網(wǎng)絡(luò)拼車成功的因素分析

譚家美，朱麗葉，南香蘭，侯立文

(上海海事大學(xué) 交通運(yùn)輸學(xué)院，上海 201306)

0 引 言

在國(guó)外,拼車有幾種不同的說(shuō)法，其中常用的有carpool, ridesharing, carsharing, sluggish等.正式意義上的拼車起源于1982年美國(guó)的舊金山，后來(lái)逐漸擴(kuò)散到西雅圖、華盛頓、休斯頓等城市，形成主流行為.隨后發(fā)生的SMART計(jì)劃也為拼車的實(shí)施提供幫助.1914年，隨著美國(guó)經(jīng)濟(jì)的崩潰，出現(xiàn)類似于拼車的商業(yè)行為，為正式拼車奠定基礎(chǔ).由于拼車既有利于環(huán)保[1]，又有利于緩解擁擠的城市交通[2]，世界上許多國(guó)家用各種方式鼓勵(lì)和支持拼車行為.

為了提高拼車參與率，國(guó)內(nèi)外許多學(xué)者從不同層面研究影響拼車行為的各種因素.王茂福[3]分析拼車行為的積極效應(yīng)，如節(jié)約成本、增進(jìn)社會(huì)成員之間的溝通、降低交通擁堵、減少碳?xì)怏w排放等.BURRI等[4]分析得出25～34歲年齡段的頻繁出行次數(shù)，具有專業(yè)職位或者管理層職位時(shí)更傾向于參加拼車，但家庭收入在25 000～35 000美元之間的拼車行為明顯降低.FERGUSON[5]通過(guò)研究1970—1990年間拼車的變化，指出每個(gè)家庭可用汽車數(shù)量的增加和更高的教育程度影響美國(guó)的拼車參與率，年齡、性別、家庭收入、生活習(xí)慣、種族多樣化和相對(duì)貧困現(xiàn)象對(duì)拼車影響較小.LEVIN[6]則分析指出女性最不愿意被安排為司機(jī)，而男性最不喜歡一直當(dāng)乘客，這些傾向影響到拼車.SCHEINER等[7]通過(guò)研究指出拼車激勵(lì)是拼車參與者人數(shù)增加的重要原因.LI等[8]研究得出拼車參與者選擇拼車的最重要原因就是可以使用HOV道路，其次才是節(jié)省時(shí)間、保護(hù)環(huán)境、減少費(fèi)用等原因.JACOBS[9]通過(guò)分析得出：拼車時(shí)每增加一個(gè)車內(nèi)人員，獎(jiǎng)勵(lì)25分的實(shí)驗(yàn)組表現(xiàn)出拼車行為的持續(xù)增加，而任何獎(jiǎng)勵(lì)措施都沒(méi)有的控制組則沒(méi)有變化.由于拼車對(duì)社會(huì)的積極效應(yīng)使得國(guó)外諸多國(guó)家對(duì)拼車大力支持和鼓勵(lì)，各種激勵(lì)措施以及拼車行為自身產(chǎn)生的積極效應(yīng)促使人們紛紛加入拼車者的行列.另外，還有針對(duì)有效拼車配對(duì)系統(tǒng)依據(jù)數(shù)學(xué)模型進(jìn)行研究，提出拼車行為最優(yōu)化建議.

上述文獻(xiàn)從不同角度分析影響拼車行為的各種因素，并考慮提高拼車參與度.但是很少有文獻(xiàn)涉及到網(wǎng)上拼車系統(tǒng)的分析及建議，當(dāng)前國(guó)內(nèi)針對(duì)拼車的文獻(xiàn)也主要集中在法律法規(guī)層面上.本文結(jié)合以上文獻(xiàn)所提供的信息分析影響互聯(lián)網(wǎng)上拼車行為成功以及拼車效率的因素和影響強(qiáng)度，通過(guò)分析得到如何更有效地提高拼車成功的可能性，希望對(duì)現(xiàn)階段拼車網(wǎng)站的建設(shè)提供參考依據(jù).

1 國(guó)內(nèi)外拼車網(wǎng)站比較

拼車的概念剛剛引入中國(guó)時(shí)互聯(lián)網(wǎng)已經(jīng)在國(guó)內(nèi)穩(wěn)定發(fā)展，因此大部分人一開(kāi)始就可以通過(guò)拼車網(wǎng)站尋找拼友.隨著互聯(lián)網(wǎng)的發(fā)展，我國(guó)開(kāi)始逐漸形成多樣的拼車文化，越來(lái)越多的拼車依賴于拼車網(wǎng)站.現(xiàn)在北京、上海、廣州等大城市的上班族都愿意通過(guò)拼車網(wǎng)尋找車友進(jìn)行拼車.拼車的流行，很大程度上依賴于各個(gè)拼車網(wǎng)的發(fā)展.

近年來(lái)，隨著拼車人數(shù)越來(lái)越多，各類拼車網(wǎng)站隨之產(chǎn)生.國(guó)內(nèi)拼車網(wǎng)站在發(fā)展時(shí)間上落后于國(guó)外，但在數(shù)量上卻遠(yuǎn)遠(yuǎn)多于國(guó)外.這些網(wǎng)站為用戶提供發(fā)布拼車信息、查找拼車信息的平臺(tái)：如國(guó)內(nèi)主要的網(wǎng)站有拼車?yán)?http://www.pinchela.com/)，網(wǎng)站上發(fā)布各種拼車信息；51拼車網(wǎng)(www.51pinche.cn)，為5大城市提供服務(wù)；AA拼車網(wǎng)(http://www.aapinche.com/)，立足于各大城市，網(wǎng)站上的信息，除了發(fā)布基本的拼車信息外，還包括各類拼車信息以及相關(guān)信息的統(tǒng)計(jì)；拼車網(wǎng)(http://www.pcwcn.com/)可以在全國(guó)范圍內(nèi)進(jìn)行拼車.還有一些網(wǎng)站開(kāi)出專門的拼車頻道：如百姓網(wǎng)(http://www.baixing.com/)，趕集網(wǎng)(http://www.ganji.com/index.htm)，58同城(www.58.com/pinche/)等，這些拼車頻道每天更新數(shù)千條拼車網(wǎng)友的拼車信息.拼車網(wǎng)站與拼車頻道的發(fā)展使得信息的流通更快，信息量更大.

拼車網(wǎng)站主要為用戶提供一種平臺(tái)，可以讓用戶提出自己的拼車路線和要求，也可以讓他們用一定的方式尋找其他人的拼車路線.作為一個(gè)平臺(tái)，拼車網(wǎng)站既不會(huì)干涉拼車的匹配，也無(wú)法提供任何保障.拼車的具體匹配交給用戶自行完成.

通過(guò)對(duì)國(guó)內(nèi)外兩家主要拼車網(wǎng)站的比較發(fā)現(xiàn)，在功能設(shè)計(jì)方面沒(méi)有明顯差異，甚至國(guó)內(nèi)的拼車網(wǎng)在信息互動(dòng)方面還要強(qiáng)于國(guó)外的拼車網(wǎng)站，影響國(guó)內(nèi)外拼車活躍度不同的主要原因很可能是國(guó)內(nèi)外對(duì)拼車的關(guān)注度不同.另外，雖然目前在國(guó)內(nèi)拼車有需求也有市場(chǎng)，但卻無(wú)法納入合理合法的軌道，事實(shí)上，國(guó)內(nèi)很多法律法規(guī)始終掙扎于如何區(qū)分“拼車”與黑車的問(wèn)題上.

國(guó)內(nèi)共有幾百家拼車網(wǎng)站或者拼車頻道，為出行人員提供尋找拼車伙伴的平臺(tái)，但經(jīng)過(guò)調(diào)查發(fā)現(xiàn)其中大部分網(wǎng)站已失去足夠的活躍度.研究拼車網(wǎng)站能夠?qū)ζ窜嚲W(wǎng)站的發(fā)展有一定幫助，提高拼車參與率，這為個(gè)人和整個(gè)社會(huì)都會(huì)帶來(lái)一定的積極效應(yīng).[10-13]

2 影響拼車的因素提取

拼車通常出現(xiàn)在上下班、接送孩子上下學(xué)、旅游、過(guò)年過(guò)節(jié)回家、長(zhǎng)途出行等時(shí)間段.當(dāng)前，尋找拼車伙伴主要有以下3種方式：(1)熟悉環(huán)境下(如親人、朋友、鄰居)的自發(fā)拼車，相互主動(dòng)提供方便;(2)通過(guò)論壇、網(wǎng)絡(luò)社區(qū)、微博等方式尋找與自己出行路線相同或相近的人一起拼車；(3)在網(wǎng)上發(fā)布自己的出發(fā)時(shí)間、出行路線、出行目的地、聯(lián)系方式等，等待其他未知拼友的聯(lián)系.本文針對(duì)第3種拼車方式進(jìn)行研究.

在研究拼車問(wèn)題的過(guò)程中，影響拼車的部分因素[14]逐漸被篩選出來(lái)，其中一部分是分析影響拼車的社會(huì)人口統(tǒng)計(jì)因素，如性別、年齡、教育程度、職業(yè)、收入等；另一方面是具體的出行影響因素，如拼車線路特點(diǎn)、出發(fā)地點(diǎn)、出發(fā)時(shí)間、出行距離、出行時(shí)間和拼車費(fèi)用等.拼車影響因素的提取需要考慮拼車信息發(fā)布者和拼車參與者的各種社會(huì)人口統(tǒng)計(jì)因素特點(diǎn)，同時(shí)在選擇拼車同伴時(shí)有些人會(huì)更傾向于選擇同性或者異性，例如有些女性更喜歡跟同性一起拼車，感覺(jué)安全或者更方便交流.因此，性別可能是影響拼車成功的因素之一.事實(shí)上，主觀因素[15]對(duì)拼車行為也會(huì)產(chǎn)生影響，如個(gè)人對(duì)拼車行為的態(tài)度、拼車的方便性、拼車人的可信度、個(gè)人對(duì)拼車的適應(yīng)程度、與拼車同伴的熟悉程度等.

2.1 數(shù)據(jù)收集與描述

本文分析所采集的數(shù)據(jù)主要來(lái)源于國(guó)內(nèi)外幾個(gè)重要的拼車網(wǎng)站或者網(wǎng)站的拼車頻道針對(duì)拼車信息的發(fā)布，基本上分為以下兩種方式:一是拼車類型，如上下班通勤拼車、長(zhǎng)途出行拼車、旅游拼車、其他目的拼車；二是拼車途經(jīng)地點(diǎn)分類，通過(guò)途經(jīng)地點(diǎn)的細(xì)化，使拼車信息匹配更加方便快捷.

首先提取網(wǎng)上拼車時(shí)影響拼車成功率和拼車次數(shù)的主要因素，包括將拼車信息發(fā)布者的年齡、性別、出行線路、出發(fā)時(shí)間等基本信息作為數(shù)據(jù)分析的主要變量；然后從拼車網(wǎng)站收集和篩選變量對(duì)應(yīng)的數(shù)據(jù)，并將有效數(shù)據(jù)進(jìn)一步整理，利用回歸模型和DOE分析有效數(shù)據(jù)，最后篩選出影響拼車成功率和拼車申請(qǐng)次數(shù)的主要影響因素.

通過(guò)對(duì)某拼車網(wǎng)站的拼車歷史記錄的初步收集，得到近25 000條拼車歷史記錄.將網(wǎng)站上采集到的數(shù)據(jù)保存到數(shù)據(jù)表中，數(shù)據(jù)表的主要字段包括Id，Name，Gender，Origin,Destination,Depart_time，Arrive_time，Timewindow，Has_car，Passed，Invite，Apply，Reply，Click，Price.表1是針對(duì)原始數(shù)據(jù)主要字段變量的說(shuō)明.

表1 原始數(shù)據(jù)主要字段變量的描述

2.2 數(shù)據(jù)處理

收集原始數(shù)據(jù)后，對(duì)數(shù)據(jù)作進(jìn)一步處理，刪除無(wú)法識(shí)別的數(shù)據(jù)(當(dāng)數(shù)據(jù)中出現(xiàn)大量異常值時(shí)，也無(wú)法采用).原始數(shù)據(jù)中還包含有很多信息是黑車攬客的廣告，當(dāng)這些黑車信息非常明顯時(shí)，即刪除該無(wú)效數(shù)據(jù).

經(jīng)過(guò)初步數(shù)據(jù)處理，最終得到有效數(shù)據(jù).將這部分有效數(shù)據(jù)劃分為兩種類型：一種是4 002條有效拼車數(shù)據(jù)，10個(gè)可以直接應(yīng)用到分析中的變量，但是不包括價(jià)格變量；另外一種是1 000條有效拼車數(shù)據(jù)，11個(gè)可以直接應(yīng)用到分析中的變量，包含價(jià)格變量.部分字段的數(shù)據(jù)以文本形式存在，如出發(fā)地點(diǎn)、到達(dá)地點(diǎn)、出發(fā)時(shí)間和到達(dá)時(shí)間，需要將這些文本數(shù)據(jù)轉(zhuǎn)換為一系列可分析的數(shù)據(jù)形式，見(jiàn)表2.

3 模型計(jì)算

3.1 影響因素的交互效應(yīng)分析

試驗(yàn)設(shè)計(jì)，是一種安排試驗(yàn)和分析試驗(yàn)數(shù)據(jù)的數(shù)理統(tǒng)計(jì)方法.試驗(yàn)設(shè)計(jì)主要是對(duì)試驗(yàn)進(jìn)行合理安排，以較小的試驗(yàn)規(guī)?；蛘咻^少的試驗(yàn)次數(shù)、較短的試驗(yàn)周期和較低的試驗(yàn)成本獲得理想的試驗(yàn)結(jié)果并得出合理結(jié)論.

表2 變量描述統(tǒng)計(jì)

根據(jù)處理完畢的有效數(shù)據(jù)進(jìn)行試驗(yàn)設(shè)計(jì)，分別將表2中變量的水平值劃分為低水平和高水平.該劃分依據(jù)對(duì)各變量的觀察,確定出各變量的水平臨界值.例如,變量T的水平臨界值為55,低于55的為低水平,其余的為高水平.本次試驗(yàn)擬合整個(gè)模型，包括10個(gè)主效應(yīng)，43個(gè)雙因子交互作用，其中“R”和“R*C”的主效應(yīng)顯著，其p值(用于判斷交互作用的顯著性)分別為0.004和0.000. “R”和“R*C”交互作用的效應(yīng)顯著(見(jiàn)圖1～4).

圖1 標(biāo)準(zhǔn)化效應(yīng)的正態(tài)圖

圖2 標(biāo)準(zhǔn)化效應(yīng)的半正態(tài)圖

從主效應(yīng)圖4上可以看出G對(duì)Ap的影響最小，R和C對(duì)Ap的影響最大，其次為其他因素.交互作用圖(見(jiàn)圖5)顯示更改一個(gè)因子的設(shè)置對(duì)另一個(gè)因子的影響.由于交互作用可以放大或縮小主效應(yīng)，因此評(píng)估交互作用極其重要.從圖中可以看出，除了V，O，D，T交互作用很弱甚至沒(méi)有外，Pr與D，R，C，H，Pa的交互影響也很弱或者沒(méi)有，交互作用比較顯著的有T與R.

圖3 標(biāo)準(zhǔn)化效應(yīng)的Pareto圖

圖4 Ap主效應(yīng)圖

圖5 Ap交互作用

R對(duì)申請(qǐng)人數(shù)Ap產(chǎn)生很大影響，而在Ap的效應(yīng)和因數(shù)的估計(jì)圖中，C顯示的p值為0.804，在主效應(yīng)圖中，顯示C對(duì)Ap的影響很大，幾乎與R相當(dāng).而在雙因子交互作用中，表現(xiàn)最明顯的就是R*C.對(duì)Ap影響最小的為因子G，即發(fā)起人性別，由圖5可以看到，G對(duì)其他因子的影響也很小.

3.2 影響因素的回歸分析

設(shè)定Ap(對(duì)該拼車信息提出申請(qǐng)的人數(shù))為因變量，其他9項(xiàng)為自變量，分別對(duì)上述兩種數(shù)據(jù)進(jìn)行回歸分析.首先針對(duì)沒(méi)有包含價(jià)格變量的4 002條有效數(shù)據(jù)進(jìn)行回歸，其次針對(duì)包含有價(jià)格變量的數(shù)據(jù)進(jìn)行回歸.回歸分析使用的軟件是Minitab 15，計(jì)算結(jié)果見(jiàn)表3和4.

表3 以Ap為因變量的回歸結(jié)果分析

表4 方差分析

表3中，S是回歸模型誤差的標(biāo)準(zhǔn)方差.R-Sq是回歸模型誤差占總誤差的百分比，取值在0和100%之間；取值越大，表明回歸模型與數(shù)據(jù)吻合越好.(R-Sq)adj是調(diào)整后的R-Sq,取值也在0和100%之間，與R-Sq越接近，表明回歸模型越可靠.表4中,F表示組間均方與組內(nèi)均方的比例.

由此得到回歸方程

Ap=0.647 0-0.049 5G-0.038 9O+0.050 8D+0.000 002T+0.015 6V+0.248 7R+

0.010 7C+0.136 4H-0.009 1Pa

可以看出所有自變量中只有R和C對(duì)因變量Ap影響顯著，進(jìn)一步分析影響不顯著的分類數(shù)據(jù)，將G和H分別與影響顯著的非分類數(shù)據(jù)R和C相乘，得到4個(gè)新的變量G_R，G_C，H_R，H_C分別進(jìn)行回歸分析.結(jié)果表明4個(gè)新變量均對(duì)因變量Ap影響顯著，有些甚至影響到其他自變量對(duì)因變量的影響程度，原有影響不顯著的變成影響顯著.4個(gè)新變量中對(duì)其他自變量影響最顯著的為H_C，計(jì)算結(jié)果見(jiàn)表5和6.

由表5和6可以看出5個(gè)自變量O，R，C，H，H-C對(duì)因變量Ap影響顯著.對(duì)包含價(jià)格變量的數(shù)據(jù)進(jìn)行回歸分析，Ap為因變量、其他10項(xiàng)為自變量的結(jié)果顯示：V，R，C和Pr等4個(gè)自變量對(duì)因變量Ap影響顯著.同樣，嘗試將影響不顯著的分類數(shù)據(jù)G和H分別與影響顯著的非分類數(shù)據(jù)V,R,C,Pr相乘，得到8個(gè)新的變量G_V,G_R,G_C,G_Pr,H_V,H_R,H_C,H_Pr.將這8個(gè)變量分別加到已有的10個(gè)自變量，分別用1個(gè)因變量和11個(gè)自變量進(jìn)行回歸分析.結(jié)果表明8個(gè)新變量中只有一項(xiàng)G_R對(duì)因變量Ap影響顯著.

表5 H-C的影響分析

表6 方差分析

通過(guò)上述分析，可以得出以下結(jié)論：回復(fù)數(shù)與點(diǎn)擊數(shù)對(duì)拼車成功率有正面影響；當(dāng)不考慮價(jià)格因素時(shí)，拼車信息發(fā)布人的性別和是否有車會(huì)間接影響拼車成功率；考慮價(jià)格因素時(shí)，拼車信息發(fā)布人的性別間接影響回復(fù)數(shù)對(duì)拼車成功率的影響.因此，提高點(diǎn)擊數(shù)和回復(fù)數(shù)可以提高拼車成功率.對(duì)于拼車網(wǎng)站而言，可以采取適當(dāng)?shù)墓膭?lì)措施提高點(diǎn)擊數(shù)和回復(fù)數(shù)，從而增強(qiáng)網(wǎng)站的活躍度.國(guó)內(nèi)外已有文獻(xiàn)研究過(guò)拼車的鼓勵(lì)措施，有些國(guó)家甚至成立拼車組織，例如德國(guó)設(shè)立的“拼車中心”“ 拼車協(xié)會(huì)”“ 拼車俱樂(lè)部”等.

3.3 模型結(jié)果解釋

根據(jù)上述計(jì)算結(jié)果可以看出，所有不同自變量的情況下，無(wú)論有沒(méi)有價(jià)格變量，回復(fù)數(shù)和點(diǎn)擊數(shù)均對(duì)報(bào)名人數(shù)有顯著影響，這意味著拼車的報(bào)名人數(shù)與其拼車信息的關(guān)注度，即點(diǎn)擊數(shù)和回復(fù)數(shù)成正比.當(dāng)考慮到價(jià)格因素時(shí)，價(jià)格和邀請(qǐng)人數(shù)也變成影響顯著的因素，價(jià)格越低，邀請(qǐng)人數(shù)越多，拼車報(bào)名人數(shù)也越多.拼車發(fā)起人的性別和是否有車這兩種分類變量均間接地影響到回復(fù)數(shù)和點(diǎn)擊數(shù)對(duì)報(bào)名人數(shù)的影響程度.在所有因子中，性別是被考慮得最少的因素.這些說(shuō)明拼車者在尋找伙伴的過(guò)程中，首先考慮到拼車信息的受歡迎程度，然后是這條拼車信息的實(shí)際內(nèi)容，最后關(guān)注的才是拼車對(duì)象的性別問(wèn)題.

4 結(jié)束語(yǔ)

針對(duì)互聯(lián)網(wǎng)的拼車行為，分析拼車網(wǎng)站或拼車頻道的信息規(guī)范問(wèn)題.通過(guò)分析了解在網(wǎng)絡(luò)中拼車伙伴成功配對(duì)的影響因素和影響強(qiáng)度，利用分析結(jié)果為拼車網(wǎng)站的規(guī)范化和持續(xù)發(fā)展提供參考依據(jù).

在實(shí)際的拼車網(wǎng)站中，即使了解回復(fù)數(shù)和點(diǎn)擊數(shù)的重要性，也難以確保這兩個(gè)數(shù)據(jù)的真實(shí)性和有效性.在互聯(lián)網(wǎng)發(fā)展的過(guò)程中，不可避免地會(huì)產(chǎn)生各種水帖和黑車信息，網(wǎng)站應(yīng)盡量保持回帖的可利用性并及時(shí)排除黑車信息，以提高拼車匹配成功率.

參考文獻(xiàn)：

[1] 王正. 交通戰(zhàn)略規(guī)劃的特征研究[J]. 上海海運(yùn)學(xué)院學(xué)報(bào), 2001, 22(4): 19-22.

[2] 張春平, 黃敏, 楊東援. 深圳市智能運(yùn)輸系統(tǒng)建設(shè)機(jī)制分析[J]. 上海海運(yùn)學(xué)院學(xué)報(bào), 2001, 22(1): 29-34.

[3] 王茂福. 拼車的發(fā)展及其效應(yīng)[J]. 中國(guó)軟科學(xué), 2010(11): 54-61.

[4] BURRI M W, WINN J R. Slugging in Houston: casual carpool passenger characteristics[J]. J Public Transportation, 2006, 9(5): 23-40.

[5] FERGUSON E. The rise and fall of the American carpool: 1970-1990[J]. Transportation, 1997, 24(4): 349-376.

[6] LEVIN I P. Measuring tradeoffs in carpool driving arrangement preference[J]. Transportation, 1982, 11(1): 71-85.

[7] SCHEINER J I, KEIPER S A. Carpool information project: innovative approaches improve results[J]. Transportation Res Rec, 1979(619): 16-18.

[8] LI Jianling, EMBRY P. Who chooses to carpool and why: examination of Texas carpoolers[J].Transportation Res Rec, 2007(2021): 110-117.

[9] JACOBS H E. Multiple incentives in encouraging carpool formation on a university campus[J]. J Applied Behavior Anal, 1982, 15(1):141-149.

[10] 丁潔蓉. 我國(guó)“拼車”合法化的法律思考[J]. 浙江萬(wàn)里學(xué)院學(xué)報(bào), 2009, 22(6): 56-60.

[11] 劉洲. 個(gè)人自由與政府干預(yù)——基于“拼車”現(xiàn)象的法律分析[J]. 生產(chǎn)力研究, 2009, 9(24): 18-20.

[12] 吳潤(rùn)元. 對(duì)私車拼車載客現(xiàn)象的分析和思考[J]. 交通與運(yùn)輸, 2007 (5): 15-16.

[13] 周澤強(qiáng). 拼車的法律分析及規(guī)制建議[J]. 福建法學(xué), 2010(3): 8-11.

[14] KAMAR E, HORVITZ E. Collaboration and shared plans in the open world: studies of ridesharing[C] // 21st Int Joint Conf Artificial Intelligence, Proc, 2009: 187-194.

[15] 鄭士源. 合作博弈理論的研究進(jìn)展——聯(lián)盟的形成機(jī)制及穩(wěn)定性研究綜述[J]. 上海海事大學(xué)學(xué)報(bào), 2011, 32(4): 53-59.