引入旅客属性变量的区域运输通道客运结构分担率模型及应用研究1.docx

引入旅客属性变量的区域运输通道客运
方式分担率模型及应用
彭辉1. 陕西省自然科学基金资助项目： 运输通道综合运输结构配置模型与方法(SJ08E223)
彭辉(1963年—)，男，陕西扶风人，长安大学教授， Email：penghui1963@
，韩永启1
(1.长安大学公路学院，西安，710064)
摘要：本文分析了区域运输通道供给属性和需求属性的影响因素及与出行选择的关系，提出了综合考虑供给属性和需求属性的运输通道客运方式分担率计算方法。据此建立广义费用函数模型和基于旅客全程出行最优的供给属性定量分析方法，应用聚类法分析不同种类旅客选择交通方式出行的广义费用，改进多维logit概率模型，引入旅客自身属性变量，建立区域运输通道客运方式分担率改进模型。最后应用此模型对未来特征年ZX通道客运结构进行预测分析，进一步验证了此模型的实用性和效果。
关键字：交通工程；结构优化；聚类分析；logit模型；旅客特性; 运输通道
中图分类号：U116.5 文献标识码：A
Study and application of passenger mode distribution ratio model introducting passenger property variables in regional transportation corridor
PENG Hui1 HAN Yong-qi1
(1. School of Highway, Chang'an University, Xi'an 710064, China)
Abstract：This paper analyzed the factors of supply properties and demand properties in the regional transport corridor and the relationship between travel choice and them, and pointed out that transportation corridor sharing rates should consider the calculation method of supply properties and demand properties, whereby established a generalized cost function, and proposed a quantitative analysis method of supply property based on passengers entire travel, cluster analyzed the generalized travel costs of different types of travelers, improved multi-dimensional logit probability model, introduced passenger self-attribute variables, and established an improved model of passenger mode sharing rates in a regional transportation corridor. Finally, an analysis on the structure of ZX transportation corridor is made to verify the practicality and effectiveness of this model.
Keywords: Traffic Engineering; Structure Optimization; Clustering Analysis; Logit Model; Passenger Property; Transportation Corridor
Author resume: PENG Hui (1963-), male, professor, penghui1963@
0 引言
区域运输通道是指在一定的区域范围内，在地理、经济、交通、政治因素的综合影响下而形成的运输地带。沿区域综合运输网的运输走廊，连接主要的交通流发生地，有共同流向，由多种运输方式共同提供主要客货运输服务[1]。区域运输通道主要客运方式包括高速铁路、普通铁路、高速公路、普通公路、航空和水运等。
目前，我国区域运输通道从线路、容量、技术能力和方式构成上已有了很大发展，区域出行条件得到明显改善，但大规模通道建设投入还不能有效满足日益变化的运输需求，客运结构优化仍然是运输通道发展的突出难题。在客运结构的优化和方式分担率问题上，现行方式划分一般采用线性模型、Probit模型、Logit模型[2]等，建模和计算过程主要以随机效用理论和离散选择模型为基础[3]。虽然模型众多，但是以往的研究大多是只考虑到交通方式的供给属性，运用logit概率模型计算方式分担率进行结构优化，对旅客自身属性影响出行方式选择的研究不够深入，客流分析预测的结果往往偏离实际旅客出行意愿。本文综合考虑到客运方式的供给属性和旅客自身属性，对运输通道客运合理结构作了进一步研究。
1 区域运输通道客运结构影响因素分析
运输通道客运结构的影响因素包括客运方式配置的供给属性和需求属性，其中供给属性从全程出行链效用最优的角度影响出行决策[4]，是旅客进行方式选择时本身无法直接控制的因素；需求属性主要由旅客自身属性决定，反映不同种类交通个体对出行方式的特殊需求。客运结构主要影响因素及出行选择如图1所示。

图1 运输通道客运结构影响因素
2 基于用户效用的广义费用函数模型
2.1 广义费用函数模型的建立
交通运输中的广义费用是指经济性、快速性、舒适性、方便性等因素的综合体现[3]。考虑不同出行群体的家庭人均可支配收入水平，聚类分析不同旅客出行的广义费用，建立旅客选择交通方式i出行的广义费用函数，如公式(1)、(2)所示。
(1)
(2)
约束条件：；
。
式中: Ci—旅客选择交通方式i出行的平均广义费用；
—第k类家庭可支配收入水平的旅客所占的比重；
Ci(k)—第k类家庭可支配收入水平的旅客乘坐交通方式i出行的广义费用；
Si(k)—交通方式i为第k类家庭可支配收入水平旅客提供的经济性、快速性、方便性、舒适性指标；
、、、—交通方式i为第k类家庭可支配收入水平的旅客提供的经济性、快速性、方便性、舒适性的权重。
2.2客运方式供给属性的定量化
基于旅客全程出行效用最优[5]，选用以下公式定量化运输方式的供给属性。
(3)
(4)
(5)
(6)
式中：fi1,fi2—旅客从出发地到i客运站的衔接费用、旅客从i客运站到目的地的衔接费用；
ti1,ti2—第i种运输方式在起、终点城市的换乘衔接时间;
Ti购,Ti侯—第i种运输方式的平均购票时间和平均候车时间;
Ti、Vi 、Li 、ai—交通方式i的运行时间、运行速度、运距、运价率;
Q(j)—家庭可支配收入水平为j的旅客时间价值，根据既有旅客统计数据并运用工资率法确定;
fi3,fi4—运输方式i的造价、服务设施建设费用。
2.3 交通方式供给属性权重的确定
应用结合分析法标定交通方式供给属性权重，具体步骤如下：①轮廓变量的设计：根据设定的4种属性和每种属性的3个水平数目采用因子设计。②数据资料的收集：采用全轮廓法来展示属性的组合，偏好的方法采用多级量李克特评分表法。③估计和验证：利用SPSS系统的Categories模块来实现效用值的估计，并验证其拟合优度(内部效应)。④解释和应用：客运方式i第m种属性的权重计算公式如下：
(7)
(8)
式中：、分别表示交通方式i第m种属性的水平效用值和水平效用值的极差
3 运输通道客运方式分担率模型的进一步研究
3.1多维logit概率模型的引入
由于效应函数是广义费用函数的负数，因此交通方式i的效应Ui计算公式如下。
(9)
式中：为随机误差，即为不确定部分。
为了消除指数增长过快导致计算结果差异严重扩大，引入改进的多维logit概率模型，公式如下：
(10)
3.2 引入旅客属性变量的运输通道客运方式分担率模型
不同的交通个体对出行方式具有特殊需求，除出行方式提供给不同家庭可支配收入水平旅客出行的综合出行效用外，交通个体还要考虑出行目的、紧急程度、时间价值、生理状况等重要属性。建立运输通道客运方式分担率的修正模型，如下式：
(11)
式中：P(i)—表示第i种运输方式的分担率；
,,,—分别表示出行目的、紧急程度、时间价值、生理状况对旅客选择交通方式i的修正系数；
f(,,,)—旅客属性变量对出行方式的综合作用函数。
由于初选的指标体系指标表达的信息存在不同程度关联、重叠等，需要对指标进行二次筛选[6]。经筛选后发现紧急程度和其他属性存在较大关联性，因此采用紧急程度属性对模型进行简化。定义如下三种紧急程度：①超紧急：出行目的为重要约会、重要公务出差，时间价值大，生理状况差的旅客；②紧急：出行目的为回家探亲访友，时间价值中等，生理状况中等的旅客；③非紧急：出行目的为闲暇出行、旅游观光，时间价值比较小，生理状况好的旅客。简化后公式如下所示：
(12)
式中：P(i)—交通方式i的分担率；
β1, β2,β3—为不同紧急程度旅客所占的比重，约束条件为β1+β2+β3=1；
γ1(i), γ2(i), γ3(i)—为不同紧急程度的旅客对交通方式i的选择偏好，可采用百分表评分法得到。
4 实例分析
本文以我国东西向较为典型的ZX运输通道为例，论证此模型的实用性和效果，对未来特征年客运结构预测并作适应性分析。ZX通道运输路线如图2所示。

图2 ZX运输通道运输路线图
根据《ZX通道客运专线交通量研究报告》和《ZX通道旅客问卷调查与分析》专题报告[7]，统计数据如下所示。
表1 不同紧急程度旅客的比例及偏好
紧急程度及比例
对运输方式的偏好
高速铁路
普通铁路
高速公路
国道
长途客车
小汽车
长途客车
小汽车
非紧急(56.2%)
2
48
19
8
17
6
一般紧急(32.5%)
13
37
15
11
14
10
超紧急(11.3%)
46
6
7
18
6
17
表2 市内交通衔接时间和费用
客运站
(元)
(元)
(h)
(h)
(h)
(h)
汽车站
8.77
7.81
0.3
0.25
0.73
0.67
火车站
13.52
19.82
0.55
0.5
0.89
1.0
以ZX通道内城市之间各运输线路的平均距离为城市OD距离，根据所建立的模型，可计算出各交通城市之间的客运方式分担率，如图3所示，将计算出的分担率分配到主要运输线路上，分配结果如表3所示。

图3 城市OD之间客运方式分担率计算结果
表3 ZX通道客运结构模型配置结果及与现状比较
运输方式
调查分担率
模型分配结果
相对误差 (%)
高速公路
长途客车(%)
21.2
19.4
8.49
小汽车(%)
8.0
7.5
6.25
国道
长途客车(%)
16.3
17.0
-4.29
小汽车(%)
9.8
7.7
21.4
普通铁路(%)
40.6
43.9
-8.13
高速铁路(%)
4.1
4.5
-9.76
从表3中可以看出，根据模型计算出的ZX通道客运方式分担率和现状分担率比较接近，误差在可接受范围内，说明此模型能比较准确地计算客运方式分担率，其实用性和效果比较好。应用此模型可对未来特征年运输通道客运结构预测及适应性分析。
假定未来特征年运输方式运价率不变，旅客时间价值增长率根据过去十年统计数据采用三次指数平滑法预测。根据规划，未来特征年ZX通道既有铁路客货分线，ZX高铁与周围高铁线路连通度显著提高，会人们对高铁的偏好会大幅增加。未来特征年ZX通道客货运总量按传统四阶段法预测，折算成客运总量为18278.6万人，应用此模型计算出客运方式分担率，根据客运总量可得出各运输线路的运量。ZX通道现状线路运输能力、未来特征年客运方式分担率及未来特征年运量如下表4所示。
表4 未来特征年ZX通道客运结构分担率预测
客运方式
高速公路
国道
普通铁路
高速铁路
长途
客车
小汽车
长途
客车
小汽
车
未来特征年
分担率(%)
20.2
9.3
17.6
7.8
18.3
26.8
现状运输能力
19800(标准车/d)
18100(标准车/d)
4375.6(万人/年)
577.7(万人/年)
未来特征年运量
38334(标准车/d)
35720(标准车/d)
3345(万人/年)
4898.7(万人/年)
计算结果分析：
①未来特征年小汽车的分担率略有增加，长途客车的分担率基本不变；
②未来特征年高速公路和国道承担的运量已超过现有运输能力，目前ZX通道高速公路车道正在实行4改8，待扩建完成后，可以满足未来特征年运输需求；
③未来特征年普通铁路的分担率明显下降，应相应减少列车开行次数；
④未来特征年高铁的分担率大幅增加，原因是既有铁路客货分线和旅客家庭人均可支配收入水平的提高使得旅客对高铁的出行偏好大幅增加，普通铁路和高速公路运量向高铁发生了转移，应提高至8.5倍现有高铁列车开行次数。
5结论
本文从满足出行者需求及供给的多样化和个性化角度出发,充分考虑旅客自身属性，构建更加符合实际的客运方式分担率计算模型，应用此模型可进行现状运输通道内客运结构的优化，也可以实现对未来运输通道客运合理结构的预测，为通道的规划建设提供了理论依据。但是本模型并没有考虑到未来年运价率、旅客的家庭人均可支配收入、旅客时间价值昼夜变化等因素对出行结构的影响，并且客运结构受城市发展程度、信息化程度等不可量化的复杂因素制约，使得本文提出的计算模型存在一定的风险。这些不确定性因素将会成为构建更加合理的运输通道客运结构进一步研究的问题。
参考文献：
[1] 李德刚. 综合运输网中的通道分析与系统配置研究[D]. 成都：西南交通大学, 2006.
[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: 13-15.
[3] 彭辉, 魏金丽，陈宽民. 运输通道公路旅客中长距离OD模型构造及分段客运量预测[J].中国公路学报, 2006, 3(19): 101-105.
[4] 彭辉, 朱力争.综合交通运输系统及规划[M]. 成都:西南交通大学出版社,2006:97-100.
[5] Boilé, Maria P., Spasovic, Lazar N. Implementation of the mode-split traffic-assignment method [J]. Computer-Aided Civil and Infrastructure Engineering, 2000, 7(15):293-307.
[6] Iljoon C. A network-based model for market share estimation among competing transportation models in a region corridor [D]. Maryland: The University of Maryland, 2001.
[7]彭辉, 王洁.运输通道新建高速铁路客运量预测MD模型[J]. 交通运输工程学报,2005,9(5): 93-97.