白耀東，胡金榜，雷晨陽，高嵩林

西安市私家車出行特征及其影響因素

白耀東，胡金榜，雷晨陽，高嵩林

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

伴隨著汽車保有量的快速增加，城市交通擁堵與環(huán)境污染問題日益嚴(yán)重。同時隨著放寬戶籍限制政策使得城市人口數(shù)量大幅度增加，交通問題愈發(fā)嚴(yán)重。文章以陜西省西安市私家車為研究對象，對這座國內(nèi)典型城市的私家車出行強(qiáng)度和出行時間的分布特征進(jìn)行了研究。對不同駕駛員個人屬性所影響的出行強(qiáng)度建立了合適的結(jié)構(gòu)方程模型，分析個人屬性對出行強(qiáng)度的影響。然后對不同駕駛員屬性所影響的出行時間進(jìn)行卡方檢驗(yàn)，篩選出對出行特征有明顯影響的屬性，接著對數(shù)據(jù)進(jìn)行可視化處理并分析這些屬性對出行特征的影響規(guī)律，最后結(jié)合分析結(jié)果提出管理建議。分析結(jié)果表明，年齡、職業(yè)對出行強(qiáng)度呈現(xiàn)顯著的正相關(guān)性，教育程度對出行強(qiáng)度呈現(xiàn)顯著的負(fù)相關(guān)性。私家車工作日和周末的出行特征明顯不同；同時，年齡、職業(yè)、受教育程度是影響私家車出行時間特征的主要因素。

出行特征；私家車；出行強(qiáng)度；時間分布；結(jié)構(gòu)方程；卡方檢驗(yàn)

私家車的迅猛發(fā)展給居民出行帶來便利的同時，也給城市交通帶來了巨大的問題。由此產(chǎn)生的交通事故頻發(fā)、環(huán)境污染嚴(yán)重、停車設(shè)施不足等問題嚴(yán)重影響著居民生活和城市發(fā)展[1]。公安部交管局公布的全國機(jī)動車和駕駛?cè)藬?shù)據(jù)顯示，在2020年底，全國汽車保有量達(dá)到2.81億輛，并且全國有70多個城市的汽車保有量超過了100萬輛。西安是一個典型的新一線城市，隨著城市規(guī)模不斷擴(kuò)大，而公共交通基礎(chǔ)設(shè)施建設(shè)相對滯后，人們更傾向于開車出行。同時因?yàn)槿瞬乓M(jìn)、放寬戶籍限制等政策導(dǎo)致人口進(jìn)一步增加，接下來的幾年汽車保有量必然會進(jìn)一步增加。西安市現(xiàn)有的城市道路服務(wù)水平已無法滿足日益增長的交通需求，整個道路網(wǎng)絡(luò)已趨于飽和，許多十字路口和一些瓶頸造成的交通延誤較大，各級道路的平均速度一般較低，道路擁堵現(xiàn)象非常嚴(yán)重[2]。

出行是出行特征研究中最基本的概念。特定地生產(chǎn)和生活的需要才是城市居民出行的本質(zhì)目標(biāo)，是出行的第一要素，即我們通常所說的“出行源于需求”[3]。私家車是特指私人購買的純粹用于消費(fèi)的家庭小汽車，如作為上下班、生活購物、文體娛樂等的主要交通工具，包括轎車、越野車、小客車等。同時，出行特征是指從原地點(diǎn)出發(fā)，到達(dá)目的地的活動類型，以及進(jìn)入中轉(zhuǎn)站的運(yùn)輸方式[4]。城市居民出行量在不同時段上的分布一般被叫作出行時間分布，體現(xiàn)了居民出行在時間方面的生活節(jié)奏和交通出行需求，是分析解決出行高峰期時交通問題的重要參考特征。

駕駛?cè)藛T構(gòu)成主要指駕駛員的屬性，包括性別、年齡、教育程度、收入、職業(yè)等因素。Satiennam等在2011發(fā)現(xiàn)女性私家車出行轉(zhuǎn)向公共交通的概率更高[5]。NURDDEN等在2007年發(fā)現(xiàn)馬來西亞的女性更可能使用公共交通工具[6]。Rivera 發(fā)現(xiàn)男性旅行者更喜歡使用私人汽車或摩托車；除名古屋外，日本城市的男性駕駛私家車人數(shù)超過女性[7]。上述這三篇文獻(xiàn)主要分析了性別對出行方式的影響，都得出了女性更偏向于公共交通出行，但是他們都沒有對性別如何影響出行強(qiáng)度進(jìn)行分析。本文在他們的研究基礎(chǔ)上進(jìn)行分析，發(fā)現(xiàn)雖然男性乘坐私家車出行概率更大，但是兩者的出行強(qiáng)度卻沒有顯著區(qū)別。Abuhamoud等在2011年建立了年齡與出行強(qiáng)度之間存在的關(guān)系的交通模型[8]。本文則建立了多個因素對出行強(qiáng)度影響的模型。Pienaar等在2013的研究中對那些受過良好教育、收入較高的人，以及全職或兼職的人出行方式和出行強(qiáng)度進(jìn)行分析，發(fā)現(xiàn)這些個人屬性對出行方式和出行強(qiáng)度均有顯著影響[9]。本文則對職業(yè)進(jìn)行了細(xì)化，且得出的結(jié)論與該文獻(xiàn)基本一致。

私家車數(shù)量的大幅增加會產(chǎn)生很多嚴(yán)重后果。Khreis的研究發(fā)現(xiàn)機(jī)動車交通可能通過空氣污染、噪音干擾和不自覺地采取久坐的生活方式對公民健康產(chǎn)生不利影響[10]。在吉隆坡，人口對城市的溢出效應(yīng)導(dǎo)致郊區(qū)每天進(jìn)入城市的交通量增加[11]。因此，調(diào)查出私家車出行特征，根據(jù)使用特征針對性鼓勵人們使用公共交通工具對于減少這些情況至關(guān)重要。本研究依據(jù)出行特征調(diào)查問卷，根據(jù)問卷調(diào)查結(jié)果來分析掌握西安市私家車出行強(qiáng)度和時間分布特征，同時對這些特征的影響因素進(jìn)行分析，為政府制定合理的交通規(guī)劃提供重要參考，對政府關(guān)于車輛管理、行駛工況、限制私家車出行、合理教育與引導(dǎo)等方面提出建議。目前，國內(nèi)對出行特征的研究大多數(shù)集中于討論其中某一因素或這一因素的某方面對居民出行的影響，未能對多種影響因素進(jìn)行比較研究。同時，國內(nèi)針對私家車出行開展研究的學(xué)者為數(shù)不多。

在此背景下，本文通過分析問卷調(diào)查數(shù)據(jù)對駕駛員的多種屬性對私家車出行特征的影響進(jìn)行綜合理論分析，對這些影響因素進(jìn)行更深層次的探討研究并給出建議。

1 研究方法

1.1 數(shù)據(jù)采集

本文首先進(jìn)行問卷調(diào)查，問卷內(nèi)容主要包含兩個部分，第一部分是私家車使用者個人資料信息，包括性別、年齡、收入、職業(yè)、教育水平等個人屬性；第二部分則是對私家車使用者出行信息進(jìn)行調(diào)查，包括私家車使用者使用車輛出行的時段、時耗、頻率等。然后進(jìn)行數(shù)據(jù)初步篩選，刪掉調(diào)查項(xiàng)目不全的數(shù)據(jù)，以此來確保調(diào)查項(xiàng)目數(shù)據(jù)的完整性。本次調(diào)查對象為擁有私家車的西安市居民，最終得到有效調(diào)查問卷865份，并對這865份數(shù)據(jù)進(jìn)行深入的數(shù)據(jù)處理與分析。

圖1 個人屬性占總樣本的百分比

如圖1所示，本問卷主要針對性別、年齡、收入、職業(yè)、教育程度等個人屬性進(jìn)行數(shù)據(jù)的收集。在性別構(gòu)成方面，男性與女性的比例為7∶3。從年齡構(gòu)成來看，26～35歲年齡區(qū)間占比最多，達(dá)47%；25歲以下以及55歲以上人員占比較小，分別占調(diào)查總樣本量的8%和5%。將居民收入水平按月平均可支配收入分為三組，其中月平均可支配收入為3000元以下的車主定義為低收入階層，占比為23%；將3 000～7 000元之間的車主定義為中等收入階層，占比為62%；月平均可支配收入為7 000元以上的車主定義為高收入階層，占比為15%。職業(yè)則是以公司職員、公務(wù)員及自由職業(yè)為主，占比分別為31％、22％、22％；私營個體以及工人等也占一定的比重，分別為11%、10%；退休人員占比最小，為5%。教育程度樣本中，博士研究生占比為5%，碩士研究生為15%；本科、大專、中專及以下占比相對較多且差距不大，分別為32%、25%、23%?？傮w看來，樣本占比較均勻，具有代表性。

1.2 數(shù)據(jù)處理

本文在研究出行強(qiáng)度的時候應(yīng)用了AMOS建立結(jié)構(gòu)方程模型進(jìn)行分析。結(jié)構(gòu)方程模型是基于變量的協(xié)方差矩陣來探究和分析處理復(fù)雜的多變量數(shù)據(jù)的模型。結(jié)構(gòu)方程是一種流行的多變量建模方法，用于分析潛在變量之間的復(fù)雜相互關(guān)系，而往往這些關(guān)系無法通過線性回歸進(jìn)行分析。同時，結(jié)構(gòu)方程模型將測量誤差引入路徑圖中，從而更加準(zhǔn)確地利用可觀測變量之間的聯(lián)系來找出潛在變量之間的關(guān)系。由于個人屬性和出行強(qiáng)度并不能直接測量，所以引入年齡、職業(yè)、教育程度、性別多個可觀察變量作為反映個人屬性和出行強(qiáng)度之間的關(guān)系。例如：采用年齡和性別等反映個人屬性，采用出行次數(shù)等反映出行強(qiáng)度。

在研究出行時間分布特征時，本文主要考慮到多變量的關(guān)聯(lián)性分析，因此，利用SPSS軟件進(jìn)行卡方檢驗(yàn)?？ǚ綑z驗(yàn)的基本思想是比較期望頻數(shù)和觀察頻數(shù)的吻合程度。利用軟件計算出值，值很小說明觀察值、期望值的偏離量很大，初步認(rèn)為樣本所代表的實(shí)際情況和期望假設(shè)有顯著差別。本文設(shè)定當(dāng)值小于0.05時，認(rèn)為有顯著差別。同時如果2值過小，就應(yīng)當(dāng)傾向于沒有明顯差別，反之亦然。

2 結(jié)果與分析

2.1 出行強(qiáng)度與影響因素分析

2.1.1出行強(qiáng)度

本研究采用的數(shù)據(jù)來源于西安市私家車出行問卷調(diào)查，出行強(qiáng)度即城市居民個體出行的強(qiáng)度，通常用出行次數(shù)、出行耗時、出行距離等總量指標(biāo)和平均指標(biāo)來衡量。

對出行次數(shù)、出行耗時、出行距離展開分析，結(jié)果如圖2所示?？梢钥吹?，大部分人每天出行次數(shù)分布在2～4次，占總樣本的48%；接下來是4～6次，占比25%；8次以上則占比很小。出行耗時基本分布在0.5～1小時和1～2小時之間，分別占比51%、27%。出行距離則分布較為均勻，可以發(fā)現(xiàn)西安市私家車的出行距離整體看來比較遠(yuǎn)，30公里以上的占比達(dá)到了17%。

圖2 出行強(qiáng)度特征分布情況

2.1.2影響因素分析

應(yīng)用AMOS分析個人屬性對出行強(qiáng)度的影響，將個人屬性和出行強(qiáng)度作為潛在變量，年齡、職業(yè)、教育程度和性別作為出行者個人屬性特征的可觀測變量，出行次數(shù)、出行耗時和出行距離作為出行強(qiáng)度的可觀測變量，對各因素進(jìn)行路徑分析并建立結(jié)構(gòu)方程模型。經(jīng)過不斷調(diào)整模型路徑，最終使實(shí)際數(shù)據(jù)結(jié)構(gòu)模型達(dá)到理想狀態(tài)，結(jié)構(gòu)方程模型如圖3所示。

該模型的卡方值為45.202，值為0。表1為該模型的三個關(guān)鍵適配度指標(biāo)和其標(biāo)準(zhǔn)值，這三個適配度指標(biāo)是結(jié)構(gòu)方程模型中常用的適配度指標(biāo)，它們用于評估結(jié)構(gòu)方程模型擬合數(shù)據(jù)的程度。CMIN/DF是指卡方值除以自由度，是一種用于評估模型與觀察數(shù)據(jù)之間的差異的指標(biāo)。在實(shí)際應(yīng)用中，如果CMIN/DF值在1～5，通常被認(rèn)為是一個好的擬合。RMSEA是指均方誤差逼近度指數(shù)（Root Mean Square Error of Approximation），它反映了模型與觀察數(shù)據(jù)之間的誤差，其中更小的RMSEA值表示更好的擬合。RMSEA的推薦閾值是小于0.08。GFI是指廣義擬合指數(shù)（Goodness of Fit Index），它是評估模型對數(shù)據(jù)的解釋程度的一個指標(biāo)，其值介于0和1之間。GFI越接近1，說明模型對數(shù)據(jù)的解釋越好。可以看出3個關(guān)鍵性適配度檢驗(yàn)參數(shù)均表現(xiàn)良好，表明觀測數(shù)據(jù)與理論模型的擬合度較高，結(jié)構(gòu)模型成立。

圖3 汽車出行者屬性特征影響通勤的結(jié)構(gòu)方程模型

注：路徑系數(shù)上的值反映這一變量對另一變量的影響程度；e1－e7為殘差，其上面的值表示殘差系數(shù)，為模型中無法解釋的部分。

表1 結(jié)構(gòu)模型適配度的參數(shù)估計及其標(biāo)準(zhǔn)值

適配度指標(biāo)CMIN/DFRMSEAGFI 適配度標(biāo)準(zhǔn)1～5<0.08>0.90 檢驗(yàn)結(jié)果數(shù)據(jù)3.4770.0540.985

在結(jié)構(gòu)方程模型中，標(biāo)準(zhǔn)化因素負(fù)荷是指該因素對觀測變量的影響強(qiáng)度。它表示因素與觀測變量之間的關(guān)聯(lián)程度，其值表示了每個觀測變量受因素影響的程度，也可以看作是因素對該觀測變量解釋的比重。標(biāo)準(zhǔn)化因素負(fù)荷的取值范圍是從-1到1之間。標(biāo)準(zhǔn)化因素負(fù)荷的值通常要求大于0.3才被認(rèn)為是有效的，因?yàn)檫@個值越小，該變量受因素的影響就越小，就不能很好地反映因素的影響。如表2所示，除去性別對個人屬性影響不太顯著外，個人屬性和出行強(qiáng)度這兩個潛在變量與其他所對應(yīng)的可觀測變量都達(dá)到了顯著影響；并且個人屬性中的年齡、職業(yè)和教育程度與私家車出行強(qiáng)度存在顯著的相關(guān)性。年齡、職業(yè)對出行強(qiáng)度有顯著的正相關(guān)性，表明隨著年齡的增加、職業(yè)的自由化，出行強(qiáng)度中的出行次數(shù)、運(yùn)行時間和運(yùn)行距離均有所增加。教育程度則對出行強(qiáng)度呈現(xiàn)顯著的負(fù)相關(guān)性，表明隨著受教育水平的增加，私家車出行強(qiáng)度中的出行次數(shù)、運(yùn)行時間和運(yùn)行距離明顯減少。性別則與出行強(qiáng)度呈現(xiàn)比較弱的負(fù)相關(guān)性，女性的出行強(qiáng)度稍比男性大。

出行強(qiáng)度表示著私家車的使用水平，根據(jù)上述分析可以發(fā)現(xiàn)西安市居民隨著年齡的增加和職業(yè)的自由化，私家車使用水平越高；但是教育水平越高，私家車使用水平在下降。因此，要加強(qiáng)對居民的宣傳和教育，提倡居民乘坐公共交通出行。

表2 個人屬性特征和出行強(qiáng)度的測量模型分析結(jié)果

測量模型標(biāo)準(zhǔn)化因素負(fù)荷未標(biāo)準(zhǔn)化因素負(fù)荷S.E.C.R.P 個人屬性 年齡0.3511 職業(yè)0.4852.1920.2837.736*** 教育程度-0.855-2.6770.433-6.187*** 性別-0.139-0.1750.052-3.375*** 出行強(qiáng)度 運(yùn)行距離0.6331 運(yùn)行時間0.7540.5840.0777.582*** 出行次數(shù)0.3410.2620.0367.22***

注：***即<0.001。

2.2 出行時間特征與影響因素分析

2.2.1出行時間特征

將調(diào)研數(shù)據(jù)按照周末和工作日分為兩類，分別統(tǒng)計私家車在兩種日期下的出行時間特征如圖4所示。整體來看，工作日和周末均有早晚兩個峰值；但是很明顯工作日的早高峰來得很急促，7點(diǎn)左右達(dá)到峰值，消除峰值的時間較緩慢，持續(xù)時間比較長；晚高峰則來得沒有早高峰急促，但是結(jié)束時比較急促。周末和工作日相比則差別比較大，早高峰來得比較晚且緩慢，10點(diǎn)左右到達(dá)峰值；并且中午的峰值比較高，和晚高峰緩慢連接；晚高峰則不太明顯，從下午3點(diǎn)一直持續(xù)到晚上8點(diǎn)，8點(diǎn)以后和工作日相比依舊有部分出行需求，晚高峰下降平緩。

圖4 工作日、周末出行時間分布

2.2.2影響因素分析

首先依次對不同屬性下的出行時間分布進(jìn)行卡方檢驗(yàn)，判斷是否對出行時間分布存在影響，結(jié)果見表3?？梢钥吹侥挲g、職業(yè)、教育程度的顯著性水平在工作日和周末均小于0.05，說明這些屬性對出行時間特征均有顯著影響。性別和收入的顯著性水平值在工作日、周末均大于0.05，表明性別和收入對出行時間特征無明顯影響，不作分析。進(jìn)一步對年齡、職業(yè)、教育程度對出行時間分布特征的影響進(jìn)行分析如圖5－圖7所示。

表3 個人屬性*時間分布卡方檢驗(yàn)

個人屬性工作日/周末皮爾遜卡方 卡方值自由度漸進(jìn)顯著性（雙側(cè)） 性別工作日4.71060.582 周末13.98360.052 年齡工作日31.627200.047 周末64.112200 收入工作日12.923120.228 周末10.748120.551 職業(yè)工作日97.900300 周末95.587300 教育程度工作日67.380200 周末41.297200.003

由圖5可以看出，在工作日和周末均有較為明顯的早晚高峰。在工作日，55歲以上出行人員的早高峰明顯和其他年齡段有所差別，早高峰較為平緩且到來的時間遲，在10點(diǎn)左右才達(dá)到峰值；晚高峰明顯比其他年齡段要低且較早結(jié)束。政府可以通過老年公交卡、地鐵卡等促使這部分人群轉(zhuǎn)向公共交通出行。26～35歲人員的晚高峰最為急促且回家時間最晚，36～45歲人員的早高峰到來比其他年齡段略為急促。不同年齡段在周末的出行時間分布特征區(qū)別明顯，18～25歲的年輕人很明顯比其他年齡段的人早高峰來得要平緩，且稍微遲一點(diǎn)；晚高峰則在晚上9點(diǎn)左右到來，比其他所有年齡段都要晚回家；說明年輕人在周末的晚上出行需求極其旺盛，晚睡晚起特征明顯。26～35歲人員的早高峰與18～25歲基本一致，晚高峰則提前了1～2個小時。

圖5 不同年齡出行者的出行時間分布對比

不同職業(yè)的出行時間分布特征如圖6所示。工作日早高峰很明顯分為兩個層次，工人、公司職員和公務(wù)員早高峰比較一致，來得早且較為急促；其中工人的早高峰最明顯，是最繁忙的一個職業(yè)。退休人員、自由職業(yè)、私營個體和其他早高峰到來得遲且較為平緩，基本在10點(diǎn)左右才達(dá)到早高峰。晚高峰的到來時間則所有職業(yè)基本一致，公司職員的晚高峰到來得最為急促，私營個體回家最晚。在周末，退休人員基本不受周末和工作日的影響，早高峰相較于其他職業(yè)而言更為急促；其他職業(yè)則在周末早上有很明顯的休息，出行需求較低。自由職業(yè)在下午基本沒有出行需求，晚高峰則和其他職業(yè)保持一致。公務(wù)員在下午和晚上出行需求基本不變，最為平緩。不同職業(yè)出行高峰期有明顯的差別，因此，可以借鑒國外發(fā)達(dá)城市的方法，對不同職業(yè)人群實(shí)施錯峰上下班，例如采用提早公務(wù)員的上下班時間，稍微推遲不同公司職員的上下班時間等措施來緩解局部時間的大堵車。

圖6 不同職業(yè)出行者的出行時間分布對比

不同教育程度的出行時間分布特征如圖7所示。在工作日，研究生學(xué)歷人員的出行時間分布最為規(guī)律，早高峰十分明顯，來得早且急速；晚高峰同樣如此，中午出行需求最少。中專及其以下的早高峰和其他教育程度有明顯區(qū)別，來得遲且平緩，晚高峰同樣如此，中午的出行需求最多。其他教育程度的出行時間規(guī)律則基本一致。在周末，研究生學(xué)歷群體和工作日相比則突然變?yōu)樽钶p松的人，早高峰來得最遲且平緩，但是晚高峰則較為明顯。博士的晚高峰和其他人員明顯不同，到來的很早且急促，晚上休息沒有出行需求。整體來看，周末不同教育程度之間的出行時間特征基本一致。

3 結(jié)語

本文分別利用AMOS軟件和SPSS軟件定量化分析了不同駕駛員個人屬性對私家車出行強(qiáng)度和出行分布特征的影響。結(jié)構(gòu)方程模型的結(jié)果顯示，年齡、職業(yè)對出行強(qiáng)度呈現(xiàn)顯著的正相關(guān)性，教育程度對出行強(qiáng)度呈現(xiàn)顯著的負(fù)相關(guān)性。表明西安市居民隨著年齡的增加和職業(yè)的自由化，私家車使用水平越高；但是教育水平越高，私家車使用水平下降?？ǚ綑z驗(yàn)的結(jié)果表明，年齡、職業(yè)、受教育程度是影響私家車出行時間特征的主要因素。此外，通過對數(shù)據(jù)進(jìn)行可視化處理分析了這些屬性對出行特征的影響規(guī)律，并提出了合理的管理建議，總結(jié)如下：

1）工作日和周末的出行時間特征明顯不同。在工作日的早晚高峰，政府可以增加公共交通的發(fā)車頻率，以此來鼓勵人們轉(zhuǎn)向公共交通出行，同時，在周末則適當(dāng)調(diào)整公共交通發(fā)車頻率與時間，避免浪費(fèi)公共資源。

2）從私家車駕駛?cè)藛T屬性來看，在55歲以上的高年齡段出行人群工作日早高峰與晚高峰明顯與其他年齡段不同，政府可以通過老年公交卡、地鐵卡等促使這部分人群轉(zhuǎn)向公共交通出行。不同職業(yè)出行高峰期有明顯的差別，因此，可以借鑒某些國外發(fā)達(dá)城市的方法，對不同職業(yè)的人群進(jìn)行錯峰上下班，比如提早公務(wù)員的上下班時間，稍微推遲不同公司職員的上下班時間等措施來緩解局部時間的大堵車。同時對公務(wù)員等國家行政人員進(jìn)行宣傳教育以減少他們私家車出行，如果用車高峰期等特殊情況下可以強(qiáng)制限制，同時減少非必要的公務(wù)用車。對公司職員進(jìn)行建議與宣傳。研究生學(xué)歷的人群在工作日的早晚高峰特別明顯，本科及以上的高學(xué)歷人群制造了大部分的早晚高峰貢獻(xiàn)，進(jìn)一步加強(qiáng)教育，提倡綠色環(huán)保出行。

[1] 黃正國.基于車牌識別數(shù)據(jù)的車輛出行特征研究[D].成都:西南交通大學(xué),2019.

[2] 李雷雷.淺析西安市城市交通系統(tǒng)現(xiàn)狀的問題及應(yīng)對措施[J].科技風(fēng),2015(3):22.

[3] 徐奧林.基于出行者特性的出行行為研究[D].北京:北京交通大學(xué),2014.

[4] MOHD F J S,FATAHSHA A B,ABDUL A K H.et al. Socio-economic and Travel Characteristics of Transit Users at Transit-oriented Development (TOD) Stations [J].Transportation Research Procedia,2020(48):1938- 1955.

[5] SATIENNAM T,JAENSIRISAK S,NATEVONGIN N, et al.Public Transport Planning for a Motorcycle Dominated Community[J].Journal of the Eastern Asia Society for Transportation Studies,2011(9):970-985.

[6] NURDDEN A, RAHMAT R A O K,ISMAIL A. Effect of Transportation Policies on Modal Shift From Pri- vate Car to Public Transport in Malaysia[J].Journal of Applied Sciences.2007,7(7)1013-1018.

[7] RIVERA M A.Travel Behavior Analysis and its Impli- cation to Urban Transport Planning for Asian Cities: Case Studies of Bangkok, Kuala Lumpur,Manila,and Nagoya ICRA Project Report[C]//The 5th Internati- onal Conference of Eastern Asia Society for Transpor- tation Studies.Fukuoka:East Asian Transportation Re- search Association,2003:136-139.

[8] ABUHAMOUD M A A,RAHMAT R A O K,ISMAIL A.Modeling of Transport Mode in Libya:A Binary Logit Model for Government Transportation Encour- agement[J].Australian Journal of Basic and Applied Sciences, 2011,5(5):1291-1296.

[9] PIENAAR J,DEWITTE H,HELLGREN J,et al.The Cognitive/Affective Distinction of Job Insecurity: Validation and Differential Relations[J].Southern Afr- ican Business Review,2013,17(2):1-22.

[10] KHREIS H,SUDMANT A,GOULDSON A.Transport Policy Measures for Climate Change as Drivers for Health in Cities[J].Journal of Transport & Health, 2018(9):583-608.

[11] SOO C K,ROSNAH S,JAMAL H H.Trip Characteris- tics as the Determinants of Intention to Shift to Rail Transport Among Private Motor Vehicle Users in Kuala Lumpur,Malaysia[J].Sustainable Cities and Society,2018(36):319-326.

The Travel Characteristics and Influencing Factors of Private Cars in Xi'an

BAI Yaodong, HU Jinbang, LEI Chenyang, GAO Songlin

( School of Automobile, Chang'an University, Xi'an 710064, China )

With the rapid increase of car ownership, urban traffic congestion and environmental pollution problems are becoming increasingly serious. At the same time, with the relaxation of household registration restrictions, the number of urban people has increased significantly, and the traffic problem has become more serious. This paper takes private cars in Xi'an, Shaanxi Province as the research object, and studies the distribution characteristics of intensity of private car travel and travel time in this typical city in China. A suitable structural equation model is established for intensity of travel affected by different drivers' personal attributes, and the influence of personal attributes on travel intensity is analyzed. Then, the chi-square test is carried out on the travel time affected by different driver attributes, and the attributes that have obvious influence on the travel characteristics are screened out, and then the data is visualized and the influence of these attributes on the travel characteristics is analyzed, and finally the management suggestions are put forward based on the analysis results. The analysis results showed that age and occupation showed a significant positive correlation on the travel intensity, and the education level showed a significant negative correlation on travel intensity. The travel characteristics of private cars on weekdays and weekends are significantly different; At the same time, age, occupation, and the education level are the main factors affecting the characteristics of travel time of private car.

Travel characteristics; Private car; Travel intensity; Time distribution; Structural equation; Chi-square

U491.1+2

A

1671-7988(2023)17-188-07

10.16638/j.cnki.1671-7988.2023.017.036

白耀東（1998－），男，碩士研究生，研究方向?yàn)榻煌ㄒ?guī)劃管理，E-mail:2861219161@qq.com。

陜西省自然科學(xué)基礎(chǔ)研究計劃（2020JQ-374）。