劉浩，張戎*，諸立超

(1.同濟(jì)大學(xué)，a.道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，b.上海市軌道交通結(jié)構(gòu)耐久與系統(tǒng)安全重點(diǎn)實(shí)驗(yàn)室，上海201804；2.浙江財(cái)經(jīng)大學(xué)，工商管理學(xué)院，杭州310018)

0 引言

我國(guó)貨運(yùn)市場(chǎng)中，公路份額居高不下，鐵路占全社會(huì)貨運(yùn)量的份額始終較低。不合理的貨運(yùn)結(jié)構(gòu)導(dǎo)致交通排放污染和擁堵問(wèn)題嚴(yán)重，也不利于降低全社會(huì)物流成本，提高綜合運(yùn)輸效率。為優(yōu)化運(yùn)輸結(jié)構(gòu)，2018年，國(guó)務(wù)院相繼發(fā)布《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》《推進(jìn)運(yùn)輸結(jié)構(gòu)調(diào)整三年行動(dòng)計(jì)劃(2018-2020年)》；2019年9月，中共中央、國(guó)務(wù)院印發(fā)了《交通強(qiáng)國(guó)建設(shè)綱要》，要求“推進(jìn)大宗貨物及中長(zhǎng)距離貨物運(yùn)輸向鐵路和水運(yùn)有序轉(zhuǎn)移”。上述政策實(shí)施以來(lái)，大宗貨物、港口集疏運(yùn)的“公轉(zhuǎn)鐵”初見(jiàn)成效。但應(yīng)看到，公路在長(zhǎng)三角等經(jīng)濟(jì)發(fā)達(dá)地區(qū)的非大宗貨物(下稱(chēng)白貨)中長(zhǎng)途運(yùn)輸市場(chǎng)仍占有很高份額。一個(gè)重要原因是，鐵路運(yùn)輸企業(yè)未能準(zhǔn)確掌握托運(yùn)人貨運(yùn)方式選擇行為，并提供具有競(jìng)爭(zhēng)力的貨運(yùn)服務(wù)。研究托運(yùn)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(zhì)性，有利于推動(dòng)“公轉(zhuǎn)鐵”。

離散選擇模型已成為分析貨運(yùn)選擇行為的重要工具，用于評(píng)估費(fèi)用和時(shí)間等運(yùn)輸方式屬性對(duì)托運(yùn)人選擇行為的影響[1]。研究表明，處于不同空間的托運(yùn)人對(duì)費(fèi)用和時(shí)間存在差異化偏好，進(jìn)而影響其對(duì)運(yùn)輸方式的選擇行為[2]。例如，起訖點(diǎn)空間距離較近的貨運(yùn)時(shí)間價(jià)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(jià)值[4-5]。選擇慣性是指除考慮各情景中的運(yùn)輸方式屬性、空間特征和貨物特征之外，托運(yùn)人選擇原有運(yùn)輸方式的傾向程度。不考慮選擇慣性會(huì)導(dǎo)致對(duì)貨運(yùn)方式選擇行為認(rèn)知的偏差[6]。

既有研究證實(shí)，運(yùn)輸方式屬性、空間特征、貨物特征和選擇慣性會(huì)影響托運(yùn)人的貨運(yùn)方式選擇行為，但未將上述因素同時(shí)納入模型，不利于準(zhǔn)確研究各因素對(duì)選擇行為的影響并提出針對(duì)性強(qiáng)的“公轉(zhuǎn)鐵”措施。空間距離雖會(huì)影響時(shí)間價(jià)值(Value of Time，VOT)，但因目的地空間特征不同帶來(lái)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(yùn)距、貨物品類(lèi)(價(jià)值)和經(jīng)濟(jì)發(fā)展水平等差異。研究不同空間特征的時(shí)間價(jià)值對(duì)設(shè)計(jì)我國(guó)鐵路貨運(yùn)服務(wù)產(chǎn)品和精準(zhǔn)制定運(yùn)價(jià)策略更具指導(dǎo)性、可操作性和實(shí)用性。從建模方法看，既有文獻(xiàn)多采用線性效用的多項(xiàng)Logit模型，混合Logit 模型和交互項(xiàng)等效用函數(shù)形式應(yīng)用較少，而后者更利于分析選擇行為異質(zhì)性。

本文聚焦白貨在公路整車(chē)和鐵路集裝箱運(yùn)輸之間的貨運(yùn)方式選擇，調(diào)查對(duì)象為滬寧線沿線城市的鐵路集裝箱托運(yùn)人及其潛在客戶(hù)，主要貢獻(xiàn)包括：同時(shí)考慮空間特征、貨物特征和選擇慣性對(duì)托運(yùn)人選擇行為的影響，準(zhǔn)確描述托運(yùn)人選擇行為異質(zhì)性；通過(guò)引入空間特征變量和運(yùn)輸時(shí)間變量的交互項(xiàng)，掌握貨運(yùn)時(shí)間價(jià)值隨空間的變化特征。研究有助于進(jìn)一步理解貨運(yùn)市場(chǎng)托運(yùn)人選擇行為，為進(jìn)一步推動(dòng)“公轉(zhuǎn)鐵”提供量化指導(dǎo)。

1 問(wèn)卷調(diào)查與數(shù)據(jù)采集

1.1 問(wèn)卷設(shè)計(jì)與描述

利用Excel設(shè)計(jì)一種可根據(jù)托運(yùn)人填寫(xiě)的行為偏好(Revealed Preference，RP)信息而自動(dòng)生成的意向偏好(Stated Preference，SP)問(wèn)卷。RP問(wèn)卷中包含托運(yùn)人公司的基本信息、不同線路的實(shí)際運(yùn)輸信息，后者主要包含線路起訖城市、實(shí)際運(yùn)輸方式、貨物特征(貨物名稱(chēng)、重量和密度)等。SP問(wèn)卷調(diào)查是一種適應(yīng)性調(diào)查，其情景屬性基準(zhǔn)水平與RP關(guān)聯(lián)，即起訖點(diǎn)、貨物特征在SP問(wèn)卷中不變，而運(yùn)輸時(shí)間和費(fèi)用等發(fā)生變化。SP 情景中，鐵路門(mén)到門(mén)運(yùn)輸時(shí)間設(shè)置為RP 水平的50%和75%，鐵路運(yùn)輸費(fèi)用設(shè)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(shí)降低問(wèn)卷理解難度。變量不同水平情景組合通過(guò)正交設(shè)計(jì)實(shí)現(xiàn)。托運(yùn)人在每一條填寫(xiě)的RP信息后，要在基于此RP的4或8個(gè)假設(shè)情景中進(jìn)行決策。

1.2 數(shù)據(jù)采集和統(tǒng)計(jì)

2019年5月-7月，課題組對(duì)上海、南京、鎮(zhèn)江、常州、無(wú)錫和蘇州等6個(gè)城市的托運(yùn)人進(jìn)行面對(duì)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(yùn)人接受并完成調(diào)查，292條真實(shí)托運(yùn)信息和1912組有效SP數(shù)據(jù)被收集。所有運(yùn)輸均以上述6 個(gè)城市為起點(diǎn)，運(yùn)往全國(guó)其他城市。與文獻(xiàn)[7]等針對(duì)固定起訖點(diǎn)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(lèi)，如表1所示。由于目的地在東北地區(qū)(遼寧)的樣本量遠(yuǎn)低于其他區(qū)域，且與華北地區(qū)臨近，故將兩個(gè)區(qū)域合并，共6 類(lèi)。RP 數(shù)據(jù)中起點(diǎn)至6 類(lèi)區(qū)域的平均距離由近及遠(yuǎn)依次為華東、華中、華北(含遼寧)、華南、西南、西北。根據(jù)托運(yùn)人描述，價(jià)值較高的幾類(lèi)貨物為汽車(chē)配件、日用百貨及食品類(lèi)。樣本數(shù)據(jù)中：華南地區(qū)的高價(jià)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(yùn)人的備選方案往往是公路整車(chē)運(yùn)輸而非集卡運(yùn)輸，所以費(fèi)用以噸為單位而不是TEU。表2為主要變量描述及統(tǒng)計(jì)，對(duì)于不同OD，時(shí)間和費(fèi)用都不相同，故表中不進(jìn)行統(tǒng)計(jì)。0-1 變量的統(tǒng)計(jì)采用某一類(lèi)別在樣本中的占比來(lái)描述。

2 貨運(yùn)方式選擇行為建模

2.1 模型構(gòu)建及參數(shù)設(shè)置

根據(jù)隨機(jī)效用理論，托運(yùn)人n選擇運(yùn)輸方式i所獲得的效用Uni可表示為可觀測(cè)效用Vni與不可觀測(cè)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(jì)Table 2 Definition of variables and descriptive statistics

托運(yùn)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(dāng)εni服從獨(dú)立同分布的極值類(lèi)I 分布假設(shè)時(shí)，可推導(dǎo)多項(xiàng)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(yùn)輸和鐵路運(yùn)輸。

混合Logit(Mixed Logit，ML)模型放松了隨機(jī)項(xiàng)之間獨(dú)立同分布的假設(shè)，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(lài)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(guān)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(yùn)人n面臨方式i的運(yùn)輸費(fèi)用變量值；tni為托運(yùn)人n面臨方式i的運(yùn)輸時(shí)間變量值，其余變量符號(hào)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(xiàng)。

MNL模型和ML模型均被用于估計(jì)參數(shù)。ML模型中費(fèi)用和時(shí)間參數(shù)均被假設(shè)為隨機(jī)參數(shù)，兩者均服從正態(tài)分布時(shí)，模型擬合效果最佳，并作為最終結(jié)果。

2.2 參數(shù)估計(jì)及模型優(yōu)度

使用SP 數(shù)據(jù)估計(jì)模型參數(shù)，表3為NLOGIT 6.0軟件的估計(jì)結(jié)果。

表3 參數(shù)估計(jì)結(jié)果Table 3 Parameter estimation results

總體來(lái)看，費(fèi)用和時(shí)間參數(shù)的符號(hào)均為負(fù)，符合預(yù)期。一般而言，Mcfadden 決定系數(shù)ρ2(0)達(dá)到0.2～0.4，即可認(rèn)為模型取得了較好結(jié)果。考慮參數(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(shuō)明它們能夠?qū)ν羞\(yùn)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(yùn)人存在顯著的選擇偏好異質(zhì)性，故以下分析均基于ML模型參數(shù)估計(jì)結(jié)果。

2.3 參數(shù)分析及應(yīng)用

參數(shù)βf、βg和βh對(duì)應(yīng)的3個(gè)變量均屬于選項(xiàng)不變特征變量，其變量不隨選擇枝發(fā)生變化，通常設(shè)置在J-1個(gè)備選方案的效用函數(shù)式中。

托運(yùn)人公司性質(zhì)變量參數(shù)βf為負(fù)，表明貨代比貨主更傾向于選擇鐵路運(yùn)輸，這可能與當(dāng)前主流的鐵路運(yùn)輸經(jīng)營(yíng)模式相關(guān)，即許多貨代攬貨并與鐵路運(yùn)輸企業(yè)簽訂協(xié)議，承諾一定的運(yùn)量并獲得價(jià)格優(yōu)惠政策。協(xié)議承諾的運(yùn)量越大，貨代所獲得的鐵路運(yùn)價(jià)優(yōu)惠力度越大。另外，調(diào)研了解到，貨主專(zhuān)注于生產(chǎn)和制造，更偏好于便利靈活的公路整車(chē)運(yùn)輸。

βg顯著為正，表明托運(yùn)人具有保持原有決策不變的特性。屬性?xún)r(jià)值計(jì)算(βg與βc之比)結(jié)果顯示慣性對(duì)方式選擇效用的影響等同于14.9元?t-1的費(fèi)用對(duì)效用的影響。換言之，當(dāng)其他屬性保持不變時(shí)，由于慣性的存在，只要原方式的每噸運(yùn)費(fèi)增加不超過(guò)14.9元，托運(yùn)人仍?xún)A向于原有運(yùn)輸方式。為推動(dòng)當(dāng)前選擇公路的托運(yùn)人使用鐵路，鐵路營(yíng)銷(xiāo)部門(mén)應(yīng)主動(dòng)宣傳鐵路服務(wù)產(chǎn)品，降低托運(yùn)人對(duì)公路運(yùn)輸?shù)倪x擇慣性。

鐵路貨物運(yùn)輸中將密度小于333 kg ?m-3的貨物稱(chēng)為輕泡貨物，反之為重質(zhì)貨物。在與托運(yùn)人訪談中發(fā)現(xiàn)：40 ft通用集裝箱標(biāo)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(biāo)準(zhǔn)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(zhì)貨物；而公路車(chē)型種類(lèi)豐富，特別是17.5 m 長(zhǎng)的平板車(chē)及相近車(chē)型，其標(biāo)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(fù)，表明與輕泡貨物相比，重質(zhì)貨物更傾向于選擇鐵路集裝箱運(yùn)輸。因此，重質(zhì)貨物相對(duì)容易轉(zhuǎn)向鐵路運(yùn)輸，應(yīng)成為“公轉(zhuǎn)鐵”的首要目標(biāo)。

3 空間特征影響下的時(shí)間價(jià)值

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

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

除j=4 外，βqjt均在0.15 水平上顯著為正。交互項(xiàng)參數(shù)影響了VOT，符號(hào)為正意味著更低的VOT。βq4t不顯著，表明運(yùn)往華南區(qū)域的VOT 并沒(méi)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(jié)果，各區(qū)域VOT 計(jì)算結(jié)果如表4所示。

表4 時(shí)間價(jià)值的估計(jì)Table 4 Estimation of VOTs

總體來(lái)看，運(yùn)往不同空間區(qū)域的貨運(yùn)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(duì)較高，這是由運(yùn)距、貨物品類(lèi)(價(jià)值)和經(jīng)濟(jì)發(fā)展水平等因素綜合作用的結(jié)果。具體而言，目的地在華東區(qū)域的運(yùn)距遠(yuǎn)小于其他區(qū)域，且該區(qū)域經(jīng)濟(jì)發(fā)展水平最高，故VOT 最高；華南、西南地區(qū)雖運(yùn)距較遠(yuǎn)，但華南地區(qū)經(jīng)濟(jì)較發(fā)達(dá)，兩區(qū)域的高價(jià)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(yùn)距較近，但其高價(jià)值貨物占比最低，且經(jīng)濟(jì)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(mén)明確產(chǎn)品服務(wù)改善的重點(diǎn)、制定和優(yōu)化運(yùn)價(jià)策略提供了新思路。對(duì)于VOT 較高的華東和華南區(qū)域，重點(diǎn)是改善鐵路運(yùn)輸時(shí)間。例如，提高集裝箱班列產(chǎn)品的旅行速度，減少列車(chē)運(yùn)行時(shí)間；優(yōu)化車(chē)站發(fā)送、到達(dá)作業(yè)流程，壓縮貨物在車(chē)站的時(shí)間；優(yōu)化兩端短駁組織，減少短駁運(yùn)輸和銜接時(shí)間。此外，從時(shí)間價(jià)值的含義出發(fā)，VOT 可為貨運(yùn)服務(wù)產(chǎn)品改善后的精準(zhǔn)調(diào)價(jià)提供定量依據(jù)：以上海-廣州鐵路集裝箱班列為例，列車(chē)運(yùn)行時(shí)間約30 h，兩端短駁、站內(nèi)等待時(shí)間和作業(yè)時(shí)間約24 h。2019年上海-廣州棠溪站的鐵路集裝箱運(yùn)量約16 萬(wàn)t(1.46 萬(wàn)TEU)。在效用不變前提下，假設(shè)通過(guò)優(yōu)化措施使鐵路門(mén)到門(mén)全程時(shí)間減少5 h，理論上托運(yùn)人愿意為每噸貨物多向鐵路支付約4.85元，上述運(yùn)量的貨運(yùn)收入可增加約77.6 萬(wàn)元。另外，差異化的VOT 也為不同區(qū)域基礎(chǔ)設(shè)施投資的成本收益分析提供了測(cè)算基礎(chǔ)。

4 結(jié)論

本文依據(jù)在滬寧線6個(gè)城市采集的SP數(shù)據(jù)，構(gòu)建考慮運(yùn)輸方式屬性、空間特征、貨物特征和選擇慣性等的貨運(yùn)方式選擇行為模型。結(jié)果表明：混合Logit 模型結(jié)果優(yōu)于多項(xiàng)Logit 模型；重質(zhì)貨物更傾向于鐵路運(yùn)輸，這與裝載工具的標(biāo)記載重與容量之比相關(guān)；托運(yùn)人對(duì)當(dāng)前運(yùn)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(yùn)輸；由于不同空間的運(yùn)距、貨物品類(lèi)(價(jià)值)和經(jīng)濟(jì)發(fā)展水平等因素差異，目的地區(qū)域不同的貨運(yùn)時(shí)間價(jià)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(duì)較高。距離較近、貨物價(jià)值較高及經(jīng)濟(jì)發(fā)達(dá)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(duì)不同空間通道制定個(gè)性化的價(jià)格策略，并據(jù)此分析貨運(yùn)收益。