何明衛(wèi)，寸議鵬，石莊彬，何保紅

昆明理工大學(xué)交通工程學(xué)院，云南昆明 650500

在中國快速城市化進程中，城市結(jié)構(gòu)與土地利用、職住空間關(guān)系及通勤模式已發(fā)生顯著變化，其中，城市規(guī)模的擴大、職住分離及交通擁堵等因素導(dǎo)致城市居民的通勤時間不斷延長．由于時間資源和出行時間預(yù)算有限[1]，通勤時間的增加必然影響到出行者的時間分配和其他活動參與[2]．通勤時間長也會對出行滿意度、出行主觀幸福感以及工作時間效率等[3-4]產(chǎn)生負向影響，導(dǎo)致出行者的出行成本增加．因此，在權(quán)衡各種因素和約束條件下，存在通勤時間容忍閾值[5]，其反映出行者對通勤時間的感知和態(tài)度容忍度．

針對通勤時間容忍的深入研究目前較少．MILAKIS 等[6]基于出行效用論證了出行時間容忍期和可接受出行時間，并采用20個出行者的半結(jié)構(gòu)化訪談數(shù)據(jù)，對可接受出行時間的特征進行初步分析，但由于樣本量少，研究未對可接受出行時間的影響因素進行建模分析．何明衛(wèi)等[7]將通勤時間容忍閾值定義為通勤者能夠容忍的最長單程通勤時間，采用中國昆明市居民出行調(diào)查數(shù)據(jù)，研究通勤時間容忍閾值的影響因素，以及長時通勤者的通勤時間容忍閾值分布特征[5,7]，結(jié)果表明，出行方式對通勤時間容忍閾值存在顯著影響．然而，上述研究未進一步分析小汽車用戶的通勤時間容忍閾值影響因素．

本研究基于昆明市出行調(diào)查數(shù)據(jù)，對小汽車用戶的通勤時間容忍閾值分布特征進行統(tǒng)計分析．采用序次logit模型分析小汽車用戶的態(tài)度和社會經(jīng)濟人口屬性對通勤時間容忍閾值的影響．研究結(jié)果有助于更好理解和掌握小汽車用戶的通勤出行行為、職住址選擇以及可能的行為改變．

1 數(shù)據(jù)采集

昆明的城市空間結(jié)構(gòu)由城市主中心和1個或幾個次中心組成，其人口特征和用地規(guī)模在中國二線城市中具有較好代表性．2018年，昆明市建成區(qū)面積約416 km2，城區(qū)人口約378萬人[8]．2019年5月，針對建成區(qū)內(nèi)停車場、洗車房及4S店的小汽車用戶進行隨機抽樣調(diào)查，調(diào)查內(nèi)容包括通勤時間容忍閾值、社會經(jīng)濟人口屬性、過去一周內(nèi)的出行信息以及小汽車用戶的態(tài)度和意愿等．問卷將通勤時間容忍閾值設(shè)置為9個區(qū)間．其中，最小的區(qū)間≤20 min；最大區(qū)間>90 min；中間以10 min為間隔設(shè)置7個區(qū)間．為獲取用戶對小汽車的態(tài)度，共設(shè)置13個問題項．

調(diào)查共回收問卷476份，剔除信息缺失問卷與無通勤出行樣本后，有效問卷為393份．從樣本構(gòu)成來看，男性占65.1%，30歲以上占59.5%，大專及以上學(xué)歷占78.9%，家庭年收入10萬元以上占59.3%，家庭有13歲以下小孩的占49.1%．由于本研究針對城市小汽車用戶展開，被調(diào)查者中的男性和大專以上學(xué)歷占比較高．樣本整體上具有較好代表性．

2 小汽車用戶通勤時間容忍閾值的分 布特征

小汽車用戶的通勤時間容忍閾值和實際通勤時間分布如表1．可見，通勤時間容忍閾值主要分布在(0, 40] min，所占比例達77.4%，且在(20,30] min的占比最大．有4.3%的小汽車用戶對通勤時間的容忍度較高，其通勤時間容忍閾值大于60 min．將通勤時間容忍閾值分區(qū)間取值，20 min以內(nèi)取值15 min，大于90 min取值90 min，其余7個區(qū)間取中間值，如(20, 30] min取值為25 min，計算得到小汽車用戶的平均通勤時間容忍閾值為32.33 min．平均實際通勤時間為21.72 min．實際通勤時間主要分布在(0, 30] min，且(0, 20] min所占比例達64.9%．

表1 通勤時間容忍閾值與實際通勤時間分布Table 1 Distribution of the tolerance threshold of commuting time

小汽車用戶不同群體的通勤時間容忍閾值如表2．通勤時間容忍閾值的群體性差異檢驗采用秩和檢驗法．在判斷群體之間是否存在顯著差異時，以顯著性水平P≤0.10為標準．由表2可見，不同年齡、受教育程度、職業(yè)、家庭年收入及家庭小孩數(shù)量的小汽車用戶，其通勤時間容忍閾值分布存在顯著差異．其中，年齡大于41歲小汽車用戶的平均通勤時間容忍閾值較短；學(xué)歷為大專及以上小汽車用戶的平均通勤時間容忍閾值更長，且通勤時間容忍閾值大于40 min的比例遠大于高中及以下的小汽車用戶；平均通勤時間容忍閾值隨家庭年收入的增加而更長，家庭年收入大于10萬元的小汽車用戶的通勤時間容忍閾值，在20 min以內(nèi)的比例僅占10.4%；家庭有2個或以上小孩小汽車用戶的平均通勤時間容忍閾值更短，其通勤時間容忍閾值在40 min以上的比例為12.0%．

表2 不同小汽車用戶群體的通勤時間容忍閾值1)Table 2 Tolerance thresholds of commuting time by different car user groups

3 小汽車用戶通勤時間容忍閾值的 影響因素

3.1 態(tài)度因子分析

已有研究將出行者對待小汽車的態(tài)度分為象征(symbolic)、情感(affective)及工具(instrumental)性態(tài)度[9-11]．象征性功能指小汽車能夠展現(xiàn)的用戶品味與個性，具有社會身份地位的象征功能[9]；工具性功能指小汽車作為一種出行工具，能滿足出行需求，方便高效[10]；情感性功能指用戶對小汽車的喜愛以及駕駛小汽車能夠帶來享受和愉悅[11]．基于以上3類態(tài)度，調(diào)查問卷共設(shè)置13個問題項[12]．態(tài)度測量指標均采用Likert七級量表的形式，分別賦值1～7分，程度由“非常不同意”到“非常同意”，態(tài)度測量指標統(tǒng)計如表3．

表3 態(tài)度測量指標Table 3 Statements of measurement for attitude

采用因子分析中的主成分法提取態(tài)度公因子．KMO(Kaiser-Meyer-Olkin)檢驗統(tǒng)計量為0.853>0.7，P<0.001， 表明通過適用性檢驗，變量間的相關(guān)性較強，具備提取公因子的條件．研究共提取出3個特征值大于1的主成份因子，累計解釋總方差為65.30%．旋轉(zhuǎn)成分矩陣與得分系數(shù)矩陣如表4．根據(jù)旋轉(zhuǎn)成份矩陣，成份1、成份2及成份3分別在指標X1—X4、X9—X13及X5—X8上的因子載荷較高．指標X1—X4主要與小汽車象征性功能有關(guān)，故將成份1命名為象征性態(tài)度因子；指標X9—X13主要與小汽車工具性功能有關(guān)，故將成份2命名為工具性態(tài)度因子；指標X5—X8主要與小汽車情感性功能有關(guān)，故將成份3命名為情感性態(tài)度因子．將因子得分系數(shù)帶入式(1)，分別計算象征性、工具性和情感性態(tài)度因子．

表4 旋轉(zhuǎn)成分矩陣與得分系數(shù)矩陣Table 4 Rotated component matrix and score coefficient matrix

Fi=αi1X1+αi2X2+…+αi13X13

(1)

其中，F(xiàn)i為態(tài)度因子得分；αi1,αi2, … ,αi13為得分系數(shù)；X1,X2, …,X13為態(tài)度測量指標．

3.2 序次logit模型的構(gòu)建

將通勤時間容忍閾值作為存在序次關(guān)系的因變量，采用序次logit模型[13]進行分析．

定義y*為潛變量，

y*=xβ+ε

(2)

其中，x為一組解釋變量；β為x的回歸系數(shù)；ε為誤差項．對于J(J=1, 2, …)類存在序次關(guān)系的因變量，μj為門檻值(threshold)，存在J-1個μj， 且μ1<μ2<…<μJ-1．y為x的函數(shù)，當y*≤μ1時，y=1； 當μ1

故序次logit模型的數(shù)學(xué)表達式為

(3)

其中，P(y≤j|x)為累計概率；βk為第k個解釋變量xk的回歸系數(shù)；K為解釋變量個數(shù)．

累計概率為

(4)

根據(jù)累計概率計算公式，可求得第j類別的概率P(y=j)． 序次logit模型的參數(shù)估計方法采用極大似然估計法．

在統(tǒng)計分析的基礎(chǔ)上，將通勤時間容忍閾值劃分為5個存在序次關(guān)系的時間區(qū)間．基于所獲取的數(shù)據(jù)，將年齡、性別、受教育程度、職業(yè)、家庭年收入、家庭小孩數(shù)量、駕齡和近1周內(nèi)小汽車出行頻率，以及基于因子分析所提取的情感性、工具性和象征性態(tài)度因子作為自變量輸入模型，通過探究這些變量對通勤時間容忍閾值的影響，有助于從出行者角度理解和掌握通勤時間容忍閾值，并采取針對性策略．模型的變量及其賦值如表5．

表5 模型變量及賦值Table 5 Model variables and its values

3.3 序次logit模型結(jié)果分析

使用SPSS 25.0軟件進行模型檢驗和參數(shù)標定．模型擬合信息和平行線檢驗結(jié)果如表6．平行線檢驗結(jié)果為P>0.05， 表明滿足平行線假設(shè)條件， 序次logit模型適用．模型擬合檢驗結(jié)果顯示P=0.000， 表明相對于僅包含常數(shù)項的模型，在加入年齡和性別等變量后，模型擬合度更優(yōu)，解釋能力更好．

表6 模型擬合信息及平行線檢驗Table 6 Model fitting information and parallel lines test

序次logit模型估計結(jié)果如表7．根據(jù)變量系數(shù)的顯著性檢驗結(jié)果，年齡、性別、受教育程度、駕齡、家庭年收入、家庭小孩情況及工具性態(tài)度因子對小汽車用戶的通勤時間容忍閾值具有顯著影響．

表7 序次logit模型估計結(jié)果Table 7 Estimated results of ordinal logit model

在個人屬性中，相較于40歲以上的小汽車用戶，年齡為31～40歲的小汽車用戶，其通勤時間容忍閾值更長的可能性更高，發(fā)生比率(odds ratio, OR)為2.026．學(xué)歷為高中及以下的小汽車用戶，其通勤時間容忍閾值更長的可能性小于大專及以上的小汽車用戶，OR值為0.425，這可能是由于更高學(xué)歷的小汽車用戶通常收入更高，可以補償通勤成本[14]．盡管在群體性差異檢驗時，性別和不同駕齡群體之間的通勤時間容忍閾值分布在統(tǒng)計學(xué)上并無顯著差異，在加入控制變量后，性別和駕齡對通勤時間容忍閾值具有顯著影響．相較于女性，男性小汽車用戶通勤時間容忍閾值更長的可能性更高，OR值為1.501，推測原因為在大多數(shù)的中國家庭結(jié)構(gòu)和分工中，女性承擔更多的家庭工作(如照顧小孩及家務(wù)等)，可能會擠占女性的通勤時間，因此，女性對通勤時長的容忍度低于男性．相較于駕齡超過3 a的小汽車用戶，駕齡小于3 a用戶的通勤時間容忍閾值更長的可能性更低，OR值為0.643，這表明隨著駕車技術(shù)的熟練和駕駛習(xí)慣的形成，小汽車通勤者能容忍更長的通勤時間．

在家庭屬性中，家庭年收入越低，通勤時間容忍閾值越短．其中，家庭年收入在5萬元以下和[5, 10)萬元的小汽車用戶，其通勤時間容忍閾值比家庭年收入在10萬元以上的小汽車用戶更長的可能性更低，OR值分別為0.337和0.634．家庭中13歲以下小孩的數(shù)量對小汽車用戶的通勤時間閾值具有顯著影響，與家庭有2個小孩的小汽車用戶相比，家庭無小孩和僅有1個小孩的小汽車用戶，其通勤時間容忍閾值更長的可能性更高，OR值分別為2.563和2.740．也有研究認為家庭中小孩的存在對通勤時間會產(chǎn)生負向影響[15]．

在用戶對小汽車的態(tài)度方面，工具性態(tài)度對通勤時間容忍閾值具有顯著正向影響，表明對小汽車作為一種出行工具所體現(xiàn)的工具性功能評價更高的通勤者，其所能容忍的通勤時間更長．象征性態(tài)度和情感性態(tài)度在統(tǒng)計上對通勤時間容忍閾值無顯著影響．

結(jié) 語

基于昆明市小汽車用戶出行調(diào)查數(shù)據(jù)，研究小汽車用戶的通勤時間容忍閾值．結(jié)果顯示，小汽車用戶的通勤時間容忍閾值主要分布在40 min以內(nèi)，所占比例達77.4%，平均通勤時間容忍閾值為32.33 min．不同小汽車用戶群體的通勤時間容忍閾值分布具有顯著的群體差異性.通過因子分析提取用戶對小汽車的態(tài)度因子，并基于序次logit模型分析小汽車用戶通勤時間容忍閾值的影響因素． 結(jié)果表明， 年齡、 性別、 受教育程度、 駕齡、 家庭年收入、家庭小孩數(shù)量以及小汽車用戶對小汽車的工具性態(tài)度對通勤時間容忍閾值具有顯著影響．

小汽車用戶的通勤時間容忍閾值反映了用戶在職住址選擇時，一個可能的時空間范圍，可作為重要影響變量或邊界條件完善職住址選擇模型．在城市空間布局和土地利用規(guī)劃時，針對職住平衡關(guān)系、中心城區(qū)的輻射范圍等問題，也應(yīng)考慮小汽車通勤時間容忍閾值這一因素．通勤時間容忍閾值可為研究小汽車用戶的通勤出行行為、就業(yè)可達性及通勤滿意度等提供重要參考．

通勤時間容忍閾值的影響因素較為復(fù)雜，盡管案例城市在中國同類城市中具有較好代表性，未來還應(yīng)結(jié)合城市社會經(jīng)濟和地理等因素，選取不同結(jié)構(gòu)和規(guī)模的城市作為案例，對小汽車用戶的通勤時間容忍閾值進行比較研究．