Daniel G.Chatman著，葉 峰，楊 策譯

(1.加利福尼亞州大學(xué)伯克利分校城市與區(qū)域規(guī)劃系，美國伯克利CA94720；2.拉薩市住房和城鄉(xiāng)建設(shè)局，西藏拉薩850000；3.國家發(fā)展和改革委員會(huì)城市和小城鎮(zhèn)改革發(fā)展中心綜合交通研究院，北京100045)

0 引言

以公共交通為導(dǎo)向的發(fā)展模式(Transitoriented Development,TOD)是一項(xiàng)普遍的城市規(guī)劃策略；在實(shí)際應(yīng)用中，它通常意味著在軌道交通車站周邊新建住房。TOD這一術(shù)語可以解釋為公共交通周邊的房屋(群)，或者軌道交通車站周邊大至0.5英里(約800 m)半徑范圍區(qū)域，其內(nèi)部高密度、混合功能開發(fā)，步行可達(dá)購物場(chǎng)所，擁有便捷的步行設(shè)施、較低的停車供應(yīng)，設(shè)計(jì)鼓勵(lì)家庭使用步行、自行車及公共交通來取代汽車出行[1-2]。

TOD政策的一個(gè)主要目標(biāo)是降低汽車使用對(duì)地區(qū)及全球環(huán)境的影響。通過TOD追求環(huán)境目標(biāo)需要滿足兩個(gè)重要的前提條件：1)居住在軌道交通車站附近新開發(fā)小區(qū)內(nèi)的家庭，比那些老小區(qū)內(nèi)的家庭或遠(yuǎn)離軌道交通車站的家庭開車更少；2)與TOD模式的其他屬性相比，臨近軌道交通車站是考慮問題的關(guān)鍵因素。我們有很多理由去懷疑這些前提條件。新開發(fā)小區(qū)也許會(huì)吸引更多的富裕居民，他們往往比那些住在軌道交通車站附近老房子里的居民開車更多。無論是否有軌道交通通過，開發(fā)強(qiáng)度越高、停車位越少、更多就近商店和服務(wù)的存在，都會(huì)減少汽車的使用。

雖然研究早已揭示居住在軌道交通車站周邊的家庭明顯擁有更高的公共交通使用率，特別是使用軌道交通[3]。然而對(duì)于這些家庭是否同時(shí)也更少地?fù)碛泻褪褂盟饺似嚨难芯繀s很少。2003年，加利福尼亞州一項(xiàng)公共交通導(dǎo)向的住房開發(fā)研究證實(shí)，72%的受訪者使用私人汽車通勤，低于周邊城市1999年人口普查中90%的使用率[4]。利用安裝在道路上的車輛計(jì)數(shù)器，一項(xiàng)針對(duì)美國4個(gè)都市區(qū)17個(gè)公共交通導(dǎo)向開發(fā)區(qū)域的研究發(fā)現(xiàn)，這些小區(qū)的車輛出行較交通工程師協(xié)會(huì)(Institute of Transportation Engineers,ITE)手冊(cè)公布的出行率降低了44%[5]。由于這些研究均缺乏對(duì)照組，所以報(bào)告揭示的巨大差異也許并不能推廣。對(duì)TOD調(diào)查普遍存在無回應(yīng)的情況、運(yùn)用不同的調(diào)查設(shè)備以及調(diào)查時(shí)間的差異(間隔4年)都可能導(dǎo)致實(shí)驗(yàn)觀察到的汽車使用率低于普查結(jié)果；相比ITE評(píng)估的車輛出行次數(shù)較低，部分原因可能是ITE評(píng)估本身偏高[6]。

關(guān)于建設(shè)環(huán)境對(duì)汽車出行影響的統(tǒng)計(jì)分析與本主題相關(guān)，這是因?yàn)槠湎薅薚OD的很多組成要素。然而，與諸如人口密度的建設(shè)環(huán)境指標(biāo)相比，涉及軌道交通或公交可達(dá)性指標(biāo)的研究卻很少。在最近一項(xiàng)對(duì)超過200篇研究建設(shè)環(huán)境與出行行為關(guān)系的文獻(xiàn)綜述中，只有6項(xiàng)研究在家庭或個(gè)人層面上使用車輛行駛距離作為因變量，并且以居住地到軌道交通或公交車站的距離作為自變量[7]。車輛使用相對(duì)于公交臨近程度的平均彈性系數(shù)非常小(-0.05)，并且在統(tǒng)計(jì)學(xué)上不顯著。

一些研究發(fā)現(xiàn)，軌道交通可達(dá)性與車輛擁有及使用之間要么幾乎沒有聯(lián)系，要么呈正相關(guān)關(guān)系。一項(xiàng)圣地亞哥和舊金山灣區(qū)的研究發(fā)現(xiàn)，當(dāng)控制大量街區(qū)層面建設(shè)環(huán)境的情況下，臨近重軌(heavy rail)的程度與較高車輛行駛里程密切相關(guān)[8]。一項(xiàng)曼哈頓和香港的研究表明，軌道交通車站乘客流量往往與周邊居民家庭汽車擁有量呈正相關(guān)[9]。一項(xiàng)針對(duì)美國370個(gè)都市圈的研究，利用結(jié)構(gòu)方程發(fā)現(xiàn)鐵路可達(dá)性僅僅與人均汽車行駛距離有微弱關(guān)系[10]。根據(jù)奧斯丁仿真模型估計(jì)，隨著更多的建設(shè)開發(fā)集中在軌道交通車站周邊，雖然汽車平均出行距離縮短帶來行駛里程降低，但交通結(jié)構(gòu)卻不會(huì)有太大變化[11]。

更多的研究證實(shí)，軌道交通可達(dá)性往往與較少的汽車使用相關(guān)。一項(xiàng)關(guān)于通勤方式和汽車出行距離的研究，基于全美家庭交通調(diào)查中覆蓋114個(gè)大都市區(qū)的數(shù)據(jù)，發(fā)現(xiàn)軌道交通可達(dá)性、公共汽車可達(dá)性以及城市形態(tài)都與較低的汽車使用密切相關(guān)[12]。另一項(xiàng)利用全美家庭交通調(diào)查數(shù)據(jù)進(jìn)行的國家層面的研究運(yùn)用結(jié)構(gòu)方程揭示，以步行距離衡量的軌道交通可達(dá)性與較低的車輛行駛距離密切相關(guān)，直接原因可能是因?yàn)檐壍澜煌▽?duì)汽車使用的替代作用，間接原因則是鐵路周邊通常擁有更高的人口密度[13]。一項(xiàng)基于紐約出行日志數(shù)據(jù)的研究發(fā)現(xiàn)，居住和工作周邊的地鐵線路往往與更低的汽車使用率和更高的步行比例相關(guān)，同時(shí)指出地鐵線路可能是適宜步行街區(qū)的代表[14]。兩項(xiàng)國際研究也揭示了這種預(yù)期的關(guān)系。智利圣地亞哥市的一項(xiàng)研究發(fā)現(xiàn)，距城市軌道交通車站的距離與汽車通勤方式比例的高低密切相關(guān)，其主要是通過對(duì)交通方式選擇產(chǎn)生直接影響，而非對(duì)汽車擁有產(chǎn)生的任何強(qiáng)烈影響[15]。一項(xiàng)利用德國全國數(shù)據(jù)、針對(duì)擁有汽車的有照駕駛?cè)说难芯拷沂?，步行至公交車站的距離與車輛行駛距離高度相關(guān)[16]。

上述研究中都缺少了一個(gè)重要因素，即停車位供應(yīng)。對(duì)路內(nèi)及路外停車的研究甚至比軌道交通可達(dá)性的研究還要少，很大程度上是因?yàn)槿狈?shù)據(jù)。一項(xiàng)關(guān)于紐約兩個(gè)社區(qū)的案例研究指出，二者在汽車使用上的差異很有可能由停車位供給引起，而非公共交通可達(dá)性、高速公路可達(dá)性或者人口特征的差異[17]。一項(xiàng)對(duì)紐約市1998年街區(qū)層面的人口普查數(shù)據(jù)研究發(fā)現(xiàn)，公共交通可達(dá)性及估計(jì)的路外停車供給都與往返曼哈頓的通勤汽車出行呈正相關(guān)[18]。紐約市最近一次使用相同數(shù)據(jù)庫、僅限于谷歌可以觀測(cè)停車位的研究發(fā)現(xiàn)，無論地鐵距離還是路外停車供應(yīng)，都是汽車擁有量的顯著預(yù)測(cè)因子[19]。有關(guān)路內(nèi)停車如何影響汽車使用方面的研究更是鳳毛麟角。一項(xiàng)研究表明，紐約市出于街道清潔的要求，沒有路外停車位的家庭往往會(huì)更多地開車，而有路外停車位的家庭則更少開車[20]。

幾乎所有研究對(duì)于這一研究問題都存在應(yīng)用的局限，因?yàn)楹雎粤伺c軌道交通可達(dá)性相關(guān)的潛在重要協(xié)變量。除停車位供給之外，這些變量還包括街區(qū)尺度和分區(qū)建設(shè)環(huán)境指標(biāo)，以及房齡和住房類型。極少有測(cè)試這些變量在軌道交通步行距離內(nèi)重要性的研究。

1 研究設(shè)計(jì)

本研究組織了一項(xiàng)家庭郵件調(diào)查，調(diào)查對(duì)象為新澤西州10個(gè)地鐵車站2英里(約3.219 km)半徑范圍內(nèi)的家庭。這些家庭有的居住在有目的建造的TOD社區(qū)里，有的居住在遠(yuǎn)離軌道交通的新舊住房里。之所以選擇2英里半徑區(qū)域而不是對(duì)整個(gè)州取樣，目的在于平衡控制汽車使用的空間相關(guān)影響和方便觀察車站不同距離內(nèi)的出行行為。由于距離最近公交車站超過0.5英里(約800 m)后公交使用會(huì)急速下降[21-22]，同時(shí)TOD被定義為在軌道交通車站適宜步行范圍以內(nèi)，所以步行范圍以外的家庭被作為對(duì)照組。將取樣范圍限制在10個(gè)車站區(qū)域內(nèi)有利于收集大量被調(diào)查人的路內(nèi)停車數(shù)據(jù)。這些停車數(shù)據(jù)包括在10個(gè)車站周圍0.25英里(約400 m)半徑之內(nèi)步行觀測(cè)到的路內(nèi)停車供應(yīng)。將家庭調(diào)查與路內(nèi)停車數(shù)據(jù)融合，并結(jié)合從次級(jí)地理信息系統(tǒng)數(shù)據(jù)源中提取的調(diào)查范圍內(nèi)街區(qū)和分區(qū)的空間數(shù)據(jù)，構(gòu)成了本研究所使用的數(shù)據(jù)源。只有距離固定車站最近的家庭才有路內(nèi)停車供給狀況的觀測(cè)數(shù)據(jù)。這些數(shù)據(jù)構(gòu)建步驟簡(jiǎn)述如下，更多的細(xì)節(jié)見其他文章[23]。

調(diào)查車站包括位于莫里斯-埃塞克斯線(Morris&Essex Line)的莫里斯城(Morristown)和南橙縣(South Orange)、北澤西沿海線(North Jersey Coast Line)的珀斯安博伊(Perth Amboy)和南安博伊(South Amboy)，東北走廊干線(Northeast Corridor line)的雷維(Rahway)和特倫敦(Trenton)、拉里坦河谷線(Raritan Valley Line)的韋斯特菲爾德(Westfield)和克蘭福德(Cranford)、哈德遜卑爾根輕軌線(Hudson-Bergen Light Rail Line)的第二大街(2nd Street)和埃塞克斯(Essex)站(見圖1)。這些車站可以非常容易地通往曼哈頓市區(qū)，涵蓋了輕軌、重軌、高頻次通勤鐵路，具有很好的公共交通可達(dá)性。以2英里為半徑，圍繞這10個(gè)車站的區(qū)域范圍內(nèi)涵蓋74萬人口，約為新澤西州人口總量的9%，比新澤西州其他地區(qū)有著更好的公交可達(dá)性和更高的人口密度。

本文構(gòu)建了一個(gè)包括5 000個(gè)房屋單元的樣本，其中包括1 073個(gè)位于車站步行范圍以內(nèi)新近建成或大規(guī)模翻新過的多戶住宅。其他樣本均為從住戶名單中抽取，其美國郵政編碼地址均位于車站2英里范圍內(nèi)。對(duì)這份名單進(jìn)行地理編碼，隨機(jī)抽取2 427棟距離車站0.25英里直線距離范圍內(nèi)的住房，以及其他1 500棟位于距離車站0.25～2.00英里的住房。

問卷調(diào)查主要關(guān)注住宅特性、路內(nèi)和路外停車、是否工作出行、家庭特征以及住宅區(qū)位條件[23]。問卷調(diào)查經(jīng)過測(cè)試和修訂，最終在2009年6月3日—8月26日寄出。利用調(diào)整后的迪爾曼(Dillman)郵件調(diào)查總體設(shè)計(jì)方法協(xié)議，共發(fā)送了5封招聘郵件：?jiǎn)柧碚{(diào)查及邀請(qǐng)信，提醒卡，隨后給未回復(fù)調(diào)查問卷的用戶替代調(diào)查問卷的兩封信，一份最后機(jī)會(huì)的聯(lián)系信[24-25]。最終，共收到1 143份完成的調(diào)查卷，回收率25.4%，數(shù)據(jù)匯總見表1。

觀測(cè)記錄地鐵車站0.25英里直線距離范圍內(nèi)至少50%區(qū)域的路內(nèi)停車位。所有街區(qū)平均分配給3組受過訓(xùn)練的學(xué)生調(diào)查員。調(diào)查員于17:00—20:30步行觀測(cè)晚高峰的停車狀況，按類型收集818個(gè)街道區(qū)段的6 237個(gè)路內(nèi)停車位的數(shù)量(劃線和非劃線)，停車位是否被使用，停車時(shí)長(zhǎng)限制，空間類型(殘疾人專用及特別許可)，停車時(shí)間限制，街道清潔，禁停時(shí)間段。停車數(shù)據(jù)收集早于家庭調(diào)查前一年進(jìn)行(家庭調(diào)查推遲是因?yàn)檠芯抠Y金方面的原因)。將停車觀測(cè)數(shù)據(jù)與街道分區(qū)地圖整合，并匯集到GIS中構(gòu)建522戶住在地鐵車站周邊直線距離0.25英里范圍內(nèi)的家庭，得到其周邊0.25英里直線范圍內(nèi)每英里道路的夜間停車位供給觀測(cè)指標(biāo)。

圖1 調(diào)查車站周邊2英里及0.25英里范圍Fig.1 Selected stations with two-mile and quarter-mile buffers

基于2000年人口普查中街區(qū)人口和土地?cái)?shù)據(jù)，利用GIS可以計(jì)算得到每位受訪者家庭0.25英里直線范圍內(nèi)的普查街區(qū)人口密度。利用人口普查局(Census Bureau)2008年進(jìn)行的雇主家庭縱向動(dòng)態(tài)調(diào)查(Longitudinal Employer Household Dynamics)數(shù)據(jù)庫以類似的方法也可以計(jì)算獲得當(dāng)?shù)亓闶酆涂傮w就業(yè)密度[26]。從referenceusa網(wǎng)站下載北美產(chǎn)業(yè)分類體系中編號(hào)為445110的數(shù)據(jù)，按照地址進(jìn)行地理編碼，并集計(jì)到受訪者家庭0.25英里范圍內(nèi)，從而形成研究所用的雜貨店超市數(shù)目數(shù)據(jù)。家庭1英里范圍內(nèi)的公交車站密度可以通過公交車站位置計(jì)算得到，數(shù)據(jù)來源于2010年新澤西州公共交通部門(NJ Transit)。距離曼哈頓中央商務(wù)區(qū)(CBD)的網(wǎng)絡(luò)距離，可以被定義為距離中央火車站(Grand Central Station)或者賓州車站(Penn Station)的距離，通過使用GIS中的街道文件和網(wǎng)絡(luò)線路分析計(jì)算得到。分區(qū)人口密度、就業(yè)密度以及公共汽車站密度等指標(biāo)，可以從2005—2007年匯集的美國社區(qū)調(diào)查公眾使用微觀數(shù)據(jù)樣本(American Community Survey Public Use Microdata Sample)中當(dāng)?shù)丶彝ニ诘目晒_使用微觀數(shù)據(jù)區(qū)域(Public Use MicrodataAreas,PUMAs)中獲取。

表1 描述性統(tǒng)計(jì)(選定變量)Tab.1 Descriptive statistics(selected variables)

本文運(yùn)用問卷中對(duì)以下問題的回答設(shè)計(jì)住宅區(qū)位條件變量：“請(qǐng)依序列出吸引你來到這一社區(qū)的3個(gè)主要因素”。在受訪者對(duì)一組因素進(jìn)行排序時(shí)，一個(gè)虛擬變量被設(shè)定為1，不論其具體排名。

1)新房子指調(diào)查時(shí)建成時(shí)間在7年及以內(nèi)的房屋，靠近軌道交通指道路網(wǎng)測(cè)量距離0.4英里以內(nèi)范圍；2)路內(nèi)、路外停車緊缺指路內(nèi)停車空間低于平均值，家庭每位成年人路外停車位不足1個(gè)。

如果受訪者家庭中平均每位成年人的路外停車位少于1個(gè)，設(shè)定其路外停車位稀缺性為1，其他情況則設(shè)為0。此外，本文還設(shè)計(jì)變量描述路內(nèi)停車與路外停車的相互作用。如果沒有路外停車而有充足的路內(nèi)停車，或者有充足的路外停車但沒有路內(nèi)停車，則不存在停車?yán)щy。如果每個(gè)家庭每位成年人擁有不足1個(gè)路外停車位，或者可用的夜間路內(nèi)停車位低于觀察到的中位數(shù)(每英里街道138個(gè)夜間停車位)，變量為1。

在數(shù)據(jù)描述和分析中，對(duì)新老住宅、軌道交通步行范圍內(nèi)外進(jìn)行區(qū)分。新住宅指在調(diào)查時(shí)間7年及以內(nèi)建成的房屋，依據(jù)受訪者問答以及其他獨(dú)立收集到的針對(duì)車站附近選定住宅的信息確定①。適宜步行距離指任何車站沿道路網(wǎng)0.4英里(約644 m)以內(nèi)的范圍，在本研究區(qū)域內(nèi)人行道普遍存在。這一定義比文獻(xiàn)[2]針對(duì)TOD提出的步行距離2 000英尺(約610 m)稍短。對(duì)于大多數(shù)住宅來說，大致等同于0.25英里(約400 m)的直線距離。

表1顯示了分析中使用的主要變量的均值和標(biāo)準(zhǔn)差。

表2 房齡及與軌道交通車站間距離與汽車擁有和使用的關(guān)系Tab.2 Auto ownership and use by age of housing and distance to rail

表3 房齡及距軌道交通車站距離與住宅、停車及空間特征的關(guān)系Tab.3 Housing,parking,and spatial characteristics by age of housing and distance to rail

2 距軌道交通線路距離及房齡觀測(cè)的差異

與居住在更遠(yuǎn)新老住宅中的居民相比，居住在軌道交通車站步行范圍內(nèi)新房子中的受訪者，其私人汽車擁有量、汽車通勤以及每周私人汽車購物出行都更少(見表2)。同樣比居住在軌道交通線路附近老房子內(nèi)的居民有更低的汽車通勤及購物出行頻率，一個(gè)顯著的結(jié)論是軌道交通線路附近新房子內(nèi)的居民家庭收入顯著更高。

與軌道交通車站間距離以及房齡等有關(guān)的大量因素也許對(duì)汽車擁有和使用起到一定影響作用。出租屋及小房子也許會(huì)吸引那些更少使用汽車的家庭，因?yàn)樗麄兏贻p、收入更低、并且孩子更少。在這些區(qū)域，軌道交通線路附近的新房子往往更可能被出租，它們基本上都是小房子。事實(shí)上，即使距離軌道交通更遠(yuǎn)的新房子也更有可能是小房子(見表3，列1和2)。盡管新房子有更多的可用路內(nèi)停車位，但是軌道交通線路附近新房子的路外停車供給比遠(yuǎn)距離房子更少(見表3，列3和4)。盡管更多靠近軌道交通線路的老房子擁有的路外及路內(nèi)停車位都偏低，但這一差別在統(tǒng)計(jì)意義上并不明顯(見表3，列5)。更大的街區(qū)空間環(huán)境也扮演著重要角色。無論是軌道交通線路附近的新舊房屋還是遠(yuǎn)離軌道交通線路的老房子，人口密度均遠(yuǎn)高于遠(yuǎn)離軌道交通線路的新房子(見表3，列6)。軌道交通附近新房子1英里范圍內(nèi)平均擁有超過150個(gè)公共汽車站，遠(yuǎn)高于其他組(見表3，列7)。

軌道交通線路附近新房子居民的汽車擁有和使用均較低也有其他可能的解釋，但是這些數(shù)據(jù)很難獲得。例如，或許最近遷移至TOD區(qū)域內(nèi)的人短期內(nèi)是為了方便地使用公共交通進(jìn)行通勤，但是也許過幾年隨著工作地點(diǎn)的變化，他們就開始開車。年輕人生活方式偏好的轉(zhuǎn)變或許也可以解釋一些新的TOD房屋與較低汽車使用的關(guān)聯(lián)，或者房屋和勞動(dòng)力市場(chǎng)的變化以及最近的經(jīng)濟(jì)衰退，都會(huì)被最近這些遷徙者更敏銳的感知，他們更傾向于通過更少地?fù)碛屑笆褂闷噥硎″X。

為了探索這些可能的解釋，本文進(jìn)行一系列多元回歸分析，包括汽車擁有量、通勤量以及購物出行頻率②。首先對(duì)三項(xiàng)指標(biāo)分別構(gòu)建回歸模型，僅將與軌道交通線路間距離和房齡作為自變量。在第二次回歸中，加入其他住房、停車及空間特征。第三次回歸中，加入人口特征和住宅選擇標(biāo)準(zhǔn)③。不同的房屋和街區(qū)會(huì)吸引那些對(duì)汽車擁有和使用有著不同水平和偏好的家庭。每個(gè)表格中的第二個(gè)模型都隱含了這些住房選擇影響，而第三個(gè)模型是為了估計(jì)那些與住房選擇相獨(dú)立的影響。系數(shù)的變異表征了與偏好以及住房選擇相關(guān)的效果在未來可能達(dá)到的范圍。第四個(gè)回歸模型僅應(yīng)用軌道交通車站步行范圍內(nèi)的家庭數(shù)據(jù)，測(cè)試與軌道交通線路間距離與其他如可用停車位等因素之間的相互作用。最后，對(duì)汽車通勤及購物出行頻率構(gòu)建第五個(gè)模型，將汽車擁有作為一個(gè)(內(nèi)生的)解釋變量，解釋如下。

3 車輛擁有

本文定義人均汽車擁有量為家庭擁有汽車數(shù)量與家庭中成年成員數(shù)量的比值。第一個(gè)模型采用最小二乘法，用與軌道交通線路間距離、房齡和步行距離臨界值回歸分析人均汽車擁有量。住宅每遠(yuǎn)離軌道交通車站1 km，人均汽車保有量增加0.09輛(見表4，列1)。無論是否在軌道交通車站步行距離以內(nèi)，老房子都具有較低的人均汽車保有量(將步行距離之外的新房子作為對(duì)照組)。這些系數(shù)表明，距離軌道交通線路較近的新房子平均汽車保有量比距離軌道交通線路較遠(yuǎn)的新房子低27%。

當(dāng)同時(shí)考慮居住、停車和建筑環(huán)境指標(biāo)時(shí)，汽車保有量與距離軌道交通線路的遠(yuǎn)近程度和房屋新舊程度的相關(guān)性明顯下降(見表4，列2)。無論是與軌道交通線路的距離還是房屋的新舊程度，從統(tǒng)計(jì)學(xué)上講都對(duì)人均汽車擁有量沒有顯著影響，而事實(shí)上軌道交通線路周邊新住宅的系數(shù)變?yōu)檎龜?shù)。路外停車匱乏、較低的路內(nèi)及路外停車供給是模型中最重要的變量。人均路外停車位小于1的家庭，人均汽車保有量較其他家庭低0.16，其他都持平；而路內(nèi)、路外停車位都較少的家庭，人均汽車保有量還要額外降低0.13。租住房屋的家庭人均汽車保有量要低0.065。在環(huán)境變量中，起到最大作用的是在住宅1英里范圍內(nèi)的公共汽車站數(shù)量。-0.000 8的系數(shù)表明公共交通服務(wù)水平每增加一標(biāo)準(zhǔn)差(相當(dāng)于在住宅1英里半徑范圍內(nèi)多118個(gè)公交車站)，人均汽車保有量下降0.09。

第三個(gè)模型增加家庭人口特征和選擇偏好的變量，從而在模型中同時(shí)考慮了TOD會(huì)吸引原有公共交通使用者以及鼓勵(lì)現(xiàn)住戶更多地采用汽車之外的交通方式這兩種情況(見表4，模型3)。在這一模型中，新加入的人口特征、個(gè)人偏好變量的系數(shù)較大且較顯著，但本文更加關(guān)注房屋類型和空間特征，因?yàn)槠渑c政策最為相關(guān)。與軌道交通線路間距離的系數(shù)仍然很小且不顯著。路外停車匱乏及路內(nèi)、路外停車位稀缺性系數(shù)對(duì)人均汽車擁有量的影響分別從-0.16和-0.13降至-0.11，但是影響仍然很大，這兩種情況都會(huì)導(dǎo)致人均汽車保有量均值下降13%。聯(lián)排別墅及高層公寓的系數(shù)從-0.065增至-0.13；這主要是由于家庭規(guī)模在模型中被控制，因?yàn)榧彝ヒ?guī)模越大、人均汽車保有量越少。聯(lián)排別墅和高層公寓也許有遠(yuǎn)離房屋的路外停車位。簡(jiǎn)而言之，該模型表明區(qū)分收入、住宅大小以及房屋選擇偏好之后可以在很大程度上解釋汽車擁有量與停車供應(yīng)、房屋類型及使用權(quán)、公共汽車可達(dá)性、就業(yè)密度等因素的相互關(guān)系。但是，這些影響因素仍然與低汽車擁有量顯著相關(guān)，而非距軌道交通線路距離。

針對(duì)靠近軌道交通線路家庭的研究可以測(cè)試軌道交通線路可達(dá)性與其他因素的相互作用(見表4，列4)。低路內(nèi)、路外停車供給顯然對(duì)軌道交通車站可達(dá)性的影響更強(qiáng)烈：當(dāng)分析僅限于臨近軌道交通車站的住戶時(shí)，低路內(nèi)、路外停車供給的家庭人均汽車擁有量要低0.24，影響接近模型2中的2倍。

4 汽車通勤

在1 143位受訪者中，810位表示他們?cè)谡{(diào)查之前一周全職或兼職工作，同時(shí)告訴其采用的通勤方式。表5展現(xiàn)了采用汽車(獨(dú)自駕駛)通勤方式的Logit模型，給出指數(shù)系數(shù)或比數(shù)比(OR)，系數(shù)與1的正負(fù)增量可以解釋為選用汽車通勤概率的變化。

表4 家庭成人人均汽車保有量與距軌道交通線路距離及其他因素間的函數(shù)關(guān)系(普通最小二乘回歸)Tab.4 Vehicles per adult in household as a function of distance to rail and other factors(OLS regressions)

在控制非軌道交通因素之前，距離軌道交通車站每增加1英里，汽車通勤概率將增加74%；與遠(yuǎn)離軌道交通車站的新房住戶相比，軌道交通車站步行范圍內(nèi)的新房住戶采用汽車通勤的概率僅為43%(見表5，列1)。在這一初始模型中，新老住戶不具備統(tǒng)計(jì)學(xué)上的明顯差別。

當(dāng)加入住宅類型、停車位供應(yīng)和建筑外環(huán)境變量后(見表5，列2)，在軌道交通步行范圍內(nèi)這一因素對(duì)汽車通勤選擇的影響完全消失，繼而與軌道交通線路間距離的系數(shù)從1.72收縮到1.32，并且在統(tǒng)計(jì)學(xué)上不顯著。路外停車、就業(yè)密度、分區(qū)公共汽車站密度以及與市中心距離，均與汽車通勤密切相關(guān)。在控制住房、停車和建筑環(huán)境要素的情況下，住在老房子的住戶更有可能使用汽車通勤。鑒于所有新房子住戶均為最近搬遷，而老房子住戶自從上次搬遷后更加有可能經(jīng)歷工作地點(diǎn)或其他相關(guān)地點(diǎn)的改變，使用汽車通勤可能成為一個(gè)更有吸引力的選擇。

當(dāng)人口特征和住宅位置選擇標(biāo)準(zhǔn)得到控制，盡管相關(guān)性仍然比較大，但是老房子與汽車通勤之間正相關(guān)聯(lián)系的顯著性降低(見表5，列3)。路外停車位稀缺性對(duì)降低汽車通勤的可能性有非常顯著的作用，能夠使汽車通勤比例從63%降低至57%。軌道交通可達(dá)性的影響變得更加不顯著。

第四種汽車通勤模型僅考慮位于軌道交通線路步行范圍內(nèi)的家庭，以便檢查軌道交通與其他因素間的相互作用(見表5，列4)。在這一模型中，新房子住戶更少采用汽車通勤，這一結(jié)論與模型2的結(jié)論相符。雖然路外停車供應(yīng)本身不再顯著，車站周邊停車供給較低的家庭采用汽車通勤的比例只有其他家庭的40%。除了當(dāng)?shù)厝丝诿芏纫酝?，其他模?中的變量均不顯著。

最后，建立一個(gè)類似于模型2的汽車通勤模型，額外增加人均汽車保有量作為一個(gè)解釋變量。由于汽車保有量與通勤方式選擇間聯(lián)系緊密，汽車保有量的加入將會(huì)造成其他自變量系數(shù)的估計(jì)出現(xiàn)偏差。但其確實(shí)解釋了停車位供應(yīng)、住房特性和公共交通可達(dá)性是怎樣與汽車通勤直接相關(guān)、并與汽車保有量間接相關(guān)。人均汽車保有量的系數(shù)為7.59，而路外停車供給統(tǒng)計(jì)學(xué)上的顯著性降低，這表明路外停車供給對(duì)汽車通勤選擇的作用主要通過汽車保有量體現(xiàn)(見表5，列5)。

5 利用汽車購物出行頻率

軌道交通線路可達(dá)性可以直接或間接地減少開車去超市的頻率，通過減少汽車保有量，降低汽車通勤頻率及與此相關(guān)聯(lián)的超市購物出行，或是鼓勵(lì)利用軌道交通去超市購物。最近一次全國居民出行調(diào)查顯示：購買食品、五金器具、服裝是最常見的出行目的，甚至超過通勤頻率[28]。超市購物也許是最普遍的出行，因?yàn)槭澄镄枨笫亲罨镜男枨螅灰虼顺匈徫锍鲂凶钊菀妆挥涀∏艺_報(bào)告。

基于被調(diào)查者最近3次超市購物出行的時(shí)間和出行方式信息，用最早一次超市購物至今的周數(shù)除以這段時(shí)間內(nèi)通過私人汽車(單人或多人同車)進(jìn)行的超市購物次數(shù)，由此構(gòu)建每周利用汽車購物出行頻率的指標(biāo)。僅對(duì)匯報(bào)了至少兩次購物出行完整信息的878名(占總樣本量的77%)受訪者計(jì)算這一指標(biāo)。利用最小二乘法估計(jì)回歸模型。這一變量是連續(xù)的，范圍從每周0次(約5%的受訪者)到10.5次，均值為2.07次。

初始回歸發(fā)現(xiàn)：每遠(yuǎn)離軌道交通車站1英里，每周利用汽車購物出行即增加0.51次；而臨近軌道交通車站新房子住戶的每周利用汽車去超市購物比其他家庭少0.73次(見表6，列1)。當(dāng)住房、停車位和建筑環(huán)境特性都受控時(shí)，在軌道交通線路步行范圍內(nèi)以及房齡的影響都變得不顯著，盡管與軌道交通車站間距離這一變量的系數(shù)減小但仍然顯著(見表6，列2)。在住宅0.25英里半徑范圍內(nèi)每增加一家商店，則每周利用汽車購物出行將減少0.098次。路內(nèi)、路外停車位稀缺性系數(shù)為-0.57，這意味著利用汽車購物出行會(huì)減少25%。路內(nèi)及路外停車都不顯著，這表明對(duì)于具有貨物搬運(yùn)需求的非工作出行，汽車更具吸引力，這時(shí)只有明顯阻礙汽車使用的因素會(huì)對(duì)最終出行方式選擇產(chǎn)生影響。住宅類型和使用權(quán)、當(dāng)?shù)厝丝诿芏纫约熬蜆I(yè)密度在這些模型中均不顯著，而分區(qū)公共汽車站密度和就業(yè)密度則與預(yù)期一致，與利用汽車購物出行頻率負(fù)相關(guān)。有兩個(gè)令人費(fèi)解的系數(shù)：距曼哈頓CBD的距離與利用汽車購物出行頻率負(fù)相關(guān)，1英里范圍內(nèi)公共汽車站密度與利用汽車購物出行正相關(guān)(盡管后者效果下降，而且一旦控制人口統(tǒng)計(jì)特征這一效果即變得不顯著)。也許在公共交通可達(dá)性較高且更接近曼哈頓的區(qū)域，利用汽車進(jìn)行短距離的購物出行會(huì)更多。然而，本研究所采用的數(shù)據(jù)中沒有出行距離的記錄。

表5 獨(dú)自駕駛汽車通勤的可能性與距軌道交通線路距離及其他因素間的關(guān)系方程(Logit回歸)Tab.5 Probability of commuting by singly occupied vehicle as a function of distance to rail and other factors(logit regressions)

當(dāng)增加人口特征和住宅位置選擇標(biāo)準(zhǔn)變量，路內(nèi)、路外停車位稀缺性對(duì)利用汽車購物的影響依然很大，每周汽車購物將減少0.48次，盡管這一變量?jī)H在90%的置信水平下顯著；分區(qū)公共汽車站密度、商店數(shù)量以及與曼哈頓的距離3個(gè)變量的系數(shù)輕微減小，但仍然顯著；分區(qū)就業(yè)密度以及1英里范圍內(nèi)公共汽車站密度不再顯著(見表6，列3)。與無工作的人相比，有工作的人超市購物出行次數(shù)少0.41，這是由于工作的人可支配時(shí)間更少。在所有住房選擇標(biāo)準(zhǔn)中，只有尋求好學(xué)校這一因素與購物出行頻率有關(guān)。

僅對(duì)軌道交通車站附近居民進(jìn)行分析，與軌道交通線路間距離這一變量變得不顯著(見表6，模型4)，這表明無論這一因素對(duì)利用汽車購物出行有何種影響，這一作用都是間接的。也許這一因素可以近似表示道路擁堵程度，而后者并沒有在數(shù)據(jù)中被觀測(cè)到。路內(nèi)、路外停車位稀缺性這一變量的系數(shù)與模型2基本相同，鄰近地區(qū)商店數(shù)量的影響增大且更加顯著，而分區(qū)建筑環(huán)境指標(biāo)已不再顯著。

最后，當(dāng)人均汽車擁有量作為內(nèi)生解釋變量加入模型后(見表6，模型5)，家庭中人均擁有汽車增加1輛時(shí)，每個(gè)星期將增加0.4次利用汽車的購物出行，而路內(nèi)、路外停車位稀缺性的影響有所下降，但仍然很大且在90%的置信水平顯著。與汽車通勤模型相比，這一結(jié)果意味著：即使是汽車擁有量很高的家庭，路內(nèi)、路外停車位稀缺性依然會(huì)影響利用汽車購物出行頻率。

表6 每周利用汽車超市購物出行頻率與距軌道交通線路距離和其他因素間的關(guān)系方程(最小二乘法回歸)Tab.6 Weekly auto grocery trips as a function of distance to rail and other factors(OLS regressions)

6 結(jié)論

在軌道交通車站周邊開發(fā)高密度、混合住宅社區(qū)可以降低區(qū)域道路交通擁堵和汽車污染，也可以降低溫室氣體排放的增長(zhǎng)速度。但這些優(yōu)勢(shì)，在很大程度上并不依賴于軌道交通可達(dá)性。根據(jù)數(shù)據(jù)分析，在TOD區(qū)域內(nèi)較低的汽車保有量及使用率并非由公共交通(T)造成，或者至少不是由軌道交通(R)造成的，而是較低的路內(nèi)及路外停車供給，更好的公交服務(wù)，小型以及租賃住宅，步行距離范圍內(nèi)更多的就業(yè)機(jī)會(huì)、房屋和商店，距離市中心較近以及較高的分區(qū)就業(yè)密度綜合影響的結(jié)果。

以前針對(duì)軌道交通可達(dá)性對(duì)汽車擁有及使用影響的非集計(jì)研究中，通常只控制部分街區(qū)和區(qū)域建筑環(huán)境因素，很少包括住宅類型和所有權(quán)，更沒有涉及路內(nèi)及路外的停車供給狀況。很多人認(rèn)為，軌道交通可達(dá)性及人口密度與汽車使用之間的高度關(guān)聯(lián)可歸因于那些未能觀測(cè)到的變量，例如停車供給以及區(qū)域內(nèi)的步行環(huán)境[14]。

與本文的結(jié)論相反，一項(xiàng)研究采用1998年紐約調(diào)查數(shù)據(jù)與現(xiàn)狀谷歌關(guān)于路外停車的數(shù)據(jù)相匹配，發(fā)現(xiàn)當(dāng)路外停車供給受控時(shí)，與地鐵車站的步行距離仍然是預(yù)測(cè)汽車保有量的顯著因子[19]。這項(xiàng)分析中并沒有控制與市中心的距離、分區(qū)工作和就業(yè)密度、公共汽車可達(dá)性、住宅類型、路內(nèi)停車供給，也沒有專門測(cè)試本研究中所包含的步行距離閾值。研究區(qū)域也會(huì)有一定影響，紐約地鐵可達(dá)性與更廣義的公交可達(dá)性高度相關(guān)。

相比其他研究，本文發(fā)現(xiàn)軌道交通可達(dá)性對(duì)汽車擁有及使用的影響較弱，主要原因可能是新澤西州的軌道交通服務(wù)非常好，且其通勤比例很高。盡管軌道交通服務(wù)與公共汽車服務(wù)在吸引汽車使用者的機(jī)理上有所不同，某些情況下，軌道交通也會(huì)吸引公共汽車乘客、步行和自行車出行者。為了在通勤出行中驗(yàn)證這些假設(shè)，本文額外建立了通勤交通方式的二項(xiàng)Logit模型(見表5)。在其他因素不變的情況下，距軌道交通車站的距離與選擇軌道交通通勤高度正相關(guān)，但與公共汽車、步行或自行車、乘船出行以及在家工作呈負(fù)相關(guān)④。軌道交通與其他非汽車方式之間呈現(xiàn)明顯的替代關(guān)系，這有助于解釋為什么與軌道交通線路間距離對(duì)汽車使用的影響很小。

一些軌道交通車站遠(yuǎn)離工作和購物區(qū)域，相比于街區(qū)特征，區(qū)域可達(dá)性及與市中心距離往往和出行方式更加密切相關(guān)[7,29-30]。因此，一些臨近軌道交通線路的住宅開發(fā)可能會(huì)導(dǎo)致汽車使用意外增長(zhǎng)。因此明確地控制建筑環(huán)境所定義的尺度，同時(shí)考慮街區(qū)、分區(qū)以及區(qū)域建筑環(huán)境特性十分有必要[8,31]。

出行方式、軌道交通可達(dá)性、停車供給以及建筑環(huán)境措施之間的相互關(guān)系比本文呈現(xiàn)的更為復(fù)雜。例如，從市場(chǎng)或是政治意義上，軌道交通投資可能起到提高人口密度[13]、增加商店數(shù)量或是減少停車供給的作用。但是，這些結(jié)果表明軌道交通最多發(fā)揮間接作用，并且這一作用可能并不強(qiáng)，因?yàn)樵谒惺芸啬Ｐ椭袦y(cè)量到的軌道交通直接作用均不顯著。

7 政策啟示

當(dāng)前的可持續(xù)性發(fā)展政策往往十分關(guān)注軌道交通投資及軌道交通車站周邊住宅開發(fā)。例如，加利福尼亞州參議院法案(California Senate Bill)第375條是一項(xiàng)大家熟知并推崇的區(qū)域內(nèi)交通和土地利用規(guī)劃與氣候規(guī)劃相結(jié)合的嘗試，給予公共交通優(yōu)先項(xiàng)目特別關(guān)注：在主要公共汽車站或高質(zhì)量公交走廊0.5英里范圍內(nèi)發(fā)展高密度住宅[32]。這種以TOD戰(zhàn)略來減少溫室氣體排放的政策可能難以達(dá)到預(yù)期效果。本文研究結(jié)果表明：在許多城市地區(qū)，一個(gè)更好的戰(zhàn)略是鼓勵(lì)在擁有較好的公共汽車服務(wù)和較高分區(qū)就業(yè)密度的區(qū)域，開發(fā)一些較小的租賃住宅，并配套以較低的路內(nèi)及路外停車供給。

軌道交通車站地區(qū)可能是房地產(chǎn)開發(fā)最為關(guān)注的地方，因?yàn)殚_發(fā)商知道在軌道交通車站附近反對(duì)建設(shè)的力度較小，并且政策制定者和城市規(guī)劃師認(rèn)為軌道交通的使用將減小土地開發(fā)對(duì)交通的影響。但事實(shí)上，若軌道交通投資和軌道交通線路周邊住宅開發(fā)對(duì)降低汽車使用和提升軌道交通使用沒有任何作用，這樣的政策將不會(huì)擁有長(zhǎng)期可持續(xù)效應(yīng)。若軌道交通車站附近的開發(fā)僅僅是簡(jiǎn)單的臨近公共交通、提供大量停車位以及低密度大戶型住宅的情況，那么過分關(guān)注軌道交通對(duì)汽車使用的影響則存在問題。

開發(fā)高密度住宅并配以良好的汽車停車管理，在許多情況下可以減少汽車使用，這種開發(fā)方式有巨大的市場(chǎng)應(yīng)用前景。先前的研究已經(jīng)提出減少停車位的必要性，因?yàn)橛辛己霉环?wù)的地方停車需求較低[33]。但是，停車需求本身會(huì)通過過度供應(yīng)對(duì)出行產(chǎn)生影響[34]；換句話說，有良好軌道交通服務(wù)的地區(qū)停車需求比較低，部分原因是停車供給匱乏。在調(diào)節(jié)路外停車最低供給以及提供和調(diào)節(jié)路內(nèi)停車等方面，公共機(jī)構(gòu)起主要作用?？梢栽试S開發(fā)商提供較少的路外停車位，同時(shí)路內(nèi)停車應(yīng)采用收費(fèi)、管理及許可的方式來減輕溢出效應(yīng)[6]。美國未來人口增長(zhǎng)很可能集中在城市，路內(nèi)停車可能成為稀缺資源，而建設(shè)私人路外停車場(chǎng)將會(huì)非常昂貴。若如此，現(xiàn)有的關(guān)于路內(nèi)及路外停車場(chǎng)的政策會(huì)顯著抑制密集開發(fā)和填充式開發(fā)。

所幸的是軌道交通可達(dá)性并不是減少汽車使用的主要因素，這不僅因?yàn)樾藿ㄜ壍澜煌ɑA(chǔ)設(shè)施非常昂貴，還因?yàn)檐壍澜煌ㄜ囌靖浇目捎猛恋赜邢?。也就是說，如果不謹(jǐn)慎管理，無處不在的高住宅密度和低路內(nèi)及路外停車供給可能導(dǎo)致更嚴(yán)重的機(jī)動(dòng)車擁堵。事實(shí)上，如果汽車出行不再增長(zhǎng)，對(duì)地區(qū)和全局的積極影響可能從局部的負(fù)面影響中顯現(xiàn)。然而，局部的不良影響容易導(dǎo)致城市放棄密集開發(fā)，同時(shí)當(dāng)?shù)鼐用褚矔?huì)抵制這種發(fā)展模式。城市規(guī)劃師該如何提供適應(yīng)性更廣且更加寬松的停車規(guī)則、高度限制、合理容積率標(biāo)準(zhǔn)以及限制開發(fā)與再開發(fā)中形式和位置的總體規(guī)劃？這是值得我們關(guān)注的規(guī)劃難題。追求以軌道交通為導(dǎo)向的發(fā)展可能會(huì)偏離這樣的目標(biāo)。

致謝許多人對(duì)本文的研究做出了貢獻(xiàn)。項(xiàng)目經(jīng)理Stephanie DiPetrillo對(duì)本文中調(diào)查問卷的結(jié)構(gòu)進(jìn)行設(shè)計(jì)，定義了調(diào)查中大部分的“新TOD”屬性，組織路內(nèi)停車實(shí)地調(diào)查，本文“研究設(shè)計(jì)”一章部分內(nèi)容參考其撰寫的項(xiàng)目報(bào)告。Marc Weiner在Orin Puniello的協(xié)助下協(xié)調(diào)家庭調(diào)查。在Chintan Turakhia和David Ciemnec Ki的指導(dǎo)下，ABT/SRBI承擔(dān)了郵件寄送和數(shù)據(jù)輸入的任務(wù)。Marc和Chintan還指導(dǎo)問卷和抽樣調(diào)查設(shè)計(jì)。按照標(biāo)準(zhǔn)職業(yè)分類，Dan Tischler細(xì)致地將文字描述的職業(yè)進(jìn)行編碼。Nick Klein接手了最早由Nicholas Tulach和Kyeongsu Kim開始的工作，承擔(dān)了大部分GIS中空間指標(biāo)的構(gòu)建工作。Matt Brill完成了商店計(jì)數(shù)工作。停車場(chǎng)統(tǒng)計(jì)以及停車場(chǎng)數(shù)據(jù)管理，由Nick Klein,Lewis Thorwaldson,Katie Thielman,Milan Patel,Rodney Stiles,Liz Thompson,Charu Kukreja,Andrew Besold,Aaron Sugiura,Michael Parenti及 Graydon Newman共同承擔(dān)。感謝Mike Manville,Robert Noland,Robert Cervero和3個(gè)匿名審稿人對(duì)本文之前版本有價(jià)值的評(píng)價(jià)。

注釋：

①房齡主要通過受訪者的回答來記錄，并結(jié)合已知的多戶復(fù)合型住宅項(xiàng)目的開發(fā)時(shí)間信息進(jìn)行補(bǔ)充。近20%的受訪者稱其不清楚房齡或者沒有回答這一問題；這之中只有6%住在新近開發(fā)的多戶復(fù)合型住宅。本文假設(shè)其余的住宅房齡至少有8年。

②結(jié)構(gòu)方程、NL模型(Nested Logit)、二階段最小二乘法(Two-stage Least Squares)等替代方法都可以用來控制住宅位置、公共交通、人口密度、停車供給及其他因變量潛在的內(nèi)生性[10,13-14,27]。這些方法需要大量額外的外生變量及歷史數(shù)據(jù)的支撐，本文所使用的數(shù)據(jù)不符合這一條件，但可以作為未來研究的主題。

③除路內(nèi)停車變量，以及局限于車站周邊住戶模型中的分區(qū)建筑環(huán)境變量，這些數(shù)據(jù)中一般沒有出現(xiàn)多重共線性問題。例如，本文中列出的14個(gè)模型中，與軌道交通線路間距離這一變量的方差膨脹因子的平均值為1.99，分布范圍為1.72～2.29。當(dāng)由于方差膨脹導(dǎo)致我們感興趣的獨(dú)立變量不顯著時(shí)，通過刪除其他共線變量來觀察方差膨脹降低時(shí)相應(yīng)變量是否會(huì)變得顯著。除空間變量之外，其他變量的統(tǒng)計(jì)顯著性都沒有因?yàn)檫@一做法產(chǎn)生改變；因此可以觀察到，除了模型4和5在每種設(shè)定下都與模型2保持一致，每個(gè)模型中空間變量的系數(shù)都會(huì)略有不同。

④拼車模型在解釋拼車選擇行為上的表現(xiàn)非常糟糕，距軌道交通線路距離以及很多其他建筑環(huán)境變量均不顯著。本文曾嘗試其他交通方式組合的劃分，但結(jié)果依然非常相似。需要詳細(xì)結(jié)果的讀者請(qǐng)直接與作者聯(lián)系。

[1]Belzer D，Autler G．Transit-Oriented Development:Moving from Rhetoric to Reality[R].Washington DC:Brookings Institution Center on Urban and Metropolitan Policy,2002.

[2]Calthorpe P.The Next American Metropolis:Ecology,Community,and theAmerican Dream[M].New York:Princeton Architectural Press,1993.

[3]Cervero R,Ferrell C,Murphy S.Transit-oriented Development and Joint Development in the United States:A Literature Review[R].WashingtonDC:TransitCooperativeResearch Program,2002.

[4]Lund H M,Cervero R,Willson R W.Travel Characteristics of Transit-Oriented Development in California[R].San Francisco:Bay Area Rapid Transit District,2004.

[5]Arrington G B,Cervero R.Effects of TOD on Housing,Parking,and Travel[R].TCRP Report 128,Washington DC:Transportation Research Board,2008.

[6]Shoup D C.The High Cost of Free Parking[M].Chicago:Planners Press,2005.

[7]Ewing R,Cervero R.Travel and the Built Environment:A Meta-Analysis[J].Journal of the American Planning Association,2010,76(3):265-294.

[8]Chatman D G.Deconstructing Development Density:Quality,Quantity and Price Effects on Household Non-Work Travel[J].Transportation Research Part A:Policy and Practice,2008,42(7):1008-1030.

[9]Loo B P Y,Chen C,Chan E T H.Rail-based Transit-oriented Development:Lessons from New York City and Hong Kong[J].Landscape and Urban Planning,2010,97(3):202-212.

[10]Cervero R,Murakami J.Effects of Built Environments on Vehicle Miles Traveled:Evidence from 370 US Urbanized Areas[J].Environmentand Planning A,2010,42(2):400-418.

[11]Zhang M.Can Transit-oriented Development Reduce Peak-hour Congestion?[J].Transportation Research Record,2010(2174):148-155.

[12]Bento A M,Cropper M L,Mobarak A M,Vinha K.The Impact of Urban Spatial Structure on Travel Demand in the United States[J].Review of Economics and Statistics,2005,87(3):466-478.

[13]Bailey L,Mokhtarian P L,Little A.The Broader Connection Between Public Transportation,Energy Conservation and Greenhouse Gas Reduction[R].Fairfax:ICF International,2008.

[14]Salon D.Neighborhoods,Cars,and Commuting in New York City:A Discrete Choice Approach[J].Transportation Research Part A:Policy and Practice,2009,43(2):180-196.

[15]Zegras C.The Built Environment and Motor Vehicle Ownership and Use:Evidence from Santiago de Chile[J].Urban Studies,2010,47(8):1793-1817.

[16]Vance C,Hedel R.The Impact of Urban Form on Automobile Travel:Disentangling Causation from Correlation[J].Transportation,2007,34(5):575-588.

[17]Weinberger R,Seaman M,Johnson C.Residential Off-Street Parking Impacts on Car Ownership,Vehicle Miles Traveled and Related Carbon Emissions[J].Transportation Research Record,2009(2118):24-30.

[18]Weinberger R.Death by a Thousand Curb-Cuts:Evidence on the Effect of Minimum Parking Requirements on the Choice to Drive[J].Transport Policy,2012,20:93-102.

[19]Guo Z.Does Residential Parking Supply Affect Household Car Ownership?The Case of New York City[J].Journal of Transport Geography,2013,26:18-28.

[20]Guo Z,Xu P.Duet of the Commons:The Impact of Street Cleaning on Car Usage in the New York City Area[J].Journal of Planning Education and Research,2012,33(1):34-48.

[21]Dill J.Transit Use and Proximity to Rail:Results from Large Employment Sites in the San Francisco,California,Bay Area[J].Transportation Research Record,2003,1835(1):19-24.

[22]Pushkarev B,Zupan J M.Public Transportation and Landuse Policy[M].Bloomington:Indiana University Press,1977.

[23]Chatman D,DiPetrillo S.Eliminating Barriers to Transit-oriented Development[R/OL].2010[2013-09-05].http://www.nj.gov/transportation/refdata/research/reports/FHWA-NJ-2010-002.pdf.

[24]Dillman D A.Mail and Telephone Surveys:The Total Design Method[R].New York:Wiley,1978.

[25]Dillman D A,Dillman J J,Makela C J.The Importance of Adhering to Details of The Total Design Method(TDM)for Mail Surveys[J].New Directions for Program Evaluation,1984,1984(21):49-64.

[26]U.S.Census Bureau.LEHD Origin-Destination Employment Statistics(LODES)[R/OL].2008[2013-09-05].http://lehd.ces.census.gov/data/.

[27]Deka D.Transit Availability and Automobile Ownership:Some Policy Implications[J].Journal of Planning Education and Research,2002,21(3):285-300.

[28]Federal Highway Administration.National Household Travel Survey[R/OL].2009[2013-09-05].http://nhts.ornl.gov/download.shtml.

[29]Boarnet M G.A Broader Context for Land Use and Travel Behavior,and a Research Agenda[J].Journal of the American PlanningAssociation,2011,77(3):197-213.

[30]Handy S L.Regional Versus Local Accessibility:Implications for Non-work Travel[J].Transportation Research Record,1993(1400):101-107.

[31]Zhang M,Kukadia N.Metrics of Urban Form and the Modifiable Areal Unit Problem[J].Transportation Research Record,2005(1902):71-79.

[32]California Senate Bill 375.Cal.Govt.Code§21155.1[S/OL].2008[2013-09-05].http://www.leginfo.ca.gov/cgi-bin/displaycode?section=prc&group=21001-22000&fi le=21155-21155.3.

[33]Rowe D H,Bae C H C,Shen Q.Evaluating the Impact of Transit Service on Parking Demand and Requirements[J].Transportation Research Record,2011(2245):56-62.

[34]Cutter W B,Franco S F.Do Parking Requirements Significantly Increase the Area Dedicated to Parking?A Test of the Effect of Parking Requirements Values in Los Angeles County[J].Transportation Research A,2012,46(6):901-925.