北京交通大学 综合交通运输大数据应用技术交通运输行业重点实验室, 北京 100044
收稿日期：2021-09-17
基金项目：国家自然科学基金资助项目(52172312);国家重点研发计划项目(2018YFB1601300)
作者简介：郇宁(1994—), 男, 博士研究生
通讯作者：姚恩建, 教授, E-mail：enjyao@bjtu.edu.cn
摘要：随着城市间交流日益紧密, 城际出行需求呈持续增长态势, 高质量的城际出行服务对城际方式与市内接驳方式的一体化运行提出了更高的要求, 将组合出行的研究视角由城市内拓宽到城市间具有重要的理论价值和现实意义。该文结合近年来国内外的相关研究, 首先对组合出行的关联概念进行辨析, 将城际组合出行行为界定为一种对于首端市内接驳方式、城际出行方式以及末端市内接驳方式中2种及以上出行方式的联合选择行为; 其次, 对代表性的城际组合出行行为模型进行综述, 并以多方式运力协同优化为代表, 归纳了行为建模研究的主要应用方向; 最后, 总结了现有研究中的不足, 并对该领域未来的研究工作进行了讨论与展望。
关键词：旅客联程运输城际出行需求组合出行方式划分离散选择模型运力协同优化
Advances in intermodal travel behaviour modelling
HUAN Ning, YAO Enjian
Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport, Beijing Jiaotong University, Beijing 100044, China
Abstract: The high level of connectivity between cities is leading to increased intercity travel with intercity passenger service requiring close collaboration station access and egress modes. Thus, there is a need to account for intermodal travel behaviour not only within the city, but also between cities. In this paper, intermodal travel behaviour is defined as a three-stage combined mode choice based on a review of related concepts in the literature. Representative intermodal travel behaviour models are reviewed with typical applications of these models. In addition, the gaps in existing studies are summarised with directions for future research.
Key words: intermodal passenger transportintercity travel demandcombined travelmodal splitdiscrete choice modelcoordinated optimisation of transport capacity
区域协调发展推动了“内畅、外联、互通”综合交通网络成型发展，为城市间人员和物资的流动提供了必要条件。城市间日益紧密的经济、文化和商业联系使城际出行需求呈现常态化、多样化的演化趋势，客流规模持续快速增长。在旅客联程运输的发展背景下，综合客运枢纽分工互补、运行协同势在必行，研究城际旅客的全出行过程对于优化综合交通供给具有重要的指导意义，也成为近年来交通行为领域的研究热点。
现有研究中，尚未形成对于城际组合出行行为的统一定义，经综合对比，本文采用相对宽松的概念边界，将其定义为一种对于首端市内接驳方式、城际出行方式以及末端市内接驳方式中2种及以上出行方式的联合选择行为。基于上述定义，本文对其关联概念进行辨析，梳理近年来关于城际组合出行行为建模及应用的前沿成果，为该领域未来的研究工作提供参考。
1 概念辨析1.1 组合出行与出行链组合出行是指通过换乘一种或多种交通方式完成的出行。按照研究的空间尺度，现有文献中的组合出行可分为市内组合出行[1-6]和城际组合出行[7-10]2类。对于市内组合出行，早期研究多以“小汽车+地铁”的停车换乘(P&R)通勤出行为研究对象[1-2]，后续该概念被扩展为任意2种市内交通方式的组合，如“自行车+地铁”“步行+公交”“公交+地铁”等[3-6]；对于城际组合出行，按其研究范围可分为2类：城际交通方式间的组合(如“铁路+飞机”，即空铁联运)[7-8]以及城际交通方式和市内交通方式的组合(如“铁路+公交”)[9-10]。
出行链是组合出行的相近概念，通常指出行者从家出发到返回家的全出行过程，包含时间、空间、方式和活动等多维度信息[11-12]。相较于组合出行，出行链中的交通方式由活动(如工作、就医、购物等)串联而成，交通方式间的衔接并非以换乘作为唯一目的。现有文献中，出行链的研究空间范围通常在城市内[13-16]，但也有国内****采用城际出行链(或基于出行链理论的城际出行)的概念[17-19]，即一种不包含途中活动、仅存在换乘行为的跨城市出行链，本文将上述城际出行链纳入城际组合出行的定义范围。图 1梳理了现有文献中组合出行、出行链等相关概念间的逻辑关系。
 |
| 图 1 组合出行与出行链相关概念辨析 |
| 图选项 |
1.2 旅客联程运输旅客联程运输是指通过对旅客不同运输方式的行程进行统筹规划和一体化运输组织，实现旅客便捷高效出行的运输组织模式，简称旅客联运。与需求侧的组合出行概念相对，旅客联运强调供给侧的多方式协同。相较于单一方式独立运营的服务模式，旅客联运涉及多种运输方式的一体化组织与深度融合，需以基础设施的衔接、票务信息的互通、清算系统的建立、运输组织的协同、市场主体的整合等多方面条件为支撑。
我国旅客联运发展具有起步晚、起点高等特点，京津冀、长三角、珠三角等城市群在充分利用现有客运网络的前提下，开展了空铁、空巴、公铁等一系列旅客联运服务模式的探索，旅客联运在城际客运市场中的占比稳步攀升，但距离实现“一站式购票、一票制出行、一体化组织、无缝化衔接、人性化服务”的高水平目标仍有差距。
2 城际出行行为模型城际出行是指起讫点在不同城市的出行[20-22]，由于城际出行相对于市内出行具有频率低、目的性强、时间相对灵活等特点，现有研究通常以城际出行方式选择为研究对象，也有部分文献针对城际出行的生成[22-23]、目的地选择[22-24]、出发时刻选择[25]等问题进行研究。此外，由于城际出行方式对应的有效路径通常较少，城际出行的方式选择在很大程度上反映了其路径选择，因而针对城际出行路径选择[22, 26]的研究相对较少。
城际出行方式选择行为的研究对象通常为城际客运通道，例如：国内京津冀、长三角等城市群的内部及对外城际客运通道，美国东北部城市群的Northeast走廊、加拿大的Quebec-Windsor走廊、西班牙的Madrid-Barcelona走廊等。由于城际出行方式选择具有离散特征，现有研究通常采用基于离散选择理论的建模方法。在数据方面，主要通过问卷调查采集目标人群的选择行为样本，调查形式主要包括：SP(stated preference)调查、RP(revealed preference)调查、SP-off-RP调查[27-29]及其衍生形式[30]，以及基于Likert量表的态度类调查[31-32]等。由于研究地区和对象的差异，不同研究所考虑的城际出行方式和解释变量各有侧重，表 1列出了代表性的城际出行方式选择模型。
表 1 代表性的城际出行方式选择模型
| 文献 | 调查 | 模型 | 城际出行方式备选集 | 国家/地区 |
| 文[33] | RP&SP | MNL | 飞机、巴士、小汽车 | 利比亚 |
| 文[34] | RP | MNL | 高铁、飞机 | 合肥 |
| 文[35] | RP&SP | MNL | 高铁、普铁、飞机、巴士、小汽车(自驾、合乘) | 意大利 |
| 文[36] | RP | MMNL | 高铁、普铁、巴士、小汽车 | 长三角 |
| 文[37] | RP&SP | MMNL | 高铁、普铁、飞机、巴士、小汽车 | 北京 |
| 文[38] | SP | MMNL | 普通巴士、豪华巴士、其它(铁路、飞机、小汽车) | 比利时 |
| 文[39] | RP&SP | NL | 高铁、普铁、飞机、巴士、小汽车 | 加拿大 |
| 文[40] | RP&SP | NL | 高铁、普铁、飞机(普通、廉航)、巴士、小汽车 | 越南 |
| 文[41] | SP | LR&MMNL | 高铁、普铁、飞机(普通、廉航)、巴士、小汽车(自驾、合乘) | 意大利 |
| 文[42] | RP | MNL&MMNL | 高铁、飞机、巴士 | 西班牙 |
| 文[26] | RP | MNL&NL | 高铁、巴士、小汽车(高速、非高速) | 长三角 |
| 文[43] | SP | LC-MNL | 飞机、巴士、小汽车 | 澳大利亚 |
| 文[31] | Likert scale | MIMIC | 高铁、普铁、巴士 | 长三角 |
| 文[44] | SP | HCM-MNL | 铁路、飞机、巴士、小汽车 | 美国 |
| 注：MNL (multinomial logit); MMNL (mixed MNL); LC-MNL(latent class-MNL); NL(nested logit); LR(logistic regression); MIMIC(multiple indicators multiple causes); SEM(structural equation model); HCM(hybrid choice model)。 | ||||
表选项
现有研究中，城际出行的备选方式以高铁、普铁、巴士、小汽车为代表，长距离城际出行问题中常增加飞机为备选项。部分****讨论了更加精细的方式划分，例如：普通与豪华车型[38]，小汽车的自驾、合乘[35, 41]和租赁，高速与非高速路径[26]，全服务航班与廉价航班[40-41]等。
现有模型所采用的场景属性变量主要包含3类：1) 服务水平类变量。此类变量以出行时间和费用为代表，部分研究在城际出行方式的效用函数中考虑了首、末端接驳方式的影响，主要体现为时间[35, 39-44]、距离[33]或方式哑元[26, 34, 39]等形式；也有研究在效用函数中以交叉项的形式分析了服务水平变量与出行特征、社会经济属性间的共同作用[37, 38, 42]。2) 出行特征类变量。多数研究区分了不同出行目的下的方式选择机理，常用的建模手段包括引入哑元变量和分样本建模2类，也有研究考虑了出行频率[38, 42]、同行情况和停留时间[44]等影响因素。3) 心理态度类变量。如：便捷性、舒适性、安全性、可靠性等反映个体对出行方式服务水平整体感知的一般化态度变量，以及小汽车依赖性[44]、社交与隐私偏好[33, 44]等更具针对性的态度变量。
在模型选择方面，以结构相对简单但可应用性较强的MNL和NL模型为主，也有****采用ML(mixed logit)和LC-MNL模型捕捉个体的异质性，从而提升模型的解释力和拟合优度。另外，部分文献引入心理态度类变量以分析影响个体行为的潜在因素，如利用SEM、MIMIC模型进行因子分析、内生与外生变量间的路径分析等，也有研究将心理态度类变量以潜变量的形式应用于离散选择模型，形成HCM结构，以剖析非观测因素对选择行为的影响。
3 城际组合出行行为模型在城际组合出行行为建模的相关研究中，本文按城际与市内方式组合出行、城际方式间组合出行2个类别进行综述。
3.1 城际与市内方式组合出行城际与市内方式组合出行可视为城际出行的首末端接驳问题，常见的建模思路包括3种：1) 以机场[45-46]、高铁站[47-48]等对外客运枢纽处的接驳行为作为独立的研究对象，此类模型不涉及组合出行问题；2) 将接驳方式的某些服务水平变量作为城际方式选择效用的解释变量，即纳入城际出行行为的研究范畴，如表 1中的文[26, 33-35, 39-44]；3) 将城际方式和接驳方式的组合作为联运方式，假设出行者同时决策两阶段的出行方式。针对第3种建模思路，表 2列出了代表性的城际与市内组合方式选择模型。
表 2 代表性的城际与市内组合方式选择模型
| 文献 | 调查 | 模型 | 出行阶段 | 城际与市内方式组合备选集 | 国家/地区 |
| 文[49] | SP | MMNL | A+B | 单一水平：普铁+公交、普铁+自行车、普铁+小汽车、小汽车 | 荷兰 |
| 文[50] | SP | NL&MMNL | A+B | 水平2：高铁、普铁、巴士、小汽车 水平1：地铁、公交、小汽车、出租车 | 成渝 |
| 文[51] | SP | NL | A+B | 水平2：高铁、普铁、巴士、小汽车 水平1：地铁、公交、小汽车、出租车 | 长三角 |
| 文[52] | RP | NL | A+B | 水平2：公共交通巢(普铁、巴士)、私人交通巢(自驾、合乘) 水平1：巴士接驳巢(步行、小汽车)、普铁接驳巢(步行、自行车、小汽车接送和停车换乘等) | 印度 |
| 文[53] | RP | SEM-NL | A+B | 水平2：公共交通巢(高铁、巴士)、小汽车 水平1：公共交通巢(地铁、公交)、私人交通巢(小汽车、出租车) | 成渝 |
| 文[17] | RP | SEM | A+B+A | 单一水平：地铁+高铁+公交/出租车、地铁+普铁+公交/出租车、地铁+巴士+公交/出租车 | 长三角 |
| 文[18] | SP | HCM-MNL | B+A+B | 单一水平：高铁+地铁+高铁/普铁/飞机、城际铁路+地铁+高铁/普铁/飞机 | 京津冀 |
| 注：出行阶段中“A”表示首端或末端市内接驳阶段，“B”表示城际出行阶段。 | |||||
表选项
表 2中的多数研究采用了“A+B”的建模思路，即仅考虑一端的市内接驳过程，或认为两端的市内接驳选择行为机理相同；也有文献采用了“A+B+A”[17]或“B+A+B”[18]的建模思路，但由于3个阶段的组合方式数目繁多，故仅选择了主要的或代表性的组合方式作为研究对象。上述研究均将多个阶段的方式选择结果视为一个整体，未对各个阶段决策间的关联性进行具体讨论。
3.2 城际方式间组合出行城际方式间组合出行通常面向旅客联运服务，国外对于旅客联运的研究可追溯至20世纪末，早期的研究动机是探索铁路和民航间的协作模式[7-8]，即空铁联运的前身。近年来，国外****针对不同的旅客联运场景，围绕旅客对服务水平的感知、选择偏好等问题开展了一系列研究。文[54]具有代表性地分析了空铁联运服务中行李托运、延误保险、中转时间和途中餐饮等因素对旅客支付意愿的影响；文[55]调查了旅客对“空铁联运”和“空空联运”的选择意向，指出了票务和行李托运一体化、缩短联程中转时间的重要性；文[56]研究了空、铁、水、陆4类运输方式间的旅客联运问题，总结了旅客对安全、舒适、效率和性价比等因素的价值排序；文[57]构建了包含陆地直达、陆地中转、飞机中转、空铁中转等多种联运方式的行为模型；文[58]提出通过健全城际巴士线网提升与高铁的连通性，从而提高公铁联运在综合交通网络中的分担率。
国外相关研究通常集中在欧洲地区(如法国、西班牙、葡萄牙和希腊)以及日本。在空间地理特征方面，上述国家海岸线长且曲折，岛屿、海湾、峡湾分布较多，城市的人口规模普遍偏小，中、小型城市组团较多，加之地区内城市分工、协同等因素影响，城际出行成为居民日常出行的重要组成部分。在交通供给特征方面，欧洲地区的境内与跨境客运网络发达，如：Rail Europe、EuroStar等城际铁路服务商，以FlixBus为代表的城际巴士服务商，EasyJet、Ryanair、Vueling等廉价航空服务商。多层次、高衔接度、服务水平差异化的综合交通网络为居民提供了丰富的城际出行选择，也使居民对城际组合出行的接受度和熟悉度较高。
相比之下，国内旅客对于联运产品的认知度低、实际出行体验少。针对这一现状，国内****也对城际方式间组合出行问题进行了一系列探索。文[59]以武汉周边城市的城际旅客为调查对象，分析其前往省会城市、中转抵达目的地的组合出行过程，构建了包含空巴联运和巴铁联运的MNL模型；文[60]针对京广通道沿线不同距离的城际出行场景，构建了包含高铁直达、飞机直达和空铁联运的MNL模型；文[61]面向长三角的城际出行者，基于HCM分析了态度变量对于空铁联运选择偏好的潜在影响；文[62]基于正定机场的空铁联运历史数据构建了偏最小二乘模型，基于SP数据构建了BL模型，指出了机场的航班连通度、联程中转时间、票价和延误等因素对空铁联运分担率的重要影响；文[63]基于MNL和MMNL模型分析了中长距离城际出行旅客对于高铁直达、飞机直达、空铁联运、飞机换乘的选择偏好；文[32]调查了旅客对空铁联运服务的满意度，采用基于偏最小二乘的SEM模型对感知服务质量、感知价值、旅客期望、忠诚度等内生和外生潜变量进行了路径分析，揭示了旅客选择空铁联运的决策机理。
综上，国外****主要面向相对成熟的旅客联运系统进行研究，重点关注改善联程中转服务、提升联运客流分担率等问题；国内****通常立足于民众对旅客联运这一新兴服务模式熟悉度低的现状，侧重调查个体对于旅客联运服务的接受意愿和选择偏好，探究促进旅客联运推广的服务水平提升策略。
4 多方式运力协同优化对于交通供给侧而言，掌握需求侧个体的行为特征有助于准确估计需求量，支撑不同运输方式间运力资源的协同配置，提升整个交通系统的运输效率，为旅客提供无缝换乘的城际组合出行体验。现有文献中，与城际组合出行行为相关的应用研究主要分为2类：面向中长期运力配置的规划设计类问题和面向短期运力调度的运营管理类问题。
针对规划设计层面的运力协同问题，综合客运通道的运力结构优化[64-65]和空铁联运网络的设计优化[66-68]受到了广泛关注。前者通过调整交通供给引导合理的出行结构，降低整个交通系统的总体出行成本，进而提高通道的运输效率；后者通过优化航线布局配合高铁线网的运力分布，寻找最优的中转枢纽城市，进而确定高效衔接的空铁联运网络。
针对运营管理层面的运力协同问题，按研究面向的组合出行类型可分为2类：1) 城际方式间的运力协同优化。该类研究主要以提升高铁和飞机时刻表的协同性、改善空铁联运服务水平为目标。文[69]提出了考虑空铁联运市场需求的机场时刻资源配置优化模型，文[70-71]提出了面向空铁联运服务的高铁时刻表优化模型。2) 城际与市内方式的运力协同优化。此类研究较为关注综合客运枢纽内的多种市内交通方式的运力协同，通常以城际到达客流为需求导向，通过优化不同市内交通方式的运力分配，实现对城际到达客流的高效疏运。例如：文[72]通过分析枢纽系统的运行成本和乘客的时间成本，建立以运能匹配度为约束条件的多目标优化模型，提出使城市轨道交通和公交高效接驳到达客流的运力优化方案；文[73]面向联程客流在枢纽间的中转过程，提出了考虑弹性需求的城市轨道交通和公交的运行计划协同优化方法，有效地缩短了联程客流的中转时间。此外，也有****针对定制化的枢纽接驳服务进行了运行计划优化方面的研究[74-76]。
总体上，国内****比国外****更关注多方式运力的协同优化问题。这主要与欧美等发达国家综合交通网络发展历史久、交通系统供需关系相对平衡有关，由于人口和产业布局相对成熟，城际出行需求增长趋于平缓，所以不具备推进各种运输方式深度融合的迫切需求与潜在动机。相比之下，随着我国经济发展进入新常态，运输服务发展的重心也从总量增长转移到质量提升，这要求充分挖掘各种运输资源的合力，通过改进传统的运输组织策略实现集约化发展，也使城际组合出行及其带来的跨方式运输组织问题具有重要的研究价值和现实意义。
5 总结与展望综如上述，从以下几方面对现有研究的不足进行总结，并对未来的研究方向进行展望。
1) 对于影响城际组合出行选择偏好的关键要素认知不充分。现有研究对于城际组合出行行为的解释变量挖掘不充分，欠缺对于关键影响要素叠加效应的综合分析。在服务水平方面，对城际组合出行中首、末端接驳时间、城际与市内方式换乘时间、城际方式间联程中转时间、车内时间以及候车等待时间等时间要素考虑不全面，较少考虑不同时间要素的价值感知差异；此外，现有研究往往忽略了单一出行方式的服务水平差异(如：高铁坐席选择带来的舒适度差异、不同机场航班的价格与准点率差异等)；在出行特征方面，出行目的、同行情况、出行频率、行李携带等因素会同时作用于个体行为，目前对于上述各类出行特征变量的综合考虑不足，难以真实反映个体的出行决策场景；在心理态度方面，现有包含潜变量的模型主要关注舒适性、便捷性、安全性等一般化态度变量，对于非观测因素的解释力有限，未能结合城际组合出行行为的特异性提出更具针对性的解释变量，有必要面向组合出行全过程剖析影响个体选择偏好的关键态度因素，进一步提升对城际组合出行行为的解释力。
2) 对于城际组合出行中各阶段选择机理及决策关联解析不透彻。现有研究对于3个阶段组合方式选择机理的解析尚不充分，多数研究仅在城际方式选择的效用函数中加入首末端接驳的服务水平变量，既未考虑首末端接驳方式的服务水平差异，也未对3个阶段的决策关联性进行论证。本质上，城际组合出行行为是一类多重选择问题，该类问题中至少存在序列型决策和同步型决策2种基本决策关联假设[77]，甚至涉及更复杂的决策过程，而现有研究对该问题的考虑较少，对于不同阶段决策的相互影响机制、关键影响因素的跨阶段作用原理解析尚不透彻，未形成涵盖城际组合出行全过程的一体化建模思路。
3) 缺乏面向旅客联运服务模式的多方式运力协同优化方法。针对城际方式间的运力协同问题，现有研究受到城际方式间运输组织差异大、跨方式协同难度大等现实因素制约，对于旅客联运服务模式下城际方式间运力协同优化的探索较少；针对城际与市内方式的运力协同问题，现有研究主要以铁路枢纽内的市内接驳方式为研究对象，通过构建数学模型优化地铁、公交、接驳巴士等市内交通方式的时刻表衔接，但对于城际到达客流的构成差异考虑较少，未能充分体现上游城际方式选择对于下游接驳方式选择偏好的影响，也较少关注个体出行特征对中转时间敏感性的影响。此外，现有研究普遍使用已知且固定的出行需求，较少考虑交通供给侧变动对于出行需求的影响，因而存在对出行需求变化把握不准确的缺点，在一定程度上影响了优化方法的应用效果。因而有必要进一步探究基于行为模型的需求响应机制，研究以城际方式间高效衔接为主导、市内接驳方式配合城际方式的运力协同优化方法，为旅客提供无缝换乘的城际组合出行体验。
参考文献
| [1] | 李志纯, 黄海军. 弹性需求下的组合出行模型与求解算法[J]. 中国公路学报, 2005, 18(3): 94-98. LI Z C, HUANG H J. Model and solution algorithm with combined travel under elastic demand[J]. China Journal of Highway and Transport, 2005, 18(3): 94-98. DOI:10.3321/j.issn:1001-7372.2005.03.019 (in Chinese) |
| [2] | 黄海军, 李志纯. 组合出行方式下的混合均衡分配模型及求解算法[J]. 系统科学与数学, 2006, 26(3): 352-361. HUANG H J, LI Z C. Mixed equilibrium model and solution algorithm in transportation networks with combined mode[J]. Journal of Systems Science and Mathematical Sciences, 2006, 26(3): 352-361. DOI:10.3969/j.issn.1000-0577.2006.03.011 (in Chinese) |
| [3] | 孟梦, 邵春福, 曾静靖, 等. 组合出行模式下多方式交通流分配模型及算法[J]. 吉林大学学报(工学版), 2014, 44(1): 47-53. MENG M, SHAO C F, ZENG J J. Multi-modal traffic equilibrium model and algorithm with combined modes[J]. Journal of Jilin University (Engineering and Technology Edition), 2014, 44(1): 47-53. (in Chinese) |
| [4] | 冯国臣. 组合出行方式选择行为及信息服务影响研究[D]. 北京: 北京工业大学, 2016. FENG G C. Research on behavior of combination travel modes' choice and influence of information service[D]. Beijing: Beijing University Of Technology, 2016. (in Chinese) |
| [5] | CHENG Y H, TSENG W C. Exploring the effects of perceived values, free bus transfer, and penalties on intermodal metro-bus transfer users' intention[J]. Transport Policy, 2016, 47: 127-138. DOI:10.1016/j.tranpol.2016.01.001 |
| [6] | KRAJZEWICZ D, HEINRICHS M, BEIGE S. Embedding intermodal mobility behavior in an agent-based demand model[J]. Procedia Computer Science, 2018, 130: 865-871. DOI:10.1016/j.procs.2018.04.082 |
| [7] | LóPEZ-PITA A, ROBUSTé F. High-speed line airport connections in Europe: State-of-the-art study[J]. Transportation Research Record, 2004(1863): 9-18. |
| [8] | GRIMME W G. Air/rail passenger intermodality concepts in Germany[J]. World Review of Intermodal Transportation Research, 2007, 1(3): 251-263. DOI:10.1504/WRITR.2007.016273 |
| [9] | CHAKOUR V, ELURU N. Analyzing commuter train user behavior: A decision framework for access mode and station choice[J]. Transportation, 2014, 41(1): 211-228. DOI:10.1007/s11116-013-9509-y |
| [10] | DOU X, MENG Q, GUO X. Bus schedule coordination for the last train service in an intermodal bus-and-train transport network[J]. Transportation Research Part C: Emerging Technologies, 2015, 60: 360-376. DOI:10.1016/j.trc.2015.09.006 |
| [11] | THILL J C C, THOMAS I. Toward conceptualizing trip‐chaining behavior: A review[J]. Geographical Analysis, 1987, 19(1): 1-17. |
| [12] | 褚浩然, 郑猛, 杨晓光, 等. 出行链特征指标的提出及应用研究[J]. 城市交通, 2006, 4(2): 64-67. CHU H R, ZHENG M, YANG X G, et al. A Study on trip-chain indices and their application[J]. Urban Transport of China, 2006, 4(2): 64-67. DOI:10.3969/j.issn.1672-5328.2006.02.014 (in Chinese) |
| [13] | 翁剑成, 王昌, 王月玥, 等. 基于个体出行数据的公共交通出行链提取方法[J]. 交通运输系统工程与信息, 2017, 17(3): 67-73. WENG J C, WANG C, WANG Y Y. Extraction method of public transit trip chains based on the individual riders' data[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(3): 67-73. (in Chinese) |
| [14] | 杨励雅, 李娟. 居民出行链、出行方式与出发时间联合选择的交叉巢式Logit模型[J]. 北京大学学报(自然科学版), 2017, 53(4): 722-730. YANG L Y, LI J. Cross-Nested logit model for the joint choice of residential location, travel mode, and departure time[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(4): 722-730. (in Chinese) |
| [15] | PRIMERANO F, TAYLOR M A P, PITAKSRINGKARN L, et al. Defining and understanding trip chaining behaviour[J]. Transportation, 2008, 35(1): 55-72. |
| [16] | SCHNEIDER F, TON D, ZOMER L B, et al. Trip chain complexity: A comparison among latent classes of daily mobility patterns[J]. Transportation, 2021, 48: 953-975. DOI:10.1007/s11116-020-10084-1 |
| [17] | 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): 77-83. YE Y L, HAN M C, CHEN J J. Intercity passenger travel mode choice behavior based on trip chain[J]. Journal of Tongji University (natural science), 2018, 46(9): 77-83. (in Chinese) |
| [18] | 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. MA S H, LI Y, YUE M. Study on intercity passenger transfer mode choice based on travel chain[J]. Journal of Beijing Jiaotong University, 2020, 44(6): 74-81. DOI:10.11860/j.issn.1673-0291.20200070 (in Chinese) |
| [19] | 朱鸿国. 公铁模式下的区域城际旅客出行链问题研究[D]. 西安: 长安大学, 2018. ZHU H G. Analysis of regional intercity trip chain with rail and highway modes[D]. Xi'an: Chang'an University, 2018. (in Chinese) |
| [20] | BIEBER A. Modal evolution of intercity travel demand: A Markovian analysis[J]. Transportation Research, 1967, 1(4): 311-337. DOI:10.1016/0041-1647(67)90127-X |
| [21] | BHAT C R. Endogenous segmentation mode choice model with an application to intercity travel[J]. Transportation Science, 1997, 31(1): 34-48. DOI:10.1287/trsc.31.1.34 |
| [22] | YAO E, MORIKAWA T. A study on integrated intercity travel demand model[J]. Transportation Research Part A: Policy and Practice, 2003, 39(8): 10-15. |
| [23] | LLORCA C, MOLLOY J, JI J, et al. Estimation of a long-distance travel demand model using trip surveys, location-based big data, and trip planning services[J]. Transportation Research Record, 2018, 2672(47): 103-113. DOI:10.1177/0361198118777064 |
| [24] | WANG Y, WU B, DONG Z, et al. A joint modeling analysis of passengers' intercity travel destination and mode choices in Yangtze River delta megaregion of China[J]. Mathematical Problems in Engineering, 2016, 5293210. |
| [25] | CHAICHANNAWATIK B, KANITPONG K, LIMANOND T. Departure time choice (DTC) behavior for intercity travel during a long-holiday in Bangkok, Thailand[J]. Journal of Advanced Transportation, 2019, 1896261. |
| [26] | WANG Y, LI L, WANG L, et al. Modeling traveler mode choice behavior of a new high-speed rail corridor in China[J]. Transportation Planning and Technology, 2014, 37(5): 466-483. DOI:10.1080/03081060.2014.912420 |
| [27] | TRAIN K, WILSON WE. Monte Carlo analysis of SP-off-RP data[J]. Journal of Choice Modelling, 2009, 2(1): 101-117. DOI:10.1016/S1755-5345(13)70006-X |
| [28] | SANKO N, YAMAMOTO T. Estimation efficiency of RP/SP models considering SP design and error structures[J]. Journal of Choice Modelling, 2013(6): 60-73. |
| [29] | GUEVARA C A, HESS S. A control-function approach to correct for endogeneity in discrete choice models estimated on SP-off-RP data and contrasts with an earlier FIML approach by Train & Wilson[J]. Transportation Research Part B: Methodological, 2019, 123: 224-239. DOI:10.1016/j.trb.2019.03.022 |
| [30] | DANAF M, GUEVARA A, ATASOY B, et al. Endogeneity in adaptive choice contexts: Choice-based recommender systems and adaptive stated preferences surveys[J]. Journal of Choice Modelling, 2020, 34(3): 113-132. |
| [31] | PENG J, JUAN Z C, GAO L J. Application of the expanded theory of planned behavior in intercity travel behavior[J]. Discrete Dynamics in Nature and Society, 2014, 308674. |
| [32] | YUAN Y, YANG M, FENG T, et al. Heterogeneity in passenger satisfaction with air-rail integration services: Results of a finite mixture partial least squares model[J]. Transportation Research Part A: Policy and Practice, 2021, 147: 133-158. DOI:10.1016/j.tra.2021.03.003 |
| [33] | ABDULSALAM M A, MISKEEN B, ALHODAIRI A M, et al. Modeling a multinomial logit model of intercity travel mode choice behavior for all trips in Libya[J]. Civil, Environmental, Structural, Construction and Architectural Engineering, 2013, 7(9): 636-645. |
| [34] | 芮海田, 吴群琪. 高铁运输与民航运输选择下的中长距离出行决策行为[J]. 中国公路学报, 2016, 29(3): 134-141. RUI H T, WU Q Q. Medium and long distance travel mode decision between high-speed rail and civil aviation[J]. China Journal of Highway and Transport, 2016, 29(3): 134-141. DOI:10.3969/j.issn.1001-7372.2016.03.017 (in Chinese) |
| [35] | BERGANTINO A S, MADIO L. Intermodal competition and substitution. HSR versus air transport: Understanding the socio-economic determinants of modal choice[J]. Research in Transportation Economics, 2020, 79(3): 100823. |
| [36] | 吴麟麟, 张明岩, 汪洋. 基于面板数据的宁杭城际出行方式选择行为研究[J]. 交通运输系统工程与信息, 2015, 15(1): 226-231. WU Q L, ZHANG M Y, WANG Y. Analysis of Ninghang intercity travel mode choice behavior based on panel data[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(1): 226-231. DOI:10.3969/j.issn.1009-6744.2015.01.037 (in Chinese) |
| [37] | LIN X, SUSILO Y O, SHAO C, et al. The implication of road toll discount for mode choice: Intercity travel during the chinese spring festival holiday[J]. Sustainability, 2018, 10(8): 1-16. |
| [38] | VAN ACKER V, KESSELS R, PALHAZI CUERVO D, et al. Preferences for long-distance coach transport: Evidence from a discrete choice experiment[J]. Transportation Research Part A: Policy and Practice, 2020, 132: 759-779. DOI:10.1016/j.tra.2019.11.028 |
| [39] | WONG B, HABIB K M N. Effects of accessibility to the transit stations on intercity travel mode choices in contexts of high speed rail in the Windsor-Quebec corridor in Canada[J]. Canadian Journal of Civil Engineering, 2015, 42(11): 930-939. DOI:10.1139/cjce-2014-0493 |
| [40] | LE V T, ZHANG J, CHIKARAISHI M, et al. Influence of introducing high speed railways on intercity travel behavior in Vietnam[J]. arXiv, 2018(9): 1810.00155. |
| [41] | CAPURSO M, HESS S, DEKKER T. Modelling the role of consideration of alternatives in mode choice: An application on the Rome-Milan corridor[J]. Transportation Research Part A: Policy and Practice, 2019, 129: 170-184. DOI:10.1016/j.tra.2019.07.011 |
| [42] | ROMáN C, MARTíN J C, ESPINO R, et al. Valuation of travel time savings for intercity travel: The Madrid-Barcelona corridor[J]. Transport Policy, 2014, 36: 105-117. DOI:10.1016/j.tranpol.2014.07.007 |
| [43] | ZHOU H, NORMAN R, XIA J, et al. Analysing travel mode and airline choice using latent class modelling: A case study in Western Australia[J]. Transportation Research Part A: Policy and Practice, 2020, 137: 187-205. DOI:10.1016/j.tra.2020.04.020 |
| [44] | HESS S, SPITZ G, BRADLEY M, et al. Analysis of mode choice for intercity travel: Application of a hybrid choice model to two distinct US corridors[J]. Transportation Research Part A: Policy and Practice, 2018, 116: 547-567. DOI:10.1016/j.tra.2018.05.019 |
| [45] | TAM M L, LAM W H K, LO H P. The impact of travel time reliability and perceived service quality on airport ground access mode choice[J]. Journal of Choice Modelling, 2011, 4(2): 49-69. DOI:10.1016/S1755-5345(13)70057-5 |
| [46] | ILGIN G, GUNAY GURKAN. Mode choice behavior modeling of ground access to airports: A case study in Istanbul, Turkey[J]. Journal of Air Transport Management, 2017, 59: 1-7. DOI:10.1016/j.jairtraman.2016.11.003 |
| [47] | 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. DOI:10.1016/j.tre.2011.09.002 |
| [48] | YANG H, FENG J, DIJST M, et al. Mode choice in access and egress stages of high-speed railway travelers in china[J]. Journal of Transport and Land Use, 2019, 12(1): 701-721. |
| [49] | PETER V D W, JAAP V D W. The relation between train access mode attributes and travelers' transport mode-choice decisions in the context of medium-and long-distance trips in the Netherlands[J]. Transportation Research Record, 2018, 2672(8): 719-730. DOI:10.1177/0361198118801346 |
| [50] | 向红艳, 任小聪, 陈坚. 城市群内城际短途出行方式选择行为建模[J]. 重庆交通大学学报(自然科学版), 2016, 35(3): 129-133. XIANG H Y, REN X C, CHEN J. Modeling on choice behavior of short-distance intercity travel mode[J]. Journal of Chongqing Jiaotong University (Natural Science), 2016, 35(3): 129-133. (in Chinese) |
| [51] | 葛大鹏. 基于出行行为分析的都市圈城际客运交通方式划分研究[D]. 西安: 长安大学, 2017. GE D P. Study on the traffic mode split of metropolitan intercity passenger transport based on travel behavior analysis[D]. Xi'an: Chang'an University, 2017. (in Chinese) |
| [52] | SHANMUGAM L, RAMASAMY M. Study on mode choice using nested logit models in travel towards Chennai metropolitan city[J/OL]. Journal of Ambient Intelligence and Humanized Computing, 2021, https://doi.org/10.1007/s12652-020-02868-1. |
| [53] | 杜玲丽. 基于SEM-NL模型的城市群城际出行方式选择行为研究[D]. 成都: 西南交通大学, 2019. DU L L. Study on the choice behavior of intercity travel modes of urban agglomeration based on SEM-NL model[D]. Chengdu: Southwest Jiaotong University, 2019. (in Chinese) |
| [54] | CHIAMBARETTO P, BAUDELAIRE C, LAVRIL T. Measuring the willingness-to-pay of air-rail intermodal passengers[J]. Journal of Air Transport Management, 2013, 26: 50-54. DOI:10.1016/j.jairtraman.2012.10.003 |
| [55] | ROMáN C, MARTíN J C. Integration of HSR and air transport: Understanding passengers' preferences[J]. Transportation Research Part E: Logistics and Transportation Review, 2014, 71: 129-141. DOI:10.1016/j.tre.2014.09.001 |
| [56] | EFTHYMIOU M, PAPATHEODOROU A. Intermodal passenger transport and destination competitiveness in Greece[J]. Anatolia, 2015, 26(3): 459-471. DOI:10.1080/13032917.2015.1012171 |
| [57] | ALLARD R F, MOURA F. Effect of transport transfer quality on intercity passenger mode choice[J]. Transportation Research Part A: Policy and Practice, 2018, 109: 89-107. DOI:10.1016/j.tra.2018.01.018 |
| [58] | YASHIRO R, KATO H. Intermodal connection of high-speed rail with interregional bus services in Japan[J]. Transportation Research Record, 2020, 2674(11): 674-684. DOI:10.1177/0361198120949877 |
| [59] | 周娟, 李志纯. "空巴联运"需求预测模型与实证分析: 以湖北地区为例[J]. 交通运输系统工程与信息, 2015, 15(6): 236-241. ZHOU J, LI Z C. Forecasting travel demand for combined bus and airline mode: A case study of Hubei province[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(6): 236-241. (in Chinese) |
| [60] | LI Z C, SHENG D. Forecasting passenger travel demand for air and high-speed rail integration service: A case study of Beijing-Guangzhou corridor, China[J]. Transportation Research Part A: Policy and Practice, 2016, 94: 397-410. DOI:10.1016/j.tra.2016.10.002 |
| [61] | SONG F, HESS S, DEKKER T. Accounting for the impact of variety-seeking: Theory and application to HSR-air intermodality in China[J]. Journal of Air Transport Management, 2018, 69: 99-111. DOI:10.1016/j.jairtraman.2018.02.008 |
| [62] | JIANG Y, TIMMERMANS H J P, CHEN C, et al. Determinants of air-rail integration service of Shijiazhuang airport, China: Analysis of historical data and stated preferences[J]. Transportmetrica B, 2019, 7(1): 1572-1587. |
| [63] | 程谦, 朱晓宁, 卢万胜. 中长运距城际旅客出行方式选择行为模型: 以高铁, 民航为例[J]. 重庆交通大学学报: 自然科学版, 2021, 40(7): 39-45. CHENG Q, ZHU X N, LU W S. Travel mode choice behavior model of intercity passengers with medium and long haul: A case study of high-speed railway and air transport[J]. Journal of Chongqing Jiaotong University (Natural Science), 2021, 40(7): 39-45. (in Chinese) |
| [64] | 吕颖. 城市群城际客运通道规划配置研究[D]. 成都: 西南交通大学, 2016. LV Y. Research on intercity passenger transport corridor planning and configuration of urban agglomeration[D]. Chengdu: Southwest Jiaotong University, 2016. (in Chinese) |
| [65] | 吕靖. 基于出行方式选择的区域运输通道客运结构协同研究[D]. 西安: 长安大学, 2017. LV J. Research on synergy theory of regional transportation corridor passenger transport structure based on travel mode choice[D]. Xi'an: Chang'an University, 2017. (in Chinese) |
| [66] | ALLAND R F, VILACA E MOURA F M M. Optimizing high-speed rail and air transport intermodal passenger network design[J]. Transportation Research Record, 2014, 2448: 11-20. DOI:10.3141/2448-02 |
| [67] | 孔明星, 朱金福. 基于旅客类型的空铁联运网络优化设计[J]. 航空计算技术, 2019, 49(3): 60-63. KONG M X, ZHU J F. Optimization design of air-rail comprehensive transportation network based on passenger type[J]. Aeronautical Computing Technique, 2019, 49(3): 60-63. DOI:10.3969/j.issn.1671-654X.2019.03.014 (in Chinese) |
| [68] | 吴明昊, 陈康, 卢柄宜. 空铁联运协同下的跨域航空服务网络优化[J]. 铁道运输与经济, 2020, 42(5): 13-19. WU M H, CHEN K, LU B Y. Network optimization of inter-regional air service under the coordination of air and high-speed rail[J]. Railway Transport and Economy, 2020, 42(5): 13-19. (in Chinese) |
| [69] | 盛典. 机场时刻资源优化配置与"空铁联运"市场需求预测模型研究[D]. 武汉: 华中科技大学, 2017. SHENG D. Airport slot allocation and demand forecasting for air and high-speed rail integration service[D]. Wuhan: Huazhong University of Science and Technology, 2017. (in Chinese) |
| [70] | KE Y, NIE L, LIEBCHEN C, et al. Improving synchronization in an air and high-speed rail integration service via adjusting a rail timetable: A real-world case study in China[J]. Journal of Advanced Transportation, 2020, 5081315. |
| [71] | 吴志翔. 面向空铁联运的高速铁路运行图优化研究[D]. 北京: 北京交通大学, 2020. WU Z X. Research on optimization of high-speed railway timetable for air-rail intermodality service[D]. Beijing: Beijing Jiaotong University, 2020. (in Chinese) |
| [72] | 张琦琳, 姜志侠, 刘东晓, 等. 综合客运枢纽接驳运能协调调度的多目标优化问题[J]. 长春理工大学学报(自然科学版), 2018, 41(1): 138-142. ZHANG Q L, JIANG Z X, LIU D X. The multi-objective optimization problem of the comprehensive passenger transport hub connecting transport coordination scheduling[J]. Journal of Changchun University of Science and Technology, 2018, 41(1): 138-142. (in Chinese) |
| [73] | 卢天伟, 姚恩建, 杨扬, 等. 考虑弹性需求的城市枢纽间多方式时刻表优化[J]. 交通运输系统工程与信息, 2021, 21(1): 16-22, 35. LU T W, YAO E J, YANG Y, et al. Multimodal timetable optimization between urban transport hubs considering elastic demand[J]. Journal of Transportation Systems Engineering and Information Technology, 2021, 21(1): 16-22, 35. (in Chinese) |
| [74] | 彭巍, 周和平, 高攀. 面向城际轨道交通的定制化接驳公交线路优化[J]. 长沙理工大学学报, 2017, 14(4): 49-54, 82. PENG W, ZHOU H P, GAO P. Multimodal timetable optimization between urban transport hubs considering elastic demand[J]. Journal of Changsha University of Science and Technology, 2017, 14(4): 49-54, 82. (in Chinese) |
| [75] | 郭小乐, 宋瑞, 何世伟, 等. 高铁车站接运公交时刻表与车辆调度综合优化[J]. 铁道学报, 2019, 41(1): 26-34. GUO X L, SONG R, HE S W. Integrated optimization of feeder bus timetabling and vehicle scheduling for high-speed railway terminals[J]. Journal of the China Railway Society, 2019, 41(1): 26-34. (in Chinese) |
| [76] | 姚恩建, 马斯玮, 向镇, 等. 面向铁路夜间乘客疏散的定制公交线路优化[J]. 北京交通大学学报, 2021, 45(1): 78-84. YAO E J, MA S W, XIANG Z. Optimization of customized bus routes for evacuation of railway passengers arriving at night[J]. Journal of Beijing Jiaotong University, 2021, 45(1): 78-84. (in Chinese) |
| [77] | FREIDIN E, AW J, KACELNIK A. Sequential and simultaneous choices: Testing the diet selection and sequential choice models[J]. Behavioural Processes, 2009, 80(3): 218-223. |
