——国家自然科学基金面上项目（No. 52172305）研究成果简介
打开打车软件，新用户红包自动到账；下单外卖，常客专属优惠券实时推送。在数字化时代，千人千面的精准激励策略早已成为互联网平台提升用户活跃度、留住客群的关键抓手。但你是否发现，作为城市交通基石的常规公交，却没能跟上这样的精细化治理步伐：有人抱怨候车时间不确定，有人觉得线路覆盖不精准，许多公交用户在私家车、网约车、电动自行车等替代出行方式的吸引下悄然流失。全国多地常规公交客流呈现持续下滑态势，不仅造成公共交通资源浪费，更制约了绿色出行、低碳城市的发展进程。如何让公交系统像互联网平台一样读懂用户，用精准策略留住乘客、吸引客流？近日，由杨超教授主持的“城市常规公交用户流失机理分析及对策评估”国家自然科学基金面上项目为这一城市交通领域的关键难题，给出了兼具科学性与实用性的答案。
随着城市化进程加快和机动化水平提升，全国多地常规公交客流呈现持续下降态势。公交车上空空荡荡，没几个乘客，这还是绿色出行方式吗？看似简单的没人坐公交背后，隐藏着复杂的系统性问题：客流为何下降？不同地区的公交客流流失是否有差异？公交用户是如何流失的？有限的财政补贴应如何高效利用来实现绿色可持续的出行方式？这些都是城市交通管理者亟待解决的难题。
针对这些痛点，研究团队构建了“宏观致因识别—个体行为状态刻画—全生命周期流失概率与价值预测—风险干预闭环与精准治理”的全链条研究框架，像医生问诊一样层层拆解公交客流流失的“病因”，并开出“精准药方”。项目在资助执行期间共计发表研究论文14篇（其中包含Nature合作子刊1篇、交通领域顶级期刊TR系列5篇，入选ESI 1%高被引论文1篇），申请发明专利6项、软件著作1项，培养1名博士研究生入选中国科协青年人才托举工程博士生专项。
团队发表部分论文展示
在宏观层面，研究团队收集了全国多座城市2005-2020年的统计数据，构建了涵盖“需求、供给、替代方式”的城市级数据库。通过对比有轨道交通和无轨道交通城市的发展差异，发现公交客流下降并非的单一服务质量问题，而是居民收入增长、机动化水平提升与交通供给结构变化共同作用的结果。例如，在轨道交通快速扩张的城市，公交若未能及时调整定位形成协同，就容易被替代；而在中小城市，当居民收入与私家车保有量跨过一定门槛后，单纯增加公交车辆和线路的效果受限。这一发现为后续精准施策划定了边界。研究的相关成果发表在Nature合作子刊npj sustainable mobility and transport及交通运输领域顶级期刊Transportation Research Part A: Policy and Practice与Transport Policy。
2015-2019年我国各地级市常规公交客流量变化比例示意图
深入到个体层面，研究团队借助公交智能卡的长期行为数据，揭示了用户从使用公交到流失的全过程。通过创新的多视图分析方法，将用户行为状态划分为高频规律、中频规律、中频非规律等五类。研究发现用户流失并非突然发生，而是存在清晰的渐进路径：频率的逐步下降和由“规律”向“不规律”的习惯改变，是流失之前最重要的两个信号。此外，通过生存分析发现，不同用户的状态停留时间从几天到数百天不等，表现出显著的个体异质性，这进一步印证了针对用户个体的精准挽留措施的必要性。这一部分的相关研究成果发表在交通运输领域顶级期刊Transportation Research Part D: Transport and Environment。
不同行为状态的比例及其转移过程（以3个月为间隔）
常规公交用户流失关键路径图模型（a）考虑1阶最大转移概率；（b）考虑2阶最大转移概率
为了精准预判用户流失与评估用户价值，科学回答“谁会流失”、“用户什么时候流失”、“谁最值得挽留”的问题。研究团队构建了全生命周期分析框架，创新提出TripChain2RecDeepSurv预测模型。该模型突破传统的静态预测局限，深度融合用户出行链特征、长期行为依赖与状态转移规律，能动态输出每位用户的流失风险曲线，清晰预判“谁可能流失”、“何时最易流失”，其中流失召回率达74.39%，流失路径上的状态序列准确度超80%，为提前介入挽留用户提供了精准指引。同时，团队对经典用户价值评估模型进行优化升级，在“最近使用、使用频率、消费金额”三大核心维度基础上，新增政策敏感性与出行偏好两大公交场景特有维度，构建了更全面的增广价值评估体系。通过对605份用户样本的分析以及专家调查赋分，成功将用户细分为高潜力用户、潜在流失用户、普通用户、公交依赖用户和忠诚用户五类，精准锁定“高价值高风险”的潜在流失用户为优先挽留对象，明确公交依赖用户与忠诚用户是核心支撑群体，为有限资源的精准投放提供了量化依据。在此基础上，团队进一步搭建“知识-数据”双驱动的多任务深度学习框架，实现了用户个体级全生命周期价值的精准预测，能够清晰刻画不同用户群体的价值演化特征。这一部分的相关研究成果发表在交通运输领域顶级期刊Transportation Research Part C: Emerging Technologies、Transportation Research Part D: Transport and Environment以及Transport Policy，相关技术已申请发明专利并获得计算机软件著作权授权。
不同初始状态下的全生命周期价值-生存时间分布
在明确用户流失规律与价值后，聚焦“如何精准挽留、投入多少划算”的核心问题，团队构建了从决策到落地的完整干预体系，解决传统激励一刀切的资源浪费问题，通过真实实验验证了干预效果。团队先建立精准干预机制，通过个体流失风险曲线锁定干预窗口并设定成本上限，再基于研发的BUCRI-LLM智能平台，利用大模型为用户匹配折扣券、周票等个性化激励方案。为验证效果，与上海MaaS出行平台“随申行”合作开展了两项准社会实验：“打新激励”显著提升了新稳定用户留存率，而“随机红包折扣”延长了高风险用户生命周期。相关研究成果发表在交通运输领域顶级期刊Transportation Research Part C: Emerging Technologies与Transportation Research Part E: Logistics and Transportation Review。
基于BUCRI-LLM留存策略生成平台的前端界面展示
准自然社会实验实施数字化平台
从宏观数据洞察到微观行为刻画，从风险预测模型到精准干预实践，这项研究构建了公交客流管理的完整解决方案，为城市公共交通的可持续发展提供了有力支撑。
当前，城市交通正朝着智慧化、绿色化方向加速转型，常规公交作为公共交通的核心组成部分，仍有巨大的优化空间。课题组诚挚欢迎公交运营企业、城市管理部门、科技公司等各类企事业单位开展合作，将研究成果转化为更具操作性的行业解决方案，共同推动公交系统的提质增效。未来，我们将继续深耕城市交通领域，聚焦居民出行新需求、新场景，开展更多有温度、有价值的科研探索，用科技赋能绿色出行，让城市交通更便捷、更高效、更惠民。