王振報,李慧慶,劉 卓

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

0 引 言

倡導(dǎo)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(xiàn)實選擇,亦是應(yīng)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(nèi)還車,雖方便了出行,卻產(chǎn)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(xué)者只側(cè)重于分析集計區(qū)域內(nèi)共享單車出行起點的數(shù)量[10-11]或集計區(qū)域內(nèi)共享單車借車量和還車量之和[12-13],因此有必要進(jìn)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(diào)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(xué)者利用最小二乘法(ordinary least squares, OLS)[11,24-25]、地理加權(quán)回歸(geographically weighted regression, GWR)[11,24-26]、時空地理加權(quán)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(guān)系。在計算建成環(huán)境指標(biāo)和共享單車需求量時,主要是選用網(wǎng)格尺度[24,27]或交通分區(qū)[11]進(jìn)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(chǎn)生的影響。另外,有學(xué)者采用多尺度地理加權(quán)回歸模型(multiscale geographically weighted regression, MGWR)[28]對各自變量的帶寬進(jìn)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(yīng)用于環(huán)境科學(xué)[29]、公共衛(wèi)生[30]、城市房價影響機制[28]等研究中,在交通領(lǐng)域主要應(yīng)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(jìn)行集計并統(tǒng)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(jié)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(jìn)一步探究建成環(huán)境變量影響程度的空間異質(zhì)性。一方面能提高共享單車還車量預(yù)測模型精度;另一方面科學(xué)確定顯著影響還車量的建成環(huán)境因素,有利于科學(xué)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(shù)據(jù)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(shù)據(jù)來源于高德地圖API(Application Programming Interface),涉及餐飲服務(wù)、購物服務(wù)、科教文化等11類POI;城市道路和建筑數(shù)據(jù)來源于開放街區(qū)地圖(open street map, OSM);人口數(shù)據(jù)來源于WorldPop[33];共享單車數(shù)據(jù)來源于廈門市大數(shù)據(jù)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(shù)據(jù),共計585 292條。

1.1 共享單車還車量統(tǒng)計

將研究范圍以間隔100 m,邊長400～1 000 m進(jìn)行網(wǎng)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(shù)據(jù)集計為所在空間單元還車量,作為因變量,利用POI等數(shù)據(jù)計算各空間單元建成環(huán)境指標(biāo)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(shù)據(jù)進(jìn)行統(tǒng)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(biāo)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(shè)計、功能布局和交通系統(tǒng)等[36]。城市建成環(huán)境“5D”維度[37]是指設(shè)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(dá)性(destination accessibility),其次補充了人口統(tǒng)計屬性、共享單車空間管理等維度?？紤]到建成環(huán)境因素能利用多源數(shù)據(jù)進(jìn)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(shù)項;ak為自變量k的回歸系數(shù);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(lǐng)域?qū)LS進(jìn)行了改進(jìn),相當(dāng)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(shù)表達(dá)了自變量影響的空間異質(zhì)性,如式(2)。

(2)

式中:(ui,vi)為研究空間單元i質(zhì)心點經(jīng)緯度坐標(biāo);β0(ui,vi)為回歸模型在研究空間單元i的常數(shù)項;βk(ui,vi)為解釋變量k在研究空間單元i的回歸系數(shù);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(zhì)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(chǔ)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(shù);bwk為第k個解釋變量的最優(yōu)帶寬。

2.3 變量標(biāo)準(zhǔn)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(jìn)行標(biāo)準(zhǔn)化處理,得到因變量和自變量的標(biāo)準(zhǔn)化值,見式(4)和式(5)表達(dá)。

當(dāng)均值為0、標(biāo)準(zhǔn)差為1時,各因子標(biāo)準(zhǔn)化回歸系數(shù)表示為該因子標(biāo)準(zhǔn)化自變量增加了一個單位的標(biāo)準(zhǔn)差,標(biāo)準(zhǔn)化因變量則增加了該系數(shù)倍數(shù)的標(biāo)準(zhǔn)差[43],故以下均采用因變量和自變量的標(biāo)準(zhǔn)化值進(jìn)行回歸分析。

(4)

(5)

3 結(jié)果和討論

3.1 不同樣本空間集計方法回歸模型結(jié)果

回歸分析中自變量多重共線性問題會導(dǎo)致回歸模型偏差,在研究中通常采用方差膨脹系數(shù)(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(jié)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(jié)果對比見表 3。采用判定系數(shù)R2、赤池信息準(zhǔn)則(Akaike information criterion,AIC)與修正的赤池信息準(zhǔn)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(jìn)行評價。R2越高,則表明回歸模型擬合效果越好;赤池信息準(zhǔn)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(jié)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(jié)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(jié)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(wǎng)格和交通分區(qū)時,MGWR模型判定系數(shù)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(jié)果最低。所以,交通分區(qū)對應(yīng)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(zhì)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(shù)量帶寬為98,對因變量影響尺度居中;共享單車電子圍欄數(shù)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(biāo)準(zhǔn)化回歸系數(shù)空間分布如圖 5,回歸系數(shù)的描述性統(tǒng)計結(jié)果見表5。

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

3.2.1 “設(shè)計”維度

空間封閉度回歸系數(shù)反映了開敞空間形態(tài)破碎程度對因變量的影響,結(jié)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(biāo)準(zhǔn)化回歸系數(shù)范圍為-0.31～-0.27,呈負(fù)相關(guān)關(guān)系,說明開敞空間完整程度越好,相應(yīng)的交通分區(qū)內(nèi)共享單車還車量越高。

圖5 MGWR模型各評價因子回歸系數(shù)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(shù)反映了相應(yīng)設(shè)施的密集程度對共享單車還車量的影響程度,結(jié)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(biāo)準(zhǔn)化回歸系數(shù)范圍為0.19～0.47,呈正相關(guān)關(guān)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(biāo)準(zhǔn)化回歸系數(shù)范圍為-0.22～-0.18,呈負(fù)相關(guān)關(guān)系。建筑密度回歸系數(shù)反映了建筑密集程度對共享單車還車量的影響程度,結(jié)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(biāo)準(zhǔn)化回歸系數(shù)范圍為0.21～0.25,呈正相關(guān)關(guān)系。

3.2.3 “多樣性”維度

POI多樣性回歸系數(shù)反映了設(shè)施豐富程度對共享單車還車量的影響程度,結(jié)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(biāo)準(zhǔn)化回歸系數(shù)范圍為-0.21～-0.17,呈現(xiàn)負(fù)相關(guān)關(guān)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(shù)分別反映了至地鐵站和公交站的遠(yuǎn)近程度對共享單車還車量的影響程度,結(jié)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(biāo)準(zhǔn)化回歸系數(shù)范圍為-0.20～-0.13,呈負(fù)相關(guān)關(guān)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(biāo)準(zhǔn)化回歸系數(shù)范圍為-0.18～0.68,大部分交通分區(qū)內(nèi)呈正相關(guān)關(guān)系,西南部部分交通分區(qū)呈負(fù)相關(guān)關(guān)系。

3.2.5 “目的地可達(dá)性”維度

交叉口數(shù)量回歸系數(shù)反映了路網(wǎng)可達(dá)性與通達(dá)性對共享單車還車量的影響程度,結(jié)果如圖5(h)。交叉口數(shù)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(biāo)準(zhǔn)化回歸系數(shù)范圍為0.17～0.34,這說明當(dāng)交通分區(qū)內(nèi)部通達(dá)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(shù)量回歸系數(shù)反映了借還車便捷程度對共享單車還車量的影響程度,結(jié)果如圖5(i)。共享單車電子圍欄數(shù)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(biāo)準(zhǔn)化回歸系數(shù)范圍為0.21～0.72,呈正相關(guān)關(guān)系。說明共享單車雖能停放在任何合法的街道,但若明確標(biāo)出了共享單車還車的電子圍欄可提高還車量,即引導(dǎo)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(jié) 論

筆者在已有研究“5D”城市建成環(huán)境因子的基礎(chǔ)上,補充了人口統(tǒng)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(biāo)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(jié)論:

1)提出8種不同空間單元劃分方法進(jìn)行因變量和自變量集計,對比OLS、GWR和MGWR回歸模型精度結(jié)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(zhì)性;

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

3)針對共享單車供需嚴(yán)重不平衡的地區(qū),可以根據(jù)建成環(huán)境因素影響程度的空間異質(zhì)性結(jié)果制定差異化的建成環(huán)境更新策略及措施,調(diào)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(shè)計可以作為將來的研究方向。