票价对共享单车与公交相对协作度的影响

刘春艳 朱顺应 陈秋成 周文静

(武汉理工大学交通与物流工程学院 武汉 430063)

0 引 言

共享单车兴起之初，以低价甚至免费使用实现了用户大规模扩张，随着资本热度消退，各单车企业为维持运营、弥补亏损而陆续涨价[1-2].然而，票价提高对共享单车接驳公交完成“最后一公里”出行的影响尚不清楚，且公交乘客大多为中低收入群体，在注重出行时间价值的同时，换乘意愿也易受换乘成本影响[3-4].

目前，国内外针对共享单车与公交关联关系的研究相对较少.Fishman等[5]总结前人研究，将共享单车与公交的关系模式定义为替代和整合.换而言之，共享单车与公交存在竞争与协作两种关系.关于竞争关系方面研究，大多从出行者角度出发，分析共享单车出现前后的公交出行分担率[6]或公交客流需求[7]变化，也有学者引入直方图移位法，从出行距离角度评估共享单车的替代效果[8].关于协作关系方面研究，主要探讨协作关系机理，围绕协作模式对共享单车或公交系统的影响展开.研究结果表明共享单车与公交站点紧密衔接可以提高共享单车利用率[9]，且共享单车纳入公交系统后可以增强传统公交吸引力[10]、降低城市交通系统负荷[11]和提高公交系统在面临交通故障时的适应能力[12].

居民出行模式日益复杂化，出行方式间的合作形成无缝方式链，已经成为方式间关联关系的主流.已有研究表明共享单车与公交之间存在长期协同效应[13]，但目前对于协作模式的研究，总体上仍停留在初步探索阶段.少数学者通过探究共享单车与公交协作模式的影响机制，指出交通拥堵持续时间、收入和是否实行联运票价是影响共享单车与公交协作模式的重要因素[14-15]，但均未在相关影响因素作用下，对共享单车与公交协作程度进行定量分析.

鉴于此，文中在以往研究基础上，分析共享单车票价提高时，乘客使用共享单车次数的变化特性，并定义相对协作度指标对共享单车与公交衔接配合程度进行量化，评估共享单车票价水平对不同群体相对协作度的影响，旨在从共享单车票价角度，研究公共交通与共享单车出行链的一体化程度.

1 数据采集与处理

1.1 调查问卷设计及实施

采用RP和SP相结合的调查法，了解襄阳市城区公交乘客的共享单车出行现状和不同票价下的未来选择意愿.调查问卷设计含4部分：①乘客个人特征信息，如性别、年龄、税前月收入等；②出行特征指标，如出行目的、出行方式、出行时间等；③交通工具使用状况指标，如公交乘坐频率、共享单车骑行距离、共享单车使用次数等；④共享单车使用意愿假设选择情景，设计了4种(共享单车票价提高20%、提高50%、提高80%及提高100%)假设条件下，共享单车使用意愿选择方案(不变、减少1次、减少2次、减少3次、不使用).

采取主观分层简单随机抽样法，于2020年1月10—16日，在襄阳市城区的主要公交线路上进行了问卷调查.为保证数据真实准确，采用跟车面对面随机调查方式.每日调查时间覆盖整个运营时间，持续7 d，包括工作日和休息日.

1.2 样本精度及代表性

1) 样本精度 共发放问卷2 100份，回收问卷2 032份，问卷回收率为96.8%.为了保证数据的有效性和完整性，克服因受访者随意填写及理解失误而产生误差，需在回收、录入问卷后校核数据，剔除异常样本.最终确定有效样本1 951份，得到3 222个有效试验值，问卷有效率为96.0%，总体标准差为0.65，达到了95%置信水平下相对误差为3%的样本量要求.

2) 样本代表性 乘客的基本信息包括性别、年龄、职业、税前月收入、公交乘坐频率等，样本结构见表1.调查问卷覆盖乘客基本信息的所有分类，样本具有一定代表性.

表1 样本结构

2 方 法

2.1 共享单车与公交相对协作度

为度量共享单车与公交衔接配合程度，将公交乘客在不同票价水平下的共享单车日均使用次数与现状交通调查的共享单车日均使用次数之比，定义为共享单车与公交相对协作度.计算式为

(1)

文中共享单车使用意愿共有3种选择，故采用多项Logit(multinomial logit)模型，确定乘客n在票价提高时的共享单车使用意愿方案i的概率.再依据现状交通调查的乘客n共享单车使用次数，计算乘客n在票价水平m下的共享单车使用次数，计算式为

(2)

式中：tmn为票价水平m下乘客n的共享单车使用次数；tn为现状交通调查乘客n的共享单车使用次数；i为乘客在票价提高时选择的共享单车使用意愿方案(为便于数据处理及提高模型预测精度，将减少1次，减少2次、减少3次合并为减少使用，并取平均值“减少2次”)，即i为不变、减少使用、不使用，分别取值为1～3.

(3)

(4)

2.2 共享单车使用概率

多项Logit模型以消费者在选择时追求“效用(utility)”最大化这一假设作为理论基础，即出行者在特定选择条件下，将选择效用最大化的出行方案.效用函数的表达式为

Uin=Vin+εin

(5)

式中：Uin为乘客n选择共享单车使用意愿方案i的效用；Vin为乘客n选择共享单车使用意愿方案i的可观测固定项部分；εin为乘客n选择共享单车使用意愿方案i的随机项部分，分别为可观测因素和不可观测因素对效用的影响.

固定项Vin中包含描述乘客n特性的变量，即“特性变量”Xink.具体可分为乘客属性变量、公交出行属性变量和共享单车出行属性变量.假设乘客n选择共享单车使用意愿方案i的效用Vin与特性变量呈线性关系，即：

(6)

式中：Ci为常数项；Hinf为乘客n选择共享单车使用意愿方案i的第f个乘客属性变量；Tinj为乘客n选择共享单车使用意愿方案i的第j个公交出行属性变量；Binl为乘客n选择共享单车使用意愿方案i的第l个共享单车出行属性变量；βf，βj，βl分别为3类特性变量对应参数值；i为因变量编号；F，J，L分别为3类特性变量个数，i,n,f,j,l,F,J,L∈N+.

多项Logit模型假定Vin与εin互相独立，且εin服从Gumbel分布.则乘客n选择共享单车使用意愿方案i的概率pin为

(7)

式中：An为乘客n选择共享单车意愿方案集合，An={不变，减少使用，不使用}.

2.3 自变量及因变量定义

影响出行者选择行为的因素按属性可分为3大类：乘客属性、公交出行属性，共享单车出行属性.经单因素分析法对影响变量进行筛选，选取年龄、税前月收入、公交乘坐频率、骑行距离、道路环境满意度和共享单车票价水平作为自变量纳入模型.

为便于数据分析，提高预测精度，根据目前襄阳市居民的工作年限、收入分布、出行特征等对部分自变量类别进行合并：年龄按35岁以下、35～60岁、60岁以上划分青、中、老年；税前月收入按4 000元以下、4 000～8 000元、8 000元以上划分为低、中、高收入；公交乘坐频率按每月不超过5次及其他、每周不超过5次、每天1次及以上划分为低、中、高频率.各类自变量取值见表2.

表2 影响因素(自变量)取值

因变量即不同票价水平下，乘客可能选择的共享单车使用意愿方案，方案编号见表3.

表3 共享单车使用意愿(因变量)方案编号

3 结果与分析

3.1 多项Logit模型的标定与检验

考虑共享单车使用意愿无严格等级次序，且有序分类因变量的平行性检验P<0.05，故采用无序多分类Logit回归.运用SPSS24.0软件，将年龄、税前月收入、公交乘坐频率、骑行距离、道路环境满意度、共享单车票价水平作为自变量，共享单车使用意愿作为因变量.多项Logit回归本质上是二分类Logit的自然延伸，还需定义因变量的某一个水平作为参照，其他水平均与其相比，建立n-1个广义Logit模型.选择第3类水平，即以共享单车“不使用”作为参照类别，标定结果见表4.

以pin表示乘客n在票价提高时选择共享单车使用意愿方案i的概率，非集计模型为

(8)

式中：βk为自变量对应参数系数值；i为因变量编号；k为自变量编号；K为自变量个数，i,k,K∈N+.

将表4得到的各系数(β)代入式(7)，得：

表4 参数估算值

V1n=8.894-2.372X1n1+0.788X1n2-

1.233X1n3+0.790X1n4+0.255X1n5-3.415X1n6

(9)

V2n=3.253-1.227X2n1+0.216X2n2-

0.228X2n3+0.364X2n4+0.117X2n5-0.524X2n6

(10)

根据式(8)和Logit特性，建立如下方程，可求解共享单车“使用意愿”方案的概率.

(11)

将式(9)～(10)代入方程(11)进行求解，得多项Logit中乘客n选择共享单车使用意愿方案i的概率pin为

(12)

标定结果中，年龄、税前月收入、公交乘坐频率、骑行距离、道路环境满意度、共享单车票价水平均通过Wald检验，即sig小于0.05，有统计学意义，将纳入最后的方程中，说明这些变量与因变量间存在线性相关性.模型预测命中率达到77.7%，说明具有较好的总体预测效果.

3.2 共享单车与公交相对协作度计算结果及分析

结合式(11)～(12)，可得乘客在各票价水平下的共享单车使用意愿选择概率，结果见图1.

图1 共享单车使用意愿与票价变化关系

根据图1中共享单车使用意愿与票价对应关系，结合式(2)～(4)确定各票价水平下对应的共享单车日均使用次数，再代入式(1)可求得各票价水平下的共享单车与公交相对协作度，结果见图2.

图2 不同票价水平下的公交乘客共享单车日均使用次数及相对协作度

由图1可知，对于日常出行使用共享单车换乘的公交乘客而言，当票价提高20%时，约66%的乘客愿意继续使用共享单车，说明价格的小幅度变化对忠诚度高的用户(如购买月卡)影响很小.当票价提高50%时，选择减少使用的概率达到50%，乘客的使用意愿明显降低.而当票价提高80%及100%时，减少使用和不使用的概率已达到80%～90%，说明多数乘客更加注重出行方式的经济性，在面对共享单车的高票价时，可能选择步行或其他方式到达目的地.仍有约10%的乘客在票价翻倍时选择继续使用，一方面说明这部分乘客更在乎共享单车带来的便捷性及时间价值，另一方面也反映收费较高且停车限制性大的共享助力车、电动车的发展前景有限.

由图2可知，现状交通调查的公交乘客共享单车日均使用次数为1.01次，求解出各票价水平下共享单车与公交相对协作度分别为0.86、0.62、0.44及0.36.说明随着票价提高，共享单车日均使用次数及相对协作度都不断降低.当票价提高至80%及100%时，其对共享单车与公交相对协作度的负面影响最为显著.共享单车与公交相对协作度指标代表了“共享单车+公交”出行链的一体化程度，揭示了票价影响下公交乘客的接驳需求变化特性.出行者权衡出行成本和时间，往往选择费用低且效率高的出行方式.当共享单车票价提高时，乘客选择协作出行模式的概率下降，接驳需求减小，共享单车最后一公里功能降低.

3.3 不同群体的相对协作度分析

不同收入、骑行距离的乘客群体因其成本付出意愿、便捷性需求不同将产生共享单车接驳需求差异.将骑行距离以1.5 km为界限划分为短距离和中长距离.对各票价水平下的不同收入、骑行距离群体的相对协作度进行求解，结果见图3.

图3 不同收入和骑行距离群体在各票价水平下的相对协作度

由图3a)可知，各收入群体的共享单车与公交相对协作度受票价影响程度不一.总体而言，高收入群体相对协作度随票价提高变化幅度较小，中低收入群体则相反.当票价提高20%时，所有收入群体相对协作度基本相等；当票价提高50%和80%时，中低收入群体相对协作度明显降低且下降趋势相近；当票价提高100%时，低收入群体下降幅度大于中等收入群体，说明低收入群体对价格敏感度最高.高收入群体注重便捷性与舒适性，可能继续配合使用两种交通工具以提高出行效率，而中低收入群体受自身经济条件限制将降低协作模式使用频次.

由图3b)可知，中长距离群体的相对协作度随票价提高变化幅度较小，短距离群体则相反.短距离群体多为接驳公交完成最后一公里出行，中长距离群体可能选择共享单车作为日常出行工具，与公交构成竞争关系.因此，当票价提高50%左右时，两类群体的相对协作度差值较小，共享单车提价幅度达到最优.

4 结 论

1) 票价政策与用户出行需求密切相关.小幅度提价对忠诚度高的用户影响较小，而当提价幅度达到80%及以上时，将超出乘客心理可接受范围.

2) 票价对共享单车与公交相对协作度有显著负向影响.拥有较高收入水平乘客群体的共享单车与公交相对协作度受票价影响较小，而中低收入群体本着经济性原则将减少或放弃使用共享单车换乘接驳.共享单车骑行距离较短的乘客群体的相对协作度受票价影响较大，中长距离群体则相反.

3) 高票价对共享单车的最后一公里功能定位有抑制作用，共享单车票价提高幅度应小于50%.乘客在票价提高时使用共享单车接驳公交出行需求降低，易造成社会资源闲置，违背共享经济发展初衷.

根据上述结论，为促进共享单车与公交协作模式发展，政府和企业可将共享单车纳入公共交通系统，实施一体化联运战略并制定换乘优惠政策.共享单车企业应提供差异化、多元化的定价策略，以满足不同用户群体需求，理应将票价提高幅度控制在50%以内.同时从票价与相对协作度的关系可看出，共享电动车因收费标准较高且定点停车不便，其在公交“最后一公里”上作用有限.

本文仍存在一定局限性，共享单车的使用意愿也可能受到其他因素影响，如天气、季节、个人心理因素等.此外，本文仅研究了票价提高对共享单车与公交相对协作度的影响，未研究票价降低对相对协作度的影响，共享单车与定制公交的竞争与协作关系也有待进一步研究.