精細化治理背景下的交通限行區分級管控合理性評估與優化

摘 要 合理地劃定限行區域，輔之以差異化的交通需求管理政策能夠有效緩解城市擁堵、精準提升城市交通治理水平。以實時交通擁堵指數、OSM路網數據、公交線路和站點數據為研究數據，識別杭州市分級限行區內的擁堵區分布，分析擁堵區交通供給特征，在此基礎上劃分擁堵區類型并提出分類管控優化策略。研究發現，杭州市限行區分級較為合理，對浙A及區域號牌限行的擁堵區路網密度及其等級配置合理，公共交通供給略有錯位與不足；對外地車輛限行的擁堵區路網供給不足，公交供給水平相對較高，但在精細尺度上存在交通供給要素的錯位與替代性公共交通不足的問題；根據交通供給特征及限行政策將擁堵區劃分為片區式、飛地式和節點式擁堵區，分別提出實施擁堵收費、優化路網結構、提高微循環能力、增設公交線路串點成線及引導公交出行等策略，以期為大城市交通精細化治理提供借鑒。

關 鍵 詞 城市交通；交通需求管理；交通供給特征；分級限行區；交通擁堵

文章編號 1673-8985（2024）04-0149-08 中圖分類號 TU984 文獻標志碼 A DOI 10.11982/j.supr.20240420

0 引言

近年來，我國人口不斷向大城市集聚，大城市空間不斷向外擴張，導致公眾的出行成本上升、城市交通擁堵日益嚴重、城市宜居性降低，成為制約大城市進一步發展的重要因素。北京交通發展研究院公布數據顯示，2019年北京日平均中度以上擁堵時間長達3 h，擁堵造成的經濟損失占月均工資的10%以上[1]；2021年第一季度，高德交通大數據監測的361個城市中，僅有39.34%的城市通勤高峰期交通較為通暢。交通擁堵問題已成我國大城市的共性問題。為緩解大城市交通擁堵問題，諸多城市從維持交通供需平衡入手，過去傾向于建設大量交通基礎設施以增加交通供給，增量發展的模式導致負外部效應的產生，如交通噪聲、空氣污染、設施建設修建與維護的高成本等。在此背景下，制定精細化的交通需求管理（Transportation Demand Management，TDM）措施以應對不同區域差異化的交通擁堵問題成為國內外大城市交通治理的重要議題。

交通限行作為一種通用的交通需求管理措施得到廣泛應用。目前限行區的劃分方法通常較為粗略，多以城市環線、高架快速路及城市主干路為界，較難滿足當下城市交通精準化治理的要求。而大數據、云計算等技術的成熟，為實現交通精細化管控提供了可能。傳統的交通治理措施主要有錯峰限行、小汽車牌照限額發放、大力發展公共交通等政策，以有效限制小汽車的使用與降低路面交通量。在區域一體化與大都市圈協同發展背景下，城市之間交通聯系日益緊密，城市區域通勤距離與通勤壓力均在增加，并加劇了城市局部的交通擁堵。因此部分大城市出臺區域性車牌號分級限行管理措施，即在特定區域、特定時間段內對不同車牌號賦予不同的道路行駛權以提高交通運行效率的行政管理手段。相較傳統的交通限行政策，分級限行制度針對不同擁堵程度的區域實施針對性的管控措施，是城市精細化治理在交通管理層面的重要探索實踐。

當前針對限行政策的研究多聚焦于限行措施的效果和影響，諸如限行政策對環境、噪聲的污染[2-4]和居民出行方式[5]的影響以及限行政策執行前后交通流量的變化[6-10]，僅有少部分學者將視角聚焦于限行范圍劃定的合理性，如楊忠振等[11]根據各尾號汽車的空間分布和出行分布情況，研究小汽車出行路徑選擇，結合道路交通流特征，達到優化尾號限行方案的目的；張曉陽等[12]基于層次分析法以路網運行車速、擁堵里程、改善路段數量、節點改善數量、流量均衡、實施難度6項指標建立路網運行評價模型，定量評估不同限行方案實施后的效果，以選定最優限行范圍。綜上，雖然目前對于限行政策實施有效性和影響的研究成果已較為豐碩，但是對于限行政策實施區域空間范圍合理性評價的相關探索仍較少，且多利用交通模型進行單一限行政策的效應模擬，缺乏結合交通設施要素供給與交通需求管理措施共同參與治理城市交通擁堵的相關研究。須知單一的限行限號政策或交通設施供給僅能在短期內改善局部交通擁堵，而將發展公共交通、完善交通設施與限行政策相結合才能達到更加長效的治理目標[13]。

本文以浙江省杭州市為例，對其分級限行政策進行梳理，以實時擁堵指數識別擁堵區分布，從路網供給水平和公交服務供給水平兩個維度分析擁堵區的交通供給特征，結合分級限行管控措施，進一步解析擁堵區的分類特征，結合交通設施供給要素特征評價擁堵區限行措施的合理性并提出相應的分類管控優化策略，以期為城市交通精準化治理提供優化建議。

1 研究方案設計

1.1 數據來源與預處理

本文使用的交通擁堵指數獲取自杭州市交通擁堵指數實時監測平臺，結合限行政策執行的階段，分別獲取新政執行前（2021年1月）、新政試行期（2021年3月）、新政執行后（2021年5月、7月）的交通擁堵數據；路網數據來源于OSM開源數據網站，對數據進行整理、分級、篩選，共得到55 398條路網數據；公交地鐵站點、線路數據爬取自高德地圖，并由高德步行路徑規劃API接口獲取到達站點的實際步行距離。

1.2 研究區分級限行政策解析

杭州市道路系統整體呈環形放射狀格局，中心城區以方格網道路系統為主，城市中機動車長距離通行及對外交通主要依靠“一環三縱五橫”的城市快速路系統（見圖1）。杭州市自2011年開始實行限行政策，對高架快速環路內的區域實施尾號限行，期間經歷多次政策調整，2021年3月開始試行的分級限行政策，具體限行政策整理如表1，三級限行區域范圍如圖1所示。

據杭州市城鄉建設發展研究院發布的數據顯示，疫情過后杭州市限行范圍內日均上路行駛車輛數約有170萬輛，相較往年上升態勢顯著。截至2021年6月底，浙A區域指標配置量已達49.9萬輛，約占全市小汽車保有量的17.7%。通過對比分級限行政策實施前后的交通擁堵指數變化情況（見圖2），分級限行政策實施后，月均擁堵指數最高值降低至7以下，其中8：00—22：00的交通擁堵指數降低，尤其是早晚高峰有顯著下降，說明分級限行措施對于交通擁堵情況有明顯改善。

1.3 研究方法與技術路線

1.3.1 擁堵區識別

交通擁堵指數是衡量道路暢通程度的指標，能夠反映一天內城市道路網絡的整體運行狀況[13]。我國主要的交通指數模型計算方法大致可歸納為基于嚴重擁堵里程比、出行時間和混合評價等3類[14]。本文選取的交通擁堵指數主要基于嚴重擁堵里程比，根據速度值的不同將路段分為暢通、基本暢通、輕度擁堵、中度擁堵、嚴重擁堵5個等級。筆者通過對多時段的實時交通擁堵指數進行核密度分析來識別擁堵區域的分布情況。

1.3.2 擁堵區交通供給特征測度方法

（1）空間設計網絡分析（Spatial Design Network Analysis，sDNA）

sDNA是一種擴展空間句法，基于圖論理論建立模型，對城市建成空間進行定量分析，從而揭示空間形態與功能之間的相互作用關系[15]。相較于空間句法，sDNA更適用于城市尺度交通網絡的整合和協同性，其算法更符合城市路網的真實形態[16]24。目前國內使用sDNA開展的相關研究仍較少，宋小冬等[16]23選取Bamsbury街區進行多種城市街道網絡分析方法比較研究，研究發現sDNA在各種尺度下的擬合度均呈最優；國外較早開展相關研究，欽莫伊等[17]利用sDNA構建街道及物理可達性的網絡模型，建立街道步行機率與行道樹密度和街道網絡穿行度（Euclidean Betweenness，BtE）之間的回歸模型，分析三者之間的關聯。本文基于sDNA對杭州市路網形態進行分析，選取5 000 m（機動車10 min行駛距離）作為搜索半徑，以穿行度作為衡量路網通行能力的評價指標，使用自然斷點法將其分為5類，將杭州市路網穿行度分為低、中低、中、中高和高5級。穿行度越高，交通流量潛力越大，承擔著越多的交通流量，交通壓力越大。

（2）基于路徑規劃的公交站點可達性分析

公共交通作為與私人機動車出行互補的出行方式，在城市交通中發揮至關重要的作用，而公交站點覆蓋情況及可達性則是影響居民出行方式的關鍵因素。“公交都市”考核以公共交通站點500 m覆蓋率為重要指標之一，《城市綜合交通體系規劃標準（GB/T 51328-2018）》規定城市公共汽電車的車站服務區域，以300 m半徑計算，不應小于規劃城市建設用地面積的50%；以500 m半徑計算，不應小于90%[18]。目前常用的公交站點覆蓋率計算方式一般以公交站點為圓心，以300 m或500 m為半徑做緩沖區分析計算其覆蓋面積，以覆蓋面積除以研究區域總面積的比值作為其覆蓋率[19-22]。此種方法操作簡便，能大致劃分出公交站點的服務范圍，但實際生活中到達公交站點的步行路徑受建筑、道路、綠化、水系等實體所限制，往往會大于直線半徑。丁午等[23]提出基于柵格數據的公交站點覆蓋率算法，利用高分辨率遙感影像提取特征地物，分別提取公交站點位置信息的柵格矩陣、處于道路網絡上的出行阻抗矩陣以及不在道路網絡上的出行阻抗矩陣，計算公交站點的覆蓋率；韓彪等[24]創新性提出公交人文覆蓋率，從民眾對于公交的需求出發，綜合考慮人口分布、建筑密度、用電強度、GDP產出等因素來衡量公交覆蓋程度。但既有研究缺少對于城市路網交通狀況、實際步行可達性的考慮。互聯網地圖平臺具有數據全覆蓋、高時效、易獲取等特點，因此本文通過調取高德地圖路徑規劃API接口獲取各地塊到達公交站點的實際步行距離、時間及路線數據，從而得到城市公交站點覆蓋率。

1.3.3 研究技術路線

諸多研究表明，城市交通體系的優化需要交通基礎設施體系的支撐，同時也需要交通管制措施的輔助，二者從供需兩方面對城市交通起著調配作用，交通環境諸如路網密度、路網形態、主次干道比例、公交線網布局等交通供給要素對城市交通運行會產生較大影響[25-27]。路網形態、道路密度與等級配置體現了交通基礎設施的供給程度；公共交通可彌補地面交通的不足，有效緩解交通擁堵，引導綠色出行，與道路基礎設施形成互補；交通需求管理措施則發揮著交通出行需求的調配作用。完善的交通供給設施是實施限制性交通需求管理的前提。因而本文選取交通擁堵指數識別擁堵區，在此基礎上進一步分析擁堵區域內的路網形態、道路級配、公交服務可達性與服務供給密度等指標特征，識別擁堵區域問題所在，劃分擁堵區類型，評價限行政策的合理性并提出相應的優化策略。研究技術路線如圖3所示。

2 擁堵區識別與評價

2.1 擁堵區識別及空間分布

根據圖2可知，研究區通勤交通擁堵一般出現在8：00—10：00和17：00—19：00，通過對比連續一周工作日通勤時段的擁堵區分布，其空間相關性均在95%以上，空間分布具有高度一致性，因此選取2021年1月某工作日及9月某工作日交通擁堵最為嚴峻的8：00、10：00、17：00和19：00這4個時間點，對交通擁堵指數進行核密度分析，疊加4個時間段的分析結果生成工作日擁堵區分布圖（見圖4）。對道路網絡進行分析時，由于搜索半徑的設定差異，可能存在邊緣失效現象。一般而言，駕駛者遇到擁堵路段時，繞行距離在2 000 m內所耗費的時間成本低于在擁堵路段原地等候，因而以2 000 m為搜索半徑，以一般街區尺度250 m為單元進行核密度分析，以便于識別交通擁堵區域的分布情況。

圖4分別為分級限行政策實施前后某工作日研究區的擁堵區域分布情況，根據擁堵狀況及分級限行后的緩解程度將以下擁堵區劃分為重度擁堵區、中度擁堵區和輕度擁堵區。交通擁堵較為嚴峻的區域集聚于城市傳統的商業中心——西湖湖濱至錢江新城區域，北側的拱宸橋、三墩—文教至蔣村一帶，錢江新城、下沙及蕭山部分地區也出現重度擁堵現象。分級限行政策實施后，擁堵區域的分布情況與限行政策優化之前高度一致，但總體擁堵狀況有所好轉，擁堵范圍大幅縮減，尤其是錢塘江南岸的擁堵情況明顯改善，北岸西湖區仍存在部分重度擁堵的區域，如湖濱至錢江新城一帶。

本文進一步分析了各類擁堵區的交通供給要素特征，可為限行區域分類及限行政策精細化優化調整提供支持。

2.2 擁堵區交通供給要素特征

城市交通供給要素是指為滿足交通需求所提供的各類設施及服務，主要包括道路基礎設施、公共交通設施、公共停車設施及其管理運維等服務要素。擁堵區的交通供給要素作為一種公眾爭奪、具有排他性的準公共產品，需要平衡好內部供需關系，而當前普遍存在交通供給決策缺乏依據、供需失配甚至錯配、重規模輕結構等問題[28]，因此需要對擁堵區的交通供給要素特征進行分析評估，以便精準化制定相關決策。本文選取與交通擁堵密切關聯的路網供給和公共服務供給兩個維度對擁堵區的交通供給要素特征進行識別分析，路網供給水平包括道路網絡形態和道路級配，公共服務供給水平包括公交服務供給可達性和公交服務供給密度。

2.2.1 路網供給水平

（1）路網形態分析

對杭州市道路網進行空間設計網絡分析，以穿行度（betweenness）為指標進行空間可視化，結果顯示（圖5a），研究區中心橫向道路穿行度較高，外圍的北部和錢塘江南岸缺少高穿行度的道路，其中以文一路—德勝快速路、機場路、之江路為主的3條橫向道路，以及靈溪隧道—吉慶山隧道—五老峰隧道—虎跑路、保俶路及錢江三橋—風情大道3條縱向道路穿行度較高，潛在交通流量較大，在形態結構上能對城市交通起到較好的支撐作用，同時也承擔著較大的交通壓力。

為便于將該分析結果與公交服務供給水平進行綜合分析，選擇相同的單元尺度對其進行核密度分析，結果如圖5b所示。研究區域內存在兩橫一縱的高穿行度區域，主要位于下沙至西溪、下沙至富陽兩條橫向聯系通道，以及武林、湖濱至錢江新城的縱向聯系通道。將擁堵區與路網穿行度進行疊加，可發現擁堵區的分布具有以下特征：擁堵區大多位于穿行度較高的區域，在城市路網結構中承擔重要功能，蔣村、湖墅、城東新城、九堡位于橫向高穿行度通道上，三墩、湖濱—錢江新城位于縱向高穿行度通道上，外圍的擁堵區路網穿行度較低，其中北部新城、下沙、蕭山穿行度處于低值。

（2）道路級配

圖6為研究區內快速路、主干道等高等級道路與次干道、支路等低等級道路之間的等級配置情況。參考老國標《城市道路交通規劃設計規范》（GB50220—95）和新國標《城市綜合交通體系規劃標準》（GB/T51328—2018）的相關規定，200萬人口以上的大城市道路網絡密度級配大致為1：2：3：8（快速路：主干道：次干路：支路）。道路級配為次干道、支路的道路總長度與快速路、主干道總長之間的比例，數值越大說明支路網越密。研究區內僅有限行區邊緣的蕭山、南部臥城、北部新城、丁橋和下沙擁堵區達到此標準，浙A、浙A區域圈內的擁堵區道路級配低于該值，城市中心交通微循環能力較差。

2.2.2 公交服務供給水平

（1）公交服務供給可達性

研究區內公交站點可達性較高且分布相對均質，除風景名勝區內部外，基本實現研究區全覆蓋，能夠有效支撐市民的公交出行需求；而大運量的軌道交通建設尚未成網，錢塘江兩岸的兩大核心區可達性較高、聯系緊密，其余區域存在大面積留白，尤其是北部新城、蕭山科技城和富陽的站點可達性相對較低，城市多個副中心之間的聯系較弱，軌道交通基礎設施體系對于多中心、組團式的城市空間結構支撐不足，可能進一步提升小汽車出行分擔率，加劇城市交通擁堵。

（2）公交服務供給密度

將公交、地鐵站點及線路核密度分析結果疊加得到研究區公交服務供給密度的分析結果（見圖8），顯示公交供給密度呈失衡狀態，錢塘江兩岸的城市核心區呈現較高的供給密度，蕭山科技城、北部新城和南部地區的供給密度較低。將擁堵區分布疊加其上，可以發現公交供給服務的分布與交通擁堵區域存在一定錯位，如下沙、石橋、錢江世紀城等擁堵區，湖濱—錢江新城、蔣村、三墩—文教、九堡、丁橋擁堵區與公交供給耦合度較高，湖墅、蕭山、下沙及北部新城等擁堵區位于公交服務供給密度的低值區。

2.3 擁堵區交通供給要素評價

根據上述分析共得到2大類4中類指標，通過偏相關性分析篩除相關性系數較高的指標，經檢驗發現，地鐵覆蓋率與地鐵站點密度、地鐵線網密度兩指標存在高相關性，相關系數分別為0.950和0.820，因此篩除地鐵站點密度與地鐵線網密度兩個指標，共得到7個交通供給要素評價指標（見表2），這些指標為進一步劃分擁堵分區類型及其特征分析提供了分析基礎。

2.4 分級限行區合理性評估

結合擁堵區域分布及交通供給指標分析可以發現，杭州市三級限行區范圍的劃分總體上較為合理，擁堵狀況最為嚴峻的區域均位于浙A、浙A區域圈及其邊緣，其交通設施供給水平也相對較高，從而能夠提供替代居民私家車出行的多元綠色出行方式；但從交通精細化治理的視角出發，分級限行區域的劃分仍有較大優化空間。例如：（1）擁堵區域多以擁堵片區、飛地和節點形式存在，其中有大量擁堵程度較低的區域被納入限行區，尤其是非浙A限行圈內；（2）存在部分擁堵飛地，其擁堵程度高但限行級別過低，如三墩—文教北部和下沙，限行措施與實際擁堵情況存在錯位；（3）部分限行級別較高的區域存在交通設施供給錯位和替代性公共交通不足的問題。

因此，在制定限行政策時應考慮擁堵區域的空間分布、形態特征，同時也應考慮內部交通設施的供給情況，多措合一，輔之以靈活多樣的限行措施，達到精細化交通治堵的目的。

3 擁堵區分類管控優化策略

3.1 擁堵區域類型劃分

基于擁堵區的空間分布特征和外部形態特征，將擁堵區劃分為片區型擁堵區、飛地式擁堵區和點狀擁堵區。片區式擁堵區為由成片綿延的擁堵區及其鄰近的擁堵區構成的有條件實施統一的限行管控措施的擁堵區；飛地式擁堵區是位于城市周邊、較為獨立且面積較大的擁堵區；節點式擁堵區是位于城市擁堵鏈上的若干個面積較小的關鍵擁堵節點。各類擁堵區的交通供給要素特征和限行措施如表3所示，針對各類擁堵區進行類型劃分有助于對交通擁堵區域進行精準化管控。

3.2 擁堵區分類管控優化策略

針對片區式擁堵區，其內部交通供給設施完備、主干道密集，公交設施供給基本達到飽和，造成其擁堵嚴峻的原因主要是功能過于集聚、人口大量集中、主次干道比例失衡，次干道和支路過少，交通微循環低效。從城市建設角度需持續推進城市空間結構的優化及城市中心功能的疏解，完善路網等級結構，提升支路網密度，打通城市微循環道路網。從交通需求管理角度，可結合擁堵片區就近的高架路、快速路等獨立邊界設立較為完整的限行區域，進一步強化交通需求管理政策措施，對車輛采取分級、分類、分時段的擁堵收費政策；圍繞商業密集地區打造步行街區，優化綠色出行配套基礎設施布設，在片區外圍地鐵公交樞紐設立便捷的停車換乘系統，引導綠色低碳出行。

針對飛地式和節點式擁堵區，以疏通內部擁堵節點，完善交通供給設施為主。位于城區中心的擁堵飛地公交供給水平較高，但路網結構有待優化；位于限行區邊緣的飛地式擁堵區，各項交通供給要素均處于較低水平，重點仍應放在交通基礎設施的建設和完善，尤其是軌道交通設施的完善，發展一體化的土地利用和交通規劃，提供多種交通方式的便捷換乘。針對節點式擁堵區，其往往位于鏈狀擁堵帶上，可以采取大運量軌道交通串聯的方式，在軌道交通選線和站點選位優先考慮節點式擁堵區，適當增設公交線路、班次，為該片區提供多種出行方式的選擇。

4 結語

通過對實時交通擁堵指數的分析發現，研究區內存在4個重度擁堵區、10個中度擁堵區和1個輕度擁堵區，結合交通供給要素特征和限行措施對擁堵區進行類型劃分和限行措施合理性評價，發現研究區內存在片區式、飛地式和節點式3類擁堵區類型；分級限行措施在城市整體層面較為合理，限行措施與擁堵級別基本對應，在更精細的尺度上存在限行區域與交通擁堵區錯位、缺少替代性公共交通等問題。在此基礎上提出差異化的交通管控措施優化策略。針對擁堵程度高且交通供給完善的大面積擁堵片區，建議強化交通需求管理，征收擁堵費，設立步行街區，適當提高支路網密度，完善道路微循環體系；針對飛地式擁堵區和節點式擁堵區，主要以完善交通供給設施為主，對公共交通服務供給不足的區域，加大公交站點和線網密度，并在軌道交通選線時優先考慮，引導公交出行，對各交通供給要素均處于低值的新區，以交通基礎設施完善和發展公交導向的城市開發為主。

該方法能夠為大城市分級限行區域精細化的劃定、限行政策合理性評估和優化提供借鑒，從而達到優化城市交通設施結構，引導小汽車出行方式向公共交通轉變，實現城市交通可持續發展與城市交通治理精細化的目的。但仍存在部分不足，如本文關注限行區的空間范圍48FdEXlFzqOnp0/+GBd49m+9nyp3xiUyqdoEp8Fsad4=劃定，對于限行時間段的關注較少，交通擁堵的發生有較強的周期性規律，未來需將時間維度納入研究范疇，同時對于各個擁堵區的成因有待進一步區分探討，以便輔助限行政策的優化和完善。

參考文獻 References

[1]北京交通發展研究院. 2019年北京交通發展年報[R]. 2019.

Beijing Transport Institute. 2019 Beijing transport annual report[R]. 2019.

[2]SALAS R， PEREZ-VILLADONIGA M J， PRIETO-RODRIGUEZ J， et al. Were traffic restrictions in Madrid effective at reducing NO2 levels？[J]. Transportation Research Part D： Transport and Environment， 2021， 91： 102689.

[3]DEGRAEUWE B， PISONI E， CHRISTIDIS P，et al. SHERPA-city： a web application to assess the impact of traffic measures on NO2 pollution in cities[J]. Environmental Modelling & Software， 2021， 135： 104904.

[4]SOUSA SANTOS G， SUNDVOR I， VOGT M， et al. Evaluation of traffic control measures in Oslo region and its effect on current air quality policies in Norway[J]. Transport Policy， 2020， 99： 251-261.

[5]李春艷，陳金川，郭繼孚，等. 小汽車限行對居民出行特征的影響分析[J]. 交通運輸系統工程與信息，2008，8（6）：73-77.

LI Chunyan， CHEN Jinchuan， GUO Jifu， et al. Analysis on impacts of car-using restriction on travel behaviors[J]. Journal of Transportation Systems Engineering and Information Technology， 2008， 8（6）： 73-77.

[6]何建偉，曾珍香， 李志恒. 北京市交通需求管理政策效用分析[J]. 交通運輸系統工程與信息，2009，9（6）：114-119.

HE Jianwei， ZENG Zhenxiang， LI Zhiheng. An analysis on effectiveness of transportation demand management in Beijing[J]. Journal of Transportation Systems Engineering and Information Technology， 2009， 9（6）： 114-119.

[7]譚永朝，高楊斌，鄭瑾，等. 杭州市“錯峰限行”交通需求管理措施實踐[J]. 城市交通，2012，10（5）：24-29.

TAN Yongchao， GAO Yangbin， ZHENG Jin， et al. Practice of travel demand management in shifting peak-demand and restricting car usage in Hangzhou[J]. Urban Transport of China， 2012， 10（5）： 24-29.

[8]易如，張世秋，謝旭軒，等. 北京市機動車尾號限行和油價上調政策效果比較[J]. 中國人口·資源與環境，2011，21（s2）：108-112.

YI Ru， ZHANG Shiqiu， XIE Xuxuan， et al. Comparison analysis on policy effects for driving restriction and gasoline pricing in Beijing[J]. China Population， Resources and Environment， 2011， 21（s2）： 108-112.

[9]王振振，雍嵐，黨成杰. 機動車限行政策對緩解交通擁堵的成效分析——來自西安市2016—2019年實證探索[J]. 北京理工大學學報（社會科學版），2021，23（1）：79-88.

WANG Zhenzhen， YONG Lan， DANG Chengjie. Analysis on the effect of vehicle restriction on traffic congestion alleviation—empirical exploration from 2016—2019 in Xi'an[J]. Journal of Beijing Institute of Technology， 2021， 23（1）： 79-88.

[10]蔣寅，萬濤，曹伯虎. 天津市交通指數及其在雙限政策評估中的應用[J]. 城市交通，2015，13（6）：46-52.

JIANG Yin， WAN Tao， CAO Bohu. Traffic index of Tianjin and its application in evaluation of vehicle purchase rationing policy and vehicle usage restriction policy[J]. Urban Transport of China， 2015， 13（6）： 46-52.

[11]楊忠振，陳東旭. 基于尾號空間分布的小汽車限行方案優化研究[J]. 交通運輸系統工程與信息，2017，17（1）：235-240.

YANG Zhongzhen， CHEN Dongxu. Optimization of travel ban scheme of cars based on the spatial distribution of the last digits in their number plates[J]. Journal of Transportation Systems Engineering and Information Technology， 2017， 17（1）： 235-240.

[12]張曉陽，徐韜，張宜華，等. 基于大數據的城市尾號限行方案設計與評估研究[J]. 交通運輸系統工程與信息，2018，18（5）：233-240.

ZHANG Xiaoyang， XU Tao， ZHANG Yihua， et al. Design and evaluation of city tail number limit scheme based on big data[J]. Journal of Transportation Systems Engineering and Information Technology， 2018， 18（5）： 233-240.

[13]全永燊，郭繼孚，溫慧敏，等. 城市道路網運行實時動態評價理論和技術研究[J]. 中國工程科學，2011，13（1）：43-48.

QUAN Yongshen， GUO Jifu， WEN Huimin， et al. Real-time dynamic evaluation of urban network[J]. Strategic Study of CAE， 2011， 13（1）： 43-48.

[14]王璐媛，于雷，孫建平，等. 交通運行指數的研究與應用綜述[J]. 交通信息與安全，2016，34（3）：1-9.

WANG Luyuan， YU Lei， SUN Jianping， et al. An overview of studies and applications on traffic performance index[J]. Journal of Transport Information and Safety， 2016， 34（3）： 1-9.

[15]古恒宇，沈體雁，周麟，等. 基于GWR和sDNA模型的廣州市路網形態對住宅價格影響的時空分析[J]. 經濟地理，2018，38（3）：82-91.

GU Hengyu， SHEN Tiyan， ZHOU Lin， et al. Measuring street layout's spatio-temporal effects on housing price based on GWR and sDNA model： the case study of Guangzhou[J]. Economic Geography， 2018， 38（3）： 82-91.

[16]宋小冬，陶穎，潘潔雯，等. 城市街道網絡分析方法比較研究：以Space Syntax、sDNA和UNA為例[J]. 城市規劃學刊，2020（2）：19-24.

SONG Xiaodong， TAO Ying， PAN Jiewen， et al. A comparison of analytical methods for urban street network： taking space syntax， sDNA and UNA as examples[J]. Urban Planning Forum， 2020（2）： 19-24.

[17]SARKAR C， WEBSTER C， PRYOR M， et al. Exploring associations between urban green， street design and walking： results from the Greater London boroughs[J]. Landscape and Urban Planning， 2015， 143： 112-125.

[18]中華人民共和國住房和城鄉建設部. GB/T 51328-2018城市綜合交通體系規劃標準[S]. 北京：中國建筑工業出版社，2018.

Ministry of Housing and Urban-Rural Development of the People's Republic of China. GB/T 51328-2018 Planning standards for urban comprehensive transportation system[S]. Beijing： China Architecture & Building Press， 2018.

[19]徐以群，陳茜. 城市公共交通服務水平的指標體系[J]. 城市交通，2006（6）：42-46.

XU Yiqun， CHEN Qian. System of LOS indicators for urban public transportation[J]. Urban Transport of China， 2006（6）： 42-46.

[20]孟慶偉. 城市公共交通覆蓋度空間統計分析研究[J]. 測繪與空間地理信息，2020，43（3）：141-145.

MENG Qingwei. Urban public transportation coverage analysis based on AHP[J]. Geomatics & Spatial Information Technology， 2020， 43（3）： 141-145.

[21]李苗裔，龍瀛. 中國主要城市公交站點服務范圍及其空間特征評價[J]. 城市規劃學刊，2015（6）：30-37.

LI Miaoyi， LONG Ying. The coverage ratio of bus stations and an evaluation of spatial patterns of major Chinese cities[J]. Urban Planning Forum， 2015（6）： 30-37.

[22]陳艷艷，魏攀一，賴見輝，等. 基于GIS的區域公交可達性計算方法[J]. 交通運輸系統工程與信息，2015，15（2）：61-67.

CHEN Yanyan， WEI Panyi， LAI Jianhui， et al. A calculation method of area public transit accessibility based on GIS[J]. Journal of Transportation Systems Engineering and Information Technology， 2015， 15（2）： 61-67.

[23]丁午，程琳. 基于柵格GIS的公交站點覆蓋率算法研究[J]. 測繪科學，2011，36（4）：249-251.

DING Wu， CHENG Lin. Arithmetic of analyzing bus stops service rate based on raster GIS[J]. Science of Surveying and Mapping， 2011， 36（4）： 249-251.

[24]韓彪，楊云峰，李葉平，等. 公交人文覆蓋率及其計算方法研究[J]. 中國公路學報，2012，25（4）：119-125.

HAN Biao， YANG Yunfeng， LI Yeping， et al. Research on the concept and calculation method of humane transit coverage rate[J]. Chinese Journal of Highway， 2012， 25（4）： 119-125.

[25]尹春，孫斌棟，何舟，等. 城市建成環境對通勤時耗的影響及規劃啟示[J]. 城市規劃，2018，42（8）：83-89.

YIN Chun， SUN Bindong， HE Zhou， et al. Influence of urban built environment on commuting time and its planning implications[J]. City Planning Review， 2018， 42（8）： 83-89.

[29]孫斌棟，但波. 上海城市建成環境對居民通勤方式選擇的影響[J]. 地理學報，2015，70（10）：1664-1674.

SUN Bindong， DAN Bo. The influence of urban built-up environment in Shanghai on the choice of commuting mode of residents[J]. Acta Geographica Sinica， 2015， 70（10）： 1664-1674.

[27]郭亮，鄭朝陽，黃建中，等. 基于通勤圈識別的大城市空間結構優化——以武漢市中心城區為例[J]. 城市規劃，2019，43（10）：43-54.

GUO Liang， ZHENG Chaoyang， HUANG Jianzhong， et al. Commuting circle-based spatial structure optimization of megacities： a case study of Wuhan central city[J]. City Planning Review， 2019， 43（10）： 43-54.

[28]全永燊，潘昭宇. 城市交通供給側結構性改革研究[J]. 城市交通，2017，15（5）：1-7.

QUAN Yongshen， PAN Zhaoyu. Supply-side structural reform for urban transportation[J]. Urban Transport of China， 2017， 15（5）： 1-7.

基金項目：國家自然科學基金“基于通勤績效提升的大城市空間結構優化—以武漢為例”（編號52178039）資助。