考虑空间不确定效应的建成环境对出行频率的影响

王晓全, 邵春福, 尹超英, 郑长江

(1.河海大学 土木与交通学院, 南京 210098;2.新疆大学 交通运输工程学院, 乌鲁木齐 830017;3.北京交通大学 综合交通运输大数据应用技术交通运输行业重点实验室, 北京 100442;4.南京林业大学 汽车与交通工程学院, 南京 210037)

0 引言

随着中国城市化进程加快,大量农村人口涌入城市,城市规模快速扩张,城市交通拥堵问题日益突出,居民出行距离和出行时间不断延长,从而导致了能源消耗和空气污染等一系列城市难题[1-2]. 如何通过优化建成环境降低居民日常出行需求进而缓解交通出行带来的诸多负面效应已成为研究的热点问题之一.

既有研究中,国内外学者从不同角度对建成环境和出行频率的互动关系进行了探究. Park等[3]利用美国8个城市的居民出行调查数据探讨了邻里尺度建成环境对居民出行频率的影响,证实了邻里尺度建成环境在家庭出行决策中扮演重要角色. Cao等[4]考虑了小汽车出行、公共交通出行和步行出行之间的相关性,通过构建似不相关回归模型分析了建成环境对不同方式出行频率的影响,结果表明尽管各建成环境属性对不同方式出行频率的影响各异,但建成环境仍是影响出行频率的关键因素. Zhang等[5]基于负二项回归模型分析了居住地周边居住密度对居民出行频率的影响,发现在控制社会经济属性后,居住密度对出行频率具有显著的正向影响. Huang等[6]利用西安市居民出行调查数据分析了建成环境的公共交通可达性维度对公共交通出行频率的影响,结果表明公共交通可达性提高后,居民的公共交通出行频率有所提高. 冯建喜等[7]以南京市老年人为研究对象,分别利用有序Logit和线性回归模型分析了建成环境对老年人出行频率和出行距离的影响,结果表明人口密度、土地混合利用及到交通站点距离等均对老年人出行行为具有显著影响. 彭宇红[7]以2016年北京市居民出行调查数据为例,分析了居民出行频率的影响因素,发现居住地到公共交通站点距离对居民个体出行频率具有显著影响. 然而,既有研究多关注某一空间尺度建成环境对出行频率的影响,缺少对不同空间尺度建成环境影响的探讨[8],忽略了由于可塑性面积单元问题(Modified Areal Unit Problem MAUP)效应导致的统计分析结果差异. 由于个体出行活动空间存在不确定性,出行方式及出行距离等出行行为均存在MAUP效应[9],因此在对出行频率进行建模时,有必要考虑出行频率的MAUP效应,进而分析不同空间尺度下建成环境对出行频率的影响关系. 此外,既有研究多关注个体层出行频率的建模,针对建成环境和家庭出行频率的建模研究仍较少. 由于出行行为在较大程度上是家庭成员共同决策完成的[10],从家庭层揭示建成环境对出行频率的影响有助于深入理解建成环境和出行行为互动关系.

本文以家庭出行频率为研究对象,提取居住地周边不同空间尺度建成环境属性捕捉MAUP效应,并利用泊松回归模型分析不同空间尺度建成环境对出行频率的影响,为通过优化建成环境减少居民日常出行需求提供理论依据.

1 研究数据

本文所用数据主要来源于课题组在2018年 11月至2019年2月利用问卷星平台完成的北京市居民出行调查数据. 该调查由问卷星公司协助完成,研究区域按照各行政区人口数量按比例对行政区随机抽样,最终获得有效问卷1 014份,其中中心城区(西城区和东城区)样本95份,郊区(朝阳区、丰台区、石景山区及海淀区)样本446份,远郊区(房山区、通州区、顺义区、昌平区、大兴区、门头沟区及延庆区)473份,如图1所示.

图1 北京市区域划分

1 014份有效问卷记录了受访者的家庭社会经济属性和出行属性. 本研究中选取的家庭社会经济属性包括家庭规模、家庭年收入、家庭驾照数、家庭是否有小孩、家庭汽车或自行车数等6个变量. 考虑到通勤者的通勤时间是出行频率的重要影响因素,拟将家庭平均通勤时间作为控制变量纳入模型. 本文中的因变量为家庭层面的出行频率,利用家庭成员一周内总的出行次数来表示. 各变量的统计性描述结果如表1所示.

表1 家庭社会经济属性统计性描述

为分析不同空间尺度建成环境属性对出行频率的影响,选取400 m、800 m及1 600 m 3个空间尺度的圆形缓冲区作为研究对象,以居住地为中心提取居住地周边不同缓冲区内建成环境属性,各建成环境属性的统计性描述结果如表2所示. 利用高德地图API提取相应POI数据,基于ArcGIS平台对4个维度的建成环境进行表征. 所选用的4个维度的建成环境包括“多样性”“设计”“到公共交通站点的距离”及“目的地可达性”[11]. 利用公共交通站点密度和到公共交通站点距离表征建成环境的“到公共交通站点的距离”维度;其中,公共交通站点密度根据缓冲区内公共交通站点数量与面积的比值计算得到,而到公共交通站点距离由居住地到最近公共交通站点距离表示. 利用道路交叉口密度和道路长度表征建成环境的“设计”维度;其中,道路交叉口密度根据缓冲区内道路交叉口数量与面积的比值计算得到,而道路长度由缓冲区内各等级城市道路的长度表示. 利用到城市子中心距离表征“目的地可达性”维度,该变量由居住地到其所在区政府的距离表示. 利用土地利用混合度表征“多样性”维度,该变量由11类兴趣点(住宅、政府、医院、学校、购物中心、银行、酒店、餐饮、超市、公园和广场)基于熵指数法计算得到[12],具体计算过程如式(1)所示.

(1)

式中,pij表示在缓冲区j内第i类POI所占的比例;Nj表示缓冲区j内所有兴趣点的种类数量.

2 模型构建

泊松回归模型是一种典型的广义线性回归模型,该模型建立在泊松分布的基础上.由于家庭出行频率为计数型变量,该变量的特点是取值范围较小的非负整数变量,因此不满足线性回归模型对连正态分布因变量的要求.泊松回归模型是处理此类问题的有效方法.假设随机变量Y为因变量y的发生概率,则泊松回归模型中因变量y可利用如式(2)所示的概率密度函数表示.

(2)

式中,x为模型自变量;λ为泊松回归模型中的唯一参数.在泊松回归模型中假设因变量yi是基于λi抽取获得,该参数可由自变量xi计算得到,因变量yi和自变量xi之间的关系如式(3)所示.

(3)

式中,yi为家庭i的出行频率;xi为家庭i的社会经济属性(家庭规模、家庭收入、家庭拥有驾照人数、家庭是否有小孩、家庭小汽车拥有数及家庭自行车拥有数)及相应的建成环境属性(公共交通站点密度、道路交叉口密度、土地利用混合度、道路密度、到公共交通站点距离及到城市子中心距离).

本研究中λi可由自变量xi基于对数线性模型计算得到,如式(4)所示.

(4)

在泊松回归模型中,因变量yi仍需满足等离散假定,如式(5)所示.

E(yi|xi)=Var(yi|xi)=λi=ex′iβ

(5)

3 模型结果

为验证MAUP效应的影响,分别基于3种不同空间尺度缓冲区设计3组模型进行对比分析. 通过构建泊松回归模型探究城市建成环境对家庭出行频率的影响,并利用AIC(Akaike Information Criterion)值对模型拟合效果进行评价. 三个模型的参数估计结果如表2所示.

由表2的模型估计结果可知,三组模型的估计结果存在差异性,表明建成环境与家庭出行评率的互动关系中存在MAUP效应. 此外,基于400 m缓冲区数据构建的模型1的AIC值优于模型2和模型3的AIC值,表明将MAUP效应融入到建成环境和出行频率建模中可提高模型的拟合效果,且以 400 m 缓冲区的空间尺度提取建成环境特征更为合理,因此,模型1能更准确拟合建成环境和家庭出行频率的互动关系.

具体而言,在选用不同缓冲区空间尺度时,家庭社会经济属性对出行频率的影响显著性均未发生变化,仅各属性的影响程度有所变化. 而建成环境属性中,仅公共交通站点距离和到城市子中心距离对出行频率的影响显著性在3个模型中均为显著. 而公共交通站点密度、道路交叉口密度、土地利用混合度及道路长度等4个建成环境变量对出行频率的影响显著性并不相同,因此在对建成环境和出行行为进行建模时,有必要考虑MAUP效应的影响.

基于400 m缓冲区的模型估计结果表明,家庭规模与出行频率呈现显著的正相关关系,与规模较小的家庭相比,规模越大家庭的出行频率越高,这一结果也被已有研究所证实[3]. 对家庭收入而言,低收入家庭出行频率显著低于中等收入家庭;而高收入家庭出行频率与中等收入家庭不存在显著差异. 家庭中拥有驾照人数对出行频率的影响不显著. 家庭中是否有小孩对出行频率具有显著的负向影响,表明拥有小孩会显著降低出行频率,Cao等[4]基于北加州的研究亦发现家庭中有小孩会显著降低家庭小汽车出行频率. 家庭小汽车拥有数和家庭自行车拥有数对家庭出行频率的影响具有相似的结果,即两变量均对出行频率具有显著的负向影响. 通勤时间对出行频率具有显著的正向影响,表明平均通勤时间更长家庭出行频率亦更高.

建成环境变量中,交叉口密度、道路密度、到公共交通站点距离及到城市子中心距离对出行频率具有显著的影响,而公共交通站点密度和土地利用混合度对出行频率的影响不显著. 具体而言,道路交叉口密度对出行频率具有显著的负向影响,表明居住在交通连通性更好的区域内家庭出行频率更低. 道路密度和到公共交通站点距离对出行频率具有显著的正向影响,表明居住地400 m范围内的道路密度越大、公交可达性越高,出行者的家庭出行频率则越高. 到城市子中心距离对出行频率具有显著的负向影响,表明居住地离城市子中心距离越远,家庭出行频率越低,这一结论表明,居住在城市子中心附近的家庭可能是出行的主要产生者,因此,城市规划者和交通政策制定者更应聚焦于此类家庭.

4 结论

本文基于北京市居民出行调查数据,考虑出行行为的MAUP效应,构建泊松回归模型分析了不同空间尺度建成环境对家庭出行频率的影响. 研究结果如下:

1)3种不同空间尺度(400 m、800 m及1 600 m缓冲区)中,建成环境对出行频率的影响不尽相同,基于400 m缓冲区建成环境的模型拟合效果更优,因此有必要在对建成环境和出行频率建模时考虑MAUP效应.

2)估计结果表明,建成环境属性中,居住地道路交叉口密度和到城市子中心距离对出行频率具有显著的负向影响;道路密度和到公共交通站点距离对出行频率的影响则呈显著的正效应;公共交通站点密度和土地利用混合度对出行频率不具有显著影响.

3)研究成果可为通过优化建成环境降低出行需求提供理论依据,提高居住地道路交叉口密度可有效降低家庭出行频率,且城市规划者和交通政策制定者应更多关注城市中心附近居民的出行需求.