突发公共卫生事件下居民短距离出行意愿影响因素分析

李 利,唐秋生,王 攀

(重庆交通大学 交通运输学院,重庆 400074)

突发公共卫生事件(PHE)对社会经济发展和人们日常出行产生巨大影响,以新型冠状病毒(COVID-19)为例,它作为一件典型的PHE,在全球范围内爆发,以其传播快、防控难、涉及范围广的特点,给全球城市居民的日常出行造成严重影响[1],其中交通运输、旅游等服务行业受到的影响最大[2]。研究PHE影响下的城市居民短距离出行意愿,对PHE期间的城市交通管理具有重要意义。

2022年下半年,各地疫情出现大规模爆发,疫情的多点频发在一定程度上加剧居民的出行风险。出行风险的产生造成居民出行频率和出行时间的改变,频率和时间较疫情前期有所降低。出行方式方面,有车群体转为私家车出行,无车群体则倾向于步行等慢行交通工具出行。居民出行特征的改变,加剧城市的交通拥堵,对城市公共交通发展也造成一定负面影响。

在当前交通领域中,诸多学者对PHE与居民出行特征间的关系进行研究:骆晨等[3]基于非集计理论,构建风险感知差异的居民出行方式选择多元Logit模型,研究PHE持续期居民中长距离出行方式的选择行为,以航空运输为参考,途经站点暴露率增加对铁路运输方式的选择概率有负向影响,对公路运输方式的选择概率有正向影响;杨亚璪等[4]通过对比混合Logit模型和潜在类别条件Logit模型,对疫情时代居民出行方式选择的主要影响因素进行研究,发现出行属性中等待时间和在途时间成为居民选择出行方式的最重要影响因素;张小雨等[5]基于弹性分析预测疫情背景下不同管控政策对应的出行方式分担率;Xu等[6]应用混合Logit回归模型和多项Logit回归模型,探索Covid-19爆发期间拼车对出行者出行方式造成的影响;石京等[7]基于计划行为理论和收益-风险分析构建结构方程模型,研究PHE下居民休闲出行意愿影响机制,并利用单因素方差分析法和独立样本T检验分析不同性别、年龄段、收入水平居民的受影响差异;张炎棠[8]基于结构方程双重中介模型及二阶段交互法,验证PHE期间已建成环境对出行者通勤出行造成的影响;Rezwana等[9]结合美国马里兰州交通研究所的县级数据和谷歌移动报告建立结构回归模型,探讨Covid-19期间家庭工作对活动-出行行为的影响;胡松等[10]用K-means算法标定公共交通出行群体,采用结构方程模型构建重大疫情对乘客公共交通依赖性影响模型,探究PHE期间公共交通与乘客出行意愿间的影响机制;魏丽英等[11]根据PHE初期、爆发期、平稳期3个阶段下的出行抽样调查数据构建混合Logit模型,发现3个阶段下疫情感知属性和出行距离的交乘项对交通方式选择具有明显调节效应;张晶等[12]考虑出行行为调整的虫口模型,用以描述PHE传播动力学过程,用少量疫情相关数据对局部地区爆发的某一特定疫情进行预测。

综上,PHE在交通领域的研究主要集中在利用Logit模型研究PHE与出行者出行行为之间的关系,部分文献利用结构方程模型与其他算法相结合探讨PHE期间出行者出行的影响因素,但大部分研究均忽略外部情景因素对其影响,未考虑PHE期间交通政策是否支持该阶段的居民出行。我国已有少数研究证实公共交通防疫策略对居民出行方式选择和出行偏好有着积极影响,并为交通部门的应急响应优化策略提出建议[13]。但目前关于PHE持续期居民短距离的交通政策与居民短距离出行意愿影响机制的相关研究较少。Handy等[14]发现由于强制性防控等政策因素,长距离等休闲出行受到的影响较小。鉴于此,本研究以重庆市主城区居民的短距离出行(包括通勤出行、弹性出行)意愿为研究对象,结合相关研究将出行距离在10 km内、出行时间在60 min内的基本出行统一定义为短距离出行,在计划行为理论(TPB)和保护动机理论(PMT)的基础上引入潜变量交通政策和防疫政策构建居民短距离出行意愿的结构方程模型,挖掘PHE持续期有利于居民出行的交通政策,以期重塑居民在疫情这类突发公共卫生事件下的积极出行态度。

1 模型构建与理论假设

1.1 理论模型

TPB是Ajzen[15]用以解释个体在约束条件下是如何改变决策行为而提出,其模型框架如图1所示。现有学者以技术接受模型(TAM)[16]、健康信念模型(HBM)为基础对TPB理论进行拓展。马壮林等[17]以TPB和TAM为基础构建限行政策下城市居民低碳出行意愿的多指标、多因素模型(MIMIC),探究居民低碳出行意愿影响因素。

图1 TPB模型框架

PMT是Rogers[18]基于威胁评估和应对评估而提出(见图2)。在PMT模型中,感知易感性是指个体出现某种健康问题的可能性判断,感知严重性是指个体对该健康问题严重性与危害性的认识[19]。根据PMT理论中的感知风险定义居民短距离出行时可能感染病毒的易感性和严重性。

图2 PMT模型框架

政策方面,Steg等[20]运用推拉理论将交通需求管理政策分为推力政策(抑制出行)和拉力政策(促进出行),证实了道路限行、公交地铁限流等推力政策会抑制出行者对出行方式的需求,而定制公交政策等拉力政策则会促进居民积极的出行态度。因此,在PHE持续期从居民出行需求层面引入交通政策这个外部情景变量。同时,考虑到在短距离出行时政府部门发布的防疫政策对出行也可能有影响,对防疫政策的认可度高,会降低居民出行时的感知风险程度,改变居民短距离出行态度,进而影响居民出行意愿。综上,拟结合TPB中原有的“感知行为控制(PBC)”“主观规范(SN)”“态度(AT)”以及PMT中的“感知风险(PR)”,并新增鲜有被讨论的交通政策(TP)和防疫政策(EPP)2个外部情景变量,建立拓展TPB模型,用以探讨PHE持续期重庆市主城区居民的短距离出行意愿(TI)。模型框架如图3所示。

图3 扩展的计划行为理论模型

1.2 数学模型

选择结构方程模型(SEM)[21]作为分析方法,用以度量PHE持续期各潜变量与居民短距离出行意愿间的影响关系。相较于传统的线性回归方法,SEM能更好地解释因果变量间的关系,SEM模型表达式为

X=ΛXξ+δ

(1)

Y=ΛYη+ε

(2)

η=Bη+Γξ+ζ

(3)

式中:ξ为外生变量;η为内生变量,即PBC、AT、TI,X、Y为其观测变量;ΛX和ΛY分别为ξ和η的因子载荷矩阵;δ和ε分别为X和Y的残差项;B为内生变量间的系数矩阵;Γ为ξ对η的影响矩阵;η、ξ同式(1)～(2);ζ为残差项,反映η未能被解释部分[22]。

上述式(1)～(3)中,式(1)～(2)为测量模型的矩阵表达形式,式(3)为结构模型的矩阵表达形式。

1.3 模型假设

假设如下:H1(感知风险对短距离出行态度产生负向影响);H2(防疫政策对短距离出行态度产生正向作用);H3(交通政策对出行态度产生正向作用);H4(主观规范对出行态度产生正向作用);H5(主观规范对感知行为控制产生正向作用);H6(防疫政策对出行意愿产生正向作用);H7(交通政策对出行意愿产生正向作用);H8(感知行为控制对出行意愿产生正向作用);H9(短距离出行态度对出行意愿产生正向作用);H10(主观规范对出行意愿产生正向影响);H11(防疫政策对短距离出行的感知风险产生负向影响)。假设模型如图4所示。

图4 假设模型框架

2 数据收集与分析

2.1 问卷设计

采用行为偏好(RP)的方法设计PHE持续期重庆市主城区居民短距离出行意愿的影响因素调查问卷。该问卷由3部分组成:一是社会经济属性方面,涵盖性别、年龄、学历、职业、人均月收入以及拥有私家车数量;二是短距离出行相关心理感知因素调查,采用李克特(Likert)7级量表对不可直接观测的感知因素进行度量,每个变量由3～5个观测变量构成;三是居民的出行特征。

2.2 数据收集

问卷通过问卷星平台向重庆市主城区居民发放,共收集284份问卷。为确保收集数据的质量,结合两方面指标对收集到的数据进行筛选[23]。根据试测时间,完成问卷需要2～3 min,在1 min内完成问卷且问卷数据全为一致性的可以认为是不负责任填写问卷,数据视为无效。因此,剔除30份无效问卷,余下的254份有效问卷用于正式数据分析。

2.3 描述性统计分析

根据统计结果,对有效样本中受访者进行分析:性别和年龄方面,男女比例接近1.5∶1,且大多为24～35岁(占57.87%)年龄段群体;受教育程度方面,本科(大专)及以上受访者居多,占61.41%;家庭人均月收入方面,0.5～1万元的中等收入者较多,占42.91%,这与重庆市主城区居民收入水平分布基本相符;家庭拥有小汽车数量方面,大部分(占46.06%)家庭拥有小汽车的数量为1辆。

受访者的出行属性中:出行目的偏好方面,PHE持续期居民短距离出行目的以通勤(上下班、上下学)为主,占81.50%,少数出行以电影院、公园、健身房等场所为主;居民选择步行、自行车等出行方式的频率略高一些,出行时间以60 min以内为主,占比74.02%,出行距离在10 km以内,占比74.41%。以上数据证明出行群体担忧选择公共交通出行会增加疫情感知风险,与目前居民在进行短距离出行时追求的安全性相符。

3 居民短距离出行结构方程模型

3.1 信效度分析

采用信、效度分析以确保调查结果的真实性。信度分析以检验Cronbach’s α信度系数为主;效度分析以探索性因子分析(EFA)和检验各潜变量间一致性及与其它潜变量的差异性、验证性因子分析(CFA)为主。EFA常用KMO或bartlett’s球形检验进行评价,而CFA一般选取标准化因素负荷量(Std.)、组合信度(CR)和平均方差抽取量(AVE)来表示。一般认为,Std.的理想值为0.7以上,0.6为可接受范围,题目信度SMC在0.2以上表示可接受[24]。当CR>0.7、AVE>0.5时,测量变量之间的一致性可以接受[25]。

各变量信效度检验结果如表1所示。PR、SN、AT、TI、TP、PBC、EPP 7个潜变量的Cronbach’s α均大于0.8,整体信度为0.934;问卷的KMO均大于0.7,表明问卷适合进行探索性因子分析; 27个观测变量的因子载荷均大于0.7。同时,7个潜变量的CR均大于0.8,AVE均大于0.6,说明测量变量内部一致性较好,测量误差合理,收敛性良好。区分效度结果如表2所示,AVE平方根均大于其相关系数,表明模型整体具有良好的区分效度。

表1 各变量信效度检验结果

表2 区分效度评价

3.2 模型拟合及模型评价

采用Amos 28.0构建PHE持续期重庆市主城区居民短距离出行意向的SEM模型,并选取规范卡方值(CMIN/DF)、拟合度指标(GFI)、调整的拟合度指标(AGFI)、比较性拟合度指标(CFI)、非规范拟合度指标(TLI)、近似均方根误差(RMSEA)和标准化均方根残差值(SRMR)进行模型拟合度检验。对于拟合指标的标准,通常会参考结构方程领域权威学者给出的建议。表3已给出本研究模型的指标数值结果和推荐值,对比分析可知各项指标均拟合良好(GFI和AGFI处于可接受范围内),表明模型与有效数据具有良好的适配性。而路径系数通过临界比率值(C.R.)和P值2个指标判断路径系数是否显著,要求C.R.绝对值>1.96,P value<0.05。

路径分析结果如表4所示,主观规范→出行意愿路径关系对应的C.R.<1.96、P值>0.05,故该路径不显著,假设不成立。而防疫政策→感知风险这组潜变量路径系数的正负性与前文假设不一致,故也不成立。其余9组路径关系均与前文假设相符,C.R.和P值也满足显著性要求,故这9组假设路径关系显著,即H1～H9假设成立。

3.3 模型修正

由路径分析结果剔除不成立的假设H10、H11,对模型整体进行修正,修正后的模型指标均通过拟合检验,且H1～H9路径系数均显著,假设成立。最终结果如图5、表5所示。

表5 修正模型拟合结果

图5 修正后的居民短距离出行意向的SEM模型

3.4 结果分析

3.4.1 潜变量间关系分析

根据图5的SEM模型计算各潜变量的直接效应、间接效应和标准化后的总效应,结果如表6所示。

表6 各潜变量标准化后的总效应

1)防疫政策、交通政策、感知行为控制、态度对PHE持续期居民的短距离出行意愿产生直接影响,故H6、H7、H8、H9成立;主观规范通过作用于感知行为控制间接影响居民的短距离出行意愿,故H5成立;不符合前文假设的H10、H11已剔除。

2)各潜变量对PHE持续期居民短距离出行意愿影响程度的总效应从大到小依次为态度(0.450)、主观规范(0.366)、交通政策(0.327)、防疫政策(0.290)、感知行为控制(0.230)、感知风险(-0.086)。表明交通政策、防疫政策越有利于居民的短距离出行,居民的出行态度愈明显,感知行为控制能力则愈强,居民出行意愿也愈积极。

3)交通政策和防疫政策标准化后的总效应为0.327、0.290,居民对交通政策的支持度上升一个标准差,居民的短距离出行意愿则会提高0.327个标准差。这表明PHE持续期交通政策、防疫政策对居民短距离出行意愿有促进作用,居民对交通政策、防疫政策的支持度越高,则会促进居民的短距离出行态度,出行态度越积极,出行意愿就越明显。

4)短距离出行的态度、感知行为控制对居民短距离出行意愿的直接效应为0.450、0.230。表明PHE持续期居民对于自身控制能力越强,出行态度越积极,出行意愿也越强烈。

5)感知行为控制、态度为中介变量。感知风险作用于出行态度对出行意愿产生显著的负面影响,总效应值为-0.086,即居民对疫情风险的感知程度越高,产生的出行担忧越强烈,出行意愿也就越不明显。

在解释方差(R2)方面,感知风险、防疫政策、交通政策、主观规范4个变量共同解释了56.4%的出行态度方差变异。说明疫情感知风险、各项交通政策、防疫政策以及居民短距离出行的主观规范,对PHE持续期居民短距离出行意愿的影响并不是短期客流规律,而是将会在短距离出行意愿上产生深刻的长期影响。

3.4.2 观测变量与潜变量间关系分析

交通政策方面,从共享单车免费骑行(0.848)、免费开放公共停车场减免路侧停车收费(0.831)等观测变量可以看出,居民的出行意愿受该变量的影响逐次降低。这与PHE持续期的出行形势较为相符,公共停车场的免费开放以及路侧减免停车收费可有效解决有车群体停车难、违章停放等问题;推出共享单车免费骑行政策,能刺激无车群体通过骑行的方式进行短距离出行意愿。

防疫政策方面,居民着重关注做好自我健康管理(0.844)及乘车环境的消杀通风(0.852)2个观测变量。可见居民对短距离出行时,要求个人做好自我健康管理的综合效能较为重视。

主观规范方面,电视、网络、报纸等媒体的建议具有较强的权威性和可信性,对短距离出行意愿影响较大,而家人、朋友、同事等对PHE持续期的信息了解不够全面,传递信息过程中也可能存在偏差,所以对居民短距离出行意愿的影响稍次之。

感知行为控制方面,丰富的防疫经验(0.877)以及防疫政策(0.851)对其影响程度较高,交通政策次之(0.739),受自身的决策影响较小(0.706);出行意愿方面,在条件允许下,进行短距离出行的意愿较高(0.917),原因在于现有的短距离出行中,以上下班、上下学为主的通勤类出行和以就医、就餐为主的弹性出行为主,其出行时间、出行方式较疫情前有略微变化。

3.5 建议措施

综上,为促进PHE持续期居民对短距离出行的积极意愿,提出以下建议。

1)增强PHE持续期居民对交通政策和防疫政策的效果感知,居民对交通、防疫政策的效果感知是出行态度形成的基础,这也是对短距离出行意愿影响较大的两个因素。如,针对倾向于选择私家车、步行等方式出行的疫情风险较高和防控效果不明显地区:交通管理部门可适当先调整公共交通运营频率和运营时间,在道路空间有限的情况下,为私家车提供道路空间;其次,在驾驶员和乘客之间设置安全屏障以减少病毒传播;最后,学习北京、深圳等城市推出的共享单车早晚高峰免费骑行政策,号召居民在做好防疫措施的同时激励其选择绿色出行。

2)短距离出行的主观规范也是影响出行意愿的较大因素。外界条件的约束或支持所营造的区域性环境对出行意愿的影响具有局部性,较大范围内存在疫情,对局部出行的影响较小,通过限制局部的疫情消息传播用以减缓非疫情区域短距离出行者的出行压力,促进PHE持续期城市居民的短距离出行。

3)针对日常以公共交通出行为主的居民,通过设置手机小程序以展示乘车车厢的人流密度,引导错峰出行,避免因人员聚集而爆发大规模疫情。同时,政府部门可根据居民短距离出行的时空规律,向有车群体、通勤人员定向推送定制公交的出行优势,精准实施定制公交政策,以鼓励其选择定制公交出行。

4 结 论

1)采用SPSS软件及AMOS结构方程模型,对PHE持续期重庆市主城区居民出行行为的254份有效问卷进行探索性和验证性因子分析,并利用潜变量间的相关性分析影响居民短距离出行的影响因素,发现各项交通政策、防疫政策的实施可以促进PHE持续期居民的短距离出行意愿。同时,以感知行为控制和态度作为中介变量,传递主观规范和感知风险等心理感知因素对出行意愿的间接影响。

2)影响重庆市主城区居民短距离出行意愿的作用路径为“交通政策、防疫政策、主观规范、感知风险→出行态度→出行意愿”,表明各个感知因素在PHE持续期会严重影响居民的短距离出行偏好,证明交通政策等变量对PHE持续期居民短距离出行的积极态度具有促进作用。

3)研究探讨的影响因素可能只适用于PHE持续期重庆市主城区居民的短距离出行意愿,该影响因素是否对其他大范围地区居民的短距离出行产生影响还未知,下一步可扩大范围对其进行重点研究。