李紅昌, 崔金麗, 裴興華

(北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院， 北京 100044)

隨著城市進(jìn)程的加快和經(jīng)濟(jì)的飛速發(fā)展，加上公共交通服務(wù)水平普遍不是很高，城市道路日益擁堵，同時(shí)近年來中國許多大城市出現(xiàn)了嚴(yán)重的霧霾天氣，這些都引起了社會(huì)各界對(duì)低碳交通、綠色出行的討論。自行車的零能耗、零排放、低噪聲、占地少成為中國大城市發(fā)展低碳交通的新生力。共享出行作為一種綠色出行方式，為城市走綠色可持續(xù)交通開拓新道路。

一些學(xué)者認(rèn)為，隨著中國經(jīng)濟(jì)的持續(xù)快速發(fā)展，城市化進(jìn)程的不斷加快，城市交通擁堵問題變得越來越嚴(yán)重，城市私家車數(shù)量的增加帶來了更加嚴(yán)重的交通安全隱患、城市環(huán)境污染等問題，因此發(fā)展城市公共交通和共享交通有著十分重要的意義。其中，周楊等[1]認(rèn)為自行車交通出行的特點(diǎn)是更具靈活輕便、可達(dá)性高等，而且比步行交通更具有出行效率。

共享單車，也可以稱為互聯(lián)網(wǎng)租賃自行車。相比較于傳統(tǒng)的有樁共享單車，互聯(lián)網(wǎng)共享單車給用戶提供了更多的便利，比如：更便捷地使用單車、更多的單車停放地等。共享單車在進(jìn)入城市不到一年的時(shí)間里，就成為繼小汽車、公交車、地鐵之后的第四大交通工具，有效提高了出行效率，主要表現(xiàn)為：①公共交通的接駁換乘，包括地鐵站—公交車站、公交車站—公交車站換乘等；②短途出行，主要包括步行替代、騎車出游、校園通勤等。

自2018年，共享單車行業(yè)去泡沫化特點(diǎn)明顯，行業(yè)發(fā)展進(jìn)入下半場(chǎng)。2016年中國共享單車用戶規(guī)模為0.28億人，2017年的用戶規(guī)模急速增長(zhǎng)，突破2億人，此后增長(zhǎng)速度放緩，2019年達(dá)到2.56億人，在2020年為2.53億人。

現(xiàn)有研究大多從傳統(tǒng)變量角度分析對(duì)共享單車出行選擇行為的影響，人口特征、出行習(xí)慣和經(jīng)歷、出行態(tài)度觀念、路況信息的獲取程度和天氣等因素都會(huì)對(duì)共享單車出行選擇行為產(chǎn)生影響。但是沒有研究從感知價(jià)值視角分析共享單車出行選擇行為。

基于出行者個(gè)人特征，結(jié)合相關(guān)文獻(xiàn)，采用焦點(diǎn)小組訪談的方式，探測(cè)出行者感知價(jià)值的驅(qū)動(dòng)因素，確定出行者感知價(jià)值量表；進(jìn)而使用顧客感知價(jià)值理論框架，來探究出行者感知利得(感知節(jié)約，感知激勵(lì)和履行社會(huì)規(guī)范)和感知利失(轉(zhuǎn)換成本和感知風(fēng)險(xiǎn))如何影響共享單車出行選擇行為?，F(xiàn)通過問卷調(diào)查的方式在北京地區(qū)獲取數(shù)據(jù)，結(jié)合出行者個(gè)體特征和出行特征，將出行者感知價(jià)值作為潛變量構(gòu)建離散選擇潛變量混合(integrated choice and latent variable model，ICLV)模型來進(jìn)行同時(shí)估計(jì)，探究出行者感知價(jià)值對(duì)于其共享單車出行選擇行為的影響。

1 中外對(duì)共享單車研究概述

北京城市范圍不斷擴(kuò)大，居民出行的活動(dòng)空間和范圍不斷擴(kuò)大，出行要求日益復(fù)雜化。其中值得注意的是，通勤者為了減少出行成本、提高出行效率，傾向?qū)⒍鄠€(gè)出行以出行鏈的形式進(jìn)行鏈接，同時(shí)通過不同通勤時(shí)間和通勤方式的改變，提高了通勤過程的復(fù)雜程度。出行方式，出行時(shí)間與路徑選擇均是出行者日?；顒?dòng)-出行選擇的主要決策內(nèi)容。

出行方式選擇行為一直是出行行為研究領(lǐng)域的重要課題，在很大程度上決定了城市交通出行方式的結(jié)構(gòu)，并直接影響交通需求管理(travel demand management，TDM)和行程控制測(cè)量(travel control measurement，TCM)的有效實(shí)施。付學(xué)梅等[2]通過構(gòu)建ICLV模型探究個(gè)體特征，通勤特征對(duì)于通勤者出行選擇的影響，將通勤者對(duì)于不同交通方式的喜好度、滿意度、舒適度視為潛變量加入模型，發(fā)現(xiàn)通勤者對(duì)某種出行方式的態(tài)度不僅影響他們對(duì)該方式的選擇，還會(huì)對(duì)其他方式的選擇產(chǎn)生作用。

Tang等[3]對(duì)比了北京、上海和杭州的共享單車系統(tǒng)，通過對(duì)使用者(北京154 人、上海218 人、杭州276 人)進(jìn)行一系列與其出行選擇相關(guān)的調(diào)查來收集數(shù)據(jù)。調(diào)查發(fā)現(xiàn)與上海和杭州相比，將近45%的北京受訪者使用共享單車上班，而另兩個(gè)城市這一比例僅為18%。上海超過半數(shù)的受訪者下班時(shí)會(huì)使用共享單車，北京和杭州該比例分別為29%和23%。與北京和上海相比，杭州市民使用共享單車的目的多樣化。三座城市(北京、上海、杭州)的共享單車使用者在出行目的上存在較大差異，認(rèn)為出行目的是影響共享單車出行的主要因素。

最大化共享單車出行替代私人汽車旅行，是推廣自行車共享計(jì)劃的一個(gè)主要目的。Fishman等[4]的研究旨在提高在短途旅行中共享單車相對(duì)于私人汽車旅行的競(jìng)爭(zhēng)優(yōu)勢(shì)，認(rèn)為時(shí)間成本(便捷性)和金錢成本是影響共享單車出行的主要因素。其次使用靈活性、減少燃料使用及污染排放、鍛煉身體、減少交通擁堵、個(gè)人財(cái)務(wù)節(jié)約以及對(duì)多式聯(lián)運(yùn)的支持也會(huì)影響共享單車的選擇。

周思萌[5]構(gòu)建了共享單車使用者滿意度的結(jié)構(gòu)方程模型，以昆明市為例研究共享單車使用者滿意度的影響因素。研究認(rèn)為共享單車使用滿意度的影響因素，主要包括：安全與環(huán)保、便捷與靈活、分布與停取、外觀與性能、服務(wù)與維修。數(shù)據(jù)分析顯示，這5個(gè)因素均對(duì)用戶滿意度有正向影響。同時(shí)認(rèn)為共享單車存在種種問題，例如單車定位的準(zhǔn)確性、維修的及時(shí)性、分布數(shù)量的合理性等方面。

Caulfield等[6]使用邏輯回歸模型研究了影響單車出行距離以及頻率。調(diào)查結(jié)果顯示，共享單車出行者大部分行程都很短，而且在大多數(shù)情況下都很頻繁。使用頻率高的使用者也有較短的出行距離，這表明這些用戶已經(jīng)將單車出行作為日常出行方式。天氣是共享單車出行的重要影響因素，良好的天氣條件下，單車出行的頻率及距離都會(huì)顯著提高。

El-Assi等[7]對(duì)多倫多共享單車進(jìn)行分析，認(rèn)為多倫多地區(qū)選擇共享單車出行的影響因素包括：社會(huì)人口特征、道路網(wǎng)絡(luò)配置(如交叉口密度和車站空間色散，這些與出行安全有關(guān))、自行車基礎(chǔ)設(shè)施(自行車道、道路等)。

在澳大利亞，人們認(rèn)為缺乏運(yùn)動(dòng)是導(dǎo)致健康狀況不佳的主要原因，而騎車能顯著提高成年人的身體活動(dòng)水平。Bauman等[8]通過對(duì)澳大利亞出行者進(jìn)行研究，認(rèn)為運(yùn)動(dòng)(健康)是發(fā)展共享單車系統(tǒng)的最主要因素。同時(shí)人們對(duì)自行車事故風(fēng)險(xiǎn)的感知以及機(jī)動(dòng)車車速都是阻礙自行車出行選擇的因素。Fishman等[9]通過訪談、問卷調(diào)查等方法收集數(shù)據(jù)探索在澳大利亞布里斯班市，選擇共享單車出行方式的促進(jìn)因素和障礙，并采用主題分析方法對(duì)數(shù)據(jù)進(jìn)行分析。發(fā)現(xiàn)阻礙澳大利亞共享單車出行的最主要因素是不夠便利，原因在于佩戴頭盔的問題(澳大利亞法律強(qiáng)制騎車者佩戴頭盔)，系統(tǒng)并非24 h服務(wù)且難以通過簡(jiǎn)單的刷卡方式注冊(cè)等，這些主要阻礙因素降低了公共自行車系統(tǒng)的吸引力。

Martin等[10]對(duì)大量文獻(xiàn)進(jìn)行綜述，并對(duì)公共自行車系統(tǒng)運(yùn)營(yíng)者和交通利益相關(guān)者進(jìn)行訪談，旨在了解出行目的以及通勤距離對(duì)使用公共自行車的傾向性的影響，實(shí)證結(jié)果顯示通勤距離是自行車通勤的決定性因素，出行目的也是影響自行車出行的重要因素。

Buck等[11]調(diào)查了華盛頓公共自行車系統(tǒng)租賃點(diǎn)活動(dòng)(docking station activity)與鄰近自行車道的關(guān)系。通過運(yùn)用多變量回歸分析方法，發(fā)現(xiàn)公共自行車活動(dòng)與自行車道的存在具有統(tǒng)計(jì)學(xué)上的顯著性關(guān)系，同時(shí)也強(qiáng)調(diào)了人口密度和混合使用(多種方式共存)在促進(jìn)公共自行車活動(dòng)的重要性。

相關(guān)共享單車出行研究因素的研究如表1所示。

通過目前已有的研究可以看出，社會(huì)人口特征、出行時(shí)間距離和目的、道路網(wǎng)絡(luò)配置以及自行車基礎(chǔ)設(shè)施都是影響共享單車出行的因素[13-16]。

表1 共享單車出行影響因素

2 量表設(shè)計(jì)與數(shù)據(jù)收集

2.1 量表設(shè)計(jì)

參考Zeithaml[17]的觀點(diǎn)，從地鐵通勤者感知利得和感知利失兩個(gè)角度來研究其感知價(jià)值。初步將共享單車出行選擇的感知價(jià)值分為五大維度：一是感知利得方面，分為感知節(jié)約、感知激勵(lì)、履行社會(huì)規(guī)范；二是感知利失方面，分為轉(zhuǎn)換成本、感知風(fēng)險(xiǎn)[17]。

結(jié)合已有感知價(jià)值各驅(qū)動(dòng)因素測(cè)量項(xiàng)目，釆用焦點(diǎn)小組訪談方式，識(shí)別共享單車出行過程中各驅(qū)動(dòng)因素的測(cè)量項(xiàng)目。采用全員團(tuán)體焦點(diǎn)小組的方式，選取了20 名訪談人員(男性10 名，女性10 名)，采取集中訪談的形式，訪談1 h。過程中參考Flint等[18]的訪談方法，綜合運(yùn)用了全程法(引導(dǎo)受訪者模擬實(shí)際共享單車出行過程來探究感知利得利失測(cè)量項(xiàng))、階梯法(不斷追問，深入探究)并作詳細(xì)訪談?dòng)涗洠瑓R總得到初步量表，導(dǎo)師組經(jīng)過多次討論論證，對(duì)原有量表進(jìn)一步修改，得到最終量表如表2所示。

2.2 量表數(shù)據(jù)收集

問卷在北京范圍內(nèi)發(fā)放,網(wǎng)絡(luò)問卷通過問卷網(wǎng)問卷服務(wù)平臺(tái)進(jìn)行發(fā)放，限定IP區(qū)域?yàn)楸本┑貐^(qū)，推廣途徑主要包括微信、QQ、微博等社交平臺(tái)。問卷發(fā)放歷時(shí)20 d，共收集問卷796 份，去除無效問卷94 份，最終得到有效問卷702 份。

表2 最終量表

有效樣本中有將近5 成年齡段屬于“18～25”區(qū)間；有65%的樣本教育程度為“本科”；樣本中有超過3 成為“學(xué)生”，還有大約4 成為企事業(yè)單位職工；就共享單車出行的主要目的來講，“上班”占比最高，為41.5%；“游玩”占比其次，為40.5%。

2.3 問卷信度檢驗(yàn)

信度分析用于研究定量數(shù)據(jù)(尤其是態(tài)度量表題)的回答可靠準(zhǔn)確性。分析Cronbach’sα系數(shù)，如果此值高于0.8，則說明信度高；如果此值介于0.7～0.8；則說明信度較好；如果此值介于0.6～0.7；則說明信度可接受；如果此值小于0.6；說明信度不佳，檢驗(yàn)結(jié)果如表3所示。

根據(jù)檢驗(yàn)結(jié)果，可以看出，各分項(xiàng)以及總體Cronbach’sα系數(shù)均在0.7以上，說明問卷具有良好的信度。

表3 問卷信度檢驗(yàn)結(jié)果

具體分析感知節(jié)約、感知激勵(lì)、履行社會(huì)規(guī)范、轉(zhuǎn)換成本和感知風(fēng)險(xiǎn)5個(gè)維度中具體問題項(xiàng)，針對(duì)“各項(xiàng)已刪除的Cronbach’sα系數(shù)”，檢驗(yàn)發(fā)現(xiàn)任意問題項(xiàng)被刪除后，信度系數(shù)并不會(huì)有明顯的上升，因此說明題項(xiàng)不應(yīng)該被刪除處理。

綜上所述，研究數(shù)據(jù)信度系數(shù)值高于0.7，刪除題項(xiàng)后信度系數(shù)值并不會(huì)明顯提高，綜合說明數(shù)據(jù)信度質(zhì)量高，可用于進(jìn)一步分析。

2.4 問卷效度檢驗(yàn)

效度是一種概念，是指研究項(xiàng)的設(shè)計(jì)是否具有科學(xué)合理性。

采用因子分析進(jìn)行問卷效度檢驗(yàn)。問卷的效度是指問卷能夠測(cè)量出某種理論特質(zhì)或概念的程度，也就是實(shí)際的問卷測(cè)量得分能夠解釋理論特質(zhì)或概念的程度。從其實(shí)際應(yīng)用的視角看，因子分析產(chǎn)生的結(jié)果是歸納出測(cè)量變量對(duì)潛在屬性的描述，從而實(shí)現(xiàn)了對(duì)測(cè)量性質(zhì)準(zhǔn)確性和測(cè)量結(jié)果正確性的描述，因此，因子分析能夠檢驗(yàn)問卷效度[19]，檢驗(yàn)結(jié)果如表4所示。

根據(jù)檢驗(yàn)結(jié)果：所有研究項(xiàng)對(duì)應(yīng)的共同度值均高于0.4，說明研究項(xiàng)信息可以被有效提取。5 個(gè)因子的方差解釋率值分別是14.398%、13.878%、12.294%、8.850%、8.456%，旋轉(zhuǎn)后累積方差解釋率為57.876%>50%。意味著研究項(xiàng)的信息量可以有效提取出來。另外，KMO值為0.840，大于0.6，意味著數(shù)據(jù)具有效度。

表4 問卷效度檢驗(yàn)結(jié)果

最后，結(jié)合因子載荷系數(shù)，因子載荷系數(shù)絕對(duì)值大于0.4時(shí)即說明二者有著較強(qiáng)關(guān)聯(lián)性，該題項(xiàng)可以與該維度(因子)有著對(duì)應(yīng)關(guān)系。從表4中可以看出，感知履行社會(huì)規(guī)范問題4既可歸類因子1，又可歸類為因子4，這種情況較為正常(稱作“糾纏不清”)，根據(jù)專業(yè)知識(shí)將此題項(xiàng)歸類為因子4。此外，感知節(jié)約2 題項(xiàng)均對(duì)應(yīng)因子5，因子載荷系數(shù)均高于0.4，說明此2 項(xiàng)應(yīng)該同屬于一個(gè)維度；感知激勵(lì)5 題項(xiàng)均對(duì)應(yīng)因子1，因子載荷系數(shù)均高于0.4，說明此5 項(xiàng)應(yīng)該同屬于一個(gè)維度；履行社會(huì)規(guī)范4 題項(xiàng)均對(duì)應(yīng)因子4，因子載荷系數(shù)均高于0.4，說明此4 項(xiàng)應(yīng)該同屬于一個(gè)維度；轉(zhuǎn)換成本5 題項(xiàng)均對(duì)應(yīng)因子3，因子載荷系數(shù)均高于0.4，說明此5 項(xiàng)應(yīng)該同屬于一個(gè)維度；感知風(fēng)險(xiǎn)6 題項(xiàng)均對(duì)應(yīng)因子2，因子載荷系數(shù)均高于0.4，說明此6 項(xiàng)應(yīng)該同屬于一個(gè)維度；綜上確認(rèn)感知節(jié)約等5 個(gè)因子(維度)和22 個(gè)問題項(xiàng)對(duì)應(yīng)關(guān)系與預(yù)期維度相符，這說明具有效度。

3 離散選擇潛變量模型(ICLV)構(gòu)建

通過建立潛變量與離散選擇模型相結(jié)合的ICLV混合選擇模型，研究一些可直接觀測(cè)變量(如個(gè)人特征、出行目的等)和不可觀測(cè)的潛變量因素(感知利得，感知利失)對(duì)共享單車出行選擇行為的影響。具體如圖1所示。

ICLV模型是由離散選擇模型和潛變量的結(jié)構(gòu)方程模型組合而成。具體來說，在離散選擇模型中，使用MNL模型(multinominal logit model)將可觀測(cè)變量、潛變量整合在一起，根據(jù)效用最大化原理，利用效用函數(shù)U來估計(jì)人們的選擇意愿Y。ICLV模型包含兩個(gè)結(jié)構(gòu)模型和兩個(gè)測(cè)量模型。

3.1 結(jié)構(gòu)模型

在潛變量的結(jié)構(gòu)方程模型中，結(jié)構(gòu)模型用來描述可觀測(cè)變量(如年齡、出行目的等)對(duì)感知利得、感知利失的影響。

出行者的個(gè)體特征xi(i=1，2，…，7)對(duì)共享單車出行感知利得(B)的影響可表示為

(1)

出行者的個(gè)體特征xi(i=1，2，…，7)對(duì)共享單車出行感知利失(S)的影響可表示為

(2)

出行者選擇共享單車出行是感知價(jià)值U=1，則感知價(jià)值效用函數(shù)為

(3)

式中：B為共享單車出行感知利得；S為共享單車出行感知利失；xi(i=1，2，…，7)為出行者個(gè)人特征；xi(i=8，9，…，17)為出行者出行環(huán)境特征；U為感知價(jià)值；β、γ1、γ2為待估參數(shù)；η1、η2為隨機(jī)誤差，服從標(biāo)準(zhǔn)正態(tài)分布；ε為效用函數(shù)誤差項(xiàng)。

圖1 ICLV 模型Fig.1 ICLV model

3.2 測(cè)量模型

潛變量與指示變量之間的測(cè)量方程可表示為

Yi=αY,iB+υY,i

(4)

Lj=αL,jB+υL,j

(5)

Fk=αF,kB+υF,k

(6)

Bl=αB,lS+υB,l

(7)

Xq=αX,qS+υX,q

(8)

式中：Yi、Lj、Fk、Bl、Xq為指示變量，分別表示感知節(jié)約、感知激勵(lì)、履行社會(huì)規(guī)范、轉(zhuǎn)換成本和感知風(fēng)險(xiǎn)；B為共享單車出行感知利得；S為共享單車出行感知利失；α為因子載荷矩陣；υ為常數(shù)項(xiàng)。

選擇項(xiàng)Y的測(cè)量方程可表示為

(9)

4 實(shí)證結(jié)果

表5是實(shí)證分析個(gè)體特征、出行環(huán)境特征以及感知價(jià)值變量與出行選擇效用之間的關(guān)系，該參數(shù)估計(jì)結(jié)果通過Mplus軟件實(shí)現(xiàn)，具體指令如下。

TITLE:

DATA:

FILE IS C:UsersadminDesktop數(shù)據(jù)01.dat；

VARIABLE:

MISSING ARE ALL (-99)；

NAMES AREx1x2x3x4x5x6x7x8x9x10x11x12x13x14x15

x16x17Y1Y2Y3L1L2L3L4L5F1F2F3F4

B1B2B3B4B5X1X2X3X4X5X6Y；

USEVARIABLES AREx1x2x3x4x5x6x7x8x9x10x11x12x13x14x15

x16x17Y1Y2Y3L1L2L3L4L5F1F2F3

F4B1B2B3B4B5X1X2X3X4X5X6Y；

CATEGORICAL=Y；

ANALYSIS:ESTIMATOR=ML；

DEFINE:

STANDARDIZEY1Y2Y3L1L2L3L4L5F1F2F3F4

B1B2B3B4B5X1X2X3X4X5X6；

MODEL:

BBYY1Y2Y3L1L2L3L4L5F1F2F3F4；

SBYB1B2B3B4B5X1X2X3X4X5X6；

BONx1x2x3x4x5x6x7；

SONx1x2x3x4x5x6x7；

YONx1x2x3x4x5x6x7x8x9x10x11x12x13x14x15x16x17BS；

output:standardized residual；

表5 問卷效度檢驗(yàn)結(jié)果-ICLV結(jié)構(gòu)模型的參數(shù)估計(jì)結(jié)果Table 5 Questionnaire validity test result-parameter estimation result of ICLV structure model

注：***代表P<0.01，**代表P<0.05，*代表P<0.1。

根據(jù)表5 ICLV 結(jié)構(gòu)模型的參數(shù)估計(jì)結(jié)果，可以得到如下結(jié)論。

(1)從個(gè)體特征方面看，性別、收入以及偏好對(duì)出行者共享單車出行選擇行為有顯著影響。

性別作為顯著變量，一定程度上男性比女性更傾向于共享單車出行，這可能是由于男性本身運(yùn)動(dòng)能力或者說體力要強(qiáng)于女性，這使得男性較之女性在一定程度上會(huì)更傾向于選擇共享單車出行。

收入越高的出行者越傾向于選擇共享單車出行，這可能是因?yàn)槭杖朐礁叩某鲂姓邔?duì)于生活的追求更高，收入越高的人往往更偏愛健康的生活方式，更追求騎行沿途看風(fēng)景的愉悅感。

出行者對(duì)自行車偏好越高，共享單車出行帶給出行者的效用就越大，同時(shí)所需付出的成本越低，因而，對(duì)自行車偏好越高的出行者更傾向于選擇共享單車出行。

(2)從出行環(huán)境特征方面來看，出行目的會(huì)對(duì)出行者共享單車出行選擇行為有顯著影響，又?jǐn)?shù)據(jù)分析可知出行目的為上學(xué)的出行者要比出行目的為上班以及游玩的出行者更愿意選擇共享單車出行。

一方面，對(duì)于上學(xué)的人來說，出發(fā)地和目的地都是長(zhǎng)期所熟知的，對(duì)出發(fā)地目的地周圍共享單車情況具有一定了解，但是對(duì)于游玩的人來說，需要花費(fèi)更多時(shí)間精力去尋找車，因此相對(duì)于出行目的為游玩的出行者來說，出行目的為上學(xué)的出行者更愿意選擇共享單車出行。

另一方面，以上學(xué)為出行目的的出行者平均騎行距離要小于以上班為出行目的的出行者，很多上班族上班地點(diǎn)與家的距離超過出行者愿意騎行的可接受距離，故而不會(huì)選擇共享單車出行，因此相對(duì)于出行目的為上班的出行者來說，出行目的為上學(xué)的出行者更愿意選擇共享單車出行。

在P<0.05的水平下，共享單車與其他交通工具如地鐵的銜接性正向影響共享單車出行選擇，隨著經(jīng)濟(jì)發(fā)展，人們對(duì)于出行的要求逐漸增加，這就要求多種交通工具相互配合，交通工具銜接需要花費(fèi)出行者一定時(shí)間精力成本，如果共享單車與其他交通工具銜接性越強(qiáng)，人們自然更愿意選擇共享單車出行。

(3)在顯著性指標(biāo)P<0.01的情況下，共享單車出行感知利失對(duì)其共享單車出行選擇行為有負(fù)向的顯著影響?？梢岳斫鉃?，出行者對(duì)于共享單車出行的感知利失越小，選擇共享單車出行選擇行為的可能性越大。而共享單車出行感知利得對(duì)其共享單車出行選擇行為未見顯著影響。

5 結(jié)論與政策建議

運(yùn)用700 多份問卷數(shù)據(jù)，應(yīng)用離散選擇潛變量模型(ICLV)來評(píng)估可觀測(cè)變量(個(gè)人特征、出行環(huán)境特征)和潛變量(感知利得、感知利失)對(duì)出行者共享單車出行感知價(jià)值的影響。ICLV模型中結(jié)構(gòu)模型估計(jì)與結(jié)果分析所得結(jié)論如下。

(1)在個(gè)人特征和出行環(huán)境特征方面，收入、偏好以及銜接性正向顯著影響出行者共享單車出行選擇行為。而男性比女性更愿意選擇共享單車出行。出行目的也顯著影響出行者共享單車出行選擇行為，相對(duì)于出行目的為游玩或者上班的出行者來說，出行目的為上學(xué)的出行者更愿意選擇共享單車出行。

(2)在感知價(jià)值方面，感知利得正向影響通勤者共享單車出行選擇行為，其中感知時(shí)間節(jié)約，沿途風(fēng)景欣賞，資源節(jié)約顯著影響。感知利失負(fù)向顯著影響出行者共享單車出行選擇行為，其中轉(zhuǎn)換心理成本和感知信息風(fēng)險(xiǎn)會(huì)顯著影響。

研究結(jié)論的若干政策建議如下：①政府在引領(lǐng)共享單車進(jìn)入市場(chǎng)過程中，需要注意建設(shè)相應(yīng)的交通政策，規(guī)范安全騎行行為；②在城市規(guī)劃過程中，要注意推進(jìn)自行車道與城市經(jīng)濟(jì)社會(huì)發(fā)展的一體化規(guī)劃和投資建設(shè)，更好地發(fā)揮城市規(guī)劃對(duì)共享單車的帶動(dòng)作用。