李 莉，丁宏飛

(西南交通大學 交通運輸與物流學院，四川 成都 610031)

運輸業(yè)是國民經(jīng)濟發(fā)展的關(guān)鍵，隨著我國運輸業(yè)的發(fā)展，各經(jīng)濟區(qū)域間的時間距離不斷縮短，溝通聯(lián)系隨之頻繁。區(qū)域客運通道作為經(jīng)濟區(qū)域內(nèi)的客流主載體，將經(jīng)濟區(qū)域通過整合的各種運輸方式聯(lián)系起來，實現(xiàn)經(jīng)濟區(qū)域內(nèi)的協(xié)調(diào)發(fā)展。目前，國內(nèi)主要的區(qū)域通道，一方面運能緊張，各運輸方式間較難實現(xiàn)合理分工、協(xié)調(diào)配合，迫使通道系統(tǒng)整體運輸效率和質(zhì)量下降；另一方面，在市場化的條件下，運輸企業(yè)之間盲目的通過運價策略以求謀取更大份額的客運分擔率。要解決上述矛盾，客運需求層次分析是區(qū)域客運通道規(guī)劃建設之關(guān)鍵，在把握市場需求的基礎上，有針對性地進行通道運力資源的合理配置。

1 客運需求層次劃分的研究現(xiàn)狀

區(qū)域通道客運需求不僅包含量的需要，更應注重質(zhì)的要求。以往很多研究更多地將目光投向客運需求總體規(guī)模以及客運需求方式劃分的預測[1-2]，而忽視了對需求結(jié)構(gòu)層次的研究，導致通道運能配置很難滿足多樣化的運輸需求。鐘靜[3]從旅客出行行為分析入手，構(gòu)建廣義費用函數(shù)的Logit模型，對區(qū)域運輸通道內(nèi)旅客運輸產(chǎn)品分擔率進行預測，從而明確區(qū)域通道客運系統(tǒng)內(nèi)各種運輸方式的合理分工。吳偉，等[4]通過定性分析運輸通道客運量的影響因素，用灰色關(guān)聯(lián)度理論篩選出影響運輸通道客運量的主要因素，采用BP神經(jīng)網(wǎng)絡模型，對運輸通道客運量進行預測。安文娟[5]從理論研究方面對客運需求層次進行了劃分，探討了基于群體劃分的客運需求層次結(jié)構(gòu)，并提出了區(qū)域運輸通道客運需求層次結(jié)構(gòu)特征。

2 客運需求結(jié)構(gòu)影響因素的選取

鑒于旅客是出行需求主體，在進行通道客運需求層次影響因素分析時，著眼于對出行主體相關(guān)因素的研究。綜合考慮出行者個人特性(如性別、年齡、收入等)、出行特性(如時間、距離、目的等)以及區(qū)域客運通道的特性，將影響因素歸納為個人收入、出行目的和旅客心理偏好，見表1。

表1 需求層次影響因素

具體在進行個人收入水平劃分時，依據(jù)個人消費支出的結(jié)構(gòu)性指標——恩格爾系數(shù)作為判別標準[7]，結(jié)合聯(lián)合國相關(guān)規(guī)定，具體的收入水平劃分標準如表2。

表2 收入等級劃分

3 Ordered Probit模型的構(gòu)建

3.1 客運需求層次劃分

借鑒馬斯洛和恩格斯的人類需求層次理論[5]，將區(qū)域客運通道需求層次大致分為4個層次，如圖1。

圖1 客運需求層次Fig.1 Passenger demand level

3.2 構(gòu)建需求層次識別模型

記區(qū)域客運通道需求層次為一個離散變量yi(i=1，2，…，n對應所劃分的需求層次等級表，如圖1)；y*表示客運需求層次的內(nèi)在變化趨勢，為一個連續(xù)的隱性變量。Probit模型的一般形式為：

y*=βX+ε

(1)

式中：X為需求影響因素構(gòu)成的向量；β為影響因素的系數(shù)向量，為待估參數(shù)；ε為誤差擾動項，表示該層次識別模型中未考慮的但對需求具有影響作用的其它因素之和，假設其服從標準正態(tài)分布，即ε～N(0,1)。

為形成離散變量yi和連續(xù)變量y*之間的映射關(guān)系，根據(jù)客運需求層次結(jié)構(gòu)的劃分，將連續(xù)變量y*的整個取值區(qū)間通過設置閾值τi劃分為4個分區(qū)間Ai，設τ0=-∞，τ4=+∞，其中τ1<τ2<τ3，設離散變量yi取值1，2，3，4對應不同的需求結(jié)構(gòu)層次，從而根據(jù)式(3)實現(xiàn)此映射關(guān)系：

1.統(tǒng)籌策劃，把好項目謀劃關(guān)。審計好比部隊打仗，戰(zhàn)前偵察很重要，否則無法制定作戰(zhàn)計劃。當好審計組長，力求在“早”字上做文章，盡量提早謀劃、盡早安排。審前調(diào)查要確?！凹殹?，要通過內(nèi)部控制測試和風險評估，最大限度降低審計風險。編制審計實施方案要做到“精”，詳細了解被審計單位的全面經(jīng)濟狀況，確定審計的目標、重點，制定內(nèi)容具體、重點突出、操作性強的審計實施方案。人員選配要“慎”，通過配備業(yè)務精湛的主審及專業(yè)結(jié)構(gòu)合理的審計人員組成審計組，并進行合理分工，做到人盡其才，才盡其用。

(2)

(3)

因此，yi在各區(qū)間中出現(xiàn)的概率，即離散量yi關(guān)于X的條件概率的計算方程式為：

3.3 極大似然估計

模型需要對參數(shù)β和閾值τi進行估計。采用極大似然法進行處理，為方便，記φ(τi-βX)=φi，則Pr(y=i|X)=φi-φi-1)。求得極大似然函數(shù)：

(5)

由于L最大時的參數(shù)估計與lnL等價，因此變換為估計lnL最大時的參數(shù)，即：

(6)

選擇Stata軟件實現(xiàn)上述極大似然估計，從而獲得參數(shù)估計結(jié)果。

4 模型應用示例

成渝運輸通道承擔了成渝經(jīng)濟區(qū)域內(nèi)主要的客運任務，實現(xiàn)兩地的經(jīng)濟合作，促進經(jīng)濟的協(xié)調(diào)發(fā)展。隨著成渝客運的完善發(fā)展，區(qū)域內(nèi)旅客運輸需求呈現(xiàn)多樣化發(fā)展。以成渝客運通道為研究對象(圖2)，根據(jù)出行調(diào)查數(shù)據(jù)，采用Stata軟件進行序次Probit模型參數(shù)估計，實現(xiàn)對客運需求的判斷。

圖2 成渝客運通道示意Fig.2 Chengdu-Chongqing passenger transport corridorschematic diagram

根據(jù)所構(gòu)建的需求層次識別模型，選取個人出行調(diào)查數(shù)據(jù)(樣本容量200)，結(jié)合原始出行調(diào)查問卷，對出行目的、心理偏好、個人收入和需求層次分別進行量化處理。其中，出行目的分為4個等級：求學務工、探親訪友、休閑娛樂和公務或商務，分別取值1，2，3，4；心理偏好包括4種類型：價格導向型、時間導向型、安全導向型和服務質(zhì)量導向型，分別取值1，2，3，4；個人收入分為3個等級：低等收入、中等收入和高等收入，分別取值1，2，3；需求層次分3個等級：可達性需求、經(jīng)濟性需求、快速方便性需求和舒適享受型需求，分別取值1，2，3，4。量化處理后的數(shù)據(jù)形式如表3。

表3 出行調(diào)查數(shù)據(jù)

將表3數(shù)據(jù)轉(zhuǎn)化為EXCEL格式，通過命令file→import→Excel spreadsheet導入Stata軟件中，如圖3。

圖3 數(shù)據(jù)導入示意Fig.3 Data imput schematic diagram

利用Statistics→Ordinal outcomes→Ordered Probit regression進行模型變量設置，實現(xiàn)模型的極大似然估計[10](圖4)，最終的估計結(jié)果如表4。

圖4 變量設置示意Fig.4 Schematic diagram ofvariables setting

參數(shù)估計值標準差95%的置信區(qū)間出行目的0.57470.8226[0.4135,0.7359]心理偏好0.58060.8585[0.4124,0.7489]個人收入0.82950.1168[0.6005,1.0585]閥值τ13.33500.4089[2.5336,4.1364]閥值τ25.68290.5165[4.6706,6.6952]閥值τ37.56950.6574[6.2809,8.8581]

根據(jù)收集的個人出行調(diào)查數(shù)據(jù)，采用MATLAB中g(shù)riddata 插值命令，選取格點樣條函數(shù)內(nèi)插法，得到不同的影響條件下，連續(xù)的需求層次分布圖[11]。圖5為不同出行目的和心理偏好下插值得到的3種收入水平下旅客的需求層次分布。

圖5 成渝客運通道需求層級分布Fig.5 Demand level distribution of Chengdu-Chongqingpassenger transport corridor

由圖5可知：①任何收入水平下，當心理偏好和出行目的層級逐漸升高時，需求層級亦逐步升高；②當收入水平逐步升高時，即使出行目的和心理偏好處于較低層級時，所對應的需求層級也偏高。尤其是當收入層級屬于高等收入時，基本不存在可達性需求；③隨著收入水平的提高，處于較低層級的出行目的和心里偏好對需求層級的影響逐漸減弱，而僅當兩者處于較高層級時，影響作用才比較突出，顯然這與實際情況相符。

根據(jù)上述的參數(shù)估計結(jié)果，將該通道完整的調(diào)查數(shù)據(jù)帶入Ordered Probit模型，即可獲得詳細的客運需求層次劃分，從而有針對性地進行通道客運產(chǎn)品配置。

5 結(jié) 論

1)選取出行目的、心理偏好和收入水平作為客運需求層級劃分的影響因素，表現(xiàn)出很好的顯著性，相比于傳統(tǒng)考慮眾多影響因素的客運需求層次分析，更簡單、易操作。

2)將基于Ordered Probit 模型得到的客運需求層級進行MATLAB插值處理，獲得在一定收入水平下，不同出行目的和心理偏好情況下需求層級三維特征圖，形象生動、清楚明了。

3)筆者通過數(shù)學模型實現(xiàn)需求層級識別，采用Ordered Probit模型取得較為滿意的試驗結(jié)果，但是本研究中僅選用3個影響因素，因此后續(xù)的研究重點在于考慮較多因素的情況下，利用Ordered Probit對狀態(tài)變量進行建模，并保證各影響因素具有良好的顯著性。

[1] 安文娟,陳峰.基于改進 MD 模型的區(qū)域交通方式劃分預測方法[J].重慶交通大學學報:自然科學版,2012,31(4):824-827.

An Wenjuan,Chen Feng.Regional traffic modal splitting method based on improved MD model [J].Journal of Chongqing Jiaotong University:Natural Science,2012,31(4):824-827.

[2] 王江濤,馬駟.預測通道客運分擔率的 MNL 模型特性變量選取[J].重慶交通大學學報:自然科學版,2010,29(6):947-950.

Wang Jiangtao,Ma Si.MNL model characteristic variables selection on forecasting corridor mode split [J].Journal of Chongqing Jiaotong University:Natural Science,2010,29(6):947-950.

[3] 鐘靜.區(qū)域運輸通道內(nèi)旅客運輸產(chǎn)品分擔率預測[D].西安:長安大學,2011:29-43.

Zhong Jing.Prediction of passenger transport products’ share ratio in regional transport corridor [D].Xi’an:Chang’an University,2011:29-43.

[4] 吳偉,符卓,王曉.運輸通道客運量預測方法[J].鐵道科學與工程學報,2012,9(5):96-102.

Wu Wei,Fu Zhuo,Wang Xiao.Passenger volume forecast method for transport corridor [J].Journal of Railway Science and Engineering,2012,9(5):96-102.

[5] 安文娟.區(qū)域運輸通道客運需求結(jié)構(gòu)分析及預測研究[D].北京:北京交通大學,2011:21-24.

An Wenjuan.Analysis and Forecasting of Passengers Demand Structure in Regional Transport Corridor [D].Beijing:Beijing Jiaotong University,2011:21-24.

[6] 任志娟.手機消費需求研究——基于Probit模型的分析[J].統(tǒng)計教育,2006(3):47-49.

Ren Zhijuan.Research on consumer demand of mobile phone:based on Probit model [J].Statistical Education,2006(3):47-49.

[7] 李艷紅.綜合運輸通道客運結(jié)構(gòu)優(yōu)化理論與方法研究[D].北京:北京交通大學,2010:46-52.

Li Yanhong.Research on Theory and Methods of Passenger Transport Structure in Comprehensive Transportation Corridor [D].Beijing:Beijing Jiaotong University,2010:46-52.

[8] 文元橋,張恒,萬品.基于序次Probit模型的航道船舶碰撞危險度研究[J].中國安全科學學報,2012,22(2):134-139.

Wen Yuanqiao,Zhang Heng,Wan Pin.Risk degree analysis of ship collision risk in channel based on Ordered Probit model [J].China Safety Science Journal,2010,22(2):134-139.

[9] 宗芳,許洪國,張慧永.基于Ordered Probit 模型的交通事故受傷人數(shù)預測[J].華南理工大學學報:自然科學版,2012,40(7):41-45.

Zong Fang,Xu Hongguo,Zhang Huiyong.Forecast of injury number due to traffic accident based on Ordered Probit model [J].Journal of South China University of Technology:Natural Science,2012,40(7):41-45.

[10] 姚少英.有序Probit模型的非參貝葉斯統(tǒng)計[D].上海:華東理工大學,2012:9-20.

Yao Shaoying.A Nonparametric Bayesian Method to Estimate Ordered Probit Model [D].Shanghai:East China University of Science,2012:9-20.

[11] 黃光東,管建和,李響,等.基于Matlab平臺的插值法技術(shù)實現(xiàn)與應用[J].電腦編程技術(shù)與維護,2006(2):30-36.

Huang Guangdong,Guan Jianhe,Li Xiang,et al.Implementation and application of interpolation technology based on Matlab platform[J].Computer Programming Skills & Maintenance,2006(2):30-36.