基于出行態(tài)度的自行車通勤出行市場(chǎng)劃分

李志斌 楊 晨 王 煒 江國(guó)俊

(1東南大學(xué)交通學(xué)院，南京210096)

(2北京交通大學(xué)交通運(yùn)輸學(xué)院，北京100044)

近年來，我國(guó)城市中個(gè)體機(jī)動(dòng)化交通出行得到了快速發(fā)展，個(gè)體機(jī)動(dòng)車擁有量與出行率增加加劇了城市中心區(qū)交通擁堵并導(dǎo)致城市空氣質(zhì)量下降.因此，自行車交通出行方式道路資源占用率低、零尾氣排放等優(yōu)勢(shì)逐漸得到重視.部分學(xué)者推薦增加城市中心區(qū)短距離出行中自行車交通方式分擔(dān)率，以緩解中心區(qū)交通擁堵并提高空氣質(zhì)量［1-2］.對(duì)城市居民通勤出行中自行車出行方式選擇進(jìn)行分析，有助于對(duì)城市自行車交通需求發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，并制定相應(yīng)政策以引導(dǎo)城市自行車通勤出行方式的選擇.

傳統(tǒng)自行車出行需求預(yù)測(cè)與政策制定大多針對(duì)整體通勤出行市場(chǎng).但個(gè)體出行者進(jìn)行通勤出行方式選擇過程中存在異質(zhì)偏好心理，個(gè)體出行者對(duì)具體政策反映不同，導(dǎo)致傳統(tǒng)自行車出行需求預(yù)測(cè)與政策效果估計(jì)存在一定誤差.根據(jù)出行者態(tài)度偏好心理對(duì)自行車通勤出行進(jìn)行市場(chǎng)細(xì)分，有利于理解不同市場(chǎng)內(nèi)通勤出行者選擇自行車的心理因素，并對(duì)各子市場(chǎng)制定更有針對(duì)性的政策以引導(dǎo)自行車通勤出行方式選擇.

以往自行車出行市場(chǎng)劃分大多根據(jù)出行者的個(gè)體屬性［3］、出行目的［4］或出行距離［1］.但有學(xué)者認(rèn)為基于個(gè)體屬性及出行屬性的市場(chǎng)劃分方法無法有效反映市場(chǎng)的內(nèi)在結(jié)構(gòu)［5］.近年來，越來越多的學(xué)者根據(jù)出行態(tài)度對(duì)出行方式市場(chǎng)進(jìn)行分析［6-7］，結(jié)果表明基于出行態(tài)度的市場(chǎng)劃分可以有效識(shí)別某出行方式潛在市場(chǎng)并制定相應(yīng)政策提高該出行方式比例，且有助于發(fā)現(xiàn)潛在的具有方式轉(zhuǎn)移傾向的出行者.出行態(tài)度與自行車出行方式選擇間相關(guān)性已得到廣泛證實(shí)［8-10］，但目前還沒有研究采用出行者態(tài)度對(duì)自行車通勤出行市場(chǎng)進(jìn)行分析.

為此，本文針對(duì)基于出行態(tài)度偏好的自行車通勤市場(chǎng)劃分進(jìn)行研究，提出一整套自行車出行市場(chǎng)劃分的系統(tǒng)方法，采用結(jié)構(gòu)方程模型來挖掘出行者潛在主觀態(tài)度偏好，采用K-means聚類方法根據(jù)選定態(tài)度變量對(duì)自行車通勤出行市場(chǎng)進(jìn)行劃分，并詳細(xì)分析了每個(gè)子市場(chǎng)內(nèi)出行態(tài)度及出行行為屬性特征及相應(yīng)政策的制定.

1 基于態(tài)度的市場(chǎng)劃分方法

出行者在出行方式選擇過程中主觀態(tài)度無法被直接觀測(cè)，以往研究多采用設(shè)定若干態(tài)度觀測(cè)變量來反映出行者主觀態(tài)度偏好［6-7，11-13］.部分學(xué)者采用結(jié)構(gòu)方程模型來擬合態(tài)度觀測(cè)變量和潛在態(tài)度因子之間關(guān)系［6-7］.結(jié)構(gòu)方程模型可以同時(shí)擬合大量?jī)?nèi)生及外生變量間復(fù)雜相關(guān)性，并可以將一系列變量用少量幾個(gè)潛在變量表示［13］.本研究采用結(jié)構(gòu)方程模型從若干態(tài)度觀測(cè)變量中提取少數(shù)潛變量來反映出行者進(jìn)行通勤方式選擇的態(tài)度偏好.

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)，即構(gòu)建變量之間作用聯(lián)系與作用方向.結(jié)構(gòu)方程模型的內(nèi)部結(jié)構(gòu)如圖1所示，本文采用的結(jié)構(gòu)方程模型包含2類變量，即可以直接觀測(cè)的態(tài)度觀測(cè)變量(圖1中矩形)及無法直接觀測(cè)的態(tài)度潛變量(圖1中橢圓形).

圖1 結(jié)構(gòu)方程模型結(jié)構(gòu)

模型內(nèi)包含2類相關(guān)性結(jié)構(gòu)關(guān)系:測(cè)量模型和結(jié)構(gòu)模型.測(cè)量模型將潛變量用測(cè)量變量的線性函數(shù)來表示，從測(cè)量變量中提取若干態(tài)度潛變量并估計(jì)參數(shù)值;結(jié)構(gòu)模型用來估計(jì)態(tài)度潛變量之間的因果相關(guān)性及參數(shù)值.這些關(guān)系可以幫助理解通勤出行者選擇自行車方式的心理決策過程.

采用K-means聚類方法根據(jù)潛在態(tài)度變量對(duì)通勤出行者進(jìn)行市場(chǎng)劃分.聚類分析法能夠分析事物的內(nèi)在特點(diǎn)和規(guī)律，并根據(jù)相似性原則對(duì)事物進(jìn)行分組，是數(shù)據(jù)挖掘中常用的一種技術(shù)［5-6，14］.聚類分析后同一市場(chǎng)內(nèi)出行者態(tài)度偏好類似，不同出行市場(chǎng)內(nèi)出行者態(tài)度偏好不同.

K-means聚類方法首先需給定聚類數(shù)目k，然后將待分析的n個(gè)樣本劃分為k個(gè)聚類，使所獲得的聚類滿足以下條件:同一聚類中樣本相似度較高，而不同聚類中樣本相似度較小.使用K-means方法需要確定聚類數(shù)目k，即自行車通勤出行細(xì)分子市場(chǎng)的數(shù)目.一般情況下，在聚類分析前k值并不明確，因此聚類分析屬于探索性問題.聚類分析時(shí)k值選取應(yīng)注意:① 各聚類之間盡可能分開;②所得聚類合理且有意義.

2 問卷調(diào)查及數(shù)據(jù)分析

數(shù)據(jù)來源于2009年在南京市組織的一次自行車通勤出行行為及態(tài)度專項(xiàng)調(diào)查.調(diào)查采用家訪式，共隨機(jī)發(fā)放問卷1 500份，完成問卷827份，回收率為55.1%.剔除缺少關(guān)鍵信息的問卷后得到有效問卷共639份.調(diào)查問卷包含以下3部分:①個(gè)體社會(huì)經(jīng)濟(jì)屬性及家庭特征;②個(gè)體出行信息;③出行態(tài)度調(diào)查.

有效樣本中，56.8%為女性，樣本平均年齡為34.3歲，平均家庭年收入為8.5萬元.約81.7%的樣本擁有自行車，23.2%的樣本使用自行車出行.個(gè)體平均出行時(shí)間約29 min.樣本基本特征與以往南京市居民出行問卷調(diào)查特征類似［1-2］，表明本次調(diào)查抽樣具有代表性.

問卷調(diào)查中設(shè)置了若干反映出行者通勤出行方式選擇中態(tài)度偏好的問題，作為估計(jì)潛在態(tài)度變量的觀測(cè)變量.調(diào)查中共設(shè)置29個(gè)問題(Q1～Q29)作為態(tài)度觀測(cè)變量，可歸結(jié)為8類態(tài)度潛變量(A1～A8)，如表1所示.問卷調(diào)查采用單項(xiàng)選擇形式，每題設(shè)置5個(gè)選項(xiàng)用來衡量接受調(diào)查者對(duì)通勤出行的主觀態(tài)度偏好.選項(xiàng)根據(jù)1～5給予評(píng)分，1表示絕不贊同，5表示強(qiáng)烈贊同.

表1 態(tài)度觀測(cè)變量與態(tài)度潛變量描述

3 模型估計(jì)與市場(chǎng)劃分結(jié)果

3.1 模型估計(jì)

結(jié)構(gòu)方程模型包括估計(jì)測(cè)量模型部分和結(jié)構(gòu)模型部分.模型總體擬合指標(biāo)如下:擬合優(yōu)度指數(shù)(GFI)為 0.903，平均誤差平方根(RMR)為0.080，近似均方根誤差(RMSEA)為0.050，慳吝指數(shù)(PNFI)為0.737，增量?jī)?yōu)度指數(shù)(IFI)為 0.891，比較優(yōu)度指數(shù)(CFI)為0.890，校正擬合優(yōu)度指數(shù)(AGFI)為0.882.這些指標(biāo)表明本文建立的結(jié)構(gòu)方程模型總體估計(jì)結(jié)果可信度較高.

表2給出了結(jié)構(gòu)方程模型估計(jì)態(tài)度潛變量與觀測(cè)變量之間相關(guān)性參數(shù)估計(jì)結(jié)果.根據(jù)問卷設(shè)計(jì)，將29個(gè)態(tài)度觀測(cè)變量用8個(gè)態(tài)度潛變量來表示，模型參數(shù)估計(jì)值均在95%置信水平，表明本文問卷設(shè)計(jì)的觀測(cè)變量與潛變量間相關(guān)性統(tǒng)計(jì)學(xué)意義上顯著.根據(jù)表2參數(shù)估計(jì)值可以計(jì)算個(gè)體樣本各態(tài)度潛變量值，這些潛變量值可應(yīng)用于市場(chǎng)劃分的過程中.

表2 態(tài)度潛變量與觀測(cè)變量相關(guān)性參數(shù)估計(jì)結(jié)果

潛變量之間存在直接效應(yīng)和間接效應(yīng).直接效應(yīng)為某個(gè)變量對(duì)另一變量的影響，變量間無中介變量;間接效應(yīng)為某個(gè)變量通過中介變量對(duì)另一變量的間接影響.結(jié)構(gòu)方程模型中結(jié)構(gòu)估計(jì)的態(tài)度潛變量間相互關(guān)系如表3所示.

表3 態(tài)度潛變量間相關(guān)性參數(shù)估計(jì)結(jié)果

幾類態(tài)度潛變量與對(duì)自行車主觀感知評(píng)價(jià)變量間存在直接相關(guān)性:固定出行時(shí)刻需求與自行車主觀感知評(píng)價(jià)間呈現(xiàn)正相關(guān)，表明自行車出行方式可以提供較固定的出行時(shí)刻;舒適性需求與自行車主觀感知評(píng)價(jià)間呈現(xiàn)負(fù)相關(guān)性，表明自行車作為通勤出行方式其舒適性較差;環(huán)保意識(shí)與自行車主觀感知評(píng)價(jià)間呈現(xiàn)顯著正相關(guān)，表明自行車在環(huán)保方面具有一定優(yōu)勢(shì)，并被出行者廣泛接受.變量間相關(guān)性大小可參考表3中參數(shù)值，參數(shù)值較大表明變量間相關(guān)性較高，反之亦然.

表3給出了各態(tài)度潛變量對(duì)自行車出行意愿的各類效應(yīng)及相應(yīng)的顯著性水平.出行者對(duì)自行車的積極態(tài)度對(duì)自行車使用意愿具有正面影響;環(huán)保意識(shí)對(duì)自行車使用意愿有較大積極影響;對(duì)出行舒適性要求較高的出行者使用自行車出行意愿較低;對(duì)固定出行時(shí)刻要求較高的出行者具有較高意愿選擇自行車;對(duì)靈活性要求較高的出行者愿意使用自行車出行;對(duì)出行時(shí)間敏感的出行者不愿意采用自行車出行;經(jīng)濟(jì)型需求與自行車選擇意愿相關(guān)性不顯著.

結(jié)構(gòu)方程模型估計(jì)的態(tài)度變量間相關(guān)性有助于理解通勤出行者進(jìn)行自行車出行方式選擇的心理決策過程.表3中參數(shù)估計(jì)值表明，自行車通勤出行方式在靈活性、提供固定出行時(shí)刻及環(huán)境保護(hù)方面相比于其他出行方式具有優(yōu)勢(shì)，而在出行舒適性與出行時(shí)長(zhǎng)方面相比于其他出行方式具有明顯的劣勢(shì).

環(huán)保意識(shí)較高的出行者傾向選擇自行車出行，因?yàn)樽孕熊嚐o尾氣排放與噪音;對(duì)固定時(shí)刻要求較高的出行者傾向選擇自行車出行，因?yàn)樽孕熊囀艿浇煌〒矶露鴮?dǎo)致延誤的情況較少;對(duì)靈活性要求較高的出行者傾向于選擇自行車出行，因?yàn)樽孕熊囋诼窂竭x擇與停車方面相比機(jī)動(dòng)車具有一定優(yōu)勢(shì).而對(duì)舒適性要求較高及較看重出行時(shí)間的出行者選擇自行車意愿較低，因?yàn)樽孕熊嚤举|(zhì)上是一種體力出行方式，自行車行駛速度低于公交、小汽車等其他交通出行方式.

3.2 市場(chǎng)劃分

采用自行車使用意向、固定行程需求、舒適性需求及環(huán)保意識(shí)4個(gè)態(tài)度變量進(jìn)行自行車通勤出行市場(chǎng)劃分.其原因是這些變量間的相關(guān)性系數(shù)較高(表3中效應(yīng)值)、相互關(guān)系顯著性較高(表3中p值)，更容易產(chǎn)生特征明顯的聚類結(jié)果且可以顯著減少聚類數(shù)目.對(duì)潛變量因子得分作0～5標(biāo)準(zhǔn)化處理.設(shè)置細(xì)分子市場(chǎng)數(shù)目k為2～10.通過比較聚類分析指標(biāo)，得到k=6時(shí)聚類效果最佳.639個(gè)樣本被分為6個(gè)細(xì)分子市場(chǎng)，子市場(chǎng)樣本數(shù)量相對(duì)均衡，各市場(chǎng)聚類位置如圖2所示.

1)子市場(chǎng)S1具有較低自行車使用意愿及固定時(shí)刻需求，環(huán)保意識(shí)較低，但對(duì)出行舒適性要求較高.

2)子市場(chǎng)S2具有較低自行車使用意愿及環(huán)保意識(shí)，但具有較高固定時(shí)刻需求及出行舒適性要求.

3)子市場(chǎng)S3具有中等自行車使用意愿及固定時(shí)刻需求，環(huán)保意識(shí)較低，對(duì)出行舒適性要求中等.

4)子市場(chǎng)S4具有中等自行車使用意愿，較低固定時(shí)刻需求，具有中等環(huán)保意識(shí)及出行舒適性要求.

5)子市場(chǎng)S5具有較高自行車使用意愿、固定時(shí)刻需求及環(huán)保意識(shí)，對(duì)出行舒適性要求中等.

6)子市場(chǎng)S6具有較高自行車使用意愿、固定時(shí)刻需求及環(huán)保意識(shí)，對(duì)出行舒適性要求較低.

每類子市場(chǎng)中出行者態(tài)度偏好存在一定差異.子市場(chǎng)S1與S2中出行者對(duì)固定時(shí)刻需求要求相對(duì)較低，環(huán)保意識(shí)亦不高，這兩方面恰是自行車出行方式的優(yōu)勢(shì)所在;這2個(gè)市場(chǎng)內(nèi)出行者對(duì)出行舒適性要求很高，這點(diǎn)是自行車出行方式的劣勢(shì).因此，在子市場(chǎng)S1，S2內(nèi)自行車使用意愿均很低，自行車幾乎沒有競(jìng)爭(zhēng)力.可以認(rèn)為這2個(gè)市場(chǎng)中的出行者是堅(jiān)定的非自行車出行者.

圖2 自行車通勤出行市場(chǎng)劃分結(jié)果

子市場(chǎng)S5和S6中出行者具有較高的固定時(shí)刻需求及環(huán)保意識(shí)，這2點(diǎn)是自行車出行方式的優(yōu)勢(shì)所在;出行者同時(shí)對(duì)出行舒適性要求較低，這點(diǎn)恰是自行車的劣勢(shì).因此，這2個(gè)市場(chǎng)內(nèi)自行車具有較強(qiáng)的競(jìng)爭(zhēng)力，自行車使用意愿較高.這2個(gè)市場(chǎng)內(nèi)的出行者被認(rèn)為是堅(jiān)定的自行車出行者或者潛在的自行車出行者.

子市場(chǎng)S3和S4中出行者對(duì)通勤出行沒有較強(qiáng)的態(tài)度偏好，對(duì)于固定時(shí)刻需求、舒適性需要及環(huán)保意識(shí)均為中等，選擇自行車意愿也為中等.這2個(gè)市場(chǎng)內(nèi)出行者被認(rèn)為是潛在的市場(chǎng)轉(zhuǎn)移者.如果這些出行者轉(zhuǎn)向市場(chǎng)S1與S2中，則會(huì)更多采用機(jī)動(dòng)化出行方式，減少自行車出行使用;如果這些出行者轉(zhuǎn)向市場(chǎng)S5與S6，則會(huì)更多地采用自行車進(jìn)行通勤出行.因此，需要制定相關(guān)政策來引導(dǎo)這些市場(chǎng)轉(zhuǎn)移行為，使自行車出行達(dá)到規(guī)劃目標(biāo).

各子市場(chǎng)內(nèi)真實(shí)自行車出行方式選擇比例如圖3所示.可以看出，真實(shí)自行車出行選擇比例與自行車選擇意愿一致，市場(chǎng)S1與S2內(nèi)僅有個(gè)別出行者選擇自行車作為通勤出行方式;市場(chǎng)S5與S6內(nèi)有較多人采用自行車進(jìn)行通勤出行;市場(chǎng)S3與S4內(nèi)自行車出行比例為中等.各子市場(chǎng)內(nèi)自行車真實(shí)出行比例符合各市場(chǎng)內(nèi)出行態(tài)度特征.

圖3 各子市場(chǎng)內(nèi)真實(shí)自行車通勤出行情況

自行車通勤出行市場(chǎng)劃分結(jié)果有助于提高城市自行車出行需求預(yù)測(cè)精度及構(gòu)建通勤出行方式選擇模型.可以通過問卷調(diào)查獲取目標(biāo)出行群體對(duì)于出行方式選擇的態(tài)度偏好，識(shí)別目標(biāo)出行群體所屬的子市場(chǎng).亦可通過出行群體特征對(duì)其出行態(tài)度偏好進(jìn)行推測(cè)(例如收入較高者普遍對(duì)出行舒適度要求較高)，以識(shí)別其所屬子市場(chǎng)類別.如果對(duì)出行舒適性要求較高，對(duì)固定出行行程要求較低且環(huán)保意識(shí)較低，那么此類出行者屬于子市場(chǎng)S1和S2，很難說服此類出行者選擇自行車通勤出行;如果目標(biāo)出行群體對(duì)舒適性要求較低，但對(duì)固定行程要求較高且環(huán)保意識(shí)較好，則屬于子市場(chǎng)S5和S6，很容易引導(dǎo)此類出行者選擇自行車通勤出行;如果目標(biāo)出行群體沒有特別態(tài)度偏好，則屬于子市場(chǎng)S3和S4，需要相應(yīng)政策引導(dǎo)其轉(zhuǎn)換為市場(chǎng)S5和S6.此外，對(duì)于每類通勤出行市場(chǎng)構(gòu)建通勤出行方式選擇模型，可以有效反映不同出行群體進(jìn)行方式選擇時(shí)態(tài)度偏好差異，有利于提高模型預(yù)測(cè)精度.

自行車通勤市場(chǎng)劃分對(duì)于制定相應(yīng)政策引導(dǎo)自行車通勤出行方式選擇具有指導(dǎo)意義.針對(duì)子市場(chǎng)S1和S2中的出行者，需要加強(qiáng)環(huán)保意識(shí)培訓(xùn)并改善自行車設(shè)施以提高騎行舒適性，促使出行者進(jìn)行自行車出行;針對(duì)市場(chǎng)S5和S6出行者，需要建立自行車專用道路設(shè)施，以保證自行車出行不受道路交通延誤的影響，并提供便捷的停車服務(wù)系統(tǒng)，以增加自行車出行;針對(duì)市場(chǎng)S3和S4，以上政策措施效果可能不明顯，但可以通過環(huán)保意識(shí)教育，使這2個(gè)子市場(chǎng)內(nèi)出行者向子市場(chǎng)S5和S6轉(zhuǎn)化.對(duì)不同市場(chǎng)制定有針對(duì)性的政策可以提高政策調(diào)控能力，不考慮甚至錯(cuò)誤估計(jì)出行群體的市場(chǎng)類別會(huì)導(dǎo)致政策實(shí)施效果不明顯.

4 結(jié)語

根據(jù)出行者主觀態(tài)度偏好對(duì)自行車通勤出行市場(chǎng)進(jìn)行劃分，采用結(jié)構(gòu)方程模型從測(cè)量變量中提取出若干態(tài)度潛變量，分析了態(tài)度潛變量間的相關(guān)性，采用K-means聚類方法對(duì)自行車通勤出行市場(chǎng)進(jìn)行劃分.根據(jù)南京市通勤出行問卷調(diào)查，選擇了自行車出行意愿、對(duì)固定出行時(shí)刻需求、對(duì)出行舒適性需求及環(huán)保意識(shí)4類態(tài)度變量將自行車通勤市場(chǎng)劃分為6個(gè)子市場(chǎng)，分析了每個(gè)子市場(chǎng)內(nèi)出行者態(tài)度偏好與方式選擇特征，并分析了政策制定對(duì)于各市場(chǎng)內(nèi)自行車通勤出行的影響.

本研究有助于準(zhǔn)確預(yù)測(cè)城市自行車通勤出行交通需求，構(gòu)建更有針對(duì)性的通勤出行方式選擇模型.研究結(jié)果對(duì)制定相應(yīng)政策引導(dǎo)自行車出行合理發(fā)展具有指導(dǎo)意義.今后可以選擇不同的出行態(tài)度進(jìn)行市場(chǎng)劃分分析，期望得到態(tài)度偏好特征更為明顯的細(xì)分子市場(chǎng)，并分析各個(gè)子市場(chǎng)中出行者個(gè)體社會(huì)經(jīng)濟(jì)屬性特征，提煉個(gè)體屬性與態(tài)度偏好間的相關(guān)性，有助于確認(rèn)不同類型出行者隸屬市場(chǎng)并提高通勤出行市場(chǎng)劃分的可操作性.

References)

［1］單曉峰.城市自行車交通合理分擔(dān)率及其路段資源配置研究［D］.南京:東南大學(xué)交通學(xué)院，2007.

［2］Yang C，Wang W，Shan X F，et al.Effects of personal factors on bicycle commuting in developing countries［J］.Transportation Research Record，2010，2193:96-104.

［3］Deakin E A.Utilitarian bicycling:a case study of the bay area and assessment of the market for commute bicycling ITS Research Report［R］.Berkeley，USA:University of California，Berkeley，1985.

［4］Xing Y，Handy S L，Mokhtarian P L.Factors associated with proportions and miles of bicycling for transportation and recreation in six small US cities［J］.Transportation Research Part D:Transport and Environment，2010，15(2):73-81.

［5］Anable J.‘Complacent car addicts’or‘a(chǎn)spiring environmentalists’identifying travelbehaviorsegments using attitude theory［J］.Transport Policy，2005，12(1):65-78.

［6］Outwater M L，Castleberry S，Shiftan Y，et al.Attitudinal market segmentation approach to mode choice and ridership forecasting:structural equation modeling ［J］.Transportation Research Record，2003，1854:32-42.

［7］Shiftan Y，Outwater M L，Zhou Y S.Transit market research using structural equation modeling and attitudinal market segmentation［J］.Transport Policy，2008，15(3):186-195.

［8］Dill J，Voros K.Factors affecting bicycling demand:initial survey findings from the Portland，Oregon region［J］.Transportation Research Record，2007，2031:9-17.

［9］Gatersleben B，Appleton K M.Contemplating cycling to work:attitudes and perceptions in different stages of change［J］.Transportation Research Part A:Policy and Practice，2007，41(4):302-312.

［10］Stinson M A，Bhat C A.A comparison of the route preferences of experienced and inexperienced bicycle commuters［C］//Proc of the 84th Annual Meeting of the Transportation Research Board.Washington，DC，2005:05-1434.

［11］Garling T，F(xiàn)ujii S，Boe O.Empirical tests of a model of determinants of script-based driving choice ［J］.Transportation Research Part F:Traffic Psychology and Behaviour，2001，4(2):89-102.

［12］Golob T F，Hensher D A.Greenhouse gas emissions and Australian commuters'attitudes and behavior concerning abatement policies and personal involvement［J］.Transportation Research Part D:Transport and Environment，1998，3(1):1-18.

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

［14］Ryley T.Use of non-motorised modes and life stage in Edinburgh ［J］.Journal of Transport Geography，2006，14(5):367-375.