城市通勤者公交出行市场细分实证研究

景 鹏，周文伟

( 江苏大学 汽车与交通工程学院， 江苏 镇江 212013)

为了有效的实施 “公交优先”战略，需要通过了解通勤者的出行偏好以及公交出行的服务需求来制定相应的交通管理政策。

传统的公交出行行为预测以及相关政策的制定大多都是针对所有的公交出行者[1]。但是，实践表明，不同个体的出行行为具有差异性。对交通管理政策的需求，是以个人的出行效用的最大化为目标[2]，因此为了了解不同群体对政策需求的差异性，有必要对公交市场进行合理细分。以前的研究对于出行市场的划分大多是以个体属性和出行属性为细分变量[3-5]，但是有学者认为，以出行特征和个体特征为细分变量无法有效反映市场的内在结构[6]。近年来，已经有学者开始以心理潜变量为细分变量对出行市场进行细分[6-9]，并取得有效的成果。但是，目前为止，极少有学者利用一种心理理论框架，将对出行方式选择行为具有显著影响的心理理论因素整合，再基于这些心理潜变量开展城市通勤者公交出行市场细分的实证研究。

计划行为理论、态度、主观规范以及感知行为控制对行为意向有直接的影响，同时出行意向对实际行为也有直接的影响[10]。但是，由于计划行为理论也是在不断发展，可能除了以上3个心理潜变量对行为意向有影响外，或许在出行行为领域中，还有其他的心理因素对出行意向也具有决定性的作用[11]。基于此，本文将满意度、行为习惯、感知服务质量也作为预测心理变量整合到计划行为理论中，然后利用结构方程模型探讨各潜变量之间的因果关系，提取对出行意向具有显著影响的心理潜变量，再基于这些心理潜变量采用聚类分析法对城市通勤者公交出行市场进行细分研究，并详细分析各个子市场内在出行心理的特点以及出行行为属性特征，并且根据各子市场的需求特点，有针对性地提出相应的政策建议。

1 问卷调查以及数据分析

调查数据来自于2013年浙江省绍兴县的一次居民出行行为以及出行心理专项调查。调查表共由3个部分组成：第1部分是调查当日的出行信息；第2部分是出行者的社会经济属性；第3部分是有关影响出行者心理因素的测量指标。研究主要采用了第2部分和第3部分所收集的数据，即出行者的个人特性和出行特性，以及根据扩展的计划行为理论框架所设计的心理影响因素测量指标。有关心理影响因素的测量表是以国外有关各种出行方式应对于计划行为理论中各变量的问题项为基础设计的。问卷的量表都采用Likert五级量表的形式；1、2、3、4、5分别表示非常不同意、不同意、一般、同意、非常同意。问卷调查中有关心理观测变量和心理潜变量的描述如表1所示。

本次调查一共回收18 392份问卷，每份问卷调查一个家庭的出行情况，一共调查了84 770人， 回收率为77.28%。为了得到有效的数据，对数据进行了处理，删除了问卷调查表中有关个人特性、出行特性以及影响出行行为相关的心理因素测量指标有缺失和不合理的数据，最后一共得到2 228份问卷。

2 结果分析

2.1 结构方程模型结果分析

此研究将利用结构方程模型拟合理论模型中潜变量与观测变量之间的关系，并研究潜变量与潜变量之间的关系。

本研究采用统计软件Stata14.0通过Cronbach’sα系数来检验模型的信度，简称为α系数，收敛效度利用平均方差提取值(average variance extracted,AVE)来表示，一般认为AVE大于0.5时表示这个潜变量具有较好的收敛效度。潜变量的效度与信度检测结果如表2所示。

由表2可知：大部分潜变量的α系数都大于0.7，虽然感知行为控制与感知服务质量的α系数小于0.7，但是都大于0.5，这表明测量这些潜变量的问题项之间有较高的内部一致性，因此可信度高。结构方程模型中的各潜变量的AVE值均大于0.5，表明测量表具有较好的收敛效度。

表1 心理观测变量与潜变量的描述

表2 潜变量信度效度检验结果

潜变量α系数AVE值A10.820.70A20.730.59A30.850.54A40.770.63A50.550.53A60.540.52

结构方程模型估计总体拟合指标：RMSEA为0.058，CFI为0.947，TLI为0.934，SRMR为0.041。RMSEA(root mean squared error of approximation)为近似误差均方根，其值小于0.05时认为模型拟合效果较好，其值大于0.05 小于0.1时认为模型拟合的效果良好可接受，其值大于0.1时，一般认为拟合的效果较差。SRMR(standardized root mean squared residual)为标准化残差均方根。当模型达到完美拟合时，SMRM的值为0，一般认为其最大拟合值不应该超过0.08。虽然模型的RMSEA值大于0.05，但小于0.06，SRMR值也小于0.08，而且CFI(comparative fit index)相对拟合指数和TLI(Tucker-Lewis index)塔克-刘易斯指数都远大于0.9,所以认为模型的总体拟合指数良好，建立的结构方程模型总体估计结果可信度较高。

结构方程模型中潜变量之间的路径关系如图1所示。

图1 结构方程模型中各潜变量之间的标准化路径系数

图1中的路径系数为标准化之后的系数，括号中的数字为Z值，图1中:上标“*”表示P<0.05;上标“**”表示P<0.01。由图1可知：在公交车出行方式的结构模型中，使用公交的习惯对使用公交的意向、公交出行的态度、公交的感知行为控制、感知服务质量都具有正向的显著性影响，其中对态度的影响最为显著；感知行为控制和感知服务质量对满意度具有正向的显著影响。在结构方程模型中，并不是所有的潜变量都对出行意向有着显著性的影响，其中对公交的态度、满意度以及习惯对行为意向有正向的显著性影响，而感知服务质量和感知行为控制对公交出行的意向的影响并不显著。这表明使用公交的行为意向虽然受到多个心理因素的综合影响，但是只有态度、满意度和习惯对行为意向有比较显著的影响，即便出行者有较强的使用公交的意愿，也不一定会认为使用公交会比较方便、安全、舒适。

2.2 市场细分结果分析

本文采用K-means聚类分析法对公交出行市场进行细分。聚类分析法是一种细分出行市场的的常见技术，它能分析出行者的特点，并且可以根据相似性原则对群体进行细分研究[12]。

本文基于对公交的使用意向、对公交的使用习惯、对公交的满意度以及对公交的态度4个心理潜变量对公交出行市场进行细分，因为对公交的使用习惯、对公交的满意度以及对公交的态度与公交的使用意向存在显著的直接相关性，而感知行为控制和感知服务质量对行为意向的影响几乎可以忽略不计。这4个变量间的相关性系数较高，更容易产生特征鲜明的聚类结果，并且能显著减少聚类数目。利用K-means聚类分析法进行市场细分，首先给定聚类数目K。本文设置公交出行市场数目K为2～8。然后按K-means算法逐步迭代，让各个聚类尽可能的紧凑，而不同聚类尽可能分开，使得最终聚类结果合理并有意义。最终通过比较聚类分析指标， 2 228个样本被划分为S1～S4这4个子市场，每个子市场间存在显著差异(P<0.01)，聚类的效果比较理想。最终的聚类中心以及各子市场的样本情况如表3所示。

表3 最终聚类中心以及各子市场样本

类别S1S2S3S4人数339617382890比例/%15.2227.6914.7239.95A1-1.30-0.401.180.27A2-0.91-0.400.990.20A3-0.75-0.250.830.17A4-1.32-0.491.270.30

从表3中可以得知：子市场S1中的样本数量是最少的，为339个，占了全体出行者的15.22%。子市场S1中，不仅公交出行意愿是4个子市场中最低的，而且对公交的态度、满意度以及乘坐公交的习惯也是最低的，因此将子市场S1中的通勤者命名为“严格的非公交通勤者”，认为此市场中非公交出行的意愿特别强烈，不易动摇。

子市场S2中的出行者占了全体出行者的27.69%，样本量为617个。在子市场S2中，出行者的公交出行意向、对公交的态度、对公交的满意度以及乘坐公交的习惯都是负面的，但是S2中的出行者的公交出行意愿以及公交出行的习惯明显要高于子市场S1。因此，将子市场S2中的出行者命名为“消极的潜在公交通勤者”，认为此市场中的通勤者虽然很少有公交出行的意愿，但是还是有行为转变的可能性。

子市场S3中的出行个体数量为382个，占整个公交通勤市场的14.72%。子市场S3中的出行者的公交出行习惯、公交出行意向、对公交的态度、对公交的满意度都是正向的，并且远高于其它子市场，因此将子市场S3命名为“公交出行爱好者”，认为此市场的通勤者热衷于采用公交出行方式出行。

子市场S4中的出行者有890个，所含样本数量是所有子市场中最多的，达到了39.95%。出行者的公交出行意向、对公交的态度、对公交的满意度以及乘坐公交的习惯都是正向的，但是出行者的公交出行意向并不是特别强烈，因此将此子市场命名为“积极的潜在公交出行者”，认为此市场的出行者对公交出行具有积极倾向。

为了进一步的了解各子市场中的通勤者在感知行为控制以及感知服务质量方面是否具有显著的差异，对各子市场中的相关的6个测量变量的均值进行测量，结果如表4所示。

表4 各子市场中行为控制与服务质量感觉的各测量变量的均值

4个子市场的的通勤者在对公交的安全性感觉以及公交费用的感觉上并没有显著的差异，并且4个子市场对安全性和费用都有着积极的感觉，这也是公交出行的优势所在，这也说明安全性和费用不是阻止通勤者选用公交出行的重要因素。子市场S1对家附近的公交路线及时刻以及站牌上的公交路线信息的准确度都保持中立的态度，其他子市场都保持着良好的态度，这说明通勤者是否清楚公交路线以及时刻和站牌有关公交出行信息的准确度会影响通勤者对公交方式出行的选择。4个子市场的通勤者在对公交出行的方便程度以及舒适性的感觉上有着显著的差异，其中子市场S1对公交出行的方便程度以及对公交出行舒适性的感觉有着显著的负面感觉，而子市场S2和S4保持相对中立的感觉，子市场S3表现出良好的感觉，这表明相对于其他因素，方便程度以及对乘坐舒适性的感觉是影响出行者是否选择公交出行的重要因素，而方便程度以及舒适性恰好是公交出行的劣势所在。

2.3 公交出行的改善政策

根据公交子市场的差异性，在制定相应的改善措施时，需要有差异性地满足各子市场的需求。

子市场S1中的通勤者有较低的公交出行意愿，并且有极少的通勤者采用公交出行，这一部分的群体认为使用公交出行极其不方便，并且对舒适性感觉极差。针对这一群体，需要提供可靠的公交的出行环境，提高公交的服务水平，提高公交出行的便利性，提供准确的相关服务信息，增加他们对公交出行的满意度。

子市场S2和S3中的通勤者为潜在的公交出行者，他们没有较强的公交出行意愿，而且这一类群体约占了整个出行市场的67.7%，是主要的目标市场。他们对公交的满意度、对各种服务的质量的感知都偏向于中立的态度。这一类群体可能由公交出行方式转变为小汽车出行方式(远距离出行者)，也可能转变以步行的方式出行(近距离出行者)。对于这一类群体，不仅需要改善服务质量，也要大力推行“公交优先”政策，政府也需要加强低碳出行的宣传力度，提高居民的环境保护意识，以争取将更多的小汽车出行者转移为公交出行者。

子市场S3中的通勤者有较强的公交出行意愿，这一部分出行者对公交出行方式比较满意，对公交的服务质量感知良好,这一类出行者虽然已经是公交出行的爱好者，但还是应该对这类群体进行关注，对于他们乘用公交车辆时可以提供更多的优惠政策，如提供多种类型的公交IC卡、提供方便的IC卡办理手续、大力推广IC卡的使用等。

3 结束语

本文基于扩展的计划行为理论，利用结构方程模型探讨心理潜变量之间的关系，并利用K-means聚类分析法对通勤者公交市场进行细分研究。

基于扩展的计划行为理论得到3个于公交出行意向具有显著相关性的心理潜变量：习惯、态度、满意度。

以习惯、态度、满意度以及意向为细分变量，得到具有显著差异的4个子市场。

分析了4个子市场通勤者的心理特征以及社会经济特征，并且针对具有不同特征的出行者制定了具有针对性的公交出行改善措施。