基于出行链的城际旅客多模式出行选择研究

Multi-Mode Travel Choice of Intercity Passengers Based on Travel Chain

摘要

随着我国各种交通方式的快速发展，我国城际旅客的出行方式也变得愈加多样化，同时，由于人民生活水平的不断提升，城际旅客出行更加注重出行的过程，对运输服务质量的要求较高。为了更好地满足城际旅客的出行需求，对城际旅客出行方式选择的影响因素进行调查分析。首先，详细分析城际旅客的出行链构成、分类及城际旅客出行主要交通方式；其次，综合考虑城际旅客自身属性、出行属性及交通运输方式属性等因素，构建基于城际出行链的SEM-Logit选择模型；最后，利用算例分析模型的有效性，结果表明所构建的模型可以真实反映城际旅客出行选择行为。基于出行链的旅客多模式出行选择模型可以方便旅客出行路径的规划，为不同旅客群体提供决策支持。

Abstract

With the rapid development of various transportation modes in China, the travel modes of intercity passengers in China have become more diversified. At the same time, due to the continuous improvement of people's living standards, intercity passengers pay more attention to the travel process and have higher requirements for the quality of transportation services. Therefore, in order to better meet the travel needs of intercity passengers, it is necessary to investigate the factors influencing the travel mode choice of intercity passengers. Firstly, the composition and classification of the travel chain, as well as the main transportation modes of intercity passengers were analyzed in detail. Secondly, by considering factors such as passenger attributes, travel attributes, and transportation mode attributes, an SEM-Logit choice model based on an intercity travel chain was constructed. Finally, the effectiveness of the model was analyzed by using an example. The results show that the constructed model can truly reflect the travel choices of intercity passengers. The multi-mode travel choice model based on the travel chain can facilitate passengers' planning of travel paths and provide decision support for different passenger groups.

Graphical abstract

关键词

城际旅客 / 出行链 / 出行路径 / 出行选择行为 / SEM-Logit模型

Key words

Intercity Passengers / Travel Chains / Travel Paths / Travel Choice / SEM-Logit Model

0　引言

由于城际铁路、城市轨道交通、公交车、出租车及私家车的快速发展，使得城际旅客的出行方式呈现多样性特征，各种交通方式之间的联系也愈加紧密。由于不同旅客群体的出行偏好特性不同，因此旅客的出行方式选择存在明显差异。通过对出行者的出行方式选择进行调查分析，对旅客的出行路径进行研究，可以为旅客群体提供个性化的线路规划、实现多种交通方式协同运营、改善运输产品的服务品质等方面提供理论支持。

基于出行链的出行选择研究方面，针对城市内居民的出行研究较多^[1-3]，随着区域交通网络的不断完善，基于出行链研究区域交通的出行行为逐渐成为热点。李闻浩^[4]定义区域轨道交通出行链并分析其影响因素，基于出行链分析区域轨道交通客流特征。叶玉玲等^[5]从出行全过程出发，明确城际旅客出行链的构成，建立基于出行链的旅客城际出行方式选择模型。马书红等^[6]基于出行链研究城际出行者换乘选择行为，构建混合Logit模型。朱绪裴^[7]基于旅客出行链，建立以不同出行偏好为目标函数的多制式轨道交通系统旅客出行路径选择模型。郑晓静^[8]基于活动链的理论，建立基于出行链的运输通道多用户多准则交通方式选择三层Nested Logit(NL)模型，并分析出行链中其他因素对通道内运输方式选择的影响。王玲玲^[9]通过建立交叉巢式Logit模型，分析经济社会属性、出行链端点区位属性、工作活动属性对出行者的影响。张思佳等^[10]基于出行链构建考虑回程因素的闭环通勤出行选择决策模型。Huang等^[11]基于NL模型，识别旅客在旅行模式选择和出行链模式之间的决策过程。Liu等^[12]从心理会计的角度分析旅客的效用计算原理，提出考虑旅行时间和成本的旅行选择行为(MA-TC)模型。Li等^[13]从全出行链角度出发，采用贝叶斯混合多项逻辑模型探讨城际交通模式选择的影响因素。

从研究现状来看，基于出行链研究旅客出行选择行为逐步成为热点问题。从研究内容来看，以城市内部出行链的研究较多，多采用以随机效用理论为基础的各类Logit模型，对包含显变量和潜变量的各种影响出行行为的因素展开分析。近年来，考虑旅客出行链的城际旅客多模式联程出行行为的研究逐步增多。据此，基于出行链对城际旅客的出行模式选择行为进行研究。首先，对城际旅客的出行链构成、分类及城际旅客出行主要交通方式进行详细分析；其次，综合考虑城际旅客的自身属性、城际旅客的出行特性、运输产品的属性、社会经济发展等影响因素，构建基于城际出行链的结构方程(SEM)-Logit选择模型；最后，利用算例对模型的有效性进行验证。

1　城际旅客出行链基础理论

1.1　城际旅客出行链的构成

城际交通出行的空间跨度一般在70~300 km左右，覆盖城市群1~1.5 h的出行圈^[14]。城际旅客为完成一项或多项活动，在2个或多个城市间的出行全过程一般包含市内区域和城市间2个部分。由于城际旅客的出行方式多种多样，因此从旅客出行层面看，城际旅客出行链的构成是由起始城市采用多种交通方式相结合抵达目的城市的一次出行全过程。城际旅客市内区域主要以道路交通及轨道交通为主，主要的运输服务方式为公交、出租车及城市轨道交通。城市间主要有航空交通、道路交通及轨道交通^[15]，主要的运输服务方式为长途大巴、高速铁路、普速铁路及飞机。

城际旅客的出行链根据旅客出行目的可以分为务工、通勤、旅游、日常生活及经商等。在出行的整个过程中，旅客会综合考虑出行所花费的时间及费用，出行的便捷性、安全性和乘车的舒适性等因素，不同旅客群体所选择的市内和城际出行的方式不同。城际旅客出行方式选择的主要影响因素包含旅客自身属性、运输产品属性及其他因素等。在城际旅客选择行为的表征方面，快速性、经济性、便捷性和舒适性等出行方式属性，受到旅客对时间成本、经济成本、换乘便捷及舒适度等感知程度和出行方式的综合影响，通过结构方程模型建立旅客对出行时间、费用、便捷性及安全性等因素的感知函数及结构方程，进而可以生成不同交通方式的城际交通出行链路径。城际旅客出行链构成及选择影响因素如图1所示。

1.2　各交通出行模式的特点

（1）普速铁路。在中长距离运输中，普速铁路占有重要地位。普速铁路具有运输能力大、运输成本低，受天气、季节等自然条件影响小，安全性、可靠性、准点率高等优点。

（2）高速铁路。高速铁路主要特点为速度比较高，缩短了城际旅客的出行时间，并且安全、可靠、舒适，但高速铁路的票价相对较高，因此选择高速铁路出行与人们收入水平有一定的关系。

（3）城际铁路。城际铁路大多运营在城市群中，城际铁路的发车密度大，具有速度比较高，方便、快捷、安全、可靠、舒适等特点，能够满足城际旅客出差、通勤、商务及旅游等多种出行需求，但城际铁路的票价相对较高。

（4）公路。公路出行可以分为市内和城市间2个部分，市内部分主要包含公交、出租车及私家车，城市间出行包含长途大巴和私家车。市内出行方面，公交车价格便宜，但具有速度慢、出行便捷性较差及需要换乘的特点；出租车便捷性和灵活性较好，但费用相对于公交较高；私家车出行比较方便、机动灵活，但需要考虑停车问题。城市间出行方面，长途大巴相对于私家车而言，费用较低，但不太方便，舒适性、安全性均比铁路出行差；私家车出行具有机动灵活的特点，不需要中转换乘，但费用较高，安全性较低。

（5）航空。由于城际出行的距离相对较短，航空出行在两端的耗时相对较长，造成整体出行链的时间不占优势，同时运输费用相对较高，在城际出行方式选择中占比相对较低。

2　城际旅客多模式出行选择模型构建

通常情况下影响城际旅客出行行为的因素主要有城际旅客自身属性、出行属性及交通运输方式属性等方面的特征。旅客自身属性方面主要包括月收入、职业、年龄、文化程度及性别等。旅客出行属性方面主要包括出行目的、出行距离及出行时间等。交通运输方式属性方面主要包括安全性、经济性、舒适性、快速性及便捷性等。此外，若一次出行出现换乘情况，则换乘属性包含换乘方便性、换乘经济性等。

城际旅客出行选择行为是一种具有多阶段、多影响因子的综合决策过程。针对城际旅客出行选择行为的研究以离散选择模型应用较为广泛，其中，SEM是一种广泛应用的多元统计线性参数模型，可以有效分析出变量之间的内在连接性^[6]。因此，在研究方法上，常对SEM与Logit模型进行整合，即SEM-Logit模型。

SEM-Logit模型结构图如图2所示。其中，SEM主要用来描述出行方式的潜变量与其对应的观测变量之间的关系，由于观测变量无法影响出行者的出行方案选择，但可以用来反映潜变量，因而要观察潜变量对城际旅客出行选择的影响，就需要通过结构方程明晰出潜变量和观测变量之间的关系，从而探究潜变量对出行选择的影响程度，每个潜变量都对应有各自的观测变量。Logit模型主要用来观测显变量与出行方式选择的关系，采用软件拟合系数，最后确定显变量对城际旅客出行方式选择的影响。

2.1　模型变量分析

影响城际旅客出行方式选择的因素有很多，不仅包括城际旅客的自身属性，还有运输产品的属性等，将相关变量分成显变量与潜变量2种类型。显变量指能够进行观测的变量，反之，即是潜变量。

（1）显变量。显变量主要包含城际旅客的自身属性和运输产品的属性。城际旅客的自身属性主要包含性别、年龄、收入、职业、受教育程度、是否拥有私家车等。运输产品的属性主要包括快速性和经济性，快速性是从出发地到达目的地花费的时间，经济性是指在出行中所支出的费用。

（2）潜变量。潜变量指的是一些比较抽象的隐形因素，如城际旅客的出行态度及人格方面的一些特性，心理潜变量可以反映城际旅客选择某种交通方式的偏好，并且对城际出行者的效用值形成一定程度的影响，这里主要探究城际旅客在出行过程中对安全、舒适、便利和可靠的交通运输服务偏好。由于城际旅客对运输的安全、舒适、便捷性和可靠性的偏好程度很难进行实际观测，因而需要设置与之相应的解释变量。

2.2　效用函数

出行者选择第i种方案时，其效用函数U_i计算公式如下。

U_i={\displaystyle \sum _l^L}{a}_{il}{s}_{il}+{\displaystyle \sum _m^M}{b}_{im}{z}_{im}+{\displaystyle \sum _k^K}{c}_{ik}{\eta }_{ik}+{\epsilon }_i⑴

式中：i为出行者选择的出行方案；l为出行者可以直接被观测特性的数量；m为出行特性可以直接观测变量的个数；k为潜变量的个数；s_{il}为出行者可以直接观测的显变量；z_{im}为出行特性可直接观测的显变量；{\eta }_{ik}为潜变量；a_{il}，b_{im}，c_{ik}为待估的参数；{\epsilon }_i为效用函数的误差项。

为了确定{\eta }_{ik}的适配系数，需要通过结构方程说明潜变量与观测变量之间拥有的相互关系，计算公式如下。

y_{i\mathrm{k}}=\sum _x{\gamma }_{ik}{\eta }_{ik}+{\xi }_{ikx}⑵

式中：y_{ik}为与潜变量对应的一系列观测变量；x为潜变量对应的观测变量的个数；{\gamma }_{ik}为待估参数；{\xi }_{ikx}为误差项，\xi_ikx ~N（0，σ²），其中\sigma为{\xi }_{ikx}的标准差。

2.3　基于出行链的SEM-Logit选择模型

分别用A，B，C表示城际旅客出行全过程中的3个出行阶段，即前端城市出行、城际出行及后端城市出行，其效用函数模型计算公式如下，各变量解释同公式⑴。

\left\{\begin{array}{l}{U}_{Ai}={\displaystyle \sum _l^L}{a}_{Ail}{s}_{il}+{\displaystyle \sum _m^M}{b}_{Aim}{z}_{im}+{\displaystyle \sum _k^K}{c}_{Aik}{\eta }_{ik}+{\epsilon }_{Ai}\\ U_{Bi}={\displaystyle \sum _l^L}{a}_{Bil}{s}_{il}+{\displaystyle \sum _m^M}{b}_{Bim}{z}_{im}+{\displaystyle \sum _k^K}{c}_{Bik}{\eta }_{ik}+{\epsilon }_{Bi}\\ U_{Ci}={\displaystyle \sum _l^L}{a}_{Cil}{s}_{il}+{\displaystyle \sum _m^M}{b}_{Cim}{z}_{im}+{\displaystyle \sum _k^K}{c}_{Cik}{\eta }_{ik}+{\epsilon }_{Ci}\end{array}\right.⑶

由于城际旅客出行链的效用函数不能通过出行全过程中的各出行阶段的效用函数进行简单的线性方法来求解，因此，把城际旅客的3个出行阶段视为一个整体，整条出行链的选择效用计算公式如下。

U_{Ai-Bi-Ci}={\displaystyle \sum _l^L}{a}_{Ai-Bi-Cil}{s}_{il}+{\displaystyle \sum _m^M}{b}_{Ai-Bi-Cim}{z}_{im}+{\displaystyle \sum _k^K}{c}_{Ai-Bi-Cik}{\eta }_{ik}+{\epsilon }_{Ai-Bi-Ci}⑷

假设出行者n的出行方式选择方案集合为A_n，选择方案i的效用为U_i，选择方案j的效用为U_j，依据效用最大化的原理，城际出行者选择方案i的概率计算公式如下。

P_i=\frac{\mathrm{e}\mathrm{x}\mathrm{p}\left({\displaystyle \sum _l^L}{a}_{il}{s}_{il}+{\displaystyle \sum _m^M}{b}_{im}{z}_{im}+{\displaystyle \sum _k^K}{c}_{ik}{\eta }_{ik}+{\epsilon }_i\right)}{\sum _j\mathrm{e}\mathrm{x}\mathrm{p}\left({\displaystyle \sum _l^L}{a}_{jl}{s}_{jl}+{\displaystyle \sum _m^M}{b}_{jm}{z}_{jm}+{\displaystyle \sum _k^K}{c}_{jk}{\eta }_{jk}+{\epsilon }_j\right)}⑸

基于出行链的SEM-Logit模型包含城际旅客的自身属性、出行特性，以及安全性、便捷性、舒适性、可靠性4个潜变量。根据调查数据求出各出行链潜变量与其对应的观测变量之间的因子荷载，对因子荷载进行标准化，依靠调查问卷得出的观测变量的数值，可以得到各潜变量的适配值，再将城际旅客的自身属性、出行特性、潜变量带入模型进行拟合，得到不同出行链的效用函数。

潜变量的求解过程如下。

（1）如果采用向量的形式表示城际旅客出行中基于潜变量的SEM结构方程模型，则公式⑵可转化为

\left\{\begin{array}{l}{y}_{i\mathrm{1}}\\ y_{i\mathrm{2}}\\ \cdots \\ y_{in}\end{array}\right\}={\eta }_i\left\{\begin{array}{l}{\gamma }_{x\mathrm{1}}\\ {\gamma }_{x\mathrm{2}}\\ \cdots \\ {\gamma }_{xn}\end{array}\right\}⑹

（2）将潜变量与对应的观测变量的因子荷载看作各观测变量的权重，对其进行标准化处理，用a_{xj}表示分配得到的权重。

a_{xj}=\frac{{\gamma }_{xj}}{{\gamma }_{x\mathrm{1}}+{\gamma }_{x\mathrm{2}}+\cdots +{\gamma }_{xn}} j=\mathrm{1}，\mathrm{2}，\cdots ，n⑺

（3）将调查问卷中调查得到的观测变量值代入，得到各个潜变量{\eta }_i的适配值。

{\eta }_i=a_{x\mathrm{1}}{y}_{i\mathrm{1}}+a_{x\mathrm{2}}{y}_{i\mathrm{2}}+\cdots +a_{xn}{y}_{in}⑻

3　算例分析

主要研究兰州—天水间城际旅客多模式出行选择，在城际出行过程中，城际间的出行交通方式主要有高速铁路、普速铁路、私家车和大巴车；在兰州城市出行过程中，可以采用的交通方式主要有公共汽车、出租车、私家车和地铁；在天水城市出行过程中，可以采用的交通方式主要有公共汽车、出租车和私家车。

3.1　描述性统计信息

（1）潜变量分析。为了具体说明心理因素对城际旅客出行方式选择的影响程度及相互之间的关系，设置城际旅客出行选择相关的9个问题作为观测变量。潜变量与观测变量的对应关系如表1表示。

（2）特征变量赋值。为了方便了解各项显变量与潜变量对城际旅客出行方式选择的影响，需要把调查的城际旅客出行方式选择影响因素根据调查问卷的选项进行设计，赋予各项变量具体的值，方便对模型的参数进行拟合及分析。特征变量赋值如表2所示。

3.2　参数标定

3.2.1　潜变量参数确定

各种交通方式的潜变量与观测变量存在一定关系，使用数学软件对调查的数据进行分析，由于城际旅客出行链较多，因此选择4条出行链进行分析，分别是前端城市出行中的地铁，城际出行中的高速铁路、普速铁路，后端城市出行中的出租车和公共汽车，采用地铁接入式及选择概率较大的城际旅客出行链进行拟合。将前端城市出行阶段的出行方式地铁用1表示，将城际出行阶段的高速铁路和普速铁路分别用1和2表示，将后端城市出行阶段的出行方式出租车和公共汽车用1和2表示。结合数学软件的“降维-因子分析”，利用主成分分析法，得到4个潜变量分别与其对应的观测变量的因子荷载，得出各观测变量的因子荷载均大于0.5。对因子荷载进行标准化处理，从而得到新的权重，由此得到各潜变量的适配系数，进而得到各潜变量的适配值拟合结果。

将所调查得到的观测变量的值带入到潜变量的适配值公式中，得到的值在1~5之间，因此可以取1.5，2.5，3.5，4.5作为节点，将区间分为5段，将其作为特征变量Z_{ik}，得到效用函数如公式⑼所示。

U_{Ai-Bi-Ci}={\displaystyle \sum _l^L}{a}_{Ai-Bi-Cil}{s}_{il}+{\displaystyle \sum _m^M}{b}_{Ai-Bi-Cim}{z}_{im}+{\displaystyle \sum _k^K}{c}_{Ai-Bi-Cik}{Z}_{ik}+{\epsilon }_{Ai-Bi-Ci}⑼

3.2.2　多项Logit模型参数估计

根据问卷调查和构建的结构方程模型，得到每个潜变量的适配值，将潜变量定义为特征变量。采用数学软件对Logit模型的参数进行估计，将旅客自身属性的特征变量、出行属性的特征变量及潜变量转换的特征变量带入Logit模型，用极大似然估计法对参数进行标定，在使用数学软件进行参数标定时，以地铁—普速铁路—公共汽车链作为参考的对象。城际出行链的选择效用模型标定结果如表3所示。将各标定参数代入城际旅客出行链的选择模型，出行链的效用函数如公式⑽至公式⑿所示。

\mathrm{l}\mathrm{n}\left(\frac{P_{\mathrm{2}}}{P_{\mathrm{1}}}\right)=-\mathrm{8.244}+\mathrm{0.549}{X}_{\mathrm{3}}+\mathrm{0.816}{X}_{\mathrm{4}}+\mathrm{0.475}{X}_{\mathrm{5}}+\mathrm{0.832}{X}_{\mathrm{6}}+\mathrm{0.072}{X}_{\mathrm{8}}-\mathrm{0.486}{\eta }_{saf}-\mathrm{0.924}{\eta }_{con}+\mathrm{1.221}{\eta }_{com}+\mathrm{0.686}{\eta }_{real}⑽

\mathrm{l}\mathrm{n}\left(\frac{P_{\mathrm{3}}}{P_{\mathrm{1}}}\right)=-\mathrm{4.612}+\mathrm{0.451}{X}_{\mathrm{3}}-\mathrm{0.526}{X}_{\mathrm{4}}+\mathrm{0.289}{X}_{\mathrm{5}}-\mathrm{0.617}{X}_{\mathrm{7}}+\mathrm{0.637}{\eta }_{con}-\mathrm{0.631}{\eta }_{com}+\mathrm{0.660}{\eta }_{real}⑾

\mathrm{l}\mathrm{n}\left(\frac{P_{\mathrm{4}}}{P_{\mathrm{1}}}\right)=-\mathrm{0.976}+\mathrm{0.376}{X}_{\mathrm{3}}+\mathrm{0.641}{X}_{\mathrm{5}}+\mathrm{1.565}{X}_{\mathrm{6}}-\mathrm{0.524}{X}_{\mathrm{7}}+\mathrm{0.230}{\eta }_{com}⑿

式中：P_{\mathrm{1}}，P_{\mathrm{2}}，P_{\mathrm{3}}，P_{\mathrm{4}}分别表示兰州—天水间城际旅客在出行时选择出行链地铁—普速铁路—公共汽车、地铁—高速铁路—出租车、地铁—高速铁路—公共汽车、地铁—普速铁路—出租车的概率。

3.3　结果分析

从拟合结果来看，兰州—天水间城际旅客出行中地铁出行链，旅客的性别及年龄对出行链的选择并不显著。此外，从调查数据中可知男性出行者略多于女性出行者，选择普速铁路与高速铁路出行的男女性出行者比例基本相同，各年龄段选择普速铁路与高速铁路、公交与出租车的比例也相差不大。

根据效用函数\mathrm{l}\mathrm{n}\left(P_{\mathrm{2}}/P_{\mathrm{1}}\right)可知，在出行链“地铁—高速铁路—出租车”和“地铁—普速铁路—公共汽车”的选择意向间，收入、职业、受教育程度、是否拥有私家车的参数估计值为正值，说明企业单位人员、个体经营者、自由职业者选择出行链“地铁—高速铁路—出租车”倾向更加明显。出行属性方面，不同出行目的对出行方式的选择影响不太明显。舒适性和可靠性的参数估计值为正值，说明出行链“地铁—高速铁路—出租车”比“地铁—普速铁路—公共汽车”的舒适性、可靠性更能满足城际旅客出行的需求。

根据效用函数\mathrm{l}\mathrm{n}\left(P_{\mathrm{3}}/P_{\mathrm{1}}\right)可知，在出行链“地铁—高速铁路—公共汽车”和“地铁—普速铁路—公共汽车”的选择意向间，收入、受教育程度的参数估计值为正值，说明高收入旅客更愿意选择高速铁路出行，在受教育程度中，大专、本科、研究生及以上的城际旅客选择高速铁路出行的意向更加明显。出行属性方面，出行时间的参数估计值为负值，说明出发时间较晚的旅客选择高速铁路的比例在下降。职业的参数估计值为负值，说明学生、公务员、务工人员等城际旅客选择“地铁—普速铁路—公共汽车”的概率高于“地铁—高速铁路—公共汽车”。便捷性和可靠性的参数估计值为正值，说明出行链“地铁—高速铁路—公共汽车”比“地铁—普速铁路—公共汽车”便捷性、可靠性更能满足城际出行者的出行需求。

根据效用函数\mathrm{l}\mathrm{n}\left(P_{\mathrm{4}}/P_{\mathrm{1}}\right)可知，在出行链“地铁—普速铁路—出租车”和“地铁—普速铁路—公共汽车”的选择意向间，收入、受教育程度、是否拥有私家车的估计值为正值，说明收入、受教育程度的增加及拥有私家车者，城际旅客选择出行链“地铁—普速铁路—出租车”的意向会更加明显。出行时间的参数值为负值，说明选择出行链“地铁—普速铁路—出租车”的比例在下降。舒适性的参数估计值为正值，说明出行链“地铁—普速铁路—出租车”比“地铁—普速铁路—公共汽车”的舒适性更能满足城际旅客的出行需求。

4　结束语

通过分析城际旅客出行的全过程，根据结构方程原理，构建基于出行链的城际旅客出行选择SEM-Logit模型，采用数学软件标定潜变量与其对应的观测变量系数，拟合城际旅客出行链的系数，结合4条出行链，分析城际旅客自身属性、出行属性、运输产品属性对城际旅客出行方式选择的影响。在研究潜变量对城际旅客出行方式的影响时，只研究了4类潜变量，后续研究中可以加入习惯、个人情感、旅客心理因素等；此外，城际旅客的出行方式选择行为在不同区域有着较大差异，未来可以考虑对东部地区与西部地区城际旅客群体的出行选择行为进行对比研究，为进一步优化旅客多模式联程出行服务提供参考。

参考文献

[1] 张华歆，苏逸飞，智路平. 交通信息下基于出行链的通勤出行方式选择行为[J]. 上海海事大学学报，2016，37(1)：49-54，64.

[2] ZHANG Huaxin， SU Yifei， ZHI Luping. Travel Mode Choice Behavior of Commuters Based on Trip Chain and Traffic Information[J]. Journal of Shanghai Maritime University，2016，37(1)：49-54，64.

[3] SUBBARAO S， RAO K K， DANIELIS R. Trip Chaining Behavior in Developing Countries：A Study of Mumbai Metropolitan Region，India[J]. European Transport，2013，14(53)：7-12.

[4] 张　雪，周素红，陈　菲. 基于出行链的建成环境对居民小汽车通勤出行的影响[J]. 地理科学进展，2021，40(4)：671-680.

[5] ZHANG Xue， ZHOU Suhong， CHEN Fei. Impact of the Built Environment on Residents' Car Commuting Based on Trip Chain[J]. Progress in Geography，2021，40(4)：671-680.

[6] 李闻浩. 基于出行链的区域轨道交通客流分析[D]. 成都：西南交通大学，2020.

[7] 叶玉玲，韩明初，陈俊晶. 基于出行链的城际旅客出行方式选择行为[J]. 同济大学学报(自然科学版)，2018，46(9)：1234-1240.

[8] YE Yuling， HAN Mingchu， CHEN Junjing. Intercity Passenger Travel Mode Choice Behavior Based on Trip Chain[J]. Journal of Tongji University (Natural Science)，2018，46(9)：1234-1240.

[9] 马书红，李　阳，岳　敏. 考虑出行链的城际旅客换乘选择行为研究[J]. 北京交通大学学报，2020，44(6)：74-81.

[10] MA Shuhong， LI Yang， YUE Min. Study on Intercity Passenger Transfer Mode Choice Based on Travel Chain[J]. Journal of Beijing Jiaotong University，2020，44(6)：74-81.

[11] 朱绪斐. 基于出行链的多制式区域轨道交通旅客出行路径规划方法研究[D]. 成都：西南交通大学，2019.

[12] 郑晓静. 基于出行链的通道交通方式选择模型研究[D]. 西安：长安大学，2016.

[13] 王玲玲. 基于出行链联合选择模型的通勤方式选择研究[J]. 铁道运输与经济，2018，40(6)：84-88.

[14] WANG Lingling. A Research on Commuting Mode Choice Based on the Trip Chain Integrated Choosing Model[J]. Railway Transport and Economy，2018，40(6)：84-88.

[15] 张思佳，贾顺平，麻存瑞，等. 闭合通勤链中基于博弈的小汽车拥有者出行方式选择研究[J]. 交通运输系统工程与信息，2017，17(2)：14-20.

[16] ZHANG Sijia， JIA Shunping， MA Cunrui，et al. Travel Mode Choice Behavior of Private Car Owners in Commuters' Closed Trip-Chain Based on the Game Theory[J]. Journal of Transportation Systems Engineering and Information Technology，2017，17(2)：14-20.

[17] HUANG Y Q， GAO L J， NI A N，et al. Analysis of Travel Mode Choice and Trip Chain Pattern Relationships Based on Multi-Day GPS Data：A Case Study in Shanghai，China[J]. Journal of Transport Geography，2021(93)：103070.

[18] LIU S X， ZHU J C， EASA S M，et al. Travel Choice Behavior Model Based on Mental Accounting of Travel Time and Cost[J]. Journal of Advanced Transportation，2021(12)：4219396.

[19] LI X W， ZHANG S Y， WU Y，et al. Exploring Influencing Factors of Intercity Mode Choice from View of Entire Travel Chain[J]. Journal of Advanced Transportation，2021(9)：9454873.

[20] 王　威. 基于空间联系强度的城市群城际出行分布模型研究[D]. 西安：长安大学，2021.

[21] 邹明辉. 粤港澳大湾区城际铁路公交化运营模式探讨[J]. 铁道运输与经济，2021，43(4)：91-95.

[22] ZOU Minghui. Discussion on Intercity Railway Operation of Public Transportation Mode in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Railway Transport and Economy，2021，43(4)：91-95.

基金资助

甘肃省教育厅高校教师创新基金项目(2024B-062)

甘肃省教育厅双一流重大科研项目(GSSYLXM-04)

中央引导地方科技发展项目(22ZY1QA005)