城市居民短距離出行比例研究

摘要：將博山市居民的出行行為作為研究對象，分析短距離出行比例的影響因素，并結合相關參數(shù)，創(chuàng)建多元線性回歸模型，利用SPSS定量的分析各種影響因素對短距離出行比例的影響，回歸的參數(shù)值表明所選的影響因素與短距離出行比例存在線性相關性，所得結論認為年齡和有無職業(yè)這兩個因素對短距離出行比例具有較大的影響。

關鍵詞：交通工程；短距離出行；出行行為；多元線性回歸

1居民短距離出行特征分析

為獲取更加真實有效的數(shù)據(jù)，針對本文設計了《居民短距離出行調(diào)查問卷》，調(diào)查的內(nèi)容要包括居民的性別、年齡、有無職業(yè)、家庭年收入等相關內(nèi)容，能夠更加全面了解民出行的基本情況。本次問卷以實地問卷為主、網(wǎng)絡問卷為輔，對淄博市博山縣居民進行隨機調(diào)查，共發(fā)放問卷2000份，其中有效問卷1278份。

1.1個人特征分析

在所調(diào)查的人群中，男女比例為1：1，其中，19歲以下的人員占8%，20-39歲的占44%，40歲以上人員的占48%；有職業(yè)者占80%，無職業(yè)者占20%。被調(diào)查者所在的家庭年收入分布情況呈現(xiàn)正態(tài)分布，年收入3-5萬的占34%，在被調(diào)查人員中所占的比例最高，年收入低于一萬或高于十萬的占5%左右，所占比例最低。在所調(diào)查的人群中，家庭人數(shù)為3人的所占比重最大，為47%；家庭人數(shù)為1人的所占比重最小，為1%。

1.2交通出行特征分析

根據(jù)調(diào)查結果，對居民短距離出行方式選擇時所考慮的出行特征按照其重要程度進行排序，打分區(qū)間為0-10分，挑選出3個重要影響因素。根據(jù)統(tǒng)計數(shù)據(jù)，分別對各影響因素得分進行匯總，并求其平均值，得出搭車消耗時長、是否轉車以及出行費用對居民短距離出行交通方式選擇的影響程度較高。

1.3出行數(shù)據(jù)分析

在居民短距離出行過程中，由于受到諸多因素的影響，居民對于交通運輸方式的選擇具有明顯的差異性，其中步行出行人數(shù)最多，占全部出行的25.3%，其次是開私家車出行人數(shù)，占全部出行的19.8%。第三是騎電動車出行人數(shù)，占全部出行人數(shù)的18.6%。

2多元線性回歸模型

以短距離出行比例為因變量，各個影響因素為自變量，建立多元線性回歸方程模型，分析個人出行方式比例：

yi=a+b1x1+b2x2+b3x3+…+bjxi+εi，i=1，2，…，n，j=1，2，…，p（1）

其中：y_i為因變量，即短距離出行比例；x1、x2…xi代表各個影響因素；a和b1、b2…bj為回歸系數(shù)；εi為各種隨機因素對yi的影響的綜合，稱為隨機誤差項，且服從正態(tài)分布，即εi～（0，σ2 ）。

3實例分析

3.1樣本選擇

本文隨機選取1278個居民作為分析樣本，利用多元線性回歸模型對居民短距離出行次數(shù)占全天出行次數(shù)的比例進行研究。

3.2影響因素的選擇

短距離出行比例的多元線性回歸模型，共選取了包括個人屬性和家庭屬性在內(nèi)的10個影響因素，分別為性別（x1）、年齡（x2）、職業(yè)（x3）、人口數(shù)量（x4）、有無小孩（x5）、自行車數(shù)量（x6）、機動車數(shù)量（x7）、家庭年收入（x8）、摩托車數(shù)量（x9）、電動車數(shù)量（x10）。為保證個別影響因素得出的參數(shù)通過檢驗，適當對一些因素進行分組、歸類，既為保證各分類的數(shù)量，也防止個別數(shù)值偏差影響參數(shù)結果。

3.3模型的參數(shù)估計及檢驗

將選取的10個影響因子作為短距離出行比例的影響因素，所以得到多元線性回歸模型的實際公式為：

y=a+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+b8x8+b9x9+b10x10 （5）

故應用SPSS軟件，將數(shù)據(jù)帶入模型得出回歸結果。在置信度為的條件下，經(jīng)檢驗，所選取的10個影響因素全部通過檢驗，所以對短距離出行比例的影響是顯著的。

在變量通過檢驗的同時，要觀察模型的擬合度，根據(jù)以往的研究經(jīng)驗，一般R^2值在0.8以上，模型相對擬合。利用SPSS計算得出的R^2值為0.84，說明所建立的多元線性回歸模型具有較好的擬合程度，所選自變量對因變量有著線性影響關系。

因此，把所得參數(shù)帶入模型中可以得出短距離出行比例的多元線性回歸模型為：

y=1.023-0.021x1+0.043x2-0.054x3+0.010x4-0.014x5+0.008x6-0.036x7-0.011x8-0.007x9+0.005x10 （6）

3.4模型參數(shù)分析

假設其它條件不變的情況下，分析某個因素的變化對短距離出行比例的影響。

（1）性別、年齡和職業(yè)的影響

性別對短距離出行比例的影響程度大小為-0.021，說明居民中男性相對女性對短距離出行比例的影響起到相反的作用，因此男性的短距離出行比例低于女性。

年齡對短距離出行比例的影響參數(shù)為0.044，對短距離出行比例影響相對較大，說明隨著年齡的增長，居民短距離出行比例會逐漸增加。

職業(yè)對短距離出行比例的影程度大小為-0.054，對短距離出行比例影響很大，說明有職業(yè)者相對無職業(yè)者對短距離出行比例起到相反的作用。

（2）人口數(shù)量和小孩數(shù)量的影響

人口數(shù)量對短距離出行比例的影響參數(shù)為0.010，說明家庭每增加一人，個人短距離出行的比例會增加，因此隨著家庭人口數(shù)量的增加，個人短距離出行比例會逐漸升高。

小孩的數(shù)量對短距離出行比例的影響參數(shù)為-0.014，說明小孩的家庭成員短距離的出行比例較低，主要因為小孩外出時通常都有父母或者其他長輩陪伴，尤其在接送小孩上學的過程中，出行的距離也會增加。

（3）自行車數(shù)量和機動車數(shù)量的影響

自行車和機動車數(shù)量對個人短距離出行比例的影響參數(shù)分別為0.008和-0.036，兩者符號恰好相反，說明個人短距離出行比例，隨著家庭擁有自行車數(shù)量的增加而增加，機動車數(shù)量的增加而減少。

（4）家庭年收入的影響

家庭年收入對個人短距離出行比例的影響參數(shù)為-0.011，說明隨著家庭年收入和的增加，個人短距離出行比例隨之減少。家庭年收入每提高一級，個人短距離出行比例減少0.011。

（5）摩托車數(shù)量和電動車數(shù)量的影響

摩托車和電動車數(shù)量對個人短距離出行比例的影響參數(shù)分別為-0.007和0.005，兩者符號恰好相反，說明個人短距離出行比例，隨著家庭擁有電動車數(shù)量的增加而增加，摩托車數(shù)量的增加而減少。

4結論

本文通過剖析影響城市居民短距離出行比例的各種因素，利用多元線性回歸模型，應用SPSS軟件統(tǒng)計回歸得出各種因素的影響程度大小，得出了不同因素對居民短距離出行的影響，所得結論認為年齡和職業(yè)這兩個因素對短距離出行比例具有較大的影響，為進一步研究居民出行方式的選擇打下了基礎。

參考文獻

[1]姜偉，趙阿柱，羅以丹，蘇南，班越.城市長距離交通出行方式選擇行為研究[J].交通科技與經(jīng)濟，2016，（18）：12-16.

[2]陳金川，郭繼孚，張德欣，李春艷.基于出行行為的北京市奧運公園交通模型[J].道路交通與安全，2005，（7）：27-31.

[3]雋志才，李志瑤，宗芳.基于活動鏈的出行需求預測方法綜述[J].公路交通科技，2005，5（3）：108-113.

[4]石瓊，吳群琪.從英國小汽車短距離出行行為看我國城市交通[J].交通戰(zhàn)略與政策，2004，2（4）：15-18.

作者簡介：盧笑（1993.03—），女，山東魚臺人，職務/職稱：學生，學歷：本科，單位：重慶交通大學，研究方向：交通運輸工程。