文摘
分析了activity-trip链接在南京城市低收入人群的行为,中国,基于特定的低收入居民出行调查南京城市(2010),和南京城市居民出行调查的数据库(2009)。个人信息提取活动参与和旅行连锁店的日常旅行日记,与个人和家庭特征。相关分析和规范化流程,使用软件阿莫斯,两个结构方程模型分析之间的关系制定个人的社会人口、活动持续时间和旅行的低收入人群和non-low-income种群链,分别。七个家庭特点和六个人特征选择作为外生变量,而4指数活动持续时间和索引访问链雨夹雪的内生变量。结果表明,城市低收入人群的activity-travel行为是非常独特的,提供有前景的洞察activity-trip穷人和扩展的链接行为需要制定有效的交通政策专门为城市低收入人群在发展中国家。
1。介绍
由于快速的城市化在发展中国家,大量的农民群体对城市区域和在那里工作。这些农民工与城市居民失业包括城市低收入人群的主要部分在发展中国家。然而,近年来,大城市的房价飙升部队城市低收入人群转移到发展中国家的城市边缘;与此同时,这些低收入居民交通成了一个大问题。如何满足城市低收入居民的旅游需求,如何为他们提供廉价和方便的服务需要解决的紧迫问题。低收入居民旅游行为的研究有助于促进社会公平和正义,缓解社会矛盾,构建和谐社会。
解决城市低收入人群的各种交通问题在发展中国家,应先捕捉他们的activity-travel行为的特点。一个基于活动的调查方法被选中,因为它通常比其他方法收益率较高的旅行回忆,因此比较适合在富勒的复杂性旅游行为进行调查。作为一个非常灵活的参数线性多元统计建模技术,结构方程建模(SEM)已被证明有相当大的潜力在建模基于活动的旅游需求建模。
本文的主要目的是探索的特点activity-trip urban-low-income链接行为的人口在发展中国家。具体来说,我们使用结构方程来分析社会人口的相关活动参与,访问链接城市低收入人群的行为和捕捉最关键的因素,影响旅游行为的穷人通过比较城市低收入人口和non-low-income人群。我们的研究结果预计将进一步增加了丰富的知识基于活动的旅游需求建模通过关注城市低收入人群,同时为制定有效的政策提供有用的信息保障穷人的廉价和方便的旅行。
本文的组织如下。在下一节中,我们简要回顾相关的文献研究的主题。节3介绍结构方程建模的原则。部分4描述了本文中使用的数据。部分5介绍了开发和校准的模型。部分6提出了选择模型估计结果的结果。最后,本文提出了结论和未来的研究方向。
2。文献综述
在文献中,旅游城市低收入居民的行为并没有被研究过多少由于有限的数据。列出了一些代表性的研究如下。
朱利亚诺等人研究了使用公共交通的低收入家庭,他们宣布公共交通并不是一个合理的替代私家车对大多数人来说,贫穷或不贫穷1,2]。Blumenberg和哈斯声称福利受益人无限制地汽车有更高的就业率和报告更少的交通问题3]。克利夫顿了几面临的挑战有兴趣贫困之间的交叉和旅游行为和引入机会探索低收入旅行使用一些新方法(4]。麦当劳等人发现,免费巴士通过程序增加低收入学生的公交客流量和课外参与;他们还发现,增加公共汽车使用更大的免费巴士通行证持有人中,公交服务水平较高的地区,高中学生中5]。
上述研究都是基于发达国家的数据。最近,一些研究开始关注发展中国家的低收入人群。使用一个活动日志调查管理在开普敦,南非的城市,behren发现nonmotorized旅行发生的模式,与工作无关的用途和非高峰时期,是相当大的。他们还认为,限制机动分析的重点,工作,和高峰期trip-making可以创建严肃的对旅游行为的本质的误解,尤其是低收入家庭(6]。Srinivasan和罗杰斯调查了70户家庭位于两个不同地区的钦奈(印度城市)。结果表明,居民集中位于结算更有可能使用nonmotorized旅游模式比周边地位于当地居民7]。
最近,研究人员更加关注低收入人群的流动。Thakuriah等人提出了一个感知服务重要性指数(PSI)评估低收入交通服务(8]。泰勒等人关注的汽车旅行的角色选择和低收入家庭的需求,他们得出的结论是,汽车显然扮演着一个重要的角色在低收入家庭的生活9]。高和约翰斯顿审查可能影响汽车保有量的提升和运输可访问性改进工作,旅行,工作,旅行的好处,对低收入家庭10]。
然而,大多数的旅游行为的研究属于低收入人群trip-based,忽视活动参与对旅游行为的影响。这些研究已经检查访问链接的行为。
经过30年的发展,基于活动的旅游需求建模已广泛应用于旅游行为分析,但是很少有专门为低收入人群活动旅游需求模型。与此同时,由于提高软件的可用性,结构方程建模(SEM)已经成为一种有效的工具模型旅游行为,尤其是在基于活动的旅游需求建模的领域(11]。
Kitamura等人是第一个应用扫描电镜在建模联合对活动持续时间和旅行的需求。根据加州时间使用调查数据,他们证实了负反馈的通勤时间与工作无关的活动(12]。Lu和不描述了开发、评估和解释模型的有关社会人口、活动参与、和旅游行为。使用结构方程建模方法与旅游行为的内生变量指标,一组复杂的同时估计感兴趣的变量之间的相互关系。他们发现,旅游行为可以更好地解释为包括活动参与从内部模型中比仅通过社会人口(13]。Golob联合估计模型的工作和非工作活动持续时间,四种类型的链,和三个旅行时间支出的措施。在这个模型中,最大似然(ML)估计应用于波特兰数据,工作和家庭的影响和住宅的可访问性也探索了(14]。
最近,使用基于活动的出行调查收集的数据在华盛顿特区的大都市,[]和Pendyala进行探查分析乘客的活动和旅游模式的调查和评估社会人口之间的关系,活动的参与,和旅游行为。模型的估计结果表明,重要的权衡之间存在家庭和户外活动的参与15]。钟和安使用结构方程模型来分析日常活动的参与和旅游行为在一个发展中国家。他们证实,在工作日和周末活动模式显著不同。此外,他们发现,在工作日期间有一些日常活动的参与和旅游行为模式的变化(16]。
由于现代和繁忙的生活方式,人们的旅游行为正变得日益复杂,尤其是在快速的发展中国家。因此,更好地了解旅行链决策是必要的交通研究人员和政策制定者。在过去的几年里,研究人员开始研究trip-chaining行为发展中国家(17,18]。然而,我们所知,目前还没有专门为发展中国家的低收入人群的研究,这项研究的主要焦点。
总之,先前的研究已经证实,活动参与与旅游行为有很大的关系,特别是在时间使用。然而,少工作已经完成探究活动参与的影响在链接专门为低收入人群。因为先前的研究主要集中在家庭在发达国家,有一个伟大的需要制定社会人口的关系,活动的参与,和城市低收入人群的访问链接在发展中国家,比如中国。
3所示。方法
为了估计的联立模型社会人口之间的相互关系,活动持续时间,访问链接城市低收入居民的行为,我们应用结构方程模型(SEM)的方法。此外,我们也感兴趣的一个变量对另一个的直接和间接影响,可以由结构方程模型的估计结果提供。
由于本研究中使用的所有变量观测变量,结构方程模型没有因此潜变量简化为以下形式: 在哪里是一个列向量的内生变量,是一个列向量的外生变量,是一个矩阵()对之间的直接影响内生变量,是一个矩阵()与外生变量相关的回归效应,是一个列向量的错误条件,与标准假设是不相关的。此外,我们表示的协方差矩阵和的协方差矩阵。
结构方程系统估计covariance-based结构分析,样本协方差之间的差异和模型隐含的协方差矩阵是最小化。covariance-based估计过程的基本假设是,观察到的变量的协方差矩阵是一个函数的一组参数见以下方程:,在那里是总体观察变量的协方差矩阵,是一个向量包含模型参数,的协方差矩阵写成一个函数。
矩阵有三个组件,即协方差矩阵的的协方差矩阵与的协方差矩阵。然后,它可以显示
的未知参数,,,估计这隐含协方差矩阵是尽可能接近样本协方差矩阵。为了实现这一目标,拟合函数要最小化,定义。拟合函数的属性是标量,大于或等于零当且仅当,连续和(19]。
几种方法可以用来估计参数在结构方程模型中,包括:最大似然(ML),未加权的最小二乘(摘要),广义最小二乘(gl)和对角加权最小二乘(设计水线)。在本文中,我们主要使用了ML估计方法。
4所示。数据描述
这座城市为本研究选择南京,江苏的首都,中国。总土地面积6589平方公里,城市人口八百万(2013年),南京是中国东部的第二大商业中心在上海。
有两个来源的数据;低收入人口从一个特定的旅游集团南京城市低收入居民的调查》(2010)和群non-low-income来自南京城市居民出行调查的数据库(2009)。在这两个调查,受访者被要求记录他们的活动和旅游信息在一个工作日内旅行日记。除了活动和旅行信息,每个被调查者报告通常需要他/她的家庭和个人社会人口。
在低收入人群的具体调查(2010),1000份问卷被送到低收入人群居住在南京城市的三个部分,包括贫穷地区城市(300册),福利性公共住房社区,城市边缘地区(200册),以及经济适用房社区在城市边缘(500册)。然后,完全从所有调查地区904份问卷返回。
non-low-income集团由居民的人均年收入高于最低工资南京城市的阈值。因此,从数据库中选择8666 non-low-income居民的居民出行调查南京市(2009)。消除缺失数据和执行逻辑检查后,我们选择低收入组的846人和7534人non-low-income组。
基于先前的研究和社会人口属性和内生变量的单因素分析,7家庭属性和6个人属性选择作为外生变量,而活动参与和旅行的指标选择链作为内生变量。特别是,描述符定义的活动参与时间四种类型的活动:家庭、生活、维护、和休闲。定义的访问链接特征描述符的4项,即数量的工作链,旅行时间的工作链,与工作无关的连锁店,旅行时间非工作链(见表1)。
外生变量的统计特征如表所示2和3。它可以发现,67.5%的低收入居民生活在城市边缘,而60.1%的non-low-income居民生活在主城区。家庭年收入的低收入人群主要集中于低组10000 ~ 20000和20000 ~ 50000元,分别占32.6%和45.0%。相比之下,non-low-income同行关注middle-to-high组20000 ~ 50000和50000 ~ 100000元。注意,18.2%的低收入家庭至少拥有一辆汽车,13.9%的低收入个人持有驾驶执照,这表明汽车开始进入中国城市家庭,甚至不太富裕的。
表4显示了由8个内生变量的统计特征描述符的活动和旅行链接。注意,平均而言,户外活动时间少的低收入组比non-low-income组。访问链的数量表明,低收入人群通常少做户外活动。
5。模型规范
的基础上,基于活动的旅游需求理论和以前的扫描电镜研究,一个可能的结构方程建模框架是如图1捕捉社会人口之间的相互关系,同时活动的参与,和访问链接。
有三个基本假设在初始SEM模型。首先,社会人口特征影响的活动参与和旅游者的旅游行为。第二,参与家庭活动的增加将减少所花费的时间户外活动,户外活动的三种类型相互影响。第三,家庭和个人特征不仅直接影响访问链接的行为,但也通过活动参与的个人影响间接访问链接。
上述初始SEM模型估计用AMOS 7.0的软件。最大似然(ML)方法被选为估计的方法,因为它收敛更快,结果也更容易解释与“分布自由”的方法(例如,设计水线)[14]。一般来说,初始模型不执行;因此,它需要一些修改通过添加或删除链接根据他们的意义提出的模型输出和可解释性。修改程序后,我们得到两个最终模型,如图2和3。
表5列出两个模型的拟合优度。代表低收入群体,为模型79.8和88的自由度,值为0.722(大于0.05),表明零假设()不能被拒绝。配合其他措施,比如GFI = 0.991(范围从0到1),和均方根误差近似(RMSEA = 0.000)也发现被模型符合可接受标准的结构方程模型。Hoelter是至关重要的(CN)统计发现1175(大于200被认为是一个不错的选择),这是值的样本大小的拟合函数将导致拒绝零假设,(例如,),在选择的显著性水平。同样,模型B,这是属于nonpoor,也很满意。
6。模型估计结果
表6- - - - - -10模型的估计结果和模型有三种不同的类型的关系可以获得从结构方程建模过程。他们被称为直接影响、间接影响,分别和总效应。注意,直接和间接影响可能是不同的迹象,因此有重要影响的总效应。例如,它可以出现在桌子上10(建模)生存活动持续时间(D_S)有一个负直接影响()和积极的间接效应()工作的旅行时间链(T_W)。因为D_S负直接影响了吗D_M和D_L(例如,−−0.090和0.418,分别地),这两个直接的负面效应在T_W。根据分析理论影响,间接的影响D_S在T_W可以计算为。因此,总效应(0.028)D_S在T_W是直接影响(的代数和)和间接影响()。
是可以找到强有力的关系存在在社会人口、活动参与、和旅游行为,为穷人和nonpoor。在接下来,我们将详细地分析影响从4方面:社会人口对活动持续时间的影响和访问链接,活动持续时间对彼此的影响,trip-chaining对访问链接的影响,对访问链接行为活动持续时间的影响。
6.1。社会人口的活动持续时间和旅行链接的影响
从表6和7,我们可以看到,在两组,一些社会人口显著影响所有四种活动和四个访问链接变量。家庭和个人特征是系统重要的解释活动的参与和旅游行为的差异包括房子的位置、收入、学龄前儿童,年龄,性别,和教育水平。
在数据相结合的路径图2和3,也可以发现有更多的家庭特征影响低收入人口的活动参与(12路线从家庭特征活动持续时间从个人特征和11路线活动持续时间),而个人特征更有影响力的活动参与nonpoor(7路线从家庭特征活动持续时间从个人特征和17路线活动持续时间)。此外,社会人口有更多的直接影响(22路线)trip-chaining低收入组比nonpoor(17路线)。
具体地说,学龄前儿童的数量显著影响低收入组的活动持续时间,但它没有对non-low-income集团的影响。相反,IC因素并不影响低收入人群的活动持续时间,而是对人口收入具有显著的影响。
6.2。活动持续时间对活动持续时间的影响
从表8,它可以发现4活动持续时间遵循相同的框架之间的交互作用在模型A和B。D_H负直接影响到户外活动的时间,D_M有负面影响D_M和D_L,D_M有负面影响D_L。
然而,的值影响不太相似的两个模型。例如,绝对值的影响D_H在其他活动持续时间模型都小于模型B,而的影响D_M在D_L在模型比同行更大模型B,这表明之间的权衡4类型活动是不同的两组。可以解释,低收入人口多花点时间在家里和低价值的时间由于其低社会地位和有限的社交网络。
6.3。访问链接在链接的影响
根据表9trip-chaining特征的影响,彼此也遵循类似的框架模型。具体地说,N_W有积极的影响T_W和负面影响当和T_O,T_W有负面影响当和T_O,当有负面影响T_O,这表明有良好的人际关系和权衡工作和非工作链链。
注意,影响工作链的绝对值非工作的穷人比链nonpoor。它可以解释说,低收入居民较少的自由参加不同类型的活动除了工作由于他们的经济地位。
6.4。活动持续时间在链接的影响
评估结果表10显示,为穷人和nonpoor,旅行是来自活动参与。活动持续时间也会影响访问链接行为除了社会人口。例如,我们发现工作链的数量(N_W)和旅行时间的工作链(T_W4类)是直接影响的活动。我们也发现N_W增加的D_M或D_L减少,而当增加D_M或D_L增加。
从表10,我们也可以发现,在不同模型中,相同的变量之间的影响是不同的。例如,的绝对值总效果的D_M在N_W更小的低收入组比non-low-income组;然而,相应的绝对值直接影响和间接影响更大的模型比模型B。
一般来说,影响的绝对值模型B是大于的模型,这表明活动参与对访问链接特性有较大影响的non-low-income人口比穷人。这种情况可能是由于低收入群体的样本容量(846)远小于non-low-income集团(7534);因此,总的来说,活动持续时间和访问链接行为的因果关系在模型B比透露,在模型。
7所示。结论
本文着重于activity-trip链接城市低收入人群的行为在发展中国家。使用南京城市居民出行调查的数据(2009)和一个特定的旅游调查南京城市低收入居民(2010),我们提出了两种结构方程模型来研究社会人口之间的关系,活动的参与,和旅游行为的低收入人群和non-low-income南京城市的人口。基于模型的输出,我们分析两组的四个类别的影响。一般的结果可以概括如下。
第一,平均而言,低收入人群采取的户外活动的持续时间小于non-low-income的人口,和少访问链和总旅行时间表明,低收入人群通常少做一些户外活动。
第二,社会人口之间的关系、活动持续时间和访问链接的两组可以被提议的SEM模型,和大多数的估计效果非常类似的文献报道。
第三,结构方程模型遵循相同的建模框架。因此,activity-trip链接行为的低收入人群和non-low-income人口有着某些相似之处。例如,社会人口,特别是家庭收入;住宅位置;年龄;和性别显著影响activity-trip穷人和nonpoor的链接行为。
最后,低收入人群activity-travel行为有一些独特的特点,它不同于那些non-low-income人群。例如,家庭特征有更多影响低收入人口的活动参与;权衡了两组的四个类型活动是不同的;工作链的影响在非工作的穷人是链大nonpoor比;一般来说,活动参与的组织有更大的影响在链接non-low-income居民比低收入居民。
基于这些发现的旅游行为特征的城市低收入人群在发展中国家,以下政策建议为政府和运输机构。(1)采用transit-oriented交通规划策略,如添加新的班车从低收入人口集中地区地铁站开放新的公交线路在低收入社区一步一步。(2)为了减少低收入居民的货币成本,政府可以补贴直接改善社会公平或两个或两个以上的公交车运营公司介绍打破垄断,从而提高公交服务水平,降低公共汽车票价。(3)长期规划,城市应该从单中心模式变换多中心发展模式。与此同时,政府应该考虑混合土地使用和创造更多的工作机会在居民区附近的低收入人群,低收入居民在城市边缘不会把两个多的时间浪费在行程链。(4)为低收入成年人提供更多的职业培训,提高他们的赚钱的能力。此外,保障低收入居民的下一代能接受高质量的教育,帮助他们沿着社会阶梯攀升。这些政策可以从根本上改变他们的劣势的旅行。
这项研究提供了前景的洞察的activity-travel行为穷人和扩展了需要制定有效的交通政策专门为城市低收入人群在发展中国家。然而,这项研究可以扩展的以下方面:(a)进行具体研究权衡家庭和户外活动之间的关系;(b)研究旅游活动参与和链接之间的交互行为在两个或两个以上的连续的日子;(c)考虑家庭水平activity-travel行为特征而不是个体层面;(d)提出采用SEM模型到其他城市在发展中国家。希望可以解决这些问题和其他人在未来。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究是由中国国家自然科学基金(国家自然科学基金委,不。51078085,51178109,51178110,51378119),江苏省研究生创新项目(没有。CXZZ12_0113),基础研究基金为中央大学,中国。作者想表达他们的升值对南京城市与交通规划研究所有限公司,有限公司,特别是在获得有价值的帮助和解释数据用于这些模型。