城市居民換乘地鐵的交通方式實證分析

王馨玉，干宏程　WANG Xinyu,GAN Hongcheng

（上海理工大學 管理學院，上海 200093）

(Management School,University of Shanghai for Science and Technology,Shanghai 200093,China)

0　引言

當前私家車的過度增長導致了城市交通問題日益突出，主要有：交通擁堵、停車設施不足、公共交通分擔率低等，因此發展綠色交通已經成為世界各國的共識。Chris Bradshaw[1]于1994年提出了綠色交通體系，將步行、自行車、公共運輸工具、共乘車、單人駕駛自用車這5種交通工具列為綠色交通工具，并按優先級從高到低進行排序。文獻[2]從廣義上提出了綠色交通是指適宜在都市環境內且污染較低的運輸工具，來完成社會經濟活動。文獻[3]認為綠色交通能夠促進城市環境的多元化發展的城市交通工具，能夠減輕交通擁擠、減少環境污染、節約資源。文獻[4]指出綠色交通更加強調交通系統的環境友好性，主張在城市交通系統的規劃建設與運營過程中注重環境保護與生活環境質量。文獻[5]認為綠色交通是指方便、安全、高效、低污染、人性化和多樣化的城市交通系統。

建立以公共交通為主導的可持續發展的交通體系是綠色交通的本質。國外發達國家已經將對軌道交通系統的規劃建設與運營管理的研究轉移到了公共交通一體化研究。這些研究能夠充分發揮交通設施之間的協作效應，并實現了各種交通方式的合理銜接。許多大城市都在積極建設并改進城市公共交通，鼓勵自行車、步行等綠色出行模式來引導減少私家車出行或者低碳出行[6]。

我國正積極建設綠色交通，大城市進入了以軌道交通為主體的公共運輸時代，運營網絡逐漸形成。軌道交通線路運營的效果不盡人意，除了票價問題，究其原因與其他交通方式的換乘問題還未得到有效的解決。目前與軌道交通接駁的交通方式有步行、公交車、非機動車（包括電動車與自行車）、私家車、出租汽車[7]。因此，解決好這些交通方式與軌道交通的換乘銜接問題，加強基礎設施的建設，能夠進一步提高整個公共運輸系統的運行效率，從而加快綠色交通的建設。

蘇州與杭州都是公交都市示范城市，但杭州的綠色交通發展已達到國家領先水平，被評為了“綠色交通城市”。相比之下蘇州綠色交通的各個方面仍有待完善。

文中以蘇州為例，選取東環路地鐵站作為調查地點。東環路站附近有商業區、住宅區、文教區等用地，客流較大，并且有公交站點、非機動車停放點、機動車停放點以及公共租賃自行車，具有一定的代表性。為了便于調查、拒絕率低，選擇下班不趕時間的出站乘客為調查對象。交通方式有步行、公交車、非機動車和私人交通（包括私家車與出租汽車）4種。調查內容包括乘客的個人特性與選擇交通方式的基本情況。根據調查結果，擬合出了多元Logistic模型，并確定了影響交通方式選擇的因素。最后對模型結果分析，指出當前蘇州發展綠色交通應注意的方面，為蘇州市后續建設綠色交通做參考。

1　東環路站周邊銜接概況

東環路站是蘇州軌道交通一號線上的一個站點，位于干將東路、中新路與東環路交叉路口處，沿干將東路東西向布置，為地下兩層島式站臺車站，如圖1所示。東環路站共有5個出入口，周邊有3個自行車租賃點、非機動車免費停放點、6個公交停靠站、機動車停車場，附近有商業、住宅、學校、銀行等用地，客流量較大。

在東環路站，每個出口都設有公交車?？空?，與軌道交通車站距離約200米。公共自行車與非機動車停車場能夠滿足大部分非機動車使用者的換乘需求。在大力提倡綠色出行概念的今天，公共自行車的使用率也提高了不少。機動車停車場面積較小，停車位較少。

圖1　東環路站地理位置圖

2　問卷調查基本情況

本次調查是以蘇州市軌道交通一號線東環路站的出站乘客作為調查對象，問卷調查時間為2016年7月份，共300份有效問卷。統計結果如下：男性占比例為53%，女性占比例為47%；年齡呈正態分布，中青年居多，19～45歲占81.3%；收入在7萬以下的樣本所占比例為79%，7萬以上占21%。職業分布中以普通職員和自由職業者居多，分別占56.3%和20.7%。家庭擁有私家車占39.7%，無私家車占60.3%。出行目的中通勤出行所占比例為48.7%，非通勤出行占51.3%。乘客選擇步行占27%，公交車占36%，非機動車占21%，私人交通占16%。其中，乘客表明能承受的步行最遠距離為1.5km，對公交運行現狀不滿意，希望增加非機動車停放位置與加強停放安全管理，認為機動車停車場的停車位較少，管理較亂。

3　乘客選擇交通方式的情況分析

（1）性別與交通方式比例分析如圖2所示

在圖2中可看出，女性選擇公交車的比例高于男性；而選擇其他交通方式的乘客中，男性所占的比例均略高于女性。

（2）年齡與交通方式比例分析如圖3所示

圖2　性別與交通方式比例分布圖

圖3　年齡與交通方式比例分布圖

如圖3所示，小于18歲與60歲以上的乘客不選擇私人交通，主要交通方式是步行；而19～60歲年齡段的乘客都有選擇私人交通，且比例相近。進一步說明了年齡與交通方式的選擇沒有關系。

（3）職業與交通方式比例分析如圖4所示

從圖4可看出，不同職業的乘客選擇交通方式所占比例不同，其中公交車是不同職業乘客選擇的主要交通方式。自由職業者選擇私人交通的比例比其他乘客要高，達28%，與這部分乘客擁有私家車的比例較高有關。也可看出，職業與交通方式的選擇沒有關系。

（4）收入與交通方式比例分析如圖5所示

圖4　職業與交通方式比例分布圖

圖5　收入與交通方式比例分布圖

由圖5可得，收入7萬以下的乘客選擇步行、公交車、非機動車的比例較高；收入7萬以上的乘客選擇公交車與私人交通的比例較高。

（5）家庭擁有私家車的乘客選擇交通方式情況分析

家庭擁有私家車的乘客有119名，占樣本比例為39.7%。這部分乘客中男性所占的比例為37.8%，女性所占比例為62.2%。家庭擁有私家車的乘客選擇公交車所占的比例為33%，步行為24%，非機動車為12%，私人交通為31%。其中不同性別與不同出行目的的乘客選擇的交通方式比例結果如下：

①不同性別的乘客選擇的交通方式的比例分析，如圖6所示。

從圖6中可看出，家庭擁有私家車的乘客中，不同性別選擇交通方式所占的比例不一樣。女性選擇公交車的比例較高，達38%；而男性選擇私人交通的比例較高，達45%。

②家庭有私家車的乘客出行目的與交通方式的選擇分析。家庭有私家車乘客的通勤出行占34%，非通勤出行占66%。其中在通勤出行中，女性所占比例較高；而在非通勤出行中，男性比例較高。不同性別的乘客通勤出行選擇交通方式比例分布如圖7所示。

圖6　性別與交通方式比例分布圖

圖7　通勤出行交通方式的比例分布圖

由圖7顯示，家庭有私家車的男性乘客通勤出行選擇步行的比例較高，占56%，選擇私人交通的比例占33%，而選擇公交車的比例為0。女性通勤出行選擇公交車的比例較高，占45%，選擇私人交通占13%。

從圖8中得出，非通勤出行中男性選擇私人交通比例比女性高，而選擇其他交通方式的比例比女性低。

通過比較圖7與圖8可得，私人交通在非通勤出行中占更高的比例。

（6）家庭無私家車的乘客選擇交通方式情況分析

調查的乘客中家庭無私家車共有181人，占樣本比例為60.3%。這部分乘客中男性占63%，女性占37%。年齡集中在19～45歲之間，以普通職員居多，收入在7萬以下較多，通勤出行占58.6%，非通勤出行占41.4%。家庭無私家車的乘客選擇的交通方式的比例如圖9所示。

從圖9可看出，家庭無私家車的乘客選擇交通方式主要為公交車、步行、非機動車。其中公交車占的比例最大，占39%。

從圖10中可看出，無私家車的乘客在通勤出行與非通勤出行選擇交通方式比例稍有不同。通勤出行選擇公交車較高，非通勤出行選擇步行比例較高。

從上述分析可得，年齡與職業對交通方式的選擇基本無影響，而性別、收入、家庭有無私家車、出行目的與交通方式的選擇存在某種關系。

圖8　非通勤出行交通方式的比例分布圖

圖9　交通方式比例分析圖

4　多元Logistic模型建立

文中選擇多元Logistic模型[8]定量分析乘客交通方式的選擇行為。在確定最終進入模型中的變量之前，需要對最初考慮的變量在一定水平上進行挑選，去除變量無影響或者影響作用不顯著的因素。方法通常有正向逐步選擇法、反向逐步選擇法和混合逐步選擇法3種方法。本文采用正向逐步選擇法逐一篩選模型變量，在正向逐步選擇過程中，以選擇概率（p值）等于0.3為篩選變量的標準。當P值小于0.3時，變量結果記為顯著，計入模型；反之，則不顯著，不計入模型[8]。為了避免漏掉重要的自變量文中沒有采用P值等于0.05作為篩選條件。而表1中，保留了“收入大于7萬/年的啞變量（）T”顯著水平為0.667，原因是雖收入對居民選擇公交車無影響，但為了保持前后進入模型的變量統一，因此沒有剔除。

圖10　不同出行目的下交通方式選擇比例分布圖

4.1　模型原理

多元Logistic模型[8]是用于分析3個及以上的因變量的模型。文中設Yi代表交通方式，i=1表示步行，i=2表示公交車，i=3表示非機動車，i=4表示私人交通，參考類別是私人交通，則對于m個自變量擬合3個模型如下：

式中：P（ Yi）——乘客選擇第i（ i=1,2,…,i）種交通方式的概率；xm——影響乘客選擇交通方式的自變量；βim——自變量回歸系數變量；αr——待估的參數（常系數）

4.2　建立模型

此次模型中設置的變量有性別、收入、有無私家車、出行目的。交通方式選擇結果如表1所示。

模型中決定系數Nagelkerke R Square為0.226，說明模型的精度較高。

模型的模擬的結果如下：

利用上述方程式可計算出不同乘客選擇不同交通方式的概率。

根據模型的系數進行分析：

表1　交通方式選擇結果

（1）性別。性別為男的系數為負，說明男性乘客更愿意選擇私人交通。經過實際調查發現，男性中擁有私家車的比例比女性較高，因此男性更傾向于選擇私人交通。

（2）收入。收入大于7萬/年系數為負，說明收入低的乘客選擇交通方式時最不愿意選擇私人交通；而收入較高的乘客則更愿意選擇私人交通。收入越高，乘客對出行成本不敏感，并且高收入的乘客對出行的便捷度和自由度要求更高。

（3）有無私家車。無私家車系數為正，說明無私家車的乘客選擇交通方式時更愿意選擇步行、非機動車、公交車3種方式；而對有私家車的乘客來說，更愿意選擇私人交通。有私家車的乘客出行已經習慣于使用私家車，而無私家車的乘客只能選擇其他交通方式，這與實際調查相符合。

（4）出行目的。非通勤出行系數為負，說明在非通勤出行時，乘客更愿意選擇私人交通。在非通勤出行中，乘客對時間要求沒有通勤出行時高，并且對出行舒適度要求更高。

從上述選擇交通方式結果分析來看，乘客的性別、收入、有無私家車與出行目的對影響交通方式的選擇較大，這與第三部分的分析結果相同，說明建立的模型結果正確。

5　結束語

文中對蘇州東環路站出站乘客的交通方式進行了調查，著重分析了性別、收入、有無私家車和出行目的這4個因素對交通方式選擇的影響，建立了多元Logistic模型，并對模型的結果進行了分析。文中得出的結論有：（1）年齡與職業對交通方式的選擇基本沒有影響，性別、收入、有無私家車、出行目的則對交通方式的選擇有一定的影響。（2）收入較高的乘客，交通方式選擇非機動車的比例最低。男性乘客換乘更愿意選擇私人交通。（3）家庭無私家車的乘客首選交通方式是公交車，其次是步行、非機動車。（4）私人交通在非通勤出行中所占比例較高。

因此，蘇州市可引導有私家車和收入高的，特別是非通勤出行的男性，可制定一些利于綠色出行的優惠政策，例如價格優惠政策，鼓勵使用公交車、非機動車等綠色交通工具來減少小汽車的使用；結合無私家車乘客的交通需求情況，及時發現并改善當前軌道交通與公交車、步行、非機動車的銜接問題，加強各種交通方式之間的銜接設施，為這部分乘客創造方便、安全、舒適、高效和人性化的乘車、行走和行車環境，完善綠色交通，增加與更新實時交通信息，減少乘客出行時間，吸引更多乘客綠色出行。

同時，蘇州市要健全綠色交通的機構，加大綠色交通理念的宣傳力度，來提高居民的環保意識，讓居民自覺參與綠色交通；借鑒杭州市綠色交通發展經驗，不僅要把耗能高、污染高的公交車輛換成綠色環保的低污染、低消耗的公交車輛來減少污染環境的源頭，也要積極推進綠色環保工具，倡導綠色出行；完善道路管理、安全、停車等基礎設施，提高行車的運行效率以及道路網絡的銜接合理性，為乘客提供更好的交通環境。下一步計劃將考慮更多社會屬性與出行屬性方面的影響因素，來優化模型，提出更有很針對性的建議。

參考文獻：

[1]Chris Bradshaw.Green Transportation Hierarchy:A Guide for Personal and Public Decision-making[EB/OL].(2009-02-10)[2017-12-15].http://www.sierraclub.org/sprawl/articles/trips.asp.

[2] 丁衛東，劉明，杜勝品.交通方式與城市綠色交通[J].武漢科技大學學報（自然科學版），2003,26(1):50-53.

[3]陸化普.城市綠色交通的實現途徑[J].城市交通，2009,7(6):23-27.

[4]王靜霞.新世紀中國城市規劃的發展展望[J].城市規劃，2002,26(2):19-22.

[5]Hanru-Li.Study on Green Transportation System of International Metropolises[J].Procedia Engineering,2016,137:762-771.

[6]徐璐，王耀武.健康城市與未來的城市交通[J].城市建筑，2010(10):125-126.

[7] 趙強.城市軌道交通與地面公交接駁換乘的研究[J].城市道橋與防洪，2016,5(5):1-6.

[8] 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.

[9]Su B,Ang BW.Structural decomposition analysis applied to energy and emissions:Some methodological developments[J].Energy Economics,2012,34(1):177-188.

[10]Augustin Boey,Bin Su.Low-carbon transport sectoral development and policy in Hong Kong and Singapore[J].Energy Procedia,2014(61):313-317.

[11]Esther Menezes,Alexandre Gori Maia,Cristiane Silva de Carvalho.Effectiveness of low-carbon development strategies:Evaluation of policy scenarios for the urban transport sector in a Brazilian megacity[J].Technological Forecasting&Social Change,2017(114):226-241.

[12]Wei Shu,Guohui Zhang,Min-You Wu,et al.A Social-network-enabled Green Transportation System[J].International Conference on Connected Vehicles and Expo,2013,33:425-430.

[13]鄭雪琳，干宏程.居民交通方式選擇行為影響因素分析[J].上海理工大學學報，2013,35(6):563-566.

[14]干宏程.交通信息與出行者路線選擇[M].上海：科學出版社，2014.

[15]張文彤.SPSS統計分析高級教程[M].北京：高等教育出版社，2004.

[16]M Vinod Kumar,Swaminathan R,Rajarshi Roy.Green Cooperative Communication Techniques for Intelligent Transportation Systems[J].IEEE Intelligent Transportation Systems Magazine,2013,10:1-5.