城市交通治理的新方向：可持续多模式出行策略的实施路径与挑战

【基金项目】国家自然科学基金面上项目“超大城市日常通勤对居民健康及工作效率的影响机制研究——以北京市为例（42171190）”“多模式交通导向的城市开发及其社会环境效应： 基于北京和伦敦的案例研究（42371199）”阶段性成果。

摘要：随着机动化导向的城市发展模式所带来的环境与健康问题日益凸显，多模式出行逐渐发展成为满足人们日常复杂多样出行需求的优先方案。本文从多模式出行的核心内涵着手，系统归纳支撑多模式出行行为的多模式交通系统在规划和实践方面的关键要点，进一步探讨如何建构和优化多模式交通系统。研究认为，为应对现有城市交通系统中不同交通方式衔接、出行服务整合以及出行信息数据共享等方面的挑战，需要加强政府管理部门、服务运营商和终端用户三个利益相关方的深度交流与合作，构建具有包容性的多模式出行服务体系，探索创新商业合作模式，加强政策引导与支持，旨在为构建可持续、高效且多样化的多模式交通系统提供理论支撑和实践指导。

关键词：多模式出行；多模式交通系统；出行服务整合；共享出行；协同互通

【中图分类号】U491" " " DOI：10.3969/j.issn.1674-7178.2024.06.007

引言

交通运输作为主要碳排放源之一，在全球碳减排行动中至关重要。有研究发现，全球70%以上的温室气体排放来自城市地区[1]，其中交通运输业的碳排放量约占全球温室气体排放总量的25%[2]。为度量经济增长是否以资源消耗和环境破坏为代价，有研究采用Tapio脱钩指数从省级角度考察了交通运输业发展与二氧化碳排放量之间的关系，并发现欠发达省份比发达和沿海省份更有可能呈现弱脱钩状态[3]。可见，构建可持续的城市交通系统对于应对全球气候危机、实现碳达峰、碳中和的目标至关重要。

然而，当前城市交通系统面临着由私家车数量快速增长所带来的能源消耗增加、温室气体排放加剧和空气污染等问题[4]。尽管公共交通和非机动化交通模式越来越受到政府部门的重视，但城市规划、传统交通规划和基础设施建设依然以单一交通方式即机动车为中心，这一做法限制了非机动化交通的发展，并加剧了居民对私家车的依赖。以机动化交通为导向的城市规划还会导致居民久坐行为增加，对公共健康产生负面影响[5]。

为应对上述挑战，全球主要城市纷纷将减少居民对私家车的依赖纳入交通政策目标。然而，以公共交通为核心的城市交通系统难以满足所有出行需求[6-7]。一方面，由于运营线路的固定性以及服务的有限性，公共交通无法提供“门到门”的出行服务，需要借助出租车、共享单车等其他出行方式进行补充，以满足出行者“第一公里”和“最后一公里”的出行需求。另一方面，由于出行行为的复杂性，公共交通很难在不同的出行场景下（例如不同出行目的和出行距离）成为最优选择，这与私家车的灵活性优势形成鲜明对比。在此背景下，多模式出行和多模式交通系统逐渐成为交通规划和出行研究的热点。其中，多模式出行强调在“门到门”的出行过程中不同交通模式的整合，注重出行模式的多样性和灵活性[8-9]。而多模式交通系统作为支撑多模式出行的重要平台，其整合了绿色出行和新兴出行服务的优势，更好地满足人们日常复杂多样的出行需求，为减少私家车出行提供更具吸引力和竞争力的出行方案[10]。可持续的多模式交通系统使个人在保持灵活性和生活质量的同时，也能够做出具有环保意识的选择[11]。

尽管发展可持续的多模式交通系统对于减少城市私家车依赖和降低碳排放具有潜在的积极效益，但国内现有文献对此话题的关注相对较少。文章从多模式出行的概念入手，系统归纳多模式交通系统规划和实践的要点，进一步探讨新兴出行服务与技术如何影响多模式交通系统的建构与优化。最后，文章从系统的角度出发，探讨如何加强政府管理部门、服务运营商、终端客户三个利益相关方的交流与合作，以实现多模式交通系统各项要素的协同优化，并分析多模式出行服务系统在建设过程中面临的挑战以及未来的发展方向。

一、多模式出行的概念、测量与发展趋势

尽管目前学界对多模式出行尚未形成统一且规范的定义，但从交通领域的视角来看，多模式出行的概念研究主要存在两种视角。

一种是个人层面的多模式出行，其主要描述出行者在一定时期内使用的交通出行方式数量[12-13]。该定义强调出行者对出行方式选择的灵活性和多样性。研究者通常根据受访者是否在一定时间内使用了两种或两种以上的交通出行方式来判断其是否属于多模式出行者[14]。个人层面的多模式出行侧重于交通出行方式的类型和数量，而不限于具体使用场景。另一种研究视角聚焦于行程层面的多模式出行，主要指同一行程或出行链中不同交通出行方式的组合形态。这一概念与货运运输领域的“多式联运”具有相似性，但在客运交通研究领域中较少使用这一术语。现有研究通常根据完整的“门到门”行程所包含的交通方式类型和数量来判定多模式出行者[15]。

从全球范围来看，多项研究表明，多模式出行是普遍现象，尤其是在公共交通和积极交通普及率较高的国家和地区。所谓积极交通，也叫主动交通，是指步行、自行车或其他依靠人力而非完全依赖机械动力的交通出行方式（比如轮滑、滑板车等）[16]。Claudia Nobis基于2002年德国全国流动性调查的数据集以及德国流动性小组1999—2004年的数据发现，约49%的德国人每周至少使用两种交通出行方式，包括私家车、公共交通和自行车[17]。Eva Heinen和Kiron Chatterjee基于英国国家旅游调查研究数据发现，约55.8%的受访者在一周内使用了不同交通模式的组合[18]。从城市和地区层面来看，Akshay Vij等学者通过分析德国卡尔斯鲁厄六周的旅行日志数据发现，约三分之二的受访者使用了两种以上的出行方式[19]。在以北京为案例的一项研究中，约32.2%的受访者在工作日内改变了他们的主要通勤方式，因此被归类为多模式出行者[20]。此外，有研究通过识别不同的出行模式，推动城市管理者更好地满足不同群体的出行需求。例如，荷兰的研究识别出了五种不同的多模式出行类型，其中最常见的是涵盖公共交通与积极交通的组合出行方式[21]。在私家车使用率较高的北美地区，一些多模式出行者也会将私家车与其他交通方式结合使用[22]。

在多模式出行的理念下，人们的出行行为复杂多样，采用多种出行方式已成为一种普遍现象。因此，公共政策不应仅倡导使用单一可持续交通模式，而应致力于推动多种交通方式的理性均衡混用，从而更贴近人们的日常出行习惯，也更有可能获得长期依赖私家车出行群体的接纳。

二、鼓励多模式出行：

从物理层面到信息层面的出行服务整合

在推动个人层面多模式出行的实践中，关键在于能否提供具有吸引力的替代私家车出行方案，以增强出行者的可选择性和灵活性，促使他们更多地使用可持续的出行方案[23]。规划干预措施，如公交导向开发（TOD）、构建社区生活圈以及建设自行车专用道等，不仅支持公共交通和积极交通的出行方式，还为减少私家车依赖、丰富出行方式选择提供了有效的解决方案。除了在城市规划层面实施环境干预策略以外，在公共政策和城市治理层面，采用“胡萝卜加大棒”式的非环境干预策略，例如提供鼓励可持续多模式出行的激励措施以及制定限制私家车出行的交通政策等，同样对促进多模式出行产生积极的效果[24-25]。在当前的研究和规划中，尽管已广泛探讨和采纳上述多种推动可持续出行的策略，但多数策略仍局限于单一的出行方式，例如公共交通或积极交通，而缺乏从整体的角度对不同出行方式进行整合和优化。与公共交通和积极交通的出行方式相比，私家车出行在覆盖长距离行程和提供“门到门”服务的灵活性上具有显著优势。因此，在推动个人层面多模式出行的实践中，尽管公共政策的最终目标是鼓励人们选择可持续的出行方式，但实现这一目标的落脚点仍需要在行程层面上实现不同出行方式的有机整合，进而提升可持续出行方案的吸引力和竞争力。

（一）传统策略：以公共交通为核心的出行服务

1. 改善“第一公里”出行和“最后一公里”出行是传统多模式交通政策关注的重点

在实践层面，城市交通规划早已将居民采用多种交通方式出行的行为纳入考量，并致力于提升出行者在不同交通出行方式间换乘的流畅度与效率。在这一过程中，公共交通网络成为整个交通系统的核心，而其他辅助公共交通的出行方式，在解决“第一公里”和“最后一公里”的出行难题上扮演着不可或缺的角色，对完善多模式交通系统发挥着重要的作用[26]。目前，大量研究深入探讨了多种辅助公共交通的出行方式，包括私家车、积极交通出行、按需出行（如拼车或共享出行服务）、支线巴士以及无人驾驶汽车等而整合这些交通服务所带来的益处，在学术界已得到广泛认同。

首先，其他辅助公共交通的出行方式能够显著拓展公共交通的服务范围，提升公共交通系统的吸引力。以出租车与固定线路公共交通（如地铁和火车）之间的协同运作为例，有研究显示，出租车作为公共交通服务的重要补充，不仅为前往地铁站或火车站的乘客提供了便捷的接送服务，还覆盖了地铁和火车服务无法触及的出行路线和运营时段外的出行需求[27]。这种服务模式不仅为低密度地区和公交服务薄弱区域的出行者提供了基本的出行选择，保障城市交通公平，同时也有助于减轻公交系统在客流量较少区域的运营成本负担，并减少相应的经济损耗[28]。

其次，整合并优化多模式出行网络使公交网络的运营效率得到了显著提升。芬兰整合共享自行车与公共交通的实例表明，共享自行车的引入使得公共交通的平均出行时间缩短了10%，每次行程可平均节省约6分钟的出行时间[29]。这种积极效应还进一步延伸至能源和环境领域。例如，公交出行效率的提升有助于吸引更多的原本依赖私家车出行的用户转向公共交通[30]，进而降低交通系统的能耗，减少碳排放[31]。

最后，在辅助公共交通的出行方式中，积极交通受到最广泛的关注，它不仅有效拓展了传统固定线路公共交通的服务范围，特别是在人口密度较低的城市边缘地带[32]，而且为乘客提供了健康、环保的出行选择。针对美国大都市区的研究显示，自行车出行能够将公共交通的服务范围扩展至枢纽站周边1.6～3.2千米的范围内[33]。大量实证研究已经证实，整合积极交通与公共交通的出行服务具有巨大发展潜力[34-35]。在公共交通服务覆盖面不足的国家或地区（例如秘鲁），积极交通的补充显得尤为重要[36]。不仅如此，整合积极交通与公共交通的出行服务还能提升整个交通系统的运行效率。有研究表明，高性能共享自行车与公共交通相结合的多模式交通系统能够显著缩减总出行时间[37]，特别是在积极交通出行率较高的国家，采用积极交通方式的出行者通常展现出高度的多模式出行行为特征[38]。这些出行者能够轻松地将步行、自行车出行与其他交通方式（尤其是公共交通）相结合，实现顺畅的出行模式切换。

2. 提升不同交通出行方式之间换乘的便捷性和流畅性是优化多模式出行效率的关键

在整合公共交通与其他交通出行方式的过程中，确保各种交通出行方式之间的高效衔接和顺畅切换，对于提升乘客的出行满意度和整体出行效率至关重要[39]。而且，这种衔接的流畅性直接影响到整合多模式交通系统的最终成效。

首先，中转和换乘时间是决定多模式出行效率的关键因素。在换乘过程中，长时间的等待和步行会增加乘客的时间成本，并可能引致后续行程的延误[40]。对于短途行程来说，等待时间往往成为主要瓶颈；而中长途行程则对减少换乘时的步行时间有着更高的要求[41]。一项针对英国“门到门”多模式出行的研究显示，换乘耗时在整个旅行时间中占比较高，平均换乘时间为23分钟[42]。因此，在优化“第一公里”和“最后一公里”的出行服务时，缩短换乘时间成为提高出行效率关键所在。

换乘和中转时间的优化，既受到公共交通服务配置的影响，也受到换乘环境的制约。在服务配置方面，公共交通运营的不确定性可能会延长中转时间[43]。因此，协调不同交通方式的服务，最大限度地减少乘客的等待时间，对于提升换乘效率以及改善不同交通方式之间的衔接质量至关重要。例如，德国交通运输部门通过精心协调公交和铁路时间表，缩短了乘客的等待和换乘时间[44]。此外，增加公共交通服务的频次，有助于缩短乘客等待与中转时间，从而增强多模式交通系统的吸引力[45]。提供高质量的多模式交通信息服务，对于帮助乘客规划行程、节省时间并确保不同行程之间的无缝衔接，同样至关重要。在建成环境方面，优质的换乘环境能够为乘客提供更灵活的出发时间选择与提升切换交通方式的能力，进而缩短换乘时间[46]。有研究表明，在丹麦哥本哈根的公交网络中，换乘的便捷性（如清晰的指示标识、周边的便利设施及地铁站配备的自动扶梯）对减少换乘时间产生了显著影响[47]。然而，在整合公共交通与私人交通服务时，不同服务提供者之间的利益冲突可能会阻碍交通服务与票务信息的开放共享，从而对多模式交通系统的整体运行效率产生不利影响[48]。

其次，不同交通设施和服务间的连通性也是影响多模式交通系统整合的关键因素。连接系统作为整合不同交通方式的桥梁，在保障多模式交通系统协同运作的过程中发挥重要作用[49]。以整合公共交通出行与自行车出行为例，连接交通枢纽的自行车道、自行车停放与存储设施，以及允许携带自行车乘坐公共交通的政策，均是促进两者深度融合的重要条件。在德国、奥地利和瑞士的部分地区，区域公共交通协会整合了多种出行服务，构建了一个满足低密度郊区出行需求的多模式交通系统[50]。在德国和荷兰的城市中，便捷的步行和自行车设施不仅方便了市民前往公交站点，而且推动了积极交通方式出行与公共交通出行的整合[51]。

最后，合理规划与布局客运交通枢纽，特别是微枢纽①的建设，对于提升交通服务效率与优化乘客出行体验具有深远意义。微枢纽具备用地集约、布局灵活、换乘步行距离短等特点，整合了公共交通、微型移动服务及积极交通出行方式，能够实现多模式出行与交通服务信息的实时共享，为乘客提供更为便捷与高效的出行选择。乘客通过步行或利用微型移动服务抵达微枢纽后，可轻松换乘公共交通或按需移动服务，最终再以步行或微型移动服务到达目的地，真正实现“门到门”的出行体验[52]。这一出行理念已在多个国家得到广泛应用和实践。例如，我国部分城市通过微枢纽整合公交线路、轨道交通出入口、出租车与自行车停车等设施，结合智能化管理手段，实现了各类交通方式间的紧密衔接[53]。在德国慕尼黑，交通微枢纽则进一步整合了公共交通、共享移动服务等多种出行方式，为居民提供了更丰富和便捷的出行及换乘选择[54]。

（二）新趋势：通过移动互联网平台整合出行服务

1. 新兴出行服务正在引领交通服务的创新与智能化发展

近年来，信息和通信技术的迅猛发展催生了一系列创新的移动出行服务形态，如线上打车、拼车、共享微出行以及汽车共享。消费者可以借助移动应用轻松订阅和享受个性化、高效且便捷的出行服务。这些新兴出行服务和平台，如奥地利的“SMILE”以及瑞典的“KOMPIS”，通过整合多种交通出行方式，为城市居民提供了丰富多样的出行选择和组合方案[55]。这些新技术和新兴出行方式催生了交通领域的新理念，如按需出行（Mobility on Demand，简称MOD）和出行即服务（Mobility as a Service，简称MaaS）。按需出行强调根据用户的即时需求提供个性化的交通出行服务。在此基础上，出行即服务更关注如何整合多种交通方式，为用户提供一个无缝衔接、最优便捷的出行模式。

从概念上看，出行即服务更契合多模式出行理念。出行即服务模式主要利用智能技术，将多元化的交通出行服务集成到数字平台和应用程序中，为用户提供全方位、一体化的出行服务体验[56]。出行即服务模式突破了单一交通方式的局限，适用于城市、国家乃至全球不同空间尺度，是涵盖不同出行服务产品的综合应用[57]。出行即服务模式的优势在于其可以满足不同群体的出行需求，尤其是那些不再希望拥有私家车、无力购买私家车或无法驾驶私家车的人群[58]。该模式提供了从起点到终点的便捷出行服务，实现了不同交通方式之间的无缝切换，提升了出行的流畅性与效率。同时，一体化计费和支付机制也为用户带来了更加便捷与高效的出行体验[59]。出行即服务并非完全创新的交通模式，而是对现有交通出行服务进行深度整合与创新发展[60]。对于新型参与者来说，如移动运营商和服务提供商，通过模式捆绑与集成，能够提供各种满足用户多样化出行需求的出行方案。用户可在出行即服务平台上选择固定套餐、灵活出行服务或无限选择服务，满足个性化的出行需求。从公共管理的角度看，发展出行即服务模式有助于推动个人移动系统从碎片化向多中心化转变[61]。该模式的核心目标是通过整合出行需求、优化资源配置、降低空驶率和提高运输效率，实现公共利益的最大化。

我国一些城市已经开始探索和实践出行即服务系统。例如，北京市交通委员会与高德地图合作推出的北京交通绿色出行一体化服务平台（北京MaaS 平台）、上海市国有资产监督管理委员会和上海市交通委员会共同推出的上海市绿色出行一体化平台——“随申行”APP，这些平台通过整合多种交通方式，为用户提供全流程、一站式的出行服务，进一步提升用户出行的便捷性与舒适性。而且，这些出行即服务平台通过引导用户低碳出行和提供换乘优惠等措施，有效促进了积极交通方式的发展。出行即服务模式不仅深刻改变了人们的出行方式与习惯，推动了交通向更加智能化、高效化和绿色化的方向发展，而且为城市规划与管理、交通运输政策制定等方面带来了新的思路和方向。

2. 新兴出行服务与技术驱动多模式出行理念的革新与多模式交通系统升级

在交通出行领域，新技术与新服务不仅极大地丰富了多模式交通系统的内涵，还推动其向更加智能、高效和可持续的方向发展。这些新技术和新服务融入了多模式出行理念，不仅使多模式交通系统在行程层面能够实现“门到门”的多模式出行，还能从个人层面支持出行者的个性化需求，提供不同出行方案，使出行者在不同交通方式之间便捷切换。从这一角度来看，技术的持续进步和服务的日益普及使新兴出行服务不断拓展创新，为未来交通系统的发展带来无限可能。

一方面，随着共享出行理念的兴起，交通工具的“使用权”相较于“所有权”越发受到重视。在这一理念的推动下，私家车作为财富和自由象征的传统地位逐渐被削弱，而私人交通模式的运力则得以释放[62]。共享出行服务主要是由第三方提供，旨在满足个人的日常出行需求。个人可以灵活选择多种交通方式，包括共享微出行、定制公交、线上打车、拼车以及汽车共享等。这些新的出行策略和“出行即服务”“共享经济”和“协作消费”等新消费理念以及新消费趋势紧密相连[63]。随着共享出行服务蓬勃发展，传统的静态交通模式正逐步向动态的、基于实时需求的出行服务模式转变。这一转变的核心在于提升出行者的移动性，与当前城市交通政策中以提升可达性为中心的传统思维形成鲜明对比。例如，奥地利提出的移动服务保障（Mobility Service Guarantee，简称“MSG”）草案，旨在保障在无法拥有私家车的情况下，所有社会群体均能平等地享受出行服务，推动城市交通出行模式从以私家车为中心向以公共交通与需求导向服务为主转变[64]。

另一方面，在新兴出行服务和智能移动技术的支持驱动下，保障不同出行服务之间的互联互通已成为多模式交通系统转型升级的关键所在。尽管这已经不是一个新鲜话题，但新兴出行服务和智能移动技术对其提出了更高的要求。不同出行服务之间的互联互通不仅包括传统的物质层面整合，如综合交通枢纽和交通微枢纽；还包括虚拟层面的整合，如提供多模式出行方案[65]。在这一过程中，智能手机及其应用程序发挥着重要作用，成为用户获取和订阅各类交通服务的重要媒介[66]。为满足用户对实时出行信息、共享交通工具查找、车票购买和出行服务预订的需求，新的交通服务平台需要整合多种出行模式，提供实时服务信息更新、票价查询和支付、路线规划等一站式功能[67]。这些平台通过更高层次的多模式整合，为消费者提供来自不同服务供应商的集成服务方案，实现出行服务的无缝衔接。

三、制度层面：

利益相关方的深度沟通与合作

前文已初步探讨了推动多模式出行的技术框架与规划要点，但要真正实现这些目标还需深入讨论和完善诸多细节。在多模式出行服务的实施过程中，利益相关方的沟通与合作至关重要，其主要涉及政府管理部门、服务运营商和终端用户三个利益相关方。

（一）多模式策略实施的瓶颈与目标

城市交通系统是一个庞大而复杂的综合系统，涵盖了出行行为、城市环境以及交通设施与出行服务等多个维度的要素。在制定和实施多模式策略时，需要从系统的全局全面综合考量各要素之间的关联与协作，从而保障系统的顺畅运作。在这一过程中，出行服务、基础设施供给以及信息服务作为三大支柱性条件，共同支撑并影响着多模式出行行为和出行决策的制定（图1）。

从系统的角度来看，交通基础设施的完善是多模式出行服务的基石，其直接关系到多模式出行的效率与质量。无论是主干道路、自行车道、步道等交通基础设施，还是公交微枢纽等配套设施，都为公共交通、积极交通、私家车等多种出行方式的使用与中转换乘提供了坚实的物质基础。信息服务的优化则进一步提升了获取多模式出行服务以及实现出行模式切换（换乘）的便捷性，借助大数据、云计算等先进技术，为出行者提供实时交通信息查询、出行规划建议、支付结算等一站式服务体验。在多模式出行服务体系中，公共交通（公交车和轨道交通）占据核心地位，承担着主要的客运任务。但这并不意味着其他出行方式仅仅是扮演辅助的角色（比如仅仅服务于“第一公里”或“最后一公里”的出行需求）。实际上，公共交通、网约车、共享单车、水运交通以及低空运输等多样化的出行方式，共同构成了多模式出行服务体系中丰富的“选择集”。借助现代通信技术和出行服务平台，用户能够根据自身需求，灵活选择单一或组合出行方式，并综合考虑天气、路况、时间紧迫性和个性化需求定制出行方案。例如，水运交通服务可能因其低成本或独特的出行体验而成为某些用户的首选；低空运输服务则可能因其快速响应能力吸引那些对时间极度敏感的用户。同样，网约车因其便捷性和灵活性一般会更受对出行服务质量有较高要求的用户青睐。由此可见，在多模式出行服务体系中，尽管公共交通处于核心位置，但在“以用户需求为中心”的服务理念下，出行服务的特性与用户需求的匹配程度才是制定出行策略和用户选择的关键。这充分展现了多模式出行策略相较于传统出行服务在灵活性以及在匹配用户需求上精准性的优势。

近年来，随着“新基建”投资规模的不断扩大，5G（第五代移动通信技术）、人工智能、eVTOL（electric Vertical Take-off and Landing）等新技术得到深度应用，同时新设施（如城市充电桩、数据中心、传统基础设施的数字化改造）也开始广泛普及，城市交通领域正经历着一场前所未有的深刻变革。当前，城市交通基础设施、出行服务以及信息服务已经初步实现多模式互联互通，为城市出行者提供了便利并带来多样化的选择。然而，城市交通基础设施、出行服务、信息服务以及个人出行行为之间的协同交互仍然存在发展瓶颈。从城市交通基础设施的角度来看，虽然各类交通方式之间的连接日益紧密，但换乘效率低下、衔接不够顺畅等问题依然突出。这一问题的根源在于，很多城市在交通枢纽建设和交通站点规划布局时，未能充分考虑乘客的换乘需求和换乘的便捷性，导致换乘路径不畅，延长了换乘时间，给乘客带来不便。从出行服务层面来看，尽管不同运营商所提供的出行服务形式日趋多样化、个性化，但服务质量参差不齐，且缺乏统一标准和有效监管。例如，在许多城市现有的定制公交服务中，存在部分线路班次不稳定、发车时间不准确、定价不规范等问题，给乘客带来了诸多不便，也损害了定制公交服务的整体质量。在信息服务方面，尽管大数据、云计算等新技术为交通信息的获取和处理提供了强大支撑，但不同出行服务商之间数据共享难和信息更新滞后等问题，依然制约着交通信息的精准度和时效性。

为解决上述问题，需要从系统的角度出发，综合考虑各系统要素之间的关联性和协调性，制定有针对性的多模式出行策略。因此，优化推动多模式交通系统与服务需要聚焦以下目标：一是提升多模式出行服务的便捷性，通过优化交通基础设施和提升信息服务水平，实现不同出行方式的无缝衔接，缩短换乘时间，提高出行效率；二是以出行者需求为导向，充分考虑出行者的需求和个性化偏好，提供多样化、个性化的出行服务；三是实现多元数据融合与共享，建立统一的数据标准和共享平台，促进交通数据的互联互通，为多模式交通系统的优化和管理提供有力支撑。

（二）多模式策略实施的挑战与应对举措

实施多模式策略为城市交通注入新活力，但在实施过程中也面临多重挑战。这些挑战不仅包括来自终端用户需求的多样性和复杂性，还涉及服务运营商的运营策略、商业模式创新以及公私合作机制等多个层面。

1.终端用户需求与特征。在城市日常出行中，出行者的行为模式、交通方式选择及服务期望受多种因素影响，如个人社会经济特征、城市空间格局与建成环境、交通政策等。这要求在设计多模式出行服务时，必须深入洞察不同群体的需求，确保服务的包容性和个性化。

2.关注出行服务方面存在困难的弱势群体。这类群体可能因身体条件限制、经济状况不佳或其他因素导致出行困难。在数字化时代，他们还可能因缺乏必要的信息通信技术技能而陷入“多模式鸿沟”问题[68]。因此，必须重视这部分群体的出行需求，确保所提供的出行服务能够体现公平性和包容性。

3.服务运营商的角色挑战。作为连接用户与多模式交通系统的桥梁纽带，服务运营商在推动多模式出行融合发展方面发挥着关键作用。然而，对于运营商来说，如何打破信息壁垒，整合不同服务信息和资源，成为服务提升和优化的关键。由于技术标准不统一、运营模式各异和利益诉求的差异，导致信息和资源服务的整合难度较大，需要从技术革新、商业模式创新及公私合作机制构建等多个维度给予支持和推动。

4.商业模式创新与公私合作机制。商业模式创新与公私合作机制在实现多模式出行服务的有效整合中扮演着至关重要的角色。传统的收益分配模式现已很难适应新的服务业态，需要探索新的盈利模式和服务方式。与此同时，加强公共行政部门与私营企业之间的合作不可或缺。以政策扶持、资金支持等方式推动公共交通与私营企业之间开展深度合作，也是优化和升级多模式出行服务的关键举措之一。

为应对上述挑战，本文从系统的角度出发，提出构建多模式交通系统。多模式交通系统强调要以全面、综合、协调的方式整合多模式交通系统中的各项要素，并通过加强政府管理部门、服务运营商和终端用户等利益相关方之间的深度对话和合作，实现系统要素的有效协同与优化。

从不同利益相关方的角色和定位来看，政府管理部门是多模式出行策略的主导者和监管者。一方面，由于公共交通在多模式交通系统中处于核心地位，因此多模式交通服务具有社会公益属性，这就要求政府管理部门在顶层设计方面提供有力保障，从而实现经济、社会和环境的可持续发展目标；另一方面，多模式出行策略的实施离不开完善的交通基础设施支撑，因此需要政府管理部门进行统筹组织规划、建设和协调等工作。具体来说，政府管理部门需要重点关注以下几个方面：

1.制定发展目标与配套规划。政府需明确多模式出行策略的发展目标，建立具有包容性的多模式交通服务体系。这些发展目标应涵盖经济、社会和环境保护等多个维度的预期效益，并作为制定和完善配套规划的重要依据。在此过程中，政府管理部门应广泛征询终端用户、服务运营商的意见，充分了解各主体的实际需求。例如，针对终端用户的实际需要，政府管理部门应开展相关深入调研，关注在出行服务方面的弱势群体。有研究采用聚类分析的方法，基于出行行为和态度（偏好）将人群划分为不同的模式风格类型[69-70]，为实施差异化的多模式交通服务策略（如为弱势群体提供财政补贴）提供科学依据。在此基础上，政府可考虑委托商业公司协助搭建多模式交通服务平台，整合服务运营商、道路和交通信息，以及终端用户的现实需求，提供包含出行规划、查询、预订、选择及支付结算在内的一体化服务。

2.完善政策保障与制度支持。在支持多模式出行及推动不同出行服务运营商间合作方面，相关制度和政策支持稍显不足。出于维护公共利益的目标，政府管理部门在与出行服务运营商深度对话的基础上，需制定有关合作框架协议，明确多方合作主体的基本原则、范围和方式，协调和监管出行服务运营商的服务行为，保障多模式策略的有效实施。在制度建设上，政府管理部门需要在现有《中华人民共和国数据安全法》《中华人民共和国反垄断法》等法律法规的基础上，有针对性地细化并出台专项政策，为服务运营商的有效合作提供坚实的政策支持和制度保障。

3.提高财政补贴的精准性与效率。财政支持对于推广多模式出行服务具有重要作用。尽管财政补贴支持公共交通发展的模式早已司空见惯，但现行的补贴机制仍存在诸多问题，例如补贴对象不明确、补贴额度计算方法科学性欠佳、补贴效果评估机制不健全等。这些问题不仅加重了政府管理部门的财政负担，还导致补贴成效未达预期。以传统公交补贴模式为例，政府管理部门一般采用直接向公共交通运输企业和特定群体（如老年人群体和学生群体）发放补贴的方式，该做法缺乏精准性和灵活性，在一定程度上容易使企业过度依赖补贴，也未能激发公众选择公共交通出行的热情。在某些情况下，这类补贴方式甚至可能加剧出行高峰时段的拥堵现象（如早高峰时段老年人集中乘车），从而削弱了公共交通在通勤出行中的竞争力。

多模式交通系统涵盖了公共交通、私营交通服务等不同服务主体，以及低碳与非低碳等多种出行方式，对财政补贴的精准性和有效性提出了更高的要求。为此，政府管理部门需针对不同群体（如低收入群体、学生群体）、不同区域和线路特点（如交通拥堵区域、公共交通薄弱区域），以及不同类型的交通服务（如低碳出行服务），制定差异化的补贴政策，并采取灵活多样的补贴策略，以助力实现社会和环境可持续发展目标。在补贴形式上，政府管理部门可探索将补贴（或现金奖励）与用户选择的可持续出行方案相挂钩，根据出行时段（高峰期与非高峰期）和区域（公共交通盈利或亏损区域）进行动态调整。这种策略在降低企业运营成本和用户（特别是弱势群体）出行成本的同时，还能有效激励用户更多地采用可持续出行方式。此外，定期开展补贴政策效果评估同样至关重要。政府管理部门应根据既定的社会和环境发展目标，对补贴政策的实施效果进行持续监测与评估，针对评估中发现的不合时宜或效果不佳的补贴措施，应及时进行调整和优化，以确保补贴资金能够精准、高效地投入到最需要的地方和群体之中，实现政策效果的最大化。

4.推行灵活的定价机制。实施多模式交通策略旨在推动构建以人为本的绿色交通服务体系。为实现这一目标，政府管理部门可采用灵活的定价策略，引导公众选择绿色且可持续的出行方案。在定价过程中，政府管理部门的统筹规划和严格监管是确保定价公正性的关键。具体而言，定价时充分考虑不同出行方式的环保程度，并依据实时路况进行动态调整。对于包含公共交通的绿色出行方案，可以设定较为亲民的价格；对于含有非可持续出行方式（例如出租车和网约车）的方案则可设定相对较高的费用。此外，还可以根据道路拥堵状况和空气污染水平实时调整价格。例如，对可能加剧交通拥堵的出行方式（如高峰时段的网约车）收取额外的费用（可视为“拥堵税”）。同时，给予公共交通更大的折扣优惠（可视为变相财政补贴）。在这一过程中，技术驱动成为城市交通治理模式转型升级的关键要素。借助技术手段，政府管理部门能够掌握用户出行需求、交通服务以及道路状况等实时数据，并实现数据与信息的深度交互融合，推动政府管理部门实现从对交通服务的直接管理，转向对出行需求的全面管理与优化。

5.优化城市空间与完善交通基础设施。优化城市空间和交通基础设施布局是提升城市交通效率的关键，如建设交通换乘枢纽、增设便捷换乘设施、完善停车和充电设施等，对提升城市交通系统的整体效率和便捷性具有重要作用[71]。这要求城市规划和交通管理部门在设计和建设交通基础设施的时候，运用系统的思维，将城市交通系统视作相互关联、有机统一的整体来综合考虑。在此过程中，政府管理部门要以出行者的需求为核心，通过优化换乘流程、缩短换乘时长、提供多样化的换乘选择等措施，最大限度地减少换乘带来的不便，为出行者营造一个更加便捷、舒适的出行环境。此外，政府管理部门还可以积极探索在交通枢纽中融入生活功能与文化元素，增强出行空间的生活气息与人文关怀。例如，根据交通微枢纽的具体规模与地理位置（如市中心地区或郊区等），灵活植入多样化的功能设施与生活服务，如办公空间、零售店铺或休闲设施等，实现出行与日常生活的无缝对接。同时，还可以引入艺术与文化的嵌入式设计，为换乘空间增添趣味与活力，缓解出行者的换乘疲劳，增强出行体验。

服务运营商是多模式出行策略的执行者与推广者，在政府的监管与协调下整合实施多模式交通服务，具体需要关注以下三个方面：

1.深度整合提升服务质量。服务运营商应积极探索多模式出行服务与信息资源的深度整合路径，针对数据安全与商业竞争并存的问题，需要在确保数据安全的基础上，促进数据共享与支付系统互联互通。此外，传统收益分配机制现已难以适应多模式交通服务的需求，服务运营商应积极创新运营商业模式，建立灵活高效的收益分配机制[72]，推动多模式交通服务系统优化发展。

2.满足用户差异化需求，提升服务包容性。针对用户的多样化需求，服务运营商可以采取强化服务特色、优化信息获取渠道、弹性定价等一系列措施，降低多模式交通服务的准入门槛。同时，还需特别关注交通弱势群体面临的“多模式鸿沟”问题[73]，不断完善信息共享机制和提供多元化服务，营造更加公平、包容的出行环境。

3.构建多元化盈利模式驱动可持续发展。在致力于推动实现交通公平的同时，提升盈利能力是出行服务运营商的重要目标之一。而实现这一目标的首要策略是强化用户黏性，扩大平台流量基数，为后续的盈利转化奠定基础。具体而言，运营商可以充分利用大数据与先进算法，向用户提供更为精准、高效的定制出行服务。在盈利模式探索上，服务运营商可突破传统的出行服务收费局限，积极拓展多元化盈利模式。例如，探索与广告商合作建立跨界融合等增值业务，将用户流量转化为经济收益。此外，服务运营商还可以通过引入会员制度、提供多样化套餐选择以及积分奖励计划等手段，进一步激励用户深度参与平台互动，将用户的每一次出行融入绿色、共享理念之中，共同驱动城市交通可持续发展。

四、结论与展望

随着全球气候变化问题日益严峻，城市交通问题持续加剧，多模式出行作为一种创新的城市交通策略，正逐渐受到社会各界的广泛关注。多模式出行策略的核心目标是推动以人为本、绿色可持续的城市交通发展。多模式出行策略坚持互联互通的核心理念，通过引入交通出行领域的前沿技术与创新服务模式，旨在深度整合出行行为、城市环境与交通基础设施、出行服务等多维度要素，实现出行需求、交通服务及道路状况等实时数据的精准交互与深度融合。

在实践中，多模式出行策略的优势主要体现在选择的灵活性和服务的多样性上，这些优势特性使出行者能够根据个人需求自由切换不同的交通出行方式，打破了以往单一出行方式的主导地位，更好地适应了现代都市生活的多元性与复杂性。其中，多模式出行策略所提供的灵活性选择不仅有助于缓解城市交通拥堵、减少碳排放，还能提高出行效率，改善城市居民的出行体验。从宏观的角度来看，多模式出行促进了公共交通、积极交通、共享交通以及其他新兴交通方式之间的有机融合。这种融合不仅有助于提升城市交通系统的整体效能，还将推动城市交通向更加绿色、智能、可持续的方向发展，对推动城市交通系统的转型升级具有重要意义。此外，技术的进步和创新服务模式的不断涌现正在深刻地改变着城市交通管理的思路。其管理的重心正逐步从对交通服务的直接管理，转向对出行需求的全面管理与优化，实现了从“管理出行方式”到“引导和优化出行需求”的根本性转变。而这一转变为构建更加高效、环保和以人为本的城市交通体系开辟了新的发展路径。

值得注意的是，多模式出行并非要求完全取代私家车出行，而是作为私家车出行的补充和替代方案。在特定出行场景下，私家车仍然是一种重要的出行方式。因此，多模式出行的推广和应用需要充分考虑不同地区的实际情况和不同群体的出行需求，因地制宜制定相关政策和措施。例如，在沿海及沿江城市或地区，政府管理部门应加强水运公共交通的基础设施建设，并将其融入城市多模式交通系统中，进一步实现设施与服务之间的互联互通，为居民日常通勤及休闲出行提供全面、便捷的水运公共交通出行服务。在此基础上，服务运营商也应积极响应，共同提高整体的出行效率与用户体验。随着科技的进步，低空出行服务、智能交通系统、自动驾驶技术、共享经济、电动交通工具等新兴技术和新兴业态的发展，将为多模式出行增添新的动力。值得注意的是，在将水运交通和低空出行服务融入城市多模式交通系统建设的过程中，需要加强水运、低空运输与陆路交通在技术标准、运营管理、安全监管等方面的协调统一，确保各类设备、设施、服务等方面相互兼容、顺畅衔接。未来，多模式出行的发展需要更加注重科技创新和推进跨界融合，引领城市交通系统向更加智能、绿色和可持续的方向发展。

最后，在探讨多模式出行的未来发展方向和推动相关实践时，还需要关注以下关键问题：如何进一步提高多模式交通系统的整合度和整体运行效率？如何更好地满足不同出行者的差异化需求？如何平衡多模式出行与私家车出行之间的关系？这些问题都亟待未来的研究和实践进一步探索和解决。多模式出行的发展是一个长期且复杂的过程，需要政府、企业、组织、社会公众等各方力量共同参与和努力。唯有全面的合作和协同创新，才能够促进多模式出行的广泛应用，为应对全球气候变化问题和构建可持续的城市交通系统作出更大的贡献。

参考文献：

[1] Zhifu Mi， Dabo Guan， Zhu Liu， Jingru Liu， Vincent Viguie， Neil Fromer and Yutao Wang， “The Core of Climate Change Mitigation” [J]， Journal of Cleaner Production， 2019， 207： 582-589.

[2] 李政：《我国交通运输业碳排放分析》[J]，《综合运输》2022年第5期，第24-27页。

[3] Yi Li， Du Qiang， Xinran Lu， Jiao Wu and Xiao Han， “Relationship Between the Development and CO2 Emissions of Transport Sector in China”[J]， Transportation Research Part D-Transport and Environment， 2019， 74： 1-14.

[4] Ji Han and Yoshitsugu Hayashi， “Assessment of Private Car Stock and Its Environmental Impacts in China from 2000 to 2020”[J]， Transportation Research Part D-Transport and Environment， 2008， 13（7）： 471-478.

[5] Margaret， J. Douglas， Stephen J. Watkins， Dermot R. Gorman and Martin Higgins， “Are Cars the New Tobacco？”[J]， Journal of Public Health， 2011， 33（2）： 160-169.

[6] Jan-Willem Grotenhuis， Bart W. Wiegmans and Piet Rietveld， “The Desired Quality of Integrated Multimodal Travel Information in Public Transport： Customer Needs for Time and Effort Savings”[J]， Transport Policy， 2007， 14（1）： 27-38.

[7] Claudia Nobis， “Multimodality： Facets and Causes of Sustainable Mobility Behavior”[J]， Transportation Research Record， 2007， （2010）： 37-46.

[8] Athena Tsirimpa， Amalia Polydoropoulou， Loanna Pagoni， and Ioannis Tsouros， “A Reward-based Instrument for Promoting Multimodality”[J]， Transportation Research Part F-Traffic Psychology and Behaviour， 2019， 65： 121-140.

[9] Thomas Clauss， and Sebastian Doeppe， “Why do Urban Travelers Select Multimodal Travel Options： A Repertory Grid Analysis”[J]， Transportation Research Part A-Policy and Practice， 2016， 93： 93-116.

[10] Thomas Klinger， “Moving from Monomodality to Multimodality？ Changes in Mode Choice of New Residents”[J]， Transportation Research Part A-Policy and Practice， 2017， 104： 221-237.

[11] Eva Heinen and Giulio Mattioli， “Multimodality and CO2 Emissions： A Relationship Moderated by Distance”[J]， Transportation Research Part D-Transport and Environment， 2019， 75： 179-196.

[12] 同[7]。

[13] Zidan Mao， Dick Ettema， and Martin Dijst， “Commuting Trip Satisfaction in Beijing： Exploring the Influence of Multimodal Behavior and Modal Flexibility”[J]， Transportation Research Part A-Policy and Practice， 2016， 94： 592-603.

[14] 同[13]。

[15] Piet H. L. Bovy and Sascha Hoogendoorn-Lanser， “Modelling Route Choice Behaviour in Multi-modal Transport Networks”[J]， Transportation， 2005， 32（4）： 341-368.

[16]马亮、黄言、曹新宇：《城市环境对积极交通出行的影响——中西方研究比较》[J] ， 《地理科学》2024年第2期，第216-227页。

[17] 同[7]。

[18] Eva Heinen and Kiron Chatterjee， “The Same Mode Again？ An Exploration of Mode Choice Variability in Great Britain Using the National Travel Survey”[J]， Transportation Research Part A-Policy and Practice， 2015， 78： 266-282.

[19] Akshay Vij， Andre Carrel and Joan L. Walker， “Incorporating the Influence of Latent Modal Preferences on Travel Mode Choice Behavior”[J]， Transportation Research Part A-Policy and Practice， 2013， 54： 164-178.

[20] 同[13]。

[21] Eric Molin， Patricia Mokhtarian and Maarten Kroesen， “Multimodal Travel Groups and Attitudes： A Latent Class Cluster Analysis of Dutch Travelers”[J]， Transportation Research Part A-Policy and Practice， 2016， 83： 14-29.

[22] Ralph Kelcie M， “Multimodal Millennials？ The Four Traveler Types of Young People in the United States in 2009”[J]， Journal of Planning Education and Research， 2017， 37（2）： 150-163.

[23] 同[17]。

[24] 同[8]。

[25] Joachim Scheiner， Kiron Chatterjee and Eva Heinen， “Key Events and Multimodality： A life Course Approach”[J]， Transportation Research Part A-Policy and Practice， 2016， 91： 148-165.

[26] Christoffel J Venter， “Measuring the Quality of the First/Last Mile Connection to Public Transport”[J]， Research in Transportation Economics， 2020， 83： 100949.

[27] Fangru Wang and Catherine L. Ross， “New Potential for Multimodal Connection： Exploring the Relationship between Taxi and Transit in New York City （NYC）”[J]， Transportation， 2019， 46（3）： 1051-1072.

[28] Caitlin D. Cottrill， Sarah Brooke， Corinne Mulley， John D. Nelson and Steve Wright， “Can Multi-modal Integration" Provide Enhanced Public Transport Service Provision to Address the Needs of Vulnerable Populations？”[J]， Research in Transportation Economics， 2020， 83： 100954.

[29] Sakari Jappinen， Tuuli Toivonen and Maria Salonen， “Modelling the Potential Effect of Shared Bicycles on Public Transport Travel Times in Greater Helsinki： An Open Data Approach”[J]， Applied Geography， 2013， 43： 13-24.

[30] Yos Sunitiyoso， Wulan Asti Rahayu， Shimaditya Nuraeni， Ilham Fadhil Nurdayat， Noorhan Firdaus Pambudi and Fikri Hadiansyah， “Role of Ride-hailing in Multimodal Commuting”[J]， Case Studies on Transport Policy， 2022， 10（2）： 1283-1298.

[31] Rui Wang， Feng Chen， Xiaobin Liu， Xiaobing Liu， Zhiqiang Li and Yadi Zhu， “A Matching Model for Door-to-door Multimodal Transit by Integrating Taxi-Sharing and Subways”[J]， Isprs International Journal of Geo-Information， 2021， 10（7）： 469.

[32] Sam McLeod， Jan Scheurer and Carey Curtis， “Urban Public Transport： Planning Principles and Emerging Practice”[J]， Journal of Planning Literature， 2017， 32（3）： 223-239.

[33] Hartwig H. Hochmair， “Assessment of Bicycle Service Areas Around Transit Stations”[J]， International Journal of Sustainable Transportation， 2015， 9（1）： 15-29.

[34] 同[29]。

[35] Flavia de Souza， Lissy La Paix Puello， Mark Brussel， Romulo Orrico and Martin van Maarseveen， “Modelling the Potential for Cycling in Access Trips to Bus， Train and Metro in Rio de Janeiro”[J]， Transportation Research Part D-Transport and Environment， 2017， 56： 55-67.

[36] Adriana Ortegon-Sanchez and Daniel Oviedo Hernandez， “Assessment of the Potential for Modal Shift to Non-motorised Transport in a Developing Context： Case of Lima， Peru”[J]， Research in Transportation Economics， 2016， 60： 3-13.

[37] Christian Kapuku， Seung-Young Kho， Dong-Kyu Kim and Shin-Hyung Cho， “Assessing and Predicting Mobility Improvement of Integrating Bike-sharing into Multimodal Public Transport Systems”[J]， Transportation Research Record， 2021， 2675（11）： 204-213.

[38] Tobias Kuhnimhof， Bastian Chlond and Po-Chi Huang， “Multimodal Travel Choices of Bicyclists Multiday Data Analysis of Bicycle Use in Germany”[J]， Transportation Research Record， 2010， （2190）： 19-27.

[39] Meng Meng， Andreas Rau and Hita Mahardhika， “Public Transport Travel Time Perception： Effects of Socioeconomic Characteristics， Trip Characteristics and Facility Usage”[J]， Transportation Research Part A-Policy and Practice， 2018， 114： 24-37.

[40] Zhenran Zhu， Anming Zhang and Yahua Zhang， “Measuring Multi-modal Connections and Connectivity Radiations of Transport Infrastructure in China”[J]， Transportmetrica A-Transport Science， 2019， 15（2）： 1762-1790.

[41] Yue Liu， Jun Chen， Weiguang Wu and Jiao Ye， “Typical Combined Travel Mode Choice Utility Model in Multimodal Transportation Network”[J]， Sustainability， 2019， 11（2）： 549.

[42] Riccardo Gallotti and Marc Barthelemy， “Anatomy and Efficiency of Urban Multimodal Mobility”[J]， Scientific Reports， 2014， 4： 6911.

[43] Lauri Hame and Harri Hakula， “Dynamic Journeying Under Uncertainty”[J]， European Journal of Operational Research， 2013， 225（3）： 455-471.

[44] Ralph Buehler and John Pucher， “Demand for Public Transport in Germany and the USA： An Analysis of Rider Characteristics”[J]， Transport Reviews， 2012， 32（5）： 541-567.

[45] 同[32]。

[46] Ho-Yin Chan， Yingying Xu， Anthony Chen and Xintao Liu， “Impacts of the Walking Environment on Mode and Departure Time Shifts in Response to Travel Time Change： Case Study in the Multi-layered Hong Kong Metropolis”[J]， Travel Behaviour and Society， 2022， 28： 288-299.

[47] Otto Anker Nielsen， Morten Eltved， Marie Karen Anderson and Carlo Giacomo Prato， “Relevance of Detailed Transfer Attributes in Large-scale Multimodal Route Choice Models for Metropolitan Public Transport Passengers”[J]， Transportation Research Part A-Policy and Practice， 2021， 147： 76-92.

[48] Tibor Rongen， Taede Tillema， Jos Arts， Maria J. Alonso-Gonz and Jan-Jelle Witte， “An Analysis of the Mobility Hub Concept in the Netherlands： Historical Lessons for Its Implementation”[J]， Journal of Transport Geography， 2022， 104： 103419.

[49] Jorge Gil， “Analyzing the Configuration of Multimodal Urban Networks”[J]， Geographical Analysis， 2014， 46（4）： 368-391.

[50] Ralph Buehler， John Pucher and Oliver Duemmler， “Verkehrsverbund： The Evolution and Spread of Fully Integrated Regional Public Transport in Germany， Austria， and Switzerland”[J]， International Journal of Sustainable Transportation， 2019， 13（1）： 36-50.

[51] 同[44]。

[52] Qi Luo， Shukai Li and Robert C. Hampshire， “Optimal Design of Intermodal Mobility Networks Under Uncertainty： Connecting Micromobility with Mobility-on-demand Transit”[J]， Euro Journal on Transportation and Logistics， 2021， 10： 100045.

[53] 董明峰：《公交枢纽规划和实施的相关思考》[J]，《交通与运输》2021年第2期，第98-101页。

[54] Montserrat Miramontes， Maximilian Pfertner， Hema Sharanya Rayaprolu， Martin Schreiner and Gebhard Wulfhorst， “Impacts of a Multimodal Mobility Service on Travel Behavior and Preferences： User Insights From Munich's First Mobility Station”[J]， Transportation， 2017， 44（6）： 1325-1342.

[55] Goran Smith and David A. Hensher， “Towards a Framework for Mobility-as-a-Service Policies”[J]， Transport Policy， 2020， 89： 54-65.

[56] 李晔、王密、舒寒玉：《出行即服务（MaaS）系统研究综述》[J]，《综合运输》2018年第9期，第56-65页。

[57] David A. Hensher， Corinne Mulley and John D. Nelson， “Mobility as a Service （MaaS）-Going Somewhere or Nowhere？”[J]， Transport Policy， 2021， 111： 153-156.

[58] Corinne Mulley， Chinh Ho， Camila Balbontin， David Hensher， Larissa Stevens， John D. Nelson and Steve Wright， “Mobility as a Service in Community Transport in Australia： Can it Provide a Sustainable Future？”[J]， Transportation Research Part A-Policy and Practice， 2020， 131： 107-22.

[59] Glenn Lyons， Paul Hammond and Kate Mackay， “The Importance of user Perspective in the Evolution of MaaS”[J]， Transportation Research Part A-Policy and Practice， 2019， 121： 22-36.

[60] 同[55]。

[61] 同[55]。

[62] David A Hensher， “Future Bus Transport Contracts Under a Mobility as a Service （MaaS） Regime in the Digital Age： Are They Likely to Change？”[J]， Transportation Research Part A-Policy and Practice， 2017， 98： 86-96.

[63] Russell Belk， “You Are What You Can Access： Sharing and Collaborative Consumption Online”[J]， Journal of Business Research， 2014， 67（8）： 1595-1600.

[64] Barbara Laa， Takeru Shibayama， Tadej Brezina， Stefan Schonfelder， Dragana Damjanovic， Elke Szalai and Manuel Hammel， “A Nationwide Mobility Service Guarantee for Austria： Possible Design Scenarios and Implications”[J]， European Transport Research Review， 2022， 14（1）： 25.

[65] Soeren Groth， “Multimodal Divide： Reproduction of Transport Poverty in Smart Mobility Trends”[J]， Transportation Research Part A-Policy and Practice， 2019， 125： 56-71.

[66] Maria J. Alonso-Gonzalez， Sascha Hoogendoorn-Lanser， Niels van Oort， Oded Cats and Serge Hoogendoorn， “Drivers and Barriers in Adopting Mobility as a Service （MaaS） - A Latent Class Cluster Analysis of Attitudes”[J]， Transportation Research Part A-Policy and Practice， 2020， 132： 378-401.

[67] Susan Shaheen and Adam Cohen， “Similarities and Differences of Mobility on Demand （MOD） and Mobility as a Service （MaaS）”[J]， Ite Journal-Institute of Transportation Engineers， 2020， 90（6）： 29-35.

[68] Toon Zijlstra， Anne Durand， Sascha Hoogendoorn-Lanser and Lucas Harms， “Early Adopters of Mobility-as-a-Service in the Netherlands”[J]， Transport Policy， 2020， 97： 197-209.

[69] 同[21]。

[70] 同[22]。

[71] 同[65]。

[72] 同[55]。

[73] Sebastian Timmer， Katrin Merfeld and Sven Henkel， “Exploring Motivations for Multimodal Commuting： A Hierarchical Means-end Chain Analysis”[J]， Transportation Research Part A-Policy and Practice， 2023， 176： 103831.

注释：

①微枢纽是一种小型交通枢纽，旨在通过在轨道交通车站周边布置常规公交站、大巴上下客点、出租车停靠点、自行车停放点及共享单车停放点，完善轨道与公交站点接驳，实现公交地铁无缝换乘。

作者简介：黄言，北京大学城市与环境学院博士研究生。马亮（通讯作者），北京大学城市与环境学院研究员。

责任编辑：刘" " 颖