基于交通可达性的户外劳动者服务站点布局及利用率测度

2022-10-09裴玉龙常铮

大连交通大学学报 2022年4期

裴玉龙，常铮

(东北林业大学交通学院，黑龙江哈尔滨 150040)

近年来为着力解决户外劳动者在就餐、饮水、休息等方面的实际困难，全国建立了一批户外劳动者服务站点(以下简称服务站点).在此背景下如何优化站点布局并提升站点服务能力已成为新的热点.目前国内外对公共服务设施空间布局特征分析主要分为优化决策模型、服务需求的时空建模和多目标优化决策算法三类[1]，其中吴晨玮和王卫等[2-3]综合运用GIS空间核密度、相关性及距离分析等空间分析方法分析各个公共服务设施的现状特征并提出公共服务设施优化策略；阚小溪和李华等[4-5]利用研究区域OD及GPS数据，构建出行时空的耦合度模型、分析服务设施空间布局并对公共设施服务半径进行了确定；赵立志[6]通过构建“最小化设施点数模型”和“最小化抗阻模型”提出两级公共服务设施体系；齐琳等[7]通过服务成本和需求成本之和最小构建了基于改进粒子群算法的公共设施布局优化模型；吴宇华和王超等[8-10]利用GIS网络分析法建立了服务设施与居住空间的量化联系；周媛和林俊雄等[11-12]利用空间分析和多准则模型对服务设施布局及选址问题进行了研究.

虽然目前国内外对公共服务设施空间布局特征及可达性的研究众多，但大多以医疗、交通或应急等公众服务设施为研究对象，而对面向特殊群体设施的研究少之又少，且多数研究低估了城市交通与服务设施布局的关系，因此本文以户外劳动者服务站点为研究对象，以城市道路网为切入点，通过融合区域可达站点数量及人均服务资源提出服务指数的概念，为服务站点的布局规划提供新的参考.

1 数据采集及预处理

本文所用户外劳动者及服务站点数据为2020年10-11月由黑龙江省总工会与作者所属课题组历时近20天共同调研采集获取，其中服务站点数据983条(包含主城区全部站点位置、面积、名称、利用率等)，户外劳动者数据274条(包含各街道或单位劳动者数量、劳动类型及工作时间等).所用城市道路网通过Open Street Map开源网站获取，并依据城市道路分级标准建立具有道路分级、运行速度及路段长度等字段的交通网络模型.服务站点位置及劳动者分布结构化地址通过百度地图地理编码Web API接口转化为经纬度坐标，将数据导入ArcGIS进行可视化处理如图1、2所示.

图1 主城区户外劳动者分布

图2 主城区服务站点及道路网布局

2 服务站点布局及利用率测度方法

2.1 服务站点空间集聚特性分析

2.1.1 空间自相关分析

空间自相关分为全局自相关和局部自相关，全局自相关用于分析要素整体空间分布状态(聚集、分散或随机)，而局部自相关则用来分析单个要素与其邻近要素的相关程度[13-14].本文拟采用全局空间自相关分析对哈尔滨市主城区服务站点的莫兰指数(Moran′sI)进行计算，并通过z得分和p值对分析结果的显著性进行评估；其中Moran′sI>0表示具有较强的空间正相关性，Moran′sI<0表示存在不公平分配，Moran′sI=0则表示属性值随机分布不存在空间自相关[15].其整体计算公式为：

(1)

(2)

2.1.2 站点空间密度分析

核密度分析是一种利用样本数据来计算数据聚集情况并通过距离衰减函数来度量研究要素密度变化，以此来探索空间区域中的热点分布情况和变化特征的一种计算方法[16].通过核密度分析可以准确反映服务站点的空间集聚特性及其与周边站点的相互关系，并可实现对服务站点空间分布特征的深入分析及可视化表达，核密度的计算公式为：

(3)

式中，fn(x)为空间位置x处服务站点的核密度计算函数，n为与位置x处服务站点的距离小于或等于h的服务站点总数，h为距离衰减函数，k为权重函数.

2.2 基于改进两步移动搜索法的服务指数计算

两步移动搜索法(2SFCA)是一种基于机会累积思想的交通可达性度量方法[17]，其原理是分别以供需两地为中心进行两次搜索，计算出搜索范围内人均服务资源占有量[18-19]，进而对分析对象布局的均衡性及公平性进行评价.传统两步移动搜索法采用固定的距离阈值进行搜索，但在现实中不同出行方式所产生的出行半径不可能完全相同，因此本文对传统两步移动搜索法进行改进，将两步搜索中的距离阈值转换为时间阈值，并将户外劳动者总体人均服务资源Ai分为以快递员、出租车驾驶员等为代表的乘坐载运工具劳动者的人均服务资源Ai-veh和以环卫工人等为代表的步行劳动者的人均服务资源Ai-walk两部分，其改进公式的表达式如式(4)～(6)所示；此外针对单一的可达性指标难以准确衡量服务站点空间布局及利用率的不足，通过融合区域可达站点数量及人均服务资源提出了服务指数的概念，其表达形式如式(7)所示：

(4)

(5)

Ai=Ai-walk+Ai-veh

(6)

(7)

式中：Ai为户外劳动者总体人均服务资源；Ai-veh和Ai-walk分别为乘坐载具和步行户外劳动者的人均服务资源；Sj为户外劳动者站点j的供给规模，以站点面积表示；Dkv和Dkw分别代表搜索区域内两类劳动者的需求人数；vveh和vwalk分别代表两类劳动者沿城市道路的行进速度；t0为时间阈值即劳动者前往站点可接受的最长时间；dkj为服务站点j与劳动者k之间的路程；ωveh和ωwalk分别代表两类劳动者所占权重比例；fser为服务站点综合服务指数；mveh和mwalk分别代表两类劳动者可达站点数量，α和β为权重系数.

3 案例分析

3.1 哈尔滨主城区服务站点空间集聚特征

为揭示哈尔滨市主城区服务站点的空间关联特性，采用CONTIGUITY_EDGES_CORNERS空间关系概念计算各街道服务站点全局莫兰指数(Moran′sI)，所得z得分为12.72(大于2.58)，且p值为0(小于0.01)，说明主城区服务站点的全局莫兰指数在0.01的显著水平上通过显著性检验，随机分布的可能性小于1%；莫兰指数I为0.573(大于0)，表明服务站点呈现显著的集聚特征且具有较强的空间正相关性.以面积作为权重字段对主城服务站点进行核密度分析，得到主城区服务站点核密度如图3所示.从结果来看主城区服务站点呈现典型的多核心块状集聚特征，南岗、香坊、道里、道外和松北组成1个大核心，平房、阿城、双城和呼兰分别形成4个小核心，其中南岗—道外—道里交界处附近服务站点密度最高、集聚性最为显著，并由此向外呈现递减趋势.

图3 主城区服务站点核密度分析

3.2 主城区服务站点可达性分析

服务站点可达性分析分为可达站点数量和人均服务资源两方面，由于城市道路是户外劳动者的主要工作场所，在工作时段内户外劳动者的一切出行均以城市道路为出发点，因此本文做出以下两点假设：①假设研究范围内各街道的户外劳动者全部均匀分布在城市道路上；②为方便可达性的计算，假设各街道户外劳动者的出行均以所在路段的中点为起始点，以服务站点为目的地，以此为基础构建步行和乘坐载具两种方式的交通网络分析模型.

现有研究表明“15 min生活圈”是居民生活最密切的圈层，15 min内可达各类公共服务设施可使人民获得更强的幸福感[20]，因此本文以15 min作为可达性分析的时间阈值.通过网络分析计算出步行和乘坐载具两种方式在15 min搜索半径内可到达的服务站点数量，并取二者最大值作为各区域可达服务站点数，将计算结果做可视化处理，如图4所示.可以看出可达站点数量由城市中心向外围乡镇逐渐衰减，这主要是由于中心城区路网及服务站点均比外围乡镇密集，户外劳动者可选站点更多，且距离站点空间距离更短；在人均服务资源占有量方面，采用改进两步移动搜索法对主城区各区域15 min出行范围内的人均服务资源进行计算，得分越高说明户外劳动者可享受到的服务越好，反之则越差.由图5可以看出整体上中心城区人均服务资源低于外围乡镇，主要原因是中心城区服务站点数量虽多，但其劳动者也更为密集，对服务站点的需求度也相对更高.

图4 主城区15 min可达站点数量

图5 主城区15 min出行范围内人均服务资源

为进一步探究主城区各街道户外劳动者密度与人均服务资源的相关性，采用双变量空间自相关分析法对二者进行分析，最后将分析结果进行可视化处理，处理结果如图6所示.根据计算，户外劳动者密度与人均服务资源的全局双变量莫兰指数I为0.012，即户外劳动者密度与人均服务资源存在正相关，即劳动者密度大的位置站点人均服务资源也相应较高.另外从LISA聚类图可以看出：①主城区内几乎不存在劳动者密度高、服务资源供给低的地区，服务站点资源供给充裕；②高-高聚类均集中在主城区中心位置，尽管主城区中心户外劳动者密度大，但服务站点资源充足，站点可达性及服务资源适配度也相应较高；③主城区存在89个街道处于低-高聚类，其主要分布于松北区、道外区及香坊区，这些地区劳动者密度不高但服务资源供给十分充足，个别地区甚至会产生一定资源闲置；④双城区和呼兰区外围大多街道处于低-低聚类，此类地区劳动者密度低同时站点资源也相应较少，资源配置相对合理.

3.3 主城区服务站点综合服务指数分析

可达站点数量及人均服务资源占有量是衡量某一地区户外劳动者服务站点服务质量的重要指标，根据相关规定及问卷调查结果“若使户外劳动者拥有较高满意度，各街道站点人均服务资源不宜低于1.5 m2/人，15 min可达站点数量不宜少于30处”，因此以15 min搜索半径内各街道人均服务资源占有量为横轴，平均可达站点数量为纵轴，以(1.5，30)为坐标原点建立站点综合服务质量象限，如图7所示.其中处于第一象限的街道15 min可达站点数量多且人均服务资源充裕，处于第二象限的街道虽然15 min可达站点数量多但人均服务资源贫乏，处于第三象限的街道15 min可达站点数量及人均服务资源均处于较低水平，处于第四象限的街道虽然15 min可达站点数量较少但人均服务资源丰富.由图7可知，在乘坐载具的情况下，有超过70%的街道处于散点图第一、二象限交界处，在步行的情况下，有近60%的街道处于散点图第三象限内，这说明主城区内出租司机、快递(外卖)小哥等户外劳动者在15 min内可达站点资源丰富，且对站点并无固定选择，服务资源相对合理，可以满足较好的服务；而对于环卫工、园林绿化工等步行劳动者一般对站点有较为固定的选择,习惯于前往固定的站点接受服务，加之环卫工等群体所占比重大，工作、休息时间固定且对服务站点需求高，大多区域高峰时段人均资源占有量不足1 m2/人，整体服务资源较为紧张.

图7 站点综合服务质量象限

为深入分析服务站点空间布局特性，本文融合可达站点数量与人均资源占有量计算各街道站点的综合服务指数，并对各街道平均可达站点数、人均服务资源占有量和综合服务指数与高峰时段(即劳动者集中休息或换班时段)利用率之间的相关性进行拟合分析，结果显示服务站点高峰时段利用率与可达站点数量拟合曲线R2值为0.460；与人均服务资源拟合曲线R2值仅为0.041；与综合服务指数拟合曲线R2值为0.851.由此说明综合服务指数与服务站点高峰时段利用率之间相关性明显优于其他两种指标，二者经残差检验分析具有很好的拟合效果，可以判定存在较强的负相关性.二者之间的具体关系可表现为：街道站点平均综合服务指数越高，代表该街道可供户外劳动者选择的站点数量或站点服务资源越丰富，因此高峰时段该街道内单位站点不易饱和，其站点利用率相应较低；反之，综合服务指数越小，可供户外劳动者选择的站点数量或服务资源越少，高峰时段单位站点更易饱和，因此其利用率也相应较高.

不同评价指标与站点高峰时段利用率相关性分布如图8所示，由图8(c)可看出，虽然在整体上综合服务指数与站点高峰时段利用率之间呈现负相关，但当综合服务指数过低时，也会导致站点高峰时段利用率的下降.分析其原因，当站点综合服务指数过低(小于0.05 m2/(人·处))时，高峰时段站点极易产生过饱和现象，进而在一定程度上降低户外劳动者的使用意愿，使站点利用率降低；当站点服务指数过高(大于2 m2/(人·处))时，服务资源便会产生大量的冗余闲置，亦会使站点的利用率下降.综合服务指数-利用率拟合值残差检验如图9所示.

图8 不同评价指标与站点高峰时段利用率相关性分布

图9 综合服务指数-利用率拟合值常规残差检验

将主城区站点综合服务指数及站点利用率进行可视化处理，如图10、图11所示.两者在空间分布上存在一定的负相关，因此，结合前文分析结果可认为采用综合服务指数对利用率进行推算存在一定合理性.从综合服务指数分布来看，外围城区综合服务指数普遍高于中心城区，这主要是由于外围城区多为大型站点，单个站点空间面积大且劳动者密度较低，高峰时段站点不易饱和；从利用率分布来看，中心城区站点利用率普遍偏高，这一方面是由于中心城区户外劳动者密度更为密集，另一方面由于中心城区多数为小型联建站点，单个站点承载能力较弱，高峰时段站点更易饱和，利用率更高；因此针对中心城区服务站点的布局优化，可尝试对现有小型服务站点进行改建，增大单个站点服务面积；对于边缘城区应采取减小现有站点面积，增加站点密度的方式，避免由于站点规模冗余而导致的服务资源浪费，进而提升站点整体利用效率.