在 2020 年爆发的新冠肺炎疫情期间，公共交通组织重新分配了资源。许多公共交通组织缩减了列车车次，将重点放在轨道建设、基础设施和安全培训上。
疫情过后，打工者开始复工，采用混合或全日制工作模式，但许多公共交通组织未能充分调整车次。这导致了安全问题、卫生状况差、列车甩站、列车拥挤以及乘客感到不满。
我经常要搭乘交通工具前往位于芝加哥市中心的办公室，我注意到过去几年发生的变化，觉得自己应该对此进行研究。借助 Minitab Workspace 和 Minitab Statistical Software，这些问题可以得到解决。下面是具体做法。
用例：什么是在困扰着乘客？
假设这样一个场景：中西部一家大型运输机构进行了客户调查，以衡量客户满意度并确定需要改进的方面。出乎意料的是，大多数客户并不满意。他们注意到了造成这种情况的几个原因。该团队使用 Minitab Workspace 直观地显示最常见的客户投诉：
他们发现，最常见的投诉是“高峰时段拥堵”，尤其是在早高峰时段（周一至周五早上 5 点至上午 10 点）。下一步是使用 Minitab Statistical Software 直观地显示这些数据。
数据可视化：乘客何时使用交通工具？
在我们分析的火车线路上，列车在高峰时段通常每 20 分钟开出一班。该团队花了几周时间收集数据，以确定每辆列车大约有多少乘客。收集了所有相关数据后，他们在 Minitab 中创建了两个不同的可视化图表：一个箱线图和一个散点图。他们的数据如下：
他们的数据显示，周二至周四的客流量最大，周三上午 8:20 至 8:40 是最多人乘车的时段。鉴于混合工作模式的普及，越来越多打工者倾向于在周一至周五远程工作，这些数据是合理的。
如何解决这个问题？
然后，该公司的领导团队将数据按天拆分，并使用回归分析来更好地了解每天的数据趋势。以下是 Minitab 针对周三生成的拟合线图：
在本例中，领导团队可以使用这个方程预测每周周三当天任何时段的客流量，即使是非高峰时段。
也许更重要的是，该团队想要了解客流量模式在哪些方面出现了明显的统计变化。为此，他们使用 Minitab 预测分析模块中的 MARS 回归功能将数据拆分为可以观察到模式明显变化的小段。以下是他们获得的周三数据：
这个单预测变量部分依赖图增加了一些有趣的背景信息；虽然上午 8:20 至 9:00 这段时间的乘客人数最多，但上午 7:40 那班列车的模式变化最大。此外，借助 MARS，团队只需点击预测按钮即可获得一周中每天的未来预测数据。
那么，实际上如何起作用？
如果没有这些数据，大多数运输组织会主张在高峰时段（可能是上午 8:30 或 8:40 左右）增加车次。但从更细的层面上来说，交通系统将会获得更好的结果，通过在高峰时段的上午 8:00 左右增加车次来减少拥挤情况——在这个时间点增加车次恰到好处。这将能更有效地减少拥挤情况。
理想的情况是，借助这些数据，交通系统不需要重新安排车次，并且可以更明智地利用有限的资源。对于客流量超过允许阈值的任何一天都可以做这一步，以确定在哪个时间点增加额外车次能带来最佳效果。
该团队还认为，解决了这个问题后，车站拥挤、座位不够用、卫生状况差等其他一些问题就会迎刃而解。
最终结果是乘客感到更满意。这是一件好事，因为当乘客感到满意时，他们就不会轻易改用其他出行方式去上班、上学或消遣。
通过数据驱动的方法解决交通问题
公共交通至关重要，这当中的原因有许多，包括：环保，对乘客来说经济实惠，可缓解交通拥堵，以及促进社会公平。当公共交通系统遇到问题时，不仅会对乘客造成负面影响，还会对全市范围内依赖可靠交通的整个生态系统造成负面影响。
Minitab 可以提供强大的数据分析工具来主动识别并纠正或解决问题，从而帮助公共交通系统更高效、更可靠、更安全地运行。通过利用 Minitab 的功能，运输机构可以优化路线、改进维护计划并提高整体服务质量，确保所有乘客获得更顺畅、更可靠的体验。
