基于軌道交通的TOD模式影響因子研究-以紐約和香港為例

** 基于軌道交通的TOD模式影響因子研究——以紐約和香港為例 【摘要】近年來，TOD 理念在減少汽車使用和提高運(yùn)輸能力的可持續(xù)性方面得到了廣泛的 認(rèn)同。在經(jīng)濟(jì)社會特征相似的情況下，TOD社區(qū)居民的公共交通出行頻率遠(yuǎn)高于其他社區(qū)。 但現(xiàn)有的TOD模式研究往往關(guān)注近年來新開發(fā)地段和郊區(qū)的鄰里社區(qū)等，而鮮有在城市層 面通過站級數(shù)據(jù)的對比分析和深入研究。本文以軌道交通網(wǎng)絡(luò)發(fā)達(dá)的紐約和香港作為范本進(jìn) 行實(shí)證研究，運(yùn)用多元回歸的方法對影響軌道交通客運(yùn)量的可能因素進(jìn)行分析。研究認(rèn)為以 下幾組相關(guān)變量對軌道交通客流量影響較大：①土地利用；②車站特征；③社會經(jīng)濟(jì)和人口 特征;④模式競爭。結(jié)果表明，車站特征為影響軌道交通載客量的首要因素，應(yīng)該作為今后 軌道交通模式研究的重點(diǎn)方向和優(yōu)化手段；高的汽車保有量會伴隨更頻繁的上落、停車和換 乘等活動，從而提升遠(yuǎn)距離出行的公共交通比例；而地方特定因素對軌道交通載客量影響也 很積極。 【關(guān)鍵詞】TOD；軌道交通載客量；土地利用；紐約；香港 1 引言 過去的幾十年內(nèi)，如何通過有效的政策措施減少汽車使用以及對社會和環(huán)境方面的負(fù)面 影響一直是學(xué)術(shù)關(guān)注的重點(diǎn)。常見措施主要集中在兩方面：一、限制交通需求，比如道路收 費(fèi)、停車管理和交通靜化；二、增加交通供給，包括公路建設(shè)、鐵路投資和提供停車和慢行 系統(tǒng)等。然而，人們逐漸認(rèn)識到，僅僅通過交通措施解決問題的效果非常有限，人們的出行 行為受到很多綜合因素的影響，而城市規(guī)劃和土地利用成為重要的影響因素。 TOD 模式基本理念是：相對高密度、緊湊、混合的城市形態(tài)，高品質(zhì)、高效率的公共 交通服務(wù)，以及行人友好的環(huán)境。于是，精明增長(SmartGrowth)、交通聯(lián)合開發(fā)(Transit-Joint Development)、新傳統(tǒng)開發(fā)(Neo-TraditionalDevelopment)以及交通集中發(fā)展(Transit-Focused Development)等一系列發(fā)展戰(zhàn)略被陸續(xù)提出(Cerveroetal，2002)。盡管這些理念涵義不盡相 同，但結(jié)合交通混合開發(fā)等策略逐漸得到廣泛接受，并被認(rèn)為可以降低機(jī)動車使用率。 既有的大多數(shù)TOD模式研究更加關(guān)注未開發(fā)的新城和郊區(qū)等，而對交通系統(tǒng)已經(jīng)高度 發(fā)展的特大城市層面關(guān)注不足。這些城市往往已經(jīng)擁有較高的軌道客流量，并且交通換乘多 分布于中央商務(wù)區(qū)(CBDs)等高密度地區(qū)，而郊區(qū)和城市邊緣逐漸興起的大型居住、辦公和 產(chǎn)業(yè)集群，逐漸改變了傳統(tǒng)的城市結(jié)構(gòu)和形態(tài)，單中心也逐漸向多中心轉(zhuǎn)換(Loo和Chow， 2008;Newmanetal，1995)。這些土地利用和其他經(jīng)濟(jì)社會因素，共同促成了交通客流量的 巨大變化。眾所周知，紐約是世界的文化、商業(yè)和金融中心(Sassen，2001)；而香港作為亞 *本文系北京大學(xué)中國城市設(shè)計研究中心和深圳規(guī)劃國土發(fā)展研究中心聯(lián)合研究課題部分前期成果，內(nèi)容 根據(jù)《Rail-basedtransit-orienteddevelopment:LessonsfromNewYorkCityandHongKong》翻譯整理,原文刊 于LandscapeandUrbanPlanning,2010(6),202-212; 作者BeckyP.Y.Loo,CynthiaChen,EricT.H.Chan. 1 洲最繁華的城市之一，擁有高密度的人口和緊湊城市形態(tài)(Loo和 Chow，2008;Tong和 Wong， 1997)。因此，本研究選取這兩座人口超過 500 萬、地鐵軌道系統(tǒng)發(fā)達(dá)的世界大都市作為范 本進(jìn)行實(shí)證研究，旨在探討軌道載客量的影響因素并量化其內(nèi)在聯(lián)系。 圖1 紐約地鐵網(wǎng)絡(luò)和主要經(jīng)濟(jì)中心 圖2 香港地鐵網(wǎng)絡(luò)和主要經(jīng)濟(jì)中心 紐約和香港都擁有密集的網(wǎng)絡(luò)連通結(jié)構(gòu)和大規(guī)模的交通乘客量，穩(wěn)固的軌道系統(tǒng)已經(jīng)成 為城市交通必不可少的一部分。同時，這兩個城市的地鐵和軌道系統(tǒng)也是世界上最繁忙的 (MTANYCTransit，2008a)。紐約地鐵軌道總里程660英里，擁有25條地鐵線和468座車 站，客流量世界排名第四(2007 年高達(dá) 15.6 億)；而香港地鐵軌道總里程 104.5 英里，擁有 10條地鐵線和80個車站，客流量排名第九(2008年高達(dá)8.67億)。據(jù)統(tǒng)計，紐約公共交通客 流量比例高達(dá) 54.2%，高居美國榜首，而軌道交通分擔(dān)上下班人流的 38.1%(TheAmerican CommunitySurvey，2005)，地鐵月載客量達(dá)135萬(MTANYCTransit，2008)；而香港公共 交通的日常出行比例高達(dá)90%，軌道分擔(dān)率為37%(TransportDepartment，2006)。圖1和圖 2分別顯示了紐約和香港鐵路網(wǎng)絡(luò)和城市中心。 然而紐約和香港在地域、文化、體制和政策方面存在較大差異，本研究通過兩個城市對 比驗(yàn)證軌道客流量的影響因素，探討優(yōu)化TOD模式的有效措施并促進(jìn)城市交通可持續(xù)發(fā)展。 2 研究綜述 土地利用對交通行為的影響研究始于 20 世紀(jì) 70 年代后期(Handy，2005)，Newman 和 Kenworthy(1989)比較了各大城市密度與汽油消耗量的關(guān)系，加劇了這一問題的討論，20世 紀(jì)90年代新都市主義運(yùn)動和新傳統(tǒng)城市設(shè)計理念出現(xiàn)，研究更加關(guān)注建筑環(huán)境和交通行為 之間關(guān)系，尤其是對出行距離、模式選擇和出行數(shù)量等交通行為的影響因子方面(Cervero 2 和Kovkelman，1997;Frank和Pivo，1994;Levinson和Kumar，1997;Loo，2009)。近年來， TOD模式研究重點(diǎn)逐漸轉(zhuǎn)移到二者的因果關(guān)系方面，然而難點(diǎn)在于，很難判斷究竟是TOD 的成功減少了人們對汽車的使用，還是人們喜歡使用公共交通而選擇就近居住(Caoetal， 2007;Handyetal，2005，2006)。 TOD 模式的研究方法分為以下三類：模擬研究、描述性研究和多元統(tǒng)計分析(Boarnet 和Crane，2001)。模擬研究假設(shè)街區(qū)和交通需求預(yù)測模型，通過構(gòu)建簡化但控制嚴(yán)格的模型 環(huán)境觀測不同條件下的變化趨勢，從而估計城市形態(tài)對交通行為的影響。但有學(xué)者指出，這 種模擬研究極大的簡化了城市形態(tài)和交通行為而并未真正解釋行為本身，因而結(jié)果具有投機(jī) 性和偶然性，不能作為決策者的依據(jù)(Handy，1996)。 描述性研究關(guān)注在不同狀況下的行為狀況，比如Lundetal.(2004) 等在TOD調(diào)查網(wǎng)站 上提供的加利福尼亞州詳細(xì)資料等；部分學(xué)者將出行行為比較作為特定方法，通過劃分以土 地利用方式為基礎(chǔ)的不同居住類型，并比較了政策、法規(guī)和項(xiàng)目對軌道地區(qū)發(fā)展的影響，如 Porter(1998) 研究了對19個交通類發(fā)展項(xiàng)目的研究。描述性研究的優(yōu)點(diǎn)是能夠顯示出行行 為的一般特征，并為進(jìn)一步研究提供支撐，但是缺乏對土地利用等影響要素的控制，因而很 難量化出行影響因素的具體效用。 與以上兩類方法相比，多元統(tǒng)計分析由于能夠同時處理多重因素并具有定量分析的優(yōu) 勢，越來越受到重視。這種方法通過出行數(shù)量、通行距離、模式選擇等一系列因變量解釋社 會人口和土地利用等的變化，并通過量化具有統(tǒng)計價值的評估系數(shù)解釋變量的影響。 相對于歐洲和亞洲等地區(qū)，北美在城市擴(kuò)張和汽車依賴性方面問題突出(Newmanetal， 1995)，里弗賽德、格林斯博羅、亞特蘭大等都市區(qū)蔓延最為嚴(yán)重(Ewingetal，2002)，這一 現(xiàn)象可以歸咎于戰(zhàn)后汽車銷量和小型家庭的增長。同時，Bernick和Cervero(1996)對新加坡、 東京和斯德哥爾摩等其他城市進(jìn)行了研究，詳細(xì)驗(yàn)證了影響TOD模式的積極因素；Cervero 和Murakami(2008)研究了香港軌道和物業(yè)結(jié)合的開發(fā)模式。 單元分析是土地利用和交通行為研究的另一個重要方向。Handy(1996) 通過匯總和分 類的研究方法，分別從在區(qū)域、人口普查、城市、社區(qū)層面和個人和交通層面進(jìn)行數(shù)據(jù)分析； Bernick和Cervero(1996)以城市為分析單元對TOD模式進(jìn)行了匯總研究；還有不少研究以 城鎮(zhèn)和社區(qū)為單元展開(Boarnet和Compin,1999;Loo，2009;Lund，2006)。Crane(2000)以及 Ewing和Cervero(2001)的文獻(xiàn)綜述詳細(xì)回顧并總結(jié)了土地利用和交通出行研究的異同點(diǎn)。 上述研究仍在存在一些問題和不足。比如大量描述性研究僅僅試圖從一個特定案例解釋 TOD 模式的影響因素，而缺乏通過多元統(tǒng)計方法對不同地區(qū)城市的比較分析。同時，由于 政府和交通部門數(shù)據(jù)獲得相對簡單，大多數(shù)研究僅僅使用區(qū)域、地區(qū)和社區(qū)層面的匯總數(shù)據(jù) 或者家庭和個人層面的分解數(shù)據(jù)，而缺乏深入到站點(diǎn)層面、關(guān)注空間要素和土地利用特征等 方向的深入分析研究。本研究基于以上基礎(chǔ)和特征展開。 3 數(shù)據(jù)和方法 3；紐約站級層面的數(shù)據(jù)則來源于紐約大都會交通管理局(NYMTA)。數(shù)據(jù)包含香港；紐約站級層面的數(shù)據(jù)則來源于紐約大都會交通管理局(NYMTA)。數(shù)據(jù)包含香港 80 座和② 本研究中，香港乘客人數(shù)數(shù)據(jù)直接從香港地鐵公司(MTRC)和九廣鐵路公司(KCRC)獲得 ① 紐約468座全部車站，且均以2005年軌道交通車站層級的周均載客量為準(zhǔn)，缺失時采用最 近數(shù)據(jù)替代。數(shù)據(jù)并不排除由于街區(qū)層面數(shù)據(jù)的限制和不同統(tǒng)計口徑造成的偏差。 兩個城市分別建立回歸模型，并將眾多影響因子和變量分為以下四個方面：①土地利用； ②車站特征；③社會經(jīng)濟(jì)和人口特征；④競爭模式(見表1)。 表1 獨(dú)立變量數(shù)據(jù)統(tǒng)計表特征變量內(nèi)容紐約香港MeanS.D.nMeanS.D.n乘客量12174.0615881.5743843888.3829.443.779C/R商住建筑面積(m2)---25993.0464023.0279COM商業(yè)建筑面積(m2)6891715.3913738482.324113291404.985434398.3179GAR停車場面積(m2)238795.39326997.16406---土地利用GAR_D小型停車區(qū)(虛擬變量，0.900.294380.970.1679UM面積小于平均值90%)MIXED混合功能(虛擬變量)0.730.454120.440.5079PARK遠(yuǎn)離街道停車面積(m2)---12020.2411555.3079CBD_DUCBD商務(wù)中心區(qū)(虛擬0.170.374120.320.4749M變量)車站特征DIST_MI車站到市中心的正常出11.733.694327.693.2879D行成本(美元)INTER主要換乘站(虛擬變量)0.070.254380.190.4079YES_OP運(yùn)營時間(年)84.8215.8638321.3917.8079CARS每戶汽車保有量0.090.054110.170.1379社會經(jīng)濟(jì)POP_S人口規(guī)模16003.008403.7441128590.6417686.3679和人口特POP_D單位居住面積人口密度27629.339241.32411---征79EMPOV就業(yè)人口數(shù)15309.7932964.4341217453.2422349.44ERPOP競爭模式BUS公交站數(shù)量27.1813.3641221.7812.3179 注：表中數(shù)據(jù)僅顯示三個最終的回歸模型包含的描述性統(tǒng)計變量，并非所有獨(dú)立變量。 過程中并未直接測試空間自相關(guān)性(Anselin和Rey，1991;Cliff和Ord，1972;Leungetal， 2000;McMillen，2003)，而是通過與站點(diǎn)空間位置緊密相關(guān)的多個獨(dú)立變量，如距市中心距 離、CBD 虛擬變量、所屬鐵路線性質(zhì)等，來確定因子對軌道載客量的影響。雖然事實(shí)上不 同方法觀測的影響因素則可能相關(guān)，但研究中假定多元回歸變量相對獨(dú)立，同時，鑒于紐約 和香港城市狀況以及軌道載客量影響因素的差別，兩個模型均通過一些特定變量的組合進(jìn)行 針對性分析。模型絕大部分樣本變量在通過共線性和多重共線性的檢驗(yàn) 的基礎(chǔ)上，最大限 度的選定作為模型的最終數(shù)據(jù)，并設(shè)定顯著性水平為 0.05 作為決策報告的顯著變量標(biāo)準(zhǔn)進(jìn) 行分析。研究盡最大努力保證數(shù)據(jù)質(zhì)量(Hairetal，1995)，但不排除生成的殘差圖在一致性 判定中帶來的非線性和異性方差問題。 兩個獨(dú)立模型建立后，結(jié)合兩個城市數(shù)據(jù)集制定了多元回歸的組合模型，并通過兩類模 型比較，更清楚的了解各層面影響因素與軌道載客量的一般關(guān)系。在此過程中，對紐約的度 量單位，以及香港小型車庫虛擬變量進(jìn)行轉(zhuǎn)換，以在均等條件作對應(yīng)分析。此外，為區(qū)分兩 個城市軌道換乘站點(diǎn)的差異，研究創(chuàng)建紐約換乘站特定變量作為城市獨(dú)特變量的開始。同時， 鑒于香港(n=79)和紐約(n=406)有效數(shù)據(jù)個數(shù)的巨大差異，為消除紐約對組合模型結(jié)果的過大 影響，將有效數(shù)據(jù)樣本個數(shù)作為權(quán)重進(jìn)行加權(quán)平均，以保證一般性特征。 4③ ③ ④ 4 結(jié)論和討論 4.1 紐約和香港的多元回歸分析 表 2 是紐約和香港兩個城市回歸模型的最終結(jié)果。兩個城市調(diào)整后的 R 平方值分別為 0.74 和 0.59，這意味著約因變量(軌道乘客量) 的74%和 59%能被獨(dú)立變量所解釋。紐約模 型的條件指數(shù)為17.15，最小公差為0.407，方差膨脹因子最大值為2.458；香港模式條件指 數(shù)為13.87，最小公差為0.439，方差膨脹因子最大值為2.28；此外兩個模型中均無其他二元 獨(dú)立變量的相關(guān)性超過0.7。這表明，兩個模型的共線性和多重共線性均無問題。此外，殘 差圖不能顯示任何非線性和異性方差等趨勢。在 0.05 的水平上，紐約模型的 6 個獨(dú)立變量 和香港模型的9個變量表現(xiàn)顯著 。 4.1.1 土地利用 結(jié)果顯示，軌道客流量的影響因素存在于以上變量之中。土地利用方面，兩個模型分別 使用不同的獨(dú)立變量，但表現(xiàn)出很多相似性，比如商業(yè)建筑面積均是重要的影響因子并且呈 現(xiàn)正相關(guān)。香港的數(shù)據(jù)表明，商住混合建筑規(guī)模對日載客量產(chǎn)生積極影響，其面積每增加 10000平米，軌道日載客量增加100人 ；而紐約模型則顯示商業(yè)建筑面積每增加 10000 平 米，軌道日載客量增加 20。因此，大城市中心區(qū)常見的商業(yè)及其相關(guān)的土地利用模式，有 利于鐵路載客量的提升。 另一個值得關(guān)注的變量是停車場地。香港模型的停車場面積變量顯示了與軌道載客量積 極重要的關(guān)系(B=0.08，p=0.00)。這些主要站點(diǎn)附近的停車場，可能與地鐵公司大規(guī)模復(fù) 合型綜合體的開發(fā)模式密切相關(guān)，停車位是為滿足商業(yè)和住宅本身的需要，而并非為提升軌 道客流量而發(fā)展。 紐約模型中，小型停車區(qū)虛擬變量(對應(yīng)標(biāo)準(zhǔn)為小于53202平米)影響效果顯著，并且呈 現(xiàn)負(fù)相關(guān)(B=-7705.19)，這表明，站點(diǎn)附近的車庫規(guī)模受限會對軌道載客量產(chǎn)生負(fù)面影響， 并且其面積過小會直接導(dǎo)致模型擬合度的惡化。這可能是因?yàn)榧~約的地鐵站附近停車位在充 足的情況下，不會對軌道乘客量產(chǎn)生較大影響，但車庫缺乏卻會導(dǎo)致客流量瓶頸。 此外，混合功能虛擬變量(站點(diǎn)輻射范圍土地類型并存狀況)在香港的模型中相關(guān)性顯著 (B=10,629.22，p=0.03)，表明土地混合利用可以產(chǎn)生一天內(nèi)的雙向交通需求，有助于鐵路 載客量的提升。 表2 紐約和香港最終模型特征變量紐約香港BSEβ系數(shù)tSig.BSEβ系數(shù)tSig.常量15554.011977.507.870.00-31468.9910461.6-3.010.003C/R0.010.000.323.390.00GAR0.080.020.323.400.00土地利用MIXED10629.224866.840.182.180.03GAR_DUM-6160.871145.75-0.16-5.380.00COM0.000.000.215.780.00YES_OP689.29123.620.425.650.00車站特征INTER35242.991602.500.6021.990.0017987.125776.970.243.110.00DIST_MID-715.42124.18-0.23-5.760.00社會經(jīng)濟(jì)CARS28070.249106.930.113.080.0060238.5720515.90.262.940.01 5⑤⑤和人口特0征POP_D3.061.340.182.290.03POP_S0.230.040.175.580.00EMPOV-3702.711361.32-0.30-2.720.01競爭模式BUS860.67216.030.363.980.00R平方調(diào)0.740.59整值樣本數(shù)(n)40679 4.1.2 車站特征 盡管最終的模型在車站特征方面僅包含少數(shù)幾個變量，但呈現(xiàn)出較高的相關(guān)性特征，表 明軌道站點(diǎn)是影響客流量的重要因素。通過車站特征的改進(jìn)可以顯著增加軌道交通客流量。 紐約模型中，換乘站因子的相關(guān)性明顯(t 值為 21.99)，回歸系數(shù)在所有變量中也最高 (B=35242.99)。這可能因?yàn)椋磽Q乘站到達(dá)其他站點(diǎn)的可達(dá)性較強(qiáng)因而能夠吸引更多的乘客， 這表明增加軌道網(wǎng)絡(luò)的連通性對于增加乘客量非常重要。同時，紐約模型顯示，距離城市中 心區(qū)距離因子是車站特征方面的另一重要變量，并且呈現(xiàn)負(fù)相關(guān)(B=?715.42，p=0.00)，這 表明離市中心越遠(yuǎn)，乘客日常活動就需要支付較高的出行成本，也就伴隨較低的鐵路載客量。 香港模型中，換乘站因子(B=17,987.12，p=0.00)也被包含并顯示出同樣的結(jié)果趨勢； 而經(jīng)營年限也具有最高的相關(guān)性(t=5.65)，表明車站經(jīng)營越早，客流量越大。這一結(jié)果表明 城市中心尤其是老城區(qū)等處，由于設(shè)施和環(huán)境的逐漸完善，工作和購物都非常活躍。 4.1.3 社會經(jīng)濟(jì)和人口特征 社會經(jīng)濟(jì)和人口特征方面，汽車保有量以及人口密度和規(guī)模等變量呈現(xiàn)與軌道載客量的 正相關(guān)關(guān)系。其中，家庭汽車擁有量和軌道客流量正相關(guān)的結(jié)果看起來似乎匪夷所思，因?yàn)? 在私家車和軌道交通是競爭關(guān)系。然而通過分析不難發(fā)現(xiàn)，研究分析的是以擁有軌道交通站 點(diǎn)周邊不同社區(qū)類型，也就是說，在都擁有軌道服務(wù)前提下，保有量較高的社區(qū)往往能帶來 更大的軌道客流量。這可能是由于，汽車擁有家庭往往具有較高的出行率，而與使用的交通 模式無關(guān)(TransportDepartment，2002)；事實(shí)上，他們會使用汽車向軌道站點(diǎn)的短途輸送。 除此之外，人口也是顯著的變量因子。香港模型使用單位住宅面積人口密度這一因子衡 量，即人口規(guī)模與住宅總建筑面積的比值；而紐約由于人口密度相對較低，為保證模型擬合 度則使用絕對人口規(guī)模 。結(jié)果表明，人口增加對于軌道乘客量增加具有重要貢獻(xiàn)。圖3和 圖4分別顯示紐約和香港的人口密度。 軌道輻射范圍內(nèi)的就業(yè)強(qiáng)度是影響香港模型的另一變量，而且是唯一一個負(fù)相關(guān)因素(B =?3702.71)，也就意味著，軌道站點(diǎn)附近就業(yè)人數(shù)的增加并不利于軌道客流量的提升。 4.1.4 競爭模式 公交站點(diǎn)數(shù)目是另外一個顯著變量，尤其在香港模型中t值高居第二，這意味著軌道輻 射范圍內(nèi)的公交站點(diǎn)數(shù)目增加有助于提升軌道載客量。這一結(jié)果表明，雖然公交巴士是軌道 交通的主要競爭方式，但香港多種公共交通方式聯(lián)運(yùn)的模式，可以實(shí)現(xiàn)互補(bǔ)協(xié)調(diào)并顯著提高 軌道載客量，這一趨勢尤其在步行街附近其作用更加明顯(Jefferson，1996)。 4.2 組合模型多元回歸分析 6 表 3 列出了合并數(shù)據(jù)集的最佳擬合結(jié)果。這個模型調(diào)整后的 R 值平方為 0.64，而包含 的10個獨(dú)立變量均通過共線性和多重共線性據(jù)檢驗(yàn)，并呈現(xiàn)高度顯性特征，無任何殘差跡 象。自變量同樣，包括土地利用、車站特征、社會經(jīng)濟(jì)和人口特征以及競爭模式等四個層面。 圖3 紐約人口密度空間分布 圖4 香港人口密度空間分布 表3 組合數(shù)據(jù)最終回歸模型特征變量B標(biāo)準(zhǔn)差β系數(shù)t顯著性常量25698.5823933.7056.530.00土地利用COM0.000.000.722.480.01GAR_DUM-9310.3522867.137-0.08-3.250.00DIST_MID-600.75204.43-0.09-29.40.00車站特征INTER13697.362142.250.166.400.00YRS_OP370.3336.870.4910.050.00CBD_DUM12011.681486.930.188.080.00社會經(jīng)濟(jì)和人口特征POP_S0.090.050.051.680.09CARS36668.487317.200.145.010.00競爭模式BUS410.7667.850.196.050.00NYC_DUM-51439.333210.11-0.92-16.020.00R平方調(diào)整值0.64未加權(quán)樣本數(shù)(n)485 4.2.1. 地方因子 組合模型中，紐約地方虛擬變量最為顯著 (t=-16.02) ，并具有最高的回歸系數(shù) (B=-51.439.33)，表明地方具體狀況因子對軌道客運(yùn)量影響非常重要。通過兩個城市比較， 不難發(fā)現(xiàn)即使受到其他獨(dú)立變量影響，紐約地方因子虛擬變量的回歸系數(shù)(B=-51439.33)仍 顯示，紐約的軌道客流量遠(yuǎn)低于香港，這與表 1 中數(shù)據(jù)相一致(紐約和香港的平均軌道周載 客量分別為12174.06和43888.38)。 4.2.2. 土地利用 7 土地利用方面變量包括商業(yè)建筑面積和小型停車區(qū)(該虛擬變量與紐約模型中車庫面積 低于平均水平 90%相一致)，結(jié)果表明，兩個因素均為影響軌道乘客客運(yùn)量的重要因素，但 在兩個城市中有不同的影