向红艳　何素贞　徐　韬

(重庆交通大学交通运输学院　重庆　400074)

基于NL模型的轨道停车换乘行为建模分析*

向红艳何素贞徐韬

(重庆交通大学交通运输学院重庆400074)

摘要：通过对居民停车换乘(P&R)行为进行RP&SP调查，基于随机效用最大化理论，选取个人社会经济属性特征、出行特征、换乘设施服务水平特征作为效用变量，以出发时间和出行方式作为选择肢，构建了出发时间位于上层和出行方式位于下层的Nested Logit模型(NL模型).运用TransCAD对模型参数进行标定与检验，分析结果表明：(1)出行目的是居民出发时间决策的首要因素，其次是出行时间、换乘距离和停车设施供给情况；(2)反映水平一对水平二影响作用大小的包容系数λ的最终标定值为0.503，且通过了t检验，表明出发时间的选择对出行方式选择行为具有显著影响；(3)与传统MNL模型相比，考虑出发时间的NL模型具有更好的统计学特征，精度更高，MNL模型的优度比为0.41，NL模型的优度比为0.50，相差0.09.

关键词：交通需求管理；P&R；选择行为；NL模型；选择肢

0引言

随着私人小汽车的快速增长，城市中心区交通拥堵现象日益严峻.停车换乘(park and ride，P&R)是引导小汽车出行者在城市外围采取停车换乘模式的一种新型组合出行方式，是缓解中心城区交通压力的有效措施.因此，如何充分发挥停车换乘设施的作用，提高其对出行者的吸引力，从而实现降低中心城区小汽车出行率的目的成为社会广泛关注的问题.

目前，在停车换乘行为方面已经开展了较多研究.云美萍等[1]针对通勤出行研究驾车者的停车换乘选择行为，结果表明，通勤者在道路通畅时更关注出行费用，堵塞时更关注出行时耗和舒适；秦焕美等[2]利用决策过程分析理论，分析了多方式选择情景下的停车换乘行为，结果表明，出行者存在多方式权衡比较、偏好反转等决策现象；刘燕等[3]比较了不同类别出行者的停车换乘需求，提出P&R换乘者主要为通勤出行者，此外，出行者换乘地铁的比例远大于换乘公交的比例；范文博等[4]建立随机多方式交通网络均衡模型，研究了交通信息对停车换乘行为的影响，结果表明，信息质量对停车换乘行为有明显影响；刘俐等[5]针对上海的6处停车换乘现象进行了研究，结果表明，出行时间是影响换乘行为最重要的影响因素，其次是出行费用；孟梦等[6]基于Logit模型建立了多模式交通超网络条件下随机用户平衡(SUE)模型，结果表明，路网流量随着停车换乘站点、停车费的变化而变化.

上述研究成果表明，出发时间对停车换乘出行具有重要影响，但目前多数研究把出发时间和出行方式分开来考虑，没有考虑出发时间和出行方式之间的内在关系.Bhat等[7]对城市出行购物者进行了出发时间和出行方式选择的行为研究，结果表明一般Logit模型(MNL模型)不能描述出发时间和出行方式之间的内在联系；De等[8]建立了改进的混合Logit模型，对出发时间和出行方式选择行为进行了研究，结果表明该模型求解复杂，且对于大规模居民出行的预测分析不适合；杨励雅等[9]建立了出行方式与出发时间联合选择的分层Logit模型，结果表明分层Logit模型比MNL模型具有更好的统计学特征；陈俊励等[10]采用巢式Logit模型，建立了基于时间的交通方式选择模型，定量分析了出行者各种属性特征对公交出行方式选择行为的影响程度.

鉴于以上分析，本文选取个人社会经济属性特征、出行特征、换乘设施服务水平特征作为效用变量，以出发时间和出行方式作为选择肢，构建了出发时间位于上层和出行方式位于下层的巢式Logit模型(NL模型)，进一步研究停车换乘行为.

1P&R换乘出行特征分析

1.1停车换乘模式分析

停车换乘是交通需求管理在静态交通领域的一种重要应用，广义的停车换乘是指一次出行过程中为实现低载客率的交通方式向高载客率的交通方式转换所提供的停车设施.一般来说，P&R是指为实现小汽车出行方式向公共交通出行方式转换所提供的停车设施，即在城市中心区以外区域的轨道交通车站、地面公交的首末站点及高速公路出入口处设置停车换乘设施，向小汽车出行者提供低价或免费停车位，并实施换乘优惠的公共交通收费政策，合理引导出行者换乘公共交通进入城市中心区，从而缓解城市中心区交通拥堵、停车难等问题，完善居民出行结构，提高居民出行效率.

其中，小汽车+轨道的停车换乘方式在所有P&R中占很大比例.与常规出行相比，换乘出行P&R具有增加中心区可达性，提高出行效率，降低出行成本的优点.具体出行模式见图1.

图1　P&R出行模式

1.2停车换乘需求特征分析

根据调查，对某轨道站的P&R换乘数据进行统计分析，得出不同时间段内的P&R停车场的停车车辆数，见图2.

图2　轨道车站P&R停车场机动车出入数量分布

结果表明，P&R换乘的早高峰时段为07：00～08:00，晚高峰时段为17:00～18:00.早高峰和晚高峰时段居民选择停车换乘出行方式的比例较大，平峰时段P&R出行方式使用率较低.因此，居民的出行时间即高峰时段出行或平峰时段出行，是影响出行方式选择的重要影响因素.

2居民停车换乘行为NL模型的建立

NL模型是在MNL模型的基础上进行改进的模型，NL模型考虑了各选择枝之间的相关性，克服了多项Logit模型的非相关选择方案相互独立特性(IIA特性)的缺陷，因此在理论上具有相对的优越性[11-13].

2.1建立选择树

根据居民的出行选择过程，把出发时间选择作为选择树的上层，出行方式选择作为选择树的下层，构建出居民出发时间和出行方式选择相互影响的NL模型.居民的出发时间可分为高峰时段、平峰时段.本文主要考虑的居民出行方式有小汽车、公共交通、小汽车换乘轨道交通.因此，构建的居民出发时间和出行方式选择相互影响的NL模型的树状结构图，见图3.

图3　居民出发时间和出行方式选择结构图

因此，第n个出行者选择水平1上的任意选择方案(tm)的概率Pn(tm)应该等于在选择了t条件下的选择了m的条件概率Pn(m/t)与选择了t的概率Pn(t)的乘积，即

Pn(tm)=Pn(m/t)Pn(t)

根据NL的基础理论，Pn(m/t)和Pn(t)可以由下式得出.

式中：

式中：Umtn为出行者n选择了方案(mt)时的效用；V(m/t)n为在出行者n选择了方案(mt)时，效用由于(mt)和t的组合而变化部分的固定项；Vtn为在出行者n选择了方案(mt)时，效用中与r无关，而仅随m变化部分的固定项；ε(m/t)n为在选择了t条件下的选择了(mt)的效用的概率项；εtn为在选择了t的效用的概率项.

2.2确定效用函数

建立选择树后，需要确定效用函数(V(m/t)n+Vtn)和特性变量.假设出行者n的效用V(m/t)n和Vtn呈线性关系，则

式中：

式中：X(m/t)nk为出行者n在选择出行方式m时的第k个特性变量，它随着m的变化而变化；βk为选择出行方式m时的第k个特性变量的待标定参数值；Xtnk为出行者n在选择出发时间t时的第k个特性变量，它随着t的变化而变化；θk为选择出发时间t时的第k个特性变量的待标定参数值.

2.3选择特性变量

影响P&R换乘行为的因素有很多，经参数初步标定筛选出较为重要因素.主要可分为3类：个人社会经济属性变量、出行特征变量、换乘设施服务水平变量.分别对每一类变量进行细分构建解释变量体系，纳入解释变量体系的影响因素共有10个：年龄、月收入、有无小汽车、出行目的、出行时间、出行费用、出行舒适性、换乘距离、停车位供给情况和停车信息服务情况.NL模型特性变量以及定义见表1.

表1　效用变量及其定义表

3实例分析

3.1交通调查

目前，重庆市主城轨道站点中，共规划有21个P&R停车场，部分停车场已投入使用.童家院子站是重庆市运营最早的P&R停车场，且运营良好，确定为该调查地点.本次调查采用RP&SP相结合的方法，调查方式为现场发放问卷、现场回收的方法，共得有效问卷306份.

3.2模型参数标定

估计NL模型参数的方法有同时估计法和分阶段估计法.分阶段估计法是针对同时估计法的缺点提出来的，该方法既克服了同时估计法的2个缺点，又保持了同时估计法的无偏性、渐进正态性以及有效性.因此，本文运用TransCAD，采用分阶段估计法，对NL模型进行参数估计，结果见表2～4.

当不考虑出发时间和出行方式之间的内在联系时，即建立ML模型对居民出行方式行为进行分析，运用TransCAD进行参数估计.ML模型的优度比为0.41，NL模型的优度比为0.50，相差0.09.因此，考虑出发时间和出行方式之间内在联系的NL模型能够精确的拟合调查数据，精度较高.

3.3模型参数标定结果的分析

根据模型参数估计结果得，水平一的优度比为0.50，水平二的优度比为0.46.优度比值在0到1之间，其值越接近1，表示模型的精度越高.不过，与回归分析中的相关系数不同，在实践中优度比的值达到0.2～0.4时，即认为相当高了.所以，该模型的拟合效果较好，精度较高.

表2　NL模型水平一参数估计结果

注：“-”表示变量的影响作用不显著.

表3　NL模型水平二参数估计结果

注：模型参考类为高峰时段.

3.3.1水平一参数标定结果分析

根据NL模型水平一参数估计值可知，在所有变量中出行时间、换乘距离、停车位供给情况、停车信息服务情况、出行费用对居民出行方式的选择有较大的影响.

表4　ML模型参数估计结果

注：“-”表示变量的影响作用不显著.

1) 出行时间的参数估计值分别为-1.200，-0.986，-0.812，出行时间是影响出行方式的重要影响因素.对小汽车、公共交通、停车换乘的出行者而言，出行时间是出行最为关注的因素.

2) 换乘距离参数估计值分别为：-0.700，-，0.661，因此，换乘距离对居民的出行方式选择有着较大的影响作用.调查数据表明，100 m以内居民选择停车换乘出行的概率较大，100～300 m的换乘距离居民尚可接受，当大于300 m时居民选择停车换乘的比例逐渐降低.因此，根据居民实际需求，合理布置停车换乘设施，给居民的出行提供更加便利的条件，是引导居民选择小汽车换乘轨道交通的关键、有效措施.

3) 停车位供给情况参数估计值分别为-0.528，-，0.500，表明停车换乘处停车位供给状况是影响出行选择的较大因素.根据出行者停车需求，在换乘处设置充足的停车位满足其停车需求，解决其中心区停车难问题，可增加P&R出行率.

4) 停车信息服务情况参数估计值分别为-0.500，-，0.420，即停车实时信息发布是影响出行选择的重要影响因素.停车换乘设施的良好信息服务、智能化管理可进一步充分发挥停车换乘设施的作用.

5) 出行费用的参数估计值分别为-0.420，-0.326，-0.356，可见出行费用是出行者较关注的因素.但是出行费用的节省主要是依赖于停车费用的降低，因此城市中心区保持较高的收费价格，外围区收费价格较低，形成合理的差价是吸引部分小汽车出行者的有效措施.另外换乘优惠也是提高换乘出行吸引力的强有力措施，特别是对低收入人群.

3.3.2水平二参数标定结果分析

根据NL模型水平二参数估计值可知，出发时间位于上层和出行方式位于下层的NL模型是合理的，且高峰时选择停车换乘的出行者主要是通勤出行的年轻人.

1) 包容系数的标定结果为0.503，t检验值大于1.96，表明居民出发时间选择层和出行方式选择层之间有显著的阶层关系，该模型的结构关系是合理的.

2) 年龄的参数估计值为-0.323，表明年龄越大，选择高峰时段出行的概率越低.选择高峰时间出行的年轻人比例为81%，即高峰时期停车换乘的主要服务对象为年轻人.

3) 出行目的的参数估计值为-0.986，可见这些因素中出行目的对居民出发时间影响最大.高峰时间出行者通勤出行的比例为80%，即通勤者选择高峰时间出行的概率较大.因此，通勤高峰时期理应做好停车换乘的停车场相应的服务，提高其服务水平.

4结 束 语

本文通过使用NL模型，对城市外围区域的居民出发时间和出行方式的选择行为进行了进一步研究，结果表明出行者的出行过程决策一般为，先确定出发时间，再根据实际条件选择合适的出行方式，因此，考虑出发时间的NL模型比MNL模型更加精确.在此基础上，分析了P&R换乘行为的主要影响因素，包括出行时间、换乘距离、停车位供给情况、停车信息服务情况、出行费用.因此，可以由此着手制定合理的措施，引导居民理性出行，提高停车换乘的出行率，降低小汽车的出行比例，从而改善交通运行状况.通勤轨道停车换乘出行行为具有明显的规律性，本文主要考虑了可直接观测的个人社会经济属性、出行特征、换乘设施服务水平特征，并未考虑影响选择结果的潜变量.出行者的态度和认知等潜变量影响出行决策行为，因此将潜变量融入到模型中，提高行为预测的精度，是需要进一步研究的方向.

参 考 文 献

[1]云美萍,刘贤玮,陈震寰,等.通勤出行中停车换乘选择行为分析与建模[J].同济大学学报(自然科学版),2012,40(12):1825-1830.

[2]秦焕美,关宏志,龙雪琴.基于决策过程的停车换乘行为研究[J].武汉理工大学学报(交通科学与工程版),2014,38(5):1002-1005.

[3]刘燕,秦焕美,潘小松,等.北京市停车换乘需求调查与分析[J].交通运输工程与信息学报,2011,9(3):118-124.

[4]范文博,蒋葛夫.信息作用下随机多方式网络停车换乘行为[J].西南交通大学学报,2008,43(4):524-530.

[5]刘俐,杜豫川,刘新.上海典型停车换乘选择行为研究[J].交通信息与安全,2014,32(2):11-16.

[6]孟梦邵,春福曾,靖静徐,等.停车换乘条件下组合出行模型及算法[J].吉林大学学报,2013,43(6):1465-1470.

[7]BHAT C R. Analysis of travel mode and departure time choice for urban shopping trip[J]. Transportation Research Part B: Methodological,1998,32(6):361-371.

[8]DE J G, DALY A, PIETERS M, et al. A model for time of day and model choice using error components logit[J]. Transportation Research Part E: Logistics and Transportation Review,2003,39(3):245-268.

[9]杨励雅,邵春福,HAGHANI A.出行方式与出发时间联合选择的分层Logit模型[J].交通运输工程学报,2012,12(2):76-83.

[10]陈俊励,马云龙,朱楠.基于巢式Logit模型的公交出行方式选择行为研究[J].交通运输系统工程与信息,2011,11(1):120-125.

[11]陈军.停车换乘P&R规划研究[D].西安:长安大学,2011.

[12]关宏志.非集计模型-交通行为分析的工具[M].北京:人民交通出版社,2004.

[13]WEN C H, KOPPELMAN F S. The generalized nested logit model[J]. Transportation Research Part B:Methodological,2001,35(7):627-671.

Study on Rail Park-and-ride Behaviors Based on Nested Logit Model

XIANG HongyanHE SuzhenXU Tao

(SchoolofTraffic&Transportation,ChongqingJiaotongUniversity,Chongqing400074,China)

Abstract：Through the RP & SP survey on the residents’ P&R behavior, based on the maximum random utility theory, the characteristic and the service level of R & P facilities are taken as the utility variables, departure time and travel model are taken as alternative parts, and the NL model is built with one structure with departure time located in the upper layer and one travel model located in the lower layer. The model parameters are calibrated and tested by using TransCAD, and the analysis results show that the value of λ is 0.503 and has passed the t-test. This shows the choice of departure time has a significant impact on travel model choice behavior. The travel purpose is the first consideration of the decision of the residents’ departure time. The travel time, transfer distance, parking supply and other factors have important influence on R & P behavior. Compared with the traditional MNL model, the NL model has better statistical characteristics, higher accuracy, and the ρ2 of NL model is 0.5, the ρ2 of MNL model is 0.41.

Key words：traffic demand management; park & ride; choice behavior; NL model; select limb

收稿日期：2016-05-09

中图法分类号：U491.1

doi:10.3963/j.issn.2095-3844.2016.03.004

向红艳(1980- )：女，博士，副教授，主要研究领域为交通运输规划与管理

*国家自然科学基金项目资助(51308569)