城市土地利用对居民通勤方式选择的影响*

2020-12-17刘志伟张荣堂刘建荣

武汉理工大学学报（交通科学与工程版） 2020年6期

刘志伟张荣堂刘建荣

(武汉轻工大学土木工程与建筑学院1) 武汉 430023) (华南理工大学土木与交通学院2) 广州 510640)

0 引言

城市土地利用与城市交通系统相互作用、相互影响.城市土地利用会影响城市交通发展模式和交通系统布局[1]，城市道路沿途的可达性的改善又会影响土地价格，进而影响到土地利用的性质和开发强度.因此，协调城市土地利用与城市交通系统发展对城市可持续发展具有重要意义.

关于土地利用对城市居民出行的影响，国内外学者开展了大量的研究.Kitamura等[2]研究发现旧金山湾区五个社区住宅密度、公共交通可达性、土地混合利用等因素与居民的出行行为显著相关.土地利用密度高、开发强度大的区域由于不同性质用地相对集中，可以缩短居民出行距离，增加步行和自行车的出行比例，减少机动化出行.区域可达性混合土地利用可以减少小汽车出行，增加步行和公共交通的使用比例，从而缓解城市交通的影响[3].

在研究方法方面，McFadden[4]最早使用Binary Logit模型研究出行距离、性别、收入、小汽车拥有等情况对出行方式的影响.Müller等[5]运用多项Logit模型(multinomial logit model, MNL)研究学生上学出行，研究发现出行距离、小汽车拥有情况和天气是出行方式选择最重要的因素.帅斌等[6]研究经济性、快速性、方便性、舒适度、安全度、低碳因素等6个服务特性对城市低碳交通分担率的影响.然而，MNL模型假设不同选择项之间具有“独立不相关性”(independence from irrelevant alternatives, IIA)，否认不同选项之间存在相关性，与现实情况不符，嵌套Logit模型(nested logit model, NL)在这种情况下应运而生.NL模型通过设置不同的子集(nest)，子集之间保持IIA效应，同一子集内的选项可以存在相关性.尽管如此，NL模型只是部分放开了对选择项相关性的限制，没有考虑个体的异质性，无法解决个体之间随机偏好差异的问题，而随机系数Logit模型(random parameter logit model, RPL)允许模型中解释变量的系数是随机的，服从一定的分布参数，从而反映不同个体的偏好诧异[7].Aziz等[8]基于纽约市居民出行调查数据，建立随机系数模型研究步行自行车网络设施和土地使用属性对步行和自行车模式选择决策的影响，指出其他家庭成员的非机动车出行次数与选择主动交通方式的可能性之间存在正相关关系.因此，本文运用随机系数Logit模型研究城市土地利用特征对居民通勤方式选择的影响.

1 随机系数Logit模型

随机系数Logit模型最一般的形式为

(1)

(2)

个体i的常数项αji，βji服从随机分布，对于每一个随机系数，ρjik为任一αji或βji，变量xjik,k=1,2,…,K系数为

(3)

对于模型中k个随机系数，为

ρi=ρ+Δwi+Γvi

(4)

式中：Γ为对角线为σk的对角矩阵，非对角Γ允许随机变量相关.随机系数的完全协方差矩阵是∑=ΓΓ′.系数不相关，Γ=diag(σ1,σ2,…,σk).如果系数相关，则Γ是完整的不受限制的下三角矩阵，∑包含非零的对角线元素.通过允许随机系数是异方差的可以获得额外的灵活性，可得：

(5)

将上式带入模型

ρi=ρ+Δwi+ΓΩivi

(6)

vki,t=τki,t-i+cki,t

(7)

式中：cki,t为驱动随机系数的随机元素.这就可以得出完整的随机系数Logit模型.

(8)

βi=β+Δzi+ΓΩivi

(9)

式中：vi为均值为0协方差为I的向量.具体分布视参数情况而定，可以是对数正态分布、均匀分布、威布尔分布等其他分布.

由于随机系数Logit模型中包含随机变量，概率函数是非封闭型的，因此需要运用计算机仿真进行求解.

2 研究方法设计

一般采用三类指标测度土地利用特征：土地利用密度(density)、混合程度(diversity)、可达性(accessibility).土地利用密度可以用居住人口密度、就业人口密度、商业网点密度衡量，土地利用混合程度可以使用就业人口与居住人口比值、零售和服务就业密度、土地利用相异指数等表示，可达性可以用居住可达性、就业可达性或者与CBD距离衡量.考虑到数据的获取，这里主要选取基于交通小区的居住密度(resden)、就业岗位密度(jobden)、商业网点密度(stoden)、职住比(ratio)、居住可达性(reacc)和就业可达性(joacc)、与CBD距离(dcbd)等指标衡量城市土地利用特征.出行特征主要选取出行时间和出行费用两个变量.家庭特征选取家庭成员数量、学龄前儿童、家庭年收入、小汽车拥有情况等.个人社会经济属性则包括性别、年龄、驾照拥有情况、公交IC卡拥有情况、受教育程度.

3 数据来源与统计

出行数据来源于2014年南京市居民出行调查数据，主要包括家庭基本特征、居民个人特征和居民一日出行记录，对回收问卷进行出行空间一致性、出行时间连续性以出行方式一致性检验, 剔除非通勤出行, 最终得到有效样本1 134份.其中，男性占54.7%，女性占45.3%.在所有通勤方式中，步行、自行车、小汽车和公共交通的分担比例分别为14.02%，59.21%，14.02%,12.74%.研究区域为南京市主城区，一共划分为198个交通小区(traffic analysis zones, TAZs).土地利用数据来源于2014年南京市电子地图的地理信息数据.

在衡量城市土地利用特征的变量中，居住密度、就业密度、商业网点密度分别计算每一个交通小区的居住人口数、就业岗位数量和商店的数量与面积的比值得到.职住比是交通小区范围内的就业岗位数量与居住人口数量的比值.可达性主要采用基本势能法求解[9].与CBD之间的距离是通过将城市的快速路、主干道、次干道和支路导入Arcgis，然后利用“路径分析工具”计算每一个交通小区与CBD的最短路径.

模型选用的变量及相应的描述性统计见表1.

表1 模型选用变量统计表

4 实例分析

4.1 模型参数标定

个体i的选择集为步行、自行车(电动自行车)、小汽车和公共交通(公交车和地铁)四种.为了体现不同个体对出行时间和出行费用的异质性，假定出行时间和出行费用的参数是随机变量.假设居民的通勤行为还受到居住密度、就业密度、商业网点密度、职住比、居住可达性和就业可达性、与CBD距离、出行费用、个体的家庭特征和社会经济属性的影响.为了避免Logit模型的多重共线性问题，将小汽车出行设置为对比项，建立4种出行方式的随机效用系数Logit模型[10].

随机系数Logit模型的解不是封闭的，因此必须使用仿真方法对模型进行求解，利用NLogit软件进行编程，随机抽样方法选择Halton，抽取次数为1 000次.在建模过程中，剔除对居民通勤方式选择影响不显著的变量：年龄、受教育程度等个人社会经济属性变量和家庭人员数家庭特征变量，以及城市土地利用特征中的居住密度、就业密度、居住可达性和就业可达性等变量.分别假定效用函数中的随机参数符合正态分布、对数正态分布、均匀分布和威布尔分布等，对不同情况下的模型拟合情况进行对比分析，结果显示出行时间和出行费用的系数服从正态分布时候，模型拟合情况最好.模型标定结果见表2.

最终随机系数模型的Log likelihood值为-525，PseudoR2值为0.365，模型预测准确率为82.3%.如果运用标准的Conditional Logit模型建模，Log likelihood值为-541，PseudoR2值为0.286，模型预测准确率为72.5%.显然，随机系数模型各项指标均优于条件Logit模型，拟合度更高.

4.2 模型结果分析

由表2第一部分可知，出行时间和出行费用系数的均值和标准差均显著，表明在效用函数中，出行时间和出行费用的系数为随机系数，体现了个体感知出行时间和出行费用重要性的差异，符合预期设想，分布情况分别为：TIME～N(-0.222,0.0502)，FARE～N(-0.100,0.1332).出行时间和出行费用的系数的均值为负，这与实际情况相符，随着出行时间的增加和出行费用的提高，对个体的效用越小，选择的概率越小.表明出行时间和出行费用对个体效用的差异性.各种出行方式的效用函数分别为

表2 城市土地利用对居民通勤方式选择的影响随机系数Logit模型结果

Ui,walk=11.314+3.000PCHI-3.466CAR-

0.909HINC+0.797OCCU-3.279LICE+

0.016STODEN+0.237DCBD-0.222TIME

(10)

Ui,bike=9.142+2.740PCHI-3.643CAR-0.834HINC+

0.689OCCU-3.428LICE-0.825RATIO+

0.015STODEN+0.185DCBD-0.222TIME

(11)

Ui,car=-0.222TIME-0.100FARE

(12)

Ui,ptransit=4.402+1.422PCHI-3.987CAR-0.738HINC-

1.701GEND+2.542ICCA-2.031LICE-

0.222TIME-0.100FARE

(13)

从居民的步行和自行车通勤方式来看，家中有学龄前儿童、职业更加自由、家庭所在区域商店密度更高、家庭距离CBD更远的家庭偏向于选择步行或者自行车慢行交通方式通勤.在主城区范围内，商店密度高表明所在区域土地开发强度大，各种配套设施齐全，距离上班地方近，选择慢行交通出行的比例高.而家庭拥有小汽车、高收入群体、拥有驾照的个体更倾向于选择其他机动化交通方式通勤.而性别、是否拥有公交IC卡对步行或者自行车通勤方式的影响并不显著.职住比对步行通勤方式没有显著影响，而对自行车通勤方式有显著负效应，这是由于职住比例高的区域一般位于中央商务区或者工业园区，提供的就业岗位多，而居住在此的居民少，空间上的职住分离容易造成早晚的潮汐交通，且并不适合自行车进行长距离的通勤.

就公共交通方式而言，家中拥有用有学龄前儿童、女性、有公交IC卡的居民倾向于选择公共交通通勤.而公共交通对于家庭拥有小汽车、高收入群体和持有驾照的居民吸引力较小.城市土地利用特征对公共交通通勤方式选择的影响并不显著，表明经过多年快速发展，南京市主城区范围内的公共交通服务已经非常均衡和发达，2015年南京市荣获全球城市交通领袖奖(C40城市奖)便是证明.