共享自行车及小汽车使用行为交互影响作用研究

马俊来

(中国城市建设研究院有限公司， 北京 100120)

0 引言

作为一种绿色、便捷的交通工具，自行车在居民短距离出行及接驳公共交通中具有非常显著的优势[1]. 20世纪80年代的中国，自行车在城市交通中占据主导地位，然而随着城市化和机动化的快速发展，北京市中心城区自行车出行分担率从1986年的62.70%下降到2016年的10.30%[2]. 为了促进居民自行车出行，北京市在改善骑行环境方面采取了很多措施，效果却并不明显. 然而2016年共享自行车的出现却使自行车出行分担率持续下降的趋势得到了遏制，甚至出现了小幅度的上升[3]. 调查数据显示，现阶段的共享自行车出行中有5.38%转移自小汽车，而在该部分出行中，38%的小汽车出行转向了全程共享自行车出行，剩余62%的小汽车出行转向了共享自行车+公交/地铁出行，共享自行车的发展可有效促进小汽车向绿色交通的转移. 深入挖掘共享自行车与小汽车之间的交互影响关系，剖析小汽车向绿色交通转移的本质，对促进城市交通的可持续发展具有十分重要的意义.

在短距离出行及接驳公共交通出行中，自行车/共享自行车与小汽车在诸多客观因素上形成竞争. 首先，出行方式选择与性别、年龄、收入、交通工具拥有及家庭结构等个人属性有关[4-6]. 其次，使用体验、车辆数量等系统的服务质量也是影响用户选择及使用的重要因素[7]. 同时，小汽车政策也会通过调整延误、成本等进而影响出行行为[8-11]. 近期，随着计划行为理论(TPB)、技术接受模型(TAM)等方法的广泛应用，一些新的社会心理学因素得到了探索，积极骑行态度会促使居民使用自行车出行[12],消极的小汽车态度也会鼓励人们使用自行车出行[13].

总体来看，已有研究在共享自行车与小汽车出行的交互影响方面仍不足，同时用户习惯、出行方式障碍等心理潜变量在影响出行行为中的作用需进一步明确. 因此本文从共享自行车与小汽车间的竞争关系入手，探究共享自行车出现后不同要素对共享自行车及小汽车使用频率的交互影响作用，并基于此提出促进小汽车向绿色交通转移的对策建议.

1 数据获取

研究数据通过2018年5月份开展的网络问卷调查获得. 为确保所有受访者都是居住在北京的居民，网络问卷进行了仅北京市IP可作答的限制.

综合文献基础及研究需求，确定了个人及出行属性、共享自行车出行障碍、小汽车出行障碍及出行意愿的考虑、出行习惯、出行偏好等要素，同时，考虑共享自行车作为新兴事物，本文增加了用户的外倾性人格因素.

问卷由3部分组成：个人及出行属性、影响因素量表及人格量表. 个人及出行属性部分包括性别、年龄、收入、教育程度、职业、交通工具拥有情况、骑行能力、共享自行车及小汽车使用频率(近3个月内)、共享自行车出行目的等；影响因素量表、人格量表部分采用李克特5级量表进行测量，量表中1～5分别代表非常不同意、不同意、不一定、同意、非常同意. 在对50人进行了预调查后，进行预分析并根据被试者的反馈对问卷部分问题进行了修正，以提高问卷的可阅读性及可靠性.

用于测量影响因素的量表问题包含：

1)不完善的设施会导致我不使用共享自行车

2)不良天气会导致我不使用共享自行车

3)车辆供给不足会导致我不使用共享自行车

4)车辆故障或不好骑会导致我不使用共享自行车

5)小汽车拥堵情况加剧会导致我不使用小汽车

6)小汽车停车收费升高会导致我不使用小汽车

7)小汽车停车不方便会导致我不使用小汽车

8)我愿意经常使用共享自行车出行

9)我将会经常使用共享自行车出行

10)我计划经常使用共享自行车出行

11)我养成了使用共享自行车的习惯

12)我喜欢使用共享自行车

用于测量外倾性人格的量表问题包含：

1)爱说话

2)含蓄的

3)精力充沛

4)具有很大的热情

5)比较安静

6)性格决断

7)有时羞怯、拘谨

8)外向，好交际

为了从社会心理学层面挖掘共享自行车及小汽车使用行为之间的影响关系，本文采用独立T检验及结构方程模型(SEM)结合的方法，其中个人及出行属性对共享自行车及小汽车使用频率的影响关系通过独立T检验完成，而其他要素通过构建结构方程模型完成.

7．设立附属小学。师范学校与普通学校相比有自己的特点。“若普通学校所研究者，仅在科学之实验；而师范学校所研究，尤重在教育之实验。”蔡元培特别赞赏五师“已设有附属小学校，得实验之处矣”[2]卷2，478。两年后，五师又拥有了第二所附属小学。1916年绍兴开办了蔡元培在1906年回乡想办而没办成的师范讲习所，用以培训教师。1918年师范讲习所并入五师成为第二附属小学。五师学生有了新的实习学校。

2 数据检验

2.1 描述性统计分析

剔除不符合要求的问卷后，共回收有效问卷376份(男性43%，女性57%)，受访者平均年龄为31.32岁((SD=10.05)，涵盖了不同收入水平、职业、教育水平和工作地点. 其中41.49%的受访者拥有私人自行车，32.45%的受访者拥有私家车，该比例略高于同时期全市常驻人口拥有小汽车的比例(21.26%)，更有利于反映拥有小汽车的人群利用共享自行车出行的规律. 只有25名参与者从未使用过共享自行车(6.64%)，超过半数的受访者在过去3个月经常使用(一周使用一次及以上)共享自行车(75.80%)，更多样本细节如表1所示，可看出受访者样本具有一定的代表性.

表1 样本描述性统计结果(N=376)

经常使用共享自行车的用户人口统计属性如图1所示. 可看出，经常使用共享自行车的用户中男性和女性所占比例分别为45.26%和54.74%；从年龄结构来看，用户以中青年为主，其中25～34岁的青年人所占比例最大，为45.26%；从收入情况来看，收入在8 001～15 000元的用户所占比例最大(24.91%)，月收入15 000元以上的用户所占比例最低(7.02%)，其他人群所占比例相差不大；从受教育程度来看，硕士及以上和本科所占比例较高，分别为48.77%和36.49%；从职业来看，企业公司员工、学生和政府/事业单位员工所占比例较高，分别为34.04%、32.28%和12.28%；从交通工具的拥有情况来看，拥有小汽车、拥有自行车、同时拥有小汽车和自行车的用户所占比例分别为29.21%、41.92%和13.06%，由此可见，拥有小汽车、自行车的用户依然会选择共享自行车出行，这为小汽车和共享自行车交互作用规律的研究奠定了良好的基础.

图1 经常使用共享自行车的用户人口统计属性

共享自行车出行转移方式来源，即共享自行车开通后从其他出行方式转变为共享自行车出行的方式结构如图2所示. 图中针对所有受访者、拥有小汽车的用户、拥有自行车的用户、同时拥有小汽车和自行车的用户四类人群，分别列出了其转移方式来源. 对所有受访者而言，其共享自行车出行主要转移自步行、公交、地铁、出租、自行车，所占比例分别为25.75%、21.10%、16.44%、11.17%、10.86%，转移自小汽车的比例为5.38%. 对拥有不同交通工具的3种人群而言，其共享自行车出行转移来源中步行和公交所占的比例均最高，其他方式所占的比例有所差异. 与所有受访者相比，拥有小汽车的用户，其共享自行车出行转移来源中小汽车和出租车的比例明显偏高，所占比例分别为12.69%和13.62%；拥有自行车的用户，其共享自行车出行转移来源中自行车所占比例明显偏高，而出租车所占比例明显偏低，两者分别为15.82%和9.98%；同时拥有小汽车和自行车的用户，其共享自行车出行转移来源中自行车和小汽车比例明显偏高，所占比例分别为12.34%和11.04%. 由此可见，共享自行车对于减少小汽车和出租车等机动化出行起到了一定的积极作用.

图2 共享自行车转移方式来源

从转移到共享自行车出行后的方式组合模式来看，如图3所示，采用共享自行车+地铁模式所占比例最高，为41.36%，其他依次为全程共享自行车模式及共享自行车+公交模式，比例分别为36.03%和20.47%，可见共享自行车承担了大量的“最后1 km”出行，这与以往调查结论较为一致.

图3 共享自行车出行方式组合模式

从共享自行车出行目的来看，以通勤、个人事务、通学、购物、就餐出行为主，且这几种出行目的所占比例相差不大，均为10%～20%，可见共享自行车承担的弹性出行比例较高，具体如图4所示.

图4 共享自行车出行目的

在使用频率上看，60.38%的共享自行车用户使用频率高于1次/周，54.92%的小汽车用户使用频率高于1次/周(图5).

图5 共享自行车及小汽车出行频率分布

表2 独立T检验 (N=376)

2.2 信效度检验

为了保证量表质量，需要检验问卷的可靠性及有效性(外倾性人格(EXT)量表部分采用公认的完整量表完成，因此不需要再进行信效度检验).

首先对量表部分进行信度检验，如表3所示. 3个潜在变量的克朗巴哈系数α分别为0.907、0.951以及0.970，总量表的克朗巴赫系数α=0.934，均在0.9以上，表明量表内部一致性信度良好，符合问卷设计要求.

其次对问卷进行效度检验，效度检验前对量表进行KMO测度和Bartlett球形检验，其中KMO=0.890, Bartlett检验的显著性水平p值<0.01，通过检验，表明问卷可进行因子分析萃取公因子. 3个因子特征值分别为3.182，2.858和2.684，方差解释率分别为31.82%、28.58%和26.84%，累积方差贡献率达到87.24%(见表3). 同时所有观测变量在各自潜变量上的因子荷载均超过0.5，表明潜在变量有很好的建构效度，符合问卷设计的要求. 原始设计量表中的共享自行车使用习惯(HAB)及偏好(PRE)分别作为单独的观测变量进入结构方程模型.

表3 问卷信效度检验及因子分析(N=376)

2.3 相关性分析

本研究采用Pearson相关系数进行相关性检验，如表4所示. 首先，共享自行车使用障碍(BUR)、小汽车使用障碍(CUR)及共享自行车使用意愿(BUI)3个潜变量间具有显著相关性；其次，共享自行车偏好(PRE)及习惯(HAB)与潜在变量之间均显著相关；最后，共享自行车使用频率(BUF)仅与共享自行车出行障碍间呈负相关，与其他要素均呈正相关，而小汽车使用频率(CUF)仅与共享自行车出行频率间呈负显著相关. 因此，本研究可采取结构方程模型探究各变量对共享自行车及小汽车使用频率影响的路径结构.

表4 变量间相关性分析

3 共享自行车及小汽车使用行为交互影响结构方程模型

结构方程模型可利用客观观测变量间接测量难以观测的抽象的潜在变量. 因此，本研究采用AMOS进行结构方程模型的检验、评价和路径系数分析，以探究共享自行车和小汽车之间的交互影响关系.

3.1 模型构建及分析

构建共享自行车及小汽车使用行为交互影响的结构方程模型，通过调整误差变量间的共变关系不断调整模型，最终获得图6所示模型.

图6 共享自行车及小汽车使用行为交互影响结构方程模型

1)测量模型结果显示，自行车道不连续、不良天气、车辆不足以及车辆故障分别以0.73、0.83、0.95、0.89的因子载荷反映了共享自行车使用障碍(BUR)潜变量，表明共享自行车车辆不足造成的使用障碍最大；交通拥堵、停车费用升高以及小汽车停车不便分别以0.91、0.94、0.94的因子载荷解释了小汽车使用障碍(CUR)潜变量，表明停车费用高及停车不方便是造成小汽车使用障碍的最重要因素.

2)结构模型结果显示，共享自行车使用障碍通过共享自行车使用习惯的中介作用负向、间接地影响共享自行车的使用意愿(-0.17×0.61)及使用频率(-0.17×0.53)，即共享自行车使用障碍增大会减少共享自行车的使用，但并不会促进居民对小汽车的使用. 说明共享自行车出行的群体已经形成了一定程度的绿色出行方式的依赖性，当共享自行车使用障碍增加时，一般会选择其他绿色出行方式作为替代方式，而不是转向小汽车.

3)小汽车使用障碍要素通过共享自行车使用偏好的中介作用负向影响小汽车使用频率(0.61×-0.20)，并通过共享自行车使用习惯的中介作用正向影响共享自行车使用频率(0.47×0.53). 同时，小汽车使用障碍不仅直接正向影响共享自行车的使用意愿(0.15)，而且通过正向影响共享自行车使用习惯和偏好，进而正向影响共享自行车使用意愿(0.47×0.61,0.61×0.26). 说明小汽车使用障碍越强，居民使用小汽车的可能性越小，且使用共享自行车的可能性越大. 小汽车使用障碍的增强，不仅会直接加强共享自行车的使用意愿和使用频率，更重要的是，还有助于帮助出行者形成使用共享自行车的习惯和偏好，从而产生共享自行车骑行意愿，并在更长的时间内选择自行车出行，促进绿色出行方式的持续推进. 同时，从对共享自行车使用意愿和使用频率的影响程度来看，小汽车使用障碍产生的影响大于共享自行车使用障碍产生的影响，也就是说在短距离出行中，提高小汽车使用门槛(如便利性、经济性等)能产生更好地减少小汽车使用、促进绿色出行的效果. 因此，在提高共享自行车服务品质的同时，更应加强小汽车短距离出行相关管理对策的制定与实施.

4)在用户心理层面，用户外倾性正向影响共享自行车的偏好(0.11). 即用户的外倾性特质越明显，接受新鲜事物的可能性越大，则其对共享自行车的偏好越明显，因此应注重加强对青年及中年等乐于接受新鲜事物的人群的绿色出行理念的宣传推广.

3.2 模型评估

模型质量评估可检验问卷收集数据与模型的匹配度，主要评估指标包括拟合优度卡方检验χ2/df、RMSEA、拟合优度指数GFI、拟合优度指数IFI、拟合优度指数NFI、Tucker-Lewis指数TLI、比较拟合指数CFI等评价指标，各个指标评估标准见表5. 所有拟合指数均符合标准，模型具有较高的配适度.

表5 模型拟合评估结果

4 结论

本文针对北京市居民开展了共享自行车及小汽车使用情况调查，综合考虑共享自行车出行障碍、共享自行车出行障碍及人格等因素，从社会心理学层面挖掘了共享自行车及小汽车使用之间的交互影响关系. 研究结论显示：共享自行车和小汽车存在一定的竞争关系，共享自行车使用障碍会减少共享自行车的使用，而小汽车使用障碍不仅会减少小汽车的使用，也会在一定程度上促进共享自行车的使用. 具体结论如下：

1)由于共享自行车的自身特点，雨雪、尾气雾霾等恶劣的出行环境会显著降低居民选择共享自行车出行的意向，因此规划者可通过优化交通服务设施来提升自行车出行服务品质.

2)车辆不足造成的寻车困难会极大地降低用户服务体验，共享自行车运营部门应该通过提高车辆运营及维修水平提升服务质量，较好的用户体验可增加用户黏性[14].

3)在适宜慢行或公共交通出行的区域，有针对性地采取提高停车收费、降低停车便利性、打造小街区密路网等限制小汽车出行[15]、有利于慢行出行的措施，可更为有效地提高居民选择共享自行车出行的意向[16].

本研究揭示了居民共享自行车出行与小汽车出行间的交互影响关系，对促进小汽车出行向绿色出行方式的转移具有重要意义. 本文仅对影响出行行为的各因素的单独作用进行了分析，下一步研究需重点针对不同区位、个人属性、出行距离、出行目的、出行方式组合模式等因素的交叉组合作用对出行行为产生的影响进行研究，以期为促进绿色出行精准失策提供坚实的理论基础.