無人駕駛汽車對中短距離市際出行方式選擇行為的影響*

劉志偉 宋正沄 鄧 衛(wèi) 包丹文

（1.武漢輕工大學土木工程與建筑學院 武漢 430023；2.東南大學交通學院 南京 211189；3.南京航空航天大學民航學院 南京 211106）

0 引 言

河北、江西、重慶、浙江等省份相繼出臺正式意見，鼓勵有條件的地方和單位實行2.5 d假期模式，促進旅游消費。2020年4月，長沙市無人駕駛出租車正式上線。無人駕駛汽車是通過車載傳感系統(tǒng)感知道路環(huán)境，自動規(guī)劃行車路線并控制車輛到達預定目的地的智能汽車。無人駕駛汽車具有很多潛在優(yōu)點：降低交通事故、緩解交通擁堵、提高燃油經(jīng)濟性、減少碳排放、緩解駕駛員壓力、改善老年人和殘疾人機動性[1]。與火車、大巴等出行方式相比，無人駕駛汽車出行成本相對較低，無需進站和出站，不受固定發(fā)車時間和發(fā)車地點的約束和限制。此外，出行者使用無人駕駛汽車的出行時間價值比傳統(tǒng)汽車的出行時間價值降低20%~50%[2]。無人駕駛汽車有潛力從根本上改變當前中短距離市際間出行現(xiàn)狀。因此，研究無人駕駛汽車對中短距離市際間出行方式選擇的影響，不僅豐富和深化了出行行為理論，而且為未來適應無人駕駛汽車發(fā)展的城市規(guī)劃、交通規(guī)劃、交通管理政策、交通設計等提供理論基礎和依據(jù)。

從研究對象來看，關于無人駕駛汽車對出行方式選擇行為影響的研究，主要集中在無人駕駛汽車對市內出行的影響。Kr?ger等[3]基于出行方式和距離聯(lián)合選擇模型，研究發(fā)現(xiàn)假定當私人無人駕駛汽車的出行時間價值降低25%時，公共交通出行分擔比例下降而私人小汽車的出行分擔比例上升。Chen等[4]研究發(fā)現(xiàn)當假定共享無人駕駛汽車的出行時間價值降低和運營成本較低時，公共交通和慢行出行方式的出行分擔比例顯著降低。Boesch等[5]假定當共享無人駕駛汽車的出行時間價值只有傳統(tǒng)小汽車的出行時間價值的54%時，公共交通、慢行出行方式和私人小汽車的出行分擔比例分別從16%，26%和48%下降到12%，20%和36%。LaMondia等[6]通過研究密歇根市居民在80~800 km的中長距離出行行為，發(fā)現(xiàn)超過25%的飛機出行將被無人駕駛汽車出行所取代。劉志偉等[7]研究發(fā)現(xiàn)無人駕駛汽車選擇行為不僅受到出行特征和社會經(jīng)濟屬性的影響，而且還受到感知信任、社會規(guī)范和行為意向等心理潛變量的影響。姚榮涵等[8]將結構方程模型與多項Logit模型結合建立混合模型研究出行者租賃自動駕駛汽車的行為，結果表明出行費用、車內時間等社會經(jīng)濟屬性和便捷性、安全性等心理潛變量對租賃自動駕駛汽車的行為具有顯著影響。隨著2.5 d假期政策的推行，100~400 km范圍內的中短距離市際間出行需求將會快速增長。目前，由于高速鐵路的競爭優(yōu)勢，國內在400 km范圍內飛機航班基本消失，譬如：武漢到南昌、武漢到合肥、合肥到南京的直飛航班已取消?？紤]到無人駕駛汽車的優(yōu)點，在400 km范圍內無人駕駛汽車具有非常大競爭優(yōu)勢。因此，本文主要研究無人駕駛汽車對中短距離市際出行選擇行為的影響。

從研究因素來看，初期關于出行方式選擇的研究考慮的因素主要包括2個方面：出行方式屬性和出行者的社會經(jīng)濟屬性。范琪等[9]研究結果表明家庭收入差異對出行者的出行方式選擇行為具有顯著影響。隨著研究的不斷深入，學者們發(fā)現(xiàn)出行者的價值觀、態(tài)度和感知對出行方式選擇行為具有重要影響。Ben-Akiva等[10]將心理潛變量納入離散選擇模型建立混合選擇模型（hybrid choice model），研究居民出行方式選擇行為。Sanbonmatsu等[11]研究發(fā)現(xiàn)受訪者對于無人駕駛汽車認知水平越高，未來使用無人駕駛汽車出行的意向更加強烈]。Kaur等[12]得出結論感知信任對出行者采用無人駕駛汽車出行具有積極影響。Liu等[13]認為社會規(guī)范對出行者是否接受無人駕駛汽車具有正面作用，從而使無人駕駛汽車更加具有吸引力。Jing等[14]基于結構方程模型研究感知社會規(guī)范、感知行為控制等潛變量對無人駕駛汽車使用意向的影響。Krueger等[15]發(fā)現(xiàn)較強的環(huán)境保護意識是共享汽車用戶的個體特征，還會影響到出行者對無人駕駛汽車接受程度。劉建榮等[16]通過建立潛在類別條件Logit模型研究高鐵站出行者的出行選擇行為，發(fā)現(xiàn)出行者小汽車擁有情況、月收入等社會經(jīng)濟屬性和靈活性、舒適性等心理潛變量對出行者的類別劃分具有顯著影響，不同類別出行者對公交和地鐵的偏好存在顯著差異。雖然上述研究從多種心理因素出發(fā)，通過建立混合Logit模型研究無人駕駛汽車對出行選擇行為的影響，取得了豐富的成果，但是計劃行為理論(the theory of planned behavior,TPB)在行為選擇研究方面適用性更強[17]。

從研究方法來看，關于多項Logit模型的出行行為研究較多。但多項Logit模型存在不相關選項獨立性（independence of irrelevant alternatives，IIA）缺陷，即不相關選項之間是相互獨立的假定，巢式Logit模型部分解決了IIA問題，但沒有考慮個體的差異性，無法處理消費者偏好的差異性。隨機系數(shù)Logit模型解釋變量的系數(shù)不是固定值，而是服從一定的參數(shù)分布，可以較好地體現(xiàn)個體偏好的異質性，從根本上克服了傳統(tǒng)離散選擇模型IIA缺陷[18]。因此，本文基于計劃行為理論，將感知行為控制等潛變量納入隨機系數(shù)Logit模型建立混合Logit模型，綜合考慮車內時間、出入站和候車時間、出行費用等出行特征和性別、年齡、收入等社會經(jīng)濟屬性，研究無人駕駛汽車對出行者中短距離市際間出行方式選擇的影響。

1 理論基礎及模型構建

1.1 計劃行為理論

計劃行為理論在解釋個體行為與個體行為意向方面應用較廣。Ajzen在理性行為的基礎上提出計劃行為理論，該理論認為個體的感知行為控制（perceived behavioral control,PBC）、主觀規(guī)范（subjective norms,SN）和行為態(tài)度（attitudes,ATT）對行為意向（behavioral intention to use,BIU）具有直接影響，從而影響到個體的實際行為[19]。

1.2 隨機系數(shù)Logit模型

在傳統(tǒng)的多項Logit模型中，所有個體的效用函數(shù)中變量的系數(shù)都是相等的。個體i在選擇集t中選擇選項j概率P(yit=j)的計算見式（1）。

式中：xji為指可觀察的特征向量；β為待估參數(shù)系數(shù)向量；αji是常數(shù)項。

與傳統(tǒng)的多項Logit模型不同，隨機系數(shù)Logit模型認為個體的選擇偏好具有異質性，不同個體的效用函數(shù)中變量的系數(shù)是變化的，服從一定的隨機分布，譬如：正態(tài)分布、平均分布等。在隨機系數(shù)Logit模型中，個體i在選擇集t中選擇選項j的概率P(j|Vi)的計算見式（2）。

式中：θj和fj為非隨機系數(shù)向量，βji為個體之間的隨機分布系數(shù)向量，zi為個體i的1組不變的個人特征向量（年齡、性別等），fji為個體i的1組隨選擇項變化而不同的特征向量（出行時間、費用等），βji為與xji對應的特征向量，Vi為均值為0，協(xié)方差為I的矩陣。隨機系數(shù)Logit模型一般采用仿真方法進行求解[20]。

2 問卷設計及樣本描述性統(tǒng)計

2.1 問卷設計及樣本描述性統(tǒng)計

在中短距離（100~400 km）市際出行中，目前主要可供選擇的出行方式有火車、市際班車和小汽車。與傳統(tǒng)小汽車相比，考慮到無人駕駛汽車的眾多優(yōu)點和對傳統(tǒng)小汽車具有很強的取代潛力。因此，本文主要考慮出行者在火車、市際班車和無人駕駛汽車中進行選擇，研究無人駕駛汽車對中短距離市際出行交通方式選擇行為的影響。根據(jù)計劃行為理論，感知行為控制、主觀規(guī)范、行為態(tài)度和行為意向等心理潛變量對個體的行為具有重要影響，本文將這些心理潛變量納入研究范圍。

按照上述分析，本文的調查內容主要包括3個部分：①個體的社會經(jīng)濟屬性；②基于計劃行為理論個體對無人駕駛汽車的感知行為控制、主觀規(guī)范、行為態(tài)度和行為意向等心理潛變量的顯變量；③出行方式特征變量。

個體的社會經(jīng)濟屬性主要包括：性別、年齡、受教育程度、職業(yè)、家庭月收入、是否擁有小汽車、家庭總人口數(shù)等。

基于計劃行為理論，問卷中心理潛變量考慮感知行為控制（PBC）、主觀規(guī)范（SN）、行為態(tài)度（ATT）和行為意向（BIU）。潛變量顯示變量表征見表1，采取李克特五點量表法進行調查，選擇范圍從“非常不贊同”到“非常贊同”，賦值范圍對應1~5。

表1 表征心理潛在變量的顯示變量Tab.1 Indicator Variables of psychological latent variables

出行方式選擇調查采用SP調查法。在情景設計部分，主要考慮的變量主要包括車內時間、出入站時間、候車時間和出行費用，對應的變量水平見表2。其中，火車和市際班車的運行時間和費用根據(jù)相應的官方購票網(wǎng)站查詢獲取；無人駕駛汽車的出行時間主要參考傳統(tǒng)的小汽車時間，根據(jù)高德地圖獲取，出行費用根據(jù)出行距離和出單位距離出行費用計算獲取。然后，使用JMP軟件根據(jù)部分因子正交試驗設計原理進行組合設計，設置16個場景，分為4份問卷，每個受訪者對1份問卷中的4個情景中的選項做出選擇。圖1為其中1個場景示例。

圖1 選擇情景示例Fig.1 An example of SPchoice scenario

表2 出行方式的變量及變量水平Tab.2 Attributes and attributes levels of each mode of transport

本次調查在武漢進行，調查時間是2020年4月~6月，調查形式是線上和線下相結合，共獲取有效樣本855份，3 420個選擇場景。樣本描述性統(tǒng)計見表3。

表3 樣本描述性統(tǒng)計Tab.3 Descriptive statistics of sample

2.2 數(shù)據(jù)的信度與效度分析

為衡量采集數(shù)據(jù)的一致性、穩(wěn)定性和準確性，對采集的數(shù)據(jù)樣本進行信度分析和效度分析。信度分析采用Cronbach'sα系數(shù)作為量化指標，效度分析采用KMO樣本測度和Bartlett球體檢驗。樣本的信度分析和效度分析結果見表4。所有潛變量的KMO值大于0.7，因子載荷均大于0.9，Cronbach'sα均大于0.9，表明問卷的信度和效度是符合要求的。

表4 樣本數(shù)據(jù)的信度和效度檢驗Tab.4 Reliability and validity test of sample

3 模型驗證及結果分析

帶潛變量的離散選擇模型的估計方法主要有3種：仿真估計法、同步數(shù)值估計法和連續(xù)數(shù)值估計法。連續(xù)數(shù)值估計法由于計算過程相對簡單、有效，受到很多學者的青睞[21]。因此，本文采用連續(xù)數(shù)值估計法，具體分為2個步驟：①采用極大似然估計潛變量模型的參數(shù)；②利用第一步計算得到的潛變量，將其作為外生變量納入離散選擇模型，再次使用極大似然估計求解離散選擇模型的參數(shù)。

3.1 心理潛變量分析

感知行為控制、主觀規(guī)范、行為態(tài)度和行為意向等心理潛變量通過驗證性因子分析進行求解模型的擬合指標，主要考慮的擬合指標包括：漸進殘差均方和平方根（RMSEA），比較適配指數(shù)（CFI），非規(guī)準適配指數(shù)（TLI）和標準化殘差均方根(SRMR)，模型擬合結果見表5，結果表明模型擬合指標均符合要求[22]，模型擬合度較高。

表5 模型檢驗指標結果Tab.5 Fitness statistics of the confirmatory factor analysis

3.2 隨機系數(shù)Logit模型

1）模型分析。為了體現(xiàn)出行者偏好的異質性，假定車內時間（travel time，TT）、出入站和候車時間（access and egress time and waiting time，ACC）以及出行費用（travel cost，TC）等3個變量的系數(shù)是服從正態(tài)分布的隨機系數(shù)，將市際班車設置為對比項，建立火車、無人駕駛汽車和市際班車的出行方式選擇的隨機系數(shù)Logit模型。隨機系數(shù)Logit模型沒有閉型解，需要采用仿真方法進行求解。本文采用Nlogit軟件進行編程求解，使用Halton序列抽樣方法進行抽樣，抽樣次數(shù)1 000。此外，Nlogit軟件會同時建立傳統(tǒng)的帶潛變量的多項Logit模型進行對比分析，2個模型最終標定結果見表6。

表6 帶潛變量的隨機系數(shù)Logit模型和帶潛變量的多項Logit模型參數(shù)標定結果Tab.6 Estimation results of the random parameters Logit model with latent variables and hybrid choice model

根據(jù)表6，帶潛變量的隨機系數(shù)Logit模型的對數(shù)似然值、PseudoR2和預測準確率分別為-2 399.040，0.362和66.1%。傳統(tǒng)的帶潛變量的多項Logit模型的對應的數(shù)值分別為-2 423.865，0.137和55.7%。顯然，隨機系數(shù)Logit模型的各方面的表現(xiàn)均優(yōu)于傳統(tǒng)的多項Logit模型。因此，本文主要討論隨機系數(shù)Logit模型的結果。

在帶潛變量的隨機系數(shù)Logit模型中，TT，ACC以及TC的總體均值為負數(shù)且顯著，與現(xiàn)實情況一致，即隨著車內時間的增加、出入站和候車時間的增加以及出行費用的增加，個體所獲得的效用降低，選擇的概率也隨之越小。此外，這些變量的標準差顯著為正，表明在效用函數(shù)中，這3個變量的系數(shù)服從正態(tài)分布：TT~N（-0.014，0.0142），ACC~N（-0.008，0.0212），TC~N（-0.010，0.0172）。在隨機系數(shù)Logit模型中，ACC系數(shù)服從正態(tài)分布，而在傳統(tǒng)的多項Logit模型中作用不顯著，表明ACC對個體的影響不是固定值，而是服從隨機分布。在傳統(tǒng)的多項Logit模型中，ACC的影響不顯著，忽視了出入站和候車時間對出行者效用的影響，與實際情況不符。

在個體的屬性方面，家里是否有學齡兒童影響不顯著。女性比男性更偏向于選擇火車和無人駕駛汽車。年齡對選擇火車和無人駕駛汽車出行均具正向影響。受教育程度越高的出行者選擇火車和無人駕駛汽車的意愿越高。在火車和無人駕駛汽車選擇偏好方面，自由職業(yè)者比固定職業(yè)者的選擇意愿更低。家庭收入水平對選擇火車和無人駕駛汽車具有正向影響。擁有駕照或者小汽車的出行者選擇火車和無人駕駛汽車的意愿越高。同行出行人數(shù)對選擇火車具有顯著負影響，表明同行出行人數(shù)越多，選擇火車出行的意愿不高。

在心理潛變量方面：主觀規(guī)范和行為意向的影響并不顯著，而行為態(tài)度和感知行為控制對出行者選擇無人駕駛汽車出行具有顯著正影響。感知行為控制和行為態(tài)度的幾率比（odd ratio）分別為exp(0.497)≈1.643 exp(0.576)≈1.779。對于無人駕駛汽車出行方式而言，在保持其他變量不變的前提下，出行者對無人駕駛汽車的行為態(tài)度和感知行為控制每提高1 Logit值，采用無人駕駛汽車出行的可能性分別增加64.3%和77.9%。因此，可以通過增加無人駕駛汽車的營業(yè)網(wǎng)點、優(yōu)化空間布局、延長營業(yè)時間等措施提高出行者的感知行為控制水平。同時，可以通過加大對無人駕駛汽車的宣傳和推廣力度，提高出行者對無人駕駛汽車的認識，加深對無人駕駛汽車的感知行為態(tài)度。

2）彈性分析。點彈性是指在其他變量保持不變的情況下，解釋變量每變化1%導致被解釋變量的變化量。出行費用的點彈性是指某種出行方式出行費用提高1%，引起自身和其他出行方式分擔比例的變化量。點直接彈性的計算見式（3）。

表7 出行費用和車內時間的平均直接彈性Tab.7 Average direct elasticities of travel costs and in-vehicle time

根據(jù)表7，從整體上看火車的出行費用彈性比車內時間彈性大，表明出行者對火車的出行費用更加敏感。在其他變量保持不變的情況下，無人駕駛汽車的出行費用每提高1%，選擇無人駕駛汽車的概率下降0.403%，選擇火車和市際班車的概率分別增加0.368%和0.031%，表明可以通過降低無人駕駛汽車的出行費用和減少車內出行時間增強無人駕駛汽車的吸引力；無人駕駛汽車的車內時間每增加1%，選擇無人駕駛汽車和市際班車的概率下降0.467%和0.002%，選擇火車的概率增加0.205%。在其他變量保持不變的情況下，市際班車的出行費用每提高1%，選擇市際班車的概率下降0.765%，選擇無人駕駛汽車的概率增加0.761%，市際班車的出行費用對無人駕駛汽車的影響比無人駕駛汽車對自身的影響更大。這表明無人駕駛汽車相對市際班車經(jīng)濟優(yōu)勢越大，對出行者的吸引力也越大。

4 結束語

1）在效用函數(shù)中，車內時間、出入站和候車時間和出行費用等3個變量的系數(shù)不是固定值，而是服從正態(tài)分布，具體分布情況分別為：TT~N（-0.014，0.0142），ACC~N（-0.008，0.0212），TC~N（-0.010，0.0172）。若不考慮個體對出入站和候車時間偏好的異質性，會忽視該變量對出行者出行選擇的影響。

2）在心理潛變量方面，感知行為控制和行為態(tài)度對出行者選擇無人駕駛汽車出行具有顯著正影響。在保持其他變量不變的前提下，感知行為控制和行為態(tài)度每提高1 Logit值，采用無人駕駛汽車出行的概率分別增加64.3%和77.9%。

3）無人駕駛汽車的出行費用和車內時間的平均直接彈性分別為0.403%和0.467%，可以通過降低無人駕駛汽車的出行費用和減少車內出行時間增強無人駕駛汽車的吸引力。

本文未考慮無人駕駛汽車與傳統(tǒng)小汽車并存階段出行者的選擇偏好。后續(xù)研究將考慮出行者更多的出行選擇項以及考慮共享經(jīng)濟、疫情對出行者出行方式選擇的影響。