城市土地利用對居民通勤方式選擇的影響*

劉志偉 張榮堂 劉建榮

(武漢輕工大學土木工程與建筑學院1) 武漢 430023) (華南理工大學土木與交通學院2) 廣州 510640)

0 引 言

城市土地利用與城市交通系統相互作用、相互影響.城市土地利用會影響城市交通發展模式和交通系統布局[1]，城市道路沿途的可達性的改善又會影響土地價格，進而影響到土地利用的性質和開發強度.因此，協調城市土地利用與城市交通系統發展對城市可持續發展具有重要意義.

關于土地利用對城市居民出行的影響，國內外學者開展了大量的研究.Kitamura等[2]研究發現舊金山灣區五個社區住宅密度、公共交通可達性、土地混合利用等因素與居民的出行行為顯著相關.土地利用密度高、開發強度大的區域由于不同性質用地相對集中，可以縮短居民出行距離，增加步行和自行車的出行比例，減少機動化出行.區域可達性混合土地利用可以減少小汽車出行，增加步行和公共交通的使用比例，從而緩解城市交通的影響[3].

在研究方法方面，McFadden[4]最早使用Binary Logit模型研究出行距離、性別、收入、小汽車擁有等情況對出行方式的影響.Müller等[5]運用多項Logit模型(multinomial logit model, MNL)研究學生上學出行，研究發現出行距離、小汽車擁有情況和天氣是出行方式選擇最重要的因素.帥斌等[6]研究經濟性、快速性、方便性、舒適度、安全度、低碳因素等6個服務特性對城市低碳交通分擔率的影響.然而，MNL模型假設不同選擇項之間具有“獨立不相關性”(independence from irrelevant alternatives, IIA)，否認不同選項之間存在相關性，與現實情況不符，嵌套Logit模型(nested logit model, NL)在這種情況下應運而生.NL模型通過設置不同的子集(nest)，子集之間保持IIA效應，同一子集內的選項可以存在相關性.盡管如此，NL模型只是部分放開了對選擇項相關性的限制，沒有考慮個體的異質性，無法解決個體之間隨機偏好差異的問題，而隨機系數Logit模型(random parameter logit model, RPL)允許模型中解釋變量的系數是隨機的，服從一定的分布參數，從而反映不同個體的偏好詫異[7].Aziz等[8]基于紐約市居民出行調查數據，建立隨機系數模型研究步行自行車網絡設施和土地使用屬性對步行和自行車模式選擇決策的影響，指出其他家庭成員的非機動車出行次數與選擇主動交通方式的可能性之間存在正相關關系.因此，本文運用隨機系數Logit模型研究城市土地利用特征對居民通勤方式選擇的影響.

1 隨機系數Logit模型

隨機系數Logit模型最一般的形式為

(1)

(2)

個體i的常數項αji，βji服從隨機分布，對于每一個隨機系數，ρjik為任一αji或βji，變量xjik,k=1,2,…,K系數為

(3)

對于模型中k個隨機系數，為

ρi=ρ+Δwi+Γvi

(4)

式中：Γ為對角線為σk的對角矩陣，非對角Γ允許隨機變量相關.隨機系數的完全協方差矩陣是∑=ΓΓ′.系數不相關，Γ=diag(σ1,σ2,…,σk).如果系數相關，則Γ是完整的不受限制的下三角矩陣，∑包含非零的對角線元素.通過允許隨機系數是異方差的可以獲得額外的靈活性，可得：

(5)

將上式帶入模型

ρi=ρ+Δwi+ΓΩivi

(6)

vki,t=τki,t-i+cki,t

(7)

式中：cki,t為驅動隨機系數的隨機元素.這就可以得出完整的隨機系數Logit模型.

(8)

βi=β+Δzi+ΓΩivi

(9)

式中：vi為均值為0協方差為I的向量.具體分布視參數情況而定，可以是對數正態分布、均勻分布、威布爾分布等其他分布.

由于隨機系數Logit模型中包含隨機變量，概率函數是非封閉型的，因此需要運用計算機仿真進行求解.

2 研究方法設計

一般采用三類指標測度土地利用特征：土地利用密度(density)、混合程度(diversity)、可達性(accessibility).土地利用密度可以用居住人口密度、就業人口密度、商業網點密度衡量，土地利用混合程度可以使用就業人口與居住人口比值、零售和服務就業密度、土地利用相異指數等表示，可達性可以用居住可達性、就業可達性或者與CBD距離衡量.考慮到數據的獲取，這里主要選取基于交通小區的居住密度(resden)、就業崗位密度(jobden)、商業網點密度(stoden)、職住比(ratio)、居住可達性(reacc)和就業可達性(joacc)、與CBD距離(dcbd)等指標衡量城市土地利用特征.出行特征主要選取出行時間和出行費用兩個變量.家庭特征選取家庭成員數量、學齡前兒童、家庭年收入、小汽車擁有情況等.個人社會經濟屬性則包括性別、年齡、駕照擁有情況、公交IC卡擁有情況、受教育程度.

3 數據來源與統計

出行數據來源于2014年南京市居民出行調查數據，主要包括家庭基本特征、居民個人特征和居民一日出行記錄，對回收問卷進行出行空間一致性、出行時間連續性以出行方式一致性檢驗, 剔除非通勤出行, 最終得到有效樣本1 134份.其中，男性占54.7%，女性占45.3%.在所有通勤方式中，步行、自行車、小汽車和公共交通的分擔比例分別為14.02%，59.21%，14.02%,12.74%.研究區域為南京市主城區，一共劃分為198個交通小區(traffic analysis zones, TAZs).土地利用數據來源于2014年南京市電子地圖的地理信息數據.

在衡量城市土地利用特征的變量中，居住密度、就業密度、商業網點密度分別計算每一個交通小區的居住人口數、就業崗位數量和商店的數量與面積的比值得到.職住比是交通小區范圍內的就業崗位數量與居住人口數量的比值.可達性主要采用基本勢能法求解[9].與CBD之間的距離是通過將城市的快速路、主干道、次干道和支路導入Arcgis，然后利用“路徑分析工具”計算每一個交通小區與CBD的最短路徑.

模型選用的變量及相應的描述性統計見表1.

表1 模型選用變量統計表

4 實例分析

4.1 模型參數標定

個體i的選擇集為步行、自行車(電動自行車)、小汽車和公共交通(公交車和地鐵)四種.為了體現不同個體對出行時間和出行費用的異質性，假定出行時間和出行費用的參數是隨機變量.假設居民的通勤行為還受到居住密度、就業密度、商業網點密度、職住比、居住可達性和就業可達性、與CBD距離、出行費用、個體的家庭特征和社會經濟屬性的影響.為了避免Logit模型的多重共線性問題，將小汽車出行設置為對比項，建立4種出行方式的隨機效用系數Logit模型[10].

隨機系數Logit模型的解不是封閉的，因此必須使用仿真方法對模型進行求解，利用NLogit軟件進行編程，隨機抽樣方法選擇Halton，抽取次數為1 000次.在建模過程中，剔除對居民通勤方式選擇影響不顯著的變量：年齡、受教育程度等個人社會經濟屬性變量和家庭人員數家庭特征變量，以及城市土地利用特征中的居住密度、就業密度、居住可達性和就業可達性等變量.分別假定效用函數中的隨機參數符合正態分布、對數正態分布、均勻分布和威布爾分布等，對不同情況下的模型擬合情況進行對比分析，結果顯示出行時間和出行費用的系數服從正態分布時候，模型擬合情況最好.模型標定結果見表2.

最終隨機系數模型的Log likelihood值為-525，PseudoR2值為0.365，模型預測準確率為82.3%.如果運用標準的Conditional Logit模型建模，Log likelihood值為-541，PseudoR2值為0.286，模型預測準確率為72.5%.顯然，隨機系數模型各項指標均優于條件Logit模型，擬合度更高.

4.2 模型結果分析

由表2第一部分可知，出行時間和出行費用系數的均值和標準差均顯著，表明在效用函數中，出行時間和出行費用的系數為隨機系數，體現了個體感知出行時間和出行費用重要性的差異，符合預期設想，分布情況分別為：TIME～N(-0.222,0.0502)，FARE～N(-0.100,0.1332).出行時間和出行費用的系數的均值為負，這與實際情況相符，隨著出行時間的增加和出行費用的提高，對個體的效用越小，選擇的概率越小.表明出行時間和出行費用對個體效用的差異性.各種出行方式的效用函數分別為

表2 城市土地利用對居民通勤方式選擇的影響隨機系數Logit模型結果

Ui,walk=11.314+3.000PCHI-3.466CAR-

0.909HINC+0.797OCCU-3.279LICE+

0.016STODEN+0.237DCBD-0.222TIME

(10)

Ui,bike=9.142+2.740PCHI-3.643CAR-0.834HINC+

0.689OCCU-3.428LICE-0.825RATIO+

0.015STODEN+0.185DCBD-0.222TIME

(11)

Ui,car=-0.222TIME-0.100FARE

(12)

Ui,ptransit=4.402+1.422PCHI-3.987CAR-0.738HINC-

1.701GEND+2.542ICCA-2.031LICE-

0.222TIME-0.100FARE

(13)

從居民的步行和自行車通勤方式來看，家中有學齡前兒童、職業更加自由、家庭所在區域商店密度更高、家庭距離CBD更遠的家庭偏向于選擇步行或者自行車慢行交通方式通勤.在主城區范圍內，商店密度高表明所在區域土地開發強度大，各種配套設施齊全，距離上班地方近，選擇慢行交通出行的比例高.而家庭擁有小汽車、高收入群體、擁有駕照的個體更傾向于選擇其他機動化交通方式通勤.而性別、是否擁有公交IC卡對步行或者自行車通勤方式的影響并不顯著.職住比對步行通勤方式沒有顯著影響，而對自行車通勤方式有顯著負效應，這是由于職住比例高的區域一般位于中央商務區或者工業園區，提供的就業崗位多，而居住在此的居民少，空間上的職住分離容易造成早晚的潮汐交通，且并不適合自行車進行長距離的通勤.

就公共交通方式而言，家中擁有用有學齡前兒童、女性、有公交IC卡的居民傾向于選擇公共交通通勤.而公共交通對于家庭擁有小汽車、高收入群體和持有駕照的居民吸引力較小.城市土地利用特征對公共交通通勤方式選擇的影響并不顯著，表明經過多年快速發展，南京市主城區范圍內的公共交通服務已經非常均衡和發達，2015年南京市榮獲全球城市交通領袖獎(C40城市獎)便是證明.

5 結 論

1) 城市土地利用特征對居民選擇慢行交通方式通勤具有顯著影響，協調好城市土地利用與交通的關系對于轉變居民通勤方式具有重要意義，通過加大土地利用混合程度，加強各種配套設施建設，促進區域的職住平衡，可以提高居民通勤非機動出行的分擔比例.

2) 仍需大力實行公共交通優先的政策，提高公共交通的服務水平和運力，大力實施停車換乘優惠政策，提升公共交通的舒適性、便利性，增強公共交通的吸引力.

3) 相對于傳統的條件Logit模型，隨機系數Logit模型各項擬合指標更優.

下一步研究將考慮心理因素、住址選擇等因素對居民通勤行為方式選擇的影響.