基于空间句法的慢行交通需求预测模型

赵梓舜，董洁霜，刘魏巍 ZHAO Zishun,DONG Jieshuang,LIU Weiwei

（上海理工大学 管理学院，上海 200093）

(Management School,University of Shanghai for Science and Technology,Shanghai 200093,China)

近年来，随着国力的不断提高，我国绝大多数城市与小城镇的出行方式都经历了由“传统的步行”到“机动车快行”的转变。私家车保有量一直在急剧上升，私家车保有量上升所带来的负面影响如交通拥堵、环境污染、交通事故等现象日益严重。而慢行交通作为绿色、便捷、经济的交通方式，正逐渐引起人们的重视。

慢行交通（Non-Motorized Traffic）一般是指速度不大于15km/h的交通方式[1]，也称为非机动化交通，主要由步行交通与非机动车交通构成。慢行交通虽然速度较低，但在城市与小城镇交通中依然有着举足轻重的作用。不论机动车交通发达到何种程度，在城市与小城镇中，仍有一些死角是机动车交通无法到达的。机动车交通更不可能满足居民休闲、购物、娱乐、锻炼的需求。

我国的慢行交通规划起步较晚，且大多集中于大中城市，而小城镇的慢行交通规划更是少之又少。在慢行交通规划中，又很难得到准确的慢行交通数据，慢行交通越来越得到人们的青睐，但是在规划发展层面却严重“偏科”：慢行交通没有得到跟机动车交通相等的“待遇”。能够准确地对慢行交通的需求进行预测，是十分重要的。因此，本文提出了基于改进空间句法的慢行交通需求预测模型。

1 空间句法基础理论与方法

1.1 空间句法基础理论

空间句法（space syntax）由Bill Hiller在20世纪70年代首次提出[2]，起源于建筑学。空间句法认为，人处在的空间的形态和结构会很大程度地影响人的行为与活动。城市及城镇网络引起了网络中的人车运动。60%的行人和70%的车行与城市及城镇的网络模式有关[3]。空间句法研究的人、车主体包含了行人和自行车，而自行车与行人是构成慢行交通的主体。

空间句法在研究区域内对交通流量进行预测，相比交通研究的领域是截然不同的。他是描述出在研究区域内空间结构改变的情况下，引起交通流量的变化在新的道路网络上的分布状况[4]。空间句法的这一特性十分契合城市及小城镇的慢性交通需求特性，即随着城市及小城镇的慢行路网不断完善与发展，不断有新的慢行交通需求在增加，需要在路网上重新进行分配。

1.2 空间句法的分析方法

1.2.1 确定空间句法的研究区域。慢行交通的出行时间一般在30min以内，根据慢行交通的出行特性，不管是步行还是自行车出行，都应该选择以研究区域为圆心，步行30min的距离为半径来确定研究区域。

1.2.2 空间分割。确定研究区域以后，要进行空间句法的空间分割。空间分割的方法主要有轴线法，凸多边形法和视区分割法。其中轴线法是根据道路网来进行空间的分割，更符合小城镇慢行交通的特性。因此，本文将选用轴线法进行空间句法的空间分割。

1.2.3 轴线图转化为连接图。根据轴线法，得到小城镇的轴线图。要进一步分析轴线图的特性，还需把轴线图转化为连接图。把轴线图中的每一条道路作为节点，根据轴线建立的相交或相连关系来进行图的连接。

1.2.4 形态分析变量的计算。根据得到的连接图，可以得到相关的形态分析变量。

（1）连接度（Connectivity），表示和第n个节点相连接的节点个数。连接度的值越高，说明其所在空间的渗透性越好。计算公式如下：

式中：l为与第n个节点相连的节点个数。

（2）控制值（Control value）Cvn，表示一个空间对与其相交的其他空间的控制程度，即影响程度。计算公式如下：

式中：Cm是跟第n个节点的直接相连的第m个节点的连接度。

（3）深度值（Depth value）表示其中一个节点到达其余所有节点的最短距离。

总深度值（Total depth）Tdn，表示所有节点的深度值之和。计算公式如下：

式中：i是连接图中的节点总数，dnm是连接图中任意的两点n和m之间的最短距离。

平均深度值（Mean depth）是指平均化的总深度值。计算公式如下：

（4）集成度表示一个空间与其余空间的相互关系。可以分为全局集成度和局部集成度。计算公式如下：

式中：TDn是平均深度值。

局部集成度RRAn表示一个空间与在最短距离之内的空间相互关系。计算公式为：

2 慢行友好性指标

国内一些学者研究了空间句法在城市慢行交通需求预测中的应用。李聪颖[5]利用调查的高峰小时慢性交通量的数据，利用空间句法和线性回归软件SPSS回归分析软件得到了慢行交通量与空间句法形态分析变量的线性关系式，并根据道路沿街设施的慢行交通吸引系数对得出的预测数据进行了修正。袁飞[6]在空间句法中形态分析变量的基础上引入了影响慢性交通需求的交通分析变量，利用SPSS软件进行回归分析，得到了慢行交通量和形态分析变量与交通分析变量的线性关系式，但没有具体对交通分析变量进行精确的量化。国内部分学者的研究已经充分证明了，在慢行交通需求预测方面，空间句法具有良好的适用性。

2.1 慢行友好性指标特性分析

居民的慢性出行方式的选择，不仅仅受到小城镇的道路空间结构的影响，还会受到诸如安全感、便捷舒适和视觉趣味等慢行体验的影响。这些“体验”可以通过过街安全性、人行道安全性、街道尺度感等指标来体现。例如多样化、有趣味的街道元素，会提升居民的视觉趣味，从而大大刺激慢行交通的出行需求。故本文提出了慢行友好性指标的概念，对空间句法的模型进行修正。

把能够刺激慢行交通需求的指标统称为慢行友好性指标，慢行友好性指标可以根据步行或是自行车的不同的出行方式可以分为可步行性指标和自行车友好性指标。具体的慢行友好性指标分类如表1所示。

表1 慢行友好性指标

2.2 慢行友好性指标量化

慢行友好性指标可由一些可测量的街道要素体现，如车行道数、人行道有效宽度、街道围和度（高宽比）等。可通过这些可测量的街道要素对慢性友好性指标进行量化。参与慢行友好性指标量化的相关街道要素分别如表2、表3所示。

表2 参与可步行性量化的相关街道要素

慢行友好性指标可由居民感知评价调研得出，感知评价可运用五级李克特量表法（Likert Scale），即将步行者对指标的评价根据满意度分成五个等级，由分数1～5来表示，1表示很不满意，5表示很满意。相关街道要素的数据可以通过实地街道调研获取。最终把慢行友好性指标作为因变量，街道要素作为因变量，对街道要素数据和慢行友好性指标感知评价结果进行回归分析，得到慢行友好性指标和街道要素的线性关系式。根据回归结果，一般可以得到下列关系式：

表3 参与非机动车友好性量化的相关街道要素

其中，ai、bi、ci、di均为常数，i=1,2,3,4,5,6

3 模型的建立

在ArcGis10.0软件中加载空间句法工具axwoman6.0插件，根据确定好的研究区域，画出轴线图，通过插件计算出空间分析变量（连接度、控制值、平均深度、全局集成度、局部集成度）的值。通过分析空间路网的形态分析变量与量化的慢行友好性指标，根据这些变量与调查实际流量的关系，建立模型，预测慢行交通的流量。

应用SPSS软件相关性分析中形态分析变量、量化的慢行友好性指标与流量值的相关关系，根据相关系数R2值，找出与流量相关系数大于0.5[6]的分析变量和慢行友好性指标。把已知的形态分析变量和慢行友好性指标当做自变量，实地调研的研究区域内的部分路段慢行交通流量值作为因变量，进行线性回归，得到如下公式：

式中：y——慢性交通预测流量；

x1、x2、x3——与慢性流量相关系数大于0.5的分析变量和慢行友好性指标；

α、β、χ、δ——常数。

根据回归的公式可以用来预测城市或城镇其他路段的慢行流量，并与其实测流量进行对比，发现预测值与实测值的相对误差率均在10%以内，说明模型具有较好的适用性。

因为空间句法是描述在研究区域内空间结构改变的情况下，引起交通流量的变化在新的道路网络上的分布状况，所以空间句法并不适用于未来年份的慢行交通需求预测，而适用于预测在城市空间结构改变的情况下所产生的新的慢行交通出行需求。

4 结束语

本文根据空间句法可以量化路网空间特性，将道路的空间特性量化为连接度、控制值、全局集成度、局部集成度、平均深度，利用空间句法的形态分析变量，加上量化的慢行友好性指标，构建了基于空间句法的慢行交通需求预测模型。

在空间句法已被证明在预测慢行交通方面有较好的适用性的情况下，引入了量化的慢行友好性指标与空间句法的形态分析一起参与回归分析，使预测的结果更加精确。此预测不仅可以为未来慢行路网设施规划提供依据，而且也可以为慢行交通系统与公交、轨道交通系统的接驳提供强有力的支撑。