考虑通勤满意度的出行方式选择研究*

王晓静， 杨建坤， 张小七

(昆明学院， 云南 昆明 650214)

伴随城市交通高质量发展的不断推进，通勤者越加在乎通勤本身带来的体验感和舒适感，对通勤活动的整体感知评价不断影响人们出行方式选择的意愿及行为。如何提高对通勤过程的满意度和主观幸福感，从而优化出行方式结构，满足人民需求，实现可持续的交通发展目标成为关注焦点。付学梅等研究发现通勤者对某种出行方式的态度不仅影响他们对该种方式的选择，还会影响对其他方式的选择；张倩等把乘客心理认知作为交通方式选择的主要影响因素；李红昌等以北京市为例，研究发现通勤者对出行方式的潜在喜好或厌恶会显著影响其出行方式选择；严海等研究表明主观幸福感对小汽车通勤群体是否改变他们的出行方式具有显著影响；景鹏等研究结果表明通勤者心理潜变量对其通勤方式选择具有显著影响。这些研究分析了态度、心理潜变量、主观幸福感和感知价值等主观变量与出行方式选择间的关系，为研究通勤者主观感知变量对方式选择行为的影响开启了新视角，但未探讨通勤者对通勤活动本身感知评价产生的满意程度(即通勤满意度)对出行方式选择行为的影响。该文以昆明市为例，引入国外较常用的通勤满意度量表测度549名受访者的通勤满意度，并将其划分为不满意、基本满意、比较满意3个等级，通过描述性统计呈现不同通勤方式群体的通勤满意度分布特征，运用非参数检验法识别通勤满意度、通勤时间、职住区位分隔程度等单个变量对出行方式选择的解释是否显著，并建立多元Logistic回归模型综合分析这些变量与出行方式选择的相关关系，揭示通勤满意度对出行方式选择的影响，为提高通勤满意度的个性化政策制定提供参考。

1 样本数据来源

于2020年12月和2021年1月分别在昆明城区5个具有代表性的区域商业中心开展随机抽样调查，共收回730份问卷，剔除其中存在缺失信息的问卷，获得有效问卷549份。问卷主要涉及以下内容：1) 通勤满意度信息，借鉴文献[7]中的出行满意度量表对通勤满意度进行测度；2) 通勤者的出行方式选择，主要分为公交车、小汽车(私家车、共享汽车、出租车)、电单车、地铁和慢行交通(步行、骑行)五类；3) 通勤者的个人信息，包括性别、年龄、职业、收入、受教育程度、工作位置和居住位置等。样本构成见表1。

表1 样本构成特征及变量赋值

续表1

2 描述性统计及分析

如图1所示，不同出行方式通勤群体的通勤满意度样本占比存在明显差异。慢行通勤群体的比较满意样本占比最高(52%)，公交最低(21%)，其他三类通勤方式群体的通勤满意度样本占比分布相似。相反，慢行通勤群体的通勤不满意样本占比只有7%，而这类样本在公交车通勤群体中为21%。说明公交车通勤给人们带来相对负面的感知评价，而步行和骑行通勤给人们带来相对较高的满意度。

图1 不同通勤方式下通勤满意度的样本占比

如图2所示，不同通勤方式人群的职住分隔程度的样本占比存在明显不同。公交、地铁和小汽车通勤群体中职住位置在同一个区域的样本占比只有50%左右，同样的指标，电单车通勤群体为66%，而慢行通勤群体高达78%。说明通勤方式选择和职住区位关系存在一定关联，职住区域在同区域的人群选择慢行交通通勤的比例更大；而职住区位分隔越远，选择公交、小汽车、地铁通勤的比例越大。

图2 不同通勤方式下职住匹配的样本占比

如图3所示，不同通勤方式群体在不同通勤时间段内的样本占比存在显著差异。选择慢行方式的通勤群体花费的通勤时间多数集中在20 min内，该样本占比超过80%；同样的指标，选择公交车、小汽车、地铁通勤的样本分别只有24%、37%和33%。48%公交车通勤者的通勤时间在50 min以上，47%小汽车通勤者的通勤时间为20～50 min。说明通勤时间和通勤方式之间存在必然的联系，慢行通勤所需通勤时间较短，公交、小汽车通勤消耗的通勤时间较长。

图3 不同通勤方式下实际通勤时间样本占比

为进一步分析通勤满意度、职住关系、通勤时间3个变量对通勤方式选择分布是否存在统计意义的显著性差异，利用SPSS软件进行非参数检验(单因素检验)。检验结果表明不同的通勤满意程度(P<0.055)、不同的职住区位分隔程度(P<0.061)、不同的通勤时间区段(P<0.001)均能显著解释通勤方式选择的分布差异情况，说明在分析通勤方式选择行为时，有必要将这3个变量作为自变量整合进选择模型中。

3 出行方式选择模型构建及分析

3.1 模型构建

多元Logistic回归模型为概率型非线性回归模型，是研究无序多分类因变量与自变量之间关系的多变量分析方法。

效用函数如下：

Uin=Vin+εin

(1)

式中：Uin为第n个出行者选择第i种出行方式的效用函数；Vin、εin分别为第n个出行者选第i种出行方式效用函数中的固定项和随机项。

假设效用函数中随机项ε服从二重指数分布，则第n个出行者选择第i种出行方式的概率为：

(2)

式中：Vjn为第n个出行者选择第j种出行方式效用函数中的固定项；xink、xjnk分别为第n个出行者选择第i、j种出行方式的第k个特征变量。

3.2 变量参数标定

为研究解释变量对出行方式的解释作用，选取通勤方式、居住位置、工作位置、实际时间、通勤满意度和个人信息作为解释变量。解释变量的参数编号见表3。

3.3 模型结果分析

多元Logistic回归模型结果见表3。

表2 解释变量的参数编号

表3 多元Logistic回归模型结果

续表3

由表3可得4个多元Logistic模型分别为：

0.453x19

(3)

0.882x10+1.578x14-0.682x16+2.597x19

(4)

1.459x9+0.743x10+3.131x14+2.491x15+

2.776x18+0.731x19

(5)

1.957x14+1.003x15+0.552x18+0.726x19

(6)

(1) 通勤满意度变量的估计系数都为正，说明相对于慢行(步行或骑行)通勤，对通勤过程不满意和基本满意的人群选择公交车、电单车、地铁、私家车通勤的可能性更高。其中电单车通勤群体通勤满意度变量的估计系数分别为1.459、0.743，说明通勤不满意和基本满意群体选择电单车通勤的概率更大；对通勤行为基本满意的群体中，通勤满意度变量的估计系数分别为0.707、0.743、0.882、0.985，说明这一群体选择地铁、电单车、小汽车、公交通勤相对于选择慢行通勤方式的概率依次增大。

(2) 通勤时间变量的估计系数均为负，说明相对于慢性(步行和骑行)通勤，通勤时间越短，人们选择公交、小汽车、电单车、地铁通勤的可能性越小；以公交通勤群体为例，通勤时间变量估计系数分别为-4.600、-2.910，说明相对通勤时间为50 min以上，这类群体的通勤时间为20～50 min、20 min之内的可能性依次降低。这一估计结果符合预期，一般而言，慢行方式花费的通勤时间较短，公交花费的通勤时间较长。

(3) 以选择慢行方式通勤为参照，职住区位分离越远，通勤者选择小汽车通勤的可能性越大。这一估计结果与现实情况相吻合，因为工作地和居住地分离越远，人们为保持相对稳定的通勤时间，选择更快速的通勤工具的可能性越大。

(4) 居住位置、工作位置、学历、收入和家中有无小汽车、电单车等个人及家庭属性变量对通勤方式选择也存在显著的解释性。

4 结论

(1) 慢行通勤能给人们带来较高的通勤满意度，而人们对公交通勤的满意程度相对较低。慢行通勤的通勤时间较短，公交通勤的通勤时间较长。慢行通勤群体的职住区位多数都在一个空间范围内，而小汽车、公交、地铁通勤群体的职住区位分离现象明显。

(2) 通勤满意度、通勤时间、职住区位及其分离程度均能显著解释通勤方式选择的分布差异特征。