宁波市公共自行车服务满意度评价模型构建研究

2018-05-03陈文鑫岳昊韩红艳施翔匀

山东科学 2018年2期

陈文鑫，岳昊，韩红艳，施翔匀

(1.北京交通大学城市交通复杂系统理论与技术教育部重点实验室，北京 100044；2.武汉理工大学交通学院，湖北武汉 430070；3.北方工业大学电气与控制工程学院，北京 100144)

作为宁波市“四位一体”公交发展思路中的重要一环，公共自行车在缓解城市交通拥堵、解决居民最后一公里出行、改善城市交通环境等方面发挥着重要的作用。因此，公共自行车服务满意度(即使用群体对公共自行车的满意程度)的优劣不仅反映着其功能作用的发挥，也指导着公共自行车下一轮改进的方向。公共自行车作为一种绿色化出行的交通方式，在国内外得到了广泛的认可与推广普及。但对比国内外公共自行车的普及力度、发展现状以及服务满意度不难发现，国外公共自行车的普及力度更大、发展现状更好、服务满意度更高[1-3]。以荷兰格罗宁根市为例，公共自行车在居民日常出行中的占比高达39%[4]，而宁波市此项占比仅为3.78%；同时，荷兰居民中近90%的居民对于国内公共自行车的发展现状表示满意[5-12]，但宁波市公共自行车自2013年投入运营至今，尚未实现对公共自行车服务满意度的有效评价及合理预测。

关于城市公共自行车服务满意度评价模型构建方法的研究，国内学者多应用层次分析法、因子分析法、结构方程模型等方法。其中，崔梦蕾[13]运用因子分析、多元回归模型研究分析公共自行车满意度的影响因素，并对公共自行车满意度进行计量分析；蒋丽芹等[14]采用问卷调查结合因子分析的方法，以无锡市公共自行车为例，提炼影响公共自行车满意度的三类主成分因子并据此进行改善对策的研究；吴宝泰等[15]运用特尔菲法与层次分析法相结合的方法，构建城市公共自行车系统公众满意度评价体系来评价城市公共自行车的公众满意度；钱佳等[16]基于探索性因子分析的方法，构建影响使用公共自行车满意度的结构方程假设模型来研究影响苏州市公共自行车满意度的影响因素；张磊等[17]通过问卷调查的方式，利用因子分析与回归分析相结合的方式分析武汉市公共自行车满意度的影响因素及满意度等。相反，国外学者中则较少有人开展公共自行车服务满意度评价模型构建的相关研究。基于国外公共自行车的发展现状，国外学者更侧重于从事公共自行车布局、规划等方面的研究工作。总结分析国内外研究现状发现，关于公共自行车服务满意度建模的研究主要存在如下3个问题：(1)建模过程缺少数据支撑或数据量过小，无法确保模型的准确性；(2)缺少对模型的验证评估，无法确保模型的适用性及合理性；(3)提出的改善对策过于宏观，针对性较弱。

本文以宁波市公共自行车为例，通过问卷调研方式，采集并回收到1 688份有效问卷。随机抽取95%的问卷样本后，利用因子分析法对95%的问卷样本进行分析、筛选出影响公共自行车服务满意度的6个因子，并利用二项logistic法剔除显著性较弱的因子，筛选出5个有效因子参与构建公共自行车服务满意度评价模型。同时，针对前人研究中未对评价模型进行有效检验的不足，在模型检验过程中利用预留的5%样本数据验证评价模型的合理性与准确性。最后，结合宁波市公共自行车运营特征及国内外公共自行车的发展现状，提出合理的改善对策。

1 问卷基本情况

1.1 问卷问题设置

问卷共包含4部分内容，分别为居民个人信息、公共自行车使用现状、公共自行车常见故障类型以及公共自行车服务满意度。其中，公共自行车服务满意度共包含11个问题，分别为总体满意度评价以及10个涉及服务满意度的因素的评价，10个因素包括：F1站点数量与布局；F2站点设施情况；F3高峰时期借车便利性；F4高峰时期还车便利性；F5刷卡系统稳定性；F6计费准确性；F7自行车外观、质量；F8借还、站点信息发布情况；F9现场、热线工作人员服务态度；F10配套非机动车道及相关设施。针对公共自行车服务满意度的11个问题，设置“满意、一般、不满意”3个选项供给被调查人员勾选，在数据分析环节参考李克特五级评分法，并结合问卷数据特征，对“满意、一般、不满意”3个选项分别赋值5分、3分以及1分进行数据统计分析。

1.2 数据基本情况

通过对被调查人员的个人信息基本情况的统计发现，采集并回收的1 688份居民满意度有效问卷随机分布性好、合理性强、数据详实，具备分析的价值。

1.3 信度及效度检验

构建公共自行车服务满意度评价模型前，本文首先针对问卷进行信度及效度检验，以确保问卷结构的合理性和有效性。信度检验使用克朗巴哈系数(Cronbach′s Alpha)，系数在0～1之间，一般认为0.65～0.70之间是最小可接受值，0.70～0.80之间信度较好，0.80～0.90之间信度很好[18]。经过统计分析，问卷数据得出的克朗巴哈系数为0.734，说明调查问卷信度较好，见表1。

表1 信度检验统计量Table 1 Reliability test statistics

10个服务满意度因素之间的效度以及相关性的检验利用KMO和Bartlett检验[18]，判断问卷有效性的同时检验10个因素是否适合作因子分析。KMO取值越接近1，表明问卷的结构性越好，效度越高。统计并分析问卷数据得到KMO值为0.764，说明问卷结构性较好；另外，样本数据的Bartlett值为2 656.168。当显著性水平为0.01时，由于概率p值小于显著性水平，故应拒绝零假设，认为10个因素之间存在相关性，样本数据适合采用因子分析，见表2。

表2 效度检验统计量Table 2 Validity test statistics

2 因子分析

2.1 提取分析因子

确定样本数据适合采用因子分析法后，对10个因素进行因子分析，提取n个(n≤10)因子。从提取的因子对整体数据的解释情况来看，一般情况下，累积方差贡献率(即因子累计反映原始因素的信息量)不应小于80%。为增强提取的因子对原始因素的解释性，并使得降维效果更加显著，故调查样本数据抽取的特征值应该大于0.700(不包括0.700)，对应的累计方差贡献率大于84.192%，见表3。

表3 特征值及方差贡献率统计表Table 3 Statistical table of eigenvalues and variance contribution rate

注：提取方法为主成分分析法。

根据表3第二组数据(即提取平方和载入)发现，指定提取6个因子后，6个因子共解释10个因素总方差的84.192%以上，原有信息的丢失较少，因子分析效果较为理想；根据第三组数据(即旋转平方和载入)发现，因子旋转后累计方差贡献率没有改变，故10个因素的共同度未受到影响，但重新分配了各个因子解释原始因素的方差，使得各因子的解释性更强。

2.2 命名分析因子

通过提取分析因子，将10个与服务满意度有关的因素进行降维处理，并通过方差最大法对因子载荷矩阵实施正交旋转，得到各因素在6个因子上的载荷，见表4。

表4 旋转后的因子载荷矩阵Table 4 Factorial loading matrix after rotation

注：提取方法为主成分分析法，旋转法为具有Kaiser标准化的正交旋转法，旋转在14次迭代后收敛。

根据表4可以发现：(1)因素F8、F9、F10在第1个因子上有较高的载荷，第1个因子可解释为f1配套服务；(2)因素F3、F4在第2个因子上有较高的载荷，第2个因子可解释为f2服务质量；(3)因素F5、F6在第3个因子上有较高的载荷，第3个因子可解释为f3收费形式；(4)因素F1在第4个因子上有较高的载荷，第4个因子可解释为f4网点布设；(5)因素F7在第5个因子上有较高的载荷，第5个因子可解释为f5外观质量；(6)因素F2在第6个因子上有较高的载荷，第6个因子可解释为f6基础设施。

提取得到6个因子后，需要运用协方差进行因子间的线性相关性检验，得到因子的协方差矩阵，见表5。

表5 协方差矩阵Table 5 Covariance matrix

注：提取方法为主成分分析法，旋转法为具有Kaiser标准化的正交旋转法。

根据表5发现，降维处理后提取获得的6个因子之间没有明显的线性相关性，实现了因子分析的设计目标。最终确定6个分析因子分别为：f1配套服务；f2服务质量；f3收费形式；f4网点布设；f5外观质量；f6基础设施。

3 二项logistic分析

3.1 数据基本处理

3.1.1 转化为0/1变量

根据因子分析中得到的权重值(即表4旋转后的因子载荷矩阵)，对每份样本数据中6个因子的满意度进行加权计算，具体计算方法为：

Si=Fi1*ωi1+Fi2*ωi2+…+Fij*ωij，

其中，ωij表示第i个因子中服务满意度因素j在该因子上的权重，qj表示服务满意度因素j旋转后的因子载荷值，Fij表示第i个因子中服务满意度因素j在问卷中的得分；Si表示加权计算后第i个因子的满意度得分。

加权计算得到各个因子的满意度得分值后，将得分大于3分的样本标记为1，记作满意；将得分小于等于3的样本标记为0，记作不满意，从而实现将数值型变量转化为0/1变量的目的。

3.1.2 保留5%检验样本

利用SPSS，随机抽取5%问卷样本，用做后期评价模型的验证。同时，利用剩余95%的样本数据进行二项logistic分析，建立因子间的回归方程模型。

3.2 回归方程建立

建模过程中，利用向前：LR策略进行变量筛选，筛选结果显示，取定显著性水平为0.01时，因子f3的概率p值大于显著性水平0.01，故因子f3不能进入方程，应剔除因子f3重新建模。

根据表6发现，剔除因子f3并重新建模后，各因子的概率p值均小于显著性水平，说明此时模型中的全体解释变量与LogitP的线性关系显著，模型较为合理，见表6。

表6 方程中有效因子的检验统计量Table 6 Test statistic of effective factors in the equation

最终，根据表6中5个有效因子的系数(即B列数据)，得到如下所示二项logistic回归方程表达式：

L=1.137f1-1.343f2+0.422f4+0.674f5+0.586f6，

其中，L表示被调查用户针对各有效因子的服务满意度作出客观评价后，用户对公共自行车总体服务表示满意与不满意的概率比值。

根据表7发现，服务满意度评价模型对参与建模的95%问卷样本数据的评价结果与问卷样本数据的实际结果中基本一致，总预测精度达到73%，预测精度较高，效果较好。

表7 模型预测精度表Table 7 Model prediction precision table

4 模型校验

考虑到先前有关城市公共自行车服务满意度评价模型构建的研究中，较少有学者针对构建的模型开展校验工作，故评价模型的合理性及准确性较难得到保证。本文改进这一缺陷，增加模型校验环节。模型校验环节将利用预留的5%调查样本数据与模型计算结果进行非参数检验。在非参数检验中，确定置信性水平为0.01，零假设为预测数据与实际调研数据无显著差异，具体结果见表8。

表8 非参数检验统计量Table 8 Non-parametric test statistics

根据表8可以发现，由于非参数检验的概率p值大于显著性水平，故不应该拒绝原假设，认为预测数据与实际调研数据无明显差异，因此判断评价模型的合理性与准确性均较强。

5 结论

本文将因子分析法与二项logistic法相结合，对1 688份居民满意度问卷进行分析,剔除并筛选出5个有效因子,构建公共自行车服务满意度评价模型，不仅有助于合理评价当前宁波市居民对公共自行车的服务满意度，同时适用于对未来一段时间内宁波市公共自行车服务满意度的预测。

(1)公共自行车服务满意度评价模型中共包含5个有效因子，有利于实现宁波市居民对公共自行车服务满意度的定性感受向定量体现的转换；

(2)根据构建的评价模型的系数发现，因子f2对结果L的影响最大，即高峰时期借还车便利程度对于宁波市居民的定性感受影响最大，需要相关部门在未来一段时间内重点解决高峰时期车辆调度的问题，有效提升服务满意度；

(3)本文对公共自行车服务满意度评价模型开展了校验工作，不仅有效弥补了先前研究中未能实现模型有效校验的不足，同时说明了模型的合理性与准确性均较强。

考虑到宁波市公共自行车投入运营使用的时间较短，故问卷设计、调查过程主要集中于RP调查，缺少SP调查的内容，不利于掌握未来一段时间内宁波市居民对公共自行车的发展潜在需求。同时，调查过程主要针对公共自行车使用群体开展，使得样本的覆盖性受到一定影响。因此，增加SP调查环节并针对非公共自行车使用群体开展调查、分析工作将是今后研究工作的重点。

6 改善对策

根据公共自行车服务满意度评价模型评价结果显示，宁波市居民中对当地公共自行车服务表示满意的占比为67.13%，结合调研过程中发现的公共自行车运营中存在的不足，应该重点从以下几个方面开展改善对策研究：

(1)借鉴“太原模式”，开展超密网点布局，将网点密度控制在合理范围内，保证更多人有车可借。一般来说，城市核心区服务半径覆盖控制在150 m～200 m范围，城市外围区服务半径覆盖控制在300 m～400 m范围；

(2)增加公共自行车的成本投入，购置结实耐用自行车，减少自行车使用中的破损率；同时，适当增加检修投入，保障自行车设施的可用性；

(3)完善公共自行车手机app功能，提高用户的优质体验。手机app应用软件应主要包括以下几个功能：i.周边200 m范围内站点数量与站点名称查询；ii.周边200 m范围内站点车辆盈余状况查询；iii.公交卡剩余金额查询与充值功能等。

(4)加强公共自行车的调度服务，针对公共自行车存在的早晚高峰潮汐现象，结合历史运营特征数据，提前制定长效调度计划。同时，结合高峰期租借异常现象，实时进行应急响应。

参考文献：

[1]KANG K,LEE K.Development of a bicycle level of service model from the user’s perspective [J].KSCE Journal of Civil Engineering,2012,16(6): 1032-1039.

[2]SHAHEEN S A,ZHANG H,MARTIN E,et al.China’s Hangzhou Public Bike: Understanding Early Adoption and Behavioral Response to Bikesharing [EB/OL].[2017-05-30].http://www.tsrc.berkeley.edu/sites/default/files/China's%20Hangzhou%20Public%20Bicycle%20(article)%20-%20Shaheen.pdf.

[3]CASTILLO-MANZANO J I,SNCHEZ-BRAZA A.Managing a smart bicycle system when demand outstrips supply: the case of the university community in Seville [J].Transportation,2013,40(2): 459-477.

[4]孙苑鑫.难以抵挡的骑行诱惑：荷兰、丹麦和德国的自行车交通推广经验研究[J].国际城市规划，2012，27(5)：26-42.

[5]周宏，韩良峰．城市交通：走绿色环保发展之路[J].经济问题探索，2011(9)：176-180。

[6]王志高，孔喆，谢建华，等．欧洲第三代公共自行车系统案例及启示[J].城市交通，2009,7(4)：7-12.

[7]宋骞．公共自行车的株洲模式-低碳时代的城市命题[J].中华建设，2013(5)：14-16.

[8]赵志强，容仲坚．城市交通体系中自行车的作用研究[J].山西建筑，2010,36(18)：43-44.

[9]韩笑．武汉推行公共自行车交通系统现状与对策研究[D].成都：西南交通大学，2012.

[10]单明耀，蒋凌云,莫敏珍，等．杭州公共自行车服务现状调查分析[J].中国城市经济，2011(6)：261-262.

[11]许民强，姚晔，费丽娟．公共自行车服务满意度评价体系的研究[J].中国统计，2014(5)：55-56.

[12]王炜，陈学斌，陆建．城市交通系统可持续发展理论体系研究[M].北京：科学出版社，2004.

[13]崔梦蕾．基于顾客满意度的城市居民对公共自行车出行分析[J].现代商贸工业，2011(9)：125-126.

[14]蒋丽芹，吴宝泰．基于因子分析法的城市公共自行车系统公众满意度研究[J].哈尔滨商业大学学报(社会科学版)，2014(4)：73-80.

[15]吴宝泰，蒋丽芹．城市公共自行车系统公众满意度评价体系构建[J].现代商贸工业，2013(19)：91-93.