基于量表型选择集的出行信息需求有序选择模型

唐立; 周厚庆; 张学军

doi:10.19818/j.cnki.1671-1637.2019.04.014

基于量表型选择集的出行信息需求有序选择模型

doi: 10.19818/j.cnki.1671-1637.2019.04.014

唐立^1,,
周厚庆¹,
张学军^{1, 2}

1.
西华大学汽车与交通学院, 四川成都 610039
2.
北京航空航天大学电子信息工程学院, 北京 100083

基金项目:

国家自然科学基金项目 61803314

四川省软科学研究计划项目 2017ZR0032

四川省教育厅科研项目 18ZB0565

详细信息

作者简介:
唐立(1988-), 女, 四川遂宁人, 西华大学讲师, 工学博士, 从事交通行为理论研究

中图分类号: U491.11
计量
- 文章访问数: 2035
- HTML全文浏览量: 96
- PDF下载量: 1730
- 被引次数: 0
出版历程
- 收稿日期: 2019-03-06
- 刊出日期: 2019-08-25

Ordered choice model of travel information demand based on scale choice set

1.
School of Automobile and Transportation, Xihua University, Chengdu 610039, Sichuan, China
2.
School of Electronic and Information Engineering, Beihang University, Beijing 100083, China

More Information

Author Bio:
TANG Li(1988-), female, lecturer, PhD, tangli@mail.xhu.edu.cn

摘要

摘要: 研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。
- 出行信息需求 /
- 有序选择模型 /
- 量表型选择集 /
- 选择枝 /
- 局部效应
Abstract: The key information needed for urban travelers' daily activity and travel was studied, and a quantitative analysis method focusing on scale data was proposed. Setting traveler's information demand as the study subject, a survey based on Likert 5 scale questionnaire was designed. The rankings of travel individual's demand degrees for various types of travel information were summarized, and the ordered choice models for driving route, destination location and real-time traffic information demand were built and calibrated separately. The ordered choice model was compared with the multinomial Logit model in terms of parameter significance, Akaike information criterion and log likelihood function value so as to verify its effectiveness, and the partial effect analysis on key variables affecting the information demand was carried out. Research result shows that the bus operation change information is mostly required before the travelers' commuting trips, and the real-time traffic information is mostly required during commuting. Non-commuting travelers care destination location information most, and the demand probabilities for destination location information before departure and en-route are 31.08% and 29.25% higher than that before commuting, respectively. In general, workers have higher information demand degree than that of students and freelancers, indicating that people with high value of time are more expected to properly arrange their trips by comprehensive and timely information acquisition. Demand probability of real-time traffic information for female is 10.23% higher than that for male, indicating that females have stronger cognition in avoiding delay risks. The 20 s to 40 s have the strongest travel information needs that gradually decline with age increasing. All age groups show a higher demand for real-time traffic information, indicating that people are more sensitive to information with potential negative impact. Therefore, the scale choice set can be analyzed by using the ordered choice model.
- travel information demand /
- ordered choice model /
- scale choice set /
- alternative /
- partial effect

HTML全文

图 1 活动和出行信息平均需求分布

Figure 1. Average demand distribution of activity and travel informations

下载: 全尺寸图片幻灯片

图 2 年龄变化对驾车线路信息需求的局部效应

Figure 2. Partial effects of age change on demand for driving route information

下载: 全尺寸图片幻灯片

图 3 年龄变化对目的地位置信息需求的局部效应

Figure 3. Partial effects of age change on demand for destination location information

下载: 全尺寸图片幻灯片

图 4 年龄变化对实时路况信息需求的局部效应

Figure 4. Partial effects of age change on demand for real-time traffic information

下载: 全尺寸图片幻灯片

表 1 属性及属性水平编码

Table 1. Attributes and attribute level coding

属性		水平与编码
个人社会经济属性	性别	男性为0, 女性为1
	年龄	连续变量, 按实际年龄赋值
	有无小汽车	无为0, 有为1
	小汽车使用频率	不经常开车为0, 经常开车为1
	职业	中学生; 大学生; 研究生; 企业职员; 公务员; 学校或医院人员; 自由职业者。其中, 以自由职业者为基准
	可支配月收入	≤2 000元; (2 000, 4 000] 元; (4 000, 6 000] 元; (6 000, 8 000] 元; > 8 000元。其中, 以(4 000, 6 000] 元为基准
信息使用特征属性	手机是否能上网	否为0, 是为1
	手机上有无直接获取相关信息的应用	无为0, 有为1
	出行目的	非通勤为0, 通勤为1
	获取信息的时机	在途为0, 出行前为1

下载: 导出CSV

表 2 出行信息内容与类别

Table 2. Contents and categories of travel informations

信息类别	编号	信息名称
地图信息	1	城市道路名称、走向信息
	2	城市道路等级信息
	3	立交、隧道、高速路出入口匝道位置信息
	4	目的地位置信息
	5	GPS实时定位信息
	6	室内地图信息
	7	街景信息
交通状况信息	8	实时路况信息
	9	信号灯、电子监控等位置信息
	10	突发事件信息
驾车出行导向信息	11	驾车线路信息
	12	驾车方向信息
	13	目的地附近停车设施信息
	14	限号限行信息
公共交通服务信息	15	公交及地铁线路信息
	16	公交及地铁站点信息
	17	公交及地铁车辆实时到站信息
	18	公交车辆实时位置信息
	19	公交及地铁运营时间信息
	20	公交车辆实时载客率信息
	21	公交运营变更信息
	22	公交IC卡信息
公交导向信息	23	公交地铁线路/换乘方案
公交导向信息	24	公交方向信息
步行导向信息	25	步行线路信息
步行导向信息	26	步行方向信息
出租车或拼车信息	27	出租车/拼车费用信息
出租车或拼车信息	28	出租车/拼车实时信息
资讯服务信息	29	指定点附近服务设施信息
资讯服务信息	30	天气信息

下载: 导出CSV

表 3 样本个人社会经济特征

Table 3. Sample individual socio-economic characteristics

调查项	选项	频率/%	调查项	选项	频率/%
性别	男	53.4 (56.0)	月收入/元	≤2 000	32.8
性别	女	46.6 (44.0)		(2 000, 4 000]	28.9
年龄	≤20	11.5 (26.0)		(4 000, 6 000]	24.9
	(20, 30]	53.7 (31.2)		(6 000, 8 000]	8.3
	(30, 40]	22.1 (23.9)		> 8 000	5.1
	(40, 50]	8.3 (11.9)	职业	中学生	4.3
	(50, 60]	3.6 (5.1)		大学生	12.3
	> 60	0.8 (1.9)		研究生	22.5
小汽车拥有情况	有私家车	35.2		企业职员	45.1
小汽车拥有情况	无私家车	64.8		公务员	6.3
小汽车使用情况	经常开车	32.8		学校/医疗机构人员	5.5
小汽车使用情况	不经常开车	67.2		自由职业	4.0

下载: 导出CSV

表 4 各种出行情境下需求程度排序前3的信息

Table 4. Top 3 of most required informations in different travel situations

情境	需求排名第1		需求排名第2		需求排名第3
情境	内容	得分	内容	得分	内容	得分
通勤出行前	公交运营变更信息	3.88	公交IC卡信息	3.66	驾车线路信息	3.64
通勤出行中	实时路况信息	4.07	突发事件信息	3.91	公交及地铁车辆实时到站信息	3.90
非通勤出行前	目的地位置信息	4.31	驾车线路信息	4.13	公交运营变更信息	4.07
非通勤出行中	目的地位置信息	4.26	实时路况信息	4.24	驾车线路信息	4.11
全情境	驾车线路信息	3.88	目的地位置信息	3.83	实时路况信息	3.82

下载: 导出CSV

表 5 信息需求模型参数估计和效率评估结果

Table 5. Parameter estimation and efficiency evaluation results of information demand models

类别	属性	驾车线路信息需求模型		目的地位置信息需求模型		实时路况信息需求模型
类别	属性	参数估计值	P检验值	参数估计值	P检验值	参数估计值	P检验值
常数项	常数项	2.31	0.00	2.06	0.00	—	—
性别	女性	—	—	—	—	0.50	0.00
年龄	年龄	-0.06	0.00	-0.05	0.00	-0.02	0.01
小汽车使用	经常开车	0.38	0.01	—	—	0.60	0.00
职业1	中学生	-1.25	0.01	-1.07	0.03	—	—
职业2	大学生	—	—	-0.60	0.10	—	—
职业3	研究生	—	—	—	—	0.96	0.01
职业4	企业职员	0.82	0.01	0.84	0.01	1.07	0.00
职业5	公务员	0.80	0.05	0.90	0.03	1.50	0.00
职业6	学校/医疗机构人员	1.57	0.00	1.48	0.00	1.40	0.00
收入2	(2 000, 4 000] 元	-0.33	0.06	—	—	-0.34	0.05
收入4	> 8 000元	—	—	—	—	0.55	0.07
手机应用	手机上有直接获取信息的应用	1.62	0.00	0.87	0.00	1.62	0.00
出行目的与信息获取时机1	非通勤出发前	0.74	0.00	1.31	0.00	0.39	0.02
出行目的与信息获取时机2	非通勤在途	0.65	0.00	1.23	0.00	1.50	0.00
出行目的与信息获取时机3	通勤在途	—	—	—	—	1.19	0.00
门限值	阈值1	0.87	0.00	0.93	0.00	0.87	0.00
	阈值2	1.47	0.00	1.19	0.00	1.30	0.00
	阈值3	3.42	0.00	3.10	0.00	3.70	0.00
有效观察数		1 012		1 012		1 012
麦克法登伪优度比		0.097		0.081		0.095
计数优度比		0.509		0.445		0.511
参数个数		21		21		21
赤池信息量准则		2.476		2.478		2.397
基准赤池信息量准则		2.702		2.660		2.610

下载: 导出CSV

表 6 有序选择模型与多项Logit模型的效率对比

Table 6. Efficiency comparison between ordered choice model and multinomial Logit model

指标		驾车线路信息需求模型	目的地位置信息需求模型	实时路况信息需求模型
参数显著度/%	有序选择模型	66.7	61.9	76.2
参数显著度/%	多项Logit模型	36.4	22.7	40.9
赤池信息量准则	有序选择模型	2.476	2.478	2.397
赤池信息量准则	多项Logit模型	2.683	2.657	2.584
对数似然函数值	有序选择模型	-1 231.696	-1 233.110	-1 192.112
对数似然函数值	多项Logit模型	-1 337.829	-1 322.635	-1 285.649

下载: 导出CSV

表 7 关键分类变量的局部效应

Table 7. Partial effects of key categorical variables

出行信息	属性变化方向	完全不需要/%	不需要/%	不确定/%	需要/%	非常需要/%
驾车线路规划	直接获取该信息的应用无→有	-15.94	-11.69	-7.37	7.36	27.64
	通勤出发前→非通勤出发前	-3.53	-3.80	-3.80	-6.19	17.32
	通勤出发前→非通勤途中	-3.17	-3.41	-3.40	-5.31	15.28
目的地位置	直接获取该信息的应用无→有	-8.35	-7.07	-2.03	0.09	17.36
	通勤出发前→非通勤出发前	-7.41	-8.03	-2.92	-12.71	31.08
	通勤出发前→非通勤途中	-7.05	-7.64	-2.77	-11.79	29.25
实时路况	男性→女性	-2.72	-2.84	-1.91	-2.75	10.23
	直接获取该信息的应用无→有	-15.77	-11.68	-5.59	9.20	23.84
	通勤出发前→非通勤途中	-6.32	-6.89	-4.89	-15.69	33.80
	通勤出发前→通勤途中	-5.22	-5.69	-4.03	-11.51	26.44

下载: 导出CSV

参考文献(29)

[1]	BEN-ELIA E, AVINERI E. Response to travel information: a behavioral review[J]. Transport Reviews, 2015, 35 (3): 352-377. doi: 10.1080/01441647.2015.1015471
[2]	PRONELLO C, DUBOZ A, RAPPAZZO V. Towards smarter urban mobility: willingness to pay for an advanced traveller information system in Lyon[J]. Sustainability, 2017, 9 (10): 1690-1711. doi: 10.3390/su9101690
[3]	GAN Hong-cheng. To switch travel mode or not?Impact of smartphone delivered high-quality multimodal information[J]. IET Intelligent Transport Systems, 2015, 9 (4): 382-390. doi: 10.1049/iet-its.2014.0150
[4]	GAN Hong-cheng, YE Xin. Will commute drivers switch to park-and-ride under the influence of multimodal traveler information?A stated preference investigation[J]. Transportation Research Part F: Psychology and Behaviour, 2018, 56: 354-361. doi: 10.1016/j.trf.2018.05.015
[5]	LOU Xiao-ming, CHENG Lin, CHU Zhao-ming. Modelling travelers' en-route path switching in a day-to-day dynamical system[J]. Transportmetrica B: Transport Dynamics, 2016, 5 (1): 15-37.
[6]	LINDSEY R, DANIEL T, GISCHES E, et al. Pre-trip information and route-choice decisions with stochastic travel conditions: theory[J]. Transportation Research Part B: Methodological, 2014, 67: 187-207. doi: 10.1016/j.trb.2014.05.006
[7]	BEN-AKIVA M, BIERLAIRE M. Discrete choice methods and their applications to short term travel decisions[J]. Handbook of Transportation Science, 1999, 23: 5-33.
[8]	BHAT C R. A new flexible multiple discrete-continuous extreme value (MDCEV) choice model[J]. Transportation Research Part B: Methodological, 2018, 110: 261-279. doi: 10.1016/j.trb.2018.02.011
[9]	唐立, 邹彤, 罗霞, 等. 基于混合Logit模型的网约车选择行为研究[J]. 交通运输系统工程与信息, 2018, 18 (1): 108-114. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201801017.htm TANG Li, ZOU Tong, LUO Xia, et al. Choice behavior of taxi-hailing based on mixed-logit model[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18 (1): 108-114. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201801017.htm
[10]	CELIK A K, SENGER Ö. A comparison of alternative ordered response models for analyzing user satisfaction with transport services in Turkey[J]. Transport and Telecommunication, 2016, 17 (1): 40-54. doi: 10.1515/ttj-2016-0005
[11]	CHESHER A, SMOLINSKI K. IV models of ordered choice[J]. Journal of Econometrics, 2012, 166 (1): 33-48. doi: 10.1016/j.jeconom.2011.06.004
[12]	LIU Peng, GUO Qian-ru, REN Fei, et al. Willingness to pay for self-driving vehicles: influences of demographic and psychological factors[J]. Transportation Research Part C: Emerging Technologies, 2019, 100: 306-317. doi: 10.1016/j.trc.2019.01.022
[13]	CHEN Ching-fu, CHEN Pei-chun. Estimating recreational cyclists' preferences for bicycle routes-evidence from Taiwan[J]. Transport Policy, 2013, 26: 23-30. doi: 10.1016/j.tranpol.2012.01.001
[14]	张兆泽, 黄海军. 社交网络信息对出行时刻选择行为的影响[J]. 交通运输系统工程与信息, 2017, 17 (5): 22-28. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201705004.htm ZHANG Zhao-ze, HUANG Hai-jun. Impacts of social network media on departure time choice behavior[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17 (5): 22-28. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201705004.htm
[15]	杨智伟, 赵胜川, 张迅. 公共交通出行者ATIS信息选择行为影响因素研究[J]. 交通运输系统工程与信息, 2009, 9 (3): 29-35. doi: 10.3969/j.issn.1009-6744.2009.03.005 YANG Zhi-wei, ZHAO Sheng-chuan, ZHANG Xun. Influencing factors of ATIS information choice behaviors of public traffic travelers[J]. Journal of Transportation Systems Engineering and Information Technology, 2009, 9 (3): 29-35. (in Chinese). doi: 10.3969/j.issn.1009-6744.2009.03.005
[16]	李春燕, 陈峻, 孙正安, 等. ATIS条件下驾驶员出行途中路径选择行为研究[J]. 深圳大学学报(理工版), 2016, 33 (2): 164-172. https://www.cnki.com.cn/Article/CJFDTOTAL-SZDL201602008.htm LI Chun-yan, CHEN Jun, SUN Zheng-an, et al. Drivers' route choice behavior analysis under ATIS[J]. Journal of Shenzhen University (Science and Engineering), 2016, 33 (2): 164-172. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-SZDL201602008.htm
[17]	朱锐, 张婧姝, 李林波. 基于ECR模型的常规公交站点服务信息重要度研究[J]. 交通与运输, 2011 (2): 76-80. https://www.cnki.com.cn/Article/CJFDTOTAL-JTYH201102021.htm ZHU Rui, ZHANG Jing-shu, LI Lin-bo. Study on the importance of service information at the bus stop based on ECR model[J]. Traffic and Transportation, 2011 (2): 76-80. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-JTYH201102021.htm
[18]	杨智伟. 基于ATIS的交通出行信息选择行为及支付意愿研究[D]. 大连: 大连理工大学, 2010. YANG Zhi-wei. A study on travel information acquisition behavior and willingness to pay under ATIS[D]. Dalian: Dalian University of Technology, 2010. (in Chinese).
[19]	ABDEL-ATY M A. Using ordered probit modeling to study the effect of ATIS on transit ridership[J]. Transportation Research Part C: Emerging Technologies, 2001, 9 (4): 265-277. doi: 10.1016/S0968-090X(00)00037-1
[20]	KLEINJANS K J. Do gender differences in preferences for competition matter for occupational expectations[J]. Journal of Economic Psychology, 2009, 30 (5): 701-710. doi: 10.1016/j.joep.2009.03.006
[21]	陈芳. 贫困地区农户融资需求与融资能力——基于有序选择模型的实证分析[J]. 南方金融, 2016 (7): 57-66. https://www.cnki.com.cn/Article/CJFDTOTAL-GDJR201607009.htm CHEN Fang. Financing needs and capabilities of farmers in poor areas—an empirical analysis based on ordered selection model[J]. South China Finance, 2016 (7): 57-66. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-GDJR201607009.htm
[22]	HUDSON J, ORVISKAB M, HUNADY J. People's attitudes to autonomous vehicles[J]. Transportation Research Part A: Policy and Practice, 2019, 121: 164-176. doi: 10.1016/j.tra.2018.08.018
[23]	CHIBURIS R, LOKSHIN M. Maximum likelihood and two-step estimation of an ordered-probit selection model[J]. Stata Journal, 2007, 7 (2): 167-182. doi: 10.1177/1536867X0700700202
[24]	DALY A, DEKKER T, HESS S. Dummy coding vs effects coding for categorical variables: clarifications and extensions[J]. Journal of Choice Modelling, 2016, 21: 36-41. doi: 10.1016/j.jocm.2016.09.005
[25]	唐立. 多元出行信息影响下的交通选择行为研究[D]. 成都: 西南交通大学, 2015. TANG Li. Choice behavior under the impact of multivariate traveler information[D]. Chengdu: Southwest Jiaotong University, 2015. (in Chinese).
[26]	中国互联网络信息中心. 中国互联网络发展状况统计报告[R]. 北京: 中国互联网络信息中心, 2014. China Internet Network Information Center. Statistical report on the development of Chinese Internet[R]. Beijing: China Internet Network Information Center, 2014. (in Chinese).
[27]	WARDMAN M, NICOLÁS IBÁÑEZ J. The congestion multiplier: variations in motorists' valuations of travel time with traffic conditions[J]. Transportation Research Part A: Policy and Practice, 2012, 46 (1): 213-225.
[28]	GREENE W H, HENSHER D A. Ordered choices and heterogeneity in attribute processing[J]. Journal of Transportation Economics and Policy, 2010, 44 (3): 331-364.
[29]	MCKELVEY R D, ZAVOINA W. A statistical model for the analysis of ordered level dependent variables[J]. Journal of Mathematical Sociology, 1975, 4: 103-120.