CN112200455A - 综合客运枢纽换乘引导系统便捷性测评方法及系统 - Google Patents
综合客运枢纽换乘引导系统便捷性测评方法及系统 Download PDFInfo
- Publication number
- CN112200455A CN112200455A CN202011079129.8A CN202011079129A CN112200455A CN 112200455 A CN112200455 A CN 112200455A CN 202011079129 A CN202011079129 A CN 202011079129A CN 112200455 A CN112200455 A CN 112200455A
- Authority
- CN
- China
- Prior art keywords
- model
- convenience
- variable
- transfer
- variables
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012546 transfer Methods 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 230000006872 improvement Effects 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000008447 perception Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000005259 measurement Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000001419 dependent effect Effects 0.000 claims description 15
- 238000000556 factor analysis Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 230000006978 adaptation Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000007619 statistical method Methods 0.000 claims description 12
- 238000013139 quantization Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000011835 investigation Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 238000010998 test method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 4
- 101001042119 Lumbricus terrestris Chymotrypsin inhibitor Proteins 0.000 claims description 3
- 101001003192 Vigna unguiculata Bowman-Birk type seed trypsin and chymotrypsin inhibitor Proteins 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 3
- 239000000969 carrier Substances 0.000 claims description 3
- 230000001364 causal effect Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000010971 suitability test Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及交通运输领域,为提出一种综合客运枢纽换乘引导系统便捷性测评方法及系统。为此,本发明采取的技术方案是,综合客运枢纽换乘引导系统便捷性测评方法,基于出行者心理感知角度,结合出行者主观意愿及换乘设施客观因素,以数理统计理论和数据建模方法为技术手段,构建换乘引导系统便捷性结构方程模型,横向对比评价不同交通方式间换乘便捷性,结合重要性‑绩效分析方法,识别特定交通方式换乘引导系统便捷性优选改善策略,为提高综合客运枢纽运营效率进行有效指导。本发明主要应用于交通运输管理场合。
Description
技术领域
本发明涉及交通运输领域,尤其涉及一种基于出行者心理感知的综合客运枢纽换乘引导系统便捷性测评方法及系统。
背景技术
多方式、多功能的客运交通枢纽作为城市综合客运交通网络的重要节点,是多种客运交通方式集聚与大规模客流集散的场所,为出行者提供航空、铁路、长途客运等对外交通与轨道交通、公共汽(电)车、出租车、私家车等市内交通方式间的有效衔接,为构建高效、便捷、通畅、安全的综合交通运输网络奠定了基础。作为网络节点的综合客运枢纽,集聚客流在其内部无法及时疏散,容易导致严重的拥堵问题,降低换乘效率。不同交通方式间的安全性、经济性、舒适性对比情况可预先获知,而无法获知不同交通方式换乘的便捷性。
针对客运枢纽普遍存在各交通方式衔接困难、枢纽内部交通流向混乱等问题,众多专家学者对客运枢纽换乘引导系统评价方面展开研究,现有研究及规范标准主要集中于换乘基础设施布局、服务水平指标体系评价、换乘线路及设施衔接优化等客观因素层面的研究,较多的构建模型仅考虑单一或特定交通方式的换乘方面研究,未能综合反映客运枢纽内部不同交通方式间换乘效率对比情况,同时较多研究仅针对某一问题采取什么方法进行分析,未从换乘整体影响因素出发进行改善策略的分析。
出行者在客运枢纽内部的空间换乘行为受到基础设施布局、客运交通组织管理、导向标识设置、外界环境影响等因素的综合作用影响,影响因素兼具多样性与复杂性。而人作为交通出行的行为主体,其行为自主性及心理特性对交通方式的选择、路径选择行为决策起主导作用,现行不同交通方式间换乘引导系统便捷性分析缺乏对出行者心理行为主观特性的关注。因此,有必要建立基于出行者心理感知的综合客运枢纽换乘引导系统便捷性测评方法及系统,以实现综合客运枢纽的精细化高效管理。
发明内容
为克服现有技术的不足,本发明旨在提出一种综合客运枢纽换乘引导系统便捷性测评方法及系统。为此,本发明采取的技术方案是,综合客运枢纽换乘引导系统便捷性测评方法,基于出行者心理感知角度,结合出行者主观意愿及换乘设施客观因素,以数理统计理论和数据建模方法为技术手段,构建换乘引导系统便捷性结构方程模型,横向对比评价不同交通方式间换乘便捷性,结合重要性-绩效分析方法,识别特定交通方式换乘引导系统便捷性优选改善策略,为提高综合客运枢纽运营效率进行有效指导。
具体步骤如下:
S1:模型构建:创建基于结构方程模型的客运枢纽换乘引导系统便捷性理论模型,包含评价因素间的结构模型、测量模型及假设模型,并进行模型识别;
S2:数据采集:建立客运枢纽换乘引导系统便捷性调研指标体系,明确问卷数据量化及归一化处理方法;通过实施网络问卷调查及现场观测采集数据信息,结合描述性统计分析、问卷信度及效度检验方法,保证问卷数据体系的代表性、可靠性及合理性;
S3:数据处理:经结构方程模型参数估计、模型评价及模型修正,分析换乘引导系统便捷性影响因素间的权重系数;
S4:便捷性测评:采用换乘便捷性指数评价客运枢纽不同交通方式的换乘引导系统便捷性,以此为依据对多交通方式换乘引导系统便捷性进行排序;
S5:改善策略优选:构建重要性-绩效矩阵模型,识别特定交通方式换乘引导系统便捷性优选改善策略。
综合客运枢纽换乘引导系统便捷性测评系统,包括:
S1:模型构建模块:创建基于结构方程模型的客运枢纽换乘引导系统便捷性理论模型,包含评价因素间的结构模型、测量模型及假设模型,并进行模型识别;
S2:数据采集模块:建立客运枢纽换乘引导系统便捷性调研指标体系,明确问卷数据量化及归一化处理方法;通过实施网络问卷调查及现场观测采集数据信息,结合描述性统计分析、问卷信度及效度检验方法,保证问卷数据体系的代表性、可靠性及合理性;
S3:数据处理模块:经结构方程模型参数估计、模型评价及模型修正,分析换乘引导系统便捷性影响因素间的权重系数;
S4:便捷性测评模块:采用换乘便捷性指数评价客运枢纽不同交通方式的换乘引导系统便捷性,以此为依据对多交通方式换乘引导系统便捷性进行排序。
S5:改善策略优选模块:构建重要性-绩效矩阵模型,识别特定交通方式换乘引导系统便捷性优选改善策略。
模型构建模块S1具有如下单元:
S11:结构模型单元,确定综合客运枢纽内交通方式间换乘引导系统便捷性测评的结构变量,所述结构变量包含出行环境、交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性;其中,出行环境因素为外因潜在变量,交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性为内因潜在变量;
S12:测量模型单元,确定各结构变量对应的观察变量
所述结构变量出行环境对应的观察变量包含乘客对整体客流秩序性的打分、乘客对换乘组织流线合理性的打分、乘客对商业广告标识干扰性的打分;
所述结构变量交通线路引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分;
所述结构变量交通设施引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分;
所述结构变量服务设施引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分;
所述结构变量换乘便捷性对应的观察变量包含出行消耗总时间、出行消耗总距离、整体出行便捷性打分;
S13:初始假设模型单元。结合各结构变量指标含义及影响关系,建立初始假设模型,表征各结构变量间关系,方便后续进行结构方程模型验证性因子研究;
S14:模型识别单元,结构方程模型仅限于验证分析过度识别模型,以模型相对自由度结果为判定依据,验证模型结构中观测数据能否求解未知参数值,不符合条件时需调整模型结构变量间关系,模型相对自由度计算公式如下:
式中:df为模型相对自由度,df<0时为低度识别模型,df=0时0为恰好识别模型,df>0时为过度识别模型;
k为观察变量的数目;
t为待估参数的数目。
数据采集模块S2具有如下单元:
S21:指标体系单元。结合步骤S12中设定的测量模型单元与乘客基本信息制定调研问卷指标体系,因此本发明的调研指标体系包含如下两部分:
(1)乘客基本信息,包含性别、年龄、学历、职业、枢纽出行频率、出行起终点,可用以分析问卷数据的代表性及不同群体特征条件下便捷性测评差异;
(2)便捷性测评信息,包含步骤S12中测量模型单元中个观察变量;
S22:数据量化单元,为方便乘客回答问题,对问卷问题可采用正反两种表述形式,需分析问卷的表述方式,统一量表量化形式;
量化数据处理时,将问卷表述形式统一转化为得分越低,换乘便利性越低;
S23:数据采集单元,结合手机APP扫码问卷调查、现场实测固定起终点间距的方式,采集问卷数据信息;
S24:统计分析单元,采用描述性统计分析的方法,统计分析乘客性别、年龄、学历、职业、出行频率基本信息的分布情况,显示各群体统计人数及比例,避免收集数据样本单一的现象,使样本群体分布更均匀;
S25:问卷信度分析单元,信度分析用以验证问卷数据分布的可靠性,衡量数据的真实性及问卷结构一致性,采用克朗巴哈α信度系数法分析问卷信度,计算公式如下:
式中:α为信度系数;
K为问卷观察变量总数;
采用此方法分别检验问卷总量表及分量表信度系数,当总量表的信度系数高于0.7,分量表信度系数高于0.6时,表明问卷一致性较高;反之,需调整问卷结构;
S26:问卷效度分析单元,效度分析用以验证问卷测量数据的有效性、结构设置的合理性,反映问卷指标体系对被测主体测量特性的表征程度,采用因子分析法分析问卷效度。
依据因子分析法验证问卷效度时,需先进行KMO(Kaiser-Meyer-Olkin)与Barrlett球形检验,KMO数值越高表示数据结构越适宜因子分析,当KMO值高于0.7,Barrlett球形检验结果显著时,才可进行后续数据的因子分析。
采用主成分分析法进行问卷效度分析,分析结果判定标准如下:
(1)公因子的累计方差贡献率应达40%以上;
(2)各题项在其公因子荷载数值应高于0.4,假设模型结构中不具有相关关系的公因子荷载值较低,不存在交叉负荷;
(3)题项公因子解释方差值均应高于0.4;
当问卷效度分析结果不满足上述条件时,需剔除对应题项,重新实施因子分析,直至得到较高的问卷效度水平。
数据处理模块S3具有如下单元:
S31:参数估计单元,依据测量模型及结构模型方程式求解未知参数,以得到潜在变量与观察变量间路径系数、各潜在变量间的路径系数;
测量模型用以描述外因潜在变量ξ与外因观察变量X间的关系,内因潜在变量η及内因观察变量Y间的关系,其方程式为:
X=Λxξ+δ
Y=Λyη+ε
式中:X=(x1,x2…xq)T为外因观察变量X的观测值向量值(q×1);
Λx为外因潜在变量ξ与外因观察变量X间的路径系数矩阵(q×n);
ξ=(ξ1,ξ2…ξn)T为外因潜在变量的向量值(n×1);
δ=(δ1,δ2…δq)T为外因观察变量X的观测误差向量值(q×1);
n为外因潜在变量数目;
q为外因观察变量数目;
Y=(y1,y2…yp)T为内因观察变量Y的观测值向量值(p×1);
Λy为内因潜在变量η与内因观察变量Y间的路径系数矩阵(p×m);
η=(η1,η2…ηm)T为内因潜在变量的向量值(m×1);
ε=(ε1,ε2…εp)T为内因观察变量Y的观测误差向量值(p×1);
m为内因潜在变量数目;
p为内因观察变量数目。
具体的方程式展开矩阵公式形式如下:
式中:ξ为外因潜在变量出行环境变量的值;
η1,η2…ηm分别为内因潜在变量交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性的值;
λ1,λ2…λq为外因潜在变量ξ对外因观察变量x1,x2…xq间的路径系数;
λ11,λ21…λpm为内因潜在变量η1,η2…ηm对内因观察变量y1,y2…yp间的路径系数;
δ1,δ2…δq为外因潜在变量对应的观察变量x1,x2…xq的观测误差值;
ε1,ε2…εp为内因潜在变量对应的观察变量y1,y2…yp的观测误差值。
结构模型用以描述外因潜在变量ξ和内因潜在变量η间的作用,其方程式为:
η=Bη+Γξ+ζ
式中:B为内因在潜变量η间的路径系数矩阵(m×m);
Γ为外因潜在变量ξ与内因潜在变量η间的路径系数矩阵(m×n);
ζ为内因潜在变量残差项的向量值(m×1);
具体的方程式展开矩阵公式形式如下:
式中:β12,β32…βij,i∈[1,m],j∈[1,m]为内因潜在变量ηj对内因潜在变量ηi的直接影响路径系数;
γ11,γ21…γm1为外因潜在变量ξ对内因潜在变量η1,η2…ηm间的直接影响路径系数;
ζ1,ζ2…ζm为分别为内因潜在变量η1,η2…ηm对应的残差项的值;
S32:模型评价单元。依据参数估计结果,需进行模型评价,识别拟合模型的优劣,模型评价包含参数检验、适配度检验。
参数检验用以进行模型路径系数、变量间影响关系合理性分析,主要包含以下几方面:
(1)各变量间参数正负结果是否符合假设模型各变量因果关系;
(2)变量间标准化路径系数应处于-1及1之间;
(3)变量间路径系数是否显著,即p<0.05;
(4)各因素变量及其误差项方差值应为正值,且满足显著性水平。
S33:模型修正单元,当模型适配度评价结果不理想时,需对模型进行修正,直至得到适配程度较优的模型,模型修正以下几方面入手:
(1)删除潜在变量间无显著性影响的路径系数;
(2)增加潜在变量间的影响关系;
(3)符合结构方程模型假设的基础上,增加变量误差项间的共变或相关关系,应优先考虑同一测量模型观察变量误差项间的共变关系;
(4)删除路径影响系数较低的观察变量,简化模型结构;
模型修正后,需重复步骤S31、S32,直至获得适配程度优、解释能力强的模型结构;
S34:模型输出单元。输出最优修正模型的测量模型、结构模型中标准化路径系数,计算各潜在变量、各观察变量对换乘便捷性的影响系数。
各潜在变量间对换乘便捷性的路径影响系数为直接效果值与间接效果值的综合影响,各潜在变量影响系数计算公式如下:
出行环境对换乘便捷性的影响系数ω40=γ11×ω41+γ21×ω42+γ31×ω43+γ41
交通线路引导标识对换乘便捷性的影响系数ω41=β41
交通设施引导标识对换乘便捷性的影响系数ω42=β12×ω41+β23×ω43+β42
服务设施引导标识对换乘便捷性的影响系数ω43=β43
各潜在变量对应的观察变量对换乘便捷性的影响系数计算公式如下:
ωi=w4j×λ
式中:ωi为第i个观察变量对换乘便捷性的影响系数;
w4j为潜在变量对换乘便捷性的影响系数,w4j∈{w40,w41,w42,w43};
λ为潜在变量对其观察变量间的影响系数,λ={λ1,λ2,λ2,λ11,λ21…λpm};
p、m含义同上。
便捷性测评模块S4具有如下单元:
S41:指数处理单元,根据前述观察变量对换乘引导系统便捷性的影响系数及乘客打分值,计算特定交通方式的换乘便捷性指数,计算公式如下:
式中:TCI为某交通方式的换乘便捷性指数(Transfer Convenience Index);
S42:便捷性排序单元。依据步骤S41中换乘便捷性指数计算方法,分别计算换乘至机场、火车站、地铁站、公交站、长途客运站、出租车、私家车停车场的便捷性指数ATCI、RTCI、MTCI、BTCI、LTCI、TTCI、PTCI,便捷性指数越大,表明乘客换乘至该交通方式的引导系统越便捷。
进一步地,步骤S5中具体分析内容如下:
根据步骤S42中换乘便捷性指数排序结果,针对出行便捷性较低的换乘交通方式,为提高其出行便捷性,建立重要性—绩效矩阵模型,识别优选改善策略;
以观察变量重要性为X轴,以乘客对观察变量打分平均分值为Y轴,构建重要性—绩效矩阵模型,矩阵模型中坐标含义为(x,y)=(观察变量重要性ωi,观察变量平均分值),分别将各个观察变量以坐标形式在矩阵模型中表示;
分别以各个观察变量重要性、评价平均分值汇总后的平均值作为X轴、Y轴的分界点,将矩阵模型划分为4个象限:第Ⅰ象限为“影响优势”区域,区域内各变量重要性高、评价分值高,是需要保持的服务指标;第Ⅱ象限为“保持现状”区域,区域内各变量重要性低、评价分值高,无需给予过多关注;第Ⅲ象限为“其次改进”区域,区域内各变量重要性低、评价分值低,可考虑进行改善但无需优先改进;第Ⅳ象限为“优先改进”区域,区域内各变量重要性高、评价分值低,是优先改进的对象。以此筛选换乘引导系统便捷性优先改善策略。
本发明的特点及有益效果是:
(1)结合出行者心理特性与交通环境参数,建立了基于出行者心理感知的综合客运枢纽换乘引导系统便捷性测评方法及系统,该系统能够很好地适用于此类无法直接观测变量的研究分析,能够对不同交通方式换乘引导系统便捷性量化分析,并进行横向对比,为客运枢纽运营效率提升、精细化高效管理提供辅助决策。
(2)依据测评指标的重要性与绩效水平分析,建立了换乘引导系统便捷性改善策略重要性-绩效矩阵,能够将各改善策略进行对比分析,以寻求优先改进策略,有利于将有限的资源投入到出行者关心的层面。
(3)本发明操作简便,先进性强,提出了一种基于结构方程模型的综合客运枢纽换乘引导系统便捷性测评方法及系统,可以通过添加潜在变量影响因素或引入新型观察指标的方法,改进测评模型,提升客运枢纽内换乘引导系统便捷性测评的全面性。
附图说明:
图1为本发明提出的综合客运枢纽换乘引导系统便捷性测评方法及系统的流程图;
图2为本发明提出的综合客运枢纽换乘引导系统便捷性测评方法及系统的逻辑图。
具体实施方式
本发明的目的在于克服上述技术存在的不足,提供了一种综合客运枢纽换乘引导系统便捷性测评方法及系统,具体地,基于出行者心理感知角度,结合出行者主观意愿及换乘设施客观因素,以数理统计理论和数据建模方法为技术手段,构建换乘引导系统便捷性结构方程模型,横向对比评价不同交通方式间换乘便捷性,结合重要性-绩效分析方法,识别特定交通方式换乘引导系统便捷性优选改善策略,为提高综合客运枢纽运营效率进行有效指导。
为实现本发明目的,本发明采用以下技术方案:
本发明的综合客运枢纽换乘引导系统便捷性测评方法及系统,包括以下步骤:
S1:模型构建模块。创建基于结构方程模型的客运枢纽换乘引导系统便捷性理论模型,包含评价因素间的结构模型、测量模型及假设模型,并进行模型识别;
S2:数据采集模块。建立客运枢纽换乘引导系统便捷性调研指标体系,明确问卷数据量化及归一化处理方法;通过实施网络问卷调查及现场观测采集数据信息,结合描述性统计分析、问卷信度及效度检验方法,保证问卷数据体系的代表性、可靠性及合理性。
S3:数据处理模块。经结构方程模型参数估计、模型评价及模型修正,分析换乘引导系统便捷性影响因素间的权重系数;
S4:便捷性测评模块。采用换乘便捷性指数评价客运枢纽不同交通方式的换乘引导系统便捷性,以此为依据对多交通方式换乘引导系统便捷性进行排序。
S5:改善策略优选模块。构建重要性-绩效矩阵模型,识别特定交通方式换乘引导系统便捷性优选改善策略。
下面结合附图对本发明作以详细描述。
如图1所示,本发明提出了一种综合客运枢纽换乘引导系统便捷性测评方法及系统,包括以下步骤:
S1:模型构建模块。创建基于结构方程模型的客运枢纽换乘引导系统便捷性理论模型,包含评价因素间的结构模型、测量模型及假设模型,并进行模型识别;
S2:数据采集模块。建立客运枢纽换乘引导系统便捷性调研指标体系,明确问卷数据量化及归一化处理方法;通过实施网络问卷调查及现场观测采集数据信息,结合描述性统计分析、问卷信度及效度检验方法,保证问卷数据体系的代表性、可靠性及合理性。
S3:数据处理模块。经结构方程模型参数估计、模型评价及模型修正,分析换乘引导系统便捷性影响因素间的权重系数;
S4:便捷性测评模块。采用换乘便捷性指数评价客运枢纽不同交通方式的换乘引导系统便捷性,以此为依据对多交通方式换乘引导系统便捷性进行排序。
S5:改善策略优选模块。构建重要性-绩效矩阵模型,识别特定交通方式换乘引导系统便捷性优选改善策略。
进一步地,步骤S1具有如下子步骤:
S11:结构模型单元。确定综合客运枢纽内交通方式间换乘引导系统便捷性测评的结构变量,所述结构变量包含出行环境、交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性。其中,出行环境因素为外因潜在变量,交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性为内因潜在变量。
S12:测量模型单元。确定各结构变量对应的观察变量。
所述结构变量出行环境对应的观察变量包含乘客对整体客流秩序性的打分、乘客对换乘组织流线合理性的打分、乘客对商业广告等标识干扰性的打分。
所述结构变量交通线路引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分。
所述结构变量交通设施引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分。
所述结构变量服务设施引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分。
所述结构变量换乘便捷性对应的观察变量包含出行消耗总时间、出行消耗总距离、整体出行便捷性打分。
S13:初始假设模型单元。结合各结构变量指标含义及影响关系,建立初始假设模型,表征各结构变量间关系,方便后续进行结构方程模型验证性因子研究。初始假设模型假设内容如下:
假设H1:出行环境分别对交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性具有正向影响。
假设H1a:出行环境对交通线路引导标识具有正向影响。
假设H1b:出行环境对交通设施引导标识具有正向影响。
假设H1c:出行环境对服务设施引导标识具有正向影响。
假设H1d:出行环境对换乘便捷性具有正向影响。
假设H2:交通线路引导标识对换乘便捷性具有正向影响。
假设H3:交通设施引导标识分别对交通线路引导标识、服务设施引导标识、换乘便捷性具有正向影响。
假设H3a:交通设施引导标识对交通线路引导标识具有正向影响。
假设H3b:交通设施引导标识对服务设施引导标识具有正向影响。
假设H3c:交通设施引导标识对换乘便捷性具有正向影响。
假设H4:服务设施引导标识对换乘便捷性具有正向影响。
S14:模型识别单元。结构方程模型仅限于验证分析过度识别模型,以模型相对自由度结果为判定依据,验证模型结构中观测数据能否求解未知参数值,不符合条件时需调整模型结构变量间关系。模型相对自由度计算公式如下:
式中:df为模型相对自由度,df<0时为低度识别模型,df=0时0为恰好识别模型,df>0时为过度识别模型;
k为观察变量的数目;
t为待估参数的数目。
进一步地,步骤S2具有如下子步骤:
S21:指标体系单元。结合步骤S12中设定的测量模型单元与乘客基本信息制定调研问卷指标体系。因此本发明的调研指标体系包含如下两部分:
(1)乘客基本信息,包含性别、年龄、学历、职业、枢纽出行频率、出行起终点,可用以分析问卷数据的代表性及不同群体特征条件下便捷性测评差异;
(2)便捷性测评信息,包含步骤S12中测量模型单元中个观察变量。
S22:数据量化单元。为方便乘客回答问题,对问卷问题可采用正反两种表述形式,需分析问卷的表述方式,统一量表量化形式。本发明的调研指标体系量化形式如下:
(1)乘客基本信息
1)性别:男--1,女--2;
2)年龄:18岁以下--1,18至34岁--2,35至59岁--3,60岁以上--4;
3)学历:小学--1,初中--2,高中--3,专科--4,本科--5,研究生及以上--5;
4)职业:学生--1,公务员--2,企事业单位--3,自由职业者--4,离退休--5,其他--6;
5)出行频率:每天1至2次--1,每周不超过5次--2,每月不超过5次--3;
6)出行起终点:
起点:机场—1,火车站--2,地铁站--3,公交站--4,长途客运站--5,出租车--6,私家车停车场--7;
终点:机场—1,火车站--2,地铁站--3,公交站--4,长途客运站--5,出租车--6,私家车停车场--7。
(2)便捷性测评信息
1)出行环境、交通线路引导标识、交通设施引导标识、服务设施引导标识对应的观察变量:采用李克特5级量表量化问卷数据;
2)换乘便捷性对应的观察变量:
出行消耗总时间:5分钟内--1,5至10分钟--2,10至20分钟--3,20分钟以上--4;
出行消耗总距离:根据乘客出行起终点实测起终点出行距离,按照距离长度划分阶段,示例为:300m内--1,300至500m--2,500至1000m--3,1000m以上--4。
量化数据处理时,将问卷表述形式统一转化为得分越低,换乘便利性越低。
S23:数据采集单元。结合手机APP扫码问卷调查、现场实测固定起终点间距的方式,采集问卷数据信息。
S24:统计分析单元。采用描述性统计分析的方法,统计分析乘客性别、年龄、学历、职业、出行频率基本信息的分布情况,显示各群体统计人数及比例,避免收集数据样本单一的现象,使样本群体分布更均匀。
S25:问卷信度分析单元。信度分析用以验证问卷数据分布的可靠性,衡量数据的真实性及问卷结构一致性。采用克朗巴哈α信度系数法分析问卷信度,计算公式如下:
式中:α为信度系数;
K为问卷观察变量总数;
采用此方法分别检验问卷总量表及分量表信度系数,当总量表的信度系数高于0.7,分量表信度系数高于0.6时,表明问卷一致性较高;反之,需调整问卷结构。
S26:问卷效度分析单元。效度分析用以验证问卷测量数据的有效性、结构设置的合理性,反映问卷指标体系对被测主体测量特性的表征程度。利用SPSS软件,采用因子分析法分析问卷效度。
依据因子分析法验证问卷效度时,需先进行KMO(Kaiser-Meyer-Olkin)与Barrlett球形检验,KMO数值越高表示数据结构越适宜因子分析。当KMO值高于0.7,Barrlett球形检验结果显著时,才可进行后续数据的因子分析。
采用主成分分析法进行问卷效度分析,分析结果判定标准如下:
(1)公因子的累计方差贡献率应达40%以上;
(2)各题项在其公因子荷载数值应高于0.4,假设模型结构中不具有相关关系的公因子荷载值较低,不存在交叉负荷;
(3)题项公因子解释方差值均应高于0.4。
当问卷效度分析结果不满足上述条件时,需剔除对应题项,重新实施因子分析,直至得到较高的问卷效度水平。
进一步地,步骤S3具有如下子步骤:
S31:参数估计单元。依据测量模型及结构模型方程式求解未知参数,以得到潜在变量与观察变量间路径系数、各潜在变量间的路径系数。
测量模型用以描述外因潜在变量ξ与外因观察变量X间的关系、内因潜在变量η及内因观察变量Y间的关系,其方程式为:
X=Λxξ+δ
Y=Λyη+ε
式中:X=(x1,x2…xq)T为外因观察变量X的观测值向量值(q×1);
Λx为外因潜在变量ξ与外因观察变量X间的路径系数矩阵(q×n);
ξ=(ξ1,ξ2…ξn)T为外因潜在变量的向量值(n×1);
δ=(δ1,δ2…δq)T为外因观察变量X的观测误差向量值(q×1);
n为外因潜在变量数目;
q为外因观察变量数目;
Y=(y1,y2…yp)T为内因观察变量Y的观测值向量值(p×1);
Λy为内因潜在变量η与内因观察变量Y间的路径系数矩阵(p×m);
η=(η1,η2…ηm)T为内因潜在变量的向量值(m×1);
ε=(ε1,ε2…εp)T为内因观察变量Y的观测误差向量值(p×1);
m为内因潜在变量数目;
p为内因观察变量数目。
具体的方程式展开矩阵公式形式如下:
式中:ξ为外因潜在变量出行环境变量的值;
η1,η2…ηm分别为内因潜在变量交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性的值;
λ1,λ2…λq为外因潜在变量ξ对外因观察变量x1,x2…xq间的路径系数;
λ11,λ21…λpm为内因潜在变量η1,η2…ηm对内因观察变量y1,y2…yp间的路径系数;
δ1,δ2…δq为外因潜在变量对应的观察变量x1,x2…xq的观测误差值;
ε1,ε2…εp为内因潜在变量对应的观察变量y1,y2…yp的观测误差值。
结构模型用以描述外因潜在变量ξ和内因潜在变量η间的作用,其方程式为:
η=Bη+Γξ+ζ
式中:B为内因在潜变量η间的路径系数矩阵(m×m);
Γ为外因潜在变量ξ与内因潜在变量η间的路径系数矩阵(m×n);
ζ为内因潜在变量残差项的向量值(m×1);
η、ξ含义同上。
具体的方程式展开矩阵公式形式如下:
式中:β12,β32…βij,i∈[1,m],j∈[1,m]为内因潜在变量ηj对内因潜在变量ηi的直接影响路径系数;
γ11,γ21…γm1为外因潜在变量ξ(出行环境)对内因潜在变量η1,η2…ηm间的直接影响路径系数;
ζ1,ζ2…ζm为分别为内因潜在变量η1,η2…ηm对应的残差项的值。
S32:模型评价单元。依据参数估计结果,需进行模型评价,识别拟合模型的优劣。模型评价包含参数检验、适配度检验。
参数检验用以进行模型路径系数、变量间影响关系合理性分析,分析主要包含以下几方面:
(1)各变量间参数正负结果是否符合假设模型各变量因果关系;
(2)变量间标准化路径系数应处于-1及1之间;
(3)变量间路径系数是否显著(p<0.05);
(4)各因素变量及其误差项方差值应为正值,且满足显著性水平。
适配度检验用以分析假设的路径分析模型与实测数据之间的一致性水平。拟合评价指标的选取应保证评价指标具有独立性、稳定性、敏感性,降低样本量、指标数量对模型造成的影响,提高对错误模型的反馈敏感性。根据《结构方程模型:AMOS的操作与应用》(重庆:重庆大学出版社,2009.7)分析,选取如下指标作为模型适配度检验评价标准,如表1所示。
表1适配度检验评价指标及标准
适配度评价指标 | 标准 |
GFI值(适配度指数) | >0.9 |
RMSEA值(近似误差均方根) | <0.05(适配良好);<0.08(适配合理) |
NFI值(标准拟合指数) | >0.9 |
CFI值(比较适配度指数) | >0.9 |
NC值(χ<sup>2</sup>自由度比值) | 1<NC<3 |
S33:模型修正单元。当模型适配度评价结果不理想时,需对模型进行修正,直至得到适配程度较优的模型。模型修正可从以下几方面入手:
(1)删除潜在变量间无显著性影响的路径系数;
(2)增加潜在变量间的影响关系;
(3)符合结构方程模型假设的基础上,增加变量误差项间的共变或相关关系,应优先考虑同一测量模型观察变量误差项间的共变关系;
(4)删除路径影响系数较低的观察变量,简化模型结构。
模型修正后,需重复步骤S31、S32,直至获得适配程度优、解释能力强的模型结构。
S34:模型输出单元。输出最优修正模型的测量模型、结构模型中标准化路径系数,计算各潜在变量、各观察变量对换乘便捷性的影响系数。
各潜在变量间对换乘便捷性的路径影响系数为直接效果值与间接效果值的综合影响。各潜在变量影响系数计算公式如下:
出行环境对换乘便捷性的影响系数ω40=γ11×ω41+γ21×ω42+γ31×ω43+γ41
交通线路引导标识对换乘便捷性的影响系数ω41=β41
交通设施引导标识对换乘便捷性的影响系数ω42=β12×ω41+β23×ω43+β42
服务设施引导标识对换乘便捷性的影响系数ω43=β43
各潜在变量对应的观察变量对换乘便捷性的影响系数计算公式如下:
ωi=w4j×λ
式中:ωi为第i个观察变量对换乘便捷性的影响系数;
w4j为潜在变量对换乘便捷性的影响系数,w4j∈{w40,w41,w42,w43};
λ为潜在变量对其观察变量间的影响系数,λ={λ1,λ2,λ2,λ11,λ21…λpm};
p、m含义同上。
进一步地,步骤S4具有如下子步骤:
S41:指数处理单元。根据前述观察变量对换乘引导系统便捷性的影响系数及乘客打分值,计算特定交通方式的换乘便捷性指数,计算公式如下:
式中:TCI为某交通方式的换乘便捷性指数(Transfer Convenience Index);
S42:便捷性排序单元。依据步骤S41中换乘便捷性指数计算方法,分别计算换乘至机场、火车站、地铁站、公交站、长途客运站、出租车、私家车停车场的便捷性指数ATCI、RTCI、MTCI、BTCI、LTCI、TTCI、PTCI。便捷性指数越大,表明乘客换乘至该交通方式的引导系统越便捷。
进一步地,步骤S5中具体分析内容如下:
根据步骤S42中换乘便捷性指数排序结果,针对出行便捷性较低的换乘交通方式,为提高其出行便捷性,建立重要性—绩效矩阵模型,识别优选改善策略。
以观察变量重要性为X轴,以乘客对观察变量打分平均分值为Y轴,构建重要性—绩效矩阵模型,矩阵模型中坐标含义为(x,y)=(观察变量重要性ωi,观察变量平均分值),分别将各个观察变量以坐标形式在矩阵模型中表示。
分别以各个观察变量重要性、评价平均分值汇总后的平均值作为X轴、Y轴的分界点,将矩阵模型划分为4个象限:第Ⅰ象限为“影响优势”区域,区域内各变量重要性高、评价分值高,是需要保持的服务指标;第Ⅱ象限为“保持现状”区域,区域内各变量重要性低、评价分值高,无需给予过多关注;第Ⅲ象限为“其次改进”区域,区域内各变量重要性低、评价分值低,可考虑进行改善但无需优先改进;第Ⅳ象限为“优先改进”区域,区域内各变量重要性高、评价分值低,是优先改进的对象。以此筛选换乘引导系统便捷性优先改善策略。
上述实施方式仅为清楚地说明本发明系统的实施示意,而并非对本发明的限定。对于有关技术领域的普通技术人员而言,在不脱离本发明原理的基础上,还可做出其它不同形式的改进,在此无需也无法对所有的实施方式予以列举,由此所引伸出的改进都应涵盖在本发明的保护范围之中。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种综合客运枢纽换乘引导系统便捷性测评方法,其特征是,基于出行者心理感知角度,结合出行者主观意愿及换乘设施客观因素,以数理统计理论和数据建模方法为技术手段,构建换乘引导系统便捷性结构方程模型,横向对比评价不同交通方式间换乘便捷性,结合重要性-绩效分析方法,识别特定交通方式换乘引导系统便捷性优选改善策略,为提高综合客运枢纽运营效率进行有效指导。
2.如权利要求1所述的综合客运枢纽换乘引导系统便捷性测评方法,其特征是,具体步骤如下:
S1:模型构建:创建基于结构方程模型的客运枢纽换乘引导系统便捷性理论模型,包含评价因素间的结构模型、测量模型及假设模型,并进行模型识别;
S2:数据采集:建立客运枢纽换乘引导系统便捷性调研指标体系,明确问卷数据量化及归一化处理方法;通过实施网络问卷调查及现场观测采集数据信息,结合描述性统计分析、问卷信度及效度检验方法,保证问卷数据体系的代表性、可靠性及合理性;
S3:数据处理:经结构方程模型参数估计、模型评价及模型修正,分析换乘引导系统便捷性影响因素间的权重系数;
S4:便捷性测评:采用换乘便捷性指数评价客运枢纽不同交通方式的换乘引导系统便捷性,以此为依据对多交通方式换乘引导系统便捷性进行排序;
S5:改善策略优选:构建重要性-绩效矩阵模型,识别特定交通方式换乘引导系统便捷性优选改善策略。
3.一种综合客运枢纽换乘引导系统便捷性测评系统,其特征是,包括:
S1:模型构建模块:创建基于结构方程模型的客运枢纽换乘引导系统便捷性理论模型,包含评价因素间的结构模型、测量模型及假设模型,并进行模型识别;
S2:数据采集模块:建立客运枢纽换乘引导系统便捷性调研指标体系,明确问卷数据量化及归一化处理方法;通过实施网络问卷调查及现场观测采集数据信息,结合描述性统计分析、问卷信度及效度检验方法,保证问卷数据体系的代表性、可靠性及合理性;
S3:数据处理模块:经结构方程模型参数估计、模型评价及模型修正,分析换乘引导系统便捷性影响因素间的权重系数;
S4:便捷性测评模块:采用换乘便捷性指数评价客运枢纽不同交通方式的换乘引导系统便捷性,以此为依据对多交通方式换乘引导系统便捷性进行排序。
S5:改善策略优选模块:构建重要性-绩效矩阵模型,识别特定交通方式换乘引导系统便捷性优选改善策略。
4.如权利要求3所述的综合客运枢纽换乘引导系统便捷性测评系统,其特征是,模型构建模块S1具有如下单元:
S11:结构模型单元,确定综合客运枢纽内交通方式间换乘引导系统便捷性测评的结构变量,所述结构变量包含出行环境、交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性;其中,出行环境因素为外因潜在变量,交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性为内因潜在变量;
S12:测量模型单元,确定各结构变量对应的观察变量
所述结构变量出行环境对应的观察变量包含乘客对整体客流秩序性的打分、乘客对换乘组织流线合理性的打分、乘客对商业广告标识干扰性的打分;
所述结构变量交通线路引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分;
所述结构变量交通设施引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分;
所述结构变量服务设施引导标识对应的观察变量包含乘客对标识醒目性的打分、乘客对标识版面设计的打分、乘客对标识载体形式的打分、乘客对标识设置方式的打分、乘客对标识设置连续性的打分;
所述结构变量换乘便捷性对应的观察变量包含出行消耗总时间、出行消耗总距离、整体出行便捷性打分;
S13:初始假设模型单元。结合各结构变量指标含义及影响关系,建立初始假设模型,表征各结构变量间关系,方便后续进行结构方程模型验证性因子研究;
S14:模型识别单元,结构方程模型仅限于验证分析过度识别模型,以模型相对自由度结果为判定依据,验证模型结构中观测数据能否求解未知参数值,不符合条件时需调整模型结构变量间关系,模型相对自由度计算公式如下:
式中:df为模型相对自由度,df<0时为低度识别模型,df=0时0为恰好识别模型,df>0时为过度识别模型;
k为观察变量的数目;
t为待估参数的数目。
5.如权利要求3所述的综合客运枢纽换乘引导系统便捷性测评系统,其特征是,数据采集模块S2具有如下单元:
S21:指标体系单元。结合步骤S12中设定的测量模型单元与乘客基本信息制定调研问卷指标体系,因此本发明的调研指标体系包含如下两部分:
(1)乘客基本信息,包含性别、年龄、学历、职业、枢纽出行频率、出行起终点,可用以分析问卷数据的代表性及不同群体特征条件下便捷性测评差异;
(2)便捷性测评信息,包含步骤S12中测量模型单元中个观察变量;
S22:数据量化单元,为方便乘客回答问题,对问卷问题可采用正反两种表述形式,需分析问卷的表述方式,统一量表量化形式;
量化数据处理时,将问卷表述形式统一转化为得分越低,换乘便利性越低;
S23:数据采集单元,结合手机APP扫码问卷调查、现场实测固定起终点间距的方式,采集问卷数据信息;
S24:统计分析单元,采用描述性统计分析的方法,统计分析乘客性别、年龄、学历、职业、出行频率基本信息的分布情况,显示各群体统计人数及比例,避免收集数据样本单一的现象,使样本群体分布更均匀;
S25:问卷信度分析单元,信度分析用以验证问卷数据分布的可靠性,衡量数据的真实性及问卷结构一致性,采用克朗巴哈α信度系数法分析问卷信度,计算公式如下:
式中:α为信度系数;
K为问卷观察变量总数;
采用此方法分别检验问卷总量表及分量表信度系数,当总量表的信度系数高于0.7,分量表信度系数高于0.6时,表明问卷一致性较高;反之,需调整问卷结构;
S26:问卷效度分析单元,效度分析用以验证问卷测量数据的有效性、结构设置的合理性,反映问卷指标体系对被测主体测量特性的表征程度,采用因子分析法分析问卷效度。
依据因子分析法验证问卷效度时,需先进行KMO(Kaiser-Meyer-Olkin)与Barrlett球形检验,KMO数值越高表示数据结构越适宜因子分析,当KMO值高于0.7,Barrlett球形检验结果显著时,才可进行后续数据的因子分析。
6.如权利要求5所述的综合客运枢纽换乘引导系统便捷性测评系统,其特征是,采用主成分分析法进行问卷效度分析,分析结果判定标准如下:
(1)公因子的累计方差贡献率应达40%以上;
(2)各题项在其公因子荷载数值应高于0.4,假设模型结构中不具有相关关系的公因子荷载值较低,不存在交叉负荷;
(3)题项公因子解释方差值均应高于0.4;
当问卷效度分析结果不满足上述条件时,需剔除对应题项,重新实施因子分析,直至得到较高的问卷效度水平。
7.如权利要求3所述的综合客运枢纽换乘引导系统便捷性测评系统,其特征是,数据处理模块S3具有如下单元:
S31:参数估计单元,依据测量模型及结构模型方程式求解未知参数,以得到潜在变量与观察变量间路径系数、各潜在变量间的路径系数;
测量模型用以描述外因潜在变量ξ与外因观察变量X间的关系,内因潜在变量η及内因观察变量Y间的关系,其方程式为:
X=Λxξ+δ
Y=Λyη+ε
式中:X=(x1,x2…xq)T为外因观察变量X的观测值向量值(q×1);
Λx为外因潜在变量ξ与外因观察变量X间的路径系数矩阵(q×n);
ξ=(ξ1,ξ2…ξn)T为外因潜在变量的向量值(n×1);
δ=(δ1,δ2…δq)T为外因观察变量X的观测误差向量值(q×1);
n为外因潜在变量数目;
q为外因观察变量数目;
Y=(y1,y2…yp)T为内因观察变量Y的观测值向量值(p×1);
Λy为内因潜在变量η与内因观察变量Y间的路径系数矩阵(p×m);
η=(η1,η2…ηm)T为内因潜在变量的向量值(m×1);
ε=(ε1,ε2…εp)T为内因观察变量Y的观测误差向量值(p×1);
m为内因潜在变量数目;
p为内因观察变量数目。
具体的方程式展开矩阵公式形式如下:
式中:ξ为外因潜在变量出行环境变量的值;
η1,η2…ηm分别为内因潜在变量交通线路引导标识、交通设施引导标识、服务设施引导标识、换乘便捷性的值;
λ1,λ2…λq为外因潜在变量ξ对外因观察变量x1,x2…xq间的路径系数;
λ11,λ21…λpm为内因潜在变量η1,η2…ηm对内因观察变量y1,y2…yp间的路径系数;
δ1,δ2…δq为外因潜在变量对应的观察变量x1,x2…xq的观测误差值;
ε1,ε2…εp为内因潜在变量对应的观察变量y1,y2…yp的观测误差值。
结构模型用以描述外因潜在变量ξ和内因潜在变量η间的作用,其方程式为:
η=Bη+Γξ+ζ
式中:B为内因在潜变量η间的路径系数矩阵(m×m);
Γ为外因潜在变量ξ与内因潜在变量η间的路径系数矩阵(m×n);
ζ为内因潜在变量残差项的向量值(m×1);
具体的方程式展开矩阵公式形式如下:
式中:β12,β32…βij,i∈[1,m],j∈[1,m]为内因潜在变量ηj对内因潜在变量ηi的直接影响路径系数;
γ11,γ21…γm1为外因潜在变量ξ对内因潜在变量η1,η2…ηm间的直接影响路径系数;
ζ1,ζ2…ζm为分别为内因潜在变量η1,η2…ηm对应的残差项的值;
S32:模型评价单元。依据参数估计结果,需进行模型评价,识别拟合模型的优劣,模型评价包含参数检验、适配度检验。
参数检验用以进行模型路径系数、变量间影响关系合理性分析,主要包含以下几方面:
(1)各变量间参数正负结果是否符合假设模型各变量因果关系;
(2)变量间标准化路径系数应处于-1及1之间;
(3)变量间路径系数是否显著,即p<0.05;
(4)各因素变量及其误差项方差值应为正值,且满足显著性水平。
S33:模型修正单元,当模型适配度评价结果不理想时,需对模型进行修正,直至得到适配程度较优的模型,模型修正以下几方面入手:
(1)删除潜在变量间无显著性影响的路径系数;
(2)增加潜在变量间的影响关系;
(3)符合结构方程模型假设的基础上,增加变量误差项间的共变或相关关系,应优先考虑同一测量模型观察变量误差项间的共变关系;
(4)删除路径影响系数较低的观察变量,简化模型结构;
模型修正后,需重复步骤S31、S32,直至获得适配程度优、解释能力强的模型结构;S34:模型输出单元。输出最优修正模型的测量模型、结构模型中标准化路径系数,计算各潜在变量、各观察变量对换乘便捷性的影响系数。
各潜在变量间对换乘便捷性的路径影响系数为直接效果值与间接效果值的综合影响,各潜在变量影响系数计算公式如下:
出行环境对换乘便捷性的影响系数ω40=γ11×ω41+γ21×ω42+γ31×ω43+γ41
交通线路引导标识对换乘便捷性的影响系数ω41=β41
交通设施引导标识对换乘便捷性的影响系数ω42=β12×ω41+β23×ω43+β42
服务设施引导标识对换乘便捷性的影响系数ω43=β43
各潜在变量对应的观察变量对换乘便捷性的影响系数计算公式如下:
ωi=w4j×λ
式中:ωi为第i个观察变量对换乘便捷性的影响系数;
w4j为潜在变量对换乘便捷性的影响系数,w4j∈{w40,w41,w42,w43};
λ为潜在变量对其观察变量间的影响系数,λ={λ1,λ2,λ2,λ11,λ21…λpm};
p、m含义同上;
便捷性测评模块S4具有如下单元:
S41:指数处理单元,根据前述观察变量对换乘引导系统便捷性的影响系数及乘客打分值,计算特定交通方式的换乘便捷性指数,计算公式如下:
式中:TCI为某交通方式的换乘便捷性指数(Transfer Convenience Index);
S42:便捷性排序单元。依据步骤S41中换乘便捷性指数计算方法,分别计算换乘至机场、火车站、地铁站、公交站、长途客运站、出租车、私家车停车场的便捷性指数ATCI、RTCI、MTCI、BTCI、LTCI、TTCI、PTCI,便捷性指数越大,表明乘客换乘至该交通方式的引导系统越便捷。
8.如权利要求3所述的综合客运枢纽换乘引导系统便捷性测评系统,其特征是,步骤S5中具体分析内容如下:
根据步骤S42中换乘便捷性指数排序结果,针对出行便捷性较低的换乘交通方式,为提高其出行便捷性,建立重要性—绩效矩阵模型,识别优选改善策略;
以观察变量重要性为X轴,以乘客对观察变量打分平均分值为Y轴,构建重要性—绩效矩阵模型,矩阵模型中坐标含义为(x,y)=(观察变量重要性ωi,观察变量平均分值),分别将各个观察变量以坐标形式在矩阵模型中表示;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011079129.8A CN112200455B (zh) | 2020-10-10 | 2020-10-10 | 综合客运枢纽换乘引导系统便捷性测评方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011079129.8A CN112200455B (zh) | 2020-10-10 | 2020-10-10 | 综合客运枢纽换乘引导系统便捷性测评方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200455A true CN112200455A (zh) | 2021-01-08 |
CN112200455B CN112200455B (zh) | 2023-05-26 |
Family
ID=74013297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011079129.8A Active CN112200455B (zh) | 2020-10-10 | 2020-10-10 | 综合客运枢纽换乘引导系统便捷性测评方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200455B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950943A (zh) * | 2021-02-18 | 2021-06-11 | 重庆交通开投科技发展有限公司 | 基于多元数据的换乘站点推算方法 |
CN113378366A (zh) * | 2021-06-03 | 2021-09-10 | 北京建筑大学 | 一种综合客运枢纽导向标识导向信息布设方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469177A (zh) * | 2015-08-21 | 2017-03-01 | 中国传媒大学 | 基于结构方程模型的互联网电影用户满意度分析方法及系统 |
CN108537419A (zh) * | 2018-03-22 | 2018-09-14 | 安徽建筑大学 | 煤矿安全管理风险的方法 |
CN110298496A (zh) * | 2019-06-11 | 2019-10-01 | 东南大学 | 一种基于要素影响分析的城市对外交通量预测方法 |
CN111160731A (zh) * | 2019-12-13 | 2020-05-15 | 东南大学 | 一种基于旅客感知的空铁联程服务综合评价方法 |
CN111222744A (zh) * | 2019-11-18 | 2020-06-02 | 西南交通大学 | 基于信令数据的建成环境与轨道客流分布关系确定方法 |
-
2020
- 2020-10-10 CN CN202011079129.8A patent/CN112200455B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469177A (zh) * | 2015-08-21 | 2017-03-01 | 中国传媒大学 | 基于结构方程模型的互联网电影用户满意度分析方法及系统 |
CN108537419A (zh) * | 2018-03-22 | 2018-09-14 | 安徽建筑大学 | 煤矿安全管理风险的方法 |
CN110298496A (zh) * | 2019-06-11 | 2019-10-01 | 东南大学 | 一种基于要素影响分析的城市对外交通量预测方法 |
CN111222744A (zh) * | 2019-11-18 | 2020-06-02 | 西南交通大学 | 基于信令数据的建成环境与轨道客流分布关系确定方法 |
CN111160731A (zh) * | 2019-12-13 | 2020-05-15 | 东南大学 | 一种基于旅客感知的空铁联程服务综合评价方法 |
Non-Patent Citations (2)
Title |
---|
严海等: ""基于结构方程模型的通勤交通方式选择"", 《北京工业大学学报》 * |
付慧琳: ""基于结构方程的公交乘客满意度评价方法"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950943A (zh) * | 2021-02-18 | 2021-06-11 | 重庆交通开投科技发展有限公司 | 基于多元数据的换乘站点推算方法 |
CN113378366A (zh) * | 2021-06-03 | 2021-09-10 | 北京建筑大学 | 一种综合客运枢纽导向标识导向信息布设方法 |
CN113378366B (zh) * | 2021-06-03 | 2023-08-18 | 北京建筑大学 | 一种综合客运枢纽导向标识导向信息布设方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112200455B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Assessing intercity multimodal choice behavior in a touristy city: a factor analysis | |
Castillo-Manzano et al. | Measuring the substitution effects between high speed rail and air transport in Spain | |
Martín et al. | Microeconomic impacts of investments in high speed trains in Spain | |
CN112200455A (zh) | 综合客运枢纽换乘引导系统便捷性测评方法及系统 | |
Gremm | The effect of intermodal competition on the pricing behaviour of a railway company: Evidence from the German case | |
CN106846214A (zh) | 分析交通枢纽可达性对区域公共运输方式竞争影响的方法 | |
CN110598971A (zh) | 一种基于蚁群算法的响应式公交服务规划方法 | |
CN114580751B (zh) | 空港到港旅客疏散时间预测方法、系统、存储介质及终端 | |
Chien et al. | Optimization of fare structure and service frequency for maximum profitability of transit systems | |
Li et al. | Exploring interactive and nonlinear effects of key factors on intercity travel mode choice using XGBoost | |
Bo et al. | Commuting in the Storm: Adaptation of Transit Riders and Measures for Transit Operator—A Case in Shanghai | |
CN114037160B (zh) | SEM-Logit旅游铁路客流预测模型的构建方法 | |
Ceder et al. | Comparing public transport connectivity measures of major New Zealand cities | |
Feng et al. | Optimising departure intervals for multiple bus lines with a multi‐objective model | |
CN112733891B (zh) | 对出行链断链时公交ic卡乘客进行下车站点识别的方法 | |
Li et al. | Mining the Coopetition Relationship of Urban Public Traffic Lines Based on Time Series Correlation | |
Lestari et al. | Analysis of Ability to Pay and Willingness to Pay of Aircraft passengers toward Jakarta Surabaya High-Speed Train | |
Rhamdani et al. | The analysis of quality service suroboyo bus based on passenger’s perception | |
Ikeh et al. | First-Mile Transport Mode Study to Mass Rapid Transit (MRT) System in Klang Valley | |
ZhongXi et al. | An Intelligent Bus Scheduling System Based On Real-Time Passenger Flow Data | |
Wall et al. | Exploring the relative performance of regional passenger rail in New South Wales and Victoria | |
Christodoulou | Assessing the impact of bridge closure due to renovations on tram users’ inconvenience in Amsterdam: A quantitative study. | |
Hidayat | The Application of Modal Split Using Revealed and Stated Preference Techniques: A study in Malang | |
Yun et al. | Analysis on the Influencing Factors of Railway Arriving Passengers’ Departure Transport Interchange Modes Selection during Short Holidays: Taking May Day holiday at Chengdu East Railway Station as an Example | |
Circella et al. | Mode Substitutional Patterns of Ridehailing and Micro-mobility Services |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 300051 No. 239, Yingkou Road, Heping District, Tianjin Applicant after: Tianjin municipal engineering design and Research Institute Co.,Ltd. Address before: 300051 No. 239, Yingkou Road, Heping District, Tianjin Applicant before: TIANJIN MUNICIPAL ENGINEERING DESIGN & Research Institute |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |