基于POI数据的城市轨道交通站点活力研究

付栋文，韩 印，王馨玉

（上海理工大学管理学院，上海 200093）

0 引言

以公共交通为导向的土地开发（Transit Oriented Development,TOD）是城市交通与土地利用协调发展的理想模式，其核心是轨道交通[1]。虽然国内已有不少城市相继建成轨道交通线路，但由于不同站点周边土地开发强度与利用模式存在差异，导致部分站点建设未能达到预期效果，站点周边空间活力明显不足，既不利于土地的集约高效利用，也影响了站点周边居民的生活品质。为促使轨道交通站点设施与周边业态协同发展，改善城市的功能和结构，重塑城市空间活力，对站点周边空间活力的分布特征及其影响机制进行研究具有重要意义。

“城市活力”最早由Jacobs[2]提出，虽然不同专业领域对该词有不同的诠释，但总体上均强调城市活力的关键在于人的聚集与多样性的活动[3-5]。目前，城市空间活力已成为国内外研究的热点。国外研究多集中在城市空间活力与城市形态、人群活动与健康、城市环境与社会文化等方面。如Fuentes 等[6]通过对智利圣地亚哥城市活力的影响因素进行空间分析，利用系统化方法对城市活力进行评估，基于街区的形态、建筑和空间特征三个方面的多样性分析，发现城市街区形态特征对城市活力的贡献较大；Kang 等[7]利用兴趣点和人员流动数据量化了人类活动、活动时间和空间的多样性，利用多元线性回归模型研究了各项多样性指标和城市活力之间的关系，发现相对于单项指标，综合多样性指标与城市活力的关联性更强；Sung 等[8]基于居住地建成环境与步行活动之间的关系，构建了以步行活动为因变量的多层回归模型，研究了步行活力与土地混合使用、住宅密度、街区规模、建筑年龄、可达性及交界真空带6 个因素的关联性，指出Jacobs 的观察结果仍适用于现代化的首尔市。在国内，学者主要关心城市空间活力的影响因素[9]、评价测度[10]和品质提升[11]等方面的问题。关于轨道站点活力评价测度，罗克乾等[12]利用空间句法研究了轨道站点地下空间活力的空间可达性与活动人流等因素之间的关系，得知城市地下空间活力受地下空间结构、功能介入及业态布局等多重因素的共同影响；吴光周等[13]通过居民的地铁刷卡数据对不同站点的客流分布规律进行研究，提出基于地铁站点客流强度、客流时间连续性的站点活力评估方法；周雨霏等[14]利用百度热力图数据，基于热力平均值与热力离散系数的测度体系，对轨道交通站点服务区活力进行了评价；王维礼等[15]基于兴趣点大数据研究地铁站周边商业空间活力，建立了耦合协调度模型以评估站点可达性与商业空间活力联系的紧密性。

可以看出，现有轨道站点活力测度研究主要考虑人群、客流等人相关的因素，但客流数据易受时间变化的影响。同时，利用这类数据进行活力测度，较难评估人群活动的多样性。而人群活动的多样性能从人群活动性质与分布等方面体现城市空间活力特征，是评估城市空间活力的关键性因素。相比于可变性很强的人群或客流，城市兴趣点（Point of Interest，POI）数据具有稳定性强、精度较高和容易获取等特点，包含了学校、购物中心等地理实体的属性信息，能在很大程度上反映出城市居民活动的多样性，目前已应用于城市基础设施规划[16-17]、城市业态热点识别[18-19]、城市空间结构识别[20-21]、城市业态空间聚类分析[22]等方面。此外，虽然已有研究利用服务设施数量来度量城市轨道站点商业空间活力，但是考虑的设施类别有限，缺乏对站点周边城市空间活力的总体把握。同时，只关注设施数量，无法有效反映服务获取的难易程度。

为此，本文将从区域各类服务设施数量和教育、医疗等社会公共服务获取便利性这两个维度出发，建立轨道站点周边空间活力评价模型，以促进城市轨道交通站点设施与周边业态的协同发展。同时，以轨道交通正处于发展期的省会城市南昌市为例，基于市域POI 数据，结合站点活力评价模型，利用ArcGIS 与Python 对该市轨道站点周边空间活力进行测度和站点聚类，研究其轨道交通站点活力分布特征及站点归属类别，最后根据分析结果，从发挥轨道交通TOD 效益层面出发，为城市轨道交通站点周边设施建设规划提出相关建议，为优化城市活力空间提供新的思路。

1 轨道交通站点活力评价模型构建

1.1 评价方法及流程

轨道站点活力的测度重点考虑人群的聚集与活动的多样性。站点周边设施的服务种类能较好地反映人群活动的多样性特征。设施服务获取的难易度关系到人们集聚的可能性大小。为此，本文从两个层面度量轨道交通站点的活力：

（1）POI 设施在站点服务半径范围内较全市域范围的相对聚集程度，采用局部与全域范围内的设施密度之比表示，它可反映局部范围设施与全域范围的相对数量关系。

（2）轨道交通站点对获取教育、医疗等社会公共服务的区位优势大小，用站点与这类服务设施的综合距离来度量。逼近理想解排序法（Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS）是一种针对多目标、多属性问题决策评估的有效方法，且能充分利用原始数据，排除人为的非客观因素。轨道站点获取社会公共服务的区位优势，需要考虑多种相关设施服务，可看作对多目标、多属性问题进行评价，因此可利用TOPSIS进行站点区位优势评价。该方法假设多属性决策问题包含M个评价对象及N个评价指标，将其抽象为由N维空间中的M个点构成的几何系统，分别计算各评价对象与正、负理想点之间的欧式距离，从而得到各评价对象与理想方案的相对贴近度，最后得出各评价对象的优劣排序。

本文评价方法的具体流程如图1所示。

图1 轨道交通站点活力评价流程

根据图1，轨道交通站点活力评价的具体流程为：

（1）利用ArcGIS，以站点位置为圆心建立一定半径的圆形缓冲区，统计各类POI 数据在缓冲区的密度值；

（2）分别计算各类POI 数据为该站点贡献的活力值，根据各类POI 信息的重要性为其分配权重，通过加权评分与归一化处理，得到各站点的密度活力值；

（3）计算所有轨道交通站点与最邻近的公共服务设施的距离，利用熵权法确定距离指标权重；

（4）利用TOPSIS法对各个站点区位进行相对优劣的综合评价，在归一化处理后得到站点区位活力值。

1.2 站点POI密度活力评价模型

轨道交通站点密度活力即标准化后的各类POI 设施在站点服务半径范围内的密度与在全域范围内的密度之比，用于反映局部范围服务设施相对数量关系。它涉及轨道站点周边城市商业、生活服务等多类服务设施，需要通过计算得到不同类别的POI 设施（或城市服务）为每个站点贡献的活力。然后，根据每类设施的重要性为其分配权重，并采用加权评分模型计算站点活力。

站点密度活力计算公式为：

式（1）中：Ei′为未经标准化的各类POI 设施为站点i的活力贡献；kij为站点i服务半径内单位面积的j类POI 设施数量；Kj为全域内单位面积的j类POI 设施数量；Rj为j类POI 设施为站点i贡献活力的权重。

利用离差标准化方法得到无量纲的站点密度活力：

式（2）中：Ei为经离差标准化后的各类POI设施为站点i的活力贡献；为未经标准化的各类POI设施为站点j的活力贡献；含义同前。

1.3 站点POI区位活力评价模型

轨道交通站点的区位活力指从轨道交通站点获取教育、医疗等社会公共服务的便利性。

利用TOPSIS法对所有站点的区位活力进行评分与排序。根据各个站点分别与邻近的各类公共服务设施的欧式距离，通过熵权法确定指标权重，建立基于熵权-TOPSIS 法的轨道交通站点区位活力评价模型。

（1）初始矩阵的正向化

假设评价对象有n个站点，社会公共服务设施含m个类别，以站点分别与各类社会公共服务设施的距离为元素构造初始矩阵，然后对初始矩阵正向化（本文取其倒数），得到正向化矩阵：

式（3）中：X为正向化矩阵；xij为正向化后的第i个站点的第j个指标值。

（2）规范化处理

对矩阵X进行规范化处理：

式（4）中：zij为X中各项指标值除以所在列向量的范数所得值；xij含义同前。

规范化后的矩阵为：

（3）计算正、负理想解

（4）计算站点与方案的距离

各站点与最优方案和最劣方案的距离分别按下式计算：

式（7）～式（10）中：pij为经离差标准化处理后的评价指标占该指标总值的比重；Hj为各指标的熵值；xij与wj含义同前。

（5）计算相对贴近度

计算各站点与最优方案的相对贴近度：

式（11）中：Ci为各站点与最优方案的相对贴近度，在[0,1]内取值，值越大表明第i个站点越接近最优水平，即轨道交通站点区位活力评价分值越高；与含义同前。

为方便与站点密度活力作比较，本文进一步将各Ci作类似于式（2）的归一化处理，最终可得无量纲的轨道交通站点区位活力评分。

2 案例分析

2.1 研究区域与数据来源

本文以轨道交通正处于发展期的省会城市南昌市为例进行实证研究。截至2021 年8 月，南昌运营的地铁线路共3 条，分别是南昌地铁1 号线、南昌地铁2 号线和南昌地铁3 号线，共设车站70座（含换乘站4座），运营线路总长88.85km。

基于Python 网络爬虫技术，引入Requests 库请求网页，通过调用百度地图开放平台的API 接口获取南昌市轨道交通线路、站点矢量数据及全市域POI 信息。获取的POI 数据类别繁多，具体类型细分见表1 二级分类信息。经过数据清洗与整合，最终筛选出餐饮、购物、科教、金融、交通、生活、商务和政府8 个大类（与二级分类对应关系见表1）共计247 800 条POI 信息数据。随后将POI 数据、轨道交通站点及线路矢量数据导入ArcGIS 软件，建立地理数据库。各类POI 数据与轨道交通站点的可视化效果如图2所示。

图2 轨道交通站点及兴趣点类型可视化

表1 南昌市域POI数据分类级别

通常认为步行10min 距离（800～1500m）内为地铁站点的影响范围，然而不同地域该范围大小不同，需要根据当地实际情况进行衡量，常用方法是利用站点周边地价与容积率的变化对站点影响范围进行评估。根据国内对南昌地铁已有的相关研究[23]，在1 500m 范围内，南昌地铁1 号线周边的住宅价格会受距离因素影响，距离越近，价格受影响程度越大。基于此，本文将南昌市轨道交通站点的服务半径定为1 500m，并在ArcGIS中建立以站点为圆心、1 500m 为半径的圆形缓冲区。对于式（1）中j类POI 设施为站点贡献活力的权重Rj，从人群活动的角度出发，人首先应满足最基本的生理、物质性等需求，因此在权重上优先考虑餐饮、购物等基本消费性服务设施；其次考虑科教类服务设施，这类设施（包含中学、高校等）独特的资源优势对站点周边居民吸引较大；再次是其余日常活动不可或缺的服务设施，如金融、生活、商务和社交等；考虑到政府部门服务的特殊性及就业人群，其对站点周边居民的吸引力相对其他类别最弱，故该类服务设施权重最小。所有类型服务设施权重的分配情况如表2所示。

表2 不同类别服务设施的权重分配

2.2 轨道交通站点活力可视化分析

2.2.1 市域POI核密度分析

为分析南昌轨道站点周边POI 服务设施分布特征，利用ArcGIS 对南昌市域POI 数据进行核密度分析。核密度分析根据研究要素（例如点要素）已知总数，计算周围区域的要素密度。距离中心点最近的数据点被赋予较高权重，反之被赋予较低权重，中心点的估计密度为研究区域内所有点要素加权的评价密度。南昌全域POI 核密度分布如图3所示。图3中紫色点状部分表示POI矢量数据的分布，下面部分表示全域POI 核密度值分布。可以看出，核密度值较高的区域主要分布在南昌主城区，最高值落在主城西湖区和红谷滩区，即目前轨道交通线路汇集区域。

图3 全域POI核密度分布

2.2.2 站点活力叠加分析

依托ArcGIS 软件中已建的地理文件数据库和前文所建站点密度活力评价模型，计算得到各类POI设施为站点贡献的活力值。

在教育、医疗等社会公共服务设施上，选择高校、综合医院、中学和国省级景区4 类作为代表性服务设施。教育类公共服务由于阶段划分较多，因此选择高校替代普通高等教育、中学替代高级中等教育和义务教育，避免同类别设施细分过多，而使评估具有明显偏向性。其中，综合医院包含三甲医院与综合类医院。同样，依据区位活力评价模型，代入评价指标初始值，利用Python进行计算，得到站点区位活力。

为更好地评估各轨道交通站点的综合活力，将站点POI 密度活力与区位活力叠加，经综合叠加分析后进一步重分类，可视化结果如图4所示。

图4 南昌市域轨道交通站点活力可视化

由图4 可知，南昌市轨道交通站点活力空间分布相对不均衡。综合活力较高的站点主要集中在老城区内，如八一馆、八一广场、福州路等站点，其次分布在红谷滩区内，如卫东和地铁大厦等站点，这表明老城中心区和城东片区、红谷滩区之间的交通需求引力较大。此外，评价结果与市域POI 核密度分布在规律上也表现出较高的一致性，对于核密度值高的区域，区内站点的POI密度活力也相应较高，综合活力也易取得较高分值；对于那些区位活力较高的站点（如雅苑路、绿茵路、太子殿等站点），情况可能例外，这是因为相对于其他站点，这些站点与高校、综合医院等重要公共服务设施的距离优势更为明显，从资源获取的便利性角度来说，即便是在核密度值较低的区域，此类站点仍对人群有较大吸引力；某些客流量大的站点（如南昌西站），周边业态开发强度较低，到发客流在站点周边可进行的活动有限，因此站点活力并不如预想的高。

从不同轨道交通线路上看，各条线路首尾段的站点活力评分普遍较低。轨道交通1号线（双港—瑶湖西）由于开通时间最早，多数站点坐落于主城区，沿线设施分布的资源优势也最高，故该线路的站点综合活力相对其他线路较高。相反，轨道交通3 号线（京东大道—银三角北）开通时间最晚，该线路除青山路口站至十字街站沿线段外，沿线设施资源优势较弱，综合活力普遍较低。

2.3 站点活力聚类分析

由于不同轨道交通站点的类型可能不尽相同，轨道交通规划建设中需要对站点进行分类规划和管理。为此，基于站点的POI 密度活力和区位活力这两个无量纲特征指标，应用K-Means 聚类算法对各个站点进行分类。

选取轮廓系数、Calinski-Harabaz 得分和KMeans 模型对象的属性Inertias 作为评价指标，其中轮廓系数是所有样本轮廓系数的平均值，该值越高表明聚类效果越好；Calinski-Harabaz 得分为群内离散与簇间离散的比值，该值越大则聚类效果越好；Inertias 表示样本到最近聚类中心的距离总和，该值越小表示样本分布在不同类别间越集中。考虑到分类过多会无针对性，本文聚类程序中取类别数K≤6，结果表明将各站点分为5 类时指标输出情况相对最佳，其中轮廓系数为0.51，Calinski-Harabaz 得分为107，Inertias 为1.17，因此聚类结果准确性较高。最终聚类结果如图5 所示，各类型站点具体名称见表3。

图5 南昌市轨道交通线路站点活力聚类结果

表3 南昌轨道交通线路各站点聚类结果

根据图5 和表3 的聚类结果，将目前南昌市70个轨道站点（含4个换乘站）分为5类：

（1）孕育型：占33%，典型站点如南昌西站，表现为站点POI 密度活力与区位活力均显著低于平均水平，代表站点周边服务设施还不完善，设施资源亟待开发与投入；

（2）密集型：占30%，典型站点如地铁大厦站，表现为站点POI 密度活力高于区位活力，代表站点周边服务设施规模已有一定基础，只是距离高校、综合三甲医院、中学与国省级景区相对稍远；

（3）平衡型：占16%，典型站点如八一广场站，表现为站点POI 密度活力基本能与其区位活力相匹配，站点周边服务设施规模相对完善；

（4）区位型：占17%，典型站点如学府大道东站，表现为站点POI 区位活力高于密度活力，表明站点具备极佳区位优势，而周边服务设施规模尚未形成；

（5）成熟型：占4%，典型站点如丁公路北站，表现为站点POI 密度活力与区位活力均显著高于平均水平，表明该类站点周边服务设施已经完善，并且具备极佳的区位优势。

可以看出，南昌市不同类别站点的周边空间活力存在显著差异，站点活力显著低下的站点数量占比较大，达33%；站点活力相对均衡的站点数量占比较小，仅为20%。

2.4 基于活力评价的轨道交通建设发展建议

由评价结果可知，该模型能够反映南昌市轨道站点的周边设施建设实际情况，结果与轨道客流OD 分布典型特征基本吻合。当前，南昌市轨道站点周边空间设施建设还处于发展上升期，为促进站点设施与周边业态分布在空间布局上协同发展，建议从以下方面着手。

首先，主动发挥轨道交通建设联动作用。轨道交通不能低效地等待、吸引站点周边设施的投入，要主动引导站点周边业态设施甚至城市的开发。例如，可通过联合开发手段，引导业绩与资信良好的企业共同发展轨道交通上盖物业，增强站点周边空间的吸引力。同时，协调轨道交通站点周边业态发展。目前，老城区内站点周边业态发展已较为成熟，故更应关注发展新区。对于邻近老城区的新发展区内的站点，应更趋向分散人口与吸引就业，因地制宜地在站点周边兴建商场、写字楼等设施，既充分发挥轨道交通区位可达性优势，又带动、引导周边城市的发展；对于邻近各条轨道交通线路首末站的站点，可按照公交社区的模式，积极发展新区，实现TOD模式。

其次，对各站点的周边设施建设进行分类引导，总体上让更多非平衡型的站点（特别是孕育型站点）朝着成熟型站点规划目标发展。在矛盾较为突出的几类站点中，孕育型站点区域普遍存在城市空间利用率低、周边服务设施不完善、设施资源亟待投入和开发等问题。针对具有大客流资源的孕育型站点（如南昌西站），可借助客流资源优势激发城市空间，提升潜在土地价值，利用上盖物业获取的溢价回馈站点，进行更大规模的基础设施建设，形成良性循环。对于客流不高的孕育型站点，车站建设通常早于社区建设（如生米站），目前周边人口密度低，但因建成面积小，从而具有较大的TOD 开发潜力，开发过程中可聚焦人居环境质量和社区魅力，让地铁与上盖物业协同发展。

相比于孕育型站点，区位型站点具备较好的区位优势，但站点服务区土地资源紧缺，周边服务设施规模小。为此，可通过更新、改造手段提升业态的多样性；利用立体化设计，解决特征日交通需求与有限用地资源的矛盾，例如在固定时段内增设大运量交通接驳系统。密集型站点的周边区域业态分布多样，服务设施规模相对完善，在进行周边空间设施规划上，不应仅关注提升周边业态服务设施规模，还需考虑居民公共服务资源获取的便利性，从整体上提升站点的综合活力。

3 结语

本文构建了一种基于POI 数据的轨道交通站点活力评价模型，为弥补传统轨道站点活力测度方法中仅考虑站点周边设施数量这一不足，引入教育、医疗等社会公共服务获取的便利性，从两个维度对站点周边空间活力进行了评价。以南昌市为例，运用该模型，通过ArcGIS 软件与Python分别对其运营轨道交通线路70个站点服务区域进行了研究，评价结果能反映南昌市轨道站点的周边设施建设基本情况与客流分布特征，印证了评估方法的合理性与有效性。

不过本文对于轨道交通站点活力的测度，仅考虑各项设施数量和服务获取的便利性沿不够全面，还需结合道路基础设施建设情况、客流等各项因素进行建模分析；其次，因为区位活力评价模型采用欧式距离而非更复杂的实际路径距离，因此本模型可能不完全适用于基础设施建设程度不高的中小城市，后续将结合上述内容展开进一步研究。