考虑多因素影响的老年人公交出行决策研究

2022-03-30陈亮王静李巧茹

铁道科学与工程学报 2022年2期

陈亮，王静，李巧茹

(河北工业大学土木与交通学院，天津 300401)

人口老龄化逐渐成为全球人口变化的趋势，根据国家统计局发布的《中华人民共和国2019 年国民经济和社会发展统计公报》显示，截至2019年底，我国60周岁及以上人口数达2.5亿人，占总人口数的18.1%[1]。我国已成为人口老龄化发展最快的国家之一，预计于2030 年，我国60 周岁及以上老年人人口数将达到现在老年人口数的一倍[2]。老年人口数的增多给社会带来一定的冲击，对于交通行业来说，老年人的交通出行形势愈发严峻[3]。由于年龄的增长，老年人在生理和心理特征上相比于年轻人存在明显差异。在生理上，老年人的身体各项机能逐渐衰退，视力和听力变弱，对外界感知能力下降，行动不便且反应能力降低等。在心理上，老年人多缺乏安全感，对新环境新事物的适应能力减弱，与社会脱节感加重[4-5]，所以针对老年人的出行研究需考虑多因素的影响。在老年人出行决策研究早期，张政等[6]利用北京市居民出行调查数据，从出行属性方面对老年人的出行行为进行了研究，结果表明，老年人平均每天出行2.03 次，比年轻人少0.3 次。由此可见，老年人虽身体机能下降，但仍具有较强的出行意愿。老年人出行具有一定规律[7]，国外老年人倾向于采用私家车出行[8-9]，而国内老年人偏向于选择步行和公交出行[10-11]。公交作为公共交通出行方式的一种，具有经济便利的优势，符合老年人人群的出行需求[12]，因此，研究老年人的公交出行决策行为可以在一定程度上解决老年人出行问题。杨博[13]选取了7 个个人属性变量，利用Binary Logit(BL)模型从政府政策及家庭2个角度解决老年人早高峰的出行困难问题，该研究仅仅考虑了个人属性的影响。鉴于此，MIFSUD 等[14]综合个人属性和出行属性2个方面对马耳他老年人出行模式进行了探索性研究，结果表明，影响老年人公共交通使用的因素为年龄、地区、职业、社会活动及个人影响。WONG 等[15]认为未来老年人口数会急速增长，缺乏公共交通服务会给老龄化社会带来严重的交通问题，因此在个人属性和出行属性的基础上，加入了心理潜变量和社会活动2种影响因素，利用二元Logistic 模型对公交出行进行分析，研究表明，座位可用性对老年人选择公共交通出行具有显著影响。TRUONG 等[16]探讨了澳大利亚阿德莱德老年人使用公共交通频率的影响因素，研究发现乘坐公共交通的便利性对使用公共交通的频率有着重要影响。除此之外，还有部分学者研究了公交票价对老年人公交出行决策行为的影响[17-18]。国内外针对老年人公交出行决策的研究大多只考虑个人属性和出行属性，引入心理潜变量影响的文献较少。心理潜变量是用来描述决策过程中出行者的个人主观感受，虽然在现实中无法直接测量，但却客观存在且影响力不容小觑。在涉及心理潜变量影响的文献中，研究多考虑公交舒适度、公交服务满意度、便利程度等潜变量，本文在此基础上，增加了感知安全性、感知有用性等潜变量，设计了新的心理潜变量测量量表。同时引入环境属性因素，从个人属性、出行属性、心理潜变量及环境属性4 个方面，利用SEM-BL 模型，研究多因素对老年人公交出行决策行为的影响，研究结果可为提高我国公共交通适老性提供理论依据。

1 出行数据调查及统计

1.1 问卷设计

本次老年人公交出行问卷包括4部分：个人属性、出行属性、环境属性和心理潜变量。在个人属性部分，选取年龄、性别、受教育程度、月收入、有无敬老卡5 个特征变量；在出行属性部分，选取出行距离、出行目的、出行时长3 个特征变量；在环境属性部分，选取天气、温度、空气质量3 个特征变量。在心理潜变量部分，选取了7 个潜变量，相应采用15个观测变量测量，设计如表1所示的心理潜变量测量量表。问卷中所有题项均根据被调查者的意愿采用likert5级量表的形式做出回答，1～5依次代表非常不同意—非常同意。

表1 心理潜变量测量量表Table 1 Mental attribute measurement scale

1.2 调查实施

考虑到老年人使用智能手机时具有一定的困难，通过“问卷星”等APP 开展线上调查不能有效获取老年人的出行信息，所以本次调查选择线下调查的方式，由调查人员协助老年人完成问卷作答。本次调查于2019 年6 月10 至7 月10 日在天津市中心城区展开，调查人员在早中晚不同时间段对老年人进行公交出行调查，主要调查地点为公园、居民区、学校周边、公交站周边。将所调查的地点根据地图上的坐标绘制成散点图，如图1所示。

图1 调查地点分布图Fig.1 Survey site distribution map

本次研究对象为天津老年人，根据调查资料显示，截至2018 年年底，全市60 周岁以上老年人人口数达259.08 万人。当研究对象总体量很大时，抽取一定量的样本即可，为保证研究的科学性，所需最小样本量计算公式为：

式中：n表示所需最小样本量；α为显著性水平；k为分位数。为得出最可靠的样本量大小，P一般为0.5。

在行为科学研究领域，α一般设定为0.05，此时分位数k为1.96。经计算，所需最小样本量为384。本次共计调查661 名老年人，剔除问卷回答不完整及数据不好的问卷，共计得到有效问卷633份，样本规模完全达到要求。

1.3 样本数据统计

对回收的问卷进行统计，个人属性统计结果如表2 所示。根据表2 统计结果，本次调查样本年龄和性别分布较为均衡，男女人数比例为0.923:1，65～70 岁年龄段人数占比略微偏高，但不影响总体样本的均衡性。在受教育程度方面，老年人总体受教育水平偏低，这与上世纪我国教育大环境相符。76.9%的老年人都持有敬老卡，敬老卡是人民政府推出的一项惠民政策，天津市65 周岁以上的老年人可免费乘坐220条公交线路，结合样本年龄分析，95.0%符合申请条件的老年人都持有敬老卡。

表2 个人属性统计Table 2 Personal attributes statistics

出行属性统计结果如图2所示，休闲性出行占比达60.8%，说明老年人生活节奏变慢，注重休闲娱乐锻炼。76.0%的老年人出行时长不会超过1 h，40.5%的老年人出行距离不会超过10 km。结合前人的研究，老年人的出行属性调查结果也十分合理。

图2 出行属性统计图Fig.2 Travel attribute statistics chart

环境属性统计结果如表3 所示，68.7%的老年人倾向在晴天乘坐公交车，分析原因，考虑到老年人的身体状况，阴雨天会选择乘坐出租车或家人接送。72.5%的老年人在温度适宜时会选择公交出行，60.6%的老年人在AQI 指数小于100，即空气质量良好时会选择乘坐公交车。

表3 环境属性统计Table 3 Environmental attributes statistics

2 模型的构建

2.1 模型建立

SEM-BL模型由结构方程模型和离散选择模型2 部分构成，是一种可以使抽象的心理潜变量与个人属性、出行属性、环境属性变量共同参与决策过程的整合模型。SEM-BL模型首先利用结构方程模型将不可直接观测的心理潜变量量化，然后将量化的心理潜变量与可直接观测的个人属性、出行属性、环境属性变量输入离散选择模型，以便分析城市老年人出行决策行为。本文将老年人出行分为选择公交出行或不选择公交出行，共包括2个选择方案，因此离散选择模型部分选用Binary Logit(BL)模型，模型结构如图3所示。

图3 模型结构图Fig.3 Model structure

根据效用最大化理论，老年人在出行时会选择效用最大的方案。效用函数包括固定项和误差项，则老年人n选择第i种出行方式的效用函数表示为：

式中：Uni为老年人n选择第i种出行方式的效用；vni为效用函数的固定项，一般为其他各影响因素的线性函数；εni为效用函数的误差项。

以效用最大化理论为基础的传统Logit模型为：

式中：Pni为老年人n选择第i种出行方式的概率。

本文中效用函数的固定项vni表示为个人属性、出行属性、环境属性、心理潜变量的线性函数，表达式如下：

式中：aka，bkb，ckc和dl均为待估计的参数；Pnika为老年人n选择第i种出行方式时个人属性的第ka个特征变量；Tnikb为老年人n选择第i种出行方式时出行属性的第kb个特征变量；Enikc为老年人n选择第i种出行方式时环境属性的第kc个特征变量；ηnil是不可观测的心理潜变量，其中l为潜变量的数量。

心理潜变量的各变量量化方法如下：以感知有用性PU为例，利用结构方程模型确定潜变量间、潜变量与观测变量间关系，得到各潜变量对不同观测变量的载荷因子系数，载荷因子系数表示潜变量在不同观测变量上的侧重，因此将各观测变量的载荷因子系数作为各潜变量的权重，并对其标准化可得：

式中：ΛPU1，ΛPU2为观测变量PU1，PU2 的载荷因子系数；rPU1，rPU2为计算所得的观测变量权重。

将式(5)计算所得结果代入式(6)即可得到潜变量PU的适配值。得到心理潜变量的适配值后，即可确定效用函数的固定项，则改进后的Logit 模型表示为：

2.2 变量赋值

为便于后续对模型参数进行标定，分析老年人不同属性的各特征变量对公交出行决策行为的影响，个人属性、出行属性及环境属性也采用适宜的数字赋值，见表4。

表4 特征变量赋值说明Table 4 Description of characteristic variable assignment

3 问卷数据检验及模型结果分析

3.1 问卷信效度检验

本节对问卷数据进行信效度检验，检验结果如表5所示。克隆巴赫指数(Cronbach’s α)大于0.7，表明问卷各题项能够一致反映同一内容；KMO 统计量大于0.5，说明问卷所有变量间具有一定相关性；检验结果各项因子载荷大于0.6，说明心理潜变量可以用各观测变量表示。因此，问卷数据具有一定的可靠性，可以用来开展下一步的数据结果分析。

表5 样本数据的信效度检验结果Table 5 Sample data of test reliability and validity of the results

3.2 结构方程模型参数估计及分析

在结构方程模型参数估计中，本文首先选用卡方自由度比(χ2/df)、近似均方根误差(RMSEA)、相对拟合指数(CFI)、塔克―刘易斯指数(TLI)、均方根残差(RMR)5 个指标评价结构方程模型与调查数据之间拟合度。结构方程模型拟合结果如表6所示，本文所选取的5项模型拟合评价指标结果均符合要求，利用结构方程模型可以进一步阐述潜变量之间关系。

表6 结构方程模型拟合评价指标Table 6 Structural equation model fitting evaluation index

图4为潜变量间及潜变量与观测变量间关系的结构方程模型估计结果。从图中可以看出，15 个观测变量对各个潜变量的解释度都超过了0.6，说明观测变量可以很好地解释潜变量的特征。潜变量之间结构的路径系数均超过0.2，表明该模型的估计结果较为理想。

根据图4 的参数估计结果可知：感知有用性、主观规范及行为态度对行为意向有直接正向显著影响，而感知便利性、感知安全性及技术满意度都是通过影响行为态度，间接对行为意向正向显著产生影响。主观规范既会直接影响行为意向，又会通过影响行为态度间接影响行为意向。

图4 潜变量间关系Fig.4 Relationship between latent variables

为定量表述各潜变量对行为意向的影响，计算相应的总效应(总效应=直接效应+间接效应，其中直接效应为标准化路径系数，间接效应为相应路径标准化路径系数乘积)，结果见表7。结果表明，行为态度、主观规范、感知有用性、感知安全性、感知便利性、技术满意度对行为意向的正向影响依次递减。行为态度对行为意向的影响最大，总效应为0.38，即老年人是否认可、喜欢公交出行对公交出行选择意愿的影响最大。其次是主观规范对行为意向的影响，总效应为0.36，说明老年人的周围人群对公交出行的评价也十分重要，这些评价在一定程度上影响着老年人的公交出行意愿。第三为技术满意度对行为意向的影响，总效应为0.22，说明老年人对公交出行过程中舒适度和服务满意度的评价越高，老年人选择公交出行的意愿越强。

表7 各潜变量对行为意向的影响Table 7 Influence of latent variables on behavioral intention

3.3 BL模型参数估计及分析

本节建立二项Logit 模型，利用Trans CAD 软件标定模型参数，分析多因素影响下老年人的公交出行决策行为。

参数估计中，在显著性α= 0.05 的情况下，若变量的检验值t≤1.96，则该变量对选择结果不具有显著性影响。表8为去除不具有显著性影响变量的最终模型参数结果。根据表8可得出以下结论：

表8 模型参数估计结果Table 8 Model parameter estimation results

1) SEM-BL 模型的常数项t值比BL 模型t值小，说明心理潜变量的加入使模型更加完善，能够更全面地分析老年人公交出行决策影响机理。

2) 在SEM-BL 模型估计结果中，年龄与公交出行选择行为的参数标定结果显示，|t|= 1.994 >1.96，则年龄对选择公交出行具有显著影响，且t值为正，说明在老年人中年龄段越大，公交出行意向更明显；同理，女性老年人、持有敬老卡的老年人更倾向乘坐公交车出行。出行属性中，当老年人出行为生活性出行、出行时长不超过1 h 出行距离不超过10 km 更倾向选择公交出行。环境属性中，温度适宜的情况下，老年人更易选择公交出行。

3) 感知有用性、感知便利性、感知安全性、技术满意度及主观规范与公交出行决策行为的参数标定结果显示，其参数的t检验值均大于1.96，说明心理潜变量对公交出行决策行为具有显著的正向影响。

4)根据模型参数估计结果，2 类模型的模型优度比系数R2均大于0.2，模型拟合优度较好。其中考虑心理潜变量影响的SEM-BL 模型比传统BL 模型的模型优度比系数高0.123，说明考虑多因素影响的SEM-BL模型对老年人公交出行决策行为的解释能力更强。