引言

近年来，中国居民生活水平快速提高，私家车拥有量呈现加速增长趋势。根据2024年的数据，中国机动车保有量已达4.53亿辆。随着私家车数量的快速增长，城市空气污染和交通拥堵日益严重，停车难问题也日益突出。位于长江入海口的四线城市南通频繁出现交通拥堵等交通问题。南通地处长江入海口，拥有众多重要港口，物流业是其支柱产业之一。然而，交通运输条件长期以来一直是一个问题，水运曾是当时唯一便捷的货物运输方式。汽车保有量不断增长，货运需求也随之增加，而立交桥和快速路的规划却相对滞后，引发了交通拥堵和安全隐患。基于前期关于车辆行驶里程和交通管理的研究和理论，本文将提出一个改进的分析模型，用于收集数据并评估城市不同区域的交通状况，为城市交通网络规划设计、交通管理系统建设提供参考，并有助于预测未来的交通流量状况。交通网络规划，包括快速路、立交桥和道路，可以参考预测，并根据分析提出有关公共交通、出租车发展、事故预防和交通管理的政策。

1 研究背景

近年来，随着城市化进程加速与机动车保有量激增，全球主要经济体纷纷加大交通管理系统智能化升级投入，通过部署物联网感知设备、构建多源数据融合平台、开发基于人工智能的交通流预测模型等技术创新手段，着力破解城市交通拥堵治理、事故快速响应、出行效率优化等核心难题。

2022年，一项研究研究利用美国多座城市中约4000万台手机设备的GPS数据，对居民日常出行距离进行了分析。通过回归分析和工具变量法探讨可达性与使用率的关系，并检验缩短出行距离是否会加剧社会隔离。研究通过大规模移动数据发现，美国城市居民购物与休闲活动的平均行驶距离约为7至9英里，远高于“15分钟城市”（步行即可达）所设想的范围。美国城市居民平均仅12%的出行在15分钟步行范围内，区域差异显著，且可达性是影响15分钟使用率的关键因素——不同都市区间可达性解释了80%的差异，历史分区条例分析进一步表明，更宽松的混合用途开发限制能显著提升本地出行比例；但研究同时揭示，缩短出行距离可能加剧社会隔离风险，尤其是对低收入群体呈现正相关效应，这意味着15分钟城市政策在降低碳排放和交通压力的同时，可能以牺牲社会融合为代价。基于此，政策启示强调需在规划中权衡可持续性与社会公平，例如通过混合用途开发优化本地服务供给，但需配套缓解社会隔离的干预措施；而研究局限则集中在数据未涵盖通勤出行、无法区分出行方式，且对种族和民族隔离的考量不足，未来方向可扩展至更多城市样本、纳入通勤模式分析，并进一步验证可达性提升与社会隔离的因果机制，为城市规划提供更全面的实证依据。提供了大规模移动数背景下平均行驶距离的实证值，揭示出城市结构与出行距离之间的关系。在分析路径选择或模式选择时，应考虑城市内出行距离分布的现实范围与“理想”短距离出行状态之间的差距。

《使用大规模基于位置的服务数据调查城际客运模式的主导出行距离》从大数据平台获取中国360余个城市的大规模城际客运数据，结合Haversine公式计算城市间距离，并通过多项式分布函数构建交通方式份额模型，系统分析了公路、铁路、航空三种模式的主导出行距离。研究发现：公路在8-119公里短距离区间具有绝对主导优势，份额随距离增加显著下降；铁路在119-1594公里中长距离区间占据主导地位，其相对主导范围可扩展至345-1044公里；航空则在1594-3000公里长距离区间表现突出，相对主导区间集中在2477-3000公里。研究结论表明，不同交通方式存在明确的主导出行距离范围，该发现可为城际客运资源优化配置提供量化依据，避免资源浪费或短缺。启示未来研究需进一步结合经济水平、区域特征、节假日等因素，探索多维度变量对主导出行距离的影响机制，同时建议交通规划中根据出行距离特征制定差异化资源分配策略，以提升城际交通系统整体效率。

一项在贵阳的研究采用随机森林模型（Random Forest）与部分依赖图（PDP）分析方法，基于贵阳市2021年大规模居民出行调查数据（涵盖30741次出行记录）及建成环境数据（人口密度、路网密度、土地利用混合度等），系统探究了出行距离对步行、公共交通及私家车三种出行方式选择的非线性效应与阈值特征，并揭示了不同社会群体（性别、年龄、收入、职业、教育水平等）的异质性响应模式。研究发现出行距离是解释出行方式选择机制的最关键变量，总体贡献度达42.28%，其中对步行模式选择的解释力高达63.24%，显著高于建成环境变量（如人口密度、到CBD距离）的贡献（模型中建成环境变量总贡献度从58.96%降至24.80%）。当纳入出行距离后，不同交通方式的优势距离范围明确：步行在1.4公里内占主导（概率>90%），3.5公里后急剧下降至5%以下；公共交通在3.5-6公里达峰值（约50%），12.5公里后优势减弱；私家车在12.5公里以上成为主要选择（概率>50%）。非线性效应显著：步行概率随距离增加呈近似线性下降，公共交通与私家车选择概率则呈现“S”型阈值变化，例如公共交通在6公里处达到选择概率峰值后缓慢下降。男性在短距离（<3公里）私家车使用概率即超过60%，而女性在2公里内以步行为主，长距离（>7公里）依赖公共交通（概率达75%）。老年人（>60岁）步行概率在3公里内仍保持12.5%，而中青年（18-45岁）3公里后私家车使用比例显著（>50%）；退休/失业群体公共交通使用率最高（6公里时达90%）。高收入群体（>10万元/年）私家车选择概率在3公里时即达50%，低收入群体（<5万元/年）则依赖公共交通（6公里时概率>75%）；高教育水平群体（本科及以上）私家车使用更普遍（3公里时概率>50%），低教育群体（中学及以下）公共交通选择占比更高（6公里时概率>75%）。企业员工私家车使用比例在2.5公里时即超过50%，而自由职业者公共交通选择在5公里时达峰值（56%），退休/失业群体长距离出行仍依赖公共交通（10公里时概率>50%）。

在建成环境变量的条件性作用方面，不考虑出行距离时，建成环境变量（如到CBD距离、路网密度）对出行方式选择的影响被高估（贡献度达58.96%），但纳入出行距离后其重要性显著下降（24.80%），表明出行距离可能弱化建成环境的直接效应。部分建成环境变量的非线性效应在纳入出行距离后减弱，例如土地利用混合度、路网密度对步行选择的影响不再显著，而出行距离与到CBD距离的交互作用对公共交通选择的影响更突出。研究结论指出，出行距离对出行方式选择的影响具有显著非线性及阈值特征，且不同社会群体的响应模式存在系统性差异；政策制定需结合出行距离特征与群体需求，避免“一刀切”的干预措施。未来研究需纳入居民对建成环境的主观偏好（如安全感、便利性），完善因果关系证据链，为低碳交通转型提供更精准的科学依据。

2 数据采集和分析

在分析出行方式选择影响因素的过程中，由于影响出行方式选择的因素很多，各指标之间又存在相互关系，容易形成复杂的网络关系结构。结构方程模型（SEM）可以构建这类复杂因素之间的关系（见图1）。

个人交通调查方法主要包括行为调查（RP）和意向调查（SP）。二者常结合使用。它们的优势和劣势互补，可以分析现有因素对出行者选择的影响，并预测新方案或系统应用的影响，因此本文采用显示偏好和陈述偏好相结合的方法。

平均行驶里程，作为一个衡量出行特征的重要指标，在出行行为分析、交通规划及交通需求预测中具有广泛应用。通过对平均行驶里程的统计与建模，可以揭示居民出行空间分布特征、出行目的差异及出行方式选择规律。

首先，平均行驶里程能够反映城市居民日常出行的空间范围和出行强度，为分析城市结构与交通可达性提供基础数据。例如，不同出行方式（步行、自行车、公交、私家车等）的平均行驶里程差异，能够揭示出行方式与城市空间布局之间的关系。

其次，在出行行为建模中，平均行驶里程常作为解释变量或约束条件，用于描述出行时间、出行成本与出行目的之间的相互作用。较长的平均行驶里程往往对应更高的出行时间和成本，从而影响出行者的模式选择与路径选择行为。

平均行驶里程数据在交通需求预测模型中具有重要作用。结合出行频率、出行目的和出行方式比例，可对城市交通流量分布、能源消耗及碳排放水平进行估算，为可持续交通政策制定提供数据支持。

最后，随着大数据与定位技术的发展，平均行驶里程的获取方式更加多样和精确，为出行行为研究提供了动态化、实时化的支撑。这为分析不同群体、时段及区域的出行特征提供了新的可能。

设计的其它变量包括成本，出行时间，便利性，可靠性，安全，出行距离，停车可行性，环境因素，交通工具拥有情况等。

本次调查在南通市进行。考虑到交通问题主要集中在城区，且受研究时间、规模和可及性限制，本次调查仅在崇川区开展。乡村地区人口密度较低，企业和居民点较少，交通拥堵等问题较少发生，且乡村地区现有路网足以满足出行需求。

最小样本量由研究的复杂程度、经验和计算结果决定。在确定最终样本量时，预留了一定的余量。根据前文提出的变量设计问卷，发放至13个区域。问卷采用随机抽样的方式发放给出行者，居民匿名填写。

根据回收结果，从交通方式构成来看，汽车是最常用的交通方式，占比51.40%；其次是摩托车，共有占比41.86%；公共交通出行方式占比21.63%；步行是最少使用的交通方式，占比10.47%。总体来看，私人交通方式（汽车和摩托车）在受访人群的出行行为中占主导地位。

数据显示，18-30岁群体私家车使用率高且通勤距离长，是平均里程的主要贡献者；而50岁以上群体因公共交通依赖度低且短途出行多，可能拉低整体均值。政策可针对中青年群体推广拼车、共享汽车，减少单人单车长距离出行；为老年人优化社区级公共交通（如微循环巴士），缩短其出行半径。女性因安全顾虑可能规避偏远路线或夜间出行，导致其实际里程低于男性。建议加强女性高频出行区域（如学校、商圈）的安全监控，并通过公交专用道、夜间班车等提升公共交通吸引力，减少女性对私家车的依赖。低收入群体对燃油费、过路费敏感，可能通过减少非必要出行或选择低成本路线降低里程；高收入群体则可能因通勤距离长或休闲出行多，推高里程。可通过差异化拥堵收费（如高峰时段高收费）、公共交通票价补贴等，引导高收入群体减少高峰时段长距离出行，同时降低低收入群体出行成本。

3 结论

对路径选择行为的分析表明，出行者的决策受客观和主观因素共同影响，其中出行时间和成本的影响最大。由于人们力求在效率和可负担性之间取得平衡，这两个因素通常主导着路径选择。工作时间、安全性、距离和停车位情况会根据出行目的和具体需求进一步优化选择。同时，年龄、性别和环境因素等个人特征起着调节变量的作用，通过对安全性、舒适度和可持续性的感知，微妙地塑造出行者的偏好。总体而言，路径选择行为是一个多维决策过程，出行者需要权衡实际约束与个人价值观和情境优先级。了解这些关系可以为交通规划人员提供宝贵的见解，帮助他们设计高效、安全和可持续的城市出行系统。

参考文献：

1. [1] 中华人民共和国公安部交通管理局.2024年度全国机动车和驾驶人统计数据发布[EB/OL].(2025-01-18)[2025-10-23].https://www.mps.gov.cn/n2254314/n6409334/n9194010/c9939035/contenthtml.
2. [2] 尹龙娇,商强,唐莺萍.基于SEM-fsQCA城市居民出行方式选择影响因素研究[J],山东理工大学学报(自然科学版),2025(04):22–29.
3. [3] Abbiasov T, Heine C, Sabouri S, et al. Author correction: The 15-minute city quantified using human mobility data[J].Nature human behavior,2024,8(04):795-795.
4. [4] Xiang Y, Xu C, Yu W, et al. Investigating dominant trip distance for intercity passenger transport mode using large-scale location-based service data[J].Sustainability,2019,11(19):5325.
5. [5] He M, Li J, Shi Z, et al.Exploring the nonlinear and threshold effects of travel distance on the travel mode choice across different groups: An empirical study of Guiyang, China[J].International journal of environmental research and public health,2022,19(23):16045.