考虑空间异质性的短距离出行方式选择研究

何明卫,肖明阳,何 民,石庄彬,刘 阳

(昆明理工大学 交通工程学院,云南 昆明 650500)

0 引 言

城市居民小汽车使用率的不断增长引发了交通拥堵、环境污染、能源消耗等一系列问题,严重影响到城市生活效率和质量[1]。在城市居民出行中,短距离出行占有较大比重。昆明市居民出行调查结果显示,59.0 %的居民出行在4 km以内,且4 km以内的小汽车出行占小汽车出行总量的34.5%[2]。与中长距离出行相比,小汽车的短距离出行更有可能被骑行或步行等方式取代。因此,探究城市居民短距离出行方式选择的机理,进而引导短距离出行方式由小汽车向慢行交通转移,已成为城市交通研究者和管理者需重点关注的问题。

目前,国内外学者针对短距离出行中的小汽车使用已经开展了相关研究。例如:S.KIM等[3]发现,携带孩子或重物会增加小汽车在短距离出行中的使用,友好的骑行街道设计和步行环境会使更多的短距离出行者倾向于慢行交通;R.COLE等[4]通过对昆士兰的短距离出行情况调查发现,7%的短距离小汽车出行均可采用步行代替,中老年人、女性及有孩子的出行者更倾向于采用小汽车出行;黎明等[5]以北京市为例,对比分析不同出行环境的小区居民短距离出行特征、小汽车出行方式选择影响因素,以及不同出行目的情况下居民出行方式转换意愿;舒诗楠等[6]基于多指标多因果模型,论述了短距离出行中小汽车出行向自行车出行转移的可能性。

然而,现有文献在探讨短距离出行方式选择的影响时,较少有学者考虑出行方式选择的异质空间效应。事实上,这种异质空间效应很可能会违反全局模型中的空间平稳性假设,忽略居民出行行为的空间异质性,可能会导致模型结果有误,所得到的政策启示可能仅在部分地区有效[7,8]。鉴于此,笔者以昆明市为案例,采用2016年昆明市居民出行调查数据,基于地理加权逻辑回归模型(geographically weighted logistic regression, GWLR)探究短距离出行中小汽车与慢行交通方式的选择行为和建成环境的关系及其空间异质性特征,从而提供科学且具有针对性的交通政策建议,引导居民短距离出行中的小汽车使用向慢行交通进行转移,进而缓解由机动车出行导致的城市交通拥堵以及环境污染等问题。

1 研究数据

研究数据来源于2016年昆明市居民出行调查数据,包括居民社会经济-人口属性和出行属性等。社会经济-人口属性包括性别、年龄、职业、受教育程度、家庭年收入、家庭是否拥有小汽车等。出行属性包括出行目的、出行距离等。笔者参照费怡等[9]对短距离出行的界定,将短距离出行定义为4 km以内的出行。通过剔除信息不完整和无效的数据,共有2 928条短距离出行样本用于研究,样本特征如表1。

根据以往研究结论,建成环境是影响居民短距离出行方式选择的重要因素[3,10]。参考R.EWING等[11]提出的 ‘5D’ 建成环境指标体系,主要选取人口密度、道路网密度、交叉口密度、到CBD(central business district)距离以及总POI(point of interest)密度等指标来表征建成环境属性。道路网密度、人口密度和交叉口密度是通过计算出发地500 m缓冲区内的道路长度总和、人口和交叉口个数与缓冲区面积之比获取的;总POI密度是菜市场、餐饮、购物、医疗等18类设施的POI个数与缓冲区面积之比;到CBD距离为居住地中心坐标到CBD中心坐标的欧式距离。

表1 样本特征

2 研究方法

2.1 模 型

在以往针对出行方式选择影响的研究中,大多采用多元回归分析、逻辑回归分析等方法,这些全局回归方法难以体现解释变量与出行方式选择之间关系的空间非平稳性。近年来,能够反映变量间关系随空间位置变化的地理加权逻辑回归(GWLR)模型[12]受到研究者的青睐。GWLR模型是二项Logistic回归模型〔式(1)〕的扩展,其通过局部范围内的样本点建立局部回归模型进行参数估计,采样点之间距离越近,对参数估计影响作用越大[13]。

(1)

式中:k为模型中自变量的序号;βk为自变量,为xk对应的回归系数;ε为随机误差;p为出行方式选择小汽车的概率。

笔者采用GWLR模型探究了居民出行方式选择影响因素的空间变化规律,该模型的表达式为:

(2)

式中:(μi,γi)为第i个样本的空间地理坐标;βk(μi,γi)是第k个自变量在第i个样本点的回归系数;xik为第i个样本点的第k个解释变量;εi为第i个样本的随机误差;pi为第i个样本出行方式为小汽车的发生概率。

回归系数βk(μi,γi)的估计公式为:

(3)

式中:X为自变量矩阵;XT为其转置矩阵;W(μi,γi)为回归点i处的空间权重函数。

GWLR模型通常采用空间权重函数来估计样本点的权重,对于任何给定的样本点i,距离质心较近的样本点比距离质心较远的样本点权重的影响更大。空间权重函数的选取对GWLR模型的参数估计影响较大。常用的确定方法是Gauss函数、bi-square函数。以往研究表明,利用Gauss函数进行参数回归往往会造成较大的误差[14]。bi-square函数将对回归参数估计影响值非常小的样本点排除,再利用近高斯核函数建立空间权重函数。笔者采用bi-square函数作为空间权重函数,如式(4):

(4)

式中:i为待预测的数据点编号;j为用于预测的数据点编号;ωij为数据点j对于待预测数据点i的权重;b为带宽;dij为样本点i和j之间的距离。

2.2 变量设置与检验

笔者旨在分析短距离出行中小汽车和慢行交通之间的方式选择,因此,将出行方式作为因变量。根据数据的可行性,选择性别、年龄、受教育程度、职业、家庭年收入、家庭是否拥有小汽车、出行距离、出行目的以及建成环境中的人口密度、总POI密度、道路网密度、交叉口密度和到CBD距离作为解释变量,变量的取值说明如表2。

表2 变量设置

为了避免变量之间存在多重共线性,使用方差膨胀因子(variance inflation factor, VIF)对变量进行多重共线性检验。结果显示,所选取各变量对应的方差膨胀因子VIF均小于5,不存在多重共线性问题。然后通过ArcGIS软件计算Moran’s I指数进行变量的空间自相关检验。结果显示,各变量的Moran’s I指数为正,在95%置信水平下,聚集特性值z>1.96且显著性水平均小于0.05,表明各变量空间分布具有较强的聚集性,即有明显的空间自相关特征,满足了使用地理加权逻辑回归模型的基本条件。

3 模型结果与分析

3.1 模型比较

研究分别采用GRM(global regression model)模型和GWLR模型对各变量进行回归分析。为进行模型比较,使用修正后的赤池信息量(corrected Akaike information criteria, AICc)、解释偏差百分比(PDE)和残差平方和作为度量模型性能的指标。其中,AICc值和残差平方和值越小,PDE越大,则可证明模型有更优的适用性。GWLR模型和GRM模型拟合指标比较如表3。由表3可知,GWLR模型的AICc值和残差平方和均比GRM模型显著下降,GWLR模型的PDE值比GRM模型提高了0.084,表明GWLR模型的空间回归分析提高了模型精度,有效缩减了残差,更适合探究短距离出行方式选择与影响因素的关系。

表3 GWLR模型和GRM模型拟合指标比较

3.2 模型结果分析

GWLR模型的回归系数结果见表4。当回归系数为正值时,表示解释变量对因变量有正向影响;回归系数为负值时,表示解释变量对因变量有负向影响,且回归系数绝对值越大,影响程度越大[15]。其中,回归系数均值展示了回归系数整体的平均水平,最值反映了回归系数的跨度,上、下四分位数表示了回归系数的离散程度。

表4 GWLR模型回归系数汇总结果

由表4可知,所有变量的回归系数在空间上均呈现了不同程度的波动,反映出各变量对居民短距离出行中选择小汽车的影响程度存在空间异质性差异。同时,部分变量的回归系数最大值和最小值出现正、负差异,表明这些变量在某些区域对居民短距离出行时选择小汽车表现出正向作用,而在某些区域则表现出负向作用。

相对于30岁以上的群体,18～30岁的群体更倾向于在短距离出行中使用小汽车。女性在短距离出行中更倾向于使用慢行交通出行,而大专及以上的群体更倾向于使用小汽车。相对于企业员工和公务员,个体经营者更倾向在短距离出行中使用小汽车出行,而其他职业的出行者更倾向使用慢行交通。离退休人员在整体上倾向于使用慢行交通,但在部分空间区域上倾向于使用小汽车。家庭年收入、家庭是否拥有小汽车、出行距离对短距离出行中选择小汽车起到正向影响。相对于其他出行目的,居民在购物和娱乐出行中更倾向于选择慢行交通出行,而通勤出行在总体上对选择小汽车起到负向影响,但在部分区域为正向影响。

对于建成环境变量,交叉口密度、道路网密度、人口密度、总POI密度在总体上对短距离出行中选择小汽车起到负向影响,到CBD距离在总体上起到正向影响,但这些变量在不同空间上表现出相反的影响。

为更清晰地表现解释变量对短距离出行方式选择的空间异质性,选取空间上分布离散程度较高的变量如交叉口密度、道路网密度、总POI密度和离退休人员等,利用ArcGIS软件,对变量的回归系数空间分布进行了插值可视化分析。

交叉口密度回归系数的空间分布如图1。交叉口密度对短距离出行中选择小汽车的影响除在北部外围区域表现为正向作用外,其他区域主要表现为负向作用。北部外围区多为休闲用地(如昆明植物园、黑龙潭公园等),且部分区域开发尚未成熟,交叉口密度非常小。在此情况下,交叉口密度的提高会增强道路网络的连通性,更有利于居民在短距离出行中选择小汽车。除北部外围区外,其他区域总体上表现为负向影响,这反映出交叉口密度越大,停车次数和等待时长也相应增加,更容易造成拥堵。因此,居民更倾向在短距离出行中选择慢行交通。

到CBD距离回归系数的空间分布如图2。到CBD距离对短距离出行中选择小汽车的影响总体上呈现出以CBD为中心到周边由负到正逐渐递增的趋势,正向影响最大的地区为城市南部呈贡新城。这是由于距离CBD越远,土地利用开发程度和公共设施密度逐渐降低,公共设施和服务的可达性也就越差,出行距离增加,居民选择小汽车出行的可能性会增加。

图1 交叉口密度回归系数的空间分布

图2 到CBD距离回归系数的空间分布

离退休人员回归系数的空间分布如图3。离退休人员在短距离出行中选择小汽车的影响呈现出显著的空间异质性,在城市北部和南部呈现出相反的趋势。相对于城市北部区域,城市南部土地开发程度相对较低,街区尺度较大,路网密度低,慢行交通道路设施和出行环境相对较差,离退休人员更倾向于在短距离出行中选择小汽车。总POI密度回归系数的空间分布如图4。

图3 离退休人员回归系数的空间分布

图4 总POI密度回归系数的空间分布

总POI密度对短距离出行中选择小汽车的影响在主城区为负向作用,且负向作用在城市中心区最为明显,而在南部呈贡新城呈现正向作用。主城区总POI密度整体较高,公共服务设施分布更密集,导致出行量大,交通较拥堵,居民更倾向于在短距离出行中选择慢行交通。相反,呈贡新城总POI密度小,增加POI密度会吸引更多的出行,同时,呈贡新城道路宽阔,拥堵较少,为了能在更短的出行时间内到达相应的POI,居民会更倾向于选择小汽车出行。因此,总POI密度在呈贡新城对小汽车出行起到正向作用。

道路网密度回归系数的空间分布如图5。道路网密度在城市西部和中心区对短距离出行中的小汽车使用起到正向作用,而在城市南部呈现反向作用。原因可能是由于城市西部和中心区道路通行能力接近饱和,若道路网密度增加,道路容量越大,将使道路条件和服务水平得到提升,可容纳更多的小汽车出行,因此在此区域的道路网密度对短距离出行小汽车选择是促进作用。城市北部、东部和南部外围区域道路网密度相对较低,增加道路网密度将改善慢行交通的出行环境,吸引更多居民选择慢行交通。

图5 道路网密度回归系数的空间分布

人口密度回归系数的空间分布如图6。从整体来看,人口密度对居民短距离出行中小汽车选择的影响除了在城市中心区为正向作用外,在其他区域均为负向作用,且城市西南区域的负向作用最为显著。城市西部地区临近滇池,分布有较多的旅游、休闲娱乐用地和设施,以休闲娱乐为目的的出行较多,慢行交通出行环境较好,居民出行更倾向于慢行交通。随着人口密度增多,更多道路空间和基础设施将分配给慢行交通,居民出行选择慢行交通将会更多。城市中心区居民小汽车拥有量较高,人口密度越大,短距离出行中的小汽车出行将会更多。

图6 人口密度回归系数的空间分布

4 结 论

基于昆明市居民出行调查数据和建成环境数据,建立了考虑空间异质性的地理加权逻辑回归(GWLR)模型,探究了建成环境和出行者社会经济-人口属性对短距离中小汽车与慢行交通方式选择的影响。与GRM模型相比,GWLR模型有更好的解释力,能够反映变量对短距离出行选择影响的空间异质性。主要结论如下:

1)对于社会经济-人口属性和出行属性,离退休人员、通勤出行在空间上表现出较大的空间异质性,在总体上对选择小汽车出行起到负向影响,在部分区域为正向影响。其他属性也表现出一定的空间异质性,但并不显著,总体上,男性、个体经营者、30岁以下、大专及以上、家庭年收入越高的群体更倾向于在短距离出行中使用小汽车。购物和娱乐出行更倾向采用慢行交通方式。

2)建成环境变量表现出了显著的空间异质性。交叉口密度、道路网密度、人口密度、总POI密度以及到CBD距离在不同区域具有明显差异,甚至表现出相反的作用,表明居民短距离出行方式选择与不同空间区位的建成环境属性密切相关。

与以往的研究相比,笔者侧重探讨了空间异质性对短距离出行选择的影响,研究结论有利于从空间异质性的角度提出引导昆明市居民短距离出行方式由机动车向慢行交通转移的相关政策。