扩展功能
文章信息
- 李晓伟, 王炜, 杨敏, 王昊, 徐铖铖
- LI Xiao-wei, WANG Wei, YANG Min, WANG Hao, XU Cheng-cheng
- 交通枢纽可达性对多模式综合交通客运方式竞争的影响
- Impact of Transport Hub Accessibility on Competition of Multimodal Passenger Transport
- 公路交通科技, 2016, 33(12): 106-112
- Journal of Highway and Transportation Research and Denelopment, 2016, 33(12): 106-112
- 10.3969/j.issn.1002-0268.2016.12.017
-
文章历史
- 收稿日期: 2016-01-12
2. 西安建筑科技大学 土木工程学院, 陕西 西安 710054;
3. 西部建筑科技国家重点试验室, 陕西 西安 710055
2. School of Civil Engineering, Xi'an University of Architecture & Technology, Xi'an Shaanxi 710055, China;
3. State Key Laboratory of Architecture Science and Technology in West China, Xi'an Shaanxi 710055, China
高铁站、飞机场等综合交通枢纽是国家现代化和发展繁荣的重要标志,大大地提高了人们出行的效率,已经成为国家综合运输网络的主要节点。目前,我国已成为世界上快速交通网络发展最为迅速的国家,Huang等[1]研究表明,综合交通枢纽的位置(位于城市中心或者城市郊区)及其可达性对交通运输方式的竞争力具有重要影响。对于城际客运而言,良好的枢纽可达性是影响运输方式竞争力的关键要素。在中长距离运输过程中,高铁与航空两种运输方式具有很强的替代性,因此对这两种运输方式建立选择模型时,交通枢纽可达性显得尤为重要。高铁站通常距离城市中心较近,人们往往认为高铁站的优势在于比机场具有更好的可达性;然而,航空运输由于具有运行速度的优势,仍受到出行者的热烈欢迎。正如McFadden的经典理性选择理论所述:出行者进行出行方式选择时会遵循效用最大(或者广义费用最低)的原则,因此到站和离站时间对于不同运输方式吸引力的影响不应被忽略,应充分考虑交通枢纽可达性对综合交通运输方式竞争性的影响。
目前,国外已有大量论文从不同视角对综合交通枢纽可达性作了分析[2-7],Chang等[8]研究发现,高铁站的不良可达性是韩国高铁未被有效使用的重要因素(价格因素是首要因素)。Chou[9]研究发现台湾地区也有类似的现象,由于大多数高铁站均远离城市中心而未被有效使用。由此可见,高铁站的可达性是高铁站服务质量的关键属性。Clever等[10] 的研究也表明,中长运输在途时间较为固定,运输方式竞争力主要依赖于到站和离站时间。另外,也有大量文献分析了在城际运输方式过程中高铁与其他运输方式之间的竞争关系[11-20],其中较多文献基于SP数据、RP数据及混合数据进行离散选择分析。不同情况下的数据类型不同,但是可以认为总的出行时间包括到站时间、离站时间、在途时间等;同时,票价、舒适度、准时性等也是表征综合交通运输方式服务特性的常见变量。而影响乘客交通方式的其他变量中,更多地与乘客个人经济属性及出行属性有关,如性别、收入水平、出行目的等。
已有交通枢纽空间影响的研究主要集中在宏观层面,尽管将场站可达性作为运输方式的组成部分考虑,但是忽略了不同运输方式之间的竞争关系。本文在前人研究的基础上,不仅将高铁站或者机场的存在作为运输方式吸引力的驱动力,而且还考虑其服务水平。服务水平对综合交通运输方式竞争力的影响包含多个方面,本文重点关注其中的到(离)站时间。鉴于此,本文重点整合交通枢纽的可达性分析及方式选择模型,首先关注现有城际交通运输研究过程中被忽略的因素,针对高铁、飞机、普通火车、高速巴士4种运输方式,研究分析交通枢纽可达性是否影响及如何影响运输方式的竞争力;其次将该分析应用于综合交通不同出行目的(强制型出行、休闲型出行)的研究,研究强制型、休闲型出行条件下交通枢纽可达性对多模式综合交通客运方式竞争的影响。
1 试验方案 1.1 试验方案设计综合交通系统异常复杂,科学合理地设计综合交通系统出行行为调查方案对于研究的可靠性具有十分重要的意义。本文从全过程的视角设计出行选择行为试验,针对区域综合交通特点,根据式(1)确定本调查样本量n。,
|
(1) |
式中,z为置信水平所对应的值;S为标准差;e为误差界限;N为调查总体数。
取置信区间为95%,最大方差为0.5,误差界限为0.05,则有n为514人,考虑到问卷调查存在一定的误差,为了保证后续建模的准确性和可靠性,应用分层抽样法,确定抽样样本数为2 000个,对样本进行去噪处理后共获取1 766条有效RP样本数据,能够满足后续建模的要求。
在本研究中,调查内容包括旅客个体属性、出行属性、服务属性3部分。(1)个体属性包括性别、年龄、月收入、是否拥有小汽车等常用变量;(2)出行属性包括出行起讫点、出行目的等内容;(3)服务水平属性包括购票方式、到(离)站时间、到(离)站费用、中转换乘时间(含等待时间)、票价、运行时间等变量,同时包括安全性、舒适性、准时性等潜变量。
由于在预调查中多数乘客并不清楚自己到站所需要的具体时间,因此本研究方案根据预调查,了解乘客对于到站时间的反应,采取区间数法确定到站时间的合理区间,由乘客根据自身情况进行合理选择;同时,离站时间、中转换乘时间由乘客根据自己的出行经历选择确定;另外,安全性、舒适性、准时性等潜变量是基于旅客对运输方式满意度的感知,因此采取李克特量表法确定潜变量的取值。该试验所考虑的属性和值见表 1。
| 类别 | 变量名称 | 变量取值 |
| 个体 属性 |
性别 | 1:男;2:女 |
| 年龄 | 1:[0,19];2:[20,29];3:[30,39]; 4:[40,49];5:[50,59]; 6:[60,+∞) |
|
| 月收入 | 1:(0,3 000];2:(3 000,4 000];3:(4 000, 5000];4:(5 000,6 000];5:(6 000,+∞) |
|
| 拥有私家车 | 1:是;2:否 | |
| 出行 属性 |
出行目的 | 1:强制出行(公务、上学、务工、看病等);2:休闲出行(旅游、购物、探亲访友等) |
| 出行距离 | 通过计算出行起讫点之间采用该方式的实际距离获取 | |
| 服务
水平 属性 个体 属性 |
购票方式 | 1:网络购票; 2:电话购票; 3:售票点购票; 4:中介购票 |
| 到站时间 | 1:(0,30]; 2:(30,60]; 3:(60,90]; 4:(90,120]; 5:(120,+∞) |
|
| 到站费用 | 到站交通枢纽的实际费用 | |
| 中转换乘时间 | 1:(0,30]; 2:(30,60]; 3:(60,90]; 4:(90,120]; 5:(120,+∞) |
|
| 出行费用 | 旅客出行的实际票价 | |
| 出行方式 | 1:飞机; 2:普通火车; 3:高铁(含动车); 4:高速大巴 |
|
| 运行时间 | 城际出行的实际时间 | |
| 舒适性 | 1:特别不舒适; 2:不舒适; 3:一般; 4:比较舒适; 5:非常舒适 | |
| 安全性 | 1:特别不安全; 2:不安全; 3:一般; 4:比较安全; 5:非常安全 | |
| 准时性 | 1:特别不准时; 2:不准时; 3:一般; 4:比较准时; 5:非常准时 | |
| 离站时间 | 1:(0,30]; 2:(30,60]; 3:(60,90]; 4:(90,120]; 5:(120,+∞) |
|
| 性别 | 1:男; 2:女 |
1.2 基本统计特征
整体样本中,男性比例占57.5%,女性比例占42.5%;出行者年龄主要分布在[20,49]岁,占总样本的77.8%;旅客收入在3 000元及其以上的旅客占44.7%。此外,建立了交通方式选择与出行目的、到站时间、离站时间的交叉表,如表 2所示。
| 客运交通方式 | 飞机 | 高铁 | 普通火车 | 高速大巴 | |||||
| 样本数 | 比例 | 样本数 | 比例 | 样本数 | 比例 | 样本数 | 比例 | ||
| 出行目的 | 1 | 245 | 56 | 394 | 77 | 394 | 77 | 264 | 74 |
| 2 | 192 | 44 | 119 | 23 | 119 | 23 | 93 | 26 | |
| 到站时间 | 1 | 75 | 17 | 137 | 27 | 137 | 27 | 81 | 23 |
| 2 | 191 | 44 | 170 | 33 | 170 | 33 | 114 | 32 | |
| 3 | 100 | 23 | 59 | 12 | 59 | 12 | 48 | 13 | |
| 4 | 24 | 5 | 33 | 6 | 33 | 6 | 35 | 10 | |
| 5 | 47 | 11 | 114 | 22 | 114 | 22 | 79 | 22 | |
| 离站时间 | 1 | 74 | 17 | 122 | 24 | 122 | 24 | 133 | 37 |
| 2 | 192 | 44 | 174 | 34 | 174 | 34 | 88 | 25 | |
| 3 | 89 | 20 | 97 | 19 | 97 | 19 | 51 | 14 | |
| 4 | 44 | 10 | 38 | 7 | 38 | 7 | 24 | 7 | |
| 5 | 38 | 9 | 82 | 16 | 82 | 16 | 61 | 17 | |
| 注:出行目的1,2及到站时间、离站时间1,2,3,4,5与表 1中变量取值相对应。 | |||||||||
统计分析发现有以下特征。
出行目的:公务出行、上学等强制性出行在样本中所占比例为67%,旅游、购物、探亲访友等休闲性出行在样本中所占比例为33%,且强制性出行在各种方式中的比例均高于休闲性出行,旅客区域出行以刚性需求为主。
到站时间:乘坐飞机、普通火车、高铁、大巴的旅客到站时间分布在(30,60]之间的比例最高,分别占相应样本的44%,33%,46%,32%。
离站时间:乘坐飞机、普通火车、高铁的旅客离站时间分布在(30,60]之间的比例最高,占相应样本比例的44%,34%,43%;乘坐高速大巴的旅客离站时间分布在(0,30]比例最高,占37%。
2 建模思路本研究采用Multinomial Logit (MNL)模型建模,该模型是最为常用的非集计模型,其数学形式简洁、计算简单,且具有各选择肢的概率在(0,1)之间且选择概率总和为1 的合理性[12],因此被广泛应用于交通等领域的模拟预测中。
2.1 基本原理根据随机效用最大化理论,旅客n 选择i类交通方式的概率可表示为:
|
(2) |
式中,Pin为旅客n选择i类交通方式的概率;Prob函数指数值落在指定区间内的对应概率;Cn为旅客n的可选择交通方式集合;Uin为旅客n选择i类交通方式的效用函数;Ujn表示除运输方式i以外旅客选择其他运输方式的效用。
Uin的表达式为:
|
(3) |
式中,Vin为可观测到的特性变量计算的固定项;εin为不能观测到的其他因素的影响及已有变量的偏差引起的随机项。
MNL模型是在假设式(2)中εin和Vin相互独立,且εin服从Gumbel 分布的前提下推导出来的,旅客n选择i类交通方式概率的表达式为:
|
(4) |
为便于计算,一般假设Vin与特性向量xink呈线性关系,即:
|
(5) |
式中,βi0为常量;βik为交通方式i第k个变量的系数;xink为旅客n的选择i类交通方式的第k个变量值。
2.2 弹性分析模型弹性分析描述的是因变量对自变量变化的反应程度,是指各种交通方式显著影响因素的相对变化所引起的选择概率的相对变化。交通方式i选择概率Pi相对于连续变量xik的弹性计算式为[15-16]:
|
(6) |
选择概率Pi相对于哑元变量xik的弹性计算式为:
|
(7) |
式中,Eik为交通方式i第k个变量的弹性系数;Pi为交通方式i的选择概率;βik为交通方式i第k个变量的系数;xik为交通方式i第k个变量的属性值。
3 参数估计与弹性分析 3.1 模型参数估计应用SPSS软件对样本数据进行统计分析。首先对影响因素进行相关性检验,其次,将性别、私家车、购票方式等变量设置为类别变量(均将最后类别作为参考类别),其余变量设置为连续变量,以高速巴士作为参考组,采取向前递进法进行似然比检验及估计参数,最终剔除性别、年龄、月收入、出行目的、到站费用、离站时间、离站费用等不显著因素,模型拟合McFadden值为0.536,参数估计结果在可接受的置信区间水平上存在显著性,如表 3所示。同理,确定强制出行和休闲出行样本估计参数,如表 4、表 5所示。表 3~表 5中参数估计结果均以高速巴士作为参考组,其中Wald为Wald检验统计量,Sig为统计量的显著性水平,若Sig<0.05,说明其对应的变量系数β对旅客选择行为的影响较大,应纳入效用函数模型,反之,则认为β对旅客选择行为的影响可以忽略。
| 变量 | 符号 | 飞机 | 高铁/动车 | 普通火车 | ||||||
| β | Wald | Sig | β | Wald | Sig | β | Wald | Sig | ||
| 截距 | -13.509 | 13.992 | 0 | -11.171 | 17.582 | 0 | -2.758 | 3.398 | 0.065 | |
| 拥有私家车 | xi1 | 0.26 | 0.302 | 0.032 | 0.692 | 5.794 | 0.016 | 0.954 | 16.534 | 0 |
| 到站时间 | xi2 | 0.837 | 7.997 | 0.050 | 0.293 | 2.635 | 0.005 | 0.46 | 10.602 | 0.001 |
| 出行距离 | xi3 | 0.005 | 38.196 | 0 | 0.002 | 9.263 | 0.002 | 0.002 | 9.897 | 0.002 |
| 出行费用 | xi4 | 0.022 | 66.226 | 0 | 0.016 | 39.238 | -0.001 | 0 | 0.002 | 0.050 |
| 出行时间 | xi5 | -1.322 | 137.078 | 0 | -0.416 | 61.466 | 0 | 0.002 | 0.003 | 0.954 |
| 安全性 | xi6 | 0.818 | 6.053 | 0.014 | 0.576 | 7.327 | 0.007 | -0.08 | 0.233 | 0.63 |
| 舒适性 | xi7 | 0.895 | 7.738 | 0.005 | 0.806 | 17.102 | 0 | 0.443 | 9.267 | 0.002 |
| 准时性 | xi8 | 0.087 | 0.081 | 0.776 | 0.798 | 16.878 | 0 | 0.489 | 10.075 | 0.002 |
| 购票方式1 | xi9 | 1.977 | 28.345 | 0 | 2.154 | 49.518 | 0 | 2.642 | 9.884 | 0 |
| 购票方式3 | xi10 | -1.824 | 19.593 | 0 | 0.108 | 0.149 | 0.699 | 0.262 | 5.487 | 0.392 |
| 变量 | 符号 | 飞机 | 高铁/动车 | 普通火车 | ||||||
| β | Wald | Sig | β | Wald | Sig | β | Wald | Sig | ||
| -10.263 | 11.554 | 0.001 | -11.535 | 44.354 | 0 | -7.017 | 25.962 | 0 | ||
| 拥有私家车 | xi1 | 0.315 | 0.198 | 0.050 | 0.567 | 2.054 | 0.005 | 1.07 | 9.08 | 0.003 |
| 到站时间 | xi2 | 0.868 | 3.754 | 0.043 | 0.706 | 7.989 | 0.005 | 0.559 | 6.62 | 0.01 |
| 出行距离 | xi3 | 0.007 | 38.041 | 0 | 0.003 | 13.999 | 0 | 0.003 | 12.545 | 0 |
| 出行费用 | xi4 | 0.018 | 25.709 | 0 | 0.011 | 12.114 | 0.001 | -0.001 | 0.049 | 0.049 |
| 出行时间 | xi5 | -1.474 | 61.946 | 0 | -0.399 | 42.712 | 0 | -0.046 | 2.177 | 0.048 |
| 安全性 | xi6 | 0.412 | 0.756 | 0.035 | 0.692 | 5.67 | 0.017 | 0.325 | 1.689 | 0.194 |
| 舒适性 | xi7 | 0.584 | 1.526 | 0.017 | 0.68 | 6.046 | 0.014 | 0.25 | 1.124 | 0.289 |
| 准时性 | xi8 | 0.328 | 0.564 | 0.453 | 1.136 | 18.071 | 0 | 0.883 | 14.467 | 0 |
| 购票方式1 | xi9 | 1.967 | 20.083 | 0 | 2.273 | 44.204 | 0 | 2.425 | 49.523 | 0 |
| 购票方式3 | xi10 | -2.536 | 22.644 | 0 | -0.108 | 0.124 | 0.725 | -1.027 | 9.233 | 0.002 |
| 变量 | 符号 | 飞机 | 高铁/动车 | 普通火车 | ||||||
| β | Wald | Sig | β | Wald | Sig | β | Wald | Sig | ||
| 0.932 | 0.001 | 0.982 | 6.369 | 0.024 | 0.876 | 14.8 | 125.532 | 0 | ||
| 拥有私家车 | xi1 | 0.287 | 0.005 | 0.049 | 0.803 | 2.981 | 0.084 | 1.029 | 8.853 | 0.003 |
| 出行距离 | xi3 | 0.003 | 4.256 | 0.039 | 0.001 | 0.004 | 0.005 | 0.001 | 0.621 | 0.05 |
| 出行费用 | xi4 | 0.029 | 32.019 | 0 | 0.024 | 22.458 | 0 | -0.004 | 1.228 | 0.05 |
| 出行时间 | xi5 | -1.201 | 58.572 | 0 | -0.413 | 17.752 | 0 | 0.108 | 4.021 | 0.045 |
| 安全性 | xi6 | 1.682 | 10.294 | 0.001 | 0.985 | 7.254 | 0.007 | -0.336 | 1.836 | 0.175 |
| 舒适性 | xi7 | 1.26 | 6.917 | 0.009 | 0.867 | 8.449 | 0.004 | 0.64 | 10.651 | 0.001 |
| 准时性 | xi8 | 0.065 | 0.018 | 0.893 | 0.793 | 5.795 | 0.016 | 0.214 | 0.852 | 0.046 |
| 购票方式1 | xi9 | 1.179 | 6.017 | 0.014 | 1.757 | 10.468 | 0.001 | 2.15 | 18.531 | 0 |
| 购票方式3 | xi10 | -1.9 | 13.488 | 0 | 0.391 | 0.591 | 0.442 | -0.004 | 0 | 0.994 |
3.2 选择概率
依据效用理论和参数估计结果,结合调查样本数据和总体数据交通方式结构偏差调整截距,确定总体样本中飞机、普通火车、高铁选择概率的效用函数U11,U12,U13为:
|
(8) |
|
(9) |
|
(10) |
同理,确定强制型出行飞机、普通火车、高铁选择概率的效用函数U21,U22,U23为:
|
(11) |
|
(12) |
|
(13) |
确定休闲型出行飞机、普通火车、高铁选择概率的效用函数U31,U32,U33为:
|
(14) |
|
(15) |
|
(16) |
根据以上效用函数,确定飞机、普通火车、高铁、高速巴士等客运方式选择概率函数分别为:
|
(17) |
|
(18) |
|
(19) |
|
(20) |
同理,可确定强制型出行与休闲型出行样本中飞机、高铁、普通火车、高速巴士等客运方式选择概率函数。
3.3 弹性分析依据式(6)、式(7),分别计算样本个体显著影响变量的弹性系数,通过对个体选择弹性系数的加权平均得到整体样本中飞机、高铁和普通火车选择概率对到站时间的弹性值,详见表 6。观察研究发现,整体样本中,到站时间对于飞机、高铁的弹性值分别为1.30和0.58,这表明到站时间每变化1%,旅客选择飞机、高铁出行的概率将会相应变化1.30%,0.58%,同时,从上述数据中也可看出,飞机对于到站时间的敏感性大于高铁。对于强制型出行的旅客而言,飞机、高铁对于到站时间的弹性分别为1.37,0.81,乘坐飞机出行的旅客对于到站时间的敏感性仍然大于高铁。数据表明乘坐飞机和高铁强制性出行的旅客对于到站时间具有更高的敏感性,也更关注到站时间。
| 样本类型 | 变量 | 符号 | 直接弹性 | ||
| 飞机 | 高铁 | 普通火车 | |||
| 整体 | 到站时间 | xi2 | 1.30 | 0.58 | 0.57 |
| 强制型 | 到站时间 | xi2 | 1.37 | 0.81 | 0.80 |
| 休闲型 | 到站时间 | xi2 | - | - | - |
4 结论
本文以多模式综合交通客运方式为研究对象,分析交通枢纽可达性对飞机、普通火车、高铁、大巴4种运输方式竞争性的影响,重点关注了影响城际旅客选择行为但经常被忽略的到(离)站时间。研究发现:
(1) 到站时间是决定多模式综合交通客运方式竞争力的重要因素,离站时间对多模式综合交通客运方式竞争力无显著影响。到站时间对于航空与高铁等快速运输方式选择概率的弹性系数分别为1.3和0.58,这表明随着到站时间的变化,飞机、高铁等快速运输方式选择概率均会发生变化,其中,飞机的市场份额变化最为明显。这主要是因为机场和高铁位于城市远郊区,而公路客运站位于城市近郊区,距离市中心相对较近,因此到达机场和高铁站的时间往往大于到达公路客运站时间。
(2) 旅客不同出行条件下(强制性出行、休闲性出行)交通枢纽可达性对多模式综合交通客运方式竞争性的影响具有明显的差异性。对于强制性出行的旅客,到站时间对于综合交通客运方式的选择具有十分重要的作用,飞机、高铁的选择概率对于到站时间的弹性系数分别为1.37和0.81,这说明强制性出行旅客较关注到站时间,而对于休闲性出行的旅客,到站时间对于综合交通客运方式选择无显著影响。
| [1] | GUTIERREZ J, GONZALEZ R, GOMEZ G. The European High-speed Train Network:Predicted Effects on Accessibility Patterns[J]. Journal of Transport Geography , 1996, 4 (4) : 227-238 |
| [2] | CHANG I C G. A Network-based Model for Estimating the Market Share of a New High Speed Rail System[J]. Transportation Planning & Technology , 2004, 27 (2) : 67-90 |
| [3] | DOBRUSZKES F. High-speed Rail and Air Transport Competition in Western Europe:A Supply-oriented Perspective[J]. Transport Policy , 2011, 18 (6) : 870-879 |
| [4] | SMITH R G W, MULAMOOTTIL G. The Access Journey to the Railway Station and Its Role in Passengers' Satisfaction with Rail Travel[J]. Transport Policy , 2007, 14 (5) : 357-365 |
| [5] | PELS E, NIJKAMP P, RIETVELD P. Airport and Airline Competition for Passengers Departing from a Large Metropolitan Area[J]. Journal of Urban Economics , 2000, 48 (1) : 29-45 |
| [6] | PELS E, NIJKAMP P, RIETVELD P. Airport and Airline Choice in a Multiple Airport Region:An Empirical Analysis for the San Francisco Bay Area[J]. Regional Study , 2001, 35 (1) : 1-9 |
| [7] | WARDMAN M, TYLER J. Rail Network Accessibility and the Demand for Inter-urban Rail Travel[J]. Transport Reviews , 2000, 20 (1) : 3-24 |
| [8] | CHANG J S, LEE J. Accessibility Analysis of Korean High-speed Rail:A Case Study of the Seoul Metropolitan Area[J]. Transport Reviews , 2008, 28 (1) : 87-103 |
| [9] | CHOU J S, KIM C, KUO Y C, et al. Deploying Effective Service Strategy in the Operations Stage of High-speed Rail[J]. Transportation Research Part E:Logistics & Transportation Review , 2011, 47 (4) : 507-519 |
| [10] | CLEVER R, HANSEN M M. Interaction of Air and High-speed Rail in Japan[J]. Transportation Research Record , 2008, 2043 : 1-12 |
| [11] | FORSEY D, HABIB K N, MILLER E J, et al. Evaluating the Impacts of a New Transit System on Commuting Mode Choice Using a GEV Model Estimated to Revealed Preference Data:A Case Study of the VIVA System in York Region, Ontario[J]. Transportation Research Part A:Policy and Practice , 2013, 50 : 1-14 |
| [12] | VIJ A, CARREL A, WALKER J L. Incorporating the Influence of Latent Modal Preferences on Travel Mode Choice Behavior[J]. Transportation Research Part A:Policy & Practice , 2013 (54) : 164-178 |
| [13] | YANG C W, SUNG Y C. Constructing a Mixed-Logit Model with Market Positioning to Analyze the Effects of New Mode Introduction[J]. Journal of Transport Geography , 2010, 18 (1) : 175-182 |
| [14] | WEN C H, WANG W C, FU C. Latent Class Nested Logit Model for Analyzing High-speed Rail Access Mode Choice[J]. Transportation Research Part E:Logistics and Transportation Review , 2012, 48 (2) : 545-554 |
| [15] | PICARD G, GAUDRY M. Exploration of a Box Cox Logit Model of Intercity Freight Mode Choice[J]. Transportation Research Part E:Logistics and Transportation Review , 1998, 34 (1) : 1-12 |
| [16] | DOBRUSZKES F, DEHON C, GIVONI M. Does European High-speed Rail Affect the Current Level of Air Services? An EU-wide Analysis[J]. Transportation Research Part A:Policy and Practice , 2014, 69 : 461-475 |
| [17] | NESSET E, HHLGESEN Ø. Effects of Switching Costs on Customer Attitude Loyalty to an Airport in a Multi-airport Region[J]. Transportation Research Part A:Policy and Practice , 2014, 67 : 240-253 |
| [18] | CHENG Y H, HUANG T Y. High Speed Rail Passenger Segmentation and Ticketing Channel Preference[J]. Transportation Research Part A:Policy and Practice , 2014, 66 : 127-143 |
| [19] | 何韬. 我国高速铁路与民航运输竞争关系研究[D]. 北京:北京交通大学,2012. HE Tao. The Competitive Relationship between High-speed Railway and Civil Aviation in China[D]. Beijing:Beijing Jiaotong University, 2012. |
| [20] | 龙雪琴, 宋嘉骐, 王建军, 等. 面向有限理性决策的出行者行为研究[J]. 公路交通科技 , 2016, 33 (5) : 105-110 LONG Xue-qin, SONG Jia-qi, WANG Jian-jun, et al. Study on Traveler's Behavior for Bounded-rational Decision-making[J]. Journal of Highway and Transportation Research and Development , 2016, 33 (5) : 105-110 |
2016, Vol. 33
