基于大数据的城市区域步行可达性研究

彭 辉，熊 豪，田佳雨

(长安大学 公路学院， 西安 710000)

随着西安市的经济发展，机动车保有量持续增加，西安市机动车在2017年年底达298.6万辆，机动车消耗了大量的土地以及能源资源，以机动车为导向的城市发展模式导致了城市的交通拥堵以及空气污染。步行交通作为一种环保的出行方式，是缓解城市交通拥堵及污染的重要手段，对城市步行交通进行定量的评测具有重要意义。可达性反映不同区域通达的便利程度，对步行交通的可达性测度是评价城市步行交通的一种重要方法。步行指数 (walkability index) 是国际上一种量化测度步行性的方法,用于衡量某一街道或社区是否适宜市民步行出行,可用于城市步行友好度评估，主要通过计算单点和面域步行指数来评价居民步行到各类目的地的便利程度。胡瑞山[1]采用两步移动搜索法，在研究区域内以行政村和医院为分析单元，基于迪卡斯特拉算法计算出各村到医院(卫生院)的最短通行时间，进而分析各村医疗空间可达性分布状况。夏余丽[2]运用空间句法及公交站点POI数据分析西安城市轨道交通可达性，分析结果量化了轨道交通的可达性，从而优化公共交通布局。马书红[3]对公路网络的可达性进行研究，对比分析了几种常用的可达性度量模型，通过验证发现重力模型可以反映公路网的交通特性和节点间相互作用。可以看出：现阶段的可达性分析单元的尺度为街道、行政村等，但步行是一种微观的行为，大尺度的研究单元可能会忽略出行者的一些特性，所以本文以城市内的建筑点作为可达性分析的研究单元，对区域内的可达性分布做定量分析。

1 研究背景

1.1 研究区域概况

本文的研究区域为西安市雁塔区。雁塔区位于西安市南城板块，地铁二号线和三号线通过雁塔区，其中二号线为南北走向有4个站点，三号线为东西走向有10个站点；雁塔区内有195条常规公交线路，503个公交站点。

1.2 数据来源

本文包含4个方面的数据，分别为城市路网数据、城市建筑数据、POI数据、微博签到数据。其中，POI是“point of interest”的缩写，可以翻译成“兴趣点”，也有些叫作“point of information”，即“信息点”。

API即应用程序编程接口，通过接口可以获取在线地图的数据，如城市道路数据、公交线路数据等。城市路网数据包括雁塔区主干道、次干道、小区道路。路网数据由百度地图API获取拼接而成。城市建筑数据为雁塔区内的39 897个建筑数据，建筑数据由百度地图获取，为简化数据处理过程，将建筑的平面数据转化为点数据。POI数据即百度地图上的气泡图表示的点数据，共获取电子地图上的景点、政府机构、公司、商场、饭馆等数据20 616条。微博签到数据来自2017年互联网，共21 294条。

2 步行可达性度量指标

2.1 度量距离

表1 步行距离敏感性评价

2.2 度量权重

由于不同种类的POI点对出行者的重要程度不同，需要对不同POI点赋予不同的权重来反映POI点的重要程度。本文基于Duncan[8]建立的美国服务设施权重分类表，并结合中国服务设施的实际使用情况，采用专家打分赋予权重的方法，建立了雁塔区服务设施分类及权重表，如表2所示。

3 研究过程

3.1 模型简介

在进行可达性度量时，采用Reach模型仅计算给定搜索半径内每个起点周围的目的地数量(可以按照目的地属性进行加权)，若进行重力度量，还可计算每个目的地所需的旅行成本。根据Hansen(1959)，重力指数是最受欢迎的空间可达性措施之一。

假设起点i的可访问性与目的地j的吸引力(权重)成比例，并且与i和j之间的距离成反比。采用如下模型：

(1)

其中：i表示起点；j表示终点；r为搜索半径；Gravity[i]r为从起点i出发的搜索半径之内的重力指数；W[j]为目的地权重；d[i,j]为i与j之间的测量距离；α为控制目的地吸引力(权重)的指数；β为调整距离衰减影响的指数。

步行以“米”为测量单位，β对应0.002 17 m，α的取值设为1，以便于计算。

表2 POI点权重

3.2 分析工具及理论

根据Setsuk.A团队开发的UNA Toolbox for Rhino，进行步行可达性分析。居民完成一次出行的过程为城市居民从建筑物i出发，由于建筑物可理想化为点，所以从建筑物到达道路的路径为从建筑点向道路做垂线，当到达道路上后，沿着道路的方向按照半径为r建立缓冲区，根据缓冲区中的POI数量以及距离，通过重力模型计算重力指数，一个点的重力模型可以可视化为图1。该工具对各建筑点重力指数的值赋予不同的颜色，重力指数越高，可达性越高，颜色偏向红色；而重力指数越低，可达性越低，颜色偏向蓝色。

图1 Reach重力模型示意图

图1中的点表示获取的POI点，r表示Reach搜索半径。模型中的指定阈值r不是以建筑物为圆心做一个欧几里得距离半径(如图2)，而是建筑物在路网上的距离，即从建筑物出发到目的地经过路网的实际距离(如图3)。

4 结果及分析

4.1 可达性分析

本文共获取39 897个建筑点，基于重力模型得到的重力指数被赋予各个建筑点。由于部分点在6个尺度内的重力指数为0，去除这些点后对剩余的39 686个建筑点做描述性统计，可以得到表3和图4。由表3可知：各个距离范围内，中位数均低于均值且偏度大于0，表明大部分建筑点的重力指数小于均值；极差很大且最小值很小，表明了重力指数分布差异较大。

图2 欧几里得半径r示意图

图3 Reach半径r示意图

表3 重力指数描述性统计

由图4发现，随着出行距离的增加，均值、中位数、极差的增长率逐渐降低。根据表3中对不同出行距离的舒适度分类可以看出，出行距离的增加会降低出行的舒适度，从而减小城市居民的出行意愿，降低目的地POI点的吸引力。由图4可以看出，3个参数增长率的变化有一致性，在600 m出行距离时增长率达到最大，随后逐渐降低。这种变化趋势符合重力模型的特点。由于区域内的POI点数量有限，所以建筑点的重力指数随着出行距离的增加，POI点的吸引作用是有限的，但是空间距离的阻隔效应会逐渐增加，从而使步行可达性降低。

图4 统计数据增长系数

重力指数表示在空间距离的阻隔下所能接触的服务设施的权重之和，重力指数越高表示建筑点的可达性越高。对应建筑点的不同重力指数由高到低赋予彩虹色，即红、橙、黄、绿、蓝、靛、紫7种颜色，红色表示可达性最高，紫色表示可达性最低。从表3可以看出：300 m范围内的出行中位数低于均值，所以大部分区域的重力指数低于18，而小部分区域的重力指数在200左右，体现在图5中则为86.3%区域呈现可达性低的蓝色重力指数在12.213以下，而0.016%区域呈现红色重力指数在200以上，表明POI点具有呈现聚集分布，即大量的POI点在部分区域内聚集。在300 m出行范围内，红色区域可以在舒适的步行状态下接触大量的生活服务设施，而占其中大多数的区域为蓝色，在舒适的步行状态下获得服务设施很少。整个区域的可达性分布的差异性很大，雁塔区西部和中部的可达性明显高于东部，西部和中部可达性高的区域呈现出红色，而东部区域可达性高的区域仅有少量的绿色重力指数在[12.213，18.912]区间内，且比较分散。这是由于西部有高新经济开发区，有大量企业，而中部区域有如小寨聚集大量商业街；但在雁塔区东部，有大量的旅游休闲设施，由于景区占地面积较大，且古建筑较多，使得该区域的POI分布稀疏，雁塔区的东南部为大量尚未开发的土地，故雁塔区东部97.5%的区域呈现绿色和蓝色，重力指数在18.912以下。

图5 300 m步行可达性分布图

出行距离从300 m逐渐增长为600、900、1 200、1 500 m，图6的红色区域有所增长，面积在整个区域内的占比为0.86%。红色区域代表了雁塔区步行可达性最高的区域，重力指数在348.5以上；橙色和黄色区域围绕在红色区域周围，面积占比达5.8%，这些区域内的建筑点可达性较好，重力指数在[198.2，348.5]范围内；绿色区域的面积变化最大，当出行距离在1 500 m内时大部分的建筑点的重力指数在42.1以上，即绿色区域，这些区域明显分布在雁塔区东部以及西北部，面积占比达73.2%。1 200 m可达性分布图和1 500 m可达性分布图的差异不大，且从表3中的重力指数描述性统计中各参数在1 200～1 500 m变化不大，在出行距离达到1 200～1 500 m的范围内，该区域POI点对出行者吸引力作用和空间距离的阻隔作用达到平衡。

图6 600～1 500 m步行可达性分布图

4.2 公交站点可达性

当出行距离超过1 800 m时，出行者将会选择其他交通工具，西安市公共交通主要由地铁和公交组成，公交站点的可达性分析由地铁站和公交站为基点。

4.2.1地铁站点可达性

图7为雁塔区各个建筑点最大步行可达性分布图。图8将地铁线路和可达性分布图进行叠加分析，地铁线路周围的区域可达性较高。根据李孟冬[7]对轨道交通站点步行可达性的研究，城市居民对于附近站点的适宜性步行距离为750 m。从各个站点出发，沿着路网将步行距离750 m范围内全部建筑点和地铁站点相连，即为地铁站点的服务区域。如图7、8所示，大部分可达性高的区域都在地铁站点的服务范围内，表明大部分可达性高的区域拥有便捷的城市轨道资源。

图7 1 800 m步行可达性分布图

图8 地铁站点服务区可达性分布图

4.2.2公交站点可达性

图7中部蓝色区域的步行可达性较低，所以为了接触到更多的POI点，居民需要通过改变出行方式才能在一定的出行时间内获得更多的POI点。而由于现阶段地铁线路较少，所以公交仍是重要的中长距离出行方式。本研究共收集了公交站点503个，通过各个建筑点周围的公交站点的重力指数来研究雁塔区公交站点的可达性。一般而言，公交站点的覆盖范围为500 m，所以基于重力模型，以建筑点为起点、以公交站点为终点构建重力模型。

图9中站点可达性分布整体较为均匀，主要体现在站点可达性高的黄色和绿色区域分布均匀而且占比较大，这些区域的站点重力指数在24.4以上。这些区域在500 m的步行距离范围内可以接触到较多的站点和公交线路，城市内部的中长距离出行较为方便，绿色以及黄色区域占整个区域的88.6%以上。但是仍然存在着站点可达性较差的蓝色区域，这些区域的最低站点重力指数为0.43，需要增设站点。雁塔区东北部的区域的步行可达性较差，但是站点可达性较高，表明该区域虽然服务设施分布较少，但是存在着大量需要中长距离出行的人群。

图9 公交站点可达性分布图

4.3 人口密度叠加分析

根据微博签到数据绘制人口分布热力图，将热力图和1 800 m步行可达性分布图进行叠加分析，如图10所示。由图10可以看出：地铁线路的主要部分在人口密度大的地方；雁塔区西北部步行可达性呈现红色区域，人口密度较低，表明这里的服务设施供过于求，但是整体上，人口热力图和步行可达性的分布有较好的一致性。

图10 叠加人口密度的可达性分布图

5 结束语

在能接受的出行距离范围内，雁塔区整体的步行可达性较高，在可接受的出行距离范围1 500 m内，一半的建筑点的红利指数在67以上，表明此区域具有友好的步行交通。雁塔区西部的可达性明显高于东部，同样的出行的距离内，雁塔区西部区域内的居民能够接触到更多的服务设施，区域内的街道更加有“活力”，更易激发居民步行出行的兴趣，居民出行选择步行的概率更大。地铁站点的服务区域能覆盖大部分可达性较高的区域，地铁和步行交通的紧密结合，使得雁塔区站点具有良好的步行可达性。雁塔区公交站点整体分布均匀，可达性高的区域占比88.6%，即使在步行可达性较差的区域内也能有较高的公交站点可达性，即在相同时间内，步行可达性较差区域内的居民可以通过公交接触到较多服务设施，从而满足居民的出行需求。