侯現(xiàn)耀，陳學(xué)武

(1.東南大學(xué) 城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室，南京 210096；2.東南大學(xué) 現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心，南京 210096；3.東南大學(xué) 交通學(xué)院，南京 210096)

0 引 言

在使用公交出行信息輔助出行決策時(shí)，出行者對于信息的需求存在差異性，因此公交出行信息服務(wù)提供有針對性的供給策略可以更有效地滿足不同需求。市場細(xì)分有助于對出行行為異質(zhì)性的研究[1]。已有的研究中，市場細(xì)分多基于出行的需求[2]、出行者個(gè)體屬性[3]等，但有學(xué)者認(rèn)為以出行者個(gè)體屬性等因素進(jìn)行市場劃分不能很好反映出行行為，需要通過出行者的態(tài)度揭示市場內(nèi)部結(jié)構(gòu)[4]。近年來，有研究通過市場細(xì)分，利用出行態(tài)度對出行行為進(jìn)行分析[5-7]，多采用結(jié)構(gòu)方程模型確定市場細(xì)分因素，相較于傳統(tǒng)的回歸分析，可以更好地測量無法直接觀測的態(tài)度變量。但已有研究多是對交通方式選擇的市場進(jìn)行分析，還未有研究針對公交出行信息使用的市場進(jìn)行分析。

為此，本文針對基于態(tài)度的公交出行信息使用的市場劃分進(jìn)行研究，通過建立結(jié)構(gòu)方程模型對出行者的潛在態(tài)度偏好進(jìn)行分析，利用聚類方法對根據(jù)選定的態(tài)度變量對公交出行信息使用的市場進(jìn)行劃分，并針對不同的市場中的群體提出相應(yīng)的策略，為更有效地提升公交出行信息服務(wù)提供決策支持。

1 基于態(tài)度的市場劃分方法

出行者對于使用公交出行信息的主觀態(tài)度無法被直接觀測，因此以往研究多采用若干個(gè)表示態(tài)度觀測變量的問題測量出行者的主觀態(tài)度偏好[5,6,8]。結(jié)構(gòu)方程模型可以同時(shí)擬合多個(gè)內(nèi)生變量和外生變量之間的關(guān)系，將一系列觀測變量用幾個(gè)潛變量表示[9]。故本研究利用結(jié)構(gòu)方程模型分析出行者使用公交出行信息的主觀態(tài)度偏好，得到各潛變量間的關(guān)系，并以此作為聚類分析的依據(jù)。

K-means聚類方法能夠分析事物的內(nèi)在規(guī)律和特點(diǎn)，根據(jù)相似性原則對事物進(jìn)行分類，是常用的數(shù)據(jù)分析方法[3, 7]。采用K-means聚類方法根據(jù)潛在態(tài)度變量對出行者使用公交出行信息進(jìn)行市場劃分，聚類分析后，同一市場中的出行者態(tài)度偏好類似，不同市場中的出行者態(tài)度偏好則不同。

由上述分析可知，基于態(tài)度的出行者使用公交出行信息市場細(xì)分的建模主要包括以下步驟：

Step1 基于因子分析確定主觀態(tài)度變量。通過被調(diào)查者的指標(biāo)打分，利用因子分析法確定出行者的態(tài)度變量。

Step2 基于結(jié)構(gòu)方程模型確定潛變量間的關(guān)系。建立結(jié)構(gòu)方程模型，估計(jì)觀測變量和潛變量間的關(guān)聯(lián)系數(shù)(測量模型)和潛變量間的關(guān)聯(lián)系數(shù)(結(jié)構(gòu)模型)，得到潛變量間的效應(yīng)關(guān)系，為第Step3聚類變量的選取提供依據(jù)。

Step3 利用聚類方法對出行者使用公交出行信息市場進(jìn)行細(xì)分。得到合理、合適的不同主觀態(tài)度特征的子市場。

Step4 子市場的特征分析。根據(jù)聚類分析的結(jié)果，分析各子市場的特征，作為相應(yīng)政策制定和改善策略的依據(jù)。

2 問卷調(diào)查及數(shù)據(jù)分析

2.1 問卷設(shè)計(jì)與調(diào)查

數(shù)據(jù)來源于2016年在南京開展的公交出行信息意愿調(diào)查。調(diào)查內(nèi)容分為兩個(gè)部分:一是出行者的個(gè)體屬性;二是出行者對使用公交出行信息的主觀態(tài)度和出行意愿的相關(guān)問題。主觀態(tài)度的問題共有24題，根據(jù)Roscoe調(diào)查樣本大小確定的原則[10]，多變量研究中的樣本數(shù)最好是研究變量數(shù)的5～10倍，本文取倍數(shù)為10，則至少需要240份問卷，調(diào)查主要以實(shí)地問詢和網(wǎng)絡(luò)問卷形式開展，數(shù)據(jù)獲取后對問卷進(jìn)行了篩選，剔除了所有選擇單一選項(xiàng)、選擇具有明顯規(guī)律性、反向表述與正向表述的選擇具有明顯矛盾、網(wǎng)絡(luò)問卷答題時(shí)間明顯不符合正常答題所需時(shí)間等有問題的問卷，最終獲取到703份有效問卷。

2.2 數(shù)據(jù)統(tǒng)計(jì)分析

樣本的個(gè)體屬性特征統(tǒng)計(jì)情況如表1所示，可以看出：樣本以中青年為主，工作性質(zhì)多需要通勤出行，受教育程度較高，涵蓋了使用公交出行信息服務(wù)和乘坐公交的主要人群。

表1 樣本人群個(gè)體屬性特征Table 1 Sample individual characteristics

本文構(gòu)建6種態(tài)度變量，用以反映出行者對使用公交出行信息的主觀態(tài)度、公交出行信息主觀感知和公交出行意愿，其中分別從可靠性、方便性、靈活性和自主性表征出行者對公交出行信息的主觀態(tài)度。每個(gè)態(tài)度變量下設(shè)置若干問題作為態(tài)度潛變量的觀測變量，如表2所示。問題設(shè)置采用5級量表衡量被調(diào)查者的主觀態(tài)度，1表示非常不同意；2～4表示同意程度增加；5表示非常同意。信度和效度可以反應(yīng)調(diào)查數(shù)據(jù)的可靠性和準(zhǔn)確性，通過分析得出樣本總體的克朗巴哈信度系數(shù)(Cronbach'α)為0.896，各潛變量的克朗巴哈信度系數(shù)最低為0.609；樣本總體的KMO值為0.923，各潛變量的KMO值最低為0.654，Bartlett球形檢驗(yàn)結(jié)果均顯著，信度系數(shù)均大于0.6，表明樣本信度可以接受，樣本總體和各潛變量均具有一定的可靠性，KMO值均大于0.5，表明樣本具有良好的效度。

表2 態(tài)度觀測變量與態(tài)度潛變量描述Table 2 Descriptions of attitude observed variablesand attitude latent variables

續(xù)表2

3 模型估計(jì)與市場細(xì)分結(jié)果

3.1 因子分析

采用驗(yàn)證性因子分析確定事先選定的因子擬合實(shí)際數(shù)據(jù)的能力，即檢驗(yàn)觀測變量的因子個(gè)數(shù)和因子載荷是否能與理論預(yù)期一致，即驗(yàn)證表2中6個(gè)態(tài)度潛變量能否保留對24個(gè)觀測變量的解釋能力。

因子分析結(jié)果評價(jià)指標(biāo)為：模型擬合優(yōu)度指數(shù)GFI=0.866；比較擬合指數(shù)CFI=0.872；近似均方根誤差RMSEA=0.066，表明模型擬合結(jié)果良好，定義的態(tài)度潛變量可以較好地?cái)M合實(shí)際調(diào)查問題。

3.2 結(jié)構(gòu)方程模型估計(jì)結(jié)果

最終構(gòu)建的結(jié)構(gòu)方程模型結(jié)構(gòu)如圖1所示。模型擬合優(yōu)度的評價(jià)指標(biāo)為：模型擬合優(yōu)度指數(shù)GFI=0.904；近似均方根誤差RMSEA=0.066；比較擬合指數(shù)CFI=0.894；調(diào)整后擬合優(yōu)度指數(shù)AGFI=0.873，表明模型的擬合結(jié)果可以接受。

觀測變量的標(biāo)準(zhǔn)化因子載荷系數(shù)如表3所示，所有因子載荷的檢驗(yàn)值均在95%置信水平下顯著，利用因子載荷可以計(jì)算對應(yīng)的出行者的態(tài)度潛變量值，用以聚類分析過程中。

結(jié)構(gòu)方程模型中結(jié)構(gòu)估計(jì)的態(tài)度潛變量間效應(yīng)如表4所示?？梢钥闯?，可靠性、方便性和自主性對主觀感知有顯著的正向作用，表明公交出行信息的可靠性、方便性和自主性越高，出行者對公交出行信息的主觀感知評價(jià)越高；可靠性、方便性、靈活性和主觀感知對出行意愿具有顯著的作用，其中靈活性對出行意愿的作用效應(yīng)為負(fù)向的，說明對于具有較高公交出行意愿的出行者，其對公交出行信息的靈活性評價(jià)相對較低，公交出行信息服務(wù)在靈活性方面還有待提升；自主性對于出行意愿具有顯著的正向間接效應(yīng)，但直接效應(yīng)和總的效應(yīng)并不顯著，無法說明出行者對公交出行信息自主性的評價(jià)會(huì)顯著影響到其出行意愿的選擇。

圖1 結(jié)構(gòu)方程模型結(jié)構(gòu)框架及態(tài)度潛變量間路徑系數(shù)Fig.1 Framework of structural equation modeling and path parameters between attitude latent variables表3 觀測變量標(biāo)準(zhǔn)化因子載荷估計(jì)結(jié)果Table 3 Results of observed variables standardizedfactors estimation

表4 潛變量間標(biāo)準(zhǔn)化效應(yīng)值估計(jì)結(jié)果Table 4 Results of standardization effects estimationbetween latent variables

注：括號(hào)內(nèi)為z檢驗(yàn)值。

3.3 聚類分析

K-means聚類方法首先需要給定聚類數(shù)目，然后將分析的樣本劃分成給定的聚類數(shù)。聚類分析要求類內(nèi)部的樣本盡可能緊湊，各個(gè)類間距離盡可能分開，聚類結(jié)果合理且有意義。根據(jù)表4的效應(yīng)估計(jì)結(jié)果，A1、A2、A5和A6間的相關(guān)性系數(shù)較高(表4中效應(yīng)值)，且相互關(guān)系的顯著性較高(表4中檢驗(yàn)值)，更容易產(chǎn)生特征明顯的聚類結(jié)果且可以顯著減少聚類數(shù)目，故選取這4個(gè)變量作為聚類分析的變量。將態(tài)度潛變量值作0～5標(biāo)準(zhǔn)化處理，設(shè)置細(xì)分市場數(shù)目K為2～8，通過聚類指標(biāo)的分析，得到K=5時(shí)聚類效果最佳，此時(shí)，類內(nèi)的樣本相對更靠近各類中心，且各類中心間距離較明顯。703個(gè)樣本被細(xì)分為5個(gè)子市場，每個(gè)子市場都有數(shù)量相當(dāng)?shù)臉颖?，各子市場聚類位置如圖2所示。

根據(jù)聚類變量的細(xì)分特征，可以得到各子市場的出行者態(tài)度特征如下所示。

M1子市場：具有中等的公交出行意愿，對公交出行信息可靠性、方便性的需求中等，對公交出行信息的主觀感知中等。

M2子市場：具有較低的公交出行意愿，對于公交出行信息的可靠性、方便性需求和主觀感知均較低。

M3子市場：具有較高的公交出行意愿，對于公交出行信息的可靠性需求較高，對于方便性的需求中等，對公交出行信息的主觀感知中等。

M4子市場：具有中等的公交出行意愿，但對于公交出行信息的可靠性、方便性需求較低，對公交出行信息的主觀感知中等。

M5子市場：具有較低的公交出行意愿，對于公交出行信息的可靠性、方便性需求中等，對公交出行信息的主觀感知中等。

圖2 出行者使用公交出行信息市場細(xì)分結(jié)果Fig.2 Results of travelers using public transit travel information market segmentation

3.4 細(xì)分子市場特征

各子市場中樣本個(gè)體實(shí)際選擇出行方式比例如表5所示。M3子市場中公交出行比例最高，M2和M5子市場中公交出行比例相對較低，M1和M4子市場公交出行比例中等。

表5 細(xì)分子市場公交出行特征Table 5 Public transit travel characteristics of sub-markets

M3子市場的出行者對公交出行信息的主觀感知評價(jià)較高，且有較強(qiáng)的公交出行意愿，對于公交出行信息的可靠性和方便性需求也較高，市場中公交出行比例也最高，可以認(rèn)為該子市場中的公交出行者是“堅(jiān)定的公交出行者”，他們對于公交出行信息的使用有較高的評價(jià)和認(rèn)知，可以滿足其日常公交出行的需求，該子市場中的非公交出行者可以認(rèn)為是“潛在的公交出行者”，他們同樣對公交出行信息的使用有較高評價(jià)和認(rèn)知，通過持續(xù)提供滿足他們需求的公交出行信息會(huì)較容易讓其使用公交出行。

M2和M5子市場中的出行者公交出行意愿較低，公交出行比例也較低，其對公交出行信息的可靠性、方便性和對使用公交出行信息的主觀認(rèn)知評價(jià)并不高，可稱為“堅(jiān)定的非公交出行者”。

M1和M4子市場中公交出行意愿中等，公交出行與非公交出行相比沒有顯著的差異，是“潛在的市場轉(zhuǎn)移者”，如果他們轉(zhuǎn)向M3子市場，則會(huì)增加公交出行的比例，轉(zhuǎn)向M2或M5子市場，則會(huì)增加其他交通方式的出行比例，因此需要針對其對公交出行信息的使用偏好，引導(dǎo)其盡可能地轉(zhuǎn)向公交出行。

3.5 公交出行信息服務(wù)改善對策

通過市場細(xì)分，可以識(shí)別出具有相似公交出行信息使用主觀態(tài)度的出行者，每個(gè)子市場中的出行者對于公交出行和公交出行信息的使用有不同的需求，因此需要在制定政策時(shí)有差異化地對待，以更有效引導(dǎo)其采用公交出行。

對于“潛在的市場轉(zhuǎn)移者”，M1市場中出行者對于公交出行信息的可靠性要求較高，應(yīng)提高公交出行信息服務(wù)的可靠性，如提供準(zhǔn)確的實(shí)時(shí)公交車輛位置信息，從而幫助出行者確定出發(fā)時(shí)間和估計(jì)行程時(shí)間，提高其轉(zhuǎn)向公交出行的可能性；但對于M4市場中的出行者，僅靠提高信息的可靠性相對較難使其轉(zhuǎn)向公交出行，但仍可通過提供更加豐富的公交出行信息內(nèi)容、增加信息獲取渠道等綜合措施提升其對公交出行信息的主觀感知，從而引導(dǎo)其向M3子市場轉(zhuǎn)移。

對于“堅(jiān)定的非公交出行者”，對M2和M5子市場出行者使用上述政策或措施的效果則可能不明顯，但仍可嘗試宣傳教育等方式引導(dǎo)其向M3子市場轉(zhuǎn)化。

4 結(jié)束語

通過因子分析確定出行者使用公交出行信息主觀態(tài)度的變量，利用結(jié)構(gòu)方程模型測量潛變量間的因果關(guān)系，通過聚類方法對出行者使用公交出行信息市場進(jìn)行細(xì)分，得到具有顯著公交出行意愿差異的細(xì)分子市場。通過分析各子市場特征，發(fā)現(xiàn)潛在市場轉(zhuǎn)移者，剖析各子市場形成原因，制定有針對性的公交出行信息服務(wù)改善對策。研究有助于理解出行者使用公交出行信息的機(jī)理，研究成果對制定和改善公交出行信息服務(wù)有指導(dǎo)意義?？梢酝ㄟ^增加對出行者個(gè)體屬性的分析，提煉個(gè)體屬性與態(tài)度偏好的關(guān)系，從而更好地揭示和劃分不同特征的子市場。

[1] Badoe D A, Miller E J. An automatic segmentation procedure for studying variations in mode choice behavior [J]. Journal of Advanced Transportation, 1998, 32(2): 190-215.

[2] Lythgoe W F, Wardman M. Demand for rail travel to and from airports [J]. Transportation, 2002, 29(2): 125-143.

[3] Ryley T. Use of Non-motorised modes and life stage in Edinburgh [J]. Journal of Transport Geography, 2006, 14(5): 367-375.

[4] Anable J.‘Complacent car addicts’ or ‘a(chǎn)spiring environmentalists’? identifying travel behaviour segments using attitude theory [J]. Transport Policy, 2005, 12(1): 65-78.

[5] 程龍, 陳學(xué)武, 楊碩, 等. 基于市場細(xì)分的低收入通勤者公交出行改善對策[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2016, 16(3): 8-14.

Cheng Long, Chen Xue-wu, Yang Shuo, et al. Public transit improvement measures of low-income commuters based on market segmentation [J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(3): 8-14

[6] Li Z, Wang W, Yang C, et al. Bicycle commuting market analysis using attitudinal market segmentation approach [J]. Transportation Research Part A: Policy and Practice, 2013, 47(4): 56-68.

[7] Shiftan Y, Outwater M L, Zhou Y. Transit market research using structural equation modeling and attitudinal market segmentation [J]. Transport Policy, 2008, 15(3): 186-195.

[8] Eboli L, Mazzulla G. Service quality attributes affecting customer satisfaction for bus transit [J]. Journal of Public Transportation, 2007, 10(3): 21-34.

[9] Golob T F. Structural equation modeling for travel behavior research [J]. Transportation Research Part B: Methodological, 2003, 37(1): 1-25.

[10] Roscoe J T. Fundamental Research Statistics for the Behavioral Sciences[M].New York: Holt, Rinehart and Winston, 1975.