鄧天民，萬 橋，冒國韜，譚思奇

(重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶 400074)

隨著中國客運(yùn)的不斷發(fā)展，公路、鐵路和航空運(yùn)輸之間既有競爭又有合作。由于各個(gè)運(yùn)輸方式都有其各自的技術(shù)特征，近年來，中國公路客運(yùn)受高鐵、民航、私人交通沖擊，公路客運(yùn)運(yùn)營呈萎縮現(xiàn)象，與鐵路客運(yùn)運(yùn)營的差距在逐年拉大[1]，因此，在此背景下，研究旅客中長途出行選擇行為影響因素，如何讓公路客運(yùn)在激烈的市場競爭中立足，對(duì)公路客運(yùn)企業(yè)未來的發(fā)展有著重要意義。

中外學(xué)者在針對(duì)旅客出行選擇行為偏好方面研究的已有較多的成果。已有關(guān)于旅客出行影響因素的研究成果大多是以效用理論為基礎(chǔ)展開。Baltas等[2]在非集計(jì)理論基礎(chǔ)上研究了消費(fèi)者心理特征、車輛使用目的、購買信息渠道等因素對(duì)消費(fèi)者車型選擇的影響。Thrane[3]研究表明，年齡對(duì)出行方式選擇的影響是非線性的，旅客選擇民航出行的概率跟出行人數(shù)成反比。Zhang等[4]通過多項(xiàng)Logit模型對(duì)公交用戶群出行方式選擇的影響因素進(jìn)行了分析。Ding等[5]基于意向調(diào)查(stated preference，SP)和行為調(diào)查(revealed preference，RP)調(diào)查，運(yùn)用聚類法將個(gè)體分組預(yù)測，從而來分析步行時(shí)間、旅游時(shí)間、出行票價(jià)等因素對(duì)居民出行方式選擇的影響。Jung等[6]在SP調(diào)查基礎(chǔ)上，通過對(duì)居民出行票價(jià)、旅行時(shí)間等因素來研究對(duì)旅客短途出行航線選擇行為的影響。Nurlaela等[7]在行為分析基礎(chǔ)上模擬居民居住點(diǎn)與出行方式的選擇，以此來建立居住在公共交通附近的居民選擇行為和出行方式之間的多維關(guān)系。因此，在外國研究中，主要以基于效用理論和非集計(jì)理論構(gòu)建的Logit模型為主。

分析發(fā)現(xiàn)以往關(guān)于中長途客運(yùn)的市場競爭的研究多集中在鐵路、民航市場的競爭比較研究與優(yōu)勢分析，2012年后，高鐵迅速崛起，以往的公路客運(yùn)市場細(xì)分與營銷策略已不再適用此種形式的變化[8]。

李軍[9]通過特征解析與行為調(diào)查，進(jìn)行行為建模并設(shè)置動(dòng)態(tài)站點(diǎn)，建立定制客運(yùn)動(dòng)態(tài)線路與時(shí)刻表優(yōu)化模型，實(shí)現(xiàn)定制客運(yùn)的運(yùn)行計(jì)劃優(yōu)化。鐘異瑩等[10]結(jié)合計(jì)劃行為理論，構(gòu)建涵蓋5個(gè)潛變量、22個(gè)測量變量的公共交通出行選擇行為模型，以重慶市居民出行數(shù)據(jù)為例，計(jì)算結(jié)果表明行為態(tài)度對(duì)行為意向的直接影響影響最大且為0.832。馬瑩瑩等[11]對(duì)行節(jié)假日高速公路出行行為特性調(diào)查和分析，提出基于巢式Logit-累積前景理論模型的高速公路出行時(shí)段選擇模型，研究表明，所提出的模型與其他模型相比，提出的模型提高了預(yù)測結(jié)果的精度。馮煥煥等[12]運(yùn)用前景理論和乘客最優(yōu)理論建立了客運(yùn)走廊內(nèi)居民公共交通出行選擇模型，通過調(diào)查獲取了相關(guān)的關(guān)系數(shù)據(jù)，發(fā)現(xiàn)模型的模擬結(jié)果與居民選擇公共交通工具的行為是一致的。馬書紅等[13]基于城際旅客調(diào)查數(shù)據(jù)，構(gòu)建基于出行鏈的混合選擇模型，預(yù)測了城際旅客出行鏈的選擇。劉洛廷[14]通過RP和SP相結(jié)合獲取了西咸城際出行旅客各類出行特征的樣本數(shù)據(jù)，根據(jù)構(gòu)建的城際旅客出行公共交通模式選擇整合模型，對(duì)交通系統(tǒng)結(jié)構(gòu)優(yōu)化后的選擇結(jié)果進(jìn)行了預(yù)測，提出了提高西咸城際出行的旅客對(duì)各類公共交通模式選擇意向的策略倡導(dǎo)。李曉偉等[15-16]應(yīng)用旅客多模式出行選擇RP數(shù)據(jù)建立了多項(xiàng)Logit模型(multinomial Logit，MNL)，研究了交通樞紐可達(dá)性對(duì)多模式綜合交通客運(yùn)方式選擇行為的影響機(jī)理以及工作型與休閑型出行條件下交通樞紐可達(dá)性對(duì)于多模式競爭影響的差異性；通過建立旅客乘車方式選擇模型，研究高鐵競爭下多維因素對(duì)旅客高速公路客運(yùn)選擇的影響，以此為依據(jù)提出高鐵競爭下高速公路客運(yùn)的運(yùn)營管理策略。肖光年等[17]構(gòu)建了出行方式和出行時(shí)間選擇的離散-連續(xù)模型系統(tǒng)，研究結(jié)果表明，出行方式對(duì)出行時(shí)間有顯著的影響。

在已有研究基礎(chǔ)上，分析中長途客運(yùn)市場中旅客選擇行為的影響因素，通過多元Logistic回歸模型建長途客運(yùn)旅客選擇行為模型，對(duì)相關(guān)影響因素進(jìn)行敏感性分析，根據(jù)出行距離影響因素對(duì)中長途客運(yùn)旅客進(jìn)行市場細(xì)分，并提出相對(duì)的營銷策略。

1 方案設(shè)計(jì)與數(shù)據(jù)獲取

1.1 旅客出行調(diào)查方案設(shè)計(jì)

鑒于單獨(dú)使用RP或SP的局限性，采用RP和SP相結(jié)合的調(diào)查方法，選取北京市豐臺(tái)站新發(fā)地、六里橋等客流集散點(diǎn)及通過網(wǎng)絡(luò)對(duì)旅客的出行情況進(jìn)行了問卷調(diào)查，以此來分析北京中長途旅客的出行特征。調(diào)查問卷包含有關(guān)旅客個(gè)人信息、所選交通方式特征等問題。將離散選擇行為實(shí)驗(yàn)用于旅客中長途出行選擇行為研究，通過前人研究成果總結(jié)及旅客出行決策過程分析，將問卷調(diào)查內(nèi)容分為三大板塊，包括出行者特性、出行特性和運(yùn)輸方式特性，第一部分為旅客個(gè)人信息，具體包括旅客性別、年齡、職業(yè)、月收入等方面的內(nèi)容；第二部分為旅客最近一次的中長途出行調(diào)查，具體包括出行目的、出行方式、購票方式、出行時(shí)間、出行距離、出行費(fèi)用等，其中出行方式包括高鐵、火車、長途客車、民航飛機(jī)、其他，其他出行方式包括私家車、租車、網(wǎng)約車等方式；第三部分為意愿調(diào)查，并設(shè)定了4種不同出行距離(0～100、100～400、400～800、800 km以上)下旅客出行方式的選擇，以及長途客車分別跟高鐵、火車、民航飛機(jī)的優(yōu)劣勢對(duì)比等內(nèi)容，并確定了各變量類型和屬性，如表1所示。

表1 影響旅客出行方式選擇行為的因素及變量

1.2 調(diào)查數(shù)據(jù)統(tǒng)計(jì)

本次調(diào)查共發(fā)放問卷表300份，回收300份，其中有效表294份，有效率為98.00 %，能夠滿足統(tǒng)計(jì)分析的需要。統(tǒng)計(jì)分析數(shù)據(jù)顯示：女性旅客相對(duì)男性旅客出行選擇火車和長途客車較多。出行旅客以[18,50]為主，年齡在18～50歲，選擇高鐵出行的人居多，火車、長途客車次之。3 000～8 000元中高等收入的旅客以商務(wù)和旅游為出行主要目的，出行距離在100～800 km時(shí)，旅客會(huì)更偏向于選擇鐵路客運(yùn)。統(tǒng)計(jì)分析表明樣本整體數(shù)據(jù)分布較為合理，具有很強(qiáng)的信效度和代表性。

2 模型構(gòu)建與優(yōu)化

2.1 模型構(gòu)建

根據(jù)效用最大化理論，旅客n選擇i類交通方式概率的表達(dá)式為

(1)

式(1)中：Pin為出行者n選擇i類交通方式的概率；An是出行者n的選擇方案集合；Vin為系統(tǒng)效用，指決策者n選擇方案i的非隨機(jī)變化部分(固定項(xiàng))。

為便于計(jì)算，將北京市長途客運(yùn)旅客出行的選擇行為模型，表示為各類影響因素(解釋變量)的廣義多元Logistic回歸模型，即

(2)

交通方式i包括高鐵(i=1)、火車(i=2)、長途客車(i=3)、民航飛機(jī)(i=5)，將YI=Y5民航飛機(jī)作為參考方式。所有交通方式因變量均以最后一個(gè)類別(民航飛機(jī))作為參照對(duì)象，其他出行方式分別與其進(jìn)行對(duì)比。

2.2 模型優(yōu)化

針對(duì)影響旅客出行方式選擇的因素，分析旅客選擇某種出行方式的趨勢變化。故對(duì)式(2)進(jìn)行簡化分析，得

Yi=eβiXink

(3)

式(3)中：Yi為第Yi類交通方式，且以第YI類交通方式為參照類，設(shè)YI=Y5(民航飛機(jī))為出行參考方式；βi為屬性k對(duì)于出行者選擇i類交通方式的影響度，βi的正負(fù)表示增加或減小的趨勢，βi的絕對(duì)值數(shù)值表示變化趨勢的大小。

2.3 參數(shù)估計(jì)

利用SPSS23.0軟件中的多元-Logistic回歸分析，以民航飛機(jī)作為參考方式，采用向前遞進(jìn)法對(duì)模型進(jìn)行參數(shù)估計(jì)。模型參數(shù)估計(jì)結(jié)果包括回歸系數(shù)β、標(biāo)準(zhǔn)誤差、統(tǒng)計(jì)量Wald、自由度、顯著水平sig和發(fā)生比Exp(β)等，回歸系數(shù)值為正表示變量每增加一個(gè)單位值時(shí)發(fā)生比會(huì)相應(yīng)增加，相反，當(dāng)回歸系數(shù)為負(fù)值時(shí)說明增加一個(gè)單位值時(shí)發(fā)生比會(huì)相應(yīng)減少；Exp(β)表示子變量增長一單位所引起的Yi選擇概率與YI選擇概率的比值的變化，稱為發(fā)生比。以民航飛機(jī)為參考方式，根據(jù)高鐵、火車、長途客車在置信度為95%設(shè)定下對(duì)標(biāo)定的參數(shù)進(jìn)行估計(jì)。SPSS共有11種參數(shù)進(jìn)入選項(xiàng)，變量根據(jù)比分檢驗(yàn)的概率大小依次進(jìn)入方程，變量移除模型的方式為根據(jù)偏似然比檢驗(yàn)的結(jié)果剔除變量。

通過代入數(shù)據(jù)得出的模型總體預(yù)測正確率為89.46%，高鐵、火車、長途客車類交通方式選擇人數(shù)的預(yù)測正確率分別達(dá)到了89.92%、90.16%、88.24%，反映出本項(xiàng)目所提出的廣義多元Logistic回歸模型能夠很好地?cái)M合樣本數(shù)據(jù)。由于數(shù)據(jù)較多，表2只列出參數(shù)估計(jì)的β值，表2中第一列為第i個(gè)變量所對(duì)應(yīng)屬性的未知參數(shù)，無單位。

表2 模型參數(shù)估計(jì)結(jié)果

應(yīng)用McFadden值來判斷模型擬合度，模型擬合的McFadden值越接近1，表明模型與實(shí)際情況吻合度越高。本文模型的McFadden值為0.479，表明所建模型客觀真實(shí)且各個(gè)屬性的顯著性較好，可進(jìn)一步分析。

3 結(jié)果分析

根據(jù)參數(shù)估計(jì)結(jié)果可知，性別、年齡、職業(yè)、月收入、出行時(shí)間、出行費(fèi)用、出行距離、安全性、舒適性、準(zhǔn)時(shí)性、便捷性等對(duì)旅客出行選擇方式影響都比較顯著，對(duì)上述因素的影響選擇其中兩個(gè)屬性進(jìn)行如下具體分析。

3.1 旅客自身屬性分析

3.1.1 性別

從表2可以看出，男女在出行選擇方式上是有差異的，性別=2女生的參數(shù)值β為0(e0=1)，表示以女生為參考，同時(shí)，高鐵、火車、長途客車3種方式的性別參數(shù)值β分別為0.149、-1.634、0.045，將其代入式(3)得出Y1=e0.149=1.161，Y2=e-1.634=0.195 1，Y3=e0.045=1.046，即相對(duì)于女性而言，男性乘客選擇高鐵、長途客車的趨勢比女性乘客分別增加了16.1%、4.6%，而男性乘客選擇火車的趨勢相對(duì)女性乘客而言降低明顯。可知男性乘客與女性乘客在進(jìn)行交通方式選擇時(shí)，存在一定的差異性，男性乘客更加偏向于高鐵和長途汽車，而女性乘客則偏向于選擇火車出行。

3.1.2 年齡

根據(jù)表2，年齡為1～4的旅客選擇高鐵、火車兩種方式的參數(shù)值β均為正，表明“年齡”對(duì)旅客選擇這兩種方式的出行趨勢存在正向作用。同時(shí)，對(duì)不同方式而言，可以看到年齡段1～4的對(duì)應(yīng)參數(shù)值均相對(duì)接近，表明隨著年齡的增加，乘客選擇不同方式的趨勢變化不明顯，反映出年齡對(duì)交通方式選擇行為的影響作用有限。

3.1.3 月收入

以長途客車為例，收入=2、收入=3兩個(gè)收入水平的參數(shù)值分別為-0.013、0.039，反映出收入3的乘客選擇長途客車的趨勢，比收入2乘客選擇長途客車的趨勢增加了5.3%。此外，對(duì)于3種方式而言，隨著收入的增加，旅客選擇高鐵、長途客車的趨勢增加，選擇火車的趨勢有所減少。

3.2 運(yùn)輸方式屬性分析

3.2.1 高鐵

ΔXi=Xi×變量增長的百分比，ΔY1=eβiΔXi，取ΔXi=Xi× 5%。當(dāng)Xi=X1，βi=10.785，βiΔX1=10.785×0.05×0.25=0.134 8，ΔY1=1.144(ΔY1>1)；當(dāng)Xi=X2，βi=-0.177，βiΔX2=-0.354，ΔY1=0.702(ΔY1<1)；當(dāng)Xi=X11，βi=0.005，βiΔX11=0.025，ΔY1=1.025(ΔY1>1)。

ΔXi表示特征變量的變化量，ΔY1表示旅客選擇高鐵出行的趨勢變化。由以上ΔY1的變化可知，ΔY1=1.144的值最大，表明隨著出行時(shí)間的增加旅客選擇高鐵出行的趨勢增加；其次由于ΔY1=0.702(ΔY1<1)，表明隨著出行費(fèi)用的增加，旅客選擇高鐵出行的趨勢減少。可以看出當(dāng)ΔY1=1.025(ΔY1≈1)，反映了出行距離的增加對(duì)旅客選擇高鐵的出行趨勢變化不明顯。

3.2.2 火車

ΔXi=Xi×變量增長的百分比，ΔY2=eβiΔXi，取ΔXi=Xi×5%。當(dāng)Xi=X3，βi=19.976，βiΔX3=2.996 4，ΔY2=20.01(ΔY2>1)；當(dāng)Xi=X4，βi=1.516，βiΔX4=0.151 6，ΔY2=1.164>1。

ΔX3表示安全性特征變量的變化量，ΔX4表示準(zhǔn)時(shí)性特征變量的變化量，ΔY2表示旅客選擇火車出行的趨勢變化。由ΔY2的變化可知，ΔY2=20.01(ΔY2>1)，ΔY2=1.164(ΔY2>1)，表明安全性對(duì)旅客選擇火車的出行的影響較大，隨著安全性提高，旅客選擇火車出行的趨勢增加；安全性、準(zhǔn)時(shí)性都提高后，旅客選擇火車出行的趨勢都有所增加。

3.2.3 長途客車

ΔXi=Xi×變量增長的百分比，ΔY3=eβiΔXi，取ΔXi=Xi×5%。當(dāng)ΔXi=X5，βi=-0.136，βiΔX5=-0.000 68，ΔY3=0.993(ΔY3<1)；當(dāng)Xi=X6，βi=0.821，βiΔX6=0.123 15，ΔY3=1.131(ΔY3>1)。

X5表示舒適性特征變量的變化量，ΔY3表示旅客選擇長途客車的出行趨勢變化。從上面的計(jì)算結(jié)果可看出，ΔY3=0.993(ΔY3≈1)，表明隨著舒適性的提高，旅客選擇長途客車的出行趨勢變化不明顯；ΔY3=1.131(ΔY3>1)，可看出隨著便捷性的提高，旅客選擇長途客車的出行趨勢有所增加。

3.3 旅客選擇偏好的敏感性分析

根據(jù)對(duì)北京市長途客運(yùn)市場旅客出行方式選擇的問卷調(diào)查結(jié)果分析，當(dāng)出行的時(shí)間、費(fèi)用或距離等屬性發(fā)生變動(dòng)時(shí)，必定會(huì)影響旅客出行選擇的方式。所以，在長途客車交通方式屬性不變、出行距離不同情況下，當(dāng)出行時(shí)間、出行費(fèi)用、安全性、準(zhǔn)時(shí)性等屬性發(fā)生變動(dòng)時(shí)，對(duì)這類影響因素進(jìn)行敏感性分析，判斷旅客出行方式選擇時(shí)對(duì)各因素的敏感程度，可以為優(yōu)化長途客運(yùn)市場的資源配置提供科學(xué)依據(jù)，從而為長途客運(yùn)企業(yè)制定應(yīng)對(duì)其他運(yùn)輸企業(yè)的相應(yīng)的策略提供指導(dǎo)。模型參數(shù)估計(jì)結(jié)果如表3所示。

表3 模型參數(shù)估計(jì)結(jié)果

通過式(3)可計(jì)算得到4種不同出行距離情況下出行者對(duì)這類影響因素的敏感性，其中ΔXi=Xi×變量增長的百分比，ΔY3=eβiΔXi，取ΔXi=Xi×10%，ΔXi、ΔY3含義同上文，計(jì)算結(jié)果如表4所示。

表4 不同距離下ΔY3的變化趨勢

從計(jì)算數(shù)據(jù)可以看出，在出行距離大于800 km時(shí)，除了X6=便捷性時(shí)ΔY3值大于1外，其余的都小于1，ΔY3=0.000 6(ΔY3≈0)，反映了隨著出行時(shí)間的增加，旅客選擇長途客車出行的趨勢明顯降低很多；且由于0.017、0.563、0.591、0.745都小于1，表明出行距離在大于800 km時(shí)，旅客對(duì)長途客車出行時(shí)間、出行費(fèi)用、安全性、準(zhǔn)時(shí)性、舒適性的變化都比較敏感，其中，旅客對(duì)出行費(fèi)用、出行時(shí)間變化的敏感度最高。

結(jié)果表明：采用多元Logistic回歸模型所計(jì)算的影響出行者選擇中長途客運(yùn)方式的因素，隨著出行距離的增加，各種因素對(duì)旅客選擇中長途客車出行的影響都隨之變化。中長途客運(yùn)在不同出行距離內(nèi)，旅客對(duì)中長途客車的各個(gè)影響因素也不盡相同，隨著出行距離的增加，旅客對(duì)出行時(shí)間、出行費(fèi)用變化的敏感度較高；其次安全性、準(zhǔn)時(shí)性的變化也會(huì)影響旅客選擇中長途客運(yùn)出行的趨勢；舒適性的變化對(duì)旅客選擇長途客車出行的趨勢變化不大；便捷性對(duì)旅客選擇長途客車出行趨勢存在正向作用。

因此，如果按照運(yùn)距進(jìn)行細(xì)分，0～400 km的中短途運(yùn)距旅客對(duì)準(zhǔn)時(shí)性、便捷性更敏感，是長途客運(yùn)市場的優(yōu)勢，也是公路客運(yùn)與鐵路客運(yùn)競爭最為激烈的市場；400～800、800 km以上的中長途運(yùn)距，旅客對(duì)費(fèi)用和時(shí)間最為敏感，旅客更多愿意選擇鐵路出行，客運(yùn)市場不占太大優(yōu)勢。

4 結(jié)論

基于隨機(jī)效用理論，在運(yùn)用多元-Logistic回歸模型，從出行者特性、出行特性和運(yùn)輸方式特性3個(gè)方面科學(xué)系統(tǒng)地設(shè)計(jì)了中長途客運(yùn)旅客出行選擇行為實(shí)驗(yàn)，獲取統(tǒng)計(jì)數(shù)據(jù)，在原有模型基礎(chǔ)上對(duì)廣義Logistic 回歸模型進(jìn)行了優(yōu)化，對(duì)各個(gè)因素對(duì)旅客出行選擇行為產(chǎn)生的影響進(jìn)行了實(shí)證研究。因此，從中國交通發(fā)展趨勢出發(fā)，為促進(jìn)公路客運(yùn)長久健康發(fā)展，提出以下建議。

(1)加強(qiáng)與鐵路的合作，調(diào)整線路布局。深入分析需求特性，針對(duì)不同運(yùn)距，優(yōu)化客運(yùn)班線，高鐵與公路客運(yùn)不是純粹的競爭關(guān)系，將運(yùn)力資源調(diào)配至高鐵尚未覆蓋的區(qū)域，加強(qiáng)對(duì)高鐵的“盲點(diǎn)”區(qū)域進(jìn)行網(wǎng)絡(luò)覆蓋和延伸，推動(dòng)公路客運(yùn)與鐵路客運(yùn)的快速接駁。

(2)定制差異化票價(jià)體制，提高公路客運(yùn)競爭力。對(duì)中長途運(yùn)輸來說，在不影響旅客對(duì)便捷性、準(zhǔn)時(shí)性、靈活性的需求上，長途客運(yùn)企業(yè)應(yīng)在制定票價(jià)和客運(yùn)產(chǎn)品運(yùn)行技術(shù)提升上做整改。比如根據(jù)乘客出行同一團(tuán)體的人數(shù)越多，折扣力度越大；針對(duì)不同類型的乘客采取不同的折扣力度，可給特殊乘客如學(xué)生、農(nóng)民工予更實(shí)惠的票價(jià)。

(3)發(fā)揮點(diǎn)到點(diǎn)運(yùn)送的優(yōu)勢。公路客運(yùn)的優(yōu)勢是快捷、方便、準(zhǔn)點(diǎn)、班次密度大，所以短途客運(yùn)市場應(yīng)定位在方便、快捷上，開通鐵路無法通達(dá)或需要中轉(zhuǎn)的城市線路網(wǎng)，提升旅客換乘便捷度，牢牢抓住短途運(yùn)輸?shù)闹髁κ袌龇蓊~。

公路客運(yùn)企業(yè)必須進(jìn)一步提高競爭實(shí)力，充分發(fā)揮公路客運(yùn)企業(yè)的中短途距離的優(yōu)勢，進(jìn)一步開拓市場，才能鞏固和完善中短途客運(yùn)主體市場，確保優(yōu)勢項(xiàng)目的優(yōu)勢地位。