基于乘客群体特征的城市轨道交通满意度研究

刘 悦，冯旭杰，贾文峥，李松峰，沙 茜

（1.交通运输部科学研究院，北京 100029；2.城市轨道交通运营安全管理技术及装备交通运输行业研发中心，北京 100029）

0 引言

2019 年，交通运输部相继出台了《城市轨道交通服务质量评价管理办法》[1]（以下简称《办法》）和《城市轨道交通服务质量评价规范》[2]（以下简称《规范》），从行业管理角度对城市轨道交通服务质量评价提出了要求。城市轨道交通在以满足出行需求为主要任务的同时，需要进一步协调管理水平与乘客期望之间的矛盾，故提升服务质量成为城市轨道交通可持续发展的重要一环[3]。

乘客满意度是衡量城市轨道交通运营服务水平的主要指标之一。目前对于城市轨道交通乘客满意度的研究主要集中在测评方法和指标选取上[4-7]，也有部分学者对基于不同乘客特征的城市轨道交通满意度差异性展开了研究，发现乘客满意度与乘客特征有关：不同特征的乘客群体的出行需求和期望不同，使得其对公共交通满意度的主观评价不同。Aydin 等[8]对伊斯坦布尔的城市轨道交通乘客满意度展开了研究，以乘客性别、出行时间等因素为依据分析了乘客的出行偏好；温丽[9]基于昆明地铁满意度调查数据，研究了性别、年龄、出行时间段、出行频次和出行目的等对乘客满意度的影响；陈坚等[10]以重庆市城市轨道交通乘客为调查对象，分析了具有不同性别与不同职业等特征的乘客满意度差异；季彦婕等[11]以南京有轨电车为对象，研究了乘客个人属性、出行特征等对乘客满意度的影响，指出了有轨电车现有服务中的不足；彭经国[12]对长沙磁浮快线运营服务满意度开展了研究，分析了性别、年龄、搭乘目的等因素对乘客满意度的影响，结果显示，不同社会经济背景和乘坐次数的乘客在乘客满意度方面存在显著差异。以上研究针对各个乘客特征采用求满意度均值或构建结构方程等方法进行分析。求均值法可描述乘客满意度，但无法对乘客特征和满意度的相关性进行深入挖掘，因为乘客具有的各个特征不一定都与满意度有相关性，会导致分析结果不具有显著的统计学意义。另外，求均值和构建结构方程等方法未能实现乘客群体特征分类刻画。每种乘客具备多种特征，对每种特征进行分析时分析对象可能重复，会导致对相同乘客进行多次分析，给出重复的结果，增加工作量和分析难度。因此，有必要开展乘客特征与满意度相关性分析及乘客群体特征刻画。

本文就可能对满意度产生影响的乘客特征进行筛选，提出乘客特征显著性分析方法和乘客群体分类刻画方法，进而给出乘客群体满意度差异性分析方法。然后以某城市地铁A 号线2019年开展的乘客满意度调查数据为例，探究不同乘客群体在乘客满意度方面的差异性，据此提出具有针对性的运营服务改进建议。

1 乘客特征因素选取

基于乘客特征的公共交通满意度影响因素相关研究表明[8-12]，居民社会经济属性与出行特征可能会对乘客满意度产生一定影响，不同属性的乘客对交通服务的需求、期望和感知存在差异。因此，本文选择居民社会经济属性和出行特征两大类相关指标（见图1）作为乘客特征因素，采集数据开展满意度调查。

图1 乘客特征因素

1.1 居民社会经济属性

具有不同社会经济属性的乘客对城市轨道交通的期望和感知可能存在差异。居民社会经济属性包括性别、年龄、收入水平等。

（1）性别。男性和女性在轨道交通出行过程中的关注点存在差别。文献[10]以重庆城市轨道交通为研究对象，研究发现女性乘客比男性乘客更重视轨道交通运营单位的整体服务态度。

（2）年龄。不同年龄段的乘客在身体状态、行动能力和认知水平方面存在一定差异，因此对轨道交通的服务需求不同，例如老年乘客对于咨询和人性化服务的要求更高。

（3）收入水平。不同收入水平的群体对城市轨道交通的期望可能不同。高收入群体对轨道交通服务的要求可能更高，导致满意度相对较低[11]。

1.2 居民出行特征

乘客出行时段、出行频次、出行目的、到达轨道交通站点的方式等出行特征与城市轨道交通乘客满意度可能具有相关性。

（1）出行目的。乘客的出行目的可分为通勤/上下学、购物、就医、公务和旅游/探亲等，不同出行目的的乘客对城市轨道交通的可靠性和便捷性等的要求可能不同。例如，通勤乘客的诉求为行程时间可控，故而对列车运行可靠性要求较高；旅游乘客可能由于对异地轨道交通系统不熟悉，故对其便捷性有更高的要求。

（2）到达轨道交通站点的方式。采用公交车、私家车、出租车、电动车、自行车、步行或多种交通方式组合到达轨道交通站点的乘客，可能将轨道交通服务水平与其他交通方式进行对比而产生不同的出行期望。例如，乘客可能会对轨道交通和公交车的服务水平进行潜在对比[11]。

（3）出行时段。根据轨道交通客流特征，可将乘客出行时段划分为工作日早晚高峰、平峰及周末。部分城市的轨道交通客流随时间呈现明显的双峰特征，即工作日早晚高峰出行客流量大、列车满载率高，存在排队等影响服务水平的现象，而中间时段即平峰则客流量小、满载率低。不同的服务水平可能会对乘客的感知造成一定的影响。

（4）出行频率。按照乘客每周出行次数，可将其划分为偶尔乘坐、小于5 次（即平均每日乘坐1次以内）、5～10次（即平均每日乘坐1～2次）、11～20 次（即平均每日乘坐2～3 次）和20 次以上（即平均每日乘坐3～4 次）。不同的出行频率导致乘客对城市轨道交通的运行特征了解程度不同。乘坐次数较多的乘客对城市轨道交通有较强的依赖性[12]，轨道交通出行为其刚性需求。常乘客和非常乘客对城市轨道交通服务期望和感知可能存在差异。

综上，对城市轨道交通系统而言，乘客的社会经济属性和出行特征中的各因素可能与乘客满意度有相关性，但各因素对满意度的影响程度不同。如根据长沙磁悬浮乘客满意度调查结果，不同出行频率的乘客的满意度存在显著差异[12]，但对南京市有轨电车系统的研究显示，乘客的出行频率对乘客满意度并没有显著影响[11]。因此，需将图1中描述的所有乘客特征因素纳入调查范围，并加以分析。

2 满意度差异性分析方法

筛选与城市轨道交通乘客满意度相关的乘客特征是进行乘客满意度差异性分析的基础。上文给出了可能对乘客满意度造成影响的乘客特征，但由于不同的城市轨道交通系统具有不同的运营服务特性，因此应进行具体分析，找到与该城市轨道交通系统乘客满意度显著相关的乘客特征，并在此基础上对筛选出的乘客特征进行主成分分析，寻找乘客群体性特征并进行乘客群体分类，针对不同乘客群体开展满意度差异性分析，为提升运营服务水平奠定基础。

2.1 乘客特征显著性分析方法

为探究乘客社会经济特征因素和出行特征因素与乘客满意度是否具有相关性，本文引入皮尔逊积矩相关系数（Pearson Product-Moment Corre⁃lation Coefficient,PPMCC）。皮尔逊积矩相关系数广泛应用于度量两个变量之间的相关程度，即可以用来判断乘客特征对乘客满意度是否具有显著影响。样本皮尔逊积矩相关系数计算公式[13]如下：

式（1） 中：rx,y为样本皮尔逊积矩相关系数；xi,yi为样本；n为样本量，1≤i≤n。

为考察rx,y的显著性，采用t分布进行检验，计算公式为[14]：

式（2）表示，若将单因素乘客特征x与乘客满意度y视为随机变量，则根据两者的皮尔逊积矩相关系数rx,y计算得到的新随机变量T是满足t分布的。对显著性水平α，若 |T|>tα/2，则说明x变量对y变量具有显著性影响；若 |T|≤tα/2，则影响不显著。

2.2 乘客群体分类方法

为进一步对乘客特征进行分析和刻画，需确定合适的乘客群体划分方式。考虑到乘客社会经济属性和出行特征各因素间可能存在一定的相关关系，故提取具有相似性的乘客属性因子可实现科学的群体分类。因此，需对与满意度相关的乘客特征的相关性进行检验，并进行主成分分析（Principal Component Analysis,PCA）[15]，将多个相似的乘客特征进行合并描述。

2.3 乘客群体满意度差异性分析方法

克鲁斯卡尔-沃利斯检验（Kruskal-Wallis Test，K-W 检验）是一种非参数检验方法，与其他参数检验相比更适用于乘客满意度差异性分析，因为K-W检验针对多个独立样本（即认为每个乘客对调查问卷的回答不受其他乘客的影响），且可更多地考虑满意度和乘客群体特征本身的信息而不受总体参数和分布等的影响[16]。K-W 检验统计量计算公式[13]如下：

式（3）中：H为K-W 检验统计量；k为样本组数；ni为第i组样本的观测值个数；为第i组样本的平均秩；为样本平均秩；N=∑ni，1≤i≤k。

3 实例分析

3.1 乘客满意度调查问卷的设计与发放

3.1.1 问卷设计

根据《办法》[1]和《规范》[2]要求，某城市地铁A 号线乘客满意度调查包含7项一级评价指标，分别为进出站、环境与秩序、设施运行、换乘、咨询、投诉和安全感，进一步细分为12项二级评价指标（见表1）。按照《规范》[2]要求，乘客满意度测量采用“满意”“一般”和“不满意”3 级文字量表。

表1 城市轨道交通乘客满意度评价指标

表1 （续）

3.1.2 数据采集及信度检验

本次乘客满意度调查共发放调查问卷1 000份，满足《规范》[2]对问卷数量的要求。其中有效问卷918份，问卷有效率为91.8%。

信度检验用来检验调查数据的可信程度，即验证测量结果的一致性及稳定性[17]。本文采用克朗巴哈系数法（Cronbach′s Alpha）计算基于7 项乘客满意度调查指标数据的整体数据一致性系数，结果如表2 所示。由表2 可知，克朗巴哈系数大于0.7，属于高信度，说明调查问卷合理、适用，调查结果真实可靠，可开展乘客满意度差异性分析。

表2 调查数据的信度检验结果

3.2 某市地铁A号线乘客满意度差异性分析

3.2.1 乘客特征统计

对有效问卷中乘客特征数据进行统计，结果如表3 所示。由表3 可知，被调查对象的性别比接近1∶1，主要为18～44 岁的中青年乘客，主要出行目的为通勤/上下学，每周乘坐轨道交通5 次以上的人群占48.9%，超过50%的乘客在出行中使用多种交通方式，乘客收入大多在2000～8000元之间。

表3 被调查乘客社会经济属性和出行特征统计

3.2.2 乘客特征因素显著性分析

根据式（1）和式（2）判断地铁A 号线乘客特征与乘客满意度的相关关系。计算可知，在显著性水平α=0.05或α=0.01情况下，乘客特征指标中的性别、年龄、出行时间段和交通方式未通过显著性检验，可认为其对乘客满意度没有显著性影响；收入水平通过了显著性水平α=0.05 的检验，即在此显著性水平下，收入水平对乘客满意度有显著影响；出行频率和出行目的通过了显著性水平α=0.01 的检验，即在此显著性水平下，出行频率、出行目的对乘客满意度有显著影响。

3.2.3 乘客群体分类

经Kaiser-Meyer-Olkin（KMO）检验和Bartlett′s球状检验（结果见表4），发现收入水平、出行频率和出行目的等3 因素间存在一定的相关性，说明本文选取的数据适合开展主成分分析。

表4 乘客特征因素相关性分析结果

通过主成分分析，得到反映乘客特征属性的主成分，结果如表5 所示。可以看出，出行次数和出行目的的主成分因子荷载都非常高，其中出行次数的因子载荷最高，结合实际认为其是影响其他属性的主要乘客特征，因此选用出行次数作为乘客群体主要分类标准。

表5 乘客特征因素主成分分析结果

根据以上分析，按不同出行次数将乘客分为常乘客与非常乘客，常乘客每周乘坐地铁次数≥5，出行目的多为通勤或上下学；非常乘客每周乘坐地铁次数<5，出行目的多为购物、就医或旅游/探亲。

3.2.4 乘客群体满意度差异性分析

由K-W 检验结果（见表6）可看出，常乘客和非常乘客在乘坐地铁A 号线的过程中，对该线路的期望和感知存在差异，在进出站指引设置Q1、购检票便捷性Q2、安检效率Q3、列车运行稳定性Q7和换乘便利性Q9等方面的评价差异显著。

表6 K-W检验结果

为进一步分析常乘客和非常乘客对该线路提供服务的满意程度，对以上指标的有效调研问卷进行统计，并对指标得分进行归一化处理，结果如图2 所示。可以看出，对于Q2,Q3和Q73 项指标，非常乘客的满意度较常乘客高；对于Q1和Q9两项指标，常乘客的满意度较非常乘客高。

图2 乘客满意度指标得分归一化处理结果

常乘客对地铁A 号线的购检票便捷性、安检效率和列车运行情况提出了更高的期望。由于常乘客每周乘坐地铁5 次及以上，以通勤和上下学客流为主，出行路线相对固定，对城市轨道交通的环境、设施和乘坐流程较熟悉，在运营正常情况下很少依赖信息指引，因此其对与信息有关的服务类指标不敏感，如进出站指引和换乘便利性。但是，常乘客对与乘车效率相关的服务类指标期望较高，结合乘客满意度调查时乘客提出的建议，可以发现常乘客对购检票效率、安检效率和列车运行效率提出了更高的要求，期望可以通过提升乘车便捷性和车辆运行可靠性来缩短乘车时间，提高出行效率。因此，建议可通过优化购检票流程、提高安检效率及降低延误事件发生次数来提升常乘客的满意度。

非常乘客对地铁A 号线的进出站指引和换乘便利性提出了更高的期望。非常乘客乘车次数较少，结合乘客满意度调查时乘客提出的建议，可以发现其对信息服务的依赖性较大，包括进站信息和乘车信息指引是否醒目、连续，换乘信息是否准确，对周边公交接驳的便利性也更加关注。因此，针对非常乘客可增加乘车信息指引，明确换乘信息和优化车站周边公交接驳条件，以提升其乘车满意度。

4 结语

本文从乘客社会经济属性和出行特征两方面选取了城市轨道交通乘客特征因素，并引入皮尔逊积矩相关系数定量分析乘客满意度与乘客特征因素间的相关关系，提取对满意度存在显著影响的乘客特征因素。然后基于主成分分析法对乘客群体进行刻画和分类，并采用K-W检验分析其满意度的差异性。最后基于某城市地铁A 号线2019年度调查数据，将乘坐地铁A 号线的乘客划分为常乘客和非常乘客，探讨其乘车满意度差异性。城市轨道交通运营单位应据此采取不同的服务改善措施，以巩固常乘客，吸引更多的非常乘客，实现城市轨道交通的可持续发展。

本文调研城市目前仅有1 条地铁线路，随着社会经济的发展，该城市的轨道交通线网将不断完善，城市轨道交通的服务内容会发生变化，乘客特征因素与满意度之间的关联及乘客群体特征可能会随之改变。后续可在该市城市轨道交通线网基本成熟，可吸引更多客流时开展乘客特征分析，获取更全面的乘客满意度差异性分析结果。