1、第20卷第6期交通運輸系統工程與信息Vol.20No.62020年12JournalofTransportalionSvstenisEngineerincandInformalionTechnolo取December2020文章編號：1009-6744(2020)06-0071-06中圖分類號：U】21文獻標志碼：/DO1:10.16097/ki.1009-6744.2020.06.009新冠疫情對老年人公交出行行為的影響劉建榮'，郝小妮，石文瀚(華南理工大學土木與交通學院，廣州510640)摘要：新冠肺炎疫情對交通運輸產生巨大影響，但現有成果主要研究疫情爆發期疫情對交通運輸的影響，較

2、少有分析后疫情階段的出行行為.本文利用驗證性因素分析模型及Logit模型，研窕后疫情階段新冠病毒，老年人個人統計學特征，老年人對新冠肺炎疫情嚴重程度的感知等心理因素對老年人出行行為的影響.研究結果表明：短距離出行中，新冠疫情和對新冠肺炎疫情嚴重程度的感知對出行方式選擇沒有顯著影響；新冠疫情和對新冠U市炎疫情嚴重程度的感知對老年人使用公交意愿具有顯著影響；此外，這兩個因素也影響老年人外出概率和使用公交的概率.關鍵詞：城市交通；出行行為；Logil模型；老年人；心理因素；個人統計學特征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。引言由于極強的傳染力和較高的致死率，世界衛生組織將新冠病毒的風險提升為“非常高”叫依據SIR模型(SusceptibleInfectiousRecoveredModel),疫情下城市交通系統可以劃分為5個階段：平時階段、疫情潛伏階段、疫情暴發階段、后疫情階段、恢復提升階段.我國疫情爆發階段從2019年12月一2020年3月，從3月開始，逐漸進入后疫情階段.在疫情暴發階段，城際交通受到巨大沖擊也以北京為例，2019年2月，北京對外客運量達到5

7、206萬人次，而2020年2月僅有1015萬人次.航空運輸中，首都機場國內航線網絡覆蓋航點量從114個減少到62個.新冠疫情不僅影響城際出行，同時影響市內出行.再以北京為例，疫情前市內日出行量約6207萬人次.受疫情影響，2020年2月和3月，北京日出行量下降約40%141.除出行總量受到巨大沖擊，出行方式也受到一定影響.文獻5調查了2月份我收稿日期：2020-06-20修回日期:2020-08-06錄用日期：2020*08-11基金項U:國家自然科學基金/NationalNaturalScienceFoundalionofChina(51578247).作者簡介:劉建榮(1984-),男，江

8、西翰州人，講師，博上.通信作者:ctjrliu國城市交通狀況，發現自行車使用比例明顯上升，網約車使用量明顯下降.文獻6研究發現，武漢市共享自行車使用時間由平時的5min增加至1020min,3km以上的長距離騎行訂單呈3倍增長.結合以上背景，本文研究后疫情階段老年人出行行為，并將研究重點集中于老年人的公交出行行為.本文選擇這一研究目標，主要基于以下原因：(1) 大部分研究成果都是疫情爆發期，疫情對交通的影響，較少涉及后疫情階段，疫情對出行行為的影響.(2) 由于出行目的不同，老年人出行行為與青壯年群體存在較大差異，即青壯年群體出行行為的結論并不適用于老年人.(3) 由于收入、身體狀況等限制，相

9、比青壯年群體，老年人更加依賴公交.盡管對于出行者公共交通出行行為方面的研究較多，但大部分研究對象是青壯年群體，較少考慮老年人對公共交通的需求.(4) 老年人受疫情影響更大地這可能會導致老年人的出行行為與青壯年群體存在一定不同.1問卷設計及調查本文研究老年人個人統計學特征(DemographicCharacteristics)、心理因素(PsychologicalFactors)新冠疫情對老年人出行行為的影響.使用Logit模型研充老年人的出行行為，將出行者的效用函數表征為U=c+她9+'W+力L+Zx+$(1)式中：(/為效用;為虛擬變量，表示是否處于后疫情階段，取值1表示處于后疫情階

10、段，取值0表示平時階段；Z為個人統計學特征向量；L為心理因素向量；x為其他影響因素：3、2為未知參數向量；6為誤差項.本文研究框架如圖1所示.根據本文效用函數及研究框架，問卷調查包括3部分內容：老年人個人統計學特征、心理因素、出行行為.其中，老年人個人統計學特征的調查內容如表I所示.由于老年人群體的特殊性，本文個人統計學特征與青壯年群體存在較大不同：同時考慮新冠疫情的特殊性，增加“外出時是否戴口罩”“周圍大部分人外出時是否戴口罩”兩個因素.圖1研究框架Fig.1Structureofanalysis表1老年人個人統計學特征Table1Demographiccharacteristicsofth

11、eelderly具體變量代碼年齡是否女性dffEtAf是否有退休金是否要帶孫輩是否有電動車等代步工具住宅附近是否有公交站外出時是否戴口罩周圍大部分人外出時是否戴口罩近年來，學者研究發現，出行者出行行為除了與出行者個人統計學特征、出行方式特征(如時間、價格)等可以直接觀測到的變量相關外，還可能受到出行者感知、態度等心理因素的影響網.這些心理因素不能直接觀測，是潛在變量(LatentVariable)»需要通過顯示變量(ManifestVariable)|hJ接表征.參考已有文獻(如文獻10),結合本文研究目標，確定潛在變量，以及表征潛在變量的顯示變量如表2所示.各個顯示變量用5級李克特

12、表進行調查，即1、2、3、4、5分別表示“完全不贊同"'盾點何時，F碳“基楸I礦“治贊司”.老年人出行行為調查，包括疫情發生前，后疫情(2020年5月)兩個階段的出行行為.包括不同距離的出行方式選擇、使用公交頻率、外出頻率等，具體如表3所示.調查時間為2020年5月，正處于后疫情階段，各地處于逐步恢復的階段.調查共得到585份問卷.考慮到疫情階段的特殊性，以及為了更好地分析“外出時是否戴門罩”“周圍大部分人外出時是否戴口罩”“對新冠肺炎疫情嚴重程度的感知”等因素對老年人公交出行行為的影響，采用網絡形式進行調查，即發動周邊人對家里的老年人進行調查，并幫助老年人填寫問卷.表2潛在

13、變量和顯示變量Table2Latentvariablesandmanifestvariables潛在變雖顯示變量符號我盡易避免去人多的地方q對新冠肺炎疫情嚴重程度的感知我盡雖避免在外面吃東西q我盡信避免逛街C3外出時盡量避免乘坐公交、地鐵q我不喜歡窩在家里面a對待運動的態度我喜歡外出參加各種娛樂活動s.我很在意自己的健康狀況為了保持健康，我會盡量多運動$3$4我覺得我的身體很好身體狀況主觀感知外出走路沒有任何問題如(3一個人上街購物沒有任何問題h3上下樓梯、臺階沒有任何問題表3老年人出行行為問題Table3Questionsoftheelderly'stravelbehavior問題項

14、符號疫情發生前，1km距離的出行是否采用步行方式現除段，1kni距離的出行是否采用步行方式4IonmA疫情發生前，3km距離的出行是否使用公交現階段，3km距離的出行是否使用公交疫情發生前，5km距離的出行是否使用公交現階段，5km距離的出行是否使用公交疫情發生前，是否經常外出現階段，是否經常外出疫情發生前，是否經常使用公交現階段，是否經常使用公交頊cq根據調查，老年人平均年齡66.6歲，女性占比57.3%,72.0%的老年人外出戴口罩，50.2%的老年人認為周邊人外出戴口罩，39.7%的老年人沒有收入來源.數據樣本量足夠，符合Logit回歸和驗證性因素分析的耍求：樣本的分布與總休分布不存在系

15、統性偏差.2心理因素分析根據表2中問題調查得到的顯示變量數據，使用驗證性因素分析(ConfirmativeFactorAnalysis,CFA)對顯示變量進行分析，求解出潛在變量，得到潛在變量模型的擬合度指標如表4所示.潛在變量模型的擬合度指標主要有RMSEA.CFI.TLkSRMR等.根據文獻lib模型的所有擬合度指標均符合要求，模型擬合度較高.表4CFA指標結果Table4FitnessofCFA指標標準模型參數RMSEAw().08()0.074SRMR<0.0800.065CFI>0.9000.965TLI20.9000.953CFA模型中潛在變量與顯示變量的因果關系如表5

16、所示，表中數據均為標準化后的數值.由表5可知，顯變量與潛變量之間的數值均顯著(P值都小于0.05),這表明顯示變量可以較好地表征潛在變量.為簡明起見，潛在變量與潛在變量的相關性未列出.通過CFA求出潛在變量、匚心,每一個出行者均有這3個變量.因數量太多，在此不列出.表5潛在變雖與顯示變量的因果關系Table5Causalrelationshipbetweenlatentvariableandmanifestvariable潛在變量顯示變量系數標準差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出行行為分析短距離出行行為根據調查數據，短距離出行中，步行是主要的出行方式，故研兗短距離出行中，老年人是否采用步行方式.1km距離出行是否使用步行方

18、式的Logil回歸結果如表6所示.表61km出行是否使用步行的回歸結果Table6Resultofwhetherwalkingwhendistanceis1km解釋變量系數標準差zP>z兒率比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從表6可以看出：在90%置信水平下，僅有響，在表6所涉及影響因素的基礎上，將出行距離J、危、虹.順是顯著的，即短距離出行中，老年人是否采用步行方式與性別，是否有代步工具，對待運動的態度，身體狀況主觀感知有關：Lmidg、人止如心等不顯著，即是否處于

20、后疫情階段，對新冠肺炎疫情嚴重程度的感知,自己及周邊人是否戴口罩等對老年人短距離出行方式選擇沒有顯著影響.(1) 公交出行選擇行為考慮到出行距離對老年人公交出行有顯著影納入控制變量(Xdg,單位為km),得到結果如表7所示.從表7可以看出，在95%置信水平下，J、等變量均顯著.乂起9顯著，系數P.578小于0,幾率比0.561小于1,這表明相比于平時階段，中等距離出行中，后疫情階段老年人使用公交的可能性顯著降低，使用公交的比例僅為平時的56.1%.J系數為-0.363,幾率比為0.695,表明老年人對新冠肺炎疫情嚴重程度的感知，對中距離老年人出行是否使用公交具有顯著影響；y燦增加1個單位，老年

21、人使用公交的比例就減少30.5%,即(1-0.695)x100%=30.5%.的系數為0.414,幾率比為1.513,即隨著出行距離的增加，老年人傾向于使用公交出行.(2) 公交使用頻率老年人是否經常使用公交出行的Logit模型回歸結果如表8所示.表7是否使用公交的回歸結果Table7Resultofwhethertravelingbybus解釋變量系數標準差zP>z幾率比-0.5780.095-6.080.0000.56)%0.0080.0051.720.0851.008-0.5440.110-4.960.0000.580d標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老年人是否經常使用公交的回歸結果Table8Whet

23、hertheelderlytravelingbybusfrequently解釋變量系數標準差zP>z幾率比-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()從表8可知，在90%置信水平下，dg說、4ncnnc、"huulop、'cwidig、。"著,者'系數-1.107小于0,幾率比0.330小丁1,這表明與平時階段相比，后疫情階段老年人使用公交的頻率顯著降低，使用公交的比例僅為平時的33.0%.、皿9的系數為-0.584,幾率比為0.558,表明老年人對浙冠肺炎疫情嚴重程度的感知，對中距離老年人使用公交頻率具有顯著影響：上皿林

25、增加I個單位，老年人使用公交的比例就減少44.2%,即(1-0.558)x100%=442%.(3) 外出頻率老年人是否經常外出的Logil模型回歸結果如表9所示.表9老年人是否經常外出的回歸結果Table9Whethertheelderlygoingoutfrequently解釋變量系數標準差zP>z兒率比-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從表9可知，在90%置信水平下，dgg、j、dinccme、busrtcp、Lmithg、jport、health、C顯著.df顯著，系數-0.519小于0,幾率比0.595小于【，這

27、表明于與平時階段相比，后疫情階段老年人外出可能性顯著降低，外出比例僅為平時階段的59.5%.的系數為-0.517,兒率比為0.596,表明老年人對新冠肺炎疫情嚴重程度的感知，對老年人外出具有顯著影響；玲：如增加1個單位，老年人外出的比例就減少40.4%,即(1-0.596)xloo%=40.4%.4結論本文研究后疫情階段，新冠肺炎疫情對老年人出行行為的影響.通過研究，得出以下結論：(1) 短距離出行中，是否處于后疫情階段，對新冠肺炎疫情嚴重程度的感知，自己及周邊人是否戴口罩等對出行方式選擇沒有顯著影響.(2) 新冠肺炎疫情會顯著降低老年人使用公交的可能性，老年人對新冠肺炎疫情嚴重程度的感知會顯

28、著影響使用公交出行的可能性.(3) 新冠肺炎疫情會顯著降低老年人使用公交的頻率，后疫情階段老年人使用公交的兒率比僅為平時階段的33.0%.老年人對新冠肺炎疫情嚴重程度的感知，對老年人使用公交頻率具有顯著影響.(4) 相比于平時階段，后疫情階段老年人外出可能性顯著降低，外出的幾率比僅為平時階段的59.5%.老年人對新冠肺炎疫情嚴重程度的感知，對老年人是否外出具有顯著影響.參考文獻：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 李曄,劉興華，何青.面向防疫的城市交通系統韌性特征及提升策略J.城市交通,2020,18(3):80-87,10.LIY,LIUXH,HEQ.UrbantransportationsystemresilienceduringtheCovid-19pandemicJ.UrbanTransportofChina,2020,18(3):80-87,10何凌暉，余慶，李瑋

30、峰.新冠肺炎疫情影響下的城際交通運輸需求分析J.城市交通，2020,18(3)：51-61.HELH,YUQ,LIWF.Inter-citytransportationdemandunderCovid-19pandemicJ.UrbanTransportofChina,2020,18(3):51-613 李爽，張宇.非常態下北京城市交通系統規劃建議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/.下轉第98頁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李宏偉，黎英.偶發性事件下城市交通區域邊界的最優控制J.電子測雖技術.2019,42(14)：63-67.LIHW,LIY.OptimalcontrolofurbantrafficareaboundaryundersporadiceventsJ.ElectronicMeasurementTechnology,2019,42(14):63-67.丁恒,黃文娟，陳森，等.擁堵交通網絡能耗節約邊界信號優化方法J.系統工程理論與實踐.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