趙金寶　 鄧　衛(wèi)　 王曉原　 孫　鋒

(1山東理工大學交通與車輛工程學院, 淄博 255000)(2東南大學交通學院, 南京 210096)

?

考慮居民出行OD或居住地的出行方式選擇巢式Logit模型

趙金寶1鄧衛(wèi)2王曉原1孫鋒1

(1山東理工大學交通與車輛工程學院, 淄博 255000)(2東南大學交通學院, 南京 210096)

為定量化分析居民出行OD或居住地引入軌道交通后對出行方式選擇的影響,在綜合考慮出行者家庭特征、個人屬性和出行特性的基礎(chǔ)上,結(jié)合南京市居民出行調(diào)查數(shù)據(jù),分別建立了考慮居民出行OD、考慮居住地、既不考慮出行OD也不考慮居住地的3個出行方式選擇巢式Logit模型,并對比了模型的擬合度．結(jié)果表明:考慮居民出行OD的巢式Logit模型具有最高的擬合度;相比于出行OD小區(qū)或居住地遠離軌道交通站點的出行者,出行OD小區(qū)或居住地接近軌道交通站點的居民更傾向使用慢行交通和/或公共交通出行方式．得到的分析結(jié)果為城市規(guī)劃者認識軌道交通在吸引居民出行由小汽車向公共交通轉(zhuǎn)移中的作用提供了理論支持和決策依據(jù)．

出行OD;居住地;軌道交通站點輻射區(qū);出行方式選擇;巢式Logit模型

隨著城市化和機動化水平的不斷提高,交通擁堵、事故頻發(fā)以及環(huán)境污染等交通問題日益嚴峻．面對諸多挑戰(zhàn),優(yōu)先發(fā)展公共交通,尤其是低碳、高效、快速的城市軌道交通,已經(jīng)成為我國許多特大、大城市組建分工明確又相互協(xié)作的城市綜合交通體系的必然選擇．

國外已有研究表明居民出行OD和居住地交通基礎(chǔ)設(shè)施的優(yōu)化完善和日常出行工具的多樣化會對其出行方式選擇產(chǎn)生不可避免的影響．Friedman等[1]通過研究發(fā)現(xiàn)新傳統(tǒng)社區(qū)設(shè)計,即較高水平的自行車道設(shè)計和友好的行人出行環(huán)境,能使居民更傾向于短距離旅程并更傾向于慢行交通方式出行;Ewing等[2]研究表明居住在擴張型城市郊區(qū)的居民人均汽車出行時間是居住在市區(qū)居民人均汽車出行時間的2～3倍;Bagley等[3]通過對舊金山灣區(qū)居民出行方式選擇分析表明居住在舊金山灣區(qū)外圍的居民更傾向于選擇汽車出行方式;Cervero[4]研究表明軌道交通站點附近的居民選擇軌道交通出行方式的概率比遠離軌道交通站點的居民高5～7倍．

在國內(nèi)研究方面,葉茂等[5]研究發(fā)現(xiàn)主城區(qū)與歷史城區(qū)的居民在出行次數(shù)、出行方式結(jié)構(gòu)、出行目的等方面存在顯著差異性;楊勵雅等[6]研究表明小汽車出行者對出行時間的敏感性隨通勤距離的增加而增加,公交出行者對出行費用比小汽車出行者更敏感;李霞等[7]研究發(fā)現(xiàn)居住地離軌道站點越近的居民越傾向于使用軌道交通出行方式,當小汽車出行時間增加時,地鐵站點附近的居民越有改乘地鐵的趨勢．

綜上所述,已有國內(nèi)外研究表明居民居住地屬性對居民的出行方式選擇有著顯著的影響．本文綜合考察了居民的家庭特征、個人屬性和出行特性三大類下的18個可能影響居民出行方式選擇的自變量,在重點考慮居民出行OD和居住地與軌道交通站點輻射區(qū)的相互關(guān)系的基礎(chǔ)上,建立了考慮居民出行OD、考慮居住地、既不考慮考慮居民出行OD也不考慮居住地的3個出行方式選擇巢式Logit模型,并對比分析了模型的擬合度．定量化分析了居民出行OD和居住地位于或接近軌道交通站點輻射區(qū)對出行方式選擇的影響．

1　巢式Logit模型

考慮到居民出行方式選擇為典型的多項分類,因此基于隨機效用最大化的離散選擇(Logit)模型是出行行為選擇研究中最常用的分析方法[8-10],其中,多項Logit(MNL)模型應(yīng)用最為廣泛．

然而,MNL模型的理論基礎(chǔ)建立在不相關(guān)變量獨立性(IIA)的假設(shè)之上,即認為選擇一種出行方式與選擇另外一種出行方式無關(guān),但在實際的出行方式選擇中,居民備選出行方式中的某2種或2種以上方式之間可能存在密切的相關(guān)性．克服IIA假設(shè)的有效方法是建立巢式選擇模型,即把出行方式相似或相關(guān)的變量納入到一個“巢”中,建立多層次的巢式選擇決策模型[11]．根據(jù)步行交通和非機動車、常規(guī)公交和軌道交通之間的相關(guān)性,本文建立了兩層巢式Logit選擇決策模型結(jié)構(gòu),如圖1所示.

圖1　巢式Logit選擇決策模型結(jié)構(gòu)

根據(jù)經(jīng)典巢式Logit選擇理論[11],第n位出行者選擇出行方式i的概率為

(1)

式中,μ為嚴格大于0的刻度參數(shù);Vin,Vjn為第n位出行者選擇出行方式i,j的效用函數(shù)的確定項;Cn為第n位出行者全部選擇支的集合．

一般情況下,第n位出行者選擇出行方式i的效用函數(shù)確定項Vin可以表示為如下線性形式:

(2)

式中,θ={θ1,θ2,…,θk}為待估計的未知參數(shù)向量;Xin={xin1,xin2,…,xink}T為特性向量,通常采用最大似然估計法進行參數(shù)估計得到．

將式(2)代入式(1)中,得

(3)

則n次觀察結(jié)果的似然值為

(4)

式中,λin為選擇結(jié)果常數(shù)項變量,若第n位出行者選擇第i種出行方式,λin取1,否則λin取0．

式(4)兩邊取對數(shù)得

(5)

令式(5)取最大,即可獲得參數(shù)向量θ的估計值．

2　研究方法

結(jié)合南京市居民出行調(diào)查數(shù)據(jù),本文在綜合考慮出行者家庭特征、個人屬性和出行特性的基礎(chǔ)上,通過合理定義居民出行OD或居住地與軌道交通站點輻射區(qū)之間的關(guān)系,采用前述建立的巢式Logit選擇模型,定量化評價居民出行OD或居住地引入城市軌道交通后對出行方式選擇的影響．

衡量出行者家庭、個人和出行特征的變量可以通過居民出行調(diào)查結(jié)果直接獲得．由于出行者對自己所處位置的地理特征并不十分清楚,因此在建模分析前,需要對出行者的出行OD和居住地進行地理特征分類．本文主要考慮了2方面特征對居民出行OD和居住地進行分類:① 是否位于或接近城市軌道交通站點輻射區(qū);② 是否位于市區(qū)．

在討論居民出行OD小區(qū)和居住地小區(qū)兩者與城市軌道交通站點輻射區(qū)之間的關(guān)系時,作者發(fā)現(xiàn)交通小區(qū)(包括居民出行OD小區(qū)和居住地小區(qū))和城市軌道交通站點輻射區(qū)(見圖2,以軌道交通站點輻射半徑1 000m為例)并不重合．在市區(qū),交通小區(qū)面積一般比軌道交通站點輻射區(qū)面積小;而在郊區(qū)則相反．在本文中,如果交通小區(qū)完全位于或者至少有10%區(qū)域面積位于軌道交通站點1 000m輻射區(qū)內(nèi),則認為該小區(qū)位于或接近軌道交通站點輻射區(qū);否則,則認為其遠離軌道交通站點輻射區(qū)．根據(jù)此分類方法,南京市有131個交通小區(qū)位于或接近城市軌道交通站點輻射區(qū),約占南京市交通小區(qū)總數(shù)的20%．

南京明城墻將南京市分為內(nèi)、外兩部分(見圖2)．本文以南京明城墻為界將南京市交通小區(qū)劃分為位于市區(qū)和位于郊區(qū)兩部分．同時考慮到居民出行OD小區(qū)和是否位于市區(qū)的關(guān)系,將居民出行流向分為4類:市區(qū)-市區(qū)、市區(qū)-郊區(qū)、郊區(qū)-市區(qū)和郊區(qū)-郊區(qū)．

圖2　研究區(qū)域

在定義了居民出行OD、居住地和軌道交通站點輻射區(qū)、市區(qū)(郊區(qū))關(guān)系的基礎(chǔ)上,結(jié)合南京市2010年居民出行調(diào)查數(shù)據(jù),利用建立的居民出行方式選擇巢式Logit模型來實例驗證和定量化分析居民出行OD或居住地(尤其是接近或遠離軌道交通站點輻射區(qū))對出行方式的影響．

3　數(shù)據(jù)采集與預(yù)處理

本文數(shù)據(jù)來源于南京市2010年居民出行綜合調(diào)查．調(diào)查問卷原始內(nèi)容主要包括3個方面的變量:① 家庭屬性,包括家庭人口數(shù)、家庭年收入、家庭小汽車擁有量等;② 個人特征,主要包括性別、年齡、有無公交卡、有無駕照等;③ 出行特性,主要包括出行方式、出行OD、出行起始時間、旅程時間等．

記錄的變量除旅程時間為連續(xù)變量外,其余變量均為離散化變量．在對數(shù)據(jù)進行建模分析前,需要對數(shù)據(jù)進行科學刪選、離散化處理、選取參考變量．數(shù)據(jù)的刪選主要根據(jù)以下原則:① 代入模型的數(shù)據(jù)必須是完整且有效的;② 出行方式包括步行、非機動車(含助力車)、常規(guī)公交、地鐵和小汽車,其他出行方式(如單位車、出租車等)未考慮在內(nèi),這主要是基于本文研究著重點和這些出行方式在所有出行方式選擇中所占的比例極低2個方面的考慮．

經(jīng)數(shù)據(jù)刪選及預(yù)處理,共有1 465個家庭、4 613個出行者和10 383條出行數(shù)據(jù)用于建模分析．本文選擇的變量名稱、離散化處理結(jié)果及對應(yīng)的頻數(shù)如表1所示．

4　結(jié)果分析

4.1Pearson相關(guān)性檢驗

考慮到度量居民出行OD和居住地的變量之間存在潛在相關(guān)性(多數(shù)情況下,居民出行起點(O)與居住地存在重合情況),因此在建立模型前,首先需要對表1中自變量進行Pearson相關(guān)性檢驗．檢驗結(jié)果表明,表1中選取的大多數(shù)解釋變量之間Pearson相關(guān)系數(shù)小于0.7,但是度量居民出行OD和居住地的自變量的Pearson相關(guān)系數(shù)為0.892,顯著高于臨界值0.7[12]．因此, 度量居民出行OD和居住地的變量不應(yīng)同時代入到回歸模型中．基于此,本文建立了3個巢式Logit模型,即考慮居民出行OD、考慮居住地、既不考慮居民出行OD也不考慮居住地,并對模型結(jié)果進行了對比分析．

表1　變量名稱、離散化處理及頻數(shù)

4.2模型結(jié)果

表2給出了3個巢式Logit模型結(jié)果,表3給出了3個模型的統(tǒng)計指標及其計算值．

巢式Logit模型提供了多個評價模型擬合度的指標,其中比較常用的指標是Estrella值和McFadden法似然數(shù)比指數(shù)．根據(jù)經(jīng)典巢式Logit模型理論,這2個指標值越接近0,說明模型的擬合度越差;越接近1,說明模型的擬合度越好．通過對3個模型的Estrella值和McFadden法似然數(shù)比指數(shù)進行對比發(fā)現(xiàn),考慮居民出行OD和軌道交通站點輻射區(qū)關(guān)系的模型擬合度最高,其值分別達到了0.589 8和0.587 4,其次為考慮居住地和軌道交通站點輻射區(qū)的巢式Logit模型,而不考慮居民出行OD和居住地的模型擬合度最低．對比結(jié)果說明考慮居民出行OD能夠在一定程度上提高對居民出行方式選擇預(yù)測的精準度．

居民出行方式選擇的巢式Logit模型的參數(shù)估計結(jié)果表明,相比來自高收入(>10萬元)、有小汽車、沒有非機動車家庭的出行者而言,來自于中低收入(≤10萬元)、沒有汽車、擁有非機動車家庭的出行者更傾向于選擇慢行交通(步行和非機動車)和/或公共交通(常規(guī)公交和軌道交通)出行方式;相比于男性、中青年、沒有公交卡、高教育水平、有駕照的出行者而言,女性、老年人、有公交卡、低教育水平、無駕照的出行者更傾向于選擇慢行交通和/或公共交通方式出行;以工作和上學出行為目的居民更不傾向于使用慢行交通方式出行．

本文模型結(jié)果表明：相比于居民出行OD都遠離軌道交通站點輻射區(qū)的出行者,出行OD位于或接近軌道交通站點輻射區(qū)的居民更傾向使用慢行交通和/或公共交通出行方式;相比于居住地遠離城市軌道交通站點輻射區(qū)的出行者,居住地位于或接近城市軌道交通站點輻射區(qū)的出行者更傾向于選擇慢行交通和/或公共交通方式出行．

5　結(jié)論

1) 考慮居民出行OD和軌道交通站點輻射區(qū)關(guān)系的巢式Logit模型具有最優(yōu)的模型擬合度．相比于只考慮出行地或既不考慮出行OD也不考慮居住地的模型,將居民出行OD代入到居民出行方式選擇模型中能夠在一定程度上提高居民出行方式選擇預(yù)測的精準度．

2) 相比于居民出行OD小區(qū)或居住地遠離城市軌道交通站點輻射區(qū)的出行者,出行OD小區(qū)或居住地位于或接近城市軌道交通站點輻射區(qū)的出行者更傾向使用慢行交通和/或公共交通出行方式．

表2　居民出行方式選擇巢式Logit模型結(jié)果

注:“/”表示該變量的顯著性水平在90%以下(p>0.1); “—” 表示該變量未代入到回歸模型中．

表3　居民出行方式選擇巢式Logit模型統(tǒng)計

3) 得到的定量化分析結(jié)果為城市規(guī)劃者認識軌道交通在吸引居民出行由小汽車向公共交通轉(zhuǎn)移中的作用提供了理論支持和決策依據(jù)．

需要進一步研究的內(nèi)容包括考慮居民出行OD與其他因素(如非機動車道優(yōu)化設(shè)計、BRT/輕軌站點距離等)之間關(guān)系對居民出行方式的影響,研究和建立能夠更進一步提高居民出行方式選擇預(yù)測精度的模型和算法．

References)

[1]Friedman B, Gordon S P, Peers J B. Effect of neotraditional neighborhood design on travel characteristics [J].TransportationResearchRecord, 1994, 1466: 63-70.

[2]Ewing R, Haliyur P, Page G W. Getting around a traditional city, a suburban planned unit development and everything in between [J].TransportationResearchRecord, 1994, 1466: 53-62.

[3]Bagley M N, Mokhtarian P L. The impact of residential neighborhood type on travel behavior: A structural equations modeling approach[J].TheAnnalsofRegionalScience, 2002, 36(2):279-297.DOI:10.1007/s001680200083.

[4]Cervero R. Ridership impacts of transit focused development in California [R]. Berkeley, CA, USA: University of California, 1993.

[5]葉茂, 于淼, 過秀成, 等. 歷史城區(qū)居民出行活動模式選擇影響因素分析[J]. 東南大學學報(自然科學版), 2014, 44(1): 211-215. DOI:10.3969/j.issn.1001-0505.2014.01.038.

Ye Mao, Yu Miao, Guo Xiucheng, et al. Analysis of effects of contributing factors on choice of activity pattern in historic urban areas [J].JournalofSoutheastUniversity(NaturalScienceEdition), 2014, 44(1): 211-215. DOI:10.3969/j.issn.1001-0505.2014.01.038. (in Chinese)

[6]楊勵雅, 李霞, 邵春福. 居住地、出行方式與出發(fā)時間聯(lián)合選擇的交叉巢式Logit模型[J]. 同濟大學學報(自然科學版), 2012, 40(11):1647-1653. DOI:10.3969/j.issn.0253-374x.2012.11.010.

Yang Liya, Li Xia, Shao Chunfu. Cross-nested Logit model for joint choice of residential location, travel mode and departure time[J].JournalofTongjiUniversity(NaturalScience), 2012, 40(11):1647-1653. DOI:10.3969/j.issn.0253-374x.2012.11.010.(in Chinese)

[7]李霞, 高利, 劉玉國. 基于交叉分層Logit的軌道站點周邊居住地和出行方式聯(lián)合選擇模型 [J]. 吉林大學學報 (工學版), 2011, 41(6): 1614-1617.

Li Xia, Gao Li, Liu Yuguo. Simultaneous residential location and travel mode choice estimation around rail transit station based on cross-nested Logit model [J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2011, 41(6): 1614-1617. (in Chinese)

[8]萬霞, 陳峻, 胡文婷. 基于出行方式和活動交互作用的小汽車使用預(yù)測模型 [J]. 東南大學學報(自然科學版), 2009, 39(1):171-176.

Wan Xia, Chen Jun, Hu Wenting. Car use model based on tour mode and activity choice interdependencies [J].JournalofSoutheastUniversity(NaturalScienceEdition), 2009, 39(1):171-176. (in Chinese)

[9]景鵬, 雋志才, 查奇芬. 考慮心理潛變量的出行方式選擇行為模型[J]. 中國公路學報, 2014, 27(11):84-92,108.

Jing Peng, Juan Zhicai, Zha Qifen. Incorporating psychological latent variables into travel mode choice model [J].ChinaJournalofHighwayandTransport, 2014, 27(11):84-92,108. (in Chinese)

[10]周偉, 趙勝川. 基于mixed Logit模型的路線選擇行為量化分析 [J]. 吉林大學學報(工學版), 2013, 43(2): 304-309.

Zhou Wei, Zhao Shengchuan. Quantitative analysis of traveler route choice behavior based mixed Logit model [J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2013, 43(2): 304-309. (in Chinese)

[11]Brownstone D, Small K A. Efficient estimation of nested Logit models[J].JournalofBusiness&EconomicStatistics, 1989, 7(1):67-74. DOI:10.2307/1391839.

[12]Clark W A V, Hosking P L.Statisticalmethodsforgeographers[M]. New York: Wiley, 1986：106-115.

Nested Logit model for travel mode choice considering residents’ travel OD or household location

Zhao Jinbao1Deng Wei2Wang Xiaoyuan1Sun Feng1

(1School of Transportation and Vehicle Engineering, Shandong University of Technology, Zibo 255000, China) (2School of Transportation, Southeast University, Nanjing 210096, China)

To quantitatively analyze the impacts of the introduction of rail transit in residents’ travel OD(origin and destination) or household location on the travel mode choice, based on the comprehensive consideration of travelers’ household characteristics, personal characteristics and travel features, using the travel survey data of Nanjing City, three nested Logit models that consider travel OD, residential location, and neither travel OD nor residential location, respectively, are established. The fitting degrees of these three models are compared. Modeling results reveal that the nested Logit model considering residents’ travel OD has the highest model fitting degree. Compared with travelers whose OD or household location are long away from the rail transit station, travelers whose OD or household location near the rail transit station are more likely to use non-motorized and/or public travel modes. These findings provide urban planners with theoretical support and decision-making basis for understanding the role of rail transit in attracting residents from cars to public transport.

travel origin and destination; residential location; catchment area of rail transit station; travel mode choice; nested Logit model

10.3969/j.issn.1001-0505.2016.04.038

2015-10-11.作者簡介: 趙金寶(1987—), 男, 博士,講師, jinbao@sdut.edu.cn.

國家自然科學基金資助項目(61573009, 61074140)、山東省自然科學基金資助項目(2014ZRB01563, ZR2015EL046)、山東理工大學人才引進科研支撐計劃資助項目(4041/415021).

10.3969/j.issn.1001-0505.2016.04.038.

U121

A

1001-0505(2016)04-0899-06

引用本文: 趙金寶,鄧衛(wèi),王曉原,等.考慮居民出行OD或居住地的出行方式選擇巢式Logit模型[J].東南大學學報(自然科學版),2016,46(4):899-904.