裴玉龍，于 艦

(東北林業(yè)大學(xué) 交通學(xué)院，黑龍江 哈爾濱 150040)

交通事件一般指任何突發(fā)的或者有計(jì)劃的，可能引起路網(wǎng)交通量變化、部分道路堵塞或封閉的非正常事件[1]。對(duì)于駕駛?cè)藖?lái)說(shuō)，交通事件總體可分為已知交通事件和未知交通事件，已知交通事件也可分為提前知曉并做出充足應(yīng)對(duì)決策的事件，以及臨時(shí)知曉需要立刻做出決策的事件。由于未知的交通事件大概率無(wú)法做出決策，一般情況下只能接受事件帶來(lái)的一系列影響，如擁堵在路上無(wú)法掉頭等情況。在車輛聯(lián)網(wǎng)的大環(huán)境下，Tomer Toledo等研究發(fā)現(xiàn)駕駛?cè)丝梢愿鶕?jù)實(shí)時(shí)交通信息進(jìn)行移動(dòng)[2-3]；目前的交通信息發(fā)展及傳遞水平大大提高，王衛(wèi)杰等研究發(fā)現(xiàn)先進(jìn)交通信息系統(tǒng)(ATIS)可以及時(shí)向駕駛?cè)颂峁┣胺铰范蔚膶?shí)時(shí)信息，并能及時(shí)計(jì)算出不同路線的行程時(shí)間，幫助駕駛?cè)诉x擇適合自己的路線，提高通行效率[4]；Hamzeh Alizadeh等研究發(fā)現(xiàn)駕駛?cè)藢?duì)行駛時(shí)間和行程長(zhǎng)度有較高敏感性，對(duì)路徑直接性也有較高的敏感性[5-6]。但在遇到?jīng)]有獲得準(zhǔn)確交通信息情況時(shí)，駕駛?cè)诵枰罁?jù)個(gè)人駕駛經(jīng)驗(yàn)進(jìn)行選擇，根據(jù)對(duì)道路的熟悉程度及以往的行駛經(jīng)歷來(lái)做出臨時(shí)決策。所以不同的實(shí)時(shí)交通信息對(duì)駕駛?cè)说穆肪€選擇行為會(huì)有不同影響，準(zhǔn)確掌握駕駛?cè)嗽诓煌煌ㄊ录刑峁┑牟煌畔⒂绊懴碌男袨檫x擇，對(duì)交通事件的預(yù)防、管理及交通誘導(dǎo)均具有重要意義。

1 交通事件分類及特征

駕駛?cè)嗽隈{駛途中會(huì)受到不同外界因素的影響，其中交通事件是對(duì)駕駛?cè)嗽斐尚袨檫x擇影響的一大因素。

1.1 交通事件分類

交通事件按照對(duì)駕駛?cè)诵袨檫x擇的影響程度主要可分為突發(fā)性交通事件、計(jì)劃性交通事件兩種類型。突發(fā)性交通事件主要包括交通事故、車輛故障拋錨、短期臨時(shí)作業(yè)、氣候影響及災(zāi)害等緊急事件；計(jì)劃性交通事件主要包括道路長(zhǎng)期施工、音樂(lè)會(huì)、比賽及盛大集會(huì)等。突發(fā)性交通事件具有突發(fā)性、緊急性等特點(diǎn)，而計(jì)劃性交通事件具有需求超常性、可規(guī)避性等特點(diǎn)[7]，兩者持續(xù)時(shí)間和影響程度都有所不同。

1.2 交通事件特征分析

不同類型的交通事件對(duì)道路交通運(yùn)行狀況有不同影響，對(duì)駕駛?cè)说男袨檫x擇也有不同影響。具體影響如表1所示。

表1 不同類型交通事件產(chǎn)生的影響

1)突發(fā)性交通事件。突發(fā)性交通事件的發(fā)生往往是不可預(yù)測(cè)的，當(dāng)發(fā)生突發(fā)性交通事件時(shí)，事件的突發(fā)性會(huì)使駕駛?cè)诵膽B(tài)變化或注意力不集中。能夠獲取到實(shí)時(shí)交通事故信息的駕駛?cè)藭?huì)選擇避開(kāi)事故發(fā)生路段；相反，信息決策較慢或因日常行為習(xí)慣一些駕駛?cè)艘廊粫?huì)選擇事件路段繼續(xù)行駛。但具體是否會(huì)做出選擇決策主要取決于駕駛?cè)藢?duì)行程時(shí)間的判斷，因此，行程時(shí)間是重要的決策因素之一。

2)計(jì)劃性交通事件。計(jì)劃性交通事件會(huì)在特定時(shí)間內(nèi)改變交通需求，同時(shí)會(huì)誘增相關(guān)路段的交通量，駕駛?cè)丝筛鶕?jù)已知曉的信息提前做出行為決策，避開(kāi)受到影響的路段，這時(shí)的行程時(shí)間不一定成為決策選擇的重要因素。

分析交通事件對(duì)于駕駛?cè)诵袨檫x擇的影響，可使用行程時(shí)間變量作為有效的判別標(biāo)準(zhǔn)，行程時(shí)間對(duì)于駕駛?cè)藖?lái)說(shuō)也是最可視化、可量化的決策因素。研究不同種類交通事件對(duì)駕駛?cè)诵袨檫x擇的影響，以行程時(shí)間作為變量進(jìn)行計(jì)量分析是可靠且有效的方法。

2 駕駛?cè)诵袨檫x擇問(wèn)卷調(diào)查及數(shù)據(jù)分析

本次研究以通勤調(diào)查為基礎(chǔ)，采用SP問(wèn)卷形式調(diào)查了駕駛?cè)松习嗦吠局忻鎸?duì)各種交通事件發(fā)生所對(duì)應(yīng)做出的路線選擇，問(wèn)卷設(shè)定了各路線的行程時(shí)間[8-9]，問(wèn)卷中調(diào)查路線如圖1所示。本次調(diào)查通過(guò)網(wǎng)絡(luò)平臺(tái)發(fā)放問(wèn)卷，共回收279份有效問(wèn)卷，調(diào)查范圍覆蓋了18歲以上各年齡段擁有駕照的男性和女性。駕駛?cè)藦募议_(kāi)車出發(fā)到公司共有兩條路線，其中假設(shè)正常條件下每日都選擇路線1出行，路線2和路線3假設(shè)為距離不同的兩條替代路線，所用行程時(shí)間也不同。問(wèn)卷假設(shè)調(diào)查人員平時(shí)經(jīng)常行駛的路線1中發(fā)生交通事件，當(dāng)交通事件產(chǎn)生的時(shí)間影響不同、且其他路線行程用時(shí)也不相同時(shí)，會(huì)對(duì)駕駛?cè)诉x擇產(chǎn)生怎樣的影響，從而研究不同交通事件情況下駕駛?cè)说男袨檫x擇。調(diào)查研究數(shù)據(jù)來(lái)源于問(wèn)卷數(shù)據(jù)。

對(duì)回收到的有效問(wèn)卷中第一類問(wèn)題進(jìn)行統(tǒng)計(jì)，得到被調(diào)查的駕駛?cè)藗€(gè)人信息分布情況，如表2所示。

圖1 選擇路線

表2 駕駛?cè)藗€(gè)人信息統(tǒng)計(jì)結(jié)果

本研究問(wèn)卷調(diào)查了駕駛?cè)嗽诮煌ㄊ录挠绊懴聦?duì)不同路線的認(rèn)知評(píng)價(jià)。不同種類的交通事件對(duì)駕駛?cè)诉x擇會(huì)有不同影響，對(duì)回收到的有效問(wèn)卷中不同交通事件下駕駛?cè)说倪x擇進(jìn)行統(tǒng)計(jì)，當(dāng)替代路線行程時(shí)間不同時(shí)得到了駕駛?cè)说倪x擇情況百分比，結(jié)果如圖2、圖3所示。

圖2 不同種類交通事件駕駛?cè)说倪x擇(路線2)

圖3 不同種類交通事件駕駛?cè)说倪x擇(路線3)

駕駛?cè)擞龅讲煌N類交通事件時(shí)，替代路線需花費(fèi)的行程時(shí)間會(huì)影響駕駛?cè)说倪x擇，對(duì)比圖2和圖3可知，不同種類的交通事件對(duì)駕駛?cè)诉x擇有不同影響；替代路線行程時(shí)間越短，駕駛?cè)嗽皆敢膺x擇替代路線以避開(kāi)交通事件發(fā)生路段。此外，駕駛?cè)擞龅浇煌ㄊ录r(shí)的路線決策過(guò)程受諸多心理決策變量影響，所以，本文選擇時(shí)間變量作為顯性指標(biāo)來(lái)間接評(píng)估駕駛?cè)说穆肪€選擇。

3 交通事件下駕駛?cè)诵袨檫x擇計(jì)量分析模型

3.1 模型建立

本研究中駕駛?cè)说倪x擇行為是二元選擇。為進(jìn)一步分析不同因素對(duì)駕駛?cè)说倪x擇影響，采用二元Logit模型進(jìn)行多變量分析，建立交通事件影響下的選擇概率模型。個(gè)體n的選擇集Cn包含路線1(選項(xiàng)i)和路線2或路線3(選項(xiàng)j)兩個(gè)選擇項(xiàng)，效用函數(shù)如式(1)、式(2)所示

Uin=Vin+εin,

(1)

Pn(i|Cn)=Pn[Uin≥Ujn,?j∈Cn].

(2)

式中:i為原路線，即路線1；j為另一條道路即路線2或路線3；Vin和Vjn分別為原路線和新路線效用函數(shù)的確定項(xiàng)；εin和εjn分別為原路線和新路線效用函數(shù)的隨機(jī)項(xiàng)，εin和εjn服從獨(dú)立同分布的Gumbel分布。

個(gè)體n選擇路線1的概率即為Uin≥Ujn的概率，如式(3)所示

Pn(i|Cn)=Pn[Uin≥Ujn,?j∈Cn].

(3)

個(gè)體n選擇路線1的概率如式(4)所示

(4)

個(gè)體n選擇路線2或路線3的概率如式(5)所示

Pn(j)=1-Pn(i) .

(5)

兩個(gè)選擇項(xiàng)效用函數(shù)確定項(xiàng)之差如式(6)所示

V=(Vin-Vjn)=O+βX.

(6)

式中:O為與路線1有關(guān)的常數(shù)項(xiàng)，X為所有影響路線選擇決策的解釋變量組成的向量，β為與X對(duì)應(yīng)的參數(shù)組成向量。

本文應(yīng)用SPSS軟件進(jìn)行模型參數(shù)估計(jì)。

3.2 模型估計(jì)結(jié)果

調(diào)查共獲取了3 906(279×14)個(gè)選擇樣本用于模型估計(jì)。模型估計(jì)所采用的解釋變量包括所有可能影響路線選擇行為的因素，包括性別、年齡、駕齡、交通事件種類、車道數(shù)量、擁堵持續(xù)時(shí)間[10-12]。將路線2或路線3作為基本選擇項(xiàng)，效用方程值設(shè)置為0，模型估計(jì)結(jié)果如表3所示，利用卡方檢驗(yàn)估計(jì)結(jié)果，采用95%的置信度，Cox&SnellR2為0.535，決定系數(shù)NagelkerkeR2為0.758，模型達(dá)到了較高精度。

表3 模型估計(jì)結(jié)果

3.3 模型估計(jì)結(jié)果討論

如表3所示，對(duì)駕駛?cè)诵袨檫x擇有顯著影響的因素有性別、年齡、駕齡、擁堵持續(xù)時(shí)間，根據(jù)模型變量參數(shù)值，對(duì)各類影響因素進(jìn)行如下分析：

1)常數(shù)項(xiàng)。C取正值，說(shuō)明駕駛?cè)藢?duì)行程時(shí)間最短的熟悉路線具有內(nèi)在傾向性。在其他因素相同的情況下，駕駛?cè)藘A向于選擇用時(shí)最短、路況最熟悉的道路。

2)性別。G參數(shù)值為正，說(shuō)明男性駕駛?cè)讼鄬?duì)于女性駕駛?cè)?，在接受到交通事件信息后更愿意選擇替代路線2或路線3，說(shuō)明交通事件信息對(duì)男性駕駛?cè)诉x擇影響更大。

3)年齡。A1、A2、A3、A4和A5的參數(shù)值都為正，且6.768>6.411>3.755>2.985>1.371>0，說(shuō)明年齡越大的駕駛?cè)?，即使發(fā)生了交通事件也更愿意選擇熟悉路線。

4)駕齡。D1、D2參數(shù)值都為負(fù)，且-7.362<-5.780<0，這說(shuō)明駕齡越長(zhǎng)的駕駛?cè)嗣鎸?duì)交通事件時(shí)越愿意及時(shí)改變路線?？赡艿脑蚴邱{齡長(zhǎng)的駕駛?cè)笋{車經(jīng)驗(yàn)更豐富，對(duì)不熟悉、相對(duì)復(fù)雜的路網(wǎng)也有一定的掌控能力，可做出靈活應(yīng)變。所以更愿意選擇避開(kāi)延誤的替代路線。

5)擁堵持續(xù)時(shí)間。T參數(shù)值為負(fù)，說(shuō)明交通事件造成擁堵的持續(xù)時(shí)間越長(zhǎng)，駕駛?cè)嗽娇赡苓x擇替代路線，此結(jié)論符合直覺(jué)判斷。由此可見(jiàn)，延誤時(shí)間等量化信息對(duì)于駕駛?cè)诵袨檫x擇的影響更直觀，因此，告知駕駛?cè)烁黝惤煌ㄊ录赡茉斐傻难诱`時(shí)間很有必要。

根據(jù)模型估計(jì)結(jié)果可以得到，選擇替換路線2或3的效用函數(shù)如式(7)所示

V=4.349+1.519G+6.768A1+

6.411A2+3.755A3+2.985A4+

1.371A5-7.362D1-5.780D2-0.220T.

(7)

利用式(7)可計(jì)算不同性別、年齡、駕齡的駕駛?cè)嗽趽矶鲁掷m(xù)時(shí)間不同時(shí)選擇替代路線的概率，如對(duì)于一個(gè)年齡30歲、駕齡4年的男性駕駛?cè)?，在遇到前方路段擁堵預(yù)計(jì)持續(xù)10 min的信息提醒時(shí)，選擇仍然在原路線行駛的概率約為10%，選擇在替換路線行駛的概率約為90%。

同時(shí)，對(duì)相同路況不同種類交通事件影響下的駕駛?cè)诵袨檫x擇也建立了影響因素模型，對(duì)不同種類交通事件下各類影響駕駛?cè)诵袨檫x擇的因素進(jìn)行分析，模型標(biāo)定結(jié)果如表4所示。

表4 不同種類交通事件的模型標(biāo)定結(jié)果

1)參數(shù)項(xiàng)在四類交通事件的模型中都呈顯著性，在交通事故、道路施工、占用三分之二車道、大型集會(huì)等交通事件下均為正數(shù)，表明在發(fā)生此四類交通事件的條件下，駕駛?cè)藭?huì)傾向選擇替代道路，繞開(kāi)交通事件的發(fā)生。在占用三分之一車道的事件下顯著性不強(qiáng)且為負(fù)值表明，此類交通事件對(duì)駕駛?cè)说挠绊懖蛔阋允蛊溥x擇替換路線，仍然更愿意選擇在熟悉的路線上行駛。

2)在全部交通事件模型中，年齡這一影響因素在占用三分之一車道模型中呈現(xiàn)出較強(qiáng)的顯著性，這與前面的模型估計(jì)呈現(xiàn)出相似結(jié)果，整體趨勢(shì)表明年齡越大的駕駛?cè)?，越愿意選擇自己熟悉的路線行駛。

3)在交通事故、道路施工、占用三分之二車道及大型集會(huì)四類交通事件模型中，性別、年齡、駕齡等影響因素均不顯著，表明對(duì)于不同性別、年齡、駕齡的駕駛?cè)藖?lái)說(shuō)，此四類交通事件影響幾近相同，不存在明顯變化趨勢(shì)。

4 結(jié) 語(yǔ)

運(yùn)用微觀計(jì)量經(jīng)濟(jì)學(xué)中離散選擇的建模方法建立交通事件影響下的駕駛?cè)诵袨檫x擇Logit模型，研究發(fā)現(xiàn)，各類交通事件造成的時(shí)間延誤對(duì)駕駛?cè)说男袨檫x擇有顯著影響，影響程度與駕駛?cè)诵詣e、年齡、駕齡、事件造成的擁堵持續(xù)時(shí)間及事件種類有關(guān)。年齡越小、駕齡越長(zhǎng)的男性駕駛?cè)烁敢膺x擇替換路線；年齡越大、駕齡越短的女性駕駛?cè)烁敢膺x擇熟悉的路線；交通事件造成的延誤時(shí)間越長(zhǎng)，駕駛?cè)烁敢膺x擇替代路線。交通事故、道路施工、占用三分之二車道及大型集會(huì)四類突發(fā)性交通事件和計(jì)劃性交通事件對(duì)于駕駛?cè)说倪x擇行為影響較為明顯，而占用三分之一車道對(duì)于駕駛?cè)说倪x擇行為影響較小。