黃玥 干宏程

摘要：提供良好的出行環(huán)境是擴(kuò)大自行車出行分擔(dān)率的重要手段之一。文章在確定合適的研究變量后，通過意向調(diào)查法（Stated Preference Survey）構(gòu)造虛擬情景，以此來捕捉非機(jī)動(dòng)車出行者對(duì)于不同路線之間的偏好，運(yùn)用多項(xiàng)Logit模型定量分析各變量對(duì)出行路線選擇的影響程度。研究結(jié)果表明：紅綠燈數(shù)量、隔離設(shè)施和道路綠蔭都是非機(jī)動(dòng)出行者在選擇出行路線時(shí)所主要考慮的因素，年輕出行者群體較為偏愛標(biāo)線隔離的非機(jī)動(dòng)車道。

關(guān)鍵詞：自行車出行;SP調(diào)查;多項(xiàng)Logit模型;影響因素

0 引言

自行車具有單位面積小、綠色環(huán)保等特點(diǎn)，是緩解城市交通擁堵的重要手段之一，但自行車總體出行比例卻在不斷減少，即使是短距離出行也被機(jī)動(dòng)車所取代。有研究表明，出行者不選擇自行車出行的主要原因之一是沒有提供良好的非機(jī)動(dòng)車出行環(huán)境。為了鼓勵(lì)更多的自行車出行，制定合理的自行車發(fā)展策略，這就需要對(duì)自行車出行者的出行偏好展開研究。

目前，國(guó)外有關(guān)自行車路徑選擇行為的研究成果已經(jīng)相當(dāng)豐富，除了定性的描述性統(tǒng)計(jì)分析外，定量地考察多因素綜合影響下的自行車出行路徑選擇行為大多借助離散選擇模型。Majumdar等利用多項(xiàng)Logit模型（Multinomial Logit Model，MNL）和隨機(jī)參數(shù)Logit模型研究了不同出行環(huán)境下的非機(jī)動(dòng)車出行路徑選擇行為[1]。Chen基于MNL模型對(duì)以旅游為目的的自行車出行者出行路徑選擇行為進(jìn)行研究[2]。使用個(gè)人選擇模型解釋微觀行為的優(yōu)點(diǎn)是可以靈活納入多種解釋因素。

既有研究中探討了多種解釋因素，大體可分為三類：（1）個(gè)體屬性;（2）道路環(huán)境因素（建成環(huán)境、交通流特征等）;（3）潛變量因素[3]（安全性、便利性等）?？紤]到政策的可實(shí)施性，其中對(duì)道路環(huán)境因素的研究最多。雖然各研究對(duì)象不盡相同，但也存在一些共性的結(jié)論：（1）時(shí)間是影響路徑選擇的重要因素[4-5];（2）騎行者展現(xiàn)出對(duì)獨(dú)立騎行空間的訴求，這一訴求體現(xiàn)在對(duì)自行車專用路[6-7]以及連續(xù)隔離設(shè)施的偏好上[8-9];（3）騎行者逐漸將審美融入到交通出行中，良好的景觀環(huán)境可以顯著影響出行者的路徑?jīng)Q策行為[10-11]，出行不再單純指兩點(diǎn)間的移動(dòng)，人們?cè)絹碓街匾曭T行過程中的體驗(yàn)。但由于缺乏統(tǒng)一的客觀因素選取標(biāo)準(zhǔn)和研究框架，這使得目前客觀變量對(duì)出行路徑選擇行為的影響關(guān)系具有不確定性。

綜上，目前大部分的研究仍是在發(fā)達(dá)國(guó)家開展的，國(guó)內(nèi)運(yùn)用離散選擇模型來研究自行車出行路徑選擇行為的報(bào)道還不多。本文以上海市自行車出行者為研究對(duì)象，主要關(guān)注影響自行車出行者出行路線選擇的關(guān)鍵因素，從而為改善中國(guó)城市的非機(jī)動(dòng)車出行環(huán)境，提高自行車出行分擔(dān)率，合理高效地進(jìn)行交通組織提供理論依據(jù)。

1 模型理論

基于效用最大化理論的離散選擇模型是定量分析個(gè)體決策行為的有力工具[12]。王燦[13]對(duì)離散選擇模型做了系統(tǒng)介紹，并提出了面向RP/SP等數(shù)據(jù)的適宜模型。在自行車路徑選擇行為的研究中最常用的就是MNL模型，雖然MNL模型存在固有的理論缺陷，如隨機(jī)效用相互獨(dú)立假設(shè)和線性效用函數(shù)假設(shè)，但作為經(jīng)典的離散選擇模型，由于其具有穩(wěn)健、估計(jì)簡(jiǎn)便、準(zhǔn)入門檻低等特點(diǎn)，仍得到廣泛應(yīng)用。離散選擇模型的一般原理是隨機(jī)效用理論，該效用由固定項(xiàng)和隨機(jī)項(xiàng)兩部分相加構(gòu)成：

根據(jù)效用最大化理論，出行者總是選擇效用函數(shù)值較大的出行路徑，則出行者n從出行路徑方案選擇出行路徑i的條件如下式：

2 數(shù)據(jù)及初步分析

本文所用數(shù)據(jù)來源于所在課題組針對(duì)上海市楊浦區(qū)自行車出行者所做的意向調(diào)查（Stated Preference survey，SP）。為了進(jìn)一步確定研究變量，在正式調(diào)查前首先進(jìn)行了一個(gè)小范圍的預(yù)調(diào)查，隨機(jī)選擇43名在校師生，讓受訪者回憶最近幾次的騎行經(jīng)歷，總結(jié)了共性的騎行特征。綜合前人研究、預(yù)調(diào)查結(jié)果以及實(shí)驗(yàn)設(shè)計(jì)難度，本文將主要考慮以下變量：行程時(shí)間、車道類型、紅綠燈數(shù)量以及是否有路旁綠蔭四個(gè)影響因素。騎行距離與行程時(shí)間所代表的含義基本一致，且相對(duì)于距離而言，出行者對(duì)于時(shí)間更為敏感。非機(jī)動(dòng)車道類型一般通過一些工程措施來實(shí)現(xiàn)，如使用綠化帶或標(biāo)志標(biāo)線等劃出專門的非機(jī)動(dòng)車道，因此這里考慮用隔離設(shè)施變量來區(qū)別非機(jī)動(dòng)車道類型。

在SP情景設(shè)計(jì)時(shí)，假設(shè)情景的影響因素及其水平值如表1所示，且所有的水平值都是基于導(dǎo)航軟件以及實(shí)際的出行情況所做的變化，目的是使受訪者能夠提高對(duì)于路徑?jīng)Q策問題的感知和理解。通過對(duì)各變量及其水平的組合設(shè)計(jì)，最終構(gòu)造了6個(gè)假設(shè)的騎行情景，每個(gè)情景包含三條出行路線，要求受訪者根據(jù)自己的偏好選擇一條最喜歡的出行路線，假設(shè)路線如下頁(yè)圖1所示。

本研究于2018年5月12～19日進(jìn)行，采用紙質(zhì)問卷與網(wǎng)絡(luò)問卷相結(jié)合的調(diào)查方式，在剔除無效和不完整問卷后，共獲得有效問卷121份，每位被調(diào)查者需要重復(fù)做6次情景選擇，共得到726（121×6）個(gè)選擇結(jié)果數(shù)據(jù)供建模使用。除了獲取受訪者的路線選擇外，問卷同時(shí)還收集了被調(diào)查者的個(gè)體屬性信息以及出行特征信息。

個(gè)體屬性及出行特征信息如圖2所示。女性稍多于男性，總體分布均衡，符合我國(guó)社會(huì)人口特征。20～40歲之間的受訪者占多數(shù)，說明參與調(diào)查的主要以中青年為主，相應(yīng)的在學(xué)歷方面，大都接受過良好的教育。如果將騎行人群按周騎行頻率分為固定通勤（3 d以上）和非固定通勤（3 d以下）人群來看，主要是以非固定通勤出行為主，因此本文可更有效地針對(duì)年輕非固定通勤人群。最后詢問了受訪者在出行過程中使用導(dǎo)航軟件的情況，每次都用的情況和不確定的情況所占比例較高，從側(cè)面反映出使用導(dǎo)航頁(yè)面這樣的SP調(diào)查方式對(duì)受訪者來說是熟悉的，保證了數(shù)據(jù)的可靠性。

（1）與情景1中的路線2、3相比，情景3中的路線2、3將原有的紅綠燈數(shù)量從8個(gè)減少為4個(gè)，因此選擇路線2、3出行的比例增加了12.4%。

（2）與情景1中的路線1、3相比，情景4中的路線1、3將原有的綠化效果變成路旁無綠蔭時(shí)，以前有綠蔭的路線1、3由于綠蔭的消失，選擇兩條路線出行的比例下降了6.6%。

（3）與情景1中的路線2相比，情景5中的路線2將無任何隔離設(shè)施的非機(jī)動(dòng)車道，增加了機(jī)非隔離標(biāo)線后，路線2的選擇比例出現(xiàn)較大增長(zhǎng)。

由上述統(tǒng)計(jì)分析表明，紅綠燈數(shù)量、綠蔭以及機(jī)非隔離設(shè)施等變量對(duì)非機(jī)動(dòng)車出行者路線選擇行為有影響。選擇結(jié)果符合預(yù)期，數(shù)據(jù)可靠，因此可做進(jìn)一步建模分析。

3 建模與結(jié)果分析

本文采用經(jīng)典的多元Logit模型進(jìn)行建模，選擇集中包含三個(gè)離散的選擇項(xiàng)：路線1，路線2，路線3。將路線3作為參照組，從而建立起兩個(gè)廣義Logit模型。通過對(duì)影響變量類型的設(shè)定和數(shù)值的轉(zhuǎn)化，最終進(jìn)入模型的變量有：行程時(shí)間，紅綠燈數(shù)量，機(jī)非隔離設(shè)施以及綠蔭。其中將隔離設(shè)施設(shè)為啞變量，Isolate 1（硬隔離）、Isolate 2（軟隔離）的對(duì)照組是無隔離。

模型擬合優(yōu)度判斷指標(biāo)McFadden LRI值為0.240 4，在0.2～0.4之間;Estrella值為0.453 5。這說明模型擬合效果較好。此外，根據(jù)表2可以得到如下結(jié)論：

（1）出行時(shí)間

系數(shù)符號(hào)為負(fù)，說明行程時(shí)間越長(zhǎng)，選擇該路線的概率越低。參數(shù)估計(jì)不顯著，這與國(guó)內(nèi)外其他學(xué)者的研究有相似之處：時(shí)間并非總是出行者最關(guān)心的問題[2][7]。本文認(rèn)為可能有兩個(gè)原因：①非通勤者對(duì)時(shí)間的容忍程度較高，他們?cè)敢鉃榱税踩曰蚋玫尿T行體驗(yàn)而在時(shí)間上做出讓步;②由于各假設(shè)路線間的時(shí)間相差變化不大，導(dǎo)致時(shí)間對(duì)用戶路線選擇的影響微弱。本文對(duì)于時(shí)間水平的設(shè)定是基于真實(shí)導(dǎo)航信息所做的變化，因此，有關(guān)導(dǎo)航公司在進(jìn)行產(chǎn)品開發(fā)時(shí)，對(duì)行程時(shí)間較為接近的可選路線應(yīng)適當(dāng)增加如道路景觀、隔離護(hù)欄等有效信息，減少時(shí)間在顯示框中所占的篇幅。

（2）紅綠燈數(shù)量

該變量的系數(shù)估計(jì)值在0.01水平下顯著，且為負(fù)值，說明當(dāng)路線上的紅綠燈數(shù)量越多，需要停車等待的次數(shù)越多時(shí)，會(huì)降低出行者選擇該路線出行的積極性。通過在多信號(hào)燈控制交叉口的道路上設(shè)置非機(jī)動(dòng)車專用相位以減少停車次數(shù)，將有利于吸引非機(jī)動(dòng)車的出行。

（3）隔離設(shè)施

隔離設(shè)施反映的是道路類型的不同，其系數(shù)值最大，表明對(duì)于自行車出行者而言，車道類型是一個(gè)重要的考慮因素。隔離1的系數(shù)為0.774 5說明相對(duì)于無隔離路線來說，人們更愿意選擇設(shè)有護(hù)欄或綠化帶的路線。隔離2的系數(shù)為0.929 7說明相對(duì)于無隔離路線來說，人們更愿意選擇標(biāo)志標(biāo)線隔離的路線。而且0.929 7>0.774 5，表明對(duì)于年輕的自行車出行者群體而言，在路線選擇時(shí)更傾向于采用標(biāo)志標(biāo)線隔離形式的道路，年輕人為了得到更多自由騎行的空間，愿意在安全性上做出妥協(xié)，但安全仍然是考慮的重要因素之一。

（4）綠蔭

綠蔭對(duì)出行者來說至關(guān)重要，該變量對(duì)路線選擇具有正向作用，尤其在溫度較高的季節(jié)，人們出于避暑的目的或?yàn)榱讼硎芨玫淖匀痪坝^往往會(huì)選擇該路線出行。通過對(duì)某些路段設(shè)置良好的自然、人文景觀可以實(shí)現(xiàn)引導(dǎo)交通量轉(zhuǎn)移的效果。

4 結(jié)語(yǔ)

本文通過對(duì)中外文獻(xiàn)的梳理并結(jié)合預(yù)調(diào)查結(jié)果，確定了影響自行車出行路徑選擇行為的關(guān)鍵因素。以從學(xué)校出發(fā)前往五角場(chǎng)商圈的真實(shí)路線為基礎(chǔ)，運(yùn)用SP調(diào)查法構(gòu)造虛擬的路線選擇情景來捕捉自行車出行者的出行偏好，最后運(yùn)用多項(xiàng)Logit模型獲得了非機(jī)動(dòng)車出行者出行路線選擇偏好概率模型，模型具有較好的擬合優(yōu)度和參數(shù)估計(jì)效果。結(jié)果表明：紅綠燈數(shù)量、隔離設(shè)施以及道路綠蔭都是自行車出行者所主要考慮的因素。在隔離設(shè)施類型中，年輕的出行者群體尤其偏愛標(biāo)線隔離的非機(jī)動(dòng)車道。

此研究成果的應(yīng)用價(jià)值主要體現(xiàn)在兩方面：

（1）應(yīng)用到城市規(guī)劃設(shè)計(jì)方面。根據(jù)離散選擇模型量化各環(huán)境因素對(duì)路徑選擇行為的影響程度，優(yōu)先考慮對(duì)效用提升最大的影響要素進(jìn)行改造，針對(duì)性地提出優(yōu)化措施，從而更好地指導(dǎo)街道設(shè)計(jì)、綠色交通出行環(huán)境建設(shè)等。

（2）應(yīng)用到交通組織優(yōu)化方面。在現(xiàn)有的城市空間條件下從交通供給側(cè)進(jìn)行大規(guī)模的空間調(diào)整和道路交通設(shè)施建設(shè)并不現(xiàn)實(shí)。通過研究自行車出行者的路徑選擇偏好，運(yùn)用適當(dāng)?shù)慕煌ㄕT導(dǎo)、行為教育等策略，制定自行車出行路徑方案，從而可達(dá)到引導(dǎo)交通量從擁堵路段向非擁堵路段轉(zhuǎn)移，提高道路資源利用率等目的。

鑒于此次調(diào)查的樣本量不夠大，具有一定局限性，如樣本過多覆蓋的是40歲以下的年輕高學(xué)歷人群，在后續(xù)研究中可繼續(xù)擴(kuò)大調(diào)查范圍，并且嘗試在模型中添加心理特征等潛變量因素，進(jìn)而建立更為完善的選擇概率模型。

參考文獻(xiàn)：

[1]Majumdar B B，Mitra S.Analysis of Bicycle RouteRelated Improvement Strategies for Two Indian Cities Using a Stated Preference Survey[J].Transport Policy，2018（63）：176-188.

[2]Chen C F，Chen P C.Estimating Recreational Cyclists Preferences for Bicycle RoutesEvidence from Taiwan[J].Transport Policy，2013（26）：23-30.

[3]石劍橋，張夢(mèng)竹，趙鵬軍.心理因素對(duì)校園步行和自行車出行路徑選擇的影響研究——以北京大學(xué)燕園為例[J].西北師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，53（6）：97-104.

[4]Aultmanhall L，Hall F，Baetz B.Analysis of bicycle commuter routes using geographic information systems：implications for bicycle planning[J].Transportation Research Record Journal of the Transportation Research Board，1997（1578）：102-110.

[5]Stinson M A，Bhat C R.A ComParison of the Route Preference of Experienced and Inexperienced Bicycle Commuters[C].The 84th Annual Meeting of Transportation Research Board，Washington D.C.，2005.

[6]Tilahun N Y，Levinson D M，Krizek K J.Trails，Lanes，or Traffic：Valuing Bicycle Facilities with an Adaptive Stated Preference Survey[J].Transportation Research Part A：Policy and Practice，2007，41（4）：287-301.

[7]Winters M，Teschke K.Route preferences among adults in the near market for bicycling：findings of the cycling in cities study[J].The science of health promotion，2010，25（1）：40-47.

[8]Li Z，Wang W，Liu P.Physical Environments Influencing Bicyclists Perception of Comfort on Separated and on Street Bicycle Facilities[J].Transportation Research Part D：Transport and Environment，2012，17（3）：256-261.

[9]朱 彤，楊晨煊，郭春琳，等.城市道路環(huán)境自行車出行者滿意度模型研究[J].重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，37（2）：102-106.

[10]Vedel S E，Jacobsen J B，Petersen H S.Bicyclists Preferences for Route Characteristics and Crowding in CopenhagenA Choice Experiment Study of Commuters[J].Transportation Research Part A：Policy and Practice，2017（100）：53-64.

[11]潘暉婧，朱 瑋，王 德.基于路徑選擇行為的自行車出行環(huán)境評(píng)價(jià)和改善[J].上海城市規(guī)劃，2014（2）：12-18.

[12]Mcfadden D.The Measurement of Urban Travel Demand[J].Journal of Public Economics，1974，3（4）：303-328.

[13]王 燦，王 德，朱 瑋，等.離散選擇模型研究進(jìn)展[J].地理科學(xué)進(jìn)展，2015（10）：1 275-1 287.

[=X]

作者簡(jiǎn)介：黃 玥（1995—），碩士研究生，研究方向：交通管理、交通規(guī)劃;

干宏程（1978—），教授，博士研究生導(dǎo)師，研究方向：交通行為、交通規(guī)劃、智能交通。

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目“‘小汽車/p+k多模式出行信息對(duì)出行決策行為的影響機(jī)理研究”（71871143）