湯祥, 尹超英, 何鵬, 單天賜, 李根*

(1.南京市城市與交通規(guī)劃設(shè)計(jì)研究院, 南京 210008; 2.南京林業(yè)大學(xué)汽車(chē)與交通工程學(xué)院, 南京 210042)

公共交通導(dǎo)向的開(kāi)發(fā)(transit-oriented development,TOD)是以公共交通為依托的城市規(guī)劃和發(fā)展模式,特點(diǎn)是以軌道交通樞紐為中心,實(shí)現(xiàn)空間緊湊、高密度發(fā)展以及功能混合的土地利用[1]。實(shí)踐證明TOD對(duì)建筑停車(chē)需求有明顯的削減效果[2]。Tian等[3]結(jié)合10個(gè)TOD典型區(qū)域的研究發(fā)現(xiàn)商業(yè)建筑高峰停車(chē)需求只占ITE峰值需求的27%。周楊等[4]運(yùn)用梯度提升決策樹(shù)與SHAP解釋模型發(fā)現(xiàn),軌道交通站點(diǎn)周邊可達(dá)性對(duì)居民活動(dòng)及出行方式選擇影響呈現(xiàn)顯著相關(guān)關(guān)系。戴冀峰等[5]通過(guò)調(diào)查發(fā)現(xiàn),小汽車(chē)駕駛員最大尋車(chē)忍耐度為15 min,停車(chē)泊位便捷性是出行者方式選擇重要考慮因素。

目前中國(guó)停車(chē)配建多采用統(tǒng)一的停車(chē)配建指標(biāo)數(shù)值,面對(duì)土地價(jià)值不斷提升,中心區(qū)、新城開(kāi)發(fā)的中央商務(wù)區(qū),超高層建筑已成為開(kāi)發(fā)建設(shè)的一種常態(tài)[6],配建指標(biāo)成為制約地塊容積率提升關(guān)鍵因素之一。朱震軍等[7]重點(diǎn)基于公共交通服務(wù)能力,提出了超高層建筑在既有公共交通服務(wù)能力約束下的停車(chē)配建指標(biāo)優(yōu)化的方法。崔敘等[8]通過(guò)分析軌道交通出行時(shí)空分析特性,提出軌道站點(diǎn)周邊路網(wǎng)密度、步行距離、辦公規(guī)模對(duì)市民出行活動(dòng)有非線性正向影響。鄧敏等[9]提出從站點(diǎn)服務(wù)能力、接駁距離構(gòu)建了地塊的公共交通出行水平評(píng)估模型,根據(jù)不同的出行便捷度從而制定不同停車(chē)供給。李爽等[10]認(rèn)為在城市中心區(qū)和公共交通服務(wù)水平高的地區(qū)可降低建筑物配建停車(chē)位指標(biāo)。有國(guó)內(nèi)學(xué)者分別提出了考慮區(qū)位集聚效應(yīng)及交通可達(dá)性、基于路網(wǎng)承載力的配建指標(biāo)值的方法[11-12]。 國(guó)內(nèi)上海、廣州等城市發(fā)布的配建停車(chē)標(biāo)準(zhǔn)文件中,對(duì)軌道站點(diǎn)周邊的辦公建筑配建停車(chē)指標(biāo)均進(jìn)行了相應(yīng)的降低[13-14],如上海軌道交通站點(diǎn)300 m服務(wù)范圍內(nèi)公共建筑的配建停車(chē)指標(biāo)降幅為20%。

綜上所述,國(guó)內(nèi)外學(xué)者基于TOD建筑的交通特性分析,對(duì)軌道站點(diǎn)周邊建筑的小汽車(chē)出行及停車(chē)需求特性進(jìn)行了多角度探討,并提出相應(yīng)的停車(chē)配建指標(biāo)數(shù)值確定方法。但是,目前軌道站點(diǎn)TOD建筑的界定范圍以及影響程度多以定性的經(jīng)驗(yàn)數(shù)值為主,對(duì)軌道站點(diǎn)能級(jí)、距離及周邊銜接條件等方面差異的影響研究相對(duì)較少。例如,根據(jù)《南京建筑物配建停車(chē)設(shè)施設(shè)置標(biāo)準(zhǔn)與準(zhǔn)則》研究中實(shí)地調(diào)查數(shù)據(jù):同等距離條件下軌道樞紐站(兩條線以上)辦公建筑停車(chē)需求率數(shù)值低于一般軌道站15%～20%;同一軌道站點(diǎn)距離100 m與300 m時(shí),辦公建筑停車(chē)需求率數(shù)值相差10%～15%。因此,現(xiàn)提出TOD綜合指數(shù)的概念,通過(guò)對(duì)軌道交通站點(diǎn)影響區(qū)TOD發(fā)展水平進(jìn)行評(píng)估,并探討對(duì)周邊建筑停車(chē)配建指標(biāo)影響研究,提升軌道站點(diǎn)周邊建筑配建泊位數(shù)值確定的科學(xué)性。

1 TOD綜合指數(shù)

1.1 TOD量化研究模型

TOD作為以軌道交通為導(dǎo)向的土地開(kāi)發(fā)利用模式,其范圍內(nèi)的公共建筑同時(shí)具備了交通網(wǎng)絡(luò)節(jié)點(diǎn)(node)和城市功能場(chǎng)所(place)兩種屬性。這兩種屬性互相促進(jìn)同時(shí)又存在一定的矛盾沖突[15]。為評(píng)估城市土地開(kāi)發(fā)利用和交通功能兩個(gè)層面互相之間的價(jià)值關(guān)系,有學(xué)者提出了“節(jié)點(diǎn)-場(chǎng)所”模型,該模型從軌道交通站點(diǎn)服務(wù)水平和站點(diǎn)周邊土地利用與經(jīng)濟(jì)活動(dòng)水平兩個(gè)維度衡量軌道交通站點(diǎn)的進(jìn)行量化評(píng)估。

目前,TOD量化模型大多基于經(jīng)典的“節(jié)點(diǎn)-場(chǎng)所”模型或其改進(jìn)模型,該模型最早由Bertolini提出并應(yīng)用于荷蘭阿姆斯特丹和烏德勒支城市集聚區(qū)的軌道站點(diǎn)地區(qū)研究。“節(jié)點(diǎn)-場(chǎng)所”模型是基于定量化的評(píng)價(jià)指標(biāo)來(lái)測(cè)度軌道交通站點(diǎn)地區(qū)交通功能、土地利用水平的協(xié)調(diào)程度。其中,節(jié)點(diǎn)是指軌道交通站點(diǎn),通過(guò)節(jié)點(diǎn)維度來(lái)測(cè)度軌道交通站點(diǎn)服務(wù)水平,服務(wù)水平越高的站點(diǎn)越能帶動(dòng)地區(qū)發(fā)展;場(chǎng)所是指軌道交通站點(diǎn)影響區(qū),通過(guò)場(chǎng)所維度來(lái)測(cè)度影響區(qū)土地利用分布的多樣性,多樣性越好的區(qū)域越能吸引更高密度的活動(dòng)需求。

1.2 軌道站點(diǎn)TOD綜合指數(shù)

“節(jié)點(diǎn)-場(chǎng)所”模型認(rèn)為軌道交通站點(diǎn)不單是單獨(dú)的節(jié)點(diǎn),而是與站點(diǎn)周邊場(chǎng)所組成一個(gè)協(xié)調(diào)統(tǒng)一的整體,表征了土地利用與交通發(fā)展之間的相互關(guān)系。然而這種相互反饋關(guān)系缺乏銜接媒介,居民從軌道交通站點(diǎn)到達(dá)周邊場(chǎng)所獲得購(gòu)物、醫(yī)療等各種服務(wù)時(shí),需要有聯(lián)系介質(zhì)來(lái)表征這種獲取服務(wù)過(guò)程的可達(dá)性,稱(chēng)為“聯(lián)系”。即在傳統(tǒng)的“節(jié)點(diǎn)-場(chǎng)所”模型基礎(chǔ)上,新增“聯(lián)系”維度,將相對(duì)孤立的節(jié)點(diǎn)交通性與場(chǎng)所功能性關(guān)聯(lián)起來(lái),來(lái)更好地表征兩者之間相互影響、相互制約的關(guān)系。在新增的“聯(lián)系”維度的評(píng)價(jià)指標(biāo)上,借鑒國(guó)外Walk Score的應(yīng)用[16],引入步行指數(shù)得分衡量場(chǎng)所內(nèi)的步行友好性。最終,建議構(gòu)建了3個(gè)維度、15項(xiàng)指標(biāo)的評(píng)價(jià)體系來(lái)測(cè)度軌道交通站點(diǎn)的TOD綜合指數(shù),如表1所示。

表1 TOD綜合指數(shù)的評(píng)價(jià)指標(biāo)體系Table 1 Evaluation index system of TOD comprehensive index

1.3 軌道站點(diǎn)TOD綜合指數(shù)計(jì)算

TOD綜合指數(shù)評(píng)價(jià)是一個(gè)復(fù)雜的多因素綜合評(píng)價(jià)過(guò)程,采用熵權(quán)-模糊綜合評(píng)價(jià)方法進(jìn)行指標(biāo)的確權(quán)。熵權(quán)法的突出特點(diǎn)是客觀性強(qiáng),依賴(lài)于數(shù)據(jù)本身的離散性,不會(huì)隨研究者的主觀性而變化。模糊綜合評(píng)價(jià)法是依據(jù)模糊數(shù)學(xué)的隸屬度理論將定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià),通過(guò)專(zhuān)家打分構(gòu)建模糊綜合評(píng)價(jià)矩陣。熵權(quán)-模糊綜合評(píng)價(jià)方法既能體現(xiàn)客觀數(shù)據(jù)所蘊(yùn)含的信息,又充分尊重專(zhuān)家的意見(jiàn)。具體工作流程如下。

步驟1建立原始關(guān)系矩陣。矩陣X={xij}m×n表示m個(gè)評(píng)價(jià)對(duì)象對(duì)應(yīng)n個(gè)評(píng)價(jià)指標(biāo),xij表示第i個(gè)評(píng)價(jià)對(duì)象對(duì)應(yīng)的j項(xiàng)目指標(biāo)值。

步驟2數(shù)據(jù)標(biāo)準(zhǔn)化處理。各指標(biāo)量綱不同,需要對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行處理得到標(biāo)準(zhǔn)化矩陣Y={yij}m×n。

(1)

式(1)中:yij為標(biāo)準(zhǔn)值;xjmax為j項(xiàng)目指標(biāo)的最大值;xjmin為j項(xiàng)目指標(biāo)的最小值。

步驟3計(jì)算隸屬度矩。

(2)

式(2)中:pij為第i個(gè)評(píng)價(jià)對(duì)象在第j項(xiàng)指標(biāo)下的特征比重。

步驟4計(jì)算信息熵與差異系數(shù)。

(3)

dj=1-ej

(4)

式中:ej為第j項(xiàng)指標(biāo)的信息熵;dj為第j項(xiàng)指標(biāo)的差異系數(shù)。

步驟5計(jì)算指標(biāo)權(quán)重。

(5)

式(5)中:wj為第j項(xiàng)指標(biāo)的權(quán)重。

步驟6構(gòu)建模糊綜合評(píng)價(jià)矩陣。首先根據(jù)需要對(duì)決策評(píng)語(yǔ)評(píng)價(jià)等級(jí)進(jìn)行分級(jí),用V={v1,v2,…,vk}表示;基于專(zhuān)家打分,用各評(píng)價(jià)等級(jí)的專(zhuān)家數(shù)除以專(zhuān)家總數(shù)作為評(píng)價(jià)因素對(duì)考核等的隸屬度值,構(gòu)建的隸屬度矩陣R。

步驟7建立綜合評(píng)價(jià)模型。根據(jù)熵權(quán)法計(jì)算得到的15個(gè)指標(biāo)因素的權(quán)重集W, 與模糊綜合評(píng)價(jià)矩陣進(jìn)行綜合評(píng)判,得到評(píng)價(jià)向量B, 結(jié)合評(píng)語(yǔ)集V,得到軌道交通站點(diǎn)TOD綜合指數(shù)D。

B=WR

(6)

D=VB-1

(7)

2 停車(chē)配建與TOD綜合指數(shù)關(guān)聯(lián)分析

2.1 TOD綜合指數(shù)對(duì)建筑停車(chē)需求的影響

建筑的停車(chē)供給主要由配建停車(chē)指標(biāo)確定,而停車(chē)供給與停車(chē)需求之間相互制約、相互影響。對(duì)于辦公建筑而言,出行方式相對(duì)固定,停車(chē)需求主要取決于日常通勤的小汽車(chē)出行比例。劉怡等[17]以城市交通效率最大和環(huán)境影響最小為目標(biāo),建立交通出行結(jié)構(gòu)優(yōu)化模型預(yù)測(cè)停車(chē)需求,對(duì)比傳統(tǒng)數(shù)學(xué)分析方法預(yù)測(cè)停車(chē)需求,表明交通出行結(jié)構(gòu)優(yōu)化模型對(duì)停車(chē)需求預(yù)測(cè)更為準(zhǔn)確。尹超英等[18]通過(guò)路徑分析-離散選擇一體化模型,考慮了居住地及工作地的停車(chē)可用性對(duì)小汽車(chē)通勤出行的影響,表明停車(chē)可用性對(duì)小汽車(chē)通勤出行具有顯著的正效應(yīng)。

TOD綜合指數(shù)越高的區(qū)域,出行者選擇軌道交通出行比例也會(huì)相對(duì)增高,從而降低小汽車(chē)出行需求后可相應(yīng)地降低停車(chē)配建泊位規(guī)模,因此小汽車(chē)出行比例的變化也即停車(chē)需求改變的實(shí)際表現(xiàn),同樣也是配建指標(biāo)折減比例所需刻畫(huà)的目標(biāo)。在出行方式選擇方面,非集計(jì)模型被廣泛應(yīng)用,其選擇模型是基于不同影響因素,從多個(gè)備選方案中選擇其認(rèn)為效用最大的方案。非集計(jì)模型以效用理論為基礎(chǔ),出行者總會(huì)傾向于選擇效用最大的選擇方案。其效用函數(shù)包括兩部分:確定項(xiàng)Vab、隨機(jī)項(xiàng)εab,假設(shè)隨機(jī)項(xiàng)和確定項(xiàng)相互獨(dú)立并且服從Gumbel函數(shù)分布。確定項(xiàng)函數(shù)Vab通常采用線性函數(shù)作為其表達(dá)形式。

Uab=Vab+εab

(8)

(9)

式中:Xabz為出行者b選擇第a個(gè)方案中所包含的第z個(gè)特性變量;z為特性變量的個(gè)數(shù);θz為第z個(gè)特性變量所對(duì)應(yīng)的參數(shù)。

出行成本是出行方式選擇的重要因素,也是效用的衡量指標(biāo),重點(diǎn)研究的是小汽車(chē)、軌道交通兩種出行方式的變化影響。辦公建筑出行者以日常通勤出行為主,小汽車(chē)出行成本的主要影響因素包括:出行時(shí)長(zhǎng)、燃油成本、停車(chē)費(fèi)用(即辦公建筑配建停車(chē)場(chǎng)的停車(chē)費(fèi));軌道交通出行成本的主要影響因素包括:步行距離(即軌道站點(diǎn)至辦公建筑的步行距離)、票價(jià)、擁擠成本。此外,出行者的個(gè)人特性也會(huì)影響出行方式的選擇,重點(diǎn)考慮性別、年齡、月收入3個(gè)變量因素。

多項(xiàng)Logit(multinomial Logit, MNL)模型是非集計(jì)模型中使用最為廣泛的模型之一,能夠描述多個(gè)方案的選擇概率。對(duì)于辦公建筑的出行者而言,其出行目的是固定的,當(dāng)外界因素改變時(shí),出行者的行為選擇可以概況為3種:選擇配建停車(chē)場(chǎng)的小汽車(chē)出行P1、選擇其他停車(chē)場(chǎng)的小汽車(chē)出行P2、選擇軌道交通出行P3,出行者做出某一選擇的概率為

(10)

式(10)中:Pab為出行者b選擇第a方案的概率;Vab為出行者b選擇第a方案效用值確定項(xiàng);Vcb為出行者b選擇其他方案效用值確定項(xiàng);Ab為出行者b各類(lèi)出行方案選擇的概率集。

2.2 TOD綜合指數(shù)對(duì)配建指標(biāo)影響計(jì)算

辦公建筑配建停車(chē)指標(biāo)數(shù)值制定,對(duì)于某一類(lèi)別軌道交通站點(diǎn)影響區(qū)的辦公建筑,會(huì)構(gòu)建一類(lèi)出行方式選擇模型,步行距離變化時(shí),出行者選擇軌道交通出行的概率會(huì)發(fā)生變化,相應(yīng)地也會(huì)改變選擇配建停車(chē)場(chǎng)的小汽車(chē)出行比例。采用步行距離變化前后選擇配建停車(chē)場(chǎng)的小汽車(chē)出行比例的變化率來(lái)表示折減比例,具體模型構(gòu)成過(guò)程如下。

步驟1選擇評(píng)價(jià)指標(biāo),構(gòu)建“節(jié)點(diǎn)-場(chǎng)所-聯(lián)系”模型。

步驟2利用“熵權(quán)-模糊”法對(duì)指標(biāo)進(jìn)行賦權(quán),建立綜合評(píng)價(jià)模型,計(jì)算軌道站點(diǎn)綜合發(fā)展指數(shù)。

步驟3依據(jù)計(jì)算的綜合發(fā)展指數(shù),針對(duì)每一類(lèi)別軌道站點(diǎn)影響區(qū)的辦公建筑及選擇影響因素,構(gòu)建出行方式選擇模型。

步驟4改變步行距離,計(jì)算出行者選擇軌道交通出行的概率。采用步行距離變化前后選擇配建停車(chē)場(chǎng)的小汽車(chē)出行比例的變化率來(lái)表示配建指標(biāo)數(shù)值的變化幅度,其計(jì)算公式為

(11)

3 南京市停車(chē)配建指標(biāo)修訂實(shí)例應(yīng)用

3.1 研究數(shù)據(jù)情況介紹

至2022年初,南京地鐵全長(zhǎng)427.1 km,全年客運(yùn)量達(dá)12.78億人次。所用數(shù)據(jù)包含如下4個(gè)方面。

(1)基于手機(jī)信令數(shù)據(jù)繪制的熱力圖數(shù)據(jù),其原理是通過(guò)網(wǎng)絡(luò)運(yùn)營(yíng)商的無(wú)線通信網(wǎng)絡(luò)獲取移動(dòng)終端的位置信息,以反映人口的移動(dòng)與聚集情況。

(2)從百度地圖、Walk Score 網(wǎng)站獲取的空間數(shù)據(jù)和基于Python的網(wǎng)絡(luò)爬蟲(chóng)API數(shù)據(jù)。

(3)南京市軌道交通站點(diǎn)及相關(guān)數(shù)據(jù),來(lái)源于研究項(xiàng)目《南京市軌道交通線網(wǎng)規(guī)劃修編》。

(4)南京市軌道交通站點(diǎn)周邊辦公建筑停車(chē)及出行數(shù)據(jù),來(lái)源于《南京市建筑物配建停車(chē)設(shè)施設(shè)置標(biāo)準(zhǔn)與準(zhǔn)則》項(xiàng)目研究過(guò)程中的停車(chē)基礎(chǔ)數(shù)據(jù)調(diào)查。

3.2 南京停車(chē)分區(qū)TOD綜合指數(shù)計(jì)算

南京根據(jù)用地發(fā)展和交通條件,將全市劃分為3個(gè)不同的停車(chē)分區(qū)。

停車(chē)分區(qū)的影響因素與分區(qū)概況分別如表2及圖1所示,不同的區(qū)域采用差別化的建筑物停車(chē)配建指標(biāo)數(shù)值。

圖1 南京停車(chē)政策分區(qū)圖Fig.1 Nanjing parking policy zoning map

表2 停車(chē)分區(qū)的影響因素Table 2 Influencing factors of different parking zones

從軌道站點(diǎn)服務(wù)范圍來(lái)看,多按行人步行10 min(800～1 500 m的半徑)的距離劃定軌道交通站點(diǎn)核心區(qū)范圍。參考殷悅等[19]提出的南京市軌道交通站點(diǎn)的影響區(qū)應(yīng)當(dāng)是以1 km半徑范圍,以軌道站點(diǎn)1 km半徑范圍內(nèi)的區(qū)域作為軌道交通的站點(diǎn)影響區(qū)。從節(jié)點(diǎn)、場(chǎng)所、聚類(lèi)3個(gè)維度對(duì)南京市軌道交通站點(diǎn)進(jìn)行TOD綜合指數(shù)計(jì)算,結(jié)果如圖2所示?？傮w而言,繞城路以內(nèi)的老城區(qū)站點(diǎn)綜合指數(shù)水平較高,有多條軌道交通線路服務(wù),站點(diǎn)服務(wù)能力強(qiáng),新街口站、大行宮站、三山街站等站點(diǎn)周邊地區(qū)土地類(lèi)型豐富,信息熵較低。江寧區(qū)、浦口區(qū)等外圍地區(qū)的站點(diǎn)綜合測(cè)度水平呈現(xiàn)遞減態(tài)勢(shì),主要是外圍站點(diǎn)服務(wù)能力較弱,且土地類(lèi)型相對(duì)單一,如天潤(rùn)城站周邊用地基本為住宅用地,南京交院站周邊用地以學(xué)校為主。但棲霞仙林中心、江寧百家湖地區(qū)存在綜合測(cè)度次高的站點(diǎn),表明軌道交通有力推動(dòng)地區(qū)發(fā)展。

圖2 TOD綜合指數(shù)圖Fig.2 Map of TOD comprehensive index

3.3 停車(chē)分區(qū)的建筑出行行為選擇模型

針對(duì)停車(chē)分區(qū)的一類(lèi)區(qū)、二類(lèi)區(qū)、三區(qū)分別選取了新街口站、花神廟站、星火路站3個(gè)典型站點(diǎn),對(duì)每個(gè)典型站點(diǎn)周邊的辦公建筑開(kāi)展出行行為調(diào)查,每個(gè)站點(diǎn)各發(fā)放250余份問(wèn)卷,采用實(shí)際調(diào)研(RP)和意向調(diào)研(SP)相結(jié)合的綜合調(diào)研方法,調(diào)研內(nèi)容主要包括以下4個(gè)部分:社會(huì)經(jīng)濟(jì)屬性,包括居民的年齡X1、性別X2、月收入X3;私家車(chē)出行信息,包括居民的停車(chē)費(fèi)用X4、出行時(shí)長(zhǎng)X5、燃油費(fèi)用X6;軌道交通出行信息,包括步行距離X7、票價(jià)X8、出行時(shí)間X9。出行選擇意向信息,調(diào)研步行距離每增加100 m時(shí),居民的停車(chē)選擇意向。

3.3.1 一類(lèi)區(qū):新街口站

站點(diǎn)的主要特征是位于城市的核心區(qū),軌道交通容量高、人口活力及土地協(xié)同利用程度高,計(jì)算TOD綜合指數(shù)高。研究新街口站共發(fā)放問(wèn)卷251份,共回收有效問(wèn)卷208份,有效回收率為82.9%。在對(duì)問(wèn)卷調(diào)查數(shù)據(jù)進(jìn)行量化處理后,進(jìn)行出行行為選擇模型的參數(shù)標(biāo)定,標(biāo)定結(jié)果如表3所示。

表3 參數(shù)標(biāo)定結(jié)果Table 3 Results of parameter calibration

模型標(biāo)定結(jié)果中,模型的似然對(duì)數(shù)值(Log likelihood)為-72.14,似然比檢驗(yàn)統(tǒng)計(jì)量LR chi2為61.09,對(duì)應(yīng)P值為0,說(shuō)明模型顯著;模型的擬合優(yōu)度PseudoR2為0.697 5,表示模型擬合效果較好。于是,此類(lèi)站點(diǎn)周邊辦公建筑的選擇配建停車(chē)場(chǎng)的小汽車(chē)出行概率為

2.328X4-0.249X5+1.041X6-

0.992X7-0.57X8-0.19X9;

1.966X4-0.223X5+0.811X6-

1.19X7-0.673X8-0.182X9。

3.3.2 二類(lèi)區(qū):花神廟站

站點(diǎn)的主要特征是TOD綜合指數(shù)水平適中,一般位于城市核心區(qū)外,公共交通水平、人口活力與土地協(xié)同利用程度適中,仍有一定發(fā)展空間。研究在明發(fā)廣場(chǎng)站共發(fā)放問(wèn)卷約250份,共計(jì)回收有效問(wèn)卷201份,有效回收率為80.4%。對(duì)問(wèn)卷調(diào)查數(shù)據(jù)進(jìn)行量化處理后,確定此類(lèi)站點(diǎn)周邊辦公建筑的選擇配建停車(chē)場(chǎng)的小汽車(chē)出行概率為

3.549X4+1.917X5+0.326X6-

0.983X7-1.527X8-2.253X9;

4.469X4+2.7X5+0.406X6-

0.656X7-1.779X8-1.584X9。

3.3.3 三類(lèi)區(qū):星火路站

站點(diǎn)位于城市外圍地區(qū),主要特征是,公共交通水平、人口活力、土地利用程度均較低,因此TOD綜合指數(shù)水平較低。星火路站共發(fā)放問(wèn)卷約250份,共計(jì)回收有效問(wèn)卷199份,有效回收率為79.6%,對(duì)問(wèn)卷調(diào)查數(shù)據(jù)進(jìn)行量化處理后,對(duì)出行行為選擇模型的參數(shù)標(biāo)定。此類(lèi)站點(diǎn)周邊辦公建筑的選擇配建停車(chē)場(chǎng)的小汽車(chē)出行概率為

3.109X7-0.672X8-0.704X9;

8.09X7-1.756X8-1.861X9。

3.4 辦公建筑配建停車(chē)指標(biāo)折減

根據(jù)上述三類(lèi)軌道交通站點(diǎn)構(gòu)建的模型,不同步行距離下,出行者選擇辦公建筑配建停車(chē)場(chǎng)小汽車(chē)出行分擔(dān)率的變化曲線,如圖3所示。

圖3 基于步行距離的小汽車(chē)出行率變化曲線Fig.3 Ratio of private car usage based on walking distance

將上述結(jié)果代入所構(gòu)建的辦公建筑配建停車(chē)指標(biāo)幅度變化計(jì)算流程,計(jì)算得到不同停車(chē)分區(qū)的軌道站點(diǎn)影響周邊辦公建筑,不同步行距離下的配建停車(chē)指標(biāo)折減數(shù)值,如表4所示。

表4 辦公建筑配建停車(chē)指標(biāo)折減數(shù)值Table 4 Reduction ratios of parking indicators for office building construction

從停車(chē)需求的數(shù)值變化趨勢(shì)可以看出,站點(diǎn)周邊的辦公建筑停車(chē)配建折減數(shù)值均隨著步行距離增加而逐漸降低,降低程度逐漸減少。相同步行距離下,軌道站點(diǎn)的TOD綜合指數(shù)越高,折減數(shù)值越大,即一類(lèi)區(qū)>二類(lèi)區(qū)>三類(lèi)區(qū)。對(duì)于二類(lèi)區(qū)站點(diǎn),步行距離在400 m以內(nèi)的辦公建筑停車(chē)配建指標(biāo)折減數(shù)值與距離的敏感性較弱,其值變化不大。在400～700 m的范圍內(nèi),停車(chē)配建指標(biāo)大約以4%幅度降低。超過(guò)700 m后,對(duì)于距離的敏感性變強(qiáng),每增加100 m停車(chē)配建折減數(shù)值降低了約7%。 對(duì)于三類(lèi)區(qū)站點(diǎn),步行距離在400 m以內(nèi)辦公建筑停車(chē)配建指標(biāo)折減數(shù)值與距離的敏感性較弱,停車(chē)配建指標(biāo)折減數(shù)值變化較小。

3.5 軌道站點(diǎn)TOD配建指標(biāo)折減數(shù)值政策

南京市停車(chē)配建指標(biāo)在停車(chē)分區(qū)的配建指標(biāo)差異化研究基礎(chǔ)上,綜合考慮實(shí)際項(xiàng)目建設(shè)方案審批中的經(jīng)驗(yàn)與實(shí)際可操作性以及前后政策銜接的平穩(wěn)性,增加了不同類(lèi)別軌道站點(diǎn)及不同距離影響下的停車(chē)配建指標(biāo)的折減數(shù)值的管理規(guī)定。在《南京市建筑物配建停車(chē)設(shè)施設(shè)置標(biāo)準(zhǔn)與準(zhǔn)則》中第18條明確提出:一類(lèi)區(qū)內(nèi)50%以上的用地面積在距離建成或規(guī)劃軌道站出入口100 m和300 m范圍內(nèi)公共建筑,可分別相應(yīng)減少20%、10%的停車(chē)泊位配置;二類(lèi)區(qū)內(nèi)50%以上的用地面積在距離建成或規(guī)劃軌道站出入口100 m范圍內(nèi)公共建筑,可減少10%的停車(chē)泊位配置。

4 結(jié)論

針對(duì)當(dāng)前TOD建筑停車(chē)配建指標(biāo)對(duì)軌道站點(diǎn)能級(jí)、距離和銜接條件等考慮不足而采用均質(zhì)化折減系數(shù)的問(wèn)題,在傳統(tǒng)的軌道站點(diǎn)“節(jié)點(diǎn)-場(chǎng)所”模型基礎(chǔ)上,引入“聯(lián)系”維度評(píng)價(jià)以系統(tǒng)刻畫(huà)出行者從軌道交通站點(diǎn)到達(dá)周邊建筑的交通銜接轉(zhuǎn)換過(guò)程的影響,構(gòu)建了TOD綜合指數(shù)模型,提出了軌道站點(diǎn)TOD綜合指數(shù)對(duì)周邊建筑停車(chē)配建指標(biāo)影響計(jì)算方法,并在《南京市建筑物配建停車(chē)設(shè)施設(shè)置標(biāo)準(zhǔn)與準(zhǔn)則》的政策研究中進(jìn)行了實(shí)際應(yīng)用。研究主要得出如下結(jié)論。

(1)不同能級(jí)軌道站點(diǎn)、交通銜接條件及出行距離等影響要素與停車(chē)配建規(guī)模之間存在動(dòng)態(tài)關(guān)聯(lián)關(guān)系。

(2)構(gòu)建的TOD綜合指數(shù)模型,可以更有效反映不同的軌道站點(diǎn)類(lèi)別、交通銜接條件、出行距離對(duì)停車(chē)需求變化的影響機(jī)理。

(3)基于三維度TOD綜合指數(shù)模型的停車(chē)配建指標(biāo)計(jì)算方法,可用于城市軌道樞紐周邊建筑停車(chē)配建指標(biāo)數(shù)值的優(yōu)化,有效提升建設(shè)方案的工程經(jīng)濟(jì)性。

研究方法和結(jié)論可以為制定城市軌道站點(diǎn)TOD建筑的停車(chē)配建指標(biāo)折減政策提供理論支撐,有利于進(jìn)一步合理配置城市空間資源、緩解城市交通擁堵、引導(dǎo)綠色低碳出行。