市郊轨道对城镇空间活力影响分析

吴娇蓉，谭丝杨，王宇沁

(同济大学 a.城市交通研究院，b.道路与交通工程教育部重点实验室，上海 201804)

以轨道交通为骨干网络是城镇化建设的重要支柱，是引导城市空间结构和功能布局的基本因素[1-2].但目前都市圈城际轨道和市域轨道网络规划与城镇体系规划同步编制互相反馈较少，不利于实现城市空间结构的协调发展[3].同时中心城外的新城、新市镇的TOD开发效果与规划预期存在较大差距，出现了中心城区内轨道站点职住集聚效果较好，郊区的轨道站点职住集聚密度不高的情况[4],不利于轨道交通可持续发展.郊区城镇体系的结构、网络、节点与轨道交通耦合性不足[5]、轨道网络对重塑市域空间结构、推动新城、新市镇发展活力的作用不明，已成为城际轨道和市域轨道交通规划亟需解决的重点问题.在此背景下，上海市2035总体规划[6]对上海轨道网络层次界定及其服务的新市镇类型有了明确的要求.

百度热力图数据常被用作城乡体系和空间结构研究的分析工具，自下而上探究城市不同片区空间活力[7]和不同时间城市空间结构特征[8].在轨道交通与城乡体系相关关系的研究方面，国内已有研究较多关注地铁站点与城市公共活动中心体系的互动关系，张晓东等[9]采用“空间耦合一致度指标”来评价轨道交通网络对城市中心体系网络的支撑作用.边经卫[10]通过构建多层次量化评价指标体系来分析单个地铁站对城市活动中心的服务效果.国外研究则关注空间使用、土地利用与轨道交通的相关关系，Yuan等[11]研究了城市地下空间使用紧凑度与轨道交通站点区域之间的关系.Yang等[12]研究了城市轨道交通对房地产价格的不同影响.而大都市范围的轨道交通与城乡体系耦合方面的研究较为缺乏.

在借鉴既有研究成果的基础上，本文作者利用百度热力图数据，计算热力密度定量表征城镇空间活力水平及其在城乡体系中的层级，探究市郊轨道交通对城镇空间活力的影响.对标上海市城乡体系结构，通过分析城镇热力密度与上海城乡体系契合性，验证该指标的适配性.在进行城镇空间影响因素分析时，同时考虑了用地开发强度、土地利用、城镇区位等方面的影响，以距“市中心1h公共交通可达边界”为参照对城镇进行分组建模.从提升城镇空间活力的角度，提出城镇市郊交通建设优化的建议.

1 城镇热力密度指标适配性分析

1.1 城镇加权热力密度指标计算方法

利用python程序截取2020年工作日(1月6日—1月10)中午12时上海郊区百度热力图作为分析基础，将各个热力等级设置1～7的热力权重[8]，上海市热力分布图如图1所示.热力权重体现了不同区域人群聚集能力与社会经济活动强度的相对情况，其绝对值不具备实际意义，通过加权热力密度指标对城镇空间活力进行量化，反映城镇空间功能开发产生活动而形成的人群聚集能力.各城镇的加权热力密度计算公式为

图1 热力分布图Fig.1 Heat distribution map

(1)

式中：h为某城镇的加权热力密度；i为热力等级；wi为热力权重；si为城镇核心区热力等级i覆盖的面积；S为城镇核心区总面积.

1.2 城镇热力密度指标适配性分析

1.2.1 城乡体系结构

文献[6]中提出逐步形成“主城区-新城-新市镇-乡村”的城乡体系.明确以一个或多个城镇为核心的空间组织和资源配置的基本单元，即城镇圈促进城乡统筹的发展思路，上海市城乡体系规划空间分布如图2所示.

图2 上海市城乡体系规划图Fig.2 Shanghai urban-rural system planning map

1.2.2 热力密度与城乡体系契合度分析

考虑到2009年上海主城区周边江桥、泗泾、浦江、周浦、康桥、曹路镇建立了上海六大保障性住房基地，以居住性功能为主，尚未形成较完善的产业体系，将其与其他城镇进行横向比较会产生有偏估计.因此在比较热力和城镇体系排名时暂时将它们剔除，聚焦剩余70个城镇，其中，中心城周围中心镇3个、新城5个、核心镇2个、周围中心镇13个、一般镇47个，根据城镇层级高低得出各级城镇的合理热力值排名区间：周边中心镇(1～3位)—新城(4～8位)—核心镇(9～10位)—外围中心镇(11～23位)—一般镇(24～70位).按城镇层级分别统计平均热力密度，城镇热力密度均值组间差异呈现出与城乡体系层级结构相匹配且逐层递减的规律：中心城周边中心镇(3.43)—新城(2.31)—核心镇(1.44)—外围中心镇(1.07)—一般镇(0.77).

将70个城镇热力密度排序，与根据城镇层级确定的预期排名区间校核，不匹配的城镇空间分布情况如图3所示.不匹配的城镇21个，热力排名偏高的有9个(占比12.9%)，偏低的有12个(占比17.1%)，热力偏高的城镇分布在相对靠近中心城的位置，热力偏低的城镇多分布在上海南部及崇明区，由此可见城镇区位对城镇空间活力具有较为显著的影响.整体契合率为70.0%，说明采用加权热力密度呈现出的城镇间差异与城乡体系匹配度较高，通过这一指标来定量表征城镇开发水平及空间活力具有较高的适配性.

图3 热力不匹配城镇空间分布图Fig.3 Spatial distribution map of cities and towns with mismatching heat

2 城镇空间活力影响因素分析

归纳汇总既有研究结果，影响郊区城镇发展及人口聚集的因素包括轨道交通网络建设、居住区建设、产业发展水平、职住关系等[13].从轨道交通、开发强度、基于土地利用的职住空间分布、城镇区位四个方面探究影响城镇空间活力的因素，其中开发强度和基于土地利用的职住空间分布主要考虑了城镇职住密度及职住空间关系，从人口及岗位分布侧面反映了城镇开发水平.

将各类影响因素对应的指标与表征城镇空间活力的加权热力密度进行相关性分析，首先通过回归模型初探其关联程度，为后续建模做好指标初筛，然后采用拟合优度寻求最为合适的拟合关系.

2.1 轨道交通

在研究的城镇中，有轨道站点的城镇共27个.首先对27个有轨道站点的城镇从轨道站点覆盖率、城镇内轨道线网密度、轨道站数量与级别水平综合指数、轨道站点在网络中的重要性、轨道客流五个方面探究市郊轨道对城镇热力密度的影响.

2.1.1 轨道站点覆盖率

定义轨道站点覆盖率即轨道站点服务面积率，是轨道站点服务面积占城市建设用地面积的百分比.计算方法为以轨道站点为圆心，以合理的步行到站距离(轨道站点服务半径)为半径作圆，计算其覆盖面积，将总覆盖面积除以城镇核心区的面积.不同类型、不同级别轨道线路对应的轨道站点，由于其功能定位及辐射范围差异，服务半径存在差异.市区线轨道站点影响范围由乘客到达站点可忍受的时间结合接驳方式以及车站周边交通组织情况确定，服务半径通常取800 m[14]；国家铁路或城际铁路轨道站点辐射范围考虑站点对周围区域产业的拉动，往往大于市区线轨道站点，取服务半径为1 500 m[15].

九亭镇站点覆盖率示意图如图4所示，其核心区面积为4.08 km2，区域内设有一个市区线路轨道站，站点影响半径为800 m，绿色部分为站点影响区覆盖城镇核心区的面积，共1.72 km2，故九亭的轨道站点覆盖率为0.422.

图4 轨道站点覆盖率示意图Fig.4 Schematic diagram of railway station coverage

2.1.2 轨道线网密度

轨道线网密度即城镇核心区内轨道线网的总长度与城镇核心区之比，是表征城镇核心区内的轨道建设水平的重要指标，单位为km/km2.

2.1.3 轨道站数量与级别水平综合指数

轨道站数量与级别水平综合指数为兼顾站点数量、站点等级、线路运量特性(按照运量区分为高、中、低三类)、线路运行速度特性(按照运行速度区分为高速、中速、普速线路三类)、线路功能类型(上海轨道交通网由市域级快速线(R线)、市区级地铁(M线)和市区级轻轨(L线)三个功能类型组成)的指标计算得出的综合指数，其计算公式为

y=α·β·γ·(n1+d·n2)

(2)

式中：y为轨道站数量与级别水平综合指数；n1为局域线、市区线路站点个数；n2为国家铁路、城际铁路站点个数;d为国家铁路、城际铁路站点相对于局域线、市区线路站点的权重，综合考虑站点服务水平、建设标准、客流量等因素，式中d取3;α为线路运量特性，以上海2019年轨道交通站点刷卡数据为数据源计算各轨道断面流量，按照自然间断点(Jerk)法分为高、中、低三类，当平均断面流量小于等于单向75 000人/d时α为1，大于单向75 000人/d小于等于150 000人/d时α为2，大于单向150 000人/d时α为3；β为线路运行速度特性，按照上海市轨道运行标准，当最高运行速度小于等于80 km/h时β为1，当最高运行速度大于80 km/h且小于等于120 km/h时β为2，当最高运行速度大于80 km/h时β为3；γ为线路功能类型，当线路为R线时γ为3，当线路为M线时γ为2, 当线路为L线时γ为1.

2.1.4 中介中心性

中介中心性指标以经过某个节点的最短路径数目来刻画节点重要性[16]，反映了轨道站点在轨道网络中的重要性，中介中心性的计算公式为

(3)

式中：v为待计算节点；p为s节点和t节点之间最短路径的总和；p(v)为s节点与t节点之间通过v节点的最短路径数量.

建立上海市多级轨道拓扑网络，网络中共有430个节点和415条边，以每条边的实际长度作为阻抗，用Dijkstra算法寻找两节点之间的最短路，从而计算每个节点的中介中心性.对于一个城镇，定义平均中介中心性为该城镇中所有站点的中介中心性平均数，使用平均中介中心性表示该城镇在轨道网络中的重要性.

2.1.5 向心、离心轨道客流量

向心客流量为城镇中所有站点至上海市中心城区所有站点的单日双向客流；离心客流量为城镇中所有站点至除中心城区站点之外其他站点的单日双向客流，数据源为上海2019年轨道交通站点刷卡数据.

2.1.6 轨道交通对城镇空间活力的影响

轨道交通相关指标中，轨道站数量与级别水平综合指数、向心客流量、站点覆盖率与加权热力密度的相关性优于其他指标，呈线性正相关，而轨道线网密度、中介中心性与加权热力密度的拟合效果较差.站点轨道站点数量越多级别越高、覆盖率越高、向中心城输送客流量越大，城镇空间活力趋于越高水平，而轨道站在网络中的结构重要性与轨道线网密度对于城镇空间活力的影响不显著.

2.2 开发强度

城镇开发强度主要通过职住密度指标体现，即城镇核心区的居住密度与职位密度之和.通过2019年的人口分布计算城镇居住人口密度，结合城镇用地情况和兴趣点数量估算城镇就业岗位密度，二者相加得到城镇职住密度.职住密度指标与加权热力密度指标呈较好的线性正相关，拟合优度达0.687，职住密度越高，城镇空间活力越高.

2.3 基于土地利用的职住空间分布

市郊居民的就业地分布情况，按中心城内、城镇圈内和在其他地区就业将就业地分为三组.数据源为基于2019年8月上海市域手机信令数据识别的居民职住分布结果，全市总样本量约为300万，分别计算城居民在上述三个区域就业比例.

城镇居民就业地分布呈现出的规律为：除中心城周边中心镇居民在中心城就业比例偏高，其余城镇在中心城就业的居民比例通常不超过30%，在城镇圈就业比例在60%以上，说明城镇圈在一定区域范围内，发挥了作为空间组织和资源配置基本单元的预期功能.

居民在城镇圈就业比例与城镇热力密度呈负二次关联，呈先升后降的趋势，城镇圈承担约50%城镇居民就业时，城镇空间活力具备较高的水平.由此可见，当居民职住在城镇圈范围内处于一个极端平衡、形成过于独立的职住功能区，即近100%的城镇居民就业均在城镇圈内时，并不利于城镇空间活力的提升.城镇发展不能一味追求片区化的职住平衡，还应注重产业结构.

2.4 城镇区位

城镇区位特征通过城镇距市中心及城镇圈中心的出行时距表征.距离市中心出行时距计算方法为城镇中心到人民广场地铁站搭乘公共交通消耗的最短时间；距城镇圈中心时距计算方法为该城镇中心到其所在城镇圈中心城镇搭乘公共交通消耗的最短时间.据来源为工作日早高峰时段用python爬虫爬取高德地中的行程时间.

城镇距市中心的时距与加权热力密度呈对数关系，拟合度优于距城镇圈的时距指标.随着城镇距离市中心的出行时距增加，城镇空间活力呈下降趋势，且对于中心城周边城镇，即距离中心城较近的城镇，空间活力对中心城时距的变化更为敏感.对于外围城镇，与中心城时距的增加对空间活力的削弱效力减缓.随着城镇距城镇圈中心时距增加，空间活力呈下降趋势.

因而近郊城镇，其空间活力的发展对距离中心城的出行时距较为敏感，可优先考虑完善与中心城的出行服务从而提升城镇空间活力.远郊城镇应优先考虑到城镇圈中心的出行选择的多样性及提高城镇圈中心的交通可达性.

3 耦合关联分析模型

大都市区城镇居民日常活动主要受通勤时间约束[17]，且1 h通勤圈的约束较难被突破.以距离市中心1 h公共交通(含轨道与地面公交)可达为界限值，将70个城镇分为“市中心1 h公共交通可达边界”边界内及边界外两组城镇，分别构建市郊轨道—城镇空间活力—城乡体系耦合关联模型，进一步分析市郊轨道及其他影响因素对城镇空间活力的影响.

3.1 城镇分组分析

“市中心1 h公共交通可达边界”内的城镇有15个，边界外的城镇有55个.较城乡体系热力偏低的城镇均为“市中心1 h公共交通可达边界”外城乡体系级别较高的城镇，这些城镇是具有辐射带动能力的节点，其人群聚集能力与社会经济活动强度的提升对多中心空间结构的形成至关重要，需要着重关注并积极探索提升热力的方法.热力偏高的城镇中，4个为“市中心1 h公共交通可达边界”内且级别较低的城镇，对于这些城镇则需要防止其热力增加导致城市核心区进一步向外蔓延；5个为“市中心1 h公共交通可达边界”外的城镇，但热力排名与预期排名偏差较小.

3.2 边界内城镇耦合关联分析模型

“市中心1 h公共交通可达边界”内的15个城镇均设有轨道站点，其中徐泾、赵巷、月浦、华新4个城镇热力偏高.将非线性的影响指标线性化处理后，探究影响城镇热力密度的因素并建立多元回归模型.为去除不同指标量纲差异的影响，通过z-score标准化方法进行无量纲处理，标准化公式为

(4)

式中：u为该组自变量的平均数；σ为该组自变量的标准差.

“市中心1 h公共交通可达边界”内城镇热力密度相关性检验结果如表1所示.

表1 “市中心1h公共交通可达边界”内城镇热力密度相关性检验表Tab.1 Correlation test table of heat density for towns within the 1-hour transit commuting circle of city center

由表格中的显著性指标可知与城镇加权热力密度相关性较高的变量为站点覆盖率、轨道站数量与级别水平综合指数、向心客流量、离心客流量、职住密度，而时间可达性与职住空间分布对热力密度影响不大.

由于向心客流量与离心客流量高度相关，在建模时剔除了离心客流量.重新进行回归模型构建，回归模型结果如表2所示，模型通过90%置信度检验，保留的四个变量均对热力密度有显著的正向影响，其中站点覆盖比影响程度最大，其次是轨道站数量与级别水平综合指数、职住密度与向心客流量，说明“市中心1 h公共交通可达边界”内城镇，轨道站点位置与城镇主要公共活动中心及主要商业办公区耦合性对城镇热力有较大的影响，因此轨道站点空间分布规划较为重要，除此之外轨道站数量与级别水平综合指数对城镇的活力影响有显著的正向影响.一旦轨道站点空间位置以及站点级别水平确定后，未来城镇热力密度的提升将主要取决于城镇核心区域的职住密度、城镇与中心城区的向心客流量的增加量，而轨道站点覆盖率的增量空间将很小.对于热力排名较城镇体系偏高的城镇，不需要进一步修建轨道，同时应适当控制人口快速增加.

表2 “市中心1 h公共交通可达边界”内城镇热力密度回归模型Tab.2 Regression model table of heat density for towns within the 1-hour transit commuting circle of city center

3.3 边界外城镇耦合关联分析模型

“市中心1 h公共交通可达边界”外的55个城镇中，12个有轨道交通服务，43个无轨道交通服务.对于有轨道的12个城镇，聚焦于能否通过加密轨道服务提升城镇空间活力，以及不同级别的轨道对于提升空间活力的边际效益差异.对于尚未建设市郊轨道的43个城镇，聚焦于市郊轨道的建设是否可以提升城镇热力密度.

3.3.1 有无轨道对热力密度影响分析

将轨道交通影响因素简化为哑元变量“是否有轨道”，若城镇内有轨道站则该变量为1，反之为0.以热力密度为因变量，各影响因素为自变量，标准化自变量后建立回归模型，模型结果如表3所示.对于“市中心1 h公共交通可达边界”外的55个城镇，有无轨道交通、职住密度与时间可达性是影响城镇热力密度的主要因素，有轨道交通和职住密度对城镇空间活力的提升有显著的正向作用，时间可达性差对空间活力提升有显著负向作用.

表3 “市中心1 h公共交通可达边界”外城镇热力密度相关性检验表Tab.3 Correlation test table of heat density for towns outside the 1-hour transit commuting circle of city center

在这些显著变量中，有轨道交通与城镇距市中心时距存在高度共线性，因此未纳入最终回归模型中，重新建模结果如表4所示.综合相关性检验结果与回归模型可知，从影响程度来看，职住密度对城镇空间活力的影响最大，其次是城镇圈时距和是否有轨道.因此，对于没有轨道的城镇，建设轨道、通过提升职住密度及减小与城镇圈中心时距能更有效地提升城镇空间活力.

表4 “市中心1 h公共交通可达边界”外城镇热力密度回归模型Tab.4 Regression model table of heat density for towns outside the 1-hour transit commuting circle of city center

3.3.2 轨道级别对热力密度影响分析

“市中心1 h公共交通可达边界”外有轨道站点的城镇热力密度相关性结果如表5所示，职住密度、站点数量指数、离心客流、向心客流与热力密度相关性相对较强.即提高轨道站点数量指数、职住密度对城镇提升热力密度贡献大，而国家铁路、城际线路站点与局域线路、市区线路轨道站点相比，建设能级较高的轨道站点更易聚集人群通勤与非通勤活动，对于提升城镇热力密度贡献更大.

表5 “市中心1 h公共交通可达边界”外有轨道站点城镇热力密度相关性分析Tab.5 Correlation test table of heat density for towns with station outside the 1-hour transit commuting circle of city center

另一方面，当城镇有轨道交通后，通过增加站点数量与级别水平、提高覆盖比例对于提升热力效果均不显著.在所有变量中，只有职住密度与城镇热力密度呈显著的正相关.因此，有轨道的城镇，在城镇核心区进一步建设轨道来提升热力密度的效果有限，仍需要通过城镇增加工作岗位吸引人口来带动热力密度提升.

4 结论

1)利用百度地图热力图数据，提出城镇加权热力密度指标定量表征城镇空间活力水平.测算得到该指标与上海市城乡体系契合率为70.0%，说明该指标用于定量表征城镇开发水平及空间活力具有较高的适配性.

2)通过以“市中心1 h公共交通可达边界”为空间界限将城镇分为两组分别建模分析，研究发现，距 “市中心1 h公共交通可达边界”内的近郊城镇，未来城镇空间活力的提升将主要取决于城镇核心区域的职住密度、城镇与中心城区的向心客流量的增加量，而增加轨道站点的数量、轨道站点覆盖率，提高站点级别水平对城镇空间活力贡献度相对较小.

3)“市中心1 h公共交通可达边界”外城镇组，对于尚未建设轨道交通的城镇，建设轨道、通过提升职住密度及减小与城镇圈中心时距能更有效地提升城镇空间活力.

4)已有轨道交通的城镇，在城镇核心区范围内继续增加轨道交通建设可能有边际效应递减现象，因此后续研究将继续在城镇热力密度值合理取值范围、市郊轨道交通建设是否存在边际效应递减现象等方面深入开展工作.