社區(qū)建成環(huán)境對中等收入群體機動車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 交通運輸學院, 重慶 400074;2.重慶恒暢規(guī)劃設(shè)計研究院, 重慶 400074;3.重慶市市政設(shè)計研究院有限公司, 重慶 400014)

0 引言

2020年9月22日,習近平總書記在第七十五屆聯(lián)合國大會上宣布:“中國將提高國家自主貢獻力度,采取更加有力的政策和措施,二氧化碳排放力爭于2030年前達到峰值,努力爭取2060年前實現(xiàn)碳中和”。2013—2019年,我國交通運輸領(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最快的領(lǐng)域[1]?！半p碳”目標下交通運輸領(lǐng)域減排壓力巨大,加快出行結(jié)構(gòu)綠色化轉(zhuǎn)型是實現(xiàn)交通運輸“雙碳”目標的重要途徑之一。隨著我國居民小汽車保有量的不斷增加,控制小汽車的合理使用是出行結(jié)構(gòu)綠色化轉(zhuǎn)型的關(guān)鍵。從“小汽車擁有-出行方式選擇-小汽車使用強度”的小汽車出行鏈視角來看,促進綠色出行方式選擇與控制小汽車使用強度又是抑制小汽車使用的關(guān)鍵。機動車行駛里程(vehicle miles traveled,VMT)能直接反映小汽車使用行為[2],在以社區(qū)生活圈(community life unit,CLU)為基本單元進行空間規(guī)劃與重構(gòu)的背景下[3],探索如何通過CLU尺度的建成環(huán)境規(guī)劃來抑制VMT是促進城市可持續(xù)發(fā)展、加快交通運輸領(lǐng)域?qū)崿F(xiàn)雙碳目標的重要依托。

中等收入群體通常指一定時期某區(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)境對中等收入群體VMT的影響效應(yīng)是面向未來社區(qū)精準規(guī)劃的必要支撐。

為從規(guī)劃層面入手來抑制小汽車的使用,國內(nèi)外眾多學者對建成環(huán)境與VMT的關(guān)系展開了研究,已有研究從影響效應(yīng)分析、影響機理解析、微觀關(guān)系刻畫3個方面展開,在影響效應(yīng)分析方面,關(guān)于個體社會經(jīng)濟屬性與建成環(huán)境屬性誰的作用效應(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年對美國15個地區(qū)的居民出行調(diào)查數(shù)據(jù)展開的實證研究發(fā)現(xiàn),相較于個體社會經(jīng)濟屬性,建成環(huán)境對VMT的影響更大;在影響機理分析方面,關(guān)鍵在于挖掘建成環(huán)境對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)境通過影響出行方式選擇與小汽車行駛速度間接影響VMT;Stevens等[8]研究發(fā)現(xiàn),緊湊型的空間開發(fā)對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個角度展開,Ding等[9]利用GBDT模型挖掘建成環(huán)境與VMT的非線性關(guān)系,精細化解析了建成環(huán)境對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VMT的影響效應(yīng)及機理,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,從而無法指導社區(qū)生活圈的規(guī)劃,以實現(xiàn)碳中和的目標。② 沒有對細分群體進行分類研究,尚未以中等收入群體的行為視角為切入點分析兩者之間的關(guān)系,導致已有結(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的研究在國內(nèi)的實證較少,由于社會、經(jīng)濟與文化的差異,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)域貢獻有關(guān)我國城市的實證研究,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)計與改造提供科學參考。

1 社區(qū)建成環(huán)境指標選取與尺度界定

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

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個層級。本文選取15 min社區(qū)生活圈層作為社區(qū)建成環(huán)境的測度范圍,即以居住點為中心,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,即以居住點為中心,構(gòu)建1 km半徑的緩沖區(qū)。

2 數(shù)據(jù)來源與處理

2.1 樣本選取

保定市位于河北省中部,是河北省原省會城市。截至2018年底,保定市汽車保有量達226.4萬輛,全市機動車千人保有量達到175輛,居省內(nèi)第一位。機動車數(shù)量的迅速增長與高強度使用,導致保定市主城區(qū)交通擁堵、停車難等問題日漸凸顯。保定市于2020年10月開展了機動車停車需求調(diào)查,其中涵蓋了個體日常出行行為的問卷調(diào)查,問卷記錄了受試者的社會經(jīng)濟特征、出行特征等(其中個體平均每天駕駛小汽車的出行時間用于測算每年的VMT),問卷總計回收有效樣本420份。

參考相關(guān)研究[3],本文以居民個人年收入中位數(shù)的75%～125%來界定中等收入群體?；诖嗽瓌t,最終篩選出330個研究樣本,中等收入群體占總樣本量的78.6%,樣本統(tǒng)計性描述見表1,空間分布見圖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;在家庭擁有機動車的數(shù)量方面,78%的中等收入人群家庭擁有不少于1輛小汽車,反映了中等收入人群對小汽車的依賴。

表1 樣本描述性統(tǒng)計

圖1 樣本分布

2.2 建成環(huán)境變量求解

通過Arcgis的緩沖區(qū)分析工具生成每個樣本點的社區(qū)建成環(huán)境的測度范圍,用空間連接工具計算區(qū)域內(nèi)各類POI的數(shù)量、路網(wǎng)長度與人口密度,其中人口密度來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社區(qū)內(nèi)各類POI點的混合程度,在《社區(qū)生活圈規(guī)劃技術(shù)指南》中對社區(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、學校、體育館、商場、酒店、廣場、公園9類POI,土地利用混合度由土地利用熵指數(shù)進行表征;距離市中心的距離通過構(gòu)建道路網(wǎng)絡(luò)數(shù)據(jù)集,進行OD成本矩陣求解,其中起點為各樣本小區(qū),終點為保定市地理中心(保定市直隸總督署博物館);公交服務(wù)水平通過停車場緩沖區(qū)范圍內(nèi)公交站點每小時到車數(shù)量表示。建成環(huán)境指標具體描述與量綱見表2。

表2 建成環(huán)境變量

土地利用熵指數(shù)的計算公式為[16]:

(1)

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

2.3 解釋變量描述性分析

模型的因變量為VMT,自變量為個體社會經(jīng)濟屬性與建成環(huán)境因素,表3為指標的統(tǒng)計性分析。在進行分析之前,需要對變量間的多重共線性進行分析,剔除共線性過高的變量。將自變量導入SPSS中,進行共線性分析,結(jié)果顯示變量VIF值均小于10,滿足相關(guān)研究對共線性的要求[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)計分析

3 非線性模型構(gòu)建

采用梯度提升決策樹(GBDT)模型最早由Friedman提出,是一種基于連續(xù)迭代和決策樹前后殘差最小化為目標的集成算法[18]。該模型主要由梯度算法、提升算法和決策樹算法3部分組成。由于其強大的預測性能以及對變量重要度的識別可靠性,近年來被廣泛應(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)的負梯度作為殘差的近似值。殘差的計算過程如下所示:

(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次迭代中回歸樹的最佳劃分節(jié)點;hm(x,cm)為第m次迭代弱學習器的估計結(jié)果。

步驟4估計回歸樹中葉子結(jié)點的值:

(5)

步驟5更新模型:

Fm=Fm-1(x)+γmhm(x)

(6)

步驟6判斷是否達到預先設(shè)置的迭代次數(shù)與精度要求,若滿足,則得到最終估計結(jié)果;否則,返回步驟 2。

4 實證分析

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編程語言中的“gbm”包實現(xiàn)GBDT模型求解。采用網(wǎng)格搜索法(GridSearch)交叉驗證評估超參數(shù)的所有組合并以均方誤差(MSE)作為判別標準,對GBDT模型的學習率(Learning rate)、最大決策樹數(shù)量(Estimators)、樹深度(Depth of regression tree)3個超參數(shù)進行優(yōu)化。本文模型超參數(shù)取值為最大回歸樹數(shù)量1 000、決策樹深度3、學習率0.01。

4.1 整體效應(yīng)分析

為了檢驗GBDT模型在解釋建成環(huán)境對VMT的影響方面的有效性,將GBDT模型與支持向量機(SVM)、隨機森林(RF)和AdaBoost等幾種機器學習模型與傳統(tǒng)的OLS模型進行比較,結(jié)果見表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VMT的影響方面具有優(yōu)勢。

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,從整體貢獻度來看,建成環(huán)境變量大于社會經(jīng)濟屬性變量,這與文獻[6]的研究結(jié)論類似,說明了調(diào)節(jié)社區(qū)建成環(huán)境對中等收入群體出行行為影響的有效性。具體來看,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度最大,其次是人口密度、路網(wǎng)密度與交叉口密度,貢獻度最小的是公交服務(wù)水平。由此可見,合理的土地開發(fā)是抑制中等收入群體小汽車使用最有效的手段,進一步說明了從規(guī)劃源頭入手,改善交通問題的重要意義。公共交通服務(wù)水平的貢獻度最低,可能是由于中等收入群體的出行需求豐富,對出行方式具有高時效、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,導致無法有效吸引中等收入人群。

表5 模型結(jié)果

4.2 獨立效應(yīng)分析

通過控制其他建成環(huán)境變量的平均效應(yīng),繪制了各維度建成環(huán)境指標與VMT之間的部分依賴圖,如圖2所示。展現(xiàn)了社區(qū)空間設(shè)計對中等收入人群小汽車使用行為的影響,是面向未來社區(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,當人口密度值在0～1.8時,隨著人口密度的增加,VMT開始逐漸下降,這是由于人口密度過低時,一方面步行的安全性會降低,另一方面,無法為街道兩側(cè)的公共服務(wù)設(shè)施提供足夠的人流,導致服務(wù)設(shè)施缺乏,致使街道活力不足,步行舒適性降低。而當人口密度超過1.8時,隨著人口密度的增加,VMT開始逐漸增加,這是由于人口密度過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VMT的影響整體上呈現(xiàn)負相關(guān),如圖2(b)所示。隨著社會經(jīng)濟水平的提高,出行者在一次出行中往往涉及多個出行需求點,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)得到滿足,從而減少了機動化出行需求,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個明顯的拐點,即當混合度值在0.6～0.8時才能明顯影響VMT,這提醒社區(qū)規(guī)劃者,一方面需要一定的混合度來形成規(guī)模效應(yīng),另一方面也要注意防止業(yè)態(tài)過度混合,導致空間資源浪費。

路網(wǎng)密度與交叉口密度對VMT的影響整體上呈現(xiàn)負相關(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,而機動性較差,為步行提供了更多便捷的條件。其中路網(wǎng)密度需要達到7.6 km/km2、交叉口密度數(shù)值需要達到22才能明顯影響VMT,而在《城市綜合交通體系規(guī)劃標準》中提到,中心城區(qū)道路系統(tǒng)密度不宜小于8 km/km2,說明了密路網(wǎng)規(guī)劃理念與相關(guān)標準值對降低VMT的有效性。

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

距離市中心的距離對VMT的影響整體上呈現(xiàn)“倒V”關(guān)系,如圖2(f)所示。一方面,當距離市中心的距離在0～10 km時,越遠離市中心的區(qū)域,VMT越大,由于保定是單中心城市,因此在這個范圍內(nèi)出行具有向心性;另一方面,當距離超過10 km時,VMT開始下降,由于居住社區(qū)距離城市中心區(qū)域較遠,因此出行者往往會放棄長距離通勤,選擇就近工作,說明城市中心區(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,駕齡與出行者對出行方式選擇偏好具有強相關(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比分析,因此本節(jié)探討駕齡與建成環(huán)境的交互作用對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)

總的來看,駕齡提高會減弱建成環(huán)境對VMT的影響。對于低駕齡人群,改善建成環(huán)境可以更有效地抑制小汽車使用。就土地利用混合度而言,對于駕齡超過10年的人群,提高土地利用混合度對小汽車使用的抑制效應(yīng)大幅度減弱,如圖3(a)所示;就公交站點密度而言,對于駕齡超過3年的人群,提高公共交通服務(wù)水平對控制中等收入人群小汽車使用強度的作用不太明顯,如圖3(e)所示,可見3年以上駕齡的人群對小汽車出行方式具有強依賴性;就距離市中心的距離而言,對于駕齡超過7年的人群,降低與市中心的距離對抑制小汽車使用的效應(yīng)開始減弱,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)來調(diào)節(jié)中等收入群體的小汽車使用行為,本質(zhì)上是客觀環(huán)境要素與主觀個體行為的博弈,上述結(jié)果反映了空間改善措施對高駕齡人群出行習慣調(diào)節(jié)的有限效應(yīng),其中公共交通改善僅對尚未形成駕駛習慣的人群較為有效,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)計模型線性假設(shè)的缺陷,通過分析建成環(huán)境對VMT的影響,表明建成環(huán)境對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) 相比于個體社會經(jīng)濟屬性,建成環(huán)境屬性對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VMT影響最大,說明了土地利用規(guī)劃對中等收入群體出行行為影響的重要性,即通過中微觀的混合開發(fā)與宏觀的多中心布局來促進職住平衡,從而抑制小汽車的使用,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,一方面,存在著建成環(huán)境指標的最優(yōu)取值區(qū)間,另一方面,包含著建成環(huán)境指標的作用效應(yīng)區(qū)間,說明社區(qū)空間規(guī)劃者對社區(qū)建成環(huán)境需要展開精細化設(shè)計,才能有效抑制VMT。同時需要注意的是,建成環(huán)境對高駕齡人群小汽車使用行為的改善效果有效,因此在改善建成環(huán)境的同時,還應(yīng)出臺相關(guān)的剛性政策進行約束,才能最大限度地抑制小汽車使用。