霧霾天氣對出行行為的影響機理研究

李聰穎，黃一哲,，李 敢,，易 超,，朱文強，劉 雯,

（1. 西安建筑科技大學城鄉(xiāng)規(guī)劃學博士后流動站，陜西 西安 710055；2. 西安建筑科技大學土木工程學院，陜西 西安 710055；3. 上海交通大學船舶海洋與建筑工程學院，上海 200240；4. 哈爾濱工業(yè)大學深圳研究生院，廣東 深圳 518055；5. 上海理工大學管理學院，上海 200093；6. 上海海事大學交通運輸學院，上海 201306）

近年來，我國各大城市霧霾天氣日趨增多，造成了出行者的不適，也對道路交通安全產(chǎn)生了嚴重影響.為改變上述狀況，除了從環(huán)境工程角度予以治理，還應深入探究霧霾天氣下內(nèi)外部因素對出行者具體行為的影響.

影響出行行為的主要因素包括出行費用、各種選擇的可行性等外部交通設施限制以及日常的行為和個人的特征[1]，霧霾等外部環(huán)境對交通行為的影響主要在于后者.目前針對外部環(huán)境對出行行為影響的研究主要有最大效用理論和心理行為理論這兩類理論方法[2].

最大效用理論從微觀個體最大效用角度出發(fā)分析個體的選擇行為：石小法[3]等提出將路阻作為隨時間變化而改變的隨機過程變量，出行者在路徑選擇時選擇路阻最小的路徑出行；迪克(Dick)等[4]建立了基于期望效用理論的出發(fā)時刻選擇概念模型.心理行為理論從出行者心理角度揭示行為的內(nèi)在機理：郭寒英[5]從出行者生理、心理特征以及生理心理交互作用等角度分析城市客運交通出行行為；布魯克赫伊斯（Brookhuis）[6]和唐登科[7]等采用心電、腦電數(shù)據(jù)分析駕駛人的駕駛行為.最大效用理論在較簡單的靜態(tài)決策環(huán)境下比較合適，但難以分析較為復雜的決策行為[8]，而心理對個體行為選擇的影響機理目前仍不是特別明確[2].

霧霾天氣下，出行者態(tài)度、感知等無法直接觀測到的變量會對行為決策產(chǎn)生重要影響，結構方程模型可以有效揭示不可直接觀測變量對行為的影響：加特林(G?rling)[9]等通過建立結構方程模型探究了態(tài)度對駕駛行為決策的影響；戈龍布(Golob)[10]等通過建立結構方程模型分析了個人出行行為與對政策支持程度的關系；伊萊亞斯(Elias)[11]等應用結構方程模型分析了出行者對于事故的感知對出行行為選擇的影響.總體上，結構方程模型在分析態(tài)度、感知等對出行行為影響的研究領域已經(jīng)有了較為廣泛的應用[12].

基于社會心理學相關理論，引入生理、心理感知變量，構建了結構方程模型，聯(lián)立分析不同影響因素之間的聯(lián)系，探究了霧霾對于出行行為的影響機理.

1 霧霾對出行行為的影響

為探究霧霾對出行者的影響，從出行次數(shù)、出行方式、出行速度以及出行時間4個方面調(diào)查了霧霾對不同出行方式的出行者出行行為的影響程度.

結合調(diào)查結果，針對霧霾對出行行為的影響程度進行了均值和方差分析，如表1所示.

結果顯示霧霾天氣對于各種出行方式的出行者的交通行為都造成了一定的影響：

(1)霧霾天氣下出行者出行次數(shù)都有一定程度的減少(均值小于3)，不同出行方式的出行者出行次數(shù)下降的程度沒有顯著的不同(P＞0.05)；

(2)不同出行方式的出行者在霧霾天氣下對原有的出行方式的依賴程度不同(P＜0.05)，其中公共交通出行者更容易選擇原有的出行方式(3.70)，步行者更容易放棄原有的出行方式(2.83)；

(3)不同出行方式的出行者在霧霾天氣下速度的變化有顯著的不同(P＜0.05)，其中電動車(1.69)和自行車(2.07)的速度都有較大程度的下降，而步行者的出行速度有一定程度的增加(3.21)；

(4)霧霾天氣下，出行者的出行時間都有一定程度的減少(均值小于3)，其中電動車出行者的出行時間減少較多(1.68)，私家車出行者的出行時間減少較少(2.64).

表1 霧霾天氣下出行者出行行為改變的均值和方差分析Tab.1 Means and variance analysis of travel behavior in the smog weather

2 結構方程分析模型的構建

出行者在霧霾天氣下出行行為主要表現(xiàn)為一種短期調(diào)整，調(diào)整的原因包括出行者生理、心理上感知到的不適以及由過去行為、主觀認識等形成的對霧霾天氣出行的態(tài)度等.為進一步分析霧霾天氣對出行者交通行為的影響特性，本文基于計劃行為理論建立了結構方程分析模型.

2.1 結構方程模型

結構方程模型是一種以回歸為基礎的多變量分析技術，并結合路徑分析，屬于驗證性實證研究的數(shù)據(jù)分析技術，其目的在于探究變量間的因果關系并驗證理論[13].結構方程模型擁有一套獨特的變量體系：能夠直接觀測到的變量為觀測變量(observed variable)，難以直接觀測的抽象概念為潛變量(latent variable).

結構方程模型可分為測量模型和結構模型兩部分，其中測量模型可用來描述潛變量和觀測變量之間的關系，結構模型可用來描述潛變量間的關系.可采用矩陣方程式的形式來反映上述模型：

其中：x為外生觀測變量向量；xΛ為外生觀測變量與外生潛變量之間的關系,是外生觀測變量在外生潛變量上的因子荷載矩陣；ξ為外生潛變量向量；δ為外生觀測變量的殘差項向量；y為內(nèi)生觀測變量向量；yΛ為內(nèi)生觀測變量與內(nèi)生潛變量之間的關系，是內(nèi)生觀測變量在內(nèi)生潛變量上的因子荷載矩陣；η為內(nèi)生潛變量向量；ε為內(nèi)生觀測變量的殘差項向量；B和Γ都是路徑系數(shù)，B表示內(nèi)生潛變量之間的關系，Γ表示外生潛變量對于內(nèi)生潛變量值的影響；ζ為結構方程模型的誤差項.

2.2 模型的構建

分析模型采用計劃行為理論作為分析霧霾對交通行為影響的理論基礎，并對其進行了拓展.

2.2.1 計劃行為理論

計劃行為理論(Theory of Planned Behavior,TPB)從信息加工的角度、以期望價值理論為出發(fā)點解釋個體行為的一般決策過程[14]，已被廣泛應用于交通行為的預測和解釋[15].計劃行為理論一般認為影響行為的主要因素有：態(tài)度、主觀規(guī)范、行為控制認識和過去經(jīng)驗.針對霧霾天氣，對這些影響因素進行分析：

(1)態(tài)度

態(tài)度指對事物或者觀念的存在和屬性的認知，也指對待事物喜歡與否的感覺[16].出行者對待霧霾天氣下出行的態(tài)度是其出行行為發(fā)生改變的首要決定因素.

(2)主觀規(guī)范

主觀規(guī)范指個體執(zhí)行某種行為時，所感受到其他重要關系人的壓力.霧霾天氣下家人或朋友等看法會影響出行者的決策.

(3)行為控制認識

行為控制認識指同時考慮到個人技能、資源及機遇等因素后，實施某一特定行為的困難容易程度.霧霾天氣下出行者的行為控制認識包括對能見度的認識、對路面附著系數(shù)的認識、對反應時間的認識、對自己順利出行能力的認識、對路段管控措施的認識、對自己生理、心理受到影響的認識等.

(4)過去經(jīng)驗

過去經(jīng)驗指個人過去行為所積累的經(jīng)驗.出行者在過去的霧霾天氣下有無發(fā)生交通險情、是否出現(xiàn)過不適、周圍(政府部門、新聞媒體等)對霧霾天氣各方面宣傳對自己的影響等方面都會影響出行者的經(jīng)驗.

許多學者實證研究發(fā)現(xiàn)，態(tài)度不僅影響行為，且在主觀規(guī)范、行為控制認識和過去經(jīng)驗等變量對行為影響過程中起中介作用[13]，于是將態(tài)度作為中介變量.

2.2.2 理論模型的拓展

霧霾天氣下，出行者的出行行為不僅會受到態(tài)度的影響，同時會受到心理、生理狀態(tài)的影響.為反映出行者在實際霧霾環(huán)境下的出行決策過程，在原有計劃行為理論基礎上，引入心理狀態(tài)和身體狀況兩個潛變量，拓展了理論.

其中霧霾天氣下出行者的心理狀態(tài)主要有急躁感、緊張感、疲勞感、情緒低落感以及恐懼感 5類，身體狀況主要有呼吸系統(tǒng)疾病癥狀、心血管疾病癥狀以及各類傳染病癥狀3類.

2.2.3 分析模型的提出

綜合上述分析，提出了基于計劃行為理論的分析模型，其中包含以下6點假設：

(1)過去經(jīng)驗對態(tài)度具有顯著影響；

(2)行為控制認識對態(tài)度具有顯著影響；

(3)主觀規(guī)范對態(tài)度具有顯著影響；

(4)態(tài)度對霧霾天氣出行行為的改變有顯著影響，且在過去經(jīng)驗、行為控制認識與主觀規(guī)范對霧霾天氣出行行為改變的影響過程中起中介作用；

(5)身體狀況對霧霾天氣出行行為的改變具有顯著影響；

(6)心理狀態(tài)對霧霾天氣出行行為的改變具有顯著影響.

3 模型的計算與驗證

3.1 問卷設計與調(diào)查實施

為了對相關變量進行測量，設計了霧霾天氣出行行為調(diào)查問卷.問卷共分7個維度，27個問項，分別測量了出行行為、態(tài)度、過去經(jīng)驗、行為控制認識、主觀規(guī)范、心理狀態(tài)、身體狀況等7個潛變量下的27個觀測變量，評分表采用李克特（Likert）5級量表形式.問卷首先通過德爾菲專家法對各維度測量項目的涵蓋、問卷的語氣以及各指標的選取進行了預調(diào)查，以保證問項設置的合理性.最終問項設置見表2.

為確保問卷分發(fā)的隨機性，采用路邊詢問法和網(wǎng)上問卷法2種形式進行問卷的發(fā)放，共計發(fā)放問卷500份，最終回收484份有效問卷，回收率96.8%. 3.2 可信度與有效度分析

利用主成分分析法對數(shù)據(jù)進行建構效度分析，剔除公因子荷載0.5以下的PE2、K1、K4和K5共4個問項.對樣本數(shù)據(jù)進行可信度分析，得到各潛變量的內(nèi)部一致性系數(shù)(ɑ系數(shù))均在0.6以上，信度較高，結果如表3所示.最終得到7個潛變量包含的共 23個觀測變量，可用于進一步的模型分析與假設檢驗.

3.3 結構方程模型驗證

為分析各潛變量之間的關系以及對霧霾天氣交通行為影響的解釋程度，采用結構方程模型的方法對分析模型進行檢驗，借助AMOS 20.0軟件對樣本數(shù)據(jù)進行分析.

對預設的結構方程模型(如圖 1所示)作了初步檢驗，各擬合指數(shù)如表4所示.根據(jù)模型擬合結果，除RMSEA滿足要求外，其他擬合指數(shù)χ2/df、NFI、IFI、TLI、CFI等均不合格，模型擬合不佳.

表2 測量變量及具體問項內(nèi)容Tab.2 Measuring variables and specific content of items

表3 研究變量的可信度分析結果Tab.3 The reliability of variables

為尋求更好的擬合模型，以修正系數(shù)M.I.為參考，根據(jù)相關理論對結構方程模型進行部分改進.霧霾天氣下，生理上的不適會產(chǎn)生不良情緒，不良情緒也會對身體產(chǎn)生消極影響，生理和心理相互作用，相互影響[5].且參考AMOS生成的修正系數(shù)表，增加心理狀態(tài)和身體狀況之間的關系路徑，對模型進行第一次修正.

霧霾天氣下的行為經(jīng)驗會受到過去霧霾天氣下心理狀態(tài)的影響，而現(xiàn)狀的心理狀態(tài)又易受到過去對于霧霾天氣出行經(jīng)驗的干擾，所以心理狀態(tài)和過去經(jīng)驗之間也有一定的相關關系.且根據(jù)重新形成的修正系數(shù)表，增加心理狀態(tài)和過去經(jīng)驗之間的關系路徑，對模型進行第二次修正.

再次修正后的結構方程模型如圖2所示，各潛變量間、各觀測變量與潛變量間的路徑系數(shù)均在[-1,1]范圍內(nèi)，符合結構方程的要求.模型擬合指數(shù)如表5所示.從表5來看，χ2/df結果尚可，在可接受區(qū)間[1,3]內(nèi)，NFI、TLI、CFI都超過了 0.9，IFI則接近0.9，RESMA低于0.10.綜合各類評價指標，該模型擬合效果良好，表明態(tài)度等因素對霧霾天氣下出行者出行行為的調(diào)整有較好的解釋作用.

圖1 基于計劃行為理論的結構方程模型Fig.1 Structural equation model based on the TPB

表4 預設模型的擬合指標分析表Tab.4 Fitting index of the default model

4 模型結果分析

根據(jù)各潛變量之間的路徑系數(shù)值，可以得到以下公式：

模型結果表明：

(1)態(tài)度是主觀規(guī)范、過去經(jīng)驗和行為控制認識對出行行為產(chǎn)生影響的中介變量，過去經(jīng)驗對態(tài)度的路徑系數(shù)是 0.424，行為控制認識對態(tài)度的路徑系數(shù)是0.280，主觀規(guī)范對態(tài)度的路徑系數(shù)是0. 177.

霧霾天氣下，出行者的主觀規(guī)范、過去經(jīng)驗及行為控制認識對于出行行為的態(tài)度具有顯著影響，假設1、2、3得到支持.其中過去經(jīng)驗對態(tài)度的路徑系數(shù)最大，表明霧霾天氣下出行者對出行行為的態(tài)度主要源于其過去行為所積累的經(jīng)驗.行為控制認識對態(tài)度的解釋力次之，說明出行者對于霧霾天氣下出行能力的認識也會對出行的態(tài)度產(chǎn)生較大影響.而家人朋友等對出行者的主觀規(guī)范對于態(tài)度的解釋力最低.

圖2 第二次修正后的結構方程模型Fig.2 Modified structural equation model

表5 修正模型的擬合指標分析表Tab.5 Fitting index of the modified model

(2)對于霧霾天氣下交通行為改變的解釋力，態(tài)度的路徑系數(shù)為 0.565，心理狀態(tài)的路徑系數(shù)為0.268，身體狀況的路徑系數(shù)為0.164.

霧霾天氣下，態(tài)度、身體狀況及心理狀態(tài)對出行行為行為的改變具有顯著影響，假設4、5、6成立.而且態(tài)度對于這種改變的解釋力最大，說明在霧霾天氣中，出行者對待霧霾天氣的態(tài)度是影響其出行行為的主要因素.而心理狀態(tài)的解釋力大于生理狀態(tài)，說明出行者更易根據(jù)自己在霧霾天氣下的心理情緒調(diào)整出行行為，生理狀態(tài)對出行行為的解釋力有限.

(3)潛變量身體狀況與心理狀態(tài)之間的路徑系數(shù)是 0.329，潛變量過去經(jīng)驗與心理狀態(tài)之間的路徑系數(shù)是0.223.

霧霾天氣下，生理與心理因素相互影響，過去經(jīng)驗也會對出行者的心理狀態(tài)產(chǎn)生一定的影響.其中身體狀況對心理狀態(tài)的解釋力高于過去經(jīng)驗對心理狀態(tài)的解釋力.

(4)對于出行行為這一內(nèi)生潛在變量，出行次數(shù)、出行方式、出行速度以及出行時間這四個測量變量對應的因子荷載分別是0.48、0.21、-0.07、0.61.

因子荷載可以表示測量變量對于潛變量的解釋力.模型結果表明，對于結構方程模型中所定義的出行行為潛變量，出行時間的解釋力最大，其次是出行次數(shù)、出行方式，出行速度的解釋力最小.

5 結論與建議

對霧霾天氣對于交通行為的影響機理進行了較為系統(tǒng)的分析，并采用結構方程模型的方法對分析模型進行了驗證和改進，得到的主要結論和相關建議如下：

(1)霧霾天氣會對不同出行方式的出行者產(chǎn)生不同程度的影響，建議出行者減少步行和非機動車的出行時間，優(yōu)先乘坐公共交通工具出行，有關部門可以針對不同出行方式的出行者采取不同的交通管理措施，并優(yōu)先保障公交車的通行.

(2)霧霾天氣下出行者的出行行為主要受到出行者的態(tài)度以及在霧霾天氣下心理、生理的狀態(tài)的影響，建議出行者理性地認識霧霾對身體的危害，出門保持愉悅的心情，并做好相應的防護措施.

(3)霧霾天氣下出行者過去積累的經(jīng)驗以及對自己霧霾天氣下出行能力的認識會對其霧霾天氣下出行的態(tài)度產(chǎn)生影響，建議有關部門增加對霧霾天氣出行利弊以及道路交通條件的宣傳力度，加強出行者對于霧霾天氣下出行的理性認識.

References

[1] NOBLET C L, TH?GERSEN J, TEISL M F. Who attempts to drive less in New England [J]. Transportation Research Part F: Traffic Psychology and Behaviour,2014, (23): 69-80.

[2] CHEN C F, CHAO W H. Habitual or reasoned using the theory of planned behavior, technology acceptance model, and habit to examine switching intentions toward public transit[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2011, 14(2): 128-137.

[3] 石小法, 盧林. 交通信息影響下的動態(tài)路徑選擇模型研究[J]. 公路交通科技, 2000, 17(4): 35-37.SHI Xiaofa, LU Lin. Study on Dynamic route choice model with travel information[J]. Journal of Highway and Transportation Research and Development, 2000,17(4): 35-37.

[4] ETTEMA D, TIMMERMANS H. Costs of travel time uncertainty and benefits of travel time information:conceptual model and numerical examples[J].Transportation Research Part C: Emerging Technologies,2006, 14(5): 335-350.

[5] 郭寒英. 基于出行者生理、心理的城市客運交通出行行為研究[D]. 成都: 西南交通大學, 2007.GUO Hanying. Study on travelers behavior based on their physiology and psychology in urban passenger transportation[D].Chengdu: Southwest Jiaotong University, 2007.

[6] BROOKHUIS K A, de WAARD D. The use of psychophysiology to assess driver status[J]. Ergonomics,1993, 36(9): 1099-1110.

[7] 唐登科. 駕駛員駕車生理、心理反應與道路線形關系的研究[D]. 南京: 東南大學, 2006.TANG Dengke. Research on the relationship of driver’s physical and mental reaction, and road alignment [D].Nanjing: Southeast University, 2006.

[8] SAKANO R, BENJAMIN J M. A structural equations analysis of revealed and stated travel mode and activity choices[J]. Transportmetrica, 2008, 4(2): 97-115.

[9] G?RLING T, FUJII S, BOE O. Empirical tests of a model of determinants of scriptbased driving choice[J].Transportation Research Part F: Traffic Psychology and Behaviour, 2001, 4(2): 89-102.

[10] GOLOB T F, HENSHER D A. Greenhouse gas emissions and Australian commuters’ attitudes and behavior concerning abatement policies and personal involvement[J].Transportation Research Part D:Transport and Environment, 1998, 3(1): 1-18.

[11] ELIAS W, SHIFTAN Y. The influence of individual’s risk perception and attitudes on travel behavior[J].Transportation Research Part A: policy and practice,2012, 46(8): 1241-1251.

[12] GOLOB T F. Structural equation modeling for travel behavior research [J]. Transportation Research Part B:Methodological, 2003, 37(1): 1-25.

[13] 李華敏. 鄉(xiāng)村旅游行為意向形成機制研究[M]. 北京:中國社會科學出版社, 2009.LI Huamin. Study on the formation mechanism of rural tourism behavior intention[M]. Beijing: China Social Sciences Publishing House, 2009.

[14] 段文婷, 江光榮. 計劃行為理論述評[J]. 心理科學進展, 2008, 16(2): 315-320.DUAN Wenting, JIANG Guangrong. A Review of the Theory of Planned Behavior[J]. Advances in Psychological Science, 2008, 16(2): 315-320.

[15] DONALD I J, COOPER S R, CONCHIE S M. An extended theory of planned behaviour model of the psychological factors affecting commuters' transport mode use[J]. Journal of Environmental Psychology, 2014,(40): 39-48.

[16] GOLOB T F. Joint models of attitudes and behavior in evaluation of the San Diego I-15 congestion pricing project[J]. Transportation Research Part A: Policy and Practice, 2001, 35(6): 495-514.