考虑出行活动差异的出行时间信息发布*

陈国俊 管 鑫 江 毅 李漠雨

(武汉理工大学交通学院 武汉 430063)

0 引 言

出行时间及其可靠性是城市交通系统服务质量的重要属性之一，然而交通出行过程当中总是伴随着不确定性，导致出行时间可靠性难以得到有效保障.在缺乏出行时间信息服务情况下，出行者依据历史出行经验进行决策；对于有到达时刻需求的出行活动，为了保障出行过程的可靠，出行者往往需要预算较长出行时间裕量来克服行程时间的不确定性，导致遭遇较长的早到时间损失.

ATIS采用一系列信息采集和通信技术为出行者提供广泛的静态或动态出行信息；其中，出行时间信息对出行行为决策的影响最显著，包括出行方式[1-2]、出行路径[3]，以及出发时刻选择等，尽管三者之间存在潜在相关性，出行方式与出行路径对于特定出行者而言在一定时间范围内具有稳定性，出行者对出行时间信息的需求主要体现在出发时刻优化决策.出发时刻选择研究大致分为两类：第一类出发时刻是关于时间连续的优化模型，如“head start”模型[4]、“safety margin”模型[5]、时间价值偏好模型[6]、前景理论模型和加速失效时间模型[7]等；第二类将出发时刻选择问题离散成提前、保持或延后等选项，然后采用Logit模型研究个人社会与经济属性[8]、出行活动类型及其特征[9]、交通运行状态、信息服务内容与质量[10]等因素对出发时刻选择行为的影响.上述针对出发时刻优化决策的研究均以有到达时刻要求的出行活动(如通勤)作为研究对象；然而并非所有的出行活动都有提前到达要求，对于类似购物等休闲类型出行活动，其对到达时刻需求没有显著偏好，甚至还有一些出行活动对滞后到达有偏好，比如有营业开始时间限制的场馆参观类型出行活动，即便都是对到达时刻有要求的出行活动(如乘火车、乘飞机、通勤等)，其对提前到达时长的需求也有显著差异.

我国ATIS建设与应用取得了飞速发展，以百度、高德地图等为代表的出行软件均提供了各种出行方式条件下的出行路径及其出行时长信息服务，但是主要以有到达时刻要求的出行者为服务对象，发布的出行时间超过实际出行时间，将会给没有提前到达需求的出行者造成早到时间损失，因此，需要研究不同类型出行者在不同出行活动条件下对期望到达时间需求的差异特性，合理划分ATIS用户群体，优化提供符合出行者出行需求的出行时间信息.

1 最优出发时刻与出行时间选择

出行者在进行出发时刻决策时通常会面临如下困境：过早的出发时刻选择将导致抵达终点时遭遇早到时间损失，而过晚的出发时刻选择将导致抵达终点时遭遇迟到时间延误，即出发时刻选择的“两难区”问题.

定义.Ts为期望到达时刻；Th为出发时刻；tr为出行时长.若Th+trTs，出行者将晚于期望到达时刻抵达，遭遇迟到时间延误，迟到时长tL=Th+tr-Ts.理想而言，最佳出发时刻Th*是使得出行者恰好在期望到达时刻抵达出行终点，即满足Ts-Th*-tr=0.然而，tr并不是一个确定变量，出行者通过权衡早到与晚到时间的相对价值来优化决策出发时刻.

借鉴文献[6]的基于时间价值差异偏好的出发时刻优化模型，定义α,β,γ分别为出行时间、早到时间以及迟到时间的单位时间成本，出行时间成本可表达为关于出发时刻的函数

C(Th)=αtr+βtE+γtL

(1)

假定出行时长tr的概率分布与密度函数分别为F(tr)与f(tr)，出行时间成本期望值为

(2)

式中:μ(tr)为出行时长期望值.

使得出行时间成本最低的最佳出发时刻满足条件

∂EC(Th)/∂Th=β-(β+γ)×(1-F(Ts-Th))=0

(3)

此时，最佳出发时刻选择为

Th*=Ts-F-1[1-β/(β+γ)]=
Ts-F-1[1/(β/γ+1)]

(4)

最佳出行时长预估为

(5)

式(4)表明最优出发时刻选择取决于出行者对单位早到与迟到时间成本的感知差异，即β/γ的大小；式(5)表明当发布出行时间信息时，应考虑出行者对早到/迟到时间价值的感知差异.不同出行对象及不同出行活动条件下早到/迟到时间价值感知会存在差异，然而当前ATIS系统没有考虑用户类型与出行活动类型差异，导致提供的出行时间信息只能满足特定出行群体的出行需求.

本研究通过SP调查方式获取不同类型出行者在不同出行场景下对期望早到与晚到时间的分布特征，采用统计检验方法论证出行者职业类型与出行活动类型差异是否对期望到达时间分布有显著差异影响，用以划分出行时间信息服务的用户群体，最后针对不同用户群体的出行时间信息优化发布策略予以了讨论.

副词—是现代汉语语法当中极具复杂性和重要性的词类之一，在现代汉语语法研究中有着不可替代的作用，同时也是争议颇多的话题之一。是指在句子中表示行为或状态特征的词，用义修饰动词，形容词，其他副词或全句，表示时间，地点，程度，方式等概念。从副词的基本知识的掌握着手，通过对副词的定义，性质，划分等问题的介绍，以及目前对现代汉语副词研究方法的总结，进而分析副词使用过程中出现的问题，并提出相关的完善建议。

2 SP数据收集

2.1 调查问卷设计

1) 职业类型选取 参考《中华人民共和国职业分类大典》，按照出行者的工作类型与工作状态，结合调查问卷职业类型分类，将调查对象细分为六类：学生(D1)、公司职员(D2)、政府/事业单位职员(D3)、一般自由职业从业人员(D4)、个体经营从业人员(D5)，及退休员工/无业人员(D6).

2) 出行场景划分 不同出行目的情形下，出行者对于早到时间的偏好程度与迟到时间的容忍程度具有显著差异，本研究设计的问卷包括以下三类出行活动：对早于计划时刻到达有显著偏好，对晚于计划时刻到达有显著偏好，对早于或晚于计划时刻到达没有显著偏好差异.对于有提前到达需求的出行活动，不同场景下对到达时刻要求的严格程度存在差异.问卷设计的出行场景分为五类,见表1.

表1 出行场景设计

3) 调查问题设计 调查问题设计的主要目的是获取不同调查对象在不同出行场景下的期望到达时间分布.具体而言，针对A1与A2，滞后到达是出行者无法接受的，因此调查问题仅为期望提前到达时间；针对A3，滞后到达是出行者不期望出现的，调查问题包括期望提前到达时间(A3a)与容忍滞后到达时间(A3b)；针对A4与A5，滞后到达是出行者可以甚至愿意接受的，调查问题包括期望提前到达时间(A4a与A5a)与期望滞后到达时间(A4b与A5b).

2.2 调查实施与数据预处理

调查共发放问卷600份，收回问卷587份，有效问卷519份(D1，104份；D2，138份；D3，115份；D4，76份；D5，40份；D6，46份)，发放地点分布于大学/高中校园、火车站与机场等候厅、地铁与公共汽车候车站点、购物中心，以及博物馆.

不同场景之间调查问题的选项设计(时间长度的分类尺度)存在差异，无法直接用以检验出行时间期望分布曲线的差异程度，需要将问卷调查获取的频数分布数据转换成累积频率分布数据.

3 出行对象与出行活动差异对期望到达时间的影响

3.1 出行对象职业差异对期望到达时间的影响

在相同出行场景下，不同职业类型出行者对于期望早到时间与容忍/期望晚到时间的累计频率分布曲线见图1，其出行选择行为可以认为彼此独立，采用独立样本非参数检验(双样本Kolmogorov-Smirnov检验)期望到达时间累积频率分布曲线之间的差异性显著程度，见表2.

图1 不同职业出行者对相同出行场景的期望到达时间累计频率分布

表2 不同职业出行者对相同出行场景期望到达时间累计频率分布差异性检验

结果表明，相同出行场景下不同职业类型出行对象的期望到达时间累积频率分布之间没有显著差异(p-value>0.05).对于ATIS系统而言，没有按照出行对象职业类型提供差异化出行时间信息服务的需求.

3.2 出行活动场景差异对期望到达时间的影响

对于相同职业类型出行对象，不同类型出行场景的期望早到时间与容忍/期望晚到时间的累计频率分布曲线见图2.不同出行场景类型之间的选择行为与出行者属性密切相关，因此采用相关样本非参数检验(Wilcoxon带符号秩检验)期望到达时间累积频率分布曲线之间的差异性显著程度.

首先对相同职业出行对象在不同出行场景下的期望早到时间累积频率分布曲线之间的差异性进行检验，见表3.

图2 相同职业出行者对不同出行场景的期望到达时间累计频率分布曲线

表3 相同职业出行者对不同出行场景期望早到时间累计频率分布差异性检验

结果表明：相同职业类型出行对象对不同出行场景类型之间的期望早到时间累积频率分布曲线之间呈现出显著差异(p-value<0.05)，除了D5类型出行对象在A1与A2、A3与A5两组累积频率分布曲线之间没有表现出显著差异(但是其显著性检验系数也比较低)，可能的原因是该群体经济收入较高且额外的自由支配时间多用以经济活动，因此对于这两组出行活动之间的早到时间价值感知差异较小.

对相同职业出行对象在不同出行活动场景下的容忍/期望晚到时间累积频率分布曲线之间的差异性进行检验，见表4.

表4 相同职业出行者对不同出行场景容忍/期望晚到时间累计频率分布差异性检验

结果表明：相同职业类型出行对象对不同出行场景类型之间的期望晚到时间累积频率分布曲线之间存在着显著差异(p-value<0.05)，除了D3与D5类型出行对象在A3与A4两类出行场景下的容忍/期望晚到时间累积频率分布曲线之间没有呈现出显著差异.可能的原因是D3与D5群体在日常出行当中对于迟到时间的容忍度较低或者时间价值感知较高而对最佳到达时刻较为敏感，倾向于按照最佳到达时刻进行出行决策；对于其他职业类型出行群体，A3场景下的晚到时间价值感知要显著高于A4场景下的晚到时间价值.

从总体趋势而言，相同职业类型出行者在面对不同出行场景时其期望到达时间存在着显著差异性.对于ATIS系统，有必要根据出行者的出行活动类型来提供差异化的出行时间信息服务.

4 出行时间信息发布策略

出行活动类型差异是决定出行时间信息服务需求的关键要素，本研究将按照出行场景类型对出行时间信息发布策略予以讨论.

式(4)～(5)表明决定最优出发时刻选择与出行时长的关键参数是出行者对单位早到与晚到时间之间相对价值感知的差异程度.虽然本研究没有量化标定β与γ的绝对值，但是单位时间成本与期望时间长度之间存在反比关系，即单位早到时间成本越低，出行者的期望早到时间越长，反之亦然.因此，假定单位早到/晚到时间成本之间的比值β/γ近似等于期望晚到时间与期望早到时间的比值，即

β/γ≈E(tL)/E(t)

(6)

最佳旅行时长发布值为

(7)

1) 有严格达到时刻要求的出行活动 对于乘火车(A1)或乘飞机(A2)等以衔接长途客运为目的的高附加值出行活动，出行者对于晚于计划时刻到达的敏感性非常强烈，因此，推荐按照99分位值历史行程时间发布出行时长.如果发布信息内容为出发时刻，根据问卷调查数据统计得到的A1与A2场景下期望提前到达时长均值分别为37.60与57.39 min，推荐A1出行场景出发时刻按照提前99分位值历史行程时间+40 min的出行时长发布，A2出行场景出发时刻按照提前99分位值历史行程时间+60 min的出行时长发布.

2) 有提前到达需求的出行活动 A3场景下期望提前与容忍滞后到达时长均值分别为18.18与6.34 min，按照式(7)预估的最佳出行时长发布值为74分位值历史行程时间，但是并不合理，因为这意味着出行者将面临着26%的迟到概率；调查问卷设计没有考虑出行者在A3场景下的容忍迟到概率.

考虑容忍迟到概率的最佳出行时长发布值按照如下计算

(8)

式中:pL为容忍迟到概率.

当出行者容忍迟到概率为3次/月(pL=3/22)与1次/月(pL=1/22)时推荐发布的出行时长分别为95与98分位值历史行程时间.

3) 有滞后到达偏好的出行活动 A4场景下期望提前与滞后到达时长均值分别为7.79与7.15 min，此时出行者不需要考虑迟到问题，按照式(7)推荐发布的最佳出行时长为52分位值历史行程时间.

期望早到与晚到时间均值之间差异不明显，出行者没有表现出显著滞后到达偏好.假如出行者对于早于计划时刻到达的概率也有容忍要求，考虑容忍早到概率的最佳出行时长发布值按照如下计算

(9)

式中:pE为容忍早到概率.

pE=0.6与pE=0.4情况下推荐发布的出行时长分别为40分位值和30分位值历史行程时间，此时出行者将会表现出显著的滞后到达偏好.

4)无显著到达时刻偏好的出行活动 A5场景下期望提前与滞后到达时长均值分别为14.54与10.45 min，此时出行者不需要考虑迟到或早到问题，按照式(7)推荐发布的最佳出行时长为58分位值历史行程时间.对比期望早到与晚到时间均值发现，A5场景下即便对于到达时刻没有严格要求，出行者仍然表现出一定程度的早到偏好.

5 结 束 语

本文针对不同出行对象对不同出行活动的期望到达时间进行了调查分析，研究结果发现不同职业类型出行对象对于相同类型出行活动的期望到达时间没有显著差异，而同一职业类型出行对象对于不同类型出行活动的期望到达时间却存在显著差异，并针对不同出行活动类型的最佳出行时长发布策略予以了探讨.对于公众出行信息服务系统而言，在提供出行时间信息服务时，应该增加关于出行活动类型的选项，满足不同出行活动需求的出行者对出行时间效用的需求，提升出行信息服务系统的吸引力.