地铁站周边不同范围建成环境对居民出行方式的影响研究 ——哈尔滨的实证 / 董禹，秦椿棚，董慰，等
Impact of Built Environments within Different Ranges around Subway Stations on Residents' Travel Modes: An Empirical Study in Harbin
[本文引用格式]董禹，秦椿棚，董慰，等．地铁站周边不同范围建成环境对居民出行方式的影响研究——哈尔滨的实证 [J]．南方建筑，2020（2）：35-41.
摘要 研究地铁站点周边不同距离范围的建成环境如何影响居民出行方式的选择；以哈尔滨地铁一号线为研究对象，基于分层结构生活方式理论，对地铁站点周边建成环境和居民出行方式进行调查，采用多项Logit 回归和结构方程模型相结合的方法，构建站点周边三个不同距离范围内的建成环境特征对居民出行方式的影响模型；地铁站周边不同距离范围建成环境对居民出行方式选择的影响有差异，同时居民私家车拥有量在不同距离范围的中介效应也存在差异；为提出地铁站点周边环境精细化优化决策提供参考。
关键词 地铁站点；出行方式；建成环境；距离范围；分层结构生活方式aBsTracT The current study addresses how the built environment within different ranges around subway stations affects residents' travel-mode choices. Based on the hierarchical lifestyle theory, this study investigated the built environment surrounding metro stations and residents' choice of travel mode through a case study of Metro Line 1 in the city of Harbin. A model incorporating the factors of the built environment influencing residents' travel-mode choices within three ranges around metro stations was created by combining multinomial logistic regression and structural equation modeling. Results revealed the built environment within different ranges around the subway station under study differentially impacted residents' travel-mode choices. Furthermore, it was revealed the mesomeric effect of residents' car ownership in different ranges also varied. The findings of the current study provide a reference for refined optimization decisions concerning the surrounding environment of subway stations. Key worDs subway station; travel mode; built environment; distance range; hierarchical lifestyle
*基金项目 国家自然科学基金资助项目(51878204)：公共健康导向的东北老工业区住区更新决策支持系统研究。中图分类号 TU-023; TU984文献标志码 A
DOI 10.3969/j.issn.1000-0232.2020.02.035 文章编号 1000-0232（2020）02-0035-07
作者简介 1 副教授；2硕士研究生；3 副教授，通信作者，电子信箱：dongweiup@hit.edu.cn；1&2&3 哈尔滨工业大学建筑学院、寒地城乡人居环境科学与技术工业和信息化部重点实验室；4辽宁省城乡建设规划设计院，规划师
引言
伴随着我国快速城镇化进程，城市蔓延发展和对小汽车的依赖加剧，交通拥堵、环境污染等问题日益严峻。以公共交通为导向的城市发展模式（Transit Oriented Development, TOD）被广泛认为是解决城市交通问题的重要途径。TOD强调在主要轨道交通站点周边进行相对高密度土地开发，混合布置多种功能设施，并提供完善的公交系统和友好的步行环境。目前，我国上海、北京等大城市已围绕轨道交通站点建成多个TOD社区，解决城市交通问题效果显著。同时，已有研究也表明轨道交通站点与周边建成环境的一体化发展有助于提高绿色出行比例 [1]。
轨道交通站点周边建成环境会对居民出行行为产生影响，特别是出行方式选择。城市空间结构与土地利用被认为是影响居民出行的重要因素，研究者认为提高人口密度和土地利用混合度是减少私家车出行的有效方式[2]。在实证层面，建成环境中的土地利用混合度[3, 4]、街区密度[5, 6]、道路交通设计 [7,8]、设施分布 [6] 等因素被证明与居民出行关系密切。此外职住分离程度[8]、站点布局 [8]以
[3, 9]
及公共交通服务水平 也被认为对出行有影响。然而，站点周边不同距离范围建成环境的影响差异，受居民自选择影响的个体出行行为决策机制等问题还没有达成共识 [10, 11]。
现有对建成环境特征的研究多采用样本所在的行政区域或者居住地周边一定距离的缓冲区作为地理背景[3, 7, 12]。有学者提出地理背景不确定性问题（UGCoP），认为空间特征对个体行为的效应可能受地理背景单元划分方法及其与真实地理背景作用空间的偏离程度的影响[13]。已有研究证明居民居住地、工作地以及活动空间的建成环境对出行行为的影响有差异[5, 14]。对地铁站点而言，有研究认为步行 5mins半径范围建成环境对居民出行有较大影响[15]，另外有研究证明站点周边 800m 甚至更远范围的居民出行对地铁站点有依赖 [16-18]，但现有环境影响的实证研究多采用单一范围，无法检测地铁站点周边不同距离范围建成环境对居民出行影响的差异。
除了建成环境的影响，社会经济属性和个体偏好也被认为是影响出行方式选择的因素。部分研究已证明经济水平等对出行方式的影响[19]，其中私家车拥有量是影响出行行为的重要因素，是否拥有私家车直接决定了居民采取私家车出行的可能。有研究者证明了建成环境对私家车拥有量的影响，发现高密度和高土地利用混合度降低了私家车拥有量 [20]。根据 Salomon 和 Ben-Akiva （1983）提出的分层结构生活方式理论，将有关出行的个人决策分为三个层面，时间尺度上从大到小依次为第一层次生活方式决策、第二层次可移动性决策、第三层次出行决策，私家车拥有量作为第二层次可移动性决策，是由第一层次生活方式决策决定，并且影响第三层次出行决策[21]。基于此理论，居民私家车拥有量应作为建成环境影响出行的中介变量，有研究者使用结构方程模型（SEM）证明了私家车拥有量在建成环境与出行方式之间起到中介效应 [22, 23]，但还没有研究讨论其中介效应在站点周边不同距离范围建成环境间的差异。
因此，本文依据步行出行范围和站点服务范围，选取站点周边 400m、800m、1500m 范围内建成环境作为研究对象，对哈尔滨地铁站点周边建成环境和居民的出行方式进行调查，研究以下内容：
（1）地铁站点周边不同距离范围的建成环境对居民出行方式选择的影响差异；
（2）居民私家车拥有量在站点周边建成环境对居民出行方式选择影响中起到的中介效应，以及不同范围的情况下其中介效应的差异；
（3）地铁站点周边建成环境特征与社会特征对居民出行方式选择的影响机制。
1研究方法与模型
1.1研究地点与范围
哈尔滨地一号线于2013 开通，截至 2018 年 9 月，哈尔滨地铁开通运营线路共有2条，其中医大二院站为换乘站，现在建里程69余千米，远期规划共10条线路。
考虑空间区位以及功能定位等因素，本研究选取哈尔滨地铁一号线的5个地铁站点作为研究对象，分别是桦树街站、博物馆站、和兴路站、学府路站以及医大二院站（图1）。五个站点分布于南岗区和道外区，距城市中心距离各有差异。其中博物馆站、学府路站属于商业型站点，承担着区域的主要商业功能；和兴路站、桦树街站属于居住型站点，周边以居住及配套功能为主；医大二院站属于公共型站点，周边公共服务设施众多，承担城市教育、文化、医疗等功能。
本研究主要目的之一是探索地铁站点周边不同距离范围的建成环境对居民出行方式选择影响的差异，从而得到在站点周边居民出行方式研究中多大范围更重要。基于以上考虑，结合前期居民访谈以及相关研究，选取站点周边400m、800m、1500m 三个范围作为站点周边建成环境的研究范围。400m为步行 5mins 的距离，800m为步行10mins 的距离，1500m为站点最大服务半径。
1.2 指标构建
根据前述相关研究的基础，本文研究指标体系由出行方式、社会特征、建成环境特征组成（表1）。出行方
式分为私家车出行、公交出行以及非机动车出行三类，公交出行包括公交车、专线巴士、通勤车和地铁，非机动车出行包括步行和自行车出行。由于采用多项Logit 回归模型，在实际计算过程中将此多分类变量转化为两个虚拟变量，分别为选择公交出行和选择非机动车出行，以私家车出行为对照组。
社会特征方面选取家庭成员数、家庭儿童数、家庭收入、受教育程度以及私家车拥有量五项指标。其中家庭成员数、家庭儿童数、家庭收入和受教育程度在已有研究中呈现出对出行方式和私家车拥有量不同的相关性。在对于街区尺度建成环境特征的描述上，最受公认的是Cervero等人提出的影响出行的密度、多样性、设计、公交站点可达性、目的地可达性等“5D”要素，选取容积率作为密度的指标，道路网密度作为设计的指标，距离区级中心的最短路径长度作为目的地可达性的指标。考虑到各住区离公交站点都较近，使用范围内的公交线路数替代公交站点可达性。同时由于建筑功能混合在我国较为普遍，土地利用层面的混合度无法客观衡量功能的丰富程度，使用 POI（point of interest, 兴趣点）熵值作为混合度的指标。
容积率通过研究范围内建筑面积除以用地面积计算得到；POI熵值通过获取百度地图POI数据，根据功能将其进行分类然后计算信息熵得到；道路网密度通过范围内的勘测图测量主干路、次干路与支路的总长度除以范围面积得到；公交线路数通过高德地图获取；距区中心距离通过在地理信息系统中计算各住区到区级中心的网络距离获得。
1.3数据收集与统计
研究采用问卷调查的方式，于2018 年 4 月到 2018年 6月之间在选取的五个站点周边住区进行随机发放问卷，受访者需填答社会特征以及全天的出行记录，每个站点约 70份。共发放问卷359份，有效问卷351 份。
根据描述性统计显示（表2），站点周边居民选择公交出行的比例最高，为 55%；私家车出行的比例为31%；非机动车出行的比例较少，仅占14%。这一结果与公共交通系统相对完善的城市相比私家车出行的比例较高。
1.4模型构建与计算
在出行方式研究中最常使用的是Logit 回归模型。但是，此方法只能衡量变量间的直接影响，无法衡量中介效应。结构方程模型（SEM）因其可以处理内生变量与外生变量之间的复杂关系，且能分别衡量直接影响与间接影响[25]，已被应用于交通出行方面的研究 [23, 26]。因此本研究结合多项 Logit 回归以及结构方程模型（SEM），
社会特征与环境特征为自变量，私家车拥有量作为中介变量，出行方式为因变量（图2）。由于建成环境特征来源于三个不同的范围，所以按照站点周边400m、800m、1500m顺序分别构建三个模型。
由于分类变量与连续变量属于不同的量尺并且不同变量的单位不一，研究对变量以及路径系数进行标准化处理 [27, 28]。研究中环境特征系数在 ArcGIS10.5 平台上计算，数据整理以及描述性统计在SPSS21 上计算，结构方程模型通过 Mplus7 进行计算。
2不同范围的影响差异
对不同范围建成环境分别建模计算（表3），结果表明，在私家车出行和公交出行可能性相比较时，地铁站周边400m范围内，容积率、公交线路数、距区中心距离以及小汽车拥有量对选择公交出行的影响显著。地铁站周边 800m范围内，容积率、混合度、路网密度和公交线路数对选择公交出行的影响显著（距区中心距离与私家车拥有量与范围无关，下略）。地铁站周边1500m 范围内，容积率、混合度、路网密度和公交线路数对选择公交出行的影响显著。影响从大到小依次为：800m范围、1500m 范围、400m范围。可以看出地铁站点周边800m范围以及 1500m范围内的建成环境对居民出行选择公交出行有重要的影响。
在私家车出行和非机动车出行可能性相比较时，地铁站周边 400m范围内，容积率、公交线路数、距区中心距离对选择非机动车出行的影响显著。地铁站周边
800m 和 1500m范围内所有建成环境特征选择对非机动车出行的影响均不显著，表明较大范围难以对居民非机动车出行的决策造成影响。哈尔滨少有自行车出行，所以样本中多为步行出行，体力限制了步行出行的范围。此外，本研究关注街区尺度的特征并未将与步行行为关联更大的社区环境特征考虑在内[29]。
3私家车拥有量的中介效应
3.1环境特征对私家车拥有量的影响
地铁站点周边不同范围建成环境特征对居民私家车拥有量的影响见表4，结果表明，站点周边400m 范围内的混合度以及 1500m范围内的混合度、路网密度和公交线路数对居民私家车拥有量的影响显著。具体来说，站点周边 400m内混合度越高私家车拥有量越高，可能是在调研对象中400m范围内混合度较高的都为居住型站点，较高的职住分离程度导致了对私家车的需求更高。站点周边 1500m范围内更低的混合度、更高的路网密度和更多的公交线路数会导致私家车拥有量上升。原因可能是这个范围的混合度反映了站点片区的岗位情况，混合度越高说明片区内岗位密度越高，偏离就业中心的片区更有通勤需求；更高的路网密度和公交线路数代表交通可达性高，且哈尔滨的开放街区普遍存在路边停车的情况，密路网在这个层面上减少了私家车保有的成本。3.2中介效应及其差异
私家车拥有量对选择公交出行影响显著，对非机动车出行影响不显著（表3）。在其产生的间接影响中，地铁站周边 400m范围内，居民私家车拥有量在混合度对公交出行影响中起到中介效应。站点周边800m范围内，中介效应均不显著。站点周边1500m范围内，私家车拥有量在混合度、路网密度和公交线路数对公交出行的影响中起中介效应，并且此范围内私家车拥有量作为中介变量对居民出行方式的影响最大。据表4可知对站点周边 1500m范围而言，如果不考虑私家车拥有量的中介效应，对建成环境特征对居民出行方式选择影响的认知可能会存在偏差。
4因素影响机制分析
4.1社会特征影响分析
社会特征对于出行方式以及私家车拥有量的影响见表5，结果表明，家庭收入对居民出行方式与私家车拥有量的影响均显著，且收入越高私家车拥有量越高，选择低碳出行方式的可能性越低。家庭儿童数对非机动车出行倾向的影响显著，家庭中儿童越多越不可能采取非机动车出行的方式。另外，家庭人口数与受教育程度对私家车拥有量的影响显著且都为正向影响。
4.2环境特征影响分析
通过研究站点周边不同距离范围建成环境对居民出行方式影响的差异，对不同的出行方式选取其影响最大的范围进行具体分析。针对非机动车出行，以地铁站周边 400m范围为分析对象。距区中心距离的影响最大，容积率、公交线路数影响适中。相对于私家车出行居民选择非机动车出行的可能性随容积率、公交线路数、距区中心距离的增大而增大。其中容积率的影响与现有研究相符[7]，此范围公交线路数越多可能代表站点周边公共服务设施更多，从而促进了非机动车出行，另外研究所选择的区中心多是商业中心，对居民而言靠中心越近可能意味着通勤距离越远。
针对公交出行，以地铁站周边800m范围为讨论对象。混合度的影响最大，容积率、路网密度的影响适中，公交线路数、距区中心距离影响较小。相对于私家车出行居民选择公交出行的可能性随混合度和公交线路数的增大而增大，随容积率、路网密度、距区中心距离的增大而减小。其中多数结果与现有研究相符[7, 22]，对于容积率而言，在哈尔滨主城区高容积率可能是高层封闭住区，其居民的收入水平较高更可能选择私家车出行[5]。
结论
通过多项 Logit 回归和结构方程模型（SEM）结合的建模分析，结果表明，地铁站点周边不同距离范围的建成环境对居民出行方式选择的影响有差异。提高站点周边 400m范围内的开发强度和公交密度会促进居民选择非机动车出行，而在更大范围内的建成环境对其影响不显著；站点周边800m范围建成环境对公交出行的影响最大，增加此范围内的土地利用混合度和公交密度会促进居民选择公交出行。因此，为了促进地铁站周边居民选择低碳出行，在地铁站点周边规划过程中应提高土地利用混合度和设施的丰富度，邻近站点的土地适度进行高强度开发，增加片区的就业岗位，促进职住平衡，地铁站点周边400~800m范围内的住区需要控制开发强度，考虑多种住房类型混合布局，鼓励开放住区，合理进行静态交通的管理。
此外，地铁站点周边1500m左右范围的建成环境通过影响居民的私家车拥有量对出行方式产生影响，因此在规划设计上可以通过片区功能与交通设施的合理布局降低居民的私家车使用需求，从而促进居民低碳出行。
本研究也存在一些不足。首先，影响居民居住地选址、购车等行为的建成环境范围与影响出行的范围不同，需要在一个完整的出行决策模型下对各层次决策的影响范围进行讨论。本文由于数据获取的限制只讨论了对私家车拥有量的影响范围，未来需要更多的数据支持以完成更系统的研究。其次，本研究采用截面数据，对站点
周边建成环境要素影响因果关系的分析存在一定的局限，有必要进一步放在TOD发展进程中进行历时性研究。图、表来源
文中图、表均由作者绘制。
参考文献
[1] DINg Chuan, WANg Yao-Wu, LIN Yao-Yu. EXPLoRATIoN oN THE RELATIoNSHIP BETWEEN TRANSIT-CITY STRATEgY AND ToD MoDE: FRoM THE PERSPECTIVE oF LoW CARBoN TRAVEL[J]. CITY PLANNINg REVIEW, 2013(11): 54-61.
丁川，王耀武，林姚宇. 公交都市战略与ToD模式关系探析——基于低碳出行的视角[J]. 城市规划，2013(11)：54-61.
[2] Boarnet Marlon g., Sarmiento Sharon. Can Land-use Policy Really Affect Travel Behaviour? A Study of the Link between Non-work Travel and Land-use Characteristics[J]. Urban Studies, 2016(35): 1155-1169.
[3] ZHAo Peng-Jun, KoNg Lu. Study on the influence of ToD on commuting of Beijing residents and its mechanism[J]. HUMAN gEogRAPHY, 2017(32): 125-131.赵鹏军，孔璐．ToD对北京市居民通勤影响及其机制研究[J].人文地理，2017(32)：125-131.
[4] Cervero Robert, Sarmiento olga L.et al. Influences of Built Environments on Walking and Cycling: Lessons from Bogotj[J]. International Journal of Sustainable Transportation, 2009(3): 203-226.
[5] NA Ta, CHAI Yan-Wei, gUAN Mei-Bao. The influence of built environment on weekday car travel of suburban residents in Beijing[J]. Acta geographica Sinica, 2015(70): 1675-1685.
塔娜，柴彦威，关美宝. 建成环境对北京市郊区居民工作日汽车出行的影响 [J]. 地理学报，2015(70)：1675-1685.
[6] PAN Hai-Xiao, CHEN guo-Wei. The influence of rail transit on residence choice: a case study in Shanghai[J]. URBAN PLANNINg FoRUM, 2009(5): 71-76.潘海啸，陈国伟. 轨道交通对居住地选择的影响——以上海市的调查为例 [J]. 城市规划学刊，2009(5)：71-76.
[7] ZHAo Peng-Jun, LI Nan-Hui, LI Sheng-Xiao. The influence of the built environment characteristics of ToD on residents' activities and travel: a case study of Beijing[Z]. 2016: 23, 45-51.
赵鹏军，李南慧，李圣晓. ToD建成环境特征对居民活动与出行影响——以北京为例 [Z]，2016: 23, 45-51.
[8] Sun Bindong, Ermagun Alireza, Dan Bo. Built environmental impacts on commuting mode choice and distance: Evidence from Shanghai[J]. Transportation Research Part D: Transport and Environment, 2017(52): 441-453.
[9] Zamir Kiana Roshan, Nasri Arefehet al. Effects of Transit-oriented Development on Trip generation,
Distribution, and Mode Share in Washington, D.C., and Baltimore, Maryland[J]. Transportation Research Record, 2014(2413): 45-53.
[10] CAo Xin-Yu. Review and prospect of studies on community-built environment and traffic behavior: a mirror of the United States[J]. Urban Planning International, 2015(30): 46-52.
曹新宇. 社区建成环境和交通行为研究回顾与展望：以美国为鉴 [J]. 国际城市规划，2015(30)：46-52.
[11] LU Fei-Dong, TAN Shao-Hua. Research on the effects of built environment on physical activity: progress and reflection[J]. Urban Planning International, 2015(30): 62-70.
鲁斐栋，谭少华. 建成环境对体力活动的影响研究：进展与思考 [J]. 国际城市规划，2015(30)：62-70.
[12] Cao Xinyu Jason, Mokhtarian Patricia L., Handy Susan L. The relationship between the built environment and nonwork travel: A case study of Northern California[J]. Transportation Research Part A: Policy and Practice, 2009(43): 548-559.
[13] Kwan Mei-po. The Uncertain geographic Context Problem[J]. ANNALS oF THE ASSoCIATIoN oF AMERICAN gEogRAPHERS, 2012(5): 958-968.
[14] Winters Meghan, Brauer Michaelet al. Built Environment Influences on Healthy Transportation Choices: Bicycling versus Driving[J]. Journal of Urban Health, 2010(87): 969-993.
[15] LI Tao , CHEN Tian. The Land Exploration Developing in Harmony with City Traffic:The Research of Modern American " ToD " Theory and Practice [J]. South Architecture, 2005: 86-89.
李涛，陈天. 土地利用与城市交通协调发展——近代美国“ToD”理论与实践的研究[J]. 南方建筑，2005：86-89.
[16] DUAN Zi-Yuan. Research on Relationship of Catchment Area, MTR Riding Intent and Walking Distance in Hong Kong[J]. South Architecture, 2016: 123-128.
殷子渊. 步行距离、港铁出行意愿与站域范围的关联研究[J].南方建筑，2016：123-128.
[17] YAN Hai，YANg Rong-Rong，XIoNg Wen，et al. Study on spatiotemporal threshold of rail transit connected by walking and cycling[J]. Urban Transport of China, 2013(11): 83-90.
严海，杨荣荣，熊文，等. 步行和自行车接驳轨道交通时空阈值研究 [J]. 城市交通，2013(11)：83-90.
[18] El-geneidy Ahmed, grimsrud Michaelet al. New evidence on walking distances to transit stops: identifying redundancies and gaps using variable service areas[J]. Transportation, 2014(41): 193-210.
[19] LI Wan, DAN Bo, SUN Bin-Dong，et al. Research on the influence of rail transit on the choice of travel mode -- based on the empirical analysis of microsurvey samples of Shanghai's post-1980s generation[J]. geographical Research, 2017(36): 945-956.李琬，但波，孙斌栋，等. 轨道交通对出行方式选择的影响研究——基于上海市80后微观调查样本的实证分析[J]. 地理研究，2017(36)：945-956.
[20] Potoglou Dimitris, Kanaroglou Pavlos S. Modelling car ownership in urban areas: a case study of Hamilton, Canada[J]. Journal of Transport geography, 2008(16): 42-54.
[21] Salomon I., Ben-Akiva M. The Use of the Life-Style Concept in Travel Demand Models[J]. Environ Plan A, 1983(15): 623-638.
[22] Ding Chuan, Wang Yunpenget al. Joint analysis of the spatial impacts of built environment on car ownership and travel mode choice[J]. Transportation Research Part D: Transport and Environment, 2018(60): 28-40.
[23] Van Acker Veronique, Witlox Frank. Car ownership as a mediating variable in car travel behaviour research using a structural equation modelling approach to identify its dual relationship[J]. Journal of Transport geography, 2010(18): 65-74.
[24] LoNg Ying，ZHAo Jian-Ting，LI Shuang-Jin，et al. A large-scale measure of street walk index in major Chinese cities[J]. New Architecture, 2018: 4-8.龙瀛，赵健婷，李双金，等. 中国主要城市街道步行指数的大规模测度 [J]. 新建筑，2018：4-8.
[25] golob Thomas F. Structural equation modeling for travel behavior research[J]. Transportation Research Part B: Methodological, 2003(37): 1-25.
[26] Ewing Reid, Cervero Robert. Travel and the Built Environment[J]. Journal of the American Planning Association, 2010(76): 265-294.
[27] LIU Hong-Yun, LUo Fang, ZHANg Yu，et al. Mediating effect analysis of dependent variable as rank variable[J]. Acta Psychologica Sinica, 2013(45): 1431-1442.刘红云，骆方，张玉，等. 因变量为等级变量的中介效应分析[J].心理学报，2013(45)：1431-1442.
[28] FANg Jie，WEN Zhong-Lin，ZHANg Min-Qiang. Mediating effect analysis of category variables[J]. Journal of Psychological Science, 2017(40): 471-477.方杰，温忠麟，张敏强. 类别变量的中介效应分析[J]. 心理科学，2017(40)：471-477.
[29] Dong Wei, Cao Xinyuet al. Examining pedestrian satisfaction in gated and open communities: An integration of gradient boosting decision trees and impact-asymmetry analysis[J]. Landscape and Urban Planning, 2019(185): 246-257.