限行政策下传统小汽车出行者出行方式选择

doi:10.13229/j.cnki.jdxbgxb.20211037

摘要/Abstract

摘要：

以西安市传统小汽车出行者为调查对象，采用行为偏好和意向偏好融合调查方法设计调查问卷，获取特定情景下传统小汽车出行者的出行方式选择行为；采用CHAID决策树方法划分传统小汽车出行者的类别，使用固定参数logit模型和随机参数logit模型构建不同群体限行后的出行方式选择模型，并对比这2个模型的优劣。研究结果表明：传统小汽车出行者分为仅有1辆车的青年出行者、仅有1辆车的壮年出行者、仅有1辆车的中老年出行者和有多辆车的出行者4类；随机参数logit模型的拟合效果更好；仅有1辆车的低收入青年和壮年出行者在限行日更倾向于选择公共交通出行；提高公共交通服务水平有助于吸引仅有1辆车的出行者在限行日选择公共交通方式出行，道路畅通有助于吸引有多辆车的出行者在限行日选择公共交通方式出行。研究结论可以为城市交通管理相关部门制定差异化的限行政策提供理论支撑。

关键词: 交通工程, 限行政策, 决策树, 随机参数logit模型, 出行方式选择

Abstract:

Taking traditional car travelers in Xi'an as the research object， a questionnaire combining the revealed preference and stated preference was designed to obtain the travel mode choice behavior of car travelers in specific scenarios. The CHAID decision tree method was used to divide the categories of traditional car travelers. The fixed parameter logit and random parameter logit model were used to establish travel mode choice models of different groups under the driving restriction policy（DRP）， and both two models were compared. The results show that traditional car travelers can be divided into four categories， namely young travelers with only one car， middle-aged travelers with only one car， elderly travelers with only one car， and travelers with multiple cars. The fitting effect of random parameter logit models outperform those of fixed parameter logit models. The low-income young and middle-aged travelers with only one car are more likely to choose public transport under the DRP. Improving the service level of public transport is helpful to attract travelers with only one car to choose public transport on restricted days. Uncongested road is helpful to attract travelers with two or more cars to choose public transport on restricted days. The research conclusions can provide theoretical support for traffic management authorities to formulate differentiated DRPs.

Key words: traffic engineering, driving restriction policy, decision tree, random parameter logit model, travel mode choice

中图分类号:

U491

马壮林,崔姗姗,胡大伟,王晋. 限行政策下传统小汽车出行者出行方式选择[J]. 吉林大学学报(工学版), 2023, 53(7): 1981-1993.

Zhuang-lin MA,Shan-shan CUI,Da-wei HU,Jin WANG. Travel mode choice of traditional car travelers after implementation of driving restriction policy[J]. Journal of Jilin University(Engineering and Technology Edition), 2023, 53(7): 1981-1993.

图/表 10

表1

表2

图1

表3

图2

表4

表5

表6

表7

表8

参考文献 30

1	国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2020.
2	刘凤喜, 曹弋, 周军. 城市机动车保有量控制及合理使用策略[M]. 北京: 北京交通大学出版社, 2018.
3	Jia N, Zhang Y, He Z, et al. Commuters' acceptance of and behavior reactions to license plate restriction policy: a case study of Tianjin, China[J]. Transportation Research Part D, 2016, 52: 428-440.
4	Zhang L L, Long R Y, Chen H. Do car restriction policies effectively promote the development of public transport?[J]. World Development, 2019, 119: 100-110.
5	Yang J, Lu F, Qin P. How does a driving restriction affect transportation patterns? the medium-run evidence from Beijing[J]. Environment for Development, 2018, 204: 270-281.
6	Yao W B, Ding Y H, Xu F M, et al. Analysis of cars' commuting behavior under license plate restriction policy: a case study in Hangzhou, China[C].∥The 21st International Conference on Intelligent Transportation Systems. USA: ITSC, 2018.
7	Huang H J, Fu D Y, Qi W. Effect of driving restrictions on air quality in Lanzhou, China: Analysis integrated with internet data source[J]. Journal of Cleaner Production, 2017, 142: 1013-1020.
8	Viard V, Fu S. The effect of Beijing's driving restrictions on pollution and economic activity[J]. Journal of Public Economics, 2015, 125: 98-115.
9	Guerra E, Millard-ball A. Getting around a license-plate ban: behavioral responses to Mexico City's driving restriction[J]. Transportation Research Part D, 2017, 55: 113-126.
10	Grange L D, Troncoso R. Impacts of vehicle restrictions on urban transport flows: the case of Santiago, Chile[J]. Transport Policy, 2011, 18 (6): 862-869.
11	Ye J J. Better safe than sorry? evidence from Lanzhou's driving restriction policy [J]. China Economic Review, 2017, 45: 1-21.
12	Cantillo V, Ortúzar J. Restricting the use of cars by license plate numbers: a misguided urban transport policy[J]. Dyna, 2014, 81(188): 75-82.
13	Wang L, Xu J, Qin P. Will a driving restriction policy reduce car trips? —the case study of Beijing, China[J]. Transportation Research Part A, 2014, 67: 279-290.
14	侯现耀, 陈学武, 王卫杰. 多公交信息下居民出行前方式选择意向分析[J]. 交通运输系统工程与信息, 2014, 14(4): 79-84.
	Hou Xian-yao, Chen Xue-wu, Wang Wei-jie. Preferences of pre-trip mode choice based on multiple public transit information[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(4): 79-84.
15	Böckenholt U, Dillon W R. Some new methods for an old problem: modeling preference changes and competitive market structures in pretest market data[J]. Journal of Marketing Research, 1997, 34(1): 130-142.
16	Fischer G W, Nagin D. Random versus fixed coefficient quantal choice models[J]. Structural Analysis of Discrete Data with Econometric Applications, 1981: 273-304.
17	Train K E. Recreation demand models with taste differences over people[J]. Land Economics, 1998, 74(2):230-239.
18	Liu Y, Hong Z, Liu Y. Do driving restriction policies effectively motivate commuters to use public transportation?[J]. Energy Policy, 2016, 90: 253-261.
19	戢晓峰, 刘丁硕, 陈方. 考虑需求强度与群体差异的公路旅客出行行为异质性研究[J]. 北京交通大学学报, 2021, 45(1): 47-61.
	Ji Xiao-feng, Liu Ding-shuo, Chen Fang. Research on heterogeneity of road passenger travel behavior considering demand intensity and group differences[J]. Journal of Beijing Jiaotong University, 2021, 45(1): 47-61.
20	William H G, David A H. A latent class model for discrete choice analysis: contrasts with mixed Logit[J]. Transportation Research Part B, 2003, 37: 681-698.
21	Zhao W J, Ma Z L, Yang K, et al. Impacts of variable message signs on en-route route choice behavior[J]. Transportation Research Part A, 2020, 139: 335-349.
22	赵鹏, 翟茹雪, 宋文波. 考虑个体异质性的高速铁路旅客选择行为[J]. 北京交通大学学报, 2019, 43(2): 117-123.
	Zhao Peng, Zhai Ru-xue, Song Wen-bo. Passenger choice behavior of high speed railway considering individual heterogeneity[J]. Journal of Beijing Jiaotong University, 2019, 43(2): 117-123.
23	Kobayashi D, Takahashi O, Arioka H, et al. A prediction rule for the development of delirium among patients in medical wards: chi-square automatic interaction detector (CHAID) decision tree analysis model[J]. The American Journal of Geriatric Psychiatry, 2013, 21(10): 957-962.
24	何凡, 沈毅, 叶众. 卡方自动交互检测法及其应用[J]. 中华预防医学杂志, 2005, 39(2): 133-135.
	He Fan, Shen Yi, Ye Zhong. Chi-square automatic interactive detection method and its application[J]. Chinese Journal of Preventive Medicine, 2005, 39(2): 133-135.
25	云美萍, 刘广洋, 刘芳. 公交服务质量变化对出行方式选择行为的影响[J]. 中国公路学报, 2017, 30(7): 119-125.
	Yun Mei-ping, Liu Guang-yang, Liu Fang. Influence of change of public transportation service quality on travel mode choice behavior[J]. China Journal of Highway and Transport, 2017, 30(7): 119-125.
26	Rizzi L I, Ortúzar J D. Stated preference in the valuation of interurban road safety[J]. Accident Analysis & Prevention, 2003, 35(1): 9-22.
27	Ortúzar J D, Willumson L G. Modelling Transport[M]. London:Wiley, 2011.
28	钟礼杰, 高玉堂, 金丕焕. Logistic回归模型的拟合优度检验[J]. 中国卫生统计, 1993, 10(3): 55-59.
	Zhong Li-jie, Gao Yu-tang, Jin Pei-huan. The goodness of fit test of Logistic regression model[J]. Chinese Journal of Health Statistics, 1993, 10(3): 55-59.
29	Akaike H T. A new look at the statistical model identification[J]. Automatic Control IEEE Transactions on, 1974, 19(6): 716-723.
30	Kass R E, Wasserman L. A reference Bayesian test for nested hypotheses and its relationship to the schwarz criterion[J]. Publications of the American Statistical Association, 1995, 90(431): 928-934.

相关文章 15

[1]	潘恒彦,王永岗,李德林,陈俊先,宋杰,杨钰泉. 基于交通冲突的长纵坡路段追尾风险评估及预测[J]. 吉林大学学报(工学版), 2023, 53(5): 1355-1363.
[2]	宋灿灿,荆迪菲,谢俊峰,康可心. 设置广告牌的高速公路平曲线路段驾驶行为分析[J]. 吉林大学学报(工学版), 2023, 53(5): 1345-1354.
[3]	卢凯,徐广辉,叶志宏,林永杰. 考虑清空时间的双向队首绿波协调控制数解算法[J]. 吉林大学学报(工学版), 2023, 53(2): 421-429.
[4]	张鑫,张卫华. 快速路合流区主线不同交通状态下的安全性分析[J]. 吉林大学学报(工学版), 2022, 52(6): 1308-1314.
[5]	尹超英,邵春福,黄兆国,王晓全,王晟由. 基于梯度提升决策树的多尺度建成环境对小汽车拥有的影响[J]. 吉林大学学报(工学版), 2022, 52(3): 572-577.
[6]	曲大义,赵梓旭,贾彦峰,王韬,刘琼辉. 基于Lennard-Jones势的车辆跟驰动力学特性及模型[J]. 吉林大学学报(工学版), 2022, 52(11): 2549-2557.
[7]	董春娇,董黛悦,诸葛承祥,甄理. 电动自行车出行特性及骑行决策行为建模[J]. 吉林大学学报(工学版), 2022, 52(11): 2618-2625.
[8]	吴静娴,申华鹏,韩印,杨敏. 考虑城市建成环境非线性作用的通勤时间模型[J]. 吉林大学学报(工学版), 2022, 52(11): 2568-2573.
[9]	马壮林,崔姗姗,胡大伟. 限行政策下城市居民低碳出行意向[J]. 吉林大学学报(工学版), 2022, 52(11): 2607-2617.
[10]	曲大义,黑凯先,郭海兵,贾彦峰,王韬. 车联网环境下车辆换道博弈行为及模型[J]. 吉林大学学报(工学版), 2022, 52(1): 101-109.
[11]	张文会,伊静,刘委,于秋影,王连震. 基于MADYMO的大客车追尾碰撞事故乘员损伤机理[J]. 吉林大学学报(工学版), 2022, 52(1): 118-126.
[12]	孙小雪,钟辉,陈海鹏. 基于决策树分类技术的学生考试成绩统计分析系统[J]. 吉林大学学报(工学版), 2021, 51(5): 1866-1872.
[13]	刘志伟,刘建荣,邓卫. 基于潜在类别的无人驾驶汽车选择行为[J]. 吉林大学学报(工学版), 2021, 51(4): 1261-1268.
[14]	徐进,潘存书,符经厚,刘俊,王郸祁. 典型道路场景以及场景切换时的速度行为特性[J]. 吉林大学学报(工学版), 2021, 51(4): 1331-1341.
[15]	查伟雄,蔡其燕,李剑,严利鑫. 边路车辆出入条件下城市干线信号协调相位差优化[J]. 吉林大学学报(工学版), 2021, 51(2): 565-574.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

水平值	道路交通状况	限行感知效果	公共交通服务水平
1	非常拥堵	效果不明显	较差
2	有些拥堵	略有效果	一般
3	不拥堵	效果显著	较好

序号	道路交通状况	限行感知效果	公共交通服务水平
1	1	1	1
2	1	2	2
3	1	3	3
4	2	1	2
5	2	2	3
6	2	3	1
7	3	1	3
8	3	2	1
9	3	3	3

类别	变量	定义
社会经济属性	性别	男性=0，女性=1
	年龄（<25岁）	<25岁=1，否则=0
	年龄（25-35岁）	25-35岁=1，否则=0
	年龄（36-45岁）	36-45岁=1，否则=0
	年龄（>45岁）*	>45岁=1，否则=0
	职业	固定职业=0，自由职业=1
	低收入（<5000元）	<5000元=1，否则=0
	中收入（5000-15000元）	5000-15000元=1，否则=0
	高收入（>15000元）*	>15000元=1，否则=0
	家庭结构（单人家庭）*	单人家庭=1，否则=0
	家庭结构（夫妻家庭）	夫妻家庭=1，否则=0
	家庭结构（多人家庭）	多人家庭=1，否则=0
	接送孩子情况	不接送=0，接送=1
	私家车拥有量	1辆=0，2辆及以上=1
出发时间	在7：00之前出发*	7：00之前=1，否则=0
	在7：00–9：00出发	7：00–9：00=1，否则=0
	在9：00以后出发	9：00之后=1，否则=0
出行时间	<30分钟*	<30 min=1，否则=0
	30-60分钟	30-60 min=1，否则=0
	60-90分钟	60-90 min=1，否则=0
	>90分钟	>90min=1，否则=0
出行距离	<3km*	<3km=1，否则=0
	3-10km以内	3-10km=1，否则=0
	>10km	>10km=1，否则=0
道路交通状况	非常拥堵	非常拥堵=1，否则=0
	有些拥堵	有些拥堵=1，否则=0
	不拥堵*	不拥堵=1，否则=0
限行感知效果	效果不明显*	效果不明显=1，否则=0
	略有效果	略有效果=1，否则=0
	效果显著	效果显著=1，否则=0
公共交通服务水平	较差*	较差=1，否则=0
	一般	一般=1，否则=0
	较好	较好=1，否则=0

变量		FPL模型		RPL模型
变量		参数值	OR值	参数值	OR值
截距项		-2.428^***	-	-3.76^***	-
月收入（参照项：>15 000元）	<5000元	1.936^***	6.93	4.313^***	74.66
月收入（参照项：>15 000元）	5000~15 000元	1.691^**	5.42	3.040^**	20.91
出行时间（参照项：<60 min）	60~90 min	1.799^***	6.04	4.814^***	123.22
出行时间（参照项：<60 min）	>90 min	2.176^***	8.81	6.074^***	434.41
出行距离（参照项：<3 km）	3~10 km	-0.648^**	0.52	-	-
出行距离（参照项：<3 km）	>10 km	-1.441^***	0.24	-	-
公共交通服务水平（参照项：较差）	较好	2.182^***	8.68	5.567^***	261.65
公共交通服务水平（参照项：较差）	s.d.	-	-	3.002^**	-
误差项		—		2.846***
LL（0）		-596.1066		-596.1066
LL（β）		-439.8445		-395.2039
AIC		895.69		806.41
BIC		933.74		844.46

变量		FPL模型		RPL模型
变量		参数值	OR值	参数值	OR值
截距项		-0.902^***	-	-0.908^***	-
性别（参照项：男性）	女性	0.498^**	1.65	0.452^*	1.57
月收入（参照项：>15 000元）	<5000元	0.629^**	1.88	0.863^***	2.37
是否接送孩子（参照项：否）	是	-0.411^**	0.66	-	-
出行时间（参照项：<60 min）	60~90 min	0.995^***	2.70	1.114^***	3.05
出行距离（参照项：<3 km）	>10 km	-0.485^**	0.62	-	-
公共交通服务水平（参照项：较差）	较好	0.706^***	2.02	0.864^***	2.37
公共交通服务水平（参照项：较差）	s.d.	-	-	0.687^**	-
误差项		-		0.731^***
LL（0）		-521.2467		-521.2467
LL（β）		-408.1907		-402.4974
AIC		830.38		816.99
BIC		862.74		844.73