程 龍 陳學(xué)武

(東南大學(xué)城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室，南京210096)

(東南大學(xué)現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心，南京210096)

交通出行對(duì)每個(gè)居民的日常生活都十分重要.但低收入通勤者由于對(duì)出行成本的負(fù)擔(dān)程度低，較少參與家庭外的活動(dòng)，出行機(jī)動(dòng)性也較差.低收入居民的出行特征有別于其他人群[1-3]:出行距離短、出行頻率少，更加依賴非機(jī)動(dòng)化交通工具和公共交通.在“交通公平性”的目的和背景下，解決低收入居民的日常出行問題顯得十分重要.出行作為一種派生性需求，個(gè)體基于活動(dòng)，通過安排出行OD、出行時(shí)間和出行方式來組織日常生活，研究表明將活動(dòng)參與納入出行需求模型可以提高模型預(yù)測能力.而活動(dòng)參與和出行模式之間的互動(dòng)機(jī)理能夠有效地通過結(jié)構(gòu)方程模型揭示[4-5].

結(jié)構(gòu)方程模型(structural equations model，SEM)最早用于建立活動(dòng)和出行的時(shí)間分配模型.Gould等[6]應(yīng)用結(jié)構(gòu)方程模型探索節(jié)省的出行時(shí)間如何轉(zhuǎn)化為活動(dòng)參與.Fujii等[7]基于結(jié)構(gòu)方程研究新通車的高速公路對(duì)通勤者下班后休閑活動(dòng)需求的影響，分析社會(huì)經(jīng)濟(jì)屬性、活動(dòng)模式、出行生成和出行行為之間的關(guān)系.Kuppam等[8]得出在家活動(dòng)與家庭外活動(dòng)有明顯的負(fù)相關(guān).Chung等[9]基于韓國首爾的出行調(diào)查數(shù)據(jù)分析社會(huì)經(jīng)濟(jì)屬性、活動(dòng)參與和出行行為之間的直接效應(yīng)、間接效應(yīng)和總體效應(yīng)，認(rèn)為社會(huì)經(jīng)濟(jì)屬性和出行行為的關(guān)系在發(fā)展中國家和發(fā)達(dá)國家呈現(xiàn)相似的特征.Fu等[10]利用結(jié)構(gòu)方程模型表明不同人群社會(huì)經(jīng)濟(jì)屬性與活動(dòng)-出行的關(guān)系呈現(xiàn)差異性，需要對(duì)不同人群做針對(duì)分析.除了社會(huì)經(jīng)濟(jì)屬性，可達(dá)性也會(huì)對(duì)通勤者的活動(dòng)-出行模式產(chǎn)生顯著影響，包括影響出行時(shí)間、費(fèi)用、頻率和方式選擇[2，11].然而現(xiàn)有的研究主要針對(duì)整個(gè)城市層面的出行特征分析，未能聚焦低收入通勤者這一特定人群的出行和活動(dòng)模式.

本文則重點(diǎn)分析低收入通勤者的活動(dòng)-出行行為，同時(shí)將可達(dá)性納入模型參數(shù)，揭示個(gè)人社會(huì)經(jīng)濟(jì)屬性和可達(dá)性對(duì)活動(dòng)-出行變量(即活動(dòng)參與、出行生成和方式選擇)的影響，以及活動(dòng)-出行變量之間的互動(dòng)機(jī)理.

1 結(jié)構(gòu)方程模型

本文旨在應(yīng)用結(jié)構(gòu)方程分析低收入通勤者社會(huì)經(jīng)濟(jì)屬性、可達(dá)性、活動(dòng)參與、出行生成和方式選擇之間的相互關(guān)系.傳統(tǒng)的多元回歸分析難以考慮如此多的變量，而結(jié)構(gòu)方程模型的優(yōu)點(diǎn)在于能夠同時(shí)分析并處理多個(gè)因變量.不含潛變量的結(jié)構(gòu)方程為[8]

式中，y表示p個(gè)內(nèi)生變量組成的向量;x表示q個(gè)外源變量組成的向量;B表示內(nèi)生變量間的隨機(jī)聯(lián)系矩陣;Γ表示外源變量對(duì)內(nèi)生變量的直接隨機(jī)效應(yīng)矩陣;ζ表示結(jié)構(gòu)方程的殘差項(xiàng)，反映了在方程中未能被解釋的部分.在本文中，外源變量指社會(huì)經(jīng)濟(jì)屬性和可達(dá)性;內(nèi)生變量指活動(dòng)參與、出行生成和方式選擇.

結(jié)構(gòu)方程模型是驗(yàn)證性結(jié)構(gòu)分析，而非探索性結(jié)構(gòu)分析，因此該模型中需要構(gòu)建明確的內(nèi)部方程結(jié)構(gòu)，形成關(guān)于一組變量間相互關(guān)系的模型，即假設(shè)模型.經(jīng)過抽樣調(diào)查后，獲得一組觀測變量的數(shù)據(jù)和此數(shù)據(jù)產(chǎn)生的協(xié)方差矩陣S.根據(jù)樣本的協(xié)方差矩陣S和假設(shè)的模型，用數(shù)學(xué)方法找出模型成立時(shí)隱含的理論協(xié)方差矩陣∑(θ)(θ是模型的參數(shù))，該矩陣既符合模型，又與S在某種意義上最接近.∑(θ)與模型的路徑參數(shù)有關(guān)，∑(θ)與樣本的協(xié)方差矩陣S的差距越小，表示模型越能吻合數(shù)據(jù)[12].設(shè)x的協(xié)方差矩陣∑xx(θ)=Φ，殘差向量的協(xié)方差矩陣為Ψ，則可推導(dǎo)出

在SEM分析中，擬合目標(biāo)是求參數(shù)使得模型隱含的協(xié)方差矩陣∑(θ)與樣本協(xié)方差矩陣S的殘差最小.因極大似然估計(jì)具有漸近無偏性、漸近有效性、尺度不變性等良好性質(zhì)，并且該方法可以對(duì)假設(shè)模型進(jìn)行整體檢驗(yàn)，所以本文采用極大似然估計(jì)法對(duì)模型進(jìn)行估計(jì).

2 數(shù)據(jù)獲取及準(zhǔn)備

數(shù)據(jù)來源于2013年在南京市組織開展的居民一日活動(dòng)-出行調(diào)查.此調(diào)查以家庭作為調(diào)查對(duì)象，采取居委會(huì)入戶調(diào)查的形式.調(diào)查家庭中6歲以上所有成員一日(工作日)的所有活動(dòng)記錄，包括出行信息(出行目的、方式、時(shí)間和出行起終點(diǎn)).此外，調(diào)查采集了出行者的社會(huì)經(jīng)濟(jì)屬性及家庭特征.經(jīng)過數(shù)據(jù)有效性檢驗(yàn)后，共獲得5 504個(gè)有效出行樣本.被調(diào)查家庭分年總收入分布如表1所示.

表1 被調(diào)查家庭的年總收入分布

經(jīng)濟(jì)合作與發(fā)展組織提出的國際貧困線標(biāo)準(zhǔn)為當(dāng)?shù)厝司芍涫杖氲?0%[13].根據(jù)該定義，2013年南京的貧困標(biāo)準(zhǔn)為人均可支配收入2萬元/年.通過調(diào)查得到的家庭年總收入和家庭規(guī)模可以計(jì)算個(gè)人年收入.因此，1 722個(gè)樣本被認(rèn)為是低收入居民，其余3 782個(gè)樣本為非低收入居民.同時(shí)通過職業(yè)屬性，最終納入模型分析的低收入通勤者有610個(gè)有效樣本，其中男性比例占52%.低收入通勤者的社會(huì)經(jīng)濟(jì)屬性統(tǒng)計(jì)特征見表2.貧困家庭的規(guī)模較大，平均為3.5人.小汽車擁有量為0.37輛/家庭，遠(yuǎn)低于非低收入家庭的0.70輛/家庭.低收入通勤者的自行車和電動(dòng)車擁有量均為1.0輛/家庭.較多地居住在城市外圍，據(jù)統(tǒng)計(jì)69.5%的低收入者居住地位于主城區(qū)以外.駕照持有率和公交IC卡擁有率都較低，分別為26.1%和24.3%.其中，居住地位置、性別、駕照持有、公交卡持有和職業(yè)是啞元變量.模型中的可達(dá)性變量用居住地人口密度和居住地就業(yè)崗位密度2個(gè)指標(biāo)衡量(交通小區(qū)單位面積內(nèi)的人口數(shù)量和就業(yè)崗位數(shù)量為1 000個(gè)/km2).從表2可見，低收入居民居住地人口密度遠(yuǎn)大于就業(yè)崗位密度，存在職住分離的現(xiàn)象，這也進(jìn)一步帶來了出行困難.

表2 低收入通勤者的社會(huì)經(jīng)濟(jì)屬性統(tǒng)計(jì)特征

對(duì)低收入通勤者的活動(dòng)-出行模式特征進(jìn)行統(tǒng)計(jì)，結(jié)果見表3，其中生存型活動(dòng)指上班、上學(xué)和公務(wù)，維持型活動(dòng)指購物、探親訪友和看病，休閑型活動(dòng)指社交娛樂.低收入通勤者較多進(jìn)行生存型活動(dòng)，較少參與維持型活動(dòng)和休閑型活動(dòng)，生存型時(shí)耗為 8.37 h/d，非零樣本的均值為 8.93 h/d，而維持型活動(dòng)和休閑型活動(dòng)的時(shí)耗分別為0.16和0.18 h/d.出行鏈指居民從家出發(fā)，經(jīng)過一系列的出行后，再次回到家的過程.通過對(duì)調(diào)查數(shù)據(jù)的分析，提煉出3種典型的出行鏈，分別是簡單工作鏈(1 d中只進(jìn)行1次工作活動(dòng))、簡單非工作鏈(1 d中只進(jìn)行1次非工作活動(dòng))和復(fù)雜鏈(1 d中至少進(jìn)行2次活動(dòng)).低收入通勤者的出行鏈平均為1.14個(gè)/d，其中大部分為簡單工作鏈，為 0.94個(gè)/d.電動(dòng)車是低收入通勤者日常出行采用的主要交通工具，為0.70次/d.最常用的機(jī)動(dòng)化出行方式是公交車，為0.49次/d，小汽車的出行比例最小，為0.26 次/d，僅占10.9%.

表3 低收入通勤者活動(dòng)-出行模式統(tǒng)計(jì)特征

由于本研究涉及個(gè)體社會(huì)經(jīng)濟(jì)屬性、可達(dá)性、活動(dòng)參與變量、出行生成變量和方式選擇變量之間的相關(guān)關(guān)系，變量數(shù)量眾多，相互之間關(guān)系層次復(fù)雜，為了提高結(jié)構(gòu)方程初始模型設(shè)定的準(zhǔn)確性和效率，需要對(duì)各變量間的關(guān)系進(jìn)行顯著性檢驗(yàn).卡方檢驗(yàn)(Pearson's chi-squared)用于檢驗(yàn)離散變量與離散變量之間的顯著性，單因素方差分析(ANOVA)用于檢驗(yàn)離散變量與連續(xù)變量之間的顯著性，相關(guān)性分析用于檢驗(yàn)連續(xù)變量與連續(xù)變量之間的顯著性.從顯著性結(jié)果特征發(fā)現(xiàn)，居住地位置、駕照持有和職業(yè)3個(gè)變量與其他變量之間的相關(guān)性不顯著，因此在后續(xù)建模中不予考慮.

3 模型設(shè)定和估計(jì)結(jié)果

根據(jù)已有的研究結(jié)果，人們往往會(huì)根據(jù)活動(dòng)的重要性和等級(jí)高低來分配時(shí)間[9].也就是說，當(dāng)人們花更多的時(shí)間在生存型活動(dòng)上時(shí)，他們花費(fèi)在維持型和休閑型活動(dòng)上的時(shí)間會(huì)相應(yīng)減少.此外，當(dāng)人們花更多的時(shí)間在維持型活動(dòng)上時(shí)，往往花費(fèi)更少的時(shí)間用于休閑娛樂.模型設(shè)定示意如圖1所示，表明了社會(huì)經(jīng)濟(jì)屬性、可達(dá)性、活動(dòng)參與、出行生成和方式選擇之間的關(guān)系，實(shí)線箭頭表示兩者之間存在直接效應(yīng).表征活動(dòng)參與的指標(biāo)有生存型活動(dòng)時(shí)耗、維持型活動(dòng)時(shí)耗和休閑型活動(dòng)時(shí)耗，表征出行生成的指標(biāo)有簡單工作鏈數(shù)、簡單非工作鏈數(shù)和復(fù)雜工作鏈.表征方式選擇的指標(biāo)為各交通工具的使用頻率.

圖1 社會(huì)經(jīng)濟(jì)屬性、可達(dá)性與活動(dòng)-出行的關(guān)系模型示意圖

結(jié)構(gòu)方程模型中變量間的關(guān)系可以通過直接效應(yīng)D、間接效應(yīng)I和總體效應(yīng)T來表示，總體效應(yīng)為直接效應(yīng)和間接效應(yīng)之和.模型估計(jì)結(jié)果如表4和5所示，由表可得模擬擬合指標(biāo)為:卡方值Chi-square為117.25，自由度 df為 103，p-value 為0.36.結(jié)果表示模型估算假設(shè)不被拒絕，反映最終模型在統(tǒng)計(jì)意義上與最優(yōu)模型接近.此外，擬合指數(shù)近似誤差均方根RMSEA為0.014，擬合優(yōu)度指數(shù)GFI為0.98，調(diào)節(jié)擬合優(yōu)度指數(shù)AGFI為0.96，關(guān)鍵變量CN為733(≥200即可).以上指標(biāo)均說明模型擬合得很好.

1)社會(huì)經(jīng)濟(jì)屬性對(duì)活動(dòng)參與和出行生成的影響.從表4可以看出，隨著低收入通勤者家庭規(guī)模的增大，復(fù)雜出行鏈數(shù)減少(T=－0.06).當(dāng)自行車的擁有量增加時(shí)，簡單非工作出行鏈數(shù)會(huì)隨之增加(T=0.05)，復(fù)雜工作鏈數(shù)會(huì)隨之減少(T=－0.02)，然而小汽車擁有率和電動(dòng)車擁有率對(duì)活動(dòng)參與和出行生成沒有顯著影響.此外，女性在生存型活動(dòng)上花費(fèi)的時(shí)間較少(生存型活動(dòng)時(shí)耗的總體效應(yīng)TSub_d=－0.55)，在維持型和休閑型活動(dòng)花費(fèi)的時(shí)間較多(維持型活動(dòng)時(shí)耗的總體效應(yīng)TMain_d=0.08，休閑型活動(dòng)時(shí)耗的總體效應(yīng)TLei_d=0.08)，她們的簡單工作鏈數(shù)也較少(簡單工作鏈的總體效應(yīng)THwh=－0.04).這是因?yàn)榈褪杖爰彝ブ信允芄蛡虻谋壤^低，通勤活動(dòng)少，較多地承擔(dān)家庭事務(wù).隨著年齡的增加，通勤者的生存型活動(dòng)時(shí)耗減少，維持型活動(dòng)時(shí)耗增加.年齡對(duì)復(fù)雜工作鏈數(shù)有正影響(T=0.06)，也就是說年齡大的通勤者更愿意選擇復(fù)雜出行鏈出行.

2)社會(huì)經(jīng)濟(jì)屬性對(duì)方式選擇的影響.從家庭規(guī)模對(duì)電動(dòng)車、自行車和步行的使用頻率總體效應(yīng)可以看出，家庭規(guī)模較大的通勤者不愿意選擇非機(jī)動(dòng)化的交通工具，電動(dòng)車、自行車、步行出行的總體效應(yīng)分別為 Tmoped= － 0.08，Tbicycle= － 0.06，Twalk=－0.06，這是因?yàn)殡妱?dòng)車、自行車載人能力有限，難以實(shí)現(xiàn)多人一起出行.當(dāng)某種交通工具的擁有量增加時(shí)，其相應(yīng)的出行選擇概率也會(huì)相應(yīng)增加，其他交通工具的選擇概率則會(huì)有所降低.比如，當(dāng)小汽車擁有量增加時(shí)，低收入通勤者選擇小汽車的頻率增加(小汽車出行頻率的總體效應(yīng)為 Tcar=0.61)，公交車、電動(dòng)車和自行車的使用頻率降低(Ttansit= －0.15，Tmoped= －0.21，Tbicycle= －0.34).需要指出的是自行車的擁有量對(duì)小汽車的出行選擇有正間接效應(yīng)，該效應(yīng)主要來自簡單非工作鏈的間接作用.自行車擁有量對(duì)簡單非工作鏈有正直接效應(yīng)(D=0.05)，簡單非工作鏈對(duì)小汽車出行有正直接效應(yīng)(D=0.19，如表5所示)，因此，自行車擁有量對(duì)小汽車出行產(chǎn)生了正間接效應(yīng).

女性通勤者更樂意選擇公交車、電動(dòng)車、自行車和步行出行，選擇小汽車出行的比例較少(Dcar=－0.27).這是由于低收入家庭中女性社會(huì)地位低，小汽車交通工具男性有優(yōu)先使用權(quán).年齡與公交車使用負(fù)相關(guān)(T=－0.19)，與電動(dòng)車使用正相關(guān)(T=0.31).受教育水平較高的通勤者更多選擇機(jī)動(dòng)化的交通工具，如小汽車和公交車.此外，當(dāng)出行者擁有公交IC卡時(shí)，公交車出行的概率增加(T=0.44)，小汽車出行的概率降低(T= －0.15).低收入者對(duì)價(jià)格敏感，在南京使用公交卡出行享受票價(jià)優(yōu)惠，因此持有公交卡會(huì)更樂意選擇公交出行.

3)可達(dá)性對(duì)活動(dòng)參與、出行生成和方式選擇的作用.可達(dá)性變量對(duì)低收入通勤者的出行生成和方式選擇有著顯著影響.較高的人口密度鼓勵(lì)通勤者從事更多的簡單非工作鏈(T=0.02)和復(fù)雜鏈(T=0.02).也就意味著當(dāng)人口密度增加1 000人/km2時(shí)，低收入者每天的簡單工作鏈和復(fù)雜鏈分別增加0.02和0.02.若居住地的人口密度增大時(shí)，電動(dòng)車、自行車和步行的使用頻率也會(huì)增大，主要體現(xiàn)在間接效應(yīng)上(Imoped=0.03，Ibicycle=0.03，Twalk=0.05).此外，居住地的就業(yè)崗位密度對(duì)公交車出行有正直接效應(yīng)(D=0.06)，表明若就業(yè)崗位密度增加1 000人/km2，出行者選擇公交出行次數(shù)增加0.06 次/d.

表4 低收入通勤者社會(huì)經(jīng)濟(jì)屬性、可達(dá)性對(duì)活動(dòng)-出行的影響

表5 低收入通勤者活動(dòng)-出行變量間的相互關(guān)系

表5顯示，活動(dòng)參與、出行生成和方式選擇等內(nèi)生變量間的相互影響.從 THwh=0.07，THoh=－0.07，THwoh= －0.02 結(jié)果看出，生存型活動(dòng)時(shí)耗對(duì)簡單工作鏈有正效應(yīng)，對(duì)簡單非工作鏈和復(fù)雜鏈有負(fù)效應(yīng).維持型活動(dòng)時(shí)耗對(duì)復(fù)雜鏈有正效應(yīng)(T=0.09).若從事較多休閑型活動(dòng)，通勤者的簡單工作鏈數(shù)會(huì)隨之減少，THwh=－0.13;簡單非工作鏈和復(fù)雜鏈數(shù)相應(yīng)增加，THoh=0.08，THwoh=0.03.可以理解為，當(dāng)休閑型活動(dòng)增加1h，簡單工作鏈數(shù)減少0.13，簡單非工作鏈和復(fù)雜鏈分別增加0.08和0.03.從表5可以發(fā)現(xiàn)，當(dāng)通勤者的生存型活動(dòng)時(shí)耗增加時(shí)，使用小汽車、自行車和步行的頻率降低.維持型活動(dòng)和休閑型活動(dòng)對(duì)公交車的使用有正效應(yīng).當(dāng)?shù)褪杖胪ㄇ谡邚氖潞唵喂ぷ麈湑r(shí)，他們更樂意選擇公交車出行(T=0.04)，但從事簡單非工作鏈時(shí)，更愿意選擇小汽車出行(T=0.19).復(fù)雜鏈對(duì)電動(dòng)車、自行車和步行有正效應(yīng)，Tmoped=1.24，Tbicycle=0.92，Twalk=1.06，因?yàn)檫@些交通工具自身靈活性較高，能夠滿足在一次出行中完成多項(xiàng)活動(dòng)的需求.

此外，當(dāng)某種交通工具使用頻率增加時(shí)，其他交通工具的使用頻率會(huì)降低，如小汽車對(duì)其他交通方式使用的影響(Ttransit= －0.24，Tmoped= －0.35，Tbicycle=－0.13).可以理解為當(dāng)小汽車的使用次數(shù)增加1次，公共交通、電動(dòng)車、自行車和步行的使用次數(shù)分別減少0.24，0.35，0.13，0.30 次/d.這也反映了各交通工具使用之間呈競爭型關(guān)系，而非互補(bǔ)型關(guān)系.

總體來說，模型結(jié)果表明社會(huì)經(jīng)濟(jì)屬性、可達(dá)性對(duì)低收入通勤者的活動(dòng)參與、出行生成和方式選擇有顯著影響，活動(dòng)參與、出行生成和方式選擇間也有著較強(qiáng)的相互作用.

4 結(jié)語

基于南京活動(dòng)-出行數(shù)據(jù)，利用結(jié)構(gòu)方程模型分析社會(huì)經(jīng)濟(jì)屬性、可達(dá)性外源變量對(duì)低收入通勤者活動(dòng)參與、出行生成和方式選擇等內(nèi)生變量的影響.同時(shí)分析了活動(dòng)參與、出行生成和方式選擇間的相互關(guān)系，將以往結(jié)構(gòu)方程模型中活動(dòng)參與至出行生成延伸拓展到方式劃分階段.既定量地分析了內(nèi)生變量的直接影響因素，又研究了其間接影響因素，全面考察了活動(dòng)-出行行為的影響機(jī)理.

研究發(fā)現(xiàn)，社會(huì)經(jīng)濟(jì)屬性、可達(dá)性主要通過活動(dòng)參與間接影響出行生成，而方式選擇主要受社會(huì)經(jīng)濟(jì)屬性和出行生成的直接影響.結(jié)論有助于揭示影響低收入通勤者活動(dòng)-出行的因素，為交通系統(tǒng)資源優(yōu)化配置、建立健全低收入人群出行保障機(jī)制提供理論基礎(chǔ)，如發(fā)展公共交通被認(rèn)為是提高低收入人群機(jī)動(dòng)性的重要方式.本研究發(fā)現(xiàn)女性比男性更樂意選擇公交車出行，公交優(yōu)先政策可以首先考慮女性通勤者的需求，如較低的踏板以方便穿高跟鞋的女性上下車.其次，擁有公交卡的通勤者更多選擇公交出行，意味著可以制定優(yōu)惠措施(票價(jià)優(yōu)惠、換乘優(yōu)惠等)以提高公交卡的持有率，從而提高公共交通對(duì)低收入者的吸引力.

本文將可達(dá)性作為顯變量納入模型分析，今后可將可達(dá)性作為潛變量，通過建立含潛變量的結(jié)構(gòu)方程來估計(jì).此外，在出行方式選擇過程中，還可以考慮出行方式鏈之間的相互影響.

References)

[1] 畢曉螢.面向城市低收入人群的交通改善策略研究[D].南京:東南大學(xué)交通學(xué)院，2013.

[2] Srinivasan S，Roger P.Travel behavior of low-income residents:studying two contrasting locations in the city of Chennai，India[J].Journal of Transport Geography，2005，13(3):265-274.

[3] Salon D，Gulyani S.Mobility，poverty，and gender:travel‘choices’of slum residents in Nairobi，Kenya[J].Transport Reviews，2010，30(5):641-657.

[4] Golob T F，McNally M G.A model of activity participation and travel interactions between household heads[J].Transportation Research Part B:Methodological，1997，31(3):177-194.

[5] Golob T F.Structural equation modeling for travel behavior research[J].Transportation Research Part B:Methodological，2003，37(1):1-25.

[6] Gould J，Golob T F.Shopping without travel or travel without shopping:an investigation of electronic home shopping[J].Transport Reviews，1997，17(4):355-376.

[7] Fujii S，Kitamura R.Evaluation of trip-inducing effects of new freeways using a structural equations model system of commuters'time use and travel[J].Transportation Research Part B:Methodological，2000，34(5):339-354.

[8] Kuppam A R，Pendyala R M.A structural equations analysis of commuters'activity and travel patterns[J].Transportation，2001，28(1):33-54.

[9] Chung J H，Ahn Y.Structural equation models of dayto-day activity participation and travel behavior in a developing country[J].Transportation Research Record:Journal of the Transportation Research Board，2002，1807:109-118.

[10] Fu X M，Juan Z C.Empirical analysis and comparisons about time-allocation patterns across segments based on mode-specific preferences[J/OL].Transportation，2014.http://link.springer.com/article/10.1007/s11116-014-9561-2.

[11] Venter C，Vokolkova V，Michalek J.Gender，residential location，and household travel:empirical findings from low-income urban settlements in Durban，South Africa[J].Transport Reviews，2007，27(6):653-677.

[12] 李志斌，楊晨，王煒，等.基于出行態(tài)度的自行車通勤出行市場劃分[J].東南大學(xué)學(xué)報(bào):自然科學(xué)版，2012，42(4):784-789.Li Zhibin，Yang Chen，Wang Wei，et al.Bicycle commuting market segmentation analysis using attitudinal factors[J].Journal of Southeast University:Natural Science Edition，2012，42(4):784-789.(in Chinese)

[13] 莫泰基.香港貧窮與社會(huì)保障[M].香港，中國:中華書局，1993:15-18.