潘炫筱 袁瓊芳 陳永佳 卯昌平 楊雪

摘 要：就貴陽(yáng)地鐵商業(yè)現(xiàn)狀提出三個(gè)問(wèn)題：一是不同人群對(duì)地鐵商業(yè)的需求有何不同？二是貴陽(yáng)市民對(duì)現(xiàn)有地鐵商業(yè)空間的滿(mǎn)意程度如何？三是如何結(jié)合貴州特色對(duì)貴陽(yáng)地鐵地下商鋪和地上沿線(xiàn)商圈進(jìn)行規(guī)劃，最大化帶動(dòng)貴陽(yáng)經(jīng)濟(jì)和貴州旅游業(yè)發(fā)展？針對(duì)以上三個(gè)問(wèn)題，本次調(diào)查采用了線(xiàn)上線(xiàn)下問(wèn)卷調(diào)查及實(shí)地蹲點(diǎn)調(diào)查和深入訪(fǎng)談?wù){(diào)查來(lái)獲取數(shù)據(jù)，使用潛在類(lèi)別分析等統(tǒng)計(jì)分析方法展開(kāi)了研究。

關(guān)鍵詞：貴陽(yáng)地鐵 ? 商業(yè)空間需求 ? 滿(mǎn)意度 ? 潛在類(lèi)別分析 ? 統(tǒng)計(jì)分析方法

1. 序言：

截止2019年10月，貴陽(yáng)軌道交通日均客運(yùn)量為十一萬(wàn)人次，巨大的人流量，為軌道交

站點(diǎn)帶來(lái)了巨大的商機(jī)，使沿線(xiàn)的商業(yè)、旅游業(yè)等普遍升值。貴陽(yáng)市采用網(wǎng)紅概念設(shè)計(jì)的COCO新天地（中山西路商業(yè)街）吸引了大量游客前往，已經(jīng)成為了貴陽(yáng)的一大文化商業(yè)標(biāo)志。

地鐵作為新型交通工具，建設(shè)投入大、成本回收周期長(zhǎng)、在國(guó)內(nèi)外普遍存在地鐵運(yùn)營(yíng)虧損的狀況，光憑地鐵運(yùn)營(yíng)收入和政府的補(bǔ)助不能解決根本問(wèn)題，地鐵把人流引入沿線(xiàn)商圈， 地鐵客流使得地鐵口區(qū)域內(nèi)的地面商業(yè)空間成為人流的高聚集地。“蝴蝶效應(yīng)”在地鐵及其周邊的商業(yè)空間中得到了體現(xiàn)。

本文的研究目的是通過(guò)問(wèn)卷調(diào)查和實(shí)地調(diào)查，了解貴陽(yáng)市民對(duì)地鐵商業(yè)空間需求與使用滿(mǎn)意度，根據(jù)貴陽(yáng)市民對(duì)地鐵商業(yè)空間的使用滿(mǎn)意度來(lái)發(fā)現(xiàn)地鐵商業(yè)空間運(yùn)行的不足之處，并對(duì)商業(yè)空間規(guī)劃提出建議和改進(jìn)措施，進(jìn)而提高貴陽(yáng)地鐵商業(yè)的吸引力。

2.研究方法

2. 1研究對(duì)象

以貴陽(yáng)市全體市民為調(diào)查對(duì)象。

2. 2 信度與效度分析

通過(guò)SPSS對(duì)數(shù)據(jù)進(jìn)行信度效度檢驗(yàn)，得到調(diào)查信度系數(shù)為0.808，本次問(wèn)卷可靠性較高，利用KMO檢驗(yàn)以及Bartletts球狀檢驗(yàn)，得到KMO值為0.860大于0.8且Bartletts球狀檢驗(yàn)中sig.=0.000<0.05，表明變量直接相關(guān)性顯著，說(shuō)明問(wèn)卷效度良好，結(jié)果有效。

2.3 樣本量計(jì)算

采用公式來(lái)計(jì)算樣本量，計(jì)算得需要816份問(wèn)卷。

采用線(xiàn)上、線(xiàn)下、等方法進(jìn)行問(wèn)卷發(fā)放，430份為現(xiàn)場(chǎng)調(diào)查所得數(shù)據(jù)，416份為網(wǎng)絡(luò)調(diào)查所得數(shù)據(jù)。最終有效回收問(wèn)卷816份，收回?zé)o效問(wèn)卷30份，問(wèn)卷有效回收率96.45%。

2.4 統(tǒng)計(jì)方法

2. 4. 1自我問(wèn)卷填寫(xiě)

本次問(wèn)卷一共有23個(gè)題，部分題采用4級(jí)計(jì)分，從“非常滿(mǎn)意”、“滿(mǎn)意”、“一般”、“不滿(mǎn)意”依次記為4分，3分，2分，1分;在計(jì)算總體滿(mǎn)意度時(shí)換算為百分制;貴陽(yáng)市市民對(duì)地鐵商業(yè)空間總體滿(mǎn)意度打分平均分為73.25分。并計(jì)算不同職業(yè)對(duì)商業(yè)整體空間的滿(mǎn)意度[1]，如下表所示。

2. 4. 2深度訪(fǎng)談問(wèn)卷

深度訪(fǎng)談問(wèn)卷是針對(duì)貴陽(yáng)市全體市民中的學(xué)生、上班族、自由職業(yè)者、退休四類(lèi)不同類(lèi)型的人針對(duì)以下問(wèn)題進(jìn)行訪(fǎng)談。

1、您今年多大了;

2、您乘坐地鐵的目的是什么;

3、您最喜歡COCO新天地內(nèi)的什么元素;

4、您比較喜歡COCO新天地內(nèi)那種類(lèi)型的商鋪;

5、您希望增加什么商鋪;

6、您對(duì)COCO新天地內(nèi)的建設(shè)有什么建議

通過(guò)深度訪(fǎng)談，得知對(duì)于學(xué)生來(lái)說(shuō)他們乘坐地鐵是為了出游購(gòu)物，對(duì)地鐵內(nèi)的網(wǎng)紅設(shè)計(jì)比較感興趣;對(duì)于中年人來(lái)說(shuō)他們希望能夠改善一下空氣質(zhì)量及衛(wèi)生，增加一些適合小孩的店鋪，以及一些環(huán)境較安靜的店鋪;對(duì)于老年人來(lái)說(shuō)，他們經(jīng)常去地鐵附近瀏覽一些打折商鋪。

2.4. 3地鐵商鋪人流量統(tǒng)計(jì)

在通過(guò)蹲點(diǎn)調(diào)查方法，進(jìn)行不同類(lèi)別的店鋪不同時(shí)間段的人流量統(tǒng)計(jì)，發(fā)現(xiàn)生活類(lèi)店鋪?zhàn)钍軞g迎;

2.4.5潛在類(lèi)別分析方法

我們運(yùn)用Mplus對(duì)數(shù)據(jù)進(jìn)行潛在類(lèi)別分析，按照不同的出游及消費(fèi)傾向?qū)⑷巳悍譃橛?jì)劃公務(wù)型、臨時(shí)混合型以及旅游休閑型。

3.潛在類(lèi)別模型分析

3.1概率參數(shù)化

其中：為潛在類(lèi)別模型的聯(lián)合概率，為潛在類(lèi)別概率為條件概率。

3. 1. 1參數(shù)估計(jì)與模型擬合

模型參數(shù)估計(jì)時(shí)采用了穩(wěn)健極大釋然法，其中廣泛使用的是EM算法[5]。模型擬合優(yōu)度檢驗(yàn)的主要方法有似然比卡方統(tǒng)計(jì)檢驗(yàn)以及基于似然比卡方檢驗(yàn)的信號(hào)評(píng)價(jià)指標(biāo)AIC和BIC。指標(biāo)越小說(shuō)明模型適配度越高。

3. 1. 2潛在類(lèi)別分析[7]

在確定模型并對(duì)模型參數(shù)估計(jì)后，進(jìn)行潛在類(lèi)別分析，計(jì)算觀(guān)察數(shù)據(jù)分類(lèi)到各潛在類(lèi)別的后驗(yàn)概率，根據(jù)后驗(yàn)概率判斷每一個(gè)數(shù)據(jù)應(yīng)該歸入的潛在類(lèi)別。

其中：表示觀(guān)察數(shù)據(jù)分類(lèi)到某個(gè)潛在類(lèi)別的后驗(yàn)概率，表示觀(guān)察數(shù)據(jù)分類(lèi)到某個(gè)潛在類(lèi)別的概率。

3. 1. 3分類(lèi)正確率驗(yàn)證

其中：為驗(yàn)證指標(biāo)，在0.6以上，認(rèn)為相關(guān)性較高，分類(lèi)效果較好。

3. 2市民對(duì)貴陽(yáng)地鐵商鋪需求

3. 2. 1外顯變量的選取

本文選取了客戶(hù)的基本信息性別和職業(yè)，選取了客戶(hù)具體乘坐地鐵的頻率，次數(shù)反映客戶(hù)對(duì)地鐵的依賴(lài)程度，選取了最吸引客戶(hù)的商鋪和對(duì)商鋪空間大小的滿(mǎn)意程度來(lái)反映客戶(hù)對(duì)地鐵商鋪的情況。

3. 2. 2模型評(píng)價(jià)

從表 5中可以看出，當(dāng)潛在類(lèi)別模型數(shù)目為3時(shí)，模型滿(mǎn)足數(shù)據(jù)擬合要求，各項(xiàng)指標(biāo)都小于潛在類(lèi)別數(shù)目為1和2時(shí)的模型，并且此時(shí)的AIC和BIC指標(biāo)最小，因此包含3個(gè)潛在類(lèi)別數(shù)目的模型作為本文潛在類(lèi)別分析的最優(yōu)模型。

3. 2. 3參數(shù)估計(jì)結(jié)果

采用Mplus軟件對(duì)最優(yōu)模型進(jìn)行參數(shù)估計(jì)，得到潛在類(lèi)別概率和各個(gè)外顯變量的條件概率，從表中可以看出第三類(lèi)潛在類(lèi)別概率最大為0.51，其次為第一類(lèi)概率為0.31最小的是第二類(lèi)0.18。從條件概率可以看出各個(gè)類(lèi)別的外顯變量特征差異明顯，尤其是U4、U5和U6三個(gè)外顯變量上，表明這三個(gè)外顯變量是分類(lèi)的主要影響因素。

3. 2. 4潛在聚類(lèi)結(jié)果

根據(jù)分類(lèi)結(jié)果正確性驗(yàn)證得到，，結(jié)果表明分類(lèi)正確率較高，分類(lèi)結(jié)果合理。

3. 2. 5不同類(lèi)別客戶(hù)出行特征分析

根據(jù)潛在類(lèi)別分析結(jié)果，結(jié)合3類(lèi)顧客的顯著變量特征，可以分為計(jì)劃公務(wù)型、臨時(shí)混合型、旅游休閑型[8]。

從圖中我們可以看出，計(jì)劃公務(wù)型的顯著特征表現(xiàn)為女性，職業(yè)多為上班族，外出目的主要是外出辦理業(yè)務(wù)。這部分人群對(duì)服裝、特產(chǎn)店的需求較小，對(duì)地鐵商業(yè)空間建設(shè)滿(mǎn)意度較低;

臨時(shí)混合型主要是學(xué)生及自由職業(yè)者人員，這部分人群對(duì)飲食類(lèi)店鋪需求較高，外出目的多元化，對(duì)地鐵商業(yè)空間滿(mǎn)意度較高;

旅游休閑型人群男性與女性比例接近，乘坐地鐵大都是偶爾不定期，這部分人群對(duì)地鐵商業(yè)要求較高，外出目的大都為出游購(gòu)物。

4.結(jié)論與建議

消費(fèi)社會(huì)角度下當(dāng)代地鐵商業(yè)空間的設(shè)計(jì)，應(yīng)符合當(dāng)前消費(fèi)人群“情感化”需求，把環(huán)境營(yíng)造與人們的生活追求結(jié)合起來(lái)，為地鐵商業(yè)空間建設(shè)找到新的突破點(diǎn)。

4.1.市民對(duì)貴陽(yáng)地鐵總體滿(mǎn)意度有待提高

待業(yè)人員的滿(mǎn)意度最高，學(xué)生以及上班族次之，老年人滿(mǎn)意度最低。市民普遍反映地鐵商業(yè)空間內(nèi)的空氣質(zhì)量以及店鋪管理方面需要改善。在地鐵店鋪更新過(guò)程中可以適當(dāng)增加通風(fēng)口，打造具有主體特色的店鋪。

4.2.對(duì)四類(lèi)商鋪?zhàn)隽硕c(diǎn)統(tǒng)計(jì)人流量得出四類(lèi)不同風(fēng)格商鋪的消費(fèi)人群有顯著性差異

在小吃快餐類(lèi)店鋪的消費(fèi)人群中，中年人（攜帶小朋友）和學(xué)生群體占比最多;在特產(chǎn)類(lèi)商鋪中，老年人以及外省游客占比最多;在服裝類(lèi)商鋪中，女性顧客占比最多，且較多為年輕人;在生活類(lèi)商鋪中，消費(fèi)人群多為年輕人;因此我們可以對(duì)地鐵商鋪實(shí)行淘汰制，服務(wù)好和受歡迎的商鋪重點(diǎn)引進(jìn);建立面向市民的地鐵微信公眾號(hào)，豐富公眾號(hào)內(nèi)容，對(duì)貴陽(yáng)地鐵地下和地上商鋪進(jìn)行全面介紹，并定期推送匯總各商圈、商鋪的打折信息、商場(chǎng)活動(dòng)等。

4.3.針對(duì)不同類(lèi)型人群的消費(fèi)傾向得出店鋪規(guī)劃

旅游休閑型客戶(hù)最希望增加的商鋪是咖啡廳、小吃和奶茶;臨時(shí)混合型客戶(hù)最希望增加的商鋪是休閑吧、小吃和餐飲;計(jì)劃公務(wù)型客戶(hù)最希望增加的商鋪是書(shū)店、小吃和奶茶。如下詞云圖：

在未來(lái)地鐵商業(yè)開(kāi)發(fā)站點(diǎn)的商鋪建立上，需要結(jié)合不同人群的消費(fèi)特征進(jìn)行考慮。比如可以在商鋪開(kāi)發(fā)前對(duì)周邊居住人群進(jìn)行調(diào)研統(tǒng)計(jì)各類(lèi)人群的具體數(shù)量和消費(fèi)特點(diǎn)，以此對(duì)不同商鋪數(shù)量和風(fēng)格進(jìn)行分?jǐn)?shù)量分功能打造;

參考文獻(xiàn)：

[1]張雙.地鐵乘客滿(mǎn)意度評(píng)價(jià)體系研究[D].長(zhǎng)安大學(xué)，2008.

[2]周艷芳， 周磊山.城市軌道交通乘客滿(mǎn)意度評(píng)價(jià)體系的構(gòu)建[J].都市軌道交通， 2007.

[3]樊曉雨.重慶軌道交通商業(yè)空間使用滿(mǎn)意度研究[D].重慶大學(xué)，2014.

[4]毛國(guó)君.段立娟. 數(shù)據(jù)挖掘原理與算法[M].清華大學(xué)出版社， 2016.

[5]顧兆軍， 王偉， 李曉紅. 基于潛在類(lèi)別模型的航空旅 客分類(lèi)[J]. 計(jì)算機(jī)技術(shù)與發(fā)展， ? ? ? ?2012.[GU Z J， WANG W， LI X H. Classification of airline passengers based on ? ? ? ?latent class model[J]. Computer Technology and Development， 2012.]

[6]王文娣，楊忠振，李一旋.基于旅客價(jià)值測(cè)度模型的客運(yùn)市場(chǎng)細(xì)分和公路客運(yùn)發(fā)展策略研 ? ? ? ?究[J].公路交通科技，2016.

[7]喬珂，趙鵬，文佳星.基于潛在類(lèi)別模型的高鐵旅客市場(chǎng)細(xì)分[J].交通運(yùn)輸系統(tǒng)工程與信息，2017.

[8]潘玲玲. 基于旅客行為的航空旅客細(xì)分模型研究及其實(shí)現(xiàn)[D].南京航空航天大學(xué)，2012.

基金項(xiàng)目：國(guó)家級(jí)大學(xué)生創(chuàng)新訓(xùn)練項(xiàng)目（20195200221《貴陽(yáng)地鐵商業(yè)空間需求與使用滿(mǎn)意度調(diào)查研究》）;“貴州師范學(xué)院大學(xué)生互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)訓(xùn)練中心”（項(xiàng)目編號(hào)：黔教高發(fā)[2015]337號(hào)、黔教高發(fā)〔2017〕158號(hào)）