基于出行時(shí)間可達(dá)性的公共交通競爭力評估模型

翁劍成，張夢媛，荊云琪，張曉亮，劉冬梅

(1.北京工業(yè)大學(xué)，交通工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100124；2.智能交通技術(shù)交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室，北京 100088；3.北京百度智行科技有限公司，北京 100085；4.綜合交通運(yùn)輸大數(shù)據(jù)處理及應(yīng)用技術(shù)交通運(yùn)輸行業(yè)研發(fā)中心(中路高科)，北京 100088）

0 引言

公共交通是城市低碳交通的重要組成部分，隨著居民出行方式的多樣化，分析公共交通與高碳出行方式的競爭力，以提高其吸引力，是引導(dǎo)出行者綠色出行的關(guān)鍵途徑。國內(nèi)外學(xué)者多從出行時(shí)間、出行經(jīng)濟(jì)成本及出行量等角度比較公共交通與其他出行方式，吳嬌蓉等[1]以出行時(shí)間和出行經(jīng)濟(jì)成本構(gòu)成綜合出行成本，研究不同綜合出行成本條件下，公共交通與租賃小汽車的出行比例變化；XU等[2]基于票價(jià)與出行在途時(shí)間等要素組成的出行成本，探究在同一起訖點(diǎn)間出行時(shí)，若出行者由出租車出行轉(zhuǎn)移至公共交通出行，能夠降低其出行成本的比例；HALL 等[3]通過分析優(yōu)步打車服務(wù)進(jìn)入城市對公交乘客量的影響，研究優(yōu)步打車與公共交通之間的競爭與替補(bǔ)關(guān)系；CEDER[4]選取17 個(gè)城市，比較分別使用私人交通與公共交通出行方式的條件下，由各城市中心到某一特定點(diǎn)的最大出行時(shí)間，并繪制等時(shí)線地圖。以上研究主要探究軌道交通、地面公交、出租車和私人小汽車等方式間的競爭關(guān)系，以及出行者的方式轉(zhuǎn)移行為，但是該類研究不能直觀反映位于不同區(qū)域的出行者采用不同交通方式出行的差異性，無法客觀評價(jià)交通方式的建設(shè)和服務(wù)水平。

目前，越來越多的城市(例如倫敦和深圳等)引入公共交通可達(dá)時(shí)間這一指標(biāo)[5]，評估公共交通的運(yùn)營服務(wù)水平。國內(nèi)外基于公共交通時(shí)間可達(dá)性的研究多集中于兩個(gè)方面：一方面，聚焦評估某一特定地點(diǎn)，例如，公交站點(diǎn)、交通樞紐及醫(yī)院等作為出發(fā)地或目的地時(shí)，居民乘坐公共交通出行的便捷度[6-7]；另一方面，聚焦個(gè)體，評估某城市、區(qū)域或社區(qū)內(nèi)出行者使用公共交通出行方式從出發(fā)地到目的地的便捷度[8-10]。在評估測算可達(dá)性的基礎(chǔ)上，國內(nèi)外學(xué)者進(jìn)一步分析研究可達(dá)性的影響因素，其中，線性回歸模型和結(jié)構(gòu)方程模型等常被用來構(gòu)建可達(dá)性影響模型。ACHEAMPONG 等[11]基于分段線性回歸模型，分析了土地利用因素，例如，道路網(wǎng)長度，以及交通設(shè)施因素，公共交通站點(diǎn)數(shù)量等與公共交通及小汽車可達(dá)性的影響關(guān)系；WANG等[12]利用結(jié)構(gòu)方程模型，分析了公共交通服務(wù)質(zhì)量(發(fā)車頻率和行駛速度等)以及個(gè)人屬性(收入和年齡等)與公共交通可達(dá)性的影響關(guān)系。但是，少有研究考慮可達(dá)性及可達(dá)性影響因素的空間關(guān)聯(lián)程度，忽視了空間單元中屬性的空間依賴特征，在分析地理空間數(shù)據(jù)時(shí)容易使結(jié)果存在一定的偏差。

綜上所述，本文提出基于全過程出行時(shí)間可達(dá)性的公共交通競爭力評價(jià)方法，通過公共交通競爭力指標(biāo)，表征公共交通與私人小汽車出行時(shí)間可達(dá)性的相對差異；在考慮空間效應(yīng)的基礎(chǔ)上，構(gòu)建公共交通競爭力影響模型，分析土地利用及交通設(shè)施因素與競爭力之間的影響關(guān)系；以北京市為例，分析公共交通競爭力的時(shí)空分布特征及與各因素之間的相關(guān)關(guān)系。

1 基于時(shí)間可達(dá)性的公共交通競爭力評價(jià)方法

1.1 公共交通出行時(shí)間可達(dá)性計(jì)算方法

公共交通或小汽車的全過程出行，指以公共交通(或小汽車)為主要出行方式完成的一次持續(xù)出行過程，而采用的接駁方式(步行和騎行等)為次要出行方式?？臻g阻隔模型將出行者出行的起點(diǎn)和終點(diǎn)間的時(shí)間距離(出行耗時(shí))和空間距離等作為度量空間阻隔的指標(biāo)，能較好地反映城市空間的連接特性，適用于區(qū)位評價(jià)等宏觀層面的可達(dá)性研究。因此，本文基于空間阻隔模型，以公共交通及小汽車全過程出行時(shí)間作為阻隔，建立可達(dá)性計(jì)算模型。

公共交通出行主要包括出行過程中的候車、在途、換乘以及首末端接駁等階段。根據(jù)個(gè)體出行鏈中不同公共交通出行的組合模式，公共交通全過程出行時(shí)間計(jì)算分為以地鐵為出行第1 階段的出行模式A 和以地面公交為出行第1 階段的模式B，兩種出行組合模式如圖1所示。

圖1 兩種公共交通出行組合模式的出行全過程Fig.1 Entire process of two combined public transport modes

基于空間阻隔模型，以出行時(shí)間代替空間距離，建立公共交通全過程出行時(shí)間可達(dá)性模型為

式中：AP,IJ為乘客從交通小區(qū)I出發(fā)，選擇公共交通方式到達(dá)目的地交通小區(qū)J的全過程出行時(shí)間可達(dá)性；為第i次從I小區(qū)抵達(dá)目的地J小區(qū)的全過程出行時(shí)間；m為從小區(qū)I出發(fā)采用公共交通方式前往目的地交通小區(qū)J的出行次數(shù)。

1.2 小汽車出行時(shí)間可達(dá)性計(jì)算方法

小汽車出行時(shí)間可達(dá)性反映了出行者采用小汽車方式從出發(fā)地到達(dá)目的地全過程出行的便利程度，即

式中：AC,IJ為乘客從I交通小區(qū)出發(fā)，采用小汽車方式到達(dá)目的地交通小區(qū)J的全過程出行時(shí)間可達(dá)性；為第j次從交通小區(qū)I駕駛小汽車抵達(dá)目的地交通小區(qū)J的全過程出行時(shí)間；h為從交通小區(qū)I出發(fā)采用小汽車方式到達(dá)目的地交通小區(qū)J的出行次數(shù)。

小汽車全過程出行時(shí)間tC,IJ包括：由出發(fā)地到達(dá)附近停車點(diǎn)1 的步行時(shí)間，由停車點(diǎn)1 到達(dá)目的地附近的在途時(shí)間，到達(dá)目的地附近停車場尋找停車點(diǎn)2 的尋車位時(shí)間，以及目的地附近停車點(diǎn)2 到達(dá)最終目的地的步行時(shí)間這4部分，如圖2所示。

圖2 小汽車出行全過程時(shí)間階段構(gòu)成Fig.2 Whole travel time description of car-based travel

1.3 公共交通競爭力指數(shù)評價(jià)模型

為體現(xiàn)采用公共交通與小汽車方式全過程出行時(shí)間可達(dá)性的相對差異，本文提出以公共交通競爭力指數(shù)表征公交相較于小汽車出行的競爭力大小，并進(jìn)一步將公共交通競爭力分為相對競爭力(TPC,IJ)和綜合競爭力(TPC,O和TPC,D)。公共交通相對競爭力TPC,IJ，指分別采用公共交通與小汽車方式由交通小區(qū)I出發(fā)到達(dá)交通小區(qū)J時(shí)的全過程出行時(shí)間可達(dá)性的相對優(yōu)勢，即

根據(jù)公共交通出行的起訖點(diǎn)不同，公共交通競爭力可以進(jìn)一步細(xì)分為區(qū)域出發(fā)公交競爭力和區(qū)域抵達(dá)公交競爭力。區(qū)域出發(fā)競爭力為某交通小區(qū)I作為出發(fā)地時(shí)的公共交通競爭力的平均值，即

式中：nO,I為以交通小區(qū)I為出發(fā)地的目的地交通小區(qū)數(shù)量。

區(qū)域抵達(dá)競爭力為某交通小區(qū)J作為出行目的地時(shí)的公共交通綜合競爭力的平均值，即

式中：nD,J為以交通小區(qū)J為目的地的出發(fā)交通小區(qū)數(shù)量。

2 基于空間效應(yīng)的公共交通競爭力影響模型

2.1 影響因素提取與相關(guān)性分析

(1)影響因素指標(biāo)提取

國內(nèi)外學(xué)者在交通可達(dá)性的影響因素選擇上，常關(guān)注于城市結(jié)構(gòu)與規(guī)模、城市土地利用、交通基礎(chǔ)設(shè)施和個(gè)體因素等方面[13-15]。因此，本文結(jié)合公共交通競爭力模型的構(gòu)建方法和實(shí)際數(shù)據(jù)條件，選取土地利用及交通設(shè)施兩類因素7 個(gè)指標(biāo)構(gòu)建初始影響因素集，如表1所示。

表1 影響因素指標(biāo)解釋Table 1 Explanation of impact factor indicators

(2)影響因素相關(guān)性分析

在構(gòu)建影響模型前，需要檢驗(yàn)初始影響因素間的多重共線性?；?019年北京市六環(huán)內(nèi)的POI(Point of Interest)、城市路網(wǎng)數(shù)據(jù)、公共交通線站空間數(shù)據(jù)和高德地圖開放平臺獲取的小汽車出行距離參數(shù)，利用SPSS 軟件計(jì)算公共交通競爭力的7個(gè)影響因素的相關(guān)性。計(jì)算結(jié)果顯示，住宅服務(wù)密度和辦公就業(yè)密度的相關(guān)系數(shù)為0.639，說明兩指標(biāo)間存在中度相關(guān)性，其他影響因素之間的自相關(guān)系數(shù)的絕對值基本處于0.500 以下。因此，在構(gòu)建影響因素集時(shí)僅保留居住服務(wù)密度或辦公就業(yè)密度一項(xiàng)即可，在構(gòu)建影響模型時(shí)進(jìn)行取舍。

本文通過全局莫蘭指數(shù)量化空間單元觀測值的空間相關(guān)性，通過標(biāo)準(zhǔn)化的Z統(tǒng)計(jì)量檢驗(yàn)全局莫蘭指數(shù)是否顯著。影響因素的空間自相關(guān)性檢驗(yàn)結(jié)果表明，各個(gè)變量的全局莫蘭指數(shù)均大于0，同時(shí)，Z統(tǒng)計(jì)量均大于1.96，即研究范圍內(nèi)相鄰交通小區(qū)的土地利用因素和交通設(shè)施因素均存在顯著的空間正相關(guān)性，具有空間聚集特性。

2.2 基于空間杜賓模型的影響模型

地理事物或?qū)傩栽诳臻g分布上是相關(guān)的，越相近的事物關(guān)聯(lián)越緊密[17]。一般的線性回歸模型關(guān)于研究對象獨(dú)立不相關(guān)的基本假定，使其在分析地理空間數(shù)據(jù)時(shí)容易造成結(jié)果存在一定的偏差，而對各影響因素的空間相關(guān)性分析表明，影響因素具有空間依賴性，因此，考慮將空間計(jì)量模型引入到城市公共交通出行競爭力的分析中，以提高回歸估計(jì)值的準(zhǔn)確性。

空間杜賓模型(SDM)通過引入內(nèi)生交互效應(yīng)Wy和外生交互效應(yīng)WX，考慮了各空間單元的因變量及解釋變量之間的空間依賴性。采用極大似然估計(jì)方法(MLE)估計(jì)空間計(jì)量模型，SDM的表達(dá)式為

式中：y為公共交通競爭力；X為各解釋變量；ln為單位向量，與被估計(jì)的常數(shù)項(xiàng)系數(shù)α相關(guān)；β為解釋變量的系數(shù)，即對因變量y的變化產(chǎn)生的影響；W為空間權(quán)重矩陣；ρ為因變量間的內(nèi)生交互效應(yīng)Wy的系數(shù)；θ為自變量間的外生交互效應(yīng)WX的系數(shù)；ε為n維隨機(jī)誤差項(xiàng)；N(0,σ2In)為零均值擾動(dòng)過程；σ2為恒定方差；In為n維單位矩陣。似然函數(shù)的表達(dá)式為

式中：Z為由ln,X和WX組成的矩陣；δ為由α,β和θ組成的轉(zhuǎn)置矩陣；ω為空間權(quán)重矩陣特征值構(gòu)成的n×1 向量。利用兩步法的MLE求解式(7)，首先，在給定ρ的情形下，選擇最優(yōu)的β和σ2，使得lnL(y|ρ,σ2,β)最大化；然后，將得到的最優(yōu)β和σ2代入式(7)中，選取最優(yōu)的ρ。

直接效應(yīng)是指某交通小區(qū)的土地利用因素和交通設(shè)施因素等解釋變量對該交通小區(qū)的公共交通競爭力(被解釋變量)的影響。間接效應(yīng)即溢出效應(yīng)反映了某交通小區(qū)的各影響因素對其他交通小區(qū)公共交通競爭力的影響。為了便于反映和測度空間杜賓模型中的直接效應(yīng)和間接效應(yīng)，令(In-ρW)-1=V(W),S(W)=V(W)(In β+Wθ)，則可得參數(shù)效應(yīng)的n維矩陣表達(dá)式為

式中：yn為第n個(gè)交通小區(qū)的公共交通競爭力；Sr(W)nn為乘數(shù)矩陣，表示第n個(gè)交通小區(qū)公共交通競爭力與其解釋變量的高階相鄰關(guān)系；xnr為第n個(gè)交通小區(qū)的第r個(gè)解釋變量。主對角線元素之和除以n為平均直接效應(yīng)；矩陣中Sr(W)所有元素之和除以n為平均總效應(yīng)；平均間接效應(yīng)是平均總效應(yīng)與平均直接效應(yīng)之差，即

式中：r=1,2,3,…,k為解釋變量的數(shù)量；為解釋變量對被解釋變量的直接效應(yīng)；為總效應(yīng)；為解釋變量對鄰近空間單元被解釋變量的間接效應(yīng)。

3 案例分析

研究以北京市六環(huán)內(nèi)1371個(gè)交通小區(qū)為研究對象，利用北京市2019年11月25日～12月1日的公共交通動(dòng)靜態(tài)數(shù)據(jù)、出租車GPS定位與計(jì)價(jià)器數(shù)據(jù)和高德地圖API獲取的路徑規(guī)劃數(shù)據(jù)開展案例分析。

3.1 公共交通競爭力評估

以公共交通個(gè)體出行鏈數(shù)據(jù)識別北京市六環(huán)內(nèi)早、晚高峰和平峰時(shí)段的公共交通出行熱點(diǎn)OD交通小區(qū)，出行OD交通小區(qū)間平均出行人次大于平均值的區(qū)間作為本文的熱點(diǎn)出行OD對。然后，基于密度的聚類方法(DBSCAN)對出租車上下車位置的空間點(diǎn)數(shù)據(jù)進(jìn)行聚類，識別出各交通小區(qū)的出行熱點(diǎn)區(qū)域中心，作為全過程出行中公共交通和小汽車的出行起訖點(diǎn)。利用高德地圖開放平臺Web 服務(wù)路徑規(guī)劃API 計(jì)算公共交通出行首末端接駁時(shí)間及小汽車出行在途時(shí)間，獲得不同時(shí)段下的小汽車出行數(shù)據(jù)約380 萬條。通過線上問卷調(diào)查的方式獲取出行者駕駛小汽車出行時(shí)的首末端用時(shí)數(shù)據(jù)，高峰時(shí)段為9.75 min，非高峰時(shí)段為10.15 min。最后，基于公共交通競爭力模型實(shí)現(xiàn)各交通小區(qū)間公共交通出行競爭力的計(jì)算。不同時(shí)段熱點(diǎn)出行OD對如表2所示。

表2 不同時(shí)段熱點(diǎn)出行OD對數(shù)量Table 2 Number of hot travel OD pairs under different time periods

將研究范圍內(nèi)各交通小區(qū)編號，以早高峰、晚高峰及平峰這3 個(gè)時(shí)段的出發(fā)和抵達(dá)競爭力結(jié)果作為輸入，利用K-means 聚類算法分級，經(jīng)計(jì)算k=5 時(shí)聚類分級結(jié)果最優(yōu)，分級結(jié)果如表3所示。分析了自行車接駁與步行接駁的公交競爭力指數(shù)差異，結(jié)果如表4所示。

表3 公共交通競爭力聚類分級結(jié)果Table 3 Public transport competitiveness clustering classification results

表4 公共交通首末端出行為騎行時(shí)的公共交通競爭力Table 4 Public transport competitiveness index with cycling based accessing

公共交通與小汽車間的出行競爭力提升約0.22，平峰時(shí)段出發(fā)地和目的地的公共交通競爭力提升約0.28。結(jié)果表明，騎行方式接駁公共交通相對于步行，能顯著提升公共交通組合出行模式的可達(dá)性競爭力。

3.2 公共交通競爭力時(shí)空特征分析

基于公共交通首末端為步行接駁時(shí)的出行競爭力的分類結(jié)果，利用ArcGIS軟件將結(jié)果可視化，如圖3所示。

圖3 早、晚高峰時(shí)段CO和CD的空間分布Fig.3 Spatial distribution of CO and CD in morning and evening peak

早高峰CD與早高峰CO的空間分布具有一定差異，早高峰公共交通抵達(dá)競爭力處于“好”與“較好”的區(qū)域主要分布在城市中心區(qū)域及地鐵沿線；晚高峰CO與早高峰CD，以及晚高峰CD與早高峰CO的公共交通競爭力空間分布具有相似性。依據(jù)Pearson 相關(guān)分析，晚高峰CO 與早高峰CD 呈現(xiàn)正相關(guān)，相關(guān)系數(shù)為0.774，即早高峰作為目的地時(shí)，交通小區(qū)的公共交通抵達(dá)競爭力越高，晚高峰期間的公共交通出發(fā)競爭力也相應(yīng)越高。同時(shí)，早高峰CO 和晚高峰CD 之間的相關(guān)系數(shù)為0.658，表明這種相似性在就業(yè)集中的區(qū)域比在居住聚集區(qū)域更為明顯。

3.3 公共交通競爭力的影響模型及結(jié)果分析

采用莫蘭指數(shù)檢驗(yàn)變量的空間自相關(guān)特性。結(jié)果表明，各時(shí)段下的CO 和CD 的全局莫蘭指數(shù)均大于0，Z統(tǒng)計(jì)量均大于1.96，說明交通小區(qū)的公共交通競爭力呈現(xiàn)明顯的空間依賴性。以早高峰為例，根據(jù)局部莫蘭指數(shù)繪制局部自相關(guān)聚集特征圖，如圖4所示。

圖4 早高峰公共交通競爭力的局部空間自相關(guān)聚集分布Fig.4 Local spatial autocorrelation of morning peak public transport competitiveness

“低-低聚集”，即周邊交通小區(qū)的公共交通出行競爭力均較高，且差異程度較小，該類型聚集區(qū)域主要集中在城市中心區(qū)和部分地鐵站點(diǎn)周邊區(qū)域；“高-高聚集”，即交通小區(qū)的公共交通競爭力較差的聚集區(qū)域，主要集中在五環(huán)與六環(huán)之間的城市邊緣區(qū)域。

將普通最小二乘法模型(OLS 模型)、空間滯后模型、空間誤差模型及空間杜賓誤差模型這4種模型與SDM模型比較，結(jié)果如圖5所示。

圖5 OLS模型和空間計(jì)量模型的對比檢驗(yàn)結(jié)果Fig.5 Comparative test results of OLS model and spatial econometric model

SDM模型的LogL的值最大，AIC的值最小，表明SDM模型能更好地?cái)M合公共交通競爭力與各因素之間的關(guān)系和空間依賴性。公共交通競爭力影響模型的參數(shù)估計(jì)結(jié)果如表5所示。

表5 各時(shí)段公共交通競爭力影響模型的效應(yīng)分解結(jié)果Table 5 Effect decomposition results of public transport impact model for each period

結(jié)果分析表明，交通小區(qū)內(nèi)土地利用混合度、居住服務(wù)密度、辦公就業(yè)密度、公交站點(diǎn)和地鐵站點(diǎn)密度對該交通小區(qū)早、晚高峰期間的出發(fā)和抵達(dá)公共交通出行競爭力有顯著的負(fù)向直接效應(yīng)和負(fù)向空間溢出效應(yīng)，說明以上5 個(gè)變量的數(shù)值增加，會(huì)提升該交通小區(qū)的公共交通競爭力。分析其原因，交通小區(qū)的土地利用混合度決定了出行起訖點(diǎn)的空間相近程度，土地利用混合度的增加，將會(huì)促進(jìn)就業(yè)、居住、休閑及就醫(yī)等服務(wù)設(shè)施更加平衡，出行活動(dòng)需求在相對較小的范圍內(nèi)得到滿足，區(qū)域居民的平均出行距離較短，有助于提升公共交通相對于小汽車的出行競爭力；交通小區(qū)內(nèi)住宅和就業(yè)密度增加時(shí)，對應(yīng)的居民出行需求也會(huì)顯著提升，特定時(shí)空范圍內(nèi)的出行需求增加，加大區(qū)域城市道路的交通擁堵概率，增加周邊交通小區(qū)居民采用小汽車出行時(shí)的在途時(shí)間，出行需求的集聚對公共交通時(shí)間可達(dá)性的影響程度相對較小，從而進(jìn)一步改善了公共交通在早、晚高峰期間的出行競爭力；此外，地面公交和地鐵站點(diǎn)密度的增加會(huì)增加居民的出行站點(diǎn)和線路選擇，從而降低區(qū)域出行者的“最后一公里”的出行時(shí)間和公共交通候車時(shí)間。

另一方面，道路網(wǎng)密度和繞行系數(shù)對公共交通競爭力產(chǎn)生正向影響，其中，繞行系數(shù)具有顯著的正向直接效應(yīng)。具體而言，隨著某區(qū)域道路網(wǎng)密度增加，或公共交通相對于小汽車出行繞行系數(shù)的增加，小汽車的出行速度可以得到顯著提升，區(qū)域內(nèi)小汽車出行效率提升，削弱了公共交通的出行優(yōu)勢。

此外，地鐵站點(diǎn)密度對公共交通競爭力的平均總效應(yīng)分布在-0.190～-0.240之間，公交站點(diǎn)密度分布在-0.025～-0.040間，表明地鐵建設(shè)在提升公共交通競爭力和促進(jìn)公共交通出行方面的作用遠(yuǎn)大于地面公交服務(wù)。同時(shí)，優(yōu)化公共交通線路網(wǎng)絡(luò)，提升線路直達(dá)性，也是改善公共交通出行服務(wù)和提升競爭力的有效途徑。相比于早、晚高峰時(shí)段，午間平峰時(shí)段土地利用因素對公共交通出發(fā)和抵達(dá)競爭力的影響并不顯著，而交通設(shè)施因素的影響則較為顯著。

4 結(jié)論

本文采用出行時(shí)間可達(dá)性指標(biāo)量化公共交通全過程出行相較于小汽車出行的競爭力，直觀反映不同區(qū)域之間兩種出行方式的出行時(shí)間可達(dá)性差異，并考慮空間單元中屬性的空間依賴性，構(gòu)建基于SDM 的公共交通競爭力影響模型，以北京市為例得到以下結(jié)論：

(1)在城市中心區(qū)、地鐵沿線和部分大型居住社區(qū)周邊區(qū)域的公共交通出行競爭力相對較高，早、晚高峰期間公共交通競爭力的平均值均在1.50以內(nèi)，而平峰時(shí)段約為1.74，相比于高峰時(shí)段公共交通出行優(yōu)勢顯著降低。同一空間區(qū)域內(nèi)，早高峰出發(fā)和晚高峰抵達(dá)出行，以及早高峰抵達(dá)與晚高峰出發(fā)出行的公共交通競爭力的空間分布具有顯著的正向相似性，表明公交競爭力具有時(shí)空的潮汐性。

(2)區(qū)域公共交通競爭力具有顯著的空間依賴性，早高峰時(shí)段存在“低-低聚集”和“高-高聚集”的典型聚集區(qū)域。公交競爭力的影響模型結(jié)果表明，土地利用和交通設(shè)施因素對各時(shí)段下出發(fā)和抵達(dá)公共交通競爭力具有較為顯著的影響，地鐵服務(wù)設(shè)施在提升公共交通競爭力和促進(jìn)公共交通出行方面的效用遠(yuǎn)大于地面公交設(shè)施。通過增加土地利用混合度、居住和就業(yè)密度，同時(shí)，改善各區(qū)域內(nèi)公共交通設(shè)施供給，將有助于提高公共交通出行競爭力和吸引力。