出行幸福感影響因素分析及規(guī)劃政策建議

朱菁 陳淑燕 李賽賽 曹政 張怡文 丁曉梅

摘要：幸福感的研究對(duì)提升個(gè)人健康和社會(huì)效益，實(shí)現(xiàn)健康中國(guó)的戰(zhàn)略目標(biāo)具有重要意義。文中對(duì)出行幸福感的顯著影響因素及其層次結(jié)構(gòu)進(jìn)行分析，構(gòu)建了出行幸福感評(píng)價(jià)指標(biāo)體系，由此提出了相應(yīng)的規(guī)劃與政策建議。文中采用國(guó)際公認(rèn)的研究幸福感的數(shù)據(jù)庫(kù)ATUS（American Time Use Survey），首先建立最優(yōu)尺度回歸模型，篩選出顯著影響出行幸福感的因素并得到各自的重要性系數(shù);而后，以最優(yōu)尺度回歸輸出結(jié)果為依據(jù)，結(jié)合因子分析法和層次分析法獲得因素間的層次結(jié)構(gòu)，得到每個(gè)指標(biāo)的影響權(quán)重，從而構(gòu)建了出行幸福感評(píng)價(jià)指標(biāo)體系，定量地描述了不同因素對(duì)出行幸福感的影響程度;最后，基于出行幸福感影響因素的啟示，給出提升出行幸福感的規(guī)劃與政策建議。

關(guān)鍵詞：出行幸福感;因子分析法;層次分析法;規(guī)劃建議

中圖分類號(hào)：U491.1

DOI：10.16152/j.cnki.xdxbzr.2020-04-018開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

The influencing factors of travel well-being and

suggestions for planning and policy

ZHU Jing1， CHEN Shuyan2， LI Saisai3， CAO Zheng4，ZHANG Yiwen1， DING Xiaomei5

（1.College of Urban and Environmental Sciences， Northwest University， Xi′an 710127， China；

2.School of Transportation， Southeast University， Nanjing 210096， China；

3.Tongji Architectural Design（Group） Co.，Ltd.， Shanghai 200092， China；

4.Shanghai Municipal Engineering Design Institute Co.，Ltd， Shanghai， 200092， China；

5.Zhejiang Institute of Communications， Hangzhou 311112， China）

Abstract： The study of well-being is of great significance for improving personal health and social benefits and realizing the strategic goal of healthy China. This paper analyses the significant influencing factors and hierarchical structure of travel well-being， constructs an evaluation index system of travel well-being， and puts forward corresponding suggestions for transportation planning and policy. This paper uses the well-known travel well-being data from the American Time Use Survey （ATUS）， established an optimal scaling regression model to derive significant factors of travel emotional experiences and their effect sizes. Based on modeling results， combined the factor analysis method with the analytic hierarchy process to obtain the hierarchical structure of the influencing factors and the weight of each factor， thus developed a travel well-being scoring system which can quantify the impact of each factor on travel well-being. Finally， based on the inspiration of the influencing factors of travel well-being， the suggestions of planning and policy are put forward for improving travel well-being.

Key words： travel well-being; factor analysis; analytic hierarchy process; planning suggestions

隨著人民生活水平的不斷提升，對(duì)生活質(zhì)量的衡量重心開始由經(jīng)濟(jì)利益向幸福感轉(zhuǎn)移。近年來，經(jīng)濟(jì)學(xué)、哲學(xué)等各領(lǐng)域的學(xué)者著手進(jìn)行幸福感這一課題的深入研究。經(jīng)濟(jì)學(xué)家伊斯特林［1］首先對(duì)收入和幸福感之間的關(guān)系進(jìn)行了研究，并提出了經(jīng)典的“收入—幸福感”矛盾。他發(fā)現(xiàn)當(dāng)收入達(dá)到某一水平后，收入和幸福感之間不再存在明顯的正相關(guān)關(guān)系。國(guó)際組織在評(píng)估一個(gè)國(guó)家的發(fā)達(dá)程度時(shí)，除了采用傳統(tǒng)的經(jīng)濟(jì)指標(biāo)如GDP等，也開始將幸福感這一指標(biāo)納入考慮范圍。2011年7月，聯(lián)合國(guó)大會(huì)（United Nation General Assembly）通過了第65／309號(hào)決議“幸福：邁向發(fā)展的整體定義”。自2012年以來，聯(lián)合國(guó)可持續(xù)發(fā)展網(wǎng)絡(luò)（United Nation′s Sustainable Solutions Network）每年都公布《世界幸福報(bào)告》，幸福感水平已經(jīng)逐漸成為社會(huì)發(fā)達(dá)程度的標(biāo)志之一。

2017年，在最具幸福感城市評(píng)選活動(dòng)中，成都、杭州、南京等10個(gè)城市獲得“中國(guó)最具幸福感城市”榮譽(yù)稱號(hào)［2］，該調(diào)查推選活動(dòng)由新華社聯(lián)合中國(guó)市長(zhǎng)協(xié)會(huì)共同主辦，迄今已連續(xù)舉辦11年，累計(jì)9.86億人次參與;近年來在政府的工作報(bào)告和政策文件中多次明確要將全面增強(qiáng)國(guó)民幸福感作為民生工作的核心。十九大報(bào)告指出要實(shí)施健康中國(guó)戰(zhàn)略，而心理健康是現(xiàn)代人健康不可分割的重要方面，幸福感的研究對(duì)于提升個(gè)人心理健康，實(shí)現(xiàn)健康中國(guó)的戰(zhàn)略目標(biāo)具有重要意義。

交通運(yùn)輸是社會(huì)和經(jīng)濟(jì)發(fā)展的基礎(chǔ)性、先導(dǎo)性、戰(zhàn)略性產(chǎn)業(yè)，隨著城市化進(jìn)程加快，人們?nèi)找嬖鲩L(zhǎng)的高質(zhì)量交通服務(wù)的需求與不平衡、不充分供給的矛盾日益突出，居住地選擇、交通環(huán)境、城市規(guī)劃等因素制約著人們?nèi)粘３鲂蟹绞降倪x擇。同時(shí)，交通擁堵、乘坐環(huán)境差、通勤時(shí)間過長(zhǎng)、晚點(diǎn)與延誤等出行問題也日益凸顯，對(duì)人們的出行體驗(yàn)產(chǎn)生不良影響，造成了較低的出行幸福感。這種不良的情緒體驗(yàn)會(huì)波及到人們的工作和家庭生活中，對(duì)生活幸福感產(chǎn)生消極的影響。因此，將幸福感理論引入交通領(lǐng)域的相關(guān)研究中具有必要性和前瞻性。

國(guó)內(nèi)外學(xué)者均對(duì)出行幸福感的研究做出了貢獻(xiàn)。國(guó)外學(xué)者更多的關(guān)注通勤活動(dòng)的幸福感研究，對(duì)交通擁堵［3］、出行方式［4］、通勤時(shí)間［5］、可獲得交通資源［6］、出行環(huán)境［7］等因素對(duì)出行幸福感的影響程度進(jìn)行了探討。國(guó)內(nèi)相關(guān)學(xué)者對(duì)居民游憩行為與主觀幸福感［8］、通勤行為的健康效應(yīng)［9］、通勤時(shí)間與主觀幸福感［10］等做了相應(yīng)研究。然而已有研究很少對(duì)出行幸福感影響因素及層次結(jié)構(gòu)進(jìn)行分析，現(xiàn)有成果多為探討某一具體因素對(duì)出行幸福感的影響，因而缺少出行幸福感的評(píng)價(jià)體系，導(dǎo)致出行幸福感的評(píng)價(jià)較為困難。

論文采用國(guó)際公認(rèn)的研究幸福感的數(shù)據(jù)庫(kù)——美國(guó)ATUS（American Time Use Survey），對(duì)出行幸福感的影響因素進(jìn)行了分析，并構(gòu)建了相應(yīng)的評(píng)價(jià)指標(biāo)體系。一方面，有助于準(zhǔn)確地評(píng)估幸福感，為后續(xù)研究，如出行幸福感指標(biāo)的選取、量表的制定提供理論依據(jù);另一方面，為政府部門制定具體政策和干預(yù)措施、提升出行幸福感提供決策依據(jù)，對(duì)改善居民出行體驗(yàn)，構(gòu)建和諧社會(huì)具有重要的現(xiàn)實(shí)意義和參考價(jià)值。由于目前國(guó)內(nèi)大樣本數(shù)據(jù)的缺乏，采用國(guó)際數(shù)據(jù)開展初步研究，對(duì)下一步進(jìn)行中國(guó)居民出行幸福感相關(guān)研究具有一定的借鑒意義。

1 出行幸福感影響因素提取

1.1 數(shù)據(jù)描述

本文采用的數(shù)據(jù)來源于國(guó)際公認(rèn)的研究出行幸福感的數(shù)據(jù)庫(kù)ATUS（American Time Use Survey），該數(shù)據(jù)庫(kù)對(duì)個(gè)人和出行信息的收集較為完整，具有很好的代表性，契合了本論文對(duì)于出行幸福感的研究需要。采用2013年幸福感模塊的數(shù)據(jù)進(jìn)行分析，剔除不合理的異常點(diǎn)和缺失值，以及樣本量太小不具有代表性的變量，同時(shí)對(duì)變量屬性進(jìn)行合并和啞元處理，共得到6 719條記錄。

自變量可以分為3類：①出行屬性，包含了是否與他人交互、交通方式、出行持續(xù)時(shí)間、出行目的;②個(gè)人屬性，包括年齡、性別、種族、地區(qū)、工作情況、工作類型、學(xué)歷、健康情況（較好=1，一般=2，較差=3）、休息情況;③家庭屬性，包括家庭總收入、是否結(jié)婚、有無小孩。

因變量即出行幸福感，其值借鑒美國(guó)學(xué)者布萊德博［11］提出的ABS法（Affect Balance Scale）計(jì)算，情緒水平=平均積極情緒-平均消極情緒，該方法已被證明可以有效地代表自測(cè)的幸福感。在本研究中的應(yīng)用為：情緒水平=平均積極情緒（快樂得分）-平均消極情緒（痛苦、悲傷、壓力、疲勞得分均值），計(jì)算后的情緒水平是數(shù)值型變量，取值-6.00～6.00，數(shù)值越大代表出行過程中的幸福體驗(yàn)越高。

具體變量描述見表1所示。

1.2 影響因素分析

最優(yōu)尺度回歸（optimal scaling regression）是標(biāo)準(zhǔn)線性回歸模型的一種擴(kuò)展，它允許因／自變量為各種類型的分類變量［12］，結(jié)合本文研究的問題和變量類型，采用此方法進(jìn)行建模。其優(yōu)勢(shì)在于能夠得出重要性系數(shù)，非常直觀和方便地看出每一個(gè)自變量對(duì)因變量的影響程度。在自變量含有較多分類變量時(shí)，其準(zhǔn)確性與可解釋性要高于一般線性回歸模型和logistic模型。本文選用最優(yōu)尺度回歸模型篩選對(duì)出行幸福感顯著影響的因素，為之后的因子分析建立影響因素結(jié)構(gòu)層次提供輸入，同時(shí)得出的重要性系數(shù)也為層次分析法中判斷矩陣的元素即標(biāo)度的取值提供參考。模型的原理和過程，參見參考文獻(xiàn)［13］，所得模型輸出結(jié)果如表2所示。

模型匯總的調(diào)整R2為0.248，sig.值為0.002，說明該模型有意義，表2給出了模型的輸出結(jié)果：變量、sig.值、重要性系數(shù)和轉(zhuǎn)換后容差。sig.值小于0.05，說明該變量具有統(tǒng)計(jì)學(xué)意義。重要性系數(shù)代表了該因素在模型中的重要程度百分比，總和為100％，絕對(duì)值越大，說明該因素對(duì)出行幸福感的影響越大。轉(zhuǎn)換后容差如果過小，說明數(shù)據(jù)存在嚴(yán)重的多重共線性，會(huì)導(dǎo)致模型結(jié)果不準(zhǔn)確，一般以0.5為界。如果容忍度小于0.5的因素較多，則需考慮多重共線性的影響。表2轉(zhuǎn)換后容差值均大于0.5，可見本模型中不存在此問題。從表2可見，工作類型、有無小孩這兩個(gè)變量的sig.值大于0.05且重要性為0.000，故予以剔除，其余14個(gè)變量均對(duì)出行幸福感有顯著影響。

2 出行幸福感評(píng)價(jià)指標(biāo)體系的構(gòu)建

因?yàn)橐蜃臃治龇ㄉ瞄L(zhǎng)于建立層次結(jié)構(gòu)，層次分析法擅長(zhǎng)于確立指標(biāo)權(quán)重，故而本文將兩種方法相結(jié)合來分析出行幸福感影響因素，建立指標(biāo)體系。最優(yōu)尺度回歸建模篩選出的顯著因素是因子分析建立因素間層次結(jié)構(gòu)的基礎(chǔ)，重要性系數(shù)為層次分析法中確立判斷矩陣提供依據(jù)，彌補(bǔ)了層次分析法采用專家意見容易導(dǎo)致主觀成分過重的缺陷。

2.1 基于因子分析法建立影響因素層次結(jié)構(gòu)

因子分析是一種將多數(shù)變量化繁為簡(jiǎn)的方法，它以較少的信息丟失為代價(jià)，將多個(gè)相關(guān)變量進(jìn)行合并，能夠很好地解決變量共線性的問題，有效地提取變量的內(nèi)在結(jié)構(gòu)。

因子分析的一般步驟為：

1） 采用KMO檢驗(yàn)或Bartlett球形檢驗(yàn)判斷數(shù)據(jù)間的相關(guān)性，確定其是否符合因子分析的要求。

2） 確定公共因子數(shù)，并作出專業(yè)性的解釋。當(dāng)特征根大于1或累計(jì)貢獻(xiàn)率大于80％時(shí)，說明提取的公因子的數(shù)目合適。公式如下：

Xi=αi1F1+αi2F2+…+αimFm+εi，

i=1，2，3，…，p? （1）

式中，Xi為原變量，F(xiàn)1，F(xiàn)2，…，F(xiàn)m代表被提取的公因子，εi代表特殊因子，aij為因子載荷，且m＜p。

KMO檢驗(yàn)值取值在0到1之間，一般而言，若KMO檢驗(yàn)值大于0.5則表明適合做因子分析，且檢驗(yàn)值越大，因子分析的效果越好。本文計(jì)算的KMO檢驗(yàn)值為0.617，說明因子分析的結(jié)果有效。最終，從14個(gè)變量中提取了5個(gè)主因子，累計(jì)貢獻(xiàn)率為80.3％。

表3為因子荷載矩陣，揭示每個(gè)主因子與各變量之間的關(guān)系，絕對(duì)值數(shù)值越高，說明該主因子對(duì)某個(gè)變量的解釋程度越好?？梢姡谝恢饕蜃臃磻?yīng)的是個(gè)人的休息和健康狀況;第二主因子主要表示出行期間的活動(dòng)即是否與他人交互;第三主因子主要與出行目的、出行持續(xù)時(shí)間、出行方式有關(guān)，反映了出行特征;第四主因子主要體現(xiàn)了家庭收入、工作情況、學(xué)歷3個(gè)因素，反映了個(gè)人社會(huì)經(jīng)濟(jì)屬性;第五主因子主要反映了個(gè)人人口統(tǒng)計(jì)屬性，如婚姻、年齡段、地區(qū)、性別、種族。

2.2 二級(jí)指標(biāo)權(quán)重的確定

二級(jí)指標(biāo)權(quán)重由因子分析中各因子的貢獻(xiàn)率確定，研究中提取了5個(gè)主因子，特征值分別為3.209，2.326，2.156，1.854，1.697，根據(jù)公式

λj／∑5j=1λj（j=1，2，3，4，5）? （2）

可計(jì)算得各因子的貢獻(xiàn)率即各指標(biāo)的權(quán)重：個(gè)人休息與健康狀況（0.285）、出行期間活動(dòng)（0.207）、出行特征（0.192）、個(gè)人社會(huì)經(jīng)濟(jì)屬性（0.165）、個(gè)人人口統(tǒng)計(jì)屬性（0.151）。利用因子分析法提取潛在變量作為二級(jí)指標(biāo)，有效地將三級(jí)指標(biāo)歸類，形成了合理的結(jié)構(gòu)層次。

三級(jí)指標(biāo)權(quán)重用因子分析法較難得出，而確定指標(biāo)的權(quán)重是層次分析法的優(yōu)勢(shì)所在，因而采用此方法來確定三級(jí)指標(biāo)的權(quán)重。層次分析法［14-15］，是一種將定性判斷和定量計(jì)算結(jié)合起來的決策分析方法，能夠非常清晰地展現(xiàn)每個(gè)層次的每個(gè)因素對(duì)原變量的影響程度。步驟如下：

1）建立階梯層次結(jié)構(gòu);

2）構(gòu)建兩兩比較判斷矩陣A;

3）計(jì)算各層次指標(biāo)的權(quán)重;

Aω=λmaxω? （3）

如果有向量ω=（ω1，ω2，…，ωn）T滿足公式（3），其中λmax是判斷矩陣A的最大特征值，則歸一化后的ω即為權(quán)重向量。

4）一致性檢驗(yàn)

因子分析已經(jīng)建立了影響因素的層次結(jié)構(gòu)，現(xiàn)要對(duì)三級(jí)指標(biāo)構(gòu)建判斷矩陣。判斷矩陣是用數(shù)值的形式將每一個(gè)元素與該層其他元素的相對(duì)重要性進(jìn)行表示構(gòu)成的矩陣。矩陣中第i行第j列的元素為aij，表示元素ai相對(duì)于元素aj的重要程度（標(biāo)度），標(biāo)度表如表4所示。

從表4可知，共有5個(gè)二級(jí)指標(biāo)，需要建立5個(gè)判斷矩陣，分別為2階、1階、3階、3階、5階，表示個(gè)人休息與健康狀況、出行期間活動(dòng)、出行特征、個(gè)人社會(huì)經(jīng)濟(jì)屬性、個(gè)人人口統(tǒng)計(jì)屬性的子元素互相之間的標(biāo)度：

11/331，（1），

1241/2131/41/31，

11/21/5211/4541，11/5232516761/21/6121/21/31/71/211/31/21/6231，

最大特征值分別為2，1， 3.018， 3.094， 5.157， 對(duì)應(yīng)的特征向量歸一化以后分別為： ［0.750， 0.250］T， ［1］T， ［0.558， 0.320， 0.122］T， ［0.186，0.127，0.687］T，［0.165，0.577，0.084，0.053，0.121］T，一致性檢驗(yàn)的C.R.值分別為0，0，0.016，0.081，0.035，均小于0.01，且R.I.都符合標(biāo)準(zhǔn)，因此一致性檢驗(yàn)結(jié)果是可接受的。

最終得出評(píng)價(jià)指標(biāo)體系如圖1所示，三級(jí)指標(biāo)括號(hào)中的第一個(gè)數(shù)字表示其對(duì)相應(yīng)的二級(jí)指標(biāo)的影響權(quán)重，第二個(gè)數(shù)字是二級(jí)和三級(jí)權(quán)重的乘積，表示該三級(jí)指標(biāo)對(duì)一級(jí)指標(biāo)的影響權(quán)重。

由最終建立的指標(biāo)體系可見，個(gè)人休息與健康狀況和出行期間活動(dòng)是影響顯著的二級(jí)指標(biāo)，而昨晚休息程度和活動(dòng)中是否與他人交互是影響顯著的三級(jí)指標(biāo)，其次是學(xué)歷和出行目的。得出的結(jié)果與實(shí)際情況是相符的，休息的程度決定了一個(gè)人出行時(shí)的整體精神狀態(tài);與他人交互的過程會(huì)產(chǎn)生精神刺激，一定程度上能緩解壓力和急躁的情緒，對(duì)出行情緒產(chǎn)生積極的影響;當(dāng)人們進(jìn)行旅游、休閑、娛樂出行時(shí)，心態(tài)是放松的，整體的心情是愉悅的;人的學(xué)歷越高，見識(shí)越廣，可能對(duì)于生活的要求也越高，幸福感的閾值也會(huì)越高。

3 規(guī)劃與政策建議

交通政策通過提供移動(dòng)性和可達(dá)性，在很大程度上影響了個(gè)人幸福感［10］。探索影響出行幸福感的因素，有助于制定更為合理的交通政策，進(jìn)一步提高公眾出行體驗(yàn)、幸福感和健康水平。本文的研究結(jié)果表明，個(gè)人休息與健康狀況、出行期間活動(dòng)和出行特征是影響出行幸福感的3個(gè)最為重要的二級(jí)指標(biāo)，由此提出如下建議。

3.1 保障個(gè)人良好休息與健康

良好的個(gè)人休息與健康狀況對(duì)于提升出行幸福感具有重要作用。良好的休息需要良好的居住環(huán)境，居住環(huán)境與居住用地選址、居住區(qū)規(guī)劃設(shè)計(jì)規(guī)范密切相關(guān)。我國(guó)《城市居住區(qū)規(guī)劃設(shè)計(jì)標(biāo)準(zhǔn)》GB50180-2018對(duì)如何降低城市道路噪音對(duì)居住區(qū)的影響尚未有相應(yīng)條款進(jìn)行約束，建議未來對(duì)該規(guī)范進(jìn)行完善，通過強(qiáng)制性條文，引導(dǎo)居住區(qū)建設(shè)功能性綠地，從而降低城市道路噪音對(duì)居住區(qū)的影響。

此外，在城市道路設(shè)計(jì)中進(jìn)行相應(yīng)休息區(qū)域的設(shè)計(jì)，加強(qiáng)管理防止人們疲勞出行，也是提升出行幸福感的有效策略。同時(shí)，城市環(huán)境質(zhì)量對(duì)居民身體健康有著明顯影響，而城市道路交通噪聲和車輛尾氣排放是主要的城市環(huán)境污染源。建議在城市管理中鼓勵(lì)人們采用電動(dòng)環(huán)保車輛和綠色環(huán)保的燃油替代品、定期對(duì)車輛進(jìn)行檢測(cè)和維護(hù)直接減少排放污染。此外，建議城市道路上種植大喬木降低道路噪音，并在城市規(guī)劃中以公共交通為導(dǎo)向引導(dǎo)城市交通結(jié)構(gòu)優(yōu)化，完善城市公交基礎(chǔ)設(shè)施，對(duì)公交車輛進(jìn)行更新改造，合理規(guī)劃城市公交線路及密度，在有條件的道路上設(shè)置公交專用車道，提高城市公共交通覆蓋率和分擔(dān)率，從而有效緩解城市道路車輛尾氣污染。再者，建議在街道、居民區(qū)采取一系列交通寧?kù)o化措施，如路網(wǎng)結(jié)構(gòu)的調(diào)整、社區(qū)入口設(shè)計(jì)、停車規(guī)劃、建設(shè)慢行設(shè)施等，可以有效減少交通噪聲污染，為居民良好的休息和健康提供環(huán)境保障。

3.2 鼓勵(lì)出行者在出行期間的互動(dòng)

出行期間的活動(dòng)即出行過程中與他人的互動(dòng)對(duì)提升出行幸福感有重要作用。因此，可借鑒國(guó)外經(jīng)驗(yàn)，鼓勵(lì)家庭出行和團(tuán)體出行，對(duì)該類出行采取更為優(yōu)惠的票制和收費(fèi)模式，在公交車輛、地鐵內(nèi)、車站設(shè)立便于團(tuán)體交流的座位等設(shè)施。在人流量較大的旅游景區(qū)和娛樂設(shè)施場(chǎng)所，可適量設(shè)置多人參與項(xiàng)目。此外，可以考慮加強(qiáng)出行者和出行工具之間的交互，如在公交站臺(tái)設(shè)立電子站牌，在公交車輛內(nèi)部安裝多媒體設(shè)施，減輕出行者出行期間的壓力感。建設(shè)15分鐘生活圈居住區(qū)，提高人們對(duì)各類生活服務(wù)設(shè)施的可達(dá)性，有利于鼓勵(lì)人們與親人、朋友共同出行，加強(qiáng)互動(dòng)。

3.3 完善出行環(huán)境

出行特征包括出行目的、出行時(shí)間、出行方式也在較大程度上影響居民出行幸福感。研究表明，出行目的和出行幸福感之間具有重要的聯(lián)系，因此，建立一個(gè)有利于更多自主出行的交通環(huán)境顯得尤為重要。同時(shí)，縮短出行時(shí)間有益于提高出行幸福感，已有研究表明出行時(shí)間更長(zhǎng)的人更容易產(chǎn)生疲勞、壓力、難過等負(fù)面情緒［16］。為縮短出行時(shí)間，在規(guī)劃階段要做到道路等級(jí)和功能明確，路權(quán)清晰，優(yōu)化交通結(jié)構(gòu);完善停車換乘設(shè)施和公共交通內(nèi)部換乘設(shè)施，保障城市交通良好的可達(dá)性。出行方式對(duì)出行幸福感亦有影響，已有研究表明步行等慢行交通出行方式幸福感最高。城市慢行交通系統(tǒng)由非機(jī)動(dòng)車系統(tǒng)和步行系統(tǒng)組成，是短距離出行的主要方式，也是中、長(zhǎng)距離出行與公共交通接駁不可或缺的交通方式。建議在城市道路規(guī)劃設(shè)計(jì)中，結(jié)合道路實(shí)際流量和斷面現(xiàn)狀，合理設(shè)計(jì)非機(jī)動(dòng)車道布置形式，并結(jié)合景觀步行帶建設(shè)，規(guī)劃沿城市自然水系、人工水系的游憩自行車專用道與景觀步行走廊，共同創(chuàng)造宜人的慢行交通環(huán)境。還可通過美化商業(yè)步行街、城市休憩與集會(huì)廣場(chǎng)、行人過街通道等措施，建設(shè)宜人的城市步行系統(tǒng)。

4 結(jié) 語

本文采用美國(guó)ATUS數(shù)據(jù)庫(kù)，建立最優(yōu)尺度回歸模型篩選出顯著影響出行幸福感的因素，并得到每個(gè)因素的重要性系數(shù)。然后采用因子分析確立了影響因素的層次結(jié)構(gòu)和二級(jí)指標(biāo)的權(quán)重。進(jìn)而以最優(yōu)尺度回歸建模結(jié)果中各變量的重要性系數(shù)為依據(jù)，采用層次分析法得出了三級(jí)指標(biāo)的權(quán)重，建立了出行幸福感評(píng)價(jià)指標(biāo)體系，最后，基于3個(gè)重要影響因素，從保障個(gè)人良好休息與健康、鼓勵(lì)出行者在出行期間的互動(dòng)以及完善出行環(huán)境這3個(gè)角度定性探討了相應(yīng)的規(guī)劃政策建議，這些研究成果對(duì)未來我國(guó)開展類似研究具有一定的借鑒意義。未來可在上述研究的基礎(chǔ)上，通過收集我國(guó)大樣本相應(yīng)數(shù)據(jù)，分析我國(guó)出行幸福感的影響因素，并與美國(guó)進(jìn)行對(duì)比分析，進(jìn)而構(gòu)建相應(yīng)影響因素與出行幸福感之間的關(guān)系模型，定量分析影響度及影響機(jī)制，為我國(guó)提升出行幸福感科學(xué)制定交通政策提供參考和理論支持。

致謝：美國(guó)明尼蘇達(dá)大學(xué)漢佛萊公共事務(wù)學(xué)院范穎玲教授對(duì)該研究和論文修改給予了指導(dǎo)，提出了寶貴意見，特此感謝。

參考文獻(xiàn)：

［1］ EASTERLIN R A. Does economic growth improve the human lot？ some empirical evidence［M］∥Nations and Households in Economic Growth.Amsterdam：Elsevier，1974：89-125.

［2］ 新華網(wǎng).2017“中國(guó)最具幸福感城市”調(diào)查推選結(jié)果［EB／OL］.http：／／www.xinhuanet.com／politics／2017-12／07／c-129759832.htm，2月24日.

［3］ MORRIS E A， HIRSCH J A. Does rush hour see a rush of emotions？ Driver mood in conditions likely to exhibit congestion［J］. Travel Behaviour and Society，2016， 5： 5-13.

［4］ MORRIS E A， GUERRA E. Mood and mode：Does how we travel affect how we feel？［J］. Transportation，2015， 42（1）： 25-43.

［5］ CHOI J， COUGHLIN J F， D′AMBROSIO L. Travel time and subjective well-being［J］. Transportation Research Record Journal of the Transportation Research Board，2013，2357（1）：100-108.

［6］ BALLAS D， TRANMER M. Happy people or happy places？ A multilevel modeling approach to the analysis of happiness and well-being［J］.International Regional Science Review， 2012， 35（1）：70-102.

［7］ DE VOS J， MOKHTARIAN P L， SCHWANEN T， et al. Travel mode choice and travel satisfaction： bridging the gap between decision utility and experienced utility［J］. Transportation，2016，43（5）：771-796.

［8］ 粟路軍，何學(xué)歡.城市居民主觀幸福感與游憩行為關(guān)系研究——以長(zhǎng)沙市為例［J］.北京第二外國(guó)語學(xué)院學(xué)報(bào)，2009（3）：79-86.

SU L J， HE X H. A study on relationship between subjective well-being of urban residents and behaviors of recreation：A case study in Changsha City［J］.Journal of Beijing Second Foreign Languages Institute， 2009（3）：79-86.

［9］ 朱菁，高鵬華，吳瀟，等.大城市居民通勤行為的健康效應(yīng)研究——以西安市為例［J］.城市規(guī)劃學(xué)刊，2014（6）：46-51.

ZHU J， GAO P H， WU X， et al. A study on the health effect of commuting behavior of residents in big cities-Take Xi′an as an example［J］.Urban Planning Forum.2014（6）：46-51.

［10］吳江潔. 城市通勤時(shí)耗對(duì)個(gè)人幸福感與健康的影響研究［D］.上海：華東師范大學(xué)，2016.

［11］BRADBURN N M. The Structure of Psychological Well-being.［M］.Chicago：Aldine Publishing Company， 1969.

［12］張文彤. SPSS統(tǒng)計(jì)分析高級(jí)教程［M］. 北京： 高等教育出版社， 2004：130-136.

［13］馬鵬杰，佟昕，張世奇，等. 最優(yōu)尺度回歸在儲(chǔ)層孔隙度主控因素分析中的應(yīng)用［J］. 沉積與特提斯地質(zhì)，2015，35（3）：68-74.

MA P J， TONG X， ZHANG S Q， et al. Applications of optimal scaling regression to the analysis of main controlling factors of reservoir porosity［J］.Sedimentation and Tethys geology，2015，35（3）：68-74.

［14］張俊麗. 基于層次分析法的集團(tuán)采購(gòu)數(shù)字資源績(jī)效評(píng)價(jià)指標(biāo)體系研究［J］. 現(xiàn)代情報(bào)，2012，32（10）：23-28.

ZHANG J L. Study on the index system of digital resources′ performance evaluation for the consortia acquisition of digital resources from consortia based on AHP［J］.Modern Intelligence，2012，32（10）：23-28.

［15］耿金花，高齊圣，張嗣瀛. 基于層次分析法和因子分析的社區(qū)滿意度評(píng)價(jià)體系［J］.系統(tǒng)管理學(xué)報(bào)，2007，16（6）：673-677.

GENG J H，GAO Q S，ZHANG S Y.Community satisfaction evaluation system′s research based on AHP and factor analysis［J］.Journal of system management，2017，16（6）：673-677.

［16］MORRIS E A， GUERRA E. Are we there yet？ Trip duration and mood during travel［J］.Transportation Research Part F： Traffic Psychology and Behaviour， 2015， 33：38-47.

（編 輯 亢小玉）