陳述性偏好在個體停車選擇行為之研究

Abstract

早期探討停車需求多以總體模式為主，此類模式缺乏政策應用與行為解釋 力為其最大限制，近來有文獻從行為觀點出發，以個體模式探討停車選擇 行為卻仍有頗多可議之處，最大癥結是停車行為不同於一般個體運具選擇 行為，若以停車者實際選擇構建模式，此顯示性偏好(Revealed Preference) 資訊將因違反個體模式最大效用假設而造成偏誤。本研究嘗 試以陳述性偏好(Stated Preference) 法探討停車選擇行為，除能克服顯 示性偏好應用於個體模式之缺陷外，尚能對屬性值提供較多變異利於模式 校估。研究過程採用二階段(Two-Stage) 設計程序以符合陳述性偏好法實 驗設計原理，第一階段旨針對不同特性停車者在決策屬性及重要程度上所 具差異性而加以市場區隔，並依此決定各區隔次體之決策屬性與水準值大 小，第二階段遵循前一階段研究結果，進行隨機常態分配與直交兩種實驗 設計，除探討不同設計方式的優劣，亦將以兩不同研究區範圍進行停車行 為差異性之探討。此外，本研究另一重要課題在於停車行為樣本蒐集不易 ，如何有效地擴增樣本非常重要，研究中將引入排序選擇(Ranking Choice)理論，藉由排序樣本的分裂程序以探討停車選擇行為合理的排序 深度為何，冀瞭解陳述性偏好法結合排序選擇理論之發展潛力。實證分析 結果發現，以台北市東、西兩區停車行為建立個體 MNL模式，模式整體的 配合能力與個別參數顯著程度之檢定均甚佳，且兩區停車行為在調整模式 尺度值後具轉移特性，顯示兩區停車行為相似程度甚高。兩種不同實驗設 計方式所得校估結果的比較，以隨機常態分配設計優於直交設計，顯示直 交設計受限於屬性水準值多寡可能影響模式配合能力。以排序選擇理論探 討停車方案排序偏好樣本可分裂深度，所有排序資訊均不適於任何分裂， 然本研究透過簡單測試發現，排序選擇理論檢定樣本是否具分裂特性在統 計上的意義遠大於在行為上的意義，亦即以分裂結果判斷排序行為理性與 否未必適切。