劉鑫， 韓浩， 呂崧平， 熊浩然， 曲彥菘， 李綱，2*

1.大連交通大學 交通運輸工程學院，遼寧 大連 116028; 2.大連海事大學 交通運輸工程學院，遼寧 大連 116026

0 引言

近年來，網(wǎng)約車在互聯(lián)網(wǎng)和共享經(jīng)濟的背景下迅速發(fā)展。美國科技公司優(yōu)步(Uber)與來福車(Lyft)、印度的共享出行(Ola)以及我國的滴滴出行(涵蓋出租車、專車、滴滴快車、順風車、代駕及大巴、貨運等多項業(yè)務(wù)在內(nèi)的一站式出行平臺)等以網(wǎng)約車為業(yè)務(wù)的公司順應(yīng)而生，這是“互聯(lián)網(wǎng)+”發(fā)展的新形態(tài)、新業(yè)態(tài)，是知識社會創(chuàng)新2.0推動下互聯(lián)網(wǎng)形態(tài)的演進，極大地方便了市民的出行。

近年來國內(nèi)關(guān)于網(wǎng)約車的研究碩果累累。在模型選擇研究方面：陳林[1]借助統(tǒng)計產(chǎn)品與服務(wù)解決方案軟件(statistical product and service solutions，SPSS)與Nlogit軟件利用采集的出行行為數(shù)據(jù)分別構(gòu)建多項評定(multinomial logit，MNL)模型和巢式評定 (nested logit，NL) 模型，通過其擬合優(yōu)度探討2種模型在參數(shù)估計上的差別；劉建明等[2]介紹了基于行為模型的基本理論及非集計模型，分析了集計和非集計模型兩者之間的關(guān)系；王茁等[3]采用MNL模型分析影響城市居民選擇各種公共交通出行方式的影響因素；馮明兵等[4]建立家庭活動出行鏈選擇結(jié)果的 MNL模型，并用于出行預(yù)測。劉悅[5]將MNL模型用于鐵路客運樞紐的對外出行銜接方式選擇行為研究。在網(wǎng)約車對出行方式和交通運行的宏觀影響方面：高永等[6]以北京市居民為研究對象，通過數(shù)據(jù)擴樣計算，得到網(wǎng)約車日出行量和轉(zhuǎn)移交通量等數(shù)據(jù)；李青云[7]研究網(wǎng)約車出行意愿的影響機制并對運價提出獨到的見解；李卓君[8]探討了網(wǎng)約車的多元化服務(wù)對居民出行方式行為選擇的影響效應(yīng)；文獻[9-12]利用多種不同方法進行網(wǎng)約車出行需求方面的研究。在分析網(wǎng)約車數(shù)據(jù)與使用算法方面：崔宇超等[13]通過出租車及快車網(wǎng)絡(luò)訂單數(shù)據(jù)分析乘客的出行特征；李甜等[14]采用K-Means聚類分析方法以網(wǎng)約車軌跡數(shù)據(jù)為基礎(chǔ)研究居民出行特征，實現(xiàn)對城市交通狀態(tài)的識別；文獻[15-17]基于網(wǎng)約車出行行為數(shù)據(jù)分析居民的出行需求特征。在網(wǎng)約車對出租車行業(yè)的影響方面：文獻[18-20]探討了網(wǎng)約車對出租車行業(yè)以及對居民出行的影響；Guo等[21]利用博弈模型和競爭定價模型，進一步分析網(wǎng)約車與傳統(tǒng)出租車的博弈關(guān)系，得出雙方合作可實現(xiàn)交通資源的高效利用，減少城市擁堵的結(jié)論。

本文從網(wǎng)約車乘客的角度出發(fā)，進行大連市網(wǎng)約車乘客的出行行為及方式選擇的意向調(diào)查，建立MNL模型，探索不同因素的影響程度并進行彈性分析，據(jù)此為城市網(wǎng)約車的管理提供借鑒。

1 模型構(gòu)建

1.1 MNL模型構(gòu)建

離散選擇模型用來分析和預(yù)測決策者從一組有限的相互排斥和集體窮盡的選擇枝中選擇一個方案，能夠預(yù)測一群人的決策行為。MNL模型是一種相對簡單且應(yīng)用廣泛的離散選擇模型，主要適用于研究選擇某種方案的概率與決策因素的特征變量之間的關(guān)系。

效用是個人價值的一個指標，是從選擇枝或選擇枝的屬性衍生而來，意味著存在一個包含選擇枝屬性和個人特征的函數(shù)，該函數(shù)描述了每個選擇枝的個人效用評估。對于效用函數(shù)U，當且僅當選擇枝i的效用大于或等于選擇集中所有其他選擇枝j的效用時，則選擇i。

出行者n選擇選擇枝i的總效用函數(shù)

Uin=Vin+εin，

式中：Vin為Uin的固定項，εin為Uin的誤差項。

假設(shè)固定效用項Vin與選擇枝i的第k個影響因素Xkin呈線性關(guān)系，則有

式中：N為特征變量的個數(shù)，βk為第k個變量對應(yīng)的系數(shù)。

假設(shè)Vin和εin相互獨立，隨機效用各分布服從Gumbel分布，根據(jù)其基本效用理論，n選擇出行方式i的概率

1.2 基于MNL模型的網(wǎng)約車選擇模型

將網(wǎng)約車與其他幾種出行方式進行對比分析，選擇枝為出租車c、網(wǎng)約車w、私家車s、常規(guī)公交b和地鐵d,選擇枝集合C=(c,w,s,b,d)。

設(shè)各個選擇枝的總效用包含個人社會經(jīng)濟屬性、出行特征屬性和服務(wù)水平評價3方面。將出行時間、出行費用、出行目的、出行距離、乘坐網(wǎng)約車頻率等變量設(shè)置為出行特征屬性，個人社會屬性包括年齡、學歷、家庭收入、私家車擁有情況等，服務(wù)水平評價為某方面的滿意度。

相關(guān)參數(shù)及其符號定義如表1所示。根據(jù)數(shù)據(jù)的特征和研究的側(cè)重點，主要考慮30及30以下年齡段和40及40以上年齡段對選擇枝偏好的影響。表1中的“自由時間滿意程度”是指生活滿意度中的一個維度，生活滿意度還包括社交滿意度、健康滿意度等，自由時間滿意度對生活的滿意度影響比較顯著，故將此納入到模型中。

表1 模型變量及符號定義

選擇枝i的總效用函數(shù)

式中：Ain為選擇枝固有常量，Tin為出行特征屬性，Rin為個人社會經(jīng)濟屬性，Oin為乘客滿意程度屬性，βTk、βRk、βOk分別為相應(yīng)變量對應(yīng)的系數(shù)。

本模型將私家車作為參考選擇枝，通過極大似然法求解。利用R語言軟件進行編程，通過擬牛頓法利用Hessian矩陣求解MNL并標定參數(shù)β。模型的具體效用方程為：

Vs=βs1t0s+βs1ps，

(1)

Vc=Ac+βc1t0c+βc2pc+βc3x+βc4a+βc5h+βc6g+βc7o+βc8e+βc9z+βc10y+βc11q+βc12f+βc13m+βc14u，

(2)

Vw=Aw+βw1t0w+βw2pw+βw3x+βw4a+βw5h+βw6g+βw7o+βw8e+βw9z+βw10y+βw11q+βw12f+βw13l+βw14m+βw15u，

(3)

Vb=Ab+βb1t0b+βb2pb+βb3x+βb4r+βb5h+βb6g+βb7o+βb8e+βb9z+βb10y+βb11q+βb12l+βb13m，

(4)

Vd=Ad+βd1t0d+βd2pd+βd3x+βd4r+βd5h+βd6g+βd7o+βd8e+βd9z+βd10y+βd11q+βd12m，

(5)

式中：Vs、Vc、Vw、Vb、Vd分別為s、c、w、b、d的效用函數(shù)，Ac、Aw、Ab、Ad分別為c、w、b、d的常數(shù)項，βs1～βs2、βc1～βc14、βw1～βw15、βb1～βb13、βd1～βd12分別為s、c、w、b、d的相應(yīng)變量對應(yīng)的系數(shù)。

2 問卷調(diào)查與樣本統(tǒng)計

2.1 問卷設(shè)計

本次問卷調(diào)查的對象是大連市內(nèi)具有網(wǎng)約車乘車經(jīng)歷的乘客，調(diào)查區(qū)域覆蓋大連市西安路商圈、華南廣場商圈、青泥洼橋商圈和高新萬達商圈等主要城市商圈，調(diào)查時間為2018年6月，采用面對面的調(diào)查方式。問卷內(nèi)容主要涉及網(wǎng)約車乘客的出行意向調(diào)查(stated preference,SP)、網(wǎng)約車的日常乘用和服務(wù)評價以及個人社會經(jīng)濟屬性等信息。模型中的個人社會經(jīng)濟屬性、出行特征屬性和乘客滿意度屬性各變量的編碼如表2所示。表2中的出行距離(變量)在模型中有2個賦值， 12 km代表長距離出行， 5 km代表短距離出行。

表2 模型變量的編碼及含義

SP調(diào)查的場景設(shè)計通過對出行人數(shù)、出行距離、出行目的、高峰溢價、優(yōu)惠折扣、公交換乘和地鐵可達性7個屬性進行正交設(shè)計實現(xiàn)，其屬性按照不同水平進行組合，共生成16種情景納入到調(diào)查問卷中，為減輕被調(diào)查者的負擔，每個問卷包括2個場景，共8種問卷，具體屬性及其水平如表3所示。

表3 SP調(diào)查的屬性及水平

2.2 調(diào)查樣本統(tǒng)計與分析

1)個人社會經(jīng)濟屬性

本次共調(diào)查1158人，每人涉及到2個SP場景，經(jīng)過數(shù)據(jù)處理刪除可信度低和缺失的數(shù)據(jù)，最終得到1016條數(shù)據(jù)，表4展示了調(diào)查人群的基本社會經(jīng)濟屬性特征?？紤]到不同年齡段、不同學歷、私家車擁有的不同情況、不同家庭收入與職業(yè)群體可能對交通方式選擇偏好的影響，建模時針對上述影響因素進行不同的設(shè)置與嘗試，以便更加準確地捕捉不同影響因素的作用規(guī)律。

由表4可知：乘用網(wǎng)約車的男女比例大致相同，年齡以30歲以下的乘客居多，乘客的主要學歷為本科及以上，有車家庭的乘客約占60.6%，在一定程度上說明有車家庭更愿意乘用網(wǎng)約車。家庭收入主要分布比較均勻，調(diào)查對象以學生居多。

表4 網(wǎng)約車乘客社會經(jīng)濟屬性統(tǒng)計

2)乘客個人特征分析

選擇私人交通與公共交通的乘客學歷、家庭收入與職業(yè)占比如表5～7所示。由表5～7可知：不同學歷的乘客選擇私人交通(私家車、出租車和網(wǎng)約車)和公共交通(公交車和地鐵)的比例沒有明顯區(qū)別；隨著家庭收入的增高，更多人偏向于乘用私人交通；公務(wù)員、教育研究人員、醫(yī)療衛(wèi)生人員、管理技術(shù)人員等選擇公共交通出行的居多。

表5 選擇私人交通與公共交通的乘客的學歷占比 %

表6 選擇私人交通與公共交通的乘客的家庭收入占比 %

表7 選擇私人交通與公共交通的乘客職業(yè)占比 %

3 模型分析

3.1 模型參數(shù)標定與分析

通過R語言編程，對模型(1)～(5)進行標定，模型的參數(shù)標定結(jié)果如表8所示。

表8 MNL模型參數(shù)標定結(jié)果

由表8可知：

1)模型的擬合優(yōu)度。MNL模型的整體擬合優(yōu)度McFadden偽R2為0.14，說明模型具備一定的解釋能力。

2)個人社會經(jīng)濟屬性。x的t在c、w、b、d4種交通方式上均小于1.65，統(tǒng)計上不顯著，故性別因素在交通方式選擇上沒有產(chǎn)生實質(zhì)性的作用。a選擇乘用出租車的t=-2.538，接近99%顯著性置信水平，表明30歲及30歲以下的年輕人不喜歡乘用出租車，這可能是以前不愉快的乘用經(jīng)歷造成的；r選擇乘用公交車的t=2.374，對公交車有明顯的偏好。h選擇各種交通方式的t均較大，揭示了學生群體對各種交通方式的偏好都很顯著，在一定程度上說明他們還沒有形成利用某種特定交通方式的習慣。g和o對乘地鐵出行有明顯傾向特征，t均大于1.96，在數(shù)理統(tǒng)計上達到95%顯著，在一定程度上反映出他們對交通方式的相對快捷、準時和舒適等特征的偏好。

e選擇出租車和網(wǎng)約車的t分別為-3.250和-2.149，統(tǒng)計上的顯著性表明學歷越高的人，越傾向于乘用私家車、公交車和地鐵，即在不利用私家車時更加偏重乘坐環(huán)保的公共交通，對出租車和網(wǎng)約車的偏好較小。提高居民的認識與自身理念，使其理性選擇滿足多樣化出行需求的網(wǎng)約車，在一定程度上是合理利用網(wǎng)約車的關(guān)鍵因素之一。z高的乘客相對于公共交通，更喜歡乘用私家車、出租車和網(wǎng)約車，這3種出行方式?jīng)]有明顯區(qū)別。y的t均為負值，說明其對于其他交通方式的選擇有明顯的抑制作用， 從側(cè)面說明了出租汽車類交通方式在某些情形下對私家車的使用有一定的替代作用。提高網(wǎng)約車的服務(wù)水平和愉快感受可以有效減少私家車的利用率，從而進一步影響甚至抑制私家車擁有量的增長，這也應(yīng)該成為促進網(wǎng)約車健康發(fā)展的一個方向。

3)出行特征屬性。q對于出行方式的選擇有顯著影響，公交車和地鐵的t為-2.896與-3.645表明了這一點。對于有明顯時間要求到達的出行目的，乘客更愿意選擇私家車、出租車和網(wǎng)約車而非公共交通。t0、p對交通方式的選擇都有顯著的影響。接近50%的網(wǎng)約車乘客利用網(wǎng)約車的頻率在1～2次/周以上。

4)乘客滿意度。司機越有禮貌，人們就越愿意乘用出租車和網(wǎng)約車。本文初步探索了生活滿意度中的一個維度，即m對于交通方式選擇的影響，結(jié)果表明,對自由時間滿意的乘客更愿意乘用出租車和網(wǎng)約車。

3.2 彈性分析

彈性分析描述變量之間存在函數(shù)關(guān)系時因變量對自變量變化的反應(yīng)程度。這里是指各種交通方式分擔率的顯著影響因素的變化引起的出行選擇分擔率的相對變化。彈性反映影響因素對結(jié)果的影響程度，彈性大于1表明變量富有彈性，即變量對結(jié)果的影響程度大。

直接彈性定義為交通出行方式i的影響因素的變化引起i自身的分擔率的相對變化，i的概率對第k個特征變量的直接彈性

(6)

式中：βk為i的第k個變量的系數(shù)，Xik為i的第k個特征變量的期望，Pi為i的選擇概率。

交叉彈性定義為i的影響因素的變化引起另一種交通出行方式j(luò)的分擔率的相對變化，則i的第k個特征變量對于j的交叉彈性

(7)

MNL模型的一個重要特性是選擇集中所有選擇枝的交叉彈性相同[22]，基于式(6)(7)，分別計算各種交通方式的t0、p的直接彈性和交叉彈性，如表9所示。

表9 彈性分析結(jié)果

由表9可知：

1)出租車和網(wǎng)約車的t0直接彈性的絕對值較公交車、地鐵和私家車小，出租車和網(wǎng)約車的t0直接彈性分別為-0.307和-0.602，說明相對于其他3種交通方式，增加或減少出租車和網(wǎng)約車的t0對乘客使用這2種交通方式的影響相對較小，進一步說明被調(diào)查者對于這2種交通方式的偏愛程度。公交車的t0直接彈性很大，為-1.178，即t0每增加(或減少)1%，選擇公交出行的概率會減少(或增加)約1.178%，表明人們對公交車t0的敏感性更高，因此提高公交車服務(wù)水平，尤其是縮短公交車t0，是城市發(fā)展公交系統(tǒng)、吸引市民乘坐的一種重要手段。

2)網(wǎng)約車和私家車的交叉彈性較小，兩者每增加10%的t0分別會有0.96%和0.54%的概率選擇其他交通方式，意味著人們對網(wǎng)約車和私家車更加依賴，可能與網(wǎng)約車司機的禮貌程度、網(wǎng)約車和私家車的舒適性等特征有關(guān)。

3)出租車和網(wǎng)約車在整體上的p彈性高于t0彈性，而公交車及地鐵的p彈性在整體上低于t0彈性。其原因可能在于公共交通的p本身不高，居民出行更加關(guān)注t0。而出租汽車類交通方式較公共交通p明顯偏高，p的變化對出租車與網(wǎng)約車的選擇會有更大的影響。建議網(wǎng)約車應(yīng)優(yōu)先從價格因素等方面來調(diào)控運營市場。

4)公交車與地鐵p的直接彈性與交叉彈性都很低。通過調(diào)整出租車和網(wǎng)約車交通方式的p可以相對顯著地影響其分擔比例，而公共交通方面應(yīng)側(cè)重于提高其服務(wù)水平，比如運行時間等，提高其分擔率。

4 結(jié)語

本文以2018年大連市主要商圈內(nèi)的出行者為調(diào)查對象，設(shè)計包含SP意向調(diào)查的出行行為調(diào)查，考慮乘客個人社會經(jīng)濟屬性、出行特征屬性及滿意度3方面的影響因素構(gòu)建MNL模型，分析網(wǎng)約車乘客的出行選擇行為。

30歲及30歲以下的人群有不愿意乘用出租車的傾向，40歲及40歲以上人群對公交車有明顯的偏好。工人與服務(wù)業(yè)人員對公共交通有明顯的偏好。學歷、家庭收入和私家車擁有情況都是交通方式選擇的重要影響因素。網(wǎng)約車的利用頻率和司機的禮貌程度對出租車和網(wǎng)約車的選擇有重要影響。出行時間和出行費用的彈性分析及對比從側(cè)面表明公共交通方面應(yīng)側(cè)重于提高運營速度等服務(wù)水平。