基于Logit模型的高速铁路旅客 离站换乘选择分析

迟 明，霍娅敏，刘广武，贾叶子

（1.西安铁路职业技术学院 交通运输学院，陕西 西安 710014；2.西南交通大学 交通运输与物流 学院，四川 成都 611756)

高速铁路车站作为城市综合交通枢纽的主体， 衔接多种市内交通方式，承担城市区域内重要集散任务[1]。研究高速铁路旅客离站换乘选择行为，可为布设衔接站场及分配运输工具提供支撑，有助于实现旅客零距离换乘[2]。近年来，网约车用户渐增，除了接入地铁、公交、出租车、私家车等离站换乘方式外，新的出行方式促使高速铁路车站完善换乘设施布局，增设网约车换乘点[3]；旅客的换乘选择行为会影响高速铁路车站换乘设施的布设形式，在选择肢中应考虑新出行方式对旅客个体偏好的影响[4]。同时高速铁路旅客具有指向明显换乘偏好的出行属性，如大件行李比例高，协同出行较明显等[5]。因此，区分旅客类别，分析换乘偏好，计算支付意愿，可为站场换乘布设提供依据，为票价优化提供参照。

1 高速铁路旅客离站换乘偏好与影响因素

1.1 旅客离站换乘个体偏好

（1）心理需求及换乘过程分析。换乘选择作为出行行为的一种，本质受心理需求支配，根据心理学概念，分为旅客共性需求和个性需求。换乘方式的经济、可达、便捷、舒适是共性需求。当旅客实际出行体验与期望相符合时，心理需求得到满足，产生此方式的换乘偏好[6]；当换乘体验低于心理预期，旅客会积累后悔值，后悔值的大小决定了偏好调整方向。由于旅客主观感知不同，出行习惯和出行属性不同，形成了个性需求[7]。在决策阶段，高速铁路离站旅客考虑个性和共性2个需求。

MCN-nIC与MCN-IC两组在病灶边界、囊壁厚度、壁结节及分隔间的差异有统计学意义(表4)，病灶边界不清、囊壁厚度>2 mm、壁结节及无分隔是MCN-IC的单因素预测因子(表4)。

（2）偏好形成过程分析。旅客做决策时，并非完全掌握各换乘方案特点，对属性因素不熟悉的前提下，旅客会基于偏好作出决策。偏好的形成是一个循环学习和累积过程。旅客基于以往经验，结合现场环境，不断对比决策结果与实际体验的感知差异，从而进行适应性学习[8]。随着离站换乘次数的增多，不断收到决策反馈的信息，其中主观感知较差的信息累积为自身经验，感知较好的信息进行动态更新，进而形成信息与决策的良性结合，最终得到稳定的换乘偏好。

相对于欧洲的高福利国家模式，美国实行自保公助的模式，它以市场和家庭为主、以国家为辅来满足个人自身需要，具有非常明显的市场化特征，它的优点总结起来有三点：

1.2 旅客离站换乘选择集

高速铁路旅客离站换乘接驳工具分为公共交通换乘和个体交通换乘2类。公共交通换乘方式中，地铁、公交载客量大，经济环保，是主要接驳方式；个体交通换乘方式主要为出租车、私人汽车及网约车。根据高速铁路离站换乘工具确定换乘方式选择肢为：地铁、公交、出租车、网约车、私家车。

需要注意的是，选择肢中使用私家车换乘的前提为旅客离站后拥有该车辆的支配权，若旅客离站时无可支配的私家车，则选择肢剔除该换乘方式。据此，高速铁路旅客离站换乘存在2类情况：①旅客离站后有可支配的私人车辆，为5换乘选择肢：地铁、公交、出租车、网约车、私家车；②旅客离站后无可支配的私人车辆，为4换乘选择肢：地铁、公交、出租车、网约车。依据私家车的可支配情况，对这2种设计分别进行建模和分析。

1.3 旅客离站换乘影响因素

（5）同行照料对换乘选择显著性分析。对照地铁时公交参数为负且显著，说明旅客独自出行时更倾向于选择地铁换乘；而存在同行者时，使用公交换乘意愿下降；在同行者需要照料时，出租车和网约车符号为正且显著，旅客选择偏向于更为安全舒适的换乘工具。

（1）旅客属性。主要指旅客的个体社会经济特征。由于职业和收入存在关联性，指标选取其中之一即可。任意私人车辆接送均视为可支配，统计可支配情况更为准确。属性集合为：性别(GEN)，年龄(AGE)，受教育程度(EDU)，收入(INC)、离站是否拥有可支配私家车(PCA)。

（2）出行属性。个体的每一次出行，即对应一次新的出行属性，不同个体之间的出行属性相互独立，同一个体的不同出行，其出行属性也相互独立。此外，高速铁路离站旅客出行特点鲜明，旅客往往携带行李，协同出行现象较为常见等，需纳入考量。出行距离(TD)，水平区间为5 km，10 km，15 km；行李负载程度(BL)，水平区间为高，中，低；同行照料(CP)，水平区间为同行有照料，同行无照料，无同行。

（3）换乘方式属性。衡量换乘方式属性有定性和定量2种方式。由于定量分析具有更好的实操性及数理统计特性，所确定的定量影响因素又与定性指标相关联，例如经济性可由出行费用衡量，可达性可由走行时间体现，在有具体量化的指标前提下，采用定量分析更为简洁准确。综上采用定量分析，属性集合为：出行费用(TC)、在车时间(VT)、等候及步行时间(WT)，分别根据实际价格、时间设置高中低3个水平。

2 高速铁路旅客离站换乘选择模型构建

2.1 选择效用模型

换乘方案为有限集合时，可通过效用来描述离站旅客的换乘心理期望，效用最大即所选换乘方式带来的体验最佳，离站选择总效用由固定效用V和随机效用ɛ2部分组成。通过构建情景问卷模拟换乘方式的市场竞争环境，旅客结合自身出行属性，在换乘方案中比选，最终确定的换乘方式为该旅客个体偏好下的最大效用选项。

化学示踪剂以无机盐类、荧光染料类、卤代烃类为主，主要用于研究储层物性、油层连通性和注水对地层的影响。由于化学示踪剂存在相对用量大、需要井口作业、成本高和环境污染等问题，所以该类示踪剂呈淘汰趋势。

随机效用在满足以下2个假设时，可推导为最大效用模型，从而适用于研究交通选择行为问题[8]： ①高速铁路旅客作为决策基本单位，即不同单位面对选择集同种换乘方式会产生不同效用水平，旅客个体p在j个换乘选项的集合Mj中获得的效用水平记为Upj，j =1，2，…，J。②旅客在全部换乘方案中选择效用最大的一个，则在j个方案中选择方案i的总效用Upi需满足公式(1)。

换乘固定效用由可见影响因素x与随机系数β线性组合构成，β取值根据情景问卷所统计的观测结果估计。模型计入不可观测效用部分以抵消旅客对出行信息接收和理解的缺失，将换乘固定效用与不可观测效用联合得公式(2)。

综上所述，本试验认为引起CD病变部位不同的机制可能与CCR9、TLR4介导的淋巴细胞归巢有关，其具体机制为Toll样受体介导的免疫失衡引起了病变部位淋巴细胞归巢的活化。

2.2 情景问卷数据

营盘河大桥左、右线1#桥墩均采用双肢薄壁墩，墩高33.5m,单肢截面尺寸 6.25m×1.5m，肢间净距3m（见图1）。由于肢间间距较小，为避免在提升过程中左、右幅模板发生碰撞，把肢间间距内侧的三角架设计成整体横撑平台整体提升。取消模板主背楞及斜撑，利用对拉杆进行模板固定，既避免了左右幅相互的干扰，同时增加了操作的安全性。

表1 离站旅客社会经济属性统计表Tab.1 Socio-economic attributes of off-station passengers

2.3 模型随机参数

情景问卷所得观测值为旅客换乘的最大效用选项，Logit模型可根据参数标定结果分析该类型旅客的换乘个体偏好和不同出行属性下的选择倾向。将换乘选择影响因素标定为效用模型参数，共构成3个集合，旅客属性(ISC)，出行属性(TSC)，换乘方式属性(SSC)，分别对每一个影响因素建立随机系数β。全部问卷观测值带入模型后，对β进行参数标定，其显著性分析结果可得特定出行属性下旅客的换乘偏好，依据偏好可进一步计算旅客换乘支付意愿。由最大效用的定义得到选择肢效用函数，离站旅客p选择换乘方式i的可观测效用表达式计为Vpi。

（1）多项Logit模型拟合优度分析。离站无可支配私人车辆旅客MNL模型自由度12，对数似然函数值为-2 507.45，AIC指标5 044.91，BIC指标2 507.458 3，标定出行属性参数，依据t检验结果和p值发现出行费用、等候及步行时间、在车时间的参数符号正确，模型拟合结果与预期相符，McFadden似然比0.3742 ＞ 0.30，模型拟合优度较好。

将各属性集合展开，修正后的换乘效用函数式

式中：Trans为换乘方式选择肢集合(地铁-Sub、公交-Bus、出租车-Tax、网约车-Net、私家车-Car)；ASCTrans为换乘方式Trans的固有常量；ɛpj为旅客p在j个换乘选项的随机效用值；GEN为性别水平值，βGEN为其待估计随机系数；AGE为年龄水平值，βAGE为其待估计随机系数；EDU为年龄水平值，βEDU为其待估计随机系数；INC为月收入水平值，βINC为其待估计随机系数；TD为出行距离水平值，βTD为其待估计随机系数；BL为行李负载水平值，βBL为其待估计随机系数；CP为同行照料水平值，βCP为其待估计随机系数；WT为等候及步行时间水平值，βWT为其待估计随机系数；VT为在车时间水平值，βVT为其待估计随机系数；TC为出行费用水平值，βTC为其待估计随机系数。

设立情景模拟旅客在特定出行属性下做出的换乘选择，使用D-最优实验设计法组合属性和水平，循环迭代到D-error最小时，导出情景为最优解，该实验设计法能避免正交实验设计中属性相关性为零的假设，提升实验设计精度。此时D-error均值0.669 3，方差0.071 5，共生成6个情景，离站无可支配私家车旅客问卷换乘选项中已剔除私家车选择肢，旅客在一个情境下的换乘选择计为1个观察值，一套问卷产生6个观察值。5名调查员于2020年1月2日至9日，在成都东站、重庆北站、沙坪坝站现场使用情景问卷实地调查高速铁路离站旅客795人。其中，离站无可支配私家车旅客 630人，问卷有效观察值3 780个；离站有可支配私家车旅客165人，问卷有效观察值990个。离站旅客社会经济属性统计如表1所示。

式中：Ppi为旅客p在j个换乘选项的概率。

随机变量服从对数正态分布[1]，根据先验信息，可确定出行属性作为自变量时与选择因变量成负相关，在计算效用前应作负值处理。

年轻人是旅游的主力军，年轻人有着极强的表达欲，他们通过拍摄上传短视频来吸引关注，相互比拼视频创意、内容、音乐、特效，全方位、动态化的展示景点，让更多的人通过线上短视频就了解到城市景区的全貌。观看视频的网友还可以在评论区实现与主播、观看者评论互动，对所拍摄内容进行点评、询问景点具体位置名称、旅游体验等。

2.4 旅客换乘支付意愿

不同出行属性下，旅客对换乘费用的支付意愿存在差异，在得到旅客换乘偏好结果后，依据出行属性的水平变化，分别计算5种换乘方式费用支付意愿，可为市场定价提供参考。旅客换乘选择的总效用不发生变化，换乘支付意愿则为某属性水平范围内发生改变所支付的费用，出行属性Xi上的支付意愿表达为

式中：TC为出行费用，在描述行李负载程度、同行照料等定性变量时，支付意愿以水平变化带来的效用差进行计算；分别为属性Xi在1水平和2水平上旅客选择换乘方案的效用，据此得到多项Logit模型下2类旅客的支付意愿结果。

式中：Upj为旅客p在j个换乘方案得到的总效用值；Vpj为固定效用值；ɛpj为随机效用值；k为可见影响因素X的数量；βk为第k个可见因素Xk的随机系数。

兴趣是最好的老师。小学生学习兴趣是提升学习品质的重要因素，小学道德与法治是一门综合性较强的学科，它不仅要对学生进行思想教育，促使学生树立正确的人生观、价值观，还要对学生认知进行改造和优化，培养他们积极乐观的生活态度，帮助学生参与社会、学习做人。教学实践中，教师要注意采用多元化教学方式，激发学生学习兴趣，进而促使学生主动学习相关知识。激趣方式众多，情境创设、故事讲述、观看视频、做实验、做游戏都比较常用。具体如何选择，教师要根据现实需要进行设计。

3 高速铁路旅客离站换乘选择模型分析结果

3.1 Logit模型参数标定结果

旅客离站无可支配私家车，换乘选择肢为4。将3 780个观察值按水平带入公式(4)，模型选取为多项Logit模型，其中旅客社会经济属性带入其实际水平，其余参数的水平依据D-最优实验设计法生成结果及旅客的决策项录入，使用极大似然估计法可消除属性正交相关性的影响[8]，对β进行标定和显著性分析。离站无可支配私家车旅客MNL模型参数估计结果如表2所示。

短短几年间，经济建设取得重大成就、全面深化改革取得重大突破、民主法治建设迈出重大步伐、思想文化建设取得重大进展、人民生活不断改善、生态文明建设成效显著、强军兴军开创新局面、港澳台工作取得新进展、全方位外交布局深入展开、全面从严治党成效卓著。我们取得的成就是全方位的、开创性的，变革是深层次的、根本性的。

式中：ASCpi为旅客p在换乘方式i的固有常量；A′为出行属性数量；a′为出行属性集合TSC中不可重复出现的一随机属性；B′为换乘方式属性数量；b′为换乘方式属性集合SSC中不可重复出现的一随机属性；C′为离站旅客属性数量；c′为旅客属性集合ISC中不可重复出现的一随机属性；TSCpi为旅客n在换乘方式i下各出行属性的水平值，βTSC为其待估计随机系数；SSCpi为旅客n在换乘方式i下各换乘方式属性的水平值，βSSC为其待估计随机系数；ISCpi为旅客n在换乘方式i下各旅客属性的水平值，βISC为其待估计随机系数。

（2）换乘方式固定常量显著性分析。相比于地铁，公共换乘方式中公交参数符号为负，离站无可支配私家车旅客更愿意使用地铁换乘；个体换乘方式中，出租车和网约车常量参数符号为负且显著，说明出行属性观测到的效用对总效用带来了负面影响。换乘方式属性参数标定结果将作为参照组与离站有可支配私家车旅客参数估计结果进行对比。

（3）出行距离对换乘选择显著性分析。换乘出行距离的增加对出租车和和公交的选择有负面影响，是由于乘坐公交长距离出行舒适度较低，距离的增加使得出租车的费用线性增长，这些因素使得旅客选择出现转移。而地铁的参数为正，在换乘出行距离较长时，旅客倾向乘坐地铁换乘。

表2 离站无可支配私家车旅客MNL模型参数估计结果Tab.2 Parameter estimation results of MNL model for off-station passengers without a private car

（4）行李负载程度对换乘选择显著性分析。出租车和网约车的参数标定结果为正且显著，随着行李的增多，离站无可支配私人车辆旅客愿意支付更多费用在较为舒适的个体换乘工具，而公交车和地铁在此参数上无显著性。

旅客离站换乘历经较为复杂的决策过程，目的是找出主观认知中效用最大的换乘方式。分析换乘行为影响因素，可确定属性指标，这是问卷设计的前提，也是模型评定的基础[2]。根据属性的性质和作用对象，从旅客属性、出行属性及换乘方式属性3方面探究换乘选择影响因素。

3.2 参数估计结果对比分析

将表2参数估计结果作为对照组，重点分析当换乘选择增加了私家车选项后各出行属性的显著性变化。旅客离站有可支配私家车，换乘选择肢增为5，将990个观察值按水平带入公式(4)，采用极大似然估计法，对β进行标定和显著性分析。离站有可支配私家车旅客MNL模型参数估计结果如表3所示。

（1）多项Logit模型(MNL)拟合优度分析。离站无可支配私人车辆旅客MNL模型自由度12，对数似然函数值-1 385.43，AIC指标2 816.86，BIC指标1 385.43，McFadden似然比0.350 7 ＞ 0.30，拟合优度较好。

（2）换乘方式属性参数估计结果对比分析。无可支配私家车旅客的VT参数估计负显著，而离站有可支配私家车旅客未出现显著性，该类型旅客对在车时间不敏感；对比WT参数估计结果发现，旅客在有能力使用私家车换乘时，更看重步行及候车时间属性；TC参数估计结果表明，当步行距离较长时有可支配私家车旅客换乘选择更倾向于个体换乘工具。

（3）TD参数估计结果对比分析。离站有可支配私家车旅客在出行距离增加时，私家车换乘概率受正影响；该类型旅客在具备可使用私家车换乘的条件下，使用公交换乘意愿下降；当出行距离较长时，该类型旅客更倾向使用地铁和私家车换乘。

秘书把牛皮糖送到楼下，招手时说，牛皮爹你老人家放心，我会把你的材料和鸡婆转给书记的。下个星期二来听信。

（4）BL参数估计结果对比分析。旅客离站后在有可支配私家车的换乘选择下，出租车BL参数估计结果为负，行李负载程度较大时该类型旅客并不倾向使用出租换乘，而是偏好网约车和私家车换乘。

Application of Face Recognition Technology in Public Security……………SONG Rui(1·74)

（5）CP参数估计结果对比分析。2种设计下地铁CP参数估计结果均为负且显著，地铁在便利度和经济性上存在较强优势，单人出行选择优先级均较高，且不受私家车支配条件影响。而当有同行者或需要照顾个体出现时，私家车及网约车的参数为正且显著，离站有可支配私人车辆旅客偏向私家车或网约车换乘，而无可支配私人车辆旅客更偏向出租车换乘。

表3 离站有可支配私家车旅客MNL模型参数估计结果Tab.3 Parameter estimation results of MNL model for off-station passengers with a private car

3.3 换乘支付意愿对比分析

有无可支配车辆2类旅客的支付意愿倾向存在差异。无私家车支配换乘时，旅客在车时间属性支付意愿每小时提升13.84元；有可支配私家车换乘时，等候时间属性的支付意愿每小时提升21.10元；出行属性方面，BLbus和CPsub参数下2类旅客支付意愿相关性互逆，行李负载属性上升1水平，无可支配私家车旅客换乘公交支付意愿上升0.29元，而有可支配私家车旅客下降0.48元。同行照料属性上升1水平，无可支配私家车旅客换乘地铁支付意愿减少1.60元，而有可支配私家车旅客上升0.64元；其他属性参数支付意愿相关性一致，但支付费用有显著差异。离站旅客换乘支付意愿结果对比如表4所示。

表4 离站旅客换乘支付意愿结果对比Tab.4 Comparison between off-station passengers’ willingness to pay for transfer

4 结束语

高速铁路旅客具有较为明显的离站换乘特征，在出行影响因素中引入行李负载程度、同行照料等属性，分水平体现在换乘选择肢，所得换乘偏好分析结果更为详实。在高速铁路旅客离站换乘行为分析中，区分了旅客离站是否具备可支配私家车辆的条件，该分类情况属首次应用，从而进一步实现离站旅客类型细分。对两类旅客换乘偏好独立建模分析并计算支付意愿，发现两者的偏好特点存在较大差异，对同种换乘方式存在不同的支付倾向，独立分析支付意愿可为市场运行方案及定价提供更细致的参照。