自行車出行者出行路線選擇偏好研究

黃玥 干宏程

摘要：提供良好的出行環境是擴大自行車出行分擔率的重要手段之一。文章在確定合適的研究變量后，通過意向調查法（Stated Preference Survey）構造虛擬情景，以此來捕捉非機動車出行者對于不同路線之間的偏好，運用多項Logit模型定量分析各變量對出行路線選擇的影響程度。研究結果表明：紅綠燈數量、隔離設施和道路綠蔭都是非機動出行者在選擇出行路線時所主要考慮的因素，年輕出行者群體較為偏愛標線隔離的非機動車道。

關鍵詞：自行車出行;SP調查;多項Logit模型;影響因素

0 引言

自行車具有單位面積小、綠色環保等特點，是緩解城市交通擁堵的重要手段之一，但自行車總體出行比例卻在不斷減少，即使是短距離出行也被機動車所取代。有研究表明，出行者不選擇自行車出行的主要原因之一是沒有提供良好的非機動車出行環境。為了鼓勵更多的自行車出行，制定合理的自行車發展策略，這就需要對自行車出行者的出行偏好展開研究。

目前，國外有關自行車路徑選擇行為的研究成果已經相當豐富，除了定性的描述性統計分析外，定量地考察多因素綜合影響下的自行車出行路徑選擇行為大多借助離散選擇模型。Majumdar等利用多項Logit模型（Multinomial Logit Model，MNL）和隨機參數Logit模型研究了不同出行環境下的非機動車出行路徑選擇行為[1]。Chen基于MNL模型對以旅游為目的的自行車出行者出行路徑選擇行為進行研究[2]。使用個人選擇模型解釋微觀行為的優點是可以靈活納入多種解釋因素。

既有研究中探討了多種解釋因素，大體可分為三類：（1）個體屬性;（2）道路環境因素（建成環境、交通流特征等）;（3）潛變量因素[3]（安全性、便利性等）?？紤]到政策的可實施性，其中對道路環境因素的研究最多。雖然各研究對象不盡相同，但也存在一些共性的結論：（1）時間是影響路徑選擇的重要因素[4-5];（2）騎行者展現出對獨立騎行空間的訴求，這一訴求體現在對自行車專用路[6-7]以及連續隔離設施的偏好上[8-9];（3）騎行者逐漸將審美融入到交通出行中，良好的景觀環境可以顯著影響出行者的路徑決策行為[10-11]，出行不再單純指兩點間的移動，人們越來越重視騎行過程中的體驗。但由于缺乏統一的客觀因素選取標準和研究框架，這使得目前客觀變量對出行路徑選擇行為的影響關系具有不確定性。

綜上，目前大部分的研究仍是在發達國家開展的，國內運用離散選擇模型來研究自行車出行路徑選擇行為的報道還不多。本文以上海市自行車出行者為研究對象，主要關注影響自行車出行者出行路線選擇的關鍵因素，從而為改善中國城市的非機動車出行環境，提高自行車出行分擔率，合理高效地進行交通組織提供理論依據。

1 模型理論

基于效用最大化理論的離散選擇模型是定量分析個體決策行為的有力工具[12]。王燦[13]對離散選擇模型做了系統介紹，并提出了面向RP/SP等數據的適宜模型。在自行車路徑選擇行為的研究中最常用的就是MNL模型，雖然MNL模型存在固有的理論缺陷，如隨機效用相互獨立假設和線性效用函數假設，但作為經典的離散選擇模型，由于其具有穩健、估計簡便、準入門檻低等特點，仍得到廣泛應用。離散選擇模型的一般原理是隨機效用理論，該效用由固定項和隨機項兩部分相加構成：

根據效用最大化理論，出行者總是選擇效用函數值較大的出行路徑，則出行者n從出行路徑方案選擇出行路徑i的條件如下式：

2 數據及初步分析

本文所用數據來源于所在課題組針對上海市楊浦區自行車出行者所做的意向調查（Stated Preference survey，SP）。為了進一步確定研究變量，在正式調查前首先進行了一個小范圍的預調查，隨機選擇43名在校師生，讓受訪者回憶最近幾次的騎行經歷，總結了共性的騎行特征。綜合前人研究、預調查結果以及實驗設計難度，本文將主要考慮以下變量：行程時間、車道類型、紅綠燈數量以及是否有路旁綠蔭四個影響因素。騎行距離與行程時間所代表的含義基本一致，且相對于距離而言，出行者對于時間更為敏感。非機動車道類型一般通過一些工程措施來實現，如使用綠化帶或標志標線等劃出專門的非機動車道，因此這里考慮用隔離設施變量來區別非機動車道類型。

在SP情景設計時，假設情景的影響因素及其水平值如表1所示，且所有的水平值都是基于導航軟件以及實際的出行情況所做的變化，目的是使受訪者能夠提高對于路徑決策問題的感知和理解。通過對各變量及其水平的組合設計，最終構造了6個假設的騎行情景，每個情景包含三條出行路線，要求受訪者根據自己的偏好選擇一條最喜歡的出行路線，假設路線如下頁圖1所示。

本研究于2018年5月12～19日進行，采用紙質問卷與網絡問卷相結合的調查方式，在剔除無效和不完整問卷后，共獲得有效問卷121份，每位被調查者需要重復做6次情景選擇，共得到726（121×6）個選擇結果數據供建模使用。除了獲取受訪者的路線選擇外，問卷同時還收集了被調查者的個體屬性信息以及出行特征信息。

個體屬性及出行特征信息如圖2所示。女性稍多于男性，總體分布均衡，符合我國社會人口特征。20～40歲之間的受訪者占多數，說明參與調查的主要以中青年為主，相應的在學歷方面，大都接受過良好的教育。如果將騎行人群按周騎行頻率分為固定通勤（3 d以上）和非固定通勤（3 d以下）人群來看，主要是以非固定通勤出行為主，因此本文可更有效地針對年輕非固定通勤人群。最后詢問了受訪者在出行過程中使用導航軟件的情況，每次都用的情況和不確定的情況所占比例較高，從側面反映出使用導航頁面這樣的SP調查方式對受訪者來說是熟悉的，保證了數據的可靠性。

（1）與情景1中的路線2、3相比，情景3中的路線2、3將原有的紅綠燈數量從8個減少為4個，因此選擇路線2、3出行的比例增加了12.4%。

（2）與情景1中的路線1、3相比，情景4中的路線1、3將原有的綠化效果變成路旁無綠蔭時，以前有綠蔭的路線1、3由于綠蔭的消失，選擇兩條路線出行的比例下降了6.6%。

（3）與情景1中的路線2相比，情景5中的路線2將無任何隔離設施的非機動車道，增加了機非隔離標線后，路線2的選擇比例出現較大增長。

由上述統計分析表明，紅綠燈數量、綠蔭以及機非隔離設施等變量對非機動車出行者路線選擇行為有影響。選擇結果符合預期，數據可靠，因此可做進一步建模分析。

3 建模與結果分析

本文采用經典的多元Logit模型進行建模，選擇集中包含三個離散的選擇項：路線1，路線2，路線3。將路線3作為參照組，從而建立起兩個廣義Logit模型。通過對影響變量類型的設定和數值的轉化，最終進入模型的變量有：行程時間，紅綠燈數量，機非隔離設施以及綠蔭。其中將隔離設施設為啞變量，Isolate 1（硬隔離）、Isolate 2（軟隔離）的對照組是無隔離。

模型擬合優度判斷指標McFadden LRI值為0.240 4，在0.2～0.4之間;Estrella值為0.453 5。這說明模型擬合效果較好。此外，根據表2可以得到如下結論：

（1）出行時間

系數符號為負，說明行程時間越長，選擇該路線的概率越低。參數估計不顯著，這與國內外其他學者的研究有相似之處：時間并非總是出行者最關心的問題[2][7]。本文認為可能有兩個原因：①非通勤者對時間的容忍程度較高，他們愿意為了安全性或更好的騎行體驗而在時間上做出讓步;②由于各假設路線間的時間相差變化不大，導致時間對用戶路線選擇的影響微弱。本文對于時間水平的設定是基于真實導航信息所做的變化，因此，有關導航公司在進行產品開發時，對行程時間較為接近的可選路線應適當增加如道路景觀、隔離護欄等有效信息，減少時間在顯示框中所占的篇幅。

（2）紅綠燈數量

該變量的系數估計值在0.01水平下顯著，且為負值，說明當路線上的紅綠燈數量越多，需要停車等待的次數越多時，會降低出行者選擇該路線出行的積極性。通過在多信號燈控制交叉口的道路上設置非機動車專用相位以減少停車次數，將有利于吸引非機動車的出行。

（3）隔離設施

隔離設施反映的是道路類型的不同，其系數值最大，表明對于自行車出行者而言，車道類型是一個重要的考慮因素。隔離1的系數為0.774 5說明相對于無隔離路線來說，人們更愿意選擇設有護欄或綠化帶的路線。隔離2的系數為0.929 7說明相對于無隔離路線來說，人們更愿意選擇標志標線隔離的路線。而且0.929 7>0.774 5，表明對于年輕的自行車出行者群體而言，在路線選擇時更傾向于采用標志標線隔離形式的道路，年輕人為了得到更多自由騎行的空間，愿意在安全性上做出妥協，但安全仍然是考慮的重要因素之一。

（4）綠蔭

綠蔭對出行者來說至關重要，該變量對路線選擇具有正向作用，尤其在溫度較高的季節，人們出于避暑的目的或為了享受更好的自然景觀往往會選擇該路線出行。通過對某些路段設置良好的自然、人文景觀可以實現引導交通量轉移的效果。

4 結語

本文通過對中外文獻的梳理并結合預調查結果，確定了影響自行車出行路徑選擇行為的關鍵因素。以從學校出發前往五角場商圈的真實路線為基礎，運用SP調查法構造虛擬的路線選擇情景來捕捉自行車出行者的出行偏好，最后運用多項Logit模型獲得了非機動車出行者出行路線選擇偏好概率模型，模型具有較好的擬合優度和參數估計效果。結果表明：紅綠燈數量、隔離設施以及道路綠蔭都是自行車出行者所主要考慮的因素。在隔離設施類型中，年輕的出行者群體尤其偏愛標線隔離的非機動車道。

此研究成果的應用價值主要體現在兩方面：

（1）應用到城市規劃設計方面。根據離散選擇模型量化各環境因素對路徑選擇行為的影響程度，優先考慮對效用提升最大的影響要素進行改造，針對性地提出優化措施，從而更好地指導街道設計、綠色交通出行環境建設等。

（2）應用到交通組織優化方面。在現有的城市空間條件下從交通供給側進行大規模的空間調整和道路交通設施建設并不現實。通過研究自行車出行者的路徑選擇偏好，運用適當的交通誘導、行為教育等策略，制定自行車出行路徑方案，從而可達到引導交通量從擁堵路段向非擁堵路段轉移，提高道路資源利用率等目的。

鑒于此次調查的樣本量不夠大，具有一定局限性，如樣本過多覆蓋的是40歲以下的年輕高學歷人群，在后續研究中可繼續擴大調查范圍，并且嘗試在模型中添加心理特征等潛變量因素，進而建立更為完善的選擇概率模型。

參考文獻：

[1]Majumdar B B，Mitra S.Analysis of Bicycle RouteRelated Improvement Strategies for Two Indian Cities Using a Stated Preference Survey[J].Transport Policy，2018（63）：176-188.

[2]Chen C F，Chen P C.Estimating Recreational Cyclists Preferences for Bicycle RoutesEvidence from Taiwan[J].Transport Policy，2013（26）：23-30.

[3]石劍橋，張夢竹，趙鵬軍.心理因素對校園步行和自行車出行路徑選擇的影響研究——以北京大學燕園為例[J].西北師范大學學報（自然科學版），2017，53（6）：97-104.

[4]Aultmanhall L，Hall F，Baetz B.Analysis of bicycle commuter routes using geographic information systems：implications for bicycle planning[J].Transportation Research Record Journal of the Transportation Research Board，1997（1578）：102-110.

[5]Stinson M A，Bhat C R.A ComParison of the Route Preference of Experienced and Inexperienced Bicycle Commuters[C].The 84th Annual Meeting of Transportation Research Board，Washington D.C.，2005.

[6]Tilahun N Y，Levinson D M，Krizek K J.Trails，Lanes，or Traffic：Valuing Bicycle Facilities with an Adaptive Stated Preference Survey[J].Transportation Research Part A：Policy and Practice，2007，41（4）：287-301.

[7]Winters M，Teschke K.Route preferences among adults in the near market for bicycling：findings of the cycling in cities study[J].The science of health promotion，2010，25（1）：40-47.

[8]Li Z，Wang W，Liu P.Physical Environments Influencing Bicyclists Perception of Comfort on Separated and on Street Bicycle Facilities[J].Transportation Research Part D：Transport and Environment，2012，17（3）：256-261.

[9]朱 彤，楊晨煊，郭春琳，等.城市道路環境自行車出行者滿意度模型研究[J].重慶交通大學學報（自然科學版），2018，37（2）：102-106.

[10]Vedel S E，Jacobsen J B，Petersen H S.Bicyclists Preferences for Route Characteristics and Crowding in CopenhagenA Choice Experiment Study of Commuters[J].Transportation Research Part A：Policy and Practice，2017（100）：53-64.

[11]潘暉婧，朱 瑋，王 德.基于路徑選擇行為的自行車出行環境評價和改善[J].上海城市規劃，2014（2）：12-18.

[12]Mcfadden D.The Measurement of Urban Travel Demand[J].Journal of Public Economics，1974，3（4）：303-328.

[13]王 燦，王 德，朱 瑋，等.離散選擇模型研究進展[J].地理科學進展，2015（10）：1 275-1 287.

[=X]

作者簡介：黃 玥（1995—），碩士研究生，研究方向：交通管理、交通規劃;

干宏程（1978—），教授，博士研究生導師，研究方向：交通行為、交通規劃、智能交通。

基金項目：國家自然科學基金資助項目“‘小汽車/p+k多模式出行信息對出行決策行為的影響機理研究”（71871143）