基于交通模型的城市空间发展情景研究*——以杭州市主城区为例

Scenario Planning for Traffic Development —A Case Study of Hangzhou

邢 忠 朱嘉伊 余 俏

XING Zhong, ZHU Jiayi, YU Qiao



基于交通模型的城市空间发展情景研究*——以杭州市主城区为例

Scenario Planning for Traffic Development —A Case Study of Hangzhou

邢 忠 朱嘉伊 余 俏

XING Zhong, ZHU Jiayi, YU Qiao

摘 要交通拥堵问题已成为学界关注的热点，大量学者提出若要优化交通组织应从调整土地利用格局出发，但其在规划具体实践中能否起到应有的作用仍需探讨。以杭州市主城区为例，基于居住用地和商业办公用地两大交通起讫影响要素，设定不同发展目标，构建“强中心弱边缘”、“弱中心强边缘”和“中心边缘均衡”3种发展情景，进行出行生成、出行分布和交通分配的预测，最终得出不同情景下的交通流量和车行速度的分布。根据不同情景下交通特征的对比发现，不同情景对不同片区的交通拥堵状况的改善程度不一，并且上城区、下城区的交通拥堵状况始终未得到明显改善。由此可以认为，调整城市用地布局能够在一定程度上解决部分城市边缘区域的交通拥堵问题，但无法对市中心交通拥堵状况的改善起到应有的作用。

关键词情景规划；TransCAD；空间演化；杭州

邢忠, 朱嘉伊, 余俏. 基于交通模型的城市空间发展情景研究——以杭州市主城区为例[J]. 西部人居环境学刊, 2016, 31(01): 75-80.

* 国家大学生创新创业训练计划项目（201310337016）

Abstract:Growing concerns have been raised on traffic congestion. Researchers propose that optimizing land use can provide a way to solve the traffic congestion, but it is hard to prove accurately if it has a certain effect on the practice of urban planning. In this research, based on the layout and development intensity of residential and commercial land, three scenarios are built. The operation of trip generation, O-D matrix and trip assignment are proposed to approach the distribution of traffic flow and speed. The comparison of traffic flow and speed is proposed to reach some conclusions: (1) the degree of improvement of each area is different in each scenario, and especially that the traffic congestion has not been changed in Shangcheng District and Xiacheng District; (2) controlling the urban layout and development intensity can ease traffic congestion within a specified area excluding the downtown.

Keywords:Scenario Planning; Trans CAD; Spatial Evolution; Hangzhou

0 引 言

随着近几年来我国各大城市私家车拥有量的急速攀升和交通出行需求的不断增长，城市道路负担日益加重，交通堵塞、行车混乱、道路拥挤、环境污染等问题日益严重[1]。根据研究成果，因为交通拥堵和管理问题，百万人口以上的50座城市的居民平均单行上班时间要耗费39min，15座主要城市每天损失近10亿元财富①。交通拥堵问题可以从两个方面得到解决：一方面是通过大量交通基础设施的修建扩大交通供给，但这极易陷入“多修路多买车”的恶性循环，并且车辆的停放占用了大量的路面资源，造成了大量的浪费[2]；另一方面是从规划和管理出发，通过协调交通和土地之间的关系，减少私家车出行总量，优化交通流量在区域间和路网内的分布，以达到缓解交通拥堵的目的[3-5]。若要从根源上解决交通拥堵问题，必须从调整土地利用、产业结构、人口布局入手，探讨哪一类土地利用方式与布局模式能够更好地影响交通需求的产生和交通流量的分布。

西方学者针对交通与土地互动关系的研究大致可分为两类：一是提出了能够影响交通系统的具体土地利用因素，如人口容量、工作岗位区位、住房密度、城市中心区位、城市形态等[6-7]；二是提出了一系列模型用于指导和应用于交通系统的构建与预测，如Lowry模型[8]、约束型规划模型[9]、空间投入产出模型[10]、GIS修正技术[11]、微观敏感性分析[12]等。总之，西方城市土地与交通互动的研究已引起广泛而持久的兴趣，并成为城市研究领域重要的议题。目前来看，多数研究集中于因素影响的机制、模型的构建，缺乏对发展中国家尤其是大量具有高密度人居特征的中国特大城市的关注。

通过对西方学者成果的引介，国内学者对其相关研究也在增加，如从作用机制和表现形式上对两者关系的论述[13-15]，空间定量分析的研究[16-19]。此外，从实证视角出发对具体城市土地与交通互动关系的研究不多，且研究的领域较分散，如道路规划与交通绩效的研究[20-22]、城市节点与交通关系的研究[23-25]、用地策略与交通优化的研究[26-29]等。

综上，相关研究存在以下特点：首先，大量研究集中于人口、经济产业的布局，着眼于以城市节点的提升优化整体交通系统；其次，国内大多数规划研究实践集中于对西方研究成果的引介，针对具体城市案例的实践研究仍需加强；此外，就规划设计而言，人口与产业的引导效果只能进行有限预测而不能具体控制，而控制城市空间的核心要素是土地及功能，这就导致了土地具体特征与交通系统的组织缺乏联系。

城市空间内资源的存在和交换在现实情景下不可能达到绝对的平衡，必然会导致不同城市结构的产生，如单中心城市、多中心城市等。不同的城市结构反映为不同的用地功能组合，继而影响交通出行点和吸引点的空间布局，产生不同的交通出行结果。这为本文的研究提供了新的思路：人口与产业不能进行绝对精确地描述，若结合具体城市案例，通过土地及功能的精确控制影响大的城市空间格局，能否有效缓解当前城市交通拥堵问题？故本文设定不同片区居住用地和商业办公用地的未来发展强度，通过出行生成、出行分布和交通分配3个步骤，模拟不同情景下的交通流量和出行速度，一是验证这样的研究思路是否可行，二是通过不同情景模拟结果的对比，探究受限于当前空间结构的城市是否能够有效解决交通拥堵问题。

1 研究对象与技术路线

以杭州为例，本文选定的范围为：东至运河东路，西至紫金港路，南至钱塘江，北至留石快速路（图1）。其具体原因是：（1）该范围与城市建成区大致重合，具有发展时间长、产业相对成熟、交通流量稳定的特点；（2）各区域存在大量居住区和商业办公区，其是交通起讫的关键要素；（3）研究区域可具体细分为西湖区、拱墅区、下城区、上城区、江干区5个片区，这为进一步的交通模拟提供了条件；（4）留石快速路和钱塘江的存在有可能导致模拟结果的误差，南北居民出行方式及目的地差异较大，故快速路以北和钱塘江以南片区并未划入研究范围。

图1　区域划分Fig.1 zoning in this research

本文选择了40余条具有代表性的道路作为研究对象。路网选取基于3个原则：（1）道路间距适宜且密度均匀；（2）居民出行选择意愿较高，目的性较强；（3）能承担一定的交通流量。根据每条道路的容量与速度，将路网分为主干道和次干道两个等级：主干道的平均速度为60km/h，容量为5000单位；次干道平均速度为30km/h，容量为3000单位。两级道路的数量比约为1:3。

土地利用对交通存在直接的影响，其与交通产生和吸引具备一定的相关关系，且这样的关系随着时间的推移和土地功能的变化能够保持稳定，这样我们就可以推算出未来交通特征变化的趋势，计算交通出行的交换和分布，预测未来交通流量和车行速度的特征。

本文拟在区域范围划定和路网分级的基础上，以居住用地和商服用地作为影响不同年份交通产生量和吸引量的关键要素，根据两类用地的时空变化幅度的不同构建“强中心弱边缘”、“弱中心强边缘”和“中心边缘均衡”3种模型，在对其交通出行生成、分布和分配预测的基础上，描述、评价、对比3种模型方案，最终得出一定结论。具体技术路线如图2所示。

图2　技术路线Fig.2 technical route

2 出行生成、分布与分配——以强中心弱边缘模型为例

2.1 出行生成预测

2.1.1 基本假设

出行的对象具有3个属性：（1）每次出行有起讫点；（2）出行带有目的；（3）出行使用一种或多种交通方式。本文侧重于模型的探讨而非完全意义的实证研究，故将所有交通出行对象整合为一种，以达到简化模型的目的，即不进行交通方式的划分，比如居民出行和货物出行，工作出行、购物出行、就学出行和活动出行等。

2.1.2 数据基础

在上述假设下归纳变量之间的相关关系。传统的交通流量模拟的数据基础是人口与经济总量，而本文所采用的是对城市交通起讫影响最大的居住用地和商业办公用地，故作出如下假设：（1）某个区块的交通产生量或吸引量受到地块用地性质的影响；（2）交通量与用地之间的关系可以通过调查数据确定；（3）出行与地块性质的相关关系在一定时期内保持相对稳定，即当未来地块性质发生改变时，交通产生量和吸引量也会发生相应的变化。

回归分析法的数据基础为：（1）基于各分区（西湖区、拱墅区、下城区、上城区、江干区）的现状年出行产生量和吸引量数据②（表1、图3）；（2）基于各分区的现状年的居住用地和商业办公用地数据③和未来年的居住用地和商业办公用地面积（表2-3所示，分类标准以GBJ137-90为准），其中未来年的居住用地和商业办公用地面积体现了“强中心弱边缘”模型的变化幅度。关于变化幅度为何是正值，本文认为变化幅度的增减可以通过开发强度的增减而实现，且对结果的可视化处理中的比例显示并不会造成影响。变动的幅度经过考虑，符合一般社会经济增长规律，若强行使用夸张尺度的增减幅度，则会对结果带来不确定的影响，造成更大误差。此模型使用的“弱：15%、20%”、“强：30%、40%”、“最强：50%、60%”并不是未来最准确的数值，本研究为基于模型的理论探讨，采用此幅度较为直接客观，故忽略此部分的影响。

表1　现状年出行产生量与吸引量Tab.1 current trip generation and attraction

图3　现状年出行产生量与吸引量示意图Fig.3 schematic diagram of current trip generation and attraction

表2　现状年居住用地与商业办公用地开发强度Tab.2 current development intensity of residential land and public facilities

表3　未来年居住用地与商业办公用地开发强度与增加幅度Tab.3 the development intensity and change range of residential land and public facilities of prediction

经过Estimation模型检验（表4），P_Base与Cland_Base & Rland_Base的相关程度为0.8299，A_Base与Cland_Base & Rland_Base的相关程度为0.9963，值均大于0.8，说明自变量与因变量的相关程度较高，可用于下一步模拟。

表4　数据库各字段说明Tab.4 explanation of each field

2.1.3 出行生成

基于前文Estimation检验，得出未来年出行产生量与未来年出行吸引量，继而在平衡各分区的基础上，得出最终结果（表5、图4）。

图4　经过平衡的未来年出行产生量与吸引量示意图Fig.4 schematic diagram of trip generation and attraction of prediction after the balance

2.2 出行分布预测

2.2.1 基本原理与方法

出行分布预测的目的是求出研究区域未来年各分区的出行交换量，其可以通过增长系数的模拟和出行者目的地选择行为的模拟而实现。前者典型代表为增长系数法，其较依赖出行分布矩阵的精确度，并且不适用于交通供给变化较大的长期预测；后者典型代表是重力模型法，其模型形式直观、容易解释，能够反映交通容量供给的变化对交通出行产生的影响，适用于长期和长距离交通需求的预测，若特定分区之间的交通量为零也能进行预测。故选用重力模型法作为本次出行分布预测的方法。

2.2.2 重力模型的应用

在重力模型的应用中，准备的数据如下：（1）含有各类数据（如ZoneID、P_Base、A_Base、Cland_Base、Rland_Base、P_Fur、A_Fur等，具体名称详见表4）的地理文件；（2）现状出行分布矩阵，如表6所示；（3）基于分区质心点、最近出行直线、道路网等要素，生成各分区间最短出行时间矩阵，即阻抗矩阵，具体数据如表7所示。

经过交通分布重力校正，得出幂函数型阻抗函数的参数b=2.5355。继而通过现状分区间的阻抗矩阵、未来年出行产生量和吸引量以及重力模型的阻抗函数参数，得出未来年O-D矩阵（表8）。

表5　经过平衡的未来年出行产生量与吸引量Tab.5 trip generation and attraction of prediction after the balance

表6　现状年各分区出行分布矩阵（O-D矩阵）Tab.6 O-D matrix of the current

表7　现状年各分区之间的阻抗矩阵Tab.7 impedance matrix of the current

表8　未来年各分区出行分布矩阵（O-D矩阵）Tab.8 O-D matrix of prediction

2.3 交通分配

2.3.1 基本原理与方法

交通分配的目的是将未来出行的O-D矩阵按照一定的路径选择原则分配到交通网络中，以此求出路段流量以及相关交通指标。采用的交通分配原理为用户平衡原理，其假设所有出行者独立做出令自己的行程时间最小的决策，在其界定的网络流量分布中，同组O-D对之间路径时耗相同，此种流量分布状态被称为用户平衡状态。

2.3.2 在模型中进行交通分配

在给定未来各分区出行分布矩阵、交通路网地理文件（已设置行程时间、行驶速度、通行能力）和各分区地理图层的基础上，运用交通分配模型和用户平衡法将未来出行分布矩阵分配到交通网络中去，生成路段流量表。与路段图层相关联后，流量分布如图5所示。

图5　“强中心弱边缘”模式下的未来道路流量分布Fig.5 flow distribution predicted in the strong center and weak edge model

3 模型分析和结论

3.1 “强中心弱边缘”城市结构模型分析

“强中心弱边缘”的概念是将城市发展重心放在中心城区而弱化向外扩张的趋势。由图5可知，该模型只减少了主城区与城市边缘连通道路的流量，但城市中大部分街道的车流量均有增加。

由图6可知，整个城市道路拥堵状况严峻，心区车行速度达到最低值。具体表现在保俶路、曙光路、求是路等西湖沿岸的南北走向道路和临江的姚江路、婺江路等南北走向道路的流量有所增加。整体而言，强化中心城区发展、弱化周边区域发展会使城市南北走向的主次道路流量明显增加，车速减慢。

图6　“强中心弱边缘”模式下的未来道路车行速度分布Fig.6 speed distribution predicted in the strong center and weak edge model

3.2 “弱中心强边缘”城市结构模型分析

“弱中心强边缘”的概念是将发展重心放在城市边缘，以达到减轻原中心城区发展压力的目的，其增强幅度的设定是西湖区、江干区最大，拱墅区次之，上、下城区最小。由图7可知，该模型主要减少了西湖区和上城区临江部分街道的交通流量，其可能的原因是，发展重心的外迁为外围居民提供更多的就业机会，减少其向城市中心流动的次数和时间。拱墅区流量基本保持均衡，上城区、下城区、江干区车流量有明显增加。车行速度分布如图8所示。

图7　“弱中心强边缘”模式下的未来道路流量分布Fig.7 flow distribution predicted in the weak center and strong edge model

3.3 “中心边缘均衡”城市结构模型分析

均衡发展指按照现有结构继续发展，并不改变个别片区的开发强度。相较“强中心弱边缘”或“弱中心强边缘”模型而言，该模型也能缓解部分城市道路的拥堵情况，如上、下城区部分区域。

该发展模式下的道路流量分配较为均衡（图9）。古墩路、丰潭路等靠近边缘的南北向道路和文一路、文二路、文三路等东西向道路的流量较另外两种模式而言较少。同时，上、下城区部分主干道流量有所增加，车速较慢，而庆春路、艮山西路等路段车速的改善非常明显（图10）。

图8　“弱中心强边缘”模式下的未来道路车行速度分布Fig.8 speed distribution predicted in the weak center and strong edge model

图9　“中心边缘均衡”模式下的未来道路流量分布Fig.9 flow distribution predicted in the balance development model

图10　“中心边缘均衡”模式下的未来道路车行速度分布Fig.10 speed distribution predicted in the balance development model

3.4 模型对比与结论

在3种发展模式下，对不同片区道路流量和道路速度的平均值进行统计，继而分为三个等级，其对比如表9所示：（1）在不同的空间模型中，上、下城区的交通流量与车行速度变化不大，且没有任何一个模型体现出能够解决全局交通拥堵问题的可能；（2）“弱中心强边缘”模型对解决西湖区和江干区的交通拥堵问题效果最佳，尤其是东西走向道路；（3）均衡模型对解决拱墅区的交通问题效果最佳。

表9　三种发展模式模拟结果的对比Tab.9 comparison of three models

通过3种模型交通流量和车行速度分布以及结果对比，我们可以得出以下结论。

（1）通过合理调配空间布局关系，如调整居住用地和商业办公用地的开发强度，能够在一定程度上解决部分城市边缘至市中心的交通拥堵问题。通过3种模型的对比可以发现，在“弱中心强边缘”的发展情景下，边缘区域的交通状况最为良好。因此，在杭州现有的城市空间形态下，一方面强化边缘区域，增强其产业与就业吸引力，推进区域职住平衡，另一方面减少中心区人口和产业的过度集聚，对解决边缘至主城区域的交通拥堵问题能起到积极作用。

（2）3种模型在目前的杭州城市空间形态下（L型），都无法良好地解决市中心（即西湖东北角）的交通拥堵问题。通过模拟可以发现，市中心的交通出行量与吸引量始终处于较高水平。由于区位条件、路网形态、经济产业、居民观念等因素影响，该区域始终是交通流的汇聚点，其产生的强大向心力使得交通拥堵问题难以简单地通过改变空间结构关系得到解决。

4 结 语

相较于人口和产业的引导，用地控制更能够精确的反映未来城市的交通起讫的变化，故本文通过居住用地和商业办公用地开发强度的调整，设定“强中心弱边缘”、“弱中心强边缘”和“中心边缘均衡”3种城市结构模型，模拟不同情景下的交通流量和车行速度分布，认为合理调配空间布局能够缓解一定现状矛盾，但仍然无法解决全局尤其是市中心的交通拥堵问题。这为我们的下一步研究提供了思路。

（1）本文同时调整居住用地和商业办公用地的开发强度试图模拟不同发展情景，若有针对性地弱化或强化部分职能，如减少前者并增加后者的开发强度，是否可以构建更多的模型对交通状况进行模拟，从而得出更优的发展情景；

（2）在不同情景下拥堵路段均有存在，能否通过增强部分路段的公共交通运营能力和接驳机会、减少私家车停车位的配套数量、实施区域性的交通治堵政策等手段，减少私家车出行意愿从而缓解交通拥堵问题；

（3）改变杭州的城市宏观结构，如向带状城市或环形城市转变，是否能在一定程度上缓解市中心的交通拥堵问题；

（4）一旦将研究对象拓展至其它不同形态的城市，在不同空间形态限制下，如何调整居住用地和商业办公用地的区位和开发强度才能达到交通流量分布的最优解。

（致谢：感谢浙江工业大学城乡发展与人居环境设计研究中心吴一洲副教授对本文提供的数据支撑和写作意见。）

注释：

① 该资料来源于新华网2010年10月8日《中科院专家：中国15座城市因拥堵每天损失近10亿》一文。

② 此数据来源于国家自然科学基金项目（51108405）的居民居住区位偏好与交通特征部分调查资料。

③ 此数据来源于谷歌卫星航拍图、杭州主城区控制性详细规划现状用地拼合图等资料。

参考文献：

[1] 闫小培, 毛蒋兴. 高密度开发城市的交通与土地利用互动关系——以广州为例[J]. 地理学报, 2004(05): 643-652.

[2] 仇保兴. 缓解北京市交通拥堵的难点与对策建议[J]. 城乡建设, 2010(06): 6-8.

[3] 周素红, 闫小培. 广州城市空间结构与交通需求关系[J]. 地理学报, 2005(01): 131-142.

[4] 毛蒋兴, 闫小培. 城市交通系统与城市空间格局互动影响研究——以广州为例[J]. 城市规划, 2005(05): 45-49.

[5] 马清裕, 张文尝, 王先文. 大城市内部空间结构对城市交通作用研究[J]. 经济地理, 2004(02): 215-220.

[6] VERGIL G S, FRANK J K. Transportation and Land Development[M]. Washington, D.C.: Institute of Transportation Engineers, 2002.

[7] JAN U H. Transportation Impacts of Office Relocation: a Case Study from Oslo[J]. Journal of Transport Geography, 1995(11): 247-256.

[8] 郭丽娜. 城市轨道交通与土地利用协调发展的研究[D]. 北京: 北京交通大学, 2004.

[9] VOLD A. Optimal Land Use and Transport Planning for the Greater Oslo Area[J]. Transportation Research Part A Policy & Practice, 2005, 39(06):548-565.

[10] KARA M K. Tracking Land Use, Transport, and Industrial Production Using Random-Utility Based Multiregional Input-Output Models: Applications for Texas Trade[J]. Journal of Transport Geography, 2005(03): 275-286.

[11] ANNE V M, SARAH E K, JEAN E M, et al. Land Use and Transportation: Operationalizing the Relationship with a Transportation-Efficient Land Use Mapping Index[R]. TRB Meeting, 2005.

[12] WADDELL P, ULFARSSON G F, FRANKLIN J P, et al. Incorporating Land Use in Metropolitan Transportation Planning[J]. Transportation Research Part A Policy & Practice, 2007, 41(05): 382-410.

[13] 杨吾扬. 北京市零售商业与服务业中心和网点的过去、现在和未来[J]. 地理学报, 1994(01): 9-17.

[14] 李泳. 城市交通系统与土地利用结构关系研究[J]. 热带地理, 1998(04): 307-310.

[15] 王炜, 陈学武, 陆建. 城市交通系统可持续发展理论体系研究[M]. 北京: 科学出版社, 2004.

[16] 过秀成. 城市集约土地利用与交通系统关系模式研究[D]. 南京: 东南大学, 2001.

[17] 杨明, 曲大义, 王炜, 等. 城市土地利用与交通需求相关关系模型研究[J]. 公路交通科技, 2002(01): 72-75.

[18] 易璐, 李志强. TransCAD-VISSIM在交通影响分析中的应用[J]. 科学技术与工程, 2009(23): 7066-7069.

[19] 韦亚平, 潘聪林. 大城市街区土地利用特征与居民通勤方式研究——以杭州城西为例[J]. 城市规划, 2012(03): 76-84.

[20] M I N G U E Z R , S A N C H E Z -CAMBRONERO S, Castillo E, et al. Optimal Traffic Plate Scanning Location for OD Trip Matrix and Route Estimation in Road Networks[J]. Transportation Research Part B Methodological, 2010, 44(02): 282-298.

[21] BEN-AKIVA M E. GAO S, WEI Z, et al. A Dynamic Traffic Assignment Model for Highly Congested Urban Networks[J]. Transportation Research Part C Emerging Technologies, 2012, 24(24): 62–82.

[22] 陈学文. 城市快速路匝道优化控制策略与方法研究[D]. 吉林: 吉林大学, 2008.

[23] 郭凤香, 熊坚, 王朝英. 交通分配模型研究及其应用[J]. 交通与计算机, 2004 (04): 10-13.

[24] 刘露. 天津城市空间结构与交通发展的相关性研究[D]. 上海: 华东师范大学, 2008.

[25] 杨杨, 林红. 遂宁市城市空间结构与城市交通的协调研究[D]. 成都: 西南交通大学, 2010.

[26] 鲁斐栋, 谭少华. 基于新城市主义理念的步行干预规划策略探讨[J]. 西部人居环境学刊, 2013, 28(05): 72-79.

[27] 李泽新, 李治. 西南山地高密度城市的空间结构与交通系统互动关系研究[J]. 西部人居环境学刊, 2014, 29(04): 45-51.

[28] 陆再珍, 吕连恩, 周茂松. 低碳背景下的城市客运交通工具选择研究——以广州海珠生态城为例[J]. 南方建筑, 2015(10): 102-107.

[29] 李刚奇, 吕连恩, 周茂松. 精细化交通设计方法与实践——以广州市广钢新城为例[J]. 南方建筑, 2015(05): 83-88.

图表来源：

图1-10：作者绘制

表1-9：作者绘制

（编辑：苏小亨）

收稿日期：2015-04-03

作者简介邢 忠： 重庆大学建筑城规学院，山地城镇建设与新技术教育部重点实验室，教授，博士生导师，xingzhong@vip.sina.com朱嘉伊：重庆大学建筑城规学院，硕士研究生余 俏：重庆大学建筑城规学院，博士研究生

DOI:10.13791/j.cnki.hsfwest.20160113

文 章 编 号2095-6304(2016)01-0075-06

文献标识码B

中图分类号TU984.1