考虑空间自相关的建成环境对通勤方式选择的影响

　　摘要：为探究城市空间结构对居民通勤行为的影响，考虑居民通勤出行行为在相邻交通小区间具有相似性这一特性，建立能够捕捉通勤行为空间自相关的层次Bayesian模型，分析交通小区尺度建成环境影响下居民个体通勤方式选择行为决策过程。研究结果表明：居民通勤方式选择行为在交通小区间的空间自相关是显著存在的;采用质点空间距离矩阵的模型拟合效果最优;除个体尺度社会经济特征外，交通小区尺度建成环境特征依然是影响居民通勤方式选择的重要因素;其中，土地利用混合度、公共交通站点密度及交叉口密度均与居民小汽车通勤方式选择有显著的负相关关系，表明通过适当增加居民居住交通小区内的公共交通站点数量、提高交通小区土地利用混合度，优化街区路网设计可有效降低居民使用小汽车通勤的概率。

　　关键词：交通工程;建成环境;通勤方式选择;空间自相关;层次Bayesian模型

　　0引言

　　随着我国城市化水平的不断提升和机动化出行需求的不断增加，城市交通拥堵和碳排放量呈现增速快且持续加剧的特点。通过合理布局城市空间结构优化通勤结构，引导居民采用低碳出行模式成为目前研究的热点之一[1]。探索城市建成环境对居民出行决策的影响研究由来已久，由于通勤出行的时间和距离较为固定，考虑到建成环境的锁定效应，目前较多学者针对居民的通勤方式选择进行探讨。Zhao[2]以北京市为例，基于多项logit模型探讨了建成环境变化的对居民通勤行为的影响，研究结果表明城市建成环境对居民通勤方式选择有显著影响，且该影响在不同收入群体和不同职业群体间均存在显著差异。

　　尹超英等[3]通过构建路径分析离散选择一体化模型揭示了职住地建成环境对小汽车通勤方式选择的显著影响。Christiansen等4]基于二项logit模型分析了停车设施可达性和居住地建成环境对居民小汽车通勤方式选择的影响。考虑到交通小区建成环境与个体社会经济属性之间的嵌套结构，尹超英等[5]利用多层logit模型捕捉了城市建成环境对居民通勤方式选择的影响机理中的空间异质性。

　　近年来，也有学者利用机器学习模型对交通行为进行分析建模。然而，既有研究大多忽略了居民通勤行为间的空间自相关这一重要特性。既有研究多以交通小区作为度量建成环境的空间尺度，由于相邻交通小区居民的出行行为具有一定相似性，传统的统计学模型中基于个体样本相互独立的假设不再成立，可能会造成模型估计结果的偏倚。因此，在对建成环境和居民通勤方式选择的影响关系进行建模时，有必要考虑居民通勤行为所具有的空间自相关性。本文考虑居民通勤方式选择在交通小区间的空间自相关性，通过构建层次Bayesian模型探究居住地建成环境对居民小汽车通勤方式选择行为的影响机理，研究结果可为城市规划和城市交通精细化管理提供更为准确的理论依据。

　　1研究数据

　　针对长春市建成区范围内的居民出行调查数据展开建模分析，研究数据准备阶段主要进行个体尺度社会经济特征筛选和交通小区尺度建成环境特征提取两个尺度的数据匹配。

　　1.1个体尺度社会经济特征筛选

　　研究所选用的个体尺度数据来源于2012年通过问卷获得的长春市居民出行调查数据。筛选性别、年龄、教育水平、户口、家庭收入、家庭规模、家庭学生数及家庭小汽车拥有作为居民社会经济特征变量，提取变量的描述性统计结果如表所示。在最终获取的19386份有效样本中，受访者的平均年龄为38岁，男性受访者占比为53%，拥有本科及以上学历的居民占总样本的32%，84%的居民家庭年收入在10万元之间，此外，样本中25%的家庭拥有小汽车。根据数据描述性统计结果可知，研究所筛选的样本数据构成与原始数据基本吻合，可提供有效的估计结果。

　　1.2交通小区尺度建成环境特征提取

　　在既有居民出行调查数据的基础上以交通小区为单位提取相应的建成环境特征数据，提取范围覆盖长春市南关区、宽城区、二道区、朝阳区以及绿园区等个辖区。考虑到数据的可获得性，选取土地利用混合度、到CBD距离、公共交通站点密度及交叉口密度四个变量作为度量交通小区尺度建成环境特征的变量。土地利用混合度作为建成环境特征要素之一，是影响居民出行方式选择的重要因素。

　　为获取模型中所需的土地利用混合度变量，利用高德地图API接口提取各交通小区范围内的兴趣点(POI，PointofInterest)数据，通过ArcGIS软件将所提取的POI数据与个体数据相匹配，并基于熵指数法计算研究范围内所有交通小区的土地利用混合度。

　　公共交通站点密度作为衡量城市公共交通可达性的重要变量，也是表征城市建成环境的重要指标之一。公共交通站点密度的计算首先基于高德地图API接口提取并统计研究范围内的公交站点数据，进而结合交通小区的面积计算出各交通小区的公共交通站点密度。道路交叉口密度是城市建成环境中表征街区路网设计的变量，路网设计是影响居民通勤出行方式选择的重要因素之一。

　　将高德地图作为基础路网，通过对其进行坐标转换、拓扑关系构建及数据格式转换，并根据长春市道路网实际状况对其进行校核修正后，提取研究范围内的交叉口数据，并结合交通小区面积计算各交通小区的道路交叉口密度。为能够直观地揭示各交通小区的区位特征，利用到CBD距离作为表征建成环境中目的地可达性的变量。以rcGIS提取的交通小区的质心点为起点，以长春市中心城区为终点，计算各质心点到长春市CBD的距离。

　　2层次Bayesian模型

　　2.1模型形式

　　由于个体层通勤方式选择和交通小区层建成环境间存在嵌套结构9]，而层次Bayesian模型可对存在空间异质性数据进行建模，进而得到可靠的模型估计结果10]。然而，传统的层次Bayesian模型假设误差项之间相互独立，考虑到相邻交通小区间土地利用性质及交通行为相似等因素导致居民的通勤方式选择行为之间将具有一定的空间自相关性，本文通过在层次Bayesian模型基础上纳入空间自相关项解释交通小区和相邻交通小区空间位置上的相关性，从而获得更准确的估计结果。

　　3模型结果

　　3.1模型拟合效果

　　基于长春市237个交通小区21379个居民的建成环境特征数据和通勤出行数据，建立居民通勤方式选择层次Bayesian模型。考虑到居民通勤方式选择行为中存在空间自相关性，且Bayesian模型中不同权重邻接矩阵对空间自相关的解释能力存在一定差异，因此分别以矩阵、共同边界矩阵及质点空间距离矩阵作为表征不同交通小区间的空间关系。

　　年龄和教育水平对居民通勤方式选择呈现出显著的正向影响，即教育水平较高的男性选择小汽车通勤的概率越大。同时，居民选择小汽车通勤的概率也会随着年龄的增长而增加。户口类型和家庭规模的估计结果也呈现出显著的正相关关系，表明本地居民中家庭规模越大，居民则更倾向于选择小汽车通勤。从家庭收入的估计结果可知，与中等收入家庭(收入在万到万之间)相比，低收入家庭选择小汽车出行的概率越低，而高收入家庭选择小汽车出行的概率越高，这与以往的研究结论保持一致11]。

　　此外，小汽车拥有是影响居民出行方式选择的重要因素之一，该变量的估计结果表现出与预期一致的显著性，即小汽车拥有与居民选择小汽车通勤之间呈现显著的正相关关系12]。通过交通小区尺度变量的模型结果可以看出，居住地建成环境中影响居民通勤方式选择的因素包括土地利用混合度、公共交通站点密度及交叉口密度。以下将重点针对这三个变量的估计结果进行详细阐述。土地利用混合度与居民小汽车通勤有显著的负相关关系，表明居民居住地所在交通小区土地利用混合度越高，居民选择小汽车通勤的概率越小。

　　土地利用混合度由种不同类型用地表征，即居民所在交通小区所包含的用地类型越多，会显著增加居民居住地和工作地在同一区域的概率，从而降低居民采用小汽车通勤的可能性。该结论与以往大部分研究结论一致13]。公共交通站点密度与居民小汽车通勤显著负相关。参数估计结果表明，每平方公里范围内增加一个公交站点，居民利用小汽车通勤的概率降低.33。表明增加居住地交通小区内公共交通可达性可有效降低居民小汽车通勤方式选择。道路交叉口密度与公共交通站点密度的估计结果类似，对居民小汽车通勤呈显著的负相关关系，表明交通小区范围内的道路网络特征是居民通勤方式选择的重要影响因素之一。

　　从参数估计结果可知，道路交叉口密度越大，居民选择小汽车通勤的概率越小，若每平方公里范围内增加一个道路交叉口，居民选择小汽车通勤的概率将降低.82。造成这一结果可能有两方面的原因：一方面，道路交叉口密度的增加可提高道路网络连接度，从而形成更小的街区地块和连续的步行道路，进而促进更多的非机化出行方式和公共交通出行方式14];另一方面，就业岗位主要聚集在道路交叉口密度较高的城市中心，而居住地交叉口密度越低，可能意味着居住地到城市中心距离更远，因此居民选择小汽车通勤的概率也会随之增大。

　　结论本文以居民通勤方式选择为研究对象，考虑居民通勤方式选择在交通小区间的空间自相关性，通过构建层次Bayesian模型探究居住地建成环境对居民小汽车通勤方式选择行为的影响机理，得到以下结论：

　　(1)居民通勤方式选择行为在交通小区间的空间自相关是显著存在的，且忽略空间自相关性可导致错误估计各影响因素对居民通勤方式选择的影响。用于捕捉通勤方式选择行为空间自相关的类邻接矩阵中，质点空间距离矩阵的拟合效果最优。

　　(2)居住地交通小区建成环境在居民通勤方式选择决策行为中扮演重要角色，其中，土地利用混合度、公共交通站点密度及交叉口密度均对小汽车通勤选择行为具有显著的负向影响。

　　(3)研究结果对于通过城市规划设计优化城市交通出行结构具有一定参考价值。在对城市通勤结构进行调整时，可考虑通过适当增加居住区土地利用混合度、改善公共交通可达性和优化城市道路设计，从而引导居民采用非机动化通勤方式。

　　参考文献：

　　[1]吕雄鹰潘海啸低碳出行导向下新城居住区建成环境优化研究——以上海市松江新城为例[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，陆颖，邵春福，马健霄，许得杰

转载请注明来自发表学术论文网：http://www.fbxslw.com/nylw/29524.html