基于SEM-Logit整合模型的旅游鐵路交通出行分擔率預測

仇智勇，岳鑫，周建堯*，段冉冉

1.中國中鐵二院工程集團有限責任公司 交通與城市規(guī)劃設計研究院，四川 成都 610031;2.西南交通大學 交通運輸與物流學院，四川 成都 611756

0 引言

都江堰至四姑娘山山地旅游鐵路是全國首個山地旅游軌道交通項目，具有旅游、扶貧、交通出行等多種示范性意義。隨著社會經(jīng)濟的發(fā)展，旅游出行需求日益旺盛，旅游交通規(guī)劃與管理逐漸引起交通行業(yè)的關注和重視[1-2]。旅游鐵路是以服務旅游出行為主導，通過串聯(lián)沿線旅游資源帶動經(jīng)濟效益提升為目的，為銜接旅游目的地進行觀光、游覽、休閑、娛樂等活動而提供交通運輸服務的客運專線鐵路，通?？梢岳脴?gòu)建離散選擇(Logit)模型的方法分析旅游鐵路出行方式的影響因素。

旅游出行行為最突出的特點是旅游者個體的復雜性和旅游活動的隨機性，因此需要把握旅游出行的獨特需求及特征，剖析旅游人群的出行方式選擇機理，分析影響旅游鐵路選擇概率的關鍵因素，保證旅游鐵路規(guī)劃工作的科學性。

現(xiàn)有旅游交通客流預測的相關研究主要從旅游交通定義、旅游出行特征、客流預測分析框架等方面展開，旅游出行方式選擇機理主要借鑒城市內(nèi)出行、城市對外出行交通方式選擇預測的非集計模型[3-5]。關宏志等[6]分別從廣義和狹義角度對旅游交通進行界定，提出旅游交通規(guī)劃的基本理論及方法。徐海靜[7]通過分析影響旅游交通出行的景區(qū)、游客、交通阻抗3類主要因素，結(jié)合旅游交通出行特征建立一套適用于旅游交通出行需求預測的四階段法基本框架。Ding等[8]根據(jù)游客個人屬性和旅游出行數(shù)據(jù)，對游客進行聚類分析，研究游客公共交通和私家車的選擇行為。李國芳等[9]以旅游交通為切入點，建立分層Logit模型對成都市游客的交通出行選擇進行量化研究。

相比通勤出行，旅游出行不僅考慮出行時間和出行成本，更多的向觀光、舒適、接駁便捷等需求轉(zhuǎn)移[10-11]。Logit模型在分析市內(nèi)通勤出行交通方式選擇中具有強有效的解釋能力，但無法考慮難以直接觀測的態(tài)度感知(如舒適度、方便程度等)對旅客出行決策行為的影響，許多研究在原有Logit模型的基礎上引入結(jié)構(gòu)方程模型(structural equation modeling，SEM),以期在出行方式劃分預測效果上實現(xiàn)優(yōu)化改善。葉玉玲等[12]在解析城際出行鏈的基礎上，將心理潛變量引入Logit模型，構(gòu)建SEM-Logit模型分析城際出行方式的選擇。Si[13]等構(gòu)建SEM-Logit模型分析乘客對出租車和網(wǎng)約車2種交通方式的選擇行為，表明便利性、經(jīng)濟性等潛變量會顯著影響乘客的出行方式選擇行為，且引入潛變量的模型解釋能力更優(yōu)。

現(xiàn)有關于旅游出行行為的研究較為分散，并未針對旅游客流人群的特殊性來剖析旅游出行對舒適、觀光等追求“旅”的娛樂需求特征，缺乏剖析旅游鐵路這種“新”的旅游出行方式帶來的沖擊和影響。都江堰到四姑娘山旅游鐵路正處于規(guī)劃階段，在此背景下，本文考慮旅游出行人群“旅”的需求特征，構(gòu)建SEM-Logit模型；并設計行為偏好(revealed preference，RP)問卷分析旅游需求特征，將SEM-Logit模型應用到都江堰到四姑娘山旅游通道，預測旅游交通方式的分擔率，為旅游鐵路規(guī)劃提供支撐和借鑒。

1 影響旅游出行方式選擇的因素

為了描述主觀因素在出行者決策過程中的影響，出行方式選擇行為模型不僅應包括確定的顯因素，還應包括無法直接測量的因素(如出行者人格特質(zhì)、感知、態(tài)度等)，即潛變量。針對出行選擇行為潛變量的選擇，城市出行和城際出行研究中一般選擇經(jīng)濟性、安全性、方便性、可靠性等描述出行者的態(tài)度感知[12-17]。旅游出行在便捷接駁方面比通用交通要求更高，且追求“旅”的過程的娛樂性，有關調(diào)查結(jié)果顯示，觀光和休閑度假是旅游的主要目的。

為體現(xiàn)旅游出行獨特的需求特征，本文選取便捷性、舒適性和觀光性作為潛變量，探究其對旅游出行方式選擇的影響[18]。

1)舒適性

旅游出行應該是一個放松、享受的過程，對出行過程的舒適性感知要求較高。旅游出行的舒適性主要通過乘坐的交通工具以及出行過程中所享受到的服務來體現(xiàn)。

2)觀光性

游客出行過程中主要通過觀看電子產(chǎn)品、休息和觀看沿途風景等打發(fā)時間，沿途優(yōu)美的風景會增加游客旅游的愉悅感，減少出行疲憊感和無聊感。旅游出行的觀光性主要通過游客對車外自然風光視覺感受的滿意程度來衡量。

3)便捷性

旅游景點(尤其是特色風景區(qū))的地理位置大多不在城市中心，通達旅游景點的交通方式較少，到達旅游景區(qū)交通方式的便捷程度也是影響游客出行方式選擇的重要因素。便捷性主要包括游客對景區(qū)的可達性、交通接駁是否方便等方面的滿意程度。

潛變量無法直接度量，為觀測便捷性、舒適性和觀光性3個潛變量，設計可觀測變量來間接觀測影響旅游出行方式選擇的潛變量，并通過構(gòu)建SEM模型來描述潛變量與觀測變量之間的相關關系。觀測變量的問題設置和特性描述如表1所示。

表1 潛變量與對應的觀測變量及特性描述

2 SEM-Logit整合模型

本文從出行需求出發(fā)，借鑒已有研究，在考慮影響出行方式選擇易觀察的顯變量基礎上，同時考慮無法直接觀測的潛變量對旅游鐵路出行選擇的影響，構(gòu)建SEM-Logit整合模型研究旅游出行方式選擇行為，進一步預測各交通出行方式的分擔率[19]。其中SEM主要用于描述出行方式選擇潛變量與其對應的觀測變量之間、潛變量與顯變量之間的相關關系，Logit模型用于表示選擇某一出行方案的概率與影響該決策的潛變量、顯變量之間的非線性函數(shù)關系[20-21]。

2.1 Logit模型

傳統(tǒng)Logit模型假設出行者為理性人，能夠感知選擇枝相關的全部信息，并選擇效用最大的方案，出行方案效用通過一個固定項和一個隨機誤差項εin來反映。但傳統(tǒng)Logit模型并未考慮影響出行選擇行為的出行態(tài)度等潛變量。本文為描述潛變量對出行總效用的影響，將潛變量添加進固定項，使效用函數(shù)既包括出行者個人屬性(性別、年齡、收入)、出行方式屬性(費用、時間)顯變量，又涵蓋出行態(tài)度感知潛變量，提高模型的解釋力。改進的Logit模型的效用函數(shù)[22]

(1)

式中：i為選擇方案，n為出行者個數(shù)，l為出行者個人可直接觀測特性的個數(shù)，q為出行方式可直接觀測特性的個數(shù)，k為潛變量個數(shù)，siln為出行者個人可直接觀測特性顯變量，ziqn為出行方式可直接觀測特性顯變量，ηikn為潛變量，ail、biq、cik為待估參數(shù)[23]。

構(gòu)建考慮潛變量的Logit模型出行方式選擇函數(shù)

式中：Uin、Ujn分別為出行方案i和j的效用；din=0表示出行者n不選擇方案i，din=1表示出行者n選擇方案i；An為出行方案的集合。

2.2 SEM-Logit整合模型

式(1)中ηikn是未知量，根據(jù)SEM模型理論，ηikn由出行者個人特性變量的全部或者一部分表示，同時，ηikn可通過其對應的一系列觀測指標變量yitn來描述，有：

(2)

(3)

式中：r為與潛變量存在相互關系的顯變量個數(shù)，t為潛變量對應的觀測變量個數(shù)，xirn為與潛變量存在相互關系的顯變量，λikn為待估計的潛變量適配系數(shù),γikt為待估中間參數(shù)，ζikn為觀測變量誤差，ξitn為中間變量誤差。

式(1)中的εin不可觀測，由許多對選擇方案影響較小的誤差組成，用來解釋未包括在模型中的變量，假設εin服從Gumbel分布，根據(jù)效用最大化理論，出行者選擇方案i的概率[24]

(4)

2.3 模型求解

本文采用統(tǒng)計產(chǎn)品與服務解決方案(statistical product and serlice solutions,SPSS)、Amos及交通規(guī)劃與需求預測(TransCAD)軟件完成模型的求解，具體步驟為：

1)人群分類

研究發(fā)現(xiàn)，外地游客與本地游客的游玩時間安排、游覽線路及客流量穩(wěn)定性等方面均存在差異[25]。本地游客由于居住地的地理位置優(yōu)勢，對旅游的安排更具有隨意性，可實現(xiàn)即游玩即返回，對出行方式的費用感知、舒適性追求等旅游出行需求不同于外地游客。為區(qū)分不同來源地游客的個人選擇偏好，并確保模型的準確性，需要將調(diào)查數(shù)據(jù)按照來源地(本地游客、外地游客)進行分類。

2)估計SEM

將調(diào)查問卷所得原始數(shù)據(jù)輸入SPSS，根據(jù)原始數(shù)據(jù)在Amos軟件中建立SEM的觀測變量、顯變量和潛變量之間的假設邏輯關系。在Amos軟件中點擊運行可得路徑系數(shù)的估計結(jié)果，對路徑系數(shù)進行標準化處理得到各潛變量的適配系數(shù)λikn。

3)求解SEM-Logit模型

將出行者個人屬性、出行方式屬性及步驟2)估計得到的潛變量適配系數(shù)數(shù)據(jù)導入到TransCAD，求出式(1)(4)各變量的系數(shù)。

4)模型檢驗

對模型進行t檢驗，如果t檢驗值的絕對值大于1.96，則有95%的把握認為變量對選擇結(jié)果產(chǎn)生影響，說明模型的精度較高；否則認為變量不會對選擇結(jié)果產(chǎn)生影響，應該將該變量從Logit 模型中剔除，返回步驟3)，重新估計變量系數(shù)及計算t值，直到所有變量的t值均滿足要求為止。

5)方式劃分預測

基于預測年的經(jīng)濟發(fā)展情況及交通規(guī)劃需求，對相關變量進行調(diào)整，在TransCAD中運行估計好的模型即可實現(xiàn)各交通方式客流量的分擔比預測。

3 實例分析

3.1 問卷調(diào)查與數(shù)據(jù)分析

以都江堰至四姑娘山旅游鐵路沿線通道景區(qū)的游客為研究對象，設計RP問卷研究旅游交通方式選擇行為，從而預測旅游出行方式的分擔率。目前，前往沿線通道景區(qū)的交通方式仍以公路為主，未來隨著旅游鐵路的建設運營，旅游客流的出行方式會更加多樣化，主要考慮旅游鐵路、旅游巴士、小汽車3種交通方式，分析旅游鐵路建設導致的交通方式分擔率的變化。問卷共包含與出行者個人屬性變量、出行方案特性變量和個人態(tài)度感知潛變量有關的因素。出行者個人屬性變量分別包括性別、年齡和收入；出行方案特性變量分別為費用和車內(nèi)時間；潛變量分別為舒適度、觀光性和便捷性。旅游鐵路、小汽車、旅游巴士3種交通方式所需時間分別為2.0、4.0、4.1 h，每人所需費用分別為200、120、80元。

調(diào)查共回收有效問卷1000份，其中，外地游客問卷520份，本地游客問卷為480份，滿足模型構(gòu)建的數(shù)據(jù)樣本量要求。

3.2 模型預測結(jié)果

利用外地和本地兩類不同來源地的游客數(shù)據(jù)進行模型參數(shù)估計和預測。在Aoms軟件中構(gòu)建SEM模型的假設邏輯關系，即個人屬性變量、潛變量和其觀測變量之間的假設邏輯關系，如圖1所示，圖中e1～e12為相應觀測變量誤差，即為式(2)中的ζikn。

通過SPSS軟件將獲得的520份本地游客和480份外地游客調(diào)查數(shù)據(jù)(包括個人屬性數(shù)據(jù)、潛變量對應的各觀測變量數(shù)據(jù))加載到SEM模型，在Amos軟件中點擊運行可得路徑系數(shù)的估計結(jié)果，再點擊標準化，即可得到適配系數(shù)。圖1為以外地游客為例的模型分析結(jié)果，箭頭上數(shù)字為路徑系數(shù)，表示各觀測變量與潛變量相應的影響程度，數(shù)值越大影響程度越大。

圖1 旅游鐵路出行選擇SEM模型預測結(jié)果

旅游鐵路、旅游巴士、小汽車3交通方式對應的潛變量與其觀測變量之間的路徑系數(shù)如表2所示，以旅游鐵路出行方式為例，舒適性潛變量與其觀測變量的路徑系數(shù)分別為0.62、0.61和0.58，在Amos軟件中將路徑系數(shù)標準化處理后，得到的適配系數(shù)分別為0.343、0.337、0.320，同理可得其余2個潛變量的適配系數(shù)；在α=0.05的顯著性水平下3個潛變量的t檢驗值的絕對值均大于1.96，說明模型精度較高。

表2 觀測變量與潛變量的影響關系

由式(2)(3)及表2可得旅游鐵路舒適性、觀光性和便捷性的潛變量分別為：

η11n=0.343y11n+0.337y12n+0.320y13n，

(5)

η12n=0.301y14n+0.358y15n+0.341y16n，

(6)

η13n=0.337y17n+0.346y18n+0.317y19n。

(7)

同理可得旅游巴士舒適性、觀光性和便捷性的潛變量η21n、η22n、η23n、η31n、η32n、η33n。

在TransCAD中構(gòu)建包含旅游鐵路、旅游巴士和小汽車3個選擇枝的選擇構(gòu)架，并對各屬性變量進行定義，由式(1)可得各選擇枝的效用函數(shù)

U1n=α1+a11s11n+a12s12n+a13s13n+b1z11n+b2z12n+c1η11n+c2η12n+c3η13n，

(8)

U2n=α2+b1z21n+b2z22n+c1η21n+c2η22n+c3η23n，

(9)

U3n=b1z31n+b2z32n+c1η31n+c2η32n+c3η33n。

(10)

將各個潛變量(式(5)～(7))及調(diào)查問卷得到的旅客性別、年齡、收入及所選交通方式的費用和時間代入到TransCAD軟件中，求解模型可得旅游鐵路和旅游巴士的常數(shù)項變量α1、α2估計值以及其他各參數(shù)值，帶入式(8)～(10)得旅游鐵路、旅游巴士和小汽車最終的效用函數(shù)分別為：

(11)

(12)

(13)

模型估計完成后對模型精度進行t檢驗，所有屬性變量t檢驗的絕對值均大于1.96，各屬性變量對選擇結(jié)果均產(chǎn)生影響，模型顯著有效。

3.3 旅游出行方式分擔率預測

基于2022年交通與經(jīng)濟的適應情況，調(diào)整旅游鐵路的費用為220元、時間為1.5 h，將調(diào)整后的數(shù)據(jù)導入TransCAD軟件中，由式(11)～(13)計算得到各交通方式的效用函數(shù)值，利用式(5)計算外地游客對交通方式的選擇概率，即2022年旅游鐵路、旅游巴士、小汽車的分擔率分別為51.22%、19.69%、29.09%。

同理，得到針對本地游客預測的2022年旅游鐵路、旅游巴士、小汽車的分擔率分別為35.19%、18.56%、46.25%。最后，根據(jù)外地游客和本地游客的調(diào)查樣本數(shù)量，確定兩類游客的權重分別為0.52和0.48，對兩類游客預測得到的交通出行方式分擔比進行加權平均，得到2022年旅游鐵路、旅游巴士、小汽車的分擔率分別為43.52%、19.15%和37.33%。

4 結(jié)語

基于旅游出行的特性需求，綜合考慮易觀察的個人社會經(jīng)濟特性、交通方式屬性和不易直接測量的舒適性、觀光性、便捷性潛變量對出行方式選擇的影響，構(gòu)建SEM-Logit旅游鐵路出行選擇模型以預測都江堰至四姑娘山旅游鐵路的出行需求。

基于SEM-Logit模型，當旅游鐵路的票價設定為220元時，計算得到2020年旅游鐵路、旅游巴士、小汽車的分擔率分別為43.52%、19.15%和37.33%。充分表明都江堰至四姑娘山旅游鐵路能夠在實現(xiàn)游客與景區(qū)間快速直達的基礎上，提高游客出行的總體滿意度，對推動沿線旅游服務業(yè)的發(fā)展和提高沿線居民生活水平具有重要的實際意義，預測結(jié)果可為處于規(guī)劃階段的都江堰到四姑娘山旅游鐵路的項目建設提供參考。