郭季,罗明杰,崔姗姗,陈诺

(长安大学 汽车学院,陕西 西安 710064)

随着中国经济水平的提升,机动化水平不断提高,快速增加的交通出行需求与相对滞后的道路交通资源产生冲突,道路拥堵加剧。引导居民出行向公共交通方式转移,是交通需求管理中平衡交通供需矛盾的重要手段。对城市居民出行行为进行研究,掌握其出行规律和出行方式选择机理,是科学制定交通政策和有效实施交通需求管理的出发点。

许多研究认为,出行者自身属性、外部交通环境和出行活动等因素都会影响出行方式选择。如关金平等考虑个人属性和出行类型因素,采用混合Logit模型研究了上海城市外围居住区居民的出行方式；宗芳等将居民出行方式选择因素归纳为出行者属性、出行属性和交通工具属性三类,采用Logistic模型进行标定,预测居民的出行行为；Chen H.等建立民工出行方式选择多项Logit模型,分析影响民工出行方式选择的因素；刘炳恩等建立居民出行方式选择MNL模型,其中纳入了个人属性、交通工具拥有水平及出行距离、时间、费用变量；包丹文等利用居民出行时间、距离、费用和个人属性数据建立了考虑停车收费的出行方式选择MNL模型。以上研究使用非集计模型揭示了影响居民出行方式的多方面因素,但传统的非集计模型处理多因素问题时难以识别变量间的内在关系,且存在假设任意两种交通方式选择概率比与其他交通方式无关的特性(IIA特性)。结构方程模型(SEM)可同时描述多变量的复杂因果关系,还能避免IIA特性,被广泛应用于出行行为研究。如Ding C.等构建出行行为SEM,将个人属性和建筑环境设为外生变量,将小汽车拥有量与出行特性设为内生变量；周钱等提出个人特征－活动参与－出行行为的SEM模型结构,将出行次数和出行链设为内生变量；张萍等建立相似的SEM结构,外生变量中考虑出行者的个人家庭属性和居住区位,内生变量考虑活动参与和出行特征；程龙等以低收入通勤者为对象建立SEM,探讨个人社会经济属性和出行活动对出行方式的影响；曹小曙等建立居民出行选择SEM,将个人和家庭社会经济属性设为外生变量,出行时段、目的、强度和出行方式设为内生变量；Han Y.等在构建SEM中除考虑个人属性和出行生成外,还加入安全性、舒适性、方便性、灵活性、经济性5个因素；除个人社会经济属性外,尹静利用计划行为理论和规范激活模型构建出行方式选择SEM；Ingvardson J.B.等在SEM中加入满意度指标,研究居民公交乘坐频率的影响因素；严海等则分析了经济水平、公交服务水平、停车满意度对居民选择公交车和私家车的影响。上述研究主要考虑出行者属性和出行属性对居民出行方式选择的影响,忽略了公共交通、停车位等交通服务或设施的供给水平的影响,且研究区域局限于单体城市,没有针对不同规模的城市进行对比分析。该文在上述研究的基础上,在3座不同规模的城市进行居民出行调查,利用SEM对居民出行方式选择影响因素进行研究。

1 基于SEM的城市居民出行方式分析

由于影响居民出行的各类因素存在复杂的关系,引入SEM进行分析。

1.1 SEM的基本原理

SEM是结合因子分析和路径分析的多元统计技术,在分析潜在变量和多输入变量的关系时具有显著优势。一个完整的SEM由若干测量模型和结构模型组成,其中测量模型[见式(1)、式(2)]描述观测变量与其从属的潜在变量之间的关系,结构模型[见式(3)]描述潜在变量之间的关系。

式中：X为ξ的观察变量向量；ΛX为ξ与X之间的关系矩阵；ξ为外生潜在变量向量；δ为X变量的测量误差向量；Y为η的观测变量向量；ΛY为η与Y之间的关系矩阵；η为内生潜在变量向量；ε为Y变量的测量误差向量；B为内生潜在变量系数矩阵；Γ为外生潜在变量与内生潜在变量间系数矩阵；ζ为结构模型的残差向量,即模型无法解释的部分。

1.2 SEM的估计和评价方法

结构方程模型的拟合目标是使所得参数的残差平方和最小,若拟合函数记为F(S,∑(θ)),则求使F(S,∑(θ))取得最小值的参数。当前研究中模型的参数估计方法有最大似然估计法(ML)、一般化最小平方法(GLS)、未加权最小平方法(ULS)、加权最小平方法(WLS)、无标度最小平方法等。其中ML最常用,它要求样本为连续变量且服从正态分布。而出行方式研究中使用的变量多为有序分类变量,不适用上述条件。ULS法是运用量尺单位依赖法的估计方法,对变量分布不作要求,且适用于分类变量。因此,采用ULS法对模型进行参数估计。

模型评价的目的是验证所构建模型假设的解释能力。ULS估计方法的模型评价指标有拟合适配度GFI、调整适配度AGFI、残差均方和平方根RMR。其中：

(1)GFI表示观察矩阵S中方差与协方差可被复制矩阵预测得到的量,其值为0～1,越接近1,表示模型适配度越好,一般GFI大于0.90则表示模型的路径图与实际数据拟合较好。

(2)AGFI为调整后的拟合适配度,它不受单位影响,其值为0～1,越接近1,表示模型适配度越好,一般AGFI大于0.90则表示模型的路径图与实际数据拟合较好。

(3)RMR等于适配残差方差协方差的平均值的平方根,反映矩阵间残差的大小,一般其值小于0.080则表示模型可接受。

1.3 理论模型的构建与假设

在既有研究的基础上,选取个人属性、出行偏好、出行特性、城市规模、交通供给作为变量,根据变量是否被其他变量所影响划分外生变量和内生变量。假设个人属性、交通供给和城市规模独立且不受其余因素影响,则设为外生变量；出行偏好、出行特性和出行方式受到外生变量的影响,设为内生变量。以上6个变量均为不可直接测量的潜在变量,需使用若干可观测的变量来反映(见表1)。

表1 模型变量的假设

假设选取的外生变量和内生变量存在影响关系,每个外生变量都会影响内生变量,内生变量之间也存在影响关系(见图1)。模型变量之间的相互影响关系描述如下：

(1)个人属性影响居民的出行偏好、出行特性和出行方式(H1～H3)。

(2)城市规模影响居民的出行偏好、出行特性和出行方式(H4～H6)。

(3)交通供给影响居民的出行偏好、出行特性和出行方式(H7～H9)。

(4)出行偏好影响居民的出行方式和出行特性(H10、H11)。

(5)出行特性影响居民的出行方式(H12)。

图1 理论模型的假设

2 数据来源与分析

2.1 问卷设计

根据SEM模型的构建需求设计居民出行行为调查问卷,获取个人社会经济属性、出行偏好、出行特性、交通供给水平、所在城市规模和选择的出行方式等(见表2)。其中：

(1)出行者的社会经济属性包括性别、年龄、职业、月收入、是否有IC卡和是否有私家车。

(2)出行偏好包含出行者对经济性、安全性、快速性、方便性、舒适性和准时性的重视程度。

(3)出行特性是与实际出行生成有关的属性,包括每日出行次数、出行距离(短、中、长距离,在大城市分别以5和10 km划分,在中小城市分别以3和6 km划分)、是否高峰期(工作日的7：00—9：00和17：00—19：00)出行和是否工作出行。

(4)交通供给水平包括出发地和目的地的公交线网密度及目的地停车场供应条件。

(5)城市规模依据国发[2014]51号《国务院关于调整城市规模划分标准的通知》划分。

(6)出行方式分为慢行、公共交通和私人交通三类。

2.2 问卷调查与分析

2017年7月13—26日,在山西省太原市、运城市和吕梁市进行问卷调查。根据国发[2014]51号《国务院关于调整城市规模划分标准的通知》,这3座城市分别属于大、中、小城市。为保证数据的可靠性,调查点选取不同城市功能区：在太原市选取5个调查地点,包含1个住宅区、1个工业区和3个商业区；在运城市和吕梁市各选取3个调查地点,包含住宅区、工业区和商业区各1个。以随机抽样的方式向出行者发放调查问卷,共发放问卷2 200份,回收1 722份,回收率78.3%,其中有效问卷1 705份,有效率77.5%。

表2 问卷调查题目和选项

续表2

按居民的个人属性和选择的出行方式对样本进行统计,个人属性分布见图2。从性别来看,调查样本中男性占40%,女性占60%,女性样本多于男性。年龄分布中,18岁以下占12%,19～25岁占36%,26～40岁占31%,41～60岁占16%,60岁以上占5%,大多数受访者集中于19～40岁,占总人数的2/3,这与3座城市的人口组成结构有关,也可能是因为青壮年群体出行频率更高,在随机发放调查问卷时受访的概率更大。职业分布中,公务员和事业单位员工占19%；企业员工在所有职业中占比最高,占33%；学生占20%；个体经营者最低,仅7%；还有21%由其他职业组成。按收入划分,月收入低于3 000元的低收入人群占比最大,占62%；3 001～5 000元的人群占35%；高于5 000元的群体最少,仅占3%。有无IC卡的两类居民比例相当,49%的受访者持有IC卡,51%无IC卡。从车辆拥有水平看,45%的受访者至少有1辆小汽车,55%的受访者无私家车。

在三类出行方式中,选择公共交通出行的人群所占比例最大,为57%；慢行交通占28%；私人交通最少,仅有15%。3座城市居民首选出行方式的占比见图3。

从图3可看出：1)随着城市规模的增大,选择慢行交通出行的比例下降,而选择公共交通出行的比例增加。其原因在于,与太原市相比,吕梁市的城市规模小,居民的平均出行距离短,慢行交通以其方便性在这样的小城市被广泛使用；大城市的公共交通系统更发达和完善,且居民的出行距离较远,居民更偏向于使用公共交通出行。2)太原市、吕梁市的私家车出行比例均低于运城市,其原因可能是太原市具有完善的公共交通网络,与私家车相比,乘坐公共交通出行更方便、经济；吕梁市的城市规模小,慢行交通占比高,压缩了私家车出行比例。

图2 调查样本的个人属性分布

图3 不同城市居民首选出行方式的占比

3 结果分析与讨论

3.1 模型检验

根据上述假设关系构建居民出行方式选择SEM模型,使用AMOS22.0软件进行参数估计,根据模型结果的Modification Indices指标修正建议,删除2条不显著路径H8和H9,最终模型结果见图4。

使用GFI、AGFI和RMR3个评价指标对该模型的适配度进行检验,结果见表3。从检验结果来看,GFI和AGFI均大于0.900,RMR小于0.080,模型的各项适配度指标均符合标准要求,拟合精度良好。

3.2 结果分析

标准化的模型载荷系数见图4。

图4 标准化模型路径系数

表3 模型适配度检验结果

由图4可知：

(1)个人属性对出行特性和出行方式的影响较显著。个人属性主要被职业、月收入、是否有私家车、年龄及性别5个因素解释。职业和月收入对个人属性的载荷系数最高,其次为是否有私家车,这3个变量均与个体的经济水平相关,表明经济水平对个人出行行为的影响超过性别、年龄等固有属性。与严海等的结论一致,即个体的经济水平会对出行方式选择产生根本性的影响。个人属性对出行特性和出行方式的总影响效应(即自变量至因变量的所有通路的路径载荷系数乘积的代数和)分别为－0.39[－0.35＋0.8×(－0.56)]、0.03[0.08×(－0.56)×(－0.47)＋0.08×0.40＋(－0.35)×(－0.47)－0.19],表明女性、年龄较大者、月收入较高、有私家车的居民,出行距离往往更远,每日出行次数更多,且更有可能选择私家车出行。此外,个人属性对出行方式的直接影响不明显,更多地是通过出行特性产生间接影响。相关研究认为,个人属性不仅直接影响出行者的出行行为,而且可通过活动参与对出行行为产生间接影响,文中的研究证实了这一点。

(2)交通供给水平对出行方式有间接影响。交通供给水平被出发地和目的地的公交线网密度、目的地的停车位供应所解释,载荷系数分别为0.38、0.42和－0.24。出发地和目的地的公交线网密度对交通供给的解释为正,而目的地停车场供应为负,二者的作用相反。交通供给水平对出行方式没有直接影响,但它通过出行偏好和出行特性间接地对出行方式产生一定影响,总效应为－0.52[(－0.79)×0.40＋(－0.79)×(－0.56)×(－0.47)],表明随着公交线网密度的增加及私家车停车位的减少,人们的公交出行意愿将提高,且增加公交线网密度比减少停车位供应更能促进居民选择公交出行。可见,提高公交服务水平是将居民的私家车出行转移至公共交通的有效手段之一。

(3)城市规模对出行方式有间接影响。城市规模对出行方式的直接影响为0.16,而通过出行偏好和出行特性产生的总效应为0.38[0.04×(－0.56)×(－0.47)＋0.04×0.40＋(－0.42)×(－0.47)＋0.16],说明在大城市中,居民使用私家车的意愿高于中小型城市。这可能是由于大城市中居民的私家车拥有水平更高,也可能是由于这部分人群的出行链更复杂,公共交通难以满足其出行需求。

(4)出行偏好对出行特性和出行方式均有显著影响。出行偏好对出行特性和出行方式的总效应分别为－0.56、0.66[0.40＋(－0.56)×(－0.47)],说明对出行方式要求越高的出行者,出行距离可能越远,每日的出行次数越多,且这部分人越倾向于使用私家车出行。出行偏好下6个观测变量的载荷系数均大于0.6,表明居民对这6个维度均有较高的关注度。其中经济性对出行偏好的载荷系数高达0.92、舒适性和准时性为0.91,其次为快速性、安全性和方便性。出行偏好对出行方式的总影响为正,即偏好要求越高,私家车出行比例越大,说明公共交通相比于私家车还存在体验上的差距。公交运营部门可重点从经济性、舒适性和准时性方面提升公交服务水平,引导大众转向公交出行。

(5)出行特性对出行方式有显著负影响。出行特性对出行方式的载荷系数为－0.47,对出行距离和每日出行次数的载荷系数分别为－0.60、－0.51,说明随着出行距离和每日出行次数的增加,人们更有可能通过私家车出行,反映出现有公共交通难以满足长距离出行者的需求。高峰期出行和工作性出行对出行方式的总效应为负,对通勤活动及高峰期的出行,居民选择公共交通的可能性更大。这在一定程度上说明公共交通已成为许多居民日常出行上下班的主要交通方式,也是规避高峰期道路拥堵的选择之一。

4 结论

该文根据山西省不同规模城市居民出行调查结果,建立结构方程模型对影响居民出行方式选择的因素进行分析,并对各类潜在变量和观测变量之间、潜变量与潜变量之间的关系进行梳理。主要结论如下：个人属性、交通供给、城市规模通过出行偏好和出行特性对出行方式产生间接影响,出行偏好和出行特性对出行方式有显著的直接和间接影响。具体来说,与经济水平相关的变量对个人属性的影响大于性别与年龄等固有属性的影响,且经济水平越高,越有可能选择私家车出行。对于交通供给水平,公交线网密度与目的地停车位供应的影响相反,即高密度的公交线网和紧缺的私家车停车位会使居民转向公交出行,且提高公交线网密度比缩减停车位更能促进居民的公交出行。大城市的居民相比于中小城市居民更倾向于选择私家车出行。出行距离越远、出行次数越多、对交通工具的服务期望越高的出行者,越有可能使用私家车出行。高峰期和工作通勤时更有可能乘坐公共交通。

由于所调查城市尚未开通地铁线路,公交出行方式仅包括公共汽车和出租车,未考虑影响居民选择地铁出行的因素。这将在后续研究中加以完善。