公共汽车交通服务水平评价系统

张 凡,上官晨博,邹吉聪,沈佳麟

公共汽车交通服务水平评价系统

张 凡,上官晨博,邹吉聪,沈佳麟

(同济大学交通运输工程学院,上海201804)

研究信息条件下单线路公共汽车交通服务水平评价指标及方法,信息主要包含两部分内容,一是公布的公交车辆运行数据,二是公交出行乘客出行经验积累的数据.通过对公交营运公司提供的公交车辆AVL运行数据进行统计分析,获取公交车辆运行信息,将乘客划分为四个类别,以调查问卷及车内统计的方式采集各类乘客的出行信息.通过建立信息条件下乘客出行行为模型,并结合建模方法,在自主开发的仿真实验平台上,对上海市49路公交车服务过程进行仿真实验,以公交服务可靠性为评价指标,对公交服务水平进行评价.

信息条件;公交服务可靠性;公交服务水平评价;数学建模;AVL

公共汽车是公共交通系统的重要组成部分.目前上海市拥有至少1 098条公交线路,公共汽车在公共交通系统中的主体作用依然十分明显.然而,公共汽车服务存在很多不足:早晚高峰时车上拥挤、车辆行程时间长;公交线路、车站设置不合理;公交车候车时间难以掌握,影响乘客的出行安排;公交车辆不规范停车现象很严重等等.随着城市化的发展,居民对于城市公交服务水平的要求日益增长.建立合适的公共汽车服务水平评价系统,对于提高公共汽车服务水平具有重要意义.

公共汽车的服务水平可以用公共汽车服务的可靠性来衡量.公交服务的可靠性,是公共汽车在工作日循环运营,不同类型的乘客通过乘车而获得的对该条公交线路的信赖程度.公交服务的可靠性好,则公交服务的水平也较高.

乘客是直接接受公交服务的客体,较差的服务将增加乘客的焦虑,影响乘客的整个出行过程及之后的活动,对乘客个人和社会活动都会带来不利影响.所以,从乘客感知角度研究公交服务的可靠性更加客观,可信度更高.

本研究即从乘客感知角度出发,根据不同乘客的属性通过研究乘客的候车时间、车上时间、是否准时到达目的地等指标评价单线路公交车服务的可靠性.

目前,国外学者对城市公交服务水平的研究主要集中在对服务质量的因素分析、调查方案设计和定量评价方面,在研究过程中较多地体现了乘客心理分析、调查方法和数学模型构建等相关理论与方法.

David A.Hensher[1,2]、William[3]、瑞典卡尔斯塔德大学服务研究中心的弗尔曼、艾弗德森和汤姆[4]从不同角度对公交服务质量建立模型.

Liu Ronghui等[5]提出了评价可靠性的指标,Rietveld[6]等人提出了公共交通链的概念.

我国现有的对公交服务水平的研究主要集中在评价指标的选取、评价方法的改进(AHP方法运用较多),应用数学模型多以综合评价服务水平为目的.杨晓光等[7]对先进的公共交通系统的综合评价方法进行了研究,提出的基于系统工程理论的APTS模糊综合评价方法是一种综合考虑所有影响因素进行综合评判的方法的初步尝试.罗宇龙等[8]基于UML建立了公交评价指标.高桂凤[9]等运用A HP法建立了城市公交服务质量的评价指标体系.邵祖峰[10],设计了城市公共交通服务质量评价神经网络模型.张殿忠[11]则运用模糊数学的理论与技术进行综合评价.覃频频[12]利用模糊集理论建立一种模糊综合评价方法.

刘武等[13]提出公交服务乘客满意度指数模型;杨俊[14,15]以灰色理论为基础提出灰色关联评估模型;孟祥华[16]以公共交通服务为例,利用相对价值法探讨了城市公交服务质量的评价方法.

1 公交服务建模

1.1 信息条件的建模研究

本文信息有两层含义:一是由政府或公交营运部门向乘客提供的能够对乘客出行行为产生影响的公交运行数据,包括公交车辆到站时间以及行程时间等;二是出行乘客出行经验积累的数据,包括候车时间以及车内时间等.

基于AVL数据的(i,j)站间车辆行程时间:Tm=Tj-Ti

式中,Tj和Ti分别为到达j站和i站的时刻.

对于无出行经验的公交乘客,他们的信息仅仅局限于公布的公交运行数据;而对于有经验的公交乘客,他们以往的出行经验也会影响其出行,对他们来讲经验也是信息.日积月累的出行会使乘客对出行的候车时间和车内时间有一个经验范围的认识.本研究比喻这类乘客具有一个经验池,在完成每一次成功出行后,该次的出行经验会储存在乘客的经验池中.

1.2 服务客体建模研究

1)乘客分类

设所有乘客为集合X,对于任意一个乘客xi:

DASP(Daily Arrival Scheduled Passenger)指经常性的出行乘客,在每天或一周中固定几天的固定时间段内出行,他们对到达时间有严格要求.

DDSP(Daily Departure Scheduled Passenger)指经常性的在固定时间离开某地的乘客,即该类乘客产生时间固定.

RASP(Random Arrival Scheduled Passenger)指非经常性出行的对到达时间有严格要求的乘客.

RP(Random Passenger)指非经常性出行且对到达时间没有严格要求的乘客.

2)乘客出行行为建模

由公布数据得到的(i,j)站间行程时间:

式中:Tj为当天一班公交车轨迹在第j站时间,时间,Tm为轨迹时间,即公交发布信息.

营运企业公布的发车间隔为TH.(历史相关数值计算得出)

乘客两站间车内时间经验值Te.(乘客经验数据)

信息条件下乘客两站间期望车内时间:

式中:Tpb为乘客乘车两站间期望时间,α为经验参数.对于DASP和DDSP两类乘客,0<α<1,其认定的两站间车内时间由两类信息共同决定;对于RASP和RP两类乘客,由于是非经常出行的乘客没有经验,所以α =0.

乘客感知候车时间Tsw,对于DASP和DDSP两类乘客,Tsw是成功出行经历中候车时间的函数;对于RASP和RP类乘客,可以认为他们的感知候车时间即为

DASP和RASP类乘客是对到达时间有严格要求的乘客,这两类乘客的期望到达时间为Tpa.

系统生成DASP和RASP类乘客的时间:

式中:Tp为乘客产生时间.DDSP类乘客在每天固定时间段内生成,RP类乘客随机生成.

对于DASP和RASP类乘客,实际候车时间:

式中TD为公交车离开站点时间.

乘客到达时间:

式中TA为乘车到达车站时间,TB为两站间乘客实际车内时间.

3)乘客乘车延误及乘车欲望研究

每辆到达站台公交车都有承载容量,因此会有乘客不能顺利搭乘此辆公交车而需要乘坐之后到达的车辆,称为乘客乘车延误.

设一辆公交车的承载容量为A,到达某站点前车上人数称为留车人数,为N,在该站将要下车的人数为B,站台上等待乘坐该辆车的人数为C.

若C>A-(N-B),需建立模型决定哪些乘客上车:

乘客对目前到达车站车辆的上车欲望为D,对于任一乘客xi:

设此时站台上C个乘客每个乘客上车的基本概率为P0,由每个乘客的上车欲望重新调整每个乘客的上车概率,调整后的上车概率为Pi:

但需保证

设Li为累计分布函数,即现通过计算机生成一个(0,1)上的随机数r,用r代表一个乘客,若Li-1

若某乘客已等待k班车仍未成功上车,则该乘客在等到第k+1班车时的乘车欲望变为:Dki=Di+0.4k

1.3 公交服务过程建模研究

公交服务过程建模基于公交营运商提供的AVL数据进行.经过统计可得出,这些时间基本符合正态分布.本研究可以通过计算出正态分布的均值和方差,得到历史轨迹分布的特征值.

2 公交服务可靠性测度模型研究

本章将从乘客感知角度,确定信息条件影响下评价公交服务可靠性的因子,对可靠性因子进行建模,从而得到评价公交服务可靠性的方法,是仿真系统运行的基础.

2.1 感知候车时间

以往的研究中,通常认为乘客在站点的候车时间为:tw=

式中:H为车头时距.

但这个结果并不适用于所有车头时距的情况及所有类型的乘客.当车头时距较小时(比如3 min),不管乘客是否知道车辆何时到达,是否是基于经验车辆到达时间决定自己的出行,在相邻两车的到达时间内的乘客都可以视为均匀到达车站.而当车头时距较大时,基于经验出行的乘客(DASP、DDSP)因为有车辆何时到达的经验,在第二类信息影响下他们会将自己到达车站的时间靠近其经验的车辆到达时间td以减少自己的候车时间,所以在大车头时距情况下多数DASP和DDSP会在靠近车辆到达时间的时间段内出现在车站,他们的到达不能视为在相邻两车的到达时间段内是均匀的,这就是用tw=来描述候车时间的最大缺点,它不能体现大车头时距情况下乘客的经验对候车时间的影响.

对有经验乘客(如DASP类乘客)来说,在完成每一次成功出行后,该次的出行经验会储存在乘客的经验池中.乘客在出行前,会在经验池中选取一个值作为出行参考值,并结合第一类信息和路况等,决定自己的出行时间和方式.如果一次出行失败了,乘客会将自己的经验池调整,改变下一次的出行.乘客会选取经验池里面一个值作为参考值,这个参考经验得到的候车时间值即为感知候车时间Tsw.它是所有成功出行经历中候车时间Tsu的函数.需要指出,当乘客到达车站正好上车或经历了极短的时间(候车时间阈值c)即上了车,此时的成功经历不能影响其经验,即不能影响其感知候车时间,因为乘客会将这种情况视为运气较好;同理,乘客经历了相当长的候车时间(比如车辆遇到交通严重堵塞或事故)之后上车,即使出行成功,该次经历也不能作为成功经历影响其感知候车时间,因为乘客对于候车时间有一个限度(上限候车时间a),超过这个限度乘客会产生焦虑.所以,感知候车时间Tsw满足:

式中,c为可忽略候车时间阈值,a为上限候车时间.

令Nsu表示所有成功经历的次数,Tsu(n)为所有成功经历中符合要求的小于候车时间Tsu(n)的次数大于nNsu时的候车时间:

2.2 感知车内时间

同感知候车时间,在乘客的车内时间经验池中,多次成功的出行经验的车内时间也大致成正态分布,乘客会选取经验池里面一个值作为参考值,这个参考经验得到的候车时间值即为感知车内时间Te,它是所有成功出行经历中实际车内时间TsuB的函数.

2.3 四类乘客可靠性因子

2.3.1 DDS P类乘客可靠性因子

为建立乘客感知公交服务可靠性评价模型,引入感知候车时间可靠性因子

式中:rw为可靠性因子,个经验池的积分,综合得到可靠性因子rw的含义为:小于经验候车时间选取值内的比例,即候车时间可靠的比例.

同样,引入车内时间可靠性因子是对乘客候车时间经验池中A点左侧频率函数的积分指整

式中,β为一个加权参数.

由上面可以看出可靠性指标R是取值为0,1间,取值越大,证明公交服务可靠性越高. 2.3.2 DA S P类乘客可靠性因子

引入迟到时间因子rl:

式中,TA为实际到达时间,TS为计划到达时间.所以,综合得到DASP的可靠度R为:

式中:α,β分别为迟到时间因子和感知候车时间因子所附的权值.DASP的可靠度由迟到时间因子和感知候车时间因子组成,两个因子分别附有权值.

2.3.3 RA S P类乘客可靠性因子

对RASP类乘客来说,对到达时间有要求,但是没有相关的经验作为参考.所以公交服务可靠性由候车时间和迟到时间决定.

式中,rw2为候车时间因子,rl为迟到时间因子.

λ为迟到时间因子所附的权值.RASP的可靠度由迟到时间因子和候车时间因子组成,两个因子分别附有权值.

2.3.4 R P类乘客可靠性因子

对于临时出行的乘客,公交可靠性是由实际出行值和信息承诺的出行值之间的差别决定的.

到达曲线分布大致为正态分布,波动范围为车头时距H:

式中,R为可靠性指标,TA为实际到达时间,TM为营运企业公布信息承诺到达时间,H为车头时距.可以得出,R是取值为[0,1]间,R值越大,公交服务可靠性越高.

3 仿真系统研究

3.1 仿真系统

3.1.1 仿真系统介绍

本研究所用仿真系统为同济大学交通运输工程学院智能公交系统仿真实验室基于MFC平台开发的公交服务可靠性评价仿真系统.模拟在不同客流状态下同一线路的服务情况.所得结果可用于分析乘客客流总量对公交服务可靠性的影响.

3.1.2 仿真过程

选取系统中存在的线路,选取制定线路的历史轨迹文件,加载含有车头时距的轨迹进行公交车运行轨迹初始化,配置线路特征及乘客特征,加载仿真方案,进行仿真试验.

3.2 系统乘客初始化

乘客的初始化可归纳为乘客的时间分配和乘客的空间分配两个过程.

3.2.1 乘客的时间分配

运用表搜索法产生离散分布随机数的方法完成乘客的时间分配.

将某条公交线路全天的运营时间以半小时为单位分成若干个时间段.根据调查结果,得到每类乘客在全天营运时间各时间段内的出行概率,现任取(0,1)上均匀分布的随机数r,根据四类乘客的比例,要生成每类乘客,则需生成Qi个随机数.若在第i个时间段内得到m个出行乘客,这m个乘客在30 min的时间内以min的间隔出行.

3.2.2 乘客的空间分配

本研究采用基于站点上下客人数的公交客流OD反推方法对乘客的出行进行空间分配.其基本原理为“基于留车乘客的下车概率分布,利用公交站点的上下客人数,同时以路段客流量为约束条件,推算公交客流OD矩阵.”[5]该理论应用的前提为——公交出行乘客出行站数服从泊松分布.

3.3 系统车辆轨迹初始化

公交车运行轨迹初始化,由满足正态分布的随机数的生成只需要12个数据,所以,在历史轨迹数据上,为了节约运算时间,系统仿真首先提取30 d历史数据,通过统计计算,得出该30 d服从分布的参数,由参数可以得到基本服从一个正态分布.通过计算出正态分布的特征值,得到历史轨迹分布参数.

3.4 信息在仿真系统中实现

本研究中信息有两种含义:

(1)公交运行数据.在仿真系统中的实现依靠多维数组,数组中储存公交一个运行方向中任意两站间行程时间,作为无经验乘客(RASP、RP类乘客)决策出行的依据并影响有经验乘客(DASP、DDSP类乘客)的出行行为.

(2)乘客经验信息.其实现依靠一维数组,每一天的成功出行经历将存入数组中,数组中所有元素共同影响乘客出行行为.

4 实例分析

本研究选取上海市49路公交作为研究试验线路.

4.1 实例背景概述

49路途经福州路、人民广场,是上海市重要的公交换乘站点,四类乘客均占有相当比例,便于项目研究.

4.2 调查设计

调查对象:车站调查:49路沿线站点,选取典型车站.车内调查:定时间内的49路公交车,汉口路江西中路——上海体育馆方向.

调查内容:调查分为各站车内上下车人数统计及典型站台乘客性质及出行调查两部分,希望以此得出49路公交的站点OD及不同类型的乘客所占比例和时间分布.

调查方式:车内调查统计各站上下车人数;车站调查在站台全天对49路公交车乘客进行问卷调查,包括目标车站、期望候车时间、到达时间要求以及出行目的.

4.3 调查结果及参数标定

本研究通过对49路车内调查统计每站上下车人数,利用OD反推的方法,得到每天乘客的总数量以及乘车站距分布.

4.3.1 站台调查结果及乘客出行时间分布

1)乘客出行时间分布

由全天统计结果计算得每半小时各类乘客所占本类乘客数量的概率汇总.

系统中各类乘客生成时间分布由各自时间分布概率,通过生成随机数,确定乘客的生成时间.

2)乘客出行站数分布

本调查通过对49路公交线路进行的车站调查,共得到1 389人的OD抽样调查结果,公交乘客出行站数近似服从泊松分布.通过χ2检验,上述调查数据在显著水平0.05下服从泊松分布.分析结果可以认为,公交出行乘客出行站数服从泊松分布,符合OD反推理论前提.

3)各类型乘客所占比例

周末分布:DASP:6%;DDSP:49%;RASP:17%;RP:28%;

工作日分布:DASP:23%;DDSP:30%;RASP:20%;RP:27%.

4.3.2 跟车调查结果及乘客出行OD分布

本研究根据公交乘客的OD抽样调查资料,进行数据处理,根据调查的乘客平均出行站数,结合之前概率论模型推出乘客出行站数的分布图,由于其满足泊松分布,符合基于上下车人数的乘客出行OD反推理论使用条件,利用跟车调查统计得到的公交车上下客人数,以路段客流量为约束条件,推算公交客流OD矩阵.本方法只需要较少数据,操作相对简单.

5 仿真结果及分析

5.1 仿真结果

通过系统仿真,我们得到在每天产生不同的乘客数(4 000～9 000人/天)下的200 d的仿真数据.对于4类不同类型的乘客,所产生的数据也有所不同.

5.2 仿真数据分析

5.2.1 仿真结果可靠性分析

表1 4 000人DASP可靠性频率统计Table 1 Reliability Frequency Statistics of 4 000 DASP

从表1看出,RASP类乘客可靠性的分布较为平均,RP乘客为一次出行,对到达时间没有要求,所以对服务要求不高,故统计出来的RP类乘客总体可靠性较高.然而RASP类乘客虽然为一次出行,但是对到达时间有严格要求,所以对服务要求相对较高,统计出来的总体可靠性较RP低.DASP乘客对服务可靠性要求最高,不仅对到达时间有严格要求,由于有出行经验,因此对候车时间也有要求,所以统计出来可靠性高的范围内比例较其他类乘客最少,可靠性评价最低.

5.2.2 全天客流量4 000人共200 d实例分析

引入感知候车相对修正比例:

式中,TW1表示第1天感知候车时间,TW200表示第200 d感知候车时间.

这个指标表明了经过一段时间,乘客对感知候车时间的修正比例.DDSP和DASP两类乘客属性有着差别,DASP有着严格的到达时间要求,因此乘客的乘车欲望相对来说较高,所以感知候车时间不会过于偏大.然而,DDSP乘客对到达时间没有要求,乘车欲望不算很高,因此造成有些乘客离散的感知时间偏离较远.

5.2.3 全天客流量4 000～9 000人纵向分析

通过仿真的数据可以得到不同客流量DASP类型乘客迟到时间均值分布情况,从三个不同流量的数据对比可以看出,人流量大时乘客迟到时间波动变大且早到时间明显提前.由于乘客迟到时间波动很大,所以乘客有可能很早到也可能很晚才到,增加了乘客出行的不定性.迟到时间波动,会使乘客过早或者过晚到达目的地,也就意味着行程的可靠性降低,不定性增高.

5.3 迟到概率

图1 RASP与DASP类型乘客迟到概率对比Fig.1 Comparison of Late Rate between RASP&DASP

图2 RASP与DASP类型乘客迟到时间分布图Fig.2 The Comparison of Late Time between RASP&DASP

由上至下分别为:RAPS迟到概率、DASP迟到概率.

由图1可知,由于RASP没有经验支撑,仅仅依靠公交公司提供的行车作业计划进行出行,因此发生迟到的概率相当高,基本接近五成,而对于有经验依靠的DASP来说,他们的迟到概率还不到10%,发生迟到的可能性应该说是微乎其微,因为他们会根据经验改善自己的出行.

图2由上至下分别为:RASP最大值、DAPS最大值、RASP均值、DASP均值、RASP最小值、DASP最小值.

研究表明RASP的均值都略大于0,表明迟到是一种经常发生的事情,而DASP的均值则在-10左右浮动,所以DASP类型的乘客可以通过经验调节来保证自己不比要求到达时间晚到,同时也不至于过早到达.随着客流量增加,乘客的迟到概率和波动幅度有明显变大的趋势.但是,和DASP有明显的区别,RASP迟到时间的数值比DASP数值大许多.表明RASP的迟到时间普遍大于DASP.

6 结论

6.1 感知候车时间

DDSP、DASP这两类经常出行的乘客存在感知候车时间演化的过程.仿真得出,在开始时,感知候车时间的波动幅度较大,随着时间增加,乘客的感知候车时间逐渐稳定.按理论分析,开始时,乘客缺乏候车时间经验,感知候车时间波动较大.随着出行次数增多,更多的出行经验累积,乘客的候车时间经验池逐渐丰富,感知候车时间逐渐趋于稳定.同时,仿真得出,DASP的演化过程比DDSP的演化过程速度快.

RASP、RP类乘客为一次性出行的乘客,所以不存在候车时间的经验积累,也就不存在候车时间的演化过程.从仿真结果分析,此类乘客的候车时间随机,波动幅度很大,不存在演化过程,与理论分析相符.

6.2 迟到率

从仿真结果得出,RASP的迟到率远高于DASP的迟到率.理论分析原因,RASP的乘客出行是完全参考公交运营公司发布的信息,而DASP乘客出行是参考信息和出行经验共同决定出行.由于信息的可靠性有限,所以RASP的迟到率容易受到影响,因此较DASP的迟到率高.这里仿真结果与理论分析相一致.

6.3 可靠性

通过仿真结果得出的四类乘客可靠性结果,可以看出四类乘客可靠性:RP>RASP>DDSP>DASP.理论中,由于DASP乘客对出行要求最高,不仅对到达时间有严格要求,由于有出行经验,因此对候车时间也有要求,所以统计出来可靠性高的范围内比例较其他类乘客最少,可靠性评价最低.RP乘客为一次出行,对到达时间没有要求,所以对服务要求不高,故统计出来的RP总体可靠性较高.

6.4 RASP候车时间

虽然候车时间均值一直在变化,但是总的平均值是保持在一个定值附近,这个结果基本符合理论分析中RASP乘客平均候车时间接近车头时距的一半值这个理论.

6.5 感知候车相对修正比例

仿真得出,DASP和DDSP类乘客都会对候车时间进行修正,逐渐逼近稳定于一个范围内波动,但是DDSP相比于DASP偏离范围较远,即DDSP的感知候车时间较大.

6.6 不同流量修正比例的比较

仿真可得,DASP和DDSP乘客的相对修正比例随着客流量增大也呈增加的趋势.并且,修正的方差也明显增大.

6.7 不同客流量DASP类型乘客迟到时间分布比较

流量增大时,DASP类乘客迟到概率大幅增加,会降低公交系统可靠性.

理论分析,由于客流量增大时,大量的客流量要争取有限的公交车服务,增加了乘客乘车难度,降低造成乘客准点上车成功率,使得候车时间增长,造成迟到时间的巨幅波动.迟到时间波动,会使乘客过早或者过完到达目的地,也就意味着行程的可靠性降低,不定性增高.

[1] DAVID A.HENSHER,PETER Stopher.Philip Bullock Service Quality:Developing a ServiceQuality Index in the Provision of Commercial Bus Contracts[J].Transportation Research PartA:Policy&Practive,2003(6):499-517.

[2] HENSHER,DAVID A.Hierarchical Stated Response Designs-An Application to Bus User Preferences[J].Logistics andTransportation Review,1990,26(4):299-321.

[3] WILLIMA J EN,Kai Chieh-Hu.Application of Perceived Value Model to Identify Factors Affecting]Passengers Repurchase Intentions on City Bus:A Case of TaipeiMetropolitan Area[J].Transportation,2003(3):307-327.

[4] MARGARETA FRIMAN,EDVARDSSON BO,TOMMY GARLING.Frequency of Negative Critical Incidents and Satisfaction with Public Transport Services[J].Journal of Retailing and Consumer Services,2001(8):95-104.

[5] LIU Ronghui.Modelling Urban Bus Service and Passenger Reliability[C].Shalini Sinha Institute for Transport Studies, University of Leeds,Leeds LS2 9J T,U K.

[6] RIETVELD P R,BRUINSMA F R,VAN VUUREN D J.Coping with Unreliability in Public Transport Chains[C].Research Memorandum 1999-3.

[7] 周雪梅,杨晓光.先进的公共交通系统综合评价[J].交通与计算机,2006(6):5-8.

[8] 罗宇龙,刘 莹,林航飞,黄肇义.基于UML的城市公交评价系统建模[J].现代交通技术,2007,4(3):77-80.

[9] 高桂凤,魏 华,严宝杰.城市公交服务质量可靠性评价研究[J].武汉理工大学学报(交通科学与工程版),2007,31(1): 140-143.

[10] 邵祖峰.城市公共交通服务质量评价神经网络模型[J].城市管理与科技,2005(4):178-180.

[11] 张殿忠,王国忠.城市公共汽车客运服务水平综合评价的数学模型[J].内蒙古农业大学学报,2004,25(4):53-57.

[12] 覃频频,陆 凯,黄大明.基于三方评价主体的公交服务质量模糊综合评价[J].广西大学学报(自然科学版),2006(1): 59-63.

[13] 刘 武,李文子.城市公交服务乘客满意度指数模型[J].城市交通,2007,5(6):65-69.

[14] 杨 俊,张清明,郭聪敏.城市公共交通服务质量的灰色关联评估研究[J].焦作工学院学报,2004(4):319-323.

[15] 杨 俊,张清明,郭聪敏.基于灰色系统理论的城市公共交通服务质量评估[J].工业工程与管理,2005(4):89-92.

[16] 孟祥华.服务质量的相对价值评价法探讨[J].价值工程,2000(5):20-21.

Evaluation System of Bus Service

ZHANG Fan,SHAN GGUAN Chen-bo,ZOU Ji-cong,SHEN Jia-lin
(School ofTransportation Engineering ofTongji University,S hanghai201804,China)

Some methods and index for the reliability evaluation of single-line bus service were studied based on the condition of information.Information mainly contains two parts:(1)the operating data was provided by bus companies,and(2)the other was from passengers’experience occupied from daily travelling.By statistical analysis of AVL operating data provided by the bus companies,the public transportation vehicle operation information could be obtained.The travelling information on various types of passengers was divided into four groups by investigation of questionnaire and in-car statistics.Through the establishment of passenger travel behavior model based on the condition of information and combined with modeling methods baseden the independently developed simulation platform,the 49 Road Bus service in Shanghai are processed simulation experiments to evaluate the level of bus service according to bus service reliability evaluation index.

information;reliability of bus service;evaluation;modeling;AVL

TP301

A

0253-2395(2010)02-0198-09

2009-08-28;

2009-09-18

张 凡(1987-),男,山西临汾人,交通工程2006级本科生.