疏解城市人口缓解了交通拥堵吗？——以我国35个主要城市为例

韦敬楠,单永娟

(1.桂林理工大学商学院，广西 桂林 541004；2.河北地质大学城市地质与工程学院，河北 石家庄 050000)

交通拥堵是当今大城市疾病之一.随着城市人口及机动车保有量的不断增加，我国城市交通拥堵时有发生，相关数据显示：2019年我国有半数城市面临交通拥堵困扰[1].一些学者提出，我国大城市交通拥堵源于人口密度过大，通过疏解老城区人口、发展新城区，形成多中心城市发展格局[2].然而，城市交通拥堵程度并没有随着城市人口疏解而明显下降，新城区由于开发逐渐成熟，人口不断集聚形成新的拥堵点.近年来，我国城市建成区面积扩张速度普遍高于城市人口增加速度，城市人口密度呈下降趋势，但城市交通拥堵依然存在，并且拥堵范围有进一步蔓延趋势.对此，学者们提出一方面通过人口疏解，另一方面需合理布局城市基本公共服务设施，从而降低人们的出行需求[3-4].

城市交通拥堵日益严重问题引起学术界广泛关注，学者针对城市交通拥堵的成因进行大量研究.通过梳理文献发现，已有的研究主要以定性和实证分析为主.从定性研究来看，城市交通拥堵与汽车保有量剧增、城市交通设施不完善、城市整体布局不合理、季节气候变化及交通参与者素质密切相关，也有学者认为交通管理、交通设施及交通参与者构成城市交通拥堵的三大因素[5-6].从实证研究来看，大多数学者倾向于研究单个城市交通拥堵，从城市发展、交通需求及交通供给三个维度进行实证研究，或者基于实时路况数据，定量分析城市交通拥堵空间分布及影响因素[7-9].关于大城市交通拥堵治理方面，发达国家经过多年努力取得明显成效.以伦敦为例，2003年开始在城市中心区收取交通拥挤费，收费道路的交通拥堵程度下降了40%；日本东京作为世界上轨道交通体系最完善的城市之一，轨道交通承担了全市86%的客运量，私家车使用强度远远低于我国北京；新加坡及香港均采取严格控制私人小汽车上牌量，并大幅提高私家车的使用成本，其小汽车保有量保持低速增长[10-11].可见，发达国家治理大城市交通拥堵的成功经验值得借鉴.然而，近年来国内大城市在治理交通拥堵过程中，虽然采取了各种措施来缓解城市交通拥堵，但始终无法走出“拥堵——治理——拥堵”的怪圈.

城市人口密度与城市交通拥堵关系的相关研究，归纳起来主要集中在城市人口密度与交通拥堵成本、居住密度与城市交通拥堵、城市空间结构与交通拥堵[12-14].城市人口分布不均衡导致城市部分区域人口密度过高，从而形成区域性交通拥堵，北京交通最拥堵的区域是东城区和西城区，该区域也是北京人口密度最高的行政辖区.由于我国大城市中心城区房价较高，大量住宅区向城郊结合部和郊区集中，而城市的服务业主要集中在中心城区，这在一定程度上增加了人们的出行距离，这种住职分离加剧了城市交通拥堵.从我国城市用地结构来看，虽然近年来城市交通设施不断完善，但交通用地比重仍然低于国外大城市，与此同时，我国城市道路结构不合理，表现在城市主次干路与城市支路比例不合理，城市支路密度偏低，缺乏良好的交通分流通道，城市断头路依然存在，未形成完善的城市道路网络.

综上所述，城市人口疏解有利于降低城市人口密度，但不可避免加剧住职分离程度，从而增加居民出行需求，加剧城市交通拥堵.文中将实证分析我国35个主要城市人口密度与城市交通拥堵的关系，为我国治理城市交通拥堵提供参考对策.

1 变量选择与数据来源

1.1 变量选取与数据来源说明

1.1.1 因变量选取说明 评价城市交通拥堵的指标有很多，根据评价对象不同，主要包括城市路网交通节点拥堵测度和城市区域路网交通拥堵评价两类.交通节点及路段交通拥堵评价指标有：交叉口延误时间、排队长度与饱和度，路段平均车速、车流密度与服务水平等；城市区域路网交通拥堵程度综合评价，主要以城市区域交通运行状况衡量交通拥堵程度，一般以路网服务水平作为判断依据，路网服务水平越低则交通拥堵越严重[15-17].近年来，随着大数据广泛应用到各个领域，学者对交通拥堵评价转移到交通拥堵指数上，利用大数据挖掘对城市交通拥堵进行测度[18-19].

高德地图是目前国内最权威的实时路况地图，高德数据库积累的海量交通出行数据是通过大数据挖掘所得，用于评价城市交通拥堵状况具有独特的优势，开始被学界关注[20].对此，文中依托高德地图提供的我国主要城市交通拥堵延时指数相关数据，评价城市交通拥堵程度.交通拥堵延时指数采用的是“通勤高峰拥堵指数”作为衡量城市交通拥堵程度，即工作日早晚高峰时段(7:00～9:00和17:00～19:00)，实际行程时间与畅通行程时间的比值计算得到，若两者比值越大则说明该城市交通拥堵程度越严重.根据拥堵延时指数不同，将城市交通拥堵划分为4类拥堵等级，从高到低依次为严重拥≥2.10、中度拥堵≥1.80～<2.10、轻度拥堵(缓行)≥1.50～<1.80和畅通≥1.00～<1.50.由于我国行政面积跨度很大，不同区域早晚高峰时间差异比较明显，因此文中根据高德地图提供的城市交通拥堵延时指数进行适当调整，即乌鲁木齐早晚高峰时段向后推迟2 h，西南及华南地区的城市早晚高峰时段向后推迟0.5 h，以此得到的拥堵延时指数更为客观反映各个城市交通拥堵状况.

1.1.2 核心解释变量 文中的核心解释变量为城市人口密度.城市人口密度反映一个城市人口分布拥挤程度，我国城市人口分布呈现典型的不均衡特征，即城区人口密度大于郊区人口密度，其中城市核心区人口密度更高.根据已有的文献关于测算城市人口密度及文中选用的交通拥堵评价指标，城市人口密度采用建成区常住人口除以建成区面积计算得到.

1.1.3 控制变量 根据城市交通拥堵成因的相关文献可知，城市交通拥堵是由于实际交通需求量超过了道路理论通行能力而出现的车辆排队缓行的现象.从城市道路供给来看，包括城市道路里程、城市道路面积、城市道路容积率等指标.然而，城市道路实际容量除了与现有道路资源相关以外，城市规模大小、城市路网结构、道路交通设施完善程度等因素有关.因此，文中结合城市交通拥堵的成因及数据获取的可得性，拟选取以下指标作为控制变量.

1)城市规模.根据我国2014年调整后的城市规模划分标准规定，城区人口1000万以上为超大城市，500～1000万为特大城市，100～500万为大城市(其中，300～500万为Ⅰ型大城市，100～300万为Ⅱ型大城市)，50～100万为中等城市，50万以下为小城市(其中，20～50万为Ⅰ型小城市，20万以下为Ⅱ型小城市)[21].

2)城市道路密度.从城市交通供需匹配度来看，当城市汽车保有量保持不变的前提下，城市道路密度越高，对缓解城市交通拥堵作用越明显.与欧美发达国家城市道路密度相比，我国城市道路密度依然偏低，城市核心区域道路车流密度较高.

3)汽车保有量.汽车保有量是一个城市或地区居民生活水平的重要表现.目前，我国主要城市汽车保有量普遍处于较高水平，当城市道路资源供给保持不变的条件下，汽车保有量持续增加会带来更大的交通压力.因此，我国部分大城市纷纷采取限牌或限行措施来缓解城市交通拥堵.

4)第三产业比重.第三产业比重是衡量一个国家或地区经济发展水平的重要指标.城市经济结构主要以二、三产业为主，目前，我国大城市第三产业占国民经济比重普遍超过第二产业.然而，第三产业主要布局在市区，城市第三产业越发达，城市交通需求越大.

1.1.4 中介变量 随着城市用地规模不断扩展，郊区城市化现象愈发明显，一些城市由过去单一集中式发展格局逐渐形成多中心组团式，虽然城市人口密度出现一定程度下降，但城市居民出行距离不断变长.居民出行距离越长，意味着路上耗时变长，从而增加城市道路交通负荷.

1.2 数据来源

文中数据来源于高德地图数据平台提供的《主要城市交通拥堵延时指数》、《中国主要城市通勤监测报告 》、《中国城乡建设统计年鉴》和《中国主要城市道路网密度监测报告》，汽车保有量数据来源于各城市统计年鉴.相关数据时间区间为2017—2019年，全部样本量为105个.

2 模型构建与实证分析

2.1 不同规模的城市交通拥堵延时指数与城市人口密度变化

由表1可知，从近3年城市交通拥堵趋势看，我国不同规模的大城市交通拥堵均呈下降趋势.从城市规模差异看，我国超大城市交通拥堵程度最严重，其次是Ⅱ型大城市，特大城市交通拥堵程度最轻，说明我国大城市交通拥堵程度与城市规模并非呈正向关系.从城市人口密度来看，近3年我国特大城市人口密度呈下降趋势.从城市规模差异来看，超大城市人口密度高于其他规模的大城市.

表1 不同规模城市交通拥堵延时指数与城市人口密度变化Tab 1 The change of traffic congestion delay index andurban population density in different scale cities

2.2 城市交通拥堵延时指数与城市人口密度相关性检验

文中实证过程采用stata 15.0软件对数据进行处理.由图1可知，从城市交通拥堵延时指数与城市人口密度的散点图来看，两者之间似乎并不存在线性关系，大部分城市交通拥堵延时指数集中在1.6～2.0，城市人口密度分布为0.7～1.5万人·km-2.

图1 城市交通拥堵延时指数与城市人口密度散点图Fig 1 Scatter plot of urban traffic congestion delayindex and urban population density

根据相关性检验结果显示，城市交通拥堵延时指数与城市人口密度的相关度只有0.158，在5%的显著性水平下并不显著性，说明城市交通拥堵程度与城市人口密度并无直接关系，仅仅依靠疏解城市人口的方式并不能有效缓解城市交通拥堵.

2.3 计量模型构建

根据文中采用的数据可知，由于样本时间跨度为2017—2019年，全部城市总数为35个，均为省会以上城市，样本量为105个.由于数据时间跨度较小，属于短面板数据类型，为了实证研究城市人口密度对城市交通拥堵的影响效应，构建计量模型时，同时加入控制变量，检验城市人口密度对城市交通拥堵延时指数的影响效应的异质性.

表2显示，我国35个主要城市通勤时间均呈现不同程度交通拥堵状态，其中，拥堵延时指数最高达到2.095，最低为1.522，即城市居民在交通高峰期实际通勤时间比畅通状态下多花费约一半至一倍不等.从城市人口密度差异来看，城市人口密度最高达到1.99万人·km-2,最低仅为0.625万人·km-2,差异较为明显；从各控制变量来看，不同城市差异较大.

表2 各变量基本统计量Tab 2 Basic statistics of each variable

根据文中选取的变量，将计量模型设定为：

其中，lnindexi,t为第i个城市t年的交通拥堵延时指数，prob为城市人口密度，kz为控制变量，μi为不可观测到的个体效应，εi,t为扰动项.

2.4 实证结果分析

在处理面板数据时，通常采用豪斯曼检验结果确定固定效应模型或随机效应模型，文中检验结果显示(表3)，P值为0.000，通过5%的显著性检验，故接受原假设，认为应采用固定效应模型进行估计更有效率.

表3 估计结果Tab 3 Estimation results

模型1显示不加入控制变量的回归结果，模型2显示加入控制变量的回归结果.从模型1估计结果来看，人口密度对城市交通拥堵延时指数的影响系数为0.007，但影响不显著；当加入控制变量后，虽然其影响系数变大，但影响仍然不显著(表3).说明人口密度与城市交通拥堵程度并非产生正向影响，两者之间没有直接关系，降低城市人口密度并未显著缓解城市交通拥堵.

从控制变量对城市交通拥堵的影响来看，除了城市规模以外，其他控制变量均对城市交通拥堵延时指数产生显著影响.具体上看，城市道路密度对城市交通拥堵延时指数有显著负向影响，说明提高城市道路密度能有效缓解城市交通拥堵，研究结果与刘建朝等[22]结论一致.近三年来，我国城市道路密度不断加大，绝大部分城市交通拥堵程度呈下降趋势.城市三产比重对城市交通拥堵延时指数有显著正向影响，说明城市第三产业发展会加剧城市交通拥堵.由于第三产业就业人口集中在城市核心区，大城市居住区不断向城郊结合部及郊区拓展，在一定程度上加剧了城市住职分离度，导致居民通勤距离增加，从而加重城市交通拥堵.汽车保有量对城市交通拥堵延时指数同样产生显著正向影响，且影响系数大于第三产比重，说明汽车保有量的不断增加是加剧城市交通拥堵的主要因素.当前，虽然我国省会以上大城市汽车保有量普遍达到较高水平，但汽车保有量年增长率依然高达10%，由于大城市汽车保有量基数大，10%的增长率意味着每年新增数10万辆汽车，这些汽车将消化掉新增的城市道路，城市交通拥堵问题依然存在.城市规模与城市交通拥堵并无直接关系，深圳作为人口超过1000万的超大城市，但交通拥堵程度却低于人口只有400万的贵阳，这说明随着城市规模的扩大并不一定导致更为严重的交通拥堵，这与伍速锋等[23]的研究结论基本一致.

2.5 中介效应检验

为了进一步分析城市人口密度对城市交通拥堵的内在影响机理，文中以城市居民通勤距离作为中介变量，试图探讨城市居民通勤距离是否在不同规模的城市交通拥堵的影响中起到中介效应.根据Baron和Kenny的做法[24]，第一步，由表3的回归结果可知，城市人口密度变量对城市交通拥堵延时指数的影响不显著，因而有必要继续进行中介效应检验.第二步，将城市居民通勤距离作为因变量，进行回归分析.第三步，再次以城市交通拥堵延时指数作为因变量，同时加入城市居民通勤距离和城市人口密度两个自变量，进行OLS回归.

由表4可知：从第二步回归结果来看，城市人口密度对城市居民通勤距离产生显著正向影响，表明城市人口密度越大，城市居民通勤距离越长.我国城市规模越大，居民通勤距离越长.从不同规模的城市人口密度差异来看，超大城市及特大城市的人口密度比Ⅰ型、Ⅱ型大城市的人口密度更高，因而居民通勤距离更长，这似乎不符合实际情况.实际上，城市人口密度下降说明城市人口更加分散，城市居民通勤距离应更远.当最后一步回归模型中加入城市居民通勤距离这个中介变量后，发现城市人口密度对交通拥堵延时指数的影响方向由正向变为负向影响，说明城市居民通勤距离才是影响城市交通拥堵的主要因素.城市居民通勤距离对城市交通拥堵延时指数产生显著的正向影响效应，城市居民通勤距离变长，意味着单位时间内在路上的车辆变得更多，在道路资源不变下，城市道路供需失衡情况就越严重，因此城市交通拥堵程度就更严重.

表4 城市居民通勤距离的中介效应检验结果Tab 4 Test results of mediating effect of commutingdistance of urban residents

3.6 稳健性检验

前文研究表明，城市居民通勤距离对城市交通拥堵有显著正向影响效应，同时，除城市规模变量以外，其余控制变量均对城市交通拥堵延时指数有显著影响.为了克服变量的内生性问题，一般采用工具变量法对模型的稳健性进行检验，工具变量法中，GMM估计方法得到学界广泛使用.因此，文中也采用GMM估计方法对模型的稳健性进行检验.以被解释变量为滞后一期作为解释变量后，加入模型中结果显示，滞后一期的被解释变量在5%的显著性水平下影响显著.因此，文中实证结果具有稳健性.

3 结论与启示

3.1 研究结论

以我国35个主要城市为研究对象，采用固定效应模型实证分析了城市人口密度对城市交通拥堵延时指数的影响.根据实证结果，得出如下结论:

1)城市人口密度与城市交通拥堵延时指数无必然联系，随着城市人口密度的上升，不一定加剧城市交通拥堵程度.此外，城市规模对城市交通拥堵也不存在显著影响，城市规模的扩大并非带来更严重的交通拥堵.

2)城市居民通勤距离变长对城市交通拥堵有显著的正向影响效应，城市居民通勤距离是影响城市交通拥堵的主要因素.

3)城市道路密度对城市交通拥堵有显著的负向影响效应，提高城市道路密度可以降低城市交通拥堵.城市第三产比重、汽车保有量对城市交通拥堵有显著的正向影响效应，第三产业的发展吸收大量的就业人口，居民出行总量上升，从而加剧城市交通压力.汽车保有量的不断上升，会消化新增的城市道路，这也是为何一些城市采取机动车尾号限行一段时间后交通拥堵程度又出现反弹.

3.2 启示

根据研究结论，应对城市交通拥堵问题时，除通过疏解城市人口外，还应重视城市交通设施规划与城市功能合理布局，从而缓解城市交通拥堵.

1)切忌只顾疏解城市人口而忽视城市服务功能合理布局.近年来，我国城市建成区面积扩张速度高于城市人口增加速度，总体来看城市人口密度呈下降趋势，但城市的主要进出城通道交通拥堵问题不仅没有得到有效缓解，反而出现加重趋势.由于城市居民通勤路径基本形成较为固定的轨迹，常规拥堵点逐渐转移至城市外围与主要进出城通道上.由于大城市中心区房价持续上涨，人们不得不选择房价较低的郊区购买住房，在城郊区域开发了若干个密集住宅区，早晚形成典型的潮汐交通流，道路车流压力有增无减.因此，疏解城市人口的同时，应疏散过于集中的城市公共服务资源，合理布局城市用地结构，形成紧凑式人口居住与分散式城市公共服务设施布局模式.

2)完善城市路网结构，优化道路交通组织.我国大城市快速干道骨架基本形成，但城市支路建设仍然滞后于主次干道，支路交通分流效率不高，主干路车流无法快速疏散到支路上，导致城市主干路车流拥堵，进而波及支路.因此，需要加强城市支路建设，提高支路密度，提升支路交通分流能力，从而缓解主干路通行压力.通过观察城市道路交通运行状态发现，城市瓶颈路段很容易形成拥堵点，从而蔓延至整个路段甚至片区道路.要解决城市交通拥堵需要科学优化道路交通组织，针对城市瓶颈路段，需要采取工程措施与适当限流政策相结合，才能从根本上解决城市交通顽固堵点.

3)灵活运用价格杠杆作用，谨慎采取“限牌限号”一刀切模式.我国大城市汽车保有量虽然已经处于较高水平，但仍未达到饱和状态，每年新增的汽车数量仍然较大.目前，一些城市实行常态化机动车尾号限行或限牌政策，虽然这些政策的实施在一定程度上缓解了城市交通拥堵，但并未从根本上解决交通拥堵顽疾.从高德地图近年来发布的城市交通拥堵排名来看，这些限行或限牌的城市交通拥堵情况仍然不容乐观，甚至出现拥堵加剧情况.从城市内部拥堵分布情况来看，城市重点商圈、进出城通道节点、城市核心区域及主要交叉口是常规拥堵点，有条件的地方可以考虑征收交通拥堵费来缓解重点区域、重点路段交通拥堵.此外，应调整城市限行范围，针对易拥堵路段和区域分时段采取限行措施，尽量减少限行对居民出行的影响.

4)合理布局城市产业，避免服务业过于集中分布. 我国城市现代服务业主要集中在市区，而制造业则分布在城郊结合部及郊区，现代服务业发达的城市居民通勤向心力更为明显，而制造业发达的城市居民通勤轨迹更为分散，这就造成现代服务业发达的城市交通拥堵程度高于制造业发达的城市.城市现代服务业集聚虽然能提高资源共享的便捷性，但过于集中分布又不可避免出行巨大的交通流需求，从而形成区域性交通拥堵.因此，在产业布局上，应适度分散现代服务业布局，实现城市人口疏解与服务业疏解协调，缩短居民通勤距离，才能缓解城市交通拥堵顽疾.