考慮空間不確定效應(yīng)的建成環(huán)境對(duì)出行頻率的影響

王曉全, 邵春福, 尹超英, 鄭長(zhǎng)江

(1.河海大學(xué) 土木與交通學(xué)院, 南京 210098;2.新疆大學(xué) 交通運(yùn)輸工程學(xué)院, 烏魯木齊 830017;3.北京交通大學(xué) 綜合交通運(yùn)輸大數(shù)據(jù)應(yīng)用技術(shù)交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室, 北京 100442;4.南京林業(yè)大學(xué) 汽車與交通工程學(xué)院, 南京 210037)

0 引言

隨著中國(guó)城市化進(jìn)程加快,大量農(nóng)村人口涌入城市,城市規(guī)?？焖贁U(kuò)張,城市交通擁堵問(wèn)題日益突出,居民出行距離和出行時(shí)間不斷延長(zhǎng),從而導(dǎo)致了能源消耗和空氣污染等一系列城市難題[1-2]. 如何通過(guò)優(yōu)化建成環(huán)境降低居民日常出行需求進(jìn)而緩解交通出行帶來(lái)的諸多負(fù)面效應(yīng)已成為研究的熱點(diǎn)問(wèn)題之一.

既有研究中,國(guó)內(nèi)外學(xué)者從不同角度對(duì)建成環(huán)境和出行頻率的互動(dòng)關(guān)系進(jìn)行了探究. Park等[3]利用美國(guó)8個(gè)城市的居民出行調(diào)查數(shù)據(jù)探討了鄰里尺度建成環(huán)境對(duì)居民出行頻率的影響,證實(shí)了鄰里尺度建成環(huán)境在家庭出行決策中扮演重要角色. Cao等[4]考慮了小汽車出行、公共交通出行和步行出行之間的相關(guān)性,通過(guò)構(gòu)建似不相關(guān)回歸模型分析了建成環(huán)境對(duì)不同方式出行頻率的影響,結(jié)果表明盡管各建成環(huán)境屬性對(duì)不同方式出行頻率的影響各異,但建成環(huán)境仍是影響出行頻率的關(guān)鍵因素. Zhang等[5]基于負(fù)二項(xiàng)回歸模型分析了居住地周邊居住密度對(duì)居民出行頻率的影響,發(fā)現(xiàn)在控制社會(huì)經(jīng)濟(jì)屬性后,居住密度對(duì)出行頻率具有顯著的正向影響. Huang等[6]利用西安市居民出行調(diào)查數(shù)據(jù)分析了建成環(huán)境的公共交通可達(dá)性維度對(duì)公共交通出行頻率的影響,結(jié)果表明公共交通可達(dá)性提高后,居民的公共交通出行頻率有所提高. 馮建喜等[7]以南京市老年人為研究對(duì)象,分別利用有序Logit和線性回歸模型分析了建成環(huán)境對(duì)老年人出行頻率和出行距離的影響,結(jié)果表明人口密度、土地混合利用及到交通站點(diǎn)距離等均對(duì)老年人出行行為具有顯著影響. 彭宇紅[7]以2016年北京市居民出行調(diào)查數(shù)據(jù)為例,分析了居民出行頻率的影響因素,發(fā)現(xiàn)居住地到公共交通站點(diǎn)距離對(duì)居民個(gè)體出行頻率具有顯著影響. 然而,既有研究多關(guān)注某一空間尺度建成環(huán)境對(duì)出行頻率的影響,缺少對(duì)不同空間尺度建成環(huán)境影響的探討[8],忽略了由于可塑性面積單元問(wèn)題(Modified Areal Unit Problem MAUP)效應(yīng)導(dǎo)致的統(tǒng)計(jì)分析結(jié)果差異. 由于個(gè)體出行活動(dòng)空間存在不確定性,出行方式及出行距離等出行行為均存在MAUP效應(yīng)[9],因此在對(duì)出行頻率進(jìn)行建模時(shí),有必要考慮出行頻率的MAUP效應(yīng),進(jìn)而分析不同空間尺度下建成環(huán)境對(duì)出行頻率的影響關(guān)系. 此外,既有研究多關(guān)注個(gè)體層出行頻率的建模,針對(duì)建成環(huán)境和家庭出行頻率的建模研究仍較少. 由于出行行為在較大程度上是家庭成員共同決策完成的[10],從家庭層揭示建成環(huán)境對(duì)出行頻率的影響有助于深入理解建成環(huán)境和出行行為互動(dòng)關(guān)系.

本文以家庭出行頻率為研究對(duì)象,提取居住地周邊不同空間尺度建成環(huán)境屬性捕捉MAUP效應(yīng),并利用泊松回歸模型分析不同空間尺度建成環(huán)境對(duì)出行頻率的影響,為通過(guò)優(yōu)化建成環(huán)境減少居民日常出行需求提供理論依據(jù).

1 研究數(shù)據(jù)

本文所用數(shù)據(jù)主要來(lái)源于課題組在2018年 11月至2019年2月利用問(wèn)卷星平臺(tái)完成的北京市居民出行調(diào)查數(shù)據(jù). 該調(diào)查由問(wèn)卷星公司協(xié)助完成,研究區(qū)域按照各行政區(qū)人口數(shù)量按比例對(duì)行政區(qū)隨機(jī)抽樣,最終獲得有效問(wèn)卷1 014份,其中中心城區(qū)(西城區(qū)和東城區(qū))樣本95份,郊區(qū)(朝陽(yáng)區(qū)、豐臺(tái)區(qū)、石景山區(qū)及海淀區(qū))樣本446份,遠(yuǎn)郊區(qū)(房山區(qū)、通州區(qū)、順義區(qū)、昌平區(qū)、大興區(qū)、門(mén)頭溝區(qū)及延慶區(qū))473份,如圖1所示.

圖1 北京市區(qū)域劃分

1 014份有效問(wèn)卷記錄了受訪者的家庭社會(huì)經(jīng)濟(jì)屬性和出行屬性. 本研究中選取的家庭社會(huì)經(jīng)濟(jì)屬性包括家庭規(guī)模、家庭年收入、家庭駕照數(shù)、家庭是否有小孩、家庭汽車或自行車數(shù)等6個(gè)變量. 考慮到通勤者的通勤時(shí)間是出行頻率的重要影響因素,擬將家庭平均通勤時(shí)間作為控制變量納入模型. 本文中的因變量為家庭層面的出行頻率,利用家庭成員一周內(nèi)總的出行次數(shù)來(lái)表示. 各變量的統(tǒng)計(jì)性描述結(jié)果如表1所示.

表1 家庭社會(huì)經(jīng)濟(jì)屬性統(tǒng)計(jì)性描述

為分析不同空間尺度建成環(huán)境屬性對(duì)出行頻率的影響,選取400 m、800 m及1 600 m 3個(gè)空間尺度的圓形緩沖區(qū)作為研究對(duì)象,以居住地為中心提取居住地周邊不同緩沖區(qū)內(nèi)建成環(huán)境屬性,各建成環(huán)境屬性的統(tǒng)計(jì)性描述結(jié)果如表2所示. 利用高德地圖API提取相應(yīng)POI數(shù)據(jù),基于ArcGIS平臺(tái)對(duì)4個(gè)維度的建成環(huán)境進(jìn)行表征. 所選用的4個(gè)維度的建成環(huán)境包括“多樣性”“設(shè)計(jì)”“到公共交通站點(diǎn)的距離”及“目的地可達(dá)性”[11]. 利用公共交通站點(diǎn)密度和到公共交通站點(diǎn)距離表征建成環(huán)境的“到公共交通站點(diǎn)的距離”維度;其中,公共交通站點(diǎn)密度根據(jù)緩沖區(qū)內(nèi)公共交通站點(diǎn)數(shù)量與面積的比值計(jì)算得到,而到公共交通站點(diǎn)距離由居住地到最近公共交通站點(diǎn)距離表示. 利用道路交叉口密度和道路長(zhǎng)度表征建成環(huán)境的“設(shè)計(jì)”維度;其中,道路交叉口密度根據(jù)緩沖區(qū)內(nèi)道路交叉口數(shù)量與面積的比值計(jì)算得到,而道路長(zhǎng)度由緩沖區(qū)內(nèi)各等級(jí)城市道路的長(zhǎng)度表示. 利用到城市子中心距離表征“目的地可達(dá)性”維度,該變量由居住地到其所在區(qū)政府的距離表示. 利用土地利用混合度表征“多樣性”維度,該變量由11類興趣點(diǎn)(住宅、政府、醫(yī)院、學(xué)校、購(gòu)物中心、銀行、酒店、餐飲、超市、公園和廣場(chǎng))基于熵指數(shù)法計(jì)算得到[12],具體計(jì)算過(guò)程如式(1)所示.

(1)

式中,pij表示在緩沖區(qū)j內(nèi)第i類POI所占的比例;Nj表示緩沖區(qū)j內(nèi)所有興趣點(diǎn)的種類數(shù)量.

2 模型構(gòu)建

泊松回歸模型是一種典型的廣義線性回歸模型,該模型建立在泊松分布的基礎(chǔ)上.由于家庭出行頻率為計(jì)數(shù)型變量,該變量的特點(diǎn)是取值范圍較小的非負(fù)整數(shù)變量,因此不滿足線性回歸模型對(duì)連正態(tài)分布因變量的要求.泊松回歸模型是處理此類問(wèn)題的有效方法.假設(shè)隨機(jī)變量Y為因變量y的發(fā)生概率,則泊松回歸模型中因變量y可利用如式(2)所示的概率密度函數(shù)表示.

(2)

式中,x為模型自變量;λ為泊松回歸模型中的唯一參數(shù).在泊松回歸模型中假設(shè)因變量yi是基于λi抽取獲得,該參數(shù)可由自變量xi計(jì)算得到,因變量yi和自變量xi之間的關(guān)系如式(3)所示.

(3)

式中,yi為家庭i的出行頻率;xi為家庭i的社會(huì)經(jīng)濟(jì)屬性(家庭規(guī)模、家庭收入、家庭擁有駕照人數(shù)、家庭是否有小孩、家庭小汽車擁有數(shù)及家庭自行車擁有數(shù))及相應(yīng)的建成環(huán)境屬性(公共交通站點(diǎn)密度、道路交叉口密度、土地利用混合度、道路密度、到公共交通站點(diǎn)距離及到城市子中心距離).

本研究中λi可由自變量xi基于對(duì)數(shù)線性模型計(jì)算得到,如式(4)所示.

(4)

在泊松回歸模型中,因變量yi仍需滿足等離散假定,如式(5)所示.

E(yi|xi)=Var(yi|xi)=λi=ex′iβ

(5)

3 模型結(jié)果

為驗(yàn)證MAUP效應(yīng)的影響,分別基于3種不同空間尺度緩沖區(qū)設(shè)計(jì)3組模型進(jìn)行對(duì)比分析. 通過(guò)構(gòu)建泊松回歸模型探究城市建成環(huán)境對(duì)家庭出行頻率的影響,并利用AIC(Akaike Information Criterion)值對(duì)模型擬合效果進(jìn)行評(píng)價(jià). 三個(gè)模型的參數(shù)估計(jì)結(jié)果如表2所示.

由表2的模型估計(jì)結(jié)果可知,三組模型的估計(jì)結(jié)果存在差異性,表明建成環(huán)境與家庭出行評(píng)率的互動(dòng)關(guān)系中存在MAUP效應(yīng). 此外,基于400 m緩沖區(qū)數(shù)據(jù)構(gòu)建的模型1的AIC值優(yōu)于模型2和模型3的AIC值,表明將MAUP效應(yīng)融入到建成環(huán)境和出行頻率建模中可提高模型的擬合效果,且以 400 m 緩沖區(qū)的空間尺度提取建成環(huán)境特征更為合理,因此,模型1能更準(zhǔn)確擬合建成環(huán)境和家庭出行頻率的互動(dòng)關(guān)系.

具體而言,在選用不同緩沖區(qū)空間尺度時(shí),家庭社會(huì)經(jīng)濟(jì)屬性對(duì)出行頻率的影響顯著性均未發(fā)生變化,僅各屬性的影響程度有所變化. 而建成環(huán)境屬性中,僅公共交通站點(diǎn)距離和到城市子中心距離對(duì)出行頻率的影響顯著性在3個(gè)模型中均為顯著. 而公共交通站點(diǎn)密度、道路交叉口密度、土地利用混合度及道路長(zhǎng)度等4個(gè)建成環(huán)境變量對(duì)出行頻率的影響顯著性并不相同,因此在對(duì)建成環(huán)境和出行行為進(jìn)行建模時(shí),有必要考慮MAUP效應(yīng)的影響.

基于400 m緩沖區(qū)的模型估計(jì)結(jié)果表明,家庭規(guī)模與出行頻率呈現(xiàn)顯著的正相關(guān)關(guān)系,與規(guī)模較小的家庭相比,規(guī)模越大家庭的出行頻率越高,這一結(jié)果也被已有研究所證實(shí)[3]. 對(duì)家庭收入而言,低收入家庭出行頻率顯著低于中等收入家庭;而高收入家庭出行頻率與中等收入家庭不存在顯著差異. 家庭中擁有駕照人數(shù)對(duì)出行頻率的影響不顯著. 家庭中是否有小孩對(duì)出行頻率具有顯著的負(fù)向影響,表明擁有小孩會(huì)顯著降低出行頻率,Cao等[4]基于北加州的研究亦發(fā)現(xiàn)家庭中有小孩會(huì)顯著降低家庭小汽車出行頻率. 家庭小汽車擁有數(shù)和家庭自行車擁有數(shù)對(duì)家庭出行頻率的影響具有相似的結(jié)果,即兩變量均對(duì)出行頻率具有顯著的負(fù)向影響. 通勤時(shí)間對(duì)出行頻率具有顯著的正向影響,表明平均通勤時(shí)間更長(zhǎng)家庭出行頻率亦更高.

建成環(huán)境變量中,交叉口密度、道路密度、到公共交通站點(diǎn)距離及到城市子中心距離對(duì)出行頻率具有顯著的影響,而公共交通站點(diǎn)密度和土地利用混合度對(duì)出行頻率的影響不顯著. 具體而言,道路交叉口密度對(duì)出行頻率具有顯著的負(fù)向影響,表明居住在交通連通性更好的區(qū)域內(nèi)家庭出行頻率更低. 道路密度和到公共交通站點(diǎn)距離對(duì)出行頻率具有顯著的正向影響,表明居住地400 m范圍內(nèi)的道路密度越大、公交可達(dá)性越高,出行者的家庭出行頻率則越高. 到城市子中心距離對(duì)出行頻率具有顯著的負(fù)向影響,表明居住地離城市子中心距離越遠(yuǎn),家庭出行頻率越低,這一結(jié)論表明,居住在城市子中心附近的家庭可能是出行的主要產(chǎn)生者,因此,城市規(guī)劃者和交通政策制定者更應(yīng)聚焦于此類家庭.

4 結(jié)論

本文基于北京市居民出行調(diào)查數(shù)據(jù),考慮出行行為的MAUP效應(yīng),構(gòu)建泊松回歸模型分析了不同空間尺度建成環(huán)境對(duì)家庭出行頻率的影響. 研究結(jié)果如下:

1)3種不同空間尺度(400 m、800 m及1 600 m緩沖區(qū))中,建成環(huán)境對(duì)出行頻率的影響不盡相同,基于400 m緩沖區(qū)建成環(huán)境的模型擬合效果更優(yōu),因此有必要在對(duì)建成環(huán)境和出行頻率建模時(shí)考慮MAUP效應(yīng).

2)估計(jì)結(jié)果表明,建成環(huán)境屬性中,居住地道路交叉口密度和到城市子中心距離對(duì)出行頻率具有顯著的負(fù)向影響;道路密度和到公共交通站點(diǎn)距離對(duì)出行頻率的影響則呈顯著的正效應(yīng);公共交通站點(diǎn)密度和土地利用混合度對(duì)出行頻率不具有顯著影響.

3)研究成果可為通過(guò)優(yōu)化建成環(huán)境降低出行需求提供理論依據(jù),提高居住地道路交叉口密度可有效降低家庭出行頻率,且城市規(guī)劃者和交通政策制定者應(yīng)更多關(guān)注城市中心附近居民的出行需求.