李致萱，刘 澜 ，张斯嘉，黄 哲

（1.西南交通大学 机械工程学院，四川 成都 610031；2.西南交通大学 交通运输与物流学院，四川 成都 610031；3.西南交通大学 综合交通运输智能化国家地方联合工程实验室，四川 成都 610031)

0 引言

我国“八纵八横”铁路网已完成70%的建设任务，高速铁路网络化特征日趋明显，旅客客运量猛增。旅客在要求交通工具更加方便、快捷的同时，对于高速铁路服务的期望与要求也与日俱增。铁路部门在不断完善高速铁路网络的基础上，应有效回应旅客的个性化需求，提升服务质量，赢得更多旅客的认可。

为有效提升旅客对于高速铁路客运服务的满意度和忠诚度，国内外学者们已经进行了大量的研究。尹冰[1]提出了利用结构方程模型分析高速铁路满意度的测评方法，分析高速铁路运营服务的优势和短板。任威等[2]根据高速铁路客运站的新特点，提出了基于结构方程模型的旅客满意度评价模型，并结合高速铁路客运站的服务特点进行参数调整。Lee 等[3]定性定量的研究了影响韩国高速铁路运输的各种因素，并提出了提升服务质量的方法。王晓璇[4]从服务环境、服务功能、服务人员综合素质及感知价值4 个维度构建了高速铁路服务公众满意度评价指标体系。李裕婷[5]综合运用服务质量评价理论和数理统计原理，对高速铁路客运服务质量评价指标体系进行了系统的研究和探讨。

上述研究成果为有关部门优化高速铁路客运服务提供了极大的帮助，但大多忽略了旅客个性化因素对服务评价的影响。因此，从影响旅客服务评价的个性化因素入手，利用情感曲线工具，设计高速铁路旅客个性化服务评价权重，以协助铁路部门优化现有高速铁路服务评价体系，实现更为真实的旅客反馈。

1 高速铁路旅客服务评价个性化因素分析和权重设计

1.1 影响因素分析

随着国民经济水平的不断攀升，旅客个性化因素对高速铁路客运服务评价的影响日益突出。为进一步提升高速铁路客运服务评价的有效性和准确性，需要对影响评价的个性化因素进行分析研究。

选取成都东站、西安北站、郑州东站、北京南站4 个特等站进行实地调研，得出造成个性化影响的基本因素为旅客的性别、年龄、收入、职业等个人背景因素以及出行车站等地域性因素。其中，旅客个人背景因素造成的评价差异往往体现在高速铁路客运服务中某一具体环节上。以成都东站候车区座椅服务评价为例，高速铁路座椅服务水平与旅客年龄关系图如图1 所示，50 ～ 70 岁的中老年人对高铁站候车区座椅服务评价较低，明显不同于其他年龄段人群的总体态势；高速铁路座椅服务水平与旅客收入关系图如图2 所示，低收入人群对高铁站候车区座椅服务评价较高，而高收入人群评价则较低。

图2 高速铁路座椅服务水平与旅客收入关系图Fig.2 Relationship between high-speed railway seat services and the income of passengers

而旅客地域性因素造成的评价差异往往反映到整个高速铁路客运服务环节。运用SPSS 软件分析上述4 个车站，各车站高速铁路满意度评价结果如表1 所示。分析结果显示，由于地域特征造成的服务方式的差异，使得不同车站的服务评价结果存在着一定的差异。

表1 各车站高速铁路满意度评价结果Tab.1 Satisfaction evaluation result of high-speed railway in different stations

因此，旅客个人背景、地域性两方面因素造成的个性化差异对高速铁路服务评价存在实际影响，为优化现有高速铁路客运服务评价体系，需要设计一套旅客个性化因素影响作用的权重取值方法。

1.2 权重设计步骤

（1）基于服务接触理论的高速铁路客运服务情感曲线建立。高速铁路服务接触链是在美国学者Zeithaml 提出的服务接触链的基础上演变而来的[6]，其中旅客与铁路系统的互动过程是影响顾客满意度的直接来源。由于高速铁路客运服务环节较多，为了便于分析其接触属性和接触水平，根据高速铁路旅客出行与客运组织工作特点，引入接触理论将高速铁路客运服务过程划分为4 个服务链：高速铁路进站服务链，高速铁路车站服务链，高速铁路乘车服务链，高速铁路出站服务链[7]。根据旅客接触的具体服务环节将上述服务链进一步细分，高速铁路客运服务环节如图 3 所示。

引入情感曲线工具对结果进行量化。考虑到旅客旅途匆忙，全部接触服务环节数据采集较为困难，加之评价结果具有离散型，选用傅里叶拟合法弥补情感曲线建立时的不足。情感曲线样图如图4 所示，曲线以高速铁路服务接触链中各环节为横轴自变量，以高速铁路旅客服务评价结果作为纵轴因变量。研究情感曲线结果的变异性得到旅客评价的个性化差异，将其运用到高速铁路旅客个性化服务权重的设 计中。

（2）基于高速旅客满意度情感曲线的评价个性化权重划分。根据旅客性别，年龄，收入，社会身份，出行目的，出发地等差异依次构造信息分类向量Ai的表达式为

式中：n为影响旅客服务评价因素的数目；向量Bj为各因素划分后的权重向量；ωk代表各服务环节对应的权重数值，要求满足表示划分指标的数目。

借鉴变异系数的基本思想，构造变异参数，φk计算公式为

式中：fk(x)代表不同服务环节通过情感曲线计算出来的评价值；表示服务环节通过数据统计方法计算出的平均值大小。

通过分析变异参数φk占总体变异的比重，可得到不同旅客对于高速铁路服务接触链中各环节的个性化服务评价权重，计算公式为

图3 高速铁路客运服务环节Fig.3 High-speed railway service cycle

图4 情感曲线样图Fig.4 Emotion curve

2 实例分析

分别在北京南站、郑州东站、西安北站和成都东站采用发放纸质问卷的方式进行实地调查，共发放纸质问卷7 217 份，回收有效问卷6 774 份，问卷有效率达到93.9%。其中，男女比例约为1 : 1，20 ～ 35 岁旅客占48%，35 ～ 50 岁旅客占29%，50岁以上旅客占4.8%；从职业上看，企业员工学历占的比重最大，其次是学生和其他，占比别为39.3%，25.8%，20.5%。从旅客收入情况上看，月薪小于3 000 元的旅客占较大比重，为33.2%，而月薪位于3 000 ～ 5 000 元和5 000 ～ 8 000 元的旅客占比分别为27.6%和21.1%，占据第二、第三位；从旅客出行目的上看，选择高速铁路出游的旅客约占40.7%，远超其他出行目的的旅客数量，这与调研时间为七八月份的暑期时段存在一定的联系。

2.1 情感曲线拟合

根据高速铁路满意度评价问卷中旅客对于高速铁路服务的反馈结果，分别以旅客的地域、年龄、出行目的等差异为分类标准，以高速铁路客运服务环节变化为自变量，利用MATLAB 软件构建出高速铁路旅客满意度情感曲线公式

将调查问卷所得数据依次代入MATLAB 中进行拟合，得到各属性中不同类别的参数a0，a1，b1，ω的数值。

性别满意度情感曲线参数矩阵G为

年龄满意度情感曲线参数矩阵Y为

收入满意度情感曲线参数矩阵I为

职业满意度情感曲线参数矩阵W为

出行目的满意度情感曲线参数矩阵T为

根据参数a0，a1，b1，w的数值构造地域满意度情感曲线参数矩阵P为

利用MATLAB 软件计算可知，上述情感曲线方程结果与原始数据的置信度达到95%以上，满足拟合要求，故情感曲线可用以研究旅客在接受高速铁路客运服务时的满意度情况。

2.2 权重确定

高速铁路客运服务评价环节如表2 所示。参照图3 ，运用公式 ⑸ 和参数矩阵数据，拟合计算出各服务评价结果，再利用公式 ⑶ 和公式 ⑷，计算出高速铁路客运服务评价权重结果如表3 所示。

从上述权重结果可以看出，不同个人背景的旅客对高速铁路某一或某些服务环节的评价差异较大，不同地域的旅客对整个高速铁路客运服务体系中各个环节都存在着较大的差异，这与数理统计分析结果极为吻合，说明权重设计真实可靠。

表2 高速铁路客运服务评价环节Tab.2 Phase of high-speed railway service evaluation

表3 高速铁路客运服务评价权重结果Tab.3 Weight calculating of high-speed railway service evaluation

3 结束语

客运服务评价是改善铁路客运质量的关键手段之一，基于服务接触理论、情感曲线提出可真实反馈旅客个性化服务需求的高速铁路服务评价权重设计方法，相比于传统服务评价权重设计能够更真实地反映不同旅客的个性化需求，进一步落实铁路旅客运输“以人为本”的服务理念，对优化高速铁路旅客评价系统，提升现阶段高速铁路服务水平有着重要的意义，为旅客打造更为满意的出行服务提供有效依据。在此研究基础上，还应从数据泛用性提升的角度进行进一步的优化，挖掘旅客的潜在特征，面向铁路客运营销系统和客运站营销管理信息系统的应用需求，进一步发掘情感曲线生成的数据驱动机制，建立情感曲线比选数据库，以期更好地满足旅客需求，为铁路客运服务的高效和优质提供必要保证。