基于非集计模型的中长途客运旅客选择方式

邓天民，万 桥，冒国韬，谭思奇

(重庆交通大学交通运输学院，重庆 400074)

随着中国客运的不断发展，公路、铁路和航空运输之间既有竞争又有合作。由于各个运输方式都有其各自的技术特征，近年来，中国公路客运受高铁、民航、私人交通冲击，公路客运运营呈萎缩现象，与铁路客运运营的差距在逐年拉大[1]，因此，在此背景下，研究旅客中长途出行选择行为影响因素，如何让公路客运在激烈的市场竞争中立足，对公路客运企业未来的发展有着重要意义。

中外学者在针对旅客出行选择行为偏好方面研究的已有较多的成果。已有关于旅客出行影响因素的研究成果大多是以效用理论为基础展开。Baltas等[2]在非集计理论基础上研究了消费者心理特征、车辆使用目的、购买信息渠道等因素对消费者车型选择的影响。Thrane[3]研究表明，年龄对出行方式选择的影响是非线性的，旅客选择民航出行的概率跟出行人数成反比。Zhang等[4]通过多项Logit模型对公交用户群出行方式选择的影响因素进行了分析。Ding等[5]基于意向调查(stated preference，SP)和行为调查(revealed preference，RP)调查，运用聚类法将个体分组预测，从而来分析步行时间、旅游时间、出行票价等因素对居民出行方式选择的影响。Jung等[6]在SP调查基础上，通过对居民出行票价、旅行时间等因素来研究对旅客短途出行航线选择行为的影响。Nurlaela等[7]在行为分析基础上模拟居民居住点与出行方式的选择，以此来建立居住在公共交通附近的居民选择行为和出行方式之间的多维关系。因此，在外国研究中，主要以基于效用理论和非集计理论构建的Logit模型为主。

分析发现以往关于中长途客运的市场竞争的研究多集中在铁路、民航市场的竞争比较研究与优势分析，2012年后，高铁迅速崛起，以往的公路客运市场细分与营销策略已不再适用此种形式的变化[8]。

李军[9]通过特征解析与行为调查，进行行为建模并设置动态站点，建立定制客运动态线路与时刻表优化模型，实现定制客运的运行计划优化。钟异莹等[10]结合计划行为理论，构建涵盖5个潜变量、22个测量变量的公共交通出行选择行为模型，以重庆市居民出行数据为例，计算结果表明行为态度对行为意向的直接影响影响最大且为0.832。马莹莹等[11]对行节假日高速公路出行行为特性调查和分析，提出基于巢式Logit-累积前景理论模型的高速公路出行时段选择模型，研究表明，所提出的模型与其他模型相比，提出的模型提高了预测结果的精度。冯焕焕等[12]运用前景理论和乘客最优理论建立了客运走廊内居民公共交通出行选择模型，通过调查获取了相关的关系数据，发现模型的模拟结果与居民选择公共交通工具的行为是一致的。马书红等[13]基于城际旅客调查数据，构建基于出行链的混合选择模型，预测了城际旅客出行链的选择。刘洛廷[14]通过RP和SP相结合获取了西咸城际出行旅客各类出行特征的样本数据，根据构建的城际旅客出行公共交通模式选择整合模型，对交通系统结构优化后的选择结果进行了预测，提出了提高西咸城际出行的旅客对各类公共交通模式选择意向的策略倡导。李晓伟等[15-16]应用旅客多模式出行选择RP数据建立了多项Logit模型(multinomial Logit，MNL)，研究了交通枢纽可达性对多模式综合交通客运方式选择行为的影响机理以及工作型与休闲型出行条件下交通枢纽可达性对于多模式竞争影响的差异性；通过建立旅客乘车方式选择模型，研究高铁竞争下多维因素对旅客高速公路客运选择的影响，以此为依据提出高铁竞争下高速公路客运的运营管理策略。肖光年等[17]构建了出行方式和出行时间选择的离散-连续模型系统，研究结果表明，出行方式对出行时间有显著的影响。

在已有研究基础上，分析中长途客运市场中旅客选择行为的影响因素，通过多元Logistic回归模型建长途客运旅客选择行为模型，对相关影响因素进行敏感性分析，根据出行距离影响因素对中长途客运旅客进行市场细分，并提出相对的营销策略。

1 方案设计与数据获取

1.1 旅客出行调查方案设计

鉴于单独使用RP或SP的局限性，采用RP和SP相结合的调查方法，选取北京市丰台站新发地、六里桥等客流集散点及通过网络对旅客的出行情况进行了问卷调查，以此来分析北京中长途旅客的出行特征。调查问卷包含有关旅客个人信息、所选交通方式特征等问题。将离散选择行为实验用于旅客中长途出行选择行为研究，通过前人研究成果总结及旅客出行决策过程分析，将问卷调查内容分为三大板块，包括出行者特性、出行特性和运输方式特性，第一部分为旅客个人信息，具体包括旅客性别、年龄、职业、月收入等方面的内容；第二部分为旅客最近一次的中长途出行调查，具体包括出行目的、出行方式、购票方式、出行时间、出行距离、出行费用等，其中出行方式包括高铁、火车、长途客车、民航飞机、其他，其他出行方式包括私家车、租车、网约车等方式；第三部分为意愿调查，并设定了4种不同出行距离(0～100、100～400、400～800、800 km以上)下旅客出行方式的选择，以及长途客车分别跟高铁、火车、民航飞机的优劣势对比等内容，并确定了各变量类型和属性，如表1所示。

表1 影响旅客出行方式选择行为的因素及变量

1.2 调查数据统计

本次调查共发放问卷表300份，回收300份，其中有效表294份，有效率为98.00 %，能够满足统计分析的需要。统计分析数据显示：女性旅客相对男性旅客出行选择火车和长途客车较多。出行旅客以[18,50]为主，年龄在18～50岁，选择高铁出行的人居多，火车、长途客车次之。3 000～8 000元中高等收入的旅客以商务和旅游为出行主要目的，出行距离在100～800 km时，旅客会更偏向于选择铁路客运。统计分析表明样本整体数据分布较为合理，具有很强的信效度和代表性。

2 模型构建与优化

2.1 模型构建

根据效用最大化理论，旅客n选择i类交通方式概率的表达式为

(1)

式(1)中：Pin为出行者n选择i类交通方式的概率；An是出行者n的选择方案集合；Vin为系统效用，指决策者n选择方案i的非随机变化部分(固定项)。

为便于计算，将北京市长途客运旅客出行的选择行为模型，表示为各类影响因素(解释变量)的广义多元Logistic回归模型，即

(2)

交通方式i包括高铁(i=1)、火车(i=2)、长途客车(i=3)、民航飞机(i=5)，将YI=Y5民航飞机作为参考方式。所有交通方式因变量均以最后一个类别(民航飞机)作为参照对象，其他出行方式分别与其进行对比。

2.2 模型优化

针对影响旅客出行方式选择的因素，分析旅客选择某种出行方式的趋势变化。故对式(2)进行简化分析，得

Yi=eβiXink

(3)

式(3)中：Yi为第Yi类交通方式，且以第YI类交通方式为参照类，设YI=Y5(民航飞机)为出行参考方式；βi为属性k对于出行者选择i类交通方式的影响度，βi的正负表示增加或减小的趋势，βi的绝对值数值表示变化趋势的大小。

2.3 参数估计

利用SPSS23.0软件中的多元-Logistic回归分析，以民航飞机作为参考方式，采用向前递进法对模型进行参数估计。模型参数估计结果包括回归系数β、标准误差、统计量Wald、自由度、显著水平sig和发生比Exp(β)等，回归系数值为正表示变量每增加一个单位值时发生比会相应增加，相反，当回归系数为负值时说明增加一个单位值时发生比会相应减少；Exp(β)表示子变量增长一单位所引起的Yi选择概率与YI选择概率的比值的变化，称为发生比。以民航飞机为参考方式，根据高铁、火车、长途客车在置信度为95%设定下对标定的参数进行估计。SPSS共有11种参数进入选项，变量根据比分检验的概率大小依次进入方程，变量移除模型的方式为根据偏似然比检验的结果剔除变量。

通过代入数据得出的模型总体预测正确率为89.46%，高铁、火车、长途客车类交通方式选择人数的预测正确率分别达到了89.92%、90.16%、88.24%，反映出本项目所提出的广义多元Logistic回归模型能够很好地拟合样本数据。由于数据较多，表2只列出参数估计的β值，表2中第一列为第i个变量所对应属性的未知参数，无单位。

表2 模型参数估计结果

应用McFadden值来判断模型拟合度，模型拟合的McFadden值越接近1，表明模型与实际情况吻合度越高。本文模型的McFadden值为0.479，表明所建模型客观真实且各个属性的显著性较好，可进一步分析。

3 结果分析

根据参数估计结果可知，性别、年龄、职业、月收入、出行时间、出行费用、出行距离、安全性、舒适性、准时性、便捷性等对旅客出行选择方式影响都比较显著，对上述因素的影响选择其中两个属性进行如下具体分析。

3.1 旅客自身属性分析

3.1.1 性别

从表2可以看出，男女在出行选择方式上是有差异的，性别=2女生的参数值β为0(e0=1)，表示以女生为参考，同时，高铁、火车、长途客车3种方式的性别参数值β分别为0.149、-1.634、0.045，将其代入式(3)得出Y1=e0.149=1.161，Y2=e-1.634=0.195 1，Y3=e0.045=1.046，即相对于女性而言，男性乘客选择高铁、长途客车的趋势比女性乘客分别增加了16.1%、4.6%，而男性乘客选择火车的趋势相对女性乘客而言降低明显。可知男性乘客与女性乘客在进行交通方式选择时，存在一定的差异性，男性乘客更加偏向于高铁和长途汽车，而女性乘客则偏向于选择火车出行。

3.1.2 年龄

根据表2，年龄为1～4的旅客选择高铁、火车两种方式的参数值β均为正，表明“年龄”对旅客选择这两种方式的出行趋势存在正向作用。同时，对不同方式而言，可以看到年龄段1～4的对应参数值均相对接近，表明随着年龄的增加，乘客选择不同方式的趋势变化不明显，反映出年龄对交通方式选择行为的影响作用有限。

3.1.3 月收入

以长途客车为例，收入=2、收入=3两个收入水平的参数值分别为-0.013、0.039，反映出收入3的乘客选择长途客车的趋势，比收入2乘客选择长途客车的趋势增加了5.3%。此外，对于3种方式而言，随着收入的增加，旅客选择高铁、长途客车的趋势增加，选择火车的趋势有所减少。

3.2 运输方式属性分析

3.2.1 高铁

ΔXi=Xi×变量增长的百分比，ΔY1=eβiΔXi，取ΔXi=Xi× 5%。当Xi=X1，βi=10.785，βiΔX1=10.785×0.05×0.25=0.134 8，ΔY1=1.144(ΔY1>1)；当Xi=X2，βi=-0.177，βiΔX2=-0.354，ΔY1=0.702(ΔY1<1)；当Xi=X11，βi=0.005，βiΔX11=0.025，ΔY1=1.025(ΔY1>1)。

ΔXi表示特征变量的变化量，ΔY1表示旅客选择高铁出行的趋势变化。由以上ΔY1的变化可知，ΔY1=1.144的值最大，表明随着出行时间的增加旅客选择高铁出行的趋势增加；其次由于ΔY1=0.702(ΔY1<1)，表明随着出行费用的增加，旅客选择高铁出行的趋势减少。可以看出当ΔY1=1.025(ΔY1≈1)，反映了出行距离的增加对旅客选择高铁的出行趋势变化不明显。

3.2.2 火车

ΔXi=Xi×变量增长的百分比，ΔY2=eβiΔXi，取ΔXi=Xi×5%。当Xi=X3，βi=19.976，βiΔX3=2.996 4，ΔY2=20.01(ΔY2>1)；当Xi=X4，βi=1.516，βiΔX4=0.151 6，ΔY2=1.164>1。

ΔX3表示安全性特征变量的变化量，ΔX4表示准时性特征变量的变化量，ΔY2表示旅客选择火车出行的趋势变化。由ΔY2的变化可知，ΔY2=20.01(ΔY2>1)，ΔY2=1.164(ΔY2>1)，表明安全性对旅客选择火车的出行的影响较大，随着安全性提高，旅客选择火车出行的趋势增加；安全性、准时性都提高后，旅客选择火车出行的趋势都有所增加。

3.2.3 长途客车

ΔXi=Xi×变量增长的百分比，ΔY3=eβiΔXi，取ΔXi=Xi×5%。当ΔXi=X5，βi=-0.136，βiΔX5=-0.000 68，ΔY3=0.993(ΔY3<1)；当Xi=X6，βi=0.821，βiΔX6=0.123 15，ΔY3=1.131(ΔY3>1)。

X5表示舒适性特征变量的变化量，ΔY3表示旅客选择长途客车的出行趋势变化。从上面的计算结果可看出，ΔY3=0.993(ΔY3≈1)，表明随着舒适性的提高，旅客选择长途客车的出行趋势变化不明显；ΔY3=1.131(ΔY3>1)，可看出随着便捷性的提高，旅客选择长途客车的出行趋势有所增加。

3.3 旅客选择偏好的敏感性分析

根据对北京市长途客运市场旅客出行方式选择的问卷调查结果分析，当出行的时间、费用或距离等属性发生变动时，必定会影响旅客出行选择的方式。所以，在长途客车交通方式属性不变、出行距离不同情况下，当出行时间、出行费用、安全性、准时性等属性发生变动时，对这类影响因素进行敏感性分析，判断旅客出行方式选择时对各因素的敏感程度，可以为优化长途客运市场的资源配置提供科学依据，从而为长途客运企业制定应对其他运输企业的相应的策略提供指导。模型参数估计结果如表3所示。

表3 模型参数估计结果

通过式(3)可计算得到4种不同出行距离情况下出行者对这类影响因素的敏感性，其中ΔXi=Xi×变量增长的百分比，ΔY3=eβiΔXi，取ΔXi=Xi×10%，ΔXi、ΔY3含义同上文，计算结果如表4所示。

表4 不同距离下ΔY3的变化趋势

从计算数据可以看出，在出行距离大于800 km时，除了X6=便捷性时ΔY3值大于1外，其余的都小于1，ΔY3=0.000 6(ΔY3≈0)，反映了随着出行时间的增加，旅客选择长途客车出行的趋势明显降低很多；且由于0.017、0.563、0.591、0.745都小于1，表明出行距离在大于800 km时，旅客对长途客车出行时间、出行费用、安全性、准时性、舒适性的变化都比较敏感，其中，旅客对出行费用、出行时间变化的敏感度最高。

结果表明：采用多元Logistic回归模型所计算的影响出行者选择中长途客运方式的因素，随着出行距离的增加，各种因素对旅客选择中长途客车出行的影响都随之变化。中长途客运在不同出行距离内，旅客对中长途客车的各个影响因素也不尽相同，随着出行距离的增加，旅客对出行时间、出行费用变化的敏感度较高；其次安全性、准时性的变化也会影响旅客选择中长途客运出行的趋势；舒适性的变化对旅客选择长途客车出行的趋势变化不大；便捷性对旅客选择长途客车出行趋势存在正向作用。

因此，如果按照运距进行细分，0～400 km的中短途运距旅客对准时性、便捷性更敏感，是长途客运市场的优势，也是公路客运与铁路客运竞争最为激烈的市场；400～800、800 km以上的中长途运距，旅客对费用和时间最为敏感，旅客更多愿意选择铁路出行，客运市场不占太大优势。

4 结论

基于随机效用理论，在运用多元-Logistic回归模型，从出行者特性、出行特性和运输方式特性3个方面科学系统地设计了中长途客运旅客出行选择行为实验，获取统计数据，在原有模型基础上对广义Logistic 回归模型进行了优化，对各个因素对旅客出行选择行为产生的影响进行了实证研究。因此，从中国交通发展趋势出发，为促进公路客运长久健康发展，提出以下建议。

(1)加强与铁路的合作，调整线路布局。深入分析需求特性，针对不同运距，优化客运班线，高铁与公路客运不是纯粹的竞争关系，将运力资源调配至高铁尚未覆盖的区域，加强对高铁的“盲点”区域进行网络覆盖和延伸，推动公路客运与铁路客运的快速接驳。

(2)定制差异化票价体制，提高公路客运竞争力。对中长途运输来说，在不影响旅客对便捷性、准时性、灵活性的需求上，长途客运企业应在制定票价和客运产品运行技术提升上做整改。比如根据乘客出行同一团体的人数越多，折扣力度越大；针对不同类型的乘客采取不同的折扣力度，可给特殊乘客如学生、农民工予更实惠的票价。

(3)发挥点到点运送的优势。公路客运的优势是快捷、方便、准点、班次密度大，所以短途客运市场应定位在方便、快捷上，开通铁路无法通达或需要中转的城市线路网，提升旅客换乘便捷度，牢牢抓住短途运输的主力市场份额。

公路客运企业必须进一步提高竞争实力，充分发挥公路客运企业的中短途距离的优势，进一步开拓市场，才能巩固和完善中短途客运主体市场，确保优势项目的优势地位。