基于地铁客运量和城市交通一体化模型的空间网络实证分析——以上海为例

■ 张灵珠 ZHANG Lingzhu 强 丹 QIANG Dan

1 研究背景

为了解决交通拥堵问题，支持经济发展和城市复兴，我国从1995 年前后开始大力发展轨道交通和地铁系统，并将其作为最主要的公共出行方式。截至2019 年底，中国内地40个城市的轨道交通运营线路总长达到6730 km。国内的几个高密度大城市：北京、上海、广州和深圳都已建立大型城市轨道交通网络，且计划继续向郊区扩张，提升服务质量，持续扩大其影响力[1]。其中，上海的轨道交通发展尤为迅速。自1993 年第一条地铁线路投入运营，上海成为国内第三个兴建城市轨道交通的城市。根据2020 年上海市《交通行业运行情况简报》，上海地铁已建成17 条线路，430 个地铁站和729.2 km 的运营线路长度，是世界上年客运量仅次于北京，地铁站数量仅次于纽约，运营里程最长的地铁系统。轨道交通出行在全市公共交通出行方式中的主体地位日益凸显，比例高达65%。且该系统仍在持续扩张，到2020 年底，已有23 条地铁线，近500 个地铁站和超过800 km 的路程。

随着轨道交通为主导的公交模式成为主导交通策略，以公共交通为导向的发展模式（TOD）发展引发关注，越来越多的研究者尝试研究地铁客运量的变化规律与影响因素，以期为优化轨交系统、缓解地铁拥挤问题提供有力的支持。轨道站点地区的土地利用强度、混合度、站点可达性、停车设施等因素都会对站点客运量产生影响[2-3]。其中，可达性被认为是影响客运量的重要因素，Derrible and Kennedy 分析了全球范围19 个地铁网络系统，指出空间网络拓扑关系在吸引人们使用公共交通方面起着极为关键的作用[4]。Cervero 和Ewing 的相关研究也表明，相比于土地使用多样性，城市道路的网络关系与公交和轨交使用频率的相关性更强[5]。

基于这一理解，很多学者将定量方法引入城市形态分析，通过对空间形态的拓扑分析和基于图论的抽象分析，探索城市网络的空间组构及其对社会生活与行为活动的影响。伦敦大学学院（UCL）研究团队于20 世纪70 年代提出的空间句法（Space Syntax）具有代表性，其对于模拟和理解城市形态结构的重要作用已被众多研究证实[6]。而该模型的“可达性”指标是在大尺度范围下度量交通便捷度的有效方法，已被越来越多地运用在交通网络研究中[7]。空间句法在交通流量与空间形态之间的关系研究方面积累了大量研究成果，验证了城市空间拓扑形态对活动有非常明显的影响[8]。伴随着近年来对于空间句法局限性的讨论[9-10]，一系列改进的量化分析方法开始涌现[11]，如英国卡迪夫大学开发的空间设计网络分析（sDNA,Spatial Design Network Analysis）[12]，美国麻省理工大学城市形态实验室提出的UNA系 统（Urban Network Analysis，UNA)[13]，英 国Sergio Porta 教 授 团队开发的MCA 工具等[14]。但国内目前基于上述方法的实证研究较少，基于地铁流量数据的空间句法实证研究亦较为缺乏。

近年来，智能地铁卡记录的通勤数据为研究者从新视角解读城市轨道交通的空间结构和地铁客运量的关系提供了基础数据，相关实验也在近年逐渐受到交通和城市相关领域研究者的重视。英国卡迪夫大学的Alain Chiaradia 将空间句法的应用拓展到传统城市路网外的伦敦地铁线路研究，基于伦敦120 个地铁站点的研究，证明了地铁网络的空间布局和拓扑可达性对站点客运量有较强的直接影响，相关性为0.73（R2=0.54,p＜0.001）[15]。2012 年的后续研究证实，多层面整合模型比单一的街道路网模型可以更好地表达城市交通网络的拓扑关系[16]。张灵珠等将上海中心城区183 个地铁站中每个站点的可达性值与各站单日客运总量进行相关性分析，研究结果与伦敦极为相似，显示站点拓扑可达性与客运量具有很好的相关性（R2=0.497），并且，上海的地铁站点趋向于分布在机动车可达性更高的道路上，可见地铁与道路网络之间存在着一定程度的耦合关系[17]。盛强等基于重庆市二环路内2014 年前已建成的所有地铁线路，用空间句法比较“分离式”模型与“一体化”建模方法模型，对地铁截面流量和进出站客运量的预测能力，就进出站客运量而言，分离式模型中仅采用地铁网络的决定系数为0.22，站点周边500 m 半径内的平均整合度参数的决定系数可高达0.55（半径1.5 km），而一体化分析结果与进出站客运量相关性R2更是高达0.58[8]。综上，除了地铁网络本身，站点周边路网的通达性对站点客运量起到很大作用，这也暗示了地铁与地面道路网络的相互作用。

本研究采用2019 年上海市现有地铁各站（外环线以内的235 个站点）进出站流量数据，利用sDNA 技术，分别测度单一地铁网络、单一地面道路以及地面地下一体化网络模型客运量数据之间的关系，从实证数据分析的角度，验证城市交通一体化模型的空间拓扑关系与地铁站点客运量间的相关性。

2 研究方法与数据

sDNA 基于GIS 分析平台模拟不同交通出行方式的流量，在轨道交通、城市道路、三维步行空间等多种尺度的空间环境中均有所应用。本研究采用了三种建模方式，研究上海市空间网络结构与轨道交通流量之间的关联性。由于地铁网络与地面交通的独立性，首先，单独构建上海市地铁网络进行可达性分析；其次，研究分析了地面道路网络的可达性，从量上覆盖了所有的城市主干道和大部分次级道路及小部分人行支路；最后，将地铁网络与地面网络在站点位置，通过添加额外线段进行连接，构建“一体化”模型[8][16]。由于人们乘坐轨道交通时往往只考虑换乘次数、乘坐站点总数以及列车运行时间，而较少考虑实际乘坐距离，因此，在第一种建模方式中，采用拓扑步数来表达单一地铁网络。涉及到地面交通网络的后两种建模方式，采用结合了米制距离与角度变化的混合（Hybrid）测度方法，可更好模拟行人的寻路机制[18]。三种建模方式均选取反映空间网络流量潜力的穿行度（Betweenness）作为可达性指标[18]。

Chiaradia 等曾对伦敦地铁网络系统的换乘阻尼进行过调研，研究显示，前往同一目的地，只有当总站数减少2 站以上时，人们才会倾向于选择增加一次换乘的另一种线路，这与人们乘坐地铁时的心理相符合[15]。由于轨道交通每运行一站所需时间较为接近，可视为相等，因此，在构建地铁拓扑网络时，每两个站点之间计算为1 个拓扑步数，每换乘一次则计算为增加2 个拓扑步数，该方法在上海市的研究中也得到过验证[19]。

研究所用的地铁客运量统计数据为2019 年7 月18 日（工作日）、7月20 日（周末）上海市中心城区（外环以内）14 条地铁线路共234 个站全天的进站和出站乘客总数。图1 为各站进出站日均总运量，可以看到地铁网络在内环内纵横交错，内环外则呈放射性分布，站点数量在内环以内分布更为密集，进出站流量也集中于核心城区。

3 关联性分析

3.1 单一地铁网络建模分析

研究首先采用上海市2019 年底轨道交通网络模型，计算了拓扑距离为2、3、4……20 和全局半径（n）的穿行度（Betweenness）指标。由于一些站点会有多条线路经过站点，在网络中的可达性有两种表达方式，一种为经过站点的各线路可达性平均值，另一种则为经过站点的多条线路的可达性数值总和，可认为前者仅考虑了轨道网络构型，后者则加权了经过站点的地铁线路数[19]。

位于线路尽端部分的几个站点往往有更大的辐射范围（特别是在远郊区），真实流量远高于预测流量[8]。因此，将10号线江湾体育场站、8号线市光路站、13号线张江路站、6号线港城路站等4 个位于中环线与外环线之间的终点站视为异常点剔除后，再对标准化处理后的站点可达性数值与进出站客运量进行相关性分析。结果显示，站点可达性与客运量有较强相关性，且站点总可达性比平均可达性具有更高的影响，半径为n的总可达性与进出站客运量的相关性（R2）最高，为0.287（图2、3），说明除了地铁网络构型，经过站点的线路数能显著影响站点的客运量。

图2 地铁网络可达性与进出站客运量的数据拟合度分析图

图3 地铁网络可达性分布图

3.2 单一地面道路网络建模分析

进出站客运量是出行目的地的体现，分布于站点周边一定半径内的城市功能也对其起到关键影响。根据“土地利用与交通的反馈循环机制”[20]，站点周边的功能分布受到街区道路空间可达性的影响，空间句法理论亦认为，城市道路网络的组构关系决定了人的活动，进而影响到功能用地的分布[21]。研究采用上海市空间道路网络模型，计算并统计了各站点500 m 半径范围内的平均穿行度指标，分析半径采用了500 m、1 km、2 km……10 km 和全局半径（n）。图4 列出了标准化之后不同半径的穿行度指标与进出站客运量的决定系数，从分析结果来看，半径为2 km 的道路穿行度与轨道客运量的相关程度最高，R2值为0.404，而与全局穿行度相关程度仅为0.117。从图中可以看出，在站点半径与客运量相关性的峰值很可能分布在2～3 km 之间，说明街区级别道路可达性比城市级别路网可达性与客运量的相关性更大。针对上海市四个街区的一项实证研究指出，步行适合小于1500 m 的短距离出行，当出行距离增加到2000～2500 m时，适合中短距离出行的自行车占有相当大的比例[22]。因此，在地铁站2～3 km 辐射范围内的居民，往往采用步行或骑行的方式到达站点乘坐地铁，该范围内的路网组构对地铁站客运量的影响也最大（图5）。

图4 道路网络可达性与地铁站客运量数据拟合度分析图

图5 道路网络可达性分布图（图中由暖色到冷色代表交通潜力从高到低）

3.3 地面地下一体化模型分析

对于空间组构模型与客运量的相关性，Alain Chiaradia 认为，相较于单一模型，多层面的道路组构模型能更好地反映城市空间组构。盛强在截面流量分析时也得出了同样结论，但对于进出站客运量，即本文讨论的因素，其研究发现“一体化”模型只比“分离式”模型的效果略好，并提出超链接的空间机制。基于此，本文将道路和地铁两套网络合并为一个多层面的一体化模型，计算各站点1 km、2 km……5 km 半径和全局半径（n）内的平均穿行度指标，并与标准化处理后的进出站客运量进行相关性统计。分析结果与单一地面道路网络模型的结果相似（图6、7），半径为2 km 的道路穿行度与地铁客运量相关程度最高，R2值为0.406，而与全局穿行度（半径为n）相关性仅为0.059。在相同半径下，一体化模型的相关性只比地面道路网络模型高0.002，差别几乎可以忽略不记。可以看出，两者曲线的走势极其相似，均在半径2 km 左右时相关性达到峰值，全局半径的相关性最低。

3.4 二元回归分析

图8、9 为单一地铁网络建模全局可达性、单一地面道路网络可达性（n=2 km）与客运量的分类散点分布图。可以看到，尽管基于单一地铁网络计算的拟合度对全部站点而言仅有0.287，但它对于城市中心区域（内环以内）站点客运量的拟合度可达0.428，意味着地铁网络组构可从宏观上把握城市大体的中心区域（图7）。与单一地铁网络模型结果相比较，道路可达性对中心区域客运量的拟合度仅为0.158，但在非中心区域有极大提高，尤其是中环以外站点，拟合度可高达0.53。

图7 网络可达性分布图

图8 单一地铁网络（半径n）可达性分析图

基于上述分析结果，本研究尝试将分析半径2 km 的道路网络可达性和分析半径为n的地铁网络站点总可达性这两个因子作为自变量，地铁进出站客运量作为因变量，建立二元一次回归分析。从结果来看，模型拟合度可达0.527（表1），较单一地铁网络或地铁网络建模分析得到大幅提升，意味着这两个自变量可解释约53%的地铁进出站客运量。

表1 模型汇总

图9 单一地面道路（半径2 km）可达性分析图

4 结语

本研究基于上海市中心城区地铁进出站流量数据进行研究，利用空间网络分析技术，建立单一地铁网络、单一地面道路网络、一体化模型对地铁站流量进行拟合与比较分析。研究发现，单一地面道路网络可达性对地铁进出站流量的解释度高于地铁网络可达性，而地面地下一体化模型对于流量的解释度提升极为有限，仅从0.404 提高到0.406。此外，虽然基于单一地铁网络计算的可达性对于客运量的拟合度只有0.287，但地铁网络对于城市整体结构与中心区域的识别作用具有不可替代性，且在内环内站点的拟合度较优。因此，对地铁客运量的研究不仅应考虑地铁站点拓扑结果的吸引力，也应考虑地面道路的空间吸引力。

内环以内的核心区域，其客运量与轨道网络可达性相关性较强，而内环以外站点客运量则表现出与道路可达性更高的拟合度。一方面，是因为上海市绝大部分换乘站点都分布在内环以内，换乘线路数对站点总可达性与客运量变量起到关键性影响。具体而言，在内环89个地铁站中，有40个换乘站点，换乘站比例高达45%，这一比例在内中环间，中外环间2个空间范围内分别为16%与5%。另一方面，由于内环以内街坊尺度较小，道路分布密集，道路可达性差异较小，而核心城区的城市功能布局较为混合，开发强度整体较高。在上文散点图中体现为内环以内站点道路网络可达性集中分布于右侧，客运量集中分布于上方，因而相关性结果较差。

可达性通过影响人的活动作用于土地利用，轨道交通与地面交通是两套相对独立又互相作用的系统，这两套系统共同影响包括轨交客运量在内的行人活动分布。在城市轨道交通迅速发展的条件下，采用量化的方法对地铁客运量分布进行预判，可为优化地铁网络结构、缓解地铁拥挤等问题提供有力的支持。通常来说，新的交通设施能立即带来可达性的变化，但可达性对于土地利用的影响，以及随之带来的客运量变化会有一定时间的滞后。因此，未来的研究可考虑对地铁站客运量进行纵向研究，分析地铁网络可达性变化的滞后效应。