《Frontiers in Sustainable Cities》：Toward sustainable electric bus operations: a multidimensional structural model for future mobility management
编辑推荐：
摘要
向低碳交通的转型加速了城市交通系统中电动出行的应用。非定班电动公交车服务（包括包车、旅游和需求响应式运营）所面临的运营条件不同于固定线路公共交通，尤其在需求波动、线路不固定、充电机会变化以及技术、服务、成本与可持续性功能之间的协调等方面。现有研究通常将车
摘要
向低碳交通的转型加速了城市交通系统中电动出行的应用。非定班电动公交车服务（包括包车、旅游和需求响应式运营）所面临的运营条件不同于固定线路公共交通，尤其在需求波动、线路不固定、充电机会变化以及技术、服务、成本与可持续性功能之间的协调等方面。现有研究通常将车辆技术、充电、调度、成本或环境绩效作为相互独立的优化问题分别处理。本研究开发并验证了可持续电动车辆公交模型（Sustainable Electric Vehicle BUS Model, SEVBUS），这是一种专门针对非定班电动公交车服务设计的运营测量架构。其创新之处在于将碎片化的技术与管理证据转化为可在单一测量框架内进行经验评估的48个可观测指标、19个一阶因子和一个高阶构念。实证研究于2026年1月至4月在泰国曼谷开展，研究对象为非定班公交服务运营商。研究采用顺序式工具开发流程，包括结构化文献综合、指标筛选、条目-目标一致性评估、13名专家参与的德尔菲（Delphi）验证，以及对400名利益相关者的问卷调查。参与者通过有目的的标准抽样方法选取，依据是其对非定班电动公交车运营的直接知识或经验。研究记录显示，初始候选指标池包含96个指标，其中48个得以保留。最终样本包括280名驾驶员、50名运营控制中心人员、50名场站或服务人员以及20名运营或车队管理人员。专家一致性达到统计学显著水平（Kendall’s W = 0.438, p < 0.001）。探索性分析支持所提出的指标分组。高阶验证性测量模型表现出可接受到良好的拟合度（CMIN/DF = 1.689, RMSEA = 0.041, CFI = 0.990）。验证后的模型包含四个维度：电动公交车能力与绩效（Electric Bus Capability and Performance, EBCP）、服务调度与利用规划（Service Scheduling and Utilization Planning, SSUP）、利用与运营可持续性（Sustainability of Utilization and Operation, SUO）和运营成本效率（Operational Cost Efficiency, OCE）。可靠性、收敛效度和区分效度均满足所报告的判定标准。各维度间的相关系数介于0.38至0.61之间（均p < 0.001），表明这些相关但在经验上可区分的运营领域之间存在统计学显著关联，而非方向性或因果效应。SEVBUS的主要贡献在于方法论层面：它提供了一种经过验证的多维测量架构，用于考察泰国曼谷研究情境下的非定班电动公交车运营。其作为诊断、基准比较或决策支持工具的实际有效性仍有待通过实地实施、独立样本验证和客观运营数据来进一步证明。
面向可持续电动公交车运营的多维结构模型：研究解读
一、研究背景与问题
全球温室气体排放持续增加、化石能源依赖日益加深以及城市可持续发展挑战不断凸显，推动绿色低碳出行成为各国战略优先方向。电动公交车因其在减少污染物排放、改善空气质量、降低能源成本以及支撑低碳出行目标方面的潜力，已成为可持续公共交通体系的重要组成部分。然而，电动公交车的实际效益高度依赖其在能源管理、服务调度和资源配置等方面的运营效率。相较于固定线路公交，非定班电动公交车服务（包括包车、旅游车队和需求响应式交通）面临更为复杂的运营条件，包括需求波动、线路不固定、充电机会变化以及技术、服务、成本与可持续性功能之间的协调等问题。这些挑战可能削弱服务有效性、限制车辆利用率，并影响电动公交车运营的经济可行性。
现有研究对电动公交车的探讨主要集中在技术效率与运营优化层面，如车辆性能、电池技术、能耗分析、充电基础设施规划、车队规模优化、车辆调度及充电管理等，并常将车辆技术、充电、调度、成本或环境绩效作为独立优化问题分别处理。尽管需求响应式交通（Demand-Responsive Transport, DRT）和灵活公交研究捕捉了动态路由、实时车辆分配等部分运营变异性，但电动车特有的约束条件（如电池容量、剩余续驶里程、充电时长、电力成本及电池退化）尚未与服务质量和组织协调等因素纳入同一框架进行系统整合。对包车和旅游车队而言，不规则预订、季节性需求、目的地变化、乘客人数波动、等待时间延长以及基地外充电设施的不确定性，进一步加剧了运营管理的复杂性。现有文献尚缺乏一个经过验证的系统级测量框架，将上述相互依赖的运营条件整合起来。
二、研究内容与结论
为解决上述研究缺口，研究人员开发并验证了可持续电动车辆公交模型（Sustainable Electric Vehicle BUS Model, SEVBUS），这是一种面向非定班电动公交车运营的高阶测量架构。该模型将技术能力、服务规划与利用、成本效率和可持续导向运营整合为一个包含48个可观测指标、19个一阶因子、四个维度的连贯结构。四个维度分别为：电动公交车能力与绩效（Electric Bus Capability and Performance, EBCP）、服务调度与利用规划（Service Scheduling and Utilization Planning, SSUP）、利用与运营可持续性（Sustainability of Utilization and Operation, SUO）和运营成本效率（Operational Cost Efficiency, OCE）。研究在泰国曼谷开展实证调查，研究对象为非定班公交服务运营商。该框架的主要贡献在于方法论层面，为考察非定班电动公交车运营提供了经过验证的多维测量架构，但本研究未建立四个维度之间的方向性或因果路径。
三、关键技术方法
研究人员采用了顺序式多阶段研究设计，主要包括以下技术方法：通过结构化文献综合建立包含96个候选指标的初始池；采用条目-目标一致性指数（Index of Item–Objective Congruence, IOC）进行内容效度评估；运用德尔菲法（Delphi technique）邀请13名来自学术界、公共机构和私营企业的电动交通、能源管理、车队管理领域专家进行两轮迭代评审，以Kendall’s W系数评估专家共识；随后对400名利益相关者（包括280名驾驶员、50名运营控制中心人员、50名场站或服务人员、20名运营或车队管理人员）进行问卷调查，样本通过有目的的标准抽样选取；最后采用结构方程模型（Structural Equation Modeling, SEM）进行高阶验证性因子分析、模型拟合评估及维度间关联检验，数据通过SPSS和AMOS软件分析，并采用平均方差抽取量（AVE）和组合信度（CR）评估信度与效度。
四、研究结果
4.1 德尔菲法可靠性
研究结果显示，48个指标分布于EBCP、SSUP、OCE和SUO四个维度下，与专家意见高度一致。德尔菲结果的四分位距为0.41，中位数为4.80，标准差为0.36，均符合预设接受标准，表明专家共识水平较强。Kendall’s W系数为0.438（p < 0.001，N = 13），表明专家间一致性达到中高水平，确认了48个指标的适当性和可靠性，适合进行后续因子分析和高阶测量模型验证。
4.2 SEVBUS模型结构
经实证验证，SEVBUS模型由四个维度和十九个因子构成，涵盖非定班电动公交服务的技术能力、服务规划与利用、运营成本效率和可持续相关运营。
EBCP维度反映电动公交车在实际服务环境中的技术就绪度和运营稳健性，包含四个因子：平均运行速度（AOS）、车辆寿命与绩效（VLP）、电能绩效效率（EE）和电池容量与充电能力（BCC）。专家评分表明稳定的运行速度、车辆可靠性、能效和充电连续性对服务可靠性具有关键作用。
SSUP维度聚焦规划效率、需求管理和服务质量，包含六个因子：行程开始一致性（TSC）、平均停靠时长（AVD）、载客能力利用-负荷系数（PCU）、每趟乘客负荷（PLT）、企业绩效效率（CPE）和乘客满意度指数（PSI）。专家共识确认了调度灵活性、停靠时间控制、负荷优化和乘客满意度对非定班服务有效运营的重要性。
OCE维度反映财务可持续性，包含四个因子：维护与折旧成本（MDC）、人工与时间成本（LTC）、电力成本效率（ECE）和总运营成本（TOC）。专家认为维护和折旧作为资本密集型行业的重大支出、人力管理效率、电力成本以及基于运营时间和距离的成本管控均为成本管理的关键组成部分。
SUO维度强调环境绩效和资源负责任利用，包含五个因子：资源与绿色能源效率（RGEE）、电池能源与废物管理（BEWM）、生态安全驾驶行为（ESDB）、每趟CO?减排量（CERT）和绿色运营指数（GOI）。专家共识表明清洁能源利用、电池全生命周期管理、环保驾驶行为、碳排放减少和绿色运营实践对可持续运营具有重要意义。
4.3 测量可靠性与数据充分性评估
研究向400名非定班电动公交服务相关人员发放问卷。Cronbach’s alpha系数为0.95，超过0.70的接受阈值，表明内部一致性较高。KMO值为0.925，超过0.50的接受标准，Bartlett’s球形检验具有统计学显著性（p < 0.001），表明数据适合进行因子分析。
4.4 探索性因子分析
探索性因子分析（EFA）采用主成分分析法，依据特征值大于1的Kaiser准则提取因子，并采用最大方差旋转。结果显示所有指标的因子载荷和公因子方差均大于0.50。根据专家建议和EFA经验结果，19个因子被归入四个维度：EBCP、SSUP、OCE和SUO。
4.5 验证性因子分析
验证性因子分析（CFA）结果显示所有观测变量的因子载荷均具有统计学显著性。模型拟合评估中，CMIN/DF为1.689（低于3.00的推荐阈值），RMSEA为0.041（低于0.05），GFI为0.951，AGFI为0.924，RMR为0.022。增量拟合指标方面，NFI为0.976，TLI为0.986，CFI为0.990，IFI为0.990，均超过0.95的推荐值，表明模型拟合达到可接受到良好的水平。
4.6 测量效度与信度
维度层面分析显示，SUO维度的因子载荷最高（Li = 0.83），其次为OCE（Li = 0.77）、EBCP（Li = 0.67）和SSUP（Li = 0.64）。各维度和因子的AVE值均不低于0.50，CR值均不低于0.70，满足收敛效度和组合信度的接受标准。区分效度方面，最大共享方差（MSV）均低于对应的AVE值。
4.7 维度间非方向性关联
四个维度间的六对相关系数均为正且具有统计学显著性（r = 0.38-0.61，均p < 0.001），表明这些技术、运营、经济和可持续性领域在经验上相互关联但可区分。具体为：EBCP-OCE（r = 0.54）、OCE-SSUP（r = 0.50）、OCE-SUO（r = 0.61）、EBCP-SUO（r = 0.56）、SSUP-SUO（r = 0.56）、EBCP-SSUP（r = 0.38）。这些结果支持四个维度作为相关但可区分的运营领域，但不建立方向性或因果效应。
五、讨论与结论
研究讨论指出，电动公交车运营中的可持续性挑战不应仅被视为常规运营关切，而应视为同时影响运营效率和资源利用、整体运营成本以及可持续绩效（包括能源效率、环境成果和服务质量）的系统性问题。SEVBUS模型的实证验证提供了方法论贡献，将以往分散研究的技术、运营、成本与可持续性维度整合为连贯的高阶测量架构。从政策和管理视角看，所观察到的关联表明评估非定班电动公交车运营时应联合考虑技术能力、服务规划、运营协调、成本效率和可持续实践。从运营角度看，SEVBUS框架可作为未来诊断评估的结构化基础，但其实际决策支持有效性仍需通过实地实施和客观运营数据加以验证。
研究结论总结如下：本研究开发并验证了SEVBUS作为非定班电动公交车运营的多维高阶测量框架。模型整合了EBCP、SSUP、SUO和OCE四个维度。指标和因子通过文献综述和基于德尔菲法的内容验证开发，随后进行了EFA、CFA和高阶SEM测量验证。实证分析支持所提出测量框架的可靠性、收敛效度、区分效度和可接受拟合度。四个维度间的六对相关均为正且具有统计学显著性（r = 0.38-0.61，均p < 0.001），表明相关但可区分的运营领域。本研究的主要贡献是方法论的：SEVBUS提供了将技术、服务规划、成本和可持续相关领域整合为一体的经过验证的构念架构。其实际有效性尚未得到证明，框架作为未来诊断评估和规划基础的可能性有待于实地实施、外部验证和针对客观运营成果的评估。
研究局限性包括：模型反映当前电动公交技术但可能未完全覆盖快速发展的技术进展（如高密度电池系统和超快充电技术）；EFA和CFA在同一数据集（400名受访者）上顺序进行可能影响因子结构验证的稳健性；横断面设计和单期数据收集无法评估维度间关联的稳定性；非概率抽样和国家特定情境限制了研究结果的普适性。未来研究应使用纵向设计、多源数据、运营记录和明确指定的预测-结果模型来检验方向性关系，并可结合地理信息系统（GIS）和机器学习方法（如Logistic回归、决策树、随机森林）进一步评估框架的预测稳健性和地理运营差异。
