SP调查方法在交通预测中的应用

文章编号:1000-1506(2000)06-0029-04SP 调查方法在交通预测中的应用赵　鹏1,藤原章正2,杉惠赖宁2(11北方交通大学交通运输学院,北京100044;21日本广岛大学大学院国际协力研究科)摘　要:比较了SP 调查与RP 调查,对SP 调查的主要过程、注意事项等进行了说明.介绍了实际调查案例,利用调查数据对PCL 模型进行了推算,并对交通方式分担率进行了研究,结果证明PCL 模型比MNL 模型具有更高的精度.关键词:SP 调查;非集计分析;模型中图分类号:U491 文献标识码:AThe Application of Stated Preference SurveyMethod on T raff icZHAO Peng 1,FUJ IWARA Akimasa 2,SU GIE Y oriyasu 2(1.College of Traffic and Transport ,Northern Jiaotong University ,Beijing 100044,China ;2.IDEC of Hiroshima University ,12521Kagamiyama ,Higashi 2Hiroshima ,Japan )Abstract :In this paper ,we compare the differences between stated preference survey and revealed preference survey ,then introduce the program of stated preference survey in details ,as well as the Hiroshima New Transit System as a case study.We forecast the shares of travel modes by using survey data and PCL model.The forecasted results show that the exactitude of PCL model is higher than others.K ey w ords :stated preference survey ;disaggregate analysis ;modelSP 调查(Stated Preference Survey )是指,为了获得“人们对假定条件下的多个方案所表现出来的主观偏好”而进行的实际调查.对实际行动进行的调查称为RP (Revealed Preference Survey )调查,这是一般传统使用的方法.70年代末英国开始交通问题SP 调查以后,美国、澳大利亚等也进行了相关调查,80年代,研究人员从理论和实际两方面进行了更为深入的研究,1989年《运输经济与政策学报》上出版了《运输领域的SP 方法研究》专辑,使SP 调查在交通领域得到进一步推广[1].SP 调查的主要优势在于计划人员可以有目的地设定交通方式(或交通政策)及交通服务水平,在新的交通方式开通(或交通政策实施)以前,可以很好地预测开通(实施)后的交通变化情况;利用所设计的不同方案,从一个被调查者(回答者)得到多个数据,从而提高调查的效率.收稿日期:1999206230;修回日期:2000206228作者简介:赵鹏(1967—),男,北京市人,副教授,博士.em ail :jqgou @ 2000年12月第24卷第6期 北　方　交　通　大　学　学　报JOURNAL OF NORTHERN J IAO TON G UN IV ERSIT Y Dec.2000　Vol.24No.6主要缺点是,从回答者得到的多个数据可能与回答者的实际行动并不一致,从而产生一定的偏差(Bias).表1对SP调查与RP调查的优缺点进行了比较.表1　SP数据与RP数据的特征比较S　P　调　查R　P　调　查△可以处理当前不存在的替代方案△可以将某一属性的效果和其他属性的效果分开△可以自由设计属性、水平值及属性间的转换关系△可以完全控制选择方案△可以从一个回答者得到多个数据,能用小样本进行有效统计分析☆回答值未必和实际行动一致☆不能处理当前不存在的方案☆属性间的作用存在多重共线性☆属性、水平值及属性间的转换关系已经确定☆分析人员必须假定存在选择方案☆从一个回答者只能得到一个数据,需要大规模的调查△变量的测量不存在误差 △表示优点;☆表示缺点1　SP调查的主要过程1.1　样本的选取如何选取和选取多少调查对象,和RP调查基本相同.根据调查目的可以采用完全随机取样法、有意分层随机取样法;样本的抽取数量和SP分析目的有关.应该强调的是,由于一个人回答多个问题,如果样本缺乏随机性,具有偏差的个人信息将被扩大,并可能引起更大的偏差,如何保证样本的随机性和代表性,比RP调查显得更为重要.1.2　实验设计SP调查能否成功,主要取决于调查实验的设计.调查方案必须反应出影响交通行动的交通服务属性及属性所处的水平.例如,典型的交通服务的属性包括票价、乘车时间及运行间隔等,而每个属性可以处在不同的水平.实验设计主要解决下面几个问题[2].(1)属性数量的确定　交通系统的属性很多,设计时并不是将所有的属性都包括,而应根据调查目的决定.由于SP数据是个人偏好数据,可能产生政策反应偏差(Policy Response Bias),即猜测政策制定者的意图(例如提价),并有意选择能够影响政策的回答,从而增大调查数据的偏差;当调查属性较多时,可以一定程度上回避这样问题,因此,通常属性要有3个以上.但并非属性越多越好,提供的属性过多,所含的信息量超过回答者的判断能力,回答者也难于作出正确的回答,而影响数据的准确性,一般7～10个属性作为上限较好.(2)属性水平的确定　一般一个属性设置两个以上的水平,特别关心的属性,可以设置3个以上.在确定水平值时,注意所取的值必须是回答者认为现实的,否则,将引起调查数据精度的下降.水平值的范围以某个值为基准,按一定比例或一定数量增减来设定,例如对于票价,可以设置3个水平,以3元为基础,上下增减1元,则得到3个水平值2元、3元、4元.(3)方案设计　方案设计就是将属性及水平有机结合,形成高效的方案,以利于分析属性及水平值对交通行为的影响.统计实验方法可以保证各属性间的“直交性”.当有n个属性,m 水平时,利用全部因素配置法则有m n个方案,当n或m增大时,方案数会迅速增加,需要采用一定方法削减方案的数量.最常用的方法为“部分因素配置法”[1].1.3　方案评价的表示方法回答者判断给定的方案判断并给出选择偏好.表示偏好的评价方法主要有以下4种:①03北　方　交　通　大　学　学　报 第24卷顺位法.对多个方案按主观偏好排出顺序.这种方法可以同时得到大量信息,但方案太多时,让回答人员排出顺序比较困难.②评分法.对各方案按偏好程度给出评分,例如,用1～10评分或“非常好”、“比较好”等方式给出评价.这种方法处理时比较简单,但方案太多时,也同样会给回答者带来负担.③选择法.两个以上的方案中选出唯一最好的方案(或最不好的方案).这种方法一次只能得到一个数据,数据的可靠性较高,并可直接与RP 数据比较.④对比法.从方案中抽出两个方案进行比较,评价方式可以采用选择法或评分法.1.4　调查的实施调查方法由调查规模及费用决定.按回答方式,可以采用让回答者自己阅读问题,然后填写回答的方式(阅读回答),也可采用调查员一边提问,一边记录回答的方式(采访);按调查地点,可以采用家庭调查或户外或列车上(公共汽车)等方式;按利用手段可以采用调查票(纸张)或计算机等方式.一般将调查票置留家庭是比较常用的方式,利用微机(编制程序)采访的调查方式也广泛采用.2　SP 调查实例及预测分析2.1　基本情况日本广岛市为了缓和从市西北部到市中心交通阻塞问题,修建了“新交通系统”.为研究系统修建后交通变化情况,笔者所在研究室进行了多次SP 调查.调查主要针对新交通系统沿线15岁以上通勤、通学的人员进行.表2　调查考虑的服务属性及水平值交通方式服务属性水平1水平2水平3私人轿车所要时间/min506070停车费/日元　0200400所要时间/min 445671乘车费/日元410440570公共汽车等待时间/min 1　3　6乘车时间/min 152030接续时间/min 6　912新交通系统等待时间/min 1　3　6乘车费/日元390410430座席情况无有时有有调查时将调查票留在被调查者家中一个星期,然后回收.进行SP 调查的同时还调查了回答者的个人基本情况.SP 调查时,对私人轿车、公共汽车和新交通系统设定了10种因素3种水平(如表2),利用L 27(313)直交表,组合成27种方案,设计成SP 调查卡片.1994年的调查得到有效数据1542个.2.2　非集计分析(1)PCL 模型　由于新交通系统和公共汽车可能存在某些相似的特性,本文采用能够考虑选择方案间相似性的PCL 模型(Paired combinatorial logit )进行分析.PCL 模型是为了缓解IIA 特性提出的[3],模型通过引进参数σij 作为选择方案i 、j 间的相似性,修正选择方案的选择概率,模型如式(1).P i =∑n j =1,j ≠i(1-σij)(exp (V i /(1-σij))+exp (V j /(1-σij )))-σij exp (V i /(1-σij))∑nq =1∑nr =q+1(1-σij)(exp (V q/(1-σqr))+exp (V r /(1-σqr )))1-σqr (1)式中　P i 为选择方案i (i =Bus ,Car ,New )被选择的概率;n 为选择方案个数;v i 为选择方案i 的效用函数的确定项;σij 为选择方案i 与选择方案j 之间的相似性,0≤σij <1.(2)模型的推算结果　模型的推算结果,如表3.(3)推算结果分析　从推算结果来看,各变量的参数符号和常识完全符合,模型的优度比13第6期 赵鹏等:SP 调查方法在交通预测中的应用为0.254,说明模型本身精度是相当高的(而不考虑相似性时MNL 模型的优度比为0.171),表3　模型的推算结果影响因素 参数值t 值乘车外时间/min -0.027008-3.1444903乘车时间/min-0.029974-14.7475003交通费用/100日元-0.188549-6.0848003驾驶执照0.0494830.851503　就座情况0.7600428.1680303私人轿车常数项0.79076810.6517003 σ120.09085017.1137003 σ130.41543313.5244003 σ230.07403326.2501003初期优度L 3(0)-1694.10;最后优度-1264.29;优度比0.254;数据量1542 说明:3通过危险度为1%的t 检验;就座情况:绝对有座为1、有时有座为0、绝对无座为-1;驾驶执照:有为1、无为0.模型具有很好的说明力.乘车时间、乘车外时间参数的符号为负的含义是,时间消耗的越多,得到的效用就越小;交通费用参数的符号为负号的含义是,交通费用越多,得到的效用就越小;就座情况参数的符号为正号,说明座位情况越好,得到的效用越大;驾驶执照参数符号的含义是,若拥有驾驶执照对选择私人轿车则得到正的效用比较大.私人轿车的常数项为正,说明人们对私人汽车具有一定的偏爱;各变量对效用贡献大小,即对交通行动影响大小,由参数值决定.各个参数的检验的值均比较大,除驾驶执照外,均通过了1%的t 检验,说明各变量的具有很强的说明力,对效用的影响是不可忽视的.各选择方案间的相似性参数均通过t 检验,说明选择方案间相似性影响还是比较大的,尤其是公共汽车与新交通系统之间更为明显,和文献[4]的结论是一致.利用非集计分析中的“样本法”作为集计方法,预测出3种交通方式的分担率:公共汽车为14.228%,私人轿车为40.227%,新交通系统为45.52%.1994年新交通系统开通后,由于种种原因沿线的公共汽车停运;随后进行了RP 调查,统计结果为私人轿车和新交通系统的分担率分别为44.8%和55.2%.考虑到公共汽车和新交通的相似性大于公共汽车与私人轿车的相似性,因此,上述预测中的公共汽车分担率分配到新交通和私人轿车后,得到的预测分担率和实际结果非常接近.3　结束语本文简单介绍了SP 调查有关内容,并介绍了实际案例.考虑到选择方案间可能不满足IIA 特性,采用了PCL 模型,改善了相似性的影响,得到了较高的预测结果,同时也证明了PCL 模型的适用性.SP 数据本身存在一定偏差,如何更有效地减少和修正SP 数据引起的偏差,仍将是利用SP 数据的一个重要问题.参考文献:[1]藤原章正.交通机关选择 における选好意识 - の信赖性に关する研究[D ].广岛大学博士论文,1993.[2]藤原章正,杉惠赖宁.选好意识调查の设计の手引き[J ].交通工学,1993,28(1):.[3]Chu ,c.A Paired combinatorial logit model for travel demand analysis [J ].Proc.of 5th ,WCTR ,Y okohama ,1989,(4):295-309.[4]杉惠赖宁,藤原章正.选好意识± - を用いた交通机关选择 の预测精度[A ].土木学会论文集[R ].No.576/IV -37,1997123北　方　交　通　大　学　学　报 第24卷。