公交線路資源配置與客流狀況協(xié)調(diào)性綜合評(píng)價(jià)方法*

馬嘉欣 陳旭梅▲ 柯靖宇 彭 飛

（1.北京交通大學(xué)綜合交通運(yùn)輸大數(shù)據(jù)應(yīng)用技術(shù)交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室 北京100044；2.南京市城市與交通規(guī)劃設(shè)計(jì)研究院股份有限公司 南京210008）

0 引 言

近年來(lái)，隨著我國(guó)城鎮(zhèn)化建設(shè)穩(wěn)步推進(jìn)，常規(guī)公交發(fā)展總體保持迅速增長(zhǎng)態(tài)勢(shì)。然而，城鎮(zhèn)人口的高度聚集與人民生活水平的提高引發(fā)了多層次、多樣化的出行需求，進(jìn)而對(duì)公交線網(wǎng)的運(yùn)輸資源配置提出了更高的要求。據(jù)《2020—2026年中國(guó)城市公交行業(yè)現(xiàn)狀分析與發(fā)展前景預(yù)測(cè)報(bào)告》[1]顯示，目前我國(guó)城市常規(guī)公交仍存在有效供給能力不足、車速較低、準(zhǔn)點(diǎn)率較差等問(wèn)題。公交線路資源配置與客流狀況間的協(xié)調(diào)性短板亟需補(bǔ)齊。因此，客觀、合理評(píng)估城市常規(guī)公交線路運(yùn)輸現(xiàn)狀，以線路-網(wǎng)絡(luò)逐步提升資源配置與客流狀況的匹配程度，對(duì)提升城市常規(guī)公交服務(wù)質(zhì)量至關(guān)重要。

目前，國(guó)內(nèi)外學(xué)者針對(duì)常規(guī)公交協(xié)調(diào)性的研究大多集中在常規(guī)公交整體系統(tǒng)與相關(guān)社會(huì)經(jīng)濟(jì)行業(yè)間以及其與軌道交通之間，如吳瑤等[2]、瑪依拉·艾則孜等[3]分別對(duì)常規(guī)公交與經(jīng)濟(jì)發(fā)展間的協(xié)調(diào)程度進(jìn)行研究，Erick等[4]、朱麗等[5]、Zhang等[6]探討常規(guī)公交與城市發(fā)展之間的協(xié)調(diào)性及其相互影響關(guān)系，謝天[7]、Dou等[8]則研究常規(guī)公交與軌道交通間的協(xié)調(diào)性。然而，城市常規(guī)公交系統(tǒng)作為復(fù)雜、開(kāi)放的有機(jī)整體包含站點(diǎn)、線路、客流等多類影響因素，現(xiàn)有研究中仍鮮有面向常規(guī)公交進(jìn)行考慮系統(tǒng)內(nèi)部多因素協(xié)調(diào)性的分析，僅馮樹(shù)民等[9]、劉新民等[10]、Pitam等[11]與Hahn等[12]分別研究不同條件下線路資源配置與客流量或服務(wù)質(zhì)量的協(xié)調(diào)性。

數(shù)據(jù)包絡(luò)分析法（data envelopment analysis，DEA）作為1種有效的無(wú)量綱相對(duì)評(píng)價(jià)方法，因其處理多投入、多產(chǎn)出問(wèn)題的優(yōu)越性[13]而在常規(guī)公交協(xié)調(diào)性研究中被廣泛應(yīng)用，Charnes等[13]提出的錐比率C2WH模型作為DEA的典型方法之一也在強(qiáng)調(diào)評(píng)估偏好的研究中逐漸推廣。但DEA方法在具體應(yīng)用的過(guò)程中存在有效決策單元（Decision Making Unit，DMU）無(wú)法細(xì)分優(yōu)劣性[14-15]、影響因素及影響效應(yīng)確定主觀性較強(qiáng)等問(wèn)題[16]，仍有一定的改進(jìn)空間。針對(duì)有效DMU問(wèn)題，相關(guān)學(xué)者提出引入理想點(diǎn)的C2WH（Charnes-Cooper-Wei-Huang Model）[17]等衍生模型豐富DEA評(píng)價(jià)方法。針對(duì)影響因素與影響效應(yīng)問(wèn)題，結(jié)構(gòu)方程模型（Structural Equation Modeling，SEM）在檢驗(yàn)?zāi)Ｐ妥兞繉?duì)評(píng)價(jià)對(duì)象解釋能力的基礎(chǔ)上，還可分析各變量對(duì)評(píng)價(jià)對(duì)象的直接影響、間接影響和總影響等量化數(shù)值[18]，為該問(wèn)題提供新的解決思路。

綜上所述，國(guó)內(nèi)外針對(duì)常規(guī)公交協(xié)調(diào)性研究已取得了一定的進(jìn)展，但聚焦常規(guī)公交線路資源配置與客流狀況間的協(xié)調(diào)性研究仍較少，且所應(yīng)用方法存在多個(gè)有效DMU、關(guān)鍵與非關(guān)鍵因素辨識(shí)度較差、各因素與二者協(xié)調(diào)性間的影響關(guān)系難以量化等問(wèn)題。鑒于現(xiàn)有研究的局限性，本文將利用結(jié)構(gòu)方程模型、基于理想點(diǎn)的改進(jìn)DEA模型綜合提出公交線路資源配置與客流狀況協(xié)調(diào)性評(píng)價(jià)方法，并選取北京市海淀區(qū)65條公交線路作為實(shí)例以驗(yàn)證所提出方法的有效性。

1 指標(biāo)體系構(gòu)建

公交線路資源配置與客流狀況的協(xié)調(diào)性是指在一定的時(shí)間段內(nèi)公交線路可利用的資源與所吸引的最大客流量相匹配的良好狀態(tài)。二者綜合作用、相互制衡，最終體現(xiàn)為線路在現(xiàn)有資源條件下盡可能滿足沿線客流需求。

公交線路資源配置往往受到一定的軟限制與硬限制，分別對(duì)應(yīng)運(yùn)營(yíng)狀況與基本布設(shè)。根據(jù)GB∕T 37114—2018《公共汽電車線網(wǎng)設(shè)置和調(diào)整規(guī)則》（以下簡(jiǎn)稱《規(guī)則》），在基本布設(shè)一級(jí)指標(biāo)下選取線路長(zhǎng)度、平均站點(diǎn)間距、非直線系數(shù)這3個(gè)二級(jí)指標(biāo)。而由于公交線路布設(shè)具有成網(wǎng)特性且部分居民出行起訖點(diǎn)間無(wú)直達(dá)公交線路，還需考慮線路間的換乘因素，額外添加換乘站點(diǎn)比例這1個(gè)二級(jí)指標(biāo)；在運(yùn)營(yíng)狀況一級(jí)指標(biāo)下選取發(fā)車間隔、平均運(yùn)送速度這2個(gè)二級(jí)指標(biāo)，并提出車輛定員二級(jí)指標(biāo)以量化《規(guī)則》中“運(yùn)營(yíng)車輛選型配置”指標(biāo)。

公交線路客流狀況是線路在運(yùn)營(yíng)時(shí)所吸引的客流及其特征的相關(guān)指標(biāo)，體現(xiàn)城鎮(zhèn)居民對(duì)線路的實(shí)際需求。根據(jù)上述《規(guī)則》，選取日客運(yùn)總量指標(biāo)，且考慮本文主要從整體時(shí)段角度評(píng)估線路資源配置與客流狀況協(xié)調(diào)性而非單一時(shí)段，提出平均滿載率指標(biāo)替代《規(guī)則》中“高峰小時(shí)平均滿載率”指標(biāo)。此外，為充分評(píng)估沿線客流與線路資源間的協(xié)調(diào)程度，進(jìn)一步提出日客運(yùn)周轉(zhuǎn)量指標(biāo)。

綜上，公交線路資源配置與客流狀況協(xié)調(diào)性指標(biāo)體系見(jiàn)表1。

表1 指標(biāo)體系Tab.1 Indicator system

2 綜合評(píng)價(jià)方法

2.1 評(píng)價(jià)方法思路

根據(jù)所構(gòu)建的公交線路資源配置與客流狀況協(xié)調(diào)性評(píng)價(jià)指標(biāo)體系，本文應(yīng)用IC卡數(shù)據(jù)擴(kuò)樣方法以豐富原始數(shù)據(jù)，引入結(jié)構(gòu)方程模型確定有效指標(biāo)及其相對(duì)應(yīng)的影響效應(yīng)，并結(jié)合基于理想點(diǎn)的改進(jìn)DEA模型以實(shí)現(xiàn)公交線路資源配置與客流狀況協(xié)調(diào)性的綜合評(píng)價(jià)，見(jiàn)圖1。

圖1 評(píng)價(jià)方法思路Fig.1 Approach of the evaluation method

2.2 IC卡數(shù)據(jù)擴(kuò)樣方法

考慮到IC卡數(shù)據(jù)是現(xiàn)有公交線路協(xié)調(diào)性評(píng)價(jià)研究中的主要數(shù)據(jù)源之一，但該數(shù)據(jù)尚不能普及全部常規(guī)公交出行者，且仍存在原始數(shù)據(jù)中數(shù)據(jù)缺失、數(shù)據(jù)錯(cuò)誤等問(wèn)題，需對(duì)公交線路客流數(shù)據(jù)進(jìn)行擴(kuò)樣，擴(kuò)樣公式見(jiàn)式（1）～（2）[19]。

式中：Qi為擴(kuò)樣后線路i的客流數(shù)據(jù)，人·次；ui為線路i的擴(kuò)樣系數(shù)；Ni為線路i的刷卡量，人·次；ξ為日交通不均勻系數(shù)；為線路i第j車次的刷卡率；k為調(diào)查時(shí)段內(nèi)線路i的車次數(shù)。

2.3 結(jié)構(gòu)方程模型

由于DEA模型在具體評(píng)價(jià)過(guò)程中仍存在難以判斷有效指標(biāo)、有效指標(biāo)間作用關(guān)系不明及影響效應(yīng)確定主觀等劣勢(shì)，故引入結(jié)構(gòu)方程模型。

結(jié)構(gòu)方程模型包含顯變量（可直接測(cè)量因素）和潛變量（不可直接測(cè)量因素）2類變量，可對(duì)變量有效性及變量間作用的各種影響效應(yīng)進(jìn)行判斷分析，是1種綜合性較強(qiáng)的統(tǒng)計(jì)分析方法。根據(jù)變量間關(guān)系，結(jié)構(gòu)方程模型可劃分為結(jié)構(gòu)模型與測(cè)量模型，測(cè)量模型還可進(jìn)一步分為構(gòu)成型測(cè)量模型與反映型測(cè)量模型[16]。結(jié)構(gòu)模型、構(gòu)成型測(cè)量模型與反映型測(cè)量模型見(jiàn)式（3）～（5）。

式中：η為潛變量；S為潛變量的路徑系數(shù)；ζ為殘差；γi為第i個(gè)顯變量對(duì)潛變量的解釋系數(shù)，即權(quán)重；xi為第i個(gè)顯變量；ε為隨機(jī)誤差；λi為潛變量對(duì)第i個(gè)顯變量的解釋系數(shù)，即載荷；εi為測(cè)量誤差。

在公交線路資源配置與客流狀況協(xié)調(diào)性綜合評(píng)價(jià)中，基本布設(shè)、運(yùn)營(yíng)狀況與客流狀況因無(wú)法通過(guò)數(shù)據(jù)測(cè)量等手段直接獲得而判定為潛變量，線路長(zhǎng)度、發(fā)車間隔、日客運(yùn)總量等為顯變量。之后，形成由3個(gè)潛變量組成的1個(gè)結(jié)構(gòu)模型、包含潛變量及其對(duì)應(yīng)顯變量的3個(gè)測(cè)量模型，3個(gè)測(cè)量模型又細(xì)分為分別以基本布設(shè)、運(yùn)營(yíng)狀況為潛變量的2個(gè)構(gòu)成型測(cè)量模型和以客流狀況為潛變量的1個(gè)反映型測(cè)量模型。

選用偏最小二乘法（partial least squares，PLS）進(jìn)行模型內(nèi)的路徑系數(shù)估算。設(shè)基本布設(shè)等潛變量為ηi，線路長(zhǎng)度等顯變量為xij。具體估算過(guò)程為：若潛變量η1與η2相關(guān)，則結(jié)構(gòu)模型路徑系數(shù)為e12=cor(η1，η2)。若潛變量η2估值為q2，則針對(duì)潛變量η1的估值為若潛變量η1與顯變量x12相關(guān)，則測(cè)量模型路徑系數(shù)為r12=cor(x12，z1)[20]。其余變量間路徑系數(shù)估算同理。

為進(jìn)一步驗(yàn)證模型對(duì)各變量解釋的科學(xué)性，仍需對(duì)所建模型進(jìn)行相應(yīng)的效度檢驗(yàn)、顯著性檢驗(yàn)等，并根據(jù)檢驗(yàn)結(jié)果修正模型，篩選有效指標(biāo)，獲得指標(biāo)重要度排序，進(jìn)而為公交線路資源配置與客流狀況協(xié)調(diào)性綜合評(píng)價(jià)奠定基礎(chǔ)。

2.4 基于理想點(diǎn)的改進(jìn)DEA模型

為客觀、合理評(píng)價(jià)公交線路資源配置與客流狀況協(xié)調(diào)性，各指標(biāo)重要度也應(yīng)在評(píng)價(jià)過(guò)程中有所體現(xiàn)。因此，本文選用DEA方法中可以體現(xiàn)指標(biāo)權(quán)重偏好的錐比率C2WH模型[16]作為基礎(chǔ)模型，并將基本布設(shè)、運(yùn)營(yíng)狀況指標(biāo)對(duì)應(yīng)的二級(jí)指標(biāo)作為投入指標(biāo)，客流狀況指標(biāo)對(duì)應(yīng)的二級(jí)指標(biāo)作為產(chǎn)出指標(biāo)。

若每個(gè)DMU有n個(gè)投入指標(biāo)與s個(gè)產(chǎn)出指標(biāo)，則可建立相應(yīng)的投入指標(biāo)權(quán)重向量w=(w1，w2，…，wn)T與產(chǎn)出指標(biāo)權(quán)重向量v=(v1，v2，…，v s)T。其中，w為各投入指標(biāo)的權(quán)重，v為各產(chǎn)出指標(biāo)的權(quán)重。若各投入指標(biāo)的影響效應(yīng)排序確定為w=(w1≥w2≥…≥wn)T，即權(quán)重偏好確定時(shí)，投入指標(biāo)權(quán)重偏好矩陣僅由-1,0,1組成。投入指標(biāo)權(quán)重偏好限制過(guò)程見(jiàn)式（6）。產(chǎn)出指標(biāo)權(quán)重偏好矩陣確定過(guò)程同理。

若上述方程存在最優(yōu)解w0和v0滿足v0Ty0=1，w0∈IntV，v0∈IntU，則DMUj0為DEA有效。

為進(jìn)一步簡(jiǎn)化模型，V，U，K可取為多面凸錐，見(jiàn)式（8）～（9）。

式中：A為m階方陣，為偏好約束錐的約束矩陣；B為s階方陣，為偏好約束錐的約束矩陣。

因此，式（7）進(jìn)一步簡(jiǎn)化為

最后，引入理想點(diǎn)解決評(píng)價(jià)結(jié)果中可能出現(xiàn)多個(gè)有效DMU的問(wèn)題[17]。其核心思想為虛擬1個(gè)投入最小而產(chǎn)出最大的理想點(diǎn)作為唯一有效DMU，令其他參與實(shí)際評(píng)價(jià)的DMU變?yōu)闊o(wú)效，獲得相對(duì)效率排序，從而進(jìn)行綜合評(píng)價(jià)。

3 案例分析

3.1 數(shù)據(jù)來(lái)源及擴(kuò)樣

本文選取北京市海淀區(qū)65條公交線路，收集上述線路工作日連續(xù)3天的IC卡數(shù)據(jù)，在數(shù)據(jù)擴(kuò)樣后獲得全客流樣本，進(jìn)而計(jì)算各指標(biāo)值進(jìn)行模型標(biāo)定及檢驗(yàn)，并以海淀區(qū)香山地區(qū)10條公交線路作為典型對(duì)象進(jìn)行案例分析。

3.2 指標(biāo)有效性檢驗(yàn)及影響效應(yīng)標(biāo)定

基于所構(gòu)建的公交線路資源配置與客流狀況協(xié)調(diào)性結(jié)構(gòu)方程模型，利用SmartPLS3.0軟件對(duì)模型進(jìn)行PLS路徑系數(shù)計(jì)算，計(jì)算結(jié)果見(jiàn)圖2。

由圖2所示模型各變量關(guān)系及其相關(guān)參數(shù)，可建立對(duì)應(yīng)的測(cè)量模型見(jiàn)式（11）～（13），結(jié)構(gòu)模型見(jiàn)式（14）～（15）。

圖2 PLS路徑模型計(jì)算結(jié)果Fig.2 Estimation of the PLS-path model

之后，應(yīng)用SmartPLS3.0軟件對(duì)模型進(jìn)行效度檢驗(yàn)與顯著性檢驗(yàn)。效度檢驗(yàn)主要針對(duì)構(gòu)成型測(cè)量模型進(jìn)行方差膨脹系數(shù)（variance inflation factor，VIF）檢驗(yàn)，針對(duì)反映型測(cè)量模型進(jìn)行組合信度（composite reliability，CR）、平均方差提取量（average variance extracted，AVE）和克朗巴哈系數(shù)（Cronbachs'α）檢驗(yàn)，針對(duì)結(jié)構(gòu)模型進(jìn)行方程確定系數(shù)（coefficient of determination，R2）檢驗(yàn)。顯著性檢驗(yàn)則針對(duì)各顯變量及路徑系數(shù)進(jìn)行T統(tǒng)計(jì)量檢驗(yàn)。檢驗(yàn)結(jié)果分別見(jiàn)表2和表3。

表2 效度檢驗(yàn)Tab.2 Validity test of the proposed model

表3 參數(shù)顯著性檢驗(yàn)Tab.3 Significance test of parameters

表4 路徑系數(shù)顯著性檢驗(yàn)Tab.4 Significance test of path coefficient

見(jiàn)表2，分析變量間的共線性VIF值均小于10，表明構(gòu)成型測(cè)量模型的有效性滿足要求。反映型測(cè)量模型中CR≥0.7、AVE≥0.5、Cronbach'sα≥0.7，各項(xiàng)檢驗(yàn)結(jié)果均較好，表明該模型具有較好的收斂有效性與內(nèi)部一致性。此外，針對(duì)結(jié)構(gòu)方程模型而言，R2用來(lái)反映基本布設(shè)對(duì)運(yùn)營(yíng)狀況、基本布設(shè)與運(yùn)營(yíng)狀況對(duì)客流狀況的解釋能力，認(rèn)為R2≥0.66時(shí)解釋能力優(yōu)秀，0.66＞R2≥0.35時(shí)解釋能力良好，0.35＞R2≥0.17時(shí)解釋能力較弱，若R2＜0.17則不可接受解釋關(guān)系[16，20]。由表2可知，R2取值均大于0.35，表明模型內(nèi)變量解釋能力良好。因此，該模型效度較好，可靠性較高。

見(jiàn)表3～4，模型參數(shù)的顯著性檢驗(yàn)是針對(duì)路徑載荷/權(quán)重、路徑系數(shù)等的路徑參數(shù)進(jìn)行T統(tǒng)計(jì)量檢驗(yàn)。在顯著性水平為0.05的條件下，T統(tǒng)計(jì)量均大于1.96，變量間的影響關(guān)系有效。其中，相較于運(yùn)營(yíng)狀況，基本布設(shè)對(duì)客流狀況的影響更為顯著，路徑系數(shù)達(dá)0.765。

綜上，公交線路資源配置與客流狀況協(xié)調(diào)性結(jié)構(gòu)方程模型通過(guò)各項(xiàng)檢驗(yàn)，各項(xiàng)評(píng)價(jià)指標(biāo)有效，無(wú)需進(jìn)行指標(biāo)的修正或刪減。

為進(jìn)一步研究各指標(biāo)對(duì)二者協(xié)調(diào)性的不同影響程度，對(duì)其進(jìn)行影響效應(yīng)分析。按照2個(gè)變量間是否經(jīng)由中間變量相連，將影響效應(yīng)劃分為直接影響效應(yīng)和間接影響效應(yīng)?；诠痪€路資源配置與客流狀況協(xié)調(diào)性結(jié)構(gòu)方程模型的路徑參數(shù)計(jì)算結(jié)果，匯總各變量的直接影響效應(yīng)和間接影響效應(yīng)，獲得總影響效應(yīng)。效應(yīng)影響取值見(jiàn)表5。

由表5可知，作為投入變量的顯變量共7項(xiàng)，按照總效應(yīng)的取值大小確定影響效應(yīng)排序，具體是平均站點(diǎn)間距＞線路長(zhǎng)度＞非直線系數(shù)＞平均運(yùn)送速度＞換乘站點(diǎn)比例＞發(fā)車間隔＞車輛定員；作為產(chǎn)出變量的顯變量共3項(xiàng)，影響效應(yīng)排序?yàn)槿湛瓦\(yùn)總量＞平均滿載率＞日客運(yùn)周轉(zhuǎn)量。

表5 各指標(biāo)影響效應(yīng)值Tab.5 Effectiveness of the factors

3.3 綜合評(píng)價(jià)及分析

選取海淀區(qū)香山地區(qū)10條公交線路進(jìn)行典型案例評(píng)價(jià)，該地區(qū)公交線路整體資源配置較低，客流具有季節(jié)分布不均、短期激增及局部密集等特點(diǎn)，需綜合把握各線路資源配置與客流狀況協(xié)調(diào)性，進(jìn)而提升該地常規(guī)公交線網(wǎng)的整體服務(wù)水平。

基于各條線路相關(guān)數(shù)據(jù)，確定理想DMU各指標(biāo)取值，見(jiàn)表6。

表6 理想DMU指標(biāo)值Tab.6 Indicator values of the ideal DMU

根據(jù)公交線路資源配置與客流狀況協(xié)調(diào)性結(jié)構(gòu)方程模型中確定的各指標(biāo)影響效應(yīng)排序，構(gòu)建投入指標(biāo)偏好矩陣及產(chǎn)出指標(biāo)偏好矩陣，見(jiàn)式（16）～（17）。

最后，分別運(yùn)用Matlab軟件對(duì)本文所提出的方法及傳統(tǒng)DEA方法進(jìn)行求解，獲得10條公交線路資源配置與客流狀況協(xié)調(diào)性的效率值及其排序，求解結(jié)果見(jiàn)圖3。

圖3 評(píng)價(jià)結(jié)果Fig.3 Evaluation results

見(jiàn)圖3，根據(jù)傳統(tǒng)DEA方法評(píng)價(jià)結(jié)果，563和505等5條線路的相對(duì)效率取值均為1，難以針對(duì)上述線路進(jìn)一步評(píng)價(jià)其資源配置與客流狀況協(xié)調(diào)性優(yōu)劣。此外，結(jié)合實(shí)地調(diào)研結(jié)果，698線路各時(shí)段平均滿載率較低；360快線路平均站點(diǎn)間距遠(yuǎn)超同類型線路建議值；331線路途經(jīng)高校、醫(yī)院、寫字樓等客流發(fā)生和吸引點(diǎn)，高峰時(shí)段存在多個(gè)斷面客流峰值，潮汐現(xiàn)象明顯，但非直線系數(shù)較高、平均運(yùn)送速度較慢。相較于實(shí)際情況，針對(duì)上述3條線路的資源配置與客流狀況協(xié)調(diào)性評(píng)價(jià)結(jié)果均存在不同程度的高估問(wèn)題。

結(jié)合本文所提出的綜合評(píng)價(jià)方法進(jìn)行評(píng)價(jià)，除理想DMU的效率達(dá)到最優(yōu)外，其他DMU相對(duì)效率均分布于（0，1）區(qū)間內(nèi)，且10條公交線路資源配置與客流狀況協(xié)調(diào)性明顯劃分為3個(gè)等級(jí)，等級(jí)間效率均出現(xiàn)顯著躍升，分別為位于（0，0.30]效率區(qū)間內(nèi)的539和469線路，位于[0.30，0.60]效率區(qū)間內(nèi)的318和630等線路，位于[0.60，1.00）效率區(qū)間內(nèi)的563和505線路。

針對(duì)539和469線路進(jìn)行分析，這2條線路均為該地區(qū)支線線路，資源配置較低，但由于主要承擔(dān)頤和園至地鐵10號(hào)線間的接駁任務(wù)而早晚通勤期間客流較大，加之旅游旺季時(shí)大量不均衡客流疊加，線路資源配置與客流狀況間的協(xié)調(diào)性相對(duì)較差。而563和505線路等為香山地區(qū)連接城區(qū)的長(zhǎng)途線路，日均客流量較大，平均運(yùn)送速度較快，線路資源配置與客流狀況協(xié)調(diào)性較好。上述評(píng)價(jià)結(jié)果也與線路等級(jí)等實(shí)際情況相符。

此外，根據(jù)指標(biāo)影響效應(yīng)排序，建議評(píng)價(jià)結(jié)果較差的公交線路，如539線路、469線路等，從平均站點(diǎn)間距、線路長(zhǎng)度等方向依次進(jìn)行優(yōu)化以提升公交線路資源配置與客流狀況協(xié)調(diào)性。

4 結(jié)束語(yǔ)

科學(xué)評(píng)估公交線路資源配置與客流狀況協(xié)調(diào)性是針對(duì)性優(yōu)化線網(wǎng)布局及提升服務(wù)質(zhì)量的必然要求。本文結(jié)合結(jié)構(gòu)方程模型、基于理想點(diǎn)的改進(jìn)DEA模型提出公交線路資源配置與客流狀況協(xié)調(diào)性綜合評(píng)價(jià)方法，有效識(shí)別關(guān)鍵指標(biāo)并確定其影響效應(yīng)，進(jìn)而獲得評(píng)價(jià)對(duì)象的差異化排序，對(duì)公交網(wǎng)絡(luò)整體布局的定向優(yōu)化具有指導(dǎo)意義，獲得的主要結(jié)論如下。

1）公交線路資源配置與客流狀況協(xié)調(diào)性受平均站點(diǎn)間距、線路長(zhǎng)度、非直線系數(shù)、平均運(yùn)送速度、換乘站點(diǎn)比例等因素的影響效應(yīng)依次遞減。其中，平均站點(diǎn)間距的影響效應(yīng)達(dá)到0.901。

2）針對(duì)應(yīng)用傳統(tǒng)DEA方法評(píng)價(jià)時(shí)5條公交線路相對(duì)效率均取值為1而難以細(xì)分優(yōu)劣的問(wèn)題，所提出的公交線路資源配置與客流狀況協(xié)調(diào)性綜合評(píng)價(jià)方法可獲得差異化排序，且排序結(jié)果符合線路等級(jí)及實(shí)際運(yùn)營(yíng)情況。