1 引言

通勤是居民往返于居住地和工作地之间的周期性空间移动行为，是日常出行的最主要类型之一。相比于其他出行活动，通勤的体验往往是负面、消极的^[1]。一方面，作为必要的出行，通勤占据了人们大量的、原本可分配到其他活动（如社交、陪伴家人、休闲娱乐等）的时间^[2]，因而具有较高的时间机会成本^[3]。另一方面，由于人们对通勤（尤其是上班）的到达时间往往具有刚性要求，因此通勤大多被认为是一种充满压力的活动^[4]，尤其是通勤中的交通拥堵对人们的生活质量和身心健康都有显著的负面影响^{[5, 6]}。

为了降低通勤的负面影响、提升通勤出行的质量，近年来国内外学者开始关注居民的通勤满意度及其影响因素。通勤满意度是指人们对其通勤状况的一种整体的积极评价或满意程度^[7]，也可以看作人们对其某一类特定出行（即以上下班为目的的出行）的认知方面的出行幸福感^[8]。总的来看，现有研究主要考察了通勤满意度的三方面影响因素——通勤特征、地理环境、个人与家庭的属性特征（如心理特征与社会经济属性）。通勤时间和通勤方式被认为是影响通勤满意度的重要变量，并得到了较多关注^[2]。相比之下，对地理环境与通勤满意度关系的研究还比较少，尤其是鲜有研究同时考察居住地、工作地和沿途的地理环境对通勤满意度的影响。为此，本文基于对广州市主城区居民的一项抽样调查，深入分析不同地理环境要素对居民通勤满意度的影响。本研究有利于更全面地理解地理环境对通勤满意度的影响，也可以为提升大城市居民的通勤满意度提供重要参考。

2 文献综述

通勤是一类特殊的出行活动，相应地，通勤满意度是出行满意度的一部分。出行满意度是近十多年来交通研究中一个较为热门的议题。尽管早期的研究也关注到出行者对公共交通等服务的满意度^[9]和出行本身的效用^[10]，不过对出行满意度的系统研究主要源自Ettema等提出的出行幸福感的分析框架^[8]。在这一框架的指导下，交通研究的学者先后提出了一系列衡量出行满意度和幸福感的量表^[11]，并系统分析了不同人群、不同目的、不同交通方式出行的满意度水平差异及其影响因素^{[12, 13]}。一些学者还考察了出行满意度对出行行为^[14]和生命满意度的影响^[15]。近年来，国内研究也开始介绍西方关于出行满意度的研究成果^[16]，并基于调查数据展开实证分析。

对通勤满意度影响因素的分析是出行满意度研究中的主要议题之一。总体上，现有研究主要考察了通勤满意度的三方面影响因素——通勤特征、地理环境和个人/家庭属性。其中，影响通勤满意度的通勤特征主要包括通勤方式和通勤时间等。绝大多数研究表明，采取主动出行方式^①的通勤者往往具有最高的通勤满意度^{[17, 18]}，乘坐小汽车往往比乘坐公共交通通勤更令人满意^[19]。通勤方式选择的自主性也会影响通勤满意度，不过两者的关系似乎是非线性的——尽管通勤方式选择的灵活性往往伴随着更高的通勤满意度，但是那些通勤方式选择极其受限的通勤者往往也具有较高的通勤满意度^[20]——Susan Handy等甚至发现，那些仅有一种通勤方式可用的通勤者比那些有多种方式可选的通勤者有更高的通勤满意度^[21]。通勤时间往往与通勤满意度呈负相关关系——通勤时间越长，通勤满意度越低^{[7, 22]}。不过，也有研究发现，通勤时间和通勤满意度之间的关系可能是非线性的——二者的关系因通勤者的年龄等而有所差异^[2]，并且受通勤时间失调（即实际通勤时间与理想的通勤时间的差异）的中介影响^[23]。王丰龙等进一步比较了实际通勤时间相对于不同参照点的损失和收益对通勤满意度的影响^[24]。还有研究指出，通勤方式和通勤时间对通勤满意度存在中介关系与交互影响——不同的通勤方式往往对应着不同的通勤时间，而通勤时间对通勤满意度的影响也会因通勤方式而有所不同^[25]。

地理环境对通勤满意度也有重要影响。首先，公共交通的便利性及公交站点的设计往往对通勤满意度有重要影响。如Zacharias对北京的研究发现，地铁站的进出环境（包括人行道的宽度、进出公交站点的便利性及步行的舒适性等）对乘坐地铁通勤者的通勤满意度有重要影响，其效应大于地铁车厢内旅途环境的效应^[26]。不过，Jayakumar和Majumdar等对新德里的研究表明，公交站点的可达性及站点内步行道的舒适性对通勤满意度没有显著影响，尽管公交站点的安全性会显著影响通勤满意度^[27]。其次，居住地、工作地及沿途的设施和环境质量也对通勤满意度有重要影响。如Jang等发现，良好的邻里环境质量可以在很大程度上减轻长途通勤所带来的压力、提升通勤满意度^[2]；Hu等对赣榆区的一项研究则显示，沿途的风景和拥堵情况会影响人们的通勤满意度，且拥堵对男性通勤者的负面影响更为显著^[28]。再次，由于不同的城市区位往往对应着不同的交通可达性和公交站点密度^[29]，因此居住地和工作地的区位往往也会影响通勤满意度。如张小七等发现，在主城区工作的通勤者往往具有更高的通勤满意度^[22]。最后，地理环境也通过影响居民的通勤方式选择和通勤时间等对通勤满意度产生间接影响。如叶如宁和陈玉豪等发现，尽管建成环境对通勤满意度的直接效应不显著，但是可以通过通勤时间和通勤方式等中介变量影响通勤满意度^{[30, 31]}。Sun等的研究也显示，公交设施密度会通过影响通勤方式等间接影响通勤满意度^[29]。

性别、年龄、职业、社会角色、收入水平和家庭结构等个人与家庭属性也会影响通勤满意度。如Jang等发现，自雇人士往往具有更加灵活的通勤选择，从而对通勤更为满意^[2]；孟斌等发现，相较于年轻打工族和一般平民，高收入阶层和年轻白领的通勤满意度更低^[7]；还有研究专门探讨了收入与通勤满意度的关系，发现低收入群体容易遭遇交通贫困（例如可选择的通勤方式有限、到工作地的可达性低），因而往往具有较低的通勤满意度^[32]。不过，大多数研究都将个人/家庭社会经济属性作为控制变量^{[2, 7, 21, 32-34]}，不对其效应进行深入讨论。此外，个人的心理因素也会影响通勤满意度。如人们在评判自身的通勤满意度时存在社会比较（social comparison）效应，即当人们的通勤时间比他人更短时，会报告更高的通勤满意度^[34]。个人的出行态度^[2]、通勤压力^[21]和认知机制^[35]也会影响其通勤满意度。

综上，目前国内外研究对通勤满意度的影响因素展开了较为深入的研究，重点考察了通勤方式和通勤时间等通勤特征、公交站点设计等地理环境和收入等个人/家庭属性对通勤满意度的影响。不过，总的来看，现有研究还存在以下几点不足。第一，目前关于通勤满意度的中文研究仍然很少。第二，现有研究更多关注了通勤特征对通勤满意度的影响，对地理环境影响的研究相对偏少，且关于地理环境是直接还是通过通勤特征等因素间接影响通勤满意度还存在争议。第三，现有研究对哪些地理环境及地理环境的哪些要素会影响通勤满意度还缺乏系统深入的讨论。一方面，现有研究主要考察了居住地地理环境的影响，但是对工作地及上下班沿途环境的影响涉及不多。另一方面，现有研究尚未形成系统度量影响通勤满意度的地理环境属性的分析框架。为此，本文拟构建更加全面地分析地理环境对通勤满意度影响的理论模型，并基于问卷调查和地理兴趣点数据，运用结构方程模型剖析通勤满意度的影响因素及其作用机制。

3 理论框架

结合已有关于通勤满意度和更广泛的出行满意度的文献^{[12, 36]}，本文提出了图 1所示的理论模型。图中有因果关系或相互作用的变量之间以箭头相连，即通勤满意度主要受到地理环境、通勤特征和个人/家庭属性的影响。其中，为了尽量减少因尺度错位导致的不确定性地理背景问题^[37]和尺度陷阱^[38-40]，本文较已有文献拓展了地理环境的尺度范围——不仅考虑了居住地和工作地的地理环境，还考虑了通勤沿途的环境。地理环境不仅对通勤满意度有直接影响，还可能通过通勤时间与通勤方式间接影响通勤满意度。不过，由于沿途环境在某种程度上也是通勤过程的特征之一，即人们在做出通勤决策时，同时确定了通勤方式与通勤路线，而非沿途环境影响通勤方式的选择，因此模型中仅考虑了居住地环境和工作地环境通过通勤方式和通勤时间对通勤满意度的中介影响，而未纳入沿途环境对通勤满意度的间接效应。

关于地理环境的特征要素，已有通勤满意度研究所采用的度量指标较为零散。为此，本文基于交通和规划研究中常用的5“D”框架^[41]，即从密度（density）、混合度（diversity）、设计（design）、目的地可达性（destination accessibility）和到公交站点的距离（distance to transit）5个方面选取指标来衡量居住地和工作地的地理环境。考虑到公共交通导向型开发（TOD）及到公共交通站点的可达性对出行满意度有显著影响^{[9, 42]}，本研究对密度和距离的衡量主要考虑公交站点的密度和到最近地铁站的距离。公交站点的密度越大、到地铁站的距离越近，通勤者乘车越方便，其通勤满意度应该越高。设计和混合度则主要通过公共设施可达性、商业设施可达性和土地利用混合度来衡量。便捷的公共设施与商业设施，以及高度混合的土地利用有助于减少通勤者完成其他活动的时间，缓解通勤疲劳感^[43]，因而有助于提升通勤满意度。在本研究中，目的地可达性主要指通勤距离。由于通勤距离与通勤时间高度相关，并且后者更能够反映不同交通方式的标准化距离，为此，本文将通勤特征变量中的通勤时间也视作衡量目的地可达性的变量，而没有额外纳入其他变量。此外，本文还考虑了居住地和工作地的区位对通勤满意度的影响。不过，由于沿途环境的很多指标可能对于通勤满意度并没有与居住地和工作地类似的影响（如对于机动出行方式来说，随时随地停留往往是一件很难的事情，因而路过公交枢纽或商业设施丰富的地区似乎难以给通勤带来更积极的体验），因此衡量居住地与工作地地理环境时使用的5“D”框架无法适用于对沿途环境的度量。此外，由于不同通勤路线的长度和形状各异，并且影响通勤满意度的沿途环境范围会随着通勤者的通勤方式（如乘坐地铁的通勤沿途环境位于地下）、沿途视野及其行为习惯而有所差异（如那些“低头族”几乎不会观察车厢外的风景，因此可能较少受沿途建成环境的影响）。不过，由于个体化的沿途环境特征需要借助可穿戴的传感设备才能够较为准确地调查，而基于穿戴设备的调查往往面临着成本高昂和拒访率较高的困难，因此本文主要基于通勤者主观感知的安全性和绿化水平等指标衡量沿途环境。

在通勤特征层面，本研究重点考虑了通勤方式、通勤时间和途中活动三方面因素。第一，出行方式是影响出行满意度的最稳健的变量之一。如已有研究一致发现，主动出行者的满意度最高，小汽车次之，公交最低^{[16, 19, 44, 45]}。因此，通勤方式理应是影响通勤满意度的主要因素之一。第二，绝大多数研究认为，出行是其他户外活动的派生需求，因此，出行时间往往与出行满意度呈负相关关系^[44]。不过，也有研究指出，某些出行具有积极的价值（如提供了探索的快乐、掌控的快感和必要的时空转换，甚至是一种暂时的逃避^[46]），因此长时间或长距离的出行可能反而会提升出行满意度^[47]。出行时间的效应可能也因具有不同出行态度或人格的出行者及不同的出行方式而有所差异。如St-Louis等发现，行人、骑自行车的人和公共汽车的使用者比私家车、地铁和火车的使用者更少受到长时间出行的负面影响^[33]。Jang等也发现，一些居民会为了更好的居住环境而乐于接受长时间的通勤^[2]。不过，由于通勤时间的影响不是本研究的重点，本文仅考虑通勤时间对通勤满意度的线性影响。第三，在上下班途中，人们既可以通过观景减轻一天的工作压力，也可以同时处理一些其他事情，因此这些沿途活动可能影响通勤满意度。如Ettema等发现，与他人聊天往往伴随着较高的出行满意度^[48]。

在个人与家庭属性层面，本研究主要控制了性别、年龄、教育程度、月收入、工作类型和汽车所有权对通勤满意度的影响。

总的来说，本研究着重探讨地理环境、通勤特征和个人与家庭属性对通勤满意度的影响。其中，居住地和工作地的地理环境和个人与家庭属性不仅对通勤满意度有直接影响，而且通过影响通勤时间和通勤方式而间接影响通勤满意度。纳入沿途地理环境的影响是本文的一个重要理论贡献，但是由于沿途环境是通勤决策的后果之一，因此本研究没有考虑其对通勤满意度的间接影响。此外，由于沿途环境对通勤体验的影响与居住地和工作地存在较大差异，因此本文主要采用了主观变量刻画沿途环境的特征。

4 数据与方法 4.1 研究区域

本研究选取广州市为案例地。广州市作为全国的超大城市之一，面临着日益严重的通勤问题，居民面临着严重的通勤压力。根据百度地图《2021年度中国城市交通报告》 ^②，在中国的主要城市中，广州在通勤高峰交通拥堵排行榜中高居第6位，在通勤时耗中排第5位。因此，有必要深入分析广州城市交通运行状况及其对居民通勤满意度的影响。广州市的4个远郊区（从化、花都、增城、南沙）大多通过撤县设区设立、通勤人口偏少。因此，与已有研究^[49]一致，本文主要以广州市的内城区及近郊区为研究范围，具体包括越秀、荔湾、天河、海珠、白云、番禺、黄埔7个城区（图 2）。

4.2 数据来源

本文的数据主要来自问卷调查和地理兴趣点（point of interest, POI）。问卷调查于2022年2至3月在广州市上述7个城区内开展。本次调查面向在广州居住且具有长期通勤行为的群体，调查内容主要涵盖通勤者的社会经济属性、通勤特征、感知地理环境、通勤满意度等。受访者的选取尽量遵循随机抽样的原则，依照广州市各区工作人口数量的比例发放。但是，一方面，由于没有广州市通勤者总体的小尺度空间分布数据，因此在抽样过程中只能保证样本的独立性，难以严格实现比例性随机抽样。另一方面，在调查期间，由于广州市实行较为严格的“新冠”疫情防控政策，在居住社区内发放问卷时居民参与调查的积极性较低、拒访率较高，因此我们主要在公园、广场、步行街等开放场所派发问卷。具体而言，在每个区内按地理位置均匀分布的原则选取2—3个开放空间，采用街头拦访的方式发放问卷200份。在调查后期，由于疫情防控政策进一步收紧，被迫改用问卷星发放相同内容的网络调查问卷150份。受作者的社会网络和发放渠道等限制，网络问卷相对更多集中在天河区和越秀区。因此，本研究的样本更多地反映了中心区居民的通勤环境和通勤满意度，这可能会部分限制本研究结论的代表性。不过，由于居住在中心区的通勤者能够更多地使用主动出行方式通勤，因而本样本数据有利于更好地探讨沿途环境的效应。通过这两种方式共计回收有效问卷280份，回收率为80%。在剔除数据缺失与不符合条件的样本后，最终保留有效问卷212份，其中纸质问卷118份，网络问卷94份，问卷的有效率为75.71%。作者还通过高德地图爬取了2021年广州市主城区的97006条POI数据，包括公交站、地铁站等交通设施数据，公园、学校、医院等公共设施数据，以及餐饮、超市、商场、市场等商业设施数据。其中，每条数据都包括了POI的名称、地址、行政区划、经纬度、类型等属性信息。

表 1为调查样本的主要特征统计。总的来看，受访者男性（58%）略多于女性（42%），说明相对更多的男性外出工作，而更多的女性居家。这一比例与《广州市第七次人口普查年鉴》 ^③统计的分性别就业人口比例（男性58.52%，女性41.48%）基本一致。样本的广州本地户籍人口占比为54.25%，接近《2022广州统计年鉴》 ^④统计的户籍人口占常住人口的比重（53.77%）。本地城市户口与本地农村户口的样本每户家庭平均人口数分别为3.69、4.05，接近《2022广州统计年鉴》中的城镇户均人口数（3.20）与农村户均人口数（4.05）。参考以上几组数据，虽然本次调查没有严格按照随机抽样的方式展开，但是样本的代表性较好。部分受接受访问的比例和对问卷星的接受程度等因素影响，调查中30岁以下和本科及以上学历的样本比例偏高，因此本研究的结论可能更多反映了大学毕业不久的“青椒”的通勤情况，与实际的就业群体相比存在一定的偏差。不过，由于年轻群体具有更大的通勤压力和工作强度，因此更值得关注。

作者进一步利用高德地图对调查问卷中受访者报告的居住地与工作地信息进行了地理编码（geo-coding），并将居住地与工作地的地理位置通过直线相连，生成了样本的通勤流^⑤（如图 2）。可以看出，除天河区和越秀区外，各区的样本比例基本与区内总的工作人口数量相一致，而工作地更多集中于中心区域。相对而言，更多样本存在跨区通勤的现象，往返于中心区或边缘区内部的通勤者较少。

4.3 变量的度量方式

参考Abou-Zeid等的研究^[34]，本文通过以下3个问题衡量通勤满意度：“综合所有因素，您对自己的上班/下班/总体的通勤有多满意？”受访者根据其自身的通勤状况，在李克特7级量表上给出评分，1为“非常不满意”，7为“非常满意”。对居住地和工作地环境的5“D”特征，以居住地和工作地的地址为圆心、500 m为半径绘制缓冲区，以此作为各自的地理背景范围^[50]，并计算缓冲区内部的公交站点数量除以地理背景面积（公交站密度）、缓冲区内部的公共设施数量（公共设施可达性）、缓冲区内部的商业设施数量（商业设施可达性）、缓冲区内部的POI点数量除以地理背景面积（土地利用混合度），以到最近地铁站的欧氏距离作为到公交站点的距离指标。参考现有研究^[51]，将对居住地与工作地的区位划分为中心区与郊区两类，其中中心区包括海珠区、天河区、越秀区和荔湾区，郊区包括白云区、番禺区和黄埔区。借鉴既有关于主观邻里特征和感知环境的测量方式^[52]，通过受访者对以下几项描述的同意程度衡量通勤者的沿途环境感知（1为“完全不同意”，7为“完全同意”）：“我在上下班途中感到很安全”、“沿途的绿化做得很好”、“沿途的各种生活设施很丰富”、“沿途环境让人感到很舒适”。沿途环境感知量表的Cronbach's α系数为0.896，大于推荐的0.7的标准，表明其信度较高；KMO值为0.838，Bartlett's球形检验值为500.699，在1%的水平上显著，表明其效度较好。限于篇幅，这里主要介绍通勤满意度和地理环境的度量方式，其他变量的度量不再一一介绍。

4.4 研究方法

本文运用结构方程模型考察居民通勤满意度的影响因素。结构方程模型主要利用变量的协方差矩阵进行建模，一般包括测量模型和结构模型两部分。其中，测量模型主要拟合显变量与潜变量之间的关系，从而能够对一些无法直接度量的构念（construct，如通勤满意度）进行建模，且允许有测量误差，从而提升了参数估计的精度^[53]。结构模型主要处理不同构念或变量之间的因果关系，结构模型中可以包含多个因变量，其中既是自变量也是因变量的一般称为内生变量，而仅作为自变量的称为外生变量。结构方程模型已经被广泛运用到满意度研究中^{[54, 55]}。在本研究中，度量模型包含3个潜变量：沿途环境感知、通勤时间和通勤满意度。其中，沿途环境感知是外生潜变量，其测量方程如下：

(1)

其中，X_i（i = 1, 2, 3, 4）为沿途环境感知ξ的观测变量，Λ_i^X、δ_i分别为ξ的因子负荷和测量误差。

通勤时间和通勤满意度为内生潜变量，其测量方程如下：

(2)

其中，Y_i（i = 1, 2, 3, 4, 5, 6）为通勤时间η₁的观测变量，Y_i（i = 7, 8, 9）为通勤满意度η₂的观测变量，Λ_ij^Y、ε_i分别为对应的因子负荷和测量误差。

本研究主要包括三个结构方程，其中通勤满意度的结构方程为：

(3)

式中，Z₁为外生自变量的矩阵（包括沿途活动、地理环境、汽车所有权和个人属性等），M为通勤方式，λ、γ、ω₁、β为各项系数，ε₁为残差。

通勤时间和通勤方式的结构方程分别为：

(4)

(5)

其中，Z₂与Z₁类似，也是外生自变量的矩阵，但是所包含的自变量内容略有差异（不包含沿途活动、沿途环境和通勤方式等变量），ω₂、ω₃为各项系数，ε₂和ε₃为残差。

本文的结构方程模型用Mplus 8.0进行估计。由于模型中的因变量包含分类变量，故采取对角加权矩阵伴均值—方差校正卡方检验的加权最小二乘法（WLSMV）估计。

5 结果分析

模型的四个拟合优度指标如表 2所示。可以发现，四个指标均达到推荐的标准，说明模型较好地涵盖了通勤满意度的影响因素，模型的拟合效果较好。

表 3列出了测量模型的分析结果。每个测量指标的载荷量在0.748—0.964之间，说明各个度量题项能够较好地体现潜变量的得分；每个潜变量的组合信度在0.893—0.968之间，大于0.7的标准，表明各测量变量的内部一致性较好；每个潜变量的平均方差抽取量在0.677—0.894之间，大于0.5的标准，表明各题项的收敛效度较好。综上，通勤时间、沿途感知、通勤满意度的度量模型较为合理，能够作为潜变量被纳入结构方程模型之中。

结构模型的分析结果详见表 4。表中的各列为内生变量，包括通勤时间、通勤方式和通勤满意度；各行为外生变量，包括地理环境、沿途活动、个人和家庭属性的不同特征。对于居住地和工作地地理环境的间接效应，借鉴已有研究的报告方式^[12]，仅汇报了其总体的间接效应，而未一一列出通过通勤时间和各类通勤方式的具体间接效应。结果显示，居住地和工作地的地理环境指标对居民的通勤满意度没有显著的直接影响，但是通勤者对沿途环境感知的潜变量与其通勤满意度呈现显著的正相关关系。这说明，人们在评判通勤过程的情感体验时，会将沿途的环境作为一个重要内容。安全、舒适、绿化水平较高的沿途环境及沿途丰富的生活设施会给人们的通勤带来放松、舒适的体验，并为后续活动提供便利的条件（如下班回家路上顺便购置食材），从而提升通勤满意度水平。当然，也可能因为本文对沿途环境的度量采用的是主观感知变量——大量研究发现，对环境的主观感知往往比环境的客观指标对幸福感有更好的解释力^[56]。与之前的研究结论相一致^[30]，居住地和工作地的地理环境主要通过通勤特征间接影响通勤满意度。其中，工作地的商业设施可达性和土地利用混合度主要通过通勤时间影响通勤满意度。商业设施的可达性会减少通勤时间，进而提升通勤满意度。这可能因为商业设施多的地方（如中央商务区）更有可能是市中心等城市活力强的地方，在此工作的人收入更高，更有能力在工作地附近购房，所以通勤时间短；另外，人们更喜欢在生活设施丰富的地方居住，而在商业设施丰富的地方工作的人往往更容易在附近找到生活设施方便的居住地，因而职住距离更短。而土地利用混合度与通勤时间呈正相关关系，从而导致通勤满意度降低。这可能因为工作地附近混合利用的土地会带来更为多样和拥挤的交通流，从而延长通勤时间。居住在中心区或地铁站附近的居民其通勤时间往往更短，因而通勤满意度更高。如果进一步考虑通勤方式的中介效应，居住地的区位及其到最近地铁站的距离对通勤满意度的总体间接效应不显著。综上，地理环境是影响居民通勤满意度的重要因素，不过其影响机制较为复杂，且更多体现为沿途和工作地环境的影响，这提醒后续研究不能单纯基于居住地分析地理环境对通勤满意度的影响。

通勤特征对通勤满意度有显著的影响。具体而言，通勤时间与通勤满意度呈显著的负相关。这与之前研究的结论基本一致^{[1, 22, 33]}，说明通勤更多是为了满足工作等活动的派生需求，通勤过程会损耗个人的精力、挤占其他活动的时间，因此随着通勤时间的增加，人们会承受更多的压力并失去更多用于其他活动的时间，从而降低通勤体验和满意度^[57]。与乘坐公共交通或小汽车通勤相比，以主动出行方式通勤的人具有更高的通勤满意度。这与已有发现基本一致——绝大多数研究发现，主动出行者的出行满意度最高，乘坐小汽车次之，而乘坐公共交通的满意度最低。这可能是因为与乘坐公共交通和汽车通勤相比，以主动出行方式通勤更不容易受到交通拥堵的影响^[58]，出行更自由、灵活，并且能够更多实现放空心情的效果。沿途活动也会影响通勤满意度。不过，与Ettema等发现与人交谈伴随更高的通勤满意度不同^[48]，本文发现，与人交谈无助于提升通勤满意度，而在途中上网或阅读的通勤者通勤满意度最低。一种可能的解释是，目前绝大多数中国通勤者的上网活动都与社交媒体使用相关，而有研究表明，社交媒体使用频率^[59]及被动使用社交网站（即无有效的交互和对话）^[60]往往与幸福感负相关；大多数通勤者的阅读活动也往往是基于手机等移动设备在线获取信息，而且很多信息是相对负面的社会热点事件。此外，在通勤途中上网或阅读也是相对较为令人疲惫的活动，因此无助于提升通勤满意度。

模型控制了个人与家庭属性对居民通勤满意度的影响。结果表明，部分变量对居民的通勤特征和通勤满意度有显著影响。首先，相较于女性，男性的通勤满意度更低，这可能因为男性往往承担更高强度的工作，且面临更紧迫的通勤压力。其次，年龄越大的居民通勤满意度越高，这可能是因为年轻的上班族往往位于工作岗位的底层，因此面临更严格的工作迟到惩罚，并且需要同时照顾子女和年迈的父母，因此具有更大的通勤压力。第三，受教育程度与通勤满意度呈正相关关系；但是，受教育程度高的居民更少以主动方式通勤，这部分抵消了受教育程度对通勤满意度的直接影响。最后，尽管收入和汽车所有权对通勤方式有显著影响，但是对通勤满意度的总体影响并不显著。由于个人和家庭属性不是本文关注的重点，这里不再对相关结果做更深入的讨论。

6 结论与讨论

本文基于一项对广州市主城区居民通勤满意度的调查和广州市的POI数据，运用结构方程模型，考察了居民通勤满意度的影响因素，尤其深入分析了居住地、工作地和沿途地理环境对通勤满意度的影响。研究主要得出以下几点结论：第一，感知的沿途环境对通勤满意度有直接影响，而工作地的客观环境指标通过通勤时间对通勤满意度产生间接影响；尽管居住地的地理环境也会影响通勤时间，但是对通勤满意度的综合影响不显著，这提醒后续研究不能单纯基于居住地分析地理环境对通勤满意度的影响。第二，通勤时间对通勤满意度具有负面影响，采取主动出行方式的通勤者具有更高的通勤满意度，而沿途的阅读和上网活动伴随着更低的通勤满意度。第三，性别、年龄和受教育程度等个人属性对通勤满意度也有一定的影响。

本研究的贡献主要有以下三点。首先，本文在国内较早系统地考察了地理环境对通勤满意度的影响，尤其是提出并考察了沿途环境的作用，这不仅有助于避免通勤满意度研究中的尺度陷阱^[38]，也更加全面地刻画了影响通勤满意度的地理环境因素，有利于更有针对性地改善城市通勤环境。第二，本研究构建了地理环境影响通勤满意度的分析框架，不仅考察了地理环境的直接影响，而且从活动的视角构建了通勤活动特征（通勤时间和通勤方式）对地理环境与通勤满意度关系的中介效应。这一分析框架呼应了此前应用在生命满意度^[61]和居住满意度^[54]等领域中的分析视角，能够更深入地揭示地理环境对于幸福感的影响机制和影响过程。最后，本文是国内少数关于出行领域幸福感的研究成果，拓展了幸福地理学^{[38, 62, 63]}的研究内容。

本文的研究结论对于提升居民的通勤满意度具有一定的政策启示。首先，地理环境是影响居民通勤满意度的重要因素，因此城市规划和城市政策应该积极改善影响通勤满意度的城市地理环境。不过，一方面，环境的范围不仅包括居住地周边的环境，也包括工作地和沿途的环境，且不同地区的环境改善措施应该有所差别。如在工作地应该提升商业设施的可达性和生活的便利性，但是应该适当降低用地混合度，尤其防止因为城市复合功能的土地利用导致交通的拥堵；而对于通勤沿途，应该进一步提升环境的安全性、绿化率和舒适度。另一方面，对城市地理环境的改善不能仅仅基于客观的指标，也要考虑不同居民的主观感受和差异化的需求，更多纳入居民对环境的感知及其幸福感评价等指标，为提升居民的环境体验和幸福感水平提供借鉴。其次，长时通勤会降低通勤满意度，而主动出行方式有助于提升通勤满意度。为此，在交通运输规划方面，应提高交通运输效率，优化交通网络结构，增加通勤路线的选择，缓解交通拥堵问题；进一步提升职住均衡水平，尽可能缩短居民的通勤时间；完善绿道和无障碍步行通道等主动出行设施，鼓励更多人以步行或骑自行车的方式通勤。最后，年轻、男性的通勤者往往具有更低的通勤满意度。因此，未来应该更多关注这些职场的“青椒”，通过提升交通系统的可靠性和推广弹性上下班制度等减轻其通勤压力。

当然，本研究也存在一些有待改进或拓展的方面。首先，受疫情等限制，本研究的样本量较小，并且在天河区和越秀区等中心区的样本偏多。后续研究可以基于更大的、更有代表性的样本量进一步验证本文的结论，并进一步比较中心城区、近郊区和远郊区通勤者的满意度水平及其影响因素是否有系统差别。其次，尽管本文提出了沿途环境对通勤满意度的重要影响，但是如何更为全面、准确地度量沿途环境的特征仍然是一项极具挑战的工作。一方面，由于不同人的通勤路线和视野存在较大差异，因此未来研究可能需要借助穿戴式相机等传感器采集通勤沿途的环境信息，并结合大数据基于通勤路径的缓冲空间等方法全方位测度沿途的环境^{[50, 64]}；另一方面，由于影响通勤满意度的沿途环境因素与居住地和工作地的地理环境因素有较大差异，因此本文采用受访者的整体感知评分来测度沿途环境的质量，然而这为比较沿途、居住地和工作地环境效应的差别造成了一定的难度，未来研究仍需要探索便于比较不同环境效应的环境因素及其度量指标。最后，通勤体验和工作安排是紧密相关的，如上班时间要求和工作的倦怠程度会影响人们在上下班途中的压力水平和心情。因此，后续对通勤满意度影响因素的研究可以纳入更多与工作相关的变量，从而更系统深入地解释通勤满意度的形成和变化机制。

注释：

①主动出行方式（active travel）主要指以步行或乘坐自行车等体力活动出行的方式，有些研究也使用“积极出行”、“活力出行”、“慢行”等称谓，本文采用“主动出行”的说法。

②数据来源：https://jiaotong.baidu.com/cms/reports/traffic/2021/index.html。

③数据来源：http://tjj.gz.gov.cn/stats_newtjyw/tjsj/pcsj/d7crkpc/content/post_8711591.html。

④数据来源：https://lwzb.gzstats.gov.cn:20001/datav/admin/home/www_nj/。

⑤对于那些工作地与居住地位于同一地点的样本，没有绘制其通勤流。