引言

出行方式选择是城市交通行为研究中的重要议题，受到居民社会属性、空间环境结构与心理认知等多维度的综合影响。随着城市化进程不断加快，交通需求与出行模式日益多样化，理解这些因素对出行方式选择的作用机制，对于制定有效的交通政策和推动可持续交通发展具有重要意义。

本研究围绕城市居民出行方式选择行为的多因素影响机制进行系统梳理，具有一定的理论与实践意义。在理论层面，通过整合社会属性、空间环境与心理认知三个维度，有助于从多角度理解出行行为的形成机制。在方法层面，本文回顾了出行行为研究从传统统计模型到定性研究、混合方法以及大数据分析的发展路径，为相关研究提供方法参考。在实践层面，通过分析不同人群在城市环境中的出行特征，可为交通规划与政策制定提供参考，从而推动公共交通优化与绿色出行的发展。

1 空间环境影响因素

出行行为不仅是个体特征的体现，更是城市空间结构与环境条件的直接反映。城市规划中的土地利用模式、密度与交通设施布局，以及居民对空间可达性的认知，直接或间接影响居民出行方式的偏好与选择。空间因素在研究出行行为时被广泛讨论，在城市设计引导绿色出行方面扮演着核心角色。

1.1 土地利用混合度

土地使用的混合程度（Land-use Mix）是衡量城市空间功能整合程度的重要指标，指的是一个区域内住宅、商业、办公、教育等多种功能的共存情况。

在建成环境研究中，Cervero and Kockelman(1997)在“3Ds”理论中提出“Diversity”概念，将土地利用混合度纳入出行行为分析框架，认为功能混合度的提升有助于促进步行、骑行及公共交通等出行方式。Cervero(2002)进一步指出，较高的土地利用混合度能够缩短出行距离，提高非机动化出行与公共交通的可达性，从而降低对私家车的依赖，而功能单一、空间分散的区域则更容易形成机动车依赖。Saelens and Handy(2008)的综述研究表明，土地利用混合度是影响步行行为的重要环境因素之一，并与步行水平呈正相关关系。近年来，相关研究开始从出行体验角度对该问题进行拓展。Noseir et al.(2023)指出，土地利用混合度不仅影响出行过程，还会影响个体对出行时间的感知以及主观满意度，体现出建成环境对出行体验的多维作用。

现有研究主要从客观空间结构角度分析土地利用混合度的作用，对于不同人群在同一空间环境中的行为差异以及主观感知因素的影响仍有待进一步探讨。

1.2 密度

密度（如人口密度和居住密度）是影响居民交通方式选择的重要空间因素。在建成环境与交通行为研究中，Cervero(2002)指出，较高的人口密度能够支撑更高水平的公共交通服务，从而促进以公共交通为导向的发展模式，使居民在出行中更倾向于选择公共交通而非私家车。

随后，研究从综合视角对建成环境因素进行了系统总结，Ewing and Cervero(2010)通过元分析指出，密度、土地利用混合度等建成环境变量与出行距离和交通方式选择之间存在显著关联。其中，密度的提高通常与车辆行驶里程的减少相关，但其影响程度相对有限，往往需要与其他空间因素共同作用。后续的研究进一步从交通行为结果角度对密度效应进行了量化分析，Zhang et al.(2012)通过对多个美国城市的实证研究发现，居住密度越高、土地利用越集中的地区，其单位出行所产生的车辆行驶里程（VMT）越短，表明紧凑型城市结构有助于减少机动车出行需求。

近年研究进一步结合多变量建成环境特征展开分析，Min et al.(2021)基于空间回归模型指出，居住密度与土地利用结构等因素会显著影响不同出行目的下的交通方式选择，说明密度效应具有一定的情境差异。

高密度城市空间有助于提升公共交通服务效率并降低机动车依赖，但现有研究多集中于客观空间指标，对于居民主观感知及不同人群对密度环境的响应差异仍缺少深入研究。

1.3 可达性与空间感知

1.3.1 可达性

除了土地利用结构与密度因素外，交通可达性也是影响居民出行方式的重要空间因素。早期研究多从客观角度对可达性进行测度。Handy and Niemeier(1997)指出，传统可达性研究主要以空间距离或出行时间作为衡量标准，忽视了个体在实际出行过程中的行为认知与主观体验。接着，研究开始关注空间接近性对出行行为的影响。Cervero(2002)指出，当居民居住地与公共交通站点或主要活动中心之间的空间距离较短时，公共交通与步行出行的可能性会显著提高，表明空间可达性在出行决策中具有重要作用。学者们对可达性的内涵进行了系统拓展，Geurs and Van Wee(2004)指出，可达性是由土地利用、交通系统、时间约束以及个体特征等多个维度共同构成的综合性概念。在这个基础上，研究拓展了可达性的测度方法，Páez et al.(2012)指出，可达性可以通过多种指标进行衡量，不同测度方法在结果解释与政策应用中具有差异，说明可达性不仅是一个多维概念，也具有方法层面的复杂性。近年开始，研究逐渐关注可达性在不同社会群体之间的差异性，Antipova et al.(2020)指出，可达性不仅反映空间机会的分布，还与交通公平密切相关，不同收入与空间位置的群体在可达性水平上可能存在显著差异。

现有研究已从单一的空间测度逐步发展为多维度综合分析框架，但对于不同群体在可达性条件下的行为响应机制，仍有待研究。

1.3.2 空间感知

在客观可达性之外，个体对空间环境的主观感知同样会影响其出行方式选择。随着行为科学的引入，研究逐渐认识到，即使在客观空间条件相似的情况下，不同个体对出行环境的评价也可能存在显著差异，从而导致不同的出行决策。基于前面Handy and Niemeier(1997)提出的结论，后续研究逐渐将注意力从“客观可达性”转向“感知可达性”。Ettema et al.(2010)指出，出行过程不仅是实现活动目的的手段，也会影响个体的主观体验与幸福感，这表明出行评价具有重要的行为意义。Lättman et al.(2016)提出“感知可达性”概念，强调个体对交通系统便利性的主观评价，是理解出行行为的重要维度。Van Wee(2016)在其关于可达性研究的综述中提到，个体对交通时间、舒适性、安全性等方面的主观评价，会显著影响其对出行便利性的整体判断。这说明，即使空间距离较近，若出行环境被感知为不安全或不舒适，个体仍可能放弃步行或公共交通等方式。

空间感知在出行行为中发挥着重要的中介作用，它连接了客观空间条件与个体行为选择。现有研究虽然已开始关注感知因素，但不足之处是，对于不同人群在空间感知上的差异，以及感知如何进一步转化为具体出行行为，还未深入探讨。

2 社会影响因素

出行行为作为一种日常活动，其形成往往受到个体社会属性的影响。众多研究表明，性别、年龄、收入、教育水平、职业类型以及家庭结构等因素都会对居民的出行方式选择产生重要作用。这些因素不仅影响居民对不同交通方式的偏好，也会影响其对出行时间、通勤强度、安全性和便利性的感知。

2.1 收入与职业影响

2.1.1 收入

在出行方式选择研究中，收入和职业一直被认为是很重要的社会经济因素。早期研究主要从经济能力出发，认为收入水平会影响家庭的交通工具拥有情况，从而影响出行方式。Cervero(2002)指出，高收入群体通常更倾向于使用私家车出行。接着，Giuliano and Dargay(2006)的研究也发现，收入水平会显著影响家庭的汽车拥有率，进而影响居民的出行选择。

在这基础上，Handy et al.(2005)从建成环境与个体行为的角度进一步提出，收入与汽车拥有之间的关系会影响居民的出行方式。同时，Banister(2008)在研究中提到，不同收入群体在交通系统中的受益程度并不相同，一些政策甚至可能加剧这种差异。Lucas(2012)也指出，低收入群体在交通资源获取方面往往处于不利地位，更依赖公共交通，其出行机会也更容易受到可达性的限制。

总体来看，这些研究都说明了收入差异对出行方式选择的重要影响。不过，目前很多研究还是停留在宏观层面，对不同收入群体在具体出行情境中的行为差异关注还不够。

2.1.2 职业类型

职业类型也会影响居民出行的频率与规律。在这个方面，研究也逐渐从简单描述转向更深入的分析。Giuliano(2003)发现，不同社会经济群体在通勤时间安排和出行模式上存在明显差异，比如有些职业通勤时间比较固定，而有些会偏向灵活。随后，Kitamura(2009)从生活方式的角度出发，指出工作结构和日常活动安排会影响出行需求。Scheiner(2010)认为，职业和生活方式的差异还会影响出行距离和交通方式选择。

通过研究可以看出，职业因素往往是通过影响时间安排和生活方式，间接作用于出行行为。不过，目前大多数研究还是单独分析职业因素，与空间环境或心理因素结合得还不够多。

2.2 性别与年龄影响

2.2.1 性别

在出行行为研究中，性别被普遍认为是一个重要影响因素。已有研究表明，男性与女性在出行方式选择上存在一定差异。Best and Lanzendorf(2005)指出，男性在日常出行中更频繁使用汽车等机动化交通方式，而女性的出行模式则更容易受到家庭分工和日常活动安排的影响。Hanson(2010)从更宏观的角度指出，性别差异不仅体现在交通方式选择上，还与社会角色分工、日常活动安排以及活动空间结构紧密联系，说明这种差异不仅是个体偏好的结果，也与社会结构有关。接着，Schoner et al.(2014)在骑行行为研究中发现，女性在选择骑行时通常更加关注交通安全和道路环境，所以会出现骑行比例低于男性的情况。不过，研究也表明，这种差异并不是固定的，而是会随着城市环境和交通政策的改善而发生变化。

现有研究已经揭示了性别差异的存在，但对其背后的社会机制和不同情境下的变化仍缺乏更深入的分析。

2.2.2 年龄

在年龄方面，不同年龄群体在出行行为上同样存在明显差异。Rosenbloom(2004)指出，老年人在出行时通常更加关注距离和舒适度，其出行选择往往受到身体状况和活动范围的限制，因此更倾向于短距离出行或依赖公共交通与社区交通服务。同时，从可达性角度来看，Geurs and Van Wee(2004)指出，不同群体在交通资源获取和出行机会方面存在差异，年龄会通过影响个体的行动能力和活动范围，进一步影响其出行方式选择。年轻群体在出行方式上通常更加灵活，Delbosc and Currie(2013)发现，年轻人对私家车的依赖程度有所下降，更容易接受公共交通、骑行等多种出行方式，在出行时间和方式选择上也更灵活。

所以，年龄不仅影响个体的出行能力，也与其所处的生活阶段和出行需求密切相关。但目前研究多从单一年龄群体出发，对于不同年龄群体在同一城市环境中的对比分析仍相对较少。

2.3 教育水平与家庭结构影响

2.3.1 教育水平

在出行行为研究中，教育水平通常被看作反映个体社会经济背景和生活方式的一个重要因素。已有研究发现，不同教育背景的人在出行方式选择上往往会有一些差异。Handy et al.(2005)在研究中将教育等社会经济变量纳入分析，指出这些因素会通过影响个体的出行偏好和自我选择，对出行方式产生间接影响。Scheiner(2010)从生活方式的角度进一步指出，像教育水平这样的社会经济特征会影响人们的日常活动安排，从而影响他们的出行行为。Heinen et al.(2011)的研究表明，人们对健康和环境的看法会影响他们是否选择骑行等绿色出行方式，而教育程度较高的人通常更容易形成这种偏好。

所以，教育水平对出行行为的影响通常不是直接的，会通过生活方式、出行习惯和价值观这些方面慢慢体现出来。但是，目前很多研究还是把教育当作一个背景变量来处理，在具体是如何发挥作用这个方面，还没有过多的讨论研究。

2.3.2 家庭结构

在家庭结构方面，研究普遍认为其对出行行为具有重要影响。从理论层面来看，出行需求本质上来源于个体参与各类日常活动的需要，即出行行为是一种“派生需求”，不同类型的活动安排会在一定程度上影响个体的出行模式与出行选择。Giuliano(2003)指出，家庭结构和家庭责任会显著影响个体的出行模式和通勤安排。随着研究的深入，学者们逐渐从活动安排与时间使用的角度对出行行为进行解释，认为家庭责任会通过影响日常活动组织与时间分配，间接作用于出行方式选择。近年的相关研究进一步从动态视角对这一问题进行了拓展，Gao et al.(2023)基于纵向数据分析发现，家庭层面的关键事件（如结婚、生育）会显著改变个体的出行方式选择与出行频率。

家庭结构不仅影响个体的出行安排，还会通过日常活动组织与时间分配，间接作用于出行行为。不过，现有研究多关注典型家庭类型，对于不同家庭结构在不同城市环境中的差异仍缺乏深入分析。

3 心理与认知影响因素

除了可量化的社会属性与物理环境因素外，个体的心理状态、认知偏好与行为意图同样会对出行方式选择产生重要影响。随着行为科学与心理学理论逐渐融入交通研究，学者们开始更加关注主观态度、价值观念、风险感知等因素在出行决策中的作用。其中计划行为理论（Theory of Planned Behavior，TPB）被广泛应用于交通行为研究，用于解释个体出行意图的形成过程，还有风险感知、环境意识等心理因素也被认为会进一步影响居民的出行选择。

3.1 行为意图与TPB模型

在心理与认知因素中，行为意图被认为是影响个体出行方式选择的重要前置变量。Ajzen(1991)提出的计划行为理论（Theory of Planned Behavior，TPB）认为，个体的行为意图主要由三个因素共同决定：对行为的态度（Attitude）、主观规范（Subjective Norm）以及知觉行为控制（Perceived Behavioral Control）。其中，态度反映个体对行为结果的评价，主观规范体现社会环境对个体的影响，而知觉行为控制则表示个体对自身是否能够实施该行为的判断。

在交通行为研究中，TPB模型被广泛用于解释居民对不同交通方式的采纳意愿。Bamberg et al. (2003)将TPB模型应用于交通方式选择研究中，发现个体对交通方式的态度、社会规范以及知觉行为控制都会显著影响其出行方式的选择。当个体对某种出行方式持积极态度，并认为该行为符合社会期望且具备实施条件时，更可能形成相应的行为意图并改变出行方式。随后研究对TPB模型进行了进一步拓展，Bamberg and Möser (2007)通过元分析指出，在环境相关行为研究中，除态度、规范等传统变量外，习惯、情绪及道德规范等因素同样会对行为意图产生重要影响，表明个体行为并非完全由理性判断所驱动。

总的来说，TPB模型能够较为清晰地解释行为意图的形成机制，但其对情绪、习惯以及情境变化等因素的解释能力仍存在一定局限。因此，在交通行为研究中，往往需要将其与其他心理或情境变量结合，以更全面地解释个体的出行决策。

3.2 风险感知与出行体验

在心理与认知因素中，个体对风险的主观评估会显著影响其出行方式选择。研究表明，在公共交通情境下，乘客对拥挤程度的感知会直接影响其使用意愿。Im et al.(的研究发现，拥挤感知与公共交通使用意图之间存在显著负相关，即当个体感知到较高的不适或拥挤风险时，其继续选择该交通方式的意愿会明显下降。

研究逐渐从“出行前的风险判断”扩展到“出行后的体验评价”。Mokhtarian and Salomon (2001)指出，出行不仅是一种工具性行为，还具有一定的内在价值，这为理解出行体验的重要性提供了理论基础。Ettema et al. (2010)指出，个体在出行过程中的主观体验与满意度，会影响其整体幸福感及对出行方式的评价。De Vos (2019)进一步表明，出行满意度会对未来出行行为产生反馈作用，从而影响个体对交通方式的持续选择。

出行行为不仅受到前期风险感知的影响，也会受到后期出行体验的反馈调节，形成一个动态调整的过程。然而，现有研究多从单一维度分析风险或满意度，对二者之间的交互机制及其在不同人群中的差异仍有待进一步探讨。

3.3价值观与行为动机

除了功能性需求外，出行选择还与个体的价值观和生活方式密切相关。Steg (2005)指出，交通行为不仅由效率等工具性因素驱动，还受到情感偏好与象征意义等动机的影响。基于这些，研究逐渐关注个体对健康与环境效益的认知。Gatersleben and Appleton (2007)发现，不同个体在行为改变的不同阶段，对骑行的态度、感知收益与障碍存在差异，说明出行方式的转变与个体认知密切相关。Heinen et al. (2011)的研究进一步表明，个体对骑行的态度以及对健康与环境效益的认知，会显著影响其是否选择骑行通勤。近年来，Gossling (2017)从心理视角指出，个体对交通方式的选择还与情感依附和使用习惯有关，进一步说明出行行为不仅是对客观条件的反应，也是一种价值观与生活方式的体现。

出行方式的选择不仅受到客观条件的影响，也受到个体价值判断和行为动机的共同作用，但不同动机之间如何相互影响，仍有待进一步研究。

4结论

出行方式选择行为是城市交通研究中的重要议题，其形成机制涉及个体属性、空间环境与心理认知等多方面因素。本文在梳理相关文献的基础上，从社会属性、空间环境与心理认知三个维度，对出行行为研究的主要成果进行了系统总结。

在空间因素方面，城市密度、土地利用混合度以及交通网络配置共同塑造了居民的出行环境。研究表明，功能混合度高、可达性较好的区域更有利于步行和公共交通出行，而低密度地区则更容易形成对私家车的依赖。在社会因素方面，性别、年龄、收入、职业与家庭结构等都会对居民的出行方式偏好与可及性产生影响。例如，老年人和低收入群体通常更依赖公共交通，女性在出行中更加关注安全性，而育儿家庭往往更倾向于选择私家车以提高出行的灵活性。在心理认知方面，出行选择不仅是理性决策的结果，还受到行为意图、风险感知、出行体验以及环境意识等因素的影响。计划行为理论（TPB）为解释个体出行意图提供了重要框架，但在面对复杂情境与多重因素交互时仍存在一定局限。

总体来看，未来研究仍需在多维因素整合、方法融合以及数据应用规范等方面进一步深化，从而更加全面地理解居民出行行为，并为城市交通规划与可持续交通发展提供更有针对性的参考。

5研究不足与未来方向

尽管已有研究从社会属性、空间环境与心理认知等多个维度对出行方式选择进行了较为丰富的探讨，但整体来看仍存在一些不足之处。第一，不同因素之间的综合作用机制尚未得到充分解释，现有研究多从单一视角出发，缺乏对多维因素交互影响的系统分析。第二，在研究方法上，传统定量模型与新兴数据方法之间仍存在一定割裂，对行为背后动机与实际行为之间关系的解释仍不够充分。最后，现有研究多基于特定地区或群体展开，对不同人群差异及具体情境变化的关注仍有不足。

未来研究可以在多个方向进一步深化。一方面，应加强多维因素的整合分析，结合社会、空间与心理变量，构建更加综合的出行行为解释框架；另一方面，可以推动定量方法与定性方法的融合，以更全面地理解行为动机与决策过程。同时，在大数据与智能技术快速发展的背景下，应更加重视数据使用的规范性与解释的合理性。在此基础上，未来研究还可进一步关注特定人群与具体情境下的出行行为差异，为制定更加精细化与具有针对性的交通政策提供支持。

参考文献：

1. [1] Antipova A, Sultana S, Hu Y, et al. Accessibility and Transportation Equity [J]. Sustainability,2020,12.
2. [2] AJZEN I. The theory of planned behavior [J]. Organizational behavior and human decision processes,1999,50:179-211.
3. [3] BAMBERG S, AJZEN I, SCHMIDT P. Choice of travel mode in the theory of planned behavior: The roles of past behavior, habit, and reasoned action [J]. Basic and applied social psychology,2003,25:175-187.
4. [4] BAMBERG S, MöSER G. Twenty years after Hines, Hungerford, and Tomera: A new meta-analysis of psycho-social determinants of pro-environmental behaviour [J]. Journal of environmental psychology,2007,27:14-25.
5. [5] BANISTER D. The sustainable mobility paradigm [J]. Transport policy,2008,15:73-80.
6. [6] BEST H, LANZENDORF M. Division of labour and gender differences in metropolitan car use: An empirical study in Cologne, Germany [J]. Journal of Transport Geography,2005,13:109-121.
7. [7] CERVERO R. Built environments and mode choice: toward a normative framework [J]. Transportation Research Part D: Transport and Environment,2002,7:265-284.
8. [8] CERVERO R, KOCKELMAN K. Travel demand and the3Ds: Density, diversity, and design [J]. Transportation Research Part D: Transport and Environment,1997,2:199-219.
9. [9] DE VOS J. Satisfaction-induced travel behaviour [J]. Transportation Research Part F: Traffic Psychology and Behaviour,2019,63:12-21.
10. [10] DELBOSC A, CURRIE G. Causes of youth licensing decline: a synthesis of evidence [J]. Transport Reviews,2013,33:271-290.
11. [11] ETTEMA D, GÄRLING T, OLSSON L E, et al. Out-of-home activities, daily travel, and subjective well-being [J]. Transportation Research Part A: Policy and Practice,2010,44:723-732.
12. [12] EWING R, CERVERO R. Travel and the built environment: A meta-analysis [J]. Journal of the American Planning Association,2010,76:265-294.
13. [13] GAO J, HE S Y, ETTEMA D, et al. Travel behavior changes due to life events: Longitudinal evidence from Dutch couple households [J]. Transportation Research Part A: Policy and Practice,2023,175:103765.
14. [14] GATERSLEBEN B, APPLETON K M. Contemplating cycling to work: Attitudes and perceptions in different stages of change [J]. Transportation Research Part A: Policy and Practice,2007,41:302-312.
15. [15] GEURS K T, VAN WEE B. Accessibility evaluation of land-use and transport strategies: review and research directions [J]. Journal of Transport Geography,2004,12:127-140.
16. [16] GIULIANO G. Travel, location and race/ethnicity [J]. Transportation Research Part A: Policy and Practice,2003,37:351-372.
17. [17] GIULIANO G, DARGAY J. Car ownership, travel and land use: a comparison of the US and Great Britain [J]. Transportation Research Part A: Policy and Practice,2006,40:106-124.
18. [18] HANDY S, CAO X, MOKHTARIAN P. Correlation or causality between the built environment and travel behavior? Evidence from Northern California [J]. Transportation Research Part D: Transport and Environment,2005,10:427-444.
19. [19] HANDY S L, NIEMEIER D A. Measuring accessibility: an exploration of issues and alternatives [J]. Environment and Planning A,1997,29:1175-1194.
20. [20] HANSON S. Gender and mobility: new approaches for informing sustainability [J]. Gender, Place & Culture,2010,17:5-23.
21. [21] HEINEN E, MAAT K, VAN WEE B. 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,2011,16:102-109.
22. [22] KITAMURA R. Life-style and travel demand: From Special Report220: A Look Ahead: Year2020, Transportation Research Board, National Research Council, Washington, DC,1988, pp.149–189. Reproduced with permission of TRB [J]. Transportation,2009,36:679-710.
23. [23] LÄTTMAN K, OLSSON L E, FRIMAN M. Development and test of the perceived accessibility scale (PAC) in public transport [J]. Journal of Transport Geography,2016,54:257-263.
24. [24] LUCAS K. Transport and social exclusion: Where are we now? [J]. Transport Policy,2012,20:105-113.
25. [25] MIN B, LEE G, KIM S. Effects of land-use characteristics on transport mode choices by purpose of travel in Seoul, South Korea, based on spatial regression analysis [J]. Sustainability,2021,13:1767.
26. [26] MOKHTARIAN P L, SALOMON I. How derived is the demand for travel? Some conceptual and measurement considerations [J]. Transportation Research Part A: Policy and Practice,2001,35:695-719.
27. [27] NOSEIR D M, KHALIFA M A, SERAG Y M, et al. Investigating the influence of land use mix and built environment elements on travel time perception and subjective wellbeing [J]. HBRC Journal,2023,19:563-587.
28. [28] PÁEZ A, SCOTT D M, MORENCY C. Measuring accessibility: positive and normative implementations of various accessibility indicators [J]. Journal of Transport Geography,2012,25:141-153.
29. [29] ROSENBLOOM S. Mobility of the Elderly [J]. Transportation in an Aging Society,2004:3-21.
30. [30] SAELENS B E, HANDY S L. Built environment correlates of walking: a review [J]. Medicine and Science in Sports and Exercise,2008,40: S550.
31. [31] SCHEINER J. Social inequalities in travel behaviour: trip distances in the context of residential self-selection and lifestyles [J]. Journal of Transport Geography,2010,18:679-690.
32. [32] STEG L. Car use: lust and must. Instrumental, symbolic and affective motives for car use [J]. Transportation Research Part A: Policy and Practice,2005,39:147-162.
33. [33] VAN WEE B. Accessible accessibility research challenges [J]. Journal of Transport Geography,2016,51:9-16.
34. [34] ZHANG L, HONG J, NASRI A, et al. How built environment affects travel behavior: A comparative analysis of the connections between land use and vehicle miles traveled in US cities [J]. Journal of Transport and Land Use,2012,5:40-52.
35. [35] GOSSLING S. The psychology of the car: automobile admiration, attachment, and addiction [C]. Elsevier,2017.