計(jì)劃行為理論視角下基于出行行為的公交防疫策略影響效果研究*

張昕明 弓 棣 謝秉磊▲ 馬 航

（1.哈爾濱工業(yè)大學(xué)（深圳）建筑學(xué)院 廣東 深圳 518055；2.上海市政工程設(shè)計(jì)研究總院集團(tuán)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(duì)公共交通影響巨大，2020年全國(guó)公共汽電車客運(yùn)量442.36億人，下降36.1%[1]。一方面是由于疫情影響導(dǎo)致城市出行總量下降，且各地實(shí)施公交停運(yùn)或有限開通等策略造成服務(wù)中斷；另一方面，疫情對(duì)居民出行方式選擇行為和出行習(xí)慣的長(zhǎng)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(fēng)險(xiǎn)[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(guó)、瑞士等國(guó)家的居民對(duì)公交出行也已經(jīng)產(chǎn)生了消極態(tài)度，這勢(shì)必會(huì)加大城市交通擁堵，對(duì)公共資源分配效率和氣候環(huán)境也會(huì)產(chǎn)生負(fù)面影響。

面對(duì)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(wù)，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(dāng)前仍以防控為重點(diǎn)，多是從企業(yè)運(yùn)營(yíng)、政府管理角度出發(fā)。如運(yùn)營(yíng)模式方面，在傳統(tǒng)運(yùn)營(yíng)模式上施行停運(yùn)部分公交站點(diǎn)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?yīng)式的運(yùn)營(yíng)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(fēng)、強(qiáng)制佩戴口罩、利用大數(shù)據(jù)技術(shù)識(shí)別潛在感染人群等途徑來(lái)減緩疫情傳播等管控策略[9-12]；以及針對(duì)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(wú)論是疫情本身或是針對(duì)疫情的防疫管控策略，對(duì)于公交客流規(guī)律和居民出行行為都會(huì)產(chǎn)生較為顯著的影響[14-17]。但值得注意的是，對(duì)于疫情風(fēng)險(xiǎn)的感知和各項(xiàng)管控策略，對(duì)居民公交出行的影響或許并不是短期的客流規(guī)律或時(shí)空特征的影響，而可能會(huì)在出行方式選擇行為上產(chǎn)生深刻的長(zhǎng)期影響，進(jìn)而影響著居民的偏好及對(duì)待不同交通方式的情感態(tài)度[18-19]?，F(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(duì)乘客長(zhǎng)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(fēng)險(xiǎn)性，導(dǎo)致出行更偏向私人化工具，長(zhǎng)遠(yuǎn)看會(huì)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(diǎn)是在防疫的同時(shí)，盡可能地保持民眾對(duì)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(duì)公交的抵觸心理。從乘客出行行為角度出發(fā)，以計(jì)劃行為理論為基礎(chǔ)，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(duì)出行行為的作用路徑。在此基礎(chǔ)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(shí)，保持居民公交出行的積極態(tài)度。

1 研究框架及模型假設(shè)

1.1 研究框架

計(jì)劃行為理論能夠反映外界條件變化時(shí)決策行為的變化[20]。對(duì)于公共交通，重大公共衛(wèi)生事件本身以及針對(duì)這些事件的防疫策略是顯著的外界條件變化。為此，采用計(jì)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(gè)因素：①態(tài)度，即居民對(duì)于公交出行中可能出現(xiàn)的場(chǎng)景所抱持的正面或者負(fù)面的感覺(jué)；②知覺(jué)行為控制，即過(guò)往經(jīng)驗(yàn)及所掌握的知識(shí)、資源等對(duì)公交出行行為的影響；③主觀規(guī)范，即重要的外界個(gè)體或團(tuán)體對(duì)公交出行行為的影響；④行為意向，即居民對(duì)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(shè)

引入風(fēng)險(xiǎn)感知和公交防疫策略這2個(gè)因素，以更準(zhǔn)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(shè)Fig.1 An assumption model of transit-trip travel behaviors

1）為克服計(jì)劃行為理論無(wú)法獲得未知的風(fēng)險(xiǎn)對(duì)行為決策的影響這一局限性，引入了風(fēng)險(xiǎn)感知因素，并提出如下假設(shè)。

H1：風(fēng)險(xiǎn)感知對(duì)公交出行態(tài)度有反向影響。

H2：風(fēng)險(xiǎn)感知對(duì)公交出行意向有反向影響。

2）若居民對(duì)防疫策略的認(rèn)可度高，會(huì)降低風(fēng)險(xiǎn)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(duì)居民的行為意向有顯著的影響[21]。因此假設(shè)如下。

H3：居民的公交防疫策略態(tài)度對(duì)其風(fēng)險(xiǎn)感知有反向影響。

H4：居民的公交防疫策略態(tài)度對(duì)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(duì)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(diǎn)就越支持，出行者對(duì)于自己行為控制程度越高，則出行意向就會(huì)越積極[22]。故有如下假設(shè)。

H6：公交出行的態(tài)度對(duì)出行意向有正向影響。

H7：公交出行的主觀規(guī)范對(duì)公交出行意向有正向影響。

H8：公交出行的知覺(jué)行為控制對(duì)公交出行意向有正向影響。

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

H9：公交出行的知覺(jué)行為控制對(duì)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(wèn)卷設(shè)計(jì)

問(wèn)卷包括受訪者個(gè)人基本社會(huì)經(jīng)濟(jì)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(gè)部分。

1）個(gè)人基本社會(huì)經(jīng)濟(jì)屬性。由于不同的個(gè)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(gè)人基本社會(huì)經(jīng)濟(jì)屬性，以確保樣本覆蓋有效性。如在“年齡”題項(xiàng)中，18歲以下以學(xué)生為主，上學(xué)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(jìn)一步根據(jù)私家車擁有比例細(xì)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(shí)長(zhǎng)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(huì)選擇的交通方式；在確定出行目的的選項(xiàng)時(shí)，除了考慮到比較常見的出行目的外，還通過(guò)查閱哈爾濱市多名確診病例的流調(diào)報(bào)告對(duì)選項(xiàng)進(jìn)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(fēng)險(xiǎn)的環(huán)境中的暴露時(shí)長(zhǎng)也是影響感染的因素之一，因此，設(shè)置了可接受乘坐公交時(shí)長(zhǎng)的題項(xiàng)。

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(wèn)題，因此，對(duì)每個(gè)影響因素都設(shè)計(jì)3～4個(gè)觀測(cè)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(fēng)險(xiǎn)區(qū)4個(gè)，中風(fēng)險(xiǎn)區(qū)21個(gè)），在哈爾濱市通過(guò)線上調(diào)查的方式，收集到有效問(wèn)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(dá)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(dá)68.05%，基本符合哈爾濱市城市通勤公交分擔(dān)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(biāo)，KMO在0.9以上，非常適合做因子分析；在0.8～0.9之間，說(shuō)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(jué)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(fēng)險(xiǎn)感知和防疫策略這2個(gè)新引入因素的KMO值均在0.8以上，說(shuō)明調(diào)查結(jié)果適合進(jìn)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(guò)設(shè)計(jì)觀測(cè)變量向受訪者提問(wèn)而獲得潛變量之間的關(guān)系，故采用結(jié)構(gòu)方程模型進(jìn)行分析。

2.2.1 結(jié)構(gòu)方程模型構(gòu)建

1）潛變量及假設(shè)條件。將計(jì)劃行為理論中的5個(gè)因素和新引入的2個(gè)因素作為模型潛變量，其中，風(fēng)險(xiǎn)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(jué)行為控制和公交防疫策略為外生潛變量。模型假設(shè)條件為前文提出H1～H10。

2）觀測(cè)變量。調(diào)查的測(cè)量題項(xiàng)即為對(duì)應(yīng)的觀測(cè)變量，即出行態(tài)度對(duì)應(yīng)觀測(cè)變量AT1～AT3，主觀規(guī)范對(duì)應(yīng)觀測(cè)變量SN1～SN3，知覺(jué)行為控制對(duì)應(yīng)觀測(cè)變量PBC1～PBC3，出行意向?qū)?yīng)觀測(cè)變量BI1～BI3，出行行為對(duì)應(yīng)觀測(cè)變量B1～B3，風(fēng)險(xiǎn)感知對(duì)應(yīng)觀測(cè)變量RC1～RC4，防疫策略對(duì)應(yīng)觀測(cè)變量S1～S4。

3）誤差項(xiàng)及路徑系數(shù)。觀測(cè)變量的誤差項(xiàng)為10-1～10-23，對(duì)風(fēng)險(xiǎn)感知、出行態(tài)度、出行意向、出行行為4個(gè)內(nèi)生潛變量設(shè)置誤差項(xiàng)10-24～10-27，并將潛變量和測(cè)量變量之間的1條路徑系數(shù)設(shè)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(cè)變量，小圓為測(cè)量誤差項(xiàng)。

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(píng)價(jià)

1）參數(shù)估計(jì)及檢驗(yàn)。選取Amos 24.0軟件中最大似然估計(jì)方法進(jìn)行參數(shù)估計(jì)，最大似然估計(jì)法是一致漸進(jìn)有效估計(jì)，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(cè)變量測(cè)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(duì)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(jì)值及顯著性水平結(jié)果見表3。

除風(fēng)險(xiǎn)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(duì)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(shuō)變量間的協(xié)方差均達(dá)到0.05的顯著水平，通過(guò)檢驗(yàn)。風(fēng)險(xiǎn)感知與出行意向之間的路徑系數(shù)極小，僅達(dá)到0.015，并且其顯著性水平檢驗(yàn)的數(shù)值達(dá)到0.616，遠(yuǎn)大于0.05的上限水平，C.R.絕對(duì)值僅為0.478，即風(fēng)險(xiǎn)感知與出行意向之間的相關(guān)性較差。

表3 參數(shù)估計(jì)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(duì)擬合指數(shù)CMIN/DF、GFI、NFI和相對(duì)擬合指數(shù)RFI、CFI、RMSEA這6個(gè)指標(biāo)進(jìn)行擬合適配度檢驗(yàn)，見表4。

表4 模型適配度檢驗(yàn)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(yàn)證不成立的假設(shè)H2后，對(duì)模型進(jìn)行修正，修正后的參數(shù)估計(jì)值和適配度指標(biāo)均通過(guò)檢驗(yàn)，最終結(jié)果見圖3。

圖3 標(biāo)準(zhǔn)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(fēng)險(xiǎn)感知因素與公交出行態(tài)度的路徑系數(shù)達(dá)-0.54，反向相關(guān)性高，即居民的風(fēng)險(xiǎn)感知程度越高，其出行態(tài)度越消極。而風(fēng)險(xiǎn)感知與出行意向的相關(guān)性較差，已剔除。

H1：風(fēng)險(xiǎn)感知對(duì)公交出行態(tài)度有反向影響，成立。

H2：風(fēng)險(xiǎn)感知對(duì)公交出行意向有反向影響，不成立。

2）防疫策略與風(fēng)險(xiǎn)感知的路徑系數(shù)為-0.5，即居民對(duì)于公交防疫策略的滿意程度越高，其風(fēng)險(xiǎn)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(shuō)明居民對(duì)防疫策略越滿意，出行態(tài)度則越積極。

H3：防疫策略對(duì)風(fēng)險(xiǎn)感知有反向影響，成立。

H4：防疫策略對(duì)公交出行態(tài)度有正向影響，成立。

3）對(duì)于出行意向的影響程度排序?yàn)椤肮怀鲂械膽B(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(jué)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(gè)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(rèn)可，就會(huì)有積極的出行意向。而主觀規(guī)范及知覺(jué)行為控制，則對(duì)出行意向的影響較小。

H5：公交防疫策略對(duì)公交出行意向有正向影響，成立。

H6：公交出行態(tài)度對(duì)公交出行意向有正向影響，成立。

H7：公交出行主觀規(guī)范對(duì)公交出行意向有正向影響，成立。

H8：公交出行知覺(jué)行為控制對(duì)公交出行意向有正向影響，成立。

4）知覺(jué)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(gè)人經(jīng)驗(yàn)和預(yù)期阻礙對(duì)于疫情期間公交出行的預(yù)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(jué)行為控制對(duì)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?，成立?/p>

2.2.4.2 潛變量與觀測(cè)變量間關(guān)系分析

對(duì)于風(fēng)險(xiǎn)感知因素，居民對(duì)生命、日常生活、經(jīng)濟(jì)和心理這4個(gè)觀測(cè)變量的風(fēng)險(xiǎn)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(duì)于其日常社會(huì)生活的影響最大，經(jīng)濟(jì)影響和心理影響次之，生命安全影響最小。這是因?yàn)楸桓腥救巳盒枰邮荛L(zhǎng)時(shí)間的隔離治療，對(duì)日常的生活影響比較嚴(yán)重；此外，嚴(yán)格的隔離政策也會(huì)造成感染者的經(jīng)濟(jì)和心理壓力和負(fù)擔(dān)；治療技術(shù)的逐漸成熟降低了居民對(duì)其生命威脅的評(píng)估。

對(duì)于出行態(tài)度因素，觀測(cè)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(shí)間最長(zhǎng)，接觸到的人群較廣，其感染風(fēng)險(xiǎn)相較于其他乘客會(huì)更高，因此居民認(rèn)為駕駛員會(huì)將病毒傳染給自己，這對(duì)消極公交出行意向的影響最大。

對(duì)于主觀規(guī)范因素，觀測(cè)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(dǎo)，以及各類網(wǎng)絡(luò)媒體的建議都具有較強(qiáng)的科學(xué)性，對(duì)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(guò)程中還可能存在偏差，導(dǎo)致其路徑系數(shù)明顯低于其他二者。

對(duì)于防疫策略因素，居民對(duì)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(fēng)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(duì)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(xùn)細(xì)致、防疫宣傳廣泛，為0.89。以上4個(gè)方面對(duì)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(duì)于知覺(jué)行為控制因素，防護(hù)知識(shí)的了解程度對(duì)其影響程度最高，路徑系數(shù)為0.88；其次，居民在過(guò)往的經(jīng)驗(yàn)以及掌握的知識(shí)對(duì)其選擇是否選擇公交出行的路徑系數(shù)為0.61，說(shuō)明該項(xiàng)對(duì)知覺(jué)行為控制的解釋程度較差，個(gè)人的出行意愿受多種客觀條件約束，對(duì)自身的決策影響較小。

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

對(duì)于出行行為因素，公交出行頻率改變和工作日通勤對(duì)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?yàn)楝F(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(huì)更加明顯一些。

2.2.4.3 作用路徑分析

出行意向和知覺(jué)行為控制是僅有的2個(gè)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(fēng)險(xiǎn)感知?jiǎng)t是作用于出行態(tài)度，而后再作用于出行意向，從而實(shí)現(xiàn)對(duì)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(fēng)險(xiǎn)感知、防疫策略→出行態(tài)度→出行意向→出行行為”。充分說(shuō)明疫情風(fēng)險(xiǎn)的感知和各項(xiàng)防疫管控策略，對(duì)居民公交出行的影響并不是短期的客流規(guī)律或時(shí)空特征的影響，而是會(huì)在出行方式選擇行為上產(chǎn)生深刻的長(zhǎng)期影響，進(jìn)而影響著居民的偏好及對(duì)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(duì)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(duì)出行意向影響最大的2個(gè)因素，也是公共交通管理部門制定防疫策略的重點(diǎn)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(gè)方面完善公交防疫策略。

①信息公開。乘客對(duì)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(gè)因素中，都具有高達(dá)0.90以上的路徑系數(shù)（AT2和AT3高達(dá)0.95和0.92，S3和S4高達(dá)0.90和0.96），說(shuō)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。可以通過(guò)車內(nèi)告示板等形式公開當(dāng)班駕駛員健康信息，同時(shí)公示車廂環(huán)境消殺和通風(fēng)信息，包括消殺車廂位置、消殺時(shí)間和通風(fēng)時(shí)間等。

②保持乘客間隔距離。由于“風(fēng)險(xiǎn)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(wù)的有無(wú)對(duì)乘客出行意向和偏好具有明顯的作用，應(yīng)該慎重使用停運(yùn)等嚴(yán)格策略。即使運(yùn)輸能力降低，但是乘客對(duì)公交服務(wù)仍能保持積極態(tài)度；相反，公交中斷對(duì)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(shí)施明確的“分散就坐”，雖然不可避免地會(huì)降低公交服務(wù)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(shí)際和特色，將防疫策略和出行態(tài)度2個(gè)因素作為策略制定的重點(diǎn)方向，進(jìn)行更為深入、細(xì)致的剖析。

2）風(fēng)險(xiǎn)感知對(duì)出行行為作用路徑較長(zhǎng)，通過(guò)出行態(tài)度、出行意向2個(gè)環(huán)節(jié)間接的負(fù)向影響出行行為。同樣，主觀規(guī)范對(duì)出行行為影響也是間接的，且影響程度較低，這2個(gè)因素只需服從地方整體政策即可。

4 結(jié)束語(yǔ)

以疫情期間保持民眾對(duì)公交出行的積極態(tài)度、保障公交吸引力為切入點(diǎn)，以計(jì)劃行為理論為框架，對(duì)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(jìn)行可研究。通過(guò)對(duì)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(fēng)險(xiǎn)感知和防疫策略潛變量對(duì)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(fēng)險(xiǎn)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(huì)深刻、長(zhǎng)期影響民眾對(duì)公交出行的選擇偏好；進(jìn)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(duì)保持居民積極的公交出行態(tài)度的重要價(jià)值；并在此基礎(chǔ)上提出了具體的改善策略建議。不過(guò)，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(dú)考慮，制定針對(duì)特殊人群的精細(xì)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(wèn)題。