基于多层模型的城市建成环境对通勤行为的影响

0 引言

随着我国城市化进程的加快，交通拥堵问题已成为制约城市可持续发展的重要因素，探究城市建成环境与居民通勤行为的关系，通过城市规划优化通勤结构是解决交通拥堵问题的手段之一[1-2].

随着城市居民通勤行为与土地利用互动关系研究的逐步深入，城市建成环境被认为是影响居民通勤行为的重要因素.既有研究中，学者对建成环境与出行行为的互动关系进行了相关研究.国内方面，丁川[3]利用贝叶斯交叉分类线性模型研究了建成环境对通勤机动车出行距离的影响.塔娜[4]基于GPS与活动日志相结合的居民一周活动与出行数据，分析了建成环境对郊区居民出行距离的影响.国外方面，Sun[5]利用MNL模型和多元回归模型分别研究了上海市居住地和就业地的建成环境对居民通勤方式选择和通勤距离的影响，结果表明，居住地建成环境特征对通勤行为的影响更大.Ding[6]考虑了交通小区层面的建成环境对居民通勤行为的影响，并基于华盛顿的居民出行调查数据建立了混合生存模型.Anzhelika[7]控制了个人属性和家庭属性，研究了土地利用类型对居民通勤距离及通勤时间的影响，表明土地利用对居民的通勤行为具有显著影响.Cao[8]提出了建成环境影响下的通勤距离与碳排放之间动态关系的理论框架，利用结构方程模型研究发现建成环境对通勤行为碳排放有显著影响.Munshi[9]以印度Rajkot城市为研究背景，利用MNL模型研究建成环境与出行方式选择之间的关系，发现建成环境变量中土地利用混合度对出行方式选择的影响最大.然而，既有研究多忽略了研究数据的跨层次结构，考虑到个体社会经济属性和交通小区建成环境分属不同的层级，有必要利用多层建模方法研究城市建成环境对居民通勤行为的影响.

本文考虑数据的跨层次结构，基于多层模型从个体社会经济属性层和交通小区建成环境层两个层面探究通勤时间及通勤距离的影响因素，为缓解城市交通压力、提高通勤效率提供一定的理论基础.

1 研究数据

本文以长春市为研究对象，基础数据主要来自2012年长春市居民出行调查，调查区域为该市中心城区建成区范围，包括南关区、朝阳区、宽城区、二道区及绿园区5个辖区，覆盖237个交通小区.研究范围及交通小区划分如图1所示.

教学人员方面，希望能够从提高自身素养做起，课下多积累，课上多拓展，把握学生的学习心理和特点，起到良好的示范作用，引领学生感受语言的魅力，激发学生的好奇心和求知欲，增强学习的兴趣和动力。

  

图1 研究范围及交通小区划分Fig.1 Study region and traffic analysis zones

该调查采用分层抽样法进行入户调查，入户20 000户，有效调查对象51 909人.以调查日通勤者的单次出行为分析对象，选取以通勤为目的的13 764条出行数据作为研究样本.对各交通小区居民的通勤时间和通勤距离进行统计，计算各交通小区的平均通勤时间和通勤距离，如图2所示.

  

图2 各交通小区的平均通勤时间和通勤距离Fig.2 Average commuting time and distance at TAZ level

1.1 个体社会经济特征

多层模型中的解释变量包含个体与交通分区两个层面的特征属性.个体社会经济属性包括受访者的性别、年龄、受教育程度、家庭规模、家庭年收入及家庭小汽车拥有，统计结果如表1所示.样本的年龄范围为16～65岁，其中男性比重较大，占受访者的62.34%，拥有大学及以上学历的个体占样本的36.82%；受访者的平均家庭成员数为2.72人，家庭年收入在2万元以下的占15.86%，拥有小汽车的家庭占样本的21.18%.

1.2 城市建成环境特征

城市建成环境主要由土地利用、城市设计和交通系统组成[10].本文共搜集了4个建成环境变量用于分析通勤时间和通勤距离的影响因素，分别为土地利用混合度、交叉口密度、公共交通站点密度及居住地到CBD的距离，建成环境变量的描述性统计结果如表2所示.

 

表1 个体社会经济属性变量的描述性统计Table 1 Descriptive statistics for individual socialdemographics

  

变量名称性别年龄/岁教育程度家庭规模/人家庭年收入1家庭年收入2家庭小汽车拥有/辆变量描述1—男；0—女连续变量1—大学及以上均值 标准差0.620.48 38.1610.74；0.370.48 2.721.04其他0.200.40其他0.030.16 0.220.44 0—大学以下连续变量1—≤2万元；0—1—＞10万元；0—连续变量

 

表2 建成环境变量的描述性统计Table 2 Descriptive statistics for built environment variables

  

变量名称土地利用混合度交叉口密度公共交通站点密度到CBD的距离/km变量描述不同土地利用性质的空间混合程度交叉口数量与交通小区面积比公共交通站点数量与交通小区面积比居住地到CBD的直线距离均 值 标准差0.590.17 33.3833.83 10.505.91 4.802.91

居住地到CBD的距离表征居住区的空间区位特征[5].本文利用GIS软件提取各交通小区的质心点坐标，可得到各交通小区质心到CBD间的距离.

本文结合合肥轨道交通1号线南一环站、芜湖路站和水阳江路站，设计介绍一种新型的站、桥结合方式——明挖地铁站与市政高架桥同期同位并行分离式合建方法，即地铁车站与高架桥同期开工，结构体在车站顶板与桥梁墩柱扩大基础之间采用防水层进行分离，结构受力上只传递竖向荷载，使得车站结构及桥梁受力更为合理。

 

公共交通站点密度对通勤时间及通勤距离表现出了显著的负向影响，显著性水平分别为95%和90%.表明居民所居住的交通小区内布设的公共交通站点越多，居民的通勤时间及距离越短.

交叉口密度表征交通小区建成环境的道路网络特征[12].利用GIS软件统计城市路网图中的交叉口数量，并根据交通小区内交叉口数量与面积的比值计算各交通小区的交叉口密度.

网络漏洞的种类虽然多种多样，但是都具备一定的特征，相关管理部门可以对漏洞的特点进行总结，构建网络安全信息库，使网络处于高效、有保证的范围内。网络安全信息库建立的核心步骤是建立准确性极高的网络数据包，为安全信息库提供强有力保障。运用扫描代码以及分离技术来针对漏洞提取数据建立相应的特征库，对端口信息、控件信息、漏洞标志以及数据编码等进行详细了解，全面保护计算机网络的使用安全。

公共交通站点密度衡量公共交通可达性，其中公共交通站点包括常规公交站点和轨道交通站点.通过高德地图API提取兴趣点数据，进一步可得各交通小区的公共交通站点密度.

土地利用混合度表征交通小区建成环境的多样性.本文通过高德地图API提取住宅、宾馆、餐饮、超市、公园、广场、购物中心、学校、医院、银行和政府11种兴趣点(POI)数据[5]，根据熵指数法计算各交通小区的土地利用混合度[11]，如式(1)所示.

2 多层模型

多层模型考虑了数据的跨层次结构，可对受多个层次变量影响的个体行为进行建模[4]，利用多层面的自变量对因变量进行估计，得到更可靠的统计结果.另外，与传统模型相比，多层模型可提供方差及协方差的有效估计，进而提高模型的简约性.多层模型中，第1层的截距和斜率可由第2层自变量决定.居民通勤行为受个体社会经济属性和交通小区建成环境属性2个层面变量的影响，数据为双层结构.因此，本文构建多层模型来分析城市建成环境对居民通勤时间和通勤距离的影响.定义第1层为个体层，第2层为交通小区层，模型结构如式(2)和式(3)所示.

吴文表示：在中国伟大的改革开放历史进程中，私营经济已经初步完成了协助公有经济实现跨越式发展的重大阶段性历史重任。下一步，私营经济不宜继续盲目扩大，一种全新形态、更加集中、更加团结、更加规模化的公私混合制经济，将可能在社会主义市场经济社会的新发展中，呈现越来越大的比重。

(1)个体层.

 

(2)交通小区层.

 

式中：Y为因变量；Xnij为个体社会经济属性层变量；Wmj为交通小区建成环境层变量；β0j,β2j,…,βnj为个体层的回归系数；γ00,γ10,…,γn0为待标定的回归系数；rij为个体层的随机效应，服从N(0,σ2)；μ为交通分区层的随机误差项，服从N(0,τ00).

在对多层模型进行参数标定时，利用收缩估计的参数估计方法，即对个体层面和交通小区层面分别利用最小二乘估计方法和加权最小二乘估计方法进行参数估计，最终以2种估计的加权综合作为估计结果，统计结果更加可靠.

为验证多层模型拟合结果的有效性，分别构建仅包含个体社会经济属性及包含个体社会经济属性和交通小区建成环境属性的单层模型作为对比模型，并利用AIC指标评价拟合结果.

3 模型结果分析

建立多层模型研究城市建成环境对通勤时间及通勤距离的影响，并利用HLM软件对模型参数进行标定，标定结果如表3所示.

 

表3 模型参数标定Table 3 Calibration results of model parameters

  

注：**表示p＜0.05；*表示p＜0.1；其余为不显著

 

变量个体层单层模型1系数通勤时间0.042 0**-0.002 0**0.796 0**0.050 0**-0.002 0-0.010 0 0.008 0 0.000 1通勤距离0.878 0**-0.007 0 0.983 5 0.708 0**-0.031 0-0.472 0**0.860 0 0.226 0交通小区层通勤距离0.793 8**-0.015 5*1.918 0*0.579 1**0.058 5*-0.378 3*0.585 5*0.021 1-0.795 8*-0.079 9**-0.010 6*0.640 0**性别年龄年龄的自然对数教育程度家庭规模家庭年收入1家庭年收入2家庭小汽车拥有土地利用混合度交叉口密度公共交通站点密度到CBD的距离— —— —单层模型2系数通勤时间0.042 3**-0.002 0**0.796 0**0.048 5**-0.001 1-0.007 3 0.007 4 0.000 6-0.106 5**-0.000 4**-0.002 7**-0.003 4通勤距离0.830 4**-0.009 5 1.175 0 0.642 0**-0.012 5-0.211 4 0.687 6**0.240 8-0.685 1-0.029 3**-0.013 4 0.429 1**多层模型系数通勤时间0.038 7**-0.002 0**0.796 0**0.060 0**0.001 2*-0.012 6 0.001 0-0.000 3-0.102 8**-0.003 3**-0.000 6**0.003 1

3.1 模型比较

为验证多层模型的拟合效果，本文利用AIC(Akaike Information Criterion)值对模型的拟合效果进行评价.AIC指标一般用于衡量模型的拟合程度和复杂程度，其计算如式(4)所示[13].

 

式中：L为似然值估计量，用于衡量模型的拟合程度；p为模型中参数的总量，反应了模型的复杂程度.AIC值越小，模型的总体拟合程度越高.3个模型的AIC指标如表4所示.

 

表4 模型AIC比较Table 4 Models comparison using AIC

  

模型单层模型1单层模型2多层模型AIC值出行时间14 596.65 14 180.58 13 684.13出行距离193 258.84 192 675.16 191 666.58

由表4可知，考虑个体社会经济属性和交通小区建成环境属性的单层回归模型的AIC值优于仅考虑个体社会经济属性的单层模型1的AIC值，表明控制个体社会经济属性的影响后，建成环境对通勤时间和通勤距离有一定的影响.将个体社会经济属性与建成环境属性分层衡量的多层模型的AIC值最小，表明在研究居民通勤时间和通勤距离的影响因素中，存在层级间的交互作用.因此，考虑数据的跨层次结构，构造多层模型，能够更准确拟合城市建成环境和通勤时间、通勤距离间的关系.

3.2 影响因素分析

[1]孙斌栋,但波.上海城市建成环境对居民通勤方式选择的影响[J].地理学报,2015,70(10):1664-1674.[SUN B D,DAN B.Impact of urban built environment on residential choice of commuting mode in Shanghai[J].Acta Geographica Sinica,2015,70(10):1664-1674.]

第一，企业审计人员要有良好的道德素养，在各类干扰正常工作的行为下要坚持自己的职业道德，不接受任何形式的贿赂，按照相关要求规范操作。

I类与II类润滑油中的主要成分为饱和烃，在与橡胶材料的浸泡过程中，橡胶试样吸入润滑油的量大于橡胶试样中溶解出的添加剂的量，较小的油分子渗入到橡胶大分子的空隙中间，使得大分子的结构被撑大，大分子链之间氢键的键能减小，最终导致橡胶材料的体积增大、硬度减小，抗拉伸能力减弱。

居住地与CBD所处的相对位置会对居民的通勤出行造成影响.居住地与CBD间的距离对居民通勤距离呈现显著的正效应(95%)，即居住地到CBD的距离越远，居民的通勤距离越长，而居住地与CBD所处的相对位置对通勤时间并不显著.

交通小区层中4个变量均有较高的显著性.土地利用混合度对通勤时间和通勤距离产生显著的负效应.土地利用混合度通过提取交通小区中11种兴趣点计算，可有效表征居住地交通小区土地利用的多样性，因此，居住在土地利用混合度越高的交通小区，通勤者的通勤时间和距离相对较短.

交叉口密度可表示交通小区内街道的连通性，其与通勤时间及通勤距离呈现显著的负相关关系，显著水平均在95%，表明交叉口密度越大的交通小区内，其街道连通性更高，通勤者到达目的地的距离更近，通勤时间相应更短.

式中：pij表示在小区j中i类用地所占的比例；Nj表示小区j中所有用地类型的数量.

2.2.2 时间分布 1990-1999年全年均有病例报告，主要集中在5-12月，占总病例数的90.79%（2 051/2 259）；2008年以后的输入性病例报告主要集中在1-2月、11月、12月，分别为3例、3例、4例，占总报告输入病例的83.33%（10/12），5月、9月各1例，其他月份无输入病例报告。

个体层面社会经济属性中性别、教育程度对通勤时间和通勤距离的影响在95%显著性水平上显著.其中，与女性相比，男性的通勤时间和通勤距离更长；教育程度越高的人群拥有更长通勤时间和更远通勤距离.对于年龄，通过数据变换，取年龄的自然对数作为模型自变量，模型结果表明，年龄对通勤时间和通勤距离有非线性影响，并且呈现倒U型关系[14]，即随着年龄的增加，通勤时间和通勤距离呈现先增长后下降的趋势.家庭规模对通勤时间和通勤距离表现出了显著的正向影响，其显著水平为90%，表明人口规模越大的家庭，其通勤时间和通勤距离都会随之增加.相对于中等收入的家庭，低收入家庭的通勤距离较短，高收入家庭的通勤距离较长，两者的显著水平均在90%，而家庭收入对通勤时间的影响并不显著.随着家庭收入增加，通勤距离增加，这一特征与Acker的研究一致[15].家庭小汽车拥有是个体层中唯一一个对通勤时间和通勤距离都没有显著影响的变量.

4 结论

(1)本文基于长春市居民出行调查数据，考虑不同空间范围内交通小区建成环境特征的差异性，构建多层模型研究城市建成环境对居民通勤时间及通勤距离的影响，其拟合结果优于传统的单层回归模型.

(2)基于多层模型，分别在个体社会经济层面和交通小区层面对居民通勤时间及通勤距离的影响因素进行分析.结果表明，控制个体社会经济属性特征后，土地利用混合度、交叉口密度和公共交通站点密度对居民通勤出行时间和距离的影响均呈现显著的负效应，而居民居住地到CBD的距离仅对通勤距离有显著的正向影响.研究成果可为通过城市规划政策优化居民通勤结构提供理论依据.

参考文献：

根据表3中多层模型对通勤时间和通勤距离的影响因素进行分析.共有7个个体层面的变量(性别、教育程度、年龄、年龄的自然对数、家庭规模、家庭年收入1及家庭年收入2)和4个交通小区层面的变量(土地利用混合度、交叉口密度、公共交通站点密度及到CBD的距离)对通勤时间和距离产生影响，因此，分别从个体社会经济属性及交通小区建成环境属性2个层面进行分析.

[2]何瑞春,李引珍,张峻屹,等.城市居民出行选择预测模型及实证研究[J].交通运输系统工程与信息,2007,7(6):80-84.[HE R C,LI Y Z,ZHANG J Y,et al.Analysis and application for urban inhabitant travel demand models[J].Journal of Transportation Systems Engineering&Information Technology,2007,7(6):80-84.]

[3]丁川.考虑空间异质性的城市建成环境对交通出行的影响研究[D].哈尔滨：哈尔滨工业大学,2014.[DING C.Research on impacts of urban built environment on travel accounting for spatial heterogeneity[D].Harbin:Harbin Institute of Technology,2014.]

界面间的结合力是由吸附力、键合力以及结合力多种力耦合作用形成的，涂层、基体以及界面的的弹性模量、硬度、厚度、结合强度均会对结合力产生影响[16]。

[4]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(10):1675-1685.[TA N,CHAI Y W,GUAN M B.The relationship between the built environment and car traveldistance on weekdays in Beijing[J].Acta Geographica Sinica,2015,70(10):1675-1685.]

[5]SUN B,ERMAGUN A,DAN B.Built environmental impacts on commuting mode choice and distance:Evidence from Shanghai[J].Transportation Research Part D,2016,52(2017):441-453.

[6]DING C,MISHRA S,LU G,et al.Influences of built environment characteristics and individual factors on commuting distance:A multilevelmixture hazard modeling approach[J].Transportation Research Part D,2017,51(2017):314-325.

[7]ANTIPOVA A,WANG F,WILMOT C.Urban land uses,socio-demographic attributes and commuting:A multilevel modeling approach[J].Applied Geography,2011,31(3):1010-1018.

苏楠开导她，不是藏，这也是一种自我保护。谁愿意把自己赤裸裸地毫无保留地呈现给周围的人？除非这个人不是人，是神。你母亲的笔友常江其实扮演着神父的角色，常江隔着千山万水，在当时的中国几近虚幻。只有在这样的背景下，你母亲才能像一个虔诚的天主教徒那样，把自己灵魂深处的东西全部倾泻而出，以期获得救赎。倘若把常江换成你母亲身边的人，这个人具体得有血有肉，比如你父亲或者你梁叔，你母亲还能这样把自己展示出来吗？不可能。那时候的中国，很多笔友的作用就是宗教意义上的神父。

[8]CAO X,YANG W.Examining the effects of the built environment and residential self-selection on commuting trips and the related CO2,emissions:An empirical study in Guangzhou,China[J].Transportation Research Part D Transport&Environment,2017,52(2017):480-494.

[9]MUNSHIT.Builtenvironmentand modechoice relationship for commute travel in the city of Rajkot,India[J].Transportation Research Part D,2016,44(2016):239-253.

[10]HANDY S L,BOARNET M G,Ewing R,et al.How the built environment affects physical activity:Views from urban planning[J].American Journal of Preventive Medicine,2002,23(2):64-73.

[11]CERVERO R.Mixed land-usesand commuting:Evidence from the American Housing Survey[J].Transportation Research Part A Policy&Practice,1996,30(5):361-377.

翻转课堂教学法基于“整体化教学设计”的理念，涵盖课前与课后两个环节，这两个环节环环相扣，彼此紧密相连。在课前环节，主要完成知识传授过程，大多包括微视频自主学习、课前测验以及在视频学习过程中设置在线讨论，开展形式相对比较固定。其中“微视频自主学习”是课前任务中主要组成部分，可以让学生自定进度开展学习，即按照自己的步骤、节奏学习，可以暂停、倒退、重播，有利于根据个人情况完成学习、夯实基础。从这些任务可以看出，课前关注的主要是学生的任务完成情况，也就是“努力程度”。而在课中环节，则主要完成对知识的内化与拓展，注重课堂质量与学生的学习深度。

[12]DING C,WANG D,LIU C,et al.Exploring the influence of built environment on travel mode choice considering the mediating effects of car ownership and travel distance[J].Transportation Research Part A:Policy&Practice,2017,100(2017):65-80.

[13]HIROTUGU AKAIKE.Factor analysis and AIC[J].Psychometrika,1987,52(3):317-332.

近年来，伴随经济的快速发展，中国城镇化进程不断加快。2011年，中国城镇人口超过乡村人口，1978-2017年，城镇常住人口从1.7亿人增加到8.1亿人，城镇化率从17.9%提升到58.5%。河南作为一个人口大省，到2017年年底，全省总人口达到10 852.85万，城镇化率首次突破50%。在城镇化的发展过程中，城乡融合逐渐深入，但乡村空心化、公共服务滞后、发展动力不足等问题并未得到有效解决，传统的乡村治理体系面临严峻的挑战，亟须建立与城镇化相适应的新的乡村治理体系。

[14]MERCADO R,PAEZ A.Determinants of distance traveled with a focus on the elderly:A multilevel analysis in the Hamilton CMA,Canada[J].Journal of Transport Geography,2009,17(1):65-76.

[15]ACKER V V,WITLOX F.Commuting trips within tours:how is commuting related to land use?[J].Transportation,2011,38(3):465-486.

1）以高职学生特点教学。在学习能力方面高职学生大都缺乏积极性且英语基础相对来说较差。经过长期的英语教学，我发现在英语学习上表现出消极泰德的学生在他感兴趣的学习上滔滔不绝，十分认真。所以，在英语学习上不善言辞并不能否定学生的个人能力，最为关键的是要提升他们对英语教学的兴趣。因此，教师在采用多媒体技术开始英语教学的时候，需要以学生的实际水平和兴趣为基准选择教材，保证内容的丰富性以及趣味性，从而带动学生对英语学习的积极性。