王雅坤，盧昕瑋，陳巧麗，劉 野

(1.長安大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710000; 2.西安科技大學(xué) 測(cè)繪科學(xué)與技術(shù)學(xué)院，陜西 西安 710000)

0 引言

由于“懶人經(jīng)濟(jì)”“宅經(jīng)濟(jì)”的需求發(fā)展，國家政策支持及行業(yè)規(guī)范的出臺(tái)等促使在線訂餐服務(wù)已成為消費(fèi)者的基本消費(fèi)習(xí)慣。自2012年起，外賣行業(yè)一直保持高速發(fā)展態(tài)勢(shì)，據(jù)艾媒數(shù)據(jù)統(tǒng)計(jì)，全國每周至少產(chǎn)生4億份外賣訂單，約有700萬配送人員在各地忙碌[1]。在市場規(guī)模的高速發(fā)展下，催生了與時(shí)間“賽跑”的龐大外賣配送餐群體，他們“用違法違規(guī)換時(shí)間”，時(shí)刻上演著諸如闖紅燈、超速、逆行等公共交通違法行為[2]。2019年上半年，南京市有1.38萬起快遞外賣行業(yè)配送員因交通違法被查，違法行為發(fā)生率是非外賣配送員的10倍[3]。2018年底僅1個(gè)月時(shí)間，西安市被查處的外賣配送公共交通違法行為高達(dá)800余次[4]。外賣配送公共交通安全問題自2016年起便受到廣泛社會(huì)關(guān)注，各地政府陸續(xù)出臺(tái)了相關(guān)治理政策[5]，雖有一定約束作用，但并未從根源上解決問題。因此必須有效掌握外賣配送員公共交通違法行為頻發(fā)的根本因素，確定其公共交通違法的根源，盡快彌補(bǔ)外賣配送公共交通安全的短板。

現(xiàn)有關(guān)于外賣配送的研究集中在外賣配送模式[6-8]、配送路徑[9-10]、法律監(jiān)管[11-14]等方面,以法律監(jiān)管為主，集中建議政府加強(qiáng)外賣配送法律監(jiān)管從而降低配送員交通事故發(fā)生率。目前對(duì)外賣配送公共交通違法問題的研究也較為匱乏，已有研究大多側(cè)重于對(duì)交通安全隱患、安全教育、管理失衡等外在因素分析[15-18]。由于缺乏外賣配送員自身內(nèi)在因素研究，針對(duì)外賣配送公共交通違法問題的學(xué)術(shù)關(guān)注明顯少于社會(huì)關(guān)注，對(duì)于問題治理的學(xué)術(shù)研究成果不足，難以為實(shí)際治理工作提供充足的參考。因此，本文將從外賣配送員自身角度出發(fā)，運(yùn)用Logistic回歸分析法、灰色關(guān)聯(lián)分析法結(jié)合定性分析，研究外賣配送行業(yè)公共交通違法行為產(chǎn)生的人因事故影響因素。

1 研究思路與數(shù)據(jù)來源

基于問卷調(diào)查獲取的原始數(shù)據(jù)，本文將結(jié)合定性定量分析，深入研究外賣配送公共交通違法行為影響因素。將外賣配送員分為曾發(fā)生過和未發(fā)生過公共交通違法行為2組樣本，首先通過2組對(duì)比，運(yùn)用Logistic回歸對(duì)比分析對(duì)影響外賣配送員是否會(huì)發(fā)生公共交通違法行為的因素；再對(duì)其中發(fā)生過公共交通違法行為的1組樣本，運(yùn)用灰色關(guān)聯(lián)分析法深入分析影響其違法意愿的因素強(qiáng)度大??；最后，針對(duì)外賣配送公共交通違法行為的影響因素提出相應(yīng)的治理措施。具體研究思路如圖1所示。

圖1 研究思路Fig.1 Research ideas

2 是否發(fā)生外賣配送公共交通違法行為的影響因素

本文將樣本數(shù)據(jù)分為“曾發(fā)生過”“未發(fā)生過”公共交通違法行為2組樣本，2組樣本之間的對(duì)比差異便是治理外賣配送員公共交通違法問題的突破口，結(jié)合模型適配條件，鑒于因變量“是”“否”為二項(xiàng)分布的非連續(xù)取值，本文選取研究因變量為二分變量的Logistic回歸模型對(duì)比分析2組樣本，探究對(duì)外賣配送員是否發(fā)生公共交通違法行為的影響因素。

2.1 Logistic回歸模型指標(biāo)選取

2.2 Logistic回歸模型構(gòu)建與檢驗(yàn)

首先，針對(duì)xj(j=1，2，3，4)變量設(shè)定原假設(shè)“H0：第j個(gè)xj(j=1，2，3，4)變量對(duì)y=1的概率P沒有顯著性影響”。選用Ward卡方檢驗(yàn)法檢驗(yàn)參數(shù)的統(tǒng)計(jì)假設(shè)含義，檢驗(yàn)結(jié)果顯示W(wǎng)ard卡方值小于0.05，則拒絕H0，接受H1，即認(rèn)為第j個(gè)xj變量對(duì)y=1的概率P有顯著性影響，在95%的置信區(qū)間內(nèi)認(rèn)為該結(jié)果準(zhǔn)確。進(jìn)而可采取逐步回歸法來篩選危險(xiǎn)因子。

通過“向后：LR”法進(jìn)行xj與y之間Logistic回歸模型的構(gòu)建，根據(jù)極大偏似然估計(jì)的似然比統(tǒng)計(jì)量概率值是否大于給定的顯著性水平來檢測(cè)最終變量。

表1 Logistic回歸指標(biāo)的選取Table 1 Selection of Logistic regression indexes

參數(shù)及模型檢驗(yàn)結(jié)果見表2，進(jìn)而可知最終納入Logistic回歸模型的模型參數(shù)為2個(gè)，其似然比檢驗(yàn)結(jié)果sig.=0.000<0.05表示本次擬合模型納入的變量中，至少有1個(gè)變量的OR值有統(tǒng)計(jì)學(xué)意義，即模型總體有意義。選取可以檢驗(yàn)全部自變量且對(duì)因變量具有聯(lián)合作用的似然比檢驗(yàn)法來進(jìn)行模型總體檢驗(yàn)，同時(shí)運(yùn)用Hosmer和Lemeshow檢驗(yàn)法檢驗(yàn)?zāi)Ｐ偷臄M合優(yōu)度，檢驗(yàn)結(jié)果見表2。Logistic回歸模型通過了似然比檢驗(yàn)，當(dāng)P值不小于顯著性水平時(shí)(即sig.=0.179>0.05)，認(rèn)為當(dāng)前數(shù)據(jù)中的信息已被充分提取，該模型擬合優(yōu)度較高。

結(jié)合“向后：LR”法的似然原理，對(duì)模型中各變量指標(biāo)進(jìn)行統(tǒng)計(jì)檢驗(yàn)，見表3。由表3可知，最終輸出結(jié)果中，通過參數(shù)檢驗(yàn)的指標(biāo)x1平均每月送餐收入(sig=0<0.05)、x3平均每單配送距離(sig=0<0.05)最終納入Logistic回歸模型。

表2 參數(shù)及模型檢驗(yàn)Table 2 Parameters and model tests

注：卡方1為似然比參數(shù)檢驗(yàn)；df為自由度；Sig.為概率P值；卡方2為似然比卡方觀測(cè)值。

表3 檢驗(yàn)?zāi)Ｐ妥兞縏able 3 Test model variables

注：B為回歸系數(shù)；S.E為回歸系數(shù)標(biāo)準(zhǔn)誤；Wals為Wald檢驗(yàn)統(tǒng)計(jì)量觀測(cè)值；df為自由度；Sig.為概率P值；Exp(B)為回歸系數(shù)風(fēng)險(xiǎn)比；C．I.為置信區(qū)間。

由表3得構(gòu)建的Logistic回歸模型為：

(1)

通過Logistic回歸模型對(duì)曾在配送過程中出現(xiàn)過公共交通違法行為的71.92%的外賣配送員樣本數(shù)據(jù)調(diào)整后，對(duì)比分析“曾發(fā)生過”“未發(fā)生過”公共交通違法行為的2組樣本后發(fā)現(xiàn)：外賣配送員是否發(fā)生公共交通違法行為的影響因素是“平均每月送餐收入”“平均每單配送距離”。由此可知：

1)平均每月送餐收入>10 000元相對(duì)于<2 000元的外賣配送員，在配送過程中前者發(fā)生公共交通違法行為的概率是后者的1.038倍(95%C.I.：2.354-1.316=1.038)[19]。以問卷數(shù)據(jù)中“是否發(fā)生公共交通違法行為”為權(quán)重，將各階段月均收入與“是否發(fā)生過公共交通違法行為”指標(biāo)進(jìn)行交叉分析，所得的概率值作為權(quán)重值，加權(quán)計(jì)算配送員平均每月送餐收入的概率期望，發(fā)現(xiàn)曾出現(xiàn)過公共交通違法行為的配送員平均月收入為6 415元，而未發(fā)生過公共交通違法行為的配送員平均月收入為4 869元。為了提高收入，很多外賣配送員忽視休息與生命安全，甚至自愿開啟“全年無休”模式，形成“隱形強(qiáng)制加班”，長時(shí)間的勞累必然會(huì)影響外賣配送員在交通行駛中的判斷能力，導(dǎo)致公共交通違法行為頻發(fā)。

2)同理，平均每單配送距離>8 km相對(duì)于<2 km的外賣配送員，在配送過程中前者發(fā)生公共交通違法行為的概率是后者的0.416倍(95%C.I.：0.674-0.258=0.416)。同時(shí)根據(jù)樣本數(shù)據(jù)可知，在違法群體中平均配送距離為遠(yuǎn)距離(>6 km)的配送員僅占1.37%，結(jié)合平臺(tái)配送規(guī)定以及訪談?wù){(diào)查可知，遠(yuǎn)距離配送時(shí)限相對(duì)短距離時(shí)限更加寬松，收入更高，是業(yè)內(nèi)的理想訂單。因而擁有高收入及充足配送時(shí)間是減少公共交通違法行為發(fā)生的根本原因。

有一天，穎春開著一輛車來到了野豬坳，她是帶女兒來看我的。秀紅非常熱情地接待了她和女兒，又是殺土雞又是煮野菜的。吃飯的時(shí)候，女兒高興地對(duì)我說，爸爸，告訴你一個(gè)好消息，媽媽當(dāng)官了，是你原來的那個(gè)位置，縣農(nóng)業(yè)局副局長。

通過以上分析可知：“平均每月送餐收入”越大對(duì)公共交通違法行為的發(fā)生有推動(dòng)作用，“平均每單配送距離”越大對(duì)公共交通違法行為的發(fā)生有控制作用。二者是判斷區(qū)分“是否發(fā)生”外賣配送公共交通違法行為的突破口，但其僅能輔助快速找到目標(biāo)群體，并不能為治理方案提供參考措施，因而仍需確定外賣配送公共交通違法的根源，掌握其頻發(fā)的根本因素，可有針對(duì)性地提出解決措施，盡快彌補(bǔ)外賣配送公共交通安全的短板。

3 發(fā)生外賣配送公共交通違法行為意愿的影響因素驅(qū)動(dòng)強(qiáng)度

為了從根本上治理外賣配送公共交通安全問題，需進(jìn)一步將目光聚集到對(duì)社會(huì)公共交通安全有影響的外賣配送員身上，即判斷“一定會(huì)出現(xiàn)”公共交通違法行為的外賣配送員群體受哪些因素驅(qū)動(dòng)，以及不同因素對(duì)此類群體違法意愿強(qiáng)度的影響大小，根據(jù)影響強(qiáng)度大小排序有針對(duì)性地采取不同程度的解決方案。

對(duì)“曾出現(xiàn)過”交通違法行為樣本的違法意愿強(qiáng)度影響因素進(jìn)行分析?？紤]到灰色關(guān)聯(lián)分析法不僅能夠克服由于隨機(jī)調(diào)查對(duì)象存在個(gè)案差異而引起的問卷信息不全面、不容易形成明確概念的缺陷，還能夠?qū)⒃u(píng)價(jià)因素之間的不完全確定關(guān)系進(jìn)行白化的優(yōu)勢(shì)[20]，故選用灰色關(guān)聯(lián)模型分析影響外賣配送發(fā)生公共交通違法行為的影響因素驅(qū)動(dòng)強(qiáng)度。

選取5種交通環(huán)境下外賣配送員的違法意愿作為反映系統(tǒng)行為特征的參考序列，選取影響系統(tǒng)行為特征的因素作為比較序列，根據(jù)相關(guān)性檢驗(yàn)結(jié)果確定影響外賣配送員發(fā)生公共交通違法行為意愿強(qiáng)度的影響因素見表4。各指標(biāo)均采用五維李克特量表度量，變量賦值為“1～5”。

表4 序列選取Table 4 Sequence selection

(2)

由于關(guān)聯(lián)系數(shù)是比較序列與參考序列在各個(gè)樣本的關(guān)聯(lián)程度值，信息過于分散不便于整體性比較，因此通過取平均值集中表示比較序列與參考序列間的關(guān)聯(lián)程度。此外，因素間的關(guān)聯(lián)程度主要是用關(guān)聯(lián)度的大小次序描述，而不僅是關(guān)聯(lián)度的大小，反映了各個(gè)比較序列的“優(yōu)劣”關(guān)系，進(jìn)而通過式(3)計(jì)算得到關(guān)聯(lián)度結(jié)果見表5。

(3)

表5 關(guān)聯(lián)度結(jié)果及排序Table 5 Results and ordering of correlation degree

綜合關(guān)聯(lián)度由樣本中各情境違法意愿超過50%的樣本大小為權(quán)重加權(quán)平均得出，若某種情景下違法意愿超過50%的樣本越多(權(quán)重越大)，說明對(duì)外賣配送群體而言此種違法現(xiàn)象越嚴(yán)重，越應(yīng)該受到重視。結(jié)果表明，外賣配送發(fā)生公共交通違法行為的影響因素驅(qū)動(dòng)強(qiáng)度由強(qiáng)到弱依次為：平均每日接單數(shù)量(0.834 7)、平均每月送餐工作收入(0.834 3)、平均每單配送時(shí)長(0.829 7)、對(duì)騎手意外險(xiǎn)的了解程度(0.828 4)、生活壓力(0.824 8)、對(duì)外賣配送交通安全管理工作的了解程度(0.821 5)、從事送餐工作的時(shí)長(0.819 2)、平均每單配送距離(0.819 0)、送餐工作收入占全部收入的比重(0.818 5)。各因素與外賣配送員公共交通違法意愿的關(guān)聯(lián)度都較高，均達(dá)到0.8以上，說明外賣配送員公共交通違法意愿受以上因素支配較為明顯，同時(shí)由驅(qū)動(dòng)強(qiáng)度可知影響外賣配送員發(fā)生公共交通違法意愿最主要的因素是平均每日接單數(shù)量、平均每月送餐工作收入、平均每單配送時(shí)長。具體分析如下：

1)平均每日接單量大是影響外賣配送員發(fā)生公共交通違法行為意愿的直接因素，而平均每月送餐收入低是影響外賣配送員發(fā)生公共交通違法行為意愿的核心因素。每日接單量和月均收入的分布曲線如圖2所示。由圖2可知，平均每日接單量與配送收入成正比，收入比率與每日接單量成“倒U型”曲線分布，隨著接單量增加，曲線偏態(tài)從“右偏”向“左偏”過度，即接單量越高，峰值“每月收入眾數(shù)”越大。同時(shí)受現(xiàn)行接單量與薪酬強(qiáng)烈相關(guān)的計(jì)酬方式影響，為追求高收入而過度接單是業(yè)內(nèi)普遍現(xiàn)象，形成了“收入隨著接單量增加而提高，同時(shí)配送員出現(xiàn)公共交通違法行為現(xiàn)象也增加”的惡性循環(huán)，成為影響外賣配送發(fā)生公共交通違法行為的直接因素。在如此超負(fù)荷接單量的工作狀態(tài)下，其送餐收入眾數(shù)僅為4 000～6 000元/月。而通過調(diào)查可知外賣配送是81.77%外賣配送員的主要收入來源，每位配送員都存在著多種生活壓力，生活壓力大是其為追求高收入而過度接單、一味求快而出現(xiàn)交通違法行為的核心因素。

圖2 每日接單量和月均收入的曲線分布Fig.2 Curves distribution of daily received orders amount and monthly average income

2)平均每單配送時(shí)長是影響外賣配送員發(fā)生公共交通違法行為意愿的推動(dòng)因素。根據(jù)樣本數(shù)據(jù)可知，在短距離配送中，平均每單配送時(shí)間與配送收入眾數(shù)成反比，平均每單配送時(shí)間<30 min的收入眾數(shù)為6 000～<8 000元，而配送時(shí)間為30～40 min階段的收入眾數(shù)為4 000～<6 000元。受“工資給付按件計(jì)酬”的計(jì)酬方式影響，若配送員想提高收入必須縮短配送時(shí)間換取收入，形成“用生命與時(shí)間賽跑”的高危模式，因此更易在有限時(shí)間內(nèi)出現(xiàn)公共交通違法行為。促使平均每單配送時(shí)長成為導(dǎo)致外賣配送發(fā)生公共交通違法行為的推動(dòng)因素。

4 提出建議

為長期根治外賣配送公共交通違法問題，提出以下建議：

1)政府提供適當(dāng)支持，降低配送員生活壓力，遏制引起公共交通違法行為的核心因素，降低違法意愿，減少違法行為。

2)配送平臺(tái)改善管理機(jī)制，改進(jìn)現(xiàn)行計(jì)酬方式以及獎(jiǎng)懲制度，弱化薪酬與訂單量的關(guān)聯(lián)，隔斷促使公共交通違法行為的直接因素。

3)合理規(guī)劃配送距離與時(shí)間，匹配充足配送時(shí)間，鏟除導(dǎo)致外賣配送發(fā)生公共交通違法行為的推動(dòng)因素，提高社會(huì)公共交通安全。

4)統(tǒng)一出臺(tái)外賣配送公共交通安全管理政策，定期培訓(xùn)教育，強(qiáng)化外賣配送員安全教育與相關(guān)法律學(xué)習(xí)，從內(nèi)在提高公共交通安全認(rèn)知意識(shí)。

5 結(jié)論

1)影響外賣配送員是否會(huì)發(fā)生交通違法行為的因素為平均每月送餐收入和平均每單配送距離，二者是解決該問題的突破口。

2)外賣配送員發(fā)生公共交通違法行為意愿的主要驅(qū)動(dòng)因素是平均每日接單數(shù)量、平均每月送餐收入以及平均每單配送時(shí)長。

3)現(xiàn)行接單量與薪酬強(qiáng)烈相關(guān)的計(jì)酬方式是配送員追求高收入而過度接單的直接因素，生活壓力大迫使配送員以違法換收入是導(dǎo)致該問題的核心因素，而平均每單配送時(shí)長是其推動(dòng)因素。