劉春光，邵夢(mèng)汝，谷曉寧，左新羽，陳 超

（1.山東交通學(xué)院頓河學(xué)院，山東 濟(jì)南 250357；2.埃因霍溫理工大學(xué)建筑環(huán)境學(xué)院，荷蘭 埃因霍溫5600 MB；3.大連理工大學(xué) 汽車(chē)工程學(xué)院，遼寧 大連 116024；4.長(zhǎng)安大學(xué) 電子與控制工程學(xué)院，陜西 西安 710064）

0 引言

近年來(lái)，全球面臨著日益嚴(yán)峻的氣候變化和環(huán)境污染問(wèn)題，各國(guó)政府和社會(huì)各界越來(lái)越關(guān)注低碳出行方式的推廣和實(shí)踐[1]。2010 年，我國(guó)提出“二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值，努力爭(zhēng)取2060 年前實(shí)現(xiàn)碳中和”的“雙碳”目標(biāo)。2021年公布的《“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》也明確提出了關(guān)于綠色發(fā)展、降低碳排放的任務(wù)。

就交通領(lǐng)域而言，降低交通碳排放不僅需要技術(shù)上的創(chuàng)新，還需要居民出行行為向綠色出行轉(zhuǎn)變[2]。在此背景下，低碳消費(fèi)券作為一種新型的環(huán)保政策措施，逐漸被政府所重視，旨在通過(guò)獎(jiǎng)勵(lì)和激勵(lì)的方式，促進(jìn)居民選擇更加環(huán)保、低碳的出行方式[3]。低碳背景下出行方式選擇的影響因素已成為國(guó)內(nèi)外研究熱點(diǎn)。Wu等人[4]和Geng等人[5]對(duì)居民低碳出行行為的研究結(jié)果顯示，公交系統(tǒng)越完善，低碳理念的普及程度和低碳出行的比例就越高。文獻(xiàn)[5]～文獻(xiàn)[8]則指出，政府的干預(yù)和碳相關(guān)政策對(duì)于低碳出行方式的選擇具有顯著的、積極的作用。Huang 等人[9]和景鵬等人[10]評(píng)估了受訪(fǎng)者的主觀態(tài)度和環(huán)保意識(shí)在其選擇出行方式中的引導(dǎo)作用。機(jī)場(chǎng)作為城市綜合交通運(yùn)輸體系重要的基礎(chǔ)設(shè)施，是人們跨區(qū)域出行的重要場(chǎng)所。機(jī)場(chǎng)客流不斷增加，對(duì)城市交通網(wǎng)絡(luò)造成的壓力也逐步增大，如何引導(dǎo)出行者選擇更高效、便捷、低碳的機(jī)場(chǎng)地面通達(dá)方式已成為當(dāng)前研究的熱點(diǎn)。國(guó)內(nèi)外學(xué)者對(duì)旅客進(jìn)出機(jī)場(chǎng)交通方式的選擇進(jìn)行了大量研究。Akar[11]對(duì)乘客的航班、汽車(chē)使用態(tài)度、出行方式偏好、社會(huì)人口因素等進(jìn)行分析，通過(guò)二元Logit模型研究了乘客選擇低碳出行方式的興趣偏好，結(jié)果證明了出差、個(gè)人出行以及自愿減少私家車(chē)使用頻率的人群更有可能選擇低碳出行方式前往機(jī)場(chǎng)。秦?zé)赖热薣12]則通過(guò)對(duì)比分析大型機(jī)場(chǎng)私家車(chē)短時(shí)停車(chē)行為，建立出行者短時(shí)停車(chē)出行方式選擇模型，發(fā)現(xiàn)了提高停車(chē)收費(fèi)和改善公共交通服務(wù)水平對(duì)減少私家車(chē)出行比例的引導(dǎo)作用。李欣悅等人[13]根據(jù)乘客的個(gè)人屬性和出行特征對(duì)乘客進(jìn)行細(xì)分，構(gòu)建了多類(lèi)出行信息條件下的出行方式選擇模型，用以?xún)?yōu)化機(jī)場(chǎng)信息誘導(dǎo)系統(tǒng)，引導(dǎo)乘客的出行方式選擇。

此外，隨著城市的快速發(fā)展和生活節(jié)奏的加快，行程時(shí)間不確定性對(duì)出行者路徑選擇及出行方式選擇的影響愈發(fā)明顯。在行程時(shí)間不確定性對(duì)出行路徑選擇的影響方面：基于前景理論，張楊[14]分析了出行者在行程時(shí)間不確定情況下的出行路徑選擇行為，結(jié)果顯示大多數(shù)出行者在選擇出行路徑時(shí)會(huì)規(guī)避行程時(shí)間不確定的線(xiàn)路；王文穎[15]研究了行程時(shí)間不確定性對(duì)路徑選擇的影響，結(jié)果行程出行時(shí)間的不確定對(duì)出行人數(shù)幾乎沒(méi)有影響，但對(duì)出行者的路徑選擇具有一定程度的影響。在行程時(shí)間不確定性對(duì)出行方式選擇的影響方面：Kim 等[16]引入行程時(shí)間歷史發(fā)生頻次的概念，研究了行程時(shí)間不確定性對(duì)共享汽車(chē)選擇偏好的影響；Tam 等[17]通過(guò)對(duì)行程時(shí)間可靠性的評(píng)估，結(jié)合陳述性選擇偏好實(shí)驗(yàn)分析其對(duì)出行方式選擇的影響，多項(xiàng)Logit選擇模型標(biāo)定結(jié)果量化了安全邊際津貼、行程時(shí)間可靠性和感知服務(wù)質(zhì)量對(duì)香港國(guó)際機(jī)場(chǎng)地面通達(dá)方式選擇的影響。以上文獻(xiàn)均表明，在對(duì)居民出行方式選擇的研究中，不應(yīng)忽略行程時(shí)間不確定這一重要因素。

綜上，低碳政策、環(huán)保態(tài)度、公共交通完善程度均影響著居民出行方式的選擇。既有文獻(xiàn)中的低碳政策主要體現(xiàn)在碳排放收費(fèi)、限制購(gòu)車(chē)、個(gè)人碳交易等方面[8,18]，對(duì)低碳消費(fèi)券這種新興的低碳激勵(lì)政策的研究較少。而以西安咸陽(yáng)國(guó)際機(jī)場(chǎng)為例，機(jī)場(chǎng)的統(tǒng)計(jì)數(shù)據(jù)顯示，目前前往該機(jī)場(chǎng)的約60%的出行者選擇的是非公共交通方式。為此，本文將以西安咸陽(yáng)國(guó)際機(jī)場(chǎng)地面通達(dá)方式選擇為例，基于混合累積前景理論-多項(xiàng)Logit（Cumulative Prospect Theory-Multinomial Logit,CPTMNL）模型，通過(guò)收集分析受訪(fǎng)者的相關(guān)數(shù)據(jù)，探究低碳消費(fèi)券、居民環(huán)保意識(shí)及行程時(shí)間不確定性對(duì)公共交通、出租車(chē)、私家車(chē)等機(jī)場(chǎng)地面通達(dá)方式選擇行為的影響。

1 問(wèn)卷設(shè)計(jì)

1.1 影響因素及因素水平的確定

在設(shè)計(jì)調(diào)查問(wèn)卷前，需確定選擇實(shí)驗(yàn)中的選擇集、影響因素以及因素水平。通過(guò)對(duì)西安咸陽(yáng)國(guó)際機(jī)場(chǎng)地面通達(dá)方式現(xiàn)狀的分析，本文將私家車(chē)（包括自駕和第三人送行）、出租車(chē)（包括網(wǎng)約車(chē)）和公共交通（包括公交車(chē)和定制公交）確定為選擇實(shí)驗(yàn)中的選擇集。

相關(guān)文獻(xiàn)表明，出行場(chǎng)景在選擇決策中扮演著重要的角色[19]。本研究中，情景變量主要涉及出行距離和攜帶行李數(shù)量?jī)蓚€(gè)因素。為減少不確定因素的影響，本研究?jī)H考慮固定的出行距離（30 km），并且結(jié)合日常機(jī)場(chǎng)出行的現(xiàn)實(shí)情況，確定了攜帶行李數(shù)量為0、1、2等3種情況。

針對(duì)私家車(chē)的相關(guān)屬性，本研究主要考慮了平均行程時(shí)間、可能的行程時(shí)間延誤/提前、延誤/提前的概率、行程費(fèi)用和停車(chē)費(fèi)用。其中，根據(jù)西安市30 km 距離的平均行程時(shí)間，本研究將平均行程時(shí)間設(shè)置為固定的50 min?？紤]到存在潛在異常情況或突發(fā)事件的可能，本研究將行程時(shí)間延誤/提前設(shè)定為（-2 min,10 min,22 min）、（-6 min,5 min,16 min）和（-10 min,0 min,10 min）等3 個(gè)水平，并給出了相應(yīng)延誤/提前的概率，分別是（5%,40%,55%）、（10%,60%,30%）和（25%,30%,45%）。結(jié)合西安市實(shí)際出行情況，將私家車(chē)的30 km 行程費(fèi)用設(shè)定為30元、40 元、50 元，將私家車(chē)的停車(chē)費(fèi)用設(shè)定為0 元/h、6 元/h、12元/h。

考慮到出租車(chē)與私家車(chē)的某些相似性，本研究將出租車(chē)的平均行程時(shí)間、可能的行程時(shí)間延誤/提前、延誤/提前的概率這3個(gè)影響因素及其對(duì)應(yīng)的水平值設(shè)定為與私家車(chē)一致。但由于出租車(chē)的運(yùn)營(yíng)成本和便捷性均高于私家車(chē)，其行程費(fèi)用也普遍高于私家車(chē)。因此，本文將出租車(chē)的行程費(fèi)用設(shè)定為80 元、95 元、110 元。除此之外，相比于私家車(chē)，出租車(chē)的空駛率更低，這在一定程度上減少了碳排放。因此，為了調(diào)查居民對(duì)碳減排的態(tài)度，本研究特別考慮了碳減排比例這一影響因素，并將碳減排比例設(shè)定為0、-20%、-40%等3個(gè)水平。

相比于前兩種出行方式，公共交通的行駛路線(xiàn)與個(gè)人行程需求的貼合度較低，其運(yùn)行線(xiàn)路往往會(huì)增加出行者的行程時(shí)間及換乘次數(shù)。因此，本研究將公共交通的平均行程時(shí)間設(shè)定為80 min（高于私家車(chē)和出租車(chē)），換乘次數(shù)設(shè)定為0、1、2。由于公共交通工具啟停點(diǎn)較多，會(huì)造成運(yùn)行時(shí)間誤差累積，故公共交通相較于私家車(chē)和出租車(chē)有更多的行程時(shí)間延誤/提前以及更大的延誤/提前概率。因此，本文將公共交通的行程時(shí)間延誤/提前水平值設(shè)定為（-3 min,5 min,13 min）、（-8 min,0 min,8 min）和（-13 min,-5 min,2 min），將延誤/提前概率分別設(shè)定為（10%,70%,20%）、（10%,75%,15%）和（10%,80%,10%）。由于公共交通具有公益屬性，其行程費(fèi)用也相應(yīng)有所降低，因此本文將公共交通的行程費(fèi)用設(shè)定為20元、25元、30元。此外，公共交通的節(jié)能減排作用較出租車(chē)大幅提升，故將公共交通的碳減排比例設(shè)定為-50%、-70%、-90%等3個(gè)水平。

需要指出的是，低碳消費(fèi)券補(bǔ)貼是政府為了改變居民交通出行結(jié)構(gòu)、減小私家車(chē)出行方式分擔(dān)率進(jìn)而達(dá)到低碳減排目的所采取的措施。結(jié)合西安市居民人均收入及咸陽(yáng)機(jī)場(chǎng)地面商業(yè)消費(fèi)的平均水平，本研究擬定針對(duì)公共交通方式發(fā)放低碳消費(fèi)券補(bǔ)貼，有0元、5元、10元等3個(gè)補(bǔ)貼標(biāo)準(zhǔn)，并通過(guò)陳述性選擇偏好實(shí)驗(yàn)調(diào)查分析出行方式變化趨勢(shì)。選擇實(shí)驗(yàn)中影響因素及因素水平見(jiàn)表1。

表1 選擇實(shí)驗(yàn)的影響因素及因素水平

1.2 實(shí)驗(yàn)設(shè)計(jì)

鑒于本實(shí)驗(yàn)中考慮的影響因素及對(duì)應(yīng)的水平值較多，采用全面試驗(yàn)設(shè)計(jì)法生成所有可行的情景組合交由被調(diào)查者填寫(xiě)是不現(xiàn)實(shí)的。因此，本文采用正交試驗(yàn)設(shè)計(jì)法保留了部分具有代表性的情景組合方案，一共64種。為了進(jìn)一步簡(jiǎn)化，在被調(diào)查者同意參與調(diào)查后會(huì)隨機(jī)抽取其中8 個(gè)情景組合方案，請(qǐng)被調(diào)查者在對(duì)應(yīng)組合方案下做出他們的選擇。圖1 展示了其中一種情景組合方案實(shí)例。

圖1 選擇實(shí)驗(yàn)中某一情景組合方案

2 模型建立

由于交通狀況的不確定性，采用前述3 種地面出行方式前往機(jī)場(chǎng)時(shí)均存在潛在的行程時(shí)間延誤/提前，并且這一因素的值本身也具有一定的不確定性。因此，構(gòu)建一個(gè)能夠準(zhǔn)確考慮出行者在不確定環(huán)境下做出風(fēng)險(xiǎn)決策的模型十分必要。既有的風(fēng)險(xiǎn)決策行為模型主要基于期望效用理論、后悔理論以及前景理論等。相比于期望效用理論中對(duì)理性行為的假設(shè)，前景理論對(duì)不確定環(huán)境下選擇行為的解釋更加合理。因此，本文通過(guò)構(gòu)建混合CPT-MNL 模型對(duì)不確定環(huán)境下居民的出行方式選擇進(jìn)行研究。

2.1 不確定因素的累積前景理論模型

本文考慮影響出行方式選擇的變量可以分成兩類(lèi)：確定性因素和不確定性因素。為了對(duì)不確定性因素進(jìn)行處理，本文首先引入累積前景理論的相關(guān)概念。前景理論模型能夠合理地對(duì)不確定環(huán)境下決策者的選擇行為進(jìn)行解釋?；谠撃Ｐ偷南嚓P(guān)原理，出行者n在選擇場(chǎng)景s下對(duì)備選出行方式i的不確定性因素u（即可能的行程時(shí)間延誤/提前）的第k種可能值（k∈K，表示不確定性因素共有K種可能值）的感知價(jià)值可以由式（1）計(jì)算得出：

除此之外，出行者對(duì)概率的感知度也呈現(xiàn)差異性。既有文獻(xiàn)表明，人們通常更關(guān)注小概率事件而低估大概率事件[20]。概率權(quán)重函數(shù)通過(guò)對(duì)客觀概率進(jìn)行相應(yīng)的非線(xiàn)性轉(zhuǎn)換來(lái)體現(xiàn)這一現(xiàn)象。本文通過(guò)將等級(jí)依賴(lài)效用理論中的偏好等級(jí)依賴(lài)的權(quán)重決策機(jī)制引入前景理論，構(gòu)建了累積前景理論模型重要的組成部分，即排序依賴(lài)的概率加權(quán)函數(shù)[21-23]。數(shù)學(xué)表達(dá)式如下：

式（8）中：γ和δ為待估參數(shù)。

基于上述定義的決策值和排序依賴(lài)的概率加權(quán)函數(shù)，針對(duì)不確定因素（即行程時(shí)間延誤/提前）的累積前景理論模型部分可以由式（9）表示，即：行程時(shí)間延誤/提前的主觀值等價(jià)于所有可能延誤/提前時(shí)間的前景值的累加。

式（9）中：πn,s,i,k為式（3）～式（6）對(duì)行程時(shí)間延誤/提前對(duì)應(yīng)概率值非線(xiàn)性轉(zhuǎn)換的綜合表示。

2.2 混合CPT-MNL模型

除2.1 節(jié)中考慮的不確定性因素外，確定性因素同樣會(huì)對(duì)出行者的交通方式選擇行為產(chǎn)生影響?；诙囗?xiàng)Logit 模型的基本思想[8,16]，本文通過(guò)引入擴(kuò)展確定性效用的概念，構(gòu)建了一種混合CPT-MNL 模型。模型中效用函數(shù)的結(jié)構(gòu)表達(dá)式如下：

值得注意的是，數(shù)學(xué)公式是確定性表達(dá)式，其忽略了選擇方案中那些無(wú)法直接觀測(cè)到的效用值。相關(guān)文獻(xiàn)表明，考慮不可觀測(cè)效用影響最直接、最簡(jiǎn)便的方法是在效用函數(shù)中引入隨機(jī)誤差項(xiàng)[24]。因此，本文通過(guò)假設(shè)隨機(jī)誤差項(xiàng)εn,s,i服從獨(dú)立極值Ⅰ型分布，構(gòu)建了出行者n在選擇場(chǎng)景s下選擇第i種出行方式的概率Pn,s,i，公式如下：

經(jīng)推導(dǎo)，得到Pn,s,i所對(duì)應(yīng)的對(duì)數(shù)似然函數(shù)LL(β)，表達(dá)式如下：

式（13）中：N為受訪(fǎng)者的數(shù)量；Sn為受訪(fǎng)者n被調(diào)查的選擇場(chǎng)景集；I為受訪(fǎng)者n在選擇場(chǎng)景s下所面臨的備選方案集；yn,s,i為0-1 變量，當(dāng)受訪(fǎng)者n在選擇場(chǎng)景s下選擇出行方式i時(shí)，其值為1，否則為0。

3 算例分析

3.1 研究區(qū)域與數(shù)據(jù)收集

本文采用問(wèn)卷調(diào)查的方式獲取樣本數(shù)據(jù)。調(diào)查地點(diǎn)為陜西省西安市。西安市地處中國(guó)西北，作為國(guó)家綜合立體交通網(wǎng)的樞紐城市，為國(guó)內(nèi)外空陸交通提供了便捷的聯(lián)通通道。西安咸陽(yáng)國(guó)際機(jī)場(chǎng)客運(yùn)吞吐量處于全國(guó)前列，以“綠色航空樞紐”為目標(biāo)推進(jìn)綠色機(jī)場(chǎng)建設(shè)，于2022年被中國(guó)民用機(jī)場(chǎng)協(xié)會(huì)評(píng)為“雙碳機(jī)場(chǎng)”。因此，本文以西安咸陽(yáng)國(guó)際機(jī)場(chǎng)為例研究低碳政策下居民考慮行程時(shí)間不確定性的機(jī)場(chǎng)地面通達(dá)方式選擇具有較強(qiáng)的代表性。

具體調(diào)查方式為現(xiàn)場(chǎng)調(diào)查，調(diào)查時(shí)間為2020年2 月至3 月?？紤]到該時(shí)間區(qū)間與新冠疫情期重疊，為減輕疫情相關(guān)政策和影響對(duì)調(diào)查結(jié)果的干擾，在正式調(diào)查之前，受訪(fǎng)者被明確告知他們不需要在出行決策中考慮新冠疫情的影響，即受訪(fǎng)者在本次調(diào)查中做出的決策都是基于非疫情下的一般狀況。本次調(diào)查共邀請(qǐng)了583 名受訪(fǎng)者，經(jīng)過(guò)數(shù)據(jù)清洗后獲得了382 份有效問(wèn)卷用于后續(xù)分析。

3.2 受訪(fǎng)者屬性分析

根據(jù)調(diào)查結(jié)果統(tǒng)計(jì)，受訪(fǎng)者個(gè)人屬性特征分布如表2 所示。受訪(fǎng)者中，男性占44%，女性占56%；28.1%的受訪(fǎng)者年齡在25 歲及以下，大部分受訪(fǎng)者（69.7%）的年齡分布在26～55 歲，56歲以上占比相對(duì)較少，只有2%；60.5%的受訪(fǎng)者受教育程度為本科及以上；月收入低于4 000元的受訪(fǎng)者占34.2%。

表2 受訪(fǎng)者個(gè)人屬性特征分布

為了驗(yàn)證樣本的有效性，將調(diào)查結(jié)果中的人口屬性與陜西省第七次人口普查數(shù)據(jù)進(jìn)行了對(duì)比。結(jié)果顯示，本次調(diào)查人口男女比例與人口普查數(shù)據(jù)相吻合，但老年人及受教育程度低的人口代表性不足。考慮到本文研究對(duì)象為乘坐飛機(jī)的旅客，相關(guān)研究也表明高收入和學(xué)歷較高人群在長(zhǎng)距離出行中更傾向于使用航空運(yùn)輸，因此，該樣本被認(rèn)為可以有效代表機(jī)場(chǎng)旅客，以研究其前往機(jī)場(chǎng)時(shí)出行方式的選擇偏好。

受訪(fǎng)者上次到達(dá)機(jī)場(chǎng)的出行方式調(diào)查結(jié)果顯示，使用私家車(chē)（包括第三人接送）前往機(jī)場(chǎng)的比例為30.1%，說(shuō)明受訪(fǎng)者傾向于選擇相對(duì)方便快捷的出行方式前往機(jī)場(chǎng)。

3.3 模型標(biāo)定結(jié)果

本文應(yīng)用Biogeme 及Python 對(duì)所提出的混合CPT-MNL 模型求解。表3 所示為基于樣本數(shù)據(jù)模型的標(biāo)定結(jié)果。其中，情景變量只針對(duì)公共交通進(jìn)行標(biāo)定，私家車(chē)和出租車(chē)均是公共交通的相對(duì)選擇，故只選擇標(biāo)定公共交通即可達(dá)到分析目的；效用函數(shù)中的效用均是相對(duì)值，故個(gè)人屬性變量?jī)H針對(duì)私家車(chē)/出租車(chē)進(jìn)行標(biāo)定，公共交通可以由該值推算，系數(shù)之和為0。

表3 模型標(biāo)定結(jié)果

從表3 中可以看出，行李數(shù)量對(duì)于機(jī)場(chǎng)地面通達(dá)方式的選擇有著顯著影響。出行時(shí)攜帶的行李數(shù)量越多，選擇公共交通的概率越低。這一結(jié)果符合真實(shí)情況，即在攜帶行李較多時(shí)，人們更愿意選擇方便快捷的出行方式。

對(duì)于個(gè)人屬性變量的統(tǒng)計(jì)結(jié)果顯示，男性更傾向于選擇私家車(chē)或出租車(chē)前往機(jī)場(chǎng)；中等收入（4000～8000 元/月）和高收入（≥10000 元/月）群體在前往機(jī)場(chǎng)乘機(jī)時(shí)更傾向于選擇私家車(chē)或出租車(chē)。需要注意的是，提前到達(dá)機(jī)場(chǎng)的時(shí)間偏好對(duì)機(jī)場(chǎng)地面通達(dá)方式選擇的影響顯著。習(xí)慣于提前1.5～2 h 到達(dá)機(jī)場(chǎng)的出行者更愿意選擇公共交通，而喜歡提前2.5～3 h到達(dá)機(jī)場(chǎng)的出行者更愿意選擇私家車(chē)或出租車(chē)。這一結(jié)果可能與出行者風(fēng)險(xiǎn)規(guī)避心理有關(guān)。選擇提前2.5～3 h到達(dá)機(jī)場(chǎng)的出行者對(duì)時(shí)間較為敏感，公共交通由于其路程時(shí)間的延長(zhǎng)及到達(dá)時(shí)間的不確定性而不被歡迎。相反，選擇提前1.5～2 h到達(dá)機(jī)場(chǎng)的旅客對(duì)時(shí)間不敏感，采用公共交通反而能有效降低出行成本。選擇提前1～1.5 h到達(dá)機(jī)場(chǎng)的出行者在前往機(jī)場(chǎng)時(shí)更愿意選擇私家車(chē)或出租車(chē)，這可能與登機(jī)時(shí)間的緊迫性有關(guān)，相比于公共交通，私家車(chē)或出租車(chē)能快速直達(dá)機(jī)場(chǎng)。

關(guān)于各項(xiàng)費(fèi)用對(duì)機(jī)場(chǎng)地面通達(dá)方式選擇的影響調(diào)查結(jié)果顯示：出行費(fèi)用和停車(chē)費(fèi)用的增加均會(huì)抑制出行者對(duì)私家車(chē)的使用意愿。與預(yù)想一致，各出行方式的行程時(shí)間會(huì)影響機(jī)場(chǎng)地面通達(dá)方式的選擇，出行者更愿意選擇行程時(shí)間最短的出行方式前往機(jī)場(chǎng)?？紤]行駛路途中的不確定性，本文引入了行程時(shí)間延誤/提前的概念。結(jié)果顯示，行程時(shí)間延誤對(duì)選擇私家車(chē)的影響更大，即當(dāng)機(jī)場(chǎng)線(xiàn)路相對(duì)擁擠時(shí)，出行者更偏向于使用公共交通。此外，雖然換乘次數(shù)的t值在本研究中并不顯著，但標(biāo)定參數(shù)符號(hào)為負(fù)同樣說(shuō)明換乘次數(shù)的增加會(huì)抑制出行者對(duì)公共交通的選擇意愿，這一結(jié)果與既有研究結(jié)論相似[25]。

對(duì)于出行者在不確定環(huán)境下的風(fēng)險(xiǎn)感知問(wèn)題，大量文獻(xiàn)基于經(jīng)驗(yàn)數(shù)據(jù)對(duì)累積前景理論模型中的相關(guān)參數(shù)進(jìn)行了標(biāo)定[26-27]。雖然目前尚無(wú)一個(gè)能夠適用所有應(yīng)用場(chǎng)景的統(tǒng)一形式的累積前景理論模型，但是各個(gè)模型對(duì)出行者選擇原則的假設(shè)是一致的，即：出行者對(duì)損失的敏感程度高于對(duì)收益的敏感程度；出行者偏向于高估極端但不太可能發(fā)生的事件。本研究中，混合CPT-MNL模型中的5 個(gè)參數(shù)（α,β,λ,γ,δ）用于表征出行者在不確定環(huán)境中的風(fēng)險(xiǎn)態(tài)度。依據(jù)極大似然估計(jì)及Gauss-Newton 迭代法，CPT 模型部分的各參數(shù)標(biāo)定值分別為α=0.611,β=0.359,λ=1.508,γ=0.692,δ=0.632。

參數(shù)α和β用于衡量出行者邊際靈敏度遞減效用。模型標(biāo)定值均小于1，說(shuō)明出行者總是對(duì)收益持風(fēng)險(xiǎn)規(guī)避態(tài)度，對(duì)損失持風(fēng)險(xiǎn)追尋態(tài)度。而α和β的值較小，則進(jìn)一步表明出行者不傾向于做出風(fēng)險(xiǎn)決策，即出行者在面對(duì)能夠提前到達(dá)的收益時(shí)不愿冒風(fēng)險(xiǎn)追求更高收益，而面對(duì)損失時(shí)不愿為了規(guī)避風(fēng)險(xiǎn)而承受損失。原因可能是在當(dāng)前快節(jié)奏生活中，大多數(shù)出行者重視到達(dá)目的地的準(zhǔn)時(shí)性，且沒(méi)有提前到達(dá)的需求。因此，他們更愿意選擇一種能夠滿(mǎn)足其延誤時(shí)間期望的出行方式。

損失規(guī)避系數(shù)λ值大于1，表明出行者對(duì)損失的敏感程度高于對(duì)收益的敏感程度。相較于文獻(xiàn)[26]中損失規(guī)避系數(shù)的數(shù)值，本文中的值較大，進(jìn)一步證明了出行者對(duì)行程時(shí)間不確定的厭惡程度。這一結(jié)果也與出行者對(duì)能夠準(zhǔn)時(shí)到達(dá)機(jī)場(chǎng)以避免無(wú)法登機(jī)重視程度的事實(shí)相符。基于上述參數(shù)，圖2展示了混合CPT-MNL 模型中涉及的價(jià)值函數(shù)。與既有文獻(xiàn)中對(duì)價(jià)值函數(shù)的假設(shè)相同，本文計(jì)算的價(jià)值函數(shù)在收益部分曲線(xiàn)呈上凸形，在損失部分曲線(xiàn)呈下凹形。

圖2 標(biāo)定的分段價(jià)值函數(shù)

關(guān)于權(quán)重函數(shù)中參數(shù)的標(biāo)定，通過(guò)與相關(guān)文獻(xiàn)中的權(quán)重函數(shù)對(duì)比，發(fā)現(xiàn)其與本文標(biāo)定的γ和δ所繪制的權(quán)重函數(shù)曲線(xiàn)具有相似的形狀，即出行者傾向于低估大概率事件而高估小概率事件。圖3 顯示，對(duì)于出行時(shí)間延誤而言，這種特點(diǎn)更加明顯。

圖3 損失及收益對(duì)應(yīng)的概率加權(quán)函數(shù)

通過(guò)以上比較和分析，認(rèn)為本文所構(gòu)建的混合CPT-MNL 模型中針對(duì)不確定因素部分的估計(jì)是可接受的。值得注意的是，針對(duì)行程時(shí)間延誤的累積前景值總是為正，說(shuō)明出行者傾向于選擇對(duì)他們有利的出行方式，即人們更喜歡選擇能夠準(zhǔn)時(shí)到達(dá)目的地的出行方式。這一結(jié)果也符合理論預(yù)期。

為了掌握出行者對(duì)碳減排的重視程度，促進(jìn)出行者選擇綠色出行方式，本文通過(guò)探究碳減排比例和低碳消費(fèi)券補(bǔ)貼這兩個(gè)因素對(duì)機(jī)場(chǎng)地面通達(dá)方式選擇的影響，為機(jī)場(chǎng)運(yùn)營(yíng)方或交通管理者制定低碳政策并最終實(shí)現(xiàn)碳中和的目標(biāo)提供理論支撐。模型結(jié)果顯示，碳減排比例會(huì)促進(jìn)出行者使用更環(huán)保的交通方式，且碳減排比例越高，前往機(jī)場(chǎng)的出行者對(duì)公共交通或出租車(chē)的偏好越強(qiáng)。這一結(jié)果也說(shuō)明，相同情景下人們更傾向于選擇碳減排比例更高的出行方式，也從側(cè)面凸顯了當(dāng)前提倡的低碳出行背景下人們的環(huán)保意識(shí)。同時(shí)，低碳消費(fèi)券補(bǔ)貼得越多，出行者越愿意選擇公共交通?；跁r(shí)間價(jià)值的相關(guān)計(jì)算結(jié)果顯示，單位行程時(shí)間不確定性所引發(fā)的前景值下降可以由價(jià)值15.2 元的低碳消費(fèi)券補(bǔ)貼所抵消。據(jù)此可以做出以下推論：交通管理者在倡導(dǎo)居民選擇綠色出行方式時(shí)，可以突出消費(fèi)券補(bǔ)貼和碳減排比例這兩個(gè)因素；同時(shí)，為了減少出行者對(duì)于行程時(shí)間不確定性的憂(yōu)慮，也可以通過(guò)發(fā)放消費(fèi)券的方式對(duì)行程時(shí)間不確定性產(chǎn)生的負(fù)面效果加以彌補(bǔ)以鼓勵(lì)公共出行，引導(dǎo)出行者選擇更低碳的交通方式。

4 結(jié)束語(yǔ)

本文以西安咸陽(yáng)國(guó)際機(jī)場(chǎng)為研究對(duì)象，借助陳述性選擇偏好實(shí)驗(yàn)方法，探討了低碳消費(fèi)券補(bǔ)貼、居民環(huán)保意識(shí)及行程時(shí)間不確定性對(duì)地面交通達(dá)方式選擇的影響。本文建立了混合CPT-MNL 模型，基于此，研究了行程時(shí)間不確定性所涉及的延誤時(shí)間及延誤概率的具體影響，以便更好地了解出行者對(duì)風(fēng)險(xiǎn)規(guī)避的偏好。

根據(jù)模型標(biāo)定結(jié)果，低碳消費(fèi)券補(bǔ)貼能夠有效促進(jìn)出行者選擇綠色出行方式，因此有針對(duì)性地采用更多的折扣和優(yōu)惠能夠鼓勵(lì)出行者選擇公共交通這種低碳交通方式。碳減排比例對(duì)低碳出行方式選擇的顯著影響意味著隨著出行者環(huán)保意識(shí)的提高，綠色出行方式的市場(chǎng)分擔(dān)率有望進(jìn)一步提升。針對(duì)行程時(shí)間不確定性對(duì)出行方式選擇的影響，可以通過(guò)降低公共交通線(xiàn)路的非直線(xiàn)系數(shù)，減少出行者非必要的繞行時(shí)間來(lái)減少總行程時(shí)間，以及提高公共交通線(xiàn)網(wǎng)規(guī)劃的科學(xué)性，減少出行者換乘次數(shù)并提高換乘的便利性。在此基礎(chǔ)上，為進(jìn)一步提高出行者對(duì)公共交通的接受度和使用頻率，考慮提高私家車(chē)出行成本以降低私家車(chē)出行的比重，加強(qiáng)低碳宣傳以增強(qiáng)公眾的環(huán)保意識(shí)等。

本文的研究仍存在一定的局限性。出行者對(duì)出行方式的選擇受到多種因素的影響。盡管本文研究結(jié)果表明，低碳消費(fèi)券補(bǔ)貼在促進(jìn)綠色出行方式的選擇中起到了一定積極作用，但其影響程度在不同地區(qū)、出行場(chǎng)景及群體之間存在差異。因此，后續(xù)研究可以考慮出行者選擇偏好的異質(zhì)性，對(duì)本文的模型和結(jié)論做出改進(jìn)。此外，本研究的數(shù)據(jù)收集階段正處于新冠疫情期間，盡管要求被調(diào)查者忽略新冠疫情政策對(duì)出行的影響，但是無(wú)法驗(yàn)證被調(diào)查者是否真實(shí)按照非疫情狀態(tài)做出選擇。因此，后續(xù)研究可以通過(guò)收集現(xiàn)階段的數(shù)據(jù)對(duì)模型的標(biāo)定結(jié)果進(jìn)行驗(yàn)證。