城市軌道交通出行一體化水平測度

楊柳毅 朱順應 劉春艷 吳景安 馮俊潔

(武漢理工大學交通與物流工程學院 武漢 430063)

0 引 言

在交通一體化出現之前，綜合交通協調、多模式交通協調[1]等研究多涉及各種交通方式間相互協作和整體交通網絡性.而交通一體化以線網一體化為基礎、政策一體化[2]為保障、票務及支付一體化為優勢，涉及范圍更廣，最終實現交通運輸一體化.其研究重心也由最初的區域交通一體化、城鄉交通一體化[3]，更多聚焦至城市交通一體化.

現階段，大數據、云計算等技術的迅速發展，推動了交通一體化的研究進程，交通信息一體化成了交通運輸一體化的必要支撐條件. “出行即服務”(mobility-as-a-service，MaaS)[4]概念的提出，為用戶提供多模式、可持續且智能的無縫出行規劃、支付、服務一體化系統[5]，將出行者理念由擁有交通工具轉變為擁有交通服務.交通一體化水平辨識可幫助了解一體化程度、出行者關注點和差距所在，是提高交通一體化水平的基礎和必要工作，其研究內容主要包括一體化水平測度指標選取和測度方法兩個方面.

目前，交通一體化水平測度指標的選取，多從宏觀角度進行，難以反映出行微觀特性.劉志彪等[6]從宏觀角度出發，選用鐵路與公路網密度為指標，間接測度了區域交通一體化的水平.Nosal等[7-8]考慮到出行者重要性，認為網絡、票務、信息、站點等物理集成和協調，是影響公共交通一體化的主要因素，但這些宏觀指標難以定量描述.因此，文中引入效率概念和出行鏈滿意度，考慮主、客觀因素影響，從微觀上對交通一體化水平進行測度.

現有測度方法主要采用層次分析法(analytic hierarchy process，AHP)，但AHP對于指標要求較高，指標考慮不全，可能影響結果的準確性；指標選取過多，則可能不滿足獨立性要求，并且增加了測度成本.而且AHP權重一般由專家確定，具有主觀性，不是出行者的價值共識.因此，為了更加直觀、簡便、客觀、從乘客的角度確定一體化水平，并消除當前評價方法中權重確定的主觀性，本文采用結構方程模型進行測度.結構方程模型能考慮到一體化的多維性質，能根據部分因素揭示整體水平，且能計算出權重，結果更具客觀性.

現階段城市軌道交通一體化研究主要體現在換乘一體化和票務一體化兩方面，如計算軌道站點吸引接駁范圍并在車站周圍預留足夠空間以提高其他方式與軌道交通間的一體化接駁效率；以移動互聯、大數據、云計算等為基礎，通過打造智能、便捷的票務平臺來提高軌道交通的一體化支付效率[10].隨著社會經濟的發展，乘客對于出行一體化的要求也在不斷提高，需求也會因個人的社會經濟狀況而異.因此，一體化水平測度時，乘客主觀感知是不可忽視的重要因素.

文中基于城市軌道交通乘客出行，考慮出行方式間的競爭，將小汽車出行作為理想狀態，參考MaaS實踐，提出三個相對效率指標，結合乘客主觀感知，綜合主客觀因素，從微觀角度采用結構方程模型評價武漢軌道交通出行一體化水平，同時揭示因素間關系、乘客的一體化偏愛和改善方向.

1 模型建立

1.1 一體化水平辨識方法

采用SEM對一體化水平進行測度，并未選擇目前大多數學者常用的AHP法.SEM可以消除測度的主觀性，弱化指標數量對準確性的影響.SEM也可確定心理感知與因素指標，以及因素指標的交互關系，能從單個出行鏈的微觀數據中，提煉出交通一體化水平的出行者群體共識.圖1為潛變量對應觀測變量路徑.

僅有一個潛變量SEM基本形式如下.

X=Λi·ξ+δ

(1)

式中：ξ為潛變量軌道交通一體化水平；Λi為軌道交通一體化觀測變量對潛變量的因子載荷，Λi=(λ1，λ2，…，λi，…，λn)T；X為軌道交通一體化觀測變量，X=(X1，X2，…，Xi，…，Xn)T；δ為觀測變量的誤差項，δ=(δ1，δ2，…，δi，…，δn)T.

在模型求解過程中，被觀測變量的協方差矩陣是一組待估計參數的函數，觀測變量誤差項消除了部分觀測過程中產生的不確定性，觀測變量之間的共變性減少了觀測變量之間的相互影響.

模型中潛變量出行一體化水平為

(2)

式中：INT為軌道出行一體化水平指數；ξ為潛變量軌道出行一體化水平；E[ξ]為軌道出行一體化水平的期望值；min[ξ]為軌道出行一體化水平的最小值；max[ξ]為軌道出行一體化水平的最大值，其對應計算模型為

(3)

(4)

(5)

式中：Ei為軌道出行一體化水平觀測變量；λi為各個觀測變量對潛變量軌道出行一體化水平的權重；K為潛變量軌道出行一體化中顯變量總數.

在實際計算中，軌道出行一體化水平，一般都采用各效率的最大值代替各觀測變量的最大值，采用效率的實際調查計算的最小值代替各顯變量的最小值.這里max{Ei}=1.

1.2 出行一體化指標選取

MaaS模式致力于為乘客提供一種無縫的出行方式，以更方便、更快捷、更簡約、更綠色的方式取代小汽車出行.MaaS實踐落地的過程中，以乘客的視角出發，發現行程時間、換乘時間與次數和支付次數最為乘客所看重，也體現了MaaS目標出行一體化中，多模式交通一體化、換乘一體化與支付一體化等重要組成部分.考慮到交通一體化水平測度的多維性和結構方程式特性，本文并未對指標進行完全覆蓋，而是提取最具代表性的三個客觀指標與一個主觀感知綜合指標進行度量.

一體化的水平的最終表現可以間接反映在出行效率上.文中引入“效率”概念，對乘客出行一體化程度進行間接定量測度.效率是指在產出不變的情況下，要素投入的最優值(理想值)占實際值的比例.對運輸效率的研究主要以數據包絡法(data-envelopment-analysis，DEA)為主，如三階段DEA法、DEA方法結合Tobit模型、軌道交通與常規公交換乘DEA法.文中認為出行者完成一次出行，無論采取軌道交通方式，還是理想且個性化的小汽車方式，產出都是完成相同空間位移.考慮到交通方式間競爭，把小汽車當作出行一體化的理想方式，這樣測度的一體化水平就可以與理想的門到門小汽車方式進行對比.因此，將相同起訖點的小汽車出行時間花費、換乘次數、支付次數視為多模式一體化水平理想狀態，對使用軌道交通方式出行的乘客實際狀況作為實際投入，這樣多模式出行一體化水平測度就可以轉化為出行時間效率、方式間銜接效率及出行鏈支付效率3個指標進行間接映射度量.同時，出行的本質是乘客實現從出發地到目的地物理空間上的位移，乘客都是希望以更加省時、省力、省錢的方式實現移動的目的，當乘客完成空間位移后，對出行鏈效率一體化水平有總體主觀感知，因此加入主觀指標乘客出行鏈滿意度來進一步反映出行一體化水平.

1) 出行時間效率

(6)

2) 方式間銜接效率

(7)

3) 出行鏈支付效率

(8)

4) 乘客出行鏈滿意度

(9)

上述四個指標均屬于效益型屬性，指標均經過歸一化處理，介于0～1(不包括0)，指標越大表明出行一體化水平越高.

2 數據收集

2.1 問卷設計與實施

為測度軌道交通出行一體化水平，設計了武漢市地鐵(含輕軌，下同)交通乘客的出行鏈調查問卷.問卷設計分為三個部分，①乘客基本信息，包含性別、年齡、職業、收入、乘坐軌道交通頻率與慣用交通工具；②本次出行鏈完整信息，如本次出行的起訖點、行程時間、預估小汽車使用時間；本次出行換乘次數、工具與換乘時間，以及本次出行支付次數；③乘客出行鏈一體化滿意度，按照Likert五級量表分為五個等級，其中1=非常不滿意，5=非常滿意，1～5滿意程度依次升高.

調查于2019年11月19日—12月20日進行，采取分層簡單隨機抽樣，于武漢地鐵列車上，面對面對乘客進行調查.調查覆蓋武漢地鐵交通所有線路及全天運營時間，工作日與休息日均進行調查.根據各線路站點數量及客流人數在保證調查精度情況下，確定各線路問卷數量，調查共發放問卷4 553份，有效問卷2 821份.出行鏈滿意度標準差為0.954，在95%置信度水平下，樣本的抽樣誤差為1.8%.

2.2 問卷信效度檢驗

為保證模型標定的穩定性與數據的一致性、有效性，利用SPSS19.0對問卷的信度和效度進行檢驗.結果表明，問卷的克朗巴哈信度系數為0.613，根據Guieford的觀點，克朗巴哈信度系數α在0.6以上可接受，且刪除任一指標后，克朗巴哈信度系數α均下降，內部一致性較好.采用因子分析法提取的巴特利球形檢驗，本次問卷KMO指數為0.548，采取主成分分析法，提取兩個公因子的方差累積貢獻率為64.821%.采用因子分析法提取的共同度檢查問卷效度，三個效率指標與總體滿意度的共同度均大于0.4，問卷效度高.

3 結果與分析

3.1 數據描述性結果與分析

有效問卷的描述性統計統計結果見表1～2.

本次調查性別比例較均衡，調查人群以18～50歲人群為主，職業以企事業單位職員居多，收入水平大多在4 000～6 000元/月，與武漢市人均收入接近.被調查者大多每天乘坐地鐵交通2次或每周乘坐地鐵交通不超過5次，基本符合通勤乘客與非通勤乘客使用地鐵出行頻率特征.調查人群以地鐵交通慣用人群為主，單次出行多搭配其他交通工具.可見，抽樣樣本具有一定代表性.

由表2可知：文中選擇的三個效率指標的平均值在0.6～0.7，說明武漢市地鐵交通一體化水平在此三維度上表現良好，且武漢市地鐵交通一體化發展在各維度較均衡，但仍存在一定改進空間.出行時間效率與方式間銜接效率的標準差均小于0.2，說明出行換乘與出行時間穩定性較好，乘客對于出行的體驗基本趨于一致；出行鏈支付效率的標準差為0.252，大于其他兩個出行效率指標的標準差，說明支付一體化的穩定性，較銜接與時間效率低.

3.2 模型標定

使用SPSS19.0與IBM SPSS Amos軟件結構方程模型進行標定，結果見圖2.

圖2 武漢市地鐵交通出行一體化水平結構方程式

結構方程模型的擬合指數是判別模型與數據擬合程度的重要指標.參照Hooper和 Coughlan相關研究，采用選取近似誤差均方根(RMSEA)、擬合優度指數(GFI)、修正的擬合優度指數(AGFI)、標準擬合指數(NFI)、增量擬合指數(IFI)、比較適配度指數(CFI)、六項指標進行模型擬合效果評價.模型評價數據見表3，該模型擬合指標均通過檢驗，模型適配度良好.

表3 SEM模型的擬合指標

結構方程模型標定成功后，測量模型中觀測變量的標準化路徑系數的大小，反映了觀測變量對其潛變量的相對重要性，其數值越大越能反映潛變量的性質.

由圖2可知：乘客出行鏈滿意度與地鐵出行一體化水平之間正相關性顯著，其關聯性可達到0.77.地鐵出行一體化與其他三個效率指標即時間效率、銜接效率與支付效率存在正相關關系.

根據式(2)～(5)計算武漢市地鐵交通出行一體化(INT)程度指數為73.04.

4 結 論

1) 依托乘客出行鏈微觀組成形成的效率和主觀感知，利用結構方程模型建立的軌道交通出行一體化水平測度體系，具有良好的實踐性與推廣性，可為MaaS實踐提供理論支撐，為其他交通方式一體化測度提供參考.

2) 武漢市地鐵出行一體化指數為73.04.出行一體化水平在時間效率、銜接效率與支付效率上均在0.6～0.7，在出行鏈效率方面仍存在一定的改進空間.

3) 出行一體化水平對乘客出行鏈滿意度產生重要影響(0.77).在武漢市地鐵交通出行一體化水平方面，乘客同等重視時間效率(0.21)和銜接效率(0.21).乘客對換乘時間及方式關注高于支付，且具有一致性.

結構方程模型里的觀測模型，可以憑借少量觀測指標就能客觀測度具有多維屬性且高度抽象的復合變量，這種特性為交通一體化測度提供了技術條件，類似的復合抽象變量定量分析也可采取觀測模型.文中的交通效率，能直觀反映軌道交通出行在行程時間、換乘、支付等方面與小汽車的差距.優先降低換乘時間、減少換乘次數，可以提升軌道交通出行效率，改善軌道交通乘客出行鏈滿意度，增強軌道交通競爭力.

出行一體化水平測度，若借助手機APP使用大數據替代問卷進行調查，可以節省人力、物力與財力，可增大樣本量，提高客觀指標的精度，從而提高一體化水平測度精度，也可以進行軌道交通一體化水平的時空差異分析.一體化影響維度很多，觀測的因素越多，精度也越高.模型中增加信息一體化、費用效率等其他重要因素，有待于進一步研究.