胡三根，王潤(rùn)鴻，王小霞，劉圓圓

（廣東工業(yè)大學(xué) 土木與交通工程學(xué)院，廣東 廣州510006）

隨著城市化進(jìn)程加快，交通系統(tǒng)迅速發(fā)展，推動(dòng)了社會(huì)的發(fā)展，改善了居民的生活和出行[1]。居民出行方式和出行行為的復(fù)雜多樣化，對(duì)城市交通結(jié)構(gòu)的構(gòu)成和交通系統(tǒng)的管理有著重要的影響。研究城市居民出行行為，不僅有利于交通管理和規(guī)劃，而且有助于緩解人們與交通環(huán)境之間的矛盾。

關(guān)于居民出行行為研究，現(xiàn)有文獻(xiàn)主要集中在常態(tài)下的出行方式選擇行為研究[2]。例如，欒鑫等[3]結(jié)合國(guó)內(nèi)特大城市居民出行狀況調(diào)查(原始數(shù)據(jù))，建立混合Logit模型分析居民出行方式選擇行為與影響因素之間的相互作用機(jī)理；郭季等[4]將交通供給水平和城市規(guī)模作為影響出行方式的因素，構(gòu)建了居民出行方式選擇結(jié)構(gòu)方程模型；景鵬等[5]將影響通勤出行方式選擇行為的各種心理因素引入到傳統(tǒng)Logit模型中，以此構(gòu)建混合選擇模型，并利用實(shí)證數(shù)據(jù)驗(yàn)證了模型的準(zhǔn)確度；田晟等[6]利用三參考點(diǎn)多屬性決策法分析居民出行方式選擇行為；Kitamura[7]基于出行鏈對(duì)個(gè)體出行行為展開研究，指出當(dāng)個(gè)體考慮出行目的時(shí)，往往會(huì)考慮更多其他活動(dòng)目的的出行鏈，從而節(jié)約時(shí)間、費(fèi)用成本以達(dá)到出行效用最大化。Kuppam和Pendyala[8]基于特定活動(dòng)出行調(diào)查數(shù)據(jù)，對(duì)中長(zhǎng)距離下的出行方式選擇進(jìn)行了研究；Limtanakool等[9]采用描述性統(tǒng)計(jì)及二分變量Logit模型(Binary Logit,BL)建模方法，研究了不同出行目的對(duì)出行方式影響。

2020年的新型冠狀病毒感染的肺炎疫情(以下簡(jiǎn)稱“新冠肺炎疫情”)是新中國(guó)成立以來(lái)傳播快、范圍廣、防控難的一次重大突發(fā)公共衛(wèi)生事件。針對(duì)這次公共衛(wèi)生突發(fā)事件，相關(guān)學(xué)者已對(duì)新型冠狀病毒擴(kuò)散機(jī)理[10-14]、防疫策略[15-21]、交通運(yùn)輸應(yīng)急管理[22-24]等方面開展了細(xì)致研究，而對(duì)于非常態(tài)時(shí)期下(受新冠肺炎疫情影響)居民出行方式選擇行為的影響因素研究較為少見。段小麗等[25]對(duì)新冠肺炎疫情期間國(guó)內(nèi)人群交通出行行為展開了數(shù)據(jù)調(diào)查和分析，研究發(fā)現(xiàn)了新冠肺炎疫情會(huì)影響人群出行頻次和交通方式，但并沒有對(duì)出行方式的影響因素展開實(shí)證分析。為此，將針對(duì)新冠肺炎疫情發(fā)展的3個(gè)不同階段，分別對(duì)居民出行方式選擇行為及影響因素展開研究，旨在揭示新冠肺炎疫情這類突發(fā)公共衛(wèi)生事件對(duì)居民出行方式選擇行為的影響機(jī)理，為相關(guān)管理部門制定科學(xué)決策提供支持。

1 居民出行意向數(shù)據(jù)調(diào)查

本次調(diào)查分為3個(gè)時(shí)期：疫情初期、疫情中期及疫情后期，即疫情初期為2019年12月～2020年1月20日，疫情中期2020年1月21日～2月23日，疫情后期2020年2月24日之后[26]；調(diào)查地點(diǎn)為廣東省中山市坦洲鎮(zhèn)；調(diào)查對(duì)象為本地常住居民以及本地暫住居民；調(diào)查方式主要通過(guò)線上問卷調(diào)查及線下詢問，以出行個(gè)體為單位進(jìn)行居民出行調(diào)查；調(diào)查內(nèi)容主要有出行者屬性、出行目的、出行時(shí)間、出行距離、出行方式。本次抽樣調(diào)查數(shù)據(jù)經(jīng)過(guò)篩選得到有效數(shù)據(jù)樣本為318份，被調(diào)查的出行者屬性分布如圖1所示。

圖1 出行者屬性分布Fig.1 Distribution of traveler attributes

調(diào)查數(shù)據(jù)發(fā)現(xiàn)，中山市坦洲鎮(zhèn)區(qū)居民主要出行方式為公共汽車、步行、自行車、汽車、電動(dòng)車，其他方式(如摩托車)由于樣本量小原因，未加以考慮。其中，以公共汽車出行方式為主，比例約為46.9%。除此之外，居民更傾向于汽車出行，比例約為22%，較少選擇自行車和電動(dòng)車出行，出行結(jié)構(gòu)數(shù)據(jù)如表1所示。

2 出行方式選擇的非集計(jì)模型

傳統(tǒng)的集計(jì)模型未從個(gè)體屬性、家庭狀況、社會(huì)等因素來(lái)考慮個(gè)體出行行為特征，而非集計(jì)模型主要是從個(gè)體交通特性(出行目的、出行距離、時(shí)間費(fèi)用等)和個(gè)體屬性(性別、年齡、心理特征等)等角度來(lái)研究，能比較準(zhǔn)確地反映出行者個(gè)人的出行方式選擇過(guò)程[27]。非集計(jì)模型是基于隨機(jī)效用理論和效用最大化理論建立的離散選擇模型，即假設(shè)在特定條件下，出行者在出行時(shí)總是會(huì)選擇效用值最大的選擇肢。根據(jù)隨機(jī)效用理論，將效用視作為一個(gè)隨機(jī)函數(shù)，通常將效用函數(shù)分為固定項(xiàng)函數(shù)和隨機(jī)項(xiàng)函數(shù)兩部分組成[28]，如式(1)所示。

表1 居民出行結(jié)構(gòu)數(shù)據(jù)Table 1 Travel structure data of residents

非集計(jì)模型最常見的兩個(gè)離散選擇模型為多元Logit模型和多元Probit模型。為避免Logit模型獨(dú)立不相關(guān)特性(IIA特性)對(duì)出行方式選擇行為研究的影響，采用由多元Logit模型演變而來(lái)的Nested Logit模型，即考慮選擇肢間存在相關(guān)性。Nested Logit模型(NL模型)又稱為分層Logit模型，根據(jù)選擇肢特性以及各個(gè)選擇肢間的相互關(guān)系，將選擇方案分層，每層選擇代表一個(gè)水平，同一層內(nèi)的各個(gè)方案之間不具有相關(guān)性。Nested Logit模型在考慮方案分層時(shí)，會(huì)將相似性較大的選擇方案劃分為同一個(gè)層級(jí)，反之則劃分為不同層級(jí)，其結(jié)構(gòu)圖如圖2所示。

圖2 Nested Logit模型結(jié)構(gòu)圖Fig.2 Structure diagram of Nested Logit model

在Nested Logit模型中，上層方案的效用一般受下層方案的效用影響和該層方案本身因素的影響。在進(jìn)行模型預(yù)測(cè)時(shí)，一般先確立虛擬選擇肢，然后確立選擇肢。而模型標(biāo)定是從底層開始，先對(duì)選擇肢分析，并將底層影響因素總效用值Logsum作為上層模型的變量，與上層模型的其他變量一起進(jìn)行參數(shù)標(biāo)定。Logsum變量為底層影響因素總效用值，將其作為影響上層方案的一個(gè)影響因素，反映了上下層模型是否緊密聯(lián)系，是Nested Logit模型判斷是否合理的一個(gè)重要指標(biāo)[29]。其表達(dá)式為

Nested Logit模型以時(shí)空限制理論為基本理論，以個(gè)體為調(diào)查單位，考慮從出行者個(gè)人屬性因素角度來(lái)研究居民出行特征?；谛в米畲蠡碚摵碗S機(jī)效用理論建立數(shù)學(xué)模型，能最大程度擬合居民出行情況，能更加準(zhǔn)確分析居民出行方式選擇行為影響因素。

3 出行方式選擇Nested Logit模型

3.1 模型構(gòu)建

Nested Logit模型建模流程如圖3所示。首先確定選擇方案及其影響因素，構(gòu)建模型分層。然后，利用數(shù)據(jù)統(tǒng)計(jì)軟件(Statistical Product and Service Solutions,SPSS)確立顯著影響因素，從而確立效用函數(shù)表達(dá)式。采用非線性回歸法求出底層各個(gè)方案效用函數(shù)β 系數(shù)，求出效用函數(shù)，從而求得Logsum變量值。最后，將Logsum變量值引入上層方案，運(yùn)用SPSS進(jìn)行模型顯著影響因素研究。

圖3 Nested Logit模型計(jì)算流程圖Fig.3 Computational flow of Nested Logit model

3.2 選擇肢和影響因素確定

根據(jù)居民出行狀況的調(diào)查，將Nested Logit模型分為兩層，如圖4所示。模型上層分為公共交通方式和私人交通方式，其中公共交通方式主要指公共汽車出行方式。原因是所調(diào)查的區(qū)域目前還沒有軌道交通，居民出行主要選擇公共汽車這一種公共交通工具。私人交通方式下層分為步行、自行車、汽車和電動(dòng)車。

圖4 Nested Logit結(jié)構(gòu)圖Fig.4 Structure diagram of Nested Logit model

將影響因素分為出行者屬性和出行特性，其中，出行者屬性主要包括出行者性別、年齡、職業(yè)、經(jīng)濟(jì)狀況及是否擁有汽車；出行特性包括出行目的、出行時(shí)間和出行距離。為方便建模分析，將上述這些影響因素進(jìn)行變量定義，如表2所示。

表2 模型變量說(shuō)明Table 2 Variables and their explanations of model

3.3 模型參數(shù)標(biāo)定

以疫情初期階段下居民出行調(diào)查數(shù)據(jù)為例，將下層方案的4種私人交通方式(步行、自行車、汽車、電動(dòng)車)作為因變量，性別、年齡、職業(yè)、個(gè)人經(jīng)濟(jì)狀況、是否擁有汽車、出行目的、出行時(shí)間和出行距離作為出行方式選擇模型的解釋變量，借助SPSS軟件進(jìn)行多元Logistic回歸分析，其模型的主要影響參數(shù)估計(jì)結(jié)果如表3所示。

表3 下層參數(shù)估算值Table 3 Lower parameter estimation

根據(jù)模型參數(shù)表，可知下層方案的顯著性影響因素。利用SPSS軟件通過(guò)非線性回歸法對(duì)效用函數(shù)系數(shù)進(jìn)行求解，即將所有實(shí)證數(shù)據(jù)迭代入效用函數(shù)方程中，求得最符合方程的X變量β系數(shù)。其結(jié)果為

將效用函數(shù)代入式(3)中可求得Logsum變量值，將Logsum變量作為一個(gè)新的影響居民出行方案選擇因素引入上層方案中，通過(guò)SPSS進(jìn)行上層模型顯著因素研究，結(jié)果如表4所示。

表4 上層方案參數(shù)估算值Table 4 Upper parameter estimation

根據(jù)Logsum變量值一欄中的“顯著性”值小于0.05，表明Logsum變量對(duì)于該模型整體存在顯著影響，即說(shuō)明模型上下層存在關(guān)聯(lián)性，該雙層Logit模型構(gòu)建合理，對(duì)實(shí)證數(shù)據(jù)擬合度高。

4 模型結(jié)果分析

利用SPSS軟件分別針對(duì)疫情初期、疫情中期、疫情后期的居民出行方式選擇行為建模分析，并將顯著影響居民出行方式選擇的影響因素B值匯總，如表5所示。

(1)公共汽車出行方式選擇行為影響因素分析。

如表5所示，疫情初期，出行者是否擁有汽車、經(jīng)濟(jì)狀況、出行目的、出行時(shí)間和出行距離都對(duì)公共汽車出行方式選擇行為具有顯著影響。根據(jù)B值的絕對(duì)值大小可知影響因素的顯著程度，即在影響因素組中，是否擁有汽車對(duì)公共汽車出行方式選擇行為影響程度最高(負(fù)相關(guān))，其次是出行距離(正相關(guān))、出行時(shí)間(負(fù)相關(guān))、經(jīng)濟(jì)狀況(負(fù)相關(guān))、出行目的(負(fù)相關(guān))。具體影響關(guān)系為：家庭沒有汽車或者出行距離較遠(yuǎn)的情況下，居民出行更容易選擇公共汽車出行；家庭經(jīng)濟(jì)狀況一般或出行時(shí)間較短的情形下，出行者越容易選擇公共汽車出行。此外，出行目的為上班或上學(xué)的出行者更傾向于公共汽車出行。

疫情中期，年齡與出行目的對(duì)公共汽車出行方式選擇影響顯著(正相關(guān))。原因可能是隨著疫情大面積爆發(fā)，出于安全考慮，停工、停課、居家隔離等管控措施開始實(shí)施，居民出行隨之發(fā)生變化。從年齡上來(lái)看，年齡較大(30～60歲)的出行者外出活動(dòng)人數(shù)比例較高，出行目的一般為購(gòu)物或日常采購(gòu)。

表5不同疫情時(shí)期下的影響因素B值匯總表Table 5 B value analysis of influencing factors in different epidemic periods

與疫情初期相比，疫情后期為出行者的年齡、是否擁有汽車、經(jīng)濟(jì)狀況和出行目的對(duì)公共汽車出行方式選擇行為影響最為顯著，而出行時(shí)間和出行距離不再顯著影響。究其原因是疫情后期，國(guó)內(nèi)疫情趨于穩(wěn)定和可控，逐漸開始復(fù)工復(fù)產(chǎn)和開學(xué)，此時(shí)出行需求主要集中在上班和上學(xué)，這兩者的出行距離和出行時(shí)間相對(duì)固定，因此出行距離和出行時(shí)間對(duì)公共交通方式選擇影響不再顯著。

(2) 步行出行方式選擇行為影響因素分析。

疫情初期，出行者年齡、是否擁有汽車、出行距離對(duì)步行出行方式選擇行為影響最為顯著。根據(jù)B值系數(shù)絕對(duì)值排序，影響最為顯著的因素為是否擁有汽車，其次是出行距離和年齡。具體影響關(guān)系為：擁有汽車的人選擇步行出行的比例大于選擇電動(dòng)車出行(參照電動(dòng)車)，年齡越大的出行者更傾向選擇步行出行；出行距離較遠(yuǎn)的情況下，出行者越不容易選擇步行出行。

疫情中期，出行者是否擁有汽車和出行距離對(duì)步行出行方式選擇行為影響顯著，而出行者年齡不再顯著影響。而在疫情后期，年齡和經(jīng)濟(jì)狀況對(duì)步行出行方式選擇有顯著影響，而且這些影響因素在不同時(shí)期下對(duì)居民步行出行行為影響效用存在明顯變化，比如出行距離相比疫情初期對(duì)于步行出行的影響更加顯著。不難理解，由于疫情緣故，居民出行主要為短距離出行，短距離出行交通方式中主要以步行為主。

年齡項(xiàng)在疫情中期不再作為步行出行行為顯著影響因素。原因是受疫情影響，大部分居民出行為短距離出行且出行時(shí)間較短，而且交通管控措施開始實(shí)施，此時(shí)步行成為各個(gè)年齡段出行者的主要出行方式，故疫情中期年齡對(duì)于步行方式選擇行為影響不再顯著。據(jù)調(diào)查數(shù)據(jù)顯示，疫情后期步行出行選擇比例上升，主要表現(xiàn)為低年齡段的人選擇步行出行比例明顯增多，故年齡項(xiàng)又再次顯著影響步行出行方式的選擇。經(jīng)濟(jì)狀況對(duì)步行方式選擇有顯著影響，具體表現(xiàn)為低收入家庭更傾向步行出行。

(3)自行車出行方式選擇行為影響因素分析。

疫情初期，性別、年齡和出行距離對(duì)于自行車出行方式選擇行為影響顯著。具體影響表現(xiàn)為：男性相對(duì)女性更愿意自行車出行；年齡小的出行者相對(duì)于年齡大的越容易選擇自行車出行；出行距離越大，自行車出行對(duì)出行者的吸引力相比步行方式更強(qiáng)。

疫情中期，年齡、職業(yè)、出行目的及出行距離對(duì)于自行車出行選擇行為都具有相關(guān)性，例如，年齡小的出行者相對(duì)于年齡大的出行者越容易選擇自行車出行；出行距離越大，自行車出行對(duì)居民出行方式選擇吸引力就越大。與疫情初期相比，性別因素不再作為顯著因素，這是因?yàn)橐咔榍闆r下，自行車在長(zhǎng)距離出行需求上的競(jìng)爭(zhēng)力明顯增強(qiáng)，此時(shí)男女都傾向選擇自行車出行，從而造成性別對(duì)自行車出行方式選擇行為影響較小。疫情后期，自行車出行方式選擇主要影響因素僅為年齡項(xiàng)。

(4)汽車出行方式選擇行為影響因素分析。

疫情初期，年齡、經(jīng)濟(jì)狀況及出行距離對(duì)于汽車出行方式的選擇行為影響顯著。經(jīng)濟(jì)狀況越好，或出行距離越遠(yuǎn)，對(duì)選擇汽車出行有很大的影響。調(diào)查數(shù)據(jù)顯示，隨出行距離增大，汽車出行選擇比例逐漸增大，尤其當(dāng)出行距離大于20 km時(shí)，汽車出行會(huì)成為主要的出行方式。

疫情中期，經(jīng)濟(jì)狀況和出行距離對(duì)于居民選擇汽車出行有顯著影響。受疫情影響，出行者會(huì)更偏向汽車出行來(lái)取代公交等容易產(chǎn)生交叉感染新冠病毒的出行方式，使得這些出行者選擇汽車出行比例增大，經(jīng)濟(jì)狀況在汽車方式選擇行為上產(chǎn)生顯著影響。疫情后期，影響汽車出行方式選擇的顯著性因素與疫情初期相同，而且這些影響因素的影響程度更加明顯。

(5) 電動(dòng)車出行方式選擇行為影響因素分析。

疫情初期，是否擁有汽車、出行距離和年齡對(duì)于電動(dòng)車出行方式的選擇行為影響顯著。具體表現(xiàn)為：沒有汽車的出行者更傾向選擇電動(dòng)車出行；出行距離對(duì)于電動(dòng)車出行方式選擇是正相關(guān)關(guān)系，出行者由于體力原因，出行距離越大，相對(duì)步行出行越容易選擇電動(dòng)車出行；年齡較小的出行者相對(duì)年齡較大的越容易選擇電動(dòng)車出行。

疫情中期，年齡因素不再作為顯著影響因素，出行距離對(duì)電動(dòng)車出行選擇具有更強(qiáng)的相關(guān)性。疫情后期，經(jīng)濟(jì)狀況會(huì)顯著影響電動(dòng)車出行方式選擇，其它的顯著性因素與疫情初期相同，而且同一影響因素的影響程度有所增強(qiáng)。

5 結(jié)論

利用非集計(jì)理論對(duì)疫情影響下居民出行方式選擇行為影響因素展開研究，得到了在不同疫情階段下的居民出行方式選擇行為與影響因素之間的關(guān)系，具體表現(xiàn)為：

(1)疫情初期，出行距離為影響居民出行方式選擇的主要因素，對(duì)于各個(gè)交通方式選擇都存在顯著影響，這是因?yàn)椴煌某鲂蟹绞接胁煌m宜的出行距離。年齡和是否擁有汽車對(duì)于大部分交通方式選擇也都存在顯著影響。因此，在疫情初期，可考慮對(duì)出行者的出行距離或活動(dòng)范圍進(jìn)行有效管控，減少居民以公共汽車或汽車為出行方式的長(zhǎng)距離出行，從而降低疫情傳播風(fēng)險(xiǎn)，對(duì)疫情中后期的控制可起到關(guān)鍵作用。

(2)疫情中期，影響居民出行方式選擇行為的因素出現(xiàn)了較大變化，即顯著性影響因素減少、影響程度變大，如影響公共汽車出行方式選擇的因素僅為年齡與出行目的。因此，在疫情中期，可以根據(jù)居民出行目的靈活設(shè)置公共汽車運(yùn)營(yíng)策略，例如需求響應(yīng)式運(yùn)營(yíng)策略，減少因驟減的居民出行需求而帶來(lái)的不利影響。

(3)疫情后期，居民出行方式選擇行為的影響因素與疫情初期大致相同，但影響程度會(huì)發(fā)生變化。

綜上，居民出行方式選擇行為影響因素在新冠肺炎疫情不同階段有很大不同，而且這些因素的影響效用與疫情嚴(yán)重程度有顯著關(guān)系。在制定疫情防控策略或開展流行病學(xué)調(diào)查時(shí)，可以適當(dāng)考慮疫情不同階段下的出行方式的選擇行為進(jìn)行有效研究[25]。