基于非集计模型的居民慢行出行方式选择研究

潘应久，李 运，刘劲宏

（长安大学公路学院，陕西西安 710064）

作者简介：潘应久（1990－），男，长安大学公路学院硕士研究生，交通运输规划与管理专业。

李 运（1990－），男，长安大学公路学院硕士研究生，交通运输工程专业。

刘劲宏（1990－），女，长安大学公路学院硕士研究生，交通运输工程专业。

摘 要：近年来，随着城市化进程的加快和居民机动车辆拥有数量的增加，城市交通面临着前所未有的挑战，越来了越多的人将目光指向居民绿色出行。为研究我国城市慢行交通和居民慢行出行的发展状况，以西安市高新区为研究对象，对居民的出行行为进行问卷调查，通过对调查数据进行处理，基于非集计模型中的MNL模型，根据高新区实际情况合理确定选择肢，利用SPSS中的多元logistic回归分析建立居民慢行出行选择的模型，并对模型进行参数标定和精确度评价，模型可以比较精确的对居民慢行的交通方式选择做出预测，以便于为城市慢行交通系统的建设和决策提供较为科学的理论指导。

关键词：交通规划；慢行交通；慢行出行选择；非集计模型

Abstract：In recent years，motor vehicle population rise rapidly in our country，so green travel has become a new hot topic．In order to research the slow traffic development of small and medium－sized cities，the paper based on the disaggregate model， in combination with the resident trip survey data in Gaoxin district，Xi’an，to walking，bicycles，electric bicycles，motorcy－cles and buses as for choosing limb，determine related factors as influence variables to set up MNL model about resident slow travel．By using SPSS statistical software to calibrate the model，model parameter values of the influence variables can be ob－tained and the model parameters on the basis of statistic principle and parameter test were analyzed and concludes that the proportion of residents in slow traffic choice．Finally，validate the established model by using the other part of the residents slow traffic investigation data．

Key words：Traffic planning；Slow traffic；Residents slow travel choice；Disaggregate model

1 引言

随着如西安市等大中城市的快速发展，诸如机动车占用公交专用道行驶现象、机动车占用人行道和非机动车道停车现象、机非混行现象等交通问题也愈发严重。这严重影响了居民慢行出行的安全性、便捷性和舒适性。近几年，在“以人为本”的理念引导之下，人们越来越重视慢行交通系统的安全性和公共交通系统的便捷性及舒适性的规划和设计。但就现状来看，慢行交通系统的规划、设计及管理尚未规范划，依然缺乏科学的研究理论作指导。因此，为研究居民对现状慢行交通系统的满意程度及居民慢行出行方式的倾向性，本文基于非集计模型，以西安市高新区为研究对象，对居民的出行行为进行问卷调查，通过对调查数据进行处理，利用SPSS中的多元logistic回归分析建立居民慢行出行选择的模型，并对模型进行参数标定和精确度评价，模型可以比较精确的对居民慢行的交通方式选择做出预测，以便于为城市慢行交通系统的建设和决策提供较为科学的理论指导。

2 非集计模型的概述

非集计模型不同于集计模型需对样本数据进行集计处理，而是直接以单个样本作为基本单位，直接利用个体数据建立模型［1］。在分析和处理离散量时，例如，出行者的交通行为受到其个人属性（职业、年龄等）、家庭属性（经济水平、是否拥有汽车、是否拥有非机动车等）和出行属性（出行距离、出行费用、出行时间等）等多种因素影响，如果按照区别性别、年龄层次对数据进行集计，然后对样本扩大，那么其他属性就会与总体样本分布产生偏差，导致分析结果偏差。本文正是利用非集计模型这一优点结合高新区调研数据进行研究，进而指导相关部门采取有效策略，完善慢行交通体系和公共交通体系，合理调整出行结构，改善城市的交通拥挤现状。

3 模型的建立

3．1 交通调查

通过对西安市高新区慢行交通调查所获得的数据，了解高新区居民的慢行交通特性，以便展开研究。本次研究实质是对居民对于慢行出行方式选择的意愿性研究［1］，因此此次调查采用SP调查法进行数据的收集。

本次调查选取西安市高新区为研究对象，根据调查范围合理分布调查地点，随机选取出行居民作为本次的调研样本。根据本次调查的性质，合理制定《高新区居民慢行出行调查问卷》，共发放500份，经统计分析得到有效问卷425份。以此来建立西安市高新区居民出行数据库，从数据库中随机抽取180个出行者，利用SPSS软件对数据进行处理和多元logistic回归分析，建立居民慢行出行选择模型，并对参数进行标定。

3．2 MNL模型概述

通过对此次研究对象和研究内容的特点进行分析，决定以非集计模型中的MNL模型为基础对以调查数据进行建模分析。MNL模型在0～1之间的选择概率能够满足各选择肢的选择概率，符合研究要求。

MNL模型的效用函数［2］可用下式表示：

Uin＝Vin＋εin 　（1）

其中：Uin为效用函数。Vin为效用函数Uin中的固定项；εin为效用函数Uin中的随机项。Vin与其中包含的影响变量之间有多种关系，通常选取效用函数的形式为线性关系形式［3］，即

其中：K表示特性变量的个数；θk表示第k个变量对应的参数；Xink的含义是第n个出行者选择第i种方案的第k个特性变量［1］。

在MNL模型中，假设（1）式中的随机项与固定项相互独立，并且（1）式是在随机项服从Gumbel分布的前提下推导出来的，即：

式中：Pin表示出行方式的选择概率；i、j为出行方式；Jn为出行方式集合。

运用牛顿拉普松法和极大似然估计法等方法求解，可得到式（2）中的参数θk。代入式（3）即可获得各慢行出行方式的选择概率。

MNL的建模过程如图1所示。

图1 MNL模型的建模过程

3．3 选择肢和影响变量的确定

本文依据对西安市高新区的居民慢行出行调查数据，将居民的慢行出行分为3类，将其作为选择肢，即：步行、自行车／电动车、公交车。i分别取值为1，2，3。

影响因素划分为：个人属性、家庭属性和出行属性［3］。其中个人属性主要包括：年龄、职业、收入、是否拥有城市一卡通等；家庭属性包括：是否拥有摩托车、电动车、自行车等；出行属性主要包括：出行目的、出行距离等。考虑到西安市高新区的经济水平，把步行、自行车／电动车和公交车作为居民出行方式的选择肢，选取年龄、职业、收入、是否拥有城市一卡通、是否拥有自行车／电动车、出行距离、出行目的作为特性变量。影响变量及说明见表1所示。

表1 影响变量及其说明

3．4 模型的建立与参数标定

居民在慢行出行时的慢行出行方式选择与其年龄、职业、收入、是否拥有一卡通、是否拥有自行车／电动车、出行距离、出行目的等7个因素有关。本文选取其作为影响变量，深入研究居民慢行出行方式选择的影响程度。

通过SPSS软件，对居民慢行出行选择进行多项logistic回归分析，本文以步行作为参照类进行建模，并对模型进行标定。模型的标定结果见表2。

表2 模型标定结果

根据模型标定结果，以“步行”作为参照类，可以得到居民慢行出行时选择“自行车／电动车”对“步行”的概率比如下式。

其中，p1表示居民选择“步行”出行的概率；p2表示居民选择“自行车／电动车”的概率；xi（i＝1，2，…，7）分别表示年龄、职业、收入、出行目的、出行距离、是否拥有一卡通、是否拥有自行车这7个影响因素。

居民选择“公交车”对“步行”的概率比如下式。

p1表示居民选择“步行”出行的概率；p3表示居民选择“公交车”的概率；同理，用该式也可以预测居民选择公交车的概率。

4 模型的精度评价与结果分析

4．1 模型的精度评价

Cox和Snell R2指标模型对被解释变量变差解释程度的反映［4］。由于Cox和Snell R2的取值范围不易确定，因此具体应用时不方便。

Nagelkerke R2是修正的Cox和Snell R2，也反映了模型对被解释变量变差解释的程度。Nagelkerke R2的数学定义为：

Nagelkerke R2的取值范围在0－1之间［5－6］。Nagelkerke R2的取值越接近1，则说明模型的拟合优度越高；越接近0，说明模型的拟合优度越低。本文Nagelkerke R2为0．535，可以认为拟合度较好。

Mc Fadden为拟合优度测试指标。其数学定义为：

Mc Fadden的决定系数ρ2的值在0～1之间。理论上ρ2的取值越接近于1，模型的拟合度越好。但是，和回归分析的相关系数不同，ρ2值在0．3～0．5之间，则可以认为拟合度相当理想。本论文所建模型的ρ2值为0．303，Mc Fadden决定系数较高，模型与实际情况相比，拟合度比较理想。

所建立模型的拟合度指标见表3。

表3 模型拟合优度指标

4．2 结果分析

基于对西安市高新区居民出行调查所建立的非集计模型，以“步行”为参考类别对模型结果进行分析。

（1）居民选择自行车或电动车出行的主要影响因素有出行距离和是否拥有自行车／电动车。选择公交车的主要影响因素有出行距离。其他影响因素对居民慢行出行的影响不显著。

（2）其他条件相同时，25～50岁的居民比50岁以上的居民选择自行车／电动车出行多26．795个单位。小于25岁的居民比50岁以上的居民选择自行车／电动车出行多25．034个单位。25～50岁的居民选择公交车出行的概率比率是50岁以上的居民的1．179倍。小于25岁的居民选择公交车出行的概率比率是50岁以上的居民的0．111倍。因此可以看出，相同条件下，50岁以上的居民更倾向于选择步行或公交出行，而小于25岁的居民更倾向于选择自行车、电动车出行。

（3）根据式（4）和式（5），可以对居民的慢行出行选择行为做出预测和判断。例如，一名30岁的事业单位工作人员要采用慢行出行方式去上班，家里有一辆电动车，同时拥有公交一卡通，家距离单位约8km，这名事业单位人员的月薪大约为4000元。那么以上特性对应的取值分别为：x1＝2，x2＝7，x3＝2，x4＝1，x5＝1，x6＝2，x7＝1，分别代入式（4）和式（5），可以得到该居民选择自行车／电动车的概率比为1．576，选择公交车的概率比为1．840。从而可以知道该居民选择自行车／电动车的概率是选择步行的e1．576＝4．836倍；选择公交车的概率是选择步行的e1．840＝6．297倍。即该居民更倾向于选择公交车去上班。

通过以上分析，可以对居民的慢行出行选择行为进行预测，从而可以制定交通政策和管理措施来调整和引导居民慢行出行。比如设置和规范非机动车道、完善公交专用道以及人行道等。通过对MNL模型进行分析可知，完善道路的非机动车道设施及相应管理措施，有利于提高居民的自行车／电动车保有量，从而提高居民非机动车的概率。同时，提高公交车的覆盖率和准点率，促进公交一卡通的普及，会有效增加公交车的分担率。因此，本文所建立的居民慢行出行选择模型可以为制定一系列优化交通方式结构的有效措施提供科学的理论依据。

5 结论

本文以《高新区居民慢行出行调查问卷》所调查的数据为基础，获取居民的出行意向及对慢行出行方式选择的倾向性。根据本文所研究内容，决定选取非集计模型中的MNL模型为基础对调查数据进行分析建模。考虑到西安市高新区的经济发展状况和经济水平，合理选取居民慢行出行的影响因素。利用SPSS的多元Logistic回归分析进行建模，并对模型进行参数标定和有效验证。经过模型的精度评价和结果分析可知，所建立模型拟合精度较高，可以对居民的慢行出行选择行为进行预测，从而可以制定交通政策和管理措施来调整和引导居民慢行出行。

本文所建立的模型能够对居民的慢行交通选择行为进行预测，可以比较精确地预测居民慢行出行的比例，为城市慢行交通规划提供决策依据，以使慢行交通体系的建设趋于科学化、合理化和人性化。但由于实际问题的复杂性和模型的抽象化，在建模过程中仍然有不足之处。例如本文并未对慢行出行的换乘情况考虑在内，如果考虑步行换乘公交、步行换乘公共自行车等换乘因素，可使模型针对居民复杂选择状况时的拟合精度更高，从而可以提高预测的准确性。

6 致谢

在论文的选题、数据的调研以及论文的修改及定稿过程中，每一个环节都离不开导师张生瑞教授耐心和细心的指导。张老师严谨的治学态度、丰富的研究及工作经验让我认识到自身的不足和学习的方向。在数据调研期间，师兄师姐、师弟师妹们都给予了很大的支持和帮助，在此表示诚挚的感谢。

参考文献

［1］ 关宏志．非集计模型——交通行为分析的工具［M］．北京：人民交通出版社，2004．

［2］ 刘炳恩，隽志才，李艳玲等．居民出行方式选择非集计模型的建立［J］．公路交通科技，2008．

［3］ 刘崭，高璇．基于非集计模型的公交出行选择预测模型［J］．公路，2010．

［4］ 殷焕焕，关宏志，秦焕美等．基于非集计模型的居民出行方式选择行为研究［J］．武汉理工大学学报：交通科学与工程版，2010．

［5］ 宗刚，刘文芝，张超等．基于家庭决策的出行方式选择非集计模型［J］．湖南大学学报：自然科学版，2013．

［6］ 康拥政．基于居民出行需求的公交线网优化模型研究．铁道运输与经济［J］，2006．