杨励雅,朱晓宁
(1.中国人民大学公共管理学院,北京100872;2.北京交通大学交通运输学院,北京100044)
随着城市化进程的迅速推进,我国城市交通拥堵问题日益严峻。治理交通拥堵纷纷被各大城市列为“十二五”期间的首要工作之一。从北京、上海等城市近期公布的“十二五”交通发展规划草案中可以看到,通过限制机动车与保障公共交通出行来调整居民出行方式结构,已成为各城市治理交通拥堵的共同思路和一致目标。
优化居民出行方式结构,需深入研究城市居民出行的方式选择行为,把握各出行方式的影响因素以及各因素之间的作用机理。居民出行方式选择涉及因素繁多,建模过程较复杂,因而也一直是出行行为领域的研究热点[1-2]。
在以往的研究中,影响居民出行方式选择的因素通常被归纳为出行者特性、出行特性和交通工具特性三个方面[1-3]。随着研究的逐步深化,城市土地利用特征对居民出行行为的影响开始被学者们重视。Kuby[4],Narisra[5]和 Loo[6]的研究均表明土地利用是居民选择出行方式的重要影响因素。随着我国城市化进程的迅速推进,计划经济时期以单位大院为基本地域单元的城市空间格局逐渐被打破,“职住分离”、“空间错位”现象显现[7],城市土地利用特征对我国居民出行的影响愈发显著。
另一方面,城市化进程中居民出行的活动空间和范围不断扩大,出行需求日益多样化和复杂化。其中最为显著的是居民倾向将多个出行以出行链的形式进行链接,以降低出行成本。出行链是指人们为完成一项或多项活动(多目的出行),按一定时间顺序排列的出行目的所组成的往返行程,包含了大量的时间、空间、方式和活动类型信息。显然,以出行链来刻画居民出行特征更为合适,因而有必要改进目前广泛采用的以单个出行为分析单元的研究思路。
在研究方法上,国内外学者普遍采用离散选择理论中的logit模型来分析居民出行方式的选择行为。然而,logit模型在分析快速城市化进程中的我国居民出行方式选择行为时至少具有以下局限性:(1)标准logit模型具有IIA性质[8],即假设备选方式之间是独立的,而一个出行链可能涉及多个交通方式,因此以出行链为分析单元的出行方式选择研究显然不符合logit模型的假设;(2)尽管有学者为克服标准logit模型的缺陷而提出混合logit模型[9],但它们在理论上均要求每个自变量无测量误差,而实际应用中不可能避免;(3)快速城市化进程中,居民出行方式的各类影响因素,如出行者特性、出行链与土地利用之间存在错综复杂的关系,而Logit模型(包括改进后的其它Logit类模型)难以识别出影响因素间的内部关系,从而使得模型结果在指导交通规划及交通需求管理时可能会出现偏差。
基于此,本文以出行链为分析单元,并采用一种新的统计分析方法——结构方程模型,来分析快速城市化进程中居民出行的方式选择问题,以期为优化城市居民出行方式结构提供更为可靠的理论依据。
考虑快速城市化进程中居民出行环境及出行行为的变化,选取出行链、土地利用、个人及家庭的社会经济属性三类指标作为居民进行出行方式选择时的影响因素。需要指出的是,在城市化进程中上述各因素之间并不是孤立的,而是存在复杂的相关关系。综合国内外相关研究及实证,提出以下研究假设,作为构建模型的依据。
假设1 出行链的结构与性质对居民出行方式的选择具有显著影响
出行链通常以家庭为起点和终点,例如包含工作活动的通勤出行链可表示为H-W-O-H等。以出行链为分析单元,考虑了单个出行间的时空联系和约束,能够更为准确地刻画居民的出行行为。
出行链有简单链和复杂链之分:仅有一个中途活动地点的为简单出行链,而包含一个以上中途活动地点的为复杂出行链。二者包含的出行次数和弹性活动次数均不相同,因而对城市交通的影响也显著不同。以通勤出行链为例,简单链较为固定,而复杂链由于嵌套了大量非工作之外的弹性活动,灵活性和随机性都比简单链大[3]。此外,按是否包含工作活动,还可将出行链划分为通勤链和非通勤链。
近年来的研究表明,出行链的性质、长度等因素对居民出行方式的选择具有重要影响,即出行者一般先根据个人及家庭的需要将一日的活动和出行组织成出行链,然后在出行链的约束下考虑选择何种交通方式[10-11]。
对于一个出行链,居民出行方式可划分为单一方式和组合方式,其中单一方式可以是自行车、小汽车、公交车、地铁和出租车中的任意一种,组合方式则是两个或两个以上单方式的组合。事实上,绝大多数的组合出行都包含有公共交通出行,组合方式出行被看作是一种对环境影响较小的可持续城市交通发展模式,正逐步得到重视[12]。
假设2 居住及中途活动地点的土地利用特征对出行链与出行方式选择均具有显著影响
在一个出行链中,居住地与中途活动地点的土地利用会对居民出行方式选择产生重要影响。Narisra[5]等进行的研究表明,居住区所处区位、居住及目的地有无公交站点、有无充足停车泊位等都是居民出行方式选择的重要影响因素。Loo[6]等通过研究还发现居住区附近地铁站点是否处于中心区以及是否为换乘站等也是决定居民是否选择地铁方式出行的重要因素。
随着中国城市化进程的迅速推进以及住房制度的改革,计划经济时期以单位大院为基本地域单元的城市空间布局逐渐被打破。参照张艳等[7]的研究,本文将我国快速城市化进程中的居住区划分为老城区旧居住小区、单位大院小区、近郊区新建商品房小区、政策性住房小区等四大类型。不同类型的居住小区,因其区位及职住分布的不同,居民出行的方式也表现出较大差别。
以北京市为例,老城区旧居住小区基本在二环以内,此类居住区以平房、四合院为主,通常建筑密度较高,配套设施较差,是旧城改造的对象。
单位大院小区,多处在二环、三环之间,是改革开放前北京居住区向外扩展的主要部分。早期单位大院小区的建筑多为4-6层的单元式住宅,90年代以来新建了部分高层住宅。总体上,配套设施较齐全、居住环境好。居住在单位大院小区中的居民绝大多数是行政机关、国有企业、科研教育单位的职工,由于职住接近,居民就近上班。
近郊区商品房小区出现在上个世纪80年代,90年代后三环以外住宅建设速度加快,并逐步向四环、五环外迅速扩展。此类居住区与单位大院小区相比最显著的特点是居民就业地与居住地的分离。
政策性住房小区是上个世纪90年代以来,政府为解决中低收入家庭的住房问题,在城市郊区开发的具有社会保障性质的居住小区,如安居工程、经济适用房等。目前,北京已建和在建的政策性住房小区多集中在四环、五环以外的郊区。
假设3 居民的社会经济属性对出行链及其出行方式具有显著影响
个人及其家庭的社会经济属性是公认的影响居民出行方式选择的重要因素。在经典的交通需求预测模型中,居民的社会经济属性,诸如职业、性别、年龄、收入、家庭属性等指标,是交通方式划分的重要变量[13]。鲜于建川[14]等的研究表明,职业对出行链及出行方式的影响十分显著,相对于其他职业,服务业及自由职业者在一天中的出行链多为简单链,且多选择单一出行方式;栾琨[15]等研究发现,家中有6岁以下儿童的出行者在通勤出行中倾向采用复杂出行链,而家庭规模2人及以下者,采用简单链的概率较高;Narisra[5]等人的研究则发现,家中有12岁以下儿童的出行者更倾向于采用小汽车出行。
假设4 居民的社会经济属性对其居住区位具有显著影响
城市经济学理论认为,居民在进行居住区位选择时,会在居民及家庭属性(家庭收入、家庭人数等)的约束下对住房成本和通勤成本进行权衡,追求效用最大化。虽然该理论有众多的假设、限制条件,但其几乎在各类城市中都能很容易得到验证[16]。
以上假设仅描述了各影响因素与出行方式选择之间的逻辑关系,为进一步识别出各种关系的方向与大小,本文构建居民出行方式选择的结构方程模型。
结构方程模型被称为近年来统计学三大进展之一,它是一种建立、估计和检验因果关系模型的方法。一个完整的结构方程模型包括测量模型和结构模型两部分[17-18]。
(1)测量模型
测量模型描述潜变量η、ξ如何被显变量(观察变量)Y、X所测量。
式中,Y为内生显变量组成的向量;X为外生显变量组成的向量;η为内生潜变量;ξ为外生潜变量;ΛY为内生显变量在内生潜变量上的因子负荷矩阵,它表示内生潜变量η和其显变量Y之间的关系;ΛX为外生显变量在外生潜变量上的因子负荷矩阵,它表示外生潜变量ξ和其显变量X之间的关系;ε,δ为测量模型的残差矩阵。
(2)结构模型
结构模型描述潜变量η、ξ之间的关系。
式中:B为路径系数矩阵,它表示结构模型中内生潜变量η之间的相互影响;Γ为路径系数矩阵,它表示结构模型中外生潜变量ξ对内生潜变量η的影响;ζ为结构模型的残差矩阵。
(3)模型求解
一个完整的结构方程包含共 ΛY、ΛX、B、Γ、Φ、Ψ、Θε、Θδ共8个待估参数矩阵。前面4个矩阵已在测量模型或结构模型中出现。Φ为外生潜变量ξ的协方差矩阵,Ψ为残差项ζ的协方差矩阵,Θε为ε的协方差矩阵,Θδ为δ的协方差矩阵。
通过上述参数,可推导出显变量Y、X的协方差矩阵Σ(θ),其中θ为待估参数。用Σ表示显变量的总体的协方差矩阵(用样本协方差矩阵替代),若理论模型为真,则有Σ=Σ(θ),从而求出模型的待估参数θ。
(4)模型评价和分析
传统的统计模型只能给出单个方程的结果评价,结构方程模型的优点之一则在于能够得到反映整个模型拟合好坏的统计量——拟合指数。最常用的拟合指数是近似误差均方根RMSEA和正规化拟合指数NFI。RMSEA越接近于0,NFI越接近于1,模型拟合度越好。通常采用 RMSEA<0.1、NFI>0.9作为模型评价标准。在整个模型拟合良好的前提下,对单个参数进行检验,即检验所有参数的估计值是否有意义。
(1)样本选择
依据研究假设,确定各类影响因素所包含的指标,并据此设计调查问卷题项。选取北京市四类共8个居住小区,在每类居住区中随机抽取80户家庭,对每个家庭中18岁以上成员在工作日的某一个典型出行链①调查中,典型出行链指出行者在工作日中最经常发生的、最具代表性的那个出行链。及其相关信息进行问卷调查②问卷调查于2009年10月15日开始,11月30日结束,调查的居民小区包括东城千福巷社区、交道口社区、铁道科学研究院家属区、二炮清河大院、朝阳城市月光、通州水郡长安、回龙观龙锦苑、丰台怡然家园。其中,千福巷社区、交道口社区属老城区旧居住小区;铁道科学研究院家属区、二炮清河大院为单位大院小区;城市月光、水郡长安为建立在近郊区的商品房小区;龙锦苑、怡然家园为远郊区的政策性住房小区。样本数据中涉及距离的变量均通过北京市电子地图量取,且选定天安门为市中心。。对回收的1284份问卷进行出行空间一致性、出行时间连续性以及出行方式一致性检验,剔除无效样本,最终得到有效样本1011个,符合结构方程模型数据分析要求。
(2)模型形式
因模型各类变量与子变量之间无明显测量关系,故居民出行方式选择的结构方程模型不涉及潜变量,其模型形式为
式中:Y是由p个内生变量组成的p×1维向量;X是由q个外生变量组成的q×1维向量;B和Γ分别是p×p和p×q阶系数矩阵,ζ是p个结构方程的残差组成的p×1维残差向量。
同3.1节,可通过 Σ =Σ(θ),求出B、Γ 等待估参数。
根据前述研究假设选取变量,并得到模型的初始架构。模型包含3个层次,上层是“个人与家庭属性”,中间层是“出行链”和“土地利用”,下层是“出行方式”。模型初始架构以及所包含变量的具体说明分别如图1和表1所示。
图1 居民出行方式选择的初始模型架构
表1 初始模型变量说明
利用AMOS18.0对模型进行计算,因模型包含定序型变量,且样本不符合联合正态分布,故选择WLS法[18]对模型参数进行估计。从初始模型的计算结果可以看出,外生变量“是否工作或上学”、“家庭总人口数”对绝大多数内生变量的影响不显著,其作用可能已被其他指标替代,因此将其从模型中剔除;同理剔除“居住区距市中心距离”、“主要目的地距最近地铁站距离”、“主要目的地距最近公交站距离”、“出行链包含目的数”、“是否步行方式”等5个内生变量。此外,个人与家庭属性类变量与土地利用类变量关系不显著,因此删除二者的关系。最终模型架构如图2所示。
图2 居民出行方式选择的最终模型架构
对图2所示的最终模型进行计算,得到模型的拟合度指数 RMSEA=0.055 <0.1,NFI=0.901,表明模型拟合良好。具体计算结果如表2、表3和表4所示。
以上显示了结构方程模型中各外生变量对各内生变量,以及各内生变量之间的相互影响关系,可以得出以下主要结论:
(1)个人与家庭属性对出行链及出行方式影响较为显著,研究假设3成立。
表2 外生变量个人与家庭属性对各内生变量的影响
表3 外生变量土地利用对各内生变量的影响
表4 内生变量间的影响效应
性别对出行链有一定影响,而对出行方式的影响不显著。性别对出行链是否复杂链、是否包含通勤出行的影响相对显著①“显著”与否的标准见表2-表4的尾注,下同。,影响系数分别为-0.105与0.089,表明相较女性,男性出行者每个工作日最主要的出行多为通勤出行且所形成的出行链多为简单链。这是由男女所承担的社会责任不同所致,女性因需承担一定生活性活动,会在其工作出行中同时链接一些非工作出行,使出行链更倾向于形成复杂链。
家庭是否拥有小汽车对出行者的出行链以及出行方式的选择具有非常显著的影响。小汽车因可达性和方便性较高,其拥有者的出行链多为复杂链,且出行距离较长。拥有小汽车对地铁、公交等公共交通方式具有显著的负效应,影响系数分别为-0.151与-0.197,这符合研究者的预期,因此为提高公共交通承担率,有必要实施合理的小汽车限制政策。值得注意的是,拥有小汽车对组合出行方式具有正效应(0.058),尽管该效应尚不显著。前已述及,绝大多数的组合方式都包含有公共交通出行,这说明拥有小汽车在一定程度上能够促进公共交通出行,然而前提在于能够为小汽车拥有者提供充足的驻车换乘空间。事实上,在驻车换乘系统较为完备的香港,小汽车拥有对地铁运输量的贡献非常显著[8]。
是否拥有自行车对出行方式也有一定影响。拥有自行车对小汽车方式的影响效应为负(-0.121),对组合方式的影响为正(0.216),且影响程度显著,表明自行车在限制小汽车、促进公交出行上功不可没。
家中是否有12岁以下儿童对出行链与出行方式的影响较为显著,其中对是否复杂链的影响系数为0.195,对小汽车方式、出租车方式的影响系数分别为0.193与0.284。表明,家中有12岁以下儿童的出行者多采用复杂出行链出行,以便在出行途中接送孩子上下学,且他们更倾向于采用小汽车、出租车等单一出行方式。在未来交通管理中,可积极发展中小学校车服务系统,以此缓解有儿童家庭对小汽车的依赖。
(2)土地利用对出行链及出行方式影响显著,研究假设2成立。
土地利用指标中,居住区类型对出行链与出行方式的影响十分显著。首先,四类居住区对出行链是否包含通勤出行的影响均是正向的,影响系数分别为0.112、0.320、0.099与0.083,且影响显著,表明通勤出行是居民日常出行的主要组成部分。
单位大院居住类型(DW)对出行链长度与小汽车方式的影响均为负,分别为-0.322与-0.442,表明单位大院的布局模式较好地实现了“职住平衡”,缩短了居民一天中的主要出行距离,从而减少了他们对小汽车的依赖。
商品房小区(CH)和政策性住房小区(SW)对小汽车方式的影响为正,影响系数分别为0.311与0.282。表明这两类小区的出行者更倾向于采用小汽车方式出行,这一方面是由出行者的个人与家庭属性决定的,另一方面也反映出近年来北京市在加快开发商品房及政策性住房小区时,未能充分考虑就业与居住的平衡,出行者每天需往返于居住地与就业地,给交通系统带来巨大压力。
老城区旧居住区类型(OLD)对出行链长度的影响为正,这与张艳等人[7]的研究结论相类似。这一结果表明,老城区旧居住区中长距离逆向通勤②居住在中心城,在外围组团就业,所发生的通勤称为“逆向通勤”。现象普遍,通常认为与北京市制造业就业岗位的外迁存在一定联系。老城区旧居住区的出行者倾向于采用自行车和公共交通方式,这很大程度上由其社会经济属性所决定,同时也反映出大力建设连接中心城与外围组团的大容量快速轨道交通对解决各类出行者的通勤出行具有重要意义。
值得注意的是,政策性住房小区对组合出行方式具有正向显著影响(0.092),在一定程度上说明政策性住房小区的出行者驻车换乘行为较明显。北京市政策性住房小区多分布在四环、五环以外的郊区,这些地区的轨道交通站点因周边商业设施不全,给驻车换乘提供了一定条件,从而促进出行者采用组合出行方式。然而,在实地调查中发现,靠近政策性住房小区的轨道交通站点周边通常并不具备正式、完善的停车设施,随意的路边停车,甚至非法占道十分普遍。
(3)出行链对出行方式的影响显著,研究假设1成立。
复杂链对小汽车、出租车等单一出行方式的影响为正(影响系数分别为0.566与0.325),而对地铁、公交及组合方式的影响为负(影响系数分别为-0.043、-0.039、-0.247)。复杂链涉及多个中途活动地点,组合方式所需的额外停驻以及公共交通相对低下的效率,使得复杂出行链的出行者更倾向于采用小汽车或出租车方式。
出行链长度对出行方式的影响也十分显著,其中对小汽车方式和地铁方式的影响效应相当,影响系数分别为0.520与0.326。这说明地铁以其准点、出行成本低等优势在中长距离运输中发挥着重要作用,成为小汽车方式的有力竞争对手。
(4)个人及家庭属性对居住区位影响不显著,研究假设4不成立。
由图1所示初始模型的计算结果,个人与家庭属性类变量对土地利用各变量的影响较弱,因此在最终模型中删除了这一关系,“土地利用”由最初假设的“内生变量”变为“外生变量”。这在一定程度上表明,我国城市的土地利用格局演变受居民住房选址行为的影响还不显著,这是由现阶段我国所处的城市化水平所决定的。
优化居民出行方式结构已成为各城市治理交通拥堵的主要思路。本文以快速城市化为背景,选取出行链特征、土地利用、个人与家庭属性等三类影响因素,构建居民出行方式选择的结构方程模型,得到了以下主要研究结论:
(1)快速城市化进程中,影响居民出行方式选择的因素错综复杂。结构方程模型能够克服居民出行行为领域普遍采用的logit类模型的缺陷,较为精确地识别出各影响因素与居民出行方式选择之间的复杂关系,可成为以后分析此类问题的有力工具。
(2)以出行链为分析单元,更为准确地刻画了快速城市化进程中居民的出行行为。小汽车方式在复杂出行链中比例较大,因此为吸引更多居民采用公共交通出行,未来公共交通的规划应从复杂出行链的特征出发,从运行时间、发车频率、舒适性、换乘便捷度等方面不断改善公共交通的服务水平。
对小汽车的拥有和使用可采用限制与引导相结合的方式。一方面,通过提高燃油税、购买税以及中心城停车收费价格等交通需求管理措施限制小汽车的购买和使用;另一方面,结合复杂链特点,加大驻车换乘(Parking-Riding)系统的建设力度,随轨道交通新线同步规划驻车换乘停车场,在有条件的既有线路站点周边增设驻车换乘停车场,促进居民采用组合方式出行,减少居民对小汽车的依赖。
自行车能促进公共交通出行。自行车+轨道(B+R)的出行方式正成为世界各大城市绿色出行的新风尚。自行车适宜的出行距离为3-5公里,这恰是我国绝大多数城市轨道交通站点的平均辐射半径。自行车应作为未来大力提倡的出行工具,自行车专用道建设应纳入城市交通规划,在地铁站、公交枢纽周边设置自行车停车场,完善自行车与公共交通的接驳系统。
(3)土地利用是影响居民出行方式选择的重要外生变量。随着城市化的推进,北京市以及全国其他城市的土地利用模式日趋多样化,逐步由计划经济下以单位大院为基本单元的职住接近,向市场经济下以商品房小区为主要模式的职住分离转变。随之引发的长距离出行以及对小汽车的高度依赖,值得城市管理者深思。这要求城市管理者一方面针对不同类型居住区提供差异化的交通服务,另一方面要不断优化土地配置方案及产业布局,平衡职住分布,最大限度地减少居民出行距离,促进居民选择公共交通方式,这一点在新城开发时尤为重要。
(4)个人与家庭属性对居民出行方式选择亦有重要影响。值得强调的是,为方便出行途中接送孩子上下学,家中有儿童的出行者较多采用复杂出行链出行,且他们更倾向于采用小汽车、出租车等单一出行方式。在未来交通管理中,可积极发展中小学校车服务系统,以缓解有儿童家庭对小汽车的依赖。
[1]Ben-Akiva M,Lerman S.Discrete Choice Analysis:Theory and Application to Travel Demand[M].Cambridge,Massachusetts:MIT Press,1985.
[2]Bowman J L,Ben-Akiva M.Activity-based Disaggregate Travel Demand Model System with Activity Schedules[J].Transportation Research Part A,2000,(35):1-28.
[3]宗 芳,隽志才.基于活动的出行方式选择模型与交通需求管理策略[J].吉林大学学报(工学版),2007,(37),1:48-53.
[4]Michael Kuby, Anthony Barranda, Christopher Upchurch.Factors Influencing Light-Rail Station Boardings in the United States[J].Transportation Research Part A ,2004,(28):223-247.
[5]Narisra Limtanakool,Martin Dijst,Tim Schwanen.The Influence of Socioeconomic Characteristics,Land Use and Travel Time Considerations on Mode Choice for Medium-and Longer-Distance Trips.Journal of Transport Geography,2006,(14):327-341.
[6]Becky P.Y.Loo,Cynthia Chen,Eric T.H.Chan.Railbased Transit-Oriented Development:Lessons from New York City and Hong Kong.Landscape and Urban Planning,2010,(97):202-212.
[7]张 艳,柴彦威.基于居住区比较的北京城市通勤研究[J].地理研究,2009,5(28):1327-1337.
[8]Chipman J.The foundations of utility [J].Econometrica,1960,(28):193-224.
[9]McFadden D,K.Train.Mixed MNL models of discrete response[J].Journal of Applied Econometrics,2000,(15):447-470.
[10]Stefaan Vande Walle,Therese Steenberghen.Space and Time Related Determinants of Public Transport Use in Trip Chains.Transportation Research Part A:Policy and Practice,2006,40(2):151-162.
[11]Xin Ye,Ram M.Pendyala,Giovanni Gottardi.An Exploration of the Relationship between Mode Choice and Complexity of Trip Chaining Patterns[J].Transportation Research Part B:Methodological,2007,41(1):96-113.
[12]Nobis C.Multimodality:Facets and Causes of Sustainable Mobility Behavior[J].Transportation Research Record,2007,20(10):35-44.
[13]邵春福.交通规划原理[M].北京:中国铁道出版社,2006.
[14]鲜于建川,隽志才.出行链与出行方式相互影响模式[J].上海交通大学学报,2010,44(6):792-795.
[15]栾 琨,隽志才.通勤者出行方式与出行链选择行为研究[J].公路交通科技,2010,27(6):107-110.
[16]Mills E S.Studies in the structure of the urban economy[M].Baltimore:Jones Hopkins Press,1972.
[17]周 钱,陆化普等.基于结构方程模型的交通需求分析[J]. 清华大学学报(自然科学版),2008,48(5):879-882.
[18]吴明隆.结构方程模型-AMOS的操作与应用[M].重庆大学出版社,2010.