0 引言
随着物联网、移动互联网、大数据、人工智能等新一代信息技术与城市交通出行服务的快速融合发展，城市智慧出行产业和生态也快速发展。智慧出行为缓解城市交通拥堵、减少汽车尾气排放和环境污染，进而改善城市交通系统提供了一个整体的解决方案。近年来，以乘客为中心、多模式整合的“出行即服务”（Mobility as a Service, MaaS）成为城市智慧出行领域研究和发展的热点。MaaS不仅是一种基于移动互联网应用平台的服务，其理念是将基于资产所有权的交通供给转移到按需获取的交通服务，并且作为一种供消费的服务，是“一切皆服务”（Anything as a Service, XaaS）[1]在交通行业的应用。自2014年芬兰赫尔辛基的欧盟ITS大会上首次提出MaaS这一概念以来，世界一些主要城市相继进行了MaaS的研究探索与应用实践[2]。
在国外，2017年欧盟地平线科技计划（HORIZON2020）启动了MaaS4EU, iMOVE, MyCorridor等MaaS科技项目研发，典型城市MaaS应用实践形成了诸如赫尔辛基Whim、哥德堡UbiGo、汉堡Moovel、新加坡Zipster、华盛顿Incentrip、迪拜S'hail等产品与服务。在国内，随着智慧出行技术应用不断深化，2019年科技部启动了国家研发计划重点专项“城市智慧出行服务系统技术集成应用”项目，一些城市也相继开展了各具特色的MaaS试点应用，如北京MaaS探索绿色出行碳普惠激励模式;广州MaaS以乘车码、电子车票为连接器整合多种交通方式;深圳MaaS提供按需响应的通勤服务等。
从国内外实践来看，成功实施MaaS涉及诸多因素，MaaS可持续发展仍面临着商业模式、数据治理以及用户接受度等许多方面的障碍和挑战。国外学者从需求调查分析[3-4]、政策环境考察[5⇓-7]、理论与体系框架研究[8⇓-10]、案例分析与交通仿真预测[11⇓-13]、平台研发[14-15]等方面对MaaS展开了诸多研究。我国MaaS发展尚处于探索阶段，国际上的研究和实践成果是重要的经验参考。目前，国内学者的研究侧重于基于国外案例的经验总结，对MaaS发展模式、阶段划分、应用前景等进行定性分析[16⇓-18]，以及针对我国城市出行特点和需求，研究提出体系框架[19-20]和探索发展路径[21-22]等，但总体上对国际上MaaS研究进展的定量化、整体性回顾和体系性分析不足。
本文采用文献计量方法[23]，结合专家咨询，从知识图谱的视角以可视化方式对城市MaaS研究主题进行系统性综述，分析国际上MaaS发展脉络、研究现状与热点趋势，探究MaaS理论研究、平台建设和应用推广等方面的关键共性问题，以及国际上研究热点对我国MaaS发展的重要启示。
1 研究方法与数据
1.1 研究方法
本文采用CiteSpace软件针对城市MaaS研究领域开展文献计量分析。CiteSpace软件是由美国德雷塞尔大学计算机与情报学教授陈超美开发的科技文本挖掘及可视化软件，能够通过可视化的手段呈现科学知识结构、规律和分布情况，主要功能包括共被引和耦合网络分析、科研合作网络分析、主题和领域共现网络分析等[27]。
文献计量分析数据来源：科学网（Web of Science, WOS）核心文献库，检索时间为2021年12月18日，采用基本检索功能，以“urban”或“city”为主题词，并以“MaaS”“Mobility-as-a-Service”或“Mobility as a Service”作为关键词，检索2014—2021年所有期刊上发表的文献。检索式为：“(TS=(urban) OR TS=(city) ) AND (TS=(Mobility-as-a-Service) OR TS=(Mobility as a Service)) AND (AK=(MaaS) OR AK=(Mobility-as-a-Service) OR AK=(Mobility as a Service)) and 2014 or 2015 or 2016 or 2017 or 2018 or 2019 or 2020 or 2021 (Publication Years) and Web of Science Core Collection (Database)”。通过逐一浏览检索结果文献记录，剔除不相关的文献，共检索到有效文献112篇，文献信息包括标题、摘要、关键词、作者及单位、期刊等。从历年文献数量统计结果（见图2 ）可以看出MaaS是比较新的研究领域，2016年之后才有文献记录，并且近3年文献数量呈快速增长趋势，说明在MaaS发展中存在着大量值得研究的科学问题。
2 文献计量分析
2.1 研究力量分析
对本次采集的112篇文献数据进行统计分析，得到发文量2篇以上的研究机构有40家，被引频次5次以上的作者有108位，主要分布在澳洲、欧洲以及中国的一些大学，被引频次排名前20的作者分布见表1 。
表1 文献被引次数排名前20的研究人员及其所属机构 |
| 序号 | 作者 | 机构 | 被引频次 |
|---|---|---|---|
| 1 | Kamargianni M | University College London （伦敦大学学院） | 56 |
| 2 | Jittrapirom P | University College London （伦敦大学学院） | 48 |
| 3 | Sochor J | Chalmers Univ Technol （查尔姆斯理工大学） | 37 |
| 4 | Hensher DA | Univ Sydney（悉尼大学） | 33 |
| 5 | Smith G | Chalmers Univ Technol （查尔姆斯理工大学） | 31 |
| 6 | Matyas M | University College London （伦敦大学学院） | 30 |
| 7 | Ho CQ | Univ Sydney（悉尼大学） | 27 |
| 8 | Mulley C | Univ Sydney（悉尼大学） | 26 |
| 9 | Karlsson ICM | Chalmers Univ Technol （查尔姆斯理工大学） | 23 |
| 10 | Polydoropoulou A | Univ Aegean（爱琴大学） | 20 |
| 11 | Pangbourne K | Univ Leeds（利兹大学） | 16 |
| 12 | Aapaoja A | VTT Tech Res Ctr Finland Ltd | 16 |
| 13 | Shaheen SA | Univ Calif Berkeley（加利福尼亚大学伯克利分校） | 15 |
| 14 | Lyons G | Univ West England （西英格兰大学） | 14 |
| 15 | Caiati V | Eindhoven Univ Technol （埃因霍芬理工大学） | 14 |
| 16 | Schikofsky J | Univ Goettingen （德国古腾堡大学） | 14 |
| 17 | Li Y | 天津理工大学 | 14 |
| 18 | Eckhardt J | VTT Tech Res Ctr Finland Ltd （芬兰VTT技术研究中心） | 13 |
| 19 | Becker H | Swiss Fed Inst Technol （瑞士联邦理工学院） | 13 |
| 20 | Storme T | Swiss Fed Inst Technol （瑞士联邦理工学院） | 13 |
2.2 关键词分析
利用CiteSpace软件进行关键词处理和可视化分析，包括关键词出现频次统计和共现分析。分析过程中，词频阈值一般需要经过多次试验确定，以减少主观性带来的分析误差，并需要对关键词进行筛选和合并等处理，为关键词共现分析提供更加合理的数据基础。关键词共现分析通过统计一组词（两两一组）在同一篇文献中出现的次数，并对这些词进行聚类，以展示关键词之间的亲疏关系，发现主要研究热点和方向。
（1）词频统计与关键词处理
关键词（“Term”词）词频统计：关键词来源包括文献标题、摘要、作者关键词、文档关键词，并以2016—2021年的每一年作为分析切片（时区分割为1），阈值为（1, 2, 20）, （4, 3, 22）, （4, 3, 22），保留100%节点（即每个时区切片中的所有关键词），分析得到出现频次2次（含）以上的关键词共125个。
考虑不同期刊来源文献的关键词命名不统一，以及从摘要中提取的关键词较为零碎或概念泛化等因素，对关键词进行筛选和合并处理，如将“sharedmobility”合并至“shared mobility”，结合专家咨询法（德尔菲法）对关键词进行遴选等。通过CiteSpace软件的系统配置表设置上述合并和筛选规则，实现关键词的自动化处理。
（2）关键词共现分析
选择文献中的标题、摘要、作者关键词和文档关键词作为分析对象，以关键词初步分析同样的设置方法，逐一提取每个时区切片中的所有关键词组成热点关键词库，得到出现频次2次（含）以上的热点关键词共76个，节点74个，连线150条。分析得到热点关键词共现网络，如图4 所示。
热点关键词共现分析结果包括关键词的出现频次、中介中心性（指一个关键词担任其他两个关键词之间最短联系的次数)、初现年（2016—2021年之间某关键词首次出现的年度）。根据热点关键词分析结果，提取排名前20的热点关键词，见表2 。
表2 出现频次排名前20的热点关键词 |
| 排序 | 关键词 | 出现 频次 | 中介 中心性 | 初现 年份 |
|---|---|---|---|---|
| 1 | public transport（公共交通） | 23 | 0.19 | 2019 |
| 2 | smart mobility（智慧出行） | 13 | 0.23 | 2018 |
| 3 | shared mobility（共享出行） | 11 | 0.38 | 2019 |
| 4 | autonomous vehicle（自动驾驶车辆） | 10 | 0.01 | 2019 |
| 5 | demand（需求） | 10 | 0.25 | 2018 |
| 6 | policy（政策） | 9 | 0.06 | 2019 |
| 7 | sustainable mobility（可持续出行） | 8 | 0.08 | 2019 |
| 8 | sustainability（可持续性） | 7 | 0.03 | 2018 |
| 9 | travel（旅行） | 6 | 0.22 | 2020 |
| 10 | willingness to pay（支付意愿） | 6 | 0.18 | 2020 |
| 11 | ride sharing（合乘共享） | 6 | 0.04 | 2019 |
| 12 | car-sharing（共享汽车） | 5 | 0.16 | 2018 |
| 13 | transit（公交） | 5 | 0.01 | 2020 |
| 14 | taxi（出租车） | 4 | 0.13 | 2020 |
| 15 | choice（选择） | 4 | 0.07 | 2020 |
| 16 | demand responsive transport （需求响应式交通） | 4 | 0.07 | 2019 |
| 17 | innovation（创新） | 4 | 0.02 | 2020 |
| 18 | governance（治理） | 4 | 0.1 | 2020 |
| 19 | mobility on-demand（按需响应出行） | 4 | 0.25 | 2020 |
| 20 | accessibility（可达性） | 3 | 0.07 | 2021 |
（3）关键词聚类分析
基于关键词共现分析，采用对数似然率（Log-LikeHoodratio, LLR）算法，对76个热点关键词进行聚类分析，将中介中心性高的关键词及其周边有强烈共现关系的关键词聚为一类，聚类共现图谱与关键词共现图谱网络结构具有一致性（见图4 ），得到Q值为0.691 6，S均值为0.589 5。LLR是能同时反映灵敏度和特异度的复合指标，更具有真实性。LLR标签词是各聚类中的热点关键词。Q值即Modularity值，它是网络模块化评价指标，其取值区间为[0, 1]。Q值越大，表示聚类越好。Q>0.3时，聚类显著。S值即Silhouette值，它是网络同质性评价指标。S值越接近1，表示网络同质性越高。S>0.5时，聚类结果为合理。
基于LLR聚类标签词，结合对各聚类标签词出现的代表文献的阅读分析，对图4 中的5个聚类进行命名，得到聚类序号0#~4#对应的研究热点领域，包括：发展障碍与挑战、出行资源整合、多模式出行治理、共享出行服务、出行服务生态创新（见表3 ）。聚类分析结果S值均大于0.5，且部分已逼近1，因此聚类结果合理有效。
表3 关键词聚类分析结果 |
| 聚类名称 | S值 | LLR标签词（代表） |
|---|---|---|
| 出行 资源 整合 | 0.859 | shared mobility（共享出行）(4.17, 0.05);autonomous vehicle（自动驾驶车辆）;business model（商业模式）;sustainable mobility（可持续出行）;demand responsive transport（需求响应式交通）;covid-19（新冠肺炎）;framework（框架）;intelligent transportation system（智能交通系统）;multilevel perspective（多层视角）等 |
| 多模式 出行 治理 | 0.905 | accessibility（可达性）(2.87, 0.1);public transportation（公共交通）(2.87, 0.1);policy（政策）;willingness to pay（支付意愿）;equity（公平）;governance（治理）;walking（步行）;social exclusion（社会排斥）;innovative public transportation services and technologies（公共交通服务和技术创新）;conjoint analysis（协同分析）等 |
| 共享 出行 服务 | 0.960 | ride sharing（合乘共享）(12.72, 0.001);ridepooling（拼车）(8.43, 0.005);unreliability（不可靠性）(8.43, 0.005);ride-sourcing（顺风车）(4.87, 0.05);mobility on-demand（按需响应出行）;taxi（出租车）;car（小汽车）;dial a ride（叫车服务）; quality（品质）等 |
| 出行 服务 生态 创新 | 0.973 | eco-innovation（生态创新）(6.1, 0.05);sustainable transports（可持续交通）(6.1, 0.05);casual carpooling（临时拼车）(6.1, 0.05);consumer behavior（消费行为）(6.1, 0.05);smart mobility（智慧出行）(5.58, 0.05);travel（旅行）;model（模型）;information（信息）; urban mobility planning（城市出行规划）等 |
| 发展障碍与挑战 | 0.966 | barriers（障碍）(6.54, 0.05);travel behaviour（旅行行为）(6.54, 0.05); attitudes（态度）(3.26, 0.1);demand（需求）;transit（公交）;willingness（意愿）;preference（偏好）;choice（选择）;ride（客流）;car use（小汽车使用）等 |
3 MaaS研究热点分析
3.1 出行资源整合
从供给端来看，MaaS不只是一个应用程序，其核心是建立一种整合不同分离服务的新商业模式，包括市场化的共享服务、低利润或由公共补助的公共交通。Hirschhorn等指出：“整合应该发挥所有模式的优势，并在不同模式之间提供有效的整合”[5]。Sochor等提出了MaaS四个层次的资源整合，即出行信息整合、预定与支付整合、服务供给整合、政策与社会目标整合等[8]。虽然新兴服务如何与固定线路公共交通运营协同或竞争仍然是未知问题，但新技术融合应用将不断推动服务模式和解决方案创新。MaaS理念倡导按需出行，通过App预约和规划行程。新冠疫情对城市公共交通和共享出行造成很大冲击，但同时也促进了需求响应式公交（Demand Responsive Transport, DRT）的发展。未来，自动驾驶能满足共享汽车的自动泊车和自动调度需求，“自动驾驶+共享化”将成为MaaS交通多元化一个主流趋势[28]。
出行资源整合策略可采用Geels提出的多层视角理论[29]进行分析。该理论认为，社会-技术系统由微观缝隙创新（Niche）、中观结构制度（Regime）、宏观目标图景（Landscape）三个功能层级构成[30]。宏观层面，政府或行业管理部门应倡导提供制度框架，保障可持续出行。中观层面，需要重视促成各利益相关者的合作。Smith等认为商业模式是9个重要的MaaS创新领域之一（其他的包括术语、目标、规章、技术、模式、选择、合作、传播）[9]。Jittrapirom等在46位专家参与的德尔菲法研究中发现：交通运营商（根据当地背景不同，可以是公共或私人企业）是最理想的服务，其次是第三方出行服务提供方，而后是本地机构[3]。Smith等认为在MaaS生态系统中采用新角色的商业机会是有限的或不存在的，因为这部分市场的利润很少，而管理成本却很高，且缺乏最终用户支付意愿的证明[4]。微观层面，需要对用户出行需求及偏好有深入的调查和研究。MaaS发展的初始阶段应针对特定用户，而后分阶段地整合和提供多模式出行服务。Caiati等人发现：有许多社会人口特征对是否订阅MaaS服务的决定具有统计上的显著影响[6]。Guidon等人发现：当公共交通、拼车和停车换乘服务以捆绑方式提供时，人们支付这些服务的意愿比单独提供时更高，但低共享模式（即：出租车、共享自行车和共享电动车）可能不会被直接视为公共交通的互补选项[31]。
3.2 多模式出行治理
聚类标签词显示了公共交通在城市MaaS中受关注并具有核心地位。MaaS实现城市多模式出行，应以公共交通为主体，加强各种出行方式之间的无缝衔接，通过协同分析服务能力和评估成效，进行动态规划和施策，构建高可达性的出行网络，并体现社会公平性。在缺乏适当定价和监管的情况下，更多个性化运输服务的涌入可能会带来负面后果，固定路线的公共交通可能会被个人化的点对点交通服务取代，这对确保道路容量、减少交通堵塞和发展可持续的城市形态都将带来挑战。因此，需要围绕服务质量监管、信用体系建设、绿色出行激励、信息安全保护和票价补贴机制等方面打造一套能适应MaaS模式的新的监管服务体系[32]。
协作创新[33]和可持续转型[29]管理可作为MaaS治理的理论和方法指导。协作创新管理理论方法被认为是破冰阻碍公共创新的政策僵局和组织孤岛的关键工具[34]。政府的角色应该是扶持创新并提供公平的竞争环境，确保私营企业能够积极合作，可以在存在外部性和意外后果的情况下介入并进行监管，但应避免过早监管。可持续转型管理旨在推动MaaS各利益方在社会目标和未来交通可持续发展等宏观愿景上广泛达成共识，通过可选财政补贴等措施激励公共交通主导的城市MaaS发展，将补贴的控制权转给用户，而不是供应商。Smith等认为立法者应考虑允许公共参与者采取更灵活的手段以实现政策目标的任务，例如，扩大公共交通的定义，以包括更多的共享出行方式（即与模式无关的理念）[35]。
赫尔辛基、维也纳和汉诺威的MaaS案例显示了不同的治理原则。国际公共交通联会（The International Association of Public Transport,UITP）根据政府参与程度的不同，确定了MaaS三种主要的组织和治理方法，包括商业整合模式、开放后台模式、交通运营商整合模式。更广泛的数据共享与服务集成是MaaS可持续性的重要前提。瑞典的MaaS路线图规定了一个开放的MaaS数据库的标准，如果项目要从瑞典创新局获得资金，则要求MaaS试验以标准化的方式进行开发和评估。
3.3 共享出行服务
共享出行本质上强调交通工具的使用权和所有权的分离，以互联网为实现媒介，以提高交通工具、空间资源利用效率为特征，对闲置交通资源进行整合再利用[36]。城市共享出行包括合乘共享（如顺风车和拼车）、小汽车共享、自行车共享、私人定制公交等服务。“微出行”（micromobility）是一个新兴服务领域，可提供短距离交通工具和服务，如自行车和踏板车共享（有时称为个人出行装备）。
Becker等使用MATSim对城市规模的交通系统进行了汽车共享、自行车共享和叫车服务的协同模拟，结果表明：汽车共享和自行车共享计划的引入可以将交通系统能源效率提高7%，而网约车的影响似乎不太积极;如果在低密度地区使用共享模式作为公共交通的替代品，效率收益可能会更高[7]。
3.4 出行服务生态创新
3.5 发展障碍与挑战
4 对我国MaaS研究与发展的启示
从国际上诸多的城市实践和文献研究成果来看，尽管对MaaS理念有一些共同的理解，但MaaS的特征和边界仍然较为模糊，也侧面反映了MaaS发展在不同城市特征和出行场景需求下的差异性，如城市人口经济规模、出行结构和规律特征等。目前，国内城市MaaS发展过程中存在着一些全球共性问题，面临着诸多障碍和挑战，如对发展什么样的MaaS缺乏共同的理解、体制机制不适应、公私合作信任度低、缺乏商业模式创新、难以开放共享数据和吸引可能的目标用户群体等。基于前文研究热点的观点和结论，针对我国城市在如何定位、建设、运营和治理MaaS等方面进行总结分析，得到如下启示。
（1）系统分析MaaS的性质与服务特征，科学把握其在交通系统中的定位与作用。MaaS在任何一种交通方式的基础上更强调服务，“服务”是其最本质的属性。MaaS不仅仅是一个App，也不应仅仅是某些特定的出行组合方式，而是各种出行模式的服务方式转型升级。需要从服务学的角度研究“出行即服务”对公共交通、共享交通、私人交通等方式的转型要求，研究“出行即服务”模式下这些交通方式在服务的对象、服务的方式、系统的效率与效益等方面表现出来的新的特征变化，分析“出行即服务”背景下这些交通方式的公用性与共用性、市场性与经营性特征变化规律，进而因地制宜研究MaaS的内涵，探索以广义公共交通为主体发展MaaS出行方式的路径和策略，并研究MaaS背景下各种出行方式对社会系统的正外部性量化与补偿机制问题，通过“碳足迹”以及合作生态价值评估，补偿具有准公共交通特征的MaaS系统。一方面通过将补贴的控制权转给用户，促进MaaS对各种交通方式资源的整合利用;另一方面弥补MaaS生态系统新角色的商业机会和市场利润空间的不足。
（2）研究各主体利益动力机制和竞合机理，破解MaaS平台如何可持续运营的问题。传统运输企业间（如公交、地铁、出租车）、新业态运输企业间（网约车、共享单车等）、传统与新业态运输企业间、运输企业与MaaS平台企业间均存在不同程度的竞争问题和合作空间。亟需洞悉各方的利益动力机制，研究建立MaaS多主体间的竞争合作模型，形成一定层级与范围的MaaS出行联盟组织，规范不同运输主体间的合作准则与协议。并推动出行服务与消费、金融、保险等各领域的融合，延伸MaaS服务的价值链，构建造血功能更强的商业模式与生态体系，提升MaaS生态系统的盈利性与可持续经营能力。
（3）研究MaaS潜在需求和供需耦合机理，突破MaaS出行本征刻画和系统构建瓶颈。用户需求方面，MaaS不同发展阶段需要深入开展需求调查研究和平台个性化设计，锁定潜在的目标用户群体，突破早期MaaS票价套餐促销具有的金融产品属性，研究从出行（通勤、商旅等）本征角度设计MaaS的出行服务整合方案，最大化满足个性化出行需求，对于倡导集约化出行，解决集约化服务供给在精准匹配分散式出行需求之间的效能矛盾问题具有重要意义;系统构建方面，MaaS系统的多服务出行方式不仅需要进一步解决数字化出行背景下计划式服务方式间的“时间窗”类协调问题，更亟需研究揭示包括固定与可变混合出行需求耦合机理、多方式出行供给与多样性需求的耦合机理，研究固定与灵活式服务耦合与柔性组织等科学问题。
（4）研究MaaS交通需求与系统管理理论，突破可持续社会目标下的MaaS协同治理难题。随着MaaS不断整合各交通方式，给MaaS综合监管和治理带来挑战，如MaaS网络化运营与各交通方式独立管理之间的协同治理问题。需求管理面，突破传统的如拥挤收费、限行、限购等“管、限、控”类的管理措施，从鼓励、引导、激励的角度，加大对如“预约出行”“碳普惠”等交通需求管理措施的研究和实施力度;系统管理层面，需要研究如何利用协作创新[26]管理等理论方法，推动研究构建面向多元主体的“价值-信任-合作”新型关系的城市交通治理现代化理论架构和方法[48]，提升MaaS共建、共享、共治水平。需要研究如何利用可持续转型[18]管理等理论方法，将MaaS发展置于社会目标框架下，通过制定激励绿色出行政策、建立大数据监管平台等措施，使得MaaS发展负外部性最小化，实现技术、制度、组织和社会经济子系统等方面的协同演化。
5 结语
城市MaaS是智慧出行的新研究领域，近年来呈现快速发展趋势。本文基于WOS核心文献数据库，采用文献计量方法并结合专家咨询，可视化展示和分析了国际上城市MaaS研究力量分布和热点方向。目前国际上MaaS研究和实践聚焦于出行资源整合、多模式出行治理、共享出行服务、出行服务生态创新等方面的创新解决方案，同时也面临着诸多发展障碍和挑战。城市MaaS发展到高级阶段将以提供多模式、全链条、预约出行服务为特征，并通过联程票务优惠套餐服务等经济激励手段，引导个体集约化出行，调控多模式出行需求、优化服务供给，最终发展到与社会目标的完全整合，实现城市可持续出行。国内城市MaaS发展需要定位好MaaS的性质与服务特征，科学把握其在交通系统中的定位与作用，不断创新治理和商业模式，融合和创新应用人工智能、大数据、孪生仿真等新一代信息技术，突破理论研究和关键技术研发。
本文研究主要针对文献关键词进行词频统计、共现网络和聚类分析，对热点关键词时间轴演变脉络、引文分析等研究未深入展开，并且综述性研究侧重于面上的研究总结和热点分析，对具体研究方向的现状和问题分析不足。下一步研究将尝试结合定制化开发，针对多元文献数据源进行整合和多维度可视化分析，并重点针对国内现阶段如何定位和发展好MaaS，深入分析潜在的目标用户、利益群体和各方需求，以期为城市MaaS实施的前期策划提供有益参考。