时间价值(Value of Time,VOT)是因时间的非生产性消耗而造成的效益损失量以及时间推移产生的效益增值量的货币表现。出行时间价值指出行者在出行中耗用时间存在的机会成本，它直接影响出行者对出行方式的选择[1]。对出行者来说，出行节约时间存在一定价值，如果出行者将节约的时间用于工作则能创造更多价值，或者因出行时间缩减能减少出行的不舒适性。对时间价值的研究不仅对科学评价交通工程投资项目的经济效益、提高政策决策的科学性具有重要意义，还可以揭示出行需求的基本规律，调整城市交通结构，实现交通供给的均衡发展，提高城市交通运行效率，对促进社会经济发展具有积极意义。另外，基于时间价值的研究还可以获得各种交通方式之间的时间弹性和价格弹性，对公共交通票价调整、停车收费价格调整、拥堵收费政策实施等具有极大的参考价值。

1 SP调查概述

意向调查(Stated Preference Survey,SP调查)起源于市场领域，主要针对尚未出现的商品进行评价，引入交通领域用来评估不同交通方式的选择。SP调查应用于交通领域开始于20世纪70年代的英国，随后美国和澳大利亚也开始开展此方法的调查研究。中国相关应用起步较晚，并且主要集中于用非集计模型进行数据处理，北京、上海、天津、深圳等城市尝试过SP调查。

为了获取市区及外围城镇居民出行的时间价值，并以此作为建立北京市域及城区各层次模型的基础，北京市2004年首次开展针对居民出行时间价值研究的SP调查[2]。文献[3]针对上海世博会出行开展SP调查，深入分析参观者个人属性与出行方式选择的关系、各种出行方式的意向选择比例以及客流换乘轨道交通的特征。文献[4]采用SP调查方法比较天津市居民出行时间价值与单位工作时间价值之间的关系，研究收入与出行时间价值的变化规律。文献[5]采用SP调查技术分析深圳市居民出行时间价值。随着计算机和信息技术的发展，SP调查将进一步发展和完善，作为居民出行调查的一项重要内容被越来越多的城市采用。

1. 1调查方法

基于SP调查开展对时间价值的研究，根据不同的调查目的形成了不同的调查方法：1)等级排序法，直接提供所有选项让受访者依据主观感受进行排序，依据排序计算各选项的效用值；2)评分法，给出各个可能选项，让受访者在一定范围内对各可能选项进行打分，以此获得选项的可能概率；3)离散选择法，给受访者提供几个情景模式，在假设外界其他情况均相同的情况下选择其认为最优的选项[6]。针对居民出行的时间价值，采用离散选择法更利于被调查者选择。

1. 2调查设计

SP调查时，需要通过相关变量、相互关系以及变量的值域等进行预见性分析以确定调查选项，从而形成可供选择的出行方案。通常构成选择方案的特征变量为3～6个，每个变量也有3～6个特征水平。例如，进行出行SP调查时，通常选择公共汽车、地铁、小汽车、出租汽车、步行、自行车作为选择特征变量；公共汽车、地铁、小汽车、出租汽车相关出行时间设定为若干个水平，例如公共汽车基本出行时间为30 min，可以根据需要进行浮动，形成20 min，25 min，30 min，35 min，40 min等若干个水平。特征变量的数量和各特征值的水平交叉组合构成选择项，从而形成不同方案。

钻头在钻进过程中，井底流场分布对于切削齿的冲洗、冷却以及岩屑的运移至关重要。借助计算流体动力学(computational fluid dynamics，CFD)分析的手段对新型扩孔钻头的水力特性进行仿真分析[13-15]。

在保证一定精度的前提下，最大限度地简化调查表格以减少被调查者的判断次数是时间价值调查最重要的问题，这就需要对调查表格进行科学的设计。基于相关数学原理分析，常用的SP调查表格设计方法有全面设计法、正交设计法和均匀设计法。均匀设计法能够最大限度地降低被调查者回答问题的数量，并保证建立交通行为模型数据的精确度，常被引入SP调查的表格设计中[7]。

1. 3调查实施

SP数据的调查实施可以借助于居民出行调查进行入户调查，也可以通过互联网进行调查。比较而言，面对面的访谈更有助于被调查者理解，提高调查精度。另外，也可以借用现有的模拟和虚拟技术，让被调查者切身感受到不同选项代表的不同意义，可极大增加数据的可靠性。

1. 4调查特点

SP调查的目的是了解被调查者在假定状态下的出行选择，其最大特点是调查的内容属于未来可能发生但尚未发生的事情。对未来状态的拟定，即是SP调查方案的特性值，可以设定不同的未来环境，例如在一次出行选择中，在不同出行时间(5 min，10 min，30 min，50 min等)的场景中了解被调查者的出行选择；也可以在相同的假定场景中调查不同人的出行选择。调查结果可能因个人属性的不同而产生选择结果的差异，通过集计或非集计模型等工具可以计算不同属性人群的时间价值。

中央合作金库为专业合作金融机构，其业务“以调剂合作事业资金”为宗旨，业务对象“以专营或兼营之各级合作社、合作团体及合作业务机关为限。”在国民政府支持之下，合作贷款业务又得以扩大，1948年，中央合作金库农业合作贷款全国总额达3万亿元，主要为生产贷款，贷款区域覆盖全国20个省，形成近代中国农业合作金融的新高潮。中央合作金库贷款资金来源，“由中央银行以9折转抵押(转押息4分5)方式分月垫借，其余1成，由中央合作金库自筹。”[20]贷款资金仍然高度依赖国家银行，农业合作事业受国家金融控制的命运仍然无望改变。

事物都有两面性，SP调查也存在固有缺点。一方面，SP调查是基于未来的假定状态，影响城市居民出行的因素很多，各因素相互组合更为复杂，因此要获得准确的时间价值必须制定详细的情景模式，调查表的内容极有可能非常复杂，这会极大地增加被调查者的理解难度，进而增加调查难度。因此，需要设定合理的影响因素，尽可能地减少各因素的组合数，但这就很难把各种情景模式表现出来。另一方面，由于被调查者只是在假定情景模式中基于非现实的条件进行选择，单凭感觉而不是准确基于自身属性，极有可能并非其真实性选择，造成调查结果与实际政策实施效果背离。

与行为调查(Revealed Preference Survey,RP调查)相比，SP调查在交通领域相关工程项目评估和政策研究制定时，可操作性强的优势非常明显。SP调查方案由特定的特征值组合形成，可以由调查者自由设定。例如进行公共交通票制票价调整，将票价作为一个变量，进行一定程度的上下浮动以形成若干个情景模式供被调查者选择。

2 北京市SP调查设计和实施

基于居民出行调查，北京市共进行了3次SP调查，时间分别为2004年、2010年和2014年，本文以2010年进行的SP调查进行实证分析。

2.1 调查的技术方案

2.1.1 技术路线

2010年北京市在“内八区、外六区、远四区①”3个区域分层次进行调查，并在政策重点区域进行一定量的配额调查。总体过程分为三个部分：调查准备阶段、调查实施阶段和调查分析阶段。具体技术路线见图1。

2.1.2 实施方法

图1 SP调查技术路线 Fig.1 Techniques of SP survey

1）确定匹配系数。参照RP调查相关数据(出行距离、时间等)，以公共汽车短、中、长三组代表值匹配其他交通方式时间参数系数。例如，假设公共汽车的平均单次出行速度为8.14 km·h-1，其匹配系数设置为1，则小汽车的匹配系数为公共汽车平均速度/小汽车平均速度(17.09 km·h-1)=0.48。以公共汽车出行为基础值，匹配其他各种交通方式，相应可以得出地铁、出租汽车和自行车的匹配系数(见表3)。

2.1.3 调查规模和抽样方法

此次调查实施6 000份问卷，在全市3个区域内依照居民出行调查指定的比例(6:3:1)分配。调查样本从居民出行调查已经选定的数万户样本中随机抽取。先将居民出行调查的信息回收，然后依照受访家庭是否有车分为两大类，每一大类中再按照四种不同的出行目的进行划分，然后在每一类中进行随机抽取。四种出行目的包括：基于家的工作出行(HBW)、基于家的其他出行(HBO)、非基于家的出行(NHB)和商务出行(BU)。

2.2 调查方案设计

2.2.1 影响因素分析

影响时间价值的因素分为四类：出行特性、出行者特性、交通方式特性、所在地区特性，调查针对出行目的进行细分，主要考虑出行者通勤出行和商务出行的时间价值。出行者的个体特性和社会经济特性考虑性别、年龄、家庭收入、车辆拥有等。由于此次SP调查与居民出行调查能够互相印证和数据融合，其他相关经济社会特征数据也可以参考居民出行调查的数据。

通过对上述影响因素进行分析，得到影响居民出行时间价值的主要因素包括个人特性、出行目的、交通方式、出行距离等。本文根据个人特性、出行距离、交通方式将调查对象予以分类，分别提供不同的交通方式供其选择，据此研究各个群体的时间价值。出于调查需要将其进行简化分类(见表1)。

2.2.2 情景模式和主要参数选择

为更好地使被调查者能够理解并清晰地表达选择意向，将所有出行方式、出行时间和出行费用进行全组合最为全面，但是工作量非常庞大。为最大限度地降低被调查者回答问题的数量，并保证建立交通行为模型数据的精确度，此次调查采用均匀设计的方法[7]，针对不同的出行方式、出行时间和费用的组合，提取最具代表性的8种组合。对每个被调查者给予8次选择机会，称为8种情景模式。每种情景模式包含5种交通方式各自的出行时间和出行费用，被调查者在每种情景模式下5种交通方式中选择对自己效用最大的交通方式，基于8次不同情景共做8次独立的选择。共涉及16个参数，其中出行时间11个参数，出行费用5个参数(见表2)。

2.2.3 参数设定和调查表设计

本研究的不足之处在于失血量的准确计算取决于入院时和术后最终血常规及术中失血量测量的准确性，测量过程中不同的测量者和测量机器可能存在测量误差。另外血容量计算公式中未纳入围手术期补液量，忽视了围手术期静脉滴注与静脉输液有关的影响。本研究对于其他影响术后隐性失血的因素未作分组，包括年龄、BMI、性别、内科基础病、患肢位置等，未能分析以上混杂因素对失血的影响。

前面提出了一种基于多维量测数据序列的电压互感器故障识别方法，通过分析多个电压互感器的在线量测数据，能够准确实时地识别电压互感器故障，且适用于所有类型的电压互感器。该方法首先利用经验模态分解法对电压互感器量测数据进行去噪处理；然后，利用时间序列分层聚类法对电压互感器量测数据进行分析，识别电压互感器故障；最后，将所提方法应用于实际电压互感器量测数据，结果显示所提方法能够有效消除量测数据噪声，并准确识别出发生故障的电压互感器，从而验证了方法的合理性和有效性。

根据调查结果测算得到主要交通方式的出行时间弹性系数和价格弹性系数分别如表8和表9所示。

基于已有的RP调查，调整选择变量的变化范围尽可能代表现实情况，依据现有的时间、费用水平，根据专家建议进行相关水平的浮动形成不同的情景模式。基本步骤如下：确定北京市居民出行时间、费用基准值(越接近实际情况越好)；根据受访群体感知水平，确定基准值的波动范围；利用均匀设计表，进行情景匹配。针对公共汽车、地铁、小汽车、出租汽车和自行车5种交通方式，每种交通方式又分成短距离、中距离和长距离出行，同时每种交通方式设置成8个情景模式，共计5×3×8=120个情景。本文仅以基于公共汽车出行方式的SP情景模式卡设计为例进行阐述。

作为居民出行调查的一部分，调查对象同样为北京市常住居民。本次调查采用入户调查的方式，当居民出行调查的前期数据收回之后，立即对居民出行信息进行分析处理。将居民的每次出行依照出行方式分类整理，统计分析各种出行方式属性的水平值范围，如小汽车出行的时间、费用，公共汽车的出行时间、票价等。然后依照专家建议的浮动范围进行水平值设定，设计问卷情景。将问卷有针对性地配送给调查员，进行入户调查。

2）匹配其他交通方式。根据匹配系数，计算得到基于公共汽车出行的其他各种交通方式的短、中、长距离的出行时间(见表4)。

知识服务是出版社转型升级的最终目标。[2]转型升级工程推进以来，共遴选出110家知识服务模式试点单位，包含专业组和综合组，组建了国家知识资源服务中心，有效聚集了专业领域内容资源，夯实了国家知识服务体系建设基础，制定了8项知识服务团体标准，正在研制7项知识服务国家标准。AR知识服务、智能知识服务、大数据知识服务等知识服务的新模式、新业态、新路径正在探索和逐步见效。

3）参数细化。依据RP调查数据确定地铁、公共汽车的步行时间和等车时间；确定公共汽车、地铁、小汽车运行和停车费用、出租汽车的费用等(见表5)。

第二步：确定浮动范围。根据咨询专家的建议，浮动区间应为基准值的70%～130%，选择4个浮动标准：70%，85%，115%和130%。

第三步：情景匹配。以公共汽车短距离出行为例，选用16个参数、4个浮动标准、8个情景得到均匀设计(见表6)；匹配基于公共汽车短距离出行调查的8个情景模式，得到情景模式正交表如表7所示。相应形成8个情景模式卡，情景1、情景2的模式卡如图2所示。

现代机械制造工艺中高新技术的引进对工艺的发展有着相当重要的地位。计算机技术、自动化技术等等高新技术融入到机械制造工艺中，使其突破传统机械制造工艺技术简单的缺点，使得机械制造工艺变得更加科学，使得机械制造工艺过程更加方便，更能适应时代的发展，满足社会市场的需求。

3 数据分析和基本结论

3.1 数据清理

数据处理主要基于随机效用理论，采用多种计量经济学模型进行出行需求分析的估计和模拟[8-9]。首先进行不包括社会经济变量(例如性别、收入、年龄等)的多项Logit分析，在此基础上，进行包括社会经济变量的多项Logit分析，最后进行混合Logit模型分析。比较结果可知，混合Logit模型表现更好，更能准确反映不同经济因素对居民出行选择倾向的影响。

通阳刮痧疗法联合中药外敷对颈型颈椎病家兔颈椎曲度及血清TNF-α的影响…………………………………………………………………………… 黄少炎，等(2):130

1）删除异常值。例如被调查者由于输入或者填写错误，原始数据可能存在一些年龄高达130岁，或者只有几岁的记录；通勤时间可能存在超过180 min的记录等，这些数据的误差都可能对模型结果造成很大影响。

1）二十世纪六十年代末，S.P.Corder（1981:10-11）最早在英语教学和应用语言学领域中提出错误在语言学习当中的重要性，与此同时，他还认为认识到学习者的错误有重要的意义：一是错误可以让老师知道学生取得的进步与教学的距离，以及要实现这些教学目标还需要的努力；二是错误能够使得学生了解他们的不足之处和犯错误的原因，从而调整自己的学习策略；三是错误可以被当作是学习者为了提高学习的一种工具。错误分析的理论基础是中介语理论，这个理论在语音、词汇、语法、语义、语用等方面有独特的分析理论，人们既重视语际干扰导致错误地产生，又注意到语内干扰这一重要的因素（刘志伟）。

表1 调查分类情况 Tab.1 Classification of surveys

注：1～4依次为HBW，HBO，NHB，BU。

车辆拥有交通方式出行距离有车无车长中短长中短公共汽车1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4地铁1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4小汽车1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4出租汽车1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4自行车1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4 1-2-3-4

表2 SP调查主要参数 Tab.2 Main parameters in SP survey

交通方式小汽车步行时间出租汽车自行车等车时间时间参数公共汽车步行时间等车时间乘车时间地铁步行时间等车时间乘车时间骑行时间行车时间乘车时间费用参数票价票价运行费用停车费用打车费用

表3 基于RP调查数据匹配系数 Tab.3 Matching coefficient based on RP survey data

交通方式匹配系数小汽车地铁公共汽车出租汽车自行车单次出行平均距离/km 10.78 14.84 7.27 9.08 2.95平均出行时间/h 0.63 1.09 0.89 0.59 0.39平均速度/(km·h-1)17.09 13.64 8.14 15.42 7.64 0.48 0.60 1.00 0.53 1.06

2）归一化处理。例如将性别变量转换成离散变量，1=男，0=女。对教育变量设置不同数值代表各个教育水平：0代表学龄前儿童，6年代表小学，9年代表初中，12年代表高中，13年代表中专，14年代表大专，15年代表本科，18年代表研究生等。对收入变量取中间值作为连续性变量：＜5万元设置为4.5万元，5～＜10万元设置为7.5万元，10～＜15万元设置为12.5万元，15～＜20万元设置为17.5万元，20～＜25万设置为22.5万元，25～＜30万元设置为27.5万元，30万元以上设置为32.5万元，无收入设置为0等。

表4 以公共汽车为参考匹配的各种交通方式出行时间 Tab.4 Travel time of different travel modes(taking bus as a reference)min

匹配交通方式出行时间基准交通方式(公共汽车)出行距离短中长出行时间30 57 107小汽车14 27 51地铁18 34 64出租汽车16 30 57自行车32 61 114

表5 交通方式参数细化 Tab.5 Parameters of different travel modes

公共汽车地铁出行距离等车时间/min乘车时间/min 15 36 80小汽车步行时间/min票价/元0.4 0.7 1.9停车费用/元步行时间/min 9 13 18乘车时间/min 6 18 41出租汽车等车时间/min等车时间/min短中长步行时间/min 10 13 16票价/5 8 1 1 3 3 5元 2 1.9 2.7 2 2 3行车时间/min 12 25 48运行费用/元2.5 4.8 9.2 5 5 5 2 4 6乘车时间/min 14 26 51打车费用/元14 22 30自行车骑行时间/min 32 61 114

表6 公共汽车短距离出行SP调查均匀设计表 Tab.6 Uniform design of the SP survey on short-distance travel by bus

情景模式公共汽车步行时间/min等车时间/min乘车时间/min票价/地铁步行时间/min等车时间/min乘车时间/min票价/小汽车步行时间/min行车时间/min运行费用/元停车费用/元出租汽车等车时间/min乘车时间/min打车费用/元自行车骑行时间/min 1 2 3 4 5 6 7 8 3 3 2 1 4 1 4 2 3 1 2 4 4 2 3 1 3 4 4 3 1 2 1 2元 4 3 3 1 4 1 2 2 1 4 1 4 2 3 3 2 2 3 4 1 4 2 1 3 2 1 3 4 1 4 3 2元 1 2 4 1 4 3 2 3 1 2 3 4 1 3 2 4 3 4 4 3 1 1 2 2 3 4 1 1 4 3 2 2 2 3 1 3 4 1 2 4 4 1 4 2 3 1 3 2 3 2 4 1 1 3 4 2 1 4 2 3 1 4 3 2 1 2 4 4 3 3 2 1

表7 基于公共汽车短距离出行的情景模式正交表 Tab.7 Orthogonal table based on short-distance travel by bus

公共汽车地铁情景模式等车时间乘车时间17 20 20 17 11 13 11 13乘车时间票价步行时间6 12 6 12 8 10 10 8票价等车时间小汽车步行时间出租汽车等车时间1 2 3 4 5 6 7 8步行时间12 12 9 7 1行车时间14 16 16 14 3 7 1 3 9 6 4 4 7 7 4 6 4 0.5 0.5 0.5 0.3 0.5 0.3 0.3 0.3 6 3 4 2 4 3 2 3 5 4 7 8 4 8 7 5 1.4 1.7 2.6 1.4 2.6 2.3 1.7 2.3 1 2 2 3 1 2 2 3 8 8 1 0 10运行费用10.9 12.9 12.9 7 12.9 11.3 12.9 11.3停车费用0.9 1.2 0.7 1.3 1.3 0.7 0.9 1.3 3 1 3 2 2 1 2 2乘车时间16 11 18 10 10 16 18 12打车费用9.8 18.2 12 16.1 9.8 9.8 11.9 11.9自行车骑行时间22 27 42 42 37 37 27 22

3.2 建模理论

从调查问卷的实施到数据的录入选用，各个环节都有可能出现问题，在构建模型进行分析之前，有必要对原始数据进行清理。

3.3 基本调查结论

1）时间价值。

2016年联合国一项报道指出全球范围内HIV感染者中15～24岁占比达到50%[5-6]。国内统计显示，新增艾滋病患者超过80%为性途径传播，而青少年感染者呈逐年上升趋势，因此对青少年的艾滋病防控具有十分重要的意义[7]。张婉青等[8]对某大学在校学生艾滋病相关态度、知识、行为进行调查显示加强学生群体艾滋病健康教育，能够帮助其建立正确、积极的对待艾滋病态度。因此加强对高职学生的艾滋病知识健康教育有助于提升其防艾生活技能以及健康知识水平，有效减缓HIV传播[9]。

分析可知，公共汽车出行时间自弹性为1.83，大于1，说明居民出行对公共汽车运行时间较为敏感。公共汽车出行时间减少10%，公共汽车出行需求会提高18.3%。公共汽车价格自弹性极低，说明居民出行对公共汽车运行价格非常不敏感。公共汽车出行价格提高10%，公共汽车出行需求仅降低1.7%。公共汽车和地铁对小汽车的交叉价格弹性也极低，说明拥挤的公共汽车无法仅利用低票价政策吸引小汽车使用者的出行转移，通过缩短出行时间改善公共交通出行品质比降低票价的实际效果更优。

2）公共交通出行时间和价格弹性。

第一步：确定基准值。将公共汽车出行划分为短、中、长三组，获得三组代表值。根据居民出行调查初步分析结果确定公共汽车设计基准值为30 min，57 min和107 min。

北京市居民出行时间价值约为54元·h-1，即出行者愿意支付小时工资2倍②的成本减少从居住地到工作地1 h的出行时间。相比国际城市支付意愿[10]的水平较高，更反映了北京交通拥堵的严重程度，也说明了拥堵改善能够极大地带来社会福利。

杏子就去了公社卫生院，这回不是她一个人，招财找支书扯了个谎，说公社里要开会，也去了，不过没有同行，杏子走前头，他走后头。还是那位眼镜医生，怎么又来了，哪里不舒服吗？杏子摇摇头，说我不想生，想打掉。眼镜医生问，带单位证明了吗？杏子又摇摇头。眼镜医生说，不论是刮宫还是引产，都得有单位证明的，你快回去开一个吧！

3）小汽车和出租汽车价格弹性。

小汽车和出租汽车出行方式自身的成本弹性比公共汽车和地铁的自身成本弹性高，说明私人小汽车和出租汽车出行者对价格的敏感性更高，提高小汽车、出租汽车出行费用的相关措施能一定限度上减少城市机动车辆的使用。

4 结语

整体来说，此次SP调查不论是从设计理念和设计问卷方面都有了很大改善，更方便被调查者理解和填写，但也存在一定的问题需要改进。

不知何时，小区里的野菊花相继开放。夕阳下，站在阳台上举目观望，这一簇簇的野菊花与窗台上的“祥云春雨”遥相呼应，似乎有种“秋丛绕舍似陶家，遍绕篱边日渐斜”的意境。微风将菊花特有的清香送入胸怀，顿感心旷神怡。喜欢菊的精致典雅，有着让人无法割舍的水墨之美，让人不禁融汇其中，如诗如画。

我们经常将阿西洛马会议与华盛顿峰会相提并论，主要原因是这两次会议都是在技术发展之初寻求科学共同体内部甚至更大范围内对技术发展的共识的努力。首先，我们通过表1将这两次会议的主要内容、目标、结果、争议进行对比。

首先，调查虽然采用RP和SP相结合的方法，但是在进行RP问卷设计时仅给出一个备选方案，只有极少部分给了两个备选方案，可能抑制了居民真实选择意愿的表达。

其次，对于实际出行为公共汽车方式的人群来说，备选方案往往仅提供地铁，或者对于实际为地铁出行方式的人群，备选方案仅提供公共汽车，备选方案数据存在高度同质化的问题，对后期的模型估算带来较大困难，处理结果可能会影响实际预期。

图2 公共汽车短距离出行情景模式卡示例 Fig.2 Scenario model cards of short-distance travel by bus

第三，在SP调查卡片中提供了可被选择的8个情景模式，虽然对一个被调查者进行了较为详细的选择因素考量，但是过多的差异性选择可能会造成一定的问卷同质性(选择疲惫性)，在一定限度上会影响有效问卷的数量。针对这样的问题可能需要采用更为复杂、前沿的方法或由更为专业的数据处理人员进行估计。

表8 出行时间弹性系数 Tab.8 Elastic coefficient of travel time

时间弹性公共汽车地铁小汽车出租汽车公共汽车-1.83 0.64 0.17 0.09地铁0.44-0.86 0.20 0.11小汽车0.37 0.61-0.65 0.86出租汽车0.57 1.06 0.28-1.81

表9 价格弹性系数 Tab.9 Elastic coefficient of price

价格弹性公共汽车地铁小汽车出租汽车公共汽车-0.17 0.04 0.09 0.05地铁0.04-0.06 0.11 0.06小汽车0.03 0.04-0.36 0.04出租汽车0.05 0.07 0.14-0.93

注释：

Notes:

①2010年实施第四次居民出行大调查时，北京市共18个区县。

②2010年北京市全市职工年平均工资50 415元，折合每小时工资为23.8元。

参考文献：

References:

[1]宗芳，隽志才，张慧永，等.出行时间价值计算及应用研究[J].交通运输系统工程与信息，2009，9(3)：114-119.Zong Fang,Juan Zhicai,Zhang Huiyong,et al.Calculation and Application of Value of Travel Time[J].Journal of Transportation Systems Engineering and Information Technology,2009,9(3):114-119.

[2]王方.基于SP调查的行为时间价值研究[D].北京：北京工业大学，2005.Wang Fang.Study on Behavior Value of Time Based on Stated Preference Survey[D].Beijing:Beijing University of Technology,2005.

[3]乔相荣，文雅，晏克非.基于SP调查的2010年上海世博会客流出行特征分析[J].交通与运输(学术版)，2005(2)：4-7.Qiao Xiangrong,Wen Ya,Yan Kefei.Analysis of Trip Characteristic Based on Stated Preference Data for Shanghai Expo 2010[J].Traffic&Transportation,2005(2):4-7.

[4]蒋寅，李彤，Richard F Di Bona.基于SP调查的天津市居民出行行为时间价值[J].城市交通，2009，7(2)：68-73.Jiang Yin,Li Tong,Richard F Di Bona.Value of Travel Time:An SP Survey in Tianjin[J].Urban Transport of China,2009,7(2):68-73.

[5]徐正全，杨东援.基于SP调查的时间价值理论及应用研究：以深圳市SP调查为例[J].交通与运输(学术版)，2012(2)：148-151.Xu Zhengquan,Yang Dongyuan.A Study of the Theory and Applications of the Time Value Based on the SP Survey:Case Study of Shenzhen SP Survey[J].Traffic&Transportation,2012(2):148-151.

[6]焦朋朋，陆化普.基于意向调查数据的非集计模型研究[J].公路交通科技，2005，22(6)：114-116+138.Jiao Pengpeng,Lu Huapu.Study on Disaggregate Model Based on Stated Preference Data[J].Journal of Highway and Transportation Research and Development,2005,22(6):114-116+138.

[7]王方，陈金川，陈艳艳．交通SP调查的均匀设计方法[J].城市交通，2005，3(3)：69-72.Wang Fang,Chen Jinchuan,Chen Yanyan.Uniform Uniformity Design Method for SP Survey in Transportation[J].Urban Transport of China,2005,3(3):69-72.

[8]Lancaster,K.A New Approach to Consumer Theory[J].Journal of Political Economy 1966,74(2):132-157.

[9]McFadden D.Conditional Logit Analysis of Qualitative Choice Behavior[M].Berkeley:Institute of Urban and Regional Development,University of California,1972.

[10]陈颖翱.经济政策对北京居民出行方式选择影响的实证分析[D].北京：北京大学,2012.