考慮汽車共享服務(wù)的出行方式選擇影響因素研究

張榮花，關(guān)宏志，趙 磊，朱海燕

（1.北京工業(yè)大學(xué) 建筑工程學(xué)院，北京 100124；2.交通工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100124；3.北京易華錄信息技術(shù)股份有限公司，北京 100043；）

0 引言

近年來，我國(guó)很多城市對(duì)私家車實(shí)行限行限購等政策，因私家車高價(jià)購買、低頻使用造成的資源閑置與浪費(fèi)問題日益嚴(yán)峻。從大眾對(duì)汽車的消費(fèi)觀來看，許多人對(duì)車輛不再以擁有為主，而是逐漸傾向于租賃。汽車共享服務(wù)，又稱分時(shí)租賃汽車。它是一種以分鐘或小時(shí)為計(jì)價(jià)單位，為出行者提供自助式車輛預(yù)訂、車輛取還及費(fèi)用結(jié)算的出行模式。2017 年，國(guó)家相關(guān)部門發(fā)布了《關(guān)于促進(jìn)小微型客車租賃健康發(fā)展的指導(dǎo)意見》[1]，提出汽車共享服務(wù)不但可以改善用戶出行體驗(yàn)，為城市出行提供一種新的選擇，也會(huì)在一定程度上緩解城市私人小汽車保有量快速增長(zhǎng)的趨勢(shì)。目前，汽車共享服務(wù)在我國(guó)正處于發(fā)展初期，探究汽車共享服務(wù)對(duì)城市出行者出行方式選擇產(chǎn)生的影響，分析出行行為前端的內(nèi)在影響因素，有利于促進(jìn)汽車共享服務(wù)發(fā)展，同時(shí)對(duì)于政府明確汽車共享服務(wù)在城市綜合交通運(yùn)輸體系中的合理定位，形成多層次、差異化的城市交通出行體系，具有重要意義。

近年來，國(guó)內(nèi)外學(xué)者關(guān)于汽車共享服務(wù)問題進(jìn)行了大量的定性與定量研究。定性研究方面，Stefano 等[2]分析了汽車共享服務(wù)的可行性，并進(jìn)一步探討了影響出行者選擇汽車共享服務(wù)行為的決定因素；Burak 等[3-4]認(rèn)為不同需求、車站可達(dá)距離、補(bǔ)貼水平、電池充電性能、時(shí)間空間靈活性等都會(huì)影響出行者對(duì)汽車共享服務(wù)的選擇行為；Balac 等[5]研究發(fā)現(xiàn)停車價(jià)格會(huì)對(duì)汽車共享使用需求產(chǎn)生影響；羅薇等[6]發(fā)現(xiàn)性別、受教育程度、感知共享汽車信息量、信息準(zhǔn)確性均會(huì)對(duì)出行者的共享汽車使用強(qiáng)度和未來使用意愿產(chǎn)生影響；施建剛等[7]認(rèn)為交通共享產(chǎn)品的有用性、易用性、個(gè)人可持續(xù)發(fā)展理念、強(qiáng)制性政策和規(guī)范壓力會(huì)影響出行者的實(shí)際使用行為；鄭迪斐[8]認(rèn)為共享汽車的車況與性能、運(yùn)營(yíng)模式、安全性、使用效率、呈現(xiàn)方式等均會(huì)影響用戶體驗(yàn)；徐慧亮[9]的研究表明，績(jī)效期望、社會(huì)影響、個(gè)體創(chuàng)新等會(huì)對(duì)用戶行為產(chǎn)生影響；史樂峰等[10]研究發(fā)現(xiàn)，共享汽車的租還便捷性和單車駕乘體驗(yàn)度對(duì)租賃價(jià)格的制定影響較大；吳嬌蓉等[11]運(yùn)用情景分析法，研究發(fā)現(xiàn)加密分時(shí)租賃小汽車的布點(diǎn)、縮短車外時(shí)間會(huì)提高出行者的使用意愿；Scott 等[12]發(fā)現(xiàn)政府支持汽車共享會(huì)對(duì)城市私家車的擁有量產(chǎn)生影響。

定量研究方面，Xu 等[13]構(gòu)建了混合整數(shù)非線性規(guī)劃模型，以利潤(rùn)最大化為目標(biāo)，探討了汽車共享站點(diǎn)布局、定價(jià)及調(diào)度問題；楊耀坤等[14]通過實(shí)際調(diào)查數(shù)據(jù)進(jìn)行情景預(yù)測(cè)，以年利潤(rùn)為目標(biāo)函數(shù)，探究影響電動(dòng)汽車分時(shí)租賃項(xiàng)目的動(dòng)態(tài)成本分布和收益的因素；趙俊麗等[15]運(yùn)用灰色模糊分析法，通過實(shí)例對(duì)城市共享汽車選址方案進(jìn)行綜合分析決策；Lin 等[16]提出了一種新的圖像模糊多準(zhǔn)則決策（Multi-Criterion Decision Making,MCDM）模型以解決汽車共享站點(diǎn)的選址問題；Zhu 等[17]為了幫助系統(tǒng)操作員提前分配車輛以滿足用戶需求，提出了準(zhǔn)確流量預(yù)測(cè)模型；劉向等[18]建立NL模型，探究用戶電動(dòng)汽車分時(shí)租賃出行選擇行為的影響因素，并計(jì)算了各出行方式的分擔(dān)率和敏感度；鞠鵬等[19]通過考慮心理潛變量，建立了混合選擇模型以探討出行者的汽車共享選擇行為；惠英等[20]研究發(fā)現(xiàn)在外環(huán)以內(nèi)居住、家庭已擁有私家車的出行者更傾向于選擇共享汽車。

綜上可知，定性方面的研究著重于探究汽車共享服務(wù)使用意愿、使用行為的影響因素以及對(duì)社會(huì)的影響；定量研究主要集中于汽車共享服務(wù)的站點(diǎn)布局、定價(jià)、調(diào)度、選址等問題。截至目前，鮮少有學(xué)者從出行者個(gè)人屬性及汽車共享服務(wù)特征的角度出發(fā)，探究汽車共享服務(wù)對(duì)城市出行者出行方式選擇的影響。為此，本文擬將汽車共享服務(wù)、出租車與地鐵3 種出行方式作為選擇肢，通過網(wǎng)絡(luò)問卷調(diào)查的方式獲取出行者交通行為的基礎(chǔ)數(shù)據(jù)，并選擇出行距離、汽車共享收費(fèi)標(biāo)準(zhǔn)作為效用函數(shù)的特征變量，構(gòu)建多項(xiàng)Logit（Multinomial Logit,MNL）模型，然后對(duì)模型進(jìn)行參數(shù)估計(jì)，分析汽車共享服務(wù)對(duì)出行者出行方式選擇行為的影響。

1 問卷設(shè)計(jì)及樣本描述性統(tǒng)計(jì)

1.1 問卷設(shè)計(jì)

本研究通過問卷調(diào)查的方式獲取受訪者的各項(xiàng)屬性指標(biāo)，以分析出行者的行為特征和選擇意愿，為交通行為模型構(gòu)建獲取基礎(chǔ)數(shù)據(jù)。本次調(diào)查分行為調(diào)查（Revealed Preference,RP）和意向調(diào)查（Stated Preference,SP）兩種。調(diào)查項(xiàng)目包括出行者的個(gè)人屬性信息、出行特征信息及在不同情境下出行方式選擇意愿3 部分。其中，出行方式選擇意愿調(diào)查部分以2 種出行距離及分別對(duì)應(yīng)的2 種汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)作為研究變量，分別設(shè)置2個(gè)水平、4個(gè)不同出行場(chǎng)景，具體如表1所示。每個(gè)場(chǎng)景在給定出行距離后，以北京市實(shí)際情況為例，假設(shè)出租車和地鐵兩種出行方式的出行費(fèi)用為定值，且出行方式的出行時(shí)間可借助百度地圖估算，要求受訪者在汽車共享、出租車、地鐵3種交通方式中進(jìn)行選擇。

表1 SP調(diào)查屬性及水平值設(shè)置

1.2 樣本描述性統(tǒng)計(jì)

本研究借助“問卷星”微信小程序于2019年9月份發(fā)放網(wǎng)絡(luò)問卷，共回收240份，剔除明顯不合理或題項(xiàng)回答前后矛盾的問卷，最終獲得204份有效問卷，有效回收率為85.0%。樣本信息分布如表2 所示，男女性別比例較均衡，年齡在18～40 歲的中青年占比為92.16%，以未婚為主；職業(yè)為公務(wù)員或事業(yè)單位職員、公司普通職員及學(xué)生的受訪者占比達(dá)86.28%，受訪者月收入集中于3000～10000 元；學(xué)歷為本科及以下的受訪者占48.04%，碩士及以上的占51.96%；最常使用交通工具以“地鐵+公交車”、地鐵為主，日常通勤單程距離≤10km的受訪者占比為78.42%。

表2 樣本信息統(tǒng)計(jì)結(jié)果

表2 （續(xù)）

對(duì)問卷調(diào)查結(jié)果進(jìn)行統(tǒng)計(jì)分析，結(jié)果如表3所示。

表3 出行特性統(tǒng)計(jì)

由表3可知：

（1）受訪者最希望汽車共享服務(wù)網(wǎng)點(diǎn)設(shè)置于火車站、機(jī)場(chǎng)、長(zhǎng)途汽車客運(yùn)站、居住區(qū)、工作區(qū)、商業(yè)服務(wù)區(qū)、市區(qū)郊外旅游景點(diǎn)等；

（2）受訪者使用共享汽車的主要目的以短途旅游、休閑娛樂居多。

2 模型構(gòu)建

本研究基于非集計(jì)模型的隨機(jī)效用理論，通過構(gòu)建MNL非集計(jì)模型，從概率的角度探究考慮汽車共享服務(wù)的出行方式選擇行為，然后通過對(duì)模型進(jìn)行參數(shù)估計(jì)，定量地分析影響出行者出行方式（汽車共享、出租車、地鐵）選擇行為的主要因素。

2.1 理論基礎(chǔ)

非集計(jì)模型以實(shí)際產(chǎn)生交通活動(dòng)的個(gè)人為基本單位，假定作為行為決策單元的個(gè)人在一個(gè)可以選擇且選擇方式相互獨(dú)立的集合中會(huì)選擇對(duì)自己效用最大的交通方式，由此引入效用最大化行為假說。該假說是所有非集計(jì)模型的理論基礎(chǔ)和必須服從的前提條件。其中，效用是指出行者綜合考慮費(fèi)用、時(shí)間及舒適度等多因素后，對(duì)某種出行方式作出決策后所獲得的滿足感。非集計(jì)模型理論假定效用是服從一定分布的隨機(jī)變量，它與可選方式的特性和選擇者個(gè)人的社會(huì)經(jīng)濟(jì)屬性有關(guān)，且每個(gè)個(gè)體都會(huì)選擇效用最大的選擇肢[21]。

MNL模型構(gòu)建基本流程如圖1所示。

圖1 MNL模型建模流程

2.2 確定效用函數(shù)

根據(jù)隨機(jī)效用最大化理論，出行者在條件一定的情況下，會(huì)選擇效用最大的方案。出行者n選擇出行方式i的效用函數(shù)為：

式（1）中：Uin為出行者n選擇出行方式i的效用函數(shù)；Vin為出行者n選擇出行方式i的效用函數(shù)中的固定項(xiàng)，主要包含可觀測(cè)的出行時(shí)間、出行費(fèi)用等方案特性，以及年齡、性別、職業(yè)等個(gè)人屬性等；εin為出行者n選擇出行方式i的效用函數(shù)中的概率項(xiàng)，包含不可觀測(cè)的其他因素引起的隨機(jī)項(xiàng)。

為了方便計(jì)算，假設(shè)Vin與特征變量Xin呈線性關(guān)系：

式（2）中：β0為常量；βk為待定系數(shù)；為出行者n選擇出行方式i的第k個(gè)變量值，且k∈[1,8]。

由此，出行者n選擇出行方式i的概率Pin為：

式（3）中：An為可供出行者n選擇的出行方式集合；j為An中的某一種出行方式；Ujn為出行者n選擇出行方式j(luò)的效用函數(shù)。

3 模型結(jié)果分析

3.1 模型擬合及檢驗(yàn)

本研究應(yīng)用SPSS軟件進(jìn)行數(shù)據(jù)處理，將汽車共享服務(wù)作為參考方式，以因變量和自變量的最后一個(gè)分類水平作為參照，考察不同水平間的傾向。應(yīng)用MNL模型對(duì)樣本數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，反復(fù)比較分析似然比檢驗(yàn)值及估計(jì)參數(shù)，最終得到模型的擬合信息和似然比檢驗(yàn)結(jié)果，如表4所示。

表4 模型擬合信息

由表4 可知，在模型的擬合信息表中，最終模型的卡方值為161.706，顯著性小于0.05，表明最終模型優(yōu)于僅有截距的模型，因而更具有統(tǒng)計(jì)意義，通過檢驗(yàn)。

模型的偽決定系數(shù)方值（Cox 和Snell 為0.180,Nagelkerke 為0.214,McFadden 為0.108）均不高，說明模型對(duì)原始變量變異的解釋程度一般。

模型似然比檢驗(yàn)結(jié)果如表5 所示，其中顯著性水平表明6 個(gè)影響因素對(duì)模型構(gòu)成均有顯著貢獻(xiàn)，研究這些自變量存在實(shí)際意義。因此，最終進(jìn)入模型的效應(yīng)包括截距、性別、年齡、最常使用交通工具、汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)、出行距離及日常通勤單程距離。

表5 模型似然比檢驗(yàn)結(jié)果

3.2 參數(shù)估計(jì)

通過SPSS軟件的輸出結(jié)果可知，本文所建模型的整體命中率為64.1%。檢驗(yàn)自變量對(duì)交通方式選擇的影響，得到參數(shù)估計(jì)結(jié)果，如表6所示。

表6 參數(shù)估計(jì)結(jié)果

由表6 可知，性別、年齡、最常使用交通工具、日常通勤單程距離、出行距離以及汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)均對(duì)出行者的出行方式選擇行為具有顯著性影響。

以汽車共享服務(wù)為參考方式，就出租車出行而言：

（1）日常通勤單程距離（20～30km）、出行距離對(duì)出行者選擇出租車具有顯著的負(fù)向影響，結(jié)果表明：①與選擇汽車共享服務(wù)出行相比，日常通勤單程距離為20～30km 的出行者選擇出租車的概率會(huì)小一些；②出行距離的系統(tǒng)估計(jì)值為-0.425，表明出行距離越長(zhǎng)，出行者選擇出租車出行的概率就越小，即選擇汽車共享服務(wù)出行的概率越大。

（2）年齡、性別、日常通勤單程距離（≤20km）、汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)對(duì)出行者選擇出租車具有顯著的正向影響，結(jié)果表明：①出行者年齡越大，選擇出租車出行的概率越大；②在出租車與汽車共享服務(wù)兩種出行方式可供選擇的情況下，女性更傾向于選擇出租車，而男性更傾向于選擇汽車共享服務(wù)；③日常通勤單程距離在20km 以內(nèi)的出行者選擇出租車的概率較大；④汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)越高，出行者選擇出租車的概率越大。

以汽車共享服務(wù)為參考方式，就地鐵出行而言：

（1）年齡、性別、最常使用交通工具（地鐵、公交、地鐵+公交）、日常通勤單程距離、汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)對(duì)出行者選擇地鐵具有顯著的正向影響，結(jié)果表明：①年齡越大，出行者選擇地鐵出行的概率越大；②女性更傾向于選擇地鐵出行；③出行者的最常使用交通工具為公共交通方式時(shí)，選擇地鐵出行的概率較大；④汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)越高，出行者選擇地鐵的概率越大。

（2）最常使用交通工具（私家車）、出行距離對(duì)出行者選擇地鐵具有顯著的負(fù)向影響，結(jié)果說明：①當(dāng)出行者的最常使用交通工具為私家車時(shí)，相較于地鐵，其選擇汽車共享服務(wù)的概率更大；②出行距離越長(zhǎng)，汽車共享服務(wù)被選擇的概率越大。

4 結(jié)論

本文基于網(wǎng)絡(luò)調(diào)查數(shù)據(jù)，利用MNL非集計(jì)模型對(duì)考慮汽車共享服務(wù)的出行方式選擇行為進(jìn)行了研究，并運(yùn)用SPSS軟件定量分析了出行者個(gè)人屬性和汽車共享服務(wù)屬性等對(duì)汽車共享服務(wù)選擇行為的影響，研究表明：

（1）性別、年齡、最常使用交通工具、日常通勤單程距離、出行距離和汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)均對(duì)出行者汽車共享服務(wù)的選擇行為具有顯著影響；

（2）在汽車共享服務(wù)和出租車兩種方式選擇分析中，日常通勤距離為20～30km 時(shí)，隨著出行距離的增大、汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)的降低，出行者選擇汽車共享服務(wù)的概率越大，而當(dāng)出行者的日常通勤距離在20km 以內(nèi)時(shí)，更傾向于選擇出租車；

（3）在汽車共享服務(wù)和地鐵兩種方式選擇中，隨著出行距離的增大、汽車共享服務(wù)收費(fèi)標(biāo)準(zhǔn)的降低，出行者選擇汽車共享服務(wù)的可能性增大，而當(dāng)出行者的最常使用交通工具為公共交通方式時(shí)，其更傾向于選擇地鐵。

因此，為了提高汽車共享服務(wù)被選擇的概率，運(yùn)營(yíng)商及相關(guān)部門可結(jié)合適用人群的出行需求，合理設(shè)置網(wǎng)點(diǎn)位置、制訂合理的收費(fèi)標(biāo)準(zhǔn)、明確適用的出行距離，使其與城市公共交通、出租車等多種出行方式共同形成多層次、差異化的城市交通出行體系。

本文只考慮了汽車共享服務(wù)對(duì)大城市出行者日常出行方式（地鐵和出租車）的影響，而未就其對(duì)現(xiàn)實(shí)中其他交通方式（如公交車、網(wǎng)約車等）的影響展開研究。今后，可針對(duì)不同類型城市，全面考慮可供居民選擇的出行方式，深度剖析汽車共享服務(wù)對(duì)城市居民出行方式選擇的內(nèi)在影響，為政府相關(guān)部門及汽車共享服務(wù)運(yùn)營(yíng)商的政策制定提供理論依據(jù)。