李 利,唐秋生,王 攀

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院,重慶 400074)

突發(fā)公共衛(wèi)生事件(PHE)對(duì)社會(huì)經(jīng)濟(jì)發(fā)展和人們?nèi)粘３鲂挟a(chǎn)生巨大影響,以新型冠狀病毒(COVID-19)為例,它作為一件典型的PHE,在全球范圍內(nèi)爆發(fā),以其傳播快、防控難、涉及范圍廣的特點(diǎn),給全球城市居民的日常出行造成嚴(yán)重影響[1],其中交通運(yùn)輸、旅游等服務(wù)行業(yè)受到的影響最大[2]。研究PHE影響下的城市居民短距離出行意愿,對(duì)PHE期間的城市交通管理具有重要意義。

2022年下半年,各地疫情出現(xiàn)大規(guī)模爆發(fā),疫情的多點(diǎn)頻發(fā)在一定程度上加劇居民的出行風(fēng)險(xiǎn)。出行風(fēng)險(xiǎn)的產(chǎn)生造成居民出行頻率和出行時(shí)間的改變,頻率和時(shí)間較疫情前期有所降低。出行方式方面,有車群體轉(zhuǎn)為私家車出行,無車群體則傾向于步行等慢行交通工具出行。居民出行特征的改變,加劇城市的交通擁堵,對(duì)城市公共交通發(fā)展也造成一定負(fù)面影響。

在當(dāng)前交通領(lǐng)域中,諸多學(xué)者對(duì)PHE與居民出行特征間的關(guān)系進(jìn)行研究:駱晨等[3]基于非集計(jì)理論,構(gòu)建風(fēng)險(xiǎn)感知差異的居民出行方式選擇多元Logit模型,研究PHE持續(xù)期居民中長(zhǎng)距離出行方式的選擇行為,以航空運(yùn)輸為參考,途經(jīng)站點(diǎn)暴露率增加對(duì)鐵路運(yùn)輸方式的選擇概率有負(fù)向影響,對(duì)公路運(yùn)輸方式的選擇概率有正向影響;楊亞璪等[4]通過對(duì)比混合Logit模型和潛在類別條件Logit模型,對(duì)疫情時(shí)代居民出行方式選擇的主要影響因素進(jìn)行研究,發(fā)現(xiàn)出行屬性中等待時(shí)間和在途時(shí)間成為居民選擇出行方式的最重要影響因素;張小雨等[5]基于彈性分析預(yù)測(cè)疫情背景下不同管控政策對(duì)應(yīng)的出行方式分擔(dān)率;Xu等[6]應(yīng)用混合Logit回歸模型和多項(xiàng)Logit回歸模型,探索Covid-19爆發(fā)期間拼車對(duì)出行者出行方式造成的影響;石京等[7]基于計(jì)劃行為理論和收益-風(fēng)險(xiǎn)分析構(gòu)建結(jié)構(gòu)方程模型,研究PHE下居民休閑出行意愿影響機(jī)制,并利用單因素方差分析法和獨(dú)立樣本T檢驗(yàn)分析不同性別、年齡段、收入水平居民的受影響差異;張炎棠[8]基于結(jié)構(gòu)方程雙重中介模型及二階段交互法,驗(yàn)證PHE期間已建成環(huán)境對(duì)出行者通勤出行造成的影響;Rezwana等[9]結(jié)合美國(guó)馬里蘭州交通研究所的縣級(jí)數(shù)據(jù)和谷歌移動(dòng)報(bào)告建立結(jié)構(gòu)回歸模型,探討Covid-19期間家庭工作對(duì)活動(dòng)-出行行為的影響;胡松等[10]用K-means算法標(biāo)定公共交通出行群體,采用結(jié)構(gòu)方程模型構(gòu)建重大疫情對(duì)乘客公共交通依賴性影響模型,探究PHE期間公共交通與乘客出行意愿間的影響機(jī)制;魏麗英等[11]根據(jù)PHE初期、爆發(fā)期、平穩(wěn)期3個(gè)階段下的出行抽樣調(diào)查數(shù)據(jù)構(gòu)建混合Logit模型,發(fā)現(xiàn)3個(gè)階段下疫情感知屬性和出行距離的交乘項(xiàng)對(duì)交通方式選擇具有明顯調(diào)節(jié)效應(yīng);張晶等[12]考慮出行行為調(diào)整的蟲口模型,用以描述PHE傳播動(dòng)力學(xué)過程,用少量疫情相關(guān)數(shù)據(jù)對(duì)局部地區(qū)爆發(fā)的某一特定疫情進(jìn)行預(yù)測(cè)。

綜上,PHE在交通領(lǐng)域的研究主要集中在利用Logit模型研究PHE與出行者出行行為之間的關(guān)系,部分文獻(xiàn)利用結(jié)構(gòu)方程模型與其他算法相結(jié)合探討PHE期間出行者出行的影響因素,但大部分研究均忽略外部情景因素對(duì)其影響,未考慮PHE期間交通政策是否支持該階段的居民出行。我國(guó)已有少數(shù)研究證實(shí)公共交通防疫策略對(duì)居民出行方式選擇和出行偏好有著積極影響,并為交通部門的應(yīng)急響應(yīng)優(yōu)化策略提出建議[13]。但目前關(guān)于PHE持續(xù)期居民短距離的交通政策與居民短距離出行意愿影響機(jī)制的相關(guān)研究較少。Handy等[14]發(fā)現(xiàn)由于強(qiáng)制性防控等政策因素,長(zhǎng)距離等休閑出行受到的影響較小。鑒于此,本研究以重慶市主城區(qū)居民的短距離出行(包括通勤出行、彈性出行)意愿為研究對(duì)象,結(jié)合相關(guān)研究將出行距離在10 km內(nèi)、出行時(shí)間在60 min內(nèi)的基本出行統(tǒng)一定義為短距離出行,在計(jì)劃行為理論(TPB)和保護(hù)動(dòng)機(jī)理論(PMT)的基礎(chǔ)上引入潛變量交通政策和防疫政策構(gòu)建居民短距離出行意愿的結(jié)構(gòu)方程模型,挖掘PHE持續(xù)期有利于居民出行的交通政策,以期重塑居民在疫情這類突發(fā)公共衛(wèi)生事件下的積極出行態(tài)度。

1 模型構(gòu)建與理論假設(shè)

1.1 理論模型

TPB是Ajzen[15]用以解釋個(gè)體在約束條件下是如何改變決策行為而提出,其模型框架如圖1所示。現(xiàn)有學(xué)者以技術(shù)接受模型(TAM)[16]、健康信念模型(HBM)為基礎(chǔ)對(duì)TPB理論進(jìn)行拓展。馬壯林等[17]以TPB和TAM為基礎(chǔ)構(gòu)建限行政策下城市居民低碳出行意愿的多指標(biāo)、多因素模型(MIMIC),探究居民低碳出行意愿影響因素。

圖1 TPB模型框架

PMT是Rogers[18]基于威脅評(píng)估和應(yīng)對(duì)評(píng)估而提出(見圖2)。在PMT模型中,感知易感性是指?jìng)€(gè)體出現(xiàn)某種健康問題的可能性判斷,感知嚴(yán)重性是指?jìng)€(gè)體對(duì)該健康問題嚴(yán)重性與危害性的認(rèn)識(shí)[19]。根據(jù)PMT理論中的感知風(fēng)險(xiǎn)定義居民短距離出行時(shí)可能感染病毒的易感性和嚴(yán)重性。

圖2 PMT模型框架

政策方面,Steg等[20]運(yùn)用推拉理論將交通需求管理政策分為推力政策(抑制出行)和拉力政策(促進(jìn)出行),證實(shí)了道路限行、公交地鐵限流等推力政策會(huì)抑制出行者對(duì)出行方式的需求,而定制公交政策等拉力政策則會(huì)促進(jìn)居民積極的出行態(tài)度。因此,在PHE持續(xù)期從居民出行需求層面引入交通政策這個(gè)外部情景變量。同時(shí),考慮到在短距離出行時(shí)政府部門發(fā)布的防疫政策對(duì)出行也可能有影響,對(duì)防疫政策的認(rèn)可度高,會(huì)降低居民出行時(shí)的感知風(fēng)險(xiǎn)程度,改變居民短距離出行態(tài)度,進(jìn)而影響居民出行意愿。綜上,擬結(jié)合TPB中原有的“感知行為控制(PBC)”“主觀規(guī)范(SN)”“態(tài)度(AT)”以及PMT中的“感知風(fēng)險(xiǎn)(PR)”,并新增鮮有被討論的交通政策(TP)和防疫政策(EPP)2個(gè)外部情景變量,建立拓展TPB模型,用以探討PHE持續(xù)期重慶市主城區(qū)居民的短距離出行意愿(TI)。模型框架如圖3所示。

圖3 擴(kuò)展的計(jì)劃行為理論模型

1.2 數(shù)學(xué)模型

選擇結(jié)構(gòu)方程模型(SEM)[21]作為分析方法,用以度量PHE持續(xù)期各潛變量與居民短距離出行意愿間的影響關(guān)系。相較于傳統(tǒng)的線性回歸方法,SEM能更好地解釋因果變量間的關(guān)系,SEM模型表達(dá)式為

X=ΛXξ+δ

(1)

Y=ΛYη+ε

(2)

η=Bη+Γξ+ζ

(3)

式中:ξ為外生變量;η為內(nèi)生變量,即PBC、AT、TI,X、Y為其觀測(cè)變量;ΛX和ΛY分別為ξ和η的因子載荷矩陣;δ和ε分別為X和Y的殘差項(xiàng);B為內(nèi)生變量間的系數(shù)矩陣;Γ為ξ對(duì)η的影響矩陣;η、ξ同式(1)～(2);ζ為殘差項(xiàng),反映η未能被解釋部分[22]。

上述式(1)～(3)中,式(1)～(2)為測(cè)量模型的矩陣表達(dá)形式,式(3)為結(jié)構(gòu)模型的矩陣表達(dá)形式。

1.3 模型假設(shè)

假設(shè)如下:H1(感知風(fēng)險(xiǎn)對(duì)短距離出行態(tài)度產(chǎn)生負(fù)向影響);H2(防疫政策對(duì)短距離出行態(tài)度產(chǎn)生正向作用);H3(交通政策對(duì)出行態(tài)度產(chǎn)生正向作用);H4(主觀規(guī)范對(duì)出行態(tài)度產(chǎn)生正向作用);H5(主觀規(guī)范對(duì)感知行為控制產(chǎn)生正向作用);H6(防疫政策對(duì)出行意愿產(chǎn)生正向作用);H7(交通政策對(duì)出行意愿產(chǎn)生正向作用);H8(感知行為控制對(duì)出行意愿產(chǎn)生正向作用);H9(短距離出行態(tài)度對(duì)出行意愿產(chǎn)生正向作用);H10(主觀規(guī)范對(duì)出行意愿產(chǎn)生正向影響);H11(防疫政策對(duì)短距離出行的感知風(fēng)險(xiǎn)產(chǎn)生負(fù)向影響)。假設(shè)模型如圖4所示。

圖4 假設(shè)模型框架

2 數(shù)據(jù)收集與分析

2.1 問卷設(shè)計(jì)

采用行為偏好(RP)的方法設(shè)計(jì)PHE持續(xù)期重慶市主城區(qū)居民短距離出行意愿的影響因素調(diào)查問卷。該問卷由3部分組成:一是社會(huì)經(jīng)濟(jì)屬性方面,涵蓋性別、年齡、學(xué)歷、職業(yè)、人均月收入以及擁有私家車數(shù)量;二是短距離出行相關(guān)心理感知因素調(diào)查,采用李克特(Likert)7級(jí)量表對(duì)不可直接觀測(cè)的感知因素進(jìn)行度量,每個(gè)變量由3～5個(gè)觀測(cè)變量構(gòu)成;三是居民的出行特征。

2.2 數(shù)據(jù)收集

問卷通過問卷星平臺(tái)向重慶市主城區(qū)居民發(fā)放,共收集284份問卷。為確保收集數(shù)據(jù)的質(zhì)量,結(jié)合兩方面指標(biāo)對(duì)收集到的數(shù)據(jù)進(jìn)行篩選[23]。根據(jù)試測(cè)時(shí)間,完成問卷需要2～3 min,在1 min內(nèi)完成問卷且問卷數(shù)據(jù)全為一致性的可以認(rèn)為是不負(fù)責(zé)任填寫問卷,數(shù)據(jù)視為無效。因此,剔除30份無效問卷,余下的254份有效問卷用于正式數(shù)據(jù)分析。

2.3 描述性統(tǒng)計(jì)分析

根據(jù)統(tǒng)計(jì)結(jié)果,對(duì)有效樣本中受訪者進(jìn)行分析:性別和年齡方面,男女比例接近1.5∶1,且大多為24～35歲(占57.87%)年齡段群體;受教育程度方面,本科(大專)及以上受訪者居多,占61.41%;家庭人均月收入方面,0.5～1萬元的中等收入者較多,占42.91%,這與重慶市主城區(qū)居民收入水平分布基本相符;家庭擁有小汽車數(shù)量方面,大部分(占46.06%)家庭擁有小汽車的數(shù)量為1輛。

受訪者的出行屬性中:出行目的偏好方面,PHE持續(xù)期居民短距離出行目的以通勤(上下班、上下學(xué))為主,占81.50%,少數(shù)出行以電影院、公園、健身房等場(chǎng)所為主;居民選擇步行、自行車等出行方式的頻率略高一些,出行時(shí)間以60 min以內(nèi)為主,占比74.02%,出行距離在10 km以內(nèi),占比74.41%。以上數(shù)據(jù)證明出行群體擔(dān)憂選擇公共交通出行會(huì)增加疫情感知風(fēng)險(xiǎn),與目前居民在進(jìn)行短距離出行時(shí)追求的安全性相符。

3 居民短距離出行結(jié)構(gòu)方程模型

3.1 信效度分析

采用信、效度分析以確保調(diào)查結(jié)果的真實(shí)性。信度分析以檢驗(yàn)Cronbach’s α信度系數(shù)為主;效度分析以探索性因子分析(EFA)和檢驗(yàn)各潛變量間一致性及與其它潛變量的差異性、驗(yàn)證性因子分析(CFA)為主。EFA常用KMO或bartlett’s球形檢驗(yàn)進(jìn)行評(píng)價(jià),而CFA一般選取標(biāo)準(zhǔn)化因素負(fù)荷量(Std.)、組合信度(CR)和平均方差抽取量(AVE)來表示。一般認(rèn)為,Std.的理想值為0.7以上,0.6為可接受范圍,題目信度SMC在0.2以上表示可接受[24]。當(dāng)CR>0.7、AVE>0.5時(shí),測(cè)量變量之間的一致性可以接受[25]。

各變量信效度檢驗(yàn)結(jié)果如表1所示。PR、SN、AT、TI、TP、PBC、EPP 7個(gè)潛變量的Cronbach’s α均大于0.8,整體信度為0.934;問卷的KMO均大于0.7,表明問卷適合進(jìn)行探索性因子分析; 27個(gè)觀測(cè)變量的因子載荷均大于0.7。同時(shí),7個(gè)潛變量的CR均大于0.8,AVE均大于0.6,說明測(cè)量變量?jī)?nèi)部一致性較好,測(cè)量誤差合理,收斂性良好。區(qū)分效度結(jié)果如表2所示,AVE平方根均大于其相關(guān)系數(shù),表明模型整體具有良好的區(qū)分效度。

表1 各變量信效度檢驗(yàn)結(jié)果

表2 區(qū)分效度評(píng)價(jià)

3.2 模型擬合及模型評(píng)價(jià)

采用Amos 28.0構(gòu)建PHE持續(xù)期重慶市主城區(qū)居民短距離出行意向的SEM模型,并選取規(guī)范卡方值(CMIN/DF)、擬合度指標(biāo)(GFI)、調(diào)整的擬合度指標(biāo)(AGFI)、比較性擬合度指標(biāo)(CFI)、非規(guī)范擬合度指標(biāo)(TLI)、近似均方根誤差(RMSEA)和標(biāo)準(zhǔn)化均方根殘差值(SRMR)進(jìn)行模型擬合度檢驗(yàn)。對(duì)于擬合指標(biāo)的標(biāo)準(zhǔn),通常會(huì)參考結(jié)構(gòu)方程領(lǐng)域權(quán)威學(xué)者給出的建議。表3已給出本研究模型的指標(biāo)數(shù)值結(jié)果和推薦值,對(duì)比分析可知各項(xiàng)指標(biāo)均擬合良好(GFI和AGFI處于可接受范圍內(nèi)),表明模型與有效數(shù)據(jù)具有良好的適配性。而路徑系數(shù)通過臨界比率值(C.R.)和P值2個(gè)指標(biāo)判斷路徑系數(shù)是否顯著,要求C.R.絕對(duì)值>1.96,P value<0.05。

路徑分析結(jié)果如表4所示,主觀規(guī)范→出行意愿路徑關(guān)系對(duì)應(yīng)的C.R.<1.96、P值>0.05,故該路徑不顯著,假設(shè)不成立。而防疫政策→感知風(fēng)險(xiǎn)這組潛變量路徑系數(shù)的正負(fù)性與前文假設(shè)不一致,故也不成立。其余9組路徑關(guān)系均與前文假設(shè)相符,C.R.和P值也滿足顯著性要求,故這9組假設(shè)路徑關(guān)系顯著,即H1～H9假設(shè)成立。

3.3 模型修正

由路徑分析結(jié)果剔除不成立的假設(shè)H10、H11,對(duì)模型整體進(jìn)行修正,修正后的模型指標(biāo)均通過擬合檢驗(yàn),且H1～H9路徑系數(shù)均顯著,假設(shè)成立。最終結(jié)果如圖5、表5所示。

表5 修正模型擬合結(jié)果

圖5 修正后的居民短距離出行意向的SEM模型

3.4 結(jié)果分析

3.4.1 潛變量間關(guān)系分析

根據(jù)圖5的SEM模型計(jì)算各潛變量的直接效應(yīng)、間接效應(yīng)和標(biāo)準(zhǔn)化后的總效應(yīng),結(jié)果如表6所示。

表6 各潛變量標(biāo)準(zhǔn)化后的總效應(yīng)

1)防疫政策、交通政策、感知行為控制、態(tài)度對(duì)PHE持續(xù)期居民的短距離出行意愿產(chǎn)生直接影響,故H6、H7、H8、H9成立;主觀規(guī)范通過作用于感知行為控制間接影響居民的短距離出行意愿,故H5成立;不符合前文假設(shè)的H10、H11已剔除。

2)各潛變量對(duì)PHE持續(xù)期居民短距離出行意愿影響程度的總效應(yīng)從大到小依次為態(tài)度(0.450)、主觀規(guī)范(0.366)、交通政策(0.327)、防疫政策(0.290)、感知行為控制(0.230)、感知風(fēng)險(xiǎn)(-0.086)。表明交通政策、防疫政策越有利于居民的短距離出行,居民的出行態(tài)度愈明顯,感知行為控制能力則愈強(qiáng),居民出行意愿也愈積極。

3)交通政策和防疫政策標(biāo)準(zhǔn)化后的總效應(yīng)為0.327、0.290,居民對(duì)交通政策的支持度上升一個(gè)標(biāo)準(zhǔn)差,居民的短距離出行意愿則會(huì)提高0.327個(gè)標(biāo)準(zhǔn)差。這表明PHE持續(xù)期交通政策、防疫政策對(duì)居民短距離出行意愿有促進(jìn)作用,居民對(duì)交通政策、防疫政策的支持度越高,則會(huì)促進(jìn)居民的短距離出行態(tài)度,出行態(tài)度越積極,出行意愿就越明顯。

4)短距離出行的態(tài)度、感知行為控制對(duì)居民短距離出行意愿的直接效應(yīng)為0.450、0.230。表明PHE持續(xù)期居民對(duì)于自身控制能力越強(qiáng),出行態(tài)度越積極,出行意愿也越強(qiáng)烈。

5)感知行為控制、態(tài)度為中介變量。感知風(fēng)險(xiǎn)作用于出行態(tài)度對(duì)出行意愿產(chǎn)生顯著的負(fù)面影響,總效應(yīng)值為-0.086,即居民對(duì)疫情風(fēng)險(xiǎn)的感知程度越高,產(chǎn)生的出行擔(dān)憂越強(qiáng)烈,出行意愿也就越不明顯。

在解釋方差(R2)方面,感知風(fēng)險(xiǎn)、防疫政策、交通政策、主觀規(guī)范4個(gè)變量共同解釋了56.4%的出行態(tài)度方差變異。說明疫情感知風(fēng)險(xiǎn)、各項(xiàng)交通政策、防疫政策以及居民短距離出行的主觀規(guī)范,對(duì)PHE持續(xù)期居民短距離出行意愿的影響并不是短期客流規(guī)律,而是將會(huì)在短距離出行意愿上產(chǎn)生深刻的長(zhǎng)期影響。

3.4.2 觀測(cè)變量與潛變量間關(guān)系分析

交通政策方面,從共享單車免費(fèi)騎行(0.848)、免費(fèi)開放公共停車場(chǎng)減免路側(cè)停車收費(fèi)(0.831)等觀測(cè)變量可以看出,居民的出行意愿受該變量的影響逐次降低。這與PHE持續(xù)期的出行形勢(shì)較為相符,公共停車場(chǎng)的免費(fèi)開放以及路側(cè)減免停車收費(fèi)可有效解決有車群體停車難、違章停放等問題;推出共享單車免費(fèi)騎行政策,能刺激無車群體通過騎行的方式進(jìn)行短距離出行意愿。

防疫政策方面,居民著重關(guān)注做好自我健康管理(0.844)及乘車環(huán)境的消殺通風(fēng)(0.852)2個(gè)觀測(cè)變量?？梢娋用駥?duì)短距離出行時(shí),要求個(gè)人做好自我健康管理的綜合效能較為重視。

主觀規(guī)范方面,電視、網(wǎng)絡(luò)、報(bào)紙等媒體的建議具有較強(qiáng)的權(quán)威性和可信性,對(duì)短距離出行意愿影響較大,而家人、朋友、同事等對(duì)PHE持續(xù)期的信息了解不夠全面,傳遞信息過程中也可能存在偏差,所以對(duì)居民短距離出行意愿的影響稍次之。

感知行為控制方面,豐富的防疫經(jīng)驗(yàn)(0.877)以及防疫政策(0.851)對(duì)其影響程度較高,交通政策次之(0.739),受自身的決策影響較小(0.706);出行意愿方面,在條件允許下,進(jìn)行短距離出行的意愿較高(0.917),原因在于現(xiàn)有的短距離出行中,以上下班、上下學(xué)為主的通勤類出行和以就醫(yī)、就餐為主的彈性出行為主,其出行時(shí)間、出行方式較疫情前有略微變化。

3.5 建議措施

綜上,為促進(jìn)PHE持續(xù)期居民對(duì)短距離出行的積極意愿,提出以下建議。

1)增強(qiáng)PHE持續(xù)期居民對(duì)交通政策和防疫政策的效果感知,居民對(duì)交通、防疫政策的效果感知是出行態(tài)度形成的基礎(chǔ),這也是對(duì)短距離出行意愿影響較大的兩個(gè)因素。如,針對(duì)傾向于選擇私家車、步行等方式出行的疫情風(fēng)險(xiǎn)較高和防控效果不明顯地區(qū):交通管理部門可適當(dāng)先調(diào)整公共交通運(yùn)營(yíng)頻率和運(yùn)營(yíng)時(shí)間,在道路空間有限的情況下,為私家車提供道路空間;其次,在駕駛員和乘客之間設(shè)置安全屏障以減少病毒傳播;最后,學(xué)習(xí)北京、深圳等城市推出的共享單車早晚高峰免費(fèi)騎行政策,號(hào)召居民在做好防疫措施的同時(shí)激勵(lì)其選擇綠色出行。

2)短距離出行的主觀規(guī)范也是影響出行意愿的較大因素。外界條件的約束或支持所營(yíng)造的區(qū)域性環(huán)境對(duì)出行意愿的影響具有局部性,較大范圍內(nèi)存在疫情,對(duì)局部出行的影響較小,通過限制局部的疫情消息傳播用以減緩非疫情區(qū)域短距離出行者的出行壓力,促進(jìn)PHE持續(xù)期城市居民的短距離出行。

3)針對(duì)日常以公共交通出行為主的居民,通過設(shè)置手機(jī)小程序以展示乘車車廂的人流密度,引導(dǎo)錯(cuò)峰出行,避免因人員聚集而爆發(fā)大規(guī)模疫情。同時(shí),政府部門可根據(jù)居民短距離出行的時(shí)空規(guī)律,向有車群體、通勤人員定向推送定制公交的出行優(yōu)勢(shì),精準(zhǔn)實(shí)施定制公交政策,以鼓勵(lì)其選擇定制公交出行。

4 結(jié) 論

1)采用SPSS軟件及AMOS結(jié)構(gòu)方程模型,對(duì)PHE持續(xù)期重慶市主城區(qū)居民出行行為的254份有效問卷進(jìn)行探索性和驗(yàn)證性因子分析,并利用潛變量間的相關(guān)性分析影響居民短距離出行的影響因素,發(fā)現(xiàn)各項(xiàng)交通政策、防疫政策的實(shí)施可以促進(jìn)PHE持續(xù)期居民的短距離出行意愿。同時(shí),以感知行為控制和態(tài)度作為中介變量,傳遞主觀規(guī)范和感知風(fēng)險(xiǎn)等心理感知因素對(duì)出行意愿的間接影響。

2)影響重慶市主城區(qū)居民短距離出行意愿的作用路徑為“交通政策、防疫政策、主觀規(guī)范、感知風(fēng)險(xiǎn)→出行態(tài)度→出行意愿”,表明各個(gè)感知因素在PHE持續(xù)期會(huì)嚴(yán)重影響居民的短距離出行偏好,證明交通政策等變量對(duì)PHE持續(xù)期居民短距離出行的積極態(tài)度具有促進(jìn)作用。

3)研究探討的影響因素可能只適用于PHE持續(xù)期重慶市主城區(qū)居民的短距離出行意愿,該影響因素是否對(duì)其他大范圍地區(qū)居民的短距離出行產(chǎn)生影響還未知,下一步可擴(kuò)大范圍對(duì)其進(jìn)行重點(diǎn)研究。