个体出行情景下上海中心城区地铁可达性研究

周 子 皓，张 莉，2*，吴 西 伦，李 生 芮，索 浩 天，周 蕾

(1.南京师范大学地理科学学院,江苏 南京 210023;2.江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；3.南京邮电大学地理与生物信息学院,江苏 南京 210023)

0 引言

可达性是反映交通成本的基本指标[1]，研究可达性对合理配置城市资源、改善个体生活环境[2-4]、科学编制区域规划[5]具有指导作用。在不同空间尺度上，可达性衡量的具体对象不同。Kwan等将可达性分为地方可达性和个体可达性[6]。地方可达性根据区域内所有节点间相互联系情况评价区域整体交通情况，从而揭示区域空间结构与区域发展情况，常用指标有最短距离、加权平均旅行时间等[7-11]。例如：Gutiérrez等通过加权平均旅行时间衡量欧洲各国公路可达性[7,8]；焦胜等通过加权平均旅行时间和引力模型评价湘西区域空间结构的演化过程[9]；张莉等应用高铁网络的加权平均旅行时间研究城市间通达能力[10]。个体可达性是指个体接近公共设施或目标城市节点的容易程度，评价方法有潜能模型法[12,13]、两步搜索法[14，15]、等时线法[16]等。例如：宋正娜等应用潜能模型法评价如东县居民点与区域内各医疗机构的接近程度[12]；陶卓霖等应用两步搜索法评价北京养老设施空间分布情况[14]；艾廷华等应用等时线评价个体到达最近医疗机构的能力，从而确定深圳的缺医地区[16]。

地铁是大中城市重要的公共交通设施，影响城市交通便利度及个体通行能力[17]的地铁可达性研究对个体便捷出行尤为重要。相关研究可分为两类：一类是利用个体可达性方法研究个体到达地铁站点的容易程度，如Gutiérrez等利用距离衰减函数研究地铁站点的服务区[18]，El-Geneidy等讨论了不同情景下地铁站点可达性的区别[19]；另一类是利用复杂网络分析、加权平均旅行时间等方法评价某地铁站点到达其他站点的方便程度，即地铁站点地方可达性，如周群等利用空间句法研究广佛地铁的可达性及几何形态[17]，Chen等利用等时线绘制广州地铁的可达性演变图[20]，黄晓燕等探索广州地铁可达性的时空演化[21]。

已有地铁可达性研究通常只关注个体到达地铁站点的能力或地铁站点间的通达能力，但在居民实际出行中，二者共同影响居民出行能力。当地铁站点足够密集时，个体前往地铁站的能力在一定程度上代表个体前往区域内不同地点的能力。鉴于此，本文综合个体与区域两个层面，结合最短旅行时间和加权平均旅行时间，融合个体到达地铁站点的可达性，以上海市中心城区为例，评价地铁网足够密集时，不同个体通过地铁前往区域内不同地点的能力。

1 研究区与研究方法

1.1 研究区数据

本文研究区域为上海中环以内的中心城区，该区域是上海市最重要的就业、商业、居住区；研究节点为中环线(含)以内150个地铁站点，2016年上海市中环以内的地铁线已成网，地铁站点辐射中环内大部分地区。地铁线网、道路、水域数据来自OpenStreetMap；地铁数据时间为2019年10月，收集自Metro大都会APP，精确到5 s。

1.2 个体区域出行可达性

个体通过地铁出行的可达性计算包含从出发点到出发地铁站、从出发地铁站到目标地铁站及从目标地铁站到终点三部分，本文分别通过最短旅行时间和加权平均旅行时间描述前两部分的便捷程度。当地铁站点足够密集时，由于到达不同地点的概率相同，不同地点个体的第三部分旅行时间较短且近似相同，忽略第三部分时间不影响不同出发点到达区域内不同目的地能力的比较，因此用前两部分时间之和表示个体到达区域内不同地点的能力。

据此，以下列假设定义个体区域出行可达性：1)主要研究对象为某种封闭式的交通网络，区域内交通网络可供进出的节点数量有限且足够密集；2)个体的出发点可以是地表的任意一点，目的地是有限个足以代表区域特点的交通网络节点；3)个体尽可能多地使用该交通网络到达目的地。进而定义任意一点的个体区域出行可达性为：从该地出发，就近进入某类交通网络节点，通过该交通网络到达该网络所有节点的最短时间均值(式(1))。

(1)

式中：Ax为地点x的个体区域出行可达性；Txi为从地点x到距离最近节点i的最短旅行时间；Tij为节点i到节点j的最短旅行时间；Mj为节点j的权重，反映站点重要程度；n为节点总数。

1.3 可达性权重

交通卡数据可表征城市内人口日流动情况，如许园园等[22-24]通过地铁和公交卡刷卡数据研究上海、北京人口通勤特点；由于上海地铁各线的运行速度在3年内未有大的变化，故本文从2016年交通卡刷卡数据中提取地铁站客流量作为地铁站点的权重。表1为上海交通卡刷卡数据示例，认为同一交通卡仅为一人持有，其中消费额为0代表该次刷卡为入站，不为0代表出站。提取站点客流量步骤如下：1)根据交通类型剔除非地铁数据，按卡号对数据排序；2)将凌晨数据归入前一天，防止误处理；3)统计一日内单张交通卡刷卡次数，删去次数为奇数的数据(奇数说明该卡数据缺失，为减小缺失数据的连锁反应，需剔除)；4)筛选起、终点均为中环内站点的乘车记录，统计各站点出现次数，归一化得加权值。

表1 上海交通卡刷卡数据示例

1.4 可达性累计曲线

为体现上海地铁个体区域出行可达性分布情况，提取地铁线2 km缓冲区内不同可达性值对应的范围，计算可达性—面积累计曲线(式(2))，据此分析地铁网络视角下上海中环以内城区的空间结构。

(2)

式中：Ai(i=1,2,…,n)为可达性值；S(A)(累计面积)为可达性值小于等于A的区域总面积；Square(Ai)为可达性值为Ai的区域面积；Aall为可达性所有可能取值。

1.5 个体区域出行可达性计算

上海中心城区地铁站密度大，主要研究区与地铁站距离很少超过2 km，共享单车是地铁站点短程接驳的重要方式。在排除水体等难行区后，设在道路上自行车出行速度为4 m/s，在非道路区(如小区内部)步行速度为1 m/s。基于栅格数据中成本路径[25]，在ArcGIS中计算可达性，计算流程(图1)为：1)使用收集自Metro大都会APP的地铁站间运行时间得到OD矩阵，进一步计算站点的加权平均旅行时间，与站点数据结合得到带有可达性值的地铁站点数据；2)赋予研究区域矢量面、难行区(本文只考虑水系)、路网数据速度字段，并根据速度转栅格，按顺序镶嵌矢量面数据，得到与出行速度有关的研究区域时间成本栅格；3)使用时间成本栅格按时间最短原则为站点成本分配服务区，服务区的值对应站点可达性；4)计算栅格面各点到地铁站点的成本距离；5)通过地图代数计算服务区可达性值与成本距离的和，实现加权平均旅行时间和最短旅行时间的结合，得到区域内各点的可达性值。

图1 栅格方式计算可达性流程

2 结果分析

2.1 站点加权平均旅行时间

使用ArcGIS得到中环内各站点间的OD矩阵，进一步计算得到站点加权平均旅行时间(表2为部分结果)并制图(图2)。其中，34个站点可达性较好(小于20 min)，15个站点可达性较差(大于30 min)，站点可达性从浦西核心区域向外逐渐变差。浦西核心区域处于线网中心位置，有大量可达性值小于20 min的站点，如人民广场、南京东路、南京西路等；次中心的徐汇、虹口等区域的可达性小于20 min；浦西内环线附近站点(如中山公园、曹杨路等)的可达性多在20 min左右；浦东站点大多处于扩散圈层的外围，可达性普遍超过25 min，只有陆家嘴附近的站点可达性较好。

图2 上海中环内地铁站点可达性分布

分线路的站点可达性统计如表3(未统计研究区站点过少的13、16号线)所示。4号线是上海地铁的内环线，经过可达性较好的次中心区域，不经过核心区域和外围区域，最佳、最差可达性相差不大，平均可达性最好；研究区内大部分站点在内环以内的9号线和经过核心区的1号线，平均可达性略低于4号线；浦东的6号线平均可达性最差，接近30 min。

表2 上海中环内部分站点加权平均旅行时间

表3 上海中环内地铁站点可达性分线路统计

2.2 个体区域出行可达性

使用栅格方法计算个体区域出行可达性，得到步行、自行车、地铁相结合出行方式下研究区域内各点的个体区域出行可达性(图3,彩图见封3)。可以看出，个体区域出行可达性最好的区域集中在可达性最好的站点(人民广场、南京东路等)周边，次好区域分布在可达性次好的站点(提篮桥、虹桥路)周边及距可达性最好站点一定距离处(南京西路、人民广场、黄陂南路及陕西南路所围地区中心)，最差区域在可达性最差站点周围及线网边缘(图3a)。分区域而言，可达性小于20 min的最佳区域大体分布在静安区地铁站点周边，静安区内距站点较远的区域的可达性大致在30 min内；陆家嘴、徐家汇等重要商业中心的可达性(大于20 min)低于静安区核心区，部分区块的可达性大于25 min。

进一步分析个体区域出行可达性空间特征可知：1)站点的可达性对周边地区可达性的影响较大。人民广场等站点周边区域的可达性普遍较好，与站点本身的高可达性接近，广兰路等站点周边区域可达性较差。2)市中心站点稀疏区的可达性较差，如陆家嘴的世茂滨江一带(图3b)。3)线网末端低可达性区随线网延伸，两条地铁线末端的中间区域出现高可达性区。此为地铁网络对城市空间结构的塑造作用——地铁可达性是衡量大都市内部城市便利度的重要手段[20]。地铁公交导向开发(Transit-Oriented Development,TOD)是当前城市开发的重要方式[26]，将地铁延伸至待开发地区，提升了区域可达性，促进了新城区的开发。4)路网结构影响可达性。某地的可达性受该地与地铁站点间的网络距离影响。如复兴岛与爱国路站的直线距离较短，但出岛桥在岛北，从岛上到达地铁站耗时较长，导致复兴岛个体区域出行可达性明显较爱国路站周边差，外部个体到达复兴岛较困难(图3c)。5)自然地物影响可达性。本文中最典型的影响因素是河流,如梦清园及苏州河北岸均属中潭路站的服务范围，但苏州河的阻隔导致南岸的可达性较北岸差(图3d)，这反映了自然地物的分布影响个体接近其他地点的能力。综上，个体区域出行可达性在更精细的层面上体现了个体通过地铁到达城市不同地点能力的差异。

图3 上海地铁个体出行可达性空间分布

2.3 区域可达性

提取研究区地铁线2 km缓冲区内小于特定可达性值的区域(图4)，并绘制累计面积曲线(图5)，发现研究范围内约200 km2区域可达性小于30 min，大部分区域可达性小于40 min。如图5所示，可达性小于20 min的区域较少，未成片分布在可达性最佳的站点周边，陆家嘴站及周边是浦东地区仅有的可达性小于20 min的区域。可达性小于25 min的区域相比小于20 min的区域大幅增加(图4d)，覆盖了浦西内环线以内的主要区域，但瑞金医院等区域可达性大于25 min；浦东地区地铁线路明显比浦西稀疏，只有很小部分可达性小于25 min，如陆家嘴站等高可达性站点周边地区。可达性小于30 min的区域几乎覆盖了浦西内环以内区域，在浦东也出现连片的可达性小于30 min的区域(图4e)。可达性小于35 min、45 min的区域继续扩展，逐渐覆盖中环内全域。总体上浦西地区可达性优于浦东地区。

图4 可达性累计区域

图5 可达性区域累计曲线

3 结论

大中城市居民通过地铁出行的便利程度是城市规划和交通地理的重要议题。本文综合考虑个体与地铁站间的个体可达性及各地铁站间的地方可达性，融合加权平均旅行时间和最短距离，提出个体区域出行可达性，实现了上海中心城区个体区域出行可达性的评估。主要结论包括：1)个体区域出行可达性在较小尺度上呈现多中心分布态势，与一般对上海地铁可达性分布的认知相符；2)探测出一些影响可达性的因素(如路网结构和河流等)及受此影响的区域，如复兴岛、梦清园等地可达性较周边差，浦西的瑞金医院等地可达性较差，浦东6号线周边是可达性最差的线网周边地区。

本文方法尚有不足：1)为计算简便，以距离出发点最近的地铁站为出发地铁站，实际情况下，出发点到终点的最短路径不一定经过距出发点最近的地铁站；2)对非道路区的通行速度进行了简化，也未考虑水体外的难行区；3)对于距地铁站较远的区域，居民出行时多选用公交等方式，故本文结论只适用于地铁站点密布地区;4)对个体区域出行可达性和城市空间结构之间互动关系考虑不足，未来可基于POI、就业区等要素加以定量分析。