第5章　歷史城區(qū)交通需求分析方法

歷史城區(qū)交通主體構(gòu)成、出行空間分布有別于整個(gè)城市，在出行方式選擇時(shí)受到歷史城區(qū)各種因素的影響，這一特征決定了開(kāi)展歷史城區(qū)交通規(guī)劃時(shí)應(yīng)把握城區(qū)特有的需求特征，研究針對(duì)性的交通需求分析方法。

5.1　歷史城區(qū)交通出行基本特征

5.1.1　歷史城區(qū)交通需求特征

交通需求特征分析是交通模式選擇與服務(wù)體系配置研究的重要依據(jù)。盡管對(duì)于歷史城區(qū)應(yīng)合理引導(dǎo)和調(diào)控交通需求，但明確交通需求特點(diǎn)并適度滿足不同居民的出行需求十分必要，這也是提倡以人為本、服務(wù)均等化、滿足需求多樣性的要求。歷史城區(qū)存在不同類(lèi)型的出行主體，這些出行主體社會(huì)經(jīng)濟(jì)屬性不同，交通需求特征不同，因此采用需求市場(chǎng)細(xì)分的策略分析各類(lèi)出行主體的需求特性。交通出行強(qiáng)度、出行方式結(jié)構(gòu)、出行時(shí)空分布和出行活動(dòng)類(lèi)型是反映歷史城區(qū)交通需求特性的關(guān)鍵指標(biāo)。

1)出行主體分類(lèi)

交通出行分類(lèi)方法較多，應(yīng)用目的不同，居民出行的分類(lèi)方法也不同，常見(jiàn)的分類(lèi)方法有出行目的劃分方法、出行起訖點(diǎn)性質(zhì)劃分方法、出行規(guī)律劃分方法三種[132]。

歷史城區(qū)由于其區(qū)位和功能的特殊性，與城市居民出行特征分析有所區(qū)別，因此，交通出行分類(lèi)應(yīng)采用與城市居民出行不同的分類(lèi)方法，必須交叉考慮出行主體屬性、出行目的和出行起訖點(diǎn)。

歷史城區(qū)涉及的交通群體復(fù)雜多樣，從起訖點(diǎn)性質(zhì)將出行主體劃分為內(nèi)部居民和外部居民，綜合出行主體的屬性和主要出行目的，可以繼續(xù)劃分為六類(lèi)(圖5.1)。

圖5.1　歷史城區(qū)出行主體分類(lèi)

許多歷史城區(qū)社會(huì)結(jié)構(gòu)復(fù)雜，出行者的經(jīng)濟(jì)屬性變化較大。在具體的出行需求特性分析中，為更進(jìn)一步體現(xiàn)公平性，滿足不同群體出行需求，可考慮將出行主體的經(jīng)濟(jì)屬性作為細(xì)分因素進(jìn)一步細(xì)分，以體現(xiàn)需求分析的準(zhǔn)確性和更好地設(shè)計(jì)交通服務(wù)體系。

2)交通出行活動(dòng)類(lèi)型

上班、上學(xué)及派生的回程出行通常占居民全日出行總量的70%，這部分出行基本上每個(gè)工作日都會(huì)發(fā)生，而且出行的起訖點(diǎn)、時(shí)間、方式、路徑等特征較少發(fā)生變化，所以又稱(chēng)為非彈性出行。與非彈性出行對(duì)應(yīng)，其余目的的出行如購(gòu)物、探親訪友、休閑娛樂(lè)等，無(wú)論是出行頻率還是出行的時(shí)空分布均顯示出較強(qiáng)的隨機(jī)性，故又稱(chēng)彈性出行。

歷史城區(qū)是城市中功能復(fù)合型最強(qiáng)的區(qū)域，其居民出行活動(dòng)類(lèi)型具有與城市及其他片區(qū)不同的特征。從表5.1的數(shù)據(jù)進(jìn)行分析可知：

(1)歷史城區(qū)居民出行目的中生活購(gòu)物、文娛休閑的出行需求明顯高于主城區(qū)平均水平，而上班出行低于主城區(qū)，這也說(shuō)明了歷史城區(qū)人口年齡結(jié)構(gòu)出現(xiàn)“啞鈴式”結(jié)構(gòu)；

(2)非彈性出行比例仍占居民出行的主體地位，而彈性出行比例明顯增加，并呈現(xiàn)歷史城區(qū)高于城市其他區(qū)域的趨勢(shì)，表明歷史城區(qū)居民對(duì)精神文化生活需求的提高；

(3)由于歷史城區(qū)特殊的文化遺產(chǎn)和旅游潛能，以旅游為主的出行占到一定比例，其他活動(dòng)出行中歷史城區(qū)均高于城市其他地區(qū)。

歷史城區(qū)所表現(xiàn)出的不同的出行目的結(jié)構(gòu)，與其區(qū)位、功能定位以及其豐富的歷史文化遺產(chǎn)密切相關(guān)。

表5.1　部分歷史文化名城及其歷史城區(qū)居民出行目的結(jié)構(gòu)　(%)

3)交通出行方式結(jié)構(gòu)

根據(jù)國(guó)內(nèi)部分歷史文化名城交通調(diào)查數(shù)據(jù)(表5.2)顯示，歷史城區(qū)交通方式結(jié)構(gòu)與城市規(guī)模、城市規(guī)劃、社會(huì)經(jīng)濟(jì)發(fā)展水平、城市整體交通系統(tǒng)密切相關(guān)。

從交通方式出行比例分析，盡管慢行交通出行比例有所下降，但無(wú)論在主城區(qū)還是歷史城區(qū)，仍維持較高水平，且歷史城區(qū)高于主城區(qū)，可見(jiàn)慢行交通在城市交通出行中具有絕對(duì)優(yōu)勢(shì)。這與當(dāng)前慢行交通逐漸進(jìn)入城市規(guī)劃和交通規(guī)劃的中心視野、規(guī)劃高品質(zhì)的慢行交通系統(tǒng)成為每個(gè)城市的重要發(fā)展任務(wù)有著必然的聯(lián)系。公共交通作為城市交通發(fā)展的第一要?jiǎng)?wù)，出行比例逐年上升，尤其在特大城市，隨著軌道交通的建成，其與常規(guī)公交聯(lián)合承擔(dān)城市交通出行的比例越來(lái)越高；機(jī)動(dòng)化的發(fā)展導(dǎo)致小汽車(chē)出行比例迅猛增長(zhǎng)，從無(wú)到有、從有到占到主要地位，短短幾年時(shí)間，城市交通已經(jīng)面臨機(jī)動(dòng)化帶來(lái)的嚴(yán)峻挑戰(zhàn)。

從城市特征看，特大城市歷史城區(qū)交通方式系統(tǒng)主要由小汽車(chē)、軌道交通、常規(guī)公交、非機(jī)動(dòng)車(chē)和步行組成，多數(shù)大城市歷史城區(qū)交通方式系統(tǒng)主要由小汽車(chē)、公交、非機(jī)動(dòng)車(chē)和步行組成，中小城市主要由小汽車(chē)、常規(guī)公交和慢行交通方式構(gòu)成。從各城市出行數(shù)據(jù)分析，慢行交通方式仍占?xì)v史城區(qū)交通出行的主導(dǎo)地位，并高于主城區(qū)出行比例；公共交通出行日益成為歷史城區(qū)的主要方式之一，尤其對(duì)于有軌道交通的城市；而機(jī)動(dòng)化方式出行比例低于主城區(qū)或中心城區(qū)出行比例；這與歷史城區(qū)交通系統(tǒng)容量有限及所采取的交通調(diào)控政策有關(guān)。

根據(jù)出行起訖點(diǎn)分布情況，出入歷史城區(qū)和內(nèi)部出行的交通方式結(jié)構(gòu)也有所區(qū)別，突出表現(xiàn)在慢行交通方式的差異和公共交通的差異上。以南京老城區(qū)為例，區(qū)內(nèi)交通出行中慢行交通比例較高，達(dá)到79.48%，而出入交通出行方式以公共交通為主，其次是非機(jī)動(dòng)車(chē)，步行的比例較低；小汽車(chē)出行比例方面，出入交通高于區(qū)內(nèi)出行。

居民出行方式結(jié)構(gòu)反映歷史城區(qū)現(xiàn)狀居民對(duì)交通方式選擇的傾向性。根據(jù)表5.2中數(shù)據(jù)統(tǒng)計(jì)結(jié)果，不同類(lèi)型城市，出行方式結(jié)構(gòu)組成有所區(qū)別，主要體現(xiàn)在是否有軌道交通上；慢行交通方式仍是交通出行的主體，基本都超過(guò)50%，并高于城市外圍地區(qū)和整體平均水平；公共交通方式出行比例日益提高；由于歷史城區(qū)采取交通需求管理策略，私人機(jī)動(dòng)化出行比例降低，但從對(duì)道路資源的使用分析，仍占據(jù)主要地位。

表5.2　部分歷史文化名城主城或歷史城區(qū)交通方式結(jié)構(gòu)　(%)

續(xù)　表

數(shù)據(jù)來(lái)源：各城市交通發(fā)展年報(bào)或城市綜合交通規(guī)劃報(bào)告

4)不同主體出行方式關(guān)聯(lián)性

不同的出行群體由于在出行過(guò)程中會(huì)發(fā)生一定的交叉性從而產(chǎn)生許多內(nèi)在的聯(lián)系，包括交通資源的占有、享受各種交通服務(wù)的機(jī)會(huì)等方面。而這些都是城市的公共政策資源，任何出行者都有平等享受這些資源的權(quán)利，歷史城區(qū)交通發(fā)展與改善正是有限交通資源的再分配和不同出行主體利益的協(xié)調(diào)過(guò)程。這種資源的再分配和利益調(diào)整需要適度向弱勢(shì)群體傾斜并考慮不同出行主體的可接受度，對(duì)不同群體進(jìn)行適當(dāng)?shù)奶娲蜓a(bǔ)償。

歷史城區(qū)居民出行采用的交通方式的關(guān)聯(lián)性可分為方式聯(lián)系與方式?jīng)_突，如圖5.2和圖5.3所示[36]。交通方式聯(lián)系主要體現(xiàn)在區(qū)內(nèi)居民與區(qū)外居民可能選擇的交通出行方式的對(duì)應(yīng)性上，并且在使用同一種交通方式時(shí)可能產(chǎn)生的聯(lián)系。如采用公共交通出行時(shí)，兩類(lèi)大的出行主體間將會(huì)共同使用同一道路交通資源。交通方式?jīng)_突主要體現(xiàn)在兩類(lèi)區(qū)域出行者選擇的不同交通方式間可能產(chǎn)生的沖突，重點(diǎn)體現(xiàn)在私人機(jī)動(dòng)化交通對(duì)慢行交通空間的侵占上。兩類(lèi)關(guān)系都表現(xiàn)為對(duì)道路交通資源的占有和使用上。

圖5.2　歷史城區(qū)不同出行主體間交通方式聯(lián)系

圖5.3　歷史城區(qū)不同出行主體間交通方式?jīng)_突關(guān)系

5)交通出行強(qiáng)度

交通出行強(qiáng)度是衡量居民出行需求大小的主要指標(biāo)，通過(guò)交通出行強(qiáng)度的分析判斷交通供給與需求之間的平衡關(guān)系。交通出行強(qiáng)度的主要反映指標(biāo)是人均出行次數(shù)。根據(jù)部分歷史名城老城區(qū)出行調(diào)查分析，歷史城區(qū)居民人均出行次數(shù)與所在城市規(guī)模大小、空間結(jié)構(gòu)以及其作為中心區(qū)、用地強(qiáng)度等因素有關(guān)，較城市平均出行次數(shù)高，這也表明歷史城區(qū)是城市交通需求強(qiáng)度較高的區(qū)域。土地利用和功能定位是交通需求產(chǎn)生的本源，對(duì)于歷史城區(qū)，從疏解地區(qū)功能和控制用地開(kāi)發(fā)強(qiáng)度，是降低交通需求的根本措施。表5.3給出了部分城市歷史城區(qū)人均出行次數(shù)統(tǒng)計(jì)。

表5.3　部分城市歷史城區(qū)人均出行次數(shù)比較表

5.1.2　交通系統(tǒng)出行特征

將歷史城區(qū)視為一個(gè)獨(dú)立的個(gè)體，其交通出行空間組成可分為過(guò)境交通出行、出入交通出行和內(nèi)部交通出行，如圖5.4所示。其中，過(guò)境交通又可分為市區(qū)車(chē)輛過(guò)境交通和外地車(chē)輛過(guò)境交通，這兩種交通流都與歷史城區(qū)無(wú)關(guān)，然而卻是交通流中的一大主角。

圖5.4　歷史城區(qū)交通出行構(gòu)成示意圖

以揚(yáng)州市為例，2010年調(diào)查數(shù)據(jù)顯示，歷史城區(qū)通過(guò)性機(jī)動(dòng)化交通(不含公交和出租)達(dá)到總交通流量的40%，將近占到半壁江山，而這些交通對(duì)城區(qū)來(lái)說(shuō)卻是無(wú)效交通。根據(jù)客流空間分布特征分析，城區(qū)內(nèi)部出行約占48%，出入交通出行約占52%；對(duì)外出行中，不同方向的比例不同，這主要與周邊片區(qū)功能、用地性質(zhì)有關(guān)。南京老城周邊各片區(qū)居民跨區(qū)出行中，到老城的出行比例為42.07%，且至老城的跨區(qū)出行中，機(jī)動(dòng)車(chē)出行比例超過(guò)60%，導(dǎo)致老城與周邊各片區(qū)通道交通壓力較大(表5.4)。因此，交通系統(tǒng)構(gòu)成及分布特征是交通組織模式與設(shè)施配置的重要影響因素。

表5.4　南京老城與各片區(qū)聯(lián)系通道平均交通負(fù)荷

5.2　歷史城區(qū)交通需求分析的基礎(chǔ)理論

5.2.1　基于活動(dòng)的交通需求分析理論

活動(dòng)安排、出行時(shí)間和出行方式選擇是基于活動(dòng)的出行需求分析的三個(gè)基本要素，在出行者一天的活動(dòng)中三者互相約束和影響，并共同決定了出行者一天的基本活動(dòng)模式。因此，為了分析出行者的現(xiàn)狀出行特征，預(yù)測(cè)其未來(lái)年的主要出行特征，并進(jìn)一步分析其根據(jù)某些交通需求管理政策對(duì)出行模式的調(diào)整，需要建立一個(gè)能全面反映這三大出行要素的出行需求預(yù)測(cè)模型系統(tǒng)。

這個(gè)模型系統(tǒng)是以活動(dòng)安排、出行時(shí)間和出行方式三個(gè)要素為基礎(chǔ)建立的一個(gè)完整的NL模型系統(tǒng)，系統(tǒng)的整體結(jié)構(gòu)如圖5.5所示。此模型系統(tǒng)的輸入為個(gè)人及家庭的屬性以及研究區(qū)域內(nèi)各小區(qū)的統(tǒng)計(jì)數(shù)據(jù)；通過(guò)各階段的模擬，系統(tǒng)可以輸出比較具體的日活動(dòng)情況，如一天中的主要及次要活動(dòng)的目的，出行的起止時(shí)間段及采取的交通方式等，這些參數(shù)可以基本滿足出行需求預(yù)測(cè)和交通規(guī)劃分析的需要[133,134]。

首先針對(duì)圖5.5中的基本概念給出必要的說(shuō)明。

1)出行

出行，也就是通常所說(shuō)的從一個(gè)地點(diǎn)到另一地點(diǎn)的移動(dòng)過(guò)程，在這兩點(diǎn)之間沒(méi)有任何第三停留點(diǎn)，出行的方向總是從發(fā)生端指向吸引端。出行是組成交通系統(tǒng)的基本要素，而把出行作為基本分析單元的模型被稱(chēng)為基于出行的模型。

另外，根據(jù)出行起點(diǎn)的不同，可以把出行分為基于家(以家為起點(diǎn))的工作出行(home-based-work trip, HBW)、基于家的其他出行(home-based-other trip, HBO)、非基于家的出行(not-home-based trip, NHB)三類(lèi)[135]。

圖5.5　基于活動(dòng)的出行需求分析框架

2)往返行程

往返行程是指把一系列有序的出行按照先后順序依次首尾連接起來(lái)，因此有時(shí)也被稱(chēng)為出行鏈(trip-chain)。往返行程總是由某地點(diǎn)出發(fā)，經(jīng)過(guò)一系列的出行后又回到此出發(fā)點(diǎn)。把往返行程作為基本分析單元的模型被稱(chēng)為基于往返行程的模型，此類(lèi)模型融合了基于出行的模型的優(yōu)點(diǎn)。基于往返行程模型的建模思想，正是基于活動(dòng)的模型思想的關(guān)鍵所在。我們可以按照出行目的的不同把所有的往返行程分為三類(lèi)，分別為工作(包括上班、上學(xué)、公務(wù)等)、生活(購(gòu)物、探親訪友等)和娛樂(lè)往返行程(娛樂(lè)、旅游等)。同時(shí)，也可以按照組成往返行程的具體出行及駐停的排列結(jié)構(gòu)的不同，把往返行程分為一階往返行程、二階往返行程、子往返行程等。

3)一階活動(dòng)(目的地)、二階活動(dòng)(目的地)

出行者一天的活動(dòng)可能由很多次往返行程組成，可以按照時(shí)間上的先后順序和活動(dòng)的重要程度等原則將這些往返行程分為一階活動(dòng)和二階活動(dòng)，分別表示一天中進(jìn)行的最主要的往返行程和其他幾次往返行程的總稱(chēng)。例如，在一天的活動(dòng)安排中，某人早上從家出發(fā)上班，中午回家吃午飯；下午又從家出發(fā)去上班，晚上下班途中購(gòu)物后回家。這樣，前一個(gè)從家出發(fā)上班、回家的過(guò)程稱(chēng)為一階活動(dòng)(或稱(chēng)為一階往返行程)，后一個(gè)上班—購(gòu)物—回家的往返行程被稱(chēng)為二階往返行程。而一、二階往返行程中的主要活動(dòng)目的地分別被稱(chēng)為一階目的地和二階目的地。

4)子往返行程

前面介紹的往返行程的起終點(diǎn)可以是不為家的，但是在實(shí)際預(yù)測(cè)分析過(guò)程中，由于基于家的往返行程占大多數(shù)，因此以下提到的往返行程就是指基于家的往返行程。而把模型中將要用到的另一類(lèi)往返行程，即以工作單位為起終點(diǎn)的往返行程稱(chēng)為工作子往返行程，也即子往返行程，如出去吃午飯等。這個(gè)往返行程就稱(chēng)為工作子往返行程。之所以把工作單位而不是把其他場(chǎng)所作為子往返行程的起終點(diǎn)，是因?yàn)榛顒?dòng)鏈方法中的起終點(diǎn)，無(wú)論是對(duì)個(gè)人還是對(duì)于家庭來(lái)說(shuō)通常是位置比較固定并作為出行的端點(diǎn)有規(guī)律地被使用。顯然，工作單位、學(xué)校和家一樣滿足上述要求，而購(gòu)物場(chǎng)所、娛樂(lè)場(chǎng)所等對(duì)多數(shù)個(gè)人和家庭來(lái)說(shuō)通常是不固定的，因此不符合上述要求。

5)中途駐停點(diǎn)

連接往返行程中各出行之間的結(jié)點(diǎn)叫做駐停點(diǎn)，出行者一次往返行程所包含的所有駐停點(diǎn)中最主要的出行目的地叫做主要駐停點(diǎn)。比如對(duì)于活動(dòng)超過(guò)一定時(shí)間的工作出行來(lái)說(shuō)，單位就是主要駐停點(diǎn)。從家到主要駐停點(diǎn)的這部分往返行程叫做半個(gè)往返行程，從主要駐停點(diǎn)到家的一部分叫做另一半往返行程。除了主要駐停點(diǎn)之外的其他駐停點(diǎn)都叫做中途駐停點(diǎn)。在這些中途駐停點(diǎn)的活動(dòng)時(shí)間通常都小于在主要駐停點(diǎn)的活動(dòng)時(shí)間。

6)活動(dòng)

活動(dòng)，指?jìng)€(gè)人在一個(gè)連續(xù)時(shí)間段內(nèi)為達(dá)到某種出行目的，采用一定的到達(dá)方式和優(yōu)先權(quán)在某個(gè)地點(diǎn)去實(shí)現(xiàn)此目的的過(guò)程。它是基于活動(dòng)的出行需求理論的根本。由于每個(gè)人都要根據(jù)自己的意愿安排活動(dòng)，而為了把各個(gè)在時(shí)間和空間上存在差異的活動(dòng)連接起來(lái)就需要出行。由此可見(jiàn)，活動(dòng)是最基本的，它引發(fā)了出行，同時(shí)也影響了目的地、時(shí)間等出行要素。活動(dòng)概念的引入，研究時(shí)處理的對(duì)象不再是簡(jiǎn)單的出行(物理移動(dòng))，而且還要考慮個(gè)人和家庭的各類(lèi)決策以及引起出行的原因等等，使研究范圍得到了擴(kuò)展。

應(yīng)用該模型預(yù)測(cè)時(shí)由上到下進(jìn)行，先預(yù)測(cè)出行安排，再依次預(yù)測(cè)出行時(shí)間和出行方式；而模型標(biāo)定時(shí)由下到上進(jìn)行，即先標(biāo)定方式模型，算出所有方式的效用后，再依次代入時(shí)間選擇模型和出行安排模型，進(jìn)而依次進(jìn)行時(shí)間模型和出行安排模型的標(biāo)定。

5.2.2　歷史城區(qū)交通需求分析框架

國(guó)內(nèi)外對(duì)城市居民出行者的交通需求已有較多的研究，并取得了豐碩的研究成果。但是歷史城區(qū)由于其用地、路網(wǎng)等相比整個(gè)城市有著很大的差別，這些研究結(jié)論不能夠很好地反映歷史城區(qū)出行者的出行需求產(chǎn)生的機(jī)理和特征。因此，需探究歷史城區(qū)交通需求的分析方法，并結(jié)合具體的案例來(lái)論證?？傮w的交通需求分析框架主要包括以下三個(gè)方面：

一是通過(guò)對(duì)歷史城區(qū)出行者的日常出行行為進(jìn)行問(wèn)卷調(diào)查，得到基礎(chǔ)數(shù)據(jù)來(lái)研究出行者的活動(dòng)模式選擇行為。根據(jù)歷史城區(qū)出行特征和一般的活動(dòng)模式分析的方法，對(duì)活動(dòng)模式進(jìn)行分類(lèi)，選擇個(gè)人家庭特征作為影響因素，建立多項(xiàng)Logit模型，并對(duì)結(jié)果進(jìn)行分析，探究出行者活動(dòng)模式選擇特征及影響因素。

二是研究基于活動(dòng)模式下的歷史城區(qū)出行者交通方式選擇行為。選取出行者的個(gè)體特征、家庭特征以及出行特征作為影響因素，通過(guò)建立活動(dòng)模式和方式選擇的協(xié)同進(jìn)化Logit模型得到兩者相互選擇的關(guān)系。

三是基于市場(chǎng)細(xì)分的策略，采用結(jié)構(gòu)方程模型研究歷史城區(qū)交通需求特征。將歷史城區(qū)出行者進(jìn)行細(xì)分，選取個(gè)人特征和家庭特征作為外生變量，生存活動(dòng)、維持活動(dòng)和出行行為作為內(nèi)生變量，建立結(jié)構(gòu)方程模型，根據(jù)模型結(jié)果和分析，最終給出相應(yīng)的模型預(yù)測(cè)結(jié)果的評(píng)價(jià)。

圖5.6給出了歷史城區(qū)交通需求分析框架。

圖5.6　歷史城區(qū)交通需求分析框架

5.3　歷史城區(qū)出行者活動(dòng)模式選擇模型

傳統(tǒng)的出行行為集計(jì)建模方法(如“四階段”法)通常以交通小區(qū)作為研究對(duì)象，難以體現(xiàn)特定區(qū)域內(nèi)部特定人群的出行行為差異。隨著非集計(jì)建模技術(shù)的日益成熟，基于個(gè)體出行者的建模方法已成為研究特定區(qū)域、特定人群的出行行程安排、路徑選擇、活動(dòng)模式選擇及出行鏈特征等問(wèn)題的重要研究方法和工具[136-139]。隨著活動(dòng)理論的引入和對(duì)出行行為分析的深入，學(xué)者開(kāi)始借助活動(dòng)—出行鏈理論對(duì)出行行為進(jìn)行研究[140-146]。然而國(guó)內(nèi)外多數(shù)研究主要針對(duì)整個(gè)城市層面的居民出行特征，未能聚焦歷史城區(qū)這一特定區(qū)域居民出行和活動(dòng)模式。歷史城區(qū)居民活動(dòng)模式和出行行為特征有別于城市整體及其他區(qū)域，因此以往研究成果無(wú)法為構(gòu)建科學(xué)合理的歷史城區(qū)綜合交通體系提供指導(dǎo)和建議。

本節(jié)以揚(yáng)州市歷史城區(qū)居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，采用多項(xiàng)Logit模型分析居民出行活動(dòng)模式與個(gè)體及家庭屬性特征之間的關(guān)聯(lián)性，探討歷史城區(qū)與城市總體出行模式的差異性，以及產(chǎn)出差異的原因。

5.3.1　研究區(qū)域及數(shù)據(jù)采集

揚(yáng)州市歷史城區(qū)由古運(yùn)河、護(hù)城河和二道河所圍區(qū)域，面積5.09km2，位于揚(yáng)州市中心位置，是商貿(mào)、金融、文化、醫(yī)療、科教、旅游景點(diǎn)及配套服務(wù)的中心，同時(shí)承擔(dān)部分行政職能，集中了優(yōu)質(zhì)的醫(yī)療、教育資源。揚(yáng)州市歷史城區(qū)區(qū)位如圖5.7所示。揚(yáng)州市為東西向帶狀發(fā)展的城市，以東西向交通為主，蜀崗風(fēng)景區(qū)、古運(yùn)河、大運(yùn)河等天然障礙卻分割了東西向交通干道。而文昌路一線同時(shí)串聯(lián)了新城西區(qū)、歷史城區(qū)、城東以及河?xùn)|CBD等多個(gè)組團(tuán)中心，成為揚(yáng)州市主要客流走廊之一。

揚(yáng)州歷史城區(qū)目前約有10萬(wàn)人，年齡結(jié)構(gòu)呈現(xiàn)“啞鈴式”，老年人與未成年人偏高。經(jīng)濟(jì)能力較強(qiáng)的中青年人已經(jīng)或者傾向搬出歷史城區(qū)去新城區(qū)置業(yè)安居，留在城區(qū)生活的人口有很大部分是退休老人、工商企業(yè)管理普通員工和自就業(yè)者，屬于中低收入人群。揚(yáng)州市較好的中小學(xué)多集中在老城區(qū)及其周邊地帶，因此未成年人比重也高。總的來(lái)說(shuō)歷史城區(qū)人口密度高于市平均水平。

圖5.7　揚(yáng)州市歷史城區(qū)區(qū)位圖

揚(yáng)州市歷史城區(qū)的高人口密度、占主體的中低收入人群、年齡結(jié)構(gòu)中老年人和未成年人比例決定了歷史城區(qū)內(nèi)居民出行特征有別于整體城市情況，居民出行特征對(duì)比如表5.5所示。

表5.5揚(yáng)州市區(qū)及其歷史城區(qū)居民出行特征對(duì)比

由表5.5可以看出揚(yáng)州市區(qū)和歷史城區(qū)內(nèi)居民出行特征具有明顯差異：

(1)平均次數(shù)方面，市區(qū)日平均出行次數(shù)(2.81次/日)低于歷史城區(qū)日平均出行次數(shù)(2.99次/日)；

(2)出行方式結(jié)構(gòu)方面，歷史城區(qū)內(nèi)步行比例(27.4%)明顯高于市區(qū)平均水平(16.4%)，主要是由于歷史城區(qū)范圍內(nèi)出行距離一般較短；

(3)出行目的方面，市區(qū)和歷史城區(qū)的上班出行和其他目的出行的比例差異較大，回程和上學(xué)差異較小。造成差異的原因可能為歷史城區(qū)退休人員占了較高比例，因此歷史城區(qū)上班出行比例低于市區(qū)平均水平。

表5.5表明，歷史城區(qū)居民出行特征與出行行為明顯有別于市區(qū)整體情況。因此，以往基于城市總體的出行行為研究并不適用歷史城區(qū)，需要對(duì)歷史城區(qū)居民出行進(jìn)行專(zhuān)屬研究，探索歷史城區(qū)內(nèi)居民出行活動(dòng)模式及影響因素。

5.3.2　歷史城區(qū)出行活動(dòng)模式

活動(dòng)模式分析的基礎(chǔ)是基于活動(dòng)的出行需求分析理論，該理論認(rèn)為活動(dòng)的參與產(chǎn)生了出行需求，而活動(dòng)和出行者的家庭及個(gè)體特征是影響活動(dòng)和出行行為模式的重要因素。出行者的個(gè)體、家庭特征的差異性會(huì)導(dǎo)致活動(dòng)模式的差異，歷史城區(qū)也不例外。但是，相比整個(gè)城市，該地區(qū)出行者的活動(dòng)模式有著自身獨(dú)特的性質(zhì)。因此，有必要探討歷史城區(qū)居民的主要活動(dòng)模式，為該地區(qū)出行生成預(yù)測(cè)分析奠定基礎(chǔ)。

活動(dòng)模式分析的基礎(chǔ)是基于活動(dòng)的出行需求分析理論，該理論認(rèn)為活動(dòng)的參與產(chǎn)生了出行需求，而活動(dòng)和出行者的家庭及個(gè)體屬性特征是影響活動(dòng)和出行行為模式的重要因素。通過(guò)歷史城區(qū)居民出行主體的劃分，可以將歷史城區(qū)居民出行活動(dòng)模式分為家—工作(內(nèi))—家(H-W (I)-H)、家—工作(內(nèi))—其他—家(H-W(I)-O-H)、家—工作(外)—家(H-W (E)-H)、家—工作(外)—其他—家(H-W(E)-O-H)和家—其他—家(H-O-H)五種。其中H代表家，W代表工作地，O表示次要活動(dòng)發(fā)生地，I代表工作活動(dòng)位于歷史城區(qū)內(nèi)部，E代表工作活動(dòng)位于歷史城區(qū)外部。表5.6給出了五種典型活動(dòng)模式的圖示及解釋。

表5.6　5種典型活動(dòng)模式結(jié)構(gòu)示意

注：1.其他指除工作/學(xué)習(xí)等生存型活動(dòng)外的其他活動(dòng)(維持型活動(dòng)和休閑型活動(dòng))。

2.H-O-H主要發(fā)生的歷史城區(qū)內(nèi)部，歷史城區(qū)外部比例很小，故不作考慮。

以揚(yáng)州市歷史城區(qū)居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，得到5種出行活動(dòng)模式的比例，如表5.6所示。歷史城區(qū)居民出行活動(dòng)模式主要以家—工作/學(xué)習(xí)(內(nèi))—家(H-W/S(I)-H)和家—其他—家(H-O-H)為主導(dǎo)，分別占了41.3%和33.9%。歷史城區(qū)作為城市中心，內(nèi)部集中了主要的就業(yè)就學(xué)、休閑購(gòu)物和公共服務(wù)等活動(dòng)，居民的主要活動(dòng)也主要圍繞以上兩種模式展開(kāi)。

表5.7給出了每種活動(dòng)模式的出行方式的比例。歷史城區(qū)居民主要的出行方式為非機(jī)動(dòng)車(chē)交通方式，這一方式在每種活動(dòng)模式中都占了較大的比例；公共交通方式在每種出行活動(dòng)模式的出行比例都較小，說(shuō)明揚(yáng)州市歷史城區(qū)居民更傾向于選擇私人交通工具；另外，摩托車(chē)交通方式在居民出行活動(dòng)中也占據(jù)了較大的出行比例。

表5.7　每種活動(dòng)模式主要出行方式選擇比例　(%)

5.3.3　活動(dòng)模式選擇的多項(xiàng)Logit模型

多項(xiàng)Logit模型的適用范圍為因變量為無(wú)序種類(lèi)變量，適合3種及3種以上因變量情況下建模，能夠得到自變量與因變量之間的關(guān)聯(lián)和影響。本研究針對(duì)歷史城區(qū)出行活動(dòng)模式展開(kāi)，其因變量為5類(lèi)出行活動(dòng)模式，符合多項(xiàng)Logit建模要求。采用多項(xiàng)Logit模型來(lái)分析歷史城區(qū)居民出行活動(dòng)模式與個(gè)人屬性和家庭屬性的關(guān)系，便于了解個(gè)體及家庭屬性對(duì)活動(dòng)模式的影響機(jī)理。

1)模型結(jié)構(gòu)

根據(jù)隨機(jī)效用理論，假設(shè)第n個(gè)個(gè)體選擇第i種出行模式的效用為Uni，Jn為選擇集合，且i∈Jn，則效用Uni可以表示為：

Uni=Vni+εni

(5.1)

式(5.1)中，

Vin——個(gè)體n選擇第i種出行模式效用函數(shù)中的固定項(xiàng)；

β——待估參數(shù)；

εni——第n個(gè)個(gè)體選擇第i種活動(dòng)模式效用函數(shù)中的隨機(jī)項(xiàng)。

當(dāng)Vin與其中包含的解釋變量之間呈線性關(guān)系時(shí)，可以表示為：

Vin=θ′Xin=∑Kk=1θkxink

(5.2)

式(5.2)中，

K——解釋變量個(gè)數(shù)；

θ——參數(shù)矩陣；

θk——第k個(gè)變量所對(duì)應(yīng)的參數(shù)；

xink——個(gè)體n選擇第i種活動(dòng)模式的第k個(gè)特性變量。

則個(gè)體n選擇第i種出行模式的概率Pn(i)：

Pn(i)　=ProbUni>Unj,j∈Jn,i≠j

=ProbVni+εni>Vnj+εnj,j∈Jn,i≠j

(5.3)

假設(shè)ε服從參數(shù)(0.1)的Gumbel分布，則有以下的一些性質(zhì)：

效用誤差項(xiàng)的密度函數(shù)為：

f(ε)=λe-λeniexp(-e-λεni)

(5.4)

累計(jì)密度函數(shù)為：

F(εni)=exp(-e-λεni)

(5.5)

ε最頻值M(ε)=η，均值E(ε)=η+γω，標(biāo)準(zhǔn)差var(ε)=π26ω2。

其中，γ為Euler常數(shù)。

另外，當(dāng)ε1和ε2分別服從參數(shù)為(η1,λ)和(η2,λ)的Gumbel分布，則有：

F(ε*)=11+eω(η1-η2-ε*)

(5.6)

當(dāng)(εn1,εn2,…,εnj)為兩兩相互獨(dú)立的、分布服從分布參數(shù)為(η1,λ)，(η2,λ)，…，(ηJ,λ)的Gumbel分布。

Pn(i)　=ProbUni>Unj,j∈Jn,i≠j

=ProbVni+εni>Vnj+εnj,j∈Jn,i≠j

=ProbVni+εni≥maxj∈JnVnj+εnj

(5.7)

定義：U*n=maxj∈JnVnj+εnj,j∈Jn,i≠j則有：

U*n=V*n+ε*n，根據(jù)以上Gumbel分布的性質(zhì)，有V*n=1λln∑Jnj=1eλVjn，則

Pn(i)　=11+exp(λ(V*n-Vin))=expλVinexp(λVin)+exp(λV*n)

=exp(λVin)exp(λVin)+expln∑Jnj=1exp(λVjn)

=exp(λVin)exp(λVin)+∑Jnj=1exp(λVjn),i≠j

(5.8)

2)模型算法

對(duì)式(5.8)參數(shù)進(jìn)行估計(jì)時(shí)，可以先定義某一選擇方案作為參照水平，其他方案均與其進(jìn)行對(duì)比，建立Jn-1個(gè)非集計(jì)模型。假設(shè)以方案1作為參照水平，根據(jù)式(5.8)，則有：

lnPn(i)Pn(1)=α1+β11x11+…+β11x1j,　　i=2,…,Jn

(5.9)

為了對(duì)模型參數(shù)β進(jìn)行估計(jì)，假設(shè)個(gè)體n選擇第i種出行模式時(shí)，δni=1，否則δni=0，則有似然函數(shù)：

L*=∏Nn=1∏i∈JnPn(i)δn

(5.10)

將式(5.8)代入到式(5.10)得到對(duì)數(shù)似然函數(shù)

L=lnL*=∑Nn=1∑mi=1δni∑Kk=1β′kxnik-ln∑j∈Jnexp∑Kk=1β′kxnik

(5.11)

對(duì)式(5.11)的待估參數(shù)求偏導(dǎo)可得：

?L?β′k=∑Nn=1∑mi=1δnixnik-∑j∈Jneβ′kxnjxnjk∑j∈Jneβ′kxnjk=0

(5.12)

通過(guò)式(5.12)的方程，則可求出待估參數(shù)β′k。

3)特性變量的選擇

居民活動(dòng)模式選擇是居民個(gè)人屬性、家庭屬性和城市空間用地布局等作用的產(chǎn)物。居民個(gè)體和家庭屬性是活動(dòng)模式的主要影響因素，同時(shí)也決定了出行行為及偏好。特性變量解釋和變量的描述性統(tǒng)計(jì)如表5.8所示。

表5.8　特性變量的解釋和描述性統(tǒng)計(jì)

續(xù)　表

個(gè)體屬性主要包括性別、職業(yè)和年齡，而家庭屬性包括家庭人口數(shù)、是否有學(xué)齡前兒童、是否擁有小汽車(chē)、家庭自行車(chē)數(shù)、家庭電動(dòng)自行車(chē)數(shù)、家庭是否擁有摩托車(chē)和家庭收入。在這些因素的影響下，居民安排一天活動(dòng)，采取適當(dāng)?shù)某鲂心Ｊ剑瑥亩鴿M足個(gè)體的生存、維持、休閑等各類(lèi)需求。根據(jù)多項(xiàng)Logit對(duì)于變量設(shè)置要求，將有k個(gè)類(lèi)別的多分類(lèi)變量設(shè)置為k-1個(gè)二值啞元變量，其中一類(lèi)為參考變量。

5.3.4　模型結(jié)果分析

模型估計(jì)采用統(tǒng)計(jì)分析軟件SPSS中的 multitude logistic回歸模塊對(duì)模型進(jìn)行參數(shù)計(jì)算。多項(xiàng)Logit將k個(gè)類(lèi)別的多分類(lèi)變量設(shè)置為k-1個(gè)二值啞元變量，其中一類(lèi)作為參考變量。最終的活動(dòng)模式選擇模型各個(gè)變量的影響系數(shù)以及顯著性如表5.9所示。模型以活動(dòng)模式H-O-H作為參考類(lèi)別。

表5.9　模型參數(shù)估計(jì)結(jié)果

注：/表示變量不顯著。

1)個(gè)體特征影響分析

(1)個(gè)體出行者屬性中的性別和年齡因素對(duì)于家—工作(內(nèi))—家、家—工作(內(nèi))—其他—家和家—工作(外)—家這三種出行活動(dòng)模式的選擇有顯著的影響，職業(yè)變量對(duì)四種活動(dòng)模式均有顯著影響。

(2)性別變量的系數(shù)在模式家—工作(內(nèi))—家和家—工作(外)—家估計(jì)值分別為0.76和 0.891，而在模式家—工作(內(nèi))—其他—家為估計(jì)值為-0.559，表明更多男性選擇模式家—工作(內(nèi))—家和家—工作(外)—家，其可能性分別是女性的2.138倍和2.437倍，而女性?xún)A向選擇模式家—工作(內(nèi))—其他—家，發(fā)生比是男性的1.75倍。產(chǎn)生這一現(xiàn)象的主要原因是：女性在家庭中可能更多地承擔(dān)家庭購(gòu)物等出行，因此女性較多地選擇工作和回程之間進(jìn)行其他目的的出行活動(dòng)。

(3)職業(yè)(OCC=0)變量在模式家—工作(內(nèi))—家、家—工作(內(nèi))—其他—家和家—工作(外)—家的系數(shù)全為負(fù)值,職業(yè)(OCC=1)的系數(shù)全為正值，主要因?yàn)閷W(xué)生/工作人員參與工作/上學(xué)出行而退休人員沒(méi)有這類(lèi)出行，這與實(shí)際情況相符合。出行者年齡(AGE=0和AGE=1)變量系數(shù)在模式家—工作(內(nèi))—家、家—工作(內(nèi))—其他—家和家—工作(外)—家均為正，因?yàn)槟挲g小于50歲居民主要是工作者和學(xué)生，與職業(yè)變量吻合。

2)家庭特征影響分析

家庭屬性變量中，有無(wú)小汽車(chē)和電動(dòng)車(chē)數(shù)目對(duì)家—工作(外)—其他—家有顯著影響，其中有無(wú)小汽車(chē)和電動(dòng)車(chē)數(shù)目主要影響模式家—工作(外)—其他—家，變量系數(shù)估計(jì)值均為負(fù)值，說(shuō)明沒(méi)有小汽車(chē)家庭和沒(méi)有電動(dòng)車(chē)家庭較少選擇模式家—工作(外)—其他—家。而家庭收入、家庭人口數(shù)、有無(wú)學(xué)齡前兒童、自行車(chē)數(shù)目和是否擁有摩托車(chē)則對(duì)活動(dòng)模型影響不顯著。

3)已有研究對(duì)比分析

通過(guò)和已有城市居民出行活動(dòng)影響因素研究的結(jié)果對(duì)比得到個(gè)人屬性對(duì)活動(dòng)模式影響結(jié)果相同，而家庭屬性則不完全相同[147-151]。例如，穆蕊(2010)對(duì)北京市居民出行調(diào)查數(shù)據(jù)分析得到家庭屬性中的家庭月收入通過(guò)影響居民出行方式選擇從而影響居民的出行活動(dòng)；宗芳(2007)認(rèn)為家庭屬性變量中的兒童情況、家庭收入、有無(wú)摩托車(chē)和自行車(chē)均顯著影響居民出行活動(dòng)模式。

通過(guò)研究得到了歷史城區(qū)內(nèi)居民出行活動(dòng)模式與個(gè)人及家庭特征之間的關(guān)聯(lián)性。根據(jù)居民出行調(diào)查數(shù)據(jù)，將出行活動(dòng)劃分為五類(lèi)典型模式，包括“家—工作(內(nèi))—家”、“家—工作(內(nèi))—其他—家”、“家—工作(外)—家”、“家—工作(外)—其他—家”和“家—其他—家”。建立了多項(xiàng)Logit模型分析了各因素對(duì)于居民進(jìn)行活動(dòng)模式選擇的影響。

主要得到以下結(jié)論：以家—其他—家為參照類(lèi)，男性更傾向選擇活動(dòng)模式家—工作(內(nèi))—家和家—工作(外)—家，而女性更傾向選擇模式家—工作(內(nèi))—其他—家；無(wú)小汽車(chē)家庭和無(wú)電動(dòng)車(chē)家庭較少選擇活動(dòng)模式家—工作(外)—其他—家；年齡小于50歲和學(xué)生/職員/服務(wù)人員更多地選擇活動(dòng)模式家—工作(內(nèi))—家、家—工作(內(nèi))—其他—家和家—工作(外)—家。研究發(fā)現(xiàn)，家庭屬性變量中僅有無(wú)小汽車(chē)和電動(dòng)車(chē)數(shù)目顯著影響歷史城區(qū)居民出行活動(dòng)模式選擇，而家庭收入、家庭人口數(shù)、自行車(chē)數(shù)、有無(wú)摩托車(chē)和有無(wú)學(xué)齡前兒童對(duì)活動(dòng)模式選擇的影響并不顯著，有別于以往基于城市總體的居民出行活動(dòng)模式選擇的研究結(jié)論。

基于活動(dòng)模式的研究，是以活動(dòng)為視角，以出行鏈為單元，以個(gè)體社會(huì)經(jīng)濟(jì)屬性為解釋變量，用非集計(jì)模型對(duì)出行生成進(jìn)行了新的闡述，能夠預(yù)測(cè)歷史城區(qū)出行者的交通需求的總量，對(duì)于將基于活動(dòng)的分析方法融入出行者的交通需求預(yù)測(cè)具有重要意義。具體的預(yù)測(cè)步驟為：根據(jù)模型參數(shù)可以得到出行者典型活動(dòng)模式效用函數(shù)，按照概率集計(jì)法對(duì)選擇結(jié)果進(jìn)行集計(jì)分析，能夠得到各個(gè)交通小區(qū)所有個(gè)體選擇每種活動(dòng)的總數(shù)，將活動(dòng)模式總數(shù)乘以活動(dòng)模型平均長(zhǎng)度就可以進(jìn)行出行生成預(yù)測(cè)。

5.4　基于活動(dòng)模式的交通方式選擇行為

傳統(tǒng)的居民出行方式選擇預(yù)測(cè)研究一般以單次出行作為分析單元。隨著基于活動(dòng)的出行需求預(yù)測(cè)方法得到推廣，越來(lái)越多的學(xué)者將活動(dòng)模式、出行鏈等決策過(guò)程與出行方式選擇的決策過(guò)程相結(jié)合，來(lái)進(jìn)行出行行為的預(yù)測(cè)研究。研究的關(guān)鍵問(wèn)題就是模型中出行鏈/活動(dòng)模式與出行方式選擇決策的先后順序關(guān)系。相關(guān)的研究方法可以分為以下類(lèi)：

1)同時(shí)決策(simultaneous choice model)

該方法的假設(shè)出行者同時(shí)確定若干選擇內(nèi)容。比如，對(duì)于決策集A和B，包含的選擇肢為a1, a2, …, am和b1, b2, …, bn，則構(gòu)建一個(gè)新的決策集AB，其選擇肢為aij，其中i=1, 2， …， m； j=1,2， …， n。該方法的缺點(diǎn)在于：可能由于選擇肢數(shù)量較多，導(dǎo)致新的決策集AB選擇肢的數(shù)量過(guò)多；假設(shè)出行者同時(shí)進(jìn)行選擇不符合實(shí)際情況。

2)先后決策(sequential choice model)

該方法假設(shè)出行者按照一定的順序進(jìn)行選擇決策，在模型中事先確定了決策順序。

3)高低層決策(nested choice model)

假設(shè)出行者在決策時(shí)具有一定的層次性，建模時(shí)事先按照一定原則將不同決策分為若干層次，底層決策嵌套在高層決策中。常用的模型有Nested Logit model(NL)，如圖5.8所示。

先后決策方法和高低層決策方法無(wú)論事先確定一定的順序還是事先確定選擇的層次有悖于一般的決策過(guò)程和規(guī)律。

4)其他決策研究

比如，宗芳等(2007)將活動(dòng)特征作為Logit模型的效用函數(shù)中的效用項(xiàng)，通過(guò)對(duì)模型參數(shù)的估計(jì)，得到活動(dòng)特征的出行方式選擇的影響[151]。

圖5.8　出行鏈復(fù)雜程度與出行方式選擇的Nested Logit建模示意圖

基于活動(dòng)的出行需求預(yù)測(cè)方法認(rèn)為出行者對(duì)于出行的需求源于對(duì)活動(dòng)的需求，大多數(shù)研究者在模型中一般是優(yōu)先進(jìn)行出行鏈/活動(dòng)模式的決策，或?qū)⑺鼈冏鳛樯蠈記Q策而將出行方式選擇嵌套其中。一些學(xué)者對(duì)事先確定決策順序的方法提出了疑問(wèn)，并進(jìn)行了相關(guān)的驗(yàn)證和模型的改進(jìn)。Krygsman(2007)研究認(rèn)為大部分出行者的活動(dòng)決策優(yōu)先于出行方式的決策[152]；萬(wàn)霞等(2009)通過(guò)對(duì)沈陽(yáng)的活動(dòng)模式和小汽車(chē)選擇的決策研究發(fā)現(xiàn)，65%以上的出行者先選擇小汽車(chē)方式，然后再確定相應(yīng)的活動(dòng)模式[153]。

5.4.1　數(shù)據(jù)及變量

研究數(shù)據(jù)源于2010年揚(yáng)州市歷史城區(qū)出行者出行調(diào)查。調(diào)查表隨機(jī)發(fā)放到每個(gè)小區(qū)，除了調(diào)查每個(gè)出行者工作日的完整出行信息外，還有出行者的個(gè)人特征、家庭特征以及出行特征作為研究變量。個(gè)人特征包括出行者的性別、職業(yè)、年齡和工作區(qū)位，家庭特征為家庭人口數(shù)、家庭收入、家庭自行車(chē)、電動(dòng)車(chē)、機(jī)動(dòng)車(chē)數(shù)量等；出行特征則為出行者的工作出行時(shí)間和是否有公務(wù)出行等。調(diào)查期間一共發(fā)放調(diào)查表2000份，有效樣本為1039份。

1)影響因素的選擇

根據(jù)相關(guān)建模和分析經(jīng)驗(yàn)，確定Logit模型的特性變量應(yīng)包含個(gè)體屬性、家庭特征和活動(dòng)及出行屬性。個(gè)體屬性主要包括出行者的年齡、性別、職業(yè)、文化程度等變量，而家庭特征包括家庭結(jié)構(gòu)和規(guī)模、交通工具的擁有情況、家庭收入和工作地等，個(gè)體屬性和家庭特征對(duì)出行者的活動(dòng)安排和方式選擇具有顯著的影響。表5.10給出了用于分析的特性變量。

表5.10　特性變量的選擇

2)活動(dòng)模式和出行方式數(shù)據(jù)分析

根據(jù)調(diào)查統(tǒng)計(jì)結(jié)果，部分出行者對(duì)于不同類(lèi)型的出行往往會(huì)選擇不同的出行方式，也就是所說(shuō)的多方式出行，但是多方式出行的樣本雖然具有研究?jī)r(jià)值，但是因樣本量過(guò)少，故被舍去。最后，被用作研究的出行方式有以下四種：慢行方式(包括步行和自行車(chē))、電動(dòng)車(chē)、公共交通和機(jī)動(dòng)車(chē)(包括摩托車(chē)和小汽車(chē))，每種方式的統(tǒng)計(jì)結(jié)果如表5.11所示。慢行方式和電動(dòng)車(chē)有著較高的分擔(dān)比例，為34.8%，機(jī)動(dòng)車(chē)為25%，而公共交通僅占5.3%。

表5.11　出行方式統(tǒng)計(jì)結(jié)果

研究居民活動(dòng)模式時(shí)，通常把活動(dòng)分為生存活動(dòng)(工作或工作相關(guān))、維持活動(dòng)(生活購(gòu)物、探親訪友和看病)、娛樂(lè)活動(dòng)(文體娛樂(lè))和其他活動(dòng)。根據(jù)調(diào)查數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果，由于娛樂(lè)活動(dòng)(2.7%)和其他活動(dòng)(1.8%)所占比例較少，因此將這兩種活動(dòng)當(dāng)做一種活動(dòng)考慮。最終研究的活動(dòng)主要有三種：生存活動(dòng)、維持活動(dòng)和其他活動(dòng)。

出行鏈?zhǔn)侵敢蝗諆?nèi)出行者從自家出發(fā)最終回到自家的一系列出行所構(gòu)成的封閉鏈，可形象描述為多次出行的鏈接，按照活動(dòng)數(shù)目可以劃分為簡(jiǎn)單鏈和復(fù)雜鏈。結(jié)合調(diào)查數(shù)據(jù)，用于分析的典型活動(dòng)-出行鏈有以下四種：工作出行鏈(H-W-H和H-W-H-W-H)占所有出行的84.6%，簡(jiǎn)單出行鏈H-W-H比例最高為59.5%，出行鏈H-W+M-H和H-W+O-H比例分別為10.9%和4.5%，每個(gè)出行鏈所占比例如表5.12所示。

H-W-H：簡(jiǎn)單通勤出行模式，無(wú)其他停留；

H-W-H-W-H：包含基于家的通勤出行往返停留；

H-W+M-H：主要為通勤出行，同時(shí)包含有維持活動(dòng)；

H-W+O-H：主要為通勤出行，同時(shí)包含有其他活動(dòng)。

表5.12　活動(dòng)模式統(tǒng)計(jì)結(jié)果

該部分主要探討出行方式與活動(dòng)模式的相互影響關(guān)系，首先，表5.13給出了每種活動(dòng)模式下對(duì)應(yīng)的方式選擇的比例。不同活動(dòng)模式下的出行方式選擇有一定的差異，活動(dòng)模式H-W+M-H，H-W-H，H-W-H-W-H對(duì)應(yīng)的出行方式整體差別不大，活動(dòng)模式H-W-H的公共交通分擔(dān)比例略高；而活動(dòng)模式H-W+O-H慢行方式較低，電動(dòng)車(chē)和機(jī)動(dòng)車(chē)比例高于其他活動(dòng)模式。有鏈接非工作活動(dòng)的通勤出行鏈(H-W+M-H和H-W+O-H)機(jī)動(dòng)車(chē)比例較高，其次為活動(dòng)模式H-W-H-W-H。

揚(yáng)州市歷史城區(qū)簡(jiǎn)單出行鏈H-W-H的比例較高(59.5%)，一般研究結(jié)論公共交通在H-W-H中的比例應(yīng)較高。但是根據(jù)表5.13，公共交通比例遠(yuǎn)低于慢行方式和電動(dòng)車(chē)，這點(diǎn)和國(guó)內(nèi)以非歷史城區(qū)為對(duì)象的研究結(jié)論不同，這主要和歷史城區(qū)更適合慢行方式和電動(dòng)車(chē)出行有關(guān)，公共交通由于服務(wù)水平和方便性的原因，使得分擔(dān)比例較低。

表5.13　活動(dòng)模式對(duì)應(yīng)出行方式比例

圖5.9給出了四種不同方式的出行者選擇的活動(dòng)模式比例情況。從圖5.9中可以得到出行者選擇公共交通出行時(shí)，大多數(shù)的通勤出行鏈為H-W-H；若選擇機(jī)動(dòng)車(chē)出行，H-W-H所占的比例較低，其他較復(fù)雜活動(dòng)出行鏈H-W-H-W-H、H-W+M-H和H-W+O-H的比例較高，因?yàn)闄C(jī)動(dòng)車(chē)出行的可達(dá)性和方便性較高，該類(lèi)出行者更傾向選擇其他目的的出行。電動(dòng)車(chē)和慢行方式對(duì)應(yīng)的簡(jiǎn)單活動(dòng)出行鏈和復(fù)雜活動(dòng)出行鏈的比例相差不大。結(jié)合表5.13中的數(shù)據(jù)可以發(fā)現(xiàn)，出行者的出行方式和活動(dòng)模式選擇之間存在一定的交互作用，也就是說(shuō)活動(dòng)模式和出行方式有著相互選擇的關(guān)系。

圖5.9　不同出行方式選擇活動(dòng)模式比例

5.4.2　模型建構(gòu)

1)協(xié)同進(jìn)化Logit模型

將協(xié)同進(jìn)化思想引入出行方式選擇與活動(dòng)模式的交互作用建模研究，即認(rèn)為二者之間存在相互適應(yīng)、相互影響、相互協(xié)同、共同“進(jìn)化”的作用關(guān)系，在此作用下最終產(chǎn)生決策結(jié)果，而并非事先假設(shè)活動(dòng)模式?jīng)Q定了使用某種出行方式或者是某種出行方式的使用決定了活動(dòng)模式。

個(gè)體出行者面臨一系列相關(guān)選擇，Di∈D。每類(lèi)決策包含若干選擇肢，選擇肢之間相互獨(dú)立?；?span id="ke3fw48" class="emphasis_italic">Logit模型基礎(chǔ)，假設(shè)效用最大的選擇肢被選中，效用的形式為：

EUtd=∑rβr∑s∈SPtsXrd|s?d∈Di,?Di∈D

(5.13)

式(5.13)中，

t——決策過(guò)程中的時(shí)刻指數(shù)；

EUtd——在t時(shí)刻的選擇肢d的期望效用；

S——決策Di；

?i′≠i——所有可能結(jié)果的集合；

Xr(d|s)——給定狀態(tài)下s下的選擇肢d的特性r的特征值；

βr——與特性r有關(guān)的參數(shù)；

Pts——在t時(shí)刻狀態(tài)s的感知概率。

Pts則可以被定義為如下形式：

PItd=∑s∈SPtsId|s?d∈Di,?Di∈D

(5.14)

式(5.14)中，

PtsI(d|s)——t時(shí)刻在選擇Di中選擇肢d∈Di被選中概率的估計(jì)值；

I(d|s)——選擇肢d在Di的選擇狀態(tài)s確定下被選中的概率。

則在模型中，選擇肢d被選中的概率pt(d)為：

Pt(d)=P{It-1(d)}exp[E{Ut-1(d)}]∑d′∈DiP{It-1(d′)}exp[E{Ut-1(d′)}],?d∈Di,?Di∈D

(5.15)

當(dāng)t=0時(shí)，每個(gè)選擇肢d被選中的概率為：

P0(d)=1Di?d∈Di,?Di∈D

(5.16)

在模型中t表示了預(yù)測(cè)中的迭代次數(shù)，而這個(gè)次數(shù)是取決于前一次的計(jì)算結(jié)果。在第t次的一次迭代中，將t-1次結(jié)果輸入式(5.16)進(jìn)行計(jì)算。在每一次循環(huán)迭代之后，對(duì)每個(gè)選擇結(jié)果Di的不確定性用熵法進(jìn)行計(jì)算，即

Ht(Di)=-∑d∈DiPt(d)×log2{Pt(d)}?Di∈D

(5.17)

同時(shí)也要對(duì)模型的收斂性進(jìn)行計(jì)算，即

Ct=∑Di∈D1∑d∈Di|pt(d)-pt-1(d)|

(5.18)

式(5.18)中，

pt(d)和pt-1(d)——相鄰兩循環(huán)中選擇肢d被選中的概率。

該公式是選擇結(jié)果的吻合度評(píng)價(jià)函數(shù)。

2)求解步驟

根據(jù)前面定義，模型的求解步驟如下：

(1)初始化，令t=0，并設(shè)置各選擇肢屬性變量的相關(guān)系數(shù)θk；

(2)計(jì)算每一個(gè)選擇肢被選擇的可能性ptDi，且d∈Di,Di∈D；

(3)計(jì)算Ct，如果Ct<C0，令t=t+1從步驟(2)開(kāi)始繼續(xù)計(jì)算，C0為事先確定的模型最頂收斂水平；

(4)根據(jù)式(5.18)計(jì)算各選擇的熵值，熵值最小的選擇確定其選擇肢，其中概率最高的選擇肢被選中，其被選中的概率為1，其他選擇肢的可能性為0；

(5)從步驟(2)開(kāi)始重復(fù)t=t+1過(guò)程，直到所有的選擇肢被確定。在步驟(4)一旦某個(gè)選擇做出決定，在最后的計(jì)算不能再更改。

5.4.3　模型結(jié)果及分析

1)模型估計(jì)結(jié)果

協(xié)同進(jìn)化Logit模型分析通勤者出行方式選擇和活動(dòng)模式間交互作用的步驟為：

(1)初始化自變量和因變量，將出行方式和活動(dòng)模式轉(zhuǎn)化為虛擬變量；

(2)分別采用多項(xiàng)Logit(MNL)模型分別估計(jì)出行方式和活動(dòng)模式選擇概率；

(3)初始化協(xié)同進(jìn)化模型中的變量，開(kāi)始迭代過(guò)程；

(4)記錄迭代過(guò)程中方式選擇和活動(dòng)模式結(jié)果，出行者所有決策均確定后結(jié)束迭代過(guò)程；

(5)對(duì)出行者的出行方式選擇和活動(dòng)模式選擇結(jié)果進(jìn)行統(tǒng)計(jì)分析。

出行方式選擇模型中，以機(jī)動(dòng)車(chē)作為參考；活動(dòng)模式選擇模型中以活動(dòng)模式H-W-H-W-H為參考。最終模型估計(jì)結(jié)果如表5.14所示。

表5.14　出行方式與活動(dòng)模式交互模型結(jié)果

注：空白表示該變量影響不顯著；“-”表示不是該模型的影響因素。

2)結(jié)果分析

(1)模型命中率

模型估計(jì)結(jié)果表明，出行方式選擇和活動(dòng)模式之間存在相關(guān)性，某一決策的選擇受到另一決策結(jié)果的影響。因此，在離散選擇模型中考慮兩類(lèi)交互作用下有助于提高模型命中率。表5.15為考慮和不考慮交互作用下的出行方式和活動(dòng)模式選擇的整體命中率對(duì)比結(jié)果。從表5.15得出考慮交互作用后對(duì)通勤者出行方式選擇的預(yù)測(cè)精度從74%提高到84.5%，活動(dòng)模式的預(yù)測(cè)精度從83.7%提高到87.5%。

表5.15　模型命中率　(%)

(2)交互結(jié)果分析

出行方式選擇的模型估計(jì)結(jié)果表明：男性通勤者不傾向電動(dòng)車(chē)和公共交通，區(qū)內(nèi)工作者和家庭收入較少的家庭選擇慢行方式的概率更高。如果通勤者不在早高峰時(shí)段出行，則更傾向選擇慢行方式、電動(dòng)車(chē)和公共交通，通勤者不在晚高峰時(shí)段出行，則更少選擇公共交通；另外，若通勤者的出行時(shí)間小于30min，他們選擇電動(dòng)車(chē)和公共交通概率更小；沒(méi)有公務(wù)出行的通勤者，選擇慢行和電動(dòng)車(chē)的概率更大。

基于MNL模型的活動(dòng)模式選擇結(jié)果表明：男性較少選擇活動(dòng)模式HW+MH，職員、公務(wù)員、區(qū)內(nèi)工作者、工作出行時(shí)間小于30min和沒(méi)有公務(wù)出行的通勤者更少選擇活動(dòng)模式HWH。家庭人口較少的通勤者更多選擇活動(dòng)模式HW+MH，若通勤者不在晚高峰時(shí)段出行，他們大多數(shù)會(huì)進(jìn)行非生存出行，活動(dòng)模式為HW+MH和HW+OH。

根據(jù)文獻(xiàn)表明進(jìn)出歷史城區(qū)的主要干道，特別是在早晚高峰時(shí)段擁堵嚴(yán)重，除了外圍居民的通勤出行外，還有就是區(qū)外工作者。因此文中將通勤者的工作區(qū)位作為研究變量，將其分為區(qū)內(nèi)工作者和區(qū)外工作者，圖5.10(a)和(b)所示分別表示這兩類(lèi)群體出行方式和活動(dòng)模式分擔(dān)比例，并且有著較大的差別。結(jié)合模型估計(jì)結(jié)果：區(qū)內(nèi)工作者更傾向選擇慢行方式出行，活動(dòng)模式較少為HWH，與圖5.9統(tǒng)計(jì)結(jié)果相符合。

圖5.10　區(qū)內(nèi)工作者和區(qū)外工作者對(duì)比

表5.14中出行方式和活動(dòng)模式的交互結(jié)果表明通勤者包含非工作出行，很少選擇電動(dòng)車(chē)出行。活動(dòng)模式為H-W-H和H-W+M-H，該類(lèi)通勤者更傾向公共交通出行。若通勤者工作出行采取公共交通，則該類(lèi)群體多數(shù)會(huì)選擇簡(jiǎn)單鏈H-W-H，較少選擇家和工作地之間有其他活動(dòng)的出行(H-W+O-H)。慢行出行的通勤者較多會(huì)選擇活動(dòng)模式H-W+O-H，電動(dòng)車(chē)出行的通勤者，選擇活動(dòng)模式H-W+M-H和H-W+O-H的概率較低。

為更好的說(shuō)明上述交互結(jié)果，根據(jù)調(diào)查數(shù)據(jù)統(tǒng)計(jì)揚(yáng)州市歷史城區(qū)通勤者不同出行目的對(duì)應(yīng)的方式選擇，如圖5.11所示。

圖5.11　不同出行目的對(duì)應(yīng)出行方式比例

三種出行目的，出行方式變化較大的是慢行方式和電動(dòng)車(chē)，公共交通比例變化不大。主要原因電動(dòng)車(chē)相比慢行有著速度優(yōu)勢(shì)，價(jià)格低于機(jī)動(dòng)車(chē)，方便性?xún)?yōu)于公共交通，同時(shí)工作單位往往提供充足的電動(dòng)車(chē)停車(chē)位，因此工作出行時(shí)電動(dòng)車(chē)比例較高；非工作出行時(shí)往往停車(chē)?yán)щy，歷史城區(qū)面積不大，街道密集，功能齊全，更適合慢行出行，因此會(huì)有部分電動(dòng)車(chē)通勤者選擇回家后變換慢行方式完成購(gòu)物、娛樂(lè)等目的的出行，這點(diǎn)與已有研究結(jié)論相反，解釋了電動(dòng)車(chē)出行者與活動(dòng)模式H-W+O-H和H-W+M-H負(fù)相關(guān)。結(jié)合現(xiàn)有研究結(jié)論，出行者的活動(dòng)模式為簡(jiǎn)單鏈H-W-H時(shí)更加傾向選擇公共交通，而公共交通出行者的活動(dòng)模式也多為H-W-H，這點(diǎn)與本研究結(jié)論相符，同時(shí)也說(shuō)明了公共交通比例變化較小原因。

依據(jù)協(xié)同進(jìn)化Logit模型研究了揚(yáng)州市歷史城區(qū)通勤者出行方式和活動(dòng)模式選擇的交互作用，并且提高了模型的整體命中率。根據(jù)調(diào)查數(shù)據(jù)將出行方式分成四類(lèi)，活動(dòng)模式也分為四種類(lèi)型。交互結(jié)果表明，選擇公共交通與活動(dòng)模式H-W-H互為正相關(guān)。同時(shí)，公共交通的通勤者不傾向活動(dòng)模式H-W+O-H；慢行出行的通勤者較多會(huì)選擇活動(dòng)模式H-W+O-H，電動(dòng)車(chē)出行與活動(dòng)模式H-W+M-H和H-W+O-H互為負(fù)相關(guān)，原因是非工作出行時(shí)，由于歷史城區(qū)區(qū)位特殊性，更多通勤者會(huì)選擇慢行方式出行，不同于已有對(duì)整個(gè)城市的研究結(jié)論，對(duì)公共交通與活動(dòng)模式的結(jié)論則和已有結(jié)論相符合。

基于活動(dòng)模式的交通方式選擇行為可以用于歷史城區(qū)的交通方式出行需求預(yù)測(cè)和交通需求管理政策的評(píng)價(jià)兩個(gè)方面。在進(jìn)行出行需求預(yù)測(cè)時(shí)，可以運(yùn)用非集計(jì)的調(diào)查數(shù)據(jù)，直接預(yù)測(cè)出非集計(jì)的某種出行方式，比如小汽車(chē)的使用模型選擇概率，進(jìn)而得到小汽車(chē)出行的屬性數(shù)據(jù)，之后再對(duì)非集計(jì)數(shù)據(jù)進(jìn)行集計(jì)分析，具體的過(guò)程和5.3節(jié)的活動(dòng)模式的預(yù)測(cè)過(guò)程類(lèi)似。國(guó)內(nèi)外學(xué)者也多將非集計(jì)模型應(yīng)用于交通需求管理政策的評(píng)價(jià)中?；诨顒?dòng)的出行需求預(yù)測(cè)模型通常采取模擬—比較—評(píng)價(jià)的方法來(lái)預(yù)測(cè)和評(píng)價(jià)交通需求管理政策的實(shí)施效果。比如增加歷史城區(qū)停車(chē)費(fèi)，可以通過(guò)該模型預(yù)測(cè)小汽車(chē)的使用分擔(dān)的變化。

5.5　基于結(jié)構(gòu)方程模型的歷史城區(qū)交通需求分析

5.5.1　結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型是基于變量的協(xié)方差矩陣來(lái)分析變量之間關(guān)系的一種多元線性統(tǒng)計(jì)技術(shù)，也稱(chēng)為協(xié)方差結(jié)構(gòu)分析。該建模技術(shù)起源于20世紀(jì)初，其核心概念在20世紀(jì)70年代才被相關(guān)學(xué)者專(zhuān)家提出，屬于比較新的研究方法。大多應(yīng)用于心理學(xué)、社會(huì)學(xué)、生物科學(xué)、教育學(xué)、政策科學(xué)和市場(chǎng)研究中。20世紀(jì)80年代起，結(jié)構(gòu)方程模型開(kāi)始應(yīng)用于交通行為研究。

結(jié)構(gòu)方程模型是一種能夠處理大量?jī)?nèi)生變量、外源變量、潛變量的建模技術(shù)。回歸、連列方程式、路徑分析、因子分析和典型相關(guān)分析均屬結(jié)構(gòu)方程模型的特例。

含潛變量的結(jié)構(gòu)方程模型最多有三套同時(shí)估計(jì)的連列方程式：內(nèi)生變量的測(cè)量模型、外源變量的測(cè)量模型和結(jié)構(gòu)模型。

內(nèi)生變量和外源變量的測(cè)量模型可分別寫(xiě)成如下形式：

x=Λxξ+δ

(5.19)

y=Λyη+ε

(5.20)

式(5.19)和式(5.20)中，

x——外源變量的指標(biāo)變量向量；

y——內(nèi)生變量的指標(biāo)向量；

Λx——外源指標(biāo)變量與外源變量的關(guān)系系數(shù)矩陣；

Λy——內(nèi)生變量與內(nèi)生變量的關(guān)系系數(shù)矩陣；

ξ——外源變量向量；

η——內(nèi)生變量向量；

δ——外源指標(biāo)變量x的誤差項(xiàng)；

ε——內(nèi)生指標(biāo)變量y的誤差項(xiàng)。

用于描述外源變量與內(nèi)生變量或者內(nèi)生變量之間的因果關(guān)系。其數(shù)學(xué)形式可寫(xiě)成：

η=Βη+Γξ+ζ

(5.21)

式(5.21)中，

η——內(nèi)生變量向量；

ξ——外源變量向量；

Β——內(nèi)生變量間的關(guān)系系數(shù)矩陣；

?！庠醋兞繉?duì)內(nèi)生變量的關(guān)系系數(shù)矩陣；

ζ——結(jié)構(gòu)模型的殘差項(xiàng)。

結(jié)構(gòu)方程模型具有下述優(yōu)點(diǎn)：①同時(shí)處理多個(gè)因變量；②容許自變量和因變量含測(cè)量誤差；③同時(shí)估計(jì)因子結(jié)構(gòu)和因子關(guān)系；④容許更大彈性的測(cè)量模型；⑤估計(jì)整個(gè)模型的擬合程度。

結(jié)構(gòu)方程模型分析步驟可分為模型構(gòu)建、模型擬合、模型評(píng)價(jià)和模型修正四個(gè)步驟：

(1)模型構(gòu)建包括制定：指標(biāo)變量與潛變量的關(guān)系；各潛變量間的相互關(guān)系；在復(fù)雜模型中，可限制因素載荷或因子相關(guān)系數(shù)等參數(shù)的數(shù)值關(guān)系。

(2)通常使用最小二乘法擬合模型，相應(yīng)的參數(shù)估計(jì)即為最小二乘估計(jì)。目標(biāo)是求參數(shù)使得模型隱含的協(xié)方差矩陣與樣本協(xié)方差矩陣的“差距”最小。根據(jù)“差距”的定義方法不同，產(chǎn)生不同的模型擬合方法及相應(yīng)的參數(shù)估計(jì)方法。

(3)評(píng)價(jià)一個(gè)模型，應(yīng)檢查該模型的解是否適當(dāng)，參數(shù)與預(yù)設(shè)模型的關(guān)系是否合理，并檢驗(yàn)多個(gè)不同類(lèi)型的整體擬合指數(shù)(NNFI、CFI、RMSEA等)來(lái)衡量擬合程度。

(4)模型修訂的技術(shù)步驟包括以下內(nèi)容：依據(jù)理論或有關(guān)假設(shè)，提出一個(gè)或數(shù)個(gè)合理的先驗(yàn)?zāi)Ｐ?；檢驗(yàn)潛變量與指標(biāo)變量間的關(guān)系，建立測(cè)量模型，有時(shí)需刪減或者重組指標(biāo)變量；若模型含多個(gè)潛變量，可以每次只檢測(cè)兩個(gè)潛變量的模型，確定測(cè)量模型部分的合理性后，最后再將所有潛變量合并成預(yù)測(cè)的先驗(yàn)?zāi)Ｐ停鲆粋€(gè)總體檢驗(yàn)；對(duì)每一個(gè)模型，檢查標(biāo)準(zhǔn)誤差、t值、標(biāo)準(zhǔn)化殘差、修正指數(shù)等；最終模型是依據(jù)某一樣本數(shù)據(jù)形成。

5.5.2　研究變量選擇

1)外生變量

雖然出行環(huán)境、居住地或者目的地的用地特征，以及交通條件均能夠影響通勤者的出行行為特征。但根據(jù)已有研究結(jié)論，來(lái)自出行者主觀的影響因素，如個(gè)人特征和家庭特征等的作用也很顯著。選取通勤者個(gè)人特征(性別和年齡)，家庭特征(家庭人口數(shù)、是否有小孩、小汽車(chē)可用性和家庭收入)作為結(jié)構(gòu)方程的外生變量。外生變量的具體描述如表5.16所示。

表5.16　結(jié)構(gòu)方程外生變量

2)內(nèi)生變量

根據(jù)調(diào)查數(shù)據(jù)統(tǒng)計(jì)，通勤者工作日娛樂(lè)出行比例極低，故模型變量不予考慮，最終選取生存活動(dòng)(以工作目的為主)和維持活動(dòng)(以家庭購(gòu)物、外出就餐等目的為主)的各三個(gè)變量以及表征出行行為特點(diǎn)的出行方式、日出行次數(shù)、基于家的出行鏈個(gè)數(shù)和活動(dòng)鏈模式作為結(jié)構(gòu)方程的內(nèi)生變量，每個(gè)內(nèi)生變量的具體描述如表5.17所示。根據(jù)通勤者工作日當(dāng)天的出行特點(diǎn)，用于分析的典型活動(dòng)—出行鏈表示方法有H-W-H，H-W-H-W-H和H-W+M-H三種。

表5.17　結(jié)構(gòu)方程的內(nèi)生變量及描述

續(xù)　表

5.5.3　出行者市場(chǎng)細(xì)分

根據(jù)歷史城區(qū)出行者職住分布，將出行者分為三類(lèi)：①居住地和工作地均在歷史城區(qū)內(nèi)，為Ⅰ 類(lèi)；②居住在歷史城區(qū)內(nèi)，工作地在區(qū)外，為 Ⅱ 類(lèi)；③居住在區(qū)外，工作地為區(qū)內(nèi)，為 Ⅲ 類(lèi)，如圖5.12所示。

圖5.12　歷史城區(qū)三類(lèi)出行者示意圖

傳統(tǒng)的居民出行行為調(diào)查主要在城市某個(gè)或幾個(gè)社區(qū)進(jìn)行隨機(jī)抽樣發(fā)放問(wèn)卷獲取數(shù)據(jù)，這樣的調(diào)查方式一定程度上不能準(zhǔn)確均衡地反映整個(gè)區(qū)域的出行特征。為確保調(diào)查樣本的代表性和和數(shù)據(jù)獲取的有效性，調(diào)查按照居民出行調(diào)查的方法，將歷史城區(qū)進(jìn)行交通小區(qū)劃分，分不同的小區(qū)進(jìn)行樣本選取。

圖5.13　揚(yáng)州市歷史城區(qū)交通小區(qū)劃分

按照問(wèn)卷設(shè)計(jì)方案，為確保三類(lèi)出行者都能被調(diào)查到，調(diào)查選擇在工作日進(jìn)行，其中白天調(diào)查歷史城區(qū)的主要工作地，夜晚調(diào)查歷史城區(qū)的主要居住地。問(wèn)卷信息包括兩部分：①個(gè)人和家庭特征，例如性別、年齡、家庭收入、家庭人口數(shù)等；②工作日的出行信息，包括出行的出行時(shí)間、持續(xù)時(shí)間、出行方式選擇等。

調(diào)查共發(fā)放調(diào)查表2000份，抽樣率在1%左右。對(duì)回收的問(wèn)卷進(jìn)行了出行時(shí)間連續(xù)性、空間一致性及方式一致性的檢驗(yàn)，剔除了無(wú)效問(wèn)卷。最終得到有效問(wèn)卷1239份，其中Ⅰ類(lèi)出行者705份，Ⅱ類(lèi)出行者245份，Ⅲ類(lèi)出行者289份。

表5.18中給出了三類(lèi)出行者的出行行為特征的統(tǒng)計(jì)描述結(jié)果。

表5.18　出行特征變量的統(tǒng)計(jì)分析

注：由于統(tǒng)計(jì)原因，電動(dòng)車(chē)方式納入慢行方式一并統(tǒng)計(jì)分析。

根據(jù)表5.18可知：

(1)Ⅱ類(lèi)出行者和Ⅲ類(lèi)出行者在出行行為方面差別不大，與Ⅰ類(lèi)出行者差別較大；

(2)Ⅲ類(lèi)出行者的H-W-H-W-H高于Ⅱ類(lèi)出行者，而H-W+M-H低于Ⅱ類(lèi)出行者，因?yàn)棰箢?lèi)出行者主要在歷史城區(qū)完成出行目的的出行，而其他類(lèi)型的活動(dòng)可能主要在區(qū)外完成；

(3)Ⅲ類(lèi)出行者小汽車(chē)比例和公交車(chē)比例較高，慢行比例最低，主要因?yàn)槠骄鲂芯嚯x較前兩類(lèi)出行者遠(yuǎn)；

(4)Ⅰ類(lèi)出行者日出行次數(shù)和鏈的個(gè)數(shù)多于其他兩類(lèi)，這與活動(dòng)模式的特征相對(duì)應(yīng)，因?yàn)棰耦?lèi)出行者活動(dòng)出行鏈H-W-H-W-H和H-W+M-H的比例較高，導(dǎo)致以家為基點(diǎn)的鏈個(gè)數(shù)和出行次數(shù)較多。

5.5.4　結(jié)構(gòu)方程模型架構(gòu)

該部分主要分析三類(lèi)出行者的出行行為特征和影響因素的差異性。借鑒已有研究，圖5.14和圖5.15分別給出結(jié)構(gòu)方程模型的研究框架和結(jié)構(gòu)示意圖。模型結(jié)構(gòu)基于以下假設(shè)：家庭特征、個(gè)人特征等外生變量對(duì)出行者的活動(dòng)和出行特征有顯著影響，而出行者的維持性活動(dòng)往往受到生存活動(dòng)的影響，生存活動(dòng)和維持活動(dòng)又共同影響出行者工作日的出行特征。

圖5.14　研究框架圖

圖5.15　結(jié)構(gòu)方程的模型結(jié)構(gòu)圖

5.5.5　模型結(jié)果及分析

模型通過(guò)結(jié)構(gòu)方程模型軟件AMOS，采用最大似然估計(jì)(ML)分別求得三類(lèi)出行者的模型估計(jì)結(jié)果。表5.19給出了外生變量對(duì)內(nèi)生變量的直接效應(yīng)，間接效應(yīng)和總效應(yīng)。

表5.19　外生變量對(duì)內(nèi)生變量直接效應(yīng)、間接效應(yīng)和總效應(yīng)

續(xù)　表

注：**表示p<0.001;*表示p≤0.05;—表示不存在相應(yīng)的效應(yīng)值；其余表示不顯著。

1)模型擬合優(yōu)度

模型通過(guò)結(jié)構(gòu)方程模型軟件AMOS，采用最大似然估計(jì)(ML)分別求得三類(lèi)出行者的模型估計(jì)結(jié)果。

表5.20給出三類(lèi)出行者的結(jié)構(gòu)方程模型的擬合優(yōu)度檢驗(yàn)系數(shù)。以Ⅰ類(lèi)出行者為例，擬合優(yōu)度指數(shù)(GFI)為0.91(≥0.9)，校正擬合優(yōu)度指數(shù)(AGFI)為0.91(≥0.9)，近似誤差平方根(RMSEA)為0.05(≤0.05)，均方根殘差(RMR)為0.07(≤0.5)。其他兩類(lèi)出行者相應(yīng)的檢驗(yàn)值均在可以接受的范圍內(nèi)，表明三類(lèi)出行者的模型擬合程度較好。模型參數(shù)的估計(jì)值均在95%置信水平。

表5.20　模型擬合優(yōu)度檢驗(yàn)

2)外生變量對(duì)內(nèi)生變量效應(yīng)分析

如表5.19所示，間接效用表示個(gè)人特征或者家庭特征通過(guò)某個(gè)內(nèi)生變量對(duì)另外一個(gè)內(nèi)生變量產(chǎn)生一定的影響。

Ⅰ類(lèi)出行者估計(jì)結(jié)果表5.18所示，個(gè)人特征對(duì)生存活動(dòng)強(qiáng)度、維持活動(dòng)強(qiáng)度和出行行為特征的總效應(yīng)分別為0.03，-0.79，0.08，家庭特征對(duì)生存活動(dòng)強(qiáng)度、維持活動(dòng)強(qiáng)度和出行特征的總效應(yīng)分別為0.19，0.83和0.15。

Ⅱ類(lèi)出行者的個(gè)人特征和家庭特征對(duì)內(nèi)生變量的影響如表5.18所示，個(gè)人特征對(duì)內(nèi)生變量的總效應(yīng)分別為0.15，-0.74，0.19；家庭特征對(duì)內(nèi)生變量的總效應(yīng)為0.16，0.47和0.08。

Ⅲ類(lèi)出行者的結(jié)果如表5.18所示，個(gè)人特征對(duì)三個(gè)內(nèi)生變量的總效應(yīng)為2.30，-1.24和1.64；家庭特征對(duì)三個(gè)內(nèi)生變量的總效應(yīng)為2.48，1.11和1.15。

從三類(lèi)出行者的外生變量對(duì)于內(nèi)生變量的效應(yīng)上看，共性特征要遠(yuǎn)大于個(gè)性特征。三類(lèi)出行者都表現(xiàn)出：一是男性相比女性更傾向生存活動(dòng)，男性的維持活動(dòng)比例較少。二是無(wú)論是生存活動(dòng)還是維持活動(dòng)，活動(dòng)強(qiáng)度都與家庭收入、家庭人口、是否有小孩和小汽車(chē)等正相關(guān)。

前者可以看出男性和女性在家庭分工中的差異性，男性更偏重于承擔(dān)與工作相關(guān)的活動(dòng)，或者說(shuō)是與工作相關(guān)的活動(dòng)更多，而女性則對(duì)家庭的照料更多。后者可能表明家庭規(guī)模大、結(jié)構(gòu)復(fù)雜可能對(duì)于活動(dòng)強(qiáng)度的要求更高，活動(dòng)也更加豐富，同時(shí)擁有小汽車(chē)使得更多的活動(dòng)變得具有可選擇性。

3)內(nèi)生變量間的效應(yīng)分析

與外生變量對(duì)于內(nèi)生變量的效應(yīng)是共性更多的特征相反，內(nèi)生變量之間的效應(yīng)所體現(xiàn)出的差異和個(gè)性特征則更多。表5.21給出三類(lèi)出行者內(nèi)生變量的效應(yīng)值。

表5.21　內(nèi)生變量間效應(yīng)值

Ⅰ類(lèi)出行者生存活動(dòng)對(duì)維持活動(dòng)估計(jì)結(jié)果為0.25，說(shuō)明該類(lèi)出行者維持活動(dòng)強(qiáng)度會(huì)隨著生存活動(dòng)強(qiáng)度的增加而增加，和相關(guān)的研究結(jié)果不同。這主要是因?yàn)椋耦?lèi)出行者為居住地和工作地均在歷史城區(qū)內(nèi)部，出行方式也以慢行方式為主，并且歷史城區(qū)作為城中心，功能齊全，這類(lèi)群體出行距離相對(duì)更短，完成各項(xiàng)活動(dòng)所需時(shí)間較短，并且能夠選擇上下班過(guò)程中完成相關(guān)的維持活動(dòng)，導(dǎo)致以維持為目的的出行次數(shù)、出行時(shí)間和持續(xù)時(shí)間增加。

Ⅱ類(lèi)出行者和Ⅲ類(lèi)出行者的生存活動(dòng)強(qiáng)度對(duì)維持活動(dòng)強(qiáng)度的結(jié)果分別為-0.12和-0.56，說(shuō)明生存活動(dòng)的增加造成相應(yīng)的維持活動(dòng)強(qiáng)度減少，當(dāng)這兩類(lèi)出行者花費(fèi)較多的時(shí)間在生存活動(dòng)上時(shí)，由于出行時(shí)耗更長(zhǎng)、出行自由度低，很難像Ⅰ類(lèi)出行者那樣在上下班途中完成家庭購(gòu)物等維持性活動(dòng)，導(dǎo)致維持活動(dòng)的強(qiáng)度就相對(duì)變少，該研究結(jié)論與以城市出行者為對(duì)象的結(jié)論較為符合。

通過(guò)對(duì)三類(lèi)出行者的活動(dòng)鏈特征的再觀察，發(fā)現(xiàn)三類(lèi)出行者內(nèi)生變量生存活動(dòng)強(qiáng)度和維持活動(dòng)強(qiáng)度對(duì)出行行為特征的效應(yīng)均為正值。以Ⅱ類(lèi)出行者為例，生存活動(dòng)強(qiáng)度和維持活動(dòng)強(qiáng)度對(duì)出行特征的效應(yīng)分別為0.23和0.18。由于表示出行行為潛變量的觀測(cè)變量主要是日出行次數(shù)和出行鏈個(gè)數(shù)，這兩個(gè)觀測(cè)變量均會(huì)隨著生存活動(dòng)強(qiáng)度和維持活動(dòng)強(qiáng)度的增大而增大，相應(yīng)的活動(dòng)—出行鏈模式也因?yàn)樯婕熬S持活動(dòng)而變?yōu)镠-W+M-H。

Ⅰ類(lèi)出行者生存活動(dòng)強(qiáng)度對(duì)出行特征的效應(yīng)值為0.21，小于維持活動(dòng)強(qiáng)度對(duì)出行特征的效應(yīng)值0.36，而其他兩類(lèi)出行者的生存活動(dòng)強(qiáng)度對(duì)出行特征的效應(yīng)值(分別為0.23和0.45)大于維持活動(dòng)強(qiáng)度對(duì)出行特征的效應(yīng)值(分別為0.18和0.24)。這也表明了歷史城區(qū)公共服務(wù)較為全面，Ⅰ類(lèi)出行者日常出行中維持活動(dòng)伴隨生存活動(dòng)完成，相應(yīng)的比例較高，導(dǎo)致出行特征較為復(fù)雜；而其他兩類(lèi)出行者則主要以工作出行為主，維持出行比例較低。

將歷史城區(qū)出行者劃分為三類(lèi)，根據(jù)揚(yáng)州市出行者出行調(diào)查數(shù)據(jù)，建立結(jié)構(gòu)方程模型，探討三類(lèi)出行者的活動(dòng)強(qiáng)度與出行行為特征的作用機(jī)制。研究結(jié)果表明，對(duì)于出行者個(gè)體而言，居住地和工作地所處區(qū)位的差異，對(duì)于其活動(dòng)特征和出行特征具有較強(qiáng)的影響作用，而出行者個(gè)體和家庭屬性的影響相對(duì)來(lái)說(shuō)要小很多。

居住和工作都在歷史城區(qū)的出行者其活動(dòng)強(qiáng)度和活動(dòng)復(fù)雜度更高，伴隨著生存活動(dòng)，往往會(huì)有維持活動(dòng)，由于歷史城區(qū)用地布局的混合性特點(diǎn)和出行的短距離特點(diǎn)，使得這類(lèi)出行者有條件進(jìn)行更多更豐富的活動(dòng)。相反，尤其是居住在城市外圍，工作在歷史城區(qū)內(nèi)的出行者，活動(dòng)相對(duì)單調(diào)，生存活動(dòng)越多，導(dǎo)致維持活動(dòng)越低，這也是由于其出行特征和所居住的區(qū)域可能配套較差有關(guān)。

4)模型評(píng)價(jià)

選取部分樣本數(shù)據(jù)進(jìn)行測(cè)試，對(duì)模型的預(yù)測(cè)能力進(jìn)行檢驗(yàn)，結(jié)果如表5.22所示。檢驗(yàn)結(jié)果表明，模型的命中率大于70%，屬于可接受范圍。其中三類(lèi)出行者由于強(qiáng)制性活動(dòng)模型比較固定，相對(duì)誤差最小，而維持性活動(dòng)僅次于強(qiáng)制性活動(dòng)，符合現(xiàn)實(shí)情況。三類(lèi)出行者的出行特征的誤差相對(duì)較大，主要是由于出行次數(shù)和出行時(shí)間的隨機(jī)性較大，Ⅰ類(lèi)出行者低于其他兩類(lèi)出行者，主要總的出行次數(shù)和出行時(shí)間花費(fèi)多與其他兩類(lèi)。

表5.22　模型檢驗(yàn)結(jié)果　(%)

個(gè)體活動(dòng)的參與和出行受到4個(gè)主要因素的影響：時(shí)間限制、個(gè)人特征、家庭特征和家庭分工[154]。通過(guò)建立結(jié)構(gòu)方程模型，將其應(yīng)用于個(gè)體交通需求分析中，具有較強(qiáng)的理論優(yōu)勢(shì)。結(jié)構(gòu)方程模型不僅能夠得到影響因素對(duì)活動(dòng)安排的效應(yīng)，還能夠得到活動(dòng)之間的效應(yīng)大小。另外，模型的實(shí)證結(jié)果表明，模型的預(yù)測(cè)精度較高，能夠較好地預(yù)測(cè)歷史城區(qū)未來(lái)的交通需求。

5.6　本章小結(jié)

本章分析了歷史城區(qū)交通出行的基本特征，基于活動(dòng)理論構(gòu)建了歷史城區(qū)交通需求分析框架體系；劃分了歷史城區(qū)居民出行活動(dòng)模式類(lèi)型，建立了歷史城區(qū)出行者的活動(dòng)模式選擇模型；采用協(xié)同進(jìn)化思想，構(gòu)建了基于活動(dòng)模式的交通方式選擇模型；采用市場(chǎng)細(xì)分策略，建立了基于結(jié)構(gòu)方程模型的交通需求分析方法。