高铁竞争下高速公路客运选择行为与发展策略

李晓伟，王炜

(1. 西安建筑科技大学 土木工程学院，陕西 西安 710055；2. 东南大学 交通学院，江苏 南京 210096)

随着铁路不断提速，特别是我国铁路第6次大提速后，我国铁路发展进入到高速铁路时代，高速铁路客运的不断兴起和发展，必将带来整个客运市场格局的深刻变革，公路和铁路2种运输方式之间竞争态势也相应会发生根本性变化。据预测统计，全国铁路大提速后，有较大比例的高速公路客运旅客改乘铁路列车，部分公路客运站已出现关停状态，高速公路客运面对着极大的挑战[1]。在此背景下，深入把握高速铁路竞争下旅客高速公路客运出行选择行为，以此为依据改善高速公路客运服务质量，制定科学合理的运营管理策略，实现高铁与高速公路客运的协同发展，是当前亟需解决的关键问题。国内外针对旅客出行选择行为的研究已有较多的成果。Aoife等[2]对旅客选择城际铁路和公共班车的出行行为进行了研究，结果表明：旅客对费用和时间的偏好程度较高。Chang等[3]在预测韩国高速铁路开通后各交通方式分担率的变化时，以高速铁路的设计车速、出行距离等因素为依据，估算高铁运营后各方式的分担率。Enjian等[4]选择服务频率、费用、在途时间、出行距离等服务属性对客运通道内铁路、公交等交通方式的客流分担率进行分析。何宇强等[5]选择快速性、经济性、舒适性、方便性和安全性为5个衡量指标建立其广义费用函数，研究了高速铁路的运营对综合运输通道内其他交通方式的影响。沙峻林[6]以长吉客运通道为例，分析高速铁路和高速公路各自承担的市场份额，运用改进的模型和求解方法计算高速公路和高速铁路的客流分担率。罗云辉[7]以武广高铁和厦深铁路为例，分析了高铁对沿途中小城市公路客运的影响。通过对现有文献进行深入的总结分析，可知现有研究主要将旅客自身属性与运输方式属性作为影响因素，通过统计分析构建出行选择行为模型，鲜有研究考虑购票和接驳服务对高铁和高速巴士竞争的影响，对高铁竞争下旅客高速巴士的选择行为机理进行较为全面的分析，进而难以提出具有针对性的运营管理策略。本研究在现有研究成果的基础上，充分考虑旅客购票特征、交通枢纽的集散特征及运输方式的服务水平，从购票、到站、中转换乘、出行、离站全过程的视角全面地研究高铁竞争下旅客高速巴士选择行为，并以此为依据提出高铁竞争下高速巴士的运营策略。研究成果可为交通管理部门与公路客运企业改善公路客运服务质量、制定公路客运发展策略提供依据参考。

1　方案设计与数据获取

1.1　旅客调查方案设计

本研究将离散选择行为实验用于旅客高铁与高速巴士的模式选择行为研究，通过前人研究成果总结及旅客出行决策过程分析[8−16]，本文充分考虑旅客购票方式和运输方式的接驳特征，从购票、到站、中转换乘、出行和离站全过程的视角确定旅客出行选择的多维影响因素，不仅考虑旅客个体特征和出行需求特征，还考虑旅客购票方式、到离站方式的费用时间、中转换乘时间(含等待时间)及运输方式舒适性、安全性、准时性等感知性变量，能够较为全面地体现旅客实际出行的决策过程。在此基础上，本文设计了涵盖旅客上述活动特征的调查问卷，并确定了各变量类型和属性值的取值方法，如表1所示。

2.2　调查数据基本统计

采用旅客行为调查(Revealed Preference，RP)法，在京沪通道沿线车站对旅客乘车选择行为进行问卷调查，共计发放问卷900份，回收有效问卷816份，能够满足统计分析的需要[12]。统计分析数据显示：调查样本中男、女所占比例分别为 51.53%和48.48%，出行旅客以[20,50]岁中青年为主，旅客月收入在(3 000,6 000]元居多，主要以商务和旅游为主要出行目的，网络购票和售票点购票为主要购票方式，统计分析表明样本整体数据分布较为合理，具有很强的信效度和代表性。旅客出行模式选择与类别变量的交叉表如表2所示。

表1　实验设计变量和属性值Table 1　Designed variables and theirs values in the experiment

表2　旅客出行模式选择与类别变量的交叉表Table 2　Cross table between travel mode choice and category variables

2　模型构建与参数估计

3.1　模型构建

根据随机效用最大化理论，旅客n选择i类交通方式的概率可表示为：

式中：Uin为旅客n选择i类交通方式的效用函数，其表达式为：

式中：Vin为可观测到的特性变量计算的固定项；εin为不能观测到的其他因素的影响及已有变量的偏差引起的随机项。MNL模型是在假设式(2)中εin和Vin相互独立，且 εin服从 Gumbel 分布的前提下推导出来的，旅客 n 选择 i 类交通方式概率的表达式为：

式中：Pin为旅客 n选择 i类交通方式的概率；Cn为旅客n的可选择交通方式集合。为便于计算，一般假设Vin与特性向量Xin呈线性关系，即：

式中：βk为待定系数；β0为常量；xink为旅客n的选择i 类交通方式的第k个变量值。

本文中所涉及的交通模式i只有高速巴士(i=1)和高铁(i=0)，因此将高铁作为参考方式，应用 BL模型(Binary Logit)对其建模分析，则高速巴士和高铁的选择概率可分别表示为[17−20]：

式中：P1为高速巴士选择概率；P0为高铁选择概率；V1为高铁竞争下旅客选择高速巴士出行的效用函数。

3.2　 参数估计

运用SPSS软件进行参数标定，将出行方式作为因变量，各影响因素作为自变量，其中运行时间、出行距离、票价、到离站时间、到离站费用、年龄、安全行、舒适性、准时性等为连续性变量和有序分类变量，其他变量如职业、出行目的、购票方式等为无序分类变量，本研究中所有无序分类变量均以最后一个类别作为参照对象，其他类型分别与其进行对比，将无序分类变量转化为哑元变量进行分析。

以高铁作为参考方式，采用向前递进法进行参数估计，确定旅客高速巴士选择行为模型的参数估计结果，该参数估计结果仅保留显著相关变量，如表3所示。其中，模型参数估计结果包括回归系数β、统计量 Wald、显著性水平Sig.和发生比 Exp(β)等，正的回归系数值表示变量每增加一个单位值时发生比会相应增加，相反，当回归系数为负值时说明增加一个单位值时发生比会相应减少；Sig.为变量的显著性水平，如果Sig.<0.05，说明该变量对旅客选择高速巴士出行有较大影响；Wald为统计量，表示在模型中每个解释变量的相对权重，用来评价每个解释变量对事件预测的贡献力；Exp(β)表示子变量增长一单位所引起高速巴士选择概率与高铁选择概率的比值的变化[17−18]，以下均简称发生比。

利用 Homsmer-Lemeshow 进行模型拟合优度检验，应用McFadden值判断模型拟合度，模型拟合McFadden值越靠近1，表明模型与实际情况吻合度越高。在实际判定过程中，当 McFadden在0.2～0.4时，即可表明模型与实际情况吻合度较高，本文模型的McFadden值为0.536，表明所建模型客观真实[20]。

3　多维因素的影响与改进策略

3.1　多维因素的影响

根据参数估计结果可知，运行时间、出行费用、出行距离、安全性、舒适性、准时性、到站时间、网络购票、拥有私家车是高铁竞争下影响旅客选择高速巴士出行的显著性因素，下文就上述因素的影响进行具体分析。

1) 运输方式自身属性特征的影响

上述影响因素中，运行时间、出行费用、安全性、舒适性、准时性为运输方式自身服务属性特征，对高铁竞争下旅客是否选择高速巴士出行有较为显著的影响。

运行时间主要由运输方式的运营速度决定，根据参数估计结果，运行时间的变量系数 β=0.416，这表明旅客出行花费时间越长，旅客选择高速巴士的可能性越大，运行时间每增加 1 h，发生比将增加51.6%。其次，出行费用对高铁竞争下高速巴士的选择也有较为显著的影响，出行费用的变量系数β=−0.016，这表明旅客出行花费越低，旅客越有可能选择高速巴士出行，出行费用每减少1元，发生比将增加1.6%。

另外，安全性、舒适性、准时性也是影响旅客是否选择高速巴士出行的重要属性，根据调查统计，高速巴士的安全性、舒适性、准时性均值均明显低于高铁，且安全性、舒适性、准时性的变量系数分别为−0.576，−0.806和−0.798，这说明旅客对安全性、舒适性、准时性的要求越高，选择高速巴士出行的可能性越小，旅客对安全性、舒适性、准时性的要求每增加一个单位，发生比将分别减小43.8%−55.3%和65%。

2) 运输方式可达性与购票服务的影响

根据参数估计结果，到站时间和网络购票对于高铁竞争下高速巴士出行选择具有较为明显的影响。根据调查统计，旅客高铁的平均到站时间为1.97，高速巴士的平均到站时间为 1.70，旅客高速巴士的到站时间均值低于高铁，这可能与交通枢纽的布局有关，一般来说，公路客运站距离市中心较近，而高铁站往往距离市中心较远，因此高速巴士的到站时间往往低于高铁。到站时间的变量系数β=−0.293，这表明到站时间越短，旅客选择高速巴士的可能性越大，到站时间每减小30 min，发生比将增加25.4%。

另外，网络购票对于高铁竞争下高速巴士出行选择具有较为明显的影响。由表2可知，调查样本中85.50%的高铁旅客采用网络购票，仅有58.60%的高速巴士旅客采用网络购票，尚有40.8%的旅客采用售票点购票，在一定程度上降低了旅客的出行效率；网络购票的变量系数 β=−2.15，这说明通过网络购票的旅客更有可能选择高铁出行，这可能与高铁和高速公路客运信息化服务程度有关，高铁售票渠道不仅可以通过电脑，还可通过手机客户端实现，极大地方便了旅客购票，而高速公路客运购票服务渠道则与之有较大差距。

3) 出行距离和拥有私家车的影响

出行距离在一定程度上反映了旅客的出行需求，主要有旅客出行目的地的远近决定。根据调查统计，旅客高铁的平均运距为669 km，高速巴士的平均运距为299 km，高速巴士的平均运距远低于高铁，出行距离的变量系数β=−0.002，这表明出行距离越短，旅客选择高速巴士的可能性越大，出行距离每降低1 km，发生比将增加0.2%。

拥有私家车对于高铁竞争下高速巴士出行选择具有较为明显的影响。根据调查统计，高速巴士出行中拥有私家车旅客占比仅为26.1%，远低于高铁出行中拥有私家车旅客的比例47.8%；拥有私家车的变量系数β=−0.692，这说明拥有私家车的旅客更选择高速巴士出行的概率较低，在一定程度上说明高速巴士对于中低收入群体有较强的吸引力。

3.2　改进策略分析

根据上述影响因素分析，结合高速公路客运的服务范围和运营特征，本文面向高铁影响针对性地提出高速公路客运运营可行性的改进策略。

1) 调整线路布局，合理安排发班班次。高速公路客运受运行速度和服务质量的影响，要适当放弃通道内与高铁直接竞争中处于劣势的客运班线，应将运力资源调配至高铁尚未覆盖的区域，减少与高铁在点到点上的直接竞争；同时，突出公路客运机动灵活和“面到面”覆盖的网络优势，根据高铁的运营计划，动态调整发班班次和时刻，开展高铁站乘客的二次转运服务，加强对高铁的“盲点”区域进行网络覆盖和延伸。

2) 适当调整票价，提高高速公路客运竞争力。高速公路客运企业需要合理调整票价及运价结构，采用浮动票价体系，针对学生等低收入群体采取浮动票价政策，通过推行月季票、年票等优惠票卡，以提高自身吸引力。

3) 加快构建新型的网络和移动平台售票系统，采用联网售票、自助终端售票等先进的网络订票平台，方便乘客在互联网、手机等设备上采用网银、支付宝、微信等支付方式购票。

4) 加强规划管理，进一步提升公路客运安全性、舒适性与准点率，推动城市侧公路客运站与地铁等快速交通方式接驳，提升公路客运的可达性。

4　结论

1) 从购票、到站、中转换乘、出行、离站全过程视角系统科学地设计了旅客高铁和高速巴士的出行选择行为实验，获取旅客出行活动数据，构建了BL选择行为选择模型，分析比较了高铁和高速巴士的服务水平，研究表明：运行时间、出行费用、出行距离、安全性、舒适性、准时性、到站时间、网络购票、拥有私家车是高铁竞争下影响旅客选择高速巴士出行的显著性因素，揭示了高铁影响下高速巴士竞争机理。

2) 依据高速巴士与高铁服务性能及竞争因素的分析，在高铁竞争影响下，高速公路客运企业应通过优化客运班线、合理安排发班班次，针对低收入群体制定差异化票价，加快构建新型的网络和移动平台售票系统，改善购票和进站服务通道，推动城市侧地铁与客运站的快速接驳等多种策略，综合提升高速公路客运竞争力。

参考文献：

[1] 唐科. 高速铁路快速背景下的高速公路客运应对策略研究[D]. 成都: 西南交通大学, 2008.TANG Ke. The investigation of highway passenger transport and counter measure research and it’s improvement[D].Chengdu:SouthwestJiaotong University, 2008.

[2] Aoife A A, Nigel T. The use of stated preference techniques to model modal choices on interurban trips in ireland[J]. Transportation Research Part A: Policy and Practice, 2008, 42(1): 15−27.

[3] Chang I C G. A network-based model for estimating the market share of a new high speed rail system[J].Transportation Planning & Technology, 2004, 27(2): 67−90.

[4] Enjian Y, Takayuki M. A study of on integrated intercity travel demand model[J]. Transportation Research Part A:Policy and Practice, 2005, 39(4): 367−381.

[5] 何宇强, 毛保华, 陈团生, 等. 高速铁路客流分担率模型及其应用研究[J]. 铁道学报, 2006, 28(3): 18−20.HE Yuqiang, MAO Baohua, CHEN Tuansheng, et al.Sharing rate model of passenger flow and its application for high speed railway[J]. Journal of Railway, 2006, 28(3):18−20.

[6] 沙峻林. 高速铁路影响下的公路客运方式分担率及发展策略研究[D]. 长春: 吉林大学, 2012.SHA Junlin. Research on the share rate of highway passenger traffic and development strategy influenced by the high speed railway[D]. Changchun: Jilin University,2012.

[7] 罗云辉. 高铁对中小城市公路客运的影响及其对策研究[D]. 广州: 华南理工大学, 2015.LUO Yunhui. Study on the effect of high speed railway to road passenger transportation in small and medium-sized cities and the development strategy[D]. Guangzhou:South China University of Technology, 2015.

[8] 张迦南, 赵鹏. 综合运输通道旅客出行方式选择行为研究[J]. 中国铁道科学, 2012, 33(3): 123−130.ZHANG Jianan, ZHAO Peng. Research on passenger choice behavior of trip mode in comprehensive transportation corridor[J]. China Railway Science, 2012,33(3): 123−130.

[9] Dobruszkes F, Dehon C, Givoni M. Does european high-speed rail affect the current level of air services? An EU-wide analysis[J]. Transportation Research Part A:Policy and Practice, 2014, 69: 461−475.

[10] Nesset E, Hhlgesen Ø. Effects of switching costs on customer attitude loyalty to an airport in a multi-airport region[J]. Transportation Research Part A: Policy and Practice, 2014, 67: 240−253.

[11] Pellegrini P, Rodriguez J. Single european sky and single european railway area: A system level analysis of air and rail transportation[J]. Transportation Research Part A:Policy and Practice, 2013, 57: 64−86.

[12] Exel N J A V, Rietveld P. Could you also have made this trip by another mode? An investigation of perceived travel possibilities of car and train travellers on the main travel corridors to the city of amsterdam, the Netherlands[J]. Transportation Research Part A: Policy and Practice,2009, 43(4), 374−385.

[13] 王爽, 赵鹏. 基于Logit模型的高速铁路旅客选择行为分析[J]. 铁道学报, 2009, 31(3): 6−10.WANG Shuang, ZHAO Peng. Analysis of passengers’choice behavior for dedicated passenger railway lines based on Logit model[J]. Journal of the China Railway Society, 2009, 31(3): 6−10.

[14] 王孝之, 赵胜川, 闫祯祯. 基于Rank Logit模型对城际交通分担率的计算方法研究[J]. 交通运输系统工程与信息, 2012, 12(2): 137−143.WANG Xiaozhi, ZHAO Shengchuan, YAN Zhenzhen.Intercity transport mode spilt calculation method based on Rank Logit model[J]. Journal of Transportation Systems Engineering and Information Technology, 2012,12(2): 137−143

[15] 朱顺应, 邓爽, 王红, 等. 具有模糊特性变量的出行方式预测 Logit模型[J].交通运输工程学报, 2013, 13(3):71−78.ZHU Shunying, DENG Shuang, WANG Hong, et al.Predictive Logit model of trip mode with fuzzy attribute variables[J]. Journal of Traffic and Transportation Engineering, 2013, 13(3): 71−78.

[16] 张旭, 栾维新, 赵冰茹. 基于非集计模型的武广线高铁与民航竞争研究[J]. 交通运输系统工程与信息, 2012,12(6): 17−22.ZHANG Xu, LUAN Weixin, ZHAO Bingru. Competition between Wuhan-Guangzhou high-speed railway and civil aviation based on disaggregate model[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(6): 17−22.

[17] Simon P, Washington M G, Karlaftis, et al. Statistical and econometric methods for transportation data analysis[M].2nd ed. CRC Press, 2010.

[18] 李晓伟, 王炜, 杨敏, 等. 交通枢纽可达性对多模式综合交通客运方式竞争的影响[J]. 公路交通科技, 2016,33(12): 106−112.LI Xiaowei, WANG Wei, YANG Min, et al. Impact of transport hub accessibility on competition of multimodal passenger transport[J]. Journal of Highway and Transportation Research and Development, 2016, 33(12):106−112.

[19] 关宏志. 非集计模型—交通行为分析的工具[M]. 北京:人民交通出版社, 2004.GUAN Hongzhi. Disaggregate model-A tool of traffic behavior analysis[M]. Beijing: China Communications Press, 2004.

[20] 杜强, 贾丽艳. SPSS统计分析[M]. 北京: 人民邮电出版社, 2011.DU Qiang, JIA Liyan. SPSS statistical analysis[M].Beijing: People’s Posts and Telecommunications Press,2011.