共享单车用户使用行为与服务感知的影响因素分析

于二泽 周继彪

(北京北大千方科技有限公司1) 北京 100085) (宁波工程学院建筑与交通工程学院2) 宁波 315211)

0 引 言

互联网租赁自行车(以下简称“共享单车”)是城市绿色交通系统的重要组成部分，近年来在国内得到迅猛发展(250个城市，2 300万辆).然而，在提供出行便利条件的同时，共享单车的资源浪费、违规停车、押金管理等问题，对行业的可持续发展产生消极影响.因此，准确分析用户对单车服务的感知态度和使用行为，已经成为政府部门和运营企业制定管理策略的重要前提.

针对共享单车使用的主观调查研究，主要集中在出行选择行为、服务感知态度和使用意愿的影响分析方面，通常采用基于随机效用理论的非集计模型(Logit模型、Probit模型及其衍生模型)和基于理性行为、计划行为等理论的结构方程模型(structural equation model, SEM)两种建模方法.Li等[1]构建二元Logit模型，分析了用户特征、出行特性、主观态度对共享单车使用的影响，结果表明：教育程度、收入水平、便利性和健康性的感知情况与单车使用呈正相关.Ma等[2]通过建立结构方程模型，分析了共享单车对小汽车出行者的出行方式转移的影响，结果表明：骑行健康收益对小汽车出行向共享单车的转移具有正向作用.马新卫等[3-4]对比了有桩式公共自行车和共享单车的用户群体和影响因素的差异，研究发现车身故障问题是出行者放弃共享单车的重要原因.Orvin等[5]考虑到共享单车用户选择理由的异质性，对调查者进行潜在类别(latent class)划分，系统分析了不同类别群体的出行特征差异.陈艳艳等[6-7]通过构建SEM模型，研究了用户持续使用意愿的影响因素，结果表明用户满意度对持续使用意向具有正向影响.

服务感知态度是影响公众对交通工具使用行为的直接因素[8]，为了高效有序地指引共享单车行业可持续发展，针对共享单车用户使用频率与服务感知满意度的影响因素研究备受关注.刘晓杰等[9]以西安市城区为实例，分析了城市空间因素与共享单车周转率的内在联系，研究表明：共享单车投放密度与其周转率呈正相关.Liu等[10]着眼于“轨道交通+共享单车”骑行频率的影响因素，结果证实了更长的通勤时间(>45 min)对接驳骑行频率具有显著正向影响.Xin等[11]研究发现通勤者和非通勤者的服务感知态度存在差异，规范的行业规则和停放条件能够提高通勤者的满意度.Bakogiannis等[12]的研究表明缺少自行车基础设施和骑行安全问题对用户满意度存在消极影响.刘建荣等[13]分析了影响用户满意度和使用频率的显著因素，但是模型仅能考虑到变量对使用频率的间接影响，无法直接比较变量对使用频率、满意度的影响程度差异.

以上研究主要是对共享单车使用行为和服务感知进行独立分析，较少考虑到两者之间的内在联系，仍缺少通过调查数据定量分析骑行频率和满意程度的影响因素差异性的研究[14].基于此，文中以宁波市为实例，考虑到出行者服务感知异质性，利用潜在类别分析(latent class analysis, LCA)确定出行者的潜在类别，将出行者潜在类别代入(bivariate ordered probit,BOP)模型，量化分析影响共享单车用户使用频率与满意程度的显著性因素和关联关系.

1 数据采集

1.1 问卷设计

通过RP(revealed preference)和SP(stated preference)问卷调查，获取共享单车用户的使用与服务感知情况.将共享单车使用频率与满意程度作为描述变量，均采用Likert 5级量表设计，对使用频率分为五个等级：极少(每月使用次数<1次)、偶尔(每月使用1～3 d)、不定期、经常(每周使用2～3 d)、频繁(每天都用)；将满意程度分为：不满意、较差、一般、满意、十分满意.

问卷共设计20个问题项，包括5部分：①个人属性，包括性别、年龄、教育程度等特征；②家庭属性，指家庭拥有车辆类型和机动车保有量；③出行特征，包括出行方式、出行距离、共享单车使用频率和用途等；④服务感知，是指用户对单车服务的感受情况，包括使用理由、现状问题、满意程度、是否遭遇骑行事故；⑤用户期望，包括对骑行服务的改进期望、设置电子围栏和增加非机动车停车位的必要性问题.

1.2 问卷调查与数据分析

问卷调查采取随机抽样调查，线上和线下同步开展，回收1 291份调查问卷(线上489份，线下902份)，共得到1 212份有效样本，问卷合格率为93.88%，调查结果见表1.

表1 问卷调查数据统计

调查发现，使用频率问题项中选择“频繁”“极少”的样本量较低，满意度问题项中选择“较差”、“不满意”的样本量也很少，因此将使用频率和满意度的部分调查数据进行合并，归类为3个等级[15]，见图1.

图1 共享单车用户的使用频率与满意程度

2 模型构建

2.1 潜在类别分析

假定Xm为潜在类别变量，M为类别数量；yl为外显变量，其中l∈[1,2,…,L]且yl∈[1,2,…,Dl]，其中L和Dl为外显变量的数量和内容等级，调查者对各外显变量的完全响应概率PYl为

(1)

式中：PXm为调查者属于潜在类别群体m的概率；PYl|Xm为调查者在属于群体m时，其对各外显变量Yl的响应概率，其中Yl=(y1,y2,…,yL).

LCA分析遵循局部独立性假设：对于某个潜在类别下的外显变量仍能保持相互独立，所以根据独立事件联合发生的概率等于单独发生概率之积的原理，以上概率公式为

(2)

通过极大似然估计法进行参数估计，可以通过贝叶斯规则得出属于潜在类别Xm的后验概率，为

(3)

确定潜在类别数量M是LCA分析的关键，以往研究一般是将m的初始值设置为1，然后依次增加m值进行迭代拟合评估.常用的模型评估指标主要有AIC(akaike information criterion)、BIC(bayesian information criterions)和样本校正的BIC(sample size-adjusted biC, aBIC)，以上指标均是统计值越小表示模型拟合度越高，当AIC、BIC、aBIC所反映的模型拟合效果存在矛盾时，一般以BIC、aBIC为主.

2.2 BOP模型构建

假设将共享单车使用频率yi,1选择为j，用户满意程度yi,2选择为k，BOP联立方程模型：

(4)

BOP模型误差项：

(5)

通过极大似然估计法求解BOP模型，对影响因素的回归系数β′进行估计，2个因变量序数的选择概率为

P(yi,1=j,yi,2=k|Xi,1,Xi,2|)=

(6)

式中：Φ2(·)为累积标准二元正态分布函数.

由式(3)可以得到模型的极大似然对数为

(yi,1=j,yi,2=k|Xi,1,Xi,2)

(7)

式中：δjk为指示变量，如果第i个观测值yi,1=j且yi,2=k时，则δjk=1，否则δjk=0.

最后，对使用频率yi,1和满意程度yi,2对应的影响因素进行边际效应分析，通过直接边际效用表示某解释变量的每单位变化对因变量选择概率的影响，直接边际效用的计算公式

(8)

式中：φ(·)为累计分布函数的概率密度；ω为有序因变量的阈值，即ω=j,k.

3 结果分析

3.1 出行者潜在类别划分

文中将共享单车用户的服务感知特征作为外显变量，利用Mplus 8.3软件执行LCA，对调查者的潜在类别进行划分，设置类别数目范围为1～6，计算得出不同分类数目下的统计特征见表2.

表2 潜在类别回归统计特征

由表2可知:当分类数量为5时，LCA模型计算结果中BIC、aBIC指标值最小，因此确定样本集可以分为5类，不同群体的外显变量特征差异见图2.由图2可知:可以将共享单车用户群体类型分别定义为：class1为通勤型群体(19.88%)，其中70.22%的出行者反映使用理由是租还车方便；class2为创新型群体(12.13%)，该类人群往往对新产品或新服务具有良好的接受度，选择共享单车的理由也更多是处于好奇；class3为混合型群体(43.65%)，相比于其他用户，此类出行者对单车用途反映结果分布较均衡，且更加注重经济性和环保意识；class4为换乘型群体(16.34%)，其中76.24%的出行者反映使用理由是换乘便利；class5为随机型群体(8.00%)，该类用户多是将共享单车作为小汽车、公共交通的代替，出行活动具有临时性、短时性.

图2 潜在类别对应的外显变量选择概率

3.2 BOP模型结果

采用表1中变量和出行者类别作为BOP模型的解释变量，对模型参数进行标定，见表3.根据似然比检验，发现考虑出行者潜在类别的BOP模型拟合效果优于一般BOP模型(log pseudolikelihood=-2 471.549)，模型结果显示共享单车使用频率与用户满意度之间的误差项相关系数为正值并且显著(ρ=0.160，p<0.001)，表示两因变量之间呈显著正相关，说明骑行频率越高的用户对单车服务的满意程度相应越高.

表3 模型参数标定结果

3.3 边际效应分析

按式(8)～(9)计算显著变量的边际效应，见表4，用以定量分析相关影响因素对用户使用频率和服务满意度的作用程度.

表4 模型边际效应

结合边际效应计算结果，可知：

1) 个人属性 与男性相比，女性用户经常使用共享单车的概率低12.8%；月收入与共享单车使用频率呈显著负相关，高收入的用户经常使用共享单车的概率低4.6%，这与Li等的观点一致.在职业分布方面，企业职员对单车服务持满意态度的概率高4.0%，离退休人员经常使用共享单车的概率低46.7%，原因在于老年人对智能手机等新兴技术的接受程度不高，同时也对共享骑行的安全问题存在担心.

2) 家庭属性 相比机动车家庭的受访者，家庭中拥有电动自行车和私人自行车的用户对共享单车服务持满意态度的概率分别高14.0%和12.8%，这主要与低碳出行群体的环保意识有关，此外模型显示上述两变量对使用频率的影响并不显著，一定程度上也反映出共享单车与私人非机动车之间的竞争关系[16].

3) 出行特征 相比其他受访者，从日常出行方式层面来看，日常出行以步行为主的受访者持满意态度的概率高6.2%，但是经常使用共享单车的概率低6.7%，私家车、出租车/网约车用户经常使用共享单车的概率分别低13.7%和7.7%，由于公众的出行习惯相对固定，共享单车的引入并未对步行、私家车、出租车/网约车出行者的出行行为产生明显影响，这也印证了Ricci等[17-18]的研究结论.长距离出行者经常使用共享单车的概率低8.4%，研究数据显示共享单车的平均用户距离约为1.8 km，长距离骑行产生疲劳感，会降低对共享单车的选择意愿.

4) 服务感知 从现存问题层面来看，4个因素对用户服务感知满意态度的边际效应依次排序：开锁不便(-11.5%)<乱停乱放(-9.3%)<车身故障(-6.5%)<押金问题(-6.2%)，押金问题对单车经常使用呈显著负相关(-7.9%)；在骑行安全方面，骑行事故经历对用户的服务感知具有消极影响，此类用户对单车服务持满意态度的概率低14.4%.

5) 用户期望 在用户期望方面，改进之处(APP服务)对使用频率和满意态度均呈负相关，边际效应分别是-9.4%和-6.8%，说明高频率用户以及持满意态度的用户对APP操作感受的关心程度较低，根据表1调查结果可知，该类用户更加关注于停车秩序、车身质量等骑行体验的相关问题；设置电子围栏(是/否)的边际效应为-13.1%，说明高频率用户对该项措施的认可程度并不高，这是因为设置电子围栏也在一定程度上降低了共享单车的便利性，所以如何统筹考虑停车秩序和用户需求，是企业制定规范管理策略的关键.

6) 潜在类别 共享单车是服务公众短距离出行和公共交通换乘的重要方式，由表4中模型结果可知:通勤型群体class1和换乘型群体class4经常使用共享单车的概率分别高13.4%和17.6%，可以看出通勤/通学、多模式换乘出行者是共享单车的主要用户群体；相比于其他类型用户，混合型群体class3对共享单车服务持满意态度的概率高16.1%，结合图2中数据，class3对共享单车的经济性和环保性明显高于其他群体，所以从理解用户需求的角度来说，加强推广绿色骑行理念和骑行优惠举措，是拓展共享单车应用场景的必要手段.

根据表3数据，预测不同类型出行者对于共享单车使用频率和满意程度的选择分布，见图3.由图3可知:不同群体的用户在使用行为和服务感知的赞同度方面，存在较大的差异.class2(创新型群体)和class5(随机型群体)较少是经常使用共享单车以及持高满意度，使用行为和服务感知上整体持中和的态度；class1(混合型群体)经常使用共享单车的预测概率显著高于其他群体；class3(混合型群体)对骑行服务持满意态度的预测概率最高，达到66%.

图3 使用频率和服务感知满意度的选择概率

4 结 束 语

文中利用宁波市共享单车用户问卷调查数据，根据出行者对共享单车的主要用途和使用理由，通过潜在类别分析将出行者划分为5类：通勤型群体、创新型群体、混合型群体、换乘型群体、随机型群体，分别占样本总体的19.88%、12.13%、43.65%、16.34%、8.00%；将潜在类别作为解释变量代入BOP模型，实证分析了影响共享单车使用频率和用户服务感知满意程度的显著因素，并量化分析各因素对因变量的直接边际效应.结果表明：共享单车使用频率与服务感知满意程度呈显著正相关，影响共享单车使用频率有13个显著变量，影响用户满意程度有11个显著变量.

基于模型结果，本文建议：

1) 在提高使用频率方面 ①加强对共享单车骑行安全性和APP易用性的宣传力度，简化APP注册和支付使用的操作方式，并提供优惠的押金租赁政策，以提高老年群体对单车服务的接受度；②为保证通勤型、换乘型两类用户群的出行体验，需要从区域规划层面着手，结合出行数据和职住空间分布特征，合理控制区域内单车投放规模，并规范共享单车停靠点布局，以保障通勤廊道安全、畅通和换乘顺畅衔接；③押金管理方面，经营方应当积极推广信用担保的新押金模式，建立健全用户押金管理机制，提高押金流动的透明性和退还效率.

2) 在提升用户感知方面 ①共享单车无序停放对用户满意度具有消极影响，对于目前企业推行的电子围栏等规范措施，仍需要充分做好出行需求调研和大数据分析，科学制定停放区选址规划；②对于车辆故障和开锁不便的问题，一是要健全故障车辆上报与运维机制，并配备专门工作人员，负责单车的定期检查、调度，及时清运故障车辆；二是构建单车运行监测数据平台，加快科研攻关与车型升级，通过终端设备实现车身/车锁故障状态的监测和提示功能；③加强推广绿色骑行理念和骑行优惠举措，可考虑通过提供公交优惠券或减碳奖励等措施，提高混合型群体对健康骑行的关注度和参与度.