吕泽鑫，苏焕银，陈思倩，林燕璇，钟明辉，吴嘉荣

（五邑大学 轨道交通学院，广东 江门 529020）

大型客运枢纽站旅客市内接驳交通方式的便捷性直接影响到旅客乘车的满意度. 针对铁路旅客接驳交通方式，多采用离散选择模型进行研究. 韩晓玉等[1]以苏州轨道交通为例，采用Logit模型预测城市轨道交通接驳方式的选择概率，结果表明Logit模型具有良好的适用性. 张妮等[2]考虑旅客个人出行属性特征，采用多项Logit模型预测城市轨道车站接驳交通方式的选择概率，结果表明该模型具有可行性. 陶文聪等[3]通过问卷调查，应用多项Logit模型研究了广珠城轨站旅客市内接驳交通方式的选择情况.

早期铁路旅客市场细分主要采用聚类分析方法，李海军等[4]采用改进的聚类分析方法对铁路通道旅客进行市场细分，但该方法过于复杂，不利于推广. 随着学者们研究的深入，基于统计学原理的潜在类别模型应用于市场细分时取得了良好的分类效果[5]. 乔珂等[6]通过京沪铁路客运历史售票数据，采用潜在类别模型将旅客划分为三个类别群体，结果显示分类效果良好. Hetrakul等[7-8]通过铁路旅客历史售票数据，采用潜在类别模型将旅客进行分类，结果发现该模型能够很好地解释旅客出行特征的差异性. 此外，还有学者[9-10]在航空领域采用潜在类别模型进行市场细分，也取得良好的分类效果.

广州南站连接京广高速铁路、广深港高速铁路、贵广高速铁路、南广铁路、广珠城轨和粤西沿海铁路，是粤港澳大湾区、泛珠江三角洲地区的铁路核心车站. 该站点远离市区，日发送旅客几十万人次，是亚洲最繁忙的高铁站，换乘便捷性不仅影响旅客的满意度，也直接影响车站的运营效率.为此，本文调查分析了广州南站旅客市内接驳的交通方式，使用潜在类别模型与多项Logit模型结合的方法，对旅客市场进行细分，同时进一步分析当前接驳交通方式的选择情况. 最后提出针对性的改进措施，为进一步满足不同群体旅客的出行服务需求，也为铁路运输企业设计和调整接驳交通运输产品提供参考依据.

本文以广州南站旅客为调研对象，采用RP/SP联合调查方法设计问卷，通过网络调查法展开调研，调研时间为2020年2月期间，调查内容包括旅客个人出行特征（性别、年龄、学历、月收入、职业、出行目的、行李重量、出发地区、是否拥有私家车和费用来源）和出行接驳交通方式（公交地铁组合、地铁、出租车（网约车）和私家车）. 通过信度和效度方法进行检验和筛选，最终获取有效问卷1 016份，统计结果如表1和表2所示.

表1 基于RP调查的旅客个人出行特征

表2 基于SP和RP调查的旅客接驳交通方式选择

旅客的出行选择偏好往往来自于旅客个人出行特征的差异性，具有相似特征的旅客可以归属于同一类别. 潜在类别模型具有良好的分类效果.

2.1 潜在类别模型设计

经过数据初步统计处理，最终选择性别、年龄、月收入、职业、是否拥有私家车、出行目的、费用来源等7个作为外显变量，依次记为U1,U2,U3,U4,U5,U6,U7，具体的变量取值及水平说明如表3所示.

不同外显变量间满足相互独立的条件，π为外显变量的联合概率，潜在类别模型表示如下：

式中，π表示各潜在类别概率的总和，即潜在类别模型的联合概率；
T为潜在类别总数，π(t)表示第t个潜在类别的概率；
π(Ui/t)表示在第t个潜在类别下外显变量Ui的条件概率，其总和均为1.

根据式（1）计算每位旅客在每个类别的后验概率并比较其大小，将旅客归属到后验概率最大的类别. 运用贝氏理论，后验概率计算公式如下：

式中，π(t/U1,U2,U3,U4,U5,U6,U7)表示旅客属于某个潜在类别的后验概率.

那么，旅客属于概率最大的潜在类别，记为X*，表示如下：

2.2 参数估计结果及分析

借助Latent Gold 5.0软件进行模型适配性检验，并采用极大似然法进行参数估计，具体如表3所示，最终潜在类别划分为3类最合适.

表3 参数估计结果

（续表3）

由表3可知，各类旅客的具体特征如下：

1）第一类旅客，女性比例偏高，年龄主要集中在25～34岁，职业以公司职员为主，拥有私家车占比稍高，月收入中等，自费出行，以旅游和探亲访友为主.

2）第二类旅客，男性比例稍高，年龄主要集中在35～44岁，职业以服务业人员和自由职业者为主，拥有私家车占比较高，月收入最高，公费出行，以商务出行为主.

3）第三类旅客，女性比例较高，年龄主要集中在18～24岁，职业以学生为主，无私家车占比较高，月收入最低，自费出行，以旅游和求学为主.

综上，可将第一类旅客概括为“休闲型旅客”，第二类旅客概括为“商务型旅客”，第三类旅客概括为“学生型旅客”. 此时，可将RP调查得到的旅客实际选择交通接驳方式按此分类进一步细分，为后续多项Logit模型的正确率验证提供数据基础，分类结果如表4所示.

表4 各类旅客实际选择的接驳交通方式

结合旅客的群体分类结果，采用多项Logit模型研究各类旅客群体的市内接驳交通方式选择行为，对比分析各类旅客的偏好性.

3.1 多项Logit模型设计与参数估计

为了便于构建模型，将旅客交通接驳交通方式记为Aj，Aj∈{公交地铁组合，地铁，出租车，私家车}，接驳交通方式Aj的属性变量记为xij，xij∈{步行距离，出行时间，行车费用，换乘次数}，旅客的群体类别记为s，s= {1,2,3}. 根据随机效用理论，第s类旅客在第j个接驳交通方式的效用表示如下：

那么，第s类旅客选择第j个出行方式的概率为表示如下：

采用软件Nlogit6对上述模型参数进行估计，其结果如表5所示.

表5 多项Logit模型参数估计

（续表5）

此时，第一类群体的最大似然函数值为-490.88，拟合优度为0.115 2；
第二类群体的最大似然函数值为-362.92，拟合优度为0.197 5；
第三类群体的最大似然函数值为-236.85，拟合优度为0.132 9.根据拟合优度在逻辑回归中精确度的判定，拟合优度在0.1至0.2范围内，模型精度较高[11]. 所以，本文模型精确度较高.

3.2 旅客接驳交通方式选择分析

利用上述建立的多项logit模型对旅客的出行选择进行预测，结果见表6. 与表4结果相比：各类旅客群体的主体倾向于选择公交地铁组合和地铁两种接驳交通方式，第三类“学生型旅客”的选择比例最大，为94.56%（实际选择比例94.93%），其次为第二类“商务型旅客”，达到84.59%（实际选择比例82.88%），第一类“休闲型旅客”也有69.20%（实际选择比例70.53%）. 这主要因为广州市公共交通网络发达，具备便利、快捷、时间可靠性高和费用较低的综合特征，适合于大部分旅客群体的出行需求. 同时，出租车和私家车虽具有无需换乘且步行距离短的特点，其直达性较高，但相比于公共交通，这两类接驳交通方式时间可靠性不高，且费用也较高. 因此，对费用较为敏感的“学生型旅客”和对于出行时间可靠性要求较高的“商务型旅客”主要选择了公共交通方式出行；
而以旅游和探亲访友为主的“休闲型旅客”，在选择交通工具时，本着高效便捷直达目的地的心理，对通达性要求高些，对时间可靠性要求不很高，对费用也没有“学生型旅客”那么敏感，所以“休闲型旅客”中约有30.8%（实际选择比例29.46%）的旅客选择了出租车和私家车.

表6 各类旅客选择接驳交通方式的预测结果

本文以广州南站旅客为例，基于潜在类别模型将旅客划分为三类来研究市内接驳交通市场细分问题，采用多项Logit模型分析各类旅客选择市内接驳交通方式（公交地铁组合、地铁、出租车、私家车）的概率，结果表明各类旅客选择接驳交通方式的预测概率与实际概率相差不大，模型预测的正确率达90.94%，这说明本文设计的方法具有一定的可行性. 这三类旅客群体虽然具有明显的属性特征差异性，但在接驳交通方式选择上主要倾向于选择公共交通方式出行，这主要得益于广州市公共交通方式的方便快捷和费用低廉，但公共交通方式在站点选址和线路停站方案上有待提高，以便满足各类不同需求层次的旅客出行需求，减少旅客出行的步行距离和换乘次数，进一步提高公共交通方式的选择概率，缓解城市道路交通拥挤.

猜你喜欢 私家车类别概率 概率统计中的决策问题中学生数理化(高中版.高考数学)(2022年3期)2022-04-26概率统计解答题易错点透视中学生数理化(高中版.高考数学)(2022年3期)2022-04-26概率与统计(1)中学生数理化·高三版(2021年3期)2021-05-14概率与统计(2)中学生数理化·高三版(2021年3期)2021-05-14一起去图书馆吧少儿画王（3-6岁）(2020年4期)2020-09-13对我国私家车保有量影响因素的统计分析智富时代(2019年4期)2019-06-01对我国私家车保有量影响因素的统计分析智富时代(2019年4期)2019-06-01简析基于概率预测的网络数学模型建构东方教育(2018年20期)2018-08-22图说文萃报·周五版(2018年36期)2018-07-13选相纸　打照片微型计算机(2009年4期)2009-12-23