erdana>      上海历经近代的繁盛、解放后的调整以及近期的快速扩展，形成了空间类型丰富的生活街区。本文选择城市不同区位的21个生活街区作为案例，这些街区的面积为0.5～1.0km2，是以8分钟步行路程为半径的街区步行单元，内部或附近有轨道交通站，外部以城市干道或水系等为边界。根据建设年代和空间形态特征，21个生活街区大致分为历史街区、老新村、旧住区、商品小区和国际住区五种类型 ( 图 1)。

（三）数据采集

      由小区管理人员对居民开展调查问卷发放与回收工作，经过对每张问卷完整性和真实性的评定，最终筛选出1575份问卷作为步行通行研究的样本；提取居民每周步行(包括步行换乘公交车与地铁)上下班(学)、购物出行的次数，分别作为居民的通勤类步行通行频率(932份)和购物类步行通行频率(1575份)，二者合并叠加作为居民日常的总体步行通行频率(1575份)。按照步行通行频率的大小，将步行人群大致划分为较少出行、一般出行、较多出行和频繁出行四类。
      采用观察点计数法，在天气晴好的工作日选择 5：00 ～ 7：00、7：00 ～9：00、9：00 ～ 11：00、11：30 ～13：30、17：00 ～ 19：00 和 19：00～21：00六个时段对案例街区的街道进行步行人流通行量的定点记数，得到街区步行通行总人数。采用活动密度指标对数据进行统一计量，即街区步行通行密度=街区步行通行总人数/街区总用地面积，这样可以有效避免街区面积差异对步行通行数量产生的影响，使数据可以进行同等比较分析。

  三  数据分析与结果 
 
（一）相关性分析

      运用SPSS统计软件，将被访居民的三类步行通行(总体步行通行、通勤类步行通行和购物类步行通行)数据分别与居民社会属性、街区建设环境变量进行 Pearson 相关性分析，辨别影响居民步行通行的自变量。

(1) 居民社会属性

      通过步行通行频率与居民社会属性的相关性分析可以发现(表1)：①居民的私家车拥有量是影响步行通行频率的重要社会属性因素，不论是上班还是购物出行，有车族的步行通行频率都最低；②工作状态的差异导致了居民日常步行通行活动类型的不同，上班族偏向通勤类步行，而年龄偏大的退休人群则偏向购物类步行；③教育程度和家庭月收入较高的人群，由于对出行目的地与交通方式的选择相对自由，步行通行量相应减少；④女性比男性的日常驾车机会少且购物出行多，因此女性的步行出行也较频繁。

(2) 街区建设环境变量

      通过步行通行频率与各类空间便利的相关性分析可以发现，街区人口密度、沿街商业密度、教育设施密度、小区出入口密度、通透围墙或绿化界面和公交服务设施等变量可能是影响居民步行通行的重要街区建设环境变量(表2～表 5)。

（二）基础模型模拟

      上述相关性分析只能辨析单个自变量与因变量的关系，本文继续采用多项逻辑(Logistic)回归方程来分析在多个社会属性因素共同影响下的单个街区建设环境变量对于总体步行通行频率、通勤类步行通行频率和购物类步行通行频率的影响机理。
      首先，以较少出行作为参照，建立一个针对其他样本(即一般出行、较多出行和频繁出行)的基础模型，进行多项逻辑回归分析。其次，将表2～表5中呈现相关性的空间形态变量分别纳入基础模型中，通过模型拟合度为R方增加值的大小来辨析各个空间变量的影响程度。
      计算结果表明：影响居民总体步行通行频率的关键因素是人口密度、沿街商业、公交线路密度、小区出入口界面密度和通透(绿化)围墙，其频繁出行人群主要住在具有高密度人口和丰富沿街商业特征的住区(这里的教育与公交设施相对较完善)，他们关注于到达各功能目的地的便捷度及公交服务；影响居民通勤类步行通行频率的关键因素是人口密度、沿街商业、小区出入口界面密度、人行道平均宽度和地块平均边长，其频繁出行人群主要也住在具有高密度人口和丰富沿街商业特征的住区(这里有着较大的小区用地、较多的小区出入口和沿街店面，街区功能混合，邻近就业机会丰富)，他们关注于步行道的便捷性、连续性、舒适性及街道商业活力等；影响居民购物类步行通行频率的关键因素是沿街商业密度、街道界面属性、小区出入口密度、人口密度和社区服务，其频繁出行人群主要住在小区出入口和沿街商业店面密集、轨道交通出行方便和社区服务设施丰富的住区，他们关注于街区购物