社區(qū)建成環(huán)境對(duì)中等收入群體機(jī)動(dòng)車(chē)行駛里程的非線性影響模型

王振科,白云鵬

(1.重慶交通大學(xué) 交通運(yùn)輸學(xué)院, 重慶 400074;2.重慶恒暢規(guī)劃設(shè)計(jì)研究院, 重慶 400074;3.重慶市市政設(shè)計(jì)研究院有限公司, 重慶 400014)

0 引言

2020年9月22日,習(xí)近平總書(shū)記在第七十五屆聯(lián)合國(guó)大會(huì)上宣布:“中國(guó)將提高國(guó)家自主貢獻(xiàn)力度,采取更加有力的政策和措施,二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值,努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和”。2013—2019年,我國(guó)交通運(yùn)輸領(lǐng)域碳排放年均增速保持在5%以上,已成為溫室氣體排放增長(zhǎng)最快的領(lǐng)域[1]。“雙碳”目標(biāo)下交通運(yùn)輸領(lǐng)域減排壓力巨大,加快出行結(jié)構(gòu)綠色化轉(zhuǎn)型是實(shí)現(xiàn)交通運(yùn)輸“雙碳”目標(biāo)的重要途徑之一。隨著我國(guó)居民小汽車(chē)保有量的不斷增加,控制小汽車(chē)的合理使用是出行結(jié)構(gòu)綠色化轉(zhuǎn)型的關(guān)鍵。從“小汽車(chē)擁有-出行方式選擇-小汽車(chē)使用強(qiáng)度”的小汽車(chē)出行鏈視角來(lái)看,促進(jìn)綠色出行方式選擇與控制小汽車(chē)使用強(qiáng)度又是抑制小汽車(chē)使用的關(guān)鍵。機(jī)動(dòng)車(chē)行駛里程(vehicle miles traveled,VMT)能直接反映小汽車(chē)使用行為[2],在以社區(qū)生活圈(community life unit,CLU)為基本單元進(jìn)行空間規(guī)劃與重構(gòu)的背景下[3],探索如何通過(guò)CLU尺度的建成環(huán)境規(guī)劃來(lái)抑制VMT是促進(jìn)城市可持續(xù)發(fā)展、加快交通運(yùn)輸領(lǐng)域?qū)崿F(xiàn)雙碳目標(biāo)的重要依托。

中等收入群體通常指一定時(shí)期某區(qū)域內(nèi)收入水平處于中間范圍的所有居民組成的群體[4]。相關(guān)研究表明,不同收入人群的小汽車(chē)使用行為具有顯著差異。因此,在中等收入群體比重不斷增加的背景下[5],剖析社區(qū)建成環(huán)境對(duì)中等收入群體VMT的影響效應(yīng)是面向未來(lái)社區(qū)精準(zhǔn)規(guī)劃的必要支撐。

為從規(guī)劃層面入手來(lái)抑制小汽車(chē)的使用,國(guó)內(nèi)外眾多學(xué)者對(duì)建成環(huán)境與VMT的關(guān)系展開(kāi)了研究,已有研究從影響效應(yīng)分析、影響機(jī)理解析、微觀關(guān)系刻畫(huà)3個(gè)方面展開(kāi),在影響效應(yīng)分析方面,關(guān)于個(gè)體社會(huì)經(jīng)濟(jì)屬性與建成環(huán)境屬性誰(shuí)的作用效應(yīng)更大,不同地理背景下的研究得到了不同的結(jié)論,Ewing等[6]在2015年對(duì)美國(guó)15個(gè)地區(qū)的居民出行調(diào)查數(shù)據(jù)展開(kāi)的實(shí)證研究發(fā)現(xiàn),相較于個(gè)體社會(huì)經(jīng)濟(jì)屬性,建成環(huán)境對(duì)VMT的影響更大;在影響機(jī)理分析方面,關(guān)鍵在于挖掘建成環(huán)境對(duì)VMT產(chǎn)生影響的中介變量,結(jié)構(gòu)方程模型是常用的分析工具。Liu等[7]利用結(jié)構(gòu)方程模型發(fā)現(xiàn)建成環(huán)境通過(guò)影響出行方式選擇與小汽車(chē)行駛速度間接影響VMT;Stevens等[8]研究發(fā)現(xiàn),緊湊型的空間開(kāi)發(fā)對(duì)縮短出行距離有正向效應(yīng),從而減小VMT;在微觀關(guān)系刻畫(huà)方面,現(xiàn)有研究主要從建成環(huán)境與VMT的非線性變化關(guān)系,以及空間異質(zhì)性2個(gè)角度展開(kāi),Ding等[9]利用GBDT模型挖掘建成環(huán)境與VMT的非線性關(guān)系,精細(xì)化解析了建成環(huán)境對(duì)VMT產(chǎn)生影響的閾值;Hong等[10]利用多層線性模型分析建成環(huán)境與VMT的空間異質(zhì)性,首次將空間差異引入到建成環(huán)境與VMT的研究中,發(fā)現(xiàn)建成環(huán)境與VMT的關(guān)系具有空間非平穩(wěn)性。

現(xiàn)有研究充分論證了建成環(huán)境對(duì)VMT的影響效應(yīng)及機(jī)理,并考慮了其中的非線性效應(yīng)與空間異質(zhì)性,但仍有不足:① 尚未從社區(qū)生活圈規(guī)劃的背景出發(fā),建立社區(qū)生活圈尺度下的建成環(huán)境與VMT的關(guān)系路徑,從而無(wú)法指導(dǎo)社區(qū)生活圈的規(guī)劃,以實(shí)現(xiàn)碳中和的目標(biāo)。② 沒(méi)有對(duì)細(xì)分群體進(jìn)行分類(lèi)研究,尚未以中等收入群體的行為視角為切入點(diǎn)分析兩者之間的關(guān)系,導(dǎo)致已有結(jié)論受到不同異質(zhì)群體的干擾,而隨著中等收入群體比例不斷擴(kuò)大,研究建成環(huán)境與中等收入群體間的關(guān)系顯得尤為重要。③ 現(xiàn)有建成環(huán)境與VMT的研究在國(guó)內(nèi)的實(shí)證較少,由于社會(huì)、經(jīng)濟(jì)與文化的差異,建成環(huán)境與交通行為的關(guān)系在不同地區(qū)有所不同[11],因此亟待為該領(lǐng)域貢獻(xiàn)有關(guān)我國(guó)城市的實(shí)證研究,豐富該領(lǐng)域的相關(guān)結(jié)論。因此,本文基于保定市居民出行調(diào)查數(shù)據(jù),從社區(qū)生活圈核心要義出發(fā),測(cè)度社區(qū)建成環(huán)境特征,利用GBDT模型剖析社區(qū)建成環(huán)境與中等收入群體VMT的非線性關(guān)系,為社區(qū)尺度的空間設(shè)計(jì)與改造提供科學(xué)參考。

1 社區(qū)建成環(huán)境指標(biāo)選取與尺度界定

研究重點(diǎn)考察不同社區(qū)建成環(huán)境特征對(duì)VMT的影響,其核心是建成環(huán)境對(duì)出行行為的影響。結(jié)合已有研究的成果[12-13],建成環(huán)境常用5D要素進(jìn)行刻畫(huà),包括密度(density)、多樣性(diversity)、設(shè)計(jì)(design)、目的地可達(dá)性(destination accessibility)與公交臨近度(distance to transit)。其中密度可通過(guò)人口密度進(jìn)行表征;多樣性可通過(guò)土地利用混合度進(jìn)行表征;設(shè)計(jì)可通過(guò)路網(wǎng)密度與交叉口密度進(jìn)行表征;公交臨近度可通過(guò)公交服務(wù)水平進(jìn)行表征;目的地可達(dá)性可通過(guò)距離市中心的距離進(jìn)行表征。

為分析社區(qū)生活圈的建成環(huán)境,需要選擇大小合適的分析單元,以確定建成環(huán)境要素對(duì)VMT的影響。2021年6月發(fā)布的《社區(qū)生活圈規(guī)劃技術(shù)指南》中明確提出社區(qū)生活圈有“5～10 min、15 min”2個(gè)層級(jí)。本文選取15 min社區(qū)生活圈層作為社區(qū)建成環(huán)境的測(cè)度范圍,即以居住點(diǎn)為中心,步行15 min所能覆蓋的區(qū)域。參考相關(guān)研究[14-15]對(duì)步行速度的界定為4 km/h,因此社區(qū)生活圈半徑為1 km,即以居住點(diǎn)為中心,構(gòu)建1 km半徑的緩沖區(qū)。

2 數(shù)據(jù)來(lái)源與處理

2.1 樣本選取

保定市位于河北省中部,是河北省原省會(huì)城市。截至2018年底,保定市汽車(chē)保有量達(dá)226.4萬(wàn)輛,全市機(jī)動(dòng)車(chē)千人保有量達(dá)到175輛,居省內(nèi)第一位。機(jī)動(dòng)車(chē)數(shù)量的迅速增長(zhǎng)與高強(qiáng)度使用,導(dǎo)致保定市主城區(qū)交通擁堵、停車(chē)難等問(wèn)題日漸凸顯。保定市于2020年10月開(kāi)展了機(jī)動(dòng)車(chē)停車(chē)需求調(diào)查,其中涵蓋了個(gè)體日常出行行為的問(wèn)卷調(diào)查,問(wèn)卷記錄了受試者的社會(huì)經(jīng)濟(jì)特征、出行特征等(其中個(gè)體平均每天駕駛小汽車(chē)的出行時(shí)間用于測(cè)算每年的VMT),問(wèn)卷總計(jì)回收有效樣本420份。

參考相關(guān)研究[3],本文以居民個(gè)人年收入中位數(shù)的75%～125%來(lái)界定中等收入群體?；诖嗽瓌t,最終篩選出330個(gè)研究樣本,中等收入群體占總樣本量的78.6%,樣本統(tǒng)計(jì)性描述見(jiàn)表1,空間分布見(jiàn)圖1。在中等收入人群中,男性樣本量比女性樣本量多了18%;在年齡方面,58%的中等收入人群在36～59歲;在駕齡方面,73%的中等收入人群駕齡在5年以上;在家庭擁有機(jī)動(dòng)車(chē)的數(shù)量方面,78%的中等收入人群家庭擁有不少于1輛小汽車(chē),反映了中等收入人群對(duì)小汽車(chē)的依賴(lài)。

表1 樣本描述性統(tǒng)計(jì)

圖1 樣本分布

2.2 建成環(huán)境變量求解

通過(guò)Arcgis的緩沖區(qū)分析工具生成每個(gè)樣本點(diǎn)的社區(qū)建成環(huán)境的測(cè)度范圍,用空間連接工具計(jì)算區(qū)域內(nèi)各類(lèi)POI的數(shù)量、路網(wǎng)長(zhǎng)度與人口密度,其中人口密度來(lái)源于街道尺度的人口普查數(shù)據(jù),土地利用混合度主要考察了每個(gè)社區(qū)內(nèi)各類(lèi)POI點(diǎn)的混合程度,在《社區(qū)生活圈規(guī)劃技術(shù)指南》中對(duì)社區(qū)服務(wù)要素配置建議的基礎(chǔ)上,選取了政府、銀行、醫(yī)院、學(xué)校、體育館、商場(chǎng)、酒店、廣場(chǎng)、公園9類(lèi)POI,土地利用混合度由土地利用熵指數(shù)進(jìn)行表征;距離市中心的距離通過(guò)構(gòu)建道路網(wǎng)絡(luò)數(shù)據(jù)集,進(jìn)行OD成本矩陣求解,其中起點(diǎn)為各樣本小區(qū),終點(diǎn)為保定市地理中心(保定市直隸總督署博物館);公交服務(wù)水平通過(guò)停車(chē)場(chǎng)緩沖區(qū)范圍內(nèi)公交站點(diǎn)每小時(shí)到車(chē)數(shù)量表示。建成環(huán)境指標(biāo)具體描述與量綱見(jiàn)表2。

表2 建成環(huán)境變量

土地利用熵指數(shù)的計(jì)算公式為[16]:

(1)

式中:Li代表第i個(gè)緩沖區(qū)內(nèi)土地利用熵指數(shù);Pij代表第i個(gè)緩沖區(qū)內(nèi)第j種POI數(shù)量占總數(shù)的比例;Ni代表第i個(gè)緩沖區(qū)內(nèi)包含的POI的類(lèi)型數(shù)量。

2.3 解釋變量描述性分析

模型的因變量為VMT,自變量為個(gè)體社會(huì)經(jīng)濟(jì)屬性與建成環(huán)境因素,表3為指標(biāo)的統(tǒng)計(jì)性分析。在進(jìn)行分析之前,需要對(duì)變量間的多重共線性進(jìn)行分析,剔除共線性過(guò)高的變量。將自變量導(dǎo)入SPSS中,進(jìn)行共線性分析,結(jié)果顯示變量VIF值均小于10,滿(mǎn)足相關(guān)研究對(duì)共線性的要求[17],因此將所有解釋變量納入模型。

表3 解釋變量描述性統(tǒng)計(jì)分析

3 非線性模型構(gòu)建

采用梯度提升決策樹(shù)(GBDT)模型最早由Friedman提出,是一種基于連續(xù)迭代和決策樹(shù)前后殘差最小化為目標(biāo)的集成算法[18]。該模型主要由梯度算法、提升算法和決策樹(shù)算法3部分組成。由于其強(qiáng)大的預(yù)測(cè)性能以及對(duì)變量重要度的識(shí)別可靠性,近年來(lái)被廣泛應(yīng)用于交通領(lǐng)域[19-21]。GBDT模型可以更好地解釋關(guān)于自變量與因變量間的潛在關(guān)系信息,擬合其之間的非線性關(guān)系,且不要求自變量服從正態(tài)分布,解決了多重共線性的問(wèn)題,在樣本集不足的情景下同樣適用。

在GBDT模型中,設(shè){(x1,y1),(x2,y2),…,(xn,yn)}為包含n組自變量和因變量的數(shù)據(jù)集合,其中xi表示出行者i所在社區(qū)的建成環(huán)境變量,yi表示出行者i的VMT。具體求解步驟如下。

步驟1算法初始化,設(shè)置F0(x)為常數(shù)值。

(2)

式中:ρ為使損失函數(shù)最小化的估計(jì)參數(shù);L(yi,ρ)為均方誤差損失函數(shù)。

步驟2使用模型中損失函數(shù)的負(fù)梯度作為殘差的近似值。殘差的計(jì)算過(guò)程如下所示:

(3)

式中:F(x)為近似函數(shù);設(shè)置最大迭代次數(shù)M,Fm-1(x)是第m-1次迭代的近似函數(shù)。

(4)

式中:cm為第m次迭代中回歸樹(shù)的最佳劃分節(jié)點(diǎn);hm(x,cm)為第m次迭代弱學(xué)習(xí)器的估計(jì)結(jié)果。

步驟4估計(jì)回歸樹(shù)中葉子結(jié)點(diǎn)的值:

(5)

步驟5更新模型:

Fm=Fm-1(x)+γmhm(x)

(6)

步驟6判斷是否達(dá)到預(yù)先設(shè)置的迭代次數(shù)與精度要求,若滿(mǎn)足,則得到最終估計(jì)結(jié)果;否則,返回步驟 2。

4 實(shí)證分析

以保定市出行調(diào)查數(shù)據(jù)為案例,基于居住地構(gòu)建社區(qū)生活圈,利用R編程語(yǔ)言中的“gbm”包實(shí)現(xiàn)GBDT模型求解。采用網(wǎng)格搜索法(GridSearch)交叉驗(yàn)證評(píng)估超參數(shù)的所有組合并以均方誤差(MSE)作為判別標(biāo)準(zhǔn),對(duì)GBDT模型的學(xué)習(xí)率(Learning rate)、最大決策樹(shù)數(shù)量(Estimators)、樹(shù)深度(Depth of regression tree)3個(gè)超參數(shù)進(jìn)行優(yōu)化。本文模型超參數(shù)取值為最大回歸樹(shù)數(shù)量1 000、決策樹(shù)深度3、學(xué)習(xí)率0.01。

4.1 整體效應(yīng)分析

為了檢驗(yàn)GBDT模型在解釋建成環(huán)境對(duì)VMT的影響方面的有效性,將GBDT模型與支持向量機(jī)(SVM)、隨機(jī)森林(RF)和AdaBoost等幾種機(jī)器學(xué)習(xí)模型與傳統(tǒng)的OLS模型進(jìn)行比較,結(jié)果見(jiàn)表4,可以看出,GBDT模型的模型性能最好,表明GBDT模型在使用本研究中的數(shù)據(jù)建模建筑環(huán)境對(duì)VMT的影響方面具有優(yōu)勢(shì)。

表4 不同模型的擬合度

GBDT模型與OLS模型結(jié)果如表5所示,從整體貢獻(xiàn)度來(lái)看,建成環(huán)境變量大于社會(huì)經(jīng)濟(jì)屬性變量,這與文獻(xiàn)[6]的研究結(jié)論類(lèi)似,說(shuō)明了調(diào)節(jié)社區(qū)建成環(huán)境對(duì)中等收入群體出行行為影響的有效性。具體來(lái)看,在社區(qū)建成環(huán)境屬性中,土地利用混合度與距離市中心的距離貢獻(xiàn)度最大,其次是人口密度、路網(wǎng)密度與交叉口密度,貢獻(xiàn)度最小的是公交服務(wù)水平。由此可見(jiàn),合理的土地開(kāi)發(fā)是抑制中等收入群體小汽車(chē)使用最有效的手段,進(jìn)一步說(shuō)明了從規(guī)劃源頭入手,改善交通問(wèn)題的重要意義。公共交通服務(wù)水平的貢獻(xiàn)度最低,可能是由于中等收入群體的出行需求豐富,對(duì)出行方式具有高時(shí)效、高品質(zhì)的要求,而基于前期調(diào)研,保定市現(xiàn)有的公交服務(wù)水平仍較低,導(dǎo)致無(wú)法有效吸引中等收入人群。

表5 模型結(jié)果

4.2 獨(dú)立效應(yīng)分析

通過(guò)控制其他建成環(huán)境變量的平均效應(yīng),繪制了各維度建成環(huán)境指標(biāo)與VMT之間的部分依賴(lài)圖,如圖2所示。展現(xiàn)了社區(qū)空間設(shè)計(jì)對(duì)中等收入人群小汽車(chē)使用行為的影響,是面向未來(lái)社區(qū)空間改造的重要支撐。

社區(qū)人口密度整體上與VMT呈現(xiàn)“V型”關(guān)系,如圖2(a)所示,當(dāng)人口密度值在0～1.8時(shí),隨著人口密度的增加,VMT開(kāi)始逐漸下降,這是由于人口密度過(guò)低時(shí),一方面步行的安全性會(huì)降低,另一方面,無(wú)法為街道兩側(cè)的公共服務(wù)設(shè)施提供足夠的人流,導(dǎo)致服務(wù)設(shè)施缺乏,致使街道活力不足,步行舒適性降低。而當(dāng)人口密度超過(guò)1.8時(shí),隨著人口密度的增加,VMT開(kāi)始逐漸增加,這是由于人口密度過(guò)高致使街道步行空間具有擠壓感,使步行適宜性降低。因此,社區(qū)空間規(guī)劃應(yīng)控制人口密度在1.8左右。

圖2 建成環(huán)境與VMT的非線性關(guān)系曲線

社區(qū)土地利用混合度對(duì)VMT的影響整體上呈現(xiàn)負(fù)相關(guān),如圖2(b)所示。隨著社會(huì)經(jīng)濟(jì)水平的提高,出行者在一次出行中往往涉及多個(gè)出行需求點(diǎn),而土地利用混合度反映了土地上業(yè)態(tài)的多樣性,土地利用混合度越高,多樣的出行需求就越能在社區(qū)尺度范圍內(nèi)得到滿(mǎn)足,從而減少了機(jī)動(dòng)化出行需求,這也是社區(qū)生活圈規(guī)劃的核心。值得注意的是,土地利用混合度與VMT的關(guān)系存在2個(gè)明顯的拐點(diǎn),即當(dāng)混合度值在0.6～0.8時(shí)才能明顯影響VMT,這提醒社區(qū)規(guī)劃者,一方面需要一定的混合度來(lái)形成規(guī)模效應(yīng),另一方面也要注意防止業(yè)態(tài)過(guò)度混合,導(dǎo)致空間資源浪費(fèi)。

路網(wǎng)密度與交叉口密度對(duì)VMT的影響整體上呈現(xiàn)負(fù)相關(guān),如圖2(c)、圖2(d)所示。高路網(wǎng)密度與高交叉口密度反映了街道的連通性較好,而機(jī)動(dòng)性較差,為步行提供了更多便捷的條件。其中路網(wǎng)密度需要達(dá)到7.6 km/km2、交叉口密度數(shù)值需要達(dá)到22才能明顯影響VMT,而在《城市綜合交通體系規(guī)劃標(biāo)準(zhǔn)》中提到,中心城區(qū)道路系統(tǒng)密度不宜小于8 km/km2,說(shuō)明了密路網(wǎng)規(guī)劃理念與相關(guān)標(biāo)準(zhǔn)值對(duì)降低VMT的有效性。

公共交通服務(wù)水平對(duì)VMT的影響整體上呈現(xiàn)正相關(guān),如圖2(e)所示。說(shuō)明公共交通服務(wù)水平較好的區(qū)域VMT較高,該結(jié)論并非說(shuō)明提升公共交通服務(wù)水平對(duì)促進(jìn)出行方式轉(zhuǎn)變沒(méi)有意義,而只能反映保定公共交通現(xiàn)狀無(wú)法有效吸引中等收入群體。

距離市中心的距離對(duì)VMT的影響整體上呈現(xiàn)“倒V”關(guān)系,如圖2(f)所示。一方面,當(dāng)距離市中心的距離在0～10 km時(shí),越遠(yuǎn)離市中心的區(qū)域,VMT越大,由于保定是單中心城市,因此在這個(gè)范圍內(nèi)出行具有向心性;另一方面,當(dāng)距離超過(guò)10 km時(shí),VMT開(kāi)始下降,由于居住社區(qū)距離城市中心區(qū)域較遠(yuǎn),因此出行者往往會(huì)放棄長(zhǎng)距離通勤,選擇就近工作,說(shuō)明城市中心區(qū)域?qū)ν鈬椛渚嚯x為10 km。因此,城市規(guī)劃者應(yīng)積極推動(dòng)城市多中心的建設(shè),從而降低VMT。

4.3 交互效應(yīng)分析

從變量貢獻(xiàn)度可以看出,駕齡是影響中等收入人群VMT的第三重要因素,且眾多研究表明,駕齡與出行者對(duì)出行方式選擇偏好具有強(qiáng)相關(guān),一定程度代表了出行者的主觀特征,與建成環(huán)境的客觀特征可形成對(duì)比分析,因此本節(jié)探討駕齡與建成環(huán)境的交互作用對(duì)VMT的影響效應(yīng),交互效應(yīng)如圖3所示,其中人口密度、路網(wǎng)密度、交叉口密度與駕齡不存在明顯的交互效應(yīng),而土地利用混合度、公交站點(diǎn)密度、距離市中心的距離與駕齡存在一定的交互效應(yīng)。

圖3 建成環(huán)境與駕齡的交互效應(yīng)

總的來(lái)看,駕齡提高會(huì)減弱建成環(huán)境對(duì)VMT的影響。對(duì)于低駕齡人群,改善建成環(huán)境可以更有效地抑制小汽車(chē)使用。就土地利用混合度而言,對(duì)于駕齡超過(guò)10年的人群,提高土地利用混合度對(duì)小汽車(chē)使用的抑制效應(yīng)大幅度減弱,如圖3(a)所示;就公交站點(diǎn)密度而言,對(duì)于駕齡超過(guò)3年的人群,提高公共交通服務(wù)水平對(duì)控制中等收入人群小汽車(chē)使用強(qiáng)度的作用不太明顯,如圖3(e)所示,可見(jiàn)3年以上駕齡的人群對(duì)小汽車(chē)出行方式具有強(qiáng)依賴(lài)性;就距離市中心的距離而言,對(duì)于駕齡超過(guò)7年的人群,降低與市中心的距離對(duì)抑制小汽車(chē)使用的效應(yīng)開(kāi)始減弱,如圖3(f)所示。

土地利用規(guī)劃與公共交通改善分別影響出行距離與出行服務(wù)來(lái)調(diào)節(jié)中等收入群體的小汽車(chē)使用行為,本質(zhì)上是客觀環(huán)境要素與主觀個(gè)體行為的博弈,上述結(jié)果反映了空間改善措施對(duì)高駕齡人群出行習(xí)慣調(diào)節(jié)的有限效應(yīng),其中公共交通改善僅對(duì)尚未形成駕駛習(xí)慣的人群較為有效,而土地利用的改善措施具有更普遍的群體適應(yīng)性。

5 結(jié)論

1) GBDT模型克服了傳統(tǒng)統(tǒng)計(jì)模型線性假設(shè)的缺陷,通過(guò)分析建成環(huán)境對(duì)VMT的影響,表明建成環(huán)境對(duì)VMT具有非線性效應(yīng),且不同建成環(huán)境因子的重要程度不同。

2) 相比于個(gè)體社會(huì)經(jīng)濟(jì)屬性,建成環(huán)境屬性對(duì)VMT的影響效應(yīng)更大,其中土地利用混合度與距離市中心的距離對(duì)VMT影響最大,說(shuō)明了土地利用規(guī)劃對(duì)中等收入群體出行行為影響的重要性,即通過(guò)中微觀的混合開(kāi)發(fā)與宏觀的多中心布局來(lái)促進(jìn)職住平衡,從而抑制小汽車(chē)的使用,這為新建社區(qū)的規(guī)劃提供了重要方向。

3) 在建成環(huán)境對(duì)VMT的非線性效應(yīng)中,值得規(guī)劃管理者注意的是非線性拐點(diǎn),一方面,存在著建成環(huán)境指標(biāo)的最優(yōu)取值區(qū)間,另一方面,包含著建成環(huán)境指標(biāo)的作用效應(yīng)區(qū)間,說(shuō)明社區(qū)空間規(guī)劃者對(duì)社區(qū)建成環(huán)境需要展開(kāi)精細(xì)化設(shè)計(jì),才能有效抑制VMT。同時(shí)需要注意的是,建成環(huán)境對(duì)高駕齡人群小汽車(chē)使用行為的改善效果有效,因此在改善建成環(huán)境的同時(shí),還應(yīng)出臺(tái)相關(guān)的剛性政策進(jìn)行約束,才能最大限度地抑制小汽車(chē)使用。