基于馬田系統的高速鐵路客運服務質量評價

劉何棟，李海軍，馬昌喜，方燕楠，王 蕾

（蘭州交通大學 交通運輸學院，蘭州 730070）

截至2021年底，中國高速鐵路運營里程達到4.1萬km，居世界首位.我國高鐵網覆蓋了95%的人口超過100萬的城市，高速鐵路已經成為旅客出行的重要選擇.隨著社會經濟水平的發展，高鐵出行旅客的增加導致高鐵客運服務質量受到更為廣泛的關注.國內外學者關于高速鐵路客運服務質量評價指標體系構建和評價方法應用方面作了大量的研究，取得了豐富的研究成果.

在高速鐵路客運服務質量評價體系構建的研究方面，呂笑媛等［1］采用定性與定量相結合的方法，從經濟性、便捷性、設備設施和人員服務四個方面對高速鐵路旅客滿意度進行評價，建立了高速鐵路客運服務質量評價指標體系.李致萱等［2］通過服務接觸理論劃分服務環節、情感曲線量化旅客服務評價，得出旅客服務需求差異，在此基礎上設計個性化服務評價權重.牟能冶等［3］以馬斯洛需求理論為基礎，針對高速鐵路旅客需求和感知建立三級評價指標體系.崔袁丁等［4］采用貝葉斯網絡分析，運用樹模型構建評價體系，得到作為頂層指標的旅客服務質量的評價結果.Eboli等［5］基于模糊理論，建立了鐵路服務質量多級模糊綜合評價模型，通過三級評價指標體系結合受訪乘客的意見確定其權重.田志強等［6］在分析鐵路客運站相關服務的基礎上，建立了鐵路客運站旅客服務質量評價體系，通過實例驗證了方法的可行性與有效性.劉艦［7］從消費者行為學的角度系統分析了鐵路客運站服務水平的主要內容，建立了基于旅客滿意的客運站服務水平評價體系.

在高速鐵路客運服務質量評價方法的研究方面，吳剛等［8］基于服務接觸理論形成高速鐵路客運服務接觸鏈，從理論上構建高速鐵路旅客滿意度模型，研究影響旅客滿意度的關鍵接觸點.徐春婕等［9］通過融合模糊評價方法和粗糙集理論，提出客運站服務質量評價模型.Bakti等［10］通過整合效用維度、享樂維度和影響感知服務質量的“過濾”變量，建立了一個不同于現有鐵路旅客感知服務質量模型的感知服務質量模型.尹冰［11］利用結構方程模型，提出高速鐵路民眾滿意度測評方法，針對7條高速鐵路線路進行調研分析，得出高速鐵路運營服務的優勢和短板.Jomnonkwao等［12］采用聚類分析、因子分析和重要性績效分析，為改善泰國城際鐵路服務的精準服務質量提出建議.

既有研究對高速鐵路客運服務質量的評價具有重要的借鑒意義，但是在建立評價體系的過程中存在評價指標冗余的問題，在評價方法上存在指標權重的主觀性誤差，對評價結果的客觀性和準確性有一定的影響.

綜上所述，本文在借鑒既有研究關于高速鐵路客運服務質量評價指標體系選取的基礎上，約簡初始評價指標，從乘客接受服務流程的角度出發，運用馬田系統（mahalanobis-taguchi system，MTS）評價方法對數據進行處理，并對結果進行分析驗證.避免了權重問題對于評價體系的影響，克服了評價過程中的主觀性和不確定性，提高評價的準確性和科學性.

1 高速鐵路客運服務質量評價指標體系的構建

1.1 初始評價指標體系的建立

基于服務接觸理論和乘客參與高速鐵路客運服務的流程，結合規范［13］建立初始評價指標體系，由票務環節、進站環節、候車環節、乘車環節、出站環節共同構成一個完整的服務接觸鏈（service contact chain，SCC）.高速鐵路客運服務質量初始評價指標體系如表1所列.

表1 高速鐵路客運服務質量初始評價指標體系Tab.1 Initial evaluation index system of passenger service quality of high-speed railway

1.2 高鐵客運服務質量評價數據

根據高速鐵路客運服務質量初始評價指標體系設計測定各變量的具體問項生成調查問卷.問卷第一部分是旅客背景信息，主要包括人口統計特征變量、常購坐席類別、出行目的、年乘坐高鐵次數.第二部分是感知服務量表包含31個指標，并使用Likert 5級量表來記錄受訪乘客對各個問項從“很不滿意”到“很滿意”的評價態度.1～5表示感知服務水平的高低，數字越大，代表服務水平越高.以蘭州西站候車及乘車旅客作為研究對象，發放并回收問卷452份，其中有效問卷430份，有效回收率95.1%.

1.2.1 數據整理

對問卷調查獲取到的數據做描述性統計分析，人口統計特征變量如表2所列.

表2 旅客人口統計特征變量Tab.2 Passenger demographic characteristic variables

通過對旅客背景信息的分析，乘客常購坐席類別中二等座占比接近65%，年乘坐高鐵次數集中在10次以內，出行目的前三位分別是觀光旅游、探親訪友和城市通勤，常用購票方式主要是網絡購票占比接近84%.

1.2.2 信度檢驗

信度即可靠性，體現變量的穩定性和一致性程度，量表的信度和其測量誤差成反比.研究采用SPSS26.0軟件，通過Cronbach'sα系數進行內部一致性檢驗，當α系數在0.8以上，則表明調查表有較好的內在一致性.經過計算信度檢驗結果如表3所列，量表整體的α系數達到0.844，表明此量表結果可靠.

表3 信度檢驗表Tab.3 Reliability test table

1.2.3 效度分析

效度即有效性，是指樣本數據與期望目標的接近程度，效度越高越能體現測量內容的一致性.采用KMO測度和Bartlett球體檢驗法對數據進行相關性分析，KMO值越接近1，說明變量間相關性程度越高.采用因子分析法經過計算效度分析結果如表4所列，樣本數據的KMO值大于0.900，且巴特利特球形度檢驗的顯著性水平（Sig）為0.000，認為問卷量表效度較高.

表4 KMO和巴特利特檢驗Tab.4 KMO and Bartlett test

2 馬田系統評價方法

2.1 馬田系統簡介

馬田系統［14］是由田口玄一提出的一種面向不平衡數據的模式識別方法，由馬氏距離（mahalanobis distance，MD）和田口方法（taguchi’s design of experiment，DOE）整合而來.該方法采用馬氏距離構建基準空間，使用正交表合理安排選擇特征的試驗，結合信噪比提取特征變量，從而能夠在不平衡數據環境中進行異常值識別和特征選擇.并且不需要任何數據分布假設，具有樣本需求量小、原理簡單和易于操作等優點.

將馬田系統方法應用于高速鐵路客運服務質量評價中，提供了一種新的方式完成對既有評價指標的有效約簡，在一定程度上避免了指標權重等主觀性誤差的影響，并且量化了高速鐵路客運服務質量評價結果，可用于線路、車站以及列車客運服務質量的對比.

2.2 馬田系統基本步驟

運用馬田系統評價方法，將定性與定量分析相結合，提供一種新的研究用戶體驗的平臺.基于馬田系統評價方法對高速鐵路客運服務質量進行評價分析的具體步驟如圖1所示.

圖1 馬田系統評價流程Fig.1 Evaluation process of Mahalanobis-Taguchi system

3 基于馬田系統的高速鐵路客運服務質量評價

3.1 觀測變量的均值計算

本問卷包含31個測評指標，指標分值由低到高依次為1～5分.由SPSS計算得到每個觀測指標的得分均值如表5所列.

表5 觀測指標均值Tab.5 Mean value of observation index

3.2 選取正交表

正交表一般用Ln（m＾k）表示，L為正交表，n表示正交表的行數，m表示各變量的水平數，k表示正交表的列數即變量，且有n=k*（m-1）+1，即行數=變量*（變量水平數-1）+1.馬田系統的正交表根據初始指標變量個數，選擇L32（231）正交表.其中變量水平數m為2，代表有兩種水平1（選取該指標）和2（舍棄該指標），通過Minitab20.0得到可行方案均值和均值響應水平如表6～7所列.

表6 可行方案均值表Tab.6 Mean value of feasible schemes

3.3 構建基準空間

構建基準空間是計算馬氏距離的必要步驟，馬氏距離用于確定測量表的基礎和參考點，以及測量觀測值與參考點的距離.采用正交表和信噪比來進行指標的篩選，Likert5級量表中5分表示乘客對高速鐵路客運服務質量評價最理想的狀態.因此，依據TOPSIS法原理，即根據有限個評價對象與理想化目標的接近程度進行排序，對正交表每一個方案分別構建基準空間：Gi=（5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5）i=1，2，3......32.

3.4 計算信噪比

信噪比按特性分為望目、望小、望大，評價指標分值高低反映其服務水平程度，故本文選取望大信噪比來度量高速鐵路客運服務質量.望大信噪比計算公式如式（1）所示.

式中：ηm為第m個方案的信噪比；di為第i個在每一行為“1”水平下所求的n個樣本數據的馬氏距離.

通過Minitab軟件計算每種可行方案的測評值到其基準空間的信噪比，如表8所列.

表8 可行方案信噪比Tab.8 Signal to noise ratio of feasible schemes

3.5 基準空間指標優化

馬田系統方法可以對基準空間中的初始指標加以篩選，保留有效指標，剔除無效指標，從而優化基準空間［15］.通過Minitab軟件計算得到各方案信噪比響應表如表9所列，信噪比主效應圖如圖2所示.

圖2 信噪比主效應圖Fig.2 Main effect diagram of signal-to-noise ratio

表7 均值響應水平表Tab.7 Mean response level

表9 信噪比響應表Tab.9 SNR response table

通過信噪比響應表結合主效應圖可以看出，X7、X12、X21三項指標在信噪比響應表中排秩處于后三位，對應數據均值在主效應圖中趨于水平，即這三項指標對評價體系總體不敏感，予以剔除.優化后的評價指標體系為：X（X1，X2，X3，X4，X5，X6，X8，X9，X10，X11，X13，X14，X15，X16，X17，X18，X19，X20，X22，X23，X24，X25，X26，X27，X28，X29，X30，X31）.對應最優化的基準空間為G（5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5，5）.

3.6 閾值確定

最優化的基準空間對每個有效指標的最高分賦值為5分.若各項指標得分均為4.5分，設此樣本到最優化基準空間G的馬氏距離是D1，則D1為優秀閾值.如果該測量樣本均值到基準空間G的馬氏距離D∈［0，D1），則稱為優秀樣本.閾值判定規則如表10所列，區域劃分如圖3所示.

圖3 區域劃分圖Fig.3 Area division

表10 閾值劃分表Tab.10 Threshold division table

3.7 馬氏距離計算

馬氏距離是由印度學者Mahalanobis提出計算數據協方差距離的方法［16］.兼顧變量之間的相關性和差異性，計算公式見式（2）.

式中：k為優化后基準空間的維數；Y為參考對象矩陣；μ為基準空間矩陣；∑-1為對象協方差矩陣；（Y-μ）T為（Y-μ）的轉置矩陣.

按照優化后的基準空間G和有效指標的均值得到：

根據式（2）分別計算樣本到優化后基準空間的馬氏距離和閾值：

結果表明：總體樣本到基準空間G的馬氏距離D為2.680 4∈［D2，D3）=［2.565 4，3.848 1），即案例中的高速鐵路客運服務質量評價整體結果為中等.

4 結論

客運服務質量評價是促進高速鐵路客運發展的重要環節，本文通過分析乘客參與服務流程，建立高速鐵路客運服務質量初始評價指標體系.引入質量工程學領域馬田系統（MTS）評價方法，對高速鐵路客運服務各個環節進行數據分析，對服務水平整體進行評價，為改進現有服務質量提供理論依據.通過實例驗證了馬田系統在高速鐵路客運服務質量評價中的適用性和有效性，結合案例信噪比響應表以及信噪比主效應圖可以得出：

1）在票務環節，報銷憑證獲取的便利程度對信噪比效應最大，退改簽服務次之，這兩項內容屬于一次購票的售后服務，應該保持較高的服務水平.購票便利程度很高，但是票價可接受度有待提升，建議小范圍試行動態定價.

2）在進站環節，進站引導標識清晰易懂程度對信噪比效應最大，身份核驗便捷程度次之，這兩項內容服務水平較好，建議進一步提高行李安檢服務效率.

3）在候車環節，無線網絡和共享電源覆蓋率對信噪比效應最大，候車廳飲用水供應情況次之，這兩項內容對服務水平的敏感度較高.建議進一步提高車站大屏信息獲?。ㄜ嚧?時間/正晚點）的及時性和準確性，以及保證候車大廳座椅數量和舒適度.

4）在乘車環節，列車準點率對信噪比效應最大，組織旅客上下車情況次之，這兩項內容是乘客乘車最關注的部分，應保持較好的服務狀態.在不影響行車安全的前提下建議增加車載電源充電口數量，提高列車座椅舒適度以及列車衛生間衛生干凈程度.

5）在出站環節，出站引導標識清晰明了程度對信噪比效應最大，應盡量減少出站旅客在站內不必要的停留時間，并且保證出站身份核驗高效以及公共交通的換乘便利性.

由于數據采集是針對局域案例進行，在樣本數量、調查范圍、分析深度等方面還有待加強.如果考慮馬田系統方法在高速鐵路客運服務質量評價方面的深入應用，則需要根據評價對象和范圍進一步調整.