基于多層模型的城市建成環(huán)境對(duì)通勤行為的影響

尹超英，邵春福，王聘璽，米雪玉

(1.北京交通大學(xué) a.城市交通復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，b.綜合交通運(yùn)輸大數(shù)據(jù)應(yīng)用技術(shù)交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室，北京100044；2.北京交通發(fā)展研究院，北京100073)

0 引言

隨著我國(guó)城市化進(jìn)程的加快，交通擁堵問(wèn)題已成為制約城市可持續(xù)發(fā)展的重要因素，探究城市建成環(huán)境與居民通勤行為的關(guān)系，通過(guò)城市規(guī)劃優(yōu)化通勤結(jié)構(gòu)是解決交通擁堵問(wèn)題的手段之一[1-2].

隨著城市居民通勤行為與土地利用互動(dòng)關(guān)系研究的逐步深入，城市建成環(huán)境被認(rèn)為是影響居民通勤行為的重要因素.既有研究中，學(xué)者對(duì)建成環(huán)境與出行行為的互動(dòng)關(guān)系進(jìn)行了相關(guān)研究.國(guó)內(nèi)方面，丁川[3]利用貝葉斯交叉分類線性模型研究了建成環(huán)境對(duì)通勤機(jī)動(dòng)車出行距離的影響.塔娜[4]基于GPS與活動(dòng)日志相結(jié)合的居民一周活動(dòng)與出行數(shù)據(jù)，分析了建成環(huán)境對(duì)郊區(qū)居民出行距離的影響.國(guó)外方面，Sun[5]利用MNL模型和多元回歸模型分別研究了上海市居住地和就業(yè)地的建成環(huán)境對(duì)居民通勤方式選擇和通勤距離的影響，結(jié)果表明，居住地建成環(huán)境特征對(duì)通勤行為的影響更大.Ding[6]考慮了交通小區(qū)層面的建成環(huán)境對(duì)居民通勤行為的影響，并基于華盛頓的居民出行調(diào)查數(shù)據(jù)建立了混合生存模型.Anzhelika[7]控制了個(gè)人屬性和家庭屬性，研究了土地利用類型對(duì)居民通勤距離及通勤時(shí)間的影響，表明土地利用對(duì)居民的通勤行為具有顯著影響.Cao[8]提出了建成環(huán)境影響下的通勤距離與碳排放之間動(dòng)態(tài)關(guān)系的理論框架，利用結(jié)構(gòu)方程模型研究發(fā)現(xiàn)建成環(huán)境對(duì)通勤行為碳排放有顯著影響.Munshi[9]以印度Rajkot城市為研究背景，利用MNL模型研究建成環(huán)境與出行方式選擇之間的關(guān)系，發(fā)現(xiàn)建成環(huán)境變量中土地利用混合度對(duì)出行方式選擇的影響最大.然而，既有研究多忽略了研究數(shù)據(jù)的跨層次結(jié)構(gòu)，考慮到個(gè)體社會(huì)經(jīng)濟(jì)屬性和交通小區(qū)建成環(huán)境分屬不同的層級(jí)，有必要利用多層建模方法研究城市建成環(huán)境對(duì)居民通勤行為的影響.

本文考慮數(shù)據(jù)的跨層次結(jié)構(gòu)，基于多層模型從個(gè)體社會(huì)經(jīng)濟(jì)屬性層和交通小區(qū)建成環(huán)境層兩個(gè)層面探究通勤時(shí)間及通勤距離的影響因素，為緩解城市交通壓力、提高通勤效率提供一定的理論基礎(chǔ).

1 研究數(shù)據(jù)

本文以長(zhǎng)春市為研究對(duì)象，基礎(chǔ)數(shù)據(jù)主要來(lái)自2012年長(zhǎng)春市居民出行調(diào)查，調(diào)查區(qū)域?yàn)樵撌兄行某菂^(qū)建成區(qū)范圍，包括南關(guān)區(qū)、朝陽(yáng)區(qū)、寬城區(qū)、二道區(qū)及綠園區(qū)5個(gè)轄區(qū)，覆蓋237個(gè)交通小區(qū).研究范圍及交通小區(qū)劃分如圖1所示.

圖1 研究范圍及交通小區(qū)劃分Fig.1 Study region and traffic analysis zones

該調(diào)查采用分層抽樣法進(jìn)行入戶調(diào)查，入戶20 000戶，有效調(diào)查對(duì)象51 909人.以調(diào)查日通勤者的單次出行為分析對(duì)象，選取以通勤為目的的13 764條出行數(shù)據(jù)作為研究樣本.對(duì)各交通小區(qū)居民的通勤時(shí)間和通勤距離進(jìn)行統(tǒng)計(jì)，計(jì)算各交通小區(qū)的平均通勤時(shí)間和通勤距離，如圖2所示.

圖2 各交通小區(qū)的平均通勤時(shí)間和通勤距離Fig.2 Average commuting time and distance at TAZ level

1.1 個(gè)體社會(huì)經(jīng)濟(jì)特征

多層模型中的解釋變量包含個(gè)體與交通分區(qū)兩個(gè)層面的特征屬性.個(gè)體社會(huì)經(jīng)濟(jì)屬性包括受訪者的性別、年齡、受教育程度、家庭規(guī)模、家庭年收入及家庭小汽車擁有，統(tǒng)計(jì)結(jié)果如表1所示.樣本的年齡范圍為16～65歲，其中男性比重較大，占受訪者的62.34%，擁有大學(xué)及以上學(xué)歷的個(gè)體占樣本的36.82%；受訪者的平均家庭成員數(shù)為2.72人，家庭年收入在2萬(wàn)元以下的占15.86%，擁有小汽車的家庭占樣本的21.18%.

1.2 城市建成環(huán)境特征

城市建成環(huán)境主要由土地利用、城市設(shè)計(jì)和交通系統(tǒng)組成[10].本文共搜集了4個(gè)建成環(huán)境變量用于分析通勤時(shí)間和通勤距離的影響因素，分別為土地利用混合度、交叉口密度、公共交通站點(diǎn)密度及居住地到CBD的距離，建成環(huán)境變量的描述性統(tǒng)計(jì)結(jié)果如表2所示.

表1 個(gè)體社會(huì)經(jīng)濟(jì)屬性變量的描述性統(tǒng)計(jì)Table 1 Descriptive statistics for individual socialdemographics

土地利用混合度表征交通小區(qū)建成環(huán)境的多樣性.本文通過(guò)高德地圖API提取住宅、賓館、餐飲、超市、公園、廣場(chǎng)、購(gòu)物中心、學(xué)校、醫(yī)院、銀行和政府11種興趣點(diǎn)(POI)數(shù)據(jù)[5]，根據(jù)熵指數(shù)法計(jì)算各交通小區(qū)的土地利用混合度[11]，如式(1)所示.

式中：pij表示在小區(qū)j中i類用地所占的比例；Nj表示小區(qū)j中所有用地類型的數(shù)量.

交叉口密度表征交通小區(qū)建成環(huán)境的道路網(wǎng)絡(luò)特征[12].利用GIS軟件統(tǒng)計(jì)城市路網(wǎng)圖中的交叉口數(shù)量，并根據(jù)交通小區(qū)內(nèi)交叉口數(shù)量與面積的比值計(jì)算各交通小區(qū)的交叉口密度.

公共交通站點(diǎn)密度衡量公共交通可達(dá)性，其中公共交通站點(diǎn)包括常規(guī)公交站點(diǎn)和軌道交通站點(diǎn).通過(guò)高德地圖API提取興趣點(diǎn)數(shù)據(jù)，進(jìn)一步可得各交通小區(qū)的公共交通站點(diǎn)密度.

居住地到CBD的距離表征居住區(qū)的空間區(qū)位特征[5].本文利用GIS軟件提取各交通小區(qū)的質(zhì)心點(diǎn)坐標(biāo)，可得到各交通小區(qū)質(zhì)心到CBD間的距離.

2 多層模型

多層模型考慮了數(shù)據(jù)的跨層次結(jié)構(gòu)，可對(duì)受多個(gè)層次變量影響的個(gè)體行為進(jìn)行建模[4]，利用多層面的自變量對(duì)因變量進(jìn)行估計(jì)，得到更可靠的統(tǒng)計(jì)結(jié)果.另外，與傳統(tǒng)模型相比，多層模型可提供方差及協(xié)方差的有效估計(jì)，進(jìn)而提高模型的簡(jiǎn)約性.多層模型中，第1層的截距和斜率可由第2層自變量決定.居民通勤行為受個(gè)體社會(huì)經(jīng)濟(jì)屬性和交通小區(qū)建成環(huán)境屬性2個(gè)層面變量的影響，數(shù)據(jù)為雙層結(jié)構(gòu).因此，本文構(gòu)建多層模型來(lái)分析城市建成環(huán)境對(duì)居民通勤時(shí)間和通勤距離的影響.定義第1層為個(gè)體層，第2層為交通小區(qū)層，模型結(jié)構(gòu)如式(2)和式(3)所示.

“民以食為天，食以安為先”。對(duì)于食品企業(yè)來(lái)說(shuō)，只有切實(shí)保證了源頭的安全，才能全力保障肉品的質(zhì)量。目前汪記生產(chǎn)的“鑫汪記”品牌肉在涿州市場(chǎng)已經(jīng)占據(jù)了主導(dǎo)地位，同時(shí)覆蓋了保定、張家口、石家莊、唐山等省內(nèi)周邊縣市區(qū)，并且遠(yuǎn)銷至內(nèi)蒙古、遼寧、山西、浙江等地。

(1)個(gè)體層.

(2)交通小區(qū)層.

式中：Y為因變量；Xnij為個(gè)體社會(huì)經(jīng)濟(jì)屬性層變量；Wmj為交通小區(qū)建成環(huán)境層變量；β0j,β2j,…,βnj為個(gè)體層的回歸系數(shù)；γ00,γ10,…,γn0為待標(biāo)定的回歸系數(shù)；rij為個(gè)體層的隨機(jī)效應(yīng)，服從N(0,σ2)；μ為交通分區(qū)層的隨機(jī)誤差項(xiàng)，服從N(0,τ00).

在對(duì)多層模型進(jìn)行參數(shù)標(biāo)定時(shí)，利用收縮估計(jì)的參數(shù)估計(jì)方法，即對(duì)個(gè)體層面和交通小區(qū)層面分別利用最小二乘估計(jì)方法和加權(quán)最小二乘估計(jì)方法進(jìn)行參數(shù)估計(jì)，最終以2種估計(jì)的加權(quán)綜合作為估計(jì)結(jié)果，統(tǒng)計(jì)結(jié)果更加可靠.

為驗(yàn)證多層模型擬合結(jié)果的有效性，分別構(gòu)建僅包含個(gè)體社會(huì)經(jīng)濟(jì)屬性及包含個(gè)體社會(huì)經(jīng)濟(jì)屬性和交通小區(qū)建成環(huán)境屬性的單層模型作為對(duì)比模型，并利用AIC指標(biāo)評(píng)價(jià)擬合結(jié)果.

3 模型結(jié)果分析

建立多層模型研究城市建成環(huán)境對(duì)通勤時(shí)間及通勤距離的影響，并利用HLM軟件對(duì)模型參數(shù)進(jìn)行標(biāo)定，標(biāo)定結(jié)果如表3所示.

3.1 模型比較

為驗(yàn)證多層模型的擬合效果，本文利用AIC(Akaike Information Criterion)值對(duì)模型的擬合效果進(jìn)行評(píng)價(jià).AIC指標(biāo)一般用于衡量模型的擬合程度和復(fù)雜程度，其計(jì)算如式(4)所示[13].

表4 模型AIC比較Table 4 Models comparison using AIC

由表4可知，考慮個(gè)體社會(huì)經(jīng)濟(jì)屬性和交通小區(qū)建成環(huán)境屬性的單層回歸模型的AIC值優(yōu)于僅考慮個(gè)體社會(huì)經(jīng)濟(jì)屬性的單層模型1的AIC值，表明控制個(gè)體社會(huì)經(jīng)濟(jì)屬性的影響后，建成環(huán)境對(duì)通勤時(shí)間和通勤距離有一定的影響.將個(gè)體社會(huì)經(jīng)濟(jì)屬性與建成環(huán)境屬性分層衡量的多層模型的AIC值最小，表明在研究居民通勤時(shí)間和通勤距離的影響因素中，存在層級(jí)間的交互作用.因此，考慮數(shù)據(jù)的跨層次結(jié)構(gòu)，構(gòu)造多層模型，能夠更準(zhǔn)確擬合城市建成環(huán)境和通勤時(shí)間、通勤距離間的關(guān)系.

3.2 影響因素分析

根據(jù)表3中多層模型對(duì)通勤時(shí)間和通勤距離的影響因素進(jìn)行分析.共有7個(gè)個(gè)體層面的變量(性別、教育程度、年齡、年齡的自然對(duì)數(shù)、家庭規(guī)模、家庭年收入1及家庭年收入2)和4個(gè)交通小區(qū)層面的變量(土地利用混合度、交叉口密度、公共交通站點(diǎn)密度及到CBD的距離)對(duì)通勤時(shí)間和距離產(chǎn)生影響，因此，分別從個(gè)體社會(huì)經(jīng)濟(jì)屬性及交通小區(qū)建成環(huán)境屬性2個(gè)層面進(jìn)行分析.

個(gè)體層面社會(huì)經(jīng)濟(jì)屬性中性別、教育程度對(duì)通勤時(shí)間和通勤距離的影響在95%顯著性水平上顯著.其中，與女性相比，男性的通勤時(shí)間和通勤距離更長(zhǎng)；教育程度越高的人群擁有更長(zhǎng)通勤時(shí)間和更遠(yuǎn)通勤距離.對(duì)于年齡，通過(guò)數(shù)據(jù)變換，取年齡的自然對(duì)數(shù)作為模型自變量，模型結(jié)果表明，年齡對(duì)通勤時(shí)間和通勤距離有非線性影響，并且呈現(xiàn)倒U型關(guān)系[14]，即隨著年齡的增加，通勤時(shí)間和通勤距離呈現(xiàn)先增長(zhǎng)后下降的趨勢(shì).家庭規(guī)模對(duì)通勤時(shí)間和通勤距離表現(xiàn)出了顯著的正向影響，其顯著水平為90%，表明人口規(guī)模越大的家庭，其通勤時(shí)間和通勤距離都會(huì)隨之增加.相對(duì)于中等收入的家庭，低收入家庭的通勤距離較短，高收入家庭的通勤距離較長(zhǎng)，兩者的顯著水平均在90%，而家庭收入對(duì)通勤時(shí)間的影響并不顯著.隨著家庭收入增加，通勤距離增加，這一特征與Acker的研究一致[15].家庭小汽車擁有是個(gè)體層中唯一一個(gè)對(duì)通勤時(shí)間和通勤距離都沒(méi)有顯著影響的變量.

交通小區(qū)層中4個(gè)變量均有較高的顯著性.土地利用混合度對(duì)通勤時(shí)間和通勤距離產(chǎn)生顯著的負(fù)效應(yīng).土地利用混合度通過(guò)提取交通小區(qū)中11種興趣點(diǎn)計(jì)算，可有效表征居住地交通小區(qū)土地利用的多樣性，因此，居住在土地利用混合度越高的交通小區(qū)，通勤者的通勤時(shí)間和距離相對(duì)較短.

交叉口密度可表示交通小區(qū)內(nèi)街道的連通性，其與通勤時(shí)間及通勤距離呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，顯著水平均在95%，表明交叉口密度越大的交通小區(qū)內(nèi)，其街道連通性更高，通勤者到達(dá)目的地的距離更近，通勤時(shí)間相應(yīng)更短.

公共交通站點(diǎn)密度對(duì)通勤時(shí)間及通勤距離表現(xiàn)出了顯著的負(fù)向影響，顯著性水平分別為95%和90%.表明居民所居住的交通小區(qū)內(nèi)布設(shè)的公共交通站點(diǎn)越多，居民的通勤時(shí)間及距離越短.

居住地與CBD所處的相對(duì)位置會(huì)對(duì)居民的通勤出行造成影響.居住地與CBD間的距離對(duì)居民通勤距離呈現(xiàn)顯著的正效應(yīng)(95%)，即居住地到CBD的距離越遠(yuǎn)，居民的通勤距離越長(zhǎng)，而居住地與CBD所處的相對(duì)位置對(duì)通勤時(shí)間并不顯著.

4 結(jié)論

(1)本文基于長(zhǎng)春市居民出行調(diào)查數(shù)據(jù)，考慮不同空間范圍內(nèi)交通小區(qū)建成環(huán)境特征的差異性，構(gòu)建多層模型研究城市建成環(huán)境對(duì)居民通勤時(shí)間及通勤距離的影響，其擬合結(jié)果優(yōu)于傳統(tǒng)的單層回歸模型.

(2)基于多層模型，分別在個(gè)體社會(huì)經(jīng)濟(jì)層面和交通小區(qū)層面對(duì)居民通勤時(shí)間及通勤距離的影響因素進(jìn)行分析.結(jié)果表明，控制個(gè)體社會(huì)經(jīng)濟(jì)屬性特征后，土地利用混合度、交叉口密度和公共交通站點(diǎn)密度對(duì)居民通勤出行時(shí)間和距離的影響均呈現(xiàn)顯著的負(fù)效應(yīng)，而居民居住地到CBD的距離僅對(duì)通勤距離有顯著的正向影響.研究成果可為通過(guò)城市規(guī)劃政策優(yōu)化居民通勤結(jié)構(gòu)提供理論依據(jù).

參考文獻(xiàn)：

[1]孫斌棟,但波.上海城市建成環(huán)境對(duì)居民通勤方式選擇的影響[J].地理學(xué)報(bào),2015,70(10):1664-1674.[SUN B D,DAN B.Impact of urban built environment on residential choice of commuting mode in Shanghai[J].Acta Geographica Sinica,2015,70(10):1664-1674.]

[2]何瑞春,李引珍,張峻屹,等.城市居民出行選擇預(yù)測(cè)模型及實(shí)證研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2007,7(6):80-84.[HE R C,LI Y Z,ZHANG J Y,et al.Analysis and application for urban inhabitant travel demand models[J].Journal of Transportation Systems Engineering&Information Technology,2007,7(6):80-84.]

[3]丁川.考慮空間異質(zhì)性的城市建成環(huán)境對(duì)交通出行的影響研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),2014.[DING C.Research on impacts of urban built environment on travel accounting for spatial heterogeneity[D].Harbin:Harbin Institute of Technology,2014.]

[4]塔娜,柴彥威,關(guān)美寶.建成環(huán)境對(duì)北京市郊區(qū)居民工作日汽車出行的影響[J].地理學(xué)報(bào),2015,70(10):1675-1685.[TA N,CHAI Y W,GUAN M B.The relationship between the built environment and car traveldistance on weekdays in Beijing[J].Acta Geographica Sinica,2015,70(10):1675-1685.]

[5]SUN B,ERMAGUN A,DAN B.Built environmental impacts on commuting mode choice and distance:Evidence from Shanghai[J].Transportation Research Part D,2016,52(2017):441-453.

[6]DING C,MISHRA S,LU G,et al.Influences of built environment characteristics and individual factors on commuting distance:A multilevelmixture hazard modeling approach[J].Transportation Research Part D,2017,51(2017):314-325.

[7]ANTIPOVA A,WANG F,WILMOT C.Urban land uses,socio-demographic attributes and commuting:A multilevel modeling approach[J].Applied Geography,2011,31(3):1010-1018.

[8]CAO X,YANG W.Examining the effects of the built environment and residential self-selection on commuting trips and the related CO2,emissions:An empirical study in Guangzhou,China[J].Transportation Research Part D Transport&Environment,2017,52(2017):480-494.

[9]MUNSHIT.Builtenvironmentand modechoice relationship for commute travel in the city of Rajkot,India[J].Transportation Research Part D,2016,44(2016):239-253.

[10]HANDY S L,BOARNET M G,Ewing R,et al.How the built environment affects physical activity:Views from urban planning[J].American Journal of Preventive Medicine,2002,23(2):64-73.

[11]CERVERO R.Mixed land-usesand commuting:Evidence from the American Housing Survey[J].Transportation Research Part A Policy&Practice,1996,30(5):361-377.

[12]DING C,WANG D,LIU C,et al.Exploring the influence of built environment on travel mode choice considering the mediating effects of car ownership and travel distance[J].Transportation Research Part A:Policy&Practice,2017,100(2017):65-80.

[13]HIROTUGU AKAIKE.Factor analysis and AIC[J].Psychometrika,1987,52(3):317-332.

[14]MERCADO R,PAEZ A.Determinants of distance traveled with a focus on the elderly:A multilevel analysis in the Hamilton CMA,Canada[J].Journal of Transport Geography,2009,17(1):65-76.

[15]ACKER V V,WITLOX F.Commuting trips within tours:how is commuting related to land use?[J].Transportation,2011,38(3):465-486.