朱菁 陳淑燕 李賽賽 曹政 張怡文 丁曉梅

摘要：幸福感的研究對提升個人健康和社會效益，實現(xiàn)健康中國的戰(zhàn)略目標具有重要意義。文中對出行幸福感的顯著影響因素及其層次結構進行分析，構建了出行幸福感評價指標體系，由此提出了相應的規(guī)劃與政策建議。文中采用國際公認的研究幸福感的數(shù)據(jù)庫ATUS（American Time Use Survey），首先建立最優(yōu)尺度回歸模型，篩選出顯著影響出行幸福感的因素并得到各自的重要性系數(shù);而后，以最優(yōu)尺度回歸輸出結果為依據(jù)，結合因子分析法和層次分析法獲得因素間的層次結構，得到每個指標的影響權重，從而構建了出行幸福感評價指標體系，定量地描述了不同因素對出行幸福感的影響程度;最后，基于出行幸福感影響因素的啟示，給出提升出行幸福感的規(guī)劃與政策建議。

關鍵詞：出行幸福感;因子分析法;層次分析法;規(guī)劃建議

中圖分類號：U491.1

DOI：10.16152/j.cnki.xdxbzr.2020-04-018開放科學（資源服務）標識碼（OSID）：

The influencing factors of travel well-being and

suggestions for planning and policy

ZHU Jing1， CHEN Shuyan2， LI Saisai3， CAO Zheng4，ZHANG Yiwen1， DING Xiaomei5

（1.College of Urban and Environmental Sciences， Northwest University， Xi′an 710127， China；

2.School of Transportation， Southeast University， Nanjing 210096， China；

3.Tongji Architectural Design（Group） Co.，Ltd.， Shanghai 200092， China；

4.Shanghai Municipal Engineering Design Institute Co.，Ltd， Shanghai， 200092， China；

5.Zhejiang Institute of Communications， Hangzhou 311112， China）

Abstract： The study of well-being is of great significance for improving personal health and social benefits and realizing the strategic goal of healthy China. This paper analyses the significant influencing factors and hierarchical structure of travel well-being， constructs an evaluation index system of travel well-being， and puts forward corresponding suggestions for transportation planning and policy. This paper uses the well-known travel well-being data from the American Time Use Survey （ATUS）， established an optimal scaling regression model to derive significant factors of travel emotional experiences and their effect sizes. Based on modeling results， combined the factor analysis method with the analytic hierarchy process to obtain the hierarchical structure of the influencing factors and the weight of each factor， thus developed a travel well-being scoring system which can quantify the impact of each factor on travel well-being. Finally， based on the inspiration of the influencing factors of travel well-being， the suggestions of planning and policy are put forward for improving travel well-being.

Key words： travel well-being; factor analysis; analytic hierarchy process; planning suggestions

隨著人民生活水平的不斷提升，對生活質量的衡量重心開始由經(jīng)濟利益向幸福感轉移。近年來，經(jīng)濟學、哲學等各領域的學者著手進行幸福感這一課題的深入研究。經(jīng)濟學家伊斯特林［1］首先對收入和幸福感之間的關系進行了研究，并提出了經(jīng)典的“收入—幸福感”矛盾。他發(fā)現(xiàn)當收入達到某一水平后，收入和幸福感之間不再存在明顯的正相關關系。國際組織在評估一個國家的發(fā)達程度時，除了采用傳統(tǒng)的經(jīng)濟指標如GDP等，也開始將幸福感這一指標納入考慮范圍。2011年7月，聯(lián)合國大會（United Nation General Assembly）通過了第65／309號決議“幸福：邁向發(fā)展的整體定義”。自2012年以來，聯(lián)合國可持續(xù)發(fā)展網(wǎng)絡（United Nation′s Sustainable Solutions Network）每年都公布《世界幸福報告》，幸福感水平已經(jīng)逐漸成為社會發(fā)達程度的標志之一。

2017年，在最具幸福感城市評選活動中，成都、杭州、南京等10個城市獲得“中國最具幸福感城市”榮譽稱號［2］，該調查推選活動由新華社聯(lián)合中國市長協(xié)會共同主辦，迄今已連續(xù)舉辦11年，累計9.86億人次參與;近年來在政府的工作報告和政策文件中多次明確要將全面增強國民幸福感作為民生工作的核心。十九大報告指出要實施健康中國戰(zhàn)略，而心理健康是現(xiàn)代人健康不可分割的重要方面，幸福感的研究對于提升個人心理健康，實現(xiàn)健康中國的戰(zhàn)略目標具有重要意義。

交通運輸是社會和經(jīng)濟發(fā)展的基礎性、先導性、戰(zhàn)略性產(chǎn)業(yè)，隨著城市化進程加快，人們日益增長的高質量交通服務的需求與不平衡、不充分供給的矛盾日益突出，居住地選擇、交通環(huán)境、城市規(guī)劃等因素制約著人們日常出行方式的選擇。同時，交通擁堵、乘坐環(huán)境差、通勤時間過長、晚點與延誤等出行問題也日益凸顯，對人們的出行體驗產(chǎn)生不良影響，造成了較低的出行幸福感。這種不良的情緒體驗會波及到人們的工作和家庭生活中，對生活幸福感產(chǎn)生消極的影響。因此，將幸福感理論引入交通領域的相關研究中具有必要性和前瞻性。

國內外學者均對出行幸福感的研究做出了貢獻。國外學者更多的關注通勤活動的幸福感研究，對交通擁堵［3］、出行方式［4］、通勤時間［5］、可獲得交通資源［6］、出行環(huán)境［7］等因素對出行幸福感的影響程度進行了探討。國內相關學者對居民游憩行為與主觀幸福感［8］、通勤行為的健康效應［9］、通勤時間與主觀幸福感［10］等做了相應研究。然而已有研究很少對出行幸福感影響因素及層次結構進行分析，現(xiàn)有成果多為探討某一具體因素對出行幸福感的影響，因而缺少出行幸福感的評價體系，導致出行幸福感的評價較為困難。

論文采用國際公認的研究幸福感的數(shù)據(jù)庫——美國ATUS（American Time Use Survey），對出行幸福感的影響因素進行了分析，并構建了相應的評價指標體系。一方面，有助于準確地評估幸福感，為后續(xù)研究，如出行幸福感指標的選取、量表的制定提供理論依據(jù);另一方面，為政府部門制定具體政策和干預措施、提升出行幸福感提供決策依據(jù)，對改善居民出行體驗，構建和諧社會具有重要的現(xiàn)實意義和參考價值。由于目前國內大樣本數(shù)據(jù)的缺乏，采用國際數(shù)據(jù)開展初步研究，對下一步進行中國居民出行幸福感相關研究具有一定的借鑒意義。

1 出行幸福感影響因素提取

1.1 數(shù)據(jù)描述

本文采用的數(shù)據(jù)來源于國際公認的研究出行幸福感的數(shù)據(jù)庫ATUS（American Time Use Survey），該數(shù)據(jù)庫對個人和出行信息的收集較為完整，具有很好的代表性，契合了本論文對于出行幸福感的研究需要。采用2013年幸福感模塊的數(shù)據(jù)進行分析，剔除不合理的異常點和缺失值，以及樣本量太小不具有代表性的變量，同時對變量屬性進行合并和啞元處理，共得到6 719條記錄。

自變量可以分為3類：①出行屬性，包含了是否與他人交互、交通方式、出行持續(xù)時間、出行目的;②個人屬性，包括年齡、性別、種族、地區(qū)、工作情況、工作類型、學歷、健康情況（較好=1，一般=2，較差=3）、休息情況;③家庭屬性，包括家庭總收入、是否結婚、有無小孩。

因變量即出行幸福感，其值借鑒美國學者布萊德博［11］提出的ABS法（Affect Balance Scale）計算，情緒水平=平均積極情緒-平均消極情緒，該方法已被證明可以有效地代表自測的幸福感。在本研究中的應用為：情緒水平=平均積極情緒（快樂得分）-平均消極情緒（痛苦、悲傷、壓力、疲勞得分均值），計算后的情緒水平是數(shù)值型變量，取值-6.00～6.00，數(shù)值越大代表出行過程中的幸福體驗越高。

具體變量描述見表1所示。

1.2 影響因素分析

最優(yōu)尺度回歸（optimal scaling regression）是標準線性回歸模型的一種擴展，它允許因／自變量為各種類型的分類變量［12］，結合本文研究的問題和變量類型，采用此方法進行建模。其優(yōu)勢在于能夠得出重要性系數(shù)，非常直觀和方便地看出每一個自變量對因變量的影響程度。在自變量含有較多分類變量時，其準確性與可解釋性要高于一般線性回歸模型和logistic模型。本文選用最優(yōu)尺度回歸模型篩選對出行幸福感顯著影響的因素，為之后的因子分析建立影響因素結構層次提供輸入，同時得出的重要性系數(shù)也為層次分析法中判斷矩陣的元素即標度的取值提供參考。模型的原理和過程，參見參考文獻［13］，所得模型輸出結果如表2所示。

模型匯總的調整R2為0.248，sig.值為0.002，說明該模型有意義，表2給出了模型的輸出結果：變量、sig.值、重要性系數(shù)和轉換后容差。sig.值小于0.05，說明該變量具有統(tǒng)計學意義。重要性系數(shù)代表了該因素在模型中的重要程度百分比，總和為100％，絕對值越大，說明該因素對出行幸福感的影響越大。轉換后容差如果過小，說明數(shù)據(jù)存在嚴重的多重共線性，會導致模型結果不準確，一般以0.5為界。如果容忍度小于0.5的因素較多，則需考慮多重共線性的影響。表2轉換后容差值均大于0.5，可見本模型中不存在此問題。從表2可見，工作類型、有無小孩這兩個變量的sig.值大于0.05且重要性為0.000，故予以剔除，其余14個變量均對出行幸福感有顯著影響。

2 出行幸福感評價指標體系的構建

因為因子分析法擅長于建立層次結構，層次分析法擅長于確立指標權重，故而本文將兩種方法相結合來分析出行幸福感影響因素，建立指標體系。最優(yōu)尺度回歸建模篩選出的顯著因素是因子分析建立因素間層次結構的基礎，重要性系數(shù)為層次分析法中確立判斷矩陣提供依據(jù)，彌補了層次分析法采用專家意見容易導致主觀成分過重的缺陷。

2.1 基于因子分析法建立影響因素層次結構

因子分析是一種將多數(shù)變量化繁為簡的方法，它以較少的信息丟失為代價，將多個相關變量進行合并，能夠很好地解決變量共線性的問題，有效地提取變量的內在結構。

因子分析的一般步驟為：

1） 采用KMO檢驗或Bartlett球形檢驗判斷數(shù)據(jù)間的相關性，確定其是否符合因子分析的要求。

2） 確定公共因子數(shù)，并作出專業(yè)性的解釋。當特征根大于1或累計貢獻率大于80％時，說明提取的公因子的數(shù)目合適。公式如下：

Xi=αi1F1+αi2F2+…+αimFm+εi，

i=1，2，3，…，p? （1）

式中，Xi為原變量，F(xiàn)1，F(xiàn)2，…，F(xiàn)m代表被提取的公因子，εi代表特殊因子，aij為因子載荷，且m＜p。

KMO檢驗值取值在0到1之間，一般而言，若KMO檢驗值大于0.5則表明適合做因子分析，且檢驗值越大，因子分析的效果越好。本文計算的KMO檢驗值為0.617，說明因子分析的結果有效。最終，從14個變量中提取了5個主因子，累計貢獻率為80.3％。

表3為因子荷載矩陣，揭示每個主因子與各變量之間的關系，絕對值數(shù)值越高，說明該主因子對某個變量的解釋程度越好?？梢?，第一主因子反應的是個人的休息和健康狀況;第二主因子主要表示出行期間的活動即是否與他人交互;第三主因子主要與出行目的、出行持續(xù)時間、出行方式有關，反映了出行特征;第四主因子主要體現(xiàn)了家庭收入、工作情況、學歷3個因素，反映了個人社會經(jīng)濟屬性;第五主因子主要反映了個人人口統(tǒng)計屬性，如婚姻、年齡段、地區(qū)、性別、種族。

2.2 二級指標權重的確定

二級指標權重由因子分析中各因子的貢獻率確定，研究中提取了5個主因子，特征值分別為3.209，2.326，2.156，1.854，1.697，根據(jù)公式

λj／∑5j=1λj（j=1，2，3，4，5）? （2）

可計算得各因子的貢獻率即各指標的權重：個人休息與健康狀況（0.285）、出行期間活動（0.207）、出行特征（0.192）、個人社會經(jīng)濟屬性（0.165）、個人人口統(tǒng)計屬性（0.151）。利用因子分析法提取潛在變量作為二級指標，有效地將三級指標歸類，形成了合理的結構層次。

三級指標權重用因子分析法較難得出，而確定指標的權重是層次分析法的優(yōu)勢所在，因而采用此方法來確定三級指標的權重。層次分析法［14-15］，是一種將定性判斷和定量計算結合起來的決策分析方法，能夠非常清晰地展現(xiàn)每個層次的每個因素對原變量的影響程度。步驟如下：

1）建立階梯層次結構;

2）構建兩兩比較判斷矩陣A;

3）計算各層次指標的權重;

Aω=λmaxω? （3）

如果有向量ω=（ω1，ω2，…，ωn）T滿足公式（3），其中λmax是判斷矩陣A的最大特征值，則歸一化后的ω即為權重向量。

4）一致性檢驗

因子分析已經(jīng)建立了影響因素的層次結構，現(xiàn)要對三級指標構建判斷矩陣。判斷矩陣是用數(shù)值的形式將每一個元素與該層其他元素的相對重要性進行表示構成的矩陣。矩陣中第i行第j列的元素為aij，表示元素ai相對于元素aj的重要程度（標度），標度表如表4所示。

從表4可知，共有5個二級指標，需要建立5個判斷矩陣，分別為2階、1階、3階、3階、5階，表示個人休息與健康狀況、出行期間活動、出行特征、個人社會經(jīng)濟屬性、個人人口統(tǒng)計屬性的子元素互相之間的標度：

11/331，（1），

1241/2131/41/31，

11/21/5211/4541，11/5232516761/21/6121/21/31/71/211/31/21/6231，

最大特征值分別為2，1， 3.018， 3.094， 5.157， 對應的特征向量歸一化以后分別為： ［0.750， 0.250］T， ［1］T， ［0.558， 0.320， 0.122］T， ［0.186，0.127，0.687］T，［0.165，0.577，0.084，0.053，0.121］T，一致性檢驗的C.R.值分別為0，0，0.016，0.081，0.035，均小于0.01，且R.I.都符合標準，因此一致性檢驗結果是可接受的。

最終得出評價指標體系如圖1所示，三級指標括號中的第一個數(shù)字表示其對相應的二級指標的影響權重，第二個數(shù)字是二級和三級權重的乘積，表示該三級指標對一級指標的影響權重。

由最終建立的指標體系可見，個人休息與健康狀況和出行期間活動是影響顯著的二級指標，而昨晚休息程度和活動中是否與他人交互是影響顯著的三級指標，其次是學歷和出行目的。得出的結果與實際情況是相符的，休息的程度決定了一個人出行時的整體精神狀態(tài);與他人交互的過程會產(chǎn)生精神刺激，一定程度上能緩解壓力和急躁的情緒，對出行情緒產(chǎn)生積極的影響;當人們進行旅游、休閑、娛樂出行時，心態(tài)是放松的，整體的心情是愉悅的;人的學歷越高，見識越廣，可能對于生活的要求也越高，幸福感的閾值也會越高。

3 規(guī)劃與政策建議

交通政策通過提供移動性和可達性，在很大程度上影響了個人幸福感［10］。探索影響出行幸福感的因素，有助于制定更為合理的交通政策，進一步提高公眾出行體驗、幸福感和健康水平。本文的研究結果表明，個人休息與健康狀況、出行期間活動和出行特征是影響出行幸福感的3個最為重要的二級指標，由此提出如下建議。

3.1 保障個人良好休息與健康

良好的個人休息與健康狀況對于提升出行幸福感具有重要作用。良好的休息需要良好的居住環(huán)境，居住環(huán)境與居住用地選址、居住區(qū)規(guī)劃設計規(guī)范密切相關。我國《城市居住區(qū)規(guī)劃設計標準》GB50180-2018對如何降低城市道路噪音對居住區(qū)的影響尚未有相應條款進行約束，建議未來對該規(guī)范進行完善，通過強制性條文，引導居住區(qū)建設功能性綠地，從而降低城市道路噪音對居住區(qū)的影響。

此外，在城市道路設計中進行相應休息區(qū)域的設計，加強管理防止人們疲勞出行，也是提升出行幸福感的有效策略。同時，城市環(huán)境質量對居民身體健康有著明顯影響，而城市道路交通噪聲和車輛尾氣排放是主要的城市環(huán)境污染源。建議在城市管理中鼓勵人們采用電動環(huán)保車輛和綠色環(huán)保的燃油替代品、定期對車輛進行檢測和維護直接減少排放污染。此外，建議城市道路上種植大喬木降低道路噪音，并在城市規(guī)劃中以公共交通為導向引導城市交通結構優(yōu)化，完善城市公交基礎設施，對公交車輛進行更新改造，合理規(guī)劃城市公交線路及密度，在有條件的道路上設置公交專用車道，提高城市公共交通覆蓋率和分擔率，從而有效緩解城市道路車輛尾氣污染。再者，建議在街道、居民區(qū)采取一系列交通寧靜化措施，如路網(wǎng)結構的調整、社區(qū)入口設計、停車規(guī)劃、建設慢行設施等，可以有效減少交通噪聲污染，為居民良好的休息和健康提供環(huán)境保障。

3.2 鼓勵出行者在出行期間的互動

出行期間的活動即出行過程中與他人的互動對提升出行幸福感有重要作用。因此，可借鑒國外經(jīng)驗，鼓勵家庭出行和團體出行，對該類出行采取更為優(yōu)惠的票制和收費模式，在公交車輛、地鐵內、車站設立便于團體交流的座位等設施。在人流量較大的旅游景區(qū)和娛樂設施場所，可適量設置多人參與項目。此外，可以考慮加強出行者和出行工具之間的交互，如在公交站臺設立電子站牌，在公交車輛內部安裝多媒體設施，減輕出行者出行期間的壓力感。建設15分鐘生活圈居住區(qū)，提高人們對各類生活服務設施的可達性，有利于鼓勵人們與親人、朋友共同出行，加強互動。

3.3 完善出行環(huán)境

出行特征包括出行目的、出行時間、出行方式也在較大程度上影響居民出行幸福感。研究表明，出行目的和出行幸福感之間具有重要的聯(lián)系，因此，建立一個有利于更多自主出行的交通環(huán)境顯得尤為重要。同時，縮短出行時間有益于提高出行幸福感，已有研究表明出行時間更長的人更容易產(chǎn)生疲勞、壓力、難過等負面情緒［16］。為縮短出行時間，在規(guī)劃階段要做到道路等級和功能明確，路權清晰，優(yōu)化交通結構;完善停車換乘設施和公共交通內部換乘設施，保障城市交通良好的可達性。出行方式對出行幸福感亦有影響，已有研究表明步行等慢行交通出行方式幸福感最高。城市慢行交通系統(tǒng)由非機動車系統(tǒng)和步行系統(tǒng)組成，是短距離出行的主要方式，也是中、長距離出行與公共交通接駁不可或缺的交通方式。建議在城市道路規(guī)劃設計中，結合道路實際流量和斷面現(xiàn)狀，合理設計非機動車道布置形式，并結合景觀步行帶建設，規(guī)劃沿城市自然水系、人工水系的游憩自行車專用道與景觀步行走廊，共同創(chuàng)造宜人的慢行交通環(huán)境。還可通過美化商業(yè)步行街、城市休憩與集會廣場、行人過街通道等措施，建設宜人的城市步行系統(tǒng)。

4 結 語

本文采用美國ATUS數(shù)據(jù)庫，建立最優(yōu)尺度回歸模型篩選出顯著影響出行幸福感的因素，并得到每個因素的重要性系數(shù)。然后采用因子分析確立了影響因素的層次結構和二級指標的權重。進而以最優(yōu)尺度回歸建模結果中各變量的重要性系數(shù)為依據(jù)，采用層次分析法得出了三級指標的權重，建立了出行幸福感評價指標體系，最后，基于3個重要影響因素，從保障個人良好休息與健康、鼓勵出行者在出行期間的互動以及完善出行環(huán)境這3個角度定性探討了相應的規(guī)劃政策建議，這些研究成果對未來我國開展類似研究具有一定的借鑒意義。未來可在上述研究的基礎上，通過收集我國大樣本相應數(shù)據(jù)，分析我國出行幸福感的影響因素，并與美國進行對比分析，進而構建相應影響因素與出行幸福感之間的關系模型，定量分析影響度及影響機制，為我國提升出行幸福感科學制定交通政策提供參考和理論支持。

致謝：美國明尼蘇達大學漢佛萊公共事務學院范穎玲教授對該研究和論文修改給予了指導，提出了寶貴意見，特此感謝。

參考文獻：

［1］ EASTERLIN R A. Does economic growth improve the human lot？ some empirical evidence［M］∥Nations and Households in Economic Growth.Amsterdam：Elsevier，1974：89-125.

［2］ 新華網(wǎng).2017“中國最具幸福感城市”調查推選結果［EB／OL］.http：／／www.xinhuanet.com／politics／2017-12／07／c-129759832.htm，2月24日.

［3］ MORRIS E A， HIRSCH J A. Does rush hour see a rush of emotions？ Driver mood in conditions likely to exhibit congestion［J］. Travel Behaviour and Society，2016， 5： 5-13.

［4］ MORRIS E A， GUERRA E. Mood and mode：Does how we travel affect how we feel？［J］. Transportation，2015， 42（1）： 25-43.

［5］ CHOI J， COUGHLIN J F， D′AMBROSIO L. Travel time and subjective well-being［J］. Transportation Research Record Journal of the Transportation Research Board，2013，2357（1）：100-108.

［6］ BALLAS D， TRANMER M. Happy people or happy places？ A multilevel modeling approach to the analysis of happiness and well-being［J］.International Regional Science Review， 2012， 35（1）：70-102.

［7］ DE VOS J， MOKHTARIAN P L， SCHWANEN T， et al. Travel mode choice and travel satisfaction： bridging the gap between decision utility and experienced utility［J］. Transportation，2016，43（5）：771-796.

［8］ 粟路軍，何學歡.城市居民主觀幸福感與游憩行為關系研究——以長沙市為例［J］.北京第二外國語學院學報，2009（3）：79-86.

SU L J， HE X H. A study on relationship between subjective well-being of urban residents and behaviors of recreation：A case study in Changsha City［J］.Journal of Beijing Second Foreign Languages Institute， 2009（3）：79-86.

［9］ 朱菁，高鵬華，吳瀟，等.大城市居民通勤行為的健康效應研究——以西安市為例［J］.城市規(guī)劃學刊，2014（6）：46-51.

ZHU J， GAO P H， WU X， et al. A study on the health effect of commuting behavior of residents in big cities-Take Xi′an as an example［J］.Urban Planning Forum.2014（6）：46-51.

［10］吳江潔. 城市通勤時耗對個人幸福感與健康的影響研究［D］.上海：華東師范大學，2016.

［11］BRADBURN N M. The Structure of Psychological Well-being.［M］.Chicago：Aldine Publishing Company， 1969.

［12］張文彤. SPSS統(tǒng)計分析高級教程［M］. 北京： 高等教育出版社， 2004：130-136.

［13］馬鵬杰，佟昕，張世奇，等. 最優(yōu)尺度回歸在儲層孔隙度主控因素分析中的應用［J］. 沉積與特提斯地質，2015，35（3）：68-74.

MA P J， TONG X， ZHANG S Q， et al. Applications of optimal scaling regression to the analysis of main controlling factors of reservoir porosity［J］.Sedimentation and Tethys geology，2015，35（3）：68-74.

［14］張俊麗. 基于層次分析法的集團采購數(shù)字資源績效評價指標體系研究［J］. 現(xiàn)代情報，2012，32（10）：23-28.

ZHANG J L. Study on the index system of digital resources′ performance evaluation for the consortia acquisition of digital resources from consortia based on AHP［J］.Modern Intelligence，2012，32（10）：23-28.

［15］耿金花，高齊圣，張嗣瀛. 基于層次分析法和因子分析的社區(qū)滿意度評價體系［J］.系統(tǒng)管理學報，2007，16（6）：673-677.

GENG J H，GAO Q S，ZHANG S Y.Community satisfaction evaluation system′s research based on AHP and factor analysis［J］.Journal of system management，2017，16（6）：673-677.

［16］MORRIS E A， GUERRA E. Are we there yet？ Trip duration and mood during travel［J］.Transportation Research Part F： Traffic Psychology and Behaviour， 2015， 33：38-47.

（編 輯 亢小玉）