基于結(jié)構(gòu)方程的城市低收入通勤者活動-出行行為模型

程 龍 陳學武

(東南大學城市智能交通江蘇省重點實驗室，南京210096)

(東南大學現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心，南京210096)

交通出行對每個居民的日常生活都十分重要.但低收入通勤者由于對出行成本的負擔程度低，較少參與家庭外的活動，出行機動性也較差.低收入居民的出行特征有別于其他人群[1-3]:出行距離短、出行頻率少，更加依賴非機動化交通工具和公共交通.在“交通公平性”的目的和背景下，解決低收入居民的日常出行問題顯得十分重要.出行作為一種派生性需求，個體基于活動，通過安排出行OD、出行時間和出行方式來組織日常生活，研究表明將活動參與納入出行需求模型可以提高模型預測能力.而活動參與和出行模式之間的互動機理能夠有效地通過結(jié)構(gòu)方程模型揭示[4-5].

結(jié)構(gòu)方程模型(structural equations model，SEM)最早用于建立活動和出行的時間分配模型.Gould等[6]應用結(jié)構(gòu)方程模型探索節(jié)省的出行時間如何轉(zhuǎn)化為活動參與.Fujii等[7]基于結(jié)構(gòu)方程研究新通車的高速公路對通勤者下班后休閑活動需求的影響，分析社會經(jīng)濟屬性、活動模式、出行生成和出行行為之間的關系.Kuppam等[8]得出在家活動與家庭外活動有明顯的負相關.Chung等[9]基于韓國首爾的出行調(diào)查數(shù)據(jù)分析社會經(jīng)濟屬性、活動參與和出行行為之間的直接效應、間接效應和總體效應，認為社會經(jīng)濟屬性和出行行為的關系在發(fā)展中國家和發(fā)達國家呈現(xiàn)相似的特征.Fu等[10]利用結(jié)構(gòu)方程模型表明不同人群社會經(jīng)濟屬性與活動-出行的關系呈現(xiàn)差異性，需要對不同人群做針對分析.除了社會經(jīng)濟屬性，可達性也會對通勤者的活動-出行模式產(chǎn)生顯著影響，包括影響出行時間、費用、頻率和方式選擇[2，11].然而現(xiàn)有的研究主要針對整個城市層面的出行特征分析，未能聚焦低收入通勤者這一特定人群的出行和活動模式.

本文則重點分析低收入通勤者的活動-出行行為，同時將可達性納入模型參數(shù)，揭示個人社會經(jīng)濟屬性和可達性對活動-出行變量(即活動參與、出行生成和方式選擇)的影響，以及活動-出行變量之間的互動機理.

1 結(jié)構(gòu)方程模型

本文旨在應用結(jié)構(gòu)方程分析低收入通勤者社會經(jīng)濟屬性、可達性、活動參與、出行生成和方式選擇之間的相互關系.傳統(tǒng)的多元回歸分析難以考慮如此多的變量，而結(jié)構(gòu)方程模型的優(yōu)點在于能夠同時分析并處理多個因變量.不含潛變量的結(jié)構(gòu)方程為[8]

式中，y表示p個內(nèi)生變量組成的向量;x表示q個外源變量組成的向量;B表示內(nèi)生變量間的隨機聯(lián)系矩陣;Γ表示外源變量對內(nèi)生變量的直接隨機效應矩陣;ζ表示結(jié)構(gòu)方程的殘差項，反映了在方程中未能被解釋的部分.在本文中，外源變量指社會經(jīng)濟屬性和可達性;內(nèi)生變量指活動參與、出行生成和方式選擇.

結(jié)構(gòu)方程模型是驗證性結(jié)構(gòu)分析，而非探索性結(jié)構(gòu)分析，因此該模型中需要構(gòu)建明確的內(nèi)部方程結(jié)構(gòu)，形成關于一組變量間相互關系的模型，即假設模型.經(jīng)過抽樣調(diào)查后，獲得一組觀測變量的數(shù)據(jù)和此數(shù)據(jù)產(chǎn)生的協(xié)方差矩陣S.根據(jù)樣本的協(xié)方差矩陣S和假設的模型，用數(shù)學方法找出模型成立時隱含的理論協(xié)方差矩陣∑(θ)(θ是模型的參數(shù))，該矩陣既符合模型，又與S在某種意義上最接近.∑(θ)與模型的路徑參數(shù)有關，∑(θ)與樣本的協(xié)方差矩陣S的差距越小，表示模型越能吻合數(shù)據(jù)[12].設x的協(xié)方差矩陣∑xx(θ)=Φ，殘差向量的協(xié)方差矩陣為Ψ，則可推導出

在SEM分析中，擬合目標是求參數(shù)使得模型隱含的協(xié)方差矩陣∑(θ)與樣本協(xié)方差矩陣S的殘差最小.因極大似然估計具有漸近無偏性、漸近有效性、尺度不變性等良好性質(zhì)，并且該方法可以對假設模型進行整體檢驗，所以本文采用極大似然估計法對模型進行估計.

2 數(shù)據(jù)獲取及準備

數(shù)據(jù)來源于2013年在南京市組織開展的居民一日活動-出行調(diào)查.此調(diào)查以家庭作為調(diào)查對象，采取居委會入戶調(diào)查的形式.調(diào)查家庭中6歲以上所有成員一日(工作日)的所有活動記錄，包括出行信息(出行目的、方式、時間和出行起終點).此外，調(diào)查采集了出行者的社會經(jīng)濟屬性及家庭特征.經(jīng)過數(shù)據(jù)有效性檢驗后，共獲得5 504個有效出行樣本.被調(diào)查家庭分年總收入分布如表1所示.

表1 被調(diào)查家庭的年總收入分布

經(jīng)濟合作與發(fā)展組織提出的國際貧困線標準為當?shù)厝司芍涫杖氲?0%[13].根據(jù)該定義，2013年南京的貧困標準為人均可支配收入2萬元/年.通過調(diào)查得到的家庭年總收入和家庭規(guī)模可以計算個人年收入.因此，1 722個樣本被認為是低收入居民，其余3 782個樣本為非低收入居民.同時通過職業(yè)屬性，最終納入模型分析的低收入通勤者有610個有效樣本，其中男性比例占52%.低收入通勤者的社會經(jīng)濟屬性統(tǒng)計特征見表2.貧困家庭的規(guī)模較大，平均為3.5人.小汽車擁有量為0.37輛/家庭，遠低于非低收入家庭的0.70輛/家庭.低收入通勤者的自行車和電動車擁有量均為1.0輛/家庭.較多地居住在城市外圍，據(jù)統(tǒng)計69.5%的低收入者居住地位于主城區(qū)以外.駕照持有率和公交IC卡擁有率都較低，分別為26.1%和24.3%.其中，居住地位置、性別、駕照持有、公交卡持有和職業(yè)是啞元變量.模型中的可達性變量用居住地人口密度和居住地就業(yè)崗位密度2個指標衡量(交通小區(qū)單位面積內(nèi)的人口數(shù)量和就業(yè)崗位數(shù)量為1 000個/km2).從表2可見，低收入居民居住地人口密度遠大于就業(yè)崗位密度，存在職住分離的現(xiàn)象，這也進一步帶來了出行困難.

表2 低收入通勤者的社會經(jīng)濟屬性統(tǒng)計特征

對低收入通勤者的活動-出行模式特征進行統(tǒng)計，結(jié)果見表3，其中生存型活動指上班、上學和公務，維持型活動指購物、探親訪友和看病，休閑型活動指社交娛樂.低收入通勤者較多進行生存型活動，較少參與維持型活動和休閑型活動，生存型時耗為 8.37 h/d，非零樣本的均值為 8.93 h/d，而維持型活動和休閑型活動的時耗分別為0.16和0.18 h/d.出行鏈指居民從家出發(fā)，經(jīng)過一系列的出行后，再次回到家的過程.通過對調(diào)查數(shù)據(jù)的分析，提煉出3種典型的出行鏈，分別是簡單工作鏈(1 d中只進行1次工作活動)、簡單非工作鏈(1 d中只進行1次非工作活動)和復雜鏈(1 d中至少進行2次活動).低收入通勤者的出行鏈平均為1.14個/d，其中大部分為簡單工作鏈，為 0.94個/d.電動車是低收入通勤者日常出行采用的主要交通工具，為0.70次/d.最常用的機動化出行方式是公交車，為0.49次/d，小汽車的出行比例最小，為0.26 次/d，僅占10.9%.

表3 低收入通勤者活動-出行模式統(tǒng)計特征

由于本研究涉及個體社會經(jīng)濟屬性、可達性、活動參與變量、出行生成變量和方式選擇變量之間的相關關系，變量數(shù)量眾多，相互之間關系層次復雜，為了提高結(jié)構(gòu)方程初始模型設定的準確性和效率，需要對各變量間的關系進行顯著性檢驗.卡方檢驗(Pearson's chi-squared)用于檢驗離散變量與離散變量之間的顯著性，單因素方差分析(ANOVA)用于檢驗離散變量與連續(xù)變量之間的顯著性，相關性分析用于檢驗連續(xù)變量與連續(xù)變量之間的顯著性.從顯著性結(jié)果特征發(fā)現(xiàn)，居住地位置、駕照持有和職業(yè)3個變量與其他變量之間的相關性不顯著，因此在后續(xù)建模中不予考慮.

3 模型設定和估計結(jié)果

根據(jù)已有的研究結(jié)果，人們往往會根據(jù)活動的重要性和等級高低來分配時間[9].也就是說，當人們花更多的時間在生存型活動上時，他們花費在維持型和休閑型活動上的時間會相應減少.此外，當人們花更多的時間在維持型活動上時，往往花費更少的時間用于休閑娛樂.模型設定示意如圖1所示，表明了社會經(jīng)濟屬性、可達性、活動參與、出行生成和方式選擇之間的關系，實線箭頭表示兩者之間存在直接效應.表征活動參與的指標有生存型活動時耗、維持型活動時耗和休閑型活動時耗，表征出行生成的指標有簡單工作鏈數(shù)、簡單非工作鏈數(shù)和復雜工作鏈.表征方式選擇的指標為各交通工具的使用頻率.

圖1 社會經(jīng)濟屬性、可達性與活動-出行的關系模型示意圖

結(jié)構(gòu)方程模型中變量間的關系可以通過直接效應D、間接效應I和總體效應T來表示，總體效應為直接效應和間接效應之和.模型估計結(jié)果如表4和5所示，由表可得模擬擬合指標為:卡方值Chi-square為117.25，自由度 df為 103，p-value 為0.36.結(jié)果表示模型估算假設不被拒絕，反映最終模型在統(tǒng)計意義上與最優(yōu)模型接近.此外，擬合指數(shù)近似誤差均方根RMSEA為0.014，擬合優(yōu)度指數(shù)GFI為0.98，調(diào)節(jié)擬合優(yōu)度指數(shù)AGFI為0.96，關鍵變量CN為733(≥200即可).以上指標均說明模型擬合得很好.

1)社會經(jīng)濟屬性對活動參與和出行生成的影響.從表4可以看出，隨著低收入通勤者家庭規(guī)模的增大，復雜出行鏈數(shù)減少(T=－0.06).當自行車的擁有量增加時，簡單非工作出行鏈數(shù)會隨之增加(T=0.05)，復雜工作鏈數(shù)會隨之減少(T=－0.02)，然而小汽車擁有率和電動車擁有率對活動參與和出行生成沒有顯著影響.此外，女性在生存型活動上花費的時間較少(生存型活動時耗的總體效應TSub_d=－0.55)，在維持型和休閑型活動花費的時間較多(維持型活動時耗的總體效應TMain_d=0.08，休閑型活動時耗的總體效應TLei_d=0.08)，她們的簡單工作鏈數(shù)也較少(簡單工作鏈的總體效應THwh=－0.04).這是因為低收入家庭中女性受雇傭的比例較低，通勤活動少，較多地承擔家庭事務.隨著年齡的增加，通勤者的生存型活動時耗減少，維持型活動時耗增加.年齡對復雜工作鏈數(shù)有正影響(T=0.06)，也就是說年齡大的通勤者更愿意選擇復雜出行鏈出行.

2)社會經(jīng)濟屬性對方式選擇的影響.從家庭規(guī)模對電動車、自行車和步行的使用頻率總體效應可以看出，家庭規(guī)模較大的通勤者不愿意選擇非機動化的交通工具，電動車、自行車、步行出行的總體效應分別為 Tmoped= － 0.08，Tbicycle= － 0.06，Twalk=－0.06，這是因為電動車、自行車載人能力有限，難以實現(xiàn)多人一起出行.當某種交通工具的擁有量增加時，其相應的出行選擇概率也會相應增加，其他交通工具的選擇概率則會有所降低.比如，當小汽車擁有量增加時，低收入通勤者選擇小汽車的頻率增加(小汽車出行頻率的總體效應為 Tcar=0.61)，公交車、電動車和自行車的使用頻率降低(Ttansit= －0.15，Tmoped= －0.21，Tbicycle= －0.34).需要指出的是自行車的擁有量對小汽車的出行選擇有正間接效應，該效應主要來自簡單非工作鏈的間接作用.自行車擁有量對簡單非工作鏈有正直接效應(D=0.05)，簡單非工作鏈對小汽車出行有正直接效應(D=0.19，如表5所示)，因此，自行車擁有量對小汽車出行產(chǎn)生了正間接效應.

女性通勤者更樂意選擇公交車、電動車、自行車和步行出行，選擇小汽車出行的比例較少(Dcar=－0.27).這是由于低收入家庭中女性社會地位低，小汽車交通工具男性有優(yōu)先使用權(quán).年齡與公交車使用負相關(T=－0.19)，與電動車使用正相關(T=0.31).受教育水平較高的通勤者更多選擇機動化的交通工具，如小汽車和公交車.此外，當出行者擁有公交IC卡時，公交車出行的概率增加(T=0.44)，小汽車出行的概率降低(T= －0.15).低收入者對價格敏感，在南京使用公交卡出行享受票價優(yōu)惠，因此持有公交卡會更樂意選擇公交出行.

3)可達性對活動參與、出行生成和方式選擇的作用.可達性變量對低收入通勤者的出行生成和方式選擇有著顯著影響.較高的人口密度鼓勵通勤者從事更多的簡單非工作鏈(T=0.02)和復雜鏈(T=0.02).也就意味著當人口密度增加1 000人/km2時，低收入者每天的簡單工作鏈和復雜鏈分別增加0.02和0.02.若居住地的人口密度增大時，電動車、自行車和步行的使用頻率也會增大，主要體現(xiàn)在間接效應上(Imoped=0.03，Ibicycle=0.03，Twalk=0.05).此外，居住地的就業(yè)崗位密度對公交車出行有正直接效應(D=0.06)，表明若就業(yè)崗位密度增加1 000人/km2，出行者選擇公交出行次數(shù)增加0.06 次/d.

表4 低收入通勤者社會經(jīng)濟屬性、可達性對活動-出行的影響

表5 低收入通勤者活動-出行變量間的相互關系

表5顯示，活動參與、出行生成和方式選擇等內(nèi)生變量間的相互影響.從 THwh=0.07，THoh=－0.07，THwoh= －0.02 結(jié)果看出，生存型活動時耗對簡單工作鏈有正效應，對簡單非工作鏈和復雜鏈有負效應.維持型活動時耗對復雜鏈有正效應(T=0.09).若從事較多休閑型活動，通勤者的簡單工作鏈數(shù)會隨之減少，THwh=－0.13;簡單非工作鏈和復雜鏈數(shù)相應增加，THoh=0.08，THwoh=0.03.可以理解為，當休閑型活動增加1h，簡單工作鏈數(shù)減少0.13，簡單非工作鏈和復雜鏈分別增加0.08和0.03.從表5可以發(fā)現(xiàn)，當通勤者的生存型活動時耗增加時，使用小汽車、自行車和步行的頻率降低.維持型活動和休閑型活動對公交車的使用有正效應.當?shù)褪杖胪ㄇ谡邚氖潞唵喂ぷ麈湑r，他們更樂意選擇公交車出行(T=0.04)，但從事簡單非工作鏈時，更愿意選擇小汽車出行(T=0.19).復雜鏈對電動車、自行車和步行有正效應，Tmoped=1.24，Tbicycle=0.92，Twalk=1.06，因為這些交通工具自身靈活性較高，能夠滿足在一次出行中完成多項活動的需求.

此外，當某種交通工具使用頻率增加時，其他交通工具的使用頻率會降低，如小汽車對其他交通方式使用的影響(Ttransit= －0.24，Tmoped= －0.35，Tbicycle=－0.13).可以理解為當小汽車的使用次數(shù)增加1次，公共交通、電動車、自行車和步行的使用次數(shù)分別減少0.24，0.35，0.13，0.30 次/d.這也反映了各交通工具使用之間呈競爭型關系，而非互補型關系.

總體來說，模型結(jié)果表明社會經(jīng)濟屬性、可達性對低收入通勤者的活動參與、出行生成和方式選擇有顯著影響，活動參與、出行生成和方式選擇間也有著較強的相互作用.

4 結(jié)語

基于南京活動-出行數(shù)據(jù)，利用結(jié)構(gòu)方程模型分析社會經(jīng)濟屬性、可達性外源變量對低收入通勤者活動參與、出行生成和方式選擇等內(nèi)生變量的影響.同時分析了活動參與、出行生成和方式選擇間的相互關系，將以往結(jié)構(gòu)方程模型中活動參與至出行生成延伸拓展到方式劃分階段.既定量地分析了內(nèi)生變量的直接影響因素，又研究了其間接影響因素，全面考察了活動-出行行為的影響機理.

研究發(fā)現(xiàn)，社會經(jīng)濟屬性、可達性主要通過活動參與間接影響出行生成，而方式選擇主要受社會經(jīng)濟屬性和出行生成的直接影響.結(jié)論有助于揭示影響低收入通勤者活動-出行的因素，為交通系統(tǒng)資源優(yōu)化配置、建立健全低收入人群出行保障機制提供理論基礎，如發(fā)展公共交通被認為是提高低收入人群機動性的重要方式.本研究發(fā)現(xiàn)女性比男性更樂意選擇公交車出行，公交優(yōu)先政策可以首先考慮女性通勤者的需求，如較低的踏板以方便穿高跟鞋的女性上下車.其次，擁有公交卡的通勤者更多選擇公交出行，意味著可以制定優(yōu)惠措施(票價優(yōu)惠、換乘優(yōu)惠等)以提高公交卡的持有率，從而提高公共交通對低收入者的吸引力.

本文將可達性作為顯變量納入模型分析，今后可將可達性作為潛變量，通過建立含潛變量的結(jié)構(gòu)方程來估計.此外，在出行方式選擇過程中，還可以考慮出行方式鏈之間的相互影響.

References)

[1] 畢曉螢.面向城市低收入人群的交通改善策略研究[D].南京:東南大學交通學院，2013.

[2] Srinivasan S，Roger P.Travel behavior of low-income residents:studying two contrasting locations in the city of Chennai，India[J].Journal of Transport Geography，2005，13(3):265-274.

[3] Salon D，Gulyani S.Mobility，poverty，and gender:travel‘choices’of slum residents in Nairobi，Kenya[J].Transport Reviews，2010，30(5):641-657.

[4] Golob T F，McNally M G.A model of activity participation and travel interactions between household heads[J].Transportation Research Part B:Methodological，1997，31(3):177-194.

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

[6] Gould J，Golob T F.Shopping without travel or travel without shopping:an investigation of electronic home shopping[J].Transport Reviews，1997，17(4):355-376.

[7] Fujii S，Kitamura R.Evaluation of trip-inducing effects of new freeways using a structural equations model system of commuters'time use and travel[J].Transportation Research Part B:Methodological，2000，34(5):339-354.

[8] Kuppam A R，Pendyala R M.A structural equations analysis of commuters'activity and travel patterns[J].Transportation，2001，28(1):33-54.

[9] Chung J H，Ahn Y.Structural equation models of dayto-day activity participation and travel behavior in a developing country[J].Transportation Research Record:Journal of the Transportation Research Board，2002，1807:109-118.

[10] Fu X M，Juan Z C.Empirical analysis and comparisons about time-allocation patterns across segments based on mode-specific preferences[J/OL].Transportation，2014.http://link.springer.com/article/10.1007/s11116-014-9561-2.

[11] Venter C，Vokolkova V，Michalek J.Gender，residential location，and household travel:empirical findings from low-income urban settlements in Durban，South Africa[J].Transport Reviews，2007，27(6):653-677.

[12] 李志斌，楊晨，王煒，等.基于出行態(tài)度的自行車通勤出行市場劃分[J].東南大學學報:自然科學版，2012，42(4):784-789.Li Zhibin，Yang Chen，Wang Wei，et al.Bicycle commuting market segmentation analysis using attitudinal factors[J].Journal of Southeast University:Natural Science Edition，2012，42(4):784-789.(in Chinese)

[13] 莫泰基.香港貧窮與社會保障[M].香港，中國:中華書局，1993:15-18.