西安市私家車出行特征及其影響因素

白耀東，胡金榜，雷晨陽，高嵩林

西安市私家車出行特征及其影響因素

白耀東，胡金榜，雷晨陽，高嵩林

（長安大學 汽車學院，陜西 西安 710064）

伴隨著汽車保有量的快速增加，城市交通擁堵與環境污染問題日益嚴重。同時隨著放寬戶籍限制政策使得城市人口數量大幅度增加，交通問題愈發嚴重。文章以陜西省西安市私家車為研究對象，對這座國內典型城市的私家車出行強度和出行時間的分布特征進行了研究。對不同駕駛員個人屬性所影響的出行強度建立了合適的結構方程模型，分析個人屬性對出行強度的影響。然后對不同駕駛員屬性所影響的出行時間進行卡方檢驗，篩選出對出行特征有明顯影響的屬性，接著對數據進行可視化處理并分析這些屬性對出行特征的影響規律，最后結合分析結果提出管理建議。分析結果表明，年齡、職業對出行強度呈現顯著的正相關性，教育程度對出行強度呈現顯著的負相關性。私家車工作日和周末的出行特征明顯不同；同時，年齡、職業、受教育程度是影響私家車出行時間特征的主要因素。

出行特征；私家車；出行強度；時間分布；結構方程；卡方檢驗

私家車的迅猛發展給居民出行帶來便利的同時，也給城市交通帶來了巨大的問題。由此產生的交通事故頻發、環境污染嚴重、停車設施不足等問題嚴重影響著居民生活和城市發展[1]。公安部交管局公布的全國機動車和駕駛人數據顯示，在2020年底，全國汽車保有量達到2.81億輛，并且全國有70多個城市的汽車保有量超過了100萬輛。西安是一個典型的新一線城市，隨著城市規模不斷擴大，而公共交通基礎設施建設相對滯后，人們更傾向于開車出行。同時因為人才引進、放寬戶籍限制等政策導致人口進一步增加，接下來的幾年汽車保有量必然會進一步增加。西安市現有的城市道路服務水平已無法滿足日益增長的交通需求，整個道路網絡已趨于飽和，許多十字路口和一些瓶頸造成的交通延誤較大，各級道路的平均速度一般較低，道路擁堵現象非常嚴重[2]。

出行是出行特征研究中最基本的概念。特定地生產和生活的需要才是城市居民出行的本質目標，是出行的第一要素，即我們通常所說的“出行源于需求”[3]。私家車是特指私人購買的純粹用于消費的家庭小汽車，如作為上下班、生活購物、文體娛樂等的主要交通工具，包括轎車、越野車、小客車等。同時，出行特征是指從原地點出發，到達目的地的活動類型，以及進入中轉站的運輸方式[4]。城市居民出行量在不同時段上的分布一般被叫作出行時間分布，體現了居民出行在時間方面的生活節奏和交通出行需求，是分析解決出行高峰期時交通問題的重要參考特征。

駕駛人員構成主要指駕駛員的屬性，包括性別、年齡、教育程度、收入、職業等因素。Satiennam等在2011發現女性私家車出行轉向公共交通的概率更高[5]。NURDDEN等在2007年發現馬來西亞的女性更可能使用公共交通工具[6]。Rivera 發現男性旅行者更喜歡使用私人汽車或摩托車；除名古屋外，日本城市的男性駕駛私家車人數超過女性[7]。上述這三篇文獻主要分析了性別對出行方式的影響，都得出了女性更偏向于公共交通出行，但是他們都沒有對性別如何影響出行強度進行分析。本文在他們的研究基礎上進行分析，發現雖然男性乘坐私家車出行概率更大，但是兩者的出行強度卻沒有顯著區別。Abuhamoud等在2011年建立了年齡與出行強度之間存在的關系的交通模型[8]。本文則建立了多個因素對出行強度影響的模型。Pienaar等在2013的研究中對那些受過良好教育、收入較高的人，以及全職或兼職的人出行方式和出行強度進行分析，發現這些個人屬性對出行方式和出行強度均有顯著影響[9]。本文則對職業進行了細化，且得出的結論與該文獻基本一致。

私家車數量的大幅增加會產生很多嚴重后果。Khreis的研究發現機動車交通可能通過空氣污染、噪音干擾和不自覺地采取久坐的生活方式對公民健康產生不利影響[10]。在吉隆坡，人口對城市的溢出效應導致郊區每天進入城市的交通量增加[11]。因此，調查出私家車出行特征，根據使用特征針對性鼓勵人們使用公共交通工具對于減少這些情況至關重要。本研究依據出行特征調查問卷，根據問卷調查結果來分析掌握西安市私家車出行強度和時間分布特征，同時對這些特征的影響因素進行分析，為政府制定合理的交通規劃提供重要參考，對政府關于車輛管理、行駛工況、限制私家車出行、合理教育與引導等方面提出建議。目前，國內對出行特征的研究大多數集中于討論其中某一因素或這一因素的某方面對居民出行的影響，未能對多種影響因素進行比較研究。同時，國內針對私家車出行開展研究的學者為數不多。

在此背景下，本文通過分析問卷調查數據對駕駛員的多種屬性對私家車出行特征的影響進行綜合理論分析，對這些影響因素進行更深層次的探討研究并給出建議。

1 研究方法

1.1 數據采集

本文首先進行問卷調查，問卷內容主要包含兩個部分，第一部分是私家車使用者個人資料信息，包括性別、年齡、收入、職業、教育水平等個人屬性；第二部分則是對私家車使用者出行信息進行調查，包括私家車使用者使用車輛出行的時段、時耗、頻率等。然后進行數據初步篩選，刪掉調查項目不全的數據，以此來確保調查項目數據的完整性。本次調查對象為擁有私家車的西安市居民，最終得到有效調查問卷865份，并對這865份數據進行深入的數據處理與分析。

圖1 個人屬性占總樣本的百分比

如圖1所示，本問卷主要針對性別、年齡、收入、職業、教育程度等個人屬性進行數據的收集。在性別構成方面，男性與女性的比例為7∶3。從年齡構成來看，26～35歲年齡區間占比最多，達47%；25歲以下以及55歲以上人員占比較小，分別占調查總樣本量的8%和5%。將居民收入水平按月平均可支配收入分為三組，其中月平均可支配收入為3000元以下的車主定義為低收入階層，占比為23%；將3 000～7 000元之間的車主定義為中等收入階層，占比為62%；月平均可支配收入為7 000元以上的車主定義為高收入階層，占比為15%。職業則是以公司職員、公務員及自由職業為主，占比分別為31％、22％、22％；私營個體以及工人等也占一定的比重，分別為11%、10%；退休人員占比最小，為5%。教育程度樣本中，博士研究生占比為5%，碩士研究生為15%；本科、大專、中專及以下占比相對較多且差距不大，分別為32%、25%、23%。總體看來，樣本占比較均勻，具有代表性。

1.2 數據處理

本文在研究出行強度的時候應用了AMOS建立結構方程模型進行分析。結構方程模型是基于變量的協方差矩陣來探究和分析處理復雜的多變量數據的模型。結構方程是一種流行的多變量建模方法，用于分析潛在變量之間的復雜相互關系，而往往這些關系無法通過線性回歸進行分析。同時，結構方程模型將測量誤差引入路徑圖中，從而更加準確地利用可觀測變量之間的聯系來找出潛在變量之間的關系。由于個人屬性和出行強度并不能直接測量，所以引入年齡、職業、教育程度、性別多個可觀察變量作為反映個人屬性和出行強度之間的關系。例如：采用年齡和性別等反映個人屬性，采用出行次數等反映出行強度。

在研究出行時間分布特征時，本文主要考慮到多變量的關聯性分析，因此，利用SPSS軟件進行卡方檢驗。卡方檢驗的基本思想是比較期望頻數和觀察頻數的吻合程度。利用軟件計算出值，值很小說明觀察值、期望值的偏離量很大，初步認為樣本所代表的實際情況和期望假設有顯著差別。本文設定當值小于0.05時，認為有顯著差別。同時如果2值過小，就應當傾向于沒有明顯差別，反之亦然。

2 結果與分析

2.1 出行強度與影響因素分析

2.1.1出行強度

本研究采用的數據來源于西安市私家車出行問卷調查，出行強度即城市居民個體出行的強度，通常用出行次數、出行耗時、出行距離等總量指標和平均指標來衡量。

對出行次數、出行耗時、出行距離展開分析，結果如圖2所示。可以看到，大部分人每天出行次數分布在2～4次，占總樣本的48%；接下來是4～6次，占比25%；8次以上則占比很小。出行耗時基本分布在0.5～1小時和1～2小時之間，分別占比51%、27%。出行距離則分布較為均勻，可以發現西安市私家車的出行距離整體看來比較遠，30公里以上的占比達到了17%。

圖2 出行強度特征分布情況

2.1.2影響因素分析

應用AMOS分析個人屬性對出行強度的影響，將個人屬性和出行強度作為潛在變量，年齡、職業、教育程度和性別作為出行者個人屬性特征的可觀測變量，出行次數、出行耗時和出行距離作為出行強度的可觀測變量，對各因素進行路徑分析并建立結構方程模型。經過不斷調整模型路徑，最終使實際數據結構模型達到理想狀態，結構方程模型如圖3所示。

該模型的卡方值為45.202，值為0。表1為該模型的三個關鍵適配度指標和其標準值，這三個適配度指標是結構方程模型中常用的適配度指標，它們用于評估結構方程模型擬合數據的程度。CMIN/DF是指卡方值除以自由度，是一種用于評估模型與觀察數據之間的差異的指標。在實際應用中，如果CMIN/DF值在1～5，通常被認為是一個好的擬合。RMSEA是指均方誤差逼近度指數（Root Mean Square Error of Approximation），它反映了模型與觀察數據之間的誤差，其中更小的RMSEA值表示更好的擬合。RMSEA的推薦閾值是小于0.08。GFI是指廣義擬合指數（Goodness of Fit Index），它是評估模型對數據的解釋程度的一個指標，其值介于0和1之間。GFI越接近1，說明模型對數據的解釋越好。可以看出3個關鍵性適配度檢驗參數均表現良好，表明觀測數據與理論模型的擬合度較高，結構模型成立。

圖3 汽車出行者屬性特征影響通勤的結構方程模型

注：路徑系數上的值反映這一變量對另一變量的影響程度；e1－e7為殘差，其上面的值表示殘差系數，為模型中無法解釋的部分。

表1 結構模型適配度的參數估計及其標準值

適配度指標CMIN/DFRMSEAGFI 適配度標準1～5<0.08>0.90 檢驗結果數據3.4770.0540.985

在結構方程模型中，標準化因素負荷是指該因素對觀測變量的影響強度。它表示因素與觀測變量之間的關聯程度，其值表示了每個觀測變量受因素影響的程度，也可以看作是因素對該觀測變量解釋的比重。標準化因素負荷的取值范圍是從-1到1之間。標準化因素負荷的值通常要求大于0.3才被認為是有效的，因為這個值越小，該變量受因素的影響就越小，就不能很好地反映因素的影響。如表2所示，除去性別對個人屬性影響不太顯著外，個人屬性和出行強度這兩個潛在變量與其他所對應的可觀測變量都達到了顯著影響；并且個人屬性中的年齡、職業和教育程度與私家車出行強度存在顯著的相關性。年齡、職業對出行強度有顯著的正相關性，表明隨著年齡的增加、職業的自由化，出行強度中的出行次數、運行時間和運行距離均有所增加。教育程度則對出行強度呈現顯著的負相關性，表明隨著受教育水平的增加，私家車出行強度中的出行次數、運行時間和運行距離明顯減少。性別則與出行強度呈現比較弱的負相關性，女性的出行強度稍比男性大。

出行強度表示著私家車的使用水平，根據上述分析可以發現西安市居民隨著年齡的增加和職業的自由化，私家車使用水平越高；但是教育水平越高，私家車使用水平在下降。因此，要加強對居民的宣傳和教育，提倡居民乘坐公共交通出行。

表2 個人屬性特征和出行強度的測量模型分析結果

測量模型標準化因素負荷未標準化因素負荷S.E.C.R.P 個人屬性 年齡0.3511 職業0.4852.1920.2837.736*** 教育程度-0.855-2.6770.433-6.187*** 性別-0.139-0.1750.052-3.375*** 出行強度 運行距離0.6331 運行時間0.7540.5840.0777.582*** 出行次數0.3410.2620.0367.22***

注：***即<0.001。

2.2 出行時間特征與影響因素分析

2.2.1出行時間特征

將調研數據按照周末和工作日分為兩類，分別統計私家車在兩種日期下的出行時間特征如圖4所示。整體來看，工作日和周末均有早晚兩個峰值；但是很明顯工作日的早高峰來得很急促，7點左右達到峰值，消除峰值的時間較緩慢，持續時間比較長；晚高峰則來得沒有早高峰急促，但是結束時比較急促。周末和工作日相比則差別比較大，早高峰來得比較晚且緩慢，10點左右到達峰值；并且中午的峰值比較高，和晚高峰緩慢連接；晚高峰則不太明顯，從下午3點一直持續到晚上8點，8點以后和工作日相比依舊有部分出行需求，晚高峰下降平緩。

圖4 工作日、周末出行時間分布

2.2.2影響因素分析

首先依次對不同屬性下的出行時間分布進行卡方檢驗，判斷是否對出行時間分布存在影響，結果見表3。可以看到年齡、職業、教育程度的顯著性水平在工作日和周末均小于0.05，說明這些屬性對出行時間特征均有顯著影響。性別和收入的顯著性水平值在工作日、周末均大于0.05，表明性別和收入對出行時間特征無明顯影響，不作分析。進一步對年齡、職業、教育程度對出行時間分布特征的影響進行分析如圖5－圖7所示。

表3 個人屬性*時間分布卡方檢驗

個人屬性工作日/周末皮爾遜卡方 卡方值自由度漸進顯著性（雙側） 性別工作日4.71060.582 周末13.98360.052 年齡工作日31.627200.047 周末64.112200 收入工作日12.923120.228 周末10.748120.551 職業工作日97.900300 周末95.587300 教育程度工作日67.380200 周末41.297200.003

由圖5可以看出，在工作日和周末均有較為明顯的早晚高峰。在工作日，55歲以上出行人員的早高峰明顯和其他年齡段有所差別，早高峰較為平緩且到來的時間遲，在10點左右才達到峰值；晚高峰明顯比其他年齡段要低且較早結束。政府可以通過老年公交卡、地鐵卡等促使這部分人群轉向公共交通出行。26～35歲人員的晚高峰最為急促且回家時間最晚，36～45歲人員的早高峰到來比其他年齡段略為急促。不同年齡段在周末的出行時間分布特征區別明顯，18～25歲的年輕人很明顯比其他年齡段的人早高峰來得要平緩，且稍微遲一點；晚高峰則在晚上9點左右到來，比其他所有年齡段都要晚回家；說明年輕人在周末的晚上出行需求極其旺盛，晚睡晚起特征明顯。26～35歲人員的早高峰與18～25歲基本一致，晚高峰則提前了1～2個小時。

圖5 不同年齡出行者的出行時間分布對比

不同職業的出行時間分布特征如圖6所示。工作日早高峰很明顯分為兩個層次，工人、公司職員和公務員早高峰比較一致，來得早且較為急促；其中工人的早高峰最明顯，是最繁忙的一個職業。退休人員、自由職業、私營個體和其他早高峰到來得遲且較為平緩，基本在10點左右才達到早高峰。晚高峰的到來時間則所有職業基本一致，公司職員的晚高峰到來得最為急促，私營個體回家最晚。在周末，退休人員基本不受周末和工作日的影響，早高峰相較于其他職業而言更為急促；其他職業則在周末早上有很明顯的休息，出行需求較低。自由職業在下午基本沒有出行需求，晚高峰則和其他職業保持一致。公務員在下午和晚上出行需求基本不變，最為平緩。不同職業出行高峰期有明顯的差別，因此，可以借鑒國外發達城市的方法，對不同職業人群實施錯峰上下班，例如采用提早公務員的上下班時間，稍微推遲不同公司職員的上下班時間等措施來緩解局部時間的大堵車。

圖6 不同職業出行者的出行時間分布對比

不同教育程度的出行時間分布特征如圖7所示。在工作日，研究生學歷人員的出行時間分布最為規律，早高峰十分明顯，來得早且急速；晚高峰同樣如此，中午出行需求最少。中專及其以下的早高峰和其他教育程度有明顯區別，來得遲且平緩，晚高峰同樣如此，中午的出行需求最多。其他教育程度的出行時間規律則基本一致。在周末，研究生學歷群體和工作日相比則突然變為最輕松的人，早高峰來得最遲且平緩，但是晚高峰則較為明顯。博士的晚高峰和其他人員明顯不同，到來的很早且急促，晚上休息沒有出行需求。整體來看，周末不同教育程度之間的出行時間特征基本一致。

3 結語

本文分別利用AMOS軟件和SPSS軟件定量化分析了不同駕駛員個人屬性對私家車出行強度和出行分布特征的影響。結構方程模型的結果顯示，年齡、職業對出行強度呈現顯著的正相關性，教育程度對出行強度呈現顯著的負相關性。表明西安市居民隨著年齡的增加和職業的自由化，私家車使用水平越高；但是教育水平越高，私家車使用水平下降。卡方檢驗的結果表明，年齡、職業、受教育程度是影響私家車出行時間特征的主要因素。此外，通過對數據進行可視化處理分析了這些屬性對出行特征的影響規律，并提出了合理的管理建議，總結如下：

1）工作日和周末的出行時間特征明顯不同。在工作日的早晚高峰，政府可以增加公共交通的發車頻率，以此來鼓勵人們轉向公共交通出行，同時，在周末則適當調整公共交通發車頻率與時間，避免浪費公共資源。

2）從私家車駕駛人員屬性來看，在55歲以上的高年齡段出行人群工作日早高峰與晚高峰明顯與其他年齡段不同，政府可以通過老年公交卡、地鐵卡等促使這部分人群轉向公共交通出行。不同職業出行高峰期有明顯的差別，因此，可以借鑒某些國外發達城市的方法，對不同職業的人群進行錯峰上下班，比如提早公務員的上下班時間，稍微推遲不同公司職員的上下班時間等措施來緩解局部時間的大堵車。同時對公務員等國家行政人員進行宣傳教育以減少他們私家車出行，如果用車高峰期等特殊情況下可以強制限制，同時減少非必要的公務用車。對公司職員進行建議與宣傳。研究生學歷的人群在工作日的早晚高峰特別明顯，本科及以上的高學歷人群制造了大部分的早晚高峰貢獻，進一步加強教育，提倡綠色環保出行。

[1] 黃正國.基于車牌識別數據的車輛出行特征研究[D].成都:西南交通大學,2019.

[2] 李雷雷.淺析西安市城市交通系統現狀的問題及應對措施[J].科技風,2015(3):22.

[3] 徐奧林.基于出行者特性的出行行為研究[D].北京:北京交通大學,2014.

[4] MOHD F J S,FATAHSHA A B,ABDUL A K H.et al. Socio-economic and Travel Characteristics of Transit Users at Transit-oriented Development (TOD) Stations [J].Transportation Research Procedia,2020(48):1938- 1955.

[5] SATIENNAM T,JAENSIRISAK S,NATEVONGIN N, et al.Public Transport Planning for a Motorcycle Dominated Community[J].Journal of the Eastern Asia Society for Transportation Studies,2011(9):970-985.

[6] NURDDEN A, RAHMAT R A O K,ISMAIL A. Effect of Transportation Policies on Modal Shift From Pri- vate Car to Public Transport in Malaysia[J].Journal of Applied Sciences.2007,7(7)1013-1018.

[7] RIVERA M A.Travel Behavior Analysis and its Impli- cation to Urban Transport Planning for Asian Cities: Case Studies of Bangkok, Kuala Lumpur,Manila,and Nagoya ICRA Project Report[C]//The 5th Internati- onal Conference of Eastern Asia Society for Transpor- tation Studies.Fukuoka:East Asian Transportation Re- search Association,2003:136-139.

[8] ABUHAMOUD M A A,RAHMAT R A O K,ISMAIL A.Modeling of Transport Mode in Libya:A Binary Logit Model for Government Transportation Encour- agement[J].Australian Journal of Basic and Applied Sciences, 2011,5(5):1291-1296.

[9] PIENAAR J,DEWITTE H,HELLGREN J,et al.The Cognitive/Affective Distinction of Job Insecurity: Validation and Differential Relations[J].Southern Afr- ican Business Review,2013,17(2):1-22.

[10] KHREIS H,SUDMANT A,GOULDSON A.Transport Policy Measures for Climate Change as Drivers for Health in Cities[J].Journal of Transport & Health, 2018(9):583-608.

[11] SOO C K,ROSNAH S,JAMAL H H.Trip Characteris- tics as the Determinants of Intention to Shift to Rail Transport Among Private Motor Vehicle Users in Kuala Lumpur,Malaysia[J].Sustainable Cities and Society,2018(36):319-326.

The Travel Characteristics and Influencing Factors of Private Cars in Xi'an

BAI Yaodong, HU Jinbang, LEI Chenyang, GAO Songlin

( School of Automobile, Chang'an University, Xi'an 710064, China )

With the rapid increase of car ownership, urban traffic congestion and environmental pollution problems are becoming increasingly serious. At the same time, with the relaxation of household registration restrictions, the number of urban people has increased significantly, and the traffic problem has become more serious. This paper takes private cars in Xi'an, Shaanxi Province as the research object, and studies the distribution characteristics of intensity of private car travel and travel time in this typical city in China. A suitable structural equation model is established for intensity of travel affected by different drivers' personal attributes, and the influence of personal attributes on travel intensity is analyzed. Then, the chi-square test is carried out on the travel time affected by different driver attributes, and the attributes that have obvious influence on the travel characteristics are screened out, and then the data is visualized and the influence of these attributes on the travel characteristics is analyzed, and finally the management suggestions are put forward based on the analysis results. The analysis results showed that age and occupation showed a significant positive correlation on the travel intensity, and the education level showed a significant negative correlation on travel intensity. The travel characteristics of private cars on weekdays and weekends are significantly different; At the same time, age, occupation, and the education level are the main factors affecting the characteristics of travel time of private car.

Travel characteristics; Private car; Travel intensity; Time distribution; Structural equation; Chi-square

U491.1+2

A

1671-7988(2023)17-188-07

10.16638/j.cnki.1671-7988.2023.017.036

白耀東（1998－），男，碩士研究生，研究方向為交通規劃管理，E-mail:2861219161@qq.com。

陜西省自然科學基礎研究計劃（2020JQ-374）。