城際鐵路旅客購票選擇行為的異質(zhì)性研究

陶文聰，蘇煥銀，彭舒婷，代慧子

（1.五邑大學(xué) 軌道交通學(xué)院，廣東 江門 529020；2.廣州地鐵集團(tuán)有限公司，廣東 廣州 510000）

國家發(fā)改委在 2016年下發(fā)了關(guān)于改革完善高鐵動(dòng)車組旅客票價(jià)政策的通知，為城際鐵路票價(jià)根據(jù)市場(chǎng)需求進(jìn)行浮動(dòng)提供了有利條件.目前針對(duì)鐵路出行旅客選擇行為的研究多集中在對(duì)交通方式或者列車類型的選擇行為方面[1-3]，而對(duì)于鐵路旅客在預(yù)售期內(nèi)購票選擇行為的研究較少.旅客出行需求具有多樣性，導(dǎo)致其選擇行為具有異質(zhì)性，本文的異質(zhì)性是指旅客由于出行習(xí)慣、文化程度、經(jīng)濟(jì)水平等方面的不同，導(dǎo)致其在購票選擇時(shí)所反映的差異性.一些學(xué)者在旅客選擇行為的分析中進(jìn)一步考慮了旅客選擇偏好的異質(zhì)性[4-10]，但結(jié)合鐵路票價(jià)浮動(dòng)策略研究的成果不多，對(duì)旅客市場(chǎng)需求把握還不夠精準(zhǔn)和及時(shí).因此，為了制定能夠滿足多樣化旅客需求的票價(jià)浮動(dòng)策略，有必要開展鐵路出行旅客選擇行為的研究.

1 基于RP/SP聯(lián)合調(diào)查的數(shù)據(jù)獲取

本文以廣珠城際鐵路沿線城市的旅客為調(diào)研對(duì)象，采取RP（Revealed Preference）/SP（Stated Preference）相結(jié)合的調(diào)查方法，借助問卷星調(diào)查平臺(tái)進(jìn)行網(wǎng)絡(luò)調(diào)查，調(diào)研時(shí)間在2020年3月5日至3月10日，包含了工作日和休息日.問卷調(diào)查內(nèi)容包含旅客的個(gè)人出行特征和4種虛擬情景（情景1：非節(jié)假日一般時(shí)期，票價(jià)固定；情景2：非節(jié)假日一般時(shí)期，票價(jià)下浮；情景3：節(jié)假日高峰時(shí)期，票價(jià)固定；情景 4：節(jié)假日高峰時(shí)期，票價(jià)下?。┫侣每偷馁徠彪A段（將預(yù)售期劃分為 5個(gè)階段）選擇.總共發(fā)放了1 600份問卷，根據(jù)數(shù)據(jù)分布的合理性，采用信度和效度分析方法進(jìn)行樣本篩選處理，獲得有效問卷數(shù)1 443份，回收率約為90.19%，統(tǒng)計(jì)結(jié)果見表1和表2.

表1 基于RP調(diào)查的旅客個(gè)人出行特征

2 基于潛在類別模型的旅客群體特征分析

旅客的選擇偏好通常源自于個(gè)人屬性以及出行特征的差異性，具有相似特征的旅客通常體現(xiàn)出類似的選擇行為.因此，可根據(jù)個(gè)人屬性和出行特征對(duì)旅客進(jìn)行分類，然后結(jié)合旅客的群體類別特征，對(duì)比分析不同類別旅客購票階段選擇行為的異質(zhì)性.下面采用潛在類別模型[7]對(duì)旅客分類.

2.1 潛在類別模型設(shè)計(jì)

對(duì)于給定的旅客外顯變量取值，利用貝葉斯公式，可以計(jì)算該旅客歸屬潛在類別X的概率：

那么，判定該旅客屬于概率最大的潛在類別，記為X*，

2.2 參數(shù)估計(jì)結(jié)果及分析

借助Latent Gold 5.0軟件進(jìn)行模型適配性檢驗(yàn)，并采用極大似然法進(jìn)行參數(shù)估計(jì)，最佳潛在類別劃分個(gè)數(shù)為4，結(jié)果見表3.

表3 模型參數(shù)估計(jì)結(jié)果

（續(xù)上表）

根據(jù)表3可知，每個(gè)潛在類別的旅客群體具有明顯的差異特征，主要特征如下：

1）第1類旅客，占比44.36%，主要特征為稅前月收入最高，出行頻率最高，公費(fèi)出行，以商務(wù)出行為主要出行目的.

2）第2類旅客，占比23.06%，主要特征為稅前月收入最低，出行頻率較低，自費(fèi)出行，以旅游休閑和求學(xué)為主要出行目的.

3）第3類旅客，占比22.08%，主要特征為稅前月收入較高，出行頻率僅次于第1類旅客，自費(fèi)出行，以旅游休閑和探親訪友為主要出行目的.

4）第4類旅客，占比10.50%，主要特征為稅前月收入較低，出行頻率最低，自費(fèi)出行，以旅游休閑和探親訪友為主要出行目的.

整體上，可將第1類和第3類旅客概括為追求出行品質(zhì)的高端型旅客，第2類和第4類旅客概括為追求經(jīng)濟(jì)效益的低端型旅客.

3 基于多項(xiàng)Logit模型的旅客購票選擇行為分析

結(jié)合旅客的群體分類結(jié)果，采用多項(xiàng) Logit模型研究各類旅客群體在不同情景下的購票選擇行為，對(duì)比分析其異質(zhì)性.

3.1 多項(xiàng)Logit模型設(shè)計(jì)及參數(shù)估計(jì)

采用軟件Stata 16進(jìn)行參數(shù)估計(jì)，結(jié)果見表4，根據(jù)相關(guān)指標(biāo)可知，模型整體擬合效果較好.

表4 多項(xiàng)Logit模型參數(shù)估計(jì)

3.2 旅客購票選擇行為的異質(zhì)性分析

根據(jù)上述多項(xiàng) Logit模型，分別計(jì)算各類旅客群體在不同情景下各個(gè)購票階段的選擇概率，對(duì)于非節(jié)假日一般時(shí)期的情景1（票價(jià)固定）和情景2（票價(jià)下?。?，各類旅客在各個(gè)購票階段的選擇概率分布如圖1所示.對(duì)于節(jié)假日高峰時(shí)期的情景 3（票價(jià)固定）和情景4（票價(jià)上浮），各類旅客在各個(gè)購票階段的選擇概率分布如圖2所示.

圖1 非節(jié)假日一般時(shí)期各類旅客的購票階段選擇概率分布

圖2 節(jié)假日高峰時(shí)期各類旅客購票階段選擇概率分布

根據(jù)圖1～4，分析各類旅客的購票選擇行為異質(zhì)性，具體結(jié)果如下：

1）根據(jù)圖1，在情景1下，選擇在前兩個(gè)階段購票（即出發(fā)前 2天內(nèi)）購票的旅客較多，各類旅客的比例均達(dá)到 60%以上.情景1下的票額充足，旅客傾向在臨近出發(fā)的階段購票，且高端型的旅客更傾向于提前更短的時(shí)間購票.

2）根據(jù)圖 3，相比情景 1，在情景 2下，各類旅客在前兩個(gè)階段購票的比例減少了 25%～33%，均提前更多的時(shí)間購票，來獲得更低的票價(jià)折扣.但相比高端型的旅客，低端型的旅客提前的時(shí)間更多，即票價(jià)下浮對(duì)低端型的旅客具有更大的吸引力.

圖3 非節(jié)假日一般時(shí)期各類旅客的購票階段選擇概率變化的分布圖

3）根據(jù)圖2，在情景3下，選擇在第2和第3個(gè)階段（出發(fā)前1～10天）購票的旅客較多，各類旅客的比例均達(dá)到60%以上，且第2類和第4類旅客在第5個(gè)階段購票的比例相比其他兩類旅客較高.這主要是因?yàn)榍榫?3下票額緊張，旅客均傾向于提前更多的時(shí)間購票，且低端型的旅客具有更強(qiáng)的計(jì)劃性.

4）根據(jù)圖4，相比情景3，情景4下，第1類旅客在前兩個(gè)階段的選擇概率降低了13.98%；其他類的旅客在前3個(gè)購票階段的選擇概率減少了19%左右，各類旅客均提前更多時(shí)間購票，來獲得較小的票價(jià)漲幅.第 1類旅客受到的影響最小，這主要是因?yàn)樵擃惵每椭?70%（見表 3）是公費(fèi)出行.低端型旅客受到的影響最大，對(duì)票價(jià)上漲比較敏感.

圖4 節(jié)假日高峰時(shí)期各類旅客的購票階段選擇概率變化的分布圖

4 結(jié)論

本文以廣珠城際鐵路為例，首先采用RP/SP調(diào)查獲取旅客個(gè)人出行特征和購票選擇行為數(shù)據(jù)，然后采用多項(xiàng)Logit模型分析各類旅客的購票選擇行為異質(zhì)性.研究結(jié)果表明，各類旅客的購票選擇行為均體現(xiàn)出了不同程度的異質(zhì)性.根據(jù)各類旅客購票選擇行為的異質(zhì)性特征，鐵路運(yùn)輸企業(yè)可以針對(duì)性地設(shè)計(jì)市場(chǎng)營(yíng)銷策略，滿足多樣化的旅客需求.本文研究對(duì)指導(dǎo)鐵路部門設(shè)計(jì)滿足多樣化旅客市場(chǎng)需求的客運(yùn)服務(wù)產(chǎn)品，改善我國鐵路運(yùn)營(yíng)管理機(jī)制和提高鐵路收益具有一定借鑒意義.