國內各城市軌道交通線網平均乘距和各線路平均運距統計分析*
——基于中國城市軌道交通協會數據分析的研究報告之四

趙 雪 顧保南

(同濟大學道路與交通工程教育部重點實驗室,201804,上海//第一作者，碩士研究生)

城市軌道交通平均運距是衡量居民依賴軌道交通出行距離的指標，能夠反映乘客的出行特征，其統計指標分為線路平均運距和線網平均乘距。國內既有文獻對部分城市線網平均乘距和線路平均運距進行了統計，并簡單定性分析了造成線路平均運距差異的原因。文獻[1]總結了北京、上海、廣州、深圳4個城市的線網平均乘距和線路平均運距與城市規模和線網規模的關系；文獻[2]分析了重慶軌道交通的線網平均乘距和線路平均運距，并與北京、上海、廣州、深圳4個城市的進行對比，提出線網平均乘距與城市布局形態、城市規模發展變化情況、城市職住分布規律及軌道交通線路性質有關；文獻[3]按線路類型分析了北京軌道交通線路平均運距與線路長度比值的特征。本文基于中國城市軌道交通協會的統計數據，對我國內地24個城市的軌道交通線網規模、線網平均乘距進行統計分析，并分析導致各城市線網平均乘距、線路平均運距差異的原因，以期為我國城市軌道交通的科學規劃和健康發展提供參考。由于現代有軌電車、APM(旅客自動運輸)系統、市域軌道交通和高速磁浮交通的運營特征與地鐵和輕軌的運營特征并不相同，因此本文僅選取地鐵和輕軌線路進行統計分析。

1 各城市的軌道交通線網平均乘距和各線路平均運距統計分析

城市軌道交通線網平均乘距為線網客運周轉量與線網進站量的比值，即線網中乘客平均一次出行的總乘車距離。城市軌道交通線路平均運距為各線路客運周轉量與其客運量比值的平均值，即各線路上乘客一次乘車的平均距離。本文的線網統計為廣義線網統計，統計對象包括僅開通運營1～2條軌道交通線路的城市。

截至2017年年底，我國共有34個城市、總計165條軌道交通線路開通運營[4]。除了2017年12月底開通的新線，以及缺少數據的城市、線路外，本文的統計分析對象共涉及24個城市的108條軌道交通線路。根據中國城市軌道交通協會的統計數據[4]，得到各城市的軌道交通線網平均乘距(如圖1所示)和線路平均運距(如圖2所示)。

圖1 截至2017年年底24個城市的軌道交通線網平均乘距與線網規模關系圖

由圖1可知，總體而言，各城市的軌道交通線網平均乘距呈現出隨著線網規模增大而增大的趨勢。北京、上海的軌道交通線網規模和平均乘距領先于絕大部分城市，二者的線網平均乘距都超過了15 km。從城市軌道交通線路數量來看，三條線及三條線以下城市的線網平均乘距范圍為6.94～13.55 km，三條線以上城市的線網平均乘距范圍為11.99～18.19 km。另外，存在一些城市的線網平均乘距與線網規模不匹配的現象，如天津、東莞的軌道交通線網平均乘距遠高于同規模的城市，武漢軌道交通線網平均乘距遠低于同規模的城市。除了線網規模因素之外，造成各城市的軌道交通線網平均乘距差異的其他影響因素有待進一步分析。

圖2 截至2017年年底24個城市108條軌道交通線路平均運距排序圖

從圖2可知，截至2017年年底我國24個城市的108條軌道交通線路平均運距范圍為2.95～24.32 km，極差較大。不同線路類型的線路平均運距各有特點，北京機場線的線路平均運距高至24.32 km，而上海軌道交通4號環線的平均運距則為5.79 km。部分城市的一期線路開通長度較短，以致平均運距也較短，如石家莊軌道交通2號線的線路平均運距低至2.95 km，因其開通長度僅有5.3 km。因此，線路平均運距受線路類型和線路里程共同影響。

2 城市軌道交通線網平均乘距影響因素分析

本文通過城市間軌道交通線網平均乘距的橫向比較和時間維度上縱向比較，對以下影響線網平均乘距的3個因素進行重點討論。

1) 城市的建設規模和軌道交通線網規模對線網平均乘距有重要影響。隨著城市化發展，城市由中心城區向郊區擴展，居民的活動范圍增大，居民完成城市活動所需的出行距離也隨之增大。因此，線網平均乘距與城市建設規模存在正相關關系。

2) 職住分離是導致線網平均乘距居高不下的潛在因素。部分城市的多中心發展會導致階段性的職住失衡現象。職住分離越嚴重，居民的平均通勤距離越長。城市軌道交通承擔了大量的長距離通勤客流。此類線路的平均運距長于普通線路的平均運距，最終會影響整個城市的線網平均乘距。

3) 從時間維度上看，新增線路或線路延長都會影響該城市的線網平均乘距。新增線路的性質以及新增線路與既有網絡的聯系方式，這些都會影響線網平均乘距。

2.1 城市建成區規模對線網平均乘距的影響

城市建成區是指城市行政區內實際已成片開發建設、市政公用設施和公共設施基本具備的地區[5]。在城市化進程中，各個城市的建成區面積在不斷地擴大，大型城市的居民出行距離往往比小規模城市的居民出行距離要長。圖3為線網平均乘距和建成區等效半徑散點圖。

圖3 城市建成區等效半徑與軌道交通線網平均乘距關系圖[7]

由圖3可以看出，建成區等效半徑和線網平均乘距線性正相關。建立一元線性回歸模型對線網平均乘距和建成區等效半徑進行回歸分析，該模型的擬合優度統計值R2為0.61，說明該模型對樣本數據擬合較好，線網平均乘距與城市建成區的規模具有較強的線性關系。本文建成區的等效半徑的計算是假設建成區為圓形，根據建成區面積反推出建成區的等效半徑。

2.2 職住平衡情況對線網平均乘距的影響

為了減輕主城區的人口、交通壓力，大型城市在城市規劃方面都傾向于多中心發展，如上海的“2035規劃”提出了“一主、兩軸、四翼”的市域總體空間結構；東京都市圈則形成了“多核多圈層”的多中心城市結構。但是，部分城市在多中心擴展前期，往往會出現階段性的職住失衡現象：第一種職住失衡現象表現為大量就業崗位仍然集中于主城區，而大量的居民因相對較低的房價吸引居住在城市外圍組團，如北京亦莊、廣州開發區均出現了“臥城”現象[6]，居民愿意犧牲通勤時間來換取新城的低價格住房；第二種職住失衡現象表現為由于中心城區地價飆升和城市功能需求升級，大量就業崗位隨工業企業外遷轉移至郊區，而居住在主城區的人因配套設施不完善等原因不愿搬去新區，從而導致新區的職住比偏高，如天津的濱海新區。這兩種職住失衡現象都導致居民依賴軌道交通進行長期、長距離通勤出行，從而造成線網平均乘距變長。

從圖1可以看出，天津的軌道交通線網里程遠小于北京、上海的，但是其線網平均乘距卻超過了北京、上海的，為18.19 km。截至2017年年底，天津共有5條軌道交通線路開通運營，1、2、3、6號線的平均運距約為11～12 km，而津濱輕軌9號線的平均運距為20.2 km。津濱輕軌9號線長度為52.25 km，約為其他線路長度的2倍，是連接天津市區和濱海新區的一條放射線。相關分析表明：濱海新區的發展模式是以工業區發展為導向，其配套設施建設并不完善，這導致其就業崗位多，職住比較高；而天津市中心城區的就業崗位相對偏少，居住人口較多，職住比低。天津市區和濱海新區之間的日出行量約為20.5萬人次，通勤客流占比為83%，客流存在明顯的潮汐現象[8]。遠距離通勤現象導致津濱輕軌9號線的平均運距較大，也導致天津的線網平均乘距較大。

武漢的軌道交通線網平均乘距則遠小于同規模其他城市的。文獻[9]從按大區、中區、小區研究武漢職住空間分布的靜態與動態關聯特征，結論表明武漢市域范圍總體職住分布相對均衡。從通勤空間來看，中心城區的通勤空間主要位于中心城區內部及其周邊，遠城區內部形成明顯的就近就業空間。武漢相對職住平衡是該市軌道交通線網平均乘距低的主要原因。

綜上所述，大型城市的職住不平衡現象所引起的大量通勤和長距離通勤是導致軌道交通線網平均乘距較大的潛在影響因素。

2.3 同一城市線網規模變化對線網平均乘距的影響

圖4為2015—2017年各城市線網平均乘距變化情況。

從圖4中可以看出，總體而言，隨著線網規模的增長，各城市的線網平均乘距有所增加或者是有輕微波動。其中，深圳、大連、昆明、寧波和西安等5個城市的線網平均乘距變化幅度較大，這5個城市2015—2017年線網相關指標變化情況如表1所示。

表1 2015—2017年線網平均乘距變化幅度較大城市的線網相關指標變化情況表[10-12]

從表1中可以看出：①西安和昆明分別在2015年和2016年開通運營了其第3條軌道交通線路，形成了線網骨架，線路之間方便換乘帶給乘客更多選擇，乘客可通過軌道交通線網到達城市的更多地點，因此其線網平均乘距發生了改變。②大連地鐵12號線(郊區線)向市中心方向延長，于2017年與1號線(中心城區線)實現換乘，線網平均乘距總體有所上升。③深圳2016年連續開通了3條軌道交通線路，線網平均乘距先降后升。其中，7、9號線為半環狀，具有環線客流特征，線路平均運距較低；11號線則為市郊線，線路平均運距為19.21 km。④寧波2015—2016年開通運營了地鐵1號線二期，線路橫穿整個城市連接海曙區和北侖區，2016年線路長度為2015年的2倍，2016年線網平均乘距也約為2015年的2倍。⑤新開通線路類型對線網整體平均乘距有一定的影響，由于深圳既有的軌道交通線網較多，因此其新建線路對線網平均乘距的影響程度較寧波、西安的影響程度較小。

綜上所述,城市新開通線路類型不同對線網平均乘距的影響也不同；軌道交通發展到一定規模的城市，其線網平均乘距的波動幅度可能較小；軌道交通處于發展初期的城市，其新增線路對網絡規模有較大影響，導致線網的邊際效益較高，因此其線網平均乘距會有較大的變化。

3 城市軌道交通線路平均運距影響因素分析

城市軌道交通線路類型和線路里程都對線路平均運距有一定的影響。因此，在分類的基礎上對各類線路的平均運距進行分析，結果會更加清晰和有意義。目前，城市軌道交通線路的分類準則并不清晰，本文采用無監督機器學習算法中的K-means聚類算法對108條軌道交通線路聚類。該算法通過不斷迭代生成新的聚類中心，并使得類與類之間的差別最大，類內的差別最小，這是最常用的聚類算法之一。該算法的缺陷之一是無法自動得出最優聚類數，需要通過其他算法得到最優聚類數，然后再進行人工指定。本文選取線路里程、線路平均運距、線路平均運距與線路里程比值作為聚類參數，將數據進行標準化預處理，采用輪廓系數作為最優聚類數評價指標。計算結果表明，聚類簇為4時，聚類效果最優。最終得到的聚類結果如圖5所示，基于該聚類結果的統計指標如表2所示。

圖5 城市軌道交通線路分類圖

第一類線路以天津津濱輕軌9號線為代表，為溝通主副中心組團的線路和機場線等。此類線路的乘客出行目的單一且出行距離較長。線路平均運距較大，約為線路里程的1/2。第二類線路以上海軌道交通11號線為代表，為城市中心區與郊區的連接線。此類線路在連接郊區的同時仍穿過城市的主城區部分，乘客出行目的較為復雜，既包含有長距離的通勤客流，也包含購物、娛樂等短距離的客流。線路平均運距較小，約為線路里程的1/5。第三類線路以市區線為主。乘客出行目的復雜，多為短距離出行。線路平均運距較小，約為線路里程的1/4。第四類線路多為類似北京房山線的郊區線。此類線路是市區線的延伸線，連接中心區邊緣和一個郊區組團。乘客的出行目的單一，多為長距離通勤出行。線路平均運距較大，約為線路里程的1/2。

表2 城市軌道交通線路分類統計分析表

線路里程較短的線路其平均運距絕對值不大，但是受線路性質的影響，存在平均運距占線路里程比值較大的線路。線路里程較長的線路其平均運距絕對值較大，但存在平均運距占線路里程比值較小的線路。因此線路類型和線路里程都對線路平均運距有影響。

4 結論

1) 我國各城市的軌道交通線的網平均乘距范圍為6.94～18.19 km，三條線以下城市的線網平均乘距范圍為6.94～13.55 km，三條線以上城市的線網平均乘距范圍為11.99～18.19 km。線路平均運距范圍為2.95～24.32 km，不同類型線路平均運距存在差異(見表2)。

2) 線網平均乘距與城市建成區的規模呈現正相關趨勢，大型城市居民的活動范圍往往較大，其線網平均乘距也較大。

3) 職住分離是導致線網平均乘距較大的主要原因。在新城區的建設過程中，僅僅依賴軌道交通保證中心區和新城區的被動溝通是不夠的，更要加強新城區的居住、就業、服務設施的匹配建設，促進真正意義上的多中心發展。

4) 新增線路或既有線路延伸線會影響線網平均乘距的變化，新增線路性質和新增線路與既有軌道交通網絡的連接方式對線網平均乘距的影響較大。

5) 在城市多中心化發展前期，遠郊線路主要以遠距離通勤出行為主，建議實施快慢車方案，以減少通勤時間，提高乘客車內的舒適度，從而提高軌道交通在城市公共交通中的分擔率。