王淑偉，孫立山，郝思源，榮建

(1.北京工業(yè)大學(xué)北京市交通工程重點(diǎn)實(shí)驗(yàn)室，北京100124；2.國(guó)家發(fā)展和改革委員會(huì)綜合運(yùn)輸研究所，北京100038)

基于精細(xì)化用地的軌道客流直接估計(jì)模型

王淑偉1，2，孫立山*1，郝思源1，榮建1

(1.北京工業(yè)大學(xué)北京市交通工程重點(diǎn)實(shí)驗(yàn)室，北京100124；2.國(guó)家發(fā)展和改革委員會(huì)綜合運(yùn)輸研究所，北京100038)

現(xiàn)有軌道客流直接估計(jì)模型中，對(duì)于用地的描述多基于人口、崗位分布、用地面積等概略數(shù)據(jù)，未能準(zhǔn)確反映用地開發(fā)的多樣性和復(fù)雜性，難以揭示用地混合開發(fā)對(duì)于居民出行的作用機(jī)理.本文采用北京市電子地圖中的興趣點(diǎn)（POI）數(shù)據(jù)表示用地信息，結(jié)合軌道站點(diǎn)多層次吸引范圍劃分，實(shí)現(xiàn)了軌道站點(diǎn)吸引范圍內(nèi)各類用地比例的精細(xì)化描述.通過將精細(xì)化用地信息與軌道站點(diǎn)乘降客流量進(jìn)行回歸分析，總結(jié)了用地、交通、區(qū)位因素對(duì)于軌道站點(diǎn)乘降客流的影響機(jī)理，建立了基于精細(xì)化用地的軌道站點(diǎn)客流估計(jì)模型.驗(yàn)證結(jié)果顯示，模型對(duì)于本文所研究典型站點(diǎn)的預(yù)測(cè)精度達(dá)到預(yù)期，反映了用地與軌道客流之間的強(qiáng)相關(guān)性.

城市交通；軌道交通；精細(xì)化用地；興趣點(diǎn)；直接估計(jì)模型

1 引言

現(xiàn)有軌道客流直接估計(jì)模型考慮的因素可以總結(jié)為內(nèi)部與外部?jī)深?其中內(nèi)部因素是指與軌道站點(diǎn)運(yùn)營(yíng)情況相關(guān)的因素，包括發(fā)車頻率、運(yùn)行速度、準(zhǔn)點(diǎn)率等；外部因素是指與軌道站點(diǎn)周邊特性相關(guān)的因素.研究發(fā)現(xiàn)，外部因素對(duì)于軌道客流的影響程度更明顯[1].外部因素主要包括土地利用因素、社會(huì)經(jīng)濟(jì)因素、交通環(huán)境因素、其他因素四類[2-5].

土地利用是影響軌道客流的最主要因素，通常被總結(jié)為3Ds[6]，即“開發(fā)密度（Density）”、“混合用地（Diversity）”和“用地布局（Design）”.“開發(fā)密度”被認(rèn)為與軌道客流的相關(guān)性最強(qiáng)，常用指標(biāo)包括人口總數(shù)、崗位總數(shù)、人口密度和工作崗位密度等[7].“用地布局”方面的因素由于難以量化，目前主要通過道路等級(jí)、步行環(huán)境等指標(biāo)來衡量[8].相比“開發(fā)密度”與“用地布局”，針對(duì)“混合用地”的研究較多，常用指標(biāo)包括：熵指數(shù)[9]、相異指數(shù)[6]、職住平衡指數(shù)等.

社會(huì)經(jīng)濟(jì)因素主要包括家庭收入、年齡、種族及車輛擁有率等，已經(jīng)被證明對(duì)軌道客流具有一定程度的影響[10].例如：Gutierrez等人通過研究Madrid軌道交通系統(tǒng)客流規(guī)律，發(fā)現(xiàn)外國(guó)人口數(shù)量，以及相應(yīng)地區(qū)商業(yè)與教育崗位數(shù)，與月均客流具有相關(guān)性[11].

交通環(huán)境因素主要包括停車換乘設(shè)施，接駁公交線路、站點(diǎn)可達(dá)性、自駕車出行比例、拼車（Carpool）出行比例、停車費(fèi)用、通勤費(fèi)用、區(qū)位指標(biāo)等.例如：Cervero等人通過分析洛杉磯縣BRT客流，證明“停車換乘停車場(chǎng)容量”與客流量的提升顯著相關(guān)[12].

其他因素主要包括犯罪率、事故率、道路安全、天氣等.Hess[13]等研究發(fā)現(xiàn)，將公交站點(diǎn)布置于主要道路上的區(qū)域，行人事故明顯增多.Kim[14]等指出，犯罪率較高的區(qū)域軌道交通出行率有一定折減，特別是女性乘客都盡量避免在夜間選乘軌道交通.

通過分析研究現(xiàn)狀發(fā)現(xiàn)，現(xiàn)有直接估計(jì)模型中的用地指標(biāo)過于粗略，難以反映各類用地之間的空間耦合關(guān)系.因此，論文結(jié)合軌道站點(diǎn)多層次吸引范圍，借助北京市電子地圖興趣點(diǎn)數(shù)據(jù)，提出軌道站點(diǎn)周邊用地精細(xì)化用地量化方法，并綜合考慮社會(huì)經(jīng)濟(jì)、交通環(huán)境及其他因素，建立基于精細(xì)化用地的軌道客流直接估計(jì)模型.

2 軌道站點(diǎn)周邊用地精細(xì)化分析

首先，基于北京市居民軌道出行調(diào)查，劃分北京市軌道交通站點(diǎn)多方式吸引范圍；其次，基于興趣點(diǎn)數(shù)據(jù)，對(duì)吸引范圍內(nèi)的用地特性進(jìn)行精細(xì)化量化；以上數(shù)據(jù)均為2012年采集的北京市數(shù)據(jù).

2.1 軌道站點(diǎn)多方式吸引范圍劃分

將軌道站點(diǎn)吸引范圍劃分為步行區(qū)、接駁區(qū)與潛在區(qū).其中，步行區(qū)是指絕大多數(shù)乘客能夠通過步行乘坐軌道交通的區(qū)域；接駁區(qū)是指絕大多數(shù)乘客能夠通過自行車或公交車乘坐軌道交通的區(qū)域；潛在區(qū)是指受到某個(gè)站點(diǎn)吸引，但卻在該站點(diǎn)交通吸引區(qū)之外的區(qū)域，潛在吸引范圍的存在通常是由于軌道交通線網(wǎng)覆蓋率不足導(dǎo)致的.

結(jié)合北京市方格型路網(wǎng)特性，對(duì)合理?yè)Q乘距離進(jìn)行修正，得到步行區(qū)的半徑為770m，接駁區(qū)的半徑為3 800m[15]，同時(shí)引入氣象學(xué)中的泰森多邊形，劃分軌道站點(diǎn)潛在區(qū)，如圖1所示，其中離散點(diǎn)為軌道站點(diǎn)，內(nèi)圈圓形區(qū)域?yàn)椴叫袇^(qū)，外圈圓形區(qū)域?yàn)榻玉g區(qū)，外圈圓形之外的區(qū)域?yàn)闈撛趨^(qū).

圖1 北京市軌道站點(diǎn)吸引范圍示意圖Fig.1 Sketchmap of Beijing transitstation catchmentareas

2.2 基于興趣點(diǎn)數(shù)據(jù)的用地量化

提取北京市6環(huán)以內(nèi)興趣點(diǎn)（POI）約10萬個(gè)，用以實(shí)現(xiàn)軌道站點(diǎn)吸引范圍內(nèi)用地的精細(xì)化量化.每個(gè)POI包含四方面信息，名稱、類別、經(jīng)度、緯度，格式如表1所示.

表1 北京市電子地圖興趣點(diǎn)數(shù)據(jù)格式Table 1 POIdata formatof Beijing electronicmap

首先，基于工作、上學(xué)、購(gòu)物、休閑、回程五類主要出行目的，將興趣點(diǎn)重新分類為工作、教育、購(gòu)物、休閑、居住五類.其次，選取興趣點(diǎn)的建筑面積作為指標(biāo)進(jìn)行軌道站點(diǎn)吸引范圍內(nèi)用地的精細(xì)化分析.由于興趣點(diǎn)數(shù)量巨大，難以確定每個(gè)興趣點(diǎn)的建筑面積，因此僅從每類興趣點(diǎn)中選取100個(gè)隨機(jī)樣本，通過實(shí)地調(diào)查確定各類興趣點(diǎn)的平均建筑面積，借以估計(jì)軌道站點(diǎn)吸引范圍內(nèi)各類興趣點(diǎn)的總建筑面積，結(jié)論如表2所示.

表2 基于出行目的的興趣點(diǎn)重新分類及平均建筑面積調(diào)查結(jié)果Table 2 POIreclassification based on trip purposes and average builtarea ofeach type

考慮到步行區(qū)、接駁區(qū)、潛在區(qū)內(nèi)用地對(duì)站點(diǎn)客流的影響程度各不相同，定義步行區(qū)的發(fā)生吸引權(quán)重為1，將各級(jí)吸引區(qū)內(nèi)的興趣點(diǎn)數(shù)量所占比例與該區(qū)域軌道出行量所占比例進(jìn)行對(duì)比分析，確定不同區(qū)域的發(fā)生吸引權(quán)重，結(jié)論如表3所示.

表3 吸引范圍內(nèi)不同吸引區(qū)權(quán)重Table 3 Weights of differentzones within a catchmentarea

運(yùn)用Arcgis地理信息系統(tǒng)，將興趣點(diǎn)與站點(diǎn)吸引范圍進(jìn)行空間疊置分析，結(jié)合上表結(jié)論，確定各站點(diǎn)吸引范圍內(nèi)各類用地建筑面積.為排除對(duì)外交通等隨機(jī)因素影響，僅選取24個(gè)吸引范圍內(nèi)不包含大型交通樞紐、著名旅游景點(diǎn)的典型站點(diǎn)作為研究對(duì)象.

3 基于混合用地的軌道站點(diǎn)客流估計(jì)模型

3.1 用地指標(biāo)構(gòu)建

（1）總建筑面積（At）.

選用總建筑面積指標(biāo)來表示開發(fā)強(qiáng)度.統(tǒng)計(jì)站點(diǎn)吸引范圍內(nèi)各類興趣點(diǎn)的建筑面積，將各類興趣點(diǎn)建筑面積之和定義為總建筑面積.

（2）混合用地指數(shù)（Lm）.

混合用地是指將居住、辦公、商業(yè)等各類用地在特定區(qū)域內(nèi)集中布置的開發(fā)策略.居民的日常出行主要包括工作、就學(xué)、購(gòu)物、休閑等，距相應(yīng)類型用地的遠(yuǎn)近對(duì)其出行方式與出行距離產(chǎn)生顯著影響，這也是新城市主義學(xué)派主張用地混合開發(fā)的重要原因之一.因此，可以認(rèn)為站點(diǎn)吸引范圍內(nèi)主要用地存在一個(gè)理論上的最佳比例，使居民的大多數(shù)生活出行均可以在區(qū)內(nèi)完成，軌道交通出行率降到最低.結(jié)合上述影響機(jī)理分析，基于精細(xì)化用地?cái)?shù)據(jù)，將各類用地的建筑面積與總建筑面積的比值分別定義為工作系數(shù)（rw）、教育系數(shù)（re）、購(gòu)物系數(shù)（rs）、休閑系數(shù)（rf）、居住系數(shù)（rr），乘降客流量與總建筑面積的比值定義為軌道交通出行率（rt）.

基于上述理論分析，運(yùn)用1stOpt（First Optimization）數(shù)據(jù)分析軟件對(duì)軌道交通出行率與用地系數(shù)進(jìn)行回歸分析，回歸形式如式（1）所示.由回歸形式可知，當(dāng)re、rw、rr、rs、rf分別取到b1、b2、b3、b4、b5時(shí)，軌道交通出行率rt取得極小值.

擬合結(jié)果顯示，當(dāng)b1=0.09，b2=0.26，b3=0.28，b4=0.24，b5=0.13，rt取得最小值，即教育、工作、居住、購(gòu)物、休閑五類用地分別站到相應(yīng)比例時(shí)，軌道交通出行率降到最低.因此，將此用地比例組合定義為混合用地指數(shù)Lm，用以衡量混合用地對(duì)于軌道站點(diǎn)乘降客流量的影響：

3.2 交通及區(qū)位指標(biāo)構(gòu)建

（1）交通因素指標(biāo).

當(dāng)區(qū)外出行需求產(chǎn)生以后，影響軌道交通出行比例的主要因素在于其他可選交通方式的方便程度.鑒于自行車在遠(yuǎn)距離出行中所占比例較小，其他交通方式主要考慮公共汽車與私家車，分別采用吸引范圍步行區(qū)內(nèi)公共汽車站點(diǎn)數(shù)量、停車場(chǎng)數(shù)量?jī)蓚€(gè)指標(biāo)，來量化交通因素對(duì)于軌道客流產(chǎn)生的影響.

（2）區(qū)位因素指標(biāo).

區(qū)位是一個(gè)綜合因素，既能體現(xiàn)站點(diǎn)的相對(duì)地理位置，也能從側(cè)面反映其經(jīng)濟(jì)與社會(huì)發(fā)展水平，以及相對(duì)停車費(fèi)用、公共交通便利程度等.因此，以天安門作為北京市的地理中心，并將特定站點(diǎn)與天安門的直線距離作為指標(biāo)值，單位為km.

3.3 非線性回歸模型構(gòu)建

由于用地、交通及區(qū)位指標(biāo)對(duì)于軌道客流的影響機(jī)理非常復(fù)雜，推定模型為非線性形式.考慮到模型形式未知，且SPSS數(shù)據(jù)分析軟件不具有多元非線性回歸功能，本研究首先將自變量和因變量分別取自然對(duì)數(shù)，然后運(yùn)用SPSS軟件進(jìn)行線性回歸，實(shí)現(xiàn)非線性與線性模型的轉(zhuǎn)換.樣本站點(diǎn)指標(biāo)數(shù)據(jù)如表4所示.

回歸得到非線性模型如下：

式中R為站點(diǎn)乘降客流量；At為總建筑面積；Lm為混合用地指數(shù)；Nb為公共汽車站點(diǎn)數(shù)；Np為停車場(chǎng)數(shù)量；Dc為距市中心直線距離.

模型擬合度R2=0.68，證明模型具有較強(qiáng)的解釋能力.圖2為模型計(jì)算值與實(shí)測(cè)值的對(duì)比圖，從另一側(cè)面展示了該模型良好的擬合效果.

圖2 模型計(jì)算值與實(shí)測(cè)值的對(duì)比圖Fig.2 Comparison of calculated and observed ridership

表4 樣本站點(diǎn)指標(biāo)數(shù)據(jù)Table 4 Index value of sam p le stations

由式（3）可知：

（1）站點(diǎn)乘降客流量與總建筑面積正相關(guān).這一發(fā)現(xiàn)符合預(yù)期，因?yàn)榕d趣點(diǎn)總建筑面積的增加意味著該區(qū)域能夠開展更多“社會(huì)活動(dòng)”，從而吸引或產(chǎn)生更多的軌道交通出行（區(qū)外出行）.

（2）站點(diǎn)乘降客流量與公共汽車站點(diǎn)數(shù)正相關(guān).這點(diǎn)也不難理解，步行范圍內(nèi)的公共交通站點(diǎn)有助于優(yōu)化軌道站點(diǎn)接駁水平，使乘客能夠更加方便的來往于軌道站點(diǎn)與“社會(huì)活動(dòng)”場(chǎng)所之間，從而吸引或產(chǎn)生了更多的軌道交通出行.

（3）站點(diǎn)乘降客流量與混合用地指標(biāo)負(fù)相關(guān).理論上看，當(dāng)教育、工作、居住、購(gòu)物、休閑類用地所占比例分別越接近0.09、0.26、0.28、0.24、0.13時(shí)，軌道客流減少，反之則增大.同時(shí)應(yīng)該注意，由于各類興趣點(diǎn)建筑面積之間存在著較強(qiáng)相關(guān)性，在分析混合用地對(duì)于軌道客流的影響時(shí)，要綜合考慮所有用地比例的變化情況.

（4）站點(diǎn)乘降客流量與停車場(chǎng)數(shù)量負(fù)相關(guān).這是由于停車場(chǎng)越多的地方，私家車出行越方便，相應(yīng)就降低了居民出行選擇軌道交通的比例，從而降低了軌道交通的乘降客流量.

（5）站點(diǎn)乘降客流量與距市中心距離負(fù)相關(guān).北京為中心聚集型城市，意味著距離市中心越遠(yuǎn)的站點(diǎn)其優(yōu)質(zhì)社會(huì)資源的密度越低，出行強(qiáng)度也會(huì)相應(yīng)的減少，在軌道客流上則反映為乘降量的減少.

4 模型驗(yàn)證

為評(píng)價(jià)所建模型的有效性，重新隨機(jī)選取10個(gè)軌道站點(diǎn)進(jìn)行模型驗(yàn)證，樣本站點(diǎn)指標(biāo)數(shù)據(jù)如表5所示.

基于所建模型計(jì)算所選站點(diǎn)乘降客流量，并結(jié)合式（4）分析計(jì)算結(jié)果的誤差百分比，結(jié)論如表6所示.

式中E為誤差百分比；R'為計(jì)算客流量；R為實(shí)測(cè)客流量.

表5 乘降客流模型驗(yàn)證數(shù)據(jù)表Table 5 Directestimation modelvalidation data table

表6 模型驗(yàn)證結(jié)果Table 6 Validation results

由表6可知，有80%的站點(diǎn)誤差百分比低于10%，60%的站點(diǎn)誤差百分比低于5%.進(jìn)一步分析發(fā)現(xiàn)，阜成門站與和平西橋站的誤差較高，主要是由于其吸引范圍內(nèi)包含了大型醫(yī)療或旅游類興趣點(diǎn)，并不屬于本分析模型所限定的“典型站點(diǎn)”范疇.

（1）對(duì)于阜成門站，其吸引范圍內(nèi)包含阜外心血管病醫(yī)院，吸引了部分就醫(yī)客流；同時(shí)，魯迅博物館和月壇公園吸引了部分旅游客流.由于本章模型為基于工作、上學(xué)、購(gòu)物、休閑、回程五類主要出行目的所建，導(dǎo)致估計(jì)客流偏低，屬于系統(tǒng)誤差.

（2）對(duì)于和平西橋站，其吸引范圍內(nèi)包含中日友好醫(yī)院，吸引了大量就醫(yī)客流，由于就醫(yī)客流不包含在模型分析范圍內(nèi)，同樣導(dǎo)致了估計(jì)客流偏低，屬系統(tǒng)誤差.

總的來說，本章所建基于精細(xì)化用地的軌道站點(diǎn)乘降客流量分析模型對(duì)于“典型站點(diǎn)”的乘降客流量分析精度較高，達(dá)到了預(yù)期效果.

5 研究結(jié)論

本研究基于精細(xì)化用地?cái)?shù)據(jù)，建立基于混合用地的軌道站點(diǎn)乘降客流量分析模型，為城市公共交通與用地協(xié)同規(guī)劃提供決策依據(jù).模型驗(yàn)證表明所建基于混合用地的軌道站點(diǎn)乘降客流量分析模型對(duì)“典型站點(diǎn)”的乘降客流量分析精度較高（誤差低于10%），達(dá)到了預(yù)期效果.對(duì)于非典型站點(diǎn)的乘降客流，由于影響因素差別較大，在實(shí)際規(guī)劃、設(shè)計(jì)與運(yùn)營(yíng)過程中，應(yīng)根據(jù)具體情況具體分析.

[1]Nebiyou Tilahun,Moyin Li,Piyushimita(Vonu) Thakuriah,etal.Transituse and thework commute:An empirical analysis of the role of urban densities,last mile problems,and personal constraints on mode choice[C].TRB 93rd Annual Meeting Compendium of Papers,2014.

[2]Chakraborty A,Mishrab S.Land use and transit ridership connection:implications for state-level planning agencies[J].Land Use Policy.2013,30(1): 458-469.

[3]LTA.Passenger transport mode shares in world cities[J].Journeys,2011,7:60-70.

[4]Mingardo C.Transportand environmental effects of railbased park and ride:evidence from the Netherlands[J]. J.Transp.Geogr.,2013,30:7-16.

[5]Ratner K A,Goetz A R.The reshaping of land use and urban form in denver through transit-oriented development[J].Cities,2013,30:31-46.

[6]Cervero R,K Kockelman.Travel demand and the 3ds: density,diversity,and design[J].Transportation Research PartD.1997,2(3):199-219.

[7]Chen C,McKnight C E.Does the built environment make a difference?Additional evidence from the daily activity and travel behavior of homemakers living inNew York city and suburbs[J].Journal of Transport Geography,2007,15(5):380-395.

[8]Cervero R.Builtenvironmentandmode choice:toward a normative framework[J].Transportation Research Part D,2002,7(4):265-284.

[9]Frank L,Martin M,Schmid T.Obesity relationshipswith community design,physical activity,and time spent in cars[J].American Journal of Preventive Medicine,2004, 27:87-96.

[10]Sung H,Oh J-T.Transit-oriented development in a high-density city:Identifying its association with transit ridership in Seoul,Korea[J].Citie,2011,28:70-82.

[11]Gutiérrez J,Cardozo OD,García-Palomares JC.Transit ridership forecasting at station level:An approach based on distance-decay weighted regression[J].Journal of TransportGeography,2011,19:1081-1092.

[12]Cervero R,A Round,T Goldman,et al.Rail access modes and catchment areas for the BART system[R]. The University of California at Berkeley Transportation Center,1995.

[13]Kim S,G F Ulfarsson,T JHennessy.Analysis of light rail rider travel behavior:Impacts of individual,built environment,and crime characteristics on transit access[J].Transportation Research Part A:Policy and Practice,2007,41(6):511-522.

[14]Walton D,SSunseri.Factors influencing the decision to drive or walk short distances to public transport facilities[J].International Journal of Sustainable Transportation,2010,4(4):212-226.

[15]Wang Shuwei,Sun Lishan,Rong Jian.Catchment area analysis of Beijing transit stations[J].Journal of transportation systems engineering and information, 2013,13(3):183-188.

Station Level Transit Ridership Direct Estim ation Model Based on Precise Land Use

WANG Shu-wei1,2，SUN Li-shan1，HAO Si-yuan1，RONG Jian1
(1.Beijing Key Laboratory of Traffic Engineering,Beijing University of Technology,Beijing 100124,China;2.Institute of Comprehensive Transportation of NationalDevelopmentand Reform Commission,Beijing 100038,China)

The existing transit ridership models describe land use with indexes such as population, employment and land use area,these indexes can't describe the diversity and complexity of land use development,thusmake it difficult to reveal the influencemechanism ofmixed land use on travel demand. This paperquantifies the precise land use characteristicsof Beijing transitstation catchmentareas using POIs (points of interest)extract from an electronic map.Through the regression analysis of precise land use and transit station boarding volume,a direct ridershipmodel is built based on the influencemechanism analysis of land use,traffic and location factors on transit ridership.Follow ing validation shows the prediction accuracy of the proposed model meets expectation,reveals the strong correlation between land use and transit ridership.

urban traffic;rail transit;precise land use;pointof interest;direct ridershipmodel

1009-6744（2015）03-0037-07

U293.1

A

2014-12-23

2015-03-09錄用日期：2015-03-12

國(guó)家自然科學(xué)基金項(xiàng)目（51308017）；高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助課題（20121103120025）；北京市科技新星計(jì)劃（Z141106001814110）；北京市屬高等學(xué)校人才強(qiáng)教資助項(xiàng)目.

王淑偉（1987-），男，山東諸城人，博士生.＊通信作者：lssun@bjut.edu.cn