既有研究认为公交分担率一般受设施水平、服务质量、观念习惯等3类因素影响，具体表现为公交线网和站点规划建设等物质性因素，发车频率、运营时间、准点率等管理服务水平以及政策宣传、居民习惯等观念环境影响，对于公交方式分担率提升方法的讨论也大多基于这些角度[1-2]。多数城市公交面临着客流减少、空载率高、分担率难以提升的问题。可达性是人们接触和参与活动的能力[3]，能够反映居民出行实际感知，公共交通可达性的提升是推动公交实质优先、提升公交竞争力的重要手段。本文利用手机信令、互联网地图路径规划等多源大数据，基于考虑供需关系的加权平均出行成本可达性测度模型，探究可达性对公交方式分担率的影响作用机制，并基于可达性视角探讨公交分担率的提升方法。1研究方法与数据可达性的测度方法繁多，Javier Gutikrez基于空间阻隔理念，考虑供需关系，提出了基于加权平均思想的可达性测算模型[4]。该模型定义的可达性基于一个栅格至区域内其他所有栅格的出行成本（以时间、距离等衡量），以对应出行量为权重加权平均，具有精度高、接近出行实际感知等特点。本文以南京市中心城区为实证研究对象，基于此模型引入多源大数据测算南京中心城区可达性空间分布。研究以手机信令数据划分的500 m等分栅格为基本研究单元，通过计算每一栅格的加权平均公共交通出行距离作为可达性指标。Di=∑j=1nDij×Mj∑j=1nMj （1）式中：Di——i地可达性值，用加权平均公共交通出行距离表示；Dij——出发地栅格i到目的地j间搭载公共交通为出行方式途经的出行距离，由互联网地图“路径规划API”爬取获得；Mj——出发地i到目的地j的出行人次，由手机信令数据识别而得。本文主要使用手机信令数据与路径规划数据，手机信令数据基于500 m等分栅格，提供了南京中心城区识别到有出行记录的每一栅格间的出行人数。手机信令数据可以准确地反映出行OD分布，但却不包含出行距离信息，故采用互联网地图路径规划API爬取以公共交通为出行方式的每一OD间的出行距离。基于加权平均公共交通出行距离的可达性测算数值，其含义为某一研究栅格内居民借助公共交通完成出行活动平均需要途经的距离长度[5]。基于此方法的公共交通可达性测度优点在于可较真实地反映每一栅格内居民公共交通出行的实际感知。2公共交通可达性评价及分析测算南京中心城区内每一栅格可达性，并利用GIS可视化展示。可达性数值表示该栅格内居民借助公共交通到达有出行需求的目的地平均需花费的公共交通出行距离。加权平均公共交通出行距离可视化如图1所示。10.19301/j.cnki.zncs.2024.01.009.F001图1加权平均公共交通出行距离可视化南京中心城区栅格加权平均公共交通出行距离如表1所示。10.19301/j.cnki.zncs.2024.01.009.T001表1南京中心城区栅格加权平均公共交通出行距离项目数值项目数值栅格总数3 091均值13.39最小值1.53方差20.56最大值44.84标准差4.53中位数12.56分析南京市中心城区加权平均公共交通出行距离的空间分布情况，可以发现其总体呈现“中心区距离短、边缘区距离长”特征。加权平均公共交通出行距离较低的区域大多位于鼓楼、玄武、秦淮、建邺、雨花台区北部，证明上述区域职住较为平衡，居民就业或前往城市各类基础设施和公共服务所需要花费的距离成本较低。3公共交通可达性对公交出行分担率的影响通过探究公共交通可达性指标与公交出行方式分担率间的函数关系，可为后续基于可达性指标分析公交分担率提升方法提供依据。本文分别以每一栅格的公交出行方式分担率为因变量、可达性值为自变量进行回归分析。所用手机信令数据并不包含出行方式属性，需要借助南京市优势出行距离曲线推算每一栅格的公交出行方式分担率。爬取研究区域内信令数据对应的每一OD间路网距离（通过步行路径规划API爬取），并以1 km为间隔对手机信令识别得到的每一OD按路网距离分类；依据分方式优势出行距离曲线，以1 km为间隔得到每一距离间隔内分方式出行方式结构比例；将每一出行OD对应的出行人数，与其出行距离对应的公交车方式占比相乘，得到每一OD对应的公交车出行人数；将每一OD对应的公交车出行人数按起点对应栅格形心点相加，得到研究区域内每一栅格的公交车出行人数。以每一栅格内的公交出行人数除以该栅格出行总人数，即估算得到该栅格的公交车出行方式分担率。南京市各交通方式优势出行距离概率密度曲线如图2所示。10.19301/j.cnki.zncs.2024.01.009.F002图2南京市各交通方式优势出行距离概率密度曲线关于居民出行方式选择尤其是公交出行分担率的影响因素国内外已有较多理论和实证研究，一般认为公交出行率的影响因素主要涵盖“人、地、交通”三大类，包括出行者社会经济属性、建成环境（土地利用特征、街道模式特征等）、公交系统特征、出行时距特征等[6]。国内关于公交分担率影响因子的讨论已较为丰富，但鲜有研究考虑变量选取的内生性问题。内生性问题是计量经济学中保证实证研究科学严谨的关键问题，其考虑的是解释变量与随机扰动项的相关性问题。内生性产生的原因包括遗漏变量、双向因果、测量误差、选择性偏差等。在回归中若存在内生变量，其回归系数可能不够准确，且最多可说明变量间有相关关系却无法证明因果关系。内生变量问题常用工具变量法解决，工具变量Z的选取需同时满足：与随机扰动项无关，与主解释变量x有关且仅能通过x影响y。本文引入两个工具变量通过两阶段二乘回归（2SLS）方法探究主解释变量可达性（即加权平均出行距离）与公交出行分担率之间的关系。本文以公交出行分担率为因变量y，可达性指标为主解释变量。以临近栅格可达性、栅格到市中心距离两项指标为工具变量。临近栅格可达性为所研究栅格周边临近栅格（一般为8个，即3×3减去栅格自身）的平均值。栅格到市中心的距离以栅格形心点为O点，市中心（新街口）为D点，利用互联网地图路径规划API爬取最短路网距离。为保障回归模型解释力，需要对数据中的异常值进行清理，删除部分处于中心城区边缘、大面积厂区及江北部分开发较晚的新城区，此类区域由于用地类型特殊或开发建设仍不完善，其可达性和分担率均尚不稳定。本研究实证区域莫愁湖街道地处南京江南主城区，开发建设已相对完备，为保障研究科学性，对城市边缘区、用地特殊区以及开发较晚或尚在大规模开发区域的栅格点进行筛选，删除此类栅格点后用于后续回归，回归过程首先用OLS模型进行初步回归，用于后续结果比较。OLS回归结果如图3所示。10.19301/j.cnki.zncs.2024.01.009.F003图3OLS回归结果选定临近栅格可达性平均值和距市中心距离两个工具变量进行2SLS回归。2SLS回归结果如图4所示。10.19301/j.cnki.zncs.2024.01.009.F004图42SLS回归结果进行豪斯曼检验从而判断主解释变量（即加权平均公交出行距离）是否为内生性变量。检验证实模型中的可达性与随机扰动项显著相关，存在内生性问题。进行过度识别约束检验，即判断两个工具变量是否为同期外生变量。检验发现两者为同期外生性变量，满足2SLS模型要求。4回归结果解读OLS回归结果中可达性系数为-0.007 75，2SLS回归系数为-0.007 88，且都满足0.001显著性检验。表明内生性问题导致系数出现微小误差，2SLS回归R2达到0.8证明模型有较强的解释力。回归结果表明，加权平均公交出行距离每增加1 km，则该栅格公交出行分担率降低约0.79%。通过降低加权平均公共交通出行距离，可有效提升该片区的公交方式分担率。首先证实了职住平衡的意义，职住越分离则小汽车等私人交通的使用越频繁。其次证实了降低公交非直线系数的意义，在不考虑实际运营资金、上座率等成本的前提下，通过减少绕行距离、主要客流走廊开设直达线路等公交线网优化措施可以有效提升公交出行分担率。5结语本文从可达性视角为公交分担率的提升提供了一种切实有效的方法，发现通过降低绕行、开设直达线路等降低加权平均公共交通出行距离的措施可以有效提升公交分担率。基于可达性的另一优势是在对线网优化前后方案比较评价时，可通过加权平均公共交通出行距离变化直接评价优化成效，不需要人为设定车速模拟值，不需要考虑较多的外部环境影响因素，使线网优化方案的评价更简便准确。