英文题目：Exploring the role of passengers’ attitude in the integration of dockless bike-sharing and public transit: A hybrid choice modeling approach

中文题目：探索乘客态度在无桩共享单车与公共交通整合中的作用：一种混合选择建模方法

论文作者：郭东博，姚恩建，刘莎莎，陈荣升，洪俊意，张峻屹

论文期刊：Journal of Cleaner Production

论文网址：https://www.sciencedirect.com/science/article/pii/S0959652622052015

摘要：无桩共享单车（DBS）的出现使居民在城市内的出行变得更加方便。公共交通与DBS的结合为可持续交通发展提供了有效的方法。尽管一些研究已经考虑了出行行为的异质性，但很少有人考虑对DBS的态度和偏好如何影响组合出行方式的选择。本研究旨在利用北京收集的声明偏好数据，揭示居民的共享单车态度对组合出行方式选择的影响。基于嵌套Logit模型的选择模型和潜在变量的综合模型（ICLV-NL），将社会效益和对共享单车满意度这两个潜在变量纳入离散选择模型中，从而捕捉态度因素与观察变量之间的关系。结果表明，与多项Logit模型和嵌套Logit模型相比，ICLV-NL模型具有更好的拟合度和解释能力。ICLV-NL模型结果显示，对共享单车持积极印象的居民更有可能选择将公共交通与DBS整合使用，而DBS的取车距离显著影响将其作为连接公共交通的补充模式的使用。令人惊讶的是，DBS的状态对出行方式选择没有显著影响。本文为DBS与公共交通结合选择提供了更多深入的洞察，有助于绿色可持续交通的发展。

关键词：Dockless bike-sharing,Public transit,Feeder mode,Attitudes,Hybrid choice model

1 研究背景

以公共交通为主导的多模式城市交通系统可以大幅减少二氧化碳排放、空气污染和道路拥堵问题。然而，起/终点的问题却一直存在，严重影响乘客的偏好以及公共交通的发展。针对这些问题的一个可行解决方案是促进自行车与公共交通系统的结合，这可能是一种有效的方法，因为中国有大量的自行车用户，并且自行车具有一些明显的优势，比如价格实惠、便利性和可达性强等。

随着物联网技术和智能手机的快速创新，一种名为无桩共享单车（DBS）的更新系统迅速出现，并彻底改变了市场格局。除了秉承公共自行车系统的可持续性、环保友好和共享经济理念外，DBS系统为用户提供了更多的自由和便利性，使其能够更方便地骑行。人们可以通过智能手机应用完成整个使用过程，包括搜索、预订、解锁和归还等。这些创新是由互联网公司而不是有足够资金的政府发起的。在北京，2019年有16家DBS公司提供235万辆自行车，月租价低至9.9元人民币，骑行无限次。因此，自从DBS进入市场以来，居民一直对其持有积极态度，并愿意随时使用。一些数据驱动的研究已经调查了DBS使用的特点，其中包括平均骑行距离为1.5公里，这可以通过为公共交通站提供快速、无缝和廉价的接入，成功地补充公共交通。

然而，DBS的迅速扩张也带来了一些负面影响。自行车的快速增长远远超过了即时需求，使中国城市不堪重负，缺乏用户规范导致DBS被破坏甚至被盗，破坏了城市的美观环境并阻塞了地铁系统的入口。尽管系统中有太多的DBS，但利用率仍然处于低水平，不足的利润无法维持高额的投资和维护成本。最终，一些公司破产，用户无法获得他们的押金。为实现DBS行业的可持续发展，一些严格的政策限制被提出并规范了无序的市场。乘坐DBS进行出入可能比使用公共交通更昂贵，并且在某些公共交通站点周围难以找到可用的DBS，除非额外增加取车距离，这导致了DBS与公共交通集成的使用量显著减少。DBS不能被视为补充模式，而应该将DBS与公共交通的结合视为一种出行模式，考虑到它们之间的互动，这在现有文献中受到了有限的关注。

随时间形成的态度反映了决策者的特征，并反映了个体的需求、价值观、品味和能力。出行模式态度是指对某种出行模式的有利或不利程度的评价或评估。过去的文献已经承认并强调了用户态度对各种交通系统中出行模式选择的影响（潘等，2019；穆尼奥斯和拉尼亚多，2021；桓等，2022）。过去几年里DBS的发展和调整极大地改变了中国用户的态度（夏等，2022），用户的态度不再是对DBS的赞美，而是谨慎和冷静。研究DBS用户目前的态度以改善公共交通系统的管理和运营是值得探究的，特别是在新冠疫情大流行之后。只有少数先前的研究考虑了对DBS与公共交通结合的态度。在本研究中，试图填补这一空白，探讨乘客对DBS与公共交通结合的态度的作用。

本文的主要贡献总结如下：

首先，选择了与DBS和公共交通的结合作为目标，包括地铁系统和巴士系统，这增加了可能的出行模式选择，真实地重建了旅行者在交通系统中的实际决策过程。

其次，在方法论角度，我们开发了一个混合选择模型（HCM），即嵌套逻辑模型和结构方程模型的结合，以解释对DBS的不可观察态度因素，并代表出行模式选择行为。在出行模式选择模型中，我们将DBS和公共交通视为一种结合的交通模式，而不仅仅是先前研究中将DBS视为补充模式。

最后，从实证角度出发，本研究以北京为例，进行了一项基于所提出的HCM模型的实证研究。应用了一项陈述偏好的在线调查，并分析了居民对DBS的当前态度，包括满意度和社会效益，并揭示了公共交通和DBS结合行为中的异质性。

2 研究数据
2.1 调查设计

为了获取居民的出行方式选择数据，我们进行了基于网络的声明偏好（SP）调查，涉及社会人口学变量、态度陈述偏好和实验性设计的情景，以研究这些变量如何影响旅行者声明的出行方式组合。本文收集了2021年6月至7月的北京460名在线受访者的数据。问卷从询问受访者的社会人口概况开始，接着是一系列关于受访者对DBS态度的陈述，以获得受访者的态度特点，问卷的最后部分是SP出行方式选择调查。

社会人口学调查涉及受访者的个人信息，如性别、年龄、收入、教育和职业。态度陈述旨在通过涵盖11个问题的5点利克特量表，从不同维度捕捉受访者对DBS的内在态度，包括认知、社会效益和对DBS的满意度。在出行方式选择部分，主要调查了受访者在通勤和非通勤情景下对各种出行方式的偏好。对受访者而言，有五种主要的出行方式：公交、地铁、私家车、出租车和DBS。由于公共交通无法提供门到门服务，我们考虑了补充模式，根据北京的实际情况，步行和DBS是最常用的补充模式。此外，还考虑了地铁和公交的整合，以及地铁和私家车的整合。表1显示了属性的级别。

表1 实验中属性的级别

不同属性水平的可能组合可能会导致成千上万种情景，因此我们使用正交设计生成了12个情景作为情景池。更具体地，图1展示了一个短途情景的示例。由于北京的车辆购买限制，一些受访者可能没有私家车，因此不包含私家车的出行方式选择将被排除在这些受访者之外。由于DBS覆盖范围有限，在中长途情景下，不考虑仅包含DBS的选择。

图1 一个短途场景例子

2.2 数据收集
    在 Covid-19 疫情之后，受访者因健康问题不愿进行面对面的线下调查。因此，我们通过中国流行的在线调查网站 www.wjx.cn 收集了460份问卷，时间从2021年6月到7月。为筛选有效样本，我们要求受访者完成调查的时间至少为2分钟，且IP地址应位于北京。共收集了415份有效问卷和4980个出行选择样本。表2总结了有效样本的社会人口学描述统计数据。

表2 社会人口统计学属性的描述性统计数据

在SP出行方式选择调查部分，我们对受访者的选择偏好进行了交叉统计分析。图2展示了受访者的社会人口学属性对其选择公共交通和DBS结合的影响。

图2 社会人口学属性对其选择公共交通与DBS结合的影响比例

总体而言，女性、年轻人、低收入和高受教育程度的受访者更有可能选择在城市中使用公共交通和DBS的整合出行方式。与男性相比，女性的体力较低，步行速度较慢，更愿意选择组合出行方式。由于高教育程度与高收入高度相关，受教育程度较高且收入较高的受访者更倾向于选择更舒适和更快捷的出行方式。相反，他们决定较低的比率来整合公共交通和DBS。年轻人目睹了DBS的快速发展，这已成为他们日常出行的主要方式，因此对于整合公共交通和DBS更加熟悉和愿意使用。这些见解将为随后的行为建模提供信息。

2.3 态度陈述分析

本研究的一个主要贡献是探究出行者对无桩共享单车（DBS）的态度对他们的出行方式选择行为的影响。因此，我们应用一系列态度陈述来捕捉受访者的态度。指标的命名和分类是基于相应陈述的含义，包括对DBS的认知（CB1–CB2）、社会效益（SB1–SB5）和对DBS的满意度（BS1–BS4）。受访者被要求使用五点李克特量表来量化他们对这些陈述的态度，范围从“非常不同意”到“非常同意”。表3和图3详细说明了每个陈述并将受访者的答案进行了总结。

表3 对态度陈述的反应的统计结果

图3 个人对DBS态度的统计分布

绝大多数受访者对DBS持积极态度。在上述三组指标中，受访者高度评价与DBS相关的社会效益（SB），尤其是减排（4.30）、出行丰富性（4.22）和出行便利性（4.24）。然而，30%的受访者认为DBS在缓解交通拥堵方面效果有限（3.93），这可能是因为在使用DBS多年后，北京仍然存在大规模的交通拥堵。环保（SB2）是一个自我评估指标；80%的受访者认为自己对环保较为敏感。DBS在中国经历了一段发展时期，因此受访者对其兴趣（3.90）的减少和熟悉程度（4.25）的增加是自然的。在对DBS满意度的指标中，舒适性和安全性的评分最低（3.49/3.53），只有20%的受访者认为DBS足够舒适和安全，反映出DBS设施的当前状况不尽人意。此外，大多数受访者认可DBS的便利性和经济性（3.93/3.80）。

根据态度陈述的回答，我们进行了一项探索性因子分析测试（EFA），以识别和匹配影响依赖指标的最显著的潜在变量。我们得到了一个双因子结构，EFA的结果显示在表4中。每列中的值表示每个指标在两个潜在变量上的因子载荷，这些值暗示了指标与两个因素的相关程度。每列中的最高值被保留下来，以代表最显著的指标，而低于0.4的值被省略，包括四个指标，即CB1、CB2、SB2和BS1，剩下七个指标。问卷的可靠性和效度将影响建模的准确性和结果的合理性。在本文中，我们使用Cronbach α和Kaiser-Meyer-Olkin（KMO）测试来分别衡量问卷的可靠性和效度。在研究中，问卷的KMO值为0.842，表明每个变量之间的相关性较强，并且两个选定的七个指标的变量之间的结构效度很好。

在可靠性和效度测试之后，解释性因子的构成因素被确定并应用于ICLV模型中的潜在变量。

表4 探索性因子分析结果

3 研究方法（基于ICLV-NL的组合旅行选择模型）

3.1 模型说明

基于嵌套逻辑模型（NL）的ICLV框架被用来描述旅行者的出行方式选择行为。如图4所示，ICLV-NL模型结构包括结构模型、测量模型以及带有NL结构的选择模型。更具体地说，结构模型被认为是将社会人口学变量和潜在变量连接起来的桥梁，测量方程则规定了潜在变量与态度指标之间的关系。

图4 ICLV-NL模型结构图

3.1.1 结构模型
    结构模型捕捉了潜在变量与观察变量之间的关系。使用了两个名为“社会效益”和“对DBS的满意度”的潜在变量。每个潜在变量都有一个结构方程，将其值与观察到的社会人口学变量联系起来。我们使用来表示旅行者n的第k个潜在变量，并将其在线性公式中表示为：
                                                                  
其中，和分别代表待估的潜在变量k的系数向量和截距，是受访者n的社会人口学属性向量。是假设为服从均值为零，标准差为的正态分布的潜在变量k的随机扰动项。
3.1.2 测量模型
    根据表4中的EFA结果，我们选择了七个态度属性来校准测量模型：SB1、SB3、SB4、SB5、BS2、BS3和BS4。对每个陈述的回答定义为一个态度指标，并需要一个测量方程来表示它与相应的潜在变量之间的关系。在这里，我们使用有序probit模型来解释与态度陈述的五级回答尺度相对应的观察指标值，而不是仅仅依赖于简单的线性方法或潜在的引入偏差的确定性方法。与受访者(n)的某个态度陈述(sth)相关联的指标，并使用潜在变量k作为解释变量，可以定义为：
                                                                  
    其中，和为待估计的的系数和截距；是一个随机扰动项，假设为正态分布，均值为零，标准差为，表示对属于被调查者n的潜在变量k的sth态度陈述的实际答案。属于潜在变量和的sth指标的顺序量表为的上下阈值。由于不能估计完整的阈值集，所以我们将第一个阈值设置为0。在五级响应量表的情况下，测量模型中除外，需要三个阈值。即，我们估计其他三个阈值的差值如下：
                                                                   
被调查者n回答对sth态度陈述的概率可以定义为：
                                                                    
概率可计算为：
                                                                    
    其中，表示标准化正态分布的累积分布函数。

3.1.3 选择模型
    基于自然语言结构的选择模型可以填补“无关替代独立性”（IIA）的差距，对于乘客n，我们使用来表示选择嵌套m中选择替代方案r的概率，其中m是嵌套集合?中的一个元素，= 1, 2, 3，...，。它可以表示为：

    其中，表示选择交通方式m的边际概率，表示旅客n在交通方式m的选择集合中选择备选项r的条件概率。计算的一般导数公式如下：

在NL模型的上层，乘客n选择交通方式m的效用感知由和两部分组成，其中表示仅与上层主要交通方式m相关的上层固定效用项，而是对应于乘客n选择交通方式m时反映下层出行选择综合效用的对数总和项。和分别是NL模型上层和下层的缩放参数，由于归一化在底层进行，因此=1且≥1。是表示主要交通方式的选择集合，是交通方式m中的备选项集合。

ICLV-NL中选择模型的效用函数由五个具体部分组成，即情境属性、潜在变量、社会人口属性、常数和模型参数。情境属性可以分为服务水平属性和出行属性。具体而言，考虑的服务水平属性包括旅行时间（TT，应用于所有备选项，其系数随每种交通方式而变）、旅行成本（TC，应用于所有备选项，反映票价、燃料和停车费等总货币成本，其系数在备选项间相同）、等待时间（WT，应用于A1-A6，衡量公共交通系统中的总等待时间，其系数与公共交通有关）。此外，还使用与交通接驳服务（DBS）相关的两个专用服务水平属性来捕捉DBS与公共交通整合的影响：DBS接驳距离（BPD，应用于A2、A4、D）和DBS状态（SBS，应用于A2、A4、D）。这两个服务水平属性的系数都包含在备选项中，其中包括将DBS作为接驳交通方式以捕捉受访者的敏感性。至于出行属性，考虑了出行目的（TP，应用于B、C）和出行起始地与目的地距离（TD，应用于B、C）。已经证明这些出行属性对选择行为有影响。

3.2 模型估计结果

根据上述描述的模型规范，借助于Python Biogeme 3.2.6，使用数值积分通过最大似然方法进行校准，除了本文提出的 ICLV-NL 模型外，还提供了标准 MNL 和 NL 的结果以供比较。

为了评估 ICLV-NL 模型，我们分别强调了模型拟合效果和解释效果。为了评估这些模型的拟合度，使用了一些指标，如 Akaike Information Criterion（AIC准则）， Final Log-likelihood Value（FLV），Rho-squared 值和调整后的 Rho-squared 值。一般来说，较高的 FLV 值和较低的 AIC 值表示模型拟合得更好。此外，当名为 Rho-squared 值的拟合度指标显著性大于0.2时，通常认为模型拟合良好。如表5所示，这三个模型的调整后 Rho-squared 值均超过0.2，表明使用每个规范是合理的。至于考虑潜在变量的提出的 ICLV-NL 模型，调整后 Rho-squared 值和 AIC 分别达到了0.229 和 15,346.05，优于其他两个模型。这些结果表明，包含潜在属性变量的 ICLV-NL 模型更适用于描述综合出行选择行为。

表5 出行方式选择模型的估计结果

在模型解释方面，所有估计参数的正负符号在三个模型中都表现出很强的一致性。一般来说，旅行模式选择中两个最常讨论的变量，即 TT（旅行时间）和 TC（旅行成本）的估计系数在所有三个模型中都是负的，这是预期的。旅客更喜欢成本更低、时间更短的出行方式。此外，WT 反映了乘客等待乘坐公共交通的感知效用，具有负系数。WT 的系数绝对值比 TT 更大，这表明旅客强烈反对在公共交通系统中等待。基于 NL 的选择模型中，DBS 接送距离系数显著为负，值为 -0.175 和 -0.187。这表示 DBS 接送距离显著影响作为乘客通往公共交通的供给方式的 DBS。DBS 接送距离越短，乘客选择使用它的可能性就越大。从常识来看，可能会直觉地认为乘客更喜欢骑新的自行车。然而，结果并不支持我们的假设。另一个服务水平属性，即 DBS 的状态，在任何模型中统计上都不显著。然而，我们在表5中保留了它。这可以给我们一个新的观点，即 DBS 总是作为一种供给方式，乘客只关心 DBS 设施的可达性，而不关心自行车的年龄或状态。考虑到出行属性，出行目的和出行距离变量被应用于机动出行方式的选择中。以通勤作为基准，其他出行目的的估计结果是正的。t 值非常显著，表明在非通勤情况下，旅客更倾向于选择机动车出行方式。所有三个模型中，非通勤出行目的的显著系数按从高到低的顺序排列，依次为携带大件行李、商务和娱乐。此外，随着出行的起终点距离增加，乘客更愿意选择机动车出行，而将共享单车与公共交通相结合在短中程距离情景下具有优势。

在 ICLV-NL 模型中的潜在变量方面，SB 和 BS 的估计结果在 ICLV-NL 模型中都导致显著的正系数，分别为 0.103 和 0.0462。潜在变量的符号表明对于旅客使用共享单车与公共交通的集成有积极影响。旅客对共享单车满意度越高，他们越有可能选择它作为供给方式。因此，对于共享单车公司来说，创造积极的服务氛围以增强公众对与共享单车相关服务的潜在态度是必要的。此外，所有社会人口统计变量都是显著的，并且系数表明女性、高学历、低收入、年龄较小的人会选择共享单车与公共交通的结合，这与图3中的描述结果相同。

表6显示了 ICLV-NL 模型中结构和测量模型组成的结果。结构模型指定了潜在变量 SB 和 BS 的线性关系，由不同组合的社会人口统计变量和随机扰动项表示。测量模型建立了潜在变量与态度指标之间的方程，采用有序probit模型规范。所有涉及参数的符号都是显著的，并且与预期一致。

表6 ICLV-NL模型中结构和测量模型组件的结果

3.3 出行时间价值

为了进一步代表模型的外部效度并提供良好的公共政策和规划应用，进行了出行时间价值（VOT）的计算，通过使用出行时间和出行成本的系数：

其中是出行时间的系数，是出行成本的系数。基于NL模型和ICLV-NL模型的结果在图5中进行了可视化。根据NL模型的结果，乘客愿意支付13.39、19.02、20.98、14.70人民币（CNY）以减少公共交通、汽车、DBS（共享单车）、步行的一小时出行时间。他们愿意支付105.17 CNY以节省一小时的公共交通候车时间，以及4.52 CNY以减少1公里的DBS骑行距离。然而在ICLV-NL模型中的结果显示，VOT的值分别为13.18、19.57、15.66、15.01、102.51和4.18 CNY。总体而言，汽车的VOT高于步行和公共交通，因为其具有舒适性和便利性。更出乎意料的是，在NL模型中，DBS的VOT仍然相对较高，甚至超过了汽车。目前，乘客每30分钟需支付1.5 CNY以使用DBS，此外还需要付出体力。先前的统计数据显示，使用DBS的上下车时间大约为15分钟；因此，相对较高的价格在一定程度上是不可接受和不经济的。至于公共交通，尽管其VOT最低，但在公共系统中的候车时间对旅客来说是令人讨厌的。在公共交通系统内实现有效的连接至关重要。

图5 基于NL和ICLV-NL模型的出行时间值（VOT）（CNY/h）

比较这两个模型，考虑潜在变量的ICLV-NL模型中与公共交通和DBS相关的VOT低于其他模型。持积极态度的乘客愿意为DBS和公共交通付费。他们能够意识到环保出行对社会的重要性。在寻找车站附近的DBS时，他们甚至可以接受步行更长的距离。通过将潜在变量聚合到出行方式选择模型中，我们可以更好地解释VOT和乘客的付费意愿。

 4 结果与结论

了解影响共享单车（DBS）与公共交通融合的因素，可以使政策制定者和运营商提高DBS的利用效率和周转率。然而，目前对乘客对此的态度以及将DBS和公共交通融合视为组合出行方式的研究还相对较少。为了弥补这一研究空白，本文基于在北京收集的基于网络的调查数据，提供了关于乘客对DBS和公共交通融合的态度在其中的作用的洞察。所提出的模型的估计结果验证了偏好异质性：女性、高受教育程度、低收入和年轻的乘客更有可能利用DBS和公共交通的融合。我们采用了ICLV-NL模型，同时描述了解释变量和旅行者态度之间的因果关系，并将态度集成到选择模型中作为变量。正如预期的那样，与对DBS的态度相关的潜在变量与组合出行选择行为相关。相反，对DBS持积极态度的旅客增加了DBS和公共交通的融合。此外，我们还应用所提出的模型来计算VOT，结果显示，在NL和ICLV-NL模型中，DBS的VOT相对较高，分别为20.98和15.66 CNY/小时，这降低了乘客的支付意愿，限制了DBS与公共交通融合的发展。这项研究为DBS和公共交通融合的政策制定和运营管理提供了参考。