在中国西安农民工的交通方式选择模型和影响因素分析外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

在中国西安农民工的交通方式选择模型和影响因素分析

Hong Chen, Zuo-xian Gan, and Yu-ting He

长安大学交通学院、中国西安

摘要：根据西安农民工1366的数据样本，基于离散选择模型的基本理论和方法，对农民工的出行方式选择的影响因素进行了分析。步行，公交，地铁，出租车作为农民工可供选择的出行方式，由此可以建立一个农民工出行方式选择的多项Logit模型（MNL）。模型的有效率会被命中率所证实，而对于4种交通方式的命中率均在80%之上。最后，详细分析了影响交通方式选择的不同因素之间的影响，并用弹性理论分析了各个因素之间之间的非弹性性。 影响因素如年龄、受教育程度、月总收入等因素对于农民工出行方式的选择有显著影响。受教育程度的弹性值比1还要大，说明受教育的程度对于交通方式的选择的弹性的，然而性别、产业布局、旅游目的的弹性值都比1小，这表明性别、产业布局、旅游目的这三种因素对于交通方式的选择的非弹性的。

1. 引言

农民工是指那些来自农村，过去曾经是农民，但是现在在城市里工作的人们。他们主要从事于建筑行业，制造业，住宿业等行业，他们在中国工业化和城市化的发展进程中是一个特殊的劳动群体。根据统计数据，2013年中国农民工的总数量已经超过2亿，在一些中国城市农民工的比例已经达到了20%。通过归纳总结，目前我国的农民工具有以下特点：

1. 农民工的工作时间较长，与本地居民相比稳定性比较差。
2. 农民工一般工作于体力劳动，而且一般工资比较低。
3. 农民工的生活条件相对比较困难，生活质量相对比较低。
4. 农民工的消费水平相对比较低，而他们的新一代人可能不是那样。
5. 中年工作人员常常是要承担一个家庭的重要经济来源。
6. 农民工的文化和娱乐生活常常是很沉闷的。

农民工属于弱势群体，他们生活、工作、消费和心理方面都不同于普通的城市居民。农民工们作为一个大群体，他们的生存特征和行为特征应该分开来进行分析，但是他们在城市中又最容易被忽视，尽管他们是对中国城市社会建设做出巨大贡献的群体。近年来，选择模型已被证明是在运输研究的政策分析和评估非常有效的工具，对与城市居民出行特征的研究已经有大量的成就，然而这些对于Ahern and Tapley [1],Bastin et al. [2], Beuthe and Bouioux [3], and Bliemer et al.[4, 5]等人并不能适用。 一个由Nielsen最近发表的研究指出，出行方式的选择不仅仅关系到企业的服务水平，也关系到个体属性与旅游特性[6]。Bowman和Ben Akiva结合1991波士顿出行调查数据为例，基于个人活动和旅行计划，提出了一种预测城市客运的离散选择模型，结果表明预期效用最大化影响了旅客对出行方式的选择[7]。当非集计模型用于住宅的选择和出行方式选择的联合选择模型的评估，一个居住和出行方式基于非集计模型的联合选择模型就可以建立了[8,9]。伊万诺娃用多项Logit模型和分层Logit模型建立了出行方式选择的模型[10]。萨利赫和法瑞尔在爱丁堡中心城区对于工作和非工作旅行的居民建立了出行时间选择模型，如果要收取拥堵费，分析了出行时间的变化。选择行为是一个复杂的决策过程；许多因素影响着人们的出行选择的需求。就像赫斯所调查的那个例子中讨论的那样，一系列因素，包括光的频率，灵活的票、容量、进度延迟，都会影响人们对航空公司的选择[12]。 kwigizie等人，利用个体属性、社会经济属性、出行特征，分析了具有跨层次模型的出行方式的概率[13]。 贝尔一直关注于非货币因素的影响，如旅行时间，旅行对城际铁路需求[14]。根据Vega和雷诺兹费汉和赫斯等人的研究，住宅实用系统，出行方式，和离开的时间应该是由旅行时间，旅行费用，房地产价格和旅客的经济属性和社会属性所决定的[15,16]。此外，当旅游者的社会经济特征是固定的,在解释 中长途旅行和更长的距离旅行出行钢丝选择的变化中土地利用属性和旅行时间是很重要的[17].

上述研究结果对于科学合理地进行城市交通建设具有良好的理论指导意义，因为城市居民的出行规律在交通规划和城市建设中被充分考虑。然而，上述种种努力都集中于对普通市民的研究，而对农民工的研究却很少，特别是在有成千上万的农民工生活的中国。 由于对研究人员对农民工的关注和研究不够，城市交通规划中的出行方式选择缺乏建模与分析。 本文以西安市农民工为例，通过问卷调查获取基本数据。然后，当个人属性和出行属性作为效用变量时，基于MNL模型建立了农民工的出行方式选择模型。最后，用弹性分析理论对影响出行方式选择的各个因素进行敏感性分析。 因此，目前对西安市农民工出行方式选择的研究，将为制定合理的交通政策提供参考和理论指导。

1. 问卷调查

2.1 调查样本的选择：在2013年10月初，我们对西安市的农民工们的出行方式选择进行了问卷调查和实地考察。由于缺乏准确的统计和西安市农民工的职业分布，我们根据农民工们在西安的实际分别，选择了几个聚集了大量的农民工主要的工业领域和行业进行调查。位于城中村、社区街道、劳动力市场附近第二环路、第三环路和绕城高速的西安的三十个地区中的六个（忻城、碑林、莲湖、灞桥、维扬、和雁塔是六大区的西安，如图1所示）被确定作为调查问卷点。同时，建筑业、制造业、运输业、家政等行业被选作调查点。在这项调查的开始，计划发放1500分调查问卷，但是实际上只有1397分调查问卷在这些地区随机发放。在 1397份问卷经过统计和整理后，经过判断1366份问卷具有有效性，有效率为97.8%

图1：在西安不同行政区域的地理分布

2.2基本统计数据： 调查内容主要包括性别比例、年龄结构、受教育程度、平均月总收入和职业。 在调查数据经过统计后，有1000名男性和366名女性，分别占调查的73.2%和26.8%的比例。具体的基本属性如图2所示。

图2：农民工个人属性数据

1. 农民工的出行方式选择的非集计模型

3.1 非集计模型的描述： 非集计模型的理论基础是假设旅行者在选择出行方式的时候寻求最大限度的有效性。克服了集合模型的许多不足，非集计模型及其衍生物被广泛应用。非集计模型的假设是，在一定条件下，旅客会选择效用最大化的出行方式。其效用函数由固定项和随机项组成，其计算公式如下：

(1)

(2)

表示第n个出行者选择地i种出行方式的效用值，表示效用值的固定项，表示效用值的随机项，k是影响出行者出行方式选择的因素（也被称为特征变量）的编号，是不定系数，是第n个出行者所选择的第i种出行方式的第k个因素。

3.2 MNL模型的建立:如果在公式（1）中的随机项服从Gumber分布，并且所有变量都是相互独立的，第n个出行者选择第i种出行方式的概率可以由下面的公式给出：

(3)

N是出行者所有可供选择的出行方式的总和。

此时，模型发展到多项Logit（MNL）模型，这是在分解理论的一般形式。MNL模型具有简单的数学形式，易于理解等特点，因此，它是一种在分解理论中应用最广泛和最成熟的模型。

3.3 可供选择的交通方式和影响因素的确定：根据对西安农民工的调查，他们的出行方式由4种方式组成，即：步行、公交车、地铁和出租车。因此这4种方式就构成了可供选择的出行方式。为了计算的需要，将农民工出行方式中的步行视为0，公交车视为1，地铁视为2，出租车视为3.

模型的影响因素要根据调查的目标和现状来确定。考虑到农民工出行特征和MNL模型的特点，将影响因素分为个体属性和出行属性，如表1所示的都是这两个属性的影响因素和对它们的解释。

表1：影响因素的确定

1. 模型的校准和验证

4.1 影响因素的校准：MNL模型的效用函数往往是由极大似然估计的方法来校准，即：将使极大似然函数达到最大值的那个参数值作为预计参数的估计值。校准结果可以由SPSS软件来获得，就像表2所示一样。

表2：各因素的校准结果

在表2中，每个影响因素的t检验的绝对值都大于1.96。根据统计学中的理论，当t检验的绝对值大于1.96时，有95%的可能可以确定，以上每种影响因素对于可供选择的出行方式的影响都是显著的。因此，以上这些影响因素对于农民工交通出行方式的选择有显著影响。同时。决定系数可以用来判断模型是否合适[18],其中isin; (0, 1)。在实际判断非集计模型拟合好坏中，如果的值在0.2到0.4之间，那么就说这个模型拟合得好。本篇论文中，所建立的模型的为0.2863，因此，我们可以充分相信这个模型拟合得好。

根据以上的测试，对模型中参数的标定是正确的。对于那4种出行方式，不同影响因素的值如表3所示。

表3：不同影响因素的值

如果效用函数中的随机项可以不考虑，不同出行方式的效用函数可以通过表3得到如下形式：

= 0.8368X1 1.2735X2 1.0689X3 1.1798X4 0.3721X5 0.3931X7,

= 1.2735X2 1.0689X3 0.3721X5 0.8294X6minus; 2.5610X8,

= 0.8368X1 1.0689X3 1.1798X4 0.3721X5 0.3931X7 minus; 2.5610X8,

= 0.8368X1 1.2735X2 1.1798X4 0.8294X6

(4)

4.2 模型验证：MNL模型可以由命中率（HitR）来验证，这是指交通出行方式实际的选择结果和利用模型预测得到的选择结果是否符合。这种HitR的具体计算步骤如下。

步骤1，用上面的MNL模型可以得到参数值，原始变量的对应值被代入概率公式（3）中，然后第n个出行者选择交通出行方式的概率就可以得到了。

步骤2，假设第n个出行者已经选好了交通出行方式，预测概率是所以中最大的那一个。我们定义为如下所示：

（5）

步骤3，对于的计算如下，如果实际的选择结果和预测的选择结果一致，那么。如果不一致，那么=0.

（6）

步骤4，整体命中率HitR和各个方式的命中率计算如下

HitR=

（7）

是第n个出行者所选择交通出行方式的总和，是选择第i种出行方式的人的总和。

在MNL模型中农民工的整体命中率和各种出行方式命中率，可以通过计算得到，见表4

表4：农民工在MNL模型中的命中率

相对而言，出租车的命中率低于其他三种行驶模式，它主要是因为出租车数据在样本量小，从而导致降低命中率。然而，四个旅行模式的命中率均大于80%，整体命中率为91.4%，表明模型和模型中的参数的校准是有效的。

1. 不同影响因素的敏感性分析：

敏感性分析是模型中某一个影响因素发生变化，最后预测结果变化的程度。当模型中变量发生变化时，敏感性分析不仅可以用来了解出行方式选择和影响因素之间的相互作用，也可以定性和定量评价模型结果的影响。

根据非集计模型的理论，当第k个影响因素发生改变时，出行者选择的第i种出行方式的弹性值可以用如下公式计算：

（8）

表示选择第i种出行方式的概率，即：每种出行方式实际所占比例。是第k种影响因素的参数值的估计。是的平均值

5.1 个体属性的敏感性分析：以1336个样本的统计处理为例，我们可以得到5种因素的平均值，例如：性别、年龄等对于4种出行方式的实际贡献率。通过表2中模型的校准结果，可以得到参数估计值。用这种方法可以得到不同出行方式中不同影响因素的弹性值。结果如表5所示。（本文中提到的换乘是在公交车和公交车之间，地铁和地铁之间，公

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[152183]，资料为PDF文档或Word文档，PDF文档可免费转换为Word