采用均勻設計SP調查的出行方式選擇建模與敏感性分析

景鵬 雋志才 賈玲玉

摘 要：本文采用均勻設計的方法設計了關于出行方式選擇的SP調查方案，考慮到影響因素隨出行者和出行方式的變化有所差異，建立以不同出行方式為效用基礎項的條件logit模型，驗證了模型的有效性并對模型進行了標定，從多個角度對模型標定結果進行了分析。最后計算了各種出行方式對于各種因素的彈性值，分析了方式選擇概率對于各種影響因素的敏感性。研究表明，小汽車出行方式對各種影響因素的敏感性較高，證明了從交通需求管理政策入手引導出行者從小汽車轉向其他出行方式的可行性。

關鍵詞：均勻設計；SP調查；出行方式選擇

中圖分類號：U491 文獻標識碼：A 文章編號：1003-5192(2012)04-0075-06

Modeling and Sensitivity Analysis of Travel Choice Based onUniform Design and SP SurveyJING Peng1,2, JUAN Zhi-cai1, JIA Ling-yu3

(1.Antai College of Economics & Management, Shanghai Jiaotong University, Shanghai 200052, China; 2.School of Automobile and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China; 3.School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China)

Abstract:This paper designed the SP survey constructed with uniform design method. Considering the factors that may be differented with the travelers and travel mode, the Logit model for two types basic utility of travel choice was established. The Logit model was verified and calibrated. Afterward, the calibration results of the model are analyzed from various aspects. Finally, the elasticity values for a variety of factors were analyzed the sensitivity of travel choice probabilities. Research shows that the sensitivity of using car for various factors affected is higher. The result proved that it is feasible to guide travelers to choose other travel modes instead of driving cars by the traffic demand management policies.

Key words:uniform design; SP survey; travel mode choice

1 引言

為了調節交通系統的供需平衡，解決日益嚴重的交通擁擠和由此引發的環境污染等問題，交通領域的學者提出了交通需求管理的概念，其核心就是要通過誘導人們的出行來緩解交通擁擠［1］。主要內容包括：優化交通結構，大力發展公交；實施交通一體化政策，實現各種交通方式的綜合運用；進行時間和空間上的交通調控等。因而，交通方式劃分及與之相應的出行方式選擇模型的研究成為需求管理策略主要研究方向之一。但由于出行方式選擇涉及的因素多，加之出行者的習慣、喜好等難以測定的因素的存在，傳統的集計建模方法難以準確描述出行者對出行方式選擇的過程［2］。非集計分析以實際產生出行活動的個人為單位，對調查得到的數據不進行任何統計處理而直接用于建立模型［3］。因此，根據出行者社會經濟屬性、出行屬性，建立出行者交通方式選擇模型，利用模型對出行者出行方式選擇行為進行分析，有助于理解其行為準則，并通過科學地制定交通需求管理政策，引導和調控出行者出行方式選擇行為，從而到達緩解城市交通擁堵的目的。考慮到通勤活動的方式選擇相對穩定，本文主要針對出行者通勤活動的選擇方式進行研究。

2. 調查方法

2.1 SP調查

非集計模型的調查可以分為RP（Revealed Preference）調查和SP（Stated Preferene）調查兩種。RP調查指的是已完成的選擇性行為調查，SP調查為在假設條件下選擇主體的選擇意向調查［4］。SP數據與RP數據相比有可操作性高、數據誤差可調、選擇方案集合明確等優點，但也存在可靠性較低的不足。在保證一定精度的前提下，最大限度地精簡調查表中被調查者的判斷次數，提高交通SP調查的工作效率和結果準確程度，進而保證模型的精度，成為交通SP調查表設計時最為關心的問題。

2.2 均勻設計

通過調查數據是否能夠較為精確地建立出行行為模型取決于SP調查情境的設計。為解決設計過程中存在的矛盾，通常采用全面設計和正交設計兩種試驗設計方法［5］。均勻設計方法是在正交設計基本思想的基礎上發展而來的［6］。它同正交設計方法的主要區別在于不考慮試驗點整齊可比的特點，只是讓試驗點在試驗范圍內充分“均勻分散”。因此，所需要的試驗點數目較少，能很好地彌補正交設計的不足。

交通SP調查本質上是一種心理學實驗，均衡考慮實驗的復雜性和擬獲得數據的可靠性，選擇5因素5水平的均勻設計實驗方案，通過DPS軟件以中心化L2-偏差為優化指標進行優化設計，得到中心化L2-偏差值為0.0611的均勻設計規格化表。本次交通SP調查主要是考察在不同情境下出行者對于小汽車和公共汽車兩種交通方式的選擇行為。結合5因素5水平的均勻設計規格化表，得到關于小汽車和公交選擇影響因素實驗的均勻設計方案如表1所示。表1中采用數字編碼表示公交車上的擁擠程度，由1至5分別表示在公交車上經常有座、偶爾有座、無座但不擁擠、擁擠、非常擁擠。

如表1中所示，在調查過程中，對每一位被調查者需要詢問表1中的5個影響因素組合下對自行車、公交車、小汽車和出租車四種出行方式的選擇，從每一位被調查者就會得到5個試驗值。本文采用數據來源于北京市2011年街頭問卷調查，共發放問卷951份，回收有效問卷312份，得到試驗值1560個。

3 出行方式影響因素分析

出行方式選擇是指出行過程中出行方式的分配與選擇，也即人或物的出行次數在不同出行方式之間的劃分。出行者在出行前要考慮出行起迄點之間的各種可用的出行方式，通過判斷選出自己最滿意的出行方式，出行者具體選擇哪一種出行方式，取決于出行者的個人屬性，社會經濟屬性和出行方式屬性等因素。上文SP調查的均勻設計實驗方案中小汽車和公交出行方式的5個影響因素屬于出行方式的屬性，為了較為全面考慮對出行者出行方式的影響因素，在SP調查同時還進行了RP調查。出行方式選擇影響因素變量如表2所示。

4 模型選擇及建立

5 模型標定及解釋

5.1 模型標定

在本研究中，主要調查了自行車、公交、出租和小汽車四種出行方式，對調查所得的數據進行建模，利用STATA軟件進行回歸，為了較為全面地研究各種因素對于出行方式的影響，分別以自行車和小汽車方式作為效用基礎項進行回歸分析，標定結果表3所示，并列出勝算比（Odds Ratio, OR），其中constant變量為常數項。

從表3可以看出，大部分系數對應的| t |>1.96，說明在95%的檢驗水平上，這些系數對應的變量所代表的因素對模型的結果都有顯著影響。一般認為優度比系數達到0.2以上即可認為模型具有較高的精度［10］，該模型的優度比系數為0.3589，這說明模型的精度是可以接受的。

5.2 以自行車為效用基礎項回歸模型的解釋

（1）個人小汽車擁有量的提高會顯著降低選擇公交方式出行的效用，擁有車輛越多的出行者越傾向于采用小汽車出行；但是隨著燃油費用的上升，對于公交方式影響因素的系數為正，對于小汽車方式的影響因素的系數為負，分別為0.2094和-0.9685，則表明油價能夠對公交和小汽車之間出行方式的比例進行調節，并且油價的提高對減少小汽車出行會有更加顯著的影響。

（2）公交等車時間和步行到公交站臺的時間對于公交方式的出行具有顯著負的效用，并且在相同顯著水平下，等車時間的系數要小于步行時間，這說明出行者對于等車時間的耐心要小于步行時間。隨著等車時間和步行時間的增加，會使出行者更加傾向于采用出租車和小汽車出行。同時，通過數據分析發現公交車上的擁擠程度的提高并不會顯著降低公交方式的效用，也不會增加其他出行方式的效用。所以，要倡導公交優先，引導人們選擇公交方式出行，提高公交服務水平的關鍵在于縮短等車時間和步行至站臺時間。

（3）在個人屬性中，年齡和收入對于公交方式選擇的影響不是很顯著。年齡越小越傾向于選擇出租車和小汽車出行，并且隨著收入的提高會顯著提高出租車和小汽車方式的效用。收入對于出租車和小汽車出行方式影響的系數分別為0.2543和1.0423，由于模型采用自行車方式作為效用基礎項，所以相對于自行車方式而言，收入對于小汽車的影響要大于對于出租車的影響。這點也證明了近年來隨著我國居民收入的提高導致小汽車保有量激增，使得小汽車出行比例增長迅猛。

5.3 以小汽車為效用基礎項回歸模型的解釋

（1）從表3中各出行方式的常數項可以看出，在保持其他影響因素不變的前提下，公交、出租和自行車比小汽車出行方式更加能吸引出行者，其中自行車相對小汽車的優勢最大。如自行車相對小汽車的常數項為12.6607，表明固定其他影響因素條件下，出行者選擇自行車方式的可能性要比選擇小汽車大12.6607倍。這表明雖然近年來我國小汽車出行比例增加很快，但從總量上來說非機動車出行方式所占比例仍然較大。

（2）在個人屬性中，年齡對于公交和自行車相對于小汽車出行方式的影響顯著。由表3，其影響因素系數分別為1.0821和1.1554，說明隨著年齡的增長相對于小汽車而言出行者更多可能選擇公交和自行車方式。其中，年齡對公交相對小汽車影響的勝算比為2.9507，即年齡每增加一個階段，采用公交出行比小汽車出行的概率增加了2.9507倍。

（3）在個人屬性中隨著收入的提高，相對于小汽車出行公交、出租和自行車出行的效用都是顯著減少，其回歸系數分別為-0.7902、-0.7879和-1.0422。自行車對于小汽車的勝算比為0.3527，即收入每增加一倍，出行者選擇自行車放棄小汽車的概率減少64.73%。

5.4 兩種不同效用基礎項模型的比較

（1）燃油價格的上漲使公交出行相對自行車和小汽車的吸引力是不一樣的，其回歸系數分別為0.2094和0.7591，說明小汽車和公交之間出行分配比例燃油價格的變動更為敏感。每當油價上調一個檔次，選擇公交方式出行的概率為選擇小汽車出行的2.1364倍。

（2）相對于自行車出行，公交等車時間和前往站臺的步行時間對于公交方式的影響要小于相對小汽車出行。即在其他影響因素固定情況下，等車和步行時間每增加一分鐘，相對于自行車而言，公交出行概率會減少2%和1.4%；相對于小汽車而言，公交出行概率會減少15%和11.2%。這說明如果公交服務水平降低，出行者可能會更多地流失向小汽車出行。

（3）以自行車為效用基礎項模型中收入對于出租方式影響系數為0.2543，而在以小汽車為效用基礎項模型中收入對于出租方式影響系統為-0.7879，這說明隨著收入的提高，人們在選擇出行方式時，在一定概率條件下會按照自行車、出租車和小汽車的次序進行變化。

6 敏感性分析

從表4可以看出，燃油費用變化趨勢與公交方式選擇概率的變化方向相同，并且彈性值小于1意味著公交方式選擇概率變化百分比小于燃油費用價格變化百分比；而與此對應，燃油費用變化趨勢與出租和小汽車方式選擇概率的變化方向相反，特別小汽車方式對燃油費用彈性值絕對值大于1，表明小汽車方式選擇概率變化的百分比要大于費用變化百分比。由于本文研究為SP數據，所以這反應了通常使用小汽車的出行者在心理上對油價的變化是非常敏感的。從各種方式對于收入的彈性值可以看出，在這三種出行方式中小汽車方式選擇概率受收入影響最大，收入的增加會使出行者更多傾向于采用小汽車出行；從各種方式對于公交等車和步行時間彈性來看，這兩種時間的增加會減少公交方式的效用而增加出租車和小汽車的效用，特別小汽車方式選擇對于等車時間為富有彈性，和前文分析的結論一致；各種出行方式選擇對出行時間的彈性都為負值，并且以公交彈性值絕對值最小，說明公交受出行時間影響因素較小，和相關研究的結論一致［11］。

由以上結論定性給出了各種方式選擇概率受各因素變化的影響程度，為對影響程度進一步進行定量研究，選取收入和等車時間作為代表分析其對方式選擇概率的靈敏度。分別將收入和燃油費用增加和減少10%、20%、30%、40%和50%，觀察各種出行方式選擇概率變化如圖1所示。從圖1中的（a）圖可以看出，隨著收入的增加，公交和出租車出行選擇概率微有增加，變化幅度不大，自行車出行概率急劇下降，同時小汽車出行選擇概率急劇上升，說明收入對于自行車和小汽車出行選擇概率影響程度最大。圖（b）中，公交等車時間的增加對公交方式有較大的負面影響，使得出行者傾向于選擇小汽車出行，因而公交等車時間對于小汽車和公交出行選擇概率影響程度最大，提高公交服務水平，減少等車時間，能減少小汽車出行，提高公交出行比例。

7 結論

本文采用均勻設計的思路設計了關于出行方式選擇的SP調查方案，選取了出行者個人屬性、社會經濟屬性和出行方式特有屬性作為方式選擇的影響因素，考慮到影響因素隨出行者和出行方式的變化有所差異，選取CLM模型，分別建立以自行車和小汽車為效用基礎項的方式選擇概率模型，驗證了模型的有效性并對模型進行了標定。效用基礎項的差異，使得模型能夠從多個角度對各種因素對出行方式選擇的影響加以分析，發現油價能夠對公交和小汽車之間出行方式的比例進行調節，提高公交服務水平的關鍵在于縮短等車時間和步行至站臺時間，收入對于小汽車的影響要大于對于其他方式等結論。最后采用公交、出租車和小汽車三種出行方式對燃油費用、收入、公交等車時間、步行至站臺時間和總出行時間的彈性值，分析了各種方式選擇概率對于各種影響因素的敏感性，發現使用小汽車的出行者在心理上對油價的變化非常敏感。然而SP調查的數據僅僅是反應了出行者在各種情境下對某種出行方式的選擇意向，在做出實際出行選擇時，會因為行為和意向不一致而產生誤差，這就需要借助心理學的理論方法，來進一步完善出行方式選擇的概率模型，這也是出行行為理論的下一步研究方向。

參 考 文 獻：

［1］A宗芳,雋志才.基于活動的出行方式選擇模型與交通需求管理策略［J］.吉林大學學報(工學版),2007

,(1):48-53.

［2］A賈洪飛,龔勃文,宗芳.交通方式選擇的非集計模型及其應用［J］.吉林大學學報(工學版),2007,(6):1288-1293.

［3］A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,(6):108-113.

［4］ATayyaran M R, Khan A M, Anderson D A. Impact of telecommuting and intelligent transportation systems on residential location choice［J］. Transportation Planning and Technology, 2003, 26(2): 171-193.

［5］A王方,陳金川,陳艷艷.交通SP調查的均勻設計方法［J］.城市交通,2005,(3):69-72.

［6］A方開泰.均勻試驗設計的理論、方法和應用——歷史回顧［J］.數理統計與管理,2004,(3):69-80.

［7］AMarschak J. Binary choice constraints on random utility indications［A］. In Arrow K, ed. Stanford Symposium on Mathematical Methods in the Social Sciences［C］.Stanford University Press, California, 1960.

［8］ATrain K. Discrete choice methods with simulation［M］. Cambridge University Press, New York, 2003.

［9］AGreene H. Econometric analysis ［M］. 6th ed. Prentice-Hall, New Jersey, 2008.

［10］A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

［11］A黃樹森.基于非集計的城市公共交通方式選擇模型及靈敏度分析研究［D］.北京:北京交通大學,2008.