基于軌道交通刷卡數據的城市通勤圈范圍研究

馬亮

基于軌道交通刷卡數據的城市通勤圈范圍研究

馬亮

（深圳市規劃國土發展研究中心，518040，深圳//助理研究員）

城市通勤圈范圍是從交通視角判斷城市空間結構的重要依據。介紹了通勤圈的概念，提出了評價通勤圈范圍的絕對通勤圈范圍和相對通勤圈范圍兩個指標。以深圳軌道交通刷卡數據為例說明通勤圈范圍的研究方法：從數據格式轉換、數據清洗、數據匹配、空間映射、數據提取等5個方面進行數據準備；按照軌道交通線站位置的空間布局構建基礎網絡；以目標車站為參照，進行網格通勤指標分析，并利用Arcgis軟件中的插值、等值線工具分析得到目標車站的絕對與相對通勤圈范圍。以深圳市高新技術產業園區為例，驗證該研究方法的可行性。結果表明：2012—2015年，深圳高新技術產業園區職住分離加劇，向心交通進一步惡化，片區在原二線關范圍內的職住平衡比例由40%下降至30%，而居住在原二線關范圍外的就業人口在早高峰至少增加1.4萬人次/h的向心軌道交通客流。

交通規劃；軌道交通；軌道交通刷卡數據；通勤圈；評價指標

Author′s addressShenzhen Urban Planning and Land Resource Research Center，518040，Shenzhen，China

城市空間結構是城市中物質環境、功能活動和文化價值等組成要素之間關系的表現方式［1］。城市規劃專業多采用中心、軸帶、組團、片區來描述城市實體空間的發展方向，例如深圳提出2020年力爭形成“三軸兩帶多中心”的城市空間結構［2］。同樣，交通規劃為強調交通需求在城市空間上的表現，多采用走廊、圈層來描述城市的空間結構，例如深圳在2012版的軌道交通網絡規劃中從交通視角提出遠期深圳將形成“東中西三條客運走廊+距離中心城區25 km的通勤圈”的城市空間結構，為此提出“通勤圈層內軌道交通強軸加密、通勤圈層內外快速聯系”的軌道交通發展策略［3］。

通勤圈作為交通規劃中的重要概念，國內學者的討論多基于經驗或理想對未來城市交通空間結構進行判斷或相關概念辨析，定量研究較少。文獻［4］借鑒東京、紐約、倫敦、巴黎的案例，提出通勤交通圈半徑可達50～60 km。文獻［5］在東京案例的基礎上提議北京應盡快擴展距市中心30 km半徑以遠的全程2 h通勤圈。有些學者更加關注都市圈相關的概念、特征等的研究［6-7］。在定量研究方面，文獻［8］利用手機數據識別上海中心城的通勤區；文獻［9］利用公交刷卡數據識別持卡人的通勤出行及職住地，但手機數據、公交刷卡數據存在分析過程復雜、耗時長、有效率低等不足。

隨著城市軌道交通的快速發展，北上廣深等大城市基本形成覆蓋全市域的軌道交通網，居民軌道交通出行比例較高。以上海為例，2015年網絡規模達634 km，日均客流超過1 000萬人次，占公共交通分擔率達53%［10］。相比傳統抽樣調查數據，軌道交通刷卡數據在居民出行總量中占比較高；相比手機數據、公交刷卡數據，軌道交通刷卡數據記錄了起始站點、起始時間，數據本身不需做過多的清洗，就是高質量的出行起訖（OD）記錄。因此，以軌道交通刷卡數據為基礎來分析通勤圈的范圍以及通勤圈的演變規律具有可行性。

本文提出基于軌道交通刷卡數據的通勤圈分析方法，用于識別就業地的通勤范圍，為通勤圈的定量分析提供一種新的方法。

1 通勤圈定義

在城市化進程中，產生了較多描述城市空間尺度的概念，如城市群、城市帶、城鎮密集區、都市圈、都市區等［11］。其中，都市圈概念與通勤圈較為接近。都市圈是指由一個或多個中心城市和與其有緊密社會、經濟聯系的臨接城鎮組成,具有一體化傾向的協調發展區域，外圍地區到中心城市的通勤人口比例是重要評判標準。

通勤圈與其它概念不同，其研究對象明確，主要用于評價城市就業中心與周邊區域通勤交通的聯系強度。城市主、次中心都有其自身的通勤輻射范圍。因此，通勤圈可定義為與就業中心存在頻繁通勤交通聯系的區域。

通勤圈的評價指標可分為相對指標和絕對指標。以圖1、圖2為例進行說明，首先將研究區域劃分為若干基礎網格，其中Center為片區就業中心。圖1是按就業人口的居住地得到各個網格的通勤人口絕對數量，圖2是將通勤人口數量除以就業人口總量得到各個網格的通勤人口相對比例。以Center為中心，從里往外遞推可得到不同比例就業人口的通勤圈，如70%就業人口的通勤圈為圖2中淺色區域的中間圈層，稱為相對通勤圈；同樣，規定通勤人口數量大于一定數值的網格均為就業中心的輻射范圍，如網格通勤人口大于15%的通勤圈為圖1中的無色區域外圍圈層，稱為絕對通勤圈。

兩類指標的通勤圈范圍、意義、演變規律是不同的。在當今城市快速發展帶來職住分離加劇的背景下，相對通勤圈范圍隨時間變化較慢，但研究和實踐中討論較多；而絕對通勤圈范圍隨時間變化較快，可以直觀體現職住分離的速度，具有實踐意義。以深圳為例，二線關口早高峰進關客流由2011年的15萬人次/h增長到2015年的25萬人次/h，交通擁堵顯著，用相對指標分析得到的中心城區通行圈半徑變化較小，而用絕對指標分析中心城區通勤圈半徑變化較大，后者更加符合日常人們對職住分離現象的認識［12］。

圖1 絕對指標分析方法

圖2 相對指標分析方法

2 基于軌道刷卡數據的通勤圈范圍研究方法

2.1 數據基礎

軌道交通刷卡數據記錄了乘客的卡片編號、進出站類型、刷卡時間、閘機編號等信息。通過閘機編號與車站對應關系，可以把乘客出行信息映射到空間上。圖3為深圳地鐵刷卡的數據庫結構與閘機車站對照表。如圖3所示，CARDID為卡片編號，代表一個乘客；TRADETYPE為交易類型，21表示乘客進站，22表示乘客出站；TRADEDATE為刷卡時間；Tradeaddress為閘機編號。一般車站有多個閘機，閘機編號的前6位為車站編號。

2.2 分析方法

基于軌道交通刷卡數據的通勤圈范圍分析過程主要包括數據準備、基礎網絡構建、指標分析等3大部分，如圖4所示。

2.2.1 數據準備

圖3 深圳地鐵刷卡數據庫結構及閘機車站對照表

圖4 通勤圈范圍分析框架

（1）數據格式轉換：軌道交通刷卡數據量較大，一般采用文本格式進行存儲，需要轉化為Access等數據庫格式。

（2）數據清洗：由于存在部分乘客在乘車過程中遺失公交卡、乘客在同一車站進出、維修人員刷卡進站維護設備等情況，導致軌道交通刷卡數據存在異常，如一個CARDID只有一次進站或出站紀錄或在同一車站刷卡進出等，需要對這部分數據作清洗。總體而言，軌道交通刷卡數據質量較高，異常數據不到總量的1%。

（3）數據匹配：依次分析每個CARDID的刷卡紀錄，按照“進站刷卡在前、出站刷卡在后”的原則對時間相鄰的刷卡數據進行匹配，得到每個CARDID的出行OD數據，包括公交卡編號、進站閘機編號、進站時間、出站閘機編號、出站時間五個字段，從而形成乘客出行OD數據庫。

（4）空間映射：主要是根據對照表將進出站閘機編號與具體車站進行對應，建立乘客出行數據與軌道交通車站空間位置的對應關系。

（5）數據提取：調查發現早高峰8:00—9:00通勤目的出行占居民出行總量的80%［12］，因此按出行的中點時間提取出早高峰8:00—9:00的軌道交通刷卡數據。

2.2.2 基礎網絡構建

按照軌道交通線站位布局構建物理網絡，車站是最基礎的分析單元，以車站之間的實際距離作為阻抗，通過模型計算得到所有車站之間的出行距離矩陣。

2.2.3 指標分析

（1）目標分析車站選取：選擇位于就業中心的軌道交通車站作為目標分析車站，便于模擬分析就業中心的通勤圈范圍。

（2）網格通勤指標分析：分析所有車站到目標分析車站的出行距離、客流量以及客流量占客流總量的相對比例；然后按照出行距離由近及遠對車站進行排序，對各個車站的客流量、客流比例進行累計分析，從而得到所有車站的累計客流量、累計客流比例。

（3）通勤圈分析：利用Arcgis軟件中的插值、等值線工具，以所有車站的累計客流量、累計客流比例為數據源，分析得到目標分析車站的絕對通勤圈范圍、相對通勤圈范圍。

3 案例研究

3.1 數據來源

深圳市高新技術產業園區（簡稱高新園）成立于1996年9月，占地面積11.5 km2，在2015年國家科技部火炬中心的國家高新區評價結果中位列全國第五名，園區內企業總數超過1 000家（含114家上市企業），是深圳市主要的就業中心。

地鐵深大站、高新園站位于高新園中部，高峰期間以服務于高新園片區的通勤客流為主，早高峰下客量分別位列2015年深圳地鐵車站中的第一名和第三名。因此，選取深大站、高新園站作為目標分析車站來研究高新園片區的通勤圈范圍。

為進一步研究高新園通勤圈的演變規律，選取了2012年3月與2015年12月工作日早高峰8:00～9:00的軌道交通刷卡數據。深大站兩個月的下客量分別是9 008人次/h、19 269人次/h，高新園站兩個月下客量分別是7 852人次/h、16 651人次/h，兩個車站下客量平均增長113%，比全市平均增速高19%。

3.2 相對通勤圈分析

選取40%、80%兩個職住平衡指標分析高新園片區相對通勤圈的演變情況。2012年，到達高新園片區40%的軌道交通通勤客流分布于0～8.3 km圈層，即原二線關附近；80%的軌道交通通勤客流分布于0～17.6 km圈層，位于軌道交通1號線后瑞站之前。2015年，原二線關范圍內職住平衡比例下降為30%，40%的職住平衡線往外平移到0～9.8 km圈層；80%的職住平衡線往外平移到0～19.7 km圈層，位于后瑞站之后。深圳高新園相對通勤圈演變如圖5、圖6所示。

圖5 2012年深圳高新園相對通勤圈范圍

圖6 2015年深圳高新園相對通勤圈范圍

綜上，2012—2015年，40%職住平衡線往外平移1.5 km，80%職住平衡線住外平移2.1 km，外圍職住平衡線的推移速度明顯且較快。這說明，隨著城市發展，職住分離趨勢在加劇，中心區就業人口更多選擇遠離城市中心居住，這與軌道交通對通勤條件的改善可能也有很大關系。

3.3 絕對通勤圈分析

選取原二線關、機場東站附近圈層分析高新園片區軌道交通通勤人口的演變情況。深圳高新園絕對通勤圈演變如圖7、圖8所示。2012年，原二線關范圍內早高峰到達高新園的軌道交通通勤客流為0.8萬人次/h，機場東站范圍內到達高新園的軌道交通通勤客流為1.4萬人次/h；2015年，原二線關范圍內早高峰到達高新園的軌道交通通勤客流為1.4萬人次/h，機場東站范圍內到達高新園的軌道交通通勤客流有2.8萬人次/h。

圖7 2012年深圳高新園絕對通勤圈范圍

圖8 2015年深圳高新園絕對通勤圈范圍

綜上，2012—2015年，在原二線關圈層內，早高峰往高新園方向的軌道交通通勤交通量增加0.6萬人次/h，增長75%；機場東圈層內的軌道交通通勤交通量增加1.4萬人次/h，增長100%，即高新園片區居住在二線關外的就業人口至少增加1.4萬人，導致向心交通至少增加1.4萬人次/h。

3.4 分析結果

從相對指標、絕對指標的分析可以看出，高新園片區表現出明顯的職住分離現象，中心區就業人口的居住地在往外圍區域蔓延，從而導致向心交通進一步加強，關口客流顯著增長，交通面臨更大壓力。

相對指標分析得到高新園在原二線關范圍內的職住平衡比例由40%下降至30%，表明了高新園的職住平衡程度在下降，但下降10%的意義以及對交通實際運行情況的影響難以直觀表達。絕對指標分析得到高新園片區居住在原二線關范圍外的就業人口至少增加1.4萬人次/h的高峰向心交通，可進一步結合關口、高新園周邊的交通設施承載能力，判斷職住分離對交通運行狀況的影響。因此，相對指標與絕對指標意義不同，前者表明向心交通的增長原因，后者直觀表達了向心交通增長數量及空間來源。

4 結語

軌道交通的快速發展，使得利用軌道交通刷卡數據分析城市通勤圈范圍成為可能。本文在分析通勤圈概念的基礎上提出利用相對指標、絕對指標來評價通勤圈范圍，并詳細說明軌道交通刷卡數據的準備過程、軌道交通網絡構建以及基于地理信息系統的通勤指標分析方法；并以深圳市高新技術產業園為例，驗證該方法的可操作性，結合案例對通勤圈范圍的兩個評價指標進行了解讀與辨析。

文中提出的通勤圈范圍的研究方法可行性較強，但受到軌道交通乘客與總體樣本偏差、軌道交通接駁客流實際起訖點偏離車站程度等因素的影響，得到的通勤圈范圍可能存在一定誤差，下一步需做深入研究。

［1］周春山，葉昌東.中國城市空間結構研究評述［J］.地理科學進展，2013，32（7）：1030～1038.

［2］深圳市規劃國土發展研究中心.深圳市城市總體規劃（2007-2020年）［G］.深圳：深圳市規劃國土發展研究中心，2007.

［3］深圳市規劃國土發展研究中心.深圳市軌道交通規劃（2012-2040年）［G］.深圳：深圳市規劃國土發展研究中心，2012.

［4］張曉春，宋家驊，邵源,等.都市圈背景下深圳軌道交通發展戰略研究［J］.都市快軌交通，2012，25（3）：1～6.

［5］榮朝和.北京跨市域軌道通勤圈關系京冀一體化成敗［J］.綜合運輸，2014（10）：4～9.

［6］張貢生.關于“都市圈”概念界定的文獻述評［J］.南京審計學院學報，2005，2（3）：11～14.

［7］張偉.都市圈的概念、特征及其規劃探討［J］.城市規劃，2003，27（6）：47～50.

［8］丁亮，鈕心毅，宋小冬.利用手機數據識別上海中心城的通勤區［J］.城市規劃，2015，39（9）：100～106.

［9］龍瀛,張宇,崔承印.利用公交刷卡數據分析北京職住關系和通勤出行［J］.地理學報，2012，67（10）：1339～1352.

［10］上海市城市規劃設計研究院.上海市軌道交通線網規劃（2015-2040年）［G］.上海：上海市城市規劃設計研究院，2015.

［11］曾群華，鄧江樓，張勇,等.都市圈、城市群與同城化的概念辨析［J］.中國名城，2012（5）：4～11.

［12］深圳市規劃國土發展研究中心.深圳市居民出行特征2014年度抽樣調查［G］.深圳：深圳市規劃國土發展研究中心，2015.

中國高鐵將重回“時速350 km”時代

7月27日上午，中國標準動車組“復興號”駛出北京南站，在京滬高鐵開展時速350 km的體驗運營。同日，中國鐵路總公司（下稱中鐵總）發布消息稱，預計在今年9月京滬高鐵實施新的列車運行圖后，將組織“復興號”按時速350 km正式上線運營。權威消息稱，初期京滬高鐵“復興號”數量為7對。屆時，京滬高鐵全程運行時間約為4.5 h。7月27日，“復興號”時速350 km體驗運營，共有300余人參加體驗。此次列車是今天早上8:38從北京南出發，開往上海虹橋站。今天列車運行的最高時速達到了352 km/h。京滬高鐵2008年開工，2011年6月30日開始通車，全長1 318 km，縱貫京、津、滬三大直轄市和冀、魯、皖、蘇四省，設計速度為380 km/h。但隨著2011年全國高鐵減速，京滬高鐵也將運行時速降至300 km。中鐵總相關人士表示，目前還沒有其他高鐵的提速打算，京滬高鐵的提速也僅暫定在“復興號”動車組上，并不包括“和諧號”動車組。可以確定的是，高鐵全面提速不會一蹴而就，無論技術評估、運營管理，還是社會、經濟效益的衡量，都需要充分考察與論證。而隨著“復興號”下線數量和出行需求增加，提速的列車數量也會逐步增加。

（摘自2017年7月28日《21世紀經濟報道》，記者彭蘇平報道）

Study on Urban Commuting Circle Based on Rail Card Data

MA Liang

Urban commuting circle is an important basis to judge urban space structure from the perspective of traffic. Firstly，the concept of urban commuting circle is introduced，absolute and relative indicators are presented to evaluate the size of commuting circle；secondly，Shenzhen rail card data is used to explain the research method of railcommuting circle，5 preparations are needed:data format conversion，data cleaning，data matching，space mapping and data extraction.On this basis，a network infrastructure is built based on the spatial layout of rail transit systems，the grid commuting index is analyzed through an analysis of the target station，thus the absolute and relative commuting circle ranges of the target station are obtained by using interpolation and contour lines in Arcgis. Finally，Shenzhen High-tech Industrial Park is taken as an example to verify this method，the result shows that in 2012～2015，the job-housing imbalance is intensified and centripetal traffic is further deteriorated，the job-housing balance proportion falls from 40%to 30%in the original second range，and the employed population living outside the original second range produces at least 14 thousand passenger flow per hour in the centripetal direction.

transportation planning；rail transit；rail card data；commuting circle；evaluation index

U293.13

10.16037/j.1007-869x.2017.08.017

2016-12-06）