基于SSEEMM的运输通道出行方式选择决策机理研究

胡 骥 刘 艳 张 艳 胡万欣

1. 西南交通大学，交通运输与物流学院，成都 610031

2. 湖北楚天高速公路股份有限公司，武汉 430074

3. 武汉铁路职业技术学院，武汉 430205

0 引 言

出行者心理决策与出行选择行为之间存在着一定的关联性，出行决策过程涉及到许多影响出行结果但无法直接观测的潜在因素。结构方程模型（SEM）正是一种从微观个体出发探讨宏观规律的量化研究的工具，它融合了回归分析、因素分析等统计技术，可不直接观察概念，以潜在变量的形式加以估计[1]。

国内外学者已将 SEM 引入到出行行为研究领域中，Lu和 Pas等以个人、家庭的社会经济因素以及活动方式作为影响出行行为的变量，运用结构方程模型，探讨通勤者的活动参与、社会影响和出行行为之间的因果关系[2]。Deutsch K. 等通过结构方程模型分析居民对周边日常生活环境的感受与出行行为之间的关系[3]。Nurlaela S. 等建立了住宅区位与出行方式选择行为之间的关系模型体系[4]。杨励雅和邵春福等以出行链为分析单元，建立了影响因素与出行方式之间的结构方程模型[5]。李霞[6]、赵昕[7]应用结构方程模型探讨了假日居民各种活动和出行之间的相互影响关系。景鹏和隽志才以计划行为理论为基础，采用结构方程模型方法对影响都市圈城际出行方式选择行为意向的因素进行了实证分析[8]。曹小曙和林强从微观的社区层面研究城市居民的出行行为，分别建立了居民出行选择和出行决策两个结构方程模型[9]。任威廉和董士伟等针对国道客运特性，构建包含票价合理性、整体服务品质、感知价值、服务场景与等候经验对乘客行为意向的因果结构模型[10]。陈坚和杨亚璪等从潜变量与显变量角度，构建了公交方式选择行为结构方程模型，分析了各种影响因素之间的定量关系，以及对选择结果的影响作用大小[11]。

本文从出行行为产生的内在机理入手，通过分析运输通道内出行者出行全过程，构建了出行决策过程模型，并且概括出影响出行方式选择的因素，运用结构方程模型分析各潜在影响因素对出行结果作用大小。

2 运输通道出行全过程分析

在对外出行中，出行者不仅考虑通道内出行方式的服务特性，接续出行中的便捷性、快速性和经济性等也是需要考虑的因素。因此，出行者出行方式选择的研究不能局限于运输通道内，应该扩展至由出发地到目的地的出行全过程，从而掌握出行规律。运输通道出行包括起讫区域市内出行和运输通道内出行两大部分，涉及一系列活动，具体可以分为三个阶段（见图1）：

图1 运输通道出行者出行全过程示意Fig.1 The whole process of passenger travel in a transportation corridor

Ⅰ阶段，即出发点的接续出行。出行者从出发地O点出发，到达城市对外交通枢纽。此过程可以包括多次（多方式）换乘衔接。

Ⅱ阶段，即通道内出行。从出发城市对外交通枢纽，乘坐通道内运输工具，经由区域运输通道内相应的运输线路，到达目的地城市对外交通枢纽，此阶段为整个出行过程的主体，在整个过程中运距最长。

Ⅲ阶段，即目的地接续出行。出行者从目的地城市对外交通枢纽到达终点D的过程。

3 出行方式选择决策机理

出行选择行为可分为两部分：一是出行前决策过程；二是出行者的实际行动。前者是出行前的心理活动和行为倾向，属于总体出行态度形成过程，且往往具有决定性作用。

3.1 出行决策过程模型

本文借鉴经典的消费者决策EKB模型构建了出行者的决策过程模型，将出行者决策过程划分为需求确认、信息搜寻、方案评估、选择行为、结果评定五个阶段，如图2所示。

图2 出行方式选择行为决策过程Fig.2 Decision-making process of trip mode choice

在以上五个阶段中，方案评估起了决定性的作用。方案评估内容包括：①评估准则，即出行者用来评估出行方案（方式）的标准，通常以某种属性或指标来表示，评估准则由个人累积的信息和经验形成，但也会受到个人动机的影响。②信念，即出行者对各方案在各项评估准则上的评价。③态度，即出行者对各方案在各评估准则上的有利或不利的反应。④意向，即出行者选择某一特定方案的主观概率。

并不是每个出行者的决策都会依次经历这五个步骤。交通出行是人们生产生活中很重要的一个方面，许多人对出行方式的选择完全是习惯性行为，如图2右半部分所示。当产生出行需要后，出行者无需过多信息搜集或比较即可决策并付诸行动，事后也很少过多评价。

3.2 影响出行者方式选择的因素

出行者做出选择决策时，受许多因素的影响。根据变量能否直接被观测，影响因素又可分为显性变量和潜在变量。显性变量可以直接观察或测量，如年龄、性别、职业、收入、是否拥有私家车及家庭规模等。潜在变量是无法测量或观察的变量，如文化、经验、群体因素等。从出行者自身角度，可以大体归纳为两类：内部因素和外部因素。

1）内部因素

（1）出行者个性（或人格）特征。出行者个性是指出行者在出行活动中，表现出来的独特的思维、情感和行为模式。个性包括多种成分和特质，如能力、气质、性格、价值观、行为习惯等。

（2）人口统计因素，即个人特征和社会经济属性，如性别、年龄、收入、教育程度、是否拥有小汽车等。

（3）出行特性。主要包括出行时间分布、出行距离和出行目的。对于不同的出行特性，出行者所关注的出行产品的属性是不同的。

（4）出行者知识和经验。知识指储存在记忆中的信息，如某出行方式的服务特性、票价、下车在哪换乘等。出行者的知识与经验直接影响着决策过程中的信息搜寻与方案评估阶段。经验不仅包括了记忆中的感觉、知觉信息，还包括一定的情感，如态度。

2）外部因素

（1）文化因素。文化通过一系列的价值、知觉、偏好等的观念，间接影响并指导着出行者行为的观念、价值观和习惯。影响出行活动的社会文化主要是指存在社会中某些群体所特有的价值观和行为模式。

（2）群体因素。群体因素主要来自家庭、所处社会阶层、参照群体：家庭结构和特征（如家庭的人口规模、成员年龄、教育程度等）对每位家庭成员的出行行为有密切的关系；社会阶层是指具有相同或类似社会地位（职业、教育程度、收入、财产等）的社会成员组成的相对稳定的群体，不同的社会阶层在选择过程、购买方式以及信息获取与处理上都会存在着明显差异；参照群体是一种实际存在或想象的群体，作为个体判断的依据或榜样。

（3）交通环境。这里主要指出行者出发地以及目的地区域交通基础设施的配置与布局、各出行方式的交通供给情况等。

（4）出行方案属性，即出行者方式选择决策时评价的对象。一般方案属性主要包括：出行总时间、全程费用、方便性、舒适性、安全性、准时性等。

3.3 出行者方式选择影响因素的作用过程

出行者经过内外部出行信息收集后，首先结合自身和出行特性，过滤掉不符合资源（时间、费用、交通工具等）约束的出行方式；然后通过大脑中已设置的评价标准对过滤后的备选方案各属性进行评分，综合考虑得到各方案效用值集合，并且可能再次参考资源约束条件，从该集合中选取最满意的方案；最后得到出行行为意向，实践出行行为。在出行过程中或完成旅程后，出行者会对方案形成感知，出行方案的满意程度就取决于最初期望与实际的感知水平，感知低于期望水平就会导致不满，反之则会表示满意。本次出行的感受将可能使出行者修改对某出行方案的认知、态度。具体影响因素作用过程如图3所示。

图3 出行方式选择行为影响因素作用过程Fig.3 Action process of the factors influencing mode choice

4 基于SEM的运输通道出行选择行为模型

4.1 模型的构建基础

4.1.1 潜在变量的确定

目前，国内研究运输通道出行者方式选择的研究，大都将影响因素归为宏观因素和微观因素，宏观影响因素为国家、地方的政策和地理环境的方面的因素，微观影响因素均是从出行者自身基本因素、出行特性及交通设施服务水平上考虑。然而，运输通道内出行者出行决策最终还是在出行方案服务水平上的考虑，且受到自身基本因素（资源）的制约，因此，本文由出行方案的属性构造潜变量。出行方案服务属性是出行者选择时最终评价的对象，可归为方便性、安全性、舒适性、经济性和快速性等因素。各变量的相关概念解释如表1所示。

表1 研究变量的相关概念Tab.1 Relative concepts of the variables

4.1.2 观测变量的选择

选择观测变量，也是设定测量模型的过程，所选择的观测变量须全面反映潜变量所涵盖的全部内容。此外，由于不同的出行方式各自的属性不同，所以观测变量需要做相应变化。

1）方便性。本研究中设计的观测变量包括“我到车站很方便”、“下车后，从车站到目的地很方便”、“每天发车班次多”、“购买车票容易”等项目。

2）舒适性。包括乘车舒适度、服务环境方面，具体的观测变量有“座位很舒服”、“车内提供的服务设施齐全”、“车厢内清洁干净”和“乘车总体上感觉舒适度不错”等项目。

3）安全性。安全性主要是出于对人身、财产方面的考虑。设计了“发生交通事故可能性很低”、“进站安检，对车内安全性很放心”、“对自己的财产安全很放心”和“有警察维护候车、乘车秩序，很放心”等观测变量。

4）经济性。本研究中设计的观测变量有“票价格很合理”、“从出发地到车站的车费不多”、“下车后，从车站到目的地的车费不多”、“下车后，从车站到目的地的车费不多”等外显变量来测量经济性这一潜在变量。

5）快速性。用“这次出门，坐车很快”、“从家到车站所花的时间不长”、“下车后，从车站到目的地所花的时间不长”和“从出发地到目的地，路上所用的总时间我很满意”等观测变量测量即可。

6）感知价值。本研究中为设计的观测变量分别为“花这个车费，坐车值得”、“在目前的车票价格下，我总体上感觉很满意”和“选择该方式比乘坐其他交通方式感觉更好”。

7）出行者行为意向。行为意向设计的观测变量包括“选择这种方式出行的可能性最大”、“很乐意鼓励周围亲友选择该方式”和“愿意再次选择这种方式出行”。

4.2 模型构建

本文通过有关个人感受的潜在变量，探讨出行者选择行为意向是否受到自身对于出行方案的感知价值的影响。研究假设行为意向受感知价值影响，感知价值受方便性、舒适性、安全性、经济性和快速性变量影响。基于此可以得到构架图5。

SEM 分析必须建立在一定的理论基础之上，这里提出了以下研究假设：H1为出行者关于方便性的感受会对感知价值有正向的直接影响关系；H2为出行者关于安全性的感受会对感知价值有正向的直接影响关系；H3为出行者关于舒适性的感受会对感知价值有正向的直接影响关系；H4为出行者关于经济性的感受会对感知价值有正向的直接影响关系；H5为出行者关于快速性的感受会对感知价值有正向的直接影响关系；H6为出行者的感知价值对行为意向有正向的直接影响关系。

图5 运输通道出行方式选择行为结构图Fig.5 Mode choice model structure in a transport corridor

以jη（j=1,2）表示模型潜在内生变量，分别为感知价值、出行行为意向；iξ（i=1，2，3，4，5）表示外生潜变量，分别为方便性、舒适性、安全性、经济性、快速性。可以写出结构方程模型：

式（1）~（3）中，X、Y分别为ξ、η的测量变量矩阵，、、BΓΛ是回归系数矩阵，、δε是协方差矩阵。

5 实例分析

根据前述分析设计问卷，选取成渝运输通道内三种常见旅客出行方式（铁路、客运汽车、私家车）为研究对象，通过问卷访问各方式收集资料。本研究认为出行决策的形成很大程度上源于人们对出行方案的主观感受（即潜在变量），问卷设计的重点就在于对潜变量的测量。问卷采用7点式Liker量表，分别对各潜在变量进行了调查。在SPSS中对问卷项目进行信效度检验后，得到最终问卷。正式调查于 2014年9月15至2014年9月16日（周三至周五）组织开展，共发放问卷2000份，剔除不认真填答、缺失值、连续性选择极端值，最终有效回收问卷1734份。

5.1 模型的标定

基于以上概念模型，在AMOS软件中进行计算。本研究分别针对三种不同方式出行者出行行为，得到铁路、客运汽车和私家车三种出行方式的回归系数和路径系数，分别见表2和表3。

如表3显示结果可知，本研究所提出的6个假设都显著成立，感知价值对行为意向的标准化路径系数均在 0.7以上，表明了感知价值对行为意向具有正向的显著影响效果。在不同的出行方式中五个出行方式服务水平潜变量对感知价值的影响有所差异。在铁路出行方式中，经济性对感知价值的路径系数在 5个影响因素路径系数值最高，说明选择铁路出行的旅客对经济性的重视高于其他因素；方便性对感知价值的路径系数最低，表明方便性对感知价值的解释不显著。在客运汽车出行方式中，快速性对出行者选择行为影响最显著，而舒适性对感知价值的路径系数最小，解释力最弱。在私家车出行中，快速性、舒适性和安全性对感知价值的路径系数均在0.25左右，影响程度近似。

表2 三种出行方式测量模型参数Tab.2 Measurement model parameters of the three trip modes

表3 三种出行方式行为分析结构模型参数估计结果Tab.3 Structural model parameters of the three trip modes

5.2 模型的评价

由 AMOS得到的回归系数参数信息显著性以及Modification Indices提示，将模型进行多次修正，得到各项拟合指标。模型以卡方值与其自由度比值（2/dfχ）进行检验，若2/dfχ值小于5，说明模型拟合度良好，并结合拟合优度指数（GFI）、调整自由度的拟合优度指数（AGFI）和近似均方跟（RMSEA）等拟合指标进行判断[1]，结果见表4。

表4 模型拟合效果评价指标检验结果Tab.4 Results of the model fitting test

由此可见，本研究的拟合指标已符合或基本接近要求，表示结构框架达到标准要求。

6 结 论

本文围绕出行者个人决策过程，通过分析出行者出行全过程，借鉴消费者决策模式构建了出行决策过程模型，概括出影响出行方式选择的因素。以成渝运输通道内三种出行方式为例，运用SEM技术验证了各影响因素对出行选择行为的作用机理。各出行方式结构模型标准化路径结果表明，感知价值对出行行为意向有正面显著性影响，出行者选择铁路的重要影响因素是经济性和快速性，选择客运汽车的出行者更偏爱的是客运汽车快速性和方便性，而私家车出行者则更青睐私家车的方便性、舒适性和快速性。

[1] 吴明隆.结构方程模型—AMOS的操作与应用[M].重庆：重庆大学出版社，2010.

[2] Lu Xuedong, Pas Eric I. Socio-demographics, activity participation and travel behavior[J]. Transportation Research Part A: Policy and Practice, 1999,33(1):1-18.

[3] Deutsch K., Yoon S. Y., Goulias K. Modeling travel behavior and sense of place using a structural equation model[J]. Journal of Transport Geography,2013,28(4):155-163.

[4] Nurlaela S., Curtis C. Modeling household residential location choice and travel behavior and its relationship with public transport accessibility[J].Procedia – Socialand Behavioral Sciences, 2012,54(4): 56-64.

[5] 杨励雅，邵春福，李 霞.城市居民出行方式选择的结构方程分析[J].北京交通大学学报，2011，35(6)：1-6.

[6] 李 霞，邵春福，孙壮志.基于结构方程的节假日居民出行和活动关联性建模分析[J].交通运输系统工程与信息，2008，8(6)：91-95.

[7] 赵 昕，关宏志，巩丽媛.基于结构方程的家庭假日外出活动关联性分析[J].交通运输系统工程与信息，2011，11(4)：85-89.

[8] 景 鹏，隽志才.人口统计特征对都市圈城际出行方式选择行为意向影响分析[J].统计与决策， 2013，20：75-78.

[9] 曹小曙，林 强.基于结构方程模型的广州城市社区居民出行行为[J].地理学报，2011，66（2）：167-176.

[10] 任威廉，董士伟，吕堂荣.服务场景与等候经验对国道客运乘客行为意向与选择行为之影响[J].运输计划季刊，2005,34（3）：413-442.

[11] 陈 坚，杨亚璪 等.基于SEM的城市公交方式选择行为模型[J].交通运输系统工程与信息，2014，14（5）：202-215.