高德輝，許奇，陳培文，胡佳俊，朱宇婷

（1.中國城市建設(shè)研究院有限公司，北京 100120；2.北京交通大學(xué)，綜合交通運輸大數(shù)據(jù)應(yīng)用技術(shù)交通運輸行業(yè)重點實驗室，北京 100044；3.北京工商大學(xué)，電商與物流學(xué)院，北京 100048）

0 引言

以公共交通為導(dǎo)向的開發(fā)模式(Transit-Oriented Development,TOD)是實現(xiàn)軌道交通出行服務(wù)與城市功能深度融合的重要保障，是適合高密度開發(fā)城市的發(fā)展戰(zhàn)略[1-2]?？土餍Ч窃u估城市軌道交通與土地利用一體化程度的核心問題[3]。鑒于此，研究城市軌道交通客流分布與車站TOD 建成環(huán)境特征的依賴關(guān)系，將有助于提高站城一體化發(fā)展以緩解城市病問題。

既有研究表明土地利用是影響客流的關(guān)鍵因素[3-5]，包括開發(fā)強度、混合用地和用地布局等3 個方面。TOD建成環(huán)境同樣強調(diào)土地利用要素，即高密度的用地開發(fā)，混合的用地功能，良好的城市設(shè)計的3D 特征[6]。另外，TOD 強調(diào)平衡公共交通的供給與用地開發(fā)產(chǎn)生的出行需求。在此基礎(chǔ)上，Ewing等[7]提出TOD建成環(huán)境的5D特征，新增的兩個特征為公共交通良好的可達性和可獲得性。

既有研究對城市軌道交通客流分布與土地利用依賴關(guān)系的分析較充分，但對其與TOD 建成環(huán)境的研究仍不夠細致。部分學(xué)者拓展節(jié)點-場所模型[8]定性分析客流與TOD 建成環(huán)境的關(guān)系[9-10]。為定量刻畫TOD 建成環(huán)境對客流的影響程度，既有研究多采用多元線性回歸模型[11]和非線性模型[12]以刻畫兩者的依賴關(guān)系。然而，這些研究未充分考慮城市軌道交通與TOD 建成環(huán)境的空間效應(yīng)，例如軌道交通客流分布的空間異質(zhì)性及其對用地功能的空間依賴[13]，進而導(dǎo)致估計結(jié)果可能存在偏差。

空間計量模型等全局常參數(shù)模型是研究城市軌道交通客流與土地利用空間依賴的主要方法[3]。但全局模型分析僅能刻畫兩者復(fù)雜空間關(guān)系的平均結(jié)果，忽略其空間異質(zhì)性導(dǎo)致的局部特征[13]。更多的學(xué)者采用地理加權(quán)回歸技術(shù)(Geographically Weighted Regression,GWR)等局部變參數(shù)模型刻畫這種空間特征。然而，經(jīng)典的GWR 模型假設(shè)解釋變量的最優(yōu)帶寬具有一致性，忽略TOD 建成環(huán)境要素對客流分布的影響具有空間尺度差異的事實，進而可能導(dǎo)致估計結(jié)果的不穩(wěn)健。因此，需利用多尺度GWR 模型(Multiscale GWR, MGWR)以期刻畫城市軌道交通客流對TOD建成環(huán)境的依賴效應(yīng)的多尺度空間特征。

鑒于此，為刻畫TOD 建成環(huán)境的5D 特征，提出基于多源地理大數(shù)據(jù)的城市軌道交通車站周邊環(huán)境的識別方法；以北京市軌道交通為例，利用MGWR研究TOD建成環(huán)境特征與客流分布的空間局部特征，分析兩者依賴關(guān)系的復(fù)雜空間模式。

1 研究區(qū)域與數(shù)據(jù)說明

以北京市軌道交通系統(tǒng)為案例研究區(qū)域，截至2020年，其開通線路24 條，運營里程727 km，車站364座(換乘站不重復(fù)計)。研究數(shù)據(jù)主要包括：

(1)用地開發(fā)。POI(Point of Interest)點數(shù)據(jù)反映城市用地功能分布和開發(fā)程度，可通過互聯(lián)網(wǎng)開源數(shù)據(jù)和工商數(shù)據(jù)兩類平臺獲取[14]，北京市域內(nèi)約141 萬條有效數(shù)據(jù)。然而，POI 數(shù)據(jù)未體現(xiàn)地理實體的空間尺寸，還需進一步基于POI 識別AOI(Area of Interest)面數(shù)據(jù)，約3.8萬條數(shù)據(jù)。另外，建筑物和構(gòu)筑物等三維矢量數(shù)據(jù)可用于細粒度的土地利用評估測算，也可通過互聯(lián)網(wǎng)開源數(shù)據(jù)平臺獲取。

(2)交通運行。交通出行時間是測算可達性的關(guān)鍵信息。利用高德地圖平臺的路徑規(guī)劃技術(shù)獲取任意兩個1 km×1 km 柵格像素之間的公共交通出行信息[14]，采集工作日早高峰時段(7:00-9:00)的最短出行路徑信息約507萬條。另外，為評估慢行交通環(huán)境，基于互聯(lián)網(wǎng)電子地圖平臺獲取以北京市軌道交通車站為中心的10 min步行等時圈。

(3)客流數(shù)據(jù)。采用2019年12月11日(星期三)北京市軌道交通運營線路客流數(shù)據(jù)，共計21條運營線路，330 座車站，客流數(shù)據(jù)為早高峰(7:00-9:00)的出站客流量。

城市軌道交通車站直接影響范圍是其步行吸引范圍，通常用半徑為300～1500 m 的圓形區(qū)域[3-5,9-13]或8～12 min步行等時圈表示[16]。然而，這兩種方式均不能處理中心城區(qū)由于站間距過短而導(dǎo)致影響范圍重疊的問題。針對此局限性，本文將車站的影響范圍半徑設(shè)為800 m，求該車站圓形區(qū)域和其泰森多邊形的交集，據(jù)此定義該集合為車站的影響范圍。

2 研究方法

2.1 車站TOD建成環(huán)境變量及計算方法

建成環(huán)境是因人類生產(chǎn)生活等活動而形成的人居環(huán)境狀態(tài)，TOD 建成環(huán)境主要與土地利用模式、交通系統(tǒng)和城市設(shè)計等要素密切相關(guān)。Ewing等[7]提出刻畫TOD 建成環(huán)境特征的5D 特征，即密度、混合用地、設(shè)計、公共交通可達性和可獲得性。既有研究[17]從多角度提出刻畫軌道交通TOD 建成環(huán)境的變量及其計算模型。根據(jù)已有數(shù)據(jù)，本文定義如下：

(1)密度

高密度(Density)用地開發(fā)是車站TOD 建成環(huán)境的顯著特征。采用建筑密度刻畫該特征，即地塊上建筑物基底總面積占總用地面積的比值，則車站影響范圍內(nèi)建筑密度估算公式為

式中：Di為第i個車站的建筑密度；si,j,k為車站i影響范圍內(nèi)地塊j上第k個建筑物或構(gòu)筑物的基底面積(m2)；Sj為地塊j的用地面積(m2)；J為位于地塊j內(nèi)的建筑物和構(gòu)筑物的集合；I為位于車站i影響范圍內(nèi)的AOI地塊集合；|·|為計算集合中元素的個數(shù)。

(2)混合用地

混合用地(Diversity)或城市功能混合是車站TOD 建成環(huán)境的另一個顯著特征。采用熵的概念刻畫土地利用和城市功能的多樣性程度，則車站用地功能混合度計算公式[3]為

式中：Ei為第i個車站的用地功能混合程度熵，取值范圍為[0, 1]，該值越大則用地功能混合程度越高；Hiu為第i個車站的第u類POI數(shù)量占其全部類型POI 數(shù)量的比值；U為POI 集合；M為POI 類型的集合，|M|=8。

(3)設(shè)計

TOD是公共交通服務(wù)與用地功能融合的區(qū)域，兩者的協(xié)同依賴于良好的城市設(shè)計(Design)，其核心問題是營造步行和自行車友好的出行環(huán)境。評估慢行交通環(huán)境的指標(biāo)通常僅采用路網(wǎng)密度等基礎(chǔ)設(shè)施類指標(biāo)。針對慢行交通優(yōu)先的道路空間設(shè)計的評估，采用Pedshed ratio 刻畫車站慢行交通環(huán)境[18]，計算公式為

式中：Pi為第i個車站的Pedshed ratio值，該值越大表明車站10 min 步行等時圈越接近其理論影響范圍，即慢行交通環(huán)境越好；Si,10min為第i個車站的10 min 步行等時圈的面積；Si,PCA為第i個車站理論影響范圍的面積，取值為本文定義的車站影響范圍。

(4)可達性

良好的可達性(Destination Accessibility)是軌道交通TOD 競爭力的核心要素。采用累計機會模型評估車站所在區(qū)域的公共交通可達性，計算模型為

式中：Ai為第i個車站所在1 km×1 km柵格的累計機會可達性；On為第n個柵格的POI的數(shù)量；tin為柵格i和n之間的公共交通出行時間(min)[14]；f為0-1 函數(shù)，當(dāng)tin≤tmax時，f（tin）=1，否則，f（tin）=0，tmax=47 min[15]；N為柵格的集合。

(5)可獲得性

居住就業(yè)區(qū)域與公共交通車站的距離(Distance to Transit)反映出行者的公共交通服務(wù)的可獲得性，是反映居民獲取公共交通服務(wù)便捷與否的指標(biāo)。借鑒倫敦的可達性評估方法，采用車站影響范圍內(nèi)所有建筑物與車站歐式距離的平均值來刻畫該特征，計算公式為

式中：Ti為第i個車站影響范圍內(nèi)所有建筑物與車站距離的平均值；di,j,k為車站i影響范圍內(nèi)地塊j上第k個建筑物與車站中心的歐式距離(km)。

2.2 軌道交通客流與車站TOD建成環(huán)境變量的計算模型

城市軌道交通客流與TOD建成環(huán)境的依賴關(guān)系呈現(xiàn)顯著的空間不平穩(wěn)。鑒于此，采用GWR 模型研究客流與TOD 建成環(huán)境變量的空間異質(zhì)性，并在此基礎(chǔ)上，進一步放寬模型估計過程中解釋變量的影響具有相同空間尺度的假設(shè)，采用MGWR模型刻畫客流與TOD建成環(huán)境變量依賴關(guān)系的空間異質(zhì)性及其尺度效應(yīng)，即

式中：yi為第i個車站的早高峰出站客流量；(ui,vi)為車站i的經(jīng)緯度坐標(biāo)；β0(ui,vi)為車站i的常數(shù)項；βb(ui,vi)為車站i的第q個TOD 建成環(huán)境特征xiq的估計參數(shù)，b為該變量估計參數(shù)使用的最優(yōu)帶寬；εi為誤差項，服從正態(tài)分布N（0,σ2）。

GWR 和MGWR 的空間權(quán)重函數(shù)均采用Gaussian 函數(shù)，最優(yōu)帶寬由AICc 準(zhǔn)則計算。但MGWR 模型需先初始化各帶估計參數(shù)值，然后不斷優(yōu)化初始值直至收斂?？紤]收斂速度，本文采用GWR的估計參數(shù)為MGWR模型的初始值，并采用殘差平方和(RSS)的變化比例作為收斂準(zhǔn)則，即前后兩次回歸的RSS值之差不大于收斂值。

基于MGWR模型研究軌道交通車站出站客流與TOD 建成環(huán)境變量的依賴關(guān)系，估計系數(shù)根據(jù)模型變量是否取對數(shù)可解釋為邊際效益或彈性，即TOD 建成環(huán)境變量變化1 個單位或1%，車站客流變化β個單位或（100×β）%。就回歸結(jié)果而言，當(dāng)估計參數(shù)為正值時，解釋變量對出站客流的影響為正效應(yīng)，TOD建成環(huán)境越顯著，車站出站量越大；反之亦然。估計參數(shù)的空間分布反映車站出站客流與TOD建成環(huán)境的依賴關(guān)系的空間不平穩(wěn)。

3 案例分析

3.1 北京市軌道交通TOD建成環(huán)境的空間特征

圖1為北京市軌道交通車站TOD 建成環(huán)境特征的空間分布。其中，圖1(f)為各建成環(huán)境變量的樣本數(shù)據(jù)標(biāo)準(zhǔn)化后的均值，反映車站的TOD 程度。從圖中可知，表征車站TOD 建成環(huán)境的變量具有顯著的空間異質(zhì)性特征，具體表現(xiàn)為：

(1)開發(fā)強度（xD）、慢行系統(tǒng)設(shè)計（xP）、公共交通可達性（xA）等3 個變量的空間分布相似，均呈現(xiàn)由中心城區(qū)向郊區(qū)徑向遞減的多層分布結(jié)構(gòu)，如圖1(a)、(c)和(d)所示。例如，車站所處的區(qū)位是影響其周邊用地開發(fā)強度的關(guān)鍵，因此該特征的變量與北京市用地功能布局顯著相關(guān)。類似地，xP的空間分布與中心城區(qū)較高的道路密度網(wǎng)和適宜慢行的路網(wǎng)結(jié)構(gòu)相關(guān)，而xA則源于公共交通的資源配置方式。

(2)與上述3個特征的空間分布相反，居民活動區(qū)域與公共交通車站的距離（xT）的空間分布則呈現(xiàn)內(nèi)低外高的圈層結(jié)構(gòu)，且整體上南小于北，如圖1(e)所示。這種空間特征表明：北京市公共交通可獲得性較好的區(qū)域仍位于中心城區(qū)；同為服務(wù)外圍平原新城的房山線、大興線和亦莊線則顯著優(yōu)于昌平線和15號線。

(3)混合用地（xE）的空間分布與其余4 個特征均不一致。從整體上看，北京市西北部區(qū)域車站的土地利用混合程度較高，而用地功能混合較低的車站均是就業(yè)崗位集中區(qū)域，例如中關(guān)村區(qū)域和上地西三旗組團。剩下車站的周邊用地功能較為單一，例如，服務(wù)外圍居住組團的房山線、大興線和亦莊線；就業(yè)崗位集中區(qū)域的泛CBD區(qū)域和望京等。

綜上，城市軌道交通車站TOD 建成環(huán)境也呈現(xiàn)顯著的空間異質(zhì)性特征，如圖1(f)所示，且這種空間效應(yīng)是各類具有顯著區(qū)域差異的各特征變量影響結(jié)果的疊加。

圖1 北京市軌道交通TOD建成環(huán)境特征的空間分布Fig.1 Spatial distribution of built environment characteristics of TOD for Beijing Subway

3.2 參數(shù)估計與模型評估

基于空間模型分析北京市軌道交通早高峰出站量與其TOD建成環(huán)境的依賴關(guān)系。在回歸分析中，僅因變量出站量取對數(shù)形式，則估計系數(shù)β的解釋為TOD建成環(huán)境特征變量增加1個單位，車站出站客流增加（100×β）%，結(jié)果如表1所示。其中，估計值為1%、5%、10%顯著水平和不顯著的β平均值，括號內(nèi)數(shù)字為各顯著水平下樣本數(shù)占總樣本數(shù)的比例。

局部變參數(shù)模型的估計結(jié)果對帶寬的選取敏感。當(dāng)帶寬覆蓋整個研究區(qū)域時，空間局部模型退化為普通最小二乘法全局模型(OLS)。從表1中易知，GWR解釋變量的最優(yōu)帶寬b均為66，即用于估計各車站β的所需樣本為與其鄰近的66 座車站。MGWR的各解釋變量最優(yōu)帶寬不一致，除xT的影響范圍更傾向于全局變量外，其余特征均為局部變量。

從表1中估計參數(shù)的顯著性可知，GWR 的結(jié)果中分別有50%、75%、40%、83%和51%的車站出站客流，與5個TOD建成環(huán)境特征的估計參數(shù)至少在10%顯著水平上通過檢驗，表明兩者的依賴關(guān)系具有顯著的空間異質(zhì)性。由于考慮解釋變量影響范圍的空間尺度差異，MGWR估計效果更優(yōu)，除xD減少34%外，其他各解釋變量顯著的估計參數(shù)相較于GWR分別增加16%、3%、16%和45%。上述結(jié)果表明：MGWR可更好地刻畫樣本數(shù)據(jù)的區(qū)域差異。

表1 基于GWR和MGWR回歸模型的參數(shù)β 估計結(jié)果對比Table 1 Comparison of estimated parameters of GWR and MGWR models

表2為不同回歸模型擬合效果評價指標(biāo)對比，其結(jié)果進一步印證上述論斷。分析可知，全局模型OLS的解釋能力僅為51.2%，殘差的Moran'sI則達到0.186，表明該模型未充分考慮樣本的空間效應(yīng)，估計效果較差。鑒于此，空間模型的估計效果顯然優(yōu)于OLS。

表2 不同回歸模型估計效果評價指標(biāo)對比Table 2 Comparison of evaluation indexes of different regression models

另外，同為局部變參數(shù)模型，MGWR的解釋能力則達到83.7%，殘差的Moran'sI僅為0.008，基本

消除殘差的空間效應(yīng)，AICc 和RSS 也均為最小。相較于GWR，該模型能更好地刻畫客流與TOD 建成環(huán)境變量依賴關(guān)系的空間異質(zhì)性及其尺度效應(yīng)，估計效果更好。

3.3 結(jié)果分析

3.3.1 影響因素參數(shù)分析

從表1中MGWR的估計參數(shù)β可知，在1%顯著水平下，xD的均值為0.22，即該解釋變量變化1個單位，因變量增加22%。結(jié)果表明：若這些車站周邊用地開發(fā)強度提高50%，則出站客流將增加11%，這與東京澀谷站未來之光的開發(fā)效果相當(dāng)?？土髟黾拥脑蚴切略龅木蜆I(yè)人口將成為城市軌道交通潛在的客流需求。類似地，車站區(qū)域公共交通可達性的改善對增加客流具有更加顯著的促進效果，xA提高50%，車站出站量將增加26%。

城市軌道交通車站與周邊居住就業(yè)區(qū)域的鄰近是影響通勤出行的關(guān)鍵因素，但案例結(jié)果表明，xT的估計參數(shù)為正值，基于進站量的分析也得出類似的結(jié)果。部分通勤者依賴于城市軌道交通出行，對“最后一公里”較不敏感。北京圍繞車站0～150 m內(nèi)的容積率是800 m 以外的2.5 倍[19]，其xT的平均值為263 m，車站周邊開發(fā)的緊湊度尚可。這也是導(dǎo)致上述結(jié)果的可能原因。也正因為如此，除物理空間鄰近外，慢行交通出行環(huán)境的提升能顯著地改善客流效果。結(jié)果表明：xP改善50%，出站客流將增加33%。

xE的估計參數(shù)是負值，表明城市軌道交通車站周邊用地功能的混合對客流是負效應(yīng)，即用地功能的混合程度降低1單位，出站客流將增加34%。這與北京市軌道交通車站所呈現(xiàn)低混合用地-高客流和高混合用地-低客流的聚集趨勢一致；且在低混合用地區(qū)域，土地利用以商業(yè)用地為主，其占比平均值達到65%，顯著高于其他區(qū)域的49%[3]。

3.3.2 估計參數(shù)的空間特征

城市軌道交通車站出站客流與其TOD建成環(huán)境特征的依賴關(guān)系具有顯著的空間異質(zhì)性。MGWR 模型的β值和t值的空間分布如圖2所示。其中，車站的顏色深淺和圓圈大小分別表示估計參數(shù)值和顯著性水平的大小。

圖2 基于MGWR模型的各車站β 值和t 值的空間分布Fig.2 Spatial distribution of β and t-value of stations of Beijing Subway based on MGWR

從圖2分析可知，出站客流與xD、xP和xA等3個TOD 建成環(huán)境特征依賴關(guān)系的空間分布相似。在1%和5%顯著水平下，33 座車站(占有效樣本的12%，下同)的xD和92座車站(32%)的xP均為正值，其對提高出站客流具有顯著的促進效果，且這些車站大部分位于連接郊區(qū)和中心城區(qū)的線路的外圍區(qū)域。類似地，267 座車站(93%)的xA也呈現(xiàn)上述空間特征，且相較于中心城區(qū)，公共交通可達性的改善對郊區(qū)客流的正效應(yīng)更加顯著。

xE和xT的客流影響效果則呈現(xiàn)區(qū)域性特征。235 座車站(82%)的xE為負值，與車站出站客流負相關(guān)，這些車站主要分布于除北京西南地區(qū)以外的區(qū)域。而181 座車站(64%)的xT為正值，與車站出站客流正相關(guān)，這些車站分布于北京的東南區(qū)域，包含大興線、8 號線南段、亦莊線、八通線和6 號線東段的車站。

綜上，TOD建成環(huán)境對城市軌道交通車站客流的影響效果區(qū)域差異顯著。北京的城市空間是單中心結(jié)構(gòu)，土地利用和交通服務(wù)仍然以中心城區(qū)為主，其城市發(fā)展水平較郊區(qū)高。因此，xD、xP和xA等變量的客流影響效果均呈現(xiàn)郊區(qū)改善效果優(yōu)于中心城區(qū)的空間特征。鑒于此，郊區(qū)車站的TOD發(fā)展策略應(yīng)以增加供給和完善基礎(chǔ)設(shè)施為主。

與上述模式不同，xE和xT的客流影響效果好的區(qū)域主要覆蓋如泛CBD等城市核心區(qū)。這些區(qū)域僅依靠單純地提高開發(fā)規(guī)模和強度等發(fā)展策略已不能達到改善效果，而更應(yīng)該關(guān)注TOD 發(fā)展質(zhì)量的提升，例如為更好地推進職住平衡所需采取的用地結(jié)構(gòu)調(diào)整和緊湊開發(fā)。基于北京的案例表明，不同區(qū)域車站的TOD 發(fā)展應(yīng)采取差異化策略，郊區(qū)車站更適合強調(diào)數(shù)量的發(fā)展策略，中心城區(qū)車站則更應(yīng)強調(diào)發(fā)展的質(zhì)量。

4 結(jié)論

本文基于北京市軌道交通車站出站客流及TOD 建成環(huán)境特征等多源地理大數(shù)據(jù)，采用MGWR研究上述兩者關(guān)系的空間分布特征及其尺度效應(yīng)，研究結(jié)果表明：

(1)采用開發(fā)強度、混合用地、慢行交通環(huán)境、公共交通可達性和可獲得性等5 個變量分別刻畫城市軌道交通TOD 建成環(huán)境的5D 特征。xD、xP和xA等變量呈現(xiàn)中心城區(qū)向郊區(qū)徑向遞減的多圈層空間分布，xT則恰好相反；xE的空間分布呈現(xiàn)西部區(qū)域車站的土地利用混合程度高于東部的特征。這種空間異質(zhì)特征源于城市土地利用和交通服務(wù)的區(qū)域差異性。

(2)相較于經(jīng)典GWR，MGWR 的估計結(jié)果更為可靠，其解釋能力達到83.7%，殘差的Moran'sI為0.008，更好地刻畫車站出站客流與TOD 建成環(huán)境特征依賴關(guān)系的空間異質(zhì)性及其影響尺度，進而避免捕獲過多的噪聲及其空間效應(yīng)對估計結(jié)果的干擾。因此，是否考慮不同要素影響的空間尺度對客流影響效果的分析將產(chǎn)生顯著影響。

(3)TOD建成環(huán)境對城市軌道交通車站客流的影響效果呈現(xiàn)顯著的區(qū)域差異特征。這兩者關(guān)系的空間非平穩(wěn)性表明：不同區(qū)域車站的TOD 開發(fā)應(yīng)采取差異化的發(fā)展策略。郊區(qū)車站更適合強調(diào)規(guī)模和強度的發(fā)展策略，例如，提高車站周邊用地開發(fā)強度，增加路網(wǎng)密度以改善慢行交通環(huán)境以及整合交通與土地利用以提高可達性等；中心城區(qū)的車站則較難通過進一步提高規(guī)模和強度以改善客流效果，而應(yīng)更強調(diào)發(fā)展的質(zhì)量，例如，協(xié)調(diào)軌道交通廊道沿線的用地結(jié)構(gòu)并采取緊湊開發(fā)模式以推進職住平衡。