軌道站點公共交通導向的開發綜合指數對周邊建筑停車配建指標的影響

湯祥, 尹超英, 何鵬, 單天賜, 李根*

(1.南京市城市與交通規劃設計研究院, 南京 210008; 2.南京林業大學汽車與交通工程學院, 南京 210042)

公共交通導向的開發(transit-oriented development,TOD)是以公共交通為依托的城市規劃和發展模式,特點是以軌道交通樞紐為中心,實現空間緊湊、高密度發展以及功能混合的土地利用[1]。實踐證明TOD對建筑停車需求有明顯的削減效果[2]。Tian等[3]結合10個TOD典型區域的研究發現商業建筑高峰停車需求只占ITE峰值需求的27%。周楊等[4]運用梯度提升決策樹與SHAP解釋模型發現,軌道交通站點周邊可達性對居民活動及出行方式選擇影響呈現顯著相關關系。戴冀峰等[5]通過調查發現,小汽車駕駛員最大尋車忍耐度為15 min,停車泊位便捷性是出行者方式選擇重要考慮因素。

目前中國停車配建多采用統一的停車配建指標數值,面對土地價值不斷提升,中心區、新城開發的中央商務區,超高層建筑已成為開發建設的一種常態[6],配建指標成為制約地塊容積率提升關鍵因素之一。朱震軍等[7]重點基于公共交通服務能力,提出了超高層建筑在既有公共交通服務能力約束下的停車配建指標優化的方法。崔敘等[8]通過分析軌道交通出行時空分析特性,提出軌道站點周邊路網密度、步行距離、辦公規模對市民出行活動有非線性正向影響。鄧敏等[9]提出從站點服務能力、接駁距離構建了地塊的公共交通出行水平評估模型,根據不同的出行便捷度從而制定不同停車供給。李爽等[10]認為在城市中心區和公共交通服務水平高的地區可降低建筑物配建停車位指標。有國內學者分別提出了考慮區位集聚效應及交通可達性、基于路網承載力的配建指標值的方法[11-12]。 國內上海、廣州等城市發布的配建停車標準文件中,對軌道站點周邊的辦公建筑配建停車指標均進行了相應的降低[13-14],如上海軌道交通站點300 m服務范圍內公共建筑的配建停車指標降幅為20%。

綜上所述,國內外學者基于TOD建筑的交通特性分析,對軌道站點周邊建筑的小汽車出行及停車需求特性進行了多角度探討,并提出相應的停車配建指標數值確定方法。但是,目前軌道站點TOD建筑的界定范圍以及影響程度多以定性的經驗數值為主,對軌道站點能級、距離及周邊銜接條件等方面差異的影響研究相對較少。例如,根據《南京建筑物配建停車設施設置標準與準則》研究中實地調查數據:同等距離條件下軌道樞紐站(兩條線以上)辦公建筑停車需求率數值低于一般軌道站15%～20%;同一軌道站點距離100 m與300 m時,辦公建筑停車需求率數值相差10%～15%。因此,現提出TOD綜合指數的概念,通過對軌道交通站點影響區TOD發展水平進行評估,并探討對周邊建筑停車配建指標影響研究,提升軌道站點周邊建筑配建泊位數值確定的科學性。

1 TOD綜合指數

1.1 TOD量化研究模型

TOD作為以軌道交通為導向的土地開發利用模式,其范圍內的公共建筑同時具備了交通網絡節點(node)和城市功能場所(place)兩種屬性。這兩種屬性互相促進同時又存在一定的矛盾沖突[15]。為評估城市土地開發利用和交通功能兩個層面互相之間的價值關系,有學者提出了“節點-場所”模型,該模型從軌道交通站點服務水平和站點周邊土地利用與經濟活動水平兩個維度衡量軌道交通站點的進行量化評估。

目前,TOD量化模型大多基于經典的“節點-場所”模型或其改進模型,該模型最早由Bertolini提出并應用于荷蘭阿姆斯特丹和烏德勒支城市集聚區的軌道站點地區研究。“節點-場所”模型是基于定量化的評價指標來測度軌道交通站點地區交通功能、土地利用水平的協調程度。其中,節點是指軌道交通站點,通過節點維度來測度軌道交通站點服務水平,服務水平越高的站點越能帶動地區發展;場所是指軌道交通站點影響區,通過場所維度來測度影響區土地利用分布的多樣性,多樣性越好的區域越能吸引更高密度的活動需求。

1.2 軌道站點TOD綜合指數

“節點-場所”模型認為軌道交通站點不單是單獨的節點,而是與站點周邊場所組成一個協調統一的整體,表征了土地利用與交通發展之間的相互關系。然而這種相互反饋關系缺乏銜接媒介,居民從軌道交通站點到達周邊場所獲得購物、醫療等各種服務時,需要有聯系介質來表征這種獲取服務過程的可達性,稱為“聯系”。即在傳統的“節點-場所”模型基礎上,新增“聯系”維度,將相對孤立的節點交通性與場所功能性關聯起來,來更好地表征兩者之間相互影響、相互制約的關系。在新增的“聯系”維度的評價指標上,借鑒國外Walk Score的應用[16],引入步行指數得分衡量場所內的步行友好性。最終,建議構建了3個維度、15項指標的評價體系來測度軌道交通站點的TOD綜合指數,如表1所示。

表1 TOD綜合指數的評價指標體系Table 1 Evaluation index system of TOD comprehensive index

1.3 軌道站點TOD綜合指數計算

TOD綜合指數評價是一個復雜的多因素綜合評價過程,采用熵權-模糊綜合評價方法進行指標的確權。熵權法的突出特點是客觀性強,依賴于數據本身的離散性,不會隨研究者的主觀性而變化。模糊綜合評價法是依據模糊數學的隸屬度理論將定性評價轉化為定量評價,通過專家打分構建模糊綜合評價矩陣。熵權-模糊綜合評價方法既能體現客觀數據所蘊含的信息,又充分尊重專家的意見。具體工作流程如下。

步驟1建立原始關系矩陣。矩陣X={xij}m×n表示m個評價對象對應n個評價指標,xij表示第i個評價對象對應的j項目指標值。

步驟2數據標準化處理。各指標量綱不同,需要對各指標數據進行處理得到標準化矩陣Y={yij}m×n。

(1)

式(1)中:yij為標準值;xjmax為j項目指標的最大值;xjmin為j項目指標的最小值。

步驟3計算隸屬度矩。

(2)

式(2)中:pij為第i個評價對象在第j項指標下的特征比重。

步驟4計算信息熵與差異系數。

(3)

dj=1-ej

(4)

式中:ej為第j項指標的信息熵;dj為第j項指標的差異系數。

步驟5計算指標權重。

(5)

式(5)中:wj為第j項指標的權重。

步驟6構建模糊綜合評價矩陣。首先根據需要對決策評語評價等級進行分級,用V={v1,v2,…,vk}表示;基于專家打分,用各評價等級的專家數除以專家總數作為評價因素對考核等的隸屬度值,構建的隸屬度矩陣R。

步驟7建立綜合評價模型。根據熵權法計算得到的15個指標因素的權重集W, 與模糊綜合評價矩陣進行綜合評判,得到評價向量B, 結合評語集V,得到軌道交通站點TOD綜合指數D。

B=WR

(6)

D=VB-1

(7)

2 停車配建與TOD綜合指數關聯分析

2.1 TOD綜合指數對建筑停車需求的影響

建筑的停車供給主要由配建停車指標確定,而停車供給與停車需求之間相互制約、相互影響。對于辦公建筑而言,出行方式相對固定,停車需求主要取決于日常通勤的小汽車出行比例。劉怡等[17]以城市交通效率最大和環境影響最小為目標,建立交通出行結構優化模型預測停車需求,對比傳統數學分析方法預測停車需求,表明交通出行結構優化模型對停車需求預測更為準確。尹超英等[18]通過路徑分析-離散選擇一體化模型,考慮了居住地及工作地的停車可用性對小汽車通勤出行的影響,表明停車可用性對小汽車通勤出行具有顯著的正效應。

TOD綜合指數越高的區域,出行者選擇軌道交通出行比例也會相對增高,從而降低小汽車出行需求后可相應地降低停車配建泊位規模,因此小汽車出行比例的變化也即停車需求改變的實際表現,同樣也是配建指標折減比例所需刻畫的目標。在出行方式選擇方面,非集計模型被廣泛應用,其選擇模型是基于不同影響因素,從多個備選方案中選擇其認為效用最大的方案。非集計模型以效用理論為基礎,出行者總會傾向于選擇效用最大的選擇方案。其效用函數包括兩部分:確定項Vab、隨機項εab,假設隨機項和確定項相互獨立并且服從Gumbel函數分布。確定項函數Vab通常采用線性函數作為其表達形式。

Uab=Vab+εab

(8)

(9)

式中:Xabz為出行者b選擇第a個方案中所包含的第z個特性變量;z為特性變量的個數;θz為第z個特性變量所對應的參數。

出行成本是出行方式選擇的重要因素,也是效用的衡量指標,重點研究的是小汽車、軌道交通兩種出行方式的變化影響。辦公建筑出行者以日常通勤出行為主,小汽車出行成本的主要影響因素包括:出行時長、燃油成本、停車費用(即辦公建筑配建停車場的停車費);軌道交通出行成本的主要影響因素包括:步行距離(即軌道站點至辦公建筑的步行距離)、票價、擁擠成本。此外,出行者的個人特性也會影響出行方式的選擇,重點考慮性別、年齡、月收入3個變量因素。

多項Logit(multinomial Logit, MNL)模型是非集計模型中使用最為廣泛的模型之一,能夠描述多個方案的選擇概率。對于辦公建筑的出行者而言,其出行目的是固定的,當外界因素改變時,出行者的行為選擇可以概況為3種:選擇配建停車場的小汽車出行P1、選擇其他停車場的小汽車出行P2、選擇軌道交通出行P3,出行者做出某一選擇的概率為

(10)

式(10)中:Pab為出行者b選擇第a方案的概率;Vab為出行者b選擇第a方案效用值確定項;Vcb為出行者b選擇其他方案效用值確定項;Ab為出行者b各類出行方案選擇的概率集。

2.2 TOD綜合指數對配建指標影響計算

辦公建筑配建停車指標數值制定,對于某一類別軌道交通站點影響區的辦公建筑,會構建一類出行方式選擇模型,步行距離變化時,出行者選擇軌道交通出行的概率會發生變化,相應地也會改變選擇配建停車場的小汽車出行比例。采用步行距離變化前后選擇配建停車場的小汽車出行比例的變化率來表示折減比例,具體模型構成過程如下。

步驟1選擇評價指標,構建“節點-場所-聯系”模型。

步驟2利用“熵權-模糊”法對指標進行賦權,建立綜合評價模型,計算軌道站點綜合發展指數。

步驟3依據計算的綜合發展指數,針對每一類別軌道站點影響區的辦公建筑及選擇影響因素,構建出行方式選擇模型。

步驟4改變步行距離,計算出行者選擇軌道交通出行的概率。采用步行距離變化前后選擇配建停車場的小汽車出行比例的變化率來表示配建指標數值的變化幅度,其計算公式為

(11)

3 南京市停車配建指標修訂實例應用

3.1 研究數據情況介紹

至2022年初,南京地鐵全長427.1 km,全年客運量達12.78億人次。所用數據包含如下4個方面。

(1)基于手機信令數據繪制的熱力圖數據,其原理是通過網絡運營商的無線通信網絡獲取移動終端的位置信息,以反映人口的移動與聚集情況。

(2)從百度地圖、Walk Score 網站獲取的空間數據和基于Python的網絡爬蟲API數據。

(3)南京市軌道交通站點及相關數據,來源于研究項目《南京市軌道交通線網規劃修編》。

(4)南京市軌道交通站點周邊辦公建筑停車及出行數據,來源于《南京市建筑物配建停車設施設置標準與準則》項目研究過程中的停車基礎數據調查。

3.2 南京停車分區TOD綜合指數計算

南京根據用地發展和交通條件,將全市劃分為3個不同的停車分區。

停車分區的影響因素與分區概況分別如表2及圖1所示,不同的區域采用差別化的建筑物停車配建指標數值。

圖1 南京停車政策分區圖Fig.1 Nanjing parking policy zoning map

表2 停車分區的影響因素Table 2 Influencing factors of different parking zones

從軌道站點服務范圍來看,多按行人步行10 min(800～1 500 m的半徑)的距離劃定軌道交通站點核心區范圍。參考殷悅等[19]提出的南京市軌道交通站點的影響區應當是以1 km半徑范圍,以軌道站點1 km半徑范圍內的區域作為軌道交通的站點影響區。從節點、場所、聚類3個維度對南京市軌道交通站點進行TOD綜合指數計算,結果如圖2所示。總體而言,繞城路以內的老城區站點綜合指數水平較高,有多條軌道交通線路服務,站點服務能力強,新街口站、大行宮站、三山街站等站點周邊地區土地類型豐富,信息熵較低。江寧區、浦口區等外圍地區的站點綜合測度水平呈現遞減態勢,主要是外圍站點服務能力較弱,且土地類型相對單一,如天潤城站周邊用地基本為住宅用地,南京交院站周邊用地以學校為主。但棲霞仙林中心、江寧百家湖地區存在綜合測度次高的站點,表明軌道交通有力推動地區發展。

圖2 TOD綜合指數圖Fig.2 Map of TOD comprehensive index

3.3 停車分區的建筑出行行為選擇模型

針對停車分區的一類區、二類區、三區分別選取了新街口站、花神廟站、星火路站3個典型站點,對每個典型站點周邊的辦公建筑開展出行行為調查,每個站點各發放250余份問卷,采用實際調研(RP)和意向調研(SP)相結合的綜合調研方法,調研內容主要包括以下4個部分:社會經濟屬性,包括居民的年齡X1、性別X2、月收入X3;私家車出行信息,包括居民的停車費用X4、出行時長X5、燃油費用X6;軌道交通出行信息,包括步行距離X7、票價X8、出行時間X9。出行選擇意向信息,調研步行距離每增加100 m時,居民的停車選擇意向。

3.3.1 一類區:新街口站

站點的主要特征是位于城市的核心區,軌道交通容量高、人口活力及土地協同利用程度高,計算TOD綜合指數高。研究新街口站共發放問卷251份,共回收有效問卷208份,有效回收率為82.9%。在對問卷調查數據進行量化處理后,進行出行行為選擇模型的參數標定,標定結果如表3所示。

表3 參數標定結果Table 3 Results of parameter calibration

模型標定結果中,模型的似然對數值(Log likelihood)為-72.14,似然比檢驗統計量LR chi2為61.09,對應P值為0,說明模型顯著;模型的擬合優度PseudoR2為0.697 5,表示模型擬合效果較好。于是,此類站點周邊辦公建筑的選擇配建停車場的小汽車出行概率為

2.328X4-0.249X5+1.041X6-

0.992X7-0.57X8-0.19X9;

1.966X4-0.223X5+0.811X6-

1.19X7-0.673X8-0.182X9。

3.3.2 二類區:花神廟站

站點的主要特征是TOD綜合指數水平適中,一般位于城市核心區外,公共交通水平、人口活力與土地協同利用程度適中,仍有一定發展空間。研究在明發廣場站共發放問卷約250份,共計回收有效問卷201份,有效回收率為80.4%。對問卷調查數據進行量化處理后,確定此類站點周邊辦公建筑的選擇配建停車場的小汽車出行概率為

3.549X4+1.917X5+0.326X6-

0.983X7-1.527X8-2.253X9;

4.469X4+2.7X5+0.406X6-

0.656X7-1.779X8-1.584X9。

3.3.3 三類區:星火路站

站點位于城市外圍地區,主要特征是,公共交通水平、人口活力、土地利用程度均較低,因此TOD綜合指數水平較低。星火路站共發放問卷約250份,共計回收有效問卷199份,有效回收率為79.6%,對問卷調查數據進行量化處理后,對出行行為選擇模型的參數標定。此類站點周邊辦公建筑的選擇配建停車場的小汽車出行概率為

3.109X7-0.672X8-0.704X9;

8.09X7-1.756X8-1.861X9。

3.4 辦公建筑配建停車指標折減

根據上述三類軌道交通站點構建的模型,不同步行距離下,出行者選擇辦公建筑配建停車場小汽車出行分擔率的變化曲線,如圖3所示。

圖3 基于步行距離的小汽車出行率變化曲線Fig.3 Ratio of private car usage based on walking distance

將上述結果代入所構建的辦公建筑配建停車指標幅度變化計算流程,計算得到不同停車分區的軌道站點影響周邊辦公建筑,不同步行距離下的配建停車指標折減數值,如表4所示。

表4 辦公建筑配建停車指標折減數值Table 4 Reduction ratios of parking indicators for office building construction

從停車需求的數值變化趨勢可以看出,站點周邊的辦公建筑停車配建折減數值均隨著步行距離增加而逐漸降低,降低程度逐漸減少。相同步行距離下,軌道站點的TOD綜合指數越高,折減數值越大,即一類區>二類區>三類區。對于二類區站點,步行距離在400 m以內的辦公建筑停車配建指標折減數值與距離的敏感性較弱,其值變化不大。在400～700 m的范圍內,停車配建指標大約以4%幅度降低。超過700 m后,對于距離的敏感性變強,每增加100 m停車配建折減數值降低了約7%。 對于三類區站點,步行距離在400 m以內辦公建筑停車配建指標折減數值與距離的敏感性較弱,停車配建指標折減數值變化較小。

3.5 軌道站點TOD配建指標折減數值政策

南京市停車配建指標在停車分區的配建指標差異化研究基礎上,綜合考慮實際項目建設方案審批中的經驗與實際可操作性以及前后政策銜接的平穩性,增加了不同類別軌道站點及不同距離影響下的停車配建指標的折減數值的管理規定。在《南京市建筑物配建停車設施設置標準與準則》中第18條明確提出:一類區內50%以上的用地面積在距離建成或規劃軌道站出入口100 m和300 m范圍內公共建筑,可分別相應減少20%、10%的停車泊位配置;二類區內50%以上的用地面積在距離建成或規劃軌道站出入口100 m范圍內公共建筑,可減少10%的停車泊位配置。

4 結論

針對當前TOD建筑停車配建指標對軌道站點能級、距離和銜接條件等考慮不足而采用均質化折減系數的問題,在傳統的軌道站點“節點-場所”模型基礎上,引入“聯系”維度評價以系統刻畫出行者從軌道交通站點到達周邊建筑的交通銜接轉換過程的影響,構建了TOD綜合指數模型,提出了軌道站點TOD綜合指數對周邊建筑停車配建指標影響計算方法,并在《南京市建筑物配建停車設施設置標準與準則》的政策研究中進行了實際應用。研究主要得出如下結論。

(1)不同能級軌道站點、交通銜接條件及出行距離等影響要素與停車配建規模之間存在動態關聯關系。

(2)構建的TOD綜合指數模型,可以更有效反映不同的軌道站點類別、交通銜接條件、出行距離對停車需求變化的影響機理。

(3)基于三維度TOD綜合指數模型的停車配建指標計算方法,可用于城市軌道樞紐周邊建筑停車配建指標數值的優化,有效提升建設方案的工程經濟性。

研究方法和結論可以為制定城市軌道站點TOD建筑的停車配建指標折減政策提供理論支撐,有利于進一步合理配置城市空間資源、緩解城市交通擁堵、引導綠色低碳出行。