基于MNL的智能網(wǎng)聯(lián)環(huán)境下乘客出行方式選擇研究

梁 爽

（華設(shè)設(shè)計(jì)集團(tuán)股份有限公司,江蘇 南京 210008）

0 引言

隨著數(shù)字技術(shù)持續(xù)發(fā)展，交通基礎(chǔ)設(shè)施數(shù)字化水平快速提升，公交信息化建設(shè)試點(diǎn)逐步推進(jìn)，公共交通服務(wù)由單一的定點(diǎn)定線式服務(wù)向可變線路式、需求響應(yīng)式等多元化的服務(wù)發(fā)展，乘客可獲取的公交信息也從靜態(tài)的公交途經(jīng)站點(diǎn)信息向動(dòng)態(tài)的公交實(shí)時(shí)到站信息轉(zhuǎn)變。已有學(xué)者研究表明[1-4]，隨乘客可獲取的實(shí)時(shí)信息量增長(zhǎng)，乘客出行行為將發(fā)生改變。為充分了解乘客在不同情景下的出行選擇傾向，保證公共交通資源合理分配，該文以智能網(wǎng)聯(lián)環(huán)境為前提，研究乘客的出行方式選擇模型。

近年來(lái)，在出行方式選擇模型研究中，學(xué)者多采用MNL（Multi-nominal Logit）或 NL（Nested Logit）等非集計(jì)模型為原型，并取得了豐富的研究成果。王茁[5]等以出行費(fèi)用、出行時(shí)間、出行擁擠率、社會(huì)經(jīng)濟(jì)屬性為影響因素，建立了基于MNL模型的公交、快速公交、軌道交通的出行方式選擇模型；逯婷婷[6]提出將居民出行次數(shù)、出行目的地、出行方式聯(lián)合的三層NL模型，提升居民出行選擇模型精度；任茜[7]引入了潛變量概念，完成了針對(duì)常規(guī)公交和地鐵出行方式的基于隨機(jī)參數(shù)logit模型的出行選擇模型構(gòu)建。考慮到MNL模型所具有的廣泛適用性和穩(wěn)定性，該文選擇以安全、快捷、經(jīng)濟(jì)、方便為考慮因素，在RP（Revealed Preference）和SP（Stated Preference）調(diào)查的基礎(chǔ)上，構(gòu)建基于MNL的智能網(wǎng)聯(lián)環(huán)境下乘客出行方式選擇模型。

1 調(diào)查問(wèn)卷設(shè)計(jì)

1.1 設(shè)計(jì)思路

鑒于智能網(wǎng)聯(lián)環(huán)境尚未實(shí)現(xiàn)，問(wèn)卷調(diào)查方案采取RP調(diào)查和SP調(diào)查相結(jié)合的方式以保證收集到的數(shù)據(jù)相對(duì)真實(shí)，且可適用于模擬未來(lái)智能網(wǎng)聯(lián)環(huán)境下乘客出行選擇行為研究。

1.2 RP調(diào)查內(nèi)容

RP調(diào)查選擇詢問(wèn)其日常出行所選擇的出行方式及相對(duì)應(yīng)的影響因素，出行方式以汽車、常規(guī)公交、地鐵、騎行、步行為代表，影響因素以步行時(shí)間、等車時(shí)間、車上時(shí)間、行程費(fèi)用為代表，以此確定SP調(diào)查內(nèi)容中對(duì)各出行方式影響因素的描述。

1.3 SP調(diào)查內(nèi)容

通過(guò)RP調(diào)查，發(fā)現(xiàn)大部分受訪者選擇步行、騎行的場(chǎng)景與汽車、常規(guī)公交等車行場(chǎng)景不重疊，同時(shí)，考慮到步行、騎行受智能網(wǎng)聯(lián)環(huán)境影響小。因此，忽略步行與騎行，僅選擇現(xiàn)有常規(guī)公交、智能網(wǎng)聯(lián)環(huán)境下的新型公交和駕車出行作為場(chǎng)景描述的交通方式，以RP調(diào)查為基礎(chǔ)進(jìn)行影響因素描述，請(qǐng)求受訪者在場(chǎng)景中選擇最有可能選擇的出行方式，描述基于事實(shí)，具體描述見(jiàn)表1。

為簡(jiǎn)化場(chǎng)景，保證場(chǎng)景設(shè)置的合理性，該文選用正交實(shí)驗(yàn)法，將表1對(duì)于各出行方式影響因素的描述轉(zhuǎn)化為正交設(shè)計(jì)表所需的因數(shù)與水平數(shù)，如表2所示。設(shè)置隨機(jī)數(shù)種子為1 000，運(yùn)用SPSS軟件生成25個(gè)場(chǎng)景的正交表。

表1 各出行方式的影響因素描述

表2 各交通方式影響因素的正交表

考慮到過(guò)量場(chǎng)景調(diào)查會(huì)顯著影響受訪者的判斷力，進(jìn)而干擾到調(diào)查結(jié)果。因此，選擇一個(gè)受訪者接受5個(gè)場(chǎng)景調(diào)查，且調(diào)查時(shí)隱去交通方式名稱，以便受訪者不受日常出行習(xí)慣或某一交通方式的刻板印象約束，以場(chǎng)景描述的影響因素為唯一評(píng)判標(biāo)準(zhǔn)，進(jìn)行出行方式選擇。問(wèn)卷調(diào)查中具體場(chǎng)景顯示如表3所示。同時(shí)，為保障各選項(xiàng)間的獨(dú)立性，問(wèn)卷調(diào)查時(shí)隱去交通方式名稱，使受訪者僅憑提供的交通方式特性選擇出行。

表3 乘客交通方式選擇場(chǎng)景樣本

1.4 調(diào)查結(jié)果

該文選用網(wǎng)絡(luò)調(diào)查形式，于2020年1月開(kāi)展調(diào)查，于2020年3月結(jié)束調(diào)查，共收集問(wèn)卷212份，排除問(wèn)卷調(diào)查中填寫信息不全的受訪者，剩余有效問(wèn)卷163份，獲得815個(gè)場(chǎng)景樣本。

在受訪者中，男女占比均衡，其中，男性占47.78%，女性占52.22%；年齡分布集中于20～60歲人群，其中，年齡在20～40歲占53.33%，在41～60歲占42.44%。

受訪者日常通勤出行步行時(shí)間集中在1～10 min，有部分在10～30 min，呈現(xiàn)出由1～5 min區(qū)段向大于30 min區(qū)段遞減的態(tài)勢(shì)；其等車時(shí)間分布，亦呈現(xiàn)出由1～10 min向大于30 min遞減的態(tài)勢(shì)；車內(nèi)時(shí)間分布則集中在30～60 min。

受訪者周末休閑出行步行時(shí)間集中在5～15 min，呈現(xiàn)出5～15 min區(qū)段向1～5 min和大于30 min遞減的態(tài)勢(shì)；其等車時(shí)間分布，則呈現(xiàn)由1～10 min向大于30 min遞減的態(tài)勢(shì)；車內(nèi)時(shí)間分布則集中在15～30 min。

綜上，可以預(yù)見(jiàn)若將步行時(shí)間和等車時(shí)間分別縮短至10 min以內(nèi)，花費(fèi)適中、出行舒適的新型公交相較于常規(guī)公交和駕車出行會(huì)獲得乘客青睞。

2 模型構(gòu)建

2.1 基礎(chǔ)假設(shè)和原理

該文做出以下假定以完成模型建立：

（1）為使模型適用范圍更廣，假設(shè)交通方式的效用僅與出行服務(wù)質(zhì)量有關(guān)，與乘客個(gè)體特性無(wú)關(guān)。

（2）假設(shè)模型隨機(jī)效用函數(shù)ε服從二重指數(shù)分布（Gumbel distribution）。

在此假定下，模型效用模型表示為：

式中，Vij——確定變量構(gòu)成的效用；εij——隨機(jī)變量，服從Gumbel分布。

j類交通方式被乘客i選擇的概率可表示為：

根據(jù)情景設(shè)計(jì)，模型的效用函數(shù)可以進(jìn)一步表示為不考慮交通方式具有差異性和考慮交通方式差異性兩種。若不考慮交通方式具有差異性，模型效用函數(shù)表示為：

式中，β0，β1，…β4—— 對(duì)應(yīng)效用的參數(shù)；Kij、Aij、Tij、Cij——受訪者i在j交通方式下步行時(shí)間、等車時(shí)間、車上時(shí)間和花費(fèi)。

若考慮交通方式差異性，模型效用函數(shù)表示為：

式中，β0j，β1j，…β4j—— 交通方式j(luò)對(duì)應(yīng)效用的參數(shù)；Kij、Aij、Tij、Cij——受訪者i在j交通方式下步行時(shí)間、等車時(shí)間、車上時(shí)間和花費(fèi)。

2.2 模型參數(shù)標(biāo)定

運(yùn)用NLOGIT5.0，將兩個(gè)效用函數(shù)分別代入多項(xiàng)Logit模型進(jìn)行計(jì)算，計(jì)算結(jié)果見(jiàn)表4、表5。

表4 不考慮交通方式差異性MNL模型回歸結(jié)果

表5 考慮交通方式差異性MNL模型回歸結(jié)果

續(xù)表5 考慮交通方式差異性MNL模型回歸結(jié)果

如表4所示，模型中步行時(shí)間、等待時(shí)間、車內(nèi)時(shí)間均顯著影響因變量，而花費(fèi)僅為較顯著影響因變量。該文綜合分析認(rèn)為是因?yàn)槠囓噧?nèi)時(shí)間與花費(fèi)直接相關(guān)，從而導(dǎo)致車內(nèi)時(shí)間一定程度上已代表花費(fèi)。

如表5所示，模型中汽車各項(xiàng)參數(shù)對(duì)因變量的影響均不顯著，是由于在智能網(wǎng)聯(lián)環(huán)境下，新型公共交通與汽車的出行服務(wù)質(zhì)量差距得到極大的縮減，出行花費(fèi)成為受訪者出行主要考慮因素，汽車出行的高花費(fèi)使得較少人選擇汽車出行；而常規(guī)公交的車內(nèi)時(shí)間和新型公交的車內(nèi)時(shí)間對(duì)因變量影響的不顯著，也是由于受訪者關(guān)注花費(fèi)而忽略了車內(nèi)時(shí)間的增加。同樣，對(duì)于新型公交步行時(shí)間、等待時(shí)間、花費(fèi)對(duì)因變量?jī)H有一定的影響程度，也是因?yàn)樾滦凸患俣ㄔ谥悄芫W(wǎng)聯(lián)環(huán)境下，可將受訪者的步行時(shí)間和等待時(shí)間控制在5 min以內(nèi)，任意選項(xiàng)均在受訪者可接受范圍內(nèi)，花費(fèi)成為受訪者主要考慮因素，當(dāng)花費(fèi)增長(zhǎng)量在受訪者出行預(yù)期內(nèi)時(shí)，受訪者就更傾向于選擇新型公交。

綜上，在未給定受訪者出行目的的情景下，步行時(shí)間、等待時(shí)間、車內(nèi)時(shí)間、花費(fèi)均會(huì)影響受訪者選擇，過(guò)高的出行花費(fèi)會(huì)制約受訪者選擇汽車出行。受訪者愿意付出一定的時(shí)間成本去獲得出行花費(fèi)的急劇下降，而一定范圍內(nèi)的花費(fèi)增長(zhǎng)則不會(huì)影響受訪者對(duì)于交通方式的選擇，受訪者仍傾向于選擇步行時(shí)間、等待時(shí)間綜合考慮較好的選項(xiàng)。

2.3 模型擬合優(yōu)度檢驗(yàn)

運(yùn)用NLOGIT5.0，分別計(jì)算兩個(gè)效用函數(shù)的擬合優(yōu)度，計(jì)算結(jié)果見(jiàn)表6。

表6 不考慮及考慮交通方式差異性MNL模型擬合優(yōu)度

進(jìn)一步檢驗(yàn)?zāi)Ｐ偷南鄬?duì)擬合優(yōu)度，運(yùn)用對(duì)數(shù)似然函數(shù)值進(jìn)行相似比判別（LL ratio-test），判別公式表示為：

式中，n——基礎(chǔ)多項(xiàng)Logit模型的參數(shù)數(shù)目；m——建立的Logit模型參數(shù)數(shù)目；LLbase——基礎(chǔ)多項(xiàng)Logit對(duì)數(shù)似然函數(shù)值；LLestimated——建立的Logit模型對(duì)數(shù)似然函數(shù)值。

計(jì)算結(jié)果見(jiàn)表7所示。

表7 相對(duì)擬合優(yōu)度計(jì)算

由表6可知模型擬合優(yōu)度中偽R方分別為0.062 6和0.080 2，模型總體擬合優(yōu)度不高。相較于過(guò)往學(xué)者對(duì)于交通方式MNL模型劃定，新建模型因未考慮受訪者個(gè)體屬性。如受訪者個(gè)體收入、工作、年齡等影響受訪者個(gè)人選擇的個(gè)體屬性。因此，無(wú)法解釋同一情景下，受訪者的不同選擇，與統(tǒng)計(jì)數(shù)據(jù)相比，模型總體擬合優(yōu)度不高。但由表7相對(duì)擬合優(yōu)度結(jié)果可發(fā)現(xiàn)，相較于基礎(chǔ)對(duì)數(shù)似然函數(shù)比-392.617 47，建立模型相較于基礎(chǔ)模型分別新增參數(shù)3個(gè)、9個(gè)，模型相對(duì)擬合優(yōu)度高，模型仍可較好反映乘客出行選擇，作為未來(lái)智能網(wǎng)聯(lián)環(huán)境下公共交通資源分配依據(jù)。

3 結(jié)論

該文以智能網(wǎng)聯(lián)環(huán)境，乘客可獲取全部公交信息為前提，針對(duì)現(xiàn)有可變線路式、需求響應(yīng)式等新型公共交通方式特點(diǎn)，設(shè)計(jì)調(diào)查問(wèn)卷，完成了基于問(wèn)卷數(shù)據(jù)的乘客出行選擇模型構(gòu)建。模型雖因未考慮被調(diào)研者個(gè)體性別、年齡、收入等差異導(dǎo)致總體擬合優(yōu)度不佳，但其相對(duì)擬合優(yōu)度顯著，模型可適用于未來(lái)多數(shù)情況下乘客出行選擇行為預(yù)測(cè)，并可輔助未來(lái)公共交通資源分配決策。