【学术动态】绕行和中途停歇对多式组合出行的优化：针对法国微型交通工具使用者的研究 | 2024年第4期

来源：MOINSE D, L'HOSTIS A. Optimizing intermodal commuting by way of detours and breaks: evidence of micromobility users in France[J]. Journal of Transport Geography, 2024, 116: 103821.

1 研究背景及目的

多式组合出行整合了不同的交通方式，在城市交通发挥着重要作用。随着微型交通工具（如电动滑板车、电动自行车、个人出行设备PMDs等） 的兴起，它们与公共交通结合，明显扩大了公交站点的服务范围。传统的TOD 模式主要关注公交站点的步行服务范围，微型交通工具的加入无疑增加了公交乘客的出行可达距离。

本研究旨在更好地了解使用微型交通和公交的组合出行者的路线选择、出行距离以及优化策略，具体包括电动滑板车、可折叠自行车、个人出行设备（PMDs） 和传统自行车等各种微型交通工具使用者，此类轻量级的个体出行方式正变得越来越多样化。本研究的主要目标是：① 确定微型交通工具使用者覆盖的范围，通过分析出行距离，重新评估公交站点的服务范围和可达性；② 分析绕行和中途停歇对出行时间和距离的影响，以及它们如何优化出行行程体验；③ 将绕行和中途停歇策略进行分类并分析不同策略的特征；④ 分析时空优化策略对出行时间和距离的影响，并评估其有效性。

2 研究对象和研究问题

研究选择法国上法兰西大区作为研究范围，该地区拥有密集的轨道网络和较高的微型交通使用率。研究主要关注以下问题：

（1） 微型交通用户是否会超出步行范围出行？

（2） 绕行和中途停歇是否会带来时间或距离的增益？

（3） 绕行的类型和特征是什么？

（4） 绕行和中途停歇策略是否取决于出行特征？

3 研究过程和方法

本研究采用客观和感知为基础的混合方法，通过问卷调查和地理统计分析来收集和分析数据。

3.1问卷调查

研究共收集了217份有效问卷，其中包含地理坐标、出行方式、绕行和中途停歇信息等。自填问卷于2022年4月至2023年1月在Lime Survey 上进行。该问卷允许通过两个强制性问题收集受访者最近一次多式组合出行的地理信息：第一个问题要求提供始发地和目的地的确切地址，以及中转站的名称；第二个问题以Open Street Map （OSM） 生成的交互式地图，使受访者能够在地图上确定他们的出发和到达地点，从而验证所提供地址的准确性。

3.2地理统计分析

① Voronoi 图：使用Voronoi 图分析出行路径，识别绕行行为。经过问卷数据清理，使用地理信息系统（GIS） 工具进行空间分析，对一次或多次绕道的通勤行程进行抽样。为此，研究生成了QGIS几何包中可用的可视化图。现有的轨道网络（如火车、地铁和有轨电车线路和车站） 由标准Voronoi图划分，Voronoi多边形将平面划分为具有欧氏距离中公共最近站点的单元，独立于网络层次结构。这种类型的制图表示产生了简化的交通Voronoi图，旨在将理论上最近的站点分配到每个起点和目的地。通过输入与始发站和到达站相连的始发地和目的地相关联的217个经过验证的地理坐标，共有129个联运行程显示一个或两个车站与离这些点最近的车站不匹配，包括位于上法兰西地区的83 个。基于出行行为，将这种类型的绕行称为“逃逸过境Voronoi图”(E-TVS)。

② 空间和时间距离测量：利用问卷中出行者起点和终点相关的地理坐标，以及出发和目的地中转站来建立受访者驾驶的路线，利用Graphhopper API绘制出行路线，并计算有效行程和替代行程的空间和时间距离。

③ 时空优化比率：计算公里优化比率和感知时间比率，分析时空优化的程度。通过导入路线规划器提供的路径，在QGIS上投影了两种不同类型的路线。第一个是估计的有效行程，对应于受访者实际行驶的基于网络的最小距离，并包含E-TVS。而第二个代表替代旅程场景，其中个人被期望取消绕行并以最小的空间距离进入或离开最近的车站。

④ 角度和空间反转：计算出行路径的角度，识别空间反转行为，并测度其对于出行路径选择的影响。“空间反转”是指在到达目的地之前采取与目的地相反方向的路线，以获得更好的交通选择。在多式联运微出行的情况下，用户有机会通过向相反的方向前进以到达出发站B，而不是直接到达目的地C，从他们的起点A执行空间反转。做出这种选择是为了进入一个更有效的运输系统，这证明了这种类型的绕行是合理的。

⑤ 优化策略分类：对所调查的E-TVS通勤的统计分析得到了对路线的空间分析的补充，从而确定了不同类型的基于绕行的优化策略根据绕道和休息的目的，将优化策略分为“避免换乘”“吸引人的车站”和“减少乘坐公共交通的时间”三类。

⑥ 优化比率聚类分析：根据优化比率进行聚类分析，识别不同类型的时空优化特征。通过估计不同的优化比率，本研究对分析的通勤进行了聚类。根据公里优化比和感知时间比这两个变量来分配路线。空间优化比有助于比较有效公里和替代公里节省的公里增益；时间优化比率表示与替代感知时间相比，有效感知时间节省的时间增益。

4 研究结果

鉴于多式组合出行的复杂性，本调查研究了绕行、中途停歇以及时空优化策略之间的相互关系。该研究采用客观的方法，利用调查问卷来获取地理编码的行程。地理统计分析给这项研究带来以下重要发现：

（1） 绕道可以平均节省18%的时间，减少3%的空间距离。平均而言，通勤者偏离最短的微出行路线，选择三倍长的进入或出口路线，这使公共交通时间减少了一半，换乘时间减少了80%。此外，多式组合出行过程中的休息时间为在车站周围购物提供了机会，从而优化了整个运输方式链。值得注意的是，95% 的多式组合出行分析行程表现出时间或空间优化，其中65%的优化策略实现了时间和距离的双重收益。这项研究提供了大量证据支持绕道、中途休息和时空优化之间的积极关系。

（2） 距离分布分析显示，公交站点服务区扩大。使用微型交通工具的绕行行程通常在5至6 km 之间，相当于20 min的行程，传统自行车和折叠自行车可达7 km，个人电动滑板车约6 km。与所有微出行用户的标准公交服务区相比，绕行包括额外的2 km，将公交站点的服务区域扩大了125%。

（3） 多式联运过程中采取的出行方向对其性能有影响。当绕行涉及极端形式时，如空间方向反转，时间节省更加明显。此外，统计分析显示，相比较于进入车站，使用微型交通工具的乘客在离开车站的行程中更倾向于进行空间方向反转。

（4） 本文还探讨了绕行的特征，这遵循一个分类过程：在地铁网络中很大一部分出行涉及绕行以避免换乘；在复杂的出行链中，中途停歇通常用于完成日常购物任务。

5 总结与展望

本研究结果表明，微型交通用户的出行选择和策略具有多样性和复杂性，用户通过绕道和中途休息来优化行程体验，并寻求时间和距离的增益。传统交通规划往往倾向于重点改善单一交通方式。然而，这项研究强调了考虑门到门的完整出行链的重要性，出行者会根据完整的组合出行行程来优化他们的出行。这为城市规划和交通管理提供了新的启示：

（1） 重新定义车站服务范围，考虑微型交通工具的影响。车站的服务范围应从步行范围扩展到微型交通多式组合出行模式下的可达范围。

（2） 重新评估城市发展政策，特别要关注交通基础设施的设计和实用性增强。认识到微出行可以解决公共交通系统所遇到的“第一和最后一公里”挑战，探索并实施整合微型交通解决方案到交通网络中，增强交通枢纽的连接性和可达性，改善联运效率和更可持续的城市出行系统，为微型交通用户提供更便捷的出行选择。

未来的研究可以进一步探索以下问题：不同社会群体对微型交通的接受程度和偏好；城市环境因素对出行选择的影响；个人偏好和行为对绕行和之间停歇的影响。

（供稿：高飞扬，同济大学建筑与城市规划学院硕士研究生）