馮飛宇,李興華,郭赟韜,晏 康

(1.福建理工大學 交通運輸學院,福建 福州350118;2.同濟大學 道路與交通工程教育部重點實驗室,上海 201804)

0 引 言

在互聯網 + 、大數據、云計算等技術的助力下,網約車由于其可為乘客提供點到點的出行服務[1-3]得到了迅速的發(fā)展,逐漸成為城市交通的重要組成部分。網約車的持續(xù)發(fā)展改變了城市居民的出行行為,影響著城市交通的出行結構及城市生態(tài)。根據中國互聯網絡信息中心發(fā)布的《第50次中國互聯網絡發(fā)展狀況統(tǒng)計報告》[4],截至 2022年6月,我國網約車用戶規(guī)模已經達到4.05億人,部分私家車、出租車或公共交通的出行需求已轉移至網約車。交通轉移水平可用網約車使用頻率來表征,即單位時間內出行者的網約車使用次數。為了掌握出行行為改變的內在機理,有必要分析網約車使用頻率的影響因素,以為城市交通管理提供參考。

業(yè)內學者針對社會經濟特征、出行行為、心理感知和建成環(huán)境等因素采用離散選擇模型對網約車使用頻率的潛在影響進行了大量研究,結果表明:年輕、較高收入和高學歷水平的出行者傾向于更頻繁地使用網約車[5-8];出租車使用頻率高或公共交通使用頻率低的出行者使用網約車頻率較高[6,9];擔憂服務安全性的出行者傾向于不使用或很少使用網約車[6-7,10];后疫情時代,擔憂感染病毒的出行者傾向于降低網約車使用頻率[11-12];有強烈環(huán)保意識、積極擁抱信息技術和追求新鮮感的出行者網約車使用頻率較高[6-7];居住在城市、高人口密度或高就業(yè)密度區(qū)域的出行者有更高的網約車使用頻率[5-7]。上述研究綜合分析了網約車使用頻率的影響因素,但未區(qū)分出行目的(通勤/非通勤),且主要以固定參數模型為分析模型,較少考慮用戶異質性,導致參數估計結果有偏差。

筆者以通勤為研究情景,對上海市居民開展線上意向調查(revealed preference, RP),獲取后疫情時代通勤者的網約車使用頻率及影響因素;采用隨機參數有序Probit模型評估不同因素對網約車使用頻率的影響效果;提出了網約車管理措施建議。

1 問卷設計與調查

2021年9月,筆者通過問卷星平臺向上海市居民隨機發(fā)放調查問卷,受訪者年齡須大于等于18歲,且工作與居住地均在上海。問卷內容包括社會經濟特征調查、通勤特征調查和心理感知調查3部分。心理感知調查項目見表1,社會經濟特征調查及通勤特征調查項目及調查結果見表2。本次調查共收到1 630份有效調查樣本數據,樣本基本涵蓋了不同性別、年齡、收入水平、學歷水平等特征的通勤者,各類群體均有足夠樣本量,表明樣本具備多樣性和代表性。

表1 心理感知調查項目

表2 社會經濟特征及通勤特征

由表2可知:

1)受訪者男女比例相當,40歲以下的受訪者超過70%,本科及以上學歷的受訪者超過60%,年收入高于9.5萬元的受訪者超過60%,超半數的受訪者為擁車者。相較于上海市總體人口比例,即18～35歲居民低于總人口的20%、平均年薪為10萬元左右、擁車家庭不足40%[13],受訪者群體更為年輕、有更高的收入且機動車保有量更多。

2)短距離、中距離和長距離通勤者的比例各占約三分之一,47.43%受訪者通勤出行時間在上午08:00之前,超60%受訪者每月加班2次以上,居住在上海郊區(qū)(外環(huán)以外區(qū)域)的受訪者比例為55.95%。由此可見,受訪者的通勤距離分布相當,居住地址的城郊分布相對均衡,通勤出發(fā)時間有顯著的集中趨勢,加班比例較高。

利用李克特量表(Likert scale)對通勤者的網約車認知變量進行測量,即感知疫情風險(PR)、感知舒適便捷(PC)、感知安全(PS)及感知實惠(PA)等,測量統(tǒng)計結果見圖1。

圖1 心理感知特征Fig. 1 Characteristics of psychological perception

由圖1可見:大部分受訪者基本認可網約車的舒適便捷以及安全可靠,同意或非常同意網約車是一種舒適、便捷的交通方式,表達了對網約車平臺提供的人身安全保障措施的信任;僅42.44%的受訪者認可網約車價格實惠,使用網約車可節(jié)約通勤成本;40.62%的受訪者擔憂使用網約車感染新冠疫情。

2 隨機參數有序Probit模型

由于網約車使用頻率為有序變量,因此可用隨機參數有序Probit模型來分析網約車使用頻率的影響因素和用戶異質性。Probit模型誤差項服從正態(tài)分布,可繞過有序Logit模型的比例優(yōu)勢假設,在研究得到更廣泛應用[14-16]。

首先,定義效用變量Zn為影響通勤者n決策的自變量向量組Xn與誤差擾動項εn的線性組合,如式(1):

Zn=βXn+εn

(1)

式中:β為待估參數向量。

為刻畫通勤者的異質性,隨機參數有序Probit模型將式(1)中待估參數向量β改寫成待估隨機參數向量βn,假設其服從正態(tài)分布,則βn等于β中各參數均值組成的向量組βav加上隨機誤差向量αn,如式(2):

βn=βav+αn

(2)

待估隨機參數向量βn的取值隨通勤者n的變化而變化,一般采用Halton法隨機抽取300次進行估值。

為不失一般性,將網約車使用頻率y的文字型有序變量轉化為數值型,如將每月0、<2、2～3、4～8、>8次分別轉化為0、1、2、3、4,根據式(3),可由通勤者n效用函數推導出網約車使用頻率水平y(tǒng):

(3)

式中:μ0、μ1、μ2、μ3分別為決定網約車使用頻率的閾值估計參數,通常μ0= 0,μ1、μ2、μ3通過模型估計所得[15-16]。

通勤者n的任意網約車使用頻率水平y(tǒng)的概率Py,如式(4):

(4)

式中:Φ為服從標準正態(tài)分布的累積分布函數;其他符號同前。

為了解某個自變量的改變對網約車使用頻率水平概率的影響,需要對公式(4)求偏導,獲取相應變量的邊際效應。如:自變量向量中第k個連續(xù)自變量變化一個單位或啞變量從“0”變?yōu)椤?”,可按式(5)計算邊際效應:

(5)

式中:φ為標準正態(tài)分布密度函數;xk為自變量向量中第k個變量;βk為第k個變量對應的待估參數;其他符號同前。

3 結果分析

為篩選出影響變量,筆者進行了Kendall相關性分析,結果如圖2,圖中空白處為不顯著的相關系數?？梢?網約車使用頻率與大部分調研變量均存在顯著的相關性,同時所有變量均滿足非共線性的要求,調研變量可作為影響變量進一步建模分析。

圖2 Kendall相關系數Fig. 2 Kendall correlation coefficients

為了易于分析與解釋,筆者將與網約車使用頻率顯著相關的變量編成分類變量或啞變量,最終變量如表3。將變量分別放入有序Logit模型、有序Probit模型和隨機參數有序Probit模型中進行擬合估計。在初始隨機參數模型中,假設所有變量均為隨機參數,通過模型估計,僅參數方差在95%的置信水平內顯著的參數方為隨機參數,否則為固定參數,固定參數僅保留在95%的置信水平下顯著的相關變量,最終模型估計結果如表3。平均邊際效應如表4。

表3 模型估計結果

表4 平均邊際效應

由表3可知,2個參考模型——有序Probit模型與有序Logit模型——的擬合結果無顯著差異,與隨機參數有序Probit模型相比,該2個參考模型的R2較小,赤池信息量準則和最大似然值較大,表明隨機參數有序Probit模型具有更優(yōu)的擬合度和解釋能力。

對表3、表4進行分析如下。

3.1 社會經濟特征

年齡、收入、車輛保有量等變量對網約車通勤使用頻率有顯著影響,這已有研究結果[6-10]相似。與中老年群體相比,年輕群體更傾向頻繁地使用網約車,屬于核心用戶,而中老年群體更少地使用網約車服務重要的原因之一是中老年群體較少接觸和使用互聯網及智能科技,對智能手機的操作僅停留在簡單通話和微信功能。然而,部分中老年群體存在體力有限,行動不便等問題,對點到點的出行需求更為迫切。為更好地適應中老年群體的出行需求,建議在中老年人經常光顧的地點增加廣告宣傳,開發(fā)對中老年人群體友好的應用程序,為出行困難的中老年群體提供接送服務。

相較于非中高收入群體,中高收入群體擁有更高的網約車使用頻率,因其更有意愿和能力為改善通勤質量支付較高的出行費用。隨著社會經濟的持續(xù)發(fā)展,人們生活水平有望進一步提高,中高收入群體將進一步增加,未來城市居民對公共交通需求逐漸減少,對網約車需求逐漸增加,將加劇城市交通擁堵和用車不足的情況。有序發(fā)展網約式拼車提高網約車利用率,有助于緩解交通擁堵的產生。建議發(fā)放特定時段的運營牌照,允許更多私家車使用者為順路乘客提供拼車服務,減少未來可能存在的用車壓力。

相較于低擁車量或無車群體,高擁車量群體傾向使用私家車出行,因而網約車使用頻率較低。可見,網約車更可能對無車或低擁車量群體的通勤行為產生影響。為滿足城市交通的可持續(xù)發(fā)展,通過擁堵收費、車位控制、單雙號限行等交通管理措施對私人交通需求進行限制,同時,提供高占率車道、為高利用率車輛提供專用車位等激勵措施鼓勵私家車共乘,促進私人交通需求向共享或公共交通轉移。

3.2 通勤特征

出發(fā)時間、通勤距離、住宅區(qū)位和加班頻率對通勤使用頻率有顯著的影響。

較早出行與10:00以后出行相比,兩者的通勤者網約車使用頻率差別不大,而正點和晚點出行的通勤者有更高的網約車使用頻率,通勤者存在集中出行的傾向,可能導致該時段網約車需求驟升,增加用車壓力。目前,市場已采用分時定價和網約式拼車優(yōu)先配對等方式對網約車需求進行管理,在一定程度上促使網約車用戶錯峰出行和激勵用戶選擇共乘。在后續(xù)管理中,可根據管理需求將網約快車(專車)等方式納入私家車的管理中,進行擁堵收費,進一步鼓勵網約車向共乘共享發(fā)展。

相較于短距離通勤者,中距離和長距離通勤者擁有更高的網約車使用頻率。短距離通勤時,地鐵、公交車和自行車等能以較低的價格提供相對舒適和便捷的通勤服務,網約車通行無顯著的性價比優(yōu)勢。中、長距離通勤時,通勤者可能面臨長時間等待與忍受公共交通擁堵的乘車環(huán)境,或面臨長時間駕駛和停車困難等問題,在一定程度上,網約車可為中、長距離通勤者提供舒適便捷的小汽車出行。

相較于郊區(qū)住戶,市區(qū)住戶有更高的網約車使用頻率。市區(qū)車輛供給更為充足且配套設施更加完善,服務水平更高,因而市區(qū)用戶有更高的網約車使用頻率。這表明城市郊區(qū)仍有較大的增量空間,開發(fā)郊區(qū)特別是公共交通可達性較低的區(qū)域具有重要意義。建議為郊區(qū)提供一定補貼或降低傭金費率,以吸引車輛前往郊區(qū)提供服務,改善郊區(qū)通勤環(huán)境。同時,可考慮構建公共交通與網約車一體化的服務體系,解決公共交通最后一公里通達問題,改善公共交通的通達性。

加班頻率為隨機參數,由均值(0.65)和方差(12.98)可知:相較于非頻繁加班者,69.5%的頻繁加班者有更高的網約車使用頻率,這類群體可能認為網約車提供了舒適、放松的乘車環(huán)境,可緩解擁擠的公共交通的乘車壓力、長時間行車的駕駛壓力、夜間無法獲得公共交通服務的精神焦慮。然而,亦有部分頻繁加班者很少或未曾使用網約車,可能的原因是:這部分頻繁加班者對網約車的安全性及可達性表示擔憂,他們擔心無法及時獲得網約車服務,更擔心夜間行車人身的安全。為此,建議①提供預約功能以解決偏僻地區(qū)叫車困難的問題;②提供緊急聯系人、快速報警和實時行程共享功能以保障夜間乘客的人身安全。

3.3 心理感知特征

感知舒適便捷、感知實惠、感知安全和感知疫情風險對通勤者使用頻率有顯著的影響。

感知安全、感知實惠均為固定參數,影響不存在異質性,即感到安全和實惠的通勤者有更高的網約車使用頻率。若網約車的價格和安全無法滿足通勤者要求,則通勤者將降低網約車使用頻率,這充分說明了價格和安全是影響通勤者決策的關鍵因素。

由表4可知:認可網約車舒適便捷的出行者更頻繁地使用網約車,并且感知舒適便捷的待估參數為隨機參數,說明個體之間存在異質性。再由表3的感知舒適便捷均值(0.19)和方差(5.64)可知:相較于不認可舒適便捷的通勤者,大部分認可舒適便利的通勤者(98%)有更高的網約車使用頻率,不過,仍有極小部分有更低的網約車使用頻率,可能的原因是:這部分通勤者屬于低收入或擔憂網約車安全的群體,盡管他們認可網約車的舒適便捷,但價格或者安全才是影響網約車使用頻率的關鍵因素[16]。為此,可提供出行套餐(為購買套餐的用戶提供更大的價格優(yōu)惠)或實施激勵計劃(為經常使用服務的活躍用戶提供更多折扣或獎勵)以降低網約車的使用成本。建議嚴格審查運營車輛工況、司機職業(yè)素養(yǎng)和思想道德,以及添加報警和實時定位功能以保障網約車使用者的人身安全。

同理,感知疫情風險為隨機參數,由均值(0.32)和方差(7.40)可知:相較于低感知疫情風險的通勤者,77.34%擔憂疫情風險的通勤者有更低的網約車使用頻率。可見后疫情時代,衛(wèi)生健康安全成為共享交通進一步發(fā)展的制約因素。然而,亦有部分擔憂疫情風險的通勤者有更高的網約車使用頻率,可能的原因是:該部分通勤者面臨小汽車使用成本較高、使用不便等問題,盡管認為網約車存在一定的疫情風險,但由于難以找到可替代的高質量出行方式而不得不使用網約車。為此,后疫情時代,須確保車輛的定期消毒、駕駛員佩戴口罩以及憑健康碼打車等以滿足乘客對共享交通的衛(wèi)生健康安全需要。

4 結 語

為分析網約車通勤使用頻率的影響因素及用戶異質性,在上海開展線上的RP調查,獲取通勤者的社會經濟特征、通勤特征以及心理感知特征等潛在影響因素,并利用隨機參數有序Probit模型估計不同因素的影響效果。結果表明:年輕群體、中高收入群體、市區(qū)住戶、中長距離通勤者、認可網約車實惠和安全的通勤者傾向更頻繁地使用網約車;大部分頻繁加班群體和認可網約車舒適便捷的群體有更高的網約車使用頻率,而小部分很少使用網約車,群體存在異質性;價格和安全因素可能是導致異質性的關鍵所在。