低碳出行导向下的住区环境对通勤方式影响

周 楠

(西南交通大学，四川 成都 610000)

1 研究背景

1.1 城镇化和机动化引发的城市问题

20世纪90年代后，我国城市建设用地增长迅速。城市规模的扩展以及职住分离等空间布局的调整还导致了居民出行距离的快速增长，进一步增加了对小汽车依赖性。随着中国城镇化的推进，机动车数量迅速增长，城市交通进入机动化时代。机动化带来了交通的自由和灵活性，但也导致了交通的拥堵。

随着当前城市扩张和退二进三的产业结构调整，人口数和小汽车拥有数量急剧增长，交通拥堵成为了当今城市非常棘手的现状。根据高德地图发布的《2018Q2中国主要城市交通分析报告》，有15%的城市通勤高峰受拥堵威胁，有59%的城市通勤高峰处于缓行，仅有26%的城市通勤不受拥堵威胁。

1.2 住区环境对居民出行方式的影响

居民的出行模式也在一定程度上能反映出居民交通出行的碳排放。其次，住地及它们周围建成环境都直接影响了居民出行方式。环境对居民出行行为的影响，最早概括为“3D”，即密度(Density)、多样性(Diversity)和设计(Design)。Cervero(1997)研究了城市环境3D要素对居民出行行为的影响，研究发现密度、土地利用混合度多样性和人性化的设计均对居民出行产生一定影响，一定程度上降低了汽车出行的概率[2]。2002年Cervero等学者经过探索后，在最初“3D”要素的基础上发展成为“5D”要素，增加了目的地可达性(Destination accessibility)和公共交通的距离(Distance to transit)[3]。

除了环境因素之外，居民通勤行为还受到了通勤时间和通勤距离及个人家庭经济属性的影响，如职业、家庭规模、收入、拥有汽车数量等。Akar和Guldmann在研究美国家庭出行时发现，家庭收入、小汽车数量、家庭孩子数量都对通勤行为方式产生影响[4]。

2 研究设计和数据

2.1 研究数据

为研究成都市住区环境对居民通勤方式的影响，根据交通区位和住区环境条件选取不同类型的居住小区，并在这些小区进行通勤问卷调查，由于大部分居民对打扰生活问卷表示反感，配合度不高，因此在选取小区时，尽量选择具有街区公园或公共活动场所的小区，有利于调研活动的展开。此外，在选择时要考虑小区交通基础条件和环境相差较大的小区，以此增加样本多样性。最终在成都市选取了包括商品房、保障性住房、单位小区、城中村等不同类型的小区。每个小区发放100份问卷，共收回700份，剔除数据缺失问卷，最终得到有效问卷685份。

2.2 变量选取

2.2.1住区环境变量

为了有效且便于构建模型的住区环境的变量进行归纳总结，根据成都的住区环境选择相关变量来研究居民的通勤方式(见表1)。1)密度。将选取调查小区的建筑面积密度(即容积率)因素来衡量密度特性，以此来反映住区环境的开发强度。2)多样性。土地利用混合度是衡量小区一定范围内各类用地的比例，能反映出环境中多样性的因素。各功能类型的结构和配置一定程度上反映了住区周边的职住比例。以调查小区为中心，计算1.5 km缓冲区范围内土地利用的混合度。3)街道网络设计。以调查小区为中心，计算1.5 km缓冲区范围内的十字交叉口比例。4)公共交通可达性。距公交站点和地铁站点的距离能反映出交通服务设施布置对居民通勤方式选择的影响。由于成都市基本实现公交站点全覆盖，将以调查小区1.5 km范围内的公交线路条数和距地铁站点的距离作为公共交通可达性的指标。

表1 住区环境变量

2.2.2个人家庭属性

在问卷调查中，包含了受访者的性别、年龄、学历、职业、家庭规模、家庭年收入、自行车、电动车数量、小汽车数量(见表2)。其中受访者男女数量差异不大。分别为55.2%和44.8%。因样本剔除18岁以下年龄段，因此只保留4个年龄阶段(19岁～30岁,31岁～40岁,41岁～50及51岁以上)。受访者受教育水平以大学专科/本科为主，家庭年收入水平绝大多数在6万元以上。此外，问卷中还涵盖了被访者的职业、家庭规模、家中非机动车和小汽车数量等变量。

表2 居民个人家庭属性

2.2.3通勤变量

在问卷中，调查了受访者的通勤方式、通勤时间和通勤距离(见表3)。在通勤方式选择上，小汽车占总样本的25.7%，公交和地铁占43.2%，电动车和自行车占样本的6.7%，步行占24.2%。在通勤距离上存在分化，电动车、自行车和步行主要适用于中短距离的通勤，随通勤距离增加，选择电动车、自行车和步行的人数逐渐减少。其中公交车和地铁相比较来说是耗时最长的。

表3 居民通勤特征

2.3 研究方法与结果

为研究住区环境对居民通勤方式的影响，本文通过构建多项logit模型进行回归分析。多项logit模型是基于效用最大化假说，出行者在进行出行决策时，会选择对他来说效用最大的交通方式。

在本文中将小汽车通勤方式作为参照，构建公共交通、电动车/自行车进和步行的多项logit模型，计算方程如下:

ln(P公/P汽)=β20+β21X1+β22X2+β23X3+…;

ln(P电/P汽)=β30+β31X1+β32X2+β33X3+…;

ln(P步/P汽)=β40+β41X1+β42X2+β43X3+…。

其中，ln(P1/P2)为不同交通方式与小汽车交通概率比值的自然对数；β为各个变量的参数向量；X为选取的变量包括居民个人家庭属性变量和住区环境变量。

3 模型结果分析

如表4所示，从模型的拟合信息来看，sig值为0.000，说明所构建的回归模型有效。模型结果如表5所示，通过表中影响系数情况，分析住区环境对居民通勤方式的影响。

表4 模型拟合信息

表5 多项logit模型结果(以小汽车通勤方式为参照)

根据分析结果可以看出，住区环境对居民通勤方式有显著影响。从密度上看，建筑密度大的地区，居民选择小汽车通勤方式的可能性减少。系数0.076 4表示为在其他变量不变的情况下，建筑面积密度每增加一个单位，选择公交或地铁出行与选择小汽车出行的概率比值是原来的exp(0.076 4)=1.08倍。选择电动车或自行车的概率是原来的1.049倍，选择步行的概率是原来的1.034，意味着建筑密度越高，居民选择低碳的通勤方式的概率越高。

从多样性上看，土地利用混合度一定程度上也影响了居民的通勤行为，一方面，高混合度的土地利用可以增加居民就近工作的机会，以此引导居民采用低碳的通勤方式。另一方面，混合度高的土地利用也满足了居民在通勤路上或附近的其他需求，减少小汽车通勤需求。根据模型结果，每增加一个单位的土地利用混合度，P公/P汽是原来的0.96倍，P电/P汽是原来的1.3倍，P步/P汽是原来的1.31倍。

从设计上看，增加十字交叉比重，会引导居民低碳的通勤方式。一方面，十字交叉口比例代表住区周边的道路的高的交通可达性，也更利于公共交通的组织，降低居民对小汽车通勤的依赖。因此在城市道路设计中，应该更加重视路网的形式和格局。在公共交通可达性上，公交的发达程度和距地铁站的距离也都相应的减少居民小汽车通勤需求，一般来说，地铁站近的地区其功能也一定程度上更加完善，更能满足居民的通勤需求。

4 结语

在中国快速城镇化和机动化的背景下，本文基于对成都市的七个不同类型的小区进行问卷调查获取成都市民的通勤出行数据。通过构建多项logit模型建立住区环境与居民通勤方式的回归关系。在控制个人家庭因素之后，发现住区环境或多或少影响居民的通勤行为。一方面，在住区规划时，应采用更紧凑高密度的发展模式，在居住地周边形成高混合度的土地利用模式，促进吸引居民就近就业和消费。另一方面，在进行路网规划时，增加路网密度提高道路可达性，引导居民采用低碳的出行方式。

本文是基于成都市的部分小区进行的问卷调查，得到了有一定意义的结果，但是研究仍有局限性。尤其是数据和信息的缺乏，有待进一步的完善。