建成环境因素如何影响交通行为：空间分析方法论的探讨

By 林雄斌 on 2016年7月10日

编者按：对于建成环境（Built Environment）对交通行为的影响，大部分现有文献都指出，土地混合使用、紧凑型的城市布局能带来更短的机动车出行距离（vehicle miles travelled, VMT），从而降低城市能源消耗和“碳排放”。然而，也有一部分文献的实证结果表明：建成环境对居民交通行为的影响甚微。为什么很多研究都采用了科学的方法，但得出来的结论却很不一致？不同的研究方法或模型是否可能导致了这些结论的差异？
原文分为两个部分。第一部分探讨了“建成环境—交通行为”研究中的4种方法论问题：自选择（self-selection）、空间自相关（spatial autocorrelation）、出行链依赖性（inter-trip dependency）和地理尺度（geographic scale）。在文献综述的基础上，作者探讨如何更好地理解不同方法对研究结果可能产生的影响，并且通过有效地应对这些方法论问题，重新检验建成环境与交通行为的关系。第二部分为实证部分，采用西雅图都市区2006年居民出行调查数据和2005年地块和建筑数据，将应对这4种方法论问题的不同措施同时纳入研究框架中，以重新检验建成环境因素如何影响交通出行。限于篇幅，仅对第一部分内容做了比较详细的论述，简要介绍了第二部分的实证结果。

文献来源：Jinhyun HONG, Qing SHEN, Lei ZHANG. How do built-environment factors affect travel behavior? A spatial analysis at different geographic scales. Transportation, 2014, 41(3): pp. 419-440.

建成环境与交通行为的方法论问题

考虑到土地利用和交通行为关系对制定公共政策的重要性，城市交通研究者已经对这两者的关系进行大量实证。并且，不少研究从更加广泛的环境与社会影响的视角来审视这种关系，包括当前对交通系统和气候变化的关注。降低交通系统对环境的负面影响变得日益重要。与汽油税或拥堵税等其它政策工具相比，土地利用规划由于能架构影响居民活动的城市空间布局，而成为降低这种负面环境影响的重要且长期性的措施。尤其是高密度、紧凑和混合的用地布局被广泛认为是提高公交和非机动交通利用率，降低小汽车依赖性，进而降低小汽车出行距离的重要措施。

然而，现有建成环境和交通行为关系的实证结果存在较大的争议，对于这种关系的理解仍然需要更加深入的研究。例如，一项在圣迭戈的研究发现了土地利用与出行速度、出行距离的显著关系，但相似的研究在洛杉矶却没有发现类似结果；有的研究引入工具变量来解决自选择问题，但发现土地利用对非工作出行的影响很小。而同时，大量的研究证实了多种建成环境因素对交通模式选择、交通生成量和机动车出行的高度显著关系。一些结果也很支持新城市主义的发展理念，即通过发展更加紧凑和混合使用的建成环境，来改变居民的出行行为，从而降低机动车大量使用的负面影响。鉴于这种不一致的实证结果，有必要研究这种差别的成因。一些研究结论的差异可能是所采用不同方法、数据和地理尺度的副产品。此外，若干更加复杂的方法论问题（如自选择、空间自相关等），也造成了实证结果的差异。现有研究已经采取措施来应对某一个方法上的问题，但缺乏对不同方法问题的综合考虑。因此，本文的目的是更好地理解不同方法对实证结果可能产生的影响，并且将应对不同研究方法问题的一系列措施同时纳入一个研究框架中，重新检验建成环境因素和交通出行的关系。

在研究文献综述的基础上，作者提出4种可能导致不同研究结论的方法论问题：自选择（Self-selection）、空间自相关（Spatial autocorrelation）、出行链依赖性（Inter-trip dependency）和地理尺度（Geographic scale）。

自选择（self-selection）

大量的研究尝试去验证新城市主义发展理念的效果，然而，多数研究并没有发现不同特征的居住区和居民小汽车使用的因果关联性。考虑到土地利用规划实施的巨大成本和预期收益，非常有必要深入理解建成环境和出行行为之间的内在因果关系，而不仅仅是观察实证结果的相关性。因果关系需要满足4个条件：相关性、时间顺序、真实关系、因果机制。即这种原因和结果必须有统计意义上显著的相关性，且时序上先因后果，此外，这种相关性并非虚假的。由于多数研究采用截面（cross-sectional）数据，这难以厘清相关变量的时间顺序。另外，如果忽视了居民对待不同交通出行的态度因素，居住区选择和交通行为显示的相关性可能只是表面的。

自选择是指居民按照自己的喜好选择居住区，这种结果不是随机分布的。在这种情形下，建立回归模型去研究建成环境与居民行为的关系时容易产生偏差。例如，在土地利用—交通选择的分析中，有些居民本身就非常倾向于使用公交而非小汽车出行，因此他们倾向于选择公交服务很好的居住区。换言之，这些居民自身对不同交通模式的态度使得他们选择了方便使用公交和较少使用机动车的居住区；这难以界定建成环境在多大程度上降低了小汽车出行。因此，忽视了自选择行为，则容易导致土地利用对交通影响的估计偏差。一些研究将众多社会经济因素纳入回归模型中来解决自选择问题，但控制了自选择效应后，某些建成环境因素对出行的影响变得不显著。

拓展阅读：降低自选择效应的方法
Mokhtarian和Cao（2008）发展了6类方法以降低自选择效应的影响：直接询问法（Direct questioning）；统计控制法（statistical control）；工具变量法（ IVs models）；样本选择模型（sample selection models）；联合模型（joint models），如离散选择或结构方程式模型；其他方法。不同处理自选择效应的方法具有特定的要求、特征和优缺点。
1）直接询问法：通过随机分配一个控制组，然后设计一个经典的前、后控制实验直接测度建成环境如何影响居民行为，从而降低自选择效应的影响。然而，这种方法通常受到研究成本和社会道德方面的约束。一个更加现实的方法是，通过纵向（longitudinal）研究设计，了解相同居民出行行为的变化。但多数情况下，这种思路的可行性也不高，因为多数都市区缺乏居民居住区位选择和交通行为的面板数据。
2）统计控制法：在研究中直接控制与居民出行态度相关的因素。在多数研究中，通常采用“降维”的思路进行数据处理（如因子分析），基于调查数据定义并提取与交通行为态度相关的因素，通过对这一类因素的控制来降低自选择的影响。但这一方法具有较高的数据收集成本。
3）工具变量法：增加建成环境因素的工具变量。这种方法的处理思路是，找到与土地利用相关但与交通态度不相关的变量，将这些变量作为工具变量代替建成环境因素，以获得更加客观的估计结果。这种方法的局限性在一些研究中已经被广泛讨论。
4）样本选择模型：一些研究通过样本选择方法，单独测度建成环境和自选择对交通出行的贡献，并通过控制组和实验组的对比，来理解因果关系。例如，在建成环境—交通联系的研究中，通过对比住在城市中心区和城市外围区的平均机动车出行距离（VMT），以估算建成环境的作用。在运用样本选择方法时，通常采用两种模型进行估计：Heckman选择模型和倾向指数匹配（propensity score matching）。
5）联合模型：一些研究建立居住区位选择和交通行为的联合模型来辨别未观测因素（如交通态度）的影响，例如Brownstone和Golob（2009）利用结构方程式模型，发现在控制一系列社会经济要素的情况下，居住在高密度的地区，居民会呈现更低的机动车出行距离。
6）其他方法：例如，准纵向分析（quasi-longitudinal analysis）。

【来源】
Mokhtarian, P.L., Cao, X.: Examining the impacts of residential self-selection on travel behavior: a focus on methodologies. Transp. Res. Part B, 2008, 42(3): 204–228.
Brownstone, David, and Thomas F. Golob. The impact of residential density on vehicle usage and energy consumption. Journal of Urban Economics 65.1 2009: 91-98.

空间自相关（spatial autocorrelation）

当地理相近的个体倾向于相似的行为特征时，回归分析中个体独立的假设不再满足，就需要考虑空间自相关的问题。空间自相关是地理研究中普遍存在的一个问题，是应用传统统计方法面临的一个主要挑战。在空间计量经济学（spatial econometrics）中，已经发展了多种方法来克服空间自相关问题。例如，建立空间距离矩阵来表征不同空间区位与其它区位的地理关系。并且，将这距离矩阵加入线性回归模型中，控制空间依赖性的影响。此外，社区之间的不同距离还可以用不同的方程形式来表达复杂的空间关系。多层模型（multilevel modeling）框架在相关分析中得到广泛应用。由于大多数空间数据被分配到不同的人口统计单元、交通分析小区、邮政编码区等空间单元中，同一个地理尺度上的因素在各个空间单元内很可能有一些相似的特征。多层模型在考虑空间自相关的背景下，能够估算在同一个地理尺度上的不同个体之间，以及不同地理尺度上的群组之间的系数，在土地利用——交通的研究中得到广泛使用。

出行链依赖性（inter-trip dependency）

采用非集聚（disaggregate）数据的交通行为研究，大多建立基于单个出行的模型。换言之，这些研究仅仅考虑了单个出行而忽视了交通出行链的影响。由于这种方法将出行链中的单个出行独立对待，在解释交通行为时没能有效地利用其它密切相关的信息。在研究中需要考虑整个出行链的影响，因为经常是这些出行的综合决定了居民的交通选择。为了识别出行链的影响，通常采用两种方法。第一，利用居民的社会人口信息和建成环境的定量测度来比较分析单个出行和整个出行；第二，根据出行目的或出行活动将出行链进行分类，然后比较分析各类出行链与建成环境的关系。

地理尺度（geographic scale）

可变面积单元问题（Modifiable areal unit problem）已经在地理研究中得到大量讨论。当数据在不同的空间尺度上进行度量时，研究结果会发生变化。大多数交通行为研究采用人口统计小区或交通分析小区作为基本的地理分析单元，取决于土地利用数据和交通调查数据用的是哪一个地理分析单元。不同的研究常常采用不同的地理分析单元。因此，直接比较它们所获得的研究结果并不可取。当在几种不同的尺度上测度建成环境的影响时，不同地理尺度的结果可能都有意义，因为土地利用规划政策会在不同的地理尺度上产生作用。但是，一些显著的作用可能仅在某些地理尺度上反映。

知识框：
可变面积单元问题（Modifiable areal unit problem）：空间分析研究的有效性决定于数据中的基本面积单元的性质和涵义，分析结果随基本面积单元定义的不同而发生变化的问题，简称MAUP。通常包含两个方法，①尺度效应（scale effect）：当空间数据经聚合而改变其面积大小时，分析结果也随之变化的现象；②划区效应（zoning effect）：在同一面积单元上，由数据不同的聚合方式（即划区方案）而引起分析结果的变化。

西雅图都市区的实证

实证研究发现，即使控制了居民出行态度和空间自相关，土地利用因素仍然显著影响机动车出行。具体为：①在社会属性方面，和之前的研究比较类似，所有社会属性因子显著影响VMT；对待公共交通的态度显著影响VMT，即支持公交的人，其平均机动出行距离较短；②在建成环境方面，居住区的密度、混合度、街道交叉口密度，对非上班出行的VMT有显著影响；非居住区的密度、距市中心距离与通勤VMT的关联度比较高；距离公交站点的距离，只是对非上班的出行有一定影响。

上述研究结果具有显著的规划意义：①建成环境对出行距离仍有显著影响；②合适的城市再开发和“职住平衡”能有效降低通勤的机动车出行距离；③居住区密度、混合使用和街道网络设计能帮助降低非工作的机动车出行距离。

在研究的展望上，①需要基于更多的城市开展这一关系的检验；②尝试用其他方法或指标来表征建成环境，以更好地检验这一关系；③居住区选择和小汽车拥有、机动车出行都是相关的决策，需要把这些关联起来；④不能只关注建成环境对交通出行的短期影响，也需要重视长期规划的作用。

欢迎关注《城市科学文摘》获取最新文章和资讯。