楊濘琿,李 康,周建波,孟蘇靜

(鹽城工學(xué)院 材料科學(xué)與工程學(xué)院,江蘇 鹽城 224051)

公共自行車由于具有綠色環(huán)保、無污染、建設(shè)難度低、間距較近等優(yōu)點(diǎn)，有效地解決了人民群眾“最后一公里”的出行問題，得到了地方政府的大力支持。2008年5月，杭州市公共自行車租賃項(xiàng)目啟動(dòng)，在幾年內(nèi)不斷發(fā)展壯大，取得了較大的成功，隨后在蘇州、太原等二三線及以下城市迅速擴(kuò)展開來。截至2016年底，我國已有超過400個(gè)市、縣配備了公共自行車系統(tǒng)，累計(jì)投放公共自行車鎖車器設(shè)備約89萬套，為全國會(huì)員提供了7.5億次的出行服務(wù)(2016年)[1]。

隨著公共自行車在各城市的普及，國內(nèi)外學(xué)者對公共自行車系統(tǒng)的研究日益增多。Acheampongd等[2]從社會(huì)生態(tài)角度建立模型研究自行車通勤交通的出行影響因素，結(jié)果表明個(gè)人社會(huì)屬性包括性別、受教育程度，以及出行距離和物理環(huán)境因素如交通設(shè)施等，對自行車通勤交通出行產(chǎn)生影響；Hunter等[3]將被調(diào)查者分為4類，運(yùn)用多元logistic回歸模型探討自行車通勤交通出行的有利和不利因素；Fishman[4-5]等對公共自行車的當(dāng)前研究方向、存在問題以及未來的研究重點(diǎn)等進(jìn)行了綜述。國內(nèi)的大部分研究側(cè)重于需求預(yù)測與調(diào)度、出行特征分析以及系統(tǒng)評估等，還有部分學(xué)者針對一、二線城市的公共自行車系統(tǒng)展開選擇意向、出行行為方式的相關(guān)研究[6-10]。本文運(yùn)用結(jié)合意向法和行為調(diào)查法設(shè)計(jì)問卷、采集數(shù)據(jù)，基于Binary logistic建立公共自行車出行選擇模型，并以鹽城市為例，探討公共自行車使用者的潛在動(dòng)機(jī)和非使用者的阻礙因素。

1 問卷設(shè)計(jì)與數(shù)據(jù)采集

公共自行車可分為有樁和無樁兩大類型。目前，在一、二線城市存在政府主導(dǎo)的有樁公共自行車和社會(huì)資本支持的無樁公共自行車(共享單車)并行發(fā)展的格局，而三線及以下城市因城市規(guī)模較小、有效需求不足、管理難度較大、運(yùn)營成本較高，仍將以政府主導(dǎo)的有樁公共自行車為主。目前，鹽城市區(qū)共建設(shè)有樁公共自行車服務(wù)站點(diǎn)425個(gè)(含城南、亭湖自建17個(gè)站點(diǎn))，安裝鎖車器11 600多個(gè)，投放公共自行車10 400多輛。站點(diǎn)主要設(shè)置在居民生活區(qū)、行政中心、學(xué)校、大型商貿(mào)區(qū)、醫(yī)院、公園等人流集中的地段，覆蓋了主城區(qū)，兼顧了亭湖、鹽都、開發(fā)區(qū)及城南新區(qū)的部分區(qū)域。截至2017年底，市民辦理借車卡8萬余張，另有4萬多名注冊了手機(jī)軟件進(jìn)行掃碼借車，正常日借車量2.5萬人次，最高日借車量近4萬人次。

1.1 調(diào)查方案

1.1.1 調(diào)查方法

行為調(diào)查法(RP)，主要調(diào)查已發(fā)生的選擇性行為，包括被調(diào)查者的選擇頻率、出行距離、出行目的、出行時(shí)間等，該方法的缺點(diǎn)是存在選項(xiàng)或替代信息模糊，調(diào)查工作量較大。結(jié)合意向法(SP)，是在假設(shè)條件下，了解被調(diào)查者在這一選擇狀態(tài)下的選擇結(jié)果。與RP調(diào)查數(shù)據(jù)相比，SP數(shù)據(jù)可操作性極高、數(shù)據(jù)誤差便于調(diào)節(jié)、調(diào)查中選擇方案集合明確。本文采用RP和SP相結(jié)合的調(diào)查方法，通過現(xiàn)場問卷和網(wǎng)絡(luò)調(diào)查的形式，獲取公共自行車系統(tǒng)對居民出行方式影響的數(shù)據(jù)。

1.1.2 調(diào)查時(shí)間和地點(diǎn)

選取鹽城工學(xué)院建軍東路校區(qū)、希望大道校區(qū)、寶龍購物廣場、中茵海華廣場4點(diǎn)圍成的區(qū)域，如圖1所示。于2018年4月5日至4月25日，指派4名調(diào)查者采用現(xiàn)場調(diào)查的方式進(jìn)行問卷調(diào)查，獲得居民出行的數(shù)據(jù)；同時(shí)在問卷收集平臺(tái)對鹽城市區(qū)居民在上述區(qū)域內(nèi)的出行方式進(jìn)行網(wǎng)上問卷調(diào)查，并收集數(shù)據(jù)。在上述區(qū)域內(nèi)調(diào)查了11個(gè)公共自行車站點(diǎn)，各調(diào)查站點(diǎn)基本情況如表1所示。

圖1 調(diào)查站點(diǎn)區(qū)域Fig 1 Survey site area

表1 調(diào)查站點(diǎn)基本情況Table 1 Basic information of survey sites

1.2 問卷設(shè)計(jì)與發(fā)放

1.2.1 問卷設(shè)計(jì)

根據(jù)研究目的、鹽城市交通狀況、問卷發(fā)放的條件對問卷進(jìn)行了設(shè)計(jì)，題目形式為選擇題，主要包括3個(gè)方面：出行者屬性特征(性別、年齡、職業(yè)、月收入等)、出行基本信息(出行目的、出行方式、出行距離)、公共自行車使用特征等。調(diào)查重點(diǎn)在于居民對有樁公共自行車出行選擇的潛在作用因素，包括出行時(shí)段分布、出行分布、是否擁有自行車和汽車等。

1.2.2 問卷預(yù)調(diào)研

對于初步設(shè)計(jì)的問卷需要進(jìn)行一定的預(yù)調(diào)研來保證問卷的適用性及可靠性。預(yù)調(diào)研的方法，主要是將初步設(shè)計(jì)的問卷發(fā)放給被調(diào)查者，并與被調(diào)查者溝通做問卷時(shí)候的想法，包括問卷的選項(xiàng)有哪些模糊不清的地方，需要進(jìn)一步改進(jìn)的建議等；在進(jìn)行最終的歸納匯總后對問卷的初步設(shè)計(jì)進(jìn)行修訂，直到被調(diào)查者能夠清晰理解問卷選項(xiàng)的含義，達(dá)到調(diào)查目的為止。

1.2.3 問卷發(fā)放與回收

本次調(diào)查共發(fā)放620份問卷，其中回答沒有缺漏，對考察結(jié)果起到作用的問卷為602份，占發(fā)出問卷的97.09%。在602份問卷中，男性292人，占樣本的48.5%；女性310人，占51.5%，性別差異不大。按年齡劃分，602份問卷中， 20歲以下(含20)60人，占9.97%；20～30歲(含30)271人，占45.02%；30～40歲(含40)139人，占23.09%；40～60歲(含60)92人，占15.28%；60歲以上的40人，占6.64%。

2 基于Binary logistic建模

在針對某一問題的多因素影響研究，并對各個(gè)因素影響程度大小進(jìn)行判斷時(shí)，通常選擇回歸模型。由于公共自行車出行數(shù)據(jù)較為離散，無法運(yùn)用線性回歸構(gòu)造模型方程，所以選擇對數(shù)回歸中的Binary logistic回歸模型[11-12]。

設(shè)Y*表示選擇公共自行車的出行效用，Y表示選擇結(jié)果，X1表示性別，X2表示年齡，X3表示職業(yè),X4表示月收入，X5表示有無私家車，X6表示有無自行車 ，X7表示出行目的，X8表示出行距離，X9表示出行時(shí)耗，X10表示換乘方式，X11表示借還車不方便，X12表示政策決策支持，X13表示步行至站點(diǎn)距離太遠(yuǎn)，X14表示注冊流程不便，X15表示換乘不便，X16表示舒適度低，X17表示基礎(chǔ)設(shè)施條件，建立模型如下：

Y*=a0+a1x1+a2x2+a3x3+a4x4+

a5x5+a6x6+a7x7+a8x8+a9x9+a10x10+

a11x11+a12x12+a13x13+a14x14+

a15x15+a16x16+a17x17+vi

(1)

式中，vi服從Logistic分布。

當(dāng)Y*>0，Y=1,表示選擇公共自行車出行；當(dāng)Y*<0,Y=0，表示不選擇公共自行車出行。

出行者選擇公共自行車的概率為

P(y=1|x)=P(y*>0|x)=

P(vi>-xa)=1-F(-xa)=F(xa)

(2)

式中：X=[x1,x2，…，xn];a=[a1,a2，…，an]。

第n個(gè)出行者選擇第j種出行方式的概率為

p(nj=1/χnj)=

p[(β0+β1χni+……+βmχnm+εj)>0]

(3)

式(1)中，常數(shù)項(xiàng)可由向前法獲得，第一次獲取到常數(shù)a表示x對y*的影響大小。另外應(yīng)該考慮x對P(y=1)的邊際影響b，此時(shí)，模型可以寫成

p(y=1)=b0+b1χ1+b2χ2+b3χ3+b4χ4+

b5χ5+b6χ6+b17χ7+b8χ8+b9χ9+b10χ10+

b11χ11+b12χ12+b13χ13+b14χ14+b15χ15+

b16χ16+b17χ17

(4)

本模型作用要素大多根據(jù)理論和經(jīng)驗(yàn)獲得，然而不是每個(gè)要素都會(huì)對結(jié)論有顯著影響，所以需要檢驗(yàn)?zāi)Ｐ椭懈鱾€(gè)要素的顯著程度，并剔除不顯著的變量，從而得到最終的模型結(jié)果。

3 模型結(jié)果分析

3.1 單因素差異分析

對公共自行車使用者和非使用者使用卡方檢驗(yàn)和P值分析。由于問卷調(diào)查采集的數(shù)據(jù)為定類數(shù)據(jù)，無比較意義，所以在處理變量數(shù)據(jù)時(shí)，用數(shù)字定量代表定類數(shù)據(jù)，比如1代表男，2代表女，從而可以運(yùn)用卡方檢驗(yàn)定類數(shù)據(jù)之間的關(guān)系。

單因素差異分析可用于多組數(shù)據(jù)，這里運(yùn)用單因素差異分析不同的使用人群在選擇公共自行車出行時(shí)各影響因素是否有顯著差異，結(jié)果如表2所示；若P<0.01，可認(rèn)為該因素對公共自行車出行選擇是有顯著影響的。

3.2 影響因素檢驗(yàn)

由表2可知，年齡、是否擁有私家車、政策決策支持、步行至站點(diǎn)距離太遠(yuǎn)、基礎(chǔ)設(shè)施條件的P值分別為0.003、0.000、0.000、0.006、0.000，均小于0.01，故上述因素對是否選擇公共自行車出行是有顯著影響的，需要將其納入Binary logistic回歸中。回歸分析及建模步驟如表3所示。

表2差異分析
Table2Variance analysis

變量不使用公共自行車使用公共自行車數(shù)值百分比/%數(shù)值百分比/%卡方P值性別男女1189754.945.117421345.055.05.4480.022年齡/歲≤20(20,30](30,40](40,60]>60161193931107.455.318.114.44.744152100613011.439.325.815.87.815.7830.003職業(yè)學(xué)生上班族個(gè)體經(jīng)營待業(yè)退休965616262144.726.07.412.11419944564736.425.611.414.55.7860.216月收入/元≤1500(1500,3000](3000,5000](5000,7000]>7000873635263140.516.716.312.114.41514583535539.011.621.413.714.24.9200.296是否擁有私家車是否1288759.540.52889974.425.614.3400.000是否擁有自行車是否5516025.674.49229523.876.20.2450.621使用公共自行車出行的目的上班上學(xué)游玩探親回家3252281837.65.925.99.421.2701552466728.06.020.818.426.86.6520.155使用公共自行車出行的距離/km≤1(1,2](2,3](3,4](4,5]>524282445028.232.928.24.75.905786652715022.834.426.010.86.003.4810.480使用公共自行車的出行時(shí)耗/min≤101011.82610.4(10,30]3440.09939.6(30,60]3237.610943.6>60910.6166.42.1380.544一般會(huì)使用哪種交通方式與公共自行車換乘BRT1011.8228.8公交1315.34216.8私家車22.493.6步行4047.111646.4電動(dòng)車2023.56124.40.9980.910借車還車不方便11854.923661.02.1220.167政策決策支持11754.427871.818.5810.000步行至站點(diǎn)距離太遠(yuǎn)3616.710326.67.5830.006注冊流程不便7032.613033.60.0670.857換乘不便7936.717344.73.5970.058自行車舒適度低6128.411128.70.0071.000基礎(chǔ)設(shè)施條件7434.47719.915.5110.000

注：(1)表中卡方檢驗(yàn)統(tǒng)計(jì)量也就是回歸模型無效假設(shè)所對應(yīng)的似然比檢驗(yàn)量，即所有協(xié)變量的發(fā)生比均為1；

(2)P<0.01，表明該模型是顯著的。

表3影響因素檢驗(yàn)表
Table3Checklist of influence factor

模型步驟變量SigP值HL步驟1 政策決策支持0.0000.000步驟2 政策決策支持 步行至站點(diǎn)距離太遠(yuǎn)0.0000.0020.0000.819步驟3 年齡≤200.007 年齡(20,30]0.633 年齡(30,40]0.016 年齡(40,60]0.457 年齡(>60)0.256 政策決策支持0.000 步行至站點(diǎn)距離太遠(yuǎn)0.0060.0000.127 步驟4 年齡≤200.005 年齡(20,30]0.531 年齡(30,40]0.010 年齡(40,60]0.349 年齡(>60)0.200 是否擁有私家車0.022 政策決策支持0.003 步行至站點(diǎn)距離太遠(yuǎn)0.0140.0000.223步驟5 年齡≤200.004 年齡(20,30]0.514 年齡(30,40]0.008 年齡(40,60]0.337 年齡(>60)0.152 是否擁有私家車0.047 政策決策支持0.024 步行至站點(diǎn)距離太遠(yuǎn)0.046 基礎(chǔ)設(shè)施條件0.0060.0000.112常量0.002

基于Binary logistic回歸模型，通過向前法，分析得到的5個(gè)影響因素是否具有顯著影響。因?yàn)橄蚯胺ū仨氁来渭尤敫髯兞浚琍值代表每個(gè)添加的模型是否有意義，所以總共建立5次模型。

由表3可知：(1)幾個(gè)步驟的結(jié)構(gòu)方程總體檢驗(yàn)P均小于0.01，說明最少有一個(gè)自變量有用途，即結(jié)構(gòu)方程整體有用途；(2)模型擬合優(yōu)度HL>0.05，說明模型擬合優(yōu)度良好，當(dāng)前數(shù)據(jù)信息已充分提取。

3.3 回歸結(jié)果

模型最終選定年齡、是否擁有私家車、政策決策支持、步行至站點(diǎn)距離太遠(yuǎn)和基礎(chǔ)設(shè)施條件5個(gè)因素，由上可知這5個(gè)因素構(gòu)成的模型擬合效果良好。

由于Logit回歸中的回歸系數(shù)βi，表示自變量改變一單位時(shí)，各個(gè)因變量發(fā)生與不發(fā)生事件的概率之比的對數(shù)變化值，因這系數(shù)為對數(shù)，不能類似線性回歸直接解釋為自變量對因變量的影響程度，故將其轉(zhuǎn)換為OR(Odds Ratio)發(fā)生比的對數(shù)值，系數(shù)才更有明確的意義。表4為上述5因素構(gòu)成的公共自行車出行模型用OR、95%CI和Sig表示的影響因素的回歸結(jié)果。

表4中，將年齡<20歲作為對照組，得回歸模型的方程為Y=4.931+0.731*年齡(20，30]+0.665*年齡(30，40]+0.532*年齡(40，60]+0.344*年齡(>60)+0.669*未擁有私家車+1.583*政策決策支持+1.610*步行至站點(diǎn)距離太遠(yuǎn)+0.564*基礎(chǔ)設(shè)施條件。

表4選擇公共自行車出行影響因素的回歸結(jié)果
Table4Regression results of factors influencing public bicycle travel

變量OR95%CISig年齡≤20ref-0.004(20,30]0.7310.285～1.8740.514(30,40]0.6650.290～1.5290.008(40,60]0.5320.225～1.2620.337>600.3440.157～0.7530.152是否擁有私家車0.6690.451～0.9950.047政策決策支持1.5831.062～2.3580.024步行至站點(diǎn)距離太遠(yuǎn)1.6101.008～2.5700.046基礎(chǔ)設(shè)施條件0.5640.375～0.8480.006常量4.931-0.002

由表4可知：在其他因素不變時(shí)，年齡(20，30]是對照組的0.731倍，年齡(30，40]是對照組的0.665倍，年齡(40，60]是對照組的0.532倍，年齡(>60歲)是對照組的0.344倍；在調(diào)整其他因素后，沒有私家車的人騎行概率是有私家車人的0.669倍；政策決策支持的人群使用自行車的概率是未選擇這一選項(xiàng)人群的1.583倍；選擇步行至站點(diǎn)距離太遠(yuǎn)的人群是未選擇人群的1.610倍；選擇基礎(chǔ)設(shè)施條件的人群是未選擇人群的0.564倍。因此，基于回歸結(jié)果OR值，影響公共自行車使用率的主要因素是政策決策支持與否與站點(diǎn)距離的遠(yuǎn)近。一方面，公共自行車租賃屬于微利行業(yè)，投資成本大，運(yùn)營收益低，政府對公共自行車租賃缺乏持續(xù)的財(cái)力支持和足夠的政策扶持，企業(yè)持續(xù)運(yùn)營舉步維艱；另一方面，交通部門對公共自行車租賃缺乏統(tǒng)一規(guī)劃和管理，尚未形成科學(xué)的制度機(jī)制。大力發(fā)展公共自行車是為解決居民出行“最后一公里”的問題，但網(wǎng)點(diǎn)密度低，尚未實(shí)現(xiàn)站點(diǎn)500 m覆蓋范圍，沒有形成規(guī)模效應(yīng)。

4 結(jié)論

公共自行車主要集中在一線及部分二線發(fā)達(dá)城市。隨著市場競爭的激烈，一線及部分發(fā)達(dá)二線城市單車數(shù)量會(huì)較快到達(dá)飽和點(diǎn)。有樁和無樁公共自行車兩種模式各有優(yōu)劣，預(yù)計(jì)未來一二線城市的公共自行車市場將由無樁共享單車主導(dǎo)，三四線及以下城市將由有樁共享單車主導(dǎo)。

選擇公共自行車出行者主要以20～40歲的中青年為主，且隨著年齡增大呈下降趨勢；騎行目的主要解決通勤交通，并逐漸成為一種時(shí)尚。在三四線城市，私家車的便捷性給公共自行車出行帶來極大的挑戰(zhàn)；政策決策支持力度和站點(diǎn)距離出行點(diǎn)太遠(yuǎn)成為出行者選擇公共自行車出行的最大阻礙因素。此外，非機(jī)動(dòng)車道通行空間，與機(jī)動(dòng)車隔離保護(hù)等騎行環(huán)境的安全性，以及停放的便捷性等均存在一定問題，影響公共自行車的投入使用。