重大疫情对乘客公共交通依赖性的影响*

胡 松 翁剑成▲ 林鹏飞 周 伟 荆云琪

（1.北京工业大学北京市交通工程重点实验室 北京100124；2.中华人民共和国交通运输部 北京100736）

0 引 言

近年来，随着SARS肺炎、甲型H1N1流感、埃博拉和寨卡病毒及COVID-19新型冠状病毒肺炎等全球性重大突发疫情的不断发生，对交通行业发展[1]，以及人们的健康财产和生活出行等造成了严重影响。研究表明：重大疫情会对出行者的公共交通出行态度、需求和行为偏好造成持续影响，如疫情使美国出行者的出行理念发生巨大改变，促使公共交通在城市出行结构中变得更加边缘化[2]。并且，随着公共交通、私家车、出租车以及共享单车等多元化城市交通方式的持续发展，乘客出行选择行为呈现出显著异质性特征，乘客对公共交通的依赖程度也存在明显的个体差异。因此，从个体出行行为决策的外部客观环境与内部主观理念维度解析重大疫情对乘客公共交通依赖度的影响机理具有重大意义。

目前，大量研究探索了乘客出行行为潜在相关性与决定性因素等内容。在出行方式选择行为方面，许多研究表明出行距离[3]、工作地与站点距离[4]、费用政策[5]、建成环境[6-7]、出行活动目的[8]、主观心理因素[9-10]和个体属性[3,6]等因素均对出行者的方式选择行为具有显著影响。但以上研究主要面向常态化情景开展，难以有效反映特殊情景下出行者的行为选择变化情况。部分学者针对特殊条件下个体出行选择行为进行了相关研究。Zanni和Ryley[11]获取了2 000余名居民的出行调查信息，利用改进的二项Logit模型研究极端天气条件对出行者长距离出行行为的影响。研究表明，小汽车出行者对极端天气更加敏感。林子敬[12]通过构建混合Logit模型研究恶劣天气对居民出行方式选择行为的影响，结果发现，恶劣天气会提升地铁和出租车的选择比例。Nguyen-Phuoc等[13]面向公共交通中断场景，结合扎根理论探究居民在短期与长期下的向汽车模式转换的影响关系。面向2020年爆发的新冠疫情，吴娇蓉等[14]基于出行偏好网络问卷数据分析了疫情持续期民众对不同交通方式的风险感知与选择偏好，利用二元Logit模型分析了合乘出行因素影响。研究表明，当员工拥车率到达65%时可达较高的合乘成行率。刘建荣等[15]也采用问卷调查数据，利用验证性因素分析模型及Logit模型研究后疫情阶段老年人出行行为影响机理。但以上研究通常是在特定场景下研究部分维度的影响因素效用，造成出行行为影响分析不完备，模型结果存在一定偏差。而在出行者交通依赖性方面，仅有少数学者探究汽车依赖程度[16]、汽车依赖性治理[17]以及汽车依赖性影响关系[18-19]等内容。

综上所述，当前出行依赖性研究集中在小汽车模式，从公共交通视角的相关研究较少；大多数研究缺乏控制自选择效应，导致难以准确揭示出行选择行为影响机理[7]；现有公共交通出行行为的影响研究通常关注常态化条件，缺乏以重大疫情条件为背景考虑其影响的专题研究。因此，笔者基于出行调查获取乘客出行行为影响数据，利用k-means聚类模型从公共交通依赖性视角对出行群体进行标定，结合前景理论与计划行为理论（theory of planned behavior，TPB）选取重大疫情下公共交通出行依赖性内外部影响因素指标，利用结构方程模型（structural equation modeling,SEM）量化解析乘客公共交通依赖性影响机理。研究有助于更精确地探究重大疫情条件下乘客出行决策行为和需求特征，为改善公共交通服务水平，提高疫情防控保障能力提供支撑。本文研究框架见图1。

图1 研究框架图Fig.1 Research framework

1 理论基础

前景理论表明，人的风险决策选择行为取决于结果与期望间的差距而非结果本身，理论可从心理特质和行为特征角度揭示影响乘客出行选择行为的非理性心理因素与行为决策参照。笔者将重大疫情下乘客采用公共交通出行的预期决策收益（如出行便利、时间和成本节省等）与预期决策损失（一定风险疫情感染、出行时间和成本增加等）的差值作为决策参考，则公共交通乘客决策参考点的不同将会导致其对公共交通依赖性的差异。

基于上述分析可知，乘客出行行为表现通常会受到外界观点、个体感知和行为偏好等非理性因素影响。而已被成功应用于交通行为领域的计划行为理论（TPB）指出，个体行为是由其行为意向直接触发的，行为意向是由态度、感知行为控制和主观规范共同决定的[10]。因此，为了准确刻画乘客出行非理性影响因素与公共交通出行依赖性间的作用关系，本文同时引入TPB开展研究，理论范式结构见图2。

图2 TPB理论范式结构Fig.2 Theoretical-paradigm structure of TPB

本文拟结合前景理论与TPB分析重大疫情对乘客公共交通出行行为的综合影响因素，进而量化解析多维主客观因素指标对乘客公共交通依赖性的影响机理。

2 乘客调查设计与数据基础

为准确刻画重大疫情对乘客公共交通的使用行为及依赖性影响，研究基于上述理论思想设计并实施了重大疫情下北京市乘客公共交通出行SP与RP线上调查，具体调查方案如下。

1）调查内容。从出行客观条件和个体主观感受这2个维度设计了涵盖个体属性、出行特性、出行环境、公共交通态度、主观规范、感知行为控制和出行意向等7个方面的调查问卷。并且，为了使调查对象对问卷内容的理解具有一致性，问卷中对每个问题都做了相应说明，具体内容见表1。

表1 调查问卷主要内容Tab.1 Key content of the questionnaires

2）调查方式。鉴于重大疫情条件下病毒传播风险以及出行者防范意识较强，问卷主要利用社交软件、微博、贴吧和电话等多种线上方式对北京市不同社会层阶与属性的群体开展随机抽样调查。

3）问卷回收与质量检验。2020年7月4日—11日持续开展在线调查，期间北京市共涉及中高风险疫情地区共30个乡镇/街道。回收问卷共403份，经问卷来源IP、填写完整性及先验知识匹配等信息校核，共筛选有效问卷300份，满足SEM最小样本规模200份[20]。利用统计分析软件SPSS对问卷数据进行信度及效度检验，结果显示，Cronbach'sα系数为0.814，效度检验系数为0.841，表明问卷数据具有较高的质量。

3 乘客依赖性辨识与影响模型

从经济学角度可将公共交通出行视为1种消费方式，则乘客公共交通依赖性可理解为乘客在基于自身效用最大化长期出行过程中对公共交通形成的出行需求水平。而新冠肺炎疫情的传播性与致病性会改变公共交通出行方式的效用值，影响乘客对公共交通的依赖性。因此，研究将分别从重大疫情条件下公共交通出行群体依赖水平标定、依赖性影响指标及影响关系建模3个方面开展研究。

3.1 群体标定模型

基于调查研究和文献分析，从出行行为表现维度选取可以有效刻画乘客公共交通依赖性特征的出行天数占比、出行次数占比和出行模式往返性等3个指标，具体见表2。

从表2得出，公共交通乘客的出行模式往返性稍高于其他指标，总体数据分布较正态分布相对平缓，且前二者高于均值的数据离散程度较大，而后者相反，表明指标数据分布具有一定差异性。

表2 乘客公共交通依赖性评估指标Tab.2 Evaluation indicators of passengers'dependence on public transport

为了细化研究重大疫情对不同乘客群体的影响效应，选取有效处理连续变量的k-means聚类算法进行人群分类，进而准确标定公共交通出行群体。k-means聚类模型的目标是最小化平方误差E，见式（1）。

式中：K为公共交通乘客聚类数；C i为第i类乘客公共交通依赖性特征指标数据集；ω为C i中数据向量；μi为簇C i的均值向量。

在确定公共交通乘客最佳聚类数K时采用样本轮廓系数S评估法，见式（2）。

式中：a为与同类特征指标簇中样本点的平均距离；b为与距离最近特征指标簇中样本点的平均距离。

3.2 依赖性影响变量

基于前景理论与TPB理论范式，面向重大疫情条件选取公共交通态度、主观规范、感知行为控制和出行意向等影响个体出行决策行为的4个潜变量和12个显变量。此外，根据调查与文献分析可知，乘客对公共交通依赖性受个体属性、出行环境和出行特征等因素共同影响。具体变量见表3。

表3 重大疫情下乘客公共交通依赖性影响变量Tab.3 Influence variables of passengers'dependence on public transport under major epidemic disease

以往研究大多采用熵值测度的混合土地利用指数主要衡量各地区不同类型兴趣点（POI）的比例平衡程度，不能反映区域内不同类型POI的实际密度。因此，为了更好地衡量混合土地利用的实际开发强度和多样性，提出了基于密度的土地利用测量方法，见式（3）。笔者将北京市内POI归并为居住、就业、商业、景点、交通和教育等6类。

式中：Nij为区域j中i类POI数量；A j为区域j面积，km2。

3.3 影响关系模型

SEM可以定量、直观地测度多维潜在变量，以及变量与出行行为间的结构关系和影响效应，突破“黑箱模式”的行为影响表达范式。因此，本文选用SEM从因果推断视角建立重大疫情对乘客公共交通依赖性影响的模型。

模型采用两阶段框架方程进行评估分析，即测量方程和结构方程。在第一阶段，公共交通依赖性的7类主客观影响变量由25个可观测指标来测度，则测量方程表达式为

式中：Λx为公共交通依赖性外生潜变量ξ影响外生观测变量x的结构系数矩阵；δ为外生变量x的测量误差向量；Λy为公共交通依赖性内生潜变量η影响内生观测变量y的结构系数矩阵；ε为内生变量y的测量误差向量。

而在第二阶段，结构方程被用来估计公共交通依赖性内生与外生潜变量间因果效应的强度及方向，并以变量之间的影响关系为矢量路径组建图形结构，结构方程的表达式为

式中：B为公共交通依赖性内生潜变量η的结构系数矩阵；Γ为公共交通依赖性外生潜变量ξ的结构系数矩阵；ζ为结构方程的残差项向量。

4 实证分析

为深入探究重大疫情下乘客公共交通出行行为与依赖性影响，基于北京市SP与RP线上调查数据进行出行群体的依赖性辨识与影响机理的实证分析。

4.1 出行群体标定

基于调查样本数据计算依赖性评估指标值，并作为出行群体标定模型的输入数据。经过多次迭代计算获取不同K值对应的样本轮廓系数，见图3，得出最佳聚类数为4，即受访者按公共交通依赖性水平被划分为低、较低、较高和高4类群组，实现从公共交通依赖度视角对出行群体的标定。

图3 样本轮廓系数Fig.3 Profile coefficients of samples

各群组的男女比例分别为1.20，1.45，0.73，0.88，表明男性的公共交通依赖性总体低于女性；硕士以上高学历乘客占比分别为44.16%，57.14%，39.74%，43.75%，说明较低依赖性群体中高学历乘客占比较高，而其在较高依赖性群体中最低；高收入乘客占比分别为22.08%，18.37%，20.51%，17.71%，反映了高收入群体在低依赖性群组中占比较高且以小汽车出行为主，而在高依赖性群组中占比最低；而小汽车较高获取性乘客的占比为62.34%，59.18%，51.28%，47.92%，其与乘客的公共交通依赖性呈负相关关系。分析表明，乘客的个体属性特征与其公共交通依赖性间存在明显相关性。

此外，不同依赖性簇类样本的最终聚类中心见表4，可知各簇类间的特征具有显著差异。其中，第二簇类的公共交通依赖性较低但出行模式往返性较高，主要由于公共交通出行特征以及北京长期实施的车辆尾号限行政策。

表4 样本最终聚类中心Tab.4 Final cluster centers of samples%

4.2 影响关系分析

基于前述对行为理论和影响关系的分析，通过AMOS软件构建重大疫情对乘客公共交通依赖性影响初始模型，将表3变量数据输入初始模型进行拟合计算及检验。结果得出，显变量S4和感知行为控制潜变量的残差为负值，且路径系数大于1，表明观测指标间存在共线性问题。经过多次变量增删与路径调整检验，剔除显变量S4和P4。同时，采用适配度指数评估模型的拟合优度，并结合修正系数（M.I.）调整变量、残差间的路径结构和权重系数，修正后的模型结果见图4，模型评估指数达到标准见表5。

图4 修正模型结果Fig.4 Results of the modified model

表5 模型拟合优度评估指标Tab.5 Evaluation indicators of the model's goodness of fit

基于图4结果可知，个体属性、出行环境和出行距离等外生潜变量与公共交通依赖性间不存在直接影响，而是通过影响个体的公共交通态度、主观规范和感知行为控制造成乘客出行方式选择意向的异质性，间接对乘客公共交通依赖性形成异质性影响。即乘客公共交通依赖性会受到主客观影响因素直接与间接影响的共同作用。整体而言，出行意向潜变量对乘客公共交通依赖性具有良好的正向作用，强度为0.36，低于常态化条件下出行意向对行为的作用强度0.51[10]，表明重大疫情时期居家办公、轮流值班和公共场所客流限制等疫情防控措施减弱了乘客出行意向对公共交通依赖性的影响。公共交通态度、主观规范和感知行为控制等心理因素均与出行意向具有明显的影响作用，与文献[14]的结果相一致，且符合TPB理论范式；此外，相对于乘客自身形成的公共交通态度和感知行为控制，重大疫情下基于亲友影响形成的主观规范变量具有更高的影响强度，为0.66。公共交通依赖性的外生条件变量对重大疫情下3类非理性内生变量具有不同程度的影响，出行环境的正向影响效应相对较高，尤其对公共交通态度具有全局最高的影响度，为0.92；而个体属性的影响效应相对较低，对公共交通态度的影响力仅为0.01，且与公共交通态度和主观规范变量呈负相关性。

具体而言，模型中个体属性潜变量由7个观测变量有效刻画，其中自行车可用性对潜变量的解释性为0，表明北京市成熟的共享单车市场环境下居民相近的自行车可用性对乘客公共交通依赖性几乎没有影响；而年龄和收入对个体属性的解释性较高为0.60和0.58，表明不同年龄段和收入的乘客对重大疫情下采用公共交通出行的敏感性具有较大差异。出行环境显变量在模型中的解释性一般，尤其是S3对潜变量的解释性仅为0.02，表明乘客是否途径中高风险区域对其公共交通依赖性的影响较弱，此现象在具有硬性出行需求的通勤群体中表现尤为明显。而公共交通态度显变量的解释性均较高，且总体满意度最高达0.9，反映了重大疫情时期乘客在关注乘车安全性、便捷性的同时，更注重公共交通的整体服务质量，符合在不利社会环境下居民对公共服务质量要求更高的心理现象。主观规范对应的2个观测变量均具有较高解释性，表明重大疫情时期乘客会更加关注亲友对公共交通出行的态度，并从心理层面影响其对公共交通出行的选择行为。这一现象也反映了在重大疫情时期社会促进效应更为明显。此外，P2变量对感知行为控制的解释性较高为0.87，说明乘客对公共交通疫情防控政策的了解程度会较大程度间接影响个体对公共交通的依赖性；此发现符合消费心理学中的模糊效应，即人们倾向于避免选择未知的选项。而P3的变量解释性仅为0.02，表明重大疫情引起出行强度的变化对乘客公共交通依赖性的干扰较小。另外，公共交通出行偏好显变量对出行意向的解释性最高，为0.77，表明其与乘客公共交通依赖性呈显著正相关关系，符合出行选择意向与出行行为表现的一致性特征；骑行出行偏好和步行出行偏好对出行意向的解释性分别为0.06和0.09，反映了乘客对骑行或步行的心理偏好性可以小幅促进其选择公共交通出行；而汽车出行偏好的负向影响反映了重大疫情条件下汽车与公共交通的竞争关系，该变量会减弱乘客的公共交通依赖性。

5 结束语

本文根据前景理论与TPB获取了重大疫情下北京市乘客公共交通出行调查数据，选取3个公共交通依赖性刻画指标并利用k-means方法建立出行群体标定模型，依据样本轮廓系数将乘客按公共交通依赖性水平聚类为低、较低、较高和高这4类群组；从7个层面筛选重大疫情下公共交通出行依赖性内外部影响指标，结合SEM构建依赖性影响模型并采用适配度指数和M.I.进一步修正模型。

影响模型分析表明，整体而言，外生潜变量不会对乘客公共交通依赖性产生直接影响，而是通过扰动个体心理间接影响公共交通依赖性；重大疫情下公共交通出行意向对依赖性水平的直接影响低于常态化条件时的作用强度；在非理性心理层面，重大疫情下基于亲友态度形成的主观规范对公共交通依赖性具有更高的影响强度；出行环境对重大疫情下的3类非理性心理因素具有较高正向影响，对公共交通态度的影响达全局最高；而个体属性的影响效应较低，对公共交通态度和主观规范变量呈负相关性。相对而言，自行车可用性、是否途经中高风险区域、重大疫情对出行强度影响显变量对潜变量的解释性较低，几乎不对重大疫情下乘客公共交通依赖性产生影响；重大疫情下公共交通乘客在关注安全性和便捷性的同时，更注重公共交通的整体服务质量；公共交通疫情防控政策了解度及其出行偏好对公共交通依赖性具有良好的正向作用。研究为重大疫情条件下提升公共交通吸引力与分担率等提供支持，未来将结合细分出行群体、常态化情境等进一步深入探究乘客公共交通决策行为影响机理。