寧波市公共自行車服務滿意度評價模型構建研究

陳文鑫，岳昊 ，韓紅艷 ，施翔勻

(1.北京交通大學城市交通復雜系統理論與技術教育部重點實驗室，北京 100044；2.武漢理工大學交通學院，湖北 武漢 430070；3.北方工業大學電氣與控制工程學院，北京 100144)

作為寧波市“四位一體”公交發展思路中的重要一環，公共自行車在緩解城市交通擁堵、解決居民最后一公里出行、改善城市交通環境等方面發揮著重要的作用。因此，公共自行車服務滿意度(即使用群體對公共自行車的滿意程度)的優劣不僅反映著其功能作用的發揮，也指導著公共自行車下一輪改進的方向。公共自行車作為一種綠色化出行的交通方式，在國內外得到了廣泛的認可與推廣普及。但對比國內外公共自行車的普及力度、發展現狀以及服務滿意度不難發現，國外公共自行車的普及力度更大、發展現狀更好、服務滿意度更高[1-3]。以荷蘭格羅寧根市為例，公共自行車在居民日常出行中的占比高達39%[4]，而寧波市此項占比僅為3.78%；同時，荷蘭居民中近90%的居民對于國內公共自行車的發展現狀表示滿意[5-12]，但寧波市公共自行車自2013年投入運營至今，尚未實現對公共自行車服務滿意度的有效評價及合理預測。

關于城市公共自行車服務滿意度評價模型構建方法的研究，國內學者多應用層次分析法、因子分析法、結構方程模型等方法。其中，崔夢蕾[13]運用因子分析、多元回歸模型研究分析公共自行車滿意度的影響因素，并對公共自行車滿意度進行計量分析；蔣麗芹等[14]采用問卷調查結合因子分析的方法，以無錫市公共自行車為例，提煉影響公共自行車滿意度的三類主成分因子并據此進行改善對策的研究；吳寶泰等[15]運用特爾菲法與層次分析法相結合的方法，構建城市公共自行車系統公眾滿意度評價體系來評價城市公共自行車的公眾滿意度；錢佳等[16]基于探索性因子分析的方法，構建影響使用公共自行車滿意度的結構方程假設模型來研究影響蘇州市公共自行車滿意度的影響因素；張磊等[17]通過問卷調查的方式，利用因子分析與回歸分析相結合的方式分析武漢市公共自行車滿意度的影響因素及滿意度等。相反，國外學者中則較少有人開展公共自行車服務滿意度評價模型構建的相關研究。基于國外公共自行車的發展現狀，國外學者更側重于從事公共自行車布局、規劃等方面的研究工作。總結分析國內外研究現狀發現，關于公共自行車服務滿意度建模的研究主要存在如下3個問題：(1)建模過程缺少數據支撐或數據量過小，無法確保模型的準確性；(2)缺少對模型的驗證評估，無法確保模型的適用性及合理性；(3)提出的改善對策過于宏觀，針對性較弱。

本文以寧波市公共自行車為例，通過問卷調研方式，采集并回收到1 688份有效問卷。隨機抽取95%的問卷樣本后，利用因子分析法對95%的問卷樣本進行分析、篩選出影響公共自行車服務滿意度的6個因子，并利用二項logistic法剔除顯著性較弱的因子，篩選出5個有效因子參與構建公共自行車服務滿意度評價模型。同時，針對前人研究中未對評價模型進行有效檢驗的不足，在模型檢驗過程中利用預留的5%樣本數據驗證評價模型的合理性與準確性。最后，結合寧波市公共自行車運營特征及國內外公共自行車的發展現狀，提出合理的改善對策。

1 問卷基本情況

1.1 問卷問題設置

問卷共包含4部分內容，分別為居民個人信息、公共自行車使用現狀、公共自行車常見故障類型以及公共自行車服務滿意度。其中，公共自行車服務滿意度共包含11個問題，分別為總體滿意度評價以及10個涉及服務滿意度的因素的評價，10個因素包括：F1站點數量與布局；F2站點設施情況；F3高峰時期借車便利性；F4高峰時期還車便利性；F5刷卡系統穩定性；F6計費準確性；F7自行車外觀、質量；F8借還、站點信息發布情況；F9現場、熱線工作人員服務態度；F10配套非機動車道及相關設施。針對公共自行車服務滿意度的11個問題，設置“滿意、一般、不滿意”3個選項供給被調查人員勾選，在數據分析環節參考李克特五級評分法，并結合問卷數據特征，對“滿意、一般、不滿意”3個選項分別賦值5分、3分以及1分進行數據統計分析。

1.2 數據基本情況

通過對被調查人員的個人信息基本情況的統計發現，采集并回收的1 688份居民滿意度有效問卷隨機分布性好、合理性強、數據詳實，具備分析的價值。

1.3 信度及效度檢驗

構建公共自行車服務滿意度評價模型前，本文首先針對問卷進行信度及效度檢驗，以確保問卷結構的合理性和有效性。信度檢驗使用克朗巴哈系數(Cronbach′s Alpha)，系數在0～1之間，一般認為0.65～0.70之間是最小可接受值，0.70～0.80之間信度較好，0.80～0.90之間信度很好[18]。經過統計分析，問卷數據得出的克朗巴哈系數為0.734，說明調查問卷信度較好，見表1。

表1 信度檢驗統計量Table 1 Reliability test statistics

10個服務滿意度因素之間的效度以及相關性的檢驗利用KMO和Bartlett檢驗[18]，判斷問卷有效性的同時檢驗10個因素是否適合作因子分析。KMO取值越接近1，表明問卷的結構性越好，效度越高。統計并分析問卷數據得到KMO值為0.764，說明問卷結構性較好；另外，樣本數據的Bartlett值為2 656.168。當顯著性水平為0.01時，由于概率p值小于顯著性水平，故應拒絕零假設，認為10個因素之間存在相關性，樣本數據適合采用因子分析，見表2。

表2 效度檢驗統計量Table 2 Validity test statistics

2 因子分析

2.1 提取分析因子

確定樣本數據適合采用因子分析法后，對10個因素進行因子分析，提取n個(n≤10)因子。從提取的因子對整體數據的解釋情況來看，一般情況下，累積方差貢獻率(即因子累計反映原始因素的信息量)不應小于80%。為增強提取的因子對原始因素的解釋性，并使得降維效果更加顯著，故調查樣本數據抽取的特征值應該大于0.700(不包括0.700)，對應的累計方差貢獻率大于84.192%，見表3。

表3 特征值及方差貢獻率統計表Table 3 Statistical table of eigenvalues and variance contribution rate

注：提取方法為主成分分析法。

根據表3第二組數據(即提取平方和載入)發現，指定提取6個因子后，6個因子共解釋10個因素總方差的84.192%以上，原有信息的丟失較少，因子分析效果較為理想；根據第三組數據(即旋轉平方和載入)發現，因子旋轉后累計方差貢獻率沒有改變，故10個因素的共同度未受到影響，但重新分配了各個因子解釋原始因素的方差，使得各因子的解釋性更強。

2.2 命名分析因子

通過提取分析因子，將10個與服務滿意度有關的因素進行降維處理，并通過方差最大法對因子載荷矩陣實施正交旋轉，得到各因素在6個因子上的載荷，見表4。

表4 旋轉后的因子載荷矩陣Table 4 Factorial loading matrix after rotation

注：提取方法為主成分分析法，旋轉法為具有Kaiser標準化的正交旋轉法， 旋轉在14次迭代后收斂。

根據表4可以發現：(1)因素F8、F9、F10在第1個因子上有較高的載荷，第1個因子可解釋為f1配套服務；(2)因素F3、F4在第2個因子上有較高的載荷，第2個因子可解釋為f2服務質量；(3)因素F5、F6在第3個因子上有較高的載荷，第3個因子可解釋為f3收費形式；(4)因素F1在第4個因子上有較高的載荷，第4個因子可解釋為f4網點布設；(5)因素F7在第5個因子上有較高的載荷，第5個因子可解釋為f5外觀質量；(6)因素F2在第6個因子上有較高的載荷，第6個因子可解釋為f6基礎設施。

提取得到6個因子后，需要運用協方差進行因子間的線性相關性檢驗，得到因子的協方差矩陣，見表5。

表5 協方差矩陣Table 5 Covariance matrix

注：提取方法為主成分分析法，旋轉法為具有Kaiser標準化的正交旋轉法。

根據表5發現，降維處理后提取獲得的6個因子之間沒有明顯的線性相關性，實現了因子分析的設計目標。最終確定6個分析因子分別為：f1配套服務；f2服務質量；f3收費形式；f4網點布設；f5外觀質量；f6基礎設施。

3 二項logistic分析

3.1 數據基本處理

3.1.1 轉化為0/1變量

根據因子分析中得到的權重值(即表4旋轉后的因子載荷矩陣)，對每份樣本數據中6個因子的滿意度進行加權計算，具體計算方法為：

Si=Fi1*ωi1+Fi2*ωi2+…+Fij*ωij，

其中，ωij表示第i個因子中服務滿意度因素j在該因子上的權重，qj表示服務滿意度因素j旋轉后的因子載荷值，Fij表示第i個因子中服務滿意度因素j在問卷中的得分；Si表示加權計算后第i個因子的滿意度得分。

加權計算得到各個因子的滿意度得分值后，將得分大于3分的樣本標記為1，記作滿意；將得分小于等于3的樣本標記為0，記作不滿意，從而實現將數值型變量轉化為0/1變量的目的。

3.1.2 保留5%檢驗樣本

利用SPSS，隨機抽取5%問卷樣本，用做后期評價模型的驗證。同時，利用剩余95%的樣本數據進行二項logistic分析，建立因子間的回歸方程模型。

3.2 回歸方程建立

建模過程中，利用向前：LR策略進行變量篩選，篩選結果顯示，取定顯著性水平為0.01時，因子f3的概率p值大于顯著性水平0.01，故因子f3不能進入方程，應剔除因子f3重新建模。

根據表6發現，剔除因子f3并重新建模后，各因子的概率p值均小于顯著性水平，說明此時模型中的全體解釋變量與LogitP的線性關系顯著，模型較為合理，見表6。

表6 方程中有效因子的檢驗統計量Table 6 Test statistic of effective factors in the equation

最終，根據表6中5個有效因子的系數(即B列數據)，得到如下所示二項logistic回歸方程表達式：

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

其中，L表示被調查用戶針對各有效因子的服務滿意度作出客觀評價后，用戶對公共自行車總體服務表示滿意與不滿意的概率比值。

根據表7發現，服務滿意度評價模型對參與建模的95%問卷樣本數據的評價結果與問卷樣本數據的實際結果中基本一致，總預測精度達到73%，預測精度較高，效果較好。

表7 模型預測精度表Table 7 Model prediction precision table

4 模型校驗

考慮到先前有關城市公共自行車服務滿意度評價模型構建的研究中，較少有學者針對構建的模型開展校驗工作，故評價模型的合理性及準確性較難得到保證。本文改進這一缺陷，增加模型校驗環節。模型校驗環節將利用預留的5%調查樣本數據與模型計算結果進行非參數檢驗。在非參數檢驗中，確定置信性水平為0.01，零假設為預測數據與實際調研數據無顯著差異，具體結果見表8。

表8 非參數檢驗統計量Table 8 Non-parametric test statistics

根據表8可以發現，由于非參數檢驗的概率p值大于顯著性水平，故不應該拒絕原假設，認為預測數據與實際調研數據無明顯差異，因此判斷評價模型的合理性與準確性均較強。

5 結論

本文將因子分析法與二項logistic法相結合，對1 688份居民滿意度問卷進行分析,剔除并篩選出5個有效因子,構建公共自行車服務滿意度評價模型，不僅有助于合理評價當前寧波市居民對公共自行車的服務滿意度，同時適用于對未來一段時間內寧波市公共自行車服務滿意度的預測。

(1)公共自行車服務滿意度評價模型中共包含5個有效因子，有利于實現寧波市居民對公共自行車服務滿意度的定性感受向定量體現的轉換；

(2)根據構建的評價模型的系數發現，因子f2對結果L的影響最大，即高峰時期借還車便利程度對于寧波市居民的定性感受影響最大，需要相關部門在未來一段時間內重點解決高峰時期車輛調度的問題，有效提升服務滿意度；

(3)本文對公共自行車服務滿意度評價模型開展了校驗工作，不僅有效彌補了先前研究中未能實現模型有效校驗的不足，同時說明了模型的合理性與準確性均較強。

考慮到寧波市公共自行車投入運營使用的時間較短，故問卷設計、調查過程主要集中于RP調查，缺少SP調查的內容，不利于掌握未來一段時間內寧波市居民對公共自行車的發展潛在需求。同時，調查過程主要針對公共自行車使用群體開展，使得樣本的覆蓋性受到一定影響。因此，增加SP調查環節并針對非公共自行車使用群體開展調查、分析工作將是今后研究工作的重點。

6 改善對策

根據公共自行車服務滿意度評價模型評價結果顯示，寧波市居民中對當地公共自行車服務表示滿意的占比為67.13%，結合調研過程中發現的公共自行車運營中存在的不足，應該重點從以下幾個方面開展改善對策研究：

(1)借鑒“太原模式”，開展超密網點布局，將網點密度控制在合理范圍內，保證更多人有車可借。一般來說，城市核心區服務半徑覆蓋控制在150 m～200 m范圍，城市外圍區服務半徑覆蓋控制在300 m～400 m范圍；

(2)增加公共自行車的成本投入，購置結實耐用自行車，減少自行車使用中的破損率；同時，適當增加檢修投入，保障自行車設施的可用性；

(3)完善公共自行車手機app功能，提高用戶的優質體驗。手機app應用軟件應主要包括以下幾個功能：i.周邊200 m范圍內站點數量與站點名稱查詢；ii.周邊200 m范圍內站點車輛盈余狀況查詢；iii.公交卡剩余金額查詢與充值功能等。

(4)加強公共自行車的調度服務，針對公共自行車存在的早晚高峰潮汐現象，結合歷史運營特征數據，提前制定長效調度計劃。同時，結合高峰期租借異常現象，實時進行應急響應。

參考文獻：

[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]孫苑鑫.難以抵擋的騎行誘惑：荷蘭、丹麥和德國的自行車交通推廣經驗研究[J].國際城市規劃，2012，27(5)：26-42.

[5]周宏，韓良峰．城市交通：走綠色環保發展之路[J].經濟問題探索，2011(9)：176-180。

[6]王志高，孔喆，謝建華，等．歐洲第三代公共自行車系統案例及啟示[J].城市交通，2009,7(4)：7-12.

[7]宋騫．公共自行車的株洲模式-低碳時代的城市命題[J].中華建設，2013(5)：14-16.

[8]趙志強，容仲堅．城市交通體系中自行車的作用研究[J].山西建筑，2010,36(18)：43-44.

[9]韓笑．武漢推行公共自行車交通系統現狀與對策研究[D].成都：西南交通大學，2012.

[10]單明耀，蔣凌云,莫敏珍，等．杭州公共自行車服務現狀調查分析[J].中國城市經濟，2011(6)：261-262.

[11]許民強，姚曄，費麗娟．公共自行車服務滿意度評價體系的研究[J].中國統計，2014(5)：55-56.

[12]王煒，陳學斌，陸建．城市交通系統可持續發展理論體系研究[M].北京：科學出版社，2004.

[13]崔夢蕾．基于顧客滿意度的城市居民對公共自行車出行分析[J].現代商貿工業，2011(9)：125-126.

[14]蔣麗芹，吳寶泰．基于因子分析法的城市公共自行車系統公眾滿意度研究[J].哈爾濱商業大學學報(社會科學版)，2014(4)：73-80.

[15]吳寶泰，蔣麗芹．城市公共自行車系統公眾滿意度評價體系構建[J].現代商貿工業，2013(19)：91-93.

[16]錢佳，汪德根，牛玉．城市居民使用市內公共自行車的滿意度影響因素分析——以蘇州市為例[J].地理研究，2014,33(2)：358-371.

[17]張磊，王道勇．公共自行車服務滿意度實證研究——以武漢市居民使用情況為例[J].經營管理者，2011(7)： 21.

[18]薛薇．統計分析方法及應用[M].北京：電子工業出版社，2014.