地理科学 2018 , 38 (12): 2074-2083 https://doi.org/10.13249/j.cnki.sgs.2018.12.016

Orginal Article

土地利用视角下的轨道站点客流预测——以深圳市为例

孔祥夫, 杨家文

北京大学深圳研究生院, 广东深圳 518055

A New Method for Forecasting Station-level Transit Ridership from Land-use Perspective: The Case of Shenzhen City

Kong Xiangfu, Yang Jiawen

Shenzhen Graduate School, Peking University, Shenzhen 518055, Guangdong, China

中图分类号: TU984.191

文献标识码: A

文章编号: 1000-0690（2018）12-2074-10

收稿日期: 2017-12-3

修回日期: 2018-03-15

网络出版日期: 2018-12-20

基金资助: 国家自然科学基金项目（51678004）资助

作者简介:

作者简介：孔祥夫（1990-）,男,辽宁丹东人,博士,主要从事交通与土地利用以及出行行为分析研究。E-mail: kong.xiangfu@yahoo.com

展开

摘要

从土地利用视角分析轨道站点客流的影响因素,基于直接估计模型,选择不同类型用地楼板面积、公交线路数量、站点中心性、站点可达性4个变量建立非线性回归函数,分析不同类型用地客流生成率与站点可达性之间的衰减规律。结果表明：① 相比于线性衰减规律,客流生成率随站点可达性的降低更符合指数衰减规律,用地距离地铁站0~0.5 km时客流生成率下降最快。② 单位面积各类用地客流生成率由大到小依次为：交通用地>办公用地>商业用地≈城中村>工业用地>居住用地>其他用地。③ 客流生成率受站点可达性影响强度由大到小依次为：商业用地>办公用地>交通用地>其他用地>居住用地>城中村>工业用地。

关键词： 交通与土地利用 ; 轨道交通 ; 站点客流预测 ; 深圳市

Abstract

Analyzing the numerical relationship between transit ridership and land use is significant to station location, land use planning and rail transit property development. Although there have been a growing number of studies on long-term ridership forecasting, limited effort has been made to investigate the impacts of different land use types on ridership and ridership decay rules. Two problems are considered in this paper. First, how do the land development intensity of different types influence station ridership? Second, what are the relationships between the walking distance to the station and trip rates for different land types? This paper attempts to answer the questions based on the direct ridership model. A two-step nonlinear regression model is established and the parameters are estimated by the Gauss-Newton method. Four variables including floor area of different land types, bus lines, centrality and walking distance to the station are included in the model. The first-step model separates the ridership produced by the land use from the total ridership. In the second-step model, two types of distance-decay function, exponential-decay function and linear-decay function, are considered. The parameters of exponential model and linear model are calculated according to . Smart card data of 94 subways in Shenzhen are used to valid the model. The results are: 1) Compared to the linear decay tendency, the decay rule is more in line with the exponential form; 2) Trip rates of different land types ordering from large to small are: transport land > commercial land > official land ≈ urban village > industrial land > residential land > other land; 3) The impacts of walking distance on the trip rate ordering from large to small are: commercial land > official land > transport land > other land > residential land > urban village > industrial land. Due to considering the factors of land use and walking distance to the station, the proposed model provides a quite accurate prediction of the station ridership. Ridership forecasting is crucial for the analysis of project viability and urban rail transit planning. With the help of estimated ridership, subway planners can proactively judge whether a site is suitable for setting transit station. The decay rules of different land types can provide reference for property development around the stations and travel analysis.

Keywords： traffic and land use ; rail transit ; station ridership forecasting ; Shenzhen City

PDF (1105KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

孔祥夫, 杨家文. 土地利用视角下的轨道站点客流预测——以深圳市为例[J]. 地理科学, 2018, 38(12): 2074-2083 https://doi.org/10.13249/j.cnki.sgs.2018.12.016

Kong Xiangfu, Yang Jiawen. A New Method for Forecasting Station-level Transit Ridership from Land-use Perspective: The Case of Shenzhen City[J]. Scientia Geographica Sinica, 2018, 38(12): 2074-2083 https://doi.org/10.13249/j.cnki.sgs.2018.12.016

交通需求与土地利用的关系是研究交通与土地利用一体化的核心^[1]。随着地理信息系统与空间关系模型的不断成熟,采用大数据定量分析交通与土地之间的关系也愈加普遍。轨道交通作为城市交通的重要组成部分,轨道站点客流与土地利用的互动影响对于站点选址、轨道物业开发以及制定公交导向政策具有重要意义。已有研究表明城市轨道站点客流量与周边土地利用情况密切相关^[2,3],站点周边土地开发强度的提高能为轨道站点吸引更多客流,而客流量的增加反过来也能促进周边土地开发^[4,5]。基于土地利用的站点客流预测不仅可以评估站点选址的合理性,也能分析地铁沿线土地的物业价值及居民出行行为的变化。例如,针对同一站点,若已知不同时间单位楼板面积的站点客流生成率,则可以掌握居民出行方式的变化情况,从而制定更切实的交通政策。

就交通量预测而言,传统研究方法通常采用四阶段法^[6]。从理论来看,四阶段法由于模型的复杂性以及对现实交通的可解释性,成为预测出行量的最佳工具之一,但在实际操作中,四阶段法却存在若干问题^[7],包括模型计算的精确性、出行数据的准确性、对土地利用的敏感性以及制度上的障碍等。就本研究而言,四阶段模型更适合大尺度的交通预测,而不适用于站点尺度客流的预测。因此估计站点周边客流生产率和客流量需要一种更直接有效的方法。基于多元回归分析的直接估计模型（Direct ridership model）被认为是估计轨道站点周边交通量的有效方法^[8,9,10]。相比于四阶段法,直接估计模型更便于计算,同时它充分考虑了建成环境对出行需求的影响。Walters等总结直接估计模型的优点,包括：① 能对建成环境、车站特征、轨道交通服务等变化迅速做出反应;② 合理考虑土地利用的影响,比如开发强度和用地结构的变化,以及步行环境的改善等等;③ 考虑竞争交通工具对交通量或分担率的影响^[2]。

直接估计模型通常将站点客流量的影响因素分为4类：① 人口数量;② 周边建成环境;③社会经济因素;④ 轨道站点特征^[3]。人口数量包括居住人口数与就业数,站点周边居住人口和就业数越高,轨道交通被使用的频率越高^[11]。站点周边建成环境可以用土地利用混合程度和开发强度表示。土地混合利用程度可以平衡居民不同时间段的出行需求,降低高峰期和平峰期的出行量差异^[12]。Fillion发现土地混合利用程度较高的郊区中心,轨道交通的分担率更高^[13]。除此之外,步行友好型社区、传统的小街区尺度、连通性较高的道路网络,也被证明对轨道交通量的提升有一定作用^[14]。社会经济因素一般通过家庭收入、年龄、小汽车拥有率等来表示^[14,15]。比如,随着居民收入或汽车拥有率的增加,使用地铁的概率将降低^[16]。社会经济因素数据通常来自出行问卷调查,数据收集较为困难。站点特征也对交通量具有一定影响,不同站点类型（终点站、中间站、换乘站和交通枢纽站）对交通量的吸引有较大差异。终点站位于地铁线路的尽头,通常远离市中心,相比于常规公交,使用轨道交通去市中心通勤更为方便,因此终点站附近居民愿意步行更长距离,导致终点站具有更大的服务范围^[17]。

当前,针对不同区域分析步行距离的增加是否影响客流量,已形成了基本一致的结论：即随着步行距离的增加,居民使用轨道交通的概率降低^[18,19,20]。Untermann通过问卷调查得到步行距离衰减规律：大部分人愿意步行150 m到地铁站,40%的居民愿意步行距离为300 m,仅有10%的居民愿意步行距离超过500 m^[18]。Keijer和Rietveld通过对荷兰居民的出行调查发现,居住在站点500 m范围内的居民使用轨道交通的频率。比距离站点500~1 000 m的居民高20%^[19]。Zhao基于居民出行调查发现,站点客流随步行距离的衰减函数更近似于指数下降趋势^[20]。李琬等对上海市2 368份出行调查问卷研究发现,轨道交通可达性的提高能显著降低小汽车拥有概率,增加使用地铁通勤的可能性^[21]。虽然大量研究表明轨道交通可达性对站点客流生成率有重要影响,然而由于数据和方法的限制,现有直接估计模型几乎没有将站点可达性纳入解释变量,导致模型在预测上产生一定的误差。

在土地资源紧缺和小汽车依赖的背景下,深圳积极开展公交都市建设,轨道交通成为重要的出行模式,因此提供了较为详细的出行数据。同时,深圳市作为多中心城市,更易于分析站点中心性对出行生成率的影响,而较高的土地混合利用也能保证站点周边的土地类型的多元化,从而提高样本质量。基于上述认识,本研究以深圳市为研究区,拟将不同类型用地楼板面积、公交线路数量、站点中心性、站点可达性四个重要变量纳入模型,建立非线性模型,分析不同类型用地的客流生成率与该用地到站点距离之间的衰减规律。拟解决两个重要问题：① 土地开发强度和土地利用类型具体如何影响轨道站点客流?② 各类用地的站点可达性与客流生成率呈现什么样的衰减规律?该问题的回答能为估计和预测城市轨道站点客流生成率提供一定的理论支撑。

1 数据来源与变量

1.1 研究区域与数据来源

以深圳市一期、二期地铁线路中96个站点为研究对象^①（① 深圳市一、二期地铁线路共设地铁站117座,由于有21座站点周边建筑数据缺失,本文仅分析其中96座站点。）。研究数据主要包括：① 2016年深圳市路网数据,数据来源于OpenStreetMap数据库^[22],格式为Shapefile矢量线文件,共计19 706个路段,主要属性包括道路ID、名称、道路等级、长度、是否为单行道等信息,其中道路等级划分为高速公路、快速路、主干路、次干路、三级道路、辅道等;② 2015年深圳市地铁站点数据,包括一、二期工程的117个地铁站点,地铁站点位置通过百度坐标抓取获得,格式为Shapefile矢量点文件,属性包括站点名称、站点ID、是否为换乘站、相邻站点ID;③ 2015 年 5 月 2 日到 8 日地铁刷卡数据,数据来源于深圳地铁公司,日均接近160万条记录,每条记录表示一次地铁出行,记录信息包括用户ID、进站时间、进站站点名称、出站时间、以及出站站点名称;④ 2014年深圳市建筑数据,数据来自深圳市政府,格式为Shapefile矢量面文件,共计60万栋建筑,重要属性包括建筑编码、名称、建筑面积、用地面积、建筑用途、到最近地铁站步行距离等,建筑用途分为居住、私宅、办公、商业、工业、市政、公共设施等17种用途,建筑到最近地铁站步行距离通过ArcGIS网络分析工具计算获得;⑤ 地铁站点100 m范围内公交线路数,数据来自深圳市交通运输委员会2015年5月发布的深圳市公交线路一览表^[23],通过百度地图搜索地铁站100 m范围内公交站名称,再统计经过该公交站的公交线路数量。

1.2 变量选择

1.2.1 楼板面积与用地类型

截至2017年6月,中国已有29个一、二线城市开通地铁（不含港澳台）。这些城市外来人口多,人口流动快,较难统计站点影响范围内人口数量。然而站点周边的土地利用情况则相对容易统计,且土地利用条件在短时期内基本不会发生显著变化。因此,本文用楼板面积代替人口以及就业数据,一方面避免了站点周边人口统计困难,另一方面考察土地利用与轨道站点客流之间的关系。研究将建筑数据库中17种用地功能总结为7类,分别是居住、商业、办公、工业、交通、城中村和其他用地。

1.2.2 站点中心性

如果两站点步行吸引范围内土地利用条件相同,通常换乘站的客流量比普通站更高^[17]。已有研究在分析普通站与换乘站之间的差别时,通常将两类站点设置为离散的虚拟变量^[17],这将忽略普通站点之间的特征差异。为衡量轨道网络各站点的区位及连接性,研究借鉴图论中节点中心性的概念,将接近中心性（Closeness centrality）与中介中心性（Betweenness centrality）纳入模型。接近中心性定义为某节点到其他节点的最短距离之和的倒数,因此节点越接近网络中心,其值越大。对于连通图中的每一对节点,都存在一条最短路径,中介中心性即所有的最短路径经过该节点的次数。本文在Pajek网络分析软件中实现中心性指标计算。图1和图2分别表示各地铁站点的接近中心性和中介中心性。两图对比发现,接近中心性更强调节点与网络中心的接近程度。因此图1中的站点与深圳市轨道网络中心距离越近,其接近中心性越高。中介中心性更强调节点在网络中被经过的频率。图2中部分站点（如石厦站）距离市中心很近,但其中介中心性并不高;相反距离市中心较远的换乘站（如布吉）,虽然接近中心性较低,其中介中心性却较高。这是因为中介中心性侧重于衡量节点在网络中作为连接其他节点的“桥梁”的重要程度,而接近中心性更强调距离网络中心的位置。通常换乘站中介中心性较高,因此中介中心性可以替代“站点是否换乘站”这个虚拟变量。接近中心性和中介中心性分别从区位和连接性两个角度描述站点特征,后文中将两类中心性指标综合纳入模型。

显示原图| 下载原图ZIP| 生成PPT

图1 站点接近中心性示意

Fig. 1 Closeness centrality of rail transit station

显示原图| 下载原图ZIP| 生成PPT

图2 站点中介中心性示意

Fig.2 Betweenness centrality of rail transit station

1.2.3 公交线路数

虽然地铁客流主要来自站点周边用地,但也有少量客流通过公交巴士换乘产生,因此将地铁站周边100 m内公交线路数量纳入模型,作为解释变量。

1.2.4 站点可达性

站点可达性为建筑中心到最近站点的步行距离,该距离通过ArcGIS网络分析功能计算得到。最后各变量属性见表1。

表1 变量描述

Table 1 Variable description

变量类型	变量	变量描述	变量特性	最大值	最小值	平均值
因变量	R	站点总客流,包括进站与出站客流之和（人/d）	连续	93561	511	27583
距离变量	d	建筑距最近地铁站的路网距离（km）	连续	0.800	0.003	0.493
各类用地	RES_LD	居住用地楼板面积（m²）	连续	669852.80	3.59	5931.19
楼板面积	COM_LD	商业用地楼板面积（m²）	连续	453710.48	4.50	6331.69
楼板面积	OFF_LD	办公用地楼板面积（m²）	连续	404602.10	9.75	18162.58
	IND_LD	工业用地楼板面积（m²）	连续	149573.75	4.00	2402.58
	VIL_LD	城中村楼板面积（m²）	连续	43710.00	1.00	666.71
	TRANS_LD	交通用地楼板面积（m²）	连续	263312.28	4.80	8869.62
	OTH_LD	其他用地楼板面积（m²）	连续	550749.00	1.00	2659.49
节点中心性	Closeness	接近中心性	连续	0.103	0.040	0.077
	Betweenness	中介中心性	连续	0.312	0.000	0.110
公交变量	Bus	公交线路数量	连续	65	1	22.10

新窗口打开

2 研究方法

2.1 站点步行吸引范围划分

站点吸引范围（Catchment area）是一个以地铁站为中心,以某一距离为半径的圆,地铁出行基本都产生于该圆内部。合理设置吸引范围半径对模型结果有重要影响,如果半径超出实际影响范围,出行生成率将低于实际;反之,结果将偏高。国外通常将半径定为400~800 m^[8,24],国内通常定为500~800 m^[25,26]。综合以上结果,本文将步行吸引范围定为800 m。

目前大部分研究采用直线距离作为站点步行影响范围,但在实际中,行人通常沿着城市路网到达地铁站,故直线距离很难反映实际步行距离。Gutierrez分别对比直线距离和路网距离下的客流量模型,发现采用路网距离结果更优^[27]。另外如果两个站点间距较小,吸引范围容易存在重合区域。本研究假设乘客选择距离自己最近的地铁站,并对重合区域进行划分。划分方法基于泰森多边形法。图3以莲花北站和上梅林为例,解释吸引范围的3种划分方法,第一种方法基于直线距离（图3a）,吸引范围呈圆形;第二种方法使用路网距离（图3b）,吸引范围是不规则图形,由于两站点距离较近,吸引范围之间存在重叠;第三种方法将重叠区按照泰森多边形重分。本文基于图 3c所示方法划分步行吸引范围。

显示原图| 下载原图ZIP| 生成PPT

图3 轨道交通站点吸引范围的3种划分方法

Fig.3 Three different methods to determine the service area of rail transit station

2.2 模型构建及结果

模型分为两步,第一步将公交巴士产生的客流与周边用地产生的客流分离,第二步分析客流生成率随到地铁站点距离的衰减规律。模型第一步将站点总客流视为由土地利用和公交巴士产生的客流之和,同时站点区位（接近中心性）和连接性（中介中心性）经过加权指数变换后,以倍数形式作用于客流,指数变换保证了中心性的影响恒为正,公式如下：

$R_{i} = e^{r_{1} c_{i} + r_{2} b_{i}} (\overset{7}{\sum_{n}} a_{n} \times L D_{in} + β \times Bu s_{i}) + ε_{i}$ （1）

式中： $R_{i}$ 为站点i总客流,即进站和出站客流之和; $c_{i}$ 为接近中心性; $b_{i}$ 为中介中心性; $γ_{1}$ 和 $γ_{2}$ 分别表示 $c_{i}$ 和 $b_{i}$ 参数; $α_{n}$ 为第n类用地的单位楼板面积的客流生成率,单位为次/m²; $L D_{in}$ 表示站点i步行吸引范围内第n类用地的楼板面积总和,单位为m²; $Bu s_{i}$ 表示公交线路数; $β$ 表示每条公交线路的客流生成率,; $ε_{i}$ 为随机误差,假设服从独立同分布的正态分布。

模型3为非线性模型,模型的拟合优度为0.814^①（① 本研究采用SPSS提供的非线性回归模型器计算参数,输入的损失函数为最小残差平方和,模型3共计10个待估参数,初始值设置为0,通过高斯-牛顿法不断迭代直到收敛,得到最优参数。）,说明土地利用和公交巴士对站点客流存在显著影响。参数值见表2,与线性回归模型不同的是,非线性回归通常不提供显著性检验。接近中心性和中介中心性的系数 $γ_{1}$ 和 $γ_{2}$ 分别是7.655和1.801,由表1可知接近中心性和中介中心性的平均值分别为0.077和0.110,两中心性的相对重要性之比exp(7.655×0.077): exp(1.801×0.110) ≈3:2,说明相对于站点在网络中连接的重要程度,站点区位对客流影响程度更高。公交线路的参数约为74,表示站点附近每条公交线路平均每日为站点贡献74次客流。对于土地利用,以居住用地为例,其系数为0.003,表示1 m²楼板面积平均每日产生0.003次的地铁出行,若换算为100 m²则产生0.3次出行。对比各类用地,客流生成率由大到小依次为：交通用地>办公用地>商业用地≈城中村>工业用地>居住用地>其他用地。交通用地的客流生成率为0.030次/m²,明显高于其他用地类型。交通用地主要包括火车站、机场和关口,是进出深圳客流的主要通道,采用地铁接驳最为方便,故生成率较高。商业用地与办公用地同样是人群活动的集聚区域,客流生成率也相对较高。居住用地相对城中村客流生成率更低,可能因为居住用地主要由居住小区构成,小区居民收入高于城中村居民,选择机动车出行的概率更大,从而降低了公共交通包括地铁的使用。通过分析模型结果,地铁客流量有6%来自公交车,94%来自周边建设用地。

表2 第一步模型参数值

Table 2 Parameters of the first-level model

参数	估计值	标准差	上限	下限
接近中心性	7.655	5.141	-2.566	17.876
中介中心性	1.801	0.707	0.396	3.205
公交线路	74.306	60.613	-46.189	194.802
居住	0.003	0.001	0.000	0.006
商业	0.006	0.003	0.000	0.013
办公	0.007	0.003	0.000	0.014
工业	0.005	0.003	-0.001	0.011
城中村	0.006	0.003	0.001	0.012
交通	0.030	0.015	0.001	0.059
其他	0.001	0.002	-0.007	0.002

新窗口打开

第二步模型分析不同类型建筑到地铁站的距离对客流生成率的影响。Gutiérrez等在预测站点客流的研究中,将地铁吸引范围划分为若干个同心圆环,每个同心圆环按照到站点距离赋予不同权重,表示产生圆环内的居民使用轨道交通的概率,权重通过调查问卷计算^[17]。该方法有3点局限性：① 不同用地的客流生成率不同,对应的权重值也应不同,该方法在赋权时并不区分用地类型;② 圆环间距取值依赖经验,无科学公式;③ 权重通过出行调查获得,依赖数据源。为克服上述局限性,本研究建立回归模型分析客流生成率随距离衰减规律。已有出行调查结果表明,客流生成率随到站点距离增加有线性与指数2种衰减函数^[17,20]。为验证两类衰减函数的优劣性,分别构造指数衰减模型和线型衰减模型,分别如公式（2）和公式（3）所示：

$R_{i}^{land} = \overset{7}{\sum_{n}} \overset{n_{j}}{\sum_{j}} e^{λ_{n} \times d_{ijn} + μ_{n}} \times L D_{ijn}$ （2）

$R_{i}^{land} = \overset{7}{\sum_{n}} \overset{n_{j}}{\sum_{j}} (φ_{n} \times d_{ijn} + ψ_{n}) \times L D_{ijn}$ （3）

式中, $L D_{ijn}$ 表示站点i步行吸引范围内第n类用地中第j栋建筑的楼板面积; $d_{ijn}$ 表示该建筑到地铁站点的网络距离,km; $λ_{n}$ 与 $μ_{n}$ 是指数距离衰减模型参数; $φ_{n}$ 与 $ψ_{n}$ 是线型距离衰减模型参数; $R_{i}^{land}$ 表示由土地利用产生的客流量,根据公式（1）得到：

$R_{i}^{land} = \overset{7}{\sum_{n}} a_{n} \times L D_{in} = \frac{R_{i}}{e^{r_{1} c_{i} + r_{2} b_{i}}} - β \times Bu s_{i}$ （4）

式中, $β$ 通过模型第一步得到,值为74, $R_{i}$ 为站点总客流, $Bu s_{i}$ 为公交线路数量。公式（2）为非线性模型,同时存在大量累加项,也无法转化为线性模型。高斯-牛顿法可以解决非线性回归的问题,该方法利用函数的线性近似,并通过断迭代直到参数不再发生变化^[29]。将公式（2）在初始值 ${λ_{n}}^{0}$ 和 ${μ_{n}}^{0}$ （n=1,2,…,8）处进行一阶泰勒展开,得到公式（5）：

$R_{i}^{land} (λ_{n}, μ_{n}) \approx R_{i}^{land} ({λ_{n}}^{0}, {μ_{n}}^{0}) + \overset{7}{\sum_{n}} \frac{\partial R_{i}^{land} (λ_{n}, μ_{n})}{λ_{n}} (λ_{n} - {λ_{n}}^{0}) +$

$\overset{7}{\sum_{n}} \frac{R_{i}^{land} (λ_{n}, μ_{n})}{μ_{n}} (μ_{n} - {μ_{n}}^{0})$ （5）

通过将非线性模型公式（2）近似看作线性模型公式（5）,再经过多次迭代,即可得到指数模型解的最优值。由于SPSS不提供含有累加项的非线性回归模型,本文使用Matlab独立编写高斯-牛顿算法估计指数模型（2）参数,而线性模型（3）则转化为多元线性模型,通过SPSS的多元线性回归分析估计其参数。

指数模型和线性模型的客流生成率随距离衰减曲线见图4。交通用地参数值远大于其他类型,为方便观察,图4没有绘制交通用地曲线。指数衰减模型拟合优度为0.808,拟合效果较好,各类用地客流生成率受站点可达性影响强度由大到小依次为：商业用地>办公用地>交通用地>其他用地>居住用地>城中村>工业用地。当用地距离站点0~0.5 km之间时,客流衰减最快;当距离超过0.5 km时,客流生成率接近于0。6类用地距离衰减曲线可以大致分为3类：① 办公与商业用地客流生成率最大,同时下降速率最快,说明两类用地对站点可达性十分敏感,当距离较远时部分居民选择地铁出行的概率将显著降低;② 工业用地与城中村的地铁出行需求更偏向于刚性需求,由于收入降低,可选择的出行方式有限,使得距离衰减缓慢;③ 居住用地与其他用地客流生成率衰减程度在前两类之间,但是当距离站点为0时,初始生成率不高,因此平均客流生成率最低。线性模型拟合优度为0.743,略低于指数模型,各类用地客流生成率受到站点可达性影响强度与指数模型呈现相同位序。

显示原图| 下载原图ZIP| 生成PPT

图4 各类用地站点可达性衰减函数

Fig.4 Accessibility-decay function of different land types

3 模型评估

为评价模型性能,首先做出实际客流与预测客流的散点图（图5）。总体来看,2个散点图回归直线斜率均小于1,说明指数或线性模型都容易低估实际客流。另外预测误差随实际客流增加而增加,表明模型对客流量较大的站点预测结果的可信度下降,这说明预测模型还受到其他因素的影响（如地铁站客运规模）。对比来看,指数模型更接近实际,当客流较大时,线性模型的预测结果几乎完全偏离实际值。

显示原图| 下载原图ZIP| 生成PPT

图5 实际客流与预测客流散点图

Fig.5 Scatter plot of actual ridership and predicted ridership

前文曾假设随机误差服从独立同分布的正态分布,为检验该假设,将随机误差转为标准残差,如果标准残差服从标准正态分布,则假设成立。指数和线性模型标准残差频数分布见图6。线性模型标准残差均值为0.43（图6b）,显著大于0,说明线性模型存在未被解释成分,导致拟合时预测值偏低。这也能部分解释与指数模型相比,居住用地、其他用地在线性模型中客流量随站点可达性衰减更快的原因。指数模型标准残差基本服从正态分布,说明客流生成率更接近于服从指数衰减规律。

显示原图| 下载原图ZIP| 生成PPT

图6 两类模型标准残差频数分布

Fig.6 Frequency distributions of standardized residual of two models

散点图和标准残差频数图的结果说明：1) 当步行距离增加时,相比于线性衰减趋势,客流生成率更接近于指数衰减趋势,这与实际观察到的现象相符：随着到地铁站点步行距离的增加,愿意搭乘地铁的居民将明显减少,但仍有部分出行者,他们对距离并不敏感,属于地铁出行需求的刚需者,线性模型忽视了这部分群体;2) 模型对客流量较大的站点预测可信度下降,说明还存在其他影响因素,该因素与实际客流或者站点功能相关。为总结站点功能,本研究根据客流量在工作日的变化情况,将站点分成居住型、办公型、商业型、混合型、交通型5类。① 居住型站点（如布吉站）早高峰存在大量进站客流,晚高峰存在大量出站客流,高峰小时流量是平峰小时流量的2~3倍,大量居民依赖地铁解决每日上下班通勤;② 办公型站点与居住型站点相反,早高峰存在大量出站客流,晚高峰存在大量进站客流,高峰小时流量是平峰小时流量的3~4倍;③ 商业型站点与办公型站点类似,早高峰有大量出站客流,晚高峰有大量进站客流。不同的是,受商业活动的影响,商业型站点在平峰和夜间也都存在大量出站客流;④ 混合型站点在高峰期同时存在大量进站客流和大量出站客流;⑤ 交通型站点（如罗湖站）客流高峰不明显,全天客流量均较大。

站点功能划分完成后,分析模型对于不同功能站点的预测精度是否存在差异。均方根误差（RMSE）衡量了一组样本真值与预测值的偏离程度,其值越小预测精度越高。表3为2种模型下5种站点的RMSE。相对而言,指数模型的RMSE更低。比如在指数模型下,居住型站点的RMSE为2 767,居住型站点的平均客流为27 061人/d,如果采用指数模型对居住型站点进行预测,误差基本控制在2 767/27 061≈10%以内,如果改为线性模型,误差上升到12%。对比5类站点RMSE,除商业类站点外,其余4类站点RMSE均比较低,预测误差在10%以内,说明商业站点客流量除了受到土地利用和公交影响外,还存在其他的影响因素。

表3 指数模型和线性模型均方根误差

Table 3 RMSE of exponential model and linear model

站点类型	项目	指数模型	线性模型
居住型	RMSE 平均客流量	2767 27061	3276 27061
	样本数	24	24
办公型	RMSE 平均客流量	3260 32978	3455 32978
	样本数	24	24
商业型	RMSE 平均客流量	12084 54643	12922 54643
	样本数	6	6
混合型	RMSE	1895	2173
	平均客流量	20225	20225
	样本数	39	39
交通型	标准残差均值平均客流量	2500 52023	2404 52023
	样本数	3	3

新窗口打开

4 结论与讨论

站点客流量预测是轨道交通建设、地铁物业开发、交通影响评估重要的环节,然而目前仍缺乏切实可行的站点客流预测模型。作为公交都市的重要组成部分,理解轨道交通与土地利用之间的关系对站点选址、用地规划、轨道物业开发、以及TOD政策的制定具有重要意义。本文基于深圳地铁刷卡与建筑数据,选择不同用地楼板面积、公交线路数量、站点中心性以及站点可达性四个变量,建立模型验证不同用地客流生成率随用地到站点距离的衰减规律,主要结论为：① 当步行距离增加时,相比于线性衰减规律,客流生成率更符合指数衰减规律,在距离地铁站0~0.5 km时客流生成率下降最快;② 对比各类用地,单位楼板面积客流生成率由大到小依次为：交通用地>办公用地>商业用地≈城中村>工业用地>居住用地>其他用地;③ 客流生成率受到站点可达性影响强度由大到小依次为：商业用地>办公用地>交通用地>其他用地>居住用地>城中村>工业用地;④ 指数模型对居住型、办公型、混合型、交通型站点客流预测精度较高,误差基本控制在10%以内,对商业型地铁站预测效果较差。

本研究也有3点不足,需要在未来研究中作深入探讨。① 本文采用800 m作为地铁步行吸引范围,该阈值来自文献结论,不一定符合深圳市实际情况。此外,地铁实际影响范围受到站点区位、特征、周边土地利用影响,未来研究应差异化各站点的影响范围;② 2016年后共享单车越来越普及,更多居民选择使用共享单车到达地铁站,居民出行结构可能发生显著的变化,基于土地开发的站点客流预测应统筹考虑共享单车对站点客流的影响;③ 对于商业型站点,本研究所采用的模型预测效果不佳,未来应对商业站点进行深入研究,分析其客流源。

交通流量预测一直是国内外研究的热点。传统的交通流量预测数据主要来自问卷调查或历年统计数据,这些数据存在样本量小、质量良莠不齐、数据不够客观的问题。另外,传统交通数据侧重于收集与时间相关的信息,与空间相关的信息相对较少,同时人们对于空间层面的认识偏向于感性认识,因此即使数据包含距离或位置信息,也存在较大的误差。空间记录的缺乏导致传统的交通客流预测方法基本以时间序列模型为理论基础,通过分析交通量随时间的变化规律（如周期性、自相关性等）来预测未来的交通流量。这类方法适用于短时客流预测,对长时客流预测误差较大。传统的长时客流预测方法为四阶段法,四阶段法通过分析各个交通小区之间的出行分布预测交通量,对小尺度空间的交通出行预测能力不足。同时,由于缺少足够的解释变量,传统交通量预测模型更关注预测值的准确性,相对忽视因变量的影响因素。城市信息化和数字化建设的快速发展使个体时空行为的数据被充分收集,这些数据包含了准确的时间、位置信息,交通量预测方法也由单纯的时间序列分析向时空行为模型、非线性回归、空间权重矩阵等空间模型拓展。这些模型有助于理解建成环境及其可达性与不同交通量之间的关系,而这些问题在传统方法中是很难回答或者被忽视的。作为个人时空间行为的重要载体,城市建成环境与交通量的生成、吸引与分布之间具有重要关系。GPS数据、城市热力数据、刷卡数据包含大量的出行信息,如果通过正确的时空模型将这些信息与建成环境相匹配,有助于理解出行行为尤其是非机动车出行行为的特征,从而制定行之有效的交通与土地利用一体化政策。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	周素红, 杨利军. 交通与土地利用一体化规划管理 [J]. 规划师, 2005, 21(8):14-19. https://doi.org/10.3969/j.issn.1006-0022.2005.08.003 URL [本文引用: 1] 摘要交通与土地利用一体化规划与管理,大体上有两大类方法:一是通过交通与土地利用一体化规划,减少交通量;二是制定一系列的交通需求管理措施.在理论与模型研究方面,交通与土地利用一体化规划模型的研究较广泛,在实践方面,则主要通过发展战略、规划理念和具体的规划管理措施等体现. [Zhou Suhong, Yang Lijun. Planning and management for integration of traffic and land utilization and case study . Planners, 2005, 21(8):14-19.] https://doi.org/10.3969/j.issn.1006-0022.2005.08.003 URL [本文引用: 1] 摘要交通与土地利用一体化规划与管理,大体上有两大类方法:一是通过交通与土地利用一体化规划,减少交通量;二是制定一系列的交通需求管理措施.在理论与模型研究方面,交通与土地利用一体化规划模型的研究较广泛,在实践方面,则主要通过发展战略、规划理念和具体的规划管理措施等体现.
[2]	Walters G, Cervero R. Forecasting transit demand in a fast growing corridor: the direct-ridership model approach [R]. Fehrs and Peers Associates, CA 2003. [本文引用: 2]
[3]	Cervero R, Kockelman K. Travel demand and the 3Ds: Density,diversity,and design [J]. Transportation Research Part D: Transport and Environment, 1997, 2(3): 199-219. https://doi.org/10.1016/S1361-9209(97)00009-6 URL [本文引用: 2] 摘要 This paper examines the connection between the 3Ds of the built environment and travel demand. Notably, it tries to sort through the relative influences of the three dimensions after controlling for other explainers, like travellers' demographic characteristics. It does this mainly by applying the technique of factor analysis to gauge the relative influence of each dimension as well as their collective impacts. The paper tests the propositions of the new urbanists and others that compact neighborhoods, mixed land uses, and pedestrian-friendly designs 'degenerate' vehicle trips and encourage residents to walk, bike, or take transit as substitutes for automobile travel, particularly for non-work purposes.
[4]	谭章智, 李少英, 黎夏, 等. 城市轨道交通对土地利用变化的时空效应 [J].地理学报, 2017, 72(5):850-862. https://doi.org/10.11821/dlxb201705007 URL [本文引用: 1] 摘要定量分析轨道交通对城市内部精细土地利用复杂变化影响的时空效应,对于预测未来新建站点对土地利用的影响以及规划方案的调整与优化具有重要的指导意义。本文提出结合历史高分遥感影像与POI数据获取多时间节点精细土地利用信息的方法,并以广州市二号和八号地铁线为例,结合逐步回归模型与站点用地功能分类,从时间和空间两个维度定量研究地铁对土地利用转变的复杂影响过程与空间差异规律。结果表明,轨道交通促使站点周边低密度居住用地向商业用地、高密度居住用地等高效益土地利用方式的转变;轨道交通在规划、建设、运营不同阶段对于周边土地利用的影响呈现显著的差异规律;地铁站点对土地利用变化影响规律具有明显的空间异质性特征,与站点在城市里的位置以及站点周边的土地利用有关,对城市中心区域的影响较小,对郊区的影响主要与可用的非建设用地面积相关,而工业用地对土地利用变化具有限制作用;轨道交通还带来用地功能和性质的转变,这样的转变大多发生在地铁站点开通运营的时间点。 [Tan Zhangzhi, Li Shaoying, Li Xia et al. Spatio-temporal effects of urban rail transit on complex land-use change . Acta Geogrphica Sinica, 2017, 72(5):850-862.] https://doi.org/10.11821/dlxb201705007 URL [本文引用: 1] 摘要定量分析轨道交通对城市内部精细土地利用复杂变化影响的时空效应,对于预测未来新建站点对土地利用的影响以及规划方案的调整与优化具有重要的指导意义。本文提出结合历史高分遥感影像与POI数据获取多时间节点精细土地利用信息的方法,并以广州市二号和八号地铁线为例,结合逐步回归模型与站点用地功能分类,从时间和空间两个维度定量研究地铁对土地利用转变的复杂影响过程与空间差异规律。结果表明,轨道交通促使站点周边低密度居住用地向商业用地、高密度居住用地等高效益土地利用方式的转变;轨道交通在规划、建设、运营不同阶段对于周边土地利用的影响呈现显著的差异规律;地铁站点对土地利用变化影响规律具有明显的空间异质性特征,与站点在城市里的位置以及站点周边的土地利用有关,对城市中心区域的影响较小,对郊区的影响主要与可用的非建设用地面积相关,而工业用地对土地利用变化具有限制作用;轨道交通还带来用地功能和性质的转变,这样的转变大多发生在地铁站点开通运营的时间点。
[5]	林耿, 张小英, 马扬艳. 广州市地铁开发对沿线商业业态空间的影响 [J]. 地理科学进展, 2008, 27(6):104-111. https://doi.org/10.11820/dlkxjz.2008.06.015 URL Magsci [本文引用: 1] 摘要 <p>以广州市地铁一号线、二号线和三号线为例，分析地铁开发对沿线商业业态空间的影响，并从行为地理的角度进行解释。地铁开发强化了商业空间的等级分异，城市中心区商业中心的集聚效应得到加强，而城区和郊区商业空间的分异进一步加大。消费者的行为显示出购物中心正成为现代消费社会下商业空间的主导业态，而经营者的选址行为也在增强商业中心的极化能力。结论认为，地铁开发并没有均质优化沿线所有站点的商业环境，而是通过其快捷交通引导各种业态向城区集聚，加速了郊区化背景下大城市商业业态的向心集聚；地铁建成后城区商业中心地位的加强，得益于购物中心在业态空间中主体地位的确立，地铁开发塑造了以购物中心为主体的商业业态空间结构；地铁开发也加速了沿线换乘站点周边商业区的生长。</p> [Lin Geng, Zhang Xiaoying, Ma Yangyan. The influence of metro system on commercial space structure along the line in Guangzhou . Progress in Geography, 2008, 27(6):104-111.] https://doi.org/10.11820/dlkxjz.2008.06.015 URL Magsci [本文引用: 1] 摘要 <p>以广州市地铁一号线、二号线和三号线为例，分析地铁开发对沿线商业业态空间的影响，并从行为地理的角度进行解释。地铁开发强化了商业空间的等级分异，城市中心区商业中心的集聚效应得到加强，而城区和郊区商业空间的分异进一步加大。消费者的行为显示出购物中心正成为现代消费社会下商业空间的主导业态，而经营者的选址行为也在增强商业中心的极化能力。结论认为，地铁开发并没有均质优化沿线所有站点的商业环境，而是通过其快捷交通引导各种业态向城区集聚，加速了郊区化背景下大城市商业业态的向心集聚；地铁建成后城区商业中心地位的加强，得益于购物中心在业态空间中主体地位的确立，地铁开发塑造了以购物中心为主体的商业业态空间结构；地铁开发也加速了沿线换乘站点周边商业区的生长。</p>
[6]	Hensher D A, Button K J.Handbook of transport modelling[M]. Oxford: Pergamon Press, 2000:35-52. [本文引用: 1]
[7]	Marshall N, Grady B. Sketch transit modeling based on 2000 census data [J]. Transportation Research Record Journal of the Transportation Research Board, 2006, 1986(1):182-189. https://doi.org/10.1177/0361198106198600122 URL [本文引用: 1]
[8]	Kuby M, Barranda A, Upchurch C. Factors influencing light-rail station boardings in the United States [J]. Transportation Research Part APolicy & Practice, 2004, 38(3):223-247. https://doi.org/10.1016/j.tra.2003.10.006 URL [本文引用: 2] 摘要 Many US cities have recently built or approved light-rail systems to combat congestion, sprawl, and pollution. Critics questions light rail ability to generate ridership in low-density, automobile-oriented, polycentric US cities with smaller downtowns. Proponents counter that sufficient numbers of homes and workplaces have convenient access to stations via walking, park-and-ride, or bus to develop feasible corridors connecting major residential areas with suburban concentrations of employment and the CBD. With this in mind, we used multiple regression to determine factors that contribute to higher light-rail ridership. Cross-sectional data on average weekday boardings were collected for the year 2000 for 268 stations in nine US cities representing a variety of urban settings. The results showed the importance of land use and accessibility. Employment, population, and percent renters within walking distance, as well as bus lines, park-and-ride spaces, and centrality, were significant. Dummy variables for terminal and transfer stations and international borders were all positive and significant. Total degree-days were negative and significant, lowering expectations for cities with extreme climates. Notably, the stations in the CBD generate much higher boardings, but these are explainable by the same variables present in lesser combinations at non-CBD stations and account for their generally lesser boardings. Importantly, a dummy variable for CBD location was not significant. The resulting model may be useful as a first-cut, one-step approach for predicting demand for possible light-rail alignments.
[9]	Chu X. Ridership models at the stop level [R]. National Center for Transit Research, 2004. [本文引用: 1]
[10]	Cervero R. Alternative approaches to modeling the travel-demand impacts of smart growth [J]. Journal of the American Planning Association, 2006, 72(3):285-295. https://doi.org/10.1080/01944360608976751 URL [本文引用: 1] 摘要 Four-step travel demand forecasting models were never meant to estimate the travel impacts of neighborhood-level smart growth initiatives like transit villages, but rather to guide regional highway and transit investments. While progress has been made in enhancing large-scale models, some analysts have turned to post-processing and direct models to reduce modeling time and cost, and to better capture the travel impacts of neighborhood-scale land use strategies. This paper presents examples of direct or off-line modeling of rail and transit-oriented land use proposals for greater Charlotte, the San Francisco Bay Area exurbs, and south St. Louis County. These alternative approaches provided a useful platform for scenario testing, and their results revealed that concentrating development near rail stations produced an appreciable ridership bonus. These alternative models are appropriate as sketch-planning supplements to, not substitutes for, traditional four-step models.
[11]	Murray A T. Strategic analysis of public transport coverage [J]. Socio-Economic Planning Sciences, 2001, 35(3): 175-188. https://doi.org/10.1016/S0038-0121(01)00004-0 URL [本文引用: 1] 摘要 Public transport service provision is viewed as an important component of the overall transportation planning and management process. Research examining public transportation performance and how it may be enhanced is much needed. This paper addresses strategic aspects of service access. Public transport in Brisbane, Australia is evaluated using a commercial geographical information system integrated with various spatial analytical techniques including a location covering model. The developed strategic analysis approach is effective for justifying local modifications to the public transport system with respect to system inefficiencies and also allows this to be done with significant user (or public) input. Such strategic approaches are likely to result in higher regional utilization of public transportation.
[12]	Cervero R. Transit oriented development in America: contemporary practices, impacts, and policy directions [R]. National Center for Smart Growth Research and Education, 2004. [本文引用: 1]
[13]	Filion P. Suburban mixed-use centres and urban dispersion: what difference do they make [J]. Environment and Planning A, 2001, 33(1): 141-160. https://doi.org/10.1068/a3375 URL [本文引用: 1]
[14]	Cervero R, Duncan M. Residential self selection and rail commuting: A nested logit analysis [R]. University of California Transportation Center, 2002. [本文引用: 2]
[15]	Cristaldi F. Commuting and gender in Italy: A methodological issue [J]. The Professional Geographer, 2005, 57(2): 268-284. https://doi.org/10.1111/j.0033-0124.2005.00477.x URL [本文引用: 1] 摘要 Commuting in Italy has always been addressed without regard to gender differences. Following the issuance of a comprehensive database by the National Statistical Institute, it is now possible to analyze gender differences in personal mobility for the first time in Italy. For our analyses we used Local Labor Systems (LLS) zoning in lieu of administrative zoning. LLSs are territorial subdivisions based on the principle of a self-contained labor market and are widely used in Italy. This article also reports the results of a multidimensional data analysis aimed at highlighting relations between different gender-based commuting patterns and a set of variables (education level, age, household structure, occupational category, and position, etc.). The analysis points out gender differences in the relationship among commuting and socioeconomic characteristics, reveals that these relationships are in turn related to the economic structure and geographical context of different regional labor markets, and suggests to analysts that they be sensitive to singular context when interpreting the meaning of gender differences in commuting.
[16]	孙斌栋, 但波. 上海城市建成环境对居民通勤方式选择的影响 [J]. 地理学报, 2015, 70(10): 1664-1674. https://doi.org/10.11821/dlxb201510010 URL [本文引用: 1] 摘要伴随中国快速城市化与机动化进程，私人汽车拥有量不断增长，由此引起的交通拥堵和环境问题已成为制约中国城市可持续发展的难题。基于上海市区的居民通勤问卷调查数据，采用多项Logit模型检验了街道尺度城市建成环境对于居民通勤方式选择的影响，结果表明，在控制了其他因素后，提高居住地的人口密度、土地利用混合度与十字路口比重，可以减少小汽车通勤方式的选择，而就业地建成环境对居民通勤方式选择影响相对较弱；建成环境对通勤方式选择的影响会因个体的社会经济异质性而不同。这些结论为通过优化土地利用规划来优化居民通勤结构的城市交通和城市规划政策提供了启示。 [Sun Bindong, Dan Bo. Impact of urban built environment on residential choice of commuting mode in Shanghai . Acta Geographica Sinica, 2015, 70(10): 1664-1674.] https://doi.org/10.11821/dlxb201510010 URL [本文引用: 1] 摘要伴随中国快速城市化与机动化进程，私人汽车拥有量不断增长，由此引起的交通拥堵和环境问题已成为制约中国城市可持续发展的难题。基于上海市区的居民通勤问卷调查数据，采用多项Logit模型检验了街道尺度城市建成环境对于居民通勤方式选择的影响，结果表明，在控制了其他因素后，提高居住地的人口密度、土地利用混合度与十字路口比重，可以减少小汽车通勤方式的选择，而就业地建成环境对居民通勤方式选择影响相对较弱；建成环境对通勤方式选择的影响会因个体的社会经济异质性而不同。这些结论为通过优化土地利用规划来优化居民通勤结构的城市交通和城市规划政策提供了启示。
[17]	Gutiérrez J, Cardozo O D, García-Palomares J C. Transit ridership forecasting at station level: An approach based on distance-decay weighted regression [J]. Journal of Transport Geography, 2011, 19(6): 1081-1092. https://doi.org/10.1016/j.jtrangeo.2011.05.004 URL [本文引用: 5] 摘要 This article develops a rapid response ridership forecast model, based on the combined use of Geographic Information Systems (GIS), distance-decay functions and multiple regression models. The number of passengers boarding at each station in the Madrid Metro network is estimated as a function of the characteristics of the stations (type, number of lines, accessibility within the network, etc.) and of the areas they serve (population and employment characteristics, land-use mix, street density, presence of feeder modes, etc.). The paper considers the need to evaluate the distance threshold used (not the choice of a fixed distance threshold by assimilation from other studies), the distance calculation procedure (network distance versus straight-line distance) and, above all, the use of distance-decay weighted regression (so that the data from the bands nearer the stations have a greater weighting in the model than those farther away). Analyses carried out show that weighting the variables according to the distance-decay functions provides systematically better results. The choice of distance threshold also significantly improves outcomes. When an all-or-nothing function is used, the way the service area is calculated (straight-line or network distances) does not seem to have a decisive influence on the results. However, it seems to be more influential when distance-decay weighting is used.Highlights? The article develops a rapid response ridership forecast model. ? It is based on the use of distance-decay functions and multiple regression models. ? Weighting the predictors according to that functions provides better results.
[18]	Untermann R K. Accommodating the pedestrian: Adapting towns and neighborhoods for walking and bicycling [M]. New York: Van Nostrand Reinhold, 1984. [本文引用: 2]
[19]	Keijer M J N, Rietveld P. How do people get to the railway station? The Dutch experience [J]. Transportation Planning and Technology, 2000, 23(3): 215-235. https://doi.org/10.1080/03081060008717650 URL [本文引用: 2] 摘要 The quality of transport networks does not only depend on the quality of the individual links and nodes, but also on the way these nodes and links function in the context of multimodal networks. In the present paper we focus on multimodal trips where the railways are the main transport mode. We discuss detour and frequency problems related to multimodal transport chains. Local accessibility of railway stations is an important determinant of railway use in the Netherlands. We find that the propensity to make use of rail services by people living in the ring between 500 to 1000 meters from a railway station is about 20% lower than of people living at most 500 meters away from railway stations. At distances between 1.0 and 3.5 km the distance decay effect is about 30%, and above this distance it may reach values up to 50%. Non‐motorized transport modes are dominant at both the home‐end and the activity‐end. A rather unique feature of the home‐end access mode is the high share of the bicycle. More than one out of every three passengers uses the bike on the trip from home to station. At the activity‐end the share of the bike is much smaller, because of the asymmetry in the supply of this transport mode in the home versus activity‐end. This explains the dominant position of walking as the access mode at the activity‐end. Implications are discussed for physical planning and the need for facilities near railway stations.
[20]	Zhao F, Chow L F, Li M T et al. Forecasting transit walk accessibility: regression model alternative to buffer method [J]. Transportation Research Record: Journal of the Transportation Research Board, 2003 (1835): 34-41. https://doi.org/10.3141/1835-05 URL [本文引用: 3] 摘要 A description is given of a methodology for estimating transit walk accessibility at the home end of transit trips and for forecasting transit walk accessibility at the home end for a future year, given forecast population and employment data, transit route information, and type of street configuration. The methodology for estimating transit walk accessibility overcomes the problems associated with natural and man-made barriers such as water bodies and community walls and the problem of uneven distribution of population. A comparison of the results with those from the traditional buffer method, as well as with network ratio methods that consider actual walk distance along streets, showed that both the buffer method and network ratio methods tended to overestimate transit walk accessibility. Regression analysis also showed that the new transit walk accessibility measure was a stronger predictor of transit use than that produced using the buffer method. The methodologies may be applied to transit planning, urban design for sustainable development, and long-range transit demand modeling.
[21]	李琬, 但波, 孙斌栋,等. 轨道交通对出行方式选择的影响研究——基于上海市80后微观调查样本的实证分析 [J]. 地理研究, 2017, 36(5):945-956. https://doi.org/10.11821/dlyj201705011 URL [本文引用: 1] 摘要评估轨道交通绩效的一个重要方面是考察轨道交通可达性的提高能否促进居民交通行为转变,尤其是减轻对小汽车的依赖。目前的研究结论不尽一致,且研究中存在的自选择问题尚没有引起足够的重视。基于2013年上海市80后群体的微观调查数据,分析轨道交通可达性对城市居民交通方式选择（小汽车购买和使用以及轨道交通使用）的影响,并利用样本的异质性来克服轨道交通可达性与交通行为之间的自选择。研究发现：居民居住区周边轨道交通可达性的提高,确实能够显著地降低家庭小汽车的拥有概率,并提高乘坐地铁通勤的可能性;但不能找到轨道交通可达性的提高会减少小汽车使用的证据。 [Li Wan, Dan Bo, Sun Bindong. The influence of rail transit accessibility on the shift of travel modal choice: Empirical analysis based on the micro survey of the 1980s generation in Shanghai . Geographical Research, 2017, 36(5):945-956.] https://doi.org/10.11821/dlyj201705011 URL [本文引用: 1] 摘要评估轨道交通绩效的一个重要方面是考察轨道交通可达性的提高能否促进居民交通行为转变,尤其是减轻对小汽车的依赖。目前的研究结论不尽一致,且研究中存在的自选择问题尚没有引起足够的重视。基于2013年上海市80后群体的微观调查数据,分析轨道交通可达性对城市居民交通方式选择（小汽车购买和使用以及轨道交通使用）的影响,并利用样本的异质性来克服轨道交通可达性与交通行为之间的自选择。研究发现：居民居住区周边轨道交通可达性的提高,确实能够显著地降低家庭小汽车的拥有概率,并提高乘坐地铁通勤的可能性;但不能找到轨道交通可达性的提高会减少小汽车使用的证据。
[22]	Street Map contributors. OpenStreetMap data for Asial [DB/OL]. , 2017-08-12. URL [本文引用: 1]
[23]	深圳市交通运输委员会. 深圳市公交线路、站点一览表(2015年5月) [EB/OL]. , 2015-06-04. URL [本文引用: 1] [Transport Commission of Shenzhen Municipality. List of bus lines and sites in Shenzhen (May 2015) . .] URL [本文引用: 1]
[24]	El-Geneidy A M, Tetreault P, Surprenant-Legault J. Pedestrian access to transit: Identifying redundancies and gaps using a variable service area analysis [M]. Transportation Research Board 89th Annual Meeting, Washing, DC: Transportation Research Board, 2010. [本文引用: 1]
[25]	王宇渠, 陈忠暖, 覃水娇. 地铁站点可达性、客流与站点商圈零售商业结构关系研究——以广州市为例 [J]. 人文地理, 2015(4):66-71. URL [本文引用: 1] 摘要地铁与城市商业地域的结构存在极大关系。实地调查获取广州15个地铁站点商圈零售商业营业面积、地铁网络等数据,利用栅格分析方法计算不同地铁站点的可达性程度的差异性。运用回归模型分析不同地铁站点可达性、客流与站点商圈零售商业空间结构的相关关系。以广州天河市级商业中心为例,微观上分析地铁站点客流对商业中心空间结构的影响。结果表明:地铁站点交通可达性、客流量与站点零售商业营业面积存在较强关联性,但换乘站点的可达优势与客流优势在商业上未能完全体现;地铁客流与较高等级的商业存在较大的相关性,而与低等级的商业相关性小,甚至负相关;客流的增加促进了地铁附近的商业形态从传统零售业向更高级业种演化。 [Wang Yuqu, Chen Zhongnuan, Qin Shuijiao. Research on the structural relationship of metro accessibility, passenger flows and retail business in metro sites: A case study of Guangzhou . Human Geography, 2015(4):66-71.] URL [本文引用: 1] 摘要地铁与城市商业地域的结构存在极大关系。实地调查获取广州15个地铁站点商圈零售商业营业面积、地铁网络等数据,利用栅格分析方法计算不同地铁站点的可达性程度的差异性。运用回归模型分析不同地铁站点可达性、客流与站点商圈零售商业空间结构的相关关系。以广州天河市级商业中心为例,微观上分析地铁站点客流对商业中心空间结构的影响。结果表明:地铁站点交通可达性、客流量与站点零售商业营业面积存在较强关联性,但换乘站点的可达优势与客流优势在商业上未能完全体现;地铁客流与较高等级的商业存在较大的相关性,而与低等级的商业相关性小,甚至负相关;客流的增加促进了地铁附近的商业形态从传统零售业向更高级业种演化。
[26]	王淑伟, 孙立山, 郝思源,等. 基于精细化用地的轨道客流直接估计模型 [J]. 交通运输系统工程与信息, 2015, 15(3):37-43. https://doi.org/10.3969/j.issn.1009-6744.2015.03.007 URL [本文引用: 1] 摘要现有轨道客流直接估计模型中,对于用地的描述多基于人口、岗位分布、用地面积等概略数据,未能准确反映用地开发的多样性和复杂性,难以揭示用地混合开发对于居民出行的作用机理.本文采用北京市电子地图中的兴趣点(POI)数据表示用地信息,结合轨道站点多层次吸引范围划分,实现了轨道站点吸引范围内各类用地比例的精细化描述.通过将精细化用地信息与轨道站点乘降客流量进行回归分析,总结了用地、交通、区位因素对于轨道站点乘降客流的影响机理,建立了基于精细化用地的轨道站点客流估计模型.验证结果显示,模型对于本文所研究典型站点的预测精度达到预期,反映了用地与轨道客流之间的强相关性. [Wang Shuwei, Sun Lishan, Hao Siyuan et al. Station level transit ridership direct estimation model based on precise land use . Journal of Transportation Systems Engineering and Information Technology, 2015, 15(3):37-43.] https://doi.org/10.3969/j.issn.1009-6744.2015.03.007 URL [本文引用: 1] 摘要现有轨道客流直接估计模型中,对于用地的描述多基于人口、岗位分布、用地面积等概略数据,未能准确反映用地开发的多样性和复杂性,难以揭示用地混合开发对于居民出行的作用机理.本文采用北京市电子地图中的兴趣点(POI)数据表示用地信息,结合轨道站点多层次吸引范围划分,实现了轨道站点吸引范围内各类用地比例的精细化描述.通过将精细化用地信息与轨道站点乘降客流量进行回归分析,总结了用地、交通、区位因素对于轨道站点乘降客流的影响机理,建立了基于精细化用地的轨道站点客流估计模型.验证结果显示,模型对于本文所研究典型站点的预测精度达到预期,反映了用地与轨道客流之间的强相关性.
[27]	Gutiérrez J, García-Palomares J C. Distance-measure impacts on the calculation of transport service areas using GIS [J]. Environment and Planning B: Planning and Design, 2008, 35(3): 480-503. https://doi.org/10.1068/b33043 URL [本文引用: 1]
[28]	张文彤. SPSS统计分析高级教程[M]. 北京:高等教育出版社, 2004. [Zhang Wentong.Advanced course of statistical analysis used SPSS. Beijing: High Education Press, 2004.]
[29]	Bates D M, Watts D G. Nonlinear regression analysis and its applications [M]. USA: Wiley, 1988:194-196. [本文引用: 1]

交通与土地利用一体化规划管理

2005

... 交通需求与土地利用的关系是研究交通与土地利用一体化的核心^[1].随着地理信息系统与空间关系模型的不断成熟,采用大数据定量分析交通与土地之间的关系也愈加普遍.轨道交通作为城市交通的重要组成部分,轨道站点客流与土地利用的互动影响对于站点选址、轨道物业开发以及制定公交导向政策具有重要意义.已有研究表明城市轨道站点客流量与周边土地利用情况密切相关^[2,3],站点周边土地开发强度的提高能为轨道站点吸引更多客流,而客流量的增加反过来也能促进周边土地开发^[4,5].基于土地利用的站点客流预测不仅可以评估站点选址的合理性,也能分析地铁沿线土地的物业价值及居民出行行为的变化.例如,针对同一站点,若已知不同时间单位楼板面积的站点客流生成率,则可以掌握居民出行方式的变化情况,从而制定更切实的交通政策. ...

交通与土地利用一体化规划管理

2005

Forecasting transit demand in a fast growing corridor: the direct-ridership model approach

2003

... 就交通量预测而言,传统研究方法通常采用四阶段法^[6].从理论来看,四阶段法由于模型的复杂性以及对现实交通的可解释性,成为预测出行量的最佳工具之一,但在实际操作中,四阶段法却存在若干问题^[7],包括模型计算的精确性、出行数据的准确性、对土地利用的敏感性以及制度上的障碍等.就本研究而言,四阶段模型更适合大尺度的交通预测,而不适用于站点尺度客流的预测.因此估计站点周边客流生产率和客流量需要一种更直接有效的方法.基于多元回归分析的直接估计模型（Direct ridership model）被认为是估计轨道站点周边交通量的有效方法^[8,9,10].相比于四阶段法,直接估计模型更便于计算,同时它充分考虑了建成环境对出行需求的影响.Walters等总结直接估计模型的优点,包括：① 能对建成环境、车站特征、轨道交通服务等变化迅速做出反应;② 合理考虑土地利用的影响,比如开发强度和用地结构的变化,以及步行环境的改善等等;③ 考虑竞争交通工具对交通量或分担率的影响^[2]. ...

Travel demand and the 3Ds: Density,diversity,and design

1997

... 直接估计模型通常将站点客流量的影响因素分为4类：① 人口数量;② 周边建成环境;③社会经济因素;④ 轨道站点特征^[3].人口数量包括居住人口数与就业数,站点周边居住人口和就业数越高,轨道交通被使用的频率越高^[11].站点周边建成环境可以用土地利用混合程度和开发强度表示.土地混合利用程度可以平衡居民不同时间段的出行需求,降低高峰期和平峰期的出行量差异^[12].Fillion发现土地混合利用程度较高的郊区中心,轨道交通的分担率更高^[13].除此之外,步行友好型社区、传统的小街区尺度、连通性较高的道路网络,也被证明对轨道交通量的提升有一定作用^[14].社会经济因素一般通过家庭收入、年龄、小汽车拥有率等来表示^[14,15].比如,随着居民收入或汽车拥有率的增加,使用地铁的概率将降低^[16].社会经济因素数据通常来自出行问卷调查,数据收集较为困难.站点特征也对交通量具有一定影响,不同站点类型（终点站、中间站、换乘站和交通枢纽站）对交通量的吸引有较大差异.终点站位于地铁线路的尽头,通常远离市中心,相比于常规公交,使用轨道交通去市中心通勤更为方便,因此终点站附近居民愿意步行更长距离,导致终点站具有更大的服务范围^[17]. ...

城市轨道交通对土地利用变化的时空效应

2017

城市轨道交通对土地利用变化的时空效应

2017

广州市地铁开发对沿线商业业态空间的影响

2008

广州市地铁开发对沿线商业业态空间的影响

2008

2000

Sketch transit modeling based on 2000 census data

2006

Factors influencing light-rail station boardings in the United States

2004

... 站点吸引范围（Catchment area）是一个以地铁站为中心,以某一距离为半径的圆,地铁出行基本都产生于该圆内部.合理设置吸引范围半径对模型结果有重要影响,如果半径超出实际影响范围,出行生成率将低于实际;反之,结果将偏高.国外通常将半径定为400~800 m^[8,24],国内通常定为500~800 m^[25,26].综合以上结果,本文将步行吸引范围定为800 m. ...

Ridership models at the stop level

2004

Alternative approaches to modeling the travel-demand impacts of smart growth

2006

Strategic analysis of public transport coverage

2001

Transit oriented development in America: contemporary practices, impacts, and policy directions

2004

Suburban mixed-use centres and urban dispersion: what difference do they make

2001

Residential self selection and rail commuting: A nested logit analysis

2002

... [14,15].比如,随着居民收入或汽车拥有率的增加,使用地铁的概率将降低^[16].社会经济因素数据通常来自出行问卷调查,数据收集较为困难.站点特征也对交通量具有一定影响,不同站点类型（终点站、中间站、换乘站和交通枢纽站）对交通量的吸引有较大差异.终点站位于地铁线路的尽头,通常远离市中心,相比于常规公交,使用轨道交通去市中心通勤更为方便,因此终点站附近居民愿意步行更长距离,导致终点站具有更大的服务范围^[17]. ...

Commuting and gender in Italy: A methodological issue

2005

上海城市建成环境对居民通勤方式选择的影响

2015

上海城市建成环境对居民通勤方式选择的影响

2015

García-Palomares J C. Transit ridership forecasting at station level: An approach based on distance-decay weighted regression

2011

... 如果两站点步行吸引范围内土地利用条件相同,通常换乘站的客流量比普通站更高^[17].已有研究在分析普通站与换乘站之间的差别时,通常将两类站点设置为离散的虚拟变量^[17],这将忽略普通站点之间的特征差异.为衡量轨道网络各站点的区位及连接性,研究借鉴图论中节点中心性的概念,将接近中心性（Closeness centrality）与中介中心性（Betweenness centrality）纳入模型.接近中心性定义为某节点到其他节点的最短距离之和的倒数,因此节点越接近网络中心,其值越大.对于连通图中的每一对节点,都存在一条最短路径,中介中心性即所有的最短路径经过该节点的次数.本文在Pajek网络分析软件中实现中心性指标计算.图1和图2分别表示各地铁站点的接近中心性和中介中心性.两图对比发现,接近中心性更强调节点与网络中心的接近程度.因此图1中的站点与深圳市轨道网络中心距离越近,其接近中心性越高.中介中心性更强调节点在网络中被经过的频率.图2中部分站点（如石厦站）距离市中心很近,但其中介中心性并不高;相反距离市中心较远的换乘站（如布吉）,虽然接近中心性较低,其中介中心性却较高.这是因为中介中心性侧重于衡量节点在网络中作为连接其他节点的“桥梁”的重要程度,而接近中心性更强调距离网络中心的位置.通常换乘站中介中心性较高,因此中介中心性可以替代“站点是否换乘站”这个虚拟变量.接近中心性和中介中心性分别从区位和连接性两个角度描述站点特征,后文中将两类中心性指标综合纳入模型. ...

... [17],这将忽略普通站点之间的特征差异.为衡量轨道网络各站点的区位及连接性,研究借鉴图论中节点中心性的概念,将接近中心性（Closeness centrality）与中介中心性（Betweenness centrality）纳入模型.接近中心性定义为某节点到其他节点的最短距离之和的倒数,因此节点越接近网络中心,其值越大.对于连通图中的每一对节点,都存在一条最短路径,中介中心性即所有的最短路径经过该节点的次数.本文在Pajek网络分析软件中实现中心性指标计算.图1和图2分别表示各地铁站点的接近中心性和中介中心性.两图对比发现,接近中心性更强调节点与网络中心的接近程度.因此图1中的站点与深圳市轨道网络中心距离越近,其接近中心性越高.中介中心性更强调节点在网络中被经过的频率.图2中部分站点（如石厦站）距离市中心很近,但其中介中心性并不高;相反距离市中心较远的换乘站（如布吉）,虽然接近中心性较低,其中介中心性却较高.这是因为中介中心性侧重于衡量节点在网络中作为连接其他节点的“桥梁”的重要程度,而接近中心性更强调距离网络中心的位置.通常换乘站中介中心性较高,因此中介中心性可以替代“站点是否换乘站”这个虚拟变量.接近中心性和中介中心性分别从区位和连接性两个角度描述站点特征,后文中将两类中心性指标综合纳入模型. ...

... 第二步模型分析不同类型建筑到地铁站的距离对客流生成率的影响.Gutiérrez等在预测站点客流的研究中,将地铁吸引范围划分为若干个同心圆环,每个同心圆环按照到站点距离赋予不同权重,表示产生圆环内的居民使用轨道交通的概率,权重通过调查问卷计算^[17].该方法有3点局限性：① 不同用地的客流生成率不同,对应的权重值也应不同,该方法在赋权时并不区分用地类型;② 圆环间距取值依赖经验,无科学公式;③ 权重通过出行调查获得,依赖数据源.为克服上述局限性,本研究建立回归模型分析客流生成率随距离衰减规律.已有出行调查结果表明,客流生成率随到站点距离增加有线性与指数2种衰减函数^[17,20].为验证两类衰减函数的优劣性,分别构造指数衰减模型和线型衰减模型,分别如公式（2）和公式（3）所示： ...

... [17,20].为验证两类衰减函数的优劣性,分别构造指数衰减模型和线型衰减模型,分别如公式（2）和公式（3）所示： ...

Accommodating the pedestrian: Adapting towns and neighborhoods for walking and bicycling

1984

... 当前,针对不同区域分析步行距离的增加是否影响客流量,已形成了基本一致的结论：即随着步行距离的增加,居民使用轨道交通的概率降低^[18,19,20].Untermann通过问卷调查得到步行距离衰减规律：大部分人愿意步行150 m到地铁站,40%的居民愿意步行距离为300 m,仅有10%的居民愿意步行距离超过500 m^[18].Keijer和Rietveld通过对荷兰居民的出行调查发现,居住在站点500 m范围内的居民使用轨道交通的频率.比距离站点500~1 000 m的居民高20%^[19].Zhao基于居民出行调查发现,站点客流随步行距离的衰减函数更近似于指数下降趋势^[20].李琬等对上海市2 368份出行调查问卷研究发现,轨道交通可达性的提高能显著降低小汽车拥有概率,增加使用地铁通勤的可能性^[21].虽然大量研究表明轨道交通可达性对站点客流生成率有重要影响,然而由于数据和方法的限制,现有直接估计模型几乎没有将站点可达性纳入解释变量,导致模型在预测上产生一定的误差. ...

... [18].Keijer和Rietveld通过对荷兰居民的出行调查发现,居住在站点500 m范围内的居民使用轨道交通的频率.比距离站点500~1 000 m的居民高20%^[19].Zhao基于居民出行调查发现,站点客流随步行距离的衰减函数更近似于指数下降趋势^[20].李琬等对上海市2 368份出行调查问卷研究发现,轨道交通可达性的提高能显著降低小汽车拥有概率,增加使用地铁通勤的可能性^[21].虽然大量研究表明轨道交通可达性对站点客流生成率有重要影响,然而由于数据和方法的限制,现有直接估计模型几乎没有将站点可达性纳入解释变量,导致模型在预测上产生一定的误差. ...

How do people get to the railway station? The Dutch experience

2000

... [19].Zhao基于居民出行调查发现,站点客流随步行距离的衰减函数更近似于指数下降趋势^[20].李琬等对上海市2 368份出行调查问卷研究发现,轨道交通可达性的提高能显著降低小汽车拥有概率,增加使用地铁通勤的可能性^[21].虽然大量研究表明轨道交通可达性对站点客流生成率有重要影响,然而由于数据和方法的限制,现有直接估计模型几乎没有将站点可达性纳入解释变量,导致模型在预测上产生一定的误差. ...

Forecasting transit walk accessibility: regression model alternative to buffer method

2003

... [20].李琬等对上海市2 368份出行调查问卷研究发现,轨道交通可达性的提高能显著降低小汽车拥有概率,增加使用地铁通勤的可能性^[21].虽然大量研究表明轨道交通可达性对站点客流生成率有重要影响,然而由于数据和方法的限制,现有直接估计模型几乎没有将站点可达性纳入解释变量,导致模型在预测上产生一定的误差. ...

轨道交通对出行方式选择的影响研究——基于上海市80后微观调查样本的实证分析

2017

轨道交通对出行方式选择的影响研究——基于上海市80后微观调查样本的实证分析

2017

OpenStreetMap data for Asial

... 以深圳市一期、二期地铁线路中96个站点为研究对象^①（① 深圳市一、二期地铁线路共设地铁站117座,由于有21座站点周边建筑数据缺失,本文仅分析其中96座站点.）.研究数据主要包括：① 2016年深圳市路网数据,数据来源于OpenStreetMap数据库^[22],格式为Shapefile矢量线文件,共计19 706个路段,主要属性包括道路ID、名称、道路等级、长度、是否为单行道等信息,其中道路等级划分为高速公路、快速路、主干路、次干路、三级道路、辅道等;② 2015年深圳市地铁站点数据,包括一、二期工程的117个地铁站点,地铁站点位置通过百度坐标抓取获得,格式为Shapefile矢量点文件,属性包括站点名称、站点ID、是否为换乘站、相邻站点ID;③ 2015 年 5 月 2 日到 8 日地铁刷卡数据,数据来源于深圳地铁公司,日均接近160万条记录,每条记录表示一次地铁出行,记录信息包括用户ID、进站时间、进站站点名称、出站时间、以及出站站点名称;④ 2014年深圳市建筑数据,数据来自深圳市政府,格式为Shapefile矢量面文件,共计60万栋建筑,重要属性包括建筑编码、名称、建筑面积、用地面积、建筑用途、到最近地铁站步行距离等,建筑用途分为居住、私宅、办公、商业、工业、市政、公共设施等17种用途,建筑到最近地铁站步行距离通过ArcGIS网络分析工具计算获得;⑤ 地铁站点100 m范围内公交线路数,数据来自深圳市交通运输委员会2015年5月发布的深圳市公交线路一览表^[23],通过百度地图搜索地铁站100 m范围内公交站名称,再统计经过该公交站的公交线路数量. ...

深圳市公交线路、站点一览表(2015年5月)

Pedestrian access to transit: Identifying redundancies and gaps using a variable service area analysis

2010

地铁站点可达性、客流与站点商圈零售商业结构关系研究——以广州市为例

2015

地铁站点可达性、客流与站点商圈零售商业结构关系研究——以广州市为例

2015

基于精细化用地的轨道客流直接估计模型

2015

基于精细化用地的轨道客流直接估计模型

2015

García-Palomares J C. Distance-measure impacts on the calculation of transport service areas using GIS

2008

... 目前大部分研究采用直线距离作为站点步行影响范围,但在实际中,行人通常沿着城市路网到达地铁站,故直线距离很难反映实际步行距离.Gutierrez分别对比直线距离和路网距离下的客流量模型,发现采用路网距离结果更优^[27].另外如果两个站点间距较小,吸引范围容易存在重合区域.本研究假设乘客选择距离自己最近的地铁站,并对重合区域进行划分.划分方法基于泰森多边形法.图3以莲花北站和上梅林为例,解释吸引范围的3种划分方法,第一种方法基于直线距离（图3a）,吸引范围呈圆形;第二种方法使用路网距离（图3b）,吸引范围是不规则图形,由于两站点距离较近,吸引范围之间存在重叠;第三种方法将重叠区按照泰森多边形重分.本文基于图 3c所示方法划分步行吸引范围. ...

2004

Nonlinear regression analysis and its applications

1988

... 式中,

β

通过模型第一步得到,值为74,

R_{i}

为站点总客流,

Bu s_{i}

为公交线路数量.公式（2）为非线性模型,同时存在大量累加项,也无法转化为线性模型.高斯-牛顿法可以解决非线性回归的问题,该方法利用函数的线性近似,并通过断迭代直到参数不再发生变化^[29].将公式（2）在初始值

{λ_{n}}^{0}

和

{μ_{n}}^{0}

（n=1,2,…,8）处进行一阶泰勒展开,得到公式（5）： ...

〈

〉

土地利用视角下的轨道站点客流预测——以深圳市为例

A New Method for Forecasting Station-level Transit Ridership from Land-use Perspective: The Case of Shenzhen City

1 数据来源与变量

1.1 研究区域与数据来源

1.2 变量选择

2 研究方法

2.1 站点步行吸引范围划分

2.2 模型构建及结果

3 模型评估

4 结论与讨论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子