基于GISDK二次開發的公共交通可達性研究
——以上海市為例

景 鵬，黃 曜，阮永利，陳媛媛

（江蘇大學汽車與交通工程學院，江蘇鎮江 212001）

隨著我國經濟的快速發展和城鎮化步伐的加快，城市人口數量和人們的生活水平都顯著提高，城市交通機動化的水平也逐漸提高。截止2017年底，全國機動車保有量達3.1億輛，北京、成都、重慶、上海、蘇州、深圳和鄭州等7個城市機動車保有量均超過300萬輛［1］。機動車保有量的迅速增加、人們出行需求的快速增長、公共交通出行率的緩慢上升以及我國城市規劃、交通管理水平的滯后，導致國內大、中型城市普遍出現交通擁堵問題［2］。為緩解城市交通擁堵的狀況，北京、上海和深圳等城市都提出了以公共交通引導城市發展的戰略，相繼實施了公共交通優先、設置公共交通專用車道和提高公共交通接駁率等一系列措施［3］。公共交通優先是解決城市交通擁堵的一項有效措施，公共交通可達性是評價城市公共交通系統服務水平和質量的一個重要參考指標。

公共交通可達性是指出行者利用公共交通系統從出發點到目的地便利的程度，是決策者衡量公共交通系統服務能力的一項重要指標，也是出行者選擇公共交通出行方式的一個重要指標。在以往關于公共交通可達性的研究中，主要集中于可達性評價計算模型的改進研究與可達性的應用［4-7］，很少有學者將可達性的計算模型融入到交通規劃軟件中來直接計算可達性的指標。雖然公共交通可達性作為城市公共交通系統評價和規劃的重要指標，但是在現有的交通規劃軟件中，如TransCAD、Vissim和EMME等沒有獨立的公共交通可達性計算模塊。為了便于公共交通企業運管部門提升運營管理水平、優化公共交通網絡體系、提高公共交通出行方式吸引力和緩解城市交通擁堵問題，以上海市外環以內為研究對象，使用基于高德Web端API開發的網絡地圖圖片自動截取拼接技術和公共交通信息挖掘技術，以TransCAD的GISDK為開發工具，充分考慮出行者、公共交通系統和土地利用三者之間的相互作用關系。建立公共交通可達性量化評價指標體系，并且以上海市外環內為例來驗證開發模塊的可靠性和準確性，分析和評價上海市外環以內范圍的公共交通可達性現狀，可為運管部門進行公共交通線網的調整與優化、提升公共交通可達性提供理論基礎和參考。

1 基于TransCAD的公共交通可達性系統的設計

1.1 可達性模型的選擇

在以往的研究中，不同學者根據不同研究角度和不同影響因素建立了多種可達性評價計算模型，較為常用的主要有空間阻隔模型、累計機會模型、潛能模型、時空約束模型等［8］。表1對上述4種公共交通可達性評價模型的特點和優缺點進行了簡要的分析和對比［9-10］。

根據本次上海市公共交通可達性研究的特點，要充分考慮網絡節點之間的空間位置，所以本次研究擬采用空間阻隔模型原理來開發公共交通計算模塊，對上海市外環范圍內的公共交通可達性進行分析和研究。該模型更側重于交通網絡本身，簡單易用、表達直觀［3］，可以很好地應用在交通網絡研究中。

空間阻隔模型將可達性理解為個體克服空間阻隔的影響到達或者離開城市某一地點的容易程度，將2個節點間的空間阻隔（出行費用、出行時間或出行距離）作為可達性的值。阻隔越小，則可達性越好：

式中：Ai為i小區的可達性；tij為從i小區至j小區所耗費的出行成本（在車時間、換乘時間、步行時間）；J為所有終點小區總數。

表1 模型對比

1.2 交通基礎數據的獲取及GIS數據庫的建立

傳統的公共交通基礎數據的獲取主要有兩種方式：①公共交通公司提供公共交通站點信息，但一般不會包含站點間的詳細信息；② 借助GPS等工具進行信息采集，需要耗費大量的人力、物力和財力進行實地調研和數據校驗。而隨著移動互聯網與智能手機的普及，百度、高德等大型在線地圖服務商均提供了相應的公共交通基礎數據。地圖服務商也將該數據制成了基本的數據服務模塊（Webservice API）供大眾使用，形成了“公共交通大數據”的新環境，也為可達性的研究提供了新的數據獲取思路［10］。通過對公共交通線路檢索發現，在線地圖服務商均可提供相一致的公共交通線路地理信息。另外，由于在線地圖是基于互聯網的“眾包”性質［11］，相關信息被龐大的數據使用者以及數據提供商進行了多次的雙向驗證，因此無論是數據的精度還是更新的頻率均遠超于傳統數據。

本文使用基于高德Web端API開發的網絡地圖圖片自動截取拼接技術和公共交通信息挖掘技術獲取交通基礎數據，保證了數據的及時性和準確性。在TransCAD中，所有的公共交通線路都依附于道路網，必須確保道路網絡的完整性，因此自主開發的網絡地圖圖片自動截取拼接技術主要用于補充基礎的道路網，將截取的圖片嵌入TransCAD中作為底圖，對OpenStreetMap中抓取出來的不完整的道路網進行補充。公共交通信息挖掘技術主要是通過高德地圖提供的數據服務模塊，通過編程來抓取研究范圍內所有的公共交通物理站點、軌道站點以及公共交通線路的走向，為公共交通線路的繪制提供了極大的方便。

在TransCAD中建立公共交通GIS數據庫，該軟件分層進行組織和管理地理信息，一般將相同類型的地理對象放在同一個圖層，運用這種圖層的方法來管理、存放和分析信息，再把不同的圖層疊加在一起，這樣可以用來實現研究區域信息的可視化。本文所構建的公共交通GIS數據庫由道路路段層、道路節點層、交通分區層、公共交通線路層、公共交通站點層和步行網路層組成，具體系統圖層信息如圖1所示。道路節點層和道路路段層是從OpenStreetMap中抓取，建立了基礎的道路網絡，為公共交通物理站點、軌道站點以及公共交通線路的布置提供先決條件；位圖底圖層是從自主開發的網絡地圖圖片自動截取拼接出來的，用于補充研究范圍內的道路網，保證道路網絡的完整性；公共交通站點層以及公共交通線路層依附于道路網絡，自主開發的公共交通信息挖掘技術將研究范圍內的公共交通站點以及公共交通線路走向挖掘出來，與道路網絡層疊加，方便了公共交通站點及其線路的繪制；交通分區層是以居委會行政區劃為基礎，將研究范圍劃分為若干個交通小區，便于后續公共交通可達性的計算；公共交通網絡結構中需要步行路徑集將形心、站點及站點之間進行互聯，以實現步行和公共交通方式的聯合網絡。步行網絡層主要承擔了小區到站點的連接和公共交通、軌交站點之間的換乘任務。在公共交通GIS數據中，需找出從交通小區形心點到站點或者路口的每一條可能步行出行的步行集，對上海市外環范圍以內的1 428個小區逐一分析并進行連接。

圖1 TransCAD圖層結構

在研究范圍內，共劃分交通小區1 428個，共計路段1 469萬條、交叉口11.39萬個、公共交通物理站點8728個、軌道站點824個、公共交通線路1 359條（雙向）、地鐵線路33條（雙向）和步行路徑集38 128條，如圖2所示。

1.3 基于TransCAD公共交通可達性計算模塊的開發

基于TransCAD建立起來的公共交通基礎數據庫，利用GISDK（地理信息開發工具）進行二次開發，它是內嵌TransCAD中的軟件工具和文件集合，其最重要的部分是Caliper Script編程語言。Caliper Script能有效訪問TransCAD中的程序和數據，是一種功能強大且靈活的編程語言，多種語言編寫的程序代碼能混合在Caliper腳本中，具有良好的兼容性。

運用GISDK可以進行多方面的二次開發，本文通過創建Add-ins來擴展和自動重復執行命令，這是一種適合非專業編程用戶進行開發的方法。利用Add-ins程序，用戶能方便地使用已有的軟件功能，也可以根據自己的需求創建新的應用程序和新功能，而且Add-ins可以無限制地在TransCAD用戶中自由使用。本文所使用的宏就是Add-ins程序，該程序能為用戶提供按鈕訪問程序所做的工具，能夠將這些工具嵌入到TransCAD工具欄中，通過鼠標操作計算出各種可達性的指標。通過GISDK二次開發，實現了以下4個功能：可達性參數計算（出行花費、出行時間、換乘次數），公共交通出行時間圈繪制，公共交通線網密度計算和線路非直線系數計算，具體開發流程如圖3所示。

圖2 公共交通數據庫

1.4 公共交通可達性開發模塊的驗證

本文使用線上地圖工具——百度地圖來驗證開發的公共交通可達性模塊自動生成的出行時間、換乘次數、出行費用等可達性指標。如圖4所示，以上海市宜山路與蒼梧路交叉口為起點（S點）-零陵路與天鑰橋路交叉口為終點（E點）來驗證其可達性指標，開發的模塊計算出兩點之間的公共交通出行時間為34 min、換乘次數為0次、公共交通出行費用為1元；百度地圖生成的公共交通出行時間為31 min、換乘次數為0次、公共交通出行費用為2元。在一定的誤差范圍內，此結果可初步判定本文所開發的公共交通可達性模塊計算出來的公共交通可達性指標值與百度地圖各指標值基本吻合。

圖3 模塊開發原理

圖4 公共交通可達性指標驗證

為了進一步驗證本文所開發系統的準確性和適用性，隨機選取徐匯區、靜安區和陸家嘴地區，以出行時耗為指標來驗證開發系統的可靠性。3個區內各選8次出行，區間選擇3次出行，系統計算出來的公共交通出行時耗與百度地圖的公共交通出行時耗相比較，并計算其公共交通出行時耗的平均誤差值，其結果如圖5所示。徐匯區、靜安區及陸家嘴地區內各8次出行時耗的平均誤差值分別為10.01%、9.49%和12.32%，區域間的出行時耗平均誤差值為9.95%。本系統在開發出行時耗時考慮了交通流的平峰與高峰時段，在與百度地圖進行校核時可能具有時間差，加上百度地圖自身也存在一定的偏差，因此在一定的誤差范圍內，認為本系統在計算公共交通可達性指標時具有一定的準確性和參考性。

圖5 出行時耗平均誤差

2 上海市公共交通可達性實例分析

通過以上對自主開發的公共交通可達性模塊的驗證，其結果顯示，在一定的誤差范圍內，該模塊能準確地算出公共交通可達性的指標。本文以上海市外環內徐匯區、靜安區、黃埔區和陸家嘴地區為例，基于TransCAD技術平臺計算時間可達性、公共交通線網密度、路線非直線系數以及公共交通站點服務范圍覆蓋率來對上海市外環以內公共交通可達性進行測度分析。

2.1 時間可達性

公共交通出行時間是衡量一個公共交通系統可達性的重要指標，本文在徐匯區、靜安區、黃浦區以及陸家嘴地區4個區域中各選一個交通小區作為核心區域繪制出行時間圈主題圖，如圖6所示。其中，不同的色塊分別表示從核心區乘坐公共交通在不同的時間段內能夠到達的區域，顏色越深表示到達該區域所消耗的時間越長。

圖6 公共交通出行時間圈

從圖6（a）可以看出：從徐匯區核心分區（交通小區編號為380）出發，乘坐公共交通在30 min以內可以達到周邊距離較近的分區；在60 min以內可以達到徐匯區、靜安區以及黃浦區的絕大數分區；而到達距離較遠的浦東新區則需要花費90 min以上。

另外，從徐匯區出發到靜安區、陸家嘴地區和黃浦區的公共交通出行時耗如圖7所示。從圖中可以看出，從徐匯區出發到這3個區的公共交通出行時耗集中在60～90 min。此外，徐匯區內各交通分區間大多數的公共交通出行時耗在60 min以內。其中，30 min以內和30～60 min的公共交通出行時耗占比分布為36.28%和55.45%。

從圖6（b）可以看出：從靜安區核心分區（交通小區編號為1361）出發，乘坐公共交通30 min以內能夠達到周邊距離較近的分區；在60 min以內能到達虹口區和黃浦區的絕大部分；而到達距離較遠的浦東新區和徐匯區則需要花費90 min以上。

從靜安區出發到徐匯區、陸家嘴地區和黃浦區的公共交通出行時耗如圖8所示。從靜安區出發到徐匯區的公共交通出行時耗集中在60～90 min，靜安區出發到陸家嘴地區的公共交通出行時耗集中在30～60 min和60～90 min，而靜安區出發到黃浦區的公共交通出行時耗集中在30～60 min。此外，從圖8可以看出，靜安區內各交通分區間大多數的公共交通出行時耗在60 min以內。其中，30 min以內和30～60 min的公共交通出行時耗占比分布為42.99%和52.79%。

如圖6（c）所示：從黃浦區核心分區出發（交通小區編號為28）出發，乘坐公共交通在30 min以內可以到達周邊較近的分區；在60 min以內能夠到達靜安區、虹口區和徐匯區的絕大多數分區以及浦東的陸家嘴地區；而到達浦東新區、徐匯區距離較遠的分區則需花費90 min以上。

從黃浦區出發到徐匯區、靜安區和陸家嘴地區的公共交通出行時耗如圖9所示。從黃浦區出發到靜安區和陸家嘴地區的公共交通出行時耗集中于60 min以內，而黃浦區到徐匯區的公共交通出行時耗則集中在90 min以內。此外，黃浦區內各交通分區間的平均公共交通出行時耗在60 min以內。其中，30 min以內的公共交通出行時耗占比為67.65%。

如圖6（d），從陸家嘴地區核心分區（交通小區編號為5653）出發，乘坐公共交通在30 min以內能夠到達黃浦區周邊較近的分區；60 min以內可以到達徐匯區、靜安區和浦東新區的絕大多數分區；而需要到達外環周邊的部分分區則需要花費90 min以上。

從陸家嘴地區出發到徐匯區、靜安區和黃浦區的公共交通出行時耗如圖10所示。從陸家嘴地區出發到徐匯區和靜安區的公共交通出行時耗集中于90 min以內，而陸家嘴地區到黃浦區的公共交通出行時耗則集中在60 min以內。此外，從圖10中可以看出，陸家嘴地區各交通分區間大多數的公共交通出行時耗在30 min以內，占比為96.43%。

圖7 徐匯區-各分區公共交通出行時耗

圖8 靜安區-各分區公共交通出行時耗

圖9 黃浦區-各分區公共交通出行時耗

圖10 陸家嘴地區-各分區公共交通出行時耗

2.2 公共交通線網密度

公共交通線網密度反映居民出行接近線路的程度，是公共交通服務水平評定的重要指標。根據《城市道路交通規劃設計規范》（GB 50220—1995）規定，在中心區規劃的公共交通線路網的密度應達到3～4 km／km2，城市邊緣地區公共交通線網密度規范要求2～2.5 km／km2。本文開發的系統分別計算了各分區的公共交通線路長度、總面積和公共交通線網密度，繪制了各分區的公共交通線網密度主題圖，如圖11所示。不同的色塊分別表示各區內不同分區的公共交通線網密度，顏色越深表示該分區的公共交通線網密度越大。據統計，徐匯區內各分區公共交通線網的平均密度為6.28 km／km2，分區內公共交通線網密度最小值為0.58 km／km2，最大值為15.08 km／km2；靜安區內各分區公共交通線網的平均密度為9.03 km／km2，分區內公共交通線網密度最小值為0.04 km／km2，最大值為25.30 km／km2；黃浦區內各分區的公共交通線網密度的平均值為12.07 km／km2，分區內公共交通線網密度最小值為1.83 km／km2，最大值為25.07 km／km2；陸家嘴地區各分區的公共交通線網密度平均值為8.65 km／km2，分區內公共交通線網密度最小值為3.27 km／km2，最大值為 24.02 km／km2。由此可見，各區的平均值均超過《城市道路交通規劃設計規范》的規定，其線網鋪設密度能滿足居民公共交通方式出行需求。

圖11 公共交通線網密度

2.3 公共交通線路非直線系數

公共交通線路非直線系數是公共交通路網布局規劃中的一項重要指標。線路非直線系數是指：兩節點（小區）間的路上實際距離與兩點間空中直線距離之比。國標《城市道路交通規劃設計規范》規定：公共交通線路非直線系數不應大于1.4，整個線網的平均非直線系數為1.15～1.2為宜。

通過自主開發的公共交通可達性模塊計算，徐匯區內公共交通線路非直線系數如圖12所示。通過計算得到徐匯區的平均公共交通線路非直線系數為2.13（其中4條環線不納入其中），高于《城市道路交通規劃設計規范》規定的平均非直線系數（1.15～1.2）的要求。因此乘客在乘坐公共交通時會感覺線路繞行，增加了出行時間成本，不利于居民出行乘坐公共交通。

圖12 徐匯區公共交通線路非直線系數

靜安區內公共交通線路非直線系數統計如表2所示。計算得靜安區的平均公共交通線路非直線系數為1.49（其中8條環線不納入考慮范圍），略高于規范的要求。

表2 靜安區公共交通線路非直線系數統計

續表（表2）

黃浦區內公共交通線路非直線系數統計如表3所示。其中5條公共交通線路為環線，不納入考慮范圍內。從表3中可以看出，866路上下行公共交通線路非直線系數分別為1.81和2.71，均略高于規范的要求。

表3 黃浦區公共交通線路非直線系數統計

陸家嘴地區公共交通線路非直線系數統計如表4所示。其中6條公共交通線路為環線，不納入考慮范圍內。其中，陸家嘴金融城5路上下行公共交通線路非直線系數分別為1.20和1.16，符合規范的要求。

2.4 公共交通站點服務范圍覆蓋率統計

公共交通站點服務范圍覆蓋率可反映公共交通網絡在城區范圍的服務覆蓋情況，公共系統作為政府提供的社會公益性服務，需要體現社會公平性，應盡可能滿足更多居民出行需求。公共交通站點服務范圍覆蓋率主題圖如圖13所示。

表4 陸家嘴地區公共交通線路非直線系數統計

圖13 公共交通站點服務覆蓋范圍

據統計，徐匯區公共交通站點300 m的覆蓋率為96.53%、公共交通站點500 m的覆蓋率為118.73%；靜安區公共交通站點300 m的覆蓋率為111.59%、公共交通站點500 m的覆蓋率為137.84%；黃浦區公共交通站點300 m的覆蓋率為116.93%、公共交通站點500 m的覆蓋率為144.16%；陸家嘴地區的公共交通站點300 m的覆蓋率為115.64%、公共交通站點500 m的覆蓋率為141.63%。根據《城市道路交通規劃設計規范》（GB 50220—95）規定，以300 m半徑計算，不得小于城市用地面積的50%；以500 m半徑計算，不得小于城市用地面積的90%。所以，所選4個區公共交通站點覆蓋率全部滿足規定，基本滿足居民出行需求。

3 結束語

本文以TransCAD作為技術平臺，結合自主開發的基于高德Web端API開發的網絡地圖圖片自動截取拼接技術和公共交通信息挖掘技術，建立公共交通GIS數據庫，利用TransCAD的GISDK二次開發功能，開發可達性指標計算模塊。以上海市外環以內為例，從時間可達性、公共交通線網密度、公共交通線路非直線系數和公共交通站點服務范圍覆蓋率等指標來驗證可達性計算模塊的可行性。結果表明，本文建立的公共交通可達性指標計算模塊能夠直接計算出相關的公共交通可達性指標。通過對城市公共交通可達性進行測度分析，評價和分析上海市外環以內的公共交通可達性現狀，發現公共交通面臨的問題，為優化公共交通線路結構和提升公共交通可達性的措施研究提供理論基礎和決策依據。