基于二元有序概率的共享单车满意度评估方法*

徐家红 周继彪 马昌喜 宛 岩 沈 莹

（1.宁波工程学院建筑与交通工程学院 浙江 宁波315211；2.同济大学交通运输工程学院 上海201804；3.兰州交通大学交通运输学院 兰州730070）

0 引 言

发展绿色交通、鼓励绿色出行，在缓解城市交通拥堵、改善空气质量、节能减排等方面具有重要现实意义。共享经济时代下，绿色交通[1]已经成为城市发展的必然趋势，是缓解城市深层次交通问题的重要手段，是实现城市可持续发展的必然选择。城市互联网租赁自行车（简称“共享单车”）[2-3]作为绿色交通和低碳出行的重要载运工具和出行方式，在解决城市交通出行“最后一公里”问题、缓解城市交通拥堵、推动共享经济发展等方面发挥了积极作用[4-6]。

针对自行车共享系统服务满意度方面，相关研究主要集中车辆使用率[7]、用户使用意愿[8-9]、投放规模[10-11]、调度方法[12]、政策建议[13]、系统后台服务[14]、建筑环境[15]和设施数量[16-17]等方面。Guo等[7]对公共自行车使用和满意度的影响因素进行了深入分析，研究表明：公共自行车的使用和满意度呈显著正相关；Shen等[8]采集了共享单车1 400万条的GPS数据记录，采用空间自回归模型分析了新加坡共享单车用户的使用率情况。为进一步理解共享单车用户的使用意愿，Huang等[9]提出基于扩展规范激活模型来提升共享单车用户的持续使用意愿。结果发现：个人规范、感知价值观等对用户使用意愿有正向影响；翟永等[10]基于马尔可夫链方法分析了共享单车车辆的投放规模，研究发现：共享单车马尔可夫链“极限状态（稳态）概率唯一存在且独立于初始概率分布”；梁爱艳和周继彪[11]基于时空消耗法测算了宁波市共享单车的投放规模，研究发现：宁波市二级路网容量水平下的共享单车投放量为18.32万辆；张敏捷等[12]提出了1种公共自行车准动态调度方法，研究发现：利用站点额外容量能够显化和强化站点调度频次特性，使车辆调度更加精确，有利于显著降低系统日常调度工作量；马书红等[13]发现政府的财政补贴有利于提高公共自行车企业服务水平和用户满意度；Fishman等[14]调查指出缺乏可访问性/自发性，一夜之间关闭系统，以及无法使用信用卡轻松注册，是共享单车使用率的重大障碍；Bachand-Marleau等[15]提出地铁和公交车站、餐馆和大学的存在，促进了共享单车的使用；Zhao等[16]利用中国69个自行车运输系统的数据，模拟城市特征和系统特征对自行车日常使用和周转率的影响，研究表明：共享单车的乘客量随停靠站数量的增加而增加；Rixey[17]发现在控制其他人口和建筑环境变量的情况下，获得全面的车站网络是支持客流量的关键因素。

综上，目前国内外相关研究虽有涉及共享单车用户行为选择分析，但是很少有学者关注于共享单车使用率和满意度二者之间内在联系。通过二元有序概率(Bivariate Ordered Probit,BOP)模型分析调查问卷所得数据，综合考虑城市共享单车使用率和满意度影响因素，并深入分析二者之间的内在关联关系，反映共享单车现有服务特征，以及未来优化方向。

1 数据采集

1.1 问卷设计

问卷调查已被广泛应用于交通运输规划与管理学科研究中，基于广泛的文献综述和成员讨论所得结果设计调查问卷。为全面反映用户特征，问卷内容共包含50个指标，各指标涉及：个人属性、家庭属性、出行特征、服务感知和用户期望。个人属性包括性别、年龄教育程度等特征；家庭属性主要指拥有车辆情况；出行特征反映用户需求特征和个人偏好，包括平时出行方式、出行距离、使用共享单车的主要用途、常用还取地点等；服务感知指用户对当前共享单车服务的感受，主要涉及使用频率、使用理由、现状问题、满意度；用户期望是指用户期望共享单车改进的地方，为共享单车进一步优化服务方式提供导向，并针对电子围栏是否设置，以及增设非机动车停位征询意见。

1.2 抽样方案设计

调查共抽取宁波市内16个地点，共28个点位进行线下发放问卷。将这28个点位归纳为5个类型的网点：商业娱乐区、居民社区、酒店景点、医院政府，以及地铁站点，见图1。

图1 调查点位分布图Fig.1 Distribution of survey sites

1.3 预调查和样本量确定

在对共享单车满意度的调查过程中，主要采用问卷调查和现场踏勘调查的方式。在正式开展问卷调查活动之前，选择60位共享单车用户进行预调查，以检验问卷设计的合理性，基于预调查结果，加以修改完善，形成最终版调查问卷。

为了全面反映共享单车用户群体需求情况，初步计划调查问卷总量定为1 000份，通过2个月的调查，共计获得了1 395份问卷。由于原始数据在采集、录入等过程中存在各种问题，通过数据筛选、交叉检验后共获得1 212个样本。

2 数据处理和模型构建

2.1 信度与效度分析

信度检验主要是分析问卷调查获得的数据是否具有内部一致性或稳定性。采用克朗巴哈系数（Cronbach'sα）来检验问卷的信度。信度越高，说明样本数据的精确度越高。对样本进行信度分析，得到满意度与使用率的Cronbach'sα值，见表1。由表1可得：使用率和满意度的α系数均大于0.7，说明样本的信度较高，数据可靠。

表1 信度分析Cronbach'sα系数Tab.1 Cronbach'sαcoefficients for reliability analysis

效度是指测量被调查者行为或者心理特质的程度，包括内容效度与结构效度[18]。内容效度是指问卷的权威性，通常用文字描述问卷参考了那些已有的经典问卷或者由相关专家进行评价题项是否恰当。经过效度检验，得到表2的检验结果。由表2可得：KMO值为0.986，Bartlett的球形度检验显著性为0.000，小于0.01，当Bartlett的球形度检验显著性小于等于0.01时，通过检验。

表2 KMO和Bartlett的检验Tab.2 Flow of the model

2.2 模型构建

2.2.1 BOP模型构建及求解

Bivariate Ordered Probit（BOP）模型是Probit模型的拓展，不仅可以用来分析自变量对因变量的影响，而且可以分析2个因变量之间的相关性。BOP模型数据分析变量选择、模型构建和理论分析3个部分。模型变量分为独立变量和解释变量，基于问卷设计指标项，解释变量包括个人属性、家庭属性、出行特征、服务感知、用户期望这5项主要指标，独立变量包括共享单车使用频率和用户满意度二者重要指标。

本研究的目的是科学评估共享单车服务的满意度，BOP模型用于识别同时影响共享单车使用率和满意度的因素。BOP模型旨在模拟可以同时确定的解释变量。BOP模型首先定义每个观测的观测序数，见式（1）。

BOP模型中的交叉方程相关误差项见式（2）。

式中：ρ为εi，1和εi，2之间的相关系数。

在随机误差项的二元正态分布的假设下，yi，1=j和yi，2=k的联合概率可表示为

式中：φ2(·)为标准双变量正态分布函数。

BOP模型求解流程图见图2。

图2 模型流程图Fig.2 Flow of the model

2.2.2 边际效应

在模型估计之后，与解释变量相关联的系数的符号是相关的。这些迹象表明变量对结果的正面或负面影响。但是，系数不能量化这些变量的影响，也不能直观地解释。为了量化每类结果的影响，计算BOP模型中相关变量的边际效应。

解释变量Xi，1对于yi，1的边际效应为

式中：φ(·)是标准正态分布的函数。类似地，解释变量Xi，2对于yi，2的边际效应为

3 结果分析

3.1 调查结果

根据调查结果，共享单车使用频率和满意程度的分布情况见图3。由图3（a）知，频繁使用共享单车的用户占11.4%；而经常使用共享单车的用户占28.4%，结果表明共享单车使用率较低；由图3（b）知，用户对共享单车感到较满意的比例为53.5%，一般满意比例为34.7%。另外，较差和不满意的用户仅占4.5%。根据结果发现，多数用户对共享单车感到较满意。尽管如此，仍然需要关注那些不满意于共享单车的用户。

图3 共享单车使用频率和满意度分布图Fig.3 Frequency and satisfaction distribution of the bike-sharing system

3.2 模型识别与评价

为评估与共享单车使用率和满意度相关的因素，构建了BOP模型。使用STATA14软件来评估模型，β的正负表明各因素对使用率和满意度的相关性。β为正时可表示各解释变量对共享单车的使用率和满意度为正相关，即共享单车的使用率和满意度会随着变量的增加而提高；同理β为负时表示各解释变量对共享单车的使用率和满意度为负相关，即共享单车的使用率和满意度会随着变量的增加而降低。ρ-value的结果可表示各影响因素的显著性。根据初始结果，一些因素对使用率和满意度具有不显著性，例如用户所在的城市、出行方式为步行等。得出的初始结果中存在ρ-value＜0.05的现象，表示该解释变量为不显著变量，对共享单车使用率和满意度的影响较小，剔除这些不显著变量。将剩余的显著变量再一次进行回归分析。

通过重新标定后，模型中ρ-value结果表明了这些影响因素对共享单车使用率和满意度的显著影响。经过修改后的变量中β值有同为正、一正一负、同为负这3种情况，说明某一变量对共享单车使用率和满意度有不同的影响作用。β为正时表示各解释变量对共享单车的使用率和满意度为正相关，即共享单车的使用率和满意度会随着变量的增加而提高；β为负时表示各解释变量对共享单车的使用率和满意度为负相关，即共享单车的使用率和满意度会随着变量的增加而降低。具体估计结果见表3。

表3 BOP模型估计结果Tab.3 Estimated results of the BOP model

3.3 结果分析

根据BOP模型结果，可定量评估各影响因素对共享单车和满意度的作用效果。

3.3.1 个人属性

与女性相比，男性使用共享单车的频率更高，通常比女性高4%，但满意程度略低于女性。与此同时，青少年使用共享单车频率比中老年高11%，而满意度较之低2.1%。接受过高等教育的用户选择单车出行的概率较其他用户高0.3%。低收入的用户较高收入用户使用共享单车频率高1.1%。

3.3.2 家庭属性

拥有小汽车、电瓶车、自行车的家庭对共享单车的使用率低于没有车辆的家庭9%，满意度会高7%。这一发现表明，那些没有小汽车和自行车的人更有可能使用共享单车，结果与预期一致。并且拥有小汽车的家庭比没有小汽车的家庭的使用率低3%。拥有车辆数不同也会导致使用率和满意度的差别，拥有车辆数大于等于2辆小汽车的家庭相比仅拥有1辆小汽车的家庭使用率低9%。这一发现表明，那些没有小汽车和自行车的人更有可能使用共享单车。原因可能是拥有汽车、自行车、电瓶车的车主更有可能使用自己拥有的交通工具出行，以防止因使用共享单车而使出行时间变长。

3.3.3 出行特征

乘坐公交或地铁出行或使用电瓶车、自行车出行的受访者使用共享单车频率与其他用户相比高11.1%，这个发现是显而易见的，因为习惯于骑自行车的人群很容易接触到自行车。此外，结果显示与出行距离较长（超过20 km）的人相比，出行距离少于3 km的人经常使用共享单车的可能性要高5%。这些研究结果表明使用共享单车出行的用户的出行距离一般小于5 km。结果表明，用户常用取车和还车地点集中在居民区、学校和医院附近。因此可以在居民区、学校和医院附近适当增加共享单车租赁点，方便用户使用。

3.3.4 服务感知

使用共享单车进行上下班或上下学的用户的使用率为3.5%。目前共享单车存在问题也较多，其中由于乱停乱放和故障车太多等因素导致共享单车使用率减少了约5%。交通事故的发生也会影响共享单车的使用率和满意度。交通事故会造成使用率降低2.5%，满意度降低4.2%。结果表明，共享单车在急速发展的同时，也引发了一系列安全问题和城市治理问题，一方面是由于单车随意停放和私人占有所引起的单车停放秩序管理问题；另一方面是由高额押金给用户带来的信任问题；除此之外，单车破损，检修调度不及时，也降低了用户的体验效果，甚至威胁用户的出行安全。

4 结束语

利用对宁波市共享单车的1 261份有效问卷和实地踏勘，通过构建BOP模型，实证分析了影响共享单车满意度的显著因素。通过变量的边际效应量化分析各显著变量对共享单车满意度的影响效用。结果表明：①对共享单车的使用率显著性影响因素从高到低为家庭无车辆的情况、平时以公交或地铁为出行方式以及单车破损，ρ-value值分别为0.996，0.996和0.995，此外，27项变量具有统计显著性；②对共享单车满意度影响因素显著性从高到低为以公共自行车为出行方式、定位系统以及单车广告，ρ-value值分别为0.827，0.826和0.42，此外，22项变量具有统计显著性；③评估结果表明共享单车的使用频率和满意度存在正相关性。正相关参数意味着共享单车的更高程度的满意度可以增加共享单车使用的可能性。因此，需要尽可能地完善共享单车设施，从而提高共享单车使用率和满意度；④30个变量中，共有11个因素与共享单车使用率呈正相关，共有13个因素与共享单车满意度呈正相关。

基于研究结果，笔者建议：①在学校和医院、居民区附近的共享单车使用率较高，建议在学校和居民区附近在合理的范围内适度投放共享单车，方便用户使用，增加用户满意度；②由于共享单车的乱停乱放、故障车太多导致的满意度下降，建议设置电子围栏、增设非机动车停车位来约束共享单车乱停乱放的现象；在使用共享单车时，要遵守交通规则，避免交通事故的发生，与此同时，使用共享单车的用户更应该有社会意识，爱护共享单车；③企业管理人员要优化收费结构和押金标准、改善车辆性能、提高用户骑行体验、加强后期维护、简化身份认证程序等来提升用户满意度。