鮮于建川 肖光年

(上海電機學(xué)院商學(xué)院1) 上海 201306) (上海海事大學(xué)經(jīng)濟管理學(xué)院2) 上海 201306)

0 引 言

通勤出行是人們關(guān)于居住環(huán)境和位置、職業(yè)和工作地兩方面選擇的體現(xiàn)，不同居住區(qū)位和類型的居民，其出行行為存在顯著差異[1]．居住地、工作地選擇與通勤者出行不是相互孤立的，這些選擇本身及其之間的相互作用對城市交通、土地利用和發(fā)展有著深遠的影響．

城市規(guī)劃和交通分析領(lǐng)域的學(xué)者在居住地選擇及其通勤出行行為影響方面進行了大量研究．已有研究大都在居住地或工作地為系統(tǒng)外生變量的假設(shè)下分析另一區(qū)位選擇及其對通勤出行的影響[2-4]．居住地和工作地選擇相互獨立的假設(shè)未必對所有出行者成立，也不利于對居住和工作地實際選擇行為及其出行行為影響的研究[5]．隨著居住地選擇和出行行為分析領(lǐng)域研究工作的深入，居住地和工作地屬性及其相對空間關(guān)系對出行行為的作用被大量實證研究所證實[6-8]．然而，由于分析建模方法的限制，將居住地、工作地和出行選擇納入同一模型系統(tǒng)的研究仍很有限．

具有分層結(jié)構(gòu)的nested logit(NL)模型可以分析離散選擇變量之間的相互影響，其結(jié)構(gòu)簡單、參數(shù)易于標(biāo)定[9]，但NL模型要求預(yù)先準(zhǔn)確設(shè)定選擇問題的分層結(jié)構(gòu)，且對于離散選擇變量間相互影響的研究也僅局限于兩個選擇維度，無法同時考慮居住地、工作地和出行三個選擇維度之間的相互影響．廣義極值模型(GEV)是離散選擇建模技術(shù)的重大進步，為研究出行選擇行為及其不同選擇維度之間的相互影響和制約關(guān)系提供了新的視角．GEV模型保留了選擇概率的解析形式，其結(jié)構(gòu)靈活多樣，在空間選擇、出行選擇及其相互依賴關(guān)系的研究中得到應(yīng)用．

為了更準(zhǔn)確的刻畫居住地、工作地區(qū)位與通勤出行方式的聯(lián)合選擇行為，文中將圍繞空間選擇與出行選擇之間的相互作用，構(gòu)造基于GEV模型的交叉分層Logit(CNL)模型，分析居住地選擇、工作地選擇和通勤出行方式選擇，研究居住地和工作地選擇之間的相互關(guān)聯(lián)和制約關(guān)系，及其對通勤出行方式選擇的影響．

1 基于CNL的聯(lián)合選擇建模

1.1 CNL模型結(jié)構(gòu)

GEV模型由McFadden在隨機效用最大化的基礎(chǔ)上推導(dǎo)得出．假設(shè)決策者n從I個方案組成的選擇集An中選擇方案i的效用為Uni(i=1,2,…,I)，可以表示為確定項Vni和隨機項εni之和．GEV模型假設(shè)所有選擇方案隨機項εn<εn1,εn2,…,εnI>聯(lián)合分布為一般極值分布：

Fεn1,εn2,…，εnI(yn1,yn2,…ynI)=e-G(e-yn1,e-yn2,…，e-ynI)

(1)

式中：G(·)為生成函數(shù)，具有如下形式.

(2)

式中：K為選擇方案分層數(shù)；Bk為所有屬于第k層選擇方案所組成的集合．根據(jù)GEV模型理論，在CNL模型中選擇概率Pi(為簡化符號，在下標(biāo)中省去表示決策者的字母n)為

(3)

式中：Pk為選擇方案位于第k層的概率；Pi|k為第k層中方案i的選擇概率，為

(4)

方案i屬性l對選擇概率Pi的直接彈性為

(5)

式中：xil為方案i在屬性l上的取值；βl為其在效用函數(shù)中對應(yīng)的參數(shù)．對選擇概率Pj的交叉彈性如下.

(6)

1.2 聯(lián)合選擇模型設(shè)定

為分析居住地、工作地和通勤出行方式聯(lián)合選擇行為，同時考慮選擇方案在上述三個維度上的相關(guān)性，將模型的選擇項集合定義為居住地子集R、工作地子集W、通勤出行方式子集M的組合．考慮城市中心與外圍區(qū)域在用地模式、房價和可達性方面的差異，研究中將城市空間劃分為3個區(qū)域，即市中心、市區(qū)、市郊．因此，居住地子集和工作地子集各包括3個選擇肢，即：R={r1,r2,r3},R={w1,w2,w3}．通勤出行方式子集包括3個選擇肢，即：非機動方式(步行/自行車，m1)、公共交通(m2)和小汽車(m3)．組合選擇模型的最終選擇集合C為居住地子集R、工作地子集W、通勤出行方式子集A各選擇方案的所有可能組合，包含N=3×3×3=27個備擇方案．

每個選擇方案都與一個居住地選擇肢、一個工作地選擇肢和一個出行方式選擇肢對應(yīng)，每個選擇子集中僅被選中的方案對應(yīng)分配參數(shù)不為0．組合方案3個選擇參數(shù)之和為1，故全部組合選擇共對應(yīng)27×2=54個分配參數(shù)．為降低參數(shù)估計工作量，參考相關(guān)文獻[10]，將非零分配參數(shù)設(shè)定為均等的常數(shù)1/3．此外，將各選擇維度的一個選擇方案固有常數(shù)標(biāo)準(zhǔn)化為0，其他選擇方案固有常數(shù)作為模型參數(shù)，得到6個待估計的選擇方案固有常數(shù)．模型結(jié)構(gòu)見圖1．

圖1 基于CNL的聯(lián)合選擇模型結(jié)構(gòu)

2 居住地、工作地、通勤出行方式組合選擇分析

2.1 研究數(shù)據(jù)

數(shù)據(jù)來源于北京市2005年居民出行調(diào)查數(shù)據(jù)庫，樣本量為17 460人．以二環(huán)路和四環(huán)路為邊界，二環(huán)路向內(nèi)的區(qū)域為市中心，二環(huán)路和四環(huán)路之間的區(qū)域為市區(qū)，四環(huán)路向外的區(qū)域為市郊．表1為樣本居住地和工作地區(qū)位的分布情況．由表1可知:約半數(shù)居民的居住地和工作地位于同一區(qū)位，其余樣本的將居住地和工作地也相對靠近．在房價、生活便利性和可達性的綜合影響下，市區(qū)是人們居住和工作的首選地，其次是市中心和市郊；對于市郊的居民，市區(qū)的工作較市中心更有吸引力．表2為樣本典型社會經(jīng)濟屬性的分布情況．

表1 樣本居住地和工作地區(qū)位分布(樣本量17 460)

表2 樣本社會經(jīng)濟屬性(樣本量17 460)

表3為不同居住地和工作地的通勤者出行方式分布．3種不同出行方式在樣本中分布較均勻．當(dāng)工作和居住地位于同一區(qū)位時，非機動方式是常用的通勤出行方式；當(dāng)工作和居住地位于不同區(qū)位時，人們更多的選擇公交和小汽車方式上下班；在公交欠發(fā)達的城市周邊區(qū)域，人們更多依賴小汽車完成長距離出行．

表3 樣本通勤出行方式分布 單位：%

2.2 模型標(biāo)定結(jié)果及分析

綜合考慮模型準(zhǔn)確性和簡潔性，經(jīng)過篩選后的模型變量見表4，包含3類解釋變量．出行者社會經(jīng)濟屬性變量，描述了不同出行者群體選擇偏好差異；空間屬性變量(數(shù)據(jù)來源于文獻[11])，描述了不同區(qū)位的工作和居住吸引力；出行屬性變量，包括直接影響出行方式選擇的出行時間和費用．模型參數(shù)標(biāo)定采用計量經(jīng)濟學(xué)軟件BIOGEME 2.2完成．參數(shù)估計值符合居民實際選擇行為，且都在95%的置信度下顯著．

表4 模型參數(shù)標(biāo)定結(jié)果

出行者社會經(jīng)濟屬性變量參數(shù)標(biāo)定結(jié)果與樣本社會經(jīng)濟屬性統(tǒng)計結(jié)果一致．模型參數(shù)表明，工作性質(zhì)是居住和工作地區(qū)位選擇的重要影響因素，專業(yè)工作人士傾向于在市中心居住和工作．月收入的影響為正，再次驗證了高收入群體傾向于在市中心和市區(qū)居住和工作．家庭小汽車是另一重要影響因素，表現(xiàn)出正的影響．小汽車能滿足長距離通勤出行需求，使得擁有小汽車的家庭對居住地和工作地區(qū)位的選擇更靈活，其通勤成員更傾向于選擇駕車上下班．

小區(qū)屬性表現(xiàn)出不同于社會經(jīng)濟屬性變量的影響．居住人口密度對區(qū)位選擇的影響為負，在人口密度相當(dāng)時，工作機會多的區(qū)域其工作吸引力更高；Asc1和Asc2的正號也同樣表明，相比于市郊，大部分居民選擇在市中心和市區(qū)工作；區(qū)域平均工資的正影響和平均房價的負影響從收入和生活成本的角度反映了這兩方面對工作和居住區(qū)選擇的影響相反．

出行時間和出行費用對組合選擇有顯著負影響，解釋了居民傾向于將居住地和工作地相互就近安排的實際選擇偏好．從時間和費用參數(shù)絕對數(shù)值計算得到樣本的平均通勤出行時間價值約為26.25元/h，與同類研究結(jié)果接近．

從模型異質(zhì)性參數(shù)來看，居住地區(qū)位、工作地區(qū)位和通勤出行方式三個選擇維度上的參數(shù)取值都較低，表明這三方面選擇方案均有較高的相關(guān)性．其中，出行方式選擇維度的異質(zhì)性最高，表明不同出行方式之間相對獨立．因此，當(dāng)模型變量取值改變引起各選擇方案效用變化時，出行者會在居住地、工作地區(qū)位和通勤方式中首先調(diào)整出行方式選擇以適應(yīng)變化后的環(huán)境．

出行時間和出行費用對公共交通和小汽車通勤選擇概率的直接和交叉效用分析結(jié)果見表5．直接彈性的分析表明，隨著居住地和工作地之間距離的增加，通勤出行時間彈性也相應(yīng)上升，且小汽車通勤出行上升更快．這表明，隨著通勤出行距離的增加，人們對通勤出行時間的越敏感，并對小汽車通勤選擇有更大影響．出行費用變化對選擇行的影響與出行時間變化類似，但大小不同．出行費用對公交通勤選擇的影響大于對小汽車通勤選擇的影響，特別是當(dāng)通勤出行距離較長時．比較出行時間和出行費用的彈性值可知，通勤者對出行時間變化的敏感度大于對出行費用的敏感度．出行時間和費用的交叉彈性系數(shù)取值都較低，表明由于公共交通(或小汽車)通勤出行時間(或費用)引起的小汽車(公共交通)通勤出行選擇概率變化可以忽略．

表5 出行時間和出行費用彈性

3 結(jié) 束 語

居住地、工作地區(qū)位與出行行為相互關(guān)聯(lián)，居住地、工作地和出行行為選擇本身及其之間的相互作用對城市交通、土地利用和發(fā)展有著深遠的影響，這一領(lǐng)域的研究對交通規(guī)劃和管理工作有重要意義．

文中基于廣義極值理論構(gòu)建交叉分層Logit模型，以居住地選擇子集、工作地選擇子集和通勤出行方式選擇子集的組合作為模型的選擇集，刻畫了居住地、工作地區(qū)位與通勤出行方式聯(lián)合選擇行為．模型選取出行者社會經(jīng)濟屬性、空間特征、出行成本為解釋變量，利用實際居民出行調(diào)查數(shù)據(jù)和社會經(jīng)濟統(tǒng)計數(shù)據(jù)，完成了模型參數(shù)估計，通過彈性分析討論了效用變量對聯(lián)合選擇行為的影響．研究表明，居住地、工作地和通勤出行方式選擇之間有顯著相互影響，人口密度、房價、工作性質(zhì)和收入、出行成本是重要影響因素，當(dāng)上述因素發(fā)生改變時出行者會優(yōu)先調(diào)整其出行方式而非區(qū)位選擇．高收入者傾向于位于城市中心的工作和居住地，小汽車擁有者表現(xiàn)出更靈活的工作和居住地選擇，能適應(yīng)長距離通勤出行需求．

現(xiàn)有模型方法還不夠完善，后續(xù)研究還需考慮：①通勤出行是人們關(guān)于居住環(huán)境和位置、職業(yè)和工作地兩方面選擇的體現(xiàn)，通常是夫妻雙方在上述兩方面選擇意愿的綜合體現(xiàn)．如果以家庭為研究單位，將能更準(zhǔn)確描述家庭成員在居住和工作區(qū)位及通勤出行行為決策方面的相互影響和制約；② 擴充空間區(qū)位選擇集和出行方式選擇集，以便更深刻的揭示不同居住和工作區(qū)位之間及其對出行方式選擇的影響．