交通可达性与城市经济活动的空间特征分析：以北京市为例

朱宇婷，刘 莹，许 奇，郭继孚，程 颖

(1.北京交通大学交通运输学院，北京100044；2.北京交通发展研究院，北京100073；3.城市交通节能减排检测与评估北京市重点实验室，北京100073)

0 引 言

通勤成本和集聚经济是驱动城市空间结构演化的主要经济因素.作为上述因素在地理空间上的反映，交通可达性和经济活动的空间分布特征分析将有助于理解城市空间结构变化，为城市及交通规划提供定量支持，进而提高资源配置的合理性.

国内外学者对城市交通与城市空间相互作用开展了大量研究，包括交通可达性与土地利用的互动关系[1]，城市结构对出行行为的影响[2]，交通流与土地利用的依赖关系[3]等.研究表明，交通系统可达性是衡量交通系统与土地利用协同发展的关键指标[1,4-5].城市经济活动与城市空间及其资源配置相关，其空间组织是城市用地模式与交通系统相互作用的纽带.但既有研究对交通可达性与城市经济活动空间关联特征的研究仍不充分.

城市经济活动的组织随城市化深化逐渐产生集聚经济，其基础是经济活动单位的空间位置邻近[6-7].已有研究对城市经济活动的刻画多基于省市县区等大尺度统计单元，相对忽略微观经济主体的空间分布差异，难以精细刻画城市经济活动的多样性和复杂性.随着信息通信技术的发展，基于POI(Point of Interest)的产业及用地识别受到广泛重视[8-10].在城市经济活动空间分析方面，既有文献利用互联网地图获取POI数据替换粗粒度数据，对单一类型经济活动展开分析，例如商业[11]、物流业[12]等.然而，城市经济活动种类繁杂，需在精细空间粒度的基础上，融合多源数据以提供全面研究城市经济活动的POI集合.

为克服研究粒度和广度的局限性，本文借助开源大数据平台获取POI数据，提出细粒度水平的城市经济活动识别方法；以北京市六环内为例，分别采用全局和局部模型研究交通可达性与城市经济活动组织的空间特征，并对两者的空间关联效应和相关关系开展综合分析.

1 数据采集策略

城市空间具有连续性特征，为简化研究，将研究区域划分为若干小栅格后，再开展后续工作.本文需分别采集各栅格的交通出行和POI 点位两类数据.

(1)交通出行数据，是测算交通可达性的关键输入，包括任意两栅格中心之间交通出行的距离、时间、费用等，可通过高德或百度等开源地图平台获取.

(2)POI 点位数据，是反映城市经济活动分布的直观数据，包括点位企业名称、经纬度坐标、POI类别、经济行业分类、经营范围等，通过开放地图和工商数据两类平台获取.具体步骤为：基于百度和高德地图平台分别获取139 类和755 类细粒度POI，剔除自然地名、出入口等无效类后，融合工商数据平台提供的企业及其属性数据，进行字段缺失项和重复项筛除，最后根据《国民经济行业分类》进行重组，形成细粒度POI集合.由于企业是开展经济活动的主要场所，而POI点位数据能够反映不同行业企业的分布和数量情况，因而可作为经济活动在空间和强度上的映射.

2 研究方法

2.1 基于广义出行费用的交通可达性

城市交通由私人交通和公共交通构成.交通可达性定义为使用某交通方式在OD 间出行的难易程度，采用广义出行费用建立可达性模型[13]为

式中：为第m种交通方式下栅格i的交通可达性指标，该值越大，广义出行费用越高，交通可达性越低；反之，广义出行费用越低，可达性越高.m=1 为私人交通，m=2 为公共交通.N为栅格总数.为从栅格i中心到栅格j中心的出行时间(min)，为栅格中心间小汽车行程时间，为栅格中心间步行及公共交通行程时间之和.w为时间价值，按平均小时工资计算.为从栅格i中心到栅格j中心的出行费用(元)，包括车辆成本、燃油费、停车费等，为便于计算，按出租车费用的60%计算，为公共交通票价之和.

2.2 交通可达性与城市经济活动空间特征量化分析模型

多元线性回归是研究城市交通与城市空间关系的基本方法，考虑到两者间的尺度依存特征，提出全局和局部两类模型.

2.2.1 全局常参数模型

全局常参数模型假设估计系数与样本空间位置具有一致性，将空间依赖的解释体现在滞后项或误差项中.最小二乘法(Ordinary Least Square，OLS)是常用模型，公式为

式中：和为第m种交通方式下的常数项和估计参数；xik为栅格i第k类国民经济行业的POI数量；K为国民经济行业门类；误差项，服从正态分布.

为考虑空间依赖对回归结果的影响，引入空间滞后(Spatial Lag Model，SLM)和空间误差(Spatial Error Model, SEM)两类空间计量经济模型，分别为

式中：wij为空间权重，根据栅格i和j中心的经纬度坐标计算空间距离确定；ρm为第m种交通方式的空间滞后项的系数；λm为第m种交通方式空间相关误差项的系数；为空间误差项.

2.2.2 局部变参数模型

局部变参数模型充分考虑样本空间位置影响，利用基于空间距离加权的局部样本估计每份样本的参数，引入地理加权回归模型(Geographically Weighted Regression,GWR)，即

式中：(pi,qi)为栅格i的经纬度坐标为栅格i第m种交通方式下的常数项为栅格i第m种交通方式下第k类国民经济行业的估计参数.GWR 的空间权重函数采用Gaussian 函数，最优带宽由交叉确认法计算.

通过全局和局部模型对国民经济行业门类进行回归，可解析城市交通可达性与经济活动间的相互关系.全局模型用于分析两者空间大尺度相关特征，估计参数能够反映私人/公共交通与城市经济活动空间特征的平均效应；局部模型充分考虑空间异质性特征，结合其估计参数及空间分布反映两者的局部关联特征.就回归结果而言，当评估参数为正值时，城市交通可达性与经济活动负相关，两者呈现空间分离现象，即某类经济活动越高(POI 点位数量越多)，出行成本越高，可达性越低；反之，评估参数为负值时，城市交通可达性与经济活动正相关，两者呈现空间匹配现象，即某类经济活动越高，出行成本越低，可达性越高.

3 实证分析

以北京市六环内为研究区域，按照1 km×1 km生成2 356个正方形栅格.以2020年3月为采集时段，获取工作日早高峰时段(07:00-09:00)任意两栅格中心间的私人和公共交通出行信息507 万条，POI点位数据141万个.

3.1 交通可达性分析

私人和公共交通可达性如表1和图1所示.可以看到，私人和公共交通可达性呈现一定的差异性，但整体而言，与欧美等城市[13-15]类似，在人口密集的中心城区，可达性较高.此外，由于小汽车出行费用较高，北京市私人交通可达性整体不及公共交通.

表1 北京市分环路交通可达性Table 1 Accessibility of private and public transport in Beijing based on Ring roads

(1)私人交通可达性与城市道路网空间结构密切相关，呈现以天安门为中心径向递减的多圈层分布结构，城市中心区域显著优于外围地区.

(2)公共交通可达性不仅与基础设施相关，也和运输组织模式密切相关.早高峰时段，公共交通可达性呈现由内而外辐射，且轨道交通沿线区域较高的空间特征，与文献[14-15]的研究结果类似.

3.2 参数与模型评估

3.2.1 估计参数及其显著性

4种回归模型的参数估计结果如表2和表3所示.GWR的估计参数为1%、5%和10%显著水平和不显著的β平均值，括号内数字为相应显著性水平的样本数占样本总数的比例.

表2 显示，全局模型SLM 和SEM 的估计参数多未通过显著性检验，OLS 中有12 个至少在10%显著水平上通过检验.全局模型每个解释变量有一个估计参数，仅反映私人交通可达性与城市经济活动复杂空间关系的平均结果，掩盖了不同城市经济活动对可达性影响的空间差异.相较而言，局部模型GWR 中每个解释变量平均40%样本所对应的估计参数至少在10%显著水平上通过检验，表明私人交通可达性与城市经济活动的空间关系存在显著的异质性特征.同理，从表3可知，公共交通与私人交通展示了类似的空间异质性特征.

3.2.2 模型评估

全局和局部模型拟合效果对比如表4所示.局部变参数GWR模型显著优于全局常参数模型，其拟合精度R2虽然略低于SEM模型，但AIC值和残差的Moran'sI指数均最小.原因是，局部模型充分考虑了空间位置对评估结果的影响，较好地消除了残差的空间效应，从而更好地刻画了交通可达性与城市经济活动的空间异质特征.而全局模型仅将空间异质性特征作为误差项进行简化，导致AIC 值和残差的Moran'sI指数偏高，评估效果较差.综合考虑模型复杂空间的解释能力、拟合精度和复杂度，局部GWR模型效果最优，SEM次之.

3.3 空间特征

3.3.1 全局特征

围绕北京“四个中心”的城市战略定位，重点针对与该战略定位相关的城市经济活动，开展交通可达性空间匹配全局特征分析.主要包括信息传输、软件和信息技术服务业(xI)，金融业(xJ)，租赁和商务服务业(xL)，科学研究和技术服务业(xM)，教育(xP)，文化、体育和娱乐业(xR)，公共管理、社会保障和社会组织(xS)，以及国际组织(xT)共8类.通过分析表2和表3的估计参数值可以发现：

(1)无论是私人交通还是公共交通，8 类经济活动中有7 类未通过显著性检验，私人交通仅SLM中xT的估计参数，公共交通仅xS的估计参数通过显著性检验.这说明，交通可达性与经济活动呈现复杂空间模式特征，除个别活动外，全局特征评估结果难以支持其与交通可达性的空间匹配分析，对交通规划工作的支持性较弱，需进一步开展 局部分析.

表2 基于私人交通的回归模型参数估计结果Table 2 Results of regression models for private transport

表3 基于公共交通的回归模型参数估计结果Table 3 Results of regression models for public transport

表4 回归模型拟合效果评价指标对比Table 4 Aggregate goodness of fit measures of regression models for estimation comparison

(2)通过显著性验证的估计参数表明，北京市交通可达性和经济活动分布空间分离和匹配特征并存.私人交通中“国际交往中心”相关的xT估计参数显示，私人交通可达性与该类经济活动分布存在空间分离现象，即该经济活动聚集的区域，私人交通可达性更小.公共交通中“政治中心”对应的经济活动xS的估计参数显示，公共交通可达性较好的区域与“政治中心”呈现较好的空间匹配特征，其主要原因是该类经济活动集中在被公共交通覆盖的中心城区及顺义、大兴、亦庄、昌平等外围新城.

3.3.2 局部特征

“科技创新中心”是北京重点经济发展区域，其分布较广、数量较多，并将持续对北京整体空间布局产生重大影响.目前，六环内设有未来科学城、中关村科学城、北京经济技术开发区、首都国际机场临空经济区及19 个中关村发展组团.选取与之相关的两类经济活动(xI和xM)，分析其与交通可达性的空间局部特征，如图2所示.

(1)以1 km×1 km范围开展小尺度局部分析工作，能够支撑25%以上区域的空间匹配特征分析，基本覆盖“科技创新中心”重点发展区域.xI类经济活动，私人交通和公共交通分别有41%(966 km2)和33%(777 km2)的区域通过显著性验证；xM类经济活动，分别有41%(966 km2)和25%(589 km2)的区域通过显著性验证.

(2)交通可达性和经济活动的空间关联特性随区域不同呈现明显差异，空间分离和匹配现象并存，空间非平稳性特征显著.其中，西北部、中部区域空间匹配特征明显，东北部、东部区域次之，西南部区域空间分离现象最为严重.

私人交通方面：其交通可达性与15%(360 km2)的xI类经济活动显著正相关，主要位于未来科学城及永丰、翠湖、新媒体等中关村发展组团；与23%(532 km2)的xM类经济活动显著正相关，除前述区域外，还包含中关村科学城、首都国际机场临空经济区、北京经济技术开发区，以及顺义园南区、丰台园东区、上地西三旗、运河等中关村发展组团.相反，与26%(610 km2)的xI类经济活动和18%(417 km2)的xM类经济活动显著负相关，两者共同的区域位于五环～六环之间的西南地区.这说明，北京市主要科技创新企业聚集区域的私人交通可达性较好，道路交通资源配置与科技创新中心分布的空间匹配度较高，但丰台及良乡区域的空间匹配度较低，空间分离现象明显.

公共交通方面：与私人交通类似，其可达性与7%(157 km2)的xI类经济活动和22%(519 km2)的xM类经济活动显著正相关，主要位于中关村科学城、北京经济技术开发区、首都国际机场临空经济区，以及翠湖、顺义园南区、上地西三旗、运河、中知学原始创新等中关村发展组团；与27%(627 km2)的xI类经济活动和和3%(78 km2)的xM类经济活动显著负相关，主要位于未来科学城及丰台、良乡等中关村发展组团.这说明，北京市大部分科技创新中心与公共交通资源空间匹配较好，但未来科学城、丰台及良乡区域呈分离现象.

(3)基于小尺度的局部特征分析可以为规划工作提供量化支撑.根据空间匹配特性，可制定差别化的交通发展政策，促进区域经济活动的提升.对于丰台、良乡等与私人、公共交通均存在空间分离现象的区域，应结合区域发展计划，尽快规划推进道路及轨道线网等基础设施建设工作；对于私人交通匹配良好、公共交通分离显著的区域(未来科学城)，应考虑修建城市轨道交通线路，并增加地面公交运营服务水平；对于其余空间匹配区域，以适时推进交通运营组织优化等软性政策为主，控制资金投入.

图2 北京市科技创新类POI 估计参数的空间分布Fig.2 Spatial distribution of estimated parameters for POI of science and technology innovation in Beijing

4 结 论

(1)北京中心区域交通可达性优于外围地区.其中，私人交通呈现以天安门为中心径向递减的多圈层结构；公共交通呈现由内而外辐射，且轨道交通沿线区域较高的特征.

(2)依托出行信息和多源POI 数据，全局常参数和局部变参数回归模型的评估参数能够用于刻画城市交通可达性与经济活动分布的空间关系.当参数为正，两者呈现分离特征；当参数为负，两者呈现匹配特征.

(3)实证结果显示，交通可达性与城市经济活动空间异质性特征显著，局部模型GWR估计效果总体优于全局模型.局部特征结果显示，北京六环内交通可达性和“科技创新中心”空间分离和匹配现象并存，西北部、中部区域匹配特征明显，西南部区域分离现象严重；这表明交通和经济资源匹配程度存在空间非平稳性，规划部门可根据匹配结果制定差别化发展政策.