基于動(dòng)態(tài)出行鏈的居民出行方式選擇模型

基于動(dòng)態(tài)出行鏈的居民出行方式選擇模型

0出行方式選擇動(dòng)態(tài)模型居民的旅游選擇研究是制定城市交通計(jì)劃和交通政策的重要組成部分，也是一項(xiàng)基本工作。一方面其作為交通規(guī)劃四階段模型的關(guān)鍵步驟,在城市交通規(guī)劃工作中起著舉足輕重的作用;另一方面,其可以作為幫助公交引導(dǎo)、擁擠收費(fèi)等交通需求管理政策制定和評(píng)價(jià)的有效工具。近年來,隨著中國(guó)城市經(jīng)濟(jì)水平的提高和規(guī)模的擴(kuò)大,居民的出行行為更具多樣性和復(fù)雜性。居民在全天多次出行的相互影響和制約下,會(huì)綜合考慮確定每次出行的方式選擇結(jié)果,同時(shí)由于每次出行目的、出行時(shí)刻和交通環(huán)境的差異,個(gè)體在全天的出行會(huì)出現(xiàn)多種交通工具混合使用的情況,這些問題都需要在不斷改進(jìn)的交通方式選擇模型中進(jìn)行體現(xiàn)。而現(xiàn)有的基于單次出行的出行方式選擇靜態(tài)模型已不能滿足交通規(guī)劃和政策評(píng)估的需求,因此需要建立居民全天出行方式選擇動(dòng)態(tài)模型。中國(guó)學(xué)者在以往的研究中,已經(jīng)開始從非集計(jì)層面來建立方式選擇模型。李良采用多項(xiàng)Logit模型(MNL模型)對(duì)城市居民出行方式效用進(jìn)行了分析;褚浩然以北京市居民出行調(diào)查數(shù)據(jù)為基礎(chǔ),建立了5類人群4種活動(dòng)目的地交通方式選擇模型;胡華等也建立了在特定交通環(huán)境下的居民出行方式選擇模型。以上模型都是基于單次出行的方式選擇模型,并未考慮個(gè)體多次出行間的相互作用,筆者曾以中國(guó)公交的使用情況研究了方式選擇的動(dòng)態(tài)性,但是并未建立最終的方式選擇動(dòng)態(tài)模型。而Buliung等已經(jīng)注意到個(gè)體一天多次出行間的相互影響,并建立了相關(guān)模型。Miller等基于效用最大理論建立了基于出行鏈的方式選擇模型,假設(shè)個(gè)體通過對(duì)多種出行方式的組合使用從而達(dá)到整個(gè)出行鏈方式選擇效用最大化,但模型只是將效用簡(jiǎn)單線性疊加,未能體現(xiàn)多次出行間復(fù)雜的作用機(jī)理。Biagioni等使用帶條件的數(shù)據(jù)挖掘方法研究了前一次出行方式選擇結(jié)果對(duì)此次出行方式選擇的影響,該方法只是用數(shù)據(jù)說明了特定地區(qū)的相關(guān)規(guī)律,并未深入探討作用機(jī)理。Ramadurai等對(duì)美國(guó)舊金山灣區(qū)域的居民出行數(shù)據(jù)進(jìn)行分析得出,居民在一天的出行中方式選擇存在變化,需要在模型中考慮動(dòng)態(tài)因素。本文中以安徽省淮北市為例,立足中國(guó)國(guó)情和交通環(huán)境現(xiàn)狀,探討中國(guó)城市居民一天內(nèi)多次出行間方式選擇的相互影響,從而建立居民全日出行方式選擇動(dòng)態(tài)模型,為中國(guó)居民出行方式選擇模型的改進(jìn)提供新思路。1出行鏈與出行方式選擇個(gè)體在一天中要不斷重復(fù)出行方式選擇過程,直到完成全天的所有出行,從而確定全天出行活動(dòng)的方式選擇安排。在建立方式選擇模型時(shí),需要模型能模擬個(gè)體全天中各次出行方式選擇動(dòng)態(tài)過程,并能恰當(dāng)描述個(gè)體每次選擇間的相互影響和制約,從而合理表達(dá)個(gè)體出行方式選擇機(jī)理。因此從出行鏈層面對(duì)個(gè)體出行方式進(jìn)行剖析,相對(duì)于基于單次出行的研究更為合理。假設(shè)某個(gè)體一天的出行活動(dòng)安排如圖1所示。出行鏈?zhǔn)菑淖约页霭l(fā),最終又回到家的由活動(dòng)所引起的一系列出行構(gòu)成的封閉鏈。圖1中共包含2個(gè)出行鏈:(1)家→單位→商場(chǎng)→單位→家;(2)家→單位→學(xué)校(接小孩)→家。出行鏈(1)包含了4次出行(1,2,3,4);出行鏈(2)包含了3次出行(5,6,7)。其中2,3這2次出行是從非家的地方為起點(diǎn),經(jīng)歷幾次出行(并不到達(dá)家)并回到該點(diǎn)所形成的封閉鏈,成為一條出行鏈中的子鏈,且1,4這2次出行構(gòu)成主鏈。出行鏈(2)不包含子鏈。筆者假設(shè)所有的私人交通工具在經(jīng)歷一天的出行后都必須送回家中,這也合符實(shí)際情況。對(duì)基于出行鏈的出行間方式選擇相互影響進(jìn)行如下分析:(1)除第1次出行外,每次出行都受到前面出行方式選擇的影響,如出行鏈(2)中,如果出行5使用步行出行,那出行6使用步行或公共交通的可能性非常大,因?yàn)樗饺私煌üぞ卟荒軕{空產(chǎn)生;(2)子鏈的出行方式選擇也受到主鏈的方式選擇的影響。如果子鏈出行3要使用私家車,那主鏈出行1也要使用私家車;相反,如果主鏈出行1使用私家車,則子鏈出行2和3可以使用私家車、步行或者公共交通。以上分析表明,基于出行鏈多次動(dòng)態(tài)模擬出行方式的選擇行為相對(duì)MNL模型更為合理。2出行方式分配分析中國(guó)居民一天內(nèi)出行方式的選擇是否存在變換性,這是建立動(dòng)態(tài)模型的基礎(chǔ)。本文中以安徽省淮北市2008年居民全日出行調(diào)查數(shù)據(jù)展開分析,研究中國(guó)居民全日出行交通方式選擇情況?；幢笔惺峭顤|北地區(qū)的中心城市,是中國(guó)的重要能源基地,位于安徽省北部,地處蘇、魯、豫、皖4省之交。調(diào)查共獲得3092個(gè)有效居民出行樣本,其中共包含10914次出行。樣本的出行方式分擔(dān)率見表1,其中步行方式比例占第1位(41.5%),然后是自行車(含電動(dòng)自行車)方式(28.3%),再次是公交車方式(17.1%)。本文中將出行方式選擇變換定義為:某種出行方式被居民全天的第1次出行所使用,在接下來的出行中居民進(jìn)行了方式轉(zhuǎn)換,從而一天的出行中使用多種出行方式。表1中統(tǒng)計(jì)的各種交通方式變換性的統(tǒng)計(jì)意義是:在全天第1次出行使用該出行方式的樣本中,進(jìn)行交通方式轉(zhuǎn)換的個(gè)體所占的百分比。從表1可以看出,在中國(guó),不同出行方式選擇變換性存在較大差異,其中出租車最高,其次是單位車,第3是公交車。根據(jù)各出行方式的分擔(dān)率,可以估計(jì)約有1/5的個(gè)體在全天出行中進(jìn)行了方式轉(zhuǎn)換。表1結(jié)果表明,居民出行方式選擇變換性在中國(guó)同樣存在,通過模擬實(shí)現(xiàn)出行方式間的轉(zhuǎn)換規(guī)律,是動(dòng)態(tài)交通方式選擇模型的核心。3動(dòng)態(tài)模式是日用化途的選擇全日出行方式選擇動(dòng)態(tài)模型的建立以隨機(jī)效用最大理論為框架,然后引入動(dòng)態(tài)因素,最后給出模型的估計(jì)方法。3.1交通方式選擇居民為了實(shí)現(xiàn)全天活動(dòng)而出行,假設(shè)個(gè)體選擇出行方式時(shí),效用最大的出行方式被采納。個(gè)體i全天有Nt次出行,其中的一次出行用t表示,t∈(1,Nt),m表示個(gè)體出行方式選擇結(jié)果,共有M種交通方式,m∈M。個(gè)體i在進(jìn)行第t次選擇時(shí),交通方式m被選擇,即Uitm≥Uitm′,其中Uitm,Uitm′分別為個(gè)體i在t次出行中,選擇m交通方式或m′交通方式的效用函數(shù)。ue02fi,t,ue055m′≠m。考慮的個(gè)體出行方式選擇影響因素包括個(gè)體的家庭屬性、個(gè)體屬性、建成環(huán)境特征、基于活動(dòng)的出行特征和與出行對(duì)應(yīng)的交通方式特性。這些因素都應(yīng)該被包含在交通方式選擇的效用函數(shù)Uitm中,如式(1)式中:Vitm為效用函數(shù)的固定項(xiàng);Xh為個(gè)體i的家庭屬性;Xi為個(gè)體i的個(gè)人屬性;Xb為和t次出行對(duì)應(yīng)的建成環(huán)境特征;Xk為t次出行的基于活動(dòng)的出行特征;Xm為第t次出行m交通方式特性;εitm為效用函數(shù)的隨機(jī)項(xiàng),表示效用函數(shù)中沒有考慮到的影響因素,其服從獨(dú)立同分布的Gumbel分布。3.2出行選擇結(jié)果的二維控制變量引入動(dòng)態(tài)因素后的出行方式選擇模型中,個(gè)體需要在一天中多次選擇出行方式,這是因?yàn)槊看纬鲂?全天的第1次出行除外)方式選擇都會(huì)受到先前出行方式選擇結(jié)果的影響。這種影響包括以下3個(gè)方面:(1)先前出行的方式選擇結(jié)果將影響此次出行的可行選擇肢集合;(2)個(gè)體對(duì)先前出行方式的滿意度將潛在地影響后面出行中方式選擇的傾向;(3)前面出行的特性將影響方式轉(zhuǎn)換的可能性和花費(fèi)。另外,出行子鏈的方式選擇也受到主鏈方式選擇結(jié)果的影響?？紤]上述2類問題后的動(dòng)態(tài)模型為式中:Vitm使用線性模型,Vitm=βhXh+βiXi+βbXb+βkXk+βmXm;βh,βi,βb,βk,βm分別為各選擇肢屬性變量的相關(guān)系數(shù);di(t-1)m′和qicm分別為出行選擇結(jié)果和出行主鏈方式選擇結(jié)果的二維控制變量;θm′m和σm′m均為m′方式對(duì)m的作用系數(shù)。第t-1次出行的選擇結(jié)果作為二元變量作用于第t次出行的方式選擇。如第t-1次出行中,個(gè)體i選擇了方式m′,則di(t-1)m′=1,否則di(t-1)m′=0。如果第t次出行是子鏈出行,且主鏈出行中含有m′方式,則qicm′=1,否則取0。如果是全天的第1次出行,則di(t-1)m′和qicm′都為0,從而式(2)模型變?yōu)槭?1)模型。3.3nt次出行概率確定個(gè)體i全天有Nt次出行,第t次出行的方式選擇結(jié)果記為Mit。個(gè)體全天的出行方式選擇結(jié)果集合可以寫為{Mit;t=1,Nt}?；陔S機(jī)效用最大化理論,個(gè)體i全天Nt次出行的方式選擇結(jié)果為Mit的概率可以表達(dá)為式中:P(·)表示求概率;UitMit為個(gè)體i在t次出行中,選擇Mit方式的效用函數(shù)。在假設(shè)εitm是獨(dú)立同分布的Gumble分布條件下,則個(gè)體i的Nt次出行方式選擇效用函數(shù)帶條件地相互獨(dú)立。因此式(3)可以寫成Nt次出行的同時(shí)概率L*(i),并表示為多項(xiàng)Logit形式式中:∫ε表示對(duì)Nt個(gè)εitm進(jìn)行(-∞,+∞)區(qū)間上的積分。所有個(gè)體樣本Ni的選擇概率對(duì)數(shù)似然函數(shù)L可以表示為模型的求解使用最大似然函數(shù)估計(jì)方法。本文中使用Monte-Carlo模擬方法對(duì)模型參數(shù)求解。運(yùn)用居民全日出行方式選擇動(dòng)態(tài)模型進(jìn)行預(yù)測(cè)計(jì)算時(shí),可以運(yùn)用MATLAB軟件進(jìn)行編程實(shí)現(xiàn),計(jì)算步驟如下:步驟1:初始化,令t=0,并設(shè)置各選擇肢的屬性變量的相關(guān)系數(shù)βh,βi,βb,βk,βm,同時(shí)讓?duì)取鋗m=0,σm′m=0。步驟2:令t=1,計(jì)算第1次出行各選擇肢被選擇的可能性,確定Mi1。步驟3:令t=2,設(shè)定θm′m和σm′m的非零值,計(jì)算各選擇肢被選擇概率,確定Mi2。步驟4:令t=t+1,重復(fù)進(jìn)行步驟3,直至t=Nt,直到所有出行方式選擇都被確定。4模型的使用和結(jié)果4.1出行方式分類運(yùn)用淮北市3092個(gè)出行樣本進(jìn)行模型的實(shí)例運(yùn)用和分析,3092個(gè)樣本共包含10914次出行。樣本家庭平均規(guī)模為3.77人,平均工作人數(shù)為1.89人,家庭中自行車加電動(dòng)自行車的平均保有量為1.67輛,摩托車為0.29輛,小汽車為0.08輛,家庭年平均收入為2.87萬元。為使居民出行方式選擇動(dòng)態(tài)模型計(jì)算簡(jiǎn)便,將調(diào)查所得的出行方式根據(jù)其屬性重新進(jìn)行分類,最后劃分為4類選擇肢:Walk(步行)、Public(公交車和出租車)、(e-)Bicycle(自行車和電動(dòng)自行車)、Auto(摩托車、私家車和單位車)。出租車作為準(zhǔn)公共交通所以和公交車一起歸為Public方式,自行車和電動(dòng)自行車特性相仿所以歸為(e-)Bicycle方式,摩托車、私家車和單位車都為機(jī)動(dòng)方式出行且其使用都具有專有性,所以歸為Auto方式。4.2估計(jì)結(jié)果分析本文中在對(duì)方式選擇動(dòng)態(tài)模型進(jìn)行估計(jì)的同時(shí),也建立基于單次出行的MNL模型作為對(duì)比參照模型,表2為2個(gè)模型參數(shù)的最終估計(jì)結(jié)果,表3為2個(gè)模型的檢驗(yàn)結(jié)果。表2中,模型選用步行方式為參照選擇肢,針對(duì)一系列的初始方式選擇影響因素變量,在估計(jì)過程中當(dāng)各變量影響作用的置信度達(dá)90%時(shí),將該變量納入模型。4.3檢驗(yàn)見表2表3為出行方式選擇動(dòng)態(tài)模型檢驗(yàn)結(jié)果。從表3可以看出,兩模型均滿足精度要求,但引入動(dòng)態(tài)因素之后的居民出行方式選擇動(dòng)態(tài)模型的擬合優(yōu)度比ρ2從參照模型的0.312上升為0.421。對(duì)動(dòng)態(tài)因素的引入是否改進(jìn)模型進(jìn)行χ2檢驗(yàn),構(gòu)造檢驗(yàn)假設(shè):動(dòng)態(tài)因素的引入對(duì)模型無改進(jìn)作用。設(shè)L(^θ)MNL和L(^θ)Dyn分別為兩模型的對(duì)數(shù)似然函數(shù)的最大值,則計(jì)算假設(shè)檢驗(yàn)統(tǒng)計(jì)量-2[L(^θ)MNL-L(^θ)Dyn]的結(jié)果為1658.333,遠(yuǎn)大于χ2(0.05,15)≈24.996,因此拒絕原假設(shè)。得出結(jié)論,引入動(dòng)態(tài)因素后的模型對(duì)居民出行方式選擇行為的解釋能力顯著提高。再對(duì)2個(gè)模型的預(yù)測(cè)準(zhǔn)確度進(jìn)行對(duì)比分析,10914次出行的方式選擇分布預(yù)測(cè)結(jié)果見表4。通過對(duì)參照模型引入動(dòng)態(tài)因素,出行方式選擇模型的預(yù)測(cè)正確率從75.9%上升至83.3%。4.4出行方式的影響家庭屬性、個(gè)體屬性、建成環(huán)境特征、活動(dòng)出行特征和方式相關(guān)變量對(duì)方式選擇的作用,筆者已經(jīng)在文獻(xiàn)中進(jìn)行了深入說明,本文中不再重復(fù)解釋。下面重點(diǎn)對(duì)動(dòng)態(tài)因素變量的結(jié)果進(jìn)行分析說明。本文模型共引入了2類動(dòng)態(tài)因素變量,一類是前次出行方式對(duì)此次出行方式選擇的影響,另一類是考慮主鏈的方式選擇結(jié)果對(duì)子鏈方式選擇的影響。由表2可以看出,前次出行方式對(duì)此次出行方式選擇的影響包括4個(gè)方面:(1)個(gè)體全天出行方式的使用存在一種慣性,前一次出行中某種出行方式的使用會(huì)增加下一次出行使用該方式的可能性。例如前一次出行選擇Public方式對(duì)后一次選擇該方式的作用系數(shù)是1.012,前一次出行選擇(e-)Bicycle方式對(duì)后一次選擇該方式的作用系數(shù)是2.271,前一次出行選擇Auto方式對(duì)后一次選擇該方式的作用系數(shù)是3.493。從這些系數(shù)可以看出,Auto方式的作用效果最強(qiáng),(e-)Bicycle方式次之,然后是Public方式。(2)由于Auto方式的使用受到車輛是否可用的限制,所以如果前一次出行使用Public,(e-)Bicycle或者Walk方式,則在接下來的出行中使用Auto方式的可能性會(huì)降低,表現(xiàn)出來的是“前次出行方式為Public”、“前次出行方式為(e-)Bicycle”和“前次出行方式為Walk”對(duì)Auto方式作用的系數(shù)均為負(fù)值。(3)Public方式中由于使用公共交通工具,因此在此次出行中受前次出行交通工具使用的影響相對(duì)較小,表現(xiàn)出來的是“前次出行方式為Auto”、“前次出行方式為(e-)Bicycle”對(duì)其作用不顯著。(4)(e-)Bicycle方式受到的影響處于中等,可能是由于自行車的停放便利性和出行舒適度不如Auto方式所決定的。整體說來,在相鄰的出行間,每種出行方式都存在較高的慣性,表現(xiàn)為同一種出行方式的連續(xù)選擇。但相對(duì)而言,Auto和(e-)Bicycle方式出行需要借助非公共交通工具,會(huì)受到車輛使用限制(私人交通工具在全天出行完成后要被送回家中,單位車的使用受到單位規(guī)章的制約),因此從該方式轉(zhuǎn)而使用其他出行方式的可能性相對(duì)于Public方式和Walk方式較低。出行子鏈?zhǔn)莻€(gè)體在非家的地方為起點(diǎn),然后再回到該地方的出行鏈,所以其方式選擇不僅受前一次出行方式選擇的影響,也受到整個(gè)基于家出行鏈的方式選擇的影響。如果個(gè)體在主鏈出行中使用私人交通工具,在進(jìn)行子鏈出行方式選擇時(shí),可選擇繼續(xù)使用私人交通工具或者將私人交通工具停放轉(zhuǎn)而使用其他的交通工具。主鏈的選擇結(jié)果對(duì)子鏈方式選擇的影響包括以下幾方面:(1)根據(jù)前面的分析,如果主鏈中使用了Public方式則主鏈中同時(shí)使用私人交通工具出行的可能性較低,同理子鏈中使用私人交通工具的可能性同樣降低,因此“子鏈出行時(shí),主鏈出行方式含Public”變量對(duì)于(e-)Bicycle方式和Auto方式的系數(shù)分別為-1.430和-1.730,表現(xiàn)出作用為負(fù);(2)主鏈中使用(e-)Bicycle方式或者Auto方式時(shí),因?yàn)閮烧咄瑸樗饺私煌üぞ?個(gè)體不能在一個(gè)出項(xiàng)鏈中使用2種私人交通工具,所以一旦主鏈中有了(e-)Bicycle方式,則主鏈和子鏈中使用Auto的比例大大降低,同理可以