TOD中“T”與“D”因素對小汽車出行距離的減量影響

鄧一凌

（浙江工業(yè)大學(xué) 設(shè)計(jì)與建筑學(xué)院，浙江 杭州 310023）

TOD中“T”與“D”因素對小汽車出行距離的減量影響

鄧一凌

（浙江工業(yè)大學(xué) 設(shè)計(jì)與建筑學(xué)院，浙江 杭州 310023）

國內(nèi)以公共交通為導(dǎo)向的開發(fā)（transit-oriented development，TOD）研究大多集中在規(guī)劃實(shí)踐領(lǐng)域，對于TOD能在多大程度上降低城市居民小汽車出行距離依然有待明確。基于南京市城市居民出行調(diào)查數(shù)據(jù)，采用家庭所在地800 m范圍內(nèi)有無地鐵站點(diǎn)定義TOD中“T”因素，以綜合密度、混合度、步行評分作為“D”因素。在控制個(gè)人社會經(jīng)濟(jì)屬性和家庭所在地位置因素的基礎(chǔ)上，建立Tobit模型，研究TOD對居民小汽車出行距離的減量影響。通過劃分TOD、only-T、only-D、non-TOD等4類家庭居住地，分析邊際效應(yīng)發(fā)現(xiàn)，當(dāng)“T”因素從無地鐵站點(diǎn)變?yōu)橛械罔F站點(diǎn)時(shí)，小汽車出行距離降低19.6%；“D”因素每增加0.01，小汽車出行距離平均下降0.7%；當(dāng)“T”與“D”因素綜合作用時(shí)，小汽車出行距離下降43.4%。依據(jù)上述研究結(jié)論，提出從only-T向TOD、從non-TOD向only-D轉(zhuǎn)變的規(guī)劃建議。

以公共交通為導(dǎo)向的開發(fā)；小汽車出行距離；步行評分； Tobit模型；邊際效應(yīng)

城市軌道交通作為大中運(yùn)量的公共交通方式，能緩解城市地面交通壓力，滿足市民不斷增長的交通需求。圍繞軌道交通站點(diǎn)開展以公共交通為導(dǎo)向的開發(fā)（transit-oriented development，TOD），能積極引導(dǎo)城市空間的擴(kuò)展，促進(jìn)城市空間結(jié)構(gòu)的優(yōu)化，不僅是交通和土地利用一體化的重要措施，也是城市可持續(xù)發(fā)展的關(guān)鍵策略。

目前國內(nèi)有關(guān)TOD的研究日益增多，但主要集中在規(guī)劃實(shí)踐領(lǐng)域，比如TOD的框架體系、規(guī)劃方法［1］、開發(fā)策略及管理策略［2］等。在TOD的規(guī)劃實(shí)踐中，國內(nèi)研究通常默認(rèn)TOD能降低居民選擇小汽車出行的概率或促使居民選擇更近的出行目的地，最終降低居民的小汽車出行距離，但對其降低程度并不明確。從國外的研究看，盡管已揭示居住在軌道交通或常規(guī)公交站點(diǎn)周邊的家庭其公交使用率更高，但對其是否會更少地?fù)碛泻褪褂眯∑噮s研究較少［3］。EWING等［4］對200余篇研究建成環(huán)境與出行行為關(guān)系的文獻(xiàn)進(jìn)行了綜述，其中只有6篇文獻(xiàn)在家庭或個(gè)人層面上將小汽車出行距離作為因變量，且將家庭所在地到軌道交通或常規(guī)公交站點(diǎn)的距離作為自變量。國內(nèi)TOD的規(guī)劃實(shí)踐與最初以美國為背景提出的TOD理論有較大差異［5］。個(gè)人出行行為受社會制度、經(jīng)濟(jì)發(fā)展、文化習(xí)俗等的影響，存在明顯的地域特征，因此，不能借鑒國外TOD相關(guān)研究結(jié)論尤其是影響程度，用以指導(dǎo)國內(nèi)的TOD規(guī)劃實(shí)踐。

小汽車出行距離是描述小汽車交通需求的綜合性指標(biāo)［6］，已被廣泛用于評估交通擁堵、尾氣排放、能源消耗等［7］。以小汽車出行距離為因變量，分別設(shè)計(jì)TOD中的“T”因素與“D”因素，在控制個(gè)人社會經(jīng)濟(jì)屬性和家庭所在地位置因素的基礎(chǔ)上，建立Tobit模型研究“T”因素與“D”因素對小汽車出行距離的減量影響。

1 數(shù)據(jù)來源及變量設(shè)計(jì)

1.1 數(shù)據(jù)來源

基于南京市城市居民出行調(diào)查數(shù)據(jù)，通過設(shè)置邏輯對數(shù)據(jù)質(zhì)量進(jìn)行檢驗(yàn)和清理后，剩余1 879個(gè)家庭（5 201個(gè)居民）共計(jì)14 111條出行記錄。數(shù)據(jù)字段包括小汽車擁有量、年收入、交通小區(qū)、經(jīng)緯度等家庭屬性，性別、年齡、職業(yè)、教育程度、是否有駕照和公交卡等個(gè)人屬性，出行時(shí)間、方式、目的、起訖點(diǎn)等出行屬性。

1.2 因變量及控制變量

模型因變量為小汽車出行距離，即個(gè)人在被調(diào)查日總計(jì)使用小汽車出行的距離。區(qū)分出行起訖點(diǎn)是否在同一交通小區(qū)，對出行距離采用不同的計(jì)算方法。區(qū)外出行距離為出行起訖點(diǎn)（即交通小區(qū)形心點(diǎn)）間的最短路徑長度，用ArcGIS軟件中網(wǎng)絡(luò)分析工具計(jì)算。假設(shè)交通小區(qū)為正方形且出行起訖點(diǎn)在小區(qū)內(nèi)均質(zhì)分布，則區(qū)內(nèi)出行距離為

其中，dis_intra為區(qū)內(nèi)出行距離，A為交通小區(qū)的面積。

研究TOD對小汽車出行距離的影響需要控制個(gè)人社會經(jīng)濟(jì)屬性和家庭所在地位置因素。前者包括性別、年齡、收入、家庭責(zé)任等，影響個(gè)人交通出行的選擇偏好和支付能力；后者為家庭所在地到城市中心的距離，反映家庭交通區(qū)位的優(yōu)劣。個(gè)人社會經(jīng)濟(jì)屬性大多是分類變量，處理分類變量有幾種方法：（1）將分類變量轉(zhuǎn)化為分類數(shù)減1個(gè)啞元變量；（2）歸并分類變量后，再轉(zhuǎn)化為啞元變量，可以減少啞元變量數(shù)；（3）計(jì)算分類變量的區(qū)間中值，再轉(zhuǎn)化為連續(xù)變量。本研究中個(gè)人社會經(jīng)濟(jì)屬性為控制變量，因此選擇使模型擬合度最優(yōu)的轉(zhuǎn)化方法。職業(yè)有9個(gè)選項(xiàng)，歸并為上學(xué)（包括中小學(xué)生、大學(xué)及研究生）、上班（包括工人、服務(wù)人員、職員及公務(wù)員）、其他（包括私營及個(gè)體勞動者、離退休人員、農(nóng)民、其他）等3類，轉(zhuǎn)化為2個(gè)啞元變量。教育程度有4個(gè)選項(xiàng)，歸并為低教育程度（包括初中及以下、高中及中專）和高教育程度（包括大專及本科、碩士及以上）等2類，轉(zhuǎn)化為1個(gè)啞元變量。家庭年收入有7個(gè)選項(xiàng)，歸并為低收入（0～5萬元）、中等收入（5萬～15萬元）、高收入（15萬元以上）等3類，轉(zhuǎn)化為2個(gè)啞元變量。性別、是否有駕照、是否有公交卡均包含2個(gè)選項(xiàng)，分別直接轉(zhuǎn)化為1個(gè)啞元變量。家庭非機(jī)動車數(shù)、家庭中小學(xué)生數(shù)和家庭學(xué)齡前兒童數(shù)為連續(xù)變量，直接使用。家庭所在地到新街口（南京市CBD）的距離采用最短路徑長度，為連續(xù)變量。

1.3 TOD變量

目前國際上對TOD的定義較多。CALTHORPE［8］首次提出TOD，并將其定義為土地混合使用的社區(qū)，邊界距離位于中心的公交車站和商業(yè)設(shè)施約1/4英里（約400 m），社區(qū)布局和設(shè)計(jì)強(qiáng)調(diào)良好的步行環(huán)境，能鼓勵(lì)使用公共交通。CERVERO［9］定義TOD為布局緊湊、功能混合的社區(qū)，以公交車站及環(huán)繞周圍的公共設(shè)施和公共空間為中心向外延伸約l/4英里（約400 m），通過合理設(shè)計(jì)，鼓勵(lì)居民減少使用小汽車而更多乘坐公共交通。美國馬里蘭州交通局定義TOD為軌道交通或大型的常規(guī)公交車站周邊步行范圍內(nèi)混合布局密度較高的居住、就業(yè)、商業(yè)、公共設(shè)施等功能，加強(qiáng)步行和自行車交通的設(shè)計(jì)，同時(shí)允許私人小汽車交通［10］。上述各定義雖然表述不同，但核心理念一致，均認(rèn)為TOD是圍繞公共交通車站，在步行距離范圍內(nèi)進(jìn)行高密度的用地混合開發(fā)，并開展面向步行、自行車和公共空間的設(shè)計(jì)。

近年來，TOD理論在我國受到追捧，但TOD在我國的實(shí)踐已經(jīng)與最初以美國為背景提出的TOD理論有較大差異。在美國，TOD指圍繞軌道交通或常規(guī)公交站點(diǎn)建設(shè)以中心商業(yè)區(qū)為核心的土地利用混合社區(qū)，旨在應(yīng)對城市低密度蔓延問題。在我國，由于城市人口密度高、公交網(wǎng)絡(luò)覆蓋面廣，僅常規(guī)公交無法支撐較高密度的用地開發(fā)，TOD通常特指圍繞軌道交通站點(diǎn)的用地開發(fā)，因此TOD范圍更大，通常界定為800 m。另外，TOD的目的并非解決城市低密度蔓延問題，而是引導(dǎo)城市有序增長。

基于對國內(nèi)外TOD差異分析，提出與國內(nèi)TOD理論相適應(yīng)的TOD變量。對于TOD中的“T”變量，僅考慮軌道交通站點(diǎn)，將家庭所在地800 m范圍內(nèi)有無地鐵站點(diǎn)描述為啞元變量，有則取1，無則取0。對于TOD中的“D”變量，CERVERO等［11］提出的包含密度（density）、多樣性（diversity）、設(shè)計(jì)（design）的3D指標(biāo)是常用的描述方法。本研究沿用3D指標(biāo)，將開放數(shù)據(jù)作為數(shù)據(jù)源進(jìn)行計(jì)算，以保證研究的可復(fù)制性和可移植性。多樣性指標(biāo)用高德地圖POI數(shù)據(jù)計(jì)算，POI數(shù)據(jù)易于獲取且精度高、種類多、覆蓋面廣，能夠從建筑尺度描述城市土地利用，已被證明可以很好地反映社區(qū)活力［12］。密度指標(biāo)用家庭所在地800 m范圍內(nèi)的住宅類POI總量、公司類POI總量和商業(yè)類POI總量表征，其中住宅類、公司類為POI的原始分類，商業(yè)類為生活、購物、餐飲、教育等4類POI的原始分類之和。由于不同分類POI在總量上存在明顯差異，為便于建模和分析，對3類POI總量進(jìn)行標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化后每類POI密度的最小值為0，最大值為1。標(biāo)準(zhǔn)化計(jì)算式為

其中，densityi為標(biāo)準(zhǔn)化后的第i類POI密度，Xi為第i類POI總量。

多樣性指標(biāo)基于標(biāo)準(zhǔn)化后的住宅類、公司類、商業(yè)類POI密度，其計(jì)算式為［13］

其中，diversity為多樣性，density1，，分別為標(biāo)準(zhǔn)化后的住宅類、公司類、商業(yè)類POI密度。

設(shè)計(jì)指標(biāo)用家庭所在地的步行評分（walk score）描述。步行評分是目前世界上最流行的步行評分系統(tǒng)之一，已在美國、加拿大、澳大利亞、英國、新西蘭等國家廣泛應(yīng)用。步行評分的核心是步行可達(dá)性，即步行潛在可接觸機(jī)會的大小。步行評分計(jì)算基于一個(gè)包含設(shè)施分類和設(shè)施權(quán)重的列表，如便利店、餐館和酒吧、商店、咖啡廳、銀行、公園、學(xué)校、書店、娛樂場所等，在分別考慮這些設(shè)施的步行距離基礎(chǔ)上，引入街區(qū)長度和交叉口密度，計(jì)算步行衰減效應(yīng)。步行評分考慮了在TOD的定義中重點(diǎn)關(guān)注的步行環(huán)境因素，計(jì)算中采用的步行距離、街區(qū)長度、交叉口密度等均與設(shè)計(jì)指標(biāo)密切相關(guān)。研究表明，步行評分可以與居民主觀認(rèn)知的步行性很好吻合［14］，能夠與常規(guī)方法測量的步行性互相驗(yàn)證［15］，在預(yù)測步行出行時(shí)也非常有效［16］。步行評分?jǐn)?shù)據(jù)可基于家庭所在地的經(jīng)緯度通過步行評分網(wǎng)站（https：//www.walkscore.com）提供的API獲取。

通過相關(guān)性分析，發(fā)現(xiàn)上述5項(xiàng)指標(biāo)存在較強(qiáng)的相關(guān)性，不利于模型的估計(jì)和分析，因此采用主成分分析法對指標(biāo)進(jìn)行聚合。先對多樣性和設(shè)計(jì)2項(xiàng)指標(biāo)標(biāo)準(zhǔn)化，再進(jìn)行主成分分析，提取一個(gè)主成分。該主成分能解釋5項(xiàng)指標(biāo)79%的方差，鑒于效果良好，直接將其作為TOD中的“D”變量。5項(xiàng)指標(biāo)構(gòu)成“D”變量的權(quán)重分別為0.236，0.240，0.242，0.207，0.194。同樣，對“D”變量進(jìn)行標(biāo)準(zhǔn)化，使“D”的最小值為0，最大值為1。

2 小汽車出行距離建模

國內(nèi)城市居民使用小汽車出行的情況與英、美等發(fā)達(dá)國家有很大不同。英、美等發(fā)達(dá)國家的城市居民使用小汽車出行十分普遍，然而南京市居民出行調(diào)查顯示，83.7%的居民在被調(diào)查日沒有使用小汽車出行。國外研究通常采用線性回歸模型對小汽車出行距離進(jìn)行建模，但由于國內(nèi)存在大量小汽車出行距離為0的情況，違背了線性假設(shè)，線性回歸模型不再適用。本研究選擇Tobit模型對小汽車出行距離進(jìn)行建模。Tobit模型適用于因變量在正值上大致連續(xù)分布但包含部分正概率取0的情況。Tobit模型最早應(yīng)用于家庭耐用品消費(fèi)支出研究，由于特定時(shí)間內(nèi)大多數(shù)家庭對汽車等家庭耐用品消費(fèi)支出為0，因此TOBIN［17］采用了一種使支出不為負(fù)值的回歸模型，即結(jié)合Probit模型與多元線性回歸模型的Tobit模型：

采用極大似然估計(jì)和牛頓萊布尼茨公式估計(jì)Tobit模型的參數(shù)，結(jié)果如表1所示。除估計(jì)了變量的系數(shù)和反映變量顯著程度的t值和p值外，還估計(jì)了每個(gè)變量的邊際效應(yīng)。由于對因變量進(jìn)行了自然對數(shù)變換，因此對于邊際效應(yīng)的解釋與未進(jìn)行自然對數(shù)變換的模型有所不同。對于連續(xù)變量，邊際效應(yīng)是指該變量取均值時(shí)，上升一個(gè)單位所引起的因變量的變化比例；對于啞元變量，邊際效應(yīng)是指該變量從0水平升至1水平所引起的因變量的變化比例。

表1 模型參數(shù)估計(jì)Table 1 Estimated coefficients of the model

注***表示顯著性水平為0.001；**表示顯著性水平為0.01；*表示顯著性水平為0.1。

對于控制變量，由于需要上班或上學(xué)的居民有剛性通勤需求，其小汽車出行距離相比其他居民分別高34.2%和80.2%。其中上學(xué)的影響較顯著，反映了接送學(xué)生是小汽車出行的重要誘因。女性相比男性，小汽車出行距離低31.4%。教育程度高的居民相比教育程度低的居民，小汽車出行距離高9.9%。高收入和中等收入家庭相比低收入家庭，家庭成員的小汽車出行距離分別高61.0%和97.9%。有駕照的居民相比沒有駕照的居民（可以乘坐小汽車出行），小汽車出行距離高139.9%。有公交卡的居民相比無公交卡的居民，小汽車出行距離低27.4%。家庭非機(jī)動車每增加1輛，家庭成員小汽車出行距離減少23.8%。有更多學(xué)齡前兒童或中小學(xué)生的家庭，家庭成員的小汽車出行距離分別增加20.8%和25.0%。家庭所在地到新街口的距離影響不顯著。

對于TOD變量，“T”變量從0變?yōu)?，反映了家庭所在地800 m范圍內(nèi)如果從無地鐵站點(diǎn)到有地鐵站點(diǎn)，居民的小汽車出行距離降低19.6%。如果僅考慮擁有小汽車的家庭，重新估計(jì)模型后發(fā)現(xiàn)降幅高達(dá)41.2%?！癉”變量每提高0.01，居民的小汽車出行距離相應(yīng)降低0.7%。如果僅考慮擁有小汽車的家庭，降幅可達(dá)1.0%。

“T”和“D”變量能直接或間接地通過增加小汽車出行的時(shí)間和成本，降低使用步行、自行車、公共交通等方式出行的時(shí)間和成本，從而增加其他交通方式的吸引力、降低小汽車出行距離。其中“T”變量即地鐵站點(diǎn)會使居民公交出行更方便，從而減少小汽車出行?！癉”變量對于小汽車出行的影響可以從密度因素、多樣性因素、設(shè)計(jì)因素三方面解釋。密度因素通過將目的地集中在更近的位置減少小汽車出行，從而使得替代交通方式變得可行。多樣性因素一方面圍繞地鐵站點(diǎn)將居住與商業(yè)、生活服務(wù)、公共設(shè)施等用地混合實(shí)現(xiàn)就近服務(wù)，另一方面圍繞地鐵站點(diǎn)及沿線將居住與就業(yè)混合實(shí)現(xiàn)職住平衡，這些都能減少小汽車出行。設(shè)計(jì)因素通過街道網(wǎng)絡(luò)和步行環(huán)境的改善提升能使步行、自行車、公共交通等出行方式更便捷、安全，從而降低小汽車出行的吸引力。

3 “T”與“D”因素對小汽車出行距離的減量影響

根據(jù)“T”和“D”的取值對家庭所在地進(jìn)行分類，同時(shí)滿足T=1和rank（D）gt;70%（即位于地鐵站點(diǎn)800 m范圍內(nèi)且“D”值排名前30%）的家庭為TOD家庭，僅滿足其中一項(xiàng)的為only-T或only-D家庭，兩項(xiàng)均不滿足的為non-TOD家庭，4類家庭的空間分布如圖1所示。不同類別的家庭存在明顯差異化的空間分布特征：TOD家庭主要聚集在南京老城內(nèi)地鐵沿線，only-D家庭主要聚集在南京老城內(nèi)非地鐵沿線，only-T家庭主要聚集在南京老城外地鐵沿線，non-TOD家庭主要聚集在南京老城外非地鐵沿線。

圖1 4類家庭的空間分布Fig.1 Spatial distribution of the four types of households

從4類家庭中分別選取1戶作為代表家庭，篩選原則是該家庭所在地的“D”值應(yīng)最接近其所屬類別中所有家庭所在地的“D”值的均值。對選出的4戶代表家庭800 m半徑范圍內(nèi)的建成環(huán)境進(jìn)行可視化，如圖2所示。其中紅心為家庭所在地，粉線為家庭所在地到地鐵站點(diǎn)的直線距離，藍(lán)黑色為市政道路?？芍?，TOD和only-D家庭所在地的道路網(wǎng)密度和通達(dá)性要遠(yuǎn)高于另2類家庭。

圖2 4類家庭的典型居住地建成環(huán)境Fig.2 Residential built environment of four typical households

對家庭小汽車出行距離等進(jìn)行統(tǒng)計(jì)分析，由表2可知，TOD家庭的小汽車平均出行距離均顯著低于only-D、only-T及non-TOD家庭。需要注意的是，表2中小汽車平均出行距離的差異并不完全取決于“T”或“D”因素，也可能是由個(gè)人社會經(jīng)濟(jì)屬性和家庭所在地位置不同造成的，即存在居住自選擇效應(yīng)。

表2 4類家庭的小汽車平均出行距離Table 2 Average car kilometers traveled of the four types of households

在應(yīng)用本研究提出的模型控制了個(gè)人社會經(jīng)濟(jì)屬性和家庭所在地位置的差異后，依據(jù)邊際效應(yīng)的計(jì)算結(jié)果，再將4類家庭的小汽車平均出行距離進(jìn)行對比：以non-TOD家庭的小汽車平均出行距離為基準(zhǔn)，only-T家庭的小汽車平均出行距離降低了21.7%，only-D家庭的小汽車平均出行距離降低了24.5%，TOD家庭的小汽車平均出行距離降低了43.4%，如圖3（b）所示。盡管小汽車平均出行距離的降幅低于圖3（a）中不排除個(gè)人社會經(jīng)濟(jì)屬性因素時(shí)的降幅，但仍非常明顯。尤其是當(dāng)“T”與“D”因素綜合作用時(shí)，小汽車出行距離可降低43.4%，其中“D”因素占55%。這也表明了在TOD區(qū)域內(nèi)小汽車出行距離較低的原因并非由軌道交通單因素造成，更多是由高密度的混合開發(fā)和適宜步行的建成環(huán)境造成。僅“D”因素作用下小汽車出行距離的下降程度與僅“T”因素作用下小汽車出行距離的下降程度基本相同，分別為21.7%和24.5%。由于軌道交通的修建費(fèi)用很高，其可覆蓋的區(qū)域有限，因此，在沒有軌道交通覆蓋的區(qū)域提升“D”因素，對降低小汽車出行距離能起與修建軌道交通相同甚至更好的效果。如果僅考慮有小汽車的家庭，重新估計(jì)模型后，發(fā)現(xiàn)TOD帶來的小汽車出行距離的下降效果更加明顯，達(dá)75.2%，如圖3（c）所示?？梢灶A(yù)見，隨著擁有小汽車的家庭越來越多，TOD帶來的降低小汽車出行距離的效果將較現(xiàn)有水平下的43.4%更高。

圖3 不同情景下TOD對小汽車出行距離的影響Fig.3 Effects of TOD on car kilometers traveled under different scenarios

4 結(jié)論與建議

國內(nèi)已有的出行行為相關(guān)研究大多關(guān)注交通方式的選擇，而對小汽車出行距離指標(biāo)關(guān)注較少，減少城市總體小汽車出行距離是TOD對城市交通系統(tǒng)的直接貢獻(xiàn)。本研究以家庭所在地800 m范圍內(nèi)有無地鐵站點(diǎn)為“T”變量，住宅類、公司類、商業(yè)類POI密度、多樣性、步行評分等5個(gè)指標(biāo)為“D”變量表征TOD，進(jìn)而研究了TOD對小汽車出行距離的影響。國內(nèi)已有研究僅通過獲取交通小區(qū)層面的建成環(huán)境數(shù)據(jù)進(jìn)行建模，由于交通小區(qū)范圍較大，無法反映其內(nèi)部的差異性，而由家庭所在地的經(jīng)緯度得到的“D”變量能反映更精細(xì)的建成環(huán)境。本研究得到的邊際效應(yīng)可以用于國內(nèi)其他城市初步估計(jì)TOD帶來的降低小汽車出行距離和緩解小汽車交通擁堵的效益，對交通設(shè)施的配置和建成環(huán)境優(yōu)化有一定的參考價(jià)值。

無論是軌道交通站點(diǎn)覆蓋或非軌道交通站點(diǎn)覆蓋地區(qū)，提升“D”因素對減少小汽車出行都至關(guān)重要。軌道交通站點(diǎn)覆蓋地區(qū)應(yīng)從only-T向TOD轉(zhuǎn)變。2019年年底，我國內(nèi)地城市軌道交通運(yùn)營線路里程已達(dá)6 736 km，然而近一半的線路日均客流強(qiáng)度低于0.5 萬人·km-1，面臨嚴(yán)重運(yùn)營虧損［18］。城市軌道交通線網(wǎng)布局和建設(shè)時(shí)序與土地開發(fā)不統(tǒng)一，站點(diǎn)設(shè)計(jì)與周邊建設(shè)用地關(guān)系不緊密是重要原因。我國城市軌道TOD發(fā)展指數(shù)的研究表明，在我國城市中幾乎找不到符合建筑高度隨到站點(diǎn)距離增加而梯度下降的標(biāo)準(zhǔn)TOD案例［19］。我國城市已經(jīng)進(jìn)入TOD發(fā)展的關(guān)鍵時(shí)期，確保大量軌道交通站點(diǎn)地區(qū)TOD規(guī)劃建設(shè)的成功已成為當(dāng)務(wù)之急。在中觀層面，加強(qiáng)軌道工程方案優(yōu)化和控規(guī)調(diào)整，促進(jìn)軌道交通站點(diǎn)與周邊建設(shè)用地的協(xié)調(diào)發(fā)展，將有助于由only-T向TOD轉(zhuǎn)變，使站點(diǎn)成為多功能的目的地，以減少出行距離、增強(qiáng)社區(qū)活力，特別是實(shí)現(xiàn)辦公緊鄰軌道交通站點(diǎn)，以鼓勵(lì)選擇軌道交通通勤。另外，優(yōu)化軌道交通站點(diǎn)周邊的開發(fā)類型和強(qiáng)度還能起到合理利用軌道交通運(yùn)輸能力、降低高峰時(shí)段軌道交通雙向客流不均衡的作用。

非軌道交通站點(diǎn)覆蓋地區(qū)應(yīng)從non-TOD向only-D轉(zhuǎn)變。基于生活圈規(guī)劃的視角，以人的生活行為為基礎(chǔ)，在適于步行的范圍內(nèi)，配備生活所需的基礎(chǔ)服務(wù)設(shè)施與公共活動空間，優(yōu)化社區(qū)生活、就業(yè)和出行環(huán)境。實(shí)現(xiàn)上述目標(biāo)需要整合自上而下和自下而上的力量，從微觀層面加強(qiáng)社區(qū)規(guī)劃編制、實(shí)施和評估，根據(jù)社區(qū)大小、建設(shè)情況和居民實(shí)際需求，組織社區(qū)空間、補(bǔ)齊社區(qū)短板，滿足社區(qū)居民就業(yè)服務(wù)、醫(yī)療養(yǎng)老、康體健身、人文教育、環(huán)境美化等多方面的需求。

［1］張曉春，田鋒，呂國林，等. 深圳市TOD框架體系及規(guī)劃策略［J］. 城市交通，2011， 9（3）：37-44. DOI：10. 3969/j.issn.1672-5328.2011.03.006

ZHANG X C， TIAN F，LYU G L， et.al. Transit-oriented development framework and planning strategies in Shenzhen［J］. Urban Transport of China， 2011，9（3）： 37-44. DOI：10.3969/j.issn. 1672-5328.2011.03.006

［2］邵源，田鋒，呂國林，等. 深圳市TOD規(guī)劃管理與實(shí)踐［J］. 城市交通，2011， 9（2）：60-66，21. DOI：10. 3969/j.issn.1672-5328.2011.02.010

SHAO Y， TIAN F，LYU G L， et.al. Transit-oriented development planning and management practice in Shenzhen［J］. Urban Transport of China， 2011，9（2）： 60-66，21. DOI：10.3969/j.issn.1672-5328. 2011.02.010

［3］CHATMAN D G. Does TOD need the T： On the importance of factors other than rail access［J］. Journal of the American Planning Association， 2013，79（1）： 17-31. DOI：10.1080/01944363. 2013.791008

［4］EWING R， CERVERO R. Travel and the built environment： A meta-analysis［J］. Journal of the American Planning Association， 2010，76（3）： 265-294. DOI：10.1080/01944361003766766

［5］王有為. 適于中國城市的TOD規(guī)劃理論研究［J］. 城市交通，2016， 14（6）：40-48. DOI：10.13813/j.cn11-5141/u.2016.0607

WANG Y W. Suitability of TOD planning theory for Chinese cities［J］. Urban Transport of China，2016， 14（6）：40-48. DOI：10.13813/j.cn11-5141/u.2016. 0607

［6］MILLER E J， IBRAHIM A. Urban form and vehicular travel： Some empirical findings［J］. Transportation Research Record： Journal of the Transportation Research Board， 1998，1617（1）： 18-27. DOI：10.3141/1617-03

［7］KUMAPLEY R K， FRICKER J D. Review of methods for estimating vehicle miles traveled［J］. Transportation Research Record： Journal of the Transportation Research Board， 1996，1551（1）： 59-66. DOI：10.1177/0361198196155100108

［8］CALTHORPE P. The Next American Metropolis： Ecology，Community， and the American Dream［M］. New York： Princeton Architectural Press，1993.

［9］CERVERO R. Transit-Oriented Development in the United States： Experiences，Challenges， and Prospects［M］. Washington： Transportation Research Board，2004.

［10］U.S. Maryland Department of Transportation. Glendening from the Transit-oriented Development Task Force［R］.Baltimore：U. S. Maryland Transportation Authority， 2000.

［11］CERVERO R， KOCKELMAN K. Travel demand and the 3Ds： Density，diversity， and design［J］. Transportation Research Part D （Transport and Environment）， 1997，2（3）： 199-219. DOI：10.1016/S1361-9209（97）00009-6

［12］YUE Y， ZHUANG Y，YEH A G O， et al. Measurements of POI-based mixed use and their relationships with neighbourhood vibrancy［J］. International Journal of Geographical Information Science，2016， 31（4）：658-675. DOI：10.1080/13658816.2016.1220561

［13］REUSSER D E， LOUKOPOULOS P，STAUFFACHER M， et al. Classifying railway stations for sustainable transitions-balancing node and place functions［J］. Journal of Transport Geography， 2008，16（3）： 191-202. DOI：10.1016/j.jtrangeo.2007.05.004

［14］CARR L J， DUNSIGER S I，MARCUS B H. Walk scoreTMas a global estimate of neighborhood walkability［J］. American Journal of Preventive Medicine， 2010， 39（5）：460-463. DOI：10.1016/j.amepre.2010.07.007.

［15］CARR L J， DUNSIGER S I，MARCUS B H. Validation of walk score for estimating access to walkable amenities ［J］. British Journal of Sports Medicine，2011， 45（14）：1144-1148. DOI：10.1136/bjsm.2009.069609

［16］MANAUGH K， AHMED E. Validating walkability indices： How do different households respond to the walkability of their neighborhood？［J］. Transportation Research Part D （Transport and Environment）， 2011，16（4）： 309-315. DOI：10.1016/j.trd.2011.01.009

［17］TOBIN J. The Application of Multivariate Probit Analysis to Economic Survey Data［R］. New Haven： Cowles Foundation for Research in Economics， Yale University，1955.

［18］中國城市軌道交通協(xié)會. 城市軌道交通2019年度統(tǒng)計(jì)和分析報(bào)告［R］. 北京：中國城市軌道交通協(xié)會， 2020.

China Urban Rail Transit Association. 2019 Annual Statistical Analysis Report of China′s Urban Rail Transit［R］. Beijing： China Urban Rail Transit Association，2020.

［19］宇恒可持續(xù)交通研究中心. 2016年中國城市軌道TOD發(fā)展指數(shù)報(bào)告［R］. 北京：宇恒可持續(xù)交通研究中心， 2017.

Yuheng Sustainable Transportation Research Center. 2016 China′s Urban Rail Transit TOD Development Index Report ［R］. Beijing： Yuheng Sustainable Transportation Research Center， 2017.

The effects of quot;Tquot; and quot;Dquot; factors of TOD on reducing the car kilometers traveled

DENG Yiling

（School of Design and Architecture，Zhejiang University of Technology，Hangzhou310023，China）

Most of the studies on transit-oriented development TOD in China were focused on planning practice, and to what extent TOD can reduce the urban residentsapos; car kilometers traveled was unclear. Based on the Nanjing household travel survey data, the quot;Tquot; factor of TOD was defined by whether there was a subway station within the distance of 800 m from the household residence; the quot;Dquot; factor of TOD was defined by residence density, mix, and walk score. After controlling for socioeconomic and home location factors, a Tobit model was proposed to study the effect of TOD on reducing the urban residentsapos; car kilometers traveled. By classifying four residence types (i.e., TOD, only-T, only-D, and non-TOD) and analyzing the marginal effects, we found that the car kilometers traveled decreases by 19.6% when the quot;Tquot; factor changes from no subway station to one subway station; and it decreased by 0.7% for every 0.01 increase in the quot;Dquot; factor; the car kilometers traveled decreased by 43.4% if the effect of both quot;Tquot; and quot;Dquot; were combined. Based on the above findings, it was suggested that the planning studies should shift from only-T to TOD and from non-TOD to only-D.

TOD; car kilometers traveled; walk score; Tobit model; marginal effect

TU 984.191

A

1008?9497（2022）03?376?08

10.3785/j.issn.1008-9497.2022.03.015

2021?03?18.

浙江省哲學(xué)社會科學(xué)規(guī)劃課題（19NDQN351YB）；國家自然科學(xué)基金面上項(xiàng)目（51978617）.

鄧一凌（1987—），ORCID：https：//orcid.org/0000-0002-6245-0352，男，博士，副教授，主要從事城市交通規(guī)劃研究

，E-mail：yiling@zjut.edu.cn.