基于綠色交通理念的居民出行行為及其影響因素的研究

李思琪

基于綠色交通理念的居民出行行為及其影響因素的研究

李思琪

（長安大學 運輸工程學院，陜西 西安 710064）

論文采用電子問卷調查的數據收集方法，利用常規的統計學計算方法對數據進行計算和整理，并以統計圖和統計表的形式實現數據處理結果的呈現。在數據結果分析的基礎上，基于綠色交通的理念，對居民出行方式的選擇情況以及影響居民選擇出行方式的主要因素等問題進行了調研、分析和討論，得出應在擴大綠色交通理念宣傳力度和影響程度的同時進一步推進居民綠色交通出行的實現，從而解決當前交通擁堵、環境污染等問題。

綠色交通；出行行為；出行行為的影響因素

引言

隨著城市交通需求的上漲、人民生活水平的不斷提高，私家車和摩托車數量呈級數增加，截至2020年6月，全國機動車保有量達3.6億輛，其中汽車2.7億輛，占比75%，摩托車6 889.6萬輛，占比19.14%。城市交通擁堵、交通事故、能源消耗、噪聲和空氣污染等問題隨之而來并日益嚴峻。因此，綠色交通（Green Transport）理念被及時提出并加以宣傳，該理念提倡人們多選擇以步行、自行車、公交車和軌道交通等出行方式，以達到減輕交通擁擠、減少環境污染、促進社會公平和合理配置資源的目的[1]。

目前，已有大量學者針對居民出行及影響因素進行了深入的研究：劉炳恩[2]（2007）等選擇了5種較為常用的交通方式，確定了影響因素對居民出行方式的選擇進行了研究；殷煥煥[3]（2010）等建立選擇ML模型，得出居民出行方式選擇與個人屬性、家庭屬性和出行屬性之間有較穩定的關系；鄭雪琳[4]（2013）等對小汽車、軌道交通、自行車3種交通方式的選擇行為進行了分析；劉宇峰[5]（2018）等采用結構方程模型（SEM），研究了三種不同規模城市的居民出行方式選擇因素的關聯性情況。其中一些學者考慮了潛變量和心理因素：陳堅[6]（2013）等構建了潛變量與顯變量共同作用的SEM-Logit整合模型，提出了潛變量概念，并證明潛變量對出行方式選擇存在顯著影響；景鵬[7]（2014）等從心理因素入手，得出不是所有心理影響潛變量都對通勤方式有顯著性影響；一些學者從互聯網信息化角度入手進行了研究：趙霖[8]（2013）等從網絡休閑角度出發，就信息技術對南京城市居民出行的影響進行了實證研究；王丹鳳[9]（2016）等獲取真實數據、結合互聯網使用特性的分析對居民出行方式的選擇進行了研究；還有一些學者基于低碳情況進行研究：陳月霞[10]（2017）等基于低碳心理的潛變量對居民出行方式的選擇進行了分析，證明了低碳和高碳中“行為態度”對出行方式有不同的影響；Mao Ye[11]（2020）等主要研究共享單車出現后居民出行方式選擇的影響因素；朱順應[12]（2020）等以武漢市主城區居民為研究對象，定義并設定低碳補貼情景，分析在此情景下不同變量對居民出行方式選擇的影響。

本文基于綠色交通理念對居民出行方式的選擇及其影響因素進行分析研究，在一定程度上能為居民出行政策的制定和交通設施的完善提供理論依據以改善交通擁堵情況，實現綠色出行，還能夠為其他相關學者提供數據分析結果以作為參考。

1 數據的來源與收集

1.1 數據來源與呈現

本次數據調查面向的群體不限，以電子問卷形式發放，調查時間持續5天，共收回問卷518份。因問卷問題均為必答題且平均完成時間為2分23秒，故篩選出答題時長少于25秒的問卷視為無效問卷，其中，無效問卷為4份，有效問卷514份，問卷有效率為99.22%。最終的數據呈現由騰訊問卷全程記錄并提供。

1.2 數據采集過程

本次數據調查分為以下四個階段：問卷設計階段、試調研階段、正式調研階段和數據分析處理階段[13]。每個階段之間聯系緊密、缺一不可。

（1）問卷設計階段：一份高質量的問卷決定著數據調查結果是否可靠有效，因此，合理地把握問卷問題的設計非常關鍵。本次問卷設計了三部分內容共10個問題。

第一部分：基本信息，包括性別、年齡、學歷、職業類型等問題。具體內容如表1所示：

表1 基本信息

性別年齡/歲學歷職業類型 男≤18初中及以下在校學生 女18～25高中/中專/技校上班 26～40大學專科無業 41～55大學本科退休 ≥56碩士及以上

第二部分：出行方式，涉及日常出行方式、出行時間、出行目的、出行頻率等問題。具體內容如表2所示：

表2 出行方式

出行方式出行持續時間使用頻率出行目的 步行半小時以內3～5次/天工作/上學 自行車半小時～一小時1～2次/天生活出行 摩托車一小時～兩小時3～5次/周休閑娛樂 電動車兩小時以上1～2次/周其他 私家車 3～5次/月 出租車/共享汽車 1～2次/月 公交車 軌道交通

第三部分：影響因素，設計影響因素、影響程度和是否更傾向于綠色交通三個問題。具體內容如表3所示：

表3 影響因素

影響因素影響程度是否更傾向于綠色交通 氣象狀況（完全沒影響）是 城市交通建設0否 實時的交通狀況1 出行的距離2 時間的緊迫性3 出行的費用4 出行政策5 綠色交通理念（影響非常大）

（2）試調研階段：為了保障問卷設計的合理性、答題的順暢性、數據回收的有效性，在正式投放問卷前，理應進行預投放過程。本次試調研持續時長1天，發放并回收20份有效問卷，共發現并修改兩處問題。

（3）正式調研階段：當樣本足夠大時，樣本的數據收集結果才有一定的參考價值，因而，在正式調研過程中，保障問卷的回收率和質量的好壞至關重要[14]。本次問卷于2020年11月9日開始正式投放，11月13日停止投放，在此期間，持續關注問卷回收進展、核查并剔除無效問卷，以保證正式調研過程順利進行。

（4）數據分析處理階段：即在問卷全部回收后針對每一個問題對數據進行量化處理，讓其以數據、圖表等形式呈現出來，在此基礎上，分析所得數據，得到與所研究內容有關的數據分析結果，最終得出一系列有用的結論。

2 數據的整理與分析

2.1 數據的整理

本次問卷調查數據結果如下表4所示。

表4 各因素調查結果顯示表

內容主要因素比例/%內容主要因素比例/% 性別男50.00日常的幾種出行方式步行55.60 自行車35.60 女50.00摩托車1.90 電動車13.80 年齡≤180.40私家車30.20 18～2568.90出租/共享汽車36.40 26～4018.70公交車46.90 41～5511.50軌道交通48.60 ≥560.60主要的影響因素氣象狀況55.30 學歷初中及以下2.10城市交通建設37.90 高中/中專/技校9.70實時的交通狀況47.10 大學專科8.00出行的距離66.90 大學本科45.90時間的緊迫性63.40 碩士及以上34.20出行的費用37.50 職業類型在校學生41.60出行政策10.10 上班53.50綠色交通理念12.60 無業4.10是否更傾向于綠色交通方式是92.80 退休0.80否7.20

2.2 居民基本情況分析

居民基本情況的真實性很大程度上影響著問卷調查結果的準確性，因而，對居民基本情況的分析是分析問卷其他數據的前提和基礎。第一部分基本信息的問卷調查結果比例如圖1所示。

圖1 基本信息圖

由表3和上圖可知：本次調查人群中，男、女比例相同均為50%，年齡段在18～25歲的人數最多占68.6%，18～40歲人數占比30.2%，而在18歲以下和56歲以上的人數非常少，共占1%。本次以電子問卷的形式發放，男女人數的相同在一定程度上更全面地反映問題，避免了因樣本分布不均而引起的偏差，在填寫的人群里，多數為年輕人和中年人，老年人群體和兒童群體沒有完全涉及到，但老年人群體和兒童群體的出行大多情況下離不開年輕人和中年人，故而可以忽略因樣本分布不均而產生的偏差；同時，隨著現代教育水平的不斷上升，高學歷的人數不斷增加，本次調查的人群里，學歷在本科及以上的占比80.1%，學歷在初中及以下的僅占2.1%，這一數據就可以很好地反映這一事實；在職業類型中，在校學生占比41.6%，上班人員占比53.5%，其他人員占比4.9%，幾乎覆蓋全部居民，因而，本次調查的數據結果具有參考價值和研究意義。

綜上所述，居民的基本信息這一內容在調查過程和數據結果呈現過程中都反映出本次調研面向群體較為廣泛，且具有隨機性，調查結果也具有一定的代表性，能為居民出行方式和影響因素調查數據的真實性提供保障。

3 居民出行方式的選擇與影響因素分析

3.1 出行方式的選擇情況分析

出行方式即居民出行所采用的方法或使用的交通工具，在人們的正常生活中，無論上班、上學、購物或娛樂都離不開出行，出行方式的選擇與居民生活息息相關且在很大程度上影響著城市交通的情況[15]。在現如今信息網絡化的時代，隨著交通行業飛速的發展，居民的出行方式愈發多樣化：網約車、共享汽車、共享單車、私家車、摩托車、電動車、公交車、軌道交通、出租車、自行車和步行等均成為居民出行的常用方式[16]。本論文中把共享單車和自行車歸為一類，共享汽車、網約車和出租車歸為一類。

在居民出行方式的選擇問題上，調查內容豐富，主要體現在居民日常的幾種出行方式、居民最常用的一種出行方式、居民采用最常用的出行方式時出行時間與出行頻率情況和采用不同出行方式時對應的出行目的選擇情況等4個方面，具體分析如下：

（1）居民日常的幾種出行方式調查結果如下圖2所示。

圖2 日常的幾種出行方式選擇比例圖

從上圖可以看出：步行、公交車和軌道交通這三種方式比例都在45%以上，即45%以上的人，在日常的出行中會采用這三種方式，出租車/共享汽車、自行車和私家車這三種方式，人們選擇的比例在30%～40%，僅次于前三種方式，因而，以上這6種出行方式是人們普遍采用較多的出行方式，而電動車和摩托車所占比率較小，尤其摩托車占比最低，僅有1.9%，可見僅有少部分人在日常的出行時會選擇摩托車或電動車的方式。

針對居民日常出行選擇的幾種方式這一問題，人們可以選擇多種通常會選擇使用的出行方式，因而以上數據能夠較為客觀地反映出人們真實的日常出行情況，具有一定的可靠性。

（2）居民最常用的一種出行方式調查結果如圖3所示。

圖3 居民最常用的一種出行方式選擇比例圖

根據上圖所示，人們日常出行使用步行的人數最多高達25.5%，使用自行車的人數達10.3%，使用電動車的人數達到7.2%，這一部分人們與出行目的地距離不遠，僅需步行或騎車即可完成，因為電動車是新能源車，也是環保低碳的一種，因而，這三種方式都符合綠色交通理念；同時，最常采用軌道交通方式的人數達17.9%，采用公交的人數達14.2%，這一部分人雖然距離目的地較遠，但采用了公共交通的出行方式，也在一定程度上緩解了交通擁堵。由此可見，本次調查有75.1%的人們日常出行中很好地落實了綠色出行。

此外，使用汽車（私家車、出租車、共享汽車、網約車等）的人數占比達到23.3%，僅次于步行的人數，而摩托車的選擇人數相對較小，占比1.6%，由于汽車和摩托車是造成交通擁堵、能源消耗和空氣污染的主要因素，因此，應適當降低該出行方式的人數，讓一些居民轉變出行方式，盡可能多地使用綠色出行的方式。

由于人們日常生活多數僅采用除步行以外的一種方式，因而，最日常的一種方式更好地體現出人們的出行方式選擇情況，且與居民日常選擇的幾種方式形成對照問題，從兩個層次分析居民出行問題，更具有說服力。

（3）居民選擇最常用的出行方式對應的出行時間和出行頻率的調查結果如下表5所示。

表5 出行方式對應的出行時間和出行頻率情況表

出行方式交叉分析出行頻率 出行時間/h比例%3～5次/天1～2次/天3～5次/周1～2次/周3～5次/月1～2次/月 步行<0.50.5～1.01.0～2.0>2.077.919.82.3050%30.8%33.3%030.4%23.1%0015.7%34.6%66.7%02.9%7.7%0000001%3.8%00 全時間段出行頻率比例45.81%28.26%20.62%3.78%01.53% 自行車<0.50.5～1.01.0～2.0>2.083170029.5%22.2%0040.9%55.6%0022.7%11.1%006.8%0000000011.1%00 全時間段出行頻率比例28.26%43.40%20.73%5.64%01.89% 摩托車<0.50.5～1.01.0～2.0>2.07512.5012.550%00050%0000100%000000000100%0000 全時間段出行頻率比例37.50%37.50%12.50%012.50%0 電動車<0.50.5～1.01.0～2.0>2.059.532.42.75.431.8%41.7%100%50%40.9%41.7%050%22.7%16.7%004.5%00000000000 全時間段出行頻率比例37.83%40.55%18.92%2.68%00 汽車<0.50.5～1.01.0～2.0>2.030.841.71512.518.9%18%11.1%66.7%35.1%52%33.3%26.7%32.4%24%38.9%010.8%4%002.7%011.1%002%5.6%6.7% 全時間段出行頻率比例23.33%40.83%25.82%4.99%2.50%2.51% 公交車<0.50.5～1.01.0～2.0>2.02652.120.51.410.5%15.8%6.7%100%36.8%31.6%33.3%031.6%21.1%20%021.1%23.7%26.7%002.6%0005.3%13.3%0 全時間段出行頻率比例13.74%32.86%23.31%23.31%1.35%5.49% 軌道交通<0.50.5～1.01.0～2.0>2.023.954.317.44.34.5%6%0031.8%30%43.8%25%36.4%26%18.8%25%22.7%24%18.8%04.5%12%18.8%25%02%025% 全時間段出行頻率比例4.33%32.59%27.16%21.73%11.94%2.16%

根據上表數據顯示：居民選擇不同出行方式時，使用時間和使用頻率的分別情況之間有一定的聯系：在時間分布情況上，人們的出行時間均較短：使用以上7種的出行方式的時間處于一小時以內的人數均超過70%占大多數，使用時間超過一小時的人數則為少數人；在出行頻率分布情況上，人們的出行頻率處在一個較高的水平普遍較高：選擇3～5次/天、1～2次/天和3～5次/周的人數超過65%，出行頻率在1～2次/天的人數是最高的，出行頻率在3～5次/月和1～2次/月的人數不超過15%。

然而，不同的出行方式在使用時間和使用頻率的分布情況上也有一定的區別：在時間分布情況上，步行和自行車，更大程度上取決于個人因素，所以，選擇這兩種方式的使用時間絕大部分在半小時以內，半小時以上選擇這2種出行方式的人數非常少，甚至沒有人超過兩小時以上仍選擇這兩種方式，而公交車、軌道交通和汽車這三種方式，在半小時以內的情況下選擇人數較少，多數人使用時間在半小時以上；在出行頻率分布情況上，步行、自行車、摩托車和電動車的機動性強，因而出行頻率都集中在每天1～2次以上，而其他出行方式使用時間較長，則使用頻率相對較低，主要集中在每周3～5次以下。

上表不僅體現出不同出行方式使用時間和使用頻率的分布比率還體現出每種方式不同使用時間下對應的出行頻率比率，更加系統詳細的用數據說明問題。

（4）居民選擇出行方式時對應的出行目的情況如圖4所示。

圖4 出行方式對應出行目的選擇比例圖

由上圖可知，居民選擇不同的出行方式時，目的不完全一致：選擇步行/自行車的方式去上學或工作的人數最多，高達59.6%，而選擇該方式去休閑娛樂或做其他事情的人數占比相對較少；選擇公交或者地鐵的方式實現生活出行和休閑娛樂目的的人數較多，分別占44%和38%，而選擇該方式去做其他事情的人數較少；相比步行/自行車和公交/地鐵這些綠色交通的出行方式，選擇汽車/摩托車方式的人們，出行目的差異并不大。

針對此問題，把出行方式劃分為三種，且設置了工作/學習、生活出行、休閑娛樂和其他四種出行目的，更加清楚、簡潔地體現了居民出行時基于的出行目的。

3.2 出行方式選擇影響因素分析

在現如今的綠色交通理念下，居民在選擇出行方式時會受到各種因素的影響，因而，合理的篩選出主要的影響因素、確定各影響因素的影響程度和調查居民對于綠色出行的意愿傾向性非常必要[17]。

因此，本次研究從環境、交通建設、個人和政策四個方面共篩選出以下八個主要影響因素：氣象狀況、城市交通建設、實時的交通狀況、出行的距離、時間的緊迫性、出行的費用、出行政策和綠色交通理念等；各影響因素的影響程度從完全沒影響到影響非常大共設置6個等級。具體分析如下：

（1）影響因素選擇的情況如下圖5所示。

圖5 影響因素情況分布圖

主要影響因素中：氣象狀況、出行的距離和時間的緊迫性最大程度上影響出行方式的選擇，城市交通建設、實時的交通狀況和出行的費用相對影響較少，出行政策和綠色交通的理念這兩個因素影響非常少，可見，出行方式的選擇除了考慮外部影響因素，如：天氣外，更多考慮的是跟自身有關的因素，而出行政策這種政府乃至國家制定的大的方案和綠色出行這種觀念對出行方式影響并不大，多數人在選擇出行方式時不會考慮該因素。該問題也設置多選，從客觀因素到主觀因素都考慮包括在內，更系統地反映各因素對出行方式的選擇的影響情況，有一定的完整性。

（2）各因素影響程度分布結果如下圖6所示。

圖6 各因素影響程度分布圖

以上圖中影響程度中位數2為基準，可以看出氣象狀況、實時的交通狀況、出行的距離和出行的時間的平均數均比中位數大1點多，可以說明這四個因素對出行方式的選擇具有很大程度的影響，而出行政策這個因素比中位數小，因而可以說明該因素對出行方式的選擇影響并不大。本次影響程度等級分布均衡，合理有效的標定影響程度，使結果更加合理化。

（3）是否傾向于綠色交通出行方式選擇的情況如下圖7所示。

圖7 綠色交通出行方式意愿圖

在是否更傾向于綠色交通的出行方式問題上，92.8%的人選擇了是，僅有7.2%的人們選擇了否，我們能看出，綠色出行理念已被大多數人們所了解，并在一定程度上影響其心理出行的想法，但由影響因素數據顯示，真正考慮綠色交通理念后再選擇出行方式的人們僅占12.6%，因而，加強綠色出行方式的宣傳與落實、擴大其影響力度勢在必行。

4 小結

本論文在整理了大量文獻、積累了豐富的理論知識后，基于綠色出行理念，結合調查數據對居民出行方式的選擇及其影響因素進行了研究和分析，現結合當代居民出行環境和現狀，提出建議如下：

（1）合理規劃公共交通設施并加強對城市間公共交通設施的管理，如：共享單車的合理配置和擺放、地鐵線路的合理規劃等，使公共交通資源最大限度地合理利用，為人們選擇綠色出行方式提供方便，同時改善交通擁堵現狀。

（2）加強綠色出行理念的宣傳，讓已經知道并有意向采用綠色出行方式的居民徹底落實綠色出行并將綠色出行的理念傳播給身邊的家人、朋友，擴大其影響力，令少數不了解或不支持綠色出行觀念的居民了解綠色出行帶給我們的好處。

（3）加大智能化出行方案的研究力度，讓智能便捷的出行方式為居民出行提供便利，如：智能停車場的優化、城市間紅綠燈的智能化、公交站牌實時數據的更新、最優綠色路線的推薦等都是智能化出行要實現的目標，且這些都將影響著人們的出行方式的選擇。

[1] Yuan Yang,Can Wang,Wenling Liu,et al.Understanding the determinants of travel mode choice of residents and its carbon mitigation poten- tial[J].Energy Policy,2018,115:486-493.

[2] 劉炳恩,雋志才,李艷玲,等.居民出行方式選擇非集計模型的建立[J].公路交通科技,2008(05):116-120.

[3] 殷煥煥,關宏志,秦煥美,等.基于非集計模型的居民出行方式選擇行為研究[J].武漢理工大學學報(交通科學與工程版),2010,34(05): 1000-1003.

[4] 鄭雪琳,干宏程.居民交通方式選擇行為影響因素分析[J].上海理工大學學報,2013,35(6):563-566.

[5] 劉宇峰,錢一之,胡大偉,等.基于結構方程模型的不同規模城市居民出行方式選擇影響因素的關聯性分析[J].長安大學學報(自然科學版),2018,38(05):87-95.

[6] 陳堅,晏啟鵬,楊飛,等.出行方式選擇行為的SEM-Logit整合模型[J].華南理工大學學報(自然科學版),2013,41(02):51-57+65.

[7] 景鵬,雋志才,查奇芬.考慮心理潛變量的出行方式選擇行為模型[J].中國公路學報,2014,27(11):84-92+108.

[8] 趙霖,甄峰,龍薩金.信息技術對南京城市居民休閑活動與出行的影響[J].人文地理,2013,28(01):56-61.

[9] 王丹鳳,雋志才,高晶鑫.考慮互聯網使用的居民出行方式選擇研究[J].軟科學,2016,30(10):125-130.

[10] 陳月霞,陳龍,查奇芬,等.基于低碳心理潛變量Logit模型的出行方式預測模型[J].公路交通科技,2017,34(09):100-108+137.

[11] Mao Ye,Simeng Zeng,Guixin Yang,et al.Identification of contribu- ting factors on travel mode choice among different resident types with bike-sharing as an alternative[J],Iet Intelligent Transport Sys- tems,2020,14(7):639-646.

[12] 朱順應,陳秋成,肖文彬,等.低碳補貼下的武漢市居民出行方式選擇邊際效應[J].安全與環境學報,2020,20(03):1118-1125.

[13] Luan Xin,Cheng Lin,et al.Residents’ action response experiments on different travel modes under the external conditions of a metr- opolitan environment[J]. Earth and Environmental Science, 2020, 546(3):032057.

[14] 宗芳,齊厚成,唐明,等.基于GPS數據的日出行模式－出行目的識別[J].吉林大學學報(工學版),2018,48(05):1374-1379.

[15] 和占瓊,何民.環境態度對交通行為影響研究綜述[J].城市問題, 2015(01):97-101.

[16] 耿紀超,龍如銀,陳紅.居民出行方式選擇影響因素的研究述評[J].北京理工大學學報(社會科學版),2016,18(05):1-9.

[17] 駱晨,李想,鐘林峰,等.基于家庭屬性差異的大學生出行方式選擇行為研究[J].交通運輸系統工程與信息,2020,20(03):227-232.

Research on Residents' Travel Behavior and Its Influencing Factors Based on the Concept of Green Transportation

LI Siqi

( School of Transportation Engineering, Chang'an University, Shaanxi Xi'an 710064 )

This paper adopts the electronic questionnaire survey methods of data collection, using the conventional method of calculating statistics of data calculation and arrangement, and in the form of statistical graphs and statistics to realize data processing results. The data based on the analysis of the results, based on the concept of green transportation, the residents travel mode choice and the main factors influencing the residents' travel choice way research, analysis and discussion is presented of some problems, that should be in expanding the concept of green transportation publicity and influence degree of residents to further advance the implementation of green transportation at the same time, so as to solve the current traffic congestion, environmental pollution and other issues.

Green traffic; Travel behavior; Factors influencing travel behavior

U461.1+14

A

1671-7988(2021)23-200-07

U461.1+14

A

1671-7988(2021)23-200-07

10.16638/j.cnki.1671-7988.2021.023.056

李思琪，就讀于長安大學運輸工程學院。