高速公路計程收費個體異質性相關研究

個體選擇模式常用處理個體異質性的研究方法，一般來說有幾種處理方式，

第一種為使用變數間交叉項以產生虛擬變數一起帶入模式估計，若該虛擬變數值 為 1 則表示其符合欲檢視之分群，估計參數的正負則表示該分群對某方案相較其 他分群的偏好為何(正則表示偏好較高，負則反之)，交叉項的缺點在於需要產生 很多虛擬變數才能檢視不同類別的偏好；第二種方式為使用混合羅吉特，混合羅 吉特為透過估計參數變異程度，以得知各變數的效用受觀察值變異的影響；第三 種方式為使用潛在類別模式，與使用交叉項需主觀產生群體虛擬變數，潛在類別 模式則是透過計算限制分群數下分群解釋力之最佳分群，故該模式在討論異質性 時為較佳的方法。因使用交叉項在多數個體選擇模式中皆有探討，下列文獻回顧 僅收錄混合羅吉特與潛在類別模式。

2.2.1 混合羅吉特模式

Devarasetty et al.(2012)對美國德州休士頓 Katy 高速公路使用者進行敘述性 偏好實驗，該選擇包含(1)獨自行駛不收費線道；(2)共乘行駛不收費線道；(3)獨 自行駛 HOT 線道及(4)共乘行駛 HOV 線道。該研究使用混合羅吉特模式估計個 體選擇結果，並將各方案之方案特定常數及旅行時間及旅行時間可靠度列為隨機 參數。該研究發現模式估計之旅行時間價值約為實際通行費率之一半，但旅行時 間價值與時間穩定信賴價值之和則貼近現行費率，此結果顯示高速公路駕駛人之 願付價格有相當部分受時間可靠度影響。

Bhat 和 Sardesai (2006)調查德州奧斯汀地區民眾的運具選擇行為，以研究通 勤旅次之旅次目的地複雜度與旅行時間可靠度對運具選擇的效果。回收之混合資 料(顯示性及敘述性偏好)包含(1)獨自開車；(2)共乘；(3)搭乘公車及(4)使用非機 動運具。混合羅吉特模式估計結果顯示單旅次停靠數與選用私人運具有正相關、

非機動運具最主要影響變數為旅次距離；另外，單獨開車者的異質性相較其他運 具為高。該研究並估計不同通行費率下高速公路使用者的運具轉移行為，轉移幅 度最高為獨自行駛轉共乘，轉移至公共運具的數量約為轉移至共乘的一半。

葉怡君(民 100)使用敘述性偏好調查不同里程費率及旅行時間節省情境下高 速公路使用者出發時間及路線之選擇，並以混合羅吉特模式估計不同解釋變數之 異質性，該研究依行駛距離分為短(50 公里以下)、中(51 至 150 公里)、長程(151 公里以上)三個模式。依據模式推估結果，可發現偏好異質性較高之分群：(1)短

14

Greene 和 Hensher (2003)使用敘述性偏好實驗調查紐西蘭民眾對於不同道路 服務及收費費率情境下的路線選擇，分別推估混合羅吉特及潛在類別模式並比較 其表現效果。研究結果顯示潛在類別模式的分群在旅行時間價值節省上有顯著之

不同，但該值在某些方案的估計上表現卻不如混合羅吉特具有彈性。作者表示此 兩類方法皆可提供分析者豐富的資訊，並建議後續研究可以提出進階的模式以提 高模式解釋及預測的穩定度。

Bhat(1997) 探討城際運具選擇行為，採用 1989 年在加拿大多倫多地區發展 旅運需求模式所蒐集的資料，將班次、旅行成本、車內時間、車外時間和社經變 數等納入建構潛在類別模式。其結果顯示個人所得、性別及旅次長度等為重要的 區隔變數。

Shen et al.(2006) 使用日本大阪市及琦玉縣之運具選擇敘述性偏好實驗資料 分別推估潛在類別模式及混合羅吉特模式，並比較兩種模式的表現，該研究之模 式優化指標採用 CAIC。其結果顯示潛在類別模式在此兩組資料的表現都較好，

然而該研究未能加入區隔變數以辨識造成分群的原因。

Chiou et al.(2013) 以潛在類別模式分析台灣高速公路使用者於計次收費及 計程收費情境下，選擇收費機制之偏好。該研究結果在計次與計程情境下分別可 得五群及六群之顯著分群，並依據分群結果檢視不同群體分別偏好之收費機制。

該文最後分別對不同群體擬訂行銷策略。

2.2.3 小結

總結前述個體異質性相關研究，可以發現多數高速公路收費的研究較多使用 混合羅吉特模式，然而潛在類別模式可以得知不同分群對於各方案屬性的偏好，

因此本研究希望能嘗試使用潛在類別模式分析高速公路駕駛運具及路線選擇行 為，並找出不可觀測異質性高之分群，以檢視計程收費政策對不同特性駕駛的影 響。

16