現(xiàn)代綜合交通運輸體系下各交通工具客運分擔率預測

徐宏飛，何世偉，靳國偉

(北京交通大學 交通運輸學院，北京 100044)

0 引言

近些年，國內(nèi)外專家學者對客運分擔率的預測已進行了相關研究.Sunduck[1]使用問卷調(diào)查方法，研究韓國引入高鐵后的一年時間內(nèi)，其他交通工具的客運分擔率的變化情況.結(jié)果發(fā)現(xiàn)，在所有高鐵客流中，56%來自于既有鐵路，12%來自于私家車，15%來自于公路，17%來自民航；Roman[2]運用非集計模型，研究馬德里、巴塞羅那間高鐵與民航的客運分擔率；Yao[3]將用戶效益函數(shù)加入到綜合城際交通客運分擔率的預測模型中，使預測過程更加合理；Nicole Adlen[4]等人以運營成本、票價等因素作為自變量，構建了各種交通工具的旅客效益函數(shù)，重點研究了泛歐體系內(nèi)各種交通工具之間的競爭關系；Youdi Schipper[5]等人以調(diào)整班次和票價為策略，研究不同措施對民航的客運分擔率的影響情況；毛保華[6]等人將經(jīng)濟性、便利性、舒適度等因素作為變量，建立了Logit模型當中的效用函數(shù)，并基于極大似然估計法，研究了客運專線的建成對其他交通工具的客運分擔率所產(chǎn)生的影響；馮煥煥[7]采用粗糙集理論求解Logit模型中的影響因素權重，并建立了用戶效用函數(shù)，結(jié)合兩個OD間的客運分擔率的預測，證明此方法的有效性和可行性；夏懷偉[8]基于需求彈性理論，找出影響客運分擔率的因素，主要包括收入、出行距離、出行目的等等；張秀媛[9]依據(jù)旅客出行意愿調(diào)查結(jié)果，找出影響鐵路客運分擔率的關鍵因素，包括時間、費用等，并推算了各因素的影響權重；羅劍[10]基于個體對出行時間的感知差異性，選取性別與出行時間、收入與出行時間兩組交叉變量，進行Mixed Logit 建模分析，結(jié)果發(fā)現(xiàn)男性、高收入者對時間的敏感性更高.

本文選取北京、蘇州為一個OD，將經(jīng)濟性、舒適性、快速性、方便性和可靠性作為影響因素，構建北京、蘇州間各種交通工具的旅客效益函數(shù)，并基于MNL、PSL、EPSL模型[11- 12]，分別建立各種交通工具的客運分擔率預測模型.比較預測結(jié)果，發(fā)現(xiàn)EPSL模型的預測效果更優(yōu)，預測過程更加合理.

1 客運分擔率預測模型

為了能更精確地反映旅客由起點O到終點D的交通工具選擇意向，使得預測結(jié)果更加接近現(xiàn)實情況，本文選用“非集計模型”中的MNL、PSL、EPSL模型，對北京、蘇州間的客運分擔率進行預測.“非集計模型”就是指在建立預測模型時，以一個或一類旅客的交通工具選擇意向數(shù)據(jù)為基本單位，直接參與到模型的構建過程.同時，該類模型需基于以下假說：

假說1 每一位旅客都是做出出行決策的最基本單位；

假說2 基于特定的交通工具屬性和條件，每位旅客都會選擇對自身產(chǎn)生最大效用的交通工具；

假說3 交通工具i對旅客n產(chǎn)生的效用函數(shù)：Uin=Vin+εin中的可變項εin均互不影響，且服從Gumbel分布.

1.1 MNL模型(Multinomial Logit Model)

MNL模型是非集計模型類中最常用的一種，其模型構成如式(1)、式(2)所示：

(1)

(2)

式中：Pin為某一OD間的旅客n，選擇交通工具i的概率；Vi(j)n為某一OD間的旅客n，選擇交通工具i(j)所產(chǎn)生的效用函數(shù)固定項；A為某一OD間的所有可選交通工具的路徑集合；Xi(j)nk為影響旅客n選擇交通工具i(j)的第k個因素值，共有h個因素；θk為與Xi(j)nk對應的因素權重，依據(jù)極大似然估計法獲得.

1.2 PSL模型(Path-Size Logit Model)

PSL模型是MNL模型的改進，前者將某一OD間各種交通工具的運行路徑存在重疊的情況，加入到模型的構建過程，認為路徑重疊會對存在該情況的交通工具的客運分擔率產(chǎn)生影響，其模型的構成如式(2)、(3)、(4)所示：

(3)

(4)

式中,a為路徑i中所包含的路段的編號，每條路徑可由多個路段連接而成；Ti為組成路徑i的路段的集合；La為路徑i中第a條路段的長度；Li為路徑i的總長度；PSi(j)為路徑i(j)的路徑重疊系數(shù)，用于衡量某一OD間的某條路徑與其它路徑之間存在的路徑重疊情況；δaj為路段選擇變量，為0～1變量：若某一OD間的第j條路徑中的第a條路段被選中，則取1，否則取0.

1.3 EPSL模型

EPSL模型是在PSL模型考慮路徑重疊問題的基礎上，繼續(xù)將路徑長度不同這一因素加入到模型的構建過程中，認為不同交通工具的路徑長度的差異會影響彼此的客運分擔率，其模型的構成如式(2)、(5)、(6)所示：

(5)

(6)

式中,EPSi(j)為路徑i(j)的拓展重疊系數(shù)；γ為尺寸分配系數(shù)，本文取1.

2 建模基礎數(shù)據(jù)

2.1 北京、蘇州間交通概況

北京、蘇州間主要交通工具有高鐵、普速、公路和民航.本文采用SP調(diào)查(Stated Preference Survey)問卷法，于北京站、北京機場、蘇州站等地對往返于北京和蘇州之間的旅客進行調(diào)查，共發(fā)放723份問卷，收回672份有效問卷，有效率達93%.經(jīng)過實地調(diào)查發(fā)現(xiàn)，由于京滬通道上的蘇州北站設于蘇州市西北郊，距離蘇州市區(qū)很遠，且城市交通集疏運系統(tǒng)不完善，部分選擇高鐵前往蘇州的旅客愿意在京滬通道上的南京南站進行換乘，前往蘇州市區(qū).因此，從宏觀角度來說，前往蘇州的旅客有兩大類可選路徑方案：① 選擇高鐵、普速、公路和民航中的一種，直接前往蘇州；② 選擇高鐵的旅客，可以在南京南站進行換乘，然后前往蘇州.每一類路徑方案中，又包含多條路徑，各條路徑間存在路段重疊情況，如圖1所示.

由圖1 可知，選擇高鐵的旅客，可以在南京換乘城際、公路或普速前往蘇州，發(fā)生客流轉(zhuǎn)移.高鐵、普速、公路和高鐵+城際這四條路徑在南京與蘇州之間存在路段重疊，且路徑長度和發(fā)生重疊的路段的長度均不相等；南京與蘇州之間無民航班機，因此民航路徑與其它路徑不存在路段重疊.

圖1 北京、蘇州間交通概況

2.2 Xi(j)k的確立

依據(jù)相關文獻，選取經(jīng)濟性(Xi(j)1)、舒適性(Xi(j)2)、快速性(Xi(j)3)、方便性(Xi(j)4)、可靠性(Xi(j)5)作為影響客運分擔率的變量，定義如式(7)所示：

(7)

式中,Ci為交通工具i的票價；fi為交通工具i的舒適度系數(shù)，一般為5%～10%，本文取8%；Si為交通工具i的純運行時間；Ct為旅客的時間價值，一般小于人均小時工資，結(jié)合北京、蘇州調(diào)查情況，本文取33元/h；ti為交通工具i的平均候車、候機時間；ti1、ti2為交通工具i的起、終點的平均換乘時間；di為交通工具i的平均延誤時間.

2.3 北京、蘇州間交通工具屬性

依據(jù)市場調(diào)查，可得到北京、蘇州間各種交通工具的基本屬性數(shù)據(jù)，如表1所示.

表1 北京、蘇州間各種交通工具的基本屬性值

2.4 Xi(j)k的計算

綜合式(7)、表1中的數(shù)據(jù)，可求得Xi(j)k,k∈[1,5]如表2所示.

表2 客運分擔率的影響因素值

2.5 θk的參數(shù)估計

Gauss軟件是可互動或批次編譯的矩陣程序語言及繪圖軟件包，用于解決基礎的統(tǒng)計分析和大規(guī)模的實際問題，操作簡單，是一個非常有效的數(shù)據(jù)處理者、一種內(nèi)部相互作用的分析環(huán)境.基于問卷調(diào)查數(shù)據(jù)，通過Gauss軟件對Xi(j)k,k∈[1,5]的權重θk,k∈[1,5]進行標定，結(jié)果如表3所示.

表3 θk的參數(shù)估計結(jié)果

由表3可知，θk,k∈[1,5]的T檢驗值的絕對值均大于1.96，證明選取的因素變量Xi(j)k,k∈[1,5]和模型均有效且可行.

3 建模分析

(1)MNL建模

綜合式(1)、(2)、表2、表3，可得到MNL模型下的客運分擔率如表4所示.

表4 MNL模型下的客運分擔率

(2)PSL建模

由式(4)、圖1，可求得路徑重疊系數(shù)PSi(j)如表5所示.

表5 路徑重疊系數(shù)

由式(2)、(3)、表2、表3、表5，可得到PSL模型下的客運分擔率如表6所示.

表6 PSL模型下的客運分擔率

(3)EPSL建模

由式(6)、圖1，可求得路徑拓展重疊系數(shù)EPSi(j)如表7所示.

表7 路徑拓展重疊系數(shù)

由式(2)、(5)、表2、表3、表7，可求得EPSL模型下的客運分擔率如表8所示.

表8 EPSL模型下的客運分擔率

4 結(jié)論

綜合表4、表6、表8，可得到基于MNL、PSL、EPSL模型的，北京、蘇州間各種交通工具的客運分擔率預測的對比情況，如圖2所示.

由圖2可知：

(1)EPSL模型中的路徑拓展重疊系數(shù)EPSi(j)可以調(diào)整包含重疊路段的不同長度的路徑所承擔的客運分擔率，避免了PSL模型會過多的把客運分擔率分配給較長的路徑、與實際旅客選擇交通工具行為相違背的現(xiàn)象；

(2)EPSL模型綜合考慮路徑長度、路段重疊現(xiàn)象對旅客選擇交通工具行為的影響，擴大了MNL模型的應用范圍；

(3)EPSL模型可以作為在建設現(xiàn)代綜合交通運輸體系下，預測各種交通工具的客運分擔率、合理配置運輸資源的理論基礎和首選方法.

[1]SUN S D, HYUM J, KIM. Effects of Korean train express(KTX) operation on the national transport system[J]. Yul., 2005(5):175- 189.

[2]ROMAN C, ESPINO R, MARTIN J C. Competition of high-speed train with air transport: the case of Madrid-Barcelona[J]. Journal of Air Transport Management, 2007,13(5):277- 284.

[3]YAO E, MORIKAWA T. A study of integrated intercity travel demand model [J]. Transportation Research Part A Policy & Practice, 2005, 39(4):367- 381.

[4]NICOLE ADLER, ERIC PELS, CHRIS NASH. High-speed rail and transport competition: Game engineering as tool for cost-benefit analysis[J]. Transportation Research Part B, 2010(3):21- 29.

[5]YOUDI SCHIPPE, PETER NI JKAMP, PIET RIETVELD. Deregulation and welfare in airline markets: An analysis of frequency equilibrium[J]. European Journal of Operational Research, 2007, 178:194- 206.

[6]毛保華，何宇強，陳團生,等．高速客運專線客流分擔率模型及其應用研究[J] ．鐵道學報，2006，28(3)：18- 21．

[7]馮煥煥，朱從坤．粗糙集理論在城際間客運量分擔率模型中的應用[J] ．蘇州科技學院學報(工程技術版)，2007，20(1)：30- 33．

[8]夏懷偉．鐵路客運需求彈性分析與營銷對策[J]．鐵道科學與工程學報，2000，18(2)：96- 100．

[9]張秀媛．鐵路快速客運需求中的意向選擇調(diào)查[J]．Technological Economy，2004(2)：59- 60．

[10]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分析[J] ．公路交通科技，2007，24(2)：114- 117．

[11]周榕洲．成網(wǎng)條件下高速鐵路列車開行方案調(diào)整對轉(zhuǎn)移客運需求的影響研究[D]．北京：北京交通大學，2013．

[12]張曉宇．高速鐵路列車開行方案關鍵要素對客運需求的影響研究[D]．北京：北京交通大學，2016．