個體出行情景下上海中心城區地鐵可達性研究

周 子 皓，張 莉，2*，吳 西 倫，李 生 芮，索 浩 天，周 蕾

(1.南京師范大學地理科學學院,江蘇 南京 210023;2.江蘇省地理信息資源開發與利用協同創新中心，江蘇 南京 210023；3.南京郵電大學地理與生物信息學院,江蘇 南京 210023)

0 引言

可達性是反映交通成本的基本指標[1]，研究可達性對合理配置城市資源、改善個體生活環境[2-4]、科學編制區域規劃[5]具有指導作用。在不同空間尺度上，可達性衡量的具體對象不同。Kwan等將可達性分為地方可達性和個體可達性[6]。地方可達性根據區域內所有節點間相互聯系情況評價區域整體交通情況，從而揭示區域空間結構與區域發展情況，常用指標有最短距離、加權平均旅行時間等[7-11]。例如：Gutiérrez等通過加權平均旅行時間衡量歐洲各國公路可達性[7,8]；焦勝等通過加權平均旅行時間和引力模型評價湘西區域空間結構的演化過程[9]；張莉等應用高鐵網絡的加權平均旅行時間研究城市間通達能力[10]。個體可達性是指個體接近公共設施或目標城市節點的容易程度，評價方法有潛能模型法[12,13]、兩步搜索法[14，15]、等時線法[16]等。例如：宋正娜等應用潛能模型法評價如東縣居民點與區域內各醫療機構的接近程度[12]；陶卓霖等應用兩步搜索法評價北京養老設施空間分布情況[14]；艾廷華等應用等時線評價個體到達最近醫療機構的能力，從而確定深圳的缺醫地區[16]。

地鐵是大中城市重要的公共交通設施，影響城市交通便利度及個體通行能力[17]的地鐵可達性研究對個體便捷出行尤為重要。相關研究可分為兩類：一類是利用個體可達性方法研究個體到達地鐵站點的容易程度，如Gutiérrez等利用距離衰減函數研究地鐵站點的服務區[18]，El-Geneidy等討論了不同情景下地鐵站點可達性的區別[19]；另一類是利用復雜網絡分析、加權平均旅行時間等方法評價某地鐵站點到達其他站點的方便程度，即地鐵站點地方可達性，如周群等利用空間句法研究廣佛地鐵的可達性及幾何形態[17]，Chen等利用等時線繪制廣州地鐵的可達性演變圖[20]，黃曉燕等探索廣州地鐵可達性的時空演化[21]。

已有地鐵可達性研究通常只關注個體到達地鐵站點的能力或地鐵站點間的通達能力，但在居民實際出行中，二者共同影響居民出行能力。當地鐵站點足夠密集時，個體前往地鐵站的能力在一定程度上代表個體前往區域內不同地點的能力。鑒于此，本文綜合個體與區域兩個層面，結合最短旅行時間和加權平均旅行時間，融合個體到達地鐵站點的可達性，以上海市中心城區為例，評價地鐵網足夠密集時，不同個體通過地鐵前往區域內不同地點的能力。

1 研究區與研究方法

1.1 研究區數據

本文研究區域為上海中環以內的中心城區，該區域是上海市最重要的就業、商業、居住區；研究節點為中環線(含)以內150個地鐵站點，2016年上海市中環以內的地鐵線已成網，地鐵站點輻射中環內大部分地區。地鐵線網、道路、水域數據來自OpenStreetMap；地鐵數據時間為2019年10月，收集自Metro大都會APP，精確到5 s。

1.2 個體區域出行可達性

個體通過地鐵出行的可達性計算包含從出發點到出發地鐵站、從出發地鐵站到目標地鐵站及從目標地鐵站到終點三部分，本文分別通過最短旅行時間和加權平均旅行時間描述前兩部分的便捷程度。當地鐵站點足夠密集時，由于到達不同地點的概率相同，不同地點個體的第三部分旅行時間較短且近似相同，忽略第三部分時間不影響不同出發點到達區域內不同目的地能力的比較，因此用前兩部分時間之和表示個體到達區域內不同地點的能力。

據此，以下列假設定義個體區域出行可達性：1)主要研究對象為某種封閉式的交通網絡，區域內交通網絡可供進出的節點數量有限且足夠密集；2)個體的出發點可以是地表的任意一點，目的地是有限個足以代表區域特點的交通網絡節點；3)個體盡可能多地使用該交通網絡到達目的地。進而定義任意一點的個體區域出行可達性為：從該地出發，就近進入某類交通網絡節點，通過該交通網絡到達該網絡所有節點的最短時間均值(式(1))。

(1)

式中：Ax為地點x的個體區域出行可達性；Txi為從地點x到距離最近節點i的最短旅行時間；Tij為節點i到節點j的最短旅行時間；Mj為節點j的權重，反映站點重要程度；n為節點總數。

1.3 可達性權重

交通卡數據可表征城市內人口日流動情況，如許園園等[22-24]通過地鐵和公交卡刷卡數據研究上海、北京人口通勤特點；由于上海地鐵各線的運行速度在3年內未有大的變化，故本文從2016年交通卡刷卡數據中提取地鐵站客流量作為地鐵站點的權重。表1為上海交通卡刷卡數據示例，認為同一交通卡僅為一人持有，其中消費額為0代表該次刷卡為入站，不為0代表出站。提取站點客流量步驟如下：1)根據交通類型剔除非地鐵數據，按卡號對數據排序；2)將凌晨數據歸入前一天，防止誤處理；3)統計一日內單張交通卡刷卡次數，刪去次數為奇數的數據(奇數說明該卡數據缺失，為減小缺失數據的連鎖反應，需剔除)；4)篩選起、終點均為中環內站點的乘車記錄，統計各站點出現次數，歸一化得加權值。

表1 上海交通卡刷卡數據示例

1.4 可達性累計曲線

為體現上海地鐵個體區域出行可達性分布情況，提取地鐵線2 km緩沖區內不同可達性值對應的范圍，計算可達性—面積累計曲線(式(2))，據此分析地鐵網絡視角下上海中環以內城區的空間結構。

(2)

式中：Ai(i=1,2,…,n)為可達性值；S(A)(累計面積)為可達性值小于等于A的區域總面積；Square(Ai)為可達性值為Ai的區域面積；Aall為可達性所有可能取值。

1.5 個體區域出行可達性計算

上海中心城區地鐵站密度大，主要研究區與地鐵站距離很少超過2 km，共享單車是地鐵站點短程接駁的重要方式。在排除水體等難行區后，設在道路上自行車出行速度為4 m/s，在非道路區(如小區內部)步行速度為1 m/s。基于柵格數據中成本路徑[25]，在ArcGIS中計算可達性，計算流程(圖1)為：1)使用收集自Metro大都會APP的地鐵站間運行時間得到OD矩陣，進一步計算站點的加權平均旅行時間，與站點數據結合得到帶有可達性值的地鐵站點數據；2)賦予研究區域矢量面、難行區(本文只考慮水系)、路網數據速度字段，并根據速度轉柵格，按順序鑲嵌矢量面數據，得到與出行速度有關的研究區域時間成本柵格；3)使用時間成本柵格按時間最短原則為站點成本分配服務區，服務區的值對應站點可達性；4)計算柵格面各點到地鐵站點的成本距離；5)通過地圖代數計算服務區可達性值與成本距離的和，實現加權平均旅行時間和最短旅行時間的結合，得到區域內各點的可達性值。

圖1 柵格方式計算可達性流程

2 結果分析

2.1 站點加權平均旅行時間

使用ArcGIS得到中環內各站點間的OD矩陣，進一步計算得到站點加權平均旅行時間(表2為部分結果)并制圖(圖2)。其中，34個站點可達性較好(小于20 min)，15個站點可達性較差(大于30 min)，站點可達性從浦西核心區域向外逐漸變差。浦西核心區域處于線網中心位置，有大量可達性值小于20 min的站點，如人民廣場、南京東路、南京西路等；次中心的徐匯、虹口等區域的可達性小于20 min；浦西內環線附近站點(如中山公園、曹楊路等)的可達性多在20 min左右；浦東站點大多處于擴散圈層的外圍，可達性普遍超過25 min，只有陸家嘴附近的站點可達性較好。

圖2 上海中環內地鐵站點可達性分布

分線路的站點可達性統計如表3(未統計研究區站點過少的13、16號線)所示。4號線是上海地鐵的內環線，經過可達性較好的次中心區域，不經過核心區域和外圍區域，最佳、最差可達性相差不大，平均可達性最好；研究區內大部分站點在內環以內的9號線和經過核心區的1號線，平均可達性略低于4號線；浦東的6號線平均可達性最差，接近30 min。

表2 上海中環內部分站點加權平均旅行時間

表3 上海中環內地鐵站點可達性分線路統計

2.2 個體區域出行可達性

使用柵格方法計算個體區域出行可達性，得到步行、自行車、地鐵相結合出行方式下研究區域內各點的個體區域出行可達性(圖3,彩圖見封3)。可以看出，個體區域出行可達性最好的區域集中在可達性最好的站點(人民廣場、南京東路等)周邊，次好區域分布在可達性次好的站點(提籃橋、虹橋路)周邊及距可達性最好站點一定距離處(南京西路、人民廣場、黃陂南路及陜西南路所圍地區中心)，最差區域在可達性最差站點周圍及線網邊緣(圖3a)。分區域而言，可達性小于20 min的最佳區域大體分布在靜安區地鐵站點周邊，靜安區內距站點較遠的區域的可達性大致在30 min內；陸家嘴、徐家匯等重要商業中心的可達性(大于20 min)低于靜安區核心區，部分區塊的可達性大于25 min。

進一步分析個體區域出行可達性空間特征可知：1)站點的可達性對周邊地區可達性的影響較大。人民廣場等站點周邊區域的可達性普遍較好，與站點本身的高可達性接近，廣蘭路等站點周邊區域可達性較差。2)市中心站點稀疏區的可達性較差，如陸家嘴的世茂濱江一帶(圖3b)。3)線網末端低可達性區隨線網延伸，兩條地鐵線末端的中間區域出現高可達性區。此為地鐵網絡對城市空間結構的塑造作用——地鐵可達性是衡量大都市內部城市便利度的重要手段[20]。地鐵公交導向開發(Transit-Oriented Development,TOD)是當前城市開發的重要方式[26]，將地鐵延伸至待開發地區，提升了區域可達性，促進了新城區的開發。4)路網結構影響可達性。某地的可達性受該地與地鐵站點間的網絡距離影響。如復興島與愛國路站的直線距離較短，但出島橋在島北，從島上到達地鐵站耗時較長，導致復興島個體區域出行可達性明顯較愛國路站周邊差，外部個體到達復興島較困難(圖3c)。5)自然地物影響可達性。本文中最典型的影響因素是河流,如夢清園及蘇州河北岸均屬中潭路站的服務范圍，但蘇州河的阻隔導致南岸的可達性較北岸差(圖3d)，這反映了自然地物的分布影響個體接近其他地點的能力。綜上，個體區域出行可達性在更精細的層面上體現了個體通過地鐵到達城市不同地點能力的差異。

圖3 上海地鐵個體出行可達性空間分布

2.3 區域可達性

提取研究區地鐵線2 km緩沖區內小于特定可達性值的區域(圖4)，并繪制累計面積曲線(圖5)，發現研究范圍內約200 km2區域可達性小于30 min，大部分區域可達性小于40 min。如圖5所示，可達性小于20 min的區域較少，未成片分布在可達性最佳的站點周邊，陸家嘴站及周邊是浦東地區僅有的可達性小于20 min的區域。可達性小于25 min的區域相比小于20 min的區域大幅增加(圖4d)，覆蓋了浦西內環線以內的主要區域，但瑞金醫院等區域可達性大于25 min；浦東地區地鐵線路明顯比浦西稀疏，只有很小部分可達性小于25 min，如陸家嘴站等高可達性站點周邊地區?？蛇_性小于30 min的區域幾乎覆蓋了浦西內環以內區域，在浦東也出現連片的可達性小于30 min的區域(圖4e)?？蛇_性小于35 min、45 min的區域繼續擴展，逐漸覆蓋中環內全域?？傮w上浦西地區可達性優于浦東地區。

圖4 可達性累計區域

圖5 可達性區域累計曲線

3 結論

大中城市居民通過地鐵出行的便利程度是城市規劃和交通地理的重要議題。本文綜合考慮個體與地鐵站間的個體可達性及各地鐵站間的地方可達性，融合加權平均旅行時間和最短距離，提出個體區域出行可達性，實現了上海中心城區個體區域出行可達性的評估。主要結論包括：1)個體區域出行可達性在較小尺度上呈現多中心分布態勢，與一般對上海地鐵可達性分布的認知相符；2)探測出一些影響可達性的因素(如路網結構和河流等)及受此影響的區域，如復興島、夢清園等地可達性較周邊差，浦西的瑞金醫院等地可達性較差，浦東6號線周邊是可達性最差的線網周邊地區。

本文方法尚有不足：1)為計算簡便，以距離出發點最近的地鐵站為出發地鐵站，實際情況下，出發點到終點的最短路徑不一定經過距出發點最近的地鐵站；2)對非道路區的通行速度進行了簡化，也未考慮水體外的難行區；3)對于距地鐵站較遠的區域，居民出行時多選用公交等方式，故本文結論只適用于地鐵站點密布地區;4)對個體區域出行可達性和城市空間結構之間互動關系考慮不足，未來可基于POI、就業區等要素加以定量分析。