陳玲娟，趙文超

（武漢科技大學(xué) 汽車與交通工程學(xué)院，湖北 武漢 430070）

0 引 言

“出行即服務(wù)（Mobility as a Service, MaaS）”正引起廣泛關(guān)注，其核心是交通出行一體化，其內(nèi)涵是將多種出行方式整合在統(tǒng)一體系，最優(yōu)調(diào)配資源、最大限度滿足不同出行需求的一體化出行服務(wù)生態(tài)。相較于既有出行平臺(tái)，其綜合資源融合度更加全面，多方參與、統(tǒng)一管理、資源共享的模式能促進(jìn)公交優(yōu)先，實(shí)現(xiàn)低碳、聯(lián)合出行。

然而，與傳統(tǒng)的交通方式相比，新型的出行模式在推廣和面向用戶時(shí)會(huì)遇到諸多問題。用戶接受度是平臺(tái)運(yùn)營的關(guān)鍵，用戶出行行為研究可為MaaS 平臺(tái)運(yùn)營模式及執(zhí)行框架提供思路[1]。MaaS 用戶試驗(yàn)已在全球多國范圍廣泛展開[2-4]，Q Ho 等[5]基于悉尼Whim 試驗(yàn)，回歸分析了異質(zhì)用戶個(gè)體出行偏好對(duì)MaaS 平臺(tái)支付意愿的影響；Liljamo 等[6]發(fā)現(xiàn)降低出行費(fèi)用能提升MaaS用戶吸引力，并就定價(jià)范圍給出了建議[7]；Vc A 等[8]采用SP 調(diào)查，發(fā)現(xiàn)用戶更傾向于統(tǒng)一定價(jià)方案；Matyas 等[9]探討了個(gè)性化服務(wù)通知、存儲(chǔ)路徑偏好等MaaS 定制化出行方案對(duì)用戶選擇意愿的影響；Guidon 等[10]認(rèn)為MaaS“出行服務(wù)套餐”相比由不同交通方式提供獨(dú)立服務(wù)有更大的市場(chǎng)潛力；Ye 等[11]運(yùn)用UTAUT 模型研究了感知風(fēng)險(xiǎn)、個(gè)人創(chuàng)新等心理變量對(duì)用戶選擇偏好的影響。既有研究側(cè)重于對(duì)用戶選擇偏好、MaaS 定價(jià)策略及出行模式調(diào)查，而對(duì)于用戶意愿的相關(guān)研究較少。在MaaS 初期實(shí)施階段，分析用戶群對(duì)新模式的接受度和關(guān)鍵因素，精準(zhǔn)識(shí)別用戶需求，構(gòu)建MaaS 最佳運(yùn)營模式和發(fā)展路徑，是實(shí)現(xiàn)MaaS 優(yōu)質(zhì)出行服務(wù)的有力保障。

因此，本文依據(jù)行為計(jì)劃理論（TPB） 對(duì)潛變量的分類，深度剖析MaaS 框架中的關(guān)鍵因子，構(gòu)建潛變量問題項(xiàng)，識(shí)別用戶心理因素對(duì)MaaS 行為意向的作用機(jī)理；同時(shí)采用嵌套Logit 模型[12-13]研究MaaS 下的出行選擇行為，通過邊際效應(yīng)計(jì)算獲取出行時(shí)間及費(fèi)用等相關(guān)顯變量對(duì)MaaS 用戶吸引力的影響。研究結(jié)果從決策心理和出行行為兩個(gè)角度分析MaaS 的用戶接受度特性，指出吸引用戶的關(guān)鍵要素，發(fā)展方向及執(zhí)行框架。

1 調(diào)查數(shù)據(jù)及檢驗(yàn)

MaaS 是近年來全球交通領(lǐng)域出現(xiàn)的新理念，其核心是通過一體化交通出行和一站式服務(wù)，提升市民出行體驗(yàn)。但是MaaS的內(nèi)涵、標(biāo)準(zhǔn)和發(fā)展模式并沒有統(tǒng)一的標(biāo)準(zhǔn)，不同國家和城市的MaaS 側(cè)重點(diǎn)和發(fā)展階段也有很大差別，不同類型模式的MaaS系統(tǒng)的用戶選擇意愿和影響因素差異較大。相關(guān)研究指出可考慮會(huì)員制來作為初期吸引用戶的措施[12-13]，本文引入會(huì)員制消費(fèi)模式，會(huì)員繳納會(huì)費(fèi)并享有訂單優(yōu)先權(quán)、折扣和乘車優(yōu)惠卡等平臺(tái)激勵(lì)策略。

1.1 問卷設(shè)計(jì)

問卷內(nèi)容包含3 部分：第1 部分為被調(diào)查者的社會(huì)屬性，從性別、私家車保有情況、教育程度、收入及年齡等設(shè)置問題以保證調(diào)查對(duì)象的全面性；第2 部分為表征用戶接受度的心理潛變量；第3 部分為MaaS 下出行方式的選擇意愿調(diào)查。本文調(diào)查數(shù)據(jù)僅覆蓋城市內(nèi)移動(dòng)出行細(xì)分服務(wù)領(lǐng)域，而未涉及城際出行方式。第2 部分和第3 部分的問卷內(nèi)容具體如下。

1.1.1 基于TPB 的心理潛變量設(shè)計(jì)

MaaS 出行理念用戶接受度屬于個(gè)體心理決策行為，適合應(yīng)用TPB 模型從用戶角度探索行為態(tài)度、主觀規(guī)范、感知行為控制等因素對(duì)其接受度的影響作用。本文從MaaS 平臺(tái)執(zhí)行框架、運(yùn)營模式，服務(wù)質(zhì)量等角度出發(fā)，采用TPB 理論對(duì)調(diào)查類別進(jìn)行歸類，構(gòu)建影響MaaS 用戶接受度的關(guān)鍵問題。

其中行為態(tài)度調(diào)查用戶對(duì)基礎(chǔ)服務(wù)、增值項(xiàng)目與隱私保護(hù)的心理態(tài)度，主觀規(guī)范調(diào)查用戶對(duì)運(yùn)營主體、團(tuán)體支撐及平臺(tái)效益劃分的信賴度，感知行為控制調(diào)查個(gè)體出行效用的構(gòu)成要素及權(quán)重。行為習(xí)慣分析用戶對(duì)經(jīng)驗(yàn)出行的依賴度和新模式的接受度。同時(shí)，為驗(yàn)證會(huì)員制的有效性，在TPB 模型中新增變量——會(huì)員模式出行態(tài)度（VA），并設(shè)置相應(yīng)問題項(xiàng)。所有潛變量定義及問題的具體設(shè)置如表1 所示：

表1 問卷調(diào)查內(nèi)容

問卷采用Likert 五級(jí)量表測(cè)量，根據(jù)出行需求、用戶體驗(yàn)建立打分規(guī)則，其范圍從“非常不同意”到“非常同意”，賦值范圍定義為1 到5。

1.1.2 出行方式選擇的顯變量設(shè)計(jì)

吸引更多用戶采用聯(lián)合出行是搭建MaaS 體系的重要目標(biāo)，因此本節(jié)分析用戶出行選擇機(jī)理，探討MaaS 接受度的顯變量影響機(jī)制。設(shè)定出行方式包括傳統(tǒng)出行模式(ALLold )及MaaS 新型出行模式(PTnew )，后者聚合城市多種出行方式，集成票務(wù)預(yù)訂、在線支付、買票住宿、擁擠度查詢等功能，推出優(yōu)惠套餐。其中，傳統(tǒng)出行方式包括私家車(ca r )和公共交通(bu s )，新模式包括MaaS 普通出行(ma 1 )和會(huì)員出行(ma 2 )。效用函數(shù)的特征變量包括出行費(fèi)用(C )、等待與換乘時(shí)間(W )及車內(nèi)時(shí)間(T )。

在SP 情景中設(shè)置中短途和長途2 個(gè)場(chǎng)景，出行時(shí)間和費(fèi)用的取值結(jié)合了所在城市的出租車打表數(shù)據(jù)、軌道交通票價(jià)及行程時(shí)間的實(shí)際情況取平均值，PTnew 基于現(xiàn)有的交通方式，利用技術(shù)綜合匹配乘客出行的時(shí)間成本、金錢成本和對(duì)環(huán)境影響，協(xié)調(diào)不同運(yùn)營主體間的利益，特征變量取值設(shè)置參考UbiGo、Whim，相比ALLold，定價(jià)更低。

同時(shí)，由于顯變量的研究重點(diǎn)在于分析MaaS 新模式在時(shí)間和費(fèi)用上的優(yōu)勢(shì)對(duì)用戶的吸引力度，特征變量的相對(duì)值及比較優(yōu)勢(shì)更重要，因此場(chǎng)景設(shè)置上僅選取了幾組代表性數(shù)據(jù)，而在結(jié)果分析中更看中邊際效應(yīng)分析。情景示例中特征變量和特征值的設(shè)計(jì)如表2 所示：

表2 SP 情景示例取值范圍

采用正交試驗(yàn)方法設(shè)計(jì)出行場(chǎng)景，為提高SP 調(diào)查效率，刪除具有明顯優(yōu)勢(shì)的方案后，各生成12 個(gè)出行方式選擇問題。同時(shí)考慮到受訪者在填寫問卷時(shí)存在倦怠心理，將12 個(gè)場(chǎng)景情景設(shè)計(jì)問題平分至4 份問卷，即每份問卷包含3 個(gè)中短途和3 個(gè)長途出行場(chǎng)景。

1.2 數(shù)據(jù)來源及檢驗(yàn)

本文采用的數(shù)據(jù)來源于2021 年武漢市MaaS 平臺(tái)用戶接受度的問卷調(diào)查，在武漢武昌火車站地鐵站對(duì)出行者進(jìn)行調(diào)查，共調(diào)查出行者751 人，實(shí)際回收679 份，包含情景假設(shè)4 074 個(gè)。有效樣本中，平均年齡為29.45 歲；女性占比58.7%；家庭擁有小汽車占比46.2%；42.3%為本科及以上學(xué)歷。對(duì)被調(diào)查者社會(huì)經(jīng)濟(jì)屬性進(jìn)行交叉統(tǒng)計(jì)中發(fā)現(xiàn)受訪者中年齡在25～40 歲的男性、女性分別占比57%、63%，與實(shí)際相符，也驗(yàn)證了收集樣本的均衡性。

潛變量的數(shù)據(jù)檢驗(yàn)從信度和效度兩方面評(píng)價(jià)，檢驗(yàn)結(jié)果如表3 所示，驗(yàn)證性因子分析中，Cronbach's α 系數(shù)在0.679 至0.859 之間，組合信度均大于0.75，表明潛變量間有較強(qiáng)的內(nèi)部穩(wěn)定性和一致性；探索性因子中，主成分因子唯一且特征值均大于1，解釋總方差均在60%以上，平均方差提取值均大于0.5，表明數(shù)據(jù)有較強(qiáng)的可靠性和準(zhǔn)確性。

表3 因子分析和α 系數(shù)

2 基于結(jié)構(gòu)方程模型的潛變量分析

2.1 模型假設(shè)

在TPB、習(xí)慣驅(qū)動(dòng)行為理論等相關(guān)文獻(xiàn)綜述的基礎(chǔ)上，結(jié)合馬斯洛需求層次理論，分析表1 中問題的相關(guān)性，提出關(guān)系假設(shè)，假設(shè)路徑圖如圖1 所示，圖中箭頭方向表示變量間存在關(guān)聯(lián)影響。

圖1 MaaS 平臺(tái)用戶接受意向的研究模型和假設(shè)研究

2.2 模型定義

采用結(jié)構(gòu)方程模型（Structural Equation Modeling, SEM） 分析潛變量間的相互關(guān)系。式（1）、式（2） 分別表示結(jié)構(gòu)方程模型的測(cè)量方程和結(jié)構(gòu)方程：

式中：潛變量按是否受其他變量的影響分為內(nèi)生、外生潛變量，分別定義為X、Y，表示為表1 中x1～x10、y1～y8；ξ 為3個(gè)外生潛變量，具體為表1 中AT、PBC、SN，η 為內(nèi)生潛變量，具體為HB、INT、VA；Λx、Λy 分別為X 對(duì)ξ、Y 對(duì)η 的因子負(fù)荷矩陣；B、Γ 分別為內(nèi)生、外生潛變量與其觀測(cè)變量間的相關(guān)系數(shù)矩陣；δ、ε、ζ 為誤差項(xiàng)。

2.3 出行者潛在心理變量分析

本文選取卡方自由度(χ2/df )、近似誤差均方根(RMSEA )、相對(duì)擬合指數(shù)(CF I )、擬合優(yōu)度指數(shù)(GF I )為指標(biāo)判斷模型的適配程度，運(yùn)用軟件AMOS 24.0 求解模型，其中，計(jì)算得到χ2/df=1.903，RMSEA=0.066，GFI=0.930，該數(shù)值表明模型能較準(zhǔn)確預(yù)測(cè)協(xié)方差矩陣和相關(guān)矩陣，CFI=0.907 表明理論模型和生成模型較接近。各項(xiàng)指標(biāo)檢驗(yàn)表明該模型擬合度良好、可用性較高且參數(shù)估計(jì)準(zhǔn)確。

利用SEM 對(duì)潛變量間的關(guān)系進(jìn)行分析，根據(jù)調(diào)查數(shù)據(jù)，由式（1）、式（2） 計(jì)算得到參數(shù)標(biāo)定值及潛變量間的標(biāo)準(zhǔn)化系數(shù)。圖2 中路徑上的數(shù)字為標(biāo)準(zhǔn)化負(fù)荷系數(shù)，系數(shù)上標(biāo)“**”表示p＜0.01，“***”表示p＜0.001。

圖2 潛變量間的標(biāo)準(zhǔn)化路徑系數(shù)

AT、SN、PBC、HB 與INT 間的影響均達(dá)到95%置信度的顯著性(p＜0.05 )，如圖2 所示，各潛變量對(duì)INT 的影響作用依次排序?yàn)椋篈T (0.4 8***)、SN (0.4 3***)、VA (0.3 4***)、PBC (0.3** )、HB (-0 .26**)。其中，AT、SN 的影響對(duì)行為意向的總效應(yīng)最大，用戶對(duì)MaaS 初期運(yùn)營模式的支持程度，及對(duì)運(yùn)營主體、團(tuán)體支撐及平臺(tái)效益劃分信賴度的提升是提高M(jìn)aaS 平臺(tái)用戶吸引力最關(guān)鍵的指標(biāo)。

驗(yàn)證性因子載荷系數(shù)均超過0.6，表明變量與問題項(xiàng)間關(guān)系顯著，數(shù)值的大小表明觀測(cè)變量對(duì)其潛變量的反應(yīng)程度。AT 的觀測(cè)變量標(biāo)準(zhǔn)化負(fù)荷系數(shù)中，相比個(gè)性化服務(wù)x2()、隱私保護(hù)x3()，基礎(chǔ)服務(wù)x1()提升受到用戶更廣泛的關(guān)注。由SN 的觀測(cè)變量可知，用戶對(duì)團(tuán)體支撐x5()及運(yùn)營主體x4()的信賴度相比廣告投放x6()更有可能提升用戶選擇平臺(tái)的意愿。PBC 中，4 個(gè)測(cè)量變量較為接近，操作便利性x9()是用戶選擇加入MaaS 的主要需求。HB 中，對(duì)系統(tǒng)給定的規(guī)劃行程不會(huì)完全執(zhí)行的用戶y2()，對(duì)于MaaS 理念的接受度最低。

3 基于嵌套Logit 模型的MaaS 選擇行為研究

3.1 嵌套Logit 模型

3.2 參數(shù)結(jié)果標(biāo)定及分析

通過Nlogit6.0 軟件編程求解，構(gòu)建嵌套logit 模型，判斷特征變量對(duì)用戶出行方式選擇是否具有顯著影響，得到結(jié)果如表4所示。C、W、T 的P 值均小于0.05，表明出行費(fèi)用、等待和換乘時(shí)間及車內(nèi)時(shí)間對(duì)出行者出行方式的選擇均有顯著影響。嵌套Logit 模型的偽R2為0.242，表明該模型具有較高精度，擬合度較優(yōu)。

表4 回歸系數(shù)

由參數(shù)系數(shù)可知，T 對(duì)于出行者選擇行為的效用更大，以W 的系數(shù)為基準(zhǔn)，得到C、T 的相對(duì)系數(shù)分別為2.33、4.03，即C、T 降低1 個(gè)單位，等于W 減少2.33、4.03 分鐘。

為更加深入了解顯性因子對(duì)出行選擇的影響，深層挖掘用戶MaaS 接受度特性及機(jī)理，對(duì)新模式下的邊際效應(yīng)進(jìn)行分析，結(jié)果如表5 所示。

表5 邊際效應(yīng)分析 單位：%

如表5 所示，以ma2 為例，在其他變量保持不變的情況下，當(dāng)C、T 降低1%時(shí)，選擇ma2 的概率增加0.89%、1.79%，而選擇car 的概率降低0.56%、1.38%。由結(jié)果可知會(huì)員模式在出行費(fèi)用及車內(nèi)時(shí)間的競爭力主要體現(xiàn)在私家車出行上，當(dāng)MaaS投入市場(chǎng)后，可以從定價(jià)策略、出行時(shí)耗兩方面來吸引用戶，從而改變用戶的小汽車出行理念。

ma1 中，T 每增加一個(gè)單位時(shí)，選擇ma2 的用戶將增加0.32%。MaaS 會(huì)員模式以時(shí)間優(yōu)勢(shì)轉(zhuǎn)移部分MaaS 普通出行用戶，在MaaS 實(shí)施初期，平臺(tái)可以充分發(fā)揮短時(shí)的優(yōu)勢(shì)誘導(dǎo)用戶加入會(huì)員出行，鞏固MaaS 用戶群體。

4 結(jié)束語

本文基于問卷調(diào)查，從心理潛變量和出行顯變量兩方面研究用戶對(duì)MaaS 的接受度，得到如下結(jié)論：（1） 心理潛變量分析中，發(fā)現(xiàn)操作便利對(duì)行為意向有顯著影響，平臺(tái)可通過構(gòu)建“家人共享”功能，吸引老年用戶群體，并為首次出行的用戶提供視頻教程及免費(fèi)體驗(yàn)活動(dòng)；基礎(chǔ)服務(wù)提升相比平臺(tái)增值項(xiàng)目、預(yù)約停車更有可能提升用戶選擇平臺(tái)的意愿，因此，在MaaS 框架布局中，平臺(tái)要在基礎(chǔ)功能上為用戶提供更為優(yōu)質(zhì)的服務(wù)；（2） 顯變量分析中，相比于步行時(shí)間，出行者更在意行程時(shí)間和出行費(fèi)用，MaaS 平臺(tái)可以通過集中調(diào)度，綜合融合資源及信息，降低行程時(shí)間及成本，從而誘使私家車用戶轉(zhuǎn)移到MaaS 平臺(tái)，促進(jìn)公交優(yōu)先、降低小汽車流量。

本文在識(shí)別影響用戶MaaS 接受意愿因素中，僅從潛變量和顯變量兩個(gè)方面進(jìn)行分析，考慮年齡、性別、職業(yè)、收入等的分群研究在后續(xù)研究中可以進(jìn)一步討論。