基于BL模型的出租车需求运价弹性研究

2022年6月5日09:18:22基于BL模型的出租车需求运价弹性研究已关闭评论
摘要

笪媛 肖为周 秦菲菲摘 要:出租车是城市交通不可或缺的一部分,近年来网约车对出租车市场造成了一定的影响。为研究影响乘客选择出租车和网约车的因素,以及是否应该放开价格管制,本文构建基于二元Logit(Binary Logit)的选择模型,在苏

    笪媛 肖为周 秦菲菲

    

    

    

    摘 要:出租车是城市交通不可或缺的一部分,近年来网约车对出租车市场造成了一定的影响。为研究影响乘客选择出租车和网约车的因素,以及是否应该放开价格管制,本文构建基于二元Logit(Binary Logit)的选择模型,在苏州市开展出租车使用特征、选择偏好和价格意向的实证调查,根据参数显著性解释城市综合交通背景下出行方式选择的关键因素,对于出租车客运量与出租车运价使用最小二乘法建立对数计量经济模型,得出苏州出租车的需求运价弹性值,苏州市出租车起步价和里程价的价格弹性值均小于1,不宜放开价格管制,应该降低起步价或者上涨里程价。为出租车行业发展提供建议。

    关键词:城市出租车;需求运价弹性;二元Logit模型;出行方式选择

    Abstract:Taxi is an indispensable part of urban transportation. In recent years, online car-hailing has caused some impact on the taxi market. In order to study the factors that influence passengers choice of taxis and online car-hailing and whether price controls should be lifted, this paper constructs a binary Logit-based selection model, and conducts an empirical survey of taxi use characteristics, selection preferences and price intentions in Soochow. Based on the parameters, it explains the key factors of travel mode selection in the context of urban comprehensive traffic. The least squares method is used to established a logarithmic econometric model of passenger traffic volume and taxi price, and the demand price elasticity value of Suzhou taxis is obtained, and the price elasticity of the starting price and the mileage price of taxis in Suzhou are both less than 1, it is not appropriate to deregulate the price, and should lower the starting price or increase the mileage price. which provides suggestions for the development of the taxi industry.

    Keywords:City taxi; demand price elasticity; binary Logit model; travel mode selection

    0 引言

    隨着互联网对人们生活方方面面的渗透,使用打车软件出行已经成为新的出行方式。网约车的出现对出租车的固有性质造成了一定的冲击,网约车凭借其价格优势和依托互联网平台迅速扩张,已成为城市交通系统中一个重要的组成部分[1]。由于网约车的迅速发展,对出租车产生巨大的冲击,为此相关人员针对出租车如何应对这种冲击进行了大量的研究。如:出租车运价的研究主要集中在利润最大化问题[2-4]、出租车动态定价问题[5]、出租车司机补贴方法[6],这些研究大多是从成本来考虑出租车定价,定价方式考虑因素比较单一化,从需求价格方面来研究出租车价格管制的比较少见,对出租车和网约车选择方式的影响因素研究也不多。

    在出行方式选择方面,杨志勇[7]对长春市居民进行了出行调查和价格意向调查,建立了方式选择MNL模型,使用遗传算法计算出长春市出租车最优票价。曹祎等[8]研究了信息环境下成都市出租车乘客对巡游车及网约车的出行方式选择特性,分析了出行方式的影响因素。

    在价格管制方面,梁希喆[9]将出租车客运量与运价建立对数计量经济模型,根据回归结果得到北京市出租车需求价格弹性值是-0.49,认为放松价格管制不一定有效果。张朝霞等[10]分析了互联网时代出租车管理体制和争议,提出完善运价体系等创新管理模式。涂颖菲等[11]从计费方式和费率两个方面描述汽车分时租赁的定价形式,认为对于长期而言,上海新能源汽车租赁系统EVCARD时长费率提高0.1元/min,得到需求价格弹性值较小,乘客能逐渐适应并接受价格的变化。Zhen[12]在匹兹堡进行了问卷调查,分析了出租车和网约车乘客出行特征。Wong等[13]对价格弹性的影响因素做了定性分析。另外一些学者从出租汽车分担率水平变化的角度讨论出租车运价调整的敏感度[14-16],还有一些学者从出租车管制改革角度提出了出租车运价优化的方法[17-18]。

    本文从乘客视角,对苏州市出租车使用特征、选择偏好和价格意向进行实证调查,基于二元Logit(Binary Logit)选择模型来反映乘客的选择特性,对于影响出租车选择的关键因素进行研究,并根据OLS法(最小二乘法)计算出租车运价变化的需求弹性值,以期为出租车运价优化方向提供参考。

    1 基于二元Logit的出租车选择模型

    1.1 模型设定

    出租车和网约车是现代城市个性化出行方式中最经常使用的方式,在属性和特征两方面差异较大,两种方式的选择仅与方式本身有关,与其他因素无关,满足Logit模型的不相关性,因此可采用二元Logit模型进行分析。该模型的公式为:

    1.2 问卷设计与调查

    采用SP调查方法获取苏州市居民出行的意愿数据,从出行者个人信息(性别、年龄、职业、个人月收入和家庭中小汽车使用情况等)、出行方式信息(最经常的乘车目的、乘车距离、乘车时间和乘车时间段)、出租车运价意向调查(起步价、里程价分别上涨和下降时乘客的出行方式变化)这3个方面设计乘客出行行为以及价格意向调查问卷。结合问卷问题设置,对模型变量进行定义和整理,见表1,以便SPSS能够处理得到BL(Binary Logit)模型中各个参数的值。

    1.3 结果分析

    采用SPSS 22软件对所要构建的BL模型进行参数标定,利用SPSS软件中二元Logit模块对参数进行标定。通过Hosmer-Lemeshow检验得到显著性值为0.388,显著性值大于α(此处α取0.05),表示得到模型的拟合优度高。使用分类表来检验Logit回归模型预测的准确性,模型总的预测正确率为81.6%,说明模型的预测准确率比较高。

    先进行变量筛选,得到打车距离、私家车情况、职业和月收入等变量显著性水平大于0.05,所以这些变量并不会进入模型。而性别、出行目的和年龄等变量的显著性小于0.05,表明这些变量对于模型的意义显著,因此可以纳入到出租车方式选择模型中,再代入SPSS中进行这些变量和因变量的二元Logit回归分析,得到结果见表2。

    2 需求价格弹性模型

    2.1 模型设定

    根据Logit模型建立了苏州市居民出租车和网约车二元选择模型,对公式(1)的模型进行点弹性值分析,Logit模型的点弹性分析推导如下:

    当其他因素不变时,使用此模型可以准确衡量出自变量对需求的弹性,也就是价格对需求的影响程度可以准确反映,因此选择对数回归模型进行需求价格分析。

    2.2 数据来源及处理

    P为出租车平均价格,由于相关部门没有相应的统计结果,参考梁希喆[9]的估算方法,结合苏州市实际数据得到估算方法为:根据苏州市某天出租车计价器的运营数据计算出平均打车里程,根据平均打车里程推算出平均价格。Q为出租车客运量,根据出租车运价选择意向问卷,结合真实的运营数据,预测各个里程分段的人次,预测人次结果见表3。选取2018年5月11日的出租车运营数据进行分析,总计105 459条,删除异常数据,得到105 176条数据,里程分布如图1所示,计算出平均打车里程为8.8 km。

    根据问卷价格意向调查的数据,对起步价和里程价分别上涨和下降后不同出行里程的乘客进行选择意向调查,按照一天苏州市出租车客运量为105 176次,预测苏州市一天的意向客运量见表3。

    2.3 模型参数估计

    2.3.1 起步价调整

    (1)起步价上涨

    目前苏州市出租车运价,起步价为13元(包括3元燃油附加费),里程价为1.8元/km,根据图1计算出苏州市出租车平均打车里程为8.8 km,计算得到8.8 km时只考虑起步价和里程价的价格为24元,依次计算出起步价上涨(涨幅为1元)后8.8 km运输里程下的价格,见表4。

    (2)起步价下降

    计算得到8.8 km时只考虑起步价和里程价的价格为24元,依次计算出起步价下降(降幅为1元)后8.8 km运输里程的价格,见表5。

    2.3.2 里程价调整

    (1)里程价上涨

    计算得到8.8 km时只考虑起步价和里程价的价格为24元,依次计算出里程价上涨(涨幅为0.1元)后8.8 km运输里程的价格,见表6。

    (2)里程价下降

    计算得到8.8 km时只考虑起步价和里程价的价格为24元,依次计算出里程价下降(降幅为0.1元)后8.8 km运输里程的价格,见表7。

    2.4 模型结果分析

    模型中lnP的系数为出租车的需求价格弹性,起步价增加的弹性值为-0.38,里程价增加的弹性值为-0.49,起步价减少的弹性值为-0.45,里程价减少的弹性值为-0.60。绝对值均小于1,说明缺乏弹性,这表明苏州市出租车运价的变动对需求的影响并不大,因此放开价格管制的效果不明显,不建议放开价格管制。原因分析如下:出租车需求主要分为3种,一是业务办公性质的出行,公务需求中有很大部分是公费出行,所以这类乘客的需求弹性较小,他们选择网约车的概率也比较小。第二是消费性的出行,收入水平影响这类人的出行,高收入群体的出行费用占其消费总额较少,低收入群体考虑价格因素较多,选择出租车的概率不高,因此他们的价格弹性都比较低。第三是特殊情况出行,比如去医院或者是恶劣天气等,原本从公共交通转移到出租车的人群,也并不会因为价格变动而有很大改变。

    出租车合理需求价格弹性值参考郝佳[19]研究结论,即为-0.41~-0.52。对于苏州市目前出租车来说,起步价下降和里程价上涨时,引起的需求弹性值变化在比较合适的范围内,也是乘客可以接受的范围,因此建议价格调整可以进行起步价下降或者里程价上涨,对于稳定出租车市场有一定的积极意义。

    3 结束语

    本文以苏州市出租车使用特征、选择偏好和价格意向的实证调查数据为基础,构建了二元Logit模型以研究出行方式选择的关键因素,对于出租车客运量與出租车运价,使用最小二乘法建立对数计量经济模型,对出租车的价格弹性值进行了回归计算,所得结论总结如下:

    (1)网约车和出租车在功能定位上有一定的重复,在业务办公和探亲访友的情况下,出租车成为了超过半数人的选择,而在上下班时,网约车就变成了首选。为了提升出租车的竞争力,可考虑在上下班高峰使用出租车合乘等方式,减少出行费用和等车时间。女性和年龄越大者更倾向于出租车,可以考虑提高出租车方便性或者开展各种乘车活动来增加青年人群。

    (2)对于呼声不断增加的放开价格管制的方法,由于苏州市出租车运价弹性小于1,放开价格管制并不一定会改善出租车行业的现状。现在仍然处于政府管制和市场过渡的阶段,目前实行价格管制仍有一定的作用,可以先考虑进行价格调整——起步价下降或者里程价上涨,更利于乘客接受。

    (3)出租车作为传统的打车出行方式,已经有部分市场被网约车取代,除去网约车的价格优势以外,网约车依托互联网平台的方便性也是另外一个优势,出租车发展应该要加强与互联网技术的深度融合。

    【参 考 文 献】

    [1]唐立,邹彤,罗霞,等.基于混合Logit模型的网约车选择行为研究[J].交通运输系统工程与信息,2018,18(1):108-114.

    TANG L, ZOU T, LUO X, et al. Choice behavior of taxi-hailing based on mixed-logit model[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(1): 108-114.

    [2]QIAN X W, UKKUSURI S V. Time-of-day pricing in taxi markets[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 18(6):1610-1622.

    [3]GONG X, LIU Q, WENG X. Impact analysis of factors for taxi pricing system[C]// International Conference on Transportation Engineering, ASCE, 2015.

    [4]YANG Z. Analysis of Washington, DC taxi demand using GPS and land-use data[J]. Journal of Transport Geography, 2018, 66: 35-44.

    [5]GUO S M, LIU Y X, XU K, et al. Understanding ride-on-demand service: Demand and dynamic pricing[C]//2017 IEEE International Conference on Pervasive Computing and Communications Workshops (PerCom Workshops), Kona, HI, USA, 2017.

    [6]XING J R, WANG S X, ZHENG Z H. Model construction and quantitative analysis of taxi-hailing subsidy scheme[J]. Journal of Traffic and Transportation Engineering, 2017, 2(1):1-5.

    [7]杨志勇.长春市出租车合理价格研究[D].长春:吉林大学,2016.

    YANG Z Y. Study on the reasonable taxi fare of Changchun[D]. Changchun: Jilin University, 2016.

    [8]曹祎,李彦瑾,罗霞.考虑网约车影响的出租车乘客出行方式仿真[J].系统仿真学报,2018,30(2):505-512.

    CAO Y, LI Y J, LUO X. Simulation of taxi passenger travel mode considering the influence of online booking taxi[J]. Journal of System Simulation, 2018, 30(2): 505-512.

    [9]梁希喆.北京市出租车需求价格弹性分析:基于2001—2011年的年度数据[J].交通财会,2013,28(4):69-72.

    LIANG X Z. Beijing taxi demand price elasticity analysis based on annual data from 2001 to 2011[J]. Finance & Accounting for Communications, 2013, 28(4): 69-72.

    [10]张朝霞,秦青松,张勇.“互联网+”时代客运出租车管理改革方向探讨[J].价格理论与实践,2015,35(7):17-20.

    ZHANG Z X, QIN Q S, ZHANG Y. Discussion on the reform direction of passenger tax management in the era of "Internet +" [J]. Price: Theory & Practice, 2015, 35(7): 17-20.

    [11]涂穎菲,蔡茜,陈小鸿.汽车分时租赁定价及价格弹性分析[J].交通与港航,2018,5(6):31-37.

    TU Y F, CAI Q, CHEN X H. Analysis on pricing and price elasticity of car-sharing system[J]. Communication & Shipping, 2018, 5(6): 31-37.

    [12]Zhen C. Impact of Ride-Sourcing Services on Travel Habits and Transportation Planning[J]. Computers & Geotechnics, 2015, 37(7/8):1015-1022.

    [13]WONG K I, WONG S C, YANG H. Modeling urban taxi services in congested road networks with elastic demand[J]. Transportation Research Part B Methodological, 2001, 35(9):819-842.

    [14]龙晨旭.出租车调价对居民出行影响的灵敏度研究[D].北京:北京交通大学,2015.

    LONG C X. Sensitivity analysis on residents travel mode choice problems with taxi pricing policy[D]. Beijing: Beijing Jiaotong University, 2015.

    [15]吳雪娇.出租车调价视角下居民出行选择多主体仿真系统研究[D].北京:北京交通大学,2016.

    WU X J. Research on multi-agent simulation system of resident travel modes choice from the perspective of taxi price adjustment[D]. Beijing: Beijing Jiaotong University, 2016.

    [16]祝歆,李静,李千惠,等.网约车时代出租车分时计价方法应用研究:基于北京市数据的模拟测算[J].价格理论与实践,2018,38(2):147-150.

    ZHU X, LI J, LI Q H, et al. Time-of-use taxi pricing method application research in the era of online car-hailing: simulation and calculation based on the data of Beijing[J]. Price: Theory & Practice, 2018, 38(2): 147-150.

    [17]王栋.出租汽车价格形成机制研究与建议[J].中国商论,2018,27(11):113-114.

    WANG D. Research and suggestions on the mechanism of taxi pricing[J]. China Journal of Commerce, 2018, 27(11): 113-114.

    [18]赵道致,杨洁.考虑公平目标的网约车服务价格管制策略[J].控制与决策,2019,34(5):1060-1068.

    ZHAO D Z, YANG J. Price regulation strategy of online car-hailing service targeted at fairness[J]. Control and Decision, 2019, 34(5): 1060-1068.

    [19]郝佳.北京市出租车租价结构及需求弹性研究[D].北京:北京交通大学,2006.

    HAO J. Study on taxi rent structure and demand elasticity in Beijing[D]. Beijing: Beijing Jiaotong University, 2006.