论文部分内容阅读
随着城市规模的不断扩大及小汽车拥有量的持续增长,通勤廊道上的交通拥堵问题日渐凸显,已经成为阻碍城市发展的“瓶颈”。通勤廊道上的出行方式主要有小汽车、公共交通及停车换乘(park and ride,P&R),小汽车出行比例愈渐增多,而P&R是抑制小汽车出行,引领小汽车出行转向公共交通出行的关键举措。如何优化通勤廊道上的出行结构,提高高承载率、低能耗的公共交通出行,缓解交通拥堵问题,提高道路服务水平是意义重大的。本文以基于轨道交通的通勤廊道P&R行为为研究目的,选取通勤廊道上的出行者为研究对象,采用RP调查与SP调查相结合的方法,进行问卷设计,并选取现场调研和网络调研相结合的调查方法,获得通勤廊道上P&R出行的相关数据。运用SPSS软件对数据进行描述性统计分析,并基于数据构建结构方程模型(Structural Equation Modeling,SEM)、多项Logit模型(Multinomial logit model,MNL),分别对P&R出行机理、拥堵收费影响下的P&R出行方式选择行为进行了研究分析。则本文的主要研究内容及成果具体如下所示:基于SPSS软件,对P&R出行者的社会经济属性、廊道通勤出行特征及P&R出行决策的关键因素进行了描述性统计分析。研究结果表明:1)P&R出行者大多数没有需要接送上下学的孩子;2)廊道通勤P&R的出行距离、出行时间都比较长;3)中心区道路拥挤程度、中心区寻找停车位难易程度、停车费用的节省对小汽车拥有者选择P&R出行有着重要的影响作用。构建了结构方程模型,以个人属性、通勤出行态度、出行信息认知及出行行为为潜变量,对通勤廊道上P&R出行行为机理进行了进一步研究。研究结果表明:1)个人属性对通勤出行态度、出行信息认知、出行行为都有显著的直接影响,其效应值分别为0.32、0.25、0.60,对出行行为的影响最显著;通勤出行态度对出行信息认知、出行行为有着较显著的直接影响,其效应值分别为0.30、0.48;出行信息认知对出行行为有着较显著的直接影响,其效应值为0.23。2)个人属性路径表明,有无需要接送上下学的孩子、月收入、自驾偏好程度、职业是主要的影响因素,其效应值分别为0.61、0.50、0.45、0.40。3)通勤出行态度路径表明出行时间敏感性、出行方便性、出行费用敏感性是影响P&R出行决策的关键因素,其效应值分别为0.60、0.52、0.41。4)出行信息认知路径表明,事故信息、停车信息、道路拥堵信息的影响都较显著,其效应值分别为0.62、0.50、0.43。构建了多项Logit模型,对拥堵收费影响下的P&R出行方式选择行为进行了研究,并对拥堵收费、P&R停车费、中心区停车费进行了弹性分析。研究结果表明:道路拥堵收费是关键性因素,其参数估计值为-2.921,实施拥堵收费措施,对拥堵费用敏感性较高的出行者,则会考虑放弃开车付费转向其他出行方式出行。