基于主成分回归分析法的通勤交通方式影响因素

姜 军 段 进 陈沧杰 曹国华

1. 东南大学，建筑学院，南京 210096

2. 江苏省城市交通规划研究中心，江苏省城市规划设计研究院，南京210036

0 引 言

近年来，随着城市规模的扩大，职住分离问题日益突显，以及交通拥堵问题的日益严峻，城市通勤再次得到了社会各界的广泛关注。通勤交通方式作为通勤的载体，体现居民在现有城市交通条件下对通勤距离、通勤时间、通勤成本的权衡，在一定程度上反映了通勤的综合特征[1]，是城市通勤中的一个重要方面。国外对居民通勤行为的研究较早，我国的研究近年来逐渐增多，其中有一些关于通勤交通方式的研究。韦亚平和潘聪林[2]基于杭州城西 9个街区 1339份居民出行数据，利用居民个体属性、出行距离和土地利用三组变量建构了多项逻辑决策模型，分析街区土地利用变量对通勤方式选择的影响。研究表明：在中国高密度城市形态下，由于城区扩张和收入水平提高，形成了以小汽车为主导的混合通勤结构，而小尺度街区、密集路网等土地利用变量则是助长小汽车通勤的诱因。李雪铭和杜晶玉[3]研究了私家车对居住空间扩展的作用，研究表明：私家车加强了通勤的便利性，在距离城市中心 5km以外私家车通勤随居住空间的扩展而增加。陈征等[4]利用居民出行调查数据分析了苏州居民通勤出行交通方式选择特征。研究表明：私人交通（自行车、摩托车、步行、私家车）的通勤出行总比例高达89.4%，公共交通（常规公交、单位通勤车、出租车）的出行总比例仅为10.6%。男性居民私家车、摩托车的通勤出行比例分别是女性的2.8倍和 1.3倍，而女性步行、自行车的出行比例分别是男性的1.6倍和1.1倍。短距离通勤出行方式以自行车、步行为主，中等距离的通勤出行以自行车、摩托车和助力车为主，长距离通勤出行以机动车（通勤车、出租车、私家车）、摩托车为主。通勤交通方式受到多方面的影响，目前关于通勤交通方式与其影响因素之间关系的研究成果相对还较少，并且未能建立通勤交通方式比例与影响因素之间的关系等式。本文以苏州工业园区为例，考虑居民属性、土地利用属性、交通设施属性三个方面的不同因素对通勤交通方式选择的影响，基于主成分回归分析法提取主成分，建立了通勤交通方式出行比例与主要影响因素的拟合关系式，分析了影响因素的影响机理，并对未来的发展趋势进行了推演，提出了相应的对策措施。

1 数据采集

1.1 数据获取方法

本文研究数据来源于2012年苏州市工业园区综合交通规划的居民出行调查，共调查 1 1000户，调查采用PDA设备进行无纸化操作提高了调查数据精度[5]，共获得约31 180人的有效出行行为数据。从居民出行调查数据中抽取居民通勤出行行为数据，共获得通勤行为有效数据59 416条。

1.2 影响因素

本文研究主要考虑居民属性、土地利用属性、交通设施属性三个方面共11个影响因素。居民属性考虑居民家庭月均收入、家庭拥有小汽车的数量、家庭拥有非机动车的数量、平均年龄、男女性别比例五个指标。土地利用属性考虑中区的区位特征、中区内部出行比例、土地利用混合率三个指标；其中，区位特征以各中区的几何中心与城市 CBD中心之间的距离来表示；中区内部出行比例指各中区居民通勤出行在本中区内完成的比例；土地利用混合率根据人口密度和就业岗位密度计算。交通设施属性考虑道路网密度、公交线路密度、公交站点300m半径覆盖率三个指标。

表1 通勤交通方式总体特征Tab.1 General characteristics of commuting traffic mode

2 主成分回归分析

2.1 主成分回归分析法原理

1.3 影响因素指标数据统计

为了便于分析，在交通小区的基础上进行归并得到12个交通中区（见图1），以交通中区为单位对各影响因素进行统计。从土地利用主要属性来看，1区为度假旅游区，4区为城市CBD，11区为高校比较集中的科教区，其他区为以工业和居住为主的综合开发区。从通勤交通方式总体结构来看，小汽车通勤占有较高比例，达到了 28.84%；步行和非机动车的通勤比例分别为33.89%和12.02%，即慢行交通通勤比例达到了45.91%；而公交通勤比例较低，仅为12.86%（见表1）。

本文研究考虑了12个影响因素，影响因素较多将会增加分析问题的难度和复杂性，因此需要利用降维处理技术使较少的变量尽可能多地保留原来较多变量所反映的信息。本文采用主成分回归分析法建立通勤交通方式比例与影响因素之间的关系式。主成分回归分析法的计算步骤如下[6]：

（1）计算相关系数矩阵

图1 交通中区用地概况Fig.1 Land use of medium-size traffic zone

（6）使用主成分代替原始变量对因变量进行最小二乘法回归，再返回到原来的参数，得到因变量对原始变量的主成分回归。

2.2 通勤交通方式出行比例拟合等式

通过主成分分析，提取各种通勤交通方式的主成分，得到各种通勤交通方式主成分初始因子载荷矩阵如表2所示。

表2 通勤交通方式主成分初始因子载荷矩阵表Tab.2 The initial factor loading matrix of the principal components for commuting traffic mode

小汽车通勤的第一主成分在家庭月收入、小汽车拥有量、通勤距离、道路网密度三个指标上载荷较高，贡献率达到了62.7%，第二主成分在中区内部出行比例和非机动车拥有量两个指标上载荷较高，贡献率为23%。公交通勤的第一主成分在公交线路密度、公交站点300m半径覆盖率、区位特征、通勤距离、男女性别比例四个指标上载荷较高，贡献率达到了60.9%，第二主成分在非机动车拥有量和平均年龄两个指标上载荷较高，贡献率为22.6%。慢行交通通勤的第一主成分在家庭月均收入、小汽车拥有量、道路网密度、公交线路密度四个指标上载荷较高，贡献率为 55.72%，第二主成分在非机动车拥有量上载荷较高，贡献率为23.9%。

利用主成分回归分析法拟合各种通勤交通方式出行比例与主要影响因素之间的关系式。由于影响因素之间存在的相关关系，在拟合过程中根据检验结果剔除部分变量，得到关系式如下：

式中：CY——小汽车通勤比例，%；

YB——公交通勤比例，%；

YP+B——慢行交通通勤比例，包括步行和非机动车%；

XC——小汽车拥有量，veh/户；

XB——非机动车拥有量，veh/户；

Xd——通勤距离，km；

XP——中区内部出行比例，%；

XR——道路网密度，km/km2；

XY——平均年龄，岁；

XM/W——男女比例；

XD——公交线路密度，km/km2；

XI——家庭月收入，元/月

2.3 拟合等式验证

通过对各交通中区拟合值与调查值的比较分析可知，总体而言，各拟合等式的平均误差都在5%以内，拟合效果较好。部分交通中区的公交出行比例拟合值与调查值之间存在较大的误差，这主要是由于公交出行比例的一个主要影响因素——公交线路密度对公交出行比例存在比较复杂的影响机制。表3为拟合等式校验表。

表3 拟合等式校验表Tab.3 Checklist of the fitting equation

3 发展模式推演

3.1 小汽车发展

随着我国经济的高速发展，城市部分家庭收入水平迅速提高，在目前不限制小汽车拥有的情况下，居民通常会有较高的购买小汽车的意愿，以苏州工业园区为例，家庭小汽车拥有量随家庭收入的增加而迅速增加（r=0.701，Sig. (2-tailed)=.011），见图2所示。

图2 家庭收入对小汽车拥有量的影响Fig.2 Influence of family income on car ownership

从城市小汽车总量来看，2001—2007年，因为机动车原有基数较小，机动车年均增长率大于40%；2008—2012年，机动车仍然保持了较高的增长率，年均增长率在30%～40%之间。目前苏州工业园区家庭拥有小汽车已经非常普遍，园区小汽车拥有量达到193辆/千人，而在城市核心区——中新合作区内更是高达 267辆/千人，接近户均1辆。按照国际机动化发展的一般规律，园区现状机动化水平已经进入第一个普及期，仍将保持较高的增长速度，预计未来将会达到300～400辆/千人的标准，超过户均1辆小汽车的拥有水平。在目前小汽车使用成本被社会低估，对小汽车使用无限制措施的情况下，小汽车通勤出行比例随小汽车拥有量的增加而快速增加（r=0.975，Sig.(2-tailed)=.000），见图3所示。

3.2 公交发展

图3 小汽车拥有量对小汽车通勤出行比例的影响Fig. 3 Influence of car ownership on the proportion of car trips

因城市人口和就业岗位数量的增长，城市公交客运量迅速增加，为了适应公交需求的增长，苏州工业园区近年来加大了公交设施的投入。2006—2012年，苏州工业园区公交客运量、公交线路、公交车辆均增长了约2倍，但是公交通勤出行比例并没有显著提升，仅为12.86%。通过对公交出行比例与公交线路密度之间关系的分析可知，当公交线路密度较低时，公交出行比例随公交线路密度的提高显著增加（r=0.906，Sig.(2-tailed)=.013）；而当公交线路密度达到4.63 km/km2以后，其对公交通勤出行比例的影响较小，见图4所示。

苏州工业园区公交专用道仅有 13.4km，占主干路的比例仅为 5.5%，从道路空间资源分配来看，公交专用道占用道路空间资源不到1%。公交路权优先的缺乏使得公交出行便捷性难以与小汽车竞争，公交平均出行时间为40.8min，到站时间7.4min，离站时间9.3min，而小汽车平均出行时间为27.4min，见图5。

图4 公交线路密度对公交出行比例的影响Fig. 4 Influence of bus line density on the proportion of bus trips

图5 公交出行与小汽车出行时间对比Fig. 5 Comparison of the travel time between bus and car trips

3.3 应对措施

根据以上拟合等式，在未来一般发展水平和较高发展水平下，随着家庭小汽车拥有量的增加，小汽车通勤比例将分别增加到37.24%和40.52%；即使采取增加公交线路密度等措施，公交通勤比例也将迅速下降到7.83%和7.46%。表4为不同发展模式下小汽车和公交通勤比例。

表4 不同发展模式下小汽车和公交通勤比例Tab.4 Proportion of car and bus trips for different development scenarios

小汽车通勤比例的迅速增加给城市交通带来巨大压力，需要慎重地考虑建立小汽车拥有与使用的预警机制，在城市交通运行面临严重恶化的趋势时，适时调整小汽车的拥有和使用政策，加强对小汽车拥有与使用的合理调控，特别是通过市场机制，适当提高小汽车使用成本，让小汽车使用者承担起目前往往被社会所低估的小汽车使用带来的社会、环境等成本，调节小汽车出行量与城市道路承载能力之间的动态平衡。对于城市公共交通，公交大量的设施投入（线路、车辆、场站）维持了公交服务水平在可接受的范围之内。为了进一步提高公交出行比例，需要更多地关注路权优先、信号优先等方面的公交优先保障措施，促使其行驶速度相对小汽车具有良好的竞争优势。而对于慢行交通，当小汽车机动化占据优势地位后，慢行交通通勤处于弱势地位，而慢行交通环境的改善（道路网密度的增加）和非机动车拥有则会促进慢行交通比例的增加，也会促进小汽车出行比例的降低。

4 结束语

通勤交通在城市交通中占有较高的比例，通勤交通影响到城市交通的总体运行效率。本文利用主成分回归分析法研究了通勤交通方式出行比例与相关影响因素的影响机理和等式，并提出了针对未来发展趋势的应对措施。未来研究需要进一步考虑与通勤出行相关的更多影响因素，并考虑采用多层Logit模型等方法来分析相关因素的影响。

[1] 孟斌等. 就业特征与职居分离关系研究[J]. 北京联合大学学报, 2013, 11(1): 66-72.

[2] 韦亚平, 潘聪林. 大城市街区土地利用特征与居民通勤方式研究——以杭州城西为例[J]. 城市规划.2012, 36(3): 76-84.

[3] 李雪铭, 杜晶玉. 基于居民通勤行为的私家车对居住空间影响研究——以大连市为例[J]. 地理研究.2007, 26(5): 1033-1042.

[4] 陈征, 周恒, 刘英舜. 苏州居民通勤出行交通方式选择特征研究[J]. 道路交通与安全. 2006, 6(8):34-37.

[5] http://www.subaonet.com/2012/1030/1025000.shtml

[6] 张嵩, 张慧, 吴涛. 我国城乡居民收入差距的主成分回归分析[J]. 沈阳建筑大学学报: 社会科学版,2013, 15(2): 180-184.