基于主客觀多維變量的城市軌道網絡規模影響

柳雪麗,修春,楊立晨

(1. 陜西工業職業技術學院，陜西 咸陽 712000；2. 滄州交通學院，河北 滄州 061199； 3. 北京交通大學 交通運輸學院，北京 100044)

隨著我國城市經濟和城鎮一體化的快速發展，城市邊緣及城市建成區面積不斷擴大，城市活力不斷增強，政府也在大力推動以公共交通為主導的城市綜合交通體系的建設，而軌道交通以運量大、運距長、準時性高、速度快、能耗低等優點得到了交通管理部門和出行者的青睞。當前，國內許多城市正在構建以軌道交通為骨干的城市一體化綜合交通體系，截至2020年底全國共有44個城市開通運營城市軌道交通線路233條，運營里程7 545.5 km，完成客運量175.9億人次[1]。而長建設周期和高運營費用的軌道交通系統一旦建成難以修改，在“地鐵熱”的浪潮下盲目拓展建設軌道交通系統不僅會產生資源的浪費，還會對城市未來空間結構和交通規劃布局帶來難以預估的損害。因此，全面探究城市軌道網絡規模發展的影響因素及其影響機理，可以為城市管理部門和交通決策者提供理論支撐。

當前，國內外學者關于軌道交通網絡發展的研究主要集中在軌道交通合理規模預測與網絡影響評價等方面。在軌道交通合理規模預測方面，徐瑞華等[2]針對客流在網絡上的分布問題提出了一種考慮多路徑選擇的城市軌道交通網絡客流分配模型，并得出北京軌道線網合理規模的理論值。胡超凡等[3]在確定城市軌道交通合理規模各種因素的基礎上，結合北京市軌道網絡特點利用需求分析法及服務水平類比法對軌道線網規模進行計算，得出北京市區軌道交通宜采取中高密度的線網規劃規模。林麗凡等[4]篩選出影響軌道交通合理線網規模的關鍵指標，基于合肥市案例驗證提出綜合因素法的有效性。陳堅等[5]針對目前不同預測方法結果相差較大、操作性欠佳等問題，提出一種基于改進熵權系數的軌道交通合理規模計算模型，并以重慶為例進行實證分析。

在軌道交通網絡評價方面，Wang等[6]利用灰色關聯分析法，考慮乘客需求、換乘和客流分流三個方面因素構建了城市軌道交通線網綜合評價方法。Qiao等[7]基于復雜網絡理論，利用指標分析法對比分析得出北京市規劃網絡的平均程度、聚類系數和平均最短距離等指標均有所提高，但網絡效率略有下降。周溪召等[8]基于復雜網絡理論及圖論知識，通過分析地鐵網絡的拓撲結構研究不同結構下地鐵網絡的特性指標，揭示了城市軌道交通網絡演化的理論基礎。

在軌道網絡規模影響方面，僅有少數學者進行了研究。陳旭梅等[9]運用系統結構模型探討了城市規模、城市交通需求、居民出行特征等對軌道交通線網規模的影響。朱玉琴等[10]選出城市人口、城市面積、軌道交通分擔率等6個影響因素，運用逐步線性回歸方法建立了影響城市軌道交通線網規模的多因素模型，進而評估了重慶市2020年軌道交通線網合理規模。

以上相關研究多是從客觀條件單一維度探究城市軌道交通線網規模的影響，缺乏對軌道交通政策以及乘客滿意度等主客觀多維影響變量與軌道交通線網規模間影響關系的考慮。針對城市軌道網絡規模，本文選取5個類別影響因素共7個主客觀影響指標進行定性分析，利用相關性分析法定量化刻畫多維影響因素與城市軌道網絡規模間的關系，并利用結構方程模型(structural equation modelling，SEM)構建城市軌道網絡規模影響模型。該研究豐富了城市軌道交通網絡規模影響體系和技術路線，為城市軌道交通系統的規劃設計、網絡優化等提供了理論依據。

1 城市軌道網絡規模影響分析

1.1 主客觀影響因素分析

隨著我國城市軌道交通的快速發展，軌道網絡系統逐漸呈現出復雜網絡系統的特征。而網絡規模的影響因素也呈現多元化特點，并受到客觀條件因素與主觀心理因素等多重約束與聯合影響。基于文獻分析與先驗知識可知，城市軌道網絡規模主要受到國家政策和經濟水平[5,10]、城市規模[11-12]和軌道出行需求[9]等客觀條件因素，以及感知服務水平[10]等主觀心理因素的多維聯合作用，如圖1所示。下面定性地分析主客觀因素與城市軌道網絡發展間的關系。

圖1 軌道交通網絡規模影響因素關系圖Fig.1 Relation diagram of influencing factors of the urban rail transit network scale

1.1.1 國家政策因素

目前，國家和地方政府層面出臺了許多有關軌道交通發展的措施和政策，如《城市公共交通“十三五”發展綱要》[13]和《國務院關于城市優先發展公共交通的指導意見》[14]等，為促進城市軌道交通的有序發展以及完善城市多維立體公共交通體系提供重要保障。

1.1.2 經濟水平因素

城市的經濟實力決定了該城市的交通財政的支付能力以及居民出行成本水平，軌道交通是一個較為昂貴的城市交通建設工程，該因素用于衡量城市是否滿足新建軌道交通的標準要求，并會影響軌道交通投資建設的規模。根據文獻[4]和[9]可知，城市的國內生產總值(gross domestic product, GDP)和第三產業值是衡量經濟水平的重要指標，故選取二者代表城市的經濟水平。

1.1.3 城市規模因素

城市規模因素主要涉及人口規模與建設用地規模兩方面。其中，人口規模可以反映城市軌道交通潛在的服務客運量[11]；而建設用地規模也常與公共交通建成里程成正比關系，并會對居民軌道交通出行行為與接駁距離產生較大影響[12]。因此，本文選取人口規模和建設用地規模作為表征城市規模的指標。

1.1.4 軌道出行需求

城市軌道出行需求與軌道網絡規模間具有相互影響、相互制約的關系。軌道網絡規劃越完善、覆蓋越廣，軌道交通模式的虹吸現象越明顯；而軌道出行需求越旺盛，常態化滿載率越高，則會進一步促進城市軌道規模的發展。

1.1.5 服務水平感知

現有研究表明軌道交通服務水平顯著影響出行者在出行方式選擇時的心理意向。考慮客運服務質量與乘客滿意度間具有顯著的直接關系[15]，故本文選取乘客滿意度代表居民對軌道交通的感知服務水平。為了準確刻畫居民對于軌道交通服務的滿意度，本文以軌道線網較為發達的廣州市為研究背景，采用問卷調查的形式開展居民對軌道交通服務滿意度的調查，進而定量化分析廣州市軌道交通服務水平，并為后文研究提供數據基礎。

問卷內容涉及軌道站內指示牌設置、換乘站布局、通道通暢情況、車輛座位布置、車內溫度等外部設施情況，以及軌道運營時間、行駛速度、安全性、準點率及價格等運營情況，具體問卷內容見OSID。考慮問卷實施城市及出行者警覺性較強，故利用社交媒體等網絡平臺采用線上問卷調查的形式搜集相關信息。于2019年1月面向廣州市居民開展為期一周的軌道交通服務滿意度調查，時間上涵蓋高峰與非高峰期，而空間范圍涉及整個廣州市區。本文共收回有效問卷189份，利用SPSS軟件對問卷數據的質量進行評估。利用Alpha模型在95%置信水平下進行可靠性分析，得到本次調查數據的克朗巴哈系數法(Cronbach’s Alpha)值為0.857，滿足不小于0.8的條件，故回收問卷的可靠性良好。

基于問卷調查分析，可獲取廣州市居民對地鐵外部設施和軌道運營等方面服務滿意度情況，最終可得居民對廣州地鐵整體滿意度情況，如圖2所示。其中，調查結果顯示：約46%的居民不清楚緊急設備裝置及其使用方法的相關情況，從而影響其對地鐵服務的滿意度；53.3%的居民認為地鐵座椅舒適度需要進一步改進；63.3%的居民對地鐵的指示牌設置滿意度為“一般”；而大部分居民認為有必要在地鐵站增加扶手電梯或自動電梯。

圖2 居民對軌道交通服務滿意度Fig.2 Passengers′ satisfaction with the rail transit service

1.2 影響指標選取規則

在選取軌道交通網絡規模影響指標時，需確定指標的可計算性與數據的可獲取性等條件。此外，針對軌道交通網絡規模的影響指標篩選確定以下兩條原則：(1)指標間的關系應具有全面性和獨立性，可從多維度全面表達軌道交通網絡規模的影響；(2)保證指標具有典型性與普遍性，以確保全面涵蓋軌道交通網絡規模的影響因素。

1.3 指標相關性分析

基于以上影響指標選取規則分別篩選軌道交通發展政策因素、日均客運量、GDP、第三產業產值、人口規模、建設用地規模和乘客滿意度共7個主客觀影響指標，利用SPSS軟件對影響因素與衡量軌道網絡規模的線路長度間的相關性關系進行分析。其中，基于當地政府及國家出臺的軌道交通相關政策，考慮政策對城市軌道線網規模的影響效應在時間維度上是一個動態持續的過程，故在政策出臺當年根據政策強弱及其正負方向對政策值進行迭代加減計算，最終政策因素的取值范圍處于[0.60,0.85]。另外，通過查閱《中國統計年鑒》[16]與《廣州市國民經濟與社會發展統計公報》[17]等官方材料獲取廣州市1999—2018年其他5個客觀條件因素的真實數據。

首先，基于SPSS軟件對獲取的主客觀因素數據進行可靠性檢驗。結果得出，基于標準化項的克朗巴哈系數法的值為0.991，表明獲取的指標數值具有極高的信度。

然后，利用指標數據進行網絡規模及影響因素間的相關性分析，結果見表1。其中，因素間相關關系的顯著性值均為0，滿足小于0.05，則拒絕原假設H0：兩個變量間不存在相關關系，即兩個變量間存在顯著的相關性。為便于直觀分析，將影響變量間的相關性關系進行可視化表達，結果如圖3所示。圖中，顏色代表不同影響因素，線條粗細表示兩個因素間相關關系的強弱。結果表明，線路長度與7個網絡規模影響因素指標間的相關性系數均大于0.92，說明選取的主客觀影響因素與城市軌道網絡規模之間具有較強的相關性，故保留全部已選取的主客觀多維度影響因素作為影響模型的輸入變量，以更加綜合全面地探究城市軌道網絡規模影響機理。

表1 網絡規模及其影響因素間相關性Table 1 Correlation between the network scale and its influencing factors

圖3 影響變量間相關性關系Fig.3 Correlation between influencing variables

2 城市軌道網絡規模影響模型構建

SEM是一種建立、估計和檢驗因果關系的方法[18]，模型既包含可觀測的觀測變量，也可能包含無法直接觀測的潛在變量。SEM可以替代多重回歸、通徑分析、因子分析、協方差分析等方法，分析單項指標對總體的作用以及單項指標間的相互關系。并且，SEM具有同時對多個因變量擬合的能力，可提供總體模型檢驗和獨立參數估計檢驗，并測量變量間的非直線關系以及直接、間接和總體效應。因此，研究采用SEM定量化探究影響因素對城市軌道網絡規模的作用效果。

SEM可以有效描述多維觀測變量與潛在變量間的相互關系。SEM包含測量模型與結構模型兩部分。第一部分為測量模型，表示城市軌道網絡規模的潛在影響因素與其觀測變量間的關系，以矩陣形式表示如下：

x=Λxξ+δ，

(1)

y=Λyη+ε，

(2)

其中，Λx為外生觀測指標x與外生潛變量的關系，Λy為內生觀測指標y與內生潛變量的關系，η為軌道網絡規模內生潛變量，ξ為經濟水平因素和城市規模因素等外生潛變量，δ為x的誤差項，ε為y的誤差項。

結構模型反映多維城市軌道網絡規模影響因素間的關系，以矩陣形式表示如下：

η=Bη+Γξ+ζ，

(3)

其中，B為變量η之間的結構系數矩陣，Γ為變量ξ對變量η的結構系數矩陣，ζ為殘差項。

3 實證分析

為了具體解析城市軌道交通網絡規模的影響機理，研究將城市軌道交通系統建設較早且線網規模較發達的廣州市作為背景。結合上述對軌道交通網絡規模影響因素定性與定量分析，利用IBM SPSS Amos軟件構建城市軌道網絡規模影響初始模型，如圖4所示。其中，橢圓形代表潛在變量，包括經濟水平因素、城市規模因素和殘差變量；矩形代表觀測變量，包含軌道交通發展策略、第三產業值、GDP、建設用地規模、人口規模、日均客運量和乘客滿意度等7個變量；所有變量間的關系采用矢量箭頭表示。而e0～e7分別代表不同觀測變量的殘差，關系路徑上數字“1”為潛在變量或殘差項與觀測變量間關系路徑的權重系數。

圖4 城市軌道網絡規模影響初始模型Fig. 4 Initial influence model of the urban rail transit network scale

為進一步優化模型結構并驗證模型有效性，將獲取的7個影響變量和表征網絡規模的線路長度等數據輸入到初始模型中，并進行迭代計算與檢驗分析。首先，結合殘差閾值檢驗、修正系數和協方差標準變化參數，對初始模型的路徑權重分配和變量關系結構進行調整，刪除變量關系不顯著的路徑并添加殘差變量間的關系結構。然后，對修正模型的擬合精度進行檢驗。該結構方程模型中共有8個測量指標，原始參數的總數根據公式q(q+1)/2可得為36，自由參數共8個，故模型自由度為28。由于自由度為正，則該模型為過渡識別模型，即模型有多組解并且適合進行適配度檢驗。選取適配度指數中的規范擬合指數(normed fit index, NFI)、遞增擬合指數(incremental fit index，IFI)、相對適配指數(relative fit index, RFI)、卡方自由度比值(chi-square/degrees of freedom, CMIN/DF)及漸進殘差均方平方根(root mean square error of approximation, RMSEA)作為模型評估指標。模型評估指標情況如表2所示，基本符合表中所列模型評估標準，驗證了模型結構與變量間影響關系的有效性。最終的修正模型結果見圖5。

表2 模型結果評估情況Table 2 Evaluation of the modified model results

圖5 城市軌道交通網絡規模影響關系結果Fig. 5 Influence relation results of the urban rail transit network scale

根據結果可知，研究選取的主客觀影響因素變量與線網規模間具有顯著性影響關系。其中，第三產業產值和日均客運量作為軌道交通建設的政策條件要求，對城市軌道線網規模均具有最大的影響效應值，即0.99×0.5=0.495，反映出城市軌道線網規模需要在一定的產業經濟支持下對照城市軌道交通出行需求進行建設；其次為表征潛在軌道交通出行需求的人口規模指標，影響效應為0.46×0.5+0.54×0.48=0.489；同理，計算得到GDP和建設用地規模指標的影響效應值為0.465，表明與GDP相關的乘客出行費用以及城市交通用地面積為制約城市軌道線網規模的兩大要素；軌道交通發展策略的影響效應值為0.461，考慮近年來廣州市因經濟和人口發展迅速，在軌道建設方面得到國家和地方政府的大力支持，從而降低了政策條件的約束影響；而乘客滿意度的影響效應值最低為0.451，反映了乘客的主觀心理因素較客觀條件約束的影響較弱，即乘客的主觀心理因素不是影響城市軌道線網規模的強制性約束，但能作為軌道交通建設過程中的輔助性參考。

4 結論

研究從5個方面定性地分析了不同影響因素對城市軌道網絡發展的影響關系，基于主客觀多個維度綜合選取軌道交通發展政策、日均客運量、GDP等7個關鍵影響指標進行定量化相關性分析，利用SEM構建了城市軌道網絡規模影響模型。研究表明，本文構造的模型結構與變量間影響關系具有有效性；選取的主客觀影響因素均與城市軌道網絡規模間存在顯著影響關系，結果與定性分析、相關性分析相一致；客觀條件因素較主觀心理因素具有更強的影響效應，其中第三產業值和日均客運量對城市軌道線網規模具有最大的影響效應值0.495，而作為城市軌道發展建設的輔助性指標乘客滿意度具有最低的影響效應值0.451。此外，本文提出的研究方法具有較好的擴展性與適用性，可進一步融入新興交通產業，如共享交通、網約出行以及出行即服務(mobility as a service,MaaS)等多維因素分析城市軌道網絡規模的發展影響。