调查游客目的地内的交通方式选择：以夏威夷欧胡岛为案例研究

《Journal of Transport Geography》：Investigating visitors' intra-destination travel mode choice: A case study of O?ahu, Hawai?i

　　

**摘要**

理解游客的出行方式选择对于促进旅游依赖型地区的可持续交通至关重要。然而，大多数现有研究关注的是本地居民的出行行为或游客的主要出行方式选择，针对游客在目的地内部的逐次出行方式选择的研究有限，尤其是在美国。本研究收集了美国夏威夷州欧胡岛（O?ahu）游客的详细出行日记数据，分析了各种因素与出行方式选择之间的关系。鉴于出行方式的分布不平衡、分类变量占比较高以及可能存在的非线性和交互效应，本研究采用了新兴的机器学习方法CatBoost来建模这些关系。为了增强可解释性，应用SHapley加性解释方法（SHAP）量化了各种因素对出行方式选择的影响。模型评估和比较结果表明，CatBoost在方式分类准确率方面优于随机森林、XGBoost和多项Logit（MNL）模型。SHAP分析揭示，大多数变量对预测不同出行方式的概率具有非线性影响。出行距离是决定游客出行方式选择的最重要因素。其他行程相关因素，包括出发时间、到访频率、停留时长和住宿类型，也起着重要作用。交通服务可用性、出行习惯和出行经验也是影响游客出行方式选择的重要因素。相比之下，只有少数人口特征，具体为家庭收入和来源国家，对出行方式选择表现出显著影响。这些发现为改善旅游依赖型地区的交通规划与建模准确性提供了有价值的见解。

**引言**

过去三十年间，全球范围内使用私家车的情况显著增加。例如在美国，1990年至2020年间车辆注册量增长了42%（美国交通部，2023），人均车辆行驶里程（VMT）也增长了17%（联邦公路管理局，2025）。对机动车日益增长的依赖引发了一系列紧迫问题，包括交通拥堵、安全问题、排放、燃油消耗增加以及对公共健康的负面影响，这些都促使人们努力将出行需求转向更可持续的交通方式。作为回应，交通规划师和政策制定者采取了一系列策略来鼓励公共交通使用，包括提高服务频率、降低票价、实时信息系统、接驳/最后一公里整合以及公交导向型开发（Brakewood等人，2015；Foote，2000；李等人，2021；Stewart等人，2017；Vigren和Pyddoke，2020；Ziedan等人，2024）。虽然这些策略已在各城市实施，但在提高公交乘客量方面的效果参差不齐。Erhardt等人（2022）进行的一项全国公交乘客量研究发现，美国的公交乘客量一直在下降，2012年至2018年间下降了15%，这凸显了现有策略在鼓励从汽车出行转向公共交通方面的局限性。

导致这种效果有限的一个可能原因是，本地居民的出行行为深受心理和行为因素的影响，如习惯、熟悉度和态度（De Vos等人，2022）。此外，拥有私家车被认为是转向公共交通的主要障碍（Chakrabarti，2017；Davison和Knowles，2006）。这些因素使得通过传统干预措施在居民和通勤者中实现大规模的出行方式转变变得困难。相比之下，旅游目的地区域的游客代表了一个根本不同的人群。与居民不同，游客通常不自带车辆，也不受既有出行习惯的约束。他们对当地交通系统了解有限，加之缺乏习惯性的出行方式偏好，使他们更加灵活，也更具接受替代方式（如公共交通）的潜力（Le-Kl?hn等人，2014）。这种行为上的开放性使游客成为在目的地地区推广可持续交通的一个有前景的目标群体。这种灵活性对旅游依赖型目的地尤为重要，因为游客需求可能占整体出行需求的一大部分。例如，2019年美国接待了超过1.65亿国际游客，并录得23亿次国内出行（联合国旅游组织，2022）。这一规模的游客出行需求在旅游依赖型目的地中尤为显著。在夏威夷，每年约有1000万游客到访该州，而常住人口仅约140万（DBEDT，2023，DBEDT，2024）。因此，游客出行行为既是旅游目的地区域交通的一个重大挑战，也是促进可持续出行的一个重要机遇。

尽管其重要性不容忽视，但游客在目的地内部的出行方式选择仍在文献中研究不足。大多数出行方式选择研究聚焦于本地居民的日常出行决策（Bursa等人，2022b；De Vos等人，2016；Miller等人，2005；Tamim Kashifi等人，2022；Vij等人，2013；Villena-Sanchez等人，2022；Zhang和Xie，2008）。虽然一些研究探讨了游客出行方式选择（Kelly等人，2007；LaMondia等人，2010；Rom?o和Bi，2021；Thrane，2015；Wu等人，2012），但现有的游客出行方式选择研究主要关注长距离接入出行或识别单一主导出行方式，而非考察目的地内部完整出行链中的逐次出行方式选择。很少有研究收集游客出行日记数据来全面调查目的地内部的逐次出行方式选择行为（Bursa等人，2022a），来自美国目的地的实证证据尤为有限。缺乏这种理解，旨在推广美国旅游目的地区域可持续游客交通的策略可能缺乏足够的行为学和实证基础。

为弥补这些空白，本研究通过在美国夏威夷州欧胡岛——一个重要的美国旅游目的地——开展的大规模出行日记调查，研究游客的目的地内部出行方式选择。具体而言，本研究回答两个研究问题：（1）哪些因素会影响游客的目的地内部出行方式选择，以及这些因素的影响在不同出行方式间如何变化？（2）出行方式选择决定因素与游客出行行为之间的关系是否表现出非线性和交互效应？为回答这些问题，本研究收集了3,219名游客的数据，共包含12,439条逐次出行记录。鉴于出行方式数据固有的类别不平衡问题，即某些出行方式的观测频率远低于其他出行方式，本研究采用CatBoost——一种梯度提升机器学习算法——该算法能更有效地处理不平衡的分类数据，并捕捉影响因素与出行方式选择结果之间的非线性关系。随后应用SHapley加性解释方法（SHAP）量化每个变量在所有出行方式下对方式选择预测的贡献，确保可解释性与预测性能并重。

本文结构如下。首先，对现有游客出行方式选择文献进行综述，并指出研究空白。随后简要描述研究地点和出行日记数据收集过程。接着，介绍所提出的机器学习方法和模型解释方法。将方法应用于案例研究，并对结果进行分析和讨论。随后，讨论研究发现的启示。最后，总结结论和局限性，并提出未来研究方向。

**章节摘要**

**文献综述**

出行方式选择是出行行为领域的经典研究课题，也是交通规划和管理的关键组成部分。研究涵盖系统层面的交通方式竞争（Emami等人，2022；孙等人，2025；Xu等人，2025；Yao等人，2025）以及通勤者和居民层面的个体出行决策。在这些个体层面研究中，出行方式选择始终与三大类决定因素相关联：社会人口统计特征……

**研究区域**

欧胡岛（O?ahu）是夏威夷州的主要岛屿之一，位于太平洋中部。它是檀香山市的所在地——夏威夷州首府和夏威夷的主要国际门户。作为该州第三大岛，欧胡岛面积约为597平方英里，拥有近一百万居民，约占全州人口的70%。欧胡岛是夏威夷访问量最高的岛屿，拥有丰富多样的自然景观、文化地标和商业中心。2024年，该岛……

**方法论**

为有效捕捉输入特征（特别是大量分类变量）与出行方式选择之间的非线性关系，本研究首先采用CatBoost——一种先进的机器学习算法——基于选定的解释变量对四种出行方式选项进行分类。CatBoost是一种新兴的基于决策树的梯度提升算法，由Yandex开发（Dorogush等人，2018）。本研究约一半的解释变量是……

**描述性分析**

出行日记数据包含每次出行的起终点（OD）信息。图4可视化并比较了四种出行方式和土地利用分区中OD对的空间分布。图4（a）展示了选择驾车/拼车出行的游客的OD分布。这些出行跨越全岛，在檀香山市区有明显的集中。这一热点与预期一致，鉴于该地区拥有密集的接待基础设施、购物中心……

**模型性能比较**

删除缺失值记录后，最终数据集包含12,281条出行记录。数据基于唯一受访者ID进行划分，80%用于模型训练，剩余20%用于测试数据集。应用蒙特卡洛交叉验证方法，使用不同的随机种子重复10次数据集划分过程。在每次迭代中，模型在训练集上训练并在对应的测试集上进行评估。为评估性能……

**启示与讨论**

模型结果揭示并量化了解释变量与出行方式选择之间的关系，为游客出行行为提供了独特见解。这些发现可以支持交通规划工作，旨在提高出行方式选择判定的准确性，并制定策略进一步鼓励游客使用公共交通。因此，研究发现的交通规划和管理启示总结如下。

**结论与局限性**

理解游客在目的地区域内逐次出行层面的出行方式选择对于推广可持续出行方式和支持有效的交通规划至关重要，尤其是对于严重依赖旅游的地区。然而，鲜有研究使用游客出行日记数据来解决这一问题，且以往聚焦于美国城市或地区的研究也很少。为弥补这些空白，本研究在欧胡岛收集了详细的游客出行日记数据……

**CRediT作者贡献声明**

李晓锋：写作——审阅与编辑，写作——初稿撰写，可视化，验证，方法论，形式分析，概念构思。Nicole H. Cernohorsky：写作——审阅与编辑，资金获取，数据管理，概念构思。Dallas Ige：写作——审阅与编辑，资金获取，数据管理，概念构思。

**致谢**

作者感谢欧胡都市规划组织（Oahu Metropolitan Planning Organization）、檀香山市交通局（City and County of Honolulu Department of Transportation Services）以及夏威夷州能源办公室（Hawai?i State Energy Office）提供数据。作者也感谢四位匿名审稿人的宝贵意见和建议，这些意见和建议帮助在审稿过程中改进了本文。

李晓锋|Nicole H. Cernohorsky|Dallas Ige
美国夏威夷大学马诺阿分校席德勒商学院旅游产业管理学院，檀香山市，夏威夷96822，美国