基于出行鏈與情緒感受的出行幸福感研究

邵 源，范穎玲，江 捷，歐陽新加，Roland Brown

(1.深圳市城市交通規劃設計研究中心有限公司，廣東深圳518021；2.明尼蘇達大學漢弗萊公共事務學院，明尼蘇達州明尼阿波利斯55455，美國)

0 引言

進入21 世紀，中國城鎮化、機動化進程不斷加快，城市出行需求持續增長，出行目的日益多元化，市民對個性化、品質化出行服務的訴求日益強烈。傳統城市交通規劃主要關注交通基礎設施的供應，缺乏對于個體出行行為和出行感受的研究。目前，中國城市交通規劃和政策制定中，對人在出行過程中主觀情緒感受缺少有效的測量與評估手段，更未建立一套以出行感受為參考的規劃方法。面對中國城市發展新階段，開展針對城市居民出行幸福感的研究對于推動城市交通轉型升級具有重要意義。

基于對深圳市核心區上班族人群開展的出行幸福感實證研究，構建適用于中國城市的出行幸福感理論框架和量化方法，比較不同交通方式、不同人群、不同空間和時間維度下出行幸福感的差異，探究出行幸福感與不同影響因素之間的關系，為城市交通政策設計和設施品質提升提出指導性建議。

1 出行幸福感的概念與研究意義

出行幸福感有廣義和狹義之分(見圖1)。廣義的出行幸福感包含人們在出行過程中對出行整體和出行各方面的滿意度，以及在出行過程中的情緒感受。這個概念包含了兩個具體層面，即認知評判和情緒感受。在認知評判層面，可以對整個出行行為或者出行行為中的某個方面進行認知評判，即出行滿意度。在情緒感受層面，可以感受整個出行行為的情緒變化，例如感受一次出行總體上到底是正向情緒還是負向情緒，也可以衡量在出行的某個具體方面人們的情緒感受[1-3]。

針對出行行為的幸福感研究主要側重于主觀情緒感受方面，即狹義的出行幸福感。為評價人們的出行幸福感，需要出行者對出行過程中感受到的正向情緒(如開心、快樂、愉悅等)和負向情緒(如痛苦、壓力、難過等)的輕重程度進行自我描述。

圖1 出行幸福感的定義Fig.1 Definition of travel satisfaction

表1 美國時間使用調查選用的情緒緯度Tab.1 Emotional dimensions in the American Time Use Survey

研究幸福感可為城市交通發展探索基于個人主觀情緒感受的研究方向與路徑，為國內大城市交通政策制定和設施精細化改善提供一套基于出行幸福感的人本規劃方法。中國對于出行幸福感的研究基本處于空白狀態，應在國外先進研究經驗的基礎上建立適用于中國城市發展環境的理論框架和量化方法，評價中國居民出行幸福感的高低，探究出行幸福感的影響機制，為中國出行幸福感研究提供示范和借鑒。此外，出行幸福感的研究結論可對社會效益、經濟效益和健康效益產生正反饋，有利于鞏固家庭關系和社會關系，創造更為健康的社會形態[4-7]。

2 出行幸福感的研究方法

2.1 基于心理學多情緒量表的出行幸福感量化方法

國外出行幸福感主要采用心理學領域的多項正負情緒量表測量。當收集數據時，出行者需要自我衡量其在出行過程中各種正負情緒的輕重程度。較為常用的量表有情緒平衡量表(Affect Balance Scale,ABS)[8]，正向與負向情緒量表(Positive and Negative Affect Scale, PANAS)[9]和修訂的分化情緒量表(modified Differential Emotions Scale, mDES)[10]。這些量表大多異曲同工，不同之處主要在于所選擇的情緒維度、用詞以及賦值范圍。

較為權威、能有效測量出行幸福感的簡化量表是美國時間使用調查(American Time Use Survey,ATUS)中所使用的兩正四負情緒維度(見表1)，包括開心、有意義、難過、疼痛、緊張和疲勞，這些都是和各種日常出行活動高度相關的情緒。

由于正負情緒量表涉及多個正向和負向情緒，越來越多的國外學者開始利用綜合指數對這些情緒變量進行全面的綜合評價，得出幸福感總值。本研究主要采用凈情緒值(Net Affect Score)[11]和不開心指數(U-index)[12]兩種方法。凈情緒值指在一個生活活動或者片段里，不同種類正向情緒平均值和不同種類負向情緒平均值的差值，即凈情緒值=正向情緒平均值-負向情緒平均值。不開心指數則計算了在一天所有的生活活動里，負向情緒占據主導的時間比例，即不開心指數=不開心總時長÷所有活動總時長。

2.2 基于手機移動終端實現出行鏈及情緒感受數據收集

為采集并記錄個體出行鏈以及出行活動中的情緒感受，研究開發了用于出行幸福感研究的智能手機應用程序，利用手機自帶的感應器對個體出行行為進行自動探測并生成出行鏈，并允許用戶對出行鏈中的每次出行進行自主標簽和提供出行情緒感受數據(見圖2)。收集信息以后，該程序會將出行記錄自動匯總，并通過手機應用的數據上傳功能，將采集的出行鏈以及情緒感受數據傳輸至云端服務器。

2.3 以出行鏈與情緒感受數據分析為核心的出行幸福感研究體系

深圳市于2017年開展的出行幸福感實證研究建立了涵蓋數據收集、分析研究、結論對策的完整研究體系(見圖3)。為了對深圳市上班族的出行幸福感進行有代表性的科學評測，研究將樣本限定為工作地在福田區和南山區的上班族。由于樣本量的限制，研究更為聚焦以金融業為代表的福田中心區和以高新技術產業為代表的南山科技園，以獲得具有代表性的結論。

本研究的數據收集主要由兩個途徑完成。調查對象的個人屬性信息由調查對象填寫的電子問卷獲取。出行鏈及出行過程中的情緒感受，則通過由調查對象攜帶裝有出行幸福感調查APP的手機來收集。

研究共完成100 個有效樣本的調查：福田區47 人，其中25 人工作地在福田中心區；南山區53 人，其中27 人工作地在南山科技園。調查收集了每個樣本持續7 天的出行鏈以及出行幸福感數據，共收集到5 058條出行分段數據。經過數據清洗，剔除未得到樣本確認和有明顯錯誤的數據，共得到4 097條有效的出行分段數據用于后續分析。

在分析研究層面，對于手機APP收集到的個人層面的6 種出行情緒感受，可以通過不開心指數和凈情緒值來計算出行幸福感綜合指數。除了受訪者出行過程中的主觀情緒感受，研究還收集了與出行幸福感相關的影響因素(見表2)。通過回歸分析，可以研究影響因素與出行幸福感綜合指數或是單個情緒之間的關系[13]。在上述數據基礎上，運用個人層面的不開心指數和出行層面的凈情緒值指數進行實證回歸。個人層面的分析是基于泊松(Poisson)分布建立的模型，出行層面的分析則主要基于線性混合模型(Linear Mixed-Effects Model)進行回歸建模。同時，通過對比分析和出行鏈分析，研究不同交通方式、不同人群、不同空間和時間維度下出行幸福感的差異，以及個體層面的出行特征，進而探究個人屬性、出行特征、情緒感受三者之間的互動關系。

圖2 出行幸福感調查手機應用程序Fig.2 Cellphone application used for travel satisfaction survey

圖3 深圳市出行幸福感實證研究流程Fig.3 Empirical study techniques of travel satisfaction in Shenzhen

表2 出行幸福感變量以及相關影響因素變量Tab.2 Variables of travel satisfaction s and related factors

3 主要研究結論

3.1 綠色出行方式的幸福感有待提高

在保持其他影響因素不變時，分析出行情緒分值與主要交通方式的變化關系可見，受訪者的小汽車出行幸福感相對最高，以公共汽車和地鐵為代表的公共交通出行幸福感最低(見圖4)。從綜合的凈情緒值來看，受訪者幸福感最高的交通方式是小汽車，其次是步行和自行車，最低的是公共汽車。比較深圳與美國的研究成果(見圖5)可知，美國雙子城各種出行方式中步行和自行車交通幸福感最高[14]。究其原因，可能是中國城市交通發展普遍關注道路擁堵，缺乏對步行和自行車出行感受的關注，亟須為綠色出行方式營造良好的交通環境，提升出行幸福感。

從各情緒維度來看，公共汽車和地鐵的開心程度低于其他方式，公共汽車的有意義程度低于其他方式，自行車和公共汽車的緊張程度較高，公共汽車和地鐵的疲勞程度較高，地鐵的難過程度較高。可見，中國城市軌道交通、公共汽車出行服務品質也有待大幅提升。

3.2 新興共享交通方式幸福感比傳統交通方式更高

通過細分小汽車出行和自行車出行的車輛類型，探究共享交通方式在幸福感方面的表現。對比顯示，深圳市巡游出租汽車出行的難過和疼痛情緒程度顯著高于網約車出行，私人自行車出行的疼痛和疲勞程度顯著高于共享單車出行(見圖6)。分析原因，新興的共享交通方式更加便捷靈活，在提供個性化、多樣化的高品質交通服務方面有一定優勢，可能使用戶擁有更好的出行體驗。

3.3 出行時長嚴重影響幸福感

受訪者在私人小汽車和公共汽車出行時，幸福感隨出行距離增加而出現下降(見圖7)，尤其在出行時長超過65 min后幸福感呈顯著下降趨勢。美國的研究結果顯示，小汽車和公共汽車出行幸福感兩條曲線隨著出行時間的增加趨于相交，在一定時間以上兩者在幸福感的維度上無差別，長時間的出行弱化了小汽車在出行選擇方面的優勢[16]。因此，可將出行時間作為中國城市交通設施和服務在設計時重點考慮的因素，如通過建設軌道交通快線等方式縮短長距離出行時間，減少由長時間出行引起的負向情緒。

3.4 出行幸福感高的個人與出行特征

除了交通方式外，其他個人因素和出行特征因素與出行幸福感也有顯著關聯性(見表3 和圖8)。回歸分析的結果顯示，出行幸福感較高的出行行為包括：以休閑或者健身為目的的出行、1～3 km的出行、小于60 min

圖4 不同交通方式出行幸福感比較Fig.4 Travel satisfaction by different travel modes

的出行、有出行伴侶的出行、在出行過程中有聽音樂或者交談行為的出行、早上出行以及周末出行。出行幸福感較高的個人有以下特征：年輕(30 歲以下)、來自華北地區、接受過高等教育、有小孩、身材勻稱(BMI 身體質量指數小于25)以及整體生活滿意度高。

3.5 不同影響因素對出行幸福感的關聯度

比較影響因素在不同交通方式條件下與出行幸福感的關聯性(見圖9)，可得出以下結論：1)步行時，出行伴侶和出行過程中的活動(例如聽音樂、聊天等)對出行幸福感影響最大；2)騎行時，車輛類型和出行時段對出行幸福感影響最大；3)小汽車出行時，出行過程中伴侶以及活動對出行幸福感影響最大，其次是車輛類型和出行時段；4)公共汽車和地鐵出行時，性別、年齡和家庭結構對出行幸福感的影響最大，其次是家與辦公地點所在的城市環境。總體上，個人因素對不同交通方式的出行幸福感的影響比出行因素的影響要弱。

3.6 出行幸福感的時空地圖分析

未來，在數據樣本量充足的基礎上，可結合出行幸福感數據與城市道路網，進一步形成各交通方式在不同空間和時間維度上的出行幸福感指數圖，直觀地評價具體道路、樞紐或線路的出行幸福感水平，精細化指導道路網、公共汽車和軌道交通網絡的改善(見圖10)。以交通幸福地圖作為載體，可以實現市民與交通建設、交通改善等工作良好的互動反饋，全面提升公眾參與水平。

圖5 美國雙子城不同交通方式出行幸福感比較Fig.5 Travel satisfaction of different travel modes in Twin Cities in the U.S.

圖6 共享交通方式出行幸福感比較Fig.6 Travel satisfaction of different shared travel modes

圖7 出行時長對不同交通方式幸福感的影響Fig.7 Impact of travel time on travel satisfaction by different travel modes

表3 個人層面幸福感回歸分析結果Tab.3 Regression analysis on personal satisfaction

4 結語

中國城市交通發展亟須從關注交通設施本身轉向關注出行者體驗。出行幸福感的研究有助于從不同維度測量和評估人在出行過程中的主觀感受。幸福感研究結果對城市改善公共交通用戶出行體驗，完善自行車和步行網絡服務等交通精細化改善工作將發揮重要作用，也有利于在高品質交通服務體系建設過程中踐行社會公平和人性化關懷。

圖8 出行層面幸福感回歸分析結果Fig.8 Regression analysis on travel satisfaction

圖9 不同交通方式條件下不同影響因素與出行凈情緒值的關聯度Fig.9 Correlation between factors and emotional value during travel by different travel modes

圖10 按路段統計的公共汽車出行幸福感指數Fig.10 Index of bus travel satisfaction based on roadway segments