考虑居住自选择的公交方式选择研究

张泽炜，吴戈，王翔

(苏州大学 轨道交通学院，江苏 苏州 215000)①

传统的城市公共交通系统主要由公共汽车和轨道交通组成，随着共享经济发展，公共自行车与共享单车也逐渐成为新的公交出行方式.截至2019年底，苏州市轨道交通运营里程已达到165.9 km，公共汽车网络在中心城区基本做到全覆盖，2020年度公共自行车累计借还车约1.06亿次[1-2].即便如此，仍存在私家车出行量增速持续提升、公共汽车客运量占比连年下降等问题.

精准分析居民公共交通出行方式选择行为是科学规划公交服务配置的基础.既有的交通方式选择研究模型大多将居住地与轨交站点的距离视作外生变量[3-4]，但是居住地的轨道交通可达性很可能是居民自主选择的结果[5-8].例如，部分居民为便于轨道交通出行而选择轨道交通可达性好的小区居住，偏好小汽车出行的居民则可能不在意公交便利性.因此，忽视居住地周边的交通条件与出行者偏好的相关性，可能将影响交通方式选择的因素归纳为交通供给等外生原因，难以揭示真实的行为机理.

出行者在选择居住地时的交通方式偏好对交通方式选择的内生性影响被称为居住自选择效应，是近十年出行行为研究的热点之一.Nasri等[9]采用倾向评分匹配法、松岛格也等[10]采用控制函数法、Wolday等[11-12]对居住地发生变化的居民进行的纵向研究均证实了居住自选择效应会影响出行方式选择.李琬等[13]研究发现，轨交站点可达性的提高显著提升了地铁通勤的可能性，而该变量对拆迁安置小区居民的影响较小，并推测出全样本中存在居住自选择效应；Wang等[14]分析了北京市主动搬迁居民的出行数据，认为由于居住地选择受限，居住自选择效应对中国居民出行的影响不显著.

现有研究大多通过态度属性或样本分类间接控制内生性进行定性研究，对中国居民的居住自选择的研究讨论较少[15-17]，并未讨论居住自选择效应的具体影响范围.本文拟在离散选择模型中引入工具变量，利用2019年苏州市居民出行调查数据，对是否存在因偏好轨道交通而产生的居住自选择效应进行研究，通过控制函数法建立模型以抑制居住自选择效应.研究发现居住自选择效应会对出行方式造成影响，并进一步明确了该效应的影响范围.

1 模型研究

现有的出行方式选择研究已经证明居住地周边建成环境对出行方式有显著影响，但大多忽略了居民选择居住地点与出行方式偏好间可能存在相关性.打算以轨道交通作为主要出行方式的个人更愿意选择与轨交站点更近的居住地，两者一定程度上互为因果，从而导致模型存在内生性问题.近些年，中国大中城市均选择了以轨道交通主导的交通发展策略，轨道交通逐渐成为主要的公交出行方式，公交线路为配合轨道交通经常发生变化.因此居民选择居住地点时很难充分考虑公共汽车或自行车站点情况，但大多会考虑轨道交通的可达性，其中居住地至最近轨交站点的距离通常被认为是选择轨道交通出行的重要影响因素.因此，本研究构建以下效用函数：

Uij=Vij+ε=ASC+αx+βy+ε

(1)

式中:Uij为出行者选择交通方式的效用函数;Vij为出行者选择任意交通方式的固定效用;ε为误差项;ASC为常数项;x为出行特征及社会经济属性等外生变量;y为居住小区至最近轨交站点的步行距离;α、β为系数.

如前所述，居住小区至最近轨交站点的距离实际上也能反映个人选择居住地点时对轨道交通出行的偏好，具有一定的内生性，可以引入工具变量加以控制.控制函数法是利用工具变量解决内生性问题的主要方法，该方法利用内生变量对工具变量的回归，把内生变量分解为两部分，一部分为内生变量在工具变量上的投影，另一部分为投影后的残差，与效用函数的误差项ε相互独立，可作为出行方式选择模型的外生变量.本研究采用以下回归函数确定工具变量与内生变量的关系：

y=f(Z)+μ

(2)

式中:Z为工具变量;f(Z)为以Z为自变量的函数;μ为回归残差.

假定式(1)效用函数的误差项ε与内生变量y相关，而与工具变量Z无关，则ε可写为：

(3)

从式(3)可以看出，控制函数E(ε|μ)解释了内生变量y与效用误差项ε的相关性.假定回归残差μ亦服从正态分布，则有：

E(ε|μ)=γμ

(4)

式中：γ为系数.

将式(3)、式(4)代入式(1)，可得：

(5)

在本研究中，工具变量应当选取与出行方式选择无关，而与居住地点选择密切相关的变量[18].居民选择居住小区时必然会考虑到房价，距离轨交站点较近的小区由于出行便捷，该小区内的房价可能较高，但房价不会对居民日常生活中出行方式的选择造成直接影响.距离轨交站点的远近也不是影响房价的唯一因素，房价相同的小区到最近轨交站点的距离可能存在较大差异.从出行的角度考虑，这种差异又可能反映了出行者在选择居住小区时对出行方式的偏好，即选择小于到轨交站点平均距离的小区居住的出行者可能偏好轨道交通；反之，选择大于平均距离的小区的出行者可能偏好其他出行方式.因此房价适合作为本研究的工具变量使用.若居住小区至最近轨交站点的步行距离变量存在内生性，那么将上述回归残差作为外生变量代入出行方式选择模型后，距离变量应该变得不显著，而回归残差将显著影响出行方式选择.

此外，既往研究大多着重于证实是否存在居住自选择效应，而很少关注其在多大范围影响出行方式选择[13,16].本研究将利用样本的异质性，根据居住地与最近轨交站点的距离进行样本分类，分析内生变量与残差项对不同区域居民出行方式的影响，以分析居住自选择效应对不同区域居民的影响差异.

2 实证分析

2.1 数据分析

本研究数据来源于2019年苏州市区居民出行调查数据，选取以轨道交通、公共汽车、公共自行车三类方式作为主要交通方式的出行记录，得到575人的1 101 组有效出行数据.样本出行起讫点主要集中在姑苏区与工业园区，出行分布在城区大部分地区，与实际出行分布类似.

基于居民出行调查中起讫点经纬度坐标，使用高德API的地理编码与路径规划功能，获取对应出行者的居住地与目的地，同时得到其在对应出行时段内各类出行方式的行程距离、时间与费用等各项变量的数据，无法获取轨道交通出行数据的样本则视为该出行不可选择轨交站点.

本文通过Python爬虫抓取了苏州市公交、轨交、公共自行车站点数据与公交线路数据，作为交通供给变量.现有研究大多以300～800 m作为公交设施的合适服务半径[19]，因此将起讫点周边交通设施供给的统计半径分别设置为400 m和600 m.从安居客及链家网站获取样本出行者所居住小区的房价数据，从各小区至最近轨交站点的步行距离与小区房价的散点图(图1)可以看出，总体上房价与小区到车站的距离呈负相关.

图1 小区至最近轨交站点步行距离与房价散点图

出行者个人社会经济属性见表1. 表中6～19岁与20～4 0岁的人群是公共交通出行的主力人群， 合计占比61%；公交出行者以女性为主(58%)；普通上班族是公共交通出行的主力人群(37%)；出行者中初中及以下学历占比最高(34%)； 月收入在5 000元及以下的公交出行者占68%.个体数据基本符合等距抽样的年龄、收入等比例要求，结合出行OD情况以及样本分布考虑，研究样本具有一定的代表性.

表1 出行者个人社会经济属性

样本的出行特征见表2，三种公交出行方式中，公共汽车占比为68%.公共交通平均出行距离为7.14 km，平均出行时间约44 min，但不同公共交通方式存在明显分化.公共自行车平均出行距离最短，中长距离出行主要采用机动化出行方式，轨道交通的平均出行距离约为公共汽车的两倍.从平均出行速度看，轨道交通在长距离行程中有着显著优势.

表2 出行特征属性

2.2 模型结果分析

本节按照上一章的模型分析，融合居民出行调查数据、网络API数据、地理信息等多源数据，建立多项Probit模型.结合公交供给、出行特征及个人属性数据，研究苏州市居民在三种公共出行方式之间的选择机制.通过工具变量与控制函数法，控制内生性以讨论居住自选择效应的存在及其影响范围，定量分析相关变量的影响.

工具变量与内生变量的第一阶段回归用于检验工具变量与内生变量的关系，样本为受访者居住的124个小区.

工具变量回归结果见表3，决定系数R2为0.144，F统计量满足工具变量的要求阈值且房价变量的显著性很高，表明虽然小区到最近轨交站点步行距离变量的离散程度较大，但与房价有较强的负相关性，因此房价可以作为合适的工具变量.根据表3的回归模型，计算出各样本至轨交站点步行距离的残差，作为外生变量代入Probit模型.

表3 工具变量回归结果

表4是多项Probit模型回归结果.模型1将包括小区至轨交站点步行距离在内的所有变量视作外生变量，模型2将房价作为工具变量， 以小区至最近轨

交站点步行距离对房价的回归残差控制居住自选择效应.考虑到居住地为起讫点的出行中，起讫点至轨交站点的步行时间与内生变量间可能存在共线性问题，故对于以家为起点(终点)的出行，不再重复考虑起点(终点)至轨交站点步行时长.比较表4中两个模型的修正决定系数Adj-R2，可以看出控制居住自选择效应的模型2的精度在一定程度上得到提升，说明模型2对公共交通方式选择的解释能力更高.

表4 多项Probit模型回归结果

在模型2中，回归残差项有很高的显著性，而居住小区至轨交站点的步行距离变量不再显著影响出行选择，这表明居民出行受到居住自选择效应的影响，在选择居住地时，已经考虑自身出行偏好并确定了日常出行方式，忽视该效应会导致相关变量的参数估计出现一定误差.而以房价为工具变量并采用控制函数法，可以较好地解决小区至轨交站点步行距离变量的内生性问题，控制离散选择模型中的居住自选择效应.

模型2中各变量参数的正负号合理，出行者选择出行方式时比较重视出行方式的相对可达性，接驳距离占比越高，选择该方式的概率就越小.起讫点周边400 m存在更多的公交线路或公共自行车站点时，出行者会优先选择对应的出行方式，在统计半径取600 m的情况下，这种倾向却不明显.可能是由于轨道交通尚未有效覆盖苏州市区，在远离城市核心商圈居住的居民更愿意选择公共汽车，月收入5 000 元以上人群会倾向于选择轨道交通.老年人选择公共汽车的意愿更强，这可能是相关政策补贴老年人免费乘车的缘故.学生对公共自行车的接受程度较好，可以考虑在高中及高等院校周边增设公共自行车站点.

控制内生变量后，出行目的对出行方式的影响明显下降，意味着居住自选择效应主要在通勤出行中发挥作用，这与既有研究的结论相吻合[12-13].进一步以通勤样本为例，以100 m为单位进行样本分类，研究居住自选择效应的影响范围.区分距离的通勤样本分析结果见表5，可以发现，小区与车站的距离增大至1.9 km时，步行距离以及为控制内生性的步行距离残差项不再显著.这意味着，小区与车站的距离大于1.9 km时，居住自选择效应可能不复存在，居民选择居住地点时，不再考虑将轨道交通作为日常通勤方式.另一方面，控制居住自选择效应后，对小区与车站的距离小于1.9 km的居民而言，到车站的步行距离仍是其选择轨道交通通勤的重要影响因素，他们选择轨道交通出行时，会同时受到距离因素与个人偏好的影响.

表5 区分距离的通勤样本分析结果

3 结论

本文以出行者居住地的房价作为工具变量，采用控制函数法处理交通方式选择模型的内生性问题，通过居住小区至轨交站点步行距离的残差，控制出行者由于偏好轨交出行而出现的居住自选择效应，并基于苏州市居民出行调查数据的实证分析验证了模型的有效性，定量分析了居住自选择效应的影响范围.该模型结构清晰，数据易于获取，能够有效而可靠地抑制离散选择模型的内生性.

研究结果证明，居住自选择效应显著影响出行方式选择，并且对不同区域的居民存在不同影响.整体而言，苏州市居民选择居住地时，会考虑出行方式的偏好，并预先确定日常的出行方式.居住在轨交站点1.9 km范围外的居民，在选择居住地点时不再考虑轨道交通出行，而轨交站点可达性因素对其方式选择影响较小；而居住在轨交站点附近的居民会受到可达性与居住自选择效应的影响.

深入了解出行方式选择机理，发现不同区域居民的出行方式选择行为存在明显差异，需要制定差异性的公共交通发展方案.以上结论对公交政策的制定与执行具有现实意义.随着公共交通的持续发展，交通规划应更全面地考虑出行者偏好.本文研究基于2019年苏州市轨道交通建设背景条件，随着轨道交通建设的快速推进，研究结论的有效性可进一步检验.