公交运行评估：乘客满意度估计模型分析

为了便于分析解释变量的变化对于乘客满意度的影响，取到站时间为5min，潜在等车时间为2min，车内时间为10min，车内拥挤度为1人／m2作为参照，因此，参照类为到站时间为5min，潜在等车时间为2min，车内时间为10min，所经历的平均车内拥挤度为1人／m2，候车停靠站没有座椅、遮挡物和实时到站信息，没有私家车，年龄处于6～29岁，受教育程度为本科的乘客。根据式（6-15）得到参照类的P1＝0.85、P2＝0.15、P3＝P4＝0。相对于参照类，分别让乘客满意度估计模型中的解释变量增加1个单位，并计算解释变量作单位变化后的4种乘客满意度概率与参照类对应的乘客满意度概率的比值，如表6-6所示。

表6-6　解释变量单位变化后乘客满意度概率的变化倍数

乘客满意度估计模型中，到站时间、潜在等车时间、车内时间和车内拥挤度的系数分别为-0.33、-0.61、-0.4和-0.39。系数均为负值，说明这些变量的增加会使累积对数发生比降低，相应地会使乘客的满意程度下降。从系数的数量大小来说，潜在等车时间的系数最大，依次为车内时间、车内拥挤度、到站时间，说明潜在等车时间对乘客满意度的影响最大，其他的依次为车内时间、车内拥挤度、到站时间。e-0.61＝0.54，说明在其他条件相同时，潜在等车时间增加1个单位会使3个累积发生比变为原来的0.54倍，即会使它们降低1.85倍；e-0.4＝0.67，说明车内时间增加1个单位会使3个累积发生比变为原来的0.67倍，即会使它们降低1.49倍；e-0.39＝0.68，说明车内拥挤度增加1个单位会使3个累积发生比变为原来的0.68倍，即会使它们降低1.48倍；e-0.33＝0.72，说明到站时间增加1个单位会使3个累积发生比变为原来的0.72倍，即会使它们降低1.39倍。

相对于参照类，在其他解释变量不变，仅到站时间增加1个单位时，乘客非常满意的概率下降，变为参照类非常满意概率的0.94倍；满意、不满意、非常不满意的概率上升，分别变为参照类对应概率的1.31倍、1.39倍、1.39倍。仅潜在等车时间增加1个单位时，乘客非常满意的概率下降，变为参照类非常满意概率的0.89倍；满意、不满意、非常不满意的概率上升，分别变为参照类对应概率的1.63倍、1.84倍、1.84倍。仅车内时间增加1个单位时，乘客非常满意的概率下降，变为参照类非常满意概率的0.93倍；满意、不满意、非常不满意的概率上升，分别变为参照类对应概率的1.39倍、1.49倍、1.49倍。在其他解释变量不变，仅车内拥挤度相对于参照类增加1个单位后，引起的乘客满意度概率变化与车内时间基本相同。如果把潜在等车时间作为等车特征的代表，车内时间和车内拥挤度作为车内特征的代表，到站时间作为到站特征的代表，从上述分析可以看出，3类出行特征中，等车特征对于公交专用道乘客满意度的影响最大，其次为车内特征，到站特征的影响最小。

乘客满意度估计模型中，停靠站设施水平的回归系数为0.79。系数为正值，说明候车停靠站配备座椅、遮挡物和实时到站信息会使累积对数发生比增大，相应地，会使乘客的满意程度提高。e0.79＝2.2，说明相对于候车停靠站没有这些设施，配备这些设施会使累积发生比变为原来的2.2倍。相对于参照类，在其他条件不变，仅为停靠站配备座椅、遮挡物和实时到站信息，会使乘客非常满意的概率变为原来的1.09倍，而非常不满意的概率变为原来的0.45倍。(www.xing528.com)

乘客满意度估计模型中，有无私家车的系数为-0.89。相对于没有私家车，乘客有私家车时，3个累积对数发生比分别减小0.89，乘客的满意程度相应地降低。e-0.89＝0.41，在其他条件相同时，有私家车乘客的累积发生比是没有私家车乘客的0.41倍。相对于参照类，其他条件均不变，乘客购买私家车后，非常满意的概率变为原来的0.82倍，而非常不满意的概率变为原来的2.44倍。

乘客满意度估计模型中，age2（乘客处于40～59岁）的系数为1.21。在其他条件相同时，相对于6～29岁乘客，40～59岁乘客的累积对数发生比要比其高1.21，累积发生比是其3.35倍。在其他条件与参照类相同时，40～59岁乘客非常满意的概率是6～29岁乘客的1.12倍，而非常不满意的概率是其0.3倍。

乘客满意度估计模型中，edu2（受教育程度为大专）的系数为1.17。在其他条件相同时，相对于受教育程度为本科的乘客，受教育程度为大专乘客的累积对数发生比要比其高1.17，累积发生比是其3.22倍。在其他条件与参照类相同时，受教育程度为大专乘客的非常满意的概率是受教育程度为本科乘客的1.12倍，而非常不满意的概率是其0.31倍。

乘客满意度估计模型中，按照系数的数量大小排列解释变量，其顺序为：age2、edu2、有无私家车、停靠站设施水平、潜在等车时间、车内时间、车内拥挤度、到站时间。其中，age2、edu2、有无私家车属于乘客个人属性；停靠站设施水平、潜在等车时间、车内时间、车内拥挤度、到站时间属于出行特征和公交设施水平。从系数的数量大小可以看出，乘客个人属性对于乘客满意度的影响要大于出行特征和设施水平，说明乘客在感受公交服务、判别是否满意于当前公交服务时，主观性很强，很大程度受其个人属性的影响。乘客满意度估计模型也说明，即使相同的出行特征，不同乘客的感受是不同的。

目前国内外学者多按照指标选取、指标评价、满意度分析的模式研究乘客满意度，也有学者采用相关分析、因子分析、象限分析法（I-S法）、影响分技术（Impact score technique）、结构方程模型等研究乘客满意度［131-133］，目前的研究主要偏重于定性研究，而本书建立了乘客满意度估计模型，可定量计算乘客满意度。目前国内外学者往往考虑公交设施、出行特征等研究乘客满意度，而本书还充分考虑了乘客个人属性，将个人属性作为估计乘客满意度的解释变量。本书采用建模的方法研究乘客满意度的思路具有一定的新颖性，并且将个人属性作为解释变量引入乘客满意度估计模型是对乘客满意度研究方面的重要贡献。