杨柳毅 朱顺应 刘春艳 吴景安 冯俊洁
(武汉理工大学交通与物流工程学院 武汉 430063)
在交通一体化出现之前，综合交通协调、多模式交通协调[1]等研究多涉及各种交通方式间相互协作和整体交通网络性.而交通一体化以线网一体化为基础、政策一体化[2]为保障、票务及支付一体化为优势，涉及范围更广，最终实现交通运输一体化.其研究重心也由最初的区域交通一体化、城乡交通一体化[3]，更多聚焦至城市交通一体化.
现阶段，大数据、云计算等技术的迅速发展，推动了交通一体化的研究进程，交通信息一体化成了交通运输一体化的必要支撑条件. “出行即服务”(mobility-as-a-service，MaaS)[4]概念的提出，为用户提供多模式、可持续且智能的无缝出行规划、支付、服务一体化系统[5]，将出行者理念由拥有交通工具转变为拥有交通服务.交通一体化水平辨识可帮助了解一体化程度、出行者关注点和差距所在，是提高交通一体化水平的基础和必要工作，其研究内容主要包括一体化水平测度指标选取和测度方法两个方面.
目前，交通一体化水平测度指标的选取，多从宏观角度进行，难以反映出行微观特性.刘志彪等[6]从宏观角度出发，选用铁路与公路网密度为指标，间接测度了区域交通一体化的水平.Nosal等[7-8]考虑到出行者重要性，认为网络、票务、信息、站点等物理集成和协调，是影响公共交通一体化的主要因素，但这些宏观指标难以定量描述.因此，文中引入效率概念和出行链满意度，考虑主、客观因素影响，从微观上对交通一体化水平进行测度.
现有测度方法主要采用层次分析法(analytic hierarchy process，AHP)，但AHP对于指标要求较高，指标考虑不全，可能影响结果的准确性；
指标选取过多，则可能不满足独立性要求，并且增加了测度成本.而且AHP权重一般由专家确定，具有主观性，不是出行者的价值共识.因此，为了更加直观、简便、客观、从乘客的角度确定一体化水平，并消除当前评价方法中权重确定的主观性，本文采用结构方程模型进行测度.结构方程模型能考虑到一体化的多维性质，能根据部分因素揭示整体水平，且能计算出权重，结果更具客观性.
现阶段城市轨道交通一体化研究主要体现在换乘一体化和票务一体化两方面，如计算轨道站点吸引接驳范围并在车站周围预留足够空间以提高其他方式与轨道交通间的一体化接驳效率；
以移动互联、大数据、云计算等为基础，通过打造智能、便捷的票务平台来提高轨道交通的一体化支付效率[10].随着社会经济的发展，乘客对于出行一体化的要求也在不断提高，需求也会因个人的社会经济状况而异.因此，一体化水平测度时，乘客主观感知是不可忽视的重要因素.
文中基于城市轨道交通乘客出行，考虑出行方式间的竞争，将小汽车出行作为理想状态，参考MaaS实践，提出三个相对效率指标，结合乘客主观感知，综合主客观因素，从微观角度采用结构方程模型评价武汉轨道交通出行一体化水平，同时揭示因素间关系、乘客的一体化偏爱和改善方向.
1.1 一体化水平辨识方法
采用SEM对一体化水平进行测度，并未选择目前大多数学者常用的AHP法.SEM可以消除测度的主观性，弱化指标数量对准确性的影响.SEM也可确定心理感知与因素指标，以及因素指标的交互关系，能从单个出行链的微观数据中，提炼出交通一体化水平的出行者群体共识.图1为潜变量对应观测变量路径.
仅有一个潜变量SEM基本形式如下.
X=Λi·ξ+δ
(1)
式中：ξ为潜变量轨道交通一体化水平；
Λi为轨道交通一体化观测变量对潜变量的因子载荷，Λi=(λ1，λ2，…，λi，…，λn)T；
X为轨道交通一体化观测变量，X=(X1，X2，…，Xi，…，Xn)T；
δ为观测变量的误差项，δ=(δ1，δ2，…，δi，…，δn)T.
在模型求解过程中，被观测变量的协方差矩阵是一组待估计参数的函数，观测变量误差项消除了部分观测过程中产生的不确定性，观测变量之间的共变性减少了观测变量之间的相互影响.
模型中潜变量出行一体化水平为
(2)
式中：INT为轨道出行一体化水平指数；
ξ为潜变量轨道出行一体化水平；
E[ξ]为轨道出行一体化水平的期望值；
min[ξ]为轨道出行一体化水平的最小值；
max[ξ]为轨道出行一体化水平的最大值，其对应计算模型为
(3)
(4)
(5)
式中：Ei为轨道出行一体化水平观测变量；
λi为各个观测变量对潜变量轨道出行一体化水平的权重；
K为潜变量轨道出行一体化中显变量总数.
在实际计算中，轨道出行一体化水平，一般都采用各效率的最大值代替各观测变量的最大值，采用效率的实际调查计算的最小值代替各显变量的最小值.这里max{Ei}=1.
1.2 出行一体化指标选取
MaaS模式致力于为乘客提供一种无缝的出行方式，以更方便、更快捷、更简约、更绿色的方式取代小汽车出行.MaaS实践落地的过程中，以乘客的视角出发，发现行程时间、换乘时间与次数和支付次数最为乘客所看重，也体现了MaaS目标出行一体化中，多模式交通一体化、换乘一体化与支付一体化等重要组成部分.考虑到交通一体化水平测度的多维性和结构方程式特性，本文并未对指标进行完全覆盖，而是提取最具代表性的三个客观指标与一个主观感知综合指标进行度量.
一体化的水平的最终表现可以间接反映在出行效率上.文中引入“效率”概念，对乘客出行一体化程度进行间接定量测度.效率是指在产出不变的情况下，要素投入的最优值(理想值)占实际值的比例.对运输效率的研究主要以数据包络法(data-envelopment-analysis，DEA)为主，如三阶段DEA法、DEA方法结合Tobit模型、轨道交通与常规公交换乘DEA法.文中认为出行者完成一次出行，无论采取轨道交通方式，还是理想且个性化的小汽车方式，产出都是完成相同空间位移.考虑到交通方式间竞争，把小汽车当作出行一体化的理想方式，这样测度的一体化水平就可以与理想的门到门小汽车方式进行对比.因此，将相同起讫点的小汽车出行时间花费、换乘次数、支付次数视为多模式一体化水平理想状态，对使用轨道交通方式出行的乘客实际状况作为实际投入，这样多模式出行一体化水平测度就可以转化为出行时间效率、方式间衔接效率及出行链支付效率3个指标进行间接映射度量.同时，出行的本质是乘客实现从出发地到目的地物理空间上的位移，乘客都是希望以更加省时、省力、省钱的方式实现移动的目的，当乘客完成空间位移后，对出行链效率一体化水平有总体主观感知，因此加入主观指标乘客出行链满意度来进一步反映出行一体化水平.
1) 出行时间效率
(6)
2) 方式间衔接效率
(7)
3) 出行链支付效率
(8)
4) 乘客出行链满意度
(9)
上述四个指标均属于效益型属性，指标均经过归一化处理，介于0～1(不包括0)，指标越大表明出行一体化水平越高.
2.1 问卷设计与实施
为测度轨道交通出行一体化水平，设计了武汉市地铁(含轻轨，下同)交通乘客的出行链调查问卷.问卷设计分为三个部分，①乘客基本信息，包含性别、年龄、职业、收入、乘坐轨道交通频率与惯用交通工具；
②本次出行链完整信息，如本次出行的起讫点、行程时间、预估小汽车使用时间；
本次出行换乘次数、工具与换乘时间，以及本次出行支付次数；
③乘客出行链一体化满意度，按照Likert五级量表分为五个等级，其中1=非常不满意，5=非常满意，1～5满意程度依次升高.
调查于2019年11月19日—12月20日进行，采取分层简单随机抽样，于武汉地铁列车上，面对面对乘客进行调查.调查覆盖武汉地铁交通所有线路及全天运营时间，工作日与休息日均进行调查.根据各线路站点数量及客流人数在保证调查精度情况下，确定各线路问卷数量，调查共发放问卷4 553份，有效问卷2 821份.出行链满意度标准差为0.954，在95%置信度水平下，样本的抽样误差为1.8%.
2.2 问卷信效度检验
为保证模型标定的稳定性与数据的一致性、有效性，利用SPSS19.0对问卷的信度和效度进行检验.结果表明，问卷的克朗巴哈信度系数为0.613，根据Guieford的观点，克朗巴哈信度系数α在0.6以上可接受，且删除任一指标后，克朗巴哈信度系数α均下降，内部一致性较好.采用因子分析法提取的巴特利球形检验，本次问卷KMO指数为0.548，采取主成分分析法，提取两个公因子的方差累积贡献率为64.821%.采用因子分析法提取的共同度检查问卷效度，三个效率指标与总体满意度的共同度均大于0.4，问卷效度高.
3.1 数据描述性结果与分析
有效问卷的描述性统计统计结果见表1～2.
本次调查性别比例较均衡，调查人群以18～50岁人群为主，职业以企事业单位职员居多，收入水平大多在4 000～6 000元/月，与武汉市人均收入接近.被调查者大多每天乘坐地铁交通2次或每周乘坐地铁交通不超过5次，基本符合通勤乘客与非通勤乘客使用地铁出行频率特征.调查人群以地铁交通惯用人群为主，单次出行多搭配其他交通工具.可见，抽样样本具有一定代表性.
由表2可知：文中选择的三个效率指标的平均值在0.6～0.7，说明武汉市地铁交通一体化水平在此三维度上表现良好，且武汉市地铁交通一体化发展在各维度较均衡，但仍存在一定改进空间.出行时间效率与方式间衔接效率的标准差均小于0.2，说明出行换乘与出行时间稳定性较好，乘客对于出行的体验基本趋于一致；
出行链支付效率的标准差为0.252，大于其他两个出行效率指标的标准差，说明支付一体化的稳定性，较衔接与时间效率低.
3.2 模型标定
使用SPSS19.0与IBM SPSS Amos软件结构方程模型进行标定，结果见图2.
图2 武汉市地铁交通出行一体化水平结构方程式
结构方程模型的拟合指数是判别模型与数据拟合程度的重要指标.参照Hooper和 Coughlan相关研究，采用选取近似误差均方根(RMSEA)、拟合优度指数(GFI)、修正的拟合优度指数(AGFI)、标准拟合指数(NFI)、增量拟合指数(IFI)、比较适配度指数(CFI)、六项指标进行模型拟合效果评价.模型评价数据见表3，该模型拟合指标均通过检验，模型适配度良好.
表3 SEM模型的拟合指标
结构方程模型标定成功后，测量模型中观测变量的标准化路径系数的大小，反映了观测变量对其潜变量的相对重要性，其数值越大越能反映潜变量的性质.
由图2可知：乘客出行链满意度与地铁出行一体化水平之间正相关性显著，其关联性可达到0.77.地铁出行一体化与其他三个效率指标即时间效率、衔接效率与支付效率存在正相关关系.
根据式(2)～(5)计算武汉市地铁交通出行一体化(INT)程度指数为73.04.
1) 依托乘客出行链微观组成形成的效率和主观感知，利用结构方程模型建立的轨道交通出行一体化水平测度体系，具有良好的实践性与推广性，可为MaaS实践提供理论支撑，为其他交通方式一体化测度提供参考.
2) 武汉市地铁出行一体化指数为73.04.出行一体化水平在时间效率、衔接效率与支付效率上均在0.6～0.7，在出行链效率方面仍存在一定的改进空间.
3) 出行一体化水平对乘客出行链满意度产生重要影响(0.77).在武汉市地铁交通出行一体化水平方面，乘客同等重视时间效率(0.21)和衔接效率(0.21).乘客对换乘时间及方式关注高于支付，且具有一致性.
结构方程模型里的观测模型，可以凭借少量观测指标就能客观测度具有多维属性且高度抽象的复合变量，这种特性为交通一体化测度提供了技术条件，类似的复合抽象变量定量分析也可采取观测模型.文中的交通效率，能直观反映轨道交通出行在行程时间、换乘、支付等方面与小汽车的差距.优先降低换乘时间、减少换乘次数，可以提升轨道交通出行效率，改善轨道交通乘客出行链满意度，增强轨道交通竞争力.
出行一体化水平测度，若借助手机APP使用大数据替代问卷进行调查，可以节省人力、物力与财力，可增大样本量，提高客观指标的精度，从而提高一体化水平测度精度，也可以进行轨道交通一体化水平的时空差异分析.一体化影响维度很多，观测的因素越多，精度也越高.模型中增加信息一体化、费用效率等其他重要因素，有待于进一步研究.
猜你喜欢 测度轨道交通变量 局部紧的阿贝尔群上谱测度的几何结构东北师大学报（自然科学版）(2022年2期)2022-07-23城市轨道交通投融资模式分析城市轨道交通研究(2022年4期)2022-04-16城市轨道交通投融资模式分析城市轨道交通研究(2022年1期)2022-02-18Rn上的测度双K-框架福州大学学报（自然科学版）(2021年6期)2021-12-31轨道交通信号系统无线传输应用建材发展导向(2021年18期)2021-11-05抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29我国要素价格扭曲程度的测度经济与管理(2020年4期)2020-12-28轨道交通快慢车越行问题研究智富时代(2018年5期)2018-07-18轨道交通快慢车越行问题研究智富时代(2018年5期)2018-07-18几何概型中的测度数学教学通讯·高中版(2017年3期)2017-04-17