多交通方式實時信息影響下的通勤者出行行為

孫亦凡，干宏程

（上海理工大學 超網絡研究中心，上海 200093）

隨著我國經濟快速發展，私家車因其舒適、方便、靈活等優點，成為許多人的首選通勤交通工具，這導致高峰時段的交通擁堵現象和相關負面影響更為突出，為此，政府積極采取各種措施來緩解此類問題。在“互聯網+交通”時代背景下，有些城市（如上海、北京、廣州、寧波）開始注重研發多交通方式出行者信息系統，鼓勵駕駛員通過智能手機獲取實時交通信息，從而選擇停車換乘地鐵（subway park and ride，SP+R）。

目前，國內外許多研究者已經對人們的停車換乘行為展開了研究。云美萍等[1]認為交通通暢和堵塞兩種狀態下通勤者選擇SP+R 的影響因素不同。Hess[2]采用多元logit 模型研究費用對于通勤者選擇SP+R的影響。田麗君等[3]基于累積前景理論對通勤者的停車換乘行為進行建模分析。向紅艷等[4]基于NL 模型將出行時間作為上層，交通出行方式作為下層，建立居民停車換乘行為的模型。雖然上述研究運用各種行為理論解析了人們選擇SP+R 的各種影響因素，但是鮮有文獻研究多交通方式出行者信息下的SP+R 選擇行為。

隨著“互聯網+”在交通管理中的加快應用，先進出行者信息系統（ATIS）對出行行為影響的學術研究從傳統側重單一交通方式，拓展為對多交通方式出行信息（或稱多模式出行者信息）影響的研究[5-7]，其中，由手機APP 提供的多模式出行者信息（smartphone multi-modal travel information，SMMI）系統成為建立低碳可持續交通系統和增加城市流動性的一種趨勢[8-10]。

Gan[11]在國際上首次研究出行者在SMMI 提供關于自駕路線和SP+R 路線的動態信息情況下出行行為的改變。該研究針對上海浦西地區到浦東地區（跨越黃浦江）通勤的出行情境展開，SMMI 提供一條自駕路線和SP+R 路線的實時交通信息。本文拓展Gan 的研究，探索包含兩條自駕路線和一條停車換乘地鐵路線的SMMI 對出行者路徑選擇的影響。

上海現行政策規定，上下班高峰時期外地牌照的車輛不能使用高架快速路，公交車之外的社會車輛不能使用公交專用車道，可見政府對小汽車的出行限制嚴格。此外，國內外相關文獻[12-13]均顯示小汽車通勤者是停車換乘設施的主要用戶。因此，本文主要關注SMMI 對小汽車通勤者SP+R 選擇行為的影響，這對政府制定停車換乘政策十分重要。

1 SMMI 影響下路徑選擇行為的問卷收集與分析

本文采用意向調查（stated preference，SP）方式收集SMMI 影響下通勤者出行路徑的選擇行為數據。根據上海SP+R 停車場布局的實際情況，本文假設通勤者以汶水路地鐵站停車換乘設施附近的居民小區為起點，以靜安寺附近的單位辦公大樓為終點，然后結合實地觀測和百度地圖實時交通信息推薦路線得到3 條實際可行的路線。構造的出行情境如圖1 所示。

圖1 意向調查中的假設路線Fig.1 Travel scenario in the SP survey

1.1 問卷設計及篩選

SP 調查的具體內容包括：社會經濟屬性；平日通勤出行特征；假設情景下的路徑選擇。調查中如果通勤者在家中的初始路線選擇是SP+R（路線3），那么調查結束。如果通勤者選擇路線1 或路線2，那么通勤者可以看見路線1 或路線2 對應情景下手機APP 提供的實時信息，然后作出路徑選擇。本文根據實際情況，路線1 的行程時間設計兩種水平：48 min，60 min；路線2 的行程時間設計兩種水平：45 min，58 min；路線3 的行程時間設計3 種水平：45 min，37 min，29 min；路線3 的車廂擁擠程度設計3 種水平：特別擁擠，一般擁擠，不擁擠；然后利用正交設計得到9 種假設情景。SMMI 系統提供的實時交通信息如圖2 所示。

圖2 意向調查中的出行情境和SMMIFig.2 Travel scenario and SMMI message in the SP survey

本次調查一共回收142 份有效問卷，其中家庭擁有上海牌照私家車的79 份。這79 份中只有1 份問卷的初始選擇路徑為SP+R，故本文處理的問卷為78 份，共有702（78*9）條路線選擇的觀測數據用于后續數據分析和建模。

1.2 SP+R 現狀分析

SP+R 現狀調查結果顯示，只有12.87%的人沒有聽說過SP+R，55.13%的人聽過并使用過SP+R。這表明SP+R 經過幾年的宣傳推廣已經有了一定的效果，并且通勤者在某些情況下需要使用SP+R這種出行方式。但是，結果也顯示74.4%的通勤者使用SP+R 的頻率為0～1 天/周，11.5%的通勤者使用SP+R 的頻率為4～5 天/周。這表明SP+R并沒有成為通勤者常用的上班方式，政府仍然需要采取措施增加通勤者使用SP+R 的頻率，使通勤者習慣使用SP+R 上班。

1.3 車廂擁擠程度的分析

通過對有效問卷整理分析，得出車廂的擁擠程度與通勤者選擇路徑的交叉分析結果，見圖3。可以看出：當車廂不擁擠時，有41%的人選擇SP+R；當車廂一般擁擠時，有28%的人選擇SP+R；當車廂特別擁擠時，有20%的人選擇SP+R。這說明隨著車廂擁擠程度的提高，通勤者選擇SP+R 的比例下降，SMMI 系統提供的車廂舒適程度信息是影響通 勤者選擇SP+R 的重要因素。

圖3 車廂擁擠程度與選擇路線的交叉統計Fig.3 Cross statistics of the crowdedness status of subway andthe routing selection

1.4 出行路徑時間分析

表1 顯示3 條路線不同行程時間水平下，3 條路線的選擇比例。表中可以很明顯地看出，隨著路線行程時間變長，相應的路徑選擇比例明顯降低。這表明SMMI 系統顯示的時間信息是影響通勤者選擇SP+R 的重要因素。

表1 不同行程時間下選擇路線的統計Tab.1 Statistics of routing selection at different travel time

2 路徑選擇行為的離散選擇模型分析

離散選擇模型被廣泛應用于交通出行行為研究。Ben-Akiva 等[14]和McFadden[15]認 為 先 利 用 離散選擇模型研究出行行為，再利用集計方法預測比傳統交通社區層面的集計方法預測具有顯著的優勢。本研究中每個通勤者具有相同的選項集Cn={路線1，路線2，路線3}，因此采用多元logit 模型進行建模分析。

在多元logit 模型中，每個通勤者的效用函數相同，并且通勤者總是理性地選擇效用最大的選項。3 條路線的效用函數表達式為

式中：Uni為通勤者n 選擇路線i（i=1，2，3）的效用函數；Vni是影響通勤者n 選擇路線i 的可觀測變量組成的線性函數，稱為系統效用；εni是服從Gumbel 分布的隨機值，稱為隨機效用，代表不可測量的效用。

綜上可得通勤者n 選擇路線i 的概率為

a.模型的估計結果。

本文采用SAS9.4 進行建模，通過對影響變量類型的設定和數值的轉化，以及不同模型之間的對比，最終進入模型的變量有時間、車廂擁擠度、駕齡、私家車擁有數量、開車頻率、獲取信息的頻率、SP+R 的使用經歷、以往上班的路線。模型的具體結果見表2，表中B 為模型估計的系數，sig 為估計系數的顯著性。車廂不擁擠、一般擁擠的對照組是車廂特別擁擠；私家車擁有數量超過1 輛的對照組是擁有1 輛私家車；開車頻率4～7 天/周 的 對 照 組 是0～3 天/周；獲 取 信 息 頻 率4～7 天/周的對照組是0～3 天/周；沒聽說過SP+R、聽說過但沒使用過SP+R 的對照組是使用過SP+R；上班路線習慣走地面普通道路的對照組是上班路線習慣走高架快速路。

表2 模型的參數估計Tab.2 Related parameters estimation in the logit model

b.模型的結果分析。

由表2 可得以下的結論。

（a）常數項。在正常情況下受訪者對于3 條路線的偏好。結果表示出勤者對于3 條路線從小到大的偏好依次為以地面為主的路線、SP+R、以高架為主的路線。這說明雖然出勤者對于自駕的偏好較高，但是對于SP+R 也有較高的接受能力，可以通過一定的政策調控提高出勤者對于SP+R 的接受能力。

（b）時間。該模型中設定時間為共同變量，即3 條路線的時間邊際效用是一樣的。系數為負，說明通勤者偏向于選擇時間較短的路線，這與現實情況中通勤者相符。

（c）車廂擁擠程度是路線3 的特有變量。不擁擠啞變量和一般擁擠啞變量的系數在0.05 水平上顯著，系數為正，且不擁擠的系數大于一般擁擠的系數（1.433 5>0.706 2），這說明車廂越不擁擠，人們選擇SP+R 的概率越大。

（d）駕齡。路線1 的駕齡系數為0.485 3，并且在0.05 的水平上顯著異于零，說明相較于SP+R，駕齡越大的人越偏向于選擇路線1。路線2 的駕齡系數為?0.213 5，這說明相較于路線2，駕齡大的人更愿意選擇SP+R。一般而言，駕齡越大的人，駕駛經驗越豐富，對于自駕上班的偏好越強。但是，有經驗的駕駛員一般都清楚在上海的上班期間以地面為主的自駕路線很容易因為種種原因造成堵車，這導致通勤者不能按時到達目的地。而SP+R 由于定點發車定點到站的特點，使通勤者能更準確地預估行程，按時到達目的地。綜上，駕齡越大的通勤者越偏好于路線1，然后是SP+R，最后是路線2。

（e）擁有的私加車數量。以擁有一輛私家車為參考對象，其中路線1 的擁有私家車數量變量在統計學意義上不顯著，這表明在本模型中通勤者擁有私家車的數量對于路線1 和SP+R 的相對效用沒有顯著的影響。路線2 的系數在0.01 的水平下顯著并且為正，表明擁有私家車的數量超過1 輛的通勤者偏向于自駕。

（f）開車頻率。路線1 和路線2 的系數在0.001 的水平下顯著且都為正，說明駕車頻率較為頻繁的通勤者更愿意選擇自駕出行。

（g）獲取信息的頻率。路線1 的系數不顯著，說明在本模型中獲取信息的頻率并未對路線1 和SP+R 的相對效用產生顯著影響。路線2 的系數顯著并且為負，說明獲取信息頻率高的通勤者更偏向于SP+R。

（h）使用SP+R 的經歷。以使用過SP+R 的人為參考對象，在路線1 和路線2 的效用函數中，沒有使用過SP+R 的啞變量系數都為正（2.081 2>1.674 1），說明沒使用過SP+R 的人選擇偏好從大到小依次為路線2、路線3（SP+R）、路線1。路線1 中聽說過但沒使用過的啞變量系數不顯著，路線2 的系數顯著，說明該變量對于路線1 與SP+R的相對效用并未產生顯著影響，他們更愿意選擇路線2。此外，因為2.081 2>0.931 2，說明聽說過但沒使用SP+R 的人相較于沒聽說過SP+R 的人更愿意選擇SP+R。

（k）上班路線習慣走地面普通道路。以上班路線習慣走高架快速道路為參考對象，在路線1 和路線2 的效用函數中系數都為正，說明習慣走地面普通道路的通勤者對于自駕的依賴性更強，不容易改變原本的駕駛習慣。

從上述分析中可以發現，部分影響變量并未對選項的相對效用產生顯著影響，所以為了提高模型的擬合度和預測的精度，將模型中顯著性大于0.2 的影響因素刪除，重新建模。最終模型的McFadden LRI 值為0.327，在0.2～0.4 之間，修正的Estrella 為0.552 3，認為模型的擬合效果良好。最終模型的系統效用函數為

式中，V1，V2，V3分別為路線1、路線2、路線3 的系統效用。

根據上述分析和調查結果，提出以下相關政策建議，以便于有關部門進行更科學地交通規劃和管理以及SMMI 系統設計。

a.政府通過宣傳擴大SP+R 使用人數的比例。本研究顯示政府有足夠的空間提高SP+R 市場份額。政府可以利用各種宣傳渠道例如電視、互聯網和廣播等提高人們對低碳/綠色交通的意識，鼓勵人們嘗試SP+R。此外，政府也可以邀請通勤者免費試用SP+R 或給予使用SP+R 的通勤者獎勵，以使得通勤者在看見SMMI 系統提供的出行信息時，能夠選取SP+R。

b.地鐵運營部門改善了地鐵服務水平。從上述分析中可以看出，車廂擁擠程度是影響通勤者選擇SP+R 的關鍵因素。因此政府采取措施提高地鐵車廂的舒適度是非常有價值的。政府為了提高SP+R 的市場份額，可采取的有效措施是在上下班高峰時期增加地鐵的發車班次，從而使通勤者的等待時間變短，車廂也變得更為舒適。

c.實時交通信息系統的設計。分析表明手機提供的時間、車廂舒適度等實時信息對于通勤者出行有著很大的影響。當通勤者通過手機查看到自駕較為擁堵、車廂舒適度較高時，出行路徑由自駕轉換成SP+R 的概率就會變高。因此，政府可以與有關企業合作開發相應的實時信息系統。信息系統的內容應該包括地鐵車廂舒適度、各可行路線的行駛時間兩方面的內容。

3 結束語

研究了SMMI 系統提供兩條現實中的自駕路線和一條SP+R 路線的情景下，上海通勤者的路徑選擇行為。研究表明SMMI 系統提供的實時交通信息可以顯著影響通勤者對于路徑的選擇行為。此外社會經濟屬性中駕齡、私家車擁有數量和出行特征屬性中開車頻率、獲取信息的頻率、SP+R 的使用經歷、以往上班的路線等因素均影響通勤者對于路徑的選擇。最后建議政府通過宣傳，改善地鐵服務水平，開發合理的實時交通信息系統，以增加SP+R 的市場份額。