票價對共享單車與公交相對協作度的影響

劉春艷 朱順應 陳秋成 周文靜

(武漢理工大學交通與物流工程學院 武漢 430063)

0 引 言

共享單車興起之初，以低價甚至免費使用實現了用戶大規模擴張，隨著資本熱度消退，各單車企業為維持運營、彌補虧損而陸續漲價[1-2].然而，票價提高對共享單車接駁公交完成“最后一公里”出行的影響尚不清楚，且公交乘客大多為中低收入群體，在注重出行時間價值的同時，換乘意愿也易受換乘成本影響[3-4].

目前，國內外針對共享單車與公交關聯關系的研究相對較少.Fishman等[5]總結前人研究，將共享單車與公交的關系模式定義為替代和整合.換而言之，共享單車與公交存在競爭與協作兩種關系.關于競爭關系方面研究，大多從出行者角度出發，分析共享單車出現前后的公交出行分擔率[6]或公交客流需求[7]變化，也有學者引入直方圖移位法，從出行距離角度評估共享單車的替代效果[8].關于協作關系方面研究，主要探討協作關系機理，圍繞協作模式對共享單車或公交系統的影響展開.研究結果表明共享單車與公交站點緊密銜接可以提高共享單車利用率[9]，且共享單車納入公交系統后可以增強傳統公交吸引力[10]、降低城市交通系統負荷[11]和提高公交系統在面臨交通故障時的適應能力[12].

居民出行模式日益復雜化，出行方式間的合作形成無縫方式鏈，已經成為方式間關聯關系的主流.已有研究表明共享單車與公交之間存在長期協同效應[13]，但目前對于協作模式的研究，總體上仍停留在初步探索階段.少數學者通過探究共享單車與公交協作模式的影響機制，指出交通擁堵持續時間、收入和是否實行聯運票價是影響共享單車與公交協作模式的重要因素[14-15]，但均未在相關影響因素作用下，對共享單車與公交協作程度進行定量分析.

鑒于此，文中在以往研究基礎上，分析共享單車票價提高時，乘客使用共享單車次數的變化特性，并定義相對協作度指標對共享單車與公交銜接配合程度進行量化，評估共享單車票價水平對不同群體相對協作度的影響，旨在從共享單車票價角度，研究公共交通與共享單車出行鏈的一體化程度.

1 數據采集與處理

1.1 調查問卷設計及實施

采用RP和SP相結合的調查法，了解襄陽市城區公交乘客的共享單車出行現狀和不同票價下的未來選擇意愿.調查問卷設計含4部分：①乘客個人特征信息，如性別、年齡、稅前月收入等；②出行特征指標，如出行目的、出行方式、出行時間等；③交通工具使用狀況指標，如公交乘坐頻率、共享單車騎行距離、共享單車使用次數等；④共享單車使用意愿假設選擇情景，設計了4種(共享單車票價提高20%、提高50%、提高80%及提高100%)假設條件下，共享單車使用意愿選擇方案(不變、減少1次、減少2次、減少3次、不使用).

采取主觀分層簡單隨機抽樣法，于2020年1月10—16日，在襄陽市城區的主要公交線路上進行了問卷調查.為保證數據真實準確，采用跟車面對面隨機調查方式.每日調查時間覆蓋整個運營時間，持續7 d，包括工作日和休息日.

1.2 樣本精度及代表性

1) 樣本精度 共發放問卷2 100份，回收問卷2 032份，問卷回收率為96.8%.為了保證數據的有效性和完整性，克服因受訪者隨意填寫及理解失誤而產生誤差，需在回收、錄入問卷后校核數據，剔除異常樣本.最終確定有效樣本1 951份，得到3 222個有效試驗值，問卷有效率為96.0%，總體標準差為0.65，達到了95%置信水平下相對誤差為3%的樣本量要求.

2) 樣本代表性 乘客的基本信息包括性別、年齡、職業、稅前月收入、公交乘坐頻率等，樣本結構見表1.調查問卷覆蓋乘客基本信息的所有分類，樣本具有一定代表性.

表1 樣本結構

2 方 法

2.1 共享單車與公交相對協作度

為度量共享單車與公交銜接配合程度，將公交乘客在不同票價水平下的共享單車日均使用次數與現狀交通調查的共享單車日均使用次數之比，定義為共享單車與公交相對協作度.計算式為

(1)

文中共享單車使用意愿共有3種選擇，故采用多項Logit(multinomial logit)模型，確定乘客n在票價提高時的共享單車使用意愿方案i的概率.再依據現狀交通調查的乘客n共享單車使用次數，計算乘客n在票價水平m下的共享單車使用次數，計算式為

(2)

式中：tmn為票價水平m下乘客n的共享單車使用次數；tn為現狀交通調查乘客n的共享單車使用次數；i為乘客在票價提高時選擇的共享單車使用意愿方案(為便于數據處理及提高模型預測精度，將減少1次，減少2次、減少3次合并為減少使用，并取平均值“減少2次”)，即i為不變、減少使用、不使用，分別取值為1～3.

(3)

(4)

2.2 共享單車使用概率

多項Logit模型以消費者在選擇時追求“效用(utility)”最大化這一假設作為理論基礎，即出行者在特定選擇條件下，將選擇效用最大化的出行方案.效用函數的表達式為

Uin=Vin+εin

(5)

式中：Uin為乘客n選擇共享單車使用意愿方案i的效用；Vin為乘客n選擇共享單車使用意愿方案i的可觀測固定項部分；εin為乘客n選擇共享單車使用意愿方案i的隨機項部分，分別為可觀測因素和不可觀測因素對效用的影響.

固定項Vin中包含描述乘客n特性的變量，即“特性變量”Xink.具體可分為乘客屬性變量、公交出行屬性變量和共享單車出行屬性變量.假設乘客n選擇共享單車使用意愿方案i的效用Vin與特性變量呈線性關系，即：

(6)

式中：Ci為常數項；Hinf為乘客n選擇共享單車使用意愿方案i的第f個乘客屬性變量；Tinj為乘客n選擇共享單車使用意愿方案i的第j個公交出行屬性變量；Binl為乘客n選擇共享單車使用意愿方案i的第l個共享單車出行屬性變量；βf，βj，βl分別為3類特性變量對應參數值；i為因變量編號；F，J，L分別為3類特性變量個數，i,n,f,j,l,F,J,L∈N+.

多項Logit模型假定Vin與εin互相獨立，且εin服從Gumbel分布.則乘客n選擇共享單車使用意愿方案i的概率pin為

(7)

式中：An為乘客n選擇共享單車意愿方案集合，An={不變，減少使用，不使用}.

2.3 自變量及因變量定義

影響出行者選擇行為的因素按屬性可分為3大類：乘客屬性、公交出行屬性，共享單車出行屬性.經單因素分析法對影響變量進行篩選，選取年齡、稅前月收入、公交乘坐頻率、騎行距離、道路環境滿意度和共享單車票價水平作為自變量納入模型.

為便于數據分析，提高預測精度，根據目前襄陽市居民的工作年限、收入分布、出行特征等對部分自變量類別進行合并：年齡按35歲以下、35～60歲、60歲以上劃分青、中、老年；稅前月收入按4 000元以下、4 000～8 000元、8 000元以上劃分為低、中、高收入；公交乘坐頻率按每月不超過5次及其他、每周不超過5次、每天1次及以上劃分為低、中、高頻率.各類自變量取值見表2.

表2 影響因素(自變量)取值

因變量即不同票價水平下，乘客可能選擇的共享單車使用意愿方案，方案編號見表3.

表3 共享單車使用意愿(因變量)方案編號

3 結果與分析

3.1 多項Logit模型的標定與檢驗

考慮共享單車使用意愿無嚴格等級次序，且有序分類因變量的平行性檢驗P<0.05，故采用無序多分類Logit回歸.運用SPSS24.0軟件，將年齡、稅前月收入、公交乘坐頻率、騎行距離、道路環境滿意度、共享單車票價水平作為自變量，共享單車使用意愿作為因變量.多項Logit回歸本質上是二分類Logit的自然延伸，還需定義因變量的某一個水平作為參照，其他水平均與其相比，建立n-1個廣義Logit模型.選擇第3類水平，即以共享單車“不使用”作為參照類別，標定結果見表4.

以pin表示乘客n在票價提高時選擇共享單車使用意愿方案i的概率，非集計模型為

(8)

式中：βk為自變量對應參數系數值；i為因變量編號；k為自變量編號；K為自變量個數，i,k,K∈N+.

將表4得到的各系數(β)代入式(7)，得：

表4 參數估算值

V1n=8.894-2.372X1n1+0.788X1n2-

1.233X1n3+0.790X1n4+0.255X1n5-3.415X1n6

(9)

V2n=3.253-1.227X2n1+0.216X2n2-

0.228X2n3+0.364X2n4+0.117X2n5-0.524X2n6

(10)

根據式(8)和Logit特性，建立如下方程，可求解共享單車“使用意愿”方案的概率.

(11)

將式(9)～(10)代入方程(11)進行求解，得多項Logit中乘客n選擇共享單車使用意愿方案i的概率pin為

(12)

標定結果中，年齡、稅前月收入、公交乘坐頻率、騎行距離、道路環境滿意度、共享單車票價水平均通過Wald檢驗，即sig小于0.05，有統計學意義，將納入最后的方程中，說明這些變量與因變量間存在線性相關性.模型預測命中率達到77.7%，說明具有較好的總體預測效果.

3.2 共享單車與公交相對協作度計算結果及分析

結合式(11)～(12)，可得乘客在各票價水平下的共享單車使用意愿選擇概率，結果見圖1.

圖1 共享單車使用意愿與票價變化關系

根據圖1中共享單車使用意愿與票價對應關系，結合式(2)～(4)確定各票價水平下對應的共享單車日均使用次數，再代入式(1)可求得各票價水平下的共享單車與公交相對協作度，結果見圖2.

圖2 不同票價水平下的公交乘客共享單車日均使用次數及相對協作度

由圖1可知，對于日常出行使用共享單車換乘的公交乘客而言，當票價提高20%時，約66%的乘客愿意繼續使用共享單車，說明價格的小幅度變化對忠誠度高的用戶(如購買月卡)影響很小.當票價提高50%時，選擇減少使用的概率達到50%，乘客的使用意愿明顯降低.而當票價提高80%及100%時，減少使用和不使用的概率已達到80%～90%，說明多數乘客更加注重出行方式的經濟性，在面對共享單車的高票價時，可能選擇步行或其他方式到達目的地.仍有約10%的乘客在票價翻倍時選擇繼續使用，一方面說明這部分乘客更在乎共享單車帶來的便捷性及時間價值，另一方面也反映收費較高且停車限制性大的共享助力車、電動車的發展前景有限.

由圖2可知，現狀交通調查的公交乘客共享單車日均使用次數為1.01次，求解出各票價水平下共享單車與公交相對協作度分別為0.86、0.62、0.44及0.36.說明隨著票價提高，共享單車日均使用次數及相對協作度都不斷降低.當票價提高至80%及100%時，其對共享單車與公交相對協作度的負面影響最為顯著.共享單車與公交相對協作度指標代表了“共享單車+公交”出行鏈的一體化程度，揭示了票價影響下公交乘客的接駁需求變化特性.出行者權衡出行成本和時間，往往選擇費用低且效率高的出行方式.當共享單車票價提高時，乘客選擇協作出行模式的概率下降，接駁需求減小，共享單車最后一公里功能降低.

3.3 不同群體的相對協作度分析

不同收入、騎行距離的乘客群體因其成本付出意愿、便捷性需求不同將產生共享單車接駁需求差異.將騎行距離以1.5 km為界限劃分為短距離和中長距離.對各票價水平下的不同收入、騎行距離群體的相對協作度進行求解，結果見圖3.

圖3 不同收入和騎行距離群體在各票價水平下的相對協作度

由圖3a)可知，各收入群體的共享單車與公交相對協作度受票價影響程度不一.總體而言，高收入群體相對協作度隨票價提高變化幅度較小，中低收入群體則相反.當票價提高20%時，所有收入群體相對協作度基本相等；當票價提高50%和80%時，中低收入群體相對協作度明顯降低且下降趨勢相近；當票價提高100%時，低收入群體下降幅度大于中等收入群體，說明低收入群體對價格敏感度最高.高收入群體注重便捷性與舒適性，可能繼續配合使用兩種交通工具以提高出行效率，而中低收入群體受自身經濟條件限制將降低協作模式使用頻次.

由圖3b)可知，中長距離群體的相對協作度隨票價提高變化幅度較小，短距離群體則相反.短距離群體多為接駁公交完成最后一公里出行，中長距離群體可能選擇共享單車作為日常出行工具，與公交構成競爭關系.因此，當票價提高50%左右時，兩類群體的相對協作度差值較小，共享單車提價幅度達到最優.

4 結 論

1) 票價政策與用戶出行需求密切相關.小幅度提價對忠誠度高的用戶影響較小，而當提價幅度達到80%及以上時，將超出乘客心理可接受范圍.

2) 票價對共享單車與公交相對協作度有顯著負向影響.擁有較高收入水平乘客群體的共享單車與公交相對協作度受票價影響較小，而中低收入群體本著經濟性原則將減少或放棄使用共享單車換乘接駁.共享單車騎行距離較短的乘客群體的相對協作度受票價影響較大，中長距離群體則相反.

3) 高票價對共享單車的最后一公里功能定位有抑制作用，共享單車票價提高幅度應小于50%.乘客在票價提高時使用共享單車接駁公交出行需求降低，易造成社會資源閑置，違背共享經濟發展初衷.

根據上述結論，為促進共享單車與公交協作模式發展，政府和企業可將共享單車納入公共交通系統，實施一體化聯運戰略并制定換乘優惠政策.共享單車企業應提供差異化、多元化的定價策略，以滿足不同用戶群體需求，理應將票價提高幅度控制在50%以內.同時從票價與相對協作度的關系可看出，共享電動車因收費標準較高且定點停車不便，其在公交“最后一公里”上作用有限.

本文仍存在一定局限性，共享單車的使用意愿也可能受到其他因素影響，如天氣、季節、個人心理因素等.此外，本文僅研究了票價提高對共享單車與公交相對協作度的影響，未研究票價降低對相對協作度的影響，共享單車與定制公交的競爭與協作關系也有待進一步研究.