李啟华，徐永能

（南京理工大学 自动化学院，江苏 南京 210096）

老城区在我国又被称作为古城区和旧城区,通常位于城市中心区位，承担城市中心职能，例如北京二环以内的旧城区、苏州护城河以内的古城区和扬州以文昌路为轴和运河环绕的老城区。

随着居民出行多样化和小汽车的使用增加，老城区的交通问题越来越严重，然而由于对历史文化的保护，不可能进行大规模基础设施建设，因此有必要研究居民出行，特别是通勤出行。通勤者出行是指居民在家和工作地之间的空间移动，早晚高峰出行量集中加剧了老城区交通供求矛盾。出行方式选择问题是交通规划和政策制定中的重要部分，它能够评价城市交通方式分布的合理性，从而制定适当的管理策略。

传统的“四阶段”法往往以交通小区作为研究对象，难以体现个人特征的差异。随着针对个体特征模型技术的日益成熟，国内外学者开始引入非集计建模技术［1-4］。文献［1］运用MNL模型分析通勤者出行方式选择的影响因素。文献［2］采用NL模型研究通勤者出行方式与出行链相互选择。

1 研究数据

本文研究数据来自2013年合肥巢湖市老城区的居民出行调查数据。合肥巢湖市老城区位于城市核心，面积约5 km2。调查表主要调查通勤者日常出行时的方式选择和出行者个体特征,如通勤者性别、职业和年龄，以及通勤者家庭特征，如家庭人口数、家庭收入等作为模型特性变量。调查期间一共发放调查表1 600份，有效问卷1 232份。

根据以往建模和分析经验［5-6］，居民出行方式的选择除了受到社会家庭特征影响，还受到出行特征的影响，比如出行距离、出行时间等。最后，选择影响通勤者出行方式选择的个体特征、家庭特征和出行特征作为研究变量，每个特征所包含的变量见表1。

表1 出行方式影响因素

根据出行数据的调查统计，用于分析的出行方式主要有自行车、电动车、公共交通和小汽车4种。4种出行方式的样本量和比例见表2。

表2 出行方式分担

由表2可知,合肥巢湖市老城区电动车出行比例为38.3%，为4种方式比例最高；其次为小汽车比例为24.3%；自行车出行和公共交通出行差别不大，分别为20.9%和16.5%。

2 模型介绍

多项logit模型的适用范围为因变量为无序种类变量，适合3种及3种以上因变量情况下建模，能够得到自变量与因变量之间的关联和影响。本研究针对老城区出行方式选择，其因变量为4种出行方式，符合多项logit建模要求。

根据随机效用理论，第n个个体选择第i种出行模式的效用Uin可以表示为:

式中：Vin为第n个个体选择第i种出行模式效用函数中的固定项；εin为第n个个体选择第i种活动模式效用函数中的随机项。

当Vin与其中包含的解释变量之间呈线性关系时，可以表示为：

式中：K为解释变量个数；θ为参数矩阵；θk为第k个变量所对应的参数；xink为第n个个体选择第i种活动模式的第k个特性变量。

假设效用函数中随机项服从二重指数分布，可以得到第n个个体选择i种活动模式的概率，即

式中：Vjn是第n个个体选择第i种出行模式效用函数中固定项；xjnk为第n个个体选择第j种活动模式的第k个特性变量。将式（3）变形，并运用极大似然估计法及牛顿-拉普松求解，便可估计模型中的参数θ1，θ2，…，θk。

3 模型结果与分析

用统计分析软件SPSS的multinational logistic regression模块标定通勤者出行方式选择模型。出行方式分为自行车、电动车、公共交通和小汽车。解释变量为通勤者个体特征、家庭特征和出行特征，各个解释变量的分类和取值见表3。

表3 解释变量分类及取值

SPSS在运行时通过建立0-1变量，将J类多变量设置为J-1个二值哑变量，并自动将各类变量中的最后一类作为参考类别。本文的建模结果见表4。

由表4可知老城区通勤者出行方式与个人特征、家庭特征和出行特征的影响关系如下：

（1）男性在自行车、电动车和公共交通的标定值分别为-1.891、-2.126、-1.802，均为负值，说明男性 选择这3种出行方式的概率相比女性更低。

表4 模型结果

（2）职业变量工人在电动车的标定结果为0.24，为正值，说明工人倾向选择电动车作为日常的通勤方式。年龄小于40岁的通勤者在自行车的结果为正值，表明该类出行者选择自行车的概率更大。

（3）家庭人口较少的通勤者（≤3人）估计结果为-0.933，表明人口较少的通勤者选择公共交通的概率较低。而低收入家庭（<3万）的模型结果为0.376，也就是说选择电动车出行的概率较高。

（4）家庭没有电动车和小汽车的家庭，在自行车方式下的结果均为正值，说明更倾向选择自行车出行；没有电动车家庭在电动车的估计值为负值-1.75，表明该类家庭不会选择电动车出行，与实际情况相符合；没有小汽车家庭在公共交通的标定值为2.751，为正值，说明没有小汽车的家庭选择公共交通的概率更大。

（5）若通勤者不在早高峰时段出行，这类出行者更加愿意选择电动车出行；出行时间小于20 min在电动车标定结果为正值，而在公共交通值为负，说明这类出行者选择电动车的意愿大于公共交通，主要因为电动车相比公共交通在短距离有较高的优势。

（6）根据已有的以整个城市为对象的研究结果，个体特征、家庭特征和出行特征对出行方式的影响与本文研究结果一致，比如文献［2］~［4］结果表明性别、职业、家庭收入等能够显著影响出行方式的选择。另外，老城区相比城市的其他地区，当出行距离或者出行时间较短时，通勤者往往会更加愿意选择电动车出行，该点与文献［3］中的结果有所差异。

4 结语

本文研究结果表明，老城区通勤者个人特征和家庭特征对出行方式选择影响因素与以往研究结论一致。由于城区用地特征，以及该地区居民出行特征，居民更加倾向选择电动车。但是随着电动车的普及，电动车往往作为出行首要考虑对象。未来随着机动化进程的加快，除了限制小汽车出入老城区外，还应探究针对电动车的定位，以便制定相应的交通管理政策。

［1］ Central Transportation Planning. Transfer penalties in urban mode choice modeling （travel model improvement program）［M］.Washington D.C.: Travel Model Improvement Program，1997：30-45.

［2］栾琨，隽志才，宗芳.通勤者出行方式与出行链选择行为研究［J］. 公路交通科技, 2010，27（6）：107-111.

［3］宗芳，隽志才.基于活动的出行方式选择模型与交通需求管理策略［J］.吉林大学学报（工学版），2007，37（1）：48-53.

［4］万霞，王炜，陈骏.居民全日出行方式选择动态模型研究［J］. 中国公路学报，2012，25（2）：121-126.

［5］J.L. Bowman，M.E. Ben-Akiva. Activity-based disaggregate travel demand model system with activity schedules ［J］. Transportation Research Part A：Policy and Practice，2001，35：1-28.

［6］韩雪，刘英舜，郭唐仪.客运通道出行行为选择分析［J］.现代交通技术，2013，10（6）：64-67.