石 京 陶 立

（清华大学交通研究所 北京 100084）

智能交通系统（ITS）将信息技术、电子控制技术及计算机处理技术等综合运用于地面交通管理体系，建立起一种大范围、全方位发挥作用，并实时、准确、高效、智能化的交通运输管理系统.信息提供和诱导是智能交通系统的两类服务［1］，通过车内或道路上的信息设备提供给驾驶员实时路况信息，以引导驾驶员的路径选择行为，在一定程度上优化道路系统的通行能力，为缓解道路拥堵等问题起到一定的作用.

1 交通信息提供下驾驶员路径选择行为特征分析

交通信息提供下驾驶员路径选择决策机理如图1所示：驾驶员根据路径选择标准行驶在原计划路线上，交通信息提供给驾驶员原路线拥堵或出现交通事故等信息，驾驶员结合以往的经验和自身对信息的评价，做行车路线调整.出行结束后，出行者对出行情况进行评价，积累出行情景库，建立信息接受标准.下次出行会搜索以往驾车的情境，根据信息接受准则来进行路径选择决策.

驾驶员在多大程度上受到信息影响，需要通过调查研究来获取.本文中采用问卷调查的方式来获取.

图1 交通信息提供下驾驶员路径选择决策机理

2 基于SP问卷的驾驶员路径选择行为调查及分析

2.1 信息提供下驾驶员路径选择行为SP调查

本研究的调查问卷包括两方面内容，即交通信息影响下驾驶员路径选择行为调查，和交通信息服务状况调查.第一部分内容考虑各种因素对驾驶员路径选择的影响，影响驾驶员路线选择的因素很多，包括道路方面的因素、驾驶员个人属性（包括驾驶员性别、年龄、驾龄等因素）、信息内容以及信息服务状况等诸多方面.第二部分的调查通过驾驶员对信息服务状况评价、驾驶员接收信息的方式等方面进行.对于选择性回答，设定五阶段或三阶段评价，分别对应不同程度的选择水平.

调查采用网上问卷调查的方式，调查对象是驾驶员.这种偶遇调查方法可以比较方便快捷地得到大量数据，节约成本.清华大学交通研究所驾驶行为课题组联合搜狐网络公司于2009年5月26日～5月27日在搜狐网汽车频道展开了“交通信息对驾驶员路径选择行为影响与信息服务状况调查”，最后得到了1 912份问卷，其中有效问卷1 876份.

2.2 调查数据分析

1）实时交通路况信息的接收方式 在交通信息广播、路边可变信息板（variable message signs，VMS）以及交通信息网站等几种实时交通路况信息提供方式中，交通信息广播仍然是目前接收交通信息最为广泛的方式，有41.6%的驾驶员通过交通信息广播获取信息，36.4%通过路边可变信息板，14.3%通过交通信息网站.

2）驾驶员对交通信息的关注程度 本研究主要考虑交通信息广播和路边可变信息板提供实时信息下驾驶员路径选择行为.在对其关注程度方面，图2反应了驾驶员收听交通信息广播以及关注信息板的程度，结果显示有90.7%的驾驶员收听交通信息广播，而经常收听的比率达62.4%；92.3%的驾驶员对路边可变信息板表示关注，69.0%的驾驶员经常关注可变信息板.

图2 驾驶员对交通信息的关注程度

3）交通信息服务质量的评价 在对交通信息服务质量的评价方面，分为对交通信息准确性、及时性以及信息量足够程度等方面.调查结果如图3所示.

图3 驾驶员对交通信息服务质量的评价

4）驾驶员选择行车路线的主要考虑因素 国外研究表明驾驶员倾向于选择行驶时间短、行驶距离短、路况比较熟悉的路线，这3个因素对驾驶员的影响程度较大［2］，而出行时间的长短往往被出行者看作是最重要的路径选择依据.本文调查驾驶员选择行车路线的主要考虑因素，统计结果如图4，即驾驶员首先考虑行驶时间，其次是熟悉程度，再次是行驶的距离，与国外研究结果一致.

图4 驾驶员选择行车路线的主要考虑因素

5）不同信息内容下驾驶员路径改变倾向比较 本研究探讨交通信息提示驾驶员原计划行驶的道路出现交通事故、出现拥堵以及行驶缓慢时，驾驶员是否会改变行车路线，比较交通信息提供3种不同程度的信息内容时的影响.如图5所示，调查结果表明驾驶员对于“交通事故”信息更为敏感，“道路拥堵”次之，对“行驶缓慢”信息最为不敏感.

图5 不同信息内容下驾驶员路径改变倾向

2.3 主要因素与路径选择行为相关性分析

研究表明，驾驶员年龄、驾龄等与路径改变倾向的相关性分析不显著.与驾驶员路径改变倾向相关性显著的因素有：驾驶员对信息质量的评价、驾驶员接收交通信息的频繁程度、驾驶员能够容忍的延误时间等.

1）信息（质量）评价的影响 在驾驶员对信息质量评价方面，驾驶员认为交通信息服务质量越好，则其受到信息影响的程度越大，越容易改变路径.在对交通信息广播和VMS的准确性、及时性、信息量水平评价方面，均存在这样的规律.驾驶员对信息服务总体评价与路径改变倾向的相关性如图6所示.

图6 信息评价与路径改变倾向间的关系

图6直观地反应了信息质量评价与路径改变倾向之间的相关关系.对其进行0.05的显著性水平的双侧检验，驾驶员对信息质量评价与路径改变倾向之间的关系具有统计学意义，相关系数γ为0.405.

2）关注交通信息程度 驾驶员收听交通信息广播以及关注信息板的程度与路径改变倾向有一定的关系，呈现出显著的相关性（p＜0.05）［3］.收听交通广播越频繁的驾驶员也越容易受到交通信息的影响而改变路径，如图7所示.

图7 收听交通广播与路径改变倾向间的关系

3）驾驶员能够容忍延误时间 容忍延误时间方面，能够容忍更长的延误时间的驾驶员，则更不易受到交通路况信息的影响改变路径.只容忍延误10min以内的驾驶员中，60.6%经常改变路径，而能容忍30min以上的驾驶员，经常改路径的只有46.7%.而且两者的相关性分析显著（p＜0.05）.如图8所示.

图8 容忍延误时间与路径改变倾向间的关系

3 路径选择行为Logistic模型分析

3.1 累积 Logistic模型［4］

累积Logistic模型也称为序次Logistic模型.累积Logistic回归定义为

式中：y＊为观测现象内在趋势，它并不能被直接测量；α，βk为分别为模型中需要标定的系数；xk为模型中自变量；ε为误差项；K为自变量个数.

当实际观测反应变量有J种类别时（j＝1，2，…，J），相应取值为y＝1，y＝2，…，y＝J；并且各取值之间的关系为（y＝1）＜（y＝2）＜…＜（y＝J），那么共有J－1个分界点将各相邻类别分开.即：如果y＊≤μ1，则y＝1；如果μ1≤y＊≤μ2，则y＝2，……；如果μJ－1＜y＊，则y＝J.其中：μ1为各分界点值，有J－1个值，且有μ1＜μ2＜…μJ－1.

累积概率用以下公式进行预测

式中：P（y＊≤μj｜x）为表示在x条件下y＊≤μj发生的概率.

以下各式中的P为发生概率.属于某一特定类别的概率可以计算出来

由式（2）可知，事件发生概率与不发生概率之比的自然对数为

此称为对累积概率P的logit变换.

本研究因变量有3个类别，即路径改变倾向因变量分为3类：“经常改变路径”为一类，因变量y＝1；“有时改变路径”为一类，y＝2；“通常不改变路径”为一类，y＝3.模型包含2个累积logit变换，可按一般公式表示为

式中：αj为各类反应变量中截距α与μj的综合；拟合参数βk的意义为自变量xk每变化一个单位导致驾驶员改变路径发生比提高exp（－βk）倍.

3.2 Logistic模型应用

如上所述，本研究Logistic模型包含2个累积logit变换

式（7）与式（8）分别表示经常改变路径对有时改变、通常不改变路径的对数发生比；经常改变路径、有时改变路径对通常不改变路径的对数发生比.

自变量选取时，需要识别能更好地预测反应变量的自变量，将它们纳入模型中.在此，利用SPSS16.0统计学软件［5］，筛选对路径选择影响显著的变量，并对拟合的模型进行χ2统计量检验.本研究中对交通信息广播的信息质量的评价与对VMS的评价有相似性，考虑交通信息广播方面的影响.驾驶员对交通信息的准确性、及时性的评价之间有显著的相关性，并对路径选择行为影响显著，只考虑驾驶员对交通广播的准确性评价［6－7］.通过上述方法，模型最后考虑每周驾车天数、收听广播频繁程度、对交通广播的准确性评价和能够容忍的延误时间等因素得到的模型拟合数据最好.并且模型的平行性检验和拟合程度检验表明，模型拟合较好.表1是模型计算之后的参数表.

表1 模型参数估计表

自变量回归系数的Wald检验，显著性水平值均小于0.05，很显著.最后得到的Logistic模型形式如下

式中：p1为驾驶员信息提供下经常改变路径的概率；p2为驾驶员有时改变路径的概率；p3为驾驶员通常不改变路径的概率.并且有p1＋p2＋p3＝1；X1为驾驶员每周驾车天数，X1＝1，2，…7；X2为驾驶员收听交通信息广播的频繁程度，X2＝1为“驾驶员总是收听交通信息广播”，X2＝2为“驾驶员经常收听交通信息广播”，X2＝3为“驾驶员有时收听交通信息广播”，X2＝4为“驾驶员很少收听交通信息广播”，X2＝5为“驾驶员从不收听交通信息广播”.

X3为驾驶员对交通信息广播的准确性评价；X3＝1为驾驶员的评价为“很准确”；X3＝2为“较准确”；X3＝3为“一般”；X3＝4为“不太准确”；X3＝5为“很不准确”.

X4为驾驶员能够容忍延误时间的程度；其中：X4＝1为“驾驶员能够容忍延误时间在10 min以内”；X4＝2为“驾驶员能够容忍延误时间在10～20min”；X4＝3为“驾驶员能够容忍延误时间在20～30min”；X4＝4为“驾驶员能够容忍延误时间在30min以上”.

4 结 束 语

本研究采用SP问卷调查的方法对实时交通信息提供下驾驶员路径选择行为以及信息服务状况进行调查.对调查样本的分析采用描述性统计分析、相关性分析以及Logistic模型分析相结合的方式.

在对调查数据进行定性和定量分析的基础上，本文建立了Logistic形式的路径选择行为判别模型，从模型可以看出不同属性驾驶员改变路径倾向，各影响因素在不同程度上影响驾驶员路径改变倾向，其能够为交通诱导方案的制定提供一些参考.本模型拟合时只考虑交通信息广播的情况，驾驶员对VMS的响应情况也类似可以得到.本文提供的研究方法，应用时可以根据当地的情况进行类似调查，确定相关的预设情景，得到相应的模型形式.

［1］许 娟，邵春福，缐 凯.信息和诱导对驾驶员径路选择行为的影响研究［J］.内蒙古科技与经济，2004（11）：53－55.

［2］阮桂海.数据统计与分析——SPSS应用教程［M］.北京：北京大学出版社，2005.

［3］王济川，郭志刚.Logistic回归模型―方法与应用［M］.北京：高等教育出版社，2001.

［4］朱建平，殷瑞飞.SPSS在统计分析中的应用［M］.北京：清华大学出版社，2007.

［5］蒲 琪，杨晓光，吕 杰.交通信息对驾驶员路径选择行为影响的初步分析［J］.公路交通科技，1999（3）：53－56.

［6］林 震，杨 浩.交通信息服务条件下的出行选择分析［J］.中国公路学报，2003（1）：87－90.

［7］Chatterjee K，Hounsell N B，Firmin P E，et al.Driver response to variable message sign information in London ［J］.Transportation Research Part C，2002（10）：149－169.