关键词：城市交通 出行方式选择 影响因素 二项logistic分析 随着城市化进程的加速，城市的交通拥堵问题愈加严重，许多城市提出鼓励居民出行优先选择公共交通方式。北京市在“十二五”交通发展建设规划中明确提出了“中心城公共交通出行比例力争达到50%”的战略目标。影响城市居民出行方式选择的因素复杂纷繁，要研究其规律，筛选影响因素是一项非常重要的工作。通过文献查询发现，以往的研究均没有给出筛选影响因素的具体分析过程，对时间、费用等各因素之间的转换也没有形成统一的标准。本文基于北京市第三次居民出行调查数据，提出运用二项logistic分析方法来筛选城市居民出行方式选择的影响因素，给出了详细筛选标准与筛选过程，取得较好的结果。 一、变量定义与分析方法 文章数据来源于2005年北京市第三次居民出行调查数据库，为避免建模分析时出现样本误差现象，随机抽取了4865次出行调查记录，其中男性占52.5%，女性占47.5%，高峰时段（7：00-9：00和17：00-19：00）占50.6%，非高峰时段占49.4%。所采集数据由个人信息（性别G、年龄A、是否常住P、有无工作W、有无驾照L）、家庭信息（家庭人数AN、工作人数WN、学生人数SN、未成年人数MN、住房类型HT、住房面积HA、自行车数BN、小汽车数CN、月交通费用MF、月平均收入MI）和出行信息（出行距离TD、出行用时TT、出行费用TF、是否高峰时段内PT、同行人数PN）三部分构成。 本文采用统计软件SPSS中的二项logistic分析方法对影响城市居民出行方式选择的因素进行筛选。二项logistic分析是一种用于研究分类变量与其影响因素之间关系的统计方法。该方法可以通过对各个自变量进行Wald检验来筛选自变量。 ■（1） 式中，B为第i个自变量的回归系数，S.E.是回归系数的标准差。如果Wald统计量的概率P值小于给定的显著性水平，则认为该自变量与因变量之间有显著相关关系，自变量应保留。 二、居民出行方式选择影响因素分析 （一）公交车出行数据分析 在选取的居民出行调查记录中，出行方式分为5种，以1—5标记，其中1代表步行，2代表自行车，3代表地铁，4代表公交车，5代表私人小汽车。对5种出行方式分别进行二项logistic分析，可以得到各个出行方式的主要影响因素。 以公交车出行方式为例，指定分类变量G、P、W、L、HT、PT的虚拟变量生成规则为Indicator，变量的筛选策略选择Forward： Wald，对数据进行二项logistic分析，结果如表1所示。 根据二项logistic分析的结果，Wald统计量的概率P值小于给定的显著性水平的因素为G、WN、HT、CN、TD、TF、MF、MI、TT、L，初步确定为对公交车出行有显著影响的因素。从表中看，女性较男性更可能选择公交车出行；无驾照出行者更可能选择公交车出行；家庭工作人数越多、出行距离越长、出行用时越长、出行费用越高、月交通费用越高者选择公交出行的可能性也越大；相反，拥有小汽车数越多、月平均收入越高者选择公交车出行的可能性就越小，这部分人倾向于更舒适的出行方式。其他因素最终没有被选中，因为如果选中则相应的Score检验的概率P值大于显著性水平α，不应拒绝零假设，认为它们与因变量无显著关系。结果很好的反映了出行者的选择倾向。 同时，二项logistic分析还给出了所选各影响因素间的相关性矩阵。根据统计学理论，相关系数大于0.5，则认为两个变量之间有较大的相关性。由于TD和TT之间、CN和MF之间的相关性分别为0.676和0.613，均大于0.5，说明它们之间有着较大的相关性。前者的相关性体现在，出行距离等于出行用时乘以公交车速度，而公交车速度基本是稳定的；后者的相关性体现在拥有小汽车越多的月交通费用一般也越高。 所以，去除与其他因素相关性较大的TT和CN，最终确定公交车出行的主要影响因素为：G、WN、HT、TD、TF、MF、MI、L。 （二）其他出行方式数据分析 其余4种出行方式的影响因素筛选参照公交车出行的筛选步骤。 通过分析得出，步行出行的影响因素包括A、MN、HT、BN、TD、TF、L；自行车出行的影响因素包括A、MN、HT、BN、PN、TD、TF、MF、L；地铁出行的影响因素包括A、WN、MN、SN、HT、TD、TF、MF、MI、PT、L；小汽车出行的影响因素包括A、WN、MN、HT、HA、PN、TD、TF、MF、PT、L。 三、建模应用 在出行方式的选择过程中，以往研究中，一般将各种影响因素量化为时间和费用来进行评价。实际上，某出行方式的效用的影响因素不是两维的，而是多维的，且各因素与时间和费用的转换也没有形成统一的标准。为避免转换造成的偏差，增加研究的准确性，本文直接使用筛选出的影响因素，以多维线性函数的形式来表达效用， ■（2） 式中，d表示效用值，n表示影响因素的总数，k表示各个影响因素，k=1，2，……，15分别代表影响因素G、A、L、WN、MN、SN、HT、HA、BN、MF、MI、TD、TF、PT、PN，各个出行方式所包含的影响因素见上一章分析结果。■是出行方式i的第k个影响因素的值，其中xp为某影响因素的实际调查值，x为该因素实际调查值的平均值，s为其标准差。 假设各出行方式的各影响因素的分布为一致的，将多维线性函数表示的效用d代入到一般模型中： ■（3） 式中，Pi为出行方式i对交通流量的分担率，m为出行方式数。应用此模型求得北京市5种主要出行方式分担率的距离曲线如图1所示。 从图1中可以看出，步行和自行车出行在近距离出行中占有很大比重。但随着距离的增加，两者的分担率急速下降，这主要是因为这两者是人力出行方式，距离越长，需要耗费的人力越多。公交车的分担率随着距离的增加先上升后下降，这主要是由于公交车在长距离运输中存在耗时长的缺点。小汽车出行则在较远距离出行中显示出其优势，占据着主导地位。而地铁作为一种远近皆宜的出行方式受距离影响不大，由于其发车频率快和出行用时短的优势，相信随着地铁覆盖面积的扩大，其分担率会稳步上升。 四、结论 对于城市居民出行方式选择的研究对解决城市交通拥挤问题具有重要的意义，而筛选城市居民出行方式选择的影响因素作为研究的基础也十分重要。本文基于北京市第三次居民出行调查数据，提出了运用二项logistic分析来获得城市居民出行方
[1][2]下一页
式选择主要影响因素的方法，并利用所得结果对北京市5种常用出行方式的分担率进行了预测，为交通管理部门合理地制定交通管理政策提供了参考。但由于数据的局限，有些因素无法考虑，在以后探索中，可以对居民出行做更加细致的调查以完善现有研究。 参考文献： ①Zhang Jun-yi，Fujiwara Akimasa，Soe ing Travelers Stated Mode ChoicePreferences under the Influence of Income in Yangon City，Myanma[J]. Journal of Transportation Systems Engineering and Information Technology， 2008， 8（4）：49-62 ②Yonghwa Park，Hun-Koo Ha. Analysis of the impact of high-speed railroad service on air transport demand[J]. Transportation Research Part E，2006，42（2）：95-104 ③谢如鹤，邱祝强，李庆云，王荣华.Logit模型在广深铁路客流分担率估算中的应用[J].中国铁道科学，2006，27（3）：111—115 ④北京交通发展研究中心，北京交通大学.北京市第三次居民出行调查数据处理与分析报告[R].2005 ⑤王姝春，马斐，陈峻.城市典型客运方式选择影响因素分析[J].交通运输系统工程与信息，2010，10（3）：93—98 ⑥何宇强，毛保华，陈团生，杨静.高速客运专线客流分担率模型及其应用研究[J].铁道学报，2006，28（3）：18—21 （郑常龙，1988年生，山东曲阜人，北京工业大学经济与管理学院硕士生。研究方向：交通运输系统规划与管理）上一页[1][2]
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。
