基于改进两步移动搜索法的轨道交通接驳可达性分析

袁红霞，徐菱*,1b，严余松,1b,2，江文辉

（1.西南交通大学，a.交通运输与物流学院；b.综合交通大数据应用技术国家工程实验室，成都 611756；2.成都工业学院，成都 611730）

0 引言

在一些大中城市，随着轨道交通运营网络的基本成型，轨道交通逐渐成为城市公共交通的骨干。轨道交通接驳可达性衡量了轨道交通出行“前后一公里”的接驳便利程度，研究轨道交通接驳可达性对充分发挥轨道交通优势，构建以轨道交通为核心的公共交通体系具有十分重要的意义。

自1959年HANSEN[1]提出可达性概念以来，可达性被广泛应用于城市规划和交通工程等学科领域。公共交通可达性包括站点可达性和网络可达性[2]，前者指居民使用不同出行方式到达公共交通站点或从站点到周边目的地的便利程度；后者指从某地出发，通过公共交通网络前往目的地的便利程度，通常以出行距离、时间、成本及一定出行时间或空间阈值内所能获取的机会数量作为度量指标。例如，ZUO等[3]在估计公交服务覆盖的人口或工作数量时考虑距离衰减的影响；LI 等[4]运用广义出行费用和空间句法研究轨道站点吸引力可达性和辐射可达性；陈锦渠等[5]运用空间句法和乘客广义出行费用量化站点易达性和网络可达性；姚志刚等[6]改进了基于直线缓冲区法的站点可达性计算方法，提出考虑距离衰减的路网距离缓冲区法；于文涛等[7]以距离阈值和时间阈值内可获取POI（Point of Interest）数量分别衡量城市公交站点服务可达性和网络可达性。

从已有研究看，公共交通可达性研究较少直接关注站点“前后一公里”的接驳可达问题。ZUO等[3]研究公交站前后一公里的步行和骑行路网连通性与促进公交出行的关系；ZUO等[8]也进一步讨论了步行和骑行接驳对公交网络可达性的影响，但都关注公交出行全过程。LI[4]、陈锦渠[5]和于文涛[7]等虽然研究了站点的前后一公里可达性，但是以站点为分析对象。TANG 等[9]以出行时间衡量可达性，研究了不同接驳公交线路形式对地铁的公交接驳可达性影响。这些研究虽然关注了接驳问题，但较少从居民出行需求视角，分析居民出发地的站点接驳可达性。

公共交通可达性度量方法可分为3类，即基于距离、基于重力和基于效用的度量方法[2]，具体常用的度量方法有覆盖法、最近距离法、重力模型法和两步移动搜索法等[10]。其中，覆盖法以服务覆盖的总人口数或覆盖比例度量，较难反映服务范围内可达性的空间差异；最近距离法通常以出行距离、时间或成本作为衡量指标，可用来反映居民出发地到公共交通站点的接驳可达性，但没有考虑站点的服务吸引力；重力模型法虽然同时考虑了站点服务吸引力（供给侧）和出行距离、时间及成本等空间阻抗因素，但没有考虑居民出发地（需求侧）的情况；两步移动搜索法引入“空间阈值”概念，是一种以二分法度量空间阻抗影响的改进重力模型法，从站点（供给侧）和居民出发地（需求侧）两个角度搜索分析，可用来度量居民出发地的站点可达性，也可识别站点服务范围内的可达性空间差异。但两步移动搜索法也存在缺陷，即以二分法度量空间阻抗，没有考虑随着接驳阻抗增加可达性呈衰减的趋势[10]。

本文从居民出发地角度，研究步行、共享单车和公交这3 种接驳方式下从居民出发地到轨道交通站的接驳可达性问题，提出在第二步搜索过程中引入距离衰减函数的改进两步移动搜索方法，计算3 种接驳方式的接驳可达性，分析轨道交通站点周边的可达性空间分布差异，并进一步结合人口分布梳理轨道交通出行重点区域和出行盲区，以期为优化站点周边接驳设施，提升轨道交通服务水平提供依据。

1 改进两步移动搜索法

两步移动搜索法（2SFCA）被广泛应用于公共设施（例如，绿地、医疗、办公和公交设施）的可达性研究[10-13]中。该方法首先通过出行时间/距离阈值定义公共设施点的服务范围并计算范围内的供需比，再从需求点角度计算出行阈值范围内可获得的总服务大小，即可达性。2SFCA 法的计算步骤[13]如下。

Step 1 对于每个公共设施点j，以j为中心，搜索d0阈值范围内的所有需求地k，统计所有需求地的人口数量，计算设施点j的服务供需比Rj，即

式中：Sj为公共设施点j的服务能力；Pk为需求地k的人口数量；d0为距离阈值；dkj为需求地k与设施点j之间的距离。

Step 2 对于每个需求地i，以i为中心，搜索d0阈值范围内的所有设施点j，将这些设施点的服务供需比求和，得到每个需求地i的可达性指数Ai，即

根据2SFCA法的计算原理，对于某个需求地，超过阈值范围的公共设施点均不可达，阈值范围内的设施点全部可达，但没有考虑到达设施点的意愿会随着出行距离增加呈衰减的趋势。以往研究中，一些学者在两步搜索过程中引入距离衰减函数进行修正，即

式中：f（dij）为距离衰减函数，一般有f（dij），f（dij）=exp（-βdij）和几种函数形式。居民出行对距离越敏感，距离衰减系数β的值越大。

本文研究从居民出发地到轨道交通站的接驳可达性，步行、共享单车和公交这3 种接驳方式对距离的敏感程度具有显著差异。根据式（3），在同一区域中，距离阈值和接驳距离相同的情况下，Step 1搜索过程中接驳方式对距离越敏感，轨道站接驳覆盖的服务人口越少，其人均服务能力越高，可能产生较高的可达性；但在Step 2 搜索过程中，对距离越敏感，轨道站人均服务能力的距离加权和越小，即较低的可达性。在同样的接驳环境下，利用式（3）计算3 种接驳方式的可达性，可能由于Step 1 得到的人均服务能力太高而产生距离更敏感的接驳方式具有更高可达性的结果[12]，例如，步行可达性比共享单车可达性高，直观上容易产生步行比共享单车出行效率更高的理解。

为了尽可能避免上述情况，使3种接驳方式的可达性对比结果更具有合理性，本文在Step 1搜索过程中不考虑距离衰减的影响，仅在2SFCA 法的Step 2搜索过程中引入3种接驳方式的距离衰减函数，即

式中：为采用接驳方式m时，出发地i的轨道交通接驳可达性，其值越大，可达性越好；为采用接驳方式m时的轨道交通站点供需比；Sj为轨道交通站j的服务能力；do为轨道交通站的服务辐射距离；和为采用接驳方式m时两地之间的接驳距离；f（）为其距离衰减函数，本文采用负指数函数形式。

轨道交通站服务能力与站点各个设施设备能力及其组织运用和线路运营参数等因素相关[14]。参考文献[13]，其服务能力可由开行频率和列车额定载客量确定，本文在此基础上引入停站时间和进出站口数量进行修正，即

式中：Lj为站点j所经过的轨道线路集合；fl为线路l单位小时的平均开行趟次；Cl为线路l开行列车的额定载客量；tlj为停站时间修正系数，由线路l开行列车在站点j的停站时间与全网络最大停站时间的比值确定；hlj为进出站口数量修正系数，由站点j的进出站口数量与全网平均数量的比值确定。

本文将轨道站周边150 m 范围内有公交停靠站的公交线路作为接驳公交线路，在采用公交接驳轨道交通时，考虑居民出发地周边是否有公交线路可达。本文的接驳距离利用ArcGIS10.8 在道路和公交网络数据集中提取，为计算方便，做出如下假定：（1）从居民出发地到达公交站的接驳过程不考虑空间阈值，即居民总可以找到一条可接驳轨道站的公交线路；（2）从居民出发地到公交站仅采用步行接驳方式，考虑步行距离对公交接驳的影响；（3）轨道站与附近接驳公交站距离较短，忽略此路段对公交接驳的影响；（4）共享单车与步行接驳轨道交通的接驳路径相同，忽略共享单车前后步行距离的影响。基于此，3种接驳方式的距离衰减函数为

式中：为步行和共享单车接驳方式的距离衰减系数，m={步行，共享单车 }；和分别为居民出发地到公交站的步行接驳距离及其距离衰减系数；和分别为公交接驳距离及其距离衰减系数。

2 实例应用

2.1 研究区域与数据

成都是国内以轨道交通为主体发展公共交通的城市之一，从2010年9月27日正式开通地铁1号线以来，截至2021年6月，成都市已开通12条地铁线路，线路总长518.96 km。成都市地处成都平原，城市空间是典型的圈层式结构，在成都三环内地铁线路交织成网，公交线路密集，道路网完善，相对于三环外区域，三环内居民地铁出行更加便利。为更好地促进轨道交通发展并服务于居民出行，本文选取成都市三环外地铁2 号线和6 号线沿线17 km×17 km 的范围为研究区域，主要覆盖成都郫都区城区和金牛区部分区域。成都地铁2 号线是成都市首条通往该区域的地铁线路，其西延线工程（茶店子客运站-犀浦站）于2013年开通运营；6号线贯穿郫都区主城区，于2020年12月18日开通运营。研究区域如图1所示。

图1 研究区域位置及轨道交通线路情况Fig.1 Location of study area and urban rail transit routes

从居民出发地角度探讨轨道交通可达性，利用ArcGIS10.8 对研究区域进行200 m×200 m 渔网分割，得到7480个网格，以网格作为研究空间单元。

本文研究数据主要有成都市地铁和公交的线路和站点数据（2021年），通过高德地图获取；研究区域的城市道路网数据（2021年），从OpenStreetMap 开源地图下载；研究区域的人口数据（2020年）从WordPop官方网站获取的中国100 m分辨率人口统计数据中提取。

利用ArcGIS10.8 的地理处理功能提取轨道站周边150 m 范围内有停靠站的公交线作为接驳公交线路。利用ArcGIS10.8 在研究区域渔网图层上将100 m 分辨率人口数据进行空间连接，生成200 m×200 m 网格人口数据，可视化如图2 所示。从图2 可以看出，人口密集区主要集中在三环附近、郫都城区以及成都高新西区等区域。

图2 2020年研究区域200 m× 200 m网格人口空间分布Fig.2 Spatial distribution of population in 200 m×200 m grid in study area in 2020

2.2 可达性计算

为计算方便，假定公交接驳过程中不存在公交与公交换乘的情况。利用ArcGIS10.8 建立道路网络和接驳公交网络数据集，利用网络分析工具生成网格单元到研究范围内所有轨道站的步行、共享单车和公交接驳出行距离。

目前，大量文献对轨道交通站和公交站的步行、共享单车和公交接驳距离分布特征展开研究。根据现有研究成果，接驳轨道站的距离衰减系数分别取0.0023714，0.0011513，0.0006324，步行接驳公交站的距离衰减系数取0.0046052。借助Python计算各网格单元基于步行、共享单车和公交接驳的距离衰减指数，以5 km为距离阈值，运用式（4）的改进两步移动搜索法计算3 种接驳方式的轨道交通接驳可达性，并分析其离散程度。

经计算，研究区域范围内步行、共享单车及公交的平均接驳可达性分别为1.37，7.02，6.11，变异系数分别为3.23，1.95，2.64。共享单车和公交的可达性均高于步行，其原因在于步行对距离更加敏感，步行接驳所能到达的轨道站较少，可获取的轨道交通服务少；虽然公交适用距离比共享单车远，但公交可达性受公交线路及站点布局约束，远离公交线路的区域可达性低，导致公交平均可达性比共享单车小；研究区域内步行接驳可达性值的离散程度更高，具有更明显的空间分布差异。

2.3 可达性空间分布

为进一步探究基于不同接驳方式的轨道交通可达性空间分布差异，通过ArcGIS10.8的几何间隔分类法（Geometrical Interval）对网格单元的轨道交通接驳可达性进行空间可视化。基于步行、共享单车及公交接驳的轨道交通可达性空间分布如图3～图5所示。

图3 轨道交通步行接驳可达性空间分布Fig.3 Spatial distribution of accessibility by walking to rail transit station

图4 轨道交通共享单车接驳可达性空间分布Fig.4 Spatial distribution of accessibility by shared bike to urban rail transit station

图5 轨道交通公交接驳可达性空间分布Fig.5 Spatial distribution of accessibility by bus to urban rail transit station

从对比来看，3 种接驳方式的接驳可达性具有较大的空间差异。统计轨道站半径[0.0, 0.8] km，（0.8, 1.5] km，（1.5, 3.0] km，（3.0, 5.0] km 范围以及成都绕城高速内和绕城高速外等不同区域范围内的可达性平均值如表1所示。

表1 不同区域范围的轨道交通接驳可达性Table 1 Average accessibility of urban rail transit in different regions

步行接驳可达性高的区域集中在轨道站0.8 km 半径范围内，平均可达性值为8.19，超过0.8 km范围后，可达性明显降低，在（0.8,1.5]km 范围内的可达性仅为1.11，超过1.5 km 后低于0.1；共享单车接驳的高可达性区域主要集中在轨道站1.5 km范围内，0.8 km以内和（0.8,1.5]km范围内可达性分别为32.35和12.58，此范围内共享单车可达性均比公交高，表明共享单车接驳有更大优势；公交接驳可达性高的区域主要集中在轨道站3.0 km范围内的公交线路密集区域和公交线路沿线，在1.5 km范围外，公交沿线区域的接驳可达性比共享单车高，表明此范围内公交接驳具有更大优势；在3.0 km 范围外，轨道交通接驳可达性均很低，但部分公交沿线区域仍有较高的可达性，说明强化轨道站公交线网接驳可有效提高轨道交通出行便利。

3 种接驳可达性的空间分布有明显的共同特征：越靠近轨道交通站的区域，可达性越高；成都绕城高速内靠近城市中心，总体上轨道和公交接驳线路密集，道路网完善，3种接驳方式的绕城内平均可达性均高于绕城外。

将3 种接驳方式可达性进行简单加和得到综合接驳可达性，其空间分布如图6所示。从图中可以看出，轨道站密集的区域可达性高，轨道站1.5 km 半径范围内的接驳可达性明显高于1.5 km范围外的接驳可达性，与轨道站的站点吸引范围基本吻合。

图6 轨道交通综合接驳可达性空间分布Fig.6 Spatial distribution of accessibility to urban rail transit station

2.4 可达性盲区分析

从轨道交通综合接驳可达性的空间分布上看，一些人口密度大的区域（例如，成都高新综合保税区B 区和四川传媒学院附近）的可达性低，存在轨道出行盲区。

为进一步挖掘轨道交通接驳盲区并分析其特征，本文根据网格的可达性和人口值对网格进行分类。以平均人口水平（201 人）为分界点，高于平均人口值的网格为高密度区，反之，为低密度区，分别占比31.4%和68.6%；以平均综合接驳可达性值（14.50）为分界点，大于平均可达性的网格为高可达性区，小于等于平均可达性但大于0的网格为低可达性区，可达性为0 的网格为零可达性，分别占比11.2%，41.7%，47.1%。由此可将网格划分为：高可达性-高密度、高可达性-低密度、低可达性-高密度、低可达性-低密度、零可达性-高密度及零可达性-低密度这6种类型，其空间分布如图7所示。

图7 轨道交通综合接驳可达性-人口对比的空间分布Fig.7 Spatial distribution of comparison between rail transit accessibility and population

从图7 中看出，低可达性-低密度类型区域主要分布在轨道站1.5～3.0 km半径服务范围内，占比18.01%，低密度区人口少，轨道出行需求相对较少。低可达性-高密度类型区域主要分布在轨道站3.0 km半径服务范围内的人口密集区域，是轨道出行重点区域，占比23.69%。零可达性-低密度区和零可达性-高密度区主要分布在轨道站3.0 km服务半径范围外，分别占比40.98%和6.10%，高密度区居民出行需求大，是公交规划应关注的区域。高可达性-低密度区和高可达性-高密度区主要分布在轨道站周边0.8 km 半径范围内以及部分公交线路沿线，分别占比9.59%和1.64%，高可达性区域的轨道交通均能很好地满足居民出行需求。

低可达性和零可达性区是存在轨道出行盲区的区域，根据网格可达性-人口对比分析结果，进一步将轨道出行盲区分为重点盲区、次要盲区、一般盲区和隐性盲区。

重点盲区：轨道站1.5 km半径范围内的低可达性-高密度区域，是轨道交通出行重点区域，可通过完善慢行通道和共享单车停放设施布设等措施，重点提升轨道交通的慢行接驳水平。

次要盲区：轨道站1.5 km半径范围外的低可达性-高密度区域，有一定的轨道出行需求，以公交接驳为主，此区域应兼顾轨道和公交发展，在强化公交供给和接驳能力的同时，应该注重优化公交线网布局，提高公交系统自身服务水平。

一般盲区：轨道站3.0 km半径范围外的零可达性-高密度区域，此区域位于城郊且离轨道站较远，是公交出行重点区域，应重点发展地面公交，优化公交网络布局，扩大公交服务覆盖面，提高公交线路运营效率，方便居民出行。

隐性盲区：轨道站1.5 km半径范围内的低可达性-低密度区域和3.0 km 范围外的零可达性-低密度区域，由于人口少，容易忽略其居民出行需求。应结合隐性盲区的居民反映意见及时优化调整或增补公交线路。

3 结论

本文从居民出发地角度，以成都市三环外地铁2 号线和6 号线沿线区域为例，利用基于距离衰减的改进两步移动搜索法分别计算和对比分析了居民出发地的步行、共享单车和公交接驳可达性差异及其空间分布特征，研究结果表明：利用本文所提的改进两步移动搜索法计算接驳可达性，其结果具有合理性和可解释性。总体上步行平均接驳可达性最小，空间分布差异最明显；步行、共享单车和公交这3 种接驳方式的高可达性区域分别集中在以轨道交通站为中心的0.8，1.5，3.0 km服务半径范围内，其中，公交沿线接驳可达性高于非沿线区域；3种接驳方式均呈现越靠近轨道交通站和越靠近城市中心的区域，可达性越高以及轨道站密集区域可达性高的明显特征。进一步将可达性和人口空间分布对比，梳理和挖掘出轨道交通出行的重点、次要、一般和隐性盲区，并结合可达性空间分布特征，提出重点盲区应重点提升慢行设施接驳水平，次要盲区应兼顾轨道交通和地面公交发展，一般盲区应重点发展地面公交，同时不能忽略隐性盲区的居民出行需求。