新冠疫情对老年人公交出行行为的影响.docx

1、第20卷第6期交通运输系统工程与信息Vol.20No.62020年12JournalofTransportalionSvstenisEngineerincandInformalionTechnolo取December2020文章编号：1009-6744(2020)06-0071-06中图分类号：U】21文献标志码：/DO1:10.16097/ki.1009-6744.2020.06.009新冠疫情对老年人公交出行行为的影响刘建荣'，郝小妮，石文瀚(华南理工大学土木与交通学院，广州510640)摘要：新冠肺炎疫情对交通运输产生巨大影响，但现有成果主要研究疫情爆发期疫情对交通运输的影响，较

2、少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit模型，研窕后疫情阶段新冠病毒，老年人个人统计学特征，老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中，新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响；新冠疫情和对新冠U市炎疫情严重程度的感知对老年人使用公交意愿具有显著影响；此外，这两个因素也影响老年人外出概率和使用公交的概率.关键词：城市交通；出行行为；Logil模型；老年人；心理因素；个人统计学特征ImpactofCOVID-19ontheElderly'sBusTravelBehaviorLIUJia

3、n-rong,HAOXiao-ni,SHIWen-han(SchoolofCivilEngineeringandTransportation,SouthChinaUniversityofTechnology,Guangzhou510640,China)Abstract:COVID-19hascausedhugenegativeimpactsontrafficandtransportation.Existingresearchfocusedon(heimpactofCOVID-19on(hetrafficduringtheoutbreakphase.Therearestillfewstudies

4、relatedtotheimpactofCOVID-19ontravelbehaviorduringthepost-epidemicphase.ThispaperanalyzedtheimpactofCOVID-19duringthepost-cpidcmicphase,travelers*demographiccharacteristics,andperceptionoftheCOVID-19severityontheelderly'stravelbehavior,withtheconfinnativefactoranalysisand【Qgitmodeling.Theresults

5、showthatCOVID-19andperceptionofitsseverityhavenosignificantimpactontheelderly'sshort-distancetrips.However,theyhaveasignificantimpactontheelderly'swillingnesstotravelbybus.Furthermore,thesetwofactorshavesignificantimpactson(heelderly's(ripfrequencyandbus(rips.Keywords:urbantraffic:travel

6、behavior:Logitmodel;theelderly:psychologicalfactor;demographiccharacteristics。引言由于极强的传染力和较高的致死率，世界卫生组织将新冠病毒的风险提升为“非常高”叫依据SIR模型(SusceptibleInfectiousRecoveredModel),疫情下城市交通系统可以划分为5个阶段：平时阶段、疫情潜伏阶段、疫情暴发阶段、后疫情阶段、恢复提升阶段.我国疫情爆发阶段从2019年12月一2020年3月，从3月开始，逐渐进入后疫情阶段.在疫情暴发阶段，城际交通受到巨大冲击也以北京为例，2019年2月，北京对外客运量达到5

7、206万人次，而2020年2月仅有1015万人次.航空运输中，首都机场国内航线网络覆盖航点量从114个减少到62个.新冠疫情不仅影响城际出行，同时影响市内出行.再以北京为例，疫情前市内日出行量约6207万人次.受疫情影响，2020年2月和3月，北京日出行量下降约40%141.除出行总量受到巨大冲击，出行方式也受到一定影响.文献5调查了2月份我收稿日期：2020-06-20修回日期:2020-08-06录用日期：2020*08-11基金项U:国家自然科学基金/NationalNaturalScienceFoundalionofChina(51578247).作者简介:刘建荣(1984-),男，江

8、西翰州人，讲师，博上.通信作者:ctjrliu国城市交通状况，发现自行车使用比例明显上升，网约车使用量明显下降.文献6研究发现，武汉市共享自行车使用时间由平时的5min增加至1020min,3km以上的长距离骑行订单呈3倍增长.结合以上背景，本文研究后疫情阶段老年人出行行为，并将研究重点集中于老年人的公交出行行为.本文选择这一研究目标，主要基于以下原因：(1) 大部分研究成果都是疫情爆发期，疫情对交通的影响，较少涉及后疫情阶段，疫情对出行行为的影响.(2) 由于出行目的不同，老年人出行行为与青壮年群体存在较大差异，即青壮年群体出行行为的结论并不适用于老年人.(3) 由于收入、身体状况等限制，相

9、比青壮年群体，老年人更加依赖公交.尽管对于出行者公共交通出行行为方面的研究较多，但大部分研究对象是青壮年群体，较少考虑老年人对公共交通的需求.(4) 老年人受疫情影响更大地这可能会导致老年人的出行行为与青壮年群体存在一定不同.1问卷设计及调查本文研究老年人个人统计学特征(DemographicCharacteristics)、心理因素(PsychologicalFactors)新冠疫情对老年人出行行为的影响.使用Logit模型研充老年人的出行行为，将出行者的效用函数表征为U=c+她9+'W+力L+Zx+$(1)式中：(/为效用;为虚拟变量，表示是否处于后疫情阶段，取值1表示处于后疫情阶

10、段，取值0表示平时阶段；Z为个人统计学特征向量；L为心理因素向量；x为其他影响因素：3、2为未知参数向量；6为误差项.本文研究框架如图1所示.根据本文效用函数及研究框架，问卷调查包括3部分内容：老年人个人统计学特征、心理因素、出行行为.其中，老年人个人统计学特征的调查内容如表I所示.由于老年人群体的特殊性，本文个人统计学特征与青壮年群体存在较大不同：同时考虑新冠疫情的特殊性，增加“外出时是否戴口罩”“周围大部分人外出时是否戴口罩”两个因素.图1研究框架Fig.1Structureofanalysis表1老年人个人统计学特征Table1Demographiccharacteristicsofth

11、eelderly具体变量代码年龄是否女性dffEtAf是否有退休金是否要带孙辈是否有电动车等代步工具住宅附近是否有公交站外出时是否戴口罩周围大部分人外出时是否戴口罩近年来，学者研究发现，出行者出行行为除了与出行者个人统计学特征、出行方式特征(如时间、价格)等可以直接观测到的变量相关外，还可能受到出行者感知、态度等心理因素的影响网.这些心理因素不能直接观测，是潜在变量(LatentVariable)»需要通过显示变量(ManifestVariable)|hJ接表征.参考已有文献(如文献10),结合本文研究目标，确定潜在变量，以及表征潜在变量的显示变量如表2所示.各个显示变量用5级李克特

12、表进行调查，即1、2、3、4、5分别表示“完全不赞同"'盾点何时，F碳“基楸I矿“治赞司”.老年人出行行为调查，包括疫情发生前，后疫情(2020年5月)两个阶段的出行行为.包括不同距离的出行方式选择、使用公交频率、外出频率等，具体如表3所示.调查时间为2020年5月，正处于后疫情阶段，各地处于逐步恢复的阶段.调查共得到585份问卷.考虑到疫情阶段的特殊性，以及为了更好地分析“外出时是否戴门罩”“周围大部分人外出时是否戴口罩”“对新冠肺炎疫情严重程度的感知”等因素对老年人公交出行行为的影响，采用网络形式进行调查，即发动周边人对家里的老年人进行调查，并帮助老年人填写问卷.表2潜在

13、变量和显示变量Table2Latentvariablesandmanifestvariables潜在变虽显示变量符号我尽易避免去人多的地方q对新冠肺炎疫情严重程度的感知我尽虽避免在外面吃东西q我尽信避免逛街C3外出时尽量避免乘坐公交、地铁q我不喜欢窝在家里面a对待运动的态度我喜欢外出参加各种娱乐活动s.我很在意自己的健康状况为了保持健康，我会尽量多运动$3$4我觉得我的身体很好身体状况主观感知外出走路没有任何问题如(3一个人上街购物没有任何问题h3上下楼梯、台阶没有任何问题表3老年人出行行为问题Table3Questionsoftheelderly'stravelbehavior问题项

14、符号疫情发生前，1km距离的出行是否采用步行方式现除段，1kni距离的出行是否采用步行方式4IonmA疫情发生前，3km距离的出行是否使用公交现阶段，3km距离的出行是否使用公交疫情发生前，5km距离的出行是否使用公交现阶段，5km距离的出行是否使用公交疫情发生前，是否经常外出现阶段，是否经常外出疫情发生前，是否经常使用公交现阶段，是否经常使用公交顼cq根据调查，老年人平均年龄66.6岁，女性占比57.3%,72.0%的老年人外出戴口罩，50.2%的老年人认为周边人外出戴口罩，39.7%的老年人没有收入来源.数据样本量足够，符合Logit回归和验证性因素分析的耍求：样本的分布与总休分布不存在系

15、统性偏差.2心理因素分析根据表2中问题调查得到的显示变量数据，使用验证性因素分析(ConfirmativeFactorAnalysis,CFA)对显示变量进行分析，求解出潜在变量，得到潜在变量模型的拟合度指标如表4所示.潜在变量模型的拟合度指标主要有RMSEA.CFI.TLkSRMR等.根据文献lib模型的所有拟合度指标均符合要求，模型拟合度较高.表4CFA指标结果Table4FitnessofCFA指标标准模型参数RMSEAw().08()0.074SRMR<0.0800.065CFI>0.9000.965TLI20.9000.953CFA模型中潜在变量与显示变量的因果关系如表5

16、所示，表中数据均为标准化后的数值.由表5可知，显变量与潜变量之间的数值均显著(P值都小于0.05),这表明显示变量可以较好地表征潜在变量.为简明起见，潜在变量与潜在变量的相关性未列出.通过CFA求出潜在变量、匚心,每一个出行者均有这3个变量.因数量太多，在此不列出.表5潜在变虽与显示变量的因果关系Table5Causalrelationshipbetweenlatentvariableandmanifestvariable潜在变量显示变量系数标准差ZP>zC0.8940.01183.6700.000G0.9170.00998.5400.000cwdt9C30.8730.01272.930

17、0.000C40.7450.02037.08()0.(X)0£0.3910.03810.2000.000I$20.2310.0425.4500.000Lfiport$30.8310.01943.9900.000七0.8570.01847.6800.000九0.7240.02232.6100.00010.8560.01459.5700.000Selth”,0.8450.01556.2000.0000.8640.01462.5800.0003出行行为分析短距离出行行为根据调查数据，短距离出行中，步行是主要的出行方式，故研兖短距离出行中，老年人是否采用步行方式.1km距离出行是否使用步行方

18、式的Logil回归结果如表6所示.表61km出行是否使用步行的回归结果Table6Resultofwhetherwalkingwhendistanceis1km解释变量系数标准差zP>z儿率比xwmI»90.1290.1310.980.3251.138-0.0010.007-0.150.8810.999Income0.0880.1470.600.5511.092dfgJe-0.258().137-1.880.061().7730.0850.1350.630.5271.089dg-0.9790.146-6.690.0000.3760.1610.1740.920.3551.174-

19、0.0320.189-0.170.8640.968"ftkuhruund0.1430.1500.960.3401.154LgSig0.097().0851.140.2551.1020.676().2852.370.018().509hnillh0.4730.1463.240.0011.605C0.4090.5350.760.4451.505从表6可以看出：在90%置信水平下，仅有响，在表6所涉及影响因素的基础上，将出行距离J、危、虹.顺是显著的，即短距离出行中，老年人是否采用步行方式与性别，是否有代步工具，对待运动的态度，身体状况主观感知有关：Lmidg、人止如心等不显著，即是否处于

20、后疫情阶段，对新冠肺炎疫情严重程度的感知,自己及周边人是否戴口罩等对老年人短距离出行方式选择没有显著影响.(1) 公交出行选择行为考虑到出行距离对老年人公交出行有显著影纳入控制变量(Xdg,单位为km),得到结果如表7所示.从表7可以看出，在95%置信水平下，J、等变量均显著.乂起9显著，系数P.578小于0,几率比0.561小于1,这表明相比于平时阶段，中等距离出行中，后疫情阶段老年人使用公交的可能性显著降低，使用公交的比例仅为平时的56.1%.J系数为-0.363,几率比为0.695,表明老年人对新冠肺炎疫情严重程度的感知，对中距离老年人出行是否使用公交具有显著影响；y灿增加1个单位，老年

21、人使用公交的比例就减少30.5%,即(1-0.695)x100%=30.5%.的系数为0.414,几率比为1.513,即随着出行距离的增加，老年人倾向于使用公交出行.(2) 公交使用频率老年人是否经常使用公交出行的Logit模型回归结果如表8所示.表7是否使用公交的回归结果Table7Resultofwhethertravelingbybus解释变量系数标准差zP>z几率比-0.5780.095-6.080.0000.56)%0.0080.0051.720.0851.008-0.5440.110-4.960.0000.580d标0.4330.0994.360.0001.5420.1640

22、.0961.710.0871.179dg-0.6060.103-5.890.0000.5450.5790.1414.110.0001.7840.0720.1420.510.6101.075rmikironrrf0.4540.1104.13O.(MX)1.574-0.363().058-6.23O.(XX)0.6950.2820.2041.390.1661.326hwlth-0.0470.103-0.450.6500.954XdMance0.4140.03113.490.0001.513c-3.4560.389-8.880.0000.032表8老年人是否经常使用公交的回归结果Table8Whet

23、hertheelderlytravelingbybusfrequently解释变量系数标准差zP>z几率比-1.1070.144-7.680.0000.3300.0070.0071.040.2991.007-0.5100.160-3.190.0010.6000.0670.1470.450.6511.069dgnmd-0.0920.145-0.64().5250.912dg0.1520.1550.980.3291.1640.7120.1973.620.0002.038-0.0290.207-0.140.8900.972().5580.1633.43().(X)11.748-0.5840.0

24、98-5.940.0000.5580.4400.3161.390.1641.5530.2700.1621.670.0951.310C-1.I090.569-1.950.0510.33()从表8可知，在90%置信水平下，dg说、4ncnnc、"huulop、'cwidig、。"著,者'系数-1.107小于0,几率比0.330小丁1,这表明与平时阶段相比，后疫情阶段老年人使用公交的频率显著降低，使用公交的比例仅为平时的33.0%.、皿9的系数为-0.584,几率比为0.558,表明老年人对浙冠肺炎疫情严重程度的感知，对中距离老年人使用公交频率具有显著影响：上皿林

25、增加I个单位，老年人使用公交的比例就减少44.2%,即(1-0.558)x100%=442%.(3) 外出频率老年人是否经常外出的Logil模型回归结果如表9所示.表9老年人是否经常外出的回归结果Table9Whethertheelderlygoingoutfrequently解释变量系数标准差zP>z儿率比-0.5190.174-2.980.0030.595-0.0260.010-2.660.0080.975Income-0.5350.188-2.840.0040.586-0.3400.185-1.840.0660.7120.1790.1810.990.3231.195dge0.257

26、0.1941.330.1851.293butftop0.7570.2093.620.(X)()2.131-0.2360.256-0.920.3560.790-0.2690.199-1.350.1760.764-0.5170.131-3.930.0000.5960.68803751.840.0661.9910.743().18()4.13().(X)()2.101c3.4670.7584.570.00032.029从表9可知，在90%置信水平下，dgg、j、dinccme、busrtcp、Lmithg、jport、health、C显著.df显著，系数-0.519小于0,几率比0.595小于【，这

27、表明于与平时阶段相比，后疫情阶段老年人外出可能性显著降低，外出比例仅为平时阶段的59.5%.的系数为-0.517,儿率比为0.596,表明老年人对新冠肺炎疫情严重程度的感知，对老年人外出具有显著影响；玲：如增加1个单位，老年人外出的比例就减少40.4%,即(1-0.596)xloo%=40.4%.4结论本文研究后疫情阶段，新冠肺炎疫情对老年人出行行为的影响.通过研究，得出以下结论：(1) 短距离出行中，是否处于后疫情阶段，对新冠肺炎疫情严重程度的感知，自己及周边人是否戴口罩等对出行方式选择没有显著影响.(2) 新冠肺炎疫情会显著降低老年人使用公交的可能性，老年人对新冠肺炎疫情严重程度的感知会显

28、著影响使用公交出行的可能性.(3) 新冠肺炎疫情会显著降低老年人使用公交的频率，后疫情阶段老年人使用公交的儿率比仅为平时阶段的33.0%.老年人对新冠肺炎疫情严重程度的感知，对老年人使用公交频率具有显著影响.(4) 相比于平时阶段，后疫情阶段老年人外出可能性显著降低，外出的几率比仅为平时阶段的59.5%.老年人对新冠肺炎疫情严重程度的感知，对老年人是否外出具有显著影响.参考文献：1 WorldHealthOrganization.Coronavirusdisease2019(Covid-19)situationreport-43R/OL.(2020-03-03)2020-06-19.https

29、://docs/default-source/coronaviruse/situation-reports/20200303-sitrep-43-covid-i9.pdf?sfvrsn=76e425ed_2.2 李晔,刘兴华，何青.面向防疫的城市交通系统韧性特征及提升策略J.城市交通,2020,18(3):80-87,10.LIY,LIUXH,HEQ.UrbantransportationsystemresilienceduringtheCovid-19pandemicJ.UrbanTransportofChina,2020,18(3):80-87,10何凌晖，余庆，李玮

30、峰.新冠肺炎疫情影响下的城际交通运输需求分析J.城市交通，2020,18(3)：51-61.HELH,YUQ,LIWF.Inter-citytransportationdemandunderCovid-19pandemicJ.UrbanTransportofChina,2020,18(3):51-613 李爽，张宇.非常态下北京城市交通系统规划建议J.城市交通，2020,18(3)：28-32.LIS,ZHANGY.UrbantransportationsystemplanningundertheCovid-19epidemicinBeijing.J.UrbanTransportofChina

31、,2020,18(3)：28-32.InstituteforTransportation&DevelopmentPolicy.Post-pandemic,ChinesecitiesgraduallyreopentransportnetworksOL.(2020-3-26)2020-3-26./2020/03/26/post-pandemic-Chinese-cities-gradually-reopen-transport-networks/.下转第98页GEROLIMINISN,SUNJ.Propertiesofawell-definedmacro

32、scopicfundamentaldiagramforurbantrafficJ.TransportationResearchPartB:Methodological,2011,45(3)：605-617.5 GEROLIMINISN,SUNJ.HysteresisphenomenaofamacroscopicfundamentaldiagraminfreewaynehvorksJJ.TransportationResearchPartA:PolicyandPractice,2011,45(9):966-979.6 GEROLIMINISN,HADDADJ,RAMEZANIM.Optimalp

33、erimetercontrolfortwourbanregionswithmacroscopicfundamentaldiagrams:AmodelpredictiveapproachJ.IEEETransactionsonIntelligentTransportationSystems,2013,14(1):348-359.7 YANGK,ZHENGN,MENENDEZM.Multi-scaleperimetercontrolapproachinaconnected-vehicleenvironmentJ.TransportationResearchPartC:EmergingTechnol

34、ogies,2018,94:32-49.191李宏伟，黎英.偶发性事件下城市交通区域边界的最优控制J.电子测虽技术.2019,42(14)：63-67.LIHW,LIY.OptimalcontrolofurbantrafficareaboundaryundersporadiceventsJ.ElectronicMeasurementTechnology,2019,42(14):63-67.丁恒,黄文娟，陈森，等.拥堵交通网络能耗节约边界信号优化方法J.系统工程理论与实践.2017,37(3)：700-709.DINGII,IIUANGWJ,CHENS,etal.Boundarysignalop

35、timizationforcongestionnetworkbasedonenergysavingfj.SystemEngineering-Theory&Practice,2017,37(3):700-709.10 YANGH,HUANGHJ.Themulti-class,multi-criteriatrafficnetworkequilibriumandsystemsoptimumproblemJ.TransportationResearchPart,2004,38(1):1-15.11 ZH/XNGX,HAIY.Theoptimalcordon-basednetworkcongestio