何明衛(wèi),肖明陽,何 民,石莊彬,劉 陽

(昆明理工大學 交通工程學院,云南 昆明 650500)

0 引 言

城市居民小汽車使用率的不斷增長引發(fā)了交通擁堵、環(huán)境污染、能源消耗等一系列問題,嚴重影響到城市生活效率和質(zhì)量[1]。在城市居民出行中,短距離出行占有較大比重。昆明市居民出行調(diào)查結(jié)果顯示,59.0 %的居民出行在4 km以內(nèi),且4 km以內(nèi)的小汽車出行占小汽車出行總量的34.5%[2]。與中長距離出行相比,小汽車的短距離出行更有可能被騎行或步行等方式取代。因此,探究城市居民短距離出行方式選擇的機理,進而引導短距離出行方式由小汽車向慢行交通轉(zhuǎn)移,已成為城市交通研究者和管理者需重點關注的問題。

目前,國內(nèi)外學者針對短距離出行中的小汽車使用已經(jīng)開展了相關研究。例如:S.KIM等[3]發(fā)現(xiàn),攜帶孩子或重物會增加小汽車在短距離出行中的使用,友好的騎行街道設計和步行環(huán)境會使更多的短距離出行者傾向于慢行交通;R.COLE等[4]通過對昆士蘭的短距離出行情況調(diào)查發(fā)現(xiàn),7%的短距離小汽車出行均可采用步行代替,中老年人、女性及有孩子的出行者更傾向于采用小汽車出行;黎明等[5]以北京市為例,對比分析不同出行環(huán)境的小區(qū)居民短距離出行特征、小汽車出行方式選擇影響因素,以及不同出行目的情況下居民出行方式轉(zhuǎn)換意愿;舒詩楠等[6]基于多指標多因果模型,論述了短距離出行中小汽車出行向自行車出行轉(zhuǎn)移的可能性。

然而,現(xiàn)有文獻在探討短距離出行方式選擇的影響時,較少有學者考慮出行方式選擇的異質(zhì)空間效應。事實上,這種異質(zhì)空間效應很可能會違反全局模型中的空間平穩(wěn)性假設,忽略居民出行行為的空間異質(zhì)性,可能會導致模型結(jié)果有誤,所得到的政策啟示可能僅在部分地區(qū)有效[7,8]。鑒于此,筆者以昆明市為案例,采用2016年昆明市居民出行調(diào)查數(shù)據(jù),基于地理加權(quán)邏輯回歸模型(geographically weighted logistic regression, GWLR)探究短距離出行中小汽車與慢行交通方式的選擇行為和建成環(huán)境的關系及其空間異質(zhì)性特征,從而提供科學且具有針對性的交通政策建議,引導居民短距離出行中的小汽車使用向慢行交通進行轉(zhuǎn)移,進而緩解由機動車出行導致的城市交通擁堵以及環(huán)境污染等問題。

1 研究數(shù)據(jù)

研究數(shù)據(jù)來源于2016年昆明市居民出行調(diào)查數(shù)據(jù),包括居民社會經(jīng)濟-人口屬性和出行屬性等。社會經(jīng)濟-人口屬性包括性別、年齡、職業(yè)、受教育程度、家庭年收入、家庭是否擁有小汽車等。出行屬性包括出行目的、出行距離等。筆者參照費怡等[9]對短距離出行的界定,將短距離出行定義為4 km以內(nèi)的出行。通過剔除信息不完整和無效的數(shù)據(jù),共有2 928條短距離出行樣本用于研究,樣本特征如表1。

根據(jù)以往研究結(jié)論,建成環(huán)境是影響居民短距離出行方式選擇的重要因素[3,10]。參考R.EWING等[11]提出的 ‘5D’ 建成環(huán)境指標體系,主要選取人口密度、道路網(wǎng)密度、交叉口密度、到CBD(central business district)距離以及總POI(point of interest)密度等指標來表征建成環(huán)境屬性。道路網(wǎng)密度、人口密度和交叉口密度是通過計算出發(fā)地500 m緩沖區(qū)內(nèi)的道路長度總和、人口和交叉口個數(shù)與緩沖區(qū)面積之比獲取的;總POI密度是菜市場、餐飲、購物、醫(yī)療等18類設施的POI個數(shù)與緩沖區(qū)面積之比;到CBD距離為居住地中心坐標到CBD中心坐標的歐式距離。

表1 樣本特征

2 研究方法

2.1 模 型

在以往針對出行方式選擇影響的研究中,大多采用多元回歸分析、邏輯回歸分析等方法,這些全局回歸方法難以體現(xiàn)解釋變量與出行方式選擇之間關系的空間非平穩(wěn)性。近年來,能夠反映變量間關系隨空間位置變化的地理加權(quán)邏輯回歸(GWLR)模型[12]受到研究者的青睞。GWLR模型是二項Logistic回歸模型〔式(1)〕的擴展,其通過局部范圍內(nèi)的樣本點建立局部回歸模型進行參數(shù)估計,采樣點之間距離越近,對參數(shù)估計影響作用越大[13]。

(1)

式中:k為模型中自變量的序號;βk為自變量,為xk對應的回歸系數(shù);ε為隨機誤差;p為出行方式選擇小汽車的概率。

筆者采用GWLR模型探究了居民出行方式選擇影響因素的空間變化規(guī)律,該模型的表達式為:

(2)

式中:(μi,γi)為第i個樣本的空間地理坐標;βk(μi,γi)是第k個自變量在第i個樣本點的回歸系數(shù);xik為第i個樣本點的第k個解釋變量;εi為第i個樣本的隨機誤差;pi為第i個樣本出行方式為小汽車的發(fā)生概率。

回歸系數(shù)βk(μi,γi)的估計公式為:

(3)

式中:X為自變量矩陣;XT為其轉(zhuǎn)置矩陣;W(μi,γi)為回歸點i處的空間權(quán)重函數(shù)。

GWLR模型通常采用空間權(quán)重函數(shù)來估計樣本點的權(quán)重,對于任何給定的樣本點i,距離質(zhì)心較近的樣本點比距離質(zhì)心較遠的樣本點權(quán)重的影響更大?？臻g權(quán)重函數(shù)的選取對GWLR模型的參數(shù)估計影響較大。常用的確定方法是Gauss函數(shù)、bi-square函數(shù)。以往研究表明,利用Gauss函數(shù)進行參數(shù)回歸往往會造成較大的誤差[14]。bi-square函數(shù)將對回歸參數(shù)估計影響值非常小的樣本點排除,再利用近高斯核函數(shù)建立空間權(quán)重函數(shù)。筆者采用bi-square函數(shù)作為空間權(quán)重函數(shù),如式(4):

(4)

式中:i為待預測的數(shù)據(jù)點編號;j為用于預測的數(shù)據(jù)點編號;ωij為數(shù)據(jù)點j對于待預測數(shù)據(jù)點i的權(quán)重;b為帶寬;dij為樣本點i和j之間的距離。

2.2 變量設置與檢驗

筆者旨在分析短距離出行中小汽車和慢行交通之間的方式選擇,因此,將出行方式作為因變量。根據(jù)數(shù)據(jù)的可行性,選擇性別、年齡、受教育程度、職業(yè)、家庭年收入、家庭是否擁有小汽車、出行距離、出行目的以及建成環(huán)境中的人口密度、總POI密度、道路網(wǎng)密度、交叉口密度和到CBD距離作為解釋變量,變量的取值說明如表2。

表2 變量設置

為了避免變量之間存在多重共線性,使用方差膨脹因子(variance inflation factor, VIF)對變量進行多重共線性檢驗。結(jié)果顯示,所選取各變量對應的方差膨脹因子VIF均小于5,不存在多重共線性問題。然后通過ArcGIS軟件計算Moran’s I指數(shù)進行變量的空間自相關檢驗。結(jié)果顯示,各變量的Moran’s I指數(shù)為正,在95%置信水平下,聚集特性值z>1.96且顯著性水平均小于0.05,表明各變量空間分布具有較強的聚集性,即有明顯的空間自相關特征,滿足了使用地理加權(quán)邏輯回歸模型的基本條件。

3 模型結(jié)果與分析

3.1 模型比較

研究分別采用GRM(global regression model)模型和GWLR模型對各變量進行回歸分析。為進行模型比較,使用修正后的赤池信息量(corrected Akaike information criteria, AICc)、解釋偏差百分比(PDE)和殘差平方和作為度量模型性能的指標。其中,AICc值和殘差平方和值越小,PDE越大,則可證明模型有更優(yōu)的適用性。GWLR模型和GRM模型擬合指標比較如表3。由表3可知,GWLR模型的AICc值和殘差平方和均比GRM模型顯著下降,GWLR模型的PDE值比GRM模型提高了0.084,表明GWLR模型的空間回歸分析提高了模型精度,有效縮減了殘差,更適合探究短距離出行方式選擇與影響因素的關系。

表3 GWLR模型和GRM模型擬合指標比較

3.2 模型結(jié)果分析

GWLR模型的回歸系數(shù)結(jié)果見表4。當回歸系數(shù)為正值時,表示解釋變量對因變量有正向影響;回歸系數(shù)為負值時,表示解釋變量對因變量有負向影響,且回歸系數(shù)絕對值越大,影響程度越大[15]。其中,回歸系數(shù)均值展示了回歸系數(shù)整體的平均水平,最值反映了回歸系數(shù)的跨度,上、下四分位數(shù)表示了回歸系數(shù)的離散程度。

表4 GWLR模型回歸系數(shù)匯總結(jié)果

由表4可知,所有變量的回歸系數(shù)在空間上均呈現(xiàn)了不同程度的波動,反映出各變量對居民短距離出行中選擇小汽車的影響程度存在空間異質(zhì)性差異。同時,部分變量的回歸系數(shù)最大值和最小值出現(xiàn)正、負差異,表明這些變量在某些區(qū)域?qū)用穸叹嚯x出行時選擇小汽車表現(xiàn)出正向作用,而在某些區(qū)域則表現(xiàn)出負向作用。

相對于30歲以上的群體,18～30歲的群體更傾向于在短距離出行中使用小汽車。女性在短距離出行中更傾向于使用慢行交通出行,而大專及以上的群體更傾向于使用小汽車。相對于企業(yè)員工和公務員,個體經(jīng)營者更傾向在短距離出行中使用小汽車出行,而其他職業(yè)的出行者更傾向使用慢行交通。離退休人員在整體上傾向于使用慢行交通,但在部分空間區(qū)域上傾向于使用小汽車。家庭年收入、家庭是否擁有小汽車、出行距離對短距離出行中選擇小汽車起到正向影響。相對于其他出行目的,居民在購物和娛樂出行中更傾向于選擇慢行交通出行,而通勤出行在總體上對選擇小汽車起到負向影響,但在部分區(qū)域為正向影響。

對于建成環(huán)境變量,交叉口密度、道路網(wǎng)密度、人口密度、總POI密度在總體上對短距離出行中選擇小汽車起到負向影響,到CBD距離在總體上起到正向影響,但這些變量在不同空間上表現(xiàn)出相反的影響。

為更清晰地表現(xiàn)解釋變量對短距離出行方式選擇的空間異質(zhì)性,選取空間上分布離散程度較高的變量如交叉口密度、道路網(wǎng)密度、總POI密度和離退休人員等,利用ArcGIS軟件,對變量的回歸系數(shù)空間分布進行了插值可視化分析。

交叉口密度回歸系數(shù)的空間分布如圖1。交叉口密度對短距離出行中選擇小汽車的影響除在北部外圍區(qū)域表現(xiàn)為正向作用外,其他區(qū)域主要表現(xiàn)為負向作用。北部外圍區(qū)多為休閑用地(如昆明植物園、黑龍?zhí)豆珗@等),且部分區(qū)域開發(fā)尚未成熟,交叉口密度非常小。在此情況下,交叉口密度的提高會增強道路網(wǎng)絡的連通性,更有利于居民在短距離出行中選擇小汽車。除北部外圍區(qū)外,其他區(qū)域總體上表現(xiàn)為負向影響,這反映出交叉口密度越大,停車次數(shù)和等待時長也相應增加,更容易造成擁堵。因此,居民更傾向在短距離出行中選擇慢行交通。

到CBD距離回歸系數(shù)的空間分布如圖2。到CBD距離對短距離出行中選擇小汽車的影響總體上呈現(xiàn)出以CBD為中心到周邊由負到正逐漸遞增的趨勢,正向影響最大的地區(qū)為城市南部呈貢新城。這是由于距離CBD越遠,土地利用開發(fā)程度和公共設施密度逐漸降低,公共設施和服務的可達性也就越差,出行距離增加,居民選擇小汽車出行的可能性會增加。

圖1 交叉口密度回歸系數(shù)的空間分布

圖2 到CBD距離回歸系數(shù)的空間分布

離退休人員回歸系數(shù)的空間分布如圖3。離退休人員在短距離出行中選擇小汽車的影響呈現(xiàn)出顯著的空間異質(zhì)性,在城市北部和南部呈現(xiàn)出相反的趨勢。相對于城市北部區(qū)域,城市南部土地開發(fā)程度相對較低,街區(qū)尺度較大,路網(wǎng)密度低,慢行交通道路設施和出行環(huán)境相對較差,離退休人員更傾向于在短距離出行中選擇小汽車?？侾OI密度回歸系數(shù)的空間分布如圖4。

圖3 離退休人員回歸系數(shù)的空間分布

圖4 總POI密度回歸系數(shù)的空間分布

總POI密度對短距離出行中選擇小汽車的影響在主城區(qū)為負向作用,且負向作用在城市中心區(qū)最為明顯,而在南部呈貢新城呈現(xiàn)正向作用。主城區(qū)總POI密度整體較高,公共服務設施分布更密集,導致出行量大,交通較擁堵,居民更傾向于在短距離出行中選擇慢行交通。相反,呈貢新城總POI密度小,增加POI密度會吸引更多的出行,同時,呈貢新城道路寬闊,擁堵較少,為了能在更短的出行時間內(nèi)到達相應的POI,居民會更傾向于選擇小汽車出行。因此,總POI密度在呈貢新城對小汽車出行起到正向作用。

道路網(wǎng)密度回歸系數(shù)的空間分布如圖5。道路網(wǎng)密度在城市西部和中心區(qū)對短距離出行中的小汽車使用起到正向作用,而在城市南部呈現(xiàn)反向作用。原因可能是由于城市西部和中心區(qū)道路通行能力接近飽和,若道路網(wǎng)密度增加,道路容量越大,將使道路條件和服務水平得到提升,可容納更多的小汽車出行,因此在此區(qū)域的道路網(wǎng)密度對短距離出行小汽車選擇是促進作用。城市北部、東部和南部外圍區(qū)域道路網(wǎng)密度相對較低,增加道路網(wǎng)密度將改善慢行交通的出行環(huán)境,吸引更多居民選擇慢行交通。

圖5 道路網(wǎng)密度回歸系數(shù)的空間分布

人口密度回歸系數(shù)的空間分布如圖6。從整體來看,人口密度對居民短距離出行中小汽車選擇的影響除了在城市中心區(qū)為正向作用外,在其他區(qū)域均為負向作用,且城市西南區(qū)域的負向作用最為顯著。城市西部地區(qū)臨近滇池,分布有較多的旅游、休閑娛樂用地和設施,以休閑娛樂為目的的出行較多,慢行交通出行環(huán)境較好,居民出行更傾向于慢行交通。隨著人口密度增多,更多道路空間和基礎設施將分配給慢行交通,居民出行選擇慢行交通將會更多。城市中心區(qū)居民小汽車擁有量較高,人口密度越大,短距離出行中的小汽車出行將會更多。

圖6 人口密度回歸系數(shù)的空間分布

4 結(jié) 論

基于昆明市居民出行調(diào)查數(shù)據(jù)和建成環(huán)境數(shù)據(jù),建立了考慮空間異質(zhì)性的地理加權(quán)邏輯回歸(GWLR)模型,探究了建成環(huán)境和出行者社會經(jīng)濟-人口屬性對短距離中小汽車與慢行交通方式選擇的影響。與GRM模型相比,GWLR模型有更好的解釋力,能夠反映變量對短距離出行選擇影響的空間異質(zhì)性。主要結(jié)論如下:

1)對于社會經(jīng)濟-人口屬性和出行屬性,離退休人員、通勤出行在空間上表現(xiàn)出較大的空間異質(zhì)性,在總體上對選擇小汽車出行起到負向影響,在部分區(qū)域為正向影響。其他屬性也表現(xiàn)出一定的空間異質(zhì)性,但并不顯著,總體上,男性、個體經(jīng)營者、30歲以下、大專及以上、家庭年收入越高的群體更傾向于在短距離出行中使用小汽車。購物和娛樂出行更傾向采用慢行交通方式。

2)建成環(huán)境變量表現(xiàn)出了顯著的空間異質(zhì)性。交叉口密度、道路網(wǎng)密度、人口密度、總POI密度以及到CBD距離在不同區(qū)域具有明顯差異,甚至表現(xiàn)出相反的作用,表明居民短距離出行方式選擇與不同空間區(qū)位的建成環(huán)境屬性密切相關。

與以往的研究相比,筆者側(cè)重探討了空間異質(zhì)性對短距離出行選擇的影響,研究結(jié)論有利于從空間異質(zhì)性的角度提出引導昆明市居民短距離出行方式由機動車向慢行交通轉(zhuǎn)移的相關政策。