網(wǎng)約車臨時用戶和長期用戶出行行為影響機理

李志成,鄧欣宇,趙紫艷,高語笛

(南京林業(yè)大學,江蘇 南京 210037)

0 引 言

隨著我國信息技術和交通行業(yè)的快速發(fā)展,網(wǎng)約車作為新時代互聯(lián)網(wǎng)經(jīng)濟的產(chǎn)物,也逐漸進入人們生活,誕生了滴滴打車、Uber等網(wǎng)約車出行平臺。自2012年以來滴滴打車、快的打車進入網(wǎng)約車市場,打車軟件層出不窮,我國網(wǎng)約車行業(yè)進入快速發(fā)展階段,網(wǎng)約車已成為人們主要出行方式之一。

縱觀國內(nèi)外學者在網(wǎng)約車出行領域已有的廣泛研究,董振寧等[1]利用Anylogic仿真軟件構建模擬現(xiàn)實乘客打車情景的仿真實驗,將動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)進行分析,分別計算兩種定價模式下的平臺最優(yōu)收益及消費者和司機福利。劉鑫等[2]以2018年大連市主要商圈內(nèi)網(wǎng)約車主要使用者為對象,設計網(wǎng)約車用戶出行行為調(diào)查問卷,建立MNL模型,探索影響出行方式選擇的關鍵因素,并分析其內(nèi)在規(guī)律。陳思為等[3]基于潛在類別模型對網(wǎng)約車選擇行為建模,以調(diào)查地的實際數(shù)據(jù)對用戶群體進行細分,挖掘不同群體對于網(wǎng)約車的偏好。劉祖友等[4]通過對福州地區(qū)大學生網(wǎng)約車出行行為進行調(diào)查,利用Logistic回歸分析方法,找出影響大學生選擇網(wǎng)約車出行的主要因素。Weng等[5]構建了網(wǎng)約車平臺演化博弈模型,認為網(wǎng)約車目前要加強信用約束或建立適當強度的協(xié)調(diào)監(jiān)管模式。Pratiwi等[6]通過采用偏最小二乘法對網(wǎng)約車用戶水平度和滿意度進行分析。Soares等[7]建立UTAUT2模型,以Uber為基礎,來分析網(wǎng)約車的接受程度。Haddad等[8]通過結(jié)合巴西圣保羅網(wǎng)約車服務商的數(shù)據(jù)、個人層面的數(shù)據(jù)以及結(jié)構性交通網(wǎng)絡模擬評估網(wǎng)約車對出行時間和出行目的的影響。

雖然對于網(wǎng)約車出行行為研究較多,但針對網(wǎng)約車不同用戶群體的出行行為研究卻鮮有涉及,為此,從網(wǎng)約車長期用戶和臨時用戶的視角,探索其使用頻率的不同影響因素。

1 問卷設計

問卷主要包含兩部分內(nèi)容:個人社會經(jīng)濟屬性、出行屬性。其中,個人社會經(jīng)濟屬性主要包括性別、年齡、職業(yè)、月收入、私家車擁有情況、網(wǎng)約車使用頻率、繼續(xù)使用意愿、是否擁有會員;出行屬性包括出行目的、出行距離、出行時刻。

為了更好地進行問卷調(diào)查,同時考慮當下疫情原因,問卷調(diào)查在網(wǎng)絡上進行,在QQ、微信及其他互聯(lián)網(wǎng)平臺上發(fā)布調(diào)查問卷。問卷的發(fā)放地選擇了網(wǎng)約車出行較多的南京與無錫兩個城市。共發(fā)放了175份問卷,其中得到的有效問卷數(shù)為163份,有效率為93.14%。樣本的分布分別為南京44%,無錫48%,其他城市8%。

2 調(diào)查結(jié)果

統(tǒng)計結(jié)果如表1所示:整體來看,調(diào)查樣本中男女比例接近1.2∶1,可以看出男性用戶更傾向于使用網(wǎng)約車服務。從年齡分布來看,網(wǎng)約車服務的用戶年齡段主要為21～30歲,比例為50.21%,主要因為這部分群體更容易接受新鮮事物;與此同時,老年人很少采用網(wǎng)約車出行,可能是由于其對網(wǎng)絡支付和APP使用相對較為陌生。從職業(yè)上看,學生和企業(yè)職員較多使用網(wǎng)約車服務。此外,當受訪者月收入在10 000以上時,很少采用網(wǎng)約車出行。從長短期用戶來看,在本次問卷中擁有網(wǎng)約車會員的群體中,63%的用戶對于網(wǎng)約車的需求是長期的,而37%的用戶對于網(wǎng)約車的需求是臨時的。由此可以看出,大部分網(wǎng)約車長期用戶會選擇成為網(wǎng)約車的會員,可以得到更多的網(wǎng)約車出行優(yōu)惠補貼。

表1 調(diào)查樣本數(shù)據(jù)統(tǒng)計

對于網(wǎng)約車長期用戶來說,有63%的網(wǎng)約車長期用戶沒有私家車,有33%的長期用戶會選擇網(wǎng)約車作為他們的出行方式,而只有9%的長期用戶會將私家車作為他們主要出行方式,如圖1所示。大部分長期用戶因為沒有私家車,這也使他們在出行時更傾向于使用網(wǎng)約車。而對于網(wǎng)約車臨時用戶來說,選擇網(wǎng)約車作為主要出行方式的人有21%,但是有25%的用戶會選擇私家車出行,這是因為他們大部分都擁有私家車,由于私家車的便捷性,他們更傾向于使用私家車出行。

3 模型結(jié)果與討論

3.1 方法

離散選擇模型也被稱為非集計模型,非集計模型是基于效用最大和隨機效用兩個概念建立起來的[9],隨機效用U可分為可觀測的固定項和不可觀測的隨機項兩大部分。

Uin=Vin+εin

(1)

式中:Vin為可觀測的固定效用,εin為不可觀測的隨機項,通常將其看作隨機誤差項。

其中固定項Vin通?？梢杂镁€性表示

Vin=∑βkXink

(2)

式中:Xink是影響出行者n選擇出行方式i固定效用的第k個變量,βk是用最大似然法估計的參數(shù)。

針對乘客使用網(wǎng)約車頻次影響因素,由于研究的因變量為多項變量,且變量之間有等級或程度的變化,采用有序Logit模型探索因素之間的復雜關系較為合適[10]。假設出行頻率分為J個等級梯度,則其模型為

P(Yi>j)=Pij

(3)

Yi=Xiβ+ε

(4)

式中:wherej=1,2,…,J-1,Yi為第i位乘客使用網(wǎng)約車出行的頻率;Xi為第i位乘客所有調(diào)查的主觀指標和客觀指標的得分;β為對應Xi對應的擬合系數(shù);ε為擬合殘差;Pij為第i位乘客使用網(wǎng)約車出行概率,αj為第j級出行頻次對應的常量系數(shù)。

3.2 結(jié)果與討論

將用戶使用網(wǎng)約車出行頻次作為因變量,以此來區(qū)分長期用戶和臨時用戶,將使用頻率為從沒使用過、很少使用、每月使用1～2次的網(wǎng)約車使用頻率作為臨時用戶;將使用頻率為每周使用1～2次、每周使用3～4次、幾乎每天使用作為長期用戶。

自變量則選取網(wǎng)約車用戶出行選擇行為影響因素,包括個人社會經(jīng)濟屬性中的性別、年齡、職業(yè)、月收入、是否擁有私家車以及是否擁有網(wǎng)約車會員,出行相關屬性中的出行距離、出行時刻以及出行目的,其中所涉及到的個人社會經(jīng)濟屬性和出行相關屬性等屬性變量的變量定義如表2所示。

表2 模型屬性變量及變量定義

從表3的結(jié)果可以看出,出行時刻、是否擁有會員、月收入、有無私家車、性別、職業(yè)是具有顯著性影響的變量。對各個自變量對因變量的影響進行分析,具體如下。

表3 參數(shù)估算值

(1)對于使用網(wǎng)約車的出行時刻,通過計算回歸系數(shù),可以得到exp(2.002)=7.40,exp(1.293)=3.64,exp(1.881)=6.56,exp(1.044)=2.84,exp(1.436)=4.20。以使用網(wǎng)約車出行時刻在節(jié)假日為參考類別,因為估計值為正,所以在工作日早高峰與晚高峰使用網(wǎng)約車出行的群體,比在節(jié)假日使用網(wǎng)約車出行的群體使用網(wǎng)約車頻次更加頻繁,可能性高了大約7倍,由此可以看出,許多出行者上班通勤會選擇網(wǎng)約車出行,所以他們更有可能是網(wǎng)約車的長期用戶,而在節(jié)假日采用網(wǎng)約車出行的,更有可能是僅在休閑時使用網(wǎng)約車出行,此類人群使用網(wǎng)約車的頻次相對來說會少,更有可能是臨時用戶。

(2)對于是否擁有網(wǎng)約車會員,經(jīng)過計算回歸系數(shù),可以得出exp(0.86)=2.36。以沒有網(wǎng)約車會員為參考類別。因為估計值為正,所以有網(wǎng)約車會員的用戶群體比沒有網(wǎng)約車會員的用戶群體使用網(wǎng)約車的頻率更加頻繁的可能性高2.36倍,由此可以得出,有會員的出行者使用網(wǎng)約車的頻率更高。當他們擁有會員后,出行時往往會使用網(wǎng)約車,因此更有可能是網(wǎng)約車的長期用戶。

(3)對于月收入小于3 000有顯著影響,顯著性小于0.05,而月收入在3 000～6 000和6 000～10 000顯著性大于0.05,對于因變量沒有顯著影響,不進行進一步分析。對回歸系數(shù)進行計算,可得exp(0.997)=2.71。以月收入大于10 000為參考類別,因為估計值為負,所以月收入小于3 000的群體使用網(wǎng)約車的頻率比月收入大于10 000的更少,可能性達到2.71倍,可以看出月收入高的群體比月收入低的群體可能使用網(wǎng)約車的頻次更多,月收入高的群體更有可能是長期用戶,月收入低的群體更有可能是臨時用戶。

(4)對于有無私家車來說,對回歸系數(shù)經(jīng)過計算可得,exp(0.902)=2.46。以沒有私家車為參考類別,因為估計值為負,所以有私家車的群體使用網(wǎng)約車的頻率比沒有私家車的少的可能性達2.46倍,可以看出有私家車的用戶更偏向于使用私家車出行,而沒有私家車的用戶更可能會使用網(wǎng)約車出行,使用的頻率較高,更可能是長期用戶。

(5)對于性別來說,回歸系數(shù)經(jīng)過計算可得,exp(0.827)=2.28。以女性為參考類別,因為估計值為負,所以男性使用網(wǎng)約車的頻次比女性使用網(wǎng)約車的頻次少的可能性達2.28倍,可以看出女性對于網(wǎng)約車的使用頻次可能比男性更高,她們更有可能是長期用戶。

(6)對于職業(yè)來說,學生、企業(yè)職員和退休人員這些變量對因變量使用網(wǎng)約車頻次有顯著影響,顯著性小于0.05,而其余職業(yè)的變量因顯著性都大于0.05,對因變量影響不顯著,不再分析?；貧w系數(shù)計算可得,exp(1.341)=3.82,exp(0.707)=2.02,exp(2.657)=13.02,以其他為參考類別,因為學生與企業(yè)職員這兩個變量估計值為正,所以學生與企業(yè)職員使用網(wǎng)約車的頻次比職業(yè)為其他頻繁的可能性達到3.82和2.02倍,而退休人員變量估計值為負,所以其使用網(wǎng)約車的頻次比職業(yè)為其他少的可能性達13.02倍。從中可以看出,學生和企業(yè)雇員使用網(wǎng)約車的頻次更多,學生考慮到網(wǎng)約車的方便快捷,更加青睞于網(wǎng)約車出行。而對于企業(yè)職員來說,上下班為出行高峰期,而網(wǎng)約車在手機上即可預約并且速度較快,所以他們會將網(wǎng)約車作為重要的通勤工具,這兩類群體使用網(wǎng)約車較為頻繁,可能是網(wǎng)約車的長期用戶。而退休人員一般年齡較大,他們對于網(wǎng)約車的接受程度較小,并且因為對于智能手機使用不夠熟練,在出行時很少選擇網(wǎng)約車,使用網(wǎng)約車頻次較少,更可能會是網(wǎng)約車的臨時用戶。

4 結(jié) 論

在當今互聯(lián)網(wǎng)經(jīng)濟的大環(huán)境下,網(wǎng)約車作為新興交通方式備受關注,在此背景下,從網(wǎng)約車長期用戶與臨時用戶出發(fā),收集兩個群體的出行調(diào)查數(shù)據(jù),通過有序logit分析,找出影響網(wǎng)約車長期用戶和臨時用戶出行選擇行為的關鍵因素及出行選擇行為差異。主要研究結(jié)論如下:對于使用網(wǎng)約車出行頻次來說,有無私家車、出行時刻、性別、職業(yè)、月收入和是否擁有網(wǎng)約車會員都對其有顯著影響。有私家車比沒有私家車使用網(wǎng)約車更加頻繁,在上下班高峰期出行的群體比在節(jié)假日使用網(wǎng)約車出行的群體使用網(wǎng)約車更多,擁有網(wǎng)約車會員的群體因為有網(wǎng)約車會員的優(yōu)惠比沒有網(wǎng)約車會員的群體使用次數(shù)更多。