作者：郑晓敏
1引言
日常出行是老年人维持日常生活的基本保障，同时是满足老年人个人需求及享受生活的必要条件，针对老年人个体出行行为——出行链的研究是制定老龄化社会出行需求管理政策的依据。
根据中国第六次人口普查数据，中国60岁及以上老年人口超过1.7亿，占总人口的13.26%，是世界上老年人口最多的国家。据专家预测，到2050年中国60岁以上老年人将达4.8亿，占总人口的34.1%，这意味着平均每3人当中就有一位老年人，中国将成为高度老龄化的国家。
《北京市2013年老年人口信息和老龄事业发展状况报告》显示，截至2013年底，全市60岁及以上户籍老年人口279.3万人，占总人口的21.2%，预计2020年北京市常住老年人口将超过总人口的20%，2030年将超过总人口的30%，届时每3个北京人当中就有1个老年人，北京市正面临着人口老龄化问题的冲击。
国外关于出行链的研究已经有很长的历史，许多城市以有限出行数据资源为基础，致力于城市居民出行行为特征的研究，Hensher, Reyes研究了出行方式选择特别是公共交通的使用与形成出行链之间的关系，结果表明当个体由简单出行链（例如，家一工作一家）转为比较复杂的出行链(例如，家一学校一工作一家）时，他们选择公共交通的可能性随着链接数
量的增加而减少。这一点与Cirillo，Axhausen和Ye等所得的结论吻合，他们发现个体更倾向驾驶小汽车完成复杂的出行链类型（包括多个节点），但是，Graham Currie，Alexa Delbosc发现随着人们现代生活的日趋忙碌以及越来越缺少时间，他们的出行链变的越来越复杂，并且他们乘坐公共交通进行的出行链比小汽车出行链更加复杂‘卅。
McGuckin等发现性别和家庭结构（基于家庭中成人数量和孩子的年龄）对出行链行为的影响最大。然而，Noland，Thomas在他们的多变量分析研究中对年龄结构与出行复杂性（例如节点的数量）之间的关联系数进行的研究表明，对于26岁以上的人群系数基本一致而76岁以上的也只有稍许下降。他们的研究还表明更高的家庭收入导致更复杂的出行链，并且家庭中有儿童会增加其出行链的复杂性‘印。
部分出行链研究更关注特定人群，尤其是不同性别的人群。McGuckin，Murakami对美国1995年的NPTS数据进行研究，发现女性，特别是在家庭中有儿童的女性更倾向于在自己的工作出行中链接维持家庭必须品的出行。
Metz，Rosenbloom，Golob，Hensher的研究表明老龄化的加剧会给交通政策的制定带来更大的难题，因为和年轻人相比老年人的活动能力受到限制。
Golob，Hensher的研究表明收入对于个体出行数量的影响并不明显，85岁以上的老年人出行将明显减少，65岁以后出行链的形成将逐渐减少。
Jan-Dirk Schmocker,Fengming Su,Robert B.Noland通过研究发现老年人倾向于将不同出行目的链接在一起以减少家一家的出行链数量，研究还发现老年人的伤残增加了出行链的复杂性，除非严重到使他们不能单独出行。
Zhaoming Chu等分别对高、低收入者人群进行建模，发现家庭收入、居住地、年龄、性别等对高、低收入者的出行链性质有着相似的影响，而家庭结构对低收入者的出行链性质影响高于高收入者。
基于以上背景资料，本研究主要关注影响老年人出行链的各种因素，特别是家庭结构、伤残状况、社会经济属性等因素对老年人出行链性质的影响。
2 出行链定义及数据来源
2.1 出行链定义
为了更好地定义出行链，首先需要说明几个描述出行活动的术语。出行活动最基本的要素是节点或停留，通常定义为家以外的活动发生地点( Kitamura，Adlerand Ben-Akiva)；个体从家到节点之间或者从一个节点到相邻后续节点之间的动作成为出行(Leeetal，KitamuraAdlerand Ben-Akiva)；大多数文献中将出行链定义为始末节点都是家或工作地的一系列连续出行( Rutherfordetal, Adlerand Ben-Akiva,Kitamura, McGuckin,Merakami)。
2.2数据来源
访谈问卷共包括两部分：个体基本信息和个体出行信息表。其中个体基本信息主要包括年龄、性别、收入、家庭结构、伤残状况、有无儿童、是否随身携带手机以及驾照、小汽车、自行车、电动车拥有情况；个体出行信息表主要调查受访者一日的出行轨迹，包括出发时刻、出发地点及到达地点、出行耗时、出行距离、交通方式、出行目的等变量，以上个体基本信息中的变量即是Ordered Probit模型的输入变量。
为了体现老年人的日常出行特性，本次访谈的对象为北京市60岁及以上的老年人，调查区域选择在北京市海淀区学院路各高校生活区及公园内，总共得到访谈问卷550份，其中有效问卷521份，涉及出行链764条。
3 0rderedProbit模型
本研究中用出行链中节点数量来表征出行链复杂性。而节点数量为多项有序的离散变量，因此采用有序响应模型进行分析。根据对残差项条件概率分布作出的不同假设，有序响应模型分为不同类型，其中常用的有Ordered Probit模型和Ordered Logit模型。
Ordered Probit模型中因变量的观测值y表示排序结果或分类结果，其取值为有序整数，如0，1，2，3，…自变量是可能影响因变量的各种因素，可以解释变量的集合。Ordered Probit模型的一般形式为
式中，y*为模型中测定节点或出行链数量的潜变量或隐性变量；X为自变量组成的向量；β为X的系数，是待估计参数组成的向量，表示各自变量对因变量影响程度的大小；ε为随机扰动项，代表被模型忽略但是对因变量产生影响的其它因素的总和，ε对X的条件分布假设为标准正态分布。断点的定义如下：
其中，y为因变量，μi为断点。通常用极大似然估计方法对系数β和断点μi进行估计。
在给定X和估计系数β的条件下，出行链中包含节点的个数m的预计概率为：
系数的估计值p形象地表明影响因素与出行链复杂性之间的正负影响关系，但是并不能直接说明影响因素对出行链复杂性的影响大小，因此，为了进一步理解各影响因素对出行链复杂性的影响程度和方向，需要计算各因素的边际贡献。
根据调查数据的统计特征（表1），所有断点均是显著的，本文选择三个断点，即μ1（分割0+1个节点与2个节点），μ2（分割2个节点与3个节点），，（分割3个节点与4+个节点），即可充分判断老年人出行链性质。
4老年人出行链复杂性模型
4.1模型参数标定
本文用出行链中的节点数代表出行链复杂性，根据Ordered Probit理论，建立老年人出行链复杂性模型。模型的选择枝设定为：1表示出行链中节点数为O或1;2表示出行链中节点数为2;3表示出行链中节点数为3;4表示出行链中节点数为4或者更多。应用Stata软件的Oprobit命令对模型进行标定：以出行链中节点数为因变量，以年龄、性别、收入、家庭结构、伤残状况、有无儿童、是否有工作、是否随身携带手机、是否有驾照、是否有小汽车、是否有自行车／电动车、当日出行量等为自变量，并将年龄变量分为60～64、65～69、 70～74、75～79、80+五组，将收入变量分为1—2k、2～3k、3～4k、4～5k、5～6k、6～8k、8k+七组，将家庭结构分为独居、与配偶同住、与子女同住、与配偶子女同住四组，并分别将第一组作为参考，经过多次筛选和重新标定，得到不同年龄段、收入水平和家庭结构对老年人出行链性质的不同影响程度，最终标定结果如表2左侧所示。然后分别计算了各个影响因素对四个选择枝的边际贡献，由于对选择枝4的边际贡献不显著，因此表2右侧只列出了对前三个选择枝的边际贡献。
最终标定结果（表2）表明：年龄、性别、收入、家庭结构、伤残状况、有无儿童、是否有工作、是否随身携带手机、是否有驾照、是否有小汽车等变量对老年人出行链复杂性均具有显著的影响，且不同年龄、收入、家庭结构对其出行链复杂性的影响有较大差距。
4.2模型结果分析
通过运用OrderedProbit模型进行的多变量分析以及影响因素的边际贡献分析，本文得到了如下许多有意义的结论。
模型中包含了五种不同类型的节点数量：节点数为0的情况基本上为老年人出门散步或者遛狗，中间没有其他的活动停留；节点数为1的出行链大多为家一购物一家、家一休闲娱乐一家；节点数为2的出行链主要是家一休闲娱乐（购物）一购物（休闲娱乐）一家；节点数为3的出行链多为家一接送人一休闲娱乐一购物一家；节点数为4+的出行链数量相对较少而且出行链模式多样化。
年龄对于老年人出行链复杂性具有显著的影响。虽然出行复杂性不是完全与年龄的增长成正相关关系（70～74岁的老年人出行复杂性较65～69岁的群体低），但总体上老年人的出行复杂性随年龄的增长而增加。随着年龄的增长，老年人更倾向于选择在一次出行中链接多个节点，以减少出行次数和出行成本，增加出行的效率。
对“收入”变量的分析结果表明低收入的老年人一般具有较低的出行复杂性，但是低收入群体(1～4k)之间的差距并不大。而中高收入群体的出行复杂性比低收入群体明显增加，他们更倾向于选择复杂的出行链出行，并且中等收入群体(4~6k)具有最高的出行复杂性。
我们可能会认为人口越多的家庭将面临更多的出行目的，为了完成这些目的将越容易选择复杂的出行链出行。但本文对“出行结构”的分析结果并不完全认同这种观点：与配偶同住的人具有最大的出行复杂性，与子女同住和与配偶子女同住的群体具有相似的出行复杂性，但三种人群的出行复杂性都高于独居的老年人。这可能是因为独居的老年人出行需求相对较低，而在有子女同住的家庭中，子女可以为老年人分担一定的出行量。家庭中孩子的存在将明显增加老年人的出行复杂性，这与中国现在大多数家庭为双职工家庭，没时间陪孩子，而老年人理所应当的承担了这份责任的现状相符合。
在对“性别”变量的研究中发现男性老年人出行复杂性比女性老年人低，这也符合中国大多数家庭中女性承担较多的照顾孩子和家庭的责任，因此面临更大的时间压力，更需要高效率出行的现状。
在被访者中认为自己有影响出行的身体伤残（比如眼睛看不清，耳朵听不见，腿脚不灵便等）的老年人反而具有更大的出行复杂性，原因可能是他们通过规划在一次出行中链接多个目的以减少总的出行量。本文还分析了就业与否对老年人出行复杂性的影响，结果表明工作明显降低了老年人的出行复杂性。
拥有驾照以及家庭中拥有小汽车对老年人出行复杂性的增加具有明显的促进作用。老年人更愿意驾驶小汽车完成多个出行目的，这一结论与国外的研究结果恰好相反。这可能是由于我国老年人收入相对较低而油价又居高不下，单目标的小汽车出行成本过高的缘故。现在我国老年人驾照和小汽车拥有量相对较低，但随着收入水平的提高和老龄化的加剧，中国老年人中驾照和小汽车的拥有量将会明显增加。届时驾照和小汽车拥有情况对老年人出行复杂性的影响情况还需进一步研究。
考虑到现在手机的普及，本文包含了对老年人出行时是否随身携带手机对其出行复杂性的影响。结果表明随身携带手机将轻微降低老年人的出行复杂性，这可能是由于他们可以通过随时联系减少不必要的出行或将某些事务转交他人办理，从而降低自己的出行复杂性。
5结论
本文运用Ordered Probit模型对老年人出行链性质及可能的影响因素进行了参数标定和模型检验，并计算了各影响因素的边际贡献，分析了各影响因素对老年人出行复杂性的影响。结果表明，所建模型在进行老年人出行复杂性预测的同时还可以用于分析各影响因素对其复杂性的影响方向和影响程度。
研究结果表明，公共交通是老年人最主要的机动车出行方式，优化公共交通服务使其更好地满足老年人的出行需要，提高老年人的生活质量。由于老年人活动能力下降且日常出行活动以购物和休闲娱乐为主，增加公交站台的密度并将站台设置于公园、购物场所等老年人活动集中的场所附近可以为老年人提供更加方便的公交出行；提供特殊的交通服务，如为老
年人提供拨号呼叫的家到公交站台之间的点到点的接送服务，也有助于促进老年人公交出行活动的生成。
本研究只是针对各个独立的影响因素进行了分析，并没有考虑影响因素之间的联合影响。后续的研究中可以考虑将年龄和身体伤残以及家庭结构和有无儿童等构成联合影响因素进行分析，以得到更加详细的结论。
6【摘要】针对老年人个体出行行为——出行链性质的研究是制定老龄化社会出行需求管理政策的依据。本文对北京市60岁以上部分老年人的出行链进行访谈调查，运用描述性分析和Ordered Probit模型，分析老年人出行链性质，通过研究家庭结构、伤残状况、社会经济属性等因素对老年人出行链性质的影响，表明老年人的出行以居家生活购物与养老休闲娱乐为主，且家庭收入、家庭成员组成与结构以及伤残情况对出行链复杂性有着决定性影响。制定公交普遍服务政策满足老年人的基本出行，要有利于老年人的购物与休闲娱乐需要。
下一篇:返回列表
