基于態(tài)度的公交出行信息使用市場(chǎng)細(xì)分

侯現(xiàn)耀，陳學(xué)武

(1.東南大學(xué) 城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室，南京 210096；2.東南大學(xué) 現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心，南京 210096；3.東南大學(xué) 交通學(xué)院，南京 210096)

0 引 言

在使用公交出行信息輔助出行決策時(shí)，出行者對(duì)于信息的需求存在差異性，因此公交出行信息服務(wù)提供有針對(duì)性的供給策略可以更有效地滿足不同需求。市場(chǎng)細(xì)分有助于對(duì)出行行為異質(zhì)性的研究[1]。已有的研究中，市場(chǎng)細(xì)分多基于出行的需求[2]、出行者個(gè)體屬性[3]等，但有學(xué)者認(rèn)為以出行者個(gè)體屬性等因素進(jìn)行市場(chǎng)劃分不能很好反映出行行為，需要通過(guò)出行者的態(tài)度揭示市場(chǎng)內(nèi)部結(jié)構(gòu)[4]。近年來(lái)，有研究通過(guò)市場(chǎng)細(xì)分，利用出行態(tài)度對(duì)出行行為進(jìn)行分析[5-7]，多采用結(jié)構(gòu)方程模型確定市場(chǎng)細(xì)分因素，相較于傳統(tǒng)的回歸分析，可以更好地測(cè)量無(wú)法直接觀測(cè)的態(tài)度變量。但已有研究多是對(duì)交通方式選擇的市場(chǎng)進(jìn)行分析，還未有研究針對(duì)公交出行信息使用的市場(chǎng)進(jìn)行分析。

為此，本文針對(duì)基于態(tài)度的公交出行信息使用的市場(chǎng)劃分進(jìn)行研究，通過(guò)建立結(jié)構(gòu)方程模型對(duì)出行者的潛在態(tài)度偏好進(jìn)行分析，利用聚類方法對(duì)根據(jù)選定的態(tài)度變量對(duì)公交出行信息使用的市場(chǎng)進(jìn)行劃分，并針對(duì)不同的市場(chǎng)中的群體提出相應(yīng)的策略，為更有效地提升公交出行信息服務(wù)提供決策支持。

1 基于態(tài)度的市場(chǎng)劃分方法

出行者對(duì)于使用公交出行信息的主觀態(tài)度無(wú)法被直接觀測(cè)，因此以往研究多采用若干個(gè)表示態(tài)度觀測(cè)變量的問(wèn)題測(cè)量出行者的主觀態(tài)度偏好[5,6,8]。結(jié)構(gòu)方程模型可以同時(shí)擬合多個(gè)內(nèi)生變量和外生變量之間的關(guān)系，將一系列觀測(cè)變量用幾個(gè)潛變量表示[9]。故本研究利用結(jié)構(gòu)方程模型分析出行者使用公交出行信息的主觀態(tài)度偏好，得到各潛變量間的關(guān)系，并以此作為聚類分析的依據(jù)。

K-means聚類方法能夠分析事物的內(nèi)在規(guī)律和特點(diǎn)，根據(jù)相似性原則對(duì)事物進(jìn)行分類，是常用的數(shù)據(jù)分析方法[3, 7]。采用K-means聚類方法根據(jù)潛在態(tài)度變量對(duì)出行者使用公交出行信息進(jìn)行市場(chǎng)劃分，聚類分析后，同一市場(chǎng)中的出行者態(tài)度偏好類似，不同市場(chǎng)中的出行者態(tài)度偏好則不同。

由上述分析可知，基于態(tài)度的出行者使用公交出行信息市場(chǎng)細(xì)分的建模主要包括以下步驟：

Step1 基于因子分析確定主觀態(tài)度變量。通過(guò)被調(diào)查者的指標(biāo)打分，利用因子分析法確定出行者的態(tài)度變量。

Step2 基于結(jié)構(gòu)方程模型確定潛變量間的關(guān)系。建立結(jié)構(gòu)方程模型，估計(jì)觀測(cè)變量和潛變量間的關(guān)聯(lián)系數(shù)(測(cè)量模型)和潛變量間的關(guān)聯(lián)系數(shù)(結(jié)構(gòu)模型)，得到潛變量間的效應(yīng)關(guān)系，為第Step3聚類變量的選取提供依據(jù)。

Step3 利用聚類方法對(duì)出行者使用公交出行信息市場(chǎng)進(jìn)行細(xì)分。得到合理、合適的不同主觀態(tài)度特征的子市場(chǎng)。

Step4 子市場(chǎng)的特征分析。根據(jù)聚類分析的結(jié)果，分析各子市場(chǎng)的特征，作為相應(yīng)政策制定和改善策略的依據(jù)。

2 問(wèn)卷調(diào)查及數(shù)據(jù)分析

2.1 問(wèn)卷設(shè)計(jì)與調(diào)查

數(shù)據(jù)來(lái)源于2016年在南京開(kāi)展的公交出行信息意愿調(diào)查。調(diào)查內(nèi)容分為兩個(gè)部分:一是出行者的個(gè)體屬性;二是出行者對(duì)使用公交出行信息的主觀態(tài)度和出行意愿的相關(guān)問(wèn)題。主觀態(tài)度的問(wèn)題共有24題，根據(jù)Roscoe調(diào)查樣本大小確定的原則[10]，多變量研究中的樣本數(shù)最好是研究變量數(shù)的5～10倍，本文取倍數(shù)為10，則至少需要240份問(wèn)卷，調(diào)查主要以實(shí)地問(wèn)詢和網(wǎng)絡(luò)問(wèn)卷形式開(kāi)展，數(shù)據(jù)獲取后對(duì)問(wèn)卷進(jìn)行了篩選，剔除了所有選擇單一選項(xiàng)、選擇具有明顯規(guī)律性、反向表述與正向表述的選擇具有明顯矛盾、網(wǎng)絡(luò)問(wèn)卷答題時(shí)間明顯不符合正常答題所需時(shí)間等有問(wèn)題的問(wèn)卷，最終獲取到703份有效問(wèn)卷。

2.2 數(shù)據(jù)統(tǒng)計(jì)分析

樣本的個(gè)體屬性特征統(tǒng)計(jì)情況如表1所示，可以看出：樣本以中青年為主，工作性質(zhì)多需要通勤出行，受教育程度較高，涵蓋了使用公交出行信息服務(wù)和乘坐公交的主要人群。

表1 樣本人群個(gè)體屬性特征Table 1 Sample individual characteristics

本文構(gòu)建6種態(tài)度變量，用以反映出行者對(duì)使用公交出行信息的主觀態(tài)度、公交出行信息主觀感知和公交出行意愿，其中分別從可靠性、方便性、靈活性和自主性表征出行者對(duì)公交出行信息的主觀態(tài)度。每個(gè)態(tài)度變量下設(shè)置若干問(wèn)題作為態(tài)度潛變量的觀測(cè)變量，如表2所示。問(wèn)題設(shè)置采用5級(jí)量表衡量被調(diào)查者的主觀態(tài)度，1表示非常不同意；2～4表示同意程度增加；5表示非常同意。信度和效度可以反應(yīng)調(diào)查數(shù)據(jù)的可靠性和準(zhǔn)確性，通過(guò)分析得出樣本總體的克朗巴哈信度系數(shù)(Cronbach'α)為0.896，各潛變量的克朗巴哈信度系數(shù)最低為0.609；樣本總體的KMO值為0.923，各潛變量的KMO值最低為0.654，Bartlett球形檢驗(yàn)結(jié)果均顯著，信度系數(shù)均大于0.6，表明樣本信度可以接受，樣本總體和各潛變量均具有一定的可靠性，KMO值均大于0.5，表明樣本具有良好的效度。

表2 態(tài)度觀測(cè)變量與態(tài)度潛變量描述Table 2 Descriptions of attitude observed variablesand attitude latent variables

續(xù)表2

3 模型估計(jì)與市場(chǎng)細(xì)分結(jié)果

3.1 因子分析

采用驗(yàn)證性因子分析確定事先選定的因子擬合實(shí)際數(shù)據(jù)的能力，即檢驗(yàn)觀測(cè)變量的因子個(gè)數(shù)和因子載荷是否能與理論預(yù)期一致，即驗(yàn)證表2中6個(gè)態(tài)度潛變量能否保留對(duì)24個(gè)觀測(cè)變量的解釋能力。

因子分析結(jié)果評(píng)價(jià)指標(biāo)為：模型擬合優(yōu)度指數(shù)GFI=0.866；比較擬合指數(shù)CFI=0.872；近似均方根誤差RMSEA=0.066，表明模型擬合結(jié)果良好，定義的態(tài)度潛變量可以較好地?cái)M合實(shí)際調(diào)查問(wèn)題。

3.2 結(jié)構(gòu)方程模型估計(jì)結(jié)果

最終構(gòu)建的結(jié)構(gòu)方程模型結(jié)構(gòu)如圖1所示。模型擬合優(yōu)度的評(píng)價(jià)指標(biāo)為：模型擬合優(yōu)度指數(shù)GFI=0.904；近似均方根誤差RMSEA=0.066；比較擬合指數(shù)CFI=0.894；調(diào)整后擬合優(yōu)度指數(shù)AGFI=0.873，表明模型的擬合結(jié)果可以接受。

觀測(cè)變量的標(biāo)準(zhǔn)化因子載荷系數(shù)如表3所示，所有因子載荷的檢驗(yàn)值均在95%置信水平下顯著，利用因子載荷可以計(jì)算對(duì)應(yīng)的出行者的態(tài)度潛變量值，用以聚類分析過(guò)程中。

結(jié)構(gòu)方程模型中結(jié)構(gòu)估計(jì)的態(tài)度潛變量間效應(yīng)如表4所示。可以看出，可靠性、方便性和自主性對(duì)主觀感知有顯著的正向作用，表明公交出行信息的可靠性、方便性和自主性越高，出行者對(duì)公交出行信息的主觀感知評(píng)價(jià)越高；可靠性、方便性、靈活性和主觀感知對(duì)出行意愿具有顯著的作用，其中靈活性對(duì)出行意愿的作用效應(yīng)為負(fù)向的，說(shuō)明對(duì)于具有較高公交出行意愿的出行者，其對(duì)公交出行信息的靈活性評(píng)價(jià)相對(duì)較低，公交出行信息服務(wù)在靈活性方面還有待提升；自主性對(duì)于出行意愿具有顯著的正向間接效應(yīng)，但直接效應(yīng)和總的效應(yīng)并不顯著，無(wú)法說(shuō)明出行者對(duì)公交出行信息自主性的評(píng)價(jià)會(huì)顯著影響到其出行意愿的選擇。

圖1 結(jié)構(gòu)方程模型結(jié)構(gòu)框架及態(tài)度潛變量間路徑系數(shù)Fig.1 Framework of structural equation modeling and path parameters between attitude latent variables表3 觀測(cè)變量標(biāo)準(zhǔn)化因子載荷估計(jì)結(jié)果Table 3 Results of observed variables standardizedfactors estimation

表4 潛變量間標(biāo)準(zhǔn)化效應(yīng)值估計(jì)結(jié)果Table 4 Results of standardization effects estimationbetween latent variables

注：括號(hào)內(nèi)為z檢驗(yàn)值。

3.3 聚類分析

K-means聚類方法首先需要給定聚類數(shù)目，然后將分析的樣本劃分成給定的聚類數(shù)。聚類分析要求類內(nèi)部的樣本盡可能緊湊，各個(gè)類間距離盡可能分開(kāi)，聚類結(jié)果合理且有意義。根據(jù)表4的效應(yīng)估計(jì)結(jié)果，A1、A2、A5和A6間的相關(guān)性系數(shù)較高(表4中效應(yīng)值)，且相互關(guān)系的顯著性較高(表4中檢驗(yàn)值)，更容易產(chǎn)生特征明顯的聚類結(jié)果且可以顯著減少聚類數(shù)目，故選取這4個(gè)變量作為聚類分析的變量。將態(tài)度潛變量值作0～5標(biāo)準(zhǔn)化處理，設(shè)置細(xì)分市場(chǎng)數(shù)目K為2～8，通過(guò)聚類指標(biāo)的分析，得到K=5時(shí)聚類效果最佳，此時(shí)，類內(nèi)的樣本相對(duì)更靠近各類中心，且各類中心間距離較明顯。703個(gè)樣本被細(xì)分為5個(gè)子市場(chǎng)，每個(gè)子市場(chǎng)都有數(shù)量相當(dāng)?shù)臉颖?，各子市?chǎng)聚類位置如圖2所示。

根據(jù)聚類變量的細(xì)分特征，可以得到各子市場(chǎng)的出行者態(tài)度特征如下所示。

M1子市場(chǎng)：具有中等的公交出行意愿，對(duì)公交出行信息可靠性、方便性的需求中等，對(duì)公交出行信息的主觀感知中等。

M2子市場(chǎng)：具有較低的公交出行意愿，對(duì)于公交出行信息的可靠性、方便性需求和主觀感知均較低。

M3子市場(chǎng)：具有較高的公交出行意愿，對(duì)于公交出行信息的可靠性需求較高，對(duì)于方便性的需求中等，對(duì)公交出行信息的主觀感知中等。

M4子市場(chǎng)：具有中等的公交出行意愿，但對(duì)于公交出行信息的可靠性、方便性需求較低，對(duì)公交出行信息的主觀感知中等。

M5子市場(chǎng)：具有較低的公交出行意愿，對(duì)于公交出行信息的可靠性、方便性需求中等，對(duì)公交出行信息的主觀感知中等。

圖2 出行者使用公交出行信息市場(chǎng)細(xì)分結(jié)果Fig.2 Results of travelers using public transit travel information market segmentation

3.4 細(xì)分子市場(chǎng)特征

各子市場(chǎng)中樣本個(gè)體實(shí)際選擇出行方式比例如表5所示。M3子市場(chǎng)中公交出行比例最高，M2和M5子市場(chǎng)中公交出行比例相對(duì)較低，M1和M4子市場(chǎng)公交出行比例中等。

表5 細(xì)分子市場(chǎng)公交出行特征Table 5 Public transit travel characteristics of sub-markets

M3子市場(chǎng)的出行者對(duì)公交出行信息的主觀感知評(píng)價(jià)較高，且有較強(qiáng)的公交出行意愿，對(duì)于公交出行信息的可靠性和方便性需求也較高，市場(chǎng)中公交出行比例也最高，可以認(rèn)為該子市場(chǎng)中的公交出行者是“堅(jiān)定的公交出行者”，他們對(duì)于公交出行信息的使用有較高的評(píng)價(jià)和認(rèn)知，可以滿足其日常公交出行的需求，該子市場(chǎng)中的非公交出行者可以認(rèn)為是“潛在的公交出行者”，他們同樣對(duì)公交出行信息的使用有較高評(píng)價(jià)和認(rèn)知，通過(guò)持續(xù)提供滿足他們需求的公交出行信息會(huì)較容易讓其使用公交出行。

M2和M5子市場(chǎng)中的出行者公交出行意愿較低，公交出行比例也較低，其對(duì)公交出行信息的可靠性、方便性和對(duì)使用公交出行信息的主觀認(rèn)知評(píng)價(jià)并不高，可稱為“堅(jiān)定的非公交出行者”。

M1和M4子市場(chǎng)中公交出行意愿中等，公交出行與非公交出行相比沒(méi)有顯著的差異，是“潛在的市場(chǎng)轉(zhuǎn)移者”，如果他們轉(zhuǎn)向M3子市場(chǎng)，則會(huì)增加公交出行的比例，轉(zhuǎn)向M2或M5子市場(chǎng)，則會(huì)增加其他交通方式的出行比例，因此需要針對(duì)其對(duì)公交出行信息的使用偏好，引導(dǎo)其盡可能地轉(zhuǎn)向公交出行。

3.5 公交出行信息服務(wù)改善對(duì)策

通過(guò)市場(chǎng)細(xì)分，可以識(shí)別出具有相似公交出行信息使用主觀態(tài)度的出行者，每個(gè)子市場(chǎng)中的出行者對(duì)于公交出行和公交出行信息的使用有不同的需求，因此需要在制定政策時(shí)有差異化地對(duì)待，以更有效引導(dǎo)其采用公交出行。

對(duì)于“潛在的市場(chǎng)轉(zhuǎn)移者”，M1市場(chǎng)中出行者對(duì)于公交出行信息的可靠性要求較高，應(yīng)提高公交出行信息服務(wù)的可靠性，如提供準(zhǔn)確的實(shí)時(shí)公交車輛位置信息，從而幫助出行者確定出發(fā)時(shí)間和估計(jì)行程時(shí)間，提高其轉(zhuǎn)向公交出行的可能性；但對(duì)于M4市場(chǎng)中的出行者，僅靠提高信息的可靠性相對(duì)較難使其轉(zhuǎn)向公交出行，但仍可通過(guò)提供更加豐富的公交出行信息內(nèi)容、增加信息獲取渠道等綜合措施提升其對(duì)公交出行信息的主觀感知，從而引導(dǎo)其向M3子市場(chǎng)轉(zhuǎn)移。

對(duì)于“堅(jiān)定的非公交出行者”，對(duì)M2和M5子市場(chǎng)出行者使用上述政策或措施的效果則可能不明顯，但仍可嘗試宣傳教育等方式引導(dǎo)其向M3子市場(chǎng)轉(zhuǎn)化。

4 結(jié)束語(yǔ)

通過(guò)因子分析確定出行者使用公交出行信息主觀態(tài)度的變量，利用結(jié)構(gòu)方程模型測(cè)量潛變量間的因果關(guān)系，通過(guò)聚類方法對(duì)出行者使用公交出行信息市場(chǎng)進(jìn)行細(xì)分，得到具有顯著公交出行意愿差異的細(xì)分子市場(chǎng)。通過(guò)分析各子市場(chǎng)特征，發(fā)現(xiàn)潛在市場(chǎng)轉(zhuǎn)移者，剖析各子市場(chǎng)形成原因，制定有針對(duì)性的公交出行信息服務(wù)改善對(duì)策。研究有助于理解出行者使用公交出行信息的機(jī)理，研究成果對(duì)制定和改善公交出行信息服務(wù)有指導(dǎo)意義?？梢酝ㄟ^(guò)增加對(duì)出行者個(gè)體屬性的分析，提煉個(gè)體屬性與態(tài)度偏好的關(guān)系，從而更好地揭示和劃分不同特征的子市場(chǎng)。

[1] Badoe D A, Miller E J. An automatic segmentation procedure for studying variations in mode choice behavior [J]. Journal of Advanced Transportation, 1998, 32(2): 190-215.

[2] Lythgoe W F, Wardman M. Demand for rail travel to and from airports [J]. Transportation, 2002, 29(2): 125-143.

[3] Ryley T. Use of Non-motorised modes and life stage in Edinburgh [J]. Journal of Transport Geography, 2006, 14(5): 367-375.

[4] Anable J.‘Complacent car addicts’ or ‘a(chǎn)spiring environmentalists’? identifying travel behaviour segments using attitude theory [J]. Transport Policy, 2005, 12(1): 65-78.

[5] 程龍, 陳學(xué)武, 楊碩, 等. 基于市場(chǎng)細(xì)分的低收入通勤者公交出行改善對(duì)策[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2016, 16(3): 8-14.

Cheng Long, Chen Xue-wu, Yang Shuo, et al. Public transit improvement measures of low-income commuters based on market segmentation [J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(3): 8-14

[6] Li Z, Wang W, Yang C, et al. Bicycle commuting market analysis using attitudinal market segmentation approach [J]. Transportation Research Part A: Policy and Practice, 2013, 47(4): 56-68.

[7] Shiftan Y, Outwater M L, Zhou Y. Transit market research using structural equation modeling and attitudinal market segmentation [J]. Transport Policy, 2008, 15(3): 186-195.

[8] Eboli L, Mazzulla G. Service quality attributes affecting customer satisfaction for bus transit [J]. Journal of Public Transportation, 2007, 10(3): 21-34.

[9] Golob T F. Structural equation modeling for travel behavior research [J]. Transportation Research Part B: Methodological, 2003, 37(1): 1-25.

[10] Roscoe J T. Fundamental Research Statistics for the Behavioral Sciences[M].New York: Holt, Rinehart and Winston, 1975.