第9卷第3期 智能系统学报 Vol.9 No.3 2014年6月 CAAI Transactions on Intelligent Systems Jun.2014 D0:10.3969/j.issn.1673-4785.201310014 网络出版地址：http://www.cmki.net/kcms/doi/10.3969/j.issn.16734785.201310014.html 基于Logit模型的私家车出行影响因素分析 王志建，王力，刘小明 (北方工业大学城市道路交通智能控制技术北京市重点实验室，北京100144) 摘要：文章旨在分析影响人们出行需求及行为的因素，并寻找其内在的规律性。在进行大量数据调查及分析的基 础上，通过SPSS软件运用Logistic回归模型分析得出相关影响因素，并对相关影响因素进行分析，得出动态交通信 息服务在一定程度上能够决定私家车出行路线选择，交通信息发布的实时性和准确性有待进一步提高，而且出行者 更不愿意遇到交通事故或交通拥堵。通过分析动态交通信息背景下出行者交通出行行为的变化趋势，可以更好的 缓解北京的交通拥堵情况。 关键词：交通运输工程；动态交通信息；交通出行：Lgt模型：行为分析 中图分类号：TP18文献标志码：A文章编号：1673-4785(2014)03-0379-06 中文引用格式：王志建，王力，刘小明.基于L0gt模型的私家车出行影响因素分析[J】.智能系统学报，2014,9(3)：379384. 英文引用格式：Wang Zhijian,Wang Li,Liu Xiaoming.Research on the influence factors of private cars travel behavior based on the logit model[J].CAAI Transactions on Intelligent Systems,2014,9(3):379-384. Research on the influence factors of private cars travel behavior based on the logit model WANG Zhijian,WANG Li,LIU Xiaoming (Key Lab of Urban Intelligent Traffic Control Technology,North China University of Technology,Beijing 100144,China)) Abstract:The purpose of this paper is to analyze what factors were influencing people's travel demand and behavior, and find its inherent regularity.Based on a large amount of data investigations and analyses,and using the SPSS software and the Logistic Regression model,the related factors influencing traveler behavior are derived and analyzed.It has been concluded that the dynamic traffic information service decides the choice of the private car travel route to a certain ex- tent,the accuracy and real-time performance of released traffic information need to be further improved,and travelers are more reluctant to encounter a traffic accident or traffic jams.Through analysis of how to more effectively change travelers'behavior in the background of dynamic traffic information,we can better alleviate traffic congestion in Beijing. Keywords:traffic and transportation engineering;dynamic traffic information;traffic trip;Logit model;action analysis 先进的交通信息服务系统(advanced traveler in-最优路径静态诱导及交通分配等问题，对交通信息 formation systems,ATIS)是智能交通系统的核心组 对私家车出行影响的研究较少[46]。 成部分，它为均衡路网交通流分布、缓解城市交通拥 本文结合北京市私家车出行的特点，设计了动 堵问题提供了有力的保障)。为了解ATS实际 态交通信息对私家车交通出行影响调查问卷，采用 实施效果及其对城市交通系统运行的影响，国外对 网络调查与现场问卷调查相结合的方式进行数据获 私家车出行者交通出行信息需求及影响开展了大量 取，在对调查数据进行样本量可靠性分析的基础上， 研究，并探讨不同种类的信息对私家车出行者的影 采用SPSS软件对数据进行分析及挖掘，建立了基 响。国内相关研究主要集中于ATS条件下的车辆 于动态交通信息影响私家车出行的Logistic回归模 型，分析动态交通信息背景下出行者交通出行行为 收稿日期：2013-03-21.网络出版日期：2014-06-14 的变化趋势，为缓解北京的交通拥堵、构建更加和谐 基金项目：国家“863”计划资助项目(2012AA112401):北京市优秀人才 资助项目(2012D005002000006). 畅通的交通环境贡献一份力量。 通信作者：王志建.E-mail:wzjian0722@163.com
第 ９ 卷第 ３ 期 智 能 系 统 学 报 Ｖｏｌ．９ №．３ ２０１４ 年 ６ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｊｕｎ． ２０１４ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３１００１４ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｏｉ ／ １０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３４７８５．２０１３１００１４．ｈｔｍｌ 基于 Ｌｏｇｉｔ 模型的私家车出行影响因素分析 王志建，王力，刘小明 （北方工业大学 城市道路交通智能控制技术北京市重点实验室，北京 １００１４４） 摘 要：文章旨在分析影响人们出行需求及行为的因素，并寻找其内在的规律性。 在进行大量数据调查及分析的基 础上，通过 ＳＰＳＳ 软件运用 Ｌｏｇｉｓｔｉｃ 回归模型分析得出相关影响因素，并对相关影响因素进行分析，得出动态交通信 息服务在一定程度上能够决定私家车出行路线选择，交通信息发布的实时性和准确性有待进一步提高，而且出行者 更不愿意遇到交通事故或交通拥堵。 通过分析动态交通信息背景下出行者交通出行行为的变化趋势，可以更好的 缓解北京的交通拥堵情况。 关键词：交通运输工程；动态交通信息；交通出行；Ｌｏｇｉｔ 模型；行为分析 中图分类号： ＴＰ１８ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１４）０３⁃０３７９⁃０６ 中文引用格式：王志建，王力，刘小明． 基于 Ｌｏｇｉｔ 模型的私家车出行影响因素分析［Ｊ］． 智能系统学报， ２０１４， ９（３）： ３７９⁃３８４． 英文引用格式：Ｗａｎｇ Ｚｈｉｊｉａｎ，Ｗａｎｇ Ｌｉ，Ｌｉｕ Ｘｉａｏｍｉｎｇ． Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｆａｃｔｏｒｓ ｏｆ ｐｒｉｖａｔｅ ｃａｒｓ ｔｒａｖｅｌ ｂｅｈａｖｉｏｒ ｂａｓｅｄ ｏｎ ｔｈｅ ｌｏｇｉｔ ｍｏｄｅｌ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１４， ９（３）： ３７９⁃３８４． Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｆａｃｔｏｒｓ ｏｆ ｐｒｉｖａｔｅ ｃａｒｓ ｔｒａｖｅｌ ｂｅｈａｖｉｏｒ ｂａｓｅｄ ｏｎ ｔｈｅ ｌｏｇｉｔ ｍｏｄｅｌ ＷＡＮＧ Ｚｈｉｊｉａｎ， ＷＡＮＧ Ｌｉ， ＬＩＵ Ｘｉａｏｍｉｎｇ （Ｋｅｙ Ｌａｂ ｏｆ Ｕｒｂａｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｆｆｉｃ Ｃｏｎｔｒｏｌ Ｔｅｃｈｎｏｌｏｇｙ， Ｎｏｒｔｈ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｂｅｉｊｉｎｇ １００１４４， Ｃｈｉｎａ）） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐｕｒｐｏｓｅ ｏｆ ｔｈｉｓ ｐａｐｅｒ ｉｓ ｔｏ ａｎａｌｙｚｅ ｗｈａｔ ｆａｃｔｏｒｓ ｗｅｒｅ ｉｎｆｌｕｅｎｃｉｎｇ ｐｅｏｐｌｅ＇ｓ ｔｒａｖｅｌ ｄｅｍａｎｄ ａｎｄ ｂｅｈａｖｉｏｒ， ａｎｄ ｆｉｎｄ ｉｔｓ ｉｎｈｅｒｅｎｔ ｒｅｇｕｌａｒｉｔｙ． Ｂａｓｅｄ ｏｎ ａ ｌａｒｇｅ ａｍｏｕｎｔ ｏｆ ｄａｔａ ｉｎｖｅｓｔｉｇａｔｉｏｎｓ ａｎｄ ａｎａｌｙｓｅｓ， ａｎｄ ｕｓｉｎｇ ｔｈｅ ＳＰＳＳ ｓｏｆｔｗａｒｅ ａｎｄ ｔｈｅ Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ， ｔｈｅ ｒｅｌａｔｅｄ ｆａｃｔｏｒｓ ｉｎｆｌｕｅｎｃｉｎｇ ｔｒａｖｅｌｅｒ ｂｅｈａｖｉｏｒ ａｒｅ ｄｅｒｉｖｅｄ ａｎｄ ａｎａｌｙｚｅｄ． Ｉｔ ｈａｓ ｂｅｅｎ ｃｏｎｃｌｕｄｅｄ ｔｈａｔ ｔｈｅ ｄｙｎａｍｉｃ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｒｖｉｃｅ ｄｅｃｉｄｅｓ ｔｈｅ ｃｈｏｉｃｅ ｏｆ ｔｈｅ ｐｒｉｖａｔｅ ｃａｒ ｔｒａｖｅｌ ｒｏｕｔｅ ｔｏ ａ ｃｅｒｔａｉｎ ｅｘ⁃ ｔｅｎｔ， ｔｈｅ ａｃｃｕｒａｃｙ ａｎｄ ｒｅａｌ⁃ｔｉｍｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｒｅｌｅａｓｅｄ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｎｅｅｄ ｔｏ ｂｅ ｆｕｒｔｈｅｒ ｉｍｐｒｏｖｅｄ， ａｎｄ ｔｒａｖｅｌｅｒｓ ａｒｅ ｍｏｒｅ ｒｅｌｕｃｔａｎｔ ｔｏ ｅｎｃｏｕｎｔｅｒ ａ ｔｒａｆｆｉｃ ａｃｃｉｄｅｎｔ ｏｒ ｔｒａｆｆｉｃ ｊａｍｓ． Ｔｈｒｏｕｇｈ ａｎａｌｙｓｉｓ ｏｆ ｈｏｗ ｔｏ ｍｏｒｅ ｅｆｆｅｃｔｉｖｅｌｙ ｃｈａｎｇｅ ｔｒａｖｅｌｅｒｓ’ ｂｅｈａｖｉｏｒ ｉｎ ｔｈｅ ｂａｃｋｇｒｏｕｎｄ ｏｆ ｄｙｎａｍｉｃ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ，ｗｅ ｃａｎ ｂｅｔｔｅｒ ａｌｌｅｖｉａｔｅ ｔｒａｆｆｉｃ ｃｏｎｇｅｓｔｉｏｎ ｉｎ Ｂｅｉｊｉｎｇ． Ｋｅｙｗｏｒｄｓ：ｔｒａｆｆｉｃ ａｎｄ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ｅｎｇｉｎｅｅｒｉｎｇ； ｄｙｎａｍｉｃ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ； ｔｒａｆｆｉｃ ｔｒｉｐ； Ｌｏｇｉｔ ｍｏｄｅｌ； ａｃｔｉｏｎ ａｎａｌｙｓｉｓ 收稿日期：２０１３⁃０３⁃２１． 网络出版日期：２０１４⁃０６⁃１４． 基金项目：国家“８６３”计划资助项目（２０１２ＡＡ１１２４０１）；北京市优秀人才 资助项目（２０１２Ｄ００５００２０００００６）． 通信作者：王志建．Ｅ⁃ｍａｉｌ：ｗｚｊｉａｎ０７２２＠ １６３．ｃｏｍ． 先进的交通信息服务系统（ａｄｖａｎｃｅｄ ｔｒａｖｅｌｅｒ ｉｎ⁃ ｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍｓ， ＡＴＩＳ）是智能交通系统的核心组 成部分，它为均衡路网交通流分布、缓解城市交通拥 堵问题提供了有力的保障［１⁃３］ 。 为了解 ＡＴＩＳ 实际 实施效果及其对城市交通系统运行的影响，国外对 私家车出行者交通出行信息需求及影响开展了大量 研究，并探讨不同种类的信息对私家车出行者的影 响。 国内相关研究主要集中于 ＡＴＩＳ 条件下的车辆 最优路径静态诱导及交通分配等问题，对交通信息 对私家车出行影响的研究较少［４⁃６］ 。 本文结合北京市私家车出行的特点，设计了动 态交通信息对私家车交通出行影响调查问卷，采用 网络调查与现场问卷调查相结合的方式进行数据获 取，在对调查数据进行样本量可靠性分析的基础上， 采用 ＳＰＳＳ 软件对数据进行分析及挖掘，建立了基 于动态交通信息影响私家车出行的 Ｌｏｇｉｓｔｉｃ 回归模 型，分析动态交通信息背景下出行者交通出行行为 的变化趋势，为缓解北京的交通拥堵、构建更加和谐 畅通的交通环境贡献一份力量
·380· 智能系统学报 第9卷 1 研究内容 交通广播频繁的驾驶员也越容易受到交通信息的影 响而改变路径。 首先，在动态交通信息条件下，对私家车交通出行 1)出行者基础数据分析 行为的影响因素分析，研究动态交通信息给私家车的 出行者性别、学历是衡量出行者个人属性的重 出行活动带来了哪些影响，程度如何，关键的影响因素 要特征，这些因素与出行者是否会被交通信息所诱 有哪些，并分析有哪些因素可能影响到交通出行行为。 导从而选择最优路径必然存在一定微妙的关系和影 其次问卷调查的设计和调查：针对北京城市的特点， 响。个人属性对路径选择影响分析，年龄、驾龄、个 根据哪些可能影响到人们交通出行行为的因素，采用 人偏好习惯是出行者具备的重要特征。根据调查， SP调查方法，设计私家车交通出行行为影响因素调查 受访者中男性占72%，女性占28%。因为在私家车 问卷。最后，调查数据的分析与模型的建立：应用统计 出行中，男性司机比女性司机数量要多，基本符合城 分析的方法，对动态交通信息下北京市交通出行行为 市居民的出行性别比例。年龄分布中，29~39岁所 研究的问卷调查数据进行研究和分析，确定影响私家 占比重最高，为44%，其次为18~28岁与40~50岁， 车出行行为的因素，采用SPSS软件对采集的数据进行 所占比重分别为28%和18%。出行者学历分析中， 建模并进行比较，分析动态交通信息背景下北京市私 63%的受访者为本科及以上学历，符合北京城市居 家车交通出行行为可能的变化趋势。 民的学历分布。 1.1调查问卷的设计及统计 “女 出行者交通行为的决策依据主要分为出行前和 出行中2种情况。 74% 男 1)出行前交通出行行为准则 在出行前影响出行者出行行为的因素很多，从 (a)性别比例 出行者个人角度来说，包括出行者年龄、性格、驾龄、 工作性质、学历水平、驾驶经验、个人偏好、对路网熟 初中以下初中 悉程度、出行目的和出行距离等，其中是否在出行前 4591 中专或高中 查询动态交通信息来规划出行方式逐渐成为出行者 19% 63% 出行前的一个选择。 大学本科 “大专 及以上 2)出行中交通出行行为准则 对实时交通信息条件下出行者路径选择影响分 析可发现，途中的实时交通信息影响出行者路径选 (b)学历层次 择因素在整个途中决策中起着至关重要的作用，出 51-6162-72 18-22 行者的具体路径选择行为是明确起点终点之后，在 40-50 原始路径途中选择替换路径，最终权衡出能获得最 大效用不断抉择的行为过程。在出行中，交通管理 部门通过VMS、手机、电台广播等方式向出行者提 29-39 供时变的路网信息有助于其选择更为畅通的路线， (c)年龄分布 从而缓解路网的拥堵程度[)。 图1出行者基本信息 调查问卷数据获取采用网络问卷调查和现场调 Fig.1 The basic information of travelers 研相结合的方式。本次问卷共设计了18个问题，调 2)出行前数据分析 查时间为2011年8月1日至9月1日，共计553 出行者在出行前往往都会有自己的一些原定计划 份，有效问卷527份，有效率为95.3%，满足问卷调 路径和应对突发事件准则，基于大多数人都有此种心 查样本量要求。 理，此部分即围绕以下几点展开调查。 1.2问卷数据初步分析 从驾驶者的出行前的相关调查数据来看，出行前 调查问卷所获得的数据是本次分析的重要依 关注路网交通信息的人已经占到了本次调查的57%。 据，比如出行者性别、学历和出行偏好是衡量出行者 表明随着城市路网的时变和交通信息服务系统的发 个人属性的重要特征，这些因素与出行者是否会被 展，人们逐渐开始有了出行前查询相关交通信息的习 交通信息所诱导从而选择最优路径必然存在一定微 惯。出行前查询时如果当熟悉的路发生拥挤时，31.2% 妙的关系和影响。而驾驶员收听交通信息广播以及 的人会绕开这条路，43.6%会偶尔绕开此条路。数据表 关注信息板的程度与路径改变倾向有一定的关系， 明在生活节奏逐渐加快的今天，人们越来越不希望堵 以驾驶员收听交通信息广播的频繁程度为例，收听
１ 研究内容 首先，在动态交通信息条件下，对私家车交通出行 行为的影响因素分析，研究动态交通信息给私家车的 出行活动带来了哪些影响，程度如何，关键的影响因素 有哪些，并分析有哪些因素可能影响到交通出行行为。 其次，问卷调查的设计和调查：针对北京城市的特点， 根据哪些可能影响到人们交通出行行为的因素，采用 ＳＰ 调查方法，设计私家车交通出行行为影响因素调查 问卷。 最后，调查数据的分析与模型的建立：应用统计 分析的方法，对动态交通信息下北京市交通出行行为 研究的问卷调查数据进行研究和分析，确定影响私家 车出行行为的因素，采用 ＳＰＳＳ 软件对采集的数据进行 建模并进行比较，分析动态交通信息背景下北京市私 家车交通出行行为可能的变化趋势。 １．１ 调查问卷的设计及统计 出行者交通行为的决策依据主要分为出行前和 出行中 ２ 种情况。 １）出行前交通出行行为准则 在出行前影响出行者出行行为的因素很多，从 出行者个人角度来说，包括出行者年龄、性格、驾龄、 工作性质、学历水平、驾驶经验、个人偏好、对路网熟 悉程度、出行目的和出行距离等，其中是否在出行前 查询动态交通信息来规划出行方式逐渐成为出行者 出行前的一个选择。 ２）出行中交通出行行为准则 对实时交通信息条件下出行者路径选择影响分 析可发现，途中的实时交通信息影响出行者路径选 择因素在整个途中决策中起着至关重要的作用，出 行者的具体路径选择行为是明确起点终点之后，在 原始路径途中选择替换路径，最终权衡出能获得最 大效用不断抉择的行为过程。 在出行中，交通管理 部门通过 ＶＭＳ、手机、电台广播等方式向出行者提 供时变的路网信息有助于其选择更为畅通的路线， 从而缓解路网的拥堵程度［７］ 。 调查问卷数据获取采用网络问卷调查和现场调 研相结合的方式。 本次问卷共设计了 １８ 个问题，调 查时间为 ２０１１ 年 ８ 月 １ 日至 ９ 月 １ 日，共计 ５５３ 份，有效问卷 ５２７ 份，有效率为 ９５．３％，满足问卷调 查样本量要求。 １．２ 问卷数据初步分析 调查问卷所获得的数据是本次分析的重要依 据，比如出行者性别、学历和出行偏好是衡量出行者 个人属性的重要特征，这些因素与出行者是否会被 交通信息所诱导从而选择最优路径必然存在一定微 妙的关系和影响。 而驾驶员收听交通信息广播以及 关注信息板的程度与路径改变倾向有一定的关系， 以驾驶员收听交通信息广播的频繁程度为例，收听 交通广播频繁的驾驶员也越容易受到交通信息的影 响而改变路径。 １）出行者基础数据分析 出行者性别、学历是衡量出行者个人属性的重 要特征，这些因素与出行者是否会被交通信息所诱 导从而选择最优路径必然存在一定微妙的关系和影 响。 个人属性对路径选择影响分析，年龄、驾龄、个 人偏好习惯是出行者具备的重要特征。 根据调查， 受访者中男性占 ７２％，女性占 ２８％。 因为在私家车 出行中，男性司机比女性司机数量要多，基本符合城 市居民的出行性别比例。 年龄分布中，２９ ～ ３９ 岁所 占比重最高，为 ４４％，其次为 １８～２８ 岁与 ４０～５０ 岁， 所占比重分别为 ２８％和 １８％。 出行者学历分析中， ６３％的受访者为本科及以上学历，符合北京城市居 民的学历分布。 （ａ） 性别比例 （ｂ） 学历层次 （ｃ） 年龄分布 图 １ 出行者基本信息 Ｆｉｇ．１ Ｔｈｅ ｂａｓｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｒａｖｅｌｅｒｓ ２）出行前数据分析 出行者在出行前往往都会有自己的一些原定计划 路径和应对突发事件准则，基于大多数人都有此种心 理，此部分即围绕以下几点展开调查。 从驾驶者的出行前的相关调查数据来看，出行前 关注路网交通信息的人已经占到了本次调查的 ５７％。 表明随着城市路网的时变和交通信息服务系统的发 展，人们逐渐开始有了出行前查询相关交通信息的习 惯。 出行前查询时如果当熟悉的路发生拥挤时，３１．２％ 的人会绕开这条路，４３．６％会偶尔绕开此条路。 数据表 明在生活节奏逐渐加快的今天，人们越来越不希望堵 ·３８０· 智 能 系 统 学 报 第 ９ 卷
第3期 王志建，等：基于L0gt模型的私家车出行影响因素分析 ·381- 在路上，遇到此种情况时，人们开始选择绕开路以追求 3)出行中数据分析 出行时间最短，所以用交通信息诱导人们出行路线来 本次调查中，最广泛使用的交通诱导方式为传 满足出行者出行时间最少的愿望日益重要。 统的交通广播信息，占32%，其次就为VMS,占 不会 会 26%,说明交通广播信息作为传统交通信息发布方 43% 57% 式得到了出行者普遍的认可与应用，同时VMS作为 新兴的诱导方式，也逐渐被广大出行者关注和使用。 当前拥有智能手机的人越来越多，利用手机导航最 图2查询交通信息比例 Fig.2 Proportion of traffic information 大的优点是操作简单且无成本，所以越来越多的人 使用手机导航，在此次调查中，可以发现手机导航和 不知道 会 896 18% 不会 车载导航使用率分别占19%和13%，说明手机导航 36% 逐渐也在被出行者使用，更加说明动态交通信息逐 38% 渐地对出行者交通出行产生影响。 偶尔会 在出行者何种情况更加关心在途实时交通诱导信 图3绕行拥堵路段比例 息调查中，当出现道路交通拥堵的时候，出行者才会关 Fig.3 Proportion of bypassing congested roads 心实时交通信息占到42%，同样当出行段为上下班高 有线网络 交通广播」 峰期的时候也占到23%，这两组数据说明在途中的驾 10蓝 32 9 手机 驶员只有在道路行驶不流畅时才会更加关注交通信 26 息，高峰时段也很容易引起出行者焦躁的心情。上、下 车内信息终端 路边的可变 班高峰期，出行者都有强烈的意愿到达目的地，在此时 信总板(VMS】 段也是交通事故和交通拥堵发生频率最大的时期，因 图4获取交通信息方式比例 此出行者普遍关注交通诱导信息，与之相对比随时关 Fig.4 Proportion of ways to get inguiry traffic information 随时关注出行目的紧急 注却仅仅占据了3%。因此在交通拥堵时和上下班高 峰期，应该加快交通信息更新频率，以缓解某条道路的 道路 42% 23% 出行时段为 高峰时段 交通压力，使人们的出行更加顺畅。例如交通广播 拥堵 VMS等这些已经被出行者广泛使用的信息发布方式。 其他 驾驶员收听交通信息广播以及关注信息板的程度 有交通事故 收到临时道路中断信息 与路径改变倾向有一定的关系。以驾驶员收听交通信 图5什么情况下更关注交通信息的比例 息广播的频繁程度为例，收听交通广播频繁的驾驶员 Fig.5 Under what circumstances are people more con- 也越容易受到交通信息的影响而改变路径。在此次调 cerned about the traffic information 查中，31%的驾驶员总是接收交通信息，而从不接收交 从不 通信息的仅占11%。由此可见，驾驶员在行车途中会 经常 36% 偶尔 以各种方式接收交通信息。 31% 交通信息的实时性及准确性驾驶员难以把握。受 调查者普遍反映管理部门所提供的交通信息一般比较 总是 图6驾车时接收交通信息频率 滞后，提示拥堵的路段在行驶到该处后可能已经畅通。 Fig.6 The frequency of receiving traffic information 因此驾驶员对动态交通信息的信任度不够。受调查者 while driving 还反映交通管理部门发布的交通信息内容不够明确， 像行驶车速、车流量、车流时速、拥堵排队长度、事故发 47% 不清楚 生地距离等信息，都是驾驶员比较关心的，量化的内容 过少。 不好 2 logistic模型交通信息对出行者的影响 图7对交通信息总体评价分析 Fig.7 Analysis of the overall evaluation of traffic in- 本文主要研究了信息时代下交通信息对人们的 formation 出行是否会产生影响，其实这是一个是或者不是的
在路上，遇到此种情况时，人们开始选择绕开路以追求 出行时间最短，所以用交通信息诱导人们出行路线来 满足出行者出行时间最少的愿望日益重要。 图 ２ 查询交通信息比例 Ｆｉｇ．２ Ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ 图 ３ 绕行拥堵路段比例 Ｆｉｇ．３ Ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｂｙｐａｓｓｉｎｇ ｃｏｎｇｅｓｔｅｄ ｒｏａｄｓ 图 ４ 获取交通信息方式比例 Ｆｉｇ．４ Ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｗａｙｓ ｔｏ ｇｅｔ ｉｎｑｕｉｒｙ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ 图 ５ 什么情况下更关注交通信息的比例 Ｆｉｇ．５ Ｕｎｄｅｒ ｗｈａｔ ｃｉｒｃｕｍｓｔａｎｃｅｓ ａｒｅ ｐｅｏｐｌｅ ｍｏｒｅ ｃｏｎ⁃ ｃｅｒｎｅｄ ａｂｏｕｔ ｔｈｅ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ 图 ６ 驾车时接收交通信息频率 Ｆｉｇ．６ Ｔｈｅ ｆｒｅｑｕｅｎｃｙ ｏｆ ｒｅｃｅｉｖｉｎｇ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｗｈｉｌｅ ｄｒｉｖｉｎｇ 图 ７ 对交通信息总体评价分析 Ｆｉｇ．７ Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｏｖｅｒａｌｌ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｒａｆｆｉｃ ｉｎ⁃ ｆｏｒｍａｔｉｏｎ ３）出行中数据分析 本次调查中，最广泛使用的交通诱导方式为传 统的交 通 广 播 信 息， 占 ３２％， 其 次 就 为 ＶＭＳ， 占 ２６％，说明交通广播信息作为传统交通信息发布方 式得到了出行者普遍的认可与应用，同时 ＶＭＳ 作为 新兴的诱导方式，也逐渐被广大出行者关注和使用。 当前拥有智能手机的人越来越多，利用手机导航最 大的优点是操作简单且无成本，所以越来越多的人 使用手机导航，在此次调查中，可以发现手机导航和 车载导航使用率分别占 １９％和 １３％，说明手机导航 逐渐也在被出行者使用，更加说明动态交通信息逐 渐地对出行者交通出行产生影响。 在出行者何种情况更加关心在途实时交通诱导信 息调查中，当出现道路交通拥堵的时候，出行者才会关 心实时交通信息占到 ４２％，同样当出行段为上下班高 峰期的时候也占到 ２３％，这两组数据说明在途中的驾 驶员只有在道路行驶不流畅时才会更加关注交通信 息，高峰时段也很容易引起出行者焦躁的心情。 上、下 班高峰期，出行者都有强烈的意愿到达目的地，在此时 段也是交通事故和交通拥堵发生频率最大的时期，因 此出行者普遍关注交通诱导信息，与之相对比随时关 注却仅仅占据了 ３％。 因此在交通拥堵时和上下班高 峰期，应该加快交通信息更新频率，以缓解某条道路的 交通压力，使人们的出行更加顺畅。 例如交通广播、 ＶＭＳ 等这些已经被出行者广泛使用的信息发布方式。 驾驶员收听交通信息广播以及关注信息板的程度 与路径改变倾向有一定的关系。 以驾驶员收听交通信 息广播的频繁程度为例，收听交通广播频繁的驾驶员 也越容易受到交通信息的影响而改变路径。 在此次调 查中，３１％的驾驶员总是接收交通信息，而从不接收交 通信息的仅占 １１％。 由此可见，驾驶员在行车途中会 以各种方式接收交通信息。 交通信息的实时性及准确性驾驶员难以把握。 受 调查者普遍反映管理部门所提供的交通信息一般比较 滞后，提示拥堵的路段在行驶到该处后可能已经畅通。 因此驾驶员对动态交通信息的信任度不够。 受调查者 还反映交通管理部门发布的交通信息内容不够明确， 像行驶车速、车流量、车流时速、拥堵排队长度、事故发 生地距离等信息，都是驾驶员比较关心的，量化的内容 过少。 ２ ｌｏｇｉｓｔｉｃ 模型交通信息对出行者的影响 本文主要研究了信息时代下交通信息对人们的 出行是否会产生影响，其实这是一个是或者不是的 第 ３ 期 王志建，等：基于 Ｌｏｇｉｔ 模型的私家车出行影响因素分析 ·３８１·
.382, 智能系统学报 第9卷 二分值问题，所以本文选用了可以用来预测具有两 增加一个单位引起的发生比自然对数值的变化量。 分特点的因变量概率的统计方法：二项逻辑斯蒂 由于 P 取值范围(0，o),则： (Binary logistic)回归模型。 (1-p) 本文针对动态交通信息对私家车出行影响使用 1 P= logistic模型进行数据的进一步分析及挖掘。首先 1+exp[-(Bo +Bx+B2x2+..+Bx;)] 建立模型自变量的分类转换表，对本文选定的待筛 2.2模型自变量的选取及建立模型 选量建立分类转换表，对14个自变量进行回归迭代 本文的运用SPSS17.0统计软件对影响出行者 计算，确定的变量进行自回归迭代分析，最终对模型 选择路径的影响因素进行了有效地筛选与剔除，即 进行拟合分析，得出有关结论[劉。 对模型的自变量进行有效的选择。自变量：所在城 2.1 Logistic回归模型 区、性别、年龄、受教育程度、出行偏好、出行前是否 在logistic模型中可以直接预测观测量相对于 会提前查询交通信息、当熟悉的路拥堵时会绕路么、 某一事件的发生概率，其中因变量具有二分特点，自 在什么情况下更关注在途实时信息、驾车时接受交 通实时信息的频率、认为目前提供的交通信息是否 变量可以有一个或者一个以上。 准确、在什么情况下会改变原定路线、认为目前提供 的交通信息是否及时、通过哪种方式获得交通信息 i=1 等。因变量为：您是否根据所获得的信息而改变路 式中：B。为常数项，B,B2,B,,B为回归系数， 径。模型自变量分类转化表如表1所示。 表示当其他自变量取值保持不变时，该自变量取值 表1模型自变量（影响因素）分类转化表 Table 1 The model variables(factors)classification conversion table 自变量 转化前 转化值 自变量 转化前 转化值 东城 1 距离最短 西城 2 出行时间最少 2 海淀 3 红绿灯最少 所在城区 朝阳 出行偏好 路面状况最好 4 石景山 出行费用最少 丰台 6 交通状况最好 6 其他 7 经验 交通拥挤是否绕道 会 不会 提前查询交通信息 不会 2 会 交通广播 道路拥堵 可变信息板(VMS) 2 有交通事故 车内信息终端 3 行驶缓慢 3 交通信息获得方式 手机 会改变原路线情况 出行时段为高峰时段 掌上电脑 5 收到临时道路中断信息 5 网页浏览 6 出行目的紧急 6 电视 > 其他 > 不准确 交通信息是否准确 一般 2 很准确 3 本文采用logistic回归模型分析数据，表2是引 教育程度”Wals值最小为0.006，显著性值最大为0. 入了14个自变量回归第一次迭代计算的结果。使 938,为Wls值最小，显著性最大量，因此将“受教育 用Logistic回归模型多次筛选自变量的标准是将 程度”自变量剔除。经过了6次迭代回归计算，筛选 Wals值较小而显著(sig.)较大的变量剔除出去。 别除变量6个，剩余自变量7个，从表3中可以明显 Wls是一个卡方值，为自变量的显著性检验，相当 看出，其余7个自变量的显著性均较小，意味着计算 于普通线性回归中自变量的1检验值。表2中，“受 结果精度相对较高。Logistic回归计算结果如表3
二分值问题，所以本文选用了可以用来预测具有两 分特点的因变量概率的统计方法：二项逻辑斯蒂 （Ｂｉｎａｒｙ ｌｏｇｉｓｔｉｃ）回归模型。 本文针对动态交通信息对私家车出行影响使用 ｌｏｇｉｓｔｉｃ 模型进行数据的进一步分析及挖掘。 首先 建立模型自变量的分类转换表，对本文选定的待筛 选量建立分类转换表，对 １４ 个自变量进行回归迭代 计算，确定的变量进行自回归迭代分析，最终对模型 进行拟合分析，得出有关结论［８］ 。 ２．１ Ｌｏｇｉｓｔｉｃ 回归模型 在 ｌｏｇｉｓｔｉｃ 模型中可以直接预测观测量相对于 某一事件的发生概率，其中因变量具有二分特点，自 变量可以有一个或者一个以上。 Ｌｏｇｉｔ（ｐ） ＝ ｌｎ ｐ １ － ｐ ＝ β０ ＋ ∑ ｋ ｉ ＝ １ βｉ ｘｉ 式中： β０ 为常数项， β１ ， β２ ， β３ ，．．．， βｋ 为回归系数， 表示当其他自变量取值保持不变时，该自变量取值 增加一个单位引起的发生比自然对数值的变化量。 由于 ｐ （１ － ｐ） 取值范围 （０，¥） ，则： ｐ ＝ １ １ ＋ ｅｘｐ［ － （β０ ＋ β１ ｘ１ ＋ β２ ｘ２ ＋ …… ＋ βｉ ｘｉ）］ ２．２ 模型自变量的选取及建立模型 本文的运用 ＳＰＳＳ１７．０ 统计软件对影响出行者 选择路径的影响因素进行了有效地筛选与剔除，即 对模型的自变量进行有效的选择。 自变量：所在城 区、性别、年龄、受教育程度、出行偏好、出行前是否 会提前查询交通信息、当熟悉的路拥堵时会绕路么、 在什么情况下更关注在途实时信息、驾车时接受交 通实时信息的频率、认为目前提供的交通信息是否 准确、在什么情况下会改变原定路线、认为目前提供 的交通信息是否及时、通过哪种方式获得交通信息 等。 因变量为：您是否根据所获得的信息而改变路 径。 模型自变量分类转化表如表 １ 所示。 表 １ 模型自变量（影响因素）分类转化表 Ｔａｂｌｅ １ Ｔｈｅ ｍｏｄｅｌ ｖａｒｉａｂｌｅｓ（ｆａｃｔｏｒｓ） ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｃｏｎｖｅｒｓｉｏｎ ｔａｂｌｅ 自变量 转化前 转化值 自变量 转化前 转化值 所在城区 东城 １ 西城 ２ 海淀 ３ 朝阳 ４ 石景山 ５ 丰台 ６ 其他 ７ 出行偏好 距离最短 １ 出行时间最少 ２ 红绿灯最少 ３ 路面状况最好 ４ 出行费用最少 ５ 交通状况最好 ６ 经验 ７ 交通拥挤是否绕道 会 １ 不会 ２ 提前查询交通信息 不会 １ 会 ２ 交通信息获得方式 交通广播 １ 可变信息板（ＶＭＳ） ２ 车内信息终端 ３ 手机 ４ 掌上电脑 ５ 网页浏览 ６ 电视 ７ 会改变原路线情况 道路拥堵 １ 有交通事故 ２ 行驶缓慢 ３ 出行时段为高峰时段 ４ 收到临时道路中断信息 ５ 出行目的紧急 ６ 其他 ７ 交通信息是否准确 不准确 １ 一般 ２ 很准确 ３ 本文采用 ｌｏｇｉｓｔｉｃ 回归模型分析数据，表 ２ 是引 入了 １４ 个自变量回归第一次迭代计算的结果。 使 用 Ｌｏｇｉｓｔｉｃ 回归模型多次筛选自变量的标准是将 Ｗａｌｓ 值较小而显著（ ｓｉｇ．） 较大的变量剔除出去［９］ 。 Ｗａｌｓ 是一个卡方值，为自变量的显著性检验，相当 于普通线性回归中自变量的 ｔ 检验值。 表 ２ 中，“受 教育程度”Ｗａｌｓ 值最小为 ０．００６，显著性值最大为 ０． ９３８，为 Ｗａｌｓ 值最小，显著性最大量，因此将“受教育 程度”自变量剔除。 经过了 ６ 次迭代回归计算，筛选 剔除变量 ６ 个，剩余自变量 ７ 个，从表 ３ 中可以明显 看出，其余 ７ 个自变量的显著性均较小，意味着计算 结果精度相对较高。 Ｌｏｇｉｓｔｉｃ 回归计算结果如表 ３。 ·３８２· 智 能 系 统 学 报 第 ９ 卷
第3期 王志建，等：基于L0gt模型的私家车出行影响因素分析 ·383· 表2 logistic回归第一次计算结果 Table 2 result of logistic regression calculation for the first time 子 S.E. Wals d Sig. Exp (B) 所在城区 -0.646 0.253 6.538 0.011 0.524 性别 -1.065 0.559 3.635 √ 0.057 0.345 年龄 -0.444 0.263 2.864 1 0.091 0.641 受教育程度 0.013 0.168 0.006 0.938 1.013 出行偏好 -1.188 0.376 9.970 0.002 0.305 出行前是否会提前查询交通信息 0.791 0.514 2.374 0.123 2.206 当熟悉的路拥堵时会绕路么 -1.597 0.375 18.164 0.000 0.202 在什么情况下更关注在途实时信息 0.132 0.149 0.784 1 0.376 1.141 驾车时接受交通实时信息的频率 0.445 0.284 2.455 0.117 1.561 认为目前提供的交通信息是否准确 1.520 0.385 15.560 0.000 4.571 在什么情况下会改变原定路线 -0.752 0.246 9.329 1 0.002 0.471 认为目前提供的交通信息是否及时 0.158 0.179 0.786 0.375 1.172 通过哪种方式获得交通信息 0.995 0.283 12.327 0.000 2.705 常量 4.958 2.982 2.765 0.096 142.356 表3 logistic回归第6次计算结果 Table 3 result of logistic regression calculation for the 6th B S.E. Wals d Sig. Exp (B) 所在城区 -0.430 0.196 4.780 1 0.029 0.651 出行偏好 -0.908 0.296 9.419 0.002 0.403 出行前是否查询交通信息 0.869 0.484 3.217 1 0.073 2.384 当熟悉的路拥堵时会绕路么 -1.260 0.312 16.361 0.000 0.284 认为提供的交通信息是否准确 1.457 0.340 18.391 0.000 4.292 在什么情况下会改变原定路线 -0.552 0.177 9.774 0.002 0.576 通过哪种方式获得交通信息 1.022 0.272 14.088 0.000 2.779 常量 1.732 2.293 0.571 1 0.450 5.651 2.2模型拟合效果与拟合优度检验 exp[(1.732+C)-0.43x1] lim P= =0 SPSS软件在Logistic回归过程中会输出包含预 xn,+ 1+exp[(1.732+C)-0.43X] 测分类结果于原始数据分类结果的列表，默认是按 这说明出行者如果居住在5环以外则受到交通信息 照概率是否为0.5进行分割。结果显示，动态交通 诱导的概率较小，而住在城区的出行者例如住在东 信息对驾驶者行为有影响的准确率为82.6%，无影 西城区的则受到交通信息诱导的概率较大。这说明 响的准确率为76.4%。 了在北京城区交通拥挤的地段易受到交通服务信息 2.3数据分析 的影响。 Logistic回归计算已经给出了影响到人们出行 2)分析“通过哪种方式获得交通信息”自变量， 的7大因素，分别是“所在城区”、“出行前是否会提 其回归系数为1.022，同样根据logistic模型写出概 前查询交通信息”、“当熟悉的路拥堵时会绕路么”、 率表达式： “认为目前提供的交通信息是否准确”、“在什么情 exp[(1.732+M)+1.022x,] 况下会改变原定路线”、“通过哪种方式获得交通信 p=1+exp[(1.732+M)+1.022x,J 息”、“出行偏好”。其中出行偏好是其中影响因素 对概率P求其离散的极限： 最小的一个。 exp[(1.732+M)+1.022x,] 1)首先分析所在城区，由自变量转化表可以看 =0 1+exp[(1.732+M)+1.022x,] 出所在城区的自变量是离散的，且在logistic回归模 对照自变量转化表可以看出，像VMS、手机导 型中的回归系数-0.43，其概率表达式为 航、车载导航等新信息时代的代表产品已经开始影 exp[(1.732+C)-0.43X] 响出行者的路径选择，且由极限趋于无穷大可以看 P=- 1+exp[(1.732+C)-0.43X] 出，影响力越来越大，这说明动态交通信息对私家车 并且对其求离散极限： 出行产生较大影响，验证了问卷的初步猜测
表 ２ ｌｏｇｉｓｔｉｃ 回归第一次计算结果 Ｔａｂｌｅ ２ ｒｅｓｕｌｔ ｏｆ ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ ｃａｌｃｕｌａｔｉｏｎ ｆｏｒ ｔｈｅ ｆｉｒｓｔ ｔｉｍｅ Ｂ Ｓ．Ｅ， Ｗａｌｓ ｄｆ Ｓｉｇ． Ｅｘｐ （Ｂ） 所在城区 －０．６４６ ０．２５３ ６．５３８ １ ０．０１１ ０．５２４ 性别 －１．０６５ ０．５５９ ３．６３５ １ ０．０５７ ０．３４５ 年龄 －０．４４４ ０．２６３ ２．８６４ １ ０．０９１ ０．６４１ 受教育程度 ０．０１３ ０．１６８ ０．００６ １ ０．９３８ １．０１３ 出行偏好 －１．１８８ ０．３７６ ９．９７０ １ ０．００２ ０．３０５ 出行前是否会提前查询交通信息 ０．７９１ ０．５１４ ２．３７４ １ ０．１２３ ２．２０６ 当熟悉的路拥堵时会绕路么 －１．５９７ ０．３７５ １８．１６４ １ ０．０００ ０．２０２ 在什么情况下更关注在途实时信息 ０．１３２ ０．１４９ ０．７８４ １ ０．３７６ １．１４１ 驾车时接受交通实时信息的频率 ０．４４５ ０．２８４ ２．４５５ １ ０．１１７ １．５６１ 认为目前提供的交通信息是否准确 １．５２０ ０．３８５ １５．５６０ １ ０．０００ ４．５７１ 在什么情况下会改变原定路线 －０．７５２ ０．２４６ ９．３２９ １ ０．００２ ０．４７１ 认为目前提供的交通信息是否及时 ０．１５８ ０．１７９ ０．７８６ １ ０．３７５ １．１７２ 通过哪种方式获得交通信息 ０．９９５ ０．２８３ １２．３２７ １ ０．０００ ２．７０５ 常量 ４．９５８ ２．９８２ ２．７６５ １ ０．０９６ １４２．３５６ 表 ３ ｌｏｇｉｓｔｉｃ 回归第 ６ 次计算结果 Ｔａｂｌｅ ３ ｒｅｓｕｌｔ ｏｆ ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ ｃａｌｃｕｌａｔｉｏｎ ｆｏｒ ｔｈｅ ６ｔｈ Ｂ Ｓ．Ｅ， Ｗａｌｓ ｄｆ Ｓｉｇ． Ｅｘｐ （Ｂ） 所在城区 －０．４３０ ０．１９６ ４．７８０ １ ０．０２９ ０．６５１ 出行偏好 －０．９０８ ０．２９６ ９．４１９ １ ０．００２ ０．４０３ 出行前是否查询交通信息 ０．８６９ ０．４８４ ３．２１７ １ ０．０７３ ２．３８４ 当熟悉的路拥堵时会绕路么 －１．２６０ ０．３１２ １６．３６１ １ ０．０００ ０．２８４ 认为提供的交通信息是否准确 １．４５７ ０．３４０ １８．３９１ １ ０．０００ ４．２９２ 在什么情况下会改变原定路线 －０．５５２ ０．１７７ ９．７７４ １ ０．００２ ０．５７６ 通过哪种方式获得交通信息 １．０２２ ０．２７２ １４．０８８ １ ０．０００ ２．７７９ 常量 １．７３２ ２．２９３ ０．５７１ １ ０．４５０ ５．６５１ ２．２ 模型拟合效果与拟合优度检验 ＳＰＳＳ 软件在 Ｌｏｇｉｓｔｉｃ 回归过程中会输出包含预 测分类结果于原始数据分类结果的列表，默认是按 照概率是否为 ０．５ 进行分割。 结果显示，动态交通 信息对驾驶者行为有影响的准确率为 ８２．６％，无影 响的准确率为 ７６．４％。 ２．３ 数据分析 Ｌｏｇｉｓｔｉｃ 回归计算已经给出了影响到人们出行 的 ７ 大因素，分别是“所在城区”、“出行前是否会提 前查询交通信息”、“当熟悉的路拥堵时会绕路么”、 “认为目前提供的交通信息是否准确” 、“在什么情 况下会改变原定路线”、“通过哪种方式获得交通信 息”、“出行偏好”。 其中出行偏好是其中影响因素 最小的一个。 １）首先分析所在城区，由自变量转化表可以看 出所在城区的自变量是离散的，且在 ｌｏｇｉｓｔｉｃ 回归模 型中的回归系数－０．４３，其概率表达式为 Ｐ ＝ ｅｘｐ［（１．７３２ ＋ Ｃ） － ０．４３Ｘ１ ］ １ ＋ ｅｘｐ［（１．７３２ ＋ Ｃ） － ０．４３Ｘ１ ］ 并且对其求离散极限： ｌｉｍ ｘ→ｎ，ｎ→¥ Ｐ ＝ ｅｘｐ［（１．７３２ ＋ Ｃ） － ０．４３Ｘ１ ］ １ ＋ ｅｘｐ［（１．７３２ ＋ Ｃ） － ０．４３Ｘ１ ］ ＝ ０ 这说明出行者如果居住在 ５ 环以外则受到交通信息 诱导的概率较小，而住在城区的出行者例如住在东 西城区的则受到交通信息诱导的概率较大。 这说明 了在北京城区交通拥挤的地段易受到交通服务信息 的影响。 ２）分析“通过哪种方式获得交通信息”自变量， 其回归系数为 １．０２２，同样根据 ｌｏｇｉｓｔｉｃ 模型写出概 率表达式： ｐ ＝ ｅｘｐ［（１．７３２ ＋ Ｍ） ＋ １．０２２ｘ７ ］ １ ＋ ｅｘｐ［（１．７３２ ＋ Ｍ） ＋ １．０２２ｘ７ ］ 对概率 Ｐ 求其离散的极限： ｌｉｍ ｘ→ｎ，ｎ→¥ ｐ ＝ ｅｘｐ［（１．７３２ ＋ Ｍ） ＋ １．０２２ｘ７ ］ １ ＋ ｅｘｐ［（１．７３２ ＋ Ｍ） ＋ １．０２２ｘ７ ］ ＝ ¥ 对照自变量转化表可以看出，像 ＶＭＳ、手机导 航、车载导航等新信息时代的代表产品已经开始影 响出行者的路径选择，且由极限趋于无穷大可以看 出，影响力越来越大，这说明动态交通信息对私家车 出行产生较大影响，验证了问卷的初步猜测。 第 ３ 期 王志建，等：基于 Ｌｏｇｉｔ 模型的私家车出行影响因素分析 ·３８３·
·384. 智能系统学报 第9卷 3)运用同上类似的方法分析还可以得出结论， information and induction on driver's route choice behavior 交通信息的准确性越高出行者就越容易受到交通服 [J].Inner Mongolia Science and Technology and Economy, 务信息的诱导。出行者对“交通拥堵”、“交通事故” 2004(11):53.55. 等词汇比“行驶缓慢”等词汇更敏感，更容易受到交 [4]张存保，杨晓光，严新平.交通信息对驾驶员选择行为的 通服务信息的诱导。 影响研究[J].交通与计算机，2004(5)：31-34. ZHANG Cunbao,YANG Xiaoguang,YAN Xinping.Traffic 3结论 impact study information on the driver choice behavior[J. Traffic and Computer,2004(5):31-34. 由于出行者个体存在差异性，因此不同个体涉 [5]隽志才，于建川交通信息作用下的出行决策行为研究 及到的影响因素不尽相同，甚至同一影响因素对不 [J].中国公路学报，2008(4)：88-92. 同个体的影响程度也大相径庭。本论文应用统计分 JUAN Zhicai,YU Jianchuan.Research on activities-travel 析的方法，对动态交通信息下对私家车出行影响的 decision behavior under the effect of traffic information[J]. 调查数据进行研究和分析，确定影响人们出行需求 China Journal of Highway,2008(4):88-92. 及行为的因素，寻找其内在的规律性，通过SPSS软 [6]王方，陈金川，张德欣SP调查在交通方式选择模型中的 件运用Logistic回归模型分析得出相关影响因素，并 应用[J].交通运输系统工程与信息，2007(5)：90-94. 对相关影响因素进行分析，得出以下结论： WANG Fang,CHEN Jinchuan,ZHANG Dexin.The applica- tion of SP survey in traffic choice model[J.Transportation 1)从调查数据分析来看，动态交通信息服务已 Systems Engineering and Information,2007(5):90-94. 经在一定程度上能够决定私家车出行路线选择，其 [7]卢纹岱，吴喜之.SPSs统计分析[M].4版北京：电子工业 中男司机倾向于时间最短：女司机更依赖经验去做 出版社，2010：205-208. 出路线选择，倾向于选择距离最短。本文建议交管 [8]王济川，郭志刚.Logistic回归模型一方法与应用[M] 局等相关部门丰富交通信息发布手段，完善交通信 北京：高等教育出版社，2001：96-101. 息平台功能，提高交通信息发布的覆盖率。 [9]杨智伟，赵胜川城市公交交通出行者交通信息选择行为研 2)出行者对“交通拥堵”“交通事故”等词汇比 究[J].大连理工大学学报：社科版，2010(31)：61-64. “行驶缓慢”等词汇更敏感。表明私家车出行者不 YANG Zhiwei,ZHAO Shengchuan.Urban bus transit travelers 怕慢、就怕等。建议交通管理部门发布交通信息时， choice behavior traffic information research[J].Dalian Univer- sity of Technology:Social Science,2010(31):61-64 尽量使用出行者较敏感词汇，方便出行者合理安排 作者简介： 出行路线。 王志建，男，1982年生，讲师，博士 3)由于经常出现交通信息显示拥堵，实际路况 主要研究方向为交通诱导。 为畅通，导致私家车出行者对交管部门发布的动态 交通信息信任度不高。建议交通管理部门提高交通 信息发布的实时性和准确性，满足私家车出行者对 交通信息的需求。 4)本论文只针对北京市交通，是否适合其他城 王力，男，1978年生，副教授，博士 市还有待进一步研究。 主要研究方向为交通系统评价。 参考文献： [1]BONSALL P,PALMER I.The impact on route choice of di- rection advice and guidance from vms signs[J].Dynamic Con- trol of Strategic Inter-Urban Road Networks.1995(10):1-2. 刘小明，男，1974年生，教授，博士 [2]LAPPIN J,BOTTOM J.Understanding and Predicting 主要研究方向为交通控制。 Traveler Response to Information[J].Intelligent Transpor- tation Systems Conference,2001:218-223. [3]许娟，邵春福，综凯.信息和诱导对驾驶员径路选择行为 的影响研究[J].内蒙古科技与经济，2004(11)：53-55. XU Juan,SHAO Chunfu,XIAN Kai.Study on the effect of
３）运用同上类似的方法分析还可以得出结论， 交通信息的准确性越高出行者就越容易受到交通服 务信息的诱导。 出行者对“交通拥堵”、“交通事故” 等词汇比“行驶缓慢”等词汇更敏感，更容易受到交 通服务信息的诱导。 ３ 结论 由于出行者个体存在差异性，因此不同个体涉 及到的影响因素不尽相同，甚至同一影响因素对不 同个体的影响程度也大相径庭。 本论文应用统计分 析的方法，对动态交通信息下对私家车出行影响的 调查数据进行研究和分析，确定影响人们出行需求 及行为的因素，寻找其内在的规律性，通过 ＳＰＳＳ 软 件运用 Ｌｏｇｉｓｔｉｃ 回归模型分析得出相关影响因素，并 对相关影响因素进行分析，得出以下结论： １）从调查数据分析来看，动态交通信息服务已 经在一定程度上能够决定私家车出行路线选择，其 中男司机倾向于时间最短；女司机更依赖经验去做 出路线选择，倾向于选择距离最短。 本文建议交管 局等相关部门丰富交通信息发布手段，完善交通信 息平台功能，提高交通信息发布的覆盖率。 ２）出行者对“交通拥堵” “交通事故”等词汇比 “行驶缓慢” 等词汇更敏感。 表明私家车出行者不 怕慢、就怕等。 建议交通管理部门发布交通信息时， 尽量使用出行者较敏感词汇，方便出行者合理安排 出行路线。 ３）由于经常出现交通信息显示拥堵，实际路况 为畅通，导致私家车出行者对交管部门发布的动态 交通信息信任度不高。 建议交通管理部门提高交通 信息发布的实时性和准确性，满足私家车出行者对 交通信息的需求。 ４）本论文只针对北京市交通，是否适合其他城 市还有待进一步研究。 参考文献： ［１］ＢＯＮＳＡＬＬ Ｐ， ＰＡＬＭＥＲ Ｉ ． Ｔｈｅ ｉｍｐａｃｔ ｏｎ ｒｏｕｔｅ ｃｈｏｉｃｅ ｏｆ ｄｉ⁃ ｒｅｃｔｉｏｎ ａｄｖｉｃｅ ａｎｄ ｇｕｉｄａｎｃｅ ｆｒｏｍ ｖｍｓ ｓｉｇｎｓ［Ｊ］． Ｄｙｎａｍｉｃ Ｃｏｎ⁃ ｔｒｏｌ ｏｆ Ｓｔｒａｔｅｇｉｃ Ｉｎｔｅｒ⁃Ｕｒｂａｎ Ｒｏａｄ Ｎｅｔｗｏｒｋｓ．１９９５（１０）：１⁃２． ［ ２ ］ ＬＡＰＰＩＮ Ｊ， ＢＯＴＴＯＭ Ｊ． Ｕｎｄｅｒｓｔａｎｄｉｎｇ ａｎｄ Ｐｒｅｄｉｃｔｉｎｇ Ｔｒａｖｅｌｅｒ Ｒｅｓｐｏｎｓｅ ｔｏ Ｉｎｆｏｒｍａｔｉｏｎ［ Ｊ］． Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒ⁃ ｔａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｃｏｎｆｅｒｅｎｃｅ，２００１：２１８⁃２２３． ［３］许娟，邵春福，缐凯．信息和诱导对驾驶员径路选择行为 的影响研究［Ｊ］．内蒙古科技与经济， ２００４（１１）： ５３－５５． ＸＵ Ｊｕａｎ， ＳＨＡＯ Ｃｈｕｎｆｕ， ＸＩＡＮ Ｋａｉ． Ｓｔｕｄｙ ｏｎ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｉｎｄｕｃｔｉｏｎ ｏｎ ｄｒｉｖｅｒ＇ｓ ｒｏｕｔｅ ｃｈｏｉｃｅ ｂｅｈａｖｉｏｒ ［Ｊ］．Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｃｏｎｏｍｙ， ２００４ （１１）： ５３ ⁃ ５５． ［４］张存保，杨晓光，严新平．交通信息对驾驶员选择行为的 影响研究［Ｊ］．交通与计算机， ２００４（５）： ３１⁃３４． ＺＨＡＮＧ Ｃｕｎｂａｏ， ＹＡＮＧ Ｘｉａｏｇｕａｎｇ， ＹＡＮ Ｘｉｎｐｉｎｇ． Ｔｒａｆｆｉｃ ｉｍｐａｃｔ ｓｔｕｄｙ ｉｎｆｏｒｍａｔｉｏｎ ｏｎ ｔｈｅ ｄｒｉｖｅｒ ｃｈｏｉｃｅ ｂｅｈａｖｉｏｒ［ Ｊ］． Ｔｒａｆｆｉｃ ａｎｄ Ｃｏｍｐｕｔｅｒ， ２００４（５）： ３１⁃３４． ［５］隽志才，于建川．交通信息作用下的出行决策行为研究 ［Ｊ］．中国公路学报，２００８（４）：８８－９２． ＪＵＡＮ Ｚｈｉｃａｉ， ＹＵ Ｊｉａｎｃｈｕａｎ． Ｒｅｓｅａｒｃｈ ｏｎ ａｃｔｉｖｉｔｉｅｓ⁃ｔｒａｖｅｌ ｄｅｃｉｓｉｏｎ ｂｅｈａｖｉｏｒ ｕｎｄｅｒ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ［ Ｊ］． Ｃｈｉｎａ Ｊｏｕｒｎａｌ ｏｆ Ｈｉｇｈｗａｙ， ２００８（４）： ８８－９２． ［６］王方，陈金川，张德欣．ＳＰ 调查在交通方式选择模型中的 应用［Ｊ］．交通运输系统工程与信息， ２００７（５）： ９０－９４． ＷＡＮＧ Ｆａｎｇ， ＣＨＥＮ Ｊｉｎｃｈｕａｎ， ＺＨＡＮＧ Ｄｅｘｉｎ．Ｔｈｅ ａｐｐｌｉｃａ⁃ ｔｉｏｎ ｏｆ ＳＰ ｓｕｒｖｅｙ ｉｎ ｔｒａｆｆｉｃ ｃｈｏｉｃｅ ｍｏｄｅｌ［ Ｊ］．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ， ２００７（５）： ９０－９４． ［７］卢纹岱，吴喜之．ＳＰＳＳ 统计分析［Ｍ］．４ 版北京：电子工业 出版社， ２０１０： ２０５⁃２０８． ［８］王济川，郭志刚．Ｌｏｇｉｓｔｉｃ 回归模型———方法与应用［Ｍ］． 北京：高等教育出版社， ２００１： ９６⁃１０１． ［９］杨智伟，赵胜川．城市公交交通出行者交通信息选择行为研 究［Ｊ］．大连理工大学学报： 社科版， ２０１０（３１）： ６１⁃６４． ＹＡＮＧ Ｚｈｉｗｅｉ， ＺＨＡＯ Ｓｈｅｎｇｃｈｕａｎ． Ｕｒｂａｎ ｂｕｓ ｔｒａｎｓｉｔ ｔｒａｖｅｌｅｒｓ ｃｈｏｉｃｅ ｂｅｈａｖｉｏｒ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｓｅａｒｃｈ［Ｊ］．Ｄａｌｉａｎ Ｕｎｉｖｅｒ⁃ ｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ： Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅ， ２０１０（３１）： ６１⁃６４． 作者简介： 王志建，男，１９８２ 年生，讲师，博士， 主要研究方向为交通诱导。 王力，男，１９７８ 年生，副教授，博士， 主要研究方向为交通系统评价。 刘小明，男，１９７４ 年生，教授，博士， 主要研究方向为交通控制。 ·３８４· 智 能 系 统 学 报 第 ９ 卷