王振報,李慧慶,劉 卓

(1. 河北工程大學 建筑與藝術學院,河北 邯鄲 056038; 2. 北京工業(yè)大學 城市交通學院,北京 100124)

0 引 言

倡導綠色出行[1-2]是緩解大城市交通擁堵[3]、降低大氣污染水平[4]的現實選擇,亦是應對能源危機和全球氣候變化的戰(zhàn)略需要[5]。共享單車以低碳環(huán)保[6]、便捷健康[7-8]的特點成為短程出行交通方式的優(yōu)先選擇,也是一些城市慢行交通的重要組成部分。大部分共享單車不受固定還車點限制,騎行者可在任何合法街區(qū)內還車,雖方便了出行,卻產生了共享單車肆意停放、壓縮公共空間等一系列問題[9]。一些學者只側重于分析集計區(qū)域內共享單車出行起點的數量[10-11]或集計區(qū)域內共享單車借車量和還車量之和[12-13],因此有必要進行城市建成環(huán)境對共享單車還車量的影響機理分析。

共享單車的研究成果主要集中在出行特征與行為[10,14]、出行滿意度[15-16]、管理模式和優(yōu)化調度[17-21]及共享單車所帶來的城市問題及建議[9,22-23]等方面。一些學者利用最小二乘法(ordinary least squares, OLS)[11,24-25]、地理加權回歸(geographically weighted regression, GWR)[11,24-26]、時空地理加權回歸(geographically and temporally weighted regression, GTWR)[11]方法證明了城市建成環(huán)境與共享單車需求之間的關系。在計算建成環(huán)境指標和共享單車需求量時,主要是選用網格尺度[24,27]或交通分區(qū)[11]進行集計分析,缺乏研究不同的空間單元劃分方法對回歸模型精度產生的影響。另外,有學者采用多尺度地理加權回歸模型(multiscale geographically weighted regression, MGWR)[28]對各自變量的帶寬進行了優(yōu)化,表明在各影響因素作用下的空間尺度差異,模型精度有所提高,目前已應用于環(huán)境科學[29]、公共衛(wèi)生[30]、城市房價影響機制[28]等研究中,在交通領域主要應用于建成環(huán)境對交通事故及軌道交通客流量的影響分析[31-32]。

使用不同的空間單元劃分方法對共享單車還車位置進行集計并統計還車量,將其作為因變量,建成環(huán)境因素作為自變量,對比分析OLS、GWR和MGWR的結果,確定擬合優(yōu)度最佳的回歸模型及空間單元劃分方法,可進一步探究建成環(huán)境變量影響程度的空間異質性。一方面能提高共享單車還車量預測模型精度;另一方面科學確定顯著影響還車量的建成環(huán)境因素,有利于科學地制定提高共享單車使用的建成環(huán)境規(guī)劃策略及具體措施。

1 研究區(qū)域與數據來源

筆者以廈門島作為研究區(qū)域,其范圍如圖 1。廈門島包括思明區(qū)、湖里區(qū),面積約158 km2;興趣點 (point of interest, POI)數據來源于高德地圖API(Application Programming Interface),涉及餐飲服務、購物服務、科教文化等11類POI;城市道路和建筑數據來源于開放街區(qū)地圖(open street map, OSM);人口數據來源于WorldPop[33];共享單車數據來源于廈門市大數據安全開放平臺[34]。選取2020年12月21日—2020年12月25日06:00 —10:00的數據,共計585 292條。

1.1 共享單車還車量統計

將研究范圍以間隔100 m,邊長400～1 000 m進行網格劃分,利用城市快速路、主次干路及山體、水系等自然地物劃分交通分區(qū),圖 2為不同的空間單元劃分方法示意圖。對其中一種空間單元劃分方法,將共享單車騎行終點位置數據集計為所在空間單元還車量,作為因變量,利用POI等數據計算各空間單元建成環(huán)境指標作為自變量。

圖2 不同的空間單元劃分方法示意Fig. 2 Schematic diagram of different spatial unit division methods

按分鐘將共享單車訂單數據進行統計,如圖 3。由圖3可知:在07:44—08:44這一時間段的還車量為連續(xù)一小時還車量最大值,因此可將其作為早高峰時段的還車量集計。

圖3 共享單車還車量時間變化Fig. 3 Time variation of shared bike return amount

以交通分區(qū)的空間單元劃分方法為例,早高峰共享單車還車量分布如圖4。還車量高值區(qū)集中在廈門島中部、北部、東部的部分地區(qū);南部共享單車還車量則較低。

圖4 共享單車還車量分布Fig. 4 Distribution of shared bike return amount

1.2 城市建成環(huán)境評價指標體系

城市建成環(huán)境即人造環(huán)境,是對自然改造后形成的環(huán)境,涵蓋了多維度因素,包括城市設計、功能布局和交通系統等[36]。城市建成環(huán)境“5D”維度[37]是指設計(design)、密度(density)、多樣性(diversity)[38]、至公共交通距離(distance to transit)、目的地可達性(destination accessibility),其次補充了人口統計屬性、共享單車空間管理等維度。考慮到建成環(huán)境因素能利用多源數據進行定量計算的原則,各維度評價因子其計算方法和表征意義如表 1。

表1 建成環(huán)境維度及其評價因子Table 1 Built environment dimension and its evaluation factors

2 研究方法

2.1 最小二乘法回歸

OLS[39]多元線性回歸方程式如式(1)。

(1)

式中:yi為研究空間單元i的因變量;b為多元線性回歸方程的常數項;ak為自變量k的回歸系數;xik為空間單元i的第k個自變量;εi為樣本點i的模型誤差。

2.2 GWR模型和MGWR模型

GWR模型在空間分析領域對OLS進行了改進,相當于在不同空間區(qū)域建立不同的OLS回歸模型[40-41],不同位置的回歸系數表達了自變量影響的空間異質性,如式(2)。

(2)

式中:(ui,vi)為研究空間單元i質心點經緯度坐標;β0(ui,vi)為回歸模型在研究空間單元i的常數項;βk(ui,vi)為解釋變量k在研究空間單元i的回歸系數;xki為研究空間單元i的第k個解釋變量。

GWR模型考慮了空間異質性,但無法考慮不同自變量對因變量影響的空間尺度差異。針對這個問題, A.S.FOTHERINGHAM等[42]在GWR模型基礎上提出了MGWR模型,如式(3)。相比GWR,MGWR的特點是通過不同帶寬,反映了不同自變量對因變量影響的空間尺度差異。

(3)

式中:βbwk(ui,vi)為第k個解釋變量在空間單元i的回歸系數;bwk為第k個解釋變量的最優(yōu)帶寬。

2.3 變量標準化處理

為反映不同量綱自變量對因變量影響程度的相對大小,對因變量和自變量進行標準化處理,得到因變量和自變量的標準化值,見式(4)和式(5)表達。

當均值為0、標準差為1時,各因子標準化回歸系數表示為該因子標準化自變量增加了一個單位的標準差,標準化因變量則增加了該系數倍數的標準差[43],故以下均采用因變量和自變量的標準化值進行回歸分析。

(4)

(5)

3 結果和討論

3.1 不同樣本空間集計方法回歸模型結果

回歸分析中自變量多重共線性問題會導致回歸模型偏差,在研究中通常采用方差膨脹系數(variance inflation factor, VIF)來剔除多重共線性變量,一般將VIF>10的變量予以剔除[44]。不同樣本集計方法多重共線性檢驗結果見表 2;剔除多重共線性變量后,不同樣本集計方法回歸模型結果對比見表 3。采用判定系數R2、赤池信息準則(Akaike information criterion,AIC)與修正的赤池信息準則(corrected Akaike information criterion,AICc)[35]、殘差平方和(Residual Sum of Squares,RSS)對不同集計方法的擬合優(yōu)度進行評價。R2越高,則表明回歸模型擬合效果越好;赤池信息準則和殘差平方和越低,則表明回歸模型擬合效果越好。通過不同的回歸模型結果對比,確定共享單車還車量擬合最佳的空間單元劃分方法。

表2 不同樣本集計方法多重共線性檢驗結果(VIF)Table 2 Multicollinearity test results of different samples aggregate methods (VIF)

表3 不同樣本集計方法回歸模型結果對比Table 3 Comparison of regression model results with different samples aggregate methods

空間單元劃分方法為500、700、900 m網格和交通分區(qū)時,MGWR模型判定系數R2最高、均為0.84;交通分區(qū)作為空間單元劃分方法時,MGWR模型的AIC、AICc和RSS結果最低。所以,交通分區(qū)對應的MGWR模型擬合優(yōu)度最佳。選用交通分區(qū)作為空間分析單元,MGWR作為回歸模型分析建成環(huán)境變量影響程度的空間異質性。

3.2 城市建成環(huán)境因素對共享單車還車量的影響

剔除不顯著評價因子后,各解釋變量的GWR模型與MGWR模型帶寬見表4。MGWR模型各評價因子帶寬反映了不同解釋變量對因變量的不同空間作用尺度;評價因子中的空間封閉度、科研教育POI密度、建筑密度、POI多樣性、至最近地鐵站距離帶寬均為113,近似等于全局尺度;公司企業(yè)POI密度帶寬為72,交叉口數量帶寬為98,對因變量影響尺度居中;共享單車電子圍欄數量帶寬為44,對因變量影響尺度較小。

表4 GWR模型與MGWR模型評價因子帶寬對比Table 4 Bandwidth comparison of evaluation factors between GWR model and MGWR model

各評價因子標準化回歸系數空間分布如圖 5,回歸系數的描述性統計結果見表5。

表5 MGWR模型各評價因子回歸系數統計性描述Table 5 Statistical description of regression coefficients for various evaluation factors in MGWR model

3.2.1 “設計”維度

空間封閉度回歸系數反映了開敞空間形態(tài)破碎程度對因變量的影響,結果如圖5(a)。該評價因子全局顯著影響共享單車還車量,空間分布上自東部向西部遞減,標準化回歸系數范圍為-0.31～-0.27,呈負相關關系,說明開敞空間完整程度越好,相應的交通分區(qū)內共享單車還車量越高。

圖5 MGWR模型各評價因子回歸系數空間分布Fig. 5 Spatial distribution of regression coefficients for various evaluation factors in MGWR model

3.2.2 “密度”維度

公司企業(yè)POI密度與科研教育POI密度回歸系數反映了相應設施的密集程度對共享單車還車量的影響程度,結果分別如圖5(b)和圖5(c)。公司企業(yè)POI密度在廈門島北部、東北和東部顯著影響著還車量,空間分布上由東北部向北部、東部遞減,標準化回歸系數范圍為0.19～0.47,呈正相關關系;科研教育POI密度除在廈門島西南部不顯著外,在其他區(qū)域均顯著影響還車量,空間分布上由北部向南部遞減,標準化回歸系數范圍為-0.22～-0.18,呈負相關關系。建筑密度回歸系數反映了建筑密集程度對共享單車還車量的影響程度,結果如圖5(d)。建筑密度在廈門島東北部、東部、東南、南部和西南顯著影響還車量,空間分布上由南部向西南、東南遞減,標準化回歸系數范圍為0.21～0.25,呈正相關關系。

3.2.3 “多樣性”維度

POI多樣性回歸系數反映了設施豐富程度對共享單車還車量的影響程度,結果如圖5(e)。POI多樣性在廈門島東北、東部、東南和南部顯著影響還車量,空間分布上由北部、南部向東南遞減,標準化回歸系數范圍為-0.21～-0.17,呈現負相關關系。

3.2.4 “至公共交通距離”維度

至最近地鐵站和公交站距離回歸系數分別反映了至地鐵站和公交站的遠近程度對共享單車還車量的影響程度,結果分別如圖5(f)和圖5(g)。至最近地鐵站距離在廈門島東北、北部、西北、西部和西南顯著影響共享單車還車量,空間分布上由東北、西南向北部、西部遞減,標準化回歸系數范圍為-0.20～-0.13,呈負相關關系,這說明距離地鐵站的便捷程度會提高還車量。至最近公交站距離在廈門島西北、北部、東北、東部和西南的部分交通分區(qū)顯著影響還車量,空間分布上由北部向西部、東部遞減,標準化回歸系數范圍為-0.18～0.68,大部分交通分區(qū)內呈正相關關系,西南部部分交通分區(qū)呈負相關關系。

3.2.5 “目的地可達性”維度

交叉口數量回歸系數反映了路網可達性與通達性對共享單車還車量的影響程度,結果如圖5(h)。交叉口數量在廈門島全局顯著影響著共享單車還車量,空間分布上由東北向西北、東南遞減,標準化回歸系數范圍為0.17～0.34,這說明當交通分區(qū)內部通達性較高時,會提高共享單車還車量。

3.2.6 “共享單車空間管理”維度

共享單車電子圍欄數量回歸系數反映了借還車便捷程度對共享單車還車量的影響程度,結果如圖5(i)。共享單車電子圍欄數量在廈門島北部、東北、東部、南部、西南和西部顯著影響共享單車還車量,空間分布上在北部、西南較高,標準化回歸系數范圍為0.21～0.72,呈正相關關系。說明共享單車雖能停放在任何合法的街道,但若明確標出了共享單車還車的電子圍欄可提高還車量,即引導市民將共享單車停放在共享單車圍欄附近。其余評價因子對因變量影響不顯著,故不做討論。

4 結 論

筆者在已有研究“5D”城市建成環(huán)境因子的基礎上,補充了人口統計屬性、共享單車空間管理評價維度,完善了城市建成環(huán)境評價指標體系,探究城市建成環(huán)境對工作日早高峰共享單車還車量的影響。得出如下結論:

1)提出8種不同空間單元劃分方法進行因變量和自變量集計,對比OLS、GWR和MGWR回歸模型精度結果,采用交通分區(qū)作為空間單元劃分方法的MGWR模型擬合優(yōu)度最佳。分析了城市建成環(huán)境因子對還車量影響的尺度差異以及影響程度的空間異質性;

2)選取擬合優(yōu)度最佳的空間單元劃分方法進行出行需求集計,有利于對共享單車還車量進行更加精確的預測,根據預測結果進行共享單車電子圍欄優(yōu)化布設,同時結合街道其他要素進行整合設計,這將有利于提高城市街道整體環(huán)境質量;

3)針對共享單車供需嚴重不平衡的地區(qū),可以根據建成環(huán)境因素影響程度的空間異質性結果制定差異化的建成環(huán)境更新策略及措施,調整高峰期間還車量需求。針對某一區(qū)域具體的城市建成環(huán)境更新設計可以作為將來的研究方向。