“双维度”建成环境对通勤方式选择的影响

简文良 刘肖肖 高良鹏

(福建工程学院交通运输学院 福州 350118)

0 引 言

通勤出行是城市交通出行的主体,优化通勤方式结构是城市交通“治堵”“减碳”的重要内容之一,其核心任务是促进私家车出行向高效、低排放的公共交通和慢行交通转移.《交通强国建设纲要》《“十四五”现代综合交通运输体系发展规划》等重要文件均提出优化出行结构,实现“公交优先、慢行优先、绿色优先”的发展要求.合理规划城市空间结构、改善建成环境是推动通勤方式转移的有效途径.

建成环境对通勤方式选择的影响表现为不同的建成环境背景下,个体通勤方式选择存在显著差异性(即空间异质性)[1].相同的建成环境背景下,个体选择之间存在显著关联性[2].为准确解析这一特性,多层建模(multilevel model)方法被广泛用于建成环境的影响研究[3-5].该方法放松了随机误差项之间相互独立的假设,且克服单层建模存在的生态学谬误和简化论谬误,能够有效捕捉研究数据的跨层次结构和空间嵌套关系.但是,既有研究中,建成环境对通勤方式选择的影响多聚焦社区(或交通小区)维度.Wu等[6]利用上海市调查数据探讨交通小区建成环境对通勤方式选择的影响.周素红等[7-9]分析广州市的社区类型及建成环境对小汽车出行的影响,探究邻里尺度建成环境对通勤行为的影响通常从“5D”指标体系(density,diversity,design,destination accessibility,distance to transit)进行考虑.Yin等[10-12]研究了城市建成环境对通勤行为的影响,建成环境包括城市规模、空间结构和城市基础建设,探讨以往建成环境对通勤方式选择影响的不足.

基于上述背景,文中围绕公共交通和慢行交通选择,基于国内公开的入户调查数据集,依据多层建模理论,构建多层Logistic模型,在验证通勤方式选择空间异质性的基础上,从“城市+社区”的双维度,探究建成环境对通勤方式选择的影响.

1 数据准备

依托2016年中山大学联合27所合作院校调查获得的中国劳动力调查(China labor-force dynamic survey,CLDS)数据(http://css.sysu.edu.cn/),该调查涉及全国29个省市自治区,包括个人、家庭和社区(居委会)调查三个层面,调查内容涵盖个人基本信息、工作信息、通勤信息、家庭信息、社区基本信息等.主要采用该调查获取的个人信息、通勤信息和社区信息研究社区建成环境对通勤方式(包括公共交通和慢行交通)选择的影响.通过《2016年中国城市建设统计年鉴》及各城市2016年的相关统计年鉴获取城市建成环境变量的相关数据,通过数据清洗与筛选,最终得到4 964条有效个体数据,覆盖79个城市和176个社区.个体基本信息的统计分析见表1.

表1 样本统计分析结果

2 模型构建

受建成环境的影响,居民通勤方式选择时具有个体关联性和空间异质性的特征.传统的单层建模思路假设个体之间方差齐次和随机误差项之间相互独立,故无法捕捉上述特征.因此,采用多层建模思路进行研究.既有研究成果表明,社区和城市建成环境均对居民通勤行为具有显著影响,因而构建包含个体层、社区层和城市层的多层模型结构,见图1.由于通勤方式选择结果为离散变量,故采用多层Logistic模型.考虑到通勤结构优化的目标在于促进公共交通和慢行交通的发展,分别构建公共交通选择多层Logistic模型(public transit choice multilevel logistic model,PTC-MLM)和慢行交通选择多层Logistic模型(non-motorized mode choice multilevel logistic model,NMC-MLM).

图1 分层数据结构

建多层建模的前提是检验居民通勤选择行为存在空间异质性.通过构建不含解释变量的PTC-MLM和NMC-MLM“空模型”,以评估样本数据的空间异质性程度.“空模型”的表达式为

(1)

在多层Logistic模型中,居民通勤方式选择的空间异质性程度可以由组内相关系数(intra-class correlation coefficient,ICC)指标衡量.ICC指标值处于0到1之间,依据Snijders等[13]提出的空间异质性程度划分标准,当ICC>0.059时,表明存在一定的空间异质性,可考虑构建多层模型;当ICC>0.138时表示存在高度的空间异质性,组间变异不可忽略,有必要构建多层模型.PTC-MLM和NMC-MLM的ICC指标计算分别为

(2)

(3)

式中:ICCnbh、ICCcity分别为社区层、城市层的组内相关系数.

其次,在验证空间异质性的基础上,加入个体层变量、社区层和城市层的建成环境变量,建立完整的PTC-MLM和NMC-MLM分析建成环境对通勤方式选择的影响,模型表达式为

个体层:

(4)

社区层:

(5)

城市层:

(6)

参考既有研究的变量选取,模型中个体层变量主要考虑个人社会经济变量(如性别、年龄、收入等)和通勤属性变量(如通勤时间等).社区层的建成环境变量包括社区区位和表征建成环境“5D”的相关变量.城市层的建成环境变量包括表征城市规模(如GDP等)、产业结构、城镇化水平和交通基础设施建设(如地铁运营里程、每万人公交车辆数等)的相关变量.完整的变量选取及变量定义见表2.

表2 变量定义

3 模型结果与分析

3.1 空间异质性分析

基于极大似然估计法,借助HLM软件进行PTC-MLM和NMC-MLM的空模型和完整模型的参数标定.空模型的估计结果见表3.

表3 PTC-MLM和NMC-MLM的空模型估计结果

由表3可知:PTC-MLM和NMC-MLM(三层)空模型的空间层(包括社区层和城市层)ICC值分别为0.440、0.227,均大于临界值0.138,表明建成环境对公共交通和慢行交通出行选择具有显著影响,且均存在高度空间异质性,有必要进行分层建模.其次,为进一步检验三层建模的必要性,对比三层建模与双层建模(包括“个体层与社区层”双层建模和“个体层与城市层”双层建模)对数据的解释能力.由统计指标LL(log likelihood)和AIC(akaike information criterion)对比可得,PTC-MLM和NMC-MLM三层建模的LL指标绝对值、AIC指标值均小于双层建模,说明三层建模对样本数据的拟合效果优于双层建模.

此外,对比三层建模中社区层和城市层的ICC值,从PTC-MLM来看,城市层的ICC值(0.316)显著大于社区层(0.124),表明城市层组间变异显著高于社区层,即居民选择公共交通出行受城市建成环境因素的影响程度高于社区建成环境;而从NMC-MLM来看,社区层的ICC值(0.125)大于城市层(0.102),则表明居民选择慢行交通出行受社区建成环境因素的影响程度高于城市建成环境.

3.2 城市建成环境的影响分析

在NMC-MLM与PTC-MLM空模型中加入个体层、社区层和城市层变量,构建完整的NMC-MLM与PTC-MLM.将表2中所选变量逐一加入,根据似然比检验与参数t检验剔除不显著变量,得到最终模型参数估计结果,见表4.由表4可知:公共交通和慢行交通出行均显著受到个体层、社区层和城市层变量的影响.

表4 PTC-MLM和NMC-MLM完整模型参数估计结果

从表征城市经济规模与产业结构的变量来看,GDP对选择公共交通、慢行交通均有显著的负向影响,表明随着GDP增长,居民选择公共交通、慢行交通的概率降低.这是因为经济快速增长下城市规模扩张,导致通勤距离/时间边长.在长距离通勤中,公共交通和慢行交通的时效、舒适性等服务水平较差不具有优势.产业结构变量对公共交通选择的影响不显著,而对慢行交通选择影响显著,表现为第二产业生产总值占比更高(与第三产业相比)的城市选择慢行方式通勤的概率低于第三产业占比更高的城市.既有研究表明第二产业占比对城市空气质量具有负向影响,这抑制居民选择慢行通勤的积极性.

从表征城镇化水平的变量来看,城镇化率仅对选择公共交通影响显著.变量的参数(0.926、0.799)符号均为正,表明城镇化率的提升促进公共交通分担率提高.但从OR(Odds Ratio)指标分析,城镇化率处于50%～75%区间的OR值(2.526)高于城镇化率大于75%的OR值(2.222).这说明城镇化达到较高水平后,城镇化率对公共交通分担率的提升效果在减弱.

从表征城市交通基础设施建设水平的变量来看,该类型变量仅对选择公共交通影响显著.其中,道路交通设施用地占比对公共交通选择具有负向影响,而每万人公交车辆数对公共交通选择具有正向影响.结果表明城市交通“治堵”应通过公共交通服务水平提升,而非加大道路设施建设力度的观点.城市地铁运营里程对公共交通选择的影响,其参数(0.751、1.378)均为正,说明地铁运营里程的增长提升了公共交通分担率.并且,地铁运营里程>100 km的OR值(3.97)大于地铁运营里程<100 km的OR值(2.120),表明地铁运营里程达到一定规模后,地铁运营里程增长对公共交通分担率的提升效果在增强,这与地铁“成网”后的网络规模效应有关.

3.3 社区建成环境的影响分析

社区区位变量对公共交通、慢行交通选择均有显著影响,且变量参数符号均为正,表明市区居民选择公共交通、慢行交通的概率显著高于郊区居民.

社区到区行政中心的距离、社区人口密度仅对选择公共交通影响显著.其中,到区行政中心的距离表现为显著负向影响,即到区行政中心的距离越远,选择公共交通的概率越低.这与远离中心位置的社区多处于城市边缘,公共交通设施的可达性较低有关.而社区人口密度的影响均为正(0.647,1.019,0.679),表明人口密度增长具有提升公共交通分担率的效果.这与既有研究成果的结论一致,原因在于高密度社区“停车难”和通勤时段拥堵问题突出,提高了居民选择公共交通的意愿.但是,人口密度>10 000人/km2的OR值(1.972)小于人口密度处于>5 000～10 000人/km2区间的OR值(2.772),则表明人口密度达到一定水平后,人口密度增长对公共交通分担率的提升效果在减弱,这是由于在需求过大后公共交通服务水平(如舒适性、拥挤度等)下降.空气污染程度、绿化覆盖率和土地利用混合度三个变量仅对选择慢行交通影响显著.其中,空气污染程度的影响显著为负,而绿化覆盖率的影响显著为正,表明良好的空气质量和社区绿化能有效提升居民慢行出行的意愿.其次,土地利用混合度变量对选择慢行交通具有显著负向影响.既有研究表明,土地利用混合度越高通勤距离越短.这本应属于慢行交通的优势区域,而参数估计结果为负,说明当前我国城市进行高土地利用混合度社区的交通规划时,“以机动车为本”的问题较为突出,对提升慢行环境友好度的关注不足.

4 结 论

1) 居民通勤方式选择表现出高度空间异质性,公共交通选择受城市建成环境因素的影响程度高于社区建成环境,而慢行交通选择受社区建成环境因素的影响程度高于城市建成环境.

2) 城市建成环境中,GDP对公共/慢行交通选择均有显著负向影响;第二产业占比仅对慢行交通呈负效应,道路交通设施用地占比仅对公共交通呈负效应;而城镇化率、每万人公交车辆数和地铁运营里程对公共交通呈正效应.

3) 社区建成环境中,社区区位对公共/慢行交通选择均有显著影响;社区到区行政中心的距离、社区人口密度仅对公共交通选择影响显著,分别呈负向、正向效应;空气污染程度、绿化覆盖率和土地利用混合度仅对选择慢行交通影响显著,分别呈负向、正向和负向效应.

文中仅考虑建成环境因素的线性影响,缺少其影响机理及交互影响效应的分析,后续将进一步研究各建成环境因素与通勤方式选择的非线性影响关系.