大数据下的城市轨道交通票制管理研究——以武汉为例

石凤蓉

（1.武汉大学政治与公共管理学院，湖北 武汉430072；2.武汉地铁运营有限公司，湖北 武汉430070）

当前，国内大多数城市轨道交通运营企业只注重票价调整时期的票制管理，具体表现为对企业的运营成本和当地政府的财政补贴力度进行财务性测算，兼顾城市轨道交通公共产品属性，侧重票价调整过程中对计价方式的确立[1-3]。在信息技术不断发展，公众需求日趋多元化的今天，这种管理模式已难以适应时代发展，急需做出改变。本文以武汉轨道交通为例，对大数据挖掘下的票制管理进行探讨。

1 日常管理

1.1 管理现状

国内学者注重对城市轨道交通票价调整的研究[4-6]，一定程度上忽略了对日常管理的探索，甚至运营企业的相关管理人员也对此不太在意，所以也没有对日常管理的业务范围、业务职责进行明确。结合工作实际和行业发展趋势，将目前运营企业各项业务中应隶属于票制日常管理的业务进行划拨，可以归为两类：一是票制信息的维护，主要指对企业官网、官方微博、百度百科、手机客户端等各类媒介上票制信息的及时更新；二是对乘客关于票制问题的解答，这里主要涉及运营企业的客服热线、市长热线、城市留言板等媒介咨询以及车站的现场咨询。

目前，国内几乎所有城市对轨道交通票制的日常管理不仅没有明确业务划定，而且也没有明确的责任部门，这并不利于大数据的引入。首先，因为没有明确的责任部门，常常使得工作的落实缺乏推力，存在相互推诿的情况，不利于工作的开展，更谈不上对工作流程的优化和工作本身的提升。其次，在大数据已经渗入各行各业并积极推动各行业快速发展的今天，这种遇事处理平时不理不睬的管理方式终将被时代淘汰。

1.2 大数据下的管理探讨

1.2.1 组建责任组织

将大数据引入到城市轨道交通票制的日常管理中，首先应明确相应的责任组织，即成立专门的责任部门或责任小组，以保证工作职责的明确划分和对大数据的应用及进一步研究。以武汉轨道交通为例，考虑其运营规模为里程334km、车站225座（换乘站重复计算），运营管理单位仅武汉地铁运营有限公司（以下简称“武汉地铁公司”），当前计价方式为全网统一的里程分段计价方式，宜组建专门的责任小组。同时，其职责应为票制信息的维护，对乘客咨询进行统一管理而非单一的解答，以及对客流量和票款收入的监测。

1.2.2 开展具体工作

1）乘客咨询的统一管理。这里需要最先解决的依然是乘客的疑问，用专业、通俗易懂、简洁的语言解答乘客疑问，不仅仅是简单的完成工作内容，更是城市轨道交通服务水平、服务质量乃至企业形象的展示，所以不论是客服热线的工作人员，还是车站的现场工作人员都必须熟识票制及其相关理论，同时具备良好的个人素养，不论面对的是处于何种状态下的何种乘客都能面带微笑、悉心解答。其次是对乘客疑问数据资料的梳理及分析利用，即对大数据的引入。根据不同的乘客需求和管理目的，如回复的即时性、疑问关键点、频率、区域分布等进行梳理、分析，尽量挖掘信息数据背后隐藏的规律与价值，为地铁的运营管理服务，真正做到服务的“民有所呼，我有所应”。

2）客流、票款收入的监测。票款收入作为城市轨道交通运营企业收入的主体，主要受票制和客流量的影响，同时，票制作为城市轨道交通客流调控的重要手段一定程度上影响着客流量的大小，[7]所以这里提议把对客流和票款收入的监控纳入票制管理的日常工作范畴。客流监控，一方面是对本市轨道交通客流量的监控，包括日/周/季度/年的不同时段、不同群体（可根据所持票卡进行区分）、特殊时期（如节假日、路面交通管制日、票制调整等）；另一方面是对国内其他城市尤其是轨道交通规模、城市规模或城市发展水平相当的轨道交通客流量的监控，以此作为大数据横向对比、分析和问题切入的依据，对武汉轨道交通而言目前可重点关注的城市有成都地铁和南京地铁。收集、梳理城市轨道交通客流信息，观察同一票制下不同时期、不同时段的客流量以及不同票制下相同时段客流变化情况，针对部分线路某些区间客流量较大等问题利用大数据进行分析、探究，寻求切实可行的解决方案。票款收入监测，因为票款收入数据属于各运营企业的保密资料，所以这里仅对武汉轨道交通自己的票款收入进行监控，对同一票制下不同时期、不同时段以及不同票制下相同时段的票款收入进行大数据分析，寻求城市轨道交通“公益优先、兼顾发展”的多样化票制。

3）票制信息维护。因为针对各类媒介的信息维护较为简单，就目前而言需要对信息维护的频率、变更的内容等进行详细记录和信息数据的整合，但在此引入大数据个人认为为时尚早，或者说就引入大数据所需要的人力、物力的投入与产出相比并不经济，所以该模块不在此继续进行探讨。

2 调整管理

2.1 管理现状

调整管理是城市轨道交通票制管理的重要部分，票制调整通常由运营企业根据当前的运营状况向当地政府相关部门提交请示，相关部门收悉后根据请示等相关资料及实地考察情况，决定是否批准调整及具体怎样调整。与日常管理的信息维护、咨询管理、客流和票款收入的监测不同，票制调整不是每天都发生的，而是在特定情境下在运营企业和当地政府的推动下发生的，其影响面较广、影响力极大，需要运营企业和当地政府充分准备、妥善应对。

目前，运营企业提交的请示及后续的票制调整方案主要是对轨道交通在当前票制和政府相应补贴力度下对当前及后续几年的盈亏情况的详细测算说明，通常涉及成本和收益数据，这仅为大数据中的冰山一角。

2.2 大数据下的管理探讨

以武汉轨道交通2019年2月1日票制调整为例，探讨通过引入大数据以提升运营企业和政府城市轨道交通票制调整管理的效率与品质。

2.2.1 调整申报阶段

票制调整申报，即为调整城市轨道交通票制，就调整缘由及调整方案的提出而开展的一系列准备工作。此阶段的关键在于给出票制调整的充分理由，并提议切实可行的调整方案，即兼顾城市轨道交通公益性、运营企业发展和政府财政补贴能力的方案。给出的票制调整理由不仅是对运营企业在现行票制下的盈亏情况及对后续几年盈亏情况的测算说明，还应对数据资料进行纵向及横向延伸，引入本市乃至国内其他轨道交通各发展时期的票制、客流、运营成本、政府补贴情况以及城市居民消费水平、居民交通支出占比等数据，对票制的调整动因做出更充分的诠释。提出切实可行的票制调整方案绝非易事，一方面要充分考虑运营企业的发展，至少保证企业收支平衡，这一点可以在对票制调整理由的分析中提炼得出；另一方面则需考虑城市轨道交通的公共产品属性，其定价受当地居民的经济能力及承受意愿影响，这一块尤其是居民的承受意愿极难评估和把握。在此，除了参考政府公布的地区生产总值、居民人均可支配收入、居民消费价格指数等经济指标数据外，企业可以开展长时间的民意追踪调查，开展包括纸质问卷和网络问卷的民意调查，以问卷资料量化分析民居能够接受的调整幅度及愿意接受的调整幅度，以制定出更能调和运营企业及政府财政压力与市民福利的调整方案。

2.2.2 听证会阶段

从武汉市最近一次票价调整的情况来看，这一阶段中最易受到民众质疑且开展难度较大的是听证会参会人员的确定工作。2018年11月21日，武汉市发展和改革委员会（以下简称“武汉市发展改革委”）发出第一次公告，说明将于2018年12月下旬召开武汉市轨道交通网络票价调整听证会，并根据相关法律、规章确定参会人员；12月6日公布武汉市轨道交通网络票价调整拟定方案；12月21日召开听证会；2019年1月22日公示《武汉市发展和改革委员会关于我市轨道交通线网票价的批复》及新票制实施日期为同年2月1日[8]。期间，今日头条、网易新闻、腾讯新闻、新浪微博等各大媒体对武汉市发展改革委各阶段公告进行转载，网民对听证会代表确定的民主性发出强烈质疑，主要声音有“为什么身边没有人成为代表”、“这18个人能代表我们吗？”、“听证会像是通知会”、“全市人民投票才合理”。期间，相关单位对舆论积极进行引导，但从后期武汉地铁公司接到的客服热线、城市留言板等信息来看，引导效果并不明显。由此可见，民众对听证会代表的“代表性”甚至是听证会的实施形式普遍不满或是不理解。舆论监测因其自身特征，具有一定的滞后性，所以为了更好地获得民众的理解、让群众满意，相关单位不妨由此入手，以超前的民意普查追踪为基石，以普查资料这项大数据为依托，适当调整信息公开的广度和深度，让民众切实看到轨道交通票制调整的必要性、新票制确立的合理性其民主性。

2.2.3 新票制实施阶段

2019年2月1日，武汉轨道交通新票制正式实施。期间，武汉地铁公司及相关单位持续对网络舆情进行监管，了解民意动向，及时进行引导，对民众反映集中的问题进行整合，但未进行详细分析，数据价值没有得到充分利用；另一方面，武汉地铁公司对新票制下的客流及运营收入进行了短期监控及简单分析，缺乏全面、深入、系统化的研究，数据价值利用不够充分。事实上，在大数据的推动下，运营企业及相关单位都不应以简单的舆情应对为主线，以票制调整不引起民愤、了解票价调整对轨道交通的短期影响情况为目标，换句话说，现在所做的工作不应该仅仅为了现在还应考虑到以后，应该充分记录相关数据资料尽可能挖掘其背后的价值，为今后的调整管理更能协调运营企业、政府及民众之间的利益做准备。

3 结论与展望

作为从一开始就搭上了大数据这趟快车的包括武汉在内的国内大多数城市轨道交通，更应将大数据引至其运营管理的每一个神经末梢，票制管理也不例外。然而，以武汉为例，从对票制管理的分析可以看出，城市轨道交通运营企业对数据有一定的使用，但与大数据的 5V特点（即Volume、Velocity、Variety、Value 和 Veracity）[9]相比，仍存在很大差距。在票制管理的各个时期，运营企业都应尽可能扩大数据的获取面、拓宽分析深度，引入本地及其他轨道交通城市的舆论、民意、客流量等大数据，不局限于企业内部的或是数字型的数据，增加人力、物力投入以提高数据存储、分析的量级及专业性和针对性，以广度和深度的扩张确保结论更加真实有效，应用更加贴合实际。