公交出行比例與公交配置協(xié)同研究畢業(yè)論文

1、 . 河 北 工 業(yè) 大 學(xué)畢 業(yè) 論 文作 者： 雪瑋 學(xué) 號：111348 學(xué) 院：土木工程學(xué)院系(專業(yè))： 交通工程 題 目： 公交出行比例與公交配置協(xié)同研究 指導(dǎo)者： 洪軍 教授 評閱者： 2015 年 6 月 12 日43 / 48公交出行比例與公交配置協(xié)同研究摘要：為了提高公共交通的出行比例，本文根據(jù)居民出行現(xiàn)狀，基于SP&RP聯(lián)合數(shù)據(jù)，建立了市居民出行方式選擇MNL模型。通過對原有數(shù)據(jù)結(jié)構(gòu)進行改進，引入了多個特性變量，建立了更加精確的出行方式效用函數(shù)。運用MATLAB與SPSS軟件進行多元統(tǒng)計回歸與模型擬合度檢驗，證實了模型的精確性。在求出效用函數(shù)的基礎(chǔ)上，進一步求出各出

2、行者對四種交通方式的選擇概率，并進行集計，得到各交通方式的分擔(dān)率。最后對影響交通方式分擔(dān)率的因素進行彈性分析。研究結(jié)果表明，費用、出行時間、舒適度對公共交通出行比例影響較為敏感，為相關(guān)決策者進行交通配置提供理論依據(jù)。關(guān)鍵詞： 公共交通 MNL模型 效用理論 多元線性回歸 彈性分析The Collaborative Research for Public Transportation Proportion and ConfigurationAbstract：In order to improve the proportion of the public transportation in the

3、 city，the MNL model was established to analyze the residents travel mode choice by using RP&SP data，according to the situation of residents trip in Tianjin . And with more features variables, the utility function will be more accurate . Also ,the original data structure was changed , so that we

4、can use MATLAB and SPSS to get the parameters, and confirm the accuracy of model. On the basis of the utility function, the selection probability of the four kinds of traffic modes is further derived, and the share rate of each traffic mode is obtained. Finally, the factors that affect the traffic m

5、ode share rate were analyzed.The result indicates that the cost，the trip time and the comfort influence the proportion obviously,which can provide the theoretical basis for the transportation department to formulate the traffic policy.Keywords： public transportation MNL model utility function multip

6、le linear regression Elastic analysis目 錄1 緒論11.1 研究背景與意義11.2 國外研究現(xiàn)狀11.3 研究容與路線31.4 論文結(jié)構(gòu)42 非集計模型的理論基礎(chǔ)52.1 集計模型與非集計模型52.2 效用函數(shù)理論72.3 MNL模型的建立92.4 傳統(tǒng)參數(shù)標定方法133 數(shù)據(jù)調(diào)查方法與問卷設(shè)計153.1 RP調(diào)查&SP調(diào)查153.2 調(diào)查設(shè)計方法與原則193.3 調(diào)查方案說明與數(shù)據(jù)整理示例224 參數(shù)標定與彈性分析234.1 出行方式選擇概率-特性變量關(guān)系參數(shù)標定234.2 交通方式分擔(dān)率的集計求解334.3 交通方式分擔(dān)率影響因素彈性分析345

7、 總結(jié)與展望395.1 論文總結(jié)395.2 不足與展望40參 考 文 獻41致 43附表1441 緒論1.1 研究背景與意義 隨著中國經(jīng)濟的快速發(fā)展，社會對交通要求的提高，人們出行方式呈現(xiàn)多樣化，更加追求方便快捷的交通出行。由此導(dǎo)致了汽車保有量高速增長、道路資源利用率降低、出行成本增加、交通擁堵、交通污染等一系列嚴重問題。同時我國城市土地資源緊，無法通過新建道路來滿足日益增長的交通需求。大力發(fā)展公共交通是目前能夠緩解交通問題的有效方法，公共交通具有高效、環(huán)保、運量大等特點，符合我國目前的交通現(xiàn)狀需求。為制定出符合居民需求的交通政策，我們需要對居民出行方式進行調(diào)查，獲得居民出行對各交通方式的選擇

8、意向，獲得基礎(chǔ)數(shù)據(jù)，為交通預(yù)測提供支持。通過對代表樣本的個人特征、出行特征等變量進行處理，建立居民出行交通方式選擇模型，獲得居民出行的重要影響因素，分析其潛在關(guān)系。在此模型基礎(chǔ)上，我們可以對可調(diào)控因素進行進一步分析，為交通規(guī)劃或交通政策控制提出調(diào)控方向，增加居民公共交通出行的比例，緩解目前國普遍存在的交通問題。1.2 國外研究現(xiàn)狀1.2.1 國外研究現(xiàn)狀非集計模型的研究與應(yīng)用在國外已經(jīng)經(jīng)歷了長時間的發(fā)展，尤其是在交通方面的應(yīng)用，時至今日，仍然是學(xué)者們研究的熱門領(lǐng)域之一。1972年，McFadden與Train運用Logit模型對舊金山海灣地區(qū)的快速公交系統(tǒng)進行客流需求量預(yù)測，這是Logit模型

9、在交通領(lǐng)域的最早的成功運用，同時也為交通需求預(yù)測提出新的解決思路。通常情況下，Logit模型在需求預(yù)測或者政策評價研究中會與SP調(diào)查相結(jié)合。英國最早將SP調(diào)查應(yīng)用于交通問題研究，其后美國、澳大利亞等也相繼將其運用到交通研究中。隨著研究的深入，一些研究者開始注意SP問卷實驗設(shè)計方法對于模型結(jié)果的影響。Train與Wilson1指出對于SP調(diào)查，在問卷設(shè)計過程中設(shè)定的屬性與其水平值應(yīng)該基于RP現(xiàn)狀數(shù)據(jù)的基礎(chǔ)上，這樣才能保證SP調(diào)查數(shù)據(jù)的可靠性，數(shù)據(jù)準確才能保證最后預(yù)測結(jié)果的精度。Stephan Krygsman2(2007)等應(yīng)用改進的MNL模型對交通方式選擇與出行活動選擇之間的相互關(guān)系進行了研究

10、，結(jié)果顯示對于不同出行目的的出行對交通方式選擇的影響很大，出行目的也應(yīng)作為交通方式選擇模型中的重要特性變量。Laura、Mazzulla3利用SP調(diào)查方法來評價公交服務(wù)水平，通過建立MNL模型分析影響出行者對交通服務(wù)水平滿意度的重要因素，并根據(jù)模型計算公交服務(wù)質(zhì)量指數(shù)。Logit模型在國外的應(yīng)用發(fā)展已經(jīng)經(jīng)歷了漫長的時間，并經(jīng)過不斷改進而越來越完善。1.2.2 國研究現(xiàn)狀近年來，隨著國交通事業(yè)的蓬勃發(fā)展，國很多學(xué)者對數(shù)據(jù)調(diào)查方法和建立非集計模型的類型進行了很多研究，首先要得到能夠反映居民日常出行行為的特征的調(diào)查數(shù)據(jù)，建立出能夠正確預(yù)測居民對各種交通方式的選擇概率的模型，從而進一步得到影響居民出行

11、的關(guān)鍵影響因素。2006年，炳恩、雋志才4等結(jié)合非集計離散選擇模型的基本理論與建模方法,在2003年居民出行調(diào)查數(shù)據(jù)基礎(chǔ)上,建立了居民出行方式選擇MNL模型。在模型中選擇了包括公交、私家車、自行車等5種居民常用的出行方式，分析影響居民出行方式選擇的因素，確定了影響居民出行方式選擇的特性變量與其對應(yīng)的取值方法。并應(yīng)用Matlab優(yōu)化工具箱中的無約束最優(yōu)化函數(shù)模塊對所建的MNL模型中的未知參數(shù)進行了標定,較高的命中率表明了模型的精確性。文章得出結(jié)論：非集計模型的建模方法能夠更加全面的考慮居民出行方式選擇的各項影響因素,尤其是出行者的個人特征變量,提升了模型的預(yù)測準確度和實際可操作性。 2007年，

12、軍、朱順應(yīng)5等以長株潭城際軌道交通方式劃分為例,對數(shù)據(jù)的調(diào)查方法進行了詳細的介紹,利用正交設(shè)計法對SP調(diào)查表格進行了設(shè)計，分別建立基于RP和SP數(shù)據(jù)的Logit模型,通過引入SP比例參數(shù)克服模型中的隨機項存在的差異性,構(gòu)造出RP&SP聯(lián)合數(shù)據(jù)模型,并分別利用3種模型對未來的交通方式分擔(dān)率進行了預(yù)測,并對預(yù)測得到的結(jié)果進行了對比分析。文章得出結(jié)論：RP&SP聯(lián)合數(shù)據(jù)的logit模型能夠克服單獨使用其中一種數(shù)據(jù)時產(chǎn)生的誤差，得到更加準確的交通方式分擔(dān)率的預(yù)測結(jié)果。2011年，淑朋6利用SP和RP結(jié)合的調(diào)查問卷數(shù)據(jù)，采用多階段抽樣方法，建立了基于Neted logit模型的通勤者交通

13、分擔(dān)模型，分析了地鐵一號線對城市通勤者出行行為所產(chǎn)生的影響，并對票價等因素進行了敏感性分析，為地鐵線路的運營提供了政策參考。2011年，貝7在居民出行行為分析中引入?yún)f(xié)同學(xué)與自組織原理，采用正交設(shè)計方法，獲得SP與RP聯(lián)合數(shù)據(jù)，建立居民出行MNL模型，以社會效益最大化為目標函數(shù)，求解出市居民最佳出行比例，并為公交優(yōu)先政策提供了參考建議與理論依據(jù)。2011年，俊勵、馬云龍8等基于市第三次居民出行調(diào)查數(shù)據(jù)，建立了基于時間的交通方式選擇巢式Logit模型，定量分析了出行者的個人屬性特征對其選擇公交出行的影響,為制定公交優(yōu)先政策提供了理論依據(jù)。2013年，林9改進了成渝通道新開高鐵的背景下出行者的SP數(shù)

14、據(jù)，建立了MNL和NL模型，并分別用SPSS和NLOGIT軟件進行參數(shù)標定，分析其實驗結(jié)果產(chǎn)生的差異，通過結(jié)果驗證了NL模型比MNL模型更加精確，并得出了影響出行者出行行為的關(guān)鍵因素。除此之外，Logit模型還被廣泛應(yīng)用于路線選擇、停車選擇甚至交通領(lǐng)域以外的其他領(lǐng)域之中。1.3 研究容與路線1.3.1 研究容以效用理論為基礎(chǔ)，非集計模型現(xiàn)已廣泛地被運用到了交通領(lǐng)域當(dāng)中，被稱為交通行為分析的工具。本文在SP&RP聯(lián)合數(shù)據(jù)的基礎(chǔ)上，通過無作為抽樣得到與市居民出行有關(guān)的居民個人變量、影響居民選擇交通方式概率的各種交通方式選擇方案的特性變量，利用非集計模型的相關(guān)理論知識建立居民出行方式選擇的M

15、NL模型。由于傳統(tǒng)估計方法，特性變量的數(shù)量個數(shù)受限制，本文擬研究舒適度、是否用APP等11個影響因素對交通出行方式的影響，考慮到參數(shù)估計過程中的實際操作難度，以后章節(jié)會對MNL模型新的參數(shù)標定方法進行詳細介紹。由非集計模型特性可知個人出行選擇概率Pin與出行方式效用值Vin的關(guān)系，且效用理論中的效用函數(shù)Vin與出行方式特征變量Xink存在線性關(guān)系，因此，筆者采用將調(diào)查問卷所得數(shù)據(jù)進行匯總統(tǒng)計的方法，參照已有研究成果，對各種出行方式選擇優(yōu)先度區(qū)間居民出行方式選擇概率提出分布假設(shè)并進行檢驗，進而結(jié)合研究出的分布特征與多元線性回歸的方法對效用-特征變量關(guān)系模型進行求解，最終求得居民出行方式選擇概率-

16、出行方式特征變量關(guān)系模型。研究中引入多個影響變量，使模型更加接近現(xiàn)實情況。最后，對所研究的居民出行方式的特征變量進行彈性分析，并進行調(diào)控，為提高公共交通出行比例提出建議，為制定交通政策提供理論依據(jù)。1.3.2 技術(shù)路線圖1.1 論文技術(shù)路線圖1.4 論文結(jié)構(gòu) 第一章，緒論。第一章中主要闡述了該論文的研究背景和研究意義，介紹了國外對非集計模型研究現(xiàn)狀，并介紹本文的框架結(jié)構(gòu)與技術(shù)路線。第二章，模型的理論介紹。此章主要介紹集計模型的特點、非集計模型的理論基礎(chǔ)與應(yīng)用，確定效用函數(shù)形式后，建立了MNL模型模型，并介紹了MNL模型的傳統(tǒng)參數(shù)估計方法。第三章，SP與RP調(diào)查介紹，問卷設(shè)計、抽樣方法與樣本量。

17、該章詳細介紹調(diào)查問卷的設(shè)計步驟與相關(guān)原則，詳述如何設(shè)計居民出行行為RP&SP調(diào)查問卷的設(shè)計。最后對抽樣方法與樣本量的確定做了闡述。 第四章，數(shù)據(jù)分析，參數(shù)估計與彈性分析。此章對問卷所采集的數(shù)據(jù)進行樣本分析。根據(jù)非集計模型理論與效用理論對數(shù)據(jù)進行分析，回歸出效用函數(shù)的各項參數(shù)，最后得出MNL模型的的表達式。在MNL模型的基礎(chǔ)上對特征變量進行彈性分析，提出提高公共交通出行比例的措施。第五章，結(jié)論與展望。本章說明了建模數(shù)據(jù)處理時運用的新思路和得到的結(jié)論，并指出文章的待改進之處。2 非集計模型的理論基礎(chǔ)2.1 集計模型與非集計模型在進行交通規(guī)劃或交通需求量預(yù)測時，把需要調(diào)查的群體人為的劃分為若

18、干個小區(qū)，然后以小區(qū)為單位進行數(shù)據(jù)收集和分析，然后把每一單位的數(shù)據(jù)進行集計處理，形成放大的樣本或建立模型。通過上述集計處理得到的數(shù)據(jù)稱為集計數(shù)據(jù)，而用集計數(shù)據(jù)所建立的模型稱為集計模型。以集計模型為基礎(chǔ)最為廣泛應(yīng)用的方法就是四階段法，在其原理基礎(chǔ)上開發(fā)的應(yīng)用軟件也被應(yīng)用到交通規(guī)劃和交通需求預(yù)測的問題上。然而，隨著理論的發(fā)展成熟，集計模型本身的缺陷越來越多的表現(xiàn)出來。首先，四階段法在預(yù)測時假設(shè)交通方式保持不變，而這一假設(shè)明顯與現(xiàn)實不符。另外，模型中并不包括能夠反映交通服務(wù)水平的變量，變量結(jié)構(gòu)不協(xié)調(diào)，模型不能貼近實際情況。建立集計模型需要大量的基礎(chǔ)數(shù)據(jù)，對于數(shù)據(jù)收集和處理均需要花費大量的時間和成本，

19、即便如此，在數(shù)據(jù)進行集計處理時，仍然會丟失一些對模型有重要影響的因素。另外整個周期較長，后期能夠提出的方案也很少。以小區(qū)為單位進行需求預(yù)測或規(guī)劃時，人為去劃分小區(qū)會影響結(jié)果的客觀性。最后，隨著經(jīng)濟發(fā)展，交通需求與供給嚴重不匹配，如何高效利用既有的交通設(shè)施成為新的問題，四階段法無法明確的給出解決問題的辦法來滿足多樣化的規(guī)劃目的?；谏鲜鎏岬降募嬆Ｐ痛嬖诘娜毕荩藗儑L試用新的理論來代替集計模型，而能夠克服這些問題的就是目前被學(xué)者廣泛研究的非集計模型。在交通規(guī)劃或交通需求預(yù)測時，直接以出行個人為研究單位建立樣本，不經(jīng)過集計數(shù)據(jù)處理得到的便是非集計數(shù)據(jù)，運用此類數(shù)據(jù)建立的模型被稱為非集計模型。通常，

20、非集計模型所研究的對象是離散量，所以又稱為離散選擇模型。非集計模型具有的優(yōu)點十分明顯：（1）效率高、成本低：非集計模型建模時可以直接使用個人數(shù)據(jù)，數(shù)據(jù)利用率高，而且不會出現(xiàn)因數(shù)據(jù)的集計問題而造成數(shù)據(jù)丟失的現(xiàn)象。另外，建立模型所需樣本量大大減少，降低了調(diào)查成本。（2）建模方便、操作簡單（3）變量數(shù)量可增加：非集計模型可以用較少的數(shù)據(jù)包含各種有用的特性變量。當(dāng)考慮到個人的社會經(jīng)濟屬性時，可以用來分析政策對不同集團的影響評價。（4）可移植性：集計模型由于社會經(jīng)濟因素而受到限制。相比而言，根據(jù)個人選擇行為建立起來的非集計模型，在社會經(jīng)濟屬性一樣的前提下，模型具有可移植性，從很大程度上解決了建模所需的成

21、本問題。現(xiàn)存的非集計模型模型從模型結(jié)果的角度可分為：決定論型和概率型。（1）非集計決定論型：代表模型有數(shù)理化理論II類模型、判別分析等。（2）非集計概率論型：典型代表有probit模型和logit模型。這兩個模型都是根據(jù)經(jīng)濟學(xué)原理，假設(shè)個人在可能的選擇方案中選擇對其而言效用最大的方案。logit模型假設(shè)效用函數(shù)的概率服從二重指數(shù)分布，而probit模型假設(shè)效用函數(shù)服從正態(tài)分布10。同時，非集計概率論模型在實踐中更加具有優(yōu)越性。由于多種因素共同影響著出行者的交通行為，具有非常多的不確定性。出行者的特性、出行者認知的信息與其對交通行為的影響無法在決定論模型中得到體現(xiàn)。另外，決定論模型構(gòu)造選擇函數(shù)時

22、，無法考慮到所有可能影響交通選擇行為的特性變量，不能準確描述實際選擇現(xiàn)象。當(dāng)試圖包含所有變量時，函數(shù)又將十分復(fù)雜而失去其實用性。而在上述兩種概率模型中，Logit模型因其結(jié)構(gòu)簡單，操作方便，相對便于計算因而研究應(yīng)用最為廣泛。當(dāng)出行者的選擇方案只有兩項時，稱為BL(Binary Logit)模型。當(dāng)出行者的選擇方案集合有三個或三個以上時，稱為MNL（Multinomial Logit）模型。當(dāng)選擇方案集合中部分選擇方案具有較大相似性時，可以將相似性較大的方案放入一個巢，根據(jù)其類似性形成多個水平，稱為NL（Nested Logit）巢式模型或分層模型。另外根據(jù)實際問題的情況，還有Mixed log

23、it模型等其它類型的模型。2.2 效用函數(shù)理論非集計模型的理論基礎(chǔ)基礎(chǔ)是消費者在選擇時追求“效用”最大化這一假說。在進行交通方式選擇時，出行者與消費者具有同樣的特點，所以將效用理論運用于交通問題的分析之中。非集計模型的基本前提假設(shè)有以下2個：（1）出行者是做出交通行為抉擇的最小單位；（2）根據(jù)效用理論，出行者在某一選擇狀態(tài)下，會選擇其認知圍對其自身效用最大的交通方式。并且，對于不同的選擇方案，其效用也會由于其所包含的特性變量的不同而有所不同。具體來說，就是某種交通方式的出行成本、出行時間、舒適度等選擇方案的相關(guān)特性，出行者的年齡、職業(yè)、收入等出行者自身特性，以與出行目的等其他與交通行為有關(guān)的特

24、性都會對影響出行者選擇某種交通方式的效用值11。假設(shè)某出行者n的選擇集合為，選擇其中的方案j的效用為，則該出行者n從中選擇方案i的條件為：隨機效用理論同時認為效用函數(shù)是一個隨機變量。隨機效用理論通常將效用函數(shù)分為固定項部分和隨機變化部分（概率項）兩大部分，并假設(shè)兩者之間呈線性關(guān)系。因此，如果假設(shè)出行者n選擇方案i的效用為 ,則可以表示為：式中：出行者n選擇方案i的效用函數(shù)中的固定項；出行者n選擇方案i的效用函數(shù)中的概率項；根據(jù)效用最大化理論，出行者m選擇方案i的概率的概率可以寫成下面的形式： 其中：上述函數(shù)具有以下性質(zhì)：（1） 在效用函數(shù)中增加常數(shù)項，選擇概率不變。即：（2） 效用函數(shù)擴大倍，

25、選擇概率不變。即： 由上述性質(zhì)可知：不論概率項的平均值取什么樣的常數(shù)（通常設(shè)為0）都不會影響選擇的概率；當(dāng)概率項被放大倍，則固定項以與其中包含的參數(shù)也被放大一樣倍。 由于從選擇方案集合Am中選擇方案i的條件為： 也可以表示為： 這種表示方法可以被看成是將選擇方案集合An中的方案i以外的所有方案j看作一個合成的選擇方案，其效用函數(shù)為所有j中效用最大者。如果，Uin超過了這個和合成方案的效用方案i將被選擇。即， 上述公式是導(dǎo)出多項Logit模型即Probit模型的基礎(chǔ)12。 由于出行者在出行前不一定能得到所有信息，而且時間不同、目的不同出行者對這些信息的理解也是不同的。因此，最后選則的行為方式也不

26、一樣。通常情況下，出行者的行為可能由于某些未觀測到的特殊情況而顯示的并不符合常理。所以在確定效用函數(shù)時，有很多因素是難以確定的如社會經(jīng)濟屬性或潛在的一些個人屬性。因此，存在隨即概率項，而使模型在表達簡便的基礎(chǔ)上，仍能保持較高的精度。2.3 MNL模型的建立2.3.1 建立全體選擇方案集合 MNL模型的形式如下： 式中：出行者n的選擇方案i的概率；出行者n的選擇方案i的效用函數(shù)的固定項；出行者n的選擇方案集合。在MNL模型中，出行者的選擇方案可以大于3個，并且，每個出行者的選擇方案集合可以不一樣。例如：出行者1的選擇方案的集合可能是公交和小汽車。而對于出行者2來說可能可以乘坐地鐵。即出行者1、2

27、的選擇方案的定義如下：由于MNL模型的每個個體選擇方案的集合可能不同，這就需要考慮樣本總體中的所有可能的選擇方案。出行者n的選擇方案集合An的并集A的定義如下：結(jié)合市居民現(xiàn)狀出行情況，以與現(xiàn)有的主要交通方式，定義全體選擇方案的集合為122.3.2 確定效用函數(shù)形式 效用函數(shù)中可以包含有多個同種性質(zhì)的變量，也可以包含多種不同性質(zhì)的變量。其中較為重要的變量是那些能夠描述選擇方案i特性的變量和出行者n特性的變量，這些變量統(tǒng)統(tǒng)成為“特性變量”。前者通常包括利用交通方式i所需的時間、費用等；而后者則包括出行者家庭的成員的構(gòu)成、職業(yè)、收入等。在這里，假設(shè)下述各個符號的意義如下：出行者n的第i個選擇方案中所

28、包含的第k個特性變量；K:特性變量的個數(shù)；：第k個變量所對應(yīng)的未知參數(shù)；通常，為向量和的函數(shù)，即。關(guān)于與的函數(shù)關(guān)系有以下幾種形式。通常人們認為二者之間呈線性關(guān)系，形式如下式：另外，有時也假設(shè)他們之間呈對數(shù)線性關(guān)系，對數(shù)線性又被稱為考勃.道格拉斯，也是常用函數(shù)之一。另一種常用函數(shù)形式為CES形式。函數(shù)形式如下，由于為待定參數(shù)，下式可以表示任意一種函數(shù)形式，具有普遍性。通常情況下，由于線形效用函數(shù)結(jié)構(gòu)較為簡單，方便操作和計算，被較為普遍應(yīng)用。2.3.3 選擇特性變量特性變量至少可以分為選擇方案的特性變量和出行者的特性變量兩大類。而前者又是由選擇方案的固有啞元、選擇方案的固有變量以與選擇方案的公共變

29、量3個部分組成。通過模型的函數(shù)關(guān)系式可以看出，某種選擇方案的選擇概率與其效用值本身的大小無關(guān)，而與各選擇方案的效用值之差有關(guān)，所以在選擇效用值時，要選擇那些對效用值產(chǎn)生差異的變量。也就是說，特性變量應(yīng)該是影響效用差的。選擇特性變量時應(yīng)當(dāng)遵守以下原則：（1） 變量能夠體現(xiàn)選擇方案的特征；（2） 變量應(yīng)該盡量包含可調(diào)節(jié)的政策變量；（3） 變量之間應(yīng)當(dāng)相互獨立。MNL模型同時具有以下特點：（1）選擇方案固有啞元變量的個數(shù)等于A中包含的選擇方案格式減一，即為（J-1）個。（2）當(dāng)公交、地鐵不包括如小汽車的燃料費之類的變量時可以省略。（3）車票費稱為是部分共同變量。這是因為車票費對于公交和地鐵來說是共同

30、變量，與小汽車、電動車相比相對固定。根據(jù)市現(xiàn)有交通方式與交通設(shè)施，結(jié)合市居民出行現(xiàn)狀，建立如下MNL模型：選擇方案選擇方案特性出行者特性變量固有啞元固有變量部分共同變量完全共同變量Xin1Xin2Xin3燃料費Xin4車票費Xin5上車步行時間Xin6下車步行時間Xin7候車時間Xin8換乘次數(shù)Xin9所需時間Xin10舒適度Xin11收入Xin12是否擁有私家車Xin13是否用APP查詢Xin14公交V1n1000X1n5X1n6X1n7X1n8X1n9X1n10X1n1100X1n14地鐵V2n0100X2n5X2n6X2n7X2n80X2n10X2n1100X2n14小汽車V3n001X

31、3n400000X3n10X3n11X3n12X3n130電動車V4n000000000X4n10X4n11000未知參數(shù) 表2.1 MNL模型數(shù)據(jù)結(jié)構(gòu)表表中對應(yīng)的效用函數(shù)表示如下：選擇概率表達式為：式中：Pin-出行者n選擇方案i的概率； Vin-出行者n選擇方案i的效用函數(shù)的固定項； An-出行者n的選擇方案集合。2.4 傳統(tǒng)參數(shù)標定方法 在傳統(tǒng)非集計模型參數(shù)標定過程中，常常采用以下數(shù)據(jù)結(jié)構(gòu)形式，僅以出行者n為例有兩種選擇方案的情況簡單進行說明12：出行者選擇方案選擇結(jié)果固有啞元燃料費時間票費收入年齡n公交000351280024小汽車113.51501. 確定似然函數(shù)：2. 確定梯度向量

32、和荷賽矩陣,即：3.用NR法進行值的估計：步驟一：設(shè)的初始值為0,對于多維方程，設(shè)。設(shè)反復(fù)計算次數(shù)的值m為0.并且賦予以較小的正數(shù)，用于檢驗參數(shù)的估計精度。步驟二：求出時,并將點作為A(0) 。步驟三：按如下公式求出點A(0)處的切線方程式。步驟四：求出上述切線方程式與軸的交點步驟五：檢驗下式是否成立，成立則計算停止，否則返回步驟三繼續(xù)迭代。4. 計算協(xié)方差行列式：5. 計算t值與t檢驗:其中，為第k個變量所對應(yīng)的參數(shù)的估計值，為總體協(xié)方差矩陣的第k個對角元素。從上述計算原理步驟能夠看出，當(dāng)特性變量數(shù)量增加時，荷賽矩陣的階數(shù)急劇增加，從而花費更長的計算時間。而且，仍然采用上述方法時，無法保證對

33、數(shù)似然函數(shù)的凸性，即可能存在多個滿足的解，必須求出其中的最大值13。在極大似然函數(shù)的凸性無法保證時，需要隨機給出0以外的多組數(shù)值，反復(fù)試算。當(dāng)然，人們依據(jù)此計算原理，也開發(fā)運用了許多軟件來進行參數(shù)的標定，然而當(dāng)特性變量數(shù)量增加時，計算會變得很復(fù)雜，即軟件計算在某種情況下也可能無法做出正確判斷，所以本文對數(shù)據(jù)結(jié)構(gòu)稍作調(diào)整，依托現(xiàn)有模型數(shù)據(jù)，進行參數(shù)標定方法的改進，使標定過程更加簡潔化，易于操作，具體方法將會在下一章節(jié)進行詳細描述。3 數(shù)據(jù)調(diào)查方法與問卷設(shè)計3.1 RP調(diào)查&SP調(diào)查3.1.1 RP調(diào)查的方法與容居民出行行為調(diào)查又稱RP調(diào)查,是指對某些已經(jīng)實施的政策措施或現(xiàn)有的設(shè)施方案進行

34、相關(guān)調(diào)查，被調(diào)查者填寫問卷時均是已經(jīng)發(fā)生過的選擇行為，反映了過去的真實情況14。該方法作為傳統(tǒng)調(diào)查方法應(yīng)用廣泛，其基本目標是通過了解城市居民出行現(xiàn)狀，分析居民出行特征，預(yù)測未來的交通需求。RP調(diào)查法可信度很高，所得數(shù)據(jù)均是已經(jīng)發(fā)生過的，基于這些數(shù)據(jù)建立出出行者交通方式選擇模型，也可以通過這些實際數(shù)據(jù)標定出未知參數(shù)。但同時RP數(shù)據(jù)也存在很多問題，為模型建立的精確度帶來影響。首先，調(diào)查中選擇的某些變量是相關(guān)的（如行程時間和出行費用），而且這些變量間的相互作用關(guān)系不能由觀測直接得到。其次，變量的數(shù)量與選擇圍不全面?？捎^測到的對于居民出行行為有影響的因素是有限的，其中的部分因素也無法表現(xiàn)出來。另外，R

35、P數(shù)據(jù)不能觀測到現(xiàn)實不存在卻需要獲得數(shù)據(jù)的某種交通方式、交通特性與出行者的選擇趨向13。2.RP調(diào)查的容即調(diào)查的容主要包含以下幾個方面:(1)家庭特征信息主要包括出行者的家庭地址、家庭人口數(shù)，私家車保有量，家庭平均收入、家庭周邊交通設(shè)施概況等信息。(2)個人特征信息主要包括出行者的性別、收入、等會影響交通方式選擇的私人信息。(3)出行特征信息主要包括出行目的、出行方式、出行OD、出行時段、換乘次數(shù)、換乘車站、等待時間等其他相關(guān)的出行信息。除上述常見的調(diào)查容外，還可以結(jié)合研究的具體目的與數(shù)據(jù)需要，調(diào)查出行者或其家庭的家庭購車意愿、對共交服務(wù)評價、節(jié)假日出行情況等其他相關(guān)信息。3.常用RP方法實際

36、調(diào)查中常用到的RP調(diào)查方法主要有:(l)家訪調(diào)查調(diào)查員對調(diào)查區(qū)域的住戶進行抽樣家訪。該方法容可靠，表格回收率高。同時可以通過詢問了解表格以外的其他信息。但工作量大，時間長，調(diào)查員的個人表述容易影響結(jié)果的準確性。(2) 發(fā)放表調(diào)查 將調(diào)查表格發(fā)給機動車駕駛員，由車輛管理系統(tǒng)落實到個人，駕駛員填寫后收回。(3)公交站點調(diào)查為了解公交客流分布，可以派人去車上或站上進行詢問調(diào)查，了解乘客起訖點與中轉(zhuǎn)情況。主要容有：乘車路線、起點站、終點站、是否換乘等信息。但此種方法所需抽樣率較高。(4)購月票填卡調(diào)查持月票者是城市客運的穩(wěn)定客流。利用月票換卡和購買之前，發(fā)表給購票者填寫一些個人信息與其經(jīng)常選擇的線路或

37、交通方式的相關(guān)信息；(5)路邊詢問調(diào)查在主要道路或城市出入口設(shè)調(diào)查站，詢問車輛的出行起訖點以與其他出行信息。路邊詢問一般要讓駕駛員停車，因時間有限，同時要求詢問時簡單明了、描述準確，避免引起駕駛員反感，避免交通擁堵注意交通安全。(6)明信片調(diào)查法調(diào)查員把印有調(diào)查的明問題信片寄送或分發(fā)給居民，并采用免費寄回的方法提高回收率。該方法簡單易操作，但調(diào)查得到的數(shù)據(jù)有限，調(diào)查不全面，具有一定局限性。適用于對出行者出行行為的某一方面進行重點調(diào)查，或者作為補充調(diào)查的方法。(7) 工作出行調(diào)查對調(diào)查區(qū)的職工抽樣進行居住地和工作地的調(diào)查，部分資料可由公司直接獲得，減少工作量。工作出行作為城市客運的基本主體，適用

38、于公共交通規(guī)劃。3.1.2 SP調(diào)查的數(shù)據(jù)特點居民出行意向調(diào)查也稱SP調(diào)查法，是指在某一假定的選擇狀態(tài)下，獲得人們對多個備選方案所顯現(xiàn)出來的主觀喜好而進行的實際調(diào)查。假如，有時需要了解被調(diào)查者在未來提供了某種交通服務(wù)或新建某種交通設(shè)施時，將會如何選擇等。SP調(diào)查的最大特點就是調(diào)查的容是還沒有發(fā)生的事15。SP調(diào)查最先起源于經(jīng)濟學(xué)領(lǐng)域，但是近年來己成為探究居民出行行為選擇的重要方法之一，也用于停車場選擇、路線選擇等其他方面。通過調(diào)查得到的出行者的偏好數(shù)據(jù)，可以為交通運輸部門制定新的交通政策或增加新的交通基礎(chǔ)設(shè)施提供依據(jù)。SP方法具有成本低、效率高等優(yōu)點，調(diào)查的特性變量的屬性水平可以在SP調(diào)查中，

39、根據(jù)實際問題和專業(yè)經(jīng)驗確定需要調(diào)查的屬性(即選擇變量)，并根據(jù)實際情況設(shè)定各屬性的多種可能取值(即變量的不同水平值)。選擇變量與其水平可以由調(diào)查者人為設(shè)定。對于各種情境，讓被調(diào)查者根據(jù)自身情況結(jié)合各種情境下進行判斷選擇，選擇出有偏好的備選方案。調(diào)查人員通過這種方法，就可以掌握各變量對出行者的出行選擇行為產(chǎn)生的影響。另外，由于可以調(diào)查一樣條件下的不同被調(diào)查者的反應(yīng)，因而可以研究由于個人屬性不同而產(chǎn)生的選擇結(jié)果的差異，計算在每個選擇條件下特定的選擇方案的選擇問題并由此進行集計。SP調(diào)查可以根據(jù)具體情況提出較多的選擇變量，變量中既可以有將要實施的新政策措施，也可以包含新生事物，如各種打車軟件、公交報

40、時軟件等等。當(dāng)變量數(shù)量較多且每個變量具有多屬性水平時，可以利用數(shù)學(xué)正交設(shè)計的方法，設(shè)置多個情境，便于被調(diào)查者做出選擇，也方便后期數(shù)據(jù)整理16。SP調(diào)查的優(yōu)點有時恰恰成為缺點。首先，如果調(diào)查時考慮的影響因素太多，調(diào)查表的容將會增加，這不僅會增加調(diào)查工作的難度，而且會的導(dǎo)致被調(diào)查者無法回答或出現(xiàn)拒絕合作的現(xiàn)象。因此，調(diào)查時需要適當(dāng)?shù)脑O(shè)定影響因素，以減少各因素的組合數(shù)量，同時也就意味著無法將所有現(xiàn)實情況下的選擇條件都表現(xiàn)出來。其次，由于受訪者的回答容易被限定在一定圍，被調(diào)查者有時是在非現(xiàn)實、非體驗的條件下做出的選擇，更多的認為“應(yīng)該”如何選擇，從而放寬判斷的標準。因此，有可能發(fā)生SP數(shù)據(jù)與實際選擇行

41、為之間偏離的現(xiàn)象。換句話說，被調(diào)查者本該是通過被提示的的選擇條件以外的某些因素進行判斷選擇，但這時卻變成了通過被提示的因素進行判斷，從而改變了這些因素的影響程度，使得調(diào)查到的選擇過程與實際的選擇過程相背離。此外由于調(diào)查限定了影響因素，因此常常無法對提示以外的因素進行分析。 SP調(diào)查中要求被調(diào)查者選擇方案的回答大致可以分為選擇、排序、打分以與匹配4種。其中，選擇數(shù)據(jù)和排序數(shù)據(jù)是分別向?qū)嶒炚咛崾径鄠€選擇項，要求被調(diào)查者選擇最希望的選項或要求被實驗者將選擇項目排序得到結(jié)果。人們知道，通常排序的可靠性隨著排位的下降而降低，因此在排序調(diào)查中常常不需要對有所提示的選擇項目進行排序，例如，可以要求只列出前三

42、位。在這個意義上，選擇數(shù)據(jù)可以被解釋為僅有1位的排序數(shù)據(jù)，它對被調(diào)查者的負擔(dān)最小，因此可靠性也最高。打分是將選擇意向或未來的利用頻率分為5-7個頂級，用這些尺度來評價選擇項目。通常認為這些紅提問更容易回答，因此可靠性也較高。這種數(shù)據(jù)的可靠性受到被實驗者的能力的限制。因此分析利用數(shù)據(jù)時，應(yīng)當(dāng)注意數(shù)據(jù)的可靠性。匹配數(shù)據(jù)是在成對選擇方案中變化一個特性，要求被實驗者提出另外一個特性變量的樹值，使兩個方案具有一樣的希望選擇程度。這種匹配數(shù)據(jù)多成為TP數(shù)據(jù)。因此，根據(jù)調(diào)查方法的不同，SP數(shù)據(jù)可以分為選擇數(shù)據(jù)、排序數(shù)據(jù)、打分數(shù)據(jù)和匹配數(shù)據(jù)4類，其中打分數(shù)據(jù)和匹配數(shù)據(jù)有時被稱為成對比較數(shù)據(jù)。 SP數(shù)據(jù)的調(diào)查方

43、法有向?qū)嶒炚甙l(fā)送調(diào)查問卷，請他們獨自回答、填寫、返送的方法和面對年對被實驗者進行提問調(diào)查等方法。SP調(diào)查是對假想的選擇方式進行提問，如何使實驗者具有現(xiàn)實感對回答數(shù)據(jù)的可靠性有很大影響。目前，可以通過現(xiàn)代化手段，增加被實驗者對提問容的理解，達到提高調(diào)查精度的目標3.2 調(diào)查設(shè)計方法與原則3.2.1 非集計模型數(shù)據(jù)調(diào)查要求非集計模型需要同時調(diào)查以下3個方面的數(shù)據(jù)：（1） 選擇方案相關(guān)數(shù)據(jù)；即各與選擇方案有關(guān)，反映交通方式特性的數(shù)據(jù)變量，如車票費； （2）選擇主體的屬性與狀態(tài)相關(guān)數(shù)據(jù)； （3）選擇方案的特性相關(guān)數(shù)據(jù)；非集計模型建模的一個特點是不僅需要顯在數(shù)據(jù)，而且需要潛在數(shù)據(jù)。但在建立選擇條件數(shù)據(jù)時

44、，并非意味著全部的數(shù)據(jù)都要通過對被調(diào)查者的詢問調(diào)查來獲得。在調(diào)查時，為了減輕被調(diào)查者的負擔(dān)，將可事后由調(diào)查者做成的數(shù)據(jù)在詢問調(diào)查中省略。詢問調(diào)查得到的數(shù)據(jù)是由被調(diào)查者意識到的變量值，因此實際中即使在一樣條件下，被調(diào)查者的回答也會有一定的分散。被調(diào)查者對于潛在數(shù)據(jù)常常不具備充分的知識。為了避免這種問題的發(fā)生，多由調(diào)查者根據(jù)統(tǒng)一的標準建立數(shù)據(jù)，才能得到較好的結(jié)果。在實際應(yīng)用中調(diào)查項目的圍通常有以下幾種：（1）選擇的結(jié)果、選擇的主體的屬性以與被選擇方案的主要特性；（2）選擇的結(jié)果、選擇主體意識到的替代選擇方案、選擇主體的屬性以與被選擇方案的主要特性；（3）全面調(diào)查；3.2.2 調(diào)查表容設(shè)計說明非集計

45、模型需要同時調(diào)查各選擇方案的條件、選擇結(jié)果，同時還要對多個項目進行詳細調(diào)查。為了防止調(diào)查規(guī)模過大、調(diào)查容過于繁瑣、設(shè)問含混不清、回答結(jié)果可能因人而異與真正需要了解的項目被遺漏等問題，需要精心設(shè)計調(diào)查表。 調(diào)查表的形式因選擇對象、調(diào)查項目的圍以與調(diào)查方式等條件的不同而不同。調(diào)查表設(shè)計的好壞直接影響調(diào)查結(jié)果的精度。在設(shè)計調(diào)查表時我們應(yīng)該知道以下事實：首先，被調(diào)查者對于調(diào)查結(jié)果不負任何責(zé)任，盡管被調(diào)查者給與合作，但是在回答問題時難免有被添麻煩的心情。在調(diào)查問卷中，應(yīng)避免使用專業(yè)術(shù)語，特別是與通常的意義不同的術(shù)語。在設(shè)置問題時，應(yīng)按照思考的基本過程設(shè)置問題的順序，將更容易得到正確的數(shù)據(jù)。在表述方面，應(yīng)

46、當(dāng)使用最簡練的語言，設(shè)計最容易理解的問題，當(dāng)曲解或不理解調(diào)查者的意圖時，被回答的問題也將失去價值。但是這種情況往往難以發(fā)現(xiàn)，特別是對于概念的錯誤表達和需要被調(diào)查者發(fā)揮的回答，同時，盡量減少調(diào)查項目，不要給調(diào)查者造成很麻煩的假象，從而拒絕回答問題。 綜上所述，調(diào)查表應(yīng)當(dāng)在符合思維邏輯的基礎(chǔ)上，語言表達易于理解、簡單明確。通常調(diào)查表由以下幾個部分組成：（1）調(diào)查說明其中包括：向被調(diào)查者的致意、調(diào)查目的與數(shù)據(jù)用途等。這是取得被調(diào)查者信任、爭取合作的最重要的一步。（2） 填寫注意事項其中包括簡要的說明以與填寫例題等。（3） 選擇主體的特性被調(diào)查者自身的特性變量。如年齡、性別等等。（4） 與實際的選擇方

47、案有關(guān)的特性如選擇了哪個方案，該方案的時間、費用等。（5） 與替代方案特性相關(guān)的問題如替代方案的成本、時間等等 進行SP調(diào)查時，通常將選擇方案表述成幾個特性的組合。其次，因數(shù)量增加會使被調(diào)查者難以判斷，特性變量取3-6個較為合適。但是直接利用TP數(shù)據(jù)計算某特性的貨幣價值時，可以僅用2個特性變量。另外，預(yù)先將特性值設(shè)定為若干個水平時，可以根據(jù)實驗規(guī)劃法的思路設(shè)計選擇項，即利用正交設(shè)計法從所有的選擇項中抽取一部分選擇項將有利于大大提高調(diào)查的效率。這時的規(guī)劃方法稱為部分因素配置規(guī)劃。也可根據(jù)實際情況去除不符合實際的選項。為了避免被調(diào)查者引起混亂或疲勞，排序和選擇法中提示的選擇項的數(shù)量以與成對比較的比

48、較對數(shù)量以不超過10個為宜。同時，計算得到的系數(shù)會隨著取值圍的加寬而更加穩(wěn)定，當(dāng)然，應(yīng)該均處于被調(diào)查者可想象可接受的圍之。3.2.3 抽樣方法與樣本量 在建立模型時，我們期望樣本數(shù)據(jù)可以有效的表達出整體的特點，反映整體的特征，這就要求我們的樣本具有代表性。也就是說，當(dāng)抽取樣本時，樣本應(yīng)該是無偏的。當(dāng)把整體看作一個空間上的點集時，所抽出的點應(yīng)該基本均勻分布在整個空間上，覆蓋到所有的區(qū)域。這樣得到的樣本能夠反映總體的構(gòu)成與特點。 通常，無作為的隨機抽樣可以保證樣本的非局部性和非偏性。隨機抽樣滿足以下條件：首先，總體中每一個個體被抽中的概率都是一樣的，當(dāng)某一個體被抽中后，也不會影響其他個體。在具體抽

49、樣時可以采用以下方法： （1）利用現(xiàn)有數(shù)據(jù) 通常，現(xiàn)有數(shù)據(jù)包含居民的戶口記錄，企業(yè)以與薄等。首先，通過簡單隨機抽樣或系統(tǒng)抽樣從這些現(xiàn)有數(shù)據(jù)中選擇調(diào)查對象。這時，需要先考慮好所選的調(diào)查對象是否完全覆蓋了所有的圍。這種方法的動機是使抽樣隨機化。但是，當(dāng)樣本分散在對象區(qū)域的各個角落，并且抽樣率較低時，將會降低調(diào)查效率。另外，抽樣工作需要大量的費用和時間，因此，當(dāng)抽樣率較小時不宜采用此法。 （2）利用住宅地圖 利用住宅地圖，可以將地理條件隨機化或者對于不同的地理條件的特性值進行采樣。常見做法如下：以全體住宅為對象，等間隔抽樣作為調(diào)查的對象；將對象區(qū)域分割成網(wǎng)格校區(qū)，隨機抽取這些網(wǎng)格上的校區(qū)，以小區(qū)的居

50、民為調(diào)查對象（整群抽樣）；在方法中，進一步隨機抽取小區(qū)的住宅；在方法、中根據(jù)到市中心的距離集散條件劃分性質(zhì)，然后從各層抽取樣本。起初，美國的一個例子說明2000-3000的樣本量可以保證非集計模型的精度，但并未給出理論說明。之后有人模擬隨機抽樣，通過抽取不同樣本量的數(shù)據(jù)，將計算結(jié)果與總體進行比較，得到結(jié)論：當(dāng)樣本量取800-1000時，計算所得所有的參數(shù)與總體的差異小于0.1。當(dāng)然，此結(jié)果也會隨著參數(shù)數(shù)量或?qū)傩缘淖兓霈F(xiàn)不同。當(dāng)采用選擇方案抽樣法時，樣本量大約在300-500.還有研究認為樣本量在280-350之間即可17。3.3 調(diào)查方案說明與數(shù)據(jù)整理示例基于市居民的出行現(xiàn)狀，主要出行方式

51、為公交汽車、地鐵、輕軌、小汽車、出租車、電動車等其他方式。在實際情況下，地鐵與輕軌的各種特性幾乎一樣，所以在調(diào)查中把輕軌出行合并到地鐵中進行分析。同時，出租車與私家車也具有同樣的特點，也按照上述方式進行處理。對于其他現(xiàn)有的不作為主要交通方式存在的本文不予討論。綜上所述，本文最終選擇的方案集合為公共汽車、地鐵、小汽車與電動車。此集合在建立模型時進行了簡單介紹。其他需要調(diào)查的屬性變量也在問卷中進行了詳細說明。具體調(diào)查問卷見附表1；基于上節(jié)中說明的抽樣方法與樣本量的要求，我們選定此次調(diào)查的樣本量為100.并利用住宅地圖法進行抽樣調(diào)查，并對結(jié)果問卷進行篩選與數(shù)據(jù)整理。因篇幅要求，以5個調(diào)查者為例進行數(shù)

52、據(jù)說明，如下表3.1所示：表3.1 居民出行調(diào)查結(jié)果數(shù)據(jù)統(tǒng)計ID交通方式選擇排序燃油費車票費上車步行時間下車步行時間候車時間換乘次數(shù)車時間舒適度收入是否擁有私家車APP使用1公交225510015211地鐵1295608311小汽車3674280001電動車43012公交34278170302地鐵23324028202小汽車115354550012電動車3公交12497035313地鐵227105018213小汽車312234300003電動車44514公交333512155214地鐵121022022314小汽車210204350014電動車5公交343127265215地鐵24126405

53、0315小汽車123304800014 參數(shù)標定與彈性分析4.1 出行方式選擇概率-特性變量關(guān)系參數(shù)標定通過對居民的出行情況進行調(diào)查，并對結(jié)果進行整理分析，可以得出居民在某次出行中，對不同交通方式的選擇優(yōu)先度，以與不同交通方式在這條線路上的相關(guān)特性變量信息。根據(jù)已有專家研究成果與數(shù)據(jù)，通過相關(guān)方法將出行方式優(yōu)先程度轉(zhuǎn)化為居民出行方式選擇概率，同時結(jié)合效用理論，可求得多組不同出行方式效用-特性變量數(shù)據(jù)。由上文可知，效用函數(shù)中，因變量，即出行效用Vink，與自變量，即各出行特征變量xi呈線性相關(guān)，因此，可對得出的數(shù)據(jù)進行多元線性回歸，據(jù)此建立效用-特征變量數(shù)值關(guān)系模型。對該效用-特征變量數(shù)值關(guān)系模型進行檢驗，若未通過擬合優(yōu)度檢驗，則說明該模型擬合度較差，不能反映實際函數(shù)關(guān)系，繼續(xù)對模型進行進一步優(yōu)化；若符合擬合度要求，則說明回歸效果明顯，可以采用該數(shù)值模型，進而可以求得個人出行方式選擇概率P與各出行方式特性變量x之間的數(shù)值關(guān)系模型。值得一提的是，利用上述求得的效用函數(shù)表達式可以計算出行者對各交通方式