基于結構方程模型的城市居民出行方式選擇研究

郭季,羅明杰,崔姍姍,陳諾

(長安大學 汽車學院,陜西 西安 710064)

隨著中國經濟水平的提升,機動化水平不斷提高,快速增加的交通出行需求與相對滯后的道路交通資源產生沖突,道路擁堵加劇。引導居民出行向公共交通方式轉移,是交通需求管理中平衡交通供需矛盾的重要手段。對城市居民出行行為進行研究,掌握其出行規律和出行方式選擇機理,是科學制定交通政策和有效實施交通需求管理的出發點。

許多研究認為,出行者自身屬性、外部交通環境和出行活動等因素都會影響出行方式選擇。如關金平等考慮個人屬性和出行類型因素,采用混合Logit模型研究了上海城市外圍居住區居民的出行方式；宗芳等將居民出行方式選擇因素歸納為出行者屬性、出行屬性和交通工具屬性三類,采用Logistic模型進行標定,預測居民的出行行為；Chen H.等建立民工出行方式選擇多項Logit模型,分析影響民工出行方式選擇的因素；劉炳恩等建立居民出行方式選擇MNL模型,其中納入了個人屬性、交通工具擁有水平及出行距離、時間、費用變量；包丹文等利用居民出行時間、距離、費用和個人屬性數據建立了考慮停車收費的出行方式選擇MNL模型。以上研究使用非集計模型揭示了影響居民出行方式的多方面因素,但傳統的非集計模型處理多因素問題時難以識別變量間的內在關系,且存在假設任意兩種交通方式選擇概率比與其他交通方式無關的特性(IIA特性)。結構方程模型(SEM)可同時描述多變量的復雜因果關系,還能避免IIA特性,被廣泛應用于出行行為研究。如Ding C.等構建出行行為SEM,將個人屬性和建筑環境設為外生變量,將小汽車擁有量與出行特性設為內生變量；周錢等提出個人特征－活動參與－出行行為的SEM模型結構,將出行次數和出行鏈設為內生變量；張萍等建立相似的SEM結構,外生變量中考慮出行者的個人家庭屬性和居住區位,內生變量考慮活動參與和出行特征；程龍等以低收入通勤者為對象建立SEM,探討個人社會經濟屬性和出行活動對出行方式的影響；曹小曙等建立居民出行選擇SEM,將個人和家庭社會經濟屬性設為外生變量,出行時段、目的、強度和出行方式設為內生變量；Han Y.等在構建SEM中除考慮個人屬性和出行生成外,還加入安全性、舒適性、方便性、靈活性、經濟性5個因素；除個人社會經濟屬性外,尹靜利用計劃行為理論和規范激活模型構建出行方式選擇SEM；Ingvardson J.B.等在SEM中加入滿意度指標,研究居民公交乘坐頻率的影響因素；嚴海等則分析了經濟水平、公交服務水平、停車滿意度對居民選擇公交車和私家車的影響。上述研究主要考慮出行者屬性和出行屬性對居民出行方式選擇的影響,忽略了公共交通、停車位等交通服務或設施的供給水平的影響,且研究區域局限于單體城市,沒有針對不同規模的城市進行對比分析。該文在上述研究的基礎上,在3座不同規模的城市進行居民出行調查,利用SEM對居民出行方式選擇影響因素進行研究。

1 基于SEM的城市居民出行方式分析

由于影響居民出行的各類因素存在復雜的關系,引入SEM進行分析。

1.1 SEM的基本原理

SEM是結合因子分析和路徑分析的多元統計技術,在分析潛在變量和多輸入變量的關系時具有顯著優勢。一個完整的SEM由若干測量模型和結構模型組成,其中測量模型[見式(1)、式(2)]描述觀測變量與其從屬的潛在變量之間的關系,結構模型[見式(3)]描述潛在變量之間的關系。

式中：X為ξ的觀察變量向量；ΛX為ξ與X之間的關系矩陣；ξ為外生潛在變量向量；δ為X變量的測量誤差向量；Y為η的觀測變量向量；ΛY為η與Y之間的關系矩陣；η為內生潛在變量向量；ε為Y變量的測量誤差向量；B為內生潛在變量系數矩陣；Γ為外生潛在變量與內生潛在變量間系數矩陣；ζ為結構模型的殘差向量,即模型無法解釋的部分。

1.2 SEM的估計和評價方法

結構方程模型的擬合目標是使所得參數的殘差平方和最小,若擬合函數記為F(S,∑(θ)),則求使F(S,∑(θ))取得最小值的參數。當前研究中模型的參數估計方法有最大似然估計法(ML)、一般化最小平方法(GLS)、未加權最小平方法(ULS)、加權最小平方法(WLS)、無標度最小平方法等。其中ML最常用,它要求樣本為連續變量且服從正態分布。而出行方式研究中使用的變量多為有序分類變量,不適用上述條件。ULS法是運用量尺單位依賴法的估計方法,對變量分布不作要求,且適用于分類變量。因此,采用ULS法對模型進行參數估計。

模型評價的目的是驗證所構建模型假設的解釋能力。ULS估計方法的模型評價指標有擬合適配度GFI、調整適配度AGFI、殘差均方和平方根RMR。其中：

(1)GFI表示觀察矩陣S中方差與協方差可被復制矩陣預測得到的量,其值為0～1,越接近1,表示模型適配度越好,一般GFI大于0.90則表示模型的路徑圖與實際數據擬合較好。

(2)AGFI為調整后的擬合適配度,它不受單位影響,其值為0～1,越接近1,表示模型適配度越好,一般AGFI大于0.90則表示模型的路徑圖與實際數據擬合較好。

(3)RMR等于適配殘差方差協方差的平均值的平方根,反映矩陣間殘差的大小,一般其值小于0.080則表示模型可接受。

1.3 理論模型的構建與假設

在既有研究的基礎上,選取個人屬性、出行偏好、出行特性、城市規模、交通供給作為變量,根據變量是否被其他變量所影響劃分外生變量和內生變量。假設個人屬性、交通供給和城市規模獨立且不受其余因素影響,則設為外生變量；出行偏好、出行特性和出行方式受到外生變量的影響,設為內生變量。以上6個變量均為不可直接測量的潛在變量,需使用若干可觀測的變量來反映(見表1)。

表1 模型變量的假設

假設選取的外生變量和內生變量存在影響關系,每個外生變量都會影響內生變量,內生變量之間也存在影響關系(見圖1)。模型變量之間的相互影響關系描述如下：

(1)個人屬性影響居民的出行偏好、出行特性和出行方式(H1～H3)。

(2)城市規模影響居民的出行偏好、出行特性和出行方式(H4～H6)。

(3)交通供給影響居民的出行偏好、出行特性和出行方式(H7～H9)。

(4)出行偏好影響居民的出行方式和出行特性(H10、H11)。

(5)出行特性影響居民的出行方式(H12)。

圖1 理論模型的假設

2 數據來源與分析

2.1 問卷設計

根據SEM模型的構建需求設計居民出行行為調查問卷,獲取個人社會經濟屬性、出行偏好、出行特性、交通供給水平、所在城市規模和選擇的出行方式等(見表2)。其中：

(1)出行者的社會經濟屬性包括性別、年齡、職業、月收入、是否有IC卡和是否有私家車。

(2)出行偏好包含出行者對經濟性、安全性、快速性、方便性、舒適性和準時性的重視程度。

(3)出行特性是與實際出行生成有關的屬性,包括每日出行次數、出行距離(短、中、長距離,在大城市分別以5和10 km劃分,在中小城市分別以3和6 km劃分)、是否高峰期(工作日的7：00—9：00和17：00—19：00)出行和是否工作出行。

(4)交通供給水平包括出發地和目的地的公交線網密度及目的地停車場供應條件。

(5)城市規模依據國發[2014]51號《國務院關于調整城市規模劃分標準的通知》劃分。

(6)出行方式分為慢行、公共交通和私人交通三類。

2.2 問卷調查與分析

2017年7月13—26日,在山西省太原市、運城市和呂梁市進行問卷調查。根據國發[2014]51號《國務院關于調整城市規模劃分標準的通知》,這3座城市分別屬于大、中、小城市。為保證數據的可靠性,調查點選取不同城市功能區：在太原市選取5個調查地點,包含1個住宅區、1個工業區和3個商業區；在運城市和呂梁市各選取3個調查地點,包含住宅區、工業區和商業區各1個。以隨機抽樣的方式向出行者發放調查問卷,共發放問卷2 200份,回收1 722份,回收率78.3%,其中有效問卷1 705份,有效率77.5%。

表2 問卷調查題目和選項

續表2

按居民的個人屬性和選擇的出行方式對樣本進行統計,個人屬性分布見圖2。從性別來看,調查樣本中男性占40%,女性占60%,女性樣本多于男性。年齡分布中,18歲以下占12%,19～25歲占36%,26～40歲占31%,41～60歲占16%,60歲以上占5%,大多數受訪者集中于19～40歲,占總人數的2/3,這與3座城市的人口組成結構有關,也可能是因為青壯年群體出行頻率更高,在隨機發放調查問卷時受訪的概率更大。職業分布中,公務員和事業單位員工占19%；企業員工在所有職業中占比最高,占33%；學生占20%；個體經營者最低,僅7%；還有21%由其他職業組成。按收入劃分,月收入低于3 000元的低收入人群占比最大,占62%；3 001～5 000元的人群占35%；高于5 000元的群體最少,僅占3%。有無IC卡的兩類居民比例相當,49%的受訪者持有IC卡,51%無IC卡。從車輛擁有水平看,45%的受訪者至少有1輛小汽車,55%的受訪者無私家車。

在三類出行方式中,選擇公共交通出行的人群所占比例最大,為57%；慢行交通占28%；私人交通最少,僅有15%。3座城市居民首選出行方式的占比見圖3。

從圖3可看出：1)隨著城市規模的增大,選擇慢行交通出行的比例下降,而選擇公共交通出行的比例增加。其原因在于,與太原市相比,呂梁市的城市規模小,居民的平均出行距離短,慢行交通以其方便性在這樣的小城市被廣泛使用；大城市的公共交通系統更發達和完善,且居民的出行距離較遠,居民更偏向于使用公共交通出行。2)太原市、呂梁市的私家車出行比例均低于運城市,其原因可能是太原市具有完善的公共交通網絡,與私家車相比,乘坐公共交通出行更方便、經濟；呂梁市的城市規模小,慢行交通占比高,壓縮了私家車出行比例。

圖2 調查樣本的個人屬性分布

圖3 不同城市居民首選出行方式的占比

3 結果分析與討論

3.1 模型檢驗

根據上述假設關系構建居民出行方式選擇SEM模型,使用AMOS22.0軟件進行參數估計,根據模型結果的Modification Indices指標修正建議,刪除2條不顯著路徑H8和H9,最終模型結果見圖4。

使用GFI、AGFI和RMR3個評價指標對該模型的適配度進行檢驗,結果見表3。從檢驗結果來看,GFI和AGFI均大于0.900,RMR小于0.080,模型的各項適配度指標均符合標準要求,擬合精度良好。

3.2 結果分析

標準化的模型載荷系數見圖4。

圖4 標準化模型路徑系數

表3 模型適配度檢驗結果

由圖4可知：

(1)個人屬性對出行特性和出行方式的影響較顯著。個人屬性主要被職業、月收入、是否有私家車、年齡及性別5個因素解釋。職業和月收入對個人屬性的載荷系數最高,其次為是否有私家車,這3個變量均與個體的經濟水平相關,表明經濟水平對個人出行行為的影響超過性別、年齡等固有屬性。與嚴海等的結論一致,即個體的經濟水平會對出行方式選擇產生根本性的影響。個人屬性對出行特性和出行方式的總影響效應(即自變量至因變量的所有通路的路徑載荷系數乘積的代數和)分別為－0.39[－0.35＋0.8×(－0.56)]、0.03[0.08×(－0.56)×(－0.47)＋0.08×0.40＋(－0.35)×(－0.47)－0.19],表明女性、年齡較大者、月收入較高、有私家車的居民,出行距離往往更遠,每日出行次數更多,且更有可能選擇私家車出行。此外,個人屬性對出行方式的直接影響不明顯,更多地是通過出行特性產生間接影響。相關研究認為,個人屬性不僅直接影響出行者的出行行為,而且可通過活動參與對出行行為產生間接影響,文中的研究證實了這一點。

(2)交通供給水平對出行方式有間接影響。交通供給水平被出發地和目的地的公交線網密度、目的地的停車位供應所解釋,載荷系數分別為0.38、0.42和－0.24。出發地和目的地的公交線網密度對交通供給的解釋為正,而目的地停車場供應為負,二者的作用相反。交通供給水平對出行方式沒有直接影響,但它通過出行偏好和出行特性間接地對出行方式產生一定影響,總效應為－0.52[(－0.79)×0.40＋(－0.79)×(－0.56)×(－0.47)],表明隨著公交線網密度的增加及私家車停車位的減少,人們的公交出行意愿將提高,且增加公交線網密度比減少停車位供應更能促進居民選擇公交出行。可見,提高公交服務水平是將居民的私家車出行轉移至公共交通的有效手段之一。

(3)城市規模對出行方式有間接影響。城市規模對出行方式的直接影響為0.16,而通過出行偏好和出行特性產生的總效應為0.38[0.04×(－0.56)×(－0.47)＋0.04×0.40＋(－0.42)×(－0.47)＋0.16],說明在大城市中,居民使用私家車的意愿高于中小型城市。這可能是由于大城市中居民的私家車擁有水平更高,也可能是由于這部分人群的出行鏈更復雜,公共交通難以滿足其出行需求。

(4)出行偏好對出行特性和出行方式均有顯著影響。出行偏好對出行特性和出行方式的總效應分別為－0.56、0.66[0.40＋(－0.56)×(－0.47)],說明對出行方式要求越高的出行者,出行距離可能越遠,每日的出行次數越多,且這部分人越傾向于使用私家車出行。出行偏好下6個觀測變量的載荷系數均大于0.6,表明居民對這6個維度均有較高的關注度。其中經濟性對出行偏好的載荷系數高達0.92、舒適性和準時性為0.91,其次為快速性、安全性和方便性。出行偏好對出行方式的總影響為正,即偏好要求越高,私家車出行比例越大,說明公共交通相比于私家車還存在體驗上的差距。公交運營部門可重點從經濟性、舒適性和準時性方面提升公交服務水平,引導大眾轉向公交出行。

(5)出行特性對出行方式有顯著負影響。出行特性對出行方式的載荷系數為－0.47,對出行距離和每日出行次數的載荷系數分別為－0.60、－0.51,說明隨著出行距離和每日出行次數的增加,人們更有可能通過私家車出行,反映出現有公共交通難以滿足長距離出行者的需求。高峰期出行和工作性出行對出行方式的總效應為負,對通勤活動及高峰期的出行,居民選擇公共交通的可能性更大。這在一定程度上說明公共交通已成為許多居民日常出行上下班的主要交通方式,也是規避高峰期道路擁堵的選擇之一。

4 結論

該文根據山西省不同規模城市居民出行調查結果,建立結構方程模型對影響居民出行方式選擇的因素進行分析,并對各類潛在變量和觀測變量之間、潛變量與潛變量之間的關系進行梳理。主要結論如下：個人屬性、交通供給、城市規模通過出行偏好和出行特性對出行方式產生間接影響,出行偏好和出行特性對出行方式有顯著的直接和間接影響。具體來說,與經濟水平相關的變量對個人屬性的影響大于性別與年齡等固有屬性的影響,且經濟水平越高,越有可能選擇私家車出行。對于交通供給水平,公交線網密度與目的地停車位供應的影響相反,即高密度的公交線網和緊缺的私家車停車位會使居民轉向公交出行,且提高公交線網密度比縮減停車位更能促進居民的公交出行。大城市的居民相比于中小城市居民更傾向于選擇私家車出行。出行距離越遠、出行次數越多、對交通工具的服務期望越高的出行者,越有可能使用私家車出行。高峰期和工作通勤時更有可能乘坐公共交通。

由于所調查城市尚未開通地鐵線路,公交出行方式僅包括公共汽車和出租車,未考慮影響居民選擇地鐵出行的因素。這將在后續研究中加以完善。