道路交通环境对自行车骑行路径选择影响

黄 洁，汤文蕴，张爱华，钱林波

（南京林业大学 汽车与交通工程学院，江苏 南京 210037）

0 引言

国家主席习近平于2020年9月22日在联合国大会上提出“双碳”目标：二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现“碳中和”。目前交通行业主要从发展新能源汽车方面降低碳排放和节约能源，非机动车出行不仅能强身健体，而且在一定程度上能达到节能减排的效果，而良好的骑行环境属于诱导出行者选择自行车骑行的潜在因素。对自行车骑行者的路径选择行为特征进行研究，并根据其偏好特征针对道路设计、交通管理等方面制定相关方案和措施，如合理设置机非分隔带等，可以为提高自行车出行的安全性、吸引出行者选用自行车出行提供理论基础。同时，现有路径导航软件中针对自行车的推荐骑行路线仅考虑距离、时间等因素，并未考虑道路特征以及个体需求，缺少个性化服务。此外，研究自行车骑行路径选择偏好有助于自行车交通体系的规划与建设。因此，研究考虑个体属性和道路属性的自行车骑行路径选择行为显得十分必要。

在现有针对影响非机动车骑行路径选择行为因素的研究中，国内学者主要从道路环境、交通环境、个人因素等方面对骑行者路径选择行为进行研究。Ana和Suzanne从道路环境、交通流特性、道路属性、路径特征等角度研究骑行人的行为，并对相关因素的影响程度进行排序。自行车出行选择行为与出行者的性别、收入、年龄、骑行者的经验有关系，女性以及年纪较轻的骑行者或没有骑行经验的骑行者对骑行环境的安全性敏感度较高。1974年，Mcfadden最早建立的离散选择模型从微观个体角度分析决策行为，被广泛应用于路径选择、交通方式选择等交通行为决策问题研究中。Majumdar采用MNL模型和RPL模型发现风险等级是影响路径选择程度最大的因素，随后根据这些关键因素推导出WTP（Willingness to Pay）估计。随着离散选择模型在国内研究的不断推广，2004年，关宏志首次以中文书籍的形式比较全面的介绍了非集计模型在交通行为分析领域的应用。国内学者在研究影响骑行路线决策行为中发现出行距离、出行时间、道路安全性、环境舒适性等是显著因素。何少辰提出一种基于蚁群算法的城市居民自行车出行路径优化方法，考虑了选择偏好、骑行路径长度以及坡度等相关属性要素的影响。Li讨论了骑行者在分离式自行车道上和街道式自行车设施上的舒适感。韩军红运用多元有序Logit模型从多个指标分析私人自行车骑行的影响因素及特征。王凯研究通勤者的出行行为，发现早到和迟到风险偏好也不尽相同。

目前研究主要从路径环境方向进行展开，致力于改善道路环境，为自行车骑行提供良好空间来激发自行车交通，而相关研究表明设计良好的环境设施是潜在因素，并不会直接影响骑行选择行为，不同出行目的下个人对骑自行车的喜好是重要影响因素。因此，仅仅通过改善环境因素并不能有效提高骑行选择概率，需要结合出行者的出行目的，才能更好地解释骑行路径环境对骑行选择概率的影响。本文从骑行目的出发思考为什么个体会选择骑行，不再仅限于学生和通勤人员，面向各种职业的调查对象采集数据，将个体的性别、年龄和出行目的与道路环境进行交叉融合分析，为改善骑行环境措施的进一步细化提供支持。同时，通过研究不同群体在各种出行目的下对骑行环境的偏好特征，结合土地利用性质分析出行吸引来规划设计路径的道路环境，更具有现实意义。

1 数据来源与描述性统计分析

1.1 数据调查与整理

本文数据是通过行为调查（Revealed Preference,RP）和意向调查（Stated Preference,SP）来获取。RP调查是对居民已完成的选择性行为调查，使用过去每个人的选择结果及相关数据，反映了被调查者的具体属性及其在现实生活中真实情况的选择；SP调查是对某一选择状态，了解被调查者在这一选择状态下的选择结果。SP调查的最大特点在于调查的内容是尚未发生的事情。但SP调查也存在缺陷，由于受访者的回答容易被限定在一定的范围内，被调查者有时是在非现实、未体验的条件下做出的选择，更多的认为“应该”如何选择，从而放宽判断标准。

基础问卷部分包括被调查者的性别、职业、年龄、收入、居住小区和居住时间等类型问题。RP调查内容主要是平均每月骑自行车次数、出行目的以及骑行忍耐时长。SP调查内容是假设给出若干条路线，在不同出行目的下，记录骑行者的路径选择情况。本文调查以南京市区部分道路为研究场景，假设的情景是从新街口到夫子庙的四条可选路径，设定五种出行目的，分别为上班、购物、健身、生活出行和休闲娱乐，如图1所示。

图1 SP问卷中构造的路径选择情景

本次调查时间是2019年5月，通过网络问卷随机发送给南京的居民，最终获取315份有效问卷，在情境中分为5个出行目的，有4条路径选择，因此共6 300条有效路径选择数据。同时，通过现场调查，获取4条路径的道路参数，如非机动车道宽度、有无绿荫、机非隔离带形式等。通过这些数据来研究在考虑个人属性以及出行目的的情况下，骑行者对不同道路属性的路径选择行为。

1.2 调查数据分析

通过整理调查问卷数据，可以得到个人属性和骑行数据如表1所示。在接受调查的人群中，男女比例均衡，男性占比47%，女性占比53%，说明此次调查问卷的数据在性别上分布均匀；收集的数据中服务业人员、公司职员和专业人士所占比例较大（大于50%），说明自行车骑行的受众群体主要是通勤人员，也与本次假设情景的情况相符合，假设情景的出发地和目的地的用地性质为商业金融用地；年龄分布以26~50岁（占63.5%）居多，未成年人占比12.7%，50岁以上占比6.1%，符合老人年纪大和未成年人社会活动少、身体素质不够完善、在骑行安全方面保障性较差有关。

表1 个人社会经济属性和骑行特征统计表

统计自行车骑行特征分析发现，骑行休闲娱乐和上班上学的居民较少（占比分别为11.4%、18%），这表明像通勤这种对出行时间要求较高的出行，居民通常不会选择自行车出行方式。骑行目的为健身（占比25.3%）大于20%，这符合骑行能锻炼身体的特点；受调查者中25.3%和20%的人分别以购物、生活出行为骑行目的，说明居民日常出行以骑行为主。在每月骑行次数统计数据中，骑行次数6~10次居多（占比32.1%），可见自行车骑行在日常生活中频次低，也与骑行出行目的健身购物相对应。另外，近30%的受调查者认为10~20分钟是骑行时长的上限，所以自行车骑行更适用于短途短时的出行。

对调查的道路属性数据进行整理分析，对相关性较大的数据进行删除与整理，最终将无绿荫长度、路宽小于3米以及分隔栏长度列为道路属性中对骑行者选择路径影响的因素。经过分析，将调查的道路属性（无绿荫长度、宽度3m以下的路长度、分隔栏长度）转化为其与路线长度的比例，更利于各因素的系数分析。

2 模型构建

广义线性模型（Generalized Linear Model,GLM）是传统线性模型的普遍化形式，不再局限于测量数据服从正态分布，可以适用于二分类数据和计数数据。考虑本文研究对象是骑行者对路径的选择情况，该结果属于分类变量，即选择或者不选择，选择路径为1，不选择路径为0，因此本文考虑采用广义线性模型对其进行建模。

随机效用理论通常将效用函数U分为非随机变化的部分（固定项）和随机变化部分（概率项）两大部分，并假设它们呈线性关系。可以用式（1）表示：

其中：U为出行者n选择路线i的效用；V为出行者n选择路线i效用函数的固定项；ε为出行者n选择路线效用函数的随机项，相互独立且服从Gumbel分布。

在GLM中假定效用函数的固定项V视为线性函数，用式（2）表示：

其中：β为参数；β为第j个自变量X的参数；x为第j个因素的解释变量组成的变量。

选择Logit函数log[ P/ (1-P)]作为连接函数，即：

其中：P为路线i被选择概率。

3 参数标定结果分析

本文首先将物理环境属性（无绿荫比例、道路宽度在3m以下的路长比例、分隔栏长比例）加入GLM模型中进行主效应分析，经过R语言运行，得到参数结果如下：

表2 基于GLM的自行车骑行路径选择模型标定结果

由变量系数的P值可知，三个参数的回归系数检验均是显著的，无绿荫比例、道路宽度小于3米的比例和机非分隔栏长度比例对骑行者选择路径的行为存在着明显的影响，这与已有研究和相关常识相一致。无绿荫的道路长度和道路宽度小于3米的标定参数为负，表明这两个变量与骑行者路径选择呈负相关，即无绿荫或宽度小于3米的道路越长，骑行者选择这条道路的概率越低。机非分隔栏比例的系数为正，说明具有机非分隔栏的道路越长，骑行者选择该道路的概率越大。由表达式可知，其他条件不变时，当路径中绿荫比减少10%，则骑行者选择该路径的概率下降4.2%；道路宽度小于3m比增加10%，选择该道路的概率下降5%；而机非分隔栏比增加10%，选择该路径的比例增加16%，这表明骑行者对机非分隔栏的敏感度是无绿荫道路长和宽度小于3米的3~4倍，人们更注重骑行环境的安全性。主效应宽度小于3米（-2.811）与无绿荫比（-2.316）的系数值说明骑行者对道路宽度与对环境的敏感度基本相当。

进一步，本文分别从骑行者的个人属性（性别、年龄）和出行目的两个方面对道路特征为无绿荫、宽度小于3米、有机非分隔栏的道路选择行为进行研究分析。在主效应模型中加入交互项，考虑个人属性和出行目的对选择不同骑行道路的调节作用。

从参数估计结果可以看出，不同的道路属性与个人属性以及出行属性之间的交互效应也不相同，对三个不同道路属性与个人属性及出行目的之间的交互结果进行分析可以得到以下结论。

在本文建立的三种模型中，性别对模型标定结果解释不显著，表明男女对选择有无绿荫、道路宽度小于3米和有无机非分隔栏的骑行环境的要求差异性不明显。从表3的结果可以发现，个人属性中不同年龄段的居民对无绿荫道路长度不敏感，表明各个年龄段的骑行者对骑行环境绿化程度敏感度差异性不大。根据表3的标定结果可以计算出当出行者分别以通勤、购物和健身为目的时，无绿荫比增加10%，概率分别下降2.94%、7.06%和6.71%。当绿荫比例达到0.91时，购物者选择该路径的概率接近95%。相对于无目的出行（4.2%），无绿荫增加10%，通勤选择的概率降幅较低，而购物健身骑行者对环境的绿化更为敏感。这可能由于在通勤途中，时间紧迫，骑行者无暇顾及周围的道路环境，而购物等出行由于时间充裕，可充分选择适宜的路径。

表3 无绿荫环境下自行车骑行路径选择模型标定结果

在表4中，宽度小于3米与年龄的交叉项系数为正，表明在宽度小于3米的道路和年龄的双重影响下，年龄越大选择宽度小于3米的道路可能性越大。年纪较大的骑行者由于拥有丰富的骑行经验，对路宽小于3米的敏感度较低，因此相对于年轻的骑行者更能接受较窄具有约束性的道路条件。根据表4的模型标定结果，可以得出宽度小于3米的非机动车道长每增加10%，以通勤、购物、健身、生活出行和休闲娱乐为出行目的选择该路径的概率分别降低3.74%、6.54%、7.18%、10.62%和8.33%。相比较于无目的出行的骑行者（5%），以购物、健身、生活出行和休闲娱乐为目的的骑行者选择宽度小于3米的概率较低，他们对宽度小于3米的道路长敏感度高，这可能是因为给予出行者足够时间空间，他们就会在意骑行环境的舒适性，因此更注重骑行空间。

表4 宽度小于3米环境下自行车路径选择模型标定结果

从表5的结果可以发现，分隔栏比例与性别的交叉项系数为正，年长的骑行者偏爱于有隔离措施的路径，他们骑行更稳重一些，即使骑行技术相对较高，但并不爱冒险，因此更喜欢在有隔离设施的非机动车道上行驶。根据表5的计算结果可以得出机非分隔栏比例每增长10%，以通勤、购物、健身、生活出行和休闲娱乐为目的的出行选择该路径的概率会增长17.37%、4.1%、5.56%、4.98%和7.78%。以通勤为目的的概率增幅是以其他为出行目的的2~4倍，表明通勤人员更偏爱于有分隔栏的道路，由于上班的紧迫性，更注重骑行安全。因此对于通勤人员较多的道路，应更注重机非隔离设施的布设，当路径中机非隔离栏比例达到0.5时，通勤者选择该路径的概率趋近于1。

综合表3至表5的结果可以发现，性别对骑行路径中各类道路环境的影响差异相对较小，而不同年龄段的骑行者具有不同的骑行经验与冒险偏向方面，对骑行路径中各类道路环境的影响差异主要体现在自行车道宽度以及机非分隔带方面。此外，从结果中可以看出，通勤出行者更在意机非分隔带的形式，主要原因在于通勤出行主要在早晚高峰时期，机动车道流量较大对自行车的骑行影响更大。该拟合结果对指导慢行交通规划系统具有指导意义，比如关于老城区的道路改造，在规划红线范围内，为通勤人员的主要出行路段设置机非分隔栏、适当减少非机动车道宽度和绿植面积，能在合理保留老城区现有用地结构的前提下，改善非机动车出行环境。

表5 机非分隔栏环境下自行车路径选择模型标定结果

4 结论与展望

本文以南京市调查数据为基础，构建GLM模型分析骑行者对具有不同道路属性的偏好，发现骑行者对道路的敏感度为机非分隔栏大于宽度小于3米和无绿荫道路，相对骑行环境绿化程度和舒适性，骑行者对骑行道路的安全程度敏感度更高。

此外，在每个模型中加入道路环境与个人属性和出行目的的交叉项，考虑性别、年龄和出行目的的影响下，居民对骑行道路环境的选择情况。通过模型拟合结果对比分析不同个人属性和出行目的选择不同路径的偏好，结果显示：年龄对骑行环境的敏感性较高，老年群体更能接受宽度小于3米的道路，而年轻群体更能接受分隔栏较少的道路。出行目的显著影响着骑行者对骑行环境的选择：以购物和健身为目的的出行者对绿化道路的敏感程度非常接近，因此结合土地利用性质可以考虑住宅区、商业区和公园绿地区的道路绿化布设；通勤人员会更在意骑行环境的安全性，而对绿化舒适性敏感度较低。

本文基于鼓励出行者选择骑行出行的目的，研究发现了骑行目的与道路环境之间的关系，并提出可以结合起讫点的土地利用性质来规划设计道路环境，对实际的工程应用具有良好的支撑作用。在后续的研究中，可以从自行车选择与土地利用的关系出发，进一步研究出行吸引对自行车骑行选择的影响。