在中国的大城市，自行车曾是重要的交通工具。但如今，自行车的地位大大下降，比如，出行者要通过网络查询路线，在中文Google 地图上，可查询公交、汽车和步行方案，但没有自行车路线可查；而百度、高德等地图，同样没有为自行车导航的功能。
不过，某些国外的Google地图，就提供了这样的服务，能使骑行者以最便捷的路径到达目的地。又如，加拿大的温哥华自行车出行导航网不仅给出路线长度、耗时，还提供二氧化氮污染指数、道路坡度等相关信息，骑行者可根据需求，规划污染最小或骑行最省力的线路。可惜，该网站因缺乏基金维持已于今年10月31日关闭。
随着全球对骑行的提倡，我们也在思考，什么样的骑行环境是好的？怎样为上海的骑行者提供最优的骑行路径？
研究方法
我们的研究运用叙述性偏好法，对骑行者进行虚拟路径选择调查，应用离散选择模型，量化骑行环境各要素对路径评价的影响程度，以此为基础，探讨评价和改善上海骑行环境的方法。
要评价一个路段对骑行者的友好程度，先得确定影响人们感受骑行环境的要素，建立评价模型。
我们在预调查中，以小规模问卷的方式，向骑行者了解影响感知骑行环境的要素。最终，我们选取了10个人们最关心且城市规划能有所作为的要素，包括：骑行时间、机动车车流量、自行车道类型、机非隔离方式、机动车路边停车、自行车道宽度、沿途红绿灯数量、道路绿化、沿途自然景观、街道景观。
接下来的关键问题，就是如何将这些要素进行整合，得到一个综合指标。
我们采用路径选择行为调查法，该方法基于“叙述性偏好法”，让受访者在虚拟的情景中做选择，再应用离散选择模型，来估计人们的骑行环境偏好。
通过科学的实验设计，我们得出一些虚拟骑行路径。首先对这10个要素定义水平，数量从两个到三个不等。例如，对机动车流量，水平1代表流量小，水平2代表流量适中，水平3代表流量大。每一要素的每个水平相组合，就能产生一种虚拟骑行路径。可以想象，所有这些要素水平相组合，可产生非常庞大的虚拟路径，这将使调查实施非常困难。但经过实验设计后，就可精简到少量具有代表性的骑行路径。
将这些虚拟骑行路径两两配对，即构成选择情景。被访者需要在两条路径中选择一条较好的，若都不满意，也可都不选。
我们设定了通勤和休闲两种情形，让被访者分别做出相应选择。这主要为了考察不同出行目的下，人们对骑行环境的关注是否有明显差异。例如，我们假设，在通勤目的下，人们对骑行时间的敏感性要高于休闲目的，而对环境舒适度的敏感性则相对较低。若假设成立，将对服务于不同目的出行的道路建设有指导作用。
除文字描述之外，我们还配以图片，通过更接近人们平时感官认知的方式，来方便被访者对题目的解读。
调查对象来自两个来源，一是网络问卷，二是实地调查。网络问卷的参与者主要是年轻人，因此必须通过实地调查，有针对性地询问中老年人，以平衡样本。调查还在进行中，目前已获得有效样本200多人，选择7400多次。
在获得路线选择数据之后，我们建立离散选择模型，以求得各要素的参数和效用函数。参数（或说权重）反映人们对骑行环境要素的重视程度；而效用函数就是我们需要的评价道路骑行环境综合优度的指标。
我们呈现的是阶段性成果，但已经令人满意，所有参数统计显著，整体预测准确率达50%。这一准确率是比较高的，因为在个人喜好等其他不可见因素的作用下，人们对骑行路径的选择结果差异很大。一个模型的概括能力有限。今后我们将尝试采用更加复杂贴切的模型来提高解释能力。
解读要素参数，我们进一步发现，骑行者最关注自行车车道类型，且重视程度远高于其他要素。在车道类型的三个水平中，“与骑车、助动车混行”被默认设定为0效用。所以，在这一结果中，自行车专用道的参数越大，说明相对于机非混行，专用道带来的效用越大；同理，与助动车混行车道的效用也高于机非混行，但参数值略低于自行车专用道，说明自行车专用道是人们最偏爱的。这种相对关系的研读，对判断研究假设、实验设计质量和模型的适用性非常重要。目前的结果显示我们模型的合理性，因为要素水平参数的相对关系均符合我们的假设和一般的定性认知。再拿机非隔离设施这一要素举例，采用绿化隔离带的环境效用最高，栏杆隔离效用其次，划线隔离效用再次，而无隔离措施的效用最低（默认0）。
上海城区哪些地方最适合骑车？
上海中心城区（外环线内）所有路段共11875条，要全部走一遍难度太大。我们利用腾讯街景地图，以实景照片判断路段属性。这其中肯定与实际有差异，但这是目前我们能做到的最好方法。
我们给每条路段设置ID（辨识号），先判断是否可供自行车骑行，将可骑行路段的环境要素归类，类别与实验设计中的要素水平完全一致，以此把各路段的属性输入到数据库中，全部实现数字化。
在这些数据之上，我们初步做了一些探索性分析，来反映上海中心城区骑行环境的基本状况。统计下来，上海中心城区可骑行的道路，占所有路段的81.4%，这个比例不错，远高于西方以小汽车为导向的城市。我国城市发展绿色交通有很好的基础设施条件，应珍惜并加以充分利用。
从街道层面看，上海中心城区可骑行道路比例最低的地区，位于原南市区城隍庙附近，比例介于50%-60%；而与其一江之隔的陆家嘴金融贸易区的比例也不高，在60%-70%之间。比例相对高的街道主要分布在虹口区、长宁区、徐汇区、原卢湾区、杨浦区北部，以及浦东新区环绕陆家嘴的广阔地带。
上海中心城区可骑行的道路
各街道的可骑行道路比例
老城区：可骑行道路密，但安全性差
模型分析的结果揭示了，车道类型是人们最重视的环境要素。从上海中心城区整体看，自行车与助动车混行的道路总长为2083.7公里，占所有可骑行道路的59.6%；机非混行道路的总长为1413.6公里，占40.4%。目前上海中心城区没有专用的自行车道，自行车和助动车同视为非机动车，共享非机动车道。但实际上，助动车的行驶速度往往远高于自行车，穿梭在自行车流之间，给自行车骑行者带来很大困扰。
其实，即便在国外自行车出行发达的城市，例如阿姆斯特丹，自行车道同样允许助动车通行，只是那里的助动车使用量很低，相比上海几乎可忽略。但即便如此，阿姆斯特丹还是设置了自行车专用道路或区域，比如，在城市近郊休闲区一旦发现助动车行驶，车主就要被开罚单。
从各行政区来看，助混比例最高的地区，是嘉定区位于中心城区的部分，达到80.4%；而比例最低的黄浦区为35.9%，黄浦区同位列倒数第二（41%）的静安区一样，都是老城区。所以，老城区自行车出行的安全性相对差。
不过，老城区可骑行道路的密度相对较高：最高的黄浦区达到每平方公里13.2公里长，位列第二梯队的静安区、原卢湾区及虹口区，每平方公里超过9公里。这就意味着，住在老城区里居民的自行车出行会更方便一些。
这种矛盾，似乎让出行者难以权衡，这也正是我们得到的骑行环境综合评价模型能发挥功用的地方。
各区自行车道类型的比例
各区不同类型自行车道的密度
外围地区综合评价高的路段更多，连接性不够
根据效用函数，可得到上海中心城区各路段的骑行环境的综合评价指数。我们将其划分为三个等级，综合评价为高的占13.6%，评价为中的占70.8%，评价为低的占15.6%。
将评价为高的路段单独拿出来，可以发现，外围地区多于核心地区，其分布非常分散且不连续。
对骑行环境设计和自行车出行路线优化，最重要的一个指标，是道路的连接度，即可骑行道路相互贯通的程度：连接度越高，骑行的可达性也越高。在我们的研究里，用的是Gamma指标，数值介于0到1之间。例如当Gamma=0.8，我们可以说，这片区域内80%的道路是连接在一起的。
在具有一定规模的街道中，综合评价为高的路段比例超过50%的只有两个，分别是杨浦区的新江湾城街道（65%）和浦东的罗山街道（56%），而它们的连接度分别仅为30%和36%。
尽管综合评价为中的路段在中心城区占大多数，但它们的连接度同样堪忧，最高的街道也只达到40%左右，且数量极少；剩下的街道中，大约有一半的连接度介于30%-40%，另一半介于20%-30%。
综合评价为低的路段比例高于中心城区平均水平的街道，在黄浦江西岸分布比较集中，包括城隍庙地区、南京东路外滩地区、北外滩地区、原杨树浦工业区、中原地区以及吴淞地区。在黄浦区、静安区、长宁区、虹口区也均有若干斑块，而普陀大场地区的面积最大。
由此，我们可以采取同样的方法，获得综合最优的骑行路径，只不过将优化目标从“路径最短”改变为“路径最佳”。例如，以同济大学为起点，杨浦区新江湾城北端为终点，得到的推荐路线为四平路国顺路政化路国定路政民路淞沪路殷行路江湾城路。同理，可以得到绿化最好、安全最佳等以各要素为优化对象的推荐路径。
未来方向
以上的工作，建立了研究、改进、规划上海中心城区骑行环境的基础。今后的研究，会向三个方向推进：
一是深入考察骑行环境与骑行行为之间的关联，如自行车出行率、事故率等，作为宏观交通政策制定的支撑；
二是通过综合评价骑行环境，对路段存在的问题和不足进行诊断，为自行车系统规划和出行环境整治提出措施；
三是更好地提供出行服务，用手机APP为骑行者推荐出行路线和导航。并且，这种推荐会更加个性化。前面的例子是在一个大众化的评价模型上得到的，综合了所有人的偏好。如果模型建立在个人偏好的基础上，那么推荐的路径会更符合用户的需求。
朱玮致谢同济大学城市规划系潘海啸教授、翟宝昕、屈信、邱旭峰、谢栋灿及所有2011级本科生对本研究的协助！本研究得到了国家自然科学基金、同济大学、上海同济城市规划设计研究院的资助。
（朱玮系同济大学建筑与城市规划学院副教授。蒋晓娟根据11月25日“智能城镇化”第70期可持续发展沙龙/同济大学城市规划方法和技术团队2014年度学术报告会上的主题报告整理，经本人审订。）