0 引言

公共自行车系统（Public Bicycle System，简称PBS）凭借其灵活、无污染的特性可以很好地满足城市短途和大容量公共交通出行末端的接驳需求，因其在促进交通微循环、缓解城市交通问题等方面所具有的实用价值，公共自行车系统已引起学者、政府、公众的高度关注[1]。目前，我国已有61个城市先后开通了PBS服务，但实施效果却大不相同。例如，杭州公共自行车日车均租赁次数高达5次以上，但同时北京、常州等地的公共自行车却面临着“叫好不叫座”甚至暂停运营的窘境[2]。为了吸引更多的出行者使用公共自行车完成短途或公共交通接驳出行，需要对其服务质量进行科学的量测，揭示导致用户不良体验的服务短板，进而明确改善服务的方向。

当前国内外研究中，Castillo-Manzano等通过调查发现影响人们对公共自行车服务满意度的有自行车的舒适度、办理手续的简便性以及租还车辆的快捷性，但是一味地追求规模化反而会导致公共自行车服务的发展困境[3]。Vogel等提出战略化的网络设计以及可操作化的自行车定位技术可以有效缓解公共自行车服务分布不均衡问题[4]。崔梦蕾通过对武汉市多位公共自行车用户的问卷调查，利用因子和多元回归模型进行实证分析，提炼出15个影响其服务满意度的因素[5]。蒋丽芹等采用问卷调查的形式，对无锡市公共自行车系统的使用者进行满意度调查，采用因子分析法从公共自行车的9个观测变量中提炼出3类主成分因子，在此基础上对分析结果进行解释[6]。钟荣引入社会科学领域的结构方程模型（Structural Equation Modeling，简称SEM）进行公共自行车用户忠诚度的探索性应用研究，得出公共自行车系统用户忠诚度受多因素影响，主要包含用户感知服务质量、感知设施水平以及感知价值等[7]。与公共汽车类似，PBS所提供的产品也是一种无形的、不可存储的服务。由于用户自身对服务的感知以及对服务质量的量测对其后续选择行为有着至关重要的影响，因此，对PBS服务质量的测度同样应以用户的感知作为基本视角。营销学中对于基于顾客感知的服务质量量测方法的研究和应用由来已久，其中最为成功的是服务绩效（Service Performance，简称SERVPERF）模型和服务质量（Service Quality，简称SERVQUAL）模型。前者用顾客对实际的服务绩效的感知定义服务质量；而后者则同时考虑了顾客对于服务所应达到的效果的期望，以实际感知绩效与期望绩效之差来定义服务质量。两者在近年来的城市交通服务质量评价中均得到了诸多应用[8,9]。

目前采用SERVQUAL模型对公共自行车交通服务质量评价的研究较少，已有的一些公共自行车系统服务质量评价模型考虑的影响因素也比较有限，因此有必要进一步开展深入研究。本文首先借鉴SERVQUAL模型的理念，提出了基于感知绩效与期望绩效之差的公共自行车交通服务质量测度模型，并设计了相应的调查问卷；在数据分析过程中，为合理获得权重，引入偏最小二乘路径建模方法（Partial Least Square Path Modeling，简称PLSPM），并通过对上海闵行区公共自行车系统的实证研究进行了模型验证，旨在为提高公共自行车交通服务质量以及公共自行车的吸引力提供参考。

1 PBS服务质量测度的SERVQUAL模型

SERVQUAL模型是由美国著名的营销学研究组合PZB于1988年为生产机构提出的一套完整的产品质量评测工具。经过不断改进，在营销学领域中得到了广泛应用，但同时也支持根据实际情况对所包含的问项进行调整后应用于其他行业。SERVQUAL本质上是一种分层多项目评价方法，它把顾客对服务产品质量的感知划分为5个评价维度，每个维度由若干个指标来反映，通过计算顾客对评分项目服务绩效的实际感知与期望之差来量化表征服务型产品在不同分维度以及整体的质量[10]。据此提出如下公共自行车服务质量测度模型：

为检验计算方法的准确性, 计算了空风洞Ma=0.4～0.9的流场, 表1给出了计算的附面层厚度. 其中, Re为Reynolds数, 特征长度c=0.24 m, Ma∞, Mal分别代表试验段远前方来流Mach数和附面层外缘Mach数, δ为附面层厚度, 定义为附面层速度恢复至0.99倍来流速度时与物面的距离. 可以看出, 计算的附面层厚度随Mach数增大而略增大, 规律与实验结果[27]一致, 附面层厚度在45～50 mm 之间. 计算结果附面层偏薄. 考虑到研究目的是对比加装涡流发生器前、 后的差量, 因此绝对值间的差异不会影响计算结果的分析.

 

式（1）～式（2）中：Qi是服务产品在分维度i上的质量；Qtotal是服务的总质量；Pj为顾客在维度j上感知服务质量的分数；Ej为顾客在维度j上期望服务质量的分数；uj,hj分别为评价项目j在计算分维度质量和总质量时的权重；T为样本数；M为属于分维度i的指标数；N为测量指标总数。

式（4）中： vj为误差项，其均值为0且与ξi(i≠j)不相关；βji为内部模型回归得到的路径系数。

2 基于PLSPM的赋权方法

PLSPM模型由两部分组成：测量模型（Mea⁃surement Model，又称“外部模型”）和结构模型（Structural Model，又称“内部模型”），如图1所示。前者用于描述直接测量的变量（又称“显变量”）与对应的不能直接测量的变量（又称“隐变量”）之间的关系，而后者用于描述隐变量之间的关系[14]。

  

图1 PLSPM模型结构

 

注：图中矩形表示显变量，椭圆形表示隐变量。

PLSPM假设有n个样本点，J组显变量Xj={xj1,xj2,…,xjkj}，每组显变量同时受到一个标准化的隐变量ξj的影响，两者之间的关系可以通过外部模型表示，如式（3）所示[15]：

 

式（3）中： ξj的均值为0，标准差为1；εjh为误差项，其均值为0且与ξj不相关；λjh为外部模型回归得到的路径系数。

式（7）中，；cor(Yj,Yi)为Yj和Yi的相关系数。

 

观察式（1）和式（2）可以发现，测度服务质量的关键是获得合理的权重uj,hj。对此，已有的研究中多采用两种方法，第一种是在调查问卷中包含反映评价项目重要度的问题，由被访者主观打分，之后进行累加作为不同项目的权重[11]；第二种是调查完成后组织服务提供商、用户代表以及从事相关研究的学者作为专家，采用德尔菲法或者层次分析法得到权重。第一种方法由于受访者缺乏相关专业知识，且不了解问卷结构，同时容易因为填答时间过长引发不耐烦心理，最终影响重要度数据的准确性[9]；第二种方法则没有考虑到指标变量之间的相关关系，叠加后存在夸大被评价对象中某些特征指标的可能性，从而导致不合理的评估结论出现[12]。同时，SERVQUAL模型中将评价指标划分为若干组，每组反映服务产品的一个分维度，在这种情况下，权重系统应能反映指标体系的层次性。Wold提出的偏最小二乘法路径建模可以较好地解决上述问题[13]。

对隐变量ξj的估计可以从两方面进行。一方面，隐变量ξj的估计值可以由第 j组显变量xjh的线性组合计算得到，记为Yj，称为隐变量ξj的外部估计[15]:

对这样的数字陈小华表示，58到家今天还活着，是因为没有刻意把一些概念、标签往自己身上去靠，在中国创业光靠理念不行，必须要务实、灵活，58到家今天的业务，是市场淘汰后活下来的，不是靠规划出来的。

 

模式B认为权重向量wj是ξj的内部估计Zj关于显变量xjh的回归系数向量：

胃切除术引起的体内神经-内分泌紊乱可导致继发性PEI[8]。胃切除患者体内碳酸氢盐和脂肪酶分泌显著降低。胃部分切除患者 PEI的发生率约70%，全胃切除患者PEI发生率高达100%[9]。

 

式（6）中：符号“∝”表示对数据进行“压缩”处理，即得到Zj的方差为1；eji为内部权重，它等于Yj和与其相连的各Yi的相关系数的符号函数值[15]：

 

同时，对J个隐变量ξj之间关系的描述则构成PLSPM的内部模型，其形式为[15]：

加速度传感装置示意图如图4所示,在铝制圆形管壳内固定制备的PDMS薄膜,在薄膜的中心位置粘接圆柱形永磁体质量块,在距永磁体上表面 D=5 mm 处固定磁传感器通过上位机对读出采集的数据,由此组成整个加速度传感检测装置。

首先，在课程体系方面，构建以高校专业课程为主，创业课程和就业课程为辅的丰富课程资源群，将创业培训纳入大学生选修课课程体系并计入学分。面向全体在校学生，开设《创业教育指导》课，召开专题讲座给大学生讲述国家鼓励大学生创业的相关法规、政策和资金扶持申请程序，转变大学生的传统就业观念，培养创业意识；针对具有较强创业兴趣和想法的学生，学校提供免费的专门培训，如开设《创业实训指导》和SYB课程，使学生创业技能与实践获得提升。

Wold[13,15]提出有两种方法计算式（5）中的权重wj，分为模式A和模式B，模式A认为权重向量wj是显变量xjh关于Zj的协方差系数：

 

式（5）中：Xj是以显变量xjh为列向量的矩阵；wj为由外部权重wjh构成的列向量。

 

计算时，首先取向量Yj的初始值为xj1，通过式（6）得到Zj的估计值。然后，通过式（8）或式（9）计算出新的权重向量wj。最后，将该结果wj代入式（5）得到新的Yj，再回到式（6），如此循环计算，直到结果收敛为止。

另一方面，如果Yi(i≠j)是与ξj相关联的隐变量ξi的估计值，还可以利用Yi来估计隐变量ξj，这一估计值被记为Zj，称为隐变量ξj的内部估计[15]：

PLSPM模型中的路径系数以及各变量的估计值可通过迭代法标定得到，具体算法可见文献[13]。参数标定后需要检验模型对数据的拟合情况。对于外部模型，主要检验每组显变量的单维性（Unidimensionality），当指标Dillon-Goldstein′s rho（D-G′s rho）大于0.7时，单维性较优；对于内部模型拟合优度的判断，主要依据R2统计量。结合前文的讨论，计算权重时所需的潜变量的值由内部模型计算得到，经标定和检验后的外部模型路径系数λjh依据潜变量的不同分别对应于uj和wj。PLSPM模型有两个优点：其一，PLSPM并不要求数据服从多元正态分布（这在社会调查数据中很难得到保证）；其二，对样本量要求较小，一般要求达到显变量最多的隐变量的显变量数的10倍即可[13]，加之其可以同时考虑权重的分级特征，非常适合本文研究的问题。本文中建立的PLSPM模型的标定和检验通过开源统计软件R中的PLSPM统计包完成。

3 案例分析

3.1 调查及样本描述

上海闵行区公共自行车系统由上海永久自行车公司于2009年3月开始运营，截至2017年2月，全区自行车保有量达到2万辆，设有686个公共自行车租赁点，拥有锁柱22 757个，涵盖全区14个街镇和工业区。拥有闵行区户籍的居民可在办理“诚信卡”后全天24h免费使用公共自行车。

到隋朝，筝十三弦在隋代雅乐中的地位已经完全确立，但筝十二弦的传统却随着清商乐曲的流入而流入隋唐燕乐。直到唐代末年，因为清乐的衰落，筝的十三条弦被筝的十三条弦取代。当时，人们已经通过移动筝码来改变古筝的音色。在唐代，十二弦筝与十三弦筝并存，广泛用于各种音乐中，成为优雅而流行的乐器。隋唐时期，宫调的丰富形式和宏伟的音乐结构是传统筝乐的巅峰。唐代历经宋、辽、金、元战争的许多传统音乐已不复存在，但在宫廷宴乐中仍存在许多古筝独奏、引奏和合奏的形式。在宋代，十三弦筝仍然深受人们的喜爱，所以在宋代十三弦筝得到广泛的流传。

对提出的PLSPM模型进行参数标定及校验，结果如表2所示。外部模型中各个分维度D-G′s rho均大于0.7，表明数据具有良好的单维性；而内部模型的R2=1，表示内部模型对数据具有极高的拟合优度。将得到的权重代入式（1）和式（2），可以得到各个维度及总体的服务质量评分（见表2）。

 

表1 调查数据描述

  

序号 1评价维度 包含问项 均值 标准差克朗巴哈系数(Cronbach α)0.655 0.706-0.218 0.626-0.218 2 0.541 3可达性 可用性 硬件设施 人工服务0.951 1.322 1.164 1.129 1.133 1.066 0.995 0.855 1.154 1.145 0.997 1.460 1.726 1.186-0.713-0.826-0.920-1.126-1.172-0.287-0.414-0.598-0.747-0.805-0.437-0.724-1.897-0.966 0.654 4 1-1从出发地到自行车站距离近1-2从自行车站到目的地距离近1-3自行车站标示清楚容易找1-4租车卡办理、挂失方便1-5自行车道齐备2-1需要借车时总可以借到2-2还车时总有车位2-3费用低廉2-4全天候服务3-1借还车设施使用简单3-2车辆整洁配件齐全3-3车子轻巧省力3-4车辆不会在途中坏掉3-5车辆锁具安全可靠3-6雨天有雨具提供4-1投诉建议会得到及时反馈4-2意外发生时工作人员会及时妥善处理0.771-1.0111.040

3.2 数据分析

本文基于实际绩效感知与期望绩效之差定义服务质量，在进行详细分析前使用带符号的Wilcoxon秩和检验对两者进行检验，结果表明就单个问项而言，感知服务绩效与期望服务绩效的差异是普遍存在的。进而计算样本在17个问项上的均值与标准差，并对问卷的测量信度采用克朗巴哈系数（Cronbach α）进行确认性检验，结果如表1所示。根据Guieford的观点，当Cronbach α大于0.7时表示信度相当高，在0.35～0.7之间时表示信度尚可，若低于0.35则表明信度较低[16]。从表中得知各评价维度均具有较好的信度，而整份问卷的信度更是达到了0.833，表明数据是可信的。

3.3 权重及服务质量计算

本文是从使用者的视角出发对公共自行车的服务质量进行探讨，因此问卷设计时首先对用户使用公共自行车的过程进行了分析，同时结合SERVQUAL模型中的5个维度设计指标，根据预调查阶段用户和专家的反馈意见进行修改，最终确定包括4个维度17个问题，其内容如表1所示。调查在闵行公共自行车服务区域内以随机截访的形式进行，共发放并回收问卷101份，其中87份有效。受访者中有女性31人，占比为35.63%；年龄集中在18～45岁之间，占比为71.26%；月收入为1000～3000元、3000～5000元、5000～7000元、7 000元以上的4组受访人群数分别占到样本总数的25.29%,21.84%,22.99%和20.69%。

 

 

表2 权重及分维度得分

  

序号评价维度 包含问项分维度权重uj总评权重wj D-G′s rho分维度质量得分0.7710.548 0.7110.493 1 0.528 1-1从出发地到自行车站距离近1-2从自行车站到目的地距离近1-3自行车站标示清楚容易找1-4租车卡办理、挂失方便1-5自行车道齐备2-1需要借车时总可以借到2-2还车时总有车位2-3费用低廉2-4全天候服务可达性 可用性0.5530.797-1.826 2 0.632 0.638 0.583 0.676 0.613 0.718 0.559 0.643 0.428 0.499 0.517 0.566 0.744-1.922

 

表2（续）

  

序号评价维度 包含问项分维度权重uj总评权重wj D-G′s rho分维度质量得分0.478 0.479 0.6970.573 0.7170.547 3 0.782硬件设施 人工服务3-1借还车设施使用简单3-2车辆整洁配件齐全3-3车子轻巧省力3-4车辆不会在途中坏掉3-5车辆锁具安全可靠3-6雨天有雨具提供4-1投诉建议会得到及时反馈4-2意外发生时工作人员会及时妥善处理-3.157 0.6010.476 0.616 0.561 0.899 0.527 0.464 0.679 4 0.899-1.786 0.9080.709

由表2可知，总分及各维度得分均为负，这是因为用户在某一问项的感知服务绩效低于期望服务绩效，也就是说顾客在维度 j上期望服务质量大于目前顾客在维度 j上的感知服务质量。分数越低，说明市民对于该项服务的期待越高，同时也是现阶段亟待解决的问题。总体而言，闵行公共自行车服务质量与用户的期望尚有差距；从单个评价维度来看，“硬件设施”维度得分最低，但并不能据此完全判定硬件设施方面的改善最为迫切，因为不同的评价维度所包含的问项数量并不相同。结合表1中单个问项的均分，可以发现得分偏低的3个问项依次为“3-6雨天有雨具提供”和“2-2还车时总有停车位”、“2-1需要借车时总可以借到”，这表明闵行区公共自行车服务在上述3个方面是最需要改善的。单个维度和总体服务质量评分的计算，对于不同PBS系统之间的比较或者同一PBS系统在不同时点上的服务质量的比较并据此判断需要改进的方向，更有实际意义。

4 结论

设计一套合理的模型和方法，用于已经开通运营的PBS服务质量的测度、比较以及缺陷的识别，对于未来PBS用户体验的改善以及系统推广具有重要的意义。

巧用Flash动画视频促进文化理解。除了之前提到的这些媒体手段，大量的FLASH课件也充实着我们的音乐课堂，FLASH课件运用色彩鲜艳的矢量动画，很好地展现了音乐需要表达的意境和情景，达到了音画一体的感觉。

本文以PBS用户对服务的感知为基本视角，借鉴营销学中通过用户感知与期望服务绩效之差来测度服务质量的理念，建立了PBS服务质量测度的SERVQUAL模型，重点讨论了如何通过PLSPM建模方法获得模型中的多级权重，并结合上海市闵行区公共自行车服务系统的实际运营做了案例分析。

研究结果表明，闵行区公共自行车系统服务中与用户期望差别较大的三项分别是“3-6雨天有雨具提供”、“2-2还车时总有停车位”以及“2-1需要借车时总可以借到”。对于雨具，初期PBS运营企业主要是考虑到安全以及成本的问题未能提供，但杭州等城市已经开始尝试出租或免费发放一次性雨衣，这对改善用户的体验有重要意义；而早晚高峰时段的潮汐交通导致的借还车难的现象也确实已经成为同时困扰PBS用户和企业的难题，尤其是在无人值守的站点处的还车困难问题将会给用户造成极大的不便。

后续工作可以从以下方面展开：针对早晚高峰借还车难的问题，技术上可利用历史数据分析车辆进出规律，合理调整不同站点的配车和配桩数，同时研究建立自行车动态调整优化模型；将服务质量与用户行为联系起来，讨论服务质量对公共自行车使用频率的影响，从而制定更有针对性的促进PBS使用的措施，提高PBS的社会效益和经济效益。

参考文献

[1]周杨，张冰琦，李强.公共自行车系统的研究进展与展望[J].城市发展研究，2014，21（9）：118-124.

[2]周思颖.城市公共自行车系统规划研究[D].苏州：苏州科技学院，2013.

[3]CASTILLO-MANZANO J I,SÁNCHEZ-BRAZA A.Manag⁃ing a Smart Bicycle System When Demand Outstrips Sup⁃ply the Case of the University Community in Seville[J].Transportation,2013,40(2):459-477.

[4]VOGEL P,MATTFELD D C.Strategic and Operational Planning of Bike-Sharing Systems by Data Mining:A Case Study[C]//Proceedings of International Conference on Com⁃putational Logistics.Hamburg:ICCL,2011:127-141.

[5]崔梦蕾.基于顾客满意度的城市居民对公共自行车出行分析：以武汉市为例[J].现代商贸工业，2011（9）：125-126.

[6]蒋丽芹，吴宝泰.基于因子分析法的城市公共自行车系统公众满意度研究：以江苏无锡为例[J].哈尔滨商业大学学报（社会科学版），2014（4）：73-80.

[7]钟荣.基于SEM模型的公共自行车用户忠诚度影响因素研究[D].成都：西南交通大学，2017.

[8]张栋，杨晓光，安健，等.基于乘客感知的常规公交服务质量评价方法[J].城市交通，2012，10（4）：72-78.

[9]马飞，孙启鹏，王炼，等.基于SERVPERF的城市公交车服务质量影响因素研究[J].交通运输系统工程与信息，2013，13（2）：153-157.

[10]韦福祥.服务质量评价与管理[M].北京：人民邮电出版社，2005.

[11]张天畅，白少凯，陈诗雨，等.基于修正SERVQUAL的公共自行车服务质量评价研究[J].武汉理工大学学报（交通科学与工程版），2013，37（1）：216-220.

[12]王惠文，付凌晖.PLS路径模型在建立综合评价指数中的应用[J].系统工程理论与实践，2004，24（10）：80-85.

[13]WOLD H.Soft Modelling:the Basic Design and Some Ex⁃tensions[J].Systems under Indirect Observation,1982(PartⅡ):36-37.

[14]GUINOT C,LATREILLE J,TENENHAUS M.PLS Path Modelling and Multiple Table Analysis:Application to the Cosmetic Habits of Women in Ile-de-France[J].Chemo⁃metrics and Intelligent Laboratory Systems,2001,58(2):247-259.

[15]WOLD H.Partial Least Square[J].Encyclopedia of Statisti⁃cal Sciences,1985(6):581-591.

[16]GUILFORD J P.Fundamental Statistics in Psychology and Education[M].4th ed.New York:McGram-Hill,1965.