考虑心理潜变量的城市电动自行车用户出行决策行为*

胡 诚 黄合来▲ 李欣彤 韩春阳 姜前山 杨秋实

（1.中南大学交通运输工程学院 长沙410075；2.中南大学智慧交通湖南省重点实验室 长沙410075；3.湖南省交警总队 长沙410199）

0 引 言

作为1种便捷、高效的短距离出行工具，电动自行车已成为中低收入出行者的主要出行方式。然而电动自行车的安全治理已成为困扰交通管理者的主要问题，仅2013—2017年间，全国发生的电动自行车致死的交通事故就达到了5.62万起，导致的伤亡人数分别达到了6.35万人和8 431人[1]。

根据尺寸、质量和动力性能等标准，电动自行车一般可以分为狭义电动自行车和电动摩托车见图1[2]。由于1999年颁布的《电动自行车通用技术条件》规范中指导方针较为灵活，导致了电动自行车的严重“轻摩化”，并且2004年颁布的《中华人民共和国道路交通安全法》将电动自行车划分为非机动车辆，因此电动自行车使用者无需驾驶证和头盔即可上路[3]。与狭义电动自行车相比，电动摩托车质量更大且速度更快，导致发生事故时骑行者更容易受到严重伤害，而缺乏使用门槛和头盔的保护则进一步提高了电动自行车骑行者的风险。为进一步规范电动自行车管理，提升电动自行车的安全性能，国家市场监督管理总局和中国国家标准化管理委员会在2018年颁布了新的《电动自行车安全技术规范》（以下简称为《新国标》），要求各地方政府依据当地电动车市场特征，出台相应的管理政策，鼓励以给予补贴和登记过渡牌照等形式，逐步取缔超标违规电动自行车。

图1 电动自行车分类Fig.1 Classification of E-bikes

上述政策类似于交通需求管理措施中的推动措施，主要通过强制性管理来引导并改变出行者的出行行为，以达到提升通行效率或交通安全的目的。政策的实施必将导致部分电动自行车用户的出行转向其他交通方式，进而影响原有交通出行系统的分布结构。不同政策实施策略将会有什么样的实施效果，具有不同社会人口特征和心理特征的出行者会如何调整其出行行为，政策的实施对城市路网交通分配的影响如何，是政策制定者和交通管理人员关心的重要问题。因此，有必要采用问卷调查收集数据，了解人们在不同电动自行车规范管理政策下的心理和行为反应，从而系统地分析人们在政策影响下的决策行为。

针对强制性政策的研究可大致分为2类，一类为政策心理接受度的研究，如推动措施下的接受度[4]，道路拥挤收费政策下的民众接受度[5]等；另一类则为政策下的行为决策研究，如限行政策对人们出行方式选择的影响[6]，限行政策下的违规行为[7]，禁摩政策对摩托车用户通勤的影响[8]等。大多数研究从这2个方面分别进行了分析，但鲜有研究分析了心理接受度与出行行为之间的联系。Jia等[9]分析了出行者在限牌政策下的接受度和行为反应，发现低接受度会导致更多的负面行为反应，进而削弱政策的有效性。Cools等[10]对道路拥挤收费政策下的接受度和出行行为变化之间的联系进行了研究，发现对政策的感知接受度仅在较小的程度上影响了人们的出行决策。当前大多数交通需求管理措施都面向小汽车，因此，有关强制性政策的研究大多针对小汽车相关的政策，部分研究综述了电动自行车相关的政策法规[3，11]，但鲜有研究对电动自行车政策进行深入的分析。Guo等[12]利用贝叶斯Logit模型研究了影响南京市电动自行车使用者上牌登记的因素，并分析了显著因素的效应机理。虽然规范管理电动自行车的政策正在全国范围内广泛实施，但没有研究深入分析了该强制性政策给民众带来的出行行为上的影响。本文旨在探讨人们在不同城市电动自行车管理政策下的行为反应，结合问卷调查收集的数据，考虑政策接受度等心理潜变量对行为决策的影响，先构建多指标多因素（MIMIC）模型得出潜变量的预测值，然后将潜变量带入多项式Logit模型中构成混合选择模型，从政策遵从和方式转移这2个方面来研究政策影响下电动自行车用户的决策行为机理，从而设法提高政策实施的有效性，为进一步分析政策的宏观影响提供依据。

1 数据来源与检验

1.1 问卷设计及描述性统计分析

本文采用SP（Stated Preference）问卷调查方法收集数据，SP问卷调查法可以通过建立假设场景来调查被调查者的偏好[13]，适用于本研究针对政策场景的假设研究。根据当前部分城市颁布实施的电动自行车规范管理政策 ，本次问卷调查给定被调查者2种政策实施场景，其中场景1为给予超标违规电动自行车用户3年的缓冲时间，缓冲期内用户需登记临时牌照，缓冲期过后将严格禁止超标违规电动自行车出行，场景2为给予超标违规电动自行车用户半年的缓冲时间，缓冲期内用户需登记临时牌照，并且根据电动自行车使用年限提供相应的报废补贴，缓冲期过后将严格禁止超标违规电动自行车出行。基于此，获得被调查者的心理接受度及决策行为信息，决策行为包括：①继续使用两轮电动车，但不会注册临时牌照；②注册临时牌照；③购买符合国家标准的电动自行车；④使用其他的交通方式出行。本次问卷调查采用线上调查的形式，面向全国的电动自行车用户，调查时间为2020年6月—7月，总共收集到问卷1 000份，有效问卷880份。

被调查者的基本信息（个人属性、家庭属性及出行信息）见表1。

表1 问卷数据描述性统计Tab.1 Descriptive statistics for survey data

1.2 潜变量数据检验

对3个潜变量的信效度进行检验，结果见表2。由表2可知，各潜变量的组合信度（composite reliability，CR）均大于0.8，说明各潜变量具有较好的内部一致性，满足信度检验要求。各潜变量的平均提取方差（average variance extracted，AVE）均大于0.6，表明各潜变量均具有较好的收敛效度，且各潜变量AVE的平方根均大于其与其他相关变量的相关系数，说明各潜变量的区别效度较好。

表2 信效度检验结果Tab.2 Results of the reliability and validity test

2 模型建立

2.1 混合选择模型

离散选择模型在经济学，社会学，市场营销，交通等方面都有广泛的应用，其假设人们所做的决策遵循随机效用理论，而效用则通常映射到决策者的观测特征和替代方案的观测特征上。然而一些无法被观测的潜在因素（如决策者的价值观、态度、感知和偏好等）同样会影响决策者的决策，忽视这些潜在因素对结果的影响会导致估计偏差。许多学者使用混合Logit模型（mixed logit model）和潜在分类模型（latent class model）来解决可能存在的偏好异质性问题，但是这类方法没有考虑到潜在变量可能会与解释变量相关的问题，并且将影响决策的潜在因素视为黑盒子，无法分析潜在的心理构念对决策的影响机理[14]。基于此，为了整合传统的观测变量和个人态度和感知等潜在的心理变量，来获得对个人决策过程更为深入的了解，部分研究者提出了将潜在的心理构念和传统的离散选择模型结合的混合模型，一般称为混合选择模型（hybrid choice model，HCM）或整合选择与潜在变量模型（integrated choice and latent variable，（ICLV）model）[15]。

见图2（a），混合选择模型主要由2个部分组成，分别为潜变量模型和离散选择模型，每个部分都包含1个或多个测量方程和结构方程[14]。见图2（b），测量方程表征潜变量与其可观测指标变量之间的关系，即

式中：Y为可观测的指标变量；Z为潜变量；α为Z相应的系数，也称为Y对Z的因子载荷；ε为Y的测量误差。

图2（c）表明结构方程用来表征解释变量（显变量）与潜变量之间及不同潜变量之间的关系，本文中仅考虑解释变量和潜变量之间的关系，即

图2 混合选择模型结构Fig.2 Structure of the hybrid choice model

式中：X为解释变量；β为X相应的系数，即路径系数；ξ为误差项。

2.2 模型定义

针对电动自行车管理政策实施的特点，本文将政策接受度（Z ACC）、问题意识（Z PA）和主观规范（Z SN）3个潜变量对决策的影响纳入考量。政策接受度指民众对于电动自行车管理政策的态度或支持的程度。部分研究发现低政策接受度会影响人们在强制性政策下的决策行为[9]，然而也有研究发现接受度仅在较小的程度上影响人们的行为[10]，因此有必要探究政策接受度对行为是否存在显著的效应，并且分析政策接受度导致的行为上的差异。问题意识来自于规范激活理论[16]，主要指民众对于超标违规电动自行车所造成的问题的了解程度，问题意识能够激活人们的道德意识来执行某种特定的行为，并且是政策接受度重要的前因变量，因此问题意识的强弱可能也会对决策行为产生影响。社会规范来自于计划行为理论，指民众对于执行符合政策行为的社会压力的感知[17]，社会规范不仅是行为意图的前因变量，而且也能塑造人们特定的道德意识，因此可能也会影响人们的决策行为。

考虑了个人属性、家庭属性、出行特征和心理因素对决策行为的影响，本文所建模型由多指标多因素模型（Multiple Indicators and Multiple Causes model，MIMIC）和多项式Logit模型构成，见图3。

图3 理论模型Fig.3 Theoretical model

MIMIC模型由测量方程和结构方程构成，可表示为

式中：p和q为与潜变量显著相关的显变量和指标变量的个数；z mn为第n个个体的第m个潜变量（m=1，2，3，分别代表政策接受度，问题意识和主观规范）；x mnp为与潜变量z mn有显著相互关系的显变量；βmn为其相应的系数；ξmnp为误差项；ymnq为潜变量zmn的指标变量；αmn为指标变量y mnq对潜变量z mn的因子载荷；εmnq为测量误差；ξmnp～N(0，∑1)，εmnq～N(0，∑2)。

多项式Logit模型部分可表示为

式中：Uin为第n个个体选择决策i的效用；k为影响决策的显变量的个数；x kin为影响决策的显变量；θki为x kin的系数；l为影响决策的潜变量的个数；zlin为影响决策的潜变量；ρli为zlin的系数；ηin为误差项，服从相互独立的Gumbel分布；f in为第n个个体是否选择决策i的结果。

则个体n选择决策i的概率为

式中：xin为影响决策的显变量，如个人属性中的年龄、性别和职业等；zin为影响决策的潜变量（政策接受度，问题意识和主观规范）；θ和ρ为待估计的参数。

2.3 模型估计

混合选择模型一般采用极大似然法来进行估计，但是由于其联合似然函数的复杂性，直接估计往往需要采用仿真方法（如模拟极大似然法，simulated maximum likelihood estimation），且存在估计困难，计算时间较长等问题[14]，因此在实际应用中较少采用。本文采用连续数值估计法，即先对MIMIC模型进行估计，得出潜变量的拟合值，然后再对多项式Logit模型进行估计[18]。

3 模型结果分析

3.1 MIMIC模型结果

分别建立2个场景下的MIMIC模型，模型的拟合指标见表3。

表3 模型拟合指标结果Tab.3 Results of model fitting indices

由表3可知，2个模型的近似均方根误差RMSEA都小于0.055，相对拟合指数CFI及塔克-刘易斯指数TLI均大于0.95，标准化残差均方根SRMR均小于0.025，说明2个模型的拟合度均良好。

2个场景下的MIMIC模型结果见图4，由于本文不考虑潜变量之间的关系，因此图中不包含潜变量之间的路径和系数。

由图4可知，3个潜变量的指标变量的因子载荷均大于0.7，说明各潜变量的选取及题项设置均有效。结构模型的具体结果见表4，显变量中的年龄、拥有汽车和买车计划显著影响场景1下的接受度，而场景2下的接受度还受到性别和家庭年收入的影响。人们的问题意识受到是否有车和买车计划的显著影响，而性别和家庭年收入则显著影响人们的主观规范。

表4 结构模型结果Tab.4 Results of the structure model

图4 MIMIC模型结果Fig.4 Results of the MIMIC model

3.2 多项式Logit模型结果

基于MIMIC模型的结果可以得到潜变量的拟合值，将其与显变量一起用来进行多项式Logit建模。针对2个场景，分别以决策1和决策4为基础项，利用SAS软件进行决策建模，得到的结果见表5。

表5 模型分析结果比较Tab.5 Comparison of analysis results of the model

3.2.1 方式转移决策分析

当选择决策4为基础项时，可以分析影响人们是否进行方式转移的因素。由表5可知，场景1下影响人们方式转移的因素主要包括受教育程度、家庭年收入、家庭是否有小孩、家庭是否汽车、家庭汽车购买计划、电动自行车使用频率、政策接受度和问题意识。受教育程度（Vedu）较高对决策1和决策2都有显著的正效应，OR值分别为2.10和1.65，说明相比于向其他交通方式转移，受教育程度较高的电动自行车用户违反政策和注册临时牌照的可能性分别是受教育程度较低的用户的2.10倍和1.65倍，这可能由于受教育程度较高的用户中相当大的比例为学生群体，由于收入较低，他们会做出相对更经济的决策。而家庭年收入较高与决策1和决策2都呈显著的负相关，OR值分别为0.33和0.58，说明相比于继续使用无牌超标违规电动自行车或上临时牌照，家庭年收入较高的用户更倾向于转向其他的交通方式，这可能是由于家庭年收入较高的用户对电动自行车的依赖程度较低，可以更加自由地选择交通方式。家庭有小孩（Vchild）对决策3有显著的正效应，OR值为1.90，说明相比于向其他交通方式转移，家庭有小孩的用户选择购买符合标准的电动自行车的可能性是家庭没有小孩的用户的1.90倍，可能是由于购买符合国家安全技术标准的电动自行车是较为经济且安全的选择。家庭拥有汽车（Vcaro）与决策2呈显著的负相关，而有汽车购买计划（Vcarp）则对决策2有显著的正效应，说明没有汽车或有汽车购买计划的用户更倾向于注册临时牌照，而家庭拥有汽车的电动自行车用户在政策下则更倾向于放弃违规电动自行车，使用其他的交通方式出行。

电动自行车使用频率（Vebf）高对决策1、决策2和决策3都有非常显著的正效应（OR值分别为4.24，3.59和3.60），使用频率中等与决策3呈显著的正相关（OR值为1.72），说明电动自行车使用频率越高的电动自行车用户，在缓冲期内越倾向于继续使用电动车，可能由于电动自行车使用频率越高的用户已经习惯了采用电动自行车方式出行，在短时间内不愿意改变其出行方式。

潜变量中政策接受度（ZACC）和问题意识（ZPA）都对决策有显著影响。其中政策接受度与决策3呈显著的正相关，而与决策1呈显著的负相关，OR值分别为0.84和1.41，说明对电动自行车规范管理政策接受度较高的用户都更倾向于购买1辆符合标准的电动自行车，而更不愿意违反政策。问题意识对决策1和决策2都有显著的负效应，说明意识到超标违规电动自行车所带来的问题的电动自行车用户都更倾向于停止继续使用超标违规电动自行车，而选择转向使用其他交通方式或购买符合规范的电动自行车。

由表5可知，受教育程度、家庭年收入、电动自行车使用频率、政策接受度和社会规范都显著影响场景2下的电动自行车用户是否进行方式转移。与场景1下类似，受教育程度较高与决策1、决策2和决策3均呈显著的正相关（OR值分别为1.97，1.64和1.46），而家庭年收入较高对决策1、决策2和决策3都有显著的负效应，说明受教育程度较高和家庭年收入较低的用户都更倾向于继续使用电动自行车。电动自行车使用频率高对决策1、决策2和决策3都有显著的正效应（OR值分别为2.98，3.33和2.54），使用频率中等对决策2和决策3也有显著的正效应（OR值分别为2.14和1.63），说明相比于电动自行车使用频率低的用户，使用频率较高的用户都更加不愿意转向其他的交通方式。

潜变量中仅有政策接受度显著影响场景2下的方式转移决策。与场景1下类似，接受度对决策3有显著的正效应，对决策1有显著的负效应，OR值分别为0.80和1.20，说明在2个场景下，相比于向其他方式转移，对电动自行车规范管理政策接受度较高的用户都更愿意购买1辆符合标准的电动自行车，而不愿意继续使用超标违规电动自行车。

3.2.2 政策遵从决策分析

当选择决策1为基础项时，可以分析影响人们违反政策的因素。由表5可知，场景1下的受教育程度较高对决策3和决策4都有显著的负效应（OR值分别为0.46和0.48），说明相比于购买1辆符合规范的电动自行车和向其他方式转移，受教育程度更高的用户更倾向于无视政策，继续使用无牌超标违规电动自行车。而家庭年收入较高则对决策2、决策3和决策4都有显著的正效应（OR值分别为1.76，2.09和3.05），说明高收入人群更不可能违反政策。

政策接受度和问题意识都对决策2、决策3和决策4有显著的正效应，说明对电动自行车管理政策接受度较高和对超标违规电动自行车所带来的问题有所意识的电动自行车用户更倾向于采取符合政策的决策，而不会违反政策。

由表5可知，当选择决策1为基础项时，场景2下的受教育程度对决策4有显著的负效应，而家庭年收入则与决策3和决策4呈显著的正相关（OR值分别为1.76和2.86），说明相比于向其他交通方式转移，受教育程度较高的用户更倾向于违反政策，而家庭年收入较高的用户则洽洽相反。与场景1类似，政策接受度对决策2、决策3和决策4都有显著的正效应，说明对政策接受度较低的用户会显示出更多的负面行为的倾向。社会规范（ZSN）对决策3有显著的正效应，说明执行符合政策行为的社会压力会使得电动自行车用户购买符合标准的电动自行车。

3.3 讨论

超标违规电动自行车作为1种低成本和便捷的私人出行方式，极大地吸引了许多过去使用公共交通和常规自行车出行的城市居民，然而其造成的安全隐患无法被忽视。电动自行车规范管理政策旨在逐渐淘汰超标违规电动自行车，政策的实施一方面需要减少违反政策行为的发生，提高政策的有效性；另一方面需要考虑政策对电动自行车用户出行方式选择的影响，进而评估其对城市交通系统带来的影响。

相比于购买“新国标”电动自行车或向其他交通方式转移，场景1下受教育程度较高的人群选择违反政策的倾向分别是受教育程度较低的2.17倍和2.08倍，原因在于电动自行车用户群体中，受教育程度与收入并不一定成正比，虽然受教育程度越高的人群平均的收入会越高，但高收入人群往往会选择使用小汽车出行，而受教育程度较高的电动自行车用户中高校学生占比较多，收入水平偏低导致其会采取更为经济的决策。提供报废补贴的场景2下，受教育程度则仅对决策4有显著效应，且效应相对减弱，验证了受教育程度对政策遵从决策的负面影响可能来源于经济上的限制。2个场景下，家庭年收入水平较高的出行者，更有可能购买符合国家标准的电动自行车或向其他交通方式转移，因此收入水平较低是导致人们违反政策的主要原因。

当考虑方式转移决策时，相对于继续使用超标违规电动自行车，2个政策场景下的高收入人群选择向其他交通方式转移的倾向分别是低收入人群的3.05倍和2.86倍，说明经济因素是导致人们在缓冲期内继续使用超标违规电动自行车的主要原因之一。家庭年收入较高在场景2下对决策3的有显著的负效应，在场景1下则无显著影响，表明场景2下提供的报废补贴能够促进低收入家庭更换符合标准的电动自行车。

2个场景下，电动自行车使用频率较高的用户都更倾向于在缓冲期内继续使用电动自行车出行，说明电动自行车能够满足出行者特定的出行需求，短时间内较难被取代。然而这种倾向性在场景2下均有所减弱，例如政策场景1下，相比于向其他交通方式转移，电动自行车使用频率高的用户选择注册临时牌照的倾向是使用频率低用户的3.59倍，而在场景2下则为3.33倍。Wei等[19]的研究发现，大多数超标违规电动自行车用户在停止使用电动自行车后都更愿意向公共交通或小汽车转移。因此虽然更短的缓冲期会在一定程度上促进电动自行车用户向其他交通方式的转移，能够有效减少超标违规电动自行车的数量，但会在短时间内带来更多的小汽车和公共交通出行。Cherry等[20]的研究显示，电动自行车作为常规自行车向公共交通转移和公共交通向小汽车转移的过渡出行方式存在，而且其在一定程度上取代了部分的汽车交通。在政策场景1下，家庭拥有汽车的出行者都更倾向于在缓冲期内向其他交通方式转移，故政策的实施会加快“公共交通-电动自行车-小汽车”的机动化进程，促使部分出行者完全转向小汽车交通。被调查者中66.5%的电动自行车用户家庭至少拥有1辆小汽车，当缓冲期较长时，由政策导致的小汽车交通的增加不容忽视。

由于之前的研究对于心理接受度与出行行为之间是否存在显著联系没有定论，为了探究心理接受度等心理因素对行为的指导作用，笔者还将心理接受度等潜变量作为解释变量加入到决策模型中，结果显示心理接受度、问题意识和社会规范均对出行决策行为有显著的影响。心理接受度和社会规范主要影响出行者的政策遵从决策，对政策接受度较高和社会规范较强的出行者更不可能违反政策。政策接受度越高的出行者拥有更强的更换“新国标”电动自行车的欲望，说明对政策接受度较高的人群会表现出更多的正面行为反应，与Jia等[9]得出的结论一致。问题意识则主要影响出行者的出行方式选择行为，对于超标违规电动自行车所造成的问题感知较为强烈的出行者更倾向于停止使用超标违规电动自行车。

4 结束语

本文基于电动自行车规范管理政策实施的特点，考虑出行者心理特征对出行行为的影响，并假设了2种政策场景，来分析出行者的决策行为。通过引入政策接受度、问题意识等心理潜变量，构建了多指标多因素模型，然后基于多指标多因素模型的结果对潜变量的值进行拟合，并将其作为解释变量加入多项式Logit模型中，构成了混合选择模型，利用混合选择模型研究了不同的城市电动自行车管理政策场景下，电动自行车用户的出行决策行为。

1）出行者的心理特征显著影响出行者的决策行为。其中，政策接受度和社会规范主要影响出行者的政策遵从决策，而问题意识则影响出行者的方式选择决策。对政策接受度较高的出行者会有更强的正面行为倾向，因此针对政策接受度的干预措施能够显著提高政策的有效性。

2）收入的限制是导致出行者在缓冲期内继续使用超标违规电动自行车或违反政策的主要原因，而对于高收入人群，尤其是家庭已经拥有小汽车的人群，在政策的影响下会向机动化程度更高的出行方式转移。

3）电动自行车能够满足部分出行者的特定出行需求，短时间内较难被其他交通方式取代，而提供报废补贴能够促进低收入家庭更换符合标准的电动自行车，因此应向电动自行车用户提供报废补贴等经济补偿，来促进向“新国标”电动自行车的更新迭代。

4）设置较短的缓冲期能够促进部分电动自行车用户向其他交通方式的转移，导致短期内的公共交通和小汽车出行增加，而当缓冲期较长时，政策的实施会加快由电动自行车向小汽车的机动化进程，故缓冲期的设置应与城市公共交通系统的发展和道路拥堵情况相匹配。

未来可基于微观行为分析，探究电动自行车管理政策对城市交通系统产生的宏观影响。