• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    公交出行各階段時間對多群組乘客滿意度的影響

    2019-09-23 01:02:22
    關(guān)鍵詞:出發(fā)點小汽車群組

    (華南理工大學(xué)土木與交通學(xué)院, 廣東廣州510641)

    0 引言

    乘客作為公交服務(wù)的對象,只有乘客對于城市公交服務(wù)感到滿意并且愿意再次選擇乘坐公交,才能提高公交在城市交通出行方式中的占比,從而有效降低私家車的比例優(yōu)化城市交通結(jié)構(gòu),減緩路面的交通壓力,更好地將城市建設(shè)成一個暢通、綠色、環(huán)保的可持續(xù)發(fā)展城市。研究城市公交乘客滿意度的影響因素及其相互之間的關(guān)系,能夠更加精確的把握公交出行乘客的服務(wù)需求,為優(yōu)化公交運營方案提供理論和數(shù)據(jù)支撐。

    滿意度評價模型研究中先后出現(xiàn)了SCSB模型、ACSI模型、ESCI模型等成果[1-2]。在交通領(lǐng)域,國內(nèi)外對公交乘客滿意度研究中,F(xiàn)RIMAN等[3]通過對公共交通乘客滿意度進行研究,提出了相應(yīng)的評價模型,并得出乘客的滿意度與其累計的滿意度有正相關(guān)關(guān)系。DAS等[4]認(rèn)為乘客滿意度能夠反映公交實際服務(wù)與期望服務(wù)間的關(guān)系,并可作為衡量乘客感知公交服務(wù)的標(biāo)準(zhǔn)。TYRINOPOULOS等[5]從公交服務(wù)的可達性、可靠性、舒適性、信息化程度、發(fā)車頻率、車輛設(shè)計以及乘務(wù)人員的服務(wù)態(tài)度等指標(biāo)評測公交乘客滿意度。STUART等[6]在實地調(diào)研的基礎(chǔ)上采用結(jié)構(gòu)方程模型對乘客滿意度與公交服務(wù)水平之間的關(guān)系進行了剖析。彭曉偉等[7]在成都進行了實地調(diào)研,并在問卷調(diào)查數(shù)據(jù)分析研究中,得出乘客的個人基本屬性是影響公交服務(wù)水平評價的重要因素的結(jié)論。趙琳娜等[8]在進行分析不同顧客的差異化交通需求特征的基礎(chǔ)上,利用結(jié)構(gòu)方程模型對通勤和非通勤乘客分別建模,以此分析影響乘客公交出行滿意度的因素。劉武等[9]在隨車問卷調(diào)研了沈陽25條線路乘客的服務(wù)感知的基礎(chǔ)上,借鑒美國ACSI模型,建立了公交服務(wù)質(zhì)量滿意度指數(shù)模型并進行了實證研究。吳靜嫻等[10]利用南京實地調(diào)研的問卷數(shù)據(jù),建立了分析公交服務(wù)滿意度的貝葉斯網(wǎng)絡(luò)模型,并得出了影響公交服務(wù)質(zhì)量的7項主要因素。

    現(xiàn)有的出行時間對于公交出行滿意度的影響研究中往往只考慮了等車時間或者坐車時間等單一時間因素,對公交出行的各階段時間缺乏深入的系統(tǒng)研究。本文在分析公交出行乘客的滿意度特性的基礎(chǔ)上,針對公交出行時間這一特定影響因素為進行深入分析,將公交出行乘客的出行時間分為出發(fā)點走到公交站花費時間、等車時間、坐車時間、和下車走到目的地的時間等多個階段,并建立了累積概率的有序多分類Logistic回歸分析模型對不同群組乘客進行深入分析。研究在于可以從乘客角度出發(fā),進行以乘客出行時間為中心的價值鏈觀念再造揭示公交出行各階段時間對多群組乘客滿意度的影響機理。

    1 公交出行乘客滿意度影響因素分析

    通過對公交出行乘客滿意度的分析發(fā)現(xiàn),影響乘客滿意度的因素很多,主要包括乘客公交出行特性、乘客個人屬性和公交設(shè)施特性,如圖1所示。分析公交出行乘客滿意度的影響因素可以為接下來的調(diào)查問卷設(shè)計提供依據(jù)[11]。

    圖1 公交出行乘客滿意度影響因素Fig.1 Influence factors of the passengers satisfaction

    2 公交出行乘客滿意度特性分析

    2.1 調(diào)查方法、時間及內(nèi)容

    2018年3月29到3月30日,在肇慶市政府部門和相關(guān)機構(gòu)的支持下,招募并培訓(xùn)了調(diào)研人員200多名,采用人工調(diào)查法,對肇慶市公交乘客開展了跟車和選取公交站點隨機問卷調(diào)查。調(diào)查時間從早上7:00到下午6:00結(jié)束,兼顧早高峰、晚高峰和平峰的公交乘客。調(diào)研回收問卷4 750份,剔除空白和無效問卷后,共獲得有效問卷3 840份,問卷有效率為80.8 %。公交出行乘客滿意度調(diào)查問卷內(nèi)容包括三部分:①乘客的基本信息。包括個人性別、年齡、職業(yè)、學(xué)歷、收入、車輛擁有情況等;②乘客公交出行特性。包括每周使用公交頻率、換乘次數(shù)、出行時間和表征使用公交的忠誠度的優(yōu)先選擇公交和向他人推薦公交的意愿信息;③公交出行滿意度信息。采用5分制的李克特量表法(Likert Scale)定量分析乘客對公交設(shè)施的舒適性、便捷性、經(jīng)濟性和快捷性的滿意度,具體為速度、準(zhǔn)點性、車輛內(nèi)擁擠度、等車時間、走路到公交站的距離、票價和對公交服務(wù)的整體滿意度。特殊地,對公交出行乘客的各個階段出行時間進行了詳細的調(diào)查。

    2.2 描述性統(tǒng)計

    通過對樣本進行簡單分析,得到如表1所示的結(jié)果,在有效樣本的乘客的基本信息男性占大多數(shù),達到60 %,但仍在允許的誤差范圍內(nèi)。年齡主要集中在35歲及以下,學(xué)歷集中在大專及以下,月均收入集中在8 000元以下,與肇慶市的經(jīng)濟社會發(fā)展?fàn)顩r情況相符。車輛擁有情況除了小汽車占比16.2 %和自行車21.8 %之外,摩托車和電動車也各占到了10 %左右,符合肇慶市各類私人交通工具并重的現(xiàn)狀。進一步分析知道,擁有小汽車的乘客79 %是私營企業(yè)主和公務(wù)員事業(yè)單位且月收入大部分都在10 000元以上,擁有自行車乘客中學(xué)生占到了41 %,86 %為月收入8 000元以下。摩托車和電動車類型乘客的性別、年齡、職業(yè)和學(xué)歷都相對分布比較均勻。需要注意的是其他類型的乘客占到了45.5 %,這類乘客除了部分因為個人習(xí)慣對外出行高度依賴公交之外,還有可能是乘客周邊公共自行車方便或者擁有平衡車等新個人交通工具的原因。出行信息中每周使用頻率集中在2~5次,出行換乘的次數(shù)集中在1次及以下,出發(fā)點到目的地所花費的時間集中在40 min及以下,出發(fā)點到公交站的時間集中在10 min及以下,在公交站的等車時間集中在15 min及以下,在公交車內(nèi)的坐車時間集中在30 min及以下,下車走到目的地的時間集中在10 min及以下,愿意優(yōu)先選擇和推薦公交的乘客占到80 %左右,這與肇慶市公交運營現(xiàn)狀相符。綜上所述,數(shù)據(jù)樣本具有合理性。

    表1 調(diào)查樣本描述性統(tǒng)計Tab.1 Descriptive statistics of survey samples

    2.3 乘客公交滿意度特性分析

    2.3.1 乘客公交滿意度總體特征

    圖2 乘客滿意度評價Fig.2 satisfaction evaluation of passengers

    乘客公交滿意度調(diào)查結(jié)果如下圖2所示,調(diào)查發(fā)現(xiàn)公交出行乘客對速度和準(zhǔn)時性的滿意度都很高,但乘客多公交車廂擁擠度的評價一般,說明出行者感受到的車廂舒適度較低。在步行至公交車站的距離滿意度評價上,滿意的比例達到64 %,不滿意的比例僅為5 %,表明公交站點的覆蓋率較高。目前肇慶市的公交票價多為2元,此次調(diào)查中發(fā)現(xiàn)出行者對公交票價的滿意度也比較高,與實際符合。最后,乘客對于公交服務(wù)質(zhì)量的總體評價較高,滿意以上的比例達到了66 %,對其不滿意的比例僅為3 %,但對其評價一般的比例也達到了31 %,表明肇慶公交在準(zhǔn)時性、舒適度等方面需要盡快完善。

    2.3.2 總體滿意度與乘客社會屬性交叉分析

    將公交出行乘客的總體滿意度與其社會屬性進行相關(guān)性分析,有助于把握不同屬性層次的乘客公交出行滿意度的特性,從而可以有針對性地進行相應(yīng)的服務(wù)改善。分析選取置信水平95 %,結(jié)果表明,乘客的總體滿意度與性別、年齡、職業(yè)、教育程度、出發(fā)點到目的地的時間、出發(fā)點到公交車站的時間、等車時間、坐車時間、下車后走到目的地的時間、是否推薦他人選擇公交出行和是否優(yōu)先選擇公交出行等社會因素相關(guān),而與月收入、換乘次數(shù)和每周公交出行次數(shù)的相關(guān)性不明顯。其中忠誠度的表征量是否推薦他人選擇公交出行和是否優(yōu)先選擇公交出行的明顯相關(guān)性表明滿意度越高,忠誠度越高,與實際相符。

    表2 總體滿意度與乘客社會屬性交叉分析Tab.2 Thecorrelation analysis between the overall satisfaction and the social attributes of passengers

    注:*表示在0.05水平(雙側(cè))上顯著相關(guān);**表示在0.01水平(雙側(cè))上顯著相關(guān)。

    3 公交出行階段各時間對多群組乘客滿意度的影響分析

    3.1 有序Logistic模型構(gòu)建

    從上節(jié)的分析可知,公交的各階段出行時間:出發(fā)點到目的地的時間、出發(fā)點到公交車站的時間、等車時間、坐車時間和下車后走到目的地的時間與乘客的總體滿意度有明顯的相關(guān)性。本節(jié)按乘客的車輛擁有情況將乘客分為自行車、電動車、小汽車、摩托車、和其他五個群組,當(dāng)乘客擁有多種車輛類型時,按照小汽車>摩托車、電動自行車>自行車的優(yōu)先度歸類群組,例如當(dāng)某乘客同時擁有小汽車和自行車,按照優(yōu)先度將乘客歸類為小汽車群組。利用自行車群組乘客總體滿意度、電動車群組乘客總體滿意度、小汽車群組乘客總體滿意度、摩托車群組乘客總體滿意度、其他群組乘客總體滿意度這五個決策變量對公交出行各階段時間對車輛擁有情況群組乘客滿意度的影響進行衡量。為了方便回歸分析,對部分響應(yīng)變量與影響因素進行數(shù)值變換,換次序轉(zhuǎn)換為從1開始的整數(shù)序列[12-14]。

    假設(shè)滿意度水平劃分為k個級別,則有序多分類 Logistic回歸分析模型對應(yīng)有k-1個公式,則累積的Logistic模型可表示為

    (1)

    式中,Li為第i個累計的Logistic模型;i為指示響應(yīng)變量的水平,即五個決策變量的總體滿意度;Y為響應(yīng)變量;X為自變量向量;ai為第i個模型的截距參數(shù);B為斜率向量;P(Y=j|X)為五個決策變量的滿意度屬于j的概率[15]。

    求得各概率滿意度水平下累計的Logistic模型Li后,通過換算得到是個決策變量屬于各級別的概率:

    (2)

    式中X1,X2,…,Xm為m個影響因素;b1,b2…,bm為回歸系數(shù)。首先盡量全面地選取可能的影響因素,如表3所示。

    先對五個滿意度影響模型進行平行線檢驗(Test of Parallel Lines),其檢驗結(jié)果P值均大于0.05,說明回歸方程相互平行,可以進行Ordinal Regression分析。

    表3 Logistic模型影響因素Tab.3 Influencing factors of Logistic regression model

    表4 平行線檢驗結(jié)果Tab.4 Parallel line test results

    然后采用后退逐步回歸法剔除模型中的不顯著的影響因素,分別得到五個滿意度與顯著影響因素之間的有序Logistic回歸模型參數(shù)。

    3.2 模型檢驗3.2.1 擬合優(yōu)度檢驗

    表5是Deviance統(tǒng)計量、皮爾遜χ2統(tǒng)計量和Hosmer-Lemeshow統(tǒng)計量擬合優(yōu)度檢驗的結(jié)果。從表5可以看出Deviance統(tǒng)計量、皮爾遜χ2統(tǒng)計量和Hosmer-Lemeshow統(tǒng)計量的P值均大于0.05,所以在顯著性水平α=0.05的條件下,χ2檢驗不顯著,認(rèn)為模型的擬合數(shù)據(jù)較好[16]。

    表5 擬合優(yōu)度檢驗Tab.5 Goodness-of-fit statistics

    3.2.2 預(yù)測準(zhǔn)確度檢驗

    表6是序次相關(guān)指標(biāo)的準(zhǔn)確度檢驗結(jié)果。4個滿意度獨特性除Tau-a指標(biāo)小于0.7之外,其余3個指標(biāo)都大于0.7,表示預(yù)測概率與因變量之間的關(guān)聯(lián)度較高,說明建立的Logistic模型的預(yù)測能力較好[16]。

    表6 序次相關(guān)指標(biāo)的準(zhǔn)確度Tab.6 Accuracy of rank correlation index

    根據(jù)參數(shù)估計和相應(yīng)的檢驗結(jié)果,在95 %的置信水平下,最終保留下與五個決策變量相關(guān)性顯著的變量如表7至表11所示。

    3.3 模型結(jié)果分析

    3.3.1 自行車群組乘客

    表7為自行車群組乘客有序Logistic回歸模型結(jié)果。

    表7 自行車群組乘客有序Logistic回歸模型參數(shù)Tab.7 Logistic regression parameters ofpassages with bicycle

    注:a因為此參數(shù)冗余,所以將其設(shè)為零。

    由表可知,對于自行車群組乘客而言,公交出行各階段時間中,出發(fā)點到目的地的時間、等車時間和坐車時間這三個時間對公交出行總體滿意度的影響最為顯著。①出發(fā)點到目的地的時間:21~40 min的乘客的總體滿意度最高,41~60 min的總體滿意度最低,說明自行車群組乘客對于出發(fā)點到目的地的時間為21~40 min的接受度最高,對于40 min以上的公交出行時間忍受度最低;②等車時間:自行車群組乘客的總體滿意度隨著等車時間的增加,不斷降低,10 min以內(nèi)的等車時間是乘客能夠普遍接受;③坐車時間:15 min以下的自行車群組乘客總體滿意度最高,31~45 min的最低,說明自行車群組乘客普遍希望坐車時間在30 min以內(nèi)。

    3.3.2 電動車群組乘客

    表8為電動車群組乘客有序Logistic回歸模型結(jié)果。

    表8 電動車群組乘客有序Logistic回歸模型參數(shù)Tab.8 Logistic regression parameters of passages with electric bicycle

    注:a因為此參數(shù)冗余,所以將其設(shè)為零。

    由表可知,不同于自行車群組乘客,電動車群組乘客在公交出行各階段時間中,等車時間和下車后走到目的地時間對公交出行總體滿意度的影響最為顯著。①等車時間:電動車群組乘客的總體滿意度隨著等車時間的增加,不斷降低。但不同于自行車群組乘客只能普遍接受15 min以內(nèi)的等車時間,電動車群組乘客的分析結(jié)果表明15 min以內(nèi)也能夠普遍接受和容忍;②下車后走到目的地時間:5 min以下和6~10 min的電動車群組乘客總體滿意度一樣高,11~15 min的最低,說明電動車群組乘客普遍能夠接受10 min以內(nèi)的下車后走路到目的地的時間。

    3.3.3 小汽車群組乘客

    表9為小汽車群組乘客有序Logistic 回歸模型結(jié)果。

    表9 小汽車群組乘客有序 Logistic 回歸模型參數(shù)Tab.9 Logistic regression parameters of passages with car

    注:a因為此參數(shù)冗余,所以將其設(shè)為零。

    由表可知:①出發(fā)點到目的地的時間:20 min以下的乘客的總體滿意度最高,21~40 min的總體滿意度最低,說明小汽車群組乘客普遍希望出發(fā)點到目的地的時間能夠在20 min以內(nèi),滿足短途出行需求,對于60 min以上的公交出行時間忍受度反而居中,說明小汽車群組乘客對于使用公交取代中長距離小汽車出行的容忍度上升;②等車時間:小汽車群組乘客的總體滿意度隨著等車時間的增加,不斷降低,小汽車乘客能夠普遍接受和容忍10 min以內(nèi)的等車時間,時間超過10 min后,總體滿意度迅速下降;③坐車時間:與自行車群組乘客類似,15 min以下的小汽車群組乘客總體滿意度最高,16~30 min的次之,時間超過30 min后,總體滿意度也迅速下降。

    3.3.4 摩托車群組乘客

    表10為摩托車群組乘客有序Logistic 回歸模型結(jié)果。

    由表可知,對于摩托車群組乘客,公交出行各階段時間中,出發(fā)點到目的地的時間、等車時間、坐車時間和下車后走到目的地時間這四個時間對公交出行總體滿意度的影響都顯著。①出發(fā)點到目的地的時間:摩托車群組乘客對于出發(fā)點到目的地的時間為20 min內(nèi)的接受度最高,41~60 min的接受度最低;②等車時間:摩托車群組乘客15 min以內(nèi)的等車時間的接受度都比較高;③坐車時間:參數(shù)估計值為負(fù)表明坐車時間對于總體滿意度的影響為負(fù),即坐車時間越長則滿意度越低。不同于等車時間的較高容忍,摩托車群組乘客對坐車時間的總體滿意度都比較低,說明摩托車群組乘客更多地需要完成短距離出行;④下車后走到目的地時間:摩托車群組對于下車后走到目的地的時間要求并沒有太多的要求,各時間段的總體滿意度和接受度都比較高。

    表 10 摩托車群組乘客有序Logistic回歸模型參數(shù)Tab.10 Logistic regression parameters of passages with

    注:a因為此參數(shù)冗余,所以將其設(shè)為零。

    3.3.5 其他群組乘客

    表11為其他群組乘客有序Logistic 回歸模型結(jié)果。

    表11 其他群組乘客有序Logistic回歸模型參數(shù)Tab.11 Logistic regression parameters of other passages

    注:a因為此參數(shù)冗余,所以將其設(shè)為零。

    由表可知,對于其他群組乘客而言,公交出行各階段時間中,走路到公交車的時間、坐車時間和下車后走到目的地時間這三個時間對公交出行總體滿意度的影響最為顯著。①走路到公交車站的時間:5 min以下的乘客的總體滿意度最高,6~10 min的乘客總體滿意度最低,11~15 min的群組乘客滿意度反而比6~10 min的乘客高,說明距離公交車站中等距離的乘客相比長短距離的乘客更希望優(yōu)化公交站點的布置,體驗更加優(yōu)質(zhì)的服務(wù)。這涉及到心理學(xué),短距離乘客滿意,長距離乘客由于距離太長或者習(xí)慣的原因?qū)?yōu)化站點縮短出行距離并沒有抱太大期待,而中等距離乘客則夾在兩者之間,意愿相對強烈;②坐車時間:其他群組乘客的總體滿意度也隨著等車時間的增加,不斷降低,超過30 min后總體滿意度相比30 min以內(nèi)降低至少一倍;③下車后走到目的地時間:5 min以下和6~10 min的乘客總體滿意度差別不大,11~15 min接受度也與10 min以內(nèi)有一定的降低。

    3.4 群組差異性分析與建議

    根據(jù)上述分析結(jié)果,不同群組的乘客的有序Logistic回歸模型參數(shù)結(jié)果有一定的差異性,結(jié)果統(tǒng)計如表12所示。

    表12 不同群組乘客有序Logistic回歸模型參數(shù)Tab.12 Logistic regression parameters of different groups of passengers

    從表12中可知,出發(fā)點到目的地的時間參數(shù)只對自行車、小汽車和摩托車群組乘客有顯著影響,不同于自行車群組乘客普遍能夠容忍40 min以內(nèi)的總出行時間,小汽車和摩托車群組乘客都對時間為20 min以下的接受度最高,超過20 min后,接受度迅速下降。結(jié)果說明不同群組對總出行時間的接受度是不同的,也從側(cè)面說明了肇慶市公交的線網(wǎng)覆蓋密度不盡合理仍然有需要改進的地方,建議以盡量實現(xiàn)主要居民出行起訖點在20 min以內(nèi)公交出行總時間來進行線網(wǎng)的優(yōu)化。

    對于走路到公交車站的時間參數(shù)只對其他群組有顯著影響,說明肇慶市公交站點的布置有一定的合理性,但是時間為6~10 min的其他群組乘客的總體滿意度相比長短距離的乘客有一定的優(yōu)化公交站點布置訴求,以及考慮到其他群組乘客占比為45.5 %的現(xiàn)實情況,說明肇慶市公交對于站點的布置需要進行一定的優(yōu)化。

    等車時間參數(shù)對除了其他群組都有顯著的影響,而且四個群組普遍能夠接受10min以內(nèi)的等車時間,超過10 min以后有相當(dāng)程度的降低??紤]到調(diào)研數(shù)據(jù)顯示的10min以內(nèi)的等車時間占比為62.4 %,說明肇慶公交的運營時間間隔和準(zhǔn)點性有一定的合理性,但是16 min以上的仍占有14.4 %,所以建議肇慶公交以10 min等車時間為標(biāo)準(zhǔn)進行相應(yīng)的線路和發(fā)車間隔的優(yōu)化調(diào)整。

    坐車時間參數(shù)對除了電動車群組沒有顯著影響外,對其他幾個群組都有顯著影響,并且乘客對于坐車時間的感知敏感度高。不同于摩托車群組對于坐車時間的低容忍,自行車、小汽車和其他群組普遍接受的是30 min以內(nèi)的坐車時間,所以建議肇慶公交對運營速度進行相應(yīng)的提升。

    下車后走到目的地時間參數(shù)對電動車、摩托車和其他群組具有顯著影響,其他群組乘客相對于電動車和摩托車群組顯著性較低,三個群組都希望下車后走到目的地的時間控制在10 min以內(nèi),這對肇慶公交的站點調(diào)整以優(yōu)化可達性提供了理論依據(jù)。

    4 結(jié)語

    針對公交出行各階段時間對多群組乘客滿意度的影響,基于肇慶市公交出行問卷調(diào)查數(shù)據(jù),進行了實證研究與分析,主要得到以下結(jié)論:

    第一,乘客的總體滿意度與乘客的個人屬性具有很強的相關(guān)性,其中以性別、年齡、職業(yè)、教育程度、出發(fā)點到目的地的時間、出發(fā)點到公交車站的時間、等車時間、坐車時間、下車后走到目的地的時間的相關(guān)性最為明顯,而忠誠度的表征量是否推薦他人選擇公交出行和是否優(yōu)先選擇公交出行的明顯相關(guān)性表明滿意度越高,忠誠度越高,與實際相符。

    第二,將公交出行各階段時間分為出發(fā)點到目的地的時間、出發(fā)點到公交車站的時間、等車時間、坐車時間和下車后走到目的地的時間五個時間,并將乘客按照車輛擁有情況分為自行車、電動車、小汽車、摩托車和其他群組五個群組,建立有序多分類Logistic模型分析公交出行各階段時間對多群組乘客滿意度的影響,結(jié)果表明每個群組分別有不同的公交出行各階段時間引起其總體滿意度和接受度的變化。

    第三,通過對不同群組的Logistic模型公交出行各階段時間參數(shù)的差異性分析,綜合不同群組對于某一公交出行各階段時間的不同表現(xiàn),提出了相應(yīng)的公交運營改善建議,未來的公交規(guī)劃和優(yōu)化改善應(yīng)當(dāng)考慮不同屬性不同層次群體的滿意度和接受度特性。

    文章對于公交出行各階段時間對多群組乘客滿意度的影響做了以上研究,試圖從公交出行各階段時間對不同群組乘客的影響的角度來揭示公交乘客的滿意度和接受度特性。但是對于受問卷調(diào)查數(shù)據(jù)所限,僅研究了肇慶市公交滿意度,此外,對于多群組的研究也只考慮了車輛擁有情況分群組,所以后續(xù)研究可以從其他屬性來考慮乘客群組如職業(yè)、年齡等,并盡可能地在多個城市調(diào)研取得更加有代表性的數(shù)據(jù)。

    猜你喜歡
    出發(fā)點小汽車群組
    可愛的小汽車
    幼兒100(2023年33期)2023-09-22 07:17:44
    小汽車
    幼兒100(2021年12期)2021-04-25 12:49:52
    拼一拼
    啟蒙(3-7歲)(2020年6期)2020-06-02 07:53:42
    關(guān)系圖特征在敏感群組挖掘中的應(yīng)用研究
    電子測試(2018年14期)2018-09-26 06:04:10
    以學(xué)生培養(yǎng)為出發(fā)點的數(shù)學(xué)教學(xué)研究
    基于統(tǒng)計模型的空間群組目標(biāo)空間位置計算研究
    榮輝:以未來的交通環(huán)境為出發(fā)點
    尋找出發(fā)點
    群組聊天業(yè)務(wù)在IMS客戶端的設(shè)計與實現(xiàn)
    小汽車
    大灰狼(2010年5期)2010-08-24 03:21:53
    孝昌县| 凤城市| 巩留县| 双鸭山市| 郴州市| 昆明市| 丹巴县| 芒康县| 巴彦淖尔市| 会泽县| 古田县| 桃江县| 东山县| 桂林市| 大邑县| 蒲江县| 清苑县| 侯马市| 连城县| 夏邑县| 三原县| 分宜县| 聂拉木县| 威海市| 海原县| 吴江市| 虎林市| 锡林浩特市| 象山县| 宣化县| 东方市| 松潘县| 通河县| 普兰县| 云霄县| 永春县| 九龙坡区| 武鸣县| 博客| 商河县| 吐鲁番市|