在快速城镇化和机动化的背景下，交通拥堵及其环境污染已经成为困扰我国发展的“大城市病”。2016年我国汽车保有量高达1.94亿辆，新注册量和年增量均达历史最高水平，现全国平均每百户家庭拥有36辆私家小轿车^①。尤其是在大城市，私家小轿车数量增长显著，例如，北京2015年平均每百户家庭拥有63辆私家小轿车。在机动化过程中，交通拥堵问题严重，例如，北京的平均拥堵持续时间达到3小时，私家车高峰时段在道路上的平均时速仅为14.7km/h。交通拥堵造成巨大社会经济损失，同时进一步恶化了环境污染问题。

习近平总书记在2017年2月视察北京轨道交通指挥中心时指出，要把解决交通拥堵问题放在城市发展的重要位置，加快形成安全、便捷、高效、绿色、经济的综合交通体系，大力提高交通基础设施建设水平，有效改善绿色出行环境，切实加强交通精细化管理。我国《新型城镇化规划2014—2020》也指出，建设绿色城市，大力促进公共交通，实现轨道交通与土地利用交通的一体化发展，推行TOD (transit-oriented development, 交通导向城市开发)模式。TOD模式是指围绕区域内核心公共交通站点，进行较高密度的土地混合利用开发，通过步行友好的环境设计，将居住、就业、商业服务设施混合布置于适合步行的范围之内。TOD对促进土地集约利用和紧凑开发、减缓交通拥堵、促进绿色出行和建设低碳城市等具有重要意义。我国诸多大城市已经将TOD作为实现城市可持续增长的重要模式之一，早在2007年，上海市政府和北京市政府就明确提出长期实行并坚持公共交通优先发展战略。经历多年发展，上海和北京TOD建设成效显著，并涌现出较多具有代表意义的TOD社区。

国外学者对TOD的交通绩效进行了大量实证研究，分析相关影响因素，为TOD政策制定提供依据。一般认为，TOD通过土地利用多样化和街区设计^[1-3]，提升区域公共交通出行比例，减少小轿车出行^{[2, 4]}。现有研究提出了较为完整的出行选择模型及影响因素，取得了重要成果，但依然存在个别问题值得进一步探讨。首先，不同出行方式的效率差异在现有研究中仍欠缺考虑。TOD规划设计为社区居民提供多样化的交通方式，在各种交通方式可得的情况下，不同出行模式的效率差异会成为居民出行选择的重要影响因素；其次，TOD环境下我国居民的出行选择机制尚不明晰。我国TOD的相关研究主要侧重城市结构和土地利用对个体出行的影响；而出行机制的研究现有待加入TOD特色指标。如何在出行研究的基础上，结合TOD特色，建立指标体系，准确衡量TOD模式下我国居民出行选择机制，仍有待深入探讨。

本文以北京为例，通过一手调查数据，采用定量分析方法，结合TOD地区综合交通设计、个体出行偏好、出行模式时效性等，全面深入地研究TOD模式对居民通勤出行的影响。本研究为进一步理清当前TOD研究争论提供新的证据，对于进一步促进我国TOD站点建设提供政策依据。

作为新城市主义的规划设计工具，TOD被认为可以促进紧凑型开发，抑制郊区无序蔓延，降低机动化依赖，推动居民低碳出行。从20世纪90年代起，学界对TOD的出行交通绩效和出行机制进行了大量研究，验证TOD在促进绿色出行，建立低碳城市方面的作用。但对于TOD影响通勤和出行的作用机制，学界主要呈现两大观点。

建成环境影响TOD地区个体出行。Cervero将影响居民出行需求和选择的因素归纳为5D，分别是密度(Density)、土地利用多样性(Diversity)、城市设计(Design)、目的地可达性(Destination accessibility)、距离公共交通站点的距离(Distance to transit) ^[5]，TOD通过优化地区土地利用，合理配置交通设施，来满足居民多样化的需求，从而使居民降低机动化出行水平^{[2, 6, 7]}。许多实证研究也表明，土地利用优化和交通设施就近分布能够有效减少本地居民的长距离出行^[8-10]。在可达性高的TOD区域内，高土地开发强度会提升就业岗位密度，促进居民本地化就业，土地混合利用则能够满足居民更多需求^{[3, 11, 12]}，从而减少居民长距离通勤和向外出行，达到绿色出行、减少碳排的成效^[13-15]。

也有学者将TOD的出行绩效理解为特定社会群体的出行选择特征，强调人的个体差异和自选择机制，认为出行选择是个体社会经济差异和偏好的影响结果。部分研究发现，TOD地区的居民的出行选择与其收入水平、年龄、家庭是否有车、家庭结构与分工等个体社会经济属性显著相关，从而呈现较为明显的群体化特征^[16-18]。而土地利用因素的相关性也不大，因为高密度住区往往意味着较低收入群体集中，他们往往无法负担小轿车出行的成本。即高密度住区的小轿车出行率低是由区位和社会经济水平决定的，并不是土地利用因素产生影响^{[17, 19, 20]}。

我国学者更多地关注城市空间结构、土地建成环境对居民出行/通勤的影响。普遍认为，城市空间结构是影响居民出行的重要因素，其中，就业地和居住地的空间分布就直接影响通勤距离和通勤时长^{[11, 21, 22]}；土地利用对居民通勤/出行的影响因素较多，包括土地利用混合度^{[1, 5, 23, 24]}、土地开发密度^{[22, 25, 26]}、道路交通情况^{[14, 27]}、建筑设施分布^{[27, 28]}等；同时，地铁布局^{[11, 12]}及站点交通服务水平的差异化也被学者考察。

居民出行的相关研究成果为TOD通勤机制的模型和指标构建提供一定借鉴。多项Logit模型和Nested Logit模型是出行模式选择研究中的常用分析工具，出行影响因素也在多学科的综合影响下不断完善^{[29, 30]}。一般来说，居民出行的影响因素主要包括出行者的社会经济属性、出行偏好、出行目的及特征、交通工具属性、出行区域特性^[31-33]等。其中，出行区域特性主要包括区域居住人口密度、交通设施完善程度等。

TOD环境下的居民出行选择机制，是我国快速城镇化背景下特殊的出行研究。TOD规划设计提高公共交通的可达性，在各种交通方式都易得的情况下，不同模式的出行效率差异、交通接驳设计和居民的态度认知差异会成为一个重要的影响因素。然而，我国学者在研究中更为关注建成环境与城市空间结构因素，出行机制的研究也有待结合TOD特色。总结来说，现有研究在下述方面稍有欠缺：① 现有出行研究未能结合TOD设计特色，考虑具体出行模式的效率差异和综合交通设计因素。TOD社区以公共交通开发建设为主导，不同出行模式间的效率差异和交通接驳将成为重要的影响因素。② 对居民个体偏好的考虑和分析有限，且未得到统一结论。TOD地区土地混合利用特征显著，对居民出行偏好的影响应当被考虑。因此，我国TOD环境下的居民出行机理还需要综合TOD设计特色、个体出行偏好、出行方式效率比较等多方面影响因子，结合个体层面的出行数据、社会经济数据、交通设施情况等进行科学归纳与总结。

根据相关研究经验，本次研究采用定量研究方法，通过建立logit回归模型，准确找出选择不同通勤方式的影响因素，并给出解释，从而详细解释TOD地区个体通勤选择机制。本次研究将地铁建设最早、TOD概念实施最早的北京市作为案例，选取北京市主要的大流量通勤的TOD站点，通过调查和访谈采集通勤者的通勤行为、个体信息、态度偏好等，并结合站点地区的建成环境数据和设施数量，建立模型。

本研究中的站点地区是指以地铁站为圆心，以1.5 km为半径的圆形区域。国外研究表明，TOD的步行影响半径是10分钟步行，约800 m^{[27, 34]}，但在我国城市，自行车出行也是主要的交通换乘模式，如果根据10分钟来估算，则TOD范围应该是1.5 km。

根据前述研究基础，本次模型的指标主要设置为五类：通勤特征、个体社会特征、建成环境特征、站点周边交通接驳、出行态度与偏好(表 1)。结合前述研究回顾以及TOD社区特色，文章首次提出综合时效、月交通支出比重、态度选择(时间导向/需求导向)等指标。

表 1(Tab. 1

表 1 多项logistic回归模型指标设置 Tab.1 Index of Multinomial Logistic Regression Model 分类 指标 指标计算与解释 通勤特征 综合时效 单程通勤费用/单程出行时间（元/分钟） 职住空间分离度 通勤目的地与居住地之间的百度测距距离（km） 个体社会特征 性别 男为1，女为0 年龄 分为三类：0—30岁；30—60岁；60岁及以上 月交通支出比重 交通支出/总支出（‰） 汽车拥有情况 是为1，否为0 站点周边道路格局 站点1.5 km圆形范围内交叉口个数，代表道路复杂情况 站点周边人口密度 社区居住人口与总范围面积之比（人/公顷） 建成环境特征 $S = - \sum\limits_{i = 1}^n {{p_i}*{{\log }_{10}}{p_i}} $ 站点周边土地利用混合度 S为土地利用混合程度熵值，n为土地利用类型的划分数目，pi是第i类土地面积所占比例，$\sum {_{i = 1}^n} {p_i} = 1$ 站点周边交通接驳 地铁站数量 站点1.5km圆形范围内地铁站个数 接驳公交站数量 站点1.5km圆形范围内与地铁直接接驳的公交站个数 接驳公交线路数 站点1.5km圆形范围内与地铁直接接驳的公交线路数 站点停车服务水平 站点1.5km圆形范围内停车场个数 出行态度与偏好 是否时间导向 出行时间是否越短越好？是为1，否为0 是否需求导向 是否愿意规划出行路线来满足其他需求？是为1，否为0

表 1 多项logistic回归模型指标设置 Tab.1 Index of Multinomial Logistic Regression Model

通勤特征指标包括出行模式的综合时效、职住空间分离度。职住空间分离度通过出行者的通勤距离来测量，距离越长，则表明居民个体的职住空间分离度越高。“综合时效”指标表达了不同出行方式的效率特征，是某出行方式通行单位通勤时间所付出的货币值，用单程通勤花费除以单程出行时间来表示。该指标反映了出行者对于不同交通方式的时间成本和货币成本的权衡结果。时效值越大，代表该通勤模式通过提高货币花费而节约时间成本的趋向性越高，居民选择该通勤模式即代表愿意花更多钱来节约时间。

个体社会特征方面主要选取性别、年龄、月交通支出比重、拥有汽车情况四项指标。为排除月收入和是否拥有汽车指标的共线性，文章采用月交通支出比重来反映个体经济社会差异，即增设支出维度的社会经济差异指标。

建成环境特征主要通过居住密度、土地利用混合度、道路格局来测定^{[2, 12, 27, 35]}。居住密度是以社区居住户数估计人口总量而计算的人口密度。土地利用混合度采用混合率熵指数模型，通过现场考察与卫星图勘测计算得来。道路格局指的是道路交错情况。国外研究发现，地块越小，则地块间通达性越高，则有利于步行和自行车，对于抑制小轿车具有一定作用，本文以道路交叉口数量来指示道路格局。

站点周边交通接驳主要反映TOD地区综合交通体系特征，具体指TOD地区公共交通接驳的情况。详细指标包括地铁站数量以及与地铁接驳的公交站、公交线路、停车场数量。主要反映TOD地区综合公共交通体系的便捷性和设计合理性。

研究还控制了居民出行态度和偏好的影响。TOD模式的显著特征是以公共交通为核心的混合式土地开发，能够满足居民更多生活需求，从而提高绿色出行比例。基于此，将个体出行偏好分为需求导向和时间导向两大类。

研究采用问卷调查与访谈法，选取北京市的12个地铁站点(图 1)，就其周围1.5 km范围内的住区居民进行调研与访谈，搜集数据。本文依据三方面选择地铁站：第一，被选地铁站应具有显著的公共交通导向开发特征，表现为地铁站周边土地开发规模大，人口集中，土地利用类型多样；第二，为了确保居民样本的代表性和随机性，选择客流量较大，通勤者集中的较大地铁站；第三，地铁站尽量在城区均衡分布，覆盖主要的就业中心和居住中心。

图 1(Fig. 1)

图 1 调研站点分布图 Fig.1 Layout of the Railway Transit Sites Investigated

图示每个站点收集45份问卷，12个站点共计回收540份。问卷内容主要涉及居民通勤出行的特征及其相关影响因素调查。居民通勤特征数据可分为分类数据与数值量数据，具体统计特征如下(表 2)。其中地铁通勤方式占比超过40%，为最主要的通勤方式，其他通勤方式包括出租车、电动车、单位班车、社区通勤车辆等。

表 2(Tab. 2

表 2 居民通勤出行特征数据统计分析 Tab.2 Statistical Analysis of Residents Commuting Trip Data 分类数据统计 数值量统计 数量 占比 平均值 标准差 通勤方式 步行或自行车 56 10.4% 公交 103 19.1% 地铁 317 58.7% 私家小轿车 48 8.89% 其他 16 3.0% 出行距离（km） 10.69 8.97 所用时长（分钟） 49.64 32.18 单程出行费用（元） 6.57 9.13 综合时效（元/分钟） 0.17 0.26 月交通支出比重（‰） 1.04 0.856

表 2 居民通勤出行特征数据统计分析 Tab.2 Statistical Analysis of Residents Commuting Trip Data

除小轿车外，其他通勤方式的平均时效远小于1(表 3)，表明这些通勤模式通勤时间长，但交通支出少，为通勤者节约货币成本。这符合北京居民长时间通勤的社会现象。而小轿车的综合时效在1.3左右，大于1且远高于其他模式。这说明在北京，相比于其他出行模式，小轿车能够为通勤者节约的通勤时间较多。

表 3(Tab. 3

表 3 综合时效及细分指标统计分析 Tab.3 Statistical Analysis of Index Integrated Efficiency 综合时效及细分指标 平均所用时长 时效平均值 时效标准差 综合时效平均值 — 0.17 0.26 步行 — 0 — 自行车 34.67 0.03 0.08 公交 31.89 0.09 0.10 地铁 38.06 0.16 0.19 小轿车 31.95 1.32 0.11 其他 32.77 0.13 0.24

表 3 综合时效及细分指标统计分析 Tab.3 Statistical Analysis of Index Integrated Efficiency

对居民出行模式进行多项logistic回归，地铁通勤作为参照组，模型结果见表 4。模型数据反馈较好，解释力较高，通过似然比检验的显著性因素有职住空间分离度、综合时效、月交通支出比重、拥有私家小轿车。

表 4(Tab. 4

表 4 TOD站点周边居民通勤模式的多项logistic回归结果(n=540)(地铁通勤为对照组) Tab.4 Multinomia lLogistic Regression Result (n = 540) (The reference category is 'Commute by railway') 步行或自行车 公交 私家小轿车 其他 B Wald Exp(B) B Wald Exp(B) B Wald Exp(B) B Wald Exp(B) Intercept 7.260 0.000 20.648 0.000 -1.340 0.118 66.572 0.196 通勤特征 综合时效 -8.237 5.391** 0.000 -0.141 0.018 0.868 2.719 12.753*** 15.165 4.429 20.365*** 83.828 职住空间分离度 -0.366 27.764*** 0.694 -0.200 37.063*** 0.818 -0.103 7.681*** 0.903 -0.125 4.257** 0.883 个体社会特征 性别 -0.137 0.086 0.872 -0.189 0.295 0.828 0.337 0.559 1.401 0.320 0.240 1.377 年龄（＜30) -2.247 0.000 0.106 -16.238 0.000 8.869E-08 -2.947 37.775*** 0.053 -2.506 11.487*** 0.082 年龄（30—60） -2.266 0.000 0.104 -16.678 0.000 5.711E-08 -2.661 . 0.070 -2.293 . 0.101 家庭有车 0.170 0.096 1.186 -0.528 1.387 0.590 2.050 17.494*** 7.767 -0.325 0.142 0.723 月交通支出比重 -0.232 0.546 0.793 -0.174 0.727 0.840 0.316 1.908* 1.371 -0.890 2.888* 0.411 建成环境特征 混合度 -1.284 0.057 0.277 -6.216 2.962* 0.002 4.074 0.714 58.789 -20.240 0.202 1.621E-09 交叉口数量 -0.013 0.147 0.987 0.036 2.289 1.037 -0.003 0.011 0.997 -0.004 0.000 0.996 居住人口密度 0.170 0.053 1.186 0.527 0.922 1.694 0.219 0.087 1.245 1.580 0.290 4.854 站点周边交通接驳 地铁站数量 0.068 0.133 1.071 -0.123 1.137 0.884 -0.125 0.758 0.882 4.453 0.185 85.917 接驳公交站数量 -0.036 0.298 0.964 -0.061 1.882 0.941 0.015 0.069 1.015 -0.625 0.184 0.535 接驳公交线路数 0.000 0.000 1.000 0.070 3.604** 1.073 0.037 0.752 1.038 -1.033 0.154 0.356 停车场数量 0.005 0.029 1.005 0.024 1.802 1.025 0.000 0.000 1.000 0.273 0.166 1.314 出行态度与偏好 时间导向 -0.065 0.015 0.937 0.037 0.008 1.037 -0.493 0.988 0.611 0.756 0.96 2.129 需求导向 0.102 0.035 1.108 -0.262 0.418 0.770 -0.377 0.512 0.686 -1.332 2.812* 0.264 模型基本信息 -2LL 590.187 Chi-squared 294.259 Significance 0.000     注：***为1%显著性水平，**为5%显著性水平，*为10%显著性水平。

表 4 TOD站点周边居民通勤模式的多项logistic回归结果(n=540)(地铁通勤为对照组) Tab.4 Multinomia lLogistic Regression Result (n = 540) (The reference category is 'Commute by railway')

研究结果表明，在地铁模式和步行自行车模式的选择可能性相比较时，职住空间分离度和综合时效具有显著影响，且二者均为重要的负相关因素(B为负)。即随着两变量的正向增加，与地铁通勤相比，居民选择步行/自行车通勤的可能性将显著减少。其中，职住空间分离度的Exp(B)指标为0.694，代表相比于地铁通勤，在其他条件不变的情况下，每增加一公里的通勤距离，居民选择步行/自行车通勤可能性将减少30%。综合时效的影响则更加显著，其Exp (B)指标接近0，即从出行模式的综合实效考虑，地铁同步行或自行车相比，具有绝对的选择优势。这也侧面说明了长距离通勤中，居民选择地铁出行模式的可能较高。研究结果表明其他因素并不显著，这也说明在城市空间不断扩张、居民收入持续提高的背景下，通勤者的社会经济因素对于步行/自行车通勤选择的影响并不是最主要因素，而是基于通勤实际情况作出的优化选择。

在地铁模式和公交模式的选择可能性相比较时，居民出行选择与职住空间分离度、土地混合度、接驳公交线路数三个因素显著相关。职住空间分离度的B为负，Exp(B)指标为0.818，即相比于地铁通勤人数，在其他条件不变的情况下，每升高一公里的职住空间分离度，则居民选择公交通勤的可能性虽然减少，但减幅不大。土地混合度的B为负，Exp(B)指标为0.002，表明土地混合度越高，则居民出行选择地铁出行的可能性要远高于公交。其主要原因可能是TOD站点周边土地利用混合度越高，说明地铁站周边的商业服务和公共设施服务越完善，有利于居民在上下班途中购物和实现其他服务和需求，则居民倾向于选择地铁。同时，也可能由于混合利用程度高的土地现状使得交通路况变得复杂，导致公交出行的准点率、安全性降低，居民转而选择地铁。接驳公交线路数B为正，具有正向影响。Exp(B)指标大于1，表明其他因素不变时，线路数增加，居民选择公交通勤的可能性要比选择地铁模式高。

在私家小轿车模式和地铁模式的选择可能性相比较时，职住空间分离度、综合时效、交通支出预算、年龄、私家小轿车拥有情况等5个因素有显著影响。其中，综合时效、交通支出预算、拥有私家小轿车是正向影响因素，综合时效的影响程度最大，其Exp(B)指标为15.165，说明小轿车的综合时效要远高于地铁模式，这也是导致小轿车普遍使用的主要原因之一。职住空间分离度B为负，Exp(B)为1.371，表明相比于地铁通勤，在其他条件不变的情况下，通勤距离增加，则居民选择小轿车出行的可能性将下降。这说明了地铁在长距离通勤中的优势，进一步表明了郊区TOD开发对鼓励居民采用地铁出行具有积极作用。表 3中的结果也表明，同30岁以上居民相比较，30岁以下的居民选择地铁通勤的可能性要远高于选择小轿车。主要原因是30岁以上居民家庭收入普遍较高，有子女家庭增多，小轿车拥有率也较高。

对于其他通勤方式(电动自行车、摩托车、单位班车、出租车)，职住空间分离度、综合时效、交通预算压力、年龄分布、出行态度等具有显著性影响。其中，综合时效为正向影响因素，说明综合时效越高，则居民更倾向于选择其他交通模式，这也说明了其他交通模式由于灵活性、直达优势等在现实生活中的通勤效率还是较好的。态度因素首次出现显著——需求导向(愿意规划出行路线)的出行偏好态度是负向影响因素。即相比于地铁通勤来说，在其他条件不变的情况下，愿意规划路线来满足自己其他需求的居民，其选择地铁的可能性要高于其他模式。这说明了TOD混合开发模式在满足居民多样化需求，提高绿色出行方面确实起到一定的作用。

本文作者应用TOD理论，对北京12个站点进行实地调研和问卷调查，获取站点周边社区居民的通勤出行及相关数据，应用多项logistic回归模型分析了TOD土地利用和交通设施对居民通勤模式选择的影响。同时，采用定量研究方法，探讨了居民出行模式选择与建成环境、综合交通设计、出行模式效率差异的关系。分析过程中，控制了居民社会经济属性和出行喜好等因素。

研究发现，土地混合度和交通接驳设计是居民出行选择中的重要影响因素，而个体态度相对不显著。土地利用功能过于单一、职住过于分离等会增加小轿车出行。因此在TOD建设过程中，需注意提高周边土地利用的混合度，增加就业用地和公共服务用地，以促进职住平衡，鼓励居民就近就地上班、上学、购物等日常活动。值得注意的是，地铁附近房价较高，会对低收入者选择在地铁周边居住产生排斥作用，因此在TOD规划时要考虑对于不同住房类型的混合布局。

TOD周边的居民出行具有显著社会差异，30岁以下的年轻人和无车人群更倾向于乘坐地铁出行，这也说明了TOD建设过程中的交通投资与社会公平问题。整体来讲，在城市扩张过程中，郊区较低的房价吸引了大量低收入者和年轻人在郊区居住，对于长距离通勤来说，轨道交通无疑是他们的首选，加快大城市郊区TOD的建设对于促进城市空间和社会公平具有一定意义。

注释：

① 数据引自公安部交管局，http://www.mps.gov.cn/n2255040/n4908728/c5595634/content.html