王 鵬，鄭長(zhǎng)江 ，王 晨

(1.河海大學(xué) 土木與交通學(xué)院，江蘇 南京210098;2.東南大學(xué) 城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室，江蘇 南京210096)

治理交通擁堵問(wèn)題，最初是通過(guò)城市道路的建設(shè)［1］。但是飛速增長(zhǎng)的機(jī)動(dòng)車(chē)數(shù)量以及日益緊張的城市用地面積導(dǎo)致無(wú)法依靠增加道路數(shù)目來(lái)解決交通擁擠的難題。最好是能通過(guò)交通管理的手段來(lái)緩解交通問(wèn)題［2］。比如擁擠收費(fèi)的方式，這樣就可以在時(shí)間和空間上緩解過(guò)于集中的交通量，減少了高峰期以及市中心等繁忙路段的交通負(fù)荷。

1 意向調(diào)查內(nèi)容

本文主要是針對(duì)擁堵收費(fèi)對(duì)居民內(nèi)外非通勤出行的影響，于是選擇了北京這個(gè)經(jīng)濟(jì)文化的中心城市，具體的調(diào)查辦法是通過(guò)發(fā)放問(wèn)卷以及網(wǎng)上調(diào)查。

綜合考慮抽樣方法的優(yōu)缺點(diǎn)，北京市常規(guī)公共交通出行比例上升到56%，其中公交大約占40%，地鐵大約占30%，本次調(diào)查采用基于選擇方式的分層抽樣方法［3］確定幾個(gè)重要小區(qū)和路口，確定有效總樣本量為215［4］。

出行方式選擇調(diào)查屬于行為調(diào)查［5］，分為RP調(diào)查和SP 調(diào)查，考慮到北京尚未實(shí)施擁擠收費(fèi)，以及兩種調(diào)查的優(yōu)缺點(diǎn)，本次研究采用RP 調(diào)查和SP調(diào)查相結(jié)合的方式，這樣可以提高問(wèn)卷以及網(wǎng)上調(diào)查的精確性。問(wèn)卷需要設(shè)計(jì)到三個(gè)方面的內(nèi)容，一是出行者個(gè)人以及家庭的基本信息，二是出行的行為信息包括出行目的和起訖點(diǎn)，第三是擁堵收費(fèi)下出行意向調(diào)查及合理的收費(fèi)標(biāo)準(zhǔn)。本次調(diào)查內(nèi)外非通勤出行有效樣本量為68。

2 內(nèi)外非通勤出行方式選擇

在統(tǒng)計(jì)分析了意向調(diào)查結(jié)果之后得到內(nèi)外-非通勤類(lèi)各選擇枝被選占比表(單位%)，見(jiàn)表1。

表1 內(nèi)外-非通勤類(lèi)各選擇枝被選占比表

內(nèi)外非通勤出行的概念就是起訖點(diǎn)中只有一個(gè)在收費(fèi)區(qū)域內(nèi)部。實(shí)施擁堵收費(fèi)之后，繼續(xù)選擇開(kāi)車(chē)付費(fèi)的比例僅僅為13%，其余87%的人都選擇了錯(cuò)時(shí)避費(fèi)或者選擇轉(zhuǎn)向其他的交通方式，由于是非通勤，娛樂(lè)居多，且距離不近，選擇自行車(chē)出行的比例近乎為0。

本論文選取的MNL 模型特性變量［6］可以分為出行者社會(huì)經(jīng)濟(jì)屬性以及出行方式屬性?xún)深?lèi)。其中，出行者社會(huì)經(jīng)濟(jì)屬性特性變量包括年齡、性別、職業(yè)、家庭收入、對(duì)目前交通現(xiàn)狀的看法、是否有需接送其上下學(xué)的孩子以及是否有交通補(bǔ)貼等。出行方式屬性特性變量，按照小汽車(chē)、公共交通以及自行車(chē)三種方式設(shè)定。

該類(lèi)出行方式選擇模型構(gòu)建共經(jīng)歷了五次試算，從最終的計(jì)算結(jié)果表來(lái)看，效用函數(shù)參數(shù)1、參數(shù)2、參數(shù)3、參數(shù)4、年齡、性別、家庭收入、職業(yè)、有無(wú)需接送其上下學(xué)的孩子、有無(wú)交通補(bǔ)貼、擁堵費(fèi)用、停車(chē)費(fèi)用、公交方式全程時(shí)間、公交方式換乘次數(shù)、公交車(chē)票費(fèi)、ln(cardistance)、ln(parkfare)、ln(fuelcost)、cardistance0.5以及fuelcost0.5對(duì)模型具有顯著影響。

經(jīng)過(guò)計(jì)算，該模型的命中率為60.3%，模型的擬合優(yōu)度比ρ2= 0.392，表明模型的精度較高［7］(ρ2在0.2 ～0.4 之間就很高了)。

由模型的命中率和擬合優(yōu)度比可以看出，該模型能較好的反映各變量對(duì)于內(nèi)外-非通勤類(lèi)出行者在擁堵收費(fèi)條件下的出行方式選擇的影響，也可以較好的模擬內(nèi)外-通勤類(lèi)出行者在擁堵收費(fèi)條件下的出行方式選擇行為，且模型精度較高，因此，將該模型作為內(nèi)外-非通勤類(lèi)出行者在擁堵收費(fèi)影響下的出行方式選擇模型，模型結(jié)果見(jiàn)表2。

表2 擁堵收費(fèi)政策影響下的內(nèi)外-非通勤模型結(jié)果表

3 關(guān)鍵因子

非集計(jì)Logit 模型認(rèn)為出行者在出行方式選擇時(shí)追求“效用(utility)”的最大化，即效用值越高的出行方式被選擇的概率也就越大。因此，在模型各選擇枝的效用函數(shù)中對(duì)效用值影響最大的因素即為關(guān)鍵因子［9］。內(nèi)外-非通勤類(lèi)模型變量對(duì)各選擇枝效用值的影響程度見(jiàn)表3。

表3 內(nèi)外-非通勤類(lèi)模型變量對(duì)選擇枝效用值的影響程度表

首先，在開(kāi)車(chē)付費(fèi)所對(duì)應(yīng)的9 個(gè)變量當(dāng)中，age和subsidy 對(duì)效用值影響的變化范圍最大，且其對(duì)效用值影響的最大絕對(duì)值(age 對(duì)應(yīng)的影響最大絕對(duì)值為6.4223，subsidy 對(duì)應(yīng)的影響最大絕對(duì)值為15.203)較大。年齡(age)和有無(wú)交通補(bǔ)貼(subsidy)為該模型的關(guān)鍵因子，越年輕的出行者選擇開(kāi)車(chē)付費(fèi)的概率越大，有交通補(bǔ)貼的出行者選擇開(kāi)車(chē)付費(fèi)的概率比沒(méi)有交通補(bǔ)貼者大。

出行者的年齡(age)、有無(wú)交通補(bǔ)貼(subsidy)以及停車(chē)費(fèi)用(parkfare)為該模型的關(guān)鍵因子，越年輕的出行者選擇開(kāi)車(chē)付費(fèi)的概率越大，有交通補(bǔ)貼的出行者選擇開(kāi)車(chē)付費(fèi)的概率比沒(méi)有交通補(bǔ)貼者大，停車(chē)費(fèi)用越低則內(nèi)外-非通勤類(lèi)出行者選擇開(kāi)車(chē)付費(fèi)的可能性越大。

4 敏感性分析

本文調(diào)查數(shù)據(jù)顯示，內(nèi)外-非通勤類(lèi)出行的起訖點(diǎn)分布與受訪者的居住地和工作地分布一致性較弱。因此應(yīng)考慮對(duì)居住地或工作地位于收費(fèi)區(qū)域內(nèi)的小汽車(chē)出行者優(yōu)惠收費(fèi)，對(duì)居住地和工作地均位于收費(fèi)區(qū)域外的全額收費(fèi)［9］。

以2 元/天為增長(zhǎng)步長(zhǎng)，選取5 ～21 元/天9 種全額擁堵費(fèi)用水平，選取四折優(yōu)惠比例水平作為一個(gè)研究對(duì)象，具體設(shè)置方案見(jiàn)表4。

表4 用于內(nèi)外-非通勤類(lèi)出行敏感性分析的擁堵費(fèi)用水平表 元/天

內(nèi)外-非通勤類(lèi)出行的方式比例變化如圖1所示，橫坐標(biāo)表示收費(fèi)標(biāo)準(zhǔn)，如“5，1”即表示全額費(fèi)率為5 元/天，優(yōu)惠費(fèi)率為1 元/天;開(kāi)車(chē)付費(fèi)方式趨勢(shì)線(xiàn)擬合公式中的x 表示全額費(fèi)率值。

圖1 四折不同費(fèi)率組合下內(nèi)外-非通勤類(lèi)模型的出行方式選擇比例變化圖

可見(jiàn)，對(duì)于內(nèi)外-非通勤類(lèi)出行，隨著擁堵費(fèi)用的增加，開(kāi)車(chē)付費(fèi)方式比例呈現(xiàn)明顯下降趨勢(shì)，錯(cuò)時(shí)避費(fèi)出行、繞路避費(fèi)出行以及公交出行的方式比例均呈現(xiàn)不同程度的上升趨勢(shì)，另外自行車(chē)出行方式比例始終為0。

利用敏感性系數(shù)［10］計(jì)算，針對(duì)小汽車(chē)出行方式選擇比例，可以得出各擁堵費(fèi)用水平下的敏感性系數(shù)絕對(duì)值變化圖，如圖2 所示。

圖2 不同優(yōu)惠比例下內(nèi)外-非通勤類(lèi)模型的敏感性分析圖

表5 為內(nèi)外-非通勤類(lèi)出行在四折優(yōu)惠比例條件下，針對(duì)小汽車(chē)出行方式的敏感性分析相關(guān)結(jié)果。

表5 內(nèi)外-非通勤類(lèi)出行的開(kāi)車(chē)付費(fèi)方式敏感性分析結(jié)果表

由圖1 和表5 可知，對(duì)于內(nèi)外-非通勤類(lèi)出行，擁堵費(fèi)用變動(dòng)對(duì)開(kāi)車(chē)付費(fèi)方式比例的敏感性隨擁堵費(fèi)用的增大而先增大后減小;敏感性系數(shù)絕對(duì)值大于1 的高敏感性范圍隨優(yōu)惠比例的上升而縮小，最為敏感擁堵費(fèi)用范圍值隨優(yōu)惠比例的上升而下降;駐點(diǎn)(對(duì)應(yīng)敏感性系數(shù)絕對(duì)值為最小值0 的點(diǎn))所對(duì)應(yīng)的全額擁堵費(fèi)用隨優(yōu)惠比例的增大而增大，此時(shí)全額擁堵費(fèi)用為32 ～43 元，小汽車(chē)方式比例均將達(dá)到最低值0%。

5 結(jié)論

本文建立了擁堵收費(fèi)影響下的交通出行方式選擇模型，初步揭示了各類(lèi)因素對(duì)居民出行方式選擇的影響;利用敏感性分析和擁堵收費(fèi)影響下的交通出行方式選擇宏觀預(yù)測(cè)方法，探究了在擁堵費(fèi)用的取值變動(dòng)下各類(lèi)人群的出行方式選擇結(jié)果變化規(guī)律和差異性，并對(duì)擁堵收費(fèi)政策的收費(fèi)標(biāo)準(zhǔn)進(jìn)行了探討。

［1］陳莎. 城市中心區(qū)擁堵收費(fèi)配套政策及措施研究［D］. 北京:中國(guó)城市規(guī)劃設(shè)計(jì)研究院，2007.

［2］石瓊，吳群琪. 擁堵收費(fèi)為主導(dǎo)緩解城市交通擁擠可行性研究［J］. 長(zhǎng)安大學(xué)學(xué)報(bào):社會(huì)科學(xué)版，2004，6(3):38 -42.

［3］朱嬿，李章華. 模糊綜合評(píng)價(jià)的離散抽樣模型［J］. 清華大學(xué)學(xué)報(bào):自然科學(xué)版，2000，40(8):121 -124.

［4］王方. 基于SP 調(diào)查的行為時(shí)間價(jià)值研究［D］.北京:北京工業(yè)大學(xué)，2005.

［5］關(guān)宏志. 非集計(jì)模型:交通行為分析的工具［M］.北京:人民交通出版社，2004.

［6］金安. LOGIT 模型參數(shù)估計(jì)方法研究［J］.交通運(yùn)輸系統(tǒng)工程與信息，2004，4(1):71 -75.

［7］張衛(wèi)東，雷敏. 加權(quán)最小二乘估計(jì)中的擬合優(yōu)度［J］. 中國(guó)統(tǒng)計(jì)，2006(8):53 -54.

［8］金安. LOGIT 模型參數(shù)估計(jì)方法研究［J］.交通運(yùn)輸系統(tǒng)工程與信息，2004，4(1):71 -75.

［9］王偉，鄭長(zhǎng)江. 擁擠收費(fèi)下城市居民內(nèi)外通勤出行方式影響分析［J］.大連交通學(xué)報(bào)，2014，35(4):13 -16.

［10］Walters A A. The theoty and measurement of private and social cost of highway congestion［J］.Econometrica，1961，29:676-699.