拥堵收费对弹性出行的小汽车使用者出行方式选择影响研究＊

任 刚 韩林宁 江 航 华璟怡

（东南大学交通学院 南京210096）

0 引 言

城市交通拥堵收费是1种典型的交通需求管理策略，它通过对进入拥堵区域内的小汽车征收一定的费用，提高小汽车出行成本，促使部分小汽车出行者改变出行行为，从而达到缓解交通拥堵状况的目的。

Logit模型是出行方式选择行为研究时常用的方法［1－2］。在已有的研究中，一些学者运用意向调查数据［3－4］或者行为和意向结合数据［5－6］来建立出行方式选择模型，但模型并未考虑拥堵收费的影响；还有的学者在研究拥堵收费的过程中，建立了出行成本和方式选择的关系［7－8］，但模型无法直接体现拥堵费的影响，无法基于拥堵费进行敏感性分析，也无法得到关于拥堵费的决策信息；或者考虑了拥堵费率的影响［9］，但未就影响因素和方式选择进行详细的定量分析。

交通拥堵收费政策对以购物、休闲、娱乐、餐饮等弹性需求为目的的小汽车使用者的影响最大，而非小汽车使用者和非弹性出行的小汽车使用者受政策的影响则较小［10］，因此笔者研究的对象确定为弹性出行的小汽车使用者。综合前人研究，将行为和意向偏好数据相结合，引入拥堵收费政策变量，基于Nested Logit模型建立考虑拥堵收费的出行方式选择模型。行为和意向偏好数据的结合，使得模型能将理论分析与实际相结合；政策变量的引入为交通管理者科学合理地制定政策或进行政策评价提供依据。

1 模型建立

1.1 出行方式选择影响因素分析

出行方式选择是指出行者在出行时受各种因素的综合影响而选择交通工具的过程。出行方式选择影响因素一般包括出行者属性、出行属性和出行方式属性等［11－13］，同时还考虑了交通政策属性。

1）出行者属性。出行者属性包括个人属性和家庭属性。个人属性中，选取性别、年龄、月收入、公交IC卡等变量；家庭属性中，选取家庭人口、6岁以下儿童、小汽车数量等变量。

2）出行属性。考虑出行距离和出行频率等变量，它们反映了出行者的出行习惯，与出行者息息相关。

3）出行方式属性。包括分别选择小汽车、公交、地铁出行所需的出行时间和出行费用。小汽车的出行时间应包括车内时间、泊车时间和步行时间；公交、地铁的出行时间包括步行时间、等车时间和车内时间。

4）交通政策属性。小汽车出行者在面对拥堵收费政策时，对拥堵收费政策的感知不仅仅是拥堵费的高低，还应该包括拥堵费和出行总费用的对比值，即拥堵费在出行总费用中占比越高，小汽车出行者所受到的拥堵收费压力越大，也越容易放弃开车而选择公交或地铁出行。相对拥堵费定义为拥堵费与小汽车出行总费用的比值，其计算公式见式（1）。

式中：R为相对拥堵费；Ft，Fc分别为小汽车出行总费用和拥堵费。

各影响因素变量的取值及符号见表1。

表1 出行方式选择模型的变量定义情况Tab.1 Definitions of variables in trip mode choice model

1.2 Nested Logit模型理论

对于以弹性需求为出行目的的小汽车使用者，在出行方式选择时，具有竞争性的交通工具一般为小汽车、公交和地铁。因此，将小汽车、公交和地铁列为出行方式选择的选择肢。考虑到公交和地铁均为公共交通方式，两者相似性较大，因此笔者采用Nested Logit模型（以下简称NL模型）进行建模。

NL模型将相似性较大的选择肢划分为1个层次，其层次划分见图1。图1中，m为第1层中的第m个方案，m＝1，2，…，Mn（Mn为第1层的选择肢的个数）；r为第m个选择方案下的第r个选择肢，r＝1，2，…，Rmn（Rmn为节点m下第2层选择肢的个数）。

图1 Nested Logit模型示意图Fig.1 Schematic diagram of nested logit model

根据NL模型的基本理论［2］，可以得到出行者n在选择了方案m的基础上选择方案r的条件概率Pn（r｜m）为

式中：V（r｜m）n为出行者n选择方案rm时，效用因为rm和m组合而变化的效用固定项。

式（2）是下层概率，在计算上层概率时，应考虑下层效用对上层效用的影响，该影响通过V＊mn体现，因此出行者n选择方案m的概率Pn（m）为

上述各式中，Vmn为出行者n选择方案rm时，效用中与r无关而仅随m变化的固定项；为出行者n选择下层方案时对上层方案效用的影响值；λ1，λ2为待估参数。

因此，根据条件概率的知识，出行者n选择任意方案rm的概率Pn（rm）为

根据笔者研究内容，NL模型下出行方式选择的示意图见图2。

图2 Nested Logit模型出行方式选择示意图Fig.2 Diagram of trip mode choice of Nested Logit model

这是1个2层的NL模型，上层选择肢分为小汽车和公共交通，其中选择肢A（小汽车）没有继续分层，选择肢B（公共交通）有2个下层选择肢：公交和地铁。

2 数据调查

结合出行方式影响因素及本文研究内容设计调查问卷，在南京市新街口商圈区域的各大停车场（库），通过问卷中出行目的对出行人群进行筛选，对以弹性出行的小汽车使用者进行调查。问卷获取的信息见图3（对于在公交和地铁间换乘的，考虑最主要的交通方式，但仍计算全程的费用和时间），一共获得807份有效问卷，整理得到有效的行为和意向偏好组合数据共4 035份。

图3 出行调查内容示意图Fig.3 Block diagram of trip survey contents

3 模型标定与分析

对于调查所得到的数据，按照表2的格式进行整理和计算，便于之后的参数估计。

表2 NL模型变量的数据结构与待估参数Tab.2 Data structure and parameters of the variables in the Nested Logit model

NL模型在参数估计时除了要估计上述变量参数，还包括模型本身的参数λ1和λ2。由于λ1和λ2无法同时确定，因此可令λ1＝1，则只要估计λ2即可。利用BIOGEME软件［14］来对模型进行参数估计，踢除t检验不显著（0.05的显著性水平）的变量，最终得到模型变量的参数见表3。

表3 NL模型标定结果Tab.3 Estimation results of parameters in the Nested Logit model

根据非集计模型的检验方法［2］。

1）参数标定结果中t检验值的绝对值均大于1.96，即变量在0.05显著性水平上显著。

3）模型的优度比ρ2和调整优度比珋ρ2分别为0.585和0.563，优度比越接近于1，则模型精度越高。实践中优度比在0.2～0.4范围内便可以接受，本模型精度较高。

4）模型的命中率（hit rate）反映了模型的预测精度，本模型的命中率约为82.95%，精度较高。

5）λ2＝0.318，λ2／λ1＝0.318／1＝0.318，在0与1之间，说明公共交通选择肢下的公交和地铁之间有一定的相关性，NL模型的层次划分是合理的。

根据模型的参数标定结果，可以确定各个选择肢的效用函数从而建立拥堵收费影响下出行者出行方式选择模型。从参数标定结果中可见：

1）在出行者属性中，性别变量在公交选择肢中为负数，收入变量在公交和地铁选择肢中均为负数，公交IC卡变量在公交和地铁选择肢中均为正数，说明女性、低收入者、IC卡持有者对拥堵收费政策更敏感，更容易放弃小汽车而选择公共交通出行。

2）在出行属性中，出行距离变量在公交和地铁选择肢中均为负数，出行频率变量在公交和地铁选择肢中均为正数，说明短途和高频出行者面对拥堵收费政策时更倾向于选择公共交通出行方式，其政策敏感性大于长途和低频出行者。

3）出行方式属性中，各选择肢中出行时间变量的参数为负数，说明出行者倾向于选择时间较短的交通工具；费用变量中，小汽车选择肢中费用变量的参数为负数，说明小汽车出行费用越高，出行者越不倾向于小汽车出行。值得注意的是，小汽车使用者对公共交通票价并不敏感，公共交通费用的波动并不能明显影响到小汽车使用者的出行方式选择。

4）交通政策属性中，小汽车选择肢中的相对拥堵费变量的参数为负数，说明拥堵费在小汽车出行总费用中的比例越高，出行者选择小汽车出行的可能越小。

5）哑元常量在公交和地铁选择肢中均为负数，说明存在其他一些稳定的因素“阻止”小汽车使用者选择公共交通，这些因素可能是出行者的习惯、偏好或者是笔者尚未考虑到的其他因素。

4 弹性分析

弹性出行者相对于非弹性出行者，其出行有较为明显的弹性，有必要对其进行弹性分析。所谓弹性，即在效用函数中，变量产生1个微小的增量时，对某个选择肢的选择概率的影响程度。弹性值可以很好地反映研究对象的行为受某变量影响的程度，对交通管理者来说有很好的利用价值。弹性分析的基本公式可以表述为

式中：Pj为出行方式j的选择概率；Xik为第i个选择肢中的第k个影响因素。

对每个样本进行弹性计算，然后采用概率加权法计算得到变量的弹性值，基本公式为

式中：n为第n个调查样本。

根据弹性值计算公式，可以计算变量的弹性值。由于不同拥堵费水平下，变量的弹性值各不相同，因此选择8元和10元2个拥堵费水平，分别计算出行者在出行方式选择时对出行时间和收费政策的弹性，计算结果见表4。

表4 不同费率水平下的弹性值Tab.4 Elasticity values in different congestion fee levels

由表4可见：

1）出行时间的弹性。弹性出行者对出行时间的弹性与拥堵费率和出行方式有关。值得注意的是，同一费率水平下，出行者对小汽车出行时间的弹性（绝对值）要远小于公交和地铁，说明出行者对小汽车出行时间的敏感性远不如公共交通，侧面反映了小汽车的服务水平（舒适度、方便性等）要好于公共交通。而出行者对地铁出行时间的弹性（绝对值）又略大于常规公交，反映出南京地铁由于站点覆盖率较低、步行时间过长、可达性较低而导致的地铁的城市总体服务水平的下降。另一方面，拥堵收费费率增加，小汽车出行的效用在下降，公共交通出行的效用在增加，因此出行者对小汽车出行时间的敏感性开始增加，对公共交通出行时间的敏感性开始减小。

2）拥堵收费政策弹性。相对拥堵费为交通政策变量，从表中可以看出，随着拥堵费水平的提高，弹性出行的小汽车使用者对拥堵收费政策（相对拥堵费）的弹性（绝对值）在增加，即拥堵收费水平越高，出行者对政策越敏感。根据弹性理论，弹性值的绝对值小于1为缺乏弹性；等于1为单位弹性；大于1为富有弹性。经过计算，当拥堵费为13.25元／次时，该弹性值达到－1（单位弹性），即该拥堵费的值是出行者在出行方式选择时对政策开始变得“显著”敏感的临界值。

5 结束语

结合南京市新街口商圈区域弹性出行的小汽车使用者的RP和SP调查数据，建立了拥堵收费影响下的弹性出行的小汽车使用者出行方式选择模型。模型不但可以用于拥堵收费中弹性出行者出行方式选择的预测，还可以用来对拥堵收费政策进行分析评价。笔者根据所建模型，分析了不同属性的人群面对拥堵收费政策时的出行方式选择倾向性，即出行弹性；通过弹性理论，分析了出行者对不同出行方式的出行时间以及拥堵收费政策的敏感性，找出出行者对拥堵收费政策开始显著敏感的拥堵费临界值，该临界值对交通管理者确定拥堵费水平有一定的参考价值。同时从出行时间弹性的分析还应该看到，加快完善城市公共交通网络、提高公共交通服务水平，在优化城市交通出行结构中起着重要的作用。

［1］ Thomas A，Domencich D，McFadden D L.Travel Demand：A behavioral analysis［M］.New York：A－merican Elsevier Publishing Company，1975.

［2］ 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.

［3］ Bliemer M C J，Rose J M，Hensher D A.Efficient stated choice experiments for estimating nested logit models［J］.Transportation Research Part B，2009，43（1）：19－35.

［4］ Rouwendal J，de Blaeij A，Rietveld P，et a1.The information content of a stated choice experiment：a new method and its application to the value of a statistical life［J］.Transportation Research Part B，2010，44（1）：136－151.

［5］ Hensher D A，Rose J M.Development of commuter and non－commuter mode choice models for the assessment of new public transport infrastructure projects：a case study［J］.Transportation Research Part A，2007，41（5）：428－443.

［6］ Hensher D A.Empirical approaches to combining revealed and stated preference data：some recent developments with reference to urban mode choice［J］.Research in Transportation Economics，2009，23（1）：23－29.

［7］ 宗 芳.基于非集计模型的交通需求管理策略评价研究［D］.长春：吉林大学，2008.

［8］ 罗清玉，孙宝凤，吴文静，等.基于Mixed logit模型的拥挤收费下交通方式分担率预测［J］.吉林大学学报：工学版，2010，40（5）：1230－1234.

［9］ 许旺土，何世伟，宋 瑞，等.考虑拥挤收费的非集计交通方式分担模型研究［J］.交通运输系统工程与信息，2008，8（3）：96－102.

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

［11］ 王 倩.交通拥堵收费对居民出行方式选择的影响研究［D］.北京：北京交通大学，2012.

［12］ 黄树森，宋 瑞，陶 媛.大城市居民出行方式选择行为及影响因素研究：以北京市为例［J］.交通标准化，2008（9）：124－128.

［13］ 潘 驰，赵胜川.基于Logit模型的大连市居民通勤出行行为研究［J］.交通信息与安全，2012，30（3）：25－28.

［14］ 诸葛承祥，邵春福，李 霞，等.通勤者出行时间与出行方式选择行为研究［J］.交通运输系统工程与信息，2012，12（2）：126－131.