基于贝叶斯网络的公共自行车出行影响因素研究*

刘建荣 刘志伟

(华南理工大学土木与交通学院1) 广州 510640) (武汉轻工大学土木工程与建筑学院2) 武汉 430023)

0 引 言

为缓解我国大中城市交通拥堵，必须发展公共交通，但相对于小汽车等出行方式，公共交通的一个很大劣势是公共交通只提供站到站服务，不能提供门到门服务.“最后一公里”问题成为影响公共交通满意度[1-2]、降低公交分担率[3-5]的重要因素.作为一种绿色、环保的出行方式，自行车适合中短距离出行，且比步行轻松，极为适合解决公共交通的“最后一公里”问题.

乘客满意度是影响出行者使用交通方式的重要因素[6]，为提高出行者最后1 km使用自行车的意愿，必须提高出行者对于自行车出行的满意度.为出行者满意度受到服务质量的影响[7]，为提高满意度，需要提高出行方式的服务质量.分析现有研究成果，发现自行车服务质量受自行车道特性、租赁点布设、与公共交通的衔接、安全性、舒适性等因素的影响[8-10].由于公共自行车服务质量、满意度、使用次数等因素之间存在多维依赖关系，公共自行车服务质量会直接或间接影响到整体满意度及使用公共自行车的意愿，因此，分析和预测不同指标在相互关联作用下的公共自行车整体满意度及使用公共自行车的意愿是极其必要的.

贝叶斯网络(Bayesian network)是一种基于概率论和图论的数据分析方法，用于研究变量之间错综复杂的相互依赖关系[12].相对于传统的线性回归、离散选择模型、结构方程模型等，贝叶斯网络本身是一种不定性因果关联模型，具有强大的不确定性问题处理能力，能有效地进行多源信息表达与融合.贝叶斯网络模型在建模时并不一定需要完全确定的网络结构，可以通过数据学习确定变量之间的依赖关系，并通过贝叶斯推理研究变量之间的相互影响.贝叶斯网络已被用于交通安全研究、出行行为分析等方面[13-14].本文选用贝叶斯网络处理包含较多指标的公共自行车服务，构建基于使用者感知的公共自行车服务模型，探索影响公共自行车整体满意度和使用频率的主要因素.

1 问卷设计及基础分析

以共享自行车使用者为对象，采用线下面对面访问的形式展开.问卷中共享自行车服务质量包括便捷性、价格、舒适性、安全性、道路条件等六类因素，总体满意度单独设置一个问题.服务质量和满意度均采用Likert 5级量表，使用共享自行车频率设置一个问题，并分为两个等级，即低频率(<5次/月)、高频率(≥5次/月).具体问题项见表 1.

表1 共享自行车服务质量问题项

F12.140.79F22.380.72F32.460.66P12.110.77P22.570.63C12.440.63 C22.620.58C32.110.75C41.780.70S12.360.67S22.300.69R12.040.79 R21.950.74R32.160.74T2.050.75A2.510.60

数据来源于广州市共享自行车服务调查，共调查得到有效问卷730份.在数据初步分析中发现，对于服务质量评价，选择很不满意和很满意两项的人极少，如果利用这些数据进行模型分析会导致出现较大偏误，为此将Likert 5级量表中的很不满意、不满意合并为不满意这一项，将很满意、满意合并为满意这一项，并将不满意置为1，中立置为2，满意置为3，得到各个服务质量问题项的均值.从数据可知，使用者对于不良天气下的骑行感受、行人和汽车对自行车的干扰、自行车道连贯性、投诉渠道等较为不满意.

2 建模及结果分析

2.1 模型的标定及检验

通过贝叶斯网络学习，得到贝叶斯网络.见图 1.该网络结构由17个节点和20条有向线段构成.变量之间有有向线段连接，表明变量之间具有因果关系或相关性.由图1可知，与整体满意度A有直接关系的影响为寻找共享单车难度F1、用车时携带个人物品的方便度C2，与使用频率Freq有直接关系的为整体满意度A.

图1 贝叶斯网络

为检验模型的适用性，以使用频率Freq、整体满意度A两个问题项为评价对象，采用ROC、预测准确率二个指标对模型进行检验.ROC的AUC取值范围为[0,1]，取值越接近1表明模型拟合度越高.整体满意度A的不满意、中立、满意的ROC曲线的AUC分别为0.77，0.93，0.70；Freq低频率、高频率的AUC分别为0.67，0.67.预测准确率为73.0%.因此模型精度可以接受.

2.2 模型推理分析

为测量各分项变化对共享自行车总体满意度A和使用共享自行车频率Freq的影响程度，本文在已经建立的贝叶斯网络的基础上，利用置信传播算法进行推理分析，推理过程如下.

1) 选定服务分项指标节点，在不改变其他节点分布的情况下，输入证据，将其状态设置为不满意.调用置信传播算法进行推理分析，分析总体满意度A处于不满意、中立、满意的概率分布，以及使用共享自行车频率Freq处于低频率、高频率的概率分布.

2) 改变服务分项节点的状态，将其重新设置为满意.调用置信传播算法进行推理分析，分析总体满意度A的概率分布，及使用共享自行车频率Freq的概率分布.

3) 对比分析服务分项分别处于不满意、满意状态时，总体满意度、使用共享自行车频率的概率分布变化情况，计算分项指标改变对其影响.

如先将F1的状态置为P(不满意)=100%，推理分析总体满意度A、使用共享自行车频率Freq的概率分布情况；再将F1的状态置为P(满意)=100%，重新推理计算总体满意度A、使用共享自行车频率Freq的概率分布情况；在此基础上推理F1从不满意变化为满意时，对总体满意度A、使用共享自行车频率Freq的影响.

2.2.1服务质量各因素对满意度的影响分析

图2为服务分项从不满意状态变化到满意状态时，总体满意度A中，不满意状态减小的百分比以及满意状态增加的百分比.

图2 整体满意度分布变化情况

由图 2可知，便捷性中(F1，F3)对整体满意度的影响较大.F1(寻找共享单车难度)从“不满意”变化为“满意”时，不满意度比例减小12.0%，满意度比例增加65.0%；F3(不能开锁的频率)从“不满意”变化为“满意”时，不满意度比例减小16.9%，满意度比例增加38.3%.

道路条件(R1，R2，R3)中，R2(行人和汽车对自行车的干扰)对整体满意度的影响较小(满意度变化值6.1%、不满意度变化值-2.1%)；R1(自行车道的连贯性)对整体满意度的影响适中；R3(道路的坡度)对整体满意度的影响相对较大，其中满意度变化值达到17.6%.

价格指标(P1，P2)对整体满意度的影响极小，不到10%.

舒适性中C1(乘车舒适度)、C2(用车时携带个人物品的方便度)对整体满意度的影响较大.C1，C2分别从“不满意”变化为“满意”时，整体满意度比例分别增加25.1%，42.3%，不满意度分别变化-18.6%，-40.3%；C3(车外观)、C4(不良天气的骑行感受)影响极小.

安全性指标(S1，S2)对整体满意度的影响程度相对较小，满意度增加值在15%以内.因此，再增加出行者对安全的满意度，对整体满意度的影响比较有限.

2.2.2服务分项对出行频率的影响

由图 1可知，各服务分项虽然不与Freq直接相连，但与Freq有路径相连，因此可以通过影响中间变量，从而间接影响Freq，因此,这一部分分析各服务分项的变化对Freq的影响.

图3为服务分项从“不满意”变化为“满意”时，用共享自行车频率Freq中为“高频率”比例的增加值.

图3 使用共享自行车频率分布变化情况

由图 3可知，服务质量各分项中，F1(寻找共享单车难度)，C2(用车时携带个人物品的方便度)，F3(不能开锁的频率)，T(投诉渠道)，C1(乘车舒适度)，R3(道路的坡度)对共享自行车使用频率的影响最大.当F1，C2，F3，T，C1从“不满意”到“满意”时，使用共享自行车为“高频率”的比例分别增加37.1%，26.2%，22.5%，16.7%，15.2%，10.2%；其余的服务质量因素对共享自行车使用频率的影响均较小.

整体满意度A对共享自行车使用频率的影响极大.当整体满意度为“不满意”时，共享自行车使用频率为“高频率”的比例为2.5%，而当整体满意度为“满意”时，“高频率”的比例为64.6%，“高频率”的比例增加值为62.1%.

3 结 论

1) 通过对贝叶斯网络进行推理分析，发现寻找共享单车难度、用车时携带个人物品的方便度、不能开锁的频率、投诉渠道、乘车舒适度、道路的坡度的满意度对共享自行车总体满意度有较大影响；而价格、安全性等因素对共享自行车总体满意度的影响较小.

2) 通过对出行频率影响因素的研究发现，寻找共享单车难度、用车时携带个人物品的方便度、不能开锁的频率、投诉渠道、乘车舒适度、道路的坡度的影响较大.

3) 共享自行车总体满意度会极大影响出行者使用共享自行车的频率.