廣州南站旅客市內(nèi)接駁交通市場(chǎng)細(xì)分研究

呂澤鑫，蘇煥銀，陳思倩，林燕璇，鐘明輝，吳嘉榮

（五邑大學(xué) 軌道交通學(xué)院，廣東 江門(mén) 529020）

大型客運(yùn)樞紐站旅客市內(nèi)接駁交通方式的便捷性直接影響到旅客乘車(chē)的滿意度. 針對(duì)鐵路旅客接駁交通方式，多采用離散選擇模型進(jìn)行研究. 韓曉玉等[1]以蘇州軌道交通為例，采用Logit模型預(yù)測(cè)城市軌道交通接駁方式的選擇概率，結(jié)果表明Logit模型具有良好的適用性. 張妮等[2]考慮旅客個(gè)人出行屬性特征，采用多項(xiàng)Logit模型預(yù)測(cè)城市軌道車(chē)站接駁交通方式的選擇概率，結(jié)果表明該模型具有可行性. 陶文聰?shù)萚3]通過(guò)問(wèn)卷調(diào)查，應(yīng)用多項(xiàng)Logit模型研究了廣珠城軌站旅客市內(nèi)接駁交通方式的選擇情況.

早期鐵路旅客市場(chǎng)細(xì)分主要采用聚類(lèi)分析方法，李海軍等[4]采用改進(jìn)的聚類(lèi)分析方法對(duì)鐵路通道旅客進(jìn)行市場(chǎng)細(xì)分，但該方法過(guò)于復(fù)雜，不利于推廣. 隨著學(xué)者們研究的深入，基于統(tǒng)計(jì)學(xué)原理的潛在類(lèi)別模型應(yīng)用于市場(chǎng)細(xì)分時(shí)取得了良好的分類(lèi)效果[5]. 喬珂等[6]通過(guò)京滬鐵路客運(yùn)歷史售票數(shù)據(jù)，采用潛在類(lèi)別模型將旅客劃分為三個(gè)類(lèi)別群體，結(jié)果顯示分類(lèi)效果良好. Hetrakul等[7-8]通過(guò)鐵路旅客歷史售票數(shù)據(jù)，采用潛在類(lèi)別模型將旅客進(jìn)行分類(lèi)，結(jié)果發(fā)現(xiàn)該模型能夠很好地解釋旅客出行特征的差異性. 此外，還有學(xué)者[9-10]在航空領(lǐng)域采用潛在類(lèi)別模型進(jìn)行市場(chǎng)細(xì)分，也取得良好的分類(lèi)效果.

廣州南站連接京廣高速鐵路、廣深港高速鐵路、貴廣高速鐵路、南廣鐵路、廣珠城軌和粵西沿海鐵路，是粵港澳大灣區(qū)、泛珠江三角洲地區(qū)的鐵路核心車(chē)站. 該站點(diǎn)遠(yuǎn)離市區(qū)，日發(fā)送旅客幾十萬(wàn)人次，是亞洲最繁忙的高鐵站，換乘便捷性不僅影響旅客的滿意度，也直接影響車(chē)站的運(yùn)營(yíng)效率.為此，本文調(diào)查分析了廣州南站旅客市內(nèi)接駁的交通方式，使用潛在類(lèi)別模型與多項(xiàng)Logit模型結(jié)合的方法，對(duì)旅客市場(chǎng)進(jìn)行細(xì)分，同時(shí)進(jìn)一步分析當(dāng)前接駁交通方式的選擇情況. 最后提出針對(duì)性的改進(jìn)措施，為進(jìn)一步滿足不同群體旅客的出行服務(wù)需求，也為鐵路運(yùn)輸企業(yè)設(shè)計(jì)和調(diào)整接駁交通運(yùn)輸產(chǎn)品提供參考依據(jù).

1 基于RP/SP聯(lián)合調(diào)查的數(shù)據(jù)獲取

本文以廣州南站旅客為調(diào)研對(duì)象，采用RP/SP聯(lián)合調(diào)查方法設(shè)計(jì)問(wèn)卷，通過(guò)網(wǎng)絡(luò)調(diào)查法展開(kāi)調(diào)研，調(diào)研時(shí)間為2020年2月期間，調(diào)查內(nèi)容包括旅客個(gè)人出行特征（性別、年齡、學(xué)歷、月收入、職業(yè)、出行目的、行李重量、出發(fā)地區(qū)、是否擁有私家車(chē)和費(fèi)用來(lái)源）和出行接駁交通方式（公交地鐵組合、地鐵、出租車(chē)（網(wǎng)約車(chē)）和私家車(chē)）. 通過(guò)信度和效度方法進(jìn)行檢驗(yàn)和篩選，最終獲取有效問(wèn)卷1 016份，統(tǒng)計(jì)結(jié)果如表1和表2所示.

表1 基于RP調(diào)查的旅客個(gè)人出行特征

表2 基于SP和RP調(diào)查的旅客接駁交通方式選擇

2 基于潛在類(lèi)別模型的旅客群體特征分析

旅客的出行選擇偏好往往來(lái)自于旅客個(gè)人出行特征的差異性，具有相似特征的旅客可以歸屬于同一類(lèi)別. 潛在類(lèi)別模型具有良好的分類(lèi)效果.

2.1 潛在類(lèi)別模型設(shè)計(jì)

經(jīng)過(guò)數(shù)據(jù)初步統(tǒng)計(jì)處理，最終選擇性別、年齡、月收入、職業(yè)、是否擁有私家車(chē)、出行目的、費(fèi)用來(lái)源等7個(gè)作為外顯變量，依次記為U1,U2,U3,U4,U5,U6,U7，具體的變量取值及水平說(shuō)明如表3所示.

不同外顯變量間滿足相互獨(dú)立的條件，π為外顯變量的聯(lián)合概率，潛在類(lèi)別模型表示如下：

式中，π表示各潛在類(lèi)別概率的總和，即潛在類(lèi)別模型的聯(lián)合概率；T為潛在類(lèi)別總數(shù)，π(t)表示第t個(gè)潛在類(lèi)別的概率；π(Ui/t)表示在第t個(gè)潛在類(lèi)別下外顯變量Ui的條件概率，其總和均為1.

根據(jù)式（1）計(jì)算每位旅客在每個(gè)類(lèi)別的后驗(yàn)概率并比較其大小，將旅客歸屬到后驗(yàn)概率最大的類(lèi)別. 運(yùn)用貝氏理論，后驗(yàn)概率計(jì)算公式如下：

式中，π(t/U1,U2,U3,U4,U5,U6,U7)表示旅客屬于某個(gè)潛在類(lèi)別的后驗(yàn)概率.

那么，旅客屬于概率最大的潛在類(lèi)別，記為X*，表示如下：

2.2 參數(shù)估計(jì)結(jié)果及分析

借助Latent Gold 5.0軟件進(jìn)行模型適配性檢驗(yàn)，并采用極大似然法進(jìn)行參數(shù)估計(jì)，具體如表3所示，最終潛在類(lèi)別劃分為3類(lèi)最合適.

表3 參數(shù)估計(jì)結(jié)果

（續(xù)表3）

由表3可知，各類(lèi)旅客的具體特征如下：

1）第一類(lèi)旅客，女性比例偏高，年齡主要集中在25～34歲，職業(yè)以公司職員為主，擁有私家車(chē)占比稍高，月收入中等，自費(fèi)出行，以旅游和探親訪友為主.

2）第二類(lèi)旅客，男性比例稍高，年齡主要集中在35～44歲，職業(yè)以服務(wù)業(yè)人員和自由職業(yè)者為主，擁有私家車(chē)占比較高，月收入最高，公費(fèi)出行，以商務(wù)出行為主.

3）第三類(lèi)旅客，女性比例較高，年齡主要集中在18～24歲，職業(yè)以學(xué)生為主，無(wú)私家車(chē)占比較高，月收入最低，自費(fèi)出行，以旅游和求學(xué)為主.

綜上，可將第一類(lèi)旅客概括為“休閑型旅客”，第二類(lèi)旅客概括為“商務(wù)型旅客”，第三類(lèi)旅客概括為“學(xué)生型旅客”. 此時(shí)，可將RP調(diào)查得到的旅客實(shí)際選擇交通接駁方式按此分類(lèi)進(jìn)一步細(xì)分，為后續(xù)多項(xiàng)Logit模型的正確率驗(yàn)證提供數(shù)據(jù)基礎(chǔ)，分類(lèi)結(jié)果如表4所示.

表4 各類(lèi)旅客實(shí)際選擇的接駁交通方式

3 基于多項(xiàng)Logit模型的旅客接駁交通方式選擇分析

結(jié)合旅客的群體分類(lèi)結(jié)果，采用多項(xiàng)Logit模型研究各類(lèi)旅客群體的市內(nèi)接駁交通方式選擇行為，對(duì)比分析各類(lèi)旅客的偏好性.

3.1 多項(xiàng)Logit模型設(shè)計(jì)與參數(shù)估計(jì)

為了便于構(gòu)建模型，將旅客交通接駁交通方式記為Aj，Aj∈{公交地鐵組合，地鐵，出租車(chē)，私家車(chē)}，接駁交通方式Aj的屬性變量記為xij，xij∈{步行距離，出行時(shí)間，行車(chē)費(fèi)用，換乘次數(shù)}，旅客的群體類(lèi)別記為s，s= {1,2,3}. 根據(jù)隨機(jī)效用理論，第s類(lèi)旅客在第j個(gè)接駁交通方式的效用表示如下：

那么，第s類(lèi)旅客選擇第j個(gè)出行方式的概率為表示如下：

采用軟件Nlogit6對(duì)上述模型參數(shù)進(jìn)行估計(jì)，其結(jié)果如表5所示.

表5 多項(xiàng)Logit模型參數(shù)估計(jì)

（續(xù)表5）

此時(shí)，第一類(lèi)群體的最大似然函數(shù)值為-490.88，擬合優(yōu)度為0.115 2；第二類(lèi)群體的最大似然函數(shù)值為-362.92，擬合優(yōu)度為0.197 5；第三類(lèi)群體的最大似然函數(shù)值為-236.85，擬合優(yōu)度為0.132 9.根據(jù)擬合優(yōu)度在邏輯回歸中精確度的判定，擬合優(yōu)度在0.1至0.2范圍內(nèi)，模型精度較高[11]. 所以，本文模型精確度較高.

3.2 旅客接駁交通方式選擇分析

利用上述建立的多項(xiàng)logit模型對(duì)旅客的出行選擇進(jìn)行預(yù)測(cè)，結(jié)果見(jiàn)表6. 與表4結(jié)果相比：各類(lèi)旅客群體的主體傾向于選擇公交地鐵組合和地鐵兩種接駁交通方式，第三類(lèi)“學(xué)生型旅客”的選擇比例最大，為94.56%（實(shí)際選擇比例94.93%），其次為第二類(lèi)“商務(wù)型旅客”，達(dá)到84.59%（實(shí)際選擇比例82.88%），第一類(lèi)“休閑型旅客”也有69.20%（實(shí)際選擇比例70.53%）. 這主要因?yàn)閺V州市公共交通網(wǎng)絡(luò)發(fā)達(dá)，具備便利、快捷、時(shí)間可靠性高和費(fèi)用較低的綜合特征，適合于大部分旅客群體的出行需求. 同時(shí)，出租車(chē)和私家車(chē)雖具有無(wú)需換乘且步行距離短的特點(diǎn)，其直達(dá)性較高，但相比于公共交通，這兩類(lèi)接駁交通方式時(shí)間可靠性不高，且費(fèi)用也較高. 因此，對(duì)費(fèi)用較為敏感的“學(xué)生型旅客”和對(duì)于出行時(shí)間可靠性要求較高的“商務(wù)型旅客”主要選擇了公共交通方式出行；而以旅游和探親訪友為主的“休閑型旅客”，在選擇交通工具時(shí)，本著高效便捷直達(dá)目的地的心理，對(duì)通達(dá)性要求高些，對(duì)時(shí)間可靠性要求不很高，對(duì)費(fèi)用也沒(méi)有“學(xué)生型旅客”那么敏感，所以“休閑型旅客”中約有30.8%（實(shí)際選擇比例29.46%）的旅客選擇了出租車(chē)和私家車(chē).

表6 各類(lèi)旅客選擇接駁交通方式的預(yù)測(cè)結(jié)果

4 結(jié)論

本文以廣州南站旅客為例，基于潛在類(lèi)別模型將旅客劃分為三類(lèi)來(lái)研究市內(nèi)接駁交通市場(chǎng)細(xì)分問(wèn)題，采用多項(xiàng)Logit模型分析各類(lèi)旅客選擇市內(nèi)接駁交通方式（公交地鐵組合、地鐵、出租車(chē)、私家車(chē)）的概率，結(jié)果表明各類(lèi)旅客選擇接駁交通方式的預(yù)測(cè)概率與實(shí)際概率相差不大，模型預(yù)測(cè)的正確率達(dá)90.94%，這說(shuō)明本文設(shè)計(jì)的方法具有一定的可行性. 這三類(lèi)旅客群體雖然具有明顯的屬性特征差異性，但在接駁交通方式選擇上主要傾向于選擇公共交通方式出行，這主要得益于廣州市公共交通方式的方便快捷和費(fèi)用低廉，但公共交通方式在站點(diǎn)選址和線路停站方案上有待提高，以便滿足各類(lèi)不同需求層次的旅客出行需求，減少旅客出行的步行距離和換乘次數(shù)，進(jìn)一步提高公共交通方式的選擇概率，緩解城市道路交通擁擠.