基于TOPSIS方法的成都市卫星城交通网络可达性研究

邓琮

摘要：以成都市交通网络数据为数据源，利用GIS空间分析技术，通过交通距离指数、路网连通指数、轨道交通服务指数、交通设施指数四个指标对成都市各卫星城（新都、郫都、温江、双流、龙泉）交通网络的空间形态、空间分布、距离关系等进行多角度分析，并在此基础上，构建综合评价指标，并利用国际上比较成熟的TOPSIS评价方法，分析成都市主要卫星城（新都、郫都、温江、双流、龙泉）的城市道路网络的可达性现状。结果表明：受历史因素、自然环境及经济发展等因素的影响，成都市的道路交通网络通达性呈现明显的差异化，五个卫星城中双流区的可达性最好，其次是郫都区、温江区，最后是新都区和龙泉驿区。研究对成都市交通网络的优化和扩展有一定指导作用，对城市交通网络布局和通达性分析评价进行了一定改进。

Abstract： Taking Chengdu traffic network data as the data source， using GIS spatial analysis technology， through the traffic distance index， road network connectivity index， rail transit service index， and transportation facility index， the spatial morphology， spatial distribution， distance relationship of the traffic network of satellite cities of Chengdu （Xindu， Pidu， Wenjiang， Shuangliu and Longquan） are analyzed from multiple angles. On this basis， comprehensive evaluation indicators are constructed， and the internationally mature TOPSIS evaluation method is used to analyze the accessibility status of the urban road networks of the main satellite cities of Chengdu （Xindu， Pidu， Wenjiang， Shuangliu and Longquan）. The results show that due to the influence of historical factors， natural environment and economic development， the accessibility of Chengdu's road traffic network is obviously different. The Shuangliu District of the five satellite cities has the best accessibility， followed by the Yudu District. Wenjiang District， and finally Xindu District and Longquan District. The research has a certain guiding significance in the optimization and expansion of Chengdu's transportation network， and has made some improvements to the urban traffic network layout and accessibility analysis and evaluation.

關键词：可达性;卫星城;成都市

Key words： accessibility;satellite city;Chengdu

中图分类号：U491.1+2                                     文献标识码：A                                  文章编号：1006-4311（2018）35-0218-04

0  引言

1915年美国学者泰勒正式提出卫星城概念，定义为大型城市周边有限距离内的居民聚居点。近三十年国内外研究表明，卫星城的出现一般是在城市化快速发展，人口、产业不断向中心城集中，城市建成区不断向外发展的背景下产生。相关研究认为，大型城市周边的卫星城可以有效治理大城市产生的“大城市病”，起到“疏散大城市中心区过密的人口，缓解住房、交通压力，减少环境污染，改善人居环境”等显著作用[1-3]。近年来，伴随着大城市人口往卫星城迁移的趋势，卫星城交通设施的相对滞后已经成为城市进一步发展的巨大阻碍。因而，优化当地城市中心和卫星城交通之间的交通网络布局，提高城市交通网络的通达性，对城市的可持续发展具有重要意义。

近些年来，国内外学者对交通可达性进行了较为深入的研究。较早时期国外O'Sullivan首先在公共交通规划方面使用GIS手段辅以分析，取得较好的效果[1]，Wood也使用GIS证明了食品店的距离和周边社区人口健康有较大相关性[2]。Ford研究了伦敦如何构建可持续性交通。Wang以GIS空间分析手段研究了Columbus社区交通模型[3]。Santiago研究了如何在纽约市提高残疾人搭乘交通工具的便捷度。Lovett分析了城市中健康服务点分布对当地居民交通可达性影响[4]。Elshahawany研究了埃及交通可达性和交通费用之间的相关性[5]。Grossman评估了技术驱动型对当地交通工程发展的影响[6]。国内李煜从不同角度探讨了广州市不同交通网的可达性差异[7]。马晓蕾等利用ArcGIS软件的Spatial Analyst功能，对我国地级市交通可达性进行分析[8]。刘安乐构建跨省山区交通可达性模型，分析了乌蒙山区的交通可达性整体水平状况[9]。陈娱等研究表明京津冀地区交通区域可达性从沿交通廊道结构发展到同心圆结构[10]。宋洁华从多个维度系统研究了海南交通可达性的空间分异现状[11]。

1  研究区概况

成都，作为中西部特大中心城市，常住人口接近1 600万，GDP超1.3万亿元，全市下辖20个区（市）县和高新区、天府新区成都直管区，面积达1.46万平方公里。当前，成都中心城区已占有全市三分之一的人口和经济总量，其衍生出的交通压力、资源环境、可持续发展等诸多“城市病”急需解决。

2  研究方法

本文通过交通距离指数、路网连通指数、轨道交通服务指数、交通设施指数四个指标对成都市各卫星城（新都、郫都、温江、双流、龙泉）交通网络进行综合分析。

2.1 交通距离指数

式中，Lij分别为交通网络节点i到交通网络节点j之间的空间最短距离;对Lij取倒数，即Di表示交通网络节点i到交通网络节点j的空间可达性;Di为交通网络节点i的空间距离和时间距离通达性。

2.2 路网连通指数

路网连通度定义为各卫星城内依靠道路相互连通的强度，能够从道路网络布局方面反映路网的结构特点。计算公式为：

式中，C为卫星城内道路网连通度;L表示卫星城内道路总里程;A表示卫星城总面积，N为卫星城内路网节点数，？孜为卫星城内道路网络的变形系数，也称非直线系数，其含义为实际线路总里程与直线总里程的比值。同时结合区域实际情况，对不同类型与等级的公路赋予不同的车行速度：高速公路100km/h、快速路90km/h、国道70km/h、省道50km/h、县道40km/h。

2.3 轨道交通服务指数

本指数以城市轨道交通为研究对象。轨道交通服务指数以距地铁站点一定距离的缓冲区作为地铁服务的区域，计算此区域所占面积占卫星城市区域总面积的比重。

其中，n为卫星城内地铁站点个数，Si为地铁站点服务范围面积，本文取半径1.5km的圆形缓冲区为服务范围，A为卫星城内城区面积，F为轨道交通服务指数。

2.4 交通设施指数

本文分别从卫星城地铁设施、公共交通设施、高速公路状况、普通公路状况方面确定如表1所示的各类交通设施类别影响度赋值标准。并计算各个卫星城的交通设施指数。其公式如下：

2.5 基于TOPSIS方法的综合交通评价

TOPSIS方法简介：是C.L.Hwang和K.Yoon于1981年首次提出，TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价的重要方法，本文利用TOPSIS综合评价各卫星城的交通网络可达性。

3  结果与分析

3.1 交通距离指数

根据前述方法，成都5个卫星城距天府广场直线距离均在20公里左右，且呈现放射状围绕在中心城区周围，五个卫星城均在成都的1.5小时经济圈内，其中新都区、郫都区、温江区交通距离指数较低，双流县、龙泉驿区交通距离指数相对偏高，其原因主要与卫星城地理空间分布位置关系有关。交通距离指数分布详见图1。

3.2 路网连通指数

成都市整体路网连通度达到1.71，各区的路网连通度均大于1，表明整体道路网络连通情况较好。各区中新都区的路网连通度最高为2.2，其次为龙泉驿区和温江区，分别达到1.9和1.78，均高出成都市整体水平。如图2所示。

3.3 轨道交通服务指数

郫都区、温江区、新都区、龙泉驿区、双流区地铁站点覆盖率分别达到了整个区域面积的0.048、0.1785、0、0.1645、0.2577，起到了在道路网络之外很好的交通联通作用。结果见图3。

3.4 交通设施指数

全市各级道路总里程接近26000公里，路网密度181.3公里/百平方公里，其中温江综合评分为3.5，郫都和新都为4，双流和龙泉评分为5.5通过统计数据生成相应交通设施指数图。如图4。

3.5 基于TOPSIS方法的交通综合评价

其结果如图5所示。

4  结论与讨论

结果表明：①距离指数和卫星城的地理位置，发展变革历史状况有密切关系，双流区政府直线距离成都市中心为16公里，双流的另一中心华阳处于成都的正南方也是天府新区的核心区域，离成都市中心的直线距离为19公里，二者皆为各大卫星城中最短距离。龙泉驿有两个中心，其直线距离成都市中心分别为25.8公里，23公里。剩下郫都区、新都区、温江区距成都市中心的直线距离皆在20公里左右。上述五个卫星城和主城区距离较近都处于1.5小时交通圈中，完全可以引导市中心居民定居，有效缓解成都市中心的人口压力。

②连通度指数与当地经济发展状况，城市规划等有一定关系。工业园区发展得较早地区一般周边公共交通比较发达，路网分布也比较集中如郫都区、温江区、双流区。郫都的现代工业港、温江区的温江海峡两岸科技园、双流的航空物流园区和现代商贸集中发展区都是有代表性的园区。龙泉驿区和新都区的工业园区建设较慢，所以覆盖周边的路网密度也相对较低。下一步应该加大龙泉驿和新都区当地的路网建设，提高两地对成都市区的连通度指数。

③地铁服务指数和当地地铁线路的开通时间、地铁站点深入各卫星城的程度息息相关，地铁1号线最早建造，并于2010年开通，2017年又开通了地铁10号线，两条地铁线路的修建使得双流区内的地铁站点较多，覆盖面较广。其次是郫都区和龙泉驿区，由于地铁2号线的带动效应有效促进了两区的交通发展。温江地铁4号线开通较晚，但区内站点数较多，覆盖面较广。新都需要地铁3號线2期开通后进入本区域才能更有效提升地铁站点服务水平。

④交通基础设施方面，龙泉和双流得分最高，其次是新都和郫都，温江最低。龙泉和双流在加大公共交通方面仍需加强。

⑤综上所述，五个卫星城中双流区的可达性最好，其次是郫都区、温江区，最后是新都区和龙泉驿区。

参考文献：

[1]O'Sullivan D， Morrison A， Shearer J. Using desktop GIS for the investigation of accessibility by public transport： an isochrone approach[J]. International Journal of Geographical Information Science， 2000， 14（1）： 85-104.

[2]Wood B S， Horner M W. Understanding accessibility to Snap-accepting food store locations： Disentangling the roles of transportation and socioeconomic status[J]. Applied Spatial Analysis and Policy， 2016， 9（3）： 309-327.

[3]Ford A C， Barr S L， Dawson R J， et al. Transport accessibility analysis using GIS： Assessing sustainable transport in London[J]. ISPRS International Journal of Geo-Information， 2015， 4（1）： 124-149.

[4]Wang C H， Chen N A. A GIS-based spatial statistical approach to modeling job accessibility by transportation mode： case study of Columbus， Ohio[J]. Journal of transport geography， 2015， 45： 1-11.

[5]Santiago N， Leader G I S M， Bajrami B， et al. Accessibility for Disabled Persons in New York Rail Transit： a comparison of Rail Road stops in Urban and Suburban areas[J]. Accessed January， 2017， 31.

[6]Lovett A， Sünnenberg G， Haynes R. 12 Using GIS to Assess Accessibility to Primary Healthcare Services[J]. GIS in Public Health Practice， 2016： 187.

[7]Elshahawany D N， Haddad E A， Lahr M L. Accessibility， transportation cost， and regional growth： a case study for Egypt[J]. Middle East Development Journal， 2017， 9（2）： 256-277.

[8]Grossman A， Shaw F A， Pratyaksa P P， et al. Transportation Engineering Workforce Development Through Technology Integration[R]. 2016.

[9]李煜，张亦汉，李建程.广州市不同交通网的可达性差异分析[J].中山大学学报：自然科学版，2015，54（2）：133-140.

[10]马晓蕾，马延吉.基于 GIS 的中国地级及以上城市交通可达性与经济发展水平关系分析[J].干旱区资源与环境，2016（4）： 8-13.

[11]刘安乐，杨承玥，明庆忠，等.跨省山区陆路交通网络可达性评价——以乌蒙山区为例[J].地域研究与开发，2017（2017 年 01）：35-39，90.

[12]陈娱，金凤君，陆玉麒，等.京津冀地区陆路交通网络发展过程及可達性演变特征[J].地理学报，2017，72（12）：2252-2264.

[13]宋洁华，李敏纳，蔡舒，等.海南交通可达性的测度与空间分异格局分析[J].地理科学，2017，37（10）：1507-1516.