基于网络开放数据的城市公共交通可达性公平测度研究

刘 炜 董傲然 邓 雷 朱 彤* 皮钰鑫

(西安市城市规划设计研究院1) 西安 710082) (长安大学运输工程学院2) 西安 710064) (张家港市交通运输局3) 张家港 215600) (深圳市城市规划设计研究院有限公司4) 深圳 518052)

0 引 言

城市公共交通是为社会公众提供基本出行服务的社会公益性事业和重大民生工程[1].建立量化指标并有效评估公共交通发展水平，对于进一步科学制定城市交通发展战略具有重要作用.交通可达性是判断公共交通发展水平的主要指标，相关文献通过计算交通可达性反映城市交通特征及存在的问题，包括交通基础设施与城市结构、土地利用之间的相互联系，度量城市居民参与社会经济活动便利性，评价城市交通系统公平性等[2].

为了分析多种交通模式之间的可达性差异，相关研究还引入了公共交通和小汽车交通可达性之间差异的计算模型[3](以下简称交通可达差).公共交通相对可达性越好，城市交通设施集约性越好，对于城市可持续发展更为有利.早期研究用该指标评价香港交通系统可持续水平，后续研究多用其评估城市或区域的可持续发展水平.Hess[4]发现纽约州西部地区小汽车交通可达性要好于公共交通可达性.Kawabata等[5]发现旧金山各区域之间的交通可达差较大.Salonen等[6]研究发现大赫尔辛基地区的小汽车交通和公共交通的出行时间存在显著差异，且城市中心的交通可达差比郊区小.此外，交通网络空间分布的公平性也是交通可达性研究中需要解决的重要问题，基尼系数最初用以衡量一个国家或地区居民收入公平性，也可以用来反映交通网络在空间中的发展均衡性.

以往文献多用静态数据反映城市交通宏观问题，近年来基于大数据交通可达性计算如何实现动态化、微观化发展获得了广泛关注，许多学者开始寻求表现可达性时变特性的方法与数据.Paezaez等[7]使用GPS数据来分析公共交通和私人交通可达性的差异.谷歌地图也被用于比较相同线路下公共汽车与私人小汽车出行时间差异.Lei等[8]基于开源的Web地图对可达性进行动态分析.Ferguson等[9]结合谷歌地图研究了苏格兰地区交通可达性.Stpniak等[10]将网络地图开放数据用于交通研究中，网络地图开放数据平台可获取实时两点之间预期通行时间.

文中利用网络编程技术提取网络地图开放平台数据，但将其与网格化的人口数据相结合并融入交通可达性计算过程，在更精细的尺度上获得具有时变特性的可达性值.论文以西安市中心城区部分区域为案例研究对象，通过计算分析公共交通可达性、交通可达差及公平性结果，并比较各个区域之间的时变特性.

1 公共交通可达性及公平性测度模型

1.1 基于Huff模型的可达性计算模型

应用Huff模型计算空间点的平均出行时间.Huff模型是引力模型在空间分析中应用，起始点前往目的地点的平均出行时间计算公式为

(1)

式中：Ti为区域i的平均出行时间；pij为从点i出行前往点j概率；tij为从i至j的通行时间成本；n代表居民点个数.根据类似重力的相互作用原理，出行选择概率的计算公式为

(2)

式中：Mj为区域j的社会经济活动吸引力，比如区域生产总值、人口、车流量等，考虑到本文的研究区域内的交通网络与人口的拟合度较好，且交通对人口的变化起基础性作用[11]，故本文以网格中的人口数量来反映区域的吸引力；α为常数，代表距离衰减系数，用来反映通行成本对出行选择的影响.一般来说，α越大，反应城市中心区域可达性所表现的数值也越好.通常在计算范围较小的条件下，这种影响微弱，可忽略不计，因此本文计算时取α= 0.

结合式(1)～式(2)，得居民点i的平均出行时间为

(3)

1.2 不公平性测度模型

引入测量社会不公平的基尼系数作为交通不公平度的计算方法，其计算公式为

(4)

式中：G为可达性指标下的基尼系数；Xk为各地理单元累计的人口占比，%；Yk为各地理单元累计的可达性占比，%；n为地理单元数.

此外，引入表示社会不公平度的洛伦茨曲线表示不公平状况，通常以区域累计人口百分比为横轴，累计可达性百分比为纵轴构建曲线.此时，曲线与绝对平等线y=x围合形成的面积与绝对平等线与横纵轴围合形成的三角形面积的比值即为基尼系数.

2 数据获取

2.1 网格化人口数据

人口密度数据来源于中国科学院资源环境科学数据中心的网格化的人口空间分布数据库.该数据库以全国分县/区人口统计数据为基础，综合考虑了与人口密切相关的土地利用类型、夜间灯光亮度、居民点密度等多种因素，利用多因子权重分配法将以行政区为基本统计单元的人口数据展布到空间格网上，从而实现人口的空间化.该数据已被应用于各类地理信息的计算中[12].

2.2 网络平台数据

地图开放平台的实时路况信息由包括浮动车数据在内的多元数据进行估算，每2 min更新一次估计结果.这种大数据驱动的估计方法可以提供高精度的出行时间估计值[13].

出行时间由网络地图开放平台获取.在地图开放平台中确定城市起始点和目的地点集合，在平台中通过JavaScript与HTML程序计算起点和终点之间预期出行时间.在同一对起讫点之间分别计算公共交通出行时间，其中，公共交通方式为公交和地铁组合方式的最短出行时间，也包含两端出行的步行时间.

与传统的出行时间计算方法相比，本文所使用的出行时间估计方法由于使用网络平台数据，因此具有以下优点：①路网精确度更高，道路网络信息根据城市道路建设进程不断更新；②能够实时反映出道路交通的拥堵状况，在传统模型中通常根据道路等级对应的行驶车速估计出行时间，无法反应出实时的交通拥堵状况；③能够反映更细致的交通路线，对于转弯、掉头路径规划由于考虑到交通管制因素而更为准确；④网络平台对于公共交通线路、站点有准确定位，因此可以更为准确的估计换乘和到达公交线路终点之后的步行时间.

3 实例研究

以西安市中心城区作为本文的研究案例，西安市中心城区包括6个行政区，面积为826 km2，见图1a).研究范围共计50个乡镇级行政单位，2018年末全市常住人口1 000.37万人，其中，莲湖、碑林区、新城区人口较为集中、道路网密集，其他三区外围人口较少，具有郊区的特征.

图1 研究范围道路网络及人口密度图

将研究区域划分为1 km2的空间网格，获取各个小块几何中心点的经纬度作为居民出行点，共计获得840个居民网格.居民点的人口分布呈现出南多北少的特征，人口主要分布在碑林区、新城区及雁塔区.西安市中心城区的人口密度分布见图1b).

4 研究结果与分析

4.1 公共交通出行时间

计算每个网格点公共交通的Ti值.分别计算09：00—10:00、07：30—08：30、18：00—19：00三个时段各网格点的平均值.选择上述三个时段，是因为根据当地交通运行的情况，上述三个时段通常为非高峰期、早高峰期和晚间高峰期.

Ti值见表1.三个时段的公共交通平均出行时间相差不大，主要集中分布于60～90，90～120 min两个时间段，其余比例总共仅占17.5%～19.05%.值得注意的是，尽管120 min以上的出行时间仅占3.57%～3.81%，但甚至有个别地点的甚至达到了330 min以上，这说明有极少数区域公共交通水平发展极低.

表1 公共交通平均出行时间分布频率

Ti指标的空间分布特征见图2.各居民点的公共交通平均可达时间以碑林区为中心，呈不规则圈层式分布，中心可达性较好，外围可达性相对较差.比较3个时段内的情况，各区的公共交通平均可达时间差异不大；时段3时间略有增加.

图2 公共交通平均出行时间分布示意图

为便于比较，计算小汽车交通Ti见表2.小汽车交通平均预期出行时间主要集中分布于30～40，40～50 min两个时间段，97%～99%居民点的平均可达时间在60 min以内.时段1与时段2的可达时间差异不大，但二者与时段3的数值差异较大，说明晚高峰时间私家车交通拥堵情况比较严重，造成了出行时间出现较大变化.小汽车交通与公共交通相比出行时间明显更短，这与以往研究其他城市的结果有一定的相似性[14].说明在西安市也存在私人交通出行时间小于公共交通时间的情况，不利于向集约化更高的公共交通发展.值得注意的是，私人交通受时间的影响比较明显，在时段3与时段1、2的分布差异较大，时段3差异略小.

表2 私人交通平均可达时间分布频率

4.2 交通可达性差异

对每个网格的公共交通与小汽车交通差异进行计算，分析结果见图3，每个点的横坐标是私人交通可达性值，而纵坐标是公共交通可达性值.显然，点越靠下则公共交通可达性越好.此外，用核密度法计算点在坐标系中的集中程度.

图3 公共交通与小汽车出行时间对比图

绝大多数交汇点位于线y=x上方，意味着每个居民点公共交通的可达水平都低于私人交通.且随着私人交通可达时间的增加，交汇形成的点越来越偏离y=x，意味着随着出行时间的增加，公共交通和私人交通的可达时间差距越来越大，且可达时间小的居民点反而可达差距比较小.时段公共交通与小汽车交通差距比其他时间略小，点的分布更接近于y=x线，但总体趋势与其他时段相似.

计算各行政区的可达性差异，在各网格点可达性差异指标分布来看，西安市中心城区6个区域分布在0.31～0.44，晚高峰时计算值明显降低，分布在0.26～0.39，见表3.此外，在地铁沿线较高，而地铁未到达的区域较低，越远离市区中心则越低.可以发现区域之间差异较大，说明目前研究区域内公共交通发展与小汽车交通网络相比，仍有较大的差距，此外公共交通在市区内部、外围发展非常不均衡.

表3 各行政区可达性差异统计性指标

4.3 不公平性测度

利用基尼系数计算公共交通与小汽车交通的不公平程度.计算结果见表4，公共交通各时间段公平性相差不大；小汽车交通晚高峰时期不公平程度低于平峰、早高峰.数据表明从区域均衡性来看，公共交通网络发展仍然与小汽车交通存在差异.此外，小汽车交通晚高峰时段均衡度下降，说明市区中心在晚高峰时段明显受到交通拥堵的影响，与外围区域可达性更为接近.

表4 公共交通与私人交通方式分时段基尼系数

利用基尼系数和洛伦兹曲线对西安市中心城区内部交通可达性差异进行分析，见表5和图4.结果显示，不同辖区内部交通不公平程度差异较小：雁塔区、碑林区、莲湖区基尼系数小于0.05；灞桥区、未央区、新城区基尼系数大于0.05，但都小于0.1.同样说明了市区内可达性差异明显存在不均衡现象.

表5 行政区可达性差异的基尼系数计算结果

图4 可达性差异洛伦兹曲线分布图

5 结 论

1) 考虑到目前可达性计算时变性、微观化的发展趋势及现有文献数据应用的不足之处，论文利用网络开放平台获取实时出行时间估计数据，并将起与结合1 km2网格化的人口空间分布数据，以西安市中心城区的6个行政区为例，计算可达性及其空间公平性指标.

2) 与以往的计算结果相比，由于网络开放平台的实时更新而具有路网精确度高、能实时反映道路交通的拥堵状况、能够反映更细致的交通规划路径、公交线路与站点定位准确定位的优势.此外，其计算结果表达的可达性时变特征是以往数据无法实现的.

3) 计算结果表明西安市的公共交通出行时间大于小汽车交通出行时间，晚高峰期间小汽车交通出行时间略有增加，但仍好于公共交通.从空间分布均衡情况来看，公共交通的均衡程度也较差，上述两方面说明公共交通整体水平及其分布均衡性都有待提高.

4) 公共交通可达性呈现圈层分布，距离中心越远的区域可达性越差，说明外围的公共交通水平低于市中心区域，这与其他城市有一定相似性，但是西安市的情况比其他城市的情况要更为明显，说明局部区域公共交通发展明显滞后.论文所提出的方法，适用于各城市可达性计算与分析，但各城市可达性特征随其交通网络发展程度而存在差异，应单独予以分析.

5) 可达性的计算不仅包括时间距离，还包括不同出行者基于自生属性(文化属性、性别属性、社会属性等)的主观因素.客观可达性的评价模型众多，本文只选取了其中有代表性的模型，后续研究可结合社会调查，对主观可达性进行深入研究，并加强主客观可达性的比较分析.