建成環境與高收入群體出行模式關系研究

黃 勇，趙 航，許旺土，段梅花，魏 薇

(1. 貴州師范大學 地理與環境科學學院，貴州 貴陽 550025；2. 廈門大學 建筑與土木工程學院，福建 廈門 361005)

0 引言

高收入群體作為一類特殊群體，因群體數量少、出行優勢高的影響，導致該群體在出行方面的研究極少受到交通領域學者的關注。目前多數研究一般把該群體與其他收入群體進行對比分析，得到結論：高收入群體的出行頻率、距離、時間、出行模式偏好等與其他收入群體存在較大差異[1-2]。對于差異的原因，目前較少有文獻作出詳細解答，而對其出行行為及影響因素的研究更為少見。受職住空間失衡、空間擴張、POI布局等建成環境的影響，居民日常出行距離與時間增加，也在一定程度上改變了居民的原有出行模式[3]。其中，高收入群體因出行距離、時間的增加及對出行質量的高追求，在出行支付能力強等因素的共同作用下，導致該群體加劇了對小汽車出行的依賴，并成為其日常出行的主要交通方式。由于小汽車出行帶來交通擁擠、環境污染、開車久坐引發疾病等問題，通過改變建成環境來改變高收入群體對小汽車出行依賴愈加迫切，因此厘清城市建成環境與高收入群體出行行為之間的關系，將有助于進一步提升城市交通運輸效率和管理能力，為優化城市土地利用、改善城市交通及制訂規劃政策提供決策支持。

盡管建成環境對居民出行行為的影響因素復雜多樣，但到目前為止被研究者歸納并常運用在文獻中的有5D維度，即密度、混合度、設計、公交鄰近度、目的地可達性，少量文獻擴展到7D維度，增加了需求安排和人口統計學特征，并證實了不同建成環境因子對城市居民的出行行為影響存在差異[4-5]。例如，研究表明居民對區域基礎服務設施的可達程度深刻影響著居民的日常出行行為，如靠近軌道交通站點的居民使用小汽車的行為少于遠離軌道交通站點的居民[6]。區域城市化水平越高，其建成環境越復雜，居民出行行為復雜多樣，導致使用小汽車更為頻繁[7]。而有學者則認為城市設施密度與土地利用混合較高時，居民的出行行為更為簡單，會減少使用小汽車[1]。公交站點作為城市公交服務系統的重要組成部分，其數量及便捷可達性影響著居民出行乘坐公交。文獻表明，區域公交站點密度增加，居民通勤出行時對小汽車的使用會降低，居民乘坐公交的可能性增加[4]。另有文獻則指出公交運行速度慢、車內擁擠、服務水平差等因素嚴重影響居民乘坐公交，抵消了高密度與高可達公交布局的效用[8]。停車位的建設在交通服務系統中同樣扮演重要角色。停車位的建設數量、空間布局、停車費用等與居民使用小汽車及出行空間分布有著密切關系，通常停車位多的區域其居民的汽車擁有量較高，出行目的地的停車位越多則越容易使居民增加使用機動車[3]。區域路網密度增加促使道路十字路口與交叉口數量增加，其密度對居民出行的影響也逐漸顯現，提高公共交通站點與道路交叉口密度會使居民增加使用公共交通與非機動車[9]。城市CBD通常被認為是城市的核心區域且承擔著城市商業經濟的發展，居民居住位置與CBD的空間距離對居民的出行方式有著顯著影響，離城市CBD越遠，小汽車的使用強度越大[4]。大量文獻表明，除建成環境本身對居民出行行為的影響之外，居民出行行為還受到居住地自我選擇[10]、出行態度與建成環境感知[11]、突發狀況[12]等的影響。綜上所述，學者普遍認為城市以較高人口密度和高土地利用混合度、出行目的地可達性高、多中心及良好出行環境發展，居民出行將減少對小汽車的使用，增加綠色出行模式，也受其出行態度、居住地自我選擇、城市建成環境感知的影響。

通過梳理有關建成環境與居民出行模式之間的研究文獻，發現其研究對象多集中于弱勢群體(中低收入群體[13]、老年人[14]、學生[15]、移民[16]等)或未分群體[3]，對高收入群體的出行僅進行簡單描述[1,17]，而建成環境對高收入群體出行模式的影響及作用目前尚未得到明確結論。鑒于此，本研究目的在于：(1)揭示建成環境對有車/無車高收入群體整體出行模式的影響機理。(2)探究建成環境與個人社會經濟屬性對高收入群體出行模式的影響孰強孰弱。(3)補充建成環境與高收入群體出行模式的研究內容。

1 研究區域與數據整理

1.1 研究區域

廈門市位于福建省南部，與漳州、泉州相連，地處閩南金三角中部。廈門市于1980年被設立為經濟特區，經過40 a的發展已成沿海城市人口和建筑密度最高的城市之一。廈門市在經濟發展和宜居環境等推動下， 2015年人口與汽車擁有量分別達到386萬人與130萬輛，其中小汽車達到約88.58萬輛。隨著居民出行機動化時代的到來，機動車的高擁有量與高出行量導致廈門市的機動車道路擁堵嚴重，2015年道路擁堵指數排名全國第23位，道路擁堵與汽車尾氣的排放已對廈門市的自然環境與交通運輸管理等方面帶來巨大的挑戰，嚴重影響著城市的可持續發展。

1.2 數據來源

個人社會經濟屬性與出行數據：高收入群體出行數據源于廈門市2015年居民出行調查結果。通過數據篩選原則，從約22萬條居民出行數據中獲取高收入群體(18～59歲)出行數據逾2.8萬條(占比12.72%)，涉及10 661人。

數據篩選原則：(1)首先根據職業去除學生，其次選擇18～59歲的勞動適齡者，最后選擇具有本地戶籍和自有住房的居民。(2)由于數據獲取時缺少居民的收入數據，但在個人數據中獲得了居民的職業與家庭住房面積，通常職業與家庭住房面積從側面反映了居民的收入狀況，因此參考廈門市2015年各交通小區中的社區(街道)的房價均價與廈門市2015年各職業的平均工資及房價收入比(表1)。最后綜合3類數據，篩選出家庭住房面積≥130 m2且個人年收入大于15萬元[18]的個體作為高收入者。

建成環境數據：POI(休閑娛樂場所、購物店、公共交通站點)數據由百度地圖API抓取2015年相應數據；土地利用類型、人口數量、綠地、建筑總面積等數據源于相關政府部門官網。

表1 2015年我國城市房價收入比前10名

1.3 變量解釋

(1)建成環境特征。本研究以交通小區作為建成環境數據的統計單元，以居住區位、停車位密度、購物店密度、休閑娛樂場所密度、容積率、綠化率、路網密度、土地利用類型混合度、公共交通站點密度、就業密度、人口密度等描述城市建成環境的設計、多樣性、公交可達性、密度，具體環境特征值見表2。土地利用混合度的計算公式為[4]：

(1)

式中，E為土地利用混合度；Pij為交通小區j中i類土地利用所占比例；Nij為所有土地類型的數量。

表2 建成環境與出行變量描述性統計Tab.2 Descriptive statistics of built environment and travel variables

(2)高收入者社會經濟屬性(表3)。包括：性別、所屬年齡段、駕照持有狀況、受教育程度、家庭人口規模、小汽車所有權。其中，男女比例接近1∶1，無駕照者占35.91%，有駕照者占64.09%；有小汽車者占63.89%，無小汽車者占36.11%。

表3 個人社會經濟屬性特征統計Tab.3 Statistics of characteristics of individual socio-economic attributes

(3)高收入群體出行特征。包括：出行模式和出行目的(表4、表5)、出行距離和出行時間(表2)。其中，出行模式分為4類：步行、騎行、公共交通、小汽車；出行目的分為3類：生計活動(公務、上班)、生活活動(購物、接送小孩上學、看病、探親訪友)、娛樂活動(旅游休閑、文體、娛樂)。

表4 高收入群體出行特征統計Tab.4 Statistics of travel characteristics of high income groups

2 研究方法

因城市高收入群體日常出行模式多樣，彼此之間無序且獨立。因多項Logit模型對數據的正態性無要求，在研究居民出行行為方面的應用較為成熟，故運用此模型探究建成環境對高收入群體出行模式的影響機制。模型如下[9]：

表5 高收入群體不同出行目的的出行模式Tab.5 Travel modes of high ncome groups for different travel purposes

ln(P1/P2)=β0+β1X1+β2X2+β3X3+β4X4，

(2)

式中，ln(P1/P2)為選擇任意2種出行模式概率比值的自然對數；X1為個人社會經濟屬性特征；X2為建成環境特征；X3為單程出行距離；X4為單程出行時間；βr為參數向量，r=0，1，2，3，4。

將小汽車出行模式作為步行、騎行(自行車、助力車、摩托車)和公共交通3種出行模式的參照，在式(2)的基礎上構建了下列方程進行具體回歸分析：

ln(Pw/Pc)=βw0+βw1X1+βw2X2+βw3X3+βw4X4，

(3)

ln(Pb/Pc)=βb0+βb1X1+βb2X2+βb3X3+βb4X4，

(4)

ln(Pt/Pc)=βt0+βt1X1+βt2X2+βt3X3+βt4X4，

(5)

式中，Pc，Pw，Pb，Pt分別為出行者選擇小汽車、步行、騎行、公共交通作為出行模式的概率值；βwr，βbr，βtr則分別表示對應出行模式下各影響因素對應的參數；其余變量含義同式(2)。

3 結果分析

通過Stata15構建多項Logit回歸模型，探究廈門市交通小區建成環境對有車/無車高收入群體小汽車交通出行模式影響，結果見表5。由PseudoR2值和5%水平上的顯著性可知，該模型對交通小區建成環境與高收入群體出行模式之間的關系擬合效果較好。

首先，從密度與設計維度影響看，廈門市交通小區的就業密度對無車高收入群體的出行模式存在顯著影響，與有車高收入群體的出行模式無顯著關聯。通常就業密度高的區域其公共服務設施較為完善，在一定程度上提高了居民基礎服務的可達性，較大程度促進了無車高收入群體對非小汽車出行的選擇。但高密度的就業人口導致區域公共交通服務水平下降，加上就業區域配套有一定數量的停車位，進而刺激了有車群體的小汽車出行。交通小區人口密度越高，其道路越擁堵，同時相應的生活與交通服務設施越完善，其區域內的居民越容易在較短的出行范圍內滿足日常生活的出行需求，從而減少對小汽車的使用，促進居民選擇非小汽車出行。廈門市高收入群體在步行與汽車出行模式之間做選擇時，對無論有車與否的高收入群體選擇小汽車出行的可能性更高，因為其日常平均出行距離(4.42 km)已遠超人們的步行意愿距離。道路作為交通出行的載體，其密度影響著居民的交通運行。從表5可知，交通小區的路網密度與有車高收入群體的小汽車出行概率呈顯著正相關，而對沒車高收入群體的出行模式無顯著影響。通常交通小區路網密度越大，交通小區內部與外界之間的道路連通性就越高，有車高收入群體對小汽車的使用概率越大。

其次，從混合度與公交可達性維度影響看，廈門市交通小區土地利用混合度越高，有車高收入群體日常出行選擇步行與騎行的概率就越高，對公共交通出行無明顯影響，同時對無車的高收入群體出行模式無顯著影響。從表5中的土地利用混合度對高收入群體出行模式的影響程度可知，土地利用混合度對推動高收入群體公交出行的作用有待提高，可能源于在短距離出行中高收入群體更愿步行和騎行，不愿乘坐服務水平低的公共交通。公共交通站點密度與無車高收入群體的公共交通出行概率呈顯著正相關，對有車高收入群體的出行方式影響不顯著。原因在于公共交通出行時間長、車內擁擠、運行速度慢等，降低了公共交通站點高密度布局的效用；同時參考表4可知，廈門市公共交通對于高收入群體的出行分擔率(17.80%)低于廈門市公交總的出行分擔率25.7%(2015年)。

表5 多項Logit模型回歸結果Tab.5 Regression result by multinomial Logit model

續表5

最后，從居住區位與其他服務設施建設影響看，居住區位與其他設施對高收入群體的出行模式具有顯著影響。其中，島內高收入群體相對島外居民出行更多選擇步行與公共交通，島外的高收入群體更多選擇小汽車出行。原因在于島內作為廈門市的中心城區，其經濟發展與城市建設都超過島外。停車位密度對有車高收入群體的出行模式具有顯著影響，對無車群體無明顯關聯。通常停車位密度越高，有車高收入群體使用小汽車的可能越明顯，即便停車收費價格高，對小汽車的出行限制作用甚微。休閑娛樂場所密度與高收入群體步行的概率呈顯著正相關。從表4可知，在日常出行中高收入群體的步行占比較高(20.17%)，而在休閑娛樂中占比更是達到48.75%，可見休閑娛樂場所的建設可提高高收入群體的步行水平。從表5可知，交通小區購物店的密度對居民的日常購物出行行為有很大影響，表現為區域購物店越多，有車/無車高收入群體的步行概率越高，因為購物店增多其日常購物出行距離與時間就變短。交通小區綠化率的提高反而促進了有車高收入群體的小汽車，原因可能源于島外綠化率高于島內，促進了島內居民對島外綠地的使用，從而增加了小汽車出行。容積率與高收入群體的出行模式沒有顯著關聯。

綜上所述，盡管廈門市高人口密度、高土地利用混合度、高可達性的建成環境抑制了高收入群體使用小汽車，但抑制作用較弱。原因可能是：(1)高收入群體對小汽車出行的各種費用敏感性較小。(2)高收入群體的日常出行時間與出行距離長，出行時間成本高，對出行質量的高追求，導致對日常小汽車出行形成高度依賴。(3)區域現有公共交通服務水平難以滿足高收入群體的出行要求。因此，整體來說，高收入群體在有車情況下，更愿意選擇相比其他代步工具在舒適性、快捷性、門到門等方面更具優勢的小汽車；而無車高收入群體在步行、騎行、公交中更傾向騎行與步行，因為騎行(自行車)和步行鍛煉身體，增強了居民體質，減少疾病的發生。簡而言之，結合個人社會經濟屬性與建成環境來看，建成環境對高收入群體小汽車出行的影響較弱，低于個人經濟社會屬性對小汽車出行的影響。

4 結論

本研究利用廈門市2015年居民出行調查數據，構建多項Logit模型探究了建成環境與高收入群體出行模式的關系，得到以下結論：

(1)在控制個人社會經濟屬性變量后，廈門市交通小區建成環境總體上對有車與無車高收入群體的出行模式存在顯著影響，但對有車高收入群體的小汽車使用的抑制作用較弱，可能原因在于：①高收入群體個人出行支付能力強，對日常小汽車出行方式的消費敏感性小；②高收入群體日常出行距離與時間較長，而公共交通服務水平滿足不了該群體對出行質量的要求。

(2)從密度與設計維度看，交通小區人口與就業密度的提高，促進了無車高收入群體對非小汽車出行的選擇，而對有車高收入群體的小汽車的使用限制作用弱。路網密度的提高促進了有車高收入群體使用小汽車。

(3)從多樣性與公交可達性維度看，土地利用混合度的提高對有車高收入群體小汽車的抑制作用較弱，對無車群體的出行模式無顯著影響。公共交通的運行速度慢、車內擁擠等抵消了公共交通站點高密度布局的效用，導致對高收入群體的小汽車出行無顯著抑制作用，反映出提高公交服務質量與水平才是增加居民公共交通出行的最有效手段。

(4)除以上幾個影響因素之外，停車位密度與綠化率的提高將促進高收入群體使用小汽車；娛樂場所與購物店密度的提高能提升高收入群體的日常步行水平；居住區位對廈門市高收入群體的出行模式具有顯著影響，島內高收入群體相對島外居民出行更多選擇步行與公共交通，島外高收入群體則更多選擇小汽車出行；容積率對居民的出行模式無顯著影響。

受到調查數據的限制，本研究存在以下不足：(1)缺少對居民自我選擇與出行態度的考慮，現有文獻已證明二者對居民出行模式存在顯著影響。(2)忽略了高收入群體日出行鏈的考慮。(3)由于研究數據為橫截面數據，難以解釋建成環境與出行模式的因果關系。(4)結論只是針對廈門而言，對于其他地區高收入群體的影響結果是否存在差異有待討論。在今后的研究中，不僅要彌補以上不足，也要關注建成環境對出行行為的非線性影響及影響閾值、空間差異，這是近年來交通地理與出行行為等研究領域熱門的研究方向。