金智英，李 豹，王 紅，朱順應(yīng)

(武漢理工大學(xué)交通學(xué)院，湖北武漢430063)

公共汽車線網(wǎng)調(diào)整乘客風(fēng)險識別方法

金智英，李 豹，王 紅，朱順應(yīng)

(武漢理工大學(xué)交通學(xué)院，湖北武漢430063)

乘客風(fēng)險識別對優(yōu)化公共汽車線網(wǎng)調(diào)整方案、提高線網(wǎng)調(diào)整可實施性、制定社會風(fēng)險管控策略具有重要意義。提出一種基于乘客感知的差別—矩陣法來識別乘客風(fēng)險。在乘客滿意度調(diào)查與線網(wǎng)調(diào)整乘客期盼調(diào)查的基礎(chǔ)上，結(jié)合現(xiàn)狀滿意度水平、線網(wǎng)調(diào)整期盼高低與優(yōu)化方案優(yōu)化程度三者之間的差異建立三維矩陣模型，劃分風(fēng)險區(qū)域以確定風(fēng)險指標排序。通過對高風(fēng)險指標和乘客個體屬性相關(guān)性影響進行顯著性分析，識別高風(fēng)險群體。模型結(jié)果表明：武漢市公共汽車線網(wǎng)調(diào)整過程中高風(fēng)險指標為換乘次數(shù)，其中女性群體、老年群體、自由職業(yè)者和公務(wù)員以及乘車頻率較低的群體為高風(fēng)險群體，應(yīng)針對各群體特性加強制定相應(yīng)風(fēng)險管控措施。

城市交通；公共汽車；線網(wǎng)調(diào)整；風(fēng)險識別；差別—矩陣法；武漢市

0 引言

公交走廊內(nèi)新增軌道交通線路常導(dǎo)致公共汽車運力過剩。為充分發(fā)揮軌道交通優(yōu)勢，有必要對原有的公共汽車線網(wǎng)進行優(yōu)化調(diào)整，變競爭關(guān)系為互補關(guān)系，以良好接駁軌道交通。另外，城鎮(zhèn)化和舊城改造引起的土地使用性質(zhì)和強度調(diào)整，常導(dǎo)致乘客流量、流向變化，原有的公共汽車線網(wǎng)也需調(diào)整以適應(yīng)這種變化。隨著軌道交通逐條分階段建設(shè)，公共汽車線網(wǎng)調(diào)整一般是逐條分階段實施，這種局部遞進式調(diào)整難以達到全局最優(yōu)。在大城市，為形成以大運量軌道交通為主骨架、公共汽車為主體的一體化全局最優(yōu)公共交通系統(tǒng)[1]，公共汽車線網(wǎng)可能需要大規(guī)模調(diào)整。

然而，公共汽車線網(wǎng)的大規(guī)模調(diào)整將會在短期內(nèi)極大地改變乘客出行、工作以及生活習(xí)慣。這種突然的變化可能會引發(fā)各種矛盾和社會不滿交織出現(xiàn)，造成突發(fā)事件，影響社會穩(wěn)定。突發(fā)事件的演變具有不確定性[2]，參與者發(fā)泄不滿的同時難以控制自身情緒，容易引發(fā)斗毆或與執(zhí)法人員沖突行為，造成的非正常死亡率相當(dāng)高，因此公共汽車線網(wǎng)調(diào)整引發(fā)的社會風(fēng)險不容小覷。而風(fēng)險識別是政府實施項目建設(shè)決策的主要依據(jù)，對有效預(yù)防和避免群體性突發(fā)事件具有重要作用。

在項目建設(shè)決策時，決策者常以自身對項目的期盼作為參照點(項目屬性值超過參照點的部分視為收益，低于參照點的部分視為損失)，且對待收益和損失有不同的心理反應(yīng)[3]。然而，決策者的期盼與使用者的期盼往往存在差異，并且使用者間也具有個體差異。因此，應(yīng)補充基于公眾意愿的風(fēng)險決策判斷。而專家理性的風(fēng)險評估和公眾參與是行政科學(xué)決策的重要途徑[4]。

眾多學(xué)者對風(fēng)險識別方法進行了研究，國外甚至深入研究到風(fēng)險邊界[5]的識別，還有考慮風(fēng)險復(fù)雜性、不確定性和模糊性的風(fēng)險識別[6]。中國的研究中，文獻[7]建立了居民出行競爭的風(fēng)險模型，文獻[8]將風(fēng)險感知引入群體事件的風(fēng)險識別研究。文獻[9-11]對乘客對公共汽車線網(wǎng)調(diào)整的期盼進行研究，但幾乎沒有研究涉及公共汽車線網(wǎng)調(diào)整乘客風(fēng)險識別。

本文基于公眾與專家共同參與的原則，以武漢市公共汽車線網(wǎng)調(diào)整為研究對象，設(shè)計調(diào)查問卷，通過面對面隨機問詢調(diào)查方式采集乘客對公共汽車滿意度以及線網(wǎng)調(diào)整的期盼，采用主客觀相結(jié)合，通過差別—矩陣法劃分風(fēng)險區(qū)域并得到各指標的風(fēng)險程度，繼而對高風(fēng)險指標與乘客個體屬性進行關(guān)聯(lián)顯著性分析，識別高風(fēng)險乘客群體。

1 數(shù)據(jù)與方法

1.1 問卷設(shè)計

為全面反映乘客對現(xiàn)狀公共汽車的滿意度與線網(wǎng)調(diào)整意愿，基于易理解、揭示乘客真實意愿的原則，結(jié)合武漢市公共汽車運行特征、乘客出行行為特性和個體屬性等方面設(shè)計問卷指標體系。并結(jié)合專家意見與預(yù)調(diào)查等方法，確定最終問卷。問卷包含三部分：

1）個體屬性，主要包含性別、年齡、職業(yè)、月收入以及乘坐公共汽車頻率5項指標；

2）現(xiàn)狀滿意度指標，包括出行費用、換乘次數(shù)、出行總時長、到離站步行距離以及候車時間；

3）線網(wǎng)調(diào)整期盼指標，包括出行費用(2.0元，1.5元，1.0元，0.5元，0元)、換乘次數(shù)(0次，1次，2次，3次，≥4次)、出行總時長(0.5 h，1.0 h，1.5 h，2.0 h，＞2 h)、到離站步行距離(≤300 m，＞300～400 m，＞400～500 m，＞500～700 m，＞700 m)以及候車時間(≤5 min，＞5～10 min，＞10～20 min，＞20～30 min，＞30 min)。

1.2 問卷檢驗

采用信度與效度法，檢驗問卷可靠性與指標體系合理性。本文利用克朗巴哈系數(shù)法(Cronbach's alpha)與因子分析法對問卷指標體系的信度與效度分別進行檢驗[12]。總量表的信度系數(shù)小于0.8時，需重新設(shè)計問卷；指標共同度小于0.4時，認定指標影響程度較小，可剔除該指標。

1.3 風(fēng)險指標及程度確定

為識別公共汽車線網(wǎng)調(diào)整風(fēng)險，本文提出差別—矩陣法，通過比較線網(wǎng)調(diào)整前后乘客的感知差異以及優(yōu)化方案優(yōu)化程度與乘客期盼的差異確定指標風(fēng)險程度。以乘客滿意度作為公共汽車現(xiàn)狀感知指標，以乘客期盼作為線網(wǎng)調(diào)整后評價感知指標，以優(yōu)化方案各指標優(yōu)化幅度作為優(yōu)化程度指標(見圖1)。

圖1 差別邏輯示意Fig.1 Logic schematics of differences

以指標為坐標軸建立三維坐標模型，為提高圖示的直觀性，本文以三維模型的三視圖(主視圖，俯視圖，左視圖)示意。X，Y，Z軸分別取乘客對現(xiàn)狀公共汽車線網(wǎng)的不滿意水平、對線網(wǎng)調(diào)整期盼、優(yōu)化線網(wǎng)的優(yōu)化幅度為坐標軸，交點處為取各指標該軸向值的平均值。沿著坐標軸正向表示期盼(優(yōu)化幅度、不滿意群體)越來越高(多)，沿著坐標軸負向表示期盼(優(yōu)化幅度、不滿意群體)越來越低(少)。

坐標軸劃分的8個卦限表示風(fēng)險程度，以各指標三個狀態(tài)下相互作用的差別界定風(fēng)險區(qū)域，相同情況下，不滿意度高的群體風(fēng)險程度更高。各卦限表示意義及風(fēng)險區(qū)域界定如表1所示，風(fēng)險區(qū)域風(fēng)險程度由I至VIII上升。

表1 卦限意義Tab.1 Meaning of octant

1.4 風(fēng)險群體確定

采用單因素法，分析不同性別、年齡、職業(yè)、收入以及乘坐公共汽車頻率群體對現(xiàn)狀公共汽車滿意度以及公共汽車線網(wǎng)調(diào)整期盼的選擇差異性，其中顯著性指標Sig的取值表示以性別、年齡、職業(yè)、收入以及乘坐公共汽車頻率分類的群體對某個指標的滿意度與期盼的選擇是否存在顯著差異。在95%的置信水平下，Sig值小于或等于0.05表示該群體的子群體間(如性別群體中男、女群體)對該指標的選擇存在顯著差異；反之，群體的子群體間選擇無顯著差異性。

顯著性差異群體分類中，將該類比例最高的子群體界定為風(fēng)險群體。同樣，風(fēng)險指標的風(fēng)險程度越高，則有顯著性差異群體的高比例子群體的風(fēng)險程度越高。

2 實例應(yīng)用

2.1 問卷信息

以2015年8月武漢市公共汽車線網(wǎng)大規(guī)模優(yōu)化調(diào)整為研究對象，根據(jù)上文確定的指標體系設(shè)計問卷展開調(diào)查。獲取有效調(diào)查問卷2 590份，有效回收率86.3%，達到了95%置信水平下相對誤差為2%的樣本量要求。問卷信度檢驗結(jié)果中總量表的信度系數(shù)達0.943，數(shù)據(jù)具有較高信度。問卷效度檢驗結(jié)果顯示(見表2)，調(diào)查指標共同度均大于0.4，問卷指標體系設(shè)計合理。問卷調(diào)查對象個體屬性信息統(tǒng)計顯示，樣本具有代表性。

表2 調(diào)查對象基本信息Tab.2 Basic information of respondents

2.2 乘客滿意度與期盼

現(xiàn)狀滿意度統(tǒng)計分析得到的顯著影響群體與高風(fēng)險群體類別及比例如表3所示，乘客期盼分析得到的顯著影響群體與高風(fēng)險群體類別及比例如表4所示。

2.3 優(yōu)化方案公共汽車線網(wǎng)指標

根據(jù)武漢市發(fā)展戰(zhàn)略研究院提供的線網(wǎng)優(yōu)化方案，指標優(yōu)化幅度如表5所示。

2.4 風(fēng)險指標及程度

根據(jù)現(xiàn)狀公共汽車線網(wǎng)的不滿意度、對線網(wǎng)調(diào)整期盼和線網(wǎng)優(yōu)化幅度，利用差別—矩陣法建立三維模型，三維模型的簡化三視圖見圖2。根據(jù)圖2確定指標所處卦限，結(jié)合上文所述差別—矩陣法，確定其風(fēng)險區(qū)域(見表6)。

表3 現(xiàn)狀滿意度調(diào)查結(jié)果Tab.3 Results of satisfaction survey

表4 乘客期盼調(diào)查結(jié)果Tab.4 Public opinions towards bus network adjustment

表5 指標優(yōu)化幅度Tab.5 Optimization level of indicators

相同風(fēng)險區(qū)域的指標距離原點越遠，則風(fēng)險程度越高。根據(jù)模型分析可知，5個指標的風(fēng)險由高至低依次是：換乘次數(shù)、出行費用、出行總時長、候車時間和到離站步行距離。

2.5 高風(fēng)險群體

上文分析得到換乘次數(shù)為武漢市公共汽車線網(wǎng)優(yōu)化調(diào)整方案中風(fēng)險最大的指標，且遠高于其他指標。結(jié)合表3和表4風(fēng)險群體數(shù)據(jù)，對線網(wǎng)調(diào)整換乘次數(shù)指標進行群體分析，其中女性群體、56～65歲的中老年群體、自由職業(yè)者和公務(wù)員以及乘車頻率較低的群體表現(xiàn)最為敏感。制定管控措施時需考慮相應(yīng)高風(fēng)險群體特性，例如中老年群體學(xué)習(xí)適應(yīng)能力差，自由職業(yè)者搭乘公共汽車線路不固定、對換乘要求比較高，公務(wù)員上下班的剛性需求大，乘車頻率低的群體獲取公共汽車信息途徑少等。

3 結(jié)語

本文以武漢市公共汽車線網(wǎng)調(diào)整乘客意愿以及現(xiàn)狀公共汽車滿意度調(diào)查為基礎(chǔ)，結(jié)合武漢市現(xiàn)狀公共汽車線網(wǎng)優(yōu)化方案，利用差別—矩陣法劃分各個指標風(fēng)險區(qū)域并進行風(fēng)險程度排序，得出換乘次數(shù)為優(yōu)化方案中最大的風(fēng)險指標，進而識別得到高風(fēng)險群體為女性群體、中老年群體、自由職業(yè)者和公務(wù)員以及乘車頻率較低的群體。因此，制定風(fēng)險防范措施時，應(yīng)著重考慮這些群體，并加強風(fēng)險防范措施的實施力度。

差別—矩陣法能夠結(jié)合主客觀匹配情況，針對乘客的感知和線網(wǎng)技術(shù)指標客觀匹配程度量化風(fēng)險等級并進行排序。乘客的風(fēng)險識別結(jié)果是通過充分挖掘乘客意愿、期望和公共汽車線網(wǎng)優(yōu)化方案三者之間關(guān)系得到，體現(xiàn)了公眾與專家共同參與的原則，保證了乘客風(fēng)險結(jié)論來自于有風(fēng)險的乘客群體而不僅是專家，突出了以乘客為本的思想，所以能為制定風(fēng)險管控策略提供依據(jù)，為線網(wǎng)調(diào)整優(yōu)化提供指導(dǎo)方向。

圖2 三維模型簡化三視圖Fig.2 Orthographic views of the 3D model

表6 指標風(fēng)險區(qū)域劃分Tab.6 Division of index risk areas

公共汽車線網(wǎng)指標代表性和完整性、坐標原點取值以及各指標的重要性程度可能影響風(fēng)險性指標及其風(fēng)險等級確定，進而影響風(fēng)險群體劃分；考慮不同風(fēng)險指標的權(quán)重中人群關(guān)系可以完善確定高風(fēng)險群體。若結(jié)合具體實施方案，則能識別高風(fēng)險人群所在空間區(qū)域，若輔以多因素分析，可進一步縮小高風(fēng)險人群，這些都有待進一步研究完善。

[1]劉賢騰.東京軌道交通體系與城市空間結(jié)構(gòu)優(yōu)化[J].現(xiàn)代城市軌道交通，2009(2)：71-74.

Liu Xianteng.Tokyo Rail Transit System and Urban Spatial Structure Optimization[J].Modern Urban Transit,2009(2):71-74.

[2]曾偉，周劍嵐，王紅衛(wèi).應(yīng)急決策的理論與方法探討[J].中國安全科學(xué)學(xué)報，2009，19 (3)：172-176.

Zeng Wei,Zhou Jianlan,Wang Hongwei.Research on the Theory and Methods of Emergency Decision-Making[J].China Safety Science Journal,2009,19(3):172-176.

[3]張曉，樊治平.基于前景理論的風(fēng)險型混合多屬性決策方法[J].系統(tǒng)工程學(xué)報，2012，27(6)：772-781.

Zhang Xiao,Fan Zhiping.Method for Risky Hybrid Multiple Attribute Decision Making Based on Prospect Theory[J].Journal of Systems Engineering,2012,27(6):772-781.

[4]成協(xié)中.風(fēng)險社會中的決策科學(xué)與民主：以重大決策社會穩(wěn)定風(fēng)險評估為例的分析[J].法學(xué)論壇，2013，28(1)：46-54.

Cheng Xiezhong.The Science and Democracy of Administrative Policy in a Risk Society [J].Legal Forum,2013,28(1):46-54

[5]Johansen I L,Rausand M.Ambiguity in Risk Assessment[J].Safety Science,2015,80:243-251.

[6]Renn O,Klinke A,van Asselt M.Coping with Complexity,Uncertainty,and Ambiguity in Risk Governance:A Synthesis[J].Ambio, 2011,40(2):231-246.

[7]吳文靜，羅清玉，賈洪飛.基于競爭風(fēng)險模型的居民活動-出行計劃研究[J].交通運輸系統(tǒng)工程與信息，2014，14(6)：171-175.

Wu Wenjing,Luo Qingyu,Jia Hongfei.Activity-Travel Schedule Planning Based on Competing Risk Hazard Model[J].Journalof Transportation Systems Engineering and Information Technology,2014,14(6):171-175.

[8]黃杰，朱正威，趙巍.風(fēng)險感知、應(yīng)對策略與沖突升級：一個群體性事件發(fā)生機理的解釋框架及運用[J].復(fù)旦學(xué)報(社會科學(xué)版)，2015，57(1)：134-143.

Huang Jie,Zhu Zhengwei,Zhao Wei.Risk Perception,Coping Strategies and Conflict Escalation:An Explanatory Framework for the Mechanism of Mass Incidents and Its Application[J].Fudan Journal(Social Sciences Edition),2015,57(1):134-143.

[9]Nowak M.INSDECM:An Interactive Procedure forStochastic Multicriteria Decision Problems[J].European Journal of Operational Research,2006,175(3):1413-1430.

[10]Nowak M.As Piration Level Approach in Stochastic MCDM Problems[J].European Journal of Operational Research,2007,177 (3):1626-1640.

[11]劉培德.一種基于前景理論的不確定語言變量風(fēng)險型多屬性決策方法[J].控制與決策，2011，26(6)：893-897. Liu Peide.Method for Multi-Attribute Decision-Making Under Risk with the Uncertain Linguistic Variables Based on Prospect Theory[J].Control and Decision,2011,26(6): 893-897.

[12]Zhang Jie,Lyu Juncheng.Reliability,Validity and Preliminary Hypothesis Tests for the English Version of the Psychological Strain Scales(PSS)[J].Journal of Affective Disorders,2014,164(1):69-75.

Risk Identification for Passengers in Bus Network Adjustment

Jin Zhiying,Li Bao,Wang Hong,Zhu Shunying
(School of Transportation,Wuhan University of Technology,Wuhan Hubei 430063,China)

To identify affected passengers has a great significance in the process of bus network optimization due to the fact that it is able to reduce the risk of implementation as well as controlling social risk.The main objective of this study is to propose a matrix of accommodating difference between passengers'perceptions to identify those affected passenger groups.Such the approach is developed based passenger satisfaction survey and public opinion survey towards bus network adjustment.A three-dimensional matrix which stores the difference among status quo satisfaction level,public expectation about plan and the simulated results of plan is generated to target high risk areas for selecting indicators.A correlation analysis between selected indicators and personal attributes is further implemented to identify the affected groups caused by bus network optimization.The results reveal that number of transfer is selected as the most significant indicators and highly affected groups are women,the old group,self-employment,public officers, and less-frequent bus riders.As a result,a series of risk control strategies should be formulated in respect to different groups.

urban transportation;bus;network adjustment;risk identification;difference-matrix method; Wuhan

2016-02-20

金智英(1992—)，女，湖北武漢人，在讀碩士研究生，主要研究方向：交通運輸規(guī)劃與管理研究。E-mail:superjinzhiying@163.com