考慮通勤滿意度的出行方式選擇研究*

王曉靜， 楊建坤， 張小七

(昆明學院， 云南 昆明 650214)

伴隨城市交通高質量發展的不斷推進，通勤者越加在乎通勤本身帶來的體驗感和舒適感，對通勤活動的整體感知評價不斷影響人們出行方式選擇的意愿及行為。如何提高對通勤過程的滿意度和主觀幸福感，從而優化出行方式結構，滿足人民需求，實現可持續的交通發展目標成為關注焦點。付學梅等研究發現通勤者對某種出行方式的態度不僅影響他們對該種方式的選擇，還會影響對其他方式的選擇；張倩等把乘客心理認知作為交通方式選擇的主要影響因素；李紅昌等以北京市為例，研究發現通勤者對出行方式的潛在喜好或厭惡會顯著影響其出行方式選擇；嚴海等研究表明主觀幸福感對小汽車通勤群體是否改變他們的出行方式具有顯著影響；景鵬等研究結果表明通勤者心理潛變量對其通勤方式選擇具有顯著影響。這些研究分析了態度、心理潛變量、主觀幸福感和感知價值等主觀變量與出行方式選擇間的關系，為研究通勤者主觀感知變量對方式選擇行為的影響開啟了新視角，但未探討通勤者對通勤活動本身感知評價產生的滿意程度(即通勤滿意度)對出行方式選擇行為的影響。該文以昆明市為例，引入國外較常用的通勤滿意度量表測度549名受訪者的通勤滿意度，并將其劃分為不滿意、基本滿意、比較滿意3個等級，通過描述性統計呈現不同通勤方式群體的通勤滿意度分布特征，運用非參數檢驗法識別通勤滿意度、通勤時間、職住區位分隔程度等單個變量對出行方式選擇的解釋是否顯著，并建立多元Logistic回歸模型綜合分析這些變量與出行方式選擇的相關關系，揭示通勤滿意度對出行方式選擇的影響，為提高通勤滿意度的個性化政策制定提供參考。

1 樣本數據來源

于2020年12月和2021年1月分別在昆明城區5個具有代表性的區域商業中心開展隨機抽樣調查，共收回730份問卷，剔除其中存在缺失信息的問卷，獲得有效問卷549份。問卷主要涉及以下內容：1) 通勤滿意度信息，借鑒文獻[7]中的出行滿意度量表對通勤滿意度進行測度；2) 通勤者的出行方式選擇，主要分為公交車、小汽車(私家車、共享汽車、出租車)、電單車、地鐵和慢行交通(步行、騎行)五類；3) 通勤者的個人信息，包括性別、年齡、職業、收入、受教育程度、工作位置和居住位置等。樣本構成見表1。

表1 樣本構成特征及變量賦值

續表1

2 描述性統計及分析

如圖1所示，不同出行方式通勤群體的通勤滿意度樣本占比存在明顯差異。慢行通勤群體的比較滿意樣本占比最高(52%)，公交最低(21%)，其他三類通勤方式群體的通勤滿意度樣本占比分布相似。相反，慢行通勤群體的通勤不滿意樣本占比只有7%，而這類樣本在公交車通勤群體中為21%。說明公交車通勤給人們帶來相對負面的感知評價，而步行和騎行通勤給人們帶來相對較高的滿意度。

圖1 不同通勤方式下通勤滿意度的樣本占比

如圖2所示，不同通勤方式人群的職住分隔程度的樣本占比存在明顯不同。公交、地鐵和小汽車通勤群體中職住位置在同一個區域的樣本占比只有50%左右，同樣的指標，電單車通勤群體為66%，而慢行通勤群體高達78%。說明通勤方式選擇和職住區位關系存在一定關聯，職住區域在同區域的人群選擇慢行交通通勤的比例更大；而職住區位分隔越遠，選擇公交、小汽車、地鐵通勤的比例越大。

圖2 不同通勤方式下職住匹配的樣本占比

如圖3所示，不同通勤方式群體在不同通勤時間段內的樣本占比存在顯著差異。選擇慢行方式的通勤群體花費的通勤時間多數集中在20 min內，該樣本占比超過80%；同樣的指標，選擇公交車、小汽車、地鐵通勤的樣本分別只有24%、37%和33%。48%公交車通勤者的通勤時間在50 min以上，47%小汽車通勤者的通勤時間為20～50 min。說明通勤時間和通勤方式之間存在必然的聯系，慢行通勤所需通勤時間較短，公交、小汽車通勤消耗的通勤時間較長。

圖3 不同通勤方式下實際通勤時間樣本占比

為進一步分析通勤滿意度、職住關系、通勤時間3個變量對通勤方式選擇分布是否存在統計意義的顯著性差異，利用SPSS軟件進行非參數檢驗(單因素檢驗)。檢驗結果表明不同的通勤滿意程度(P<0.055)、不同的職住區位分隔程度(P<0.061)、不同的通勤時間區段(P<0.001)均能顯著解釋通勤方式選擇的分布差異情況，說明在分析通勤方式選擇行為時，有必要將這3個變量作為自變量整合進選擇模型中。

3 出行方式選擇模型構建及分析

3.1 模型構建

多元Logistic回歸模型為概率型非線性回歸模型，是研究無序多分類因變量與自變量之間關系的多變量分析方法。

效用函數如下：

Uin=Vin+εin

(1)

式中：Uin為第n個出行者選擇第i種出行方式的效用函數；Vin、εin分別為第n個出行者選第i種出行方式效用函數中的固定項和隨機項。

假設效用函數中隨機項ε服從二重指數分布，則第n個出行者選擇第i種出行方式的概率為：

(2)

式中：Vjn為第n個出行者選擇第j種出行方式效用函數中的固定項；xink、xjnk分別為第n個出行者選擇第i、j種出行方式的第k個特征變量。

3.2 變量參數標定

為研究解釋變量對出行方式的解釋作用，選取通勤方式、居住位置、工作位置、實際時間、通勤滿意度和個人信息作為解釋變量。解釋變量的參數編號見表3。

3.3 模型結果分析

多元Logistic回歸模型結果見表3。

表2 解釋變量的參數編號

表3 多元Logistic回歸模型結果

續表3

由表3可得4個多元Logistic模型分別為：

0.453x19

(3)

0.882x10+1.578x14-0.682x16+2.597x19

(4)

1.459x9+0.743x10+3.131x14+2.491x15+

2.776x18+0.731x19

(5)

1.957x14+1.003x15+0.552x18+0.726x19

(6)

(1) 通勤滿意度變量的估計系數都為正，說明相對于慢行(步行或騎行)通勤，對通勤過程不滿意和基本滿意的人群選擇公交車、電單車、地鐵、私家車通勤的可能性更高。其中電單車通勤群體通勤滿意度變量的估計系數分別為1.459、0.743，說明通勤不滿意和基本滿意群體選擇電單車通勤的概率更大；對通勤行為基本滿意的群體中，通勤滿意度變量的估計系數分別為0.707、0.743、0.882、0.985，說明這一群體選擇地鐵、電單車、小汽車、公交通勤相對于選擇慢行通勤方式的概率依次增大。

(2) 通勤時間變量的估計系數均為負，說明相對于慢性(步行和騎行)通勤，通勤時間越短，人們選擇公交、小汽車、電單車、地鐵通勤的可能性越??；以公交通勤群體為例，通勤時間變量估計系數分別為-4.600、-2.910，說明相對通勤時間為50 min以上，這類群體的通勤時間為20～50 min、20 min之內的可能性依次降低。這一估計結果符合預期，一般而言，慢行方式花費的通勤時間較短，公交花費的通勤時間較長。

(3) 以選擇慢行方式通勤為參照，職住區位分離越遠，通勤者選擇小汽車通勤的可能性越大。這一估計結果與現實情況相吻合，因為工作地和居住地分離越遠，人們為保持相對穩定的通勤時間，選擇更快速的通勤工具的可能性越大。

(4) 居住位置、工作位置、學歷、收入和家中有無小汽車、電單車等個人及家庭屬性變量對通勤方式選擇也存在顯著的解釋性。

4 結論

(1) 慢行通勤能給人們帶來較高的通勤滿意度，而人們對公交通勤的滿意程度相對較低。慢行通勤的通勤時間較短，公交通勤的通勤時間較長。慢行通勤群體的職住區位多數都在一個空間范圍內，而小汽車、公交、地鐵通勤群體的職住區位分離現象明顯。

(2) 通勤滿意度、通勤時間、職住區位及其分離程度均能顯著解釋通勤方式選擇的分布差異特征。