地鐵周邊常住人口與土地利用關系研究

趙 宇

(蘭州交通大學交通運輸學院,蘭州 730000)

0 引言

就城市發展而言,人口因素一直是最強且最具活力的因素,一個城市常住人口的空間分布對整個城市的發展規劃有著極大的影響[1-2]。地鐵是一項改善城市交通狀況的工程,對社會、經濟及空間結構有著深遠的影響[3-5]。城市軌道交通影響著城市的居住、工作、休閑及生活等各城市功能區間的關系,建設一條便捷的城市軌道交通是重要的民生工程。城市軌道交通的發展可促進重構城市人口分布的空間布局,優化城市人文形態和結構,引導區域和城市的持續發展[6-7],因此城市軌道交通與人口因素的關系是密不可分的。

對國內外的已有研究進行分析可知,其大多是從宏觀角度關注城市軌道交通建設對整座城市人口數量變化的影響,缺少微觀上城市軌道建設對某一個站點吸引范圍常住人口的影響評估,沒有將土地利用與城市軌道交通建設結合起來對人口因素進行影響分析。本研究以上海市相關數據為基礎,探究土地利用層面軌道站點影響范圍的常住人口分布規律,定義了軌道站點的影響范圍。取地鐵周邊范圍,根據地鐵吸引范圍人口分布,使用地理加權回歸模型,定量計算人口分布與土地利用之間的相關關系,為城市建設提供數據支持。

1 地鐵周邊范圍

1.1 地鐵影響范圍

學者根據軌道網絡運營經驗,以站點為中心、以軌道交通站點的接駁距離為半徑作圓形區域,定義該區域為軌道站點的吸引范圍。德布魯[8]憑個人直覺將站點吸引范圍定義為400～600 m半徑的圓。Jun Myungjin等[9]在以公共交通導向原則研究土地利用的相關性質時,直接引用前人的經驗,將影響區域設定為600 m。但這種直接根據經驗得到的站點影響范圍不準確,學者結合經驗與地理信息系統軟件工具直接標定軌道站點吸引范圍。何宏星[10]研究郊區地鐵站點時,通過在地圖上建立緩沖區得到站點吸引范圍,使用地理信息系統軟件實現了算法。Wang Z等[11]通過北京市民地鐵出行的IC數據,使用計算機制圖軟件,計算數據,得到出行距離。郭鵬[12]建立了一種柵格搜索方法,利用出行廣義函數比較,用計算機制圖軟件,得到了北京市城市軌道站點吸引范圍。王樹盛[13]等提出了吸引范圍競爭模型,基于軌道交通和汽車交通的競爭關系,標定了軌道交通站點的吸引范圍。

本研究以上海市徐匯區地鐵站點作為研究對象,根據學者的相關經驗,在市區以400 m站點吸引范圍半徑作緩沖區,可以看到緩沖區法得到的地鐵影響范圍重合區域過多,故采用泰森多邊形法求站點影響范圍(以上海市地鐵站1為圖例作對比,如圖1、圖2)。

圖1 地鐵站1泰森多邊形法

圖2 地鐵站1緩沖區法

1.2 地鐵周邊范圍

依據求得的地鐵站點影響范圍,根據地理學第一定律(相近的事物更相關),依據地鐵影響范圍,構建緩沖區模型,求地鐵影響范圍的周邊范圍,將該地鐵周邊范圍作為影響地鐵影響范圍內常住人口的地理數據空間(以地鐵站1為圖例作圖3),將其作為地理價值點(POI)的基礎數據,求地鐵影響范圍內的常住人口。以步行到達最舒適的距離100 m[14]作為緩沖區距離來構建地鐵影響范圍的周邊范圍,可以看到地鐵周邊范圍有所重合,這是因為同一個生活服務或地理價值點可以為周邊的居民提供服務,類似于站點影響范圍的定義。需要注意的是,一個人可以去兩個生活服務地點進行基本的生產生活活動,如買菜或買衣服貨比三家的行為,但是一個人不能跑兩個地鐵站點去進行同一個乘車出行的行為。對于地鐵影響范圍內常住人口的研究必須涉及影響區域以外的區域,使該區域常住人口的影響因素更全面。

圖3 地鐵站1周邊范圍

地鐵常住人口取自地鐵影響范圍,而土地利用數據取自地鐵影響范圍的周邊范圍簡記為地鐵周邊范圍,不同土地利用類型的POI點密度也是取自于地鐵周邊范圍。

2 常住人口與土地的利用關系

2.1 土地利用特征提取

相關數據來自于上海市規劃和國土資源管理局官方網站,數據格式為地理信息點的集合。一個地理信息點的數據包括該地點的土地利用類型、地址、地理坐標、軌道站點相應所屬線路等。上海市用地信息基本都可以顯示出來。該數據集以地理價值點(POI)為基本數據結構。地理價值點是地理學統計中最常用的地理數據基本單元,根據之前學者的相關內容,選取公司企業、政府服務、餐飲服務、科研教育服務、停車場服務、日常生活服務、公交車站、住宅小區8種土地利用類型作為土地利用的相關數據。

從中國國家統計局官網獲取常住人口數據,數據格式為以每平方千米為基本單位的柵格數據,經過柵格數據變換得到每平方千米的常住人口數據,在計算機繪圖軟件中進行地理裁剪得到地鐵站點影響范圍的常住人口數據,利用計算機制圖軟件將常住人口數據賦值到每個地鐵站點的影響范圍。

用計算機制圖軟件將網絡上獲取的上海市電子地圖圖層與地鐵站點周邊范圍圖層置于同一圖層,標出對應地理邊際點后進行地理圖層重疊處理,得到每一個軌道站點周邊范圍內8類用地的數量。統計每一個地鐵站周邊范圍不同土地利用類型地理價值點的數量值,除以地鐵站影響范圍的面積值,即得到每一座地鐵站周圍各類用地的密度值,單位為個每平方千米。

2.2 地理加權回歸模型

地理加權回歸模型是在局部設定一個交通小區,設定區塊的大小,在每個局部中進行回歸計算,將區域的地理坐標作為加權最小二乘回歸的目標點,體現出越靠近中心點的區域越會獲得更大的權重,步驟如下：

步驟①：在一個局部內,根據各個要素之間的空間位置逐個計算出它們的空間距離,根據計算出的空間距離結果獲得衰減函數。

衰減函數的計算公式為：

(1)

其中,β為回歸參數矩陣,X為自變量矩陣,W為空間權重函數矩陣,Y為因變量矩陣。

(2)

采用高斯函數計算空間權重函數。這種方法可以考慮給定范圍內所有樣本點數據。

wij=exp[-(dij/b)2]

(3)

其中,dij為取樣點至研究區塊的距離,wij為權重,b為權重與距離關系的函數(帶寬)。引入CV指數計算帶寬如下：

(4)

步驟②：利用步驟①的衰減函數,將各個要素值帶入,計算權重參數βk(ui,vi)。

步驟③：結合步驟②的權重得到最后的加權回歸方程：

(5)

其中,βk(ui,vi)是樣本數據集i對應的第k個回歸參數,(ui,vi)為樣本自變量的空間坐標,εi為隨機誤差,n為自變量個數。

2.3 擬合結果

選取上海市徐匯區各個地鐵站點影響范圍常住人口作為因變量,8種地理興趣點的密度作為自變量進行相關性分析。

空間自相關分析描述了空間變量的區域結構分布,可檢驗指標之間的關聯性。用局部莫蘭指數進行相關性分析,利用莫蘭指數進行8個自變量的空間自相關檢驗,計算公式如下：

(6)

(7)

統計的zI得分按下式計算：

(8)

其中,

E(I)=-1/(n-1)

(9)

V(I)=E(I2)-E(I)2

(10)

得到莫蘭指數的計算結果都大于零,最終取置信度水平大于99%的3個自變量,分析結果如表1所示：

表1 莫蘭指數

在計算機制圖軟件中進行地理加權回歸,得到相應的擬合結果。相關系數結果如表2所示。

表2 相關系數結果

從3個影響因素對地鐵周邊常住人口相關系數的中位數及均值可知,停車場服務密度對上海市徐匯區常住人口的影響程度最大,停車場密度越高的地區常住人口越多。住宅小區密度與常住人口呈正相關,說明住宅小區密度越大的地區常住人口越多。公交車站密度與常住人口呈負相關,且相關系數較高。原因是公交車站密集的地方一般是大型商圈或娛樂場所,不適宜居民的休息和日常生活,故常住人口呈負相關(已知西北方向為城市中心)。

圖4是停車場服務密度相關系數的空間分布,靠近市中心區域的分類顏色更深,說明市區停車場密度對常住人口影響較大。主要原因是市區各類娛樂場所、生活服務、醫療科教等比起城市其他地區較為密集,交通發達,生活服務也更加方便,但是缺少相應數量的公共車位,因此有停車場對居民的吸引力很強。

圖4 停車場密度相關系數空間分布

圖5表示住宅小區密度相關系數的空間分布,郊區與市區臨界帶的顏色較深,說明該分界帶區域住宅小區密度與常住人口的相關性較高。造成此類現象的原因有兩方面：市區內對于大部分城市居民而言居住生活成本太高,郊區缺少該有的生活配套設施,所以大部分居民選擇在城區與郊區的分界帶居住。

圖5 住宅小區密度相關系數空間分布

3 結論

以上海市徐匯區的城市軌道交通站點數據及土地利用數據為基本數據,根據泰森多邊形法得到地鐵站點影響范圍,進一步構建緩沖區得到上海市地鐵站點影響范圍的周邊范圍,將上海市土地利用數據與地鐵站點周邊范圍相交,得到每一個站點影響范圍的土地利用數據,賦值到地鐵影響范圍的數據圖層。利用計算機制圖軟件地圖提取各類土地利用的用地密度信息,對站點周圍土地利用密度差異進行分析,通過分析站點影響范圍內常住人口數,選取地理加權回歸模型,分析常住人口與土地利用不同類型用地密度之間的相關關系,得到站點影響范圍的常住人口與土地利用類型的用地密度相關關系,可進一步通過不同土地利用類型數據來預測常住人口的值,進而預測城市軌道交通站點的客流吸引量。