1

Contedo
Resumo ................................................................................................................ 2
Introduo ........................................................................................................... 2
Metodologia ........................................................................................................ 5
Formulao do Modelo ................................................................................. 5
Mtodo de Estimao Articulado ................................................................ 7
Dados ................................................................................................................... 8
Operao de Cabines ..................................................................................... 8
Projeto para Avaliar as Preferncias ........................................................... 9
Perfil e Inqurito por Amostragem ........................................................... 11
Resultados ......................................................................................................... 12
Especificao do Modelo ............................................................................ 13
Modelo de Escolha da Cabine com dados RP/SP................................... 15
Discusso ....................................................................................................... 18
Concluso .......................................................................................................... 20

Resumo
Este artigo aplica a diferenciao de preos do intervalo de tempo, classe
de servio e compra antecipada da modelagem de escolha da cabine.
O modelo proposto foi construdo com a combinao de preferncia
revelada, preferncia declarada, validado pelo caso das cabines reservadas e
sem reservas de assento, no sistema ferrovirio de alta velocidade de Taiwan.
Alm disso, este estudo tambm investiga o efeito da incerteza do
assento, a fim de estimar o seu valor monetrio.
Os resultados revelam que o desconto de tempo e o lugar disponvel
definitivamente funcionam como funes importantes no modo de escolha da
cabine, assim como o preo da tarifa.
A anlise de cenrio sugere que a alocao de cabine deve variar com
segmento de tempo e caractersticas de viagem.

Introduo
Estudos sobre transportes tm sido cada vez mais focados na criao de
combinaes de tipos de bilhetes e de tarifas para aperfeioar a receita
operacional, porque a concorrncia no apenas intermodal, mas tambm
intramodal. As classes de servio concorrem pela tarifa, cabine e tempo, por
exemplo. Os operadores devem entender como vrios segmentos de mercado
respondem as alternativas de servios de classe dentro de um modo de
transporte para prever a resposta do mercado para as classes e tarifas de servio
especficas (Hensher e Raimond, 1995). Isso fundamental para a gerao de
receitas. Entretanto, poucos estudos tm investigado a demanda de servios de
classe no sistema de alta velocidade ferrovirio (HSR). A maioria dos estudos
anteriores abordou a questo de como a introduo do sistema de alta
velocidade ferrovirio influencia outros modos concorrentes ([Ortzar e

3
Simonetti, 2008], [Park e Ha, 2006] e [Roman et al., 2007]). Os estudos focaram
nas estimativas do setor bem como as relaes de concorrncia entre as
ferrovias de alta velocidade e outros modais. Esses estudos so teis para o
planejamento em longo prazo uma vez que consideram os atributos fsicos do
modo e tempo mdio, em geral. No entanto, tais atributos do modo no podem
ajudar a identificar as influncias sobre as escolhas de servios de classe nas
ferrovias

de

alta

velocidade.

Assim,

uma

melhor

compreenso

do

comportamento em relao escolha da classe de servio pode ajudar as

operadoras a planejar uma estratgia eficaz para evitar a concorrncia
intramodal entre classes de servio.
Estudos realizados anteriormente consideravam a classe de servio como
sendo uma constante nica sobre a qual se analisava sua influncia sobre a
escolha das modalidades de servio. A classe de servio raramente tratada
como uma alternativa para a avaliao do comportamento de viagem. Hensher
(1997) desenvolveu um modelo baseado em complexos padres de anlises de
opes de tipo servio para classe executiva e econmica em viagens de trens de
alta velocidade.
Os atributos projetados por abordagem de preferncia declarada (SP)
foram o tempo de viagem, frequncia, as tarifas de cabine, e da famlia / grupo
de desconto. Os resultados empricos sugerem que o tratamento endgeno das
classes de tarifas reala o contexto de uma verdadeira escolha aparecendo
diante de clientes potenciais. Proussaloglou e Koppelman (1999) pesquisaram
os critrios de escolha utilizados por passageiros de companhias areas para
obter parmetros a cerca dos prs e contras que estes passageiros levam em
conta no momento de escolher entre diversas ofertas, a companhia, o voo e a
classe de servio de bordo. Os resultados empricos fornecem medidas do preo
que os viajantes a negcios e lazer esto dispostos a pagar para obter as
comodidades, bem como a liberdade de restries de viagens, associado com
maior tarifa por classes. Ortzar e Simonetti (2008) desenvolveram um
experimento para estudar a preferncia declarada de viagens de avio e
ferrovias de alta velocidade. Os quatro atributos do tempo de viagem, tarifas,

4
conforto, e atraso de servio foram adaptados como variveis experimentais,
enquanto a classe de cabine foi utilizada como varivel Proxy para o conforto.
Na maioria dos estudos citados anteriormente, as classes de servio
foram representadas por nveis de tarifas ou por fatores constantes.
No primeiro mtodo, a influncia da classe de servio no pode ser
isolada a partir dos efeitos da tarifa. O segundo mtodo no pode ajudar a
identificar os fatores que influenciam a escolha da classe de servio e a parcela
correspondente de cada classe. A participao de cada classe de servio est
ligada a decises de atribuio de cabine, estratgia de marketing, e lucro
financeiro. Em nossos modelos, a classe de servio tratada como alternativa
independente, enquanto sua participao dominada por atributos de cabine
correspondentes. Em operao de ferrovia de alta velocidade HSR, a classe de
servio comumente referida como de cabine, classe executiva ou econmica e
de reserva ou no reserva, por exemplo. Muitos estudos indicam que a tarifa do
bilhete o principal fator que influencia a escolha intramodal ou intermodal.
([Hensher, 1997], [Hess et al., 2007] e [Nuzzolo et al., 2000]). Este estudo tem
como objetivo projetar uma ferramenta analtica para investigar a influncia dos
atributos na escolha tarifas de cabine em HSR.
A discriminao de preos frequentemente aplicada cabine estratgia
de atuao de classes ([Hensher, 1998], [Rose et al., 2005] e [Wardman e Toner,
2003]). As bases de discriminao incluem classe de servio, intervalo de tempo,
compra antecipada, reserva, e assim por diante.
Estudos de pesquisa poderiam examinar como esses fatores influenciam
a escolha da cabine. Este estudo adota o mtodo de preferncia declarado (SP)
para investigar a compensao entre os atributos da cabine. O mtodo de SP
tem algumas vantagens notveis: variao do atributo crescente, eficincia de
coleta de dados e investigao de no alternativas Existentes. No entanto, tem
uma grande limitao na medida em que depende da preciso das respostas
dos viajantes. Portanto, este trabalho prope um modelo de escolha baseada
tanto na cabine preferncia revelada (PR) e os dados de SP. A abordagem
combinada adota SP dados para medir a compensao entre as estratgias e os

5
dados simulados RP para corrigir as respostas aos viajantes ([Ben-Akiva e
Morikawa, 1990], [Bradley e Daly, 1997], [Espino et al., 2007 ] e [Louviere et al.,
2000]).
Este artigo est organizado da seguinte forma: Na seo 2, um modelo de
escolha cabine construdo e um quadro de estimativa para dados mistos
ilustrado. A Seo 3 apresenta um experimento SP concebida para recolher
respostas de viagem para cenrios de escolha vria cabine e descreve um perfil
da amostra dos dados empricos. Na seo 4, os resultados do modelo de
escolha de cabine so analisados e discutidos. Alm disso, uma anlise de
cenrio examinar a influncia das cabines estratgicas onde a escolha
apresentada. Finalmente, a Seo 5 apresenta um resumo, bem como as nossas
concluses.

Metodologia
O modelo logit multinomial (MLT) (McFadden 1973,1978), por causa de
sua caracterstica estimativa conveniente, tem sido amplamente aplicado em
servio de classe (marca), do comportamento de escolha dentro de um modo
(Hensher 2001, Hess 2008, Wen e Lai 2010), bem como no comportamento de
escolha do modo (Ben-Akiva e Morikawa, 2002, Bhat 1998, Park e H 2006). Este
primeiro trabalho adota MNL para construir um modelo de escolha da cabine.
Ento foi formulada uma srie de modelos mais flexveis para considerar a
heterogeneidade combinando dados de RP e SP. A modelagem e o processo de
estimao so explicados nos pargrafos seguintes.

Formulao do Modelo

Assumindo o utilitrio da alternativa i (i=1, ... , Jt) para o individual t

(t=1, ..., T), pode-se expressar:

Onde:
individual t;

um vetor de variveis observadas relativas a i e alternativa

o vetor de parmetros para o individual t; e

o termo de

erro.
Condicionada em

, e assumindo que

tem uma distribuio de valor

extremo tipo I e so independentes e identicamente distribudos entre os

indivduos e as alternativas, a escolha do modelo de probabilidade MNL
expresso como (Ben-Akiva e Lerman, 1985):
( )

Onde: Jt o nmero de alternativas na escolha do Ct do individual t.

Alm da especificao do modelo MNL, tambm se formulou o logit
misto (ML) (Mc Fadden e Train, 2000; Revelt e Train, 1998; Train, 2003), modelo
para considerar a heterogeneidade entre as alternativas e indivduos.
Atualmente, progressos de calibrao em mtodos de simulao, fizeram o
modelo ML ser aplicado em muitos tpicos de pesquisa, variao do gosto,
coeficientes aleatrios e componentes de erro. Seguindo diferentes tpicos de
pesquisas, o modelo ML tambm chamado como logit coeficientes aleatrios
(RCL) (Bhat, 1998; Train, 1998) ou logit componentes de erro (ECL) (Brownstone
e Train, 1999). A formulao RCL explora o erro estrutural do modelo ML para
acomodar uma distribuio aleatria entre os indivduos, enquanto a
formulao ECL permite o modelo aproximar qualquer correlao estrutural
arbitrria GEV, rigorosamente (Hess at al, 2005). Se o parmetro vetorial
assumido para ser distribudo aleatoriamente com densidade

( ) entre

indivduos a escolha de RCL pode ser expressa como:

( ) ( )

Contudo, quando o objetivo primrio representar a correlao e

heterogeneidade sobre alternativas, um poderia usar a formulao do modelo
ECL. A funo unitria (vista na eq. 1) pode ser rescrita como
, onde

um termo aleatrio com zero significativo, cuja distribuio

7
de indivduos e alternativas depende, em geral, dos parmetros fundamentais e
dados observados. Dado o valor de

e assumindo

, obedecendo ao valor

extremo de distribuio iid, a escolha condicional provavelmente segue como:

( )
Se

no dado, a escolha provavelmente a frmula integrada logit

sobre todos os valores

,ponderada pela densidade de

( ) ( )

O mtodo mximo simulado de probabilidade (MSL) usado para

estimar os parmetros do modelo para formulaes RCL e ECL (Train,2003).

Mtodo de Estimao Articulado

O objetivo do mtodo de estimao para associao de dados RP e SP

conjuntos, a fim de obter mais modelos informativos. Contudo, os termos de
erro de dois dados conjuntos no so do mesmo tipo; as amostras de erro de
dados RP so devido a variveis independentes, enquanto os dados SP forem
devido a variveis independentes. Bem-Akiva e Morikawa (1990) tm proposto
um quadro geral para combinar as varincias de ambos os termos de erro de
dados de SP e RP (
Onde

)e

)) e isso para dizer:

um parmetro de escala desconhecida, usada para modificar a

diferena entre a varincia SP e RP. Assumindo os dois dados como recursos

originados de amostras independentes, o log-verossimilhana de dados
combinados a soma do multinomial log-verossimilhana de dados de RP e SP.

8
(
Onde

, se o cursor t escolhe a alternativa i e

caso contrrio.

Bradley e Daly (1997) tem desenvolvido um mtodo de estimativa baseado

numa estrutura logit artificial aninhada, onde alternativa RP so as razes e
cada alternativa SP uma nica alternativa aninhada com parametro de escala
comum,

(Roman el al,2007). Tome como exemplo de comportamento de

escolha da cabine: duas alternativas no conjunto de dados RP e SP, cabine

reservada e no reservada esto ligadas pelo fator de escala. A escolha conjunta
de dados RP e SP no tem conjunto comum. Alternativas RP no esto
disponveis para observaes SP. Portanto, como os indivduos no modelo no
so selecionados a partir de todo conjunto, a estrutura no requer que

possa

ser menor ou igual a , como num modelo logit aninhado clssico (Ortzar e
Willumsen, 2001). O quadro de estimativa do modelo MNL, combinando dados
de RP e SP, ilustrado na figura 1. O fator de escala

na equao 1 representa a

varincia relativa dos termos de erro de SP e RP, expressados como proporo.

Se

, significa que a varincia do termo de erro de SP melhor que o termo

de erro RP. Isto significa o contrrio se

O Nlogit V 4.0 software baseado

no mtodo mxima informao de probabilidade, era usado para modelo de

estimao.

Dados
Operao de Cabines

Um servio HSR opera ao longo do corredor oeste de Taiwan desde maro de

2007. Inicialmente, os comboios tinham apenas duas classes de cabine: negcios e
padro. A classe empresarial oferece conforto, privacidade e espao amplo de
assento, mas a tarifa de bilhete 50% mais cara do que as tarifas de classe padro.
Um trem HSR tem uma cabine de classe executiva e onze cabines de classe padro.
As cabines no podem ser intercambiadas porque elas so configurados

9
diferentemente. Oito meses aps o incio, o operador decidiu adotar a discriminao
de preos na classe padro para atrair mais passageiros para esta classe que estava
em baixa.
Das onze cabines padro, sete so reservadas (R-cabine) e quatro so sem
reservas (U-cabine). A estratgia de preos para a classe padro baseia-se na cabine
tipo, tempo e segmento (dia de semana/ dia de fim de semana e horrio de pico/
horrio fora do pico). No entanto, a alocao de cabine e estratgia de preos no
coincidem com demanda de viajantes muito bem. Portanto, tentamos identificar os
fatores que significativamente possam influenciar a escolha dos viajantes de R-cabine
e U-cabine e encontrar uma estratgia de atributo de cabine que poderia
sensivelmente afetar alocaes de cabine. Assim, alm de coleta de dados preferncia
revelada (RP) na escolha de cabine de viajantes HSR, este artigo adota uma tcnica de
preferncia declarada (SP) para localizar os atributos importantes que influenciam a
escolha da cabine.

Projeto para Avaliar as Preferncias

Estudos anteriores indicam que classe de Tarifa, segmento de tempo

(tempo de pico e tempo fora do pico) e reserva antecipada influenciam
significativamente escolha da classe de cabine (Espino et al., 2008; Hensher,
2001; Proussaloglou e Koppelman, 1999). O preo atual estratgia em Taiwan
do HSR baseia-se na cabine de classe e o segmento de tempo (por exemplo, dia
de semana/ dia de fim de semana e horrio de pico/horrio fora do pico). A
clareza dos efeitos do segmento de tempo em polticas de preos existentes, nos
mostra que isolado o segmento de tempo como uma varivel independente, que
representa sua influncia de nveis de desconto aplicveis aos dois tipos de
cabine. A fim de avaliar o efeito da compra antecipada na escolha de cabines de
assentos reservados, diferentes nveis de desconto em tarifa foram projetados
para testar respostas dos viajantes. Desconto de compra antecipada projetado
apenas para R-cabine assim sua influncia na escolha da cabine pode ser
investigada. Assim, alm de tarifas base para ambas cabine-tipos, o

10
questionrio de preferncia declarada envolve trs descontos tarifrios:
descontos de tempo dois, um para cada tipo de cabine e um desconto de
compra antecipada.
Para refletir o prmio Tarifa correspondente distncia real de viagem,
trs nveis de desconto foram concebidos como porcentagem em vez de valor
absoluto de Tarifa (Espino et al., 2008; Romano et al., 2007). Desta forma que
coincidiu com a prtica operando de Taiwan HSR.
Alm disso, desde que U-cabine no pode fornecer a reserva de assento,
os viajantes podem ter a possibilidade de manter permanente no assento
durante a viagem. Portanto, a probabilidade de assento permanente associado
com cabine de U fatorada em cenrio da preferncia declarada para
representar seu efeito sobre a escolha da cabine. Esse atributo tambm pode ser
usado para medir o valor monetrio da incerteza do assento.
Pelas razes acima mencionadas, o SP envolve trs nveis atributos que foram
usados para projetar duas alternativas: R-cabine e U-cabine. Os atributos so
descontos do segmento de tempo (R-cabine e U-cabine), desconto de compra
antecipada (R-cabine) e permanncia de assento (U-cabine). Devido s caractersticas
da cabine, os dois ltimos atributos so projetados especificamente para R-cabine e
U-cabine, respectivamente. Uma vez que esses atributos variam ao longo do tempo e
entre os dias, seus correspondentes nveis foram projetados de acordo com
segmentos de tempo: dia de semana/ dia de fim de semana e horrio de
pico/horrio fora do pico. As regras so que para o segmento de tempo em horrio
fora do pico e dia de semana, o desconto superior ou igual ao desconto de horas
dentro do pico ou em dia de fim de semana e a probabilidade de assento permanente
em horrios de pico e dias de fim de semana da U-cabine maior que ou igual
probabilidade nos dias de semana e horrios fora de pico. Quanto mais cedo o bilhete
comprado, maior seria o desconto de compra. Previsto um desconto para compra
antecipada, cobrada uma taxa de 10 % da tarifa como o trade-off para este atributo
se o bilhete cancelado (Espino et al., 2008; Proussaloglou e Koppelman, 1999).
Quatro atributos projetados so fornecidos: dois descontos de segmento para Rcabine e U-cabine , desconto de compra antecipada e probabilidade de assento

11
permanente. Assim, temos um fatorial completo 81 combinaes de quatro
atributos cada um em trs nveis (34). O princpio da fatorial fracionrio ortogonal
(log 34) usada para eliminar combinaes de atributos e nveis (Espino et al., 2007;
Hensher et al., 2008; Hess et al., 2007; Louviere et al., 2000; Parque e Ha, 2006). Desde
que nossa pesquisa foi realizada na estao HSR, entrevistados no teria suficiente
tempo para responder o questionrio. Portanto, ns aleatoriamente fizemos os nove
perfis para blocos de trs, cada qual constitudo uma verso do questionrio de
preferncia declarada (tipos AC). Isso significa que cada entrevistado apenas tem
que responder a trs cenrios de preferncia declarada e indicar a escolha atual de
preferncia revelada em relao a classe de cabine. Questionrio mais curto vai
ajudar a aumentar a disposio dos entrevistados em participar de nossa pesquisa.

Perfil e Inqurito por Amostragem

Um exame de viajantes que viajou mais de 150 km foi conduzido na

estao HSR em outubro de 2008. Cada entrevistado necessrio para completar
um questionrio auto-administrado, que foi estruturado em trs partes: escolha
da cabine por preferncia revelada, avaliao da preferncia declarada e
caractersticas do viajante. Os entrevistados foram amostrados ao longo da
semana e nos fins de semana, bem como nos horrios de pico e fora de pico,
para que o comportamento de escolha de cabine em vrios segmentos de tempo
pude-se ser contabilizado. A amostra completa consistia de 330 entrevistados.
Cada entrevistado representou uma amostra de preferncia revelada e trs
amostras de preferncia declarada, em um questionrio.
Dos 330 entrevistados, viajantes masculinos representam 57 %. A maioria
dos entrevistados estavam na faixa etria de 3049 anos, quase 90% foram entre
18 e 49 anos. Quase 60% de todos os entrevistados recebem uma renda familiar
de NT$60,000-NT$120,000 (US$1 = NT$32 2010).
Os dados preferncia revelada, escolhidos para a classe de cabine
estatsticas, mostram que caractersticas socioeconmicas tendem a favorecer os
homens e grupos de idade mais jovens na U-cabine e viajantes de renda familiar

12
superiores na R- cabine . Em matria de caractersticas da viagem, 29 % da Rcabine e 14% das tarifas U-cabine foram pagos por terceiros. Isso bastante
natural, porque os viajantes no consideram o custo do bilhete e vo escolher
mais confortveis cabines onde a tarifa paga pelos outros. Alm disso, a
maioria dos viajantes R-cabine tendem a viajar em grupos (59%) e no fim de
semana (71%). Finalmente, o viajante ocasional favorece a U-cabine (17%) ao
invs de R-cabine (3%), porque a classe de U-cabine oferece horrios mais
flexveis.
De acordo com dados do questionrio de preferncia revelada, aes de
cabine R e U so 47% e 53%, respectivamente. Alm disso, 73% de viajantes Rcabine escolheria a mesma cabine em experimentos RP e SP, em relao
correspondente para a U-cabine sendo 65%. Estas altas taxas indicam um efeito
de inrcia forte no comportamento de escolha de cabine. Os viajantes U-cabine
so mais propensos a mudar sua preferncia de cabine como resultado da
influncia de atributos de preferncia declarada.

Resultados
Antes de construir um modelo de escolha da cabine com a combinao
de dados de PR e SP, primeiro usamos dados de RP para testar a especificao
do modelo mais adequado. Desta forma, poderia ser mais efetivo na
identificao de variveis efetivas e na velocidade de convergncia do modelo,
enquanto analisa-se duas fontes de dados diferentes. Em seguida, a
especificao proposta em variveis eficazes e modelo de estrutura utilizado
para a construo de um modelo de escolha cabine com dados de RP e SP. Por
fim, uma anlise de cenrio realizada para interpretar as implicaes.

13
Especificao do Modelo

Primeiro usamos o modelo MNL para identificar as variveis eficazes e

ento estima-se duas alternativas formulaes ML para determinar a
especificao do modelo mais adequado. As variveis utilizadas na funo de
utilidade do modelo MNL podem ser classificados em quatro tipos e seu
significado e especificao so explicados nos pargrafos seguintes:

1. Constantes e fator de escala: Para o U-cabine, uma alternativa

especificada constante (ASC), um para cada dado RP e SP, e uma inrcia
constante para capturar o efeito habitual, no qual foram atribudos dados
ao SP. A varivel de inrcia no utilitrio SP igual a 1 se U-cabine foi
escolhido em RP dados e caso contrrio igual a 0. Alm disso, um fator
de escala usado para representar a razo de varincias dos termos de
erro entre os dados de RP e SP.
2. Atributos de cabine: Tarifa que representa o custo do bilhete. Ele
corresponde a percorrer a distncia e especificado como uma varivel
comum para ambas as classes de cabine. Em RP, a tarifa auto-relatados
pelos entrevistados, enquanto que em SP a tarifa ajustada por todos os
descontos disponveis, incluindo segmento de tempo e descontos de
compra antecipada. Para evitar valores zero, a varivel de desconto de
tempo foi especificada como uma proporo de tarifas ajustadas (1 Desconto de tempo)-R-cabine em relao ao U-cabine. Esta relao
utilizada para medir o efeito do tempo sobre a escolha do segmento de
cabina. Apesar de considerar o efeito da disponibilidade de lugar,
devemos lembrar que a probabilidade de estar sentado especfica para
o U-cabine.
3. Caractersticas de viagem: uma varivel dummy (modelo) de despesa
tarifa foi includo para analisar a influncia de terceiros-pagos viagens
sobre a escolha da cabine. Alm disso, duas variveis dummy, uma
para viagens ocasionais e outro para o viajante individual, foram

14
especificados para refletir a flexibilidade de seleo de programao e
disponibilidade de assentos na cabine de U. Finalmente, uma varivel
dummy de semana foi especificada para o U-cabine para revelar a
diferena de preferncia por cabine entre dias de semana e fins de
semana.
4. Nvel socioeconmico: renda familiar de R cabine-viajantes foi estudada
para examinar se maior renda faz com que viajantes prefiram maior
tarifa-classes para sua cabine confortvel. Alm disso, uma varivel
dummy foi especificada para explorar como homens e mulheres diferem
nas preferncias de cabine diferentes.

Os resultados dos dois modelos MNL foram resumidos em duas

primeiras colunas da Tabela 5 (MNL1 e MNL2). Todos os coeficientes tm o
sinal esperado e so estatisticamente significantes, exceto tarifa. Consistir com
os princpios microeconmicos de modelo discreto modelo de escolha,
primeiro adotar a especificao de dividir tarifa por ln (renda) para acomodar
efeito renda em toda a expresso de utilidade indireta (Jara-Daz e Farah, 1987;
Jara-Daz e Videla, 1989, Train e McFadden, 1978) (ver MNL1 modelo).
No entanto, este modo no foi encontrado sinal esperado e
estatisticamente significativo. Mas, curiosamente, se a renda foi especificada
apenas R cabine-como varivel especificada alternativa (Greene e Hensher,
2007; Hensher, 2008), seu coeficiente e fitness modelo ser melhorado
significativamente (ver MNL2 modelo). Pois a limitao de dados na coleta de
atributos qualitativos da cabine, a renda usada para representar como um
proxy de tendncia conforto.
Alm disso, foram utilizados dois modelos ML (ECL e RCL) para
considerar a heterogeneidade entre alternativas e indivduos.
Os resultados so listados como estimando as terceira e quarta colunas
da Tabela 5. Dois erros para R cabine e U-cabine no modelo LCE no foram
estatisticamente significantes.

15
Alm disso, o teste de razo de semelhana entre MNL2 e ECL
indicou que o modelo ECL no
estatisticamente mais significativo do que o modelo MNL2.
O resultado a consistncia de nossas investigaes preliminares sobre
as

variveis demogrficas

em

que

no

foram

encontradas

relaes

significativas com os atributos de cabine.

Ento ns especificamos tarifa varivel como coeficiente aleatrio com
distribuio normal.
O desvio padro de coeficiente de tarifa de 0,014 e no muito
significativa (t-valor = 1,4). A probabilidade estatstica relao cap para RCL
contra MNL2 de 2,94 com relao ao valor crtico

, o que revela

que o modelo RCL no estatisticamente mais significativo do que o modelo

MNL2. Em nosso estudo emprico, dois modelos ML heterogneas no so
mais significativas do que o modelo MNL. Que revelou que os segmentos de
viagem e caractersticas socioeconmicas com o especificando como variveis
dummy aditivos tinha explicado a maior parte da heterogeneidade entre
alternativas e indivduos. Assim, a especificao de MNL2 modelo utilizada
para construir o modelo de escolha cabine com os conjuntos de dados RP e de
SP.

Modelo de Escolha da Cabine com dados RP/SP

Antes de utilizar dados de RP e SP para modelar o comportamento de

escolha de cabine, devemos primeiro investigar a correlao entre trs cenrios
de SP respondido pelo mesmo viajante. Partindo do pressuposto de que a
correlao entre as respostas podem ser distinguidos em duas partes: uma
entre RP e os dados de SP e o outro encontra-se entre as respostas SP da mesma
pessoa.

16
No que se refere a esta ltima, apesar de o processo de gerao de erro
para um conjunto de escolhas de SP em uma experincia controlada poderia
ser espera ser o mesmo, que provvel que seja diferente variao nos cenrios
SP. Por isso, foi utilizado modelo de painel ECL para investigar a correlao
entre trs opes SP (Brownstone et al., 2000). Nos dados de painel ou de
escolhas repetidas, o termo de erro gi da eq. (4) especificado como um
efeito aleatrio que induz a correlao entre observaes do mesmo indivduo.
Os resultados do modelo com os dados de ECL SP so listados na primeira
coluna da Tabela 6 (ver ECL-SP modelo). Os componentes de erro relacionadas
duas alternativas no so estatisticamente significativos.
Por isso, assumimos os termos de erro so independentes atravs
escolhas SP feitas por um mesmo indivduo (Brownstone et al, 2000;. Hess,
2008; Mabit et al, 2008;. Train, 2003).
Com base em investigaes anteriores sobre especificao do modelo e
correlaes em observaes feitas pelo mesmo indivduo, adotamos o modelo
de especificao de MNL2 para construir um modelo de escolha da cabine com
a combinao de dados de PR e SP. Os resultados so mostrados na estimativa
segunda coluna da Tabela 6 (ver JP-MNL modelo). Resultados probabilidade
teste da razo indicam que a hiptese nula de todos os parmetros zero e
pode ser rejeitada ao nvel de 5% de significncia. Isto significa que o modelo
proposto tem um bom ajuste. Todos os coeficientes de atributos de cabine so
negativos e significativos, exceto a de permanecer sentado. A varivel tarifa
incorpora os efeitos de todos os tipos de descontos, incluindo classe de cabine,
segmento de tempo, e compra antecipada. A varivel tempo de desconto capta
o efeito do desconto ambas as classes segmento de tempo na escolha da
cabine. Embora a varivel tarifa inclui o efeito do desconto segmento de tempo,
ns projetamos a relao como uma varivel de solo para investigar se a
estratgia

de

desconto

de

tempo

influencia

escolha

da

cabine

significativamente. Seu coeficiente bastante significativo e tem um efeito

negativo.Isso significa que os viajantes vo preferir a R cabine se os descontos
de tempo de ambos os camarotes so mais ou menos iguais. Este resultado

17
indica que, embora o modelo considera preo do bilhete, a diferena relativa
entre os descontos de tempo para ambos os camarotes desempenha um papel
importante. Em outras palavras, alm do efeito monetrio da tarifa, o efeito
psicolgico

de

desconto

do

tempo

influencia

escolha

da

cabine

consideravelmente.
O coeficiente para a probabilidade de haver assento para o U-cabine
menos significativa (apesar de o nvel de significncia mais do que 90%). Isto
pode ser devido ao fato do peso do fator de HSR no tiver atingido o nvel de
saturao e, por isso, os viajantes no poderia considerar o atributo mais
seriamente. No entanto, o coeficiente negativo indica que a pena de incerteza
sobre a disponibilidade de assentos desempenha um papel contraditrio em
influenciar uma escolha em favor do U-cabine. Alm disso, embora o atributo
de desconto de compra antecipada no pode ser especificado como uma
varivel significativa, a sua influncia tem sido considerado atravs da varivel
de tarifa.
Quanto viagem e caractersticas socioeconmicas, havia especificado as
variveis como a interao com atributos de cabine em investigao prvia. Por
exemplo, a interao dos outros-pago viagem com tarifa (LL(b) = -761.049) e
nico viajante com probabilidade assento de p (LL(b) = -763.893) no so
estatisticamente significativas do que a especificao da varivel dummy no ou
ao correspondente valor de t. Por isso, ns especamos caractersticas de viagem
e socioeconmicas como varivel especificada alternativa para revelar as
diferenas entre viagem e segmentos socioeconmicos. Como os resultados, as
tarifas de variveis que representam pagos por outros tem uma influncia
significativa sobre a escolha de R cabine. O coeficiente positivo implica que
estes viajantes preferem uma alternativa de maior tarifa, uma vez que no
costumam considerar a tarifa do bilhete ao decidir sobre uma classe de cabine.
O coeficiente de viagem ocasional tem uma influncia positiva significativa
sobre uma escolha a favor da U-cabine. Semelhante o caso com o viajante. Isto
pode ser devido ao fato de que o U-cabine oferece uma maior flexibilidade na

18
seleo de programao. O coeficiente positivo da viagem de semana indica
que os viajantes durante a semana preferem o U-cabine.
Em termos de caractersticas socioeconmicas, a especificao de renda
varivel havia sido abordada, bem como modelo de RP. O lar / renda pessoal
no so significativos nem dividindo-o em tarifa nem segmentando-o como
uma interao com a tarifa, mas como um R-cabine especificado varivel. A
varivel renda supe representar como um proxy de tendncia conforto. O
coeficiente positivo significa que os viajantes com renda familiar alta preferem
a tarifa mais alta classe R cabine para maior conforto. Outras, viajantes do sexo
masculino so mais propensos a escolher o U-cabine do que os viajantes do
sexo feminino. A principal razo que os viajantes do sexo feminino esto mais
preocupados com a privacidade de ambiente de cabine. Eles preferem uma
cabine com facilidade reserva de assento. Finalmente, a varivel inrcia do Ucabine tem uma influncia positiva, estatisticamente significativa na escolha da
cabine. Os resultados indicam que o efeito de inrcia desempenha um papel
importante na RP combinado e dados SP. O fator de escala (0,447) mostra que a
variao de dados SP 2,2 vezes a variao nos dados de RP. Alm disso, ASC
representar as aes de ambas as cabines, que deve ser especificada a
respectiva RP e SP para revelar as diferenas partes em conjuntos de dados
(Brownstone et al, 2000;. Ortzar e Iacobelli, 1998). Assim, a ASC de U cabine
para RP dados ainda est reservada no MNL-JP modelo.

Discusso e Implicaes

A anlise de cenrio se prope a examinar a sensibilidade de partes da

cabine para alteraes nos atributos de cabine. O foco principal o atributo de
desconto para o segmento de tempo. Essas variveis de MNL-JP modelo na
Tabela 6 foram utilizadas para efetuar a anlise de cenrios, enquanto a
varivel de inrcia para SP no utilizado na previso (Ortzar e Iacobelli,
1998). Os cenrios (chamados regulares, trens azul e laranja) so projetados de

19
acordo com as regras de preos atuais de Taiwan HSR para examinar a
racionalidade do atual sistema de cabine de alocao. Os seguintes cenrios
considera-se o desconto extra com base em segmentos de tempo diferentes para
alm da diferena de tarifa de quase 15% entre os dois camarotes. No cenrio
de trem regular, com 15% de desconto em U cabine-tarifas, 64% dos viajantes
preferem o U-cabine. De um total de 11 cabines padro, sete (0,64*11 = 7,04) so
necessrios para U cabine-alocao. Seguindo o mesmo princpio, cinco Ucabine e oito R cabine para o trem azul e laranja, respectivamente, seriam
idealmente necessrio para satisfazer a demanda de ambos os camarotes (ver
Tabela 7). Estes resultados sugerem que R e U-alocaes de cabina deve ser
feita de acordo com o cenrio aqui apresentado. No entanto, as alocaes de
cabine existentes em Taiwan HSR no so flexveis e, mesmo, cancelamento de
U cabine de servios em determinados dias. Assim, as capacidades de tipos
diferentes de cabine no so suficientes para atender a demanda na ntegra.
Isto leva a cabines desocupadas ou superlotadas.
Para avaliar o impacto das caractersticas de viagem sobre a escolha da
cabine, foram calculadas as partes cabine previstos com base nos segmentos de
caractersticas de viagem. Os resultados esto resumidos na Tabela 8. Terceiropagos viagens so 13% mais do que auto-pagos viagens na classe R cabine.
Tipo de dia que diz respeito, mais dias da semana (9%) do que os viajantes de
fim de semana escolher U cabine de classe. A mesma tendncia aparece em
viajar-parceiro e tipos programados. Mais simples (7%) do que os viajantes
grupo escolher U cabine de classe, como fazem os viajantes ocasionais, 10% a
mais do que o tipo de planejamento. Estes resultados de mudanas partes da
cabine pode ajudar as operadoras HSR enquadrar as estratgias mais eficazes
de cabine com base em caractersticas viagem de cada segmento.
Finalmente, de acordo com os resultados empricos anteriores, os
viajantes esto dispostos a pagar

para uma

melhoria de 10% na probabilidade de estar de um U-cabine. Por exemplo, a

diferena entre as duas passagens de classe cabine de cerca de 15% de um

20
bilhete de R cabine (NT $ 1490) para a maior viagem em Taiwan HSR, que
igual ao valor monetrio de uma melhoria de 20% na probabilidade de estar de
um U-cabine. A equao a seguinte:

Isto significa que se a probabilidade de p assento nos aumentos Ucabine em 20%, os viajantes tendem a escolher o Rcabin. Portanto, os
operadores ISSS deve lembrar das limitaes crticas para arranjos de alocao
de cabine.

Concluso
Alguns estudos sobre a concorrncia intramodal entre classes de servio
consideram a classe da cabine como uma nica alternativa para o procedimento
de escolha do modelo. O documento identifica as preferncias de escolha de
cabine com o modelo MNL e examina caractersticas do design da cabine pelo
mtodo de preferncia declarada. As vantagens de combinar os dados de RP e
SP foram apresentados. Estes relacionados preciso de respostas de viajantes e
trade-off de caractersticas da cabine. O modelo proposto foi validado usando a
escolha da cabine dados coletados de viajantes HSR, com cabines classificadas
como reservadas e sem reservas.
A principal contribuio do trabalho a aplicao da diferenciao de
preos com base no tempo, classe de servio e compra antecipada para modelar
o procedimento de escolha cabine do HSR enquanto literaturas anteriores no
estavam preocupadas com todos eles ao mesmo tempo (Hensher, 1997, 2001;
Ortzar e Simonetti, 2008; Park e Ha, 2006). Alm disso, este estudo tambm
tem estimado o valor monetrio da probabilidade de espera do assento (ficar
em p) para avaliar o efeito da incerteza do assento. Esta questo to
importante no procedimento de escolha da viagem, mas raramente abordado na
literatura. Uma contribuio mais prtica a anlise do cenrio que pode ajudar

21
os operadores a fazer a estratgia mais adequada de alocao de cabine
correspondentes ao intervalo de tempo e caractersticas de viagem.
Os resultados indicaram que as caractersticas da tarifa da cabine, razo
de desconto do tempo, probabilidae de espera de assento (ficar de p)
influenciam na escolha da cabine. Em comum com muitos estudos anteriores
(Espino et al, 2008;. Hensher, 2001; Proussaloglou e Koppelman, 1999), nvel de
tarifa um fator importante e de fcil medida quantitativa quando os viajantes
tm que escolher uma classe de cabine preferida dentro do mesmo modo. Outro
resultado interessante o significado da razo de desconto de tempo. O valor
monetrio da incerteza do assento pode ser calculado a partir da relao entre o
coeficiente da probabilidade de espera de assento (ficar de p) e da tarifa. Os
resultados revelam que o limite superior da probabilidade de espera de assento
(ficar de p) para U-cabine de 20%. Acima deste nvel, os viajantes estariam
dispostos a pagar um extra de 15% para atualizar para R-cabine.
Este papel desenvolveu uma caracterstica para examinar o efeito de
preos discriminatrios com base no intervalo de tempo. Raramente estudos de
modelagem de escolha da cabine investigaram a influncia do intervalo de
tempo, anteriormente. O coeficiente relevante evidenciado que a estratgia de
preo do intervalo de tempo explicitamente afeta as preferncias dos viajantes.
Os resultados da anlise de cenrio tambm mostram que estratgias de
intervalo de tempo levam a mudanas bvias de partes da cabine. Assim, a
alocao de ambos os tipos de cabines deve corresponder demanda de
intervalo de tempo.
Dentro de intervalos com base nas caractersticas de viagem, partes da
cabine alteraram substancialmente e de forma diferente. Viajantes cujos preos
so pagos por outros preferem reservar assentos. Assim, a estratgia de
marketing para R-cabine deve concentrar-se, principalmente, em viagens de
negcios. O operador HSR pode efetivamente manter uma relao leal com
empresas comerciais atravs de melhores contratos de bilhetes. Alm disso, a
estratgia de grupo de bonificao pode ser usado para aumentar o fator de
carga R-cabine. Em outras palavras, o posicionamento de U-cabine deveria

22
contemplar os segmentos de viagem nos dias teis e ocasional. A caracterstica
comum destes segmentos a questo da flexibilidade de horrios e mobilidade.
Como U-cabines no precisam ser atribudos os horrios dos comboios e os
nmeros do banco, a introduo de mecanismos de pagamento, tais como o
carto de valor armazenado, por exemplo, o carto Octopus em Hong Kong,
pode acelerar o processo de emisso de bilhetes e acesso plataforma.
Apesar destes resultados notveis, um certo nmero de pontos a ser
considerado em pesquisas futuras. O objetivo principal deste estudo apenas
para se concentrar na intramodal concorrncia para cabines HSR. No entanto, o
procedimento de escolha da cabine tambm pode influenciar competio
intermodal. Por isso, futuras pesquisas devem combinar escolha do modo e da
cabine, simultaneamente, para investigar os efeitos da estratgia de cabine em
intermodal e intramodal concorrncia. Alm disso, este estudo considera
apenas dois tipos de cabines padro mas ignora a cabine de classe executiva. O
papel da classe de cabine executiva no contexto do aumento da procura de HSR
uma importante rea para futuras investigaes.
Em relao reviso da metodologia da pesquisa, este estudo assume os
termos de erro no observados so independentes em respostas de RP e SP
feitas pelo mesmo viajante. No entanto, a limitao pode exigir outra alterao
por modelos alternativos, por exemplo, componente do painel de erro
combinado com modelo logit (Hensher, 2008; Hensher et al, 2008;. Hess e Rose,
2009). Adicionalmente, um mtodo alternativo em relao experincia
ortogonal para o design de SP, o chamado D-eficincia, tem sido provado em
produo mais eficiente e confivel parmetro de estimao para discreta
escolha dos modelos (Bliemer e Rose, 2010; Bliemer et al, 2009;. Rose et al, 2008).
O estudo futuro poderia envolver a considerao com o eficiente design de SP.