考虑风险认知变量的入藏出行选择分析*

戴学臻 刘青云 吕 桃 雷银辉

(长安大学公路学院1) 西安 710064) (中交第一公路勘察设计研究院有限公司2) 西安 710065)

考虑风险认知变量的入藏出行选择分析*

戴学臻1)刘青云1)吕 桃1)雷银辉2)

(长安大学公路学院1)西安 710064) (中交第一公路勘察设计研究院有限公司2)西安 710065)

为系统分析旅客进藏出行方式选择行为，采用非集计模型理论，以进藏旅客出行方式选择为对象，考虑到藏区独特的高原环境，选取出行者个人属性、出行特性及风险认知作为效用变量建立MNL模型；基于拉萨市旅客的调研数据，分析各因素对入藏出行选择的影响.结果表明，引入风险认知变量后，对数据的拟合优度更高，且对出行方式选择影响显著,因此，交通管理除了调控出行成本外，还可将旅客风险认知等出行心理纳入出行选择分析中.

方式选择；进藏出行；非集计模型；高原环境；风险认知变量

0 引 言

在早期的交通行为分析中，研究者一般仅考虑出行方式属性、出行者属性对交通方式的影响[1].然而旅客对出行方式选择过程相对复杂，其在选择某出行方式前，需要考虑出行费用、出行时间、出行目的地等，并结合出行者自身的价值观、态度等综合比较后确定[2].Zeid[3]研究出行者的主观幸福对出行方式的影响；Ahern等[4]研究了爱尔兰城际旅客出行时对铁路和大巴的偏好选择；Ozbay等[5]引入出行时间价值因素，构建旅客出发时刻选择模型；吴麟麟等[6]将忠诚度作为影响因素，对比分析引入前后出行者的行为反应；景鹏等[7]利用计划行为理论从出行者的心理潜变量入手，研究各心理因素对出行行为的影响；李林波等[8]提出心理出行时间对出行选择方式过程中的心理因素进行了量化分析.针对特殊区域进行的研究较少，孟思梦[9]以山地大城市重庆居民调查为基础，考虑居民属性、出行属性及山地城市路网特征对出行方式的影响；薛兰[10]根据吉林省调查数据，分析寒冷条件下居民出行方式选择，并分析未来年各出行方式的比例.

出行者的出行方式选择是一个较为复杂的过程，是一系列因素综合比较后的结果.上述论文中不管是短距离出行、城际出行或长距离出行，均是从旅客未出行前的活动入手，很少有考虑到出行者到达目的地后的活动与出行方式之间的关联度.基于此，本文结合西藏自治区拉萨市2015年旅客出行调查数据，综合考察出行者个人属性、出行特性对方式选择的影响，并将“旅客风险认知”和“出行舒适度”引入出行者方式选择行为研究中，构建MNL模型，分析各因素影响程度，并对比分析引入旅客风险认知前后各影响因素的效用变化.

1 出行方式选择行为调查

调查问卷采用RP(revealed preference)调查法[11]，询问被调查者个人、经济和出行等属性信息.此外，在此基础上设计调查旅客在出行前的风险认知度.

1.1 调查问卷设计

对风险的认知体现了不同出行者间的个体差异性，具有价值属性.关于旅客入藏的风险认知作者首先通过网络调查得出旅客入藏最关心的因素，并结合本文研究实际，旅客的风险感知共涉及了四个描述项—高原环境、人身安全和自驾出行时考虑的道路条件、自然灾害.

因此本文将问卷设计成三个部分：①被调查者的个人属性特征调查；②出行者入藏的出行特性调查；③出行者对入藏出行的风险认知评价表.问卷中对风险认知调查均采用Likert五级量表的形式，由被调查者确定问卷中每一种风险因素发生概率的不确定程度及风险发生后的危害性，并从“非常不可能/完全无所谓”(1分)到“非常可能/非常严重”(5分)进行定量确定.

1.2 调查数据统计

调查日期为2015年8月，调查地点为西藏自治区拉萨市，投放区域面向三个地方，分别是拉萨火车站、贡嘎机场及青藏公路安多段.拉萨火车站共发放问卷700份，回收636份，有效数据585份；贡嘎机场发放问卷700份，回收628份，有效数据567份；青藏公路安多段投放问卷600份，回收541份，有效数据504份.共发放问卷数2 000份，回收数1 805份，其中有效数据1 656份，问卷回收有效率为83%.调查得到的数据统计结果见表1～2.

表1 出行调查统计

表2 进藏出行风险认知属性统计表 %

2 MNL模型简介

关于选择行为的研究，通常采用离散选择模型作为研究手段.非集计模型是根据经济学的基础理论提出来的，其理论基础是在选择时使得“效用”最大化.非集计模型的效用函数Uj是一个随机变量，由固定项Vj和随机项εj组成，其中随机项常用来描述无法观测的因素对方案效用的影响.

Uj=Vj+εj

(1)

(2)

式中：Vj为出行者选择交通方式j的效用函数的确定项；εj为出行者选择交通方式j的效用函数的随机项；Xjk为出行者选择方案j的第k个变量的特征值；βk为系数.

根据效用最大化理论，出行者n选择方案i的概率Pin为

Pin=prob(Uin>maxUjn,i≠j)=

prob(Vin+εin>max(Vjn+εjn))

(3)

式中：0≤Pin≤1,∑Pin=1

假设随机项εin服从二重指数分布，得到Logit模型的表达式

(4)

本文模型具体构建与计算流程见图1.

图1 MNL模型计算流程

3 入藏旅客出行方式MNL模型

考虑到目前无进藏的长途班车，且自行车、搭乘交通方式难以考量，本文中不予考虑.因此，模型的选择定义为：飞机、火车、自驾三种.

3.1 出行耗能

随着人们生活水平的提高，出行者对于舒适性的要求变得越来越高，其受个人特性、交通方式、出行时间、乘车姿势、拥挤程度等的影响.本文考虑入藏特性，分析体能消耗、出行容忍时间限度对出行舒适度的影响.一般情况下，出行时间越长，出行的体能消耗越大，旅客心理忍受度也逐渐降低.当出行时间达到一定程度，将加剧出行者出行的不舒适性.

3.1.1出行者能耗分析

人体能量产生和消耗分为三种：基础代谢、安静代谢和活动代谢[12].其中，

总代谢= 安静代谢率+活动代谢率=

1.2×基础代谢率+RMR×基础代

谢率=(1.2+RMR)×基础代谢率

总耗能= (1.2+RMR)×基础代谢率×体表

面积×活动时间

(5)

根据已有测量数据知我国成年男性和成年女性体表面积分别为1.7 m2和1.54 m2，基础代谢率分别为2.62 kJ/(m2·min)和2.43 kJ/(m2·min).平原地区不同出行方式相对能量代谢率见表3.

表3 不同出行方式相对能量代谢率

又调查得到男性出行者和女性出行者所占的比例分别56.8%及43.2%，符合全国居民实际男女比例，因此

L= 基础代谢率×体表面积=1.7×2.62×

0.568+1.54×2.43×0.432=4.147

总耗能=(1.2+RMR)×L×活动时间

(6)

3.1.2旅客出行容忍度

随着出行时间的增强，旅客的忍耐度也逐渐降低，也会对旅客的出行舒适度产生影响.根据其他论文中知，出行者在心理上已不可接受该出行时间时，其疲劳损失修正系数为1.5，本文也采用该值.

因此本文根据进藏旅客出行调查，为出行者设定一个出行容忍度限制，若出行时间超出此值，将会加剧出行者出行的疲劳度，否则不会加剧出行者的疲劳感.

f(t)=αmax{0,t(x)-t*}

(7)

式中：f(t)为旅客疲劳指数；α为参数；t为出行时间；t*为出行时间容忍值.

根据调查显示，乘坐火车的旅客其出行忍受时间低于25 h占60.25%，25～40 h占31.43%，大于40 h占8.32%.因而取t1=25 h，t2=40 h作为旅客出行时间忍受分界值.因而

(8)

由上述可得旅客出行耗能模型为

M=f(t)×(1.2+RMR)×4.147×t

(9)

式中：t为活动时间.

一种出行方式消耗能量越大，旅客出行舒适度越低，选择此方式的概率越低.

3.2 入藏风险认知

在很多调查研究中发现，西藏是许多人最为向往的旅游圣地，但由于其独特的高原气候条件，使许多人入藏出行总是存在着众多的忧虑[13]，即为对入藏风险认知，其在一定意义上，将影响出行者的出行和出行方式.根据设计的交通方式风险认知调查，对每位出行者对风险发生的可能性和发生的危害性进行评分，旅客风险认知属性评价见表4.其相应的风险认知测度模型为

(10)

式中：TP为风险认知指数；Pi为各因素发生的可能性评分，1(非常不可能)～5(非常可能)；Li为各因素发生的危险性评分，1(完全无所谓)～5(非常严重).

表4 赴藏旅客风险认知属性评价

4 计算结果分析

4.1 模型指标选取

在本文中考虑到出行者千里迢迢来到拉萨，在出行方式选择时受多重因素的影响.进藏出行一般为长距离出行，会造成疲劳、高原反应等等身体不适状况，因此,出行选择时通常会根据出行者个人属性如性别、年龄等进行选择.旅客出行目的、收入的不同也会影响着出行方式的选择.而对于一些无法判定的主观影响因素，本文选用风险认知进行量化.因此,本文选择的指标变量及说明见表5.为便于分析变量和交通方式选择间的关系，首先将模型变量量化，以便于后续的计算.

4.2 参数标定

以飞机出行作为参照类别，应用SPSS软件中多元Logistic模型对调查得到的数据进行标定，得到模型的参数标定见表6.

表5 模型变量及说明

表6 参数标定结果

根据统计学理论，在自由度为1、置信度α=0.05条件下，Wald的临界值为3.841，即若Wald大于3.841，则自变量和因变量显著相关；Wald略小于3.841，则自变量对因变量有影响；Wald远小于3.841，则认为自变量和因变量显著无关.

由表6可知，与飞机出行相比，火车出行较为显著的影响因素有出行时间、出行耗能、风险认知和出行目的；自驾出行的影响因素有出行时间、出行耗能、风险认知、月收入和出行目的.

4.3 计算结果分析

在非集计理论中，常用优比度ρ2判断模型的拟合度，一般认为ρ2在0.2～0.4时，即可认为模型的吻合度较高.由表4可知，考虑风险认知变量后的拟合优度为0.386较未引入时此变量有较大的提高，表明考虑风险认知变量所建立的模型真实性较高.

出行时间是影响旅客出行方式选择的重要因素，不考虑风险认知后旅客选择火车、自驾出行的概率分别是飞机的26.7%，22%；引入风险认知后，旅客选择火车的概率较之前上升，而自驾出行选择概率降低.以上数据表明随着时间的增加，旅客更偏向于选择飞机.

出行耗能影响着旅客出行的舒适性，对旅客选择出行方式也有一定的影响.不考虑风险认知旅客选择火车、自驾出行的概率分别是飞机的53.5%，39.2%；考虑风险认知后旅客选择的概率为57.8%，27.8%.由于西藏独特的地理环境和文化背景，旅客出行对其总产生害怕的心理，从数据可看出，考虑风险认知后旅客对选择自驾出行概率降低.

考虑风险认知旅客选择火车和自驾出行概率是飞机的12.78，0.427倍，由此可知风险认知因素对旅客出行方式选择的敏感性较强.

出行目的也是影响旅客出行选择的重要因素，从上述数据可知商务出行选择飞机概率较大，且风险认知对其选择影响较小.

5 结 束 语

本文针对旅客入藏交通方式选择行为进行分析，引入旅客风险认知变量构建非集计模型.利用风险认知变量表征了出行者出行方式选择与地域间的关联性，并刻画了旅客出行心理活动.通过调查数据分析发现，在引入风险认知属性后，效用模型具有更高的拟合度，揭示了出行者出行行为除了考虑出行费用、时间等之外，还考虑出行目的地对出行的影响.

通过对比研究引入和未引入风险认知因素变量的MNL模型，随着风险认知变量的加入，出行者入藏的心理风险对交通出行选择具有显著影响，这表明规划部门可从旅客出行心理进行诱导，从而实现优化城市出行方式结构的目的.

[1] 姚丽亚,孙立山,关宏志.基于分层Logit模型的交通方式选择行为研究[J].武汉理工大学学报(交通科学与工程版)，2010，34(4)：738-741.

[2] TRAINK. A validation test of a disaggregate mode choice mode[J]. Transporation Research,1978,12(3):167-174.

[3] ZEID M A. Measuring and modeling activity and travel well-being[D]. Cambridge: Massachusetts Institute of Technology,2009.

[4] AHERN A A, TAPLEY N. The use of stated preference techniques to model choices on interurban trips in Ireland[J]. Transportation Research Part A: Policy and Practice.2008,42(1):15-27.

[5] OZBAY K, YANMAZ T O. Valuation of travel time and departure time choice in the presence of time of day pricing[J]. Transportation Research Part A: Policy and Practice,2008,42(4):577-590.

[6] 吴麟麟,卢海琴,汪洋,等.引入忠诚度变量的城际出行方式动态选择行为研究[J].公路交通科技，2014(11)：123-129.

[7] 景鹏,隽志才,查奇芬.考虑心理潜变量的出行方式选择行为模型[J].中国公路学报,2014(11):84-92+108.

[8] 李林波,吴兵.出行者心理因素对公共交通发展的影响[J].重庆交通学院学报,2004(3)：94-97+103.

[9] 孟思梦.山地大城市居民出行方式选择研究[D].重庆：重庆交通大学，2015.

[10] 薛兰.寒地城市冬季居民出行方式划分研究[D].西安：长安大学，2015.

[11] 包丹文，郭唐仪，华松逸.基于SP/RP融合数据的机场旅客出行方式选择行为分析[J].武汉理工大学学报(交通科学与工程版)，2015,39(4)：763-767.

[12] 陈信.人-机-环境系统工程生理学基础[M].北京：北京航空航天大学出版社，2000.

[13] 冯珍，闫宣任.文化遗产旅游风险认知分析——以平遥古城为例[J].经济问题，2015(8)：125-129.

Analysis on Tibet Travel Choice Considering Risk Perception Variable

DAIXuezhen1)LIUQingyun1)LYUTao1)LEIYinhui2)

(SchoolofHighway,Chang,anUniversity,Xi,an710064,China)1)(CCCCFirstHighwayConsultantCo.Ltd.,Xi,an710065,China)2)

To systematically analyze the traveller choice behavior in Tibet travel, using the disaggregate theory and taking the Tibet passenger travel behavior choices as the study subject, this present paper constructed MNL model with the utility variables of passengers’ personal attributes, trip features and risk perception in the unique plateau environment. Based on the survey data of Lhasa tourists, the impact of various factors on the choice of travel was analyzed. The results illustrate that the proposed model have a higher goodness and presents a significant effect on travel mode choice when risk perception variable is introduced. Therefore, in addition to the travel cost, the travel risk and travel psychology can also be involved in traffic management.

mode choice； Tibet travel； disaggregate theory； plateau environment； risk perception variable

U491

10.3963/j.issn.2095-3844.2017.05.009

2017-07-19

戴学臻(1974—)：男，博士，副教授，主要研究领域为交通环保、交通经济、交通安全与智能交通

*国家科技支撑计划项目资助(2014BAG05B00)