城市蔓延对城市能耗影响的实证分析——江淮论坛

如前文的理论模型所述，城市空间过度扩张将影响居民的行为模式，从而影响城市的能源消耗。本部分将通过对220个地级市的实证分析，进一步研究城市蔓延对居民交通行为能耗和居家行为能耗的影响，为USEM模型提供实证依据。
（一）主要指标选取
城市密度：城市密度可以用来描述城市空间的扩张程度[29]，城市密度的变化反映了不同的城市发展模式。城市密度降低则说明城市空间过度扩张，城市发展模式是蔓延式发展，如前文所述的鄂尔多斯、深圳、苏州、武汉等城市；反之，城市密度上升则说明城市发展模式是紧凑性发展，如前文所述的东莞、南通、广安、汕尾等城市。因此，本文使用城市密度这一指标来表示城市蔓延的程度，以此研究城市蔓延对城市能耗的影响。
行为能耗：本文只研究城市蔓延对居民的交通行为和居家行为能耗的影响。交通行为包括交通工具的选择以及出行距离、出行时间和出行频率等，本文所研究的交通行为能耗是指私人汽车的能耗；居家行为包括居住地点的选择、居住空间的选择（是偏好大空间还是偏好通达性）、家用加热-制冷-照明设备的选择、设备的使用频率和时间等，本文所研究的居家行为能耗包括家庭电力能耗和燃气能耗。
居民行为模式不仅受到城市空间的影响，还与其他的社会经济变量有关。[30]本文分别以人均交通能耗、人均居家能耗作为被解释变量，以城市密度、市辖区面积、市辖区人口、人均住房面积、平均每户家庭人口数、职工平均工资、从业人口比重、城市7月平均气温作为解释变量。
（二）研究假设
城市密度影响交通模式选择，城市密度越高，城市公共交通的效率和竞争力越强，人们倾向于选择公共交通出行[31]；城市越紧凑，平均出行距离越短[32]；Newman（2008）实证结果表明城市密度提高一倍，个人交通能耗会减少一半。
另外随着城市蔓延、城市低密度化发展，人们倾向于在城市边缘选择较大的居住空间，制冷制热的需求增强，这会导致居家能耗增加。根据以上分析，提出两个研究假设：
假设1：人均交通行为的能耗与城市密度负相关。
假设2：人均居家行为的能耗与城市密度负相关。
（三）数据预处理
剔除不完整的数据项，选择220个地级市2008年的截面数据作为研究样本。但除前文已经列举了部分解释变量之外，还有其他因素也与行为模式有关。这些信息无法做到完全穷举，某些信息具有很强的地域特性，所以需要提炼出城市的一般共性特征。自组织特征映射（Self-Organizing Feature Map，SOFM）具有抽取输入信号模式特征的能力，可以用于提取实际城市数据的一般共性特征，即生成理想城市数据。本文采用SOFM进行数据的预处理。
在SOFM中，竞争层神经元即理想城市的结构设为12×12，Kalteh提出迭代次数至少为神经元个数乘以500，本文进行45000次迭代。在SOFM分析的基础上，提取144个竞争层神经元的权值，即144个理想城市的相应维度数据，并利用这些更具有一般性的城市数据建立回归模型，分析城市密度对交通行为模式和居家行为模式的影响。
（四）实证分析结果
1.城市密度对交通行为模式的影响
从多重共线性统计可以看出（表2），容忍度（Tolerance）均超过陈希孺等提出的0.1的最小临界值标准，方差膨胀因子（VIF）最大为3.913，远远低于10的标准，且最大条件指数（condition index）未超过Stewart等人提出的30临界水平。表明自变量间不存在近似的线性关系，即不存在多重共线性问题。
在0.05显著性水平下，人口密度显著，且与用于描述交通行为模式的交通能耗负相关，假设1成立。即城市蔓延将影响居民的交通行为模式，导致高能耗交通行为模式的形成。
2.城市密度对居家行为模式的影响
回归结果表明（表3），变量间不存在多重共线性。用于描述居家行为模式的居家能耗与人口密度负相关，假设2成立，且与人均住房面积正相关。这进一步证明，城市蔓延影响了居民的居家行为模式，也导致高能耗居家行为模式的形成。
综上分析可知，城市蔓延式发展对居民行为模式产生了显著影响，并最终导致城市的人均能源负荷增加。就交通行为而言，城市蔓延导致交通网络和服务相对分散且独立，居民的交通行为呈分散化趋势，这会降低公共交通的规模效应。另外，通勤距离增加，将使得人们对私人小汽车的依赖程度增强，出行的距离也更长。就居家行为而言，在低密度城市，人们住房面积更大，对采暖、制冷、照明的要求更高，对相应能源设备的依赖更强。总之，城市蔓延导致了高能耗行为模式的形成。并且，城市空间逻辑一旦确定，将会形成强大的行为路径依赖，对行为模式产生持续性的、难以逆转的影响，甚至能源技术创新也难以抵消这些影响。因此，需要转变城市的发展模式，实现城市的紧凑性发展。