基于居民出行時間價值的SP調查設計

(北京交通發展研究院，城市交通運行仿真與決策支持北京市重點實驗室，北京100073)

時間價值(Value of Time,VOT)是因時間的非生產性消耗而造成的效益損失量以及時間推移產生的效益增值量的貨幣表現。出行時間價值指出行者在出行中耗用時間存在的機會成本，它直接影響出行者對出行方式的選擇[1]。對出行者來說，出行節約時間存在一定價值，如果出行者將節約的時間用于工作則能創造更多價值，或者因出行時間縮減能減少出行的不舒適性。對時間價值的研究不僅對科學評價交通工程投資項目的經濟效益、提高政策決策的科學性具有重要意義，還可以揭示出行需求的基本規律，調整城市交通結構，實現交通供給的均衡發展，提高城市交通運行效率，對促進社會經濟發展具有積極意義。另外，基于時間價值的研究還可以獲得各種交通方式之間的時間彈性和價格彈性，對公共交通票價調整、停車收費價格調整、擁堵收費政策實施等具有極大的參考價值。

1 SP調查概述

意向調查(Stated Preference Survey,SP調查)起源于市場領域，主要針對尚未出現的商品進行評價，引入交通領域用來評估不同交通方式的選擇。SP調查應用于交通領域開始于20世紀70年代的英國，隨后美國和澳大利亞也開始開展此方法的調查研究。中國相關應用起步較晚，并且主要集中于用非集計模型進行數據處理，北京、上海、天津、深圳等城市嘗試過SP調查。

為了獲取市區及外圍城鎮居民出行的時間價值，并以此作為建立北京市域及城區各層次模型的基礎，北京市2004年首次開展針對居民出行時間價值研究的SP調查[2]。文獻[3]針對上海世博會出行開展SP調查，深入分析參觀者個人屬性與出行方式選擇的關系、各種出行方式的意向選擇比例以及客流換乘軌道交通的特征。文獻[4]采用SP調查方法比較天津市居民出行時間價值與單位工作時間價值之間的關系，研究收入與出行時間價值的變化規律。文獻[5]采用SP調查技術分析深圳市居民出行時間價值。隨著計算機和信息技術的發展，SP調查將進一步發展和完善，作為居民出行調查的一項重要內容被越來越多的城市采用。

1. 1調查方法

基于SP調查開展對時間價值的研究，根據不同的調查目的形成了不同的調查方法：1)等級排序法，直接提供所有選項讓受訪者依據主觀感受進行排序，依據排序計算各選項的效用值；2)評分法，給出各個可能選項，讓受訪者在一定范圍內對各可能選項進行打分，以此獲得選項的可能概率；3)離散選擇法，給受訪者提供幾個情景模式，在假設外界其他情況均相同的情況下選擇其認為最優的選項[6]。針對居民出行的時間價值，采用離散選擇法更利于被調查者選擇。

1. 2調查設計

SP調查時，需要通過相關變量、相互關系以及變量的值域等進行預見性分析以確定調查選項，從而形成可供選擇的出行方案。通常構成選擇方案的特征變量為3～6個，每個變量也有3～6個特征水平。例如，進行出行SP調查時，通常選擇公共汽車、地鐵、小汽車、出租汽車、步行、自行車作為選擇特征變量；公共汽車、地鐵、小汽車、出租汽車相關出行時間設定為若干個水平，例如公共汽車基本出行時間為30 min，可以根據需要進行浮動，形成20 min，25 min，30 min，35 min，40 min等若干個水平。特征變量的數量和各特征值的水平交叉組合構成選擇項，從而形成不同方案。

在保證一定精度的前提下，最大限度地簡化調查表格以減少被調查者的判斷次數是時間價值調查最重要的問題，這就需要對調查表格進行科學的設計。基于相關數學原理分析，常用的SP調查表格設計方法有全面設計法、正交設計法和均勻設計法。均勻設計法能夠最大限度地降低被調查者回答問題的數量，并保證建立交通行為模型數據的精確度，常被引入SP調查的表格設計中[7]。

1. 3調查實施

SP數據的調查實施可以借助于居民出行調查進行入戶調查，也可以通過互聯網進行調查。比較而言，面對面的訪談更有助于被調查者理解，提高調查精度。另外，也可以借用現有的模擬和虛擬技術，讓被調查者切身感受到不同選項代表的不同意義，可極大增加數據的可靠性。

1. 4調查特點

SP調查的目的是了解被調查者在假定狀態下的出行選擇，其最大特點是調查的內容屬于未來可能發生但尚未發生的事情。對未來狀態的擬定，即是SP調查方案的特性值，可以設定不同的未來環境，例如在一次出行選擇中，在不同出行時間(5 min，10 min，30 min，50 min等)的場景中了解被調查者的出行選擇；也可以在相同的假定場景中調查不同人的出行選擇。調查結果可能因個人屬性的不同而產生選擇結果的差異，通過集計或非集計模型等工具可以計算不同屬性人群的時間價值。

事物都有兩面性，SP調查也存在固有缺點。一方面，SP調查是基于未來的假定狀態，影響城市居民出行的因素很多，各因素相互組合更為復雜，因此要獲得準確的時間價值必須制定詳細的情景模式，調查表的內容極有可能非常復雜，這會極大地增加被調查者的理解難度，進而增加調查難度。因此，需要設定合理的影響因素，盡可能地減少各因素的組合數，但這就很難把各種情景模式表現出來。另一方面，由于被調查者只是在假定情景模式中基于非現實的條件進行選擇，單憑感覺而不是準確基于自身屬性，極有可能并非其真實性選擇，造成調查結果與實際政策實施效果背離。

與行為調查(Revealed Preference Survey,RP調查)相比，SP調查在交通領域相關工程項目評估和政策研究制定時，可操作性強的優勢非常明顯。SP調查方案由特定的特征值組合形成，可以由調查者自由設定。例如進行公共交通票制票價調整，將票價作為一個變量，進行一定程度的上下浮動以形成若干個情景模式供被調查者選擇。

2 北京市SP調查設計和實施

基于居民出行調查，北京市共進行了3次SP調查，時間分別為2004年、2010年和2014年，本文以2010年進行的SP調查進行實證分析。

2.1 調查的技術方案

2.1.1 技術路線

2010年北京市在“內八區、外六區、遠四區①”3個區域分層次進行調查，并在政策重點區域進行一定量的配額調查。總體過程分為三個部分：調查準備階段、調查實施階段和調查分析階段。具體技術路線見圖1。

2.1.2 實施方法

圖1 SP調查技術路線Fig.1 Techniques of SP survey

作為居民出行調查的一部分，調查對象同樣為北京市常住居民。本次調查采用入戶調查的方式，當居民出行調查的前期數據收回之后，立即對居民出行信息進行分析處理。將居民的每次出行依照出行方式分類整理，統計分析各種出行方式屬性的水平值范圍，如小汽車出行的時間、費用，公共汽車的出行時間、票價等。然后依照專家建議的浮動范圍進行水平值設定，設計問卷情景。將問卷有針對性地配送給調查員，進行入戶調查。

2.1.3 調查規模和抽樣方法

此次調查實施6 000份問卷，在全市3個區域內依照居民出行調查指定的比例(6:3:1)分配。調查樣本從居民出行調查已經選定的數萬戶樣本中隨機抽取。先將居民出行調查的信息回收，然后依照受訪家庭是否有車分為兩大類，每一大類中再按照四種不同的出行目的進行劃分，然后在每一類中進行隨機抽取。四種出行目的包括：基于家的工作出行(HBW)、基于家的其他出行(HBO)、非基于家的出行(NHB)和商務出行(BU)。

2.2 調查方案設計

2.2.1 影響因素分析

影響時間價值的因素分為四類：出行特性、出行者特性、交通方式特性、所在地區特性，調查針對出行目的進行細分，主要考慮出行者通勤出行和商務出行的時間價值。出行者的個體特性和社會經濟特性考慮性別、年齡、家庭收入、車輛擁有等。由于此次SP調查與居民出行調查能夠互相印證和數據融合，其他相關經濟社會特征數據也可以參考居民出行調查的數據。

通過對上述影響因素進行分析，得到影響居民出行時間價值的主要因素包括個人特性、出行目的、交通方式、出行距離等。本文根據個人特性、出行距離、交通方式將調查對象予以分類，分別提供不同的交通方式供其選擇，據此研究各個群體的時間價值。出于調查需要將其進行簡化分類(見表1)。

2.2.2 情景模式和主要參數選擇

為更好地使被調查者能夠理解并清晰地表達選擇意向，將所有出行方式、出行時間和出行費用進行全組合最為全面，但是工作量非常龐大。為最大限度地降低被調查者回答問題的數量，并保證建立交通行為模型數據的精確度，此次調查采用均勻設計的方法[7]，針對不同的出行方式、出行時間和費用的組合，提取最具代表性的8種組合。對每個被調查者給予8次選擇機會，稱為8種情景模式。每種情景模式包含5種交通方式各自的出行時間和出行費用，被調查者在每種情景模式下5種交通方式中選擇對自己效用最大的交通方式，基于8次不同情景共做8次獨立的選擇。共涉及16個參數，其中出行時間11個參數，出行費用5個參數(見表2)。

2.2.3 參數設定和調查表設計

基于已有的RP調查，調整選擇變量的變化范圍盡可能代表現實情況，依據現有的時間、費用水平，根據專家建議進行相關水平的浮動形成不同的情景模式。基本步驟如下：確定北京市居民出行時間、費用基準值(越接近實際情況越好)；根據受訪群體感知水平，確定基準值的波動范圍；利用均勻設計表，進行情景匹配。針對公共汽車、地鐵、小汽車、出租汽車和自行車5種交通方式，每種交通方式又分成短距離、中距離和長距離出行，同時每種交通方式設置成8個情景模式，共計5×3×8=120個情景。本文僅以基于公共汽車出行方式的SP情景模式卡設計為例進行闡述。

第一步：確定基準值。將公共汽車出行劃分為短、中、長三組，獲得三組代表值。根據居民出行調查初步分析結果確定公共汽車設計基準值為30 min，57 min和107 min。

1）確定匹配系數。參照RP調查相關數據(出行距離、時間等)，以公共汽車短、中、長三組代表值匹配其他交通方式時間參數系數。例如，假設公共汽車的平均單次出行速度為8.14 km·h-1，其匹配系數設置為1，則小汽車的匹配系數為公共汽車平均速度/小汽車平均速度(17.09 km·h-1)=0.48。以公共汽車出行為基礎值，匹配其他各種交通方式，相應可以得出地鐵、出租汽車和自行車的匹配系數(見表3)。

2）匹配其他交通方式。根據匹配系數，計算得到基于公共汽車出行的其他各種交通方式的短、中、長距離的出行時間(見表4)。

3）參數細化。依據RP調查數據確定地鐵、公共汽車的步行時間和等車時間；確定公共汽車、地鐵、小汽車運行和停車費用、出租汽車的費用等(見表5)。

第二步：確定浮動范圍。根據咨詢專家的建議，浮動區間應為基準值的70%～130%，選擇4個浮動標準：70%，85%，115%和130%。

第三步：情景匹配。以公共汽車短距離出行為例，選用16個參數、4個浮動標準、8個情景得到均勻設計(見表6)；匹配基于公共汽車短距離出行調查的8個情景模式，得到情景模式正交表如表7所示。相應形成8個情景模式卡，情景1、情景2的模式卡如圖2所示。

3 數據分析和基本結論

3.1 數據清理

從調查問卷的實施到數據的錄入選用，各個環節都有可能出現問題，在構建模型進行分析之前，有必要對原始數據進行清理。

1）刪除異常值。例如被調查者由于輸入或者填寫錯誤，原始數據可能存在一些年齡高達130歲，或者只有幾歲的記錄；通勤時間可能存在超過180 min的記錄等，這些數據的誤差都可能對模型結果造成很大影響。

表1 調查分類情況Tab.1 Classification of surveys

表2 SP調查主要參數Tab.2 Main parameters in SP survey

表3 基于RP調查數據匹配系數Tab.3 Matching coefficient based on RP survey data

2）歸一化處理。例如將性別變量轉換成離散變量，1=男，0=女。對教育變量設置不同數值代表各個教育水平：0代表學齡前兒童，6年代表小學，9年代表初中，12年代表高中，13年代表中專，14年代表大專，15年代表本科，18年代表研究生等。對收入變量取中間值作為連續性變量：＜5萬元設置為4.5萬元，5～＜10萬元設置為7.5萬元，10～＜15萬元設置為12.5萬元，15～＜20萬元設置為17.5萬元，20～＜25萬設置為22.5萬元，25～＜30萬元設置為27.5萬元，30萬元以上設置為32.5萬元，無收入設置為0等。

表4 以公共汽車為參考匹配的各種交通方式出行時間Tab.4 Travel time of different travel modes(taking bus as a reference)min

表5 交通方式參數細化Tab.5 Parameters of different travel modes

表6 公共汽車短距離出行SP調查均勻設計表Tab.6 Uniform design of the SP survey on short-distance travel by bus

表7 基于公共汽車短距離出行的情景模式正交表Tab.7 Orthogonal table based on short-distance travel by bus

3.2 建模理論

數據處理主要基于隨機效用理論，采用多種計量經濟學模型進行出行需求分析的估計和模擬[8-9]。首先進行不包括社會經濟變量(例如性別、收入、年齡等)的多項Logit分析，在此基礎上，進行包括社會經濟變量的多項Logit分析，最后進行混合Logit模型分析。比較結果可知，混合Logit模型表現更好，更能準確反映不同經濟因素對居民出行選擇傾向的影響。

3.3 基本調查結論

1）時間價值。

北京市居民出行時間價值約為54元·h-1，即出行者愿意支付小時工資2倍②的成本減少從居住地到工作地1 h的出行時間。相比國際城市支付意愿[10]的水平較高，更反映了北京交通擁堵的嚴重程度，也說明了擁堵改善能夠極大地帶來社會福利。

2）公共交通出行時間和價格彈性。

根據調查結果測算得到主要交通方式的出行時間彈性系數和價格彈性系數分別如表8和表9所示。

分析可知，公共汽車出行時間自彈性為1.83，大于1，說明居民出行對公共汽車運行時間較為敏感。公共汽車出行時間減少10%，公共汽車出行需求會提高18.3%。公共汽車價格自彈性極低，說明居民出行對公共汽車運行價格非常不敏感。公共汽車出行價格提高10%，公共汽車出行需求僅降低1.7%。公共汽車和地鐵對小汽車的交叉價格彈性也極低，說明擁擠的公共汽車無法僅利用低票價政策吸引小汽車使用者的出行轉移，通過縮短出行時間改善公共交通出行品質比降低票價的實際效果更優。

3）小汽車和出租汽車價格彈性。

小汽車和出租汽車出行方式自身的成本彈性比公共汽車和地鐵的自身成本彈性高，說明私人小汽車和出租汽車出行者對價格的敏感性更高，提高小汽車、出租汽車出行費用的相關措施能一定限度上減少城市機動車輛的使用。

4 結語

整體來說，此次SP調查不論是從設計理念和設計問卷方面都有了很大改善，更方便被調查者理解和填寫，但也存在一定的問題需要改進。

首先，調查雖然采用RP和SP相結合的方法，但是在進行RP問卷設計時僅給出一個備選方案，只有極少部分給了兩個備選方案，可能抑制了居民真實選擇意愿的表達。

其次，對于實際出行為公共汽車方式的人群來說，備選方案往往僅提供地鐵，或者對于實際為地鐵出行方式的人群，備選方案僅提供公共汽車，備選方案數據存在高度同質化的問題，對后期的模型估算帶來較大困難，處理結果可能會影響實際預期。

圖2 公共汽車短距離出行情景模式卡示例Fig.2 Scenario model cards of short-distance travel by bus

第三，在SP調查卡片中提供了可被選擇的8個情景模式，雖然對一個被調查者進行了較為詳細的選擇因素考量，但是過多的差異性選擇可能會造成一定的問卷同質性(選擇疲憊性)，在一定限度上會影響有效問卷的數量。針對這樣的問題可能需要采用更為復雜、前沿的方法或由更為專業的數據處理人員進行估計。

表8 出行時間彈性系數Tab.8 Elastic coefficient of travel time

表9 價格彈性系數Tab.9 Elastic coefficient of price

注釋：

Notes:

①2010年實施第四次居民出行大調查時，北京市共18個區縣。

②2010年北京市全市職工年平均工資50 415元，折合每小時工資為23.8元。

參考文獻：

[1]宗芳，雋志才，張慧永，等.出行時間價值計算及應用研究[J].交通運輸系統工程與信息，2009，9(3)：114-119.Zong Fang,Juan Zhicai,Zhang Huiyong,et al.Calculation and Application of Value of Travel Time[J].Journal of Transportation Systems Engineering and Information Technology,2009,9(3):114-119.

[2]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.Wang Fang.Study on Behavior Value of Time Based on Stated Preference Survey[D].Beijing:Beijing University of Technology,2005.

[3]喬相榮，文雅，晏克非.基于SP調查的2010年上海世博會客流出行特征分析[J].交通與運輸(學術版)，2005(2)：4-7.Qiao Xiangrong,Wen Ya,Yan Kefei.Analysis of Trip Characteristic Based on Stated Preference Data for Shanghai Expo 2010[J].Traffic&Transportation,2005(2):4-7.

[4]蔣寅，李彤，Richard F Di Bona.基于SP調查的天津市居民出行行為時間價值[J].城市交通，2009，7(2)：68-73.Jiang Yin,Li Tong,Richard F Di Bona.Value of Travel Time:An SP Survey in Tianjin[J].Urban Transport of China,2009,7(2):68-73.

[5]徐正全，楊東援.基于SP調查的時間價值理論及應用研究：以深圳市SP調查為例[J].交通與運輸(學術版)，2012(2)：148-151.Xu Zhengquan,Yang Dongyuan.A Study of the Theory and Applications of the Time Value Based on the SP Survey:Case Study of Shenzhen SP Survey[J].Traffic&Transportation,2012(2):148-151.

[6]焦朋朋，陸化普.基于意向調查數據的非集計模型研究[J].公路交通科技，2005，22(6)：114-116+138.Jiao Pengpeng,Lu Huapu.Study on Disaggregate Model Based on Stated Preference Data[J].Journal of Highway and Transportation Research and Development,2005,22(6):114-116+138.

[7]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(3)：69-72.Wang Fang,Chen Jinchuan,Chen Yanyan.Uniform Uniformity Design Method for SP Survey in Transportation[J].Urban Transport of China,2005,3(3):69-72.

[8]Lancaster,K.A New Approach to Consumer Theory[J].Journal of Political Economy 1966,74(2):132-157.

[9]McFadden D.Conditional Logit Analysis of Qualitative Choice Behavior[M].Berkeley:Institute of Urban and Regional Development,University of California,1972.

[10]陳穎翱.經濟政策對北京居民出行方式選擇影響的實證分析[D].北京：北京大學,2012.