基于绿色出行的城市街区影响机理及布局模式研究

Original 2018-01-23 郭亮黄博等 规划师杂志

欢迎点击以上蓝色字体

关注规划师杂志

华中科技大学建筑与城市规划学院城市规划系副教授郭亮，长沙市规划勘测设计研究院规划师黄博，武汉市交通发展战略研究院工程师王冠在《规划师》2017年第10期撰文，指出日益严重的交通拥堵已经成为长久以来困扰我国大中城市健康发展的问题之一，虽然许多城市推行了绿色交通理念，但是实践表明绿色出行的普及仍旧困难重重。为了更好地把握绿色出行的内在规律，文章选取了武汉市8个典型街区作为样本，从城市中微观的视角展开调查，通过建立街区出行的逻辑回归模型，研究个体和街区要素对人们出行选择的影响机理，把握多类型街区的出行主导要素，最终构建了5种出行环境布局模式，把影响机理反馈到规划管理层面，提出优化环境的具体策略和量化指标。

[ 关键词]绿色出行；街区；影响机理；模式优化；武汉市

[文章编号]1006-0022(2017)10-0115-08　

[中图分类号]TU984　

[文献标识码]B

[引文格式]郭亮，黄博，王冠．基于绿色出行的城市街区影响机理及布局模式研究[J]．规划师，2017(10)：115-122．

一

研究综述

鉴于绿色出行方式对城市可持续发展的促进作用，许多学者从出行行为特征及其变化规律着手研究出行的基本规律，探讨出行选择机制。20世纪末以来，关于城市规模尺度、建设密度和用地混合度等城市物质空间环境对绿色出行影响的研究开始增多，主要集中在影响机制和模式策略两方面。一般认为，建设密度与绿色出行存在潜在关联，密度越高越有利于实现绿色节能减排，但有一些学者认为这种影响微乎其微。高建筑密度、多样的用地混合及较高的公交服务水平有利于公共交通出行选择；城市规模、街区路网形式与密度也是影响出行的要素。此外，部分学者认为交通管理组织也对出行有重要影响。

但由于研究视角的差异，现有研究对城市街区的出行选择影响机理、在中微观层面的分类型街区优化机制，以及街区空间环境组织层面的量化研究较少。为弥补现有研究的不足，本文就城市街区环境要素对绿色出行选择的影响机理和可量化的多类型街区布局模式优化做了进一步研究。

二

调研组织

（一）调研街区

36 41381 36 15231 0 0 2978 0 0:00:13 0:00:05 0:00:08 3096section>

城市街区一般是指由周边街道围合而成的区域，单边街道界面长 200 ～600m不等，具有清晰的沿街界面、完整的内部功能和共享的公共服务设施等特征。作为城镇居民生活的基本单元，城市街区边界明确，可以较完整地反映用地布局和设施配置情况，容易建立起用地、交通设施等要素与街区范围内居民出行之间的动态关系，具有极大的经济、社会、环境研究意义。为深入研究不同类型街区居民的出行差异，笔者根据不同的城市区位和用地性质，选取了武汉市具有典型代表性的 8 个街区进行调研 ( 表 1，图 1)。调研共发放问卷1138 份，回收有效问卷 1120 份，最终选出符合要求的样本 1026 份。

（二）调研数据

为系统了解街区居民出行选择的影响机理，研究从出行者的个体社会经济属性、个体交通特征及街区的空间环境属性这三个方面采集数据，为影响要素的提炼构建基础信息数据库。其中，反映个体社会经济属性和个体交通特征的要素统称为个体要素，街区的空间环境属性要素则简称为街区要素。

(1) 个体社会经济属性。个体社会经济属性反映了人们的出行偏好和经济能力，构成了调查对象重要的主观决策背景。调查项目包括年龄、性别、是否为常住人口、职业性质和月收入等。

(2) 个体交通特征。个体交通特征并不是出行个体的本质属性，但却是一个重要的控制变量。在明确出行距离的前提下，人们采用何种出行方式取决于经济和时间成本及交通条件。调查项目包括出行时耗、出行距离、交通工具拥有量和驾驶资质等。

(3) 空间环境属性。空间环境属性是人们出行选择的客观物质载体，也是布局模式优化的主体对象。调查项目包括城市区位、用地混合度、开发强度、人口密度、道路网密度和面积率、公交线网密度、公交站点数及途径线路数、轨道交通站点情况、停车位密度、房价、交通管理组织等。

三

街区出行方式选择的逻辑回归模型

（一）模型原理

研究选取的出行方式主要是步行、自行车、公共交通、轻型机动车和小汽车交通。由于因变量为两个以上的类别变量，因此在建立出行选择的模型时，选取多项逻辑回归模型(MultinomialLogistic Regression Model)进行模拟。回归模型如下：

公式 (1)

其中，Ln(Pj/Pj)为两种方式选择优势的自然对数值；B为检验统计参数值，X为自变量，J为参考类别；j为因变量类别，j=1,2,3,…，J-1；i为自变量样本数。

（二）模拟成果

基于不同的样本数据，模拟成果可以分解为两大部分——基于全样本的逻辑回归总体模型(以下简称“总体模型”)和基于特定条件样本的逻辑回归子模型(以下简称“子模型”)。

(1)总体模型。总体模型的构建分为两个步骤，一是将个体要素整体代入模型，二是将街区要素分别引入模型。这样做的目的是通过个体要素构建模型的基础，再一一甄别街区要素的影响程度。

首先，将个体要素引入回归模型之中，得到参数估计值 ( 表 2)，分析表 2的数据发现：①出行距离在步行、自行车、轻型机动车与小汽车交通的对比中显著性均小于0.05，有显著差异。②与小汽车交通相比，其他交通方式 ( 除公共交通外)的选择受出行距离影响显著，这说明每种交通方式适用于不同的出行距离。③中低收入(月收入4000元以下)的人群选择非小汽车交通出行的概率较高，说明小汽车出行仍旧有一定的经济门槛。④拥有汽车驾照的人群选择小汽车交通出行的概率较高。⑤年龄越大，选择小汽车交通而非步行和公共交通出行的概率越高。

其次，将街区要素一一引入模型，通过观察参数估计值，最终发现：①人口密度、开发强度和平均房价越高，则经济活动越集中、交通出行越频繁，采用方便快捷的小汽车交通出行的几率就越高。②道路网密度越高，意味着有更多的交叉口和出行线路选择，这在一定程度上为小汽车交通的出行提供了方便。③道路面积率分为两种情况，一是高密度窄路幅的道路，二是低密度宽路幅的道路，前者不利于公共交通的通行，但有利于步行和自行车出行，而后者有利于公共交通的通行，同时对慢行交通的发展有促进作用。④公交线网密度体现的是公共交通的分布情况，密度越高说明覆盖范围越广，对公共交通和慢行出行越有利。⑤停车位的供给越充裕越有利于小汽车的出行。

(2) 子模型。子模型是通过限定总体模型中卡方值较大的要素——出行距离而得到的，其目的是通过限定不同的出行距离，了解特殊情境下街区要素影响力的变化。通过观察样本，划定步行、自行车和轻型机动车出行的一般可承受距离分别为2.5km、7.5km和20km，并获得3个子模型。

在 2.5km 短距离子模型中，将步行与小汽车交通、轻型机动车进行比较时，个体要素中“出行距离”的卡方值分别由154.527、131.869下降到3.216、27.988(表3)，符合子模型的设计预期。但将街区要素引入子模型进行模拟后，笔者发现各参数对步行出行的解释力被削弱，子模型中无显著性街区要素存在。

在 7.5km 短距离子模型中，将自行车与小汽车交通、轻型机动车进行比较时，除出行距离外，其他个体要素的影响力并无质变。对比街区要素的各参数，研究得到新的结论：①近郊的居民比远郊的居民更倾向于选择小汽车交通而非自行车出行；②公交站点数越多，选择小汽车交通而非自行车出行的人越多；③人口密度越高，越多人选择轻型机动车而非自行车出行。

在20km长距离子模型中，将公共交通与轻型机动车进行比较时，同样无新增显著影响要素及结论。

综合上述，在出行距离子模型中，街区要素对出行的影响并没有如预期中显著提高，尚未形成有力的质变性结论。笔者认为少数新增的显著要素及结论随机性强，这可能与街区样本数量不多，受调查对象的个体属性干扰大有关。在后续的研究中需要增加街区样本数，并且要排除个体属性的干扰。

（三）机理分析

基于城市街区出行的逻辑回归模型，笔者对影响绿色出行 ( 步行、自行车和公共交通 )的显著要素及其正负相关性进行了总结，具体如表4所示。

四

多类型街区主导要素和布局模式构建

（一）多类型街区的划分

研究将城市用地中的居住、商业服务业、行政办公、教育科研、交通场站、工业仓储六大类用地确认为交通产生的出发点和吸引点。同时，根据每个街区与出行紧密相关的用地占总用地面积的比重，结合聚类分析方法，将8个调研街区划分为商务主导型街区(C街区)、居住主导型街区(D街区)、工业主导型街区(H街区)及商住混合型街区(A、B、E、F、G街区)(图2)。

（二）多类型街区出行差异选择

基于出行方式对各街区进行多项逻辑回归分析，得到以下结论：①商住混合型街区的出行有极大分异，A、F 街区的公共交通出行率较高，小汽车交通出行率较低；G 街区小汽车交通出行率显著较高，公共交通出行率较低。②商务主导型街区的公共交通出行率较高，自行车、步行和小汽车交通出行率较低。③居住主导型街区的公共交通和小汽车交通出行率都较高，轻型机动车和步行出行率较低。④工业主导型街区的步行出行率较高，公共交通出行率较低。

（三）多类型街区出行主导要素提炼

基于逻辑回归模型的基本结论和各街区的出行特征，研究提炼出影响出行的主导街区要素(表5)。

（四）多类型街区布局模式构建

(1) 出行环境模式指标量化。研究结合路网特征和出行选择差异，将4类街区划分成5种布局模式，其中商住混合型街区有两种(图3)，并根据调研街区的环境特征，最终提炼出每种布局模式的用地构成、道路系统结构和公共交通的量化指标(表6)。

(2) 不同环境模式下的出行特征。研究根据指标评价值，结合逻辑回归模型的基本结论，模拟了不同布局模式下的居民出行情况，发现：小街廓商住混合型街区因道路网密度较高、交通管理组织不力，导致街区小汽车出行比重较高，公共交通发展空间受挤压；大街廓商住混合型街区因用地混合度较高，公共交通服务水平较好，公共交通出行比重较高，但因发展空间不足，存在停车难和非机动车出行环境较差等问题；商务主导型、居住主导型和工业主导型街区虽然用地构成都较单一，道路网密度都相对较低，但是因管理模式差异、公共交通服务水平不一和出行性质的差异，表现出不一样的出行特征。

五

多类型街区布局模式优化策略

（一）小街廓商住混合型街区布局模式优化

小街廓商住混合型街区的优化目标是解决在高密度窄路幅路网的情况下，公交线路和站点安排的难题，提升公共交通出行比重，抑制小汽车出行。优化策略包括：①组织单向交通，提升道路通行能力；实行拥堵收费，控制交通流量。单向交通能通过限制交叉口转向有效减少交叉口冲突点，从而改善交通拥堵状况。但是仅扩大道路供给只会诱发更多机动车交通，因此可以在高峰时段对拥堵地段收取拥堵费，控制拥堵多发区的机动车数量。②发展支路小公交，设置简易公交站点、公交专用道。选用车型更灵便的常规公交车作为窄路幅地区的公交车车型，以有效提高支路公交线网的覆盖密度。在公交站点的安排上，通过调整上下客的位置，直接利用街区道路作为人流集散的空间，而不用过度依赖公交港湾，减少公交站点设置难度。同时，通过设立高峰期公交专用道来保障公共交通的路权。③设立轨道交通站点，鼓励轨道交通出行。在人流活动集中的地区，当地面建设条件受限时，轨道交通能有效地解决拥堵问题。

优化后的小街廓商住混合型街区在用地和道路结构方面基本没有调整，公交线网密度提升到 5 ～ 7km/km 2 ，在公共交通系统中增设了轨道交通站点，分担常规公交的出行压力；设立了灵活的小规模立体停车库(图4)。

（二）大街廓商住混合型街区布局模式优化

大街廓商住混合型街区需重点优化自行车出行环境，提升自行车出行比重，控制小汽车出行。优化策略包括：①发展立体停车，鼓励停车空间共享。为改善占道停车现象，应积极改造、利用街区内散落空间，发展小型塔式立体停车库；开放和共享停车库，实现停车空间的最大化利用。②设立非机动车专用道。非机动车专用道作为机动车和步行交通间的缓冲区，能有效减少机动车对人出行安全的威胁，在保障自行车路权的同时提高步行空间品质。③结合公共交通站点设立小型换乘停车场。在公共交通站点 ( 尤其是轨道交通站点 ) 附近设立小型的换乘停车场，鼓励自行车和大运量公共交通间的换乘。

优化后的大街廓商住混合型街区用地基本保持了原有混合度，道路网密度提升到8～12km/km 2 ，且布置了非机动车专用道；设立了非机动车小型换乘处，并积极开发立体停车空间(图5)。

（三）商务主导型街区布局模式优化

商务主导型街区应重点优化慢行环境，鼓励自行车出行；优化公共交通出行环境，控制小汽车交通出行。优化策略包括：①调整周边居住用地的住房供应结构。商务主导型街区发展前景良好，即便位于城郊，周边房价仍很高，往往导致长距离通勤。因此，可通过宏观层面的控制，确保周边经济适用房的建设比例，鼓励小户型住宅的开发，推动通勤人员就近居住，促进职住平衡。②设立公共交通枢纽，建设P+R模式。商务主导型街区是主要的通勤出行到达点，高强度的开发必然导致人流的集中。为了分担出行人流，需引入轨道交通或公共交通枢纽等综合型交通站点，结合停车换乘设施应对交通需求的增长。③调整停车收费，设立非机动车专用道。利用停车收费的杠杆作用，管理、规范占道停车的行为，并通过设立专门的非机动车专用道，引导自行车出行。优化后的商务主导型街区用地混合度提升至0.6～0.8，增加了居住用地；道路网密度提升到8～10km/km 2 ；增设了公交站点和公交线路，将站点间距控制在400～600m，公交线路网密度提升至 4 ～ 5km/km 2 。此外，在条件允许的情况下可增设轨道交通站点，并布置P+R停车换乘场地(图6)。

（四）居住主导型街区布局模式优化

居住主导型街区应重点优化用地和道路环境，缩短通勤出行距离；改善慢行出行环境，控制小汽车出行。优化策略包括：①调整用地混合度。郊区功能单一的大型住区必然导致长距离通勤的存在，调整用地混合度是实现职住平衡的有效措施。②建设开放住区。开放住区可以使商业、办公功能渗透进来，同时将住区的主要道路纳入城市支路系统，通过引入公共交通，大大提高公共交通可达性。③ P+R 模式构建。引入P+R停车换乘模式，在轨道交通站点附近设立换乘停车场，方便小汽车和其他私人交通工具的停放，以鼓励居民选择大运量的公共交通出行，减小市中心的交通压力。

优化后的居住主导型街区用地混合度提升到了 0.8 ～ 1.0，增加了商业零售用地和办公用地等；取消了住区院墙，将商业功能沿支路引入住区，并布置公交站，将站点间距控制在400～600m；增加了支路，道路网密度提升到 8 ～10km/km 2 ，公交线网密度控制在6～8km/km 2 (图7)。

（五）工业主导型街区布局模式优化

工业主导型街区应重点优化公共交通和自行车出行环境，提升绿色交通出行比重。优化策略包括：①优化公共交通站点和线路安排。该类型街区是主要的通勤出行到达点，根据道路建设条件合理增加公共交通线网密度、线路数量和站点数量，可以有效提高公共交通的出行率。②保证用地的适度混合，增加小户型住房的供应。工业主导型街区周边房价低，职住基本达到平衡，步行出行率也较高。要进一步促进职住平衡，除了保证适宜的用地混合度，还要改良周边居住户型的供应结构，扩大小户型住房的建设比例。③结合公共交通站点设立小型换乘停车场。在公共交通站点附近设立换乘停车场，鼓励自行车和大运量公共交通的换乘。

优化后的工业主导型街区用地混合度提升至 0.5 ～ 0.8，增加了居住用地和少量的商业用地；道路网密度提升到8～10 km/km 2 ；设立了非机动车专用道；增加了公共交通站点数量，站点间距控制在400～600m，公交线路网密度提升到4～5km/km 2 (图8)。

六

结语

城市是一个复杂巨系统，城市居民的出行选择受到多种要素影响。为促进城市街区绿色交通理念的发展与实践，笔者对影响出行的要素进行了系统的调查与梳理，并建立了基于绿色出行的逻辑回归模型，对城市街区绿色出行的影响机理进行了有益探索，同时构建了不同类型街区的出行环境模式，并对其环境优化进行了分类指导。但是受限于样本数量和基础数据的质量，在出行影响机理的研究中，部分预期的研究结论并未能达到预期目标，使多类型街区出行环境模式的提炼受制于现有的典型样本，其广泛代表性仍有待加强。笔者对中微观尺度的街区环境建设提出了新的思考，在进一步的研究中，需通过搜集更广泛多样的街区样本数据，得出更具普适性的研究成果，深入推进城市街区的绿色出行实践。