EN中文

GEOGRAPHICAL RESEARCH >

2015 , Vol. 34 >Issue 6: 1149 - 1159

DOI: https://doi.org/10.11821/dlyj201506013

Orginal Article

Car ownership, car use and activity space in suburban Beijing:An analysis based on GPS activity survey

  • CHAI Yanwei
Expand
  • College of Urban and Environmental Sciences, Peking University, Beijing 100871, China

Received date: 2014-12-14

  Request revised date: 2015-03-02

  Online published: 2015-07-12

Copyright

《地理研究》编辑部
Fold

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.

Cite this article

CHAI Yanwei . 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 . DOI: 10.11821/dlyj201506013

Activity space is an important notion for examining individual activity-travel behavior and describing individual use of urban space. Existing literature in Western world have examined the importance of car ownership and car use on daily activity space extensively in the past 20 years. There are hot debates on how motorization affects the size of daily activity space. However, this part of research in China has just begun.
Based on a GPS-facilitated activity-travel survey dataset collected in Shangdi-Qinghe area in Beijing in 2012, this paper studies the relationship between motorization and daily activity space in suburban Beijing, by distinguishing between car ownership and car use. This paper uses the buffer analysis in ArcGIS to calculate individual daily activity space, and compares the differences in activity space among residents with different numbers of cars. This paper finds that car ownership and car allocation in household impact travel behavior of residents. Main users of cars have larger activity space on weekdays, and residents with two or more cars have larger activity space on weekends. And except for main users in one-car households, suburban residents have larger activity space on weekend than weekday to meet their needs. By using OLS model, this paper illustrates that car ownership has significant impact on main users' average daily activity space in one-car households on weekdays, while on weekends residents with two cars have larger activity space. By using multilevel generalized linear models, this paper analyzed the impact of car use on daily activity space. The results showed that, compared with car ownership, car use is more important to the size of activity space. Using private cars in daily travel will enlarge residents' activity space significantly, while main users of cars have smaller activity space when they travel by other travel modes.
Keywords: car ownership; car use; activity space; GPS data; Beijing

1 引言

随着中国城市家庭汽车保有量的快速增长,私人汽车已日渐成为居民日常出行的重要交通工具,汽车所有权与汽车使用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。以北京市为例,截至2012年12月底,注册私家车超过400万辆,出行结构中私人汽车出行占32.6%,说明私人汽车已成为北京市居民出行的主要交通方式之一[1]。中国的大城市已经迈入了汽车社会的门槛,汽车作为日常出行重要的交通方式选择,正在改变着城市居民的日常生活[2-5]。这一过程中,机动化与郊区化互相促进,资源配置自由度、流动性的不断增加对城市空间结构产生了深远影响,同时也带来了交通需求的迅猛增加,城市交通需求与交通供给的矛盾日益尖锐[4]。研究城市私人汽车使用特征及其与居民日常行为的相互关系,是制定交通需求管理和城市空间规划措施的前提,具有重要的学术价值和现实意义。然而,目前国内关于汽车所有权与汽车使用对城市居民日常行为的影响的研究还少见报道。
活动空间是指个体日常活动过程中所经过的所有地点的集合[6],是个体活动—移动行为的重要测度指标,用来描述个体对城市空间的利用情况[7-10]。基于传统活动日志数据,常用的活动空间测度方法包括标准置信椭圆法、最小凸多边形法、密度插值法、基于路网的最短路径分析法等[11-14]。但是由于活动日志数据的限制,无法获取居民具体的出行路线,传统方法对于活动空间的测度侧重停留时间较久的活动地点,忽略了居民出行穿过的区域[14]。随着移动定位技术的快速发展,基于手机、GPS等信息技术的移动数据开始广泛应用于居民活动—移动行为的研究中[15-18],为活动空间的测量提供了更加精确的数据源。
汽车所有权与汽车使用是影响活动空间的重要因素,但是已有研究对于机动化与活动空间的关系的研究结论存在争议。一些研究指出拥有汽车能够显著扩大居民活动空间的范围[18,19],特别是汽车主要使用者的活动空间显著大于非主要使用者[12]。Buliung等研究发现增加家庭汽车出行能够扩大家庭活动空间范围[20]。Kwan等提出,相比于使用公共交通,私人汽车使用不但能够扩大活动空间的范围,而且能够显著提高活动空间内的可利用城市设施数量[21]。但是,也有研究表明汽车所有权对于活动空间的面积没有显著影响[22]。基于移动数据进行更精细化的活动空间测度为衡量汽车所有权和汽车使用对活动空间的影响提供了机遇。
近年来,中国城市机动化带来的一系列交通和社会问题引起了学者的广泛关注,主要研究集中于两类：一类是关注于汽车使用,强调车辆行驶里程与碳排放,分析居民汽车出行特征及其影响因素[23-25]。另一类是从城市空间发展角度出发,分析拥有汽车对于居民日常行为的影响,但是这一类研究中汽车所有权仅作为个人属性,很少考虑实际汽车使用对于日常行为的影响。因此,结合汽车拥有量和汽车使用两个概念,基于GPS调查获取的北京市郊区居民一周时空行为数据,分析汽车拥有量和汽车使用情况对于居民活动空间的影响。

2 数据来源与研究方法

2.1 研究区概况

选取北京上地—清河地区作为研究区域。该地区位于北京市海淀区中东部、北五环与北六环之间,共约16 km2,常住人口约24万、就业人口约14万,是北京西北部大型综合性边缘组团、重要的郊区就业中心与居住组团（图1）。近年来随着高科技产业的发展与商品房的大量建设,区域汽车使用量逐年提高,汽车出行成为区域居民出行的重要方式,同时也带来了严重的交通拥堵问题,因此,该区具有较强的研究价值。
Fig.1 Location of the Shangdi-Qinghe area

图1 上地—清河地区区位

2.2 数据来源

选取在上地—清河地区居住的、有正式职业的、年龄在20~60岁之间的居民,并将活动日志数据与GPS轨迹在ArcGIS10.2中进行关联,选择活动日志完整、轨迹质量较好的样本共304名1245天日志作为本研究的基础数据库（其中选取有外出活动的天数共1133天）,有效样本基本情况如表1所示。调查样本中女性略多于男性,平均年龄为36岁,87.4%的居民有北京户口,85.1%的居民拥有大专或以上学历,61.2%的居民月收入在2001~6000元之间,27.6%的居民月收入高于6001元。62.2%的居民家中有小汽车,其中12.2%的居民家中有两辆及以上的小汽车。总体来看,拥有汽车的居民中高学历、高收入的、30~49岁年龄段的居民比例更高。其中有一辆车的居民代表了高教育水平、中高收入、中年的核心家庭居民。有两辆及以上车的居民典型代表了高收入、中年、大家庭、长距离通勤的北京本地中产阶层。
Tab.1 Respondent characteristics

表1 被调查者社会经济属性

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
女性（%） 52.43 52.10 52.10 56.52
户口 北京户口（%） 87.38 84.03 88.62 95.65
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

2.3 研究方法

相对于传统的问卷数据,利用GPS数据测度居民的活动空间具有明显优势：① GPS数据具有较高的时空精度,能够更加精确的测度活动空间;② GPS数据能够反映居民的出行路径,刻画的活动空间更加贴近实际情况;③ GPS定位点数量多,易于活动空间的实现[14]。结合研究问题和数据特征,首先将调查中收集的居民GPS定位点在ArcGIS10.2中连接成线性轨迹,之后选择500 m作为缓冲区范围进行活动空间的测度[14],以更加真实的反映出行路径特征。图2为某样本周六的移动轨迹及基于缓冲区方法刻画的活动空间。
Fig.2 Representation of activity space

图2 活动空间刻画

3 汽车拥有量与活动空间的关系

表2是汽车拥有量与活动空间面积的关系,表明相对于拥有汽车的居民,没有车的居民工作日活动空间最小,平均为17.16 km2。汽车拥有量的增加会扩大居民活动空间的范围,说明拥有汽车可以增加居民在工作日的移动性水平。而在休息日,拥有一辆车的居民活动空间面积最小。这是由于公共交通依旧承担了北京市居民很大比例的日常出行[1]。依靠便捷的公共交通,即使是没有车的居民也可以在周末进行长距离出行来满足自身休闲娱乐购物等需求。同时,没有车的居民有很大比例为年轻人（表1）,相比于30~49岁结婚有孩子的居民来说,他们更倾向于在周末到离家远的地方进行休闲活动[26]。
考虑家庭汽车分配状况,发现来自有一辆车家庭的居民中有1/3是汽车的非主要使用者。因此,对有一辆车的居民进行细分（表2）,发现工作日汽车主要使用者的平均活动空间面积大于没有车的居民和非汽车主要使用者,说明拥有并使用汽车能够增加居民在工作日的移动性水平,与已有研究结论一致[12,21]。可能的解释是在家庭内部汽车使用分配与家庭成员的就业地选择、日常活动分配之间具有相关关系,比较家庭汽车主要使用者和非主要使用者的职住距离和活动点分布情况,发现汽车主要使用者的职住距离平均比非主要使用者长1.1 km,而且日常活动空间分布更加分散,活动点之间的平均距离比非主要使用者大0.8 km。但是对于究竟是就业距离远、家庭任务多而成为汽车主要使用者还是由于使用了汽车而选择了更远的就业地和承担了更多的家庭任务,需要进一步研究进行分析。但是确实发现有一辆车家庭的非主要使用者在工作日的活动空间面积甚至小于没有车的居民,从侧面证实了在有一辆车的家庭中,存在着汽车分配和居民就业地选择和日常行为的替代机制,不使用车的居民更倾向于在家附近活动。
Tab.2 Daily activity space and car ownership

表2 汽车所有权与日常活动空间面积

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
从表2可以看出,除有一辆车家庭中的汽车主要使用者以外,其他三类居民休息日的平均活动空间面积都大于工作日,其中没有车的居民平均活动空间面积增加4.3 km2,有两辆及以上车的居民增加3.8 km2。说明郊区居民由于受到工作日的时空制约形成了一周活动节奏上的替代效应,导致周末的补偿性出行。而一辆车家庭中的汽车主要使用者的活动空间面积缩小可能与家庭联合出行有关。为了进一步分析活动空间面积拓展的原因,比较四类居民工作日与休息日的出行活动情况（表3）,相较工作日,休息日所有四类居民都表现出出行次数减少。没有车、有一辆车的非主要使用者和有两辆及以上车的居民都表现出整日出行距离增加的特征,说明这三类居民存在补偿性出行行为。但是,汽车拥有状况不同的居民之间也存在一些差异。没有车的居民表现出非工作出行次数减少但是出行距离增加,说明他们更倾向于通过增加出行距离来补偿工作日的出行能力制约。一辆车家庭中两类居民的差异体现出家庭汽车分配主要用于工作日的出行,而休息日家庭内部联合行为导致两类居民活动差异缩小。两辆及以上车的居民活动次数和出行距离都有所增加,说明由于移动性水平较高,居民可以在活动发生和活动距离两方面补偿工作日的制约。
Tab.3 Daily activity and car ownership

表3 汽车所有权与日常活动出行情况

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）
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
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
图3显示了居民汽车使用情况与活动空间面积的日间差异。可以看出,对于一辆车家庭的汽车主要使用者和两辆及以上车的居民来讲,活动空间面积和使用汽车的居民比例正相关。有两辆及以上车的居民工作日汽车使用人数比例高,活动空间的日间差异最为明显,但是休息日使用汽车的比例高于工作日,说明这类居民在用车方面更有休息日用车的倾向。对于一辆车家庭的汽车主要使用者来说,工作日和休息日的汽车使用人数约为75%,说明汽车是这类居民主要的出行工具,活动空间面积也较为稳定。而对于非主要使用者,工作日的汽车使用比例很低,但是休息日汽车使用比例升高,说明休息日这类居民倾向于通过共乘等行为使用汽车出行,活动空间面积也相应增加。没有车的居民工作日活动空间小于拥有汽车的居民,且较为稳定,但是休息日活动空间面积增加。
Fig.3 Daily differences in activity space

图3 活动空间面积的日间差异

4 汽车拥有量对活动空间面积的影响

为了更好地分析汽车拥有量对活动空间的影响,对居民工作日和休息日的活动空间平均面积分别构建了线性回归模型。为了防止非正态分布的影响,对活动空间面积进行了取对数处理,在控制居民社会经济属性的同时,重点考察汽车拥有量和建成环境特征的影响。居民社会经济属性包括性别、年龄、教育程度、个人收入、户口和职住距离。建成环境属性包括家附近的零售商业密度、家到城市中心的直线距离和家到最近地铁站的直线距离、道路网络密度。
分析结果如表4所示,从R2看,工作日模型的拟合效果较好,而休息日模型R2比较低,说明休息日模型中有一些变量没有考虑到,如个体偏好等。已有研究也表明,休息日居民自由活动更多,活动地点受到他们对城市空间的偏好影响大于时空制约的影响[26, 27]。
Tab.4 Regression model of activity space per person

表4 汽车拥有量对活动空间影响回归模型

解释变量 模型1：工作日 模型2：休息日
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
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
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
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
汽车拥有量对居民活动空间有影响,但是影响的方式在工作日和休息日之间存在差异。模型1表明,控制其他因素,拥有一辆车并作为主要使用者的居民工作日活动空间比没有车的居民大,说明拥有汽车确实增加了居民在工作日的移动性水平和对于城市空间的利用程度。但是一辆车家庭中的非主要使用者与没有车的居民没有显著差异,说明汽车在家庭中的分配影响了居民的出行行为。拥有两辆及以上车的居民与没有车的居民在工作日平均活动空间的差异也不显著,这可能是由于这两个群体的组间异质性导致的。
模型2表明,控制其他因素,拥有两辆及以上车的居民休息日活动空间比没有车的居民大,但是有一辆车家庭的居民差异不显著。两辆及以上车的居民往往也是高收入群体,一方面使用汽车出行受到的经济制约较少,另一方面可能更偏好于周末长距离出行到远郊活动。已有研究也证明随着移动性的增加汽车使用者可能增加对更远地区活动的参与需求[25]。而一辆车家庭由于主要是30~49岁结婚有孩子的家庭,而且样本中33%的居民与老年人居住,为了照顾老人小孩,可能更多的时间在家附近活动而减少长距离出行。由于公共交通负担了城市很大一部分的出行量,即使没有车的居民也可以依靠公共交通进行长距离出行[1],从而缩小了与有一辆车居民之间的差异。
已有研究认为建成环境与汽车拥有量存在相关关系,共同影响出行行为[28]。路网密度高,工作日活动空间小。但是低路网密度与中等路网密度没有显著差异,而高路网密度显著的减小活动空间面积。已有研究表明,路网密度增加有利于减少汽车出行增加非机动出行[29]。本研究发现路网密度对活动空间的影响并非完全的线性关系,路网密度较低的情况下增加路网密度活动空间差异不大,这可能与中低路网密度下居民使用汽车或者公共交通出行有关。休息日到最近的地铁站距离越近,活动空间越大。已有研究表明,如果家附近“坐公交车或地铁出行很方便”,人们使用汽车的需求会相应降低[25]。这进一步印证了北京居民周末的日常活动与公共交通的关系依旧相关,便捷的公共交通增加了居民的出行能力。

5 汽车使用情况对活动空间的影响

采用多层一般线性回归模型（multilevel generalized linear models）分析居民每天汽车使用情况对整日活动空间的影响。模型公式如下[30]：
y ij = β 0 j + u 0 j + e ij （1）
式中： y ij 表示居民j在i天的活动空间面积; u 0 j 是个体层面上的残差,表示居民j平均活动空间与总体活动空间面积的差异; e ij 是整日层面上的残差,表示居民j第i天的活动空间面积与该居民平均活动空间面积的差异;居民j平均每天的活动空间面积是 β 0 j + u 0 j 。
将样本按照家庭汽车拥有状况、是否是汽车主要使用者以及当日是否使用汽车出行分为五类,分别是没有小汽车、主要使用者且使用汽车出行、主要使用者但未使用汽车出行、非主要使用者但使用汽车出行（例如共乘行为）、非主要使用者且未使用汽车出行。表5中模型3为所有样本汽车使用情况对其整日活动空间的影响,模型4为汽车主要使用者（包括一辆车家庭和两辆车及以上家庭）当日汽车使用情况对其整日活动空间的影响。为了消除非正态分布的影响,对活动空间进行取对数处理。控制变量选择性别、年龄、教育程度、个人收入、户口和职住距离等社会经济属性变量以及零售商业密度、家到城市中心的直线距离和家到最近地铁站的直线距离、道路网络密度等建成环境变量。
Tab.5 Multi-level generalized linear model of daily activity space

表5 每日活动空间的多层一般线性回归模型

解释变量 模型3：所有样本 模型4：汽车使用者
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
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
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
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
结果表明,使用汽车出行增加了居民的活动范围。模型3表明,全体样本中相比于没有车的居民,使用汽车出行居民的活动空间显著增加。对于汽车的非主要使用者来讲,使用汽车出行往往意味着进行远距离活动,导致活动空间显著增加。综合模型3和模型4发现,当汽车主要使用者采用其他交通工具出行时,活动空间会显著的减小,甚至小于没有车的居民。这说明开车的居民在一周内会根据汽车使用情况分配日常活动,例如将非工作出行集中在使用汽车出行时进行,而不使用小汽车出行时倾向于减少出行活动或进行近距离出行。

6 结论与讨论

机动化的快速发展促进了城市居民日常生活的转变,一直以来都是城市地理学、城市交通学、城市规划学关注的热点问题。基于2012年GPS调查获取的北京市居民一周活动数据,结合汽车拥有量和汽车使用两个概念,构建回归模型,分析机动化对居民日常活动空间的影响因素,实证分析发现：① 汽车所有权与汽车使用能够显著增加活动空间面积,但是在车辆拥有量之间存在差异,拥有一辆车的居民主要表现为工作日就业空间受到影响,两辆及以上汽车居民的休息日活动空间更加扩展。② 个体活动空间与家庭汽车分配有关,汽车主要使用者与非主要使用者活动方式差异大,休息日共乘行为影响活动空间,汽车使用行为的分析应关注家庭。③ 工作日与休息日之间存在补偿性出行行为,但是在不同汽车所有权家庭之间存在差异。
从政策层面,交通政策的发展应当更关注汽车使用引导、公交设施配置和家庭整体的汽车使用安排。首先,工作日居民汽车使用比例高,拥有汽车增加了居民的就业可达性和通勤相关的移动性[25],同时也导致了相应的高峰期交通拥挤等城市问题,降低了城市交通运行的效率。而休息日汽车使用对居民日常活动的影响主要限于两辆以上汽车的家庭,一辆车家庭汽车使用对活动空间的影响不显著。说明目前绝大多数中国城市家庭把汽车作为了一种通勤工具。面对汽车城市的发展预期,改变城市居民使用小汽车的方式是未来城市交通政策的发展方向,引导居民减少工作日用车和通勤用车。其次,建成环境因素的分析表明公共交通也是提高居民活动空间的重要手段,通过提高地铁的可达性水平等方式能够减少居民的汽车依赖。因此,完善公共交通应该成为大城市控制汽车使用的重点。再次,研究也表明汽车的拥有和使用往往是以家庭为单元的。家庭内部汽车使用分配与家庭成员的就业地选择、日常活动分配之间具有相关关系,不使用汽车的居民倾向于在家附近活动。而家庭共乘行为也会影响居民工作日和休息日的活动空间布局。因此,限制汽车使用应该考虑以家庭为单位的出行模式。
本研究也存在一定的局限性。首先,采用缓冲区方法进行活动空间的测度,虽然更接近真实的活动空间范围,但是缓冲区半径的确定具有一定的主观性。其次,主要基于截面数据,因此在分析影响因素的因果关系时存在一定的局限。如究竟居民是因为就业距离远、家庭任务多成为汽车主要使用者,还是因为居民使用了汽车而选择了更远的就业地和承担了更多的家庭任务,仍需要纵向数据的分析或深度访谈加以深入研究。再次,汽车所有权对于活动空间的影响与多种因素有复杂的关联,如车辆限行、汽车使用偏好、家庭联合行为等。总体而言,本研究发现汽车所有权、汽车使用与居民活动—移动行为之间具有复杂的联系,机动化改变了城市居民的移动性特征。因此,今后机动化对居民移动性的影响是一个值得加强的研究话题。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[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.

Options
Outlines

/

〈 〉