一种基于投影的遗憾理论方法，用于评估COVID-19疫情期间区间型2模糊环境下公共交通系统的服务质量

《Research in Transportation Economics》：A projection-based regret theory method for evaluating service quality of public transportation systems under interval type-2 fuzzy environment during COVID-19 pandemic

公共运输服务质量评价在COVID-19疫情期间面临需求下降与交通拥堵的双重挑战，本研究创新性提出基于区间二型模糊集投影模型与后悔理论的多准则决策方法，通过构建改进的效用与后悔-愉悦函数，有效量化乘客心理因素对服务评价的影响，经西安案例验证及敏感性分析，得出出租车最优、地铁最劣的排序，为后疫情时代资源分配提供决策支持。

　　

蔡乃杰|陈子宇|周文良

长安大学经济与管理学院，中国陕西省西安市710064

摘要

公共交通在城市出行中发挥着至关重要的作用，尤其是在大型和人口密集的城市中。因此，评估公共交通系统的服务质量已成为私营和公共部门的重要决策考虑因素。特别是面对2019冠状病毒病（COVID-19）的迅速传播，这导致公共交通需求和收入前所未有的下降，同时加剧了高峰时段的交通拥堵。本研究旨在改善COVID-19疫情期间乘客对公共交通的满意度，并通过开展乘客满意度调查来评估他们的满意度。本文引入了一种基于区间二型模糊集（IT2FSs）的新型预测型后悔理论方法，以解决与服务评估相关的多标准决策问题。首先，构建了一个结合距离和角度信息的IT2FSs预测模型。其次，通过将此预测模型与后悔理论相结合，构建了新的效用函数和后悔-喜悦函数，以提高决策效果。与现有方法的比较分析表明，所提出的方法在捕捉决策者的心理因素方面具有优越性。该模型提供了更可靠和现实的结果，为未来提高公共交通服务质量提供了宝贵的见解。此外，敏感性分析验证了该方法的稳健性，因为在不同参数设置下排名结果仍然稳定。综上所述，公共交通系统的服务质量从好到差的顺序如下：出租车、网约车、公交车、厢式货车和地铁，这有助于政策制定者和交通机构在疫情期间及之后做出更加明智和高效的资源分配决策。

引言

2019冠状病毒病（COVID-19）及其各种变种的出现对人类生活产生了深远影响。这些影响既源于政府实施的应对措施，也源于个人为降低感染风险而采取的行动。公共交通是受影响最严重的行业之一（Hong等人，2024年；Kospandani和Wahyudi，2021年；Shabani等人，2022年）。COVID-19的高传染性，加上公共交通的固有特征（如封闭空间和高乘客密度，尤其是在高峰时段），增加了传播风险，导致乘客数量显著下降。中国是受COVID-19影响最严重的国家之一，其中陕西省省会西安市自2019年12月以来成为重要的疫情热点。

在过去五十年中，西安市的主要公共交通方式包括出租车、地铁、网约车服务、公交车和厢式货车。值得注意的是，出租车和网约车通常由多达四名乘客共享，它们被视为公共交通系统的重要组成部分。据统计，近一半的城市出行是通过公共交通系统完成的。评估这些系统的服务质量对于提高运营效率、增加盈利能力和改善客户满意度至关重要。因此，交通组织定期对其服务质量进行评估。服务质量评估涉及根据决策者设定的预定义目标值来评估各种关键参数，如效率、可靠性、安全性和舒适性（Nassereddine和Eskandari，2017年；Ong等人，2024年）。这项评估可以由包括客户、服务人员和交通专家在内的多元利益相关者进行，以确保分析的全面性。为了捕捉服务表现的波动，评估通常在不同时间间隔进行，例如工作日与周末、高峰时段与非高峰时段。任何组织的主要目标都是始终提供高质量的服务，从而确保在所有时间和服务条件下都能实现最大程度的客户满意度。

COVID-19疫情对公共交通系统的影响显著恶化，因为许多人转向使用私人车辆以降低病毒传播的风险（Shabani等人，2022年）。这种行为变化导致了两个主要后果：首先，它导致了公共交通使用量的意外下降以及该行业收入的相应减少；其次，对私人汽车的依赖增加可能会加剧交通拥堵，尤其是在高峰时段。此外，人们越来越担心这种转变可能会成为长期习惯，即使在疫情过后，也会使公共交通被认为不安全，从而削弱这种不可或缺的交通方式在城市出行中的作用。

为了克服上述复杂的公共交通状况，测量交通系统的性能（包括效率、有效性、生产力和服务质量）至关重要。尽管交通机构通常从运营角度评估性能，但许多研究者强调，顾客的观点是评估交通系统时最重要的因素（Sukhov等人，2021年；Van Lierop和El-Geneidy，2016年）。特别是，服务质量通常被理解为顾客期望与实际体验之间的差距。因此，衡量顾客满意度可以在帮助政策制定者更有效地分配资源和提高服务质量方面发挥关键作用（Tanwar和Agarwal，2025年；Tuan等人，2022年）。基于这一理解，本研究提出了一个评估COVID-19疫情期间西安市公共交通顾客满意度的框架。

为此，本研究采用基于后悔理论的方法来解决区间二型模糊集（IT2FSs）框架下的多标准决策（MCDM）问题。首先，构建了一个基于IT2FSs的预测模型，以有效处理模糊信息中的不确定性和模糊性。在此基础上，开发了一种基于预测的后悔理论方法来解决IT2FSs信息下的MCDM问题。该方法包括三个主要阶段：决策信息的输入、信息的处理以及最终的决策阶段。在决策阶段，引入了新设计的效用函数和后悔-喜悦函数，通过计算后悔-喜悦值来评估决策者的心理反应。为了证明基于预测的后悔理论方法的有效性，将其应用于一个专注于评估公共交通顾客满意度的案例研究。通过敏感性分析验证了该方法的稳定性。此外，其性能还与其他成熟方法（包括模糊WASPAS方法、模糊MARCOS方法和模糊COSOCO方法）进行了彻底比较。总之，所提出的模型有三个优势：（i）提出了一种基于IT2FSs的新预处理模型，即基于IT2FSs的预测模型。与现有模型不同，它结合了距离和角度信息，能够更全面和准确地表示IT2FSs信息；（ii）通过将基于IT2FSs的预测模型与后悔理论相结合，开发了新的效用函数和后悔-喜悦函数。这些修订后的函数显著降低了计算复杂性；（iii）基于后悔理论提出了一种新的区间二型模糊环境下的MCDM方法。通过一系列敏感性分析证明了其稳定性和稳健性，并通过与三种现有方法的比较分析展示了其有效性和优越性。

本研究的主要贡献如下：

(1)

为了为公共交通系统的科学服务质量评估提供方向，本研究构建了一个基于可靠性、可访问性、舒适性和保障性的系统评估标准体系。其中一些选定的子标准直接与传染风险相关。评估结果有助于更清楚地了解不同交通方式在这些健康相关标准方面的表现。

(2)

与以往依赖有限评估标准的研究不同，本研究采用了更为全面的方法。最终评估标准是通过广泛的文献回顾、德尔菲方法和与决策团队的深入小组讨论精心选定的。

(3)

它引入了一种创新的决策框架，将基于IT2FSs的预测模型与后悔理论相结合，提供了一种在公共交通系统评估中尚未应用的新方法。IT2FSs被用作决策信息的表达形式来处理不确定性，而后悔理论被纳入其中，以捕捉决策者在风险和后悔厌恶下的策略，使所提出的决策框架更加现实。

(4)

据我们所知，尽管存在各种集成的MCDM模型，但本研究是第一个将基于IT2FSs的预测模型与后悔理论相结合来评估公共交通系统服务质量的研究，提高了计算效率，同时填补了当前研究领域的空白。

(5)

通过关注COVID-19疫情期间的服务质量评估，本研究为危机期间和之后的客户满意度提升提供了宝贵的见解，支持政策制定者和交通机构恢复公共交通的社会功能。

本研究的其余部分结构如下：第2节回顾了现有的MCDM方法和公共交通系统评估标准的研究。第3节展示了所提出的基于预测的后悔理论方法，包括初步内容和决策框架。第4节执行并展示了数值结果，旨在验证所提出方法的稳健性和可靠性。第5节总结了本研究并指出了未来的研究方向。

章节摘录

文献综述

本节概述了服务质量评估和MCDM方法在公共交通中的应用。

方法论

本节介绍了IT2FSs和后悔理论的基本概念。引入了一种新的群体满意度公式，以及基于IT2FSs构建的全面效用函数。此外，还开发了一种新的IT2FSs距离公式，该公式基于群体满意度的概念。在此基础上，提出了一种用于区间二型模糊环境下公共交通系统服务质量评估的基于预测的后悔理论方法。

数值结果

本节提供了一个示例，以验证所提出的框架在不确定性下评估公共交通系统服务质量的有效性。评估过程包括三个主要步骤：1）通过结构化问卷收集数据以衡量服务质量；2）汇总调查响应并评估公共交通系统的服务质量；3）进行敏感性分析以检查标准的影响。

结论

公共交通在城市出行中发挥着关键作用，尤其是在像西安这样的大型和人口密集的城市中。在这种环境下，公共交通通常是缓解交通拥堵的最有效手段，尤其是在高峰时段。然而，COVID-19疫情严重扰乱了公共交通行业。为了降低感染风险，许多人选择使用私人车辆，导致公共交通使用量显著且意外地下降。

CRediT作者贡献声明

蔡乃杰：撰写——原始草稿、可视化、资源、方法论、概念化。陈子宇：撰写——审稿与编辑、软件、形式分析、数据整理。周文良：项目管理、调查、资金获取。

资金支持

本研究得到了中国教育部人文社会科学基金会（编号25YJCZH011和25YJC630007）、陕西省自然科学基金会的青年项目（编号2025JC-YBQN-988和2025JC-YBQN-996）、中央高校基本科研业务费（编号300102235103）、CPSF博士后奖学金计划（资助编号GZC20251119）以及本科及继续教育教学改革研究项目的支持。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。