劉春光，邵夢汝，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) 汽車工程學(xué)院，遼寧 大連 116024；4.長安大學(xué) 電子與控制工程學(xué)院，陜西 西安 710064）

0 引言

近年來，全球面臨著日益嚴(yán)峻的氣候變化和環(huán)境污染問題，各國政府和社會(huì)各界越來越關(guān)注低碳出行方式的推廣和實(shí)踐[1]。2010 年，我國提出“二氧化碳排放力爭于2030年前達(dá)到峰值，努力爭取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內(nèi)外研究熱點(diǎn)。Wu等人[4]和Geng等人[5]對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)域出行的重要場所。機(jī)場客流不斷增加，對城市交通網(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)場地面通達(dá)方式已成為當(dāng)前研究的熱點(diǎn)。國內(nèi)外學(xué)者對旅客進(jìn)出機(jī)場交通方式的選擇進(jìn)行了大量研究。Akar[11]對乘客的航班、汽車使用態(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使用頻率的人群更有可能選擇低碳出行方式前往機(jī)場。秦?zé)赖热薣12]則通過對比分析大型機(jī)場私家車短時(shí)停車行為，建立出行者短時(shí)停車出行方式選擇模型，發(fā)現(xiàn)了提高停車收費(fèi)和改善公共交通服務(wù)水平對減少私家車出行比例的引導(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乘客進(jìn)行細(xì)分，構(gòu)建了多類出行信息條件下的出行方式選擇模型，用以優(yōu)化機(jī)場信息誘導(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)間不確定的線路；王文穎[15]研究了行程時(shí)間不確定性對路徑選擇的影響，結(jié)果行程出行時(shí)間的不確定對出行人數(shù)幾乎沒有影響，但對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)間不確定性對共享汽車選擇偏好的影響；Tam 等[17]通過對行程時(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)量對香港國際機(jī)場地面通達(dá)方式選擇的影響。以上文獻(xiàn)均表明，在對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)、限制購車、個(gè)人碳交易等方面[8,18]，對低碳消費(fèi)券這種新興的低碳激勵(lì)政策的研究較少。而以西安咸陽國際機(jī)場為例，機(jī)場的統(tǒng)計(jì)數(shù)據(jù)顯示，目前前往該機(jī)場的約60%的出行者選擇的是非公共交通方式。為此，本文將以西安咸陽國際機(jī)場地面通達(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，通過收集分析受訪者的相關(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)間不確定性對公共交通、出租車、私家車等機(jī)場地面通達(dá)方式選擇行為的影響。

1 問卷設(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。通過對西安咸陽國際機(jī)場地面通達(dá)方式現(xiàn)狀的分析，本文將私家車（包括自駕和第三人送行）、出租車（包括網(wǎng)約車）和公共交通（包括公交車和定制公交）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)量兩個(gè)因素。為減少不確定因素的影響，本研究僅考慮固定的出行距離（30 km），并且結(jié)合日常機(jī)場出行的現(xiàn)實(shí)情況，確定了攜帶行李數(shù)量為0、1、2等3種情況。

針對私家車的相關(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。考慮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，將私家車的30 km 行程費(fèi)用設(shè)定為30元、40 元、50 元，將私家車的停車費(fèi)用設(shè)定為0 元/h、6 元/h、12元/h。

考慮到出租車與私家車的某些相似性，本研究將出租車的平均行程時(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)影響因素及其對應(yīng)的水平值設(shè)定為與私家車一致。但由于出租車的運(yùn)營成本和便捷性均高于私家車，其行程費(fèi)用也普遍高于私家車。因此，本文將出租車的行程費(fèi)用設(shè)定為80 元、95 元、110 元。除此之外，相比于私家車，出租車的空駛率更低，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與個(gè)人行程需求的貼合度較低，其運(yùn)行線路往往會(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（高于私家車和出租車），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和出租車有更多的行程時(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機(jī)場地面商業(yè)消費(fèi)的平均水平，本研究擬定針對公共交通方式發(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)，并通過陳述性選擇偏好實(shí)驗(yàn)調(diào)查分析出行方式變化趨勢。選擇實(shí)驗(yàn)中影響因素及因素水平見表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，請被調(diào)查者在對應(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理性行為的假設(shè)，前景理論對不確定環(huán)境下選擇行為的解釋更加合理。因此，本文通過構(gòu)建混合CPT-MNL 模型對不確定環(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：確定性因素和不確定性因素。為了對不確定性因素進(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在選擇場景s下對備選出行方式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)通過對客觀概率進(jìn)行相應(yīng)的非線性轉(zhuǎn)換來體現(xiàn)這一現(xiàn)象。本文通過將等級(jí)依賴效用理論中的偏好等級(jí)依賴的權(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的概率加權(quán)函數(shù)，針對不確定因素（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）對行程時(shí)間延誤/提前對應(yīng)概率值非線性轉(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法直接觀測到的效用值。相關(guān)文獻(xiàn)表明，考慮不可觀測效用影響最直接、最簡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所對應(yīng)的對數(shù)似然函數(shù)LL(β)，表達(dá)式如下：

式（13）中：N為受訪者的數(shù)量；Sn為受訪者n被調(diào)查的選擇場景集；I為受訪者n在選擇場景s下所面臨的備選方案集；yn,s,i為0-1 變量，當(dāng)受訪者n在選擇場景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。西安市地處中國西北，作為國家綜合立體交通網(wǎng)的樞紐城市，為國內(nèi)外空陸交通提供了便捷的聯(lián)通通道。西安咸陽國際機(jī)場客運(yùn)吞吐量處于全國前列，以“綠色航空樞紐”為目標(biāo)推進(jìn)綠色機(jī)場建設(shè)，于2022年被中國民用機(jī)場協(xié)會(huì)評(píng)為“雙碳機(jī)場”。因此，本文以西安咸陽國際機(jī)場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)政策和影響對調(diào)查結(jié)果的干擾，在正式調(diào)查之前，受訪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)查共邀請了583 名受訪者，經(jīng)過數(shù)據(jù)清洗后獲得了382 份有效問卷用于后續(xù)分析。

3.2 受訪者屬性分析

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

表2 受訪者個(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?？紤]到本文研究對象為乘坐飛機(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)場旅客，以研究其前往機(jī)場時(shí)出行方式的選擇偏好。

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

3.3 模型標(biāo)定結(jié)果

本文應(yīng)用Biogeme 及Python 對所提出的混合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，情景變量只針對公共交通進(jìn)行標(biāo)定，私家車和出租車均是公共交通的相對選擇，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)中的效用均是相對值，故個(gè)人屬性變量僅針對私家車/出租車進(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)量對于機(jī)場地面通達(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或出租車前往機(jī)場；中等收入（4000～8000 元/月）和高收入（≥10000 元/月）群體在前往機(jī)場乘機(jī)時(shí)更傾向于選擇私家車或出租車。需要注意的是，提前到達(dá)機(jī)場的時(shí)間偏好對機(jī)場地面通達(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)場的出行者更愿意選擇私家車或出租車。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)場的出行者對時(shí)間較為敏感，公共交通由于其路程時(shí)間的延長及到達(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)場的旅客對時(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)場的出行者在前往機(jī)場時(shí)更愿意選擇私家車或出租車，這可能與登機(jī)時(shí)間的緊迫性有關(guān)，相比于公共交通，私家車或出租車能快速直達(dá)機(jī)場。

關(guān)于各項(xiàng)費(fèi)用對機(jī)場地面通達(dá)方式選擇的影響調(diào)查結(jié)果顯示：出行費(fèi)用和停車費(fèi)用的增加均會(huì)抑制出行者對私家車的使用意愿。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?？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)間延誤對選擇私家車的影響更大，即當(dāng)機(jī)場線路相對擁擠時(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)同樣說明換乘次數(shù)的增加會(huì)抑制出行者對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]。

對于出行者在不確定環(huán)境下的風(fēng)險(xiǎn)感知問題，大量文獻(xiàn)基于經(jīng)驗(yàn)數(shù)據(jù)對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]。雖然目前尚無一個(gè)能夠適用所有應(yīng)用場景的統(tǒng)一形式的累積前景理論模型，但是各個(gè)模型對出行者選擇原則的假設(shè)是一致的，即：出行者對損失的敏感程度高于對收益的敏感程度；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，說明出行者總是對收益持風(fēng)險(xiǎn)規(guī)避態(tài)度，對損失持風(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，且沒有提前到達(dá)的需求。因此，他們更愿意選擇一種能夠滿足其延誤時(shí)間期望的出行方式。

損失規(guī)避系數(shù)λ值大于1，表明出行者對損失的敏感程度高于對收益的敏感程度。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行程時(shí)間不確定的厭惡程度。這一結(jié)果也與出行者對能夠準(zhǔn)時(shí)到達(dá)機(jī)場以避免無法登機(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)在收益部分曲線呈上凸形，在損失部分曲線呈下凹形。

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，通過與相關(guān)文獻(xiàn)中的權(quán)重函數(shù)對比，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 損失及收益對應(yīng)的概率加權(quán)函數(shù)

通過以上比較和分析，認(rèn)為本文所構(gòu)建的混合CPT-MNL 模型中針對不確定因素部分的估計(jì)是可接受的。值得注意的是，針對行程時(shí)間延誤的累積前景值總是為正，說明出行者傾向于選擇對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，本文通過探究碳減排比例和低碳消費(fèi)券補(bǔ)貼這兩個(gè)因素對機(jī)場地面通達(dá)方式選擇的影響，為機(jī)場運(yùn)營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)場的出行者對公共交通或出租車的偏好越強(qiáng)。這一結(jié)果也說明，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)，為了減少出行者對于行程時(shí)間不確定性的憂慮，也可以通過發(fā)放消費(fèi)券的方式對行程時(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

本文以西安咸陽國際機(jī)場為研究對象，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分擔(dān)率有望進(jìn)一步提升。針對行程時(shí)間不確定性對出行方式選擇的影響，可以通過降低公共交通線路的非直線系數(shù)，減少出行者非必要的繞行時(shí)間來減少總行程時(shí)間，以及提高公共交通線網(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)一步提高出行者對公共交通的接受度和使用頻率，考慮提高私家車出行成本以降低私家車出行的比重，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出行的影響，但是無法驗(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)研究可以通過收集現(xiàn)階段的數(shù)據(jù)對模型的標(biāo)定結(jié)果進(jìn)行驗(yàn)證。