考虑个体异质性的网约车使用行为建模及影响分析

冯飞宇,李兴华,郭赟韬,晏 康

(1.福建理工大学 交通运输学院,福建 福州350118;2.同济大学 道路与交通工程教育部重点实验室,上海 201804)

0 引 言

在互联网 + 、大数据、云计算等技术的助力下,网约车由于其可为乘客提供点到点的出行服务[1-3]得到了迅速的发展,逐渐成为城市交通的重要组成部分。网约车的持续发展改变了城市居民的出行行为,影响着城市交通的出行结构及城市生态。根据中国互联网络信息中心发布的《第50次中国互联网络发展状况统计报告》[4],截至 2022年6月,我国网约车用户规模已经达到4.05亿人,部分私家车、出租车或公共交通的出行需求已转移至网约车。交通转移水平可用网约车使用频率来表征,即单位时间内出行者的网约车使用次数。为了掌握出行行为改变的内在机理,有必要分析网约车使用频率的影响因素,以为城市交通管理提供参考。

业内学者针对社会经济特征、出行行为、心理感知和建成环境等因素采用离散选择模型对网约车使用频率的潜在影响进行了大量研究,结果表明:年轻、较高收入和高学历水平的出行者倾向于更频繁地使用网约车[5-8];出租车使用频率高或公共交通使用频率低的出行者使用网约车频率较高[6,9];担忧服务安全性的出行者倾向于不使用或很少使用网约车[6-7,10];后疫情时代,担忧感染病毒的出行者倾向于降低网约车使用频率[11-12];有强烈环保意识、积极拥抱信息技术和追求新鲜感的出行者网约车使用频率较高[6-7];居住在城市、高人口密度或高就业密度区域的出行者有更高的网约车使用频率[5-7]。上述研究综合分析了网约车使用频率的影响因素,但未区分出行目的(通勤/非通勤),且主要以固定参数模型为分析模型,较少考虑用户异质性,导致参数估计结果有偏差。

笔者以通勤为研究情景,对上海市居民开展线上意向调查(revealed preference, RP),获取后疫情时代通勤者的网约车使用频率及影响因素;采用随机参数有序Probit模型评估不同因素对网约车使用频率的影响效果;提出了网约车管理措施建议。

1 问卷设计与调查

2021年9月,笔者通过问卷星平台向上海市居民随机发放调查问卷,受访者年龄须大于等于18岁,且工作与居住地均在上海。问卷内容包括社会经济特征调查、通勤特征调查和心理感知调查3部分。心理感知调查项目见表1,社会经济特征调查及通勤特征调查项目及调查结果见表2。本次调查共收到1 630份有效调查样本数据,样本基本涵盖了不同性别、年龄、收入水平、学历水平等特征的通勤者,各类群体均有足够样本量,表明样本具备多样性和代表性。

表1 心理感知调查项目

表2 社会经济特征及通勤特征

由表2可知:

1)受访者男女比例相当,40岁以下的受访者超过70%,本科及以上学历的受访者超过60%,年收入高于9.5万元的受访者超过60%,超半数的受访者为拥车者。相较于上海市总体人口比例,即18～35岁居民低于总人口的20%、平均年薪为10万元左右、拥车家庭不足40%[13],受访者群体更为年轻、有更高的收入且机动车保有量更多。

2)短距离、中距离和长距离通勤者的比例各占约三分之一,47.43%受访者通勤出行时间在上午08:00之前,超60%受访者每月加班2次以上,居住在上海郊区(外环以外区域)的受访者比例为55.95%。由此可见,受访者的通勤距离分布相当,居住地址的城郊分布相对均衡,通勤出发时间有显著的集中趋势,加班比例较高。

利用李克特量表(Likert scale)对通勤者的网约车认知变量进行测量,即感知疫情风险(PR)、感知舒适便捷(PC)、感知安全(PS)及感知实惠(PA)等,测量统计结果见图1。

图1 心理感知特征Fig. 1 Characteristics of psychological perception

由图1可见:大部分受访者基本认可网约车的舒适便捷以及安全可靠,同意或非常同意网约车是一种舒适、便捷的交通方式,表达了对网约车平台提供的人身安全保障措施的信任;仅42.44%的受访者认可网约车价格实惠,使用网约车可节约通勤成本;40.62%的受访者担忧使用网约车感染新冠疫情。

2 随机参数有序Probit模型

由于网约车使用频率为有序变量,因此可用随机参数有序Probit模型来分析网约车使用频率的影响因素和用户异质性。Probit模型误差项服从正态分布,可绕过有序Logit模型的比例优势假设,在研究得到更广泛应用[14-16]。

首先,定义效用变量Zn为影响通勤者n决策的自变量向量组Xn与误差扰动项εn的线性组合,如式(1):

Zn=βXn+εn

(1)

式中:β为待估参数向量。

为刻画通勤者的异质性,随机参数有序Probit模型将式(1)中待估参数向量β改写成待估随机参数向量βn,假设其服从正态分布,则βn等于β中各参数均值组成的向量组βav加上随机误差向量αn,如式(2):

βn=βav+αn

(2)

待估随机参数向量βn的取值随通勤者n的变化而变化,一般采用Halton法随机抽取300次进行估值。

为不失一般性,将网约车使用频率y的文字型有序变量转化为数值型,如将每月0、<2、2～3、4～8、>8次分别转化为0、1、2、3、4,根据式(3),可由通勤者n效用函数推导出网约车使用频率水平y:

(3)

式中:μ0、μ1、μ2、μ3分别为决定网约车使用频率的阈值估计参数,通常μ0= 0,μ1、μ2、μ3通过模型估计所得[15-16]。

通勤者n的任意网约车使用频率水平y的概率Py,如式(4):

(4)

式中:Φ为服从标准正态分布的累积分布函数;其他符号同前。

为了解某个自变量的改变对网约车使用频率水平概率的影响,需要对公式(4)求偏导,获取相应变量的边际效应。如:自变量向量中第k个连续自变量变化一个单位或哑变量从“0”变为“1”,可按式(5)计算边际效应:

(5)

式中:φ为标准正态分布密度函数;xk为自变量向量中第k个变量;βk为第k个变量对应的待估参数;其他符号同前。

3 结果分析

为筛选出影响变量,笔者进行了Kendall相关性分析,结果如图2,图中空白处为不显著的相关系数。可见:网约车使用频率与大部分调研变量均存在显著的相关性,同时所有变量均满足非共线性的要求,调研变量可作为影响变量进一步建模分析。

图2 Kendall相关系数Fig. 2 Kendall correlation coefficients

为了易于分析与解释,笔者将与网约车使用频率显著相关的变量编成分类变量或哑变量,最终变量如表3。将变量分别放入有序Logit模型、有序Probit模型和随机参数有序Probit模型中进行拟合估计。在初始随机参数模型中,假设所有变量均为随机参数,通过模型估计,仅参数方差在95%的置信水平内显著的参数方为随机参数,否则为固定参数,固定参数仅保留在95%的置信水平下显著的相关变量,最终模型估计结果如表3。平均边际效应如表4。

表3 模型估计结果

表4 平均边际效应

由表3可知,2个参考模型——有序Probit模型与有序Logit模型——的拟合结果无显著差异,与随机参数有序Probit模型相比,该2个参考模型的R2较小,赤池信息量准则和最大似然值较大,表明随机参数有序Probit模型具有更优的拟合度和解释能力。

对表3、表4进行分析如下。

3.1 社会经济特征

年龄、收入、车辆保有量等变量对网约车通勤使用频率有显著影响,这已有研究结果[6-10]相似。与中老年群体相比,年轻群体更倾向频繁地使用网约车,属于核心用户,而中老年群体更少地使用网约车服务重要的原因之一是中老年群体较少接触和使用互联网及智能科技,对智能手机的操作仅停留在简单通话和微信功能。然而,部分中老年群体存在体力有限,行动不便等问题,对点到点的出行需求更为迫切。为更好地适应中老年群体的出行需求,建议在中老年人经常光顾的地点增加广告宣传,开发对中老年人群体友好的应用程序,为出行困难的中老年群体提供接送服务。

相较于非中高收入群体,中高收入群体拥有更高的网约车使用频率,因其更有意愿和能力为改善通勤质量支付较高的出行费用。随着社会经济的持续发展,人们生活水平有望进一步提高,中高收入群体将进一步增加,未来城市居民对公共交通需求逐渐减少,对网约车需求逐渐增加,将加剧城市交通拥堵和用车不足的情况。有序发展网约式拼车提高网约车利用率,有助于缓解交通拥堵的产生。建议发放特定时段的运营牌照,允许更多私家车使用者为顺路乘客提供拼车服务,减少未来可能存在的用车压力。

相较于低拥车量或无车群体,高拥车量群体倾向使用私家车出行,因而网约车使用频率较低。可见,网约车更可能对无车或低拥车量群体的通勤行为产生影响。为满足城市交通的可持续发展,通过拥堵收费、车位控制、单双号限行等交通管理措施对私人交通需求进行限制,同时,提供高占率车道、为高利用率车辆提供专用车位等激励措施鼓励私家车共乘,促进私人交通需求向共享或公共交通转移。

3.2 通勤特征

出发时间、通勤距离、住宅区位和加班频率对通勤使用频率有显著的影响。

较早出行与10:00以后出行相比,两者的通勤者网约车使用频率差别不大,而正点和晚点出行的通勤者有更高的网约车使用频率,通勤者存在集中出行的倾向,可能导致该时段网约车需求骤升,增加用车压力。目前,市场已采用分时定价和网约式拼车优先配对等方式对网约车需求进行管理,在一定程度上促使网约车用户错峰出行和激励用户选择共乘。在后续管理中,可根据管理需求将网约快车(专车)等方式纳入私家车的管理中,进行拥堵收费,进一步鼓励网约车向共乘共享发展。

相较于短距离通勤者,中距离和长距离通勤者拥有更高的网约车使用频率。短距离通勤时,地铁、公交车和自行车等能以较低的价格提供相对舒适和便捷的通勤服务,网约车通行无显著的性价比优势。中、长距离通勤时,通勤者可能面临长时间等待与忍受公共交通拥堵的乘车环境,或面临长时间驾驶和停车困难等问题,在一定程度上,网约车可为中、长距离通勤者提供舒适便捷的小汽车出行。

相较于郊区住户,市区住户有更高的网约车使用频率。市区车辆供给更为充足且配套设施更加完善,服务水平更高,因而市区用户有更高的网约车使用频率。这表明城市郊区仍有较大的增量空间,开发郊区特别是公共交通可达性较低的区域具有重要意义。建议为郊区提供一定补贴或降低佣金费率,以吸引车辆前往郊区提供服务,改善郊区通勤环境。同时,可考虑构建公共交通与网约车一体化的服务体系,解决公共交通最后一公里通达问题,改善公共交通的通达性。

加班频率为随机参数,由均值(0.65)和方差(12.98)可知:相较于非频繁加班者,69.5%的频繁加班者有更高的网约车使用频率,这类群体可能认为网约车提供了舒适、放松的乘车环境,可缓解拥挤的公共交通的乘车压力、长时间行车的驾驶压力、夜间无法获得公共交通服务的精神焦虑。然而,亦有部分频繁加班者很少或未曾使用网约车,可能的原因是:这部分频繁加班者对网约车的安全性及可达性表示担忧,他们担心无法及时获得网约车服务,更担心夜间行车人身的安全。为此,建议①提供预约功能以解决偏僻地区叫车困难的问题;②提供紧急联系人、快速报警和实时行程共享功能以保障夜间乘客的人身安全。

3.3 心理感知特征

感知舒适便捷、感知实惠、感知安全和感知疫情风险对通勤者使用频率有显著的影响。

感知安全、感知实惠均为固定参数,影响不存在异质性,即感到安全和实惠的通勤者有更高的网约车使用频率。若网约车的价格和安全无法满足通勤者要求,则通勤者将降低网约车使用频率,这充分说明了价格和安全是影响通勤者决策的关键因素。

由表4可知:认可网约车舒适便捷的出行者更频繁地使用网约车,并且感知舒适便捷的待估参数为随机参数,说明个体之间存在异质性。再由表3的感知舒适便捷均值(0.19)和方差(5.64)可知:相较于不认可舒适便捷的通勤者,大部分认可舒适便利的通勤者(98%)有更高的网约车使用频率,不过,仍有极小部分有更低的网约车使用频率,可能的原因是:这部分通勤者属于低收入或担忧网约车安全的群体,尽管他们认可网约车的舒适便捷,但价格或者安全才是影响网约车使用频率的关键因素[16]。为此,可提供出行套餐(为购买套餐的用户提供更大的价格优惠)或实施激励计划(为经常使用服务的活跃用户提供更多折扣或奖励)以降低网约车的使用成本。建议严格审查运营车辆工况、司机职业素养和思想道德,以及添加报警和实时定位功能以保障网约车使用者的人身安全。

同理,感知疫情风险为随机参数,由均值(0.32)和方差(7.40)可知:相较于低感知疫情风险的通勤者,77.34%担忧疫情风险的通勤者有更低的网约车使用频率。可见后疫情时代,卫生健康安全成为共享交通进一步发展的制约因素。然而,亦有部分担忧疫情风险的通勤者有更高的网约车使用频率,可能的原因是:该部分通勤者面临小汽车使用成本较高、使用不便等问题,尽管认为网约车存在一定的疫情风险,但由于难以找到可替代的高质量出行方式而不得不使用网约车。为此,后疫情时代,须确保车辆的定期消毒、驾驶员佩戴口罩以及凭健康码打车等以满足乘客对共享交通的卫生健康安全需要。

4 结 语

为分析网约车通勤使用频率的影响因素及用户异质性,在上海开展线上的RP调查,获取通勤者的社会经济特征、通勤特征以及心理感知特征等潜在影响因素,并利用随机参数有序Probit模型估计不同因素的影响效果。结果表明:年轻群体、中高收入群体、市区住户、中长距离通勤者、认可网约车实惠和安全的通勤者倾向更频繁地使用网约车;大部分频繁加班群体和认可网约车舒适便捷的群体有更高的网约车使用频率,而小部分很少使用网约车,群体存在异质性;价格和安全因素可能是导致异质性的关键所在。