李國(guó)強(qiáng)，楊敏，王樹盛

(1.東南大學(xué)交通學(xué)院，江蘇南京211189；2.江蘇省城市規(guī)劃設(shè)計(jì)研究院，江蘇南京210036)

0 引言

軌道交通素以大運(yùn)量、高速度、環(huán)境友好、低能耗、高安全可靠性著稱，與其他公共交通模式相比，在客運(yùn)輸送能力和出行效率上有明顯優(yōu)勢(shì)，是形成多模式城市公共交通系統(tǒng)的主體骨架，能有效支撐城市空間功能布局發(fā)展和緩解城市交通擁堵。隨著公交優(yōu)先戰(zhàn)略的深入推進(jìn)，許多城市迎來了軌道交通發(fā)展全盛期，紛紛將軌道交通規(guī)劃建設(shè)納入綜合交通規(guī)劃和公共基礎(chǔ)設(shè)施建設(shè)計(jì)劃中。

軌道交通車站是城市軌道交通研究的突破口，是聯(lián)系城市軌道交通與乘客的紐帶，軌道交通線網(wǎng)客流實(shí)質(zhì)上是車站客流時(shí)空分布疊加的結(jié)果[1]。軌道交通車站客流輸送效率與軌道交通整體線網(wǎng)運(yùn)營(yíng)效率直接相關(guān)。當(dāng)前中國(guó)城市軌道交通車站高峰時(shí)段進(jìn)出站客流嚴(yán)重失衡，車站周邊用地開發(fā)模式過于單一，軌道交通與車站周邊土地利用和空間組織適配性不高，嚴(yán)重影響了城市軌道交通線網(wǎng)整體客流的輸送效率。2015年，住房城鄉(xiāng)建設(shè)部發(fā)布《城市軌道沿線地區(qū)規(guī)劃設(shè)計(jì)導(dǎo)則》(以下簡(jiǎn)稱《導(dǎo)則》)，明確要求軌道交通規(guī)劃在車站層面做好空間一體化組織引導(dǎo)、交通銜接設(shè)計(jì)引導(dǎo)、步行空間設(shè)計(jì)引導(dǎo)等工作[2]。因此，厘清車站客流與車站周邊土地利用交互關(guān)系對(duì)軌道交通運(yùn)營(yíng)管理、新線開通、沿線用地開發(fā)有重要指導(dǎo)意義。

國(guó)內(nèi)外研究多為基于四階段法的線路和網(wǎng)絡(luò)客流評(píng)估預(yù)測(cè)，很難深入至微觀站域?qū)用孢M(jìn)行客流分析；而當(dāng)前軌道交通車站層面的客流研究又因傳統(tǒng)人口、就業(yè)等數(shù)據(jù)難以采集，其在建立全面的影響因素集方面?zhèn)涫芟拗?。因此，本文突破傳統(tǒng)數(shù)據(jù)采集束縛，結(jié)合新型網(wǎng)絡(luò)爬取數(shù)據(jù)，融合多源數(shù)據(jù)建立影響因素集，利用結(jié)構(gòu)方程模型剖析軌道交通車站客流與周邊土地利用間的作用機(jī)理，并根據(jù)車站客流影響因素分析結(jié)果提出改善軌道交通運(yùn)營(yíng)管理和優(yōu)化車站周邊用地開發(fā)的建議。

1 數(shù)據(jù)獲取與整理

深入挖掘軌道交通車站客流影響因素，應(yīng)在對(duì)軌道交通車站客流特征分析的基礎(chǔ)上，初步判斷影響因素范圍，并建立影響因素集。其中，數(shù)據(jù)處理工作主要包括AFC數(shù)據(jù)預(yù)處理和多源網(wǎng)絡(luò)爬取的POI數(shù)據(jù)融合，前者為分析軌道交通車站客流特征服務(wù)，后者是建立影響因素集的基礎(chǔ)。

1.1 軌道交通AFC數(shù)據(jù)

軌道交通AFC系統(tǒng)，又稱“自動(dòng)售檢票系統(tǒng)”(Automated Fare Collection system)，是實(shí)現(xiàn)軌道交通售票、檢票、計(jì)費(fèi)、收費(fèi)、清分結(jié)算和運(yùn)行管理等全過程的自動(dòng)化系統(tǒng)，完整記錄乘客刷卡進(jìn)出車站時(shí)刻、進(jìn)出車站編號(hào)、刷卡類型等信息。

以2017年1月南京軌道交通AFC數(shù)據(jù)為基礎(chǔ)，針對(duì)6條軌道交通線路和113個(gè)車站，利用Python語言和MongoDB數(shù)據(jù)庫(kù)整理構(gòu)建軌道交通進(jìn)出站客流數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)可供交通從業(yè)者和研究人員做分類查詢，統(tǒng)計(jì)各車站全天單位小時(shí)進(jìn)出站客流量(見圖1)。

1.2 POI數(shù)據(jù)

POI(Point of Interest)即興趣點(diǎn)，該類型數(shù)據(jù)更新速度快、數(shù)據(jù)來源可靠、獲取成本低。當(dāng)前可用POI數(shù)據(jù)來源主要包括地圖服務(wù)商(如百度地圖)和專業(yè)服務(wù)網(wǎng)站(如大眾點(diǎn)評(píng)網(wǎng))。地圖服務(wù)商提供的POI數(shù)據(jù)主要涵蓋了搜取范圍內(nèi)對(duì)象的具體名稱、用地類別、坐標(biāo)三個(gè)方面的重要信息(見表1)，而專業(yè)服務(wù)網(wǎng)站提供的POI則各有特點(diǎn)，基本包含名稱、地址等信息。

圖1 AFC數(shù)據(jù)整理流程Fig.1 Framework of processing AFC data

圖2 鏈家網(wǎng)數(shù)據(jù)與百度地圖數(shù)據(jù)匹配流程Fig.2 Framework of matching Lianjia.com data with Baidu map

表1 地圖服務(wù)商的POI屬性案例Tab.1 Attributes of POI data

首先以Python語言為編程工具，實(shí)現(xiàn)百度地圖、鏈家網(wǎng)、南京公共自行車網(wǎng)等網(wǎng)站的各類POI信息爬取。其中，百度地圖上爬取的POI主要包括住宅、美食、公司、科教文化、購(gòu)物、公共汽車站和地鐵車站等；鏈家網(wǎng)上獲得信息以各個(gè)住宅小區(qū)的信息為主，如小區(qū)的建成年份、房屋總數(shù)、樓棟總數(shù)等信息；從南京公共自行車公司網(wǎng)站爬取公共自行車租賃點(diǎn)的相關(guān)信息。

為確保各數(shù)據(jù)源之間的匹配性，在構(gòu)建影響因素集前需對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理。為了獲取居民樓POI的住戶數(shù)量，從鏈家網(wǎng)獲取的住宅小區(qū)信息需要賦值給百度地圖中對(duì)應(yīng)的住宅小區(qū)，理想情況下，兩種來源的住宅小區(qū)名稱能夠一一對(duì)應(yīng)，進(jìn)而完成匹配賦值，但實(shí)際處理中部分?jǐn)?shù)據(jù)無法匹配，需根據(jù)小區(qū)距離和名稱相似性進(jìn)行匹配賦值(見圖2)。

以上獲取的POI數(shù)據(jù)是南京市域范圍內(nèi)的整體數(shù)據(jù)，在進(jìn)一步分析之前需將數(shù)據(jù)進(jìn)行離散化處理，即分車站統(tǒng)計(jì)其影響范圍內(nèi)的POI信息。而具體的影響范圍距離閾值尚未形成統(tǒng)一結(jié)論。文獻(xiàn)[3]采用800 m作為緩沖區(qū)的距離閾值，并把該距離界定為軌道交通車站服務(wù)范圍的標(biāo)準(zhǔn)步行距離；文獻(xiàn)[4]在2015年的研究中將首爾的軌道交通車站影響范圍劃分為三個(gè)層次：核心區(qū)(≤300 m)、重要區(qū)(>300～600 m)和次級(jí)區(qū)(>600～900 m)，采取多重閾值分析不同區(qū)域內(nèi)影響因素的作用效果。《導(dǎo)則》明確了軌道交通車站緩沖區(qū)的概念，約定距離車站300～500 m的區(qū)域?yàn)楹诵膮^(qū)，距離車站500～800 m的區(qū)域?yàn)橛绊憛^(qū)[2]。鑒于南京軌道交通主要接入接出方式、車站可達(dá)性范圍等特征，綜合考慮《導(dǎo)則》對(duì)車站影響區(qū)的約定和相關(guān)文獻(xiàn)的推薦值，建議研究采用車站周邊800 m范圍作為影響范圍，利用GIS軟件等對(duì)POI數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，部分車站的統(tǒng)計(jì)結(jié)果見表2。

2 基于AFC數(shù)據(jù)的車站客流影響分析

基于AFC數(shù)據(jù)分析軌道交通車站客流時(shí)空變化特征，同時(shí)配合各車站的POI數(shù)據(jù)，解讀客流特征與車站周邊用地特征和車站屬性等因素之間的關(guān)系。

2.1 車站客流分布總體特征

車站客流分布總體特征呈現(xiàn)了兩個(gè)關(guān)鍵特征：1)早高峰進(jìn)站量與晚高峰出站量、早高峰出站量與晚高峰進(jìn)站量基本一致，表明軌道交通出行的對(duì)稱性；2)車站客流量按照核心大、外圍小分布，且早高峰出行有明顯的向心性，反映了土地利用差異對(duì)軌道交通出行的影響(見圖3)。

2.2 分類車站的客流特征分析

基于預(yù)處理的POI數(shù)據(jù)成果，綜合考慮車站影響范圍內(nèi)各類型POI的數(shù)量和比例，篩選出代表居住密集型、崗位密集型、混合型和樞紐型四類典型車站(見表3)。

分小時(shí)統(tǒng)計(jì)代表車站的工作日日均進(jìn)站客流量，并作對(duì)比分析(見圖4)。

居住密集型車站的客流分布具有明顯的早高峰，7:00—9:00的進(jìn)站客流達(dá)到高峰值，此后進(jìn)站客流量迅速下降到較低水平，并維持穩(wěn)定。該類車站的高峰時(shí)段與居民通勤的高峰時(shí)段吻合，且該時(shí)段的進(jìn)站客流量遠(yuǎn)高于其他時(shí)段，可見該類車站工作日的通勤需求大且時(shí)間集中。邁皋橋地鐵站作為一號(hào)線的首末站，輻射外圍居住密集區(qū)域更大，高峰客流更加明顯。

崗位密集型車站客流分布存在明顯的晚高峰，而早高峰時(shí)段，進(jìn)站客流不大，這種客流的分布形態(tài)和居住密集型車站剛好相反，一定程度上能反映南京市內(nèi)職住分離的特點(diǎn)。新街口作為南京市的CBD，高度集中了各類金融、商業(yè)購(gòu)物、文化休閑場(chǎng)所，因此新街口地鐵站除了有大量的工作出行，還有數(shù)量可觀的非通勤出行。

混合型車站周邊用地特征因素復(fù)雜，該類車站主要分布在職住混合區(qū)域，客流呈現(xiàn)居住密集型和崗位密集型車站的組合特征。車站客流同時(shí)具備早高峰和晚高峰，早高峰反映的是車站周邊居民的通勤出行需求，晚高峰反映的則是工作人口下班回家的出行需求。

樞紐站南京站存在早高峰，南京南站全天無明顯高峰。兩個(gè)車站作為城市交通樞紐，起著連接城市內(nèi)外交通的作用，自身功能對(duì)客流的影響更大。由于南京站靠近城市核心，其車站影響范圍內(nèi)有多個(gè)住宅小區(qū)，所以工作日高峰時(shí)段會(huì)反映部分通勤出行特征。

對(duì)四種類型車站的分析表明，工作日軌道交通車站的進(jìn)站客流量和進(jìn)站客流分布情況均與車站周邊的用地特征有明顯的相關(guān)性，同時(shí)與車站的功能屬性有關(guān)。車站周邊的用地類型主要影響客流分布情況，車站周邊的用地開發(fā)密度則影響客流量大小。

3 基于POI數(shù)據(jù)的影響因素集建立

基于車站客流特征分析發(fā)現(xiàn)，軌道交通車站客流影響因素包含土地利用、車站屬性等方面。文獻(xiàn)[5]在2010年的研究中發(fā)現(xiàn)七個(gè)顯著變量：就業(yè)崗位數(shù)量、商業(yè)用地面積、辦公用地面積、網(wǎng)絡(luò)人口密度、換乘次數(shù)、接駁公共汽車線路數(shù)和是否為換乘站，分別屬于土地利用、公共交通接駁和車站屬性；文獻(xiàn)[6]在2014年的研究中，將研究變量合并為土地利用、外部聯(lián)通性、內(nèi)部交通接駁和車站性質(zhì)四大類，包含19個(gè)變量。

綜合既有研究成果和本研究數(shù)據(jù)基礎(chǔ)，將車站的客流影響因素劃分為三大類：土地利用因素、公共交通接駁因素和車站屬性因素，其中土地利用因素和公共交通接駁因素通過POI數(shù)據(jù)進(jìn)行表達(dá)。

圖3 工作日車站客流分布總體狀況Fig.3 Distribution of rail stations ridership on weekdays

3.1 土地利用因素

土地利用特征考慮的因素主要包括：車站影響范圍內(nèi)的居住特征、就業(yè)崗位特征、商業(yè)服務(wù)業(yè)特征等用地強(qiáng)度特征。就業(yè)崗位特征、商業(yè)服務(wù)業(yè)特征可以采用車站周邊已統(tǒng)計(jì)的各種類型POI數(shù)量表征，居住特征采用車站影響范圍內(nèi)的戶數(shù)來衡量，此處的戶數(shù)通過百度地圖POI數(shù)據(jù)和鏈家網(wǎng)數(shù)據(jù)融合后的數(shù)據(jù)乘以一個(gè)時(shí)間折減系數(shù)(入住率)獲取。

表3 四類典型車站的代表車站Tab.3 Examples of four typical rail stations

除了用地強(qiáng)度特征之外，土地利用混合度也是重點(diǎn)研究的方面。在已有的研究中，既有采用教育文化、娛樂休閑或是體育活動(dòng)等設(shè)施的數(shù)量來表征用地混合程度，也有構(gòu)造函數(shù)(如熵指數(shù)、混合用地指數(shù)[7])來衡量土地混合程度，但目前尚無研究表明用地混合度與車站客流直接相關(guān)，本文采用各類設(shè)施的POI數(shù)量來簡(jiǎn)化處理。此外，不少研究考慮到位于城市CBD車站的特殊性，并論證了該變量對(duì)客流影響的顯著性。

因此，土地利用因素部分考慮的因素有住戶數(shù)量、就業(yè)崗位數(shù)量、商業(yè)設(shè)施數(shù)量、文化教育設(shè)施數(shù)量、醫(yī)療設(shè)施數(shù)量、觀光設(shè)施數(shù)量、是否位于CBD等，具體描述見表4。

圖4 四類典型車站的客流特征Fig.4 Ridership characteristics of four typical rail stations

3.2 公共交通接駁因素

完善的公共交通系統(tǒng)換乘服務(wù)，可以提升乘客出行體驗(yàn)，從而提高軌道交通出行率。因此本研究將車站周邊公共汽車接駁線路數(shù)和公共自行車停放點(diǎn)數(shù)量納入考慮范圍，前者可以通過百度地圖POI數(shù)據(jù)獲取，后者可以通過南京自行車官網(wǎng)的POI數(shù)據(jù)獲取。此外，借鑒P&R理念，將車站周邊停車場(chǎng)數(shù)量納入因素集，以分析車站周邊停車場(chǎng)的設(shè)置對(duì)軌道交通出行可能帶來的影響。

3.3 車站屬性因素

客流特征分析表明，車站屬性對(duì)于車站客流有一定的影響，因此將車站是否為首末站納入因素集。此外，車站是否為換乘站這一屬性也相對(duì)特殊，將是否為首末站、是否為換乘站，均設(shè)置啞元變量。

4 軌道交通車站客流影響因素挖掘

4.1 模型選擇和構(gòu)建

為驗(yàn)證基于POI數(shù)據(jù)建立的影響因素集的科學(xué)性和實(shí)用性，挖掘?qū)τ谀暇┸壍澜煌ㄜ囌究土髁烤哂酗@著影響的變量，建立軌道交通車站客流量與影響因素集之間的結(jié)構(gòu)方程模型進(jìn)行分析。

結(jié)構(gòu)方程模型依據(jù)變量的協(xié)方差矩陣來確定變量之間的相關(guān)關(guān)系，包括可觀測(cè)的顯變量和不可觀測(cè)的潛變量，在各研究變量間建立路徑，以分析變量之間的關(guān)系[8]。和傳統(tǒng)的多元線性回歸分析方法相比，本研究采用的結(jié)構(gòu)方程模型在整體理解研究模型上存在獨(dú)特的優(yōu)勢(shì)，既可以控制多個(gè)自變量之間(如就業(yè)崗位數(shù)量和商業(yè)設(shè)施數(shù)量之間)的相關(guān)關(guān)系，又可以考慮不可觀測(cè)的潛變量(如城市居民出行習(xí)慣)影響，適合對(duì)軌道交通車站客流這類復(fù)雜交通現(xiàn)象進(jìn)行分析。

利用Amos建模，變量分別為車站工作日平均進(jìn)站客流量(以下簡(jiǎn)稱“車站客流量”)，住戶數(shù)量，就業(yè)崗位數(shù)量，商業(yè)設(shè)施數(shù)量，文化教育設(shè)施數(shù)量，醫(yī)療設(shè)施數(shù)量，觀光設(shè)施數(shù)量，是否位于CBD，公共汽車接駁線路數(shù)量，公共自行車停放點(diǎn)數(shù)量，停車場(chǎng)數(shù)量，是否為首末站和是否為換乘站，一共13個(gè)變量，此外設(shè)置潛變量。根據(jù)研究目的和變量間相關(guān)性分析，建立路徑，構(gòu)建模型(見圖5)。

表4 影響因素集指標(biāo)選取Tab.4 Variables of influence factors

圖5 結(jié)構(gòu)方程模型Fig.5 Preliminary structural equation model

4.2 模型結(jié)果分析與優(yōu)化

初步模型軟件運(yùn)行結(jié)果為：卡方值531.937，自由度61。一般而言，在自由度相同的情況下，卡方值越小，模型的效果越好，因此模型擬合程度還有待加強(qiáng)。模型輸出結(jié)果中的回歸情況反映的是每個(gè)所選變量對(duì)車站客流量的影響效果。對(duì)車站客流量有顯著影響的變量有商業(yè)設(shè)施數(shù)量、文化教育設(shè)施數(shù)量、公共汽車接駁線路數(shù)量、是否位于CBD、是否為首末站，在90%的置信區(qū)間條件下，住戶數(shù)量也是顯著變量，且上述變量與車站客流之間均呈現(xiàn)正相關(guān)關(guān)系。

在初步模型結(jié)果基礎(chǔ)上，剔除影響不夠顯著的變量，保留住戶數(shù)量，文化教育設(shè)施數(shù)量，商業(yè)設(shè)施數(shù)量，是否位于CBD，是否為首末站和公共汽車接駁線路數(shù)量，研究其對(duì)車站客流量的影響。在變量之間不斷嘗試添加路徑，試圖獲取變量間的相關(guān)關(guān)系，最終優(yōu)化得到模型結(jié)構(gòu)如圖6所示。優(yōu)化后的模型結(jié)果顯示，模型卡方值為79.160，模型自由度為10，模型結(jié)論與初步模型基本一致。

表5 初步模型回歸結(jié)果Tab.5 Regression results of the initial model

表6 優(yōu)化模型回歸結(jié)果Tab.6 Regression results of the optimized model

通過結(jié)構(gòu)方程模型對(duì)影響因素的挖掘發(fā)現(xiàn)，車站影響區(qū)域內(nèi)采用POI數(shù)據(jù)表征的住戶數(shù)量、商業(yè)設(shè)施數(shù)量、文化設(shè)施數(shù)量、公共汽車線路數(shù)量對(duì)車站客流有顯著的相關(guān)關(guān)系，此外，車站是首末站或CBD中心的車站會(huì)導(dǎo)致客流與其他車站產(chǎn)生極大差異。

5 結(jié)語

本文在基于AFC數(shù)據(jù)分析南京軌道交通車站客流特征基礎(chǔ)上，重點(diǎn)利用網(wǎng)絡(luò)爬取POI數(shù)據(jù)系統(tǒng)化建立軌道交通車站客流影響因素集，并通過結(jié)構(gòu)方程模型進(jìn)行驗(yàn)證與分析。結(jié)論如下：

1）從互聯(lián)網(wǎng)獲取的POI數(shù)據(jù)在用于研究用地特征對(duì)軌道交通客流影響的分析上是可行的，同時(shí)對(duì)比傳統(tǒng)數(shù)據(jù)，互聯(lián)網(wǎng)數(shù)據(jù)具有獲取方便，可以精確至車站層面分析，更新方便快捷等優(yōu)點(diǎn)，可以降低研究成本，提高研究效率。

2）住戶數(shù)量、商業(yè)設(shè)施數(shù)量、文化教育設(shè)施數(shù)量以及公共汽車接駁線路數(shù)量等建成環(huán)境因素與車站進(jìn)站客流正相關(guān)。建議一是注重住宅、商業(yè)設(shè)施等市場(chǎng)行為的用地在車站周邊布局的引導(dǎo)和管控，二是預(yù)留文化設(shè)施、體育設(shè)施等公共服務(wù)設(shè)施用地，保障這類用地不會(huì)因?yàn)槭袌?chǎng)行為而被排擠在軌道交通車站影響區(qū)之外，三是強(qiáng)化公共汽車線路的接駁。

3）線路首末站對(duì)工作日進(jìn)站客流量影響很大，主要是由于存在大量的接駁換乘客流。建議在首末站預(yù)控充裕的交通接駁設(shè)施，尤其是公共汽車和自行車設(shè)施，進(jìn)一步放大首末站的空間覆蓋范圍，并提高乘客進(jìn)出站、購(gòu)票、安檢、排隊(duì)上下車等環(huán)節(jié)的效率。

4）除車站屬性外，其余影響因素均反映用地開發(fā)強(qiáng)度水平。建議一是提高軌道交通走廊沿線的用地開發(fā)強(qiáng)度以提升軌道交通全線客流，可以借鑒庫(kù)里蒂巴的帶狀開發(fā)模式，走廊沿線高密度高強(qiáng)度開發(fā)，二是適度平衡沿線車站的用地開發(fā)強(qiáng)度差異以均衡線網(wǎng)客流，提高外圍發(fā)展薄弱點(diǎn)的開發(fā)力度和公共汽車接駁設(shè)施數(shù)量。