峰前折扣票价下轨道交通乘客出发时间弹性

交通运输系统工程与信息 ›› 2019, Vol. 19 ›› Issue (5): 156-162.

峰前折扣票价下轨道交通乘客出发时间弹性

禹丹丹^{1, 2}，姚向明^*1，徐会杰²，赵鹏¹

1. 北京交通大学交通运输学院，北京 100044；2. 北京市地铁运营有限公司，北京 100044

收稿日期:2019-03-26 修回日期:2019-05-08 出版日期:2019-10-25 发布日期:2019-10-25
作者简介:禹丹丹(1986-)，女，湖南邵阳人，博士后.
基金资助:
国家自然科学基金/National Natural Science Foundation of China(71701011)；北京市地铁运营有限公司科研项目/ Research Project of Beijing Railway Operation Corporation(2018000552000001).

Departure Time Elasticities of Transit Travelers under Pre-peak Discount Price

YU Dan-dan^{1, 2}, YAO Xiang-ming¹, XU Hui-jie², ZHAO Peng¹

1. School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China; 2. Beijing Mass Transit Railway Operation Co., Ltd., Beijing 100044, China

Received:2019-03-26 Revised:2019-05-08 Online:2019-10-25 Published:2019-10-25

摘要/Abstract

摘要：

以北京地铁峰前折扣票价政策为背景，利用自动售检票数据研究折扣票价对乘客出发时间的影响. 首先，从“消费行为”视角建立客观的分类指标并对客运市场进行细分；其次，以较长时期内出发时间中位数为指标，基于“事前—事后对比法”对出发时间发生转移的乘客进行辨识；最后，准确测定不同类型乘客出发时间对票价变动的敏感程度. 结果显示：乘客出发时间票价弹性随转移时长增加而急剧下降，30 min 几乎是乘客所能接受的最大转移时长；通勤类乘客弹性最低，低频及生活类乘客相对富有弹性；限制当前折扣票价政策效果的主要因素在于折扣截止时间过早.该研究能够为差别定价方案编制及优化提供关键参数.

关键词: 交通工程, 出发时间弹性, 自动售检票数据, 城市轨道交通, 峰前折扣票价

Abstract:

Taking the pre-peak discount fare policy of Beijing subway as the background, this work studies the impact of discount fares on passenger’s departure time by mining smart card data. Firstly, new classification indexes in the perspective of“consumer behaviors”are established to segment transit markets. Secondly, the median of departure times is used to determine shifted passengers who move forward departure times, by using an “before-and-after compare method”. Then, departure time elasticities of different passenger groups are measured. The results show that departure time elasticities decrease sharply with shift time increasing, and 30 minutes are almost the maximum time that passengers can accept. Commuters have the lowest flexibility, low-frequency and living-travel passengers are relatively flexible. The main reason for limiting the effectiveness of the current policy is unreasonable setting of the discount deadline. This study provides fundamental parameters for fare scheme programming and optimization.

Key words: traffic engineering, departure time elasticity, smart card data, urban rail transit, pre- peak discount price

中图分类号:

U239.5

禹丹丹，姚向明，徐会杰，赵鹏. 峰前折扣票价下轨道交通乘客出发时间弹性[J]. 交通运输系统工程与信息, 2019, 19(5): 156-162.

YU Dan-dan, YAO Xiang-ming, XU Hui-jie, ZHAO Peng. Departure Time Elasticities of Transit Travelers under Pre-peak Discount Price[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(5): 156-162.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19918.shtml

http://www.tseit.org.cn/CN/Y2019/V19/I5/156

参考文献

[1] BRESSON G, DARGAY J, MADRE J L, et al. The main determinant of the demand for public transport: A comparative analysis of England and France using shrinkage estimators[J]. Transportation Research Part A, 2003, 37(7): 605-627.

[2] SCHIMEK P. Dynamic estimates of fare elasticity for US public transit[J]. Transportation Research Record, 2015 (2538): 96-101.

[3] WANG Z J, LI X H, CHEN F. Impact evaluation of a mass transit fare change on demand and revenue utilizing smart card data[J]. Transportation Research Part A, 2015(77): 213-224.

[4] 孟斌, 黄松, 尹芹. 北京市居民地铁出行出发时间弹性时空分布特征研究[J]. 地球信息科学学报, 2019, 21 (1): 107-117. [MENG B, HUANG S. YI Q. Spatial and temporal distribution characteristics of residents' depart times elasticity in Beijing[J]. Journal of Geo- Information Science, 2019, 21(1): 107-117.]

[5] 刘家玮. 北京地铁分时定价对乘客出行行为影响研究 [D]. 北京: 北京交通大学, 2018. [LIU J W. Research on the effect of time-dependent pricing of Beijing subway on passenger travel behaviors[D]. Beijing: Beijing Jiaotong University, 2018.]

[6] CURRIE G. Quick and effective solution to rail overcrowding: Free early bird ticket experience in Melbourne, Australia[J]. Transportation Research Record, 2010(2146): 35-42.

[7] 邹庆茹, 赵鹏, 姚向明. 基于售检票数据的城市轨道交通乘客分类[J]. 交通运输系统工程与信息, 2018, 18(1): 223-230. [ZOU Q R, ZHAO P, YAO X M. Passenger classification for urbanrail transit by mining smart card data[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(1): 223-230. ]

[8] PEER S, KNOCKAERT J, VERHOEF E T. Train commuters' scheduling preferences: Evidence from a large- scale peak avoidance experiment[J]. Transportation Research Part B, 2016(83): 314-333.

[1]	林建新, 刘博, 赵霞, 张蕾. 基于混合约束自编码器的机动车工况智能构建方法[J]. 交通运输系统工程与信息, 2022, 22(2): 109-116.
[2]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[3]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[4]	马景峰, 任刚, 李豪杰, 曹奇, 杜建玮. 电动自行车与机动车事故严重性影响因素分析[J]. 交通运输系统工程与信息, 2022, 22(2): 337-348.
[5]	宗芳, 王猛, 贺正冰. 考虑多车影响的分子动力学智能网联跟驰模型[J]. 交通运输系统工程与信息, 2022, 22(1): 37-48.
[6]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[7]	廖鹏, 唐铁桥. 基于车辆动力传动和转向系统的换道轨迹优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 98-105.
[8]	刘永红, 罗霞, 胡剑鹏. 考虑临时和预约需求的共享泊位动态分配方法[J]. 交通运输系统工程与信息, 2022, 22(1): 171-181.
[9]	袁振洲, 郭曼泽, 彭泳鑫, 杨洋. 基于梯度关联规则的老年行人交通事故风险识别[J]. 交通运输系统工程与信息, 2022, 22(1): 195-208.
[10]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[11]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[12]	白婧荣, 唐伯明, 孙宗元, 毕辉云, 向恬君. 毗邻互通立交特长隧道驾驶负荷研究[J]. 交通运输系统工程与信息, 2022, 22(1): 301-310.
[13]	郭彦茹, 罗志雄, 王家川, 何方. 数据驱动的共享单车停放区规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(6): 9-16.
[14]	李君羡, 沈宙彪, 童文聪, 吴志周. 基于分类车头时距的城市道路大型车影响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 55-62.
[15]	卢凯, 周志洁, 张勇刚, 赵世杰, 徐广辉. 面向单向交通路网的绿波协调设计方法[J]. 交通运输系统工程与信息, 2021, 21(6): 74-83.