路社非,孙小慧,左 志
(1.新疆大学建筑工程学院,新疆维吾尔自治区 乌鲁木齐 830047;2.辽宁对外经贸学院信息管理学院,辽宁 大连 116052)
根据现有研究发现旅行者在选择交通方式时更加注重交通方式的舒适性[1-7],本研究以三因素建立旅行感知费用函数,如公式(1)所示。
Gi,j=η1Ti,j+η2Mi,j+η3Cij
(1)
式中:Gi,j为旅行者i乘坐第j种交通方式的旅行感知费用;Ti,j为旅行者i乘坐第j种交通方式的旅行时间费用;Mi,j为旅行者i乘坐第j种交通方式的旅行货币费用;Ci,j为旅行者i乘坐第j种交通方式的旅行舒适性评价结果;η1、η2和η3为每种影响因素的权重,运用层次分析法对问卷数据进行计算可得:η1=0.419 9、η2=0.324 3、η3=0.255 8,经一致性检验计算C.R≤0.1,可知各影响因素权重具有一致性,可用于研究。
(1)旅行时间费用
旅行时间费用可以用单位旅行时间的货币化来表示,如公式(2)所示。
(2)
式中:Ti,j为旅行者i乘坐第j种交通方式的旅行时间费用,元;ti,j为旅行者i乘坐第j种交通方式的乘坐时间,h;Mi,s为旅行者i的月工资收入,元;Ti,w表示旅行者i的月工作时间,h。
(2)旅行货币费用
旅行货币费用是旅行者乘坐交通方式时购买车票所花的费用,记作:Mi,j,单位:元。这里着重介绍自驾时的旅行货币费用,包括燃油费用、停车费用和高速费用。
Mf=Fc×Pf×L
(3)
式中:Mf为车辆的燃油费用,元;Fc为汽车耗油量,L/km;Pf为燃油价格,元;L为旅行距离,km。
Pc=Pc×T+Pn
(4)
式中:Pc为停车费用,元;Pd为白天停车费用,元/h。T为白天停车时间,h;Pn为夜间停车费用,元/h。
Mg=θ1Mm+θ2M1
(5)
式中:Mg为高速收费,元;Mm为多高速路线收费,元;M1为少高速路线收费,元;θ1和θ2为多高速和少高速自驾方式的权重,通过调查问卷数据统计结果可得:θ1=0.541 7,θ=0.458 3。
(3)舒适性度量
罗仕鉴研究发现舒适性是人们在乘坐交通方式时的一种生理和心理上的状态体现,本研究结合乘坐忍受时长评价生理舒适性的方法,提出一种新的舒适性评价方法,如公式(6)所示。
Ci,j=ρ1Bi,j+ρ2Pi,j
(6)
式中:Ci,j为旅行者舒适性;Bi,j为旅行者生理舒适性;Pi,j为旅行者心理舒适性;ρ1和ρ2为旅客对生理舒适性和心理舒适性的权重,通过问卷数据计算得:ρ1=0.423 7,ρ2=0.576 3。
旅客生理舒适性的计算方法为:根据问卷A所调查的数据统计旅客首选交通方式比例,计算各交通方式平均忍受时长及归一化结果,取上述两个指标的算术平均值作为生理舒适性的度量结果,如表1。
表1 不同旅游交通方式生理舒适性度量结果
旅客心理舒适性的计算方法为:运用顾客赋权法对表2的五个因素打分,1分最不重要5分最重要,根据公式(7)的计算结果如表2所示。
表2 不同旅行方式心理舒适度各项因素权重值
(7)
根据舒适度量结果可知需要对旅行时间费用值和旅行货币费用进行无量纲化处理,再进行计算,从而可得有效的结果。
旅行者在对交通方式选择时以旅行感知费用作为参照点来衡量选择的得失,就是将旅行者的旅行感知费用GE与实际旅行费用GP做比较,当GP≤GE时,旅行者认为所做的选择呈“收益”状态;当GP>GE时,旅行者认为所做的选择呈“损失”状态;用X0表示旅行者选择旅行方式时的收益或损失,其等于
X0=GE-GP
(8)
价值函数V(X)是用来描述旅行者所做出的选择是收益还是损失的主观体现,其定义式如下
(9)
式中:X0是决策结果对比参考点的收益或损失值;a,β为风险态度系数,一般а属于集合(0,1);λ为损失规避系数,且λ>1。
众多学者发现Prelec提出的概率权重函数更适用于交通方式选择研究。
(1)当旅行者面临收益时,概率权重函数为
ω+(Pi)=exp(-(-ln(Pi)))γ
(10)
(2)当旅行者面临损失时,概率权重函数为
ω-(Pi)=exp(-(-ln(Pi)))δ
(11)
式中:γ为风险收益态度系数;δ为风险损失态度系数。
按累积前景理论可知,备选旅游交通方式的累积前净值(CPV)公式计算如下
CPV=CPV++CPV-=
(12)
以700 km旅行距离为例,两种完全相同的交通方式(方式1和方式2)可供选择,最初乘坐时间均为8 h,设计调查问卷B如下。
情景一:方式1以50%的可能性增加30 min,以50%的可能性减少xmin;方式2乘坐时间不变,为8 h。
情景二:方式1以P的概率减少180 min,以1-P的概率保持不变;方式2一定减少ymin时旅客会选择方式2。
情景三:方式1以P的概率增加180 min,以1-P的概率保持不变;方式2一定增加ymin时旅客会放弃方式2。
情景一中x=30、60、90、120、150、180;情景二情景三中P=1%、10%、25%、50%、75%、90%、99%;y=0、30、60、90、120、150、180;统计数据运用SPSS软件进行非线性回归可得参数α=1.075,β=0.881,λ=2.5,γ=0.53,δ=0.76。
基于Logit模型在交通方式选择研究中的弊端,本研究用CPV代替Logit模型里的效用值进行旅游交通方式选择概率的预测,以消除Logit模型下旅行者完全理性的缺点。公式如下
Ui,j=CPVi,j+εi,j
(13)
(14)
式中:Ui,j为旅行者i选择第j种交通方式的效用值;CPVi,j为旅行者i选择第j种交通方式的累积前景值;εi,j为效用函数里的随机项;Pi,j为旅行者i选择第j种交通方式的预测概率;计算结果如表3所示。
表3 旅游交通方式选择概率统计结果
城际旅游交通方式预测选择概率和实际选择概率误差在-1.26%~4.06%以内,表明基于CPT构建的考虑舒适性的城际旅游交通方式选择模型具有较高的拟合优度,可以很好的预测城际旅游中旅行者交通方式的选择行为。
研究结果显示,CPT适用于城际旅游交通方式选择研究,基于CPT考虑乘舒适性建立的模型可以很好的解决旅行者面临多选择方案时的决策行为。本研究提出的舒适性评价方法可以有效的度量不同交通方式的乘坐舒适性,且设计的参数值标定情景适用于不同地区。该模型体系丰富了新疆地区旅游交通选择行为研究的成果,验证了高铁建设对新疆地区旅游业发展的重要性。