2026-Bidirectional yet asymmetric causality between urban systems and traffic dynamics in 30 cities worldwide


路网和拥堵贴得很紧,就能说路网在主导交通吗?

论文名片|Yatao Zhang、Ye Hong、Song Gao、Martin Raubal,Bidirectional yet asymmetric causality between urban systems and traffic dynamics in 30 cities worldwide,Nature Communications,2026,17:4671。收稿日期2025年9月16日,接收日期2026年3月11日。DOI:10.1038/s41467-026-71377-0。

傍晚一条商业街堵住了。地图上路网没变,用地也还是商店和住宅,堵车却来了又散。一种直觉是:路密、交叉口多,车流就被路网卡住,所以路网主导交通。另一种直觉是:哪条路长期更堵,商店、地铁和扩容就会跟着改,交通也在改写城市。

这两句话可以同时有一点道理,但不能靠“路网和拥堵长得很像”来裁决。Zhang、Hong、Gao 与 Raubal 在六大洲 30 座城市里把相关和方向分开看。休息日上,道路结构对拥堵的拟合通常最高;可一旦问谁更能从邻近空间状态里还原谁,城市形态和城市功能往往给出更强的城市系统指向交通的信号。反向也存在,只是在多数城市、多数组分上更弱。这是观测数据上的方向性证据,不是修一条路或改一块用地之后的实验结果。

先说结论

  • 休息日,30 座城市的时空加权回归平均决定系数 R² 为:城市结构 0.94(第一四分位数 0.92,第三四分位数 0.97),城市形态 0.75,城市功能 0.73。分母是各城市拥堵指标的方差,不是 30 座城市里有多少座“显著”,也不是路段条数。
  • 结构往往拟合最好,但最大库容上的交叉映射技能 ρ 经常是形态、功能更高。新加坡休息日的结构、形态、功能 R² 分别为 0.95、0.75、0.89,对应的城市系统指向交通的 ρ 却是 0.60、0.65、0.63。
  • 休息日全部 30 座城市的 ρ 都报告为 p < 0.001。两个方向之差在结构、形态、功能上分别有 26、29、27 座城市显著,分母都是 30。多数城市是城市系统指向交通更强,马尼拉和克赖斯特彻奇出现分量上的反向。
  • 按因果曲线的形状和幅度,30 座城市在距离阈值 1.0 处分成三类:紧密耦合、模式混杂、工作日信号变弱。休息日的 ρ 在多数城市高于工作日。
  • 这里的“城市系统”进入因果检验之前,已经用同一套拥堵数据拟合过;测到的又只是机动车路段拥堵。箭头不能直接当成修路或改用地的政策效应。

这三十座城市的拥堵,是怎样被放进同一个格子里的?

城市被写成三股螺旋:城市结构、城市形态、城市功能。这里的三股螺旋只指建成环境的这三面,不是创新研究里大学、产业和政府的三重螺旋。结构是路网骨架,形态是地块的形状、聚集和多样,功能是各类用地占该空间单元的面积比例。三者都来自全球可获得的 OpenStreetMap,以便 30 座城市用同一套指标。

结构从节点、路段和中心性三面各取指标,包括交叉口数量、路网密度、中介中心性等。形态在景观尺度使用 16 个指标,例如总面积、斑块数、边缘密度、蔓延度、香农均匀度。功能是 13 类用地的面积占比,包括交通、商业、工业、居住、教育、公园等。这些指标在所研究的那一个月里视为不变。变的是它们和拥堵之间的局部关系,以及拥堵本身。

城市名单同时看三件事:HERE Technologies 有没有路段拥堵数据,TomTom 2023 拥堵指数能不能覆盖很堵和相对不堵的城市,以及是不是分散在六大洲。因此这 30 座城市是按数据可得性和拥堵谱系挑选的观察样本,不是全世界城市的随机抽样本。很堵的例子包括马尼拉、利马,也包括范围更紧的伦敦、多伦多市中心;相对不堵的例子包括新加坡、苏黎世、斯德哥尔摩。

交通数据是 HERE 的路段拥堵指数(jam factor)。它把当前速度相对默认速度的比值,分段线性地映射成 0.0 到 10.0:0.0 是自由流,10.0 是阻断。采集间隔 5 分钟。每座城市只用一段连续的一个月,要么是 2024 年 6 月 1 日至 30 日,要么是 2024 年 9 月 21 日至 10 月 20 日。正文没有逐城写明用的是哪一段。时间覆盖率是这一个月里、含有有效记录的 5 分钟时隙所占比例,30 座城市最低 98.40%,中位数 98.60%。

空间上,城市边界内的 HERE 路段数从马尼拉的 944 条到洛杉矶的 18,788 条。空间覆盖率的分母,是 1 公里网格中那些含有 OpenStreetMap 机动车道路的格子;分子是这些格子里同时也有 HERE 路段的格子。机动车道路包括 motorway、trunk、primary、secondary、tertiary 及其连接线。30 座城市里有 28 座超过 70%,布宜诺斯艾利斯、悉尼和巴黎大约到 95%。墨西哥城和利雅得的全市比例更低,但中心区仍有覆盖。

分析单元不是整座城市,也不是单条路。作者把距离 20 米以内的路口节点合并,再以这些点做泰森多边形,并用 500 米缓冲把过大的多边形裁住,得到缓冲泰森单元(Buffered Voronoi Cell,BVCell)。每个单元里可能有多条路。交通动态指标(traffic dynamics indicator,TDI)是这些路段在该小时的拥堵指数,按落在单元内的路段长度加权平均:

TDI = Σ(路段小时拥堵指数 × 路段长度) / Σ 路段长度

小时拥堵指数本身,是该小时内最多 12 个 5 分钟快照的平均,再在工作日、休息日两类日期上分别平均。所以后面的每一个 R² 和 ρ,比较的都是“单元 × 小时类型”上的机动车拥堵,不是一个人一天的全部出行,也不包含步行、骑行和公交刷卡。

图 4:三十座城市的路网与缓冲泰森单元

图 4|这 30 座城市的路网和空间单元长什么样?

全图是城市分幅,没有 a、b、c 字母。橙色为缓冲泰森单元,灰线为 HERE 路网,浅灰为所在国家范围。欧洲为伦敦、巴黎、苏黎世、罗马、维也纳、柏林、斯德哥尔摩、赫尔辛基、圣彼得堡、莫斯科;亚洲为利雅得、迪拜、新德里、孟买、曼谷、香港、马尼拉、吉隆坡、新加坡、雅加达;大洋洲为悉尼、克赖斯特彻奇;北美洲为洛杉矶、芝加哥、多伦多、墨西哥城;南美洲为利马、布宜诺斯艾利斯、里约热内卢;非洲为开普敦。各城比例尺不同,不能凭图上色块大小比较城市面积。来源:原论文 Fig. 4。

相关最高的,为什么不是因果最强的?

相关这一步用时空加权回归(spatio-temporal weighted regression,STWR)。它允许每个空间单元、每个时刻有自己的系数,而不是全城共用一个斜率。因变量是该单元该小时的 TDI,自变量是结构、形态或功能的指标。回归只使用 6:00 到 23:00,以避开作者所称的城市设施非服务时段。进入回归前,方差膨胀因子高于 10 的指标被剔除;正文没有列出每座城市删掉了哪些指标。

R² 回答的是:这组城市特征的局部线性组合,能跟上拥堵指标方差的多大比例。基线是“不用这些特征”时解释不了的波动。R² 高,表示在这个单元尺度上,特征和拥堵一起变化;它不表示路网造成了百分之几的拥堵,也不表示换一条政策就会得到同样的 R²。

休息日、30 座城市的平均结果是:结构 0.94,形态 0.75,功能 0.73。结构的城市间分布更挤,四分位数为 0.92 和 0.97。单城极值也在休息日:柏林的结构 R² 为 0.99,苏黎世的形态 R² 为 0.96,斯德哥尔摩的功能 R² 为 0.91。低的一端,利雅得的形态 R² 为 0.26,里约热内卢的功能 R² 为 0.35。作者认为,高收入、基础设施和制度较稳的城市更常三项都高,但马尼拉、洛杉矶说明发展程度并不能排完所有例外。马尼拉因紧凑、依赖道路,系统和拥堵贴得更紧;洛杉矶的多中心和广阔边界则让形态、功能与拥堵的拟合变弱,结构仍是主要相关项。

系数的正负也不是全球一条方向。结构指标在城市之间常可正可负:交叉口数量、路网密度既可能提高连通,也可能在局部变成瓶颈。形态里,斑块数和蔓延度总体与更高拥堵同向,总边缘长度和边缘密度总体反向。功能在休息日上,交通、体育和公园用地总体同向,作者将其联系到休息日的休闲目的地;商业商务用地总体反向,对应非工作时段活动减少。这些是 30 座城市系数分布的倾向。同一座城市内部,系数仍会随地点改变。工作日的对应回归放在补充图和补充表里,正文没有再给一套平均 R²。

图 1:休息日城市系统与交通拥堵的时空相关

图 1|休息日,结构、形态、功能各自能跟上多少拥堵方差?

(a)三根柱是 30 座城市的平均 R²,误差线为 ±1 个标准差,点是单个城市。结构最高,形态与功能接近。(b)横轴为形态 R²,纵轴为功能 R²,气泡大小为结构 R²。斯德哥尔摩、苏黎世、多伦多等靠近右上,利雅得、里约热内卢、开普敦更靠左下或偏低。(c、d、e)分别是结构、形态、功能各项系数在城市间的分布,纵轴为图中的 Z-score,白线为第 25、50、75 百分位。分布跨过零线,表示该项在一些城市为正、在另一些城市为负。(f)每座城市一套同心环:内圈是 R²,中环为负系数,外环为正系数;特征沿逆时针与小提琴图同一顺序。右下地图只标这 30 座城市所在的大洲分组。来源:原论文 Fig. 1。

斯德哥尔摩把“高相关”和“强方向”拆开了。它的三项 R² 都高于 0.90,ρ 却处在 30 座城市的低端。新德里的 R² 相对没那么高,最大库容上的 ρ 却属于最高的一档。若只按路网和拥堵是否贴合来决定干预,会把斯德哥尔摩看成结构杠杆最强的城市,把新德里看成关系较弱的城市。方向检验给出的排序不是这一套。

用邻近格子还原对方,箭头是怎样定出来的?

STWR 的系数先在时空上用双平方核平滑,再把截距和各指标的贡献加总,得到每个组分的综合指标。综合指标在每个单元、每个时刻上,形式就是平滑后的局部预测值:截距,加上“平滑系数 × 标准化后的城市特征”。它汇总的是这组特征对拥堵的拟合,不是一条独立于拥堵测出来的城市属性。

因果步骤使用时空收敛交叉映射(spatio-temporal convergent cross mapping,STCCM)。经典收敛交叉映射看的是:一个过程的状态若被写进另一个过程,那么用后者的邻近状态应能把前者还原出来,而且库容越大,还原越稳。本文把每个缓冲单元最拥堵的那个时刻拿出来,嵌入该单元及其空间邻居,而不是用同一个路口的一条长年时间序列。一阶邻居是相邻单元,二阶是这些邻居的邻居。同一阶里有多个单元时,综合指标按单元面积加权,拥堵指标按路段长度加权。嵌入维数 E 决定纳入多高阶的邻居;正文主结果没有给出最终采用的 E,敏感性放在补充图里。

库容 L 是参加这次状态空间重建的缓冲单元数,从 5 到 500,每步增加 5。单元总数不够 500 的城市用它自己的最大库容,正文举的例子是马尼拉。交叉映射技能 ρ 是预测值与观测值的皮尔逊相关系数。ρ 随 L 上升并趋于平稳,才被当作存在可重复的映射。城市系统 → 交通,在操作上是用城市系统综合指标的状态空间去预测拥堵;交通 → 城市系统则相反。最大库容上谁的 ρ 更高,谁被判为更强的方向。两条曲线之间的差记为 Δρ。

方法文字里还有一句 Takens 嵌入的标准说法:若 X 导致 Y,则关于 X 的信息写在 Y 的状态空间里,因而应该用 Y 去预测 X。操作定义却是用 X 的状态空间预测 Y,并把更高的这一侧叫做 X 导致 Y。结果部分的全部箭头都按后一种规则解释。阅读图 2 时,应把“城市系统 → 交通的 ρ 更高”理解成这篇 STCCM 的判定,而不是已经和标准收敛交叉映射的还原方向逐句对齐。

图 5:空间滞后与各自最拥堵时刻的示意

图 5|因果检验使用的邻居,是按空间阶数而不是按同一时钟堆起来的吗?

(a、b、c)三幅都是同一类示意:黄为核心单元,橙为一级邻居,深橙为二级邻居,灰线为路网,比例尺 0 至 1,000 米。Time (a)、Time (b)、Time (c) 分别是单元 a、b、c 自己的最拥堵时刻,不是全城同一个小时。因此库容增加,加的是更多空间单元在各自峰值时刻的状态,不是把一个月的时间序列延长。来源:原论文 Fig. 5。

休息日的结果是双向且不对称。图 2b 到 2d 的横轴是交通 → 城市系统的 ρ,纵轴是城市系统 → 交通的 ρ,虚线是 45 度线。点在线的上方,表示该组分上城市系统指向交通更强。30 座城市的这些 ρ 都报告为 p < 0.001。不对称本身另做配对 t 检验:在每座城市内部,把全部缓冲单元上的两个方向配对,检验 Δρ 是否为零。休息日达到显著的城市数,结构 26 座、形态 29 座、功能 27 座,分母都是 30。检验是双侧的;正文给出的是显著城市计数,没有逐座列出不显著的是哪几座。

新加坡被当作不对称的清楚例子。随着 L 增大,结构、形态、功能三条“城市系统 → 交通”曲线都高于反向。形态的 ρ 最高,为 0.65;功能 0.63;结构 0.60。这与图 1 里新加坡结构 R² 最高正好相反。新德里、巴黎、伦敦靠近新加坡,两个方向的 ρ 都高,且城市系统 → 交通更强。斯德哥尔摩、悉尼、莫斯科也多在对角线上方,但 ρ 低得多,表示状态空间没能同样稳定地还原对方。

马尼拉的 ρ 大约只有 0.3,而且 L–ρ 曲线不是单调上升。正文先写它在图 2c 位于对角线之下、在图 2b 和 2d 位于对角线之上;按坐标定义,这表示形态上交通 → 城市更强,结构与功能上城市 → 交通更强。下一句又写成形态指向交通、交通指向结构和功能。两句不能同时成立,功能方向也被对调了一次。克赖斯特彻奇的表述更单一:曲线单调,最大库容上交通 → 城市功能超过反向。可以把克赖斯特彻奇的功能反馈当作正文明确写出的反向例子;马尼拉只宜看作低 ρ、且三个组分的方向并不一致,不宜从互相冲突的两句里再选一句当结论。

工作日的不对称仍然存在,但交通指向城市系统的情况更多,尤其是结构。正文点名马尼拉、克赖斯特彻奇、悉尼和香港。作者把它理解成长期通勤节律对路网和用地的反馈,而不是休息日那种更灵活的出行。工作日的分城市曲线在补充材料中,正文没有给出与休息日平行的 26、29、27 这一组计数。

图 2:休息日拥堵时段的双向因果

图 2|最大库容上,谁还原谁更成功?

(a)每座城市一套 L–ρ 曲线,结构、形态、功能各有两个方向。横轴是库容 L,纵轴是 ρ。右侧放大的是大库容一端,阴影为两个方向的 Δρ。曲线上升并走平,才被论文当作空间因果信号;只在某一个 L 上 ρ 较高不够。(b、c、d)分别是结构、形态、功能在最大 L 上的城市散点。横轴为交通 → 该组分,纵轴为该组分 → 交通。对角线以上表示城市系统指向交通更强。新德里、新加坡靠近高值区,斯德哥尔摩靠近低值区。图注写明这些点的 ρ 均在 p < 0.001。来源:原论文 Fig. 2。

还有一层更靠前的限制。综合指标来自对 TDI 的局部拟合,STCCM 再比较这个拟合量和 TDI 本身。城市系统 → 交通的 ρ 较高,说明“由路网、形态或用地线性组合出来的拥堵信号”里含有可还原原始拥堵的信息。因为构造综合指标时拥堵已经是因变量,这一结果不能单独证明:如果只改路网、不改变拟合关系,拥堵就会按 ρ 的差值下降。反向 ρ 仍然有信息量,它表示拥堵场也能还原那套综合指标;只是多数城市这一侧更弱。

三十座城市的因果轮廓,能分成哪三类?

分类不用 R²,而用双向 L–ρ 曲线。动态时间规整比较两座城市曲线的形状,允许弯曲对齐。Jaccard 距离比较两条方向曲线下方区域的交并比,看的是幅度。结构、形态、功能以及休息日、工作日都加进去,形状和幅度各占一半权重,再做层次聚类。距离阈值 1.0 处得到三类。相似的类不表示政策可以原样复制:社会经济条件、空间尺度和作息都会改变路径。

图 3 的城市顺序就是聚类树的顺序。正文写第一类从新德里到巴黎,第二类从赫尔辛基到维也纳,第三类只有五座城市。按图中从左到右的顺序,三类分别是:

第一类 14 座,ρ 在两个方向都高,称为紧密耦合:新德里、墨西哥城、孟买、吉隆坡、柏林、罗马、圣彼得堡、迪拜、新加坡、雅加达、克赖斯特彻奇、伦敦、布宜诺斯艾利斯、巴黎。其中新德里、墨西哥城、孟买被写成发展中巨型城市一组,新加坡、迪拜被写成金融枢纽一组。作者认为景观、用地和路网共同对拥堵有强信号,规划上更适合把用地和交通放在一起,而不是只改道路供给。

第二类 11 座,双向因果仍在,但弱于第一类,城市之间的主导组分并不相同:赫尔辛基、香港、利雅得、曼谷、马尼拉、利马、莫斯科、里约热内卢、芝加哥、多伦多、维也纳。正文举例:赫尔辛基和香港在工作日、休息日两个方向的幅度较均衡;利雅得和曼谷更突出功能和结构;芝加哥、多伦多、维也纳的休息日 ρ 相近,反向更弱。这类城市若套用同一张政策模板,会把走廊上的路网问题和街区上的用地问题混成一件事。

第三类 5 座,ρ 整体低,而且除斯德哥尔摩外,工作日大多进一步变弱:斯德哥尔摩、苏黎世、洛杉矶、开普敦、悉尼。斯德哥尔摩两天都低。苏黎世、悉尼在休息日仍是城市系统 → 交通高于反向,工作日热图变浅。对这一类,只靠静态的路网、用地杠杆,不太可能在工作日拥堵上看到大的变化,除非同时使用面向当日需求的运行和需求管理。休息日则相对还能看出城市系统的信号。

休息日 ρ 高于工作日,并不只发生在第三类。作者给了两个机制猜测,都还不是另一次检验:休息日出行更自组织,人更能按拥堵调整,城市系统的作用更清楚;工作日高峰受固定通勤约束,多块区域一起接近饱和,空间差异变小,因果信号更难分开。

图 3:按双向因果曲线对三十座城市聚类

图 3|三类城市分界在哪里,工作日有没有变弱?

(a)层次聚类树。横轴为城市,纵轴为因果轮廓的不相似距离,虚线在距离 1.0。左侧色标是最大库容处 ρ 的图例,不是聚类距离。(b)热图。列的顺序与聚类树相同,从新德里到悉尼。行先是休息日六行,再是工作日六行;形态、功能、结构各有“城市系统 → 交通”和“交通 → 城市系统”两个方向。颜色越深,最大 L 上的平均 ρ 越高。左段深、右段浅,对应紧密耦合与工作日衰减这两端;中间段深浅不一致,对应模式混杂。热图没有给出每个格子的小数,不能把颜色再读成精确的 ρ。来源:原论文 Fig. 3。

这些箭头能支持到哪一步?

相关和这篇 STCCM 的方向都来自同一个月、同一套机动车拥堵。城市特征在月内不变,所以结果描述的是空间上同时存在的格局,加上每个单元自己的拥堵峰值时刻,不是十年里先修路、后堵车或先堵车、后改用地的历史序列。长期反馈是作者对反向 ρ 的解释,尤其在克赖斯特彻奇的功能、以及若干城市的工作日结构上;数据本身没有跟踪地铁开通或用地变更。

城市级曲线把市内所有单元合成一条。多中心或核心—边缘反差大的城市,一条曲线可能是几套局部机制抵消后的平均。分离变弱,既可能是真的没有主导方向,也可能是局部方向相反。论文把分拥堵强度、分中心性再做 STCCM 留作后续,正文没有给出这种分层结果。

样本停在 HERE 覆盖得到的 30 座城市、各一个月份。季节、假期和政策冲击都没有进入。全球南方和北方都有城市,但缺数据的城市进不来,外部有效性就此封顶。固定的全球指标为了能跨城比较,也会漏掉非正规交通、需求管理政策和公交供给。利雅得、里约热内卢较低的 R²,因此既可能是形态或功能与拥堵关系弱,也可能是这套指标没写到当地真正重要的因素。

最后,ρ 不是效应量。0.65 比 0.60 高,表示在最大库容上、用形态综合指标预测拥堵的相关高于用结构综合指标,差值是 0.05 个相关系数,不是拥堵指数下降 0.05,也不是 5 个百分点的行程时间。p < 0.001 表示在该城市的缓冲单元上,这个相关不太像零;它不提高上述解释的等级。

一句话总结

路网和拥堵贴得紧,常常只说明道路是车流的容器;在这 30 座城市的休息日里,更能还原拥堵的通常是形态和功能,而交通改写城市的那一侧更弱、且集中在少数城市和组分上。

核心来源

作者介绍

  • Yatao Zhang:署名新加坡—苏黎世联邦理工中心未来韧性系统、苏黎世联邦理工学院制图与地理信息研究所,以及伦敦大学学院地理系。与 Raubal 共同构思研究,负责方法、软件和初稿,并与 Ye Hong 共同完成分析。
  • Ye Hong:署名苏黎世联邦理工学院制图与地理信息研究所,与 Zhang 共同完成分析,参与文稿审阅修改。
  • Song Gao:署名威斯康星大学麦迪逊分校地理系地理空间数据科学实验室,与 Raubal 共同指导研究,参与文稿审阅修改。
  • Martin Raubal:署名未来韧性系统与苏黎世联邦理工学院制图与地理信息研究所,共同构思并指导研究。资助说明写明,新加坡国家研究基金会 CREATE 计划支持 Zhang 与 Raubal 的这项工作。

延伸思考

以下是 AI 基于论文结果所作的延伸,不属于原论文结论。

若把综合指标先在非高峰小时拟合,再拿去还原各单元的最拥堵时刻,ρ 还会不会维持?论文的综合指标和被预测的拥堵来自同一套 TDI。这一检验若失败,图 2 里城市系统指向交通的优势,更多是样本内重构,而不是形态或用地在峰值小时仍携带独立信息。这个对照正文没有做。

另一件不宜直接迁移的事,是把第一类里的新加坡方案抄到同组的新德里或墨西哥城。两类城市同组,只表示 L–ρ 曲线的形状和幅度接近,表示测到的特征与机动车拥堵互相还原的方式相似。它不表示拥堵费、停车供给或土地混合的同一套工具在两地有同一效果。更合身的用法,是先看热图里到底是形态、功能还是结构在该方向上更深,再决定动用地还是动路口;第三类城市的工作日格子已经变浅,就不该期待一次静态用地调整会撬动周一早高峰。

一个月内路网和用地被设成常数,也会漏掉一种真实干预。若某城在两周内限制核心区小汽车,拥堵指数可以下降,而 OpenStreetMap 上的用地和路网几乎不动。按本文的构造,TDI 变了,综合指标不变,STCCM 无法把这次下降记成“功能导致了拥堵变化”。要判断这类短期管制,需要把政策时点写进时间维,而不是只在各自的最拥堵时刻做空间邻居重构。


文章作者: 猴猴猴
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 猴猴猴 !
  目录