基于活動的旅游出行鏈選擇行為研究

趙 昕，關宏志

(北京工業大學交通工程北京市重點實驗室，北京100124)

0 引言

近年來，隨著我國經濟的快速發展，人們旅游休閑活動的頻率增加，由此而產生的旅游交通量迅速增加。節假日大規模的旅游交通出行給城市、公路以及休閑旅游點周邊的交通都帶來了極大的壓力，也嚴重影響了旅游經濟的發展，因此研究游客的旅游出行行為對于解決旅游交通問題具有重要的意義。

目前，對于居民的出行行為分析仍廣泛采用以單個出行為分析單元的傳統集計方法，出行者每次出行之間分別處理。基于活動的預測方法認為出行者面臨時空約束，一日中各個出行之間存在著關聯性，從出行鏈的角度對日常出行進行分析，可以更好地理解人們的一日出行模式隨著內因和外因的變化而變化的機理，并對出行模式與影響因素的相互關系做出合理的解釋。

旅游出行鏈是指游客在參觀游覽的途中為完成一項或多項活動、在一定時間順序排列的出行目的所組成的往返行程，包含了大量的時間、空間、出行方式和活動類型等信息。圖1為典型的一日旅游出行鏈。

圖1 旅游出行鏈示意Fig.1 Schematic diagram of tourist trip chain

目前，國外對出行鏈的研究主要是從通勤出行的角度開展，將一日外出活動模式進行分類并建立選擇模型;同時，在出行鏈與活動時間、活動數量、出行方式和土地利用模式關系方面也存在大量的研究［1-6］;在旅游出行方面主要是從游覽范圍和游覽路線形態的角度來進行研究［7-8］。國內有學者采用統計分析的方法對黃金周出行鏈進行了初步的研究，主要從性別、職業、年齡、是否擁有小汽車、受教育程度與出游模式選擇的關聯性進行分析［9-10］。筆者擬以旅游出行鏈為考察對象，分析影響游客出行鏈選擇行為的因素并建立游客出行鏈選擇行為模型。

1 旅游出行鏈劃分

基于活動的研究方法認為出行是源于對活動的需求，人們的出行決策是活動安排的一部分。因此在對出行者出行行為進行分析時，活動對出行有決定性影響。根據不同的研究目的，可以產生不同的活動劃分方法。

Stopher，等［11］將居民日常活動劃分為 3 類:①強制性的活動(如工作、上學)，即在每天都有規律的發生，并且地點和時間是固定的;②靈活性的活動(如購物、去銀行)，即有一定規律性，但活動的地點和時間可以有所變化;③選擇性的活動(如社交、娛樂活動)，這類活動的所有特征都是可以變化的，也可以在一定時間段內發生的次數為0次。

對于出行鏈的劃分，Frank，等［1］首先確定鏈上一個主要活動，然后確定次要活動，再根據次要活動相對于主要活動的位置來劃分出行鏈的類型;David，等［12］是將工作類活動作為主要活動，根據非工作類活動相對工作類活動的位置來劃分出行鏈。

姚廣錚，等［9］在對黃金周出行鏈進行研究時將活動類型劃分為參觀游覽活動、維持型活動和娛樂型活動等3類。并依據主要出行鏈結構和各類活動發生的順序將節假日出行活動劃分為8種典型的活動模式。

筆者在本次調查中將游客的外出活動目的分為觀光游覽、休閑療養、商務/公務、宗教朝拜、娛樂消遣、購物、用餐美食、文化教育、探親訪友和就醫等10種。對出行鏈上的活動進行分類時借鑒文獻［9］的劃分方法，并將將游客的外出活動合并為參觀娛樂活動(觀光游覽、休閑療養、宗教朝拜、娛樂消遣、文化教育)和其它活動(商務/公務、購物、用餐美食、探親訪友、就醫)兩大類。

在本研究中，根據活動的數量和位置將旅游出行鏈分為5類:簡單參觀娛樂鏈(HTH)、簡單其它活動鏈(HOH)、復雜參觀娛樂鏈(HTTH)、復雜其它活動鏈(HOOH)和復雜混合鏈(HTOH)，其中H代表家或者旅館，T代表參觀娛樂活動，O代表其它活動。如圖2。

圖2 旅游出行鏈典型模式示意Fig.2 Tourist trip chain patterns

2 旅游出行鏈選擇行為建模

2.1 選擇枝的確定

在整理分類游客出行數據后進行初步分析，由于出行鏈類型4和類型5具有一定的相似性，決定將類型4與類型5進行合并，合并后共有4個選擇枝:簡單參觀娛樂鏈、簡單其它鏈、復雜參觀娛樂鏈和含其他活動的復雜鏈。

2.2 模型的構建

非集計模型以個體為分析單位，能較準確的描述個體選擇意愿。由于ML(Multinomial Logit)模型具有數學形式簡潔、物理意義容易理解的特點，是非集計模型中最常用的模型之一。

根據隨機效用理論，不同的出行鏈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鏈備選集合中效用最大的方案。選擇某出行鏈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的出行鏈選擇方案集合為An，選擇其中第i種出行鏈的效用函數為［13］:

式中:Vin為非隨機變化部分(固定項)，即由可觀測到的特性變量計算的固定項;εin為隨機變化部分(隨機項)，即不能觀測到的其他因素的影響及已有變量的偏差引起的隨機項。

效用函數項的具體形式可以由一種或多種函數形式表達，最常用的形式為線性關系。假設Vin與特性向量Xink呈線性關系，即:

式中:Xink為居民n的選擇第i種出行方式的第k個變量值;θk為待估計參數。

在研究中常假設效用函數中的隨機項呈某種特定的分布形式，如二重指數分布、正態分布，因為二重指數分布(Gumbel distribution)的分布函數形態與正態分布函數極為近似并且有較高的可操作性，所以由此推導出的Logit模型應用最為廣泛。在Logit模型中假設效用函數中的隨機項服從二重指數分布，可以得到第n個個體選擇i種出行鏈的概率，即:

2.3 參數的標定

為了對參數θ進行標定，設N為樣本數、δin為概率變量。若δin=1，則個體n選擇第i種方案;否則δin=0。ML模型的似然函數為:

其對數似然函數L為:

對待估計參數求偏導，則有:

求解似然函數L極大時的估計值θ，則可以對出行鏈選擇模型的參數進行標定。

3 模型的標定及分析

3.1 調查數據

課題組于2011年11月組織了針對在北京游客的旅游交通行為調查。調查涉及4個方面的內容，包括游客個人和家庭基本信息、本次旅游基本概況、旅游出行調查和出游動機調查等。筆者選取天壇、故宮、頤和園和香山植物園等4個景點對游客進行調查。回收有效問卷357份。

參考相關文獻［9-10］個人屬性與出行鏈類型相關性的分析，確定影響出行鏈選擇的因素主要有個人屬性、出游屬性兩方面。其中年齡、職業、私家車數量、出游時間、是否本地游客、是否為一日游、是否跟團游和對景點是否熟悉等對出行鏈選擇有顯著影響。模型中變量設置如表1。

表1 模型特性變量Table 1 Values of the variables

3.2 模型的標定與解釋

將各個變量帶入模型，采用TRANSCAD軟件進行標定，可以得到效用函數中未知參數的值，如表2。

表2 模型標定結果Table 2 Results of parameter estimation

從表2的標定結果可以看出，模型中所有變量系數的符號與實際情況相符，絕大部分系數的t檢驗值大于1.96，表明在95%的置信度上變量對游客出行鏈選擇具有顯著影響。對標定結果進行分析如下:

1)X1為正，說明年齡在41～50歲之間的游客與其他年齡段的游客相比，更加傾向于復雜出行鏈。

2)在職業的影響方面:X2為負，說明職業1類的游客與其他職業游客相比更加傾向于選擇非復雜參觀娛樂鏈出行;X3為正，說明職業2類的游客與其它職業游客相比更加傾向于選擇簡單參觀娛樂鏈出行。

3)X4為正，說明選擇在假日期間旅游的游客傾向于選擇以簡單鏈的形式出游。

4)X5為正，說明常住本地的游客在出游時更加傾向于選擇簡單非其它鏈和復雜參觀娛樂出行鏈。

5)X6的t檢驗值小于1.96說明游客的熟悉程度影響不顯著。

6)X7為正，說明隨著參觀娛樂活動時間分配的增加，簡單參觀娛樂鏈和復雜混合鏈的效用顯著增加;而X8為正，說明隨著其它活動時間分配的增加，復雜混合鏈的效用顯著增加。

3.3 模型的精度分析及評價

對Logit模型進行檢驗的指標有優度比ρ2和擬合優度比ˉρ2。優度比ρ2也稱為Mcfadden決定系數，與回歸分析中R2的意義有些類似;擬合優度比ˉρ2相當于回歸分析中的自由度修正相關系數。這兩個指標值在0～1之間，越接近1表示模型精度越高。但和回歸分析中相關系數不同的是，在實踐中達到0.2 ～0.4 即認為是可接受的。

從本模型來看，優度比 ρ2=0.361 014，擬合優度比ˉρ2=0.334 387。該模型能夠較好地描述居民對出行方式的選擇行為，構建模型所選定的影響因素會影響居民對出行方式的選擇結果。

4 結語

筆者根據2011年11月對在北京旅游的游客進行調查的數據進行建模，并對游客的出行鏈接行為進行研究，建立了游客出行鏈選擇ML模型，并對模型進行了標定與有效性驗證。結果表明:年齡、職業、出游時間、是否本地游客、對景點是否熟悉以及游客對活動的時間分配均對出行鏈選擇有顯著影響。

［1］ Primerano F，Taylor M A P，Pitaksringkarn L，et al.Defining and understanding trip chaining behavior［J］.Transportation，2008，35:55-72.

［2］ Ye Xin，Ram P 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.

［3］ Lee Yuhwa，Hickman M，Washington S.Household type and structure，time-use pattern，and trip-chaining behavior ［J］.Transportation Research:Part A，2007，41:1004-1020.

［4］ Yang Min，Wang Wei，Fan Rui，et al.Structural equation model analysis of socio-demographics，activity participation and trip chaining between household heads in the context of Shangyu，China［C］.Washington，D.C.:The 89th Annual Meeting of the Transportation Research Board，2010:1-17.

［5］ Noland R B，Thomas J V.Multivariate analysis of trip-chaining behavior［J］.Environment and Planning B:Planning and Design，2007，34(6):953-970.

［6］ Frank L，Bradley M，Kavage S，et al.Urban form，travel time，and cost relationships with tour complexity and mode choice ［J］.Transportation，2008，35:37-54.

［7］ Lew A，McKercher B.Modeling tourist movements a local destination analysis［J］.Annals of Tourism Research，2006，33(2):403-423.

［8］ Connell J，Page S J.Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National Park，Scotland ［J］.Tourism Management，2007，19(3):1-20.

［9］ 姚廣錚，孫壯志，邵春福，等.節假日出行活動模式與個人屬性相關性分析［J］.交通運輸系統工程與信息，2008，8(6):56-60.

Yao Guangzheng，Sun Zhuangzhi，Shao Chunfu，et al.Relationship analysis on holiday travel behavior and individual characteristics［J］.Journal of Transportation Systems Engineering and Information Technology，2008，8(6):56-60.

［10］李婧.節假日出行行為特征分析研究——以北京“五一”黃金周為例［D］.北京:北京交通大學，2007.

［11］Stopher P R，Hartgen D T，Li Yuanjun.SMART:simulation model for activities，resources and travel［J］.Transportation，1996，23:293-312.

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

［13］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.