城市轨道交通出行者多方式换乘行为决策研究

李之红，吴海燕，赵 莉

（1.北京建筑工程学院 土木与交通工程学院，北京 100044；2.北京交通大学 交通运输学院，北京 100044）

随着大城市轨道交通网络化建设的展开，地铁车站及换乘枢纽成为城市客运系统中的重要环节，它是多种交通方式交汇的承接地，集结了大量集散客流，具有流量大且客流目的性强的特点，枢纽换乘系统的规模及换乘设施的合理设计与否，不仅影响到各种客流在轨道交通枢纽内的衔接换乘效率，也直接影响到整个轨道交通网络的运输效率和服务水平的提高。因此，作为轨道交通枢纽换乘系统规划设计的前提和依据，研究轨道交通换乘枢纽的衔接换乘量预测方法具有重要的现实意义，应掌握轨道交通枢纽的客流衔接规律、科学预测轨道交通与其它交通方式间的换乘客流量，以此为依据，对轨道交通枢纽的换乘设施进行合理配置，使其满足客流集结、疏散的需要。

本文以北京城铁13号线望京西站为调查对象，通过轨道衔接方式选择行为调查，对影响出行者在枢纽内的换乘方式选择的因素分析，在此基础上提出基于轨道交通衔接方式选择—广义Logit模型的衔接客流量预测方法，并通过比较预测值与实测值的偏差验证模型的有效性。

1 数据分析

1.1 数据调查

以北京望京西站为调查对象，该站是城铁13号线的重要站点之一，主要满足望京地区居民的轨道交通出行需求。2009年8月对望京西站客流的换乘行为（Revealed Preference data，RP数据）展开调查，内容主要包括被访者的个人特征（如：性别、年龄以及家庭车辆拥有状况）、与出行有关的问题（如：出行目的、出发地、使用的交通工具）等，并根据对枢纽范围内的现有换乘设施及路网情况的实际调查，涉及常规公交、步行、出租车、自行车、私家车和其他（主要是摩的、黑车），共6种衔接方式供被访者选择。问卷调查采取的是现场面对面询问调查的方式，调查时间是工作日、非工作日早高峰及平峰时间，共回收有效样本406份。

1.2 调查结果分析

（1）出行者属性分析

出行者的年龄构成特征如图1，从图中可以看出换乘轨道交通的人群年龄主要集中在20~30岁，约占到50%，其次是30~40岁年龄段。从性别比例来看，男女乘客比例相差不大，男性乘客的比例为50.7%，女性乘客的比例为49.3%。

（2）出行特征分析

换乘轨道交通出行者的出行目的分布如图2。主要以上班目的为主，约占59%，其他以休闲娱乐居多，剩余目的均在10%以下。

（3）衔接方式分析

衔接方式分布如图3，从图中可以看出，常规公交为主要的衔接方式，这间接说明了与轨道交通衔接的客流是距枢纽距离较远的客流。

2 基于衔接方式选择的衔接客流预测

2.1 衔接方式选择的广义Logi t模型

广义Logi t模型是MNL模型的变形，根据MNL原理，对同一个出行者n，其选择方式i的效用的固定项，可以表示为：

式中Vi表示选择方式i的效用的固定项；βik表示第i个选择方式中所包含的第k个特征变量所对应的未知参数。

出行者n选择第i个选择肢作为衔接方式的概率为pi等于：

在此基础上，首先选择一个基线分类（即以选择集中的某一选择肢为基准类），记为J，以下公式推倒以最后一类选择肢为基准类J，令基线分类效用函数的参数βJk均等于0，则得到exp(VJ)=1，同时让每个选择肢i与基准类选择肢J进行对比，则得到J-1个非集计模型：

根据公式（3），可得：

该模型在使用时需要同时估计J-1个非集计模型的参数，可根据实际数据，采用极大似然估计法对模型的参数进行标定[1]。

2.2 衔接客流量的预测方法

为了确定轨道交通枢纽内换乘设施的规模以进行合理设计，需要预测该枢纽内各衔接方式承担客流量的集计值，根据上述衔接方式选择Logi t模型可预测每个出行者的选择概率，但是由于不能得到所有个人数据的未来预测值，这就涉及将非集计模型集计化的问题，与集计模型相比，非集计模型具有更高的时空可移植性，可通过分析出行者构成的时间序列变化，利用已建立的Logi t模型预测出未来某一时间段的衔接客流量：

将预测的轨道交通客流量数据按照个体特征（如：年龄、性别、出行目的）分成g个组，并确定每组人数占总人数的比例qg，将各分组g进行集计，即：

用Qi=Q·Si即可得出未来年该枢纽轨道交通衔接客流量的预测值。

3 模型的建立及实例应用

3.1 变量的选取

本文建立的模型主要考虑工作日早晚高峰时段的衔接换乘客流量。模型中包括步行、自行车、常规公交、私家车、出租车、其它（摩的）在内的6种较为常用的交通方式作为选择肢进行分析。

出行者换乘方式的选择结构是由长期决策和短期决策共同作用的结果。长期决策的形成是由出行者的个人特点、各种方式的交通服务特性等长期因素决定的，如出行者的年龄、衔接换乘距离、枢纽的不同方式间的换乘时间、以及各种交通方式本身的费用都将会使出行者产生一种思维定势或者使其养成一定的习惯，产生换乘偏好；短期决策是面对具体的换乘问题而做出的决定。与出行当时的环境（天气、温度等）、出行时间（高峰时段和非高峰时段）、出行目的等因素有关。因此，根据调查结果选择出行者的年龄、性别、出行目的、衔接距离为参数。所选特性变量及相应的取值方法见表1。

表1 模型的特征变量表

3.2 模型的参数估计

设出租车为参考类，以其他方式与参考类进行对比，建立5个非集计模型。利用SPSS统计软件中的多项分类logist ic回归功能，对接驳方式选择模型进行模拟仿真，得到参数估计结果见表2。

在Spss中对logist ic模型的假设检验：

（1）全局性的假设检验。可采用拟然比检验，结果得X2

LR=313.916，自由度=30，P值<0.05，说明模型有统计意义。

（2）单个变量的假设检验。采用Wal d统计量，其中，β表示自变量的回归系数；S.E表示回归系数的标准误，Wa l d用来对回归系数进行检验(Wal d=(β/S.E)2)，检验参数βi是否为0，如果拒绝H0：βi=0，则表明该自变量Xi对于模型的作用有统计学意义。当自由度为1、置信度a=0.05的条件下，Wa l d临界值为3.841，如果Wa l d>3.841，说明自变量和因变量显著相关；Wa l d<3.841，说明变量对结果影响程度较小。

根据表2中所列的标定结果来看，模型与实际拟合的效果较好。

3.3 预测结果分析

根据表2标定的结果，按年龄（1~20；21~40；41以上）、性别（男或女）、出行距离，将轨道交通的客流量分为24组，计算各组的人数比例，代入公式（6）~（8）得到该枢纽轨道交通衔接客流量的预测值，见表3。

表2 模型的参数标定结果

表3 预测精度分析

模型具有较高精度，其中出租车和其他衔接方式的预测精度较低，主要是由2方面因素决定：（1）模型建立中对影响因素考虑的不全面，出行者的人均收入水平是选择出租车换乘的一个重要因素，在模型中缺乏考虑导致误差较大；（2）由调查样本量大小对模型标定精度的影响造成。

4 结束语

轨道交通枢纽衔接换乘量预测作为枢纽规划设计的重要依据，对枢纽内各种换乘设施的协调、规划、设计具有重要的现实指导意义。本文在分析主要接驳方式特点的基础上，利用非集计模型，提出轨道交通接驳客流量的预测方法，并以实际调查的数据为基础对模型进行标定和应用，结果证明预测方法的可靠性。

由于调查数据有限，模型在影响因素考虑上不甚全面，有待进一步改进。枢纽作为一个交通集散点，对交通吸引和发散的方向性预测是确定换乘交通量的重要环节，关系到不同衔接方式的设施在枢纽内的布局及枢纽的集散客流对其区域范围内路网的影响，因此在今后的研究中应考虑对集散客流的方向性调查，研究外部路网对换乘客流分布的动态影响，提出结合枢纽客流集散方向分布的衔接客流量预测方法。

[1]关宏志. 非集计模型—交通行为分析工具[M]. 北京：人民交通出版社，2004.

[2]周 伟，姜彩良. 城市交通枢纽旅客换乘问题研究[J].交通运输系统工程与信息， 2005， 5 （5） ： 23-30.

[3]贾洪飞，龚勃文，宗 芳. 交通方式选择的非集计模型及其应用[J]. 吉林大学学报（工学版）， 2007，37（6）：1288-1294.

[4]孙立山，姚丽亚， 荣 建，任福田. 基于最大熵模型的客运枢纽换乘量分布预测研究[J]. 公路交通科技，2008，25（9）：1740-144.

[5]贾洪飞，宗 芳，乔 路. 综合客运枢纽换乘量预测方法[J].系统工程，2009，27（1）：15-30.

[6]岳 芳，毛保华，陈团生. 城市轨道交通接驳方式的选择[J].都市快轨交通，2007，20（4）：36-40.

[7]刘炳恩，隽志才，李艳玲，龚博文. 居民出行方式选择非集计模型的建立[J]. 公路交通科技，2008，25（5）：116-120.