2. 江苏省智慧城市设计仿真与可视化工程实验室, 南京 210093;
3. 南京大学 建筑与城市规划学院, 南京 210093
2. Provincial Engineering Laboratory of Smart City Design Simulation & Visualization, Jiangsu, Nanjing 210093, China;
3. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
随着经济的快速发展及城市化进程的深入推进,中国城市内部空间结构发生巨大变化。其中,城市空间不断向外拓展,带来居住与就业发展不同步,出现两者之间“空间不匹配”现象[1]。职住分离带来通勤距离和通勤时间的显著增加,使得城市就业者对通勤效率的关注日益突出,因此更多就业者愿意采用小汽车而不是步行或骑自行车的通勤方式。而对小汽车通勤方式的过度依赖则会导致就业者身体活动量不足及承受更大的精神压力和消极情绪,进而引起一系列健康问题[2-5]。
为了增加就业者日常身体活动量,提升其健康水平,进而引导其选择健康和可持续的通勤方式(如步行、骑自行车),适当减少小汽车依赖,需在了解就业者日常通勤模式选择的基础上,进一步探究其行为选择背后的相关影响因素。多年来,国内外学界对通勤者通勤方式的选择进行了广泛的研究,主要基于活动视角探讨出行链组合方式对通勤行为的影响[6, 7]以及不同通勤行为带来的健康效应[8-18]。研究表明,多用途通勤出行比直接通勤出行更倾向于选择机动化通勤方式[6, 7]。不同的通勤方式代表不同的身体活动量,而身体活动量对健康有着重要影响[8, 9]。步行、骑自行车与减轻超重和增加心血管疾病的保护有关[10-12],同时与更高的心理健康水平以及更低的癌症和死亡率风险有关[13, 14]。相比之下,公共交通通勤与压力和睡眠质量显著负相关[15],小汽车通勤与压力、低心理健康和低幸福感密切相关[15, 16]。长时间通勤与居民心理健康负相关[15, 17, 18]。此外,通勤时间过长容易导致居民进行其他闲暇活动的时间大大减少,而这些活动(如运动健身、睡眠等)在一定程度上影响居民健康状况[15]。关于通勤方式选择的影响因素,主要侧重于建成环境对居民通勤出行的影响,其中职住空间周围资源配置,如密度、土地利用多样性、公交可达性、周边商业服务设施、拥有步行道、自行车道及与机动车分离的交通保护设施等直接影响居民通勤方式选择[19-22]。城市规模[23, 24],通勤距离、通勤时间等通勤特征[25, 26],低碳知识与低碳习惯、居民主观态度和认知以及其他心理因素[27-29],年龄、收入、汽车拥有量、家庭人口规模等社会经济属性[30-32],下雨、雾霾等天气因素[33-36]是影响居民通勤方式选择的具体因素,同时也是交通需求预测和管理的重要依据。国内相关研究认为职住地建成环境[37-40]、居民社会经济属性[41, 42]是通勤方式选择的重要因素,这与其他关于通勤方式选择的国际性研究较为一致。此外,通勤与居民居住和就业的关系对通勤方式选择存在一定的影响[43-45],如张艳等对北京的实证研究发现不同类型居住区通勤格局呈现出明显的分化[43]。
综上,国内外学界更多关注通勤方式的选择、影响因素及产生的健康效应等,关于就业者的健康状况与健康行为如何影响其通勤模式选择的研究很少。就业者不同通勤方式选择会带来不同的健康效应[2-5, 8-18],相反就业者自身的健康状况、健康行为可能会影响通勤模式的选择。因此,本文基于健康视角,选择健康状况和健康行为两方面的健康因素,此外还考虑了工作相关变量、天气和空气状况及社会经济属性等解释变量,并以南京市为案例地,探究城市就业者健康对通勤模式选择的影响。鉴于人们对就业者的健康状况和健康行为如何影响其通勤模式选择知之甚少,本文一方面试图扩展和丰富就业者通勤模式选择与健康关系的研究;另一方面以期提出鼓励就业者从小汽车通勤转向积极通勤和公共交通通勤的干预措施,为健康城市的构建提供一定的科学依据。
2 数据与方法 2.1 数据来源研究数据来源于团队开展的“南京市居民身体活动及健康状况”课题调查,调研时间为2017年12月至2018年1月。通过随机抽取的方式选取南京市主城区8个典型社区作为调研区域,采用偶遇抽样方法收集18岁及以上居民日常工作性身体活动、身体健康状况、其他生活方式和习惯以及个人信息等相关数据。共发放问卷1200份,回收1172份,其中有效问卷1102份,有效率为91.83%。
由于本文重点探讨城市就业者通勤模式的选择及影响因素,故筛选出对本文有效的全职就业者问卷共622份。从样本的基本情况来看(见表 1),男性(53.22%)略多于女性(46.78%),样本平均年龄为37.12岁,本科以上学历占比约为77.82%,有驾照和小汽车的人占大多数(71.22%和64.47%),平时接送小孩上下学的就业者比例为18.33%,个人月收入主要集中在4000—8000元。本文调查样本整体上偏年轻化,代表中等偏高收入群体。
已有研究表明,通勤模式选择决策是复杂的,涉及诸多方面的不同因素。如Mattisson等人对健康指标与通勤模式选择之间的关系进行建模分析,将影响通勤模式选择的因素分为四种类型:健康指标、社会经济属性、通勤特征和空间变量[46]。由于本文更多探讨就业者自身健康状况和健康行为对于通勤模式选择的影响,在国内外相关研究成果基础上,结合研究问题,提出本文的理论框架(见图 1),即健康状况、健康行为、工作相关变量、天气和空气状况及社会经济属性5类因素会影响就业者通勤模式的选择。
通勤模式根据就业者通勤过程中选择不同通勤方式所消耗身体活动量的大小来分类。其中,步行和骑自行车身体活动量最大,作为积极通勤模式;乘坐公交和地铁的过程中可能会采取不同通勤方式的组合,如步行、骑自行车转换乘公共交通等,包含一定量的身体活动,作为公共交通通勤模式;机动车通勤模式包括私家车、出租车及电动车出行,就业者基本以静坐为主,身体活动量最小[10-12, 47]。最终得到3种不同的通勤模式。
健康状况与通勤模式选择之间的关联性研究还很少。在少数研究中,Carse等人在一项横断面研究中调查了心理健康、身体健康、身体质量指数(BMI)和通勤模式选择之间的关系[48]。Hansson认为,身体不健康的人可能不会开始或继续选择积极通勤方式[15]。患有高血压、糖尿病的就业者不适应上下班高峰期公共交通的拥挤状态可能会倾向于选择小汽车通勤[49, 50]。本文选择自评健康状态、身体质量指数(BMI)、是否患慢性疾病与是否有亚健康症状4个解释变量,表征就业者主观健康认知和客观身体健康状况。
健康行为变量包括睡眠时间、是否散步、是否运动健身以及是否外出用餐。睡眠时长影响就业者身心健康,如睡眠时间短与BMI升高有关[51],对通勤方式选择存在间接影响;是否散步、运动健身及外出用餐等活动可以反映就业者日常的身体活动状况以及对身体健康的重视程度,可能会影响日常通勤模式的选择。
工作相关变量包括通勤时间、是否加班及工作时身体活动状态。通勤时间和职住距离会影响就业者对于通勤方式的选择,但相比职住距离,就业者更关注通勤时间或通勤效率[52],因此,通勤持续时间被认为是最重要的通勤模式选择指标之一[53]。不同人群工作时长以及工作时身体活动状态影响其身体健康状况,长时间工作被认为对健康有害[16],可能会导致体重增加及与肥胖相关的代谢紊乱[51];长时间静坐工作的就业者在日常通勤中更愿意增加步行的机会,从而对通勤模式的选择产生影响。
天气和空气状况变量包括是否下雨或下雪及空气质量指数(AQI)。已有研究表明,雨雪天气影响就业者是否选择自行车出行[33, 34];在雾霾天,选择步行、骑自行车出行的就业者空气污染暴露总量显著大于乘小汽车出行的就业者,进而会对其健康状况如呼吸道疾病等产生负面影响[35],因此私家车和公共交通是雾霾天就业者出行的首选[36]。
社会经济属性包含就业者的个人及家庭情况,包括性别、年龄、最高学历、职业、个人月收入、家庭人口规模、是否拥有小汽车和驾照、是否接送小孩上下学。已有研究表明性别、收入、教育水平、家庭人口规模、小汽车拥有量对通勤方式的选择有显著影响[37, 38, 43, 44]。
自变量的描述与分类如表 2所示。为防止以上变量存在多重共线性,避免各变量之间相互影响,对解释变量与被解释变量进行多重共线性检验分析。各个解释变量的方差膨胀因子(VIF)最大为1.679 (一般认为VIF值越大则变量共线性越强,VIF ≥ 5时存在复共线性,VIF ≥ 10时存在严重共线性),说明各变量之间不存在多重共线性问题,可以在同一模型中使用。
多项Logistic回归模型适用于因变量的类别为3类及以上,且类别之间并无次序关系,自变量可以同时是离散的或连续的情况,回归结果可以分析多分类因变量与影响因素之间的关系。由于对就业者通勤模式产生影响的自变量包括离散和连续两种类型,且因变量通勤模式为多分类无序变量,因此本文运用多项Logistic回归模型来探究影响就业者通勤模式的健康相关因素。
3 南京市就业者通勤模式选择及影响因素 3.1 南京市就业者的通勤特征与健康特征根据问卷中样本的居住和就业地,在ArcGIS中计算得到居住地和就业地之间的欧式直线距离。南京市8个社区就业者平均通勤时间为29.13 min,平均职住距离为6.87 km。通过职住连线可视化分析,发现南京市8个社区就业者职住连线以社区为中心呈现不规则的放射形格局(见图 2),就业者就业地多集中在中心城区,也有少量就业地分布在新城区和郊区。本文样本的平均通勤距离与通勤时间较短,可能是由于本文调查样本中有一部分比例的就业者属于自由职业者,在家中从事互联网相关工作,职住距离为零拉低了整体平均值。从不同通勤模式所反映的健康特征来看(见表 3),积极通勤模式对应的就业者患慢性疾病的比例最低,有亚健康症状的比例最高;公共交通通勤模式对应的就业者超重或肥胖、有亚健康症状、有散步习惯的比例最低,外出用餐的比例在三种通勤模式中最低;机动车通勤对应的就业者自评健康状态较好的比例远远高于其他两种通勤模式,同时散步的比例在三种通勤模式中是最高的;运动健身的比例三种模式差异不明显。
对各类通勤模式进行多项Logistic回归,选取机动车通勤模式作为参考类别。对回归结果进行检验,发现模型Sig=0.000,伪R2:Cox和Snell=0.541,Nagelkerke=0.609,拟合度均较好。
回归结果显示(见表 4),在健康状况方面,自评健康状态较好的就业者更倾向于选择机动车通勤模式,可能的原因在于此类就业者认为自身精力充足、健康状态较好,能应对机动车通勤过程中的压力与焦虑。但自评健康状态是就业者的一种主观感受,与就业者自身的客观健康状况可能存在一定的偏差。与机动车通勤模式相比,BMI显示不肥胖的就业者更倾向于选择公共交通通勤。Carse等人也研究了肥胖问题,他发现肥胖者在通勤过程中使用汽车的比例明显更高,但这一关联的因果关系尚不清楚[48]。没有慢性疾病的就业者更倾向于选择积极通勤模式,可以理解为此类就业者身体体质较好,能接受身体活动量较大的步行和骑自行车通勤,而患有慢性疾病的就业者更倾向于选择身体活动量较少的机动车通勤模式。没有亚健康症状的就业者更倾向于选择公共交通通勤模式,可能是由于此类就业者更能承受公共交通通勤中拥挤和嘈杂的环境。以上结果均表明就业者对自身健康状况的主观认知和客观健康状况显著影响通勤模式的选择。
关于健康行为变量,与机动车通勤模式相比,平时没有散步习惯的就业者更倾向于选择步行、骑自行车或公共交通通勤模式,可能的原因是相较于特定时间、特定场所的健身锻炼行为,步行、骑自行车上下班以及包含换乘的公共交通可以更好地将增加身体活动量融入日常生活,与此类就业者将通勤过程中的步行、骑自行车等身体活动视为日常生活中的锻炼方式密切相关。不外出用餐的就业者更倾向于选择公共交通通勤模式,可能是由于此类就业者更加注重健康的生活方式,平时饮食清淡,注重身体锻炼。
在与工作相关的变量中,通勤时间与积极通勤显著负相关,与公共交通通勤显著正相关。即通勤时间越长,就业者选择步行或自行车通勤的可能性越小,选择公共交通通勤的可能性更大。此外,不加班的就业者更倾向于选择积极通勤模式,经常加班的就业者更倾向于选择机动车通勤模式,可能是由于加班使就业者身体感到疲倦,使之不愿参与步行、骑自行车这类身体活动量较大的身体活动,因此选择更为轻松舒适的机动车通勤模式。工作时身体活动状态对就业者通勤模式选择的影响不显著。
在天气和空气状况变量中,下雨或下雪与积极通勤显著负相关,没有雨雪的天气就业者更倾向于选择步行、骑自行车或公共交通通勤模式,这与Farhana[33]等人的研究结果较为一致。空气质量无污染的天气就业者更可能选择步行或骑自行车通勤而非机动车通勤。
在社会经济属性中,就业者的年龄越大,选择积极通勤模式的可能性越高,这主要是因为其健康意识的提高。男性就业者更可能会选择机动车通勤模式,可能是由于男性就业者对通勤时耗的要求更高。没有驾照或小汽车的就业者更可能选择积极通勤模式或公共交通通勤模式。家庭人口规模对机动车通勤影响显著,可能是由于家庭人数越多,对小汽车的使用需求会越大。不需要接送小孩上下学的就业者更倾向于步行或自行车通勤。个人月收入的影响在该模型中不显著,可能是由于本文通勤模式分类更多考虑了就业者的身体活动量而非通勤方式本身,将电动车和私家车分在一个类别里,而私家车通勤与骑电动车通勤的就业者个人社会经济属性差异较大。
4 结论与讨论在职业人群慢性疾病和亚健康比例上升的背景下,职业人群的健康问题成为我国政府和居民关注的热点。通勤是就业者日常生活中重要的出行活动,与就业者的自身健康密切相关。现有的研究较多关注居民通勤模式选择对其健康的影响,相反,居民自身健康对于通勤模式选择的影响研究少有涉及。因此,本文基于南京市8个社区居民身体活动及健康状况问卷调查数据,运用多项Logistic回归模型,初步探讨就业者健康状况与健康行为等因素对其通勤模式选择的影响,是对职业人群通勤模式选择与健康关系研究的一个新尝试。
研究发现:①就业者对自身健康的主观认知和客观身体健康状况显著影响通勤模式选择。具体而言,较好的自评健康状态与机动车通勤显著正相关,BMI偏低及正常、无亚健康症状与公共交通通勤显著正相关,无慢性疾病与积极通勤显著正相关;健康的生活方式和行为有助于提升就业者健康水平,促进其选择积极通勤模式和公共交通通勤模式。②通勤时间、加班等工作相关变量与机动车通勤呈现显著正相关,通勤时间以及工作时间越长,就业者更倾向于选择机动车通勤;雨雪天气、空气质量污染与积极通勤显著负相关。③社会经济属性中性别、年龄、职业、家庭人口规模以及小汽车所有权显著影响通勤模式选择。
基于以上结论,提出加强城市就业者身体活动和体育锻炼,培养健康的生活方式,正确处理工作相关活动,提升身体健康水平,进而引导其选择更加积极和可持续的通勤模式。同时,本研究可为相关城市管理部门的决策提供参考:通过组织开展全民健身活动与健康宣传活动,提高就业者健康行为的参与意愿和健康意识,引导更多的就业者选择积极通勤模式;加强空气质量的预报与污染源的排放监测,降低空气污染以增强就业者选择积极通勤模式的意愿。此外,城市就业者的健康状况和健康行为因人而异。因此,在设计干预措施以鼓励就业者从小汽车通勤转向积极通勤与公共交通通勤时,必须考虑这种异质性。如对肥胖、患有慢性疾病的就业者进行健康干预,帮助其控制体重或进行物理治疗来提高其步行能力;针对平时有散步习惯的就业者,通过完善城市“慢行交通”系统,为其提供舒适、方便、环境宜人的步行道和自行车道,鼓励就业者将身体活动融入日常通勤中。
本文对影响通勤模式选择的健康因素进行了探索性研究,得到了一些有意义的发现,但由于健康状况、健康行为等数据来自于被调查者的自我报告,可能导致信息偏差。此外,为了研究通勤模式选择与健康之间的关系,大多数研究假设通勤模式影响健康而不是健康会影响通勤模式选择[8-15]。健康状况与通勤模式选择之间存在反馈机制,健康状况与通勤模式选择既是原因又是结果。因此,了解健康与通勤模式选择之间的相互作用机制是很有价值的。但由于本文使用的截面数据的局限性,只探讨了就业者健康因素对其通勤模式选择的影响,无法识别健康与通勤模式选择之间的双向因果关系,未来需要进行纵向研究来解决这一问题。
[1] |
冯健, 周一星. 郊区化进程中北京城市内部迁居及相关空间行为:基于千份问卷调查分析[J]. 地理研究, 2004, 23(2): 227-242. [Feng Jian, Zhou Yixing. Intra-urban migration and correlative spatial behavior in Beijing in the process of suburbanization:Based on 1000 questionnaires[J]. Geographical Research, 2004, 23(2): 227-242.] |
[2] |
朱为模. 从进化论、社会-生态学角度谈环境、步行与健康[J]. 体育科研, 2009, 30(5): 12-17. [Zhu Weimo. Talking about environment, walking and health from the perspective of evolution and socialecology[J]. Sports Science Research, 2009, 30(5): 12-17.] |
[3] |
Wener R E, Evans G W. Comparing stress of car and train commuters[J]. Transportation Research Part F:Traffic Psychology and Behaviour, 2011, 14(2): 111-116. |
[4] |
Panter J, Desous C, Ogilvie D. Incorporating walking or cycling into car journeys to and from work:The role of individual, workplace and environment characteristics[J]. Preventive Medicine, 2013, 56(3/4): 211-217. |
[5] |
Sugiyama T, Ding D, Owen N. Commuting by car:Weight gain among physically active adults[J]. American Journal of Preventive Medicine, 2013, 44(2): 169-173. |
[6] |
M ao, Z D, Ettema D, Dijst M. Analysis of travel time and mode choice shift for non-work stops in commuting:Case study of Beijing, China[J]. Transportation, 2018, 45(3): 751-766. |
[7] |
王孝坤, 饶秋丽, 唐春艳, 等. 通勤者出行链类型与出行方式选择的相互影响[J]. 交通运输系统工程与信息, 2014, 14(2): 144-149. [Wang Xiaokun, Rao Qiuli, Tang Chunyan, et al. Commuters' tripchain and mode choice relationship[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(2): 144-149.] |
[8] |
Sirard J R, Riner W F, McIver K L, et al. Physical activity and active commuting to elementary school[J]. Medicine and Science in Sports and Exercise, 2005, 37(12): 2062-2069. |
[9] |
Rosenberg D E, Sallis J F, Conway T L, et al. Active transportation to school over 2 years in relation to weight status and physical activity[J]. Obesity, 2006, 14(10): 1771-1776. |
[10] |
Hamer M, Chida Y. Active commuting and cardiovascular risk:A meta-analytic review[J]. Preventive Medicine, 2008, 46(1): 9-13. |
[11] |
Oja P, Titze S, Bauman A, et al. Health benefits of cycling:A systematic review[J]. Scandinavian Journal of Medicine and Science in Sports, 2011, 21(4): 496-509. |
[12] |
Yang L, Panter J, Grifn S J, et al. Associations between active commuting and physical activity in working adults:Cross-sectional results from the commuting and health in Cambridge study[J]. Preventive Medicine, 2012, 55(5): 453-457. |
[13] |
Mytton O T, Panter J, Olilvie D. Longitudinal associations of active commuting with wellbeing and sickness absence[J]. Preventive Medicine, 2016, 84: 19-26. |
[14] |
Celis-Morales C A, Lyall D M, Welsh P, et al. Association between active commuting and incident cardiovascular disease, cancer, and mortality:Prospective cohort study[J]. British Medical Journal, 2017, 357: 1456. |
[15] |
Hansson E, Mattisson K, Björk J, et al. Relationship between commuting and health outcomes in a cross-sectional population survey in Southern Sweden[J]. BMC Public Health, 2011, 11(1): 834-848. |
[16] |
Roberts J, Hodgson R, Dolan P. It's driving her mad:Gender differences in the effects of commuting on psychological health[J]. Journal of Health Economics, 2011, 30(5): 1064-1076. |
[17] |
Milner A, Badland H, Kavanagh A, et al. Time spent commuting to work and mental health:Evidence from 13 waves of an Australian cohort study[J]. American Journal of Epidemiology, 2017, 186(11): 1300-1301. |
[18] |
Gottholmseder G, Nowotny K, Pruckner G J, et al. Stress perception and commuting[J]. Health Economics, 2009, 18(5): 559-576. |
[19] |
Cervero R, Kockelman K. Travel demand and the 3Ds:Density, diversity, and design[J]. Transportation Research Part D:Transport and Environment, 1997, 2(3): 199-219. |
[20] |
Cynthia C, Gong H, Robert P. Role of the built environment on mode choice decisions:Additional evidence on the impact of density[J]. Transportation, 2008, 35(3): 285-299. |
[21] |
Fraser, S D S, Lock K. Cycling for transport and public health:A systematic review of the effect of the environment on cycling[J]. European Journal of Public Health, 2011, 21(6): 738-743. |
[22] |
Faulkner G, Buliung R, Flora, et al. Active school transport, physical activity levels and body weight of children and youth:A systematic review[J]. Preventive Medicine, 2009, 48(1): 3-8. |
[23] |
Scheiner J. Interrelations between travel mode choice and trip distance:Trends in Germany 1976-2002[J]. Journal of Transport Geography, 2010, 18(1): 75-84. |
[24] |
Schwanen T. Urban form and commuting behaviour:A cross-European perspective[J]. Tijdschrift voor Economische en Sociale Geografie, 2002, 93(3): 336-343. |
[25] |
张雪, 柴彦威. 基于结构方程模型的西宁城市居民通勤行为及其影响因素[J]. 地理研究, 2018, 37(11): 2331-2343. [Zhang Xue, Chai Yanwei. Influencing factors of residents' commuting behavior in Xining:A SEM analysis using activity-travel diary survey data[J]. Geographical Research, 2018, 37(11): 2331-2343.] |
[26] |
鲜于建川, 隽志才, 朱泰英. 通勤出行时间与方式选择[J]. 上海交通大学学报, 2013, 47(10): 1601-1605. [Xianyu Jianchuan, Juan Zhicai, Zhu Taiying. Selection of commute trip timing and mode[J]. Journal of Shanghai Jiaotong University, 2013, 47(10): 1601-1605.] |
[27] |
Jia N, Li L, Ling S. Influence of attitudinal and low-carbon factors on behavioral intention of commuting mode choice:A cross-city study in China[J]. Transportation Research Part A:Policy and Practice, 2018, 111(5): 108-118. |
[28] |
Yang Y, Wang C, Liu W. Understanding the determinants of travel mode choice of residents and its carbon mitigation potential[J]. Energy Policy, 2018, 115(4): 486-493. |
[29] |
Eva H, Kees M, Bert V W. The role of attitudes toward characteristics of bicycle commuting on the choice to cycle to work over various distances[J]. Transportation Research Part D:Transport and Environment, 2011, 16(2): 102-109. |
[30] |
Georgina S, Hanna M, Dimitris P. Factors influencing modal split of commuting journeys in medium-size European cities[J]. Journal of Transport Geography, 2013, 30(6): 127-137. |
[31] |
Karthik K S, Gautam N P, Naidu G, et al. Commute mode choice in a developing country:Role of subjective factors and variations in responsiveness across captive, semicaptive, and choice segments[J]. Transportation Research Record, 2007, 20(38): 53-61. |
[32] |
Kim S, Ulfarsson G F. Curbing automobile use for sustainable transportation:Analysis of mode choice on short homebased trips[J]. Transportation, 2008, 35(6): 723-737. |
[33] |
Farhana A, Rose G, Jakob C. Commuter cyclist travel behavior examination of the impact of changes in weather[J]. Transportation Research Record, 2013, 2387: 76-82. |
[34] |
Meng M, Zhang J, Wo ng, Y D. Effect of weather conditions and weather forecast on cycling travel behavior in Singapore[J]. International Journal of Sustainable Transportation, 2016, 10(9): 773-780. |
[35] |
Huang J, Deng F R, Wu S W, et al. Comparisons of personal exposure to PM2.5 and CO by different commuting modes in Beijing, China[J]. Science of the Total Environment, 2012, 425: 52-59. |
[36] |
杨顺成, 石龙宇. 宁波市雾霾公众认知及对通勤的影响[J]. 环境科学与技术, 2016, 39(S1): 329-333. [Yang Shuncheng, Shi Longyu. Public perception of smog and its effect on commuting in Ningbo[J]. Environmental Science & Technology, 2016, 39(S1): 329-333.] |
[37] |
孙斌栋, 但波. 上海城市建成环境对居民通勤方式选择的影响[J]. 地理学报, 2015, 70(10): 1664-1674. [Sun Bindong, Dan Bo. Impact of urban built environment on residential choice of commuting mode in Shanghai[J]. Acta Geographica Sinica, 2015, 70(10): 1664-1674.] |
[38] |
Zhao P. The impact of the built environment on individual workers' commuting behavior in Beijing[J]. International Journal of Sustainable Transportation, 2013, 7(5): 389-415. |
[39] |
韦亚平, 潘聪林. 大城市街区土地利用特征与居民通勤方式研究——以杭州城西为例[J]. 城市规划, 2012, 36(3): 76-84. [Wei Yaping, Pan Conglin. Urban land-use characteristics and commuter's travel pattern:A case study of west Hangzhou[J]. City Planning Review, 2012, 36(3): 76-84.] |
[40] |
陈博文. 建成环境对居民工作日多目的通勤行为的影响——基于广州市中心城区的实证[J]. 城市规划学刊, 2017(5): 89-97. [Chen Bowen. Study on impacts of built environment on residents' multipurpose commuting trips:A case of Guangzhou downtown[J]. Urban Planning Forum, 2017(5): 89-97.] |
[41] |
刘望保, 闫小培, 方远平, 等. 广州市过剩通勤的相关特征及其形成机制[J]. 地理学报, 2008, 63(10): 1085-1096. [Liu Wangbao, Yan Xiaopei, Fang Yuanping, et al. Related characteristics and mechanisms for excess commuting in Guangzhou[J]. Acta Geographica Sinica, 2008, 63(10): 1085-1096.] |
[42] |
王振坡, 翟婧彤, 宋顺锋. 我国城市居民通勤特征及其影响因素研究——以天津市为例[J]. 城市发展研究, 2016, 23(5): C25-C30. [Wang Zhenpo, Zhai Jingtong, Song Shunfeng. Study on the commuting characteristics of urban residents and its influencing factors in China:A case study of Tianjin[J]. Urban Development Studies, 2016, 23(5): C25-C30.] |
[43] |
张艳, 柴彦威. 基于居住区比较的北京城市通勤研究[J]. 地理研究, 2009, 28(5): 1327-1340. [Zhang Yan, Chai Yanwei. Characteristics of commuting pattern in Beijing:Based on the comparison of different urban residential areas[J]. Geographical Research, 2009, 28(5): 1327-1340.] |
[44] |
周素红, 程璐萍, 吴志. 广州市保障性住房社区居民的居住-就业选择与空间匹配性[J]. 地理研究, 2010, 29(10): 1735-1745. [Zhou Suhong, Cheng Luping, Wu Zhi. The jobs-housing relocation and spatial matching of residents in alleviatory housing neighborhoods in Guangzhou[J]. Geographical Research, 2010, 29(10): 1735-1745.] |
[45] |
刘定惠, 朱超洪, 杨永春. 西部大城市居民通勤特征及其与城市空间结构的关系研究——以成都市为例[J]. 人文地理, 2014, 29(2): 61-68. [Liu Dinghui, Zhu Chaohong, Yang Yongchun. The characteristics of resident commuting and its relationship with urban spatial structure in large cities of western China:A case study of Chengdu[J]. Human Geography, 2014, 29(2): 61-68.] |
[46] |
Mattisson K, Idris A O, Cromley E, et al. Modelling the association between health indicators and commutemode choice:A cross-sectional study in southern Sweden[J]. Journal of Transport and Health, 2018, 11: 110-121. |
[47] |
朱菁, 高鹏华, 吴潇, 等. 大城市居民通勤行为的健康效应研究——以西安市为例[J]. 城市规划学刊, 2014(6): 46-51. [Zhu Jing, Gao Penghua, Wu Xiao, et al. The commuting effects to people's heath:A case of Xi'an[J]. Urban Planning Forum, 2014(6): 46-51.] |
[48] |
Carse A, Goodman A, Mackett R L, et al. The factors influencing car use in a cycle-friendly city:The case of Cambridge[J]. Journal of Transport Geography, 2013, 28: 67-74. |
[49] |
Yang J, French S, Zhang X, et al. Measuring polycentric structure of USA metropolitan areas, 1970-2000:Spatial statistical metrics and as application to commuting behavior[J]. Journal of American Planning Association, 2012, 78(2): 197-209. |
[50] |
符婷婷, 张艳, 柴彦威. 大城市郊区居民通勤模式对健康的影响研究:以北京天通苑为例[J]. 地理科学进展, 2018, 37(4): 547-555. [Fu Tingting, Zhang Yan, Chai Yanwei. Implications of commuting pattern for suburban residents' health in large Chinese cities:Evidences from Tiantongyuan in Beijing[J]. Progress in Geography, 2018, 37(4): 547-555.] |
[51] |
Bayon V, Leger D, Danielle GM, et al. Sleep debt and obesity[J]. Annals of Medicine, 2014, 46(5): 264-272. |
[52] |
Ma K, Banister D. Extended excess commuting:A measure of the jobs-housing imbalance in Seoul[J]. Urban Studies, 2006, 43(11): 2099-2113. |
[53] |
Walle S V, Steenberghen T. Space and time related determinants of public transport use in trip chains[J]. Transportation Research Part A:Policy Practice, 2006, 40(2): 151-162. |