進(jìn)城務(wù)工人員出行行為及其彈性度分析

陳 紅，甘佐賢，賀彧婷，馮 輝

(長安大學(xué) 公路學(xué)院，陜西 西安 710064)

進(jìn)城務(wù)工人員出行行為及其彈性度分析

陳 紅，甘佐賢，賀彧婷，馮 輝

(長安大學(xué) 公路學(xué)院，陜西 西安 710064)

為研究城市務(wù)工人員的出行行為，選取性別、年齡、家庭結(jié)構(gòu)、出行距離等7個(gè)因素作為特征變量，以出行鏈和出行方式作為選擇肢，建立了進(jìn)城務(wù)工人員的出行鏈和出行方式選擇的多項(xiàng)Logit模型。通過采集和統(tǒng)計(jì)244份西安市進(jìn)城務(wù)工人員的出行樣本數(shù)據(jù)，對模型進(jìn)行了參數(shù)標(biāo)定以及檢驗(yàn)，從而擬合出了出行鏈和出行方式的選擇概率模型，并進(jìn)一步對各個(gè)特征變量對選擇模型的影響進(jìn)行了分析。最后通過引入彈性度概念，對進(jìn)城務(wù)工人員的出行行為進(jìn)行了彈性度統(tǒng)計(jì)分析。研究結(jié)果表明：進(jìn)城務(wù)工人員在出行鏈選擇和出行方式的選擇上都缺乏彈性，出行行為較為單一。

交通運(yùn)輸工程；出行行為；多項(xiàng)Logit；進(jìn)城務(wù)工人員；彈性度分析

0 引 言

城市進(jìn)城務(wù)工人員指改革開放后從農(nóng)村進(jìn)入城市，由農(nóng)民角色轉(zhuǎn)換為工人角色的勞動(dòng)人群，是中國工業(yè)化、城市化不斷加快過程中出現(xiàn)的一個(gè)特殊的勞動(dòng)群體。據(jù)公開資料顯示，2013年中國的進(jìn)城務(wù)工人員總量達(dá)到了2.69億，且在我國某些東南沿海城市，其所占城市人口的比例已經(jīng)達(dá)到了20%以上。

近年來，對于居民出行特征的研究較多，而且取得了很多有益的成果。O.A.Nielsen[1]運(yùn)用最大效用理論對居民出行進(jìn)行研究，指出出行方式的選擇不僅與交通方式的服務(wù)水平有關(guān)，還與出行者的個(gè)人屬性和出行特征有關(guān)；J.L.Bowman等[2]結(jié)合1991年波士頓的出行調(diào)查數(shù)據(jù)為例進(jìn)行分析，結(jié)果表明出行活動(dòng)預(yù)期的最大效用影響著出行者對出行模式的選擇；O.Ivanova等[3-5]運(yùn)用多項(xiàng)Logit模型、分層Logit模型，選取個(gè)人屬性、社會(huì)經(jīng)濟(jì)屬性、出行特性等因素，研究了同時(shí)考慮多種交通方式的交通選擇模型；姚麗亞等[6-7]利用調(diào)查數(shù)據(jù)對北京市影響居民出行方式選擇因素進(jìn)行了分析；楊琦等[8]、趙建有等[9]分別應(yīng)用農(nóng)村居民和城市低收入人群的出行調(diào)查數(shù)據(jù)建立了相應(yīng)的特殊人群選擇行為模型；楊敏等[10]、欒琨等[11]分別利用多項(xiàng)Logistic模型和Nested Logit模型對城市居民中通勤出行的出行鏈進(jìn)行了研究。

城市務(wù)工人員作為城市居民的重要組成部分，是建設(shè)和諧社會(huì)需重點(diǎn)關(guān)注的對象，在城市交通規(guī)劃中，相關(guān)政策的制定應(yīng)需滿足這一部分特殊人群的出行需求。筆者以西安市的進(jìn)城務(wù)工人員為例，通過問卷調(diào)查獲得基礎(chǔ)數(shù)據(jù)，選取出行鏈及出行方式作為決策變量，然后基于多項(xiàng)Logit模型理論建立了進(jìn)城務(wù)工人員出行鏈和出行方式選擇模型，并對標(biāo)定參數(shù)進(jìn)行了檢驗(yàn)和分析，最后對出行鏈和出行方式選擇的影響進(jìn)行了靈敏度分析，為對進(jìn)城務(wù)工人員制定合理的交通政策提供了參考依據(jù)。

1 數(shù)據(jù)描述

1.1 數(shù)據(jù)來源

2013年10月初針對西安市的進(jìn)城務(wù)工人員的出行方式選擇進(jìn)行了抽樣調(diào)查。本次調(diào)查采取了問卷調(diào)查與實(shí)地調(diào)查相結(jié)合的方式，選取了西安市6個(gè)主城區(qū)20多個(gè)地點(diǎn)作為主要問卷發(fā)放地，包括城中村、社區(qū)街道和勞動(dòng)力市場。同時(shí)在城市務(wù)工人員用工集中的建筑、制造、搬運(yùn)、家政等行業(yè)內(nèi)進(jìn)行了問卷調(diào)查。這次調(diào)查計(jì)劃發(fā)放300份問卷，實(shí)際調(diào)查共隨機(jī)發(fā)放了276份，經(jīng)判別得到的有效問卷為264份，有效率為95.7%。

1.2 特征變量確定

調(diào)查內(nèi)容中涵蓋了性別、年齡、教育程度、行業(yè)分布、家庭結(jié)構(gòu)(指居住在一起，同時(shí)在城里工作的家庭人員個(gè)數(shù))、家庭月收入情況、出行距離共7個(gè)社會(huì)經(jīng)濟(jì)特征變量，并將這些特征變量進(jìn)行劃分，具體如表1。

表1 特征變量定義說明Table 1 Characteristic variables definition and notes

2 進(jìn)城務(wù)工人員出行多項(xiàng)Logit模型

2.1 模型描述

在特定的條件下，出行者選擇效用最大的方案，其效用函數(shù)由固定項(xiàng)和隨機(jī)項(xiàng)組成，效用函數(shù)表示為

Uin=Vin+εin

(1)

Vin=θkXink

(2)

式中：Uin為出行者n選擇決策變量第i種選擇肢的效用函數(shù)；Vin為出行者n選擇第i種選擇肢的效用函數(shù)的固定項(xiàng)；εin為出行者n選擇第i種選擇肢的出行效用函數(shù)的隨機(jī)項(xiàng)；θk是待定系數(shù)；Xink為影響出行者n選擇第i種選擇肢的第k種特征變量。

假設(shè)式(1)中的隨機(jī)項(xiàng)εin服從二重指數(shù)分布，則出行者n選擇第i種出行方式時(shí)的概率Pin為

(3)

式中：N為決策變量可供選擇的選擇肢個(gè)數(shù)。

在對上述模型進(jìn)行估計(jì)時(shí)，往往先定義決策變量的某一選擇肢為參照水平，其它選擇肢均與之進(jìn)行對比。假設(shè)以選擇肢作為參考水平，則有

(4)

式中：Pin/P1n稱為優(yōu)勢比，即兩種選擇肢選擇概率之比。

2.2 出行鏈及出行方式選擇肢的確定

出行鏈反映了出行者一天中的活動(dòng)次數(shù)，能夠反映出行者的活躍性；出行方式作為出行者出行的基本選擇行為，是出行者考慮眾多因素后做出的決定。將出行鏈和出行方式同時(shí)作為決策變量，能夠更加充分反映進(jìn)城務(wù)工人員的出行行為。

出行鏈?zhǔn)侵笇⒊鲂姓咭惶熘幸贿B串始于家，最后終于家的出行活動(dòng)所構(gòu)成的閉合鏈。出行鏈的類型有很多，但根據(jù)出行鏈中的活動(dòng)的次數(shù)，一般可以分為簡單鏈和復(fù)雜鏈。本次的調(diào)查中，如果出行者的活動(dòng)次數(shù)為1次(例如：家-工作-家)則為簡單鏈；出行活動(dòng)2次或以上的(例如：家-工作-購物-家)則為復(fù)雜鏈。簡單鏈和復(fù)雜鏈分別用編號1,2表示[10]。

根據(jù)對264份有效調(diào)查問卷進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)進(jìn)城務(wù)工人員的出行方式主要集中在步行、自行車或電動(dòng)車、公交、地鐵4種交通方式上，且這4種交通方式占進(jìn)城務(wù)工人員出行所采用的交通方式總量的92%以上，共計(jì)244份。為了便于對交通方式選擇的分析，將交通方式選擇肢分為步行、自行車或電動(dòng)車、公交、地鐵4種，分別用編號1，2，3，4表示。需要指出的是，一次出行鏈中出行者可能采用了不同的出行方式，因此調(diào)查問卷中以該天中出行者出行花費(fèi)時(shí)間最長的交通方式作為出行方式。

3 模型標(biāo)定和參數(shù)分析

3.1 標(biāo)定結(jié)果及檢驗(yàn)

多項(xiàng)Logit模型的效用函數(shù)常采用極大似然估計(jì)法進(jìn)行標(biāo)定，通過尋求對數(shù)最大似然估計(jì)函數(shù)的最大化來得到預(yù)測參數(shù)的估計(jì)值。分別以簡單鏈和步行為參考水平，利用統(tǒng)計(jì)軟件SPSS中的多項(xiàng)Logit模型進(jìn)行標(biāo)定的結(jié)果見表2和表3。

表2 進(jìn)城務(wù)工人員出行鏈選擇模型參數(shù)估計(jì)Table 2 Parameters estimation of travel chain choicemodel for migrant workers

注：帶*號表示特征變量對選擇行為有顯著影響。

表3 進(jìn)城務(wù)工人員出行方式選擇模型參數(shù)估計(jì)Table 3 Model parameter estimation for travel modes choice of migrant workers

注：帶*號表示特征變量對選擇行為有顯著影響。

McFadden決定系數(shù)(ρ2)的值越接近1表明模型的精度越好；在非集計(jì)模型的實(shí)際判斷中，當(dāng)ρ2>0.2時(shí)，即可認(rèn)為模型擬合度較好，文中出行鏈選擇模型和出行方式選擇模型的ρ2分別為0.475，0.297，說明這兩個(gè)模型的擬合精度均較好。

根據(jù)表2和表3中的回歸參數(shù)，得到進(jìn)城務(wù)工人員出行鏈和出行方式選擇模型，具體如式(5)、式(6)：

(5)

(6)

式中：P1n，P2n，P3n和P4n分別為選擇步行、自行車或電動(dòng)車、公交和地鐵的概率。

3.2 參數(shù)分析

根據(jù)表2和表3中特征變量的估計(jì)參數(shù)，可以定量分析各變量對進(jìn)城務(wù)工人員出行鏈選擇、出行方式選擇行為的影響。參數(shù)值θk表示相應(yīng)特征變量增加一個(gè)單位，則優(yōu)勢比Or的變化為exp(θk)，因此θk越大對優(yōu)勢比的影響越大。

3.2.1 出行鏈選擇模型

性別的參數(shù)估計(jì)值為-0.284，則進(jìn)城務(wù)工人員中的男性和女性采用復(fù)雜鏈出行的事件發(fā)生比率Or=exp(-0.284)=0.753，男性出行采用復(fù)雜鏈的比例是女性的0.753倍，主要原因是女性常會(huì)在日常工作之余或下班之后去超市或周邊的商城等購買日常用品和生活用品。

年齡和家庭結(jié)構(gòu)的參數(shù)估計(jì)值都為負(fù)數(shù)，則優(yōu)勢比Or皆小于1。這表明隨著年齡、家庭結(jié)構(gòu)人員的增加，進(jìn)城務(wù)工人員采用復(fù)雜鏈出行的比例減少。隨著進(jìn)城務(wù)工人員年齡的增加，參加工作之余的外出活動(dòng)減少；家庭結(jié)構(gòu)中的人員越多，也暗含了被調(diào)查者的年齡也會(huì)較大一些，同時(shí)家庭事務(wù)增多，外出的意愿減少。

教育程度和行業(yè)分布變化對出行鏈選擇的影響并不顯著，說明教育程度高低或者所從事行業(yè)不同對選擇復(fù)雜鏈還是簡單鏈并不是很明顯。

人均月收入情況的參數(shù)估計(jì)為0.225，優(yōu)勢比Or=exp(0.225)=1.252。表明人均月收入情況每提高一個(gè)層次，則進(jìn)城務(wù)工人員采用復(fù)雜鏈的可能性就提高1.252倍。這主要由于隨著收入的增加，帶來消費(fèi)水平和可支付能力的增強(qiáng)，一天的出行會(huì)進(jìn)行更多的活動(dòng)，從而形成復(fù)雜鏈。

出行距離的參數(shù)估計(jì)為0.330，優(yōu)勢比Or=exp(0.330)=1.391。表明了出行距離每增加一個(gè)層次，進(jìn)城務(wù)工人員選擇復(fù)雜鏈出行的比例會(huì)提高為1.391倍。原因可能是由于出行距離越長，進(jìn)城務(wù)工人員去工作的概率可能越低，參加娛樂休閑等活動(dòng)的概率可能越大，簡單鏈已不能完成當(dāng)天的出行需求。

3.2.2 出行方式選擇模型

性別對選擇自行車或電動(dòng)車、地鐵的影響顯著，對是否選擇公交進(jìn)行出行的影響不顯著。在自行車或電動(dòng)車的選擇中，參數(shù)估計(jì)值為0.755，優(yōu)勢比Or=2.128，表明男性出行采用自行車或電動(dòng)車的概率是女性的2.128倍。但在地鐵的選擇中，參數(shù)估計(jì)值為負(fù)數(shù)，表明相比男性，女性采用地鐵出行的比例高于男性。

年齡對不同出行方式選擇的影響顯著，且估計(jì)參數(shù)值均為負(fù)值，表明隨著年齡的增大，進(jìn)城務(wù)工人員選擇自行車或電動(dòng)車、公交和地鐵的概率都逐漸降低。其中地鐵的參數(shù)估計(jì)值最小，為-0.529，相應(yīng)的優(yōu)勢比Or=0.589，即年齡每提高一個(gè)層次，出行采用地鐵的概率就會(huì)降低為0.589倍。

教育程度對自行車或電動(dòng)車、地鐵的選擇影響顯著，而對公交的選擇影響不顯著；行業(yè)分布對公交的選擇影響顯著，而對自行車或電動(dòng)車、地鐵的選擇并不顯著；家庭結(jié)構(gòu)對自行車或電動(dòng)車、公交的選擇影響顯著，而對地鐵的選擇影響不顯著。教育程度對地鐵選擇模型的參數(shù)估計(jì)值為0.357>0，優(yōu)勢比Or=1.429，表明受過越高教育的進(jìn)城務(wù)工人員越可能選擇地鐵作為出行方式。行業(yè)分布對公交的選擇不顯著，可能是因?yàn)殡m然各個(gè)行業(yè)的收入可能有一定差距，但公交作為城市的基本中長距離出行交通方式，價(jià)格便宜，而且路線覆蓋面積廣，每個(gè)行業(yè)分布的人員都會(huì)選擇其作為出行方式，這點(diǎn)也可以從人均月收入情況對公交選擇的不顯著反映。

人均月收入情況對自行車或電動(dòng)車、地鐵的選擇影響顯著，對公交的選擇影響不顯著。其中在地鐵的選擇模型中的參數(shù)估計(jì)值最大，自行車或電動(dòng)車次之，公交最小，表明人均月收入情況對進(jìn)城務(wù)工人員選擇地鐵的影響較大，對選擇自行車或電動(dòng)車的影響次之，而對選擇公交的影響最小。

特征變量出行距離對3種出行方式選擇的影響都顯著，參數(shù)估計(jì)值分別為0.935，1.209，0.741，相對應(yīng)的優(yōu)勢比Or分別為2.547，3.350，2.098。表明隨著出行距離的增大，選擇自行車或電動(dòng)車、公交、地鐵的概率逐漸增大，而選擇步行的概率逐漸減少，其中出行距離的變化對公交的選擇影響最大。

4 出行彈性度分析

為進(jìn)一步分析進(jìn)城務(wù)工人員的出行行為，考察其在出行鏈和交通方式的選擇上是否具有固定或者偏好的習(xí)慣性選擇行為。筆者從概率學(xué)的角度出發(fā)，采用彈性度來分析研究進(jìn)城務(wù)工人員在出行鏈和交通方式選擇上的出行彈性。

4.1 定義及計(jì)算

出行彈性度是指長時(shí)間內(nèi)出行者對各選擇肢選擇情況的偏好程度的宏觀描述[12]。出行中，對于某一決策變量D(例如出行鏈、出行方式選擇)，假設(shè)其有n個(gè)選擇肢，出行者選擇第i個(gè)選擇肢的概率為Pi，記集合{Pi} 中n個(gè)元素的離散程度為出行行為關(guān)于這個(gè)決策變量D的彈性度K(D)。一種采用標(biāo)準(zhǔn)差來度量彈性度如式(7)，具體推導(dǎo)過程可參考文獻(xiàn)[12]。

(7)

式中：n為決策變量的選擇肢個(gè)數(shù)；Pi為出行者選擇第i個(gè)選擇肢的概率。

4.2 彈性度統(tǒng)計(jì)

根據(jù)3.1節(jié)中進(jìn)行參數(shù)標(biāo)定后的進(jìn)城務(wù)工人員出行鏈和出行方式選擇模型，可以求解出每個(gè)個(gè)體對不同出行鏈和出行方式的選擇概率，然后按照式(7)計(jì)算得到出行鏈和出行方式選擇的彈性度。根據(jù)對出行鏈和出行方式選擇的彈性度值的統(tǒng)計(jì)，得到的統(tǒng)計(jì)結(jié)果如圖1。

圖1 統(tǒng)計(jì)結(jié)果Fig.1 Statistical results

根據(jù)統(tǒng)計(jì)的結(jié)果可以得到，進(jìn)城務(wù)工人員的出行鏈彈性度最大值為0.752，最小為0.031，平均值為0.254，標(biāo)準(zhǔn)差為0.185；出行方式彈性度的最大值為0.943，最小值為0，平均值為0.317，標(biāo)準(zhǔn)差為0.187。

從圖1以及相應(yīng)的統(tǒng)計(jì)數(shù)據(jù)來看，進(jìn)城務(wù)工人員的出行鏈和出行方式選擇模型的彈性度的平均值都遠(yuǎn)小于1，表明在調(diào)查的樣本中，進(jìn)城務(wù)工人員的出行在選擇簡單鏈還是復(fù)雜鏈的時(shí)候缺乏彈性，出行鏈的選擇模式較為單一；同時(shí)在各種交通出行方式的選擇上也缺乏變化，選擇模式較為固定。這可能與現(xiàn)實(shí)中進(jìn)城務(wù)工人員的生活狀態(tài)有關(guān)，他們作為城市外來的工作者，往往承擔(dān)著一定的家庭經(jīng)濟(jì)壓力，工作時(shí)間和工作地點(diǎn)較為固定，他們從事的建筑、制造、餐飲等工作允許其日常可支配的自由時(shí)間較少；同時(shí)與一般的城市居民相比，其消費(fèi)意愿和水平較低，因此導(dǎo)致其出行缺乏多樣性和靈活性，出行較為單一。

5 結(jié) 語

利用多項(xiàng)Logit模型分別建立了進(jìn)城務(wù)工人員出行鏈選擇和出行方式選擇模型，標(biāo)定結(jié)果表明性別等7個(gè)特征變量對其具有不同程度的影響。

對標(biāo)定參數(shù)進(jìn)行分析，發(fā)現(xiàn)在出行鏈選擇模型中，年齡和家庭結(jié)構(gòu)的優(yōu)勢比Or<1，表明隨著年齡和家庭結(jié)構(gòu)的增加，選擇復(fù)雜鏈的出行比例逐漸減少；在出行方式選擇模型中，教育程度、行業(yè)分布、家庭結(jié)構(gòu)對各出行方式選擇的顯著程度不同，而出行距離對對各出行方式選擇都有顯著影響，優(yōu)勢比Or都達(dá)到了2以上。

彈性度分析表明進(jìn)城務(wù)工人員的出行鏈選擇和出行方式選擇都缺乏彈性，其出行活動(dòng)缺乏變化，選擇行為較為單一。

[1] NIELSEN O A.A stochastic transit assignment model considering differences in passengers utility functions[J].TransportationResearchPartB:Methodological,2000,34(5):377-402.

[2] BOWMAN J L,BEN-AKIVA M E.Activity-based disaggregate travel demand model system with activity schedules[J].TransportationResearchPartA:PolicyandPractice,2001,35(1):1-28.

[3] IVANOVA O.A note on the consistent aggregation of nested logit demand functions[J].TransportationResearchPartB:Methodological,2005,39(10):890-895.

[4] HENSHER D A,ROSE J M.Development of commuter and non-commuter mode choice models for the assessment of new public transport infrastructure projects:a case study[J].TransportationResearchPartA:PolicyandPractice,2007,41(5):428-443.

[5] SALEH W,FARRELL S.Implications of congestion charging for departure time choice:work and non-work schedule flexibility[J].TransportationResearchPartA:PolicyandPractice,2005,39(7/9):773-791.

[6] 姚麗亞,孫立山,關(guān)宏志.基于分層Logit模型的交通方式選擇行為研究[J].武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版),2010,34(4):738-741. YAO Liya,SUN Lishan,GUAN Hongzhi.Study on modal split method based on nested logit model[J].JournalofWuhanUniversityofTechnology(TransportationScience&Engineering),2010,34(4):738-741.

[7] 劉炳恩,雋志才,李艷玲,等.居民出行方式選擇非集計(jì)模型的建立[J].公路交通科技, 2008,25(5):116-120. LIU Bing’en,JUAN Zhicai,LI Yanling,et al.Development of a multinomial logit model for travel mode choice of residents[J].JournalofHighwayandTransportationResearchandDevelopment,2008,25(5):116-120.

[8] 楊琦,楊云峰,袁華智,等.農(nóng)村居民出行目的地選擇行為模型與影響因素分析[J].交通運(yùn)輸工程學(xué)報(bào),2013,13(5):83-90. YANG Qi,YANG Yunfeng,YUAN Huazhi,et al.Choice behaviour model and influencing factor analysis of travel destination for rural resident[J].JournalofTrafficandTransportationEngineering,2013,13(5):83-90.

[9] 趙建有,袁華智,蹇小平,等.城市低收入人群出行方式選擇模型[J].長安大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,32(4):65-69. ZHAO Jianyou,YUAN Huazhi,JIAN Xiaoping,et al.Selection model of travel mode for urban low-income population[J].JournalofChang'anUniversity(NaturalScienceEdition),2012,32(4):65- 69.

[10] 楊敏,王煒,陳學(xué)武,等.工作者通勤出行活動(dòng)模式的選擇行為[J].西南交通大學(xué)學(xué)報(bào),2009,44(2):274-279. YANG Min,WANG Wei,CHEN Xuewu,et al.Activity pattern choice of work commuting trip by workers[J].JournalofSouthwestJiaotongUniversity,2009,44(2):274-279.

[11] 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,2010,27(6):107-111. LUAN Kun,JUAN Zhicai,ZONG Fang.Research on commuter's choice behavior between travel mode and trip chain[J].JournalofHighwayandTransportationResearchandDevelopment,2010,27(6):107-111.

[12] 云美萍,張?jiān)?周源,等.出行彈性概念及其應(yīng)用[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,41(9):1359-1365. YUN Meiping,ZHANG Yuan,ZHOU Yuan,et al.Conception of travel elasticity and its application[J].JournalofTongjiUniversity(NaturalScience),2013,41(9):1359-1365.

Analysis of Travel Behavior and Its Elasticity for Migrant Workers

CHEN Hong，GAN Zuoxian，HE Yuting，F(xiàn)ENG Hui

(School of Highway, Chang’an University, Xi’an 710064, Shaanxi，P. R. China)

To study migrant workers’ travel behavior, multinomial logit models of travel chain choice and travel mode choice were established by taking seven factors as characteristic variables including gender, age, family members, travel distance etc. and travel chain and travel mode as decision variables. The models were calibrated and tested with 244 as sample data on migrant workers’travel behavior in Xi’an. Thus, choice probability models were fitted out and the influence of various characteristic variables impacting the choice models were analyzed. Finally, by introducing the concept of elasticity, the elasticity of the travel behavior for migrant workers was analyzed. The result shows that the travel chain choice and travel mode choice of migrant workers are both lack of elasticity, and their travel behavior is of single-mode.

traffic and transportation engineering; travel behavior; multinomial logit; migrant workers; elasticity analysis

10.3969/j.issn.1674-0696.2016.02.25

2014-11-06；

2015-01-06

國家自然科學(xué)基金項(xiàng)目(51208054)

陳 紅(1963—)，女，湖南湘潭人，教授，博士，主要從事交通規(guī)劃與管理方面的研究。E-mail：hongchen82@126.com。

甘佐賢(1989—)，男，湖北黃岡人，碩士研究生，主要從事交通行為分析方面的研究。E-mail：gump2507@163.com。

U491

A

1674-0696(2016)02-120-06