基于潜在类别分析对贵阳地铁商业空间的研究

潘炫筱 袁琼芳 陈永佳 卯昌平 杨雪

摘 要：就贵阳地铁商业现状提出三个问题：一是不同人群对地铁商业的需求有何不同？二是贵阳市民对现有地铁商业空间的满意程度如何？三是如何结合贵州特色对贵阳地铁地下商铺和地上沿线商圈进行规划，最大化带动贵阳经济和贵州旅游业发展？针对以上三个问题，本次调查采用了线上线下问卷调查及实地蹲点调查和深入访谈调查来获取数据，使用潜在类别分析等统计分析方法展开了研究。

关键词：贵阳地铁   商业空间需求   满意度   潜在类别分析   统计分析方法

1. 序言：

截止2019年10月，贵阳轨道交通日均客运量为十一万人次，巨大的人流量，为轨道交

站点带来了巨大的商机，使沿线的商业、旅游业等普遍升值。贵阳市采用网红概念设计的COCO新天地（中山西路商业街）吸引了大量游客前往，已经成为了贵阳的一大文化商业标志。

地铁作为新型交通工具，建设投入大、成本回收周期长、在国内外普遍存在地铁运营亏损的状况，光凭地铁运营收入和政府的补助不能解决根本问题，地铁把人流引入沿线商圈， 地铁客流使得地铁口区域内的地面商业空间成为人流的高聚集地。“蝴蝶效应”在地铁及其周边的商业空间中得到了体现。

本文的研究目的是通过问卷调查和实地调查，了解贵阳市民对地铁商业空间需求与使用满意度，根据贵阳市民对地铁商业空间的使用满意度来发现地铁商业空间运行的不足之处，并对商业空间规划提出建议和改进措施，进而提高贵阳地铁商业的吸引力。

2.研究方法

2. 1研究对象

以贵阳市全体市民为调查对象。

2. 2 信度与效度分析

通过SPSS对数据进行信度效度检验，得到调查信度系数为0.808，本次问卷可靠性较高，利用KMO检验以及Bartletts球状检验，得到KMO值为0.860大于0.8且Bartletts球状检验中sig.=0.000<0.05，表明變量直接相关性显著，说明问卷效度良好，结果有效。

2.3 样本量计算

采用公式来计算样本量，计算得需要816份问卷。

采用线上、线下、等方法进行问卷发放，430份为现场调查所得数据，416份为网络调查所得数据。最终有效回收问卷816份，收回无效问卷30份，问卷有效回收率96.45%。

2.4 统计方法

2. 4. 1自我问卷填写

本次问卷一共有23个题，部分题采用4级计分，从“非常满意”、“满意”、“一般”、“不满意”依次记为4分，3分，2分，1分;在计算总体满意度时换算为百分制;贵阳市市民对地铁商业空间总体满意度打分平均分为73.25分。并计算不同职业对商业整体空间的满意度[1]，如下表所示。

2. 4. 2深度访谈问卷

深度访谈问卷是针对贵阳市全体市民中的学生、上班族、自由职业者、退休四类不同类型的人针对以下问题进行访谈。

1、您今年多大了;

2、您乘坐地铁的目的是什么;

3、您最喜欢COCO新天地内的什么元素;

4、您比较喜欢COCO新天地内那种类型的商铺;

5、您希望增加什么商铺;

6、您对COCO新天地内的建设有什么建议

通过深度访谈，得知对于学生来说他们乘坐地铁是为了出游购物，对地铁内的网红设计比较感兴趣;对于中年人来说他们希望能够改善一下空气质量及卫生，增加一些适合小孩的店铺，以及一些环境较安静的店铺;对于老年人来说，他们经常去地铁附近浏览一些打折商铺。

2.4. 3地铁商铺人流量统计

在通过蹲点调查方法，进行不同类别的店铺不同时间段的人流量统计，发现生活类店铺最受欢迎;

2.4.5潜在类别分析方法

我们运用Mplus对数据进行潜在类别分析，按照不同的出游及消费倾向将人群分为计划公务型、临时混合型以及旅游休闲型。

3.潜在类别模型分析

3.1概率参数化

其中：为潜在类别模型的联合概率，为潜在类别概率为条件概率。

3. 1. 1参数估计与模型拟合

模型参数估计时采用了稳健极大释然法，其中广泛使用的是EM算法[5]。模型拟合优度检验的主要方法有似然比卡方统计检验以及基于似然比卡方检验的信号评价指标AIC和BIC。指标越小说明模型适配度越高。

3. 1. 2潜在类别分析[7]

在确定模型并对模型参数估计后，进行潜在类别分析，计算观察数据分类到各潜在类别的后验概率，根据后验概率判断每一个数据应该归入的潜在类别。

其中：表示观察数据分类到某个潜在类别的后验概率，表示观察数据分类到某个潜在类别的概率。

3. 1. 3分类正确率验证

其中：为验证指标，在0.6以上，认为相关性较高，分类效果较好。

3. 2市民对贵阳地铁商铺需求

3. 2. 1外显变量的选取

本文选取了客户的基本信息性别和职业，选取了客户具体乘坐地铁的频率，次数反映客户对地铁的依赖程度，选取了最吸引客户的商铺和对商铺空间大小的满意程度来反映客户对地铁商铺的情况。

3. 2. 2模型评价

从表 5中可以看出，当潜在类别模型数目为3时，模型满足数据拟合要求，各项指标都小于潜在类别数目为1和2时的模型，并且此时的AIC和BIC指标最小，因此包含3个潜在类别数目的模型作为本文潜在类别分析的最优模型。

3. 2. 3参数估计结果

采用Mplus软件对最优模型进行参数估计，得到潜在类别概率和各个外显变量的条件概率，从表中可以看出第三类潜在类别概率最大为0.51，其次为第一类概率为0.31最小的是第二类0.18。从条件概率可以看出各个类别的外显变量特征差异明显，尤其是U4、U5和U6三个外显变量上，表明这三个外显变量是分类的主要影响因素。

3. 2. 4潜在聚类结果

根据分类结果正确性验证得到，，结果表明分类正确率较高，分类结果合理。

3. 2. 5不同类别客户出行特征分析

根据潜在类别分析结果，结合3类顾客的显著变量特征，可以分为计划公务型、临时混合型、旅游休闲型[8]。

从图中我们可以看出，计划公务型的显著特征表现为女性，职业多为上班族，外出目的主要是外出办理业务。这部分人群对服装、特产店的需求较小，对地铁商业空间建设满意度较低;

临时混合型主要是学生及自由职业者人员，这部分人群对饮食类店铺需求较高，外出目的多元化，对地铁商业空间满意度较高;

旅游休闲型人群男性与女性比例接近，乘坐地铁大都是偶尔不定期，这部分人群对地铁商业要求较高，外出目的大都为出游购物。

4.结论与建议

消费社会角度下当代地铁商业空间的设计，应符合当前消费人群“情感化”需求，把环境营造与人们的生活追求结合起来，为地铁商业空间建设找到新的突破点。

4.1.市民对贵阳地铁总体满意度有待提高

待业人员的满意度最高，学生以及上班族次之，老年人满意度最低。市民普遍反映地铁商业空间内的空气质量以及店铺管理方面需要改善。在地铁店铺更新过程中可以适当增加通风口，打造具有主体特色的店铺。

4.2.对四类商铺做了蹲点统计人流量得出四类不同风格商铺的消费人群有显著性差异

在小吃快餐类店铺的消费人群中，中年人（携带小朋友）和学生群体占比最多;在特产类商铺中，老年人以及外省游客占比最多;在服装类商铺中，女性顾客占比最多，且较多为年轻人;在生活类商铺中，消费人群多为年轻人;因此我们可以对地铁商铺实行淘汰制，服务好和受欢迎的商铺重点引进;建立面向市民的地铁微信公众号，丰富公众号内容，对贵阳地铁地下和地上商铺进行全面介绍，并定期推送汇总各商圈、商铺的打折信息、商场活动等。

4.3.针对不同类型人群的消费倾向得出店铺规划

旅游休闲型客户最希望增加的商铺是咖啡厅、小吃和奶茶;临时混合型客户最希望增加的商铺是休闲吧、小吃和餐飲;计划公务型客户最希望增加的商铺是书店、小吃和奶茶。如下词云图：

在未来地铁商业开发站点的商铺建立上，需要结合不同人群的消费特征进行考虑。比如可以在商铺开发前对周边居住人群进行调研统计各类人群的具体数量和消费特点，以此对不同商铺数量和风格进行分数量分功能打造;

参考文献：

[1]张双.地铁乘客满意度评价体系研究[D].长安大学，2008.

[2]周艳芳， 周磊山.城市轨道交通乘客满意度评价体系的构建[J].都市轨道交通， 2007.

[3]樊晓雨.重庆轨道交通商业空间使用满意度研究[D].重庆大学，2014.

[4]毛国君.段立娟. 数据挖掘原理与算法[M].清华大学出版社， 2016.

[5]顾兆军， 王伟， 李晓红. 基于潜在类别模型的航空旅 客分类[J]. 计算机技术与发展，        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，杨忠振，李一旋.基于旅客价值测度模型的客运市场细分和公路客运发展策略研        究[J].公路交通科技，2016.

[7]乔珂，赵鹏，文佳星.基于潜在类别模型的高铁旅客市场细分[J].交通运输系统工程与信息，2017.

[8]潘玲玲. 基于旅客行为的航空旅客细分模型研究及其实现[D].南京航空航天大学，2012.

基金项目：国家级大学生创新训练项目（20195200221《贵阳地铁商业空间需求与使用满意度调查研究》）;“贵州师范学院大学生互联网+创新创业训练中心”（项目编号：黔教高发[2015]337号、黔教高发〔2017〕158号）