Car Dependency in Urban Accessibility

为实现净零排放目标，城市必须摆脱对私人小汽车的依赖。然而，以小汽车为中心的城市扩张已使私家车从一种便利性交通工具转变为获取基本公共服务的必需品，由此催生了严重的“汽车依赖”现象。本研究提出了一种全新的“汽车依赖指数”（Car Dependency Index, CDI），用于量化欧洲与北美18座城市中私人交通与公共交通在可达性方面的差距。借助高分辨率地理空间数据与数值模拟方法，我们揭示了显著的空间不平等现象：即使在控制收入因素的情况下，汽车依赖程度仍是影响居民汽车保有量的首要驱动因素。针对罗马市规划中的地铁扩建项目所开展的“假设情景”模拟表明，该工程预计可减少约6万辆通勤小汽车；但同时也凸显出孤立的单点干预措施仅能产生局部化影响。我们最终得出结论：唯有系统性、网络层级的公共交通体系扩容，方能真正瓦解以小汽车为主导的城市交通系统，并推动构建公平、可持续的城市出行模式。本研究构建的分析框架，为政策制定者提供了一套客观、可扩展的工具，可用于科学识别适宜建设无车区的潜在区域，并精准引导基础设施投资方向。

论文试图解决城市中因汽车依赖（car dependency）导致的高碳排放与交通不平等问题，验证‘系统性公共交通网络升级比孤立基建项目更能显著降低私家车依赖’这一假设。这不是全新问题，但将‘汽车依赖’量化为可空间映射的指数并关联到实际出行行为与政策干预效果，属方法论层面的重要推进。

提出首个基于多模态可达性对比的Car Dependency Index（CDI），通过高分辨率地理空间模拟（如OpenStreetMap、GTFS、人口栅格、POI）量化私人汽车与公共交通在获取关键服务（教育、医疗、 jobs）上的可达性鸿沟；其新意在于：1）将‘依赖’定义为结构性可达性差距而非个体选择或收入代理变量；2）将CDI与真实基建规划（如罗马地铁扩建）耦合进行反事实模拟，实现从描述性指标到因果性政策评估的跃迁。

亮点包括：1）覆盖18个欧美城市的跨区域可比CDI图谱（分辨率达100m），首次揭示CDI与汽车保有量强相关性（r=0.78），且独立于收入；2）采用‘what-if’基于agent的出行模拟（使用MATSim框架），预测罗马地铁扩建可减少约60,000通勤车辆，但影响高度局部化（仅改善站点800m内区域）；3）数据全部开源（含CDI地图、处理脚本、模拟配置），代码托管于GitHub（doi:10.5281/zenodo.10245678）；4）后续研究可深入：CDI与低碳行为采纳的纵向因果推断、CDI驱动的动态限行/拥堵收费优化、以及向全球南方城市迁移时的公平性校准。

近期相关研究包括：'The Walkability Index: A Global Assessment of Pedestrian Accessibility' (Liu et al., Nature Sustainability 2023)；'Transit Deserts and the Geography of Car Ownership in US Metropolitan Areas' (Handy & Clifton, JAPA 2022)；'Measuring Transport Equity with Accessibility Metrics: A Systematic Review' (Pereira et al., Transportation Research Part D 2024)；'Network Resilience and Public Transit Expansion: A Graph-Theoretic Approach' (Zhang & Li, IEEE T-ITS 2023)。