戴 權,劉長平,梁 坤
(淮陰工學院 江蘇省智能工廠工程研究中心,江蘇 淮安 223003)
近年來,隨著電子商務的快速發展和人們生活水平的提高,快遞業務量與私家車保有量均呈現快速增長的勢頭。2020年,中國快遞服務企業業務量累計完成833.6億件,同比增長31.2%,其中,異地業務量累計完成693.6億件,同比增長35.9%[1]。2020年全國機動車保有量達3.72億輛,全國70個城市汽車保有量超過100萬輛[2]。傳統的快遞遞送流程如圖1。這種流程保證了快遞收、派的時效性與經濟性,但也存在迂回運輸、重復運輸的不合理現象,同時,私家車出行的空間利用率不足也造成了資源的浪費。這些現象對提高社會資源利用率和保護環境帶來了挑戰,嚴重影響著城市和社會的可持續發展。
WA1(WB1)、WA2(WB2)、WA3(WB3)—A(B)市快遞網點1、2、3;KA11(KB11)、KA21(KB21)、KA31(KB31)—A(B)市快遞網點1、2、3的快遞員1;ZA(ZB)—A(B)市快遞中轉場。
眾包被認為是最具前景的解決方案之一,它預見了客運、貨運一體化的前景[3]。眾包方案使私家車出行運力與快遞運輸需求結合起來,可解決迂回運輸、重復運輸以及私家車空間資源浪費的問題。如圖1中眾包遞送快遞路線,快遞企業車輛完成的部分任務由城際間出行的私家車完成,可減少快遞的裝卸與分揀次數,減少專業運輸車輛的使用,提高私家車空間利用率。承運人是實施這類眾包活動的基礎,一些學者對此進行了研究。A.C.MCKINNON[4]和J.F.ROUGS等[5]在研究中發現,WebVan、Myways、Metro Post等公司初創時均缺乏足夠的業務員與承運人,公司運營艱難;E.MARCUCCI等[6]對羅馬第三大學的學生進行問卷調查的結果是,87%的學生愿意在有足夠補償的情況下充當眾包承運人;A.DEVARI等[7]在美國進行的在線調查發現,72%的受訪者愿意為其朋友或熟人遞送包裹,用亞歷山大市的數據對客戶行為進行建模研究得到的結論是,眾包交付可以在確保快速、可靠交付的同時大大降低交付成本和總排放量;J.MILLER等[8]設計了一項調查,從報酬、交通便利程度等方面探討了個人由純粹的旅行者轉變為旅行者-承運人的潛在意愿;A.PUNEL等[9-10]重點研究了收寄貨物的“最后一公里”,結果表明:不同的眾包活動場景、不同的屬性對承運人的參與意愿影響不同。
筆者選擇貨源相對穩定的快遞轉運這一細分市場,在保證業務可靠性的前提下,針對相鄰城市快遞節點間批量快遞轉運需求,提出了一種借助城際間私家車出行實現貨物轉運的眾包運輸模式,分析了潛在承運人參與該類眾包活動的內在需求;開展了城際間私家車出行者參與貨運眾包的意愿與對眾包條件偏好的問卷調查;研究了眾包任務屬性對受訪者偏好的影響程度,以及受訪者環境保護意識與社會特征對其參與眾包活動意愿的影響。
迄今,基于城際間私家車出行的快遞眾包模式在國內較為鮮見。陳述性偏好(stated preference,SP)調查要求決策者在假設的選項中做出選擇,以揭示與不同屬性關聯的相對值[11],獲得人們對假定條件下多個選擇方案所表現出來的主觀偏好。SP調查被廣泛應用于交通運輸領域,如評估引入新的貨運系統時,貨主與承運商的行為偏好[12]、旅行者對汽車共享系統的接受程度[13]、可觀察變量和未觀察到的潛變量對擁擠收費接受度的影響[14-15]。
筆者采用SP調查方法,擬出由假設情境組成的備選方案,受訪者可以根據情境來選擇自己充當眾包承運人的態度。
1.2.1 問卷屬性
筆者在小范圍內征詢了快遞企業和私家車主的意見,確定了假設情境中的屬性及水平,在進行了50份的預調查后,才開始正式調查。調查問卷包括以下4個屬性:
1)運輸保險,即承運人為避免運輸過程中可能的貨損、延誤等風險造成承運人損失或糾紛而購買的保險。預調查中了解到承運人具有不需要保險或購買小額保險的僥幸心理。因此設計了3個水平:“無”——系統內沒有運輸保險選項;“自動購買”——承運人接單時系統強制承運人購買指定保險,且不可更改與取消;“自己購買”——承運人根據自己的風險偏好特征決定購買保險數額的大小。
2)獲得報酬,即承運人完成快遞公司委托的快遞捎運任務后,獲得的報酬。筆者團隊拜訪了淮安市的順豐、申通、韻達、中國郵政EMS等快遞企業,了解到在每輛私家車可捎貨0.4 m3的情況下,快遞公司最高愿意支付的報酬為30元。預調查中發現:期望獲得的最低報酬分別為10、15、30、>30元的受訪者分別占比9%、23%、42%、26%。考慮到快遞公司的支付意愿,設計了“30元”“20元”“10元”3個水平。
3)可追蹤性,即承運人捎運的快遞如果具有被追蹤功能,承運人車輛的行駛軌跡、停留地點等也將被追蹤到。設計了“可以”“無所謂”“不可以”3個水平。
4)交接便利程度,即進出物流節點、裝卸貨、移交手續辦理的便利程度。設計了“便利”“一般”“不便利”3個水平。
4屬性、12個水平見表1。
表1 假設情境中的屬性和水平
上述4個屬性、12個水平組合起來,將得到81種假設情境。為簡化問卷,筆者用正交法及SPSS 20軟件進行設計,共生成了9種假設情境。詳見表2。
表2 假設情境
以假設情境1為例來說明,其含義是承運人幫快遞公司捎運貨物過程中,自己購買運輸保險,所載貨物可被追蹤,交接貨物不太方便,任務完成后托運人支付給承運人10元報酬。
受訪者從“非常不愿意”“比較不愿意”“無所謂”“比較愿意”“非常愿意”5個選項中選擇充當承運人的態度。
1.2.2 問卷調查內容
1)受訪者的年齡、性別、學歷、收入、職業、所在地及家庭擁有小汽車數等基本信息。
2)受訪者對假設情境的態度。
3)在眾包活動可以實現減少環境污染的前提下,潛在的眾包承運人參與眾包活動的意愿。
2019年1月至2020年5月,筆者團隊在江蘇省淮安市開展了兩次SP調查,受訪者性別、年齡、職業和受教育程度等信息見表3。
表3 受訪者信息
第1次調查采用街頭隨機發放問卷方式,共發放問卷50份,收回20份有效問卷。根據調查結果,對問卷進行了修改。
第2次調查通過網絡和線下發放方式完成。共邀請2 000位受訪者,收回512份有效問卷。這次問卷調查響應率為35.1%,根據Y.BARUCH等[16]研究結論,此次調查的響應率是合理的。
為研究受訪者對眾包條件的偏好,筆者采用SPSS 20軟件進行聯合分析,得到4屬性、12水平所對應的效用估算UE與標準誤差S(表4),并計算出9種假設情境效用值U(表5)。
表5 9種假設情境效用值U
由表4可以看出,受訪者偏好于自己購買運輸保險、所載貨物不可被追蹤,任務完成后獲得30元報酬及交接便利的屬性。
表4 各屬性水平的效用估算UE與標準誤差S
效用值U越高表示受訪者對該屬性水平越偏好。由表5可見,受訪者最歡迎的是假設情境8,最不歡迎的是假設情境1。從而得到受訪者對4屬性總體偏好的重要性值I的排序:I交接便利程度=39.592%>I獲得報酬=26.499%>I運輸保險=20.694%>I可追蹤性=13.215%。表明潛在的眾包參與者首先考慮的是參與這項眾包活動時進出物流節點、裝卸貨、辦理移交的便利程度,其次是獲得的報酬。相較于貨物的可追蹤性,受訪者更關注自己的運輸保險。
因此筆者建議:在可支付的報酬范圍內,眾包托運人要盡可能創造有利于承運人進出物流節點、裝卸貨、易于移交的交接環境,以吸引更多的潛在承運人參與眾包活動。
以假設情境9為例,采用皮爾遜相關系數來分析若某眾包活動有利于環境保護,受訪者是否愿意參與該眾包活動。結果見表6。
表6 皮爾遜相關系數及其顯著性檢驗
由表6可以看出:眾包意愿和環保態度的相關系數r= 0.563,對相關系數檢驗的Sig.(雙側)=0.000< 0.001,所以兩變量間的正相關有統計學意義,即隨著環保意識的增強,受訪者參與該項眾包活動的意愿呈增大趨勢。
以假設情境9為例,采用有序多分類Logistic模型,對受訪者參與眾包活動的意愿與其收入、受教育程度等社會特征的相關性進行回歸分析。表7為對Logistic模型中是否所有自變量偏回歸系數全為0進行的似然比檢驗結果。
表7 Logistic模型擬合信息
由表7可見,Sig.=0.000<0.001,說明至少有一個自變量的偏回歸系數不為0,即擬合包含收入、受教育程度自變量模型的擬合優度好于僅包含常數項的無效模型。
表8為對Logistic模型參數估計結果。從表8可以看出:
表8 Logistic模型參數估計值
1)隨著收入的增加,受訪者作為眾包承運人參與此項眾包活動的意愿會下降,且不是簡單的線性下降,其中家庭年收入大于20萬的受訪者參與此項眾包活動的意愿可能無差異,可以考慮對這兩個類別進行合并。
2)受教育程度的提高會使受訪者參與此項眾包活動的意愿上升,但不是簡單的線性上升。
設計了運輸保險、獲得報酬、交接便利程度和可追蹤性等4個屬性、12個水平,構建了9個假設情境,利用SPSS 20軟件,用聯合分析方法分析了受訪者對眾包條件的偏好,以及各個屬性對受訪者偏好的影響程度;采用相關性分析與有序多分類Logistic模型,回歸分析了受訪者的環境保護意識對其眾包意愿的影響。研究得到以下主要結論:
1)受訪者偏好于自己購買運輸保險、所載貨物不可被追蹤、任務完成后獲得30元報酬、交接貨物方便的屬性水平。
2)交接便利程度和獲得報酬是影響受訪者參與眾包活動意愿的重要因素。建議開展眾包活動的企業管理人員,應重視創造有利于承運人進出物流節點、裝卸貨、易于移交的交接環境。
3)受訪者眾包參與意愿與其環保意識呈現正相關。因此,應加強環境保護教育,以吸引更多的人參與到眾包活動中來。
4)受訪者家庭年收入增加,參與眾包活動意愿會下降,但不是簡單的線性下降。
5)受訪者受教育程度越高,參與眾包活動的意愿也越高,但不是簡單的線性提高。