軌道交通乘客滿意度不確定性預(yù)測(cè)與分析

朱順應(yīng)，吳 俁，王 紅，陳菲菲

(武漢理工大學(xué) 交通學(xué)院，湖北 武漢 430063)

?

軌道交通乘客滿意度不確定性預(yù)測(cè)與分析

朱順應(yīng)，吳 俁，王 紅，陳菲菲

(武漢理工大學(xué) 交通學(xué)院，湖北 武漢 430063)

為克服結(jié)構(gòu)方程式法對(duì)軌道交通乘客滿意度改善效果預(yù)測(cè)的不足，提出了直接采用擅長(zhǎng)處理不確定性問(wèn)題的貝葉斯網(wǎng)絡(luò)方法。采用機(jī)器學(xué)習(xí)和專家經(jīng)驗(yàn)相結(jié)合的方法構(gòu)建了乘客總體滿意度與質(zhì)量指標(biāo)間的貝葉斯網(wǎng)絡(luò)預(yù)測(cè)模型。定義了改善方案預(yù)測(cè)的絕對(duì)效果、相對(duì)效果以及指標(biāo)改善效果有效性判別的彈性系數(shù)和協(xié)同關(guān)系。利用武漢市軌道交通乘客滿意度調(diào)查數(shù)據(jù)，建立了不確定性貝葉斯網(wǎng)絡(luò)，預(yù)測(cè)、分析了最需要優(yōu)先改善的“換乘接駁”和“售票系統(tǒng)”兩個(gè)指標(biāo)的改善效果。研究結(jié)果表明：“換乘接駁”指標(biāo)的改善效果較好，但兩個(gè)指標(biāo)之間無(wú)協(xié)同效果。

交通運(yùn)輸工程；軌道交通；乘客滿意度；改善效果；不確定性預(yù)測(cè)；貝葉斯網(wǎng)絡(luò)

0 引 言

軌道交通是解決大城市交通問(wèn)題的重要客運(yùn)交通方式。提高軌道交通乘客滿意度有利于增大軌道交通的分擔(dān)率。為了最大限度地提高軌道交通乘客總體滿意度，軌道運(yùn)營(yíng)單位需要將有限的資源投入到最有效的改善方案中。為了比選改善方案，需要采用科學(xué)合理的方法預(yù)測(cè)改善方案的效果。

目前，顧客滿意度的測(cè)評(píng)研究有很多。在交通服務(wù)行業(yè)，參考美國(guó)顧客滿意度指數(shù)模型(ACSI)構(gòu)成，公共交通乘客滿意度指數(shù)模型[1-2]和城市軌道交通乘客滿意度測(cè)評(píng)模型[3]被相應(yīng)提出。為確定顧客滿意度影響因素的重要性，進(jìn)而提出改善方案，需要根據(jù)滿意度模型進(jìn)行相應(yīng)的測(cè)評(píng)。中國(guó)臺(tái)灣和韓國(guó)高速鐵路的乘客滿意度影響因素測(cè)評(píng)，采用了結(jié)構(gòu)方程式和IPA(Importance-Performance Analysis)方法[4-5]，分析指出中國(guó)臺(tái)灣高速鐵路首先應(yīng)改善乘客進(jìn)站水平，韓國(guó)高速鐵路應(yīng)優(yōu)先改進(jìn)乘客的私人空間[6]；同樣利用結(jié)構(gòu)方程式方法， R.S.Kenneth等[7]分析了影響紐約地鐵乘客滿意度的多個(gè)因素。

雖然結(jié)構(gòu)方程式可以確定影響滿意度各因素間的因果關(guān)系，據(jù)此提出改善方案，但結(jié)構(gòu)方程式不適合直接用于預(yù)測(cè)，安珣[8]參考W.J.Burns等[9]對(duì)結(jié)構(gòu)方程模型和高斯影響圖的研究，提出了利用結(jié)構(gòu)方程式和影響圖相結(jié)合方法預(yù)測(cè)顧客滿意度改善方案效果。該方法將結(jié)構(gòu)方程式中影響因素間的確定性因果關(guān)系轉(zhuǎn)換為以概率表示的不確定性因果關(guān)系來(lái)預(yù)測(cè)改善方案的效果，并通過(guò)航空公司顧客滿意度改善方案效果預(yù)測(cè)及實(shí)例，分析認(rèn)為此方法可行有效。

因此，滿意度改善效果預(yù)測(cè)可以采用不確定性預(yù)測(cè)方法，但人們?nèi)杂欣碛蓳?dān)心確定性關(guān)系向不確定性關(guān)系轉(zhuǎn)換可能會(huì)增加或損失一些信息，從而會(huì)影響預(yù)測(cè)精度，轉(zhuǎn)換也增加了不必要的計(jì)算工作量。貝葉斯方法利用條件概率表達(dá)各要素之間的不確定性因果關(guān)系，利用先驗(yàn)概率和樣本信息，預(yù)測(cè)后驗(yàn)概率，是不確定性預(yù)測(cè)領(lǐng)域最為有效的方法之一，不需要確定性信息向不確定性信息轉(zhuǎn)換，是直接的不確定性預(yù)測(cè)方法[10]。在基因?qū)W領(lǐng)域，貝葉斯方法預(yù)測(cè)被廣泛的應(yīng)用[11-12]。在交通研究領(lǐng)域，貝葉斯方法也進(jìn)行了很多的應(yīng)用，如預(yù)測(cè)交通事故態(tài)勢(shì)[13]，利用車速數(shù)據(jù)推測(cè)交通事故發(fā)生的概率，分析事故原因[14-15]，預(yù)測(cè)地鐵運(yùn)營(yíng)安全[16]，預(yù)測(cè)短時(shí)間的交通量[17]等。利用貝葉斯網(wǎng)絡(luò)方法預(yù)測(cè)軌道交通乘客滿意度改善方案的研究較少，滿意度改善效果的分析研究更少。

筆者嘗試?yán)秘惾~斯方法對(duì)武漢市軌道交通乘客滿意度改善方案的效果進(jìn)行預(yù)測(cè)，并對(duì)其改善后的效果進(jìn)行分析。

1 數(shù)據(jù)與方法

建立貝葉斯網(wǎng)絡(luò)預(yù)測(cè)需要準(zhǔn)確的基礎(chǔ)數(shù)據(jù)，因此科學(xué)的調(diào)查是必要的。預(yù)測(cè)流程如圖1。

圖1 預(yù)測(cè)與分析流程

1.1 數(shù)據(jù)采集

基礎(chǔ)數(shù)據(jù)是建立貝葉斯網(wǎng)絡(luò)的基礎(chǔ)，合理準(zhǔn)確的基礎(chǔ)數(shù)據(jù)有利于建立邏輯性強(qiáng)的貝葉斯網(wǎng)絡(luò)。

1.1.1 問(wèn)卷設(shè)計(jì)

滿意度影響因素包括感知質(zhì)量、感知價(jià)值、顧客期望、顧客理想，其中感知質(zhì)量是顧客滿意度的重要組成，正向影響滿意度[18]，是改善滿意度較為便利的控制因素。感知質(zhì)量需要由多個(gè)顯變量來(lái)表示的潛變量，因此軌道交通運(yùn)營(yíng)單位需要通過(guò)改善顯變量作為提高乘客總體滿意度的主要手段。

貝葉斯網(wǎng)絡(luò)的合理性依賴數(shù)據(jù)集的完整性，數(shù)據(jù)集越完整其標(biāo)定的貝葉斯網(wǎng)絡(luò)越合理。在保證結(jié)構(gòu)合理和因果關(guān)系完備的情況下，一般應(yīng)盡可能地減少評(píng)價(jià)指標(biāo)數(shù)量及其量化等級(jí)，這樣做的目的是減少計(jì)算量和調(diào)查樣本量。進(jìn)行預(yù)測(cè)的貝葉斯網(wǎng)絡(luò)，其學(xué)習(xí)實(shí)例要求指標(biāo)間每個(gè)類型組合至少需要1個(gè)樣本，樣本量高于隨機(jī)抽樣調(diào)查需要。另外，問(wèn)卷設(shè)計(jì)還應(yīng)避免傾向性問(wèn)題等一般性要求。

因此，結(jié)合軌道交通乘客的出行全過(guò)程并關(guān)注乘客的“安全、快速、便捷、經(jīng)濟(jì)和舒適”等特性確定“乘車安全性”、“換乘接駁”、“乘車信息”等主要軌道交通乘客滿意度評(píng)價(jià)指標(biāo)，可提高指標(biāo)的完備性。

指標(biāo)量化一般采用易于理解且可以準(zhǔn)確表達(dá)乘客感受的5級(jí)李克特量表(Likert scale)[19]，即：非常滿意=5，滿意=4，一般=3，不滿意=2，非常不滿意=1。

1.1.2 調(diào)查實(shí)施

為準(zhǔn)確地獲得調(diào)查數(shù)據(jù)，宜隨機(jī)抽樣，采用面對(duì)面的問(wèn)詢方式。調(diào)查員進(jìn)入地鐵列車與乘客面對(duì)面進(jìn)行調(diào)查。問(wèn)詢調(diào)查需要覆蓋不同的工作日和節(jié)假日的高峰期和非高峰期的乘客。

調(diào)查完成后，需要剔除無(wú)效問(wèn)卷(大多數(shù)為乘客需要下車而沒(méi)有填寫完成的問(wèn)卷)。

1.1.3 問(wèn)卷檢驗(yàn)

調(diào)查完成后需要確定問(wèn)卷的效度和信度。效度可以利用共同度指標(biāo)進(jìn)行評(píng)價(jià)，各指標(biāo)共同度大于0.4時(shí)，即可認(rèn)為問(wèn)卷效度較高；信度可采用克朗巴哈α信度系數(shù)進(jìn)行評(píng)價(jià)，當(dāng)信度系數(shù)大于0.8時(shí)，可認(rèn)為問(wèn)卷的信度較高，符合要求。

1.2 改善效果預(yù)測(cè)與分析方法

1.2.1 構(gòu)建貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是概率論與圖論相結(jié)合的產(chǎn)物，利用概率論研究變量之間的依賴和獨(dú)立，利用圖論直觀表現(xiàn)節(jié)點(diǎn)之間的連通與分隔。

貝葉斯網(wǎng)絡(luò)(BN)是一個(gè)二元組，即BN=(G,P)，G=(V,E)為有向無(wú)環(huán)圖。其中：V為節(jié)點(diǎn)集；E為有向邊集。在乘客滿意度貝葉斯網(wǎng)絡(luò)中，V表示各評(píng)價(jià)指標(biāo)；E反映評(píng)價(jià)指標(biāo)之間的因果關(guān)系。從節(jié)點(diǎn)X到節(jié)點(diǎn)Y的有向邊表示X對(duì)Y有直接的因果影響；P為節(jié)點(diǎn)的概率分布，表示節(jié)點(diǎn)之間因果影響強(qiáng)度。每個(gè)節(jié)點(diǎn)都有一個(gè)條件概率表，定量描述其父節(jié)點(diǎn)對(duì)該節(jié)點(diǎn)的作用效果[10]。

為構(gòu)建貝葉斯網(wǎng)絡(luò)首先需要結(jié)構(gòu)學(xué)習(xí)，即通過(guò)各種方法構(gòu)建貝葉斯網(wǎng)絡(luò)。一般有3種方法：①由專家的認(rèn)知和先驗(yàn)知識(shí)確定貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)和結(jié)構(gòu)；②通過(guò)樣本數(shù)據(jù)的學(xué)習(xí)，由機(jī)器算法獲得貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)；③機(jī)器算法結(jié)合專家經(jīng)驗(yàn)得到貝葉斯網(wǎng)絡(luò)。方法③綜合了機(jī)器學(xué)習(xí)和專家經(jīng)驗(yàn)，更有實(shí)用價(jià)值，因此，筆者采用方法③。

在構(gòu)建了貝葉斯網(wǎng)絡(luò)后，利用參數(shù)學(xué)習(xí)方法得到各個(gè)節(jié)點(diǎn)變量的條件概率分布。

1.2.2 模型檢驗(yàn)

在構(gòu)建了貝葉斯網(wǎng)絡(luò)后，首先需要分析網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的因果關(guān)系是否正確，即進(jìn)行模型的結(jié)構(gòu)檢驗(yàn)；然后檢驗(yàn)貝葉斯參數(shù)學(xué)習(xí)得到的節(jié)點(diǎn)概率，即利用Bayesialab軟件選擇部分樣本進(jìn)行參數(shù)學(xué)習(xí)，并將學(xué)習(xí)結(jié)果與實(shí)際調(diào)查結(jié)果進(jìn)行比較。

1.2.3 貝葉斯預(yù)測(cè)

貝葉斯網(wǎng)絡(luò)預(yù)測(cè)，即貝葉斯網(wǎng)絡(luò)由原因到結(jié)果的推理，是指利用貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)及其條件概率表，在給定證據(jù)變量后計(jì)算變量的邊緣概率或者最大概率狀態(tài)等問(wèn)題。它為多個(gè)變量之間復(fù)雜的因果關(guān)系提供了統(tǒng)一的表示模型。筆者對(duì)改善方案的效果預(yù)測(cè)推理采用Bayesialab軟件完成。

1.2.4 絕對(duì)效果

AEl=El(CSR)-E(CSR0)

(1)

式中：AEl為第l個(gè)改善方案的絕對(duì)效果(單個(gè)指標(biāo)獨(dú)立改善或若干個(gè)指標(biāo)同時(shí)改善均構(gòu)成一個(gè)改善方案)；El(CSR)為第l個(gè)改善方案的預(yù)測(cè)效果期望值；E(CSR0)為由調(diào)查數(shù)據(jù)經(jīng)由Bayesialab網(wǎng)絡(luò)學(xué)習(xí)后的總體滿意度現(xiàn)狀期望值。

r2)mX2,…,(1+ri)mXi,…,(1+rq)mXq)×k

(2)

式中：CSR為乘客對(duì)總體滿意度評(píng)分；Xi為影響乘客滿意度的評(píng)價(jià)指標(biāo)；ri為指標(biāo)Xi的滿意度期望值改善百分比；k為評(píng)價(jià)指標(biāo)或總體滿意度5級(jí)李克特量表值，k=1,2,…,5；q為滿意度的評(píng)價(jià)指標(biāo)個(gè)數(shù)；m=0,1。

當(dāng)m=0時(shí)，(1+ri)mXi表示保持不變的指標(biāo)Xi；m=1時(shí)，(1+ri)mXi表示改善的指標(biāo)Xi，m=1的所有指標(biāo)集合構(gòu)成一個(gè)改善方案。

P(CSR=k|(1+r1)mX1,(1+r2)mX2,…,(1+ri)mXi,…,(1+rq)mXq)×k為j個(gè)指標(biāo)改善后，總體滿意度為k時(shí)發(fā)生的預(yù)測(cè)概率，其中j等于m=1的個(gè)數(shù)。

(3)

式中：P(CSR0=k丨X1，X2，…，Xq)為調(diào)查值經(jīng)由Bayesialab學(xué)習(xí)后的總體滿意度為k的條件概率。

1.2.5 相對(duì)效果

(4)

式中：REl為第l個(gè)改善方案的相對(duì)效果；其他變量定義同前。

1.2.6 指標(biāo)效果協(xié)同分析

為分析獨(dú)立指標(biāo)改善效果與多個(gè)指標(biāo)共同改善效果之間的關(guān)系，定義以下判斷模型。

REi，REj分別為單個(gè)指標(biāo)i，j改善的相對(duì)效果；REi&j為方案i，j共同改善后的相對(duì)效果；REi+REj

1.2.7 指標(biāo)效果彈性分析

在不考慮改善指標(biāo)的成本和實(shí)施難易的情況下，為比較分析指標(biāo)改善效果，采用彈性系數(shù)指標(biāo)Ei進(jìn)行比較，見(jiàn)式(5)：

(5)

式中：Ei為指標(biāo)i改善效果的彈性系數(shù)；REi為指標(biāo)Xi的改善后的相對(duì)效果，見(jiàn)式(4)；ri為指標(biāo)Xi的改善百分比。

當(dāng)Ei=1時(shí)，表示滿意度的改善效果與指標(biāo)i改善同步增長(zhǎng)；當(dāng)Ei>1時(shí)，表明滿意度的改善效果增長(zhǎng)快于指標(biāo)i改善增長(zhǎng)；當(dāng)Ei>1時(shí)，滿意度的改善效果慢于指標(biāo)i的改善增長(zhǎng)。且Ei越大，指標(biāo)Xi的改善效果越好。

2 應(yīng)用實(shí)例

2.1 滿意度調(diào)查

2013年9月聯(lián)合武漢地鐵運(yùn)營(yíng)公司進(jìn)行了為期一周(包括工作日和休息日)的全天調(diào)查。調(diào)查在已開(kāi)通的軌道交通1號(hào)線和軌道交通2號(hào)線同時(shí)進(jìn)行，每日調(diào)查時(shí)間覆蓋整個(gè)地鐵運(yùn)營(yíng)服務(wù)時(shí)間。

選擇“站臺(tái)舒適性”“列車舒適性”“高峰時(shí)段發(fā)車間隔”“非高峰時(shí)段發(fā)車間隔”“乘車安全性”“乘車信息”“票制、票價(jià)”“服務(wù)設(shè)施設(shè)備”“售票系統(tǒng)”“工作人員服務(wù)質(zhì)量”“換乘接駁”和“乘客文明”等12個(gè)評(píng)價(jià)指標(biāo)，并以5級(jí)李克特量表進(jìn)行量化。

根據(jù)武漢市軌道交通客流現(xiàn)狀以及預(yù)調(diào)查結(jié)果，發(fā)放問(wèn)卷12 000份，獲取有效問(wèn)卷10 461份，有效回收率為87.18%，達(dá)到了置信95%，相對(duì)誤差1%的樣本要求。

問(wèn)卷效度和信度檢驗(yàn)結(jié)果顯示，此次調(diào)查克朗巴哈α信度系數(shù)為0.931，調(diào)查問(wèn)卷內(nèi)在信度很高；各調(diào)查指標(biāo)的共同度均大于0.4，調(diào)查問(wèn)卷的指標(biāo)體系合理。

2.2 構(gòu)建貝葉斯網(wǎng)絡(luò)

利用Bayesialab軟件結(jié)構(gòu)學(xué)習(xí)算法，對(duì)武漢市軌道交通乘客滿意度調(diào)查數(shù)據(jù)進(jìn)行結(jié)構(gòu)學(xué)習(xí)，并結(jié)合專家經(jīng)驗(yàn)對(duì)機(jī)器學(xué)習(xí)得到的結(jié)構(gòu)進(jìn)行修改，得到評(píng)價(jià)指標(biāo)與總體滿意度之間的貝葉斯網(wǎng)絡(luò)，如圖2。

圖注：①圓形節(jié)點(diǎn)為各測(cè)量指標(biāo)節(jié)點(diǎn)，橢圓節(jié)點(diǎn)為潛變量節(jié)點(diǎn)，方形節(jié)點(diǎn)為目標(biāo)節(jié)點(diǎn)；②由于節(jié)點(diǎn)概率組合種類多，僅標(biāo)出每個(gè)節(jié)點(diǎn)滿意度取值為3的概率組合

圖2 乘客感知質(zhì)量與總體滿意度的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

Fig.2 Bayesian network structure on passenger perceived quality and overall satisfaction

構(gòu)建貝葉斯網(wǎng)絡(luò)后，首先可以判斷各節(jié)點(diǎn)之間的因果關(guān)系正確。進(jìn)一步需要參數(shù)檢驗(yàn)，比較由Bayesialab軟件選取40%樣本參數(shù)學(xué)習(xí)得到的乘客總體滿意度概率分布結(jié)果與實(shí)際調(diào)查結(jié)果，如表1。

表1 乘客總體滿意度的貝葉斯標(biāo)定值與調(diào)查值比較

由表1可知，總體滿意度評(píng)分中，乘客總體滿意度為“一般”的概率貝葉斯標(biāo)定值與調(diào)查值相差最大，僅為4.24%，即100個(gè)人中有4個(gè)人的誤差，可以認(rèn)為此貝葉斯網(wǎng)絡(luò)模型精度較高。

2.3 改善效果預(yù)測(cè)

根據(jù)考慮乘客數(shù)量的IPA方法(重要性-績(jī)效分析方法)分析，目前武漢市軌道交通最需要改進(jìn)的兩個(gè)指標(biāo)是“換乘接駁”和“售票系統(tǒng)”。在此，以兩者為例，利用貝葉斯方法進(jìn)行詳細(xì)的預(yù)測(cè)和分析。

以調(diào)查數(shù)據(jù)為樣本，利用Bayesialab軟件進(jìn)行結(jié)構(gòu)和參數(shù)學(xué)習(xí)后，得到“換乘接駁”、“售票系統(tǒng)”和“乘客總體滿意度”等3個(gè)指標(biāo)的現(xiàn)狀概率分布，如表2。

表2 “換乘接駁”“售票系統(tǒng)”“乘客總體滿意度”現(xiàn)狀概率分布

從表2可以看出，“換乘接駁”“售票系統(tǒng)”和“乘客總體滿意度”等指標(biāo)的加權(quán)平均值分別為3.59，3.62和3.72，處于“一般滿意”和“滿意”之間。因指標(biāo)改善行動(dòng)方案的效果概率分布組合有很多種，筆者僅選擇一種改善行動(dòng)方案對(duì)乘客總體滿意度效果進(jìn)行預(yù)測(cè)。

2.3.1 改善“換乘接駁”效果

“換乘接駁”改善后，“換乘接駁”和“乘客總體滿意度”指標(biāo)得分概率分布如表3。

表3 “換乘接駁”指標(biāo)改善后“乘客總體滿意度”概率分布

注：變化值=改善后指標(biāo)預(yù)測(cè)值-現(xiàn)狀指標(biāo)實(shí)際值。(下同)

從表3可以看出，與現(xiàn)狀調(diào)查結(jié)果比較，改善后“換乘接駁”指標(biāo)表示“不滿意”和“一般滿意”的比例有一定下降，表示“滿意”和“非常滿意”的比例有一定上升，“非常不滿意”比例保持不變。根據(jù)1.2節(jié)，得到“換乘接駁”指標(biāo)改善百分比r11=2.51%，“換乘接駁”指標(biāo)改善后的絕對(duì)效果，得AE11=0.02，相對(duì)改善效果為RE11=0.54%。

2.3.2 改善“售票系統(tǒng)”效果

改善后“乘客總體滿意度”指標(biāo)得分概率分布如表4。

表4 “售票系統(tǒng)”指標(biāo)改善后“乘客總體滿意度”概率分布

與“換乘接駁”指標(biāo)改善結(jié)果相似，改善后對(duì)“售票系統(tǒng)”表示“不滿意”和“一般滿意”的比例有一定下降，表示“滿意”和“非常滿意”的比例有一定上升。指標(biāo)總體期望增長(zhǎng)，表示乘客對(duì)“售票系統(tǒng)”滿意度有一定提高。得到r9=3.62%，AE9=0.02，RE9=0.54%。

2.3.3 同時(shí)改善“換乘接駁”和“售票系統(tǒng)”

“換乘接駁”和“售票系統(tǒng)”同時(shí)改善。改善后“乘客總體滿意度”指標(biāo)得分概率分布如表5。其中：r9=3.62%，r11=2.51%，同時(shí)改善“換乘接駁”和“售票系統(tǒng)”后的絕對(duì)效果AE9&11=0.03，相對(duì)改善效果為RE9&11=0.81%。

表5 “換乘接駁”和“售票系統(tǒng)”指標(biāo)均改善后“乘客總體滿意度”概率分布

2.3.4 改善效果協(xié)同分析

比較3種方案的相對(duì)改善效果，進(jìn)行協(xié)同分析。RE9&11=0.81%大于RE9=0.54%和RE11=0.54%。同時(shí)改善“售票系統(tǒng)”和“換乘接駁”對(duì)“乘客總體滿意度”的提升影響要大于單獨(dú)改善某一個(gè)評(píng)價(jià)指標(biāo)；但是RE9&11=0.81%

2.3.5 改善彈性分析

根據(jù)1.2節(jié)中定義的改善效果的彈性系數(shù)Ei，計(jì)算“換乘接駁”和“售票系統(tǒng)”的改善效果的彈性系數(shù)。E11=0.22，即提升“換乘接駁”指標(biāo)得分1%，“乘客總體滿意度”得分將增加0.22%；同理，E9=0.15，提升“售票系統(tǒng)”指標(biāo)得分1%，“乘客總體滿意度”得分將增加0.15%；E11和E9均小于1，說(shuō)明“總體滿意度”的改善均慢于“售票系統(tǒng)”和“換乘接駁”改善增長(zhǎng)。然而，E11>E9，即提升“換乘接駁”指標(biāo)的效果要大于提高“售票系統(tǒng)”。

3 結(jié) 語(yǔ)

傳統(tǒng)的結(jié)構(gòu)方程式方法確定感知質(zhì)量指標(biāo)與總體滿意度之間的因果關(guān)系，將因果關(guān)系線性化，簡(jiǎn)化了因果關(guān)系，會(huì)造成描述的一定誤差；同時(shí)，結(jié)構(gòu)方程式使用線性關(guān)系將樣本數(shù)據(jù)趨近于均值或線性估計(jì)值，體現(xiàn)了全局最優(yōu)擬合，表示理論上的變量數(shù)值變動(dòng)1個(gè)單位，因變量數(shù)值變動(dòng)多少單位的倍率，僅能反映接近均值或者線性估計(jì)值附近的規(guī)律，難以反映其他變量樣本的實(shí)際變化規(guī)律[5]。因此，在分析不確定性問(wèn)題時(shí)，采用結(jié)構(gòu)方程式方法有一定的缺陷。

貝葉斯方法通過(guò)分析各變量之間的概率和條件概率，確定以概率條件為基礎(chǔ)的不確定性網(wǎng)絡(luò)，并通過(guò)結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)，揭示變量之間的定性和定量關(guān)系，避免了結(jié)構(gòu)方程式線性因果關(guān)系的不足；并以條件概率的形式，充分反映了不確定性問(wèn)題的特征，即一個(gè)原因?qū)е露喾N不同的結(jié)果，且結(jié)果發(fā)生的概率可能相同也可能不同。在對(duì)軌道交通改善方案的效果預(yù)測(cè)中，改善方案為一個(gè)決策(原因)，其發(fā)生后所導(dǎo)致的 “乘客總體滿意度” (結(jié)果)有“非常滿意”、“滿意”等5個(gè)不同的結(jié)果，且每個(gè)結(jié)果發(fā)生的概率是有所不同的，這與實(shí)際情況符合。可見(jiàn)，利用貝葉斯方法進(jìn)行不確定的預(yù)測(cè)更有優(yōu)勢(shì)。

利用Bayesialab軟件確定了武漢市軌道交通乘客感知質(zhì)量與總體滿意度之間的貝葉斯網(wǎng)絡(luò)，并以條件概率的形式表達(dá)不同取值條件下各感知質(zhì)量指標(biāo)得分對(duì)乘客總體滿意度得分的影響，確定了各變量之間的概率關(guān)系，為貝葉斯預(yù)測(cè)奠定基礎(chǔ)。利用貝葉斯方法對(duì)武漢市軌道交通最需要改進(jìn)的質(zhì)量指標(biāo)改善效果進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)雖然“換乘接駁”和“售票系統(tǒng)”同屬于最需要改進(jìn)的指標(biāo)，但是提高“換乘接駁”指標(biāo)的得分對(duì)“乘客總體滿意度”提高得分的貢獻(xiàn)要大于“售票系統(tǒng)”，但兩者不是協(xié)同改善指標(biāo)，總體滿意度的改善效果提升速度慢于各指標(biāo)獨(dú)立的改善速度。但是由于無(wú)法確定提高“換乘接駁”和“售票系統(tǒng)”的成本，即無(wú)法確定提升各指標(biāo)一定百分比時(shí)的投入資金，所以無(wú)法確定改善各指標(biāo)的效益-費(fèi)用比。

總的來(lái)說(shuō)，貝葉斯方法可以很好的預(yù)測(cè)改善一個(gè)指標(biāo)(方案)后，乘客總體滿意度的分布情況，且可以通過(guò)改善效果的彈性分析，評(píng)價(jià)改善各指標(biāo)對(duì)乘客總體滿意度提升的效果情況，給運(yùn)營(yíng)單位決策提供參考。但是絕對(duì)效果、相對(duì)效果、彈性系數(shù)等均沒(méi)有考慮改善成本，無(wú)法反映各改善方案的效益-費(fèi)用比。另外，貝葉斯網(wǎng)絡(luò)也未考慮乘客出行理想、期望、價(jià)值等方面的影響，所以在以后的研究中有待進(jìn)一步完善。

[1] 匡星.城市常規(guī)公共交通服務(wù)水平評(píng)價(jià)研究[D].長(zhǎng)春:吉林大學(xué),2005. Kuang Xing.The Evaluation of the Service Level for Bus Traffic [D].Changchun:Jilin University,2005.

[2] 黃婷,焦海賢,李秀麗,等.基于乘客觀點(diǎn)的公交服務(wù)質(zhì)量評(píng)價(jià)體系及方法研究[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2008,27(5):781-784. Huang Ting,Jiao Haixian,Li Xiuli,et al.Research on transit quality of service measure system and method based on passenger’s perspective [J].Journal of Chongqing Jiaotong University:Natural Science,2008,27(5):781-784.

[3] 矯麗麗,徐永能,于世軍.城市軌道交通乘客滿意度測(cè)評(píng)模型[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2012,31(增刊1):638-640. Jiao Lili,Xu Yongneng,Yu Shijun.Research on urban rail transit passenger satisfaction evaluation model [J].Journal of Chongqing Jiaotong University:Natural Science,2012,31(Sup 1):638-640.

[4] John A M,John C J.Importance-performance analysis [J].The Journal of Marketing,1977,41(1):77-79.

[5] Haemoon O.Revisiting importance-performance analysis [J].Tourism Management,2001,22(6):617-627.

[6] Jui-Sheng Chou,Changwan Kim,Yao-Chen Kuo,et al.Deploying effective service strategy in the operations stage of high-speed rail [J].Transportation Research:Part E,2011,47(4):507-519.

[7] Kenneth R S,Marc M,Johanna B.Structural equation model of customer satisfaction for the New York city subway system [J].Transportation Research Record:Journal of the Transportation Research Board,2000,1735:133-137.

[8] 安珣.面向顧客滿意度改進(jìn)決策的結(jié)構(gòu)方程和影響圖結(jié)合研究[D].天津:天津大學(xué),2006. An Xun.Research on Integration of Structure Equation Model and Influence Diagrams in Customer Satisfaction Improving Decision [D].Tianjin:Tianjin University,2006.

[9] Burns W J,Clemen R T.Covariance structure models and influence diagrams [J].Management Science,1993,39(7):816-834.

[10] 張連文,郭海鵬.貝葉斯網(wǎng)絡(luò)引論[M].北京:科學(xué)出版社,2006:81-105. Zhang Lianwen,Guo Haipeng.Introduction to Bayesian Networks [M].Beijing:Science Press,2006:81-105

[11] Jansen R,Yu Haiyuan,Greenbaum D,et al.A Bayesian networks approach for predicting protein-protein interactions from genomic data [J].Science,2003,302(5644):449-453.

[12] Wei Wei,Visweswaran S,Gregory F C.The application of naive Bayes model averaging to predict Alzheimer’s disease from genome-wide data [J].Journal of American Medical Association,2011,18(4):370-375.

[13] 張慧永.基于貝葉斯網(wǎng)絡(luò)的交通事故態(tài)勢(shì)研究[D].長(zhǎng)春:吉林大學(xué),2013. Zhang Huiyong.Analyzing Traffic Accident Situation with Bayesian Network [D].Changchun:Jilin University,2013.

[14] 林震,楊浩.基于車速的交通事故貝葉斯預(yù)測(cè)[J].中國(guó)安全科學(xué)學(xué)報(bào),2003,13(2):34-36. Lin Zhen,Yang Hao.Bayesian prediction of traffic accident based on vehicle speed [J].China Safety Science Journal,2003,13(2):34-36.

[15] 陸斯文,方守恩,王俊驊.單車道行人激進(jìn)過(guò)街沖突和碰撞事故機(jī)理分析[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2009,28(1):108-110. Lu Siwen,Fang Shouen,Wang Junhua.Mechanism analysis on conflicts and collisions caused by aggressive pedestrian crossing single lane [J].Journal of Chongqing Jiaotong University:Natural Science,2009,28(1):108-110.

[16] 陸瑩,李啟明,周志鵬.基于模糊貝葉斯網(wǎng)絡(luò)的地鐵運(yùn)營(yíng)安全風(fēng)險(xiǎn)預(yù)測(cè)[J].東南大學(xué)學(xué)報(bào):自然科學(xué)版,2010,40(5):1110-1114. Lu Ying,Li Qiming,Zhou Zhipeng.Safety risk prediction of subway operation based on fuzzy Bayesian network [J].Journal of Southeast University:Natural Science,2010,40(5),1110-1114.

[17] 王建,鄧衛(wèi),趙金寶.基于改進(jìn)型貝葉斯組合模型的短時(shí)交通流量預(yù)測(cè)[J].東南大學(xué)學(xué)報(bào):自然科學(xué)版,2012,42(1):162-167. Wang Jian,Deng Wei,Zhao Jinbao.Short-term freeway traffic flow prediction based on improved Bayesian combined model [J].Journal of Southeast University:Natural Science,2012,42(1):162-167.

[18] Claes F.Boost stock performance,nation’s economy [J].Quality Progress,2003,36(2):25-31.

[19] Likert R.A technique for the measurement of attitudes [J].Archives of Psychology,1932,140 (22):1-55.

Uncertainty Prediction and Analysis on Rail Passenger Satisfaction

Zhu Shunying, Wu Yu, Wang Hong, Chen Feifei

(School of Transportation, Wuhan University of Technology, Wuhan 430063, Hubei, China)

Aiming to solve the deficiency of structural equation method in predicting the improvement effect of rail transit passenger satisfaction, Bayesian network method that was good at dealing with uncertainty problem was directly put forward. Machine learning and expertise were combined to build the Bayesian prediction network between passengers overall satisfaction and quality indicators. The absolute effect, relative effect as well as the elastic modulus and synergic relationship to judge improvement effect of the established predictive model were defined. The data of Wuhan rail passenger satisfaction survey was used to establish uncertainty Bayesian network and the improvement effect of “Transfer” and “Ticketing System” which mostly needed to be improved in priority was predicted and analyzed. The research results indicate that “Transfer” indicator has a better improvement effect; however, there is no synergistic effect between two indicators.

traffic and transportation engineering; rail transit; passenger satisfaction; improvement effect; uncertainty predict; Bayesian network

10.3969/j.issn.1674-0696.2015.06.28

2014-07-16；

2015-08-29

朱順應(yīng)(1967—)，男，安徽安慶人，教授，博士，博士生導(dǎo)師，主要從事區(qū)域與城市交通運(yùn)輸規(guī)劃、管理及道路交通安全方面的研究。E-mail：zhusy2001@163.com。

吳 俁(1990—)，男，安徽合肥人，碩士研究生，主要從事交通運(yùn)輸規(guī)劃與管理方面的研究。E-mail：gsd_fang@163.com。

U231+.92

A

1674-0696(2015)06-150-06