网约车临时用户和长期用户出行行为影响机理

李志成,邓欣宇,赵紫艳,高语笛

(南京林业大学,江苏 南京 210037)

0 引 言

随着我国信息技术和交通行业的快速发展,网约车作为新时代互联网经济的产物,也逐渐进入人们生活,诞生了滴滴打车、Uber等网约车出行平台。自2012年以来滴滴打车、快的打车进入网约车市场,打车软件层出不穷,我国网约车行业进入快速发展阶段,网约车已成为人们主要出行方式之一。

纵观国内外学者在网约车出行领域已有的广泛研究,董振宁等[1]利用Anylogic仿真软件构建模拟现实乘客打车情景的仿真实验,将动态数据与静态数据进行分析,分别计算两种定价模式下的平台最优收益及消费者和司机福利。刘鑫等[2]以2018年大连市主要商圈内网约车主要使用者为对象,设计网约车用户出行行为调查问卷,建立MNL模型,探索影响出行方式选择的关键因素,并分析其内在规律。陈思为等[3]基于潜在类别模型对网约车选择行为建模,以调查地的实际数据对用户群体进行细分,挖掘不同群体对于网约车的偏好。刘祖友等[4]通过对福州地区大学生网约车出行行为进行调查,利用Logistic回归分析方法,找出影响大学生选择网约车出行的主要因素。Weng等[5]构建了网约车平台演化博弈模型,认为网约车目前要加强信用约束或建立适当强度的协调监管模式。Pratiwi等[6]通过采用偏最小二乘法对网约车用户水平度和满意度进行分析。Soares等[7]建立UTAUT2模型,以Uber为基础,来分析网约车的接受程度。Haddad等[8]通过结合巴西圣保罗网约车服务商的数据、个人层面的数据以及结构性交通网络模拟评估网约车对出行时间和出行目的的影响。

虽然对于网约车出行行为研究较多,但针对网约车不同用户群体的出行行为研究却鲜有涉及,为此,从网约车长期用户和临时用户的视角,探索其使用频率的不同影响因素。

1 问卷设计

问卷主要包含两部分内容:个人社会经济属性、出行属性。其中,个人社会经济属性主要包括性别、年龄、职业、月收入、私家车拥有情况、网约车使用频率、继续使用意愿、是否拥有会员;出行属性包括出行目的、出行距离、出行时刻。

为了更好地进行问卷调查,同时考虑当下疫情原因,问卷调查在网络上进行,在QQ、微信及其他互联网平台上发布调查问卷。问卷的发放地选择了网约车出行较多的南京与无锡两个城市。共发放了175份问卷,其中得到的有效问卷数为163份,有效率为93.14%。样本的分布分别为南京44%,无锡48%,其他城市8%。

2 调查结果

统计结果如表1所示:整体来看,调查样本中男女比例接近1.2∶1,可以看出男性用户更倾向于使用网约车服务。从年龄分布来看,网约车服务的用户年龄段主要为21～30岁,比例为50.21%,主要因为这部分群体更容易接受新鲜事物;与此同时,老年人很少采用网约车出行,可能是由于其对网络支付和APP使用相对较为陌生。从职业上看,学生和企业职员较多使用网约车服务。此外,当受访者月收入在10 000以上时,很少采用网约车出行。从长短期用户来看,在本次问卷中拥有网约车会员的群体中,63%的用户对于网约车的需求是长期的,而37%的用户对于网约车的需求是临时的。由此可以看出,大部分网约车长期用户会选择成为网约车的会员,可以得到更多的网约车出行优惠补贴。

表1 调查样本数据统计

对于网约车长期用户来说,有63%的网约车长期用户没有私家车,有33%的长期用户会选择网约车作为他们的出行方式,而只有9%的长期用户会将私家车作为他们主要出行方式,如图1所示。大部分长期用户因为没有私家车,这也使他们在出行时更倾向于使用网约车。而对于网约车临时用户来说,选择网约车作为主要出行方式的人有21%,但是有25%的用户会选择私家车出行,这是因为他们大部分都拥有私家车,由于私家车的便捷性,他们更倾向于使用私家车出行。

3 模型结果与讨论

3.1 方法

离散选择模型也被称为非集计模型,非集计模型是基于效用最大和随机效用两个概念建立起来的[9],随机效用U可分为可观测的固定项和不可观测的随机项两大部分。

Uin=Vin+εin

(1)

式中:Vin为可观测的固定效用,εin为不可观测的随机项,通常将其看作随机误差项。

其中固定项Vin通常可以用线性表示

Vin=∑βkXink

(2)

式中:Xink是影响出行者n选择出行方式i固定效用的第k个变量,βk是用最大似然法估计的参数。

针对乘客使用网约车频次影响因素,由于研究的因变量为多项变量,且变量之间有等级或程度的变化,采用有序Logit模型探索因素之间的复杂关系较为合适[10]。假设出行频率分为J个等级梯度,则其模型为

P(Yi>j)=Pij

(3)

Yi=Xiβ+ε

(4)

式中:wherej=1,2,…,J-1,Yi为第i位乘客使用网约车出行的频率;Xi为第i位乘客所有调查的主观指标和客观指标的得分;β为对应Xi对应的拟合系数;ε为拟合残差;Pij为第i位乘客使用网约车出行概率,αj为第j级出行频次对应的常量系数。

3.2 结果与讨论

将用户使用网约车出行频次作为因变量,以此来区分长期用户和临时用户,将使用频率为从没使用过、很少使用、每月使用1～2次的网约车使用频率作为临时用户;将使用频率为每周使用1～2次、每周使用3～4次、几乎每天使用作为长期用户。

自变量则选取网约车用户出行选择行为影响因素,包括个人社会经济属性中的性别、年龄、职业、月收入、是否拥有私家车以及是否拥有网约车会员,出行相关属性中的出行距离、出行时刻以及出行目的,其中所涉及到的个人社会经济属性和出行相关属性等属性变量的变量定义如表2所示。

表2 模型属性变量及变量定义

从表3的结果可以看出,出行时刻、是否拥有会员、月收入、有无私家车、性别、职业是具有显著性影响的变量。对各个自变量对因变量的影响进行分析,具体如下。

表3 参数估算值

(1)对于使用网约车的出行时刻,通过计算回归系数,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。以使用网约车出行时刻在节假日为参考类别,因为估计值为正,所以在工作日早高峰与晚高峰使用网约车出行的群体,比在节假日使用网约车出行的群体使用网约车频次更加频繁,可能性高了大约7倍,由此可以看出,许多出行者上班通勤会选择网约车出行,所以他们更有可能是网约车的长期用户,而在节假日采用网约车出行的,更有可能是仅在休闲时使用网约车出行,此类人群使用网约车的频次相对来说会少,更有可能是临时用户。

(2)对于是否拥有网约车会员,经过计算回归系数,可以得出exp(0.86)=2.36。以没有网约车会员为参考类别。因为估计值为正,所以有网约车会员的用户群体比没有网约车会员的用户群体使用网约车的频率更加频繁的可能性高2.36倍,由此可以得出,有会员的出行者使用网约车的频率更高。当他们拥有会员后,出行时往往会使用网约车,因此更有可能是网约车的长期用户。

(3)对于月收入小于3 000有显著影响,显著性小于0.05,而月收入在3 000～6 000和6 000～10 000显著性大于0.05,对于因变量没有显著影响,不进行进一步分析。对回归系数进行计算,可得exp(0.997)=2.71。以月收入大于10 000为参考类别,因为估计值为负,所以月收入小于3 000的群体使用网约车的频率比月收入大于10 000的更少,可能性达到2.71倍,可以看出月收入高的群体比月收入低的群体可能使用网约车的频次更多,月收入高的群体更有可能是长期用户,月收入低的群体更有可能是临时用户。

(4)对于有无私家车来说,对回归系数经过计算可得,exp(0.902)=2.46。以没有私家车为参考类别,因为估计值为负,所以有私家车的群体使用网约车的频率比没有私家车的少的可能性达2.46倍,可以看出有私家车的用户更偏向于使用私家车出行,而没有私家车的用户更可能会使用网约车出行,使用的频率较高,更可能是长期用户。

(5)对于性别来说,回归系数经过计算可得,exp(0.827)=2.28。以女性为参考类别,因为估计值为负,所以男性使用网约车的频次比女性使用网约车的频次少的可能性达2.28倍,可以看出女性对于网约车的使用频次可能比男性更高,她们更有可能是长期用户。

(6)对于职业来说,学生、企业职员和退休人员这些变量对因变量使用网约车频次有显著影响,显著性小于0.05,而其余职业的变量因显著性都大于0.05,对因变量影响不显著,不再分析。回归系数计算可得,exp(1.341)=3.82,exp(0.707)=2.02,exp(2.657)=13.02,以其他为参考类别,因为学生与企业职员这两个变量估计值为正,所以学生与企业职员使用网约车的频次比职业为其他频繁的可能性达到3.82和2.02倍,而退休人员变量估计值为负,所以其使用网约车的频次比职业为其他少的可能性达13.02倍。从中可以看出,学生和企业雇员使用网约车的频次更多,学生考虑到网约车的方便快捷,更加青睐于网约车出行。而对于企业职员来说,上下班为出行高峰期,而网约车在手机上即可预约并且速度较快,所以他们会将网约车作为重要的通勤工具,这两类群体使用网约车较为频繁,可能是网约车的长期用户。而退休人员一般年龄较大,他们对于网约车的接受程度较小,并且因为对于智能手机使用不够熟练,在出行时很少选择网约车,使用网约车频次较少,更可能会是网约车的临时用户。

4 结 论

在当今互联网经济的大环境下,网约车作为新兴交通方式备受关注,在此背景下,从网约车长期用户与临时用户出发,收集两个群体的出行调查数据,通过有序logit分析,找出影响网约车长期用户和临时用户出行选择行为的关键因素及出行选择行为差异。主要研究结论如下:对于使用网约车出行频次来说,有无私家车、出行时刻、性别、职业、月收入和是否拥有网约车会员都对其有显著影响。有私家车比没有私家车使用网约车更加频繁,在上下班高峰期出行的群体比在节假日使用网约车出行的群体使用网约车更多,拥有网约车会员的群体因为有网约车会员的优惠比没有网约车会员的群体使用次数更多。