决定人群运输使用的影响因素

个人的社会人口特征显著影响其行为，以实现效用最大化。估计结果显示，PD1、PD2和PD3更有可能由已婚、21-40岁和中等收入人群发送。同样，与年轻人、成年人或老年人生活在一起对PD3至PD8发送者的行为有一定影响。全职和兼职员工在发送各类货物方面表现突出。事实上，共乘研究表明，影响因素包括年龄、性别、收入、教育水平和就业状况（22、26）。此外，Ballare和Lin（31）发现CS服务的流行用户年龄在35-44岁之间，而Punel等人（32）发现年轻男性和全职工作者更可能使用CS服务。然而，这两项研究并没有指定不同装运类别的用户。总体而言，CS用户某些特定社会人口特征的发现对于CS公司解决潜在市场细分（即ShipmentClass）和开发收入模型（即定价策略）非常有价值。发件人感知和弹性分析本节旨在通过了解发件人对其服务以及竞争对手服务的感知，为CS公司改进其业务战略和服务提供更多见解。出于这一目的，计算了所有产品（即PD1至PD8）的结果，以揭示发件人的行为。因此，我们决定对RUM和RRMModel进行分析，并比较绝对差异和百分比差异。

结果、见解和讨论见以下小节。Le和Ukkusuri 17支付意愿了解发送者愿意为更好的服务支付多少是至关重要的，尤其是在物流市场，新的CS公司与TLCss竞争。对于每个产品类别，RUM和RRM型号的性能相似，但参数大小不同。参数的大小很重要，因为实现通常基于这些参数的大小。就WTP而言，对于每个PD，RRM模型的结果与RUM模型的结果显著不同，这是因为其属性和替代定义的估计，自然是通过RRM函数的公式得出的。根据RUM和RRM模型计算的值可被视为每个相应WTP的上下限。因此，CS公司有WTP范围可供参考。结果详情见表5。在七个PDs中，受访者愿意为任何服务支付较高的PD1、PD2和PD3运费，而较低的PD5、PD7和PD8运费。更具体地说，发送PD1、PD2和PD3的WTP值约为0.6美元至5美元，而PD5、PD7和PD8的WTP值范围约为0.1美元至0.6美元。与此同时，PD4的WTP价值约为0.6至1.1美元。有趣的是，受访者愿意支付更多费用，让higherreputation驱动程序合作伙伴交付PD1和PD2，CS公司提供电子交付通知和跟踪跟踪能力。这可能是因为PD1和PD2主要是食物，只能在特定的时间窗口内食用。WTP的发现与常识一致。人们通常愿意支付更多的费用来获得个性化或更好的服务。PD1的RUM模型的WTP值与Punel和Stathopoulos（28）的研究结果相似。

然而，其他WTP值无法验证，因为这是关于该主题的首次研究。未来的研究应获得成功企业的运营数据，以进行可靠的验证。此外，图8显示了七个PD的交付服务的发送方WTP的概率分布函数。可以看出，很大一部分响应者可能会为交付PD1和PD2支付约2至10美元。然而，对于PD5、PD7和PD8的运输，大多数受访者可能会支付大约2至2.5美元。对于交付PD3和PD4，受访者支付大约2至5美元的可能性很高。总的来说，WTP值和概率分布是CS公司做出定价决策的重要输入。Le和Ukkuuri 18图8：不同产品交付服务的WTP概率密度函数Le和Ukkuuri 20弹性分析通常进行弹性分析，以捕获某个变量发生变化时选择替代品的概率变化，同时选择其他变量。在这项研究中，计算了方向弹性。产品弹性详情见表6a至表6h。此外，每种产品的RRM和RUM模型中属性百分比的差异如图11所示（附录B）。通过方程式7计算差异。Ai（%）=Ai（RRM）- Ai（RU M）Ai（RRM）* 100（7），其中Ai是RRM或RUM模型中的属性i。总的来说，运输成本的绝对弹性最大。PD1至PD4的个性化交货时间窗口或小费行为的弹性非常大，但其他人的弹性不明显。同时，PD1和PD2的个性化交货地点弹性没有显著差异，但PD3到PD7的弹性有显著差异。

因此，交货时间和交货地点在选择信使以分别将PD1发送到PD4和PD3发送到PD7中起着重要作用。此外，在PD1、PD2和PD3的RUM模型中，courier 4（即C4）的运输成本、交付时间和声誉弹性明显大于courier 1-3。这意味着快递4的运输成本、交付时间和声誉应该发生重大变化，以便让发件人选择快递4。另一方面，对于PD5-PD8，快递员1-3的运费与快递员4的运费呈相反趋势。CS公司应大幅降低价格，以吸引其服务发送PD5-PD8。总体而言，CS公司应提供各种服务，以应对不同的装运类别。以下注释适用于表6a至表6h。1、所有“%”列均按公式7.2计算C1、C2、C3和C4代表四种备选方案，即Courier 1、Courier 2、Courier 3和Courier 4.3。”SCost“：运输成本；”DTime“：交货时间；”声誉“：信使的声誉/排名；”跟踪“：跟踪和跟踪能力；”电子通知：电子交付通知；\'P-Time“：交付时间窗口的个性化设置；”P-Location:交货地点的个性化设置（非家或取货点）；\'小费：愿意给小费。模型验证本节的目的是验证RUM和RRM模型。因此，我们收集了选择预测值来评估模型的准确性。首先，我们将数据集随机分成五个部分。对于每一次折叠，首先使用80%的数据集（即训练集）来估计模型参数，然后用剩下的20%的数据集（即测试集）来固定模型参数，以第二次估计模型的性能。我们对每个模型运行了五次。

收集每个模型五次运行的选择预测值，并与相应20%数据集中的实际选择进行比较。在本文中，选择是可伸缩的。因此，平均绝对百分比误差（MAPE）是评估预测模型精度的合适方法。