公共汽車(chē)線網(wǎng)調(diào)整乘客風(fēng)險(xiǎn)識(shí)別方法

金智英，李 豹，王 紅，朱順應(yīng)

(武漢理工大學(xué)交通學(xué)院，湖北武漢430063)

公共汽車(chē)線網(wǎng)調(diào)整乘客風(fēng)險(xiǎn)識(shí)別方法

金智英，李 豹，王 紅，朱順應(yīng)

(武漢理工大學(xué)交通學(xué)院，湖北武漢430063)

乘客風(fēng)險(xiǎn)識(shí)別對(duì)優(yōu)化公共汽車(chē)線網(wǎng)調(diào)整方案、提高線網(wǎng)調(diào)整可實(shí)施性、制定社會(huì)風(fēng)險(xiǎn)管控策略具有重要意義。提出一種基于乘客感知的差別—矩陣法來(lái)識(shí)別乘客風(fēng)險(xiǎn)。在乘客滿意度調(diào)查與線網(wǎng)調(diào)整乘客期盼調(diào)查的基礎(chǔ)上，結(jié)合現(xiàn)狀滿意度水平、線網(wǎng)調(diào)整期盼高低與優(yōu)化方案優(yōu)化程度三者之間的差異建立三維矩陣模型，劃分風(fēng)險(xiǎn)區(qū)域以確定風(fēng)險(xiǎn)指標(biāo)排序。通過(guò)對(duì)高風(fēng)險(xiǎn)指標(biāo)和乘客個(gè)體屬性相關(guān)性影響進(jìn)行顯著性分析，識(shí)別高風(fēng)險(xiǎn)群體。模型結(jié)果表明：武漢市公共汽車(chē)線網(wǎng)調(diào)整過(guò)程中高風(fēng)險(xiǎn)指標(biāo)為換乘次數(shù)，其中女性群體、老年群體、自由職業(yè)者和公務(wù)員以及乘車(chē)頻率較低的群體為高風(fēng)險(xiǎn)群體，應(yīng)針對(duì)各群體特性加強(qiáng)制定相應(yīng)風(fēng)險(xiǎn)管控措施。

城市交通；公共汽車(chē)；線網(wǎng)調(diào)整；風(fēng)險(xiǎn)識(shí)別；差別—矩陣法；武漢市

0 引言

公交走廊內(nèi)新增軌道交通線路常導(dǎo)致公共汽車(chē)運(yùn)力過(guò)剩。為充分發(fā)揮軌道交通優(yōu)勢(shì)，有必要對(duì)原有的公共汽車(chē)線網(wǎng)進(jìn)行優(yōu)化調(diào)整，變競(jìng)爭(zhēng)關(guān)系為互補(bǔ)關(guān)系，以良好接駁軌道交通。另外，城鎮(zhèn)化和舊城改造引起的土地使用性質(zhì)和強(qiáng)度調(diào)整，常導(dǎo)致乘客流量、流向變化，原有的公共汽車(chē)線網(wǎng)也需調(diào)整以適應(yīng)這種變化。隨著軌道交通逐條分階段建設(shè)，公共汽車(chē)線網(wǎng)調(diào)整一般是逐條分階段實(shí)施，這種局部遞進(jìn)式調(diào)整難以達(dá)到全局最優(yōu)。在大城市，為形成以大運(yùn)量軌道交通為主骨架、公共汽車(chē)為主體的一體化全局最優(yōu)公共交通系統(tǒng)[1]，公共汽車(chē)線網(wǎng)可能需要大規(guī)模調(diào)整。

然而，公共汽車(chē)線網(wǎng)的大規(guī)模調(diào)整將會(huì)在短期內(nèi)極大地改變乘客出行、工作以及生活習(xí)慣。這種突然的變化可能會(huì)引發(fā)各種矛盾和社會(huì)不滿交織出現(xiàn)，造成突發(fā)事件，影響社會(huì)穩(wěn)定。突發(fā)事件的演變具有不確定性[2]，參與者發(fā)泄不滿的同時(shí)難以控制自身情緒，容易引發(fā)斗毆或與執(zhí)法人員沖突行為，造成的非正常死亡率相當(dāng)高，因此公共汽車(chē)線網(wǎng)調(diào)整引發(fā)的社會(huì)風(fēng)險(xiǎn)不容小覷。而風(fēng)險(xiǎn)識(shí)別是政府實(shí)施項(xiàng)目建設(shè)決策的主要依據(jù)，對(duì)有效預(yù)防和避免群體性突發(fā)事件具有重要作用。

在項(xiàng)目建設(shè)決策時(shí)，決策者常以自身對(duì)項(xiàng)目的期盼作為參照點(diǎn)(項(xiàng)目屬性值超過(guò)參照點(diǎn)的部分視為收益，低于參照點(diǎn)的部分視為損失)，且對(duì)待收益和損失有不同的心理反應(yīng)[3]。然而，決策者的期盼與使用者的期盼往往存在差異，并且使用者間也具有個(gè)體差異。因此，應(yīng)補(bǔ)充基于公眾意愿的風(fēng)險(xiǎn)決策判斷。而專家理性的風(fēng)險(xiǎn)評(píng)估和公眾參與是行政科學(xué)決策的重要途徑[4]。

眾多學(xué)者對(duì)風(fēng)險(xiǎn)識(shí)別方法進(jìn)行了研究，國(guó)外甚至深入研究到風(fēng)險(xiǎn)邊界[5]的識(shí)別，還有考慮風(fēng)險(xiǎn)復(fù)雜性、不確定性和模糊性的風(fēng)險(xiǎn)識(shí)別[6]。中國(guó)的研究中，文獻(xiàn)[7]建立了居民出行競(jìng)爭(zhēng)的風(fēng)險(xiǎn)模型，文獻(xiàn)[8]將風(fēng)險(xiǎn)感知引入群體事件的風(fēng)險(xiǎn)識(shí)別研究。文獻(xiàn)[9-11]對(duì)乘客對(duì)公共汽車(chē)線網(wǎng)調(diào)整的期盼進(jìn)行研究，但幾乎沒(méi)有研究涉及公共汽車(chē)線網(wǎng)調(diào)整乘客風(fēng)險(xiǎn)識(shí)別。

本文基于公眾與專家共同參與的原則，以武漢市公共汽車(chē)線網(wǎng)調(diào)整為研究對(duì)象，設(shè)計(jì)調(diào)查問(wèn)卷，通過(guò)面對(duì)面隨機(jī)問(wèn)詢調(diào)查方式采集乘客對(duì)公共汽車(chē)滿意度以及線網(wǎng)調(diào)整的期盼，采用主客觀相結(jié)合，通過(guò)差別—矩陣法劃分風(fēng)險(xiǎn)區(qū)域并得到各指標(biāo)的風(fēng)險(xiǎn)程度，繼而對(duì)高風(fēng)險(xiǎn)指標(biāo)與乘客個(gè)體屬性進(jìn)行關(guān)聯(lián)顯著性分析，識(shí)別高風(fēng)險(xiǎn)乘客群體。

1 數(shù)據(jù)與方法

1.1 問(wèn)卷設(shè)計(jì)

為全面反映乘客對(duì)現(xiàn)狀公共汽車(chē)的滿意度與線網(wǎng)調(diào)整意愿，基于易理解、揭示乘客真實(shí)意愿的原則，結(jié)合武漢市公共汽車(chē)運(yùn)行特征、乘客出行行為特性和個(gè)體屬性等方面設(shè)計(jì)問(wèn)卷指標(biāo)體系。并結(jié)合專家意見(jiàn)與預(yù)調(diào)查等方法，確定最終問(wèn)卷。問(wèn)卷包含三部分：

1）個(gè)體屬性，主要包含性別、年齡、職業(yè)、月收入以及乘坐公共汽車(chē)頻率5項(xiàng)指標(biāo)；

2）現(xiàn)狀滿意度指標(biāo)，包括出行費(fèi)用、換乘次數(shù)、出行總時(shí)長(zhǎng)、到離站步行距離以及候車(chē)時(shí)間；

3）線網(wǎng)調(diào)整期盼指標(biāo)，包括出行費(fèi)用(2.0元，1.5元，1.0元，0.5元，0元)、換乘次數(shù)(0次，1次，2次，3次，≥4次)、出行總時(shí)長(zhǎng)(0.5 h，1.0 h，1.5 h，2.0 h，＞2 h)、到離站步行距離(≤300 m，＞300～400 m，＞400～500 m，＞500～700 m，＞700 m)以及候車(chē)時(shí)間(≤5 min，＞5～10 min，＞10～20 min，＞20～30 min，＞30 min)。

1.2 問(wèn)卷檢驗(yàn)

采用信度與效度法，檢驗(yàn)問(wèn)卷可靠性與指標(biāo)體系合理性。本文利用克朗巴哈系數(shù)法(Cronbach's alpha)與因子分析法對(duì)問(wèn)卷指標(biāo)體系的信度與效度分別進(jìn)行檢驗(yàn)[12]?？偭勘淼男哦认禂?shù)小于0.8時(shí)，需重新設(shè)計(jì)問(wèn)卷；指標(biāo)共同度小于0.4時(shí)，認(rèn)定指標(biāo)影響程度較小，可剔除該指標(biāo)。

1.3 風(fēng)險(xiǎn)指標(biāo)及程度確定

為識(shí)別公共汽車(chē)線網(wǎng)調(diào)整風(fēng)險(xiǎn)，本文提出差別—矩陣法，通過(guò)比較線網(wǎng)調(diào)整前后乘客的感知差異以及優(yōu)化方案優(yōu)化程度與乘客期盼的差異確定指標(biāo)風(fēng)險(xiǎn)程度。以乘客滿意度作為公共汽車(chē)現(xiàn)狀感知指標(biāo)，以乘客期盼作為線網(wǎng)調(diào)整后評(píng)價(jià)感知指標(biāo)，以優(yōu)化方案各指標(biāo)優(yōu)化幅度作為優(yōu)化程度指標(biāo)(見(jiàn)圖1)。

圖1 差別邏輯示意Fig.1 Logic schematics of differences

以指標(biāo)為坐標(biāo)軸建立三維坐標(biāo)模型，為提高圖示的直觀性，本文以三維模型的三視圖(主視圖，俯視圖，左視圖)示意。X，Y，Z軸分別取乘客對(duì)現(xiàn)狀公共汽車(chē)線網(wǎng)的不滿意水平、對(duì)線網(wǎng)調(diào)整期盼、優(yōu)化線網(wǎng)的優(yōu)化幅度為坐標(biāo)軸，交點(diǎn)處為取各指標(biāo)該軸向值的平均值。沿著坐標(biāo)軸正向表示期盼(優(yōu)化幅度、不滿意群體)越來(lái)越高(多)，沿著坐標(biāo)軸負(fù)向表示期盼(優(yōu)化幅度、不滿意群體)越來(lái)越低(少)。

坐標(biāo)軸劃分的8個(gè)卦限表示風(fēng)險(xiǎn)程度，以各指標(biāo)三個(gè)狀態(tài)下相互作用的差別界定風(fēng)險(xiǎn)區(qū)域，相同情況下，不滿意度高的群體風(fēng)險(xiǎn)程度更高。各卦限表示意義及風(fēng)險(xiǎn)區(qū)域界定如表1所示，風(fēng)險(xiǎn)區(qū)域風(fēng)險(xiǎn)程度由I至VIII上升。

表1 卦限意義Tab.1 Meaning of octant

1.4 風(fēng)險(xiǎn)群體確定

采用單因素法，分析不同性別、年齡、職業(yè)、收入以及乘坐公共汽車(chē)頻率群體對(duì)現(xiàn)狀公共汽車(chē)滿意度以及公共汽車(chē)線網(wǎng)調(diào)整期盼的選擇差異性，其中顯著性指標(biāo)Sig的取值表示以性別、年齡、職業(yè)、收入以及乘坐公共汽車(chē)頻率分類(lèi)的群體對(duì)某個(gè)指標(biāo)的滿意度與期盼的選擇是否存在顯著差異。在95%的置信水平下，Sig值小于或等于0.05表示該群體的子群體間(如性別群體中男、女群體)對(duì)該指標(biāo)的選擇存在顯著差異；反之，群體的子群體間選擇無(wú)顯著差異性。

顯著性差異群體分類(lèi)中，將該類(lèi)比例最高的子群體界定為風(fēng)險(xiǎn)群體。同樣，風(fēng)險(xiǎn)指標(biāo)的風(fēng)險(xiǎn)程度越高，則有顯著性差異群體的高比例子群體的風(fēng)險(xiǎn)程度越高。

2 實(shí)例應(yīng)用

2.1 問(wèn)卷信息

以2015年8月武漢市公共汽車(chē)線網(wǎng)大規(guī)模優(yōu)化調(diào)整為研究對(duì)象，根據(jù)上文確定的指標(biāo)體系設(shè)計(jì)問(wèn)卷展開(kāi)調(diào)查。獲取有效調(diào)查問(wèn)卷2 590份，有效回收率86.3%，達(dá)到了95%置信水平下相對(duì)誤差為2%的樣本量要求。問(wèn)卷信度檢驗(yàn)結(jié)果中總量表的信度系數(shù)達(dá)0.943，數(shù)據(jù)具有較高信度。問(wèn)卷效度檢驗(yàn)結(jié)果顯示(見(jiàn)表2)，調(diào)查指標(biāo)共同度均大于0.4，問(wèn)卷指標(biāo)體系設(shè)計(jì)合理。問(wèn)卷調(diào)查對(duì)象個(gè)體屬性信息統(tǒng)計(jì)顯示，樣本具有代表性。

表2 調(diào)查對(duì)象基本信息Tab.2 Basic information of respondents

2.2 乘客滿意度與期盼

現(xiàn)狀滿意度統(tǒng)計(jì)分析得到的顯著影響群體與高風(fēng)險(xiǎn)群體類(lèi)別及比例如表3所示，乘客期盼分析得到的顯著影響群體與高風(fēng)險(xiǎn)群體類(lèi)別及比例如表4所示。

2.3 優(yōu)化方案公共汽車(chē)線網(wǎng)指標(biāo)

根據(jù)武漢市發(fā)展戰(zhàn)略研究院提供的線網(wǎng)優(yōu)化方案，指標(biāo)優(yōu)化幅度如表5所示。

2.4 風(fēng)險(xiǎn)指標(biāo)及程度

根據(jù)現(xiàn)狀公共汽車(chē)線網(wǎng)的不滿意度、對(duì)線網(wǎng)調(diào)整期盼和線網(wǎng)優(yōu)化幅度，利用差別—矩陣法建立三維模型，三維模型的簡(jiǎn)化三視圖見(jiàn)圖2。根據(jù)圖2確定指標(biāo)所處卦限，結(jié)合上文所述差別—矩陣法，確定其風(fēng)險(xiǎn)區(qū)域(見(jiàn)表6)。

表3 現(xiàn)狀滿意度調(diào)查結(jié)果Tab.3 Results of satisfaction survey

表4 乘客期盼調(diào)查結(jié)果Tab.4 Public opinions towards bus network adjustment

表5 指標(biāo)優(yōu)化幅度Tab.5 Optimization level of indicators

相同風(fēng)險(xiǎn)區(qū)域的指標(biāo)距離原點(diǎn)越遠(yuǎn)，則風(fēng)險(xiǎn)程度越高。根據(jù)模型分析可知，5個(gè)指標(biāo)的風(fēng)險(xiǎn)由高至低依次是：換乘次數(shù)、出行費(fèi)用、出行總時(shí)長(zhǎng)、候車(chē)時(shí)間和到離站步行距離。

2.5 高風(fēng)險(xiǎn)群體

上文分析得到換乘次數(shù)為武漢市公共汽車(chē)線網(wǎng)優(yōu)化調(diào)整方案中風(fēng)險(xiǎn)最大的指標(biāo)，且遠(yuǎn)高于其他指標(biāo)。結(jié)合表3和表4風(fēng)險(xiǎn)群體數(shù)據(jù)，對(duì)線網(wǎng)調(diào)整換乘次數(shù)指標(biāo)進(jìn)行群體分析，其中女性群體、56～65歲的中老年群體、自由職業(yè)者和公務(wù)員以及乘車(chē)頻率較低的群體表現(xiàn)最為敏感。制定管控措施時(shí)需考慮相應(yīng)高風(fēng)險(xiǎn)群體特性，例如中老年群體學(xué)習(xí)適應(yīng)能力差，自由職業(yè)者搭乘公共汽車(chē)線路不固定、對(duì)換乘要求比較高，公務(wù)員上下班的剛性需求大，乘車(chē)頻率低的群體獲取公共汽車(chē)信息途徑少等。

3 結(jié)語(yǔ)

本文以武漢市公共汽車(chē)線網(wǎng)調(diào)整乘客意愿以及現(xiàn)狀公共汽車(chē)滿意度調(diào)查為基礎(chǔ)，結(jié)合武漢市現(xiàn)狀公共汽車(chē)線網(wǎng)優(yōu)化方案，利用差別—矩陣法劃分各個(gè)指標(biāo)風(fēng)險(xiǎn)區(qū)域并進(jìn)行風(fēng)險(xiǎn)程度排序，得出換乘次數(shù)為優(yōu)化方案中最大的風(fēng)險(xiǎn)指標(biāo)，進(jìn)而識(shí)別得到高風(fēng)險(xiǎn)群體為女性群體、中老年群體、自由職業(yè)者和公務(wù)員以及乘車(chē)頻率較低的群體。因此，制定風(fēng)險(xiǎn)防范措施時(shí)，應(yīng)著重考慮這些群體，并加強(qiáng)風(fēng)險(xiǎn)防范措施的實(shí)施力度。

差別—矩陣法能夠結(jié)合主客觀匹配情況，針對(duì)乘客的感知和線網(wǎng)技術(shù)指標(biāo)客觀匹配程度量化風(fēng)險(xiǎn)等級(jí)并進(jìn)行排序。乘客的風(fēng)險(xiǎn)識(shí)別結(jié)果是通過(guò)充分挖掘乘客意愿、期望和公共汽車(chē)線網(wǎng)優(yōu)化方案三者之間關(guān)系得到，體現(xiàn)了公眾與專家共同參與的原則，保證了乘客風(fēng)險(xiǎn)結(jié)論來(lái)自于有風(fēng)險(xiǎn)的乘客群體而不僅是專家，突出了以乘客為本的思想，所以能為制定風(fēng)險(xiǎn)管控策略提供依據(jù)，為線網(wǎng)調(diào)整優(yōu)化提供指導(dǎo)方向。

圖2 三維模型簡(jiǎn)化三視圖Fig.2 Orthographic views of the 3D model

表6 指標(biāo)風(fēng)險(xiǎn)區(qū)域劃分Tab.6 Division of index risk areas

公共汽車(chē)線網(wǎng)指標(biāo)代表性和完整性、坐標(biāo)原點(diǎn)取值以及各指標(biāo)的重要性程度可能影響風(fēng)險(xiǎn)性指標(biāo)及其風(fēng)險(xiǎn)等級(jí)確定，進(jìn)而影響風(fēng)險(xiǎn)群體劃分；考慮不同風(fēng)險(xiǎn)指標(biāo)的權(quán)重中人群關(guān)系可以完善確定高風(fēng)險(xiǎn)群體。若結(jié)合具體實(shí)施方案，則能識(shí)別高風(fēng)險(xiǎn)人群所在空間區(qū)域，若輔以多因素分析，可進(jìn)一步縮小高風(fēng)險(xiǎn)人群，這些都有待進(jìn)一步研究完善。

[1]劉賢騰.東京軌道交通體系與城市空間結(jié)構(gòu)優(yōu)化[J].現(xiàn)代城市軌道交通，2009(2)：71-74.

Liu Xianteng.Tokyo Rail Transit System and Urban Spatial Structure Optimization[J].Modern Urban Transit,2009(2):71-74.

[2]曾偉，周劍嵐，王紅衛(wèi).應(yīng)急決策的理論與方法探討[J].中國(guó)安全科學(xué)學(xué)報(bào)，2009，19 (3)：172-176.

Zeng Wei,Zhou Jianlan,Wang Hongwei.Research on the Theory and Methods of Emergency Decision-Making[J].China Safety Science Journal,2009,19(3):172-176.

[3]張曉，樊治平.基于前景理論的風(fēng)險(xiǎn)型混合多屬性決策方法[J].系統(tǒng)工程學(xué)報(bào)，2012，27(6)：772-781.

Zhang Xiao,Fan Zhiping.Method for Risky Hybrid Multiple Attribute Decision Making Based on Prospect Theory[J].Journal of Systems Engineering,2012,27(6):772-781.

[4]成協(xié)中.風(fēng)險(xiǎn)社會(huì)中的決策科學(xué)與民主：以重大決策社會(huì)穩(wěn)定風(fēng)險(xiǎn)評(píng)估為例的分析[J].法學(xué)論壇，2013，28(1)：46-54.

Cheng Xiezhong.The Science and Democracy of Administrative Policy in a Risk Society [J].Legal Forum,2013,28(1):46-54

[5]Johansen I L,Rausand M.Ambiguity in Risk Assessment[J].Safety Science,2015,80:243-251.

[6]Renn O,Klinke A,van Asselt M.Coping with Complexity,Uncertainty,and Ambiguity in Risk Governance:A Synthesis[J].Ambio, 2011,40(2):231-246.

[7]吳文靜，羅清玉，賈洪飛.基于競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型的居民活動(dòng)-出行計(jì)劃研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2014，14(6)：171-175.

Wu Wenjing,Luo Qingyu,Jia Hongfei.Activity-Travel Schedule Planning Based on Competing Risk Hazard Model[J].Journalof Transportation Systems Engineering and Information Technology,2014,14(6):171-175.

[8]黃杰，朱正威，趙巍.風(fēng)險(xiǎn)感知、應(yīng)對(duì)策略與沖突升級(jí)：一個(gè)群體性事件發(fā)生機(jī)理的解釋框架及運(yùn)用[J].復(fù)旦學(xué)報(bào)(社會(huì)科學(xué)版)，2015，57(1)：134-143.

Huang Jie,Zhu Zhengwei,Zhao Wei.Risk Perception,Coping Strategies and Conflict Escalation:An Explanatory Framework for the Mechanism of Mass Incidents and Its Application[J].Fudan Journal(Social Sciences Edition),2015,57(1):134-143.

[9]Nowak M.INSDECM:An Interactive Procedure forStochastic Multicriteria Decision Problems[J].European Journal of Operational Research,2006,175(3):1413-1430.

[10]Nowak M.As Piration Level Approach in Stochastic MCDM Problems[J].European Journal of Operational Research,2007,177 (3):1626-1640.

[11]劉培德.一種基于前景理論的不確定語(yǔ)言變量風(fēng)險(xiǎn)型多屬性決策方法[J].控制與決策，2011，26(6)：893-897. Liu Peide.Method for Multi-Attribute Decision-Making Under Risk with the Uncertain Linguistic Variables Based on Prospect Theory[J].Control and Decision,2011,26(6): 893-897.

[12]Zhang Jie,Lyu Juncheng.Reliability,Validity and Preliminary Hypothesis Tests for the English Version of the Psychological Strain Scales(PSS)[J].Journal of Affective Disorders,2014,164(1):69-75.

Risk Identification for Passengers in Bus Network Adjustment

Jin Zhiying,Li Bao,Wang Hong,Zhu Shunying
(School of Transportation,Wuhan University of Technology,Wuhan Hubei 430063,China)

To identify affected passengers has a great significance in the process of bus network optimization due to the fact that it is able to reduce the risk of implementation as well as controlling social risk.The main objective of this study is to propose a matrix of accommodating difference between passengers'perceptions to identify those affected passenger groups.Such the approach is developed based passenger satisfaction survey and public opinion survey towards bus network adjustment.A three-dimensional matrix which stores the difference among status quo satisfaction level,public expectation about plan and the simulated results of plan is generated to target high risk areas for selecting indicators.A correlation analysis between selected indicators and personal attributes is further implemented to identify the affected groups caused by bus network optimization.The results reveal that number of transfer is selected as the most significant indicators and highly affected groups are women,the old group,self-employment,public officers, and less-frequent bus riders.As a result,a series of risk control strategies should be formulated in respect to different groups.

urban transportation;bus;network adjustment;risk identification;difference-matrix method; Wuhan

2016-02-20

金智英(1992—)，女，湖北武漢人，在讀碩士研究生，主要研究方向：交通運(yùn)輸規(guī)劃與管理研究。E-mail:superjinzhiying@163.com