張榮花，關宏志，趙 磊，朱海燕

（1.北京工業(yè)大學 建筑工程學院，北京 100124；2.交通工程北京市重點實驗室，北京 100124；3.北京易華錄信息技術股份有限公司，北京 100043；）

0 引言

近年來，我國很多城市對私家車實行限行限購等政策，因私家車高價購買、低頻使用造成的資源閑置與浪費問題日益嚴峻。從大眾對汽車的消費觀來看，許多人對車輛不再以擁有為主，而是逐漸傾向于租賃。汽車共享服務，又稱分時租賃汽車。它是一種以分鐘或小時為計價單位，為出行者提供自助式車輛預訂、車輛取還及費用結算的出行模式。2017 年，國家相關部門發(fā)布了《關于促進小微型客車租賃健康發(fā)展的指導意見》[1]，提出汽車共享服務不但可以改善用戶出行體驗，為城市出行提供一種新的選擇，也會在一定程度上緩解城市私人小汽車保有量快速增長的趨勢。目前，汽車共享服務在我國正處于發(fā)展初期，探究汽車共享服務對城市出行者出行方式選擇產生的影響，分析出行行為前端的內在影響因素，有利于促進汽車共享服務發(fā)展，同時對于政府明確汽車共享服務在城市綜合交通運輸體系中的合理定位，形成多層次、差異化的城市交通出行體系，具有重要意義。

近年來，國內外學者關于汽車共享服務問題進行了大量的定性與定量研究。定性研究方面，Stefano 等[2]分析了汽車共享服務的可行性，并進一步探討了影響出行者選擇汽車共享服務行為的決定因素；Burak 等[3-4]認為不同需求、車站可達距離、補貼水平、電池充電性能、時間空間靈活性等都會影響出行者對汽車共享服務的選擇行為；Balac 等[5]研究發(fā)現(xiàn)停車價格會對汽車共享使用需求產生影響；羅薇等[6]發(fā)現(xiàn)性別、受教育程度、感知共享汽車信息量、信息準確性均會對出行者的共享汽車使用強度和未來使用意愿產生影響；施建剛等[7]認為交通共享產品的有用性、易用性、個人可持續(xù)發(fā)展理念、強制性政策和規(guī)范壓力會影響出行者的實際使用行為；鄭迪斐[8]認為共享汽車的車況與性能、運營模式、安全性、使用效率、呈現(xiàn)方式等均會影響用戶體驗；徐慧亮[9]的研究表明，績效期望、社會影響、個體創(chuàng)新等會對用戶行為產生影響；史樂峰等[10]研究發(fā)現(xiàn)，共享汽車的租還便捷性和單車駕乘體驗度對租賃價格的制定影響較大；吳嬌蓉等[11]運用情景分析法，研究發(fā)現(xiàn)加密分時租賃小汽車的布點、縮短車外時間會提高出行者的使用意愿；Scott 等[12]發(fā)現(xiàn)政府支持汽車共享會對城市私家車的擁有量產生影響。

定量研究方面，Xu 等[13]構建了混合整數(shù)非線性規(guī)劃模型，以利潤最大化為目標，探討了汽車共享站點布局、定價及調度問題；楊耀坤等[14]通過實際調查數(shù)據(jù)進行情景預測，以年利潤為目標函數(shù)，探究影響電動汽車分時租賃項目的動態(tài)成本分布和收益的因素；趙俊麗等[15]運用灰色模糊分析法，通過實例對城市共享汽車選址方案進行綜合分析決策；Lin 等[16]提出了一種新的圖像模糊多準則決策（Multi-Criterion Decision Making,MCDM）模型以解決汽車共享站點的選址問題；Zhu 等[17]為了幫助系統(tǒng)操作員提前分配車輛以滿足用戶需求，提出了準確流量預測模型；劉向等[18]建立NL模型，探究用戶電動汽車分時租賃出行選擇行為的影響因素，并計算了各出行方式的分擔率和敏感度；鞠鵬等[19]通過考慮心理潛變量，建立了混合選擇模型以探討出行者的汽車共享選擇行為；惠英等[20]研究發(fā)現(xiàn)在外環(huán)以內居住、家庭已擁有私家車的出行者更傾向于選擇共享汽車。

綜上可知，定性方面的研究著重于探究汽車共享服務使用意愿、使用行為的影響因素以及對社會的影響；定量研究主要集中于汽車共享服務的站點布局、定價、調度、選址等問題。截至目前，鮮少有學者從出行者個人屬性及汽車共享服務特征的角度出發(fā)，探究汽車共享服務對城市出行者出行方式選擇的影響。為此，本文擬將汽車共享服務、出租車與地鐵3 種出行方式作為選擇肢，通過網(wǎng)絡問卷調查的方式獲取出行者交通行為的基礎數(shù)據(jù)，并選擇出行距離、汽車共享收費標準作為效用函數(shù)的特征變量，構建多項Logit（Multinomial Logit,MNL）模型，然后對模型進行參數(shù)估計，分析汽車共享服務對出行者出行方式選擇行為的影響。

1 問卷設計及樣本描述性統(tǒng)計

1.1 問卷設計

本研究通過問卷調查的方式獲取受訪者的各項屬性指標，以分析出行者的行為特征和選擇意愿，為交通行為模型構建獲取基礎數(shù)據(jù)。本次調查分行為調查（Revealed Preference,RP）和意向調查（Stated Preference,SP）兩種。調查項目包括出行者的個人屬性信息、出行特征信息及在不同情境下出行方式選擇意愿3 部分。其中，出行方式選擇意愿調查部分以2 種出行距離及分別對應的2 種汽車共享服務收費標準作為研究變量，分別設置2個水平、4個不同出行場景，具體如表1所示。每個場景在給定出行距離后，以北京市實際情況為例，假設出租車和地鐵兩種出行方式的出行費用為定值，且出行方式的出行時間可借助百度地圖估算，要求受訪者在汽車共享、出租車、地鐵3種交通方式中進行選擇。

表1 SP調查屬性及水平值設置

1.2 樣本描述性統(tǒng)計

本研究借助“問卷星”微信小程序于2019年9月份發(fā)放網(wǎng)絡問卷，共回收240份，剔除明顯不合理或題項回答前后矛盾的問卷，最終獲得204份有效問卷，有效回收率為85.0%。樣本信息分布如表2 所示，男女性別比例較均衡，年齡在18～40 歲的中青年占比為92.16%，以未婚為主；職業(yè)為公務員或事業(yè)單位職員、公司普通職員及學生的受訪者占比達86.28%，受訪者月收入集中于3000～10000 元；學歷為本科及以下的受訪者占48.04%，碩士及以上的占51.96%；最常使用交通工具以“地鐵+公交車”、地鐵為主，日常通勤單程距離≤10km的受訪者占比為78.42%。

表2 樣本信息統(tǒng)計結果

表2 （續(xù)）

對問卷調查結果進行統(tǒng)計分析，結果如表3所示。

表3 出行特性統(tǒng)計

由表3可知：

（1）受訪者最希望汽車共享服務網(wǎng)點設置于火車站、機場、長途汽車客運站、居住區(qū)、工作區(qū)、商業(yè)服務區(qū)、市區(qū)郊外旅游景點等；

（2）受訪者使用共享汽車的主要目的以短途旅游、休閑娛樂居多。

2 模型構建

本研究基于非集計模型的隨機效用理論，通過構建MNL非集計模型，從概率的角度探究考慮汽車共享服務的出行方式選擇行為，然后通過對模型進行參數(shù)估計，定量地分析影響出行者出行方式（汽車共享、出租車、地鐵）選擇行為的主要因素。

2.1 理論基礎

非集計模型以實際產生交通活動的個人為基本單位，假定作為行為決策單元的個人在一個可以選擇且選擇方式相互獨立的集合中會選擇對自己效用最大的交通方式，由此引入效用最大化行為假說。該假說是所有非集計模型的理論基礎和必須服從的前提條件。其中，效用是指出行者綜合考慮費用、時間及舒適度等多因素后，對某種出行方式作出決策后所獲得的滿足感。非集計模型理論假定效用是服從一定分布的隨機變量，它與可選方式的特性和選擇者個人的社會經(jīng)濟屬性有關，且每個個體都會選擇效用最大的選擇肢[21]。

MNL模型構建基本流程如圖1所示。

圖1 MNL模型建模流程

2.2 確定效用函數(shù)

根據(jù)隨機效用最大化理論，出行者在條件一定的情況下，會選擇效用最大的方案。出行者n選擇出行方式i的效用函數(shù)為：

式（1）中：Uin為出行者n選擇出行方式i的效用函數(shù)；Vin為出行者n選擇出行方式i的效用函數(shù)中的固定項，主要包含可觀測的出行時間、出行費用等方案特性，以及年齡、性別、職業(yè)等個人屬性等；εin為出行者n選擇出行方式i的效用函數(shù)中的概率項，包含不可觀測的其他因素引起的隨機項。

為了方便計算，假設Vin與特征變量Xin呈線性關系：

式（2）中：β0為常量；βk為待定系數(shù)；為出行者n選擇出行方式i的第k個變量值，且k∈[1,8]。

由此，出行者n選擇出行方式i的概率Pin為：

式（3）中：An為可供出行者n選擇的出行方式集合；j為An中的某一種出行方式；Ujn為出行者n選擇出行方式j的效用函數(shù)。

3 模型結果分析

3.1 模型擬合及檢驗

本研究應用SPSS軟件進行數(shù)據(jù)處理，將汽車共享服務作為參考方式，以因變量和自變量的最后一個分類水平作為參照，考察不同水平間的傾向。應用MNL模型對樣本數(shù)據(jù)進行統(tǒng)計分析，反復比較分析似然比檢驗值及估計參數(shù)，最終得到模型的擬合信息和似然比檢驗結果，如表4所示。

表4 模型擬合信息

由表4 可知，在模型的擬合信息表中，最終模型的卡方值為161.706，顯著性小于0.05，表明最終模型優(yōu)于僅有截距的模型，因而更具有統(tǒng)計意義，通過檢驗。

模型的偽決定系數(shù)方值（Cox 和Snell 為0.180,Nagelkerke 為0.214,McFadden 為0.108）均不高，說明模型對原始變量變異的解釋程度一般。

模型似然比檢驗結果如表5 所示，其中顯著性水平表明6 個影響因素對模型構成均有顯著貢獻，研究這些自變量存在實際意義。因此，最終進入模型的效應包括截距、性別、年齡、最常使用交通工具、汽車共享服務收費標準、出行距離及日常通勤單程距離。

表5 模型似然比檢驗結果

3.2 參數(shù)估計

通過SPSS軟件的輸出結果可知，本文所建模型的整體命中率為64.1%。檢驗自變量對交通方式選擇的影響，得到參數(shù)估計結果，如表6所示。

表6 參數(shù)估計結果

由表6 可知，性別、年齡、最常使用交通工具、日常通勤單程距離、出行距離以及汽車共享服務收費標準均對出行者的出行方式選擇行為具有顯著性影響。

以汽車共享服務為參考方式，就出租車出行而言：

（1）日常通勤單程距離（20～30km）、出行距離對出行者選擇出租車具有顯著的負向影響，結果表明：①與選擇汽車共享服務出行相比，日常通勤單程距離為20～30km 的出行者選擇出租車的概率會小一些；②出行距離的系統(tǒng)估計值為-0.425，表明出行距離越長，出行者選擇出租車出行的概率就越小，即選擇汽車共享服務出行的概率越大。

（2）年齡、性別、日常通勤單程距離（≤20km）、汽車共享服務收費標準對出行者選擇出租車具有顯著的正向影響，結果表明：①出行者年齡越大，選擇出租車出行的概率越大；②在出租車與汽車共享服務兩種出行方式可供選擇的情況下，女性更傾向于選擇出租車，而男性更傾向于選擇汽車共享服務；③日常通勤單程距離在20km 以內的出行者選擇出租車的概率較大；④汽車共享服務收費標準越高，出行者選擇出租車的概率越大。

以汽車共享服務為參考方式，就地鐵出行而言：

（1）年齡、性別、最常使用交通工具（地鐵、公交、地鐵+公交）、日常通勤單程距離、汽車共享服務收費標準對出行者選擇地鐵具有顯著的正向影響，結果表明：①年齡越大，出行者選擇地鐵出行的概率越大；②女性更傾向于選擇地鐵出行；③出行者的最常使用交通工具為公共交通方式時，選擇地鐵出行的概率較大；④汽車共享服務收費標準越高，出行者選擇地鐵的概率越大。

（2）最常使用交通工具（私家車）、出行距離對出行者選擇地鐵具有顯著的負向影響，結果說明：①當出行者的最常使用交通工具為私家車時，相較于地鐵，其選擇汽車共享服務的概率更大；②出行距離越長，汽車共享服務被選擇的概率越大。

4 結論

本文基于網(wǎng)絡調查數(shù)據(jù)，利用MNL非集計模型對考慮汽車共享服務的出行方式選擇行為進行了研究，并運用SPSS軟件定量分析了出行者個人屬性和汽車共享服務屬性等對汽車共享服務選擇行為的影響，研究表明：

（1）性別、年齡、最常使用交通工具、日常通勤單程距離、出行距離和汽車共享服務收費標準均對出行者汽車共享服務的選擇行為具有顯著影響；

（2）在汽車共享服務和出租車兩種方式選擇分析中，日常通勤距離為20～30km 時，隨著出行距離的增大、汽車共享服務收費標準的降低，出行者選擇汽車共享服務的概率越大，而當出行者的日常通勤距離在20km 以內時，更傾向于選擇出租車；

（3）在汽車共享服務和地鐵兩種方式選擇中，隨著出行距離的增大、汽車共享服務收費標準的降低，出行者選擇汽車共享服務的可能性增大，而當出行者的最常使用交通工具為公共交通方式時，其更傾向于選擇地鐵。

因此，為了提高汽車共享服務被選擇的概率，運營商及相關部門可結合適用人群的出行需求，合理設置網(wǎng)點位置、制訂合理的收費標準、明確適用的出行距離，使其與城市公共交通、出租車等多種出行方式共同形成多層次、差異化的城市交通出行體系。

本文只考慮了汽車共享服務對大城市出行者日常出行方式（地鐵和出租車）的影響，而未就其對現(xiàn)實中其他交通方式（如公交車、網(wǎng)約車等）的影響展開研究。今后，可針對不同類型城市，全面考慮可供居民選擇的出行方式，深度剖析汽車共享服務對城市居民出行方式選擇的內在影響，為政府相關部門及汽車共享服務運營商的政策制定提供理論依據(jù)。