北京市郊区居民汽车拥有和使用状况与活动空间的关系

doi:10.11821/dlyj201506013

摘要/Abstract

摘要：

机动化与郊区化对城市空间结构与社会生活产生了深远的影响,私人汽车已日渐成为中国城市居民日常出行的重要交通工具。汽车所有权与汽车出行快速上升及其所带来的日常行为变化已经成为中西方学者共同关注的话题。西方学者对机动化与居民活动空间的关系进行了深入的探讨,但是国内这一方面的研究刚刚起步。基于GPS与活动日志相结合的居民一周活动与出行数据,采用GIS空间分析,从非汇总角度对郊区居民的整日活动空间进行测度,分析汽车拥有量与汽车使用对居民整日活动空间的影响。结果表明：机动化对居民活动空间产生深刻影响,家庭汽车所有状况与家庭汽车分配影响个体日常活动空间的分布,活动空间与是否使用小汽车出行具有显著的相关关系。

关键词: 汽车所有权, 汽车使用, 活动空间, GPS数据, 北京

Abstract:

Motorization and suburbanization have a profound impact on urban spatial structure and social life. Private car has increasingly become an important travel mode for Chinese urban residents. Rapid urbanization and suburbanization in China is accompanied by a significant increase in car ownership and car dependence, which led to worsened traffic congestion, especially for roads leading to city centers. Car ownership, car use and their impact on daily activity-travel behavior have become a hot topic to scholars in geography, transportation and planning.

塔娜, 柴彦威. 北京市郊区居民汽车拥有和使用状况与活动空间的关系[J]. 地理研究, 2015, 34(6): 1149-1159.

Tana, Yanwei CHAI. Car ownership, car use and activity space in suburban Beijing:An analysis based on GPS activity survey[J]. GEOGRAPHICAL RESEARCH, 2015, 34(6): 1149-1159.

图/表 8

图1

表1

图2

表2

表3

图3

表4

表5

参考文献 30

[1]	北京交通发展研究中心. 2013北京市交通发展年度报告. 北京:北京交通发展研究中心. 2013.
	[Beijing Transportation Research Center. Transportation Report of Beijing 2013. Beijing: Beijing Transportation Research Center, 2013.]
[2]	Shen Q.Urban transportation in Shanghai, China: Problems and planning implications. International Journal of Urban and Regional Research, 1997, 21(4): 589-606.
[3]	Zhao P.Private motorised urban mobility in China's large cities: The social causes of change and an agenda for future research. Journal of Transport Geography, 2014, 40(10): 53-63.
[4]	黄晓燕, 曹小曙, 李涛. 中国城市私人汽车发展的时空特征及影响因素. 地理学报, 2012, 67(6): 745-757.
	[Huang Xiaoyan, Cao Xiaoshu, Li Tao.The spatio-temporal variations of urban private car ownership in China and their influencing factors. Acta Geographica Sinica, 2012, 67(6): 745-757.]
[5]	曹小曙, 王大鹏, 李矿辉. 小汽车交通与城市空间发展. 现代城市研究, 2008, 23(7): 78-81.
	[Cao Xiaoshu, Wang Dapeng, Li Kuanghui.Private cars and development of urban form and structure. Modern Urban Research, 2008, 23(7): 78-81.]
[6]	Golledge R, Stimson R. Spatial Behavior.New York: The Guilford Press, 1997.
[7]	Chapin F J.Activity systems and urban structure: A working schema. Journal of the American Institute of Planners, 1968, 34(1): 11-18.
[8]	Hägerstrand T.Innovation Diffusion as A Spatial Process. Chicago: University of Chicago Press, 1967.
[9]	Kwan Mei-Po.Gender, the home-work link, and space-time patterns of nonemployment activities. Economic Geography, 1999, 75(4): 370-394.
[10]	Newsome T, Walcott W, Smith P.Urban activity spaces: Illustrations and application of a conceptual model for integrating the time and space dimensions. Transportation, 1998, 25(4): 357-377.
[11]	Kwan Mei-Po.Interactive geovisualization of activity-travel patterns using three-dimensional geographical information systems: A methodological exploration with a large data set. Transportation Research Part C: Emerging Technologies, 2000, 8(1): 185-203.
[12]	Schönfelder S, Axhausen K.Activity spaces: Measures of social exclusion?. Transport Policy, 2000, 10(4): 273-286.
[13]	Sherman J, Spencer J, Preisser J, et al.A suite of methods for representing activity space in a healthcare accessibility study. International Journal of Health Geographics, 2005, 4(1): 24-45.
[14]	申悦, 柴彦威. 基于GPS 数据的北京市郊区巨型社区居民日常活动空间. 地理学报, 2013, 68(4): 506-516.
	[Shen Yue, Chai Yanwei.Daily activity space of suburban mega-community residents in Beijing based on GPS data. Acta Geographica Sinica, 2013, 68(4): 506-516.]
[15]	Ahas R, Mark U.Location based services: New challenges for planning and public administration? Futures, 2005, 37(6): 547-561.
[16]	Stopher P, FitzGerald C, Xu M. Assessing the accuracy of the Sydney household travel survey with GPS. Transportation, 2007, 34(6): 723-741.
[17]	Bohte W, Maat K.Deriving and validating trip purposes and travel modes for multi-day GPS-based travel surveys: A large-scale application in the Netherlands. Transportation Research Part C, 2009, 17(3): 285-297.
[18]	Zenk S, Schulz A, Matthews S, et al.Activity space environment and dietary and physical activity behaviors: A pilot study. Health and Place, 2011, 17(5): 1150-1161.
[19]	Fan Y, Khattak A.Urban form, individual spatial footprints, and travel examination of space-use behavior. Transportation Research Record, 2008, (2082): 98-106.
[20]	Buliung R, Kanaroglou P.Urban form and household activity-travel behavior. Growth and Change, 2006, 37(2): 172-199.
[21]	Kwan Mei-Po, Kotsev A.Gender differences in commute time and accessibility in Sofia, Bulgaria: A study using 3D geovisualisation. The Geographical Journal, 2015, 181(1): 83-96.
[22]	Jones M, Pebley A.Redefining neighborhoods using common destinations: Social characteristics of activity spaces and home census tracts compared. Demography, 2014, 51(3): 727-752.
[23]	曹小曙, 林强. 基于结构方程模型的广州城市社区居民出行行为. 地理学报, 2014, 66(2): 167-177.
	[Cao Xiaoshu, Lin Qiang.A SEM-based study on urban community resident's travel behavior in Guangzhou. Acta Geographica Sinica, 2014, 66(2): 167-177.]
[24]	柴彦威, 肖作鹏, 刘志林. 居民家庭日常出行碳排放的发生机制与调控策略: 以北京市为例. 地理研究, 2012, 31(2): 334-344.
	[Chai Yanwei, Xiao Zuopeng, Liu Zhilin.Low-carbon optimization strategies based on CO2 emission mechanism of household daily travels: A case study of Beijing. Geographical Research, 2012, 31(2): 334-344.]
[25]	王丰龙, 王冬根. 北京市居民汽车使用的特征及其影响因素. 地理学报, 2014, 69(6): 771-781.
	[Wang Fenglong, Wang Donggen.Characteristics and determinants of car use in Beijing. Acta Geographica Sinica, 2014, 69(6): 771-781.]
[26]	刘志林, 柴彦威. 深圳市民周末休闲活动的空间结构. 经济地理, 2001, 21(4): 504-508.
	[Liu Zhilin, Chai Yanwei.The leisure spatial structure of Shenzhen citizens on weekends. Economic Geography, 2001, 21(4): 504-508.]
[27]	Kang H, Scott D.Exploring day-to-day variability in time use for household members. Transportation Research Part A, 2010, 44(8): 609-619.
[28]	Acker V, Witlox F.Car ownership as a mediating variable in car travel behaviour research using a structural equation modelling approach to identify its dual relationship. Journal of Transport Geography, 2010, 18(1): 65-74.
[29]	Crane R, Crepeau R.Does neighborhood design influence travel?: A behavioral analysis of travel diary and GIS data. Transportation Research Part D: Transport and Environment, 1998, 3(4): 225-238.
[30]	Bottai M, Salvati N, Orsini N.Multilevel models for analyzing people's daily movement behavior. Journal of Geographical Systems, 2006, 8(1): 97-108.

		总体	没有小汽车	一辆小汽车	两辆及以上小汽车
总体		304	115	166	23
性别	男性（%）	47.57	47.90	47.90	43.48
性别	女性（%）	52.43	52.10	52.10	56.52
户口	北京户口（%）	87.38	84.03	88.62	95.65
户口	非北京户口（%）	12.62	15.97	11.38	4.35
教育	高中及以下（%）	14.90	18.50	13.20	8.70
	大专本科（%）	67.31	65.55	65.87	86.96
	硕士及以上（%）	17.80	15.97	20.96	4.35
个人月收入（元）	低收入（<2000）（%）	11.18	18.26	7.83	0.00
	中收入（2001~6000）（%）	61.18	62.61	61.45	52.17
	高收入（>6000）（%）	27.63	19.13	30.72	47.83
年龄（岁）	20~29（%）	18.45	21.01	18.56	4.30
	30~39（%）	53.07	49.58	54.49	60.90
	40~49（%）	20.06	22.69	17.37	26.10
	≥50（%）	8.42	6.72	9.58	8.70
家庭规模（人）	1（%）	2.28	4.20	1.21	0.00
	2（%）	21.82	24.37	20.61	17.39
	3（%）	49.51	52.10	51.52	21.70
	≥4（%）	26.38	19.33	26.67	60.90
职住距离（km）		7.66	7.86	7.2	9.89

汽车所有权	家庭汽车分配	工作日平均活动空间面积(km²)	休息日平均活动空间面积(km²)
没有小汽车		17.16	21.48
一辆小汽车	总计	18.79	19.06
	主要使用者	21.30	19.25
	非主要使用者	13.64	18.58
两辆及以上小汽车		22.69	26.46

汽车所有权	家庭汽车分配	出行次数		非工作出行次数		整日出行距离（km）
汽车所有权	家庭汽车分配	工作日	休息日	工作日	休息日	工作日	休息日
没有小汽车		2.74	1.68	1.35	1.23	22.09	24.36
一辆小汽车	主要使用者	2.90	1.98	1.45	1.33	27.53	25.11
一辆小汽车	非主要使用者	2.97	1.56	0.99	1.21	17.51	22.13
两辆及以上小汽车		2.76	2.31	0.72	1.09	28.23	38.39

解释变量		模型1：工作日		模型2：休息日
解释变量		系数	显著性	系数	显著性
汽车拥有量 (参照类：没有车)	一辆车非主要使用者	-0.108	0.335	0.129	0.570
	一辆车主要使用者	0.223	0.013	0.253	0.140
	两辆及以上小汽车	0.118	0.494	0.710	0.028
女性(参照类：男性)		-0.308	0.000	-0.163	0.263
年龄		-0.007	0.266	-0.026	0.020
北京户口(参照类：非北京户口)		0.041	0.726	0.211	0.374
家庭规模		-0.016	0.760	-0.192	0.060
个人收入 (参照类：低收入)	中等收入	0.152	0.241	-0.116	0.648
个人收入 (参照类：低收入)	高收入	0.156	0.319	0.094	0.754
教育水平 (参照类：高中及以下)	大专本科	0.119	0.377	-0.246	0.378
教育水平 (参照类：高中及以下)	硕士及以上	0.148	0.379	-0.572	0.082
职住距离(km)		0.059	0.000	-	-
到市中心的距离(km)		0.061	0.199	0.115	0.213
零售业可达性		0.011	0.153	0.031	0.023
到最近的地铁站的距离(km)		-0.096	0.172	-0.33	0.016
路网密度(km/km²) (参照类：中等路网密度)	低路网密度	-0.005	0.968	-0.073	0.773
路网密度(km/km²) (参照类：中等路网密度)	高路网密度	-0.164	0.076	-0.009	0.957
常数项		1.343	0.140	2.476	0.143
R²		0.458		0.160

解释变量		模型3：所有样本		模型4：汽车使用者
解释变量		系数	显著性	系数	显著性
汽车使用状况 (模型3参照类：没有小汽车) (模型4参照类：汽车主要使用者但未使用汽车出行)	汽车主要使用者并使用汽车出行	0.367	0.000	0.602	0.000
	汽车主要使用者但未使用汽车出行	–0.220	0.019
	非主要使用者但使用汽车出行	0.479	0.005	–	–
	非主要使用者并未使用汽车出行	–0.101	0.281	–	–
星期 (参照类：星期二)	星期一	–0.001	0.987	–0.061	0.547
	星期三	0.032	0.659	0.052	0.618
	星期四	–0.061	0.413	–0.109	0.305
	星期五	0.006	0.933	0.016	0.882
	星期六	–0.013	0.881	–0.134	0.243
	星期天	–0.076	0.379	–0.059	0.621
女性(参照类：男性)		–0.229	0.000	–0.220	0.010
年龄		–0.008	0.114	–0.006	0.339
北京户口(参照类：非北京户口)		0.088	0.343	–0.231	0.138
家庭规模		–0.038	0.361	–0.106	0.053
个人收入(参照类：低收入)	中等收入	0.061	0.566	–0.003	0.987
个人收入(参照类：低收入)	高收入	0.064	0.609	–0.211	0.288
教育水平(参照类：高中及以下)	大专本科	0.120	0.281	0.343	0.034
教育水平(参照类：高中及以下)	硕士及以上	0.069	0.614	0.330	0.074
职住距离(km)		0.057	0.000	0.059	0.000
到市中心的距离(km)		0.066	0.091	–0.034	0.573
零售业可达性		0.011	0.077	–0.017	0.113
到最近的地铁站的距离(km)		–0.126	0.027	–0.098	0.197
路网密度(km/km²) （参照类：中等路网密度）	低路网密度	–0.159	0.118	–0.265	0.032
路网密度(km/km²) （参照类：中等路网密度）	高路网密度	–0.049	0.507	–0.034	0.735
常数项		3.629	0.000	5.611	0.000
个人层次随机部分(方差)		0.132		0.095
一日层次随机部分(方差)		0.450		0.408
-2倍对数极大似然值		2526.75		1069.92