考慮空間自相關的建成環境對通勤方式選擇的影響

　　摘要：為探究城市空間結構對居民通勤行為的影響，考慮居民通勤出行行為在相鄰交通小區間具有相似性這一特性，建立能夠捕捉通勤行為空間自相關的層次Bayesian模型，分析交通小區尺度建成環境影響下居民個體通勤方式選擇行為決策過程。研究結果表明：居民通勤方式選擇行為在交通小區間的空間自相關是顯著存在的;采用質點空間距離矩陣的模型擬合效果最優;除個體尺度社會經濟特征外，交通小區尺度建成環境特征依然是影響居民通勤方式選擇的重要因素;其中，土地利用混合度、公共交通站點密度及交叉口密度均與居民小汽車通勤方式選擇有顯著的負相關關系，表明通過適當增加居民居住交通小區內的公共交通站點數量、提高交通小區土地利用混合度，優化街區路網設計可有效降低居民使用小汽車通勤的概率。

　　關鍵詞：交通工程;建成環境;通勤方式選擇;空間自相關;層次Bayesian模型

　　0引言

　　隨著我國城市化水平的不斷提升和機動化出行需求的不斷增加，城市交通擁堵和碳排放量呈現增速快且持續加劇的特點。通過合理布局城市空間結構優化通勤結構，引導居民采用低碳出行模式成為目前研究的熱點之一[1]。探索城市建成環境對居民出行決策的影響研究由來已久，由于通勤出行的時間和距離較為固定，考慮到建成環境的鎖定效應，目前較多學者針對居民的通勤方式選擇進行探討。Zhao[2]以北京市為例，基于多項logit模型探討了建成環境變化的對居民通勤行為的影響，研究結果表明城市建成環境對居民通勤方式選擇有顯著影響，且該影響在不同收入群體和不同職業群體間均存在顯著差異。

　　尹超英等[3]通過構建路徑分析離散選擇一體化模型揭示了職住地建成環境對小汽車通勤方式選擇的顯著影響。Christiansen等4]基于二項logit模型分析了停車設施可達性和居住地建成環境對居民小汽車通勤方式選擇的影響�？紤]到交通小區建成環境與個體社會經濟屬性之間的嵌套結構，尹超英等[5]利用多層logit模型捕捉了城市建成環境對居民通勤方式選擇的影響機理中的空間異質性。

　　近年來，也有學者利用機器學習模型對交通行為進行分析建模。然而，既有研究大多忽略了居民通勤行為間的空間自相關這一重要特性。既有研究多以交通小區作為度量建成環境的空間尺度，由于相鄰交通小區居民的出行行為具有一定相似性，傳統的統計學模型中基于個體樣本相互獨立的假設不再成立，可能會造成模型估計結果的偏倚。因此，在對建成環境和居民通勤方式選擇的影響關系進行建模時，有必要考慮居民通勤行為所具有的空間自相關性。本文考慮居民通勤方式選擇在交通小區間的空間自相關性，通過構建層次Bayesian模型探究居住地建成環境對居民小汽車通勤方式選擇行為的影響機理，研究結果可為城市規劃和城市交通精細化管理提供更為準確的理論依據。

　　1研究數據

　　針對長春市建成區范圍內的居民出行調查數據展開建模分析，研究數據準備階段主要進行個體尺度社會經濟特征篩選和交通小區尺度建成環境特征提取兩個尺度的數據匹配。

　　1.1個體尺度社會經濟特征篩選

　　研究所選用的個體尺度數據來源于2012年通過問卷獲得的長春市居民出行調查數據。篩選性別、年齡、教育水平、戶口、家庭收入、家庭規模、家庭學生數及家庭小汽車擁有作為居民社會經濟特征變量，提取變量的描述性統計結果如表所示。在最終獲取的19386份有效樣本中，受訪者的平均年齡為38歲，男性受訪者占比為53%，擁有本科及以上學歷的居民占總樣本的32%，84%的居民家庭年收入在10萬元之間，此外，樣本中25%的家庭擁有小汽車。根據數據描述性統計結果可知，研究所篩選的樣本數據構成與原始數據基本吻合，可提供有效的估計結果。

　　1.2交通小區尺度建成環境特征提取

　　在既有居民出行調查數據的基礎上以交通小區為單位提取相應的建成環境特征數據，提取范圍覆蓋長春市南關區、寬城區、二道區、朝陽區以及綠園區等個轄區�？紤]到數據的可獲得性，選取土地利用混合度、到CBD距離、公共交通站點密度及交叉口密度四個變量作為度量交通小區尺度建成環境特征的變量。土地利用混合度作為建成環境特征要素之一，是影響居民出行方式選擇的重要因素。

　　為獲取模型中所需的土地利用混合度變量，利用高德地圖API接口提取各交通小區范圍內的興趣點(POI，PointofInterest)數據，通過ArcGIS軟件將所提取的POI數據與個體數據相匹配，并基于熵指數法計算研究范圍內所有交通小區的土地利用混合度。

　　公共交通站點密度作為衡量城市公共交通可達性的重要變量，也是表征城市建成環境的重要指標之一。公共交通站點密度的計算首先基于高德地圖API接口提取并統計研究范圍內的公交站點數據，進而結合交通小區的面積計算出各交通小區的公共交通站點密度。道路交叉口密度是城市建成環境中表征街區路網設計的變量，路網設計是影響居民通勤出行方式選擇的重要因素之一。

　　將高德地圖作為基礎路網，通過對其進行坐標轉換、拓撲關系構建及數據格式轉換，并根據長春市道路網實際狀況對其進行校核修正后，提取研究范圍內的交叉口數據，并結合交通小區面積計算各交通小區的道路交叉口密度。為能夠直觀地揭示各交通小區的區位特征，利用到CBD距離作為表征建成環境中目的地可達性的變量。以rcGIS提取的交通小區的質心點為起點，以長春市中心城區為終點，計算各質心點到長春市CBD的距離。

　　2層次Bayesian模型

　　2.1模型形式

　　由于個體層通勤方式選擇和交通小區層建成環境間存在嵌套結構9]，而層次Bayesian模型可對存在空間異質性數據進行建模，進而得到可靠的模型估計結果10]。然而，傳統的層次Bayesian模型假設誤差項之間相互獨立，考慮到相鄰交通小區間土地利用性質及交通行為相似等因素導致居民的通勤方式選擇行為之間將具有一定的空間自相關性，本文通過在層次Bayesian模型基礎上納入空間自相關項解釋交通小區和相鄰交通小區空間位置上的相關性，從而獲得更準確的估計結果。

　　3模型結果

　　3.1模型擬合效果

　　基于長春市237個交通小區21379個居民的建成環境特征數據和通勤出行數據，建立居民通勤方式選擇層次Bayesian模型。考慮到居民通勤方式選擇行為中存在空間自相關性，且Bayesian模型中不同權重鄰接矩陣對空間自相關的解釋能力存在一定差異，因此分別以矩陣、共同邊界矩陣及質點空間距離矩陣作為表征不同交通小區間的空間關系。

　　年齡和教育水平對居民通勤方式選擇呈現出顯著的正向影響，即教育水平較高的男性選擇小汽車通勤的概率越大。同時，居民選擇小汽車通勤的概率也會隨著年齡的增長而增加。戶口類型和家庭規模的估計結果也呈現出顯著的正相關關系，表明本地居民中家庭規模越大，居民則更傾向于選擇小汽車通勤。從家庭收入的估計結果可知，與中等收入家庭(收入在萬到萬之間)相比，低收入家庭選擇小汽車出行的概率越低，而高收入家庭選擇小汽車出行的概率越高，這與以往的研究結論保持一致11]。

　　此外，小汽車擁有是影響居民出行方式選擇的重要因素之一，該變量的估計結果表現出與預期一致的顯著性，即小汽車擁有與居民選擇小汽車通勤之間呈現顯著的正相關關系12]。通過交通小區尺度變量的模型結果可以看出，居住地建成環境中影響居民通勤方式選擇的因素包括土地利用混合度、公共交通站點密度及交叉口密度。以下將重點針對這三個變量的估計結果進行詳細闡述。土地利用混合度與居民小汽車通勤有顯著的負相關關系，表明居民居住地所在交通小區土地利用混合度越高，居民選擇小汽車通勤的概率越小。

　　土地利用混合度由種不同類型用地表征，即居民所在交通小區所包含的用地類型越多，會顯著增加居民居住地和工作地在同一區域的概率，從而降低居民采用小汽車通勤的可能性。該結論與以往大部分研究結論一致13]。公共交通站點密度與居民小汽車通勤顯著負相關。參數估計結果表明，每平方公里范圍內增加一個公交站點，居民利用小汽車通勤的概率降低.33。表明增加居住地交通小區內公共交通可達性可有效降低居民小汽車通勤方式選擇。道路交叉口密度與公共交通站點密度的估計結果類似，對居民小汽車通勤呈顯著的負相關關系，表明交通小區范圍內的道路網絡特征是居民通勤方式選擇的重要影響因素之一。

　　從參數估計結果可知，道路交叉口密度越大，居民選擇小汽車通勤的概率越小，若每平方公里范圍內增加一個道路交叉口，居民選擇小汽車通勤的概率將降低.82。造成這一結果可能有兩方面的原因：一方面，道路交叉口密度的增加可提高道路網絡連接度，從而形成更小的街區地塊和連續的步行道路，進而促進更多的非機化出行方式和公共交通出行方式14];另一方面，就業崗位主要聚集在道路交叉口密度較高的城市中心，而居住地交叉口密度越低，可能意味著居住地到城市中心距離更遠，因此居民選擇小汽車通勤的概率也會隨之增大。

　　結論本文以居民通勤方式選擇為研究對象，考慮居民通勤方式選擇在交通小區間的空間自相關性，通過構建層次Bayesian模型探究居住地建成環境對居民小汽車通勤方式選擇行為的影響機理，得到以下結論：

　　(1)居民通勤方式選擇行為在交通小區間的空間自相關是顯著存在的，且忽略空間自相關性可導致錯誤估計各影響因素對居民通勤方式選擇的影響。用于捕捉通勤方式選擇行為空間自相關的類鄰接矩陣中，質點空間距離矩陣的擬合效果最優。

　　(2)居住地交通小區建成環境在居民通勤方式選擇決策行為中扮演重要角色，其中，土地利用混合度、公共交通站點密度及交叉口密度均對小汽車通勤選擇行為具有顯著的負向影響。

　　(3)研究結果對于通過城市規劃設計優化城市交通出行結構具有一定參考價值。在對城市通勤結構進行調整時，可考慮通過適當增加居住區土地利用混合度、改善公共交通可達性和優化城市道路設計，從而引導居民采用非機動化通勤方式。

　　參考文獻：

　　[1]呂雄鷹潘海嘯低碳出行導向下新城居住區建成環境優化研究——以上海市松江新城為例[J].住宅科技2021,415):6066+72.XiongYing,PanHaiXiao.StudyontheBuiltEnvironmentOptimizationofNewCityResidentialAreaundertheGuidanceofLowCarbonTravel—AnInvestigationStudyofSongjiangNewCity[J].HousingScience2021,415):6066+72.

　　[2]ZhaoP.Theimpactofthebuiltenvironmentonindividualworkers’commutingbehaviorinBeijing[J].InternationalJournalofSustainableTransportation,2013,7(5):389415.

　　作者：尹超英，陸穎，邵春福，馬健霄，許得杰

轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/nylw/29524.html