考慮風(fēng)險認(rèn)知變量的入藏出行選擇分析*

戴學(xué)臻 劉青云 呂 桃 雷銀輝

(長安大學(xué)公路學(xué)院1) 西安 710064) (中交第一公路勘察設(shè)計研究院有限公司2) 西安 710065)

考慮風(fēng)險認(rèn)知變量的入藏出行選擇分析*

戴學(xué)臻1)劉青云1)呂 桃1)雷銀輝2)

(長安大學(xué)公路學(xué)院1)西安 710064) (中交第一公路勘察設(shè)計研究院有限公司2)西安 710065)

為系統(tǒng)分析旅客進(jìn)藏出行方式選擇行為，采用非集計模型理論，以進(jìn)藏旅客出行方式選擇為對象，考慮到藏區(qū)獨特的高原環(huán)境，選取出行者個人屬性、出行特性及風(fēng)險認(rèn)知作為效用變量建立MNL模型；基于拉薩市旅客的調(diào)研數(shù)據(jù)，分析各因素對入藏出行選擇的影響.結(jié)果表明，引入風(fēng)險認(rèn)知變量后，對數(shù)據(jù)的擬合優(yōu)度更高，且對出行方式選擇影響顯著,因此，交通管理除了調(diào)控出行成本外，還可將旅客風(fēng)險認(rèn)知等出行心理納入出行選擇分析中.

方式選擇；進(jìn)藏出行；非集計模型；高原環(huán)境；風(fēng)險認(rèn)知變量

0 引 言

在早期的交通行為分析中，研究者一般僅考慮出行方式屬性、出行者屬性對交通方式的影響[1].然而旅客對出行方式選擇過程相對復(fù)雜，其在選擇某出行方式前，需要考慮出行費用、出行時間、出行目的地等，并結(jié)合出行者自身的價值觀、態(tài)度等綜合比較后確定[2].Zeid[3]研究出行者的主觀幸福對出行方式的影響；Ahern等[4]研究了愛爾蘭城際旅客出行時對鐵路和大巴的偏好選擇；Ozbay等[5]引入出行時間價值因素，構(gòu)建旅客出發(fā)時刻選擇模型；吳麟麟等[6]將忠誠度作為影響因素，對比分析引入前后出行者的行為反應(yīng)；景鵬等[7]利用計劃行為理論從出行者的心理潛變量入手，研究各心理因素對出行行為的影響；李林波等[8]提出心理出行時間對出行選擇方式過程中的心理因素進(jìn)行了量化分析.針對特殊區(qū)域進(jìn)行的研究較少，孟思夢[9]以山地大城市重慶居民調(diào)查為基礎(chǔ)，考慮居民屬性、出行屬性及山地城市路網(wǎng)特征對出行方式的影響；薛蘭[10]根據(jù)吉林省調(diào)查數(shù)據(jù)，分析寒冷條件下居民出行方式選擇，并分析未來年各出行方式的比例.

出行者的出行方式選擇是一個較為復(fù)雜的過程，是一系列因素綜合比較后的結(jié)果.上述論文中不管是短距離出行、城際出行或長距離出行，均是從旅客未出行前的活動入手，很少有考慮到出行者到達(dá)目的地后的活動與出行方式之間的關(guān)聯(lián)度.基于此，本文結(jié)合西藏自治區(qū)拉薩市2015年旅客出行調(diào)查數(shù)據(jù)，綜合考察出行者個人屬性、出行特性對方式選擇的影響，并將“旅客風(fēng)險認(rèn)知”和“出行舒適度”引入出行者方式選擇行為研究中，構(gòu)建MNL模型，分析各因素影響程度，并對比分析引入旅客風(fēng)險認(rèn)知前后各影響因素的效用變化.

1 出行方式選擇行為調(diào)查

調(diào)查問卷采用RP(revealed preference)調(diào)查法[11]，詢問被調(diào)查者個人、經(jīng)濟(jì)和出行等屬性信息.此外，在此基礎(chǔ)上設(shè)計調(diào)查旅客在出行前的風(fēng)險認(rèn)知度.

1.1 調(diào)查問卷設(shè)計

對風(fēng)險的認(rèn)知體現(xiàn)了不同出行者間的個體差異性，具有價值屬性.關(guān)于旅客入藏的風(fēng)險認(rèn)知作者首先通過網(wǎng)絡(luò)調(diào)查得出旅客入藏最關(guān)心的因素，并結(jié)合本文研究實際，旅客的風(fēng)險感知共涉及了四個描述項—高原環(huán)境、人身安全和自駕出行時考慮的道路條件、自然災(zāi)害.

因此本文將問卷設(shè)計成三個部分：①被調(diào)查者的個人屬性特征調(diào)查；②出行者入藏的出行特性調(diào)查；③出行者對入藏出行的風(fēng)險認(rèn)知評價表.問卷中對風(fēng)險認(rèn)知調(diào)查均采用Likert五級量表的形式，由被調(diào)查者確定問卷中每一種風(fēng)險因素發(fā)生概率的不確定程度及風(fēng)險發(fā)生后的危害性，并從“非常不可能/完全無所謂”(1分)到“非?？赡?非常嚴(yán)重”(5分)進(jìn)行定量確定.

1.2 調(diào)查數(shù)據(jù)統(tǒng)計

調(diào)查日期為2015年8月，調(diào)查地點為西藏自治區(qū)拉薩市，投放區(qū)域面向三個地方，分別是拉薩火車站、貢嘎機(jī)場及青藏公路安多段.拉薩火車站共發(fā)放問卷700份，回收636份，有效數(shù)據(jù)585份；貢嘎機(jī)場發(fā)放問卷700份，回收628份，有效數(shù)據(jù)567份；青藏公路安多段投放問卷600份，回收541份，有效數(shù)據(jù)504份.共發(fā)放問卷數(shù)2 000份，回收數(shù)1 805份，其中有效數(shù)據(jù)1 656份，問卷回收有效率為83%.調(diào)查得到的數(shù)據(jù)統(tǒng)計結(jié)果見表1～2.

表1 出行調(diào)查統(tǒng)計

表2 進(jìn)藏出行風(fēng)險認(rèn)知屬性統(tǒng)計表 %

2 MNL模型簡介

關(guān)于選擇行為的研究，通常采用離散選擇模型作為研究手段.非集計模型是根據(jù)經(jīng)濟(jì)學(xué)的基礎(chǔ)理論提出來的，其理論基礎(chǔ)是在選擇時使得“效用”最大化.非集計模型的效用函數(shù)Uj是一個隨機(jī)變量，由固定項Vj和隨機(jī)項εj組成，其中隨機(jī)項常用來描述無法觀測的因素對方案效用的影響.

Uj=Vj+εj

(1)

(2)

式中：Vj為出行者選擇交通方式j(luò)的效用函數(shù)的確定項；εj為出行者選擇交通方式j(luò)的效用函數(shù)的隨機(jī)項；Xjk為出行者選擇方案j的第k個變量的特征值；βk為系數(shù).

根據(jù)效用最大化理論，出行者n選擇方案i的概率Pin為

Pin=prob(Uin>maxUjn,i≠j)=

prob(Vin+εin>max(Vjn+εjn))

(3)

式中：0≤Pin≤1,∑Pin=1

假設(shè)隨機(jī)項εin服從二重指數(shù)分布，得到Logit模型的表達(dá)式

(4)

本文模型具體構(gòu)建與計算流程見圖1.

圖1 MNL模型計算流程

3 入藏旅客出行方式MNL模型

考慮到目前無進(jìn)藏的長途班車，且自行車、搭乘交通方式難以考量，本文中不予考慮.因此，模型的選擇定義為：飛機(jī)、火車、自駕三種.

3.1 出行耗能

隨著人們生活水平的提高，出行者對于舒適性的要求變得越來越高，其受個人特性、交通方式、出行時間、乘車姿勢、擁擠程度等的影響.本文考慮入藏特性，分析體能消耗、出行容忍時間限度對出行舒適度的影響.一般情況下，出行時間越長，出行的體能消耗越大，旅客心理忍受度也逐漸降低.當(dāng)出行時間達(dá)到一定程度，將加劇出行者出行的不舒適性.

3.1.1出行者能耗分析

人體能量產(chǎn)生和消耗分為三種：基礎(chǔ)代謝、安靜代謝和活動代謝[12].其中，

總代謝= 安靜代謝率+活動代謝率=

1.2×基礎(chǔ)代謝率+RMR×基礎(chǔ)代

謝率=(1.2+RMR)×基礎(chǔ)代謝率

總耗能= (1.2+RMR)×基礎(chǔ)代謝率×體表

面積×活動時間

(5)

根據(jù)已有測量數(shù)據(jù)知我國成年男性和成年女性體表面積分別為1.7 m2和1.54 m2，基礎(chǔ)代謝率分別為2.62 kJ/(m2·min)和2.43 kJ/(m2·min).平原地區(qū)不同出行方式相對能量代謝率見表3.

表3 不同出行方式相對能量代謝率

又調(diào)查得到男性出行者和女性出行者所占的比例分別56.8%及43.2%，符合全國居民實際男女比例，因此

L= 基礎(chǔ)代謝率×體表面積=1.7×2.62×

0.568+1.54×2.43×0.432=4.147

總耗能=(1.2+RMR)×L×活動時間

(6)

3.1.2旅客出行容忍度

隨著出行時間的增強(qiáng)，旅客的忍耐度也逐漸降低，也會對旅客的出行舒適度產(chǎn)生影響.根據(jù)其他論文中知，出行者在心理上已不可接受該出行時間時，其疲勞損失修正系數(shù)為1.5，本文也采用該值.

因此本文根據(jù)進(jìn)藏旅客出行調(diào)查，為出行者設(shè)定一個出行容忍度限制，若出行時間超出此值，將會加劇出行者出行的疲勞度，否則不會加劇出行者的疲勞感.

f(t)=αmax{0,t(x)-t*}

(7)

式中：f(t)為旅客疲勞指數(shù)；α為參數(shù)；t為出行時間；t*為出行時間容忍值.

根據(jù)調(diào)查顯示，乘坐火車的旅客其出行忍受時間低于25 h占60.25%，25～40 h占31.43%，大于40 h占8.32%.因而取t1=25 h，t2=40 h作為旅客出行時間忍受分界值.因而

(8)

由上述可得旅客出行耗能模型為

M=f(t)×(1.2+RMR)×4.147×t

(9)

式中：t為活動時間.

一種出行方式消耗能量越大，旅客出行舒適度越低，選擇此方式的概率越低.

3.2 入藏風(fēng)險認(rèn)知

在很多調(diào)查研究中發(fā)現(xiàn)，西藏是許多人最為向往的旅游圣地，但由于其獨特的高原氣候條件，使許多人入藏出行總是存在著眾多的憂慮[13]，即為對入藏風(fēng)險認(rèn)知，其在一定意義上，將影響出行者的出行和出行方式.根據(jù)設(shè)計的交通方式風(fēng)險認(rèn)知調(diào)查，對每位出行者對風(fēng)險發(fā)生的可能性和發(fā)生的危害性進(jìn)行評分，旅客風(fēng)險認(rèn)知屬性評價見表4.其相應(yīng)的風(fēng)險認(rèn)知測度模型為

(10)

式中：TP為風(fēng)險認(rèn)知指數(shù)；Pi為各因素發(fā)生的可能性評分，1(非常不可能)～5(非?？赡?；Li為各因素發(fā)生的危險性評分，1(完全無所謂)～5(非常嚴(yán)重).

表4 赴藏旅客風(fēng)險認(rèn)知屬性評價

4 計算結(jié)果分析

4.1 模型指標(biāo)選取

在本文中考慮到出行者千里迢迢來到拉薩，在出行方式選擇時受多重因素的影響.進(jìn)藏出行一般為長距離出行，會造成疲勞、高原反應(yīng)等等身體不適狀況，因此,出行選擇時通常會根據(jù)出行者個人屬性如性別、年齡等進(jìn)行選擇.旅客出行目的、收入的不同也會影響著出行方式的選擇.而對于一些無法判定的主觀影響因素，本文選用風(fēng)險認(rèn)知進(jìn)行量化.因此,本文選擇的指標(biāo)變量及說明見表5.為便于分析變量和交通方式選擇間的關(guān)系，首先將模型變量量化，以便于后續(xù)的計算.

4.2 參數(shù)標(biāo)定

以飛機(jī)出行作為參照類別，應(yīng)用SPSS軟件中多元Logistic模型對調(diào)查得到的數(shù)據(jù)進(jìn)行標(biāo)定，得到模型的參數(shù)標(biāo)定見表6.

表5 模型變量及說明

表6 參數(shù)標(biāo)定結(jié)果

根據(jù)統(tǒng)計學(xué)理論，在自由度為1、置信度α=0.05條件下，Wald的臨界值為3.841，即若Wald大于3.841，則自變量和因變量顯著相關(guān)；Wald略小于3.841，則自變量對因變量有影響；Wald遠(yuǎn)小于3.841，則認(rèn)為自變量和因變量顯著無關(guān).

由表6可知，與飛機(jī)出行相比，火車出行較為顯著的影響因素有出行時間、出行耗能、風(fēng)險認(rèn)知和出行目的；自駕出行的影響因素有出行時間、出行耗能、風(fēng)險認(rèn)知、月收入和出行目的.

4.3 計算結(jié)果分析

在非集計理論中，常用優(yōu)比度ρ2判斷模型的擬合度，一般認(rèn)為ρ2在0.2～0.4時，即可認(rèn)為模型的吻合度較高.由表4可知，考慮風(fēng)險認(rèn)知變量后的擬合優(yōu)度為0.386較未引入時此變量有較大的提高，表明考慮風(fēng)險認(rèn)知變量所建立的模型真實性較高.

出行時間是影響旅客出行方式選擇的重要因素，不考慮風(fēng)險認(rèn)知后旅客選擇火車、自駕出行的概率分別是飛機(jī)的26.7%，22%；引入風(fēng)險認(rèn)知后，旅客選擇火車的概率較之前上升，而自駕出行選擇概率降低.以上數(shù)據(jù)表明隨著時間的增加，旅客更偏向于選擇飛機(jī).

出行耗能影響著旅客出行的舒適性，對旅客選擇出行方式也有一定的影響.不考慮風(fēng)險認(rèn)知旅客選擇火車、自駕出行的概率分別是飛機(jī)的53.5%，39.2%；考慮風(fēng)險認(rèn)知后旅客選擇的概率為57.8%，27.8%.由于西藏獨特的地理環(huán)境和文化背景，旅客出行對其總產(chǎn)生害怕的心理，從數(shù)據(jù)可看出，考慮風(fēng)險認(rèn)知后旅客對選擇自駕出行概率降低.

考慮風(fēng)險認(rèn)知旅客選擇火車和自駕出行概率是飛機(jī)的12.78，0.427倍，由此可知風(fēng)險認(rèn)知因素對旅客出行方式選擇的敏感性較強(qiáng).

出行目的也是影響旅客出行選擇的重要因素，從上述數(shù)據(jù)可知商務(wù)出行選擇飛機(jī)概率較大，且風(fēng)險認(rèn)知對其選擇影響較小.

5 結(jié) 束 語

本文針對旅客入藏交通方式選擇行為進(jìn)行分析，引入旅客風(fēng)險認(rèn)知變量構(gòu)建非集計模型.利用風(fēng)險認(rèn)知變量表征了出行者出行方式選擇與地域間的關(guān)聯(lián)性，并刻畫了旅客出行心理活動.通過調(diào)查數(shù)據(jù)分析發(fā)現(xiàn)，在引入風(fēng)險認(rèn)知屬性后，效用模型具有更高的擬合度，揭示了出行者出行行為除了考慮出行費用、時間等之外，還考慮出行目的地對出行的影響.

通過對比研究引入和未引入風(fēng)險認(rèn)知因素變量的MNL模型，隨著風(fēng)險認(rèn)知變量的加入，出行者入藏的心理風(fēng)險對交通出行選擇具有顯著影響，這表明規(guī)劃部門可從旅客出行心理進(jìn)行誘導(dǎo)，從而實現(xiàn)優(yōu)化城市出行方式結(jié)構(gòu)的目的.

[1] 姚麗亞,孫立山,關(guān)宏志.基于分層Logit模型的交通方式選擇行為研究[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版)，2010，34(4)：738-741.

[2] TRAINK. A validation test of a disaggregate mode choice mode[J]. Transporation Research,1978,12(3):167-174.

[3] ZEID M A. Measuring and modeling activity and travel well-being[D]. Cambridge: Massachusetts Institute of Technology,2009.

[4] AHERN A A, TAPLEY N. The use of stated preference techniques to model choices on interurban trips in Ireland[J]. Transportation Research Part A: Policy and Practice.2008,42(1):15-27.

[5] OZBAY K, YANMAZ T O. Valuation of travel time and departure time choice in the presence of time of day pricing[J]. Transportation Research Part A: Policy and Practice,2008,42(4):577-590.

[6] 吳麟麟,盧海琴,汪洋,等.引入忠誠度變量的城際出行方式動態(tài)選擇行為研究[J].公路交通科技，2014(11)：123-129.

[7] 景鵬,雋志才,查奇芬.考慮心理潛變量的出行方式選擇行為模型[J].中國公路學(xué)報,2014(11):84-92+108.

[8] 李林波,吳兵.出行者心理因素對公共交通發(fā)展的影響[J].重慶交通學(xué)院學(xué)報,2004(3)：94-97+103.

[9] 孟思夢.山地大城市居民出行方式選擇研究[D].重慶：重慶交通大學(xué)，2015.

[10] 薛蘭.寒地城市冬季居民出行方式劃分研究[D].西安：長安大學(xué)，2015.

[11] 包丹文，郭唐儀，華松逸.基于SP/RP融合數(shù)據(jù)的機(jī)場旅客出行方式選擇行為分析[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版)，2015,39(4)：763-767.

[12] 陳信.人-機(jī)-環(huán)境系統(tǒng)工程生理學(xué)基礎(chǔ)[M].北京：北京航空航天大學(xué)出版社，2000.

[13] 馮珍，閆宣任.文化遺產(chǎn)旅游風(fēng)險認(rèn)知分析——以平遙古城為例[J].經(jīng)濟(jì)問題，2015(8)：125-129.

Analysis on Tibet Travel Choice Considering Risk Perception Variable

DAIXuezhen1)LIUQingyun1)LYUTao1)LEIYinhui2)

(SchoolofHighway,Chang,anUniversity,Xi,an710064,China)1)(CCCCFirstHighwayConsultantCo.Ltd.,Xi,an710065,China)2)

To systematically analyze the traveller choice behavior in Tibet travel, using the disaggregate theory and taking the Tibet passenger travel behavior choices as the study subject, this present paper constructed MNL model with the utility variables of passengers’ personal attributes, trip features and risk perception in the unique plateau environment. Based on the survey data of Lhasa tourists, the impact of various factors on the choice of travel was analyzed. The results illustrate that the proposed model have a higher goodness and presents a significant effect on travel mode choice when risk perception variable is introduced. Therefore, in addition to the travel cost, the travel risk and travel psychology can also be involved in traffic management.

mode choice； Tibet travel； disaggregate theory； plateau environment； risk perception variable

U491

10.3963/j.issn.2095-3844.2017.05.009

2017-07-19

戴學(xué)臻(1974—)：男，博士，副教授，主要研究領(lǐng)域為交通環(huán)保、交通經(jīng)濟(jì)、交通安全與智能交通

*國家科技支撐計劃項目資助(2014BAG05B00)