考虑心理变量的老年人错峰出行选择行为分析

张 兵，余凤君，4，刘建荣，周 繤，汪明杰

（1. 华东交通大学交通运输工程学院，江西 南昌 330013； 2. 华南理工大学土木与交通学院，广东 广州 510640；3. 江西省综合交通运输发展研究中心，江西 南昌 330036； 4. 江西省交通运输科学研究院有限公司，江西 南昌 330200）

根据江西省第七次人口普查数据， 南昌市60岁以上的人口占比达到14.97%，相较于“六普”数据上升3.34 个百分点[1]。 南昌市老城区老年人口较多且公交线路较为密集，现行老年人公交优惠政策为“限制次数，全天免费”，该政策在一定程度上减少了老年人无谓出行的次数，但老年人的乘车时间仍与早高峰重叠，拥挤的车厢环境对老年人乘车安全易产生不良影响。 因此，针对日常活动时间相对充足、时间约束性弱的老年群体是否愿意错峰乘坐公交展开调查研究，从老年人日常出行行为、对错峰出行的态度等角度，分析暂停早高峰时段现行公交优惠政策后对老年人行为的影响，对研究老年人出行需求和合理制定交通政策有积极意义。

早在10 年前，包俊君[2]就曾发出“公交早高峰，老年人该不该回避”的讨论，通过采访年轻群体和老年群体，发现双方均渴望找到一种平衡的方法缓解双方的公共交通出行矛盾。 国外学者发现通过调整完善老年群体的乘车优惠， 有助于构建一个对老年人友好，出行效率更高的交通环境[3]：Tom Rye等[4]通过调查发现家境不宽裕的老年人群在公共交通免费后出行次数增加约30%；Roger Mackett[5]发现使用公共交通频率较高的老年人出行目的多为日常购物，且公交优惠之后该类出行目的的乘车人数上升54%；Bueher[6]通过比较德、美两国老龄化进程，发现公共交通优惠政策对两国老年人公交出行产生正影响。 而在老年人错峰意愿研究中，国内学者采用数学方法研究是在近十年开始的，李丹洋[7]对北京南磨房老年群体进行调查，发现老年群体中需要接送小孩且出行时间固定的人群错峰意愿较低，且老年人普遍感觉在高峰乘坐公交车舒适度较低，因此在考虑老年群体出行舒适度的前提下提出宏观的错峰政策意见。 严敏琳等[8]通过对福州地区老年人的错峰出行选择进行调查，假设3 类错峰优惠措施，利用二元Logistic 模型分析得出不同年龄、职业对不同优惠政策均有不同的选择意愿；姚恩建等[9]构建多场景下（多类出行目的、多种优惠措施）的老年人出行方式选择模型，预测不同出行方式分担率变化。在老年人出行态度研究中，韩艳等[10]利用海德平衡理论，构建老年人公交出行的“P-O-X”三角平衡模型，发现公交系统服务水平的改变及同车的其他群体对老年群体的宽容会影响老年人的公共交通出发时刻，将老年群体对于错峰意愿不平衡状态转化为平衡状态。

综上所述，已有研究通常着力于老年人个体特征、出行特征、环境影响等因素来探索了解老年人错峰意愿，较少考虑老年群体心理因素[11]等潜变量影响。 在策略层面上，错峰问题通常寄托于政府公交政策调控，如有限额补贴、高峰时段津贴式补贴、分年龄免费等， 以上政策均是基于不同年龄段、不同出行目的、时长等老年群体在不同政策下的出行方式转变，较少研究老年群体对于政策调控的支持意愿及个体异质性对于出行方式选择的影响。

1 问卷设计及数据调查

1.1 调查区域及样本选取

本次调查地点选取在南昌市老城区的公园广场、大型医院及中小学附近，调查时段为早高峰前后，共发放240 份问卷，经筛选后回收210 份，有效率达87.5%。 参考国内外老人出行问题影响因素调查结果[12-17]，问卷内容包括：①老年人个体统计学特征（性别、年龄、退休金等）和日常出行特征（每日使用公交次数、出行时刻和出行时间）；②老年人对于日常出行的态度，在高峰乘坐公交的感受，对错峰出行的支持度等心理属性描述。

统计结果显示，老年人日常出行方式主要集中在步行和公交，拥有老年公交优惠卡的人口比例达到74.49%，少部分选择公交的老年群体同样会选择地铁出行； 老年人的日常出行目的主要为生活购物、休闲健身、探亲访友等。 在出行时刻方面，早晨7：00—9：00 出行的老年群体占总体出行时刻分布的56.12%；在出行时长分布方面，老年人的出行时长通常集中在中长距离（10～30 min）的出行。

图1 反映出所有年龄段的老年群体在出行方式选择上会绝对性地偏向步行和公交，且随着年龄的增长和身体素质的降低，此趋势越明显。 图2 剖析了选择公交出行的老年群体出行目的结构分布，在7：00—9：00，不同出行目的的老年人选择公交出行的频数均大于其他时段，且以生活购物、休闲健身的老年人居多。 由此说明，现行政策下老年人早高峰无谓出行现象显著，长此以往不仅易引发老年群体公交出行安全问题，还会影响所有峰出行群体的出行感受。

图1 不同年龄段的老年群体出行方式划分Fig.1 Different age groups of the elderly group travel mode division

图2 不同出行时间段的老年群体出行目的分布Fig.2 The distribution of the purpose of travel for the elderly in different travel time periods

1.2 错峰意愿调查分析

为研究公交优惠与老年人出行时刻之间的联系，并探究老年人是否会因高峰时段无优惠政策而转移出行时刻的行为变化，问卷内容增加陈述性偏好实验，研究老年人在假设的新乘车政策“高峰时段全票乘车，其余时段免费乘车”下，群体在3 种情境下的选择变化，如表1 所示设置问题。

表1 在“高峰时段全票乘车，其余时段免费乘车”政策实施前后的出行行为问题Tab.1 Elderly′s travel behavior before and after the implementation of the policy

由表2 结果可知， 从出行目的来看，“新政策”实施之后，休闲健身、探亲访友等出行目的的老年人使用公交频率均降低； 从出行时刻来看，“新政策”实施之后在高峰时段使用公交出行的人群显著降低了13.2%，一些老年人将出行时刻延后至9：00；从出行时长来看，“新政策” 实施之后， 中长距离（10～30 min） 的公交出行人群在高峰时段转移交通方式的可能性最大。

表2 老年人对于“高峰时段全票乘车，其余时段免费乘车”政策实施前后的公交出行变化Tab.2 Elderly′s changes in public transportation before and after the implementation of the policy %

2 老年人出行行为选择分析

2.1 老年人出行选择行为模型

本文采用二元Logit 模型对不同情境下的老年人出行行为方案进行筛选和分析，本模型根据随机效用理论，依托两个假设条件，一是假设老年人个人意识正常，二是所作选择效用是最大化的。 老年群体会在“新政策”实施前后、不同出行距离的情况下产生不同的方案选择效用。 老年群体对不同的方案选择，其效用值可以表示为

式中：Umid（t）为“新政策”实施前后老年人m 选择出行方案的效用；Vmid（t）为“新政策”实施前后老年人m 选择出行方案i 的效用函数的固定项；εmid（t）为效用随机项。

Umid（t）与群体个人属性、出行特征因素相关之外，还与决策者对相关事件的心理感知、态度评价息息相关。 如曾有研究者[18]发现行人过街使用手机的行为受到行为意向和知觉行为控制的显著影响，组织部门可通过营造居民出行安全氛围，有效降低不安全行为的发生；乘坐公交车[19]时的站立条件、换乘时间会对出行者心理上造成时间上的相对错位，不好的乘车条件会让人觉得乘车时间延长从而选择更换交通方式。 各类研究都表明，出行者会因个人对事件的心理感知程度不同做出不同的决策，通常心理感知变量常用多个具体的问题项来表征。

本文研究老年人对日常出行的态度Lsport，在高峰乘车时的感受Luncomfort以及对错峰出行的支持度Loff－peak3 个心理态度方面的出行感知变量的影响，为了 更 好 地 分 析 不 可 直 接 测 量 的Lsport，Luncomfort，Loff－peak，参考文献[20]确定多个表征潜变量的显示变量，各显示变量用5 级李科特表进行衡量，1 表示“非常不赞同”，5 表示“非常赞同”。

表3 CFA 指标结果Tab.3 Fitness of CFA

使用验证性因素分析（confirmative factor analysis，CFA）对显示变量进行拟合分析，剔除严重偏差以及影响不收敛的测量项后， 求解出潜在变量，潜在变量模型的拟合度指标主要有RMSEA，CFI，SRMR 等[21]。

模型中潜在变量与显示变量的因果关系如表4所示。显变量与潜变量之间的数值均显著(值都小于0.05)，且标准载荷系数值大于0.6，这表明显示变量与潜在变量有着较强的相关关系。

表4 潜变量与显示变量的因果关系Tab.4 The relationship between latent variables and manifest variables

本文使用Logit 模型研究老年人的出行行为，考虑高峰出行时的各种心理因素、暂停高峰时期公交优惠政策等因素对老年人出行行为的影响，将出行者的效用函数表征为

式中：U 为总效用；dpolicy为虚拟变量， 表示是否在实施“新政策”阶段，取值为1 表示处于政策实施之后，取值为0 表示处于政策实施之前；Z 为个人统计学特征向量；L 为心理因素向量；δ，γ 为未知参数向量；ε 为误差项。

根据本文效用函数构成，考虑到研究内容主要针对老年群体的出行选择进行分析，在个人统计学特征及出行特征调查部分，合并部分选项并设置哑变量， 表5 中Z 表示为个人属性及出行属性，Y 为是否选择公交出行的结果。

表5 模型哑变量设置Tab.5 The model of dummy variable settings

本文研究框架如图3 所示。

图3 研究框架Fig.3 Research framework

2.2 老年人潜分类模型

假定老年人的选择行为基于个人属性以及潜在的异质性[22]，针对分析“高峰时段暂停公交优惠政策前后老年群体是否选择公交”这一行为，老年人可划分为某些特定的潜在分类，该分类由解释变量（dpolicy）及隶属函数变量（老年人个人属性Z 及潜在态度L）所决定。 潜在类别Logit 模型假定在高峰时段是否选择公交出行的老年群体可以分为固定的C类，属于分类c（c=1，2，…，C）的老年人n 选择在高峰时段乘坐公交的效用是：

在分类c 中，Pn（i|c）为属于分类c 的出行者n选择方案i 的概率，Hn（c）为出行者n 属于分类c 的概率。

3 出行行为分析

3.1 短距离出行行为

根据调查数据，老年人在短距离（＜1 km）出行中，步行是主要的出行方式，现研究1 km 距离出行是否使用步行方式的相关影响因素，包含心理潜变量的Logit 回归结果如表6 所示。

表6 1 km 出行是否使用步行的结果分析Tab.6 Result of walking choice when distance is 1 km

在95%置信水平下， 有Zretire，Zhour，Lsport，Luncomfort，Loff－peak是显著的，即短距离出行中，老年群体对于是否选择步行方式与是否退休、出行时长、对于日常出行的态度、对于高峰出行的态度和对于错峰出行的支持度有关。Zretire显著，系数0.639 大于0，几率比为1.895，大于1，这表明在短距离出行中工作的老年人选择步行的概率比退休老年人选择步行高出11%。Lsport系数为2.42，表明老年人对于日常出行态度对老年人短距离出行有显著正影响，Lsport每增加一个单位，老年人在短距离出行中选择步行的几率会显著提高；Luncomfort系数为0.967， 表明老年人对于高峰乘坐公交的不舒适感知每增加一个单位，老年人群体在短距离采用步行的概率就增加16.6%；Loff－peak系数为0.74 大于0， 表明老年人对于错峰出行的支持度对老年人短距离出行有显著正影响，Loff－peak每增加一个单位，老年群体在短距离出行采取步行的概率增加12.7%。

3.2 中长距离公交选择行为

在90%置信水平下，有Zwage，Zmethod，Zhour是显著的，即在中长距离出行中，老年群体是否会选择公交与月收入、出行方式是否为公交和出行时长有关。 Zwage系数为－0.172，几率比为0.842，即随着老年人月收入增加一个单位，老年人在中长距离出行中选择公交出行的比例就减少15.8%；Zmethod系数为0.934， 表明日常主要出行方式是否为公交对中长距离是否选择公交有显著正影响，在中长距离出行中，日常主要出行方式为公交的老年群体选择公交的几率比是日常主要出行方式为其他方式的老年群体选择公交的2.54 倍；Zhour系数0.383 大于0，几率比为1.467，表明随着出行时间的增加，老年群体在中长距离倾向于使用公交，出行时长每增加10 分钟，选择公交的概率增加7.3%，见表7。

表7 3 km 出行是否使用公交的结果分析Tab.7 Result of traveling by bus when distance is 3 km

3.3 高峰时期公交选择行为

在95%置信水平下， 有Zage，Zpurpose，Ztimes，Zjuncture，dpolicy，Loff－peak是显著的。 dpolicy系数为－0.734 小于0，几率比0.48 小于1，这表明与暂停高峰优惠政策实施前（现状）相比，在高峰时间段暂停老年人的公交乘车优惠后老年人使用公交的频率显著降低， 使用公交的比例仅为政策实施前的48%。 Zage的系数为－0.181 小于0，表明随着年龄的增加，高峰时期乘坐公交的老年人比例在不断下降， 年龄增加一个单位，老年群体选择在高峰时段乘坐公交的概率下降3.8%。 在出行特征中Zpurpose系数为0.493 大于0，说明出行目的为刚性需求（日常需要外出工作、接送小孩、看病就医等等）的老年群体相对于外出休闲娱乐的老年群体在高峰时段使用公交的概率要高。心理因素方面，Loff－peak系数－0.513 小于0， 几率比为0.599，表明老年人对错峰出行的支持度对高峰时段选择公交出行有显著负影响，Loff－peak增加1 个单位，老年群体在高峰时期使用公交的几率比就减少40.1%，见表8。

表8 高峰时段是否使用公交的结果分析Tab.8 Choice of the elderly traveling by bus frequently when travel time is peak time

3.4 潜分类模型的估计

潜分类模型由于样本老年群体的类别总数C最初未知，因此需要对其分类数进行确定，合适的分类组数通过对不同分类数的模型进行估计，比较其统计量所得出。 根据文献[23]计算CAIC，BIC 值，根据计算结果选择相对较小的CAIC 和BIC 值和较大的LL 值。

CAIC 和BIC 的计算公式如下

式中：L 为最大样本Log 似然值；m 为模型的参数个数。

最优的潜分类二项Logit 模型的估计结果如表9 所示。

表9 潜分类二项Logit 模型拟合优度测量Tab.9 Goodness-of-fit measurement of binomial Logit model for latent classification

由上表知， 老年群体被分为2 类时，CAIC 和BIC 参数值最小， 因此老年群体被分为2 类为最优。 同时为定量分析分类模型是否能够很好区分每个样本点， 分析每个样本点的2 个概率值的最大值，得到均值为0.844，接近1，表明模型能够很好区分每个样本点[24]。

如表10 所示， 将Class2 的各个系数设置为0，以供模型识别所需。 以Class2 为对比估计各变量的符号和参数值大小，可以得出在高峰时期公交选择时每个老年出行群体因其出行偏好不同及该群体的个人属性及潜在心理态度的影响，老年群体可被细化分为不同的类别。

表10 分2 类潜分类模型估计结果Tab.10 Estimation results of latent classification model in 2 categories

由表10 可知，在出行方式属性上，dpolicy对老年群体分类有显著影响，Class1 的老年人在暂停高峰时段公交优惠之后，会考虑是否还有必要在高峰时段乘坐公交，而公交收费对于Class2 的出行者影响不显著。 当出行者出行目的越偏向于刚需出行，在意的出行条件越发偏向于等待时间、步行时长等约束性较强的要求， 这类老年人倾向于成为Class1；并且随着出行者对于高峰时期乘坐公交车的不舒适感、对于错峰出行的支持度的提升，出行者也更倾向于成为Class1。由此可以推断，该类老年群体属于“必要通勤”型老年群体，此类老年人保留着与工作群体类似的出行习惯：出行的目的性较强，主要是为了接送小孩、看病就医等等，出行过程更在意需要的等待时间、步行时长等硬性条件；其次可以看出该类老年群体的原则性较强，与通勤群体有一定的共情性，当其对错峰出行的支持度增加，在高峰时选择乘坐公交的概率就越低。 基于目前的分类结果，属于Class1 的老年人数偏低，说明大多出行的老年人属于“休闲”型，外出的时间、目的约束性均较低，且对于高峰公交出行的不舒适性和错峰公交出行的支持度不够敏感。

4 结论

1） 在短距离出行中，日常喜欢外出的老年人通常对身体状况的感知良好， 且对于短距离出行，老年群体通常不会牺牲个人出行舒适度而选择争抢公交资源。

2） 在中长距离出行中，老年人的出行时长越长或老年群体的主要出行方式为公交时，老年群体受到优惠政策或者出行感受等影响较小，会保持原有出行选择。

3） 暂停高峰时段的公交优惠和老年群体对于错峰出行的支持度会显著影响该群体在高峰时段使用公交的可能性。 部分老年人在高峰时段不必要选择公交出行，可采取其他交通方式。

4） 老年群体的出行选择行为与个体异质性、乘车感受有关，当老年群体对于乘车环境、错峰出行意义不够敏感时，老年群体通常会坚持原有的出行方式。

综上所述，在早高峰期间老年人“无谓出行”的现象时有发生，且目前支持错峰公交出行的老年人数不多，在必要公交出行时老年群体对于身体状况和乘车舒适度的感知往往会被置后，而改变公交优惠政策对于制约老年人无谓公交出行行为有一定的积极影响。 因此之后的研究可以基于调节现有公交优惠政策， 并考虑老年群体在高峰出行时的感受，研究老年群体在不同优惠政策、不同乘车环境中的错峰出行选择行为。