王新軍，王學(xué)斌，信 欣

(1.上海復(fù)旦規(guī)劃建筑設(shè)計研究院，上海 200433； 2.上海大學(xué) 經(jīng)濟學(xué)院，上海 200444； 3.復(fù)旦大學(xué) 環(huán)境科學(xué)與工程系，上海 200433)

1 引言與文獻綜述

在城市化快速發(fā)展背景下，我國土地利用形式、城市空間形態(tài)正在發(fā)生變化.一方面，人口與土地向城市集中，城市規(guī)模不斷擴大.中國正處于城市化快速發(fā)展的重要階段，這一時期城市發(fā)展特征顯現(xiàn)為： 一是人口不斷地向城市地區(qū)集聚；二是農(nóng)業(yè)用地逐漸轉(zhuǎn)向城市用地.另一方面，城市功能空間在逐漸重組.城市建設(shè)發(fā)展越來越重視功能分區(qū)，城市格局打破傳統(tǒng)的形式.隨著改革開放以來社會經(jīng)濟的快速增長，城市現(xiàn)代化速度空前加快，這為我國的交通發(fā)展提供了前所未有的機遇和條件，交通事業(yè)實現(xiàn)了跨越式發(fā)展.但是，隨之而來的交通問題，尤其是交通擁堵日益加劇的形勢己非常嚴(yán)重.

國內(nèi)針對用地布局與交通擁堵的研究很少，更多的是對于城市交通系統(tǒng)與土地利用的互動關(guān)系的定性方面的討論.而國際上則存在著大量關(guān)于土地利用模式與交通擁堵的定量研究，比較主流的研究文獻可以歸結(jié)為以下3個方面.

1.1 關(guān)于土地利用模式的度量

關(guān)于土地利用模式指標(biāo)的定義及度量主要來自于Galster等和Cutsinger等的研究[1-2].Galster等基于土地利用模式的8個不同類型度量指標(biāo)，給出了關(guān)于城市蔓延式發(fā)展的概念性定義，同時針對13個城市化區(qū)域進行了指標(biāo)測算和檢驗[1].Cutsinger等基于Galster等的工作，利用相關(guān)性分析和主成分分析方法最終構(gòu)建了7個從多維度度量居住和就業(yè)用地模式的指標(biāo)，并利用美國50個大都市區(qū)域的統(tǒng)計數(shù)據(jù)進行了指標(biāo)測算[2].

1.2 關(guān)于交通擁堵及其成本的度量

在關(guān)于交通擁堵的度量方面，學(xué)者們并未就其合適的度量方法達成一致意見，正如Wachs等所指，并不存在較好的可進行跨區(qū)域比較的并且數(shù)據(jù)一直被搜集的關(guān)于城市交通擁堵的度量方法[3].不過，根據(jù)Meyer的研究，關(guān)于交通規(guī)劃的文獻中一般用兩個主要指標(biāo)來度量城市交通擁堵，分別是平均的上班通勤時間(commute time)和高速公路每車道平均車輛數(shù)(ADT/lane)[4].在實踐中，還存在其他在這兩個指標(biāo)基礎(chǔ)上衍生出來的度量指標(biāo)，如Texas交通研究所開發(fā)的公路擁堵指數(shù)(RCI)和通勤時間指數(shù)(TII)，二者都是對ADT/lane的變形.當(dāng)然，這些指標(biāo)都因自身的缺陷和對交通擁堵的不完全反映而受到了廣泛的批評.

在關(guān)于交通擁堵成本的度量方面，Smeed將擁堵成本作為通行速度和速度與公路容量比的函數(shù)，來估算擁堵成本[5].Vickrey基于經(jīng)濟分析的目的，將交通擁堵區(qū)分為擁堵程度依次加強的6種不同情形，并考慮了相應(yīng)的成本[6].Dewees(1979)考慮了城市街道交叉口因擁堵而產(chǎn)生的延誤，利用Toronto公路和交通數(shù)據(jù)估算了早高峰時期特定公路上的擁堵成本[7].Tzedakis(1980)構(gòu)建了量化由擁堵導(dǎo)致的延誤成本和車輛運營成本變化的定量模型，同時在汽車通勤量滿足泊松分布的假設(shè)下測算了相應(yīng)的擁堵成本[8].

1.3 關(guān)于土地利用模式與交通擁堵關(guān)系的理論研究和經(jīng)驗證據(jù)

理論研究方面，經(jīng)典文獻如Solow和Wheaton的關(guān)注重點在于交通擁堵與土地利用中道路用地間的關(guān)系，以及為了緩解交通擁擠而進行道路用地擴張所導(dǎo)致的福利影響和對交通擁擠實際的緩解效果[9-10].

經(jīng)驗證據(jù)方面，Izraeli和McCarthy利用1970年代中期61個大都市橫截面數(shù)據(jù)率先研究了人口密度與通勤時間之間的關(guān)系，研究發(fā)現(xiàn)在控制了相關(guān)因素之后，人口密度與通勤時間是顯著正相關(guān)的，通勤時間的延長歸因于人口密度的增加而導(dǎo)致的交通擁堵[11].Gordon等利用1980年美國82個大都市區(qū)域的衛(wèi)星數(shù)據(jù)，研究發(fā)現(xiàn)汽車通勤者的通勤時間與居住區(qū)和商業(yè)區(qū)密度呈正相關(guān)，而與工業(yè)區(qū)密度呈負(fù)相關(guān).類似地，通勤時間與大都市區(qū)域最大城市的就業(yè)比例、地區(qū)的空間范圍也是正相關(guān)的.因此，他們認(rèn)為多中心或分散的空間結(jié)構(gòu)不但沒有延長反而縮短了通勤時間[12].Ewing等分別利用1990年和2000年83個大都市統(tǒng)計區(qū)域的橫截面數(shù)據(jù)，研究了土地利用對通勤時間和擁堵帶來的人均延誤的影響，作者發(fā)現(xiàn)，兩個時期的通勤時間與土地混合利用指數(shù)負(fù)相關(guān)而與街道可達性正相關(guān)，同時人均延誤與中心度負(fù)相關(guān)而與街道可達性正相關(guān)[13].

可以看出，關(guān)于城市土地利用與交通擁堵水平的實證研究并沒有取得一致結(jié)論，甚至得出相反的結(jié)果.這主要是由于統(tǒng)計年份和地區(qū)的不同、土地利用和交通擁堵水平衡量指標(biāo)的差異以及所考慮的控制變量的差異等因素所導(dǎo)致.

2 計量模型設(shè)定與變量選取

2.1 建模思路與創(chuàng)新

根據(jù)研究需要，我們將鄭州市市區(qū)范圍劃分為23行13列共23×31=713個面積均為1km2的正方形小區(qū)塊，稱之為交通小區(qū).從片區(qū)(下面會進行定義)角度，以行為人居住地所在片區(qū)為研究對象，考察片區(qū)內(nèi)城市用地布局特征對片區(qū)內(nèi)行為人上班通勤時間以及遲到與早到時間的影響.

土地數(shù)據(jù)來自于《鄭州市總體規(guī)劃(2008—2020)》和2008年鄭州編制的全覆蓋控制規(guī)劃以及后續(xù)的更新調(diào)整.通勤數(shù)據(jù)來自于在中心城區(qū)工作的3500名企事業(yè)單位員工的考勤記錄與問卷調(diào)查，問卷由課題組通過企事業(yè)單位的人事部門進行發(fā)放，問卷內(nèi)容很簡潔，主要問題有該員工的居住地址、通勤方式和出發(fā)時間等，結(jié)合考勤記錄，清晰地顯示出該員工的通勤線路、通勤時長、遲到時間、早到時間.

根據(jù)對鄭州市的調(diào)研樣本信息，3500名行為人的居住地集中于如下8個區(qū)域，分別是中原路和京廣鐵路圍合區(qū)域、中原路和大學(xué)路沿線區(qū)域、大學(xué)路和京廣鐵路圍合區(qū)域、東開區(qū)、二七廣場區(qū)域、金水路和京廣鐵路圍合的管城區(qū)塊、政府行政區(qū)、商務(wù)區(qū).考慮到數(shù)據(jù)選取的分散性和代表性，針對這8個區(qū)域，在每個區(qū)域中選取居住面積最多的前6個交通小區(qū)，這樣可得到48個交通小區(qū)，我們定義以每個交通小區(qū)為中心及其周圍共9個交通小區(qū)組成的正方形區(qū)域(9km2)為一個片區(qū)，因而可得到48個片區(qū).

2.2 指標(biāo)定義與描述

2.2.1 交通擁堵水平指標(biāo)

我們用片區(qū)內(nèi)平均每個行為人的通勤時間、遲到時間、早到時間來度量片區(qū)尺度模型中的交通擁堵水平.

2.2.2 城市用地布局特征指標(biāo)

從城市土地利用空間布局出發(fā)，以下3個方面的用地布局因素與交通擁堵程度有關(guān)聯(lián)： 密度，城市各個土地利用形式開發(fā)的程度，即各類用地分布的密集程度；分散度，組成整個城市地區(qū)的開發(fā)的不勻稱的程度；混合度即土地混合利用程度，在城市地區(qū)土地利用形式不同的程度.

(1) 密度指標(biāo).此處的密度指的是片區(qū)內(nèi)居住用地和商業(yè)辦公用地以密集方式開發(fā)的程度，借鑒Cutsinger(2005)采用平均住房單元數(shù)和崗位單元數(shù)的思路，我們用片區(qū)內(nèi)平均每個交通小區(qū)中的居住面積和商業(yè)辦公面積分別作為居住密度和商業(yè)辦公密度的度量指標(biāo)[6].居住密度(dens_resid)： 即平均居住面積；商業(yè)辦公密度(dens_comme)： 即平均商業(yè)辦公面積.

(2) 分散度指標(biāo).我們采用片區(qū)內(nèi)交通小區(qū)居住面積標(biāo)準(zhǔn)差和商業(yè)辦公面積標(biāo)準(zhǔn)差分別作為居住分散度和商業(yè)辦公分散度的度量指標(biāo).居住分散度(disp_resid)： 即居住面積標(biāo)準(zhǔn)差；商業(yè)辦公分散度(disp_comme)： 即商業(yè)辦公面積標(biāo)準(zhǔn)差.

(3) 混合度指標(biāo).混合度，指的是片區(qū)內(nèi)的每個交通小區(qū)中住房單元與工作崗位混合分布的程度.商業(yè)辦公對居住的混合程度(mixed_hous)： 片區(qū)內(nèi)居住小區(qū)中商業(yè)辦公面積的平均值.居住對商業(yè)辦公的混合程度(mixed_comme)： 片區(qū)內(nèi)商業(yè)辦公小區(qū)中居住面積的平均值.

2.2.3 影響交通擁堵的其他變量

平均路網(wǎng)密度(dens_net)： 片區(qū)內(nèi)交通小區(qū)路網(wǎng)總長度與交通小區(qū)面積之比的平均值；平均道路用地占比(prop_road)： 片區(qū)內(nèi)交通小區(qū)道路面積與交通小區(qū)面積之比的平均值平均通勤距離(dist)： 片區(qū)內(nèi)行為人通勤距離的平均值.

2.3 模型設(shè)定

在借鑒已有的研究成果的基礎(chǔ)上，建立土地利用特征與交通擁堵之間的關(guān)系模型，探究片區(qū)內(nèi)交通擁堵水平與土地利用特征間的相互影響關(guān)系.分別以通勤時間、遲到時間、早到時間作為被解釋變量，以居住面積及其標(biāo)準(zhǔn)差、商業(yè)辦公面積及其標(biāo)準(zhǔn)差、商業(yè)辦公對住房的混合程度、住房對商業(yè)辦公的混合程度、路網(wǎng)密度、道路用地占比、通勤距離作為解釋變量，建立計量模型如下：

time=β0+β1dens_resid+β2dens_comme+β3disp_resid+β4disp_comme+
β5mixed_hous+β6mixed_job+β7dens_net+β8prop_road+β9dist+u，

其中，time可以為通勤時間(time_total)，遲到時間(time_late)，早到時間(time_early).β0～β9為各個變量的系數(shù).

2.4 數(shù)據(jù)來源與說明

城市土地利用空間布局?jǐn)?shù)據(jù)采集方面，根據(jù)已有基礎(chǔ)數(shù)據(jù)和圖像資料如《鄭州市總體規(guī)劃(2008—2020)》和鄭州市全轄區(qū)的控制性詳細(xì)規(guī)劃資料等，進行以下步驟：

(1) 1km2交通小區(qū)塊的劃分.根據(jù)鄭州市實際轄區(qū)面積，建立一個規(guī)格為23km×31km的劃分網(wǎng)格，得到713個面積均為1km2的正方形區(qū)塊.

(2) 交通小區(qū)塊內(nèi)的土地面積數(shù)據(jù)獲取.在計算獲取土地面積等數(shù)據(jù)前，將相關(guān)規(guī)劃中的建設(shè)用地圖導(dǎo)入CAD制圖軟件中，并按照已有劃分方式，將其劃分出713個1km2的正方形交通區(qū)塊.

(3) 交通小區(qū)塊內(nèi)的道路占比與路網(wǎng)密度數(shù)據(jù)獲取.基于總體規(guī)劃中的道路網(wǎng)絡(luò)規(guī)劃圖(以2015年底前建成的為準(zhǔn))，結(jié)合控制性詳細(xì)規(guī)劃中的各個街區(qū)土地利用規(guī)劃圖中的交通路網(wǎng)布置，包括道路類型、長度與分布情形，計算各個小區(qū)塊內(nèi)的各類道路總長.并結(jié)合快速路、一級主干路、二級主干路、支路等各等級道路的寬度值，得到道路占地面積，從而獲得每平方千米區(qū)塊用地上的道路面積和道路長度.

以上兩類、共5組數(shù)據(jù)都按照上述方式，在CAD軟件中結(jié)合規(guī)劃圖形信息實現(xiàn)計算，并建立5個相應(yīng)的數(shù)據(jù)圖層即時錄入，從而獲得與交通小區(qū)塊在土地利用規(guī)劃圖中的地理位置相對應(yīng)的基礎(chǔ)數(shù)據(jù)表.

在衡量交通擁堵水平的指標(biāo)方面，除了沿用傳統(tǒng)指標(biāo)中的通勤時間之外，我們將行為人到崗的遲到時間和早到時間也納入模型來衡量交通擁堵水平.

3 計量結(jié)果與分析

考慮到橫截面(片區(qū))數(shù)據(jù)可能存在的異方差問題，我們采用糾正異方差問題的廣義最小二乘法(GLS)進行回歸分析，并報告穩(wěn)健性標(biāo)準(zhǔn)誤.

由表1中的F值及其顯著性可知，片區(qū)尺度模型中關(guān)于通勤時間、遲到時間、早到時間3個回歸方程的系數(shù)均整體顯著，模型通過檢驗.

表1 片區(qū)尺度模型的計量結(jié)果

注： 表中括號內(nèi)數(shù)字為穩(wěn)健性標(biāo)準(zhǔn)誤，***、**、*分別對應(yīng)1%、5%、10%的顯著性水平.

3.1 關(guān)于密度指標(biāo)對交通擁堵的影響

片區(qū)內(nèi)居住密度對行為人上班通勤時間的影響顯著為正(P<0.01)，而對遲到時間和早到時間的影響雖然為正但卻不顯著(P>0.10).其原因是，相對于遲到時間和早到時間，通勤時間受到出發(fā)地片區(qū)內(nèi)居住面積的影響要直接很多，同時居住面積的增加意味著通勤者的增加，這都會延長行為人的通勤時間，而遲到時間和早到時間是整個通勤沿線用地布局綜合影響的結(jié)果，僅僅出發(fā)地片區(qū)的用地布局的影響較為間接且不明顯.需要指出的是，通勤時間的延長并不必然意味著遲到時間和早到時間的延長，因為還存在著行為人對較早出行或較晚出行的選擇因素的影響.

相反，片區(qū)內(nèi)商業(yè)辦公密度的增加卻顯著縮短了行為人的通勤時間(P<0.01)，同時也縮短了行為人的遲到時間和早到時間，且在10%的顯著性水平上顯著.其原因是，由于片區(qū)內(nèi)的行為人一部分在本片區(qū)內(nèi)就業(yè)，亦即其居住地和工作地在同一個片區(qū)，而片區(qū)內(nèi)商業(yè)辦公面積的增加在一定程度上意味著片區(qū)內(nèi)就業(yè)的通勤者增加，從而平均來講行為人的通勤距離縮短，通勤時間也就相對減少.而遲到時間和早到時間的縮短也在于更多的行為人的通勤過程在片區(qū)內(nèi)完成.

3.2 關(guān)于分散度指標(biāo)對交通擁堵的影響

與片區(qū)內(nèi)居住密度對行為人通勤時間、遲到時間和早到時間影響的顯著性不同，片區(qū)內(nèi)居住分散度的增加顯著延長了行為人的遲到時間和早到時間(P<0.01)，而對通勤時間則不存在顯著影響(P>0.10).其中的機制是，片區(qū)內(nèi)居住面積分布的不均衡程度的增加會導(dǎo)致片區(qū)內(nèi)行為人出行過程中的不穩(wěn)定因素增加，相對于通行時間而言，遲到時間和早到時間的不可控性更大，從而導(dǎo)致遲到時間和早到時間的相對延長.而由于行為人可以選擇較早出行或較晚出行，從而對通勤時間的影響是不確定的.

類似于片區(qū)內(nèi)商業(yè)辦公密度對行為人通勤的影響，在10%的顯著性水平上，片區(qū)內(nèi)商業(yè)辦公分散度的增加均會導(dǎo)致行為人通勤時間、遲到時間和早到時間的顯著縮短，并且對通勤時間的影響要更顯著一些(P<0.05).這都是由于商業(yè)辦公分散度的增加意味著片區(qū)內(nèi)在途通勤者人數(shù)的相對減少，導(dǎo)致片區(qū)內(nèi)交通的相對通暢.

3.3 關(guān)于混合度指標(biāo)對交通擁堵的影響

可以看出，不同的土地混合利用程度對交通擁堵影響的顯著性并不相同.片區(qū)內(nèi)居住對商業(yè)辦公混合程度(商業(yè)辦公面積占多數(shù))的提高顯著縮短了行為人的通勤時間、遲到時間和早到時間，并且對遲到時間和早到時間的影響更顯著一些(P<0.01).而商業(yè)辦公對居住的混合程度(居住面積占多數(shù))雖然與通勤時間、遲到時間和早到時間反相關(guān)，但卻不顯著(P>0.10).其中的機制是，在商業(yè)辦公地區(qū)附近居住的行為人其工作地點一般較近，通常也位于辦公區(qū)附近，從而居住對商業(yè)辦公混合程度的提高即商業(yè)辦公區(qū)居住面積的增加，意味著居住地和工作地相隔較近的通勤者的增加，亦即通勤距離的相對縮短，從而通勤時間、遲到時間和早到時間也就縮短.與之不同的是，商業(yè)辦公對居住的混合程度的提高對行為人通勤距離的影響則很有限，畢竟是在居住區(qū)中增加商業(yè)辦公面積，居住人口仍然占多數(shù).

3.4 其他指標(biāo)對交通擁堵的影響

可以看出，片區(qū)內(nèi)的路網(wǎng)密度的增大和道路用地占比的提高能夠顯著緩解交通擁擠，縮短行為人的通勤時間、遲到時間和早到時間.同樣，通勤距離與通勤時間、遲到時間和早到時間顯著的正相關(guān)性也是符合我們預(yù)期的.

4 小 結(jié)

當(dāng)前許多城市的交通擁堵問題越來越嚴(yán)重，交通擁堵產(chǎn)生的原因有很多，土地利用是因素之一.交通擁堵具體表現(xiàn)為3個指標(biāo)的增大，即出行者通勤的期望時間、遲到時間和早到時間，而出行者所在片區(qū)中和通勤沿線上的土地利用會影響這3個指標(biāo).抽樣通勤調(diào)查數(shù)據(jù)的獲取是本文的創(chuàng)新，我們在樣本城市內(nèi)與裝備了考勤打卡機的單位的人事部門進行協(xié)商和溝通，調(diào)取該單位考勤記錄，并請人事部門發(fā)放與回收問卷，問卷中的主要問題有： 性別、年齡、收入、家庭結(jié)構(gòu)等個人特征，家庭住址，每天的出發(fā)時間，出行方式.這種數(shù)據(jù)效率高，成本低，準(zhǔn)確性強，信息量大，與考勤記錄相結(jié)合，出行者的通勤時間、遲到時間、早到時間、通勤線路等信息都比較完整.本文的一個主要發(fā)現(xiàn)是大型的高容積率住區(qū)加劇了交通擁堵，所有通勤線路經(jīng)過這種片區(qū)的行為人，其通勤時間拉長，早到和遲到頻發(fā)，也有行為人會選擇繞過這種片區(qū)，加長通勤距離，也拉長了通勤時間.

參考文獻：

[1] GALSTER G, HANSON R, RATCLIFFE M R. Wrestling sprawl to the ground： Defining and measuring an elusive concept [J].HousingPolicyDebate, 2001,12(4)： 681-709.

[2] CUTSINGER J, GALSTER G, HANSON R, et al. Verifying the multidimensional nature of metropolitan land use： Advancing the understanding and measurement of sprawl [J].JournalofUrbanAffairs, 2005,27(3)： 235-259.

[3] WACHS M, GOMEZ J A, HANSON S E. Curbing gridlock： Peak-period fees to relieve traffic congestion [C]//Special Report 242.Washington, DC： National Academy Press, 1994： 57-62.

[4] MEYER M D. Alternative methods for measuring congestion levels [J].TransportationResearchBoard, 1993,10(3)： 182-191.

[5] SMEED R J. Traffic studies and urban congestion [J].JournalofTransportEconomicsandPolicy, 1968,2(1)： 33-70.

[6] VICKREY W S. Congestion theory and transport investment [J].TheAmericanEconomicReview, 1969,59(2)： 251-260.

[7] DEWEES D N. Estimating the time costs of highway congestion [J].Econometrica, 1979,47(6)： 1499-1512.

[8] TZEDAKIS A. Different vehicle speeds and congestion costs [J].JournalofTransportEconomicsandPolicy, 1980,14(1)： 81-103.

[9] SOLOW, R M. Congestion cost and the use of land for streets [J].TheBellJournalofEconomicsandManagementScience, 1973,4(2)： 602-618.

[10] WHEATON C. Land use and density in cities with congestion [J].JournalofUrbanEconomics, 1998,43(1)： 258-272.

[11] IZRAELI O, MCCARTHY T R. Variations in travel distance, travel time and modal choice among SMSAs [J].JournalofTransportEconomicsandPolicy, 1985,34(3)： 139-160.

[12] GORDON P, KUMAR A, RICHARDSON H W. Congestion, changing metropolitan structure, and city size in the United States [J].InternationalRegionalScienceReview, 1989,12(1)： 45-56.

[13] EWING R, PENDALL R, CHEN D. Measuring sprawl and its transportation impacts [J].TransportationResearchRecord, 2003,183(1)： 175-183.