交通/運輸需求基礎

在本模組中，我們將介紹一些運輸需求的測量方法。在此背景下，需求一詞與使用量或客流量等其他使用量的度量同義。此外，我們還將討論估計客流量的常用方法，尤其是在計劃服務或票價變化時。還提供了一些關於新交通系統客流量預測的注意事項和注意事項。

測量運輸需求

正如第一個模組所述，運輸使用通常透過未關聯的乘客行程和乘客英里這兩個指標來衡量。在美國，這些是公共運輸使用最常見的報告指標，因為所有接受聯邦資助的機構都必須至少每年向聯邦運輸管理局報告這些指標。

運輸機構通常使用一種名為“乘車檢查”的通用裝置來收集這些資訊。選擇車輛行程（從一個路線終點站到另一個路線終點站的行程）樣本，並在樣本中排定的行程中放置一名人員（“檢查員”）。該人員記錄該位置以及在該位置上下車的人數。下面展示了一個路線從一個終點站（1 站）到另一個終點站（10 站）行駛 11.1 英里的示例。

站	距離（英里）	上車人數	下車人數	載客量
1	0	6	0	6
2	0.5	8	0	14
3	1	3	2	15
4	1.6	4	0	19
5	5.4	2	5	16
6	6.4	7	2	21
7	7	3	1	23
8	9.6	2	7	18
9	10.4	1	10	9
10	11.1	0	9	0

為了幫助視覺化，下面的圖表按路段（車站之間）繪製了載客量。這使用上表中的“距離”和“載客量”列進行繪製。

計算這些需求指標時，未關聯行程總數只是上車人數之和。在本例中，上車人數總計為 36，因此未關聯行程總數為 36。

乘客英里總數是車站之間載客量（“載客量”）乘以車站之間的距離之和。載客量是在每個車站之後計算的，將上車人數加到載客量中，並將下車人數從載客量中減去。將此數字乘以車站之間的距離即可獲得乘客英里總數。這只是圖表中的陰影區域。在本例中

${\begin{array}{lll}{\text{Passenger-miles }}&=&(6{\text{ passengers}})\cdot (0.5{\text{ miles}})+(14{\text{ passengers}})\cdot (0.5{\text{ miles}})\\&&+(15{\text{ passengers}})\cdot (0.6{\text{ miles}})+(19{\text{ passengers}})\cdot (3.8{\text{ miles}})\\&&+(16{\text{ passengers}})\cdot (1{\text{ mile}})+(21{\text{ passengers}})\cdot (0.6{\text{ miles}})\\&&+(23{\text{ passengers}})\cdot (2.6{\text{ miles}})+(18{\text{ passengers}})\cdot (0.8{\text{ miles}})\\&&+(9{\text{ passengers}})\cdot (0.7{\text{ miles}})\\&=&{\underline {200.3{\text{ passenger-miles}}}}\end{array}}$

其他出行資訊也可以透過各種調查工具獲得，例如起點-終點調查或車載調查，這些調查可以捕捉換乘資訊、出行目的、起點、終點和人口統計特徵。

簡單的運輸需求估計方法

運輸規劃人員遇到的一個比較常見的問題是如何估計各種服務特徵或票價變化可能帶來的需求變化。可以採用多種工具來估計需求變化，但必須確保所採用的工具適合所需目的。對於短期的規劃期限，並且只改變一個變數，彈性法效果相當好。由於彈性法在運輸規劃中的廣泛應用，我們將在本章中對它進行詳細討論。對於較長的規劃期限，多個變數同時起作用，可能需要更復雜的模型；這些模型將在本章末尾簡要介紹。

彈性

對於運輸需求，在許多情況下，分析人員希望確定服務變化或票價變化在相對較短時間內（6 個月、一年）的主要影響。在這些情況下，人們可能希望檢視這段時間內單一變化（只有一個變數在改變），並假設所有其他因素的影響微乎其微（即“所有其他條件不變”）。

在這種情況下，“彈性”非常適合。彈性是指需求量相對於特定變數X的敏感程度的衡量指標。具體來說，彈性e_D,X定義為需求量D在X增加 1% 時所發生的百分比變化。這可以用需求量的百分比變化除以X的百分比變化來表示。數學上

${\begin{array}{l}e_{D,X}={\frac {\Delta D/D}{\Delta X/X}}={\frac {\Delta D}{\Delta X}}\cdot {\frac {X}{D}}\\\\{\text{As }}\ \Delta X\to 0,\ e_{D,X}={\frac {\partial D}{\partial X}}\cdot {\frac {X}{D}}\\\end{array}}$

從概念上講，彈性表明了需求量對X變化的敏感程度。

如果彈性為正，則X增加會導致需求量增加。
如果彈性為負，則X增加會導致需求量減少。
彈性的絕對值越大，需求量對X的敏感程度就越高。
如果彈性的絕對值大於 1.0，我們說需求量相對於X是“彈性”的。當X變化 1% 時，需求量變化超過 1% 時，就會發生這種情況。
如果彈性的絕對值小於 1.0，我們說需求量相對於X是“非彈性”的。當X變化 1% 時，需求量變化小於 1% 時，就會發生這種情況。

對於交通彈性，需求量通常透過未連線的出行來衡量。交通機構可能會考慮改變的一些常見變數（X）包括：票價；頻率（每小時訪問一個站點或車站的車輛數量）；以及不同的出行時間指標，例如總出行時間或車載時間、等候時間、步行至站點或車站或從站點或車站步行所需時間，或換乘時間。

常見的經驗觀察之一是彈性值往往是可以轉移的；也就是說，彈性值通常適用於類似的情況，但在不同的位置。這使得彈性值對於理解許多城市地區的交通需求非常有用。

交通合作研究計劃 (TCRP) 在交通研究委員會內彙編了一套關於交通彈性和其他交通服務指標的綜合報告。可以從這些報告中獲得特定的彈性值。 ^[1] 但是，可以做出一些一般性觀察

交通票價彈性為負且非彈性（例如，e_D,Fare = –0.3）。需求量隨著票價的增加而下降，但需求量的下降幅度（百分比）小於票價的漲幅。因此，提高票價通常會為交通機構帶來更多收入。
頻率彈性為正且非彈性（例如，e_D,Frequency = +0.5）。需求量隨著服務頻率的增加而增加，但增加幅度（百分比）小於頻率的增加幅度。
出行時間的彈性為負，可能是非彈性或彈性。交通使用者往往對車載出行時間或總出行時間不太敏感（非彈性）（例如，e_D,TotalTime = –0.6），但對進站和出站時間、等候時間和換乘時間更為敏感（例如，e_D,WaitTime = –1.2）。

彈性也可能因目標乘客群體對服務或票價變化的敏感程度而異。早晚高峰期間的出行者往往對票價和服務變化不太敏感，而那些在中午、晚上或夜間出行的乘客則更敏感。此外，進行自由支配性出行的乘客往往對票價和服務變化比那些因工作或學習而進行必要性出行的乘客更敏感。

彈性的用途

彈性的真正價值在於它們提供了一種清晰的方法來估計需求量的變化。也就是說，如果X發生變化，並且彈性為e_D,X，則可以估計需求量D的變化。重新排列彈性的公式，

${\begin{array}{l}{\frac {\Delta D}{D}}=e_{D,X}\cdot {\frac {\Delta X}{X}}\end{array}}$

此公式中的D和X的值代表當前條件，ΔX的值代表變數X的變化。然後，可以估計需求量的變化ΔD。

例如，考慮一個交通機構，它正在考慮將票價從 1.25 美元提高到 1.50 美元。目前的未連接出行次數為每天 110,000 次。如果我們使用 –0.35 的票價彈性，預期需求量會發生什麼變化？

答案

${\begin{array}{rcl}{\frac {\Delta D}{D}}&=&e_{D,X}\cdot {\frac {\Delta X}{X}}\\\\{\frac {\Delta D}{110,000{\rm {\ unlinked\ trips}}}}&=&-0.35\cdot {\frac {\$1.50-\$1.25}{\$1.25}}\\\\\Delta D&=&{\underline {\ -7700{\rm {\ unlinked\ trips}}}}\\\end{array}}$

因此，交通機構預計每天會損失 7700 次未連接出行。但是，很容易證明，使用這種票價彈性，他們將在這種變化之後從乘客那裡獲得更多收入。

示例問題

問題

一家交通機構的年平均需求量為 21,650,000 次未連接出行，公佈票價為 1.25 美元。換乘免費。如果 25% 的未連接出行實際上是換乘出行，將票價提高到 1.50 美元后，預計乘客量和收入會發生什麼變化？假設票價彈性為 -0.27，所有其他服務條件保持不變。

示例

解決方案

如果 25% 的未關聯行程實際上是換乘，那麼實際的付費上車人數僅為 21,650,000 次未關聯行程的 75%，即 16,237,500 次付費（關聯）行程。按每趟 1.25 美元計算，這將帶來 (16,237,500 次關聯行程) * (1.25 美元/關聯行程) = 20,296,875 美元。

在價格彈性為 -0.27 的情況下，關聯行程的變化將為 (-0.27) * (票價上漲 20%) = -5.4%。因此，關聯行程的變化為 (-5.4%) * (16,237,500)，即 -876,825 次關聯行程，最終淨值為 15,360,675 次關聯行程。在未關聯行程中，換乘佔 25%，假設該比例不變，這相當於 20,480,900 次未關聯行程。

這些行程將帶來 (1.50 美元/關聯行程) * (15,360,675 次關聯行程) = 23,041,012.50 美元。因此，客流量淨減少了近 120 萬人次/年，但總收入將增加超過 280 萬美元。

高階需求預測方法

在引入重大服務變更或新服務時，需要更復雜的模型。這是因為此類變更會導致旅行者行為發生更大的變化，例如可能發生的整體出行、起點、目的地、出行方式、路線和出行時間（以及其他方面）的變化。鼓勵感興趣的讀者參考其他與長期規劃方法相關的章節，以瞭解這些模型的常見開發和應用方式。

在公交需求估算領域，最具爭議的可能是對擬議中的新服務未來客流量（未關聯行程）的預測。自 1970 年代以來，許多公交機構都提出了新的重軌和輕軌系統，需要評估這些系統的潛在客流量。在這些情況下，許多預測對公交客流量的預測過於樂觀，而對實際成本的估計則不足。^[2]^[3]^[4]

從這些預測經驗中，我們可以得到一些觀察結果

任何客流量預測都會有誤差。一些預測嚴重高估了實際客流量，而另一些則低估了客流量。這些預測中的誤差來源很多。^[2]^[3]^[4] 對這些可能的誤差進行更透明的說明，或對模型中的假設進行一些敏感性分析，可以幫助解釋不確定性。
過去，高估客流量有激勵作用，這樣可以使鐵路公交投資在吸引乘客方面顯得更具成本效益。尤其是在聯邦資本成本份額（通常在數億美元到數十億美元之間）高達 80% 或更多的情況下。^[2]^[3]
在開發新的鐵路公交系統時，可以考慮大量因素。吸引新的乘客使用公共交通只是可能影響新公交系統政治決策的眾多因素之一。具體而言，政治、經濟和社會福利的考慮因素往往在決定是否開發新的鐵路公交系統時起著重要作用。^[5]^[6]

參考文獻

↑ 公交合作研究計劃 (TCRP) 旅行者對交通系統變更的反應。TCRP 研究報告 95，交通研究委員會。 [1]
↑ ^a ^b ^c D. H. Pickrell (1992)。“一種名為有軌電車的渴望：鐵路公交規劃中的幻想與事實”，《美國規劃協會期刊》，58：158-176。
↑ ^a ^b ^c R. Mackett 和 M. Edwards (1997)。“新城市公共交通系統的影響：預期會實現嗎？”《交通研究 A 部》，32：23-245。
↑ ^a ^b K. Button、M. Hardy、S. Doh、J. Yuan 和 X. Zhou (2009)。公交預測準確性：客流量預測和資本成本估算。最終研究報告。喬治梅森大學，交通與經濟發展中心。
↑ D. Lewis 和 F.L. Williams (1999)。政策與規劃作為公共選擇：美國大眾交通。Ashgate 出版社：佛蒙特州布魯克菲爾德。
↑ 聯邦公交管理局 (2011)。新開工專案評估

[1] 公交合作研究計劃 (TCRP) 旅行者對交通系統變更的反應。TCRP 研究報告 95，交通研究委員會。 [1]

[Pickrell-2] D. H. Pickrell (1992)。“一種名為有軌電車的渴望：鐵路公交規劃中的幻想與事實”，《美國規劃協會期刊》，58：158-176。

[MandE-3] R. Mackett 和 M. Edwards (1997)。“新城市公共交通系統的影響：預期會實現嗎？”《交通研究 A 部》，32：23-245。

[Button-4] K. Button、M. Hardy、S. Doh、J. Yuan 和 X. Zhou (2009)。公交預測準確性：客流量預測和資本成本估算。最終研究報告。喬治梅森大學，交通與經濟發展中心。

[5] D. Lewis 和 F.L. Williams (1999)。政策與規劃作為公共選擇：美國大眾交通。Ashgate 出版社：佛蒙特州布魯克菲爾德。

[6] 聯邦公交管理局 (2011)。新開工專案評估

[1]