基于可塑性面積單元問題的建成環境對交通狀態的影響

摘要：針對分析建成環境對交通狀態影響時網格單元劃分問題，以濟南市為研究區域，選取人口密度、購物商場密度、公交站點密度作為濟南市建成環境的評價指標，選取車輛軌跡點平均速度作為濟南市交通狀態的評價指標，考慮可塑性面積單元問題（modifiable areal unit problem，MAUP），分別采用1 km×1 km、5 km×5 km、10 km×10 km的3種正方形網格及1 km×5 km、1 km×10 km、5 km×10 km的3種長方形網格劃分研究區域，通過皮爾遜相關系數、普通最小二乘法（ordinary least squares，OLS）、空間自相關分析3種方法分析不同劃區方案下建成環境與交通狀態間的相關性，通過計算并比較建成環境與交通狀態間的皮爾遜相關系數、OLS擬合優度、莫蘭指數確定最佳劃區方案。結果表明：以5 km×5 km的正方形網格單元劃分研究區域時，交通狀態和建成環境間的相關性最大，可較好地反映建成環境對交通狀態的影響。

關鍵詞：交通狀態；MAUP；建成環境；網格單元

中圖分類號：U491文獻標志碼：A文章編號：1672-0032（2024）04-0001-06

0引言

隨著機動車保有量的增加及城市規模的擴大，交通需求與交通供給間的矛盾增大，交通擁堵現象日益嚴重。2023年我國有65座城市的通勤高峰擁堵指數大于1.4[1]，交通擁堵問題已成為制約城市健康、可持續發展的重要因素之一。有效提高交通系統的承載力、降低交通擁堵成為當前研究的熱點問題之一。

城市土地利用布局、建成環境等是影響交通運行效率的重要因素。建成環境也稱為城市形態、城市設計、城市空間結構等[2]。建成環境對城市交通的影響較大，韓會然等[3]從測度方法、不同方式出行行為、工作與非工作出行行為、建成環境與出行行為的因果關系等方面梳理建成環境影響出行行為的相關研究；Handy等[4]考慮出行偏好和社區偏好，分析社區特征與出行行為間的關系；Cao[5]分析建成環境對出行方式選擇的影響；謝蔚翰等[6]研究建成環境對出租車出行需求影響機制的時空特征與模式；Zhang等[7]認為建成環境對總出行次數、總出行線路數及以家庭為基礎的購物出行有顯著影響。

可塑性面積單元問題（modifiable areal unit problem，MAUP）是指由人為劃分連續地理空間單元產生空間模式變化所引起的問題。周建[8]以北京市家庭出行數據為基礎，考慮MAUP效應，分析建成環境的不同特征在不同空間尺度上對家庭出行效率的不同影響；Chen等[9]研究社區食品環境中的MAUP，認為任何可能導致政策變化的社區食品環境評估都應考慮MAUP；Comber等[10]分析MAUP在評估生態系統服務并做出合理景觀決策時的重要性；朱錦懋等[11]分析福建北部森林群落物種多樣性的MAUP，發現森林群落物種多樣性存在尺度效應和劃區效應，其影響隨取樣面積增大而減小；宋文等[12]以甘肅隴南兩當縣為研究區域，基于MAUP效應，研究征地補償標準制定過程中最佳評價單元級別的選擇問題；程姌等[13]考慮MAUP對研究結果的影響，采用分層多尺度方法研究地表溫度與歸一化植被指數及高程間的相關性，相關分析結果與粒度和研究區域的劃分密切相關；陳得心[14]基于多種小區劃分方式，研究MAUP對出租車出行需求分析過程的具體影響；張宏澤等[15]探討土壤重金屬空間分層異質性中的MAUP；劉振鋒[16]分析MAUP對西安市文化產業空間集聚過程和格局特征的影響；牛強等[17]以武漢市為研究對象，基于社區發現算法，在不同尺度下劃分通勤交通分析單元；劉曄等[18]關注1 km面要素緩沖區的重新劃定對分析結果的影響，分析建成環境對廣州市居民幸福感影響的異質性效應。目前MAUP在交通狀態分析中的應用較少，研究建成環境和交通狀態關系時，劃區方式較單一，導致研究數據的可操作性較低。

本文以濟南市為研究區域，構建建成環境與交通狀態的評價指標，考慮MAUP的影響，分析不同網格單元下建成環境與交通狀態的關聯特征，通過皮爾遜相關系數、普通最小二乘法（ordinary least squares，OLS）、空間自相關分析3種方法確定最佳網格單元，為分析交通狀態時劃分網格單元提供理論依據。

1研究方法

1.1劃區方案

MAUP通過尺度效應與劃區效應描述統計性結果偏差和空間分析結果偏差，能更全面地對比研究結果。構建MAUP的尺度效應時，需分析城市內部空間布局與用地屬性，確定影響交通狀態的關鍵因素；對城市進行均質化處理，確保各尺度在相似條件下進行比較；根據城市面積、土地利用類型等因素確定合適的網格尺寸。尺度為1 km可反映城市內部細節，捕捉局部建成環境特征和交通狀態的關系；尺度為5、10 km可涵蓋城市較大區域，從整體理解交通狀態和建成環境的內在聯系。

在劃區效應方面，國外學者重點關注劃分區域是否滿足政治和經濟效應[19-20]，國內學者主要考慮地區發展差異、區域規劃與發展確定網格形狀[21]。網格形狀一般為正方形、長方形、五邊形、泰森多邊形、交通小區等。根據研究區域中土地利用類型、交通小區、研究區域形狀和研究區域地理環境等因素選擇劃區形狀。結合建成環境特征，正方形網格和長方形網格2種劃區方式更易適應城市規劃單元。

根據濟南市路網密度和占地面積，考慮數據可用性，本文選擇1、5、10 km 3種尺度，以及正方形、長方形2種網格形狀劃分研究區域，劃區方案如表1所示。

1.2指標選取與數據來源

根據研究區域實際情況，選取人口密度x1、購物商場密度x2、公交車站點密度x3作為濟南市建成環境評價指標。通過數據禾在線平臺獲取截至2023年第一季度末不同劃區方案下建成環境指標的興趣點（point of interest，POI）數據，采用軟件ArcGIS進行數據清洗處理和歸一化。

一般采用15 min內路段車輛的平均速度作為評估道路擁堵程度的指標，獲取車輛軌跡點平均速度數據相對便捷，處理效果更直觀，通過數據禾在線平臺獲取濟南市2023年第一季度的車輛軌跡點平均速度y作為濟南市交通狀態的評價指標。

6種劃區方案下隨機選取某網格的車輛軌跡點平均速度和3個建成環境指標數據如表2為所示。

1.3模型構建

1）皮爾遜相關系數

交通狀態指標與建成環境指標的皮爾遜相關系數

r=－1～1，r越接近1，說明二者正相關；r越接近－1，說明二者負相關；r接近0，說明二者不相關。

2）OLS

通過OLS建立交通狀態指標與建成環境指標的多元線性回歸方程為：

y=ax1+bx2+cx3，

式中a、b、c分別為人口密度、購物商場密度、公交車站點密度的回歸系數。

OLS的擬合優度可解釋變量的方差比例，交通狀態與建成環境的多元線性回歸方程的擬合優度

R2=0～1，R2越大，說明多元線性回歸方程的擬合效果越好。

3）莫蘭指數

通過莫蘭指數分析網格單元變化對濟南市建成環境空間聚集與離散特征的影響，莫蘭指數

I=－1～1，I越接近1，表明數據呈空間正相關；I越接近－1，表明數據呈空間負相關；I接近0，表明數據沒有顯著的空間自相關。

2結果分析

2.1皮爾遜相關系數分析結果

不同劃區方案下建成環境與交通狀態的皮爾遜相關系數分析結果如表3所示。由表3可知：6種劃區方案下建成環境與交通狀態的皮爾遜相關系數r=0.226～0.443，呈正低度線性相關。采用5 km×5 km的正方形網格劃分研究區域時，建成環境與交通狀態的皮爾遜相關系數最大，為0.443，顯著性（雙尾）最小，為0.051，在該劃區方式下，區域內人口密度、購物商場、公交站點和交通狀態等因素得以有效劃分，尤其市中區和歷下區部分街道上的網格表現更突出，建成環境指標變化能直接影響交通狀態指標。

2.2OLS分析結果

不同劃區方案下建成環境與交通狀態的OLS分析結果如表4所示。由表4可知：6種劃區分案下建成環境與交通狀態的R2和調整后R2均較大，方程擬合效果較好。第2種劃區方案下建成環境與交通狀態的OLS的R2和調整后R2均最大，顯著性概率P與標準估算的誤差均最小，說明采用5 km×5 km的中等規模網格單元劃分研究區域時，網格單元能較好地捕捉區域內建成環境與交通狀態間的關系，保證多元線性回歸方程擬合效果最好。

2.3空間自相關分析結果

不同劃區方案下建成環境與交通狀態的空間自相關分析結果如表5所示。由表5可知：6種劃區方案下建成環境與交通狀態的I均大于0，且標準差的倍數Z均較大，P均較小，說明樣本數據呈空間正相關；第2、3種劃區方案的I、Z均較大，說明采用5 km×5 km或10 km×10 km的正方形網格單元劃分研究區域時各樣本數據間的空間自相關性較好；第6種劃區方案（5 km×10 km）的I最小，說明在該網格單元劃分下，研究區域的建成環境與交通狀態間的相關性較小，劃區方案可能不符合城市實際功能區布局，某些住宅區與商業區被合并為同一劃區，某網格建成環境指標增大，產生局部效應差異，整體的相關性被局部效應變化削弱，導致莫蘭指數減小。

第2種劃區方案下建成環境與交通狀態的空間自相關分析圖如圖1所示，圖中間黃色部分為隨機分布，右側為聚集分布，左側為離散分布，I=0.564，Z=16.329，數據呈聚集分布，具有明顯的空間效應。

選擇適當的劃區方案對準確捕捉變量間的關系至關重要，劃區方案1、6下的R2較大，但I和r較小，說明劃區方案存在劃區尺度過于細碎或過大，導致空間模型的相關性較小，線性關系較弱。劃區方案4、5中，3組相關性分析方法的結果較接近，這2種劃區方案的網格尺度最接近，證明不同的網格尺度單元對分析結果存在一定影響。劃區方案3中的I最大，說明10 km×10 km的網格單元能更好地匹配數據的空間分布特征，數據在空間上更具相關性，且數據在該劃區方案下呈顯著的空間聚集性。第2種劃區方案的R2最大，在該劃區方案下的建成環境對交通狀態有較高的解釋力，在該劃區方案下的I和r也較大，證明該劃區方案用于分析濟南市建成環境與交通擁堵狀態間關系時，適用性較高。

3結束語

本文基于可塑性面積單元問題分析濟南市建成環境與交通狀態間的相關性。以6種不同的網格單元劃分研究區域，分別采用皮爾遜相關系數、普通最小二乘法模型、空間自相關3種相關性分析方法計算不同劃區方案下建成環境與交通狀態間的相關性。通過對比不同劃區方案下的3組相關性分析結果確定最佳劃區方案。結果表明，采用5 km×5 km正方形網格單元劃分研究區域時，濟南市建成環境與交通狀態間相關性較大，可較好地反映建成環境對交通狀態的影響。

下一步將采用更系統化的方法研究城市建成環境和交通狀態間的關系，為劃分交通擁堵治理單元提供良好的理論基礎及決策支持，從多角度解決城市交通擁堵問題。

參考文獻：

[1]百度地圖，北京交通發展研究院，清華大學數據科學研究院交通大數據研究中心，等.2023年度中國城市交通報告[EB/OL].（2024-04-08）[2024-05-21].https：//huiyan.baidu.com/reports/landing？id=170.

[2]EWING R， CERVERO R. Travel and the built environment：a meta-analysis[J].Journal of the American Planning Association，2010，76（3）：265-294.

[3]韓會然，楊成鳳.建成環境對出行行為的影響研究進展與展望[J].安徽師范大學學報（自然科學版），2019，42（2）：166-173.

[4]HANDY S， CAO X Y， MOKHTARIAN P. Correlation or causality between the built environment and travel behavior？ Evidence from Northern California[J].Transportation Research Part D： Transport and Environment， 2005， 10（6）：427-444.

[5]CAO X Y. Heterogeneous effects of neighborhood type on commute mode choice： an exploration of residential dissonance in the Twin Cities[J].Journal of Transport Geography， 2015，48：188-196.

[6]謝蔚翰，周素紅.建成環境對出租車出行需求影響的時空間分異模式[J].現代城市研究，2018（12）：22-29.

[7]ZHANG Q， CLIFTON K J， MOECKEL R， et al. Household trip generation and the built environment： does more density mean more trips？[J].Transportation Research Record： Journal of the Transportation Research Board， 2019，2673（5）：596-606.

[8]周建.考慮MAUP效應的建成環境對家庭出行頻率的影響研究[D].南京：南京林業大學，2022.

[9]CHEN X， YE X Y， WIDENER M J， et al. A systematic review of the modifiable areal unit problem（MAUP） in community food environmental research[J].Urban Informatics， 2022，1：1-11.

[10]COMBER A， HARRIS P. The importance of scale and the MAUP for robust ecosystem service evaluations and landscape decisions[J].Land， 2022，11（3）：399.

[11]朱錦懋，姜志林.閩北森林群落物種多樣性的可塑性面積單元問題[J].生態學報，1999，19（3）：16-23.

[12]宋文，裴婷婷，陳英，等.基于空間自相關的征地補償標準劃區可塑性面積單元問題效應研究[J].中國農業資源與區劃，2017，38（3）：101-106.

[13]程姌，康育龍，梁勤歐.利用分層多尺度方法研究地表溫度與高程及NDVI之間的相關性：以浙江省金華市為例[J].浙江師范大學學報（自然科學版），2018，41（4）：459-465.

[14]陳得心.考慮可塑性面積單元問題的出租車出行需求影響因素研究[D].成都：西南交通大學，2021.

[15]張宏澤，崔文剛，劉綏華，等.基于地理探測器和多源數據的耕地土壤重金屬來源驅動因子及其交互作用識別[J].環境科學，2023，44（4）：2177-2191.

[16]劉振鋒.基于可塑性面積單元的西安市文化產業空間效應研究[D].西安：陜西師范大學，2016.

[17]牛強，牛雪蕊，唐蕾，等.基于社區發現算法的宏中觀通勤交通分析單元劃分方法探索：以武漢市中心城區為例[J].交通信息與安全，2020，38（4）：95-103.

[18]劉曄，肖童，劉于琪，等.城市建成環境對廣州市居民幸福感的影響：基于15 min步行可達范圍的分析[J].地理科學進展，2020，39（8）：1270-1282.

[19]PANI A， SAHU P K， CHANDRA A， et al. Assessing the extent of modifiable areal unit problem in modelling freight （trip） generation： relationship between zone design and model estimation results[J].Journal of Transport Geography， 2019，80：102524.

[20]BRIZ-REDN ， MARTNEZ-RUIZ F， MONTES F. Investigation of the consequences of the modifiable areal unit problem in macroscopic traffic safety analysis： a case study accounting for scale and zoning[J].Accident Analysis amp; Prevention，2019，132：105276.

[21]王曉全，邵春福，管嶺，等.基于機器學習模型的建成環境對小汽車擁有行為的影響[J].交通運輸系統工程與信息，2020，20（4）：173-177.

The impact of built environment on traffic conditions based on

modifiable areal unit problem

Abstract：Aiming at the problem of grid unit division when analyzing the impact of the built environment on traffic conditions. Using Jinan City as the study area， population density， shopping mall density， and bus stop density are selected as evaluation indicators for the built environment， the average speed of vehicle trajectory points is selected as the evaluation indicator for traffic conditions. Considering the modifiable areal unit problem （MAUP）， three square grids of 1 km×1 km， 5 km×5 km， 10 km×10 km， and three rectangular grids of 1 km×5 km， 1 km×10 km， 5 km×10 km are used to divide the study area. The correlation between traffic conditions and the built environment is analyzed using Pearson correlation coefficient， ordinary least squares （OLS）， and spatial autocorrelation analysis. The best grid division scheme is determined by comparing Pearson correlation coefficients， OLS goodness of fit， and Moran′s I. The results showed that when a 5 km×5 km square grid is used as the grid unit to divide the study area， the correlation between traffic congestion and built environment is the greatest， which can better reflect the impact of built environment on traffic status.

Keywords：traff traffic conditions；MAUP；built environment；grid unit