基于平臺視角軌道交通對路網 交通擁堵的影響研究

陳躍剛，杜興龍

（上海大學 悉尼工商學院，上海 201800)

1 概述

城市軌道交通不斷吸引路網中的客流，對車流過大而導致的路網交通擁堵起到很好的緩解作用，但是隨著城市人口的不斷增加，一些軌道交通網絡的客流趨于飽和，對路網交通擁堵的緩解作用有限。在軌道交通對城市諸多影響的相關研究中，通常將軌道交通的站點規模作為自變量使用，而事實上，軌道交通站點規模對交通擁堵緩解的作用實際十分有限。Yang[1]在北京市軌道交通對路網交通擁堵的實證研究中，發現站點規模僅在剛開通的一段時間內產生對路網的交通緩解作用。直接將站點規模的影響視為軌道交通的影響，并不能有效反映軌道交通對交通擁堵緩解的效果，因而需要尋找一個能夠完整地剖析軌道交通對路網交通擁堵的影響機理方法，并給出其真實效用。

經分析，造成路網交通擁堵的關鍵原因在于路網私家車出行者數量的增加，而軌道交通對擁堵的緩解是通過私家車出行者放棄原出行方式選擇軌道交通出行而實現的。因此，基于平臺視角，以上海市為例，將軌道交通與路網視為2個平臺市場，軌道交通對路網交通擁堵的緩解體現在軌道交通平臺市場對路網平臺市場客流的吸引。當原屬于路網平臺的私家車出行者退出路網平臺市場，加入軌道交通平臺市場，即完成了對路網交通擁堵的緩解。

采用平臺視角的優勢，在于有效地對平臺間客流流動進行刻畫，兼顧了軌道交通對路網交通擁堵可能存在的正面與負面作用，幫助掌握軌道交通對路網交通擁堵影響的整個機理。通過對軌道交通平臺與路網平臺的相互影響進行比較分析，得到軌道交通對路網交通擁堵的真實影響。

平臺視角下軌道交通對路網交通擁堵的影響機理如圖1所示，軌道交通對路網交通擁堵的緩解作用主要有2條路徑。①路網平臺自身過度擁堵產生的擁堵效應，導致私家車出行者退出路網平臺市場，加入軌道交通網絡平臺市場，達到緩解路網交通擁堵的目的；②路網平臺自身過度擁擠產生的擁堵效應，導致私家車出行者退出至總交通市場，而此時如果存在軌道交通的正向網絡效應，即能夠有效吸引總交通市場的客流加入軌道交通網絡平臺市場達到緩解擁堵的目的。

圖1 平臺視角下軌道交通對路網交通擁堵的影響機理Fig.1 Mechanism for the influence of rail transit on traffic congestion in the road network from the platform

軌道交通對路網交通擁堵的惡化作用同樣存在2條路徑。①軌道交通網絡平臺自身負向網絡效應(如自身軌道交通客流過于飽和)導致軌道交通網絡平臺客流直接退出至路網平臺市場，選擇私家車出行方式；②由于軌道交通網絡平臺自身負向網絡效應，客流退出至總交通市場，而此時由于路網平臺自身擁堵情況的改善，吸引總交通市場的乘客重新回到了路網平臺市場，采用私家車出行，導致路網交通擁堵再次惡化。值得一提的是，如果軌道交通網絡平臺流失的客流回到路網平臺市場采用的是公共交通系統，則不會產生惡化效應。

因此，基于平臺視角分別構建軌道交通網絡平臺模型與路網平臺模型，并進行長達4年的跟蹤，以期將所獲得的研究結論更好地應用于實踐，并給出相應的建議。

2 模型構建

軌道交通與路網交通擁堵的關系并非是單向的，不僅存在軌道交通對路網交通擁堵的影響，還存在路網交通擁堵對軌道交通的影響。對比2種不同的影響，探究軌道交通對路網交通擁堵影響的真實效果。

2.1 軌道交通網絡平臺模型

通過構建軌道交通網絡平臺模型，研究路網交通擁堵或路網平臺上車流規模對乘客軌道交通出行偏好的影響。乘客選擇加入軌道交通網絡平臺的間接效應取決于個人喜好、路網交通擁堵程度、軌道交通網絡平臺客流規模狀況，以及節假日影響。由于軌道交通網絡平臺具有公共品屬性，乘客出行所支付的車費，相對于軌道交通網絡的建設成本、運營成本而言，幾乎可以忽略不計，因而計算公式中對乘客加入軌道交通網絡平臺所支付價格假設為0。以道格拉斯函數的形式表示乘客加入軌道交通網絡平臺的間接效應，隨后將該間接效應代入到偏好與選擇可能性的計算公式中，分別得到加入與不加入軌道交通網絡平臺的計算公式，假設潛在乘客加入軌道交通網絡平臺的可能性和總交通市場中的潛在乘客市場份額相同，因而將可能性計算公式中的因變量替換成總交通市場中的潛在乘客市場份額，最終得到軌道交通網絡平臺模型。

對t時間乘客選擇加入或退出軌道交通網絡平臺的間接效應以柯布－道格拉斯函數形式表示[2]，計算公式為

假設PB=0，并進行對數化變換，計算公式為

式中：C0為總交通市場中的潛在乘客對軌道交通網絡平臺初始的喜好；C1為軌道交通網絡平臺客流規模對其成長的影響系數；C2為路網車流規模(擁堵程度)對軌道交通網絡平臺客流規模的影響效應；C3為節假日的影響系數。

在對選擇行為進行定量分析的模型研究中，考慮偏好和選擇可能性，得出加入軌道交通網絡平臺的可能性計算公式為[3-5]

不加入軌道交通網絡平臺的可能性計算公式為

總交通市場中的潛在乘客加入軌道交通網絡平臺的可能性和總交通市場中的潛在乘客市場份額相同，因而軌道交通網絡平臺中乘客端的相對市場份額計算公式為

2.2 路網平臺模型

同理，可以得到路網平臺模型。

乘客選擇加入或退出路網平臺的間接效應以柯布－道格拉斯函數形式表示[2]，計算公式為

由于路網平臺具有公共品屬性，乘客出行所支付的過路費，相對于路網的建設成本、運營成本而言，可以忽略不計，因而設PB= 0，并進行對數變換，計算公式為

式中：D0為總交通市場中的潛在乘客對路網平臺初始的喜好；D1為路網網絡平臺客流規模對路網平臺客流規模成長的影響系數；D2為軌道交通網絡平臺客流規模對路網平臺客流規模成長的影響系數；D3為節假日的影響系數。

加入路網平臺的可能性計算公式為

不加入路網平臺的可能性計算公式為

同理，假設路網平臺市場中的潛在乘客加入路網平臺的可能性和路網平臺潛在乘客市場份額相同，得到路網平臺中乘客端的相對市場份額計算公式為

為了保證結果更好地服務于研究，進一步采用以下處理方式。

（1）平臺客流規模處理。軌道交通網絡平臺客流規模、路網平臺客流規模視為原基礎上的規模與新增量之和。軌道交通網絡平臺在這里使用上海人口數量作為潛在規模。在t時段開始，軌道交通網絡平臺市場存在位乘客。在時段t，個乘客加入或退出軌道交通網絡平臺，并且與此同時又有表示時段t新增的人口，即新增乘客加入了潛在市場。在時段t末(即在時段t+1初)市場規模為。將潛在市場存在設置為該城市總人口數量的2倍，由于主要研究對象是工作日的通勤者，每一個通勤者上下班至少2次使用軌道交通網絡平臺。針對路網客流規模，t時段城市路網平臺最大可承受客流規模潛在市場為，t時段共有客流量加入或退出路網平臺，城市人口增加或減少的數量為，因而路網客流規模市場。由于主要使用上海交通委員會的交通擁堵指數數據，可將交通擁堵數據設置為0 ～ 100，100即為路網平臺最大客流規模潛在市場。

（2）對數模變化。為了滿足取對數的要求，對因變量指標進行對數模變化處理。朱江麗等[6]在研究長三角城市產業—人口空間耦合的研究中為了滿足取對數需求對指標進行平移處理。由于對數模變化相比平移處理能夠更好地幫助展開數據的大小，同時保留數據的符號，該變換取變量絕對值加1的對數。如果原始值為負，則通過乘以-1保證原數據的符號[7]，計算公式為

式中：x為原數據；L(x)為對數模變化處理后的數據；sign (x)為1或-1，當x大于零為1，當x小于零為-1。

（3）內生性處理。由于軌道交通網絡平臺模型與路網平臺模型研究的是兩平臺對自身客流和對方客流的影響，這有可能遺漏了平臺視角以外的某些影響因素，無法保證誤差項與模型中的變量不相關，存在內生性的問題。為了保證回歸結果的無偏性與一致性，研究采用工具變量法來解決這一內生性問題，首先找到模型中存在的內生性變量，并采用該內生變量的滯后項作為工具變量，在通過弱工具變量檢驗后，將該工具放入模型中代替原內生變量，此時由于工具變量與誤差項不相關，不存在內生的問題，所得到的結果可以認為是可信的。

在對軌道交通網絡平臺客流市場與路網平臺客流市場回歸分析的回歸過程中，將通過Hausman檢驗找到模型中可能存在的內生性變量，同時將該內生變量的滯后項作為工具變量并進行弱工具變量識別，在拒絕了弱工具變量假設的基礎上，采取工具變量法中的兩階段最小二乘法(2SLS)進行回歸。

3 實例研究

以上海市軌道交通網絡平臺與上海市路網平臺為例，選取2016年4月8日—2019年9月8日上海申通地鐵集團運營管理部的日客流數據與上海市交通委員會交通指揮中心的日早高峰全路網擁堵指數數據，基于平臺視角分析軌道交通與路網交通擁堵互相造成的不同影響，并通過對比分析得到上海市軌道交通對路網交通擁堵的真正影響。

3.1 基礎數據

通過觀測得到日客流規模(Nb)、日新增客流(nb)、日擁堵指數(NL)、日新增擁堵指數(nl)、軌道交通網絡平臺的相對客流市場規模(Brm)、相對擁堵指數(Lrm)的1248條數據。描述性統計分析表如表1所示，Brm與Lrm分別是軌道交通網絡平臺模型、路網平臺模型的因變量，Brm均值為0.001，最大值、最小值分別為0.051，-0.182。雖然均值為0.001，但每當波動0.001個單位時將會影響約幾十萬至百萬的客流加入或退出軌道交通網絡平臺，這對整個軌道交通網絡平臺及城市路網的擁堵緩解都有著至關重要的影響。

表1 描述性統計分析表Tab.1 Descriptive statistical analysis table

3.2 軌道交通網絡平臺客流市場與路網平臺客流市場回歸分析

Hausman檢驗(軌道交通網絡平臺模型)如表2 所示，軌道交通網絡平臺模型中存在內生變量ln (Nb)，因而采用ln (Nb)的滯后項作為工具變量，弱工具變量識別(軌道交通網絡平臺模型)如表3所示，該工具變量拒絕了弱工具變量的假設。

表2 Hausman檢驗(軌道交通網絡平臺模型)Tab.2 Hausman test (model for the rail transit network platform)

表3 弱工具變量識別(軌道交通網絡平臺模型)Tab.3 Weak instrumental variable identification (model for the rail transit network platform)

Hausman檢驗(路網平臺模型)如表4所示，路網平臺模型中存在內生變量ln (NL)，故采用ln (NL)的滯后項作為工具變量，弱工具變量識別(路網平臺模型)如表5所示，該工具變量拒絕了弱工具變量的假設。

表4 Hausman檢驗(路網平臺模型)Tab.4 Hausman test (model for the road network platform)

表5 弱工具變量識別(路網平臺模型)Tab.5 Weak instrumental variable identification (model for the road network platform)

軌道交通網絡平臺模型、路網平臺模型OLS回歸結果如表6所示，軌道交通網絡平臺模型、路網平臺模型IV-2SLS回歸結果如表7所示，分別是對軌道交通網絡平臺模型與路網平臺模型進行的OLS與IV-2SLS法回歸。由于模型中存在內生性，僅對表7的結果進行討論。

表6 軌道交通網絡平臺模型、路網平臺模型OLS回歸結果Tab.6 OLS regression results of models for the rail transit network platform and the road network platform

從表7可知，無論在工作日與節假日，軌道交通客流規模ln (Nb)對軌道交通客流市場已經產生了負面影響。軌道交通客流規模對工作日軌道交通客流市場的影響為 -0.00082，對節假日軌道交通客流市場的影響為-0.00046， 說明軌道交通客流飽和正在導致軌道交通網絡平臺客流的流失。與此同時，由于路網交通擁擠ln(NL)，更多的人在工作日選擇采用軌道交通作為出行方式，路網交通擁堵對工作日軌道交通客流市場的影響為0.00143，而對節假日的軌道交通客流市場沒有影響，可能原因是節假日路網路況良好。

同理，從表7可知，無論在工作日與節假日，路網交通客流規模(路網的交通擁堵) ln (NL)對路網客流表現出一致性的負面影響，路網交通擁堵對工作日路網客流影響為-0.03002，對節假日路網客流影響為-0.01338，路網交通擁堵使得更多的人放棄路網出行方式，這與軌道交通網絡平臺模型中的發現一致。但是，在工作日軌道交通客流規模ln (Nb)對路網交通擁堵的影響中，發現軌道交通的客流規模并沒有對路網交通擁堵產生影響，這可能是由于退出軌道交通的客流轉而采用了路網平臺中的公共交通系統，沒有對交通擁堵產生影響。而在節假日，由于軌道交通客流相比于工作日并沒有那么飽和，故對路網的交通擁堵產生了緩解作用。

表7 軌道交通網絡平臺模型、路網平臺模型IV-2SLS回歸結果表Tab.7 IV-2SLS regression results of models for the rail transit network platform and the road network platform

3 研究結論

（1）上海市軌道交通客流過飽和等負面影響導致的客流流失尚未造成路網交通擁堵的惡化。說明現階段流失到路網中的客流，大多采取了路網公共交通出行，而非私家車出行，但今后依然存在交通擁堵惡化的可能，需要持續關注。

（2）上海市軌道交通已經無法有效地緩解路網交通擁堵。軌道交通客流飽和導致的客流流失近年來不斷惡化，無法吸引更多的新客流加入，僅在節假日表現出對路網客流的吸引，對軌道交通客流過飽和的干預已刻不容緩，可以采取高效車站間動態協同限流，將注意力放在多個相鄰車站的動態協同控制上[8]。

（3）乘客迫于路網交通擁堵無奈選擇軌道交通出行。目前軌道交通客流的增長，路網交通的擁堵緩解，主要是由于乘客受到路網交通擁堵的影響，而非軌道交通的吸引，可通過科學增設換乘站點提高乘客的換乘效率以加強自身吸引力。