換乘優惠政策下公共交通乘客換乘決策行為分析

馬壯林，畢宇明，張銳

(長安大學 運輸工程學院，陜西 西安 710064)

隨著中國超大和特大城市規模不斷擴大和多模式公共交通網絡逐漸形成，城市居民出行很難通過1 種公共交通方式或1 條公共交通線路實現，“公交+地鐵”或“公交+公交”換乘出行模式已經越來越受到城市居民的青睞.影響公共交通乘客換乘行為的因素很多[1-2]，細化不同公共交通乘客的換乘行為，可以揭示公共交通乘客換乘決策的行為機理，為相關部門優化公交線網銜接、制定換乘優惠政策提供理論支撐.

出行行為研究主要關注個人社會經濟特征、出行特征和交通方式優劣等可觀測屬性對出行行為的影響，忽略了如乘客態度的不可觀測屬性的影響.事實上，乘客態度對交通方式選擇、是否支持交通政策都有顯著影響.Paulssen 等[3]發現引入態度變量的模型增強了交通方式選擇的解釋能力；De Vos 等[4]認為民眾對公共交通的滿意度越高，民眾使用公共交通出行的意愿越強烈；乘客對交通需求管理政策的支持程度也間接影響乘客的出行行為[5-6].作為研究不可觀測的潛變量之間關系的分析方法，結構方程模型（structure equation model, SEM）得到廣大學者的認可，并被廣泛應用于態度-行為研究[7-8].公共交通乘客的換乘態度對換乘決策行為的影響卻鮮有學者關注.

隨著交通行為科學的深入發展，有關個體異質性對出行行為的影響方面的研究增多.潛在類別模型（latent class model, LCM）先將樣本劃分為具有不同特征的子類，再估計各類別的參數，準確刻畫了不同類別出行行為的異質偏好[9].張奕源等[10-11]分別采用LCM 研究不同類別人群在出行方式選擇行為方面的個體偏好異質性.面向公共交通用戶，劉建榮等[12]采用LCM 將公交乘客分為機會乘客和忠誠乘客2 類，發現公交服務水平對機會乘客的公交總體滿意度影響高于對忠誠乘客的影響.任新惠等[13]采用LCM 研究航班延誤情況下旅客出行行為的異質性時，將旅客劃分為經濟效率型、注重體驗型、經濟舒適型和全面衡量型4 類.以上研究在進行決策群體分類時，主要基于個體的社會經濟屬性，忽略了LCM 用內在潛在類別變量來解釋外顯類別變量之間關系的本質[14].Choi 等[15]采用潛在類別有序probit 模型研究公共交通用戶滿意度的影響因素，指出態度是決定潛在類別劃分的關鍵因素，即潛變量對于決策群體分類劃分的重要性.劉志偉等[16]采用潛在類別條件Logit 模型研究無人駕駛汽車選擇行為，研究結果表明，除年齡、月收入和職業等個人屬性，潛變量（如感知易用性和感知信任）對出行者潛在類別劃分有顯著影響.

綜上可知，鮮有研究從潛在類別角度探討公共交通乘客換乘決策行為，而且不考慮公共交通乘客的態度偏好，不利于公共交通換乘優惠政策的設計.為了客觀、準確地刻畫公共交通乘客換乘行為的異質性，揭示不同類別乘客換乘決策的行為機理，本研究構建公共交通乘客換乘決策模型（SEM-LCM），以公共交通乘客的出行換乘與否作為因變量，從個人社會經濟屬性、出行特征、心理感知因素和選擇方案屬性4 個方面選擇27 個自變量，分析不同潛在類別公共交通乘客的換乘決策行為.

1 公共交通乘客換乘決策模型

1.1 換乘意向的結構方程模型構建

作為心理現象，態度是人內心狀態和多方面信息的外在表現，已經被計劃行為理論（theory of planned behavior, TPB）[17]、技術接受模型（technology acceptance model, TAM）[18]和學習遷移理論（learning transfer theory, LTT）[19]等認為是影響意向和行為的主要因素之一.TPB 和TAM 都是在理性行為理論的基礎上發展起來的.TPB 用于解釋個體的態度、主觀規范、感知行為控制與行為意向和行為決策之間的關系；TAM 用于解釋個體的感知效用、態度、行為意向和行為決策之間的關系.LTT 認為個體在長期實踐和累積經驗基礎上會形成具有習慣性的行為傾向，當需要個體做出選擇時，會出現定勢效應，即個體傾向于選擇熟悉的方案而不是最佳的方案.

以TPB、TAM 和LTT 為基本框架，結合前人的研究成果，提出公共交通乘客換乘意向的研究假設如表1 所示；融合TPB、TAM 和LTT，采用SEM 構建公共交通乘客換乘意向假設模型如圖1所示.結構模型和測量模型表達式為

圖1 公共交通乘客換乘意向假設關系Fig.1 Hypothetical relationship of public transport passenger transfer intention

表1 公共交通乘客換乘意向的研究假設Tab.1 Research hypotheses of public transport passenger transfer intention

式中：η 為內生潛在變量向量，B為內生潛在變量間的系數矩陣，Г為外生潛在變量與內生潛在變量間的系數矩陣，ξ 為外生潛在變量向量，ζ 為模型中無法預測或解釋的殘差項向量，X為外生測量變量向量，Λx為x的因素負荷向量，δ 為外生測量變量被外生潛在變量解釋的誤差項向量，Y為內生測量變量向量，Λy為y的因素負荷向量，ε 為內生測量變量被內生潛在變量解釋的誤差項向量.

1.2 SEM-LCM 構建

傳統的離散選擇模型忽略個體異質性，不能處理隨機偏好差異，LCM 通過不可觀測的潛在變量解釋可觀測的外顯變量間的關系，并將樣本進行分類，分別估計出不同類別對應的參數，從而解釋群體行為的異質性.結合SEM 和LCM 可以同時探究顯變量和潛變量對乘客選擇換乘的影響，為此構建公共交通乘客換乘決策模型：SEM-LCM.SEM-LCM 由類內選擇概率和類成員概率組成.假設將乘客分成K個類別，同類乘客的選擇偏好相同.在第k個潛在類別中，乘客n選擇第i種換乘決策行為（i=1 表示換乘，i=2 表示不換乘）的概率可以表示為

式中：Pin為乘客n選擇換乘決策i的概率，Pin|k為第k個潛在類別中乘客n選擇換乘決策i的概率，Wn|k(λ)為乘客n屬于第k個潛在類別的概率，λ 為類別成員模型參數.

式中：λk為第k個潛在類別成員模型參數，Zn為乘客n的心理感知因素和社會經濟屬性.

式中：Vin|k為第k個潛在類別中乘客n選擇換乘決策i的固定效用，考慮到影響乘客在公交換乘優惠政策下的換乘選擇行為的潛在因素，

式中：J為社會經濟屬性顯變量個數，aij|k為第k個潛在類別中乘客選擇換乘決策i的第j種社會經濟屬性顯變量時的影響系數，sijn為乘客n選擇換乘決策i的第j個社會經濟屬性顯變量，Q為出行特征顯變量個數，ciq|k為第k個潛在類別中乘客選擇換乘決策i的第q種出行特征屬性顯變量的影響系數，hiqn為乘客n選擇換乘決策i的第q種出行特征屬性顯變量，P為潛變量個數，dip|k為第k個潛在類別中乘客選擇換乘決策i的第p種潛變量的影響系數，lipn為乘客n選擇換乘決策i的第p種潛變量.lipn通過SEM 中潛變量對應的觀測變量來描述，并利用外生潛變量來解釋內生潛變量：

式中：yipnt為乘客n選擇換乘決策i的第p種潛變量對應的第t個觀測變量，γipnt為乘客n選擇換乘決策i的第p種潛變量對應的第t個觀測變量的待估參數，ωipnt為乘客n選擇換乘決策i的第p種潛變量與其對應的第t個觀測變量間的誤差向量.

調整R2、赤池信息量準則（akaike information criterion, AIC）、貝葉斯信息指標（bayesian information criterion, BIC）用于檢驗模型的優劣.調整R2越大，模型擬合越好[24]；AIC 和BIC 的值越小，模型擬合越好[25-26].

2 調查問卷設計與數據收集

2.1 調查問卷設計

采用行為偏好（revealed preference，RP）和意向偏好（stated preference，SP）融合的調查方法設計調查問卷.RP 調查收集受訪者的社會經濟屬性、出行特征和心理感知因素.其中社會經濟屬性包括受訪者的性別、年齡、學歷、職業、月收入、私家車擁有情況、是否擁有駕照和家庭結構；出行特征包括受訪者的出行目的、出行時長、出行時段、出行距離、出行費用、換乘經歷、換乘方式和換乘距離.如表2 所示為心理感知因素的潛變量，心理感知因素包括受訪者對實行公交換乘優惠政策的態度認知，采取李克特五點量表法度量受訪者的態度，態度分為“非常不同意”、“不同意”、“一般”、“同意”和“非常同意”5 個等級，分別賦值為1、2、3、4 和5.SP 調查收集受訪者在不同組合場景下的換乘選擇行為，場景因素選擇不換乘的步行距離T1、換乘的步行距離T2、優惠幅度和換乘模式，如表3 所示.將場景因素的不同水平m進行組合，提出18 種不同換乘場景，考慮到部分場景的差異性較小，統籌考慮換乘優惠幅度和換乘后的步行距離，精簡提煉出6 個場景，如表4 所示.要求每位受訪分別在這6 個換乘優惠場景下做出換乘決策.

表2 心理感知因素的潛變量描述Tab.2 Latent variable descriptions of psychological perception factors

表3 意向偏好調查的場景設計Tab.3 Scenario design for stated preference surveys

表4 問卷中6 種假設場景Tab.4 Six hypothetical scenarios in questionnaire

2.2 數據收集

采用網絡調查方式進行數據收集.為了保證樣本具有針對性，要求受訪者必須是西安市城市居民，且在日常生活中有乘坐公共交通出行的經歷.考慮到SEM 分析的最小樣本數量為200 個的特點，兼顧樣本數與觀察變量數的比例至少為10∶1～15∶1 的約束[31]，共回收379 份問卷，其中有效問卷365 份，有效率為96.3%.

2.3 樣本的描述性統計分析

如圖2 所示為受訪者的各項社會經濟屬性特征比例ei.可以看出，男性和女性的受訪者比例相當；26～35 歲的受訪者居多，其次是25 歲以下的受訪者，這2 類受訪者占受訪者總數的65%；有專科或本科學歷的受訪者接近50%，其次是有碩士及以上學歷的受訪者；在企業工作、月收入在5 000～15 000 元和家庭擁有1 輛小汽車的受訪者都超過50%；有駕照和家庭結構較復雜的受訪者都超過65%.

圖2 受訪者的社會經濟屬性Fig.2 Socio-economic attributes of respondents

如圖3 所示為受訪者對換乘優惠政策的心理潛變量.可以看出，51%的受訪者對實行公交換乘優惠政策持支持態度；49%的受訪者在他人的鼓勵與推薦下愿意接受公交換乘優惠政策；隨著優惠幅度的提升，53%的受訪者更愿意接受換乘優惠政策；49%的受訪者在公交換乘有優惠的情況下愿意選擇換乘；51%的受訪者認為公交換乘優惠可以提升出行的便捷程度；53%的受訪者認為實施公交換乘優惠政策時使用公共交通換乘是方便的；50%的受訪者的公交出行習慣性較強.

圖3 受訪者的心理潛變量Fig.3 Psychological latent variables of respondents

3 結果分析

3.1 信度和效度檢驗結果

采用SPSS 軟件對回收的樣本進行信度和效度檢驗，檢驗結果如表5 所示.所有潛變量的克隆巴赫系數（Cronbach’s alpha）α 均大于0.8，組合信度CR 均超過0.8，說明問卷具有良好的可靠性和穩定性[32-33]；所有潛變量的平均提取方差AVE 均超過0.6，表示問卷具有較高的效度[34].

表5 信度和效度檢驗Tab.5 Reliability and validity tests

3.2 結構方程模型的估計和檢驗

利用SEM 求解潛變量，計算潛變量模型的擬合優度指標.采用卡方與自由度比（χ2/df）、比較擬合指數CFI、標準化殘差均方和平方根SRMR、漸進殘差均方和平方根RMSEA 和非規準適配指數TLI 檢驗模型的擬合優度，評價標準[35-36]和檢驗結果如表6 所示.

表6 結構方程模型的擬合檢驗結果Tab.6 Goodness-of-fit test results of structure equation model

如圖4 所示，采用MPLUS 軟件求解模型參數，得出各個潛變量之間路徑的估計系數和顯著性，分析各個潛變量之間的路徑關系：1）態度、感知有用性和行為習慣對換乘意向有顯著的影響，因此假設H11、H12和H15成立；主觀規范和感知行為控制對換乘意向沒有顯著的影響，因此拒絕假設H13和H14.2）態度是中介變量，感知有用性、感知易用性和主觀規范通過影響態度對換乘意向有顯著的影響，因此假設H21、H22和H24成立.3）感知有用性是中介變量，感知易用性和主觀規范通過感知有用性影響換乘意向，因此假設H23和H25成立.4）感知易用性是中介變量，行為習慣通過感知易用性影響換乘意向，因此假設H26成立.

圖4 結構方程模型的估計結果Fig.4 Estimated results of structure equation model

根據圖4 的結果，進一步計算各潛變量之間的總效應G，總效應為直接效應E和間接效應F的總和，結果如表7 所示.由表可知：1）各潛變量對實施公交換乘優惠政策下的換乘意向的總效應值從大到小依次是感知有用性、行為習慣、態度、感知易用性和主觀規范.2）態度對換乘意向只有直接正向影響，G=0.333，表明居民對公交換乘優惠政策的支持意愿越強烈，選擇換乘的意向就會越強.3）主觀規范和感知易用性對換乘意向均僅有正向的間接影響，表明容易受到周圍家人和朋友影響的居民和認為實施公交換乘優惠政策時使用公共交通出行更便捷的居民具有較強的換乘意向.4）感知有用性和行為習慣對換乘意向均有正向的直接和間接影響，表明居民認為公交換乘優惠政策能給生活帶來便利程度越高和公交出行的行為習慣越強，選擇換乘的意向越強烈.

表7 各潛在變量對換乘意向的效應值Tab.7 Effect values between latent variables and transfer intention

3.3 SEM-LCM 參數標定

進行SEM-LCM 參數估計和擬合，須對變量進行賦值，結合調查問卷中各變量的具體情況，得到SEM-LCM 的變量賦值如表8 所示.可以看到，調查問卷中的職業變量被重新劃分和賦值，其中行政機關和事業單位歸為固定職業者，賦值為1；學生、個體經營者和其他歸為非固定職業者，賦值為0.對于多分類自變量，為了進一步明晰其對因變量的潛在影響，提高分析的精確性，引入虛擬變量.各潛變量的適配量表達式是基于SEM 估計結果對各觀測變量的權重進行標準化處理得到.調查問卷中潛變量的題項數據均采用Likert5 級量表，因此所有潛變量適配值都在1～5，將適配值以四舍五入的原則取整數，將其重新賦值為1、2、3、4、5.

表8 公共交通乘客換乘決策模型的變量賦值情況描述Tab.8 Descriptions of variable assignment for transfer decision-making model of public transport passenger

3.4 SEM-LCM 的估計結果

使用Stata 軟件進行模型的適配度檢驗.當潛在分類為3 及以上時，模型不收斂，為此選擇潛在分類為2.類別1 占比70.3%，類別2 占比29.7%.以類別1 為參照類，心理感知因素和個人屬性對類別的回歸系數β 如表9 所示.由表可知：1）態度、主觀規范、感知行為控制、換乘意向、行為習慣、學歷、月收入對潛在類別的劃分有顯著影響.2）類別1 對換乘優惠下換乘行為具有較高的感知控制水平，會考慮換乘后對出行產生的影響，對出行條件和出行質量有一定的要求，不會因為有換乘優惠就選擇換乘，換乘優惠僅是該類人群進行出行選擇時考慮的次要因素；類別2 的群體對公交換乘優惠政策的感知態度較好，包括態度、主觀規范、換乘意向和行為習慣，對換乘優惠表現出較強的積極態度，換乘優惠是促使該類群體選擇換乘的主要驅動因素之一.將類別1 定義為換乘體驗敏感型，將類別2 定義為換乘優惠敏感型.3）學歷為專科及本科，月收入為5 000～15 000元的受訪者更容易被歸為類別1；學歷為高中及以下，月收入低于5 000 元的受訪者更容易被歸為類別2.從2 類群體選擇的邊際效應來看，“換乘體驗敏感型”和“換乘優惠敏感型”中選擇換乘的概率分別為51.1%和85.9%，這與分組的類別相符合，換乘優惠敏感型乘客選擇換乘的概率大于換乘體驗敏感型乘客.

表9 心理潛變量和個人屬性對潛在類別的影響Tab.9 Impact of psychological latent variables and individual attributes on latent class

為了檢驗乘客異質性對換乘決策行為影響的顯著性，對比分析SEM-LCM 和SEM-Logit 的估計結果.如表10 所示為模型的擬合檢驗結果，其中LL(0) 為似然初始值，LL(β) 為模型的似然函數值，為調整R2；如表11 所示為模型參數估計結果.由表10、11 可知：1）從、AIC 和BIC 指標來看，SEM-LCM 調整R2大于SEM-Logit，且SEMLCM 的AIC 和BIC 均小于SEM-Logit.因此，SEMLCM 優于SEM-Logit.2）乘客的社會經濟屬性、出行特征和選擇方案屬性對公共交通乘客換乘決策行為表現為異質性.3）乘客的年齡、私家車擁有量和家庭結構對居民換乘決策有顯著的影響，具體地說，45 歲以下的換乘體驗敏感型乘客更愿意選擇換乘，25 歲以下、沒有私家車和單人家庭的換乘優惠敏感型乘客更愿意選擇換乘.25 歲以下的群體對換乘優惠敏感型類別影響更大，可能是因為這類群體正處于無收入或工作剛起步階段，經濟基礎較薄弱，傾向選擇有換乘優惠的情況；家庭結構（夫妻二人家庭）僅在換乘優惠敏感型類別中顯著且回歸系數為負值，可能的原因是這類群體均已婚且沒有撫養孩子的壓力，經濟壓力較小，不會一味追求優惠，對出行的便捷有較高的要求.4）出行特征中的出行目的、出行時段、換乘經歷對乘客的換乘決策有顯著的影響，具體來說，剛性出行、在高峰時段出行、有換乘經歷的換乘體驗敏感型乘客更愿意選擇換乘，高峰時段出行的換乘優惠敏感型乘客更愿意選擇換乘.高峰時段出行對換乘優惠敏感型乘客的影響大于對換乘體驗敏感型乘客的影響，高峰時段出行大部分為重復且高頻的出行活動，此部分出行費用占交通支出的比例較大，因此，對于換乘有優惠的情況，經常在高峰時段出行的乘客表現出支持的態度.5）換乘模式、不換乘時的步行距離、換乘時的步行距離和優惠幅度對乘客的換乘決策有顯著的影響，具體來說，在2 種乘客類別中，不換乘時的步行距離越長、換乘時的步行距離越短、優惠幅度越大，乘客越愿意選擇換乘，換乘體驗敏感型乘客對換乘時的步行距離較敏感，而換乘優惠敏感型乘客對不換乘的步行距離和優惠幅度更敏感.換乘體驗敏感型乘客傾向于“公交+地鐵”和“公交+公交”的換乘模式，換乘優惠敏感型乘客傾向于“公交+地鐵”的換乘模式.換乘模式（地鐵+公交）僅在換乘體驗敏感型類別顯著且回歸系數為負，相比于“地鐵+公交”，換乘體驗敏感型乘客更易接受“公交+公交”的換乘模式，可能原因是“公交+公交”換乘便捷，且相對優惠幅度大，換乘體驗敏感型乘客對“公交+公交”換乘模式有較好的控制感.

表10 2 種模型的擬合檢驗結果Tab.10 Fit test results of two models

表11 公共交通乘客換乘決策模型的參數估計Tab.11 Estimations of parameters for transfer decision-making model of public transport passengers

3.5 政策啟示

（1）加強換乘優惠宣傳，提升居民接受度.需要相關部門積極宣傳和推廣公交換乘優惠政策的優勢，推動換乘優惠政策落實.借助媒體加大宣傳換乘優惠的政策、使用條件，提高居民對公交換乘優惠政策的接受度.

（2）加大政府補貼，增加市民受惠額度.隨著西安市經濟社會的持續、健康發展，居民收入不斷增加，換乘優惠力度應在考慮居民交通費用支出、公共交通企業營收的前提下，加大政府補貼，進行適當平衡與調整.建議在平衡企業收入和政府財政補貼支出的基礎上，以市民受惠額度最大為目標，加大政府補貼.

（3）優化西安市公共交通服務水平，進一步提升換乘環境.公交應及時配合軌道交通線網進行線路優化調整，加強與軌道交通的接駁，提高換乘過程的連續性和客運設施的適應性，著重考慮公共交通之間換乘設計的優先性，實現公交銜接步行距離和換乘時間最短，提高換乘便捷性，吸引公交客源，最大效益利用公交資源.

（4）針對不同特征的公共交通乘客，采取不同的宣傳與引導.對于家庭結構為夫妻二人的群體，宣傳公共交通換乘的優勢、環境效益，引導人們選擇公共交通換乘；對于25 歲以下、沒有私家車和家庭結構為單人家庭的群體，可以加大優惠力度，既提高該群體出行的便捷性，又滿足出行經濟成本少的期望.

4 結 語

以西安市公共交通換乘決策的問卷調查為基礎，采用SEM 分析公共交通乘客換乘意向與其他潛變量的關系，采用LCM 從乘客的心理感知因素和社會經濟屬性視角劃分乘客類別，以公共交通乘客的出行換乘與否作為因變量，從個人社會經濟屬性、出行特征、心理感知因素和選擇方案屬性4 個方面選擇27 個自變量，構建公共交通乘客換乘決策模型SEM-LCM，分析不同潛在類別公共交通乘客的換乘決策行為.相比SEM-Logit，SEM-LCM擬合效果更好.提出換乘體驗敏感型和換乘優惠敏感型公共交通乘客的定義，并將有換乘需求的公共交通乘客分為換乘體驗敏感型和換乘優惠敏感型2 類；在換乘優惠政策下，換乘體驗敏感型乘客傾向于“公交+地鐵”和“公交+公交”的換乘模式，換乘優惠敏感型乘客傾向于“公交+地鐵”的換乘模式.本研究以西安市為例進行換乘決策分析，如果采用其他城市的調查數據標定模型，理論上可以產生相同的結論，考慮到各城市的公共交通系統水平、經濟社會發展水平和居民出行特征等方面存在差異，得到的結論可能存在差異.此外，本研究沒有涉及西安市不使用公共交通的乘客以及其他城市的公共交通乘客.未來計劃開展的研究包括：分析西安市不使用公共交通的乘客與公共交通機會乘客和忠誠乘客的異同，探討乘客居住地、城市規模和公共交通網絡的差異對乘客換乘決策行為的影響.