柳文燕，傅忠寧，李萬慧，翟濤濤

基于巢式Logit模型的低收入人群出行行為分析——以上海市智能手機調(diào)查數(shù)據(jù)為例

柳文燕，傅忠寧，李萬慧，翟濤濤

（蘭州交通大學(xué)，交通運輸學(xué)院，蘭州 730070）

低收入人群是城市人口組成的重要和特殊部分，關(guān)注并研究其出行行為具有重要的社會價值。本文首先界定城市低收入人群的范圍，根據(jù)上海市居民出行調(diào)查數(shù)據(jù)劃分出研究對象，總結(jié)影響低收入人群出行行為的多重變量，然后基于效用最大化理論構(gòu)建出行目的和出行方式相互影響的巢式Logit模型，并對模型參數(shù)進行標定，得到低收入人群出行行為選擇的特定規(guī)律。結(jié)果表明，出行時段、出行費用、出行優(yōu)先政策以及出行目的對低收入人群出行方式選擇具有顯著影響。

城市低收入人群；出行行為；出行目的；巢式Logit模型

0 引 言

隨著城市交通擁堵問題的日益凸顯，出行問題已經(jīng)成為政府部門及普通市民關(guān)注的焦點之一。研究居民的出行行為，挖掘出行特征，可以為交通管理機構(gòu)出臺交通管制政策提供科學(xué)依據(jù)，也有助于引導(dǎo)居民更加理性、經(jīng)濟地選定適合自身特點的出行方式。

近年來，隨著經(jīng)濟的發(fā)展，居民收入普遍有所提高，然而城市居民的收入差距也在不斷擴大，研究發(fā)現(xiàn)，收入水平在很大程度上影響居民的出行選擇行為。國外學(xué)者Palma[1]等人通過建立NL模型，研究了日內(nèi)瓦居民的出行選擇行為，結(jié)果顯示個人（家庭）經(jīng)濟屬性是居民工作出行的主要影響因素。Ma Jing[2]，Ye Xin[3]和Chu Youlian[4]等人以出行鏈為基本單位研究居民的出行行為，并得出居民收入水平越高，出行鏈越復(fù)雜，出行活動越多。Paulley[5]的研究結(jié)果表明，隨著收入水平的提高，居民會越來越傾向于選擇小汽車出行，而對地面公共交通的需求會越來越小。對于居民的出行行為，就國內(nèi)研究情況來看，李婷婷[6]綜合考慮運輸時間、舒適度、運輸價格等因素，分析旅客的收入水平與出行方式選擇之間的關(guān)系，研究結(jié)果表明，收入水平對旅客出行方式選擇具有很大影響。郭思慧[7]等人研究了收入水平與居民出行活動特征之間的關(guān)系，發(fā)現(xiàn)平均工資水平越高，居民的移動范圍越小，移動地點的多樣性越低。程龍[8]等人通過建立結(jié)構(gòu)方程，研究了低收入通勤者出行的主觀態(tài)度和公交出行分擔(dān)率之間的關(guān)系。胡郁蔥[9]等人建立多項logistic模型對廣州市私家車通勤出行數(shù)據(jù)進行分析，提出了基于家庭收入差異的出行率變化情況研究方法。田濤[10]以晉中市為例，建立結(jié)構(gòu)方程模型，研究了中等收入群體的出行選擇影響因素。欒鑫[11]等人通過建立混合logit模型，對南京市居民的出行行為進行研究，明確了不同出行方式選擇的影響變量，其中，家庭收入對常規(guī)公交、地鐵和小汽車出行均具有顯著影響。此外，在孫連嬌[12]、朱昕[13]和徐奧林[14]的研究中也可以得到類似的結(jié)論，即個人或家庭的收入水平對居民出行方式的選擇具有顯著影響。

從上述文獻可以看出，收入水平是影響居民出行選擇的重要因素，由于不同收入群體的出行行為存在差異，因此，有必要從收入水平角度，探討城市居民的出行行為。本文在已有研究的基礎(chǔ)上，基于巢式Logit模型分析城市低收入人群出行行為選擇的影響因素，從而為特定人群出行方式引導(dǎo)和管制提供參考依據(jù)。

1 城市低收入人群界定

“低收入”是一個相對概念，存在于社會發(fā)展的任何一個階段，任何國家、任何地區(qū)都存在低收入人群，其比重基本維持在20%以上[15]，在社會人口組成中占據(jù)著重要地位。城市低收入人群由于其特定的生活方式和工作性質(zhì)，出行行為表現(xiàn)出一定規(guī)律特征，對城市交通運行也會產(chǎn)生重要影響。因此，研究城市低收入人群的出行行為具有重要理論價值和社會意義。

對于城市低收入人群，可以用定性和定量的方法來界定。

（1）定性法。從概念上看，低收入人群是處于社會底層的一部分群體，這部分人群普遍具有較低的經(jīng)濟收入，生活質(zhì)量偏低。一般而言，非本地戶口的外來務(wù)工人員、失業(yè)人員、剛畢業(yè)的大學(xué)生以及其他特殊人員（患有重病人員、殘疾人員、無經(jīng)濟來源的學(xué)生）更有可能成為城市低收入人群。此外，從家庭情況來看，低收入家庭具有較多的成員數(shù)量，但有經(jīng)濟收入的人數(shù)卻相對較少；人均住房面積較小；家庭住址一般遠離市中心或與工作單位相距較遠。

（2）定量法。國際上通常采用人均收入中位數(shù)來劃分低收入人群，國內(nèi)則選取平均收入作為界定低收入人群的指標，若居民人均收入低于國家設(shè)定的最低生活保障標準，則被視為低收入人群。“恩格爾系數(shù)”能夠確定一個家庭的生活水平，因此也可以作為城市低收入人群的界定標準。此外，將居民收入從小到大或從大到小進行排序，然后按一定比例，如“三分法”、“五分法”、“七分法”等，將人群進行收入等級劃分。

基于上述方法，本文對低收入人群的界定采用定性與定量相結(jié)合的方法，選取“七分法”中的最低收入人群和低收入人群，即收入排在底層數(shù)量占20%的人口，且家庭住址遠離市中心的居民作為低收入人群研究對象。

2 巢式Logit模型

巢式Logit模型是由Logit模型經(jīng)過改進后得到的，其顯著特點是具有如圖1所示的巢式結(jié)構(gòu)，該模型充分考慮了不同選擇方案之間的相似性，并將相似性較大的方案單獨作為一層。與一般Logit模型相比，巢式Logit模型有效克服了不同選擇方案之間的獨立性，更適用于出行選擇方面的研究。

圖1 巢式結(jié)構(gòu)示意圖

2.1 巢式Logit模型原理

因此，出行者聯(lián)合選擇的概率可表示為：

2.2 巢式Logit模型參數(shù)標定

采用極大似然估計法對模型參數(shù)進行標定，在模型參數(shù)標定前，首先確定各層選擇肢的可觀測效用及極大似然函數(shù)?？捎^測效用用影響選擇肢選擇的變量線性表示，其中，下層選擇肢的效用函數(shù)如式（7）所示，上層選擇肢的效用函數(shù)如式（8）所示：

極大似然函數(shù)可表示為：

對式（9）取對數(shù)得：

使用R Studio軟件對巢式Logit模型參數(shù)進行標定，標定過程自模型下層向模型上層的順序進行，其步驟為：

3 實例分析

3.1 出行調(diào)查數(shù)據(jù)采集及處理

（1）數(shù)據(jù)采集。利用智能手機GPS定位軟件對上海市居民進行出行調(diào)查，出行數(shù)據(jù)采集過程包括前期準備階段、中期實施階段和后期數(shù)據(jù)整理階段。前期準備階段主要是志愿者招募及培訓(xùn)，完成培訓(xùn)的志愿者需要在智能手機中安裝GPS定位軟件，并在調(diào)查期間開啟該軟件記錄軌跡數(shù)據(jù)；中期實施階段主要是采集志愿者的出行數(shù)據(jù)，并將出行數(shù)據(jù)上傳至數(shù)據(jù)庫；后期數(shù)據(jù)整理階段主要是信息核對階段，通過回訪志愿者，確定上傳的出行信息是否正確，如果正確，則將該條出行信息保存在Excel表格中，否則通過郵件或電話聯(lián)系志愿者修改，經(jīng)過修改的出行數(shù)據(jù)再次上傳至數(shù)據(jù)庫。

（2）數(shù)據(jù)處理?；谥悄苁謾C采集的出行數(shù)據(jù)數(shù)量龐大，由于其中存在異常、缺少部分信息或數(shù)據(jù)精度達不到要求的數(shù)據(jù)，因此需要對原始數(shù)據(jù)進行處理。剔除格式錯誤、水平定位精度和衛(wèi)星數(shù)量達不到要求的數(shù)據(jù)，并將出行軌跡可視化，最終共得到5 644條出行數(shù)據(jù)。數(shù)據(jù)內(nèi)容主要包括：被調(diào)查者的性別、年齡、家庭結(jié)構(gòu)、文化程度、職業(yè)、月收入、出行目的、出發(fā)時間、到達時間、出行方式、到達目的地經(jīng)緯度、家庭住址及經(jīng)緯度、單位地址等信息。

（3）低收入人群樣本量選擇。根據(jù)前文對城市低收入人群的界定標準，從處理過的數(shù)據(jù)中選取收入最低的占人口數(shù)量20%的人群，并根據(jù)該部分居民家庭住址的經(jīng)緯度信息，選擇家庭住址不在黃埔區(qū)、靜安區(qū)、盧灣區(qū)、徐匯區(qū)、長寧區(qū)的居民為研究對象，提取其出行數(shù)據(jù)，最后共獲得低收入人群的有效出行數(shù)據(jù)1 366條。

根據(jù)調(diào)查結(jié)果，從出行目的、出行方式、出行時段和出行距離分別對低收入人群的出行數(shù)據(jù)進行統(tǒng)計，統(tǒng)計結(jié)果如圖2所示。

根據(jù)低收入人群出行信息調(diào)查結(jié)果可以看出，低收入人群的出行目的主要為上班、上學(xué)和回家，即主要為通勤出行。出行方式有公共汽車、地鐵、小汽車、非機動車（自行車、電動車）和步行，其中低收入人群的主要出行方式為公共汽車和非機動車，占總出行次數(shù)的75%，低收入人群最不傾向于小汽車出行。出行時段集中于早高峰和晚高峰，非高峰時段出行僅占總出行次數(shù)的9%。此外，由于低收入人群的單位地址與家庭地址相距較遠，因而其出行主要是10 km以上的長距離出行。可以看出，低收入人群的出行具有一定特點，因此，有必要對低收入人群的出行行為進行針對性的分析。

3.2 模型建立

經(jīng)過統(tǒng)計分析，最終選取出行目的（上班、回家、上學(xué)、休閑娛樂）為模型上層，出行方式（步行、非機動車、公交車、地鐵和小汽車）為模型下層，建立出行目的和出行方式相互影響的巢式Logit模型，如圖3所示。

3.3 變量選擇及定義

根據(jù)居民出行調(diào)查所得相關(guān)數(shù)據(jù)，選擇個人屬性（性別、年齡、文化程度、職業(yè)、戶口、駕照、IC卡）、家庭屬性（是否有小汽車、是否有非機動車）、出行屬性（出行時段、出行耗時、出行費用、出行目的）及交通特性（優(yōu)先政策、便利性、舒適性）4個方面16個變量對上海市低收入人群出行行為選擇進行分析，變量說明如表1所示。

圖3 巢式Logit模型結(jié)構(gòu)

表1 變量選擇及說明

3.4 模型參數(shù)標定及結(jié)果分析

根據(jù)上海市城市低收入人群的出行調(diào)查數(shù)據(jù)，本文采用R語言mlogit包中的mlogit（）函數(shù)對所建立的巢式Logit模型進行參數(shù)標定。在選取模型變量時，如果將表1中所列的所有變量均作為出行方式選擇模型和出行目的選擇模型的變量，得到的模型參數(shù)標定結(jié)果中有一些變量的檢驗值會明顯偏低，說明該變量對出行方式選擇和出行目的選擇的影響較小，而且同一變量對不同選擇肢的影響也可能不同，所以應(yīng)根據(jù)出行行為選擇特點，充分考慮影響出行方式及出行目的選擇的主要因素。經(jīng)過定性分析及反復(fù)試算，剔除部分對出行行為選擇影響較小的變量，然后以非機動車的出行方式、回家的出行目的作為參考類別，最終得到經(jīng)變量篩選后的模型參數(shù)標定結(jié)果，如表2和表3所示。

表2 出行方式選擇模型參數(shù)標定結(jié)果

注：“***”表示<0.001，“**”表示<0.01，“*”表示<0.05，“.”表示<0.1

表3 出行目的選擇模型參數(shù)標定結(jié)果

注：“***”表示<0.001，“**”表示<0.01，“*”表示<0.05，“.”表示<0.1。

從表2出行方式選擇模型參數(shù)標定結(jié)果可以看出：

（1）就總體出行方式而言，公交車、地鐵、小汽車、步行的常數(shù)項均為負數(shù)，說明低收入人群更傾向于非機動車出行，非機動車相比于公交車、地鐵、小汽車出行費用更低，而對于步行而言，出行時間更短。

（2）就個人屬性而言，性別、是否有駕照、是否有IC卡等因素對低收入人群出行方式選擇具有顯著影響。相對于非機動車出行，男性更傾向于選擇小汽車、地鐵出行；持有駕照的居民選擇小汽車出行的概率較大，持有IC卡的居民更偏向于公交車、地鐵出行。

（3）就家庭屬性而言，是否擁有小汽車對低收入人群選擇小汽車出行具有顯著影響；而擁有非機動車的家庭，主要出行方式為非機動車和步行。

（4）就出行屬性而言，出行時段、出行費用和出行目的對低收入人群出行方式選擇具有顯著影響。出行時段的參數(shù)估計值均為正數(shù)，說明在早高峰和晚高峰，選擇五種交通方式的概率都較大，與實際情況下早、晚高峰時段出現(xiàn)交通擁堵這一現(xiàn)狀相符；出行費用參數(shù)標定結(jié)果顯示，低收入人群更傾向于選擇步行、非機動車、公交車出行；此外，以上班為目的的出行，會優(yōu)先選擇公交車和地鐵出行，學(xué)生上學(xué)偏向于公交車、步行和非機動車，以休閑娛樂為目的的出行，選擇地鐵、小汽車的可能性較低，這與低收入人群的生活水平狀況有關(guān)。

（5）就交通工具而言，交通工具的優(yōu)先政策、便利性和舒適性也是影響出行方式選擇的重要因素。居民更傾向于選擇具有優(yōu)先政策的交通工具，這一變量對選擇公交車出行具有顯著影響；居民家庭住址附近有公交車站或地鐵站時，選擇公交車、地鐵出行的概率較高，同時，居民更愿意選擇舒適性良好的交通方式出行。

從表3出行目的選擇模型參數(shù)標定結(jié)果可以看出：高峰時段的出行目的主要為上班、上學(xué)和回家；居民的職業(yè)對出行目的選擇影響顯著，機關(guān)事業(yè)單位工作人員和商業(yè)服務(wù)人員的出行中上班、回家的目的更明顯，而學(xué)生主要是以上學(xué)和回家為出行目的；年齡、性別和戶籍變量對出行目的也具有顯著影響，年齡越小，越有可能是以上學(xué)為目的，不具有上海市戶口的低收入人群上班和上學(xué)的可能性更高。

4 結(jié) 論

本文基于上海市居民出行調(diào)查的智能手機數(shù)據(jù)，從個人屬性、家庭屬性、出行屬性和交通特性四個方面考慮上海市低收入人群出行行為選擇的影響因素，構(gòu)建了巢式logit模型，并使用R語言對模型參數(shù)進行標定。根據(jù)模型結(jié)果可知出行時段、出行費用、優(yōu)先政策以及居民出行目的對居民出行方式選擇具有顯著影響，低收入人群出行更傾向于選擇步行、非機動車、公交車等出行方式。因此，在實際交通管理過程中，結(jié)合本文參數(shù)標定結(jié)果，可以有針對性的采取相應(yīng)的傾向性管理措施和鼓勵性引導(dǎo)政策：

（1）鼓勵低收入人群乘坐公交車出行。一方面，根據(jù)出行需求，不斷完善公交道路網(wǎng)，優(yōu)化公交線路及公交站點，并加強公交車專用道管理，確保公交車輛暢通運行。在出行高峰時段，縮短發(fā)車間隔，增加公交車班列數(shù)，以便更好地滿足低收入人群的出行需求。另一方面，合理調(diào)整公交票價，考慮在早高峰到來前以及晚高峰過后能夠以更優(yōu)惠的價格乘坐公交車，以此通過價格優(yōu)勢引導(dǎo)低收入人群選擇公交車出行。

（2）引導(dǎo)低收入人群選擇非機動車出行。非機動車具有方便、經(jīng)濟、環(huán)保的優(yōu)勢，可以滿足低收入人群短途出行的需求，因此，通過設(shè)置公共自行車服務(wù)站點，開辟和完善非機動車專用車道等措施，為低收入人群選擇自行車和電瓶車出行提供便利。同時，形成“非機動車+公共交通”的低碳出行結(jié)構(gòu)，在便利低收入人群生活的同時，有效緩解城市交通壓力。

[1] PALMA A, Rochat D. Mode choice for trips to work in Geneva: an empiricalanalysis[J]. Journal of Transport Geography, 2000, 8 (1): 43-51.

[2] MA Jing, MITCHELL G H. Daily travel behavior in beijing, China: an analysis of workers’ trip chains, and the role of socia-demographics and urban form[J]. Habitat International, 2014 (43): 263-273.

[3] YE Xin, PENDYALA R M, GOTTARDI G. An exploration of the relationship between mode choice and complexitr of trip chaining patterns[J]. Transportation Research Part B, 2007 (41): 96-113.

[4] CHU You-lian. Empirical analysis of commute stopmaking behavior[J]. Transportation Research Record: Journal of the Transportation Research Board, 2003 (1831): 106- 113.

[5] PAULLEY N, BALCOMBE R, MACKETT R, et al. The demand for public transport: the effects of fares, quality of service, income and car ownership[J]. Transport Policy, 2006, 14 (6): 478-489.

[6] 李婷婷. 淺析旅客收入水平與出行方式選擇的關(guān)系[J]. 企業(yè)導(dǎo)報, 2014 (06): 14-15.

[7] 郭思慧, 文聰聰, 何云, 等. 居民出行活動特征與收入水平的關(guān)系—— 以上海市為例[J]. 地理科學(xué)進展, 2017, 36 (9): 1158-1166.

[8] 程龍, 陳學(xué)武, 楊碩, 等. 基于市場細分的低收入通勤者公交出行改善對策[J]. 交通運輸系統(tǒng)工程與信息, 2016, 16 (3): 8-14.

[9] 胡郁蔥, 黃靖翔, 石一飛, 等. 基于家庭收入的廣州市私家車通勤出行率研究[J]. 重慶交通大學(xué)學(xué)報: 自然科學(xué)版, 2018, 37 (4): 102-108.

[10] 田濤. 大城市中等收入群體出行選擇行為影響因素研究[D]. 南京: 東南大學(xué), 2016.

[11] 欒鑫, 鄧衛(wèi), 程琳, 等. 特大城市居民出行方式選擇行為的混合Logit模型[J]. 吉林大學(xué)學(xué)報: 工學(xué)版, 2018, 48 (4): 1029-1036.

[12] 孫連嬌, 戢曉峰, 陳方. 欠發(fā)達地區(qū)中長距離出行方式選擇行為機理研究[J]. 公路交通科技, 2019, 36 (1): 131-137.

[13] 朱昕. 基于活動的出行方式選擇模型研究[D]. 上海: 上海交通大學(xué), 2007.

[14] 徐奧林. 基于出行者特性的出行行為研究[D]. 北京: 北京交通大學(xué), 2014.

[15] 劉揚, 趙春雨. 我國城鎮(zhèn)低收入群體動態(tài)變遷及微觀致貧因素分析—— 以北京市為例的考察[J]. 城市發(fā)展研究, 2010, 17 (8): 99-105.

[16] 王濟川, 郭志剛. Logistic回歸模型方法與應(yīng)用[M]. 北京: 高等教育出版社, 2001.

Analysis of Travel Behavior of Low-income Population Based on Nested Logit Model—— Take the survey data of the smartphone in Shanghai as an example

LIU Wen-yan, FU Zhong-ning, LI Wan-hui, ZHAI Tao-tao

（School of Transportation, Lanzhou Jiaotong University, Lanzhou 730070, China）

Low-income people are an important and special part of urban population. It is of great social value to pay attention to and study their travel behaviors. Firstly, this paper defines the scope of urban low-income population, and divides the research objects according to the data of Shanghai residents’ travel survey. It summarizes the multiple variables affecting the travel behavior of low-income groups, then constructs a Nested Logit model based on utility maximization theory, which can influence each other’s travel purposes and modes, and advances the parameters of the model. Calibration is used to obtain the specific rules of travel behavior choice for low-income people. The results show that travel time, travel expense, travel priority policy and travel purpose have significant effects on the choice of travel mode for low-income population.

urban low-income population; travel behavior; travel purpose and modes; Nested Logit model

U491.1+22

A

10.3969/j.issn.1672-4747.2020.03.005

1672-4747（2020）03-0040-10

2019-11-09

柳文燕（1995—），女，漢族，甘肅蘭州人，蘭州交通大學(xué)交通運輸學(xué)院碩士研究生，研究方向：交通規(guī)劃（居民出行行為分析），E-mail：1451533575@qq. com

傅忠寧（1978—），女，漢族，四川成都人，副教授，研究方向：物流系統(tǒng)規(guī)劃與運輸經(jīng)濟分析。

柳文燕，傅忠寧，李萬慧，等. 基于巢式Logit模型的低收入人群出行行為分析[J]. 交通運輸工程與信息學(xué)報，2020，18（3）：40-49

（責(zé)任編輯：劉娉婷）