基于乘客满意度的公共交通系统评价

李书新，李 辉，张 旭，段宇洲，梁先登

(1.河南工业大学 土木工程学院，郑州 450001；2.郑州市交通规划勘察设计研究院，郑州 450001)

随着大城市人口的逐渐增加，城市规模也随之扩大，如何构建结合各种公共交通出行方式的公共交通系统已成为人们十分关注的问题。当前，公共交通出行理念已逐渐深入人心，很多国家都在建设先进公共交通系统 (APTS)为公众服务[1]。城市公共交通系统发展迅速，如何分析社会公众的意见也成为了热点[2]。各种公共交通出行方式彼此影响，同时，也影响着当地居民对城市公共交通系统的满意度。对公共交通系统进行评价，是对该城市公共交通系统的不足之处提出优化意见，对其满意度较高地方进行方法总结，以便为其他城市提供经验。

如何评价一个城市的公共交通系统服务质量，以往研究中大多以乘客满意度作为评价原则。根据公共交通线路和等车时长，Hu等[3]提出了用价值函数来表示乘客满意度。在以往研究中也有用结构方程模型[4]、偏最小二乘的结构方程模型[5-6]、模糊分析[7]、云模型[8]以及有序多重对应分析[9]来评价乘客满意度。Anna等[10]在研究中考虑到了车内的舒适性和安全性因素，提出了在评价公共交通系统的质量时应考虑多种因素。在公共交通系统的评价方法中，传统上一般是用层次分析法、主成分分析法、灰色聚类分析等方法对其进行评价，但该评价方法受主观影响较大，且用在满意度评价时结果容易不准确。

当前，运用重要性-性能分析(IPA)进行满意度分析已成为更好选择。IPA由Martilla等[11]引入， IPA在客户满意度中可以更好地得知哪些因素应该优先被考虑[12]，并在各种研究中被广泛应用。IPA分析法曾被用在环境满意度[13]、居住满意度[14]等研究中，通过各因素所处的象限位置来完善和优化对满意度影响较大的因素。Yuan等[15]通过IPMA模型，对区段乘客满意度的重要性进行分析。Kano等[16]改编了Herzberg[17]的“双因素理论”，根据客户要求开发了质量二维模型，Kano模型认为IPA分析法只考虑了受访者对评价指标的满意程度与整体满意度之间的线性对称关系，但却忽视了对评价指标的重要程度和满意程度的直观反映。基于IPA与Kano的相似性与差异性,有学者将二者相融合提出了IPA-Kano模型[18]。房德威等[19]提出用IPA-Kano模型来评价地面公交服务质量，通过运用 Ordered Logit 回归模型对隐性重要性进行分析，该方法适用于只有一种出行方式、且对整体城市的单因素进行分析。评价公共交通系统不仅要考虑出行方式，还应关注各地区、各年龄段等的差异，从而对整体满意度进行分析。logit和Probit模型没有本质区别，但通过比较得出[20]，模型总体效果差异不大，但变量系数大小有所区别。

公共交通系统具有复杂性，Probit模型可以考虑更多的变量，故更适用于对公共交通系统的评价，隐性重要性的确定也更加准确。并且该研究通过较大的数据量提高评价结果的准确性和可靠性。选取郑州市不同地区、不同公共交通出行方式进行满意度调查，运用IPA-Kano模型对郑州市公共交通系统乘客满意度情况进行分析，通过分析得出结论，有重点地改善相关服务情况，从而提高乘客满意度。

1 公共交通系统乘客满意度评价指标体系构建

城市公共交通系统的满意度对乘客的影响体现在城市公共交通系统的信息服务、站车服务、运营服务、票务服务等服务项目中，因此，本研究的满意度评价指标包括多方面、多个因素。

评价体系由两部分组成，分别为受访者基本资料和乘客满意度测量。

1)受访者基本资料。包括受访者每日乘坐公共交通的次数、性别、年龄等人口统计学选项。

2)乘客满意度。根据以往研究[21-22]乘客满意度分析需要给出重点考虑的相关因素，同时，还要考虑不同区域[23]、不同年龄[24]等因素。通过筛选，建立公共交通系统乘客满意度评价指标体系，设置9个相关因子(见表1)。本研究采用李克特五级量表法，受访者根据各项指标分别打分，5分为非常满意，1分为非常不满意。使用“显性重要性-隐性重要性”分析法(IPA-Kano模型)，分析乘客满意度的现状和存在问题。

表1 公共交通系统乘客满意度评价指标体系

2 乘客满意度调查

2.1 调查问卷

以郑州市为例，2021年上半年对二七区、高新区、惠济区、郑东新区、金水区、中原区6个地区开展调查，主要在地铁及地铁站、公交车及BRT车站、商场、公园等地发放问卷，问卷采用一对一问询和市民自填调研人员讲解的模式。共发放3 500份问卷，在后期整理中发现有乘客需下车而未填写完的问卷及填错问卷95份，得到有效问卷3 405份，有效率达97.3%。

2.2 人口统计学特征

研究中主要人口统计学特征如表2所示。在3 405份调查样本中，受访者男性共1 623人，有效占比为47.7%，女性共1 782人，有效占比为52.3%，女性比例较男性稍高。在调查的各年龄段中，分为20岁以下、20～30岁、30～40岁、40～50岁、50～60岁和60岁以上，调查中20～30岁的人员最多，其年龄段分布也符合正态分布特征。调查时段为07:00—18:00，调查覆盖早晚高峰及平峰时段。受访者平均每天出行3次，受访者出行方式大部分采用地铁、公交及步行。

表2 受访者人口统计学特征

2.3 问卷信度和效度检测

使用Excel和SPSS26.0软件处理数据，对有效问卷利用Cronbach α系数进行信度检验，总体信度为0.801，说明问卷的整体信度较高，具有较好的一致性和稳定性。效度检验方面KMO的值为0.887，且显著度P=0.00(KMO值>0.70，巴特利球体检验的统计量概率p<0.05)，可做因子分析。

3 实证模型分析

3.1 不同因素的满意度分析

对于不同性别和年龄段的满意度分析，采用独立样本T检验进行分析。从表3可以看出男性乘客 “早晚高峰期等待公共交通车辆时间”“公共交通出行换乘”和“票价水平”的得分在P≤0.05的置信度水平上显著高于女性乘客。其他因素两性之间满意度差别不大。

表3 不同性别的满意度独立样本T检验

方差分析(ANOVA)一般用于2个及2个以上样本均数差别的显著性检验，最小显著性差异法(LSD)对差异最为敏感，用于检验各组间差异。对于不同年龄段的满意度分析采用单因素方差ANOVA和LSD事后检验进行分析，不同年龄组的满意度在P≤0.05的置信水平下，除高峰期等待车辆时间无明显差异外，其余各年龄段存在着明显差异。如表4所示，总体看，60岁以上老人的满意度更高，20～30岁的青年人对郑州市公共交通系统的满意度最低，20岁以上满意度逐渐提高。

对于不同出行方式的满意度分析，采用独立样本T检验进行分析(见表5)。结果表明除指标“公共交通信息查询服务”外，其余指标的P值均大于0.05，表明二者显著性水平无明显差异，根据二者建立的公共交通系统指标体系和评价标准可以适用。

3.2 显性-隐性重要性

从上述可以看出，不同年龄段对显隐性的分析有影响。显性重要性是受访乘客对调查因素的直观评价情况，通过受访者对问卷中的因素进行打分，各因素的均值为其显性重要性。隐性重要性是受访者通过其他方面的评价，侧面反映重要性的情况。文中运用多元有序Probit模型对这9项要素分别进行分析，得到其对应的显性回归系数为隐性重要性。可观测的离散有序变量Y为满意度潜变量Z的映射，Yij=u表示受访者i(i=1，2，…，n)对第j(j=1，2，…，k)个满意度变量的满意程度为μ，Zij为相对应的潜变量，则可得[25]

Zij=sifYij∈(γj(s-1),γjs],d=1,2,…,s

(1)

式中:γ1=(γj1，γj2，γj3，…，γjs)T为第j个满意度程度分界点集合。

表4 不同年龄段的单因素方差检验

表5 不同出行方式的满意度独立样本T检验

满意度潜变量线性模型为

(2)

(3)

假设分布函数为F(x)，可得到因变量y，各选取值的概率为

p(Yi=0)=F(α1-βXi)

p(Yi=1)=F(α2-βXi)-F(α1-βXi)

p(Yi=2)=F(α3-βXi)-F(α2-βXi)

⋮

p(Yi=n-1)=1-F(αn-1-βXi)

(4)

被解释变量为各项指标的满意度，采用等级变量表示。解释变量分别为性别、年龄段、调查地点、公交车、地铁5项变量，文中同时分析该5项变量是否显著影响各项指标的满意度。

利用Stata16.0软件对问卷进行了多元有序Probit模型估计，所有的变量进入模型中进行检验，检验结果如表6所示，反映了所有解释变量对被解释变量的影响程度。由表5的计量结果可得以下结论：在自变量中，年龄段、调查地点和出行方式的P值基本都小于0.05，通过了显著性检验，“性别”一项的显著性大于0.05，这和前文所作的单因素方差ANOVA和LSD事后检验分析得出的结果相同；在“出行方式”的各项指标中，除“车辆到站动态信息服务”一项外，在其余指标中，公交车满意度均大于地铁，说明地铁服务在各方面均需要加强。

表7列出9个检测因子的显性-隐性重要性的均值、标准差、标准化系数和显著性检验概率等数据。从表7可以看出，对于显性重要性来说，乘客对郑州市公共交通系统中的司乘人员服务满意度最高，其次是公共交通信息查询服务。对于隐性重要性来说，公共交通信息查询服务的满意度最高。

以隐性重要性为纵轴、显性重要性为横轴构建IPA-Kano象限图，以隐性重要性均值和显性重要性均值分别作y轴和x轴的垂线，划分出4个区域象限，如图1所示。由图1可以得出以下几方面

表6 多元有序Probit模型分析结果

表7 乘客满意度显性-隐性重要性分析结果

图1 乘客满意度 IPA-Kano定位象限

结论：

1)公共交通信息查询服务司乘人员服务位于第一象限，有着高隐性重要性和高显性重要性，说明这项因素对于市民乘坐公共交通有着关键影响，同时,乘客对这项的满意度也很高，对该项情况也较为满意。

2)候车环境情况位于第二象限，属于魅力型要素，有着高隐性重要性和低显性重要性，表明乘客对该方面不太看重或者已经很满意，只需维持或适当改进即可。

3)高峰期公共交通车辆运行速度、早晚高峰期等待公共交通车辆时间和公共交通出行换乘在第三象限，有着低隐性重要性和低显性重要性，属于非重要性要素，提升该区域因素不会对公共交通系统的整体满意度有明显提高，可以短期内不对该区域因素进行改进。

4)公共交通信息查询服务、票价水平、车内环境情况和车辆到站动态信息服务位于第四象限，该象限是基本要素，如果超出预期，基本因素不会增加总体满意度，但如果没有达到预期，则会引起不满。所以,对该区域的相关因素应该特别注意,并进行改进。

4 结 论

在公共交通系统评价中，基于加入不同变量所产生的不同影响，提出用多元有序Probit模型对IPA-Kano 模型的隐性重要性进行分析。在多种变量影响下，相较于Ordered logit回归模型，运用多元有序Probit模型分析有更高的可信度。以郑州市为例，用多元有序Probit模型确定隐性重要性，运用IPA-Kano模型对郑州市公共交通系统整体满意度情况进行分析，确定需要改进的相关指标。

研究发现在公共交通信息查询服务、票价水平、车内环境情况和车辆到站动态信息服务等方面都需要重点改进，司乘人员服务作为次要改进对象。乘客对现阶段郑州市候车环境情况很满意，可暂不作为改进对象。在调查过程中乘客反馈较多的一些问题有：发车时间希望提前；部分司机行车速度太快；手机查询公共交通信息不方便、不准确；车内环境嘈杂,乘客在车内播放声音(中老年人占多数)；外地乘客对郑州公共交通票价情况不满意；部分线路希望延长。反馈问题与研究指出的重点改进服务相同，验证了该方法的有效性和合理性。用该方法得出的结论基于不同影响因素和研究因子，之后的研究中应丰富影响因素和研究因子，从而更全面地分析城市公共交通系统的满意度。