城际铁路旅客购票选择行为的异质性研究

陶文聪，苏焕银，彭舒婷，代慧子

（1.五邑大学 轨道交通学院，广东 江门 529020；2.广州地铁集团有限公司，广东 广州 510000）

国家发改委在 2016年下发了关于改革完善高铁动车组旅客票价政策的通知，为城际铁路票价根据市场需求进行浮动提供了有利条件.目前针对铁路出行旅客选择行为的研究多集中在对交通方式或者列车类型的选择行为方面[1-3]，而对于铁路旅客在预售期内购票选择行为的研究较少.旅客出行需求具有多样性，导致其选择行为具有异质性，本文的异质性是指旅客由于出行习惯、文化程度、经济水平等方面的不同，导致其在购票选择时所反映的差异性.一些学者在旅客选择行为的分析中进一步考虑了旅客选择偏好的异质性[4-10]，但结合铁路票价浮动策略研究的成果不多，对旅客市场需求把握还不够精准和及时.因此，为了制定能够满足多样化旅客需求的票价浮动策略，有必要开展铁路出行旅客选择行为的研究.

1 基于RP/SP联合调查的数据获取

本文以广珠城际铁路沿线城市的旅客为调研对象，采取RP（Revealed Preference）/SP（Stated Preference）相结合的调查方法，借助问卷星调查平台进行网络调查，调研时间在2020年3月5日至3月10日，包含了工作日和休息日.问卷调查内容包含旅客的个人出行特征和4种虚拟情景（情景1：非节假日一般时期，票价固定；情景2：非节假日一般时期，票价下浮；情景3：节假日高峰时期，票价固定；情景 4：节假日高峰时期，票价下浮）下旅客的购票阶段（将预售期划分为 5个阶段）选择.总共发放了1 600份问卷，根据数据分布的合理性，采用信度和效度分析方法进行样本筛选处理，获得有效问卷数1 443份，回收率约为90.19%，统计结果见表1和表2.

表1 基于RP调查的旅客个人出行特征

2 基于潜在类别模型的旅客群体特征分析

旅客的选择偏好通常源自于个人属性以及出行特征的差异性，具有相似特征的旅客通常体现出类似的选择行为.因此，可根据个人属性和出行特征对旅客进行分类，然后结合旅客的群体类别特征，对比分析不同类别旅客购票阶段选择行为的异质性.下面采用潜在类别模型[7]对旅客分类.

2.1 潜在类别模型设计

对于给定的旅客外显变量取值，利用贝叶斯公式，可以计算该旅客归属潜在类别X的概率：

那么，判定该旅客属于概率最大的潜在类别，记为X*，

2.2 参数估计结果及分析

借助Latent Gold 5.0软件进行模型适配性检验，并采用极大似然法进行参数估计，最佳潜在类别划分个数为4，结果见表3.

表3 模型参数估计结果

（续上表）

根据表3可知，每个潜在类别的旅客群体具有明显的差异特征，主要特征如下：

1）第1类旅客，占比44.36%，主要特征为税前月收入最高，出行频率最高，公费出行，以商务出行为主要出行目的.

2）第2类旅客，占比23.06%，主要特征为税前月收入最低，出行频率较低，自费出行，以旅游休闲和求学为主要出行目的.

3）第3类旅客，占比22.08%，主要特征为税前月收入较高，出行频率仅次于第1类旅客，自费出行，以旅游休闲和探亲访友为主要出行目的.

4）第4类旅客，占比10.50%，主要特征为税前月收入较低，出行频率最低，自费出行，以旅游休闲和探亲访友为主要出行目的.

整体上，可将第1类和第3类旅客概括为追求出行品质的高端型旅客，第2类和第4类旅客概括为追求经济效益的低端型旅客.

3 基于多项Logit模型的旅客购票选择行为分析

结合旅客的群体分类结果，采用多项 Logit模型研究各类旅客群体在不同情景下的购票选择行为，对比分析其异质性.

3.1 多项Logit模型设计及参数估计

采用软件Stata 16进行参数估计，结果见表4，根据相关指标可知，模型整体拟合效果较好.

表4 多项Logit模型参数估计

3.2 旅客购票选择行为的异质性分析

根据上述多项 Logit模型，分别计算各类旅客群体在不同情景下各个购票阶段的选择概率，对于非节假日一般时期的情景1（票价固定）和情景2（票价下浮），各类旅客在各个购票阶段的选择概率分布如图1所示.对于节假日高峰时期的情景 3（票价固定）和情景4（票价上浮），各类旅客在各个购票阶段的选择概率分布如图2所示.

图1 非节假日一般时期各类旅客的购票阶段选择概率分布

图2 节假日高峰时期各类旅客购票阶段选择概率分布

根据图1～4，分析各类旅客的购票选择行为异质性，具体结果如下：

1）根据图1，在情景1下，选择在前两个阶段购票（即出发前 2天内）购票的旅客较多，各类旅客的比例均达到 60%以上.情景1下的票额充足，旅客倾向在临近出发的阶段购票，且高端型的旅客更倾向于提前更短的时间购票.

2）根据图 3，相比情景 1，在情景 2下，各类旅客在前两个阶段购票的比例减少了 25%～33%，均提前更多的时间购票，来获得更低的票价折扣.但相比高端型的旅客，低端型的旅客提前的时间更多，即票价下浮对低端型的旅客具有更大的吸引力.

图3 非节假日一般时期各类旅客的购票阶段选择概率变化的分布图

3）根据图2，在情景3下，选择在第2和第3个阶段（出发前1～10天）购票的旅客较多，各类旅客的比例均达到60%以上，且第2类和第4类旅客在第5个阶段购票的比例相比其他两类旅客较高.这主要是因为情景 3下票额紧张，旅客均倾向于提前更多的时间购票，且低端型的旅客具有更强的计划性.

4）根据图4，相比情景3，情景4下，第1类旅客在前两个阶段的选择概率降低了13.98%；其他类的旅客在前3个购票阶段的选择概率减少了19%左右，各类旅客均提前更多时间购票，来获得较小的票价涨幅.第 1类旅客受到的影响最小，这主要是因为该类旅客中 70%（见表 3）是公费出行.低端型旅客受到的影响最大，对票价上涨比较敏感.

图4 节假日高峰时期各类旅客的购票阶段选择概率变化的分布图

4 结论

本文以广珠城际铁路为例，首先采用RP/SP调查获取旅客个人出行特征和购票选择行为数据，然后采用多项Logit模型分析各类旅客的购票选择行为异质性.研究结果表明，各类旅客的购票选择行为均体现出了不同程度的异质性.根据各类旅客购票选择行为的异质性特征，铁路运输企业可以针对性地设计市场营销策略，满足多样化的旅客需求.本文研究对指导铁路部门设计满足多样化旅客市场需求的客运服务产品，改善我国铁路运营管理机制和提高铁路收益具有一定借鉴意义.