面向群体的可达性评价方法研究

张海晔

1 相关背景与理论借鉴

可达性是评价空间区位的有效手段，也是城市规划的重要依据。传统的可达性评价方法从物质空间的联系强度、相对距离等方面解释可达性的形成机制，如机会累积法[1]、重力模型法[2][3]等，通过此类方法可以得到不同地区可达性的差异关系，对设施规划选址起引导作用[4]。而随着城市人口结构的演变，如老龄化与弱势群体问题的凸现，面向不同群体的设施规划越来越受到关注，这也对可达性评价能否体现群体差异提出了更高的要求。由于现有的可达性评价方法是以物质空间关系为基础，将使用者视为自然人，忽视不同群体的社会性差异（即假设空间使用者的需求是一致的）。而缺乏有效的分析方法来评价不同群体对可达性评价的特点与差异性，往往导致空间设施规划在满足不同群体的使用需求时会出现失配现象[5][6]。

通常而言，不同群体对城市可达性的评价受自身社会角色、出行能力等条件影响而产生变化，如老龄群体与青年群体对城市各地区可达性的评价是有所不同的，这受到各自兴趣、体力与经验等方面的影响。如何较为全面地解析不同群体评价可达性的潜在影响因素是本研究的核心。Chapin与Hagerstrand的研究成果，分别从出行偏好与约束两方面，揭示了群体对可达性评价的影响因素构成。Chapin[7]指出，人们的出行需求受活动模式主导，一般分为生存型（subsistence）、家务型（maintenance）与自由型（discretionary）3种基本类型。不同群体由于其社会角色的差异，会直接影响其活动需求类型的改变，如老龄群体的生存型活动需求减弱，妇女群体更偏重家务型活动等。这一改变导致不同群体对城市可达性要求不同而产生评价上的变化。Hagerstrand[8]则认为不同群体在城市活动中同时受到空间与时间的双重限制，这些限制可以分为能 力 限 制（Capability Constrains），联 结限 制（Coupling Constrains）、权 限 限 制（Authority Constrains）。例如老年人由于生理机能的退化，其活动模式受到行动能力的限制，部分高强度的活动场所是该群体较难适应的，又如未成年人无法进出某些成人公共场所等。因此不同群体对城市可达性的认识与评价，也会因为这种限制条件的存在而产生变化。可见，对于不同群体而言，行为偏好、能力限制等特质因素对其评价城市可达性会产生直接的影响。解析相关的群体特质因素，并将这些因素融入可达性的求解，是揭示不同群体视角下可达性变化的可行途径。

根据行为偏好与时空限制的理论基础，诸多学者均对群体的可达性进行了深入的研究与探讨。例如Kwan[9]以个体在时空限制中的行为模式为基础提出基于个体的时空可达性模型，而翟瀚则在个体时空可达性模型的基础上扩展到对群体时空可达性的研究。此外，Ben-Akiva[10]则运用效用理论将个体行为偏好量化后求解个体视角下的可达性评价方法，对求解群体可达性具有直接的借鉴意义。对于本研究而言，以上对群体可达性的研究成果存在两个局限：（1）以个体特征扩展到群体研究，两者特征往往存在偏差，归纳群体可达性评价标准仍需直接的群体样本，相应的关注点也会有所不同；（2）多数群体可达性研究的专注点较为单一，尚缺乏能够全面将城市用地空间功能、群体特征、出行条件等多重因素有效结合来研究群体可达性的方法。因此，受这些问题的启发，采用直接的群体样本，运用合适的方法来研究群体特征对城市空间可达性的影响成为本文的主旨。

2 方法研究与模型构建

根据相关研究可知，城市空间结构、交通配置水平与出行者特征是决定可达性程度的三要素[11-13]，而面向群体的可达性研究切入点即是建立一个全面整合以上要素的评价指标体系，具体包括城市用地吸引指标、交通条件指标以及群体特征指标等。根据城市空间功能与群体活动的互动关系，首先将城市功能分解为居住、公共服务、商业、工业、公园及交通市政类其他功能等6大类作为群体活动最主要的出行吸引，并结合相应的用地功能分类实现这些城市功能的参数化；其次，在不同群体的视角下，交通条件可划分为空间距离与交通方式两种制约因素，根据群体采用出行方式不同对实际的交通条件进行折减，从而得到不同方式下的出行条件参数；本文的研究重点在于群体特征对可达性的影响，因此在研究方法中将群体特征大致划分为年龄、性别、职业、收入及家庭规模等要素，不同群体拥有各不相同的年龄层次、性别构成、职业状态、收入水平及家庭组成。根据各类群体所属的特征类别，可叠加计算群体对可达性评价的影响水平，并与用地吸引、交通条件一起共同构成面向群体的可达性评价体系。群体可达性评价指标体系如表1。

表1 面向群体的可达性评价指标体系

由上表可知，针对群体的出行吸引分为行政公共服务类（QTA）、商业金融类（QTB）、公园广场类（QTG）、工业厂区类（QTM）、居住小区类（QTR）以及其他设施类（QTX）；而交通条件的阻碍因素包括空间距离（IPD）以及交通方式（MOD），其中交通方式为慢行时会对交通条件产生较大的阻力，阻力系数取1；针对不同群体，其年龄结构（AGE）、性别比例（GEN）、收入状况（INC）、职业类型（OCU）以及家庭规模（FAM）均会对该群体的可达性评价产生影响，因此对以上参数分别进行标定，并假设60岁以上、女性、月收入低于2 000元、离退休人员及空巢家庭等因素对出行能力均会造成不利影响。

在确定群体可达性评价指标体系的基础上，为求解具体评价方法应确定可行的算法。目前，适合于群体可达性评价的算法大致包括重力模型法、效用选择法与时空限制法。重力模型法在宏观交通分析中使用较为成熟，不过其样本量要求较大，须获取全区域群体出行需求分布数据来测算可达性，同时其群体特征与用地类型的关联性存在不足；时空限制法多用于个体行为研究，偏向于个体日常行为时空轨迹的探索，该方法考虑的个体特征较微观，应用于群体可达性研究存在一定难度；相比之下，效用选择法在充分利用个体调查信息建立群体出行选择与评价方面具有样本需求量小、群体特征分析维度广、与空间联系较为紧密等的特点，如Ben-Akiva曾将个体对不同地区的可达性评价解释为从可选集合中选择效用最大的收益或消费者剩余的过程，并通过随机效用法来模拟不同个体的选择行为特征与净收益，最终汇总成为整个地区的可达性效用评价[10]。因此，本研究拟采用离散选择模型（效用选择法中的典型算法）来完成面向群体的可达性评价方法的模型算法[14]，具体见式（1）：

U i= AT C × l n(Q T R×Q T R i +QTA×QTAi + QTB×QTBi + QTG×QTGi+ QTM×QTMi + QTX×QTXi) + IPA×IPAi+ IPG×IPGi + IPI×IPIi+ IPO×IPOi +IPF×IPFi + IPM×IPMi 式（1）

群体可达性模型依据用地吸引、交通阻隔与群体特征对可达性产生交互作用的原理，将以上因素均转化为群体对某一地区可达性评价的效用值，通过叠加计算取得群体对城市各地区的可达性评价效用值，即群体可达性分布。其中，Ui为第i个小区的可达性评价值；QTRi、QTAi、QTBi、QTGi、QTMi、QTXi分别为第i个小区的居住、公服、商业、公园、工业及其他设施的规模数，不同小区的各类用地规模数总和决定了该小区的吸引力强度，QTR、QTA、QTB、QTG、QTM、QTX均为各类设施的吸引系数，ATC为吸引变量总系数；IPAi、IPGi、IPIi、IPOi、IPFi、IPMi分 别 为 群 体 成员的年龄、性别、收入、职业、家庭规模、交通方式与出行阻力（空间距离）之间的交互作用值，不同群体的各类特征与出行阻力交互作用产生各个地区对群体可达性评价的阻力与影响，IPA、IPG、IPI、IPO、IPF、IPM为相应系数。针对具体的城市与群体案例，经以上模型计算，可求得不同群体对城市可达性评价的具体指标分布情况。

图1 漯河市居民出行调查点分布图

图2 漯河市可达性分区图

图3 漯河市不同群体可达性评价分布图

3 案例应用与思考

本文依托漯河市居民出行调查（2010年）作为面向群体的可达性评价分析案例，以检验该方法的实际效果。漯河市是位于河南省中部的一个典型中等城市，城区总面积约50km2，市区总人口约50万，空间结构呈单中心布局的特点。该市适度的城市等级、规模与结构对分析城市可达性具有较强的针对性与可行性，因此本研究从城区范围抽取了12个具有代表性的居住小区作为可达性评价的群体样本来源（图1）。这些居住小区既包括中心城密集区（如锦辉花园、天鹅湖小区），也包括城市拓展区（如德国小镇、文萃江南）以及城市新区与开发区（如春和家园、鑫海名家）等，基本涵盖了城区几类主要的区位特色，以保证样本抽取的均衡性。在所有小区抽取的922份调查问卷中，挑选出不同群体、不同性别、不同收入、不同家庭规模等群体做可达性计算，分析这几类群体的可达性差异，以检验该方法的实际效果。此外，为便于可达性的演算与表达，将漯河市城区分为48个分析小区（图2），并采用BIOGEME离散选择模型软件进行可达性计算，最终形成漯河城区48个不同地区的可达性分布。

将各类群体的样本数据代入可达性模型（式（1））进行计算，分别得到了漯河市不同年龄、不同性别、不同收入水平以及不同家庭规模等4组群体的可达性分布状况（图3）。以上4组群体中包含成年（19—59岁）与老龄（60—75岁）、男性与女性、中高收入（2 000元/月以上）与低收入（低于2 000元/月）、大家庭与小家庭等群体的对比分析，不难发现其各自在可达性的强度与分布上具有较为明显的差异。

以成年群体与老龄群体的可达性对比为例，老龄群体对整个城区的可达性评价明显低于成年群体，这受到老龄群体出行能力与社会角色等因素的影响，同时从可达性评价分布来看，成年群体对城区外围开发区与新城的可达性评价较老龄群体要高，部分是由于成年群体自身工作意愿与交通条件适应性的影响；从不同性别群体来看，男性与女性对城区可达性评价的空间特征较为相似，只是男性出行能力较强使得可达性评价强度略高；从不同收入群体的可达性评价差异来看，低收入群体的可达性评价指标明显低于中高收入群体，而中高收入群体易达性区域的广度也较少受交通条件的限制；不同家庭规模的群体对城区可达性评价有一定差异，家庭规模的习惯性联系有利于增强地区空间认知，进而提高了大规模家庭群体对城区的可达性评价。

由群体可达性评价方法应用可见，该方法对分析不同群体可达性评价的效果是较为显著的，为此项研究带来了诸多的思考与启示：（1）运用离散选择模型测算不同群体的可达性评价是有效的，这源于该方法能够以群体选择意愿与约束的量化形式将群体特征对可达性评价的影响体现出来，并具有较为简便的计算方式、较少的样本量要求与较为开放的特征定义形式，为后续优化该方法提供了便利；（2）该方法针对不同群体的分类是多元的，能够为不同社会环境下的群体提供可达性分析的支撑。正如案例应用中所反映的，老龄群体、低收入群体等均具有不同的可达性评价特点，说明针对不同群体的可达性评价具有重要的现实意义，也为分析这些社会角色与出行能力差异较大的群体提供了便利，而本研究对群体分类具有较为广泛的适应性也为实际规划过程中考虑不同社会环境因素与群体特点创造了条件；（3）面向群体的可达性评价适合于不同的空间尺度，可针对不同类型的空间规划进行优化。本文以漯河市为例的群体可达性评价尚属于初探，所得分析结果为全市不同群体的可达性评价大致状况，可为设施规划提供宏观层面的研判支持，而随着样本数量与空间范围的聚焦，可进一步将该方法应用于群体生活社区、特定功能区等中微观层面的设施规划工作，具有多方面的应用价值。总体而言，面向群体的可达性评价方法以群体特征为着眼点，将可达性评价细分至更为人性化与多元化层面，提高了空间规划中对不同人群的分析深度，尤其是对不同收入、年龄、性别的考量，将对设施规划的合理性与实际效果起到了重要的支撑作用。

4 结论与建议

近年来，老龄化、弱势群体等问题越来越受到关注，针对传统空间可达性评价方法较难体现各种群体对可达性评价的影响，本研究通过解析群体活动能力、出行限制等因素与空间选择的关系，采用离散选择模型将群体特征融入可达性评价体系，建立了面向群体的可达性评价模型，并以漯河市不同群体为研究对象，得出了不同年龄、性别、收入、家庭规模等群体的可达性评价分布情况，收到了预期的效果。正如研究假设，成年群体与老龄群体、中高收入群体与低收入群体之间对城市空间可达性的评价在强度与空间分布上具有较为明显的差异，这些差异来自不同群体出行能力与活动习惯的影响。由此可见，区分不同群体的可达性评价是有积极意义的，是在于帮助空间设施规划做出更为细致的用户特性分析，采取更为注重公平的决策方式。而本文对群体可达性研究尚属初探，所得研究分析成果还较为粗略，而进一步深化对群体样本的采集与分类以及对不同空间尺度与对象的研究是适应不同层面设施规划与设计的必然要求，也是探索更为人性化与多元化的可达性评价方法的努力方向。

References

[1]Breheny M.J. The Measurement of Spatial Opportunity in Strategic Planning[J]. Regional Studies, Volume 12, Issue 4, 1978.

[2]Wachs M. and Kumagai T.G. Physical Accessibility as a Social Indicator[J]. Socio-Economic Planning Sciences, Volume 7, Issue 5, October 1973 , Pages 437-456.

[3]Hansen W.G. How Accessibility Shapes Land Use[J]. Journal of the American Institute of Planners, Volume 25, Issue 2, 1959.

[4]Linneker B.J. and Spence N.A. Accessibility Analysis of the Impact of the M25 London Orbital Motorway on Britain[J]. Regional Studies, Volume 26, Issue 1, 1992.

[5]Stan C. M. Geertman and Jan R. Ritsema Van Eck GIS and Models of Accessibility Potential: an Application in Planning[J]. International Journal of Geographical Information Systems, Volume 9, Issue 1, 1995.

[6]Kenneth A. Small Using the Revenues from Congestion Pricing[J]. Transportation, Volume 19,Number 4 (1992), 359-381.

[7]Chapin F.S. Human Activity Patterns in the City[M]. NY: John Wiley and Sons, 1974.

[8]Hägerstrand T. What about People in Regional Science[J]. Papers and Proceedings of the Regional Science Association, 1970(24):7-21

[9]Accessibility in Space and Time: A theme in Spatially Integrated Social Science. Mei-Po Kwan,Donald Janelie and Michael Goodchild (Eds)[J].Special Issue of Journal of Geographical Systems,Vol 5, No 1.

[10]M Ben-Akiva and Steven R. Lerman Disaggregate Travel and Mobility Choice Models and Measures of Accessibility[J]. Behavioural Travel Modelling,1979, Croom Helm, London.

[11]宋小冬. 居民出行可达性的计算机辅助评价[J]. 城市规划汇刊，1987.SONG Xiaodong. Computer-aided Evalutaion on Travel Accessibility of Residents[J]. Urban Planning Review, 1987.

[12]宋小冬，钮心毅. 再论居民出行可达性的计算机辅助评价[J]. 城市规划汇刊，2000（3）：18-22，75.SONG Xiaodong, NIU Xinyi. The Computer-aided Evaluation on Accessibility[J]. Urban Planning Review, 2000(3):18-22,75.

[13]杨育军，宋小冬. 基于GIS的可达性评价方法比较[J]. 长安大学学报，2004（4）：27-32.YANG Yujun, SONG Xiaodong. Comparing Accessibility Measures Based on GIS[J]. Journal of Chang’an University, 2004(4):27-32.

[14]杨敏. 基于活动的出行链特征与出行需求分析方法研究[D]. 南京：东南大学博士学位论文，2007.YANG Min. Research on Trip-chain Characteristics and Travel Demand Based on Activity[D]. Nanjing:The Dissertation for Doctor Degree of Southeast University, 2007.

[15]万涛. 基于活动的目的地选择模型研究[D]. 南京：东南大学硕士学位论文，2006.WAN Tao. Research on Activity Based Destination Choice Model[D]. Nanjing：The Dissertation for Master Degree of Southeast University, 2006.

[16]哈维•米勒. 人类交往活动的必要时空条件[J]. 环境与规划B：规划与设计，2005.Harvey J. Miller. Necessary Space-time Conditions for Human Interaction[J]. Environment and Planning B: Planning and Design, 2005.

[17]马文•德容. 城市机动性与可达性[J]. 交通与土地使用学报，2009.Maryvonne Dejeames. Urban Mobility and Accessibility[J]. Journal of Transport and Land Use, 2009.

[18]麦克•比拉尔. BIOGEME 1.8版离散选择模型使用手册[M]. 2009.Michel Bierlaire. Estimation of Discrete Choice Models with BIOGEME 1.8, Ecole Polytechique Federale de Lausanne[M]. 2009.

[19]褚浩然. 基于活动分析的交通行为特征和方式选择模型研究[D]. 上海：同济大学博士学位论文，2006.CHU Haoran. Research on Activity Based Analysis Approaches and Mode Choice Model[D].Shanghai: The Dissertation for Doctor Degree of Tongji University, 2006.

[20]张政. 老年人出行行为特征及其分析方法研究[D]. 北京：北京交通大学硕士学位论文，2009。ZHANG Zheng. Research on Travel Attribute of the Elderly[D]. Beijing: The Dissertation for Master Degree of Beijing Jiaotong University,2009.