郭源園，吳 磊，曾 鵬

（1.天津大學(xué) 建筑學(xué)院，天津 300072；2.湖南大學(xué) 建筑與規(guī)劃學(xué)院，長(zhǎng)沙 410082）

公共自行車（Public Bicycle 或Bike-Sharing，本文對(duì)有樁的單車租賃系統(tǒng)統(tǒng)稱為“公共自行車”）一直以來(lái)都被廣泛認(rèn)為是一種綠色、可持續(xù)的交通出行方式，一方面，公共自行車本身作為交通出行方式不產(chǎn)生尾氣排放和能源消耗，另一方面，公共自行車的使用可在一定程度上減少傳統(tǒng)小汽車的出行，如轉(zhuǎn)向騎行出行，從而進(jìn)一步改善城市交通擁堵、提高城市公眾健康以及減少城市尾氣排放等（朱瑋 等，2012；郭素萍 等，2017）。公共自行車自誕生以來(lái)共經(jīng)歷了四代，從第一代白色自行車系統(tǒng)，到第二代的押金系統(tǒng)，以及到第三代信息技術(shù)系統(tǒng)和第四代需求響應(yīng)系統(tǒng)（周楊 等，2014）。與此同時(shí)，隨著無(wú)線通訊、QR code（Quick Response code）、移動(dòng)支付、移動(dòng)互聯(lián)網(wǎng)等技術(shù)的發(fā)展，在“互聯(lián)網(wǎng)＋共享”的發(fā)展理念下，以無(wú)樁和大數(shù)據(jù)管理為特征的新形式公共自行車開始逐漸涌現(xiàn)，并被稱為無(wú)樁共享單車（Dockless Bike-Sharing）、互聯(lián)網(wǎng)租賃自行車（Internet-Based Rental Bike）等（魏宗財(cái) 等，2018）（以下簡(jiǎn)稱“共享單車”）。尤其在中國(guó)，以ofo 和摩拜為代表的共享單車迅速席卷各個(gè)城市，并掀起了“共享出行”“健康出行”“綠色出行”的騎行熱潮。

相比傳統(tǒng)的公共自行車，共享單車本身的可自由移動(dòng)性和自由停放特征使得使用者在目的地的路徑選擇和出行方式上有較大的靈活性，這也使得共享單車本身更易獲得（Chen et al., 2020），因而受到公眾的廣泛使用和關(guān)注，尤其是對(duì)于被“最后一公里”問(wèn)題所困擾的地鐵使用者。隨著共享單車的快速發(fā)展，共享單作為地鐵的接駁手段之一，在中國(guó)諸多城市（尤其是高密度的大都市區(qū)，如北京、上海、深圳、廣州等）越發(fā)普遍，也極大地提升了地鐵使用者的出行移動(dòng)性（Travel Mobility）（黃一哲等，2018；張可 等，2019；馬庚華 等，2020）。在實(shí)際運(yùn)營(yíng)中，共享單車也被運(yùn)營(yíng)商重點(diǎn)分布在地鐵站及地鐵沿線附近，如北京和上海分別有44%和51%的共享單車主要活躍于地鐵站點(diǎn)附近（郭蒙，2017）。

“共享單車＋地鐵”多模式出行實(shí)際上是地鐵出行者對(duì)于接駁方式（即連接地鐵站點(diǎn)的方式）的選擇結(jié)果，這種選擇往往受諸多因素的影響。在影響個(gè)體出行方式選擇的因素中，建成環(huán)境一直被廣泛關(guān)注。建成環(huán)境反映物質(zhì)空間形態(tài)（如土地利用、城市設(shè)計(jì)等）活動(dòng)的空間分布以及活動(dòng)之間連接的時(shí)間約束（阻抗），影響人們的出行行為（Cer‐vero et al., 1997; Ewing et al., 2010；曹新宇，2015；Yang et al., 2021）。近年來(lái)，逐漸有研究關(guān)注建成環(huán)境對(duì)“共享單車+地鐵”接駁使用的影響及作用機(jī)制，并揭示其與以往公共自行車接駁研究的差異（Guo et al., 2020, 2021a, 2021b; Ni et al., 2020）。然而，盡管有上述少量研究涉及建成環(huán)境對(duì)“共享單車+地鐵”接駁使用的影響，但對(duì)建成環(huán)境影響的空間非平穩(wěn)性（Spatial Heterogeneity或Spatial Non-Stationary）的關(guān)注非常少。尤其是大都市地區(qū)，建成環(huán)境在空間上的分布往往存在明顯的空間異質(zhì)性（Yang et al., 2020a; 2020b），這種空間異質(zhì)性對(duì)接駁使用的影響不應(yīng)被忽略。

基于此，本文以深圳市為例，結(jié)合ofo 單車的停車位置大數(shù)據(jù)信息，應(yīng)用半?yún)?shù)地理加權(quán)回歸（Semiparametric Geographically Weighted Regres‐sion, SGWR）模型，探討建成環(huán)境對(duì)共享單車用于地鐵接駁使用的影響以及該影響的空間異質(zhì)性。以期有助于共享單車運(yùn)營(yíng)商在地鐵服務(wù)內(nèi)對(duì)共享單車的分布進(jìn)行優(yōu)化，同時(shí)也可以為地方政府改善地鐵接駁騎行環(huán)境，并進(jìn)一步推動(dòng)大都市區(qū)TOD（Transit-Oriented Development）的建設(shè)提供科學(xué)的參考依據(jù)。

1 文獻(xiàn)綜述

1.1 自行車接駁

自行車是一種相對(duì)快速、靈活且經(jīng)濟(jì)的方式，并能減少接駁的等候成本。自行車接駁主要有4種模式：“騎—乘”“乘—騎”“騎—乘（不攜車）—騎”以及“騎—乘（攜車）—騎”（Krizek et al.,2010）。前2 種方式下，地鐵乘坐者的單車擁有情況、地鐵站點(diǎn)周邊停車空間及設(shè)施、騎行安全感、天氣等是影響其接駁體驗(yàn)的重要因素，這2種騎行接駁方式在歐洲部分國(guó)家最為常見，如荷蘭超過(guò)40%的接駁使用者采用這2 種方式（Keijer et al.,2000）。但在美國(guó)（騎行分擔(dān)率相當(dāng)?shù)停?，分別僅有2.2%和2.6%的人選擇“騎—乘”和“乘—騎”方式接駁（Wang et al., 2013）。而對(duì)于“騎—乘（攜車）—騎”接駁方式，車廂的駐車空間和對(duì)便攜式單車的可容納性是接駁者最大的顧慮，攜車上車甚至可能會(huì)引起其與其他乘客的沖突，因而在一些地方自行車并不被允許在高峰時(shí)間攜帶上車（盡管可折疊的自行車在常規(guī)時(shí)間內(nèi)被允許）（Pucher et al.,2009）。

當(dāng)考慮自行車的擁有屬性時(shí)，自行車作為接駁方式還可以進(jìn)一步分為3類：自有自行車接駁、租賃自行車接駁和公共自行車接駁。在公共自行車出現(xiàn)的很長(zhǎng)一段時(shí)期，接駁并不是其主要的功能，自有自行車接駁和租賃自行車接駁一直是主要方式。直到21 世紀(jì)00 年代后期，隨著第三代公共自行車的迅速普及以及軌道交通建設(shè)的大量開展，公共自行車才開始被廣泛用于接駁。在實(shí)踐中，公共自行車車樁大部分被建于軌道站點(diǎn)附近以方便通勤者騎行接駁，從而不需要攜車進(jìn)站或出站。相比自有自行車和傳統(tǒng)的租賃自行車接駁，公共自行車為“最后一公里”問(wèn)題的解決提供了一種更加快速和便利的選擇，并且不需要擔(dān)心停放、維修及盜竊等問(wèn)題（潘海嘯 等，2012）。但高效運(yùn)營(yíng)的公共自行車接駁在一定程度上依賴于公共自行車本身在車樁及車樁單車容量在時(shí)間和空間上的再平衡（曹雪檸 等，2015；黃一哲 等，2018）。

1.2 建成環(huán)境與公共自行車/共享單車接駁

當(dāng)前關(guān)于公共自行車/共享單車接駁使用的相關(guān)研究對(duì)建成環(huán)境要素的關(guān)注主要集中在接駁距離、密度、土地利用和興趣點(diǎn)（Point of Interests, POIs）的分布、騎行設(shè)施和其他交通設(shè)施的分布上（尹秋怡 等，2018；Ji et al., 2018; Ma et al., 2018; Lin et al., 2018; Guo et al., 2020, 2021a, 2021b,, 2021c）。

一般地，接駁距離是影響地鐵乘客選擇接駁方式最為決定性的因素之一（申犁帆 等，2018）。Zhao等（2017）的研究表明，適度的接駁距離（如1～4 km，北京）能讓地鐵乘坐者更愿意選擇公共自行車接駁；相反，過(guò)近的距離，公共自行車會(huì)被步行取代，而當(dāng)接駁距離過(guò)遠(yuǎn)，公交車和出租車則會(huì)取代公共自行車。人口密度對(duì)公共自行車接駁的影響尚未明確。在人口密度較低的北美地區(qū)，郊區(qū)的地鐵通勤者比較傾向于使用公共自行車接駁，但在東亞城市（如新加坡、中國(guó)北京和成都等），公共自行車接駁則往往多發(fā)生在密度較高的城市區(qū)域（蔣聰之，2015；Lin et al., 2018）。此外，就業(yè)密度的影響在不同地區(qū)表現(xiàn)出一致性，一般來(lái)說(shuō)，由于公共自行車車樁通常分布于地鐵站附近，滿足通勤需求也是公共自行車的主要用途（Ji et al., 2018;Lin et al., 2018; Ma et al., 2018）。

在土地利用與POIs方面，Ji等（2018）發(fā)現(xiàn)公共自行車的接駁使用與政府用地、商業(yè)用地和工業(yè)用地有很大的關(guān)聯(lián)，但教育用地和居住用地并未觀測(cè)到明顯的接駁使用。但也有研究表明，地鐵站閾內(nèi)的居住用地與公共自行車的地鐵接駁使用呈顯著正相關(guān)，并且這種接駁使用在有中學(xué)的站域地區(qū)往往較高（Lin et al., 2018），即意味著中學(xué)生也經(jīng)常使用公共自行車進(jìn)行地鐵接駁。同時(shí)，混合的土地利用也會(huì)增加公共自行車接駁的可能性，而分布于地鐵服務(wù)區(qū)范圍內(nèi)的商場(chǎng)的出現(xiàn)對(duì)于共享單車的接駁使用有阻礙作用，但綠色空間和公共空間（如公園、廣場(chǎng)）的出現(xiàn)則會(huì)鼓勵(lì)公共自行車接駁（Zhao et al., 2017; Ma et al., 2018）。

城市道路和公共交通設(shè)施的分布對(duì)于公共自行車的接駁使用也有一定影響，如在主干道分布較多以及有較多路口的地鐵服務(wù)區(qū)范圍內(nèi)，公共自行車的接駁會(huì)受到抑制，而專用自行車道對(duì)接駁的使用可能低于預(yù)期，原因在于很多專用自行車道往往被私家車占用，尤其是在高峰期，從而帶來(lái)不好的接駁騎行體驗(yàn)（Zhao et al., 2017）。此外，由于公共自行車與公交車在接駁上存在比較明顯的競(jìng)爭(zhēng)性或相互替代效應(yīng)，地鐵服務(wù)范圍內(nèi)的公交車站數(shù)量越多，地鐵乘坐者使用公共自行車接駁的意愿越低（Zhao et al., 2017; Ji et al., 2018）。

雖然關(guān)于傳統(tǒng)公共自行車與地鐵的接駁研究已取得一些成果，但鑒于公共自行車與無(wú)樁的共享單車在使用模式以及單車分布上的差異，上述建成環(huán)境對(duì)傳統(tǒng)有樁公共自行車的影響是否能適用于無(wú)樁的共享單車尚存疑問(wèn)。近年來(lái)，也開始有少量研究關(guān)注建成環(huán)境對(duì)“共享單車＋地鐵”接駁使用的影響及作用機(jī)制，相關(guān)研究雖證實(shí)了部分建成環(huán)境要素（如接駁距離、公交站點(diǎn)等）具有相似的影響效果，但也揭示了其與以往公共自行車接駁研究的差異（Guo et al., 2020, 2021a; Ni et al., 2020），如Ni等（2020）強(qiáng)調(diào)了居住用地、辦公用地和城市支路對(duì)“共享單車＋地鐵”接駁使用的吸引性，也發(fā)現(xiàn)了岔路口帶來(lái)的負(fù)面影響；Guo等（2020）提到混合土地利用、工業(yè)用地和公園與“共享單車＋地鐵”接駁使用的正相關(guān)關(guān)系，也特別指出過(guò)密的地鐵站分布可能導(dǎo)致較低的共享單車接駁意愿，此外，還著重強(qiáng)調(diào)建成環(huán)境要素對(duì)駛?cè)牒婉偝鼋玉g的影響存在差異，并且這種差異也同樣反饋在早、晚高峰通勤時(shí)間上。同時(shí)，共享單車在地鐵口和居住地/工作地附近的可獲得性也是影響其作為地鐵接駁方式的重要因素之一（Guo et al., 2020, 2021a）。

2 研究區(qū)域與數(shù)據(jù)

2.1 研究區(qū)域

深圳市作為中國(guó)的一線大城市，是一個(gè)典型的人多地少的高密度城市，總計(jì)有1 344 萬(wàn)人口，面積1 977 km2（2019年），共計(jì)10個(gè)行政區(qū)。深圳市傳統(tǒng)意義上的主城區(qū)包括福田、南山和羅湖3 區(qū)，也被成為“關(guān)內(nèi)”（另加鹽田區(qū)），其余城市區(qū)域即為“關(guān)外”（自2010-07-01 起，“關(guān)內(nèi)”與“關(guān)外”的行政管理分割被取消）。這種長(zhǎng)期以來(lái)的行政分割也使得主城區(qū)和郊區(qū)的城市發(fā)展差異明顯，如郊區(qū)以加工制造業(yè)為主，工廠分布眾多，主城區(qū)則以高新技術(shù)和金融產(chǎn)業(yè)為主，是主要的就業(yè)集中地（如南山科技園、福田中心區(qū)等）。同時(shí)，由于主城區(qū)居住成本高昂，多數(shù)白領(lǐng)傾向于居住在城市近郊地區(qū)（如龍華南、寶安南和鹽田西等），即產(chǎn)業(yè)和住房在空間上的差異也導(dǎo)致職住的分離，使得通勤者需往返于主城區(qū)和郊區(qū)之間，形成明顯的“潮汐”特征。

深圳市同時(shí)也是公共交通導(dǎo)向型城市。根據(jù)《2019 年深圳市綜合交通年度評(píng)估報(bào)告》顯示，有超過(guò)40%的出行由地鐵承擔(dān)，地鐵出行的分擔(dān)率相當(dāng)高，尤其是在通勤高峰期，并且軌道交通占公共交通客運(yùn)量的比例也高達(dá)56.1%（深圳市交通運(yùn)輸局，2020）。截至2019 年年底，全市地鐵線路全長(zhǎng)315.1 km，共計(jì)201個(gè)站點(diǎn)（包括換乘站），日均客流量達(dá)556.8萬(wàn)人次。如圖1所示，約2/3的地鐵站點(diǎn)分布于主城區(qū)（即福田、南山、羅湖3區(qū)），但客流量較大的站點(diǎn)往往集中分布在城市的近郊，如深圳北站、五和站等。與此同時(shí)，隨著深圳市地鐵系統(tǒng)的快速擴(kuò)張，共享單車也蓬勃發(fā)展并被廣泛用于地鐵通勤者的接駁使用。深圳市于2016年9月引入首個(gè)共享單車項(xiàng)目，即摩拜單車，截至2022年初，深圳市的共享單車車輛總規(guī)模約為41.65 萬(wàn)輛，注冊(cè)用戶量（含重復(fù)注冊(cè)用戶）2 911萬(wàn)人，日均使用量138 萬(wàn)人次，車輛日均周轉(zhuǎn)率3.3 次（肖晗，2022）。據(jù)《深圳市互聯(lián)網(wǎng)租賃自行車發(fā)展評(píng)估報(bào)告（2019年4月）》，52.3%的用戶將共享單車用于通勤（直接騎行上班或接駁使用），有45%的共享單車使用發(fā)生在高峰期，同時(shí)在某些地鐵站，共享單車接駁的比例高達(dá)13%（深圳市交通運(yùn)輸局，2019）。

圖1 深圳市地鐵分布Fig.1 Distribution of Shenzhen metro system

2.2 共享單車停車位置及建成環(huán)境數(shù)據(jù)

采用的共享單車數(shù)據(jù)來(lái)源于ofo 單車停車實(shí)時(shí)位置數(shù)據(jù)，由網(wǎng)絡(luò)爬蟲而得。該數(shù)據(jù)包含了ofo 單車的ID，停車時(shí)間和停車位置（X、Y坐標(biāo)）。網(wǎng)絡(luò)爬蟲的打點(diǎn)時(shí)間間隔為3～7 min，即每隔3～7 min對(duì)深圳市全域范圍內(nèi)的單車進(jìn)行爬取，每個(gè)時(shí)間間隔內(nèi)的數(shù)據(jù)量大約為22萬(wàn)條。由于數(shù)據(jù)的限制，僅獲得2017-09-26、27和28（對(duì)應(yīng)周二、三、四）的爬取數(shù)據(jù)，在一定程度上可以消除日間差異。同時(shí)通過(guò)查詢氣象日歷記錄，這3 d 天氣均為多云或晴，日均溫在27～32℃，比較適合騎行。

建成環(huán)境數(shù)據(jù)主要涉及人口/就業(yè)密度、興趣點(diǎn)、土地利用和交通設(shè)施等方面。其中，人口/就業(yè)密度數(shù)據(jù)來(lái)自于深圳市交通運(yùn)輸委員會(huì)劃定的交通分區(qū)（Traffic Analysis Zone, TAZ），是GIS 矢量數(shù)據(jù)，包含有每個(gè)TAZ單元的人口和就業(yè)信息；POIs數(shù)據(jù)來(lái)源于百度地圖，同樣也為GIS數(shù)據(jù)；土地利用數(shù)據(jù)是基于深圳市土地利用現(xiàn)狀圖（2016）的GIS矢量數(shù)據(jù)（由深圳市規(guī)劃和國(guó)土資源委員會(huì)提供）計(jì)算而得；此外，與交通設(shè)施相關(guān)的數(shù)據(jù)，包括公交站點(diǎn)、地鐵線及站點(diǎn)分布、自行車道和城市道路等數(shù)據(jù)信息來(lái)源于Open Street Map在線地圖①https://www.openstreetmap.org。上述不同來(lái)源的數(shù)據(jù)需通過(guò)坐標(biāo)系轉(zhuǎn)換，以進(jìn)行圖層的疊加分析。

3 研究方法

3.1 變量

本文探討是建成環(huán)境對(duì)“共享單車+地鐵”接駁行為的影響，在分析中以每個(gè)地鐵站點(diǎn)的共享單車接駁次數(shù)作為因變量，以地鐵站一定緩沖區(qū)范圍內(nèi)的建成環(huán)境要素特征及地鐵站的自身特征作為自變量。

3.1.1 因變量：“共享單車+地鐵”接駁使用 參考Guo等（2020）對(duì)共享單車的接駁使用的定量方法，對(duì)“共享單車+地鐵”接駁使用進(jìn)行測(cè)度。首先，該研究對(duì)爬取的停車位置數(shù)據(jù)進(jìn)行清洗，將一直處于靜止?fàn)顟B(tài)（即在1 d 之內(nèi)未有位置移動(dòng)）的單車排除，也對(duì)重復(fù)記錄的位置點(diǎn)進(jìn)行刪除（1 輛單車可能在1 d 之內(nèi)僅移動(dòng)了1 次，但被記錄了多次）；然后，基于清洗后的位置數(shù)據(jù)進(jìn)行O-D分析，得到每對(duì)O-D的時(shí)間和距離，同時(shí)將O-D的起始點(diǎn)坐標(biāo)通過(guò)API導(dǎo)入高德地圖，基于高德地圖的路網(wǎng)，對(duì)每條O-D進(jìn)行騎行路徑模擬，計(jì)算每條模擬路徑的距離；建立一定的準(zhǔn)則將異常的O-D排除，包括：O-D距離在100～5 000 m范圍內(nèi)；模擬的路徑長(zhǎng)度亦在100～5 000 m范圍內(nèi)；O-D的時(shí)長(zhǎng)需＜30 min。

考慮到“共享單車+地鐵”接駁使用涉及駛?cè)虢玉g（即達(dá)到地鐵站）以及駛出接駁（即從地鐵站出發(fā)）2 種類型，需建立一定的空間范圍對(duì)共享單車的到達(dá)點(diǎn)和出發(fā)點(diǎn)進(jìn)行空間臨近關(guān)系的分析，以分別識(shí)別駛?cè)牒婉偝鼋玉g。首先，對(duì)地鐵站各個(gè)出口建立100 m 緩沖區(qū)，并將其視為接駁識(shí)別的空間范圍，即在地鐵站出口100 m 范圍內(nèi)的停車和用車均被認(rèn)為是有效的接駁使用（Guo et al., 2021a）；其次，用該緩沖區(qū)分別對(duì)篩選后的O-D終點(diǎn)和起點(diǎn)進(jìn)行提取分析，從而得到每個(gè)地鐵站的駛?cè)虢玉g和駛出接駁數(shù)量。需假設(shè)的是，對(duì)于在100 m 緩存區(qū)范圍內(nèi)的停車和用車，均認(rèn)為其目的是為了進(jìn)行地鐵接駁，而不是恰巧路過(guò)地鐵站而停/用車。因此，將O-D 的時(shí)間限定在通勤早高峰期（T 07:00－09:00），以盡可能保證共享單車用于地鐵接駁。

綜上，因變量包括早高峰期每個(gè)地鐵站的駛?cè)虢玉g（YA）和駛出接駁（YE）數(shù)量，YA和YE均為3 d的平均值。

3.1.2 自變量：建成環(huán)境 在出行行為研究中，通常采用接駁距離的累計(jì)85%確定地鐵服務(wù)范圍（Wang et al., 2017; Zuo et al., 2018）。Guo等（2020）的研究表明，共享單車的駛?cè)虢玉g和駛出接駁的85%累計(jì)換乘距離分布分別對(duì)應(yīng)1 960 和2 040 m。因此，選擇2 000 m 作為半徑約數(shù)以提取地鐵站服務(wù)范圍內(nèi)的建成環(huán)境要素。本文選取的建成環(huán)境要素主要涉及人口/就業(yè)密度、土地利用、POIs 以及交通設(shè)施，表1 為變量描述和描述性統(tǒng)計(jì)，合計(jì)2個(gè)因變量和21個(gè)自變量。

表1 變量描述和描述性統(tǒng)計(jì)Table 1 Description of variables and descriptive statistics

3.2 地理加權(quán)回歸及半?yún)?shù)地理加權(quán)回歸

傳統(tǒng)的OLS回歸分析假設(shè)每個(gè)觀測(cè)個(gè)體是獨(dú)立的，并且假設(shè)自變量與因變量之間的關(guān)系是均質(zhì)化的。但在現(xiàn)實(shí)中，建成環(huán)境變量往往存在明顯的空間異質(zhì)性，因此需將空間非平穩(wěn)性考慮進(jìn)模型中。地理加權(quán)回歸分析模型（GWR）是在OLS 模型上的延展，在地理學(xué)領(lǐng)域已被廣泛用于討論模型分析過(guò)程中的空間異質(zhì)性問(wèn)題（Brunsdon et al., 2002；古恒宇 等，2020）。GWR的模型表達(dá)為：

式中：yi代表第i個(gè)地鐵站的共享單車接駁次數(shù)；βik是第i個(gè)地鐵站對(duì)應(yīng)的第k個(gè)建成環(huán)境自變量的系數(shù)；xik是第i個(gè)地鐵站對(duì)應(yīng)的第k個(gè)建成環(huán)境自變量；εi即為誤差項(xiàng)；(ui，vi)是第i個(gè)地鐵站的空間坐標(biāo)，βi0(ui，vi)為第i個(gè)地鐵站點(diǎn)的回歸常數(shù)；βik(ui，vi)是第i個(gè)地鐵站點(diǎn)的第k個(gè)回歸參數(shù)，是一個(gè)地理位置的函數(shù)。在GWR 模型中，自變量對(duì)因變量的影響會(huì)隨空間變化而有所差異，其對(duì)應(yīng)自變量的系數(shù)可通過(guò)最小化加權(quán)平方和的方法進(jìn)行估計(jì)：

式中：wij為空間權(quán)重矩陣，該矩陣基于地鐵站點(diǎn)之間的幾何直線距離進(jìn)行計(jì)算而得（即基于距離的函數(shù)）。

然而，GWR 模型往往假定所有的自變量對(duì)因變量的影響都存在空間異質(zhì)性，但可能的情況是，往往僅有部分自變量的影響表現(xiàn)出空間非平穩(wěn)性，需考慮其影響的空間差異，這些變量可以稱為局部變量（Local Variable），而其他并未有顯著空間差異影響的自變量則稱為全局變量（Global Variable）。當(dāng)全局和局部變量同時(shí)存在時(shí)，傳統(tǒng)的GWR 模型不再適用，而作為GWR模型的延申，半?yún)?shù)GWR（SGWR）模型允許同時(shí)將局部和全局變量納入模型回歸分析中（Brunsdon et al., 2002），其模型公式為：

4 結(jié)果分析

4.1 空間自相關(guān)檢驗(yàn)

對(duì)自變量進(jìn)行成對(duì)Pearson 相關(guān)性檢驗(yàn)，并對(duì)每個(gè)自變量進(jìn)行方差膨脹因子分析（VIF）以檢測(cè)變量之間的共線性，其結(jié)果均顯示，自變量之間存在共線性。在移除了就業(yè)密度、工業(yè)用地、餐館、商場(chǎng)和支路5個(gè)自變量（VIF>10）之后，再進(jìn)行相關(guān)性檢驗(yàn)，顯示所有變量間的相關(guān)系數(shù)均＜0.8，且各個(gè)變量的VIF<10。因此，在后續(xù)的模型分析中刪除上述5個(gè)變量。進(jìn)一步地，通過(guò)OLS對(duì)建成環(huán)境變量與“共享單車＋地鐵”接駁使用的關(guān)系進(jìn)行模型分析，結(jié)果顯示，駛?cè)虢玉g與駛出接駁模型下的調(diào)整R2分別為0.400和0.450（表2），表明OLS回歸模型能分別解釋40%駛?cè)虢玉g和45%的駛出接駁方差差異。同時(shí)，在駛?cè)虢玉g情境下，呈現(xiàn)顯著影響的變量包括人口密度、辦公用地、中學(xué)數(shù)量、地鐵站點(diǎn)、城市快速路、主干道、交叉路口、CBD距離和進(jìn)站客流量；在駛出接駁情境下，表現(xiàn)出顯著影響的變量包括辦公用地、居住用地、中學(xué)數(shù)量、公園廣場(chǎng)、公交站點(diǎn)、地鐵站點(diǎn)、CBD 距離和出站客流。

表2 OLS分析結(jié)果Table 2 Results of OLS analysis

對(duì)OLS分析結(jié)果中的2個(gè)因變量殘差進(jìn)行空間可視化，駛?cè)虢玉g和駛出接駁的殘差在空間上分布存在明顯的空間集聚（圖2）。對(duì)于駛?cè)虢玉g，近郊的地鐵站的駛?cè)虢玉g多為正殘差，而對(duì)于駛出接駁，正殘差多分布于市區(qū)。與此同時(shí)，對(duì)駛?cè)虢玉g和駛出接駁因變量進(jìn)行全局Moran'sI分析，Mo‐ran'sI指數(shù)值分別為0.168和0.169，且均在P=0.001水平顯著，即表明地鐵站點(diǎn)的駛?cè)牒婉偝鼋玉g存在空間自相關(guān)。

圖2 深圳市2017年共享單車駛?cè)虢玉g（a）與駛出接駁（b）的變量殘差空間分布Fig.2 Spatial distribution of residuals for dependent variables of access (a) and egress (b) integration by dockless bikeshare in 2017

4.2 模型比較

在上述OLS回歸分析的基礎(chǔ)上，將影響駛?cè)牒婉偝鼋玉g使用的顯著變量分別篩選，進(jìn)行GWR 分析以探討空間異質(zhì)性的影響。在GWR 4.0中先將上述顯著變量均視為局部變量（Local Variable），運(yùn)行時(shí)將核函數(shù)設(shè)置為Adaptive bi-square函數(shù)，帶寬選擇方式是黃金分割搜索（Golden Section Search），選擇標(biāo)準(zhǔn)為AICc，分析結(jié)果中既包含OLS 全局回歸分析結(jié)果，又包含GWR 的回歸結(jié)果，兩者可作為對(duì)比。進(jìn)一步地，在GWR4.0中勾選“Geograph‐ical Variability”，以測(cè)度每個(gè)變量的空間異質(zhì)性，并通過(guò)DIFF值予以定量顯示。具有正值DIFF的自變量被認(rèn)為是沒(méi)有顯著的空間非平穩(wěn)性，并被設(shè)置為全局變量（Global Variable），反之，具有負(fù)值DIFF的自變量為局部變量。將全局變量和局部變量進(jìn)行歸類后，分別將對(duì)應(yīng)的變量在GWR 4.0中設(shè)置為Global 和Local，再進(jìn)行GWR 分析，此時(shí)的GWR分析即為SGWR。

從R2、調(diào)整R2、和AICc 等模型的表現(xiàn)參數(shù)（表3）可知，對(duì)于駛?cè)虢玉g，GWR 模型的擬合效果顯著優(yōu)于OLS模型，同時(shí)SGWR模型的表現(xiàn)（調(diào)整R2=0.645，AICc=1 814.335）也略優(yōu)于傳統(tǒng)的GWR 模型（調(diào)整R2=0.619，AICc=1 847.087）；但對(duì)于駛出接駁，盡管GWR 模型表現(xiàn)（調(diào)整R2=0.622，AICc=1 730.700）顯著優(yōu)于OLS模型（調(diào)整R2=0.453，AICc=1 761.907），但由于所有變量均為局部變量（DIFF<0），故無(wú)需進(jìn)行SGWR分析。

表3 OLS、GWR和SGWR模型結(jié)果對(duì)比Table 3 Comparisons between OLS, GWR,and SGWR modeling results

4.3 GWR及SGWR模型結(jié)果

表4、5 分別顯示了駛?cè)虢玉gSGWR 和駛出接駁GWR 的分析結(jié)果。總體而言，影響駛?cè)牒婉偝鼋玉g情境的建成環(huán)境因素存在一定的差異，僅中學(xué)數(shù)量、地鐵站點(diǎn)和地鐵客流量3 個(gè)變量在2 種情境模型中均表現(xiàn)出顯著相關(guān)性。

表4 駛?cè)虢玉g的SGWR分析結(jié)果Table 4 Results of SGWR model for the access integrated use

4.3.1 駛?cè)虢玉g的SGWR 模型分析 對(duì)于駛?cè)虢玉g，辦公用地、城市快速路和CBD距離3個(gè)變量為全局變量（見表4），但在SGWR模型中，辦公用地變量不顯著，而其余2個(gè)變量的顯著性則與OLS分析結(jié)果一致，這說(shuō)明城市快速路和CBD距離對(duì)“共享單車＋地鐵”駛?cè)虢玉g的影響具有全局性，在整個(gè)市域范圍內(nèi)并不存在空間差異。在城市快速路較多的地鐵服務(wù)區(qū)內(nèi)，“共享單車＋地鐵”駛?cè)虢玉g使用往往較多，這與城市快速路的交通阻隔效應(yīng)有關(guān)，城市快速路的存在使得地鐵服務(wù)區(qū)內(nèi)的公交和私家車通勤者增加了繞線的可能性，而騎行接駁所受影響較小，故而促進(jìn)“共享單車＋地鐵”駛?cè)虢玉g（尤其在較為擁堵的早高峰通勤時(shí)段）。同時(shí)由于深圳市的城市快速路不僅在市郊區(qū)而且在福田、南山等中心城區(qū)均分布廣泛，因此其對(duì)“共享單車＋地鐵”駛?cè)虢玉g的影響有全局性。而距離CBD越遠(yuǎn)，駛?cè)虢玉g往往較少，主要是由于深圳遠(yuǎn)郊地區(qū)的制造業(yè)工廠分布廣泛（越遠(yuǎn)離市中心，這種工廠分布越明顯），吸收了大量外來(lái)務(wù)工人員，由于租房壓力較大，外來(lái)務(wù)工人員也大多住在工廠內(nèi)部或工廠附近，高峰時(shí)段對(duì)地鐵通勤的需求較弱，故而“共享單車＋地鐵”駛?cè)虢玉g較少。

相比之下，人口密度、中學(xué)數(shù)量、地鐵站點(diǎn)、主干道、交叉路口和進(jìn)站客流6個(gè)變量為局部變量，即這些變量對(duì)駛?cè)虢玉g的影響在空間上存在明顯的差異（或非平穩(wěn)性）。

為進(jìn)一步體現(xiàn)這些變量對(duì)駛?cè)虢玉g的影響在空間上的分布差異，對(duì)上述變量影響的顯著性（t值）在ArcGIS 平臺(tái)上進(jìn)行空間可視化，以更好地呈現(xiàn)SGWR 分析結(jié)果。圖3顯示，人口密度與“共享單車+地鐵”駛?cè)虢玉g的正相關(guān)關(guān)系在城市近郊地區(qū)非常明顯，如龍華南和寶安南等區(qū)域，由于住房相對(duì)市區(qū)便宜且離市區(qū)相對(duì)較近，這些地區(qū)往往集中了較多的地鐵通勤者，因此在早高峰期間有較多的家與地鐵站之間的駛?cè)虢玉g需求；中學(xué)數(shù)量的影響在空間上存在明顯的差異且僅集中在少數(shù)地區(qū)，在龍華南部和龍崗西部地區(qū)，地鐵服務(wù)區(qū)范圍內(nèi)的中學(xué)數(shù)量與共享單車的駛?cè)虢玉g呈顯著負(fù)相關(guān)，但在福田中心城區(qū)，兩者則為正相關(guān)，由于學(xué)校校門往往是擁堵的集中區(qū)域（尤其是在早晚通學(xué)高峰），故地鐵站域內(nèi)的中學(xué)數(shù)量增加會(huì)使得站域擁堵加重，降低了通勤者使用共享單車接駁的意愿，這一點(diǎn)在道路交通并不十分完善但居住人口密度相對(duì)較大的龍華南部和龍崗西部片區(qū)尤為明顯。相比之下，福田中心區(qū)作為商務(wù)區(qū)，中學(xué)數(shù)量較少，居住人口密度也低于龍華南和龍崗西，完善的道路交通，尤其是廣泛分布的自行車道有利于中學(xué)生采用共享單車進(jìn)行接駁，因此福田區(qū)的地鐵站域內(nèi)中學(xué)數(shù)量與共享單車+地鐵的接駁使用有一定的正相關(guān)性。

圖3 影響駛?cè)虢玉g的局部變量相關(guān)性空間分布（t值）Fig.3 Spatial heterogeneity of the effects of local built environment variables on the access integrated use (t value)

地鐵站點(diǎn)對(duì)駛?cè)虢玉g的顯著負(fù)向影響（地鐵站點(diǎn)之間的競(jìng)爭(zhēng)性）集中體現(xiàn)在深圳市的南山、寶安和龍崗等西部和北部片區(qū)，而在福田、羅湖等地的影響相對(duì)較弱，主要原因在于這些地區(qū)是就業(yè)集中地（如南山科技園、寶安中心等），且大量地鐵通勤者居住在附近，過(guò)密的地鐵分布可能會(huì)導(dǎo)致駛?cè)虢玉g方式的變換，如步行；主干道因素的正向影響集中于福田和南山兩區(qū)的銜接片區(qū)，這部分地區(qū)是深圳市區(qū)內(nèi)居住的主要聚集區(qū)（如白石洲、香蜜湖等），駛?cè)虢玉g需求較大，而且主干道也通常伴有人車共行的混合自行車道，騎行環(huán)境較好，有助于共享單車的接駁使用（Guo et al., 2020）；交叉路口的負(fù)向影響在空間上明顯集中于市區(qū)，如道路較為密集的福田和羅湖兩區(qū)（深圳市傳統(tǒng)意義上的老城區(qū)），一般地，較多的交叉路口會(huì)增加騎行的停車次數(shù)和等候時(shí)間，也會(huì)帶來(lái)一定的危險(xiǎn)性，對(duì)于騎行而言是不利因素（Guo et al., 2021a）；進(jìn)站客流的影響幾乎在所有地鐵站點(diǎn)都呈現(xiàn)明顯的正相關(guān)性，尤其是在地鐵客流相對(duì)較少的遠(yuǎn)郊地區(qū)（如寶安西部）。

4.3.2 駛出接駁的GWR 分析 對(duì)于駛出接駁，包括辦公用地、居住用地等在內(nèi)的建成環(huán)境變量均為局部變量（見表5），表明這些建成環(huán)境因素對(duì)駛出接駁的影響存在空間差異。同樣地，對(duì)上述變量的顯著性在ArcGIS 平臺(tái)上進(jìn)行空間可視化，以更好地呈現(xiàn)GWR 分析結(jié)果。辦公用地往往與就業(yè)和通勤相關(guān)，也是地鐵通勤者的主要目的地之一，因此辦公用地往往與共享單車的接駁使用呈正相關(guān)，這種正相關(guān)性在南山和寶安分布最為明顯，而在其他地區(qū)幾乎沒(méi)有顯著的相關(guān)性（圖4）；而居住用地對(duì)駛出接駁的影響呈顯著負(fù)相關(guān)，并主要集聚于南山和福田的就業(yè)集中區(qū)，比例越大的居住用地片區(qū)意味著用于就業(yè)的辦公用地比例越小，其駛出接駁自然也隨之降低；中學(xué)數(shù)量對(duì)于駛出接駁的影響同駛?cè)胗绊懸粯?，也呈?fù)相關(guān)，且同樣表現(xiàn)在龍華南和龍崗西片區(qū)，具體原因有待進(jìn)一步實(shí)證挖掘；公園和廣場(chǎng)等開放空間對(duì)自行車接駁使用的正向影響在已有研究中被提及（Zhao et al., 2017），但并未指明是駛?cè)脒€是駛出接駁，圖4顯示公園廣場(chǎng)對(duì)駛出接駁有正向影響（而非駛?cè)虢玉g），在深圳市的南山區(qū)尤為明顯；已有研究多認(rèn)為，公交站點(diǎn)密度對(duì)公共自行車的接駁影響是負(fù)向的（Zhao et al., 2017;Ji et al., 2018; Ma et al., 2018），即公交車與公共自行車之間存在競(jìng)爭(zhēng)，然而在本研究中呈現(xiàn)截然不同的結(jié)果，即公交車站點(diǎn)密度大的地鐵服務(wù)區(qū)，共享單車的接駁同樣也多，并且尤其在居住密度非常高的龍華南部（見圖4），可能的原因是，在近郊的高密度居住聚居區(qū)，公交通勤也很普遍，這也意味過(guò)多的公交站容易導(dǎo)致更多的停車載客/落客，同時(shí)也會(huì)吸引更多的通勤者乘坐公交進(jìn)而導(dǎo)致?lián)矶?，反而降低了采用公交進(jìn)行接駁的便捷度，因此共享單車會(huì)更為受歡迎；地鐵站點(diǎn)密度對(duì)于駛出接駁的負(fù)向影響在南山區(qū)比較明顯，表明在該地區(qū)臨近地鐵站點(diǎn)往往有較高的駛出接駁（南山區(qū)為深圳市工作密度最大的區(qū)域）；此外，CBD 距離的負(fù)向影響在深圳市遠(yuǎn)郊的寶安西地區(qū)非常明顯，但在東部的龍崗遠(yuǎn)郊地區(qū)則較為微弱，可能的原因在于，臨近南山（就業(yè)集中區(qū)）的寶安更具備吸引地鐵通勤的空間優(yōu)勢(shì)；同時(shí)，出站客流也顯然與駛出接駁有正相關(guān)關(guān)系，并且也主要集中在就業(yè)聚集區(qū)（南山和福田區(qū)）。

表5 駛出接駁的GWR分析結(jié)果Table 5 Results of GWR model for the egress integrated use

圖4 影響駛出接駁的局部變量相關(guān)性空間分布（t值分布）Fig.4 Spatial heterogeneity of the effects of local built environment variables on the egress integrated use (t value)

5 結(jié)論與討論

以深圳市為案例，應(yīng)用OLS、GWR 和SGWR綜合分析建成環(huán)境因素對(duì)“共享單車＋地鐵”接駁使用（包括駛?cè)虢玉g和駛出接駁2種情境）的影響，并揭示該影響的空間非平穩(wěn)性。主要結(jié)論為：

1）“共享單車＋地鐵”的接駁使用，無(wú)論是駛?cè)虢玉g還是駛出接駁，在早高峰通勤期間均表現(xiàn)出明顯的空間非平穩(wěn)性，具體表現(xiàn)為近郊地區(qū)地鐵站的駛?cè)虢玉g較高，駛出接駁則在以高新科技園為代表的中心城區(qū)有明顯集聚，這與深圳市當(dāng)前的職住空間分離密切相關(guān)。

2）影響駛?cè)牒婉偝?種不同的接駁類型的建成環(huán)境要素有所差異。人口密度、主干道和進(jìn)站客流3個(gè)正向因子以及中學(xué)數(shù)量、地鐵站點(diǎn)和交叉路口3個(gè)負(fù)向因子對(duì)駛?cè)虢玉g的影響呈明顯的空間差異；辦公用地、公園廣場(chǎng)、公交站點(diǎn)以及出站客流在大部分地鐵站點(diǎn)對(duì)于駛出接駁的影響表現(xiàn)出正相關(guān)，而居住用地、中學(xué)數(shù)量、地鐵站點(diǎn)及CBD距離則表現(xiàn)出負(fù)相關(guān)。

3）建成環(huán)境對(duì)早高峰通勤的駛?cè)牒婉偝鼋玉g的影響差異性，一方面，在于歷史上深圳市施行嚴(yán)格的關(guān)內(nèi)和關(guān)外空間隔離措施，相關(guān)建成環(huán)境要素的建設(shè)投入存在明顯的關(guān)內(nèi)－關(guān)外空間差異，這種差異性對(duì)于“共享單車+地鐵”接駁使用的影響是顯著的；另一方面，在適宜的接駁距離范圍，出發(fā)地/目的地決定了駛?cè)?駛出接駁的客觀需求，出發(fā)地附近的建成環(huán)境在很大程度上決定了地鐵通勤者在駛?cè)虢玉g時(shí)對(duì)共享單車接駁方式的選擇，對(duì)應(yīng)地，目的地附近的建成環(huán)境對(duì)“共享單車+地鐵”駛出接駁有決定作用。

本文的研究結(jié)論對(duì)于促進(jìn)“共享單車＋地鐵”接駁使用具有重要的政策和運(yùn)營(yíng)意義。首先，共享單車在空間和時(shí)間上的再平衡（Rebalance）對(duì)于共享單車和軌道交通之間的無(wú)縫連接至關(guān)重要。雖然共享單車的自由可移動(dòng)特性有助于地鐵－居住地以及地鐵－工作地在微觀尺度上的平衡，但仍需關(guān)注城市層面上的時(shí)空差異?！奥殻∈Ш狻币约巴ㄇ诹鲃?dòng)特征表明，共享單車的接駁使用需要以居住地/就業(yè)地為重點(diǎn)，從而滿足對(duì)駛?cè)牒婉偝鼋玉g使用的巨大需求。雖然共享單車一般不能進(jìn)入居民社區(qū)，但仍然需要在居民區(qū)附近提供相對(duì)固定的時(shí)間和地點(diǎn)以提供更多的共享單車，如運(yùn)營(yíng)商應(yīng)該在上午高峰時(shí)段，在居住社區(qū)的各個(gè)出入口實(shí)現(xiàn)定期調(diào)配并設(shè)置易見的停車位，以降低通勤高峰時(shí)段內(nèi)通勤者搜索共享單車的時(shí)間。此外，在近郊區(qū)的中學(xué)附近，需要改善學(xué)校附近的騎行接駁安全和擁堵環(huán)境，對(duì)學(xué)生采用共享單車進(jìn)行通學(xué)接駁實(shí)現(xiàn)交通引導(dǎo)?？紤]到綠色/開放空間在高峰時(shí)段對(duì)騎行的促進(jìn)作用，也建議在高峰時(shí)段在地鐵站附近的公園和公共廣場(chǎng)增加自行車的投放。

其次，共享單車的再分配需要與公共交通的分布相匹配才能有效提升“共享單車+地鐵”接駁使用。無(wú)論是既有公交站點(diǎn)的分布還是地鐵站點(diǎn)的分布，都對(duì)共享單車的接駁使用有顯著影響，這種影響在中心城區(qū)和近郊區(qū)有所差異，故需要制定差異化的交通政策。如，在人口密度大、公交分布密集的近郊地區(qū)，可以適當(dāng)提升共享單車的投放以緩解公交接駁的擁擠。同時(shí)，運(yùn)營(yíng)商在分配單車時(shí)需考慮地鐵站的密度，避免在地鐵站密度較大的片區(qū)分配過(guò)多的單車（步行接駁更多），遠(yuǎn)郊等地鐵分布較少地區(qū)由于接駁需求不高，單車的投放不應(yīng)過(guò)大，而更建議在地鐵站密度適中的地區(qū)增加自行車的投放（可以取代公交接駁）。

第三，通過(guò)改善城市道路分布和道路條件，在地鐵站域內(nèi)建立友好的自行車騎行環(huán)境可以促進(jìn)共享單車的接駁使用。需要注意的是，當(dāng)前諸多大城市的城市道路沿線仍然缺乏足夠的自行車道，在通勤高峰期間內(nèi)，車流和人流量大，缺少管控的混行騎行非常危險(xiǎn)。因此，有必要實(shí)行多樣化、安全化和人性化的自行車道策略，這在城市道路空間非常有限的大都市中心城區(qū)顯得尤為重要。此外，減少交叉路口或設(shè)置路口提醒警示，以及在地鐵站域內(nèi)的站點(diǎn)主要連接道路上增加騎行標(biāo)記，有助于提供更佳的騎行環(huán)境。

本研究可為促進(jìn)共享單車與地鐵的無(wú)縫接駁進(jìn)而解決困擾城市地鐵通勤者的“最后一公里”問(wèn)題提供參考，并進(jìn)一步提升城市交通的可持續(xù)性。在具體實(shí)踐中，本研究不僅能為共享單車運(yùn)營(yíng)商提供合理的單車空間分布和再平衡策略，亦能為地方政府在管理共享單車的接駁上提供政策引導(dǎo)，也可對(duì)建設(shè)騎乘友好的建成環(huán)境和設(shè)施規(guī)劃提供助力。然而，由于數(shù)據(jù)獲取的限制，本研究也存在一定不足，如對(duì)于接駁的識(shí)別還不夠精確以及缺乏長(zhǎng)時(shí)段的動(dòng)態(tài)變化分析，未來(lái)將繼續(xù)針對(duì)這些不足進(jìn)行深化和拓展。