胡郁葱;谢昳辰;黄靖翔
【摘 要】本文研究不同政策下私家车出行率的变化情况,为减少私家车出行率的政策制定提供理论依据.结合广州市的实际情况,设计基于SP和RP调查方法的问卷,设定多因素同时变化的情境,对广州市已经拥有私家车的市民和近期计划购买私家车的市民进行随机访问调查.首先对被调查人进行聚类分析后建立各种不同出行情况的二项Logit选择模型;然后通过模型计算得到政策变化情况下的居民出行率的变化;最后得到选择私家车进行上下班出行的平均出行次数受各因素变化影响最大,通勤出行者对燃油费用的敏感性大于公交发车间隔和停车费等的结论.
【期刊名称】《广西师范大学学报（自然科学版）》
【年(卷),期】2019(037)001
【总页数】8页(P98-105)
【关键词】出行率;SP调查;私家车;政策;广州市
【作 者】胡郁葱;谢昳辰;黄靖翔
【作者单位】华南理工大学 土木与交通学院,广东 广州 510641;现代城市交通技术江苏高校协同创新中心,江苏 南京 210000;华南理工大学 土木与交通学院,广东 广州 510641;华南理工大学 土木与交通学院,广东 广州 510641
【正文语种】中 文
【中图分类】U121
近年来，许多大城市经济高速增长，城市规模急剧膨胀，私家车大幅度增多，交通拥堵及停车难等问题频现。各大城市纷纷采取小汽车限购等措施，试图控制小汽车拥有量的增长速度，以缓解交通拥堵。然而，这类政策控制的是小汽车的拥有，而非使用。因此，各大城市实行限购以来，在小汽车保有量上的控制效果较好，但在缓解拥堵方面并没有改善。
私家车出行率是指在单位时间内个人使用私家车出行的次数，它直接反映了私家车驾驶员使用车辆的频率，可以转化为私家车出行给道路交通带来的压力，因此有效减少私家车出行率对缓解城市交通问题有重要作用。同时，城市交通和交通政策存在着互相联系、互相
影响的密切关系。通过研究各种不同政策与私家车出行率之间的关系，并改变相应的政策以减少私家车出行率，对于城市治理交通拥堵具有重要的意义。国外对出行率的研究起步较早，很多机构经过多年的研究，对各种用地类型的交通出行率进行了长时间调查，积累了大量的经验和数据。1966年到1988年美国运输工程学会(Institute of Transportation Engineers，简称 ITE)编订了《Trip Generation，8th ed.》[1]和《Trip Generation Handbook， 2th ed.》[2]。美国圣地亚哥市、洛杉矶地区，澳大利亚等均在不同时期对各类物业设施的出行率研究进行了深化[3-4]，这其中都包括对小汽车出行率的研究。国内对出行率的研究最早是台湾地区，台湾地区交通管理部门运输研究所1984年编订了《台湾地区都市土地旅次发生特性之研究——台北都会区混合土地使用旅次发生率使用手册》[5]，1987年编订了《仓储型量贩店之交通冲击研究——旅次发生与停车需求》[6]。大陆的相关研究起步较晚，2009 年交通出行率指标研究课题组编写了《交通出行率手册》[7]。北京、广州、深圳等交通方面的专家也对其各类物业设施的出行率进行了研究[8-10]。《交通出行率手册》虽然填补了国内对出行率的基础性调查研究的空白，但它是基于对土地类型进行分类后对出行生成率的统计，并非针对人的出行行为进行研究。而国内大多数出行率的研究是在对用地类型进行分类后的出行率进行研究[11-12]，只有少量是针对人的出行行为选
择进行研究，如：刘新杰对深圳市中小学的出行方式、接送比例等特征进行了调查，推算以班级、建筑面积等为单位的机动化出行率及全方式出行率[8]。该研究从学生和家长的出行行为选择出发来研究出行率，但只研究了中小学，对城市整体出行率研究没有太大的意义。
综上所述，国内外对出行率的现有研究主要集中在对各类不同用地的出行率分别进行分析，以此来对出行率指标进行取值，而鲜有基于人的出行行为选择的不同来对城市整体出行率进行分析的相关研究。
本文基于广州市的实际情况，从广州市整体居民平均出行率角度出发，综合SP和RP调查设计调查问卷，并对广州市各大行政区出行者开展调查，根据得到的数据建模，分析不同政策下各类人的出行选择，从而为制定能够有效减少广州市私家车出行的政策提供理论支撑和参考。
1 基础数据获取
据广州市统计年鉴，2015年广州市私人小客车164.9万辆，比上年增长2.4%，日均机动出
行量同比增长3.0%，其中个体机动交通出行量增长5.9%，高于公共交通出行量增长的4.6%。这说明广州市的小汽车限购政策虽然有效控制了私人小客车的增长率，却对私家车出行率没有明显的作用。为获取广州市私家车出行率受不同因素变化的影响情况，本文在获取广州市市民基本属性(个人属性、社会属性和经济属性)的前提下，掌握其受不同因素变化所带来的私家车出行次数变化或是否购买私家车的决策变化。
采取RP调查获取市民的基本属性和出行情况，如表1。SP调查中，采用正交设计法对各影响因素的各变化水平进行组合设计。
调查共发出问卷720 份，收回有效问卷665 份，有效率92.36%。其中拥有私家车的市民占48.12%；近期计划购买私家车的市民占51.88%。被调查人中男女比例为1.65∶1，与广州市驾驶员男女分布比例基本相符。其中拥有私家车的市民中，选择私家车进行上下班出行的平均次数为4.72 次/周、选择私家车进行工作日非上下班出行的平均次数为2.44 次/周、选择私家车进行周末出行的平均次数为2.54 次/周，总平均出行总数为9.7 次/周。可以看出，拥有私家车的市民将私家车用于上下班出行的占比较大。
表1 RP调查内容Tab.1 RP investigate subject基本属性车辆拥有情况出行情况性别年龄职
业月收入居住地工作地家庭成员数目拥有私家车无私家车但近期计划购买每周使用私家车上下班出行的次数每周使用私家车工作日非上下班出行的次数每周使用私家车周末出行的次数主要出行工具
2 基于两阶段聚类法的人分类
为建立有效的出行方式选择模型，先对拥有私家车的调查者和近期计划购买私家车的调查者进行分类，本文采用两阶段聚类法。
确定聚类指标前，先将各调查指标与用户出行选择进行相关性分析，最后选取性别、年龄、月收入、家庭成员、居住地区位势能和工作地区位势能6个指标。
将选取的聚类因素量化后，用SPSS中的2阶段聚类法分类，拥有私家车的调查者和计划购买私家车的调查者各分为2类人。4类人的特征整理后得到表2，表中聚类因素按对聚类结果的贡献度排序。
表2 人聚类结果Tab.2 Clustering results of crowds聚类因素拥有私家车第1类人第2类人近期计划购买私家车第A类人第B类人性别女男男女年龄青壮年中年青壮年青年月
收入中等偏下中等偏上中等偏下较低居住地中心区中心区非中心区非中心区工作地中心区中心区中心区中心区家庭成员数目3322
3 不同人的决策方案选择模型
3.1 决策方案选择的二项Logit模型
拥有私家车的出行者，其决策方案为选择私家车出行与不选择私家车出行2种；近期计划购买私家车的出行者，其决策方案为购买私家车与不购买私家车2种；因此可以建立二项Logit模型。
影响私家车出行率的关键指标有多种(如：公交发车间隔、公交票价等)，可以用出行率与有关指标之间的相关系数来反映哪些指标是标定出行率参数的关键指标。相关系数在0～1时，值越大则认为两者之间的相关性越强。另外，还应该考虑各相关指标之间的相关性，如果2个指标之间的相关系数大于0.5，则应该选取这2个指标中与出行率相关系数较大的那个指标。通过综合考虑出行率与指标之间的相关系数以及各相关指标之间的相关系数后，本文选取公交发车间隔、燃油价格和停车费作为政策影响下标定私家车出行率的关键指标。
3.1.1 拥有私家车的出行者决策方案选择模型
假定不选择私家车出行的用户效用为参考值0，选择私家车出行的效用为：
广州汽车限购政策其中，Ui，m是人i(i=1，2分别表示聚类后的两类人)在进行第m类活动(m=1，2，3分别表示上下班出行，工作日非上下班出行和周末出行)时，选择私家车出行的效用；是人i在进行第m类活动时第k个影响因素的取值，k=1，2，3分别表示公交发车间隔(min)、燃油价格(元/L)和停车费(元/15 min)；是第k个影响因素对效用的调整系数；εi，m是不能够观测到的因素构成的效用随机项。
人i在进行m类活动时选择私家车出行的概率Pi，m为：
不选择私家车出行的概率即为1-Pi，m。
3.1.2 计划购买私家车的出行者决策方案选择模型
假定不购买私家车的用户效用为参考值0，购买私家车的效用为：
其中，Uj是人j(j=A，B分别表示聚类后的两类人)购买私家车的效用；是第k个影响因素
的取值；是第k个影响因素对效用的调整系数；εj是不能够观测到的因素构成的效用随机项。
人j近期购买私家车的概率Pj为：
放弃购买私家车的概率即为1-Pj。
3.2 模型参数标定
用调查数据对模型标定，表3中为效用函数影响因素取值，若该变量取值的减少可以降低私家车出行或者购买私家车的效用，则其效用的预期影响方向为正，其对应系数应为正数。
表3 效用函数影响因素定义Tab.3 Definition of influencing factors of utility function变量符号变量含义变量取值对效用的预期影响方向χ1i,m,χ1j公交发车间隔/min5,10正方向χ2i,m,χ2j燃油价格/(元·L-1)7,8负方向χ3i,m,χ3j停车费/(元·15 min-1)5,7,9负方向
利用SPSS对模型进行标定和检验。共需标定系数为8组，限于篇幅，仅给出拥有私家车出行者第1类人进行上下班出行的方案选择模型系数标定结果如表4，剩余7组结果省略。
标定结果显示，模型参数检验的参数估计P值都小于0.1，解释能力较强；模型系数取值(B)与表3中初步判断的因素对效用的预期影响方向相同，具有统计学意义和现实意义。
发布评论