城市居民个人属性与出行方式链相关性分析
口李萌１．王伊丽１。陈学武２
（１．科进英华（北京）智能交通有限公司，北京
１
０００８１；２．东南大学交通学院，南京２１００９６）
摘要：首先引出基于活动理论的出行需求预测方法，将活动一出行理论和传统的出行方式相结合，提出“出行方式链”的概念，并明确出行方式链的两大特性：一致性和转换性，然后阐述城市居民个人属性与出行方式链相关性分析方法，并以２００６年４月上虞市的居民出行调查数据为基础，对城市居民个人属性与出行方式链之间的相关性进行实例分析，最后，说明个人属性对出行方式链的选择起着至关重要的作用。
关键词：交通规划；活动一出行理论；活动链；出行方式链；相关性分析中图分类号：Ｕ４９１
文献标识码：Ａ
文章编号：１６７１．３４００（２００９）０７—００１１－０３
ＣｏｒｒｅｌａｔｉｏｎＡｎａｌｙｓｉｓｂｅｔｗｅｅｎＵｒｂａｎＲｅｓｉｄｅｎｔｓ’Ａｔｔｒｉｂｕｔｅｓａｎｄ
ＴｒｉｐＭｏｄｅＣｈａｉｎ
ＬＩＭｅｎ９１，ＷＡＮＧ
Ｙｉ～ｌｉ，ＣＨＥＮ
Ｘｕｅ．ＷＵ２
１０００８１，Ｃｈｉｎａ；
（１．ＷＪＵＫ－ｃｈｉｎａＩＴＳＴｅｃｈ．Ｃｏ．，Ｌｔｄ，Ｂｅｉｊｉｎｇ
２．ＳｃｈｏｏｌｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎ。Ｓｏｕｔｈｅａｓｔ
Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｒａｖｅｌ
ｄｅｍａｎｄｆｏｒｅｃａｓｔｉｎｇｔｈｅｏｒｙｂａｓｅｄ
ｏｎ
ａｃｔｉｖｉｔｙｉｓｅｄｕｃｅｄａｔｆｉｒｓｔ．Ｔｈｅｎｔｈｅｃｏｎｃｅｐｔｏｆｔｒｉｐｍｏｄｅｃｈａｉｎｉｓｐｕｔ
ｆｏｒｗａｒｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅａｃｔｉｖｉｔｙ－ｔｒｉｐｔｈｅｏｒｙａｎｄｔｈｅｔｒａｄｉｔｉｏｎａｌｔｒｉｐｍｏｄｅｗｈｉｌｅｔＷＯｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｒｉｐｍｏｄｅｃｈａｉｎ，
ｃｏｎｓｉｓｔｅｎｃｙ
ａｎｄｃｏｍｍｕｔａｂｉｌｉｔｙ，ａｌｅｄｅｍｏｎｓｔｒａｔｅｄ．Ａｃｃｏｒｄｉｎｇ
ｔｏ
ｔｏ
ｔｈｅｃｏｍｐｒｅｈｅｎｓｉｏｎｏｆａｃｔｉｖｉｔｙ—ｂａｓｅｄｔｒａｖｅｌｄｅｍａｎｄｆｏｒｅｃａｓｔｉｎｇｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｉｎｄｉｖｉｄｕａｌｓ’ａｔｔｒｉｂｕｔｅｓａｎｄｔｒｉｐｍｏｄｅ
ｔｈｅｏｒｙａｎｄｔｒｉｐｍｏｄｅｃｈａｉｎ．ａｍｅｔｈｏｄｉＳｅｘｐａｔｉａｔｅｄ
ａｎａｌｙｚｅ
ｃｈａｉｎ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅｃｏｒｒｅｌａｔｉｏｎｉｓａｎａｌｙｚｅｄｂｙｔａｋｉｎｇｔｈｅｄａｔａａｓｔｈｅｆｏｕｎｄａｔｉｏｎ，ｗｈｉｃｈＷａｓｉｎｖｅｓｔｉｇａｔｅｄｉｎＳｈａｎｇｙｕＣｉｔｙｉｎＡｐｒｉｌ２００６．Ｉｎｔｈｅｅｎｄ．ｉｔｉｓｓｈｏｗｎｔｈａｔｔｈｅｉｎｆｌｕｅｎｃｅｏｆｉｎｄｉｖｉｄｕａｌａｔｔｒｉｂｕｔｅｓ
ｏｎ
ｔｈｅｔｒｉｐｍｏｄｅｃｈａｉｎｃｈｏｉｃｅｉＳｒｅｍａｒｋａｂｌｅ．
Ｋｅｙｗｏｒｄ：Ｔｒａｆｆｉｃｐｌａｎｎｉｎｇ；Ａｃｔｉｖｉｔｙ—ｔｒｉｐｔｈｅｏｒｙ；Ｄａｉｌｙａｃｔｉｖｉｔｙｓｃｈｅｄｕｌｅ；Ｔｒｉｐｍｏｄｅｃｈａｉｎ；Ｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ
“链”中进行线索式跟踪分析，而不是孤立地研究单个活
０
引言
个人属性与出行方式链相关性分析是以基于活动的
动和出行。嘉琵理论，本文提出了“出行方式链一的概
念及其特性，并阐述了分析个人属性与出行方式链相关性的思路，然后设计了居民出行调查方案和调查数据的有效性检验方法；最后进行实例分析。
出行需求预测理论为基础的。该理论把活动和出行放在
收稿日期：２００９－０５－２７
作者简介：李萌（１９８５－），男，山东曾县人。科进英华（北京）智能交通有限公司交通咨询工程师，工学硕士，主要研究方向：交通运输规划与管理、智能交通系统、道路交通仿真。
基金项目：国家重点墓础研究发展计划“９７５”计划课题
（２００６ＣＢ７０５５０１）。
１
基本概念与研究思路
要研究路网上出行的各种时空分布性质，首先要研
究的不是出行，而是最终产生出行的一些活动参与。因此，
要从出行者一天的整体活动需求入手，从活动安排引出
出行安排“】，进而再预测出行时间以及可能采取的交通
方式等其他属性。基于活动的出行需求预测方法，正是
依据这一思路进行出行预测的。
链信息，首先需要应用活动理论，设计科学合理的居民
出行调查方案和居民出行调查数据库；接着按照居民出行调查方案开展调查，并将调查结果录入居民出行调查数据库之中；然后根据个人属性将居民出行调查数据库进行分类，并设计相应的计算机程序提取各分类数据库的出行方式链；最后分析各分类数据库中出行方式链的特性，反映个人属性与出行方式链之间的内在关系。个人属性主要包括性别、年龄、职业、受教育程度及有无驾照等。
个人属性与出行方式链相关性分析的技术流程如图１
出行方式链是出行方式在活动一出行理论中的抽象和升华。出行方式链的含义建立在活动链的含义基础之上，要明白出行方式链的含义，就必须首先了解活动链
的含义。１．１活动链
由于生活和工作等的需要，一个人一天可能进行多次的以家为起终点的活动，我们把一天中的所有活动称
为活动链。可见，一条活动链可以由多个往返行程组成。
往返行程可以描述为多次出行之间的链接，可以定义为
从自家出发，最终又回到自家的一系列活动所引起的一系列出行所构成的封闭的链忙１；而活动链则可以描述为多次往返行程之间的链接。有了日活动计划的概念，我们就可以把出行者一天的复杂活动完整地表示出来。用这种思路建模，我们能够全面而细致地预测出行者的出
行信息，分析其出行特征。１．２出行方式链
出行方式链是为了更详细地描述活动链中每次出行
所使用的出行方式而引入的概念。它是将活动链中每次
出行所采用的出行方式相连接而形成的一种链，类似于用活动链中的中途停驻点表示活动链。如一个人一天４次出行均采用小汽车，那么这个人当天的出行方式链就
应该为小汽车一小汽车一小汽车一小汽车。在下文中，
根据出行方式链的含义明确了出行方式的一致性和转换性。
１．２．１出行方式的一致性
如果使用私人交通工具从家出行，那么通常情况下，
活动链中的某次回家的出行所使用的交通工具应为该私人交通工具，即活动链中连续两次的离家出行和回家出
行若采用私人交通工具，则所使用的私人交通工具必须相同，该特征称为活动链出行方式的一致性。在此定义下，可以将出行方式一致性这一特征作为判断依据，用来检
２
图１技术流程图
居民出行调查方案设计及数据有效性检验方
法
２．１居民出行调查方案设计
和传统交通调查方法不同，活动分析可以采用
验居民出行调查数据库中数据的有效性问题。１．２．２出行方式的转换性
在一条活动链中，出行行为主体有可能不采用统一
的出行方式，即活动链中的上一次出行与下一次出行可能采用不同的出行方式，称该特征为活动链中出行方式
活动日志调查（ＡｃｔｉｖｉｔｙＤｉａｒｙＳｕｒｖｅｙ）ｐ１。该方法侧
重对居民Ｅｌ常活动时间和空间使用的跟踪。根据荷兰（Ｎｅｔｈｅｒｌａｎｄｓ）、旧金山海湾地区（ＳａｎＦｒａｎｃｉｓｃｏ
Ｂａｙ
Ａｒｅａ）以及多伦多（Ｔｏｒｏｎｔｏ）等地的经验，活动日志调
查一般包括居民每日和交通相关活动的详细记录情况、个人属性信息和家庭属性信息。调查后，明确活动分类，
的转换性特征。注意：并不是所有的出行方式之间都可
以进行转换。某些出行方式之间易于转换，如步行与自行车之间，步行与公共交通之间，某些出行方式之间则不易于转换，如自行车与公共交通之间，私人小汽车与公共交通之间。
将调查内容建立数据库，制定行为分析的目标，运用活动分析方法考察居民的出行特征。
活动日志调查虽然提供了一天中完整的活动信息，
但在建立活动和出行之间的联系上却较为困难１４Ｊ。针对交通行为研究的需要，结合实际课题项目获取活动和出
１．３个人属性与出行方式链相关性分析思路
为了能够准确地记录个人的活动链信息和出行方式
行信息的可能性，本文在传统出行调查的基础上补充完
善调查内容，并结合调查，通过程序设计提取活动链和
３．１性别
通过分析调查数据，可以发现两性别各自的出行方式
链具有明显的不同。在无转换性方面，女性比男性更倾向
出行方式链信息。除了补充与活动链、出行方式链属性密切相关的一些家庭属性和个人属性之外，对出行发生的顺序进行了强化，以便能够提取个体完整的活动链和出行方式链。具体调查内容包括三方面，即家庭属性、
个人属性、个人出行调查。２．１．１家庭属性调查
选择步行方式链和自行车方式链，这反映在各个长度的步行方式链和自行车方式链上，而男性比女性更倾向选择摩托车方式链和小汽车方式链。这说明选择非机动化出行方
式和私有机动化出行方式时，男性与女性有着较大差异。
男性和女性在公交车方式链和出租车方式链的选择上无显著区别，但是在单位车方式链的选择上，男性所占的比例却明显高于女性所占的比例。在有转换性方面，男性选择
仅步行与自行车两者之间转换的出行方式链的比例略低于
家庭属性调查内容包括居住地址、家庭规模（总人
口数）、家庭工作人数、学龄前儿童数，家庭拥有的自行车，
摩托车，小汽车等交通工具数，以及家庭年总收入等信息。
２．１．２
个人属性调查女性，这进一步表明女性更倾向选择非机动化的出行方式。在有转换性特征的出行方式链数量占总出行方式链数量的
比重上，男性与女性基本相同。
个人属性调查包括性别．年龄、职业、受教育程度及有无驾照等信息。
２．１．３个人出行属性调查
出行属性调查包括出发时间、到达时间、出行目的（活
３．２职业
工人：出行方式链大多以无转换性为主，有转换性特征的数量约占总数的１ｌ％。无转换性方面，自行车方
动类型）、出行方式、活动场所设施类型等信息，特别关注出行发生的次序，用来按出行顺序提取出行链并检验
出行链的完整性。
式链所占比例最大，其次是摩托车、单位车和步行，小汽车方式链和公交车方式链的比重都比较低。自行车方
式链所占比例超过了５０％，是工人首选的出行方式；步
２．２居民出行调查数据有效性检验
数据有效性检验是活动链和出行方式链提取的基础。
行方式链所占比重不高，是由于工人的工作单位一般与
家距离较远所致；小汽车方式链的比重很低，是由工人
数据有效性检验的内容主要包括样本数据的完整性、出
行记录的空间一致性、出行记录的时间连续性，以及出
的收入状况决定的；单位车方式链的比重排在第三位，
这同工厂对工人提供的福利措施密切相关。另外，在所
行方式的一致性等内容。样本数据的完整性检验可以确
保居民的家庭属性、个人属性及出行信息的完整性，这
有工人样本中没有发现出租车方式链，说明工人不倾向
于选择出租车出行。
样可以完全地分析样本所包含的信息；出行记录的空间
一致性检验可以确保个人的出行成链，完整地记录个人
职员：虽然职员的自行车方式链所占比例最大，但
是摩托车方式链和小汽车方式链的比例也比较大，均在
当天的所有出行；出行记录的时间连续性检验是个人出
行必须符合的特性，使个人的出行时间在逻辑上合理，
１０％以上，说明职员比较倾向于选择私有机动化出行方式链。公交车方式链和单位车方式链比例超过１２％，可以看出职员的出行方式选择比较均匀、合理。转换性特
征方面，虽然仅步行与自行车两者之间转换的出行方式链的数量仍然最多，但是含小汽车方式的转换性方式链
出行方式的一致性检验则反映了出行者一天中所有出行使用的交通方式之间的联系性，其判断过程较为复杂，具体过程为：①以家为起点的出行采用各私人出行方式
的次数，等于以家为终点的出行采用各私人出行方式的次数；②活动链中连续两次离家出行和回家出行若采用
也占有较重要的地位，这跟职员的收入密切相关。此外，
从出行方式链的长度可以发现职员的日平均出行次数较
私人交通工具，则所使用的私人交通工具必须相同；⑦在上面两个条件满足的情况下，使用私人出行方式还需满足活动链的时间连续性，即回家出行所采用私人交通
工具的出发时间，应该晚干上次离家出行所采用私人交
高，这也是该职业的特性体现。
私营及个体劳动者：私营及个体劳动者的出行方式
链以无转换性特征为主，有转换性特征的出行方式链占
总数的１１．２２％。在无转换性方面，自行车方式链的数量
通工具的到达时间，并且早于下次离家出行所采用私人交通工具的到达时间。
占总数量的３３％以上，是私营及个体劳动者首选的出行方式。但是，小汽车和摩托车方式链数量之和超过了出
．
．．
３实例分析
行方式链总量的３３％，说明私营及个体劳动者倾向于选
本文应用２００６年４月在上虞市进行的居民出行调查数据ＩＳ］，以性别，职业和受教育程度为例分析个人属性和出行方式链之间的相关性。
择私有机动化交通出行方式，这是由该职业的收入水平所决定的。公交车方式链、单位车方式链、步行方式链、
出租车方式链以及三轮车方式链所占比重均较少。在有
转换性特征的出行方式链方面，可以发现含摩托车或小
汽车方式的转换性方式链的数量，超过了仅步行与自行０引言
车两者之间转换的出行方式链的数量，更加说明私营及
城市交通规划与交通发展政策制定中交通方式结构
个体劳动者对私有机动化交通出行方式的偏爱。
的确定是十分重要的。自２０世纪７０年代交通规划技术
３．３受教育程度
传人我国以来，运用定量的方法进行科学的交通方式结
通过分析，可以发现各受教育程度分类人群的出行构预测已成为规划的主要手段。典型交通方式结构预测方式链的不同特征。在无转换性方面，步行方式链的比
计算方法分为集计与非集计计量模型两类。前者主要是例随着受教育程度的增高而降低，说明受教育程度越高
以分区集合为基础建立；后者基于随机效用理论和个人
的人群越不倾向于选择步行方式链；而摩托车方式链和
出行效用最大化理论建立，是２０世纪８０年代以来学术
小汽车方式链的比例随着受教育程度的增高而增高，说界研究的热点。目前国内惯常使用的有：分担率曲线法（或
明受教育程度越高的人越倾向于选择摩托车方式链和小转移曲线法），函数模型、广义成本最小模型与非集计汽车方式链；公交车方式链的比例基本没有发生变化，
模型四类。由于未来城市的交通方式构成与城市交通发说明受教育程度的高低对居民选择公交车方式不产生影展政策，土地利用形态、产业布局及社会经济等诸多因响；在自行车方式链方面，高中及中专的人群所占比例素有关，因而采用定性与定量综合集成的方法研究城市最大，其次为大专及本科的人群，初中及以下的人群最小。客运交通结构的确定是比较好的选择。本文试图剖析国在有转换性方面，仅步行与自行车两者之间转换的出行内外典型大城市的交通发展特征，从中提炼其发展规律，方式链的比例同自行车方式链的比例相似，都是高中及进而提出定量模型并以杭州市为例研究合理客运交通结
中专的人群所占比例最大，初中及以下的人群最小。
构的确定。
４结语
１
典型城市交通结构发展特征
基于活动一出行理论，本文将出行方式以“链”的我国部分大城市与国际上知名大城市在其历史特定
形式展现出来，并详细阐述出行方式链的转换性和一致阶段，在社会文化、城市化进程和机动化进程等方面有性。通过应用个人属性与出行方式链相关性分析方法进
着一定的相似性。从先进城市的发展过程吸取成功经验
行实例分析，可以发现个人属性与出行方式链的相关性
和教训，对国内大城市客运交通发展具有现实的借鉴意
显著。这说明个人属性对出行方式链的选择起着至关重义。
要的作用，为基于活动一出行理论的出行方式选择模型
根据代表性和可参考的原则，从世界主要城市中选
的研究奠定了基础。
取伦敦、中国香港，巴黎作为研究国内大城市城市客运
交通结构的对象城市。参考文献：
１．１伦敦
【１】ＪｏｈｎＬ．Ｂｏｗｍａｎ，ＡｃｔｉｖｉｔｙＢａｓｅｄＴｒａｖｅｌＤｅｍａｎｄＭｏｄｅｌ
伦敦是全球三大金融中心之一。据２００６年数据统计，
ＳｙｓｔｅｍｗｉｔｈＤａｉｌｙＡｃｔｉｖｉｔｙＳｃｈｅｄｕｌｅｓ【Ｄ】．ＭａｓｔｅｒｏｆＳｃｉｅｎｃｅ
这个总人Ｉ：１７５０万、面积约为ｌ５８０ｋｍ２的城市，是全欧
Ｔｈｅｓｉｓｉｎ
Ｔｒａｎｓｐｏｒｔａｔｉｏｎ，．ＭａｓｓａｃｈｕｓｅｔｔｓＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，
洲最为繁荣的商业城市之一。伦敦３８％的家庭没有小汽
９２ｐａｇｅｓ，１９９５．
车，４４％的家庭拥有１辆小汽车，１７％的家庭拥有２辆或
【２】ＪｏｈｎＬ．ＢｏｗｍａｎａｎｄＭｏｓｈｅＢｅｎ—Ａｋｉｖａ，ＡｃｔｉｖｉｔｙＢａｓｅｄＴｒａｖｅｌ
更多小汽车。伦敦万人公交拥有量为１０．７辆，公共汽车
Ｆｏｒｅｃａｓｔｉｎｇ【Ｚ】．ＡＴｕｔｏｒｉａｌ
ｏｎ
ＡｃｔｉｖｉｔｙＢａｓｅｄＴｒａｖｅｌＦｏｒｅｃａｓｔｉｎｇ
线路６４９条，总长３４１０ｋｍ，地铁／轻轨线路１３条，总ｔａｕｇｈｔ
ａｔ
ａ
ｃｏｎｆｅｒｅｎｃｅｏｆｔｈｅｓａｍｅｎＲｍｅｉｎＮｅｗ
Ｏｒｌｅａｎｓ，
长４０８ｋｍ。每平方公里平均设有１１个公交车站，公交车Ｌｏｕｉｓｉａｎａ，１９９６．
站间距３００ｍ左右。城市中心地铁站点间距为６００—８００ｍ。【３】ＪｏｈｎＬ．Ｂｏｗｍａｎ，ＭｏｓｈｅＥ．Ｂｅｎ—Ａｋｉｖａ．（１９９９）Ｉｎｃｏｒｐｏｒａｔｉｎｇ
２００７年公共汽车实际运营里程为计划运营里程的９７．５％。ａｃｔｉｖｉｔｙｕｔｉｌｉｔｙ，ａｔ・－ｈｏｍｅａｃｔｉｖｉｔｉｅｓａｎｄｌｉｆｅｓｔｙｌｅｉｎａｎａｃｔｉｖｉｔｙ—－
图ｌ为伦敦１９５６－－２００６年的交通模式比例变化图。
ｂａｓｅｄｔｒａｖｅｌｄｅｍａｎｄ
ｍｏｄｅｌ［ＥＢ／ＯＬ］．ｗｏｒｋｉｎｇｐａｐｅｒ２００７－０５・１４１．２香港
ｈｔｔｐ：／／ｗｗｗ．ｊｂｏｗｍａｎ．ｎｅｔ／．
从１９７４年起，香港为了有效使用路面，政府有计划
【４】杨敏．基于活动的出行链特征与出行需求分析方法研究【Ｄ】．
南京：东南大学，２００７．
收稿日期：２００９—０４—０３
【５】东南大学交通学院．上虞市综合交通规划限】．上虞市：规
作者简介：，ｒ－－ｒ－婷（１９８０－－），女，柯林布坎南（上海）工程技术咨划局，２００６．
询有限公司交通规划师，硕士，主要研究方向：交通规划。
城市居民个人属性与出行方式链相关性分析
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
李萌， 王伊丽， 陈学武， LI Meng， WANG Yi-li， CHEN Xue-wu
李萌,王伊丽,LI Meng,WANG Yi-li(科进英华(北京)智能交通有限公司,北京,100081)， 陈学武,CHEN Xue-wu(东南大学,交通学院,南京,210096)交通与运输
TRAFFIC & TRANSPORTATION2009，""(z1)0次
参考文献(5条)
1.John L Bowman Activity Based Travel Demand Model System with Daily Activity Schedules 19952.John L Bowman and Moshe Ben-Akiva,Activity Based Travel Forecasting 1996
3.John L Bowman.Moshe E Ben-Akiva (1999) Incorporating activity utility,at-home activities andlifestyle in an activitybased travel demand model 20074.杨敏 基于活动的出行链特征与出行需求分析方法研究 20075.东南大学交通学院 上虞市综合交通规划 2006
本文链接：http://d.g.wanfangdata.com.cn/Periodical_jtyys2009z1004.aspx授权使用：胡原民(wfzncjzf)，授权号：381ce73b-e496-4b40-9e44-9e3a007ab02c
下载时间：2010年11月26日
城市居民个人属性与出行方式链相关性分析
口李萌１．王伊丽１。陈学武２
（１．科进英华（北京）智能交通有限公司，北京
１
０００８１；２．东南大学交通学院，南京２１００９６）
摘要：首先引出基于活动理论的出行需求预测方法，将活动一出行理论和传统的出行方式相结合，提出“出行方式链”的概念，并明确出行方式链的两大特性：一致性和转换性，然后阐述城市居民个人属性与出行方式链相关性分析方法，并以２００６年４月上虞市的居民出行调查数据为基础，对城市居民个人属性与出行方式链之间的相关性进行实例分析，最后，说明个人属性对出行方式链的选择起着至关重要的作用。
关键词：交通规划；活动一出行理论；活动链；出行方式链；相关性分析中图分类号：Ｕ４９１
文献标识码：Ａ
文章编号：１６７１．３４００（２００９）０７—００１１－０３
ＣｏｒｒｅｌａｔｉｏｎＡｎａｌｙｓｉｓｂｅｔｗｅｅｎＵｒｂａｎＲｅｓｉｄｅｎｔｓ’Ａｔｔｒｉｂｕｔｅｓａｎｄ
ＴｒｉｐＭｏｄｅＣｈａｉｎ
ＬＩＭｅｎ９１，ＷＡＮＧ
Ｙｉ～ｌｉ，ＣＨＥＮ
Ｘｕｅ．ＷＵ２
１０００８１，Ｃｈｉｎａ；
（１．ＷＪＵＫ－ｃｈｉｎａＩＴＳＴｅｃｈ．Ｃｏ．，Ｌｔｄ，Ｂｅｉｊｉｎｇ
２．ＳｃｈｏｏｌｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎ。Ｓｏｕｔｈｅａｓｔ
Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｒａｖｅｌ
ｄｅｍａｎｄｆｏｒｅｃａｓｔｉｎｇｔｈｅｏｒｙｂａｓｅｄ
ｏｎ
ａｃｔｉｖｉｔｙｉｓｅｄｕｃｅｄａｔｆｉｒｓｔ．Ｔｈｅｎｔｈｅｃｏｎｃｅｐｔｏｆｔｒｉｐｍｏｄｅｃｈａｉｎｉｓｐｕｔ
ｆｏｒｗａｒｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅａｃｔｉｖｉｔｙ－ｔｒｉｐｔｈｅｏｒｙａｎｄｔｈｅｔｒａｄｉｔｉｏｎａｌｔｒｉｐｍｏｄｅｗｈｉｌｅｔＷＯｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｒｉｐｍｏｄｅｃｈａｉｎ，
ｃｏｎｓｉｓｔｅｎｃｙ
ａｎｄｃｏｍｍｕｔａｂｉｌｉｔｙ，ａｌｅｄｅｍｏｎｓｔｒａｔｅｄ．Ａｃｃｏｒｄｉｎｇ
ｔｏ
ｔｏ
ｔｈｅｃｏｍｐｒｅｈｅｎｓｉｏｎｏｆａｃｔｉｖｉｔｙ—ｂａｓｅｄｔｒａｖｅｌｄｅｍａｎｄｆｏｒｅｃａｓｔｉｎｇｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｉｎｄｉｖｉｄｕａｌｓ’ａｔｔｒｉｂｕｔｅｓａｎｄｔｒｉｐｍｏｄｅ
ｔｈｅｏｒｙａｎｄｔｒｉｐｍｏｄｅｃｈａｉｎ．ａｍｅｔｈｏｄｉＳｅｘｐａｔｉａｔｅｄ
ａｎａｌｙｚｅ
ｃｈａｉｎ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅｃｏｒｒｅｌａｔｉｏｎｉｓａｎａｌｙｚｅｄｂｙｔａｋｉｎｇｔｈｅｄａｔａａｓｔｈｅｆｏｕｎｄａｔｉｏｎ，ｗｈｉｃｈＷａｓｉｎｖｅｓｔｉｇａｔｅｄｉｎＳｈａｎｇｙｕＣｉｔｙｉｎＡｐｒｉｌ２００６．Ｉｎｔｈｅｅｎｄ．ｉｔｉｓｓｈｏｗｎｔｈａｔｔｈｅｉｎｆｌｕｅｎｃｅｏｆｉｎｄｉｖｉｄｕａｌａｔｔｒｉｂｕｔｅｓ
ｏｎ
ｔｈｅｔｒｉｐｍｏｄｅｃｈａｉｎｃｈｏｉｃｅｉＳｒｅｍａｒｋａｂｌｅ．
Ｋｅｙｗｏｒｄ：Ｔｒａｆｆｉｃｐｌａｎｎｉｎｇ；Ａｃｔｉｖｉｔｙ—ｔｒｉｐｔｈｅｏｒｙ；Ｄａｉｌｙａｃｔｉｖｉｔｙｓｃｈｅｄｕｌｅ；Ｔｒｉｐｍｏｄｅｃｈａｉｎ；Ｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ
“链”中进行线索式跟踪分析，而不是孤立地研究单个活
０
引言
个人属性与出行方式链相关性分析是以基于活动的
动和出行。嘉琵理论，本文提出了“出行方式链一的概
念及其特性，并阐述了分析个人属性与出行方式链相关性的思路，然后设计了居民出行调查方案和调查数据的有效性检验方法；最后进行实例分析。
出行需求预测理论为基础的。该理论把活动和出行放在
收稿日期：２００９－０５－２７
作者简介：李萌（１９８５－），男，山东曾县人。科进英华（北京）智能交通有限公司交通咨询工程师，工学硕士，主要研究方向：交通运输规划与管理、智能交通系统、道路交通仿真。
基金项目：国家重点墓础研究发展计划“９７５”计划课题
（２００６ＣＢ７０５５０１）。
１
基本概念与研究思路
要研究路网上出行的各种时空分布性质，首先要研
究的不是出行，而是最终产生出行的一些活动参与。因此，
要从出行者一天的整体活动需求入手，从活动安排引出
出行安排“】，进而再预测出行时间以及可能采取的交通
方式等其他属性。基于活动的出行需求预测方法，正是
依据这一思路进行出行预测的。
链信息，首先需要应用活动理论，设计科学合理的居民
出行调查方案和居民出行调查数据库；接着按照居民出行调查方案开展调查，并将调查结果录入居民出行调查数据库之中；然后根据个人属性将居民出行调查数据库进行分类，并设计相应的计算机程序提取各分类数据库的出行方式链；最后分析各分类数据库中出行方式链的特性，反映个人属性与出行方式链之间的内在关系。个人属性主要包括性别、年龄、职业、受教育程度及有无驾照等。
个人属性与出行方式链相关性分析的技术流程如图１
出行方式链是出行方式在活动一出行理论中的抽象和升华。出行方式链的含义建立在活动链的含义基础之上，要明白出行方式链的含义，就必须首先了解活动链
的含义。１．１活动链
由于生活和工作等的需要，一个人一天可能进行多次的以家为起终点的活动，我们把一天中的所有活动称
为活动链。可见，一条活动链可以由多个往返行程组成。
往返行程可以描述为多次出行之间的链接，可以定义为
从自家出发，最终又回到自家的一系列活动所引起的一系列出行所构成的封闭的链忙１；而活动链则可以描述为多次往返行程之间的链接。有了日活动计划的概念，我们就可以把出行者一天的复杂活动完整地表示出来。用这种思路建模，我们能够全面而细致地预测出行者的出
行信息，分析其出行特征。１．２出行方式链
出行方式链是为了更详细地描述活动链中每次出行
所使用的出行方式而引入的概念。它是将活动链中每次
出行所采用的出行方式相连接而形成的一种链，类似于用活动链中的中途停驻点表示活动链。如一个人一天４次出行均采用小汽车，那么这个人当天的出行方式链就
应该为小汽车一小汽车一小汽车一小汽车。在下文中，
根据出行方式链的含义明确了出行方式的一致性和转换性。
１．２．１出行方式的一致性
如果使用私人交通工具从家出行，那么通常情况下，
活动链中的某次回家的出行所使用的交通工具应为该私人交通工具，即活动链中连续两次的离家出行和回家出
行若采用私人交通工具，则所使用的私人交通工具必须相同，该特征称为活动链出行方式的一致性。在此定义下，可以将出行方式一致性这一特征作为判断依据，用来检
２
图１技术流程图
居民出行调查方案设计及数据有效性检验方
法
２．１居民出行调查方案设计
和传统交通调查方法不同，活动分析可以采用
验居民出行调查数据库中数据的有效性问题。１．２．２出行方式的转换性
在一条活动链中，出行行为主体有可能不采用统一
的出行方式，即活动链中的上一次出行与下一次出行可能采用不同的出行方式，称该特征为活动链中出行方式
活动日志调查（ＡｃｔｉｖｉｔｙＤｉａｒｙＳｕｒｖｅｙ）ｐ１。该方法侧
重对居民Ｅｌ常活动时间和空间使用的跟踪。根据荷兰（Ｎｅｔｈｅｒｌａｎｄｓ）、旧金山海湾地区（ＳａｎＦｒａｎｃｉｓｃｏ
Ｂａｙ
Ａｒｅａ）以及多伦多（Ｔｏｒｏｎｔｏ）等地的经验，活动日志调
查一般包括居民每日和交通相关活动的详细记录情况、个人属性信息和家庭属性信息。调查后，明确活动分类，
的转换性特征。注意：并不是所有的出行方式之间都可
以进行转换。某些出行方式之间易于转换，如步行与自行车之间，步行与公共交通之间，某些出行方式之间则不易于转换，如自行车与公共交通之间，私人小汽车与公共交通之间。
将调查内容建立数据库，制定行为分析的目标，运用活动分析方法考察居民的出行特征。
活动日志调查虽然提供了一天中完整的活动信息，
但在建立活动和出行之间的联系上却较为困难１４Ｊ。针对交通行为研究的需要，结合实际课题项目获取活动和出
１．３个人属性与出行方式链相关性分析思路
为了能够准确地记录个人的活动链信息和出行方式
行信息的可能性，本文在传统出行调查的基础上补充完
善调查内容，并结合调查，通过程序设计提取活动链和
３．１性别
通过分析调查数据，可以发现两性别各自的出行方式
链具有明显的不同。在无转换性方面，女性比男性更倾向
出行方式链信息。除了补充与活动链、出行方式链属性密切相关的一些家庭属性和个人属性之外，对出行发生的顺序进行了强化，以便能够提取个体完整的活动链和出行方式链。具体调查内容包括三方面，即家庭属性、
个人属性、个人出行调查。２．１．１家庭属性调查
选择步行方式链和自行车方式链，这反映在各个长度的步行方式链和自行车方式链上，而男性比女性更倾向选择摩托车方式链和小汽车方式链。这说明选择非机动化出行方
式和私有机动化出行方式时，男性与女性有着较大差异。
男性和女性在公交车方式链和出租车方式链的选择上无显著区别，但是在单位车方式链的选择上，男性所占的比例却明显高于女性所占的比例。在有转换性方面，男性选择
仅步行与自行车两者之间转换的出行方式链的比例略低于
家庭属性调查内容包括居住地址、家庭规模（总人
口数）、家庭工作人数、学龄前儿童数，家庭拥有的自行车，
摩托车，小汽车等交通工具数，以及家庭年总收入等信息。
２．１．２
个人属性调查女性，这进一步表明女性更倾向选择非机动化的出行方式。在有转换性特征的出行方式链数量占总出行方式链数量的
比重上，男性与女性基本相同。
个人属性调查包括性别．年龄、职业、受教育程度及有无驾照等信息。
２．１．３个人出行属性调查
出行属性调查包括出发时间、到达时间、出行目的（活
３．２职业
工人：出行方式链大多以无转换性为主，有转换性特征的数量约占总数的１ｌ％。无转换性方面，自行车方
动类型）、出行方式、活动场所设施类型等信息，特别关注出行发生的次序，用来按出行顺序提取出行链并检验
出行链的完整性。
式链所占比例最大，其次是摩托车、单位车和步行，小汽车方式链和公交车方式链的比重都比较低。自行车方
式链所占比例超过了５０％，是工人首选的出行方式；步
２．２居民出行调查数据有效性检验
数据有效性检验是活动链和出行方式链提取的基础。
行方式链所占比重不高，是由于工人的工作单位一般与
家距离较远所致；小汽车方式链的比重很低，是由工人
数据有效性检验的内容主要包括样本数据的完整性、出
行记录的空间一致性、出行记录的时间连续性，以及出
的收入状况决定的；单位车方式链的比重排在第三位，
这同工厂对工人提供的福利措施密切相关。另外，在所
行方式的一致性等内容。样本数据的完整性检验可以确
保居民的家庭属性、个人属性及出行信息的完整性，这
有工人样本中没有发现出租车方式链，说明工人不倾向
于选择出租车出行。
样可以完全地分析样本所包含的信息；出行记录的空间
一致性检验可以确保个人的出行成链，完整地记录个人
职员：虽然职员的自行车方式链所占比例最大，但
是摩托车方式链和小汽车方式链的比例也比较大，均在
当天的所有出行；出行记录的时间连续性检验是个人出
行必须符合的特性，使个人的出行时间在逻辑上合理，
１０％以上，说明职员比较倾向于选择私有机动化出行方式链。公交车方式链和单位车方式链比例超过１２％，可以看出职员的出行方式选择比较均匀、合理。转换性特
征方面，虽然仅步行与自行车两者之间转换的出行方式链的数量仍然最多，但是含小汽车方式的转换性方式链
出行方式的一致性检验则反映了出行者一天中所有出行使用的交通方式之间的联系性，其判断过程较为复杂，具体过程为：①以家为起点的出行采用各私人出行方式
的次数，等于以家为终点的出行采用各私人出行方式的次数；②活动链中连续两次离家出行和回家出行若采用
也占有较重要的地位，这跟职员的收入密切相关。此外，
从出行方式链的长度可以发现职员的日平均出行次数较
私人交通工具，则所使用的私人交通工具必须相同；⑦在上面两个条件满足的情况下，使用私人出行方式还需满足活动链的时间连续性，即回家出行所采用私人交通
工具的出发时间，应该晚干上次离家出行所采用私人交
高，这也是该职业的特性体现。
私营及个体劳动者：私营及个体劳动者的出行方式
链以无转换性特征为主，有转换性特征的出行方式链占
总数的１１．２２％。在无转换性方面，自行车方式链的数量
通工具的到达时间，并且早于下次离家出行所采用私人交通工具的到达时间。
占总数量的３３％以上，是私营及个体劳动者首选的出行方式。但是，小汽车和摩托车方式链数量之和超过了出
．
．．
３实例分析
行方式链总量的３３％，说明私营及个体劳动者倾向于选
本文应用２００６年４月在上虞市进行的居民出行调查数据ＩＳ］，以性别，职业和受教育程度为例分析个人属性和出行方式链之间的相关性。
择私有机动化交通出行方式，这是由该职业的收入水平所决定的。公交车方式链、单位车方式链、步行方式链、
出租车方式链以及三轮车方式链所占比重均较少。在有
转换性特征的出行方式链方面，可以发现含摩托车或小
汽车方式的转换性方式链的数量，超过了仅步行与自行０引言
车两者之间转换的出行方式链的数量，更加说明私营及
城市交通规划与交通发展政策制定中交通方式结构
个体劳动者对私有机动化交通出行方式的偏爱。
的确定是十分重要的。自２０世纪７０年代交通规划技术
３．３受教育程度
传人我国以来，运用定量的方法进行科学的交通方式结
通过分析，可以发现各受教育程度分类人群的出行构预测已成为规划的主要手段。典型交通方式结构预测方式链的不同特征。在无转换性方面，步行方式链的比
计算方法分为集计与非集计计量模型两类。前者主要是例随着受教育程度的增高而降低，说明受教育程度越高
以分区集合为基础建立；后者基于随机效用理论和个人
的人群越不倾向于选择步行方式链；而摩托车方式链和
出行效用最大化理论建立，是２０世纪８０年代以来学术
小汽车方式链的比例随着受教育程度的增高而增高，说界研究的热点。目前国内惯常使用的有：分担率曲线法（或
明受教育程度越高的人越倾向于选择摩托车方式链和小转移曲线法），函数模型、广义成本最小模型与非集计汽车方式链；公交车方式链的比例基本没有发生变化，
模型四类。由于未来城市的交通方式构成与城市交通发说明受教育程度的高低对居民选择公交车方式不产生影展政策，土地利用形态、产业布局及社会经济等诸多因响；在自行车方式链方面，高中及中专的人群所占比例素有关，因而采用定性与定量综合集成的方法研究城市最大，其次为大专及本科的人群，初中及以下的人群最小。客运交通结构的确定是比较好的选择。本文试图剖析国在有转换性方面，仅步行与自行车两者之间转换的出行内外典型大城市的交通发展特征，从中提炼其发展规律，方式链的比例同自行车方式链的比例相似，都是高中及进而提出定量模型并以杭州市为例研究合理客运交通结
中专的人群所占比例最大，初中及以下的人群最小。
构的确定。
４结语
１
典型城市交通结构发展特征
基于活动一出行理论，本文将出行方式以“链”的我国部分大城市与国际上知名大城市在其历史特定
形式展现出来，并详细阐述出行方式链的转换性和一致阶段，在社会文化、城市化进程和机动化进程等方面有性。通过应用个人属性与出行方式链相关性分析方法进
着一定的相似性。从先进城市的发展过程吸取成功经验
行实例分析，可以发现个人属性与出行方式链的相关性
和教训，对国内大城市客运交通发展具有现实的借鉴意
显著。这说明个人属性对出行方式链的选择起着至关重义。
要的作用，为基于活动一出行理论的出行方式选择模型
根据代表性和可参考的原则，从世界主要城市中选
的研究奠定了基础。
取伦敦、中国香港，巴黎作为研究国内大城市城市客运
交通结构的对象城市。参考文献：
１．１伦敦
【１】ＪｏｈｎＬ．Ｂｏｗｍａｎ，ＡｃｔｉｖｉｔｙＢａｓｅｄＴｒａｖｅｌＤｅｍａｎｄＭｏｄｅｌ
伦敦是全球三大金融中心之一。据２００６年数据统计，
ＳｙｓｔｅｍｗｉｔｈＤａｉｌｙＡｃｔｉｖｉｔｙＳｃｈｅｄｕｌｅｓ【Ｄ】．ＭａｓｔｅｒｏｆＳｃｉｅｎｃｅ
这个总人Ｉ：１７５０万、面积约为ｌ５８０ｋｍ２的城市，是全欧
Ｔｈｅｓｉｓｉｎ
Ｔｒａｎｓｐｏｒｔａｔｉｏｎ，．ＭａｓｓａｃｈｕｓｅｔｔｓＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，
洲最为繁荣的商业城市之一。伦敦３８％的家庭没有小汽
９２ｐａｇｅｓ，１９９５．
车，４４％的家庭拥有１辆小汽车，１７％的家庭拥有２辆或
【２】ＪｏｈｎＬ．ＢｏｗｍａｎａｎｄＭｏｓｈｅＢｅｎ—Ａｋｉｖａ，ＡｃｔｉｖｉｔｙＢａｓｅｄＴｒａｖｅｌ
更多小汽车。伦敦万人公交拥有量为１０．７辆，公共汽车
Ｆｏｒｅｃａｓｔｉｎｇ【Ｚ】．ＡＴｕｔｏｒｉａｌ
ｏｎ
ＡｃｔｉｖｉｔｙＢａｓｅｄＴｒａｖｅｌＦｏｒｅｃａｓｔｉｎｇ
线路６４９条，总长３４１０ｋｍ，地铁／轻轨线路１３条，总ｔａｕｇｈｔ
ａｔ
ａ
ｃｏｎｆｅｒｅｎｃｅｏｆｔｈｅｓａｍｅｎＲｍｅｉｎＮｅｗ
Ｏｒｌｅａｎｓ，
长４０８ｋｍ。每平方公里平均设有１１个公交车站，公交车Ｌｏｕｉｓｉａｎａ，１９９６．
站间距３００ｍ左右。城市中心地铁站点间距为６００—８００ｍ。【３】ＪｏｈｎＬ．Ｂｏｗｍａｎ，ＭｏｓｈｅＥ．Ｂｅｎ—Ａｋｉｖａ．（１９９９）Ｉｎｃｏｒｐｏｒａｔｉｎｇ
２００７年公共汽车实际运营里程为计划运营里程的９７．５％。ａｃｔｉｖｉｔｙｕｔｉｌｉｔｙ，ａｔ・－ｈｏｍｅａｃｔｉｖｉｔｉｅｓａｎｄｌｉｆｅｓｔｙｌｅｉｎａｎａｃｔｉｖｉｔｙ—－
图ｌ为伦敦１９５６－－２００６年的交通模式比例变化图。
ｂａｓｅｄｔｒａｖｅｌｄｅｍａｎｄ
ｍｏｄｅｌ［ＥＢ／ＯＬ］．ｗｏｒｋｉｎｇｐａｐｅｒ２００７－０５・１４１．２香港
ｈｔｔｐ：／／ｗｗｗ．ｊｂｏｗｍａｎ．ｎｅｔ／．
从１９７４年起，香港为了有效使用路面，政府有计划
【４】杨敏．基于活动的出行链特征与出行需求分析方法研究【Ｄ】．
南京：东南大学，２００７．
收稿日期：２００９—０４—０３
【５】东南大学交通学院．上虞市综合交通规划限】．上虞市：规
作者简介：，ｒ－－ｒ－婷（１９８０－－），女，柯林布坎南（上海）工程技术咨划局，２００６．
询有限公司交通规划师，硕士，主要研究方向：交通规划。
城市居民个人属性与出行方式链相关性分析
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
李萌， 王伊丽， 陈学武， LI Meng， WANG Yi-li， CHEN Xue-wu
李萌,王伊丽,LI Meng,WANG Yi-li(科进英华(北京)智能交通有限公司,北京,100081)， 陈学武,CHEN Xue-wu(东南大学,交通学院,南京,210096)交通与运输
TRAFFIC & TRANSPORTATION2009，""(z1)0次
参考文献(5条)
1.John L Bowman Activity Based Travel Demand Model System with Daily Activity Schedules 19952.John L Bowman and Moshe Ben-Akiva,Activity Based Travel Forecasting 1996
3.John L Bowman.Moshe E Ben-Akiva (1999) Incorporating activity utility,at-home activities andlifestyle in an activitybased travel demand model 20074.杨敏 基于活动的出行链特征与出行需求分析方法研究 20075.东南大学交通学院 上虞市综合交通规划 2006
本文链接：http://d.g.wanfangdata.com.cn/Periodical_jtyys2009z1004.aspx授权使用：胡原民(wfzncjzf)，授权号：381ce73b-e496-4b40-9e44-9e3a007ab02c
下载时间：2010年11月26日