彭繁莹∣通勤时耗、通勤方式及通勤活动对通勤享受的影响

在居民日常出行中，通勤出行是最主要的出行目的。以北京市为例，2021年中心城区通勤类出行(包含上下班和上下学)占出行总量的51.2%，其中上下班占41.9%^[1]。因此，通勤出行状况是评价交通绩效和交通举措的重要指标^[2]。已有通勤出行研究大多聚焦于负面影响，对通勤满意度和通勤压力的研究可能低估了通勤出行带来的积极情感和益处。移动通信技术、智能手机以及其他智能设备的普及极大丰富了城市居民的通勤出行过程，并将一部分通勤时耗转化为生产时间或休闲时间^[3]。通勤出行不再仅仅是采用一种简单的交通手段到达目的地，而是可以拥有乐趣的出行旅程^[4]，其本身具有内在的积极效用^[5]。作为衡量通勤出行积极效用的要素，通勤享受(Commute Enjoyment)^[6]反映了通勤者对通勤出行的正向态度和感受。认识通勤时耗的积极效用对交通规划者来说是一个新的挑战，通过调查通勤者对通勤享受的态度和看法，可以从新的角度建立通勤出行评价指标，完善通勤出行研究体系，同时更精准地刻画通勤出行行为，为交通政策制定者和规划者优化、促进可持续的通勤行为提供建议。

已有通勤出行研究以城市功能结构、职住分布、交通基础设施布局和交通服务供给等因素为出发点，重点关注通勤方式、通勤距离、通勤时耗等方面。作为衡量通勤出行状况的重要指标之一，通勤时耗和通勤方式反映了居民的通勤需求和城市交通现状^[7]。因此，本文以北京、上海、广州、深圳4个超大城市作为案例，研究通勤时耗、通勤方式以及通勤活动3项重要指标对通勤享受(上下班)的影响，旨在提升通勤者生活满意度和主观幸福感，促进城市交通良性发展，助力实现“人民享有美好交通服务”的愿景。

通勤享受是指在通勤出行过程中产生的积极和正向的情感价值。1998年，A. N. Kluger[6]提出通勤享受的概念，并作为衡量通勤压力的一个分项。早期研究中，通常将通勤享受作为衡量通勤压力或通勤满意度的一部分进行探讨^{[3, 6, 8]}，还有一些研究整体论证了出行享受，但并未针对通勤出行单方面的积极效用进行深入探讨^[4-5]；后续研究者针对通勤享受的积极影响进行了进一步探索^{[2, 9-10]}。通勤享受目前尚未引起中国绝大多数研究者的注意，因此探讨通勤享受的测量及其影响机制具有重要的理论和实践意义。

研究者针对通勤享受的测量开展了初步探索。A. N. Kluger^[6]采用两道单选题对通勤享受进行测量，并运用回归分析检验了通勤距离与通勤享受之间的关系；C. Rissel 等^[2]和K. Crist 等^[11]采用单一测量题项以及单变量logistic回归和线性回归探讨通勤方式与通勤享受的关系；A. Páez 等^[9]采用14个题项的李克特5点计分法测量通勤享受，分为两个维度：一方面测量出行感受，另一方面测量通勤者对社区环境和交通设施的态度，并采用回归分析方法比较不同通勤方式之间通勤享受的差异。本文综合以上内容设计适合中国实际情况的通勤享受测量量表。

在通勤享受影响机制的已有研究中，关于影响因素的探讨多集中在通勤时耗、通勤方式以及通勤活动等方面。

1）作为通勤出行的重要研究对象，通勤时耗有很强的代表性^[12]，但有关通勤时耗与通勤享受之间的关系研究并不充分。通勤时耗的已有研究多集中在通勤满意度、通勤压力等方面^{[8, 13-16]}。仅有的与通勤享受相关的研究认为，半数通勤者更喜欢20 min或更长的通勤时耗，因为可以在通勤过程中思考和放松，并认为这是一个“换挡”时间，是家庭和工作场所之间的有益过渡^[4]。而这些通勤者拥有更高通勤享受的原因可能是由于在通勤过程中有更多的时间阅读或放松，或更希望独处^[17]。然而已有研究并未论证不同通勤时长与通勤享受的关系。

2）针对通勤方式与通勤享受关系的研究更为深入，但研究结论并不完全一致。大多数研究认为步行、自行车等积极的通勤方式拥有更高的通勤享受，其次是私人汽车通勤者，最后是乘坐公共交通通勤的居民^{[2, 9-10]}。而K. Crist 等^[11]认为，与小汽车和摩托车相比，步行、自行车和公共交通出行的通勤享受更高。虽然每种通勤方式都有长处和短处，但是在部分城市还有相当比例的居民选择私人汽车通勤并从中获得满足和享受^[18]。还有研究显示，部分通勤者在长时间驾驶过程中能够产生“心流”体验^{[2, 6, 19]}。

3）有研究者认为，通勤出行过程中进行打电话、听音乐、思考、放松、阅读、与同伴交谈等活动，或利用互联网和移动通信设备进行工作或其他生产性活动，可以减少出行的无用性，使通勤出行更具吸引力，从而提高通勤享受^{[3, 5, 8]}。D. Ettema 等^[8]进一步研究认为，与其他通勤活动相比，与乘客交谈的积极作用最为显著。但是，这些研究并未深入阐释不同类别的通勤活动对通勤享受产生怎样的影响。

以通勤时耗、通勤方式以及通勤活动3项重要指标作为研究对象进行通勤出行调查问卷设计(见增强出版网络文件附件1^①)，包括人口统计学基本信息(共6题)，3项重要指标相关题项(共5题)，以及4个子量表——通勤享受量表、通勤压力量表、生活满意度量表和通勤满意度量表。2022年11月，通过问卷星调查平台在北京、上海、广州、深圳4个城市进行通勤出行问卷调查，共回收问卷826份。剔除工作时间在1年以下、每周通勤时耗在3天以下以及未通过注意力检查题项的无效问卷，共得到有效问卷709份，问卷有效率为86%。

709份有效问卷中，女性受访者占58.5%，男性受访者占41.5%；20~39岁受访者最多，占84.2%；已婚人群和已生育人群均占较大比例；收入情况分布比较平均，高低两端收入人群占比相对较少；绝大部分受访者为本科学历，占74.7%。受访者人口统计学信息见表1。

表1 受访者人口统计学信息

1）通勤时耗。

通勤时耗设置的题项为“您平时单程的通勤时耗为？”。参照中国家庭追踪调查(China Family Panel Studies, CFPS)中的通勤时耗数据分布方式，结合实际情况以10 min作为间隔进行选项设置。调查结果显示，通勤时耗>10~20 min和>20~30 min的受访者最多，分别占24.8%和25.8%；其次是31~40 min，占17.2%；通勤时耗≤10 min及>60 min的受访者比例最少(见图1)。

图1 通勤时耗分布

2）通勤方式。

参照已有文献中通勤方式的划分方法^{[2, 11, 18]}，结合被调查城市中现有交通方式，通勤时耗设置的题项为“您平时上班(从家去单位)最主要的通勤方式是？”“您平时下班(从单位回家)最主要的通勤方式是？”。选项设置为步行、自行车、公共汽车、地铁、打车(包含网约车、拼车)，以及自驾。调查结果显示，受访者最常用的通勤方式为地铁(40.9%)；其次是自驾(20.7%)、公共汽车(15.5%)；使用自行车和步行通勤方式的受访者占21%；打车受访者最少，不足2%(见图2)。

图2 通勤方式分布

3）通勤活动。

通勤活动设置的题项为“您平时上班(从家去单位)过程中最常进行哪种活动？”“您平时下班(从单位回家)过程中最常进行哪种活动？”。选项设置为休闲娱乐(玩游戏、听音乐、看小说等)、充实自己(学习)、放松休息(睡觉、闭目养神、放空等)、社交(与朋友聊天、刷朋友圈等)、获取资讯(看新闻)、只进行通勤出行、工作及其他(自行填写)。调查结果显示，选择休闲娱乐的受访者最多，占39.1%；其次是只进行通勤出行、获取资讯、放松休息、社交和充实自己；选择工作的受访者较少，仅占1.4%(见图3)。

图3 通勤活动分布

1）通勤享受量表。

通勤享受量表改编自文献[6]的18项通勤压力量表相关内容，其中通勤享受维度包含两个题项：一项为“我的通勤给了我：放松的时间；思考的时间；宝贵的私人时间”；另一项为“我的通勤通过以下方式影响我的工作效率：它给我能量并唤醒我；它降低了我的压力水平”。结合中国文化及语境进行改编和扩充，形成通勤享受量表的8个题项(见表2)。采用李克特5点计分法(1=完全不同意，5=完全同意)进行测量，所有题项分数加和得到通勤享受总分数，总分数越高代表通勤享受越高。

表2 通勤享受量表

2）通勤压力量表。

通勤压力量表以文献[20]的研究为基础。文献[20]包含10个题项：①上班通勤花费的实际时间比必要的时间长；②下班通勤花费的实际时间比必要的时间长；③上班途中我无法避免交通拥堵；④下班途中我无法避免交通拥堵；⑤由于交通拥堵我不得不更早离开家；⑥交通拥堵频繁出现带来不便；⑦我的通勤经常被交通信号灯干扰；⑧我对我的通勤感到满意；⑨我的通勤是不愉快的；⑩我担心通勤途中会发生交通事故。其中题项⑤的表述方式与中文习惯不同，容易造成歧义，故删除，采用剩余9个题项作为通勤压力量表题项。采用李克特5点计分法(1=完全不同意，5=完全同意)进行测量，所有题项分数加和得到通勤压力总分数，总分数越高代表通勤压力越大。

3）生活满意度量表。

生活满意度量表(Satisfaction With Life Scale, SWLS)最早由E. Dinner 等^[21]编制，中文版由熊承清 等^[22]翻译，包含5个题项：①我的生活在大多数方面都接近我的理想；②我的生活条件很好；③我对我的生活很满意；④迄今为止，我已经得到了我生活中想要得到的重要东西；⑤如果我能再活一次，我几乎不会做出任何改变。采用李克特7点计分法(1=非常不符合，7=非常符合)进行测量，所有题项分数加和得到生活满意度总分数，总分数越高代表生活满意度越高。

4）通勤满意度量表。

通勤满意度量表参考文献[23]的研究，包含6个题项：①我对我的通勤出行感到满意；②当想到我的通勤出行，积极方面多于消极方面；③我不想改变通勤出行的任何方面；④我的通勤出行带给我积极的感受；⑤我的通勤出行很顺利；⑥我无法想象出比现在更好的通勤出行了。采用李克特5点计分法(1=完全不同意，5=完全同意)进行测量，所有题项分数加和得到通勤满意度总分数，总分数越高代表通勤满意度越高。

与文献[6]相比，本文的通勤享受量表有较大改动，因此需要进行效度分析，包括探索性因素分析(Exploratory Factor Analysis, EFA)和验证性因素分析(Confirmatory Factor Analysis, CFA)。为保证因素分析结论的有效性，使用SPSS 26.0软件将数据随机分为基本均等的两部分(N_EFA=378，N_CFA=331)，且性别、年龄、受教育程度等人口统计学变量均无显著差异。

1）探索性因素分析。

在SPSS 26.0软件中使用EFA组数据进行分析，得到KMO>0.888，Bartlett球形检验的显著性p

已有研究表明，当因素分析中题项数据的峰度、偏度均小于1时，使用最大似然法可以得到可靠的因子提取结果。此外，由于通勤享受量表各个题项在概念上均存在紧密联系，因此认为两个因子间也存在较高相关性，故使用斜交旋转，以便得到更加准确的结果。如表3所示，EFA结果表明不存在跨因子载荷，因此通勤享受量表无须删减题项。

表3 探索性因素分析的因子载荷

2）验证性因素分析。

使用CFA组数据对EFA组数据得到的因子结构进行验证，一般认为表现良好的模型应满足以下条件：TLI>0.9，CFI>0.9，SRMRr=0.519，p

表4 验证性因素分析模型结果

图4 验证性因素分析载荷

3）效标关联效度。

使用通勤压力量表、生活满意度量表及通勤满意度量表作为效标。校标问卷是经过现有研究多次检验且与通勤享受量表在概念上有明确相关的量表，计算通勤享受量表结果与校标问卷之间的相关关系可以对问卷效度做出更可靠的判断。结果表明，无论是通勤享受量表还是“享受通勤”“享受自我”两个因子，与效标的相关系数均显著(见表5)，说明通勤享受量表具有良好的效标关联效度。

表5 效标关联效度结果

1）代表0.01水平显著。

采用克隆巴赫系数进行信度分析，用以检验通勤享受量表内部的一致性和可靠程度。通勤享受量表总体系数为0.872，“享受通勤”和“享受自我”两因子分别为0.769和0.827，均大于0.7，说明量表信度表现良好。

综上所述，本文使用的通勤享受量表具有良好的信效度。尽管因素分析表明在通勤享受量表内部存在两个彼此高度相关的因子，但本文更加注重通勤享受的整体水平变化，并且在EFA结果中各题项的因子载荷相近。因此，使用8个题项分数均值作为个体通勤享受水平指标参与群体差异检验分析。

采用二次项回归分析和协方差分析检验不同群体中的通勤享受是否存在差异。数据符合方差齐性假设(p=0.018)。分析结果表明：通勤享受在性别、年龄、婚姻状况、收入情况和受教育程度上均没有显著差异；已生育人群和未生育人群的通勤享受存在差异，相比未生育人群，已生育人群有更高的通勤享受水平(p=0.038)。

将通勤享受量表各题项分数均值作为受访者的通勤享受分数，并将通勤时耗数据重新编码为以10 min为间距的连续数据，通过这种方式避免选项本身非线性分布导致的分析可靠性降低问题。

使用通勤时耗作为自变量，通勤方式、工作年限以及人口统计学变量作为协变量进行协方差分析。结果表明，通勤时耗主效用显著，其中通勤时耗为60 min以上群体的通勤享受显著低于>20~50 min的三组受访者(psp=0.01)。

观察不同通勤时耗人群的通勤享受分数(见图5)，认为可能存在非线性关系，因此使用SPSS 26.0软件进行分析。构建包括通勤时耗二次项的回归方程，并纳入人口统计学变量。首先，仅纳入控制变量作为预测变量，得到模型1(零模型)；进一步纳入通勤时耗作为预测变量，得到模型2(线性回归模型)；在模型2基础上增加通勤时耗的二次项，得到模型3(二次曲线回归模型)。结果表明，模型2和模型3均优于模型1，意味着纳入通勤时耗及其二次项显著提升了模型的解释能力。进一步比较显示，模型3显著优于模型2(p=0.005)，且通勤时耗的回归系数均显著(b_通勤时耗=-0.176，p=0.039；b_通勤时耗的二次项=-0.03，p=0.005)(见表6)。曲线回归结果表明：随着通勤时耗增加，通勤享受以29.5 min为分界线呈现倒U形变化(见图5)，即当通勤时耗在29.5 min之内时，通勤享受随着通勤时耗的增加而增加；当通勤时耗超过分界点后，通勤享受随着通勤时耗增加出现了下降。这与已有研究中半数通勤者偏好20 min或更长的通勤时耗有一定的一致性^[4]。

表6 曲线回归分析结果

1)代表ppp

图5 不同通勤时耗人群的通勤享受分数

使用通勤方式和通勤活动作为自变量、通勤时耗以及人口统计学变量作为协变量进行协方差分析，论证不同通勤方式及活动对通勤享受的影响。结果表明：

1）不同通勤方式对通勤享受的影响不显著(p=0.188，F=1.500，partial η²=0.011)。这与已有研究中认为步行和自行车这两种积极通勤方式的通勤享受水平更高的结论不尽相同^{[2, 9-10]}。

2）通勤活动对通勤享受具有显著影响(p=0.034，F=2.178，partial η²=0.022)。根据Bonferroni法校正的事后检验结果发现，相比只进行通勤出行本身的受访者，进行休闲娱乐活动的受访者有更高的通勤享受水平(Mean_{通勤本身-休闲娱乐}=0.226，SE=0.082，p=0.036)。不难理解，在进行玩游戏、听音乐、看小说等娱乐活动时，我们容易拥有更加放松愉悦的精神状态，因此通勤享受水平更高。

本文对北京、上海、广州、深圳4个城市进行通勤出行问卷调查，探讨通勤时耗、方式以及活动对通勤享受的影响机制，编制的通勤享受量表具有良好的信效度，适用于后续研究。主要研究结论如下：

1）通勤时耗与通勤享受存在非线性相关关系。通勤时耗为29.5 min时，通勤享受水平最高；通勤时耗小于29.5 min时，通勤享受随通勤时耗的增加而增加；通勤时耗大于29.5 min时，通勤享受与通勤时耗呈负相关关系。这可能是由于过短的通勤时耗使通勤者尚未来得及享受通勤过程就已经结束，而过长的通勤时耗则会使通勤者感到疲惫从而降低通勤享受水平。29.5 min左右的通勤时耗既可以很好地进行角色过渡，使通勤者有一定的时间进行自己偏好的活动，同时也不会对通勤者造成负担，因此通勤享受水平最高。

2）不同通勤方式之间的通勤享受水平差异并不显著。与西方研究结果不同的是，步行和自行车两种积极通勤方式并没有显示具有更高的通勤享受水平。这可能是由于中国城市的非机动交通出行条件与西方国家相比还有一定差距，例如非机动交通路权难以保障，人行道及非机动车道不连续，非机动交通出行的舒适性及方便性不足，不良的交通行为也威胁着非机动交通通勤者的安全。因此，非机动交通通勤者需要更加关注路况及安全状况，并没有表现出比其他交通方式通勤者具有更高的通勤享受水平。

3）不同的通勤活动对通勤享受有不同影响。通勤过程中进行休闲娱乐活动的受访者的通勤享受水平高于只进行通勤出行本身的受访者。这与我们的日常感受是一致的，当通勤过程中进行休闲娱乐活动时会感觉时间过得更快、身心更愉悦和放松。

基于以上研究结果，对改善通勤交通出行条件提出如下建议：

1）从城市发展角度，应推动城市功能布局均衡发展，推进职住平衡，从源头降低过长的通勤时耗。

2）从交通服务效率角度，应提高城市公共交通服务水平，提高通勤出行换乘接驳水平；加强城市交通基础设施规划建设的合理性，减少交通拥堵；加快建设出行即服务(Mobility as a Service, MaaS)、预约出行服务平台，打通不同通勤方式间的交通壁垒，制定更精准的通勤出行计划；通过城市空间资源和交通资源的合理分配，提供更加合理的通勤出行服务，降低通勤时耗、提升通勤效率。

3）从通勤出行环境角度，应改善非机动交通出行环境及品质，提高非机动交通通勤者的通勤享受水平；加强通信及网络信号覆盖，加强交通信息共享。

4）从优化通勤设施设备角度，促进通勤时耗利用更充分、通勤活动更易开展，减少通勤出行的无用性、增加通勤出行的积极效用，使通勤出行更具吸引力，最终实现“人民享有美好交通服务”的发展目标。

作为城市交通最主要的出行目的，通勤对社会运行效率和人民生活质量有着深远影响。通勤出行的消极影响已经被长期关注和研究，但其积极效用缺乏实证研究。通勤出行的积极影响是辩证看待通勤活动必不可少的一环，对更深入地理解和规划通勤出行有重要的理论和实践意义。未来将会进一步研究通勤享受的可能机制，发掘通勤出行对通勤者生活产生积极影响的相关因素，从通勤享受角度出发为提升居民生活幸福感和工作满意度提供建议和措施，促进社会和企业的健康可持续发展。

注释：

①该文的增强出版网络文件可在中国知网(http://www.cnki.net)在线阅读和下载。

《城市交通》2024年第2期刊载文章

作者：彭繁莹，刘新辉，郑蕊