论文题目：Urban Commuters’ Valuation of Travel Time Reliability Based on Stated Preference Survey: A Case Study of Beijing

论文作者：寇伟彬，陈旭梅，于雷，戚懿，王莹

论文期刊：Transportation Research Part A: Policy and Practice

获取网址：https://www.sciencedirect.com/science/article/abs/pii/S0965856415302858

论文关键词：城市通勤者，行程时间可靠性价值，SP调查，交通方式

1、摘要

当通勤者面对不同的出行方式与出行方案时，他们通常不仅会考虑出行时间，更会考虑出行时间的可靠性。本文通过一种行程延误时间指标来量化出行可靠性，并建立行程规划模型及二项Logit模型来估算公交车、私家车两类乘客的时间可靠性价值。首先，综合考虑乘客收入水平、时间约束等条件，建立行程规划模型；而后基于SP调查搜集数据、标定模型的关键参数并计算对应的行程时间可靠性价值。案例研究表明，收入水平和通勤时间约束是影响通勤者行程时间可靠性价值最显著的因素。

2、研究背景

近年来，我国大城市高峰期通勤需求迅速增长。出行时间的可靠性对通勤者的出行选择有重要影响，而高峰时段交通严重拥堵往往会导致城市地面交通出行时间不可靠，因此通过对出行时间可靠性的量化分析，可以更清楚的了解出行成本与出行选择决策之间的内在关联。

本文以早高峰时段的城市道路交通（公交、私家车）通勤者为研究对象。由于早高峰期间通勤者将面临按时上班的巨大通勤时间约束，因此相对晚高峰而言，早高峰交通方式（公交、私家车）的可靠性对通勤者的交通选择影响更大。为了量化通勤者行程时间的可靠性，本研究进行了SP调查，并设计了不同模拟情境，以评估各类因素对个体通勤者选择的潜在影响，而后建立了用于量化行程时间可靠性的出行选择模型。在实例分析中，根据北京市通勤者的出行特征，重点考虑收入水平和通勤时间约束作为关键变量，估计出行时间可靠性。

3、研究方法

3.1影响因素分析

本文首先对影响乘客出行选择的潜在因素进行总结归纳，影响因素包括出行环境、个体属性、出行限制及其他因素，如图1所示。

图1 影响因素总结归纳

3.2模型建立

为评估乘客行程时间可靠性，基于基础的行程规划模型，应用两类时间变量：计划早到时间（SDE）和计划晚到时间（SDL）来反映乘客行程时间的可靠性。结合二项logit模型，最终得到乘客时间价值、早到时间价值、晚到时间价值模型如下所示。

3.3数据收集与处理

基于正交设计思想，针对公交通勤者与小汽车通勤者分别设计问卷。每类乘客设计六个场景，每个场景有两种出行方案A和B，所对应的费用、平均行程时间、行程时间的波动性有所差异，问卷设计过程如下图所示。

图2 问卷设计流程

问卷通过在北京市街头随机调研的方式，共搜集了1362份数据，数据搜集统计如表1所示。

表1 问卷统计结果（公共交通，637份）

表2 问卷统计结果（城市交通，725份）

3.4参数估计与结果分析

  在收集到的调查数据的基础上，依托统计预测分析软件（PASW）对模型参数进行估计。在参数标定过程中，不显著的变量（P值高于5%）被从模型中剔除。

对于公共交通方式，验证结果表明收入水平变量不显著，未能通过检验。考虑到公共交通的成本相当低，公共交通通勤者的选择并没有受到收入水平的显著影响。而对于汽车通勤者，收入水平和通勤时间约束均显著，表明汽车通勤者的选择受收入水平和通勤时间约束的显著影响。

根据模型结果，分别估算公共交通和自私家车通勤者的行程时间可靠性。如下表3和表4所示。

表3 公交乘客行程时间可靠性价值

表4 小汽车乘客行程时间可靠性价值

4、研究结论

通勤者的收入水平和通勤时间约束都会对通勤者行程时间可靠性的价值产生显著影响。收入水平较高的通勤者通常更喜时间较短且可靠性较高出行方案。当时间约束很强时，通勤者往往认为晚到时间价值更为重要。随着时间约束限制的增加，私家车通勤者的晚到时间价值增加得更快。

公交通勤者和私家车通勤者的晚到时间价值和早到时间价值均大于时间价值，表明对于大多数通勤者来说，出行可靠性的价值比出行时间价值更高。因此，潜在的通勤迟到风险是出行决策中所考虑的最重要的因素。

对于私家车通勤者，当时间约束较弱时，晚到时间价值仍是时间价值的 1.86倍，表明该类通勤者对时间可靠性的重视程度远高于出行时间本身。这可能是因为上班迟到会带来很大的负面效用，因此他们更倾向于选择更可靠的出行路线。

5、参考文献

[1] Abley, J., 2000. Stated Preference Techniques and Consumer Decision Making: New Challenges to Old Assumptions. Cranfield School of Management, United Kingdom.

[2] Asakura, Y., Kashiwadani, M., 1991. Road network reliability caused by daily fluctuation of traffic flow. In: Presented 19th PTRC Summer Annual Meeting, University of Sussex, United Kingdom.

[3] Asensio, J., Matas, A., 2008. Commuters’ valuation of travel time variability. Transport. Res. Part E: Logistics Transport. Rev. 44 (6), 1074–1085.

[4] ATOC, 2002. Passenger Demand Forecasting Handbook, fourth ed. London.

[5] Bates, J., Polak, J., Jones, P., Cook, A., 2001. The valuation of reliability for personal travel. Transport. Res. Part E: Logistics Transport. Rev. 132 (2–3), 191–229.Cambridge Systematics, 2001. Twin Cities Ramp Meter Evaluation Final Report. Minnesota Department of Transportation.

[6] Guan, H.Z., 2004. Disaggregate Model: A Tool of Traffic Behavior Analysis. China Communications Press, Beijing.

[7] He, X., 2014. Applied Regression Analysis. High Education Press, Beijing. Hollander, Y., 2006. Direct versus indirect models for the effects of unreliability. Transport. Res. Part A: Policy Practice 40 (9), 699–711.

[8] Jackson, W.B., Jucker, J.V., 1982. An empirical study of travel time variability and travel choice behavior. Transport. Sci. 16 (4), 460–475.

[9] Noland, R.B., Small, K.A., 1995. Travel-time uncertainty, departure time choice, and the cost of morning commute. J. Transport. Res. Board 1493, 150–158.

[10] Senna, L., 1994. The influence of travel time variability on the value of time. Transportation 21 (2), 203–228.

[11] Small, K.A., 1982. The scheduling of consumer activities: work trips. Am. Econ. Rev. 72 (3), 467–479.

[12] Wigan, M., Nigel, R., Thorolf, T., Dimitris, T., 2000. Valuing long-haul and metropolitan freight travel time reliability. J. Transport. Statist. 3 (3), 83–89.

[13] Wu, M., 2010. Practical Statistics Analysis of Questionnaire: SPSS Operation and Application. Chongqing University Press, Chongqing.

[14] Xia, Q., 2013. 2013 Beijing Statistic Yearbook. China Statistic Press, Beijing.

[15] Zhuge, C., Shao, C., Li, X., Meng, M., 2012. Commuter’s choice behavior of travel time and travel mode. J. Transport. Syst. Eng. Inform. Technol. 12 (2), 126–131.