風(fēng)景區(qū)居民出行交通方式選擇研究

任振方,孫小端,賀玉龍

(北京工業(yè)大學(xué) 城市交通學(xué)院，北京 100124)

國民生活水平的提高帶動全國旅游業(yè)的發(fā)展，而旅游消費的提升也為國民經(jīng)濟的增長提供了一大助力。整個旅游產(chǎn)業(yè)中旅游交通是旅游活動不可缺少的要素之一，交通是旅游景區(qū)生存的前提，其優(yōu)化水平、可進入性、道路質(zhì)量和游線組織的優(yōu)劣等對吸引客源有著極為深遠的影響[1]。游客交通、過境機動車交通、本地居民出行交通均是景區(qū)交通中不可忽視的重要組成部分，所以研究景區(qū)居民出行行為對發(fā)展景區(qū)交通十分必要。

國外對于居民出行行為的研究相對較早且理論成熟。Hensher[2]、Buliung[3]針對個體出行和相關(guān)出行鏈建立個體出行交通方式選擇模型。YinYE[4]研究城市居民小汽車出行方式選擇與不同出行鏈的關(guān)系，結(jié)果表明復(fù)雜出行鏈對選擇小汽車出行更具有顯著的影響。Lee Y、Hickman M[5]等研究了家庭成員的整個出行鏈中的時間分布與家庭結(jié)構(gòu)特征之間的關(guān)系，結(jié)果顯示兒童人口特征、家庭類型特征、年齡特征對家庭成員的出行鏈中的時間分布影響顯著。Gadenne D[6]研究居民出行節(jié)能行為與居民環(huán)境態(tài)度的關(guān)系，依此建立了居民出行環(huán)保模型。Lin M[7]基于出行大數(shù)據(jù)，利用城市居民出行數(shù)據(jù)包挖掘居民出行移動模式，構(gòu)建出行移動模型。Dib[8]采用遺傳算法和可變領(lǐng)域算法相結(jié)合的方法研究居民出行公共交通網(wǎng)絡(luò)最短路徑問題。

國內(nèi)李志瑤[9]周愛娣[10]楊勵雅[11]、代曉明[12]等人基于不同地區(qū)居民出行樣本數(shù)據(jù)，分別構(gòu)建了城市居民出行方式的非集計選擇模型。近兩年，關(guān)于交通政策與居民活動行為的關(guān)系[13]、居民綠色出行行為驅(qū)動機理[14]、依托于大數(shù)據(jù)環(huán)境下的居民出行模式[15]和居民出行公交線路網(wǎng)優(yōu)化[16]均有不少研究。

交通出行行為研究經(jīng)過國內(nèi)外幾十年的研究發(fā)展，出行模型的研發(fā)、居民出行行為、出行鏈的選擇等方面研究取得了顯著的成果。但同時也看到，之前主要的出行模型、出行行為研究大多數(shù)只是對城市居民通勤出行行為等出行領(lǐng)域進行研究，而對于旅游景區(qū)附近居民的本地出行行為研究甚少。本文通過對北京市石花洞景區(qū)居民展開實地問卷調(diào)查，針對性分析了景區(qū)居民的出行特征，利用非集計模型分析研究景區(qū)居民交通方式選擇影響因素，景區(qū)居民出行交通方式選擇特征，為景區(qū)交通特性分析提供參考依據(jù)。

1 風(fēng)景區(qū)居民的交通特性

1.1 石花洞風(fēng)景區(qū)交通狀況

石花洞風(fēng)景名勝區(qū)位于北京市房山區(qū)境內(nèi)，距離北京市區(qū)55 km。石花洞風(fēng)景區(qū)的地形起伏變化較大，谷地比較開闊。景區(qū)道路系統(tǒng)中可達景區(qū)周邊的高速有京石高速、京昆高速，二級公路有閻河路良坨路、閻河路，連接景區(qū)的道路石花洞路寬9 m；石花洞景點距最近地鐵站房山線蘇莊站直線距離17.5 km；到達景區(qū)的公交車房43路每小時發(fā)車一班，景區(qū)路網(wǎng)稀疏，公交網(wǎng)絡(luò)系統(tǒng)脆弱。景區(qū)客流分布不均衡，法定節(jié)假日客流急劇增加，景區(qū)基礎(chǔ)設(shè)施和交通管理不夠完善導(dǎo)致景區(qū)交通組織混亂，甚至交通癱瘓；進出景區(qū)道路石花洞路兩側(cè)大量居民沿線居住，居民活動出行交通與旅游出行交通混合，旅游高峰期的居民活動嚴重影響景區(qū)旅游交通。

1.2 景區(qū)的發(fā)展對居民交通的影響

旅游業(yè)的強力關(guān)聯(lián)帶動作用給當(dāng)?shù)鼐用竦纳顜砭薮蟾淖儭＞皡^(qū)的維護發(fā)展和正常運作需要當(dāng)?shù)鼐用竦膮⑴c，景區(qū)的發(fā)展為當(dāng)?shù)鼐用裉峁┚蜆I(yè)機會，減輕了當(dāng)?shù)鼐用竦纳钬摀?dān)，游客的到來必然帶來景區(qū)當(dāng)?shù)氐牟惋?、住宿行業(yè)的大力發(fā)展，居民因此生活水平得以提高，生活理念和日常活動因此受到影響，出行結(jié)構(gòu)產(chǎn)生巨大改變。

景區(qū)為了提升旅游競爭力，吸引游客的到來，在前期的投資和后續(xù)的維護過程中，修建改建旅游景點的道路，加大旅游區(qū)域的路網(wǎng)密度，提升路網(wǎng)的通達性，給游客帶來更好的休閑娛樂體驗，景區(qū)附近道路交通基礎(chǔ)設(shè)施因而受到極大改善。在旅游淡季，景區(qū)居民出行相較以往更加方便。但是，在旅游旺季時，因游客的短時間大量聚集，常常造成景區(qū)道路交通堵塞，給當(dāng)?shù)亟煌◣韲乐氐膿矶聠栴}，對居民的出行造成嚴重困擾。

1.3 風(fēng)景區(qū)居民出行特征

風(fēng)景區(qū)雖因旅游交通的需求發(fā)展，道路交通設(shè)施有所提升，但相較于城市交通，因受地形水文等地理環(huán)境的限制，風(fēng)景區(qū)道路等級低，配套交通設(shè)施不夠完善，斷頭路較多、路網(wǎng)密度小，路網(wǎng)連通性差，道路線形很難滿足舒適行車條件，急彎多，縱坡大，道路安全性低。居民居住分布特點多為沿道路兩側(cè)小聚局、大分散的形式，其出行載體以景區(qū)道路為主。

相較于城市來講，景區(qū)公共交通出行因區(qū)域公交發(fā)展規(guī)模而受限，居民活動范圍較小，多以步行交通為主，而在較長距離的出行中，機動車因其快捷方便的特點也成為較遠程出行的主要方式，因風(fēng)景區(qū)平面高度起伏較大，路網(wǎng)安全性低，所以非機動車出行比例較小。居民出行整體耗時短，15 min以內(nèi)步行的出行占比較高，出行以日常生活中鍛煉、購買生活必需品為主。

2 風(fēng)景區(qū)居民出行交通方式選擇影響因素分析

影響居民出行交通方式選擇的因素一般包括景區(qū)居民的個人屬性和交通特性兩大類。個人屬性有性別、年齡、收入、家庭結(jié)構(gòu)(如退休家庭、單身家庭、年輕夫妻等)、生活習(xí)慣、家庭小汽車擁有情況等。交通特性包括居民交通方式選擇、出行時間、出行目的、交通設(shè)施滿意度等。

基于石花洞景區(qū)本地居民居住環(huán)境現(xiàn)狀，本文對景區(qū)居民進行了問卷調(diào)查，共收回有效問卷320份，其中8份選擇非機動車，非機動車出行比例太低，在后續(xù)的統(tǒng)計中去除了非機動車的統(tǒng)計，并從受訪居民的性別、年齡、小汽車擁有情況、出行時間、出行目的這幾個方面對景區(qū)居民交通方式的選擇特征進行分析。根據(jù)居民實際出行情況，本文將景區(qū)居民出行選擇的主要交通方式分為步行、公交、私家車3類。

2.1 個人屬性對交通方式選擇影響

出行者性別對出行方式的選擇的影響主要體現(xiàn)在女性出行者更傾向于經(jīng)濟、節(jié)儉、不需要技術(shù)操作的交通方式，而男性出行者對出行的體驗要求更高，更愿意考慮方便、快捷、舒適、自由的交通方式。本次調(diào)查的受訪者中男性選擇自駕出行比例占到40.9%，遠高于女性比例的20.9%。而公共交通的選擇比例上女性高于男性，如圖1中所示。

圖1 不同性別選擇交通方式比例

不同年齡的群體在選擇交通方式上受身體狀況、生活習(xí)慣、社會條件的影響對出行時交通方式的選擇存在較大差異。20歲以下及60歲以上出行者因客觀因素(如駕照，身體健康狀況等)的影響，選擇自駕的比例非常少，受訪出行者中20～60歲中青年選擇自駕的比例較高，其中40～60歲中年選擇私家車出行達到50%以上。20歲以下及60歲以上的出行者選擇步行的比例較高，60歲以上出行者步行占比達到82.7%，這中情況可能的原因是這兩個群體出行范圍較小，如圖2所示。

圖2 不同年齡選擇交通方式比例

在受訪居民家庭擁有小汽車狀況與交通方式選擇的統(tǒng)計中家中無小汽車的景區(qū)居民出行步行占比超過60%，公交占比約40%。對于有車的居民，私家車出行占比較高，達51.6%，公交出行比例占31.9%，選擇公交出行的少之又少，如圖3所示。

圖3 家庭擁有小汽車情況與選擇交通方式比例

2.2 交通屬性對交通方式的選擇影響

出行者因出行目的的不同而對交通方式的提供的服務(wù)需求不同，上班、上學(xué)出行時準時到達目的地最重要，所以上班、上學(xué)群體出行時快捷方便的小汽車和穩(wěn)定的公共交通利用率相對較高。景區(qū)附近短距離出行休閑鍛煉時對舒適性和可達性需求高，故而購物、休閑、鍛煉等短距離的出行中步行比例高。受訪景區(qū)居民中上班出行選擇自駕比例高達53.5%，步行僅占7%。購物出行選擇步行占76%，如表1所示。

表1 不同出行目的選擇交通方式

一般而言，出行者更愿意在最短的時間內(nèi)從出發(fā)地到達目的地，在這兩地之間可供選擇的幾種交通方式其各自出行耗費時長影響出行者的選擇。短時短距離出行時出行者更愿意采取最方便不受約束的步行方式，長時出行時出行者更想選擇自由的自駕模式。本文對景區(qū)居民出行時間與交通方式的選擇統(tǒng)計中，15 min以內(nèi)的出行中選擇步行比例高達82.4%，隨著出行時間的增加，步行的比例越來越低，私家車出行比例越來越高。公交出行比例在15～30 min時間段內(nèi)的比例最高，為46.3%，如圖4所示。

圖4 不同出行時長的交通方式選擇

將5種影響因素與交通方式選擇進行卡方檢驗可知，顯著性水平為0.05時，不同性別、年齡、職業(yè)、出行目的、出行時長以及有無私家車的景區(qū)居民在選擇出行交通方式時有顯著差異性，該5種因素均對出行交通方式有顯著影響，如表2所示。

3 風(fēng)景區(qū)居民出行交通方式選擇行為模型

3.1 非集計模型

非集計模型基于效用最大和隨機效用理論，以出行中的每個出行個體為單位，直接利用調(diào)查得來的原始基礎(chǔ)數(shù)據(jù)建立模型。相對于集計方法，非集計方法調(diào)查樣本量小、邏輯性強、預(yù)測精度高、具有良好的時間轉(zhuǎn)移性和地區(qū)轉(zhuǎn)移性等優(yōu)點。若假設(shè)選擇集為Cn，則非集計模型的效用函數(shù)形式為

Uin=Vin+εin，i∈Cn.

(1)

式中：Uin為出行者n選擇i方案的效用；Vin為出行者n選擇i方案的效用中可以觀測的特性向量的確定項效用；εin為出行者n選擇i方案的效用中不可觀測的喜好導(dǎo)致的概率變動項效用。

表2 各因素與交通方式卡方檢驗

目前，考慮到結(jié)果分析和系數(shù)標定的方便性，效用確定項的函數(shù)表達式常采用線性函數(shù)

(2)

式中：θk為第K個特性向量的待定系數(shù)；Xink為出行者n選擇i方案的第k個特性向量的值。

根據(jù)效用最大化理論，個體n選擇第i種方案的概率為

Pin=P(Uin≥Ujn,?j∈Cn,j≠i)=

(3)

本文運用MNL(Multinomial Logit Model)模型對風(fēng)景區(qū)居民出行方式的選擇行為進行標定。MNL模型是非集計模型中最常用的離散選擇模型之一，該模型假設(shè)其效用變動項εin與確定項Vin相互獨立，且εin服從Gumbel分布，具體表達式為

(4)

3.2 MNL模型的建立

本文研究的石花洞景區(qū)居民出行方式主要包括步行、公交、私家車3種日常生活中常用的交通方式，因此出行者選擇方案合集C為

C={i=1(步行)，i=2(公交)，i=3(私家車)}

5個特性變量性別、年齡、出行目的、出行時間、小汽車擁有情況的取值如表3所示。

表3 影響因素分類表

本文以私家車的選擇概率為參照水平，則選擇其他交通方式的概率模型的表達式為

(5)

式中：αi為選擇i類交通方式的截距；βink為選擇i類交通方式第k個影響因素的第t個分類變量的參數(shù)；Xinkt為出行者n選擇i方案的第k個特性向量的值。

運用SPSS輔助運算得出參數(shù)估計結(jié)果如表4所示。

故該模型結(jié)果為：

Ln(P1n/P3n)=-2.479-0.826X11+

0.348X21-1.891X22-2.603X23+

6.039X31-2.671X41-1.155X42+

3.291X43+1.051X44+4.049X51+

3.388X52+2.962X53

Ln(P2n/P3n)=-1.380-1.671X11+

2.888X21+0.096X22-1.574X23+

6.371X31-3.709X41-1.999X42+

2.857X43-1.336X44+0.806X51+

2.169X52+1.779X53

表4 模型參數(shù)估計結(jié)果表

3.3 模型檢驗

對模型的結(jié)果和擬合度進行檢驗，在顯著性水平為0.05情況下，引入預(yù)測變量的最終模型與僅有截距的模型具有顯著性差異，表明模型具有統(tǒng)計學(xué)意義，如表5所示。

表5 模型擬合信息

對模型的自變量似然比檢驗，模型中的5個自變量性別、年齡、有無小汽車、出行目的、出行時長的顯著性水平均小于0.05，5種影響因素對模型構(gòu)建均有顯著貢獻，如表6所示。

表6 似然比檢驗

根據(jù)模型對景區(qū)居民出行方式進行預(yù)測并集計，結(jié)果表明構(gòu)建的風(fēng)景區(qū)居民出行模型對個體的出行方式選擇預(yù)測精度較高，其中公交的預(yù)測命中率最低為84.0%，如表 7所示。

表7 預(yù)測結(jié)果表

4 結(jié)束語

本文以北京石花洞景區(qū)為例，通過現(xiàn)場問卷意愿調(diào)查獲取石花洞景區(qū)居民的出行特征信息，結(jié)合石花洞景區(qū)的交通現(xiàn)狀，分析景區(qū)居民出行交通方式影響因素，利用非集計多項logit模型對石花洞附近居民出行方式選擇行為進行研究。模型結(jié)果顯示以景區(qū)居民出行時出行者的性別、年齡、家庭小汽車狀況、出行目的、出行時間等影響因素構(gòu)建的多項logit模型預(yù)測出行選擇方式準確率較高，景區(qū)居民出行受出行時長影響較大，家中有車居民在日?；顒又懈敢怦{車出行，中青年更喜歡自駕出行。景區(qū)交通擁堵是制約景區(qū)發(fā)展的一大因素，景區(qū)外部交通系統(tǒng)的組織優(yōu)化時應(yīng)以高峰期旅游交通為主，景區(qū)本地居民出行交通為輔，根據(jù)景區(qū)居民的出行需求以及出行特征，合理優(yōu)化減少高峰期本地居民和外來游客的交通沖突，優(yōu)化配置景區(qū)淡季交通設(shè)施的利用，減少交通資源的浪費。