考慮空間異質(zhì)性的短距離出行方式選擇研究

何明衛(wèi),肖明陽(yáng),何 民,石莊彬,劉 陽(yáng)

(昆明理工大學(xué) 交通工程學(xué)院,云南 昆明 650500)

0 引 言

城市居民小汽車(chē)使用率的不斷增長(zhǎng)引發(fā)了交通擁堵、環(huán)境污染、能源消耗等一系列問(wèn)題,嚴(yán)重影響到城市生活效率和質(zhì)量[1]。在城市居民出行中,短距離出行占有較大比重。昆明市居民出行調(diào)查結(jié)果顯示,59.0 %的居民出行在4 km以內(nèi),且4 km以內(nèi)的小汽車(chē)出行占小汽車(chē)出行總量的34.5%[2]。與中長(zhǎng)距離出行相比,小汽車(chē)的短距離出行更有可能被騎行或步行等方式取代。因此,探究城市居民短距離出行方式選擇的機(jī)理,進(jìn)而引導(dǎo)短距離出行方式由小汽車(chē)向慢行交通轉(zhuǎn)移,已成為城市交通研究者和管理者需重點(diǎn)關(guān)注的問(wèn)題。

目前,國(guó)內(nèi)外學(xué)者針對(duì)短距離出行中的小汽車(chē)使用已經(jīng)開(kāi)展了相關(guān)研究。例如:S.KIM等[3]發(fā)現(xiàn),攜帶孩子或重物會(huì)增加小汽車(chē)在短距離出行中的使用,友好的騎行街道設(shè)計(jì)和步行環(huán)境會(huì)使更多的短距離出行者傾向于慢行交通;R.COLE等[4]通過(guò)對(duì)昆士蘭的短距離出行情況調(diào)查發(fā)現(xiàn),7%的短距離小汽車(chē)出行均可采用步行代替,中老年人、女性及有孩子的出行者更傾向于采用小汽車(chē)出行;黎明等[5]以北京市為例,對(duì)比分析不同出行環(huán)境的小區(qū)居民短距離出行特征、小汽車(chē)出行方式選擇影響因素,以及不同出行目的情況下居民出行方式轉(zhuǎn)換意愿;舒詩(shī)楠等[6]基于多指標(biāo)多因果模型,論述了短距離出行中小汽車(chē)出行向自行車(chē)出行轉(zhuǎn)移的可能性。

然而,現(xiàn)有文獻(xiàn)在探討短距離出行方式選擇的影響時(shí),較少有學(xué)者考慮出行方式選擇的異質(zhì)空間效應(yīng)。事實(shí)上,這種異質(zhì)空間效應(yīng)很可能會(huì)違反全局模型中的空間平穩(wěn)性假設(shè),忽略居民出行行為的空間異質(zhì)性,可能會(huì)導(dǎo)致模型結(jié)果有誤,所得到的政策啟示可能僅在部分地區(qū)有效[7,8]。鑒于此,筆者以昆明市為案例,采用2016年昆明市居民出行調(diào)查數(shù)據(jù),基于地理加權(quán)邏輯回歸模型(geographically weighted logistic regression, GWLR)探究短距離出行中小汽車(chē)與慢行交通方式的選擇行為和建成環(huán)境的關(guān)系及其空間異質(zhì)性特征,從而提供科學(xué)且具有針對(duì)性的交通政策建議,引導(dǎo)居民短距離出行中的小汽車(chē)使用向慢行交通進(jìn)行轉(zhuǎn)移,進(jìn)而緩解由機(jī)動(dòng)車(chē)出行導(dǎo)致的城市交通擁堵以及環(huán)境污染等問(wèn)題。

1 研究數(shù)據(jù)

研究數(shù)據(jù)來(lái)源于2016年昆明市居民出行調(diào)查數(shù)據(jù),包括居民社會(huì)經(jīng)濟(jì)-人口屬性和出行屬性等。社會(huì)經(jīng)濟(jì)-人口屬性包括性別、年齡、職業(yè)、受教育程度、家庭年收入、家庭是否擁有小汽車(chē)等。出行屬性包括出行目的、出行距離等。筆者參照費(fèi)怡等[9]對(duì)短距離出行的界定,將短距離出行定義為4 km以內(nèi)的出行。通過(guò)剔除信息不完整和無(wú)效的數(shù)據(jù),共有2 928條短距離出行樣本用于研究,樣本特征如表1。

根據(jù)以往研究結(jié)論,建成環(huán)境是影響居民短距離出行方式選擇的重要因素[3,10]。參考R.EWING等[11]提出的 ‘5D’ 建成環(huán)境指標(biāo)體系,主要選取人口密度、道路網(wǎng)密度、交叉口密度、到CBD(central business district)距離以及總POI(point of interest)密度等指標(biāo)來(lái)表征建成環(huán)境屬性。道路網(wǎng)密度、人口密度和交叉口密度是通過(guò)計(jì)算出發(fā)地500 m緩沖區(qū)內(nèi)的道路長(zhǎng)度總和、人口和交叉口個(gè)數(shù)與緩沖區(qū)面積之比獲取的;總POI密度是菜市場(chǎng)、餐飲、購(gòu)物、醫(yī)療等18類設(shè)施的POI個(gè)數(shù)與緩沖區(qū)面積之比;到CBD距離為居住地中心坐標(biāo)到CBD中心坐標(biāo)的歐式距離。

表1 樣本特征

2 研究方法

2.1 模 型

在以往針對(duì)出行方式選擇影響的研究中,大多采用多元回歸分析、邏輯回歸分析等方法,這些全局回歸方法難以體現(xiàn)解釋變量與出行方式選擇之間關(guān)系的空間非平穩(wěn)性。近年來(lái),能夠反映變量間關(guān)系隨空間位置變化的地理加權(quán)邏輯回歸(GWLR)模型[12]受到研究者的青睞。GWLR模型是二項(xiàng)Logistic回歸模型〔式(1)〕的擴(kuò)展,其通過(guò)局部范圍內(nèi)的樣本點(diǎn)建立局部回歸模型進(jìn)行參數(shù)估計(jì),采樣點(diǎn)之間距離越近,對(duì)參數(shù)估計(jì)影響作用越大[13]。

(1)

式中:k為模型中自變量的序號(hào);βk為自變量,為xk對(duì)應(yīng)的回歸系數(shù);ε為隨機(jī)誤差;p為出行方式選擇小汽車(chē)的概率。

筆者采用GWLR模型探究了居民出行方式選擇影響因素的空間變化規(guī)律,該模型的表達(dá)式為:

(2)

式中:(μi,γi)為第i個(gè)樣本的空間地理坐標(biāo);βk(μi,γi)是第k個(gè)自變量在第i個(gè)樣本點(diǎn)的回歸系數(shù);xik為第i個(gè)樣本點(diǎn)的第k個(gè)解釋變量;εi為第i個(gè)樣本的隨機(jī)誤差;pi為第i個(gè)樣本出行方式為小汽車(chē)的發(fā)生概率。

回歸系數(shù)βk(μi,γi)的估計(jì)公式為:

(3)

式中:X為自變量矩陣;XT為其轉(zhuǎn)置矩陣;W(μi,γi)為回歸點(diǎn)i處的空間權(quán)重函數(shù)。

GWLR模型通常采用空間權(quán)重函數(shù)來(lái)估計(jì)樣本點(diǎn)的權(quán)重,對(duì)于任何給定的樣本點(diǎn)i,距離質(zhì)心較近的樣本點(diǎn)比距離質(zhì)心較遠(yuǎn)的樣本點(diǎn)權(quán)重的影響更大?？臻g權(quán)重函數(shù)的選取對(duì)GWLR模型的參數(shù)估計(jì)影響較大。常用的確定方法是Gauss函數(shù)、bi-square函數(shù)。以往研究表明,利用Gauss函數(shù)進(jìn)行參數(shù)回歸往往會(huì)造成較大的誤差[14]。bi-square函數(shù)將對(duì)回歸參數(shù)估計(jì)影響值非常小的樣本點(diǎn)排除,再利用近高斯核函數(shù)建立空間權(quán)重函數(shù)。筆者采用bi-square函數(shù)作為空間權(quán)重函數(shù),如式(4):

(4)

式中:i為待預(yù)測(cè)的數(shù)據(jù)點(diǎn)編號(hào);j為用于預(yù)測(cè)的數(shù)據(jù)點(diǎn)編號(hào);ωij為數(shù)據(jù)點(diǎn)j對(duì)于待預(yù)測(cè)數(shù)據(jù)點(diǎn)i的權(quán)重;b為帶寬;dij為樣本點(diǎn)i和j之間的距離。

2.2 變量設(shè)置與檢驗(yàn)

筆者旨在分析短距離出行中小汽車(chē)和慢行交通之間的方式選擇,因此,將出行方式作為因變量。根據(jù)數(shù)據(jù)的可行性,選擇性別、年齡、受教育程度、職業(yè)、家庭年收入、家庭是否擁有小汽車(chē)、出行距離、出行目的以及建成環(huán)境中的人口密度、總POI密度、道路網(wǎng)密度、交叉口密度和到CBD距離作為解釋變量,變量的取值說(shuō)明如表2。

表2 變量設(shè)置

為了避免變量之間存在多重共線性,使用方差膨脹因子(variance inflation factor, VIF)對(duì)變量進(jìn)行多重共線性檢驗(yàn)。結(jié)果顯示,所選取各變量對(duì)應(yīng)的方差膨脹因子VIF均小于5,不存在多重共線性問(wèn)題。然后通過(guò)ArcGIS軟件計(jì)算Moran’s I指數(shù)進(jìn)行變量的空間自相關(guān)檢驗(yàn)。結(jié)果顯示,各變量的Moran’s I指數(shù)為正,在95%置信水平下,聚集特性值z(mì)>1.96且顯著性水平均小于0.05,表明各變量空間分布具有較強(qiáng)的聚集性,即有明顯的空間自相關(guān)特征,滿足了使用地理加權(quán)邏輯回歸模型的基本條件。

3 模型結(jié)果與分析

3.1 模型比較

研究分別采用GRM(global regression model)模型和GWLR模型對(duì)各變量進(jìn)行回歸分析。為進(jìn)行模型比較,使用修正后的赤池信息量(corrected Akaike information criteria, AICc)、解釋偏差百分比(PDE)和殘差平方和作為度量模型性能的指標(biāo)。其中,AICc值和殘差平方和值越小,PDE越大,則可證明模型有更優(yōu)的適用性。GWLR模型和GRM模型擬合指標(biāo)比較如表3。由表3可知,GWLR模型的AICc值和殘差平方和均比GRM模型顯著下降,GWLR模型的PDE值比GRM模型提高了0.084,表明GWLR模型的空間回歸分析提高了模型精度,有效縮減了殘差,更適合探究短距離出行方式選擇與影響因素的關(guān)系。

表3 GWLR模型和GRM模型擬合指標(biāo)比較

3.2 模型結(jié)果分析

GWLR模型的回歸系數(shù)結(jié)果見(jiàn)表4。當(dāng)回歸系數(shù)為正值時(shí),表示解釋變量對(duì)因變量有正向影響;回歸系數(shù)為負(fù)值時(shí),表示解釋變量對(duì)因變量有負(fù)向影響,且回歸系數(shù)絕對(duì)值越大,影響程度越大[15]。其中,回歸系數(shù)均值展示了回歸系數(shù)整體的平均水平,最值反映了回歸系數(shù)的跨度,上、下四分位數(shù)表示了回歸系數(shù)的離散程度。

表4 GWLR模型回歸系數(shù)匯總結(jié)果

由表4可知,所有變量的回歸系數(shù)在空間上均呈現(xiàn)了不同程度的波動(dòng),反映出各變量對(duì)居民短距離出行中選擇小汽車(chē)的影響程度存在空間異質(zhì)性差異。同時(shí),部分變量的回歸系數(shù)最大值和最小值出現(xiàn)正、負(fù)差異,表明這些變量在某些區(qū)域?qū)用穸叹嚯x出行時(shí)選擇小汽車(chē)表現(xiàn)出正向作用,而在某些區(qū)域則表現(xiàn)出負(fù)向作用。

相對(duì)于30歲以上的群體,18～30歲的群體更傾向于在短距離出行中使用小汽車(chē)。女性在短距離出行中更傾向于使用慢行交通出行,而大專及以上的群體更傾向于使用小汽車(chē)。相對(duì)于企業(yè)員工和公務(wù)員,個(gè)體經(jīng)營(yíng)者更傾向在短距離出行中使用小汽車(chē)出行,而其他職業(yè)的出行者更傾向使用慢行交通。離退休人員在整體上傾向于使用慢行交通,但在部分空間區(qū)域上傾向于使用小汽車(chē)。家庭年收入、家庭是否擁有小汽車(chē)、出行距離對(duì)短距離出行中選擇小汽車(chē)起到正向影響。相對(duì)于其他出行目的,居民在購(gòu)物和娛樂(lè)出行中更傾向于選擇慢行交通出行,而通勤出行在總體上對(duì)選擇小汽車(chē)起到負(fù)向影響,但在部分區(qū)域?yàn)檎蛴绊憽?/p>

對(duì)于建成環(huán)境變量,交叉口密度、道路網(wǎng)密度、人口密度、總POI密度在總體上對(duì)短距離出行中選擇小汽車(chē)起到負(fù)向影響,到CBD距離在總體上起到正向影響,但這些變量在不同空間上表現(xiàn)出相反的影響。

為更清晰地表現(xiàn)解釋變量對(duì)短距離出行方式選擇的空間異質(zhì)性,選取空間上分布離散程度較高的變量如交叉口密度、道路網(wǎng)密度、總POI密度和離退休人員等,利用ArcGIS軟件,對(duì)變量的回歸系數(shù)空間分布進(jìn)行了插值可視化分析。

交叉口密度回歸系數(shù)的空間分布如圖1。交叉口密度對(duì)短距離出行中選擇小汽車(chē)的影響除在北部外圍區(qū)域表現(xiàn)為正向作用外,其他區(qū)域主要表現(xiàn)為負(fù)向作用。北部外圍區(qū)多為休閑用地(如昆明植物園、黑龍?zhí)豆珗@等),且部分區(qū)域開(kāi)發(fā)尚未成熟,交叉口密度非常小。在此情況下,交叉口密度的提高會(huì)增強(qiáng)道路網(wǎng)絡(luò)的連通性,更有利于居民在短距離出行中選擇小汽車(chē)。除北部外圍區(qū)外,其他區(qū)域總體上表現(xiàn)為負(fù)向影響,這反映出交叉口密度越大,停車(chē)次數(shù)和等待時(shí)長(zhǎng)也相應(yīng)增加,更容易造成擁堵。因此,居民更傾向在短距離出行中選擇慢行交通。

到CBD距離回歸系數(shù)的空間分布如圖2。到CBD距離對(duì)短距離出行中選擇小汽車(chē)的影響總體上呈現(xiàn)出以CBD為中心到周邊由負(fù)到正逐漸遞增的趨勢(shì),正向影響最大的地區(qū)為城市南部呈貢新城。這是由于距離CBD越遠(yuǎn),土地利用開(kāi)發(fā)程度和公共設(shè)施密度逐漸降低,公共設(shè)施和服務(wù)的可達(dá)性也就越差,出行距離增加,居民選擇小汽車(chē)出行的可能性會(huì)增加。

圖1 交叉口密度回歸系數(shù)的空間分布

圖2 到CBD距離回歸系數(shù)的空間分布

離退休人員回歸系數(shù)的空間分布如圖3。離退休人員在短距離出行中選擇小汽車(chē)的影響呈現(xiàn)出顯著的空間異質(zhì)性,在城市北部和南部呈現(xiàn)出相反的趨勢(shì)。相對(duì)于城市北部區(qū)域,城市南部土地開(kāi)發(fā)程度相對(duì)較低,街區(qū)尺度較大,路網(wǎng)密度低,慢行交通道路設(shè)施和出行環(huán)境相對(duì)較差,離退休人員更傾向于在短距離出行中選擇小汽車(chē)?？侾OI密度回歸系數(shù)的空間分布如圖4。

圖3 離退休人員回歸系數(shù)的空間分布

圖4 總POI密度回歸系數(shù)的空間分布

總POI密度對(duì)短距離出行中選擇小汽車(chē)的影響在主城區(qū)為負(fù)向作用,且負(fù)向作用在城市中心區(qū)最為明顯,而在南部呈貢新城呈現(xiàn)正向作用。主城區(qū)總POI密度整體較高,公共服務(wù)設(shè)施分布更密集,導(dǎo)致出行量大,交通較擁堵,居民更傾向于在短距離出行中選擇慢行交通。相反,呈貢新城總POI密度小,增加POI密度會(huì)吸引更多的出行,同時(shí),呈貢新城道路寬闊,擁堵較少,為了能在更短的出行時(shí)間內(nèi)到達(dá)相應(yīng)的POI,居民會(huì)更傾向于選擇小汽車(chē)出行。因此,總POI密度在呈貢新城對(duì)小汽車(chē)出行起到正向作用。

道路網(wǎng)密度回歸系數(shù)的空間分布如圖5。道路網(wǎng)密度在城市西部和中心區(qū)對(duì)短距離出行中的小汽車(chē)使用起到正向作用,而在城市南部呈現(xiàn)反向作用。原因可能是由于城市西部和中心區(qū)道路通行能力接近飽和,若道路網(wǎng)密度增加,道路容量越大,將使道路條件和服務(wù)水平得到提升,可容納更多的小汽車(chē)出行,因此在此區(qū)域的道路網(wǎng)密度對(duì)短距離出行小汽車(chē)選擇是促進(jìn)作用。城市北部、東部和南部外圍區(qū)域道路網(wǎng)密度相對(duì)較低,增加道路網(wǎng)密度將改善慢行交通的出行環(huán)境,吸引更多居民選擇慢行交通。

圖5 道路網(wǎng)密度回歸系數(shù)的空間分布

人口密度回歸系數(shù)的空間分布如圖6。從整體來(lái)看,人口密度對(duì)居民短距離出行中小汽車(chē)選擇的影響除了在城市中心區(qū)為正向作用外,在其他區(qū)域均為負(fù)向作用,且城市西南區(qū)域的負(fù)向作用最為顯著。城市西部地區(qū)臨近滇池,分布有較多的旅游、休閑娛樂(lè)用地和設(shè)施,以休閑娛樂(lè)為目的的出行較多,慢行交通出行環(huán)境較好,居民出行更傾向于慢行交通。隨著人口密度增多,更多道路空間和基礎(chǔ)設(shè)施將分配給慢行交通,居民出行選擇慢行交通將會(huì)更多。城市中心區(qū)居民小汽車(chē)擁有量較高,人口密度越大,短距離出行中的小汽車(chē)出行將會(huì)更多。

圖6 人口密度回歸系數(shù)的空間分布

4 結(jié) 論

基于昆明市居民出行調(diào)查數(shù)據(jù)和建成環(huán)境數(shù)據(jù),建立了考慮空間異質(zhì)性的地理加權(quán)邏輯回歸(GWLR)模型,探究了建成環(huán)境和出行者社會(huì)經(jīng)濟(jì)-人口屬性對(duì)短距離中小汽車(chē)與慢行交通方式選擇的影響。與GRM模型相比,GWLR模型有更好的解釋力,能夠反映變量對(duì)短距離出行選擇影響的空間異質(zhì)性。主要結(jié)論如下:

1)對(duì)于社會(huì)經(jīng)濟(jì)-人口屬性和出行屬性,離退休人員、通勤出行在空間上表現(xiàn)出較大的空間異質(zhì)性,在總體上對(duì)選擇小汽車(chē)出行起到負(fù)向影響,在部分區(qū)域?yàn)檎蛴绊?。其他屬性也表現(xiàn)出一定的空間異質(zhì)性,但并不顯著,總體上,男性、個(gè)體經(jīng)營(yíng)者、30歲以下、大專及以上、家庭年收入越高的群體更傾向于在短距離出行中使用小汽車(chē)。購(gòu)物和娛樂(lè)出行更傾向采用慢行交通方式。

2)建成環(huán)境變量表現(xiàn)出了顯著的空間異質(zhì)性。交叉口密度、道路網(wǎng)密度、人口密度、總POI密度以及到CBD距離在不同區(qū)域具有明顯差異,甚至表現(xiàn)出相反的作用,表明居民短距離出行方式選擇與不同空間區(qū)位的建成環(huán)境屬性密切相關(guān)。

與以往的研究相比,筆者側(cè)重探討了空間異質(zhì)性對(duì)短距離出行選擇的影響,研究結(jié)論有利于從空間異質(zhì)性的角度提出引導(dǎo)昆明市居民短距離出行方式由機(jī)動(dòng)車(chē)向慢行交通轉(zhuǎn)移的相關(guān)政策。