基于POI信息熵的軌道交通客流影響因素分析
——以重慶地鐵一號線為例

陳雨婷，李秋婷，2，羅玲卓

(1.重慶師范大學地理與旅游學院，重慶 400000；2.江西省奉新縣第四中學，江西 宜春 330700)

1 研究背景

重慶又稱“山城”，是西南地區的超大城市之一。受四山、兩江的阻隔影響，重慶市主城區在城市空間發展過程中始終秉承“多中心，組團式”的空間形態發展理念，從而減少山體阻礙、兩江阻隔帶來的城市發展瓶頸。受城市發展過程和發展階段的影響，不同組團之間的經濟、人口、公共設施配備具有較大差異，主城區人口和就業崗位主要集中于內環以內區域，約占主城區總體的50%左右，城市交通擁堵問題也主要集中于該區域[1]。

本文所研究的重慶軌道交通一號線，是重慶軌道交通線網截至目前唯一一條貫穿東西的主干線，溝通內外環的同時，也是重慶市投入使用的第一條地鐵線路。東起朝天門站，途經渝中區、九龍坡區、沙坪壩區、壁山區，西至璧山站，沿途穿過了中梁山隧道，勾連起重慶西站和重慶站兩大鐵路交通樞紐，是重慶西部科技城與市中極為重要的交通線路。截至2021年3月，重慶軌道交通一號線運營里程約為45 km，共設車站25座。一號線分不同時段開通運營，最早的是小什字至沙坪壩段，于2011年7月28日開通試運營[3]，尖頂坡至壁山、小什字至朝天門段開通試運營時間晚于本研究的數據采集時間，因此文中對朝天門站、壁山站不作相關分析。

隨著城市的發展，軌道交通在城市交通出行中的作用日益顯著，作為重慶市公共交通的重要組成部分，重慶市軌道交通網在不同組團的勾連、促進城市職能分配中起到了較大作用。同時，根據前人研究可知，城市軌道交通安全、運營可靠的基本依據離不開客流分析，對網絡客流特征以及演變規律的精確把握可以為網絡客流特征分析與趨勢預警預測提供參考，因此對軌道交通的客流分析具有較大的地理意義[4]。客流數據獲取是客流分析中最為基礎的一環，隨著移動互聯網的普及和大數據時代的優勢，軌道交通客流量統計方式已不局限于較難獲得的歷史刷卡數據，還可以開發基于Wi-Fi探針的客流統計分析系統，為研究實時客流、制定科學的客運組織方案提供可靠信息[5]。

目前，關于軌道交通客流研究的數據來源主要是依托進出站刷卡、三大通信網絡的定位等歷史數據，對實地探測的客流研究寥寥無幾，且都不具備對客流進行不同收入層次的劃分功能。此外，在進行客流影響因素分析時更加偏好考慮站點可達性，以及與其他公共交通的接駁、區位優勢、經濟發展、人口數量等，尤其是將經濟發展狀況較為籠統地描述為GDP或商業用地面積，而沒有進一步分析具體的各商業類別和各類別之間的聯系，忽視了多種因素共同作用下的差異性影響。

本文的創新之處在于所使用的軌道交通進出站客流數據均為Wi-Fi探針實測，且根據測得的MAC地址可進一步分析乘客收入水平，對客流有更加精確的劃分。客流影響因素分析時采用高德地圖內的8類典型POI數據，并引入信息熵算法系統地分析各POI之間的組合結構，精細化不同POI組合結構對客流分布產生的影響，進一步對軌道交通建設提供可行性參考依據。

2 數據來源及研究方法

2.1 數據來源

2.1.1 手機MAC地址數據

手機信令數據能夠反映輕軌實時的客流情況，并對客流具有追蹤功能。由于國內三大運營商的基站數據保密性強，獲取較為困難，通過閱讀文獻，經實地測試，找到了一種符合實際且使用相對便捷的手機信令獲取方式——Wi-Fi探測技術。購買Wi-Fi探針設備以及下載搭配好的探針app，只需要短短幾秒就能夠掃描到某個范圍內所有設備的IP地址、RSSI值(值的大小可反映Wi-Fi信號的強弱)，以及MAC地址(智能手機的唯一標識)[6]。Wi-Fi探針的探測原理是根據現有Wi-Fi技術協議規則，針對每一部開啟Wi-Fi功能的智能手機會持續發送Probe Request(探測請求幀)去尋找附近可用的無線網絡這一現象，來實現在一定范圍內獲取以秒為單位上傳的手機信令數據，并且這個探測請求幀中，就包含了移動設備的IP地址、MAC地址、RSSI值(信號強度值)等有價值的信息。

數據采集過程中，分別在2019年的2個工作日利用Wi-Fi探針實測采集一號線地鐵車廂內所有用戶智能手機的Wi-Fi信號，了解設備的強弱程度，獲取乘客智能手機的MAC地址，并依據后臺編寫好的程序分析乘客進出站情況以及通勤等數據。

進一步處理收集到的MAC數據，利用MAC地址前6位識別不同的用戶，通過與全網MAC數據庫比對得出不同用戶使用的手機品牌，并據此分析不同用戶的收入層次，劃分依據為2018年中國各手機品牌用戶月收入分布(見圖1)的調查結果：高收入人群(10 000元以上)使用蘋果、華為手機占比較多，中收入人群(3 000～10 000元)使用OPPO、vivo、小米手機占比較多，低收入人群(3 000元以下)使用其他類手機品牌占比較多；利用RSSI數值的大小判斷用戶的大概所在范圍，剔除車廂范圍之外的無效數據。

圖1 2018年中國各手機品牌用戶月收入分布

2.1.2 高德地圖POI檢索數據

POI即Point of interest的縮寫，直譯為“興趣點”，是一種代表真實地理實體的點狀要素，作為地理空間大數據極其重要的組成部分，POI在當今電子地圖位置搜索、定位、導航等功能性服務中發揮著核心作用[7]。

一般而言，在學術界POI的概念有狹義與廣義上的區分，狹義概念中的POI一般是指電子地圖中與人們生活、生產以及城市社會經濟緊密相關的實體點要素，主要包含了區域要素中各個類型的社會經濟部門[8]，廣義上的POI是指所有受到人們關注程度高于普通地理點要素的實體點，如博客、微信、網絡論壇、位置服務(LBS)中形成的位置簽到信息以及GPS軌跡和手機信令服務數據[9]。

本文主要研究的是狹義的POI，涵蓋了關于餐飲、購物、金融、公司企業、商務住宅、公共設施/生活服務、科教文化服務、住宿服務共8類地理實體興趣點，檢索結果包含興趣點名稱、經緯度坐標、街道地址、聯系方式等字段。檢索工具使用的是Date Map內的POI檢索模塊，以高德地圖數據為基礎，設定800 m為半徑進行地理數據檢索。這8類POI數據能夠真實地反映地鐵站周邊各類社會經濟活動，較好地滿足了精細化研究站點周圍空間布局的要求，為人們的出行決策、輕軌客流預測、軌道交通線路宏觀規劃等方面提供了細致的地理參考[10]。

2.2 研究方法

2.2.1 信息熵及其地理意義

“熵”原是一個熱力學概念[11]，本研究借用信息熵的算法對城市組成結構進行深入的定量分析。假設在城市一定范圍內檢索到的POI數據總量為A，該范圍內的所有POI根據其關鍵詞可分成N種，每個類別的個數為Ai(i=1，2，3，4，…，N)

各類POI所占規定范圍內POI總量的比例為：

(1)

按照信息論的原理[12-13]參考Shannon-Weaner指數定義POI組合結構的信息熵為：

H=)

(2)

信息熵H是系統復雜性和均衡性的測度，用來描述POI的多樣性，Pi為第i種POI類型所占的比例[14]。當規定范圍未檢索到任何POI時，其多樣性指數為0，即Hmin=0；相反，當規定范圍內社會發展越繁華，各POI類型已趨于穩定、均勻且滿足熵最大化條件(A1=A2=…=Am=A/N)時，多樣性指數為最大值Hmax=ln(N)。因此POI類別越多，各類POI的數量相差越小，熵值就越大。

2.2.2 結構的均衡度及優勢度

信息熵反映城市POI組合結構的復雜程度，均衡度、優勢度則描述城市POI之間數量差異、結構格局[15]。基于信息熵公式得到均衡度的表達式為：

E=/ln(N)

(3)

均衡度是信息熵與最大值Hmax之間的比值，取值范圍為E∈[0，1][16]。當E=0時城市POI組合結構處于最不均勻狀態，當E=1時達到理想的平衡狀態。優勢度(D=1-E)反映區域內一種或幾種POI支配該區域結構的程度，與多樣性成反比。

2.2.3 數據分析方法

采用單因素方差分析法和多重比較分析法研究POI均衡度與早晚高峰時期進出站客流之間，與高、中、低收入水平的各時期客流之間是否存在顯著性差異和具體差異的體現。進行單因素方差分析之前需要判斷數據是否滿足以下3個前提條件：①數據是相互獨立的隨機樣本。②各數據樣本來自正態分布總體，判斷是否符合可以對研究的整體進行正態性檢驗，若不完全符合則需要采用對數、開方等函數轉換法對數據進行正態轉換，再次檢驗滿足正態分布，方可進行下一步。③單因素方差分析后的輸出結果中，方差齊性檢驗的萊文統計量顯著性必須大于顯著水平0.05，才算真正滿足單因素方差分析的前提條件。

下一步針對單因素方差分析結果中具有顯著性的數據進行多重比較分析，當LSD值檢驗結果的顯著性(F)小于0.05時，顯著性差異比較的結果有效，若對比結果有效的2個數據所對應的平均值差值Q(Q=I-J)始終大于零，意味著差異性I大于J，由此可以得出具體的顯著性差別。

3 早、晚高峰期進出站客流的區位分布特征

進出站客流是指單位時間內軌道交通站點乘客的空間行為表現。圖2是使用Wi-Fi探針實地測得的2019年重慶市軌道交通一號線3月的一個工作日進出站客流分布，分為早高峰 (7:30—9:30)和晚高峰(17:30—19:30)兩個時段，縱坐標表示23個車站的實測進、出站客流。

分析可得：早高峰時段尖頂坡站、微電園站的進站客流量較大，出站客流量卻較少，這些站點主要分布于沙坪壩區的西部、中梁山西側；晚高峰時段石橋鋪站至大坪站的進站客流量較大，出站客流量較少，該類站點主要分布于渝中區和九龍坡區北側。其中，小什字站、較場口站、兩路口站、沙坪壩站無論早晚高峰期的進出站客流都相對較多，這類站點主要為軌道交通換乘站或者與其他公共交通的接駁站，因此客流量相對穩定且較多，主要分布在渝中組團、沙坪壩組團的中心的區域，周圍分布有較大的商圈。

圖2 一號線早晚高峰進出站客流統計

4 軌道交通一號線各站點POI熵值的城市區位分布特征

使用Date Map內嵌的高德地圖數據，沿軌道交通一號線小什字至尖頂坡段，以800 m為半徑分別檢索23個站點周邊的POI數據，用上述方式計算23個站點的信息熵(H)、均衡度(J)和優勢度(D)的值，如表1所示。

位于城市的不同區位的地鐵站點周圍，POI組合結構的完整性和均衡性均存在明顯差異，選取信息熵和均衡度進行線性比較分析可得(見圖3)：地鐵一號線各站點的信息熵值、均衡度大致呈現出2個峰值和2個極低值，第一個峰值由位于渝中區的小什字、兩路口、較場口站組成，位于沙坪壩區的沙坪壩站、小龍坎站組成次一級峰值。由信息熵和均衡度的含義得出峰值則意味著該站點周圍的POI組合結構發展較為均衡；極低值表明POI發展相對不均衡，即賴家橋站和鵝嶺站的POI組合結構最不均衡。結合重慶市行政規劃來看，整體上趨勢線走勢說明，隨著與重慶市中心的距離不斷增加，熵值和均衡度均呈現出逐漸降低的趨勢，而2個峰值站點所在區域均屬于區級中心位置，熵值相對較低的站點則基本上處于主城分區的邊緣或者過渡地帶。

原因在于：這8類POI的分布受到了人口密集程度、空間距離與經濟發展階段等因素的制約。在站點不同的區位條件下，人們擁有不同的生活需求，土地供給情況的差異也影響了各類POI的布局和數量。

表1 各站點POI的信息熵、均衡度、優勢度

圖3 信息熵、均衡度線性比較

5 基于信息熵、均衡度的客流影響因素分析

5.1 POI信息熵與早、晚高峰客流的單因素方差分析

采用單因素方差分析法和多重比較分析法對POI均衡度與早、晚高峰時期進出站客流之間是否存在顯著性差異及具體差異的體現進行研究。首先，將早、晚高峰的進、出站客流以及前面所得的23個站點的信息熵開展正態性檢驗：一號線早高峰進站客流、晚高峰出站客流、晚高峰進站客流以及各站點的信息熵均不符合正態分布，呈現不同程度的正偏移和負偏移。因此對不符合正態分布的客流數據和信息熵進行正態轉換，經檢驗滿足正態分布。將4組客流數據和信息熵數據分別進行單因素方差分析，輸出結果中方差齊性檢驗的萊文統計量顯著性均大于顯著水平0.05，滿足單因素方差分析的前提條件。進一步查看4組單因素方差分析，結果如表2所示，若ANOVA顯著性小于0.01，說明POI信息熵值的大小對早、晚高峰進出站客流具有顯著性影響。

表2 四組單因素方差分析結果

分析可得: POI信息熵值對早高峰進站客流和晚高峰出站客流的影響是顯著性的，而對早高峰出站客流和晚高峰出站客流影響的顯著性很小。進一步針對2組具有顯著性的數據進行多重比較分析，當LSD值檢驗結果的顯著性(F)小于0.05時，顯著性差異比較的結果有效，且對應的平均值差值Q始終大于零，意味著差異性I大于J，多重比較分析結果如表3所示。

表3 多重比較分析結果

對早、晚高峰期的所有進出站客流而言，顯著性的差異主要體現在以下2個方面。

1)POI組合結構的均衡度對尖頂坡站、大學城站、微電園站、沙坪壩站、小龍坎站、較場口站、小什字站的客流影響最為顯著，對歇臺子站、陳家橋站、馬家巖站、鵝嶺站的客流影響相對不顯著。

2)通過與前文中信息熵值、客流量的數據對比可以發現，顯著性強的站點呈現兩極分化狀態：一是信息熵值越高客流也相對較多，二是信息熵值偏低客流依舊較多。這或許與城市的職住分配有關，信息熵值高的站點往往分布在渝中區和沙坪壩區中心地段，相對而言，地價、房價及生活成本都比較高，有一部分上班族選擇了較為偏遠的外環定居，即中梁山以西的大學城片區。

5.2 POI信息熵與高、中、低收入層次客流的單因素方差分析

同理，采用單因素方差分析法對POI信息熵與高、中、低收入層次客流之間是否存在顯著性差異進行研究。分別將高、中、低收入層次客流不符合正態分布的數據進行相應的正態轉換，最后得出符合正態分布的3組數據。單因素方差分析輸出結果中方差齊性檢驗的萊文統計量的顯著性大于顯著水平0.05，滿足單因素方差分析的前提條件。進一步查看3組單因素方差分析，結果如表4所示。

表4 三組單因素方差分析結果

分析可得:高、低收入層次的顯著性均小于0.01說明POI信息熵值對高收入層次客流和低收入層次客流的影響存在顯著性，進一步針對高收入客流和低收入客流2組數據進行多重比較分析，當LSD值檢驗結果的顯著性(F)小于0.05 h，顯著性差異比較的結果有效，且對應的平均值差值Q始終大于零，意味著差異性I大于J，多重比較分析結果如表5所示。

高、低收入層次的早晚進出站客流受到POI組合結構影響較為顯著的共同站點有尖頂坡站、大學城站、沙坪壩站、大坪站、兩路口站、小什字站，其中兩路口站、沙坪壩站、小什字站屬于大型商圈聚集地也是換乘站，大坪站位于商圈附近，這3類站點附近的8類POI組合而形成集商業、居住、辦公為一體的大都市圈可以提供大量的就業崗位和質量優越的生活服務，對高、低收入層次的客流都具有較大吸引力；而尖頂坡和小什字站不僅位于城市近郊區，發展歷史過程中地價、房價均不高于核心地區，屬于低收入人群的考慮范疇，而且毗鄰多所高校，且近年來有重慶市西部科學城的發展規劃，加上遠郊區城市化發展時間不長，生態環境比早期發展起來的老城區好得多，因此這片地區對高新技術人才和高知人群具有一定的吸引力，這部分人往往都擁有較高的收入。

表5 多重比較分析結果

6 結語

重慶市軌道交通一號線作為第一條投入使用的貫通東西的地鐵，很好地緩解了交通壓力，對主城區西部地區城市化發展也有著較大的促進作用，首尾勾連西部近郊區和渝中區的布局使得整體客流呈現明顯的住郊區在市中心上班的通勤模式。除區位優劣以外，地鐵乘客的分流也受到站點周圍配套設施的影響，利用信息熵算法得出站點POI組合結構的均衡度、優勢度等信息，可以很好地衡量和分析研究范圍內的商業、房產、生活服務等方面的發展現狀，通過分析其與客流的相關性、顯著性差異，精細化POI組合結構的影響程度，并據此對城市用地分配、商業發展、生活服務配套等作出一定的前瞻性規劃，利用好不同POI組合結構對各類客流的吸引力程度，促進城市軌道交通站點的建設，使地鐵更好地服務于人們的生活。