是什么促使老年人选择转乘交通工具？城市地铁与公交车接驳处的设施环境因素——以中国江苏省苏州市为例

《Case Studies on Transport Policy》：What makes older adults transfer? built environment drivers of metro–bus interchange: a case of Suzhou, Jiangsu, China

　　郑亨澈|顾天琪|张凯瀚|金仁姬|王翔|程龙
西安交通大学-利物浦大学城市规划与设计系，中国苏州工业园区仁爱路111号，215123

**摘要**
人口老龄化正在重塑公共交通需求，然而老年人从地铁到公交的“最后一环”转移仍然是一个持续存在的薄弱环节。较小的障碍（如距离、导航、无障碍通行等）可能会抵消多模式交通系统的预期好处。本研究利用中国苏州全市范围内的票价折扣政策作为自然实验，探讨了城市环境因素如何影响老年人的地铁-公交换乘行为。尽管由于现有的免费乘车优惠，老年人并非该折扣政策的直接受益者，但这一政策改变了全市范围内的多模式出行条件。通过利用智能卡交易数据和空间指标，我们采用了非线性机器学习模型以及基于SHAP的解释方法，识别出影响换乘行为的关键因素。研究发现，老年人的换乘率在工作日增加了58.41%，在假期增加了34.78%，并且在不同的地铁站之间存在显著的空间差异。关键因素包括中等程度的无障碍设施、步行距离控制在200米以内，以及通往休闲目的地的便捷公交服务。研究结果强调了将环境策略和服务策略整合到需求侧交通管理中的重要性——这超出了价格激励的作用范围——以改善老年人的出行便利性，并为包容性交通设计提供参考。

**1. 引言**
随着世界各地社会逐渐老龄化，老年人的出行问题变得尤为突出（Lin和Cui, 2021; Portegijs等, 2020; Ryan和Pereira, 2021）。老年人通常是公共交通服务的主要使用者，因为这些服务相对便宜且能满足他们的出行需求（Dabelko-Schoeny等, 2021）。促进老年人群体使用公共交通不仅关乎便利性，也关乎公平和社会包容性（Ermagun和Tilahun, 2020; Faber和van Lierop, 2020）。了解换乘行为也很重要，因为出行满意度受到换乘时间和排队时间的影响（St-Louis等, 2014）。先前的研究已经强调了城市环境对老年人总体出行行为的影响，但关于特定城市环境因素如何影响老年人换乘行为的定量证据仍然有限（Basu等, 2022; Kim, 2011）。目前缺乏基于数据的研究来探讨不同时间段（工作日和假期）内，包括老年人友好设施在内的城市环境因素如何影响老年人地铁-公交换乘行为。老年人通常会有更为灵活的出行安排，包括参观公园、购物、就医和个人琐事等。这些活动经常需要在不同交通方式之间换乘。相比之下，年轻通勤者更倾向于直接前往工作场所，因此换乘频率较低（Portegijs等, 2020; Webber等, 2010）。此外，与年轻人相比，老年人通常有更多的自由时间，并且对时间成本不太敏感，但对金钱成本更为敏感（Fournier和Christofa, 2021; Rozynek和Lanzendorf, 2023）。换乘激励通常会带来权衡——需要额外时间或步行努力以节省费用。这种权衡与老年人的偏好高度契合，使他们成为研究票价激励行为影响的理想对象。本研究并不假设所有老年人都会愿意换乘，而是关注不同人群对同一政策的不同反应。具体来说，我们研究了哪些城市环境特征与老年人的行为变化相关。这使得老年人成为研究财务激励与城市环境属性如何共同影响公共交通使用的理想研究对象。

在这项研究中，虽然实施了全市范围内的换乘促进政策，但我们发现不同区域（具有不同城市环境条件的区域）的老年人对政策的反应有所不同。部分地铁站附近的换乘行为显著增加，而其他地区的增加则较为有限。初步调查表明，老年人换乘行为的变化与多个因素有关，包括连接地铁站的接驳公交服务、道路基础设施、周边步行环境以及地铁站内的设施。因此，我们基于非线性机器学习模型展开了数据驱动的定量分析，进一步探讨这一现象。本研究整合了中国苏州的地铁和公交智能卡数据以及城市环境指标，数据覆盖了政策实施前一个月和实施后同一个月的两个时间段。我们没有使用横截面数据（例如政策实施后的单点换乘量数据）作为因变量。做出这一决定的主要原因是：首先，我们使用了跨越两年的数据——具体来说，是政策实施前一个月和政策实施后同一个月的数据。通过比较这两个月之间的换乘增长率，我们可以有效捕捉政策的影响，同时避免其上升效应；其次，不同地点的绝对换乘量存在显著差异。使用这两个时间点的增长率作为因变量，实现了数据的标准化，从而便于后续的模型处理。

为了实现这一研究目标，我们将回答以下问题：
(1) 如何识别和衡量老年人在地铁和公交之间换乘的模式？
(2) 具有不同城市环境条件的地铁站对该换乘促进政策的反应有何不同，其背后的原因是什么？
(3) 在政策实施前后，老年人的换乘模式在工作日和假期之间有何差异？

在中国，60岁及以上的居民通常被视为老年人，他们有资格通过老年智能卡享受公共交通优惠。苏州实施了地铁-公交换乘折扣政策，通过在指定时间窗口内提供票价减免来鼓励多模式出行。尽管这一政策激励本身值得关注，但它主要是本研究的背景。我们的重点是在同一政策背景下，探讨不同城市环境因素如何影响老年人的地铁-公交换乘行为。

本文的其余部分安排如下：第2节回顾相关文献，第3节描述案例研究和数据准备，第4节概述提出的方法论，第5节讨论实验结果。第6节对研究框架进行总结。研究框架如图1所示，具体而言，该框架连接了文献回顾、案例研究设计、数据准备、解释变量识别、模型开发和实证解释。解释变量是基于先前关于出行行为、老年人出行能力和与地铁-公交换乘相关的城市环境特征的研究确定的。这些变量随后被纳入实证分析，以探讨影响老年人换乘行为的因素。

**下载：**下载高分辨率图片（165KB）
**下载：**下载全尺寸图片
**图1. 本研究流程图。**

**2. 文献回顾**
**2.1. 潜在因素与老年人多模式换乘之间的关系**
乘客在不同交通模式之间换乘（例如从地铁到公交）是城市公共交通系统中的关键节点，在提供包容性服务方面发挥着重要作用（Zhuang等, 2025）。对于老年人来说，换乘既带来了出行路线的灵活性，也扩展了可到达的目的地范围，这对老年人的福祉至关重要（Jiang等, 2025a; Pantelaki等, 2021）。然而，换乘也可能给老年人带来挑战。复杂的车站布局、较长的站台间步行距离以及需要适应陌生环境可能会增加他们的身体和认知负担。这些障碍可能会降低公共交通系统的可用性，特别是当无障碍设施不足或设计不佳时（Haustein和Siren, 2015; Park和Chowdhury, 2022; Ravensbergen等, 2022）。公共交通不仅是一种环保的出行方式，也是对老年人友好的出行方式（Jiang等, 2025b）。研究表明，老年人对公共交通基础设施和城市空间的设计及条件尤为敏感，因为他们更容易遇到身体限制，如体力减弱、平衡问题及感官障碍（Rosenberg等, 2013）。基于这一观点，越来越多的研究强调周围步行环境的质量对老年人使用公共交通系统的影响（Gu等, 2025）。良好的步行环境——如平整的人行道、安全的横穿路口和短距离步行——与老年人增加公共交通使用频率密切相关，而不平坦的地面或不良的照明等物理障碍则会抑制他们的使用（Cao等, 2019; Gu等, 2024a; Lee & Dean, 2018）。

除了步行环境外，换乘设施本身的设计和无障碍性也是影响老年人出行体验的关键因素。研究表明，配备电梯、坡道、清晰标识和充足座椅等设施的便捷换乘可以显著提升老年人的出行体验，减少他们在出行中的身体和心理障碍（Siu, 2019; Zakaria等, 2024）。此外，无障碍设施对老年人进出地铁站的便利性至关重要（B?czkowska和Zysk, 2021; Lee和Jeong, 2023）。研究表明，这些设施的可用性显著增强了老年人在地铁站的使用能力，尤其是在老龄人口较多的城市中（Siu, 2019; Wu等, 2017）。除了车站设计外，换乘周围的更广泛的交通环境也影响老年人的出行选择。交通环境需要考虑多种交通方式，确保如公交站等设施提供座位和遮蔽等支持（Ma等, 2022）。此外，假期期间公共交通系统通常更加拥挤，老年人可能会因为安全、舒适度和导航难度等问题而避免使用这些服务（Ramos等, 2019）。因此，区分假期和工作日是有意义的（正如我们在本研究中所做的）。

目前已有很多研究探讨了老年人使用公共交通时的出行偏好，但也有一些基于数据驱动方法的研究讨论了不同时间段的换乘模式和潜在影响因素。特别是，如何定量衡量无障碍设施、公交便利性和步行环境对老年人换乘行为的影响仍然有限。

**2.2. 老年人的出行目的**
除了物理基础设施外，研究表明老年人对步行距离比年轻人更为敏感（Gu等, 2019）。Gu等（2019）的研究发现，老年人更倾向于选择距离住所200至500米以内的地铁站。Bentayeb等（2013）的研究指出，老年人可接受的步行距离明显短于年轻人。Webber等（2010）进一步强调了步行距离的重要性，他们认为较长的步行距离可能成为阻碍，尤其是在坡度陡峭、交通繁忙或行人环境不安全的场合。老年人通常有特定的出行偏好，优先考虑舒适性、安全性和便利性，而非速度和效率（Tamakloe等, 2024）。Cho等（2024）发现，老年人更喜欢换乘次数少的直达路线，但如果换乘过程流畅且设施完善，他们愿意采用多模式出行。他们喜欢的目的地通常包括医疗设施、购物中心、社交场所和宗教场所（Bentayeb等, 2013）。老年人不仅看重功能的实用性，也看重地点的吸引力，如公园和休闲区。这些地点通常距离住所500米以上，鼓励他们进行更长距离的步行（Portegijs等, 2020）。开放绿地和商业设施的密度显著影响老年人的休闲步行活动，距离住所800至1500米范围内的空间对老年人尤为重要（Cao等, 2023）。Wretstrand等人（2009年）和Shrestha等人（2017年）也认同老年人的主要出行目的是社交活动，这些活动主要发生在休闲场所。这些发现表明，适宜的步行距离和目的地特征在塑造老年人的出行行为方面起着重要作用。这些见解也为我们实证分析中使用的指标设计提供了依据，特别是开发一个针对老年人的公交可及性指标。这些发现突显了老年人可能选择的步行距离和出行目的的多样性，并在后续章节中启发我们考虑影响因素，例如专门为老年人设计的公交可及性和他们愿意接受的步行距离（这些在之前的研究中较少被提及）。

3. 方法
3.1. 数据和研究区域
本文以中国苏州市为例，探讨了从地铁换乘公交的行为。苏州是位于中国江苏省的一个快速发展的城市，人口约六百万，面积为4,440平方公里（Zhang等人，2026年）。根据官方统计，到2024年底，苏州市60岁及以上的居民约有266万人，占总人口的20.45%（苏州市民政局，2025年）。近年来，该市的公共交通网络得到了显著扩展（图2）。截至2021年，已有115个地铁站和181公里的铁路在运营中，整体网络密度为0.078公里/平方公里。至于公交系统，当时有5,864辆公交车和659条线路在运营，总线路长度为10,335.2公里（Gu等人，2024b）。同时，苏州的汽车保有量也快速增长，根据市政统计，到2024年底，该市注册的汽车数量约为472万辆（苏州市统计局，2025年）。2020年5月1日，苏州实施了一项优惠政策，鼓励地铁和公交之间的换乘。该政策规定，在90分钟的时间窗口内，使用同一张智能卡进行地铁和公交换乘的乘客可享受2元人民币的票价折扣。考虑到当前的票价结构（普通公交票价2元人民币，地铁票价介于2至9元人民币之间），这项举措使得许多随后的公交出行免费或显著便宜。对于60至70岁的乘客，他们可以享受60%的票价折扣；而对于70岁以上的乘客，则可免除全部票价。因此，为了避免潜在的偏见，本研究排除了所有70岁以上的乘客。

3.2. 指标设计
本文广泛地应用了这一优惠政策。此外，在苏州，99.6%的老年人使用同一张智能卡进行地铁和公交的换乘，因为他们可以享受一系列的社会福利（苏州市民政局，2025年）。通过追踪卡ID，我们可以识别同一组老年人（60-70岁）的换乘活动。值得注意的是，在这一年里，交通基础设施的发展没有重大变化，为比较提供了相对稳定的条件。与大多数海外国家不同，从2020年5月到2021年5月，COVID-19在当地的影响有限（图3）。尽管如此，为了减轻COVID-19可能造成的偏见，以及不同地铁站之间换乘人数的自然增长差异，我们引入了换乘比率（IR）作为标准化关键指标，来分析各个地铁站的变化情况。

3.3. 调查方法
为了收集数据，当地交通局在2021年6月1日至14日进行了一项为期两周的调查（n=3879，有效回应2623份），由3879名受访者参与（其中2623人为老年人）。采用了有针对性的便利抽样策略，在这种受限的调查环境中有效收集特定人群的回应（例如老年人），因为在这些地方随机抽样较为困难（Andrade，2021年）。问卷包括三个主要部分：社会人口统计特征、公共交通使用情况和对政策的看法，以及换乘使用和政策改进的障碍（详细问卷项目见附录A1）。调查的目的是了解政策的反馈，受访者年龄组的设置旨在与一般人口的年龄分布相匹配。调查员根据预设的年龄比例在地铁车厢内选择性地接触受访者。选择在车厢内进行调查而不是在站台或车站入口，是因为这些地方的人们通常急于上车或下车，不愿意参与调查。在车厢内进行调查虽然效果更好，但也意味着我们无法直接确定受访者的上下车地点。为了简化调查过程，提出了一些关于政策实施后出行行为（尤其是换乘行为）变化以及他们最常乘坐的地铁站的问题。在2623份有效回应中，有273份来自60岁及以上的老年人。总体而言，43.66%的受访者报告说换乘频率增加了，而在老年人中这一比例高达67.53%。为了进一步了解哪些建成环境属性可能影响他们的偏好，对于那些没有增加换乘行为的受访者，我们提出了一个多项选择题：“为什么换乘折扣政策没有鼓励你使用公共交通？”（图5）。这个问题旨在识别阻碍这些乘客增加换乘使用的主要障碍。此外，问卷还包括一个开放式问题，要求受访者提供改善换乘折扣政策的建议；然而，这些回应相对分散，因此没有纳入定量分析。如图5所示，31.54%的受访者表示他们的日常出行不需要换乘，占最大比例。而在60岁及以上的受访者中，最常报告的原因是换乘设施不便或步行距离过长。

3.4. 数据分析
由于这是一项中断的调查，难以全面覆盖所有潜在的影响因素。然而，这启发我们在后续建模中考虑了这些潜在的影响因素。如前所述，折扣政策于2020年5月31日实施。为了评估换乘折扣政策的影响，我们收集了2020年5月（政策实施前）和2021年5月（政策实施后）两个时期的自动收费（AFC）数据。后者时间窗口是政策实施后的一年，以便减轻“启动”效应（Gu等人，2019年）。原始公共交通数据集由当地公交和地铁运营商提供。这些数据集包括地铁和公交系统的详细行程记录，涵盖了全年公共交通使用的动态。相关数据见下表2。

表2. 数据来源和依赖变量的描述
- 数据名称 | 数据信息 | 时间范围 | 来源 |
|-----------------|------------------|--------------|-----------------|
| AFC地铁行程 | 卡片类型（指示用户是否为老年人）；所有地铁行程的记录，包括时间戳、进出站信息以及任何换乘活动（通过特定字段标记） | 2020年5月（31天）和2021年5月（31天） | 当地地铁运营商 |
| AFC公交行程 | 卡片类型（指示用户是否为成人）；公交行程的记录，包括上车和下车时间、上车站点以及相关换乘活动（通过特定字段标记） | 2021年5月（31天） | 当地公交运营商 |
| 换乘活动 | 通过在AFC记录中标记一个独特的标识来识别使用同一张智能卡在90分钟内发生的换乘活动 | | |

为了进一步分析我们的解释变量，下一节将详细阐述其他相关数据集。正如2文献回顾和3.1数据及研究区域中所讨论的，文献回顾和初步调查为我们提供了理解可能影响地铁和公交系统之间换乘偏好的因素的总体情况。强调了诸如无障碍设施和步行环境等环境属性的重要性。街道的可步行性是通过从百度街景图像中提取的道路与人行道比例来衡量的，并作为连续变量纳入模型。土地使用混合度则通过香农熵指数来衡量，该指数广泛用于城市和交通研究，以捕捉给定区域内土地使用类型的多样性（Ewing和Cervero，2010年；Frank等人，2005年）。这些发现激发了我们进一步确定分析中使用的关键变量。下表总结了我们在分析中使用的关键变量（见表3）。这些变量为分析换乘折扣政策对老年人出行的影响提供了全面的框架。需要注意的是，由于大多数建成环境因素在一年内变化不大，因此大部分数据是在2021年5月采集的。只有公交服务属性（站点、路线、运营频率）在两个不同时间点进行了采集，与依赖变量一致。

表3. 分析中使用的变量和描述性统计（N=113个地铁站）
| 变量 | 描述 | 数据来源 | 均值 | 标准差 | 最小值 | 最大值 |
|-------------------|-----------------------------|-----------------|-----------------|--------------|----------------|根据当地法规，地铁站必须提供适合老年人的无障碍设施（也称为无障碍设施，见图6）。同时，不同的设施可能对提高老年人的移动性产生不同的影响（Townsend等人，2021年）。无障碍设施根据其安装成本以及是否按照无障碍法规要求进行分类（表4）。这些级别代表了地铁站内不同类型的无障碍支持基础设施及其在改善老年人移动性方面的相对重要性。每个地铁站的无障碍设施信息主要来自一个名为“江苏省无障碍设施平台”（https://www.jscl.gov.cn/html/index.html）的开放访问平台，该平台直接与公共交通运营商相连，并得到了当地政府的认可。该平台提供了关于无障碍设施的部署、状况和类别的详细信息，以及视觉文档（例如3D图像），特别是为了帮助老年人和残疾人士。我们还通过研究团队的现场调查收集和更新了额外的信息。总共为所有113个地铁站编制了无障碍设施信息，并在表4中总结了每个级别的设施数量。

图6. 地铁站的无障碍设施。

表4. 所有地铁站的无障碍设施信息。

2.2.2. 老年人的公交出行便利性
公交服务通常被视为促进通勤者之间换乘行为的关键组成部分。以往的研究主要集中在静态的物理设施上，如公交车站和公交线路网络。然而，这并不能完全捕捉公交服务对乘客换乘动态的更广泛影响（Gan等人，2021年；Wu等人，2021年）。例如，即使一个地铁站周围有许多公交车站，但如果这些公交线路连接的地区目的地有限，换乘率也可能很低。此外，如2.1节所述，老年人的出行偏好与普通通勤者不同，因此在这项研究中，传统的基于就业需求的公交出行便利性评估应该被娱乐需求所取代。为了解决这些不足，根据2.1节的内容，老年人的主要出行目的地是公园、绿地和其他娱乐场所。我们开发了一个综合的出行便利性指标，该指标将基于供应的因素（如交通基础设施和运营变量）与需求导向的标准相结合。这种综合措施通过整合运营特性和公交网络服务区域的经济社会背景，提供了对公交服务对换乘行为影响的更全面理解。在这项研究中，我们进一步更新了出行便利性评估，专门考虑了老年人的需求（这些公交服务将老年人连接到关键目的地的能力，特别是公园、绿地和其他娱乐场所，而不是通勤目的地-就业区域，见图7）。

图7. 苏州市公园、绿地和其他娱乐场所的总体分布。

步骤1：将苏州市域划分为0.8公里见方的基本网格单元，以便进行空间分析。
步骤2：使用GIS工具，将公交线路映射并匹配到这些网格单元中。此过程包括确定与每个网格相关的线路和车站。
步骤3：使用实时出行数据计算出行阻力，考虑步行和等待时间（Lucas Albuquerque-Oliveira等人，2024年），并在方程（2）中体现。这是通过使用重力衰减函数来实现的，该函数反映了公交服务的效用如何随着出行时间的增加而降低（Rong等人，2022年；Rosenberg等人，2013年）。

(2)fIMi,j,r=exp(a)×ti,j,rb×exp(c×ti,j)
其中fIMi,j,r表示公交线路r的出行阻力系数，a表示一个归一化常数；b和c是调整参数；ti,j,r表示从起点i到终点j的公交线路r的出行时间（以分钟计）。
步骤4：评估每个网格内的公园、绿地和其他娱乐场所的数量，以代表需求（Wang等人，2018年），见图7。结合步骤3的数据，使用方程（3）计算通过特定线路的网格的公交出行便利性数据：
BAi,r=∑j=1nRj×f(IMi,j,r)
其中BAi,r表示从起点i出发的线路r的公交出行便利性；n表示沿线路r的总目的地数量；Rj表示终点j内的公园、绿地和其他娱乐场所的数量。
步骤5：通过汇总通过该网格的所有线路的出行便利性值，并根据其运营能力和需求潜力进行加权，计算每个网格的老年人导向公交出行便利性得分（见图8）：
(4)BAi=∑i=1gBAi,r

图8. 两年工作日苏州市老年人导向公交出行便利性的分布。

步骤6：根据位置计算网格的公交出行便利性，然后使用QGIS 3.34的内核功能将其与每个地铁站的覆盖区域进行匹配。这一过程为所有地铁站提供了基于位置的公交出行便利性评估。本研究开发的指标旨在同时反映公交系统的运营能力和其增强人们就业机会的能力。当一个地铁站位于公交出行便利性较高的区域时，预计老年乘客将更加依赖公交服务，因为公交选择的增加（使他们能够到达更多的老年人出行目的地）和服务体验的改善（表现为更高的公交频率和更短的等待时间）。

3.2.3. 公交之间的换乘
公交之间的换乘比率（BTB IR）是另一个关键变量，反映了乘客在同一行程中在不同公交线路之间换乘的程度。这一比率有助于了解不同公交线路和地铁服务之间的竞争或互补关系。这一比率提供了关于公交网络如何有效支持多线路出行并补充地铁服务的见解，特别是在促进老年人移动性方面。为了计算BTB IR：
步骤1：使用带有换乘活动的行程数据（如卡片ID、刷卡时间和上车ID）来识别作为换乘点的公交车站。
步骤2：对于每个公交车站，计算公交之间的换乘总次数与总公交次数的比例。使用公交乘客统计数据，符合换乘折扣条件的刷卡总数被视为基数，而实际涉及换乘行为的刷卡次数特别标记为公交之间的换乘。
步骤3：在网格级别汇总这些比率，以便可视化和分析公交之间换乘活动的空间分布。

3.2.4. 其他重要变量
为了量化街道的步行可行性，本研究使用了百度StreetView图像和语义分割技术。利用Street View Map API，我们在每段道路的每个点之间以100米的间隔提取了全景视图图像。这里应用的语义识别算法是DeepLab-V3+（Chen等人，2018年），这是一种由谷歌开发的先进神经网络模型，以其在进行语义分割任务时的出色表现而闻名，它利用了TensorFlow和CNN。该模型的性能通过Cityscapes数据集（Cordts等人，2016年）进行了评估和改进。本文重点分析了可能影响地铁站周围步行可行性的某些元素，如道路和人行道。步行距离指的是从可乘坐地铁的入口（配有电梯）到最近的公交车站的步行距离。我们根据原始设计和现场调查进行了获取。

为了操作化土地利用类别和土地利用混合（LUX），系统地组织了兴趣点（POI）数据。应用了词频-逆文档频率（TF-IDF）算法来衡量每个POI类型在地铁站覆盖区域内的重要性（Chung等人，2023年）。基于POI的土地利用分类与苏州市规划局的官方土地利用地图进行了交叉引用。在LUX方面，我们使用了香农熵指数，该指数被广泛用于量化土地利用的多样性（Chung等人，2023年）。公交车站数量表示每个地铁站入口100米半径内的公交车站数量，而公交线路数量则表示通过这些车站的唯一公交线路数量。

3.2.5. 实时、距离加权的地铁-公交换乘覆盖区域
在进行相关性分析以探索影响换乘比率（IR）的因素之前，划定地铁-公交换乘覆盖区域是必要的。换乘覆盖区域在准备所有潜在影响因素时定义了空间边界。它不作为潜在的解释变量，而是用于确定空间边界和空间分析规则。传统方法通常基于步行距离来定义覆盖区域，但这些范围通常是有限的（Diab等人，2021年；Karner，2018年）。然而，在分析地铁和公交服务之间的换乘行为时，考虑更广泛的覆盖区域是至关重要的，因为一辆公交车可能到达较远的距离。为了采用更全面的方法，累积和重力衰减函数适用于更大的空间分析（de Dios Ortúzar & Willumsen，2011年）。受到Lucas Albuquerque-Oliveira等人（2024年）的启发，他们展示了使用基于实际换乘数据的距离加权函数来识别每个地铁站的实时、独特覆盖区域的方法，我们在补充材料中提供了详细的方法。

3.3. 非线性机器学习模型
尽管传统的线性回归和广义线性模型在交通研究中被广泛使用，但它们通常在捕捉复杂的非线性关系和变量之间的相互作用方面存在局限性。虽然基于树的模型（如随机森林和XGBoost）被广泛用于解决这些限制，但本研究需要一种在相对较小的样本量（N = 113）下平衡性能、效率和高可解释性的方法，同时处理多个建筑环境变量。与随机森林和XGBoost相比，LightGBM采用了逐叶生长策略，从而加快了训练速度，并更好地处理结构化数据中的复杂特征相互作用。更重要的是，SHAP的整合使得模型输出能够以一致且理论上有根据的方式进行解释，这对于识别政策相关因素至关重要。

本研究使用了两种先进的方法：（1）可解释的集成学习和（2）SHapley Additive Explanations（SHAP）。选择这些方法是因为建筑环境属性与换乘行为之间的关系往往复杂且非线性，可能涉及多个变量之间的复杂相互作用，这些关系难以用传统的基于回归的方法捕获。集成学习是一种结合多个基础学习器来提高最终模型预测准确性和稳健性的技术。通过组合不同的模型，集成学习减少了过拟合的风险，并减轻了可能影响单个模型的偏见的影响，从而得到更可靠和可信的结果（Ganaie等人，2022年）。LightGBM是一个典型的例子，它使用梯度提升框架和基于树的学习算法作为基础学习器（Ke等人，2017年）。它特别适用于大规模和高维数据集，并能高效处理高维变量和复杂的特征相互作用（Ma等人，2018年；Martens，2017年）。由于上述优点，LightGBM在许多研究领域得到了广泛应用，提供了令人满意的性能和建模速度。然而，集成学习模型经常因其可解释性有限而受到批评（Carvalho等人，2019年）。因此，应用了SHAP来解释模型输出，通过量化每个特征对预测结果的边际贡献。与传统的特征重要性度量方法相比，SHAP提供了一个基于合作博弈论的理论上有根据的解释框架，允许对模型预测进行一致和局部准确的解释（Lundberg等人，2020年）。这使我们能够识别不同建成环境属性的相对重要性，并更好地理解它们如何影响枢纽的使用行为。为了阐明模型如何利用特征作为决策输入，已经开发出了模型不可知的方法，如SHAP（Lundberg和Lee，2017）。SHAP值基于合作博弈论的概念，根据每个参与者的边际贡献来分配联盟的价值（Shapley，1997）。使用SHAP作为集成模型解释器，每个特征根据其对预测的贡献来分配其预测能力，同时考虑特征之间的相互作用。除了其在局部可解释性方面的卓越表现外，新提出的TreeExplainer专门为基于树的模型设计，允许在多项式时间内使用精确的Shapley值计算最佳局部解释（S. M. Lundberg等人，2020）。因此，本研究采用了TreeExplainer进行进一步的分析和讨论。

4. 结果与讨论

在使用SHAP解释模型输出之前，我们首先评估了集成学习模型的预测性能，以确保后续的解释基于一个可靠的模型。在本研究中，使用了LightGBM作为主要预测模型。整个样本被随机分为训练集和测试集，比例为80:20。训练集用于模型拟合，而测试集用于样本外验证。为了进一步评估模型的稳健性，在训练过程中还进行了五折交叉验证。选择五折是为了在计算效率和模型稳定性之间取得平衡，特别是在样本量相对有限的情况下（N = 113个地铁站）。与10折交叉验证等更高折数的方法相比，五折设置降低了计算复杂性，同时仍然提供了可靠的模型泛化性能估计。此外，初步测试表明，增加折数并没有显著提高性能指标，这表明五折配置对于这项分析来说是足够和适当的。

模型性能使用了几种广泛采用的回归指标进行评估，包括决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）。其中，R2反映了模型的解释能力，而RMSE和MAE从不同角度捕捉了平均预测误差。验证结果表明，LightGBM模型在测试集上取得了令人满意的预测性能，详细结果见表5。交叉验证结果也相对稳定，表明模型没有表现出明显的过拟合，可以为后续基于SHAP的解释提供可靠的基础。

表5. LightGBM模型的预测性能

数据集 / 验证设置
R2 RMSE MAE
训练集 0.842 0.061 0.045
测试集 0.768 0.084 0.062
交叉验证（平均值）0.751 0.087 0.064
交叉验证（标准差）0.028 0.007 0.005

图9和图10展示了在不同时间（节假日和平日）最重要的因素（前5名）的SHAP值和非线性模式。总体而言，一些因素如“公交路线”、“步行距离”和“地铁站内的中等水平无障碍设施”在节假日和平日都显示出显著且统一的影响，而“公交可达性”和“绿地”等因素只在特定时间表现出影响。

图9. 两年研究中的SHAP值（平日对比节假日）。
图10. 前5名建成环境变量的非线性回归结果。

在工作日，政策实施前，经济因素限制了老年人使用MTB（地铁到公交）枢纽的频率，由于成本较低且灵活性更高，BTB（公交到公交）枢纽更为普遍。因此，BTB枢纽对MTB枢纽的贡献有限（见图9(a)）。然而，政策实施后，经济激励使MTB枢纽更具吸引力，使用量增加，甚至在BTB枢纽较多的地区也增加了MTB的使用（见图9(b)）。然而，节假日显示出了不同的趋势。成本降低缓解了BTB枢纽和MTB枢纽之间的竞争，鼓励老年人在之前由BTB枢纽主导的地区选择MTB枢纽（见图9(c)、(d)和图10（2021[1]）。BTB枢纽和MTB枢纽之间的相互作用显示出复杂的动态，根据时间和地点的不同，它们既可以互补也可以竞争。经济激励不仅降低了成本障碍，还促进了老年人多模式交通使用的灵活性。

步行距离成为一个关键因素，200米的阈值显著影响了枢纽的使用可能性，这一结果得到了非线性回归的支持（见图10（平日，[3]）。在政策实施后，步行距离的贡献在200米左右达到一个转折点（先减少然后保持稳定），表明老年人认为200米的步行距离是可以接受的。此外，在经济激励后的所有情景中，步行距离的作用也普遍增加，表明随着成本的降低，老年人更加关心步行条件。超过这个距离后，老年人使用枢纽的可能性大大降低，尤其是在工作日。此外，中等水平无障碍设施，如紧急呼叫设备和低矮的服务台，对枢纽行为有显著且持久的影响，因为二级无障碍设施被列为平日和节假日中影响最大的变量之一（见图9）。相比之下，一级设施的贡献相对有限，可能是因为它们在大多数地铁站中都有广泛的提供。基本设施如电梯、坡道和无障碍洗手间已经作为标准无障碍要求在大多数车站实施，这意味着它们在不同地点之间的变化相对较小。在这种情况下，一级设施可能更多地起到基础无障碍条件的作用，而不是影响枢纽行为的差异化因素。这也解释了为什么二级设施在设计和支持功能上表现出更大的差异，但在模型中具有更强的解释力。但是，高级设施如楼梯升降机的影响较小。步行性也发挥了关键作用，特别是在节假日，维护良好的人行道和清晰的道路增强了枢纽的吸引力。这可能反映了需要这些高级设施的个体通常面临更广泛的行动能力或认知限制。因此，他们一开始就不太可能使用复杂的多种交通系统，如地铁到公交的转换。这与Martens（2017）和Gell等人（2015）的研究结果一致，这些研究表明，超过一定的身体障碍阈值后，老年人会选择完全不出行，而不是依赖技术补偿。相反，节假日期间公交的可达性显示出更大的重要性，表明老年人的偏好转向了MTB枢纽。

有趣的是，步行性的作用在节假日期间变得更加明显。这种时间变化表明，老年人在非必要的出行中可能更重视身体舒适性和街道导航。这些发现与Cho等人（2024）的研究结果一致，他们强调了老年人日常出行和自由出行之间的不同行为模式。同样，中等水平无障碍设施在两个时间段内都显示出持久的效果，突出了低成本、高影响力基础设施改进的重要性。

研究结果强调了减少枢纽点的步行距离和提高地铁站周围区域步行性的重要性。应优先投资中等水平无障碍设施，因为它们对改善枢纽行为有实质性的影响。同时，如果预算有限，高级设施可以优先级较低。此外，公交和地铁服务的协调，包括同步的时刻表，对于优化枢纽效率至关重要。政策制定者应努力平衡扩展公交网络与保持其简单性和可靠性，以避免给老年用户带来负担。

与预期相反，绿地并没有显著影响老年人使用地铁到公交枢纽的频率（见图9(b)和(d)）。这可能是因为绿地在对旅行目的地的影响大于在枢纽过程中的影响。

最后，枢纽增长率观察到的空间异质性可以归因于每个地铁站周围不同的建成环境特征。具有短步行距离（<200米）到公交车站、适度且分布合理的无障碍设施，以及通往热门娱乐区域的强大公交服务的车站，往往表现出更大的增长。相比之下，在公交覆盖不足或行人条件较差的地区，枢纽增长受到限制。这些差异突显了即使在统一的政策背景下，局部基础设施条件的重要性。

5. 结论

本研究探讨了老年人在苏州对地铁到公交票价激励政策的行为反应，特别关注建成环境因素如何在自然政策实验下塑造枢纽行为。通过使用集成的智能卡数据、空间属性和非线性机器学习框架，我们发现了老年人对同一政策的不同反应，这些反应取决于特定地点的建成环境特征。关键决定因素包括到公交车站的步行距离、地铁站内的中等水平无障碍基础设施和公交服务特性。值得注意的是，老年人的枢纽使用率显著增加——在工作日增加了58.41%，在节假日增加了34.78%，尽管总体基线水平仍然较低。

我们的发现为年龄包容的交通设计和需求侧管理提供了几个政策启示。首先，应优先考虑成本效益高的升级措施，如紧急对讲机、低矮的柜台和其他中等水平的无障碍设施，因为它们始终是枢纽行为的强烈预测因子。与高成本的干预措施（如楼梯升降机或现场医疗服务）不同，这些中级改进提供了广泛的好处，且投资相对较低，使得它们对交通机构非常可行。其次，步行距离起着关键作用，尤其是在超过200米的阈值时，这显著降低了老年人的转移意愿。应重新结构化或联合枢纽设施，以确保地铁出口和公交车站之间有短而无障碍的路径。第三，工作日和节假日之间的差异突显了需要适应性的公交-地铁整合策略。例如，在节假日，当休闲旅行更频繁时，运营商可以同步公交服务与地铁时刻表或优化节假日特定的路线，以更好地引导老年旅客。重要的是，规划者不应仅假设票价激励就能改变行为，而应认识到，这样的政策在与解决老年人特定需求和限制的环境和运营因素结合使用时更有效。虽然本研究的分析主要关注现有公共交通用户的行为变化，但这里识别的枢纽无障碍性和基础设施的改进也可能有助于使公共交通对目前依赖私人汽车的老年人更具吸引力。

尽管有这些贡献，但仍有一些局限性需要注意。本研究没有包括对照组或正式的准实验方法，限制了因果结论的强度。观察到的变化被解释为情境驱动的相关性，而不是直接的处理效果。此外，尽管我们利用了丰富的空间和行为数据，但仍可能存在潜在的混杂因素，如路线变化或地方服务调整。此外，问卷没有收集受访者对特定枢纽设施重要性的看法或维护条件的了解。这种基于看法的评估可能为了解车站环境如何影响枢纽行为提供额外的见解，并可以纳入未来的研究。未来的工作应该使用匹配样本或差异-差异方法，在不同城市或时间范围内进行比较分析，以验证和推广这里提出的见解。

作者贡献声明：
Hyungchul Chung：撰写 – 审稿与编辑，撰写 – 原始草稿，验证，监督，项目管理，方法论，调查，数据管理，概念化。
Tianqi Gu：撰写 – 审稿与编辑，资源管理，项目管理，调查，资金获取，概念化。
Kaihan Zhang：撰写 – 审稿与编辑，可视化，软件，方法论，正式分析。
Inhi Kim：验证。
Xiang Wang：监督。
Long Cheng：验证，监督。