航班延误下旅客出行行为异质性研究

任新惠，孙一楠，江 红

(中国民航大学 a.经济与管理学院，b.交通科学与工程学院，天津 300300)

根据民航数据分析服务平台VariFlight对2020年全球大型机场准点率的统计，我国大陆地区千万级以上机场的平均出港准点率为84.57%.旅客遇到航班延误后会产生负面情绪，进而影响到出行体验.航班延误的相关研究主要集中在影响因素及治理措施研究[1-2]、航班延误预测[3]、不正常航班恢复[4-6]和延误后旅客的心理分析及服务补救[7]等问题上，对于旅客行为多为研究旅客的状态，最大程度避免群体事件发生[8].在航班延误的实际情境中，旅客会面临继续等待原航班、改签其他航班还是改乘其他交通方式的问题，而针对这方面的研究还很少，江红等[9]研究了不同航班延误情景下出行者的选择行为.相较于航空运输而言，城市轨道交通对于类似航班延误这种运营中断下旅客行为的研究则较为深入，包括地铁中断后乘客的路径规划[10]、客流疏运[11]以及乘客出行行为[12-14]等.通过深入分析旅客行为，尤其是遭遇航班延误后旅客后续出行方式的选择行为，有助于了解旅客偏好，从而可以实现从需求侧角度出发，有效制定航班延误后的客流引导措施.

对于出行方式选择行为的研究已经十分成熟，在研究方法上大多基于期望效用理论，认为出行者作为客观主体具有相同偏好，是完全理性[15-17].但事实上，出行者的实际出行选择行为受个体因素的影响很多，决策行为与效用理论之间会出现一定的偏离，研究者开始注意人们在不确定环境下的决策行为呈现有限理性的特征.Kahneman等[18]提出了前景理论，该理论揭示了有限理性的人在风险决策过程中的心理和行为机制，被学者们不断应用于旅客出行选择研究[19-21].随着研究深入，越来越多的学者开始在旅客出行选择行为中考虑个体异质性[22]，潜在类别模型逐渐被学者应用于交通领域对出行者的异质性进行研究[23-25].

遭遇航班延误的旅客对后续出行方式进行选择时，由于其社会经济属性和出行活动特征属性的不同及各种交通方式间的差异而做出不同选择.因此，本文作者以旅客出行决策的多种影响因素为出发点，运用潜在类别模型对航班延误下不同行为选择的旅客进行异质性研究，为今后深入研究旅客多因素影响下的出行决策奠定基础.在实际中帮助航空公司、机场等相关主体对航班延误旅客进行细分，并对其出行需求进行精细化管理，进而提出具有差别化并更有效率的补救措施，最终提升旅客的出行效率及出行质量.

1 航班延误旅客行为选择影响因素

旅客收到航班延误信息后有多种出行选择，考虑高铁与航空运输竞合关系，本文只考虑等待原航班、改签其他航班和改乘高铁三种行为.旅客在航班延误后的行为选择是一个复杂的多阶段决策过程，受到多重因素的影响，包括可观测的外显因素和不可观测的潜在因素等，外显因素又包括主观和客观因素.学者们在研究出行者选择行为时考虑的影响因素，多从旅客自身属性、出行特征以及运输方式特性三个角度出发，旅客个体属性包括性别、年龄和收入等[26]，出行特征属性包括距离、时间、目的、出行紧要程度和天气状况等[27-28]，运输方式特性包括经济性、快速性、可用性、舒适性、方便性、安全性和可靠性等[21].本文也主要从旅客个人社会经济属性、出行活动特征属性和交通运输工具的技术特性和服务属性三个维度切入，选取旅客遭遇航班延误后行为选择影响因素见表1.

表1 旅客遭遇航班延误后行为选择的影响因素选取Tab.1 Selection of factors influencing passengers’travel choices after flight delay

2 航班延误下旅客行为选择调查

2.1 问卷设计与发放

为了了解不同属性的旅客在不同出行环境及延误情境下的行为选择，进行了问卷设计.调查问卷包含两部分内容，第一部分主要对受访者的人口特征属性和旅行特征属性进行调查，第二部分对不同情境下受访者的行为选择进行调查，问题及属性水平的设置如表2所示.

表2 属性水平设置

出行方式选择部分采用陈述性偏好(Stated Preference, SP)数据调查方法，要求出行者对若干个假定的情境做出选择，每个假定的情境中有3种出行方式，其在快速性、经济性、舒适性、便捷性4个属性上各有差异.由表2可知，出行活动特征属性以及交通运输工具的技术特性和服务属性众多且水平不一，过多假设情境会导致实际调查的困难及不可实现性，因此进行混合水平正交试验设计.考虑到出行距离、乘坐高铁时间、原航班票价、购买高铁票价4个属性间相互关联，因此剔除乘坐高铁时间、原航班票价、购买高铁票价3个变量，再将剩余属性全部设置为场景变量，选择情境和选择枝间的属性值随机组合，最后利用SPSS软件共生成64种选择情境，假定情境示例的出行场景和得知航班延误后可选择的交通方式及属性如表3和表4所示.

调查问卷于2021年1月18日至2021年2月5日在网上针对全国各大中城市的居民发放，最终获得有效问卷800份，其中每位受访者对8个情境中的选项进行选择，共获得6 400条受访者选择行为数据.调查结果涵盖各属性的不同水平，数据基本覆盖全部旅客.

表3 出行场景

表4 可选择的交通方式及属性

2.2 样本统计分析

样本基本统计特征如表5所示，过半数受访者每年有3～5次的航空出行，近半数受访者会选择至少提前1 h前往机场，94.88%的受访者有过航班延误或取消经历，航班延误后91.25%的旅客会有不同程度的焦虑心理，9.13%的旅客对公布的航班延误信息持有不信任态度.

表5 社会经济属性的描述性统计

对数据分别进行交叉表卡方检验判断属性间的相关关系，结果表明，年龄对费用变更敏感程度和收到航班延误信息后的心理焦虑程度，教育背景和对公布航班延误信息的信任程度，航空出行频率对出行费用变更的敏感程度和提前出发前往机场时间均有显著关联关系.随着旅客年龄的增长，在收到航班延误信息后，心理焦虑程度呈现先上升再下降的变化，容易焦虑的旅客集中在31～50周岁.学历越高的旅客对公布的航班延误信息信任的可能性更大.航空出行频率越高的旅客可能会选择更长的时间提前出发前往机场.选择更长时间提前出发前往机场的旅客和收到航班延误信息后容易焦虑的旅客对出行费用的变更可能会更敏感，其在变化发生时更容易引起心理的波动.

2.3 旅客行为选择分析

面对航班延误时不同旅客的行为选择偏好存在差异，如图1所示.图1中黑色三角形由内向外依次表示10%，20%，…，70%.

图1 航班延误下不同社会经济属性旅客后续出行方式选择结果示意图Fig.1 Schematic diagram of the subsequent travel choices of passengers with different socio-economic attributes under flight delay

其中，女性、31～50周岁、公务员、高学历和高收入旅客在遇到航班延误时更偏好航空出行，同时，学历越高和选择更长时间提前出发前往机场的旅客更偏向选择等待原航班；男性、青少年和中老年、低学历和低收入、选择更短时间提前出发前往机场的旅客以及有过航班延误或取消经历的旅客在遇到航班延误后更有可能改乘高铁完成后续出行.因此，在对航班延误下旅客行为的分析中有必要考虑旅客的异质性.

3 航班延误旅客异质性分析

3.1 潜在类别模型

潜在类别模型(Latent Class Model, LCM)统计原理建立在概率的多变量分析之上.假设个体由可观测属性和潜在异质性共同组成，潜在异质性属于个体的不可观测因素，通过寻找潜在变量将多种具有明显类别的外部离散数据划分为多种不同的潜在类别，进而对各个潜在类别进行本质分析.LCM通过将潜在变量和类别变量相结合，选取尽可能少的潜在类别数目来解释外显变量之间的关系，主要分析过程包括模型的概率参数化、参数估计、拟合优度评价、潜在分类与结果解释.由于LCM能够更好地处理类别变量同时兼顾个人属性和心理因素,因此被许多学者应用在交通领域进行交通行为分析.

(1)

(2)

(3)

(4)

(5)

3.2 旅客潜在类别分析

将旅客对选择方案快速性、经济性、舒适性与便捷性的偏好作为外显变量使用Mplus软件进行模型求解，输出指标如表6所示.由表6可知，当潜在类别数为4时，模型Akaike信息准则(AIC)、Baysian信息准则(BIC)和样本校正的BIC(ABIC)指标值最小，此时模型的拟合程度最好，且似然比检验指标Lo-Mendell-Rubin(LMR)的P值达到显著水平，因此将样本分为4个子集.

表6 不同潜在类别数假设下的输出指标Tab.6 Output indicators under the assumption of different number of latent classes

对调查数据采用潜在类别数为4的模型进行潜在类别分析，4类人数分别占比40%、6%、43%、11%.对每一类群体在变量不同水平上的条件概率进行归一化处理，得到4类群体在航班延误下进行后续出行方式选择时对快速性、经济性、舒适性、便捷性4个属性的重视程度，并根据重视程度占比给每类旅客命名如表7所示.

表7 旅客分类

3.3 不同类别旅客特征分析

根据分类结果，通过统计4类群体中不同属性旅客占比，可以看出以下特征：

1)中途出行，探亲访友，时间紧迫，晚高峰时刻出行，携带行李较多，有随行人员，尚未出发前收到延误信息，单个航班延误，有服务补救措施情况下旅客更追求出行方式的经济和快速便捷，不注重舒适体验；此类旅客多为男性、公务员、高学历、高收入，并会选择较长时间提前出发前往机场，对公布的延误信息比较信任，得知延误后的心理焦虑程度较低.

2)长途出行，商务出行，时间不紧迫，平峰时刻出行，不携带行李，长时间航班延误，有服务补救措施情况下旅客更注重出行方式的舒适性和体验感；此类旅客为女性、31～50周岁、月收入处在中等水平、每年航空出行频率约为6～8次的可能性更大.

3)短途出行，旅游观光、休闲娱乐，前往机场过程中收到延误信息，大面积航班延误，没有服务补救措施情况下旅客更倾向选择经济实惠且体验良好的出行方式；此类旅客集中在男性、青少年和中老年、低学历、月收入在3 000～8 000元间，其对出行费用的变更较为敏感.

4)中长途出行，夜间时刻出行，携带单件行李，无随行人员，短时间航班延误，已进行安检后收到延误信息，航线上有部分航班均延误情况下旅客更偏好对交通方式的各种属性全面衡量；女性、自由职业者、月收入在8 000～10 000元间、低航空出行频率、较短时间提前出发前往机场的旅客属于此类的概率更大，其遇到延误后心理会更加焦虑，对公布延误信息的信任程度低.

3.4 旅客隶属类别的影响因素分析

3.4.1 关键影响因素筛选

为探究属性对类别划分的影响，根据交叉表卡方检验结果对旅客个人社会经济属性进行初步筛选，分别用初步筛选后的旅客个人社会经济属性和出行活动特征属性作为控制变量进行多元Logistic回归，结果如表8所示，性别和月收入对类别划分有显著影响，出行活动特征属性中出行距离、出行时间约束、出发时刻、是否有随行人员、公布航班延误时长、收到航班延误信息时刻、航班延误规模和航空公司是否有服务补救措施对类别划分有显著影响.

表8 多元Logistic回归结果

3.4.2 类别间影响因素分析

对多元Logistic回归结果进一步分析属性对旅客类别划分的影响程度.旅客个人社会经济属性每一分水平对类别划分的影响显著程度见表9，这里以全面衡量型旅客为参考类别，性别、教育背景、航空出行频率和对出行费用变更的敏感程度对其他三种类型旅客均会产生显著影响，其他属性对类别划分影响不显著.

出行活动特征属性每一分水平对类别划分的影响显著程度见表10，旅客收到航班延误信息时刻对其他三种类型旅客均会产生显著影响，航空公司是否有服务补救措施对经济效率型旅客和经济舒适型旅客有显著影响，其他属性对分类影响不显著.

分别以4个类型的旅客为参考类别，其他类型旅客的显著影响因素汇总见表11，由表11可知，类别间的显著影响因素是不同的.

旅客个人属性对分类的影响，整体来看性别和月收入两个属性显著，但是类别间进行比较时，航空出行频率等属性也显著，说明类别间的影响因素是不同的.对旅客进行分类时不能简单地用某几个属性明确归类，而是多种属性互相交叉叠加作用的结果，体现了潜在分类的价值.出行活动特征属性对分类的影响，类别间的影响因素也是不同的.

3.4.3 个人属性和出行属性交互影响

4类群体中不同月收入旅客在不同出行距离场景下的占比情况如图2所示.

表9 个人社会经济属性分水平影响显著程度

表10 出行特征属性分水平影响显著程度

表11 各类型旅客间的显著影响因素

图2 四类群体中不同月收入旅客在不同出行距离场景下的占比Fig.2 Proportion of passengers with different monthly income in different travel-distance scenarios among four groups

由图2可知，短途出行时，月收入在5 000～8 000元间的旅客偏好经济舒适，8 000～10 000元间的旅客则更大可能全面衡量交通方式的各个属性，长途出行时会更加注重交通方式的体验感，说明旅客个人社会经济属性和出行活动特征属性并不单独对行为选择产生影响，两类属性间还会产生交互作用.

4 结论

不同航班延误情境下旅客后续出行方式选择行为的研究，得出以下结论：

1)旅客具有异质性，根据对交通方式快速性、经济性、舒适性和便捷性4个属性的偏好，可将旅客分为经济效率型、注重体验型、经济舒适型和全面衡量型4类群体，占比分别为40%、6%、43%、11%.旅客个人社会经济属性中性别和月收入对类别划分影响显著，部分属性对个别类之间区分产生显著影响，类别间的显著影响因素不同.

2)航班延误后旅客对后续出行方式的选择会受到出行距离、出行时间约束、出发时刻、是否有随行人员、公布航班延误时长、收到航班延误信息时刻、航班延误规模和航空公司是否有服务补救措施等出行活动特征属性的影响.

3)旅客个人社会经济属性和出行活动特征属性会产生交互作用影响旅客选择.航空公司和机场可以通过识别旅客个人属性，判断其在不同延误场景下更看重交通方式的何种属性，从而快速做出决策提供高质量服务，提高旅客航空出行满意度.