南北方老年人出行行为对比研究∗

刘诗序，陈文思，池其源，严 海

(1.福州大学土木工程学院，福建福州350116；2.北京工业大学北京城市交通协同创新中心，北京100124)

南北方老年人出行行为对比研究∗

刘诗序1∗，陈文思1，池其源1，严 海2

(1.福州大学土木工程学院，福建福州350116；2.北京工业大学北京城市交通协同创新中心，北京100124)

为了探索南北方老年人出行行为之间的差异，选取北方城市东营市和南方城市恩平市为研究对象。基于两个城市的居民出行调查数据，对南北方60岁以上老年人群的出行特征进行统计，并进行对比分析。总结了南北方老年人在出行率、出行方式、出行目的以及出行时间上的差异和特点。另外，利用多项Logit模型分别建立南方和北方老年人出行方式选择模型，定量分析南方和北方老年人在出行方式选择的影响因素，并分析两者之间的差异性。研究发现性别、年龄这些个人属性对南北方老年人出行方式选择行为影响不显著，家庭属性对南北方老年人出行方式选择的影响有显著的差异。对于出行时间，则表现出某种出行方式出行时间越长，越不利于老年人选择该种出行方式。

交通工程;老年人;出行行为;出行方式;南北方;Logit模型

我国已经进入老龄化社会，需要在各方面对老年人进行研究，而在交通领域关于老年人出行行为的研究至关重要。虽然我国已经针对部分城市的老年人出行行为开展了相关研究，但研究通常只针对某一城市或某一地区的老年人进行研究，缺乏将不同区域的老年人进行对比研究。我国地域辽阔，尤其是南方和北方由于地理环境、生活习惯等各方面的显著差异，不能简单地将某一地区或城市关于老年人出行行为的相关研究成果直接运用到其他城市。因此有必要对不同区域，尤其是南方和北方城市老年人出行行为进行对比研究，寻找其差异性，为今后南北方老龄化社会制定出行需求政策提供科学依据。

1 国内外研究现状

1.1 国外研究

国外许多国家比我国更早地进入老龄化社会。面对人口老龄化问题，这些国家对于老年人出行行为方面开展了深入研究，以应对老龄化对城市交通带来的影响。下面对国外的具有代表性的研究成果进行总结。

文[1]根据西方发达国家(美国、英国、荷兰、澳大利亚、加拿大等)老年人出行相关信息，总结了老年人出行机动性需求以及个人的出行方式。文[2]通过对居住在德国北威州60岁以上的老年人进行电话采访来收集相关数据，分析老年人出行行为最主要影响因素，不同类型的老年人群表现出不同的机动模式，同时在影响因素上也表现出明显的差异。文[3]等利用2002～2005年英国苏格兰居民出行调查数据，发现老年人群严重依赖于小汽车出行，与年轻人群相比，倾向于短距离出行。文[4]基于2009年美国针对高龄夫妇(平均年龄在68岁)的调查数据，利用回归模型得出参与户外活动和社交的老年人能享受更好的出行机动性，同时也指出具有较高幸福感的老年人拥有更好的生活质量，模型研究结果还表明老年人的生活质量与出行机动性相关。文[5]利用2009年荷兰居民出行调查数据，对比分析老年人群与其他年龄段人群的平均出行时间、平均出行距离、平均出行次数的差异性，结果显示两者的出行行为特征并没较明显的差异。文[6]利用2006～2011年丹麦居民出行调查数据，比较老年人群(65～84岁)与对比人群(18～64岁)在土地利用性质、社会经济条件、城市形态下的出行行为。结果发现两者的出行方式存在明显的差异，且其城市形态对老年人的出行方式有密切的关联。

国外相关研究成果对理解我国老年人出行行为特征及其影响因素提供了许多有益的参考，但是鉴于国内外在社会经济、文化生活等方面存在差异，国外结论不能直接运用于我国老龄化社会的交通规划设计上。而国外关于出行者的出行行为相关研究方法是值得借鉴的。

1.2 国内研究

自我国开始进入老龄化社会以来，老龄化问题在交通领域的研究成果较少。

文[7]根据各城市的居民出行调查数据，分析老年人外出活动的空间分布，总结老年人的出行特征。文[8]以2005年北京市居民出行调查数据中的部分老年人出行行为信息为基础，对老年人出行行为进行研究，分析了不同年龄段老年人出行行为的变化情况，对城区与郊区的老年人出行行为进行对比分析。文[9，10]以2005年北京市第三次全市居民出行调查数据为基础，通过建立老年人出行选择行为模型进行分析，结果显示:性别、年龄、是否持有驾照、月票、家庭月收入、家庭交通工具拥有情况等对于老年人出行选择行为有影响，并分析了各影响因素对老年人出行选择行为的影响程度。文[11]利用北京市部分老年人进行问卷调查，通过统计分析得出北京市老年人的出行特征。文[12]通过对昆明市部分老年人进行一周连续跟踪问卷调查，利用所得数据对老年人一周出行活动规律进行了研究。并对老年人一周出行行为实行可视化处理分析，得出相关特征。此外，还对城市老年人出行行为影响因素及影响机理进行建模分析，得出城市老年人出行行为有直接影响的不是属性间差异，而是活动的不同。文[13]通过分析发现个人属性及家庭属性之间的差异均对老年人和年轻人的出行目的有显著的影响。文[14]通过建立老年人日常行为模型，来判断老年人行为是否出行异常行为，并通过实验证明了该方法对老年人行为异常检测有较高的精度。

国内现有对老年人出行行为的研究，仅仅局限于某一城市老年人出行行为的研究，未能体现出不同地区之间的差异性。针对这一问题，本文基于山东省东营市2011年的居民出行调查数据和广东省恩平市2013年的居民出行调查数据，从中筛选出60岁及以上老年人群作为研究对象，得到老年人的个体属性、家庭属性及出行行为等相关数据，经过整理，北方城市东营市的老年人样本数为374，南方城市恩平市的老年人样本数为331。基于统计方法和非集计模型，对比分析南北方老年人的出行行为特征，研究南北方老年人出行行为之间的差异。

2 南北方老年人出行行为特征分析

2.1 出行率对比分析

通过统计得出，北方城市东营市老年人均出行率为2.45次/天，而南方城市恩平市的老年人均出行率为2.74次/天。南方老年人的出行率要高于北方老年人的出行率，说明南方老年人对外出行活动较为活跃。

2.2 出行方式对比分析

南北方城市老年人选择各种出行方式的比例如图1所示。从统计结果可知，步行是老年人最主要的出行方式。在实际生活中，老年人出行一般以短距离出行为主，而短距离出行一般采用步行方式，这是老年人步行出行方式所占比例这么高的原因。

另外，值得注意的是，北方城市老年人选择公交方式出行所占的比例明显高于南方城市老年人。电动车方式上，则是南方老年人大于北方老年人。小汽车和出租车两类出行方式上，南北方老年人的比例都处于较低水平。自行车出行方式上，南北方城市老年人的比例分别为12.0%和9.2%，两者差距不大，这一比例也能够说明南北方城市老年人的身体机能都处于较好的状态。

图1 出行方式分布

2.3 出行目的对比分析

为了更好地进行南北方城市老年人出行目的的比较，筛选出主要的出行目的进行比较，并删除“回家”这个出行目的。南北方城市老年人各项出行目的具体占比情况如图2所示。

由图可知，购物是老年人最主要的出行目的，其次是文化娱乐。以购物为目的的出行中，北方城市老年人要高于南方城市老年，而以休闲娱乐为目的的出行，则是南方要高于北方，这也说明承担购物这样的家庭劳务出行多了，则休闲娱乐的机会会变少。探亲访友目的方面，则南北方老年人无明显差异。

值得注意的是，老年人以上班为出行目的的出行，南方城市老年人所占比例为9.4%，北方占总出行的11.2%，这个数据表明南北方城市60岁以上老年人上班的比例还是比较高的。

图2 出行目的分布

2.4 出行时间特征对比分析

南北方城市老年人出行出发时间分布如图3所示。由图可知，老年人出行主要集中在上午时段(5∶00～12∶00)，且上午时段出行均占全天出行的70%以上，说明老年人更倾向于上午出行。

南方城市老年人出行早高峰发生在8∶00～8∶59时间段，而北方城市老年人的出行出发时间在9∶00～9∶59时间段形成明显的高峰，要晚于南方。

图3 出行出发时间分布

出行时耗是指出行者在一次出行过程中所使用的时间。南北方城市老年人的出行时耗分布如图4所示，南北方老年人的出行时耗分布情况无较明显的差异。老年人在出行上使用的时间在11～30 min所占的比例最大，均在50%以上，其次是10 min以内的出行时耗，比例均在为30%以上。老年人在出行上花费的时间超过一个小时的仅占很小部分。

图4 出行时耗分布

3 南北方老年人出行方式选择模型分析

采用非集计模型描述南北方老年人出行方式选择行为。假设第n个老年人选择第i个出行方式的效用值为Uin，Jn为出行方式集合，且i∈Jn。效用函数可用式Uin＝Vin+εin表示，其中，Vin为固定项，εin为随机误差项。假设随机项相互独立，且服从均值为0的Gumbel分布，那么第n个老年人选择第i种出行方式的概率为[15]:

效用函数Vin与老年人的个人属性、家庭属性以及选择方案属性之间有多种关系，在这里认为它们之间线性相关。假设为第k属性变量所对应的未知参数。Xink为第n老年人的第i个选择方案中所包含的第k个属性变量，则:

3.1 模型标定

南北方老年人出行方式选择的集合:步行、自行车、电动车、小汽车、公交车、出租车。同时将年龄、性别、家庭月收入、家庭是否有小汽车、家庭是否有自行车、出行目的以及出行时间这些属性作为南北方老年人出行方式选择模型的影响因素，对南北方老年人出行方式选择建立多项Logit模型，并估计南北方老年人出行方式选择模型中各变量的参数，以及检验模型精度的一些主要的统计量。

1)对北方老年人出行方式选择模型进行标定，经过逐步筛选变量，其最终结果见如表1。

2)利用南方老年人出行数据，建立老年人出行方式选择模型，经过逐步筛选变量，其最终标定结果见如表2。

表1 北方老年人出行方式选择模型标定结果

表2 南方老年人出行方式选择模型标定结果

3.2 结果分析

从南北方老年人出行方式选择模型检验的结果来看，南北方老年人出行方式选择模型的精度都能达到较好的效果。从模型标定的结果得知:性别、年龄这些个人属性均对南北方老年人出行方式选择的影响不显著，对南北方老年人出行方式选择都有影响的变量有:家庭月收入、家庭有无小汽车和自行车以及出行时间。另外，南方老年人出行方式选择模型中还要考虑出行目的这一变量，而该变量不对北方老年人的出行方式选择行为产生影响。

根据南北方老年人出行方式选择模型各变量的参数估计值，可以定量地分析各变量对南北方老年人出行方式选择行为的影响。北方老年人出行方式选择模型中，家庭月收入这个变量的参数标定的结果为正值，而南方的为负值，说明对于受家庭月收入因素影响的出行方式，能增加北方老年人对于该出行方式选择的概率，而南方的则相反。拥有小汽车和自行车均能增加南北方老年人选择小汽车和自行车出行的概率，但北方老年人的参数估计值要大些，因此这两个变量对北方老年人出行方式选择的影响要更大些；而各种出行方式的出行时间则对南北方老年人出行选择产生负相关，这正说明一般某种出行方式的出行时间越长，越不利于老年人选择该种出行方式。同时，出行时间这个变量对南方老年人出行方式选择的影响要大些。此外，出行目的这一变量仅对南方老年人出行方式选择产生影响，且为负影响。

4 结论

本文基于南方城市恩平市和北方城市东营市的老年人出行调查数据，对比分析了南北方老年人出行的基本特征，分别对南北方老年人出行方式选择的影响因素进行了较为详细的研究。通过对南北方老年人出行特征的对比分析中，总结出南北方老年人在出行率、出行方式、出行目的以及出行时间上的特点和差异。利用多项Logit模型，分别建立了南北方老年人出行方式选择模型。通过检验得到性别、年龄2个变量均对南北方老年人出行方式选择影响不显著。而家庭属性对南北方老年人出行行为的影响存在显著的差异。本文建立的南北方老年人出行方式选择模型可以为深入研究南北方老年人出行行为特征提供参考。

[1]ALSNIH R，HENSHER D A.Themobility and accessibility expectations of seniors in an aging population[J].Transportation Research Part A，2003，37:903-916.

[2]HAUSTEIN S.Mobility behavior of the elderly:an attitude-based segmentation approach for a heterogeneous target group[J].Transportation，2011，39:1079-1103.

[3]LIH，RAESSIDE R，CHEN T，et al.Population ageing，gender and the transportation system[J].Research in Transportation Economics，2012，34:39-47.

[4]RAVULAPARTHY S，YOON SY，GOULIASK G.Linking Elderly Transport Mobility and Subjective Well-Being[J].Transportation Research Record，2013，2382:28-36.

[5]YANG D J，TIMMERMANSH，GRIGOLON A.Exploring hetero-geneity in travel time expenditure of aging populations in the Netherlands:results of a CHAID analysis[J].Journal of Transport Geography，2013，33:170-179.

[6]FIGUEROA M J，SICKNIELSEN T，ANUSIREN.Comparing urban form correlations of the travel patterns of older and younger adults [J].Transport Policy，2014，35:10-20.

[7]毛海虓，任福田.中国老年交通特征、问题与对策研究[J].重庆建筑大学学报，2005，27(3):30-33.

[8]张政，毛保华，刘明君，等.北京老年人出行行为特征分析[J].交通运输系统工程与信息，2007，7(6):11-20.

[9]陈团生，岳芳，杨玲玲，等.老年人出行选择行为影响因素研究[J].西南交通大学学报，2007，8(5):17-21.

[10]陈团生.通勤者出行行为特征与分析方法研究[D].北京:北京交通大学，2007.

[11]夏晓敬，关宏志.北京市老年人出行调查与分析[J].城市交通，2013，11(5):44-52.

[12]李琳.城市老年人出行行为及其影响机理研究[D].昆明:昆明理工大学，2014.

[13]徐奥林.基于出行者特性的出行行为研究[D].北京:北京交通大学，2014.

[14]刘翔，邹婷婷，李仁旺，等.基于HMM模型的老年人出行异常检测[J].浙江理工大学学报，2015，33(3):410-413.

[15]关宏志.非集计模型—交通行为分析的工具[M].北京:人民交通出版社，2004.

(责任编辑:曾 晶)

Com parison of the Elderly Travel Behavior in the South and the North of China

LIU Shixu1∗，CHENWensi1，CHIQiyuan1，YAN Hai2

(1.School of Civil Engineering，Fuzhou University，Fuzhou 350116，China；2.Beijing Collaborative Lnnovation Center for Metropolitan Transportation，Beijing University of Technology，Beijing 100124，China)

In order to explore the difference of the elderly travel behavior between the south and the north of China，a northern city named Dongying and a southern city named Enping were selected as the research objects. Based on the data of the residents’travel survey in two cities，the travel characteristics of the elderly aged over 60 were analyzed and compared.The differences of travel rate，travelmode，travel purpose and travel timewere analyzed.In addition，themultinomial Logitmodels of the elderly travelmode choice behavior in the south and the north were established so as to analyze and compare the impact factors of the elderly travelmode choice behavior in these two regions quantitatively.The results indicate that the individual attributes have no significant effect on the elderly travelmode choice behavior，such as gender and age.But the family attributes have significant effect on the elderly travelmode choice behavior.The longer the travel time，the less conducive to the elderly to choose this kind of travelmode.

traffic engineering；the elderly；travel behavior；travelmode；the south and the north；Logitmodel

U491

A

1000-5269(2016)04-0123-05

10.15958/j.cnki.gdxbzrb.2016.04.25

2016-12-31

国家自然科学基金项目(51308126，51378036，51308018)；福州大学科研启动项目(0460-022501)；福州大学科技发展基金资助项目(2013-XY-26)

刘诗序(1983-)，男，讲师，工学博士，研究方向:交通规划，Email:liushixu＠fzu.edu.cn.

∗通讯作者:刘诗序，Email:liushixu＠fzu.edu.cn.