地铁服务中断下诱导信息对乘客行为影响研究学术报告

作者与机构

本研究由刘唯伊、姚恩建∗、刘莎莎、郭东博、于丁原共同完成，作者单位均为北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室。研究发表于2024年世界交通运输大会(WTC2024)论文集，属于运输规划与航空运输领域的学术成果。

学术背景

随着城市地铁网络规模扩大和客流密度增加，地铁服务中断(metro service disruption)事件频发，原因包括基础设施老化、高负荷运营等。中断期间，乘客的出行选择直接影响客流分布和系统恢复效率。传统研究多关注中断本身的物理影响，而对诱导信息(guidance information)如何调节乘客行为的研究较为简化，且现有信息发布多为同质化描述性内容，缺乏个性化设计。

本研究旨在填补以下空白：
1. 重构决策框架：提出两阶段决策模型，涵盖乘客等待容忍阈值和备选方案选择；
2. 量化信息影响：分析不同强度、不同动机（个体最优vs系统最优）的诱导信息对乘客行为的影响；
3. 场景差异化：根据乘客与中断区间的相对位置（4种中断类型）制定针对性策略。

研究流程与方法

1. 问卷设计与数据收集

研究设计了包含个人信息调查和SP调查(Stated Preference Survey)的问卷：
- 个人信息部分：覆盖社会经济属性（如年龄、收入）、出行模式（地铁使用频率）、信息使用习惯（如偏好出行软件或站内广播）；
- SP调查部分：通过正交设计生成24个假设场景，变量包括：
- 出行属性：距离（短/中/长）、目的（通勤/休闲）；
- 中断属性：4种中断类型（见图1）；
- 信息属性：诱导原因（乘客最优/系统最优）、发布强度（低/中/高）。

样本特征：2023年3-4月在北京市收集314份有效问卷（1898条样本），覆盖各年龄段、职业和收入群体，具有代表性。

2. 模型构建

采用多项Logit模型(Multinomial Logit Model, MNL)分析选择行为，通过Biogeme软件标定参数。模型创新点包括：
- 场景联合变量：捕捉不同中断类型和决策阶段（等待/改道）的异质性；
- 方案可用性设置：区分两阶段的选择肢（如第一阶段仅含等待选项）。

3. 关键变量与标定结果

模型标定显示以下显著影响因子（见表3）：
- 方案效用：出行时间、费用、换乘次数均为负向影响，而走行时间系数为正（乘客愿为顺畅出行付出时间）；
- 信息效应：
- 两类诱导原因均显著正向影响选择（系数：乘客最优1.03 > 系统最优0.77）；
- 中等信息强度效果最佳（系数0.45），高强度反而降低服从率（系数-0.19）；
- 场景差异：
- 中距离出行时，乘客对时间敏感度降低（md∗tt系数1.03）；
- 严重中断下（类型1/2），乘客更愿接受更长耗时/更高费用（type1∗tt系数1.14）；
- 第二阶段（改道）乘客对时间和费用的容忍度提升（stage2∗tt系数2.25）。

4. 灵敏度分析

以中距离通勤为例（表4），关键发现包括：
- 诱导信息有效性：无诱导时方案b6选择概率28.53%，加入乘客最优诱导后升至35.97%；
- 信息强度阈值：中等强度信息使方案b4选择概率从25.02%提升至54.25%，但高强度推送效果衰减；
- 阶段差异：第一阶段诱导可减少23%的等待乘客，缓解站内滞留压力。

主要结论与价值

1. 理论贡献：

   • 验证了个性化诱导信息对行为调节的有效性，提出“中等强度+双目标诱导”最优策略；
     
   • 揭示中断类型和决策阶段对乘客感知权重的动态影响，为精细化建模提供依据。
     

2. 实践意义：

   • 信息发布策略：应避免过度推送，优先通过出行软件等渠道传递精简、精准的信息；
     
   • 差异化干预：对严重受影响乘客（类型1/2）侧重时间补偿信息，对路径经过中断者（类型3）强调系统最优目标。
     

3. 政策建议：

   • 开发动态诱导系统，整合实时中断数据与乘客画像；
     
   • 在青少年群体中培养公共交通使用习惯（模型显示早期习惯影响成年后行为）。
     

研究亮点

1. 方法创新：首次将等待容忍阈值与信息属性纳入地铁中断行为模型，通过两阶段框架还原真实决策链；
   
2. 数据价值：基于北京市大样本实证，覆盖多维度中断场景；
   
3. 跨学科应用：成果可延伸至其他公共交通应急管理领域，如公交调度优化。
   

局限与展望

1. 样本局限：仅针对北京市，未来需扩展至其他城市；
   
2. 模型优化：可尝试交叉巢式Logit模型(CNL)处理方案相关性；
   
3. 长期追踪：对实际中断事件中乘客行为进行验证性研究。
   

（注：文中图表及参考文献详见原文）