基于主成分回歸分析法的通勤交通方式影響因素

姜 軍 段 進 陳滄杰 曹國華

1. 東南大學，建筑學院，南京 210096

2. 江蘇省城市交通規劃研究中心，江蘇省城市規劃設計研究院，南京210036

0 引 言

近年來，隨著城市規模的擴大，職住分離問題日益突顯，以及交通擁堵問題的日益嚴峻，城市通勤再次得到了社會各界的廣泛關注。通勤交通方式作為通勤的載體，體現居民在現有城市交通條件下對通勤距離、通勤時間、通勤成本的權衡，在一定程度上反映了通勤的綜合特征[1]，是城市通勤中的一個重要方面。國外對居民通勤行為的研究較早，我國的研究近年來逐漸增多，其中有一些關于通勤交通方式的研究。韋亞平和潘聰林[2]基于杭州城西 9個街區 1339份居民出行數據，利用居民個體屬性、出行距離和土地利用三組變量建構了多項邏輯決策模型，分析街區土地利用變量對通勤方式選擇的影響。研究表明：在中國高密度城市形態下，由于城區擴張和收入水平提高，形成了以小汽車為主導的混合通勤結構，而小尺度街區、密集路網等土地利用變量則是助長小汽車通勤的誘因。李雪銘和杜晶玉[3]研究了私家車對居住空間擴展的作用，研究表明：私家車加強了通勤的便利性，在距離城市中心 5km以外私家車通勤隨居住空間的擴展而增加。陳征等[4]利用居民出行調查數據分析了蘇州居民通勤出行交通方式選擇特征。研究表明：私人交通（自行車、摩托車、步行、私家車）的通勤出行總比例高達89.4%，公共交通（常規公交、單位通勤車、出租車）的出行總比例僅為10.6%。男性居民私家車、摩托車的通勤出行比例分別是女性的2.8倍和 1.3倍，而女性步行、自行車的出行比例分別是男性的1.6倍和1.1倍。短距離通勤出行方式以自行車、步行為主，中等距離的通勤出行以自行車、摩托車和助力車為主，長距離通勤出行以機動車（通勤車、出租車、私家車）、摩托車為主。通勤交通方式受到多方面的影響，目前關于通勤交通方式與其影響因素之間關系的研究成果相對還較少，并且未能建立通勤交通方式比例與影響因素之間的關系等式。本文以蘇州工業園區為例，考慮居民屬性、土地利用屬性、交通設施屬性三個方面的不同因素對通勤交通方式選擇的影響，基于主成分回歸分析法提取主成分，建立了通勤交通方式出行比例與主要影響因素的擬合關系式，分析了影響因素的影響機理，并對未來的發展趨勢進行了推演，提出了相應的對策措施。

1 數據采集

1.1 數據獲取方法

本文研究數據來源于2012年蘇州市工業園區綜合交通規劃的居民出行調查，共調查 1 1000戶，調查采用PDA設備進行無紙化操作提高了調查數據精度[5]，共獲得約31 180人的有效出行行為數據。從居民出行調查數據中抽取居民通勤出行行為數據，共獲得通勤行為有效數據59 416條。

1.2 影響因素

本文研究主要考慮居民屬性、土地利用屬性、交通設施屬性三個方面共11個影響因素。居民屬性考慮居民家庭月均收入、家庭擁有小汽車的數量、家庭擁有非機動車的數量、平均年齡、男女性別比例五個指標。土地利用屬性考慮中區的區位特征、中區內部出行比例、土地利用混合率三個指標；其中，區位特征以各中區的幾何中心與城市 CBD中心之間的距離來表示；中區內部出行比例指各中區居民通勤出行在本中區內完成的比例；土地利用混合率根據人口密度和就業崗位密度計算。交通設施屬性考慮道路網密度、公交線路密度、公交站點300m半徑覆蓋率三個指標。

表1 通勤交通方式總體特征Tab.1 General characteristics of commuting traffic mode

2 主成分回歸分析

2.1 主成分回歸分析法原理

1.3 影響因素指標數據統計

為了便于分析，在交通小區的基礎上進行歸并得到12個交通中區（見圖1），以交通中區為單位對各影響因素進行統計。從土地利用主要屬性來看，1區為度假旅游區，4區為城市CBD，11區為高校比較集中的科教區，其他區為以工業和居住為主的綜合開發區。從通勤交通方式總體結構來看，小汽車通勤占有較高比例，達到了 28.84%；步行和非機動車的通勤比例分別為33.89%和12.02%，即慢行交通通勤比例達到了45.91%；而公交通勤比例較低，僅為12.86%（見表1）。

本文研究考慮了12個影響因素，影響因素較多將會增加分析問題的難度和復雜性，因此需要利用降維處理技術使較少的變量盡可能多地保留原來較多變量所反映的信息。本文采用主成分回歸分析法建立通勤交通方式比例與影響因素之間的關系式。主成分回歸分析法的計算步驟如下[6]：

（1）計算相關系數矩陣

圖1 交通中區用地概況Fig.1 Land use of medium-size traffic zone

（6）使用主成分代替原始變量對因變量進行最小二乘法回歸，再返回到原來的參數，得到因變量對原始變量的主成分回歸。

2.2 通勤交通方式出行比例擬合等式

通過主成分分析，提取各種通勤交通方式的主成分，得到各種通勤交通方式主成分初始因子載荷矩陣如表2所示。

表2 通勤交通方式主成分初始因子載荷矩陣表Tab.2 The initial factor loading matrix of the principal components for commuting traffic mode

小汽車通勤的第一主成分在家庭月收入、小汽車擁有量、通勤距離、道路網密度三個指標上載荷較高，貢獻率達到了62.7%，第二主成分在中區內部出行比例和非機動車擁有量兩個指標上載荷較高，貢獻率為23%。公交通勤的第一主成分在公交線路密度、公交站點300m半徑覆蓋率、區位特征、通勤距離、男女性別比例四個指標上載荷較高，貢獻率達到了60.9%，第二主成分在非機動車擁有量和平均年齡兩個指標上載荷較高，貢獻率為22.6%。慢行交通通勤的第一主成分在家庭月均收入、小汽車擁有量、道路網密度、公交線路密度四個指標上載荷較高，貢獻率為 55.72%，第二主成分在非機動車擁有量上載荷較高，貢獻率為23.9%。

利用主成分回歸分析法擬合各種通勤交通方式出行比例與主要影響因素之間的關系式。由于影響因素之間存在的相關關系，在擬合過程中根據檢驗結果剔除部分變量，得到關系式如下：

式中：CY——小汽車通勤比例，%；

YB——公交通勤比例，%；

YP+B——慢行交通通勤比例，包括步行和非機動車%；

XC——小汽車擁有量，veh/戶；

XB——非機動車擁有量，veh/戶；

Xd——通勤距離，km；

XP——中區內部出行比例，%；

XR——道路網密度，km/km2；

XY——平均年齡，歲；

XM/W——男女比例；

XD——公交線路密度，km/km2；

XI——家庭月收入，元/月

2.3 擬合等式驗證

通過對各交通中區擬合值與調查值的比較分析可知，總體而言，各擬合等式的平均誤差都在5%以內，擬合效果較好。部分交通中區的公交出行比例擬合值與調查值之間存在較大的誤差，這主要是由于公交出行比例的一個主要影響因素——公交線路密度對公交出行比例存在比較復雜的影響機制。表3為擬合等式校驗表。

表3 擬合等式校驗表Tab.3 Checklist of the fitting equation

3 發展模式推演

3.1 小汽車發展

隨著我國經濟的高速發展，城市部分家庭收入水平迅速提高，在目前不限制小汽車擁有的情況下，居民通常會有較高的購買小汽車的意愿，以蘇州工業園區為例，家庭小汽車擁有量隨家庭收入的增加而迅速增加（r=0.701，Sig. (2-tailed)=.011），見圖2所示。

圖2 家庭收入對小汽車擁有量的影響Fig.2 Influence of family income on car ownership

從城市小汽車總量來看，2001—2007年，因為機動車原有基數較小，機動車年均增長率大于40%；2008—2012年，機動車仍然保持了較高的增長率，年均增長率在30%～40%之間。目前蘇州工業園區家庭擁有小汽車已經非常普遍，園區小汽車擁有量達到193輛/千人，而在城市核心區——中新合作區內更是高達 267輛/千人，接近戶均1輛。按照國際機動化發展的一般規律，園區現狀機動化水平已經進入第一個普及期，仍將保持較高的增長速度，預計未來將會達到300～400輛/千人的標準，超過戶均1輛小汽車的擁有水平。在目前小汽車使用成本被社會低估，對小汽車使用無限制措施的情況下，小汽車通勤出行比例隨小汽車擁有量的增加而快速增加（r=0.975，Sig.(2-tailed)=.000），見圖3所示。

3.2 公交發展

圖3 小汽車擁有量對小汽車通勤出行比例的影響Fig. 3 Influence of car ownership on the proportion of car trips

因城市人口和就業崗位數量的增長，城市公交客運量迅速增加，為了適應公交需求的增長，蘇州工業園區近年來加大了公交設施的投入。2006—2012年，蘇州工業園區公交客運量、公交線路、公交車輛均增長了約2倍，但是公交通勤出行比例并沒有顯著提升，僅為12.86%。通過對公交出行比例與公交線路密度之間關系的分析可知，當公交線路密度較低時，公交出行比例隨公交線路密度的提高顯著增加（r=0.906，Sig.(2-tailed)=.013）；而當公交線路密度達到4.63 km/km2以后，其對公交通勤出行比例的影響較小，見圖4所示。

蘇州工業園區公交專用道僅有 13.4km，占主干路的比例僅為 5.5%，從道路空間資源分配來看，公交專用道占用道路空間資源不到1%。公交路權優先的缺乏使得公交出行便捷性難以與小汽車競爭，公交平均出行時間為40.8min，到站時間7.4min，離站時間9.3min，而小汽車平均出行時間為27.4min，見圖5。

圖4 公交線路密度對公交出行比例的影響Fig. 4 Influence of bus line density on the proportion of bus trips

圖5 公交出行與小汽車出行時間對比Fig. 5 Comparison of the travel time between bus and car trips

3.3 應對措施

根據以上擬合等式，在未來一般發展水平和較高發展水平下，隨著家庭小汽車擁有量的增加，小汽車通勤比例將分別增加到37.24%和40.52%；即使采取增加公交線路密度等措施，公交通勤比例也將迅速下降到7.83%和7.46%。表4為不同發展模式下小汽車和公交通勤比例。

表4 不同發展模式下小汽車和公交通勤比例Tab.4 Proportion of car and bus trips for different development scenarios

小汽車通勤比例的迅速增加給城市交通帶來巨大壓力，需要慎重地考慮建立小汽車擁有與使用的預警機制，在城市交通運行面臨嚴重惡化的趨勢時，適時調整小汽車的擁有和使用政策，加強對小汽車擁有與使用的合理調控，特別是通過市場機制，適當提高小汽車使用成本，讓小汽車使用者承擔起目前往往被社會所低估的小汽車使用帶來的社會、環境等成本，調節小汽車出行量與城市道路承載能力之間的動態平衡。對于城市公共交通，公交大量的設施投入（線路、車輛、場站）維持了公交服務水平在可接受的范圍之內。為了進一步提高公交出行比例，需要更多地關注路權優先、信號優先等方面的公交優先保障措施，促使其行駛速度相對小汽車具有良好的競爭優勢。而對于慢行交通，當小汽車機動化占據優勢地位后，慢行交通通勤處于弱勢地位，而慢行交通環境的改善（道路網密度的增加）和非機動車擁有則會促進慢行交通比例的增加，也會促進小汽車出行比例的降低。

4 結束語

通勤交通在城市交通中占有較高的比例，通勤交通影響到城市交通的總體運行效率。本文利用主成分回歸分析法研究了通勤交通方式出行比例與相關影響因素的影響機理和等式，并提出了針對未來發展趨勢的應對措施。未來研究需要進一步考慮與通勤出行相關的更多影響因素，并考慮采用多層Logit模型等方法來分析相關因素的影響。

[1] 孟斌等. 就業特征與職居分離關系研究[J]. 北京聯合大學學報, 2013, 11(1): 66-72.

[2] 韋亞平, 潘聰林. 大城市街區土地利用特征與居民通勤方式研究——以杭州城西為例[J]. 城市規劃.2012, 36(3): 76-84.

[3] 李雪銘, 杜晶玉. 基于居民通勤行為的私家車對居住空間影響研究——以大連市為例[J]. 地理研究.2007, 26(5): 1033-1042.

[4] 陳征, 周恒, 劉英舜. 蘇州居民通勤出行交通方式選擇特征研究[J]. 道路交通與安全. 2006, 6(8):34-37.

[5] http://www.subaonet.com/2012/1030/1025000.shtml

[6] 張嵩, 張慧, 吳濤. 我國城鄉居民收入差距的主成分回歸分析[J]. 沈陽建筑大學學報: 社會科學版,2013, 15(2): 180-184.