地铁站点运营中断下周边乘客的出行行为研究

柳伍生，潘自翔，魏隽君，肖雨榭

地铁站点运营中断下周边乘客的出行行为研究

柳伍生，潘自翔，魏隽君，肖雨榭

(长沙理工大学 交通运输工程学院，湖南 长沙 410004)

为揭示“地铁运营中断”与“地铁乘客出行行为”的互动耦合机理，运用改进SP-off-RP调查法的2 826份数据，基于非集计理论和统计分析方法，探索地铁运营中断事件对深圳地铁3号线沿线居住的地铁乘客出行选择的影响。针对事件持续时长大小和不同影响范围划分了事件情形并给出6个决策肢，以出发时间和交通方式联合选择作为子集的组合，构造基于广义极值理论(GEV)的Cross-Nested logit(CNL)模型。研究结果表明：中断事件迫使地铁乘客做出相应的出行调整，事件情形的演变动态影响出行选择行为，当事件持续时长超过3 h且事件影响范围大时，常规公交和网约车将成为主要替代方式；且出行目的、交通可达性和行程时间可靠度等8个因素对联合选择模型具有显著影响，最后给出应对策略以期缓解事件的负面效应。

城市交通；Cross-Nested logit；交通方式选择；出发时间选择；地铁运营中断；改进SP-off-RP

地铁是大城市运送通勤者、学生等群体最高效的交通工具，居住在地铁沿线的居民对其依赖性非常高，居民每天乘坐地铁完成出行已经成为一种常态，但一些不可预知的设备故障、极端天气和人为因素会致使地铁部分车站、区段停运或中断[1-3]，地铁运营中断事件发生后，列车将出现较大延误，结果是既定列车运行计划需大规模调整[3]，而在地铁运营中断后原定计划地铁出行的乘客将面临突发的出行行为改变，因此，对中断事件后地铁乘客的行为倾向进行了解并给其提供出行引导建议的研究具有重要意义。对于出行联合选择行为，以往研究主要集中在常态情景下的特征，杨励雅等[4]利用北京市居民出行样本数据,构建NL模型和CNL模型并进行偏好差异分析,对出行者的3个选择维度联合描述, Chandra[5]基于GEV理论分析了购物出行出发时间和出行方式选择的问题，温念慈等[6]以成渝高铁为研究对象，构建以高铁出行方式为上层、客运产品为下层的高铁旅客客运产品选择行为的NL模型，肖光年等[7]结合多项logit模型和持续时间模型研究了年龄、性别和收入等对通勤出行方式和出行时间选择的影响。关于运营中断事件后的出行行为方面，国内外学者研究主要在站内乘客的选择行为，Pnevmatikou等[8]考虑突发事件影响下的乘客出行选择行为特征并建立了方式选择模型，李伟等[9]利用多智能体仿真方法构建仿真模型研究了突发事件下乘客出行路径的改变行为，许凯等[10]基于前景理论研究了轨道交通短时事件下出行者的择路行为。总的来说，以往研究都未关注到事件对地铁站外沿线的地铁乘客出行造成的出行改变和影响。同时，研究证明，社交网络信息是影响出行者进行行为决策的重要因素[11-13]，Hackney等[11]基于代理的方法研究了社交网络在出行决策中的作用，张兆泽等[12]利用重庆市问卷调查数据研究了社交网络信息对出行方式选择行为的影响，傅志妍等[13]基于技术接收理论定量描述了社交网络交通信息对出行方式选择行为。总体来看，目前研究主要关注于常态场景下出行联合选择问题，少部分学者关注了运营中断事件对地铁系统内部在途乘客的影响，鲜有学者研究运营中断事件后未出发的乘客的出行改变及其影响因素对其出行选择的作用机理。本文以由居住地出发且已由社交网络知道地铁发生事件的地铁乘客为研究对象，基于GEV理论构建一种CNL模型，模型描述了事件影响下乘客出发时间和交通方式的联合选择行为，分析的结果为地面交通管控提供支持。

1 问卷设计和数据分析

运营中断致使地铁部分区段不能提供正常服务，进而打乱了地铁乘客的原有出行计划，笔者以深圳地铁3号线为例进行研究，3号线近年屡发运营中断事件且时间点经常出现在通勤时段而极大影响居民的正常出行，而事件每次发生后会成为人们热议的焦点，地铁沿线的居民对于这种情形已经经历过或听闻过而有了心理共识。

本文研究假定的背景为：在一次地铁运营中断事件后，乘客出发前由社交网络知道地铁发生了事件且已知晓事件的影响范围(哪些站点中断)，若按既定的出行策略，会产生一些不良后果，如上班迟到、事务耽搁等。

为对不同事件状况下的出行进行分类讨论，针对不同的事件影响范围和事件持续时长划分了事件情形(见图1)，且乘客可采取6种不同的决策肢，6种决策肢为：1) 推迟出发时间(具体时间视事件情形而定)；2) 改乘长距离常规公交；3) 先乘公交到事件未影响的某一地铁站点再乘地铁(公交加地铁)；4) 改乘网约车；5) 改骑共享单车；6) 按原计划时间立刻出发在地铁站等待恢复后再乘地铁。通过在3号线周边走访并结合线上的形式发放问卷，发放时间为2019年1月7日至2019年8月23日，问卷设定的情景发生时段为通勤时段。RP调查选取个人因素、出行信息等25种主要变量，SP调查是根据被调查者在RP调查结果中的选择而创设的，且在原有基础上细化了情景生成规则，改进了数据采集规则，即采用的调查法是改进的SP-off-RP法，调查流程图见图2。

经筛选获得6种情形下共2 826份问卷，样本部分统计信息如表1，在交通方式偏好中地铁占比达64%，进一步揭示了沿线居民对于使用地铁出行的依赖，且在事件发生后被调查者的心态大多会受波动(67%)，从侧面证明事件会由内而外改变部分乘客的心理和行为，最后对6种决策肢选择意愿统计并整理，见图3。

图1 不同事件情形描述

图2 改进的SP-off-RP调查流程图

表1 样本数据的部分信息统计

图3 决策肢选择意愿

2 建模

广义极值模型(GEV)的结构灵活多样，可捕捉备选方案之间的关联性，同时它具有封闭形式的概率表达式，无需借助模拟技术就能被估计出来，且允许各备选方案的效用随机项之间存在相关性，根据随机性向量的累积分布函数的不同，可形成不同形式的GEV模型，因此通常被称作GEV家族，GEV自提出来多被用于出行行为分析，本文基于广义极值的GEV理论[14]，针对不同的事件情形和选择肢特性，构建交通方式与出发时间联合选择的Cross- Nested logit(CNL)模型, 该模型完整保留了GEV家族的优点，具有丰富的应用价值和意义。

2.1 乘客联合选择

在事件发生后，假定乘客的出行选择主要由出发时间和交通方式这两维构成，则联合选择模型的选择项集合由这2个子集(，)构成，交通方式选择子集合={1,2,3,4,5}包含5个决策肢：公交、公交加地铁、网约车、共享单车、地铁，出发时间选择子集合={1,2,3}包含3个选择肢：原时间立刻出发，事件持续影响期间出发，事件恢复后出发，故方案集共有5×3=15个备择方案。建立的选择肢树状图见图4。

图4 选择肢树状图

2.2 CNL模型设计

CNL模型保留不同巢下各备择方案的相关性，而模型的每个维度实质为一个巢集合，因此本文基于CNL的联合选择模型结构见图5。

2.3 效用变量函数和选择概率

根据非集计行为模型理论[15]，备择方案效用函数由效用固定项和随机项组成，在决策者确定出发时，本文模型中由交通方式和出发时间组合而成的选择枝的效用为U，即

式中：为仅随交通方式变化的效用确定项；为仅随出发时间变化的效用确定项；为同时随交通方式和出发时间变化的效用确定项；为效用随机项，服从标准Gumbel分布。

第个方案的固定项V为个人因素p，出行特性t，目的地特性d，交通方式特性m和恢复特性r的函数，采用线性函数作效用函数的表达形式，即

由ε均服从标准Gumbel分布, 则I个备择方案的联合累积分布函数为

式中：C为巢的选择肢集合。

根据已有对于CNL模型的研究[16-17]，可推导出在CNL模型中第个备择方案选择概率()为

式中：()为巢的选择概率；(|)为备择方案在巢的选择概率。它们的表达式为：

2.4 模型变量选取

考虑模型选择的特点和准确性，选取表2所示的5类8个变量，第1类为p，阐明个人微观层面的选择异质性，第2类为t，揭示事件下出行本身特性对本次出行的约束和促进。第3类为d，考虑目的地对出行的限制性和相关性，描述不同目的地对本次出行吸引的差异性，第4类为m，解释乘客对于不同交通方式的可靠度感知程度。第5类为r，对乘客及时更改出行选择带来积极或负面作用。

表2 CNL效用变量描述

3 模型参数估计和结果

根据改进的SP-off-RP调查数据和2.3节所建的效用函数表达式，对CNL模型进行参数估计和检验，结果如表3所示，其中调整2为0.359～0.386，精度较高，即所建的模型对SP-off-RP数据具有较好的解释性。

表3 CNL的参数估计结果

注：*参数在95%的置信度下不显著，括号内为统计量。

在标定过程中发现，事件情形的不同动态影响出行选择行为，不同情形下乘客的决策选择存在较大差异，当事件持续时长超过3 h事件影响范围大时，乘客选择常规公交和网约车的概率也快速上升，结果与非集计理论和研究预期呼应。

标定结果显示，除一些变量的某一水平值外，其他变量对联合选择模型具有显著影响，且同一变量的不同水平影响程度不同。其中行程时间可靠度、出行目的和恢复运营发布的信息的参数绝对值都较大，说明它们对联合选择有重要影响。恢复特性变量有很高的影响程度揭示了在恶劣状况下乘客对于动态信息的渴望度和信任度，乘客迫切需要正确和快速的信息以便做出最优的选择。出行目的则决定乘客对于方式和出发时间的异质性，考虑到行为选择时他们有很大差别，故可将乘客划分为通勤者和非通勤者，要分类制定措施为其出行提供个性化服务。而在选择交通方式时乘客首要关注其可靠性，侧面反应了其在异常状态下的时间价值和对方式的可靠性要求也越发提高，综上可知，乘客的出行选择行为是模型变量、事件持续时长和事件影响范围的共同结果。

4 应对策略

当某地铁线路发生运营中断事件后，政府和交管部门可采取以下措施来应对。

1) 合理提高沿线地面公交的发车间隔并保障地面交通的畅通性。增大发车频率可吸引更多居民选择公交出行，而同时交管部门也要对事件影响地区进行有效的交通组织以保障常规公交的路权，若该措施科学实施能有效减小居民的出行时间。

2) 事件发生时第一时间向居民通报事件预计影响时间并提供出行引导建议信息。由事件持续时长动态影响出行选择行为，故通报预计影响时间能帮助居民基于准确、全面的信息来进行行为决策，发布引导建议信息能帮助居民调整出行方案并缓解乘客出行在时间上的集聚。

3) 快速发布和更新地铁恢复运营的动态信息并拓宽官方信息渠道。由恢复特性变量将成为决策的关键因素，故动态信息可使乘客在出发前或已出发时根据接受的动态信息及时调整出行策略，尽量减小因信息未更新造成的决策方向偏离最佳结果的问题。

5 结论

1) 在CNL模型基础上考虑乘客出发前的联合选择，且添加目的地和交通方式特性对于模型促进和约束的变量，如交通可达性、行程时间可靠性，对于不确定选择行为的解释更精细化，故CNL模型能量化在中断事件下的出行行为改变机理。

2) CNL参数估计结果表明：出行目的、交通可达性、行程时间可靠度等8个因素对联合选择具有显著影响，其中恢复运营发布的信息、出行目的和行程时间可靠度将成为决策的关键因素。

3) 改进的SP-off-RP调查结果和模型标定过程中显示，不同情形下乘客的决策选择存在较大差异，当事件持续时长超过3 h且事件影响范围大时，选择常规公交和网约车的比例快速上升。

4) 在运营中断事件和以获知事件发生影响下，乘客会根据各方和多重因素综合做出决策调整，其出行选择行为是模型效用变量、事件持续时长和事件影响范围的共同结果。

在今后研究中，还要将出行路径和出行目的地选择纳入联合选择模型，且将乘客的心理潜变量融入模型，以更好地刻画乘客的出行选择行为，并全方位解析其行为倾向而让交管部门采取更好的应对措施。

[1] 陈治亚, 谭斐, 冯芬玲. 地铁突发运营中断下应急公交调度研究[J]. 铁道科学与工程学报, 2019, 16(9): 2360- 2367. CHEN Zhiya, TAN Fei, FENG Fenling. Study of the bus dispatching under metro emergent operational disruptions [J]. Journal of Railway Science and Engineering, 2019, 16(9): 2360-2367.

[2] 刘芳林. 运营中断对城市轨道交通网络的影响及应急策略研究[D]. 北京: 北京交通大学, 2015. LIU Fanglin. Research on the impact of operation interruption on urban rail transit network and emergency strategies[D]. Beijing: Beijing Jiaotong University, 2015.

[3] Pender B. Unplanned urban passenger rail disruption– new methods and perspectives on bus bridging[D]. Melbourne: Monash University, 2014.

[4] 杨励雅, 李娟. 居民出行链、出行方式与出发时间联合选择的交叉巢式Logit模型[J]. 北京大学学报(自然科学版), 2017, 53(4): 722-730. YANG Liya, LI Juan. Cross-nested logit model for joint selection of residents’ travel chains, travel modes and departure times[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(4): 722-730.

[5] Chandra R Bhat. Analysis of travel mode and departure time choice for urban shopping trips[J]. Transportation Research Part B,1998, 32(6):1-22.

[6] 温念慈, 王文宪, 倪少权, 等. 成渝高速铁路旅客客运产品选择行为研究[J]. 铁道科学与工程学报, 2017, 14(5): 892-898. WEN Nianci, WANG Wenxian, NI Shaoquan. Research of transport product choice behavior for Chengdu- Chongqing High-speed Railway[J]. Journal of Railway Science and Engineering, 2017, 14(5): 892-898.

[7] 肖光年, 隽志才, 张春勤. 通勤出行方式和出行时间选择的离散-连续模型[J]. 系统管理学报, 2017, 26(6): 1131-1135, 1142. XIAO Guangnian, JUAN Zhicai, ZHANG Chunqin. Discrete-continuous model of selection on commuters’ travel mode and trip timings[J]. Journal of Systems & Management, 2017, 26(6): 1131-1135, 1142.

[8] Pnevmatikou A M, Karlaftis M G, Kepaptsoglou K. Metro service disruptions: How do people choose to travel?[J]. Transportation, 2015, 42(6): 933-949.

[9] 李伟, 徐瑞华. 突发事件下地铁网络乘客出行行为仿真模型[J]. 华东交通大学学报, 2015(2): 46-53. LI Wei, XU Ruihua. Simulation of passenger travel behaviors on urban rail transit in emergency[J]. Journal of East China Jiaotong University, 2015(2): 46-53.

[10] 许凯, 田晟, 朱泽坤. 短时事件下的地铁乘客路径选择行为研究[J]. 广西师范大学学报(自然科学版), 2019, 37(2): 9-14. XU Kai, TIAN Sheng, ZHU Zekun. Route selection behavior of subway passenger under short-term events[J]. Journal of Guangxi Normal Normal University (Nature Science Edition), 2019, 37(2): 9-14.

[11] Hackney J, Marchal F. A coupled multi-agent microsimulation of social interactions and transportation behavior[J]. Transportation Research Part A, 2011, 45(4): 296-309.

[12] 张兆泽, 黄海军. 社交网络信息对出行时刻选择行为的影响[J]. 交通运输系统工程与信息, 2017, 17(5): 22- 28. ZHANG Zhaoze, HUANG Haijun. Impacts of social network media on departure time choice behavior[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(5): 22-28.

[13] 傅志妍, 赵翰林, 陈坚, 等. 社交网络交通信息对出行方式选择行为影响模型[J]. 交通运输系统工程与信息, 2019, 19(2): 22-29. FU Zhiyan, ZHAO Hanlin, CHEN Jian, et al. Influence model of social network traffic information on the travel mode choice behavior[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(2): 22-29.

[14] WEN C H, Koppelman F S. The generalized nested logit model[J]. Transportation Research Part B, 2001(35): 627-641.

[15] 关宏志. 非集计模型——交通行为分析的工具[M]. 北京: 人民交通出版社, 2015. GUAN Hongzhi. Disaggregate model: A tool of traffic behavior analysis[M]. Beijing: China Communications Press, 2015.

[16] Bekhor S, Prashker J N. GEV-based destination choice models that account for unobserved similarities among alternatives[J]. Transportation Research Part B, 2008, 42(3): 243.

[17] Bierlaire M. A theoretical analysis of the cross-nested logit model[J]. Ann Operation Research, 2006(144): 287- 300.

Research on the travel behavior of subway passengers under the influence of operation interruption

LIU Wusheng, PAN Zixiang, WEI Junjun, XIAO Yuxie

(School of Traffic and Transportation Engineering, Changsha University of Science and Technology, Changsha 410004, China)

In order to reveal the interactive coupling mechanism of “subway operation interruption” and “subway passenger travel behavior”, 826 data from the improved SP-off-RP survey method were obtained. Based on the theory of non-collecting and statistical analysis, the impact of the disruption of subway operations on the travel choices of subway passengers living along Shenzhen Metro Line 3 was explored. The event situation was divided into the duration of the event and the different impact range, and 6 decision-making limbs were given. The Cross-Nested logit (CNL) model based on the generalized extreme value theory (GEV) was constructed by combining the choice as a subset of departure time and transportation mode. The results are as follows. The interruption event forces subway passengers to make corresponding travel adjustments. The evolution of the event situation dynamics affects the behavior of travel choice. When the event lasts more than 3h and the impact of the event is large, the regular bus and network contract bus will become the main alternative. The travel purpose, eight factors, such as traffic accessibility and travel time reliability have a significant impact on the joint selection model. Finally, according to the analysis results, three coping strategies are given in order to mitigate the negative effects of the events.

urban traffic; CNL model; travel mode choice; departure time selection; subway operations disrupted; improved SP-off-RP

U491

A

1672 - 7029(2020)11- 2953 - 09

10.19713/j.cnki.43-1423/u.T20200035

2020-01-12

湖南省自然科学基金资助项目(2019JJ40306)；长沙理工大学道路灾变防治及交通安全教育部工程研究中心开放基金资助项目(kfj180401)

柳伍生(1976-)，男，湖北监利人，副教授，博士，从事交通行为不确定分析、综合交通枢纽规划与设计等研究；E-mail：lwusheng@163.com

(编辑 阳丽霞)