共享電動汽車選擇行為分析

余靜財 李文權(quán) 王順超 馬景峰

(東南大學(xué)交通學(xué)院， 南京210096)

城市機(jī)動車保有量大幅上升，導(dǎo)致了交通擁堵、污染等眾多問題.相較于傳統(tǒng)的燃油車，共享電動汽車以新能源為動力，對環(huán)境產(chǎn)生較小的負(fù)面影響[1-2]；同時共享電動汽車因其共享性質(zhì)，能提高車輛資源利用率，極大地減少道路上機(jī)動車的數(shù)量，緩解交通擁堵，對于城市可持續(xù)發(fā)展十分有利[3-4].根據(jù)社區(qū)居民意愿調(diào)查結(jié)果，如果禁止使用私家車，約10%的受訪者表示將會選擇出租車，約40%受訪者會選擇共享電動汽車，約30%表示會選擇公共交通，由此可見共享電動汽車具有較大的吸引力.近幾年，出現(xiàn)了一些以探索公眾對共享電動汽車的技術(shù)和興趣態(tài)度為目的的研究[5-6].然而，在這些研究中，探索共享電動汽車用戶決策因素的理論方法較為缺乏.國內(nèi)共享電動汽車處于初期階段，存在運(yùn)營模式不成熟、站點(diǎn)布局不合理、車輛調(diào)度效率不科學(xué)、普及程度較低等問題.政府為促進(jìn)共享電動汽車的發(fā)展，出臺了相關(guān)政策，鼓勵居民使用，共享電動汽車發(fā)展前景良好.

國外對于共享電動汽車的研究主要集中于居民對共享電動汽車的認(rèn)可程度、熟悉程度、用戶特點(diǎn)等方面.Schultz等[7]采用社會學(xué)和社會營銷理論對舊金山海灣地區(qū)的一個汽車共享項目Carlink進(jìn)行了研究，研究表明，居民對共享電動汽車缺乏興趣，主要是因為其普及度較低，居民不了解共享電動汽車的情況.Loose等[8]發(fā)現(xiàn)德國共享電動汽車市場有較大程度的增加，但居民認(rèn)可程度仍然較低，獲取駕照的人中僅有0.16%注冊有共享電動汽車會員.Costain等[9]運(yùn)用統(tǒng)計學(xué)和計量學(xué)方法分析了多倫多的共享電動汽車用戶出行行為，主要包括使用環(huán)境、安全性、使用頻率、使用時間等.Kim等[10]結(jié)合網(wǎng)絡(luò)調(diào)查獲取數(shù)據(jù)，研究了首爾的共享電動汽車系統(tǒng)，獲取居民出行對共享電動汽車的滿意度，提出了有序概率模型.Shaheen等[11]通過分析發(fā)現(xiàn)，美國老齡化越來越嚴(yán)重，共享電動汽車有著較低的使用成本，適用于老年人出行.

國內(nèi)對于共享電動汽車出行行為的研究起步較晚，主要研究共享電動汽車的模式、影響及市場.邱雷[12]分析了共享電動汽車與傳統(tǒng)租賃汽車的區(qū)別與聯(lián)系，以及運(yùn)營模式和社會特性.薛躍等[13]對共享電動汽車分類進(jìn)行了梳理，分析了費(fèi)用、成本、節(jié)能減排等方面的變化.鞠鵬等[14]運(yùn)用離散選擇模型研究共享電動汽車出行選擇行為，基于南京的調(diào)研數(shù)據(jù)進(jìn)行了驗證.吳嬌蓉等[15]研究了綜合體中小汽車、出租車、共享電動汽車及公共交通出行成本變化對出行行為的影響.

現(xiàn)有文獻(xiàn)對于出行者選擇共享電動汽車作為交通方式的出行行為研究較少.為探索居民選擇共享電動汽車作為交通方式的出行行為，本文綜合考慮出行者個人社會屬性、出行特征及潛變量，針對這些變量進(jìn)行問卷調(diào)查，結(jié)合技術(shù)接受模型、計劃行為理論及結(jié)構(gòu)方程模型，分別構(gòu)建不包括潛變量的多項Logit模型和包括潛變量的混合選擇模型，為管理部門及運(yùn)營部門發(fā)展共享電動汽車提供理論參考.

1 研究理論和模型

本文的研究涉及到心理學(xué)及行為分析理論，而計劃行為理論(TPB)、技術(shù)接受模型(TAM)和結(jié)構(gòu)方程模型(SEM)能夠較好地反映出行者心理、行為變化，因此本文選擇TPB、TAM和SEM研究出行行為.

1.1 計劃行為理論

TPB[16-17]是社會心理學(xué)中用于解釋態(tài)度與行為之間關(guān)系的理論.該理論認(rèn)為意圖先于行為，并且意圖與3個關(guān)鍵的潛在概念緊密相關(guān)，即態(tài)度、知覺行為控制和主觀規(guī)范，見圖1(a).態(tài)度反映了個人對活動結(jié)果的期望以及與之相關(guān)的個人價值觀.態(tài)度可以是情感性(即一個人對態(tài)度對象的感覺或情感，例如恐懼、快樂)，也可以是認(rèn)知性(即對行為進(jìn)行有益或有利程度的認(rèn)知考慮).

(a) 計劃行為理論

(b) 技術(shù)接受模型

(c) 結(jié)構(gòu)方程模型

1.2 技術(shù)接受模型

TAM[18-19]主要用于分析人們對新技術(shù)和新產(chǎn)品的接受程度及其影響因素.該理論認(rèn)為，人們的行為意圖決定人們的使用行為，這取決于人們對技術(shù)或系統(tǒng)的態(tài)度以及感知的有用性，而人們的態(tài)度則受感知有用性和感知易用性的影響.用戶對共享電動汽車的接受程度，可以理解為用戶對新系統(tǒng)和產(chǎn)品的接受程度，技術(shù)接受模型見圖1(b).這些理論框架可以反映技術(shù)創(chuàng)新(例如，共享電動汽車、無人駕駛等)的獨(dú)特屬性與用戶特征間的相互關(guān)系，可以用來探索用戶未來的選擇行為.在TAM中，主要使用感知有用性(PU)和感知易用性(PEU)確定用戶的接受程度. PU主要體現(xiàn)采用新技術(shù)將在多大程度上增強(qiáng)特定任務(wù)或活動的績效. PEU指個人對與新技術(shù)進(jìn)行交互的容易程度.

1.3 結(jié)構(gòu)方程模型

分析用戶選擇行為時涉及到的一些潛變量無法直接觀測，結(jié)構(gòu)方程模型[20-24]能夠通過觀測變量隱性地反映潛變量，并能有效地分析潛變量對出行行為的影響.如圖1(c)所示，結(jié)構(gòu)方程模型分為2個部分：一是測量模型，主要描述觀測變量與潛變量之間的關(guān)系；二是結(jié)構(gòu)模型，主要分析潛變量之間的關(guān)系.

測量方程為

y=Λη+v

(1)

式中，y為潛變量η的可觀測指標(biāo)向量；Λ為未知的待估計參數(shù)矩陣；v為誤差項.

結(jié)構(gòu)方程為

η=Γs+ζ

(2)

式中，s為影響潛變量η的外生可觀測變量向量，即社會人口統(tǒng)計信息；Γ為待估計參數(shù)矩陣；ζ為測量誤差.

2 數(shù)據(jù)獲取

2.1 問卷設(shè)計

結(jié)構(gòu)方程中包括無法測量的潛變量.為了測量這些潛變量，需要給每個潛變量設(shè)置相應(yīng)的測量指標(biāo)(即觀測變量).以李克特五級量表來衡量受訪者對每個指標(biāo)的滿意程度，李克特五級量表范圍從“非常不贊同”至“非常贊同”，分別賦值為1～5.通過問卷調(diào)查獲得受訪者的基本背景信息，包括年齡、性別、受教育程度、收入家庭是否擁有私家車、是否了解共享電動汽車及觀測變量等信息[5-6,10].觀測變量及相關(guān)描述見表1.其中，共享電動汽車快捷性可解釋為：“使用共享電動汽車使得出行時間更短、更加方便靈活、節(jié)省時間”.類似地，對其他概念也進(jìn)行了解釋，如使用偏好、使用障礙、主觀規(guī)范等[25].

2.2 數(shù)據(jù)采集

截至2018年，南京市常見的共享汽車平臺有EVCARD、GoFun、立刻出行、易開租車、易充租車、Car2go、摩范汽車等.南京市共計布局共享電動汽車租賃站點(diǎn)500余處，投放車輛2 300余輛，主要分布于玄武區(qū)、秦淮區(qū)、雨花臺區(qū)、鼓樓區(qū)等中心城區(qū)，大多數(shù)平臺按“分鐘”或“分鐘+里程”收費(fèi)，也有平臺按“小時”或按“天”收費(fèi).

表1 變量定義及描述

本次調(diào)查選擇部分租賃站點(diǎn)附近的公司、住宅區(qū)、商業(yè)區(qū)等地發(fā)放問卷，同時在網(wǎng)絡(luò)上借助問卷星進(jìn)行調(diào)查，共發(fā)放問卷686份，回收問卷653份，篩選出具有完整信息的問卷，得到有效問卷597份，有效回收率為87%.樣本統(tǒng)計數(shù)據(jù)見表2.

表2 樣本數(shù)據(jù)統(tǒng)計

由表2可知，成年人年齡分布中，年齡超過61歲的出行者比例僅占4.17%，其余年齡段分布較為均勻；受教育程度分布中，“大專/本科”及“碩士及以上”2個學(xué)歷階段所占比例較大，分別占比36.78%、28.74%；月收入分布中，“<5 000”及“>15 000”2個階段收入所占比例較低，分別占7.23%、9.64%，其余收入階段分布差距不大；對私家車的調(diào)查發(fā)現(xiàn)，61.32%的家庭無私家車；對了解共享電動汽車調(diào)查發(fā)現(xiàn)，57.52%的人不了解共享電動汽車.

2.3 規(guī)范和驗證測量模型

數(shù)據(jù)進(jìn)行分析前，需要評估問卷項目回收數(shù)據(jù)的穩(wěn)定性及可靠性[12, 14, 26]，數(shù)據(jù)穩(wěn)定性及可靠性評估主要選擇Cronbachα、KMO (Kaiser-Meyer-Olkin)檢驗及Bartlett球形檢驗.問卷穩(wěn)定性及可靠性分析結(jié)果見表3.

由表3可知：站點(diǎn)障礙感知易用性(ηS)的KMO值最低，為0.547>0.5，KMO值均滿足要求；車輛障礙感知易用性(ηV)的Bartlett球性檢驗結(jié)果p最大,為0.034<0.05，滿足要求；主觀規(guī)范(ηN)的Cronbachα值最低，為0.726>0.7，滿足要求.因此問卷性及可靠性檢驗結(jié)果均滿足需求，數(shù)據(jù)可靠性較高.

表3 樣本數(shù)據(jù)驗證

3 數(shù)據(jù)分析

3.1 潛變量估算

由于潛變量無法直接獲得，需通過觀測變量進(jìn)行表示.使用AMOS軟件，選擇GFI、NFI、AGFI、CFI、IFI、卡方自由度比χ2/df、RMSEA等評價指標(biāo)，采用多指標(biāo)多因素方法(MIMIC)對提取的潛變量進(jìn)行驗證性因子分析[27]，并對潛變量進(jìn)行估計.結(jié)果顯示，AMOS輸出指標(biāo)GFI=0.956，NFI=0.906，AGFI=0.912，CFI=0.914，IFI=0.935，均大于0.9，χ2/df=1.27<2, RMSE=0.021<0.08，說明驗證性因子分析模型擬合程度好，模型可以接受.驗證性因子分析結(jié)果見圖2.

根據(jù)圖2的結(jié)果，可得到各潛變量的計算公式：

ηC=0.340C1+0.370C2+0.319C3

ηQ=0.371Q1+0.402Q2+0.366Q3

ηW=0.195W1+0.258W2+0.172W3

ηD=0.479D1+0.256D2+0.316D3

ηS=0.783S1+0.230S2+0.181S3

ηV=0.288V1+0.424V2+0.283V3

ηU=0.415U1+0.333U2+0.285U3

ηI=0.384I1+0.323I2+0.231I3+0.212I4

ηA=0.375A1+0.451A2+0.275A3

ηN=0.284N1+0.205N2+0.240N3+0.208N4

就舒適性而言，潛變量ηC的觀測變量C1、C2、C3標(biāo)準(zhǔn)化系數(shù)分別為0.340、0.370、0.319，其中C2系數(shù)最大，表示C2能最大程度地反映舒適性(ηC)，但這并不是在使用共享電動汽車的過程中，用戶認(rèn)為內(nèi)部空間駕駛舒適高于駕駛安全性，而是當(dāng)共享電動汽車和私家車具有相同安全性時，共享電動汽車用戶更加注重駕駛空間舒適.其他潛變量可作類似解釋.

圖2 潛變量的驗證性因子分析結(jié)果

3.2 模型參數(shù)標(biāo)定

基于調(diào)查獲得的597份有效問卷及結(jié)構(gòu)方程模型計算各潛變量的值，借助SPSS軟件，將出行者信息個人社會屬性及潛變量值輸入軟件，標(biāo)定各個參數(shù).本文構(gòu)建了2個模型，分別為不包括潛變量的多項Logit模型和包括潛變量的混合選擇模型.模型構(gòu)建過程中，篩選出對模型影響不顯著的變量，得到模型參數(shù)標(biāo)定結(jié)果，見表4.由表可知：不包括潛變量的多項Logit模型與包括潛變量的混合選擇模型的偽R2分別為0.275、0.354，均大于0.2[28]，模型擬合度屬于可接受范圍；包括潛變量的模型的偽R2大于不包括潛變量的模型，說明包括潛變量的模型擬合度優(yōu)于不包括潛變量的模型.

在不包括潛變量的多項Logit模型中，受教育程度(0.019)、對共享電動汽車了解程度(0.253)與模型成正相關(guān)關(guān)系，意味著受教育程度越高、對共享電動汽車了解程度越多的出行者使用共享電動汽車概率更高，且后者比前者影響程度更大.這可能是由于受教育程度越高的人對于新鮮事物的接受能力越強(qiáng)，更愿意嘗試新的交通方式；共享電動汽車的了解程度對選擇該方式有積極的影響，可能是因為新的交通方式出現(xiàn)時，出行者由于自身職業(yè)、時間、精力、關(guān)注點(diǎn)等因素，對于新交通方式了解程度不高，不能清楚地掌握新交通方式的優(yōu)勢，因而選擇新交通方式傾向性不高，隨著了解程度上升，出行者更趨向于共享電動汽車.年齡(-0.121)、收入(-0.126)、家庭擁有機(jī)動車(-0.509)與模型成負(fù)相關(guān)關(guān)系，意味著年齡越大、收入越高、擁有機(jī)動車的家庭越不愿意選擇共享電動汽車，其中家庭擁有機(jī)動車對模型負(fù)影響最大.其原因可能是年齡越大，更趨向于選擇穩(wěn)定、熟悉、傳統(tǒng)的行為，更愿意選擇常用的交通方式，對新交通方式的接受能力更低；家庭擁有小汽車是負(fù)影響最大的因素，這些家庭已經(jīng)擁有小汽車，不再需要考慮購車成本，且小汽車更加靈活、可靠，因而這些出行者更傾向于使用小汽車而不是共享電動汽車；收入越高的家庭，選擇共享電動汽車意愿更低，可能是因為收入越高，可選擇交通方式越多(出租車、網(wǎng)約車、小汽車等)，所以選擇共享電動汽車傾向性越低.性別對模型影響不顯著，對共享汽車選擇行為不存在明顯差異.

表4 模型參數(shù)標(biāo)定結(jié)果

在包括潛變量的混合選擇模型中，家庭擁有小汽車(-0.518)與對共享電動汽車熟悉程度(0.377)這2個因素對模型的影響與在多項Logit模型中影響類似；年齡、收入、受教育程度對模型不產(chǎn)生影響，可能是因為考慮潛變量后，潛變量對模型的影響更大，這幾個變量對模型不產(chǎn)生影響.舒適性(0.373)、快捷性(0.412)、意識(0.511)、使用偏好(0.420)、行為意向(0.590)對模型有積極影響，且行為意向?qū)δＰ陀绊懽畲螅@幾個潛變量值越高，表示越愿意選擇共享電動汽車.舒適性和快捷性分析結(jié)果表明，居民所能感受的舒適性與快捷性越高，共享電動汽車優(yōu)勢越明顯，居民更傾向于選擇這種方式；意識、使用偏好、行為意向分析結(jié)果表明，共享電動汽車廣泛發(fā)展會給個人及城市發(fā)展帶來更大的益處，因而這3個因素對模型有正面影響.使用障礙(-0.264)、站點(diǎn)障礙(-0.134)、車輛障礙(-0.211)、個人障礙(-0.102)對模型有負(fù)影響，其中使用障礙負(fù)影響最大.這4個因素中，使用障礙與車輛障礙的影響大于站點(diǎn)障礙和個人障礙的影響，可能是因為在決定選擇共享電動汽車過程中，若因為個人因素或使用地點(diǎn)附近無租賃站點(diǎn)，用戶會產(chǎn)生失望情緒，但有更多的選擇空間；若用戶個人不存在問題或用戶周邊存在租賃站點(diǎn)，用戶會產(chǎn)生過渡期待，結(jié)果卻無車輛可使用，選擇空間變小，可能會導(dǎo)致更多的負(fù)面情緒，從而產(chǎn)生更大的負(fù)面影響.主觀規(guī)范對模型影響不顯著，可能是因為在快節(jié)奏的社會發(fā)展中，人們更加在意自己對新事物的理解，不那么重視其他人的看法，因而主觀規(guī)范對模型影響不顯著.

4 敏感性分析

本節(jié)將分析模型中變量的敏感性，探討模型影響因素的重要程度.由于包括潛變量的混合選擇模型擬合效果優(yōu)于不包括潛變量的混合選擇模型，因此僅探討包括潛變量的混合選擇模型因素的敏感性.敏感度分析結(jié)果見表5.

表5 敏感度分析結(jié)果

個人社會經(jīng)濟(jì)屬性中，家庭擁有小汽車、對共享電動汽車了解程度的敏感度分別為-12.32%、8.25%，表明家庭擁有小汽車會使得選擇共享電動汽車為主要出行方式的概率降低，是影響共享電動汽車發(fā)展最主要的因素，在發(fā)展共享電動汽車過程中，抑制小汽車的發(fā)展是主要措施；通過廣告等宣傳方式，居民對共享電動汽車了解程度(Xkno)每增加1，可使得選擇共享電動汽車的概率增加8.25%，表明增加共享電動汽車宣傳力度也能較大程度促進(jìn)其發(fā)展.

潛變量中，行為意向敏感度最高，為9.31%，行為態(tài)度敏感度次之，為7.24%.行為意向和行為態(tài)度得分每增加1，選擇共享電動汽車的概率分別增加9.31%、7.24%.可從居民教育、環(huán)境保護(hù)、城市可持續(xù)發(fā)展等方面引導(dǎo)居民意識，促進(jìn)共享電動汽車發(fā)展.感知易用性的敏感度中，車輛障礙敏感度(-5.52%)較大，表明車輛障礙(ηV)在增加或減少1時，車輛障礙的影響大于站點(diǎn)障礙、使用障礙及個人障礙，表明增加車輛維護(hù)、減少不可用車輛更加重要.

5 結(jié)論

1) Logit模型及混合選擇模型2個模型擬合度均在可接受范圍，擬合結(jié)果均較好，但混合選擇模型擬合度更高，表明在分析共享電動汽車出行行為時，考慮潛變量能夠在一定程度上增加模型精度.

2) 在混合選擇模型中，對共享電動汽車了解程度、舒適性、快捷性、意識、使用偏好、行為意向6個變量對模型有正面影響，表明在共享電動汽車的發(fā)展過程中，應(yīng)積極促進(jìn)這幾個因素的發(fā)展，如合理規(guī)劃租賃站點(diǎn)布局等；擁有機(jī)動車、使用障礙、站點(diǎn)障礙、車輛障礙4個變量對模型有負(fù)面影響，表明在共享電動汽車發(fā)展進(jìn)程中，應(yīng)抑制這些因素，如增加稅收抑制小汽車的發(fā)展.

3) 敏感性分析結(jié)果表明，擁有小汽車是影響共享電動汽車發(fā)展最大的因素，在發(fā)展共享電動汽車時，需要重點(diǎn)控制小汽車的發(fā)展，如采取增加擁堵收費(fèi)、加收燃油稅等措施；對共享電動汽車了解程度、行為意向、行為態(tài)度等因素敏感度也較大，因此加大共享電動汽車推廣力度，提倡低碳、綠色的出行理念對于共享電動汽車的發(fā)展至關(guān)重要.