国土空间规划是促进城乡高质量发展的重要手段,而公共交通出行情绪幸福感研究则是高质量发展在城市公共交通系统层面的重要体现。公共交通系统规划作为国土空间总体规划向详细规划在单元层面和社区层面具体落实的重要环节,在国土空间详细规划单元层面和社区层面的编制、实施中发挥着至关重要的作用。公共交通系统规划作为缓解城市交通拥堵、减少环境污染的重要途径之一[1],是践行城市高质量发展,实现社会公平的重要保障,更是提高人民群众幸福感的重要支撑[2]。在国土空间规划框架下,布局合理的公共交通系统可以为城市中各阶层提供平等出行机会,减少社会经济地位差异对出行方式选择的影响,从而促进社会公平,提高人民群众出行幸福感。上班族通常是城市公共交通系统的主要使用群体,特别是在工作日的早、晚高峰期。舒适便捷的公共交通可减少上班族的通勤时间和压力,提升其出行情绪幸福感,进而提高其创新力和工作效率[3],最终实现企业和社会生产力的提升[4]。然而,目前上班族在公共交通出行中面临诸多问题,尤其是高峰时段,出现交通拥堵、通勤时间长和换乘不便等问题,这显著降低了人们的出行便捷度和出行情绪幸福感。此外,城市内不同区域公共交通覆盖率和服务水平的差异,也会导致居民出行便利性和出行情绪幸福感存在显著差异,特别是大城市中的此类问题更为突出。由于上班族的出行情绪幸福感能够直接反映公共交通服务的质量和效率,因此通过了解和改善他们的出行情绪感受,可为提升整个公共交通系统的质量提供数据支持,进而助力国土空间规划中交通系统规划的落地实施。
出行情绪幸福感是指个体在出行过程中的情绪感受(如快乐或悲伤),是主观幸福感在情绪维度的重要表征,是狭义的出行幸福感[5]。既有研究大多关注出行特征、个人及家庭因素以及环境因素对公共交通出行情绪幸福感的影响。其中,出行特征主要有出行方式、出行持续时间、出行目的及出行陪伴者等,这些因素均对情绪幸福感具有显著影响。国外研究发现,不同出行方式对出行情绪幸福感的影响不同[6]。一般来说,乘坐公共交通,特别是地面常规公交,与出行情绪幸福感显著负相关[7-8];相反,采用活动性出行方式,如步行和骑行,可获得更高的出行情绪幸福感[9-10]。然而,对国外案例的研究发现,当公共交通系统在常规路线和预定时间上运行良好时,很容易比其他通勤方式更受欢迎,会有更高的出行情绪幸福感[11]。
也有学者研究了出行距离和出行时间对公共交通出行情绪幸福感的影响。大多数国外研究发现,较长的出行距离和时间往往会降低出行情绪幸福感的水平[12-14]。这一研究结果与国内相同,贾思琦[15]研究发现出行距离和时间过长可能导致时间压力、疲劳和生活质量下降。少部分国内外学者研究了出行目的对公共交通出行情绪幸福感的影响[16-19],例如李赛赛[17]使用中国家庭追踪调查数据(CFPS)研究发现,出行目的为工作和上学的情绪幸福感最低。对荷兰的研究发现,以娱乐休闲为目的的出行者比以其他出行为目的的出行者具有更高的出行情绪幸福感。同时,在出行过程中所进行的活动也会对出行情绪幸福感产生一定的影响。对瑞典的研究发现在公共交通出行中与别人聊天会提高出行情绪幸福感[20],与此同时,在出行过程中是否有陪伴者也会影响公共交通的出行情绪幸福感[21]。一项荷兰的研究发现,独自出行比携伴出行情绪更低落,但是影响不大,这种影响需要进一步的探究[22]。
此外,外部环境因素对公共交通出行情绪幸福感的影响也成为学术界近期关注的热点。国内外研究发现,距公共交通站点的距离、公共交通的换乘及公共交通服务质量等都会影响出行情绪幸福感[23-26]。既有研究还分析了个体属性与公共交通出行情绪幸福感之间的关系,包括年龄、性别、婚姻状况、教育程度、收入情况、身体状况、个人偏好、驾照持有情况等[15,27-29]。在研究方法方面,大多数研究采用逻辑回归模型和多元线性回归模型等方法探索了公共交通出行行为与出行情绪幸福感之间的关系[30-32]。
综上所述,公共交通出行行为对出行情绪幸福感的影响颇为复杂,不同的研究对象乃至不同的城市所得出的结果也不尽相同。当前我国在该领域的研究存在以下主要不足:1)国外针对不同出行行为对出行情绪幸福感影响的研究较为广泛,在公共交通出行上亦有很多国外城市的实例,但其研究结论可能并不适用于中国国土空间规划背景下的城市公共交通规划;2)现有研究对出行方式、出行时间与距离对公共交通出行情绪幸福感的影响有一定的研究,但是对于更加细化的出行目的、出行陪伴者以及出行过程中所进行的活动等完整出行链对公共交通出行情绪幸福感影响的研究尚不完善,难以为国土空间下的交通规划提供针对性的建议,研究结果难以落地;3)既有研究往往忽略了个体差异、出行活动的随机性以及数据之间的相互依赖性,对模型的随机效应和固定效应考虑不足,影响了分析结果的可靠性,无法更精准地把握不同个体的出行情绪幸福感来源,难以为国土空间交通规划提供科学合理的决策依据。
本研究从国土空间规划视角出发,通过个体调查,以公共交通出行情绪幸福感为切入点,探讨微观个体行为及其属性特征对公共交通出行情绪幸福感的影响。将出行行为因素细分为出行时间、出行距离、出行目的以及出行陪伴等,从而精细刻画不同出行因素对情绪幸福感的影响。具体而言,基于美国明尼苏达大学开发的智能手机软件Daynamica收集的4 097条有效出行分段数据,研究组采用ArcGIS对受访人群进行空间划分,并应用线性混合效应模型,在考虑个体差异和时间动态变化的基础上,分析深圳市上班族出行行为对公共交通出行情绪幸福感的影响。这里,公共交通包括地铁和公交两种方式,由于二者在乘车便捷性、时效性、舒适性上均有差异,故本研究将分别分析地铁和公交出行情绪幸福感的影响因素。研究旨在全面揭示不同区域上班族出行情绪幸福感的异质性,为国土空间详细规划相关编制内容提供理论支撑,提出规划建议,从而助力国土空间详细规划的有效落地。
1 数据来源与研究方法
1.1 研究区概况
本研究选取深圳市作为研究区域。经过数十年的快速发展,深圳已构建多层次、多模式的混合交通系统。然而,随着城市扩张和人口增长,传统基于群体出行行为的交通规划方法已显不足,交通拥堵和出行效率问题日益突出。传统规划方法依赖宏观统计数据,通过监测整体交通流量和预测出行需求进行规划。这一方法适用于早期交通发展阶段,且存在一些明显不足。例如,忽略个体差异,难以精准反映不同群体的多样化出行需求;此外,面对城市扩展和突发性交通变化时灵活性不够,难以快速调整;在精细化管理上乏力,无法有效满足特定区域(如金融中心、科技园区等地)的差异化出行需求。随着国土空间规划推进,基于个体出行行为的交通系统优化逐渐成为热点。借助大数据和智能手机等技术,可以更精准地捕捉个体出行特征,从而实现交通系统精细化管理与动态优化,提高系统效率和居民的出行幸福感[33]。
1.2 数据收集
本研究采用问卷调查收集样本个人信息及受访日信息,并利用智能手机软件Daynamica进行出行链调查(见表1)。问卷主要采集与出行相关的个人属性信息,包括年龄、性别、身心健康状况、家乡、居住地址、收入区间、婚育状态和家庭结构等。Daynamica基于手机GPS定位功能和高德地图,进行样本出行链调查,并结合每次出行活动的具体信息,综合采集样本的出行情绪感受。
表1 数据收集情况说明Tab.1 Description of data collection |
| 数据来源 | 数据收集内容 | 数据内容说明 |
|---|---|---|
| 问卷调查 | 年龄 | 受访者的年龄 |
| 性别 | 受访者的性别 | |
| 身心健康状况 | 受访者的身心健康状况 | |
| 家乡 | 受访者的家乡 | |
| 居住地址 | 受访者的居住地址 | |
| 收入区间 | 受访者的收入范围 | |
| 婚育状况 | 受访者的婚姻和育儿状态 | |
| 家庭结构 | 受访者的家庭结构 | |
| Daynamica出行链调查 | 出行开始时间/地点 | 基于地图的具体坐标和时间戳收集 |
| 出行目的 | 即静态活动类型,包含回家、工作、学习/培训、 购物、吃喝、社交、休闲娱乐、私人事务 | |
| 运动强度 | 如步行、跑步、汽车等 | |
| 当日健康状况 | 正在生病,或是没有生病,健康状况良好 | |
| 出行陪伴者 | 配偶/同居者,朋友/同学/邻居,孩子,亲戚,同事/老板/上级,其他 | |
| 出行方式 | 私家车/自有自行车/公交车/地铁/步行/滴滴+UBER/ 共享自行车/出租车/组合多模式出行/合乘出行 | |
| 出行满意度 | 总体满意度、具体环境满意度 | |
| 出行感受 | 开心、有意义、沮丧、痛苦、压力及疲惫分值 | |
| 出行完成时间/地点 | 基于地图的具体坐标和时间戳收集 |
为科学评估深圳市上班族的出行情绪幸福感,本研究采用基于空间分层多阶抽样方法,研究聚焦福田中心区(金融业代表)和南山科技园(高新技术产业代表)。福田中心区作为深圳的金融中心,聚集了大量高收入人群,这些从业者对出行效率和舒适度要求较高,其出行需求能够较好反映高收入阶层对公共交通的偏好。南山科技园则作为高新技术产业的集聚地,吸引了众多高技术人才,他们普遍面临较大的工作压力和时间紧迫性,对出行时间的控制尤为敏感,其出行特征在时间价值维度上具备代表性。总体而言,这两个区域的金融业和高新技术产业涵盖了深圳市内不同收入层次和职业背景的群体特征,其出行行为在时间价值和收入需求方面具有较强的普适性,为研究深圳市整体出行模式提供了有力参考。
1.3 变量与模型选择
1.3.1 变量选择
参考国内外研究成果,本研究最终选取了出行特征及个人社会经济属性因素作为自变量,相关变量描述性统计详见表2。在情绪测度方面,采用美国时间使用调查(American time use survey,ATUS)中的两正四负情绪维度(见表3),由被调查者在特定时间段内报告其主观情绪体验。这些情绪维度反映了被调查者在过去的24 h内经历的积极和消极情绪,有助于更客观、准确地测量被调查者的情绪体验,这种标准化有助于比较不同研究和群体之间的结果[34]。其中,净情绪值(net affect score)表示在特定生活活动或时段内各种正面情绪评分的平均值减去负面情绪评分平均值。该指标反映了多种情绪状态之间的相对关系。当净情绪值为正时,表明人们在该活动中的情绪更为积极;反之,若为负,则表明人们在该活动中体验到了较为消极的情绪状态。
表2 变量描述性统计Tab.2 Variables descriptive statistics |
| 变量 | 维度 | 平均值 | 变量 | 维度 | 平均值 | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| 出行幸福感 | 开心 | 3.69(1.65)* | 公共汽车 | 340(14.1) | ||||||
| 有意义 | 2.93(1.69)* | 地铁 | 321(13.4) | |||||||
| 净情绪值 | 2.81(1.66)* | 小汽车(参照组) | 440(18.3) | |||||||
| 疲惫 | 2.2(1.37)* | 其他 | 72(3) | |||||||
| 压力 | 1.46(0.97)* | 出行目的 | 回家(参照组) | 713(29.7) | ||||||
| 沮丧 | 1.35(0.9)* | 工作 | 738(30.7) | |||||||
| 痛苦 | 1.36(0.88)* | 教育 | 66(2.8) | |||||||
| 主要出行方式 | 步行 | 1 015(42.3) | 购物 | 342(14.2) | ||||||
| 自行车 | 213(8.9) | 外出就餐 | 79(3.3) | |||||||
| 私人事务 | 119(5.0) | 工作 | 231(9.6) | |||||||
| 休闲 | 154(6.4) | 听音乐 | 229(9.5) | |||||||
| 其他 | 190(7.9) | 放松/冥想 | 263(11.0) | |||||||
| 出行时间 | 工作日 | 1 951(81.3) | 其他 | 741(30.8) | ||||||
| 周末(参照组) | 450(18.7) | 出行偏好 | 出行偏好不匹配 | 53(53) | ||||||
| 0:00~6:00 | 5(0.2) | 性别 | 男性 | 49(49) | ||||||
| 6:00~9:00(参照组) | 815(33.9) | 女性(参照组) | 51(51) | |||||||
| 9:00~16:00 | 353(14.7) | 年龄/岁 | 18~25(参照组) | 41(41) | ||||||
| 16:00~19:00 | 241(10.0) | 26~30 | 43(43) | |||||||
| 19:00~0:00 | 987(41.1) | 31~45 | 16(16) | |||||||
| 出行时长/min | <15(参照组) | 393(16.4) | 出生地 | 华东 | 17(17.0) | |||||
| 15~30 | 668(27.8) | 华中 | 26(26.0) | |||||||
| 30~60 | 1 047(43.6) | 华南 | 46(46.0) | |||||||
| >60 | 293(12.2) | 华北 | 11(11.0) | |||||||
| 出行距离/km | <1(参照组) | 687(22.3) | 工作地 | 福田其他区域 | 22(22.0) | |||||
| 1~3 | 1 065(34.5) | 南山科技园 | 26(26.0) | |||||||
| >3 | 1 336(43.2) | 南山其他区域 | 27(27.0) | |||||||
| 出发地 | 福田其他区域 | 121(5.0) | 福田中心区(参照组) | 25(25.0) | ||||||
| 福田中心区(参照组) | 480(20.0) | 居住地 | 关内(参照组) | 86(86) | ||||||
| 南山科技园 | 720(30.0) | 关外 | 14(14) | |||||||
| 南山其他区域 | 240(10) | 家庭结构 | 单身/无孩子(参照组) | 21(21) | ||||||
| 其他 | 840(35) | 夫妻/无孩子 | 35(35) | |||||||
| 目的地 | 福田其他区域 | 552(23) | 夫妻/有孩子 | 44(44) | ||||||
| 福田中心区(参照组) | 601(25) | 受教育程度 | 高中/初中 | 9(9) | ||||||
| 南山科技园 | 648(27) | 大学 | 38(38) | |||||||
| 南山其他区域 | 600(25) | 研究生(参照组) | 53(53) | |||||||
| 出行同伴 | 单独一人 | 1 168(48.6) | 家庭收入/ | <0.5(参照组) | 14(14) | |||||
| 父母 | 7(0.3) | (万元·月-1) | 0.5~2 | 66(66) | ||||||
| 配偶/室友 | 94(3.9) | >2 | 20(20) | |||||||
| 儿童 | 42(1.8) | 其他个人属性 | 有小汽车 | 34(34) | ||||||
| 老板/同事 | 320(13.3) | 有自行车 | 32(32) | |||||||
| 其他 | 770(32.1) | 有房 | 28(28) | |||||||
| 出行期间的活动 | 阅读 | 393(16.4) | 最近心情较好 | 78(78) | ||||||
| 聊天 | 544(22.7) | BMI≥25 | 22(22) | |||||||
注:表中的分类变量、哑变量为样本量,数值型变量、有序变量为平均值。*代表有序变量,其余括号内表示样本量占比/%。 |
表3 情绪描述及分值测度表Tab.3 Emotional descriptions and score measures |
| 情绪 | 情绪维度 | 情绪分值 |
|---|---|---|
| 正向情绪 | 开心 | 0~6 |
| 有意义 | 0~6 | |
| 负向情绪 | 沮丧 | 0~6 |
| 痛苦 | 0~6 | |
| 疲惫 | 0~6 | |
| 压力 | 0~6 |
在出行情绪幸福感的7个变量中,除净情绪值为数值型变量外,开心、有意义、沮丧、痛苦、疲惫和压力等变量均为有序变量,赋值为0~6分,其中0分表示最低情绪状态,6分表示最高情绪状态。以开心为例,0分代表该出行非常不开心,6分代表该出行非常开心;对于负情绪来说则相反,以疲惫为例,0分表示对该出行感到完全不疲惫,6分表示非常疲惫。除上述变量外,其余变量均为哑变量。在出行期间进行的活动中,聊天指与他人聊天说话,阅读指与工作无关的阅读。出行偏好不匹配指样本实际出行方式与其理想出行方式不符,有房表示样本已全款购买住房。地理位置方面,“关内”指市区内(如福田、罗湖、南山、宝安等),而“关外”则指市区范围之外的地区(如龙岗、盐田、坪山、光明、龙华等郊区或新区)。
1.3.2 线性混合效应模型
研究组采用线性混合效应模型估计出行行为和个人及家庭因素对公共交通出行情绪幸福感的影响,这一模型的选择基于两个原因:一是它能够处理同一人多个出行条目之间的依赖关系;二是因变量是连续的情绪评分数值,范围为0~6。由于同一人在出行方式选择和路径上存在一定的规律性,而不同样本的出行相对独立,传统多元回归方法忽略了个体间的相似性,默认为每次出行是独立的。因此,线性混合效应模型能够有效考虑多层次结构、重复测量和个体差异,使对出行行为等复杂数据的分析更加准确和全面[35]。具体模型为
Yij=β0+b0i+βijXij+εij。
式中:Yij为因变量,指样本出行情绪幸福感,分别代表开心、有意义、净情绪值、沮丧、痛苦、疲惫、压力共7种;β0为固定项截距;b0i为根据不同的受测个体生成的截距;βijXij为不同的出行个体i和第j次出行对其出行情绪幸福感Yij的影响;εij为残差项εij∈N(0, )。
2 实证研究
2.1 模型结果
在模型运行之前,首先,计算各自变量的相关性矩阵,以识别变量间的高相关性,对相关系数绝对值高于0.8的变量进行筛选;其次,计算方差膨胀因子 (VIF),确保所有变量的VIF值均小于5;再次,计算容差值,结果显示,容差值均大于 0.10。以上3项确保了模型中使用的预测变量在统计上相互独立,变量之间不存在多重共线性问题,适合进一步分析。
表4 线性混合效应模型结果(因变量:正情绪)Tab.4 Linear mixed-effects model result for positive emotions |
| 变量 | 开心 | 有意义 | 净情绪值 | |||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 估计值(95% CI) | P值 | 估计值(95% CI) | P值 | 估计值(95% CI) | P值 | |||||||||||||
| 截距项 | 4.13( 2.89, 5.37) | <0.001 | 2.38 (1.04, 3.73) | <0.001 | 1.66( 0.43, 2.90) | 0.009 | ||||||||||||
| 主要出行方式 | 自行车 | -0.25(-0.55, 0.03) | 0.083 | -0.06(-0.32, 0.20) | 0.649 | -0.38(-0.66,-0.10) | 0.007 | |||||||||||
| 公共汽车 | -0.34(-0.60,-0.09) | 0.009 | -0.12(-0.35, 0.12) | 0.331 | -0.40(-0.65,-0.15) | 0.001 | ||||||||||||
| 地铁 | -0.34(-0.61,-0.06) | 0.016 | 0.05(-0.21, 0.30) | 0.715 | -0.25(-0.51, 0.02) | 0.066 | ||||||||||||
| 步行 | -0.18(-0.43, 0.07) | 0.142 | -0.03(-0.27, 0.21) | 0.796 | -0.17(-0.40, 0.07) | 0.170 | ||||||||||||
| 出行目的 | 外出就餐 | -0.06(-0.27, 0.14) | 0.542 | -0.02(-0.21, 0.17) | 0.838 | 0.06(-0.14, 0.25) | 0.570 | |||||||||||
| 教育 | -0.13(-0.50, 0.25) | 0.508 | -0.05(-0.39, 0.29) | 0.774 | -0.16(-0.52, 0.20) | 0.373 | ||||||||||||
| 休闲 | 0.27(-0.02, 0.56) | 0.070 | 0.04(-0.23, 0.31) | 0.770 | 0.23(-0.05, 0.51) | 0.110 | ||||||||||||
| 私人事务 | -0.16(-0.43, 0.11) | 0.242 | -0.18(-0.43, 0.06) | 0.144 | -0.32(-0.58,-0.07) | 0.014 | ||||||||||||
| 购物 | 0.05(-0.35, 0.44) | 0.812 | 0.21(-0.14, 0.57) | 0.242 | 0.09(-0.29, 0.46) | 0.653 | ||||||||||||
| 出行时间 | 工作日 | -0.17(-0.34, 0.00) | 0.052 | -0.13(-0.29, 0.03) | 0.107 | -0.13(-0.30, 0.03) | 0.120 | |||||||||||
| 0:00~6:00 | 0.03(-0.49, 0.53) | 0.917 | 0.30(-0.17, 0.77) | 0.204 | -0.05(-0.54, 0.45) | 0.849 | ||||||||||||
| 9:00~16:00 | -0.10(-0.30, 0.11) | 0.352 | -0.02(-0.21, 0.16) | 0.806 | -0.16(-0.35, 0.04) | 0.115 | ||||||||||||
| 16:00~19:00 | 0.07(-0.15, 0.29) | 0.509 | -0.03(-0.23, 0.17) | 0.772 | -0.19(-0.40, 0.02) | 0.076 | ||||||||||||
| 19:00~0:00 | 0.07(-0.18, 0.32) | 0.596 | 0.06(-0.17, 0.29) | 0.622 | -0.24(-0.49, 0.00) | 0.049 | ||||||||||||
| 出行时长/min | 15~30 | -0.18(-0.36, 0.02) | 0.059 | -0.04(-0.20, 0.12) | 0.632 | -0.13(-0.31, 0.05) | 0.154 | |||||||||||
| 30~60 | -0.03(-0.23, 0.18) | 0.807 | 0.00(-0.19, 0.18) | 0.971 | -0.02(-0.22, 0.17) | 0.824 | ||||||||||||
| >60 | -0.14(-0.41, 0.12) | 0.297 | -0.12(-0.36, 0.13) | 0.353 | -0.24(-0.49, 0.02) | 0.071 | ||||||||||||
| 出行距离/km | 1~3 | 0.21( 0.02, 0.41) | 0.028 | 0.14(-0.04, 0.31) | 0.132 | 0.19( 0.01, 0.38) | 0.040 | |||||||||||
| >3 | 0.29( 0.05, 0.54) | 0.020 | 0.24( 0.01, 0.48) | 0.039 | 0.15(-0.09, 0.39) | 0.213 | ||||||||||||
| 出发地 | 福田其他区域 | 0.17(-0.10, 0.43) | 0.215 | -0.04(-0.28, 0.21) | 0.765 | 0.06(-0.19, 0.32) | 0.626 | |||||||||||
| 南山科技园 | 0.09(-0.22, 0.41) | 0.556 | -0.15(-0.45, 0.16) | 0.329 | -0.04(-0.34, 0.27) | 0.809 | ||||||||||||
| 南山其他区域 | 0.13(-0.15, 0.41) | 0.366 | -0.09(-0.35, 0.18) | 0.520 | 0.02(-0.27, 0.29) | 0.941 | ||||||||||||
| 其他 | -0.07(-0.37, 0.22) | 0.639 | -0.17(-0.44, 0.10) | 0.220 | -0.14(-0.43, 0.14) | 0.319 | ||||||||||||
| 目的地 | 福田其他区域 | 0.01(-0.25, 0.26) | 0.956 | 0.07(-0.17, 0.31) | 0.571 | 0.03(-0.22, 0.28) | 0.815 | |||||||||||
| 南山科技园 | 0.10(-0.20, 0.41) | 0.505 | 0.09(-0.20, 0.37) | 0.551 | 0.06(-0.24, 0.36) | 0.679 | ||||||||||||
| 南山其他区域 | -0.03(-0.31, 0.24) | 0.810 | 0.05(-0.20, 0.31) | 0.693 | 0.02(-0.25, 0.29) | 0.878 | ||||||||||||
| 其他(以上都不是) | -0.10(-0.39, 0.19) | 0.505 | 0.03(-0.24, 0.30) | 0.816 | -0.09(-0.37, 0.19) | 0.535 | ||||||||||||
| 出行同伴 | 配偶/室友 | 0.41( 0.14, 0.69) | 0.004 | 0.49( 0.23, 0.75) | <0.001 | 0.43( 0.16, 0.70) | 0.002 | |||||||||||
| 老板/同事 | 0.06(-0.16, 0.27) | 0.587 | 0.19(-0.04, 0.39) | 0.059 | 0.11(-0.09, 0.31) | 0.280 | ||||||||||||
| 儿童 | 0.26(-0.23, 0.75) | 0.296 | 0.27(-0.18, 0.73) | 0.239 | 0.31(-0.17, 0.78) | 0.207 | ||||||||||||
| 其他 | 0.47( 0.25, 0.68) | <0.001 | 0.23( 0.03, 0.43) | 0.024 | 0.44( 0.24, 0.65) | <0.001 | ||||||||||||
| 出行期间的活动 | 工作 | -0.23(-0.45,-0.01) | 0.045 | 0.12(-0.08, 0.33) | 0.241 | -0.19(-0.42, 0.02) | 0.082 | |||||||||||
| 聊天 | 0.15(-0.03, 0.32) | 0.077 | 0.17( 0.02, 0.32) | 0.026 | 0.18( 0.03, 0.34) | 0.020 | ||||||||||||
| 阅读 | -0.11(-0.29, 0.06) | 0.197 | -0.13(-0.29, 0.03) | 0.120 | -0.01(-0.18, 0.15) | 0.877 | ||||||||||||
| 音乐 | 0.28( 0.07, 0.49) | 0.008 | 0.11(-0.08, 0.30) | 0.253 | 0.34( 0.14, 0.54) | <0.001 | ||||||||||||
| 放松 | -0.17(-0.36, 0.02) | 0.078 | 0.02(-0.16, 0.19) | 0.863 | -0.25(-0.44,-0.07) | 0.007 | ||||||||||||
| 出行偏好 | 出行偏好不匹配 | -0.06(-0.22, 0.10) | 0.473 | 0.05(-0.10, 0.19) | 0.533 | -0.02(-0.18, 0.14) | 0.841 | |||||||||||
| 性别 | 男性 | -0.26(-0.82, 0.30) | 0.356 | -0.07(-0.68, 0.55) | 0.824 | -0.11(-0.67, 0.44) | 0.688 | |||||||||||
| 年龄/岁 | 26~30 | 0.10(-0.59, 0.78) | 0.781 | 0.03(-0.75, 0.78) | 0.963 | -0.08(-0.76, 0.61) | 0.827 | |||||||||||
| 31~45 | -0.54(-1.51, 0.44) | 0.279 | -0.41(-1.48, 0.67) | 0.452 | -0.88(-1.85, 0.09) | 0.076 | ||||||||||||
| 居住地 | 关外 | -0.03(-0.74, 0.68) | 0.932 | 0.08(-0.69, 0.86) | 0.828 | -0.07(-0.77, 0.63) | 0.843 | |||||||||||
| 工作地 | 福田其他区域 | -0.19(-1.03, 0.64) | 0.639 | -0.16(-1.06, 0.74) | 0.723 | -0.16(-0.96, 0.67) | 0.701 | |||||||||||
| 南山科技园 | -0.39(-1.13, 0.36) | 0.306 | 0.18(-0.63, 1.00) | 0.652 | 0.20(-0.54, 0.94) | 0.585 | ||||||||||||
| 南山其他区域 | -0.56(-1.32, 0.20) | 0.147 | -0.23(-1.06, 0.60) | 0.581 | -0.23(-0.99, 0.53) | 0.544 | ||||||||||||
| 家庭结构 | 夫妻/无孩子 | 0.35(-0.24, 0.94) | 0.238 | 0.07(-0.58, 0.71) | 0.842 | 0.48(-0.10, 1.07) | 0.104 | |||||||||||
| 夫妻/有孩子 | -0.21(-1.20, 0.78) | 0.674 | -0.20(-1.29, 0.88) | 0.709 | 0.40(-0.58, 1.39) | 0.420 | ||||||||||||
| 受教育程度 | 大学 | -0.79(-1.39,-0.19) | 0.011 | -1.04(-1.71,-0.38) | 0.003 | -1.11(-1.71,-0.50) | <0.001 | |||||||||||
| 高中/初中 | -0.18(-1.20, 0.83) | 0.720 | -0.61(-1.72, 0.51) | 0.282 | -0.96(-1.97, 0.06) | 0.063 | ||||||||||||
| 家庭收入/ | 0.5~2 | 0.15(-0.70, 0.99) | 0.730 | 0.60(-0.32, 1.53) | 0.199 | 0.25(-0.59, 1.09) | 0.554 | |||||||||||
| (万元·月-1) | >2 | 0.67(-0.39, 1.73) | 0.209 | 1.33( 0.17, 2.49) | 0.025 | 0.47(-0.58, 1.51) | 0.380 | |||||||||||
| 其他个人属性 | 有小汽车 | 0.14(-0.60, 0.89) | 0.701 | -0.03(-0.86, 0.79) | 0.934 | -0.14(-0.89, 0.60) | 0.704 | |||||||||||
| 有自行车 | 0.37(-0.27, 0.99) | 0.243 | 0.16(-0.52, 0.85) | 0.637 | 0.60(-0.02, 1.23) | 0.059 | ||||||||||||
| 有房 | -0.31(-1.01, 0.38) | 0.372 | 0.07(-0.70, 0.83) | 0.863 | 0.02(-0.67, 0.72) | 0.943 | ||||||||||||
| 最近心情较好 | 0.24(-0.39, 0.87) | 0.450 | 0.03(-0.66, 0.72) | 0.932 | 0.45(-0.18, 1.08) | 0.152 | ||||||||||||
| BMI≥ 25 | -0.04(-0.78, 0.69) | 0.906 | -0.25(-1.06, 0.57) | 0.539 | 0.15(-0.58, 0.88) | 0.691 | ||||||||||||
| 边际R2 | 0.450 | 0.382 | 0.493 | |||||||||||||||
| 条件R2 | 0.463 | 0.395 | 0.499 | |||||||||||||||
表5 线性混合效应模型结果(因变量:负情绪)Tab.5 Linear mixed-effects model result for negative emotion |
| 变量 | 沮丧 | 痛苦 | 疲惫 | 压力 | |||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 估计值(95% CI) | P值 | 估计值(95% CI) | P值 | 估计值(95% CI) | P值 | 估计值(95% CI) | P值 | ||||||||||||||||||||||||||||
| 截距项 | 1.54( 0.86, 2.21) | <0.001 | 1.65( 0.99, 2.30) | <0.001 | 1.77( 0.74, 2.80) | <0.001 | 1.37( 0.64, 2.10) | <0.001 | |||||||||||||||||||||||||||
| 主要出行方式 | 自行车 | 0.04(-0.14, 0.22) | 0.651 | 0.08(-0.12, 0.25) | 0.461 | 0.28( 0.02, 0.55) | 0.036 | 0.53( 0.34, 0.72) | <0.001 | ||||||||||||||||||||||||||
| 公共汽车 | 0.14(-0.03, 0.30) | 0.085 | 0.12(-0.04, 0.28) | 0.129 | 0.24( 0.00, 0.48) | 0.047 | 0.22( 0.04, 0.39) | 0.013 | |||||||||||||||||||||||||||
| 地铁 | 0.13(-0.04, 0.31) | 0.127 | 0.04(-0.13, 0.21) | 0.663 | 0.12(-0.13, 0.38) | 0.347 | 0.15(-0.04, 0.33) | 0.119 | |||||||||||||||||||||||||||
| 步行 | 0.01(-0.14, 0.17) | 0.890 | 0.05(-0.10, 0.20) | 0.525 | 0.13(-0.12, 0.36) | 0.298 | 0.08(-0.08, 0.25) | 0.329 | |||||||||||||||||||||||||||
| 出行目的 | 外出就餐 | 0.00(-0.13, 0.13) | 0.979 | -0.04(-0.17, 0.08) | 0.487 | -0.25(-0.44,-0.05) | 0.012 | -0.10(-0.25, 0.03) | 0.142 | ||||||||||||||||||||||||||
| 教育 | 0.01(-0.22, 0.25) | 0.927 | 0.00(-0.23, 0.23) | 0.995 | 0.00(-0.35, 0.34) | 0.989 | 0.27( 0.02, 0.52) | 0.032 | |||||||||||||||||||||||||||
| 休闲 | 0.03(-0.17, 0.21) | 0.836 | -0.05(-0.24, 0.13) | 0.574 | -0.20(-0.47, 0.07) | 0.143 | -0.06(-0.25, 0.16) | 0.633 | |||||||||||||||||||||||||||
| 私人事务 | 0.25( 0.08, 0.42) | 0.004 | 0.12(-0.05, 0.29) | 0.154 | 0.06(-0.19, 0.31) | 0.630 | 0.17(-0.01, 0.35) | 0.065 | |||||||||||||||||||||||||||
| 购物 | 0.14(-0.11, 0.38) | 0.265 | 0.05(-0.19, 0.29) | 0.677 | -0.12(-0.49, 0.25) | 0.524 | 0.11(-0.15, 0.37) | 0.403 | |||||||||||||||||||||||||||
| 工作 | 0.05(-0.09, 0.18) | 0.490 | 0.06(-0.07, 0.19) | 0.383 | -0.07(-0.27, 0.13) | 0.496 | 0.09(-0.05, 0.24) | 0.205 | |||||||||||||||||||||||||||
| 出行时间 | 工作日 | -0.04(-0.15, 0.06) | 0.426 | -0.14(-0.25,-0.03) | 0.010 | 0.07(-0.09, 0.23) | 0.410 | 0.03(-0.08, 0.15) | 0.588 | ||||||||||||||||||||||||||
| 0:00~6:00 | 0.13(-0.19, 0.45) | 0.414 | 0.00(-0.32, 0.31) | 0.979 | 0.49( 0.01, 0.98) | 0.041 | 0.24(-0.10, 0.58) | 0.171 | |||||||||||||||||||||||||||
| 9:00~16:00 | 0.00(-0.14, 0.12) | 0.947 | -0.01(-0.14, 0.11) | 0.846 | 0.25( 0.06, 0.43) | 0.011 | 0.16( 0.01, 0.29) | 0.024 | |||||||||||||||||||||||||||
| 16:00~19:00 | 0.05(-0.08, 0.19) | 0.445 | 0.07(-0.09, 0.21) | 0.393 | 0.48( 0.27, 0.68) | <0.001 | 0.25( 0.11, 0.40) | <0.001 | |||||||||||||||||||||||||||
| 19:00~0:00 | 0.14(-0.02, 0.30) | 0.076 | 0.09(-0.06, 0.25) | 0.232 | 0.75( 0.52, 0.98) | <0.001 | 0.23( 0.07, 0.40) | 0.006 | |||||||||||||||||||||||||||
| 出行时长/min | 15~30 | -0.05(-0.16, 0.06) | 0.380 | -0.04(-0.16, 0.07) | 0.434 | 0.14(-0.03, 0.30) | 0.103 | 0.06(-0.08, 0.17) | 0.405 | ||||||||||||||||||||||||||
| 30~60 | -0.04(-0.16, 0.09) | 0.586 | 0.02(-0.10, 0.15) | 0.738 | 0.12(-0.07, 0.32) | 0.217 | -0.06(-0.20, 0.07) | 0.356 | |||||||||||||||||||||||||||
| >60 | 0.04(-0.13, 0.20) | 0.663 | 0.06(-0.10, 0.23) | 0.461 | 0.32( 0.07, 0.57) | 0.011 | 0.07(-0.11, 0.24) | 0.462 | |||||||||||||||||||||||||||
| 出行距离/km | 1~3 | 0.00(-0.12, 0.14) | 0.940 | -0.01(-0.12, 0.11) | 0.924 | -0.01(-0.19, 0.16) | 0.870 | -0.07(-0.20, 0.06) | 0.278 | ||||||||||||||||||||||||||
| >3 | 0.05(-0.11, 0.21) | 0.526 | 0.06(-0.10, 0.21) | 0.467 | 0.18(-0.05, 0.41) | 0.129 | 0.16(-0.02, 0.33) | 0.059 | |||||||||||||||||||||||||||
| 出发地 | 福田其他区域 | -0.04(-0.20, 0.13) | 0.645 | 0.01(-0.15, 0.17) | 0.928 | -0.05(-0.29, 0.20) | 0.717 | 0.09(-0.08, 0.27) | 0.298 | ||||||||||||||||||||||||||
| 南山科技园 | -0.01(-0.21, 0.18) | 0.882 | 0.06(-0.13, 0.25) | 0.546 | -0.10(-0.39, 0.19) | 0.489 | 0.15(-0.06, 0.36) | 0.165 | |||||||||||||||||||||||||||
| 南山其他区域 | 0.03(-0.15, 0.21) | 0.749 | 0.08(-0.11, 0.26) | 0.409 | -0.17(-0.43, 0.09) | 0.202 | 0.12(-0.07, 0.31) | 0.227 | |||||||||||||||||||||||||||
| 其他 | 0.01(-0.17, 0.20) | 0.901 | 0.02(-0.16, 0.20) | 0.852 | -0.11(-0.38, 0.16) | 0.430 | 0.19( 0.00, 0.39) | 0.056 | |||||||||||||||||||||||||||
| 目的地 | 福田其他区域 | 0.04(-0.12, 0.20) | 0.607 | 0.01(-0.15, 0.17) | 0.929 | 0.06(-0.19, 0.31) | 0.621 | -0.07(-0.24, 0.10) | 0.421 | ||||||||||||||||||||||||||
| 南山科技园 | 0.08(-0.13, 0.28) | 0.456 | 0.11(-0.09, 0.30) | 0.279 | 0.00(-0.29, 0.28) | 0.975 | -0.01(-0.22, 0.19) | 0.906 | |||||||||||||||||||||||||||
| 南山其他区域 | 0.02(-0.16, 0.19) | 0.843 | 0.03(-0.14, 0.20) | 0.721 | -0.04(-0.30, 0.21) | 0.755 | -0.06(-0.24, 0.13) | 0.555 | |||||||||||||||||||||||||||
| 其他(以上都不是) | 0.03(-0.15, 0.22) | 0.711 | 0.13(-0.05, 0.31) | 0.170 | 0.16(-0.11, 0.43) | 0.252 | -0.09(-0.29, 0.12) | 0.390 | |||||||||||||||||||||||||||
| 出行同伴 | 配偶/室友 | 0.04(-0.14, 0.21) | 0.679 | 0.08(-0.09, 0.26) | 0.351 | -0.10(-0.36, 0.16) | 0.451 | 0.10(-0.09, 0.28) | 0.312 | ||||||||||||||||||||||||||
| 老板/同事 | -0.01(-0.14, 0.12) | 0.864 | 0.11(-0.02, 0.25) | 0.092 | -0.01(-0.20, 0.19) | 0.937 | -0.03(-0.17, 0.11) | 0.717 | |||||||||||||||||||||||||||
| 儿童 | 0.05(-0.26, 0.35) | 0.771 | -0.01(-0.32, 0.29) | 0.936 | -0.16(-0.62, 0.30) | 0.505 | -0.05(-0.38, 0.28) | 0.761 | |||||||||||||||||||||||||||
| 其他 | -0.07(-0.21, 0.07) | 0.344 | -0.08(-0.21, 0.06) | 0.205 | -0.24(-0.44,-0.04) | 0.019 | 0.01(-0.13, 0.16) | 0.852 | |||||||||||||||||||||||||||
| 出行期间的活动 | 工作 | 0.16( 0.02, 0.30) | 0.025 | 0.12(-0.02, 0.26) | 0.092 | 0.19(-0.02, 0.40) | 0.069 | 0.13(-0.02, 0.28) | 0.089 | ||||||||||||||||||||||||||
| 聊天 | 0.02(-0.08, 0.12) | 0.670 | -0.01(-0.11, 0.08) | 0.768 | -0.01(-0.16, 0.14) | 0.912 | -0.12(-0.22,-0.01) | 0.036 | |||||||||||||||||||||||||||
| 阅读 | -0.13(-0.24,-0.02) | 0.017 | -0.06(-0.18, 0.04) | 0.246 | -0.04(-0.20, 0.13) | 0.667 | -0.18(-0.29,-0.06) | 0.003 | |||||||||||||||||||||||||||
| 音乐 | -0.13(-0.27, 0.00) | 0.050 | -0.21(-0.34,-0.09) | 0.001 | -0.16(-0.36, 0.03) | 0.108 | -0.07(-0.20, 0.07) | 0.332 | |||||||||||||||||||||||||||
| 放松 | 0.19( 0.07, 0.31) | 0.002 | 0.15( 0.02, 0.28) | 0.012 | 0.23( 0.06, 0.41) | 0.010 | 0.16( 0.03, 0.28) | 0.014 | |||||||||||||||||||||||||||
| 出行偏好 | 偏好不匹配 | 0.05(-0.05, 0.15) | 0.283 | 0.01(-0.09, 0.11) | 0.825 | -0.05(-0.20, 0.10) | 0.508 | 0.01(-0.10, 0.11) | 0.922 | ||||||||||||||||||||||||||
| 性别 | 男性 | -0.02(-0.31, 0.27) | 0.886 | 0.03(-0.26, 0.31) | 0.852 | -0.23(-0.68, 0.23) | 0.321 | 0.00(-0.32, 0.32) | 0.999 | ||||||||||||||||||||||||||
| 年龄/岁 | 26~30 | 0.18(-0.18, 0.54) | 0.329 | 0.11(-0.24, 0.46) | 0.528 | 0.20(-0.35, 0.76) | 0.467 | 0.05(-0.34, 0.44) | 0.813 | ||||||||||||||||||||||||||
| 31~45 | 0.50(-0.02, 1.01) | 0.058 | 0.34(-0.18, 0.84) | 0.192 | 0.50(-0.29, 1.29) | 0.210 | 0.31(-0.26, 0.87) | 0.276 | |||||||||||||||||||||||||||
| 居住地 | 关外 | 0.23(-0.14, 0.62) | 0.215 | 0.20(-0.16, 0.56) | 0.272 | -0.09(-0.66, 0.48) | 0.752 | 0.04(-0.36, 0.45) | 0.831 | ||||||||||||||||||||||||||
| 工作地 | 福田其他区域 | 0.20(-0.24, 0.63) | 0.369 | -0.06(-0.48, 0.36) | 0.775 | -0.07(-0.74, 0.60) | 0.841 | -0.17(-0.64, 0.30) | 0.480 | ||||||||||||||||||||||||||
| 南山科技园 | -0.17(-0.56, 0.23) | 0.406 | -0.30(-0.68, 0.09) | 0.129 | -0.20(-0.81, 0.41) | 0.512 | -0.59(-1.02,-0.16) | 0.007 | |||||||||||||||||||||||||||
| 南山其他区域 | -0.07(-0.49, 0.33) | 0.718 | -0.22(-0.62, 0.17) | 0.261 | -0.06(-0.68, 0.56) | 0.848 | -0.32(-0.76, 0.12) | 0.153 | |||||||||||||||||||||||||||
| 家庭结构 | 夫妻/无孩子 | -0.38(-0.69,-0.07) | 0.017 | -0.24(-0.54, 0.06) | 0.112 | -0.27(-0.75, 0.21) | 0.262 | -0.20(-0.54, 0.13) | 0.237 | ||||||||||||||||||||||||||
| 夫妻/有孩子 | -0.57(-1.09,-0.05) | 0.033 | -0.54(-1.04, -0.03) | 0.038 | -0.66(-1.47, 0.16) | 0.111 | -0.69(-1.26,-0.12) | 0.018 | |||||||||||||||||||||||||||
| 受教育 | 大学 | 0.19(-0.12, 0.51) | 0.228 | 0.28(-0.05, 0.58) | 0.084 | 0.15(-0.34, 0.64) | 0.543 | 0.16(-0.19, 0.50) | 0.360 | ||||||||||||||||||||||||||
| 高中/初中 | 0.51(-0.03, 1.04) | 0.062 | 0.38(-0.14, 0.90) | 0.146 | 0.85( 0.03, 1.67) | 0.043 | 0.51(-0.08, 1.09) | 0.092 | |||||||||||||||||||||||||||
| 家庭收入/(万元·月-1) | 0.5~2 | 0.03(-0.42, 0.48) | 0.882 | -0.02(-0.45, 0.41) | 0.938 | 0.37(-0.31, 1.06) | 0.283 | 0.11(-0.38, 0.59) | 0.653 | ||||||||||||||||||||||||||
| >2 | 0.29(-0.28, 0.85) | 0.312 | 0.41(-0.13, 0.94) | 0.134 | 0.84(-0.02, 1.69) | 0.055 | 0.62( 0.02, 1.22) | 0.043 | |||||||||||||||||||||||||||
| 其他个人属性 | 有小汽车 | 0.19(-0.20, 0.59) | 0.330 | 0.39( 0.01, 0.77) | 0.046 | -0.16(-0.76, 0.44) | 0.601 | 0.37(-0.06, 0.80) | 0.087 | ||||||||||||||||||||||||||
| 有自行车 | -0.36(-0.69,-0.03) | 0.033 | -0.47(-0.79,-0.15) | 0.005 | -0.08(-0.59, 0.43) | 0.760 | -0.43(-0.79,-0.07) | 0.020 | |||||||||||||||||||||||||||
| 有房 | -0.15(-0.52, 0.21) | 0.413 | -0.29(-0.64, 0.07) | 0.110 | 0.03(-0.53, 0.59) | 0.918 | -0.17(-0.57, 0.22) | 0.384 | |||||||||||||||||||||||||||
| 最近心情较好 | -0.38(-0.72,-0.05) | 0.023 | -0.35(-0.66,-0.03) | 0.034 | -0.40(-0.90, 0.11) | 0.121 | -0.15(-0.50, 0.21) | 0.414 | |||||||||||||||||||||||||||
| BMI≥ 25 | -0.27(-0.66, 0.11) | 0.166 | -0.28(-0.65, 0.12) | 0.158 | -0.13(-0.72, 0.46) | 0.661 | -0.49(-0.91,-0.07) | 0.022 | |||||||||||||||||||||||||||
| 边际R2 | 0.426 | 0.397 | 0.308 | 0.482 | |||||||||||||||||||||||||||||||
| 条件R2 | 0.437 | 0.400 | 0.316 | 0.493 | |||||||||||||||||||||||||||||||
在分析出行对情绪幸福感的影响时,参考已有研究成果,出行特征与个人及家庭因素是影响乘客出行体验的关键维度。通过深入分析这两个维度,本研究揭示了不同出行方式对情绪幸福感的差异化影响,为国土空间总体规划向国土空间详细规划传导落位提供具有针对性的理论依据与规划建议。同时,探讨个人及家庭因素有助于揭示社会经济属性如何在国土空间规划中调节出行体验,特别是考虑不同社会群体在公共交通系统中的需求与行为特征时,更能体现国土空间总体规划相关内容在国土空间详细规划编制体系下,对社会公平性和出行效率的影响。
地铁和地面常规公交是城市公共交通系统的重要组成部分,本研究分别讨论这两种出行方式,以更精准地识别它们在情绪幸福感方面的差异。通过区分分析,可以深化在国土空间总体规划下,对城市空间结构、功能单元、详细规划单元与居民出行行为之间复杂关系的理解。这种多维度分析将为提升城市国土空间详细规划编制质量和优化公共交通系统服务水平提供重要参考,并为未来城市空间品质优化及相关政策的实施与评估提供科学依据和决策支持。
2.2 出行特征对公共交通出行情绪幸福感的影响
2.2.1 公交出行
根据图4的公交出行研究结果,福田地区的公交出行显著影响了上班族的出行情绪幸福感。首先,在出行区域方面,相比于福田中心区,选择在福田其他地区乘坐公交的人净情绪值更高,可能是因为福田其他地区的人口密度较低,公交拥堵少且班次规律,从而提升了出行体验。此外,前往福田其他地区的人更容易感受到出行的意义,表明交通改善了他们的出行情绪。其次,出行目的上,前往购物的上班族更容易感到沮丧,而选择进行娱乐休闲活动的则较开心,这可能与购物带来额外体力消耗而娱乐休闲活动则感到放松和愉悦有关。此外,相比于短途出行,超过30 min的公交出行会导致更多沮丧情绪。最后,在出行过程中进行特定活动,如与他人聊天和阅读,能够增加出行中的净情绪值,让出行变得更有意义、更具轻松感。
2.2.2 地铁出行
根据图5的地铁出行研究结果,地铁出行的情绪体验与出行区域、出行目的、出行陪伴、出行时间和距离以及出行期间活动密切相关。首先,在出行区域方面,相较于南山科技园,福田中心区的出行压力更大。这主要是由于福田中心区作为深圳市中心的高密度地区,面临交通拥堵和停车难等问题。不过,由于交通网络发达,地铁出行相对便利,因此福田中心区的情绪幸福感较高。其次,在出行目的上,以教育为目的的出行情绪幸福感较低,可能因为这类出行常缺乏自主性,增加了出行者的压力。而有伴侣、室友或同事陪伴的出行能提升幸福感,可能与陪伴者带来的情感互动和安全感有关。在出行时间和距离方面,午夜出行和长距离出行会增加压力和疲惫感,可能与安全风险和缺乏社会支持有关。最后,在出行期间活动方面,工作会增加负面情绪,而阅读和听音乐则能减轻沮丧感,提升幸福感,表明选择轻松愉快的活动能够改善情绪体验。
这些结果对城市交通规划和个人出行方式选择具有重要意义,也为提升公共交通系统的服务质量提供了参考。总体而言,公交出行与地铁出行的比较表明,福田地区居民选择公交出行可能会带来更愉快的体验,尤其是在福田其他地区乘坐公交前往工作的人群中,他们的出行愉悦感高于福田中心区居民。相对而言,地铁出行可能带来更多压力,特别是在福田中心区,乘客更容易感受到不适和压力。无论是购物还是教育出行,地铁似乎更容易引发消极情绪。出行时间和距离对出行者的情绪也产生了影响,长时间和长距离的出行通常会增加沮丧感。然而,在出行过程中进行一些活动,如与人聊天或阅读等,可以有效提升幸福感,尤其是在地铁出行中的效果更为明显。
2.3 个人及家庭因素对公共交通出行情绪幸福感的影响
2.3.1 公交出行
研究发现,个人及家庭因素对公交出行的情绪体验产生了显著影响。首先,在家庭收入方面,月收入超过2万元的家庭倾向于感受到出行有意义感,可能是因为高收入家庭在社会贡献方面更为显著,自我价值认同感较高。其次,家庭结构也影响了出行情绪幸福感。与单身无孩家庭相比,已婚或有孩子家庭通常更幸福。这可能源于家庭成员之间的情感支持和孩子带来的喜悦,从而减轻了压力。在教育程度方面,高中学历的出行者更容易感受到出行疲劳,可能与经济和社会压力增大以及出行选择的限制有关。拥有自行车的人则倾向于认为出行更有意义,这可能与骑行对身心健康有益以及避免交通拥堵和停车问题有关,进而提升了出行效率和灵活性。最后,在年龄因素上,31~45岁的中年人相比于25岁以下的年轻人更容易感受到出行的痛苦和压力,可能是因为中年人需承担更多的家庭和社会责任,同时也可能受到慢性疾病的影响,影响了他们的出行体验。
2.3.2 地铁出行
地铁出行在多方面呈现出与公交出行不同的趋势。首先,家庭月收入方面,与公交出行不同,家庭月收入超过2万元的地铁出行者往往感到更大压力和沮丧,这可能是因为高收入人群面对更高的工作压力,且对地铁拥挤、安全问题的关注度更高,也对噪音、气味及无窗外风景的封闭车厢环境等因素更敏感。其次,住房资产方面,拥有住房的地铁出行者通常更为幸福,这可能是因为他们享有更多的自由和安全感,减少了租金或房贷压力的负担。此外,家庭结构也影响幸福感,有孩子的家庭相比于单身无孩者更少感到压力,这与公交出行的结论一致,这可能源于家庭成员之间的支持和互动。最后,拥有自行车的地铁出行者往往压力更小,这可能是因为其在出行方式上有更多选择,也更能享受骑行户外运动的内生性效用,即出行本身带给人们的轻松和愉悦。
总体而言,公交出行和地铁出行受个人和家庭因素的影响各有不同。对于公交出行,家庭月收入超过2万元的人更倾向于认为出行有意义,有孩子或已婚家庭则普遍感到更幸福。相比之下,地铁出行中,高收入家庭更容易感到压力和沮丧,而拥有住房资产的乘客出行中感到更幸福。有孩子的家庭出行压力感相对较小,拥有自行车的人在两种出行方式中的出行压力感也较低。因此,家庭经济状况和家庭结构对公交与地铁出行体验的影响存在差异。
3 结论与建议
3.1 结论
本研究基于深圳上班族的问卷和Daynamica出行链数据,通过ArcGIS进行空间划分,应用线性混合效应模型探讨深圳市上班族的公共交通出行行为对公共交通情绪幸福感的影响,主要研究结论如下。
3.1.1 公交与地铁出行对情绪幸福感的差异
本研究深入探讨了公交与地铁出行对上班族情绪幸福感的显著差异,为现有文献提供了新的视角。研究结果表明,福田非中心区域的公交出行显著提升上班族的情绪幸福感,这与de Jong等[36]的研究结果一致,他们指出低人口密度区域的公交服务通常能够提供更佳的上班族体验。本研究强调公交服务的规律性与低拥堵水平对情绪幸福感的积极作用,补充了Glasgow等[34]关于交通流量与情绪关系的研究。相比之下,福田中心区的地铁出行则显著增加了上班族的压力。这一发现与陈绍宽等[37]的研究结果一致,他们指出高密度区域的交通拥堵对上班族情绪产生了负面影响。尽管福田中心区的地铁交通网络发达且出行便利,但拥挤感和繁忙的环境仍然增加了出行者的压力。本研究进一步拓展了对地铁出行压力源的理解,具体揭示了高密度区域如何加剧地铁出行者的负面情绪。
3.1.2 出行目的、时长等对情绪幸福感的影响
研究发现,不同的出行目的和时长对公交出行中的情绪幸福感具有显著影响。具体而言,购物出行会引发更多负面情绪,而以娱乐休闲为目的的出行则提升了出行情绪幸福感。这与Friman等[38]的研究一致,后者指出购物活动常伴随体力消耗和心理压力,而娱乐休闲则有助于缓解压力、提升情绪幸福感。此外,研究发现,以教育为目的的地铁出行通常导致较低的情绪幸福感,可能是由于这类出行缺乏自主性,增加了出行者的压力与负担。这一结论与Lehto等[39]的研究相同,他们指出教育相关的出行常常受到时间和空间限制的制约,导致出行者的情绪体验下降。在出行时长方面,超过30 min的公交出行增加了沮丧情绪,这与贾思琦[15]的研究结果一致,强化了时间成本与心理负担之间的关系。有伴侣、室友或同事陪伴者在地铁出行中幸福感更高,情感互动在公共交通中作用明显,呼应了Su等[40]的研究,表明在公共交通环境中,陪伴对减轻压力、提升情绪幸福感的作用不容忽视。
3.1.3 个人及家庭因素对情绪幸福感的影响
个人及家庭因素对公交与地铁出行的情绪体验产生了显著影响。高收入家庭通常更倾向于感受到出行的意义,与Papagiannakis等[41]关于高收入家庭在社会贡献和自我价值认同方面较为突出,从而对出行意义有更高感知的结果一致。在地铁出行中,高收入人群压力增加,这一结果与Ha等[42]的发现有所不同,后者主要关注收入对出行选择的影响,而本研究深入探讨了高收入家庭在地铁出行中面临的拥挤和环境问题,强调高收入者对环境因素的敏感性,为未来城市交通研究提供了新的视角。在家庭结构方面,已婚或有孩子家庭在公交和地铁出行中幸福感较高,与Mouratidis[43]关于家庭成员情感支持的积极影响作用一致。本研究还发现,拥有住房资产和自行车对出行情绪的正面影响,这与宋伟轩等[44]的研究结果一致,强调住房稳定性和出行方式灵活性对出行情绪的积极影响。
综上所述,本研究不仅验证了现有文献中的相关结论,还为研究出行情绪幸福感提供了新的视角。具体而言,研究深入分析了公交与地铁出行情境下情绪幸福感的差异,进一步深化了对深圳市不同区域、不同出行行为及社会经济属性等因素对出行者情绪影响机制的理解。这些发现不仅为深入理解上班族出行情绪幸福感提供了重要案例研究成果,也为国土空间详细规划相关编制内容提供了理论支撑。
3.2 建议
在国土空间总体规划向国土空间详细规划的传导落位过程中,基于本研究结果,从以下3个方面提出以提升人群出行情绪幸福感为目标的规划建议。
3.2.1 考虑城市密度差异的详细规划单元建议
在国土空间总体规划向详细规划的传导落位过程中,考虑不同城市密度区域的出行情绪幸福感差异,并从以下三方面出发编制详细规划单元。一是科学确定开发强度,根据详细规划中单元分类及区位特点,合理控制开发密度,特别是在城市中心区域的更新单元及非中心区域的其他建设单元;二是推进全域公共交通网络建设,在现有公交网络基础上优化公交线路布局,尤其在低人口密度区域增加公交线路的覆盖率和班次频率,加强低密度区域与主要居住区、商业区及公共服务设施间的连接,提升公交出行的便利性;三是增强高密度区交通枢纽功能,建议在高密度区域的交通枢纽增加换乘站设施种类、数量和质量,如候车区、休息区及便民设施(如洗手间、饮水机、母婴室等),并增加周边绿化和公共空间,为出行者提供更为舒适的等候环境,从而缓解出行压力,提升整体出行体验。
3.2.2 基于日常行为的交通服务与设施规划建议
社会经济属性和家庭结构显著影响居民的日常行为活动和幸福感,因此建议根据社会经济属性特征提供差异化交通服务,提升公共交通的普适性。第一,不同收入群体的日常行为活动与出行需求具有明显差异,高收入群体更关注交通服务的质量和准时性,在该类群体日常活动区域(如居住、购物、就医、休闲活动等)规划更高标准的交通服务与设施,以满足其期望。第二,低收入群体更注重公共交通的可达性和经济性,在其日常活动区域提供票价合理和线路便捷的公共交通设施与服务。第三,对于有陪伴需求的出行群体,如带孩子的家庭,建议在换乘中心和公交站点规划休息区、咖啡厅及小广场等社交场所,提升出行的安全性和便利性。第四,在居住区、教育及医疗设施附近设立家庭友好公交站点,并增设儿童座椅,以提供更友好的出行环境,精准回应不同社会群体的需求。
3.2.3 关注出行活动的规划实施和监测评估建议
在城市国土空间详细规划的规划实施和监测评估阶段,一是从人群出行目的、出行时长等角度,在底线约束的基础上,对城市空间结构、功能单元、详细规划单元进行动态监测评估,明晰其对人群出行时长的影响。在构建15 min生活圈的基础上,探寻规划30 min公交城市的可行性,特别关注主导功能为休闲娱乐、商业服务等详细规划单元的布局和更新。二是推动情境化公共交通服务的实施,建议在人流量密集区域增设公交线路,并在特定时段提供优惠票价,根据人群需求动态调整公交服务,从而提升出行便利性和愉悦感;同时,提供灵活调度的定制公交服务,通过实时交通数据和乘客需求动态调整线路和班次,尤其是在高峰期和节假日期间。三是在国土空间规划的实施和监测评估中,建立公众参与机制,针对上班族出行需求进行调研与反馈,以更好地调整和完善公共交通服务。通过定期开展幸福感调查,收集居民对公交和地铁服务的意见,动态优化公共交通系统,确保与民众需求紧密结合,最终实现公共交通与城市高质量发展相互促进。
受到文章篇幅和研究内容影响,本文尚有以下不足之处:首先,由于Daynamica数据收集成本较高且耗时较长,本研究仅采用了4 097条出行分段数据进行研究。未来研究应扩大样本量,以提升研究结果的普遍性和代表性。其次,本研究基于深圳市上班族的问卷调查数据和出行链数据的横截面数据,未能揭示公共交通出行行为与出行情绪幸福感随时间变化的动态关系。后续研究可通过纵向跟踪,利用多年份数据观察出行行为的长期趋势和变化。最后,本文聚焦于出行链分析,未充分纳入建成环境因素对出行情绪幸福感的影响。未来研究应将建成环境要素纳入分析框架,以全面评估其对出行情绪幸福感的影响,进而为国土空间详细规划提供更具针对性的建议。