国内各城市轨道交通线网平均乘距和各线路平均运距统计分析*<br/>——基于中国城市轨道交通协会数据分析的研究报告之四

国内各城市轨道交通线网平均乘距和各线路平均运距统计分析*
——基于中国城市轨道交通协会数据分析的研究报告之四

2019-10-14顾保南

城市轨道交通研究 2019年9期

赵雪顾保南

(同济大学道路与交通工程教育部重点实验室,201804,上海//第一作者，硕士研究生)

城市轨道交通平均运距是衡量居民依赖轨道交通出行距离的指标，能够反映乘客的出行特征，其统计指标分为线路平均运距和线网平均乘距。国内既有文献对部分城市线网平均乘距和线路平均运距进行了统计，并简单定性分析了造成线路平均运距差异的原因。文献[1]总结了北京、上海、广州、深圳4个城市的线网平均乘距和线路平均运距与城市规模和线网规模的关系；文献[2]分析了重庆轨道交通的线网平均乘距和线路平均运距，并与北京、上海、广州、深圳4个城市的进行对比，提出线网平均乘距与城市布局形态、城市规模发展变化情况、城市职住分布规律及轨道交通线路性质有关；文献[3]按线路类型分析了北京轨道交通线路平均运距与线路长度比值的特征。本文基于中国城市轨道交通协会的统计数据，对我国内地24个城市的轨道交通线网规模、线网平均乘距进行统计分析，并分析导致各城市线网平均乘距、线路平均运距差异的原因，以期为我国城市轨道交通的科学规划和健康发展提供参考。由于现代有轨电车、APM(旅客自动运输)系统、市域轨道交通和高速磁浮交通的运营特征与地铁和轻轨的运营特征并不相同，因此本文仅选取地铁和轻轨线路进行统计分析。

1 各城市的轨道交通线网平均乘距和各线路平均运距统计分析

城市轨道交通线网平均乘距为线网客运周转量与线网进站量的比值，即线网中乘客平均一次出行的总乘车距离。城市轨道交通线路平均运距为各线路客运周转量与其客运量比值的平均值，即各线路上乘客一次乘车的平均距离。本文的线网统计为广义线网统计，统计对象包括仅开通运营1～2条轨道交通线路的城市。

截至2017年年底，我国共有34个城市、总计165条轨道交通线路开通运营[4]。除了2017年12月底开通的新线，以及缺少数据的城市、线路外，本文的统计分析对象共涉及24个城市的108条轨道交通线路。根据中国城市轨道交通协会的统计数据[4]，得到各城市的轨道交通线网平均乘距(如图1所示)和线路平均运距(如图2所示)。

图1 截至2017年年底24个城市的轨道交通线网平均乘距与线网规模关系图

由图1可知，总体而言，各城市的轨道交通线网平均乘距呈现出随着线网规模增大而增大的趋势。北京、上海的轨道交通线网规模和平均乘距领先于绝大部分城市，二者的线网平均乘距都超过了15 km。从城市轨道交通线路数量来看，三条线及三条线以下城市的线网平均乘距范围为6.94～13.55 km，三条线以上城市的线网平均乘距范围为11.99～18.19 km。另外，存在一些城市的线网平均乘距与线网规模不匹配的现象，如天津、东莞的轨道交通线网平均乘距远高于同规模的城市，武汉轨道交通线网平均乘距远低于同规模的城市。除了线网规模因素之外，造成各城市的轨道交通线网平均乘距差异的其他影响因素有待进一步分析。

图2 截至2017年年底24个城市108条轨道交通线路平均运距排序图

从图2可知，截至2017年年底我国24个城市的108条轨道交通线路平均运距范围为2.95～24.32 km，极差较大。不同线路类型的线路平均运距各有特点，北京机场线的线路平均运距高至24.32 km，而上海轨道交通4号环线的平均运距则为5.79 km。部分城市的一期线路开通长度较短，以致平均运距也较短，如石家庄轨道交通2号线的线路平均运距低至2.95 km，因其开通长度仅有5.3 km。因此，线路平均运距受线路类型和线路里程共同影响。

2 城市轨道交通线网平均乘距影响因素分析

本文通过城市间轨道交通线网平均乘距的横向比较和时间维度上纵向比较，对以下影响线网平均乘距的3个因素进行重点讨论。

1) 城市的建设规模和轨道交通线网规模对线网平均乘距有重要影响。随着城市化发展，城市由中心城区向郊区扩展，居民的活动范围增大，居民完成城市活动所需的出行距离也随之增大。因此，线网平均乘距与城市建设规模存在正相关关系。

2) 职住分离是导致线网平均乘距居高不下的潜在因素。部分城市的多中心发展会导致阶段性的职住失衡现象。职住分离越严重，居民的平均通勤距离越长。城市轨道交通承担了大量的长距离通勤客流。此类线路的平均运距长于普通线路的平均运距，最终会影响整个城市的线网平均乘距。

3) 从时间维度上看，新增线路或线路延长都会影响该城市的线网平均乘距。新增线路的性质以及新增线路与既有网络的联系方式，这些都会影响线网平均乘距。

2.1 城市建成区规模对线网平均乘距的影响

城市建成区是指城市行政区内实际已成片开发建设、市政公用设施和公共设施基本具备的地区[5]。在城市化进程中，各个城市的建成区面积在不断地扩大，大型城市的居民出行距离往往比小规模城市的居民出行距离要长。图3为线网平均乘距和建成区等效半径散点图。

图3 城市建成区等效半径与轨道交通线网平均乘距关系图[7]

由图3可以看出，建成区等效半径和线网平均乘距线性正相关。建立一元线性回归模型对线网平均乘距和建成区等效半径进行回归分析，该模型的拟合优度统计值R2为0.61，说明该模型对样本数据拟合较好，线网平均乘距与城市建成区的规模具有较强的线性关系。本文建成区的等效半径的计算是假设建成区为圆形，根据建成区面积反推出建成区的等效半径。

2.2 职住平衡情况对线网平均乘距的影响

为了减轻主城区的人口、交通压力，大型城市在城市规划方面都倾向于多中心发展，如上海的“2035规划”提出了“一主、两轴、四翼”的市域总体空间结构；东京都市圈则形成了“多核多圈层”的多中心城市结构。但是，部分城市在多中心扩展前期，往往会出现阶段性的职住失衡现象：第一种职住失衡现象表现为大量就业岗位仍然集中于主城区，而大量的居民因相对较低的房价吸引居住在城市外围组团，如北京亦庄、广州开发区均出现了“卧城”现象[6]，居民愿意牺牲通勤时间来换取新城的低价格住房；第二种职住失衡现象表现为由于中心城区地价飙升和城市功能需求升级，大量就业岗位随工业企业外迁转移至郊区，而居住在主城区的人因配套设施不完善等原因不愿搬去新区，从而导致新区的职住比偏高，如天津的滨海新区。这两种职住失衡现象都导致居民依赖轨道交通进行长期、长距离通勤出行，从而造成线网平均乘距变长。

从图1可以看出，天津的轨道交通线网里程远小于北京、上海的，但是其线网平均乘距却超过了北京、上海的，为18.19 km。截至2017年年底，天津共有5条轨道交通线路开通运营，1、2、3、6号线的平均运距约为11～12 km，而津滨轻轨9号线的平均运距为20.2 km。津滨轻轨9号线长度为52.25 km，约为其他线路长度的2倍，是连接天津市区和滨海新区的一条放射线。相关分析表明：滨海新区的发展模式是以工业区发展为导向，其配套设施建设并不完善，这导致其就业岗位多，职住比较高；而天津市中心城区的就业岗位相对偏少，居住人口较多，职住比低。天津市区和滨海新区之间的日出行量约为20.5万人次，通勤客流占比为83%，客流存在明显的潮汐现象[8]。远距离通勤现象导致津滨轻轨9号线的平均运距较大，也导致天津的线网平均乘距较大。

武汉的轨道交通线网平均乘距则远小于同规模其他城市的。文献[9]从按大区、中区、小区研究武汉职住空间分布的静态与动态关联特征，结论表明武汉市域范围总体职住分布相对均衡。从通勤空间来看，中心城区的通勤空间主要位于中心城区内部及其周边，远城区内部形成明显的就近就业空间。武汉相对职住平衡是该市轨道交通线网平均乘距低的主要原因。

综上所述，大型城市的职住不平衡现象所引起的大量通勤和长距离通勤是导致轨道交通线网平均乘距较大的潜在影响因素。

2.3 同一城市线网规模变化对线网平均乘距的影响

图4为2015—2017年各城市线网平均乘距变化情况。

从图4中可以看出，总体而言，随着线网规模的增长，各城市的线网平均乘距有所增加或者是有轻微波动。其中，深圳、大连、昆明、宁波和西安等5个城市的线网平均乘距变化幅度较大，这5个城市2015—2017年线网相关指标变化情况如表1所示。

表1 2015—2017年线网平均乘距变化幅度较大城市的线网相关指标变化情况表[10-12]

从表1中可以看出：①西安和昆明分别在2015年和2016年开通运营了其第3条轨道交通线路，形成了线网骨架，线路之间方便换乘带给乘客更多选择，乘客可通过轨道交通线网到达城市的更多地点，因此其线网平均乘距发生了改变。②大连地铁12号线(郊区线)向市中心方向延长，于2017年与1号线(中心城区线)实现换乘，线网平均乘距总体有所上升。③深圳2016年连续开通了3条轨道交通线路，线网平均乘距先降后升。其中，7、9号线为半环状，具有环线客流特征，线路平均运距较低；11号线则为市郊线，线路平均运距为19.21 km。④宁波2015—2016年开通运营了地铁1号线二期，线路横穿整个城市连接海曙区和北仑区，2016年线路长度为2015年的2倍，2016年线网平均乘距也约为2015年的2倍。⑤新开通线路类型对线网整体平均乘距有一定的影响，由于深圳既有的轨道交通线网较多，因此其新建线路对线网平均乘距的影响程度较宁波、西安的影响程度较小。

综上所述,城市新开通线路类型不同对线网平均乘距的影响也不同；轨道交通发展到一定规模的城市，其线网平均乘距的波动幅度可能较小；轨道交通处于发展初期的城市，其新增线路对网络规模有较大影响，导致线网的边际效益较高，因此其线网平均乘距会有较大的变化。

3 城市轨道交通线路平均运距影响因素分析

城市轨道交通线路类型和线路里程都对线路平均运距有一定的影响。因此，在分类的基础上对各类线路的平均运距进行分析，结果会更加清晰和有意义。目前，城市轨道交通线路的分类准则并不清晰，本文采用无监督机器学习算法中的K-means聚类算法对108条轨道交通线路聚类。该算法通过不断迭代生成新的聚类中心，并使得类与类之间的差别最大，类内的差别最小，这是最常用的聚类算法之一。该算法的缺陷之一是无法自动得出最优聚类数，需要通过其他算法得到最优聚类数，然后再进行人工指定。本文选取线路里程、线路平均运距、线路平均运距与线路里程比值作为聚类参数，将数据进行标准化预处理，采用轮廓系数作为最优聚类数评价指标。计算结果表明，聚类簇为4时，聚类效果最优。最终得到的聚类结果如图5所示，基于该聚类结果的统计指标如表2所示。

图5 城市轨道交通线路分类图

第一类线路以天津津滨轻轨9号线为代表，为沟通主副中心组团的线路和机场线等。此类线路的乘客出行目的单一且出行距离较长。线路平均运距较大，约为线路里程的1/2。第二类线路以上海轨道交通11号线为代表，为城市中心区与郊区的连接线。此类线路在连接郊区的同时仍穿过城市的主城区部分，乘客出行目的较为复杂，既包含有长距离的通勤客流，也包含购物、娱乐等短距离的客流。线路平均运距较小，约为线路里程的1/5。第三类线路以市区线为主。乘客出行目的复杂，多为短距离出行。线路平均运距较小，约为线路里程的1/4。第四类线路多为类似北京房山线的郊区线。此类线路是市区线的延伸线，连接中心区边缘和一个郊区组团。乘客的出行目的单一，多为长距离通勤出行。线路平均运距较大，约为线路里程的1/2。