删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

城市土地利用—交通集成模型的构建与应用

本站小编 Free考研考试/2021-12-29

牛方曲¹^,²^,, 王芳³^,

1. 中国科学院地理科学与资源研究所中国科学院区域可持续发展分析与模拟重点实验室,北京 100101

2. 中国西南地缘环境与边疆发展协同创新中心,昆明 650500

3. 内蒙古大学公共管理学院,呼和浩特 010070

Modelling urban spatial impacts of land-use/transport policies

NIUFangqu¹^,²^,, WANGFang³^,

1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

2. Collaborative Innovation Center for Geopolitical Setting of Southwest China and Borderland Development, Kunming 650500, China

3. School of Public Administration of Inner Mongolia University, Hohhot 010070, China

通讯作者:王芳(1987-), 女, 呼和浩特人, 博士, 讲师, 从事城市地理与规划管理研究。E-mail: wangf741@163.com
收稿日期:2016-12-28
修回日期:2017-11-7
网络出版日期:2018-02-10
版权声明:2018《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:

国家重点研发计划项目(2016YFC0503506);国家自然科学基金项目(41371536);中国西南地缘环境与边疆发展协同创新中心开放课题

作者简介:
-->作者简介：牛方曲(1979-), 男, 安徽淮南人, 博士, 副研究员, 中国地理学会会员(S110010701M), 研究方向为城市与区域可持续发展。E-mail: niufq@lreis.ac.cn

展开

摘要
中国目前正经历着城市化转型,科学合理的空间政策是城市可持续发展的重要保障,因此开展政策情景实验、辅助空间决策具有重要现实意义。本文构建了土地利用—交通集成模型,模拟城市活动空间分布,称作SDA（Spatial Distribution of Activities）模型。该模型主要包含4个子模型：交通模型、家庭区位模型、经济活动区位模型、房租模型;并以北京市为例模拟土地利用政策对城市空间发展的影响。研究表明,延续过去5年（2009-2013年）房地产开发模式至2030年,则由于周边房地产开发数量较高、房租较低,越来越多的人口和企业将向郊区聚集（增长速度更大）。该趋势与目前疏解北京社会经济活动、缓解交通拥堵的规划目标相一致,模型可以很好地检验土地利用政策情景影响。而“基于活动”的模型被认为是模型发展趋势,因此,本文构建的SDA模型不仅可以检验不同政策对城市空间影响、辅助城市空间决策,也有助于推动LUTI模型的发展及其在国内的应用,丰富和发展国内城市空间模拟分析的研究内容。

关键词：模型模拟;土地利用—交通相互作用模型;;可达性;城市活动;政策情景
Abstract
China is now experiencing rapid urbanizatioin. Powerful tools are required to assess its urban spatial policies toward a more competitive and sustainable development paradigm. This study develops a Land Use Transport Interaction (LUTI) model to evaluate the urban activity impacts of urban land-use policies. The model consists of four sub-models, i.e., transport, residential location, employment location and real estate rent. It is then applied to Beijing metropolitan area to forecast the urban activity evolution trend based on the land use policies between 2009 and 2013. The modeling results show that more and more residents and employers in the city choose to stay in the outskirts, and new centers have gradually emerged to share the services originally delivered by central Beijing. The general trend verifies the objectives of the government plan to develop more sub-centers around Beijing. The proposed activity-based model provides a distinct tool for the urban spatial policy makers in China. Further research is also discussed in the end.

Keywords：model/simulation;LUTI;accessibility;urban activity;policy scenario

-->0
PDF (3461KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
牛方曲, 王芳. 城市土地利用—交通集成模型的构建与应用[J]. 地理学报, 2018, 73(2): 380-392 https://doi.org/10.11821/dlxb201802012
NIU Fangqu, WANG Fang. Modelling urban spatial impacts of land-use/transport policies[J]. Acta Geographica Sinica, 2018, 73(2): 380-392 https://doi.org/10.11821/dlxb201802012

1 引言

随着新型城镇化工作的进一步推进,将有越来越多的人涌入城市,城市内部经济活动、交通以及空间结构也将会发生一系列变革。因此为确保城市空间健康有序发展,对城市空间政策的科学合理性提出了至高要求。城市空间的决策通常需要回答问题：在某处开发一定数量的住房或商用房对城市空间有何影响?新建一条高速公路（或轨道交通）对人口和企业分布带来什么影响?即“What-if”问题。为确保城市空间政策的可持续性,模拟城市空间演化过程、开展政策实验具有重要意义。
城市空间演化的研究已经经历了很长的历史,自20世纪60年代地理学的计量革命开始,国外已经开始运用模型模拟的方法来研究城市空间演化的问题,如Lowry模型^[1]等。80年代,Dentrinos等将反映捕食关系的Volterra-Lotka方程引入城市系统,构建了动态分析模型^[2]。自20世纪90年代开始,基于人工智能理论的微观模拟方法取得较大突破,自下而上的模拟思路,通过模拟微观主体的行为来研究城市空间的宏观演化规律。其中,元胞自动机（CA）的应用显著提高了预测精度^[3],多主体模拟（MAS）将模拟的关注点进一步由栅格单元转移到智能体^[4,5,6,7]。具体应用领域涉及城市空间增长^{[1, 8-10]}、居住空间演化^[11,12,13]、土地利用变化及交通流和城市形态演变等诸多方面^[14,15]。总的来说,研究成果丰富,模型的研究方法不断革新,为中国城市发展起到很好的科学支撑作用。但应用领域较为分散,综合各领域的集成性模拟研究较为薄弱;同时,模型涉及的城市空间多指物理意义上的土地利用（如建设用地）,缺乏对经济、人口等城市指标的综合集成和对城市演化内在驱动力的挖掘^[16]。而且,中国的经济改革过程中,城市土地利用是地方政府实现经济增长的重要环节^[17,18,19];除市场外,城市的发展更大程度上受政府引导^[20,21]。因此,亟需加强综合集成模拟研究、动态预测政策制约下城市空间发展趋势来辅助决策。
城市物质空间是社会经济活动的空间投影,城市物质空间的变化本质是城市社会经济活动空间分布的变化^{[1, 22-24]}。城市空间政策的实施将改变城市社会经济活动分布格局。因此,本文将基于社会经济活动,开展城市空间演化集成模拟研究,为快速城市化背景下的城市空间决策提供科学支撑。城市土地利用—交通相互作用（Urban land use/transport interaction model, LUTI）模型被认为是模拟城市社会经济活动空间演化过程的有力工具^{[21, 25-26]},在发达国家城市发展中常被用于辅助决策^[27,28],但目前在国内应用研究较为薄弱,鲜有成功的应用案例。究其原因,笔者认为可以归纳为以下4点：① 国内城市研究,尤其是定量研究起步较晚,目前鲜有****涉足LUTI模型研究;② 国内研究以往注重宏观问题和定性分析,虽然目前定量模拟研究得到了越来越多的关注,但对于复杂的集成模拟研究较为薄弱;③ LUTI模型实则是描述一个计算机模型的理论框架^[1],其思想是利用计算机无限循环的处理功能模拟城市无限发展的过程,模型的开发除了需要具备城市发展的专业知识以及经济学的知识以外,还需要计算机程序开发相关技术,从而阻碍了LUTI模型的普及应用;④ LUTI模型的运行需要大量的、详尽的城市土地利用、交通数据以及大量的数学处理^[28],也限制了其推广使用。国内关于LUTI模型用于模拟城市空间演化过程的核心功能的开发应用尚很薄弱,这也为该研究提供了机遇与挑战。
Lowry于1964年开发的城市模型^[1]是LUTI模型发展的里程碑,称作Lowry模型。Lowry模型是静态模型,是在假定诸多变量的基础上预测某个时间点城市空间发展趋势,采用位移距离表征区位间的交通状况,基于市场规律评价地块吸引力。上述几方面成为之后****扩展的主要关注点。就LUTI模型实现而言,功能上要实现对未来的逐年预测,需要构建动态模型,根据变量的逐年变化预测每年的状况。此外,从模型实现技术视角而言,“基于活动”的LUTI模型（Activity-based model）被认为是新发展趋势^{[26, 29]}。“基于活动”的LUTI模型依据各类社会经济活动的需求评价城市区位特征,同一区位对于不同的城市活动而言价值不同。就这点而言,常见的采用空间距离评价区位优势的方法难以胜任（如到CBD、或交通站点的距离）。鉴于国内城镇化快速发展的背景需求、LUTI模型在国内的应用研究现状以及模型发展趋势,本文构建了“基于活动”的LUTI模型,称作城市社会活动分布模型（Spatial Distribution of Activity, SDA）。本文主要考虑城市活动是家庭和就业。SDA模型为动态模型,用于模拟城市空间演化过程,预测社会经济活动分布格局,并以北京为案例地区,模拟城市土地利用政策对城市空间的影响。

2 LUTI模型的起源

LUTI模型是对理论、数据、算法的集成框架,用于描述城市空间两大组成部分（交通和土地利用系统）之间的相互作用过程。LUTI中的“土地利用”一词并非指物理土地利用（如建设用地、农用地等）,而是指“城市空间”的使用主体：社会经济活动,“城市空间”通常指存在于土地之上的房屋建筑面积,而不是土地^[30]。有的文献中“土地利用”指的是物理土地利用,但这类模型不属于LUTI模型^{[27, 31]},本文不作讨论。
LUTI模型本质上包含了相互联系的土地利用模型和交通模型。20世纪50年代,美国****Hansen^[32]研究提出城市土地利用、交通相互作用思想：城市土地利用格局（如居民区、工业区、商业区分布等）决定了人类活动的区位（居住、工作、购物等）的空间分离,城市各类活动需通过交通相互作用;交通便捷度决定了活动的区位选择,并导致土地利用系统的变化,土地利用系统变化反过来影响交通系统,如此循环相互作用,最终达到平衡状态。该思想风靡美国规划界,奠定了LUTI理论框架。随之,20世纪60年代初,定量模拟在城市规划领域得到了空前的关注。1964年Lowry基于LUTI理论首次尝试采用计算机技术建立城市模型（Lowry模型）,该模型成为LUTI模型发展的里程碑。Lowry模型将城市空间看作是由交通网络与土地利用组成,并将社会经济活动分为家庭、基础生产部门、服务部门三大类。给定基础部门的区位,输出居民点、服务部门的空间分布。Lowry模型包含居住区位模型和服务业区位模型,模型相互嵌套。

3 SDA模型实现

3.1 模型机理与框架

SDA模型的设计目标是,在城市土地利用或交通系统发生变化时预测家庭和经济活动空间分布的变化,模型的前提假设是：城市活动均趋向于区位效用更高的区位,区位效用受房租、交通可达性等因素影响;区位效用的改变将导致社会经济活动分布变化。
SDA模型将城市社会经活动划分为两大类：家庭活动和经济活动,其中经济活动包括教育、医疗、研究、服务业等各个行业。家庭活动空间对应于居住场所,而经济活动空间对应与各类经济部门,包括公司、医院、学校、研究机构等各类单位,为便于表述,统称为企业。除了家庭,其他各类活动均可提供就业岗位,因此经济活动也统称为就业活动。经济活动的规模依据就业岗位的数量计算,例如,某街道经济活动数量为5000,即该街道共有5000个就业岗位。
SDA模型包括4个子模型（图1）：交通模型、家庭区位模型、经济活动区位模型及房租预测模型。以下将进一步讨论各个子模型的具体实现。

显示原图|下载原图ZIP|生成PPT
图1SDA模型的组成模块
-->Fig. 1Framework of SDA model
-->

3.2 交通模型

交通模型基于城市路网和社会经济活动（家庭和经济活动）空间分布评价区块的交通可达性,用于表征从该区块出行的便捷度。本文对可达性的定义是,区块的可达性表征了在该区块从事各类社会经济活动的便捷度。对于家庭居民来说,区块的可达性反映了居住于该区块工作出行的便捷度（家庭可达性）;对于经济活动（企业）,区块可达性反映的是区块作为终点被居民到达的便捷度（企业可达性）。可达性决定于条件和机会的空间分布,对于家庭而言,可达性受周围工作机会空间分布的影响,对于企业而言可达性受周围居民的空间分布影响。可达性评价是基于活动和区块进行,即同一区块对于不同的活动来说交通可达性评不同。SDA模型采用公式（1）评价交通可达性。

\begin{matrix} A_{i} = \frac{1}{λ} \ln \{\sum^{} W_{j} \exp (λ \times g c_{ij})\} \end{matrix}

（1）
式中：A_i是区块i的交通可达性;W_j是区块j的权重（对于家庭可达性,W_j为区块j的工作岗位的数量;对于公司可达性,W_j为区块j内居民的数量）;gc_ij为区块i与j之间最小通行费用,反映了区块间交通条件。gc_ij通过GIS软件计算得出,计算结果是一个M×M阶的矩阵（M是区块的数量）,即两两区块间的最短通行时间。
公式（1）是基于logit模型形式构建的对数求和,可达性A_i与交通费用gc_ij有相同的量纲。因此可达性评价值越大意味着费用越高,可达性越差。根据公式（1）,将系数λ赋以负值,随着交通费用gc_ij的增加,指数函数项的值会逐渐下降,区块j的权重就会被进一步消弱。所以,如果区块j对于区块i来说很难到达（交通费用gc_ij很大）,j的机会分布对于区块i没有意义。利用公式（1）计算可达性不用设定阈值。

3.3 区位成本

区位成本指的是家庭或企业选择某一区位的经济成本。家庭在支配其收入时,会调整用于住房和其他消费的比例,以寻求效用最大化,因此,本研究将家庭支出归为两类：住房消费（房租）和其他商品或服务消费（other goods or services, ogs）,采用Cobb-Douglas^[33]方程计算消费效用（U）。消费效用的计算并没有考虑交通费用,这是因为交通费用已经包含在了区位效用的评价,出现在交通可达性里面。

\begin{matrix} U_{i}^{} = {(a_{i}^{H})}^{β_{}^{H}} \times {(a_{i}^{O})}^{β_{}^{O}} \end{matrix}

（2）

\begin{matrix} β_{}^{H} + β_{}^{O} = 1 \end{matrix}

（3）
式中：U_i是在区块i内家庭的消费效用;

\begin{matrix} a_{i}^{H} \end{matrix}

是家庭的平均使用面积;

\begin{matrix} a_{i}^{O} \end{matrix}

是家庭在ogs的平均花费;

\begin{matrix} β_{}^{H} \end{matrix}

和

\begin{matrix} β_{}^{O} \end{matrix}

分别表征家庭将收入分配到住房和ogs两类消费上的倾向性,要求二者之和为1。案例中,根据研究经历对二者附于经验值。对于公司,通常其最求的是利润最大化,本文采用房租计算其区位成本。

3.4 家庭区位模型

家庭区位（居住区位）模型用于计算城市家庭空间分布,确定各个区块的家庭的数量。模型考虑的区位影响因素有交通可达性、房租（消费效用）,各个影响因素的加权为一个表征值,称作区位效用（V）。区位效用反映了该区位之于某类经济活动的价值,不同的应用在变量选择上会有不同的侧重,甚至会考虑其他变量（如环境质量等）。
各类家庭区位选择倾向于已有家庭居住的区块,同时受区位效用变化的影响（增量）,以及可用的住房数量的影响（居住类房产分布）,因此采用增量模型。此外,由于研究人员不可能知道每个个体是如何评估各个区位的,所以本文选择了概率离散选择模型。概率离散选择模型认为误差项相互独立均匀分布,如此,作为住房消费者的家庭对区位的评价可以看作是一系列影响因素的函数。基于此,构建家庭区位模型如下：

\begin{matrix} Δ V_{t + 1, i}^{H} = θ_{}^{U} (U_{t + 1, i}^{} - U_{ti}^{}) + θ_{}^{A} (A_{t + 1, i}^{H} - A_{ti}^{H}) \end{matrix}

（4）

\begin{matrix} H {(L)}_{t + 1, i}^{} = H {(M)}_{t + 1}^{} \times \frac{H_{ti}^{} \times F {(A)}_{t + 1, i}^{H} \times \exp (Δ V_{t + 1, i}^{H})}{\sum^{} H_{ti}^{} \times F {(A)}_{t + 1, i}^{H} \times \exp (Δ V_{t + 1, i}^{H})} \end{matrix}

（5）
式中：ΔV^H_t_+1,_i是在t+1时段内区块i的家庭区位效用的变化量,是对家庭可达性、区位成本变化的加权;θ是加权系数;H(L)_t_+1,_i是t+1时段内迁入区块i的家庭的数量;H(M)_t₊₁是t+1时段城市内搬迁家庭的总量;H_ti是t时段(上一时段)内i区块的家庭的数量;F(A)^H_t_+1,_i是t+1时段内可用住房数量（面积）。

3.5 经济活动区位模型

经济活动区位模型用于确定经济活动的空间分布,确定各个区块经济活动的数量。经济活动分布受企业选址影响。如前文所述,本研究重点关注的是“居住—工作”的相互作用,假设企业的区位选择受家庭分布的影响。则企业区位模型与家庭区位模型形式类似,如公式（6）所示：

\begin{matrix} E {(L)}_{t + 1, i}^{} = E {(M)}_{t + 1}^{} \times \frac{E_{ti} \times F {(A)}_{t + 1, i}^{e} \times \exp (Δ V_{t + 1, i}^{e})}{\sum^{} E_{ti}^{} \times F {(A)}_{t + 1, i}^{e} \times \exp (Δ V_{t + 1, i}^{e})} \end{matrix}

（6）
式中：E(L)_t_+1,_i是t+1时段内迁入区块i的经济活动的数量;

\begin{matrix} Δ V_{t + 1, i}^{e} \end{matrix}

是在t+1时段内区块i的企业的区位效用的变化量。类似家庭区位效用,企业区位效用是采用的是企业可达性和房租,即将公式（4）中的家庭可达性、消费效用变量换成企业可达性和房租费用;E(M)_t₊₁是t+1时段城市内需要搬迁的经济活动的总量;F(A)^e_t_+1,_i是t+1时段内城市可用商用房数量（面积）;E_ti是t时段（上一时段）内区块i的经济活动的数量。

3.6 房租模型

房租或房价是影响城市社会经济活动区位效用的关键因素。区位模型计算出城市活动分布后,由于城市活动分布发生变化,供求发生了变化,房租必然随之发生变化。房租模型用于实时调整房租的变化,新的房租将再次被用于计算城市活动的空间分布。房租模型依据房产的需求与供给^[34,35],并参考以往的房租预测新的房租,区块对房产需求越大,区块的房租越高,基于此构建房租模型。公式（7）所示的是住宅房租预测模型,商用房租模型类似。

\begin{matrix} r^{'}_{pi}^{H} = r_{pi}^{H} {[\frac{a_{pi}^{H} \times H {(L)}_{pi}^{}}{F {(A)}_{pi}^{H}}]}^{^{}} \end{matrix}

（7）
式中：r′_pi是区块i的估算房租;r_pi是上一次运行的房租（区位模型是递归处理的过程,见图2算法）;变量a是当前家庭分布密度;H(L)_pi是迁入区块i的家庭数量;F(A)_pi是当前可用的居住用房的总面积。

显示原图|下载原图ZIP|生成PPT
图2SDA模型算法
-->Fig. 2Algorithm of SDA model
-->

将公式（6）中关于家庭的变量替换为对应的经济活动变量即可得到商用房租调整公式,即将H(L)换做E(L),r^H换做r^e,α^H换做a^e,F(A)^H换做F(A)^e。

3.7 区位模型算法

如前文所述,城市空间演化过程是土地利用与交通系统的相互作用过程,交通系统通过可达性影响土地利用系统（社会经济活动分布）,而土地利用系统反过来影响交通系统,二者循环作用,趋于平衡状态。任何因素的变化将会导致城市系统达到新的平衡^[36]。区位模型算法基于该思想建立。城市土地利用、交通相互作用过程对应于算法的循环迭代处理过程（图2）。
图2所示的算法：交通模型基于社会经济活动分布、交通费用计算交通可达性;根据房租和家庭收入计算各区块区位成本（家庭消费效用、公司区位费用）;随之,交通可达性及区位成本被用于计算各区块的区位效用;然后区位模型依据区位效用、房产分布计算社会经济活动的空间分布,至此,城市社会经济活动密度分布发生变化,进一步导致房租发生变化,重复上诉过程,直至满足结束条件,程序停止,此时的城市空间状态即为预测值。循环结束条件指的是两次循环结果无变化或变化很小,这时模型输出的是下一时段（例如下一年）预测值。利用模型预测值,加之政策情景设置（t+2年份的政策情景）可进一步预测t+2年份的情况。以此类推,逐年预测未来城市空间状况。

4 案例应用：政策情景实验

4.1 研究区域

本文以北京市为案例地区。2010年北京市共有18个区县（之后变更为16个）,本文以北京城八区及其周边的近郊区县作为研究区域,采用街道（乡镇）尺度数据,共239个街道（区块）（图3）。

显示原图|下载原图ZIP|生成PPT
图3北京市土地利用政策情景
-->Fig. 3Floorspace development of Beijing
-->

空间数据方面采用研究区域的行政区划数据、路网数据（包括高速公路、城市快速路、国道、省道、县道、地铁线路等各级交通线路）,基于该路网本研究估算出每两区块的最小交通费用（gc）。交通费用评价的结果是一个239×239阶矩阵,即两两区块间的交通费用。
社会经济数据方面,目前中国第六次人口普查数据仍是最为详细的数据。经济活动分布数据,首先通过电子地图供应商提供的远程访问接口（API函数）获取的信息点（Point of Interest, POI）数据,包括各个单位的基本信息和空间位置,然后将POI与经济普查数据进行关联匹配,从而获取各个单位的空间信息和属性信息,对于少数无法匹配的POI数据,结合实地调研进行插补,该数据几乎包括了北京所有公司、学校、研究所、医院等单位。利用该数据,采用GIS技术可分析得到北京各类就业的详细分布。

4.2 政策情景

模型可分别实验土地利用政策、交通政策或者是二者的结合。由于交通系统改变相对缓慢,作为应用案例,本文将模拟目前土地利用政策对城市空间的影响。
土地利用政策情景：与社会经济活动分类相对应,本文将土地利用（房产开发）分为两类：住房开发和商用房开发,采用面积计量,如某街道某年住房开发数量为20万m²。每年政府均会出让土地给开发商,每个售出地块一般会规定其用途（居住或商用等）和限制开发面积。本文收集整备了近5年的北京土地交易数据（2009-2013年）,由此得出每个街道每年开发的各类房产数量。加以平均,计算得出每个街道每年平均的开发情况,以此作为未来每年房产开发数量。由图3,土地利用开发主要分布在主城区以外、五六环路之间,以及郊县的县城。这也符合目前北京市疏解主城区社会经济活动、建立多中心、减轻交通阻塞的宏观政策。另一重要原因是,主城区目前已经处于高度开发状态,进一步开发建设较为困难、成本高昂。对比住房开发和商业开发可见,商业开发更为分散,可以预见这将导致就业分布的进一步分散化。商业土地利用开发在城南地区分布较多,尤其是亦庄地区。
除了交通和土地利用政策,城市社会经济活动的年增长同样需要设定。参考近年人口和就业增长的平均速度,本文设定城市家庭和经济活动的年增长率分别是0.023、0.020。

4.3 预测结果

基于上述情景设置,本文利用SDA模型预测了直至2030年隔年份的人口和经济活动的分布格局。文章结尾附有各年份的预测结果。下面对预测结果做简要分析。
（1）人口分布格局模拟
北京市2030年家庭人口分布预测情况如图4a所示。2030年大部分人口仍分布在五环以内的主城区。这是因为历史上主城区已经被高度开发,聚集大量的人口和经济活动,具有较高的交通可达性。当人口逐年增长时,同样会有部分人涌入该区域,加之原有的人口基数,主城区依然是人口分布最为密集的区域。由图4可以直观得出,交通线路对于居民的空间分布影响很大,人口趋于交通沿线的位置。同时一些远离中心城区的区块具有较高的人口密度,这些区块通常是远郊区县的县城,如昌平城北街道（23）和城南街道（24）、顺义光明街道（77）和胜利街道（78）、房山迎风街道（51）等区块。

显示原图|下载原图ZIP|生成PPT
图42030年北京市人口分布预测
-->Fig. 4Population distribution forecasted of Beijing for 2030
-->

图4b所示的是相对于2010年人口增长模式：2030年各个区块人口变化百分比。由图可知,随着人口的逐年增长,越来越多的人口趋向于四环路以外区域。SDA模型考虑的因素房租、交通可达性和房产分布,由此可以得出,城区已经高度开发,人口高度密集,致使进一步的房产开发量较少,同时高昂的房租也阻碍了人口进一步集聚。新增人口的郊区化与土地利用政策相一致。由于郊区开发了大量的住房导致当地的房租下降,而且大量的商业用房建设吸引了大批的经济活动,进一步提升了该区域的家庭交通可达性。
根据图4b可以发现,人口的增长较为迅速的地区大多为位于六环路沿线、五六环之间。而增长幅度明显高于周围区域的区块有南邵（89）、马坡（73）、后沙峪（236）、北臧村（92）、长阳（97）、良乡（98）和亦庄（173）。按照目前的土地利用政策,这些区域将逐步发展成为城市副中心。这些潜在的副中心的分布与目前政府发展多中心结构以缓解交通阻塞的目标相一致。其中,亦庄是大兴区目前着力发展的一个副中心,根据模拟结果,亦庄将逐渐集聚更多人口,经济活动模拟也有类似的态势。
（2）经济活动分布格局模拟
图5a展示了2030年北京经济活动分布格局。在2030年,大部分的经济活动仍然分布在四环以内的主城区。而外围的经济活动分布多集中于交通主干线的附近区域,交通可达性较好的区域。除了主城区以外郊区区块中经济活动较为集中的有亦庄（173）、黄村（95）、望京（140）、金顶街（233）。在土地利用开发政策情景中（图3）,这些区块有着较高的房产开发量,导致其房租下降,吸引更多的公司迁入。根据预测结果,这些地区的经济活动密度也明显高于其周围地区。

显示原图|下载原图ZIP|生成PPT
图52030年北京市经济活动分布预测
-->Fig. 5Employment distribution forecasted of Beijing for 2030
-->

图5b显示了2030年北京经济活动的增长模式。北京中心城区和西南地区有大量区块的就业增长百分比小于0,表明在2030年,这些区块的经济活动较之2010年有所减少。与土地利用政策情景作对比可以发现,这些区块商用房开发较少甚至没有。而对于其他房产开发较多郊区,房租必然下降,企业趋向于房租低的区块以降低其区位成本,从而导致郊区的就业活动迅速增加。该模拟结果也与目前疏散主城区经济活动的规划目标相一致,也进一步佐证了模型的有效性。
将人口增长模式（图4b）与经济活动增长模式（图5b）相对比可以发现,经济活动增长模式在空间上更为分散,郊区的增长幅度更大。可以得出在市场驱动下,企业的选址对区位成本（房租）更为敏感。随着周围商用房产的大量开发,房租下降,大量的公司迁入郊区,以降低其区位成本。可以预见的是,经济活动的外迁将进一步带动家庭人口的外迁。此外,由图5b可以发现,经济活动增长强度较高的区块多分布在六环路的两侧,与商用土地利用开发模式（图3）相似,反映出政府可以通过土地利用政策引导城市经济活动的空间分布,从而间接控制着城市经济活动空间分布格局。

5 讨论

5.1 模型准确性及使用

校准过程中本文根据预测值和观测值（实际值）的对比调整系数。除了输入年份（2010）,其他年份不具备详细的街道尺度人口数据,但模型中房租起到至关重要的作用,因此采用房租数据来检验模型的模拟结果。每次实验,根据房租的预测值与观测值（实际值）的差异,对系数进行调整。例如,若所有区块租金的预测模拟值均比观测值大,并且R检验小于0.50,那么与租金有正相关的系数就会被减少0.5%,反之亦然。其他系数的调整与之类似。直到预测值与实际观测数据相近。将2014年预测值与实际观测值对比,相关性R²为0.7。本文是根据市场规律预测城市空间变化,而城市的房租（房价）存在过高或过低的情况,是非市场因素作用的结果,预处理过程中本文剔除了实际数据中的所有这类数据。认为该处理过程增强了预测值与实际值的相关性。
SDA模型很难做到准确的预测未来,也不认为存在可以准确预测未来的模型。城市是一个复杂的巨系统,其发展过程受多种因素影响,包括无法预知的因素。因此,就模型的应用而言,其模拟的相对值更具意义,而非绝对值。相对值包括两个方面：① 对比不同政策情景、比较其差异;② 不同区块模拟值的相对大小。本文认为这两点对于辅助决策具有重要的参考作用。本文案例的假设是过去的土地利用政策会延伸到未来,是为模型的应用而设置,并不代表官方政策。
LUTI理论被认为描述了城市空间发展规律^{[21, 29-30]},因此在本模型框架下,做不同程度的修改和校准可进一步应用于其他城市。通过更多的案例应用对比,在变量选择、参数设置方面不断改进,可逐步完善模型。本文有助于LUTI模型在国内进一步推广应用,辅助城市空间决策,并丰富和发展国内城市可持续发展模拟分析学科的研究内容。

5.2 模型的限制性和改进

相对于Lowry模型而言,SDA模型是一个动态模型,模型允许各个要素随时间变化,从而预测不同年份城市空间状况,但SDA模型依然是一个平衡模型,模型的迭代过程最终收敛于一个平衡状态。有观点认为,城市空间发展虽趋于平衡状态,但由于供需的脱节,永远不可能达到平衡状态^[37]。因此,SDA模型属于“准动态模型”。
区位效用评价主要考虑的是交通可达性和区位成本。但城市活动的区位选择存在多种影响因素,如家庭区位选择受家庭成员结构、住宅舒适度、环境等多种影响。为此,纳入多种因素是未来拓展的方向。该工作也将面临数据获取的难题,模型算法将趋于复杂,运行时间也将增加。

5.3 交通模型的优化扩展

限于篇幅,案例未考虑交通政策情景。交通是影响城市社会经济活动区位的关键因素,交通的改变（如道路或地铁的修建）必将改变城市尤其是沿途的可达性,最终会影响城市活动的空间分布。根据SDA模型中的交通子模型,交通系统的改变将影响城市的通行成本,影响交通可达性,最终改变模拟结果,因此,SDA模型同样可用于交通政策检验。相对于土地利用系统,城市交通系统变化更为缓慢,因而,在模型运行过程中,并不需要逐年运行交通模型,只需要在交通系统发生变化年份运行,如某高速公路开通的年份。
交通模型采用“车”的速度计算交通时间。更细层面上,城市存在不同的社会经济群体,其出行对应着不同的交通模式,如步行、骑行、公交、自驾等,导致其空间分布规律有所不同。因此,实现多模式交通模拟分析是SDA模型面对的问题。交通领域研究较多、竞争较为激烈,存在大量成熟的交通软件,如START、TRAM等。SDA模型交通可达性评价中的交通费用参数（gc）提供了与现有智能交通模型的接口,可以利用成熟的智能交通模型评价城市交通。与智能交通模型的集成使用将进一步增强本模型的功能。

5.4 城市活动总量变化及区位模拟

本文利用增长率计算家庭总量,然而,家庭人口总量变化既有本地人口变迁,也受流动人口的影响（迁入、迁出）。为实现更为精确的模拟,需建立人口流动模型、模拟城市与外界的人口流动,建立人口变迁模型、模拟家庭变迁过程。同样的问题也存在于经济活动。与之对应,本地家庭人口的搬迁与外来迁入人口的区位选择的影响因素应有所差异区,因此区位模型需分别探索本地人口流动、流动人口的区位选择。

6 结论

本文基于城市土地利用、交通相互作用理论构建了SDA模型,用于模拟城市空间演化过程,并以北京市为案例,基于近些年土地开发趋势,预测了未来人口和经济活动的分布格局。研究表明,SDA模型可定量预测每个区块的人口和经济活动数量,为城市土地利用政策检验提供了很好的工具。本研究的核心工作是SDA模型的构建与开发。SDA模型主要包含4个子模型：交通模型、家庭区位模型、经济活动区位模型、房租模型。SDA模型是基于“活动”的LUTI模型。基于“活动”的模型对于区位价值的评价是基于各类活动需求,如同一区位对于不同家庭具有不同价值,这一点不同于采用物理位置（如到CBD的距离）。从模型的发展历程来看,基于活动SDA模型的构建符合LUTI模型发展的新趋势^[38]。作为LUTI理论应用于中国城市的初步探索,本研究有助于推动LUTI模型的发展及其在国内的应用,丰富城市空间模拟分析的研究内容。SDA模型也将在应用实践中逐步完善。
The authors have declared that no competing interests exist.

城市土地利用—交通集成模型的构建与应用

本站小编 Free考研考试/2021-12-29

Modelling urban spatial impacts of land-use/transport policies

1 引言

2 LUTI模型的起源