)模型假設(shè)，考慮影響居民出行選擇的因素及其參數(shù)，構(gòu)建居民出行方式選擇模型

U*=U+λ=mF+nT+pC+qB(E)+λ，

(7)

式中：F為居民出行經(jīng)濟(jì)費(fèi)用，即票價(jià)；T為選擇某種交通方式花費(fèi)的時(shí)間成本；C為居民出行的擁擠費(fèi)用；B為居民的社會(huì)經(jīng)濟(jì)屬性；m為出行費(fèi)用系數(shù)；n為出行時(shí)間系數(shù)；p為擁擠費(fèi)用系數(shù)；q為居民社會(huì)屬性系數(shù)；λ為隨機(jī)參數(shù)。

由于每位出行者的出行經(jīng)濟(jì)費(fèi)用和出行時(shí)間費(fèi)用無(wú)固定的計(jì)量標(biāo)準(zhǔn)，本文提出廣義出行費(fèi)用的概念，即廣義的總出行費(fèi)用為各關(guān)聯(lián)變量乘以相應(yīng)的影響系數(shù)之和，包括居民出行經(jīng)濟(jì)費(fèi)用、出行時(shí)間費(fèi)用、出行擁擠費(fèi)用及居民社會(huì)屬性等。

故考慮出行費(fèi)用的第i種出行方式的選擇概率

(8)

式中：Fi為出行費(fèi)用的關(guān)聯(lián)變量；Ti為出行時(shí)間的關(guān)聯(lián)變量；Ci為擁擠費(fèi)用的關(guān)聯(lián)變量；Bi為出行者社會(huì)經(jīng)濟(jì)屬性的關(guān)聯(lián)變量，此處默認(rèn)為0,本文的出行者社會(huì)經(jīng)濟(jì)費(fèi)用主要考慮公共交通方式的票價(jià)，幾種公交方式的平均出行費(fèi)用相差不大；ξi為常數(shù)，可用最大似然法估計(jì)得到。

3 應(yīng)用實(shí)例

利用TransCAD交通規(guī)劃軟件，結(jié)合2014年11月至12月廣州市居民出行調(diào)查情況，根據(jù)式(7)(8)，對(duì)居民的出行方式選擇進(jìn)行預(yù)測(cè)[19]。

3.1 數(shù)據(jù)準(zhǔn)備

2014年11月至12月，抽樣調(diào)查2000戶廣州市居民家庭，涉及樣本共4318個(gè)，其中，公交車(chē)樣本2872個(gè)，BRT 312個(gè)，軌道交通1134個(gè)(地鐵和輕軌分別為856、278個(gè))。調(diào)查中認(rèn)定居民移動(dòng)300 m以上或5 min以上即為出行，得到居民出行的相關(guān)數(shù)據(jù)。調(diào)查結(jié)果顯示，居民每人每日平均出行2.01次，廣州市居民平均出行強(qiáng)度分布不均，以上學(xué)、上班、返家和外出購(gòu)物為目的的出行占比最多，達(dá)75%[20]。

考慮標(biāo)定模型的數(shù)據(jù)應(yīng)是個(gè)人選擇的非集計(jì)數(shù)據(jù)，根據(jù)式(7)處理原始數(shù)據(jù)，抽取效用函數(shù)中涉及到的屬性。由于本文研究需要涉及廣義費(fèi)用，則對(duì)居民出行費(fèi)用成分進(jìn)行分析，具體包括：

1)出行經(jīng)濟(jì)費(fèi)用，即票價(jià)。調(diào)查得知，公交車(chē)、地鐵、輕軌、BRT的票價(jià)分別為1～2、1～13、4～8、2元。

2)出行時(shí)間費(fèi)用。出行時(shí)間費(fèi)用是由各樣本的出行時(shí)間乘以與出行者所采用的出行方式相對(duì)應(yīng)的時(shí)間費(fèi)用，進(jìn)行量綱轉(zhuǎn)化后得到的費(fèi)用。出行時(shí)間費(fèi)用從“廣州市居民出行調(diào)查”數(shù)據(jù)匯總獲得，即公交車(chē)、BRT、地鐵及輕軌的出行時(shí)間費(fèi)用分別為5.50、11.70、9.55、7.31元/h。

3)出行擁擠費(fèi)用。擁擠費(fèi)率(按照單個(gè)站立乘客及常見(jiàn)行李的占用面積轉(zhuǎn)換得到)與出行距離相乘得到擁擠費(fèi)用。僅分析不同公共交通方式車(chē)廂內(nèi)的擁擠程度，當(dāng)站立乘客分別不帶行李、帶公文包、帶背包時(shí)占用面積分別為0.15～0.20、0.25～0.30、0.35～0.40 m2。

4)社會(huì)經(jīng)濟(jì)屬性。建模時(shí)，除考慮出行者的收入水平，還考慮出行距離、出行起點(diǎn)與訖點(diǎn)、出行方式選擇等方面的可量化因素。

圖3 創(chuàng)建MNL模型表

3.2 MNL模型表的建立

居民出行情況預(yù)測(cè)中，MNL模型表的建立是最為關(guān)鍵的一步[21]，它是將MNL模型應(yīng)用在TransCAD中的重要步驟。用單一的MNL模型表來(lái)儲(chǔ)存MNL模型的信息，包括模型的結(jié)構(gòu)估計(jì)或者應(yīng)用模型的數(shù)據(jù)源等兩方面的內(nèi)容。在MNL模型里輸入離散數(shù)據(jù)表和OD矩陣的解釋性變量?jī)煞N,數(shù)據(jù)源生成MNL模型表，以反映不同交通方式的效用函數(shù)[22]。離散數(shù)據(jù)表由居民出行調(diào)查得到，它提供居民的實(shí)際出行情況。 OD矩陣是以城市研究區(qū)域所有交通分區(qū)按行(起點(diǎn)區(qū))與列(訖點(diǎn)區(qū))排序，以任意兩分區(qū)之間的居民或車(chē)輛出行量(OD量)為元素的矩陣，其解釋性變量就是矩陣中的交通量。MNL模型表如圖3所示。

在圖3中的路層屬性 Field name對(duì)話框中輸入3種出行方式之一的“bus”(公交車(chē))，確認(rèn)后出現(xiàn)默認(rèn)屬性“Integer(4bytes)”。同理輸入“BRT”“rail transit”(軌道交通)。另外，MNL模型表標(biāo)定出了每種交通方式的效用函數(shù)。如，公交車(chē)出行方式的效用函數(shù)包括一個(gè)常量(Asc)以及出行時(shí)間(TT)、出行費(fèi)用(TC)、出行距離(Distance)、擁擠費(fèi)用(Congestion)4個(gè)變量。

3.3 參數(shù)標(biāo)定

當(dāng)MNL模型表建成后，即可進(jìn)行MNL模型標(biāo)定。選擇數(shù)據(jù)源后點(diǎn)擊“OK”，彈出參數(shù)表格，出現(xiàn)3種交通方式的效用函數(shù)，標(biāo)定完成后，TansCAD自動(dòng)在模型行添加模型名稱(chēng)和模型參數(shù)值。

選擇數(shù)據(jù)源后即可得到關(guān)于公交車(chē)、BRT和軌道交通的效用函數(shù)參數(shù)表，具體函數(shù)表達(dá)式為：

Ubus=0.054 040tbus,

UBRT=-0.554 27+0.054 040tBRT,

Umetro=-0.889 540+0.076 390tmetro,

式中：Ubus、UBRT和Umetro分別為公交車(chē)、BRT和軌道交通的效用函數(shù)，tbus、tBRT和tmetro分別為3種交通方式的出行平均花費(fèi)時(shí)間。

在TransCAD軟件中，執(zhí)行命令“多項(xiàng)式邏輯應(yīng)用”，即得到基于離散數(shù)據(jù)的出行者個(gè)人選擇參數(shù)和基于不同費(fèi)用的出行者個(gè)人選擇概率，如表1、2所示。

表1 基于離散數(shù)據(jù)的出行者個(gè)人選擇參數(shù)

表1中：A、B分別表示交通小區(qū)中的地點(diǎn)，A→B(或B→A)隨機(jī)參數(shù)為單個(gè)出行者從A→B(或B→A)的個(gè)人出行參數(shù)，對(duì)于不同個(gè)體影響其出行的參數(shù)用隨機(jī)參數(shù)來(lái)處理，兩者中的最大似然值即為模型中的常數(shù)i。

表2出行者個(gè)人選擇費(fèi)用

迭代次數(shù)出行費(fèi)用出行時(shí)間費(fèi)用出行擁擠費(fèi)用195.44727.26177.302190.881 454.52354.59337.49146.78115.73

從表2中可以看出：基于出行經(jīng)濟(jì)費(fèi)用、出行時(shí)間費(fèi)用、出行擁擠費(fèi)用分別為37.49、146.78、115.73，將數(shù)據(jù)進(jìn)行單位制轉(zhuǎn)化為選擇概率分別為0.037 49、0.146 78、0.115 73，將轉(zhuǎn)化后的概率代入式(6)，分別得到3種出行方式的效用函數(shù)值，該函數(shù)值帶入式(7)，分別得到出行費(fèi)用、出行時(shí)間、擁擠費(fèi)用及出行者社會(huì)經(jīng)濟(jì)屬性的關(guān)聯(lián)參數(shù)，如表3所示。

表3 交通出行參數(shù)的關(guān)聯(lián)參數(shù)

選取所有居民出行費(fèi)用、出行時(shí)間價(jià)值、擁擠費(fèi)用等參數(shù)值代入式(8)計(jì)算，即可得到所有居民選擇某種公交方式的概率[23]，進(jìn)而得到廣州市各種出行方式的分擔(dān)比例。

3.4 模型的統(tǒng)計(jì)結(jié)果與檢驗(yàn)

2014年廣州市3種公交方式的出行分擔(dān)比例統(tǒng)計(jì)情況如表4所示，誤差絕對(duì)值均在允許范圍10%以?xún)?nèi)，故判定本文所建模型具有較高的預(yù)測(cè)精度[24]。

表4 模型預(yù)測(cè)比例與實(shí)際觀測(cè)比例對(duì)比 %

表4可以看出：城市交通系統(tǒng)中，軌道交通在未來(lái)將承擔(dān)相當(dāng)大的城市客流，約占全部出行方式的47.44%，其中軌道交通方式客流主要來(lái)自于地鐵，約占35.32%，而公交車(chē)的分擔(dān)比例高于地鐵，高達(dá)35.68%，并且公交車(chē)的預(yù)測(cè)值最接近實(shí)際值，進(jìn)而體現(xiàn)了公交車(chē)的樣本數(shù)據(jù)更具說(shuō)服力，未來(lái)公交車(chē)也將在城市居民出行中起著舉足輕重的作用[25]，BRT分擔(dān)率最低，僅為16.88%。

4 結(jié)語(yǔ)

分析目前城市公共交通系統(tǒng)中應(yīng)用最普遍的公交車(chē)、BRT及軌道交通3種公交方式的出行特性，在分析居民出行的微觀和宏觀方面影響因素的基礎(chǔ)上，分析出行廣義費(fèi)用的變化，建立城市居民公交出行方式的非集計(jì)選擇模型。

基于廣州市2014年的歷史樣本數(shù)據(jù)，應(yīng)用所建模型進(jìn)行預(yù)測(cè)，廣州市2014年軌道交通、公交車(chē)、BRT出行方式分別占47.44%、35.68%、16.88%，模型的預(yù)測(cè)誤差在10%以?xún)?nèi)，驗(yàn)證了所建模型的正確性。