第21卷第6期2021年12月
交 通 工 程
Vol.21No.6Dec.2021
DOI:10.13986/jki.jote.2021.06.011
程 苑1,2，缐 凯1,2，马毅林1,2，宋素娟1,2，蔡乐乐1,2
(1.北京交通发展研究院城市交通运行仿真与决策支持北京市重点实验室，北京100073;
2.城市交通北京市国际科技合作基地，北京100073)
摘 要：新冠肺炎疫情爆发对北京市民出行行为影响较大，研究疫情下的出行方式选择行为，对突发公共卫生事件的防控及应对措施有着重要意义.首先，梳理了2020年北京市疫情期间出行结构变化特征，分析各交通方式的变化情况.其次，基于前景理论，建立了考虑风险成本的出行方式选择模型.然后，以10km 出行距离为例，运用方式选择模型对市民在疫情期间的出行方式选择行为进行模拟.结果显示，本 文所建立的模型在模拟民众在疫情期间的出行方式选择行为时具有较好的适用性，可帮助分析疫情期间民众的出行特征以及帮助政府提出应对方向.关键词：新冠肺炎疫情；出行结构；前景理论；风险成本中图分类号:U 491
文献标志码:A
文章编号:2096⁃3432(2021)06⁃68⁃07
收稿日期:2021⁃06⁃20.
作者简介：程 苑(1991 )，女，硕士，工程师，研究方向为交通规划.E⁃mail:chengwowo@126.
Research on the Choice Model of Travel Mode During the Pandemic Based on Prospect Theory
CHENG Yuan 1,2,XIAN Kai 1,2,MA Yilin 1,2,SONG Sujuan 1,2,CAI Lele 1,2
(1.Beijing Key Laboratory of Urban Traffic Operation Simulation and Decision Support,Beijing Transportation Development Institute,Beijing 100073,China;
2.Beijing International Science and Technology Cooperation Base for Urban Transportation,Beijing 100073,China)
Abstract :The outbreak of the novel coronavirus pandemic has a greater impact on the travel behavior of Beijing residents.The study of travel mode choice behavior under the pandemic is of great significance to the prevention,control and response measures of public health emergencies.First,the characteristics of changes in the travel mode during the 2020pandemic in Beijing are sorted out,and the changes in
various transportation modes are analyzed.Secondly,based on the prospect theory,a travel mode choice model considering the risk cost is established.Then,taking the 10km travel distance as an example,the mode choice model is used to simulate the travel mode choice behavior of citizens during the pandemic.The results show that the model established in this paper has good applicability in simulating the travel mode choice behavior of the people during the pandemic,and can help analyze the travel characteristics of the people during the pandemic and help the government to propose a response direction.Key words :coronavirus pandemic;travel mode;prospect theory;risk cost
0 引言
2019年底，新冠肺炎(COVID-19)疫情爆发，以
极快的速度传播到我国各地.因病毒传染性强，无特效药，为了防控疫情，各地政府采取了一系列管控措施.北京市在抗击疫情期间，经历了疫情爆发初
第6期程 苑，等：基于前景理论的疫情期间出行方式选择模型研究期确诊病例激增，疫情得到控制后 新发地”疫情反弹，常态疫情防控伴随 零星”确诊病例等几个阶段.在不同阶段，随着疫情形势不同，政府采取的防控措施不同，对市民的出行影响较大，市民出行特征随之变化明显.新冠肺炎期间的交通特征数据是宝贵的数据财富，梳理分析2020年北京市出行结构，研究公共卫生突发事件对人们出行选择行为影响是非常必要的.
许多学者通过调查手段分析疫情期间的出行特征，姜楠[1]对新冠肺炎疫情期间我国人主要的交通出行行为进行了分析，得出我国居民在疫情期间的交通方式与非疫情期间差别较大.也有许多学者对特殊人的出行行为进行研究，刘建荣[2]利用验证性因素分析模型研究后疫情阶段老年人的出行行为.疫情期间出行特征的统计分析非常重要，但通过出行特征建立出行选择行为模型意义更为深远.
1979年,Kahneman 和Tversky 两位学者提出了
前景理论，用以分析不确定环境下个体的决策行为[3⁃4].前景理论在出行选择行为中的研究十分成熟，许多研究均表明了其研究出行选择行为的适用
性.张波[5]总结了前景理论在出行行为研究中的应用，并讨论其适用性.王正武[6]运用了前景理论分析了多目标多路径出行选择问题，提出了路径广义
出行费用，并定义了相关的参考点.郭鸿钧[7]建立了一种前景理论与灰关联方法相结合的出行方式选择模型，模型误差在3%以内.
本文在梳理分析疫情期间北京市出行结构变化特征的基础上，基于前景理论，建立了考虑风险成本的出行方式选择模型，旨在模拟疫情期间人们的出行行为选择行为，为未来公共卫生事件突发后政府的应对措施提供借鉴.
1 疫情期间北京市出行结构特征变化
1.1 公共交通与出租车客运量同比下降
2020年新冠肺炎疫情对北京市公共交通客运
量的影响十分显著.2019年，轨道交通工作日全年日均客运量1232万人次，地面公交938万人次.
2020年2月，随着新冠肺炎疫情的爆发，叠加春节假期的影响，轨道交通和地面公交客运量降至105万人次和170万人次，仅为常态下的10.2%和20.6%.
随着疫情防控常态化，逐步复工复产后，客运量逐渐恢复,5月轨道公交客运量分别恢复至常态的58%㊁55%.6月第2轮疫情爆发后，客运量短暂下降，随后逐步升高,11月达到峰值，恢复至常态的86%㊁78%,12月北京确诊零星病例，同时受本身季节因素影响，客运量有所下降
.
图1 北京市公共交通工作日日均客运量
出租车的客运量数据变化趋势与公共交通相似,2月客运量下降明显，仅为常态的12%，随后客运量逐渐恢复,12月恢复至常态的74%.1.2 共享单车订单量明显增加
2020年，北京市民对自行车方式热度升高，这与自行车方式的独立性和安全性密切相关.根据共享单车订单量，自6月以后订单量已超过去年同期，在天气适宜的秋季，客运量最高达到去年同期的
2.7倍.即使年底冬季，订单量仍远超去年同期及前3季度.
大型游乐设施1.3 小汽车出行方式更受市民偏爱
根据北京交通发展研究院的小汽车出行行为监测系统，疫情期间出行者更加偏爱小汽车方式，小汽车出行强度高，且在各方式中恢复最快.在出行总量下降的情况下，小汽车出车率与常态化同期水平相当，其中4㊁5月因复工复产要求，结合此时较为紧
9
6
交 通 工 程2021
年
图2 北京市出租车工作日日均客运量
图3 北京市共享单车工作日日均订单量
张的疫情形势，小汽车出车率达全年最高水平.出车车辆的出行次数逐渐恢复，但总体仍比常态化少,
12月恢复至常态的96%.
图4 北京市小汽车工作日出行强度
1.4 绿出行比例同期下降
分析2020年各方式恢复常态情况，将该年度每月工作日日均客运量除以2019年同期工作日日均客运量，得到各方式的恢复比例.2020年，出租车恢复的最慢，其次是轨道和地面公交，小汽车的恢复程度要超过公共交通.恢复速度上，小汽车是恢复最快的方式，在疫情形势最紧张的时期，承担了重要的出行功能，自行车在下半年恢复速度快，也是唯一一种超过去年同期出行量的出行方式.
出行总量和出行结构的变化受疫情进程影响明
图5 2020年各出行方式恢复情况
显，年底出行总量恢复至同期91%，绿出行比例下降1%.具体可归纳为4个阶段:
1.4.1 疫情初期出行量急剧下降期2020年1月20日，北京市发布首例确诊病例
信息，该病例于1月12日确诊.随后，新冠肺炎确诊病例不断增多，此时恰逢春节假期，国务院发布通知春节假期延至初九.北京市对街道防控㊁进出京㊁办公楼到岗率等都出台了严格要求，鼓励用人单位实施弹性办公，以减少人员流动.按照交通运输部有关要求，北京市对公共交通的满载率设置限制，控
制在50%以内，并暂停运营部分公交线路.在此阶段，疫情形势严峻叠加严格的防控措施，人们的出行意愿低，出行总量显著减少，公共交通客运量断崖式下跌，由于天气气温较低，自行车出行较少，出行更多地依靠小汽车和步行方式.
1.4.2 绿出行比例恢复期2020年4月疫情防控应急响应级别下降，进入
复工复产出行恢复期，出行意愿逐渐恢复，运营企业不再要求人员密集企业50%到岗率，上调了地面公交及轨道交通满载率，逐步恢复部分公交线路.疫情防控逐渐常态化，该阶段出行总量及公共交通客运量快速恢复，但小汽车出行比例仍在高位.
1.4.3 绿出行比例反复期
2020年6月下旬新发地疫情爆发，附近小区封
闭管理，暂停部分中小学生上课.该阶段出行总量及各方式出行量均略有下降，但因精准防控政策防疫得当，确诊病例在40天内全部清零，对整体出行恢复的趋势影响不大.同时随着气温的升高，自行车的独立性较好，其占比显著增加.
1.4.4 疫情防控常态期
2020年8月该阶段出行量快速恢复，尤其是9月
开学后，出行量恢复明显.虽然仍有零星确诊病例，但对整体出行的影响较少.出行结构逐渐向常态化发展，但小汽车转向公共交通的出行习惯一时难以扭转，绿出行比例整体低于常态.
7
第6期程 苑，等:
基于前景理论的疫情期间出行方式选择模型研究图6 2020年中心城区出行结构
图7 2020年北京市中心城区各方式出行量变化
2 考虑风险成本的出行方式选择模型建立
数据显示，疫情期间出行结构与疫情进程密切相关且波动性较大，基于效用最大化的随机离散行为选择模型对此适用性不佳.基于前景理论，建立考虑风险成本的出行方式选择模型，能更好地模拟疫情期间人们的出行方式选择行为，建立的模型可适用于疫情期间各阶段的出行结构，各阶段的主要区别在于对风险成本的心理感知不同.
前景理论最初是心理学方面的研究成果，用于解释个人决策行为，将个人的价值感受融入决策行为中.传统的期望效用理论基于理性虚拟人，即决策中仅呈现理性特征，但人们在实际决策行为时，通常还有价值感受特征，这无法在期望效用理论中体现.前景理论几个重要的特点使其十分适合描述出行者的出行方式选择行为：人们无法完全理性地仔细分析所有情景，仅基于现有情况作为参考点快速得出一个收益损失估计值，前景理论承认这种决策行为上的误差；前景理论认为：面对同等量的损失和收益，损失的效用要大于收益的效用，这更加符合人们对出行成本时的认知，比如迟到带来的损失比早
到带来的收益要大的多；人们对损失和收益的判断基于个体感受，与个人特征及事件特征密切相关.疫情期间人们的出行方式选择行为与其心理感受密切相关，前景理论十分适合描述这种行为.2.1 出行成本
一般情况下，出行成本需考虑出行时间及出行费用，出行时间可与出行者的时间价值结合，将出行时间折算成费用.在新冠肺炎疫情期间，人们在出行方式的选择上会考虑出行过程中的传染风险，因此在出行成本中会考虑风险成本.风险成本较难量化，且与个体的感受相关.2.2 参照点
参照点的选取对结果至关重要，结果对参照点极其敏感，本文的计算方法是将属性值按概率平均，计算式如下:
e j =
∑3
i =1
(p i (a l ij +a u ij ))
∑3
i =1
p i (1)
式中,j 为不同出行方式;e j 为不同出行方式出行成本的参照点;i 为各种情形的概率;a l ij ㊁a u ij 为i 情形j 出行方式的左右区间值.
1
7
交 通 工 程2021年甘肃平凉旅游景点大全
2.3 收益损失矩阵
采取文献[8]中的计算方法，如下:
将属性值表示为a ij(a l ij,a u ij)，参照点表示为e j：当e j<a l ij时,g ij=0,l ij=e j-0.5(a l ij+a u ij).
当a u ij<e j时,g ij=e l j-0.5(a l ij+a u ij),l ij=0.当a l ij≤e j≤a u ij时,g ij=0.5(e j-a l ij),l ij=0.5(e j-a u ij).
将 收益” 损失”矩阵标准化:
g′ij=g ij z j(2)
l′ij=l ij z j(3)式中, 收益”矩阵G=[g ij]; 损失”矩阵L=[l ij]；标准化后的 收益”矩阵G′=[g′ij]；标准化后的 损失”矩阵L′=[l′ij],z j=max{|g ij|,|l ij|}.
2.4 价值函数
价值函数公式为:
v ij=(g′ij)α+[-λ(-l′ij)β](4)式中v ij是价值.
Tversky和Kahneman运用非线性回归来标定参数,α=β=0.88,λ=2.25.这个结果能描述大多数的决策者的行为[4].
2.5 决策权重函数
恒山旅游攻略自助游决策权重函数的计算方法:
当该方案是 收益”时:
d(p i)=pγi
(pγi+(1-p i)1γ)(5)当该方案是 损失”时:
d(p i)=pδi
(pδi+(1-p i)1δ)(6)式中,p i为情形i的发生概率;d为各情形的决策权重;γ和δ为参数，这里γ=0.61,δ=0.69.2.6 前景值
前景值计算方法如下:
q1=∑3i=1v′i d i
q2=∑5i=4v′i d i
q3=∑7i=6v′i d i
q4=∑9i=7v′i d
山东荣成天气预报ì
î
í
ï
ï
ï
ï
ï
ï
ï租车平台app
ï
ïï
i
(7)
式中q j为各出行方式的前景值.
2.7 出行交通方式分担率
f j=e q j∑j=1e q j(8)式中,j为出行方式;f j为该出行方式的出行比例.
3 案例分析
为模拟人们的出行方式选择行为，同时方便数据比对，本节以疫情防控常态化期间,10km距离的出行为例设置情形(北京市中心城区平均出行距离为9.7km).在该距离下仅考虑机动化出行方式，不考虑慢行出行方式.出行成本方面考虑3个因素，出行时耗㊁出行费用以及疫情风险.
3.1 情景假设
从2020年北京交通发展研究院实施的出行调查结果来看，疫情期间市民对公共交通出行环境最为关注的是满载率，因此在疫情风险成本这一项，选择了满载率指标.为简化模型，认为公共交通时间越长的情形，发生在高峰期的概率越大，因此满载率越高.得出以下情形设置:
表1 情形设置情况
出行方式情形1(概率)情形2(概率)情形3(概率)
轨道交通
丹霞山旅游风景区门票多少钱
35~50min,
满载率50%以下(50%)
50~60min,
满载率50%~80%(30%)
60~70min,
满载率80%以上(20%)
公交车
35~50min,
满载率50%以下(25%)
50min~65min,
满载率50%~80%(60%)
65min~75min,
满载率80%以上(15%)
出租车20~33min(60%)33~50min(40%) 小汽车17~30min(70%)30~45min(30%)
3.2 出行成本计算方法
3.2.1 出行时间费用
出行时间费用与时间价值相关，本文以北京市为 实例，取2020年北京市人均可支配收入69434元，折算成工作小时为34.7元/h.
27
