任其亮,張麗莉,吳玲玲
(重慶交通大學 交通運輸學院,重慶 400074)
組團式空間結構已成為國內大城市擴張的重要發(fā)展趨勢,組團式空間結構互動關聯(lián)常通過組團間居民出行來實現(xiàn)。受地理條件等客觀因素制約,組團間出行常需跨江河、越湖泊、翻山嶺,因此組團間出行一般距離較遠、出行路徑較少,出行方式多以機動化為主。此外,現(xiàn)階段組團內部無法完全滿足居民的生產(chǎn)生活需要,大部分居民職住分離,使得組團間出行量大且潮汐交通現(xiàn)象顯著。以上特點導致組團間出行交通問題突出,阻礙了組團城市發(fā)展。研究城市組團間居民的出行方式選擇決策對調整和優(yōu)化組團間通道交通結構意義重大。
目前對出行方式選擇決策研究主要是基于期望效用理論:C.A.KL?CKNER等[1]以Logit模型為基礎研究了城市交通設施、出行時間、出行花費等因素對不同屬性消費者私家車出行的影響;胡曉健等[2]深入研究了差異化交通出行選擇行為、基于停車收費的軌道交通停車換乘行為及擁堵收費影響下的交通出行方式選擇,并在此基礎上提出了相應的交通需求管理對策;姚恩建等[3]分析了公共交通出行費用對通勤走廊出行結構的影響,并基于有車出行者和無車出行者構建了出行方式選擇NL模型;陳月霞等[4]將潛變量模型預測后的潛變量代入多項Logit模型,構建了帶低碳出行心理變量的混合選擇模型;芮海田等[5]基于非集計理論,以個人特征和出行特征為影響因素,建立了出行者中長距離出行方式選擇行為測量模型;向紅艷等[6]將出行者的城際間短途出行分為市內出行和城際出行兩個階段,針對居民城際出行方式選擇行為建立了巢式Logit模型。
以上研究都以出行者是“理性人”為前提,但實際上出行者做出行方式?jīng)Q策時往往表現(xiàn)出有限理性的特征。針對這一問題,很多學者開始將前景理論用于出行決策問題研究:GAO Song等[7]利用前景理論研究了出行者出行路徑選擇行為,參考點選取了最短、最長及平均出行時間,并認為參考點的選取要基于出行者個體;YANG Jufen等[8]基于累積前景理論構建了數(shù)值結果與現(xiàn)實路網(wǎng)基本一致的路徑選擇模型;田麗君等[9]證明了出行者決策行為受出行場景影響,不同出行場景有不同的出行方式選擇。一方面,這些研究大多是針對出行路徑選擇,對出行方式選擇研究甚少;另一方面,這些研究雖考慮到出行者有限理性行為因素,但在現(xiàn)實組團間出行方式選擇過程中,組團間交通環(huán)境突變和隨機性對出行者選擇決策影響也很大。
城市組團間出行交通環(huán)境波動較大,出行者對各屬性期望是動態(tài)變化的,這會影響出行方式選擇結果。筆者在上述研究支撐下,針對出行者在城市組團間出行中對各屬性的動態(tài)期望要求這一心理特征進行研究,構建基于前景理論的組團間居民出行方式選擇決策方法模型。
傳統(tǒng)區(qū)域出行研究一般將出發(fā)地所屬地域作為一個節(jié)點,目的地所屬地域作為另一個節(jié)點,然后兩節(jié)點之間一概而論進行研究。對于組團城市來說,城市雖被隔離為各個分組團,但一般組團間距離不會太大,在組團內部出行所占比例并不比在組團之間小。且各組團及組團間交通系統(tǒng)構成豐富多樣,交通基礎建設參差不一,交通功能狀態(tài)有所差異。首先,組團內部與組團之間交通環(huán)境相差甚大,一般組團中心交通量最大,交通構成最復雜,交通干擾也最為嚴重,隨著與組團中心距離增大,交通量和交通干擾會減少,交通構成也會隨之趨于簡單。組團之間通道在高峰期極易擁堵,相對組團內部交通環(huán)境而言及其不穩(wěn)定。按傳統(tǒng)方法將出發(fā)地和目的地所屬組團作為節(jié)點,忽視了組團內部出行影響明顯是不可行的。除了組團內部與組團之間交通環(huán)境相差較大,各組團功能結構的不同也會導致交通環(huán)境存在差異。因此,兩個組團之間的出行應分為3個階段(圖1):第1階段為出發(fā)點組團內部的出行;第2階段為兩組團之間通道上的出行;第3階段為目的地組團內部的出行。依次類推,多組團之間出行也可進行相似劃分。
圖1 出行階段劃分Fig. 1 Travel stage division
組團間通常是中長距離出行,客運交通方式以私人小汽車、出租車、班車、公共汽車、軌道交通等機動化出行為主[10]。出租車快速、舒適、靈活,可實現(xiàn)“門到門”服務,缺點是價格昂貴,旅客通過能力小、能源消耗大,不利于城市環(huán)保。私人小汽車特點與出租車基本相似,不同的是私家車更加快捷方便,但使用和維護成本比較高,受是否有停車場地限制,使用者往往為高收入者。公共汽車和軌道交通屬于公共交通,經(jīng)濟性好,運營線路、時間固定,運輸量大、環(huán)境污染少,應成為現(xiàn)代大城市的主導交通方式。其中軌道交通運力大、土地資源占用少、能源消耗低、準時準點等優(yōu)點更為顯著,且舒適性也強于公交車,但建設運營成本較高。
城市組團間出行居民對出行方式的選擇行為比較復雜,要受到出行主體特性(出行者年齡、性別、職業(yè)、 收入、家庭情況等)、出行特性(出行目的、一天之中出行的時間等)及出行方式特性(出行時間、費用、可用性、舒適性、方便性、安全性、可靠性)等多種因素影響。其中,出行方式特性是通過個人主觀感受表現(xiàn)出來的,它是出行者選擇某種交通方式的重要衡量標準。比如,在城市組團間出行中,收入高的出行者時間觀念也強、對舒適性要求也高,因此常會選擇小汽車出行;收入越低的出行者越在意經(jīng)濟性,選擇公共交通出行的可能性就越大。總體而言,組團間出行中,出行者往往會針對出行目的,從自身條件出發(fā),權衡各種交通方式特點,選擇最符合自身心理需求的出行方式,這與其他出行并無太大區(qū)別。不同的是城市組團間出行是由幾個階段構成的一個出行過程,出行者會根據(jù)不同階段交通環(huán)境改變調整自己對各屬性心理期望要求,從而選擇出行方式。
出行者選擇出行方式時,會根據(jù)自身條件權衡各交通方式特點,在能完成出行目的前提下,總希望能獲得性價比高及相對舒適、快速、便捷的服務。也就是說,出行方式?jīng)Q策是出行目的及出行者特性固定的前提下,出行者對各交通方式服務屬性進行綜合評價后選擇自己最滿意的方式[11]。為準確反映影響城市組團間居民出行方式選擇因素但又不使問題復雜化,應選居民組團間出行進行交通方式選擇時最在意的屬性為決策指標,故筆者選取經(jīng)濟性、快速性、舒適性、便捷性、可靠性5個屬性作為決策指標,如表1。
表1 各屬性界定Table 1 Definition of each attribute
層次分析法主要是出行者從自身情況出發(fā),根據(jù)判斷標度(表2)依次對各要素進行兩兩比較,建立判斷矩陣M=(beh),然后計算各要素的優(yōu)先級向量[12]。優(yōu)先級向量計算方法如下:
表2 判斷標度Table 2 Judgment scale
1)判斷矩陣為a×a矩陣,計算矩陣各行元素乘積的a次方根,如式(1)、(2):
(1)
(2)
2)將以上計算結果正交化得所求優(yōu)先級向量,如式(3):
(3)
得到優(yōu)先級向量后要進行一致性檢驗,通過檢驗的判斷矩陣才是合理的,其檢驗方法如下:
1)計算判斷矩陣的最大特征根λmax,如式(4):
(4)
2)計算平均隨機性指標CR。若CR<0.1,則一致性較好,其判斷矩陣可接受,各優(yōu)先級向量即為各權重向量,如式(5)、(6):
(5)
(6)
式中:RI由RI值表查得。
各屬性值表達方式如下:
灰色型隨機變量計算如式(7)、(8):
(7)
(8)
語言型變量如式(9)、(10):
(9)
(10)
(11)
計算各階段各出行方式屬性值相對于參照點的階段收益或階段損失,并建立益損決策矩陣。
灰色型隨機變量如式(12):
(12)
語言型變量如式(13):
(13)
(14)
針對各屬性前景,根據(jù)益損決策矩陣計算各階段的出行方式,并根據(jù)累計前景理論建立起前景決策矩陣,如式(15):
(15)
式中:α、β分別為收益和損失區(qū)域價值冪函數(shù)的凹凸程度,文中α=β=0;θ為決策者的損失規(guī)避程度,文中θ=2.25。
根據(jù)加權原則,計算各方式前景值。
1)計算每個方式各時期的前景值Utl(Ai),如式(16):
(16)
2)計算各方式的綜合前景值U(Ai),如式(17):
(17)
根據(jù)綜合前景值U(Ai)大小將各出行方式排序,綜合前景值越大的方式越符合出行者期望[13]。
重慶是典型的組團城市,組團間出行已成為當?shù)鼐用窆ぷ魃畋夭豢缮俚囊徊糠?。重慶南岸區(qū)與渝中區(qū)組團功能明顯,其中南岸區(qū)七公里至渝中區(qū)解放碑交通便利,出行可選擇方式眾多,且七公里附近小區(qū)聚集便于調查。故筆者以重慶南岸區(qū)七公里至渝中區(qū)解放碑組團間出行為例,對以上算法模型進行說明。
筆者將SP與RP調查方法結合,通過問卷調查獲取數(shù)據(jù),共發(fā)放問卷400份,回收有效問卷328份,問卷回收率達82%,并根據(jù)收入水平和出行目的進行分層。這里僅針對中高收入(有私家車)、出行目的為休閑娛樂的出行者進行建模計算。對于這一層次出行者,從南岸區(qū)七公里到渝北區(qū)解放碑主要有輕軌、出租車、公交車、私家車這4種可選擇的出行方式,如圖2。為便于后期計算,將中高收入、出行目的為休閑娛樂出行者調查結果進行統(tǒng)計整理,如表3。
圖2 各方式路線Fig. 2 Survey results of travel mode
表3 出行方式調查結果Table 3 Travel mode survey results
先使用層次分析法確定權重向量。讓出行者(被調查者)對經(jīng)濟性、快速性、舒適性、便捷性、可靠性進行兩兩比較、進行打分,為使結果更客觀可靠,選取中位數(shù)作為最終分值。并利用式(1)~(3)得到各優(yōu)先級向量,如表4。
表4 各要素之間對比結果Table 4 Comparison results between various elements
進行一致性檢驗,如式(18)~(20):
(18)
(19)
(20)
由此可知,判斷矩陣具有一致性,權重結果可接受,所以經(jīng)濟性C1、快速性C2、舒適性C3、便捷性C4、可靠性C5的權重向量為ω=(0.043 9, 0.172 4, 0.106 3, 0.222 3, 0.455 1)。同理,計算出各階段(t1,t2,t3)的權重向量為ωt=(1/3, 1/3, 1/3)。
整理綜合被調查者對各階段(t1,t2,t3)針對(C1,C2,C3,C4,C5)各指標屬性的期望,將多數(shù)人(80%)期望合并得到一個范圍內從而得到期望向量,如式(21):
(20)
被調查者根據(jù)已掌握實際信息給出各方式在各階段針對各屬性的評價值。例如:選擇輕軌出行,80%人群在南岸區(qū)內部的費用大概為1.5~2.0元,所以t1階段C1=[1.5, 2.0];花費時間為19~25 min,故C2=[19, 25];輕軌運行平穩(wěn)、溫度合適、空氣較清新、但不一定有座位,80%人群對C3的評價值在[MP, MG]范圍內;從出發(fā)點到輕軌站及輕軌站到目的地需走一段路程,并需要買票、過安檢、換乘,不是非常方便,80%人群對C4評價值在[VP, M]之內;輕軌發(fā)車間隔短且能準時準點,80%人群對C5的評價值在[G, VG]之內。同理,給出所有階段不同出行方式的評價值如表5~7。
表5 t1階段評價值Table 5 Evaluation values of t1 stage
表6 t2階段評價值Table 6 Evaluation values of t2 stage
表7 t3階段評價值Table 7 Evaluation values of t3 stage
各階段參照點向量規(guī)范化的結果如式(21)~(23):
O1=([0.39,0.71],[0.7,0.9],{(0.71,0.50),(0.86,0.50)},{(0.71,0.33),(0.86,0.33),(1.00,0.33)},{(0.86,0.50),(1.0,0.5)})
(21)
O2=([0.44,0.89],[0.71,1],{(0.57,0.25),(0.71,0.25),(0.86,0.25),(1.00,0.25)},{(0.71,0.33),(0.86,0.33),(1.00,0.33)},{(0.71,0.50),(0.86,0.50)})
(22)
O3=([0.35,0.78],[0.64,0.91],{(0.71,0.33),(0.86,0.33),(1.00,0.33)},{(0.71,0.33),(0.86,0.33),(1.00,0.33)},{(0.71,0.33),(0.86,0.33),(1.00,0.33)})
(23)
各階段評價值決策矩陣規(guī)范化結果如式(24)~(26):
(24)
(25)
(26)
由此可得益損決策矩陣如式(27):
(27)
由此可得前景決策矩陣如式(28):
(28)
則得到各方式的綜合前景值結果如式(29):
(29)
則各方式排序結果為:A4>A1>A2>A3。即對于中高收入層人員而言,由南岸區(qū)七公里到渝中區(qū)解放碑的出行目的是為休閑娛樂,私家車是最讓他們滿意的出行方式,其次是輕軌,然后是出租車,最后才是公交車,這與調查結果相符。
筆者針對城市組團間出行方式多屬性決策問題,給出了一種考慮出行者動態(tài)期望的出行方式選擇決策分析方法。并將這種方法用于實例,得到的結果與現(xiàn)實相符。
該方法充分反映出組團間出行者選擇出行方式時的有限理性心理行為特征,可用于研究組團間居民出行方式選擇行為,提高研究結果的真實性和有效性。這對于合理分擔各交通方式、調整和優(yōu)化交通結構、提高運輸效率,進而改善組團城市交通環(huán)境具有重要意義。