張昕明 弓 棣 謝秉磊▲ 馬 航

（1.哈爾濱工業(yè)大學（深圳）建筑學院 廣東 深圳 518055；2.上海市政工程設計研究總院集團廣東有限公司 廣東 深圳 518042）

0 引 言

新型冠狀病毒肺炎疫情對公共交通影響巨大，2020年全國公共汽電車客運量442.36億人，下降36.1%[1]。一方面是由于疫情影響導致城市出行總量下降，且各地實施公交停運或有限開通等策略造成服務中斷；另一方面，疫情對居民出行方式選擇行為和出行習慣的長期影響也不容忽視。由于公共交通在直觀上具有更高的感染風險[2]，城市居民出行方式已經(jīng)開始重新向小汽車、自行車等更為私人化的交通工具轉(zhuǎn)移。歐洲的德國、瑞士等國家的居民對公交出行也已經(jīng)產(chǎn)生了消極態(tài)度，這勢必會加大城市交通擁堵，對公共資源分配效率和氣候環(huán)境也會產(chǎn)生負面影響。

面對常態(tài)化疫情防控的大背景，如何制定有效的疫情防控策略，既能提供基本出行服務，又能保持公共交通吸引力，是城市公共交通管理部門面臨的關(guān)鍵挑戰(zhàn)。當前仍以防控為重點，多是從企業(yè)運營、政府管理角度出發(fā)。如運營模式方面，在傳統(tǒng)運營模式上施行停運部分公交站點或公交線路的宏觀策略或調(diào)整發(fā)車間隔及滿載率的微觀策略[3-4]，或?qū)嵭卸ㄖ乒坏刃滦托枨箜憫降倪\營模式，以分散公交需求[5-6]；管理策略方面，在整體防控的大框架下[7-8]，提出了一系列包括消殺通風、強制佩戴口罩、利用大數(shù)據(jù)技術(shù)識別潛在感染人群等途徑來減緩疫情傳播等管控策略[9-12]；以及針對疫情背景下的非常規(guī)組合防疫策略[13]。現(xiàn)有研究發(fā)現(xiàn)，無論是疫情本身或是針對疫情的防疫管控策略，對于公交客流規(guī)律和居民出行行為都會產(chǎn)生較為顯著的影響[14-17]。但值得注意的是，對于疫情風險的感知和各項管控策略，對居民公交出行的影響或許并不是短期的客流規(guī)律或時空特征的影響，而可能會在出行方式選擇行為上產(chǎn)生深刻的長期影響，進而影響著居民的偏好及對待不同交通方式的情感態(tài)度[18-19]。現(xiàn)有的公交防疫策略，是完全基于防疫需求下的公交管控，而忽視了這些管控對乘客長期出行選擇行為和出行偏好的深層影響。疫情中由于公交自身的風險性，導致出行更偏向私人化工具，長遠看會影響公交吸引力及出行比例的提升，影響公交優(yōu)先的政策效果。

鑒于此，本研究的落腳點是在防疫的同時，盡可能地保持民眾對公交出行的積極態(tài)度，以免由于防疫管控等措施而觸發(fā)民眾對公交的抵觸心理。從乘客出行行為角度出發(fā)，以計劃行為理論為基礎，分析重大疫情下城市居民公交出行行為影響因素的變化，及其對出行行為的作用路徑。在此基礎上，挖掘和完善可行的公共交通防疫策略，以期在有效防控疫情的同時，保持居民公交出行的積極態(tài)度。

1 研究框架及模型假設

1.1 研究框架

計劃行為理論能夠反映外界條件變化時決策行為的變化[20]。對于公共交通，重大公共衛(wèi)生事件本身以及針對這些事件的防疫策略是顯著的外界條件變化。為此，采用計劃行為理論為框架研究乘客公交出行行為的改變，包括如下5個因素：①態(tài)度，即居民對于公交出行中可能出現(xiàn)的場景所抱持的正面或者負面的感覺；②知覺行為控制，即過往經(jīng)驗及所掌握的知識、資源等對公交出行行為的影響；③主觀規(guī)范，即重要的外界個體或團體對公交出行行為的影響；④行為意向，即居民對公交出行的意愿；⑤行為，即疫情期間選擇公交出行的行為。

1.2 模型假設

引入風險感知和公交防疫策略這2個因素，以更準確地反映疫情前后居民公交出行行為的變化，影響因素之間的關(guān)系框架見圖1。

圖1 公交出行行為模型假設Fig.1 An assumption model of transit-trip travel behaviors

1）為克服計劃行為理論無法獲得未知的風險對行為決策的影響這一局限性，引入了風險感知因素，并提出如下假設。

H1：風險感知對公交出行態(tài)度有反向影響。

H2：風險感知對公交出行意向有反向影響。

2）若居民對防疫策略的認可度高，會降低風險的感知程度，直接或間接影響公交出行態(tài)度。此外，政府政策對居民的行為意向有顯著的影響[21]。因此假設如下。

H3：居民的公交防疫策略態(tài)度對其風險感知有反向影響。

H4：居民的公交防疫策略態(tài)度對其公交出行態(tài)度有正向影響。

H5：居民的公交防疫策略態(tài)度對其公交出行意向有正向影響。

3）出行態(tài)度越積極，外界約束給予出行者的觀點就越支持，出行者對于自己行為控制程度越高，則出行意向就會越積極[22]。故有如下假設。

H6：公交出行的態(tài)度對出行意向有正向影響。

H7：公交出行的主觀規(guī)范對公交出行意向有正向影響。

H8：公交出行的知覺行為控制對公交出行意向有正向影響。

4）公交出行意向越積極時，選擇公交出行的可能性也就越大[23]。則假設如下。

H9：公交出行的知覺行為控制對其公交出行行為有正向影響。

H10：公交出行意向?qū)ζ涔怀鲂行袨橛姓蛴绊憽?/p>

2 重大疫情下公交出行行為特征分析

2.1 數(shù)據(jù)獲取

2.1.1 調(diào)查問卷設計

問卷包括受訪者個人基本社會經(jīng)濟屬性、居民在疫情前后公交出行特征和居民公交出行行為影響因素3個部分。

1）個人基本社會經(jīng)濟屬性。由于不同的個人基本屬性在出行方式使用率等方面具有不同的變化[24]，故從性別、職業(yè)、年齡、收入水平、教育水平、家庭擁有私家車的數(shù)量收集個人基本社會經(jīng)濟屬性，以確保樣本覆蓋有效性。如在“年齡”題項中，18歲以下以學生為主，上學通勤較多；60歲以上以退休老人為主，休閑出行較多；而18～60歲之間則多以工作通勤為主，進一步根據(jù)私家車擁有比例細分，形成6類年齡區(qū)間。

2）居民在疫情前后公交出行特征。該部分內(nèi)容旨在獲取到居民在公交出行選擇、公交出行目的以及工作日、休息日出行頻次的變化以及居民可接受乘坐公交時長的變化。出行方式包括了居民在城市內(nèi)出行的所有可能會選擇的交通方式；在確定出行目的的選項時，除了考慮到比較常見的出行目的外，還通過查閱哈爾濱市多名確診病例的流調(diào)報告對選項進行豐富，增加外出就餐以及就醫(yī)；由于工作日公交出行很大一部分人都是屬于剛性出行，而在休息日則是以彈性出行為主，因此將二者區(qū)別開；由于現(xiàn)有研究中發(fā)現(xiàn)在有感染風險的環(huán)境中的暴露時長也是影響感染的因素之一，因此，設置了可接受乘坐公交時長的題項。

3）居民公交出行行為影響因素。由于影響因素都是屬于心理因素，存在難以度量的問題，因此，對每個影響因素都設計3～4個觀測變量幫助受訪者理解其內(nèi)容。

2.1.2 調(diào)查結(jié)果

2021年1月26日—2月11日期間（哈爾濱市有高風險區(qū)4個，中風險區(qū)21個），在哈爾濱市通過線上調(diào)查的方式，收集到有效問卷435份，受訪者性別比例比較均衡；在年齡、教育水平上近似正態(tài)分布，不存在受訪空白；在收入水平上，以3 001～6 000元的人最多，達到有效樣本的51.95%，與哈爾濱市居民收入水平的分布基本相符。且企事業(yè)單位的居民占比達68.05%，基本符合哈爾濱市城市通勤公交分擔率，具有一定的代表性。具體調(diào)查結(jié)果見表1。

表1 調(diào)查數(shù)據(jù)結(jié)果Tab.1 Contents and data of the questionnaire

2.1.3 信度和效度分析

信度即可靠性，以常用的Cronbach'sα系數(shù)作為信度系數(shù)，總表的信度系數(shù)在0.8以上為最優(yōu)；分量表的信度系數(shù)在0.7以上為最優(yōu)。效度即有效性，KMO抽樣適合性是衡量效度的重要指標，KMO在0.9以上，非常適合做因子分析；在0.8～0.9之間，說明很適合；在0.7～0.8之間，適合；在0.6～0.7之間，尚可。信度和效度分析結(jié)果見表2。

表2 信度和效度分析結(jié)果Tab.2 Results of the reliability and validity analysis

如上所示，總表信度系數(shù)值為0.810，分量表中各潛變量信度系數(shù)均大于0.7，研究數(shù)據(jù)信度質(zhì)量高；知覺行為控制、出行意向的KMO值在0.6～0.7之間，尚可完成分析；出行態(tài)度、主觀規(guī)范、出行行為的KMO值在0.7～0.8之間，是合適的；風險感知和防疫策略這2個新引入因素的KMO值均在0.8以上，說明調(diào)查結(jié)果適合進行因素分析。

2.2 居民公交出行結(jié)構(gòu)方程模型

在本文研究的影響因素中，存在許多心理因素，需要通過設計觀測變量向受訪者提問而獲得潛變量之間的關(guān)系，故采用結(jié)構(gòu)方程模型進行分析。

2.2.1 結(jié)構(gòu)方程模型構(gòu)建

1）潛變量及假設條件。將計劃行為理論中的5個因素和新引入的2個因素作為模型潛變量，其中，風險感知、出行態(tài)度、出行意向和出行行為是內(nèi)生潛變量，主觀規(guī)范、知覺行為控制和公交防疫策略為外生潛變量。模型假設條件為前文提出H1～H10。

2）觀測變量。調(diào)查的測量題項即為對應的觀測變量，即出行態(tài)度對應觀測變量AT1～AT3，主觀規(guī)范對應觀測變量SN1～SN3，知覺行為控制對應觀測變量PBC1～PBC3，出行意向?qū)^測變量BI1～BI3，出行行為對應觀測變量B1～B3，風險感知對應觀測變量RC1～RC4，防疫策略對應觀測變量S1～S4。

3）誤差項及路徑系數(shù)。觀測變量的誤差項為10-1～10-23，對風險感知、出行態(tài)度、出行意向、出行行為4個內(nèi)生潛變量設置誤差項10-24～10-27，并將潛變量和測量變量之間的1條路徑系數(shù)設置為1。

使用Amos24.0軟件繪制結(jié)構(gòu)方程的全模型示意圖[25]見圖2。其中，橢圓形代表潛變量，矩形代表潛變量的觀測變量，小圓為測量誤差項。

圖2 居民公交出行結(jié)構(gòu)方程全模型示意圖Fig.2 Sketch map of the structural equation model for transit-trip

2.2.2 模型擬合及模型評價

1）參數(shù)估計及檢驗。選取Amos 24.0軟件中最大似然估計方法進行參數(shù)估計，最大似然估計法是一致漸進有效估計，具有尺度不變性等性質(zhì)，其數(shù)據(jù)擬合函數(shù)為

式中：θ為模型參數(shù)；S為觀測變量測量數(shù)據(jù)的協(xié)方差矩陣；為矩陣的跡；為矩陣行列式的對數(shù)；p和q分別為內(nèi)生、外生潛變量的數(shù)量。

結(jié)構(gòu)方程模型路徑系數(shù)估計值及顯著性水平結(jié)果見表3。

除風險感知與出行意向的之間的關(guān)系外，其他因素之間的路徑系數(shù)均適宜，并且C.R.絕對值均大于1.96，顯著性水平的數(shù)值也均小于0.01，在表3中以“***”呈現(xiàn)，也就是說變量間的協(xié)方差均達到0.05的顯著水平，通過檢驗。風險感知與出行意向之間的路徑系數(shù)極小，僅達到0.015，并且其顯著性水平檢驗的數(shù)值達到0.616，遠大于0.05的上限水平，C.R.絕對值僅為0.478，即風險感知與出行意向之間的相關(guān)性較差。

表3 參數(shù)估計值及顯著性水平Tab.3 Parameter estimates and significance level of the model

2）模型適配度分析。本研究主要分析各因素之間的相關(guān)性，不存在模型之間的比較，故選擇絕對擬合指數(shù)CMIN/DF、GFI、NFI和相對擬合指數(shù)RFI、CFI、RMSEA這6個指標進行擬合適配度檢驗，見表4。

表4 模型適配度檢驗結(jié)果Tab.4 Results of the fitness test for the model

2.2.3 模型修正

為更好的模型擬合，剔除驗證不成立的假設H2后，對模型進行修正，修正后的參數(shù)估計值和適配度指標均通過檢驗，最終結(jié)果見圖3。

圖3 標準化修正模型的建模結(jié)果Fig.3 Standardized，modified model

2.2.4 結(jié)果分析

2.2.4.1 潛變量間關(guān)系分析

1）風險感知因素與公交出行態(tài)度的路徑系數(shù)達-0.54，反向相關(guān)性高，即居民的風險感知程度越高，其出行態(tài)度越消極。而風險感知與出行意向的相關(guān)性較差，已剔除。

H1：風險感知對公交出行態(tài)度有反向影響，成立。

H2：風險感知對公交出行意向有反向影響，不成立。

2）防疫策略與風險感知的路徑系數(shù)為-0.5，即居民對于公交防疫策略的滿意程度越高，其風險感知程度越低。防疫策略與出行態(tài)度之間的路徑系數(shù)為0.37，說明居民對防疫策略越滿意，出行態(tài)度則越積極。

H3：防疫策略對風險感知有反向影響，成立。

H4：防疫策略對公交出行態(tài)度有正向影響，成立。

3）對于出行意向的影響程度排序為“公交出行的態(tài)度（路徑系數(shù)0.63）＞公交防疫策略（路徑系數(shù)0.48）＞主觀規(guī)范（路徑系數(shù)0.15）＞知覺行為控制（路徑系數(shù)0.13）”。表明居民在疫情期間的公交出行意向，更多的是取決于個人的態(tài)度，其次是公交防疫策略。如果策略可以得到居民的認可，就會有積極的出行意向。而主觀規(guī)范及知覺行為控制，則對出行意向的影響較小。

H5：公交防疫策略對公交出行意向有正向影響，成立。

H6：公交出行態(tài)度對公交出行意向有正向影響，成立。

H7：公交出行主觀規(guī)范對公交出行意向有正向影響，成立。

H8：公交出行知覺行為控制對公交出行意向有正向影響，成立。

4）知覺行為控制、公交出行意向與出行行為之間的路徑系數(shù)均為0.38，即個人經(jīng)驗和預期阻礙對于疫情期間公交出行的預判越正向、出行意向越積極，其在疫情期間越偏向選擇公交出行。

H9：公交出行的知覺行為控制對公交出行行為有正向影響，成立。

H10：公交出行意向?qū)ζ涔怀鲂行袨橛姓蛴绊懀闪ⅰ?/p>

2.2.4.2 潛變量與觀測變量間關(guān)系分析

對于風險感知因素，居民對生命、日常生活、經(jīng)濟和心理這4個觀測變量的風險感知程度都較大，路徑系數(shù)分別是0.88，0.94，0.91以及0.90。即疫情對于其日常社會生活的影響最大，經(jīng)濟影響和心理影響次之，生命安全影響最小。這是因為被感染人群需要接受長時間的隔離治療，對日常的生活影響比較嚴重；此外，嚴格的隔離政策也會造成感染者的經(jīng)濟和心理壓力和負擔；治療技術(shù)的逐漸成熟降低了居民對其生命威脅的評估。

對于出行態(tài)度因素，觀測變量的路徑系數(shù)分別為0.92，0.95，0.92。公交駕駛員在公交車上的時間最長，接觸到的人群較廣，其感染風險相較于其他乘客會更高，因此居民認為駕駛員會將病毒傳染給自己，這對消極公交出行意向的影響最大。

對于主觀規(guī)范因素，觀測變量的路徑系數(shù)分別為0.74，0.97，0.92。各地政府所提出的倡導，以及各類網(wǎng)絡媒體的建議都具有較強的科學性，對出行意向影響最大；而家人、朋友、同事的權(quán)威性稍差，并且信息在傳遞過程中還可能存在偏差，導致其路徑系數(shù)明顯低于其他二者。

對于防疫策略因素，居民對車內(nèi)環(huán)境較為看重，包括駕駛員和乘客的健康狀況及車內(nèi)消殺通風狀況（路徑系數(shù)分別為0.95和0.94）；可以避免與同車乘客近距離接觸對于出行意向的影響次之，為0.9；影響最低的為居民知道公交工作人員防疫培訓細致、防疫宣傳廣泛，為0.89。以上4個方面對居民出行意向影響的差異較小，都是比較有效的防疫策略，可根據(jù)路徑系數(shù)的大小，作為防疫投入側(cè)重的依據(jù)。

對于知覺行為控制因素，防護知識的了解程度對其影響程度最高，路徑系數(shù)為0.88；其次，居民在過往的經(jīng)驗以及掌握的知識對其選擇是否選擇公交出行的路徑系數(shù)為0.61，說明該項對知覺行為控制的解釋程度較差，個人的出行意愿受多種客觀條件約束，對自身的決策影響較小。

對于出行意向因素，愿意經(jīng)常選擇公交的觀測變量對其影響程度稍高一些，為0.54，其他二者均為0.5。

對于出行行為因素，公交出行頻率改變和工作日通勤對其影響程度較高，路徑系數(shù)分別為0.84和0.81。而“選擇休息日公交出行”的影響程度最低，路徑系數(shù)為0.73。這是因為現(xiàn)有的公交出行行為中，以工作日為主的通勤類出行較常態(tài)下變化并不顯著，而以彈性為主的休息日出行，變化會更加明顯一些。

2.2.4.3 作用路徑分析

出行意向和知覺行為控制是僅有的2個直接影響出行行為的因素，路徑系數(shù)同為0.38；防疫策略、出行態(tài)度和主觀規(guī)范影響出行意向，從而間接作用于出行行為；風險感知則是作用于出行態(tài)度，而后再作用于出行意向，從而實現(xiàn)對出行行為的影響。因此，結(jié)合路徑系數(shù)，能夠得到疫情期間公交出行行為影響因素中的1條顯著作用路徑，即“風險感知、防疫策略→出行態(tài)度→出行意向→出行行為”。充分說明疫情風險的感知和各項防疫管控策略，對居民公交出行的影響并不是短期的客流規(guī)律或時空特征的影響，而是會在出行方式選擇行為上產(chǎn)生深刻的長期影響，進而影響著居民的偏好及對待不同交通方式的情感態(tài)度。

3 策略建議

結(jié)合上述分析，為保持疫情期間居民對公交的積極情感，提出以下策略建議。

1）出行態(tài)度和防疫策略是對出行意向影響最大的2個因素，也是公共交通管理部門制定防疫策略的重點考量因素，是具體策略制定的執(zhí)行層和可操作層，建議從以下2個方面完善公交防疫策略。

①信息公開。乘客對駕駛員健康、公交車輛的消殺情況，在出行態(tài)度和公交防疫策略2個因素中，都具有高達0.90以上的路徑系數(shù)（AT2和AT3高達0.95和0.92，S3和S4高達0.90和0.96），說明不僅要做好防疫措施，而且同樣需要讓居民知道公交已經(jīng)做好了防疫措施，這在目前的策略中是需要完善和提高的?？梢酝ㄟ^車內(nèi)告示板等形式公開當班駕駛員健康信息，同時公示車廂環(huán)境消殺和通風信息，包括消殺車廂位置、消殺時間和通風時間等。

②保持乘客間隔距離。由于“風險感知、防疫策略→出行態(tài)度→出行意向→出行行為”顯著作用路徑的存在，公交服務的有無對乘客出行意向和偏好具有明顯的作用，應該慎重使用停運等嚴格策略。即使運輸能力降低，但是乘客對公交服務仍能保持積極態(tài)度；相反，公交中斷對出行行為的影響是巨大的。建議可在疫情爆發(fā)期按圖4實施明確的“分散就坐”，雖然不可避免地會降低公交服務能力，但仍可以保持車輛的滿載率為24.63%，重要的是能夠提高乘客的防疫安全心理和公交出行意愿。

圖4 分散就坐位置分配示意圖Fig.4 Transit-trip rule of every-other-seat

但不限于此，公共交通管理者可以根據(jù)地方實際和特色，將防疫策略和出行態(tài)度2個因素作為策略制定的重點方向，進行更為深入、細致的剖析。

2）風險感知對出行行為作用路徑較長，通過出行態(tài)度、出行意向2個環(huán)節(jié)間接的負向影響出行行為。同樣，主觀規(guī)范對出行行為影響也是間接的，且影響程度較低，這2個因素只需服從地方整體政策即可。

4 結(jié)束語

以疫情期間保持民眾對公交出行的積極態(tài)度、保障公交吸引力為切入點，以計劃行為理論為框架，對重大公共衛(wèi)生事件中居民公交出行行為的影響因素和作用路徑進行可研究。通過對調(diào)查數(shù)據(jù)和居民公交結(jié)構(gòu)方程建模分析，發(fā)現(xiàn)新引入的風險感知和防疫策略潛變量對出行態(tài)度有顯著影響，疫情背景下，影響居民公交出行行為的顯著的作用路徑是“風險感知、防疫策略→出行態(tài)度→出行意向→出行行為”，揭示了防疫管控措施會深刻、長期影響民眾對公交出行的選擇偏好；進一步地，基于獲得的潛變量路徑系數(shù)，分析了目前普遍被忽略的“信息公開”策略對保持居民積極的公交出行態(tài)度的重要價值；并在此基礎上提出了具體的改善策略建議。不過，不同類型公交乘客群體的公交出行行為也表現(xiàn)為不同特征，如隨著疫苗接種率的提升，兒童、老年人在公交防疫策略中可能需要單獨考慮，制定針對特殊人群的精細化公交防疫策略，是疫情常態(tài)化背景下，公共交通為保持吸引力而需要深入研究的迫切問題。