駱 晨，董 青，姚 擎，張海榮，王倩茹

(中國民用航空飛行學(xué)院空中交通管理學(xué)院，四川德陽618307)

0 引 言

公共衛(wèi)生突發(fā)事件根據(jù)傳播特性可分為警示期、阻斷期、管控期、持續(xù)期、正常期.持續(xù)期一般為2～4個月甚至半年，該階段疫情雖得到有效控制但仍具有感染風(fēng)險，需要特殊管控[1].研究該階段旅客中長距離出行方式的選擇行為，能有效降低疫情對公共運(yùn)輸收益的負(fù)面影響，加快社會經(jīng)濟(jì)的恢復(fù).

突發(fā)公共衛(wèi)生事件持續(xù)期出行行為研究主要從組織管理和需求分析兩方面進(jìn)行[2].組織管理方面：李燕霞等[3]考察十八大以來交通運(yùn)輸領(lǐng)域中有關(guān)疫情防控法規(guī)制度建設(shè)取得的成績，查找分析新冠肺炎疫情挑戰(zhàn)下暴露出來的短板和不足；《中國公路》期刊[4]整理新冠疫情期間我國在交通管理方面的措施發(fā)現(xiàn)，我國應(yīng)優(yōu)化外集內(nèi)配網(wǎng)絡(luò)體系，實(shí)現(xiàn)應(yīng)急物資的高效運(yùn)輸和基本生活物資的有效供給；曹仁霞等[5]以疫情期間公安交通執(zhí)法人員安全防護(hù)為落腳點(diǎn)，探討道路交通管理工作創(chuàng)新，用以保障交通運(yùn)輸通暢.在需求分析方面：吳嬌蓉等[6]基于上海復(fù)工通勤群體出行偏好進(jìn)行網(wǎng)絡(luò)問卷調(diào)查，獲取1 108 份有效問卷，解析出行群體在疫情持續(xù)期的出行偏好，研究結(jié)果顯示，在不同擁車率條件下，200人左右員工是通勤合成時成功率較高的規(guī)模；張毅等[7]基于空氣傳染病模型，構(gòu)建了新型冠狀病毒的交通出行易感度評估模型，研究發(fā)現(xiàn)，步行、自行車在空曠條件和人員間距隨機(jī)可控的前提下，易感度基本為0，飛機(jī)、高鐵、大巴等載運(yùn)工具的典型型號，在空調(diào)最大換風(fēng)系數(shù)下人均通風(fēng)量可達(dá)到約30 m3/h，不足以造成病毒大面積傳播.

上述研究均以疫情期間出行管理作為研究對象，未涉及旅客對出行方式的選擇行為.即使有出行選擇行為的研究亦是針對通勤出行，未涉及居民跨區(qū)域的中長距離出行.在疫情持續(xù)期，因疫情控制的復(fù)雜性、政策時效性和出行易中斷性，旅客在跨區(qū)域出行方式選擇上發(fā)生重要偏轉(zhuǎn).鑒于此，本文以旅客在公共衛(wèi)生事件持續(xù)期長距離出行方式選擇行為作為研究對象.在2020年3月新冠肺炎疫情持續(xù)期，通過網(wǎng)絡(luò)采集1 643份有效調(diào)查問卷，基于統(tǒng)計(jì)數(shù)據(jù)，引入MNL模型，重點(diǎn)剖析個體屬性、出行屬性、風(fēng)險感知屬性對居民出行的選擇行為影響，為突發(fā)公共衛(wèi)生事件下均衡各種交通運(yùn)輸方式的客流量提供政策依據(jù).

1 模型構(gòu)建

突發(fā)公共衛(wèi)生事件持續(xù)期相異于管控期，居民有較大范圍的出行活動，部分地區(qū)甚至出現(xiàn)“嚴(yán)管控全開放”的情況；相異于正常出行活動，居民受疫情不間斷爆發(fā)的客觀風(fēng)險及自我防控措施的主觀風(fēng)險交織形成的風(fēng)險感知影響.

1.1 疫情持續(xù)期風(fēng)險感知概述

交通方式的風(fēng)險感知是指居民在乘坐交通工具時由該種交通方式引起的暴露風(fēng)險的主觀認(rèn)知，其中，風(fēng)險感知主要包括交通方式客觀風(fēng)險和主觀風(fēng)險兩類[8]，如圖1所示.

圖1 疫情持續(xù)期間風(fēng)險感知示意Fig.1 Risk perception during outbreak duration

1.2 影響因素提取

現(xiàn)有國內(nèi)外突發(fā)公共衛(wèi)生事件下，旅客出行行為影響因素歸結(jié)為個體屬性、風(fēng)險感知屬性和出行屬性[9]，如表1所示.

表1 突發(fā)公共衛(wèi)生安全事件旅客出行方式選擇影響因素Table 1 Factors of choice of travel mode for passenger under the duration of public health emergencies

1.3 選擇行為建模

非集計(jì)模型通過引入出行者特征變量[10]，可以對出行選擇影響因素進(jìn)行精準(zhǔn)刻畫.因此，本文構(gòu)建公共衛(wèi)生事件持續(xù)期的旅客出行方式選擇非集計(jì)模型，刻畫旅客在突發(fā)公共衛(wèi)生持續(xù)期的出行選擇影響因素.假設(shè)旅客i選擇出行方式j(luò)的效用Uij為

式中：Vij為效用函數(shù)Uij中固定項(xiàng)；εij為效用函數(shù)Uij中概率項(xiàng).

根據(jù)已有研究成果，假設(shè)航空出行選擇中固定項(xiàng)效用函數(shù)Vij與影響因素Xijk之間具有線性關(guān)系，利用結(jié)果序列分析，表示為

式中：K為特征變量的個數(shù)；θk為第k個變量對應(yīng)的參數(shù)；Xijk為旅客i選擇出行方式j(luò)的第k個變量的影響因素.

根據(jù)效用理論中最大化思想，旅客i選擇出行方式j(luò)的概率Pij為

式中：Ai表示旅客i選擇出行方式的選擇集合；U tn表示在旅客集中除去i旅客外任意旅客t選擇出行方式n效用；εtn為效用函數(shù)Utn中概率項(xiàng)，現(xiàn)有研究表明其服從二重指數(shù)分布；Vtn為任意旅客t選擇出行方式n的效用.

2 數(shù)據(jù)采集及處理

2.1 數(shù)據(jù)采集

利用自主設(shè)計(jì)的突發(fā)公共衛(wèi)生事件持續(xù)期居民方式選擇調(diào)查問卷，于2020年3月在新冠肺炎疫情持續(xù)期通過網(wǎng)絡(luò)發(fā)放調(diào)查問卷，收集1 643份有效調(diào)查問卷，采用里L(fēng)ikert五點(diǎn)量表對指標(biāo)進(jìn)行數(shù)值量化，由1～5表征不同指標(biāo)差異度，如表2所示.

表2 各因素調(diào)查問卷統(tǒng)計(jì)Table 2 Questionnaire statistics for each factor

2.2 模型參數(shù)標(biāo)定

以民航為參考類別，運(yùn)用SPSS 軟件對多元Logit模型進(jìn)行參數(shù)標(biāo)定，結(jié)果如表3所示.其中，B為變量系數(shù)，S.E為標(biāo)準(zhǔn)差，Wald為統(tǒng)計(jì)量，df為自由度，Sig.為統(tǒng)計(jì)量的顯著性水平，exp(B)為子變量增加一個單位所引起預(yù)測概率的變化.模型變量的選擇根據(jù)顯著性水平Sig.確定，如果Sig.小于0.05 說明該變量對突發(fā)公共衛(wèi)生事件持續(xù)期居民出行方式選擇有影響，應(yīng)納入出行選擇行為模型中；反之，應(yīng)予以剔除.

表3 參數(shù)估算值Table 3 Estimated parameters

3 結(jié)果分析

3.1 結(jié)果參數(shù)校驗(yàn)

對變量進(jìn)行顯著性檢驗(yàn)，剔除顯著性不高的變量.以民航作為參考出行方式，運(yùn)用多項(xiàng)Logit模型對數(shù)據(jù)統(tǒng)計(jì)分析，獲取模型擬合信息和似然比檢驗(yàn)結(jié)果如表4和表5所示.

由表4可知，受教育水平、是否有私家車、家庭結(jié)構(gòu)、家庭人數(shù)、家庭人均月收入、出行目的、出行距離、出行方式偏好、易感度、防控措施、途徑站點(diǎn)暴露、防控措施了解、主觀信任度等變量與民航出行方式之間線性關(guān)系顯著，模型變量選擇正確.

表4 模型擬合信息Table 4 Model fitting information

表5 似然比檢驗(yàn)Table 5 Likelihood ratio test

由表5可知，是否有私家車、家庭人均收入、出行方式偏好、防控措施、途徑站點(diǎn)暴露率、防控措施了解、主觀信任度的卡方檢驗(yàn)概率P值均為0.000，低于統(tǒng)計(jì)值0.01，根據(jù)回歸系數(shù)為0的假設(shè)，認(rèn)為其對模型的線性關(guān)系貢獻(xiàn)顯著.

3.2 個體屬性對旅客出行方式選擇行為的影響

由表3可知，在個體屬性方面，選擇鐵路與航空兩種不同出行方式的主要影響因素按影響程度由高到低依次為：家庭人均月收入、家庭結(jié)構(gòu)、受教育水平、家庭人數(shù).選擇公路與航空兩種不同出行方式的主要影響因素為：是否有私家車和家庭人均月收入.

分析認(rèn)為選擇公共交通出行方式出行，居民是根據(jù)受教育層度分析突發(fā)公共衛(wèi)生事件，聽取家庭成員建議，綜合家庭收入水平做出決策；收入對居民的顯著影響水平與正常條件下的絕對影響存在相異，原因是在突發(fā)公共衛(wèi)生事件持續(xù)期航空運(yùn)輸?shù)目推眱r格與高鐵票價相近甚至更低；居民在自駕與民航運(yùn)輸兩者之間選擇的顯著影響因素增加了是否有私家車，主要原因是在突發(fā)公共衛(wèi)生事件下，居民主觀認(rèn)為自駕能將旅途中出行合乘人員的風(fēng)險概率、途徑站點(diǎn)暴露率進(jìn)行自我掌控，家庭結(jié)構(gòu)、家庭人數(shù)等為非顯著影響因素是因?yàn)橐咔槠诰用袼诩彝コ蓡T的主觀意愿均為降低感染風(fēng)險，而以私家車出行為代表的公路出行能夠較好地滿足所有意愿.

3.3 出行屬性對旅客出行方式選擇行為的影響

由表3可知，在出行屬性方面，影響居民選擇航空或鐵路出行的顯著影響因素按影響程度由高到低依次為：出行方式偏好、出行距離、出行目的.選擇公路與航空兩種不同出行方式的主要影響因素為：出行方式偏好.

分析認(rèn)為疫情持續(xù)期，基于國家全方位的防控策略，居民對航空和鐵路出行的主觀認(rèn)知的感染或者暴露率均相同，均存在一定的暴露風(fēng)險，尤其無法自我控制風(fēng)險，致使其影響顯著度與正常條件時相同；但在公路出行中，居民認(rèn)為自駕方式能夠根據(jù)不同區(qū)域的疫情狀況進(jìn)行自我防控，忽略了因時空距離、出行目的帶來的影響，僅從疫情所支配的出行偏好角度進(jìn)行選擇.

3.4 風(fēng)險感知對旅客出行方式選擇行為的影響

由表3可知，在風(fēng)險感知屬性方面，選擇鐵路與航空兩種不同出行方式的主要影響因素按影響程度由高到低依次為：防控措施、途徑站點(diǎn)暴露率、防控措施了解情況、易感度、主觀信任度.選擇公路與航空兩種不同出行方式的主要影響因素按影響程度由高到低依次為：防控措施、易感度、防控措施了解情況、主觀信任度、途徑站點(diǎn)暴露率.

選擇航空與鐵路兩種出行方式時，隨著途徑站點(diǎn)暴露率增加，居民會減少選擇鐵路出行的概率而增加選擇航空出行的概率；選擇公路與航空兩種出行方式時，隨著途徑站點(diǎn)的暴露率增加，居民主觀認(rèn)為所有出行方式的暴露風(fēng)險概率增加，而選擇自駕出行能夠較好地掌握自我暴露風(fēng)險.隨著防控措施了解程度的增加，居民都由最初的鐵路或公路出行轉(zhuǎn)變?yōu)楹娇粘鲂?，主要原因是疫情期間航空票價折扣力度增加，隨著居民對各交通出行方式的防控措施的了解程度增加，居民出行恢復(fù)理性，摒棄疫情初始的主觀防控認(rèn)知，轉(zhuǎn)為客觀分析；同等感染風(fēng)險條件下，居民以票價作為選擇的重要指標(biāo).

4 結(jié) 論

本文從突發(fā)公共衛(wèi)生事件主觀、客觀兩個風(fēng)險層面出發(fā)，基于多元Logit 模型，分析不同風(fēng)險感知屬性對居民出行方式選擇的影響.通過研究得到以下結(jié)論：風(fēng)險防控措施、風(fēng)險防控措施了解程度對居民在突發(fā)公共衛(wèi)生事件持續(xù)期的出行方式選擇影響程度遠(yuǎn)高于易感度、途徑站點(diǎn)暴露、主觀信任度；防控措施了解程度每提升1 個單位，乘坐鐵路、公路的概率分別降低6.371 和7.234 個單位；防控措施每提升1個單位，乘鐵路、公路的概率分別降低11.528 和11.237 個單位；途徑站點(diǎn)暴露率每提升1 個單位，選乘鐵路、公路的概率分別降低10.113 和提高1.296 個單位；航空公司在保持低票價的前提下，在傳播媒體中宣傳航空運(yùn)輸?shù)姆揽卮胧┮蕴岣呔用駥ζ溥x擇概率；鐵路部門在保障班次的情況下增加旅客座位間隔、減少途徑站點(diǎn)，以交織停站的方式降低途徑暴露風(fēng)險，提高居民對其選擇概率；綜合交通應(yīng)以分時段、分地區(qū)、低風(fēng)險且具有差異化的錯峰出行為整體性原則，利用各運(yùn)輸工具的管理措施，均衡各運(yùn)輸方式的出行量.

突發(fā)公共衛(wèi)生事件持續(xù)期疫情具有偶發(fā)性爆發(fā)，爆發(fā)地點(diǎn)和規(guī)模的不同亦將對居民出行行為產(chǎn)生影響，下一步將剖析疫情偶發(fā)式爆發(fā)對居民出行方式選擇的影響.