大數據下的城市軌道交通票制管理研究
——以武漢為例

石鳳蓉

（1.武漢大學政治與公共管理學院，湖北 武漢430072；2.武漢地鐵運營有限公司，湖北 武漢430070）

當前，國內大多數城市軌道交通運營企業只注重票價調整時期的票制管理，具體表現為對企業的運營成本和當地政府的財政補貼力度進行財務性測算，兼顧城市軌道交通公共產品屬性，側重票價調整過程中對計價方式的確立[1-3]。在信息技術不斷發展，公眾需求日趨多元化的今天，這種管理模式已難以適應時代發展，急需做出改變。本文以武漢軌道交通為例，對大數據挖掘下的票制管理進行探討。

1 日常管理

1.1 管理現狀

國內學者注重對城市軌道交通票價調整的研究[4-6]，一定程度上忽略了對日常管理的探索，甚至運營企業的相關管理人員也對此不太在意，所以也沒有對日常管理的業務范圍、業務職責進行明確。結合工作實際和行業發展趨勢，將目前運營企業各項業務中應隸屬于票制日常管理的業務進行劃撥，可以歸為兩類：一是票制信息的維護，主要指對企業官網、官方微博、百度百科、手機客戶端等各類媒介上票制信息的及時更新；二是對乘客關于票制問題的解答，這里主要涉及運營企業的客服熱線、市長熱線、城市留言板等媒介咨詢以及車站的現場咨詢。

目前，國內幾乎所有城市對軌道交通票制的日常管理不僅沒有明確業務劃定，而且也沒有明確的責任部門，這并不利于大數據的引入。首先，因為沒有明確的責任部門，常常使得工作的落實缺乏推力，存在相互推諉的情況，不利于工作的開展，更談不上對工作流程的優化和工作本身的提升。其次，在大數據已經滲入各行各業并積極推動各行業快速發展的今天，這種遇事處理平時不理不睬的管理方式終將被時代淘汰。

1.2 大數據下的管理探討

1.2.1 組建責任組織

將大數據引入到城市軌道交通票制的日常管理中，首先應明確相應的責任組織，即成立專門的責任部門或責任小組，以保證工作職責的明確劃分和對大數據的應用及進一步研究。以武漢軌道交通為例，考慮其運營規模為里程334km、車站225座（換乘站重復計算），運營管理單位僅武漢地鐵運營有限公司（以下簡稱“武漢地鐵公司”），當前計價方式為全網統一的里程分段計價方式，宜組建專門的責任小組。同時，其職責應為票制信息的維護，對乘客咨詢進行統一管理而非單一的解答，以及對客流量和票款收入的監測。

1.2.2 開展具體工作

1）乘客咨詢的統一管理。這里需要最先解決的依然是乘客的疑問，用專業、通俗易懂、簡潔的語言解答乘客疑問，不僅僅是簡單的完成工作內容，更是城市軌道交通服務水平、服務質量乃至企業形象的展示，所以不論是客服熱線的工作人員，還是車站的現場工作人員都必須熟識票制及其相關理論，同時具備良好的個人素養，不論面對的是處于何種狀態下的何種乘客都能面帶微笑、悉心解答。其次是對乘客疑問數據資料的梳理及分析利用，即對大數據的引入。根據不同的乘客需求和管理目的，如回復的即時性、疑問關鍵點、頻率、區域分布等進行梳理、分析，盡量挖掘信息數據背后隱藏的規律與價值，為地鐵的運營管理服務，真正做到服務的“民有所呼，我有所應”。

2）客流、票款收入的監測。票款收入作為城市軌道交通運營企業收入的主體，主要受票制和客流量的影響，同時，票制作為城市軌道交通客流調控的重要手段一定程度上影響著客流量的大小，[7]所以這里提議把對客流和票款收入的監控納入票制管理的日常工作范疇。客流監控，一方面是對本市軌道交通客流量的監控，包括日/周/季度/年的不同時段、不同群體（可根據所持票卡進行區分）、特殊時期（如節假日、路面交通管制日、票制調整等）；另一方面是對國內其他城市尤其是軌道交通規模、城市規模或城市發展水平相當的軌道交通客流量的監控，以此作為大數據橫向對比、分析和問題切入的依據，對武漢軌道交通而言目前可重點關注的城市有成都地鐵和南京地鐵。收集、梳理城市軌道交通客流信息，觀察同一票制下不同時期、不同時段的客流量以及不同票制下相同時段客流變化情況，針對部分線路某些區間客流量較大等問題利用大數據進行分析、探究，尋求切實可行的解決方案。票款收入監測，因為票款收入數據屬于各運營企業的保密資料，所以這里僅對武漢軌道交通自己的票款收入進行監控，對同一票制下不同時期、不同時段以及不同票制下相同時段的票款收入進行大數據分析，尋求城市軌道交通“公益優先、兼顧發展”的多樣化票制。

3）票制信息維護。因為針對各類媒介的信息維護較為簡單，就目前而言需要對信息維護的頻率、變更的內容等進行詳細記錄和信息數據的整合，但在此引入大數據個人認為為時尚早，或者說就引入大數據所需要的人力、物力的投入與產出相比并不經濟，所以該模塊不在此繼續進行探討。

2 調整管理

2.1 管理現狀

調整管理是城市軌道交通票制管理的重要部分，票制調整通常由運營企業根據當前的運營狀況向當地政府相關部門提交請示，相關部門收悉后根據請示等相關資料及實地考察情況，決定是否批準調整及具體怎樣調整。與日常管理的信息維護、咨詢管理、客流和票款收入的監測不同，票制調整不是每天都發生的，而是在特定情境下在運營企業和當地政府的推動下發生的，其影響面較廣、影響力極大，需要運營企業和當地政府充分準備、妥善應對。

目前，運營企業提交的請示及后續的票制調整方案主要是對軌道交通在當前票制和政府相應補貼力度下對當前及后續幾年的盈虧情況的詳細測算說明，通常涉及成本和收益數據，這僅為大數據中的冰山一角。

2.2 大數據下的管理探討

以武漢軌道交通2019年2月1日票制調整為例，探討通過引入大數據以提升運營企業和政府城市軌道交通票制調整管理的效率與品質。

2.2.1 調整申報階段

票制調整申報，即為調整城市軌道交通票制，就調整緣由及調整方案的提出而開展的一系列準備工作。此階段的關鍵在于給出票制調整的充分理由，并提議切實可行的調整方案，即兼顧城市軌道交通公益性、運營企業發展和政府財政補貼能力的方案。給出的票制調整理由不僅是對運營企業在現行票制下的盈虧情況及對后續幾年盈虧情況的測算說明，還應對數據資料進行縱向及橫向延伸，引入本市乃至國內其他軌道交通各發展時期的票制、客流、運營成本、政府補貼情況以及城市居民消費水平、居民交通支出占比等數據，對票制的調整動因做出更充分的詮釋。提出切實可行的票制調整方案絕非易事，一方面要充分考慮運營企業的發展，至少保證企業收支平衡，這一點可以在對票制調整理由的分析中提煉得出；另一方面則需考慮城市軌道交通的公共產品屬性，其定價受當地居民的經濟能力及承受意愿影響，這一塊尤其是居民的承受意愿極難評估和把握。在此，除了參考政府公布的地區生產總值、居民人均可支配收入、居民消費價格指數等經濟指標數據外，企業可以開展長時間的民意追蹤調查，開展包括紙質問卷和網絡問卷的民意調查，以問卷資料量化分析民居能夠接受的調整幅度及愿意接受的調整幅度，以制定出更能調和運營企業及政府財政壓力與市民福利的調整方案。

2.2.2 聽證會階段

從武漢市最近一次票價調整的情況來看，這一階段中最易受到民眾質疑且開展難度較大的是聽證會參會人員的確定工作。2018年11月21日，武漢市發展和改革委員會（以下簡稱“武漢市發展改革委”）發出第一次公告，說明將于2018年12月下旬召開武漢市軌道交通網絡票價調整聽證會，并根據相關法律、規章確定參會人員；12月6日公布武漢市軌道交通網絡票價調整擬定方案；12月21日召開聽證會；2019年1月22日公示《武漢市發展和改革委員會關于我市軌道交通線網票價的批復》及新票制實施日期為同年2月1日[8]。期間，今日頭條、網易新聞、騰訊新聞、新浪微博等各大媒體對武漢市發展改革委各階段公告進行轉載，網民對聽證會代表確定的民主性發出強烈質疑，主要聲音有“為什么身邊沒有人成為代表”、“這18個人能代表我們嗎？”、“聽證會像是通知會”、“全市人民投票才合理”。期間，相關單位對輿論積極進行引導，但從后期武漢地鐵公司接到的客服熱線、城市留言板等信息來看，引導效果并不明顯。由此可見，民眾對聽證會代表的“代表性”甚至是聽證會的實施形式普遍不滿或是不理解。輿論監測因其自身特征，具有一定的滯后性，所以為了更好地獲得民眾的理解、讓群眾滿意，相關單位不妨由此入手，以超前的民意普查追蹤為基石，以普查資料這項大數據為依托，適當調整信息公開的廣度和深度，讓民眾切實看到軌道交通票制調整的必要性、新票制確立的合理性其民主性。

2.2.3 新票制實施階段

2019年2月1日，武漢軌道交通新票制正式實施。期間，武漢地鐵公司及相關單位持續對網絡輿情進行監管，了解民意動向，及時進行引導，對民眾反映集中的問題進行整合，但未進行詳細分析，數據價值沒有得到充分利用；另一方面，武漢地鐵公司對新票制下的客流及運營收入進行了短期監控及簡單分析，缺乏全面、深入、系統化的研究，數據價值利用不夠充分。事實上，在大數據的推動下，運營企業及相關單位都不應以簡單的輿情應對為主線，以票制調整不引起民憤、了解票價調整對軌道交通的短期影響情況為目標，換句話說，現在所做的工作不應該僅僅為了現在還應考慮到以后，應該充分記錄相關數據資料盡可能挖掘其背后的價值，為今后的調整管理更能協調運營企業、政府及民眾之間的利益做準備。

3 結論與展望

作為從一開始就搭上了大數據這趟快車的包括武漢在內的國內大多數城市軌道交通，更應將大數據引至其運營管理的每一個神經末梢，票制管理也不例外。然而，以武漢為例，從對票制管理的分析可以看出，城市軌道交通運營企業對數據有一定的使用，但與大數據的 5V特點（即Volume、Velocity、Variety、Value 和 Veracity）[9]相比，仍存在很大差距。在票制管理的各個時期，運營企業都應盡可能擴大數據的獲取面、拓寬分析深度，引入本地及其他軌道交通城市的輿論、民意、客流量等大數據，不局限于企業內部的或是數字型的數據，增加人力、物力投入以提高數據存儲、分析的量級及專業性和針對性，以廣度和深度的擴張確保結論更加真實有效，應用更加貼合實際。