基于返校出行鏈分析優(yōu)化的最后里程接駁

王一喆

(同濟(jì)大學(xué)交通運輸工程學(xué)院，上海 201804)

文獻(xiàn)［1］在基于活動模型的基礎(chǔ)上提出了多模式出行方式鏈的概念，通過調(diào)查數(shù)據(jù)分析，得出出行方式鏈的組合情況、出行次數(shù)、出行時間、出行距離等信息，通過回歸分析得出個人屬性對于多模式出行方式鏈的影響。這種出行鏈涵蓋了出行者1 d當(dāng)中的所有出行，鏈的結(jié)構(gòu)是一個閉合的回路，從家開始，結(jié)束于家。文獻(xiàn)［2］較早地提出出行鏈研究的重要性，對出行鏈作出了較為完整全面的闡釋，認(rèn)為出行鏈描述的是居民出行從家出發(fā)再返回家這樣一個過程，過程中包含大量的時間、空間、方式和活動類型信息，整個載有信息的過程稱為出行鏈。

返校出行鏈?zhǔn)潜姸喑鲂墟溨械囊环N，其特點為:1)具有所有出行鏈的共同特點。即時間、地點、方式、目的以及這些信息的聯(lián)系。2)集聚性。對象的集聚性——全體學(xué)生;出行目的的集聚性——返校求學(xué)，返校出行鏈?zhǔn)且粋€首尾不相連的鏈;目的地的集聚性——校園(本文中是指同濟(jì)大學(xué)嘉定校區(qū))。

本文利用同濟(jì)大學(xué)交通工程專業(yè)67名學(xué)生2012年寒假及2013年暑假返校出行鏈調(diào)查的數(shù)據(jù)，以上海市區(qū)內(nèi)出行為重點，分析出行鏈特征并提出對軌道交通“最后里程”(上海汽車城到嘉定校區(qū))接駁的改進(jìn)意見。

1 出行鏈的構(gòu)成與數(shù)據(jù)分析

離開點/到達(dá)點是一條返校出行鏈中最重要的2個節(jié)點，離開點是指返校學(xué)生家鄉(xiāng)城市的機(jī)場、火車站、長途汽車站和公路出入境收費口;到達(dá)點是指返校學(xué)生抵達(dá)上海所經(jīng)過的第一個交通門戶，如機(jī)場、火車站和長途汽車站等。

1.1 返校出行鏈的劃分

在返校出行鏈的研究中，通過“離開點/到達(dá)點”這2個節(jié)點把一條返校出行鏈分為家至離開點(Ⅰ)、離開點至到達(dá)點(Ⅱ)、到達(dá)點至學(xué)校(Ⅲ)3段，如圖1所示。

第Ⅰ、Ⅲ段是返校鏈中距離較短的部分，通常是一個城市或地區(qū)內(nèi)小范圍出行所構(gòu)成的，承擔(dān)這些出行的主要是城市客運交通系統(tǒng)［3］;第Ⅱ段是到達(dá)點與離開點之間的部分，通常是返校出行鏈中距離最長、消耗時間最多、費用最高的部分，承擔(dān)該部分出行的主要是城市間大運量的客運系統(tǒng)，如航空、鐵路等。

圖1 出行鏈劃分示意圖

1.2 出行方式構(gòu)成比例

調(diào)查結(jié)果匯總見圖2、3。圖2為Ⅰ段中各種出行方式的構(gòu)成比例，圖3為上海市區(qū)內(nèi)各種出行方式的構(gòu)成比例。由圖2可知，Ⅰ段中超過50%的人使用了私家車，Ⅲ段中97%的人使用了公共交通。該現(xiàn)象主要是由所處的環(huán)境條件決定的，Ⅰ段中選擇何種出行方式在很大程度上受家庭條件的制約，大部分家庭有條件使用私家車。而Ⅲ段中出行者非上海本地學(xué)生，只能選擇公共交通。

圖2 第Ⅰ段中出行方式的構(gòu)成比例

圖3 第Ⅲ段中出行方式的構(gòu)成比例

1.3 人均換乘情況對比

換乘次數(shù)能夠反映出行鏈中出行方式搭配的復(fù)雜程度，據(jù)統(tǒng)計Ⅰ段中人均換乘次數(shù)為0.08，絕大多數(shù)人只用一種方式便完成了全部出行任務(wù)，出行方式結(jié)構(gòu)簡單;Ⅲ段中人均換乘次數(shù)為1.68，大多數(shù)人至少需要2種方式(或同種方式不同線路)才能完成全部出行。

1.4 上海市區(qū)內(nèi)出行方式分析

由圖3可知:Ⅲ段中選擇先乘2次地鐵再換乘其它交通工具的人高達(dá)80%，這反映軌道交通成為同學(xué)們城市內(nèi)長距離出行的首選，但是軌道交通最大的缺點是無法提供門到門服務(wù)。同濟(jì)大學(xué)嘉定校區(qū)位于城郊結(jié)合部，距該校區(qū)最近的地鐵11#線的上海汽車城站到該校區(qū)的距離為4.1 km，遠(yuǎn)遠(yuǎn)超過步行800 m的優(yōu)勢距離的，對于隨身攜帶較重行李的返校同學(xué)來說，選擇步行的概率較低。因此對于返校出行鏈中“最后里程”接駁問題的研究尤為重要。

2 最后里程接駁方式選擇

2.1 最后里程接駁

城市軌道交通成網(wǎng)后，居民利用軌道交通出行的需求增加，但區(qū)域公交線網(wǎng)不發(fā)達(dá)，最靠近交通出行發(fā)生源即目的地的支路公交線路覆蓋率低，步行又受限于自身合理出行閾值，需要消耗大量體力，因此，如何解決好最后里程出行問題尤為重要。最后里程泛指從軌道交通、公交車站下車后至目的地的最后一段路程，即Ⅲ段中的最末端里程，本文特指從上海地鐵11#線上海汽車城站到嘉定校區(qū)的里程。

2.2 離散選擇模型的應(yīng)用

目前從上海地鐵11#線上海汽車城站到嘉定校區(qū)的主要接駁方式有4種:步行、同濟(jì)大學(xué)短駁車、公交車和非法運營車輛。返校同學(xué)選擇的依據(jù)主要是參考其效用的高低，即在出行選擇中獲得的滿足程度，包括時間成本、費用成本、舒適度等。本文使用離散選擇模型，對眾多出行方案的效用進(jìn)行分析，為“最后里程”接駁方式改進(jìn)提供理論依據(jù)。

離散選擇模型(Discrete choice model)屬于多重變量分析的方法之一，常用logit模型。在logit模型中，假定效用是服從一定分布的隨機(jī)變量，它與選擇枝的特性和選擇者個人的社會經(jīng)濟(jì)屬性有關(guān)。每個出行者個人都會選擇效用最高的選擇枝。

選擇枝群Am中第i個選擇枝被選中的概率［4］表示為

式中 Am為可供選擇的選擇枝群，選擇枝分別為步行、公交車、短駁車和非法運營車輛;Uin為第n個人第i個選擇枝的效用;Ujn為第n個人第j個選擇枝的效用;m是選擇方案的數(shù)量。

出行者個人將在Am選擇枝群中，選擇效用最大的選擇枝。假定效用由確定項和隨機(jī)項2部分構(gòu)成［5］，即有

式中 Vin為建模者可以精確測量和描述的部分，某種交通方式的出行時間、等候時間和出行費用等將以適當(dāng)?shù)男问竭M(jìn)入效用函數(shù);εin為建模者無法預(yù)知的部分，例如安全性和舒適度等。

隨機(jī)效用理論并不指明哪一枝會被選中，而只是說明每一項被選中的概率有多大。效用函數(shù)Vin可以用各種函數(shù)形式來表達(dá)，但通?？紤]結(jié)果分析的容易性及系數(shù)標(biāo)定上的方便，目前廣泛采用線性函數(shù)形式，表達(dá)式為

式中 θ 為未知參數(shù)向量，θ=［θ1，θ2，θ3］T，其中 θ1為出行時間參數(shù)，θ2為等候時間參數(shù)，θ3為出行費用參數(shù);Xin為第n個人選擇第i個選擇枝的特征向量，Xin=［Xin1，Xin2，Xin3］，其中Xin1為出行時間，Xin2為等候時間，Xin3為出行費用。

2.3 效用函數(shù)的影響因素

2.3.1 出行時間

在眾多影響因素中，出行時間仍然是“最后里程”出行選擇中最為重要也最易被感知的因素。隨著人們生活水平的提高，對時間成本會更加重視，希望提供快速的出行服務(wù)。

2.3.2 等候時間

等候時間是指由軌道交通換乘該接駁方式所需要的時間，換乘時間雖然只占總行程時間很小的一部分，但是對于長途旅行和攜帶較重行李的返校同學(xué)來說，等候時間過長會導(dǎo)致效用極低，該接駁方式將不被采納。

2.3.3 出行費用

相對于出行時間，出行者對出行費用的敏感度較小。接駁段若采取步行，則直接的實際費用為0;采取常規(guī)公交與“最后里程”公交在接駁段的出行費用相同;對于出租車和非法運營車輛，出行費用則相對較高，通常為15元。

2.3.4 其它不可量化的影響因素

影響出行選擇的因素還有安全性、舒適性等，無法量化的因素通過效用函數(shù)中的隨機(jī)項來體現(xiàn)。

2.4 數(shù)據(jù)分析及模型參數(shù)標(biāo)定

調(diào)查67名在校學(xué)生在Ⅲ段中的“最后里程”中的出行時間、等候時間和出行費用等數(shù)據(jù)，通過logit模型分析原始數(shù)據(jù)，通過 SAS9.2 進(jìn)行模型標(biāo)定，得到 θ1、θ2、θ3的估計值分別為 －0.959 2、－0.677 5、－0.734 7，標(biāo)準(zhǔn)差分別為 0.190 8、0.231 7、0.233 1，t檢驗分別為 －5.29、1.05、－4.38。

將θ1、θ2、θ3的估計值帶入式(3)，并由式(2)得到最終的效用函數(shù)。有

從模型標(biāo)定結(jié)果可以看出，參數(shù)t檢驗值較顯著，即在95%的水平上選擇結(jié)果有意義(t值小于臨界值1.668)。模型中θ1、θ2、θ3均為負(fù)值，表明這些參數(shù)對選擇結(jié)果是負(fù)效用，即某接駁方式的出行時間、等候時間越長，出行費用越多，出行者越不趨向于選擇此種交通方式。

根據(jù)調(diào)查數(shù)據(jù)統(tǒng)計的4種接駁方式的出行時間、等候時間和出行費用，并根據(jù)式(4)，忽略無法預(yù)知的部分εin，得出各出行方式的效用值，見表1。

將4種方式的效用值代入式(1)，得選擇步行的概率為

表1 4種接駁方式統(tǒng)計數(shù)據(jù)及效用計算

同理計算得到公交車、短駁車、非法運營車輛的選擇概率分別為25.02%、25.02%、49.93%。

通過模型分析，在“最后里程”接駁的方式選擇中，非法運營車輛以等待時間短和舒適度高的優(yōu)點成為較多同學(xué)的選擇，公交車和接駁車雖然費用低，但是由于等待時間長，因此選擇概率小。但非法運營車輛的存在，擾亂了城市正常的交通秩序，且事故率高、安全性較差，應(yīng)堅決予以打擊和取締。因此增加公交車和短駁車的使用頻率、縮短等待時間，是解決返校出行鏈“最后里程”問題的關(guān)鍵。

3 改進(jìn)建議

3.1 返校高峰時段增開短駁車班次

目前同濟(jì)大學(xué)的地鐵短駁車1 d只有8個班次。根據(jù)調(diào)查，多數(shù)同學(xué)經(jīng)過長時間的跨省通行在下午抵達(dá)上海，平均地鐵行程2.33 h，到達(dá)上海汽車城站的時間為18:00—19:00，正值客流抵達(dá)高峰時間段，沒有任何短駁車接駁(17:20—20:50沒有短駁車出行)，這直接導(dǎo)致大量的客流需求無法得到滿足，而在返?？土鬏^少的上午時段短駁車班次卻占全天班次的50%(7:20、8:30、10:35、12:45各一班)，空駛現(xiàn)象嚴(yán)重。

短駁車班次安排供需嚴(yán)重不平衡，建議在返校高峰時間(正式開學(xué)前3 d)分別在18:10、18:50、19:30、20:10增開4個班次，減少上午班次，以降低成本、提高車輛利用率，同時縮短了出行者的等候時間，提高了舒適度，其安全性高和出行費用低的優(yōu)勢也會明顯體現(xiàn)，使得短駁車的效用值提高，提高短駁車方式的選擇概率。

3.2 增開公交區(qū)間車

目前在11#線上海汽車城站和同濟(jì)大學(xué)嘉定校區(qū)之間運營的公交車分別為安亭4路、北安線、翔安專線與陸安專線。通過統(tǒng)計得知，公交車的平均等候時間較長(約為15 min)，建議學(xué)校與公交公司協(xié)商在返校高峰時期增開2～3班區(qū)間車，既能避免增加全線運營公交所帶來的運能浪費，又能降低等候時間，增加該方式的選擇概率。

3.3 限制非法運營車輛，增加郊區(qū)出租車數(shù)量

非法運營車輛安全性較差，但非法運營車輛具有等候時間短和舒適度高的特點，對于經(jīng)濟(jì)條件較好的同學(xué)來說，非法運營車輛是第一選擇。所以建議政府嚴(yán)查此處非法運營車輛，并增加郊區(qū)出租車保有量，方便對舒適度要求較高同學(xué)的返校需求。

4 結(jié)語

1)利用離散選擇模型理論，分析了步行、短駁車、公交車、非法運營車輛4種接駁方式的效用函數(shù)影響因素，得出4種接駁方式的選擇概率分別為0.03%、23.64%、23.64%、47.26%。

2)為使返校學(xué)生順利進(jìn)行“最后里程”的接駁，限制非法營運車輛，提出返校高峰時段增開短駁車班次、增開公交區(qū)間車及出租車等建議。

3)由于調(diào)查樣本相對較少，所得模型所標(biāo)定的參數(shù)需要進(jìn)行進(jìn)一步的驗證;在離散選擇模型中，如何對于安全性和舒適度進(jìn)行量化也是未來研究的重點。

［1］Stephan Krygsma，Martin Dijst.Multimodal Trips in the Netherlands:Conceptual Clarification Micro-Level Individual Attributes and Residential Context［J］.Trans Research Record，2001(1753):11 － 19.

［2］褚浩然，鄭猛，楊曉光，等.出行鏈特征指標(biāo)的提出及應(yīng)用研究［J］.城市交通，2006，4(2):64－65.

［3］陳小鴻.城市客運交通系統(tǒng)［M］.上海:同濟(jì)大學(xué)出版社，2008.

［4］嚴(yán)作人，杜豫川，張戎.運輸經(jīng)濟(jì)學(xué)［M］.2版.北京:人民交通出版社，2009.

［5］Winters P L，Tucker L E.Creative Solutions for Assessing level of Service Equally Across Modes［J］.Transportation Research Record:Journal of the Transportation Research Board，2004，1883(1):185－191.