王树盛 黄富民
慢行交通是出行者与城市物质空间接触最为直接的交通方式,相对其他方式,它需要付出更多的体力,对出行环境也最为细腻敏感。一般而言,出行者对慢行交通主要关注两个方面[1]:一是能否可以方便、连续地到达目的地,即可达性问题;二是出行过程是否安全、舒适,即慢行环境问题。尽管随着机动化的进程,我国大多数城市慢行交通的比例在下滑,但作为每一次出行的必要环节,慢行交通仍在城市交通中占据着重要的地位。在过去一段发展历程中,慢行交通占据城市交通需求的70%—90%,是城市生产和生活的主要交通方式,是在经济不发达阶段的一种历史选择。随着经济的增长、城市空间的扩展、生活方式及社会观念的改变,慢行交通的定位也在发生变化,其功能更加多元,不仅仅只是一种交通方式,更承载了生活交往、休闲健身等功能,对慢行环境也提出了更高的要求。尤其是对于短距离出行,慢行交通仍占有主导优势,但如果慢行环境的品质不高,这部分的出行也会被部分机动化尤其是小汽车方式所取代。影响慢行出行决策的环境因素非常多,目前关于慢行环境对慢行方式选择影响和评价的主要方法有两类:一是定性研究,主要通过慢行设施、慢行空间质量等对慢行出行影响的定性分析和判断对慢行环境做出改善决策,该类方法对慢行环境的改善是否起到促进采用慢行方式出行以及促进使用的程度缺乏说服力;二是采用PSPL方法进行定量研究[2],主要通过慢行环境改善后对慢行出行行为变化的观测,对改善措施进行优化、调整,是一种“滚动式”后评估方法,但该类方法没有建立慢行环境与慢行行为之间的因果关系,仅仅是利用数据的相关性进行分析和判断,难以对慢行环境改善的效果进行先验获知。考虑到环境的优与劣是由众多可测量及不可测量的要素共同决定的,是以人的体验和感知来衡量的,本文以定量的分析手段来捕获各种因素对慢行交通体验的影响,建立慢行环境与慢行行为的相关关系,以对慢行环境变化对出行决策的影响程度进行定量预评估,为慢行环境改善措施的选择提供更为可靠的依据。
出行者是否采用慢行方式源于对多方面的权衡考虑,其中包括出行环境因素,这一过程属于个体的微观决策行为,因此本文考虑采用离散选择模型对出行决策中关于慢行环境的权衡进行模拟。考虑到慢行路径是由多个路段组成,慢行路径的综合环境对于出行者是否采用慢行方式产生影响,因此首先需要对慢行路径的环境质量信息进行采集。假定将出行者对短距离出行(一般取2km—3km)的方式选择分为慢行、非慢行两类。对N个出行者依次进行询问取样,出行者选择了慢行方式出行,则记录下其出行路径;如果出行者选择了其他方式,也记录下其出行路径,并询问是否因为慢行环境的不佳而放弃使用慢行方式,同时记录下之前所使用的慢行路径[3]。如此可得到M条出行路径的信息,对于每条路径上有两种可选择的方式,即慢行方式、非慢行方式。针对出行者的信息以及路径的环境信息,可建立2项Logit模型,以判断环境因素对慢行交通选择的影响程度,并可评估慢行环境改善后的社会经济环境效益。总体结构框图如图1所示。
如图2所示,从A点到达B点沿着箭头所示的路径,需要经过①、②、③、④、⑤共5个路段,这5个路段的慢行环境对于出行者是否选择这条慢行路径会产生组合性影响。但是影响慢行环境的因素非常多,包括与车行区、人行横道、机非分隔带、自行车道、步行道、街道设施、沿街建筑立面的相关因素等,多达数10个[4,5]。如果按照传统方法,在构建模拟交通出行行为的离散选择模型时,如此多的因素同时进入模型会导致模型参数难以标定,但若不考虑其中任何一种影响因素,其合理性又存在质疑。因此,本文考虑将慢行路径中各路段的影响因素通过数学方法进行合成,将众多可实际测量的慢行环境影响因素转变为少量的基于路径环境的慢行公共因子。这样既将慢行环境所包含的因素进行了考虑,同时又减少了进入构建模型的因素数量。具体工作步骤如下:
(1)观测慢行环境要素值
通过实际调查获得出行路径中的各个慢行环境影响因素,包括步行道宽度、步行过街设施平均间距、机非隔离带宽度等,假定数量为p个,分别计作X1、X2……Xp。
(2)合成基于路径环境的慢行公共因子
将观测到的变量与公共因子建立数学关系。用m个公共因子来表达,则有:
其中:Fi——公共因子,是不可观测的变量,其系数aij为因子载荷;
εi——特殊因子,是不能被前m个公共因子包含的部分;
aij——因子荷载,是第i个变量和第j个公共因子的相关系数,反映了第i个变量与第j个变量的相关重要性,绝对值越大,其相关的密切程度越高。
变量Xi的共同度是因子荷载矩阵的第i行的元素的平方和,计为:
其值越接近1,因子分析的效果好,从原变量空间到公共因子空间的转化性质好。因子载荷矩阵中各列元素的平方和是第j个公共因子Fj对所有分量Xi的方差贡献和,是衡量Fj相对重要性的指标。从数学角度,因子载荷阵不具有唯一性,应对因子载荷阵进行旋转,使载荷矩阵中每列或行的元素平方值向0和1两极分化,本文拟采用方差最大法进行因子旋转。
(3)建立慢行公共因子与众多慢行影响因素的函数关系
以公共因子作为因变量,以慢行环境因素为自变量,建立两者之间的函数表达式。
由
代替大量的慢行环境因素作为进入交通行为选择模型的变量。通过以上步骤,获取了基于路径环境的慢行公共因子,这些因素与慢行环境因素之间存在传递关系,具体应用方法可简化表达如图3所示。
包含慢行公共因子的2项Logit模型形式如下:
“1”为慢行方式,“2”为非慢行方式。
——个人n选择方式i出行的比例;
——个人n对于方式i的效用表达式;
——方式i的特征属性;
——个人n的经济社会属性;
——慢行环境属性,由慢行环境公共因子构成。
以常州南部新城核心区为例[4],针对慢行交通存在的问题,提出改善策略,并建立模型予以量化评估。
《常州南部新城空间发展战略规划》提出了建设“国际高品质精致城区”的目标,而城市慢行空间精致化则是其中的一项重要发展策略。但是近几年来,机动化的快速发展加剧了常州市南部新城的“行车难、停车难”,“骑行难、走路难”也成为新城关注的焦点,如何改善慢行设施,塑造安全、安心的慢行环境,是新城建设面临的一个问题(图4)。
根据调查,仅有21.9%的受访者对慢行空间表示满意,20.9%的受访者表示比较满意,不满意慢行空间现状的超过50%。不满意的方面主要表现在受到机动车的干扰、人行道及非机动车道被占用、人行道及非机动车道过窄等方面。针对调查所反映出的问题,对常州南部新城核心区道路慢行设施、环境进行改善。
(1)断面改造
按照完整街道理念对所有道路进行梳理,对道路内人行道、非机动车道、机动车道、公交专用道、中央分隔带、路内停车、景观照明、公交站点、交通稳静化、过街设施等10大要素进行统筹考虑[5]。将传统的步行道分成步行区和设施区,传统的非机动车道分成非机动车区和设施区,断面分区进一步明晰路权,保障行人和非机动车使用的净空间。
(2)临街步行空间改善
将临街步行空间划分为非常活跃类、友好类、混合类、不活跃类以及非常不活跃类5种类型。根据不同类型承载的慢行活动差异,分别制定改善方案,以充分发挥街道的经济功能和文化功能[6],图5为花园街临街步行空间改造案例。
(3)交通稳静化设施
考虑到对交通稳静化这一新型事物的可接受程度,规划仅在居住区范围进行稳静化设施布置,主要通过车辆减速、交通减量等稳静化设施,达到居住区入口减速、区内低速、安全安宁的目的。
根据前述技术路线,本文对慢行环境对于出U行is者=−行 4.1为3*影X1响− 1的.94考*X量 2是− 3以.17路*X径 3+选 0.择94为*F基 1− 0.86础的,通过调研获取了340条出行路径的信息,包括核心区内260条慢行交通方式出行的信息以及80条其他方式出行的信息。对各个出行者的出行路径进行了询问、记录,对于非慢行的出行者则记录下了其曾以慢行方式出行的路径。由于影响慢行交通出行的环境影响因素非常多,如何有效获取慢行环境变量是关键,本文将路段慢行环境以出行路径为对象进行量化,量化的方式包括平均值、百分比、0—1变量3种,各变量具体取值方式如表1所示。
利用调查得到的340条路径信息对慢行环境要素进行因子分析,采用最大方差法进行因子旋转。根据数理检验要求,荷载超过0.3的因子为存在显著影响的因子,因此本文仅保留荷载绝对值大于0.3的因子,得到如下分析结果如表2。
对以上因子荷载进行归类,得到4类因子所包含的慢行环境要素,分别用F1,F2,F3,F4表示。其中F1包括10个变量,分别为每150 m交通稳静化设施的数量、路内停车的平均宽度、路段过街设施平均间距、人行道平均宽度、道路平均坡度、每150m人行道上存在的障碍数量、每150m街道家具数量、每150m建筑立面门店数量、建筑物平均高度、每150m临街车行出入口的个数;F2包括6个变量,分别为路缘石间距离的平均宽度、车行区的平均宽度、车行道的平均数量、自行车道平均宽度、有行道树遮荫的自行车道长度占比、有行道树遮蔽的人行道长度占比;F3包括4个变量,建筑物间距与建筑物高度之比的平均值、街区尺度、人口与就业岗位密度、土地利用混合度;F4包括3个变量,分别为机非分隔带平均宽度、绿化景观带的平均宽度、每150m行道树的数量。本案例研究考虑以上4个慢行公共因子的影响,建立2项Logit模型,模型结果如表3所示,从各参数的置信水平情况来看,均达到95%的要求。
所建立Logit模型效用函数的具体形式为:
其中,Uis、Uim分别为慢行方式、机动化方式的效用表达式。
表1 慢行路径环境变量及量化方式一览表
表2 慢行环境因子分析结果一览表
利用以上建立的模型,对采取前述慢行改善策略后的规划方案,从经济、社会、环境效益方面进行评估。
(1)社会效益
对研究范围的慢行环境进行改善,主要包括道路断面、慢行路权、道路绿化、人行道铺装、建筑小品等方面。改善后所调查的340条路径的慢行设施与环境的量化指标如表4:
对于以上改善结果,应用所建立的Logit模型对慢行比例的提升情况进行测算,结果显示,慢行出行比例由原来的76.5%提升至86.3%(由于所调查的样本均为小于3.5km的出行,因此慢行环境改善后,公共交通出行比例也有所降低),说明改善慢行环境对提高慢行的吸引力具有显著的影响,促进了交通环境的社会公平性。
(2)社会效益
核心区内可纳人口约12万,根据居民出行调查结果,日人均出行次数约2.5人次/日,则每日出行需求量约为30万人次,其中52.3%的出行距离小于3.5km,这部分出行量约为16万人次。在小于3.5km的出行中,私人小汽车占机动化出行比例为66%,由此可计算得出,通过慢行环境改善后,小汽车出行比例减少6.5%,约为1.04万人次/日。小汽车车载人数按照1.2计算,每天减少的小汽车使用量为8 700辆;停车场周转率按4.0次/日计算,可减少停车泊位供应2 175个,节约用地面积约6.5万m2,按1 000元/m2的建设成本进行估算,节约建设费约6.5万元。
(3)环境效益
本次调查主要为短距离出行,其中小汽车出行平均距离约为3.0km,则可减少小汽车出行周转量为3.12万人次·km/日,小汽车人均能耗水平、人均废气排放水平分别按照0.29kW·h/km、19g/km计算,则每天可减少能耗和废气排放分别为0.9万kW·h、590kg,每年减少量分别为330万kW·h、215t。
表3 慢行方式选择LOGIT模型参数估计一览表
表4 调研路径慢行环境量化指标一览表
慢行交通在各级城市交通方式结构中都具有重要的地位,近年来慢行环境的恶化对城市慢行交通出行安全、舒适等方面带来了不小的冲击,在很大程度上导致了慢行比例的下降。本文采用因子分析法提炼影响慢行交通行为的慢行公共因子,并建立了离散选择模型来模拟慢行环境对出行行为的影响,将慢行环境对方式选择的影响进行了量化和数学建模分析,为评估慢行环境的改善效果提供了定量分析方法。
References
[1]王树盛. 慢行交通也是一把金钥匙[J]. 江苏城市规划,2011(12):39-40.
WANG Shusheng. Non-motorized Transportation Is a Golden Key[J]. Jiangsu Urban Planning, 2011(12):39-40.
[2]姜洋,王悦,余军,等. 基于PSPL调研方法的步行和自行车交通规划设计评估[J]. 城市交通,2011(5):28-38.
JIANG Yang, WANG Yue, YU Jun, et al. Evaluation on Pedestrian and Bicycle Transportation Planning and Design Based on PSPL Survey[J]. U rban Transport of China. 2011(5): 28-38.
[3]Sungjin Park. Defining, Measuring, and Evaluating Path Walkability, and Testing Its Impacts on Transit Users’ Mode Choice and Walking Distance to the Station[D]. University of California, Berkely. 2008:50-56.
[4]江苏省城市规划设计研究院. 常州南部新城慢行交通系统规划研究[R].2011.10:80-88
Jiangsu Institute of Urban Planning and Design.Non-motorized Transportation System Planning of Changzhou South new Town[R]. 2011(10):80-88.
[5]范凌云,雷诚. 城市步行交通系统规划及指引研究[J]. 城市问题,2009(5):45-49.
FAN Lingyun, LEI Cheng. Planning and Guidelines to the Pedestrian Traffic System[J].Urban Problems, 2009(5): 45-49.
[6]赵从霞,周鹏光. 街道城市设计概念方法研究[J].华中建筑,2007(3):97-99.
ZHAO Congxia, ZHOU Pengguang. Study on the Concepts and Methods of Street Urban Design[J].Hua Zhong Architecture, 2007(3): 97-99.