出行感知理论下共享汽车服务模式

罗 薇， 王泽昊， 焦朋朋， 王 益， 姚丽亚

(1.北京建筑大学北京未来城市设计高精尖创新中心， 北京 100044； 2.清华大学土木工程系， 北京 100091； 3.北京理工大学机械与车辆学院， 北京 100081)

城市中过量的机动车，导致了交通拥堵、环境污染、停车困难等一系列的“城市病”。有限的社会交通资源与日益增长的出行需求之间的矛盾突出，为缓解该矛盾，符合“创新、协调、绿色、开放、共享”发展理念的新型城市出行方式应运而生，如共享单车、网约车、智能网联车等[1-3]。共享汽车也是其中之一，因其节省资源、减少污染等优势，受到了相关政府的鼓励与扶持。国家层面，交通运输部与住房城乡建设部联合发布《关于促进小微型客车租赁健康发展的指导意见》，其中明确提到鼓励共享汽车发展，科学确定共享汽车定位。地方政府也相继出台鼓励政策性文件，上海市政府出台《关于本市促进新能源汽车分时租赁行业发展的指导意见》，鼓励并规范共享汽车发展。北京市政府出台《2018年北京市缓解交通拥堵行动计划》，指出鼓励引导新能源小客车分时租赁发展，增加电动小客车分时租赁用车网点。在此背景下，共享汽车在中国飞速发展。根据交通运输部统计，中国共享汽车的服务覆盖城市超过了80座，规模和总量突破了10万辆，用户群体达到了900万。然而，共享汽车出行者使用体验感不佳、站点地理位置不合理、接受度有限等问题不断涌现，共享汽车未能达到缓解交通拥堵、降低能源损耗与环境污染等预期效果[4]。

受到政府鼓励，社会效益却未达期望值的共享汽车引起了学者们的关注，中外学者开展了一系列的研究。针对共享汽车出行对城市的影响，中外学者从环境影响、交通影响、经济影响等角度开展了研究。夏凯旋等[5]从可持续发展的角度，引入经济生态效率概念，研究表明，基于经济生态效率理论的北京共享汽车服务具有比私家车更高的经济生态效率。薛跃等[6]对共享汽车经济社会特性和创新发展模式等进行了研究，提出推行共享汽车可以减少私家车保有量和使用量、减少服务汽车的公用基础设施、减少出行者的出行费用、节约资源和减少排放。张淼等[7]认为共享汽车既能满足了出行者的机动化出行需求，又能降低私家车的保有量和出行量，从而减少因私家车使用产生的温室气体排放。Mounce等[8]指出共享汽车可改善城市空气质量，从空气质量主要污染源的私家车到无污染的电动汽车的模式转变将减少交通污染。Rabbitt等[9]分析了在都柏林和爱尔兰引入共享汽车后的经济和环境影响，并提出多种方案用于检查影响共享汽车使用的经济和环境因素。Yoon等[10]通过考虑基础设施、车辆折旧、维护、燃料和收入等要素估算了共享汽车的经济表现。

在重点研究共享汽车对社会影响的同时，部分学者们也对共享汽车发展模式开展了研究，如商业模式、运营模式等。王然[11]从顾客细分、价值主张、渠道通路等方面分析比较了新能源汽车分时租赁单边平台和新能源汽车分时租赁多边平台两种商业模式的不同。涂颖菲等[12]基于共享汽车订单数据分析了共享汽车租赁站点发展模式的类型。Perboli 等[13]通过蒙特卡洛模拟分析比较了不同共享汽车商业模式的费用。Münzel等[14]比较了单向、往返等四种汽车共享的商业模式的特征、成功经验和发展潜力。Münzel等[15]进一步研究了B2C和P2P不同商业模式下共享汽车出行者的特征和动机。李牧南等[16]分析了当前中国共享汽车若干商业模式存在的问题，并结合共享经济的基本经济学属性和特质提出若干相关政策建议。

交通管理、城市规划、经济管理等学科研究人员对共享汽车的城市影响和发展状况均进行了细致研究，但鲜有学者以交通出行者的出行感知角度分析共享汽车服务模式。亟需深层剖析共享汽车服务模式，为完善共享汽车相关理论、相关政策制定等提供数据与理论支持。基于此背景，通过卢因行为模型将共享汽车服务模式从出行者感知的角度分为车辆要素和运营要素，利用网络调查、电话访问等多种手段获取共享汽车企业服务模式要素现状数据，进而通过关联规则学习算法寻找共享汽车运营要素关联度较高的车辆要素特征，辨别共享汽车服务模式。研究结果可为相关政府部门与运营企业提升共享汽车服务质量和相关政策制定等提供数据与理论支持，促进共享汽车创新、有序、规范发展。

1 理论基础及数据获取

1.1 理论基础

人类行为学一直是热点研究领域，美国学者库尔特·卢因在《拓扑心理学原理》中首次提出著名的卢因行为模型[17]，后逐渐发展为研究人类行为的一般范式。卢因行为模型的基本原理是：人类的行为是个人与环境相互作用的产物，将影响人类行为的因素归纳为个人内在因素和外部环境因素结论具有广泛适用性。卢因行为模型可表示为

B=f(P,E)

(1)

式(1)中：B为个人行为；P为个人的内在特征及其内在条件，P1,P2,…,Pn构成内在条件、特征的各种心理，如生理特征等；E为个人所处的外部环境，E1,E2,…,En构成外部环境的各种因素，如自然环如自然环境、社会环境等。

由卢因行为模型可知，出行者的出行行为也是在内部和外部环境双重作用和驱动下，产生的一种决策以及能动反应[18]。因此，可将交通出行分为影响因素输入→自主决策过程→行为调试与输出3个步骤，如图1所示。

图1 出行流程Fig.1 Travel process

分析交通出行过程可知，其中自主决策过程中的感知信息并辨识信息作为接受影响因素和效用评估的关键部分，出行者的感知至关重要。出行者在使用共享汽车的流程中感知各项要素，如图2所示，共享汽车使用流程可概括为4个步骤：注册入会、预约租车、取车用车、还车缴费。

基于出行者在注册入会、预约租车、取车用车、还车缴费的感知与需求，明确共享汽车服务模式要素体系包括车辆要素和运营要素，如图3所示。其中，车辆要素指出行者所选择的共享汽车车辆，包括车辆的品牌、车型档次和车辆能源；运营要素指共享汽车企业为出行者提供的租赁服务，包括服务范围、取还车方式、租赁渠道、流程自主性、支付渠道。共享汽车服务模式要素总结如表1所示。

图2 共享汽车使用流程Fig.2 Use flow of carsharing

图3 共享汽车服务模式要素分析思路Fig.3 Analysis mentality of service model factors for carsharing

1.2 数据获取

结合共享汽车服务模式要素体系和专家访谈初步拟定调查问卷，并进行问卷预调查。预调查结果显示被调查者普遍认为问卷可反映共享汽车服务

表1 共享汽车服务模式要素

模式要素并提出部分建议。采纳预调查反馈意见后，最终编制形成共享汽车服务模式调查问卷。

调查问卷第一部分为共享汽车基本情况，目的为获得企业性质、企业注册城市等。第二部分为共享汽车企业的共享汽车车辆服务和运营服务情况，目的为获得车辆品牌、车型档次、车型能源、租赁渠道等服务模式要素现状，进而解析共享汽车服务模式。

中国共享汽车行业的企业数量繁多，据交通部数据统计，早在2017年12月全国注册共享汽车企业已超过400家，实际投入运营的企业超过100家。通过网上查询、电话咨询等方式，调研了中国范围内共享汽车活跃运营的16个城市的42家共享汽车企业的服务模式要素现状。

2 共享汽车服务模式要素现状分析

2.1 共享汽车企业基本属性

调研的共享汽车企业覆盖中国16个城市，涵盖各线等级城市，其基本属性如图4所示。共享汽车主要发展城市为北京、重庆、深圳、上海、杭州，所占比例分别为33.3%、16.7%、14.3%、7.1%、4.8%。说明现有共享汽车企业集中在一线城市。共享汽车企业性质集中在互联网企业、国营车企、传统租赁运营商、民营车企4种，所占比例分别为57.1%、14.3%、9.5%、7.1%。此外，新能源企业、外企车企等均加入了共享汽车大军。

图4 共享汽车企业基本属性Fig.4 Nature of enterprise analysis

2.2 共享汽车车辆服务

59.5%共享汽车企业的车辆多于一个品牌；45.2%共享汽车企业的车辆仅为一个档次，而其中73.7%的提供的为低档次车辆；71.4%共享汽车企业提供的车辆为纯电动汽车，仅有16.7%企业的车辆为传统燃油汽车，另外，其他11.9%为纯电动汽车和燃油汽车的组合，如图5所示。

图5 共享汽车车辆服务Fig.5 Vehicle factors analysis

2.3 共享汽车运营服务

共享汽车租赁渠道以自有应用(application，APP)为主，占7.38%，19%的同时使用自有APP和第三方平台租赁，此外有7.1%仅使用第三方第三方平台租赁；运营范围以城市范围为主，占92.9%，仅有7.1%在独立区域进行运营；流程自主性以全程自助为主，占97.6%，仅有2.4%是全程自助和需要人工组合；取还车方式以基于网点异地取还为主，占95.2%，同时还存在自由取还、定点取还和基于网点异地取还组合，均占2.4%；计费方式以“时间+里程”为主，占61.9%，另外38.1%为时间计费；支付渠道以第三方支付为主，占97.6%，另外2.4%为第三方支付和现金的组合，如图6所示。

图6 共享汽车运营服务Fig.6 Operation factors analysis

综上，共享汽车服务模式要素的特征如表2所示，通过重点挖掘各要素不同特征之间的内在联系，从而确定共享汽车服务模式。

3 共享汽车服务模式建模分析

3.1 关联规则学习基础理论

关联规则学习可从数据中找出频繁出现的模式和规则，剖析数据之间的横向关系并挖掘其内在共性，以实现描述数据库中数据之间的关联性的知识[19-20]。共享汽车服务模式辨识模型中的关联规则学习相关定义如下。

(1)项与项集：共享汽车服务模式数据库中不可分割的最小单位信息称为项目，用符号i表示。项的集合称为项集，设集合I={i1,i2,…,im}为项集，I中项目的个数为m，则集合I称为m项集

(2)事务：假设集合I={i1,i2,…,im}是由共享汽车服务模式数据库中所有项目构成的集合，t为I的子集，表示一次处理所含的项目，称为一个事务，而T={t1,t2,…,tn}是由所有事务构成的事务集。某一共享汽车企业的全部服务模式要素构成一个事务，而全部共享汽车企业的服务模式要素形成一个事务集。

(3)项集的支持度：设A和B为汽车服务模式要素项目集，其中A⊂I，B⊂I在事务集T上有支持度Support，Support是T中包含A∪B的百分比，即概率P(A∪B)，可表示为

Support(A,B)=P(A∪B)

(2)

表2 共享汽车服务模式要素特征

(4)关联规则：关联规则可标识为一个形如A⟹B的蕴含式，其中A⊂I，B⊂I，且A∩B=∅，关联规则A⟹B表示当A中的项目出现时，B中的项目也随之出现的规律。

(5)关联规则支持度：关联规则A⟹B的支持度是T中同时包含项集A和B的事务所占的比例，记为Support(A⟹B)，其值与Support(A,B)相等，可表示为

Support(A⟹B)=Support(A,B)=P(A∪B)

(3)

(6)关联规则置信度：置信度Confidence是T中包含A的事物也包含B的百分比，即条件概率P(B|A)，可表示为

(4)

同时满足最小支持度阈值和最小置信度阈值的规则称为强关联规则。

3.2 关联规则学习模型构建

通过联规则学习算法实现共享汽车服务模式的判别，可分为：数据预处理阶段、训练阶段和分类阶段。其核心为挖掘出满足指定最小支持度和置信度阈值的关联规则，进而修剪冗余、噪声规则并构造分类器(图7)。

图7 基于关联规则学习的分类流程Fig.7 Classification process based on association rule learning

模型构建具体流程如下所示。

(1)挖掘共享汽车服务模式要素大频率项集：利用了向下封闭属性：如果一个特征项集是频繁项集，那么它的非空子集必定是频繁项集。①先生成1项车辆要素的频繁项集，再利用1项车辆要素的频繁项集生成2项车辆参数的频繁项集；②然后根据2项车辆要素的频繁项集生成3项车辆要素的频繁项集；③依次类推，直至生成所有的频繁项集。

(2)生成强关联规则：①从频繁项目集合中生成强关联规则，即生成满足最小置信度、支持度的关联规则；②先生成所有基于1项车辆要素的频繁项集与运营要素后件的强关联规则，然后再生成2项车辆要素的频繁项集与运营要素后件强关联规则；③依次类推，直至生成所有的强关联规则。

(3)构造分类器：①对生成的关联规则集合进行排序，按照置信度，支持度，集合基数，标签频度依次排序；②排序后的第一条关联规则开始，若这条规则覆盖3个车辆特征，将这条规则加入分类器，并且同时删除所有未覆盖3个车辆特征规则；③迭代步骤①，直到所有的特征被删除或规则都被测试过停止。

3.3 共享汽车服务模式解析

通过对共享汽车车辆要素和运营要素的关联规则分析，实现共享汽车服务模式辨识。以往研究表明关联规则置信度大于60%、支持度大于20%，结果的可靠程度较高[21]。因此，在产生的359条关联规则中，筛选置信度大于60%、支持度大于20%的规则，共11条，如表3所示。

表3表明，租赁渠道(自有APP)、服务范围(城市范围)、取还车方式(基于网点异地取还)、支付渠道(第三方支付)、流程自主性(全程自助)均与车辆品牌(单一品牌)、车型档次(一个档次)、车型能源(纯电动汽车)三者存在强关联；取还车方式(基于网点异地取还)、支付渠道(第三方支付)、流程自主性(全程自助)、租赁渠道(自有APP)、计费方式(时间+里程)、服务范围(城市范围)均与车辆品牌(多于一种品牌)、车型档次(两个档次)、车型能源(纯电动汽车)存在强关联。因此，构造分类器后得到2种共享汽车服务模式，如图8所示。

服务模式类别一为：车辆为单一品牌、一个档次、纯电动汽车；使用自有APP进行租赁、在城市范围内进行运行，出行全程自助、基于网点异地取还；计费方式时间+里程和时间均存在，支付渠道第三方支付和组合均存在。服务模式类别二为：车辆为多于一个品牌、两个档次、纯电动汽车；使用自有APP进行租赁、在城市范围内进行运行，出行全程自助、基于网点异地取还、计费为时间+里程；支付渠道第三方支付和组合均存在。从车辆要素来看，服务模式一与服务模式二均以纯电汽车为运营车辆；从运营要素来看，服务模式与服务模式二则均是在城市范围内，出行者通过共享汽车自有APP全程自助租赁车辆，并且车辆是基于网点异地取还。由以上分析可知，共享汽车服务模式除了早期的分时共享、按需付费、随借随还3个特征外，共享汽车开始表现出互联网飞速发展带来的“电动化”“智能化”等特征，充分体现了车联网、互联网、移动互联网等技术集成应用的特质。

表3 车辆要素和服务要素间关联规则

图8 共享汽车服务模式Fig.8 Carsharing service mode

4 结论

(1)共享汽车尚未在中国形成大规模市场，集中在一线城市，企业性质呈现多样化，除了早期运营共享汽车的互联网企业、国营车企、传统租赁运营商、民营车企，新能源同时企业、外企车企等也加入了共享汽车大军。共享汽车规模有限说明与成熟完善的常规城市出行方式相比，共享汽车可替代性高，暂时并非刚性需求，如何提高共享汽车的覆盖范围和出行接受度，是相关部门和运营企业需要重点关注的问题。而共享汽车企业性质的多样化，应引起相关部门的注意，加强对企业的监管，规范共享汽车企业管理。

(2)共享汽车服务模式从出行者感知的角度可分为车辆要素和运营要素，基于关联规则学习现有的共享汽车服务模式可分为2类。共享汽车企业还需要从2类服务模式的车辆要素和运营要素方面提高出行者的出行体验，提高出行者的满意度。

(3)分析2类共享汽车服务模式共有的5个特征(纯电动汽车、自有APP、城市范围、全程自助、基于网点异地取还)可知：共享汽车现阶段以纯电动汽车为主，出行受电量影响较大，科学合理布局充电桩设施是可持续发展共享汽车的关键步骤之一；共享汽车现有运营范围以城市为主，并且取还车基于网点。在有限资源的城市范围内如何布设共享汽车站点，既不占用过多的城市社会资源，又方便了出行者出行，是需要多部门齐心协力共同解决的问题；出行者多使用共享汽车企业自有APP租借共享汽车，并且全程自助。如何提升共享汽车APP界面使用感，应引起共享汽车企业重视，同时相关部门也应制定规范共享汽车APP的建议与措施。

(4)分析2类共享汽车服务模式不同之处(车辆品牌、车辆档次、计费方式)可知：共享汽车服务模式中车牌品牌和车辆档次的不同，说明不同出行者对服务质量和水平的要求不同，共享汽车企业应充分考虑出行者的不同需求，提供精细化的共享汽车服务；服务模式中的计费方式充分体现了共享汽车的“共享”二字，是分时段、按需求的，然而现有计费方式并未考虑城市路网的时空特性，共享汽车企业应考虑分时段、分区域的计费方式，做到提供私密化、高质量的服务的同时，并未增加城市路网的负担。