基于車站客流特征的城市軌道交通就業中心站點識別方法

馬 亮 周 軍 張永強

(1．深圳市規劃國土發展研究中心,518040, 深圳; 2.南京林業大學汽車與交通工程學院,210037, 南京∥第一作者,高級工程師)

就業中心是城市就業崗位主要的承載空間及通勤客流的目的地,準確掌握就業中心的空間布局及演化規律,對于優化城市空間布局及綜合交通體系具有重要意義。我國學者主要采用兩種方法開展就業中心識別研究:一是門檻值法,即設置就業中心人員密度或數量的門檻,將高于門檻值的地區定義為就業中心[1-3],但該門檻值的定義存在一定的主觀性;二是回歸分析法,即先通過就業密度的門檻值或自然斷點篩選出候選的就業中心,再利用密度分布模型檢驗各候選就業中心的影響力,以確定就業中心[4-5]。與門檻法相比,回歸分析法更為科學,但技術流程更為復雜。

近年來我國城市軌道交通快速發展,截至2022年底,全國共有55個城市開通了城市軌道交通運營線路。其中,北京、上海、廣州及深圳等10個城市的城市軌道交通線網運營里程超過了300 km[6],線路大多優先覆蓋城市的主要就業中心;此外,北京、上海、廣州及深圳這4個城市中心城區2020年的城市軌道交通出行量在機動化出行總量中的占比均超過25%,因此,通過城市軌道交通車站的客流特征來反映城市就業中心的空間布局,具有一定的代表性。與就業中心識別常用的經濟普查數據和手機信令數據相比,城市軌道交通AFC(自動售檢票)的數據能準確記錄了乘客出行的起始時間及進出站點,數據質量較高且易獲取,可為就業中心的年度評估及動態跟蹤提供良好的數據基礎。

基于城市軌道交通AFC數據進行就業中心識別的研究較少,文獻[7]基于地鐵AFC數據對城市通勤和就業中心的吸引范圍進行了研究,但就業中心識別方法借鑒了前人的研究成果。本文在研究就業中心周邊城市軌道交通車站客流特征的基礎上,提出了城市軌道交通就業中心站點的定義及識別方法,以城市軌道交通車站為基本單元,反映就業中心的空間布局特征,并以深圳市為案例進行實例應用效果分析。

1 數據基礎

2015年,深圳城市軌道交通線網運營里程為178.0 km,車站118座,換乘站13座,共計5條線路。2021年,該線網的運營里程增至422.6 km,車站增至237座,換乘站為41座,共計11條線路,其線網布局如圖1所示。

圖1 2021年深圳城市軌道交通線網圖

本文采用深圳市2015年12月7日—12月11日(周一至周五)、2021年3月1日—3月5日(周一至周五)的AFC數據進行分析研究。AFC數據主要包括卡片編號、進出站類型、刷卡時間及閘機編號等信息。通過閘機編號與車站的對應關系,可以把乘客的出行信息映射在空間上。2015年12月7日—12月11日5 d內深圳城市軌道交通線網的累計刷卡量為21 876 760次,日均刷卡量約為4 375 352次;2021年12月7日—12月11日5 d內深圳城市軌道交通線網的累計刷卡量為36 352 656次,日均刷卡量約為7 270 531次。

2 基于城市軌道交通車站客流特征的就業中心站定義

2.1 就業中心周邊城市軌道交通站點的客流特征分析

通過分析城市公認就業中心地區周邊城市軌道交通車站的客流特征,并提煉、總結出這些站點客流的一般規律,可為城市軌道交通就業中心站點(以下簡稱“就業中心站”)的定義及識別提供數據支撐。定義深圳城市軌道交通的早、晚高峰小時分別為08:00—09:00、18:00—19:00。圖2為深圳城市軌道交通線網早高峰小時進出站總量前20名的車站。由圖2可知:車公廟站排名第一,高新園站、深大站緊隨其后。

圖2 深圳城市軌道交通線網早高峰小時進出站總量前20名的車站

進一步分析車公廟站的客流特征。該站為深圳城市軌道交通1號線、7號線、9號線及11號線四線交匯的換乘車站,位于深圳主要就業中心車公廟片區內。車公廟片區就業人口密度高、早晚高峰小時通勤交通聯系強度大。對2021年3月1日—2021年3月5日的5個工作日客流數據進行分析,得到該換乘站的客流特征如下:

1) 早高峰小時出站量大且集中。車公廟換乘站早高峰客流較晚高峰集中,其早高峰小時的出站量高達2.35萬人次/h,高于晚高峰小時的進站量(1.58萬人次/h)。相應地,該換乘站早高峰小時出站量在該站日出站量中的占比達37.5%,明顯高于該早高峰小時的線網平均占比(即城市軌道交通線網合計小時出站量在線網日出站量中的占比),如圖3所示。

圖3 車公廟站小時出站量占比與線網平均小時出站量占比的對比

2) 早高峰小時進出站客流潮汐性特征明顯。車公廟站周邊地區以就業功能為絕對主導,該站早高峰小時的出站量(2.35萬人次/h)是進站量(0.12萬人次/h)的19.4倍,晚高峰小時的進站量(1.58萬人次/h)是出站量(0.34萬人次/h)的4.6倍。而深圳軌道交通線網內如西麗站、深圳北站等車站的早高峰小時出站量雖然也較大,但這些車站的進出客流潮汐特征并不顯著,這也反映了這些車站的周邊地區尚未發展為典型的就業片區。

2.2 就業中心站的定義

基于上文對車公廟站的客流特征分析,就業中心地區的城市軌道交通車站應同時滿足早高峰小時出站量大且集中、進出站客流潮汐性強這2個特征,因此,將早高峰小時出站量、出站量與進站量的比值均明顯高于全市平均水平的城市軌道交通車站定義為就業中心站。

本文借鑒交通模型校核常用的GEH指標,提出了城市軌道交通車站就業指數的計算方法,用以衡量車站周邊地區就業功能的強弱。GEH指標由英國交通工程師Geoffrey E. Havers于1970年左右提出[2],用于檢驗模型估計值與實際觀測值之間的誤差,其優點是綜合考慮了相對誤差、絕對誤差2個參數。將GEH指標中的估計值與觀測值替換為早高峰小時出站量、早高峰小時進站量,得到城市軌道交通車站就業指數t的計算式為:

(1)

式中:

a——城市軌道交通車站早高峰小時出站量;

b——城市軌道交通車站早高峰小時進站量。

t能較好地反映城市軌道交通車站周邊地區就業功能的強弱。早高峰出站量大、潮汐性強的車站,其t值較高。

3 就業中心站的識別及特征分析

3.1 識別方法

計算各車站的t,并確定t的門檻值,以實現對就業中心站的識別與分類。其識別步驟為:

1) 將AFC數據中的閘機編號與車站名進行匹配,基于進出站類型、刷卡時間的信息,統計得到深圳市各城市軌道交通車站全日分小時的進出站量。

2) 提取早高峰08:00—09:00各站的進出站量,將出站量大于進站量的車站納入候選車站范疇,利用式(1)計算各候選車站的t,并計算t的平均值ˉt。

3) 篩選出所有大于ˉt的t,其對應的車站即為就業中心候選車站。2015年、2021年的ˉt分別為56.2、58.6。為便于類比,本文選擇58.6作為計算就業中心站t的門檻值。

4) 將就業中心站分類三類:主要就業中心站、次要就業中心站及一般就業中心站。通過多次試算與經驗判斷,選擇t=150.0、t=100.0作為這三類就業中心站的分類界限,進而得到深圳市不同功能等級就業中心站的空間分布。

3.2 2015年和2021年的t值對比

對2021年和2015年的數據進行分析。2015年,深圳城市軌道交通車站總數為118座,就業中心候選車站數為59座(占比為50%),t為0～180.4;2021年,深圳城市軌道交通車站總數為237座,就業中心候選車站為108座(占比為46%),t為0～200.7。由此可知:與2015年相比,2021年就業中心候選車站占比有所下降,但t的上限值增加了。其原因主要是2015年以后新開通的城市軌道交通線路以聯系城市中心區與外圍區為主,且新線在城市中心區設站時進一步強化了對既有就業中心的覆蓋功能,在外圍區設站時新增了對居住片區的覆蓋功能。

3.3 就業中心站的空間分布特征

3.3.1 深圳市就業中心站總數

表1為2015年和2021年深圳市就業中心站數量對比結果。由表1可知:與2015年相比,2021年深圳市就業中心站的數量快速增長,增長率為174%。其中,主要就業中心站、次要就業中心站的數據均增加了1倍;一般就業中心站的數量由2015年的13座增長到2021年的21座。

表1 2015年和2021年深圳市就業中心站數量對比

3.3.2 2015年深圳市就業中心站的空間分布

2015年,深圳市19座就業中心站除寶華站位于寶安中心區外,其余均分布在中心城區(羅湖區、福田區及南山區3個行政區),其空間分布情況如圖4所示。其中:3座主要就業中心站(車公廟站、深大站及高新園站) 早高峰小時的平均出站量為1.78萬人次/h,平均進站量僅為0.15萬人次/h。3座次要就業中心站(福田站、會展中心站及大劇院站)早高峰小時的平均出站量為1.21萬人次/h,平均進站量僅為0.17萬人次/h;相比主要就業中心站,次要就業中心站早高峰小時的出站量明顯減少,其客流潮汐性也有所減弱。

圖4 2015年深圳市就業中心站空間分布情況

3.3.3 2021年深圳市就業中心站空間分布

2021年,深圳市中心城區的就業功能進一步加強。33座就業中心站中,有29座位于中心城區,4座位于外圍區(均為一般就業中心站),其空間分布情況如圖5所示。其中:主要就業中心車站6座,在2015年基礎上新增了福田站、會展中心站及高新南站;次要就業中心車站6座,除原有的大劇院站外,新增了后海站、購物公園站、科苑站、市民中心站及留仙洞站5座車站。

圖5 2021年深圳市就業中心站空間分布情況

4 就業中心站的演變規律

4.1 就業指數增長率

設城市軌道交通車站第i年的就業指數為ti,第i-1年的就業指數為ti-1,則城市軌道交通車站第i年就業指數增長率r的計算式為:

r=[(ti/ti-1)-1] ×100%

(2)

式(2)中:r≤0時表示該城市軌道交通車站的就業指數下降,即該站點的就業功能在衰退;反之,則表示該站點的就業功能在發展。

對比2015年、2021年深圳市就業中心站空間分布情況,以研究該市就業中心站的演變規律。表2為2015年深圳市就業中心站的空間分布情況。由表2可知:在2015年識別出的19座就業中心站中,就業功能衰退的就業中心站有4座,分別為福田區的大學城站和燕南站、羅湖區的老街站和國貿站;其余15座就業中心站的就業功能在持續發展,這些站點大多數位于南山區和福田區。

表2 2015年深圳市就業中心站的空間分布情況

2015—2021年深圳市新增就業中心站的空間分布情況如表3所示。根據就業中心站的識別算法,表2中福田區的大學城站和燕南站2021年起不再屬于就業中心站。2015—2021年新增的就業中心站為16座,其中:2014年及以前開通的既有城市軌道交通線路的就業中心站有6座,2015—2021年開通的新建城市軌道交通線路的就業中心站有10座。新增就業中心站主要分布在南山區和福田區。

4.2 就業中心站的主要影響因素

通過對比發現,就業中心站的產生與發展受城市軌道交通車站的空間區位、沿線用地開發程度、有無城市軌道交通線路引入等因素影響較大。

1) 城市中心區就業功能的不斷集聚是就業中心發展的關鍵因素。深圳城市發展呈現中心持續西移的特征,西部的南山科技中心及福田金融中心的崗位聚集密度明顯高于東部的羅湖消費中心,并保持較快的發展速度。2021年,南山區、福田區分別擁有11座、14座就業中心站,分別較2015年分別新增了7座、5座,而羅湖區僅擁有4座就業中心站。

2) 大體量商業辦公建筑的建成及使用可促進新的就業中心形成。車站周邊存在大體量已建成并投入使用的商業辦公建筑,則車站的t增長較快,該指標反映了產業入駐帶來的就業崗位增長。2021年既有城市軌道交通線路沿線車站新增了6座就業中心站,其中:水貝站新增了42.7萬m2商業辦公類建筑,t由13.7增至60.7,其r為340%;留仙洞站新增248.6萬m2商業辦公類建筑,t由48.3增至102.6,其r為112%。

3) 城市軌道交通新線開通可進一步強化既有線路站點的就業中心功能。既有城市軌道交通線路就業中心站引入新線后,其r較無新線引入車站大。2021年,既有城市軌道交通線路沿線的就業中心站共21座,除留仙洞站、水貝站這2座周邊用地功能較大的車站外,其余19座車站可以分為兩類:第一類是周邊有新線引入既有站點,這類就業中心站共有8座車站;第二類是周邊無新線引入的既有站點,這類就業中心站共有11座。經統計,第一類就業中心站的r平均值為57%,明顯高于第二類就業中心的r平均值(31%)。以車公廟站為例,由于引入了城市軌道交通7號線、9號線及11號線,與既有軌道1號線共同形成4線換乘樞紐,車公廟片區的對外輻射能力得以大幅提升,車站的r增至28%,成為深圳市t值最高的城市軌道交通車站。

5 結語

本文基于城市軌道交通車站的客流特征,提出了城市軌道交通就業中心站點的定義及城市軌道交通車站就業指數的概念,提出了基于城市軌道交通AFC數據識別城市就業中心的技術方法。深圳市的實例應用驗證表明:通過對就業中心站的識別,可反映就業中心在深圳市的空間分布情況。

但是,考慮到不同地區空間區位、交通設施供應能力等方面的差異性,城市軌道交通出行量在機動化交通出行總量中的占比也存在一定的差異,這些都有可能導致城市軌道交通車站就業指數表征的就業功能強弱與實際有所偏差。下一階段應對城市軌道交通車站就業指數的修正方法進行更為深入的研究。