基于出行鏈的有車家庭假日出行方式組合研究＊

趙 昕 關宏志 劉詩序

（北京工業大學交通工程北京市重點實驗室 北京 100124）

假日出行者為了在有限的時間內，實現更多的活動需求，傾向于將多個活動用出行鏈進行鏈接.出行鏈可以很好地刻畫出行者活動、出行的選擇和順序，體現其交通出行的動態性.出行鏈的研究方法近年來得到了較大的關注，在國內外研究學者的努力下該方法得到了很大的發展，在出行鏈與出行關系方面：Xin Ye［1］分別使用recursive bivariate probit模型和simultaneous logit模型研究出行模式選擇和出行鏈復雜性之間的關系.對比2種模型結果發現，無論工作鏈還是非工作鏈出行復雜程度對于出行模式選擇都具有決定性的影響，也就是說活動的復雜性決定了出行模式的選擇.并且認為出行鏈復雜性構成了公交出行的障礙.該結論與David A.Hensher［2］針對悉尼居民出行研究較為吻合，David A.Hensher認為當出行鏈由簡單到復雜，出行者從公交中獲得的效用將減小，因此認為復雜出行鏈接行為構成了公交出行的障礙.在這方面國內學者也有研究，欒琨［3］等使用nested logit模型對通勤者出行方式和出行鏈選擇行為進行了分析，結果表明，出行方式選擇和鏈類型選擇之間不是單向的影響關系，而是雙方向的影響關系.Frank Primerano［4］研究發現出行方式、活動類型、出行時間、年齡、性別、車輛擁有情況、家庭類型等與出行鏈復雜程度具有相關性.本文以有車家庭出行者假日出行鏈作為研究對象，將出行鏈屬性劃分為鏈中包含往返行程數量、鏈中是否包括通勤目的和鏈復雜性、出行鏈時間合計和費用合計等幾個方面屬性，并根據是否使用私家車出行將鏈中出行方式組合類型劃分為3類，重點分析出行鏈的以上幾方面屬性對于出行方式組合的影響.

1 出行鏈

1.1 出行鏈類型劃分

出行鏈描述的是居民從家出發再返回家這樣一個過程，過程中包含大量的時間、空間、方式和活動類型信息，而且這些信息之間是相互聯系和相互作用的，圖1為典型的居民一日出行鏈.

本研究將出行鏈定義為：以家作為起點和終點，以參與一項或多項活動為目的，并按照活動發生的時間順序將活動鏈接起來的閉合鏈.參與一項活動為簡單鏈，參與活動不少于2項的為復雜鏈.

圖1 出行鏈示意圖

本研究的背景為假日出行，主要研究不同數量的工作活動和非工作活動對出行方式的影響，本文對出行鏈的分類采用Strathman和Dueker［5］的方法.將活動分為通勤活動（工作、上學）和非通勤活動2個大類，并進一步區分是簡單出行還是復雜出行.將出行鏈類型定義為如下5種類型：1型簡單通勤鏈（hwh）；2型單非通勤鏈（hoh）；3型復雜通勤鏈（hw…wh）；4型復雜通勤混合鏈（howoh）；5型復雜非通勤鏈（ho…oh）.其中，h表示家，w表示通勤活動，o表示非通勤活動.

1.2 往返行程

一次以家為起點的出行經歷若干個活動后再次回到家中的整個過程稱為一個往返行程，在出行者一日出行鏈中包含一個或多個往返行程.本文將出行者一日中的全部出行作為一條出行鏈，在一條出行鏈中可以有一個或者多個往返行程.本文假設往返行程數量對于出行方式組合是有影響的.

2 出行方式組合建模分析

2.1 模型的構建

根據隨機效用理論，不同的出行方式會對出行者產生某種效用，出行者在特定條件下選擇其所認知的出行方式選擇中效用最大的方案.并且選擇某出行方式的效用因該方式特性和出行者的主體特性等因素而異.假設出行者n的出行方式選擇方案集合為An，選擇其中第i種出行方式的效用函數為［6］

假設效用函數中的隨機項服從二重指數分布（gumbel distribution），可以得到第n個個體選擇i種活動模式的概率，即

2.2 選擇肢的確定

本文研究對象為有私家車的家庭成員，研究目的是確定哪些屬性會對出行鏈中的出行方式組合產生影響，進一步確定影響有車家庭私家車使用的因素.因此，在確定選擇枝時根據是否使用私家車和是否有多種出行方式來進行分類，可分為4類：單一私家車方式、單一非私家車方式、混合非私家車方式、混合私家車與非私家車方式.后2種方式數量較少各占總量的3%左右，且出行特征相似，因此進行合并為混合方式1項.最終將選擇枝定為：單一私家車，全部出行均使用私家車出行；單一非私家車，全部出行均使用某一種非私家車的方式出行；混合方式，全部出行中采取2種或2種以上的方式出行，如私家車－公交、步行－出租車，等等.

3 模型的標定及分析

本文利用2009年5月在濟南市城區進行的居民出行調查數據，提取了全部有車家庭周末出行共計1 862次出行，生成出行鏈762條.本次調查共包括了：步行、自行車、電動車、公交車、出租車、私人小汽車和單位班車等在內的7種日常生活中較為常用的交通方式.

根據對相關文獻的梳理以及個屬性與出行方式的相關性分析結果，確定影響出行方式選擇的因素主要有個人屬性、出行屬性和出行鏈屬性三方面.分析這些因素對于出行方式選擇的影響，可以用列聯表檢驗的方法，結果如表1所列.由表1可知，性別、年齡、月收入、是否有月票、是否有駕照、出行次數、往返行程數量、出行鏈類型，時間和費用均對出行方式組合有顯著影響.

表1 各因素的卡方值和相伴概率統計表

經過相關性分析，將變量進行合并.分析時發現出行次數2次、5次、6次具有很高的相關性，所以劃歸為出行次數1類，而出行次數3次和4次具有很高的相關性劃歸為出行次數2類.出行鏈模式1型和5型之間高度相關作為出行鏈模式1，而2，3，4型之間高度相關，作為出行鏈模式2.具體變量設置如表2所列.

表2 模型特性變量

建立出行方式組合選擇模型如表3所列.在結果中剔除了t檢驗值小于1.96的變量X1，X2，X3，X4，X6，X7，X11.保留t檢驗值在1.96以上的參數，說明在95%的置信度上各參數對選擇結果有影響.參數值為正，代表該參數對選擇結果有正影響，也就是出行者越傾向于選擇該交通方式；參數值為負，代表該參數對選擇結果有負影響，也就是出行者越不傾向于選擇該交通方式.

性別的系數為負，說明男性更傾向于采用單一私家車的方式出行，原因可能是由于男性通常是家中的主要經濟來源，對私家車的使用需求超過女性成員.駕照系數為負，說明持有駕照的出行者傾向于不采取單一私家車和混合出行方式.

月收入1系數為正，說明此類出行者更加傾向于單一非私家車方式出行，原因可能是這部分出行者的收入較低，難以負擔私家車的費用.月票系數為正，說明持有月票的出行者更加傾向于單一非私家車方式出行.

以下分析出行鏈屬性對模式選擇的影響：當往返行程數為1時出行者傾向于選擇單一私家車模式和單一非私家車出行模式出行，當往返行程數為2時出行者傾向于采取單一非私家車的方式出行.而往返行程數為3時出行者傾向于采取單一非私家車和混合出行方式.

出行鏈模式1的系數為正，說明簡單通勤鏈、復雜非通勤鏈的出行者在出行中更加傾向于選用多種出行方式的組合.出行鏈模式2的系數為負，說明簡單非通勤鏈、復雜通勤鏈、復雜通勤混合鏈的出行者加傾向于在全天的出行中選擇不使用單一私家車的方式出行.

根據以上分析認為在對出行者全天出行鏈所采用出行方式進行分析時，出行鏈中所包含的往返行程數量以及出行鏈類型對于出行方式組合具有顯著的影響.

表3 變量標定結果

為了評價所建模型是否能夠很好的擬合數據，通常用擬合優度（goodness of fit）指標來檢驗，它可以理解為模型預測值與觀測值之間的接近程度.本文采用ρ2和來驗證.ρ2是優度比是經過自由度調整的優度比，值越接大越好，在實踐中當ρ2，達到0.2～0.4，就表明模型的精度較高.模型檢驗情況如表4所列，ρ2為0.664為0.646，說明該模型能夠較好地描述居民對出行方式組合的選擇行為，構建模型所選定的影響因素會影響出行者的選擇結果.

表4 模型檢驗結果

4 結束語

本文結合2009年濟南市居民出行調查數據，運用非集計方法建立居民出行方式組合ML模型，對出行鏈屬性與出行方式組合的關系進行了研究.出行者的性別、月收入、月票持有情況、駕照持有情況、出行次數、出行鏈中往返行程數量、出行鏈模式、出行鏈時間、出行鏈費用是影響出行方式組合的顯著變量.標定結果表明出行鏈復雜性的增加并不會直接導致私家車出行的增加，而隨著往返行程數的增加會使得單一非私家車出行效用的顯著增加.

［1］Xin Ye，Pendyala R M，Gottardi G.An exploration of the relationship between mode choice and complexity of trip chaining patterns［J］.Transportation Research Part B，2007，41：96－113.

［2］Hensher D A，Reyes A J.Trip chaining as a barrier to the propensity to use public transport［J］.Transportation，2000，27：341－361.

［3］欒 琨，雋志才，宗 芳.通勤者出行方式與出行鏈選擇行為研究［J］.公路交通科技.2010（6）：107－111.

［4］Primerano F，Taylor M A P，Pitaksringkarn L，Tisato P.Defining and understanding trip chaining behaviour［J］.Transportation，2008，35：55－72.

［5］Strathman J，Dueker K.Understanding trip chaining.Special reports on trip and vehicle attributes，1990NPTS report series［R］.Washington，DC，Federal Highway Administration，U.S.Department of Transportation，1995.

［6］關宏志.非集計模型——交通行為分析的工具［M］.北京：人民交通出版社，2004.