土地利用特征是影响公众出行行为的重要因素^[1-2]，而商业综合体的高密度、高混合度土地利用模式^[3]对居民日常出行有着潜移默化的影响^[4]。作为一种重要的出行方式，公共自行车是解决城市交通“最后一公里”问题的有效手段^[5]，其使用率在商业综合体等高土地利用混合度区域相对更高^[6]，且大多数短距离骑行者目的地为商业集中区域^[7]，商业综合体对公共自行车客流表现出极强的吸引力^[8]。分析商业综合体公共自行车出行行为的影响机制，可以为公共自行车站点空间规划提供参考，对促进城市空间复合利用及改善慢行交通环境具有重要意义。

目前，公共自行车出行行为相关研究已聚焦到地铁站、商业中心等尺度。高志文等^[9]通过对地铁站域公共自行车使用特征的时空间分析，动态全面地展示了地铁站域公共自行车接驳行为的时空分布特征。马欢欢等^[10]使用GIS空间分析方法发现商业中心区域公共自行车存在明显的错位现象。上述研究均发现在一定的时间范围内某空间单元的公共自行车借出、归还量存在较大差异，但对其成因缺乏必要解析。此外，公共自行车出行行为影响机制相关研究主要关注建成环境对使用强度的影响^[11-13]，该类研究大多重点关注公共自行车使用频次，对其空间分布差异鲜有涉及，因其借还行为引起的时空不均衡分布需进一步分析。因此，分析建成环境对商业综合体公共自行车运行均衡性的影响机制既能解析商业综合体公共自行车OD空间分布差异成因，又能拓展公共自行车出行行为影响机制相关研究。

为了系统分析建成环境对商业综合体公共自行车运行均衡性的影响机制，本研究以云南省昆明市为例，结合商业综合体基础信息数据、公共自行车运营数据和建成环境数据，构建商业综合体公共自行车运行均衡性评价指标体系并分析建成环境对其影响机制，以期为公共自行车站点布局优化、城市慢行交通规划与管理提供参考。

城市商业综合体区域公共自行车客流具有显著的时空不均衡特征^[10]，其运行均衡性可以采用使用强度^[14]、周转率、流动系数^[15]等指标表示。在衡量运行均衡性时考虑空间分布均衡性和站点运行均衡性，空间分布均衡性选取使用强度和周转率2个指标，站点运行均衡性选取流动系数指标，各指标定义如表 1所示。

为探究运行均衡性的影响因素，结合已有研究^[16-18]及本研究目标，借鉴TOD理论将商业综合体设定为半径1 km的可达范围内^[19]，以商业综合体质心为圆心使用ArcGIS建立缓冲区，以缓冲区作为基本研究单元。选取研究单元内密度、多样性、设计、目的地可达性、公共交通可达性和骑行环境6类建成环境因子，构建“5D+E”建成环境指标体系，各类变量的定义及描述如表 2所示。

根据地理坐标匹配各研究单元内的公共自行车站点，使用公共自行车运营数据计算商业综合体公共自行车运行均衡性，以运行均衡性计算结果作为因变量，以选取的建成环境因子为自变量，采用偏最小二乘回归模型探究建成环境对商业综合体公共自行车运行均衡性的影响机制。

借鉴教育学中均衡性的基本理念，把研究区域划分为若干个研究单元，采用差异系数从宏观层面衡量教育资源分配的均衡性。以使用强度和周转率作为量化指标，将衡量教育资源均衡性的差异系数应用于商业综合体公共自行车运行空间分布均衡性评价，计算公式为：

(1)

式中，V为差异系数，其取值范围为[0, 1]，1表示绝对不均衡，0表示绝对均衡；S为商业综合体数量，为敏感因子，S越小，敏感度越高；Y为量化指标平均值；Y_i为商业综合体i的公共自行车运行空间分布均衡性量化指标；P_i为商业综合体i公共自行车运行空间分布均衡性量化指标占总体的比值；P_j为商业综合体j公共自行车运行空间分布均衡性量化指标占总体的比值；i和j为商业综合体编号，i=1, 2，…, S；j=1, 2，…, i-1。

采用流动系数表征站点运行均衡性，以此刻画站点公共自行车的流动趋势，计算公式为：

(2)

式中，F_k为公共自行车站点k的流动系数，其取值范围为[-1, 1]，当F_k为正值时，表明该站点公共自行车以借出为主，负值则表示该站点公共自行车以归还为主；k为公共自行车站点编号；F_b为站点k的借出量；F_r为站点k的归还量。

将公共自行车站点匹配所属商业综合体，计算商业综合体公共自行车运行均衡性，计算公式为：

(3)

式中，E_q为商业综合体q公共自行车运行均衡性，其取值范围为[0, 1]，1表示绝对不均衡，0表示绝对均衡；q为商业综合体编号；m为商业综合体q范围内的公共自行车站点数量。

考虑到商业综合体数量较少以及变量之间的多重共线性问题，采用偏最小二乘(PLS)回归模型来分析建成环境对商业综合体公共自行车运行均衡性的影响机制。该模型结合了多元线性回归、主成分分析及典型相关分析的优点，通过数据集构建、主成分提取、算法循环、回归等过程实现建模，以此解决自变量之间的多重共线性^[20]、样本数较少^[21]等问题。在偏最小二乘回归中，使用变量投影重要性指数来测度自变量对因变量的解释能力，其计算公式为：

(4)

式中，VIP_β为自变量β的投影重要性指数，其取值大于1时，说明自变量对因变量的影响程度很高，其取值范围为(0.5, 1)时，说明自变量对因变量的影响程度较高，其取值范围为(0, 0.5)时，说明自变量对因变量的影响程度较低；β为自变量编号；a为自变量数量；Rd (G; g₁, g₂，…, g_σ)为模型累积解释能力；Rd (G, g_h)为轴g_h对G的解释能力；σ为主成分数量；W_hβ为轴W_h的第β个分量。

作为云南省省会，昆明市总面积21 473 km²，常住人口685万人，是我国西部地区重要的中心城市之一。在城市化进程中，昆明市呈现出多中心组团式发展趋势，城市商业也随之外延，形成多核发展格局。本研究选取分布大型商业综合体及公共自行车的昆明市主城区(西山区、五华区、官渡区、盘龙区、呈贡区)作为研究区域。

为分析建成环境与商业综合体公共自行车运行均衡性之间的关系，本研究所需的数据主要包括商业综合体基础信息数据、公共自行车运营数据及建成环境数据，具体内容和采集方式见表 3。其中，商业综合体基础信息数据主要包括综合体名称、空间位置信息、建筑及商业规模等，其采集方式考虑以购物中心为出发点，使用python爬取购物中心空间位置信息、建筑及商业规模等基本信息，根据业态组合及建筑规模对购物中心进行筛选得到21个商业综合体。公共自行车运营数据主要基于昆明市公共自行车运营管理有限公司提供，包含2019年3月份昆明市所有公共自行车刷卡数据，具体包含租车卡号、车辆编号、租还车站点、租还车时间等信息，选取天气状况良好的所有租车记录剔除异常租车数据之后得到393 099条骑行数据，结合百度地图和叮嗒出行APP拾取公共自行车站点经纬度。建成环境数据包括POI数据、公共交通基础设施数据和道路数据，主要通过百度地图API获取。结合以上数据，使用ArcGIS实现商业综合体及公共自行车站点空间分布可视化，使用空间连接工具提取商业综合体区域公共自行车站点，剔除无公共自行车站点的商业综合体和未在商业综合体区域内的公共自行车站点，最终得到14个商业综合体、222个公共自行车站点。

为获取商业综合体公共自行车运行空间分布均衡性，将公共自行车运营数据、站点位置和商业综合体相匹配，然后分别计算各商业综合体工作日和非工作日公共自行车使用强度和周转率，根据式1分别计算差异系数，结果见表 4。

根据式2分别计算工作日和非工作日公共自行车站点流动系数。根据式2计算结果，取其绝对值的倒数使用ArcGIS进行空间三维可视化，结果如图 2所示。根据式3计算各商业综合体公共自行车运行均衡性，结果如表 5所示。

图 2 站点运行均衡性可视化结果 Fig. 2 Visualization result of stations' operation equilibrium

图选项

以式3计算结果为因变量，以选取的建成环境因子为自变量(分别用X₁, X₂，…, X₁₃表示)，探究各自变量对运行均衡性的影响机制。首先绘制t₁-t₂椭圆图(图 3)判断模型适用性，t₁和t₂分别为对自变量数据进行标准化处理之后得到的数据矩阵中的第1个和第2个成分。根据图 3可知所有的样本点均位于椭圆内，且只有少数样本略微偏离，表明本研究数据适用于偏最小二乘回归。

图 3 t1-t2椭圆图 Fig. 3 t1-t2 ellipse diagrams

图选项

在确定数据适用的前提下，绘制t₁-u₁平面图(图 4)判断模型拟合效果，u₁是指对因变量数据进行标准化处理之后得到的数据矩阵中的第1个成分。通过图 4可知大部分样本点的t₁-u₁分布呈现线性相关关系，说明模型拟合效果较好。

图 4 t1-u1平面图 Fig. 4 t1-u1 plane diagrams

图选项

偏最小二乘回归模型以变量累积解释能力R²Y和交叉有效性Q²评价模型效果(表 6)。通过表 6可知模型回归结果较为理想，根据回归结果绘制回归系数图(图 5)，以此直观反映各自变量对因变量的影响作用。

图 5 回归系数图 Fig. 5 Figures of regression coefficient

图选项

由图 5可知，在工作日，建筑密度、商业规模、平均桩位数、居住可达性、就业可达性、公交可达性和次干道长度与公共自行车运行均衡性呈正相关关系，其余变量与公共自行车运行均衡性呈负相关关系；在非工作日，公共自行车运行均衡性仅与人行道长度负相关，与其余变量均为正相关关系。

为衡量各自变量对因变量的解释能力，根据式4计算各自变量的VIP值(表 7)，并进一步对各自变量进行分析。

由表 7可知：

(1) 在工作日，就业可达性、休闲娱乐可达性、地铁可达性、主干道长度、次干道长度和人行道长度是运行均衡性的主要影响因素；站点密度、建筑密度、土地利用混合度、商业规模、公交可达性是运行均衡性的重要影响因素；平均桩位数对运行均衡性影响程度最低。

(2) 在非工作日，站点密度、建筑密度、土地利用混合度、就业可达性、休闲娱乐可达性、地铁可达性、主干道长度和人行道长度是运行均衡性的主要影响因素；平均桩位数、公交可达性和次干道长度是运行均衡性的重要影响因素；商业规模对对运行均衡性影响程度最低。

本研究以昆明市为例，结合商业综合体基础信息数据和公共自行车运营数据，采用差异系数和流动系数分别量化商业综合体公共自行车运行空间分布均衡性和站点运行均衡性，结合建成环境数据，使用偏最小二乘回归方法分析建成环境对公共自行车运行均衡性的影响机制。研究发现：

(1) 昆明市商业综合体公共自行车运行均衡性在空间分布上存在较大差异且工作日差异更大。偏最小二乘回归模型对工作日和非工作日运行均衡性影响因素解释能力分别为97.9%和87.7%，交叉有效性分别为0.863和0.652。

(2) 在工作日和非工作日，对均衡性影响程度较高的建成环境因子分别是人行道长度、主干道长度、地铁可达性和土地利用混合度、主干道长度、人行道长度，由此可见在本研究构建的建成环境指标体系中的骑行环境是影响商业综合体公共自行车运行均衡性的主要因素。

(3) 建成环境对工作日与非工作日公共自行车运行均衡性的影响机制差异较大，与工作日公共自行车运行均衡性负相关的站点密度、土地利用混合度、休闲娱乐可达性、地铁可达性和主干道长度在非工作日均转变为正相关。

(4) 本研究主要选取使用强度、周转率和流动系数作为公共自行车运行均衡性评价指标，暂未考虑人工调度的影响，下一步可量化人工调度情况以丰富运行均衡性评价指标体系。