城市中等收入群體出行活動模式選擇影響因素分析

劉智麗 段鵬宇 高一鳴

（1．北京交通大學，北京 100044）（2．通號城市軌道交通技術有限公司，北京 100071）

中等收入群體是我國社會成員的重要組成部分，并且我國正在逐步形成“兩頭小，中間大”橄欖型的社會結構，在國家層面上也明確提出“擴大中等收入群體”的戰略。由于居民在不同出行活動模式下會傾向選擇不同的交通出行方式，同時交通系統中個體出行方式的選擇也會受到其他個體出行方式的影響，因此中等收入群體不同出行活動的模式選擇將會極大地影響社會出行量在不同交通方式間的分配。近年來，國內學術界對中等收入群體進行了很多的研究和探索，例如：李煒[1]將中間階層和中等收入群體做了辨析；李強等[2]將人均年收入3.5萬～12萬元、家庭年收入6.9萬～23.6萬元、人均可支配收入2萬～6.7萬元作為中等收入群體或“收入中產”的界定標準；李培林等[3]采用中國城市戶籍人口的平均收入線作為參照基準，將平均線以上到平均線的2.5 倍的人群定義為“中等收入層”。本文依據李強等[2]的界定標準，選取家庭年收入6.9萬～23.6萬元的家庭作為研究對象。

在交通系統中，通常將活動類型分為生存型（Subsistence）、維持型（Maintenance）、休閑娛樂型（Leisure）三類。生存型活動是指當前或者將來能夠取得收入的活動，如工作、上學等；維持型活動是指不產生收入，用于維持家庭和個人生活需要的活動，如購物、去銀行等；休閑娛樂型活動是一種有選擇性的活動，如探親訪友、文娛活動等。

隨著非集計建模技術的日益成熟，基于個體出行的建模方法已成為國內外研究特定區域、特定人群出行行為的重要工具。近年來，隨著活動理論的引入和對出行行為分析研究的深入，學者開始借助活動—出行鏈理論對出行行為進行研究[4-10]，例如，Lee等[4]研究了某個家庭成員的出行特征與家庭因素之間的相互關系；楊敏等[8-9]則以通勤出行行為作為研究對象，研究通勤者個人和家庭等因素對通勤活動模式的影響；于淼[10]則針對歷史老城區這一特定區域進行研究。然而國內外多數研究主要針對整個城市層面的居民出行，針對中等收入這一特定群體出行的影響因素則研究較少，本文以中等收入群體的出行調查數據為基礎，引入多項Logit 模型，重點分析居民出行活動模式與個體及家庭屬性特征之間的關聯性。

一、模型構建

（一）活動模式概述

活動模式分析的基礎是基于活動的出行需求分析理論，該理論認為人類的欲望產生了活動的需求，比如謀生、社交和休閑等，而人們在活動之前會根據不同活動的目的地和緊要程度提前規劃一個日程安排，然后根據自己的出行偏好選擇不同的交通方式進行不同活動的出行。在這個過程中，不同活動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間移動需要花費時間，另外家庭和社會屬性也會影響個人的活動決策和出行選擇。本文將城市居民的出行活動模式分為以下四類：生存型（家—單位/學?！遥?、維持型（家—購物/銀行—家）、休閑型（家—探親訪友/休閑娛樂—家）、混合型。具體地，若一天中的活動若包含生存型、維持型和休閑型的兩種及以上，便定義為混合型。結合調查數據，四種類型的活動模式所占的比例如表1所列。

表1 四種活動模式比例

（二）影響因素選擇

出行活動模式選擇是個體屬性、家庭屬性和城市空間用地布局等作用的產物。其中個體屬性和家庭屬性是活動模式的主要影響因素，同時也在很大程度上影響人們的出行選擇和偏好。具體影響因素及分類如表2所列。

表2 選擇不同出行活動模式的影響因素

（三）多項Logit 模型

當因變量為兩種以上的分類變量時，使用多項Logit 模型可以得到不同自變量與因變量之間的影響關系。本文針對城市中等收入群體出行活動模式開展研究，因變量為四類出行活動模式，符合多項Logit建模要求。本研究采用多項Logit 模型來分析城市中等收入群體出行活動模式與個人、家庭屬性的關系，便于了解個體及家庭屬性對活動模式的影響機理。

根據隨機效用理論，第n個個體選擇第i種活動模式的效用可以表示：

式中，k表示為自變量的個數； 表示第k個變量所對應的參數，也是需要使用軟件標定的參數； 表示第n個個體選擇第i種活動模式的第k個自變量。

根據效用最大化準則，第n個個體選擇第i種活動模式的概率為：

式中，I表示可供研究對象選擇的活動模式的全部集合，對應到本文中為四種活動模式，且i∪t=I。

在Logit模型中，假設隨機效用部分均服從Gumble分布，且各隨機效用之間互相獨立，則隨機效用的差便服從參數為0、1的Logistic 分布，則上面的式子可以寫成：

二、數據整理與參數標定

（一）數據整理

北京市下轄16 個市轄區，目前市內軌道交通線路運營里程868.37km，市民出行的交通方式占比由高到低依次為：步行、電動自行車、私家車、公交、自行車、軌道交通、其它。根據北京市2022年居民的出行調查結果，依據家庭年收入數據，從中獲得中等收入家庭1 259戶，結合本文研究的四種活動模式，最終得到1 881條不同成員的有效出行活動記錄，其中個體屬性和家庭屬性不同影響因素描述性統計如表3所列。

表3 不同影響因素的描述性統計

（二）標定模型參數

選擇維持型活動模式為參考類別，使用專業統計分析軟件IBM SPSS Statistics27中的多元Logistic回歸模塊對模型參數進行計算，最終的計算結果如表4 所列。其中P 值表示顯著性水平，若P＜0.05，則表示該影響因素對因變量有顯著性影響；反之，認為該影響因素對因變量沒有顯著影響。

表4 模型參數標定結果

三、結果分析

（一）結果參數檢驗

在參數標定過程中，首先選擇所有影響因素代入模型進行參數標定，根據第一次標定的結果，將不顯著的影響因素剔除，再次代入模型進行參數標定，循環迭代多次后，最終通過多項Logistic回歸模塊的計算，得到的模型擬合信息和似然比檢驗結果如表5所列。

表5 模型擬合信息

由表5可知，最終模型的對數似然值小于僅截距模型的對數似然值，且顯著性為0.000，因此可以判定模型建立有統計意義，模型和變量的選擇正確。

由表6可以看出，小汽車數量、年齡分類、職業類型、年收入、性別的卡方檢驗概率P 值均小于0.05，其中，年齡分類和職業類型的P 值小于0.001，可以得出，家庭小汽車數量、年齡分類、職業類型、年收入和性別對模型的線性關系貢獻顯著，尤其是年齡分類和職業類型貢獻更為顯著。

表6 似然比檢驗

（二）不同影響因素對中等收入群體出行活動模式的影響

由表4可以發現，本文研究的城市中等收入群體出行活動模式與個體屬性和家庭屬性存在如下關系：

（1）個體屬性中的性別、年齡變量對生存模式和休閑模式有顯著影響，職業變量對于生存模式、休閑模式和混合模式均有顯著影響；而受教育程度和有無駕照變量則無顯著影響。有無駕照對出行活動模式無顯著影響的原因是：隨著網約車的迅猛發展，居民選擇小汽車出行的行為不再被無駕照的約束所限制。

（2）性別變量系數在生存模式和休閑模式估計值分別為0.374和0.750，表明更多男性選擇生存模式和休閑模式，可能性分別是女性的1.454 倍和2.116 倍。出現在休閑模式下男性多于女性這一現象的主要原因是：本文將購物劃分為維持模式，而女性在日常的家庭生活中通常承擔較多的購物任務，同時本文將文娛健身劃分為休閑模式，而選擇健身的更多則是男性。

（3）職業變量系數在生存模式和混合模式中均為正，而在休閑模式中均為負。產生這一現象的主要原因是：與退休人員相比，不管是公務人員、職員或者是自由職業人員，他們有大量的工作或上學的出行需求，并且出行的活動類型也更為多樣，而退休人員的主要活動類型則是休閑娛樂。

（4）收入變量系數在生存模式和混合模式估計值分別為-0.636和-0.551，表明收入較高的家庭在生存模式和混合模式下，其可能性分別是收入較低家庭的1.890 倍和1.733 倍。產生這一現象的主要原因是：收入較高的家庭通常有更多的成員參加工作，同時產生的活動需求類型也更為豐富。

（5）家庭擁有小汽車數量只對生存模式有顯著影響，擁有家庭小汽車的群體在生存模式中的可能性是無機動車群體的1.555 倍，而家庭屬性中的家庭成員數量、腳踏自行車、電動自行車、摩托車和老年代步車數量則對活動模式選擇的影響不顯著。

四、結論

本文基于多元Logistic回歸模型，針對中等收入這一特定群體，剖析個體屬性和家庭屬性差異對這一特定群體出行活動模式的影響，得到的結論如下：

（1）個體屬性中的性別、職業和年齡對于出行活動模式的選擇具有顯著影響，這和已有城市出行活動影響因素的研究相同；家庭屬性中的家庭年收入和小汽車數量對于出行活動模式的選擇具有顯著影響，而家庭屬性中的腳踏自行車和電動自行車的數量則對出行活動模式的選擇沒有顯著影響，和已有城市出行活動影響因素的研究相對比，家庭屬性對于結果的影響則不完全相同[11]。

（2）可以通過完善中等收入群體中收入較高部分所在住宅區域附近相應的配套設施，從而縮短混合模式下的出行距離，進而影響這一群體的出行交通方式選擇，最終達到平衡道路負荷、緩解城市交通擁堵的效果。比如在住宅外部鄰近區域設置電影院和健身房，可以吸引部分混合型活動的出行交通方式傾向于步行、腳踏自行車和電動自行車。

本文研究了近年來城市中等收入群體出行活動模式影響因素的變化，但由于調查數據有限，并沒有對不同活動模式下交通出行工具選擇行為進行探索，筆者將在接下來的研究中對上述問題進行探索研究。另外需要指出的是本文使用的統計數據為2022 年北京市居民出行調查結果，由于存在階段性學校停課和學生居家上網課的現象，因此最終結論可能會略有瑕疵。