基于外部接駁的城市軌道交通車站站點分類研究

陳艷艷， 張 糯， 路 堯

(北京工業大學北京市交通工程重點實驗室， 北京 100024)

基于外部接駁的城市軌道交通車站站點分類研究

陳艷艷， 張 糯， 路 堯

(北京工業大學北京市交通工程重點實驗室， 北京 100024)

城市軌道站點外部交通方式接駁的便利性，是影響軌道交通吸引力的重要因素。但限于站點眾多，逐一研究費時費力的現狀，對站點進行分類分析是一條較為理想的研究途徑。首先，借助各站點IC卡和AFC數據，通過客流時空特征及高峰小時客流量特征將軌道交通車站站點分類，即大中小客流下的右峰型、雙峰型和左峰型站點，以及無峰型站點、首末站點。最后在站點分類的基礎上，研究各類站點周邊的用地性質以及進站交通方式特征，確定各類站點外部接駁方式的優先級。

城市軌道站點； 外部接駁； 站點分類； IC卡； AFC數據

1 研究背景

北京市的公共交通系統是以城市軌道為骨架，軌道交通具有用地省、運量大，高效，快速，節約能源，安全性好等特點[1]，而影響城市軌道交通吸引力的因素除了站點和列車自身特點外，軌道交通車站外部接駁設施的便利程度也非常重要。由于城市軌道交通車站站點(簡稱軌道站點)眾多，對軌道站點外部接駁設施的研究應分類進行。

國內對軌道站點的分類方法不統一?？偨Y國內外文獻關于城市軌道交通車站等級劃分，將車站分類歸結為節點導向型和場所導向型兩大類[2]?！冻鞘熊壍澜煌ㄟ\營組織》的分類采用客流量的大小進行區分[3]。按照站點區位條件、站點周邊地區土地利用性質、開發規模和強度等數據，將郊區軌道交通站點分類[4]。從接駁換乘的角度出發，對城市規劃、換乘交通特性、地鐵車站特征3 方面進行分析，利用歸一化法對指標進行無量綱化處理，采用聚類分析技術對軌道交通車站進行分類[5]。為明確城市軌道站點的功能與定位，建立了基于譜聚類算法的城市軌道站點分類方法[6]。

現有的分類方法，大多基于現場調查數據，數據不全面且準確性難以保證。利用IC卡數據對軌道站點研究的更少，與公交IC卡數據類似，對公交IC卡數據收集、處理和分析得到的結果可以為公交客流分析提供重要依據[7]。

各種方法對站點分類后，最直觀的表現形式，就是通過該站點的客流量及周邊用地情況。在一定的收入條件下，人們可在消費、住房和交通3個方面進行組合選擇，以達到其所認為的效用最大化[8]。基于GIS(地理信息系統)勾勒出軌道交通網絡格局下職住分布的形態，提出了軌道交通網絡化發展背景下區域性職住不平衡的新格局[9]。

此外，站點分類的影響因素研究也至關重要，利用距離加權回歸分析方法更加準確地反映站點周邊用地情況與客流量的關系[10]。

一般分類方法，其分類結果較為直觀，便于實際實施過程中借鑒，但是容易忽略影響因素內部的關聯；而聚類分析作為觀察式學習，其聚類結果與給定的聚類變量有很大關系，但聚類標準不是很直觀。本文運用聚類分析方法，根據軌道站點的客流量對軌道站點進行聚類分析，最終與用地性質相結合，使分類結果更加直觀。

2 軌道站點分類指標

2.1分級參數選定

軌道站點外部接駁設施的設置，主要受客流的影響，不同客流特征需要不同規模的接駁設施來接送及疏散。客流特征包括進出站的客流時空特征、客流量以及軌道站點對客流的吸引范圍等，本文暫不考慮其吸引范圍，僅用軌道站點進出站客流的時空特征和客流量對站點進行分類。

2.1.1進站客流時空特征

進站客流特征用來描述全天客流趨勢，分辨客流達到高峰或有特殊情況時的時段。進站客流特征在一定程度上可以體現站點的性質及周邊用地性質。城市中居住用地、商業用地和大型公建用地是客流的主要發生吸引源。早高峰時段，居住用地是客流的主要發生源，而商業用地是主要的吸引源；晚高峰時段，居住用地是客流的主要吸引源，而商業和大型公建是主要的發生源。城市職住區的設置，決定區域客流特征。

2.1.2客流量

由于高峰時段的小時客流量最大，若高峰時段的站點設施能夠滿足乘客需求，則其他時段亦可滿足，故客流量選取進站高峰小時客流量來描述軌道站點客流量級，從而確定軌道站點接駁設施規模。站點周邊的人口密度、用地性質、換乘其他交通方式的便利程度等因素，共同決定客流量的大小。根據進站客流特征，客流量指標的等級不同，對應其外部接駁設施的配置亦有所差別。

2.2站點分類

2.2.1客流特征分類

基于北京市所有軌道站點IC卡和AFC數據，對軌道站點的進站客流特征進行聚類分析。此處運用平峰時客流量與高峰時的比值，定義為高峰系數。

2.2.2客流量分類

不同客流量級別的站點，其外部配套接駁設施規模不同。通過物理方法，將客流量分為幾個等級。

通過以上兩個分類步驟可將性質相似的站點歸為一類，為站點的新建和改建提供借鑒。

3 實例分析

以北京市278個軌道站點為研究對象，借助2016年4月11號(周一)的地鐵IC卡和AFC刷卡數據以及出行鏈數據，對站點進行分析。

3.1客流特征分類

本文統計了各站點的進站客流量，取7：00—10：00最大的客流量為早高峰小時客流量，Qa；取10：00—16：00最小客流量為平峰小時客流量，Qn；取17：00—20：00最大客流量為晚高峰小時客流量，Qp。

早高峰系數Fa=Qn/Qa

晚高峰系數Fp=Qn/Qp

以Fa、Fp為影響因素，運用K-Means聚類方法將站點分類，分類結果如表1所示。

表1 客流特征聚類結果

高峰比p是指早高峰小時客流量與晚高峰小時客流量的比值，即

p=Qa/Qb

根據高峰比對分類結果進行分析，總結出各類型車站的高峰比的取值范圍，見表2，根據p值對分類結果進行校核，結果見表3。

表2 高峰比取值范圍

表3 優化后分類結果

根據以上分類結果，挑取典型站點，如表4所示，各類站點的客流隨時間的變化情況如圖1所示。

表4 各類型典型站點列舉

圖1 優化后聚類結果Fig.1 Optimized classification results

通過對軌道客流的分析，可知軌道站點客流基本呈現4種形式，聚類1—無峰型、聚類2—右峰型、聚類3—雙峰型和聚類4—左峰型4種情況，見圖2。

圖2 各類站點隨時間變化的客流Fig.2 Passenger flow with time

根據北京市職住人口分布情況，不同類型居住人口的比例如表5所示。

表5 各類型站點的職住比

注：職住比為以軌道交通站點為中心，1000m為半徑范圍內的工作人口和居住人口的比值。

*表示居住人口較少，商業人口較多；**表示居住人口與商業人口同時較多；***表示居住人口較多，商業人口較少。

3.2客流量分類

以進站高峰小時客流量為影響因子，對軌道交通站點進行分類，分類結果如表6所示。

表6 客流量分類結果

3.3聚類結果

3.3.1站點周邊用地性質分析

綜合以上兩種分類，將分類結果與北京市用地性質結合，得到最終軌道交通站點分類(見表7)。

表7 分類結果與周邊用地性質關系

續表

從表7可看出，客流特征聚類結果與站點周圍用地性質相關性較強。無峰型站點樞紐類用地約占周邊用地的1/2～3/4，商業用地約占周邊用地的1/4；右峰型站點商業用地約占周邊用地的1/2～1，而且客流越大，商業用地占比越高；雙峰型站點商業用地約占周邊用地的1/4～3/4，與右峰型相似，客流越大，商業用地占比越高；左峰型站點商業用地約占周邊用地的0～1/4，其客流越大，居住用地占比越大。商業用地占比為右峰型>雙峰型>無峰型>左峰型。郊區站點的客流特征主要為雙峰型和左峰型。

3.3.2站點外部接駁方式分析

通過軌道交通接駁方式選擇調查結果見表8。

表8 分類結果與其外部接駁交通方式關系

由表8可看出，各種類型的軌道交通站點外部接駁方式趨勢基本相似，步行占比最高，其次為公交車，之后是自行車和出租車，最后為自駕車。左峰型由于居住用地居多，多數離市區較遠，而且很多郊區站點配備P+R停車場，故自駕車比例偏高。步行占比為無峰型>右峰型>雙峰型>左峰型；公交出行占比為左峰型>雙峰型>右峰型>無峰型。右峰型和雙峰型站點，周邊商業用地占比較高，具有相同客流時空分布的站點，隨著客流量的增大，其外部接駁交通方式中公交的占比越大。而左峰型站點，此類特征卻不明顯，究其原因，左峰型站點周邊用地多以居住型用地為主，很多站點遠離市區，而且包含很多首末站，故將首末站剔除后，得到調整后左峰型的外部接駁交通方式占比特征與右峰型和雙峰型站點的特征較為符合。另外，首末站客流特征與其他站點差異性很大，故應該單獨研究。

在軌道交通站點外部主要的接駁設施中，步行系統、公交系統和出租車系統的周轉率較高，根據高峰小時客流量得到的客流分類結果基本可以滿足乘客換乘需求，而對于自行車停車場和P+R停車場，由于其周轉率較低，特別是自行車停車場，存在廢舊車輛長期存放的問題，乘客對此類停車設施的需求及規模應以各站點全日需求量為準。

不同類型站點外部接駁設施優先級如表9所示。

表9 各類站點外部接駁優先級

4 結論

軌道交通外部接駁設施的配置情況，歸根結底是受進出站點的客流決定的，本文從站點客流的時空特征以及客流量出發，對北京市278個站點進行分類，將具有相似客流特征的站點歸為一類，并對每一類站點的周邊用地性質和到站交通方式進行分析，得到外部接駁方式的優先級。本文未將軌道交通站點的服務范圍考慮在內，這部分工作還有待完善，但此分類方法仍可以為后續確定各類站點外部接駁設施的規模提供參考。

[1] 孫章，楊耀.城際軌道交通與城市發展[J].現代城市研究，2015(12)：38-42.

SUN Zhang， YANG Yao.Inter-city rail transit and urban development[J].Modern urban research， 2015(12)：38-42.

[2] 戴子文，譚國威，戴子龍.城市軌道交通車站分類及等級劃分研究[J].都市快軌交通，2016，29(4)：38-42.

DAI Ziwen， TAN Guowei， DAI Zilong. Classification and grading of urban rail transit stations[J].Urban rapid rail transit， 2016， 29(4)： 38-42.

[3] 汪松滋，何其光.城市軌道交通運營組織[M]. 北京：中國建筑工業出版社，2003.

WANG Songzi， HE Qiguang.Urban rail transit operation organization[M].Beijing： China building industry Press， 2003.

[4] 吳嬌蓉，畢艷祥，傅博峰.基于郊區軌道交通站點分類的客流特征和換乘系統優先級分析[J].城市軌道交通研究，2007(11)：23-28.

WU Jiaorong， BI Yanxiang， FU Bufeng.Characteristics of in passenger different suburban rail stations and the priority of transfer system[J].Urban mass transit， 2007(11)： 23-28.

[5] 羅芳，柴蕾，邱星.基于交通換乘的城市軌道交通車站分類研究[J].洛陽理工學院學報(自然科學版)，2015(3)：45-48.

LUO Fang， CAI Lei， QIU Xing.Classification of urban rail transit station based on traffic transfer[J].Journal of Luoyang Institute of Science and Technology(natural science edition)， 2015(3)： 45-48.

[6] 余麗潔，李巖，陳寬民.基于譜聚類的城市軌道站點分類方法[J].交通信息與安全，2014(1)：122-125.

YU Lijie， LI Yan， CHEN Kuanmin.Using special clustering for urban rail station classification[J].Journal of transport information and safety， 2014(1)： 122-125.

[7] 尹長勇，陳艷艷，陳紹輝.基于聚類分析方法的公交站點客流匹配方法研究[J].交通信息與安全，2010(3)：21-24.

YIN Changyong， CHEN Yanyan， CHEN Shaohui.Bus station passenger matching method based on cluster analysis method[J].Journal of transport information and safety， 2010(3)： 21-24.

[8] AIONSO W A.Location and land use[M].Harvard University Press， 1964.

[9] 趙暉，楊軍，劉常平.軌道沿線居民職住分布及通勤空間組織特征研究：以北京為例[J].經濟地理，2011(9)：1445-1451.

ZHAO Hui， YANG Jun， LIU Changping.Research on characteristics of the job/housing distribution and the changing commuting along subway lines-a case study from Beijing[J].Economic geography， 2011(9)： 1445-1451.

[10] GUTIERREZ J.Distance-measure impacts on the calculation of transport service areas using GIS[J].Environment and planning B： planning and design， 2008(35)： 480-503.

A New Classification Approach to Urban Rail Stations Based on External Connections

CHEN Yanyan, ZHANG Nuo, LU Yao

(Beijing Key Laboratory of Traffic Engineering， Beijing University of Technology, Beijing 100024)

The convenience of transportation outside of urban rail stations is an important factor affecting the attraction of rail transit. Each station has its specific character, and there are a large number of urban rail stations, so it is an ideal way to study the classification of stations. By using the data of IC card and AFC, the stations are divided into 11 categories, including the right-peak, double-peak and left-peak stations with three volume levels of passengers, as well as no-peak stations and terminals. In addition, based on the results of classification, the nature of the land and the characteristics of transits into the stations, as well as the priority of transit outside of all types of stations are explored.

urban rail station; external connection; classification; IC card; AFC data

10.3969/j.issn.1672-6073.2017.05.009

2016-10-20

2016-11-21

陳艷艷，女，博士，教授，博導，主要研究方向為交通規劃、智能交通，cdyan@bjut.edu.cn

國家自然科學基金應急管理項目資助(71641006)

U231.4

A

1672-6073(2017)05-0051-05

(編輯：郝京紅)