通勤者路徑選擇行為及風(fēng)險偏好調(diào)查分析

王　凱， 關(guān)宏志， 嚴(yán)　海

(北京工業(yè)大學(xué)交通工程北京市重點實驗室， 北京　100124)

?

通勤者路徑選擇行為及風(fēng)險偏好調(diào)查分析

王凱， 關(guān)宏志， 嚴(yán)海

(北京工業(yè)大學(xué)交通工程北京市重點實驗室， 北京100124)

由于不確定性而面對風(fēng)險是交通系統(tǒng)的固有特征，因此通過通勤者個人屬性特征、交通運行狀態(tài)指標(biāo)調(diào)查和心理實驗對北京市朝陽區(qū)通勤者的風(fēng)險偏好產(chǎn)生機理及特征進行實證研究. 根據(jù)前景理論對風(fēng)險偏好的定義，統(tǒng)計分析發(fā)現(xiàn)不同決策場景下通勤者的風(fēng)險偏好差異顯著. 面對遲到，通勤者傾向于風(fēng)險追求；面對早到，通勤者傾向于風(fēng)險規(guī)避. 線性判別分析研究發(fā)現(xiàn)早到時，風(fēng)險偏好和個人社會屬性特征相關(guān)；遲到時，風(fēng)險偏好和交通系統(tǒng)運行狀態(tài)相關(guān). 對線性判別模型的敏感性分析發(fā)現(xiàn)出發(fā)時間和出行頻率是出行者風(fēng)險偏好最敏感的指標(biāo).

路徑選擇; 前景理論; 風(fēng)險偏好; 線性判別分析

風(fēng)險偏好(risk preference)指決策者在決策過程中對所承擔(dān)風(fēng)險的相應(yīng)態(tài)度，風(fēng)險偏好的概念貫穿于選擇行為理論. Kahneman和Tversky在前景理論中通過價值函數(shù)的凸凹性定義了決策者面對損失和獲益時的風(fēng)險偏好. 風(fēng)險偏好會影響出行者對路徑前景值的評價，進而影響選擇結(jié)果. 國內(nèi)風(fēng)險偏好研究主要集中在理論模型分析方面. 徐紅利等[1]通過價值函數(shù)證實了風(fēng)險偏好在路徑選擇行為中客觀存在，風(fēng)險水平對出行者效用度量的重要影響. 劉玉印等[2]在考慮參考點、出行者心理標(biāo)準(zhǔn)后，對出行者在何種條件下出現(xiàn)風(fēng)險規(guī)避和風(fēng)險追求2種情況進行了分析. 田麗君等[3]利用參考點研究了出行者的異質(zhì)性，假設(shè)風(fēng)險偏好依賴于參考點，分析了不同類型用戶對路徑風(fēng)險偏好的差異性. 趙凜等[4]認(rèn)為出行者對“收益”和“損失”的風(fēng)險偏好不同，據(jù)此設(shè)計問卷刻畫了出行者路徑選擇行為特征. 相關(guān)文獻中調(diào)查問卷設(shè)計主要包括預(yù)期出行時間、出行距離、出行費用、延誤程度、出行頻率、出行態(tài)度、交通安全等交通環(huán)境指標(biāo)及個人社會經(jīng)濟特性等因素[5-8]. 曾松等[9]通過駕駛員調(diào)查和計算機測試實驗研究了出行時間、路徑熟悉程度對路徑選擇行為的影響. Katsikopoulos等[10]認(rèn)為如果出行時間的平均值低于某一參照出行時間，出行者表現(xiàn)為風(fēng)險規(guī)避，否則為風(fēng)險追求. Palma等[11]通過效用函數(shù)的凸凹性定義了風(fēng)險偏好，他們認(rèn)為這種方法和比較效用函數(shù)值的方法得到的結(jié)果是一致的. Bogers等[12]分析了出行者對不同出行距離出行時間路徑的選擇，發(fā)現(xiàn)了類似現(xiàn)象. K?bberling等[13]在一個案例研究中發(fā)現(xiàn)被試者關(guān)于獲益和損失的接受集是一致的，但是在混合型決策中卻不再一致. 本文根據(jù)效用值比較的方法得到出行者的路徑風(fēng)險偏好.

1　試驗設(shè)計與實施

1.1調(diào)查對象

調(diào)查對象為北京市朝陽區(qū)通勤者. 通過郵件進行調(diào)查，共收回76份問卷. 其中男性52人，女性24人. 年齡變化范圍20～50歲，被調(diào)查者年齡主要集中在20～30歲，為60人. 被調(diào)查者收入?yún)^(qū)間主要為：3 000～6 000元，共24人；6 000～8 000元，共16人. 主要學(xué)歷為碩士研究生，43人. 駕齡在半年內(nèi)者27人，3年以上者22人. 被調(diào)查者的家庭結(jié)構(gòu)為3人者達到32.9%，對這部分通勤者，學(xué)校變成其路徑的一個錨點，其出發(fā)時間、路徑選擇會受影響. 通勤者中理想到達時間主要是提前或遲到10 min，所占比例達59.2%.

1.2實驗原理

1.2.1路徑選擇實驗原理

實驗包括相關(guān)指標(biāo)調(diào)查和心理實驗2個部分，相關(guān)指標(biāo)主要指個人社會經(jīng)濟屬性和交通運行狀態(tài)相關(guān)指標(biāo). 包括：年齡、性別、家庭地址、工作地址、家庭結(jié)構(gòu)、職業(yè)、學(xué)歷、收入、工齡、出發(fā)時間、到達時間、出行距離、駕齡、是否有固定路線、對固定路徑的選用頻率、選擇該路線原因及依據(jù)、有幾條備選路徑、一天中出行次數(shù)、路徑熟悉程度、可忍耐延誤、遇到過的最大延誤、每月出行費用、從家到單位是否有其他活動、期望到達時間.

心理實驗部分根據(jù)概率當(dāng)量法獲得通勤者效用的無差異點，實驗按照啟發(fā)式方法進行. 概率當(dāng)量法根據(jù)Von Neumann-Morgenstern公理導(dǎo)出，因此又稱NM法. 對于到達時間x1,x2,x3∈X和x1>x2>x3，存在概率1>p1>p2>0使

p1x1+(1-p1)x3>x2>p2x1+(1-p2)x3

(1)

成立. 式中：X為到達時間；p1、p2為到達時間可靠性對應(yīng)概率. 對p1>π>p2，有x2～πx1+(1-π)x3成立，則x2是路徑B的無差異點.

以提前到達和遲到定義獲益和損失. 出行時間可靠性概率為1/2，通勤者面對A、B兩條路徑可供選擇：A路徑以確定概率在時間x2到達，B路徑以1/2的概率分別在時間x1、x3到達，2個路徑的期望值相等.

本文對風(fēng)險偏好參數(shù)進行估計，價值函數(shù)用冪函數(shù)表示為

u(x)=xα

(2)

通過最小二乘法估計式(2)中風(fēng)險偏好參數(shù)α. 由該參數(shù)得到的風(fēng)險偏好與由比較效用值得到的結(jié)果進行比較.

1.2.2路徑選擇風(fēng)險偏好及判別分析

試驗中風(fēng)險偏好通過比較路徑效用的期望值和無差異點的效用值確定. 如果無差異點Gi的效用值與初始路徑(x1，π；x3，1-π)的期望值相等則認(rèn)為風(fēng)險中立，如果大于路徑期望則認(rèn)為風(fēng)險追求，如果小于路徑期望則認(rèn)為風(fēng)險規(guī)避. 為了增強實驗結(jié)果的可信度，在實驗中，對獲益和損失2種決策場景分別進行4次測試. 在4次測試中，如果風(fēng)險規(guī)避出現(xiàn)的次數(shù)多則認(rèn)為該被試風(fēng)險規(guī)避，風(fēng)險追求出現(xiàn)的次數(shù)多則認(rèn)為風(fēng)險追求.

對實驗結(jié)果進行線性判別分析(linear discriminant analysis，LDA)，該方法是用于判斷樣品所屬類型的一種統(tǒng)計分析方法. 該方法的原理是投影，首先通過找出特征向量w，將k組m元數(shù)據(jù)投影到另一個更低維的方向，使得投影后組與組之間盡可能地分開，而同一組內(nèi)的關(guān)系更加密切，然后在新空間中對樣本進行分類. 經(jīng)典線性判別分析使用Fisher準(zhǔn)則函數(shù)，其定義為

(3)

1.3實驗設(shè)計

試驗場景設(shè)計如圖1所示，假定出行者進行一次從家到工作單位的出行，有路徑A和B可供選擇. 選擇路徑A，出行者早到或遲到的時間確定，選擇路徑B出行者分別以不同的概率提前xmin到達單位或遲到.

實驗通過郵件發(fā)送到被試者電腦中，選擇方案如表1所示. 被試通過單擊實驗軟件的按鈕A、B進行選擇，選擇路徑A時，路徑A的出行時間會減少，選擇路徑B時，路徑A的出行時間會增加. 通過路徑A數(shù)值的變化得到該路徑的無差異點，此時被試認(rèn)為兩路徑期望相等. 路徑A每次增加或減少上次變化的1/2，出現(xiàn)以下情況時，認(rèn)為得到路徑A和路徑B出行時間效用的無差異點，本次選擇結(jié)束. 1)相同數(shù)值對路徑A出現(xiàn)2次并且被試對這2次實驗做出相同的選擇；2)路徑A的2次變化差值與其初始值的比小于10%. 選擇結(jié)束時路徑A最后2次選擇結(jié)果的均值為Gi，則Gi為使2個路徑等價的無差異點. 無差異點的獲得一般需要人工進行并不斷調(diào)整提問，心理實驗大多要進行參數(shù)假設(shè)，進行多次提問[13]. 本文使用的啟發(fā)式提問方法可以減少被試認(rèn)知誤差，通過選擇的方式減少實驗誤差，較快得到無差異點.

表1　路徑選擇實驗中啟發(fā)式問題設(shè)計

2　結(jié)果

使用Excel進行數(shù)據(jù)錄入，使用SPSS對調(diào)查結(jié)果進行統(tǒng)計分析，通過差異顯著性分析說明前景理論中對風(fēng)險偏好的定義，同時驗證試驗方法的穩(wěn)定性；對影響因素與風(fēng)險偏好進行等級相關(guān)分析和線性判別分析；最后對線性判別模型進行敏感性分析.

2.1影響因素統(tǒng)計分析

圖2中出行時間是指通勤者在一次通勤過程中所耗費的時間. 通勤時間在20～40 min的通勤者不到25人，60 min左右的通勤者也在20人以上. 出行頻率在每周5次的通勤者占到樣本總量的80.3%，平均每人每周的通勤時間為10 h. 按每周工作40 h計算，通勤時間占工作時間的1/4.

出行距離指通勤者從家到工作單位1次出行的距離. 如圖3所示，42%的通勤者出行距離在0～5 km，調(diào)查樣本的平均出行距離為11.25 km，考慮到平均通勤出行時間，調(diào)查樣本所在區(qū)域的交通狀況并不樂觀.

圖4中出發(fā)時間和到達時間可以認(rèn)為是通勤者進入和駛出交通系統(tǒng)的過程. 在交通系統(tǒng)中通勤者的出發(fā)會增加擁堵的發(fā)生，到達會減少擁堵的發(fā)生. 從圖中可以看出通勤者的出發(fā)時間主要集中在7:00和8:00，到達時間主要在8:00和9:00，這驗證了平均出行時間為1 h的調(diào)查結(jié)果，也說明調(diào)查區(qū)域交通高峰期.

2.2線性判別分析

對獲益區(qū)域和損失區(qū)域的風(fēng)險偏好進行分析，通過判別分析得到風(fēng)險偏好的影響因素并給出風(fēng)險偏好預(yù)測模型和敏感性分析.

2.2.1風(fēng)險偏好差異顯著性分析

獲益和損失2種情況下通勤者風(fēng)險偏好差異關(guān)系到通勤者的選擇結(jié)果. 表2、3和圖5從不同方面說明風(fēng)險偏好特征及實驗方法的可靠性. 根據(jù)實驗結(jié)果將風(fēng)險偏好分為風(fēng)險追求和風(fēng)險規(guī)避2類. 在數(shù)據(jù)處理過程中并沒有出現(xiàn)風(fēng)險中立的情況，說明4次實驗結(jié)果較一致.

表2　風(fēng)險偏好穩(wěn)定性分析

表2從風(fēng)險偏好參數(shù)和效用值2個方面分別對出行者風(fēng)險偏好進行分析. 標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤表明實驗結(jié)果穩(wěn)定、可靠. 獲益和損失區(qū)域的均值說明：在獲益區(qū)域，通勤者以風(fēng)險追求為主；損失區(qū)域，通勤者以風(fēng)險規(guī)避為主.

圖5中價值函數(shù)在獲益區(qū)域為凹，在損失區(qū)域為凸，驗證了前景理論中風(fēng)險偏好在獲益和損失區(qū)域的定義.

統(tǒng)計發(fā)現(xiàn)獲益區(qū)域風(fēng)險規(guī)避的通勤者達71.05%，損失區(qū)域風(fēng)險追求達64.47%. 對2個區(qū)域的風(fēng)險偏好進行了差異性分析，結(jié)果如表3所示. 對風(fēng)險偏好參數(shù)和效用值比較2種方法的差異顯著性分析結(jié)果較為一致，后者統(tǒng)計結(jié)果更加顯著.

表3　風(fēng)險偏好差異性分析

2.2.2風(fēng)險偏好線性判別分析

通過統(tǒng)計分析得到與風(fēng)險偏好相關(guān)的影響因素，通過Fisher線性判別分析得到風(fēng)險偏好預(yù)測模型. 首先對所調(diào)查的相關(guān)因素進行肯德爾等級相關(guān)分析，得到與風(fēng)險偏好相關(guān)性較強的因素，然后使用這些因素進行Fisher判別分析.

由表4可知，獲益和損失區(qū)域風(fēng)險偏好判別分析函數(shù)的顯著性均小于0.05，具有統(tǒng)計學(xué)意義. 獲益和損失狀況下對樣本預(yù)測的正確率分為別為84.3%和81.7%.

表4　線性判別結(jié)果

獲益區(qū)域風(fēng)險偏好的線性判別正確率達84.3%. 表5中線形判別分析結(jié)果表明個人社會經(jīng)濟屬性可以解釋獲益區(qū)域風(fēng)險偏好的產(chǎn)生. 在獲益區(qū)域，通勤者發(fā)現(xiàn)出行時間有剩余時通過考慮可忍耐延誤使剩余時間價值最大化，實現(xiàn)個體效用最優(yōu). 年齡越大的人這種現(xiàn)象越明顯. 出行費用、出行頻率高的人對路徑更熟悉，有助于路徑選擇決策. 因此獲益時通勤者個人屬性與風(fēng)險偏好聯(lián)系更緊密.

根據(jù)線性判別分析結(jié)果可以得到風(fēng)險偏好預(yù)測函數(shù)

R=F(x1,x2,…，xk)

式中：R表示風(fēng)險偏好；xk表示風(fēng)險偏好影響指標(biāo)，即通勤者屬性或交通運行狀態(tài)指標(biāo).

表5　獲益區(qū)域風(fēng)險偏好影響因素

獲益區(qū)域風(fēng)險偏好判別函數(shù)：

風(fēng)險規(guī)避=-26.137+8.169×年齡+

2.142×家庭結(jié)構(gòu)-1.393×工作年限-

0.681×駕齡+5.378×周出行頻率+

9.426×可忍耐延誤+6.547×出行費用-

1.934×回家途中有無活動

(4)

風(fēng)險追求=-29.31+9.031×年齡+

2.895×家庭結(jié)構(gòu)-1.205×工作年限-

0.459×駕齡+5.080×周出行頻率+

9.826×可忍耐延誤+6.441×出行費用-

1.338×回家途中有無活動

(5)

損失區(qū)域風(fēng)險偏好判別正確率81.7%，交通運行狀態(tài)相關(guān)指標(biāo)可以解釋損失區(qū)域風(fēng)險偏好的形成，見表6.

表6　損失區(qū)域風(fēng)險偏好影響因素

上班遲到時，年齡對通勤者的風(fēng)險偏好影響較大. 通勤者需要盡快到達單位，因此會根據(jù)擁堵情況估計出行時間，再確定出發(fā)時間，出發(fā)時間是出行者綜合考慮各種因素后的最終選擇. 損失區(qū)域風(fēng)險偏好判別函數(shù)：

風(fēng)險規(guī)避=

-18.514+6.831×年齡+2.304×出發(fā)時間+

3.410×出行時間+0.067×出行距離

(6)

風(fēng)險追求=

-19.785+7.839×年齡+2.422×出發(fā)時間+

3.228×出行時間+0.026×出行距離

(7)

2.3風(fēng)險偏好敏感性分析

對風(fēng)險偏好的預(yù)測模型進行敏感性分析. 通過敏感度函數(shù)可以得到各相關(guān)指標(biāo)的敏感性曲線. 影響因素xk的敏感度函數(shù)定義為

(8)

獲益區(qū)域和損失區(qū)域的風(fēng)險偏好敏感性分析如圖6、7所示.

圖6中，在早到的情況下，通勤者的風(fēng)險偏好對出行頻率最為敏感，其次為可忍耐延誤和年齡，對駕齡和上班途中有無活動最不敏感.

在圖7中，出發(fā)時間和行程時間對通勤者的風(fēng)險偏好最敏感，對出行距離最不敏感. 由此可見，在通勤者的路徑選擇行為中，出行頻率和出發(fā)時間對風(fēng)險偏好有重要影響.

3　結(jié)論

1) 在早到和遲到2種情況下通勤者的出行風(fēng)險偏好差異顯著，這驗證了前景理論中關(guān)于獲益和損失區(qū)域決策者風(fēng)險偏好不同的觀點.

2) 在早到和遲到2種狀態(tài)下通勤者風(fēng)險偏好的影響因素差異較大. 早到時，通勤者社會屬性可以解釋風(fēng)險偏好的產(chǎn)生；遲到時，交通運行狀態(tài)相關(guān)的指標(biāo)可以說明風(fēng)險偏好的形成. 敏感性分析發(fā)現(xiàn)出行頻率和出發(fā)時間對風(fēng)險偏好較為敏感.

3) 通過問卷調(diào)查和心理實驗本文分析了北京市朝陽區(qū)的通勤者路徑選擇行為. 文中心理實驗結(jié)合了概率當(dāng)量法和啟發(fā)式提問方法不失為一種有效的探索路徑選擇行為實驗方法.

[1] 徐紅利, 周晶, 陳星光. 基于前景理論的路徑選擇行為規(guī)則分析與實證[J]. 交通運輸系統(tǒng)工程與信息, 2007, 7(6): 95-101.

XU H L, ZHOU J, CHEN X G. Analysis and demonstration of the traveler’s route choice behavior rule based on the prospect theory [J]. Journal of Transportation Systems Engineering and Information Technology, 2007, 7(6): 95-101. (in Chinese)

[2] 劉玉印, 劉偉銘, 吳建偉. 基于累積前景理論的出行者路徑選擇模型[J]. 華南理工大學(xué)學(xué)報(自然科學(xué)版), 2010, 38(7): 84-89.

LIU Y Y, LIU W M, WU J W. Route choice model based on commulative prospect theory[J]. Journal of South China University of Technology(Natural Science Edition), 2010, 38(7): 84-89. (in Chinese)

[3] 田麗君, 黃海軍, 許巖. 具有異質(zhì)參考點的多用戶網(wǎng)絡(luò)均衡模型[J]. 管理科學(xué)學(xué)報, 2014(7): 1-9.

TIAN L J, HUANG H J, XU Y. Modeling the multi-class network equilibrium for travelers with heterogeneous reference points[J]. Journal of Management Sciences in China, 2014(7): 1-9. (in Chinese)

[4] 趙凜, 張星臣. 基于“前景理論”的路徑選擇行為建模及實例分析[J]. 土木工程學(xué)報, 2007, 40(7): 82-86.

ZHAO L, ZHANG X C. A traveler route choice model based on prospect theory and case study[J]. China Civil Engineering Journal, 2007, 40(7): 82-86. (in Chinese)

[5] 徐上, 陸建, 馬海峰, 等. 大型活動觀眾出行方式選擇影響因素研究[J]. 交通運輸工程與信息學(xué)報, 2007, 5(4): 77-83.

XU S, LU J, MA H F, et al. Research on the influence factors of spectators’ trip mode choice in large special events[J]. Journal of Transportation Engineering and Information, 2007, 5(4): 77-83. (in Chinese)

[6] SCHWANEN T, ETTEMA D. Coping with unreliable transportation when collecting children: examining parents’ behavior with cumulative prospect theory [J]. Transportation Research Part A: Policy and Practice, 2009, 43(5): 511-525.

[7] EWING R, CERVERO R. Travel and the built environment: a synthesis [J]. Transportation Research Record: Journal of the Transportation Research Board, 2001 (1780): 87-114.

[8] ABDEL-ATY M A, KITAMURA R, JOVANIS P P. Using stated preference data for studying the effect of advanced traffic information on drivers’ route choice [J]. Transportation Research Part C: Emerging Technologies, 1997, 5(1): 39-50.

[9] 曾松, 史春華, 楊曉光. 基于實驗分析的駕駛員路線選擇模式研究[J]. 公路交通科技, 2002, 19(4): 85-88.

ZENG S, SHI C H, YANG X G. A route choice model based on experimental analysis [J]. Journal of Highway and Transportation Research and Development, 2002, 19(4): 85-88. (in Chinese)

[10] KATSIKOPOULOS K V, DUSE-ANTHONY Y, FISHER D L, et al. Risk attitude reversals in drivers’ route choice when range of travel time information is provided [J]. Human Factors: The Journal of the Human Factors and Ergonomics Society, 2002, 44(3): 466-473.

[11] DE PALMA A, PICARD N. Route choice behaviour with risk-averse users [G]∥Spatial Dynamics Networks and Modelling. Cheltenham: Edward Elgar, 2006: 139-179.

[12] BOGERS E A I, VAN ZUYLEN H J. The importance of reliability in route choices in freight transport for various actors on various levels [C]∥Proceedings of the European Transport Conference. Henley: Association for European Transport, 2004: 149-161.

[13] K?BBERLING V, WAKKER P P. An index of loss aversion[J]. Journal of Economic Theory, 2005, 122(1): 119-131.

(責(zé)任編輯呂小紅)

Risk Preference Survey and Analysis in Commuter Route Choice Behavior

WANG Kai, GUAN Hongzhi, YAN Hai

(Beijing Key Laboratory of Traffic Engineering, Beijing University of Technology, Beijing 100124, China)

Risk produced by uncertatinty is an inherent feature of traffic system, so by a survey of personal socioeconomic character, traffic conditions and psychology expriment, mechanism and characteristics of risk preference in commuters’ route choice behavior were studied. Considering the definition of risk preference in accordance with prospect theory, risk aversion and risk seeking were researched in gain domain and loss domain respectively with linear discriminant analysis. Result shows that risk preference in gain domain and loss domain are quite different. In the gain domain commuters are more likely to be risk aversion, which is related to the personal socioeconomic characters.

route choice; prospect theory; risk preference; linear discriminant analysis

2015- 09- 14

國家自然科學(xué)基金重點資助項目(51338008)

王凱(1984—)， 男， 博士研究生， 主要從事交通規(guī)劃、交通行為方面的研究， E-mail：wangkaijt@163.com

U 491

A

0254-0037(2016)05-0762-06

10.11936/bjutxb2015090030