擁堵收費(fèi)下的出行方式選擇及關(guān)鍵因子分析

擁堵收費(fèi)下的出行方式選擇及關(guān)鍵因子分析 【摘要】交通擁堵收費(fèi)是一種交通需求管理的經(jīng)濟(jì)手段，其利用價(jià)格機(jī)制來(lái)影響居民的出行 方式選擇，從而達(dá)到調(diào)節(jié)城市交通需求的目的。本文意圖探究該政策的實(shí)施將對(duì)我國(guó)居民交 通出行產(chǎn)生的影響，為此開展了擁堵收費(fèi)意向調(diào)查，并按照出行目的和出行起訖點(diǎn)分布特征 將調(diào)查對(duì)象進(jìn)行分類研究，利用非集計(jì)多項(xiàng)Logit（MNL）模型量化表達(dá)擁堵收費(fèi)下的出行 方式選擇機(jī)理。并基于MNL模型進(jìn)行關(guān)鍵因子分析，探究了該政策的實(shí)施將對(duì)何種出行者產(chǎn) 生較大影響。 【關(guān)鍵詞】擁堵收費(fèi)；交通需求管理；SP調(diào)查；MNL模型；關(guān)鍵因子分析 交通擁堵收費(fèi)作為一項(xiàng)交通需求管理（TDM）策略，早在 20 世紀(jì) 20 年代的歐洲就已 被提出 0，其對(duì)特定時(shí)段和區(qū)域內(nèi)的車輛通行收費(fèi)，促使小汽車出行者改變?cè)械拈_車出行 計(jì)劃，并轉(zhuǎn)向其他方式出行，從時(shí)間和空間上疏散過于集中的道路交通量，實(shí)現(xiàn)道路資源的 高效使用 0。 雖然目前我國(guó)尚無(wú)城市實(shí)施擁堵收費(fèi)，但北京、上海、深圳、杭州等城市都相繼提出了 實(shí)施該政策的設(shè)想并開展了相關(guān)前期論證研究 0?？梢?，在我國(guó)新型城鎮(zhèn)化發(fā)展進(jìn)程中，對(duì) 于城市交通問題較為突出的特大城市、大城市而言，交通擁堵收費(fèi)政策將成為促進(jìn)城市交通 健康發(fā)展的關(guān)鍵政策。在此背景下，本文將利用意向調(diào)查方法獲取相關(guān)數(shù)據(jù)，并運(yùn)用 MNL 模型和關(guān)鍵因子分析技術(shù)，探究擁堵收費(fèi)將對(duì)我國(guó)居民出行方式選擇造成的影響。 1 研究對(duì)象及分類 從國(guó)外城市的已有實(shí)踐來(lái)看，擁堵收費(fèi)即是要在劃定收費(fèi)區(qū)域的前提下，對(duì)特定時(shí)段內(nèi) 進(jìn)入該區(qū)域的小汽車收取費(fèi)用，以期降低小汽車在收費(fèi)區(qū)內(nèi)的出行比例，緩解交通擁堵。因 此，本文將受到政策實(shí)施直接影響的小汽車出行者作為主要研究對(duì)象。 鑒于擁堵收費(fèi)政策下，不同出行需求特征的小汽車出行者所受到的影響性質(zhì)有所不同， 應(yīng)當(dāng)分類考慮。首先，從出行目的角度，通勤出行者往往需要在規(guī)定的時(shí)間內(nèi)到達(dá)目的地， 而非通勤出行者可以根據(jù)需要自由選擇出行時(shí)間。其次，從出行起訖點(diǎn)分布的角度，起訖點(diǎn) 均在收費(fèi)區(qū)域內(nèi)部的出行不必付費(fèi)（參考國(guó)外城市經(jīng)驗(yàn)，在收費(fèi)區(qū)域各進(jìn)口設(shè)置收費(fèi)設(shè)施， 對(duì)區(qū)域內(nèi)部出行不收費(fèi)）；起訖點(diǎn)僅有一個(gè)在收費(fèi)區(qū)域內(nèi)部的小汽車出行，需要支付擁堵費(fèi) 用，并且其無(wú)法通過繞路方式避免收費(fèi)；而起訖點(diǎn)均位于收費(fèi)區(qū)域外部的小汽車出行，若選 擇收費(fèi)區(qū)域外部道路出行則可以避免繳費(fèi)。因此，可根據(jù)其出行目的和出行起訖點(diǎn)分布特征， 將出行者分為6類，如下圖所示： 100 注：圖中橢圓表示擁堵收費(fèi)區(qū)域，“○”表示受訪者出行起點(diǎn)所在位置，“☆”表示受訪者出行終點(diǎn)所在位置。 圖1研究對(duì)象分類圖 其中，起訖點(diǎn)至多有一個(gè)在收費(fèi)區(qū)域內(nèi)部的通勤、非通勤出行（4類）將可能被收取擁 堵費(fèi)，將其作為重點(diǎn)研究對(duì)象；而起訖點(diǎn)均在收費(fèi)區(qū)域內(nèi)部的兩類出行不需繳納擁堵費(fèi)，將 其作為非重點(diǎn)研究對(duì)象。 2 擁堵收費(fèi)意向調(diào)查方案 2.1 數(shù)據(jù)調(diào)查方法與途徑 本文采用意向調(diào)查（StatedPreferenceSurvey）方法 、網(wǎng)絡(luò)調(diào)查途徑。鑒于北京市具有 我國(guó)特大城市交通特點(diǎn)，也是國(guó)內(nèi)城市交通供需矛盾最為突出、交通擁堵問題最為嚴(yán)重的城 市之一，因此本文選擇北京作為數(shù)據(jù)調(diào)查目標(biāo)城市，并設(shè)計(jì)了滿足需求的調(diào)查問卷，調(diào)查對(duì) 象為早晚高峰開車進(jìn)入北京二環(huán)內(nèi)區(qū)域的市民。 2.2 問卷結(jié)構(gòu)設(shè)計(jì) 問卷結(jié)構(gòu)可大致分為以下四個(gè)部分： 第一部分，向受訪者介紹假定的擁堵收費(fèi)政策情境，包括收費(fèi)時(shí)間段、收費(fèi)區(qū)域、收費(fèi) 對(duì)象、收費(fèi)標(biāo)準(zhǔn)及收入使用等，本部分主要參考國(guó)外城市經(jīng)驗(yàn)并結(jié)合北京市現(xiàn)狀情況設(shè)定。 第二部分，對(duì)受訪者的出行習(xí)慣進(jìn)行調(diào)查，包括出行目的、起訖點(diǎn)（途經(jīng)點(diǎn)）、車輛百 公里油耗量、有無(wú)交通補(bǔ)貼以及對(duì)交通現(xiàn)狀的看法。 本部分題目的設(shè)置目的如下： 出行目的和出行起訖點(diǎn)分布特征——為研究對(duì)象分類依據(jù)。 出行起訖點(diǎn)和途經(jīng)點(diǎn)——用于獲得建模分析所需數(shù)據(jù)，包括出行距離、可替代的交 通方式屬性數(shù)據(jù)（各出行方式的時(shí)耗、費(fèi)用等定量化數(shù)據(jù)）等。此外，調(diào)查出行途 經(jīng)點(diǎn)，一方面可以檢驗(yàn)數(shù)據(jù)的有效性，另一方面可以大致確定受訪者的出行路徑， 從而減少數(shù)據(jù)處理中的偏差。 車輛百公里油耗量——用于計(jì)算小汽車方式出行燃油費(fèi)。 有無(wú)交通補(bǔ)貼——部分小汽車出行者的燃油費(fèi)、停車費(fèi)等可由單位報(bào)銷和補(bǔ)貼，政 策實(shí)施后擁堵費(fèi)用可能仍由單位支付，其堅(jiān)持原計(jì)劃開車出行的概率相應(yīng)提高，因 此，有無(wú)開車補(bǔ)貼是應(yīng)當(dāng)考慮的重要因素，特別是對(duì)公務(wù)用車保有量較高的北京而 2降低公交地鐵票價(jià)，加大公共交通投入，提高公交地鐵發(fā)車頻率、準(zhǔn)點(diǎn)率以及道路橋梁等基礎(chǔ)設(shè)施建設(shè)等 降低公交地鐵票價(jià)，加大公共交通投入，提高公交地鐵發(fā)車頻率、準(zhǔn)點(diǎn)率以及道路橋梁等基礎(chǔ)設(shè)施建設(shè)等 0。考慮到調(diào)查精度要求和實(shí)際條件限制，擬定四類重點(diǎn)研 言 0。 對(duì)交通現(xiàn)狀的看法——影響人們行為選擇的因素不僅包括不以人的意識(shí)為轉(zhuǎn)移的 客觀因素，還可能包括諸如情緒、看法、好惡等的主觀因素。 第三部分，獲取在假定情境下的居民出行方式選擇意向，可選項(xiàng)包括開車付費(fèi)、錯(cuò)時(shí)避 費(fèi)、繞路避費(fèi)、轉(zhuǎn)向公交出行以及轉(zhuǎn)向自行車出行。 假設(shè)受訪者的出行需求不會(huì)因擁堵收費(fèi)的實(shí)施而消失，則其可能通過改變出發(fā)時(shí)間、出 行路徑以及轉(zhuǎn)向其他交通工具出行的方式避免收費(fèi)，或者維持原計(jì)劃開車出行并支付擁堵費(fèi) 用。因此本文將上述五種方式統(tǒng)稱為擁堵收費(fèi)影響下的交通出行方式。 第四部分，獲取受訪者的社會(huì)經(jīng)濟(jì)屬性數(shù)據(jù)，包括性別、年齡、職業(yè)、家庭收入水平、 有無(wú)需要接送其上下學(xué)的孩子、有無(wú)自行車以及居住地和工作地分布等。 值得一提的是，有研究表明 0：家中有無(wú)需要接送的孩子、上班前的習(xí)慣性活動(dòng)等非工 作相關(guān)因素將對(duì)擁堵收費(fèi)政策下的居民工作出行產(chǎn)生顯著影響。因此，本文將家中有無(wú)需要 接送其上下學(xué)的孩子作為考慮因素之一，有這類孩子的家庭通常需要負(fù)責(zé)其上下學(xué)的接送， 并且時(shí)間與早晚高峰時(shí)段基本重合，這無(wú)形中構(gòu)成了城市交通擁堵的又一個(gè)因素。 2.3 擁堵收費(fèi)方案情境設(shè)計(jì) 在SP調(diào)查中，要根據(jù)研究?jī)?nèi)容假定選擇情境，受調(diào)查者將在此情境下做出選擇。參考 國(guó)外城市已有擁堵收費(fèi)實(shí)踐，并結(jié)合北京市現(xiàn)狀，提出本文的擁堵收費(fèi)方案情境設(shè)計(jì)，見表 1所示。 表1擁堵收費(fèi)方案情境設(shè)計(jì)表 項(xiàng)目 具體內(nèi)容 收費(fèi)時(shí)段 工作日早晚高峰時(shí)段（7:00~9:00，16：30~18:30） 收費(fèi)對(duì)象 小汽車（包括私家車、出租車、小轎車型單位用車） 收費(fèi)區(qū)域 北京二環(huán)內(nèi)區(qū)域 收費(fèi)標(biāo)準(zhǔn) 5元/天，（對(duì)于居住或工作地在北京二環(huán)內(nèi)的優(yōu)惠收費(fèi)，2元/天） 收入使用 2.4 抽樣策略 早期的研究表明，每一分類段有30個(gè)受訪者就已足夠；而近來(lái)的研究建議，每類別段 達(dá)到 50~100 個(gè)樣本數(shù)更為合適 究類別樣本數(shù)達(dá)到50以上，因此，確定本次調(diào)查的總樣本量為200。 3 意向調(diào)查數(shù)據(jù)收集和統(tǒng)計(jì)性處理 本次北京市擁堵收費(fèi)意向調(diào)查共收集到網(wǎng)絡(luò)調(diào)查數(shù)據(jù)273份，其中58份為無(wú)效數(shù)據(jù)， 數(shù)據(jù)錯(cuò)誤類型包括出行起訖點(diǎn)不明確、出行路徑明顯異常等等，數(shù)據(jù)有效率約為 78%?；? 于調(diào)查數(shù)據(jù)，對(duì)四類重點(diǎn)研究對(duì)象在擁堵收費(fèi)下的出行方式選擇進(jìn)行了統(tǒng)計(jì)性描述，具體如 下圖所示。 30，尤其適用于以出行者個(gè)體為0，尤其適用于以出行者個(gè)體為 a內(nèi)外-通勤類各出行方式選擇選擇概率 b外外-通勤類各出行方式選擇選擇概率 c內(nèi)外-非通勤類各出行方式選擇選擇概率 d外外-非通勤類各出行方式選擇選擇概率 圖2四類重點(diǎn)研究對(duì)象在擁堵收費(fèi)下的出行方式選擇統(tǒng)計(jì)圖 由圖可見，在擁堵收費(fèi)作用下，兩類通勤出行者選擇仍然開車并支付擁堵費(fèi)用的約占三 分之一，轉(zhuǎn)向公交出行和繞路避費(fèi)為最主要的替代出行方式；同時(shí)，兩類非通勤出行者由于 出行時(shí)間選擇具有較大靈活性，選擇錯(cuò)時(shí)避費(fèi)占比較高，其次為轉(zhuǎn)向公交出行，僅有 12% 的非通勤出行者選擇仍然開車并支付費(fèi)用。 需要說(shuō)明的是，在實(shí)際調(diào)查中，外外-非通勤類僅收集到16組有效數(shù)據(jù)，未達(dá)到預(yù)設(shè)樣 本量（50個(gè)）。這在一定程度上反映了，起訖點(diǎn)均位于北京二環(huán)外且途徑二環(huán)內(nèi)區(qū)域的出行 母體較小，究其原因，北京市“環(huán)+放射”式干道網(wǎng)對(duì)過境交通起到了較為良好的屏蔽作用， 同時(shí)也反映出對(duì)于北京而言實(shí)施擁堵收費(fèi)政策的主要影響對(duì)象為出行起訖點(diǎn)僅有一個(gè)位于 收費(fèi)區(qū)域內(nèi)部的小汽車出行。 4 擁堵收費(fèi)影響下的居民出行方式選擇建模 非集計(jì)多項(xiàng) Logit（MNL）模型以隨機(jī)效用理論為基礎(chǔ) 數(shù)據(jù)單元的多選擇枝建模分析。本部分將運(yùn)用 MNL 模型建立方法，對(duì)內(nèi)外-通勤類、外外- 通勤類以及內(nèi)外-非通勤類出行在擁堵收費(fèi)下的出行方式選擇進(jìn)行建模。而由于外外-非通勤 類數(shù)據(jù)量未達(dá)到建模所需最小量，因此不對(duì)其建模。 4.1 模型結(jié)構(gòu) 隨機(jī)效用理論認(rèn)為行為主體總會(huì)選擇對(duì)自己而言效用最大的行為方式，對(duì)本文而言，即 在擁堵收費(fèi)下各種出行方式的選擇概率由其效用值決定。另外，假設(shè)效用函數(shù)是可以量化的 各因素的線性組合，并且影響出行者選擇行為的隨機(jī)因素服從均值為 0 獨(dú)立同分布的 4（1）)in （1）)in （2） X in exp(X ) in K in in X exp( in X Xin k ink Gumbel分布，則可得到出行者n的出行方式i的概率公式如下： P j k1 式中，P 為出行者n選擇出行方式i的概率；j為選擇枝數(shù)，即可選出行方式個(gè)數(shù)； 為出行方式 i 的效用函數(shù)值；K 為特性變量個(gè)數(shù)；θ 為第 k 項(xiàng)特性變量的效用系數(shù)；X 為出行方式i的第k項(xiàng)變量值。 4.2 特性變量賦值和效用函數(shù)定義 4.2.1 特性變量賦值 本文選取的MNL模型特性變量可以分為出行者社會(huì)經(jīng)濟(jì)屬性以及出行方式屬性兩類。 其中，出行者社會(huì)經(jīng)濟(jì)屬性包括年齡、性別、職業(yè)、家庭收入、對(duì)目前交通現(xiàn)狀的看法、是 否有需接送其上下學(xué)的孩子以及是否有交通補(bǔ)貼等。出行方式屬性，包括小汽車、公交、自 行車三種方式的出行時(shí)間、費(fèi)用、出行距離等。 變量的賦值方式包括名義變量賦值和度量變量賦值。名義變量賦值，即用數(shù)字代號(hào)表示 變量值；度量變量賦值，即用真實(shí)可測(cè)的數(shù)據(jù)直接對(duì)變量賦值。例如，性別為“男”賦值1、 “女”賦值2，又如小汽車出行距離需根據(jù)受訪者出行路徑，利用地理信息系統(tǒng)軟件量取確 定。 表2特性變量名稱及代號(hào)對(duì)照表變量類型變量名稱及代號(hào)變量代號(hào)年齡age性別gender職業(yè)career社會(huì)經(jīng)濟(jì)屬性變量家庭年收入income對(duì)目前交通現(xiàn)狀的看法feel是否有孩子child是否有交通補(bǔ)貼subsidy小汽車出行距離cardistance小汽車出行屬性變量擁堵費(fèi)congestionfare燃油費(fèi)fuelcost停車費(fèi)parkingfee公交出行全程時(shí)間busdistance公交出行屬性變量公交換乘次數(shù)transfer公交出行步行距離布設(shè)distance公交票價(jià)busfare自行車出行屬性變量自行車出行距離bikedistance 4.2.2 效用函數(shù)定義 本論文共設(shè)置了5個(gè)選擇枝，包括A（仍然開車進(jìn)入收費(fèi)區(qū)域，并支付擁堵費(fèi)）、B（開 車，選擇其他非高峰時(shí)段出行，避免征收擁堵費(fèi)）、C（開車，繞過收費(fèi)區(qū)域出行，避免征 5(congestionfare (congestionfare fuel cos t parkingfee) （3）2 ln(cardis tan ce) ln( fuel cos t) ln( parkingfee) tan ce fuel cos t parkingfee walkdis tan ce alltime transfer busfare 1 25 2 5 5 5 3 4為常量，均賦值為1，θ ~θ 為變量的效用系數(shù)。 C C cardis C bikedis tan ce1 4 收擁堵費(fèi)）、D（不開車，選擇公交或地鐵出行）、E（不開車，選擇自行車出行）。 另外，本次意向數(shù)據(jù)調(diào)查中僅設(shè)置了兩種擁堵費(fèi)用值，調(diào)查數(shù)據(jù)顯示內(nèi)外-通勤類出行 收費(fèi)額基本為2元/天，外外-通勤類出行收費(fèi)額基本為5元/天，這主要是由于受訪者通勤起 訖點(diǎn)通常為家和工作單位，而內(nèi)外-非通勤每日收費(fèi)額5 元和2 元約各占一半。因此，為了 避免兩類通勤出行建模中，擁堵費(fèi)變量與其他變量存在共線性，本文構(gòu)建了小汽車費(fèi)用因子 carfare，并將其引入效用函數(shù)，該因子的具體表達(dá)式如下： carfare subsidy * 各選擇枝的效用函數(shù)定義形式如下： 表3各選擇枝效用函數(shù)對(duì)照表 選 擇 效用函數(shù)形式 枝A通勤出行C1agegendercareerincomechildfeelcarfare非通勤出行C1agegendercareerincomechildsubsidyfeelcongestioarefuelcostparkingfee B C D E 注：式中C ~C 4.3 模型標(biāo)定及結(jié)果分析 本文應(yīng)用交通分析軟件 Transcad 進(jìn)行模型標(biāo)定，采用極大似然函數(shù)法進(jìn)行參數(shù)估計(jì)。 利用本次北京擁堵收費(fèi)意向調(diào)查數(shù)據(jù)，分別對(duì)內(nèi)外-通勤、外外-通勤以及內(nèi)外-非通勤三類重 點(diǎn)研究對(duì)象進(jìn)行建模計(jì)算。 由于篇幅有限，這里對(duì)于模型的具體迭代計(jì)算過程不做贅述，而直接給出三類出行者在 擁堵收費(fèi)下的出行方式選擇模型的標(biāo)定結(jié)果，見下表所示。 62 2 0 表4擁堵收費(fèi)下的出行方式選擇模型參數(shù)標(biāo)定結(jié)果表變量?jī)?nèi)外-通勤模型外外-通勤模型內(nèi)外-非通勤模型θTθTθTC9.1201.97919.9310.221-0.0260.000C2.4981.00910.7920.12024.2060.663C-11.141-0.16811.3730.12610.1050.279C2.4151.64018.9560.2119.8990.273age1.1851.431——-1.284-1.864gender-2.993-2.080——-0.389-0.740career——-0.872-1.1771.3542.855income1.7102.2910.8721.1871.1023.931child——-5.038-3.434-0.944-1.261subsidy————-7.604-0.172feel-3.137-2.329————carfare-0.012-2.198-0.003-0.588——congestionfare————-0.173-0.802fuelcost——————parkingfee————-0.201-2.384ln(cardistance)-4.989-2.013——-3.607-3.699ln(fuelcost)4.2592.085——3.0384.032ln(parkingfee)————-3.186-2.640cardistance——1.1961.237-2.079-2.577fuelcost——-1.267-1.5242.1403.121parkingfee——————walkdistance-0.001-1.017-0.004-1.701——alltime-0.015-0.616——0.0171.977transfer0.0230.036-1.809-1.756-0.889-3.451busfare-0.339-0.910-1.744-1.5680.8882.483bikedistance-0.090-0.861————ρ2值0.4830.4850.392 上表中，參數(shù)θ和T分別代表變量標(biāo)定系數(shù)結(jié)果以及各參數(shù)的t檢驗(yàn)值，建模過程中利 用t檢驗(yàn)和似然率檢進(jìn)行模型變量的顯著性進(jìn)行檢驗(yàn)和變量篩選。ρ 值代表模型精度，越接 近于1精度越高，一般認(rèn)為在0.2~0.4范圍內(nèi)即可以接受，從表7來(lái)看，本文所建模型精度 較高。 5 模型的關(guān)鍵因子分析 本節(jié)將在模型基礎(chǔ)上，進(jìn)一步研究何種因素是導(dǎo)致出行者放棄開車出行的主要因素，換 而言之，即研究擁堵收費(fèi)政策將對(duì)何種人群產(chǎn)生較大影響。 非集計(jì) Logit 模型認(rèn)為出行者在出行方式選擇時(shí)總是追求“效用(utility)”的最大化 ，即 效用值越高的出行方式被選擇的概率也就越大。因此，在模型各選擇枝的效用函數(shù)中對(duì)效用