基于乘客群體特征的城市軌道交通滿意度研究

劉 悅，馮旭杰，賈文崢，李松峰，沙 茜

（1.交通運輸部科學研究院，北京 100029；2.城市軌道交通運營安全管理技術及裝備交通運輸行業研發中心，北京 100029）

0 引言

2019 年，交通運輸部相繼出臺了《城市軌道交通服務質量評價管理辦法》[1]（以下簡稱《辦法》）和《城市軌道交通服務質量評價規范》[2]（以下簡稱《規范》），從行業管理角度對城市軌道交通服務質量評價提出了要求。城市軌道交通在以滿足出行需求為主要任務的同時，需要進一步協調管理水平與乘客期望之間的矛盾，故提升服務質量成為城市軌道交通可持續發展的重要一環[3]。

乘客滿意度是衡量城市軌道交通運營服務水平的主要指標之一。目前對于城市軌道交通乘客滿意度的研究主要集中在測評方法和指標選取上[4-7]，也有部分學者對基于不同乘客特征的城市軌道交通滿意度差異性展開了研究，發現乘客滿意度與乘客特征有關：不同特征的乘客群體的出行需求和期望不同，使得其對公共交通滿意度的主觀評價不同。Aydin 等[8]對伊斯坦布爾的城市軌道交通乘客滿意度展開了研究，以乘客性別、出行時間等因素為依據分析了乘客的出行偏好；溫麗[9]基于昆明地鐵滿意度調查數據，研究了性別、年齡、出行時間段、出行頻次和出行目的等對乘客滿意度的影響；陳堅等[10]以重慶市城市軌道交通乘客為調查對象，分析了具有不同性別與不同職業等特征的乘客滿意度差異；季彥婕等[11]以南京有軌電車為對象，研究了乘客個人屬性、出行特征等對乘客滿意度的影響，指出了有軌電車現有服務中的不足；彭經國[12]對長沙磁浮快線運營服務滿意度開展了研究，分析了性別、年齡、搭乘目的等因素對乘客滿意度的影響，結果顯示，不同社會經濟背景和乘坐次數的乘客在乘客滿意度方面存在顯著差異。以上研究針對各個乘客特征采用求滿意度均值或構建結構方程等方法進行分析。求均值法可描述乘客滿意度，但無法對乘客特征和滿意度的相關性進行深入挖掘，因為乘客具有的各個特征不一定都與滿意度有相關性，會導致分析結果不具有顯著的統計學意義。另外，求均值和構建結構方程等方法未能實現乘客群體特征分類刻畫。每種乘客具備多種特征，對每種特征進行分析時分析對象可能重復，會導致對相同乘客進行多次分析，給出重復的結果，增加工作量和分析難度。因此，有必要開展乘客特征與滿意度相關性分析及乘客群體特征刻畫。

本文就可能對滿意度產生影響的乘客特征進行篩選，提出乘客特征顯著性分析方法和乘客群體分類刻畫方法，進而給出乘客群體滿意度差異性分析方法。然后以某城市地鐵A 號線2019年開展的乘客滿意度調查數據為例，探究不同乘客群體在乘客滿意度方面的差異性，據此提出具有針對性的運營服務改進建議。

1 乘客特征因素選取

基于乘客特征的公共交通滿意度影響因素相關研究表明[8-12]，居民社會經濟屬性與出行特征可能會對乘客滿意度產生一定影響，不同屬性的乘客對交通服務的需求、期望和感知存在差異。因此，本文選擇居民社會經濟屬性和出行特征兩大類相關指標（見圖1）作為乘客特征因素，采集數據開展滿意度調查。

圖1 乘客特征因素

1.1 居民社會經濟屬性

具有不同社會經濟屬性的乘客對城市軌道交通的期望和感知可能存在差異。居民社會經濟屬性包括性別、年齡、收入水平等。

（1）性別。男性和女性在軌道交通出行過程中的關注點存在差別。文獻[10]以重慶城市軌道交通為研究對象，研究發現女性乘客比男性乘客更重視軌道交通運營單位的整體服務態度。

（2）年齡。不同年齡段的乘客在身體狀態、行動能力和認知水平方面存在一定差異，因此對軌道交通的服務需求不同，例如老年乘客對于咨詢和人性化服務的要求更高。

（3）收入水平。不同收入水平的群體對城市軌道交通的期望可能不同。高收入群體對軌道交通服務的要求可能更高，導致滿意度相對較低[11]。

1.2 居民出行特征

乘客出行時段、出行頻次、出行目的、到達軌道交通站點的方式等出行特征與城市軌道交通乘客滿意度可能具有相關性。

（1）出行目的。乘客的出行目的可分為通勤/上下學、購物、就醫、公務和旅游/探親等，不同出行目的的乘客對城市軌道交通的可靠性和便捷性等的要求可能不同。例如，通勤乘客的訴求為行程時間可控，故而對列車運行可靠性要求較高；旅游乘客可能由于對異地軌道交通系統不熟悉，故對其便捷性有更高的要求。

（2）到達軌道交通站點的方式。采用公交車、私家車、出租車、電動車、自行車、步行或多種交通方式組合到達軌道交通站點的乘客，可能將軌道交通服務水平與其他交通方式進行對比而產生不同的出行期望。例如，乘客可能會對軌道交通和公交車的服務水平進行潛在對比[11]。

（3）出行時段。根據軌道交通客流特征，可將乘客出行時段劃分為工作日早晚高峰、平峰及周末。部分城市的軌道交通客流隨時間呈現明顯的雙峰特征，即工作日早晚高峰出行客流量大、列車滿載率高，存在排隊等影響服務水平的現象，而中間時段即平峰則客流量小、滿載率低。不同的服務水平可能會對乘客的感知造成一定的影響。

（4）出行頻率。按照乘客每周出行次數，可將其劃分為偶爾乘坐、小于5 次（即平均每日乘坐1次以內）、5～10次（即平均每日乘坐1～2次）、11～20 次（即平均每日乘坐2～3 次）和20 次以上（即平均每日乘坐3～4 次）。不同的出行頻率導致乘客對城市軌道交通的運行特征了解程度不同。乘坐次數較多的乘客對城市軌道交通有較強的依賴性[12]，軌道交通出行為其剛性需求。常乘客和非常乘客對城市軌道交通服務期望和感知可能存在差異。

綜上，對城市軌道交通系統而言，乘客的社會經濟屬性和出行特征中的各因素可能與乘客滿意度有相關性，但各因素對滿意度的影響程度不同。如根據長沙磁懸浮乘客滿意度調查結果，不同出行頻率的乘客的滿意度存在顯著差異[12]，但對南京市有軌電車系統的研究顯示，乘客的出行頻率對乘客滿意度并沒有顯著影響[11]。因此，需將圖1中描述的所有乘客特征因素納入調查范圍，并加以分析。

2 滿意度差異性分析方法

篩選與城市軌道交通乘客滿意度相關的乘客特征是進行乘客滿意度差異性分析的基礎。上文給出了可能對乘客滿意度造成影響的乘客特征，但由于不同的城市軌道交通系統具有不同的運營服務特性，因此應進行具體分析，找到與該城市軌道交通系統乘客滿意度顯著相關的乘客特征，并在此基礎上對篩選出的乘客特征進行主成分分析，尋找乘客群體性特征并進行乘客群體分類，針對不同乘客群體開展滿意度差異性分析，為提升運營服務水平奠定基礎。

2.1 乘客特征顯著性分析方法

為探究乘客社會經濟特征因素和出行特征因素與乘客滿意度是否具有相關性，本文引入皮爾遜積矩相關系數（Pearson Product-Moment Corre?lation Coefficient,PPMCC）。皮爾遜積矩相關系數廣泛應用于度量兩個變量之間的相關程度，即可以用來判斷乘客特征對乘客滿意度是否具有顯著影響。樣本皮爾遜積矩相關系數計算公式[13]如下：

式（1） 中：rx,y為樣本皮爾遜積矩相關系數；xi,yi為樣本；n為樣本量，1≤i≤n。

為考察rx,y的顯著性，采用t分布進行檢驗，計算公式為[14]：

式（2）表示，若將單因素乘客特征x與乘客滿意度y視為隨機變量，則根據兩者的皮爾遜積矩相關系數rx,y計算得到的新隨機變量T是滿足t分布的。對顯著性水平α，若 |T|>tα/2，則說明x變量對y變量具有顯著性影響；若 |T|≤tα/2，則影響不顯著。

2.2 乘客群體分類方法

為進一步對乘客特征進行分析和刻畫，需確定合適的乘客群體劃分方式。考慮到乘客社會經濟屬性和出行特征各因素間可能存在一定的相關關系，故提取具有相似性的乘客屬性因子可實現科學的群體分類。因此，需對與滿意度相關的乘客特征的相關性進行檢驗，并進行主成分分析（Principal Component Analysis,PCA）[15]，將多個相似的乘客特征進行合并描述。

2.3 乘客群體滿意度差異性分析方法

克魯斯卡爾-沃利斯檢驗（Kruskal-Wallis Test，K-W 檢驗）是一種非參數檢驗方法，與其他參數檢驗相比更適用于乘客滿意度差異性分析，因為K-W檢驗針對多個獨立樣本（即認為每個乘客對調查問卷的回答不受其他乘客的影響），且可更多地考慮滿意度和乘客群體特征本身的信息而不受總體參數和分布等的影響[16]。K-W 檢驗統計量計算公式[13]如下：

式（3）中：H為K-W 檢驗統計量；k為樣本組數；ni為第i組樣本的觀測值個數；為第i組樣本的平均秩；為樣本平均秩；N=∑ni，1≤i≤k。

3 實例分析

3.1 乘客滿意度調查問卷的設計與發放

3.1.1 問卷設計

根據《辦法》[1]和《規范》[2]要求，某城市地鐵A 號線乘客滿意度調查包含7項一級評價指標，分別為進出站、環境與秩序、設施運行、換乘、咨詢、投訴和安全感，進一步細分為12項二級評價指標（見表1）。按照《規范》[2]要求，乘客滿意度測量采用“滿意”“一般”和“不滿意”3 級文字量表。

表1 城市軌道交通乘客滿意度評價指標

表1 （續）

3.1.2 數據采集及信度檢驗

本次乘客滿意度調查共發放調查問卷1 000份，滿足《規范》[2]對問卷數量的要求。其中有效問卷918份，問卷有效率為91.8%。

信度檢驗用來檢驗調查數據的可信程度，即驗證測量結果的一致性及穩定性[17]。本文采用克朗巴哈系數法（Cronbach′s Alpha）計算基于7 項乘客滿意度調查指標數據的整體數據一致性系數，結果如表2 所示。由表2 可知，克朗巴哈系數大于0.7，屬于高信度，說明調查問卷合理、適用，調查結果真實可靠，可開展乘客滿意度差異性分析。

表2 調查數據的信度檢驗結果

3.2 某市地鐵A號線乘客滿意度差異性分析

3.2.1 乘客特征統計

對有效問卷中乘客特征數據進行統計，結果如表3 所示。由表3 可知，被調查對象的性別比接近1∶1，主要為18～44 歲的中青年乘客，主要出行目的為通勤/上下學，每周乘坐軌道交通5 次以上的人群占48.9%，超過50%的乘客在出行中使用多種交通方式，乘客收入大多在2000～8000元之間。

表3 被調查乘客社會經濟屬性和出行特征統計

3.2.2 乘客特征因素顯著性分析

根據式（1）和式（2）判斷地鐵A 號線乘客特征與乘客滿意度的相關關系。計算可知，在顯著性水平α=0.05或α=0.01情況下，乘客特征指標中的性別、年齡、出行時間段和交通方式未通過顯著性檢驗，可認為其對乘客滿意度沒有顯著性影響；收入水平通過了顯著性水平α=0.05 的檢驗，即在此顯著性水平下，收入水平對乘客滿意度有顯著影響；出行頻率和出行目的通過了顯著性水平α=0.01 的檢驗，即在此顯著性水平下，出行頻率、出行目的對乘客滿意度有顯著影響。

3.2.3 乘客群體分類

經Kaiser-Meyer-Olkin（KMO）檢驗和Bartlett′s球狀檢驗（結果見表4），發現收入水平、出行頻率和出行目的等3 因素間存在一定的相關性，說明本文選取的數據適合開展主成分分析。

表4 乘客特征因素相關性分析結果

通過主成分分析，得到反映乘客特征屬性的主成分，結果如表5 所示。可以看出，出行次數和出行目的的主成分因子荷載都非常高，其中出行次數的因子載荷最高，結合實際認為其是影響其他屬性的主要乘客特征，因此選用出行次數作為乘客群體主要分類標準。

表5 乘客特征因素主成分分析結果

根據以上分析，按不同出行次數將乘客分為常乘客與非常乘客，常乘客每周乘坐地鐵次數≥5，出行目的多為通勤或上下學；非常乘客每周乘坐地鐵次數<5，出行目的多為購物、就醫或旅游/探親。

3.2.4 乘客群體滿意度差異性分析

由K-W 檢驗結果（見表6）可看出，常乘客和非常乘客在乘坐地鐵A 號線的過程中，對該線路的期望和感知存在差異，在進出站指引設置Q1、購檢票便捷性Q2、安檢效率Q3、列車運行穩定性Q7和換乘便利性Q9等方面的評價差異顯著。

表6 K-W檢驗結果

為進一步分析常乘客和非常乘客對該線路提供服務的滿意程度，對以上指標的有效調研問卷進行統計，并對指標得分進行歸一化處理，結果如圖2 所示。可以看出，對于Q2,Q3和Q73 項指標，非常乘客的滿意度較常乘客高；對于Q1和Q9兩項指標，常乘客的滿意度較非常乘客高。

圖2 乘客滿意度指標得分歸一化處理結果

常乘客對地鐵A 號線的購檢票便捷性、安檢效率和列車運行情況提出了更高的期望。由于常乘客每周乘坐地鐵5 次及以上，以通勤和上下學客流為主，出行路線相對固定，對城市軌道交通的環境、設施和乘坐流程較熟悉，在運營正常情況下很少依賴信息指引，因此其對與信息有關的服務類指標不敏感，如進出站指引和換乘便利性。但是，常乘客對與乘車效率相關的服務類指標期望較高，結合乘客滿意度調查時乘客提出的建議，可以發現常乘客對購檢票效率、安檢效率和列車運行效率提出了更高的要求，期望可以通過提升乘車便捷性和車輛運行可靠性來縮短乘車時間，提高出行效率。因此，建議可通過優化購檢票流程、提高安檢效率及降低延誤事件發生次數來提升常乘客的滿意度。

非常乘客對地鐵A 號線的進出站指引和換乘便利性提出了更高的期望。非常乘客乘車次數較少，結合乘客滿意度調查時乘客提出的建議，可以發現其對信息服務的依賴性較大，包括進站信息和乘車信息指引是否醒目、連續，換乘信息是否準確，對周邊公交接駁的便利性也更加關注。因此，針對非常乘客可增加乘車信息指引，明確換乘信息和優化車站周邊公交接駁條件，以提升其乘車滿意度。

4 結語

本文從乘客社會經濟屬性和出行特征兩方面選取了城市軌道交通乘客特征因素，并引入皮爾遜積矩相關系數定量分析乘客滿意度與乘客特征因素間的相關關系，提取對滿意度存在顯著影響的乘客特征因素。然后基于主成分分析法對乘客群體進行刻畫和分類，并采用K-W檢驗分析其滿意度的差異性。最后基于某城市地鐵A 號線2019年度調查數據，將乘坐地鐵A 號線的乘客劃分為常乘客和非常乘客，探討其乘車滿意度差異性。城市軌道交通運營單位應據此采取不同的服務改善措施，以鞏固常乘客，吸引更多的非常乘客，實現城市軌道交通的可持續發展。

本文調研城市目前僅有1 條地鐵線路，隨著社會經濟的發展，該城市的軌道交通線網將不斷完善，城市軌道交通的服務內容會發生變化，乘客特征因素與滿意度之間的關聯及乘客群體特征可能會隨之改變。后續可在該市城市軌道交通線網基本成熟，可吸引更多客流時開展乘客特征分析，獲取更全面的乘客滿意度差異性分析結果。