出行幸福感影响因素分析及规划政策建议

朱菁 陈淑燕 李赛赛 曹政 张怡文 丁晓梅

摘要：幸福感的研究对提升个人健康和社会效益，实现健康中国的战略目标具有重要意义。文中对出行幸福感的显著影响因素及其层次结构进行分析，构建了出行幸福感评价指标体系，由此提出了相应的规划与政策建议。文中采用国际公认的研究幸福感的数据库ATUS（American Time Use Survey），首先建立最优尺度回归模型，筛选出显著影响出行幸福感的因素并得到各自的重要性系数;而后，以最优尺度回归输出结果为依据，结合因子分析法和层次分析法获得因素间的层次结构，得到每个指标的影响权重，从而构建了出行幸福感评价指标体系，定量地描述了不同因素对出行幸福感的影响程度;最后，基于出行幸福感影响因素的启示，给出提升出行幸福感的规划与政策建议。

关键词：出行幸福感;因子分析法;层次分析法;规划建议

中图分类号：U491.1

DOI：10.16152/j.cnki.xdxbzr.2020-04-018开放科学（资源服务）标识码（OSID）：

The influencing factors of travel well-being and

suggestions for planning and policy

ZHU Jing1， CHEN Shuyan2， LI Saisai3， CAO Zheng4，ZHANG Yiwen1， DING Xiaomei5

（1.College of Urban and Environmental Sciences， Northwest University， Xi′an 710127， China；

2.School of Transportation， Southeast University， Nanjing 210096， China；

3.Tongji Architectural Design（Group） Co.，Ltd.， Shanghai 200092， China；

4.Shanghai Municipal Engineering Design Institute Co.，Ltd， Shanghai， 200092， China；

5.Zhejiang Institute of Communications， Hangzhou 311112， China）

Abstract： The study of well-being is of great significance for improving personal health and social benefits and realizing the strategic goal of healthy China. This paper analyses the significant influencing factors and hierarchical structure of travel well-being， constructs an evaluation index system of travel well-being， and puts forward corresponding suggestions for transportation planning and policy. This paper uses the well-known travel well-being data from the American Time Use Survey （ATUS）， established an optimal scaling regression model to derive significant factors of travel emotional experiences and their effect sizes. Based on modeling results， combined the factor analysis method with the analytic hierarchy process to obtain the hierarchical structure of the influencing factors and the weight of each factor， thus developed a travel well-being scoring system which can quantify the impact of each factor on travel well-being. Finally， based on the inspiration of the influencing factors of travel well-being， the suggestions of planning and policy are put forward for improving travel well-being.

Key words： travel well-being; factor analysis; analytic hierarchy process; planning suggestions

隨着人民生活水平的不断提升，对生活质量的衡量重心开始由经济利益向幸福感转移。近年来，经济学、哲学等各领域的学者着手进行幸福感这一课题的深入研究。经济学家伊斯特林［1］首先对收入和幸福感之间的关系进行了研究，并提出了经典的“收入—幸福感”矛盾。他发现当收入达到某一水平后，收入和幸福感之间不再存在明显的正相关关系。国际组织在评估一个国家的发达程度时，除了采用传统的经济指标如GDP等，也开始将幸福感这一指标纳入考虑范围。2011年7月，联合国大会（United Nation General Assembly）通过了第65／309号决议“幸福：迈向发展的整体定义”。自2012年以来，联合国可持续发展网络（United Nation′s Sustainable Solutions Network）每年都公布《世界幸福报告》，幸福感水平已经逐渐成为社会发达程度的标志之一。

2017年，在最具幸福感城市评选活动中，成都、杭州、南京等10个城市获得“中国最具幸福感城市”荣誉称号［2］，该调查推选活动由新华社联合中国市长协会共同主办，迄今已连续举办11年，累计9.86亿人次参与;近年来在政府的工作报告和政策文件中多次明确要将全面增强国民幸福感作为民生工作的核心。十九大报告指出要实施健康中国战略，而心理健康是现代人健康不可分割的重要方面，幸福感的研究对于提升个人心理健康，实现健康中国的战略目標具有重要意义。

交通运输是社会和经济发展的基础性、先导性、战略性产业，随着城市化进程加快，人们日益增长的高质量交通服务的需求与不平衡、不充分供给的矛盾日益突出，居住地选择、交通环境、城市规划等因素制约着人们日常出行方式的选择。同时，交通拥堵、乘坐环境差、通勤时间过长、晚点与延误等出行问题也日益凸显，对人们的出行体验产生不良影响，造成了较低的出行幸福感。这种不良的情绪体验会波及到人们的工作和家庭生活中，对生活幸福感产生消极的影响。因此，将幸福感理论引入交通领域的相关研究中具有必要性和前瞻性。

国内外学者均对出行幸福感的研究做出了贡献。国外学者更多的关注通勤活动的幸福感研究，对交通拥堵［3］、出行方式［4］、通勤时间［5］、可获得交通资源［6］、出行环境［7］等因素对出行幸福感的影响程度进行了探讨。国内相关学者对居民游憩行为与主观幸福感［8］、通勤行为的健康效应［9］、通勤时间与主观幸福感［10］等做了相应研究。然而已有研究很少对出行幸福感影响因素及层次结构进行分析，现有成果多为探讨某一具体因素对出行幸福感的影响，因而缺少出行幸福感的评价体系，导致出行幸福感的评价较为困难。

论文采用国际公认的研究幸福感的数据库——美国ATUS（American Time Use Survey），对出行幸福感的影响因素进行了分析，并构建了相应的评价指标体系。一方面，有助于准确地评估幸福感，为后续研究，如出行幸福感指标的选取、量表的制定提供理论依据;另一方面，为政府部门制定具体政策和干预措施、提升出行幸福感提供决策依据，对改善居民出行体验，构建和谐社会具有重要的现实意义和参考价值。由于目前国内大样本数据的缺乏，采用国际数据开展初步研究，对下一步进行中国居民出行幸福感相关研究具有一定的借鉴意义。

1 出行幸福感影响因素提取

1.1 数据描述

本文采用的数据来源于国际公认的研究出行幸福感的数据库ATUS（American Time Use Survey），该数据库对个人和出行信息的收集较为完整，具有很好的代表性，契合了本论文对于出行幸福感的研究需要。采用2013年幸福感模块的数据进行分析，剔除不合理的异常点和缺失值，以及样本量太小不具有代表性的变量，同时对变量属性进行合并和哑元处理，共得到6 719条记录。

自变量可以分为3类：①出行属性，包含了是否与他人交互、交通方式、出行持续时间、出行目的;②个人属性，包括年龄、性别、种族、地区、工作情况、工作类型、学历、健康情况（较好=1，一般=2，较差=3）、休息情况;③家庭属性，包括家庭总收入、是否结婚、有无小孩。

因变量即出行幸福感，其值借鉴美国学者布莱德博［11］提出的ABS法（Affect Balance Scale）计算，情绪水平=平均积极情绪-平均消极情绪，该方法已被证明可以有效地代表自测的幸福感。在本研究中的应用为：情绪水平=平均积极情绪（快乐得分）-平均消极情绪（痛苦、悲伤、压力、疲劳得分均值），计算后的情绪水平是数值型变量，取值-6.00～6.00，数值越大代表出行过程中的幸福体验越高。

具体变量描述见表1所示。

1.2 影响因素分析

最优尺度回归（optimal scaling regression）是标准线性回归模型的一种扩展，它允许因／自变量为各种类型的分类变量［12］，结合本文研究的问题和变量类型，采用此方法进行建模。其优势在于能够得出重要性系数，非常直观和方便地看出每一个自变量对因变量的影响程度。在自变量含有较多分类变量时，其准确性与可解释性要高于一般线性回归模型和logistic模型。本文选用最优尺度回归模型筛选对出行幸福感显著影响的因素，为之后的因子分析建立影响因素结构层次提供输入，同时得出的重要性系数也为层次分析法中判断矩阵的元素即标度的取值提供参考。模型的原理和过程，参见参考文献［13］，所得模型输出结果如表2所示。

模型汇总的调整R2为0.248，sig.值为0.002，说明该模型有意义，表2给出了模型的输出结果：变量、sig.值、重要性系数和转换后容差。sig.值小于0.05，说明该变量具有统计学意义。重要性系数代表了该因素在模型中的重要程度百分比，总和为100％，绝对值越大，说明该因素对出行幸福感的影响越大。转换后容差如果过小，说明数据存在严重的多重共线性，会导致模型结果不准确，一般以0.5为界。如果容忍度小于0.5的因素较多，则需考虑多重共线性的影响。表2转换后容差值均大于0.5，可见本模型中不存在此问题。从表2可见，工作类型、有无小孩这两个变量的sig.值大于0.05且重要性为0.000，故予以剔除，其余14个变量均对出行幸福感有显著影响。

2 出行幸福感评价指标体系的构建

因为因子分析法擅长于建立层次结构，层次分析法擅长于确立指标权重，故而本文将两种方法相结合来分析出行幸福感影响因素，建立指标体系。最优尺度回归建模筛选出的显著因素是因子分析建立因素间层次结构的基础，重要性系数为层次分析法中确立判断矩阵提供依据，弥补了层次分析法采用专家意见容易导致主观成分过重的缺陷。

2.1 基于因子分析法建立影响因素层次结构

因子分析是一种将多数变量化繁为简的方法，它以较少的信息丢失为代价，将多个相关变量进行合并，能够很好地解决变量共线性的问题，有效地提取变量的内在结构。

因子分析的一般步骤为：

1） 采用KMO检验或Bartlett球形检验判断数据间的相关性，确定其是否符合因子分析的要求。

2） 确定公共因子数，并作出专业性的解释。当特征根大于1或累计贡献率大于80％时，说明提取的公因子的数目合适。公式如下：

Xi=αi1F1+αi2F2+…+αimFm+εi，

i=1，2，3，…，p  （1）

式中，Xi为原变量，F1，F2，…，Fm代表被提取的公因子，εi代表特殊因子，aij为因子载荷，且m＜p。

KMO检验值取值在0到1之间，一般而言，若KMO检验值大于0.5则表明适合做因子分析，且检验值越大，因子分析的效果越好。本文计算的KMO检验值为0.617，说明因子分析的结果有效。最终，从14个变量中提取了5个主因子，累计贡献率为80.3％。

表3为因子荷载矩阵，揭示每个主因子与各变量之间的关系，绝对值数值越高，说明该主因子对某个变量的解释程度越好。可见，第一主因子反应的是个人的休息和健康状况;第二主因子主要表示出行期间的活动即是否与他人交互;第三主因子主要与出行目的、出行持续时间、出行方式有关，反映了出行特征;第四主因子主要体现了家庭收入、工作情况、学历3个因素，反映了个人社会经济属性;第五主因子主要反映了个人人口统计属性，如婚姻、年龄段、地区、性别、种族。

2.2 二級指标权重的确定

二级指标权重由因子分析中各因子的贡献率确定，研究中提取了5个主因子，特征值分别为3.209，2.326，2.156，1.854，1.697，根据公式

λj／∑5j=1λj（j=1，2，3，4，5）  （2）

可计算得各因子的贡献率即各指标的权重：个人休息与健康状况（0.285）、出行期间活动（0.207）、出行特征（0.192）、个人社会经济属性（0.165）、个人人口统计属性（0.151）。利用因子分析法提取潜在变量作为二级指标，有效地将三级指标归类，形成了合理的结构层次。

三级指标权重用因子分析法较难得出，而确定指标的权重是层次分析法的优势所在，因而采用此方法来确定三级指标的权重。层次分析法［14-15］，是一种将定性判断和定量计算结合起来的决策分析方法，能够非常清晰地展现每个层次的每个因素对原变量的影响程度。步骤如下：

1）建立阶梯层次结构;

2）构建两两比较判断矩阵A;

3）计算各层次指标的权重;

Aω=λmaxω  （3）

如果有向量ω=（ω1，ω2，…，ωn）T满足公式（3），其中λmax是判断矩阵A的最大特征值，则归一化后的ω即为权重向量。

4）一致性检验

因子分析已经建立了影响因素的层次结构，现要对三级指标构建判断矩阵。判断矩阵是用数值的形式将每一个元素与该层其他元素的相对重要性进行表示构成的矩阵。矩阵中第i行第j列的元素为aij，表示元素ai相对于元素aj的重要程度（标度），标度表如表4所示。

从表4可知，共有5个二级指标，需要建立5个判断矩阵，分别为2阶、1阶、3阶、3阶、5阶，表示个人休息与健康状况、出行期间活动、出行特征、个人社会经济属性、个人人口统计属性的子元素互相之间的标度：

11/331，（1），

1241/2131/41/31，

11/21/5211/4541，11/5232516761/21/6121/21/31/71/211/31/21/6231，

最大特征值分别为2，1， 3.018， 3.094， 5.157， 对应的特征向量归一化以后分别为： ［0.750， 0.250］T， ［1］T， ［0.558， 0.320， 0.122］T， ［0.186，0.127，0.687］T，［0.165，0.577，0.084，0.053，0.121］T，一致性检验的C.R.值分别为0，0，0.016，0.081，0.035，均小于0.01，且R.I.都符合标准，因此一致性检验结果是可接受的。

最终得出评价指标体系如图1所示，三级指标括号中的第一个数字表示其对相应的二级指标的影响权重，第二个数字是二级和三级权重的乘积，表示该三级指标对一级指标的影响权重。

由最终建立的指标体系可见，个人休息与健康状况和出行期间活动是影响显著的二级指标，而昨晚休息程度和活动中是否与他人交互是影响显著的三级指标，其次是学历和出行目的。得出的结果与实际情况是相符的，休息的程度决定了一个人出行时的整体精神状态;与他人交互的过程会产生精神刺激，一定程度上能缓解压力和急躁的情绪，对出行情绪产生积极的影响;当人们进行旅游、休闲、娱乐出行时，心态是放松的，整体的心情是愉悦的;人的学历越高，见识越广，可能对于生活的要求也越高，幸福感的阈值也会越高。

3 规划与政策建议

交通政策通过提供移动性和可达性，在很大程度上影响了个人幸福感［10］。探索影响出行幸福感的因素，有助于制定更为合理的交通政策，进一步提高公众出行体验、幸福感和健康水平。本文的研究结果表明，个人休息与健康状况、出行期间活动和出行特征是影响出行幸福感的3个最为重要的二级指标，由此提出如下建议。

3.1 保障个人良好休息与健康

良好的个人休息与健康状况对于提升出行幸福感具有重要作用。良好的休息需要良好的居住环境，居住环境与居住用地选址、居住区规划设计规范密切相关。我国《城市居住区规划设计标准》GB50180-2018对如何降低城市道路噪音对居住区的影响尚未有相应条款进行约束，建议未来对该规范进行完善，通过强制性条文，引导居住区建设功能性绿地，从而降低城市道路噪音对居住区的影响。

此外，在城市道路设计中进行相应休息区域的设计，加强管理防止人们疲劳出行，也是提升出行幸福感的有效策略。同时，城市环境质量对居民身体健康有着明显影响，而城市道路交通噪声和车辆尾气排放是主要的城市环境污染源。建议在城市管理中鼓励人们采用电动环保车辆和绿色环保的燃油替代品、定期对车辆进行检测和维护直接减少排放污染。此外，建议城市道路上种植大乔木降低道路噪音，并在城市规划中以公共交通为导向引导城市交通结构优化，完善城市公交基础设施，对公交车辆进行更新改造，合理规划城市公交线路及密度，在有条件的道路上设置公交专用车道，提高城市公共交通覆盖率和分担率，从而有效缓解城市道路车辆尾气污染。再者，建议在街道、居民区采取一系列交通宁静化措施，如路网结构的调整、社区入口设计、停车规划、建设慢行设施等，可以有效减少交通噪声污染，为居民良好的休息和健康提供环境保障。

3.2 鼓励出行者在出行期间的互动

出行期间的活动即出行过程中与他人的互动对提升出行幸福感有重要作用。因此，可借鉴国外经验，鼓励家庭出行和团体出行，对该类出行采取更为优惠的票制和收费模式，在公交车辆、地铁内、车站设立便于团体交流的座位等设施。在人流量较大的旅游景区和娱乐设施场所，可适量设置多人参与项目。此外，可以考虑加强出行者和出行工具之间的交互，如在公交站台设立电子站牌，在公交车辆内部安装多媒体设施，减轻出行者出行期间的压力感。建设15分钟生活圈居住区，提高人们对各类生活服务设施的可達性，有利于鼓励人们与亲人、朋友共同出行，加强互动。

3.3 完善出行环境

出行特征包括出行目的、出行时间、出行方式也在较大程度上影响居民出行幸福感。研究表明，出行目的和出行幸福感之间具有重要的联系，因此，建立一个有利于更多自主出行的交通环境显得尤为重要。同时，缩短出行时间有益于提高出行幸福感，已有研究表明出行时间更长的人更容易产生疲劳、压力、难过等负面情绪［16］。为缩短出行时间，在规划阶段要做到道路等级和功能明确，路权清晰，优化交通结构;完善停车换乘设施和公共交通内部换乘设施，保障城市交通良好的可达性。出行方式对出行幸福感亦有影响，已有研究表明步行等慢行交通出行方式幸福感最高。城市慢行交通系统由非机动车系统和步行系统组成，是短距离出行的主要方式，也是中、长距离出行与公共交通接驳不可或缺的交通方式。建议在城市道路规划设计中，结合道路实际流量和断面现状，合理设计非机动车道布置形式，并结合景观步行带建设，规划沿城市自然水系、人工水系的游憩自行车专用道与景观步行走廊，共同创造宜人的慢行交通环境。还可通过美化商业步行街、城市休憩与集会广场、行人过街通道等措施，建设宜人的城市步行系统。

4 结 语

本文采用美国ATUS数据库，建立最优尺度回归模型筛选出显著影响出行幸福感的因素，并得到每个因素的重要性系数。然后采用因子分析确立了影响因素的层次结构和二级指标的权重。进而以最优尺度回归建模结果中各变量的重要性系数为依据，采用层次分析法得出了三级指标的权重，建立了出行幸福感评价指标体系，最后，基于3个重要影响因素，从保障个人良好休息与健康、鼓励出行者在出行期间的互动以及完善出行环境这3个角度定性探讨了相应的规划政策建议，这些研究成果对未来我国开展类似研究具有一定的借鉴意义。未来可在上述研究的基础上，通过收集我国大样本相应数据，分析我国出行幸福感的影响因素，并与美国进行对比分析，进而构建相应影响因素与出行幸福感之间的关系模型，定量分析影响度及影响机制，为我国提升出行幸福感科学制定交通政策提供参考和理论支持。

致谢：美国明尼苏达大学汉佛莱公共事务学院范颖玲教授对该研究和论文修改给予了指导，提出了宝贵意见，特此感谢。

参考文献：

［1］ EASTERLIN R A. Does economic growth improve the human lot？ some empirical evidence［M］∥Nations and Households in Economic Growth.Amsterdam：Elsevier，1974：89-125.

［2］ 新华网.2017“中国最具幸福感城市”调查推选结果［EB／OL］.http：／／www.xinhuanet.com／politics／2017-12／07／c-129759832.htm，2月24日.

［3］ MORRIS E A， HIRSCH J A. Does rush hour see a rush of emotions？ Driver mood in conditions likely to exhibit congestion［J］. Travel Behaviour and Society，2016， 5： 5-13.

［4］ MORRIS E A， GUERRA E. Mood and mode：Does how we travel affect how we feel？［J］. Transportation，2015， 42（1）： 25-43.

［5］ CHOI J， COUGHLIN J F， D′AMBROSIO L. Travel time and subjective well-being［J］. Transportation Research Record Journal of the Transportation Research Board，2013，2357（1）：100-108.

［6］ BALLAS D， TRANMER M. Happy people or happy places？ A multilevel modeling approach to the analysis of happiness and well-being［J］.International Regional Science Review， 2012， 35（1）：70-102.

［7］ DE VOS J， MOKHTARIAN P L， SCHWANEN T， et al. Travel mode choice and travel satisfaction： bridging the gap between decision utility and experienced utility［J］. Transportation，2016，43（5）：771-796.

［8］ 粟路军，何学欢.城市居民主观幸福感与游憩行为关系研究——以长沙市为例［J］.北京第二外国语学院学报，2009（3）：79-86.

SU L J， HE X H. A study on relationship between subjective well-being of urban residents and behaviors of recreation：A case study in Changsha City［J］.Journal of Beijing Second Foreign Languages Institute， 2009（3）：79-86.

［9］ 朱菁，高鹏华，吴潇，等.大城市居民通勤行为的健康效应研究——以西安市为例［J］.城市规划学刊，2014（6）：46-51.

ZHU J， GAO P H， WU X， et al. A study on the health effect of commuting behavior of residents in big cities-Take Xi′an as an example［J］.Urban Planning Forum.2014（6）：46-51.

［10］吴江洁. 城市通勤时耗对个人幸福感与健康的影响研究［D］.上海：华东师范大学，2016.

［11］BRADBURN N M. The Structure of Psychological Well-being.［M］.Chicago：Aldine Publishing Company， 1969.

［12］张文彤. SPSS统计分析高级教程［M］. 北京： 高等教育出版社， 2004：130-136.

［13］马鹏杰，佟昕，张世奇，等. 最优尺度回归在储层孔隙度主控因素分析中的应用［J］. 沉积与特提斯地质，2015，35（3）：68-74.

MA P J， TONG X， ZHANG S Q， et al. Applications of optimal scaling regression to the analysis of main controlling factors of reservoir porosity［J］.Sedimentation and Tethys geology，2015，35（3）：68-74.

［14］张俊丽. 基于层次分析法的集团采购数字资源绩效评价指标体系研究［J］. 现代情报，2012，32（10）：23-28.

ZHANG J L. Study on the index system of digital resources′ performance evaluation for the consortia acquisition of digital resources from consortia based on AHP［J］.Modern Intelligence，2012，32（10）：23-28.

［15］耿金花，高齐圣，张嗣瀛. 基于层次分析法和因子分析的社区满意度评价体系［J］.系统管理学报，2007，16（6）：673-677.

GENG J H，GAO Q S，ZHANG S Y.Community satisfaction evaluation system′s research based on AHP and factor analysis［J］.Journal of system management，2017，16（6）：673-677.

［16］MORRIS E A， GUERRA E. Are we there yet？ Trip duration and mood during travel［J］.Transportation Research Part F： Traffic Psychology and Behaviour， 2015， 33：38-47.

（編 辑 亢小玉）