低碳出行導向下的住區環境對通勤方式影響

周 楠

(西南交通大學，四川 成都 610000)

1 研究背景

1.1 城鎮化和機動化引發的城市問題

20世紀90年代后，我國城市建設用地增長迅速。城市規模的擴展以及職住分離等空間布局的調整還導致了居民出行距離的快速增長，進一步增加了對小汽車依賴性。隨著中國城鎮化的推進，機動車數量迅速增長，城市交通進入機動化時代。機動化帶來了交通的自由和靈活性，但也導致了交通的擁堵。

隨著當前城市擴張和退二進三的產業結構調整，人口數和小汽車擁有數量急劇增長，交通擁堵成為了當今城市非常棘手的現狀。根據高德地圖發布的《2018Q2中國主要城市交通分析報告》，有15%的城市通勤高峰受擁堵威脅，有59%的城市通勤高峰處于緩行，僅有26%的城市通勤不受擁堵威脅。

1.2 住區環境對居民出行方式的影響

居民的出行模式也在一定程度上能反映出居民交通出行的碳排放。其次，住地及它們周圍建成環境都直接影響了居民出行方式。環境對居民出行行為的影響，最早概括為“3D”，即密度(Density)、多樣性(Diversity)和設計(Design)。Cervero(1997)研究了城市環境3D要素對居民出行行為的影響，研究發現密度、土地利用混合度多樣性和人性化的設計均對居民出行產生一定影響，一定程度上降低了汽車出行的概率[2]。2002年Cervero等學者經過探索后，在最初“3D”要素的基礎上發展成為“5D”要素，增加了目的地可達性(Destination accessibility)和公共交通的距離(Distance to transit)[3]。

除了環境因素之外，居民通勤行為還受到了通勤時間和通勤距離及個人家庭經濟屬性的影響，如職業、家庭規模、收入、擁有汽車數量等。Akar和Guldmann在研究美國家庭出行時發現，家庭收入、小汽車數量、家庭孩子數量都對通勤行為方式產生影響[4]。

2 研究設計和數據

2.1 研究數據

為研究成都市住區環境對居民通勤方式的影響，根據交通區位和住區環境條件選取不同類型的居住小區，并在這些小區進行通勤問卷調查，由于大部分居民對打擾生活問卷表示反感，配合度不高，因此在選取小區時，盡量選擇具有街區公園或公共活動場所的小區，有利于調研活動的展開。此外，在選擇時要考慮小區交通基礎條件和環境相差較大的小區，以此增加樣本多樣性。最終在成都市選取了包括商品房、保障性住房、單位小區、城中村等不同類型的小區。每個小區發放100份問卷，共收回700份，剔除數據缺失問卷，最終得到有效問卷685份。

2.2 變量選取

2.2.1住區環境變量

為了有效且便于構建模型的住區環境的變量進行歸納總結，根據成都的住區環境選擇相關變量來研究居民的通勤方式(見表1)。1)密度。將選取調查小區的建筑面積密度(即容積率)因素來衡量密度特性，以此來反映住區環境的開發強度。2)多樣性。土地利用混合度是衡量小區一定范圍內各類用地的比例，能反映出環境中多樣性的因素。各功能類型的結構和配置一定程度上反映了住區周邊的職住比例。以調查小區為中心，計算1.5 km緩沖區范圍內土地利用的混合度。3)街道網絡設計。以調查小區為中心，計算1.5 km緩沖區范圍內的十字交叉口比例。4)公共交通可達性。距公交站點和地鐵站點的距離能反映出交通服務設施布置對居民通勤方式選擇的影響。由于成都市基本實現公交站點全覆蓋，將以調查小區1.5 km范圍內的公交線路條數和距地鐵站點的距離作為公共交通可達性的指標。

表1 住區環境變量

2.2.2個人家庭屬性

在問卷調查中，包含了受訪者的性別、年齡、學歷、職業、家庭規模、家庭年收入、自行車、電動車數量、小汽車數量(見表2)。其中受訪者男女數量差異不大。分別為55.2%和44.8%。因樣本剔除18歲以下年齡段，因此只保留4個年齡階段(19歲～30歲,31歲～40歲,41歲～50及51歲以上)。受訪者受教育水平以大學專科/本科為主，家庭年收入水平絕大多數在6萬元以上。此外，問卷中還涵蓋了被訪者的職業、家庭規模、家中非機動車和小汽車數量等變量。

表2 居民個人家庭屬性

2.2.3通勤變量

在問卷中，調查了受訪者的通勤方式、通勤時間和通勤距離(見表3)。在通勤方式選擇上，小汽車占總樣本的25.7%，公交和地鐵占43.2%，電動車和自行車占樣本的6.7%，步行占24.2%。在通勤距離上存在分化，電動車、自行車和步行主要適用于中短距離的通勤，隨通勤距離增加，選擇電動車、自行車和步行的人數逐漸減少。其中公交車和地鐵相比較來說是耗時最長的。

表3 居民通勤特征

2.3 研究方法與結果

為研究住區環境對居民通勤方式的影響，本文通過構建多項logit模型進行回歸分析。多項logit模型是基于效用最大化假說，出行者在進行出行決策時，會選擇對他來說效用最大的交通方式。

在本文中將小汽車通勤方式作為參照，構建公共交通、電動車/自行車進和步行的多項logit模型，計算方程如下:

ln(P公/P汽)=β20+β21X1+β22X2+β23X3+…;

ln(P電/P汽)=β30+β31X1+β32X2+β33X3+…;

ln(P步/P汽)=β40+β41X1+β42X2+β43X3+…。

其中，ln(P1/P2)為不同交通方式與小汽車交通概率比值的自然對數；β為各個變量的參數向量；X為選取的變量包括居民個人家庭屬性變量和住區環境變量。

3 模型結果分析

如表4所示，從模型的擬合信息來看，sig值為0.000，說明所構建的回歸模型有效。模型結果如表5所示，通過表中影響系數情況，分析住區環境對居民通勤方式的影響。

表4 模型擬合信息

表5 多項logit模型結果(以小汽車通勤方式為參照)

根據分析結果可以看出，住區環境對居民通勤方式有顯著影響。從密度上看，建筑密度大的地區，居民選擇小汽車通勤方式的可能性減少。系數0.076 4表示為在其他變量不變的情況下，建筑面積密度每增加一個單位，選擇公交或地鐵出行與選擇小汽車出行的概率比值是原來的exp(0.076 4)=1.08倍。選擇電動車或自行車的概率是原來的1.049倍，選擇步行的概率是原來的1.034，意味著建筑密度越高，居民選擇低碳的通勤方式的概率越高。

從多樣性上看，土地利用混合度一定程度上也影響了居民的通勤行為，一方面，高混合度的土地利用可以增加居民就近工作的機會，以此引導居民采用低碳的通勤方式。另一方面，混合度高的土地利用也滿足了居民在通勤路上或附近的其他需求，減少小汽車通勤需求。根據模型結果，每增加一個單位的土地利用混合度，P公/P汽是原來的0.96倍，P電/P汽是原來的1.3倍，P步/P汽是原來的1.31倍。

從設計上看，增加十字交叉比重，會引導居民低碳的通勤方式。一方面，十字交叉口比例代表住區周邊的道路的高的交通可達性，也更利于公共交通的組織，降低居民對小汽車通勤的依賴。因此在城市道路設計中，應該更加重視路網的形式和格局。在公共交通可達性上，公交的發達程度和距地鐵站的距離也都相應的減少居民小汽車通勤需求，一般來說，地鐵站近的地區其功能也一定程度上更加完善，更能滿足居民的通勤需求。

4 結語

在中國快速城鎮化和機動化的背景下，本文基于對成都市的七個不同類型的小區進行問卷調查獲取成都市民的通勤出行數據。通過構建多項logit模型建立住區環境與居民通勤方式的回歸關系。在控制個人家庭因素之后，發現住區環境或多或少影響居民的通勤行為。一方面，在住區規劃時，應采用更緊湊高密度的發展模式，在居住地周邊形成高混合度的土地利用模式，促進吸引居民就近就業和消費。另一方面，在進行路網規劃時，增加路網密度提高道路可達性，引導居民采用低碳的出行方式。

本文是基于成都市的部分小區進行的問卷調查，得到了有一定意義的結果，但是研究仍有局限性。尤其是數據和信息的缺乏，有待進一步的完善。