本发明属于综合运输规划领域，尤其涉及一种分析交通枢纽可达性对区域公共运输方式竞争影响的方法。
背景技术：
交通运输业是国民经济和社会发展的基础性产业和服务性行业。一个多世纪以来，伴随着经济发展和人类社会的进步，交通运输的实现形式发生了重大变化。从以“水运为主”、“铁路为主”逐渐发展到以现代铁路运输、公路运输、水运、民航运输和管道运输等五种运输方式组成的综合交通运输体系的系统集成。
高铁站、飞机场等交通枢纽是国家现代化和发展繁荣的重要标志，大大地提高了人们出行的效率，已经成为国家综合运输网络的主要节点。目前，我国已成为世界上多模式运输网络发展最为迅速的国家，科学分析交通枢纽可达性是否及如何影响多模式区域公共运输方式的竞争，对于确定交通枢纽布局及接驳方式具有重要的理论价值和实践意义。
在目前交通枢纽可达性对综合运输方式竞争影响分析方法研究中，已有交通枢纽空间影响的研究主要集中在宏观的定性研究层面，尽管将场站可达性作为运输方式的组成部分考虑，但是忽略了不同运输方式之间的竞争关系。本发明在已有研究的基础上，不仅将高铁站、机场等交通枢纽的存在作为运输方式吸引力的驱动力，而且还考虑其服务水平。服务水平对综合交通运输方式竞争力的影响包含多个方面，本发明中重点关注其中之—：到(离)站时间。
研究成果对于分析交通枢纽场址的布局、交通枢纽的接驳方式对多模式运输方式的竞争与协同配置具有十分重要的战略意义，具有十分广阔的应用前景。
在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
目前，在我国综合运输体系构建过程中，交通枢纽场址的选择以及交通枢纽接驳方式的确定是否及如何影响区域公共运输方式竞争的研究较少，目前还没有关于确立交通枢纽可达性对区域运输方式竞争影响分析的系统方法。
技术实现要素：
本发明的目的在于针对综合交通体系网络规划中交通枢纽场址的布局、交通枢纽的接驳方式确定方法问题，以数理统计理论和数据建模方法为技术手段，提供一种可用于分析交通枢纽可达性对区域公共运输方式竞争影响的方法。
本发明所述的一种分析交通枢纽可达性对区域公共运输方式竞争影响的方法，按如下步骤进行：
(1)建立旅客区域交通出行活动信息数据库；
(2)建立区域公共运输多方式选择决策模型；
(3)确定区域运输体系各方式选择概率模型；
(4)揭示枢纽可达性如何影响运输方式的竞争。
步骤(1)中构建区域交通出行选择数据库按如下步骤进行：
(1)确定旅客综合运输体系客运方式出行的调查规模
式中：n—抽样调查样本数；
z—置信水平所对应的z值；
S—标准差；
e—误差界限；
N—调查总体数。
(2)确定综合运输体系客运方式出行的调查方法
根据区域交通具有频率低、距离长、选择行为稀少及调查范围广泛的特征，采取分层随机抽样调查法进行交通调查。分层随机抽样法是指将调查总体按照 各种运输方式进行分层，然后针对每种运输方式用简单随机抽样方式抽取样本进行调查。
(3)确定综合运输体系客运方式出行的调查内容
个体属性：性别、年龄、职业、月收入、是否公费、是否有私家车
出行属性：出行目的、出行起讫点
购票属性：购票方式
到站属性：到站方式、到站时间、到站费用
换乘属性：换乘时间(含等待时间)
旅行属性：出行方式、出行时间、出行费用
离站属性：离站方式、离站时间、离站费用
(4)构建综合运输体系客运方式出行的数据库
基于调查的样本数据构建区域交通选择行为信息数据库。信息数据库条目包括旅客出行信息ID、性别、年龄、职业、月收入、是否公费、是否有私家车、出行目的、出行距离、购票方式、到站方式、到站时间、到站费用、换乘时间(含等待时间)、出行方式、出行时间、出行费用、离站方式、离站时间、离站费用，信息数据库中各输入变量类别及表示方法如表1所示。
(5)综合运输体系客运方式选择变量显著性分析与参数估计
将交通方式类别作为自变量，将个体属性/到站属性/中转换乘属性/出行属性/离站属性变量作为因变量，应用多项logistic模型，采取向前递进法获取模型拟合信息和参数估计结果，根据统计量的显著性水平，判定变量显著性。若某变量统计量的显著性水平Sig<0.05，说明该变量对应变量的系数β对旅客选择行为的影响较大，应纳入旅客选择行为模型，反之，则认为β对旅客选择行为的影响可以忽略。
(6)确定综合运输体系客运方式选择概率的效用函数
根据参数估计结果，整体和样本各运输方式结构比，确定方式i选择概率的效用函数Ui如下式(2)所示。
式中：Ui—方式i选择概率的效用函数；
xij—方式i第j个显著性变量；
βij—方式i第j个显著性变量系数；
SFi—样本中方式i的选择比例；
PFi—总体中方式i的选择比例；
(7)确定综合运输体系客运方式选择概率表达式
根据效用函数和统计学分析原理，将bus作为参考方式，确定各运输方式选择概率表达式，如下公式所示。
式中：UPLANE—运输方式(飞机)选择概率的效用函数；
UTRAIN—运输方式(普铁)选择概率的效用函数；
UHST—运输方式(高铁)选择概率的效用函数；
P(PLANE)—运输方式(飞机)的选择概率；
P(TRAIN)—运输方式(普铁)的选择概率；
P(HST)—运输方式(高铁)的选择概率；
P(BUS)—运输方式(高速巴士)的选择概率。
(8)揭示交通枢纽可达性如何影响运输方式的竞争
通过计算各运输方式选择概率对于到离站时间的弹性来确定交通枢纽可达性如何影响运输方式的竞争，因变量Yi相对于到站时间的弹性Eik计算如下式所示。
式中：Eik—运输方式i第k个对应变量(到站时间)的弹性系数；
P(i)—运输方式i的选择概率；
—运输方式i第k个对应变量(到站时间)的系数；
—运输方式i第k个对应变量(到站时间)的属性值。
本发明具有以下有益效果：本发明所述的一种分析交通枢纽可达性对综合运输方式竞争影响的方法，针对我国多模式综合运输体系构建过程中高铁站、飞机场、火车站及公路枢纽规划选址与接驳方式确定问题，根据旅客区域出行活动分析，以到(离)站时间作为表征交通枢纽可达性的重要指标，定量化地研究交通枢纽可达性如何影响区域公共运输多方式的竞争，探寻交通枢纽可达性对区域公共运输方式竞争的影响分析方法。
本文以多模式综合运输体系中的公共客运方式为研究对象，分析交通枢纽可达性对飞机、普通火车、高铁、大巴四种运输方式竞争性的影响，重点关注了影响城际旅客选择行为但经常被忽略的因素—到(离)站时间，对于确定交通枢纽场址的布局、交通枢纽的接驳方式具有十分重要的战略意义。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种分析交通枢纽可达性对区域公共运输方式竞争影响的方法的流程示意图。
具体实施方式
为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。
下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
实施例一
按如下步骤进行：
(1)建立旅客区域交通出行活动信息数据库；
(2)建立区域公共运输多方式选择决策模型；
(3)确定区域运输体系各方式选择概率模型；
(4)揭示枢纽可达性如何影响运输方式的竞争。
步骤(1)针对区域综合交通特点确定本调查样本量。
式中：z—置信水平所对应的z值；
S—标准差；
e—误差界限；
N—调查总体数。
取置信区间为95％，最大方差为0.5，误差界限为0.05，根据交通运输部统计年鉴，2014年我国区域人口出行规模120.92亿人次，其中高速铁路为14.21亿人次，普速铁路为9.37亿人次，公路为190.82亿人次，民航为3.9亿人次，区域整体出行中，普铁、高铁、飞机、高速巴士的各方式所占比例分别为4.29％、6.51％、1.79％、87.41％。根据公式(1)确定n为514个。
步骤(2)针对区域综合交通特点确定调查方法
考虑到交通调查存在一定的误差，为了保证后续建模的准确性和可靠性，本研究应用分层抽样法，在机场、高铁站、火车站和公路客运站获取旅客普通火车、高铁、飞机、高速巴士出行有效调查样本2000个，远大于理论需要值，总体规模符合建模要求。其中样本中普铁、高铁、飞机、高速巴士的比例分别为29％、26％、25％、20％。
步骤(3)确定区域旅客综合交通出行调查内容
本研究从全过程的视角设计调查内容，除个体属性、出行属性外，还包括购票属性、到站属性、中转换乘属性、方式属性、离站属性等方面的出行信息；具体的实验设计属性及取值如表1所示。
附表1 实验设计属性及取值
步骤(4)构建区域旅客综合交通出行数据库
基于调查的样本数据构建区域交通选择行为信息数据库，信息数据库条目包括旅客出行信息ID、性别、年龄、职业、月收入、是否公费、是否有私家车、出行目的、出行距离、购票方式、到站方式、到站时间、到站费用、换乘时间(含等待时间)、出行方式、出行时间、出行费用、离站方式、离站时间、离站费用。
步骤(5)变量显著性分析与参数估计
以高速巴士作为参考方式，在SPSS软件中应用多项logistic模型进行模型参数估计，参数估计结果如表1所示。表中Wald为Wald检验统计量；Sig为统计量的显著性水平，若Sig<0.05，说明其对应的β对旅客选择行为的影响 较大，应纳入旅客选择行为模型，反之，则认为β对旅客选择行为的影响可以忽略。
系数值β反映其对应的特性变量对旅客乘车选择行为的影响程度，其符号代表旅客选择某类方式的概率随该参变量数值的变化趋势。
由表2可知，将bus作为参考方式，到站时间对于综合运输方式选择概率有显著影响，而离站时间对于综合运输方式选择概率无显著性影响。
表2 参数估计结果(参考方式：高速巴士)
注：置信水平为：95％；McFadden R2＝0.426
步骤(6)确定区域公共客运方式选择概率的效用函数
根据参数估计结果，结合飞机、普通火车、高铁总体和样本比例，确定飞机、普通火车、高铁选择概率的效用函数表示如下式(2)-(4)所示：
UPLANE＝-3.06+0.005x11-0.246x12+0.975x13+1.977x14+1.413x15-1.824x16-ln(0.26/0.0651)； (2)
UTRAIN＝-1.631+0.004x21-0.132x22+2.154x24-ln(0.29/0.0429)； (3)
UHST＝-1.308+0.003x31-0.32x32+0.536x33+2.642x34+1.44x35-ln(0.25/0.0179)； (4)
步骤(7)确定区域公共客运方式选择概率函数
根据以上效用函数，分别确定各客运方式选择概率函数为：
步骤(8)确定交通枢纽可达性对综合运输体系客运方式选择概率的弹性
通过计算各运输方式选择概率对于到离站时间的弹性来确定交通枢纽可达性如何影响运输方式的竞争，因变量Yi相对于到站时间的弹性Eik计算如下式所示。
式中：Eik—运输方式i第k个对应变量(到站时间)的弹性系数；
P(i)—运输方式i的选择概率；
—运输方式i第k个对应变量(到站时间)的系数；
—运输方式i第k个对应变量(到站时间)的属性值。
依据公式(7)，分别计算样本个体显著影响变量的弹性系数，通过对个体选择弹性系数的加权平均得到整体样本中飞机、普通火车和高铁选择概率对到站时间的弹性值，详见表3。
表3 飞机、普通火车和高铁选择概率的弹性
观察研究发现：到站时间是决定多模式综合交通客运方式竞争力的重要因素，到站时间对于航空与高铁等快速运输方式选择概率的弹性系数分别为-0.68、-0.35，具有逆向的支持作用；随着到站时间的增加，飞机、高铁等快速运输方式选择概率将会降低，其中，飞机的选择概率下降较为明显。研究结果可为区域公共运输方式的协同配置提供一定的分析依据。
需要说明的是：上述实施例提供的一种分析交通枢纽可达性对综合运输方式竞争影响方法，仅作为该分析方法在实际应用中的说明，还可以根据实际需要而将上述方法在其他应用场景中使用，其具体实现过程类似于上述实施例，这里不再赘述。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中得先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护 范围之内。