高鐵競爭下高速公路客運選擇行為與發(fā)展策略

李曉偉，王煒

(1. 西安建筑科技大學(xué) 土木工程學(xué)院，陜西 西安 710055；2. 東南大學(xué) 交通學(xué)院，江蘇 南京 210096)

隨著鐵路不斷提速，特別是我國鐵路第6次大提速后，我國鐵路發(fā)展進入到高速鐵路時代，高速鐵路客運的不斷興起和發(fā)展，必將帶來整個客運市場格局的深刻變革，公路和鐵路2種運輸方式之間競爭態(tài)勢也相應(yīng)會發(fā)生根本性變化。據(jù)預(yù)測統(tǒng)計，全國鐵路大提速后，有較大比例的高速公路客運旅客改乘鐵路列車，部分公路客運站已出現(xiàn)關(guān)停狀態(tài)，高速公路客運面對著極大的挑戰(zhàn)[1]。在此背景下，深入把握高速鐵路競爭下旅客高速公路客運出行選擇行為，以此為依據(jù)改善高速公路客運服務(wù)質(zhì)量，制定科學(xué)合理的運營管理策略，實現(xiàn)高鐵與高速公路客運的協(xié)同發(fā)展，是當(dāng)前亟需解決的關(guān)鍵問題。國內(nèi)外針對旅客出行選擇行為的研究已有較多的成果。Aoife等[2]對旅客選擇城際鐵路和公共班車的出行行為進行了研究，結(jié)果表明：旅客對費用和時間的偏好程度較高。Chang等[3]在預(yù)測韓國高速鐵路開通后各交通方式分擔(dān)率的變化時，以高速鐵路的設(shè)計車速、出行距離等因素為依據(jù)，估算高鐵運營后各方式的分擔(dān)率。Enjian等[4]選擇服務(wù)頻率、費用、在途時間、出行距離等服務(wù)屬性對客運通道內(nèi)鐵路、公交等交通方式的客流分擔(dān)率進行分析。何宇強等[5]選擇快速性、經(jīng)濟性、舒適性、方便性和安全性為5個衡量指標建立其廣義費用函數(shù)，研究了高速鐵路的運營對綜合運輸通道內(nèi)其他交通方式的影響。沙峻林[6]以長吉客運通道為例，分析高速鐵路和高速公路各自承擔(dān)的市場份額，運用改進的模型和求解方法計算高速公路和高速鐵路的客流分擔(dān)率。羅云輝[7]以武廣高鐵和廈深鐵路為例，分析了高鐵對沿途中小城市公路客運的影響。通過對現(xiàn)有文獻進行深入的總結(jié)分析，可知現(xiàn)有研究主要將旅客自身屬性與運輸方式屬性作為影響因素，通過統(tǒng)計分析構(gòu)建出行選擇行為模型，鮮有研究考慮購票和接駁服務(wù)對高鐵和高速巴士競爭的影響，對高鐵競爭下旅客高速巴士的選擇行為機理進行較為全面的分析，進而難以提出具有針對性的運營管理策略。本研究在現(xiàn)有研究成果的基礎(chǔ)上，充分考慮旅客購票特征、交通樞紐的集散特征及運輸方式的服務(wù)水平，從購票、到站、中轉(zhuǎn)換乘、出行、離站全過程的視角全面地研究高鐵競爭下旅客高速巴士選擇行為，并以此為依據(jù)提出高鐵競爭下高速巴士的運營策略。研究成果可為交通管理部門與公路客運企業(yè)改善公路客運服務(wù)質(zhì)量、制定公路客運發(fā)展策略提供依據(jù)參考。

1　方案設(shè)計與數(shù)據(jù)獲取

1.1　旅客調(diào)查方案設(shè)計

本研究將離散選擇行為實驗用于旅客高鐵與高速巴士的模式選擇行為研究，通過前人研究成果總結(jié)及旅客出行決策過程分析[8?16]，本文充分考慮旅客購票方式和運輸方式的接駁特征，從購票、到站、中轉(zhuǎn)換乘、出行和離站全過程的視角確定旅客出行選擇的多維影響因素，不僅考慮旅客個體特征和出行需求特征，還考慮旅客購票方式、到離站方式的費用時間、中轉(zhuǎn)換乘時間(含等待時間)及運輸方式舒適性、安全性、準時性等感知性變量，能夠較為全面地體現(xiàn)旅客實際出行的決策過程。在此基礎(chǔ)上，本文設(shè)計了涵蓋旅客上述活動特征的調(diào)查問卷，并確定了各變量類型和屬性值的取值方法，如表1所示。

2.2　調(diào)查數(shù)據(jù)基本統(tǒng)計

采用旅客行為調(diào)查(Revealed Preference，RP)法，在京滬通道沿線車站對旅客乘車選擇行為進行問卷調(diào)查，共計發(fā)放問卷900份，回收有效問卷816份，能夠滿足統(tǒng)計分析的需要[12]。統(tǒng)計分析數(shù)據(jù)顯示：調(diào)查樣本中男、女所占比例分別為 51.53%和48.48%，出行旅客以[20,50]歲中青年為主，旅客月收入在(3 000,6 000]元居多，主要以商務(wù)和旅游為主要出行目的，網(wǎng)絡(luò)購票和售票點購票為主要購票方式，統(tǒng)計分析表明樣本整體數(shù)據(jù)分布較為合理，具有很強的信效度和代表性。旅客出行模式選擇與類別變量的交叉表如表2所示。

表1　實驗設(shè)計變量和屬性值Table 1　Designed variables and theirs values in the experiment

表2　旅客出行模式選擇與類別變量的交叉表Table 2　Cross table between travel mode choice and category variables

2　模型構(gòu)建與參數(shù)估計

3.1　模型構(gòu)建

根據(jù)隨機效用最大化理論，旅客n選擇i類交通方式的概率可表示為：

式中：Uin為旅客n選擇i類交通方式的效用函數(shù)，其表達式為：

式中：Vin為可觀測到的特性變量計算的固定項；εin為不能觀測到的其他因素的影響及已有變量的偏差引起的隨機項。MNL模型是在假設(shè)式(2)中εin和Vin相互獨立，且 εin服從 Gumbel 分布的前提下推導(dǎo)出來的，旅客 n 選擇 i 類交通方式概率的表達式為：

式中：Pin為旅客 n選擇 i類交通方式的概率；Cn為旅客n的可選擇交通方式集合。為便于計算，一般假設(shè)Vin與特性向量Xin呈線性關(guān)系，即：

式中：βk為待定系數(shù)；β0為常量；xink為旅客n的選擇i 類交通方式的第k個變量值。

本文中所涉及的交通模式i只有高速巴士(i=1)和高鐵(i=0)，因此將高鐵作為參考方式，應(yīng)用 BL模型(Binary Logit)對其建模分析，則高速巴士和高鐵的選擇概率可分別表示為[17?20]：

式中：P1為高速巴士選擇概率；P0為高鐵選擇概率；V1為高鐵競爭下旅客選擇高速巴士出行的效用函數(shù)。

3.2　 參數(shù)估計

運用SPSS軟件進行參數(shù)標定，將出行方式作為因變量，各影響因素作為自變量，其中運行時間、出行距離、票價、到離站時間、到離站費用、年齡、安全行、舒適性、準時性等為連續(xù)性變量和有序分類變量，其他變量如職業(yè)、出行目的、購票方式等為無序分類變量，本研究中所有無序分類變量均以最后一個類別作為參照對象，其他類型分別與其進行對比，將無序分類變量轉(zhuǎn)化為啞元變量進行分析。

以高鐵作為參考方式，采用向前遞進法進行參數(shù)估計，確定旅客高速巴士選擇行為模型的參數(shù)估計結(jié)果，該參數(shù)估計結(jié)果僅保留顯著相關(guān)變量，如表3所示。其中，模型參數(shù)估計結(jié)果包括回歸系數(shù)β、統(tǒng)計量 Wald、顯著性水平Sig.和發(fā)生比 Exp(β)等，正的回歸系數(shù)值表示變量每增加一個單位值時發(fā)生比會相應(yīng)增加，相反，當(dāng)回歸系數(shù)為負值時說明增加一個單位值時發(fā)生比會相應(yīng)減少；Sig.為變量的顯著性水平，如果Sig.<0.05，說明該變量對旅客選擇高速巴士出行有較大影響；Wald為統(tǒng)計量，表示在模型中每個解釋變量的相對權(quán)重，用來評價每個解釋變量對事件預(yù)測的貢獻力；Exp(β)表示子變量增長一單位所引起高速巴士選擇概率與高鐵選擇概率的比值的變化[17?18]，以下均簡稱發(fā)生比。

利用 Homsmer-Lemeshow 進行模型擬合優(yōu)度檢驗，應(yīng)用McFadden值判斷模型擬合度，模型擬合McFadden值越靠近1，表明模型與實際情況吻合度越高。在實際判定過程中，當(dāng) McFadden在0.2～0.4時，即可表明模型與實際情況吻合度較高，本文模型的McFadden值為0.536，表明所建模型客觀真實[20]。

3　多維因素的影響與改進策略

3.1　多維因素的影響

根據(jù)參數(shù)估計結(jié)果可知，運行時間、出行費用、出行距離、安全性、舒適性、準時性、到站時間、網(wǎng)絡(luò)購票、擁有私家車是高鐵競爭下影響旅客選擇高速巴士出行的顯著性因素，下文就上述因素的影響進行具體分析。

1) 運輸方式自身屬性特征的影響

上述影響因素中，運行時間、出行費用、安全性、舒適性、準時性為運輸方式自身服務(wù)屬性特征，對高鐵競爭下旅客是否選擇高速巴士出行有較為顯著的影響。

運行時間主要由運輸方式的運營速度決定，根據(jù)參數(shù)估計結(jié)果，運行時間的變量系數(shù) β=0.416，這表明旅客出行花費時間越長，旅客選擇高速巴士的可能性越大，運行時間每增加 1 h，發(fā)生比將增加51.6%。其次，出行費用對高鐵競爭下高速巴士的選擇也有較為顯著的影響，出行費用的變量系數(shù)β=?0.016，這表明旅客出行花費越低，旅客越有可能選擇高速巴士出行，出行費用每減少1元，發(fā)生比將增加1.6%。

另外，安全性、舒適性、準時性也是影響旅客是否選擇高速巴士出行的重要屬性，根據(jù)調(diào)查統(tǒng)計，高速巴士的安全性、舒適性、準時性均值均明顯低于高鐵，且安全性、舒適性、準時性的變量系數(shù)分別為?0.576，?0.806和?0.798，這說明旅客對安全性、舒適性、準時性的要求越高，選擇高速巴士出行的可能性越小，旅客對安全性、舒適性、準時性的要求每增加一個單位，發(fā)生比將分別減小43.8%?55.3%和65%。

2) 運輸方式可達性與購票服務(wù)的影響

根據(jù)參數(shù)估計結(jié)果，到站時間和網(wǎng)絡(luò)購票對于高鐵競爭下高速巴士出行選擇具有較為明顯的影響。根據(jù)調(diào)查統(tǒng)計，旅客高鐵的平均到站時間為1.97，高速巴士的平均到站時間為 1.70，旅客高速巴士的到站時間均值低于高鐵，這可能與交通樞紐的布局有關(guān)，一般來說，公路客運站距離市中心較近，而高鐵站往往距離市中心較遠，因此高速巴士的到站時間往往低于高鐵。到站時間的變量系數(shù)β=?0.293，這表明到站時間越短，旅客選擇高速巴士的可能性越大，到站時間每減小30 min，發(fā)生比將增加25.4%。

另外，網(wǎng)絡(luò)購票對于高鐵競爭下高速巴士出行選擇具有較為明顯的影響。由表2可知，調(diào)查樣本中85.50%的高鐵旅客采用網(wǎng)絡(luò)購票，僅有58.60%的高速巴士旅客采用網(wǎng)絡(luò)購票，尚有40.8%的旅客采用售票點購票，在一定程度上降低了旅客的出行效率；網(wǎng)絡(luò)購票的變量系數(shù) β=?2.15，這說明通過網(wǎng)絡(luò)購票的旅客更有可能選擇高鐵出行，這可能與高鐵和高速公路客運信息化服務(wù)程度有關(guān)，高鐵售票渠道不僅可以通過電腦，還可通過手機客戶端實現(xiàn)，極大地方便了旅客購票，而高速公路客運購票服務(wù)渠道則與之有較大差距。

3) 出行距離和擁有私家車的影響

出行距離在一定程度上反映了旅客的出行需求，主要有旅客出行目的地的遠近決定。根據(jù)調(diào)查統(tǒng)計，旅客高鐵的平均運距為669 km，高速巴士的平均運距為299 km，高速巴士的平均運距遠低于高鐵，出行距離的變量系數(shù)β=?0.002，這表明出行距離越短，旅客選擇高速巴士的可能性越大，出行距離每降低1 km，發(fā)生比將增加0.2%。

擁有私家車對于高鐵競爭下高速巴士出行選擇具有較為明顯的影響。根據(jù)調(diào)查統(tǒng)計，高速巴士出行中擁有私家車旅客占比僅為26.1%，遠低于高鐵出行中擁有私家車旅客的比例47.8%；擁有私家車的變量系數(shù)β=?0.692，這說明擁有私家車的旅客更選擇高速巴士出行的概率較低，在一定程度上說明高速巴士對于中低收入群體有較強的吸引力。

3.2　改進策略分析

根據(jù)上述影響因素分析，結(jié)合高速公路客運的服務(wù)范圍和運營特征，本文面向高鐵影響針對性地提出高速公路客運運營可行性的改進策略。

1) 調(diào)整線路布局，合理安排發(fā)班班次。高速公路客運受運行速度和服務(wù)質(zhì)量的影響，要適當(dāng)放棄通道內(nèi)與高鐵直接競爭中處于劣勢的客運班線，應(yīng)將運力資源調(diào)配至高鐵尚未覆蓋的區(qū)域，減少與高鐵在點到點上的直接競爭；同時，突出公路客運機動靈活和“面到面”覆蓋的網(wǎng)絡(luò)優(yōu)勢，根據(jù)高鐵的運營計劃，動態(tài)調(diào)整發(fā)班班次和時刻，開展高鐵站乘客的二次轉(zhuǎn)運服務(wù)，加強對高鐵的“盲點”區(qū)域進行網(wǎng)絡(luò)覆蓋和延伸。

2) 適當(dāng)調(diào)整票價，提高高速公路客運競爭力。高速公路客運企業(yè)需要合理調(diào)整票價及運價結(jié)構(gòu)，采用浮動票價體系，針對學(xué)生等低收入群體采取浮動票價政策，通過推行月季票、年票等優(yōu)惠票卡，以提高自身吸引力。

3) 加快構(gòu)建新型的網(wǎng)絡(luò)和移動平臺售票系統(tǒng)，采用聯(lián)網(wǎng)售票、自助終端售票等先進的網(wǎng)絡(luò)訂票平臺，方便乘客在互聯(lián)網(wǎng)、手機等設(shè)備上采用網(wǎng)銀、支付寶、微信等支付方式購票。

4) 加強規(guī)劃管理，進一步提升公路客運安全性、舒適性與準點率，推動城市側(cè)公路客運站與地鐵等快速交通方式接駁，提升公路客運的可達性。

4　結(jié)論

1) 從購票、到站、中轉(zhuǎn)換乘、出行、離站全過程視角系統(tǒng)科學(xué)地設(shè)計了旅客高鐵和高速巴士的出行選擇行為實驗，獲取旅客出行活動數(shù)據(jù)，構(gòu)建了BL選擇行為選擇模型，分析比較了高鐵和高速巴士的服務(wù)水平，研究表明：運行時間、出行費用、出行距離、安全性、舒適性、準時性、到站時間、網(wǎng)絡(luò)購票、擁有私家車是高鐵競爭下影響旅客選擇高速巴士出行的顯著性因素，揭示了高鐵影響下高速巴士競爭機理。

2) 依據(jù)高速巴士與高鐵服務(wù)性能及競爭因素的分析，在高鐵競爭影響下，高速公路客運企業(yè)應(yīng)通過優(yōu)化客運班線、合理安排發(fā)班班次，針對低收入群體制定差異化票價，加快構(gòu)建新型的網(wǎng)絡(luò)和移動平臺售票系統(tǒng)，改善購票和進站服務(wù)通道，推動城市側(cè)地鐵與客運站的快速接駁等多種策略，綜合提升高速公路客運競爭力。

參考文獻：

[1] 唐科. 高速鐵路快速背景下的高速公路客運應(yīng)對策略研究[D]. 成都: 西南交通大學(xué), 2008.TANG Ke. The investigation of highway passenger transport and counter measure research and it’s improvement[D].Chengdu:SouthwestJiaotong University, 2008.

[2] Aoife A A, Nigel T. The use of stated preference techniques to model modal choices on interurban trips in ireland[J]. Transportation Research Part A: Policy and Practice, 2008, 42(1): 15?27.

[3] Chang I C G. A network-based model for estimating the market share of a new high speed rail system[J].Transportation Planning & Technology, 2004, 27(2): 67?90.

[4] Enjian Y, Takayuki M. A study of on integrated intercity travel demand model[J]. Transportation Research Part A:Policy and Practice, 2005, 39(4): 367?381.

[5] 何宇強, 毛保華, 陳團生, 等. 高速鐵路客流分擔(dān)率模型及其應(yīng)用研究[J]. 鐵道學(xué)報, 2006, 28(3): 18?20.HE Yuqiang, MAO Baohua, CHEN Tuansheng, et al.Sharing rate model of passenger flow and its application for high speed railway[J]. Journal of Railway, 2006, 28(3):18?20.

[6] 沙峻林. 高速鐵路影響下的公路客運方式分擔(dān)率及發(fā)展策略研究[D]. 長春: 吉林大學(xué), 2012.SHA Junlin. Research on the share rate of highway passenger traffic and development strategy influenced by the high speed railway[D]. Changchun: Jilin University,2012.

[7] 羅云輝. 高鐵對中小城市公路客運的影響及其對策研究[D]. 廣州: 華南理工大學(xué), 2015.LUO Yunhui. Study on the effect of high speed railway to road passenger transportation in small and medium-sized cities and the development strategy[D]. Guangzhou:South China University of Technology, 2015.

[8] 張迦南, 趙鵬. 綜合運輸通道旅客出行方式選擇行為研究[J]. 中國鐵道科學(xué), 2012, 33(3): 123?130.ZHANG Jianan, ZHAO Peng. Research on passenger choice behavior of trip mode in comprehensive transportation corridor[J]. China Railway Science, 2012,33(3): 123?130.

[9] Dobruszkes F, Dehon C, Givoni M. Does european high-speed rail affect the current level of air services? An EU-wide analysis[J]. Transportation Research Part A:Policy and Practice, 2014, 69: 461?475.

[10] Nesset E, Hhlgesen ?. Effects of switching costs on customer attitude loyalty to an airport in a multi-airport region[J]. Transportation Research Part A: Policy and Practice, 2014, 67: 240?253.

[11] Pellegrini P, Rodriguez J. Single european sky and single european railway area: A system level analysis of air and rail transportation[J]. Transportation Research Part A:Policy and Practice, 2013, 57: 64?86.

[12] Exel N J A V, Rietveld P. Could you also have made this trip by another mode? An investigation of perceived travel possibilities of car and train travellers on the main travel corridors to the city of amsterdam, the Netherlands[J]. Transportation Research Part A: Policy and Practice,2009, 43(4), 374?385.

[13] 王爽, 趙鵬. 基于Logit模型的高速鐵路旅客選擇行為分析[J]. 鐵道學(xué)報, 2009, 31(3): 6?10.WANG Shuang, ZHAO Peng. Analysis of passengers’choice behavior for dedicated passenger railway lines based on Logit model[J]. Journal of the China Railway Society, 2009, 31(3): 6?10.

[14] 王孝之, 趙勝川, 閆禎禎. 基于Rank Logit模型對城際交通分擔(dān)率的計算方法研究[J]. 交通運輸系統(tǒng)工程與信息, 2012, 12(2): 137?143.WANG Xiaozhi, ZHAO Shengchuan, YAN Zhenzhen.Intercity transport mode spilt calculation method based on Rank Logit model[J]. Journal of Transportation Systems Engineering and Information Technology, 2012,12(2): 137?143

[15] 朱順應(yīng), 鄧爽, 王紅, 等. 具有模糊特性變量的出行方式預(yù)測 Logit模型[J].交通運輸工程學(xué)報, 2013, 13(3):71?78.ZHU Shunying, DENG Shuang, WANG Hong, et al.Predictive Logit model of trip mode with fuzzy attribute variables[J]. Journal of Traffic and Transportation Engineering, 2013, 13(3): 71?78.

[16] 張旭, 欒維新, 趙冰茹. 基于非集計模型的武廣線高鐵與民航競爭研究[J]. 交通運輸系統(tǒng)工程與信息, 2012,12(6): 17?22.ZHANG Xu, LUAN Weixin, ZHAO Bingru. Competition between Wuhan-Guangzhou high-speed railway and civil aviation based on disaggregate model[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(6): 17?22.

[17] Simon P, Washington M G, Karlaftis, et al. Statistical and econometric methods for transportation data analysis[M].2nd ed. CRC Press, 2010.

[18] 李曉偉, 王煒, 楊敏, 等. 交通樞紐可達性對多模式綜合交通客運方式競爭的影響[J]. 公路交通科技, 2016,33(12): 106?112.LI Xiaowei, WANG Wei, YANG Min, et al. Impact of transport hub accessibility on competition of multimodal passenger transport[J]. Journal of Highway and Transportation Research and Development, 2016, 33(12):106?112.

[19] 關(guān)宏志. 非集計模型—交通行為分析的工具[M]. 北京:人民交通出版社, 2004.GUAN Hongzhi. Disaggregate model-A tool of traffic behavior analysis[M]. Beijing: China Communications Press, 2004.

[20] 杜強, 賈麗艷. SPSS統(tǒng)計分析[M]. 北京: 人民郵電出版社, 2011.DU Qiang, JIA Liyan. SPSS statistical analysis[M].Beijing: People’s Posts and Telecommunications Press,2011.