基于分層logit模型的旅游交通方式選擇研究

孫瀟昊 徐亞楠 陳大偉

（東南大學(xué)交通學(xué)院 南京 210096）

0 引言

旅游交通的便捷程度影響游客對旅游目的地的選擇，方便、快捷、大容量的“快旅”［1］交通有助于旅游目的地的可持續(xù)發(fā)展。對于影響旅客交通工具選擇行為的因素的研究，郭寒英等認(rèn)為在交通系統(tǒng)中，旅客不僅是出行行為和交通工具選擇行為的決策者，同時也是促使活動成為現(xiàn)實的決策者。李敏認(rèn)為影響客運方式選擇的因素一是需求特性；二是供給特性。齊銀山認(rèn)為旅客根據(jù)各種運輸方式的服務(wù)特性并結(jié)合自身的社會經(jīng)濟條件和出行目的，按效用最大化原則做出選擇。在交通工具選擇的研究上面，林新敏探討了捷運木柵線通車前后，個體運輸工具選擇模式的差異。王郁珍建立了顯示性偏好模式、敘述性偏好模式及整合型偏好模式3類交通工具選擇模式探討臺南臺北城際大眾運輸交通工具選擇的問題。周世鑫則透過最小成本的概念，結(jié)合顯示性偏好與敘述性偏好數(shù)據(jù)的整合模式。溫杰華等利用多項logit和巢式logit選擇模式探討城際旅游者對交通工具及國道客運公司選擇行為。

而目前針對旅游交通的方式選擇研究還較少，特別是綜合性的方式選擇研究。筆者則采用分層式logit模型對交通方式的選擇展開研究，最終得到較為符合實際的結(jié)果，該研究有利于旅游地的規(guī)劃。

1 旅游消費中交通工具選擇的轉(zhuǎn)變

旅游交通不同于傳統(tǒng)意義上的出行交通，它不僅包含了交通的共性，還對出行的時間、安全、便捷有著不同的要求，又體現(xiàn)出旅游行為的特性。因此，出行方式選擇影響因素也不盡相同，會產(chǎn)生不同的選擇行為。

在過去，我國交通運輸線路少、質(zhì)量差、還沒有形成1個完整的道路網(wǎng)，同時運量規(guī)模小、運輸效率低、耗費時間長。人們旅游出行大多選擇近距離旅游，這樣相對來說比較方便。

而現(xiàn)在的人們越來越重視節(jié)約時間，因此，少花時間已經(jīng)成為不少人交通工具選擇的第一原則。人們對旅游交通工具的選擇以火車、高鐵與汽車為主。具體的轉(zhuǎn)變趨勢見表1。

表1 旅游交通方式的轉(zhuǎn)變Tab.1 The change of the tourism transportation

2 旅游交通工具選擇的影響因素

2.1 游客感知距離的影響

游客感知距離［2］是影響旅游消費決策的重要因素。感知距離一般可以分為空間距離、心理距離和經(jīng)濟距離，這幾種距離之間是有一定差別的。

空間距離可以在旅行時間上影響游客的旅游消費，而交通工具的改變可以使心理距離縮短，在一定程度上克服這種時間上的限制，因而心理距離取決于空間距離和交通工具的選擇。交通費用的高低又決定了出游距離的半徑（經(jīng)濟距離）。因此，受空間距離影響的旅游費用同樣可以在經(jīng)濟上限制游客的旅游消費。

2.2 交通工具選擇的影響因素

從上文可以看出，交通方式選擇主要受感知距離的影響，而具體的影響因素多種多樣，與空間距離有關(guān)的影響因素主要有距離和時間；而心理距離又決定了旅游情況和舒適度對交通工具選擇的影響；最后與經(jīng)濟距離相關(guān)的影響因素則是年收入。但是，還有1種情況不得不進行考慮，那就是交通方式的成熟度，如果某地交通便利，飛機與高鐵設(shè)施良好，那么選擇該方式的比例就會相應(yīng)增大，相反，則即使距離較遠也無法選擇該交通方式。

3 旅游消費交通工具選擇的建模

3.1 建模思路

同時考慮多種交通方式的選擇模型中，有多項logit（MNL）模型［3］和基于分層logit（NL）模型等選擇。雖然MNL模型較傳統(tǒng)的集計模型在預(yù)測精度上有了顯著提高，但在實際應(yīng)用中選擇方案存在相互關(guān)系，而MNL 模型適合于各選擇方案相互獨立的情況。但是NL模型則有效地克服這點，適用于選擇方案中某幾個選擇具有相關(guān)性的情況。本文各個交通方式之間具有很強的類似性，因此，擬建立基于NL模型作為交通方式選擇模型。

考慮到現(xiàn)在供選擇的交通方式有飛機、火車、高鐵、汽車4種，其中汽車又可以分為私家車、長途汽車和旅游大巴。一般可以把旅游出行的出行情況分為2種，分別是直達旅游景點和換乘到達旅游目的地。其中私家車和旅游大巴屬于直達目的地旅游，而飛機、火車、高鐵和長途汽車都屬于第2種，也就是乘坐交通工具后需要換乘才能到達旅游地。在這里因為輪船的可達性問題，不考慮輪船。

按以上思路，得到交通方式選擇樹如圖1所示。筆者根據(jù)非集計模型的效用理論，首先對水平2的模型進行標(biāo)定，將得到的參數(shù)代入水平1，再對水平1的模型進行標(biāo)定，得到各交通方式的選擇概率。

圖1 交通方式選擇樹示意圖Fig.1 The tree diagram of traffic mode choice

3.2 NL模型基本原理

非集計模型的理論基礎(chǔ)是出行者追求選擇結(jié)果的效用最大化，出行者在特定的選擇條件下，選擇效用最大的方案［4］。非集計模型的效用函數(shù)由固定項和概率項組成

式中：Ui，n為出行者n選擇第i種方案時的效用函數(shù)；Vi，n為出行者n選擇第i種方案時的效用函數(shù)的固定項；εi，n為出行者n選擇第i種方案時的效用函數(shù)的概率項。

當(dāng)假設(shè)ε服從二重指數(shù)分布、且各變量兩兩相互獨立時，可以得到出行者n選擇方案i的概率為

式中：Pi，n為出行者n選擇方案i（i＝1，2，…，N）的概率；N為可供選擇的方案個數(shù)。

分層logit模型的分層原則是將被認(rèn)為選擇方案的類似性較大作為1個層次，將不同類型的選擇方案作為不同的層次［5］。其基本公式如下

式中：Umn為出行者n選擇方式rm的效用；v（r｜m）n為出行者n選擇方式rm時，效用由于rm和m的組合而變化部分的固定項；Vmn為出行者n選擇方式rm時，效用中與r無關(guān)，而僅隨m變化部分的固定項；ε（r｜m）n為在選擇了m的條件下選擇了rm的效用的概率項，設(shè)其服從于均值0。方差為的二重指數(shù)分布；εmn為出行者n選擇了m的效用概率項。

3.3 初步分析

為分析各種因素對于交通方式選擇的影響，掌握游客對于各種交通方式的選擇的喜好［6－8］。在南京江寧區(qū)發(fā)放問卷，調(diào)查內(nèi)容包括出行者特性（出行者的性別、年齡、年收入）、出行特性（旅游情況、出行距離）以及交通方式服務(wù)水平（交通方式的舒適度、時間和費用）。

調(diào)查得到的結(jié)果是：性別對結(jié)果的影響并不大；旅游情況是否直達對結(jié)果影響較大；旅游地距離較遠或時間相對較緊時，更傾向于選擇快速的交通方式；年收入高的人群或?qū)β猛臼孢m度要求較高的人群，傾向于選擇飛機。對調(diào)查得出的數(shù)據(jù)進行初步分析，得出各因素的相伴概率，見表2，計算結(jié)果與上述分析吻合。

表2 各因素的相伴概率Tab.2 Concomitant probability of each factor

因此確定帶入水平1的離散變量為距離、時間、收入；代入水平2的離散變量為觀光目的、舒適度。帶入模型的連續(xù)變量為年齡和費用。

3.4 模型標(biāo)定結(jié)果

根據(jù)因素分析結(jié)果，得到NL 方式選擇模型特性變量以及數(shù)據(jù)結(jié)構(gòu)表，但是此數(shù)據(jù)結(jié)構(gòu)表格是1個綜合性、基礎(chǔ)性較強的數(shù)據(jù)表格，雖然考慮了汽車、火車、高鐵、飛機、旅游大巴等諸多交通工具，但是未能充分考慮現(xiàn)代化交通的影響，即現(xiàn)在人們選擇高鐵和飛機的概率明顯上升，因此，需把高鐵和飛機的相關(guān)權(quán)重加大，相應(yīng)的把汽車和火車的相關(guān)權(quán)重減小，以使其更符合現(xiàn)在游客的實際選擇情況。

基于上文旅游消費中交通工具選擇的轉(zhuǎn)變的相關(guān)論述，對數(shù)據(jù)表格進行改進，將與飛機的距離與收入有關(guān)的數(shù)據(jù)結(jié)構(gòu)和高鐵的時間數(shù)據(jù)結(jié)構(gòu)記為1，而火車和長途汽車的距離等數(shù)據(jù)結(jié)構(gòu)記為0，見表3、表4。

表3 數(shù)據(jù)結(jié)構(gòu)表（之一）Tab.3 Data structure table（Ⅰ）

表4 數(shù)據(jù)結(jié)構(gòu)表（之二）Tab.4 Data structure table（Ⅱ）

利用調(diào)查數(shù)據(jù)對模型進行標(biāo)定，標(biāo)定結(jié)果及模型檢驗如表5、6所列。

表5 logit模型標(biāo)定結(jié)果Tab.5 The calibration results of logit model

表6 交通方式選擇模型檢驗Tab.6 Traffic mode choice model checking

從表5中t值數(shù)據(jù)可以看出，各參數(shù)的t檢驗值都在0.05以上，說明在95%的置信度上各參數(shù)對選擇結(jié)果有影響。參數(shù)值為正，代表該參數(shù)對選擇結(jié)果有正影響，也就是出行者越傾向于選擇該交通方式，反之也就是出行者越不傾向于選擇該交通方式。但數(shù)據(jù)分析時存在1個問題，那就是水平1的θ2和水平2的β3，β4 和的t檢驗值說明變量對交通工具的選擇影響不顯著，但并不將這些變量去除，而是對水平1 和水平2 的模型的準(zhǔn)確性進行分析，若得出的精度較高，表示這些變量可以接受，否則去除后重新建立模型。

為了評價模型預(yù)測的準(zhǔn)確性，對優(yōu)度比和擬合優(yōu)度比進行分析，其值在0～1之間，其值越大模型的精度越高，一般認(rèn)為其值達到0.2～0.4時，即認(rèn)為可以接受。從表6的結(jié)果可看出該模型的預(yù)測精度還是比較高的。

一般認(rèn)為的中率大于80%即可視為模型可靠，本模型水平1 和水平2 的的中率分別為84.7%和80.6%，可見模型預(yù)測精度可以接受。因此，之前的影響不顯著參數(shù)仍然取用。

4 交通工具選擇預(yù)測

根據(jù)上文所提出的模型，對現(xiàn)在人們旅游消費交通工具的選擇進行預(yù)測。由于在旅游消費中，距離的影響不容忽視，因此，把距離的遠近按3種標(biāo)準(zhǔn)來劃分，預(yù)測國內(nèi)旅游交通工具的選擇。具體的劃分情況是近距離旅游，省內(nèi)鄰近城市之間，距離大概300km 以內(nèi)，以南京到常州為例；中距離旅游，相鄰省城市之間，距離大概800km以內(nèi)，以南京到上海為例；長距離旅游，距離超過800km，以南京到廣州為例。由于考慮到距離的影響，所以預(yù)測模型采用水平1來進行。

首先是近距離旅游，根據(jù)公式（如下）和表6中參數(shù)的值可以計算得出汽車、火車、高鐵、飛機的效用值。最后得出近距離旅游中，游客選擇長途汽車和高鐵的概率較大見表7。

同樣的方法用來計算中距離旅游和遠距離旅游各種交通方式的效用值，最后得出：中距離旅游選擇火車與高鐵的游客占絕大多數(shù)；遠距離旅游選擇火車、高鐵和飛機的游客占絕大多數(shù)。

表7 各種距離交通方式選擇概率Tab.7 Choice probability of various distance transportation

將表7得到的概率表8進行對比分析，最后得出相差的概率都在0.05以內(nèi)，因此，模型與實際情況較為符合。

表8 實際交通方式選擇概率Tab.8 The actual traffic mode choice probability

5 結(jié)束語

人們旅游時交通工具的選擇與過去相比發(fā)生了巨大的轉(zhuǎn)變。利用分層logit模型對交通方式選擇的各影響因素進行分析，得出其影響參數(shù)，且精度達到檢驗要求。該模型應(yīng)用于實際情況，得出各種交通方式選擇的計算概率與現(xiàn)今的實際概率相符合。因此，該研究對于旅游地的規(guī)劃是很有意義的。

但由于該研究在某交通方式不可達時參數(shù)直接記為0，因此，對于成熟度高的地區(qū)更適用。若對于成熟度低的地區(qū)則需要重新進行參數(shù)設(shè)定并求解得到更為精確的交通方式選擇概率。

［1］梁雪松.旅游消費需求與交通工具選擇的相關(guān)性研究：基于高鐵與航空運輸視角［J］.經(jīng)濟問題探索，2012，11（2）：20－26.Liang Xuesong.Correlation between tourism and transport consumer demand choice－economic issues based on high－speed rail and air transport perspective［J］，2012，11（2）：20－26.（in Chinese）.

［2］李作志，王爾大，蘇敬勤.旅游資源需求函數(shù)模型及應(yīng)用［J］.系統(tǒng)工程理論與實踐，2012（2）：274－282.Lee Zuozhi，Wang Erdai，Su Jingqin.Tourism resource demand function model and its application［J］Systems Engineering Theory and Practice，2012（2）：274－282.（in Chinese）.

［3］陳秋香.Nested Logit模型在交通出行方式選擇中的應(yīng)用［J］.甘肅科學(xué)學(xué)報，2013，25（2）：133－136.Chen Qiuxiang.Nested logit model in transportation travel mode selection［J］.Gansu Sciences，2013，25（2）：133－136.（in Chinese）.

［4］Ivanova O.A note on the consistent aggregation of nested logit demand functions［J］.Transportation Research Part B，2005，39（10）：890－895.

［5］Jones S，Hensher D A.Modelling corporate failure：A multinomial nested logit analysis for unordered outcomes［J］.The British Accounting Review，2007，39（1）：89－107.

［6］楊昌濤，靳文舟，范雪婷.基于巢式Logit模型的交通方式選擇行為研究［J］.公路與汽運，2011，10（4）：62－65.Yang Changtao，Jin Wenzhou，F(xiàn)an Xueting.Choice behavior research based on nested logit mode of transportation models Highway［J］.Highways Applications and Automotive，2011，10（4）：62－65.（in Chinese）.

［7］康文峰，孫 寶.基于主成分法優(yōu)化的軌道交通通勤出行方式選擇研究［J］.交通信息與安全，2013，31（3）：74－78.Kang Wenfeng，Sun Bao.Selection based on principal component analysis optimization of rail commuter travel mode［J］.Journal of transport Information and Safety，2013，31（3）：74－78.（in Chinese）.

［8］武勇彥，劉小明，魏中華，等.旅游交通引導(dǎo)標(biāo)志系統(tǒng)設(shè)置方法研究［J］.交通信息與安全，2011，29（2）：23－26，31.Wu Yanyong，Liu Xiaoming，Wei Zhonghua，et al.Tourist traffic guidance signs system settings method［J］.Journal of transport Information and Safety，2011，29（2）：23－26，31.（in Chinese）.