引发行车故障用户和驾驶员的偏好：来自

他们发现，有机会赚到额外的钱，然后又喜欢开车，这是一个人愿意开车去享受行车服务的关键激励因素。Berliner和Tal还得出结论，年龄、儿童数量、车辆拥有情况、性别和对驾驶汽车的积极态度在评估成为跨国公司司机的意愿方面具有重要作用。目前的这项研究基于先前的证据，即利用美国跨国公司服务地区的代表性数据，了解旅行者和司机对跨国公司服务的偏好。首先，我们扩展了有关了解跨国公司用户和司机的社会人口特征的文献。其次，我们有助于确定对拼车感兴趣的跨国公司用户的人口组成部分。这一问题在文献中受到的关注有限（Lavieri和Bhat，2018），但对于决策者来说，更快地部署联合服务并使跨国公司在环境上可行至关重要。第三，为了进一步了解行车服务对温室气体排放的影响，我们认识到一群愿意转向节能汽车的跨国公司司机。第四，我们还得出跨国公司司机购买新车的偏好，驾驶跨国公司是主要的购买考虑因素，这在文献中也没有探讨过。3、数据和汇总统计在本节中，我们提供了调查数据和权重计算的详细信息，然后使用数据汇总统计对TNC用户、非用户和驾驶员的出行行为和车辆购买决策进行了讨论。3.1数据收集和权重计算我们使用的数据来自2017年Strategic Vision Inc.对11902名美国乘客进行的一项对招呼车用户、司机和非用户的调查。

居住在跨国公司服务区的消费者。图1显示了美国邻近各州受访者数量的地理分布。获取的调查数据包括有关家庭特征和态度的信息，以及关于招呼车使用和偏好的信息。家庭特征6包括受访者的年龄、性别、婚姻状况、教育水平、家庭收入、种族、居住地点、通勤方式和家庭成员人数。样本低于或高于某些人口统计学组。例如，49岁以上居住在大都市或城市地区、使用公共或非机动交通工具收入低于10万美元的女性在样本中的代表性不足，而54岁以上居住在小城镇地区、年收入超过10万美元的男性在样本中的代表性过高。为了解决这一问题，我们使用迭代比例拟合（IPF）技术（Bergmann，2011）估计人的体重。IPF符合所收集样本中各种人口特征的联合概率分布以及城乡住房单元的人口水平数据集（2016年美国社区调查数据和2010年美国人口普查局数据）。换言之，我们通过缩放四个人口类别或32个类别（四个基于性别和年龄、两个基于收入、两个基于旅行方式和两个基于居住地的群体）的调查样本比例来计算权重，相对于人口水平数据中相应的特定类别比例。我们使用Stata中的IPFWweight包实现这个IPF方法。估计权重在0.15-4.65之间变化。本文给出的所有结果都是基于加权样本的。

[此处插入图1]3.2解释和响应变量表1总结了本研究所有逻辑回归模型中使用的人口加权解释变量的统计数据。样本统计数据与人口统计数据一致。例如，在加权样本中，男性比例、平均年龄和平均年收入分别为48%、46.77岁和94909美元。这些人口数字分别为49%、45.75岁和81346美元。约19%的受访者是这些行车服务的早期使用者。在样本中的1541名跨国公司司机中，约有25%的人每天开车。表2显示了响应变量的关键汇总统计信息。结果表明，跨国公司使用者、司机和非使用者的样本比例分别为29%、29%和42%。在ridehailing用户中，有13%的用户过去使用过ridepooling服务。在司机中，53%的人表示他们倾向于转向更省油的车辆。当被问及司机对汽车所有权偏好的变化时，47%的司机因为跨国公司开车而有购买或租赁新车的高倾向。[在此插入表1和表2]3.3行车故障用户的移动模式我们创建了一个双向表，以了解受访者使用最多的移动选项与其TNC使用频率之间的关联（见表3）。我们给每周使用跨国公司一次或多次的人贴上“经常使用跨国公司用户”的标签，其余受访者属于“不经常使用跨国公司用户”类别。结果表明，约53-61%和22-32%的TNC频繁用户分别使用个人车辆和行车模式。

然而，对于不经常使用TNC的用户，这些比例分别为79-87%和3-5%，在最常用的出行方式中，公交所占的比例略有下降（经常使用的比例为4-10%，而不经常使用的比例为3-6%）。这一模式表明，长途运输不会显著影响公交需求，但私人车辆用户主要转向跨国公司。7在表4中，我们分析了最常用的出行模式的不可用性如何影响旅行者的出行模式。如果没有这些服务，大约66%和14%的主要使用行车的人可能会转而驾驶私人车辆和公交。汉普郡（Hampshire）等人（2017年）也观察到了类似的趋势，即41%的车手在奥斯汀暂停行车服务后重新开始驾驶。在那些表示自己最常用的驾驶模式是驾驶个人车辆的人中，有31%和46%的人会在没有首选模式的情况下分别转向行车和拼车/共乘。对于经常使用公交的用户来说，这两个比例分别为29%和4%。所有这些发现进一步加强了我们先前的研究结果，即分乘和分车服务主要是满足个人驾驶需求，而不会对公交需求产生实质性影响。与Clewlow和Mishra（2017）相比，我们发现有证据表明，行车记录仪服务对诱导出行需求的影响——如果没有这些服务，只有0.45%的频繁行车记录仪用户不会进行这些出行。这些差异可归因于两项研究的不同目标样本。Clewlow和Mishra（2017）使用的样本对旧金山和洛杉矶的受访者进行了过度抽样。我们还提供了其他关于行车故障用户偏好的有见地的统计数据。约有10%的驾驶者表示推迟了新车的购买。

这一结果与Hampshire等人（2017年）的结果相似，他们发现，在奥斯汀暂停这些服务后，9%的行车故障用户购买了车辆。就出行目的而言，高比例（约46%）的受访者选择乘坐汽车、共享汽车或拼车作为他们往返社交活动的出行选择。这一发现与之前的研究一致，之前的研究发现，在休闲活动的旅行中，最常见的使用骑乘（Alemi等人，2018年；Lavieri和Bhat，2018年；Young和Farber 2019年）。上述发现得到了样本统计的进一步支持，约21%的行车记录仪用户表示“饮酒后不想开车”是使用行车记录仪服务的最重要原因。约24%的受访者表示，“方便”是使用行车收费服务的另一个最重要原因。这些结果与之前的研究结果一致，也发现这两个因素是首选ridehailing的主要原因（Rayle et al.2016，Alemi et al.2018，Conway et al.2018，Young and Farber 2019）。我们进一步分析了使用ridepooling服务的ridehailing用户中相对较小的比例，即13%。在过去，大约34%的骑行旅行是由这些骑行用户共同完成的。当被问及不使用ridepooling服务的原因时，大部分ridehailing用户（约50%）表示他们没有听说过这些服务。另一个主要原因是偏好“私人骑乘”，约22%的骑乘者表示这一点。[在此插入表3和表4]3.4非用户的偏好我们现在讨论非用户不使用ridehailing的原因。最高比例（约36%）的受访者表示，他们更喜欢自己开车。

在其他原因中，大约21%的非使用者在过去不需要出租车或长途汽车服务。跨国公司的非用户使用个人车辆进行第一/最后一英里公交连接，但对于个人车辆和公交用户来说，转向行车的比例相似。如果没有这两项服务，个人车辆用户将主要贡献行车的市场份额，因为他们的当前份额要高得多（样本中为86%）。8关于他们在最后一英里转向TNC服务的偏好。约41.3%的非用户表示愿意进行这种转换。3.5跨国公司司机的偏好被问及他们对跨国公司司机的情绪反应。大约54%的司机表示他们的驾驶体验非常好，而28%和18%的司机则分别感到中立和不满意。正如所料，工作频率更高的跨国公司司机最终会每周行驶更多英里。具体来说，每天工作的司机和每隔一天工作的司机平均每周分别行驶42英里和31英里，但每月工作少于一次的司机平均每周仅行驶16英里。我们创建了一个双向表，以了解租赁/租赁/购买车辆的决定与其驾驶频率之间的关系（见表5）。大约65%每天工作的司机表示，在新车拥有方面，为跨国公司开车是一个考虑因素。正如预期的那样，对于那些每隔一天开车、每周开车一次或更少的人来说，这一比例分别下降到51%和40-46%。此外，大约93%的司机使用他们的主要车辆驾驶，以获得行车保险服务。这一比例在驾驶员的不同驾驶频率中保持不变。然后，我们询问了驾驶员的停机活动。

约29%的司机表示，他们会开车前往城市繁忙地区，以获得更多的乘坐体验，从而导致车辆行驶里程（VMT）增加。高峰和非高峰时段的平均取车时间分别为9分钟和10分钟，这进一步增加了诱导VMT的每次行程约2-3英里。就未来燃料类型的倾向而言，每周工作时间超过20小时的跨国公司司机中有26%会选择柴油，但对于那些驾驶频率较低的司机来说，这一比例为8-11%。未来，大约25%的驾驶员希望驾驶混合动力电动汽车。【在此插入表5】4。结果和讨论除了logit模型链接函数的参数估计外，我们还报告了95%置信区间的相对风险或优势比估计。我们通过绘制协变量支持下的预测选择概率和边际效应估计来探索连续变量的非线性效应。为了在给定的相关协变量水平上计算这些量，我们将所有其他协变量固定在其样本平均值上，并对特定的相关协变量进行单位变化。4.1模型1–成为跨国公司骑手或司机的偏好表6显示了多项式逻辑模型的参数估计和相对风险比，这解释了个人的社会人口特征与他们成为跨国公司骑手、司机或非用户的偏好之间的关联。预测的选择概率和年龄的边际效应图（见图2）表明，作为跨国公司司机和非使用者的偏好分别随着年龄的增加而减少和增加，所有其他特征保持不变。这一结果与Hall和Krueger（2018）的研究结果一致，他们的优步司机中年轻人的比例也较高。

也许，优步等平台为年轻人提供了新的机会，他们更愿意接受灵活的工作安排，并愿意从事多种工作。然而，we9观察到年龄对TNC用户倾向的非线性影响。对于年龄小于44岁的人来说，成为用户的可能性随着年龄的增长而增加，但44岁后的情况则相反。44岁年龄边际效应方向的变化很有见地，因为之前的研究报告了年龄与跨国公司用户倾向之间的线性和负相关（Kooti et al.，2017；Alemi et al 2018）。最后，年轻人更倾向于成为跨国公司用户或司机，这也与教育和心理学文献相一致，之前的研究表明，年轻人更有可能采用信息和通信技术（Helsper和Eyon，2010；Milojev和Sibley，2017）。收入较高的个人更倾向于使用跨国公司服务，但成为跨国公司司机的倾向较低。这些结果在所有收入值中都是一致的（见图3），也与之前的研究一致（Rayes等人2014；Clewlow和Mishra 2017）。这种关系的一个可能解释是，较富裕的个人乘坐跨国公司服务的负担能力较高，同时，成为跨国公司额外收入驱动者的可能性较小。在控制了教育、年龄、婚姻状况和性别等关键协变量后，拥有较高家用汽车的个人不太可能使用任何形式的跨国公司（司机或骑手）。然而，由于车辆所有权的变化，预测选择概率的变化非常小（参见图4中相对平坦的预测选择概率图）。

这种关系是直观的，因为在拥有大量汽车的家庭中，跨国公司服务可能是一种方便的出行选择，而不是一种频繁的交通方式。在同一条线上，Bhat和Lavieri（2018）也报告称，随着车辆可用性的增加，打车频率降低。此外，技术的早期采用者和大都市地区的居民更倾向于骑乘和驾驶高架铁路服务，其他条件相同。事实上，相对风险比的大小表明，这两个协变量与个人乘坐或驾驶跨国公司服务的偏好具有最重要的实际关系。作为早期采用者和大都会居民，成为驾驶员（参见非使用者）的几率分别增加4.81和1.94倍，成为骑手的几率分别增加1.36和1.53倍。这些发现与文献一致。例如，Alemi等人（2018年）发现，跨国公司服务的早期采用者很可能是“技术导向型”的，因此他们倾向于捆绑采用此类服务，作为其现代生活方式的一部分。同样，Hall和Krueger（2018）以及Alemi等人（2018）也观察到大都市居民更倾向于使用这些服务。Lavieri和Bhat（2018）推测了这一趋势的三个可能原因，即城市地区的停车限制、行程长度缩短导致的出行成本降低以及跨国公司服务的可靠性提高。事实上，大都市地区更高的旅游需求也解释了居民更倾向于成为司机。最后，研究生学位持有者和单身人士（其他因素不变）更有可能乘坐跨国公司的服务，但不太可能成为司机。

这些结果与Lavieri和Bhat（2018）的研究结果一致。10[此处插入表6][此处插入图2至4]4.2模型2-对Ridepool的偏好表7显示了二元逻辑模型的参数估计和优势比，该模型解释了跨国公司乘客对ridepooling的偏好（基本类别：非ridepooling用户）。由于有关骑行的文献仍处于初级阶段，我们强调了我们的结果与拼车/共乘研究结果的一些相似之处。预测的年龄概率和边际效应图（见图5）表明，随着跨国公司用户年龄的增加，合并趋势持续下降。Lavieri和Bhat（2018）观察到了类似的趋势，他们将其归因于年轻人的技术娴熟和多样化追求行为。在25岁至55岁的人群中，拼车也较为常见（Shaheen等人，2016）。然而，年龄与服用利多卡因倾向之间的关系因教育水平（见图6）和性别（见图7）等社会人口特征而异。显然，与女性（及研究生以下）相比，男性（及研究生）跨国公司用户对人才库的偏好受年龄的影响较小，所有其他特征保持不变。年轻的女性跨国公司用户比年轻的男性用户更倾向于共享资源。更具体地说，54岁以下的女性跨国公司用户比同龄男性用户有更高的合并概率，但对于54岁以上的用户，这一趋势相反。教育效果的过渡年龄约为34岁。