侯現(xiàn)耀　 陳學武　 曾　雋

(東南大學江蘇省城市智能交通重點實驗室, 南京 210096)(東南大學現(xiàn)代城市交通技術(shù)協(xié)同創(chuàng)新中心, 南京 210096)

?

公交出行信息條件下出行者通勤出發(fā)時間選擇影響因素

侯現(xiàn)耀 陳學武 曾雋

(東南大學江蘇省城市智能交通重點實驗室, 南京 210096)(東南大學現(xiàn)代城市交通技術(shù)協(xié)同創(chuàng)新中心, 南京 210096)

為提高公交出行信息服務水平,研究了公交出行信息條件下出行者通勤出發(fā)時間選擇影響因素.采用均勻設計方法設計調(diào)查問卷,并在湖北省襄陽市開展了意向調(diào)查.考慮到出行者出行到達時間對出發(fā)時間選擇有影響,引入了早到延誤和晚到延誤因素,建立混合Logit模型,對出行者出發(fā)時間選擇影響因素進行了量化分析.結(jié)果表明:早到延誤對出行者在公交出行信息條件下的出發(fā)時間選擇有顯著影響,且與晚到延誤的影響作用不同;出行距離、道路擁堵信息和公交換乘信息會顯著影響出行者的出發(fā)時間選擇,公交車輛位置信息不會對出行者的出發(fā)時間選擇產(chǎn)生顯著影響;出行者個體的受教育程度、收入、日常乘坐公交情況等也是影響其出發(fā)時間選擇的主要因素.

公交出行信息;出發(fā)時間選擇;意向調(diào)查;均勻設計;混合Logit模型

對于城市公共交通,公交出行者通勤出發(fā)時間選擇不僅會影響城市道路交通擁堵狀況,還影響著公交系統(tǒng)的服務水平.研究公交出行信息條件下出行者的出發(fā)時間選擇問題,對于改善智能公交公眾出行信息服務和公共交通服務水平、提升公共交通吸引力和緩解城市交通擁堵問題十分必要.

利用離散模型對出發(fā)時間選擇行為進行分析是較為普遍的方法.早期Small[1]應用經(jīng)濟學領(lǐng)域的相關(guān)理論,引入Logit模型,對舊金山灣區(qū)的居民出發(fā)時間和出行方式進行了分析.此后,陸續(xù)有學者研究了交通信息對出行者出發(fā)時間選擇的影響[2-3].Logit模型要求選擇項獨立不相關(guān)(IIA)[4],為了避免此限制, Probit模型[5]、混合Logit模型[6]等也得到了應用.國內(nèi)對于出發(fā)時間選擇的研究多側(cè)重于機動車出行者的選擇行為[7-9],公交出行信息對出發(fā)時間選擇的影響研究較少.

本文研究了不同情景下公交出行信息對出行者通勤出發(fā)時間選擇的影響.首先介紹調(diào)查問卷設計和統(tǒng)計結(jié)果,然后建立公交出行信息條件下出行者出發(fā)時間選擇行為模型,最后根據(jù)模型標定結(jié)果對出發(fā)時間選擇影響因素進行量化分析.

1　出發(fā)時間選擇行為調(diào)查

行為分析需要采集數(shù)據(jù),數(shù)據(jù)采集方法主要包括交通觀測法、RP調(diào)查法和SP調(diào)查法等.SP調(diào)查法操作簡便,且可以獲取實際觀測法和RP調(diào)查法因現(xiàn)實條件限制不能獲取的數(shù)據(jù),在交通調(diào)查領(lǐng)域已得到較廣泛的應用.故本次調(diào)查問卷采用SP調(diào)查法,詢問被調(diào)查者個人、社會經(jīng)濟和出行等屬性信息以及設計情景下的出發(fā)時間選擇.

1.1調(diào)查問卷設計

根據(jù)對公交出行信息需求特征的分析[10],調(diào)查設定的出行情景為通勤時段,選取了4種情景因素,分別是出行者的出行距離(distance)、公交車到乘車站臺距離的公交車位置信息(bus_dis)、道路的擁堵信息(congestion)和公交換乘信息(transfer).并分別設置4種情景因素的水平項,其中出行距離設置6個水平項,公交車位置信息和道路擁堵信息設置3個水平項,公交換乘信息設置2個水平項.為覆蓋所有可能的情景,需設計108個調(diào)查情景,根據(jù)方開泰[11]提出的均勻設計方法,可以將調(diào)查情景最終縮減到6個.已有研究使用了均勻設計方法對調(diào)查問卷進行設計,并通過應用證明了其可行性[12-13].利用混合均勻設計表,對情景因素進行情景組合設計,得到的6個情景組合設計如表1所示.

在不同的情景下,要求被調(diào)查者根據(jù)情景提供的信息,對通勤出發(fā)時間做出選擇,時間選擇項為:

表1　情景組合設計表

“提前出發(fā)”、“出發(fā)時間不變”和“延遲出發(fā)”.不同個體針對情景提供的信息所做的出發(fā)時間選擇不同,因此,被調(diào)查者還需要提供個人、社會經(jīng)濟屬性和出行特征信息.

1.2調(diào)查數(shù)據(jù)統(tǒng)計

調(diào)查日期為2013年3月,調(diào)查地點為湖北省襄陽市.為了滿足后續(xù)的定量分析要求，每個情景至少要有30份樣本,最壞情況是所有調(diào)查者只有一種情景的選擇有效,則至少應需要樣本180份.本次調(diào)查與城市居民出行調(diào)查同步開展,根據(jù)居民出行調(diào)查的抽樣情況,隨機發(fā)放了400份調(diào)查問卷.問卷回收312份,經(jīng)整理后得到277份有效問卷.調(diào)查得到的個人、社會經(jīng)濟屬性和出行特征指標統(tǒng)計結(jié)果如表2所示.

2　出發(fā)時間選擇模型

2.1時間延誤影響

基于廣義費用理論,出行時間成本模型為

C(td)=ατ(td)+βmax{0,t*-ta(td)}+

γmax{0,ta(td)-t*}

(1)

式中,td為出發(fā)時間;τ(td)為行程花費的時間;ta(td)為到達目的地時間;t*為期望到達的時間;α為行程時間所耗費的時間價值參數(shù);β為早到懲罰參數(shù);γ為晚到懲罰參數(shù);max{0,t*-ta(td)}為早到延誤(SDE);max{0,ta(td)-t*}為晚到延誤(SDL).

出行者設定一個期望到達的時間,若出行者比期望到達時間早到時,會遭受早到懲罰,若比期望到達時間晚到時,會遭受晚到懲罰,并且不同到達時間所遭受的懲罰不同.

由式(1)得出，只要出行者的到達時間和期望到達時間不一致即產(chǎn)生早到或晚到延誤,則必然對出行者的心理或物質(zhì)上造成一定損失,并且只要延誤產(chǎn)生,除非改變延誤性質(zhì),其產(chǎn)生的影響不變,如圖1(a)所示.而在實際情形中,當出行者實際到達時間恰好為期望到達時間時,則認為出行者的出發(fā)時間選擇為最佳,時間延誤對其出發(fā)時間選擇的影響最低;當出行者的到達時間十分接近期望到達時間時,則認為對出行者的活動影響較小,產(chǎn)生的時間延誤對其出發(fā)時間選擇的影響也較小;當出行者到達時間與期望到達時間相差較大時,則認為這種狀況是出行者所不情愿發(fā)生的,其對出行者的心理或物質(zhì)造成的損失較大,因此此時的早到或晚到延誤對出行者出發(fā)時間選擇的影響相對較大,如圖1(b)所示.綜上所述,早到延誤或晚到延誤持續(xù)時間的大小會對出行者出發(fā)時間選擇有不同的影響,可采用混合Logit模型對其影響進行分析.

表2　樣本個人、社會經(jīng)濟屬性和出行特征統(tǒng)計表

(a) 早到延誤和晚到延誤對出發(fā)時間選擇的影響固定不變

(b) 早到延誤和晚到延誤對出發(fā)時間選擇的影響隨到達時間變化

2.2混合Logit模型

假設有N個出行者,面臨J個選擇項,每個出行者在做出選擇時,都選擇對其效用最大的選擇項.則對于第n個出行者,選擇第j個選項時的效用函數(shù)為

Unj=Vnj+enj=βnXnj+enj=μβnXnj+(ηβnXnj+εnj)

(2)

式中,Vnj為可觀測到的效用;Xnj為選擇項效用可測量部分的變量,包括選擇項自身的屬性、出行者的社會經(jīng)濟屬性以及與選擇情境相關(guān)的屬性等;enj和βn為無法直接測量得到的隨機影響變量;μβn為βn的均值;ηβn為βn的隨機誤差項;εnj為服從獨立同分布(IID)特性部分的效用函數(shù)誤差項;ηβnXnj+εnj為效用函數(shù)的誤差項.由此可知,隨機效用不需要服從IID特性.當βn為固定值時,條件選擇概率為Logit形式,即

(3)

則第n個個體出行者選擇第j項的概率為

(4)

2.3混合Logit模型預測過程及結(jié)果分析

2.3.1出發(fā)時間選擇初步建模驗證

由于不同出行者對出發(fā)時間選擇不同,因此選取可以描述出行者個體和社會經(jīng)濟屬性特征的性別、年齡、職業(yè)性質(zhì)、受教育程度、收入、擁有交通工具情況等因素作為變量進行分析,并且出行者日常的出行習慣也會影響到其對出發(fā)時間選擇的判斷,故選取出行者日常乘坐公交情況、等車時間、步行時間、使用公交出行信息情況等出行特征因素進行分析,結(jié)合情景因素和時間延誤因素,選取的影響因素如表3所示.根據(jù)2.1節(jié)分析,假定早到延誤和晚到延誤服從正態(tài)分布,其他變量對出發(fā)時間選擇的影響固定不變.

表3　出發(fā)時間選擇影響因素變量表

以出發(fā)時間不變的選擇項為參照基礎,得到在給定情景條件下出行者出發(fā)時間選擇的參數(shù)估計結(jié)果,如表4所示.

表4　初步建模分析參數(shù)估計結(jié)果

從表4中可看出:

1) gender變量在提前出發(fā)選擇中的系數(shù)為正值,延遲出發(fā)選擇中的系數(shù)為負值,說明在出發(fā)時間選擇上,男性更傾向于在改變出發(fā)時間時選擇提前出發(fā),而女性更愿意延遲出發(fā).但因變量顯著性不夠,因此不能認為性別對出發(fā)時間的選擇具有顯著性影響.

2) age系數(shù)為負值,且提前出發(fā)選擇中在95%水平上顯著,說明年齡偏小的出行者,由于受到上學或上班的時間限制,當獲取到信息后更傾向于選擇提前出發(fā)避免遲到,而年齡偏大的出行者可能較多已退休或無固定工作,沒有在高峰時期趕時間避免上班遲到的需求.

3) edu變量參數(shù)估計值皆為正,說明受教育程度較高的出行者更傾向于根據(jù)獲取的出行信息調(diào)整出發(fā)時間,并且更顯著選擇提前出發(fā).

4) work對出發(fā)時間選擇的影響并不顯著,但仍可以通過結(jié)果看出從事有固定上班時間要求的工作的出行者會更傾向于選擇提前出發(fā),以避免遲到.

5) income反映出行者的經(jīng)濟能力.在初步建模結(jié)果中,income變量皆為負值,且提前出發(fā)選擇中在95%水平上顯著,說明家庭收入少的出行者,在獲取到出行信息后更傾向于改變出發(fā)時間,且傾向于選擇提前出發(fā).

6) car的結(jié)果說明是否擁有私家車并不會在給定的與公交相關(guān)的出行信息條件下顯著影響到出行者對出發(fā)時間的選擇,但這并不意味著私家車出行者不會根據(jù)出行信息調(diào)整出發(fā)時間,研究表明[7]提供相關(guān)的出行信息也會影響其對出發(fā)時間的選擇.

7) bike變量在提前出發(fā)選擇中為正值,且在95%水平上顯著,說明擁有自行車、電動車或摩托車的出行者更傾向于選擇提前出發(fā);同樣,由bus_days的結(jié)果可看出,對于日常出行以公交為主的出行者,在情景中給定的公交出行信息條件下顯著傾向于選擇提前出發(fā).

8) WT和maxWT結(jié)果說明情景中給定的公交出行信息有助于出行者更合理地安排出行時間,以避免在公交車站等候更長時間.

9) distance, congestion和transfer對出行者的出發(fā)時間選擇有顯著的影響,而bus_dis對改變出行者出發(fā)時間的影響并不顯著.

10) SDE和SDL結(jié)果顯著性不夠高.僅SDE在延遲出發(fā)選擇中在90%水平上顯著,表明早到延誤時間越長的出行者越傾向于延遲出發(fā)時間.

2.3.2出發(fā)時間選擇再次建模預測

從對表4的分析可知,在假設SDE和SDL服從正態(tài)分布的條件下,SDL的參數(shù)估計結(jié)果不顯著.根據(jù)實際情況,當出行者晚到后,都會因遲到造成固定的經(jīng)濟損失(如工資或獎金扣減等),故假設SDL對出發(fā)時間選擇的影響固定不變,SDE的影響仍然假設為正態(tài)分布,同時在預測過程中逐步剔除對于提前出發(fā)和延后出發(fā)2個選擇影響都不顯著的變量,對出行者在給定情景條件下的出發(fā)時間選擇行為再次進行預測.預測仍然以出發(fā)時間不變的選擇項為參照基礎,參數(shù)估計結(jié)果如表5所示.

從表5中可看出:除SDE和SDL外,各變量影響情況和顯著性與初次建模情況一致;SDL對出發(fā)時間選擇的影響假設為固定不變后仍然不顯著,但SDE的顯著性得到了提升.說明早到延誤時間較長的出行者更愿意在給定的信息條件下選擇延遲出發(fā),以減少早到延誤的時間,避免時間上更大的損失.

表5　優(yōu)化建模分析參數(shù)估計結(jié)果

3　結(jié)語

為研究公交出行信息條件下出行者通勤出發(fā)時間選擇影響因素,利用均勻設計方法設計了情景調(diào)查問卷.建立了考慮早到延誤和晚到延誤的出行者出發(fā)時間選擇混合Logit模型,通過模型對影響因素進行了量化分析.分析結(jié)果表明,出行距離、道路擁堵和公交換乘信息會顯著影響出行者出發(fā)時間的選擇,而車輛位置信息對出發(fā)時間選擇影響并不顯著.此外,在公交出行信息條件下,早到延誤會顯著影響出行者對于出發(fā)時間的選擇,出行者個體屬性也會顯著影響其對出發(fā)時間的選擇.研究結(jié)論可以為公交出行信息系統(tǒng)的個性化出行信息服務建設、引導居民公交出行政策制定等提供理論依據(jù).

References)

[1]Small K A. The scheduling of consumer activities: Work trips[J].TheAmericanEconomicReview, 1982, 72(3): 467-479.

[2]Khattak A J, Yim Y, Stalker L. Does travel information influence commuter and noncommuter behavior: Results from the San Francisco Bay Area TravInfo Project[J].TransportationResearchRecord:JournaloftheTransportationResearchBoard, 1999, 1694: 48-58. DOI:10.3141/1694-07.

[3]Tseng Y Y, Knockaert J, Verhoef E T. A revealed-preference study of behavioural impacts of real-time traffic information[J].TransportationResearchPartC:EmergingTechnologies, 2013, 30: 196-209. DOI:10.1016/j.trc.2011.11.006.

[4]Steed J L, Bhat C R. On modeling departure-time choice for home-based social/recreational and shopping trips[J].TransportationResearchRecord:JournaloftheTransportationResearchBoard, 2000, 1706: 152-159. DOI:10.3141/1706-18.

[5]Senbil M, Kitamura R. Reference points in commuter departure time choice: A prospect theoretic test of alternative decision frames[J].JournalofIntelligentTransportationSystems, 2004, 8(1): 19-31. DOI:10.1080/15472450490437726.

[6]Li Z, Tirachini A, Hensher D A. Embedding risk attitudes in a scheduling model: Application to the study of commuting departure time[J].TransportationScience, 2012, 46(2): 170-188. DOI:10.1287/trsc.1110.0389.

[7]張春勤,姜桂艷,吳正言.機動車出行者出發(fā)時間選擇的影響因素[J].吉林大學學報(工學版),2013,43(3):626-632. DOI:10.7964/jdxbgxb201303012.

Zhang Chunqin, Jiang Guiyan, Wu Zhengyan. Factors influencing motor vehicle travel departure time choice behavior[J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2013, 43(3): 626-632. DOI:10.7964/jdxbgxb201303012.(in Chinese)

[8]高晶鑫,雋志才,李津,等.通勤出發(fā)時間和駐停次數(shù)聯(lián)合選擇模型[J].系統(tǒng)管理學報,2012,21(3):366-370. DOI:10.3969/j.issn.1005-2542.2012.03.011.

Gao Jingxin, Juan Zhicai, Li Jin, et al. Commuters’ joint choice model of departure time and number of non-work stops[J].JournalofSystems&Management, 2012, 21(3): 366-370. DOI:10.3969/j.issn.1005-2542.2012.03.011.(in Chinese)

[9]周偉,趙勝川.動態(tài)路況信息下的出發(fā)時間選擇行為分析[J].哈爾濱工業(yè)大學學報,2012,44(8):101-105. DOI:10.11918/j.issn.0367-6234.2012.08.020.

Zhou Wei, Zhao Shengchuan. Analysis of choice behavior of travelers’ departure time under urban dynamic road traffic information[J].JournalofHarbinInstituteofTechnology, 2012, 44(8): 101-105. DOI:10.11918/j.issn.0367-6234.2012.08.020. (in Chinese)

[10]Hou X Y, Chen X W. Analysis of urban public transit information requirements in China by Web-based survey[J].Procedia—SocialandBehavioralSciences, 2013, 96: 1522-1527. DOI:10.1016/j.sbspro.2013.08.173.

[11]方開泰.均勻設計——數(shù)論方法在試驗設計的應用[J].應用數(shù)學學報,1980,3(4):363-372.

Fang Kaitai. Uniform design: Application in number theory method of experiment design[J].ActaMathematicaeApplicataeSinica(ChineseSeries), 1980, 3(4): 363-372. (in Chinese)

[12]陳旭梅,劉巧仙,杜光.基于SP調(diào)查的城市公共交通出行時間價值估計[J].交通運輸系統(tǒng)工程與信息,2011,11(4):77-84. DOI:10.3969/j.issn.1009-6744.2011.04.012.

Chen Xumei, Liu Qiaoxian, Du Guang. Estimation of travel time values for urban public transport passengers based on SP survey[J].JournalofTransportationSystemsEngineeringandInformationTechnology, 2011, 11(4): 77-84. DOI:10.3969/j.issn.1009-6744.2011.04.012.(in Chinese)

[13]侯現(xiàn)耀,陳學武,王衛(wèi)杰.多公交信息下居民出行前方式選擇意向分析[J].交通運輸系統(tǒng)工程與信息,2014,14(4):79-84. DOI:10.3969/j.issn.1009-6744.2014.04.011.

Hou Xianyao, Chen Xuewu, Wang Weijie. Preferences of pre-trip mode choice based on multiple public transit information[J].JournalofTransportationSystemsEngineeringandInformationTechnology, 2014, 14(4): 79-84. DOI:10.3969/j.issn.1009-6744.2014.04.011.(in Chinese)

Influence factors of traveler’s commuting departure time choice behavior under public transit information

Hou Xianyao Chen Xuewu Zeng Jun

(Jiangsu Key Laboratory of Urban ITS, Southeast University, Nanjing 210096, China) (Collaborative Innovation Center of Modern Urban Traffic Technologies, Southeast University, Nanjing 210096, China)

To improve the level of public transit information service, the influence factors of traveler’s commuting departure time choice behaviors under public transit information are studied. The uniform design method was used to create survey questionnaire, and the stated preference survey was carried out in Xiangyang City, Hubei Province. Considering the impact of traveler’s arrival time on his/her departure time choice, schedule delay early (SDE) and schedule delay late (SDL) are introduced to develop the mixed Logit model, and the influence factors of traveler’s departure time choice are quantitatively analyzed. The results show that the influence of SDE on traveler’s departure time choice is significant, and it is different from the influence of SDL. Traveler’s departure time choice is influenced significantly by travel distance, road congestion information and transit transfer information, but it is not influenced significantly by bus location information. The education, income and daily taking bus situations of a traveler are also main influence factors of his/her departure time choice.

public transit information; departure time choice; stated preference survey; uniform design; mixed Logit model

10.3969/j.issn.1001-0505.2016.04.037

2015-12-26.作者簡介: 侯現(xiàn)耀(1985—),男,博士生;陳學武(聯(lián)系人),女,博士,教授,博士生導師,chenxuewu@seu.edu.cn.

國家自然科學基金資助項目(51178109)、國家重點基礎研究發(fā)展計劃(973計劃)資助項目(2012CB725402).

10.3969/j.issn.1001-0505.2016.04.037.

U491

A

1001-0505(2016)04-0893-06

引用本文: 侯現(xiàn)耀,陳學武,曾雋.公交出行信息條件下出行者通勤出發(fā)時間選擇影響因素[J].東南大學學報(自然科學版),2016,46(4):893-898.