城市中等收入群体出行活动模式选择影响因素分析

刘智丽 段鹏宇 高一鸣

（1．北京交通大学，北京 100044）（2．通号城市轨道交通技术有限公司，北京 100071）

中等收入群体是我国社会成员的重要组成部分，并且我国正在逐步形成“两头小，中间大”橄榄型的社会结构，在国家层面上也明确提出“扩大中等收入群体”的战略。由于居民在不同出行活动模式下会倾向选择不同的交通出行方式，同时交通系统中个体出行方式的选择也会受到其他个体出行方式的影响，因此中等收入群体不同出行活动的模式选择将会极大地影响社会出行量在不同交通方式间的分配。近年来，国内学术界对中等收入群体进行了很多的研究和探索，例如：李炜[1]将中间阶层和中等收入群体做了辨析；李强等[2]将人均年收入3.5万～12万元、家庭年收入6.9万～23.6万元、人均可支配收入2万～6.7万元作为中等收入群体或“收入中产”的界定标准；李培林等[3]采用中国城市户籍人口的平均收入线作为参照基准，将平均线以上到平均线的2.5 倍的人群定义为“中等收入层”。本文依据李强等[2]的界定标准，选取家庭年收入6.9万～23.6万元的家庭作为研究对象。

在交通系统中，通常将活动类型分为生存型（Subsistence）、维持型（Maintenance）、休闲娱乐型（Leisure）三类。生存型活动是指当前或者将来能够取得收入的活动，如工作、上学等；维持型活动是指不产生收入，用于维持家庭和个人生活需要的活动，如购物、去银行等；休闲娱乐型活动是一种有选择性的活动，如探亲访友、文娱活动等。

随着非集计建模技术的日益成熟，基于个体出行的建模方法已成为国内外研究特定区域、特定人群出行行为的重要工具。近年来，随着活动理论的引入和对出行行为分析研究的深入，学者开始借助活动—出行链理论对出行行为进行研究[4-10]，例如，Lee等[4]研究了某个家庭成员的出行特征与家庭因素之间的相互关系；杨敏等[8-9]则以通勤出行行为作为研究对象，研究通勤者个人和家庭等因素对通勤活动模式的影响；于淼[10]则针对历史老城区这一特定区域进行研究。然而国内外多数研究主要针对整个城市层面的居民出行，针对中等收入这一特定群体出行的影响因素则研究较少，本文以中等收入群体的出行调查数据为基础，引入多项Logit 模型，重点分析居民出行活动模式与个体及家庭属性特征之间的关联性。

一、模型构建

（一）活动模式概述

活动模式分析的基础是基于活动的出行需求分析理论，该理论认为人类的欲望产生了活动的需求，比如谋生、社交和休闲等，而人们在活动之前会根据不同活动的目的地和紧要程度提前规划一个日程安排，然后根据自己的出行偏好选择不同的交通方式进行不同活动的出行。在这个过程中，不同活动的目的地通常在不同的地理位置，并且在不同的地理位置之间移动需要花费时间，另外家庭和社会属性也会影响个人的活动决策和出行选择。本文将城市居民的出行活动模式分为以下四类：生存型（家—单位/学校—家）、维持型（家—购物/银行—家）、休闲型（家—探亲访友/休闲娱乐—家）、混合型。具体地，若一天中的活动若包含生存型、维持型和休闲型的两种及以上，便定义为混合型。结合调查数据，四种类型的活动模式所占的比例如表1所列。

表1 四种活动模式比例

（二）影响因素选择

出行活动模式选择是个体属性、家庭属性和城市空间用地布局等作用的产物。其中个体属性和家庭属性是活动模式的主要影响因素，同时也在很大程度上影响人们的出行选择和偏好。具体影响因素及分类如表2所列。

表2 选择不同出行活动模式的影响因素

（三）多项Logit 模型

当因变量为两种以上的分类变量时，使用多项Logit 模型可以得到不同自变量与因变量之间的影响关系。本文针对城市中等收入群体出行活动模式开展研究，因变量为四类出行活动模式，符合多项Logit建模要求。本研究采用多项Logit 模型来分析城市中等收入群体出行活动模式与个人、家庭属性的关系，便于了解个体及家庭属性对活动模式的影响机理。

根据随机效用理论，第n个个体选择第i种活动模式的效用可以表示：

式中，k表示为自变量的个数； 表示第k个变量所对应的参数，也是需要使用软件标定的参数； 表示第n个个体选择第i种活动模式的第k个自变量。

根据效用最大化准则，第n个个体选择第i种活动模式的概率为：

式中，I表示可供研究对象选择的活动模式的全部集合，对应到本文中为四种活动模式，且i∪t=I。

在Logit模型中，假设随机效用部分均服从Gumble分布，且各随机效用之间互相独立，则随机效用的差便服从参数为0、1的Logistic 分布，则上面的式子可以写成：

二、数据整理与参数标定

（一）数据整理

北京市下辖16 个市辖区，目前市内轨道交通线路运营里程868.37km，市民出行的交通方式占比由高到低依次为：步行、电动自行车、私家车、公交、自行车、轨道交通、其它。根据北京市2022年居民的出行调查结果，依据家庭年收入数据，从中获得中等收入家庭1 259户，结合本文研究的四种活动模式，最终得到1 881条不同成员的有效出行活动记录，其中个体属性和家庭属性不同影响因素描述性统计如表3所列。

表3 不同影响因素的描述性统计

（二）标定模型参数

选择维持型活动模式为参考类别，使用专业统计分析软件IBM SPSS Statistics27中的多元Logistic回归模块对模型参数进行计算，最终的计算结果如表4 所列。其中P 值表示显著性水平，若P＜0.05，则表示该影响因素对因变量有显著性影响；反之，认为该影响因素对因变量没有显著影响。

表4 模型参数标定结果

三、结果分析

（一）结果参数检验

在参数标定过程中，首先选择所有影响因素代入模型进行参数标定，根据第一次标定的结果，将不显著的影响因素剔除，再次代入模型进行参数标定，循环迭代多次后，最终通过多项Logistic回归模块的计算，得到的模型拟合信息和似然比检验结果如表5所列。

表5 模型拟合信息

由表5可知，最终模型的对数似然值小于仅截距模型的对数似然值，且显著性为0.000，因此可以判定模型建立有统计意义，模型和变量的选择正确。

由表6可以看出，小汽车数量、年龄分类、职业类型、年收入、性别的卡方检验概率P 值均小于0.05，其中，年龄分类和职业类型的P 值小于0.001，可以得出，家庭小汽车数量、年龄分类、职业类型、年收入和性别对模型的线性关系贡献显著，尤其是年龄分类和职业类型贡献更为显著。

表6 似然比检验

（二）不同影响因素对中等收入群体出行活动模式的影响

由表4可以发现，本文研究的城市中等收入群体出行活动模式与个体属性和家庭属性存在如下关系：

（1）个体属性中的性别、年龄变量对生存模式和休闲模式有显著影响，职业变量对于生存模式、休闲模式和混合模式均有显著影响；而受教育程度和有无驾照变量则无显著影响。有无驾照对出行活动模式无显著影响的原因是：随着网约车的迅猛发展，居民选择小汽车出行的行为不再被无驾照的约束所限制。

（2）性别变量系数在生存模式和休闲模式估计值分别为0.374和0.750，表明更多男性选择生存模式和休闲模式，可能性分别是女性的1.454 倍和2.116 倍。出现在休闲模式下男性多于女性这一现象的主要原因是：本文将购物划分为维持模式，而女性在日常的家庭生活中通常承担较多的购物任务，同时本文将文娱健身划分为休闲模式，而选择健身的更多则是男性。

（3）职业变量系数在生存模式和混合模式中均为正，而在休闲模式中均为负。产生这一现象的主要原因是：与退休人员相比，不管是公务人员、职员或者是自由职业人员，他们有大量的工作或上学的出行需求，并且出行的活动类型也更为多样，而退休人员的主要活动类型则是休闲娱乐。

（4）收入变量系数在生存模式和混合模式估计值分别为-0.636和-0.551，表明收入较高的家庭在生存模式和混合模式下，其可能性分别是收入较低家庭的1.890 倍和1.733 倍。产生这一现象的主要原因是：收入较高的家庭通常有更多的成员参加工作，同时产生的活动需求类型也更为丰富。

（5）家庭拥有小汽车数量只对生存模式有显著影响，拥有家庭小汽车的群体在生存模式中的可能性是无机动车群体的1.555 倍，而家庭属性中的家庭成员数量、脚踏自行车、电动自行车、摩托车和老年代步车数量则对活动模式选择的影响不显著。

四、结论

本文基于多元Logistic回归模型，针对中等收入这一特定群体，剖析个体属性和家庭属性差异对这一特定群体出行活动模式的影响，得到的结论如下：

（1）个体属性中的性别、职业和年龄对于出行活动模式的选择具有显著影响，这和已有城市出行活动影响因素的研究相同；家庭属性中的家庭年收入和小汽车数量对于出行活动模式的选择具有显著影响，而家庭属性中的脚踏自行车和电动自行车的数量则对出行活动模式的选择没有显著影响，和已有城市出行活动影响因素的研究相对比，家庭属性对于结果的影响则不完全相同[11]。

（2）可以通过完善中等收入群体中收入较高部分所在住宅区域附近相应的配套设施，从而缩短混合模式下的出行距离，进而影响这一群体的出行交通方式选择，最终达到平衡道路负荷、缓解城市交通拥堵的效果。比如在住宅外部邻近区域设置电影院和健身房，可以吸引部分混合型活动的出行交通方式倾向于步行、脚踏自行车和电动自行车。

本文研究了近年来城市中等收入群体出行活动模式影响因素的变化，但由于调查数据有限，并没有对不同活动模式下交通出行工具选择行为进行探索，笔者将在接下来的研究中对上述问题进行探索研究。另外需要指出的是本文使用的统计数据为2022 年北京市居民出行调查结果，由于存在阶段性学校停课和学生居家上网课的现象，因此最终结论可能会略有瑕疵。