彭 然, 王競(jìng)釗, 劉業(yè)浩, 劉學(xué)良

引言

2020年COVID-19疫情肆虐全球，其最早被發(fā)現(xiàn)于湖北武漢，因傳染能力強(qiáng)，全球已有數(shù)億人被感染?，F(xiàn)代城市因人的流動(dòng)而繁榮，交通是流動(dòng)的保障，但也必然成為疫情傳播的橋梁，因此在疫情防控中明確城市交通對(duì)于疫情傳播的影響特征十分必要。

當(dāng)前部分學(xué)者已針對(duì)COVID-19進(jìn)行了交通領(lǐng)域的研究，如Kutela等[1]對(duì)400多篇有關(guān)COVID-19的文獻(xiàn)進(jìn)行地理分布統(tǒng)計(jì)，發(fā)現(xiàn)美國(guó)、中國(guó)、日本和英國(guó)對(duì)于該類(lèi)研究最多，且大部分與交通領(lǐng)域息息相關(guān)。多元主體網(wǎng)絡(luò)技術(shù)、SEIR模型以及CGE模型被應(yīng)用于COVID-19疫情經(jīng)由城市交通的傳播特征研究，并由此得出了交通管制有利于控制疫情的結(jié)論[2-5]。Jizhou Huang、Xin Li、G Matosevic等基于COVID-19感染大數(shù)據(jù)進(jìn)行了定量研究并提出了相應(yīng)的解決方案[6-9]。根據(jù)世界各地不同的疫情傳播特征，各國(guó)學(xué)者還開(kāi)展了相應(yīng)的地域性研究[10-12]，如Zilin Bian等[13]以美國(guó)西雅圖和紐約為例，將COVID-19大流行時(shí)期主管部門(mén)所采取的行動(dòng)在交通系統(tǒng)中的時(shí)滯效應(yīng)進(jìn)行量化研究，得出當(dāng)時(shí)的“居家令”和“解封政策”對(duì)城市流動(dòng)性有著主導(dǎo)性影響力的結(jié)論，此外還發(fā)現(xiàn)COVID-19的大流行使城市居民尤其是貧困人群的出行風(fēng)險(xiǎn)加劇。又如Jessie Pinchoff等[14]對(duì)肯尼亞內(nèi)羅畢的5個(gè)貧民窟進(jìn)行了實(shí)地調(diào)查，發(fā)現(xiàn)貧民窟居民特別是男性居民公共交通出行時(shí)所面臨的風(fēng)險(xiǎn)更高，因此認(rèn)為必須采取必要的防護(hù)措施以降低人群在城市公共交通中發(fā)生感染的幾率。

目前關(guān)于城市驅(qū)動(dòng)因素對(duì)COVID-19傳播影響的研究中，基于感染數(shù)據(jù)分析城市中商業(yè)、交通、土地利用混合度、老齡化以及容積率等因素對(duì)COVID-19疫情傳播影響的研究證實(shí)了城市交通驅(qū)動(dòng)因素對(duì)疫情傳播產(chǎn)生了顯著影響，但是對(duì)其影響特征還未進(jìn)行深入討論[7]。本文延續(xù)該研究，以2020年初全球首先受到COVID-19重創(chuàng)的武漢為例，基于空間異質(zhì)性視角構(gòu)建最小二乘模型（OLS, Ordinary Least Squares）和地理加權(quán)回歸模型（GWR, Geographically Weighted Regression）進(jìn)一步對(duì)城市各區(qū)域路網(wǎng)密度、道路可達(dá)性、軌道交通站點(diǎn)分布以及公交站點(diǎn)分布等4個(gè)典型交通驅(qū)動(dòng)因素對(duì)于疫情傳播的影響特征進(jìn)行深究，以期為該類(lèi)傳染病防控中的交通策略制定提供參考。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)域概況

武漢作為華中中心城市和中國(guó)重要的綜合性交通樞紐，全市常住人口約1121.2萬(wàn)人。武漢是全球最早通報(bào)疫情，也是中國(guó)唯一受到疫情嚴(yán)重沖擊的特大城市，累計(jì)確診病例超過(guò)5萬(wàn)例。當(dāng)時(shí)人類(lèi)面對(duì)未知病毒疏于防范，使得在較長(zhǎng)時(shí)期內(nèi)病毒處于自由擴(kuò)散的狀態(tài)，因此武漢是研究城市交通對(duì)于疫情傳播影響特征的最適宜對(duì)象。

本文的研究區(qū)域?yàn)榻丁⒔瓭h、硚口、漢陽(yáng)、武昌、洪山、青山等7個(gè)武漢傳統(tǒng)中心城區(qū)（圖1），去除江河、湖泊等水域后面積共計(jì)約804km2，是武漢人口分布最為密集的區(qū)域。

圖1 武漢中心城區(qū)行政區(qū)劃

1.2 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)包括武漢7個(gè)中心城區(qū)的街道區(qū)劃矢量數(shù)據(jù)、道路網(wǎng)絡(luò)矢量數(shù)據(jù)、軌道交通站點(diǎn)POI數(shù)據(jù)以及公交站點(diǎn)POI數(shù)據(jù)等，此外還爬取中國(guó)疾病預(yù)防控制中心和騰訊集團(tuán)聯(lián)合發(fā)布的感染病例實(shí)時(shí)分布地圖，匯總了截至2020年2月15日武漢市內(nèi)3,397個(gè)居住區(qū)內(nèi)的25,244個(gè)確診病例數(shù)據(jù)。當(dāng)時(shí)武漢已處于疫情爆發(fā)的后期，累計(jì)確診病例達(dá)到了37,914例，占武漢2020年全年確診人數(shù)的75.29%。本文的數(shù)據(jù)有效匯總率為66.58%，感染病例分布數(shù)據(jù)存在部分缺失主要是疫情初期武漢市部分街道和社區(qū)統(tǒng)計(jì)的混亂和不及時(shí)所致，但是本文已基本匯總了當(dāng)時(shí)官方平臺(tái)所通報(bào)的全部病例，其樣本量較為充足，數(shù)據(jù)的全面性可以有效支撐本次研究。

雖然本文數(shù)據(jù)匯總的截止日期距離武漢封城以及由此導(dǎo)致的市內(nèi)交通停擺已達(dá)到24天，但是由于疫情爆發(fā)初期檢測(cè)手段的嚴(yán)重滯后以及COVID-19感染后存在較長(zhǎng)的潛伏期，由此本文的研究病例絕大多數(shù)依然為2020年1月23日武漢封城前市內(nèi)交通正常運(yùn)行且人口自由流動(dòng)狀態(tài)下被感染的，其完全可以被用于分析城市正常運(yùn)轉(zhuǎn)狀態(tài)下各類(lèi)交通驅(qū)動(dòng)因素對(duì)于疫情傳播的影響問(wèn)題。

根據(jù)武漢市確診病例核密度分布圖（圖2）可知武漢高密度感染區(qū)呈塊狀分散分布，其中位于江漢區(qū)的華南海鮮批發(fā)市場(chǎng)周邊感染密度最高，而該市場(chǎng)正是全球首先發(fā)現(xiàn)疫情之地。其他如光谷、徐東、沌口、鐘家村、王家灣和中南路等交通便捷且人口流動(dòng)性較大的城市中心地段感染密度也同樣較高，整體而言當(dāng)時(shí)武漢的疫情呈現(xiàn)出典型的社區(qū)傳播狀態(tài)[15]。

圖2 武漢確診病例核密度分布

街道作為中國(guó)基層行政單元，具有一定的功能完整性和交通一體性，因此本文將研究區(qū)域進(jìn)一步細(xì)分為93個(gè)街道，該劃分方式較之于常見(jiàn)的網(wǎng)格劃分法能夠更好保證每一個(gè)基本研究單元人口結(jié)構(gòu)平衡，從而有效提高所求得數(shù)據(jù)的準(zhǔn)確性與穩(wěn)定性[8]?；贏rcGIS10.7將疫情數(shù)據(jù)進(jìn)行處理，可得出反映各街道感染人數(shù)與其占地面積之比的COVID-19感染密度分布圖（圖3），由此可見(jiàn)具備更便捷交通條件的城市中心區(qū)域感染密度較之城市外圍區(qū)域更高。

圖3 武漢COVID-19感染密度分布

1.3 交通驅(qū)動(dòng)因素的選取與處理

本文選取武漢中心城區(qū)93個(gè)街道的路網(wǎng)密度（圖4）、道路可達(dá)性（圖5）、軌道交通站點(diǎn)分布（圖6）和公交站點(diǎn)分布（圖7）等四個(gè)交通驅(qū)動(dòng)因素作為研究變量。

圖4 a 武漢城市路網(wǎng)核密度分布

圖4 b 武漢各街道路網(wǎng)密度Dk分布

圖5 a 武漢道路可達(dá)性計(jì)算示意

圖5 b 武漢各街道道路綜合可達(dá)性Ak分布

圖6 b 武漢各街道軌道交通站點(diǎn)覆蓋度Bk分布

圖6 a 武漢軌道交通站點(diǎn)緩沖區(qū)分布

圖7 b 武漢各街道公交站點(diǎn)分布密度Sk分布

圖7 a 武漢公交站點(diǎn)核密度分布

（1）路網(wǎng)密度

路網(wǎng)密度反映某區(qū)域的道路密集程度，路網(wǎng)密度值越高表示該區(qū)域居民出行時(shí)享有道路資源越多。本文各街道路網(wǎng)密度值Dk的計(jì)算公式如下：

其中l(wèi)k表示該街道的道路總長(zhǎng)度，ak表示該街道的占地面積。

（2）道路可達(dá)性

道路可達(dá)性反映城市居民機(jī)動(dòng)出行的便捷程度。本文對(duì)武漢不同等級(jí)道路賦予不同的車(chē)輛行駛速度，其中繞城高速100km/h，快速路80km/h，主干道60km/h，次干道40km/h，支路以及各類(lèi)小路20km/h。然后基于ArcGIS10.7對(duì)武漢的城市道路進(jìn)行網(wǎng)絡(luò)分析，首先以城市中的全部道路交叉口為節(jié)點(diǎn)進(jìn)行時(shí)間成本的OD矩陣計(jì)算[16，17]，然后求得該街道的道路綜合可達(dá)性值A(chǔ)k，其計(jì)算公式如下：

其中Tij為城市中i、j兩點(diǎn)間的時(shí)間成本，dij為i、j兩點(diǎn)間的距離成本，vij為i、j兩點(diǎn)間的平均速度，Ai為i點(diǎn)處的單點(diǎn)可達(dá)性值，n為該街道所包含的道路交叉口節(jié)點(diǎn)數(shù)量。

（3）軌道交通站點(diǎn)分布

軌道交通多位于城市的地下封閉空間，單車(chē)客運(yùn)量較大，人流的聚集程度很高，可能容易導(dǎo)致疫情的快速傳播。此外軌道交通主要承擔(dān)了城市的遠(yuǎn)距離跨區(qū)域客運(yùn)，表現(xiàn)出的是“出行距離導(dǎo)向”，即乘客選擇軌道交通出行主要在于出行距離的考慮，某一站點(diǎn)的客流量主要取決于該站點(diǎn)輻射范圍內(nèi)有相關(guān)出行需求的居民數(shù)量。一般而言城市中距離軌道交通站點(diǎn)500m范圍內(nèi)的住房被稱(chēng)為“地鐵房”，而1000m范圍內(nèi)的住房則被稱(chēng)為“準(zhǔn)地鐵房”[15]，原因在于距離軌道交通站點(diǎn)500～700m，即10min以?xún)?nèi)的步行距離較容易被乘客所接受[18]，而Wibowo等在對(duì)于新加坡案例的研究中發(fā)現(xiàn)90%的乘客最大可承受步行距離約為1000m[19]，且Hyungun Sung等發(fā)現(xiàn)距離軌道交通站點(diǎn)500m以?xún)?nèi)的客流量約為距離站點(diǎn)500～1000m范圍內(nèi)客流量的2倍[20]。由此本文考慮“地鐵房”和“準(zhǔn)地鐵房”內(nèi)居民出行受到軌道交通站點(diǎn)影響較大，從而以研究區(qū)域內(nèi)的全部軌道交通站點(diǎn)為中心設(shè)置雙重緩沖區(qū)，第一重為500m緩沖區(qū)，第二重為1000m緩沖區(qū)，賦予500m緩沖區(qū)雙倍于1000m緩沖區(qū)的面積權(quán)重，然后計(jì)算每個(gè)街道的雙重緩沖區(qū)加權(quán)面積之和，并將其與街道占地面積的比值定義為該街道的軌道交通站點(diǎn)覆蓋度Bk。該指標(biāo)可反映武漢居民乘坐軌道交通出行的便捷程度，其計(jì)算公式如下：

其中ak為該街道的占地面積，ci-500為該街道中第i個(gè)軌道交通站點(diǎn)周邊500m緩沖區(qū)面積，ci-1000為該街道中第i個(gè)軌道交通站點(diǎn)周邊1000m緩沖區(qū)面積。

（4）公交站點(diǎn)分布

城市公交雖然與軌道交通同為城市中最為常規(guī)的公共交通工具，但是兩者在運(yùn)輸距離、客流強(qiáng)度和空間封閉程度等方面均存在顯著差別，這也使得兩種交通工具對(duì)于疫情傳播可能具有不同的影響特征，因此城市公交與軌道交通應(yīng)當(dāng)作為不同的影響因素被予以分開(kāi)考慮。城市公交出行以短程或軌道交通覆蓋盲區(qū)為主，表現(xiàn)為“線路選擇導(dǎo)向”，即乘客選擇城市公交出行主要在于該公交線路契合自己的出行需求，公交線路豐富的站點(diǎn)可能吸引更多的乘客[21，22]，由此本文對(duì)公交站點(diǎn)本身的分布密度以及每個(gè)站點(diǎn)的公交線路數(shù)量進(jìn)行了疊加考慮，計(jì)算城市各街道單位面積內(nèi)每個(gè)公交站點(diǎn)的公交線路數(shù)量之和，并將其值定義為該街道的公交站點(diǎn)分布密度Sk，其指標(biāo)可反映武漢居民乘坐公交出行的便捷程度。計(jì)算公式如下：

其中Ri為該街道內(nèi)經(jīng)過(guò)第i個(gè)公交站點(diǎn)的公交線路數(shù)量，ak為該街道的占地面積。

1.4 研究方法

本文采用OLS模型和GWR模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)以分析上文所述的路網(wǎng)密度、道路可達(dá)性、軌道交通站點(diǎn)分布和公交站點(diǎn)分布等4個(gè)交通驅(qū)動(dòng)因素對(duì)于武漢疫情傳播的影響特征。其中OLS模型主要用于分析單一因變量和多個(gè)自變量之間的關(guān)聯(lián)問(wèn)題，該模型能夠?qū)?shù)進(jìn)行平均或全局意義上的估計(jì)，并基于估計(jì)結(jié)果進(jìn)行因子篩選。而GWR模型則是Brunsdon等人對(duì)OLS模型的延伸[23]，其能夠?qū)⒆宰兞堪l(fā)生點(diǎn)的空間位置加入回歸參數(shù)中，使得變量間的關(guān)系也跟隨空間位置的變化而改變，并以每個(gè)樣本空間位置間的衰減函數(shù)為權(quán)重進(jìn)行回歸分析，然后賦予不同樣本以相應(yīng)的權(quán)重，從而能有效處理空間相關(guān)性和空間異質(zhì)性問(wèn)題[24，25]。在本文中由于路網(wǎng)密度、道路可達(dá)性、軌道交通站點(diǎn)分布和公交站點(diǎn)分布等自變量和作為因變量的感染密度均是以坐標(biāo)數(shù)據(jù)的形式呈現(xiàn)并由此具有一定的空間屬性，因此應(yīng)用GWR模型能夠更好的進(jìn)行變量空間異質(zhì)性的線性回歸分析。但由于GWR模型對(duì)變量間多重共線性較為敏感，使得其選用的變量不宜過(guò)多，所以常在進(jìn)行GWR分析前首先采用OLS模型進(jìn)行回歸分析，以剔除干擾因子，從而確保GWR模型分析的準(zhǔn)確性[26]。

OLS模型和GWR模型的表達(dá)式分別如下式（7）和（8）所示：

其中yi為第i個(gè)樣本的因變量，β0為線性回歸方程的截距，βk為第k個(gè)自變量的回歸系數(shù)，xik為第k個(gè)自變量在i上的取值，εi為算法殘差。

其中β0(Ui，Vi)為(Ui，Vi)空間位置的GWR截距，βk(Ui，Vi)為第k個(gè)自變量在(Ui，Vi)空間位置上的加權(quán)回歸系數(shù)，xik(Ui，Vi)為第k個(gè)自變量在(Ui，Vi)上的取值，εi為算法殘差。

GWR模型的關(guān)鍵在于空間權(quán)重矩陣的設(shè)置，本文基于ArcGIS10.7選擇高斯函數(shù)作為GWR模型分析的核函數(shù)，核函數(shù)類(lèi)型為固定型，其表達(dá)式為：

其中dij為樣本i和樣本j的空間距離，h為最優(yōu)帶寬。GWR模型對(duì)于帶寬的選擇較為敏感，帶寬過(guò)大或過(guò)小都可能對(duì)模型擬合精度產(chǎn)生影響。由此基于ArcGIS分析平臺(tái)，選擇赤池信息量準(zhǔn)則（Akaile Information Criterion，AIC）法確定最優(yōu)帶寬，當(dāng)模型的AICc 值最小時(shí)即可確定最優(yōu)帶寬[27]。

2 結(jié)果分析

2.1 空間相關(guān)性驗(yàn)證

通過(guò)空間相關(guān)性全局統(tǒng)計(jì)分析以及相應(yīng)的局部統(tǒng)計(jì)分析，本文對(duì)武漢COVID-19分布的空間相關(guān)性以及集聚程度進(jìn)行了檢驗(yàn)[24，28]。

空間相關(guān)性全局統(tǒng)計(jì)分析包括空間自相關(guān)性分析與高/低聚類(lèi)分析，其結(jié)果（表1）拒絕了武漢各街道的感染密度不具有空間相關(guān)性的假設(shè)。在空間自相關(guān)性分析中，全局莫蘭指數(shù)為0.375，表明武漢各街道的感染密度存在空間正相關(guān)，而高/低聚類(lèi)分析的z值為4.389則表明該空間相關(guān)性在感染比例較高的區(qū)域更為明顯。

表1 武漢疫情分布的空間相關(guān)性全局統(tǒng)計(jì)結(jié)果

在局部統(tǒng)計(jì)分析中，首先通過(guò)局部莫蘭指數(shù)分析（圖8）武漢中心城區(qū)各街道存在的感染密度高—高集聚、低—高異常和低—低集聚等3種類(lèi)型。其中高—高集聚主要出現(xiàn)在漢口、武昌、漢陽(yáng)的臨江核心地帶，該地區(qū)為武漢傳統(tǒng)中心城區(qū)，人口分布密集且各類(lèi)交通設(shè)施發(fā)達(dá)；低—低集聚出現(xiàn)在武漢東北部，主要分布鋼鐵、化工等重型工業(yè)企業(yè)，區(qū)域內(nèi)社會(huì)生活自成體系，居民跨區(qū)域出行需求較低，且遠(yuǎn)離武漢中心城區(qū)，對(duì)外交通較為不便；低—高異常則主要出現(xiàn)在武漢二環(huán)線以?xún)?nèi)的地區(qū)，且與高—高集聚交錯(cuò)分布，該地區(qū)同樣為武漢市人口較多且交通較為便利的區(qū)域。此外進(jìn)一步利用熱點(diǎn)分析對(duì)統(tǒng)計(jì)顯著性高值區(qū)域和低值區(qū)域分別進(jìn)行空間聚類(lèi)識(shí)別，從而驗(yàn)證了前文所述的各街道感染密度分布特征（圖9）。以上驗(yàn)證結(jié)果僅能說(shuō)明在武漢城市中心區(qū)域COVID-19感染密度的空間相關(guān)性更為顯著，但是不同交通驅(qū)動(dòng)因素對(duì)于疫情傳播的具體影響特征尚無(wú)法明確，對(duì)此本文進(jìn)一步引入OLS模型和GWR模型對(duì)該問(wèn)題進(jìn)行分析。

圖8 武漢疫情分布的局部莫蘭指數(shù)分析

圖9 武漢疫情分布的熱點(diǎn)分析

2.2 OLS模型分析

為了減少變量間多重共線性對(duì)GWR模型帶來(lái)的影響，首先利用OLS模型進(jìn)行整體線性回歸擬合分析，以獲得較為準(zhǔn)確的變量組合。將變量的數(shù)據(jù)標(biāo)準(zhǔn)化后，OLS模型分析結(jié)果如表2所示，作為城市交通驅(qū)動(dòng)因素的各變量VIF值均低于7.5，因此變量不存在冗余現(xiàn)象。各變量中道路綜合可達(dá)性值A(chǔ)k、軌道交通站點(diǎn)覆蓋度值Bk以及公交站點(diǎn)分布密度值Sk通過(guò)了穩(wěn)健p值≤0.05的顯著性檢驗(yàn)。其中公交站點(diǎn)分布密度與軌道交通站點(diǎn)覆蓋度的回歸系數(shù)為正值，尤其軌道交通站點(diǎn)覆蓋度的回歸系數(shù)值達(dá)到了7.998，是各有效變量中的最高值，也說(shuō)明在本文所述的各類(lèi)交通驅(qū)動(dòng)因素中軌道交通站點(diǎn)分布對(duì)于武漢COVID-19分布的影響最大。此外道路綜合可達(dá)性的回歸系數(shù)為負(fù)值，而路網(wǎng)密度作為變量之一未能通過(guò)顯著性檢驗(yàn)，說(shuō)明其與疫情分布之間的關(guān)聯(lián)性較弱，如繼續(xù)使用GWR模型進(jìn)行分析可能會(huì)導(dǎo)致不可知的錯(cuò)誤產(chǎn)生，故為了降低GWR模型的復(fù)雜度，之后的GWR模型分析中將該變量予以排除。

表2 武漢疫情分布的OLS模型分析結(jié)果

為了比較OLS模型和GWR模型的分析有效度，本文將對(duì)這兩個(gè)模型的調(diào)整R2和赤池信息準(zhǔn)則進(jìn)行對(duì)比。在OLS診斷中R2值為0.359，而調(diào)整后的R2值為0.331，表示OLS模型能夠擬合和解釋因變量總變異的約33.1%，此外在ArcGIS10.7中基于高斯函數(shù)以及交叉驗(yàn)證法確定OLS模型的最優(yōu)帶寬后AICc值為1054.49。上述診斷結(jié)果可與下文的GWR模型進(jìn)行分析有效度對(duì)比。

2.3 GWR模型分析

基于上述的OLS模型分析結(jié)果，在GWR模型分析時(shí)將道路密度因素剔除。在對(duì)于影響武漢各街道感染密度的交通驅(qū)動(dòng)因素識(shí)別中GWR模型具有更高的穩(wěn)定性，其R2值為0.631，較之于OLS模型的R2值提高了75.77%。此外本文中GWR模型的AICc值為1049.45，較之于OLS模型的AICc值減小了5.04，而一般情況下AICc值減小3.00即可認(rèn)為該模型的分析有效度顯著提升[29]。由此可見(jiàn)GWR模型較之于OLS模型分析有效度更高，因此下文將基于GWR模型分析各交通驅(qū)動(dòng)因素對(duì)于武漢COVID-19傳播的影響特征。

在GWR模型中標(biāo)準(zhǔn)化殘差以隨機(jī)分布為宜，可據(jù)此判斷模型有效性。根據(jù)標(biāo)準(zhǔn)化殘差分布可知（圖10），武漢各街道僅有鋼花村街道一處標(biāo)準(zhǔn)化殘差大于2.5倍標(biāo)準(zhǔn)化殘差，表明該街道可能存在數(shù)據(jù)偏差，但相比于全部的93個(gè)研究單元，該誤差對(duì)整體不產(chǎn)生較大影響，即通過(guò)殘差檢驗(yàn)。此外基于莫蘭指數(shù)的模型擴(kuò)展檢驗(yàn)（表3）顯示該GWR模型的標(biāo)準(zhǔn)化殘差置信度大于99%，不存在空間集聚或離散，基本符合隨機(jī)分布的特征。

表3 GWR模型的標(biāo)準(zhǔn)化殘差莫蘭指數(shù)檢驗(yàn)

圖10 GWR模型的標(biāo)準(zhǔn)化殘差分布

在剔除了作為前文所述干擾因素的城市路網(wǎng)密度Dk后，城市道路綜合可達(dá)性Ak、軌道交通站點(diǎn)覆蓋度Bk以及公交站點(diǎn)分布密度Sk的回歸系數(shù)如表4所示，可知在地理加權(quán)回歸分析中武漢各街道的軌道交通站點(diǎn)覆蓋度以及公交站點(diǎn)分布密度依然與其感染密度呈現(xiàn)正相關(guān)，而道路綜合可達(dá)性則繼續(xù)與感染密度負(fù)相關(guān)。由此可見(jiàn)地鐵、公交等城市公共交通明顯加劇了疫情的傳播，尤其軌道交通站點(diǎn)覆蓋度這一指標(biāo)在GWR模型中的回歸系數(shù)高達(dá)7.464，說(shuō)明其與COVID-19的傳播具有極強(qiáng)相關(guān)性。軌道交通的人流量明顯大于城市公交，也因此其更易導(dǎo)致病毒的快速傳播[30]，這也是武漢軌道交通與疫情分布的相關(guān)性較之于城市公交更強(qiáng)的主要原因。道路綜合可達(dá)性作為影響疫情分布的另一個(gè)驅(qū)動(dòng)因素主要反映了城市居民機(jī)動(dòng)出行的便捷程度，在GWR模型中武漢的道路綜合可達(dá)性與感染密度呈現(xiàn)負(fù)相關(guān)，這說(shuō)明采用非公共交通的方式機(jī)動(dòng)出行大幅度減少了人群之間的接觸，因此疫情的傳播有所減緩。

表4 GWR模型分析結(jié)果

武漢各街道公交站點(diǎn)分布密度的GWR回歸系數(shù)分布如圖11所示，可見(jiàn)回歸系數(shù)值呈現(xiàn)“南北高中間低”的態(tài)勢(shì)，城市最為核心區(qū)域的回歸系數(shù)值明顯較低，而回歸系數(shù)值最低處則出現(xiàn)在遠(yuǎn)離長(zhǎng)江主軸的城市遠(yuǎn)郊地帶。較之于城市中心，武漢南、北兩大區(qū)域的軌道交通覆蓋度較低，僅部分郊區(qū)線路能夠通達(dá)，如位于武昌南部的7號(hào)線、位于漢陽(yáng)南部的6號(hào)線以及位于漢口東北部的陽(yáng)邏線等。這兩大區(qū)域在軌道交通線路稀缺的同時(shí)居住卻較為密集，武昌南部的白沙洲片區(qū)和南湖片區(qū)、武昌北部的青山片區(qū)、漢陽(yáng)南部的四新片區(qū)以及漢口東北部的后湖片區(qū)等都是武漢規(guī)模較大的集中性居住區(qū)域，因此居民的公共交通出行多數(shù)僅能依靠城市公交，從而導(dǎo)致了這兩大區(qū)域的疫情傳播可能與公交站點(diǎn)分布有著較為密切關(guān)系。反之武漢城市中心區(qū)域軌道交通網(wǎng)絡(luò)已經(jīng)成熟，居民出行可以較多依賴(lài)于軌道交通，因此公交站點(diǎn)分布對(duì)于疫情傳播的影響偏弱，而遠(yuǎn)離長(zhǎng)江主軸的城市遠(yuǎn)郊地帶人口居住分散且城市公交線路稀少，此類(lèi)區(qū)域的公交站點(diǎn)分布顯然無(wú)法對(duì)疫情傳播造成有效影響。由以上分析可知武漢軌道交通覆蓋尚未完善的區(qū)域城市公交對(duì)于疫情傳播有著更為明顯的影響，而在軌道交通覆蓋已完善的中心城區(qū)城市公交對(duì)于疫情傳播的影響程度則明顯減弱。

圖11 武漢各街道GWR回歸系數(shù)（公交站點(diǎn)分布密度）分布

武漢各街道軌道交通站點(diǎn)覆蓋度的GWR回歸系數(shù)分布如圖12所示，可見(jiàn)回歸系數(shù)值較高的區(qū)域正好位于城市中心，并由西北向東南呈帶狀分布，而回歸系數(shù)值最低的區(qū)域則是位于武昌北部的青山區(qū)。武漢中心城區(qū)軌道交通線網(wǎng)密集且客流量大，其中作為武漢城市主動(dòng)脈的2號(hào)線自西向東幾乎貫穿了全部回歸系數(shù)高值區(qū)域，該線路單日客運(yùn)量長(zhǎng)期超過(guò)100萬(wàn)人次，遠(yuǎn)高于武漢其他任何線路，武漢大量高校、商圈、金融中心、客運(yùn)樞紐以及高新產(chǎn)業(yè)園區(qū)等皆由2號(hào)線所串聯(lián)，也由此形成了疫情期間橫貫武漢東西的“感染橋梁”。2號(hào)線是武昌中心城區(qū)唯一的東西向軌道交通線路，該路段的客流強(qiáng)度長(zhǎng)期居于整個(gè)2號(hào)線的最高位，這導(dǎo)致了其周邊區(qū)域的回歸系數(shù)值更高。武昌GWR回歸系數(shù)值最高的區(qū)域?yàn)槲洳闹心喜康貐^(qū)，而這一區(qū)域正是2號(hào)線與7號(hào)線、4號(hào)線的換乘區(qū)域，2、4、7號(hào)線是武昌客流量最大的3條線路，且該區(qū)域也是武昌軌道交通站點(diǎn)分布最為密集的地區(qū)。此外1號(hào)線、3號(hào)線等其他客流大線周邊的回歸系數(shù)值也較高，而回歸系數(shù)值最低的青山區(qū)尚未運(yùn)行任何軌道交通線路，且該行政區(qū)內(nèi)就地置業(yè)的工業(yè)人口居多，跨區(qū)域通勤需求量不大，從而導(dǎo)致軌道交通對(duì)于疫情傳播的影響不明顯。由以上分析可知武漢軌道交通在線網(wǎng)密集的情況下對(duì)于疫情傳播可造成極為顯著的影響，甚至易于由此形成疫情傳播的“高速走廊”。

圖12 武漢各街道GWR回歸系數(shù)（軌道交通站點(diǎn)覆蓋度）分布

武漢各街道道路綜合可達(dá)性的GWR回歸系數(shù)分布如圖13所示，研究區(qū)域內(nèi)全部93個(gè)街道的回歸系數(shù)皆為負(fù)數(shù)，說(shuō)明各街道的道路綜合可達(dá)性均與疫情傳播負(fù)相關(guān)。圖中回歸系數(shù)的絕對(duì)值呈現(xiàn)北高南低態(tài)勢(shì)，說(shuō)明武漢南部區(qū)域道路可達(dá)性對(duì)于疫情傳播的影響更小，其主要包括武昌東湖、沙湖以南的大部分地區(qū)以及漢陽(yáng)的部分地區(qū)，武漢的大中專(zhuān)院校及高新技術(shù)企業(yè)多聚集于此，因此人口結(jié)構(gòu)較之于武漢北部地區(qū)更為年輕化且外來(lái)人口更多。COVID-19疫情爆發(fā)后武漢于2020年1月23日正式封城，此時(shí)臨近中國(guó)傳統(tǒng)春節(jié)，絕大多數(shù)大學(xué)生和外來(lái)人口均已返鄉(xiāng)，導(dǎo)致武漢南部區(qū)域感染密度的統(tǒng)計(jì)數(shù)據(jù)可能略偏小。此外大學(xué)生及外來(lái)人口的汽車(chē)保有率明顯不及武漢當(dāng)?shù)鼐用?，該?lèi)人群日常出行只能以公共交通為主，所居住區(qū)域的道路通達(dá)情況難以影響其對(duì)于出行方式的選擇，這進(jìn)而導(dǎo)致該區(qū)域道路可達(dá)性對(duì)于疫情傳播的影響程度也有所減弱。而武漢北部如漢口、青山等地多為當(dāng)?shù)鼐用瘢虼说缆房蛇_(dá)性對(duì)于疫情傳播有著更為明顯的影響。由以上分析可知武漢各區(qū)域的道路可達(dá)性對(duì)于疫情傳播有一定程度的負(fù)向影響，但是在人群過(guò)于依賴(lài)公共交通的區(qū)域道路可達(dá)性對(duì)疫情傳播所形成的影響可能并不顯著。

圖13 武漢各街道GWR回歸系數(shù)（道路綜合可達(dá)性）分布

3 結(jié)論與建議

3.1 結(jié)論

基于上述以湖北省武漢市為例的研究，本文認(rèn)為城市交通對(duì)于疫情傳播可能存在如下影響特征如下：

（1）在城市各區(qū)域的路網(wǎng)密度、道路可達(dá)性、軌道交通站點(diǎn)分布以及公交站點(diǎn)分布等4個(gè)典型交通驅(qū)動(dòng)因素中，路網(wǎng)密度因素對(duì)于疫情傳播的影響最不顯著，而道路可達(dá)性、軌道交通站點(diǎn)分布以及公交站點(diǎn)分布等3個(gè)驅(qū)動(dòng)因素均可能對(duì)于疫情傳播造成影響，其中軌道交通站點(diǎn)分布和公交站點(diǎn)分布與疫情傳播正相關(guān)，而道路可達(dá)性與疫情傳播負(fù)相關(guān)。

（2）軌道交通站點(diǎn)分布因素與疫情傳播之間存在顯著的正相關(guān)性，部分客流量大的線路甚至可能成為疫情傳播的“高速走廊”。公交站點(diǎn)分布因素與疫情傳播之間也存在一定的正相關(guān)性，但是相關(guān)度低于軌道交通站點(diǎn)分布因素，此外在軌道交通覆蓋尚未完善的區(qū)域公交站點(diǎn)分布對(duì)于疫情傳播有著更為明顯的影響，但是在軌道交通覆蓋完善的區(qū)域其影響程度則明顯減弱。

（3）道路可達(dá)性因素與疫情傳播之間存在負(fù)相關(guān)性，但是在人群過(guò)于依賴(lài)公共交通出行的區(qū)域道路可達(dá)性對(duì)疫情傳播所造成的影響可能并不顯著。

3.2 交通優(yōu)化建議

基于本文結(jié)論，人口聚集型城市可構(gòu)建有效的城市交通“平疫轉(zhuǎn)換”體系，并基于此加強(qiáng)城市的韌性交通建設(shè)，以作為應(yīng)對(duì)如COVID-19等呼吸道傳染病的交通優(yōu)化措施[31]。

如前文所述，軌道交通對(duì)于疫情傳播的正向作用最為顯著，其次為城市公交，而由于道路可達(dá)性對(duì)于疫情傳播存在負(fù)向作用，這表明自駕車(chē)出行可有效延緩疫情的傳播速度。雖然高強(qiáng)度的公共交通出行總體上并不利于疫情防控，但是人口的聚集與流動(dòng)本是城市繁榮的標(biāo)志，而完善且高效的公共交通體系則是現(xiàn)代城市運(yùn)轉(zhuǎn)的有利保障，因此不應(yīng)“因噎廢食”，由此便機(jī)械性限制城市公共交通發(fā)展并迫使人群采取更高能耗的自駕車(chē)方式出行。正所謂“潤(rùn)物細(xì)無(wú)聲”，完善的秩序往往建立于未覺(jué)之處，城市交通“平疫轉(zhuǎn)換”體系的構(gòu)建亦是為了對(duì)疫情防控期間的居民出行施以柔性引導(dǎo)。

對(duì)此在城市交通規(guī)劃中可制定應(yīng)對(duì)疫情的分級(jí)預(yù)案，根據(jù)整個(gè)城市或城市中特定區(qū)域的疫情風(fēng)險(xiǎn)級(jí)別將交通運(yùn)行劃分為軌道交通出行限制、公共交通出行限制（進(jìn)一步包含公交、輪渡等出行限制）、機(jī)動(dòng)車(chē)出行限制（進(jìn)一步包含自駕車(chē)出行限制）、車(chē)輛出行限制（進(jìn)一步包含非機(jī)動(dòng)車(chē)出行限制）和完全出行限制等由高至低的不同限制等級(jí)。通過(guò)制定不同限制等級(jí)的相應(yīng)預(yù)案，當(dāng)其中某一項(xiàng)限制等級(jí)觸發(fā)時(shí)，城市能夠在這一區(qū)域內(nèi)立即啟動(dòng)以次一等級(jí)出行方式為主的交通補(bǔ)償措施，從而在未來(lái)分區(qū)、分級(jí)、精準(zhǔn)開(kāi)展疫情常態(tài)化防控的指導(dǎo)思想下盡可能兼顧城市的有效運(yùn)轉(zhuǎn)以及居民的正常生活。完成該分級(jí)預(yù)案的核心在于城市不同區(qū)域出行方式的脆弱性識(shí)別，對(duì)此需進(jìn)一步抽樣統(tǒng)計(jì)城市各區(qū)域居民的日常出行方式、出行路線與出行距離，由此判定對(duì)每一等級(jí)出行方式存在剛性依賴(lài)的人群比例及其主要流動(dòng)方向，從而得以對(duì)特定出行方式存在較高脆弱度的區(qū)域提前制定補(bǔ)償措施，如向受到軌道交通出行限制影響較大的區(qū)域調(diào)度定向接駁公交，向受到公共交通出行限制影響較大的區(qū)域科學(xué)分配私家車(chē)路權(quán)，向受到機(jī)動(dòng)出行限制影響較大的區(qū)域調(diào)度額外的共享單車(chē)等非機(jī)動(dòng)交通工具，以及向受到車(chē)輛出行限制影響較大的區(qū)域開(kāi)放更多的步行路權(quán)等，最終在疫情發(fā)生之時(shí)實(shí)現(xiàn)“空間換時(shí)間”的防疫效果，延緩病毒傳播的速度。以上工作也是城市韌性交通體系建設(shè)的重要組成部分。

除此之外應(yīng)當(dāng)高度重視城市慢行交通體系的建設(shè)，盡可能將“城市綠道”模式從臨水、臨山、臨田等風(fēng)景區(qū)引向城市內(nèi)部，并使其成為城市交通體系的一部分，以引導(dǎo)更多居民采取非機(jī)動(dòng)形式健康出行，從而在疫情發(fā)生之時(shí)能夠更高效完成平疫轉(zhuǎn)換。當(dāng)前還應(yīng)以交通大數(shù)據(jù)助力于城市的智能化管理，在交通運(yùn)行中不僅著眼于現(xiàn)狀監(jiān)測(cè)，更應(yīng)強(qiáng)調(diào)動(dòng)態(tài)預(yù)警，利用流動(dòng)數(shù)據(jù)甄別高風(fēng)險(xiǎn)的區(qū)域與人員，據(jù)此指導(dǎo)城市交通防疫策略的制定。

圖、表來(lái)源

圖1～13：均為作者根據(jù)數(shù)據(jù)結(jié)果繪制。表1～4：作者基于分析結(jié)果整理繪制。