“雙維度”建成環境對通勤方式選擇的影響

簡文良 劉肖肖 高良鵬

(福建工程學院交通運輸學院 福州 350118)

0 引 言

通勤出行是城市交通出行的主體,優化通勤方式結構是城市交通“治堵”“減碳”的重要內容之一,其核心任務是促進私家車出行向高效、低排放的公共交通和慢行交通轉移.《交通強國建設綱要》《“十四五”現代綜合交通運輸體系發展規劃》等重要文件均提出優化出行結構,實現“公交優先、慢行優先、綠色優先”的發展要求.合理規劃城市空間結構、改善建成環境是推動通勤方式轉移的有效途徑.

建成環境對通勤方式選擇的影響表現為不同的建成環境背景下,個體通勤方式選擇存在顯著差異性(即空間異質性)[1].相同的建成環境背景下,個體選擇之間存在顯著關聯性[2].為準確解析這一特性,多層建模(multilevel model)方法被廣泛用于建成環境的影響研究[3-5].該方法放松了隨機誤差項之間相互獨立的假設,且克服單層建模存在的生態學謬誤和簡化論謬誤,能夠有效捕捉研究數據的跨層次結構和空間嵌套關系.但是,既有研究中,建成環境對通勤方式選擇的影響多聚焦社區(或交通小區)維度.Wu等[6]利用上海市調查數據探討交通小區建成環境對通勤方式選擇的影響.周素紅等[7-9]分析廣州市的社區類型及建成環境對小汽車出行的影響,探究鄰里尺度建成環境對通勤行為的影響通常從“5D”指標體系(density,diversity,design,destination accessibility,distance to transit)進行考慮.Yin等[10-12]研究了城市建成環境對通勤行為的影響,建成環境包括城市規模、空間結構和城市基礎建設,探討以往建成環境對通勤方式選擇影響的不足.

基于上述背景,文中圍繞公共交通和慢行交通選擇,基于國內公開的入戶調查數據集,依據多層建模理論,構建多層Logistic模型,在驗證通勤方式選擇空間異質性的基礎上,從“城市+社區”的雙維度,探究建成環境對通勤方式選擇的影響.

1 數據準備

依托2016年中山大學聯合27所合作院校調查獲得的中國勞動力調查(China labor-force dynamic survey,CLDS)數據(http://css.sysu.edu.cn/),該調查涉及全國29個省市自治區,包括個人、家庭和社區(居委會)調查三個層面,調查內容涵蓋個人基本信息、工作信息、通勤信息、家庭信息、社區基本信息等.主要采用該調查獲取的個人信息、通勤信息和社區信息研究社區建成環境對通勤方式(包括公共交通和慢行交通)選擇的影響.通過《2016年中國城市建設統計年鑒》及各城市2016年的相關統計年鑒獲取城市建成環境變量的相關數據,通過數據清洗與篩選,最終得到4 964條有效個體數據,覆蓋79個城市和176個社區.個體基本信息的統計分析見表1.

表1 樣本統計分析結果

2 模型構建

受建成環境的影響,居民通勤方式選擇時具有個體關聯性和空間異質性的特征.傳統的單層建模思路假設個體之間方差齊次和隨機誤差項之間相互獨立,故無法捕捉上述特征.因此,采用多層建模思路進行研究.既有研究成果表明,社區和城市建成環境均對居民通勤行為具有顯著影響,因而構建包含個體層、社區層和城市層的多層模型結構,見圖1.由于通勤方式選擇結果為離散變量,故采用多層Logistic模型.考慮到通勤結構優化的目標在于促進公共交通和慢行交通的發展,分別構建公共交通選擇多層Logistic模型(public transit choice multilevel logistic model,PTC-MLM)和慢行交通選擇多層Logistic模型(non-motorized mode choice multilevel logistic model,NMC-MLM).

圖1 分層數據結構

建多層建模的前提是檢驗居民通勤選擇行為存在空間異質性.通過構建不含解釋變量的PTC-MLM和NMC-MLM“空模型”,以評估樣本數據的空間異質性程度.“空模型”的表達式為

(1)

在多層Logistic模型中,居民通勤方式選擇的空間異質性程度可以由組內相關系數(intra-class correlation coefficient,ICC)指標衡量.ICC指標值處于0到1之間,依據Snijders等[13]提出的空間異質性程度劃分標準,當ICC>0.059時,表明存在一定的空間異質性,可考慮構建多層模型;當ICC>0.138時表示存在高度的空間異質性,組間變異不可忽略,有必要構建多層模型.PTC-MLM和NMC-MLM的ICC指標計算分別為

(2)

(3)

式中:ICCnbh、ICCcity分別為社區層、城市層的組內相關系數.

其次,在驗證空間異質性的基礎上,加入個體層變量、社區層和城市層的建成環境變量,建立完整的PTC-MLM和NMC-MLM分析建成環境對通勤方式選擇的影響,模型表達式為

個體層:

(4)

社區層:

(5)

城市層:

(6)

參考既有研究的變量選取,模型中個體層變量主要考慮個人社會經濟變量(如性別、年齡、收入等)和通勤屬性變量(如通勤時間等).社區層的建成環境變量包括社區區位和表征建成環境“5D”的相關變量.城市層的建成環境變量包括表征城市規模(如GDP等)、產業結構、城鎮化水平和交通基礎設施建設(如地鐵運營里程、每萬人公交車輛數等)的相關變量.完整的變量選取及變量定義見表2.

表2 變量定義

3 模型結果與分析

3.1 空間異質性分析

基于極大似然估計法,借助HLM軟件進行PTC-MLM和NMC-MLM的空模型和完整模型的參數標定.空模型的估計結果見表3.

表3 PTC-MLM和NMC-MLM的空模型估計結果

由表3可知:PTC-MLM和NMC-MLM(三層)空模型的空間層(包括社區層和城市層)ICC值分別為0.440、0.227,均大于臨界值0.138,表明建成環境對公共交通和慢行交通出行選擇具有顯著影響,且均存在高度空間異質性,有必要進行分層建模.其次,為進一步檢驗三層建模的必要性,對比三層建模與雙層建模(包括“個體層與社區層”雙層建模和“個體層與城市層”雙層建模)對數據的解釋能力.由統計指標LL(log likelihood)和AIC(akaike information criterion)對比可得,PTC-MLM和NMC-MLM三層建模的LL指標絕對值、AIC指標值均小于雙層建模,說明三層建模對樣本數據的擬合效果優于雙層建模.

此外,對比三層建模中社區層和城市層的ICC值,從PTC-MLM來看,城市層的ICC值(0.316)顯著大于社區層(0.124),表明城市層組間變異顯著高于社區層,即居民選擇公共交通出行受城市建成環境因素的影響程度高于社區建成環境;而從NMC-MLM來看,社區層的ICC值(0.125)大于城市層(0.102),則表明居民選擇慢行交通出行受社區建成環境因素的影響程度高于城市建成環境.

3.2 城市建成環境的影響分析

在NMC-MLM與PTC-MLM空模型中加入個體層、社區層和城市層變量,構建完整的NMC-MLM與PTC-MLM.將表2中所選變量逐一加入,根據似然比檢驗與參數t檢驗剔除不顯著變量,得到最終模型參數估計結果,見表4.由表4可知:公共交通和慢行交通出行均顯著受到個體層、社區層和城市層變量的影響.

表4 PTC-MLM和NMC-MLM完整模型參數估計結果

從表征城市經濟規模與產業結構的變量來看,GDP對選擇公共交通、慢行交通均有顯著的負向影響,表明隨著GDP增長,居民選擇公共交通、慢行交通的概率降低.這是因為經濟快速增長下城市規模擴張,導致通勤距離/時間邊長.在長距離通勤中,公共交通和慢行交通的時效、舒適性等服務水平較差不具有優勢.產業結構變量對公共交通選擇的影響不顯著,而對慢行交通選擇影響顯著,表現為第二產業生產總值占比更高(與第三產業相比)的城市選擇慢行方式通勤的概率低于第三產業占比更高的城市.既有研究表明第二產業占比對城市空氣質量具有負向影響,這抑制居民選擇慢行通勤的積極性.

從表征城鎮化水平的變量來看,城鎮化率僅對選擇公共交通影響顯著.變量的參數(0.926、0.799)符號均為正,表明城鎮化率的提升促進公共交通分擔率提高.但從OR(Odds Ratio)指標分析,城鎮化率處于50%～75%區間的OR值(2.526)高于城鎮化率大于75%的OR值(2.222).這說明城鎮化達到較高水平后,城鎮化率對公共交通分擔率的提升效果在減弱.

從表征城市交通基礎設施建設水平的變量來看,該類型變量僅對選擇公共交通影響顯著.其中,道路交通設施用地占比對公共交通選擇具有負向影響,而每萬人公交車輛數對公共交通選擇具有正向影響.結果表明城市交通“治堵”應通過公共交通服務水平提升,而非加大道路設施建設力度的觀點.城市地鐵運營里程對公共交通選擇的影響,其參數(0.751、1.378)均為正,說明地鐵運營里程的增長提升了公共交通分擔率.并且,地鐵運營里程>100 km的OR值(3.97)大于地鐵運營里程<100 km的OR值(2.120),表明地鐵運營里程達到一定規模后,地鐵運營里程增長對公共交通分擔率的提升效果在增強,這與地鐵“成網”后的網絡規模效應有關.

3.3 社區建成環境的影響分析

社區區位變量對公共交通、慢行交通選擇均有顯著影響,且變量參數符號均為正,表明市區居民選擇公共交通、慢行交通的概率顯著高于郊區居民.

社區到區行政中心的距離、社區人口密度僅對選擇公共交通影響顯著.其中,到區行政中心的距離表現為顯著負向影響,即到區行政中心的距離越遠,選擇公共交通的概率越低.這與遠離中心位置的社區多處于城市邊緣,公共交通設施的可達性較低有關.而社區人口密度的影響均為正(0.647,1.019,0.679),表明人口密度增長具有提升公共交通分擔率的效果.這與既有研究成果的結論一致,原因在于高密度社區“停車難”和通勤時段擁堵問題突出,提高了居民選擇公共交通的意愿.但是,人口密度>10 000人/km2的OR值(1.972)小于人口密度處于>5 000～10 000人/km2區間的OR值(2.772),則表明人口密度達到一定水平后,人口密度增長對公共交通分擔率的提升效果在減弱,這是由于在需求過大后公共交通服務水平(如舒適性、擁擠度等)下降.空氣污染程度、綠化覆蓋率和土地利用混合度三個變量僅對選擇慢行交通影響顯著.其中,空氣污染程度的影響顯著為負,而綠化覆蓋率的影響顯著為正,表明良好的空氣質量和社區綠化能有效提升居民慢行出行的意愿.其次,土地利用混合度變量對選擇慢行交通具有顯著負向影響.既有研究表明,土地利用混合度越高通勤距離越短.這本應屬于慢行交通的優勢區域,而參數估計結果為負,說明當前我國城市進行高土地利用混合度社區的交通規劃時,“以機動車為本”的問題較為突出,對提升慢行環境友好度的關注不足.

4 結 論

1) 居民通勤方式選擇表現出高度空間異質性,公共交通選擇受城市建成環境因素的影響程度高于社區建成環境,而慢行交通選擇受社區建成環境因素的影響程度高于城市建成環境.

2) 城市建成環境中,GDP對公共/慢行交通選擇均有顯著負向影響;第二產業占比僅對慢行交通呈負效應,道路交通設施用地占比僅對公共交通呈負效應;而城鎮化率、每萬人公交車輛數和地鐵運營里程對公共交通呈正效應.

3) 社區建成環境中,社區區位對公共/慢行交通選擇均有顯著影響;社區到區行政中心的距離、社區人口密度僅對公共交通選擇影響顯著,分別呈負向、正向效應;空氣污染程度、綠化覆蓋率和土地利用混合度僅對選擇慢行交通影響顯著,分別呈負向、正向和負向效應.

文中僅考慮建成環境因素的線性影響,缺少其影響機理及交互影響效應的分析,后續將進一步研究各建成環境因素與通勤方式選擇的非線性影響關系.