探究共享单车对居民出行的影响 摘要：为说明共享单车给城市居民出行带来的影响。本文基于 logit 模型建共享单车对居民出行影响的模型，运用随机效用理论确定效用函数并选择特性变量，然后运用 SPSS 软件对数据样本进行拟合处理，分析共享单车对居民出行的主要影响因素，最后得到共享单车出现前后城市居民出行交通方式的分担率，根据分担率从5.5%显著提高到25.6%的现象，得出居民的出行方式发生了较大改变，从而说明共享单车改善了城市交通，并对其产生了影响。 关键字：共享单车；随机效用；模型预测 一．基于Logit模型的共享单车影响模型的建立： 共享单车使用者个体之间具有选择交通方式的行为，且相互独立，满足Logit 非集计模型的适用条件。因此，采用随机效用理论，考虑公共自行车使用的影响因素，利用 Logit 模型预测出行比例，进而确定使用次数，为共享单车交通系统规划布局提供基础数据。模型建立流程如下: 二．随机效用理论： 人们采用何种交通方式出行，起决定性因素的是这种交通方式的效用，非集计模型就是建立在消费者追求效用最大化这一理论基础之上的。影响出行者交通方式选择的因素就是特性变量，用其表征随机效用。此模型各特性变量具体内容有：①出行者特性：年龄、收入、性别、是否拥有小汽车、是否拥有自行车；②出行特性：出行距离；③交通设施服务水平：出行时间、出行成本、舒适性、准时性。 三．模型结构： 在已有的交通规划理论研究中，通常以交通小区为单位，在建模或放大样本时，将平均出行次数、平均年龄、平均出行时间等特性变量进行集计处理，运用这种方法建立的模型称为集计模型。而直接以每一个样本为单位，所建立的模型就是非集计模型[1]，也称其为离散选择模型。非集计 Logit 分担率预测模型为： 四．模型参数估计与检验步骤: (1)建立选择方案集合，选择特征变量：模型允许的选择方案An 因人而异，需要确定样本可能的选择方案集合。 采用上述理论，通过SPSS软件可以得到共享单车的交通方式比例，再根据城市总的交通出行需求确定共享单车交通出行需求。 五．模型参数估计与检验步骤。 对出行比例进行预测,应用SPSS软件中的多因素 logit 模型取样对出行数据进行数据分析，一般按照数据准备→数据读取→数据处理→多因素 logit模型的分析的流程进行,对有、无共享单车的特性变量参数进行标定，结果得到有、无共享单车的效用函数模型分别如式①式②所示。 从图1可看出，随着出行距离的增大，自行车比例急剧下降；在出行距离2km以内，设置共享单车后，自行车分担率较设置系统之前明显增加。此外，对于出现了共享单车后，使用者的收入与使用自行车比例也存在相应关系，对于低收入地区的居民实施共享单车会有更大的市场需求。如图2所示。 应用出行方式的集计预测模型[2]，对取样数据进行分析，得到没有共享单车时自行车、公交车、小汽车、地铁的集计比例=5.5 : 54.7 : 9.8:30；有共享单车时自行车、公交车、小汽车、地铁的集计比例=25.6: 45.8:8.6:20可见，共享单车出现后，自行车交通比例由5.5%升高到25.6%，提升幅度较大。也就是说，根据模型预测到共享单车这一交通方式的分担率为 25.6%。 由分担率可知，在共享单车出现之前，选择公交车和地铁作为出行方式的比例最大，达到了84.7%。在共享单车出现以后，自行车所占交通比例达到了25.6%,增长比例显著，而选择公交车和地铁的交通比例为65.8%，相较于共享单车出现前，其比例降低了18.9%，这也说明共享单车出现后，公交车和地铁这两种交通方式的分担率部分向自行车这一交通方式进行了转移。由此可见，共享单车对城市居民的出行产生了很大的影响，越来越多人倾向于骑自行车出行。 六．结论 自行车交通方式的分担率从5.5%提高到25.6%，说明共享单车对于出行起到很大的促进作用。可以得出城市居民的出行方式发生了较大改变，从而说明共享单车改善了城市交通。 参考文献: [1]关宏志.非集计行为模型[M].北京:人民交通出版社, 2004. [2]韩中庚.数学建模方法及其应用.北京：高等教育出版社，2005.6 作者简介：秦梓杰（1999年10月- ），男，汉，河北廊坊人，本科在读，研究方向：电气工程及其自动化。 本文来源：https://www.wddqw.com/doc/36a231840b12a21614791711cc7931b764ce7bd1.html