城市常規(guī)公交接駁方式分擔(dān)率預(yù)測模型研究

潘 躍,裴玉龍

(東北林業(yè)大學(xué) 交通學(xué)院,黑龍江 哈爾濱 150040)

常規(guī)公交站點(diǎn)接駁結(jié)構(gòu)的合理與否，直接關(guān)系到各接駁設(shè)施的利用率，同時(shí)也會對各接駁方式的運(yùn)能匹配產(chǎn)生影響。因此，對常規(guī)公交接駁方式分擔(dān)率的準(zhǔn)確預(yù)測具有重要意義。

邵昀泓[1]采用非集計(jì)模型建立了以出行時(shí)間和費(fèi)用為影響因素的樞紐客流分時(shí)段交通方式分擔(dān)率預(yù)測模型，為樞紐內(nèi)交通疏解提供了理論指導(dǎo)；袁長偉等[2]選擇時(shí)間、費(fèi)用、出行目的及收入為影響因素，運(yùn)用隨機(jī)效用理論構(gòu)建了樞紐內(nèi)交通方式兩兩交叉相互作用下的客流換乘分擔(dān)率模型，為城市綜合客運(yùn)樞紐的規(guī)劃提供決策支撐；韓曉玉等[3]應(yīng)用Logit模型對軌道交通接駁方式進(jìn)行預(yù)測，并以蘇州為例對模型參數(shù)進(jìn)行標(biāo)定、檢驗(yàn)，驗(yàn)證了Logit模型在軌道交通接駁方式預(yù)測上的適用性；Winnie Daamen[4]在探討樞紐的設(shè)計(jì)問題中，得出設(shè)施服務(wù)水平的變化對不同路徑客流的形成具有重要影響，并收集了荷蘭兩個(gè)樞紐站的數(shù)據(jù)，建立了以接駁設(shè)施為影響因素的客流接駁方式選擇模型；N Tilahun等[5]以芝加哥為研究對象，在解決最后一公里的問題中，綜合分析了社會因素和個(gè)人約束對居民交通方式選擇的影響，構(gòu)建出行者交通方式選擇模型。

現(xiàn)有研究大多以規(guī)模較大的城市交通樞紐為研究對象，對規(guī)模較小的常規(guī)公交站研究較少，并且更側(cè)重于對一種分擔(dān)率預(yù)測模型的研究，缺少不同分擔(dān)率預(yù)測模型的對比研究。本文在已有研究基礎(chǔ)上，選擇多項(xiàng)logistics回歸和Bayes判別分析兩種方法，分別建立常規(guī)公交接駁方式分擔(dān)率預(yù)測模型，并通過對模型預(yù)測精度對比，分析兩種模型各自的適用性。

1 數(shù)據(jù)調(diào)查

1.1 調(diào)查目的及對象

本次調(diào)查旨在收集常規(guī)公交站中出行者的個(gè)人屬性和出行屬性等基本信息，作為常規(guī)公交接駁方式選擇影響因素的研究基礎(chǔ)，并為構(gòu)建接駁方式分擔(dān)率預(yù)測模型提供數(shù)據(jù)支撐。

基于以上調(diào)查目的，2018年對哈爾濱市居民展開常規(guī)公交接駁意向調(diào)查，調(diào)查地點(diǎn)為3處遠(yuǎn)離軌道交通的常規(guī)公交站。為避免樣本產(chǎn)生嚴(yán)重的多重共線性，所選常規(guī)公交站銜接了不同數(shù)量的常規(guī)公交線路，且具備一定的典型性，站點(diǎn)途經(jīng)線路及布置形式如表1所示。

表1 所選常規(guī)公交站經(jīng)停線路及布置形式

1.2 調(diào)查內(nèi)容及方法

在考慮常規(guī)公交接駁方式選擇影響因素的基礎(chǔ)上，確定本次調(diào)查主要包括出行者性別、年齡、職業(yè)、收入、出行目的、出行距離和所選擇的接駁方式等內(nèi)容[6-7]。為盡量避免由調(diào)查帶來的誤差，選取簡單隨機(jī)抽樣的方法，以發(fā)放調(diào)查問卷的形式，獲取哈爾濱市常規(guī)公交站中出行者數(shù)據(jù)。本次調(diào)查共計(jì)發(fā)放問卷500份，經(jīng)數(shù)據(jù)處理后得到有效問卷487份，有效率為97.4%。

2 接駁特征分析

通過對調(diào)查數(shù)據(jù)的統(tǒng)計(jì)分析，得到常規(guī)公交站的主要接駁方式為步行、其他線路常規(guī)公交和自行車3種，不同出行者在接駁方式的選擇上存在較為明顯的差異，出行者基本信息及接駁方式選擇如表2所示。

表2 出行者基本信息及接駁方式選擇調(diào)查結(jié)果

續(xù)表2

從表2可以看出，出行者的個(gè)人屬性和出行屬性對常規(guī)公交接駁方式的選擇存在一定程度的影響，分析如下：

2.1 性別對接駁方式選擇的影響

常規(guī)公交站中男性人數(shù)略高于女性，占總?cè)藬?shù)的52.05%。在接駁方式選擇上，男、女采用步行接駁常規(guī)公交的比例基本相同，均達(dá)到了60%以上。在常規(guī)公交和自行車的選擇上，男性比女性更傾向選擇自行車，究其原因可能是在體能方面男性更具優(yōu)勢，能夠承受使用自行車產(chǎn)生的身體耗能。

2.2 年齡對接駁方式選擇的影響

19～30歲的出行者是常規(guī)公交站中的主要客流，占總?cè)藬?shù)的23.98%。18歲以下的出行者選擇自行車的比例相對較低，主要原因是該年齡段出行者的安全意識尚需加強(qiáng)，而自行車的使用穩(wěn)定性相對較差；19歲以上的出行者選擇自行車的比例逐漸減少，說明年輕人對于近年新興的共享單車使用起來更得心應(yīng)手。

2.3 職業(yè)對接駁方式選擇的影響

一般職員和工人占據(jù)了常規(guī)公交站三分之一以上的客流組成。學(xué)生對自行車的選擇比例相對較高，這與上文年輕人對自行車的選擇傾向相符；考慮個(gè)體經(jīng)營者出行的隨機(jī)性更大，所以，選擇消費(fèi)不高且較為舒適的常規(guī)公交接駁的比例較高，為29.55%；教育、科研工作者更傾向選擇步行接駁常規(guī)公交，主要是日常鍛煉身體的時(shí)間不多，而選擇步行剛好能有效達(dá)到鍛煉身體的作用。

2.4 收入對接駁方式選擇的影響

月收入在1 501～3 000元的出行者占總?cè)藬?shù)的39.14%，是常規(guī)公交站中的主要客流。隨著出行者收入的不斷增多，步行被選的比例不斷降低，而常規(guī)公交被選的比例也得到顯著提升，收入較少的出行者，在接駁方式選擇上會考慮接駁費(fèi)用問題，因此，選擇步行的出行者更多。

2.5 出行目的對接駁方式選擇的影響

通勤出行者的人數(shù)明顯高于非通勤出行者，占調(diào)查總?cè)藬?shù)的61.89%。非通勤出行者選擇常規(guī)公交和自行車的比例較高，該部分客流對出行時(shí)間的安排更為隨意，且對出行的舒適性和體驗(yàn)性要求更高，因此，選擇自行車和常規(guī)公交的出行者更多。

2.6 出行距離對接駁方式選擇的影響

本文所指的出行距離是指出發(fā)地至常規(guī)公交站的距離(或是常規(guī)公交站至目的地的距離)，有87.09%的出行者出行距離在2 km以內(nèi)，且隨著出行距離的不斷增長，選擇步行接駁的比例逐漸降低，而選擇常規(guī)公交和自行車的比例顯著增高。

3 接駁方式分擔(dān)率預(yù)測模型

在已有的交通方式分擔(dān)率分析方法中，多項(xiàng)Logistics回歸和Bayes判別分析兩種方法應(yīng)用較為廣泛，不僅能對調(diào)查數(shù)據(jù)進(jìn)行直接利用，還具備較高的預(yù)測準(zhǔn)確率，并且可借助多類軟件來實(shí)現(xiàn)相關(guān)計(jì)算，操作較為簡便。因此，本節(jié)在上文對接駁方式選擇影響因素分析的基礎(chǔ)上，分別采用多項(xiàng)logistics回歸分析和Bayes判別分析兩種方法建立常規(guī)公交接駁方式分擔(dān)率預(yù)測模型，并對兩種模型的預(yù)測結(jié)果進(jìn)行對比分析。

3.1 基于多項(xiàng)logistics回歸分析的接駁方式分擔(dān)率預(yù)測模型

3.1.1 模型構(gòu)建

在預(yù)測時(shí)以最后一個(gè)類別(即第I個(gè)類別)自行車為參考項(xiàng)，并假設(shè)乘客均會依據(jù)自身需求，對接駁方式做出最為理性的選擇，可分別得到步行、常規(guī)公交相對于自行車的相對效用，計(jì)算式為[8]

(1)

式中：i=1，2，3分別表示步行、常規(guī)公交和自行車；Vi為第i類接駁方式相對于自行車的效用；αi為第i類接駁方式的常數(shù)項(xiàng)；xn為第n個(gè)影響因素；βin為第i類接駁方式對應(yīng)的變量xn的系數(shù)；Pi為選擇第i類接駁方式的概率。

通過式(1)可依次求得各接駁方式對于自行車的相對效用，又因各接駁方式分擔(dān)率之和為1，可據(jù)此分別計(jì)算出選擇各接駁方式的概率，計(jì)算式為[9-10]

(2)

所得概率最大的接駁方式即為乘客選擇的接駁方式，通過統(tǒng)計(jì)得到選擇各接駁方式的人數(shù)，將人數(shù)與樣本總量相比即可求出各接駁方式的分擔(dān)率，計(jì)算式為

(3)

以哈爾濱市常規(guī)公交站為例，根據(jù)上文對常規(guī)公交接駁方式選擇影響因素的分析，將出行者性別、年齡、職業(yè)、收入、出行目的和出行距離定為特性變量進(jìn)行接駁方式分擔(dān)率預(yù)測建模。為避免由于單個(gè)變量中某一類別樣本數(shù)據(jù)量過少而給回歸結(jié)果帶來誤差，在不影響結(jié)果的基礎(chǔ)上，將年齡、職業(yè)和出行距離3個(gè)影響因素中的變量進(jìn)行適當(dāng)合并。選取的特性變量及定義如表3所示。

表3 模型中特性變量的數(shù)學(xué)定義

3.1.2 模型標(biāo)定與分析

選擇SPSS軟件進(jìn)行極大似然估計(jì)，其輸出結(jié)果能更好地展示各因素與選擇結(jié)果之間的聯(lián)系。并選取“自行車”這一接駁方式作為參照類別進(jìn)行多項(xiàng)Logistics回歸，得到的模型參數(shù)標(biāo)定結(jié)果如表4所示。

表4 參數(shù)估算值

續(xù)表4

注：a.參考類別為自行車；b.此參數(shù)冗余，因此設(shè)置為零

表4中第2列的B值代表不同分類下的自變量在模型中的系數(shù)，正負(fù)號表示與接駁方式選擇呈正相關(guān)還是負(fù)相關(guān)。當(dāng)顯著性大于0.05時(shí)，對應(yīng)的變量對選擇結(jié)果影響不大，可以剔除。

在將影響較小的變量剔除后，可以分別得到步行、常規(guī)公交相對于自行車選擇概率的自然對數(shù)模型：

步行——自行車

1.811x31-1.046x33+1.256x41+0.984x42+

0.751x51-1.289x6.

(4)

常規(guī)公交——自行車

1.353x21-2.117x22-0.256x23-

0.146x24-1.746x31-0.926x32-1.386x33+

1.185x41+0.808x42+0.664x43+0.840x51+

1.130x6.

(5)

由式(2)、式(3)即可求得各接駁方式分擔(dān)率。

3.1.3 模型檢驗(yàn)

模型參數(shù)標(biāo)定后，從模型擬合信息、擬合優(yōu)度指標(biāo)和似然比檢驗(yàn)三方面檢驗(yàn)?zāi)Ｐ褪欠窨煽俊?/p>

1)模型擬合信息如表5所示，可以看出概率值

遠(yuǎn)小于0.05，說明構(gòu)建的模型通過檢驗(yàn)，具有統(tǒng)計(jì)學(xué)意義。

表5 模型擬合信息

2)選取Nagelkerke和McFadden兩個(gè)指標(biāo)對模型的擬合優(yōu)度進(jìn)行判別。Nagelkerke取值介于0～1之間，其值越大表示模型擬合優(yōu)度越高，反之則越差，本文的Nagelkerke統(tǒng)計(jì)量為0.671，說明擬合度比較高。McFadden被稱為偽R方，在實(shí)際應(yīng)用中，通常認(rèn)為McFadden的決定系數(shù)在0.3～0.5范圍內(nèi)擬合度比較理想[11]，本文的決定系數(shù)為0.455，說明模型的擬合效果較佳。

3.1.4 預(yù)測結(jié)果

3種接駁方式平均準(zhǔn)確率為78.9%，認(rèn)為模型的命中率達(dá)到預(yù)期值，選取的影響因素對接駁方式選擇有顯著影響，輸出結(jié)果可被采納。其中自行車的準(zhǔn)確率較低，僅為57.6%，主要由于自行車樣本數(shù)據(jù)較少而造成的影響，對模型的整體效果無重大影響，預(yù)測結(jié)果如表6所示。

表6 預(yù)測結(jié)果

3.2 基于Bayes判別分析的接駁方式分擔(dān)率預(yù)測模型

3.2.1 模型構(gòu)建3.2.1.1 先驗(yàn)概率

隨機(jī)抽取一個(gè)樣本屬于總體Gi(1,2,…,n)的概率即為先驗(yàn)概率P(Gi)，通常可以通過計(jì)算直接求得先驗(yàn)概率Q，也可以依據(jù)熵最大的原則，令各類別的先驗(yàn)概率相等。

3.2.1.2 樣本似然

在總體Gi(1,2,…,n)中抽到樣本X的概率，記為p(X|Gi)。當(dāng)判別變量服從多元正態(tài)分布，且各類別的協(xié)方差矩陣相等，則在總體Gi中抽到樣本觀測X的概率為

(6)

式中：|Σ|為協(xié)差陣的行列式值；μi為總體Gi的均值。

(7)

3.2.1.3 計(jì)算X屬于總體Gi的概率

根據(jù)Bayes公式定義，用樣本似然調(diào)整先驗(yàn)概率，則有

(8)

(9)

根據(jù)n個(gè)概率值的大小進(jìn)行判別決策，隨機(jī)樣本X屬于概率最大的類別。

3.2.2 模型標(biāo)定

結(jié)合哈爾濱市常規(guī)公交站中獲取的調(diào)查數(shù)據(jù)，借助SPSS軟件提供的Bayes判別法建立常規(guī)公交接駁方式分擔(dān)率預(yù)測模型，分類函數(shù)系數(shù)如表7所示。

表7 分類函數(shù)系數(shù)

由表8可以得到標(biāo)定后的Bayes判別函數(shù)為

Y步行=-17.296+5.977x1+1.893x2+

1.382x3+0.929x4+2.249x5+5.998x6.

(10)

Y常規(guī)公交=-26.974+6.284x1+2.432x2+

1.951x3+0.629x4+1.492x5+9.067x6.

(11)

Y自行車=-24.409+5.678x1+1.492x2+

1.835x3+1.376x4+2.867x5+8.333x6.

(12)

3.2.3 預(yù)測結(jié)果

將調(diào)查數(shù)據(jù)回帶至Bayes判別分析模型中，得到三種接駁方式平均準(zhǔn)確率為75.8%，預(yù)測精度較高。選取的影響因素對接駁方式的選擇有顯著影響，輸出結(jié)果可被采納，預(yù)測結(jié)果如表8所示。

表8 分擔(dān)率預(yù)測結(jié)果

3.3 結(jié)果對比分析

從上文可以看出，多項(xiàng)Logistics回歸和Bayes判別分析都可用來做常規(guī)公交接駁方式分擔(dān)率的預(yù)測，但兩者的理論基礎(chǔ)卻不盡相同。多項(xiàng)Logistics回歸是利用極大似然估計(jì)方法對模型參數(shù)進(jìn)行估計(jì)，根據(jù)回歸函數(shù)值進(jìn)行預(yù)測，并能夠?qū)τ绊懸蛩剡M(jìn)行解釋[14]；而Bayes判別分析是根據(jù)觀測值與各不同類別之間距離差異進(jìn)行判別預(yù)測，無法對影響因素進(jìn)行解釋[15]。

從多項(xiàng)Logistics回歸和Bayes判別分析兩種模型的預(yù)測結(jié)果可以看出，兩種模型預(yù)測總體正確率相差不大，且均在70%以上，說明建立的這兩種模型具有比較強(qiáng)的泛化能力，預(yù)測結(jié)果如表9所示。在步行和自行車這兩種接駁方式的預(yù)測上，多項(xiàng)Logistics回歸模型預(yù)測的相對誤差更低，分別為0.99%和6.06%，而Bayes判別分析對常規(guī)公交接駁方式預(yù)測的相對誤差更低，為3.39%。結(jié)合兩種模型在分擔(dān)率預(yù)測中表現(xiàn)出的特有優(yōu)勢，在實(shí)際應(yīng)用中，可酌情考慮針對不同接駁方式的分擔(dān)率采用不同模型進(jìn)行預(yù)測。在研究步行和自行車接駁分擔(dān)率時(shí)，建議采用多項(xiàng)Logistics回歸模型進(jìn)行預(yù)測，而在研究常規(guī)公交接駁分擔(dān)率時(shí)，建議采用Bayes判別分析模型進(jìn)行預(yù)測，接駁方式分擔(dān)率預(yù)測結(jié)果對比如圖1所示。

表9 接駁方式分擔(dān)率預(yù)測結(jié)果對比 %

圖1 兩種模型的分擔(dān)率預(yù)測結(jié)果相對誤差對比

4 結(jié) 論

1)男性比女性更傾向于選擇自行車，而女性在常規(guī)公交的選擇上高于男性；年齡在18歲以上的出行者，隨著年齡的增大，選擇自行車的比例也隨之減少；學(xué)生與其他職業(yè)的出行者相比選擇自行車的比例最大，而教育、科研工作者則在步行的選擇上高于其他職業(yè)的出行者；出行者的收入與選擇步行的比例呈負(fù)相關(guān)，與常規(guī)公交和自行車的選擇呈正相關(guān)；通勤出行者在步行的選擇上高于非通勤出行者，而在常規(guī)公交和自行車的選擇上低于非通勤出行者；隨著出行距離的增長，步行的選擇比例顯著降低，而常規(guī)公交的選擇比例有明顯的提升。

2)分別構(gòu)建了基于多項(xiàng)Logistics回歸分析和Bayes判別分析的常規(guī)公交接駁方式分擔(dān)率預(yù)測模型，兩種模型的預(yù)測總體正確率分別為78.9%和75.8%。通過對各類接駁方式分擔(dān)率預(yù)測相對誤差進(jìn)行計(jì)算，發(fā)現(xiàn)多項(xiàng)Logistics回歸對步行和自行車的分擔(dān)率預(yù)測更為準(zhǔn)確，而Bayes判別分析更適用于常規(guī)公交分擔(dān)率的預(yù)測。

3)選取影響因素時(shí)考慮了出行者的個(gè)人屬性和出行屬性，并利用哈爾濱市的調(diào)查數(shù)據(jù)進(jìn)行建模分析，在后續(xù)的研究中還需要補(bǔ)充考慮接駁環(huán)境等其他方面的影響因素，并對不同地區(qū)、不同城市的研究進(jìn)行對比，進(jìn)一步增強(qiáng)模型在實(shí)際應(yīng)用中的可靠性。