劉 猛，趙勝川

（大連理工大學(xué)交通運(yùn)輸學(xué)院，遼寧 大連 116024）

0 引言

新型冠狀病毒肺炎（簡稱“新冠肺炎”）疫情期間，我國高校多采取了封閉式校園管理措施，大學(xué)生外出校園參加各種課外活動(dòng)受限，日常生活和學(xué)習(xí)模式發(fā)生了很大變化，這引發(fā)了一系列身心健康問題[1]。大學(xué)校園幾乎承載了大學(xué)生全部的生活和學(xué)習(xí)。在此特殊背景下，有必要探究在新冠肺炎疫情下感知建成環(huán)境、出行態(tài)度和出行行為的相互關(guān)系，分析新冠肺炎疫情期間校園封閉式管理給大學(xué)生日常生活和學(xué)習(xí)帶來的各種影響，以便為各高校優(yōu)化新冠肺炎疫情期間的管理措施，滿足大學(xué)生的日常校內(nèi)出行需求，提高大學(xué)生的生活質(zhì)量，促進(jìn)大學(xué)生身心健康發(fā)展提供科學(xué)依據(jù)。

目前關(guān)于建成環(huán)境的研究通常從客觀和感知兩個(gè)維度出發(fā)?？陀^建成環(huán)境一般通過觀察、測量或利用地理信息系統(tǒng)基于現(xiàn)有空間數(shù)據(jù)計(jì)算得到[2]。感知建成環(huán)境主要依據(jù)自我報(bào)告的數(shù)據(jù)進(jìn)行評估，以反映受訪者對環(huán)境的主觀感知[3]。已有研究普遍認(rèn)為建成環(huán)境是慢行交通的主要影響因素[4]，并證明了感知建成環(huán)境對出行行為有顯著影響[5-6]，有時(shí)甚至比客觀建成環(huán)境與出行行為有更強(qiáng)的關(guān)聯(lián)[7]。以往研究中的“態(tài)度”包括一般的出行態(tài)度、對特定交通方式的態(tài)度、對出行相關(guān)政策的態(tài)度、對某種服務(wù)甚至出行徑路的態(tài)度等[8]。態(tài)度通常通過因子分析或心理測驗(yàn)量表衡量，主要用于揭示出行者的出行意向和對不同交通方式的偏好和感知[9]。研究表明，態(tài)度是出行行為的重要影響因素[10-13]?，F(xiàn)有研究認(rèn)為，建成環(huán)境與態(tài)度的關(guān)系主要有3 種，即居住自選擇（Residential Self-selection）、感知（Perception）和居住環(huán)境決定（Residential Determination）[14]，但大多數(shù)研究只假設(shè)其中一種作用機(jī)制成立：①居住自選擇——個(gè)體基于對居住地的偏好態(tài)度對居住地進(jìn)行選擇[15]；②感知——個(gè)人屬性（如：態(tài)度）會影響被調(diào)查者對建成環(huán)境的感知[16]；③居住環(huán)境決定——建成環(huán)境基于認(rèn)知失調(diào)理論影響態(tài)度。認(rèn)知失調(diào)理論的主要思想是：當(dāng)個(gè)人行為與態(tài)度矛盾時(shí)，會產(chǎn)生認(rèn)知失調(diào)，導(dǎo)致心理緊張，而個(gè)體會通過改變認(rèn)知、增加新的認(rèn)知、改變認(rèn)知的相對重要性等方法來減輕或解除不協(xié)調(diào)狀態(tài)[17]。另外，已有研究發(fā)現(xiàn)，新冠肺炎疫情在很大程度上改變了我國人群出行頻次及交通方式[18]，新冠肺炎疫情防控背景下的客觀環(huán)境因素和出行者個(gè)人屬性共同影響居民的出行行為[19]。

總結(jié)已有研究可以發(fā)現(xiàn)：①感知建成環(huán)境、態(tài)度和出行行為之間的相互作用關(guān)系是近年來的研究熱點(diǎn)，但是建成環(huán)境，尤其是感知建成環(huán)境與態(tài)度之間的關(guān)系較為復(fù)雜，目前缺乏對二者之間多種不同作用機(jī)制及其強(qiáng)弱的討論；②考慮到工作日和休息日出行需求和心理狀態(tài)的不同，可能給變量間的關(guān)聯(lián)帶來影響，有必要對工作日和休息日分別建模進(jìn)行對比研究；③以往研究大多采用傳統(tǒng)回歸模型或結(jié)構(gòu)方程模型進(jìn)行建模分析，無法識別復(fù)雜的非線性關(guān)系[20]，具有一定的局限性。為此，本研究將通過建立結(jié)構(gòu)方程模型探究新冠肺炎疫情期間大學(xué)生在工作日和休息日的感知建成環(huán)境、態(tài)度和出行行為的相互作用關(guān)系，在此基礎(chǔ)上采用人工神經(jīng)網(wǎng)絡(luò)探究細(xì)化的各個(gè)影響因素對于出行行為的重要性，從而幫助管理者在制定政策或措施時(shí)優(yōu)先考慮改善對出行行為影響最大的因素。

1 模型基礎(chǔ)及研究假設(shè)

1.1 模型基礎(chǔ)

考慮到感知建成環(huán)境、態(tài)度、出行行為和新冠肺炎疫情影響的關(guān)系較為復(fù)雜，結(jié)構(gòu)方程模型能夠同時(shí)處理多個(gè)因變量，并且允許自變量和因變量包含測量誤差[21]，因此該模型適用于本研究。不過，結(jié)構(gòu)方程模型只能得到結(jié)構(gòu)模型中的各個(gè)變量之間的相互作用關(guān)系，無法給出細(xì)化的各個(gè)測量變量對出行行為的影響，且存在難以進(jìn)行非線性分析的局限性，而人工神經(jīng)網(wǎng)絡(luò)能夠解決該問題，并可以識別復(fù)雜的非線性關(guān)系和非補(bǔ)償關(guān)系，具有很強(qiáng)的魯棒性和適應(yīng)性[22]。因此，將結(jié)構(gòu)方程模型和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合用于本次研究。

1.1.1 結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型是基于變量的協(xié)方差矩陣分析變量之間關(guān)系的一種統(tǒng)計(jì)方法。結(jié)構(gòu)方程模型包括測量模型和結(jié)構(gòu)模型。測量模型表示的是顯變量與潛變量間的關(guān)系，由潛在變量與測量變量組成[23]，而結(jié)構(gòu)模型主要反映模型中不可直接測量的潛變量之間的關(guān)系。

測量模型以矩陣形式表示如下：

式（1）～式（2）中：X為外生潛變量ξ的觀測變量；Y為內(nèi)生潛變量η的觀測變量；ΛX和ΛY分別是外生變量和內(nèi)生變量的因子載荷矩陣；δ和ε分別是外生觀測變量和內(nèi)生觀測變量的殘差。

結(jié)構(gòu)模型以矩陣形式表示如下：

式（3）中：B為內(nèi)生潛變量之間相互影響的矩陣；Γ為外生潛變量對內(nèi)生潛變量影響的矩陣；η為內(nèi)生潛變量；ξ為外生潛變量；ζ為殘差項(xiàng)，反映η未能被解釋的部分[24]。

1.1.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)通常由輸入層、輸出層和若干隱含層構(gòu)成，其結(jié)構(gòu)如圖1 所示。常見的神經(jīng)網(wǎng)絡(luò)模型有前饋神經(jīng)網(wǎng)絡(luò)方法、遞歸網(wǎng)絡(luò)、多層感知器神經(jīng)網(wǎng)絡(luò)等。本研究采用多層感知器神經(jīng)網(wǎng)絡(luò)來量化影響因素（預(yù)測因子）對因變量的影響。

圖1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

1.2 研究假設(shè)

本研究以某大學(xué)在校本科生為調(diào)查對象，認(rèn)為被調(diào)查者的客觀環(huán)境一致且不存在自主選擇客觀環(huán)境的情況。參考以往研究，結(jié)合實(shí)際情況，本文提出以下假設(shè)，并依據(jù)假設(shè)建立了概念模型，如圖2所示，其中：

圖2 概念模型

H1：感知建成環(huán)境對出行行為有顯著的正向影響；

H2：態(tài)度對出行行為有顯著的正向影響；

H3-1：態(tài)度對感知建成環(huán)境有顯著的正向影響；

H3-2：感知建成環(huán)境對態(tài)度有顯著的正向影響；

H4：新冠肺炎疫情對感知建成環(huán)境有顯著的負(fù)向影響；

H5：新冠肺炎疫情對態(tài)度有顯著的負(fù)向影響；

H6：新冠肺炎疫情對出行行為有顯著的負(fù)向影響。

2 數(shù)據(jù)收集與處理

2.1 數(shù)據(jù)獲取

國內(nèi)各高校在疫情期間多采取了封閉式校園管理措施，大連理工大學(xué)凌水校區(qū)也嚴(yán)格實(shí)施了封閉式校園管理，因此具有一定的代表性。本研究于2020 年9 月25 日（周五）和9 月26 日（周六）針對大連理工大學(xué)凌水校區(qū)本科生進(jìn)行問卷調(diào)查，共收集問卷429 份，其中有效問卷401 份，有效回收率為93.47%。問卷包括五大內(nèi)容：個(gè)人基本屬性、感知建成環(huán)境、態(tài)度、出行行為和新冠肺炎疫情的影響。個(gè)人基本屬性包括性別、年級、身體質(zhì)量指數(shù)（Body Mass In?dex,BMI）、平均學(xué)習(xí)成績、月生活費(fèi)用和健身頻率。感知建成環(huán)境量表依據(jù)社區(qū)環(huán)境可步行性量表簡化版（NEWS-A）[25]并結(jié)合實(shí)際情況制定，主要反映被調(diào)查者對建成環(huán)境便利性、道路狀況及安全性、美觀性等3 個(gè)維度的感知。態(tài)度是指對于出行的態(tài)度，衡量出行態(tài)度的指標(biāo)依據(jù)以往研究的態(tài)度量表[13]并結(jié)合預(yù)調(diào)查確定。出行行為采用校內(nèi)出行次數(shù)衡量，出行次數(shù)根據(jù)工作日和休息日的出行調(diào)查表統(tǒng)計(jì)得出。由于凌水校區(qū)路面起伏較大，步行是被調(diào)查者在校園內(nèi)的主要出行方式。

樣本的基本特征統(tǒng)計(jì)如表1 所示。樣本的男女比例為2∶1，與全校男女生比例相近?？紤]到大一新生對校園不熟悉，只選擇大二（44.9%）、大三（39.4%）和大四（15.7%）的學(xué)生作為調(diào)查對象。被調(diào)查者的BMI 值總體處于正常水平，小部分（20.0%）被調(diào)查者的BMI 高于30.0 或低于18.5。被調(diào)查者的平均學(xué)習(xí)成績大多（87.3%）在70～90 分，月生活費(fèi)用大多（63.8%）為1000～2000 元，大部分（77.3%）的被調(diào)查者每周只鍛煉兩次或更少。

表1 樣本基本特征描述性統(tǒng)計(jì)

表1（續(xù)）

感知建成環(huán)境包含8 個(gè)題項(xiàng)，用來反映便利性、道路狀況及安全性、美觀性等3 個(gè)維度。采用李克特五級量表，從1到5，分別表示非常不滿意、不滿意、中立、滿意、非常滿意。出行態(tài)度和新冠肺炎疫情影響的題項(xiàng)也采用李克特五級量表，從1到5，分別表示非常不認(rèn)同、不認(rèn)同、中立、認(rèn)同、非常認(rèn)同。各變量及其描述如表2 所示。

表2 變量描述表

2.2 信效度檢驗(yàn)

2.2.1 信度檢驗(yàn)

信度考察的是量表的內(nèi)部一致性。信度檢驗(yàn)既包含對量表整體的檢驗(yàn)，也包含對每個(gè)維度的檢驗(yàn)。信度檢驗(yàn)通過計(jì)算量表的克隆巴赫系數(shù)（Cronbach′sα）來檢驗(yàn)量表的內(nèi)部一致性。本研究信度檢驗(yàn)結(jié)果如表3 所示?？梢钥闯觯勘碚w的克隆巴赫系數(shù)為0.788，大于0.7，說明量表的內(nèi)部一致性較高，量表整體信度較好。感知建成環(huán)境的便利性、道路狀況及安全性、美觀性以及出行態(tài)度的克隆巴赫系數(shù)均大于0.6，滿足探究性量表的信度檢驗(yàn)要求，說明問卷能夠反映所需測量變量，測量結(jié)果具有較好的可靠性和穩(wěn)定性。

表3 信度檢驗(yàn)表

2.2.2 效度檢驗(yàn)

效度考察的是每個(gè)題項(xiàng)的能效性。首先進(jìn)行KMO（Kaiser-Meyer-Olkin）和Bartlett 檢驗(yàn)，結(jié)果如表4 所示，KMO 度量值為0.794，大于0.7。巴特利球形檢驗(yàn)近似卡方值為951.424，自由度為45，P值為0.000，小于0.01，通過了顯著水平為1%的顯著性檢驗(yàn)。因此，該量表數(shù)據(jù)適合進(jìn)行因子分析。

表4 KMO和Bartlett檢驗(yàn)結(jié)果

對量表數(shù)據(jù)進(jìn)行驗(yàn)證性因子分析，對聚斂效度和區(qū)分效度進(jìn)行檢驗(yàn)。聚斂效度檢驗(yàn)結(jié)果如表5 所示。各個(gè)題目關(guān)于潛變量的因子荷載均大于0.5，說明潛變量對于題目具有很好的代表性。AVE 平均方差抽取量大于0.4，潛變量的組合信度均大于0.6，在可接受范圍內(nèi)[26-27]。因此，量表的聚斂效度檢驗(yàn)通過。

表5 聚斂效度檢驗(yàn)結(jié)果

區(qū)分效度檢驗(yàn)結(jié)果如表6 所示。分析可知，便利性、道路狀況及安全性、美觀性及態(tài)度之間均具有顯著的相關(guān)性（P<0.01）。另外，相關(guān)性系數(shù)絕對值應(yīng)小于所對應(yīng)的AVE 的平方根，說明各個(gè)潛變量之間具有一定的相關(guān)性，且彼此之間又具有一定的區(qū)分度，因此量表數(shù)據(jù)的區(qū)分效度理想。

表6 區(qū)分效度檢驗(yàn)結(jié)果

綜上，量表的聚斂效度和區(qū)分效度均滿足要求，效度檢驗(yàn)通過，可繼續(xù)進(jìn)行建模分析。

3 數(shù)據(jù)分析及結(jié)果

3.1 描述性統(tǒng)計(jì)分析及相關(guān)性分析

對數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析和相關(guān)性分析，以初步了解感知建成環(huán)境、態(tài)度、出行行為以及新冠肺炎疫情影響的基本特征及變量間的相關(guān)關(guān)系，為后續(xù)建模分析奠定基礎(chǔ)。

描述性統(tǒng)計(jì)分析結(jié)果顯示：

（1）感知建成環(huán)境得分如下：便利性得分均值為3.115，標(biāo)準(zhǔn)差為0.762；道路狀況及安全性得分均值為3.156，標(biāo)準(zhǔn)差為0.873；美觀性得分均值為3.379，標(biāo)準(zhǔn)差為1.116。可見，被調(diào)查者對建成環(huán)境3 個(gè)維度的感知均一般，對建成環(huán)境美觀維度的感知相對滿意，便利性和道路狀況及安全有待改善。

（2）出行態(tài)度得分均值為4.110，標(biāo)準(zhǔn)差為0.896，說明被調(diào)查者的出行態(tài)度較為積極，態(tài)度可能在一定程度上調(diào)節(jié)感知環(huán)境對出行行為的影響。

（3）校內(nèi)出行行為方面，周五和周六的出行次數(shù)均值接近，約為6 次，說明總體上被調(diào)查者在工作日和休息日的出行次數(shù)相對穩(wěn)定；但是周五和周六最少出行次數(shù)均為0，最多出行次數(shù)為14 次（周五）和13 次（周六），說明同一天內(nèi)不同的被調(diào)查者其出行次數(shù)有較大差異。

對感知建成環(huán)境、態(tài)度、出行行為和新冠肺炎疫情影響的相關(guān)性分析結(jié)果如表7 所示。休息日出行行為與感知建成環(huán)境的便利性、道路狀況及安全性和美觀性顯著正相關(guān)（分別對應(yīng)P<0.01,P<0.05,P<0.05），與態(tài)度也呈顯著正相關(guān)（P<0.01）；工作日出行行為與便利性顯著正相關(guān)（P<0.05）；新冠肺炎疫情影響與便利性和道路狀況及安全性均顯著負(fù)相關(guān)（前者P<0.01，后者P<0.05），與出行態(tài)度顯著負(fù)相關(guān)（P<0.01），而與出行行為的相關(guān)性不顯著（P＞0.05）。

表7 主要變量相關(guān)性分析表

3.2 結(jié)構(gòu)方程建模及結(jié)果分析

在進(jìn)行描述性統(tǒng)計(jì)分析和相關(guān)性分析的基礎(chǔ)上，利用MPlus 軟件建立4 個(gè)結(jié)構(gòu)方程模型，以探究新冠肺炎疫情下工作日和休息日感知環(huán)境、態(tài)度與出行行為的關(guān)系。結(jié)構(gòu)方程模型1 和結(jié)構(gòu)方程模型2 依據(jù)概念模型1 建立，結(jié)構(gòu)方程模型3和結(jié)構(gòu)方程模型4 依據(jù)概念模型2 建立。結(jié)構(gòu)方程模型1 和結(jié)構(gòu)方程模型3 采用休息日的調(diào)查數(shù)據(jù)，結(jié)構(gòu)方程模型2 和結(jié)構(gòu)方程模型4 采用工作日的調(diào)查數(shù)據(jù)。

本研究選擇最大似然估計(jì)法進(jìn)行模型參數(shù)的估計(jì)。為保證標(biāo)準(zhǔn)誤差不被低估，需假設(shè)觀測變量服從多元正態(tài)分布。為此，引入Bootstrap 法，設(shè)置Bootstrap 樣本數(shù)為5 000，選取5 個(gè)擬合優(yōu)度檢驗(yàn)指標(biāo)，分別為：卡方自由度之比（χ2/df），比較擬合指數(shù)（Comparative Fit Index,CFI），Tuck?er-Lewis 指數(shù)（Tucker Lewis Index,TLI），近似誤差均方根（Root Mean Square Error of Approxima?tion,RMSEA）和標(biāo)準(zhǔn)化殘差平方和的平方根（Standard Root Mean-square Residual,SRMR）。擬合結(jié)果如表8 所示，可以看出4 個(gè)模型均能充分?jǐn)M合數(shù)據(jù)。

表8 模型擬合結(jié)果

結(jié)構(gòu)方程模型1 和模型3 探究休息日出行行為與感知建成環(huán)境、態(tài)度和疫情影響的相互關(guān)系，二者的區(qū)別在于模型1 假設(shè)態(tài)度影響感知建成環(huán)境，模型3 假設(shè)感知建成環(huán)境影響態(tài)度；結(jié)構(gòu)方程模型2 和模型4 探究工作日出行行為與感知建成環(huán)境、態(tài)度和疫情影響的相互關(guān)系，區(qū)別在于模型2 假設(shè)態(tài)度影響感知建成環(huán)境，模型4假設(shè)感知建成環(huán)境影響態(tài)度。4 個(gè)結(jié)構(gòu)方程模型的結(jié)果如圖3所示。

圖3 結(jié)構(gòu)方程模型結(jié)果

分析建模結(jié)果可知：

（1）感知建成環(huán)境的便利性對休息日和工作日的出行行為有顯著的正向影響，道路狀況及安全性和美觀性對出行行為的影響不顯著。因此，在改善校園建成環(huán)境時(shí)，應(yīng)優(yōu)先提升便利性。態(tài)度對休息日出行行為有顯著的直接的正向影響（模型1和模型3），對工作日出行行為無顯著影響（模型2和模型4），這可能是因?yàn)楣ぷ魅粘鲂行袨楦嗳Q于工作、學(xué)習(xí)的剛性需求，與出行態(tài)度的關(guān)系不大。

（2）關(guān)于感知環(huán)境和態(tài)度的相互作用關(guān)系，模型1 和模型2 的結(jié)果說明態(tài)度對感知的便利性、道路狀況及安全、美觀性均有顯著的正向影響，態(tài)度越積極，對建成環(huán)境的感知越好。因此，大學(xué)生可以通過調(diào)整自身的出行態(tài)度來改善對于建成環(huán)境的感知。模型3 和模型4 的結(jié)果說明：感知的便利性和美觀性對出行態(tài)度有顯著的正向影響，說明感知建成環(huán)境越好，大學(xué)生的出行態(tài)度越積極。進(jìn)一步對比發(fā)現(xiàn)，態(tài)度對感知建成環(huán)境的影響大于感知建成環(huán)境對態(tài)度的影響。

（3）新冠肺炎疫情對感知建成環(huán)境的便利性（模型1、模型2、模型3 和模型4）和道路狀況及安全（模型3和模型4）有顯著負(fù)向影響，說明新冠肺炎疫情導(dǎo)致大學(xué)生對校園便利性和道路狀況及安全性的滿意度降低，這可能是因?yàn)榉忾]式管理將學(xué)生的出行限制在校園內(nèi)，使得學(xué)生對校園建成環(huán)境的要求更高。另外，新冠肺炎疫情對出行態(tài)度有顯著的負(fù)向直接影響，但對出行行為幾乎沒有影響，這是由于學(xué)校的封閉式管理只限制大學(xué)生出校，而不限制校內(nèi)出行。

（4）個(gè)人基本屬性對感知建成環(huán)境、態(tài)度和出行行為有直接或間接的影響。與女生相比，男生對建成環(huán)境便利性的感知更差（模型1和模型2），對美觀性的感知更好（模型1、模型2、模型3 和模型4）。性別對出行態(tài)度和出行行為無顯著影響。高年級的大學(xué)生對建成環(huán)境的感知更差且出行態(tài)度更消極（模型1、模型2、模型3和模型4），休息日出行次數(shù)更少（模型1 和模型3）。BMI 對感知建成環(huán)境沒有顯著影響，對出行態(tài)度有顯著的直接或間接影響（模型1、模型2、模型3 和模型4）。平均學(xué)習(xí)成績對感知建成環(huán)境、態(tài)度和出行行為無顯著影響。月生活費(fèi)用較高的學(xué)生對于建成環(huán)境便利性的感知更好（模型1、模型2、模型3 和模型4），出行態(tài)度更加積極（模型3 和模型4），出行次數(shù)更多（模型1、模型2、模型3 和模型4）。健身頻率較高的學(xué)生在休息日的出行次數(shù)更多（模型1和模型3）。

感知的便利性、道路狀況及安全性、美觀性、態(tài)度和出行行為的擬合優(yōu)度評價(jià)指標(biāo)R2如表9 所示。其中，感知便利性、道路狀況及安全性、美觀性、態(tài)度和出行行為是本研究涉及的多個(gè)因變量。R2反映了自變量對因變量的解釋程度，R2越高，說明模型對該變量的解釋性越好。模型1和模型2 中的感知建成環(huán)境對應(yīng)的R2均大于模型3和模型4中感知建成環(huán)境對應(yīng)的R2，說明態(tài)度對感知建成環(huán)境具有一定的解釋性。模型3和模型4中態(tài)度對應(yīng)的R2大于模型1 和模型2 中態(tài)度對應(yīng)的R2，說明感知環(huán)境對態(tài)度具有一定的解釋性。模型1 和模型3 的休息日出行行為對應(yīng)的R2均為0.135，模型2 和模型4 的工作日出行行為對應(yīng)的R2均為0.057，說明感知環(huán)境和態(tài)度的因果關(guān)系基本不影響模型對出行行為的解釋能力，且模型對休息日出行行為的解釋性更好。

表9 擬合優(yōu)度評價(jià)結(jié)果R2

3.3 人工神經(jīng)網(wǎng)絡(luò)建模及結(jié)果分析

前文采用結(jié)構(gòu)方程模型分析了感知建成環(huán)境的3 個(gè)潛變量（便利性、道路狀況及安全性、美觀性）和態(tài)度對出行行為的影響，為了更深入地分析感知建成環(huán)境和態(tài)度的各個(gè)題項(xiàng)對應(yīng)的因子對休息日和工作日出行行為的影響，從而為改善建成環(huán)境、培養(yǎng)積極的出行態(tài)度提供更科學(xué)的依據(jù)，本研究采用SPSS軟件創(chuàng)建了人工神經(jīng)網(wǎng)絡(luò)用以量化各個(gè)影響因素對于休息日和工作日出行行為的重要性。影響因素的重要性是神經(jīng)網(wǎng)絡(luò)中輸入變量貢獻(xiàn)的衡量指標(biāo)，本研究中的重要性為絕對重要性，反映輸入變量的重要程度。

兩個(gè)神經(jīng)網(wǎng)絡(luò)模型的輸入變量均為衡量感知建成環(huán)境的便利性（Acc1,Acc2,Acc3）、道路狀況及安全性（Rcs1,Rcs2,Rcs3）、美觀性（Aes1,Aes2）的8 個(gè)變量以及衡量出行態(tài)度的2 個(gè)變量（Att1,Att2）。輸出分別為休息日的出行次數(shù)和工作日的出行次數(shù)。兩個(gè)神經(jīng)網(wǎng)絡(luò)均有一個(gè)隱含層，隱藏神經(jīng)元的數(shù)量為自動(dòng)生成，訓(xùn)練采用多層訓(xùn)練感知算法實(shí)現(xiàn)。在此基礎(chǔ)上開展敏感度分析，得到神經(jīng)網(wǎng)絡(luò)中各個(gè)輸入變量對因變量的重要性。

感知建成環(huán)境、態(tài)度對休息日出行行為的重要性排序如圖4 所示。感知建成環(huán)境、態(tài)度對工作日出行行為的重要性排序如圖5所示。

圖4 感知建成環(huán)境、態(tài)度對休息日出行行為的重要性排序

圖5 感知建成環(huán)境、態(tài)度對工作日出行行為的重要性排序

對神經(jīng)網(wǎng)絡(luò)建模結(jié)果進(jìn)行分析可知，對休息日出行行為最具影響力的是校園內(nèi)購物/就餐的便利程度（Acc1），其次是出行態(tài)度（Att2）。對工作日出行行為最具影響力的是夜間道路燈光和校內(nèi)出行安全感（Rcs3），其次是校園內(nèi)基礎(chǔ)設(shè)施的完善程度（Acc3）。與休息日相比，態(tài)度的兩個(gè)因子對工作日出行行為的影響力較弱，這與結(jié)構(gòu)方程模型的結(jié)果一致。結(jié)構(gòu)方程模型和神經(jīng)網(wǎng)絡(luò)的結(jié)果也存在一定差異，這與以往研究結(jié)果一致[21]，例如：結(jié)構(gòu)方程模型中感知的道路狀況及安全性對出行行為沒有顯著影響，而在神經(jīng)網(wǎng)絡(luò)模型中，道路狀況及安全性對應(yīng)的題項(xiàng)中的校園內(nèi)出行安全（Rcs2）對休息日出行行為的重要性較高，夜間道路燈光和校內(nèi)出行安全感（Rcs3）對工作日出行行為的重要性較高。存在差異的原因可能是線性補(bǔ)償?shù)慕Y(jié)構(gòu)方程模型與非線性非補(bǔ)償?shù)娜斯ど窠?jīng)網(wǎng)絡(luò)相比存在過度簡化的問題。這也體現(xiàn)了結(jié)構(gòu)方程模型與神經(jīng)網(wǎng)絡(luò)組合分析的意義。根據(jù)各因素對出行行為的重要性排序，可以進(jìn)一步細(xì)化各個(gè)因素對出行行為的影響，在制定政策或具體措施時(shí)以此為依據(jù)，優(yōu)先改善對出行行為影響最大的因素。

3.4 討論

（1）感知建成環(huán)境，尤其是便利性，對大學(xué)生休息日和工作日的出行行為有顯著的積極影響。因此，學(xué)校應(yīng)通過改善校園的客觀建成環(huán)境，如完善校園內(nèi)的基礎(chǔ)設(shè)施并優(yōu)化設(shè)施布局，或采取措施改善大學(xué)生對已有客觀建成環(huán)境的感知來鼓勵(lì)大學(xué)生校內(nèi)出行。

（2）態(tài)度對休息日出行行為有顯著的直接的正向影響，對工作日出行行為無顯著影響。工作日的出行行為更多地取決于工作、學(xué)習(xí)等剛性需求，而非出行態(tài)度。

（3）態(tài)度對感知建成環(huán)境的影響和感知建成環(huán)境對態(tài)度的影響均顯著，前者相對更強(qiáng)。目前感知環(huán)境的現(xiàn)狀一般，態(tài)度相對較為積極，因此，態(tài)度可以在一定程度上調(diào)節(jié)感知建成環(huán)境對出行行為的影響，培養(yǎng)學(xué)生積極的出行態(tài)度對于改善大學(xué)生對建成環(huán)境的感知具有重要作用。

（4）性別、年級、BMI、月生活費(fèi)用等個(gè)人基本屬性對感知建成環(huán)境、態(tài)度和出行行為有直接或間接的影響，學(xué)校在制定政策時(shí)可以考慮更加個(gè)性化、更具針對性的措施。

（5）新冠肺炎疫情對感知建成環(huán)境的便利性、道路狀況及安全性、出行態(tài)度均有顯著的負(fù)向的直接或間接影響，對校園內(nèi)出行行為的影響不顯著。因此學(xué)校應(yīng)特別關(guān)注新冠肺炎疫情期間大學(xué)生的心理狀態(tài)，采取積極有效的措施應(yīng)對新冠肺炎疫情帶來的消極影響，做好大學(xué)生心理健康教育和疏導(dǎo)工作。

4 結(jié)語

本研究采用結(jié)構(gòu)方程模型對新冠肺炎疫情期間大學(xué)生在工作日和休息日的感知建成環(huán)境、態(tài)度和出行行為的相互作用關(guān)系進(jìn)行了建模分析，重點(diǎn)討論了感知建成環(huán)境和態(tài)度之間的相互作用機(jī)制，以及各變量的相互作用關(guān)系在工作日和休息日的區(qū)別。在此基礎(chǔ)上建立神經(jīng)網(wǎng)絡(luò)對細(xì)化的各個(gè)影響因素對出行行為的重要性進(jìn)行了排序。根據(jù)研究結(jié)果，建議高校注重客觀和感知建成環(huán)境的改善，如完善校園內(nèi)的基礎(chǔ)設(shè)施、優(yōu)化布局或采取措施改善大學(xué)生對已有客觀建成環(huán)境的感知，培養(yǎng)學(xué)生積極的出行態(tài)度。

本研究仍存在如下一些局限性：首先，該研究采用的是橫截面數(shù)據(jù)，而實(shí)際上感知建成環(huán)境、態(tài)度和出行行為是動(dòng)態(tài)變化的，未來可嘗試采用縱向數(shù)據(jù)或面板數(shù)據(jù)進(jìn)一步研究三者之間的復(fù)雜關(guān)系；其次，對感知環(huán)境和態(tài)度的測度不夠全面和精準(zhǔn)，例如，本文只討論了出行態(tài)度，而沒有涉及對環(huán)保的態(tài)度、對健康的態(tài)度、對政策的態(tài)度等更多元的態(tài)度因素；此外，生活習(xí)慣也是一個(gè)比較重要的影響因素，下一步研究可將其納入考量。