考虑潜变量的高铁民航旅客出行行为仿真

韩 震,朱园坤,徐 萌

(大连海事大学 航运经济与管理学院,辽宁 大连 116026)

近年来,高速铁路快速发展,联动城市不断增加。不仅为旅客出行带来了新的选择,也对民航市场产生了巨大冲击,致使高铁与民航市场的分界点越来越模糊[1],如何界定其竞合区间,一直是研究的热点。旅客出行行为的分析,直接影响了运输通道内出行方式的分担率,是提供科学交通资源供给的基础。一些学者采用传统的离散选择模型对高铁和民航的分担率进行了研究,所得结论也各不相同[2-4],这些研究大多从旅客可直接观测的变量建模,忽视了出行者价值观、态度这类不可直接观测变量的影响。学者们逐渐意识到心理变量对出行者决策有不可忽视的影响[5]。Ben-Akiva等[6]将潜变量引入离散选择模型实现了在选择模型中对于出行者心理因素的考量,该模型也被命名为混合选择模型。Sarkar等[7]在研究印度出行选择行为时将潜变量纳入离散选择模型,表明含潜变量的离散选择模型具有更好的拟合效果。多数研究中所采用的潜变量过于主观化,缺乏理论支撑。

虽然含潜变量的离散选择模型预测精度得到了提高,但是离散选择模型是以数学解析方法进行求解,参数估计过程较为复杂。随着研究变量不断增加,所建模型必然很复杂,而且变量增加也需要更大样本[8]。实际采集数据耗费大量人力物力,常导致建模无法完成。而仿真没有过多的限制,Janzen等[9]也验证了仿真在出行活动上的有效性。相比离散选择模型需要大量调研数据,仿真既可以使用调研数据也可以使用已有的统计结果[10]。

现有研究对旅客群体的划分主要包含如下几个方面:

(1)从费用来源角度划分,可以分为公费和自费旅客。这类研究的特征是公费旅客基本不在意价格而更注重出行方式的速度和舒适性等[11]。

(2)从出行目的角度划分,可以分为公务、商务、探亲等[12-13]。这类研究中公务和商务出行的旅客多数为公费出行,对价格的关注度较低,更多是关注抵达时间可靠性。

(3)从社会经济属性角度划分,这类研究主要突出旅客社会背景的差异,主要体现在旅客对出行方式舒适性、经济性、便利程度等在意程度的不同[14],焦点也是时间和价格两个要素。

无论是哪种情形,实际情况都比较复杂,本文希望通过影响旅客出行的因素对旅客群体进行聚类分析。除了旅客的社会经济属性,影响旅客出行方式选择的还有出行费用来源、出行距离、票价、运行时间、到站时间以及准确性等[12,15-16]。其中,费用来源、出行距离和票价反映了旅客对价格的敏感程度,出行距离、运行时间、到站时间和准确性反映了旅客对时间价值的敏感程度。因此,本文构建了两个潜变量来描述旅客对于时间和价格的不同在意程度。前者可描述为“时间敏感性”,后者可描述为“价格敏感性”,进而可以通过这两个维度的判断对用户进行分类。以往研究所采用的潜变量过于主观化,缺乏理论支撑,但是对于出行行为这种个体行为预测,计划行为理论具有很好的解释能力[17]。因此,本文基于计划行为理论(The Theory of Planned Behavior,TPB)框架,构建了含潜变量的仿真模型。

1 研究假设

1.1 基于TPB的相关变量界定

TPB最早由Ajzen提出[18],在预测个体行为领域得到广泛应用[19]。近年来,更多的TPB 应用研究,如低碳环保[20]、慈善行为[21]、垃圾分类[22]等,开始重视基于价值观的信念在模型构建中的作用,强调人的行为受到行为意向的直接影响,而行为意向受到态度、主观规范和感知行为控制3个变量共同影响,其中态度又受到行为信念的直接影响[23]。出行方式选择行为是其中一类受价值观影响较为明显的个体决策行为。在考虑旅客基于特定出行需求进行出行方式(高铁或民航)选择时,影响行为信念的价值观主要来自旅客对时间和价格的价值判断。

在高铁和民航的非竞争区间(出行距离低于650 km 或高于950 km[24]),两者的替代效应较弱,受距离变量的影响较大;在竞争区间(出行距离在650～950 km[24]),出行距离影响较弱,时间和价格成为主要影响要素。为此,本文提出时间敏感性和价格敏感性两个潜变量。时间敏感性是指旅客对出行时各种时间成本的在意程度,价格敏感性是指旅客对出行时各种经济成本的在意程度。旅客的时间敏感性不仅由个体出行需求属性决定,还受到不同出行方式特征的影响;旅客价格敏感性不仅源自个体自身社会属性,还受到民航、高铁价格策略的影响。

另外,依据TPB模型的态度变量提出出行态度潜变量:旅客在综合考虑时间和价格要素影响的前提下,对备选出行方式满足特定出行需求的总体满意程度,包括对出行目的、出行方式舒适性和安全性3个方面的认知程度。将TPB 中的主观规范定义为旅客在选择某一类出行方式时感受到的社会压力,感知行为控制定义为旅客在选择某一类出行方式时对于该出行方式难易程度的考量,行为意向定义为旅客对于选择某一类出行方式时的采行意愿。

1.2 关于出行态度的假设

基于TPB模型,出行态度首先会受到既定的行为信念(时间敏感性和价格敏感性)的影响。时间敏感性较高的旅客通常更加注重时间价值,会选择节约时间的出行方式[25],并设置精密的时间安排和行程计划,其出行态度更多地受到出行用时的影响,对出行目的、舒适性和安全性的认知更加明确,从而使其对备选出行方式总体呈现满意状态。价格敏感性较高的旅客则更加注重经济成本,会选择节约成本的出行方式[26],其出行态度更多地受到总体出行费用(包括票价、转乘成本等)的影响,对出行目的、舒适性和安全性的认知较为模糊,从而使其对备选出行方式总体呈现不满意状态。

Wu等[27]研究发现,主观规范对态度有正向显著影响。Ajzen[18]在行为理论中未提到感知行为控制对态度的影响。Jiang等[28]发现,感知行为控制对态度有正向显著影响。因此,提出如下假设:

H1a旅客的时间敏感性对备选出行方式的出行态度有正向显著影响。

H1b旅客的价格敏感性对备选出行方式的出行态度有负向显著影响。

H2a旅客的感知行为控制对备选出行方式的出行态度有正向显著影响。

H2b旅客的主观规范对备选出行方式的出行态度有正向显著影响。

1.3 关于出行意向的假设

Giampietri等[29]发现,TPB模型中的感知行为控制、态度和主观规范对出行意愿有显著影响。Lo等[30]描述了短距离和长距离通勤情况下出行方式的选择,在长距离情况下,态度、主观规范都对行为意向有正向显著影响。和占琼等[31]的研究表明,感知行为控制对行为选择有直接的正向影响。问锦尚等[22]基于TPB构建的城市居民垃圾分类行为模型,证明了主观规范、感知行为控制和态度对个体选择有显著的正向影响。态度是TPB中最核心的变量,很多学者都证实了态度正向影响行为意向[32]。因此,提出如下假设:

H3a旅客的主观规范对备选出行方式的行为意向有正向显著影响。

H3b旅客的感知行为控制对备选出行方式的行为意向有正向显著影响。

H3c旅客的出行态度对备选出行方式的行为意向有正向显著影响。

2 MIMIC模型及结果

2.1 数据来源

选取的调查城市为辽宁省大连市。调研时间分为国庆前和国庆期间两个阶段。调研地点为大连北站高铁站和周水子机场,采用调查问卷形式,共发放调查问卷980份,剔除有明显矛盾和填写不完全的46 份问卷,得到有效问卷934 份,占总数的95.31%。其中:以高铁方式出行的问卷512份,占有效问卷的54.82%;以民航方式出行的问卷422份,占有效问卷的45.18%。

相关变量定义:

Sage——年龄

Ssex——性别

Sincome——月收入

Sedu——受教育程度

Zdistance——被调查者本次出行距离

Zadvance——被调查者提前购票天数

Ztask——被调查者任务紧迫性

Zdate——被调查者有无明确抵达时间

ηTime——被调查者对出行方式的时间敏感性

ηCost——被调查者对出行方式的价格敏感性

ηAttitude——被调查者对出行方式的出行态度

ηSN——被调查者对出行方式的主观规范

ηPBC——被调查者对出行方式的感知行为控制

ηIntension——被调查者对出行方式的行为意向

表1为潜变量的信度和效度检验,信度系数通过Cronbach’sα系数表示,收敛效度通过平均方差提取值(Average Variance Extracted,AVE)表示,通常认为AVE 值大于0.50表示构造的潜变量有较好的效度[33-34]。高铁和民航出行方式的检验结果见表1,Nunnally等[35]认为Cronbach’sα系数大于0.7表示题项具有较高可信度。可以发现,指标都达到要求,说明本文的量表具有良好的效度。

表1 信效度指标

2.2 MIMIC模型及拟合结果

多指标多因果模型(Multiple Indicators and Multiple Causes,MIMIC)是结构方程的一种特殊形式。定义反映潜变量关系的结构方程为

式中:x为k×1维影响潜变量η的可观测指标向量;η为l×1维不可观测的潜变量向量,本文中l=6,k=8,包括年龄、性别、月收入、受教育程度、出行距离、提前购票天数、出行任务紧迫程度和抵达时间明确程度;Γ为l×k维待估计参数矩阵;ξ为测量误差。测量方程为

式中:y为q×1维潜变量η的可观测变量向量;Λ为q×l维待估计参数矩阵;v为误差项。

模型拟合情况如表2所示,当完全适合数据时,χ2=0。df是自由度,其值越接近于0,表示模型与数据越适配,CFI和TLI的值大于0.9,则表示模型拟合较好。通常认为RMSEA＜0.05时,模型拟合较好;SRMR＜0.05即模型拟合较好[36]。对高铁与民航数据分别建立结构方程进行拟合(见表2),可以看出,两个结构方程都有较好的拟合度。

表2 MIMIC模型拟合统计指标

2.3 潜变量关系及相关参数确定

从构建的MIMIC模型中可以得到外生可观测变量和潜变量之间的关系以及潜变量之间的因果关系,由于篇幅有限,这里仅给出后者的结果。

构建的两个MIMIC 模型之间潜变量的关系如图1所示。其中,Time指时间敏感性,Cost指价格敏感性,SN 指主观规范,PBC 指感知行为控制,Attitude指出行态度,Intention指行为意向。

图1 高铁民航选择意向MIMIC模型

图1中,路径旁边的数字表示标准化系数,H指高铁行为意向模型拟合结果,C为民航行为意向拟合结果,括号中为Z值。除1b、3c假设未得到证明外,其余假设都成立。这可以解释为:两个变量在有效竞争区间内均对出行态度(即备选出行方式满足特定出行需求的总体满意程度)产生正向显著影响,甚至影响旅客对具体出行方式在舒适性和安全性方面的感受。但是,针对不同的出行方式,两个变量对旅客影响的作用点存在明显差异,影响的强度也存在一定的差异。分析结果表明,在两个MIMIC 模型中,时间敏感性都在0.01的显著性水平上对出行态度产生影响。即无论是乘坐高铁还是乘坐民航的旅客都很看重时间价值。在两个模型中时间和价格敏感性、主观规范和感知行为控制都对出行态度有显著的正向影响,说明旅客在选择乘坐高铁和民航时都会受到自己对时间和价格的在意程度、社会压力以及感知行为容易程度的影响。

根据文献[26,37]中的研究可知,对于距离效用函数既可以选择模糊决策模型处理,也可以选择高次方程进行拟合,本文结合大连旅客的调研数据进行测算后,拟合效果相对其他方式也更理想,故选择高次函数拟合出高铁、民航的距离效用函数,即

采用主成分分析确定权重的方法进行效用函数系数的标定,标定结果为:

式中,年龄、性别、月收入、受教育程度、提前购票时间、时间敏感性、价格敏感性、主观规范、出行态度、感知行为控制以及行为意向通过正态性检验符合正态分布,任务紧迫程度及抵达时间明确程度符合二项分布,距离服从均匀分布,随机扰动项服从韦伯分布。

3 仿真过程及结果

3.1 带潜变量的仿真模型

基于TPB框架构建的仿真模型如图2所示,使用MATLAB中的Simulink模块进行仿真。

图2 仿真模型示意图

效用函数由4部分组成:①由出行距离拟合的效用函数,用ud表示;②社会经济属性变量由向量s表示,包括性别、年龄、受教育程度和月收入;③出行特征变量由向量z表示,包括任务紧迫程度、抵达时间明确程度和提前购票时间;④由MIMIC 模型拟合出的旅客心理潜变量,由向量η表示,包括时间敏感性、价格敏感性、主观规范、感知行为控制、出行态度和行为意向6个潜变量。αn、bn和cn为变量的系数向量,εn是随机扰动项,确定εn的分布时,如果交通方式间具有IIA(Independence from Irrelevant Alternation)特性即可假定εn服从韦伯分布,结合高铁民航出行选择问题的特点,可以发现,其符合IIA特性[37],故设ε高铁服从均值为0、方差为0.2的韦伯分布,ε民航服从均值为0、方差为0.3的韦伯分布。如下式所示:

式中:n=1表示高铁;n=2表示民航。

效用最大化的函数为

3.2 敏感性分析

为了解大连旅客出行行为特征,设定旅客样本为50 000个,设计仿真程序,单独调整影响旅客经济成本的变量后仿真如图3(a)所示。由图3(a)可见,由高价格敏感性向低价格敏感性转移时,竞争区间逐渐向右发生移动。高铁旅客的曲线基本处于低价格敏感性曲线的上方且在600～1 400 km 区间内差异不断扩大,说明越在意价格的旅客越不愿意选择民航而更愿意选择高铁。单独调整时间情形如图3(b)所示,在1 200 km 以下时,高时间和低时间敏感性旅客在高铁和民航市场分担率上无明显差异。而在1 200 km 之后,随着距离的增加,高时间敏感性旅客分担率曲线逐渐与低时间时产生差异。在高时间敏感性下,旅客更加在意时间,随着距离的增加,在途时间逐渐增加,在意时间的旅客便逐渐选择可以节省时间的民航。同理,随着距离的增加,旅客很在意时间,因此,高时间敏感性的旅客选择高铁的比例逐渐减小。

图3 单独调整时间和价格的情景

3.3 旅客行为分析

将月收入、提前购票天数、任务紧迫程度、抵达时间明确程度、时间敏感性和价格敏感性作为调整参数,可以分为4类旅客,分别为高时间高价格敏感性旅客、高时间低价格敏感性旅客、低时间低价格敏感性旅客和低时间高价格敏感性旅客。所产生的仿真结果如表3所示,这与文献[27]中以全国为研究对象建立的Logit模型预测的结果大体相似。这也验证了仿真的有效性及正确性。

表3 不同旅客竞争区间对比 km

由表3可见,旅客群体不同,高铁和民航竞争激烈的区间也是不同的。随着价格敏感性的增加,竞争区间右移明显。而随着时间敏感性的增加,竞争区间无显著变化,表明价格敏感性对旅客行为影响更大。

研究表明,高铁(民航)的市场分担份额介于70%～90%的区间是相对优势区间,在该区间内高铁(民航)对市场有着重要的支配作用[24]。高铁(民航)市场份额在30%～70%是双方竞争激烈的区间,无论高铁还是民航想要获得更多的市场份额,都要付出较大的成本。对4类旅客分别进行仿真得到的结果见表3。其中,相关参数设定(见表4)如下:

表4 旅客行为分析变量

由式(7)可以计算得到4类旅客相互转换时的时间成本与经济成本,如图4所示,I即表示I类旅客相对I～IV 类旅客所花费的时间成本和经济成本。可以发现,不同旅客自身由于时间和价格敏感性的不同,导致的时间和价格容忍度也是不同的。根据旅客时间成本和经济成本变化量的关系划分了4个区间,A 为高铁竞争优势区间,B 为高铁和民航共同竞争区间,C为民航竞争优势区间,D 为不确定性区间。在B区间的时间和经济成本范围,旅客选择高铁和民航都有可能。旅客成本变化如果在A区间,则旅客更容易选择高铁出行。如果在C 区间,则旅客更容易选择民航出行。在D 区间,由于旅客的时间和经济成本变化量都超过了高铁和民航优势区间的阈值,这时旅客可能会更加考虑自身抵达时间的紧迫程度来进行出行方式选择,更合理地安排出行。

图4 4类旅客价值转移对比图

4 结论

基于计划行为理论,将时间敏感性和价格敏感性引入模型中,结果表明,时间和价格敏感性都对出行态度有显著的影响。对高铁和民航两个出行方式分别建立了多指标多因果模型,然后将拟合出的潜变量值代入仿真模型,并调整影响旅客时间和经济价值的不同参数得到了不同的结果,验证了仿真方法的有效性和灵活性。利用仿真方法研究旅客出行问题,克服了基于多元Logit随机效用数学解析模型的缺陷,可以更加系统、清晰地描述旅客特征以及高铁和民航间竞争态势的演变。虽然模型已经考虑的比较全面,但是城市等级差异并未引入仿真模型中,这也是后续研究的一个重点。

综合上述研究,给出如下建议:

(1)选择民航的旅客往往不在意民航的服务,更多地关注它在途时间的快捷性。而民航作为高层次的服务业,旅客对其自然有更高的期待,民航公司需要不断地提供多样化服务,增强产品吸引力,提高顾客满意度。

(2)在竞争区间内,可以通过市场调研来确定旅客的分布情况。假如一个地区以高价格高时间敏感性旅客和高价格低时间敏感性旅客为主,民航公司可根据旅客特征适当地减少航班数量。

(3)由于民航和高铁的运距优势不同,企业应根据不同地区、不同季节进行空铁联运的合作,争取形成短途靠高铁,长途靠民航的形势。