考虑共享汽车的高铁站接驳交通出行方式选择影响因素

谷鑫鑫，赵胜川，罗欢欢

（大连理工大学交通运输学院，辽宁 大连 116024）

0 引言

随着高铁在我国的蓬勃发展，旅客城际出行体验得到了很大提升，但是很多高铁站远离市区以及部分城市交通与高铁衔接不紧密的现状已经成为人们乘坐高铁的阻碍。“高铁+共享汽车”服务应运而生，这是“中国速度”与共享经济的结合：高铁很好地解决了旅客城际交通问题，而共享汽车作为一种对传统小汽车出行方式的创新，可以帮助旅客解决高铁站到市区之间的交通问题。本文将通过分析影响旅客高铁站接驳交通出行方式选择的因素，探究共享汽车参与接驳出行的可行性。

共享汽车是传统的汽车租赁与当前的共享经济结合的产物，近年来受到了国内外学者的广泛关注。国外关于共享汽车的研究比国内起步要早。大量研究认为，共享汽车在提供多样化出行方式的同时，一定程度上保留了私人小汽车的私密性和灵活性[1]，还可以降低小汽车拥有率[2-3]。Tran 等[4]分析了影响出行者对电动共享汽车接受度的因素，发现出行者对出行费用较为敏感，减少共享汽车的使用成本和增加私家车的停车费用有利于提高共享汽车的使用率[5]。在市场方面，部分学者对共享汽车的会员数量[6]和时空分布[7]进行了研究，但这些研究没有针对共享汽车的具体应用场景。Wappelhorst 等[8]调查对比了共享汽车在城市与乡村的潜在使用需求，但是没有发现城市与乡村居民对于共享汽车使用的偏好差异。除了关于市内交通出行中共享汽车的作用研究之外，还有一些关于共享汽车在城际交通中的应用研究。Luca 等[9]通过行为调查（Stated Preference,SP），研究了城市间单程出行的共享汽车选择行为，发现出行费用、到停车场所需时间、性别、年龄、出行频率、是否拥有私家车和出行类型是最显著的影响因素。国内目前关于共享汽车的研究主要集中在共享汽车的用户行为、市场和车辆调度等方面。用户行为分析方面，国内学者主要使用问卷调查的方法，研究发现出行者对共享汽车站点的距离比较敏感，经济性是共享汽车需要保持的重要优势[10]，随着出行距离的增大和共享汽车收费标准的降低，出行者选择共享汽车服务的可能性增大[11]。市场研究方面，国内学者从供需角度分析了共享汽车公司的定价策略[12]和出行者的共享汽车使用需求[13]。车辆调度研究方面，王宁等[14]提出了基于用户激励的共享电动汽车自适应调度，实证分析显示，该方法能够提高运营公司的收益及车辆利用率，节约成本并提高用户满意度。

综上可知，国内关于共享汽车的研究没有涉及共享汽车的具体使用场景，当前高铁站接驳交通的研究对象也主要是公共交通[15]，缺少出行者在高铁站接驳交通中的共享汽车使用意愿影响因素研究。据知名咨询机构罗兰贝格预测，2025 年中国共享汽车的数量将达到60万辆，中国将成为全球最大的共享汽车市场[16]。共享汽车行业仍有远大前景，提供场景化的“高铁+共享汽车”服务，或许是共享汽车未来的一个发展方向。本研究考虑共享汽车、出租车/网约车和公交车这3 种出行方式，选择等待时间、行程时间、费用和押金作为效用函数的选择方案特性变量，构建多项离散选择模型（Multinomial Logit,MNL），分析在高铁站接驳交通环境下，考虑共享汽车服务时出行者出行方式选择的影响因素，以期为共享汽车场景化应用的实施和相关政策制定提供理论依据。

1 问卷设计及样本统计分析

1.1 问卷设计

本研究旨在了解高铁出行者对接驳交通中共享汽车的使用意愿及其影响因素。高铁站接驳交通包括“到达高铁站”和“从高铁站出发”两种类型。本研究采用实地问卷调查的方式，在高铁站候车厅内对高铁乘客进行调查，对“到达高铁站”采用RP 调查，对“从高铁站出发”采用SP 调查。参考现有文献，结合专家意见和调查地点实际情况，调查问卷主要分为以下3 个部分。

（1）受访者基本信息调查。该部分主要研究个人属性对出行方式选择的影响，调查内容包括年龄、性别、职业、月收入、是否持有驾照和是否拥有小汽车。

（2）受访者出行特征信息调查。该部分主要调查受访者本次出行的相关特征信息及对共享汽车的使用和了解情况，调查内容包括本次出行目的、同行人数、驾车喜好、日常通勤方式、对共享汽车的了解程度和使用情况。

（3）考虑共享汽车的出行方式选择意愿调查。该部分为本次调查问卷的核心部分，出行场景假设为乘高铁到达站点之后，需要前往一定距离之外的目的地，在共享汽车、出租车/网约车和公共交通之中选择一种交通方式出行。共享汽车的出行特征主要包括等待时间、拥堵时间、还车方式、车辆类型和押金金额，具体水平值设置如表1所示。

表1 共享汽车特性变量及水平值设置

以大连北站为例，该站距市中心约12km，根据该站接驳交通情况，本调查选取6km,12km 和18km作为出行场景的出行距离。每个出行场景包括共享汽车、出租车/网约车和公交车这3 种出行方式，受访者需要综合考虑等待时间、行程时间和费用等各种出行方式共有的因素，以及还车方式、车辆类型和押金等共享汽车特有的因素，最终选择一种交通方式出行。

1.2 数据收集与处理

为提高问卷填写质量，保障数据的真实性、有效性和普遍性，本研究采用线下问卷调查的方式，分别在哈尔滨西站、长春西站和大连北站3个东北地区高铁车站候车厅进行随机抽样调查，共收集到380 份调查问卷，删除18 岁以下受访者的问卷及不合理问卷（如无驾照、独自出行且选择共享汽车出行的问卷），最终获得356份有效问卷，有效回收率为93.7%。每套问卷包含3 个情景选择样本，因此有效样本个数为1 068 个，保证了模型结果的稳定性和可靠性。

受访者的基本属性包括年龄、性别、月收入、驾照和私家车等，样本的结构如表2 所示。受访者的年龄集中在18～50 岁，男性受访者略多于女性受访者，月收入大部分在10 000 元以下，持有驾照的占比较大，而拥有私家车的占比较小。

表2 受访者个人属性结构特征

1.3 样本统计分析

对用户的出行特征进行交叉统计分析，可以初步确定影响接驳交通中用户出行方式选择的因素。经分析，年龄、同行人数和日常通勤方式等因素对于出行方式的选择具有显著影响。

（1）年龄。如图1 所示，不同年龄段的群体在出行方式的选择上存在很大差异。18～30 岁和31～50 岁群体选择的出行方式相似，选择共享汽车出行的比例分别为34.2%和36.27%，该年龄段群体更喜欢出租车/网约车出行，选择公交车出行的比例较低；51～70 岁群体更喜欢选择公交车出行，选择共享汽车和出租车/网约车出行的比例之和小于50%。

图1 各年龄段接驳出行方式选择分布

（2）同行人数。如图2 所示，出行时同行人数同样对出行方式的选择有很大的影响。受访者为单人出行时，更喜欢选择出租车/网约车出行，但是有同行人时，受访者选择共享汽车出行的比例大于选择出租车/网约车出行的比例，有同行人时受访者选择共享汽车出行的比例要比没有同行人时的比例高9.69个百分点。

图2 不同同行人数下接驳出行方式选择分布

（3）日常通勤方式。如图3 所示，日常出行方式对高铁站—市区出行交通方式的选择同样具有较大影响。日常出行方式为私家车的用户更愿意在高铁站接驳出行时使用共享汽车，比例为43.19%；日常出行方式为出租车/网约车的用户选择共享汽车出行的比例也较高，为36.16%；日常出行方式为公交车的用户更愿意继续选择公交车出行（比例为48.96%），而选择共享汽车的比例较低，为26.04%。

图3 不同日常出行方式下接驳出行方式选择分布

2 模型构建

2.1 理论基础

本文采用MNL模型分析受访者高铁站接驳出行方式选择行为。MNL 模型作为一种常见的离散选择模型，广泛应用于交通行为分析。

离散选择模型是基于随机效用理论和效用最大化假说提出的，即离散选择模型的建立基于两点假设：①消费者（决策者）是选择行为的最基本的意愿决定单位；②消费者（决策者）是理性人，他们面对给定的选择方案集，将会选择效用最大的方案。

随机效用理论将效用视为随机变量，并将随机效用函数U分为可观测的固定项Vin和不可直接观测的随机项εin。同时，随机效用理论认为Vin与εin存在线性关系。即，如果假设消费者（决策者）n选择方案i的效用为Uin，则：

式（1）中：Vin为消费者（决策者）n选择方案i的效用函数中的固定项；εin为消费者（决策者）n选择方案i的效用函数中的随机项。

所谓效用最大化假说，即消费者（决策者）在给定的选择情景下，将选择能让其获得最大效用的选择方案。如果消费者（决策者）在给定的选择方案集An中，选择方案i的条件为：Uin＞Ujn（i∈An,j∈An,i≠j），则根据效用最大化假说，消费者（决策者）n选择方案i的概率Pin为：

其中，0 ≤Pin≤1,。

当效用函数中的随机项εin服从独立的同参数二重指数分布时，可以推导出Logit模型。采用线性函数作为效用函数形式，各出行方式的效用函数为：

式（3）中：β0为常量；βk为待定系数；为出行者n选择出行方式i的第k个变量值。

出行时间价值VOT 可以通过MNL 模型中的时间与费用参数进行计算，公式如下：式（4）中：Vi为出行方式i的效用函数；ti为出行方式i的出行时间；γi为出行方式i的出行费用；λt为效用函数中出行时间的系数值；λc为效用函数中出行费用的系数值。

2.2 效用函数构建

根据问卷调查结果，影响出行者出行方式选择的因素按属性可以分为3 类，即：选择方案特性变量、个人属性变量和出行特征属性变量。效用函数中的变量设置如表3所示。

表3 效用函数变量描述

其中，职业包括学生（CA-S）、企业职工（CA-E）和行政事业单位职工（CA-P）；高铁出行目的包括商务（TP-C）、回家（TP-H）、旅游（TP-T）和访友（TP-F）等；日常通勤方式包括私家车（CM-C）、公交（CM-B）、地铁（CM-M）和出租车（CM-T）等；对年龄、月收入数据进行重新赋值，对性别、职业等属性变量进行虚拟变量处理。

3 模型结果分析

本文以出租车/网约车为参考项，借助R 语言，使用极大似然估计法对MNL模型进行参数估计。剔除共享汽车还车方式、共享汽车车辆类型等不相关变量后再次进行模型标定，最终模型的选择方案特性变量参数估计结果如表4所示。

表4 参数估计结果

表4 （续）

3.1 选择方案特性变量参数估计结果

等待时间、出行时间、费用和押金的系数均为负值，且变量参数显著，表明等待时间、出行时间、费用和押金均对共享汽车的使用产生负效用，即：随着等待时间、出行时间、费用和押金的增加，高铁站旅客在接驳交通中选择共享汽车出行的概率将减小。模型中等待时间和出行时间的单位为min，费用单位为元，押金单位为百元。根据各变量的系数值大小可以发现：等待时间增加1min 产生的负效用，相当于出行时间增加1.82min 产生的负效用；出行费用增加1 元产生的负效用，相当于押金增加181 元产生的负效用，旅客接驳出行过程中的时间价值约为51.7 元/h，与我国城市居民小时工资大体一致。

3.2 个人属性变量参数估计结果

共享汽车和公交车的效用函数中年龄的系数分别为0.344 和0.948，均为正数，表明随着年龄的增加，相比出租车，旅客更愿意选择共享汽车和公交车作为接驳出行的交通方式，并且在其他条件相同的情况下，年龄段由18～30 岁增加到31～50岁时，选择共享汽车的概率增加6.1%。

收入水平系数均为负数，表明随着收入水平的提高，相比出租车出行，旅客选择共享汽车和公交车出行的可能性不断减小。

分析职业的系数值发现，企业、事业单位员工的系数均为负数，说明企事业单位的员工普遍更喜欢出租车/网约车接驳出行。驾照的系数在共享汽车的效用函数中为正值，在公交车的效用函数中为负值，表明持有驾照会增大旅客选择共享汽车接驳出行的概率，同时会减小旅客选择公交车出行的概率。私家车的系数在共享汽车和公交车的效用函数中均为负值，表明拥有私家车的旅客选择共享汽车和公交车接驳出行的概率都会变小，在其他条件相同的情况下，拥有私家车的乘客选择共享汽车接驳出行的概率比没有私家车的乘客低6.3个百分点。

单独出行的系数在共享汽车的效用函数中为负值，并且具有显著性，说明单独出行的人选择共享汽车接驳出行的概率较小。

3.3 日常特征属性变量参数估计结果

根据旅客日常出行方式数据的标定结果，可以发现日常出行方式为私家车的旅客选择共享汽车接驳出行的概率最大，而日常出行方式为地铁的旅客选择共享汽车出行的概率最小，商务出行的旅客更喜欢选择出租车接驳出行。

根据驾车喜好和共享汽车熟悉程度的标定结果，可以发现喜欢驾驶与否的系数具有显著的影响，且系数为正值，说明喜欢驾驶的旅客选择共享汽车接驳出行的概率更大，在其他条件相同的情况下，喜欢驾驶的旅客选择共享汽车接驳出行的概率比不喜欢驾驶的旅客选择共享汽车接驳出行的概率高12.1 个百分点。是否使用过共享汽车同样具有显著影响，曾用过共享汽车的旅客再次选择共享汽车出行的概率更大。但是对共享汽车的了解程度对于共享汽车出行选择没有显著影响。

4 结论

本文基于实地问卷调查结果，使用MNL模型对考虑共享汽车的高铁站接驳出行方式进行了研究，结果表明：

（1）目前市场上对共享汽车的使用率和了解程度均较低，而出行者对共享汽车的了解程度越高，选择共享汽车接驳交通出行的概率越大，因此为推动共享汽车的发展需要加大宣传力度。

（2）增加共享汽车在高铁站接驳交通中的使用率，需要缩短共享汽车的业务办理时间，保持共享汽车的价格优势。

（3）“高铁+共享汽车”的场景化共享汽车服务模式具有可行性，随着接驳距离的增大，出行者选择共享汽车接驳出行的概率逐渐增大。

共享汽车是一种创新的汽车消费模式，但是目前其在国内市场发展并不完善，在高铁站接驳交通中的应用仍较少。考虑供需平衡和共享汽车企业正常运营的条件下，研究共享汽车在高铁站接驳交通中的投放量和车辆调度方式，完善高铁站接驳交通系统的建设，将是下一步研究的重点。