劉建榮

(華南理工大學(xué)土木與交通學(xué)院 廣州 510640)

0 引 言

隨著經(jīng)濟的發(fā)展，我國城鎮(zhèn)化和機動化快速發(fā)展，城市越來越擁堵，根據(jù)高德地圖，2017年第一季度，我國已有28個城市的延時指數(shù)超過1.5.機動化的發(fā)展造成了交通擁堵、溫室效應(yīng)、空氣污染等大量問題.為緩解此類問題，迫切需要發(fā)展公共交通.根據(jù)文獻(xiàn)[1]可知，乘客對于公共交通的滿意度與公交分擔(dān)率之間正相關(guān)，即乘客對公交滿意度的提升能夠促進(jìn)公交分擔(dān)率的增長.作為公交系統(tǒng)的重要組成部分，公交站臺的滿意度對公交服務(wù)的整體滿意度有顯著影響[2]，而公交站臺的滿意度與公交站臺服務(wù)質(zhì)量顯著相關(guān)[3-5].

由于服務(wù)的無形性、服務(wù)的生產(chǎn)與消費同時進(jìn)行等特點，服務(wù)質(zhì)量與有形的產(chǎn)品質(zhì)量之間存在巨大的差異[6]，因此，盡管存在公交服務(wù)質(zhì)量應(yīng)該從乘客的主觀感知還是利用公交的客觀指標(biāo)進(jìn)行評價的爭論，從研究現(xiàn)狀來看，大部分關(guān)于站臺服務(wù)質(zhì)量的研究基于乘客的主觀感知展開的.文獻(xiàn)[7-11]均是從乘客的主觀感知研究車站服務(wù)質(zhì)量.此外，文獻(xiàn)[12-14]采用站點覆蓋率、等待時間等客觀指標(biāo)研究站臺服務(wù)質(zhì)量.從站點類型來看，大部分研究涉及到的是鐵路站點、地鐵站點，涉及到公交站點服務(wù)質(zhì)量的文章極少.對于車站服務(wù)質(zhì)量的影響因素，大部分研究認(rèn)識應(yīng)包括時間特性、環(huán)境、時間特性、安全性等特征.

總體而言，目前對于公共交通站點服務(wù)質(zhì)量的研究存在以下幾個問題：①對于站點服務(wù)質(zhì)量影響因素與公交站點滿意度的關(guān)系尚不明確，即不清楚滿意度的各個影響因素的權(quán)重；②服務(wù)質(zhì)量影響因素眾多，為改進(jìn)公交站點滿意度，應(yīng)如何確定各個影響因素的優(yōu)先次序，目前尚不明確.基于以上背景，本文基于貝葉斯網(wǎng)絡(luò)，對常規(guī)公交服務(wù)質(zhì)量進(jìn)行研究，以確定常規(guī)公交滿意度的各個影響因素對乘客滿意度的影響大小，在此基礎(chǔ)上，基于乘客評價，確定公交服務(wù)質(zhì)量的改善策略.

1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)(Bayesian networks)將復(fù)雜的聯(lián)合概率分布分解為一系列相對簡單的模塊，從而大大降低概率推理的復(fù)雜性.作為標(biāo)準(zhǔn)樸素貝葉斯模型的改進(jìn)樹擴展樸素貝葉斯模型(TAN)允許每一個預(yù)測變量除了依賴于目標(biāo)變量之外，還依賴于其他預(yù)測變量，由此增加分類的準(zhǔn)確度.在TAN模型中，聯(lián)合概率分布為

(1)

式中：屬性變量Ai的父節(jié)點π(Ai)不僅包括類別變量C，也可能包括其他屬性變量.

由于TAN模型不要求局部獨立假設(shè)成立，因此模型的分類效果一般比樸素貝葉斯網(wǎng)絡(luò)更好，能夠增加分類的準(zhǔn)確性[15].

2 問卷設(shè)計

分析已有論文對于各種類型站點、?？空镜姆?wù)質(zhì)量影響因素，結(jié)合公交?？空镜奶攸c，本文將公交?？空痉?wù)質(zhì)量分為可達(dá)性、信息、時間、環(huán)境、投訴等幾大類，每一類中分別包含若干影響因素.具體見表1.

表1 公交?？空痉?wù)質(zhì)量影響因素

此外，為分析出行者的個人屬性對公交?？空究傮w滿意度的影響，還調(diào)查了出行者的使用公交頻率、收入、出行目的、性別、對所要乘坐的公交線路熟悉與否、到達(dá)公交站點的方式、是否使用智能手機搜尋車輛信息、是否擁有私家車等基本信息.其中使用公交車頻率分為2次及以下/周、3次及以上/周兩種情形；出行目的分為回程、日常需要、娛樂、上班四種情形；收入以5 000元/月為界限，分為兩類；到達(dá)公交站方式分為：步行、自行車、公交、地鐵、其他等類型.調(diào)查于2017年5—7月進(jìn)行，調(diào)查選擇在天氣良好的工作日，共調(diào)查得到有效樣本596份.

3 數(shù)據(jù)分析

3.1 影響因素相對權(quán)重分析

為分析表 1中所列的15個影響因素和出行者的個人屬性對出行者的影響，在貝葉斯網(wǎng)絡(luò)分析中，影響因素包括1～14和出行者的個人屬性.貝葉斯網(wǎng)絡(luò)采用TAN模型，參數(shù)學(xué)習(xí)方法中的，對于較小的數(shù)據(jù)集，存在模型過度擬合的風(fēng)險以及出現(xiàn)大量零計數(shù)的可能性，因此，本文對小單元格計數(shù)進(jìn)行貝葉斯調(diào)整，通過應(yīng)用平滑來減少任何零計數(shù)以及不可靠的估計結(jié)果帶來的影響，從而解決過度擬合的風(fēng)險等問題.通過TAN學(xué)習(xí)，得到模型的總體的總體正確率為81.04%，模型的整體擬合度較好.根據(jù)TAN模型分析，各影響因素的相對權(quán)重見表 2.其中相對權(quán)重為歸一化的權(quán)重，即各影響因素的相對權(quán)重之和為1.

表2 影響因素權(quán)重

注：使用公交出行的頻率，分為高頻率(3次/周及以上)和低頻率(2次/周及以下)；收入，分為低收入(5 000元/月以下)和中高收入(5 000元/月以上)；出行目的，分為回程、日常需要、娛樂、上班；職業(yè)，分為學(xué)生和工作群體；熟悉程度為是否熟悉所要乘坐的公交線路；方式為到達(dá)公交站臺的方式，分為步行、自行車、公交、地鐵、其他；APP為是否使用智能手機APP獲取實時信息；私家車為是否擁有私家車.

由表2可知，僅使用公交出行的頻率對公交站臺總體滿意度有較大影響.有鑒于此，有必要根據(jù)使用公交頻率，對出行者進(jìn)行分類.針對高頻率公交使用者和低頻率公交使用者，分別利用貝葉斯網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)分析.對低頻率組和高頻率組出行者分別利用TAN進(jìn)行數(shù)據(jù)分析，得到低頻率組、高頻率組的整體正確率分別為87.5%和83.5%，正確率高.低頻組和高頻組中各影響因素的相對權(quán)重見表 3.

表3 低頻率組和高頻率組影響因素相對權(quán)重對比

由表3可知，逆序表示影響因素的相對權(quán)重是從大到小排列，即1表示相對權(quán)重最大.根據(jù)表3數(shù)據(jù)，對于低頻率組乘客而言，最重要的4個影響因素分別是 12(擋雨、遮陽設(shè)施、座位等設(shè)施)、 6(等車時間)、 7(可靠性)和 1(站臺周邊步行環(huán)境)；對于高頻率而言，最重要的4個影響因素是 13(站臺安全)、 9(站臺噪聲)、 8 (換乘便捷性)、 4 (公交車到達(dá)實時信息).從相對權(quán)重來看，低頻率組和高頻率組對于站臺影響因素權(quán)重的評價有較大不同.

3.2 影響因素滿意度分析

為分析公交乘客對于1～14的每一個影響因子的評價，對于低頻組和高頻組，分別計算每一個影響因子的平均滿意度，具體見表 4.

表4 影響因素滿意度

由表 4可知，順序表示滿意度按從小到大順序排列.低頻率組最不滿意的4個影響因素依次是：4(公交車到達(dá)實時信息)、9(站臺噪聲)、14(投訴系統(tǒng))、6(等車時間).高頻組與低頻組類似，也是對這4個影響因素最不滿意.

3.3 IPA模型

為綜合分析應(yīng)如何改善共享自行車服務(wù)質(zhì)量，應(yīng)綜合考慮服務(wù)質(zhì)量中各影響因子的權(quán)重以及滿意度.根據(jù)表 3～表4的相關(guān)數(shù)據(jù)可知，權(quán)重的變化范圍為0～0.11，而影響因子滿意度從2.5～3.8，二者的范圍差異較大.為此，為消除數(shù)據(jù)變化范圍導(dǎo)致的差異，需要對二者進(jìn)行歸一化處理.在不滿意度歸一化及相對權(quán)重歸一化的基礎(chǔ)上，建立綜合考慮滿意度及權(quán)重的IPA(importance performance analysis)模型：

(2)

式中：IPi為第i個影響因子的綜合評價指數(shù)；Si為第i個影響因子的平均滿意度.

由式(2)可知，綜合評價指數(shù)即考慮了權(quán)重，也考慮了不滿意度，而且消除了權(quán)重和不滿意度量綱的影響.IPi的數(shù)值越大，表明使用者認(rèn)為影響因子i越重要，或者對影響因子i越不滿意.綜合表 3～4的數(shù)據(jù)以及式(2)，可以得到低頻率組、高頻率組和樣本整體的IP值見表 5.

表5 影響因素IP值對比

由表5可知，IP逆序是指IP按從大到小順序排序，順序越靠前，表明越需要改進(jìn).對于低頻率組，最需要改進(jìn)的6個影響因素分別是： 12(擋雨、遮陽設(shè)施、座位等設(shè)施)、 6(等車時間)、 4(公交車到達(dá)實時信息)、 7(可靠性)、 1(站臺周邊步行環(huán)境)、 13(站臺安全)；而對于高頻率組而言，最需要改進(jìn)的6個因素分別是： 9(站臺噪聲)、 13(站臺安全)、 4(公交車到達(dá)實時信息)、 8(換乘地鐵便捷性)、 14(投訴系統(tǒng))、 12(擋雨、遮陽設(shè)施、座位等設(shè)施).

低頻率組乘客與高頻率組乘客均認(rèn)為擋雨、遮陽設(shè)施、座位等設(shè)施、公交車到達(dá)實時信息、站臺安全需要改進(jìn)，因此在提高公交服務(wù)質(zhì)量中，應(yīng)首先關(guān)注站點實時信息板的安裝、遮陽擋雨棚的安裝、座位的安裝以及改善公交站臺的安全性，如不能將站臺與機動車道設(shè)置于同一水平面，站臺寬度應(yīng)當(dāng)?shù)玫奖ＷC等.此外，低頻率組與高頻率組對公交滿意度影響因素的關(guān)注重點也有部分不同，低頻率組乘客認(rèn)為等車時間、可靠性、站臺周邊步行環(huán)境需要改進(jìn).高頻率組認(rèn)為站臺噪聲、換乘地鐵便捷性、投訴系統(tǒng)需要改進(jìn).鑒于站臺噪聲、換乘地鐵便捷性一般較難改善，因此著眼于改善公交的投訴系統(tǒng).

4 結(jié) 束 語

本文利用貝葉斯網(wǎng)絡(luò)研究了公交站臺滿意度的影響因素，根據(jù)分析發(fā)現(xiàn)出行者使用公交頻率對公交站臺滿意度有較大影響.為此，將出行者分為低頻率組與高頻率組，分別分析兩個群組的公交站臺影響因素的權(quán)重及滿意度.分析發(fā)現(xiàn)，對于低頻率組乘客而言，最重要的4個影響因素分別是擋雨、遮陽設(shè)施、座位等設(shè)施、等車時間、可靠性、站臺周邊步行環(huán)境；對于高頻率而言，最重要的4個影響因素是站臺安全、站臺噪聲、換乘便捷性、公交車到達(dá)實時信息.而兩個群組均對公交車到達(dá)實時信息、站臺噪聲、投訴系統(tǒng)、等車時間最不滿意.基于影響因素的權(quán)重以及滿意度，本文建立了IPA模型，通過IPA模型發(fā)現(xiàn)，在公交服務(wù)滿意度的改善中，應(yīng)優(yōu)先改善擋雨、遮陽設(shè)施、座位等設(shè)施、公交車到達(dá)實時信息、站臺安全.

本文主要利用調(diào)查地點為廣州市中心區(qū)，調(diào)查時間為天氣良好的工作日.由于廣州地處華南地區(qū)，高溫多雨天氣所占比例較大，因此在未來的研究中，可考慮分析不利天氣情況下，出行者滿意度的影響因素對滿意度的影響，并與天氣良好情況下進(jìn)行對比分析，以提高不利天氣情況下，出行者的使用公家的滿意度.