韓志玲,陳艷艷,李佳賢,熊 杰,張 凡
(1.北京工業(yè)大學(xué)北京市交通工程重點(diǎn)實(shí)驗(yàn)室,北京 100124;2.交通運(yùn)輸部公路科學(xué)研究院,北京 100088)
隨著城市群的出現(xiàn),居民出行范圍進(jìn)一步擴(kuò)大,交通規(guī)劃尺度從城市本身跨越到城市群,交通需求的層次也更加復(fù)雜化和多樣化。城市群發(fā)展過程中,交通對區(qū)域經(jīng)濟(jì)一體化及城鎮(zhèn)體系布局發(fā)揮著重要的支撐和引領(lǐng)作用。城市群交通是城市和鎮(zhèn)密集地區(qū)各類交通的綜合,是對國家經(jīng)濟(jì)實(shí)力甚至對世界經(jīng)濟(jì)有影響力的交通問題。城市群中出行者對各種方式的選擇行為是城際間交通需求預(yù)測的重要基礎(chǔ)。
交通方式選擇模型中多項(xiàng)Logit 模型(Multinomial Logit Model)或巢式 Logit 模型(Nested Logit Model)等應(yīng)用較多。文獻(xiàn)[1]利用荷蘭中央統(tǒng)計(jì)局的交通調(diào)查數(shù)據(jù)分析了不同天氣情況(風(fēng)速、溫度、是否有雨)對使用小汽車到海邊旅游的概率,同時引入非天氣因素(收入、到海邊的距離、是否周末、就業(yè)情況、性別、年齡)構(gòu)建了幾個巢式Logit模型,該模型相當(dāng)于一個模式選擇的多項(xiàng)Logit 模型和一個是否去海灘的標(biāo)準(zhǔn)Logit 模型。文獻(xiàn)[2]構(gòu)建了巢式多項(xiàng)Logit 方式選擇模型,該模型對出行費(fèi)用、距離、車站可達(dá)性、服務(wù)頻率、搭載乘客數(shù)、停車費(fèi)用敏感。文獻(xiàn)[3]探究了價值觀對交通方式選擇行為的影響,并建立了含潛變量的分層Mixed-Logit 模型。文獻(xiàn)[4]利用結(jié)構(gòu)方程模型(Structure Equation Model)探究了天氣狀況對交通方式選擇、戶外溫度感知、情感旅游體驗(yàn)的影響。文獻(xiàn)[5]以小汽車與軌道交通方式選擇行為為研究對象建立了二項(xiàng)Logit 模型。文獻(xiàn)[6]應(yīng)用多項(xiàng)Logit 模型,納入城市土地利用變量與出行者的家庭、社會、經(jīng)濟(jì)等變量,分析其對居民工作與非工作交通方式(私人小汽車、公共汽車、地鐵)的影響。
在霧霾對交通方式選擇行為的影響方面,既有研究主要集中在城市內(nèi)部交通方式上,以構(gòu)建Logit 模型為主。文獻(xiàn)[7]通過分析北京市私人小汽車主問卷調(diào)查結(jié)果發(fā)現(xiàn),隨著空氣污染程度的提高,車主選擇公共交通出行的比例逐漸增加,并利用二項(xiàng)Logit模型建立了包括空氣污染程度、公共交通質(zhì)量等多因素的空氣質(zhì)量與私人小汽車主交通方式選擇關(guān)系模型。文獻(xiàn)[8]通過建立包含居民個人屬性、出行特性以及空氣污染程度在內(nèi)的多元Logit 模型,分析霧霾天氣下自行車、常規(guī)公共汽車、軌道交通、出租汽車、私人小汽車五種交通方式的分擔(dān)率和轉(zhuǎn)移率。文獻(xiàn)[9]基于計(jì)劃行為理論建立了結(jié)構(gòu)方程分析模型分析霧霾天氣對公共交通、私人小汽車、電動自行車、自行車、步行五種交通方式的影響。
圖1 交通方式選擇意愿分布Fig.1 Distribution of travel mode choice
在城際間交通方式選擇行為研究方面,考慮的交通方式主要有鐵路、公路、航空中的某幾種。文獻(xiàn)[10]基于高速鐵路(以下簡稱“高鐵”)車站和機(jī)場的調(diào)查問卷構(gòu)建了個人特質(zhì)和出行特征影響因素下高鐵和民航兩種交通方式選擇的二項(xiàng)Logit模型。文獻(xiàn)[11]將計(jì)劃行為理論引入城際出行行為研究中,探討了計(jì)劃行為理論及各變量對于城際交通方式(普速鐵路、城際鐵路、高速鐵路和長途汽車)選擇行為意向的影響。
本文以城市群中的主要交通方式,包括小汽車、長途汽車、高鐵、飛機(jī)為研究對象,并包含“決定不出行”這一行為決策,探究霧霾天氣對城際交通方式選擇行為的影響。
霧霾天氣不僅對人類健康產(chǎn)生危害,而且給交通安全帶來更多風(fēng)險。隨著大眾對霧霾危害認(rèn)知的逐漸加深,出行者在選擇交通方式時逐漸受到霧霾天氣的影響??紤]到輕度及中度霧霾對出行環(huán)境影響及引起出行者的感知較小,故本文以最不利情景,即重度霧霾天氣為背景展開研究。下文所述霧霾天氣均指重度霧霾天氣。
本文以京津冀城市群為例,分析在遭遇霧霾天氣的情況下出行者的出行目的、個人屬性特征、出行特征等對城際交通方式選擇行為的影響。在城際出行實(shí)際發(fā)生地即京津冀區(qū)域內(nèi)的高鐵站、火車站、高速公路服務(wù)區(qū)等地發(fā)放出行意愿問卷,共收集2 300 份有效問卷。交通方式選擇意愿、性別、年齡、職業(yè)、駕齡、出行頻率、出發(fā)地和目的地的分布分別如圖1、圖2 所示。霧霾天氣下,商務(wù)類出行計(jì)劃中選擇高鐵的出行者最多;而休閑類出行計(jì)劃中選擇不出行者最多,其次是高鐵;兩類出行中選擇長途汽車和飛機(jī)方式的出行者均較少。
多項(xiàng)Logistic回歸是二項(xiàng)Logistic回歸模型的擴(kuò)展,分為有序多項(xiàng)Logistic 模型和無序多項(xiàng)Logistic 模型。由于本文研究的不同交通方式之間不存在遞增或遞減的序次關(guān)系,因此采用無序多項(xiàng)Logistic 回歸模型。假設(shè)因變量有m個類別,則因變量每一分類的條件概率為
式中:Pj為因變量為j時的概率,j=1,2,…,m;xi為自變量,i=1,2,…,n;αj和βij為模型的回歸截距和回歸系數(shù)。
多項(xiàng)Logistic 回歸通過擬合一種稱作廣義Logit 模型的方法來建模。首先選取某一類別為參照類,例如,如果以第1 類為參照類,則α1和βi1等于0,參照類及其他類別的條件概率分別如式(2)和式(3)所示:
之后以每一分類與該參照類做比較,得到m-1個廣義Logit模型。如果以使用小汽車作為參照類,則得到以下5 個廣義Logit模型。
式中:P1,P2,P3,P4,P5分別為霧霾天氣影響下公眾出行選擇小汽車、高鐵、長途汽車、飛機(jī)和決定不出行的概率;xi為影響居民出行選擇的指標(biāo)。
利用調(diào)查數(shù)據(jù),建立多項(xiàng)Logistic 回歸模型。以交通方式選擇結(jié)果為因變量,自變量中出行時耗為連續(xù)變量,直接取調(diào)查值,性別、年齡、職業(yè)、出行頻率、駕齡、出發(fā)地、目的地為分類變量(見表1)。文獻(xiàn)[12]指出,SPSS 默認(rèn)將所有的自變量均視作連續(xù)性變量。而多分類變量按編碼數(shù)值來分析實(shí)際上是強(qiáng)行規(guī)定為等距,這可能引入更大的誤差。因此,必須將原始的多分類變量轉(zhuǎn)化為數(shù)個啞變量,每個啞變量只代表某兩個級別或若干個級別間的差異,這樣得到的回歸結(jié)果才有明確而合理的實(shí)際意義。根據(jù)啞變量設(shè)置規(guī)則[12]:對于取值有n個水平的自變量xi會產(chǎn)生n-1 個啞變量,此時會以第n個水平為參照水平,即分類變量編碼矩陣中元素均為“0”的那一行,表示以該自變量相對應(yīng)的取值水平為參照變量。以性別和年齡兩個變量為例,具體設(shè)置見表2。
圖2 出行者特征及其出行特征分布Fig.2 Distribution of travelers'characteristics and travel characteristics
表1 自變量編碼Tab.1 Description of independent variables
利用軟件SPSS19.0 對有效數(shù)據(jù)進(jìn)行多項(xiàng)Logistic 回歸分析,變量進(jìn)入規(guī)則為“步進(jìn)式”中的向前進(jìn)入。對模型中是否所有自變量偏回歸系數(shù)全為0進(jìn)行似然比檢驗(yàn)(見表3),由于霧霾天氣影響下商務(wù)出行計(jì)劃的交通方式選擇模型中,未引入自變量時-2 倍對數(shù)似然值為4 451.840,引入自變量后減小至4 136.888,二者之差為314.952,自由度為56,p<0.001,表明至少有一個自變量的偏回歸系數(shù)不為0,模型有意義。商務(wù)出行計(jì)劃中出行者的駕齡、出行頻率、職業(yè)、出發(fā)地、目的地均對模型具有顯著影響,出行時耗、性別、年齡在統(tǒng)計(jì)意義上影響不顯著。
以使用小汽車出行為參照類別,表4 為商務(wù)出行計(jì)劃的交通方式選擇模型參數(shù)標(biāo)定結(jié)果。其中偏回歸系數(shù)B所在列和截距所在行的交叉處數(shù)字即為式(4)~(7)中的αj,其他B 列數(shù)字為回歸系數(shù)βij,Exp(B)為優(yōu)勢比。以選擇“使用高鐵出行”為例對βij,Exp(B)的含義進(jìn)行說明:出行頻率為“很少”“偶爾”“經(jīng)?!钡幕貧w系數(shù)為正,說明出行頻率為“很少”“偶爾”“經(jīng)常”的居民比出行頻率為“頻繁”的居民更傾向于選擇高鐵出行;Exp(B)的數(shù)值表示,在其他因素相同的條件下,出行頻率為“很少”“偶爾”“經(jīng)?!钡木用瘛笆褂酶哞F出行”的概率與“使用小汽車出行”的概率之比分別是出行頻率為“頻繁”的居民這一比值的2.561 倍、1.415 倍、1.393 倍,霧霾天氣下的剛性需求出行計(jì)劃中,居民從公路出行轉(zhuǎn)移至高鐵出行的概率隨著出行頻率的減少而增加。出發(fā)地為“非京津冀”“河北省”的回歸系數(shù)為負(fù),說明從兩地出發(fā)的居民相較于從“北京市”出發(fā)的居民不傾向于乘坐高鐵。出發(fā)地為“非京津冀”“河北省”的居民“使用高鐵出行”的概率與“使用小汽車出行”的概率之比分別是出發(fā)地為“北京市”的居民這一比值的0.446倍、0.390倍,說明霧霾天氣下的剛性需求出行計(jì)劃中,居民公路出行轉(zhuǎn)移至高鐵出行的概率由出發(fā)地為“北京市”“天津市”“非京津冀區(qū)域”“河北省”依次降低。其他情況下回歸系數(shù)以及Exp(B)的含義以此類推。
“使用高鐵出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:出行頻率為“很少”“偶爾”“經(jīng)?!?,出發(fā)地為“非京津冀”“河北省”,目的地為“天津市”;“使用長途汽車出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:“無駕照”,出行頻率為“很少”“偶爾”?!笆褂蔑w機(jī)出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:“>3年駕齡”,出行頻率為“很少”,職業(yè)為“其他”,出發(fā)地為“河北省”;“決定不出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:出行頻率為“很少”,職業(yè)為“其他”“自由職業(yè)”,出發(fā)地為“河北省”。
霧霾天氣影響下商務(wù)出行計(jì)劃的交通方式選擇模型為:
表2 啞變量設(shè)置Tab.2 Dummy variables setting
表3 商務(wù)出行計(jì)劃交通方式選擇模型似然比檢驗(yàn)結(jié)果Tab.3 Likelihood ratio tests of business travel mode choice model
表4 商務(wù)出行計(jì)劃以小汽車出行為參照的其他交通方式選擇模型參數(shù)標(biāo)定結(jié)果Tab.4 Parameter calibration of business travel mode choice model referring to car travel
對模型中是否所有自變量偏回歸系數(shù)均為0進(jìn)行似然比檢驗(yàn)(見表5)。霧霾天氣影響下休閑出行計(jì)劃的交通方式選擇模型中,未引入自變量時-2 倍對數(shù)似然值為4 726.290,引入自變量后減至4 378.763,二者之差等于347.526,自由度為56,P <0.001,表明至少有一個自變量的偏回歸系數(shù)不為0,模型有意義。
休閑出行計(jì)劃中出行者的駕齡、出行頻率、年齡、出發(fā)地、目的地均對交通方式選擇模型具有顯著影響,出行時耗、性別、職業(yè)在統(tǒng)計(jì)意義上影響不顯著。模型參數(shù)標(biāo)定結(jié)果如表6所示。
“使用高鐵出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:“無駕照”,出發(fā)地為“非京津冀”或“河北省”,目的地為“天津市”?!笆褂瞄L途汽車出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:“無駕照”,出行頻率為“偶爾”,出發(fā)地為“非京津冀”?!笆褂蔑w機(jī)出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:年齡為“21~40 歲”“41~60 歲”?!皼Q定不出行”模型中具有統(tǒng)計(jì)學(xué)意義的因素有:“無駕照”,出行頻率為“很少”“偶爾”,出發(fā)地為“河北省”。
霧霾天氣影響下休閑出行計(jì)劃的交通方式選擇模型為:
霧霾已經(jīng)成為影響居民交通方式選擇過程中一個不可忽略的重要因素。霧霾導(dǎo)致居民的城際交通方式選擇意愿和選擇行為發(fā)生改變,如小汽車使用者在霧霾天氣下可能轉(zhuǎn)移至非小汽車出行,這與不同交通方式在不同情況下的吸引力有關(guān)。鐵路出行抵抗惡劣天氣干擾能力強(qiáng)、快捷、準(zhǔn)時、安全性高,故在惡劣天氣下的出行中成為首選。
表5 休閑出行計(jì)劃的交通方式選擇模型似然比檢驗(yàn)結(jié)果Tab.5 Likelihood ratio tests of leisure travel mode choice model
交通方式發(fā)生轉(zhuǎn)移的概率由個人屬性特征、出行特征決定。剛性出行和彈性出行中影響交通方式選擇的因素不同,且影響程度不一。剛性出行中,駕齡對使用長途汽車和飛機(jī)出行影響顯著,駕齡越短,使用長途汽車的概率越大;出行頻率對方式選擇的影響顯著,且出行頻率越小選擇非小汽車出行的概率越大;職業(yè)對飛機(jī)出行和決定不出行影響顯著,非企業(yè)單位員工更傾向于乘坐飛機(jī)或決定不出行;出發(fā)地對使用高鐵、飛機(jī)或決定不出行影響顯著,且北京市居民更傾向于非小汽車出行;目的地對高鐵出行影響顯著,目的地為天津時最傾向于選擇高鐵。彈性出行中,年齡對使用飛機(jī)出行影響顯著,年齡越大使用飛機(jī)出行的概率越小。
研究過程中未考慮出行費(fèi)用對交通方式選擇的影響,下一步研究中應(yīng)將該因素加入。
表6 休閑出行計(jì)劃以小汽車出行為參照的其他交通方式選擇模型參數(shù)標(biāo)定結(jié)果Tab.6 Parameter calibration of leisure travel mode choice model referring to car travel