山地城市居民公交出行幸福感影响因素研究

贠艺涵，赵 航，熊仁江，刘思敏

(贵州师范大学 地理与环境科学学院，贵州 贵阳 550025)

0 引言

随着社会不断发展，“幸福”逐渐被作为衡量生活质量以及社会发展的标准。公共交通出行作为大多数城市居民每日必须面对的一项活动，正影响着人们的幸福感[1]。由于山高坡陡、地形破碎等特殊条件[2]，贵阳市目前还存在公交基础设施覆盖率低、分布不均衡[2-3]等问题，且道路非直线系数较大，导致居民公交出行的舒适度、便捷性、安全性和时效性难以得到保障，易在公交出行过程中产生不好的情绪体验[4]，这可能影响居民出行幸福感。因此，亟待探究山地城市居民公交出行幸福感的影响机理，以期为山地城市的交通规划部门合理改善公交系统服务和道路设施提供理论参考。

出行幸福感指在出行的背景下，出行者通过感知和体验将幸福感具体化的过程[5]。研究发现，个人社会经济属性、出行属性、建成环境、基础设施、居民主观感受、乘车便捷性与舒适性、区域位置等因素显著影响居民出行幸福感。个人属性与出行属性方面，Majumdar等[6]发现在印度男性的幸福感高于女性；郭志芳[7]发现寒冷地区的行政事业单位工作人员幸福感最高；同时樊帆[8]分析出个人月收入越高，在乘坐公交过程中更容易产生正面情绪；Mantouka等[9]则发现出行模式选择会直接影响出行幸福感。建成环境对居民出行幸福感的影响存在差异，其中，樊帆[8]发现工作地的人口密度和用地混合度以及到市中心的距离影响出行幸福感，但郭娟娟[10]分析出建成环境并不直接影响出行幸福感，这可能与研究区域的划分有关。在基础设施方面，阴星星[11]发现步行道路和自行车道路宽度、机非分隔方式、路内干扰类型与居民出行幸福感息息相关。随着研究的不断深入，学术界开始关注乘客的主观感知和出行的便捷性与舒适性，De Vos[12]与Majumdar等[6]分别指出居民出行态度与偏好、公交车站安全感知对出行幸福感产生影响；马静怡[13]则发现地铁在站内及车厢环境、服务时间、换乘等方面服务较好时乘客的出行幸福感更好；地理位置方面，Wei等[14]研究发现其对居民出行发幸福感没有直接影响，但会通过影响通勤选择、出行态度与偏好来间接影响出行幸福感。

在出行幸福感的研究方法上，多利用结构方程模型(Structural Equation Model，SEM)[14-15]、Logit模型[6，8，11，16]、贝叶斯网络模型[9]、层次分析法[17]。通过梳理相关文献(见表1)发现：(1)已有研究多集中于平原城市，常忽略地形(如道路坡度与线路绕行)对居民出行幸福感的影响，造成已有研究结果与对策可能不适用于地形复杂的山地城市；(2)大部分研究未考虑地理的可塑性单元面积问题(Modifiable Areal Unit Problem，MAUP)，缺乏系统分析和探讨不同地理单元区划建成环境与居民出行幸福感的关系；(3)在变量选取方面，大部分研究主要考量乘客对公交服务的满意程度，而往往忽略了在此过程中乘客是否真正享受到服务，乘客对服务质量表示肯定但并不完全代表其在出行中能够较容易地享受到该服务，尤其是在山地城市，人们对于公交资源与服务的实际获得感有待测量。同时，现有研究仅分析了性别的异质性效应，由于身体健康与年龄的差异，老年人与年轻人在公交出行时影响其幸福感的因素或许存在差异，更应采取有针对性的措施提高不同人群的公交出行幸福感。

表1 近年来出行幸福感研究Tab.1 Travel well-being studies in recent years

为此，本研究基于贵阳市中心城区调查数据，采用SEM-Logit模型和分层分析法识别山地城市居民公交出行幸福感的影响因素，探讨关注不同地理单元区划中建成环境影响的差异以及出行幸福感影响因素在不同群体的异质性，以期为山地城市相关部门优化公交系统、提升居民出行幸福感建言献策。

1 研究数据与方法

1.1 研究数据

本研究以贵阳市中心城区为研究范围，包括云岩区、南明区全部区域以及白云区、乌当区、观山湖区和花溪区的部分区域，于2022年7月5日至11日，在贵阳中心城区采取面谈访问的方式开展问卷调查。调研地点选取各区域内人流量较大的公交站点，样本的分布按各区域我国第7次人口普查数成比例抽取，各区域抽样人数如表2所示，调查站点与乘客出发地的空间分布较均衡。本次调研对搭乘公交的735位乘客发放问卷，剔除无效问卷，最终选取689份有效问卷作为分析样本。

表2 各区域抽样情况Tab.2 Sampling situation in each region

1.2 变量选取

1.2.1 被解释变量——公交出行幸福感

Ettema等[20]提出的广义幸福感量表包含情绪层面和认知层面，被广泛应用于出行幸福感的研究。本次问卷选取幸福感量表中的出行体验是否良好、出行是否顺利、时间是否紧迫、是否疲惫、是否享受这5个指标来测量公交出行幸福感，采用主成分法将指标划分为一个维度，如表3所示。出行幸福感涉及人们内心复杂的情感，选项需划分更细，从而会产生更好的效果，因此本研究采用7分制[21]。

表3 出行幸福感测量指标Tab.3 Travel well-being measurement indicators

1.2.2 解释变量

通过梳理相关研究文献，选择公交乘客的个体属性、出行属性、研究单元的建成环境以及公交服务满意度与公交资源获得感感知为影响出行幸福感的因素。

(1)个体属性与出行属性。个体属性变量主要包括性别、年龄、职业、月收入、户口(农村或城镇)以及在贵阳的居住时长。出行属性变量包括出行目的、出行持续时长、出行距离、出行时间段以及出行中的换乘次数。

(2)建成环境。结合已有研究及数据的可获取性，人口密度、公共交通站点数量、到城市中心距离、土地利用混合度等是出行幸福感的重要影响因素[6，14，22]。在此基础上，为突出山地城市特点，研究还选取了坡度作为建成环境变量来分析对幸福感的影响，指标设置及问卷选项赋值如表4、表5所示，并按照3类地理区划单元依次提取：基于等距规则划分的1 km四边形规则网络；基于交通小区划分原则[23]划分的交通小区，划分原则中主要考虑了人口数量(2万人左右)、土地利用、公路铁路、河流、绿地等；基于行政单元划分的街道社区。

表4 样本特征变量表Tab.4 List of sample characteristic variables

表5 建成环境变量表Tab.5 List of built environment variables

(3)公交服务满意度。本研究按照乘客从出发地至目的地的过程将乘客对乘坐公交之前、乘坐途中和到达目的地的整个过程中公交服务的满意程度作为公交服务质量的主观衡量标准[25]。选取10个指标，划分为乘车服务满意度、运营服务满意度、站点服务满意度以及乘坐体验满意度这4个维度，采用李克特5分量表测量变量，如表6所示。

表6 主观感知变量Tab.6 Subjective perceived variables

(4)公交资源获得感感知。梅正午等[26]认为“公共服务获得感”是社区居民对所在区域公共服务资源提供的充足性、获取的便利性、分布的均衡性、共享的普惠性等方面的成效感知。阳义南等[27]亦从便利性、充足性、普惠性和均等性4个方面测量8项民生公共服务带给民众的“获得感”。公交亦属于基本公共服务领域，山地城市居民在步行前往公交站点过程中通常会面临上下坡、途径天桥和地下通道，可能会影响居民对公交资源获得的感知，因此研究选取9个指标，划分为均衡性感知、舒适性与便捷性感知、安全性感知这3个维度测量公交资源获得感。因本研究重点考量在山地城市特殊的地理环境条件下地形特征会对居民公交获得感产生怎样的影响，故而在便捷性感知方面设置了2个评价地形感知的指标以及一个评价道路绕行的指标来了解居民对坡度和地形的真实体验，变量描述如表6所示。

1.3 研究方法

出行幸福感作为复杂的心理感知变量，其影响因素既有可直接观测的变量(个人属性、出行距离)，同时也存在较多潜在心理变量(公交乘坐服务满意度、公交资源获得感感知)。而潜变量往往无法直接观测，需进一步细化，形成多层嵌套的变量结构。如直接采用离散选择模型进行解析，则会难以有效阐释各影响因素对出行幸福感的作用关系。因此，郭志芳等[7-13]利用SEM-Logit整合模型，将不可直接测量的主观感知变量加入到Logit模型中，使SEM-Logit模型在预测力上有了较大改进。本研究结合Logit模型与SEM模型的优势，构建包含个人和出行属性、建成环境、公交服务满意度以及公交资源获得感的SEM-Logit整合模型。

1.3.1 SEM模型

SEM模型主要用于描述潜变量与观测变量之间及潜变量与潜变量之间的关系，包括测量模型和结构模型。测量模型主要由潜变量和观测变量组成，各模型方程式[13]见式(1)～(3)，其中外生潜变量的测量方程式为：

x=Λxξ+ε，

(1)

式中，x为外生潜变量的观测变量所构成的向量；Λx为x对ξ的因子载荷矩阵；ξ为外生潜变量构成的向量。内生潜变量的测量方程式为：

y=Λyη+ε，

(2)

式中，y为内生潜变量的观测变量所构成的向量；Λx为y对η的因子载荷矩阵；η为内生潜变量构成的向量。结构方程式为：

η=Bη+Γξ+ζ，

(3)

式中，B为内生潜变量的结构系数矩阵；Γ为外生潜变量的结构系数矩阵；ζ为模型的残差向量；ε为观测误差的向量。

1.3.2 Logit模型

本研究的因变量为出行幸福感，其评判指标是有序的数据结构。为了对样本进行有效解释，选择有序Logit回归方法[11]构建如下模型：

…+βmNm)，

(4)

式中，Yij为出行幸福感；j为因变量的分类；i为第i个出行者；Nm为自变量；βm为自变量系数；α为常数项；Pj为选择幸福感程度j的概率。

2 模型构建

构建SEM-Logit整合模型，如图1所示。

图1 SEM-Logit模型结构图Fig.1 Structure diagram of SEM-Logit model

(1)构建SEM模型。首先建立公交出行幸福感、服务满意度以及公交资源获得感与观测变量、潜在变量间因果关系的结构模型。如图2所示，模型中的测量误差都为正值，潜变量与测量指标间的因素载荷量在0.53～0.9之间，卡方自由度比(CMIN/DF)为3.657<5，适配指数(GFI)为0.909>0.9，渐进残差均方和平方根(RMSEA)为0.062<0.08，调整后适配度指数为(AGFI)0.883>0.8，比较适配指数(CFI)为0.869>0.8，表明模型适配度可接受。模型适配总体符合要求，且变量均对幸福感产生显著影响，结果如表7所示。

图2 SEM模型Fig.2 SEM model

表7 结构方程模型路径系数及估计值Tab.7 Structural equation model path coefficients and estimates

(2)计算各观测变量的权重。对观测变量与潜变量的路径系数(λ1，λ2，…，λn)进行标准化处理，并作为各变量的权重，同时路径系数做标准化处理[27]，计算如下：

(5)

最后利用调研问卷中居民对主观感知问题的回答来计算潜变量的适配值，计算如下：

ξ=A1S1+A2S2+…+AnSn。

(6)

(3)整合模型求解。在求解出SEM模型的潜变量适配值后，需要将其代入Logit模型中进行整合。本研究参考已有研究[28]构建SEM-Logit模型，即含有显变量又有潜变量的效用函数表达式为：

Uin=Vin+εin，

(7)

Vin=∑la′ilsinl+∑qb′iqziqn+∑pc′ijmijn+

∑kdikηikn，

(8)

式中，Uin为居民n选择幸福感程度i的效用函数；Vin为居民n选择幸福感程度i的效用函数固定项目；εin为居民n选择幸福感程度i的随机项；l为居民个人属性变量个数，sinl为个人属性显变量；q为居民出行属性变量个数；ziqn为出行属性显变量；j为建成环境变量个数，mijn为建成环境显变量；k为潜变量个数，ηikn为潜变量；ail，biq，cij，dik为待估参数。SEM描述潜变量与显变量、潜变量与其测量变量之间的相互关系，则通过SEM确定ηikn的表达如下：

ηikn=∑rλiknxirn+ζikn，

(9)

yi，t，n=∑kγiktηikn+ξitn，

(10)

式中，ηikn为潜变量；xirn为与潜变量存在相互关系的显变量；yi，t，n为潜变量对应的测量指标变量；t为潜变量对应的观测变量个数；n为与潜变量存在相互关系的显变量个数；ζikn和ξitn为随机误差项；λikn和γikt为待估参数。

假设出行者n的幸福感程度合集为An，取值范围为1～7，程度逐渐递增，因变量有k个分类，表示为：1，2，…，j，j+1，…，k。选择幸福感程度i的效用为Uin，选择幸福感程度j的效用为Uin，通过引入二值变量ein(ein=0为出行者n不选择程度i，ein=1为出行者n选择程度i)来描述出行者n的幸福感程度：

(11)

根据效用理论，出行者n幸福感程度i的概率Pin可表述为：

Pin=P(Uin>Ujn；i≠j，j∈An)=P(Vin+εin>

Vjn+εjn；i≠j，j∈An)=P{∑la′ilsinl+

∑qb′iqziqn+∑pc′ijmijn+∑kdikηikn+εjn>max

(∑la′ilsinl+∑′qbiqziqn+∑′pcijmijn+∑kdikηikn+

εjn)；i≠j，j∈An。

(12)

假定不同程度幸福感的效用函数中其随机项是互相独立并服从Gumbel分布的，可推导出含有潜变量的 Logit 模型：

Pin=

(13)

最后，将式(6)所求得的适配值按照四舍五入原则划分为1～5个等级，适配值为 0～1.5 赋值为1，1.5～2.5为2，以此类推，大于4.5赋值为5，然后计算各潜变量特征表达式，最后将其代入式(13)进行分析。

3 结果分析

本研究通过SEM计算潜变量的适配值，并利用Arcgis提取3个区划的建成环境指标，连同其他显变量一起导入有序Logit模型来分析山地城市公交出行幸福感的影响因素。通过对比不同区划下的计量结果，能够在一定程度上避免区划效应带来的问题，提高实证结果的可信度。按照年龄将数据分为老年人群体(≥60岁)和非老年人群体，建立2个整合模型来检验两群体公交出行幸福感影响因素的差异。

3.1 山地城市公交出行幸福感的影响因素分析

SEM-Logit整合模型结果如表8所示，其中3个模型的建成环境指标分别从1 km网格分析区、交通小区分析区和街道社区分析区范围提取。结果表明，模型1和2的建成环境与居民公交出行幸福感不存在显著关系。模型3社区常住人口密度、人均路网与公交出行幸福感呈显著正相关，社区人均公交线路长度、出发地至市中心的距离与公交出行幸福感呈显著的负相关，其中社区人均公交线路、至市中心的距离以及人均路网与以往平原城市开展的研究结论一致[7-8，18]，人口密度与以往研究结论存在差异。这可能是因为山地城市“多中心、多组团”的空间分布格局形成了分散聚集的人居空间环境。人口密度大的地区更接近市中心，提供的公交服务较为完善，同时常住人口密度越大，人们结伴出行的概率较高。根据已有研究，邵源等[29]指出结伴出行的幸福感高于单独出行幸福感。同时由结果可知，相比于1 km规则网络和交通小区，街道社区所提取的建成环境与居民公交出行幸福感的关联程度更高，这可能是因为居民日常出行至公交站点的活动范围多处于街道社区，以其为研究单元所提取的建成环境指标较能真实反映居民日常公交出行的建成环境状况。

针对公交服务满意度与公交资源获得感因素，3个模型的回归结果基本一致。公交服务满意度中，人们对公交提供的乘车服务、运营服务以及乘坐体验的满意程度显著影响出行正情绪，这与以往研究结论相类似[7，18]。公交资源获得感中，居民对于公交资源的均衡性感知、舒适性与便捷性感知与公交出行幸福感具有显著正相关，说明山地城市居民在公交出行时由于地形线路的影响，相比于途中的安全状况，更加在意公交资源的分布以及感知坡度和线路绕行情况。其次，客观建成环境中坡度对公交出行幸福感不具有显著影响，但人们对道路坡度的感知评价却与出行幸福感具有显著正相关，这与Ettema等[30]的研究结论相似，认为相比于客观变量的影响，幸福感更容易受到空间环境主观感知的影响。

个人属性与出行属性因素，在3个模型中的回归结果也基本一致，这里仅分析模型3的结果。个人属性中，相对于老年人，青少年公交出行幸福感增加1的概率是老年人的2.2倍，即青少年公交出行幸福感高于老年人，可能是因为老年人的身体机能和出行能力相对于青少年更弱，在山地城市背景下，老年人在至站点途中更容易受到道路坡度及绕行距离较大的影响。同时通过实地调查，大部分公交车的服务设施给予老年人的特殊福利较少，这也可能会导致老年人公交出行的幸福感较低。出行属性中，研究结果均与以往研究相一致，即出行时长与出行幸福感呈显著负相关[7，13]。出行目的为上学与通勤时，出行幸福感低于其他出行目的[13]。出行距离与出行幸福感呈显著正相关[12]。

3.2 异质性检验

表9分别反映了非老年群体与老年群体对公交服务满意度、公交资源获得感以及建成环境和出行幸福感之间关联程度的影响。其中，非老年群体与老年群体的公交出行幸福感都受到公交车提供的运营服务、乘坐体验服务以及居民对公交资源的均衡性感知的显著影响。结果的差异性在于，山地城市非老年群体公交出行幸福感更容易受到乘车服务、人口密度、人均路网、人均公交线路以及至市中心距离的影响，而老年群体更容易受到公交资源的舒适与便捷性感知、土地利用混合都以及坡度的影响。这可能是因为非老年群体公交出行的目的多是通勤和上学，更在意公交车的准点率与发车率，而由于山地城市“多组团”的空间结构，这部分人在公交出行时更加警觉和赶时间；而老年群体多为退休人群，其出行目的多为休闲娱乐(例如去公园、棋牌室等)，因此当所在的街道社区用地混合度越高时，公交出行的正情绪越高，同时，由于老年群体身体机能与出行能力较弱，更容易受到山地城市地形感知以及道路坡度的影响，较大的坡度以及绕行距离更容易造成身体疲惫。

表9 基于年龄的分层回归结果Tab.9 Hierarchical regression result based on ages

4 结论

本研究以山地城市为研究地，引入“获得感，构建SEM-Logit整合模型，探讨山地城市居民公交出行幸福感的影响因素。主要结论与启示如下：

(1)山地城市居民在公交出行时，幸福感更容易受到公交车内服务以及运营服务的影响，这与平原城市的研究结论存在差异[31]。由于山地城市地形起伏大，公交车行车平稳性反而更能显著提高出行的正面情绪，减少疲惫感。

(2)公交资源获得感因素中，公交资源分布均衡、获取过程舒适便捷以及到公交站点的绕行距离、感知道路坡度都显著影响山地城市居民公交出行幸福感。当人们认为周边公交站点以及可选择公交线路越多时，对公交资源的获得感就越强，其出行的情绪越高涨，同时当人们感知社区公交站点分布均匀合理且满足自身出行需求时，出行幸福感就越高。其次，由于山地城市非直线系数及地形起伏较大，当人们认为到公交站点的绕行距离、感知道路坡度较大时，在出行时更容易感到疲惫。在建成环境因素中，人口密度、路网、公交线路以及到市中心的距离都显著影响山地城市居民公交出行的幸福感，归根结底，都是由于山地城市特殊的地形地貌以及“多组团”的空间分布格局。

(3)在山地城市中，基于行政单元划分的街道社区所提取的建成环境指标与居民公交出行幸福感的关联程度更高，这与平原城市的研究结论存在差异[10]。这是由于山地城市地形“包裹性”较强，以行政管辖划分的街道社区更真实地反映了山地居民日常出行的实际活动范围。

(4)满意度、获得感、建成环境与出行幸福感的关联程度因年龄段的异质性存在显著差异。相较于年轻人，山地城市老年群体的出行幸福感更容易受到公交资源的舒适与便捷性感知以及建成环境因素中土地利用混合度和坡度的影响。

综上所述，可以得出如下启示。(1)在道路坡度较大的路段应注重公交车行车速度与颠簸情况，保障乘客安全。(2)在山地城市中道路坡度较大的地区可适当缩减公交站点之间的距离，减少人们的疲惫感，同时在设置站点时应以站点实际可达距离为准，而不是以直线距离测度山地城市公交覆盖范围，布置公交线路时应做到供需平衡、合理利用与分配资源，使其效用最大化。(3)要结合居民在日常生活中的实际活动范围(街道社区)来改善建成环境，来有效提升居民公交出行幸福感。(4)随着中国人口老龄化，城市公交建设应更加关注老年群体的需求。在设施上，可推广“低底盘巴士”，增加公交车内老年人座位以及安全扶手等。在建成环境方面，增加社区医疗、购物、休闲等设施，提供充足的休闲与交往空间，缩减老年人的公交出行距离，有利于其出行幸福感水平的提升。其次，休息程度是影响出行中幸福的重要的因素[17]，因此可在公交站点可达范围内、道路坡度较大的路段，适当增添休息长椅。