何嘉耀，葉楨翔

（清華大學交通研究所，北京100084）

我國大城市交通、環(huán)境問題日益突出，交通擁堵是當前迫切需要解決的問題。解決交通擁堵有兩種基本思路，一是提高交通供給能力，即提升道路供給量，提供更高效率的交通工具以及提升管理效率等；二是降低交通需求，特別是依托城市交通的長距離交通需求。對于大城市來說，前者由于交通設施建設成本高昂，且城市內土地資源緊缺，提升潛力總有限度，而后者日益受到學者關注。優(yōu)化土地利用模式是降低交通需求的重要手段。研究表明城市形態(tài)對交通行為，溫室氣體排放等存在影響[1-3]。由于集聚效應能帶來較高的經濟效益，特大城市往往自發(fā)形成單中心模式，產生長距離潮汐通勤，促使私家車保有量迅速增長，同時，道路的供應又遠遠趕不上私家車的發(fā)展速度[4]。理論上，多中心城市被認為能降低交通需求，但一些研究，如Cervero等表明，就業(yè)中心分散化不會減少總通勤時間，簡單的就業(yè)中心分散并不能保證居民就近就業(yè)[5]。多中心城市的出行行為與土地利用有著更為復雜的關系。針對如何更有效地發(fā)揮多中心模式優(yōu)勢的問題，陸化普等提出生態(tài)城市單元概念[6]，李克欣提出單元城市概念[7]。研究對單元城市進一步論述，并定量研究其交通需求特性。

1 單元城市概念

大城市是一個巨系統(tǒng)，不同交通需求形成的交通軌跡構成一個巨大的網絡。目的地與起始地越分散，網絡便越復雜。若在一定的區(qū)域內，通過合理的功能配置，將出行目的地、起始地盡量控制在這個區(qū)域內，這個網絡將更為清晰簡單，這個區(qū)域稱為一個城市單元，由若干城市單元構成的城市即單元城市。

要構建單元城市，首先要實現(xiàn)城市功能的單元化。在一定區(qū)域內，對工作、居住、上學、休閑、購物、醫(yī)療等基本功能進行合理平衡配置，實現(xiàn)就近工作、就近居住、就近生活，有利于城市高效率運行。其次是空間的單元化，通過結合地形地貌、交通格局等自然實現(xiàn)，減少強制劃分，以匹配功能的單元化。單元內部交通以非機動車及慢行機動車為主，創(chuàng)造宜居的城市環(huán)境。單元間的交通是城市交通的主體，由快速機動車、公共交通解決。

對于規(guī)模較小的系統(tǒng)，以垂直分工為特征的金字塔式管理效率較高，隨著規(guī)模增大，管理層次增多，效率將逐漸降低?，F(xiàn)代大城市多由歷史上的小城市發(fā)育而來，沿襲小城市的金字塔式管理，而城市的單中心結構是與這一管理方式相匹配的。為提高大城市的效率，應向扁平式、單元化管理轉變，剝離日常交通與長距離交通，把日常交通限定在單元內，以促進功能單元化的形成。

以往對于城市形態(tài)的討論多是定性的，近年空間經濟學、經濟地理學等將空間因素引入經濟領域[8]，交通理論尤其是量化方法有了長足的發(fā)展，計算機運算能力提高，為進行建模、模擬等定量研究提供了條件。為回答單元城市與單中心城市相比，能在多大程度上降低交通需求的問題，本文構建基于多智能體的城市微觀模擬系統(tǒng)，定量研究單中心城市與單元城市的交通效率，論證單元城市高效、節(jié)能的特點。

2 模型構建

多智能體系統(tǒng)（multi-agent system）是一種自下而上的研究方法。智能體是具有一定智能的實體，實體與實體、實體與環(huán)境之間存在互動。該方法直接將居民、家庭屬性與其行為聯(lián)系起來，物理意義直觀明確，能更好地反映各主體對城市這一復雜系統(tǒng)的影響?；谶@一技術，學者展開了各類研究[9-11]。構建的城市模擬系統(tǒng)對居民選址、出行行為進行模擬研究，以北京市居民的人口統(tǒng)計特征作為大城市居民特征的代表，實現(xiàn)一個居民或家庭對應一個智能體。以下概述模型具體流程，詳述居民住址選擇、交通分布模型，并對城市、家庭、居民的屬性進行規(guī)定。

2.1 模擬流程

模型使用Matlab軟件編程實現(xiàn)，其流程如圖1。居民、家庭數據使用Access數據庫儲存。

城市土地利用布局作為模型條件預先給定。利用普查資料，使用龍瀛等提出的方法對居民與家庭的屬性進行反演[12]，使模型能較真實地反映目前大城市居民、家庭結構特征，用于下一步的微觀模擬。

第1步為工作地選擇，認為居民的工作地點與城市形態(tài)及居民屬性沒有顯著關系，在不超過地塊就業(yè)崗位數的條件下隨機選擇。第2步以家庭為單位根據競租理論進行居住地選擇。第3步，根據交通分布規(guī)則得到城市中各種出行的分布，并進行方式劃分。最后根據以上過程所得數據提取出行量等指標。

2.2 居民住址選擇及消費出行

根據競租理論，居民通過權衡商品、住房以及交通支出來決定住址。交通費越高，居民則期望更大的住房與更低的房價。最初，競租理論的大多數分析是基于單中心城市，近年已逐漸應用于多中心城市[13]。另外，西方國家存在逆城市化現(xiàn)象，Muth指出收入增加會使居民傾向于居住在城市外圍[14]。而我國逆城市化并不明顯，劉可婧對北京的實證研究發(fā)現(xiàn)距城市中心距離越遠，有車家庭的家庭收入顯著遞減[15]。這一方面由于高收入家庭更偏好便捷的交通，一方面與交通成本隨收入增高而上升有關。

參考鄭思齊等的假定，消費者效用函數采用柯布-道格拉斯形式，并引入城市生活質量因子[16]，本文設居民家庭效用函數與預算約束方程為

圖1 模型流程簡圖Fig.1 The flow chart of the model

式中：u為居民家庭效用；y為家庭收入；Z為綜合商品消費量；μ為綜合商品支出份額；q為家庭住房面積；與發(fā)達國家的郊區(qū)化相反，我國城市遠離就業(yè)區(qū)的區(qū)域通常公共設施水平較低，故城市生活質量因子θ(t，y)具體化為通勤距離t與家庭收入y的函數；pz為綜合商品的價格；P為房價；k(t)為通勤成本。

居民消費包括食品、衣著、設備用品等實體消費品及醫(yī)療、教育、文化娛樂活動等服務，以下統(tǒng)稱商品。這些商品分布在城市的各個區(qū)位，居民進行消費活動產生消費出行。參考Fujita等的模型假定，商品是異質的，ρ表示家庭對商品多樣性的偏好程度。s(j)為家庭對第 j種商品的消費量，Z符合不變替代彈性函數[17]

使σ≡1/(1-ρ)，σ為任意兩種商品之間的替代彈性。 p(j)為第 j種商品的單價，綜合商品的價格為

yz為家庭收入中用于商品消費的部分，則Z=yz/pz，每種商品消費量為

北京市第3次綜合交通調查簡要報告（2007年）僅提供了2005年出行率，未提供更多分布細節(jié)，模型根據該報告假設所有家庭人均出行次數均為2.64次·（人日）-1，這意味著，收入越高的家庭每次消費出行的消費量越高，即購買一定量商品的出行次數越少。定義β為給定家庭購買單位商品所需的出行次數。考慮交通費對商品價格的影響，式中，p(j)等于商品本地價格與交通費之和。單位商品的價格設置為1，pt(j)為從住址到提供第 j種商品的地塊的交通費，簡單起見，對同一個家庭，每次出行可購買的商品數量一定，則 p(j)=1+βpt(j)，而一次出行所花費用為 p′(j)=p(j)/β=1/β+pt(j)，到該地塊的次數n(j)與在該地塊購買的商品數量s(j)成正比，N為消費出行總次數，有

由式（5）可見，σ不變時，pt(j)越大，則 p(j)越大，s(j)及n(j)越小。當σ趨近于1時，商品間趨于不可替代，用于購買各商品的收入份額趨于一致；當σ增大，則就近商品更有優(yōu)勢，到就近地塊的次數增加，從而描述出商品提供地距離居住地越遠，到該地塊消費出行次數越少的現(xiàn)象。消費出行的總費用應等于收入中用于商品消費的份額，有

解方程（6）可得β，進而算出 pz。聯(lián)立方程（1），即可計算出給定家庭在給定地塊所期望的住房面積及價格。在有足夠住房面積的多個地塊中，家庭選擇其愿意支付最高價格的地塊居住。這一假設基于以下理由：滿足房地產業(yè)利潤最大化的要求，同時，家庭愿意支付最高價格的地塊是交通最便利的地塊，符合大城市中家庭偏好于便捷交通的實際[15]。

2.3 交通分布及方式劃分

本模型將出行劃分為通勤、消費、工作出行。通勤出行指就業(yè)者上下班出行，起訖點為居住地與就業(yè)地，反映通勤需求；消費出行指居民外出消費產生的出行，起訖點為居住地與服務用地，反映消費活動的交通需求，最靠近家庭的服務用地通常能提供生活中大部分商品，其余服務用地提供一定數量的差異化商品，居民到每個服務用地的次數由式（5）決定；工作出行指就業(yè)者在工作中從本就業(yè)地到其他就業(yè)地的出行，起訖點均為產業(yè)用地，反映城市基礎性產業(yè)中各個企業(yè)之間聯(lián)系的需要。通過模擬手段研究城市形態(tài)與交通量之間的一般規(guī)律，由于缺乏適用的現(xiàn)成模型及微觀數據，假設產業(yè)用地每天有一定比例的就業(yè)者要產生工作出行，其目的地選擇概率則與各個產業(yè)用地的就業(yè)人數成正比，與距離成反比，總工作出行次數占總出行次數比例等于北京市第3次綜合交通調查簡要報告給出的工作外出比例2.6%。

非集計模型是基于隨機效用理論，用以解決多方案選擇的模型，其中，MNL（multi-nominal logit）模型應用較為廣泛。采用穆蕊利用北京市第3次居民出行調查數據構建并標定的MNL模型[18]。另外，也采用僅由交通距離決定的簡單方法[19]作為比照。

2.4 城市、居民及家庭屬性

模型中城市由3類用地組成：居住用地為住房所需土地，其主要屬性包括位置及總住房面積上限；服務用地提供商品，可以容納就業(yè)，主要屬性包括位置、就業(yè)崗位數，商品數；產業(yè)用地容納城市基礎性產業(yè)，其產品不直接服務本市居民，是城市核心競爭力的來源，其就業(yè)密度高于服務用地，主要屬性包括位置、就業(yè)崗位數。城市中兩地塊距離為兩兩縱橫坐標差的絕對值之和，即“曼哈頓距離”。

居民性別、年齡等屬性從北京統(tǒng)計年鑒中獲得。假設收入符合對數正態(tài)分布，即y～Log-N(μinc，)，其中μinc，σinc分別為變量 y的對數的期望與標準差。對北京統(tǒng)計年鑒2011中給出的五等分組人均可支配收入[20]進行擬合，結果良好，其中μinc=10.134，σinc=0.493 1。北京市家庭平均每月將收入的39.73%用于住房[15]，以此作為所有家庭的住房支出份額。多樣性偏好取決于家庭收入，從低收入戶到高收入戶，ρ分別設為0.9，0.85，0.8，0.75，0.7。效用函數中的城市生活質量因子θ用于涵蓋通勤成本未能完全描述的生活質量對效用的影響，對不同收入家庭對通勤距離的敏感程度作出區(qū)分，其表達式為θ(t，y)=e-lt，其中：t為家庭人均通勤距離；l的確定方式如下：以通勤距離為30 km（約等于北京五環(huán)南北端距離）作標準，低收入家庭對通勤距離增加造成的生活質量下降不敏感，設其θ=0.9，接近于1；而高收入家庭則較敏感，設其θ=0.5，即意味著在同樣的消費結構、住房面積情況下，30 km的通勤距離造成的生活質量下降使高收入家庭的效用函數減小一半；其余家庭線性插值，反算出l。根據國家關于商品房的政策，建筑面積90 m2以下住房，必須達到開發(fā)建設總面積的70%以上，提倡緊湊開發(fā)，在交通最優(yōu)越的區(qū)位，假設90 m2可供高收入家庭兩人居住，則高收入家庭的人均住房面積為45 m2；保證居民最低的生活質量，設收入最低的家庭人均住房面積為15 m2，以此可求出家庭基準效用u0。

3 模型運行結果

基于以上假設與數據，對概況與形態(tài)如表1及圖2的城市進行模擬。

模擬中發(fā)現(xiàn)，按照上述選址規(guī)則，單中心特大城市無法滿足所有居民住房需求，故該城市面積擴大為(36×36)km2。

根據陸化普等建議，以自行車舒適可達為標準，設置每個單元為(4×4)km2的方形[6]，4個單元組成單元群，產業(yè)用地與服務用地設置在單元群中心，每個居住地塊到單元群中心的最大距離為7 km，相當于自行車半小時路程。單中心城市亦設置與單元群相當大小居住組團，區(qū)別在于單中心城市的居住組團中沒有產業(yè)用地。

模擬1設每個單元或組團的服務用地提供附近居民50%的商品。對于大單元城市和特大單元城市，考慮有無政府住房補貼兩種情況。補貼是指只要家庭中有一人在某單元工作，則在該單元內購房享受一定優(yōu)惠，在模型中使競價上升以反映該家庭對該單元地塊的購買意愿。

表1 城市面積與人口Tab.1 Area and population of the cities

圖2 城市形態(tài)示意圖Fig.2 Schema of city forms

模擬結果如圖3（a），8 km以上出行差距較大，說明單元城市能減少長距離出行。單元城市確實能減少一部分的通勤出行，有利于降低高峰出行，但消費出行距離反而比單中心城市高，使總出行距離差別不大。這是由于單中心城市的城市中心能滿足大部分居民在居住組團以外的消費需求，而在單元城市中平均要走得更遠。單元城市的工作出行高于單中心城市，但工作出行占總出行比例較小，對總出行距離影響不大。由于沒有在單元內提供足夠多樣的商品，模擬1中的單元城市實際上相當于簡單的多中心城市。

模擬2考慮2種城市服務用地的差異及時間成本。大城市中，考慮到單元城市每個單元群與單中心城市每個組團的服務用地比為3∶1，將單元群服務用地為附近居民提供商品種類比例提升為80%。在交通貨幣成本較低的情況下，時間成本對減少長距離出行有較大的作用。為簡化起見，將貨幣成本乘3以近似引入時間成本的影響，結果如圖3（b）。

圖3 總出行距離與8 km以上總出行距離Fig.3 Total and above-8 km travel distance

模擬2中單元城市的表現(xiàn)有了明顯提升。大城市總體長距離出行下降47%，特大城市下降42%。從表2可見，單元城市的長距離通勤出行亦大幅減小。補貼僅使長距離出行次數略有減少，而出行距離不降反升，這一方面是由于單元內配置了與就業(yè)均衡的住房，在無補貼的情況下也能滿足大部分通勤者就近居住的需要，而有補貼時，保證一人就近居住后，同一家庭其他通勤者通勤距離將會增加；另一方面由于大城市中一人戶較多，對一人戶來說，不論補貼與否，都會盡量就近通勤，補貼對其影響不大。消費出行方面，無補貼時居民傾向于靠近市中心居住，這樣到每個消費點平均距離較近，而有補貼時，消費出行距離有所增加。另外，對住房的補貼可能最終轉化成對消費、交通的補貼，相當于增加了居民的收入，提高其消費及多樣性偏好，從而增加遠距離消費活動，這一點在模型中暫無體現(xiàn)，而在現(xiàn)實中是可以理解的。而另一方面，無補貼時，雖然總出行距離略小，但多人通勤的家庭可能需要多輛小汽車才能滿足需要，對停車場的需求將大增。

表2 8 km及以上通勤需求Tab.2 Travel demand of commuting above 8 km

利用馬靜等建議的排放因子[21]，考慮時間成本，以每一規(guī)模的單中心城市碳排放量為1，計算碳排放量結果如表3，人均碳排放量如圖4。

表3 城市碳排放量Tab.3 Carbon emission of the cities

圖4 人均碳排放量Fig.4 Carbon emission per capita

可見城市規(guī)模越大，單元城市相對單中心城市碳排放量減少越多，特大城市減少約1/4；人均碳排放隨城市規(guī)模增大而增加，而增加速度減慢，單元城市碳排放增長速度慢于單中心城市。

4 規(guī)劃要點及政策建議

從模型前提與結果來看，要發(fā)揮單元城市的優(yōu)越性，需要相應的規(guī)劃與政策手段保證：

1）對于超過一定規(guī)模的城市，單元化開始顯示其優(yōu)勢，該臨界規(guī)模與人口密度有關，密度越低，臨界規(guī)模越小；

2）單元尺度以非機動車舒適可達或慢行機動車可達為標準，規(guī)模在10～40 km2，過大的單元將導致較多的長距離出行，較高的機動車出行比例；

3）單元城市存在大量短距離出行，其道路設計應創(chuàng)造良好的非機動車出行條件，機動車道不宜太寬，以雙向兩到4車道為主。單元之間配置大容量公共交通，實施公交優(yōu)先，滿足單元間便捷出行的需要；

4）單元內部實現(xiàn)就業(yè)崗位與居住平衡；提供足夠多樣化的商品與服務。

政策層面注意以下要點：

1）單元優(yōu)勢均衡。城市并非完全均勻，優(yōu)勢區(qū)位的居民一般處于較高階層，容易集中優(yōu)質資源，如重點學校、醫(yī)療機構等。城市單元化過程需要主動將集中的優(yōu)勢疏散到各單元中，避免空間布局形式上分散、區(qū)位優(yōu)勢實質上集中的局面；

2）房地產管理。職住用地指標平衡不能保證實質的職住平衡，住房量供給不足或購買力不足均會引起長距離交通。應改變純依靠市場的房地產開發(fā)模式，將居住成本控制在可接受范圍內；在特大城市中，由于企業(yè)共享較大的勞動力市場，勞動力也面臨較多的就業(yè)機會，就業(yè)流動性較大，有別于職業(yè)與居住相對穩(wěn)定的中小城市，故需要靈活的租房、換房政策，降低搬遷成本。

3）保持集聚效應。單元式的土地利用與集聚效應存在矛盾，要對產業(yè)布局做更細致的研究，聯(lián)系密切的企業(yè)應在空間上互相靠近，共享公共服務設施，單元間提供快速的交通，減少企業(yè)交流的障礙。

5 結論及展望

結合經濟學、交通規(guī)劃理論等成果，建立了多智能體模型，通過模擬對比了單中心城市與單元城市的總出行次數、距離，長距離出行、碳排放量等，發(fā)現(xiàn)土地利用對交通有顯著影響，在城市規(guī)模較大時，單元城市能明顯減少長距離出行、碳排放量，有利于提高自行車與步行比例，提高城市效率與宜居性。

該模型可用于研究、比對、輔助評價現(xiàn)實城市規(guī)劃中的不同方案。競租理論、新經濟地理學以往在抽象描述現(xiàn)象、揭示一般規(guī)律方面取得了豐碩成果，而很少直接運用于工程實踐上，本模型試圖將上述抽象理論與實踐聯(lián)系起來。根據數據的可獲定性，模型中各子模型可進一步完善，以更真實地描述選址、交通分布，方式劃分過程。另外在城市結構上引入真實路網，引入更多城市用地的性質，以進一步接近現(xiàn)實情況。

[1]FRANK L D，KAVAGE S，APPLEYARD B.The urban form and climate change gamble[J].Planning，2007，73（8）：18-23.

[2]GLAESER E L，KAHN M E.The greenness of cities：carbon dioxide emissions and urban development[J].Journal of Urban Economics，2010，67（3）：404-418.

[3] HANKEY S，MARSHALL J D.Impacts of urban form on future US passenger-vehicle greenhouse gas emissions[J].Energy Policy，2010，38（9）：4880-4887.

[4]諶小麗，陳景雅，王坤.基于指數平滑法對我國私家車保有量的預測[J].華東交通大學學報，2013，30（1）：58-63.

[5] CERVERO R，WU K.Sub-centring and commuting：evidence from the San Francisco bay area[J].Urban Studies，1998，35（7）：1059-1076.

[6]陸化普，葉禎翔.生態(tài)城市單元構建與生態(tài)交通系統(tǒng)[J].建設科技，2011（17）：14-18.

[7]李克欣.中國城市化的低碳戰(zhàn)略[J].戰(zhàn)略與決策研究，2011，26（1）：49-55.

[8]劉激光，陶紅軍.空間經濟、區(qū)域經濟和新經濟地理學科體系梳理[J].華東交通大學學報，2011，28（1）：111-116.

[9] HAASE D，LAUTENBACH S，SEPPELT R.Modeling and simulating residential mobility in a shrinking city using an agent-based approach[J].Environmental Modelling&Software，2010，25（10）：1225-1240.

[10]ZHANG H H，ZENG Y N，BIAN L.Simulating multi-objective spatial optimization allocation of land use based on the integration of multi-agent system and genetic algorithm[J].Int J Environ Res，2010，4（4）：765-776.

[11]龍瀛，毛其智，楊東峰，等.城市形態(tài)、交通能耗和環(huán)境影響集成的多智能體模型[J].地理學報，2011，66（8）：1033-1044.

[12]龍瀛，沈振江，毛其智.城市系統(tǒng)微觀模擬中的個體數據獲取新方法[J].地理學報，2011，66（3）：416-426.

[13]康琪雪.西方競租理論發(fā)展過程與最新拓展[J].經濟經緯，2008（6）：12-14.

[14] MUTH R F.Cities and housing：the spatial pattern of urban residential land use[M].Chicago：University of Chicago Press，1969：30-31.

[15]劉可婧.住房與交通綜合可支付性指數的設計與應用[D].北京：清華大學，2010.

[16]鄭思齊，符育明，任榮榮.居民對城市生活質量的偏好：從住房成本變動和收斂角度的研究[J].世界經濟文匯，2011（2）：35-51.

[17] FUJITA M，KRUGMAN P，VENABLES A J.The spatial economy：cities，regions and international trade[M].Cambridge，Mass：MIT Press，1999：46-48.

[18]穆蕊.基于出行活動的非集計模型研究及應用[D].北京：北京交通大學，2010.

[19]黃樹森，宋瑞，陶媛.大城市居民出行方式選擇行為及影響因素研究——以北京市為例[J].交通標準化，2008（9）：124-128.

[20]中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒2011[M].北京：中國統(tǒng)計出版社，2011：195.

[21]馬靜，柴彥威，劉志林.基于居民出行行為的北京市交通碳排放影響機理[J].地理學報，2011，66（8）：1023-1032.