擁擠收費下城市居民內外通勤出行方式影響分析

王偉，鄭長江

(河海大學 土木與交通學院，江蘇 南京 210098)*

0 引言

近年來，隨著我國城市城鎮化水平的不斷提高，人口向大城市聚集的趨勢越發明顯，這使得道路交通資源本來就十分稀缺的大城市、特大城市的交通狀況雪上加霜［1］.解決交通擁堵的主要途徑有兩條:第一，在老城區的基礎上重新規劃城市布局，第二，采用新技術新措施以達到改善交通擁堵的現狀［2］.交通擁堵收費政策是通過對進入規律性的擁堵區域機動車輛收取一定的費用，以改變出行者的出行方式.

1 出行方式調查

北京二環內區域既是首都政治中心，又是商業、辦公、科教等多種性質用地集聚的經濟中心，因此，考慮將北京二環內設置為假定的擁堵收費區域.在擁堵收費政策下，不同出行需求特征的出行者所受到的影響性質有所不同，可根據受訪者的出行起訖點分布和出行目的特征，將受訪者人群分類，本文僅對內外-通勤出行進行研究.

采用分層抽樣策略對對內外-通勤類對象人群進行調查.研究建議，每類別段達到50～100個樣本數更為合適［3］.考慮到調查精度要求和實際條件限制，本論文擬定各重點研究類別樣本數達到50以上.采用網絡調查的形式［4］，調查目標人群為在早晚高峰時段(早:7∶00 ～9∶00，晚 4∶30 ～6∶30)開車進入北京二環內區域的人群，為期一個月，共收集數據樣本217個，其中有效樣本量215個，數據有效率為99%左右，有效率較高.其中起訖點僅有一個在收費區域內的通勤出行者即內外通勤類樣本70＞50，總量占有效樣本的33%，滿足樣本目標.

2 擁堵收費條件下的內外通勤類出行方式選擇

從出行選擇結果來看，實施擁堵收費政策后僅有約34%的受調查者仍然選擇“開車付費”，其他66%的受調查者均轉向了其他方式出行［5］，其中選擇“轉向公交出行”的占比最高為37%.可以看出，由于該類出行的起訖點的特殊性，即出行者無法通過駕車繞路出行方式避免繳費.

選取MNL模型［6］特性變量可分為出行者社會經濟屬性以及出行方式屬性兩類，其中，出行者社會經濟屬性特性變量包括年齡、性別、職業、家庭收入、對目前交通現狀的看法、是否有需接送其上下學的孩子以及是否有交通補貼等.出行方式屬性特性變量，按照小汽車、公共交通以及自行車三種方式設定.年齡:20歲以下為1，21～30歲為2，31～40歲為3，41～50歲為 4，50歲以上為 5;性別:男為1，女為2;職業:公務員為1，企事業單位職員為2，私營企業主或個體經營者為3，待業/下崗/其他為4;家庭年收入:10萬以下為1，10～15萬為2，15～20萬為3，20～30萬為4，30萬以上為5;對目前交通現狀的看法:十分通暢為1，偶爾會交通擁堵為2，經常會交通擁堵為3;是否有孩子:有為1，無為2;是否有交通補貼:有為1，無為 2［7］.

構建小汽車費用因子carfare，并利用該因子繼續進行建模計算，該因子的具體表達式如式(1)，將調查數據帶入模型，計算結果如表1所示.

表1 擁堵收費政策影響下的內外－通勤模型結果表

開車付費:

錯時避費:

繞路避費: V3n=-11.140 5

轉向公交出行:

轉向自行車出行:

由表1知，常量 1、2、4、age、gender、income、feel、carfare、ln(cardistance)、ln(fuel cost) 以 及walk distance的t檢驗值的絕對值均在1以上，說明以上各變量對內外通勤類出行方式選擇模型具有顯著影響［8］.通過比對實際調查到的受訪者出行方式選擇結果與模型計算所得結果，可以得出模型的命中率，經計算，本模型的命中率為79.4%.模型的擬合優度比ρ2=0.483，模型精度隨擬合優度增大而升高.

3 內外－通勤類模型分析

3.1 基于內外－通勤類模型的關鍵因子分析

非集計Logit模型認為，在模型各選擇枝的效用函數中對效用值影響最大的因素即為關鍵因子［9］.對參數的估計是通過Trans CAD軟件實現的，即影響程度量級較大的變量即為影響出行者出行方式選擇的關鍵因子，關鍵因子計算結果如表2所示.

由表2知，在開車付費所對應的6個變量當中，income和feel對效用值影響的變化范圍最大，且其對效用值的影響最大絕對值較大.因此，income和feel為該模型的關鍵因子，其中家庭收入越大則出行者選擇開車付費的可能性越大，而對交通現狀看法越糟糕則出行者放棄開車付費轉向其他出行方式的可能性越大.

表2 內外－通勤類模型變量對選擇枝效用值的影響程度表

3.2 基于內外－通勤類模型的敏感性分析

調查數據顯示，目前北京市小汽車通勤出行者的停車費用平均值約為65元/天，該類通勤者的平均月收入為5 843元，燃油費用平均值約為15元/天，各擁堵費用占比下出行方式變化如圖1所示.

圖1 各擁堵費用占比下出行方式變化圖

由圖1可見，隨著擁堵費用在小汽車出行總費用中的占比增加，開車付費方式比例基本呈現線性下降趨勢，自行車出行、錯時避費出行以及公交出行的方式比例均呈現不同程度的線性上升趨勢，另外繞路避費方式比例始終為0.

圖2為在各種收費標準下，內外-通勤類出行的方式比例變化圖.由于擁堵收費的主要目的是減少小汽車方式的集中出行，因此，敏感性分析中重點關注擁堵費用的增加對小汽車出行方式比例的影響.開車付費方式比例隨擁堵費用變化的趨勢線擬合公式為:

圖2 各收費標準下出行方式比例變化圖

敏感性系數計算式如下［10］:

式中，ΔQ為模型輸出值變化量;Q0為模型輸出值;ΔP為變動因素變化量;P0為變動因素水平.

若|Ed|＞1，則表明變動因素值的變化會引起大的模型輸出值變化，敏感性高;若|Ed|＜1，敏感性低.利用式(1)、(2)，可以得出各擁堵費用水平下的敏感性系數絕對值變化圖，如圖3所示.

圖3 基于內外－通勤類模型的敏感性分析圖

由圖3知，擁堵費用在5～100元范圍內，敏感性系數絕對值均小于1，表明擁堵費用對內外-通勤類出行者的小汽車方式選擇比例敏感性低，擁堵費用的增加對其小汽車方式選擇比例影響較小.另外，敏感性系數曲線呈現先上升后下降的趨勢;擁堵費用在53～70元范圍所對應的敏感性系數絕對值大于0.5，相對較高，其中53～60元最為敏感，敏感性系數絕對值約為0.55;敏感性系數絕對值的最小值在擁堵費用x=100處取得，為0，此時小汽車方式比例將達到最低值14.9%，若擁堵費用超過100元再繼續增加并不能使得小汽車方式比例進一步減少.

4 結論

本文采用SP調查方法以及網絡調查的方式，根據北京市現狀城市交通的實際特點和擁堵收費政策的實施目的，以北京二環以內設為假定的收費區域，建立了擁堵收費影響下的交通出行方式選擇模型，經關鍵因子分析發現:對于內外-通勤類出行對象，擁堵收費的實施將主要對低收入且不滿交通現狀者產生影響，使其放棄開車出行，從而減少收費區域的交通擁擠程度.

［1］GEORGINA SANTOS，BLAKE SHAFFER.Preliminary Results of the London Congestion Charging Scheme［J］.Public Works Management＆ Policy，2004(2):164-181.

［2］吳中，何群.緩解交通擁擠的多目標優化模型和算法研究［J］.大連交通大學學報，2012，33(2):15-19.

［3］王方.基于SP調查的行為時間價值研究［D］.北京:北京工業大學，2005.

［4］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.

［5］羅劍，王樹盛，李旭宏，等.出行方式選擇行為的個體時間感知差異性建模［J］.公路交通科技，2007，24(2):114-117，129.

［6］金安.LOGIT模型參數估計方法研究［J］.交通運輸系統工程與信息，2004(1):71-75.

［7］王根城.2011北京市交通發展年度報告［R］.北京:北京交通發展研究中心，2011.

［8］李志瑤，雋志才，宗芳.居民出行時間選擇及擁擠收費政策［J］.交通運輸工程學報，2005，5(3):105-110.

［9］秦煥美，關志宏，殷煥煥.停車收費價格對居民出行方式選擇行為的影響研究—以北京市居民小汽車、公交、出租車選擇行為為例［J］.土木工程學報，2008，41(8):93-98.

［10］許旺土，何世偉，宋瑞，等.考慮擁擠收費的非集計交通方式分擔模型研究［J］.交通運輸系統工程與信息，2008(3):96-102.