董仁，韓剛，李琳，韓汶

(1.昆明理工大學交通工程學院，昆明650500;2.湖北宜昌交運集團股份有限公司，湖北宜昌443000)

0 引言

2014年，中國60歲以上老齡人口已經達到2.12億，老齡化水平達到15.5%［1］，伴隨著老年人口增長高峰的到來，老年人群出行也給城市交通帶來新的、更大的壓力。因此，對老年人出行行為特征的研究，有助于理解和掌握老年人的出行規(guī)律，為城市交通系統(tǒng)以及相關決策提供科學依據(jù)。

率先進入老齡化社會的國家，經濟比較發(fā)達，老年人原本大多擁有駕照，出行的機動化水平較高，但隨著年齡增長，不宜駕車的老年人離開家到戶外活動的能力開始降低，因此，對老年人出行問題的研究，主要聚焦在駕駛安全與出行機動性保障問題上。S.Rosenbloom［2］、R.Alsnih等［3］研究發(fā)現(xiàn)，隨著年齡增長，老年駕駛人面臨反應遲鈍、視力以及聽力下降等問題，一部分老年人將不再適宜駕車出行，導致其戶外活動能力逐漸減弱，提出應按老年人群不同年齡段分別研究應對之策。A.Siren等［4］研究表明，經濟收入較低對老年人出行行為的影響程度高于對通勤人群出行行為的影響。G.Giuliano等［5］、F.M.Su等［6］研究發(fā)現(xiàn)，由于對小汽車的依賴性很強，加之公共交通服務水平有限，導致老年人較少采用公共交通出行，對于不再駕車的老年人，為其出行提供門到門的需求響應式公交服務尤為重要。

中國進入老齡化社會以后，學者對老年人交通問題的研究主要依據(jù)城市綜合交通調查數(shù)據(jù)，統(tǒng)計分析出行時空特征以及對出行選擇行為的研究。毛海虓等［7］、張政等［8］、夏曉敬等［9］統(tǒng)計分析了老年人群外出活動空間分布、出行行為特征及個人、家庭屬性對其出行特征的影響。陳團生等［10］通過構建非集計模型分析了老年人出行選擇行為的影響因素。由于缺乏專項調查研究，因此，沒有老年群體日常活動特征與伴生出行的關聯(lián)信息。隨著研究的多學科化，地理學的相關研究方法被引入到城市老年人日?；顒拥难芯恐?，柴彥威等［11］、李昌霞等［12］研究了老年人購物出行時空間結構特征及購物地認知評價對出行選擇的影響;張純等［13］等采用時間地理學方法研究了不同個人、家庭屬性老年人日?；顒勇窂降臅r空特征差異。地理學研究方法的引入推動了城市老年人出行行為研究朝向活動分析的轉變，啟發(fā)了對老年人活動與出行特征參數(shù)間關聯(lián)性的深入研究。

由于生活方式差異較大，國外老年人出行行為研究成果對于國內的可借鑒性不大，而國內的研究沿襲了城市居民出行行為研究思路和出行調查數(shù)據(jù)，采用統(tǒng)計分析方法，沒有包含活動的信息，不能解釋老年人不同活動的出行特征。對昆明市近幾年老年人公交優(yōu)惠IC卡刷卡記錄的大量數(shù)據(jù)分析［14］發(fā)現(xiàn)，由于沒有出行目的信息，難以建立出行特征參數(shù)間的聯(lián)系，也難以為本源性的出行行為機理研究提供可靠依據(jù)。由于養(yǎng)老生活方式與一般城市居民的本質性差異，加之老年人特有的生理、心理的同質性變化特征，個人及家庭屬性差異對出行行為的影響明顯減弱，而活動特征的差異成為影響老年人出行行為的重要因素。

基于以上認識，本研究摒棄了以往的研究模式，將養(yǎng)老生活方式中日?；顒踊咎卣骷{入出行行為的研究范圍，分析活動—出行行為特征，引入結構方程模型分析方法，探尋城市老年人活動特征與出行行為特征變量間的關聯(lián)性，客觀地反映個人及家庭屬性差異、日?；顒犹卣?、出行行為特征等變量間的多元、復雜關系，揭示老年人活動—出行行為潛在變量與觀察變量間相互影響的路徑與效應值?；诨顒拥某鲂刑卣鲄?shù)間的量化關系研究成果可以為城市老年人出行行為機理研究提供可靠依據(jù)。

1 城市老年人日?；顒映鲂行袨樘卣?/h2>

1.1 研究地區(qū)與數(shù)據(jù)來源

城市老年人出行問卷調查于2013年9月13日至15日每天不同時段、在昆明城區(qū)三環(huán)路以內和近郊區(qū)的公園、醫(yī)院、超市等城市老年人較為集中的地點進行，隨機抽樣調查老年人的個人和家庭屬性，以及調查日前一天的活動—出行信息(涵蓋星期四至星期六)。調查共發(fā)放449份問卷，回收有效問卷407份，有效率90.6%。統(tǒng)計分析中，還對其中54份問卷進行了追蹤訪談，占有效問卷的13.3%。

問卷調查主要包括四部分:個人及家庭基本屬性、居住地特征、調查日前一天出行情況。個人及家庭基本屬性征包括性別、年齡、有無公交老年卡、學歷、退休前職業(yè)、家庭代際結構及居住狀態(tài)、個人及家庭月收入、交通工具擁有情況等內容;居住地特征包括周邊休閑、購物設施擁有情況;調查日前一天出行情況包括出行時段、出行目的、出行起訖點、出行方式等特征(表1)。

1.2 出行行為特征

1.2.1 出行率與活動類型。本研究的有效樣本中老年人一日出行總計624次(不計回程)，人均出行1.53次/d。根據(jù)已有研究的劃分，日常活動可分為生存類活動、生活維持類活動及休閑類活動［15］。城市老年人日?；顒右孕蓍e、生活維持類活動為主，休閑類主要包括日常休閑娛樂、走親訪友等活動，生活維持類活動以購物、就醫(yī)、接送兒童為主，僅少數(shù)老年人仍有工作出行。

1.2.2 出行方式。乘公交車和步行是城市老年人最主要的出行方式(圖1)。參與休閑活動會更多地選擇公交出行，而購物活動則明顯地偏向步行方式。老年人休閑活動目的地選擇范圍較廣，選擇公交方式是休閑出行機動性與便捷性的內在需求;老年人購物活動通常就近選擇目的地，靈活的步行方式更為適宜。

1.2.3 出行距離。城市老年人總體出行距離集中在5 km以內，大于5 km的出行比例隨距離增加呈顯著下降趨勢(圖2)。在1.5 km出行范圍以內，購物活動的比例明顯大于休閑活動。超過1.5 km范圍的出行距離分布較廣，休閑出行所占比例較大，購物活動隨距離增加出行比例下降顯著。表明老年人購物出行以1.5 km范圍內為主，而休閑活動趨于更遠距離的出行。

1.2.4 出發(fā)時刻。調查顯示，城市老年人出行分別集中在上午8:15—9:15和下午13:15—14:15這2個時間段(圖3)。早高峰特征顯著，而下午出行并沒有形成典型的高峰特征。

表1 調查對象基本信息統(tǒng)計表Tab.1 Statistics of basic information of participants

圖1 出行方式分布Fig.1 Distribution of travel mode

統(tǒng)計分析表明，總體上城市老年人日?；顒映鲂行袨樘卣髋c通勤交通有顯著差異;老年人不同活動的出行方式、時空間選擇等出行行為特征也存在顯著差異。因此，有必要借助量化關系模型分析手段，進一步探究老年人出行行為特征的影響因素及特征變量間的關聯(lián)性。

圖2 出行距離分布Fig.2 Distribution of trip distance

圖3 出發(fā)時刻分布Fig.3 Distribution of departure time

2 城市老年人出行行為特征關聯(lián)性分析

采用結構方程模型(structural equation modeling，SEM)分析城市老年人出行行為特征的關聯(lián)性。SEM由測量模型和結構模型組成。測量模型主要處理觀測指標與潛變量間的關系，通過驗證性因子分析對測量模型進行信度與效度檢驗和擬合度評估。結構模型用來評估潛變量間的相互關系，即潛變量間的路徑分析［16］。結構方程模型有助于分析城市老年人日?；顒映鲂行袨樘卣魍馍兞俊壬兞?、觀測變量間的量化關系。

2.1 特征參數(shù)關聯(lián)性理論假設

結構方程模型的構建通常需要結合已有研究成果進行理論假設，并借由可觀測指標和建模分析驗證理論假設與數(shù)據(jù)擬合程度，從而得到各變量間的關聯(lián)性作用機理?；谝延醒芯砍晒约皩夏耆损B(yǎng)老生活基本特征的認識，本研究假設個人及家庭屬性是城市老年人活動—出行行為的潛在影響因素，會對其日?；顒印⒊鲂袥Q策產生影響;出行行為中的各類選擇行為受日?；顒佑绊懙耐瑫r，其變量間也會相互產生影響。根據(jù)以上假設構建理論模型，通過模型運算分析城市老年人屬性、活動因素與出行行為及特征參數(shù)間的關聯(lián)性。

2.2 特征變量選取

根據(jù)結構方程的理論及相關研究［17－19］，選取老年人的性別、年齡、學歷、退休前職業(yè)、家庭代際結構、居住狀態(tài)、個人月收入、家庭月收入、居住區(qū)位、交通工具擁有情況等觀測變量作為模型初始準備的外生變量(表2)。

表2 外生變量解釋Tab.2 Exogenous variable explanation

以出行目的表征出行者的日常活動特征，出發(fā)時刻選擇、出行方式選擇以及出行強度變量用于表征出行行為特征，用這4類變量作為模型初始準備的內生變量，包括老年人出行目的、出發(fā)時刻、出行方式和出行強度4個內生變量組(表3)。由于老年群體的特殊性，活動的出行距離與最長出行持續(xù)時間往往能反映其出行強度，因此，選擇這2個參數(shù)與出行頻率共同構成出行強度的觀測變量。

表4是利用SPSS統(tǒng)計分析軟件對模型內生變量、外生變量的各觀察變量進行的相關性檢驗。外生變量“性別X1”、“居住區(qū)位X9”，內生變量“是否去醫(yī)院Y4”、“是否自行車方式Y13”與其他變量相關性較低(相關系數(shù)小于0.3)，它們的作用可能已被其他變量替代，根據(jù)結構方程模型對變量間相關性的要求，同時考慮到樣本量和變量數(shù)量之間的關系，為了簡化模型，剔除了這4個觀察變量。

表3 內生變量解釋Tab.3 Endogenous variable explanation

2.3 參數(shù)估計

應用AMOS 20.0軟件，對理論模型進行運算，得出了模型的標準化參數(shù)估計(圖4)。

2.4 模型評價

根據(jù)圖4中結構方程模型各潛在變量間的參數(shù)估計，得出模型的適配度指標近似均方根殘差RMSEA=0.065＜0.080，規(guī)準適配指數(shù)NFI=0.904＞0.900，表明所建模型的數(shù)據(jù)擬合度良好。

2.5 老年人出行行為特征關聯(lián)性分析

圖4中的特征變量效應值表明，老年人的年齡、學歷、退休前職業(yè)、個人月收入等個人屬性以及家庭代際結構、居住狀態(tài)、家庭月收入、交通工具擁有等家庭屬性對其出行目的選擇、出發(fā)時刻選擇、出行方式選擇及出行強度并無顯著影響。而老年人購物、休閑、探親訪友等日?；顒訉ζ湎鄳某鲂蟹绞竭x擇、出行強度均具有較為顯著的影響。城市老年人休閑、購物等出行是其日常活動的伴生行為，活動的差異對出行行為產生了不同影響，這與總體特征分析中所得到的不同活動中老年人出行行為特征具有顯著差異的結論相吻合。

表4 觀察變量相關性檢驗Tab.4 Correlation test of observed variables

圖4 模型標準化參數(shù)估計Fig.4 Standardized parameter estimation of SEM

圖4中的特征變量效應值也表明，老年人群與通勤人群出行行為的影響因素及行為特征并不相同。我國城市老年人使用公共交通的比例很高，個人和家庭屬性對老年人出行行為影響較小。賦閑的生活狀態(tài)使得大多數(shù)老年人有較多時間可自由支配，其出行對時間不敏感，且日常活動主要受到個人偏好和身體條件影響。在一定年齡階段，一方面，老年人生理、心理特征具有較強的同質化特性，弱化了個人及家庭屬性的影響;另一方面，由于昆明市實行60歲以上老年人乘坐公共汽車免費的政策，以及城市區(qū)域內各類公園、廣場等休閑場所均對老年人實行免費或較低收費，都使得老年人對于使用大眾休閑活動場所的出行基本不受個人支付費用的制約。

圖4中的特征變量效應值還表明，模型各內生潛變量之間有較為顯著的相互影響。為了更加直觀、清晰地了解內生潛變量各觀察變量之間的影響，顯示各類出行選擇行為間的相互作用，可通過各內生變量組的直接效應路徑圖加以分析說明。

2.5.1 出行目的影響效應分析。出行目的內生變量組的直接影響效應路徑見圖5。圖中對影響效應小于0.15的值不予顯示(下文做同樣處理)。

圖5 出行目的影響效應路徑Fig.5 The direct effect of travel purpose

從圖5可以看出，上班變量對購物和休閑2個變量的直接影響效應分別為－0.256，0.239，說明老年人“上班”目的會對其“購物”目的產生抑制作用，但卻會增加“休閑”活動出行。接送小孩變量對購物和休閑2個變量的影響效應分別為0.274，－0.256，說明“接送小孩”活動會增加“購物”活動出行，同時抑制“休閑”活動出行。而購物變量對休閑變量的影響效應為－0.691，說明“購物”活動會對“休閑”活動產生較為強烈的抑制作用。實際上，退休后仍有工作的老年人往往較少承擔家務類的責任，表現(xiàn)為購物活動較少。有接送小孩任務的老年人家庭代際結構通常是三代同堂，同時承擔著購物等生活維持類的責任，休閑活動因此減少。休閑與購物是占據(jù)被調查老年人95%以上的出行活動，在時間占用上這2類活動具有較強的排他性。

老年人日常購物出行更偏向于選擇步行交通方式(直接影響效應為0.225)，而非乘坐公交車(直接影響效應為－0.190)。統(tǒng)計分析表明，老年人購物出行的空間范圍大部分集中于以家為中心1.5 km的范圍內，適宜老年人選擇步行方式。同時，購物活動對出行頻率、最大出行距離、最長出行持續(xù)時間的影響效應分別為－0.193，－0.261，－0.262，說明老年人購物出行的次數(shù)較少，距離與出行時間偏短。

老年人休閑出行對公交車和步行方式的影響效應分別為0.177，－0.211，表明老年人的休閑活動更傾向于使用公交車方式，間接說明休閑目的地距離家較遠。從出行強度來看，休閑活動對出行頻率、距離以及出行持續(xù)時間的影響效應分別為0.180，0.244，0.245，與購物活動相比，老年人休閑活動的出行頻率較多、出行距離以及出行持續(xù)時間均偏長，這是老年人休閑活動出行的顯著特點。

2.5.2 出發(fā)時刻影響效應分析。出發(fā)時刻內生變量組直接影響效應路徑見圖6。從圖6可以看出，出發(fā)時刻主要對出行方式產生較為顯著的影響，具體表現(xiàn)為:早上6:15—8:15時間段，變量對應公交方式和步行的影響效應分別為－0.188，0.224，說明此時段出行的老年人更傾向于選擇步行交通方式?，F(xiàn)實生活中，由于老年人在此時間段出行目的多為休閑，尤其是晨練出行較為頻繁(即使夏季，昆明的日出時間也在6:00以后)，因此，老年人較為熱衷于選擇步行方式至家附近的公園、綠地和廣場等進行相關活動。而上午8:15—11:15時間段，變量對應公交車和步行方式的影響效應分別為0.221，－0.263，說明在上午時段，老年人更偏向于選擇公交出行，亦反映出老年人的長距離出行大部分發(fā)生在此時間段。下午13:15—17:15時間段，變量對于公交方式和步行的影響效應分別為－0.143，0.170，說明下午時間段，老年人出行以步行為主。

圖6 出發(fā)時刻影響效應路徑Fig.6 The direct effect of departure time

從圖6還可以看出，出發(fā)時刻變量組內3個觀測變量間亦存有顯著影響效應。具體為6:15—8:15時間段變量對8:15—11:15時間段變量直接影響效應為－0.594，8:15—11:15時間段變量對于13:15—17:15時間段變量相應影響效應為－0.452。說明3個連續(xù)時間段的出行具有相互排斥性。

2.5.3 出行方式影響效應分析。出行方式內生變量組直接影響效應路徑見圖7。從圖7可以看出，選擇公交車出行對于步行具有明顯的抑制作用，其直接影響效應為－0.669，說明乘公交車出行的老年人由于出行距離較長等因素影響，步行方式往往不被采用?！肮卉嚒弊兞繉τ诔鲂蓄l率、最大出行距離和最長出行持續(xù)時間3個變量的直接影響效應分別為0.174，0.236，0.236，說明選乘公交車的老年人偏向于經常性的出行，并具有遠距離、長時間的出行特征。而“步行”變量對于最大出行距離和最長出行持續(xù)時間的直接影響效應分別為－0.281，－0.281，說明老年人步行方式偏向于近距離、短時間的出行。

圖7 出行方式影響效應路徑Fig.7 The direct effect of travel mode

2.5.4 出行強度影響效應分析。出行強度內生變量組直接影響效應路徑見圖8。從圖8可以看出，出行強度變量組中出行頻率、最大出行距離和最長出行持續(xù)時間3個變量有著強烈的正向相關性。在條件適宜的情況下，出行較為活躍的老年人進行長距離和長時間出行的概率較大，同時較長的出行距離也意味著老年人的出行持續(xù)時間隨之提高。訪談調查表明，遠離市中心的活動地往往環(huán)境較好、規(guī)模較大，相應地老年人活動持續(xù)時間也較長。

圖8 出行強度影響效應路徑Fig.8 The direct effect of travel intensity

3 結論

本研究調查分析了城市老年人日?；顒映鲂行袨榈目傮w特征，應用結構方程模型對個人及家庭屬性、日?；顒犹卣鳌⒊鲂行袨樘卣骷捌溆^測變量間的關聯(lián)性進行建模分析，量化驗證了老年人不同活動的出行行為特征參數(shù)具有顯著差異，活動特征與伴生出行行為特征變量之間具有顯著的關聯(lián)性。

結構方程模型分析結果進一步表明:(1)個人及家庭屬性差異對老年人出行行為的影響并不顯著，而養(yǎng)老生活的活動特征對出行行為影響較強。表現(xiàn)為活動特征對出行方式和出行強度的顯著影響。(2)老年人出行行為特征變量之間具有顯著的關聯(lián)性。一方面表現(xiàn)為出發(fā)時刻對出行方式具有顯著影響，另一方面表現(xiàn)為出行方式選擇與出行強度高度相關。

為了消除基于昆明城市老年人出行行為調查數(shù)據(jù)的地域性研究局限，還可以用更多城市的調查數(shù)據(jù)加以驗證。

［1］國務院新聞辦公室.2014年國民經濟運行情況發(fā)布會［EB/OL］.(2015－01－20)［2015－05－18］.http://www.scio.gov.cn/xwfbh/xwbfbh/wqfbh/2015/20150120/index.htm.

［2］Rosenbloom S.Sustainability and Automobility among the Elderly:An International Assessment［J］.Transportation，2001，28(4):375－408.

［3］Alsnih R，Hensher D A.The Mobility and Accessibility Expectations of Seniors in An Aging Population［J］.Transportation Research Part A:Policy and Practice，2003，37(10):903－916.

［4］Siren A，Hakamies-Blomqvist L.Private Car as the Grand Equalizer?Demographic Factors and Mobility in Finnish Men and Women Aged 65+［J］.Transportation Research Part F:Traffic Psychology and Behaviour，2004，7(2):107－118.

［5］Giuliano G，Hu H H，Lee K.Travel Patterns of the Elderly:The Role of Land Use［R］.California:School of Policy，Planning and Development University of Southern California，2003:68－73.

［6］Su F M，Bell M G H.Transport for Older People:Characteristics and Solutions［J］.Research in Transportation E-conomics，2009，25(1):46－55.

［7］毛海虓，任福田.中國老年交通特征、問題與對策研究［J］.重慶建筑大學學報，2005，27(3):30－33.

［8］張政，毛保華，劉明君，等.北京老年人出行行為特征分析［J］.交通運輸系統(tǒng)工程與信息，2007，7(6):11－20.

［9］夏曉敬，關宏志.北京市老年人出行調查與分析［J］.城市交通，2013，11(5):44－52.

［10］陳團生，岳芳，楊玲玲，等.老年人出行選擇行為影響因素研究［J］.西南交通大學學報:社會科學版，2007，8(5):17－21.

［11］柴彥威，李昌霞.中國城市老年人日常購物行為的空間特征:以北京、深圳和上海為例［J］.地理學報，2005，60(3):401－408.

［12］李昌霞，柴彥威，劉璇.北京城市老年人購物決策過程中的評價性認知特征［J］.人文地理，2004，19(6):89－92.

［13］張純，柴彥威，李昌霞.北京城市老年人的日?；顒勇窂郊捌鋾r空特征［J］.地域研究與開發(fā)，2007，26(4):116－120.

［14］昆明理工大學.昆明市老年人公交“愛心卡”需求管理決策咨詢報告［R］.昆明:昆明市交通運輸局，2011:33－43.

［15］Lu X D，Pas E I.Socio-demographics，Activity Participation and Travel Behavior［J］.Transportation Research Part A:Policy and Practice，1999，33(1):1－18.

［16］吳明隆.結構方程模型:AMOS的操作與應用［M］.重慶:重慶大學出版社，2010.

［17］曹小曙，林強.基于結構方程模型的廣州城市社區(qū)居民出行行為［J］.地理學報，2011，66(2):166－177.

［18］楊勵雅，邵春福，李霞.城市居民出行方式選擇的結構方程分析［J］.北京交通大學學報，2011，35(6):1－6.

［19］周家中，尤勍，羅佳，等.考慮土地利用下基于結構方程的城市交通出行行為影響［J］.北京工業(yè)大學學報，2013，39(6):925－929.