劉浩，張戎*，諸立超

(1.同濟大學，a.道路與交通工程教育部重點實驗室，b.上海市軌道交通結構耐久與系統(tǒng)安全重點實驗室，上海201804；2.浙江財經(jīng)大學，工商管理學院，杭州310018)

0 引言

我國貨運市場中，公路份額居高不下，鐵路占全社會貨運量的份額始終較低。不合理的貨運結構導致交通排放污染和擁堵問題嚴重，也不利于降低全社會物流成本，提高綜合運輸效率。為優(yōu)化運輸結構，2018年，國務院相繼發(fā)布《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》《推進運輸結構調整三年行動計劃(2018-2020年)》；2019年9月，中共中央、國務院印發(fā)了《交通強國建設綱要》，要求“推進大宗貨物及中長距離貨物運輸向鐵路和水運有序轉移”。上述政策實施以來，大宗貨物、港口集疏運的“公轉鐵”初見成效。但應看到，公路在長三角等經(jīng)濟發(fā)達地區(qū)的非大宗貨物(下稱白貨)中長途運輸市場仍占有很高份額。一個重要原因是，鐵路運輸企業(yè)未能準確掌握托運人貨運方式選擇行為，并提供具有競爭力的貨運服務。研究托運人在不同空間特征、貨物特征和選擇慣性等因素作用下的選擇行為異質性，有利于推動“公轉鐵”。

離散選擇模型已成為分析貨運選擇行為的重要工具，用于評估費用和時間等運輸方式屬性對托運人選擇行為的影響[1]。研究表明，處于不同空間的托運人對費用和時間存在差異化偏好，進而影響其對運輸方式的選擇行為[2]。例如，起訖點空間距離較近的貨運時間價值可能更高[3]。貨物特征也是重要的影響因素，特別是重量和價值[4-5]。選擇慣性是指除考慮各情景中的運輸方式屬性、空間特征和貨物特征之外，托運人選擇原有運輸方式的傾向程度。不考慮選擇慣性會導致對貨運方式選擇行為認知的偏差[6]。

既有研究證實，運輸方式屬性、空間特征、貨物特征和選擇慣性會影響托運人的貨運方式選擇行為，但未將上述因素同時納入模型，不利于準確研究各因素對選擇行為的影響并提出針對性強的“公轉鐵”措施?？臻g距離雖會影響時間價值(Value of Time，VOT)，但因目的地空間特征不同帶來的選擇偏好差異尚未得到深入研究。以地理區(qū)域劃分(華東、華北、東北、西北、華中、華南和西南)表示空間特征，能夠綜合反映不同區(qū)域的運距、貨物品類(價值)和經(jīng)濟發(fā)展水平等差異。研究不同空間特征的時間價值對設計我國鐵路貨運服務產(chǎn)品和精準制定運價策略更具指導性、可操作性和實用性。從建模方法看，既有文獻多采用線性效用的多項Logit模型，混合Logit 模型和交互項等效用函數(shù)形式應用較少，而后者更利于分析選擇行為異質性。

本文聚焦白貨在公路整車和鐵路集裝箱運輸之間的貨運方式選擇，調查對象為滬寧線沿線城市的鐵路集裝箱托運人及其潛在客戶，主要貢獻包括：同時考慮空間特征、貨物特征和選擇慣性對托運人選擇行為的影響，準確描述托運人選擇行為異質性；通過引入空間特征變量和運輸時間變量的交互項，掌握貨運時間價值隨空間的變化特征。研究有助于進一步理解貨運市場托運人選擇行為，為進一步推動“公轉鐵”提供量化指導。

1 問卷調查與數(shù)據(jù)采集

1.1 問卷設計與描述

利用Excel設計一種可根據(jù)托運人填寫的行為偏好(Revealed Preference，RP)信息而自動生成的意向偏好(Stated Preference，SP)問卷。RP問卷中包含托運人公司的基本信息、不同線路的實際運輸信息，后者主要包含線路起訖城市、實際運輸方式、貨物特征(貨物名稱、重量和密度)等。SP問卷調查是一種適應性調查，其情景屬性基準水平與RP關聯(lián)，即起訖點、貨物特征在SP問卷中不變，而運輸時間和費用等發(fā)生變化。SP 情景中，鐵路門到門運輸時間設置為RP 水平的50%和75%，鐵路運輸費用設置為公路RP 水平的85%、90%和95%，而公路水平則保持不變，目的是保證不同方式屬性水平差異的同時降低問卷理解難度。變量不同水平情景組合通過正交設計實現(xiàn)。托運人在每一條填寫的RP信息后，要在基于此RP的4或8個假設情景中進行決策。

1.2 數(shù)據(jù)采集和統(tǒng)計

2019年5月-7月，課題組對上海、南京、鎮(zhèn)江、常州、無錫和蘇州等6個城市的托運人進行面對面訪談，并在筆記本電腦上完成RP 和SP 數(shù)據(jù)采集。最終，共有116名托運人接受并完成調查，292條真實托運信息和1912組有效SP數(shù)據(jù)被收集。所有運輸均以上述6 個城市為起點，運往全國其他城市。與文獻[7]等針對固定起訖點的研究不同，本文根據(jù)目的地所在區(qū)域，將樣本數(shù)據(jù)分為7 類，如表1所示。由于目的地在東北地區(qū)(遼寧)的樣本量遠低于其他區(qū)域，且與華北地區(qū)臨近，故將兩個區(qū)域合并，共6 類。RP 數(shù)據(jù)中起點至6 類區(qū)域的平均距離由近及遠依次為華東、華中、華北(含遼寧)、華南、西南、西北。根據(jù)托運人描述，價值較高的幾類貨物為汽車配件、日用百貨及食品類。樣本數(shù)據(jù)中：華南地區(qū)的高價值貨物占40.6%，其次是西南地區(qū)，38.4%，最低的是華中區(qū)域，僅占13.3%；作為參照的華東區(qū)域，這些貨物占比為25.2%。由于鐵路集裝箱托運人的備選方案往往是公路整車運輸而非集卡運輸，所以費用以噸為單位而不是TEU。表2為主要變量描述及統(tǒng)計，對于不同OD，時間和費用都不相同，故表中不進行統(tǒng)計。0-1 變量的統(tǒng)計采用某一類別在樣本中的占比來描述。

2 貨運方式選擇行為建模

2.1 模型構建及參數(shù)設置

根據(jù)隨機效用理論，托運人n選擇運輸方式i所獲得的效用Uni可表示為可觀測效用Vni與不可觀測效用εni之和，即

表1 不同區(qū)域的觀察值數(shù)量Table 1 Observations in different regions

表2 變量定義及描述統(tǒng)計Table 2 Definition of variables and descriptive statistics

托運人n選擇效用最大備選方案i的概率為

根據(jù)式(1)和式(2)，當εni服從獨立同分布的極值類I 分布假設時，可推導多項Logit(Multinomial Logit，MNL)模型概率公式為

式中：J為選擇方案數(shù)量，本文中J=2；j=1，2 分別代表公路運輸和鐵路運輸。

混合Logit(Mixed Logit，ML)模型放松了隨機項之間獨立同分布的假設，允許參數(shù)服從某一分布而非固定值。ML 模型的選擇概率是MNL 概率在其參數(shù)密度函數(shù)上的積分，即

式中：f(β)為密度函數(shù)；Lni(β)為參數(shù)β的Logit概率，即

式中：Vnj(β)為依賴于參數(shù)β的效用。通常情況下，Vnj(β)為影響因素xni與其系數(shù)向量β′乘積的線性關系，ML模型選擇概率為

本文將反映空間特征、貨物特征和選擇慣性等若干虛擬變量納入離散選擇模型，效用函數(shù)形式為

式中：cni為托運人n面臨方式i的運輸費用變量值；tni為托運人n面臨方式i的運輸時間變量值，其余變量符號及解釋如表2所示；βc，βt，βqjt，βf，βg，βh為待估參數(shù)；AASC為常數(shù)項。

MNL模型和ML模型均被用于估計參數(shù)。ML模型中費用和時間參數(shù)均被假設為隨機參數(shù)，兩者均服從正態(tài)分布時，模型擬合效果最佳，并作為最終結果。

2.2 參數(shù)估計及模型優(yōu)度

使用SP 數(shù)據(jù)估計模型參數(shù)，表3為NLOGIT 6.0軟件的估計結果。

表3 參數(shù)估計結果Table 3 Parameter estimation results

總體來看，費用和時間參數(shù)的符號均為負，符合預期。一般而言，Mcfadden 決定系數(shù)ρ2(0)達到0.2～0.4，即可認為模型取得了較好結果?？紤]參數(shù)量的修正系數(shù)更能客觀反映模型精度。兩種模型的均大于0.3，說明它們能夠對托運人選擇行為做出良好解釋。ML 模型相比MNL 模型，提升約3%，表明托運人存在顯著的選擇偏好異質性，故以下分析均基于ML模型參數(shù)估計結果。

2.3 參數(shù)分析及應用

參數(shù)βf、βg和βh對應的3個變量均屬于選項不變特征變量，其變量不隨選擇枝發(fā)生變化，通常設置在J-1個備選方案的效用函數(shù)式中。

托運人公司性質變量參數(shù)βf為負，表明貨代比貨主更傾向于選擇鐵路運輸，這可能與當前主流的鐵路運輸經(jīng)營模式相關，即許多貨代攬貨并與鐵路運輸企業(yè)簽訂協(xié)議，承諾一定的運量并獲得價格優(yōu)惠政策。協(xié)議承諾的運量越大，貨代所獲得的鐵路運價優(yōu)惠力度越大。另外，調研了解到，貨主專注于生產(chǎn)和制造，更偏好于便利靈活的公路整車運輸。

βg顯著為正，表明托運人具有保持原有決策不變的特性。屬性價值計算(βg與βc之比)結果顯示慣性對方式選擇效用的影響等同于14.9元?t-1的費用對效用的影響。換言之，當其他屬性保持不變時，由于慣性的存在，只要原方式的每噸運費增加不超過14.9元，托運人仍傾向于原有運輸方式。為推動當前選擇公路的托運人使用鐵路，鐵路營銷部門應主動宣傳鐵路服務產(chǎn)品，降低托運人對公路運輸?shù)倪x擇慣性。

鐵路貨物運輸中將密度小于333 kg ?m-3的貨物稱為輕泡貨物，反之為重質貨物。在與托運人訪談中發(fā)現(xiàn)：40 ft通用集裝箱標記載重(約26.6 t)與容量(約76.4 m3)之比約為1∶3，與上述劃分輕重貨的密度臨界值標準一致，20 ft 通用集裝箱(約27.5 t，33.2 m3)的該比值約為1.0∶1.2，更適合裝載重質貨物；而公路車型種類豐富，特別是17.5 m 長的平板車及相近車型，其標記載重與容量之比小于1∶3，更適合裝載輕泡貨物。表3中βh為負，表明與輕泡貨物相比，重質貨物更傾向于選擇鐵路集裝箱運輸。因此，重質貨物相對容易轉向鐵路運輸，應成為“公轉鐵”的首要目標。

3 空間特征影響下的時間價值

引入交互項可驗證不同空間區(qū)域，運輸時間相同的OD 對效用是否有差異化的影響，換言之，空間特征與運輸時間之間是否存在交互效應。VOT是反映托運人選擇行為偏好的重要估計量，可解釋為時間和貨幣的邊際替代率，計算公式為

式中：Vqj為目的地在區(qū)域qj時，托運人為節(jié)約單位運輸時間愿意支付的貨幣值；j=0，1，2，3，4，5，當j=0 時，βqjt為0，Vq0反映的是目的地在華東區(qū)域的時間價值。

除j=4 外，βqjt均在0.15 水平上顯著為正。交互項參數(shù)影響了VOT，符號為正意味著更低的VOT。βq4t不顯著，表明運往華南區(qū)域的VOT 并沒有與目的地在華東地區(qū)的VOT 表現(xiàn)出顯著差異。根據(jù)ML 模型結果，各區(qū)域VOT 計算結果如表4所示。

表4 時間價值的估計Table 4 Estimation of VOTs

總體來看，運往不同空間區(qū)域的貨運VOT 存在差異，中北部地區(qū)VOT 較低，而東部、南部地區(qū)VOT 相對較高，這是由運距、貨物品類(價值)和經(jīng)濟發(fā)展水平等因素綜合作用的結果。具體而言，目的地在華東區(qū)域的運距遠小于其他區(qū)域，且該區(qū)域經(jīng)濟發(fā)展水平最高，故VOT 最高；華南、西南地區(qū)雖運距較遠，但華南地區(qū)經(jīng)濟較發(fā)達，兩區(qū)域的高價值貨物占比分別位居前兩位，故表現(xiàn)出較高的VOT；華中地區(qū)雖運距較近，但其高價值貨物占比最低，且經(jīng)濟發(fā)展水平僅高于西部地區(qū)，綜合表現(xiàn)出的VOT最低。

不同空間區(qū)域的VOT為鐵路部門明確產(chǎn)品服務改善的重點、制定和優(yōu)化運價策略提供了新思路。對于VOT 較高的華東和華南區(qū)域，重點是改善鐵路運輸時間。例如，提高集裝箱班列產(chǎn)品的旅行速度，減少列車運行時間；優(yōu)化車站發(fā)送、到達作業(yè)流程，壓縮貨物在車站的時間；優(yōu)化兩端短駁組織，減少短駁運輸和銜接時間。此外，從時間價值的含義出發(fā)，VOT 可為貨運服務產(chǎn)品改善后的精準調價提供定量依據(jù)：以上海-廣州鐵路集裝箱班列為例，列車運行時間約30 h，兩端短駁、站內等待時間和作業(yè)時間約24 h。2019年上海-廣州棠溪站的鐵路集裝箱運量約16 萬t(1.46 萬TEU)。在效用不變前提下，假設通過優(yōu)化措施使鐵路門到門全程時間減少5 h，理論上托運人愿意為每噸貨物多向鐵路支付約4.85元，上述運量的貨運收入可增加約77.6 萬元。另外，差異化的VOT 也為不同區(qū)域基礎設施投資的成本收益分析提供了測算基礎。

4 結論

本文依據(jù)在滬寧線6個城市采集的SP數(shù)據(jù)，構建考慮運輸方式屬性、空間特征、貨物特征和選擇慣性等的貨運方式選擇行為模型。結果表明：混合Logit 模型結果優(yōu)于多項Logit 模型；重質貨物更傾向于鐵路運輸，這與裝載工具的標記載重與容量之比相關；托運人對當前運輸方式存在選擇慣性；貨代相比貨主更傾向于選擇鐵路集裝箱運輸；由于不同空間的運距、貨物品類(價值)和經(jīng)濟發(fā)展水平等因素差異，目的地區(qū)域不同的貨運時間價值差異明顯，中北部地區(qū)VOT 較低，而東部、南部地區(qū)VOT相對較高。距離較近、貨物價值較高及經(jīng)濟發(fā)達地區(qū)的VOT 可能更高。不同空間特征下的差異化VOT，有利于針對不同空間通道制定個性化的價格策略，并據(jù)此分析貨運收益。