劉 瓊,孫小慧,左 志

(1.新疆大學(xué)建筑工程學(xué)院,新疆維吾爾自治區(qū) 烏魯木齊 830047;2.遼寧對外經(jīng)貿(mào)學(xué)院信息管理學(xué)院,遼寧 大連 116052)

1 旅客出行選擇行為模型的構(gòu)建

1.1 MNL模型

基于選擇行為理論,MNL模型包括標(biāo)準(zhǔn)多項式Logit模型、條件Logit模型和混合模型。

(1)標(biāo)準(zhǔn)多項式Logit模型是離散選擇模型的基礎(chǔ),是基于隨機(jī)效用與效用最大化假設(shè)。其效用函數(shù)為

(1)

因此,個體n選擇方案i的概率為

Pn(i)=P(Uni>Unj),(j≠i)

(2)

將公式(1)代入至公式(2)中,并假設(shè)εni服從廣義極值分布時,則可以像導(dǎo)出二元Logit模型一樣導(dǎo)出標(biāo)準(zhǔn)多項式Logit模型的形式,即個體n選擇方案i的概率為

(3)

式中:J為選擇集,比如高鐵、大巴、私家車等。標(biāo)準(zhǔn)多項式Logit模型最為研究者詬病的一個缺陷是其無關(guān)選擇獨(dú)立性(Independence of Irrelevant Alternatives,IIA)假設(shè):因變量的各個類別不存在相關(guān)性。

(2)將方案屬性加入(3)式中,即可得到混合模型的函數(shù)形式為

(4)

式中:Zni為方案屬性隨個體和方案而變的屬性。

1.2 隨機(jī)參數(shù)Logit模型

為解決MNL模型未能考慮個體差異性與IIA假設(shè)的限制,隨機(jī)參數(shù)Logit模型(Random Parameter Logit Model,RPLM)應(yīng)運(yùn)而生。

MNL模型假定參數(shù)βi為固定值,而隨機(jī)參數(shù)Logit模型通過假定其參數(shù)βi為隨機(jī)參數(shù),并且服從某種分布,即βi～f(βi|θ)。f(βi|θ)是某種分布的概率密度函數(shù),常見的分布形式有正態(tài)分布、對數(shù)正態(tài)分布、均勻分布,其密度函數(shù)是通過相應(yīng)分布的參數(shù)θ集合來描述的。相對比公式(3),隨機(jī)參數(shù)Logit的參數(shù)是非固定的,參數(shù)βi的第k個分量為

βnik=μki+σkiVnik

(5)

式中:μki為第i種因變量的第k個自變量的參數(shù)均值;σki為第i種因變量的第k個自變量的參數(shù)標(biāo)準(zhǔn)差;Vnik為樣本n的不可觀測隨機(jī)效應(yīng)并且其均值和方差分別為0與1。當(dāng)所有的待估參數(shù)為固定參數(shù)即f(βi|θ)為1時,隨機(jī)參數(shù)Logit模型退化為MNL模型。

2 出行選擇行為調(diào)查

2.1 問卷調(diào)查與分析

本研究基于問卷調(diào)查法對烏魯木齊至伊寧當(dāng)?shù)鼐用癯鲂行袨檫M(jìn)行調(diào)查,現(xiàn)有的交通方式有:自駕、長途大巴、直達(dá)特快列車、 快速旅客列車、 城際動車和飛機(jī)。假設(shè)烏霍開通高鐵,將發(fā)車時間劃分為4個時間段且將高鐵時速設(shè)置3個水平:200、250、300 km/h,對應(yīng)的車內(nèi)時間分別是3、2.5、2 h。車票價格根據(jù)高鐵二等座車票價格設(shè)置3個水平,分別是181、193、277元;其他交通出行方式的票價和車內(nèi)時間按照實際情況選取。收到問卷共計363份,其中有效問卷318份,問卷回收率為87.6%,滿足標(biāo)定選擇行為模型對樣本數(shù)量回收率的要求。

通過行為調(diào)查得到不同旅客個體特征和出行特征分布。其中男性旅客略多于女性旅客;年齡集中在25～40歲之間;職業(yè)多為公務(wù)員與企事業(yè)人員;大部分旅客為中等偏低收入。通過意向調(diào)查法可知旅客對于不同交通出行方式的選擇偏好見表1。

表1 不同交通出行方式選擇比例分布

2.2 變量設(shè)計

將性別、年齡、教育水平、職業(yè)及月收入作為模型中的個體特征變量,是否擁有駕駛證、家庭或自己是否擁有小汽車作為模型中的出行特征變量;將不同交通方式的車上時間、費(fèi)用或票價作為其方案變量。以此設(shè)計的模型變量見表2,為避免模型擬合出現(xiàn)多重共線性,對模型中的無序多分類及啞元變量指定了參照組。

表2 模型變量

3 參數(shù)回歸估計結(jié)果

3.1 回歸結(jié)果

基于stata17軟件,擬合問卷調(diào)查得到的數(shù)據(jù),其中系數(shù)估計值的顯著性采用P值(p<0.05)進(jìn)行檢驗。隨機(jī)參數(shù)Logit模型在連續(xù)抽取系數(shù)向量βi的仿真計算過程中,應(yīng)用Halton序列抽樣方法,設(shè)定隨機(jī)抽樣400次計算仿真概率。方案變量的系數(shù)估計結(jié)果見表3。隨機(jī)參數(shù)Logit模型中,方案變量的系數(shù)估計結(jié)果為隨機(jī)項,可以用來描述不同旅客對方案變量水平的感知差異,因此表中列出了系數(shù)均值、系數(shù)均值標(biāo)準(zhǔn)差及P值;MNL混合模型的系數(shù)估計結(jié)果是非隨機(jī)項,因此表中僅列出系數(shù)估計值和P值。個體特征及出行特征變量在隨機(jī)參數(shù)Logit模型中的參數(shù)估計結(jié)果見表4,在MNL混合模型中的參數(shù)估計結(jié)果見表5。旅客的個體特征及出行特征變量對旅客選擇行為的影響是確定的,因此在兩個模型中的系數(shù)估計結(jié)果均是非隨機(jī)項。

表3 方案變量的系數(shù)估計結(jié)果

表4 隨機(jī)參數(shù)Logit模型的個體特征與出行特征變量的參數(shù)估計結(jié)果

表5 MNL混合模型的個體特征與出行特征變量的參數(shù)估計結(jié)果

3.2 模型驗證

評價離散選擇模型的擬合優(yōu)度指標(biāo)有很多,其中較為常見的指標(biāo)有: McFadden偽R2指標(biāo)越接近0,表明模型擬合度差,越接近1,說明模型擬合度好;AIC(Akaike Information Criterion)與BIC(Bayesian Information Criterion)指標(biāo)相對較小的模型擬合結(jié)果較好。Stata17軟件給出了模型統(tǒng)計結(jié)果見表6,隨機(jī)參數(shù)Logit模型其R2值相對較大,說明相較于MNL混合模型擬合結(jié)果的擬合優(yōu)度更好。

表6 模型擬合統(tǒng)計量

4 分析總結(jié)

4.1 旅客個體特征與出行特征影響因素

根據(jù)表4的參數(shù)估計結(jié)果對出行方式選擇行為進(jìn)行如下分析:(1)長途大巴。變量Inco、Auto、Rapi系數(shù)估計值<0且統(tǒng)計結(jié)果顯著,表明隨著收入的增加,及自己或家庭擁有小汽車的旅客更不愿意選擇長途大巴,而旅客對快速性屬性的要求越高,越不會選擇長途大巴。(2)直達(dá)特快列車Z。變量Age1、Age2、Age3、Aoto有顯著的負(fù)向作用,表明40歲以下的出行者、家庭擁有小汽車的旅客不愿意乘坐該列車出行。(3)快速旅客列車K。變量Age1、Age2、Age3、Age4系數(shù)估計值<0且統(tǒng)計結(jié)果顯著,表明50歲以下的出行者最不愿意選擇該出行方式,可能是由于該出行方式的在途時間最長。(4)城際動車列車C與高鐵。變量Rapi、Conv、Safe有顯著的正向作用,表明重視快速性、方便性、安全性的出行者傾向選擇該出行方式,原因可能是城際動車和高鐵都能夠為乘客提供良好的出行體驗。(5)自駕。變量Gender有顯著的正向作用,表明男性出行者傾向選擇該出行方式;Occo1系數(shù)估計值<0且統(tǒng)計結(jié)果顯著,表明公務(wù)員或企事業(yè)人員不愿意選擇該出行方式;DL呈顯著正向作用,或因為有駕照的出行者更青睞選擇該種方式出行。

分析表5的參數(shù)估計結(jié)果可知:對快速性要求較高的出行者傾向選擇城際列車、高速鐵路,而不是其他慢行交通方式;對方便性要求較高的旅客不愿意選擇普通火車出行;長途大巴、普通火車的變量Punc的系數(shù)估計值<0且顯著,可見重視準(zhǔn)時性的旅客顯然不愿意選擇這些準(zhǔn)時性較差的交通方式;變量Safe在城際列車與高鐵一列的系數(shù)估計值>0且顯著,原因可能是城際列車與高鐵能夠提供給乘客足夠的安全信任度。變量Edu在長途大巴和普通火車出行方式中顯著呈負(fù)相關(guān),表明隨著教育水平的提高,選擇該方式出行的概率就越小,原因可能是傳統(tǒng)的交通方式難以保證高準(zhǔn)時性,服務(wù)質(zhì)量不高。變量Inco在各出行方式中的系數(shù)估計來看,個人月收入水平越高,出行者更不愿意選擇長途大巴、普通火車,原因可能是傳統(tǒng)的交通方式已經(jīng)不能夠提供舒適、良好的出行體驗,很大程度無法滿足高收入出行者的出行需求。

4.2 交通出行方式的方案變量

旅行時間與票價水平變量的系數(shù)估計<0且統(tǒng)計結(jié)果顯著,說明旅行時間、票價水平變量與旅客對列車的選擇行為負(fù)相關(guān);票價水平變量的系數(shù)估計值小于旅行時間變量的系數(shù)估計值且統(tǒng)計結(jié)果顯著,說明票價水平變量對旅客選擇行為的邊際效用大于旅行時間變量,影響旅客對短途高鐵列車選擇行為的關(guān)鍵因素是票價水平。

5 結(jié) 論

(1)通過引入出行票價或費(fèi)用與在途時間作為出行旅客選擇行為的影響因素變量,基于MNL模型構(gòu)建烏霍線路不同交通方式的客流行為分析,隨機(jī)參數(shù)Logit模型擬合程度更好,說明模型有較好的擬合能力,可能隨機(jī)參數(shù)Logit模型允許選擇者存在“隨機(jī)口味差異”,更適合出行者對列車選擇行為建模。

(2)準(zhǔn)確擬合與預(yù)測旅客對不同交通方式出行行為的選擇,有利于不同交通方式在相互競爭關(guān)系中協(xié)同發(fā)展,并為鐵路運(yùn)輸部門規(guī)劃與決策分析提供理論支持。還應(yīng)進(jìn)一步考慮個人特征與出行方案的交互關(guān)系,以分析不同旅客對各方案屬性的敏感性,以及其他因素對旅客選擇行為的影響。