主客群體的交通滿意度測度及影響優先級分析
——以云南省大理市為例

楊春麗，陳 方，戢曉峰

（昆明理工大學a.交通工程學院；b.云南綜合交通發展與區域物流管理智庫；c.馬克思主義學院，云南 昆明650500）

交通運輸是城市旅游業發展的基礎支撐和先決條件。旅游城市的交通系統不僅要滿足本地居民（主體）的日常活動需要，還要滿足外來游客（客體）的旅游交通需求［1］。隨著旅游業的發展，城市交通系統的旅游服務功能日益受到關注，如何同時為主客群體提供優質的交通服務，是旅游交通規劃與管理關注的焦點。在此背景下，通過開展主客群體的多維交通滿意度測度研究，辨識制約旅游城市交通滿意度的關鍵要素，對于提升旅游城市的服務水平與吸引力，改善本地居民的生活質量具有重要的指導意義。

滿意度作為衡量旅游城市交通服務質量的重要指標，反映了主客群體對城市旅游交通的期望與其實際感知的差距。從20世紀80年代開始，國外學者就交通對游客滿意度的影響［2］、單維度交通滿意度與整體滿意度的關系［3］、旅游地的主客行為［4，5］等議題進行了探討。近年來，國內旅游交通滿意度研究逐漸興起，并在旅游交通滿意度量化評價體系和模型［6，7］、影響因 素 分 析［8］等 方 面 取 得 了 初 步 成 果。旅游交通的研究視角開始從客體主導逐步轉向主客群體交往［9，10］，旅游交通滿意度的評價指標也從規劃層面的可達性［11，12］進一步拓展至運營管理層面的安全性、經濟性和換乘便捷性［13］，評價對象逐漸涵蓋公共交通、自行車和高鐵。

上述研究成果對基于滿意度的旅游交通規劃管理提供了有益參考，但是也存在著不足。首先，現有交通滿意度測度主要基于游客對單一維度的感知，尚未全面納入網約車、步行等交通方式。其次，交通滿意度的評價過程忽略了群體異質性對評價結果的影響。最后，大多數研究主要關注交通滿意度評價體系本身，而未能提出滿意度影響因素的優先級，即應該改善哪些要素才能促進旅游城市的交通滿意度提升。本文擬從多維交通滿意度在主客間的群體差異出發，構建滿意度測評云模型來彌補傳統評價在主觀隨意性過強方面的不足，并以典型的旅游城市為例進行實證研究，力圖明晰主客群體的交通滿意度差異，以期為旅游城市交通的精細化管理提供參考借鑒。

1 研究方法

1.1 四維交通滿意度指標體系

根據旅游城市中主客群體的出行特征，從常規公交、出租車、網約車、非機動車（包括自行車和步行）4個維度評價城市交通滿意度。本文采用文獻分析與專家意見相結合的方法，初步形成了滿意度測度題項。以交通運營服務質量指標［14］為基礎，參考相關學者［15，16］對旅游交通服務質量評價體系的研究成果，并結合專家咨詢意見，根據科學、客觀、實用等原則決定測評題項。最終得到5個一級測評指標、39個二級指標，構成多維的旅游城市交通滿意度評價體系（表1）。

表1 旅游城市多維交通滿意度評價體系

=

1.2 基于熵權—云模型的測度方法

交通滿意度評價是定性語言向定量描述轉換的過程，評價結果極易受到滿意度感知過程中的主觀、模糊、隨機等問題的影響。云模型作為實現定性概念與定量表示的轉換模型［17］，是解決滿意度評價中的不確定性問題的有效途徑。本文引入熵權—云模型測度交通滿意度，具體測度步驟如下［18］：

基于正向云發生器的基準云生成：正向云發生器借助云期望、熵和超熵3個數字特征，能夠實現模糊評價語向滿意度值的轉換，形成滿意度評價的基準云T（Exq，Enq，Heq）。m個調查對象的n個評價指標的滿意度模糊評價集Vq可表示為：

式中，V1—V5分別表示滿意度評價語為很不滿意、較不滿意、一般、較滿意、很滿意”。本文以n個評價指標的模糊評價集作為正向云發生器的輸入變量，計算基準云的3個數字特征，計算公式為：

式中，期望Exq為滿意度量化的最典型樣本；熵Enq為論域空間可被滿意度接受的范圍；超熵Heq表征云滴的凝聚程度，超熵值越小，云滴的隸屬度和隨機性就越小；Tmax、Tmin分別為滿意度評語的上限和下限；k為根據模糊程度確定的常數。

基于逆向云發生器的評價云生成：逆向云發生器通常以問卷調查數據作為輸入變量，通過輸出評價指標的期望、熵和超熵，可將定量數據轉換為定性描述，交通滿意度評價結果的云特征參數R（Ex，En，He）的計算公式為：

式中，Exj、Enj、Hej分別表示第j項的期望、熵和超熵；wj表示第j項評價指標的權重。

設xij（i＝1，2，…，N；j＝1，2，…，M）表示第i個樣本在第j項評價指標上的評價語；M和N分別表示評價指標總數和評價樣本總數。第j項評價指標的評價云參數如下式所示，S2在式中表示樣本的方差。

第j項評價指標的權重wj可通過熵權法進行計算，流程如下式所示：

式中，pij為第i個樣本在第j個指標上的歸一化值；Hj為指標j的熵值。

綜合公式（3）—（5）可計算單一維度的交通滿意度評價云和主客群體的綜合滿意度評價結果云。

云圖生成及群組差異度量：基于云模型的評價過程主要通過比較基準云和評價云的云圖相似性來確定評價結果。一般地，每個云圖由若干個云滴組成，每個云滴可視為一個“評價者”，通常采用隨機數算法根據云參數（期望、熵和超熵）來生成。云圖生成過程便是模擬多個“評價者”的評價過程，因此能夠改善層次分析、模糊綜合評價等傳統評價方法的隨機性和模糊性較強的缺點［16，19］。設（xk，μk）為云滴k在云圖中的坐標，μk為云滴在云圖中的隸屬度。基準云與評價云的云圖生成算法相同，差別在于基準云的云滴根據式（2）的云參數來生成，而評價云的云滴則根據式（4）的云參數生成。云滴生成的具體步驟如下［20］：

①以Ex為期望，以He為方差，生成正態隨機數Enn＝Norm（Ex，He）；②以Ex為期望，以Enn為方差，生成云滴的橫坐標參數xk＝Norm（Ex，Enn）；③計算云滴在云圖中的隸屬度μk，計算公式為：

式中，S2表示所生成云滴的方差；Δ為最小誤差［21］。為保證誤差小于0.01，取云滴數為1000。

主體和客體的交通滿意度差距來源于二者對不同維度交通的服務感知，以綜合評價結果云中的期望值代表主（Exh）、客（Exg）群體的交通滿意度結果，根據式（8）計算主體和客體的交通滿意度差距。由式（8）可知，G的取值介于－1至1之間。G值為正，表明主體交通滿意度大于客體交通滿意度；G值為負，表明客體交通滿意度大于主體交通滿意度。

2 研究區域概況與數據來源

2.1 研究區域概況

作為中國優秀旅游城市，大理市擁有國家4A級以上景區4個、對外接待景點100多處。除旅游資源較為豐富外，大理市的城市交通系統也頗具特色，擁有常規公交、出租汽車、網約車和非機動車等多種交通方式。其中，公交是大理市旅游交通的重要組成部分，市域內有29條公交運營線路（包括三塔專線、城市觀光等旅游專線），出租車和網約車可滿足主客群體個性化出行需求。此外，洱海沿線和市區還設置了可供自行車騎行的專用道。

2.2 數據來源

本文采用問卷調查法獲取數據，調查過程結合被調查者的出行目的和常住地對“被調查者是否為主客群體”進行區分。調查于2018年12月7日至9日進行，調查地點主要包括大理站（火車站）、汽車客運站、機場、部分公交換乘站和自行車騎行道附近。上述調查地點位于大理市市中心，人流量較大，被調查人員職業、學歷等分布較廣，具有一定的代表性。調查主要采用現場問卷的形式，受訪者在調查員的輔助下填寫調查問卷并提交調查結果，每份問卷的采集時間為5min左右。調查員由在校碩士研究生擔任，在正式調查前對7名調查員進行培訓。調查問卷主要涉及個體特征、城市交通滿意度調查兩個部分。其中，個體特征包括性別、年齡、月收入、學歷和職業，共5個題項；城市交通滿意度調查包括常規公交、出租車、網約車、非機動車4個維度的滿意度評價。常規公交維度包括表征經濟性、便捷性、舒適性、安全性和服務性的13個題項，出租車和網約車維度分別有10個題項，非機動車有6個題項。每個調查項提供很滿意、較滿意、一般、較不滿意和很不滿意5個選項以供被調查者選擇，并采用5分制的李克特量表法描述乘客滿意度評價的主觀心理感受。調查最終獲得問卷744份，其中有效問卷537份（包括主體274份、客體263份）。受訪者的基本信息特征見表2。

表2 受訪者的基本信息特征

在調查樣本之中，主客群體的年齡主要集中在21—30歲之間，學歷為本科/大專的人數最多，主客群體的職業為公司職員的占比較高，性別屬性在主客群體間的分布較為均衡。在進行滿意度計算前，本文采用SPSS 20.0軟件分別對主客群體的常規公交、出租車、網約車、非機動車的信度進行了檢驗，結果表明4種方式的Cronbach’sα值均在0.9以上，信度良好；KMO值范圍在0.891—0.947之間，Bartlett的球形度檢驗值均為0.000，樣本較為顯著，可滿足效度檢驗要求。

3 結果及分析

3.1 旅游城市交通滿意度的群體差異對比

設置交通滿意度評價云集V＝｛很滿意，較滿意，一般，較不滿意，很不滿意｝，基于正向云發生器計算得到5級基準云參數：很滿意（4.50，0.17，0.10）、較滿意（3.50，0.17，0.10）、一般（2.50，0.17，0.10）、較不滿意（1.50，0.17，0.10）、很不滿意（0.50，0.17，0.10）。運用逆向云發生器生成各評價指標的結果云參數，再通過熵權法綜合加權計算得到主體和客體的交通綜合滿意度評價結果。主體最終評價結果的云參數為（3.757，0.772，0.218），客體最終評價結果的云參數為（3.929，0.657，0.328）。主客群體交通滿意度評價結果云如圖1所示。圖中黑色圓點代表評價基準，紅色圓點代表評價結果。

圖1 主、客群體交通滿意度評價結果云

由圖1可知，主、客群體交通滿意度評價結果云的期望值分別為3.757和3.929，二者均位于“較滿意”和“很滿意”評價語之間，但客體的平均交通滿意度更高。由公式（6）分別計算交通滿意度結果云與基準云的相似度。結果表明，主、客群體的滿意度結果云與基準云在“較滿意”等級的相似度最高，二者的相似度依次為37.73%和35.68%，評價結果均為“較滿意”。就云的熵值而言，主體云結果的熵值要大于客體云結果，說明主體滿意度的評價結果受個體值影響較大且不穩定。至于表示云層厚度的超熵值，客體交通滿意度的評價結果更大，說明客體交通滿意度結果的隨機性更大。根據公式（7）計算得到主客群體交通滿意度差距為－0.022，表明二者在整體滿意度上的感知差距相差不大。

3.2 旅游城市交通滿意度的維度差異對比

為進一步揭示主客群體交通滿意度在具體維度上的差異，繪制不同維度的評價云圖（圖2）。對比發現：主客群體的常規公交、出租車、網約車、非機動車的單維度交通滿意度評價結果均位于“較滿意”等級，滿意度由大到小依次為常規公交＞網約車＞出租車＞非機動車。就常規公交而言，主客體的結果云期望值分別為3.791、3.937，滿意度差距指數為－0.019，二者均在“較滿意”等級的相似度最高（相似度大于35%），整體結果相差不大。但在云層厚度方面，客體常規公交的結果云厚度遠大于主體，表明客體的常規公交滿意度評價結果隨機性更強。主客群體滿意度在網約車維度也呈同樣的差異特性，這可能與出行者對交通工具的初始信任和服務感知相關。對出租車和非機動車而言，主客群體的滿意度評價結果略低于常規公交和網約車，但群體之間的滿意度差距和云層厚度差距更小，表明主客群體對出租車和非機動車滿意度的變化不敏感。

圖2 不同維度主、客群體交通云滿意度評價結果

3.3 旅游城市交通滿意度的IPA分析

對主客群體的城市交通滿意度和指標重要性進行集成分析，可確定交通滿意度提升的優先級，在有限的資源條件下，為交通管理者提供直觀的管理策略。本文基于重要性—績效分析（IPA）法，將指標的重要性和滿意程度反映在四象限圖中［22］，重要但滿意度較低的指標因素（象限IV中的因素）未達到主客群體的期望，是導致滿意度低的主要原因，應優先考慮。本文分別以滿意度評價指標體系中的每個指標期望值的平均值（主體：3.761，客體：3.931）為Y軸分割點，以每個指標的熵權平均值（主體和客體均為0.026）作為X軸分割點，得到圖3。

對比發現，主客群體交通滿意度優先改善的因素呈現顯著的群體差異性。在舒適性方面，主體的優先改善因子是X15、X16，而客體為X2、X3、X4；在安全性方面，主客體的優先改善因子較為相似，均是X19和X21；服務性因子，本地居民更加重視X10、X20和X30因子，而外來游客除了關注X20外，也更加在意X17和X22因子；經濟性方面，X14、X24是主體交通滿意度的優先改善因子，而客體對交通的經濟性指標滿意度較高。

圖3 主客群體交通滿意度IPA圖

4 結論與討論

云模型評價結果表明，主、客群體的整體交通滿意度評價結果相差不大，均為“較滿意”等級，但客體交通滿意度結果的隨機性更強。在具體維度上，主客群體的滿意度由大到小依次為常規公交＞網約車＞出租車＞非機動車，客體的常規公交滿意度和網約車滿意度評價結果的隨機性更強，兩類群體的出租車和非機動車滿意度評價結果更為穩健。從交通滿意度的“重要度—績效”分析結果來看，主客群體交通滿意度優先改善的因素呈現顯著的群體差異性。除了主客群體都關注出租車的安全性因子外，本地居民更加注重出租車的乘車環境和票價水平、常規公交的準點率和網約車的經濟性，而外來游客則更加關注常規公交的乘車環境和出租車的服務態度、等候時間。

本文從主客差異的視角度量了旅游城市的交通服務水平，明確了提升旅游城市交通滿意度的優先改善因素，研究結果可為交通管理和旅游城市的形象改善提供參考。但考慮到數據的可獲取性，本文僅選取西部旅游城市大理市為研究案例地，并未與其他不同地域的旅游城市進行綜合對比，今后考慮將地域因素納入模型中，進一步拓展研究范圍，橫向對比旅游交通的群體異質性，以便因地制宜提出旅游城市的交通滿意度提升策略。