考慮個體異質(zhì)性的網(wǎng)約車使用行為建模及影響分析

馮飛宇,李興華,郭赟韜,晏 康

(1.福建理工大學(xué) 交通運輸學(xué)院,福建 福州350118;2.同濟(jì)大學(xué) 道路與交通工程教育部重點實驗室,上海 201804)

0 引 言

在互聯(lián)網(wǎng) + 、大數(shù)據(jù)、云計算等技術(shù)的助力下,網(wǎng)約車由于其可為乘客提供點到點的出行服務(wù)[1-3]得到了迅速的發(fā)展,逐漸成為城市交通的重要組成部分。網(wǎng)約車的持續(xù)發(fā)展改變了城市居民的出行行為,影響著城市交通的出行結(jié)構(gòu)及城市生態(tài)。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的《第50次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》[4],截至 2022年6月,我國網(wǎng)約車用戶規(guī)模已經(jīng)達(dá)到4.05億人,部分私家車、出租車或公共交通的出行需求已轉(zhuǎn)移至網(wǎng)約車。交通轉(zhuǎn)移水平可用網(wǎng)約車使用頻率來表征,即單位時間內(nèi)出行者的網(wǎng)約車使用次數(shù)。為了掌握出行行為改變的內(nèi)在機(jī)理,有必要分析網(wǎng)約車使用頻率的影響因素,以為城市交通管理提供參考。

業(yè)內(nèi)學(xué)者針對社會經(jīng)濟(jì)特征、出行行為、心理感知和建成環(huán)境等因素采用離散選擇模型對網(wǎng)約車使用頻率的潛在影響進(jìn)行了大量研究,結(jié)果表明:年輕、較高收入和高學(xué)歷水平的出行者傾向于更頻繁地使用網(wǎng)約車[5-8];出租車使用頻率高或公共交通使用頻率低的出行者使用網(wǎng)約車頻率較高[6,9];擔(dān)憂服務(wù)安全性的出行者傾向于不使用或很少使用網(wǎng)約車[6-7,10];后疫情時代,擔(dān)憂感染病毒的出行者傾向于降低網(wǎng)約車使用頻率[11-12];有強(qiáng)烈環(huán)保意識、積極擁抱信息技術(shù)和追求新鮮感的出行者網(wǎng)約車使用頻率較高[6-7];居住在城市、高人口密度或高就業(yè)密度區(qū)域的出行者有更高的網(wǎng)約車使用頻率[5-7]。上述研究綜合分析了網(wǎng)約車使用頻率的影響因素,但未區(qū)分出行目的(通勤/非通勤),且主要以固定參數(shù)模型為分析模型,較少考慮用戶異質(zhì)性,導(dǎo)致參數(shù)估計結(jié)果有偏差。

筆者以通勤為研究情景,對上海市居民開展線上意向調(diào)查(revealed preference, RP),獲取后疫情時代通勤者的網(wǎng)約車使用頻率及影響因素;采用隨機(jī)參數(shù)有序Probit模型評估不同因素對網(wǎng)約車使用頻率的影響效果;提出了網(wǎng)約車管理措施建議。

1 問卷設(shè)計與調(diào)查

2021年9月,筆者通過問卷星平臺向上海市居民隨機(jī)發(fā)放調(diào)查問卷,受訪者年齡須大于等于18歲,且工作與居住地均在上海。問卷內(nèi)容包括社會經(jīng)濟(jì)特征調(diào)查、通勤特征調(diào)查和心理感知調(diào)查3部分。心理感知調(diào)查項目見表1,社會經(jīng)濟(jì)特征調(diào)查及通勤特征調(diào)查項目及調(diào)查結(jié)果見表2。本次調(diào)查共收到1 630份有效調(diào)查樣本數(shù)據(jù),樣本基本涵蓋了不同性別、年齡、收入水平、學(xué)歷水平等特征的通勤者,各類群體均有足夠樣本量,表明樣本具備多樣性和代表性。

表1 心理感知調(diào)查項目

表2 社會經(jīng)濟(jì)特征及通勤特征

由表2可知:

1)受訪者男女比例相當(dāng),40歲以下的受訪者超過70%,本科及以上學(xué)歷的受訪者超過60%,年收入高于9.5萬元的受訪者超過60%,超半數(shù)的受訪者為擁車者。相較于上海市總體人口比例,即18～35歲居民低于總?cè)丝诘?0%、平均年薪為10萬元左右、擁車家庭不足40%[13],受訪者群體更為年輕、有更高的收入且機(jī)動車保有量更多。

2)短距離、中距離和長距離通勤者的比例各占約三分之一,47.43%受訪者通勤出行時間在上午08:00之前,超60%受訪者每月加班2次以上,居住在上海郊區(qū)(外環(huán)以外區(qū)域)的受訪者比例為55.95%。由此可見,受訪者的通勤距離分布相當(dāng),居住地址的城郊分布相對均衡,通勤出發(fā)時間有顯著的集中趨勢,加班比例較高。

利用李克特量表(Likert scale)對通勤者的網(wǎng)約車認(rèn)知變量進(jìn)行測量,即感知疫情風(fēng)險(PR)、感知舒適便捷(PC)、感知安全(PS)及感知實惠(PA)等,測量統(tǒng)計結(jié)果見圖1。

圖1 心理感知特征Fig. 1 Characteristics of psychological perception

由圖1可見:大部分受訪者基本認(rèn)可網(wǎng)約車的舒適便捷以及安全可靠,同意或非常同意網(wǎng)約車是一種舒適、便捷的交通方式,表達(dá)了對網(wǎng)約車平臺提供的人身安全保障措施的信任;僅42.44%的受訪者認(rèn)可網(wǎng)約車價格實惠,使用網(wǎng)約車可節(jié)約通勤成本;40.62%的受訪者擔(dān)憂使用網(wǎng)約車感染新冠疫情。

2 隨機(jī)參數(shù)有序Probit模型

由于網(wǎng)約車使用頻率為有序變量,因此可用隨機(jī)參數(shù)有序Probit模型來分析網(wǎng)約車使用頻率的影響因素和用戶異質(zhì)性。Probit模型誤差項服從正態(tài)分布,可繞過有序Logit模型的比例優(yōu)勢假設(shè),在研究得到更廣泛應(yīng)用[14-16]。

首先,定義效用變量Zn為影響通勤者n決策的自變量向量組Xn與誤差擾動項εn的線性組合,如式(1):

Zn=βXn+εn

(1)

式中:β為待估參數(shù)向量。

為刻畫通勤者的異質(zhì)性,隨機(jī)參數(shù)有序Probit模型將式(1)中待估參數(shù)向量β改寫成待估隨機(jī)參數(shù)向量βn,假設(shè)其服從正態(tài)分布,則βn等于β中各參數(shù)均值組成的向量組βav加上隨機(jī)誤差向量αn,如式(2):

βn=βav+αn

(2)

待估隨機(jī)參數(shù)向量βn的取值隨通勤者n的變化而變化,一般采用Halton法隨機(jī)抽取300次進(jìn)行估值。

為不失一般性,將網(wǎng)約車使用頻率y的文字型有序變量轉(zhuǎn)化為數(shù)值型,如將每月0、<2、2～3、4～8、>8次分別轉(zhuǎn)化為0、1、2、3、4,根據(jù)式(3),可由通勤者n效用函數(shù)推導(dǎo)出網(wǎng)約車使用頻率水平y(tǒng):

(3)

式中:μ0、μ1、μ2、μ3分別為決定網(wǎng)約車使用頻率的閾值估計參數(shù),通常μ0= 0,μ1、μ2、μ3通過模型估計所得[15-16]。

通勤者n的任意網(wǎng)約車使用頻率水平y(tǒng)的概率Py,如式(4):

(4)

式中:Φ為服從標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù);其他符號同前。

為了解某個自變量的改變對網(wǎng)約車使用頻率水平概率的影響,需要對公式(4)求偏導(dǎo),獲取相應(yīng)變量的邊際效應(yīng)。如:自變量向量中第k個連續(xù)自變量變化一個單位或啞變量從“0”變?yōu)椤?”,可按式(5)計算邊際效應(yīng):

(5)

式中:φ為標(biāo)準(zhǔn)正態(tài)分布密度函數(shù);xk為自變量向量中第k個變量;βk為第k個變量對應(yīng)的待估參數(shù);其他符號同前。

3 結(jié)果分析

為篩選出影響變量,筆者進(jìn)行了Kendall相關(guān)性分析,結(jié)果如圖2,圖中空白處為不顯著的相關(guān)系數(shù)。可見:網(wǎng)約車使用頻率與大部分調(diào)研變量均存在顯著的相關(guān)性,同時所有變量均滿足非共線性的要求,調(diào)研變量可作為影響變量進(jìn)一步建模分析。

圖2 Kendall相關(guān)系數(shù)Fig. 2 Kendall correlation coefficients

為了易于分析與解釋,筆者將與網(wǎng)約車使用頻率顯著相關(guān)的變量編成分類變量或啞變量,最終變量如表3。將變量分別放入有序Logit模型、有序Probit模型和隨機(jī)參數(shù)有序Probit模型中進(jìn)行擬合估計。在初始隨機(jī)參數(shù)模型中,假設(shè)所有變量均為隨機(jī)參數(shù),通過模型估計,僅參數(shù)方差在95%的置信水平內(nèi)顯著的參數(shù)方為隨機(jī)參數(shù),否則為固定參數(shù),固定參數(shù)僅保留在95%的置信水平下顯著的相關(guān)變量,最終模型估計結(jié)果如表3。平均邊際效應(yīng)如表4。

表3 模型估計結(jié)果

表4 平均邊際效應(yīng)

由表3可知,2個參考模型——有序Probit模型與有序Logit模型——的擬合結(jié)果無顯著差異,與隨機(jī)參數(shù)有序Probit模型相比,該2個參考模型的R2較小,赤池信息量準(zhǔn)則和最大似然值較大,表明隨機(jī)參數(shù)有序Probit模型具有更優(yōu)的擬合度和解釋能力。

對表3、表4進(jìn)行分析如下。

3.1 社會經(jīng)濟(jì)特征

年齡、收入、車輛保有量等變量對網(wǎng)約車通勤使用頻率有顯著影響,這已有研究結(jié)果[6-10]相似。與中老年群體相比,年輕群體更傾向頻繁地使用網(wǎng)約車,屬于核心用戶,而中老年群體更少地使用網(wǎng)約車服務(wù)重要的原因之一是中老年群體較少接觸和使用互聯(lián)網(wǎng)及智能科技,對智能手機(jī)的操作僅停留在簡單通話和微信功能。然而,部分中老年群體存在體力有限,行動不便等問題,對點到點的出行需求更為迫切。為更好地適應(yīng)中老年群體的出行需求,建議在中老年人經(jīng)常光顧的地點增加廣告宣傳,開發(fā)對中老年人群體友好的應(yīng)用程序,為出行困難的中老年群體提供接送服務(wù)。

相較于非中高收入群體,中高收入群體擁有更高的網(wǎng)約車使用頻率,因其更有意愿和能力為改善通勤質(zhì)量支付較高的出行費用。隨著社會經(jīng)濟(jì)的持續(xù)發(fā)展,人們生活水平有望進(jìn)一步提高,中高收入群體將進(jìn)一步增加,未來城市居民對公共交通需求逐漸減少,對網(wǎng)約車需求逐漸增加,將加劇城市交通擁堵和用車不足的情況。有序發(fā)展網(wǎng)約式拼車提高網(wǎng)約車?yán)寐?有助于緩解交通擁堵的產(chǎn)生。建議發(fā)放特定時段的運營牌照,允許更多私家車使用者為順路乘客提供拼車服務(wù),減少未來可能存在的用車壓力。

相較于低擁車量或無車群體,高擁車量群體傾向使用私家車出行,因而網(wǎng)約車使用頻率較低。可見,網(wǎng)約車更可能對無車或低擁車量群體的通勤行為產(chǎn)生影響。為滿足城市交通的可持續(xù)發(fā)展,通過擁堵收費、車位控制、單雙號限行等交通管理措施對私人交通需求進(jìn)行限制,同時,提供高占率車道、為高利用率車輛提供專用車位等激勵措施鼓勵私家車共乘,促進(jìn)私人交通需求向共享或公共交通轉(zhuǎn)移。

3.2 通勤特征

出發(fā)時間、通勤距離、住宅區(qū)位和加班頻率對通勤使用頻率有顯著的影響。

較早出行與10:00以后出行相比,兩者的通勤者網(wǎng)約車使用頻率差別不大,而正點和晚點出行的通勤者有更高的網(wǎng)約車使用頻率,通勤者存在集中出行的傾向,可能導(dǎo)致該時段網(wǎng)約車需求驟升,增加用車壓力。目前,市場已采用分時定價和網(wǎng)約式拼車優(yōu)先配對等方式對網(wǎng)約車需求進(jìn)行管理,在一定程度上促使網(wǎng)約車用戶錯峰出行和激勵用戶選擇共乘。在后續(xù)管理中,可根據(jù)管理需求將網(wǎng)約快車(專車)等方式納入私家車的管理中,進(jìn)行擁堵收費,進(jìn)一步鼓勵網(wǎng)約車向共乘共享發(fā)展。

相較于短距離通勤者,中距離和長距離通勤者擁有更高的網(wǎng)約車使用頻率。短距離通勤時,地鐵、公交車和自行車等能以較低的價格提供相對舒適和便捷的通勤服務(wù),網(wǎng)約車通行無顯著的性價比優(yōu)勢。中、長距離通勤時,通勤者可能面臨長時間等待與忍受公共交通擁堵的乘車環(huán)境,或面臨長時間駕駛和停車?yán)щy等問題,在一定程度上,網(wǎng)約車可為中、長距離通勤者提供舒適便捷的小汽車出行。

相較于郊區(qū)住戶,市區(qū)住戶有更高的網(wǎng)約車使用頻率。市區(qū)車輛供給更為充足且配套設(shè)施更加完善,服務(wù)水平更高,因而市區(qū)用戶有更高的網(wǎng)約車使用頻率。這表明城市郊區(qū)仍有較大的增量空間,開發(fā)郊區(qū)特別是公共交通可達(dá)性較低的區(qū)域具有重要意義。建議為郊區(qū)提供一定補(bǔ)貼或降低傭金費率,以吸引車輛前往郊區(qū)提供服務(wù),改善郊區(qū)通勤環(huán)境。同時,可考慮構(gòu)建公共交通與網(wǎng)約車一體化的服務(wù)體系,解決公共交通最后一公里通達(dá)問題,改善公共交通的通達(dá)性。

加班頻率為隨機(jī)參數(shù),由均值(0.65)和方差(12.98)可知:相較于非頻繁加班者,69.5%的頻繁加班者有更高的網(wǎng)約車使用頻率,這類群體可能認(rèn)為網(wǎng)約車提供了舒適、放松的乘車環(huán)境,可緩解擁擠的公共交通的乘車壓力、長時間行車的駕駛壓力、夜間無法獲得公共交通服務(wù)的精神焦慮。然而,亦有部分頻繁加班者很少或未曾使用網(wǎng)約車,可能的原因是:這部分頻繁加班者對網(wǎng)約車的安全性及可達(dá)性表示擔(dān)憂,他們擔(dān)心無法及時獲得網(wǎng)約車服務(wù),更擔(dān)心夜間行車人身的安全。為此,建議①提供預(yù)約功能以解決偏僻地區(qū)叫車?yán)щy的問題;②提供緊急聯(lián)系人、快速報警和實時行程共享功能以保障夜間乘客的人身安全。

3.3 心理感知特征

感知舒適便捷、感知實惠、感知安全和感知疫情風(fēng)險對通勤者使用頻率有顯著的影響。

感知安全、感知實惠均為固定參數(shù),影響不存在異質(zhì)性,即感到安全和實惠的通勤者有更高的網(wǎng)約車使用頻率。若網(wǎng)約車的價格和安全無法滿足通勤者要求,則通勤者將降低網(wǎng)約車使用頻率,這充分說明了價格和安全是影響通勤者決策的關(guān)鍵因素。

由表4可知:認(rèn)可網(wǎng)約車舒適便捷的出行者更頻繁地使用網(wǎng)約車,并且感知舒適便捷的待估參數(shù)為隨機(jī)參數(shù),說明個體之間存在異質(zhì)性。再由表3的感知舒適便捷均值(0.19)和方差(5.64)可知:相較于不認(rèn)可舒適便捷的通勤者,大部分認(rèn)可舒適便利的通勤者(98%)有更高的網(wǎng)約車使用頻率,不過,仍有極小部分有更低的網(wǎng)約車使用頻率,可能的原因是:這部分通勤者屬于低收入或擔(dān)憂網(wǎng)約車安全的群體,盡管他們認(rèn)可網(wǎng)約車的舒適便捷,但價格或者安全才是影響網(wǎng)約車使用頻率的關(guān)鍵因素[16]。為此,可提供出行套餐(為購買套餐的用戶提供更大的價格優(yōu)惠)或?qū)嵤┘钣媱?為經(jīng)常使用服務(wù)的活躍用戶提供更多折扣或獎勵)以降低網(wǎng)約車的使用成本。建議嚴(yán)格審查運營車輛工況、司機(jī)職業(yè)素養(yǎng)和思想道德,以及添加報警和實時定位功能以保障網(wǎng)約車使用者的人身安全。

同理,感知疫情風(fēng)險為隨機(jī)參數(shù),由均值(0.32)和方差(7.40)可知:相較于低感知疫情風(fēng)險的通勤者,77.34%擔(dān)憂疫情風(fēng)險的通勤者有更低的網(wǎng)約車使用頻率。可見后疫情時代,衛(wèi)生健康安全成為共享交通進(jìn)一步發(fā)展的制約因素。然而,亦有部分擔(dān)憂疫情風(fēng)險的通勤者有更高的網(wǎng)約車使用頻率,可能的原因是:該部分通勤者面臨小汽車使用成本較高、使用不便等問題,盡管認(rèn)為網(wǎng)約車存在一定的疫情風(fēng)險,但由于難以找到可替代的高質(zhì)量出行方式而不得不使用網(wǎng)約車。為此,后疫情時代,須確保車輛的定期消毒、駕駛員佩戴口罩以及憑健康碼打車等以滿足乘客對共享交通的衛(wèi)生健康安全需要。

4 結(jié) 語

為分析網(wǎng)約車通勤使用頻率的影響因素及用戶異質(zhì)性,在上海開展線上的RP調(diào)查,獲取通勤者的社會經(jīng)濟(jì)特征、通勤特征以及心理感知特征等潛在影響因素,并利用隨機(jī)參數(shù)有序Probit模型估計不同因素的影響效果。結(jié)果表明:年輕群體、中高收入群體、市區(qū)住戶、中長距離通勤者、認(rèn)可網(wǎng)約車實惠和安全的通勤者傾向更頻繁地使用網(wǎng)約車;大部分頻繁加班群體和認(rèn)可網(wǎng)約車舒適便捷的群體有更高的網(wǎng)約車使用頻率,而小部分很少使用網(wǎng)約車,群體存在異質(zhì)性;價格和安全因素可能是導(dǎo)致異質(zhì)性的關(guān)鍵所在。