基于聚類分析的地鐵站點(diǎn)分類——以哈爾濱地鐵1號線為例

邵瀅宇，丁柏群*

(東北林業(yè)大學(xué) 交通學(xué)院，哈爾濱 150040)

摘要：對地鐵站點(diǎn)分類不僅是研究站點(diǎn)交通吸引范圍的重要依據(jù)，同時(shí)還可作為居民出行方式選擇機(jī)理研究的指標(biāo)。文章主要針對我國地鐵站點(diǎn)的分類進(jìn)行研究，利用聚類分析法分布廣泛和處理問題靈活的特性，首先選取地鐵站點(diǎn)的自身屬性以及周圍環(huán)境影響因素的多個變量的信息作為聚類量，對聚類量進(jìn)行量化分析，然后利用最短距離法得出聚類表，通過聚類表對地鐵站點(diǎn)進(jìn)行分類，得出的冰柱圖和樹狀聚類圖能夠直接表現(xiàn)地鐵站點(diǎn)的分類結(jié)果，分類結(jié)果更具有直觀性和全面性。文章選用哈爾濱地鐵1號線車站站點(diǎn)為例進(jìn)行分析計(jì)算，最終將地鐵1號線化分為中央商務(wù)區(qū)換乘、單一功能、通勤出行、遠(yuǎn)途交通接駁轉(zhuǎn)運(yùn)、城市外圍換乘以及日常出行6類站點(diǎn)。

關(guān)鍵詞：聚類分析；哈爾濱地鐵1號線；站點(diǎn)；分類

中圖分類號：S 773

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-005X(2015)03-0106-06

Abstract：The classification of metro is not only the important basis of studying the attraction range of the traffic，but also can be used as an indicator of the mechanism of travel mode selection.This paper mainly studied the classification of subway stations.The method of cluster analysis that is widely used and flexible in dealing with problems was employed in this paper.First，the properties of subway stations and the surrounding environmental factors were selected as clustering variable，and then the shortest distance clustering method was used to get the clustering table.The classification of subway stations was then obtained by the clustering table.The dendrogam and icicle histogram were used to present the classification results intuitively and comprehensively.The Metro Line 1 in Harbin was selected and the classification results on the substations showed that Metro Line 1 can be divided into six types：central business district transfer stations，subway stations with single function，commuter travel subway stations，long-haul transport services transit subway stations，subway stations outside the city transfers，and daily travel subway stations.

Keywords：cluster analysis；Harbin Metro Line 1 station；stations；classification

收稿日期：2014-12-31

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目(51078113)

作者簡介：第一邵瀅宇，碩士研究生。研究方向：交通信息綜合運(yùn)用理論與技術(shù)。

通訊作者：`*丁柏群，碩士，教授。研究方向：交通運(yùn)輸工程、交通信息及控制工程。E-mail：ding_bq@163.com

Metro Stations Classification Based on Clustering Analysis——A Case Study of Harbin Metro Line 1

Shao Yingyu，Ding Baiqun*

(Traffic College，Northeast Forestry University，Harbin 150040)

引文格式：邵瀅宇，丁柏群.基于聚類分析的地鐵站點(diǎn)分類[J].森林工程，2015，31(3)：106-111.

城市地鐵交通流的吸引以站點(diǎn)為中心，站點(diǎn)自身及周邊環(huán)境特征與地鐵交通的吸引范圍有直接關(guān)系，同時(shí)與居民出行方式選擇機(jī)理密切相關(guān)。合理劃分地鐵車站類型，可以為改善地鐵的客流吸引能力、擴(kuò)大輻射范圍、與其他交通方式的銜接規(guī)劃和建設(shè)提供參考，同時(shí)為交通方式一體化分析和評價(jià)提供借鑒。

目前國內(nèi)常用的地鐵車站分類方法主要以下兩種：以節(jié)點(diǎn)導(dǎo)向的分類和以場所導(dǎo)向的分類。節(jié)點(diǎn)導(dǎo)向分類主要依據(jù)車站的交通功能，具體的判斷標(biāo)準(zhǔn)包括：該車站能夠誘導(dǎo)的交通方式，各種交通方式所產(chǎn)生的客流量在整體交通出行中的比例，以及軌道交通與其他交通方式的競爭關(guān)系；閆小培等采用這種方法研究了廣州地鐵2號線，將地鐵站點(diǎn)分為換乘站、換乘吸引站與客流吸引站3類[1]。場所導(dǎo)向分類主要從站點(diǎn)在城市中的位置、周圍地塊的主導(dǎo)功能等角度考慮進(jìn)行分類，例如惠英結(jié)合乘客出行目的和出行距離等調(diào)查，將上海地鐵站點(diǎn)劃分為公共中心區(qū)、交通樞紐區(qū)、成熟居住區(qū)和城市外圍區(qū)等4類地區(qū)，其中公眾中心區(qū)位于城市中心，周圍設(shè)施完善，利于軌道交通的建設(shè)；交通樞紐區(qū)則利用乘客換乘的強(qiáng)烈需求，帶動周邊建設(shè)；而居住成熟區(qū)和城市外圍區(qū)都屬于單一的交通站點(diǎn)建設(shè)，對周圍環(huán)境影響較小[2-3]。節(jié)點(diǎn)導(dǎo)向分類方法雖然考慮因素較為全面，且主要考慮站點(diǎn)在交通系統(tǒng)中的作用，但未能考慮車站區(qū)位因素，所有因變量均屬于定性分析，難以得出具體結(jié)果[4]；而場所導(dǎo)向分類方法則主要考慮站點(diǎn)在城市中的區(qū)位因素，雖與交通系統(tǒng)相關(guān)聯(lián)，但關(guān)聯(lián)性模糊難以判斷[5-6]。

對地鐵站點(diǎn)進(jìn)行分類除需考慮車站自身因素外，還需考慮周圍的環(huán)境因素，上述方法均存在一定不足。聚類分析法可以綜合利用地鐵站點(diǎn)以及周圍環(huán)境的多個變量的信息對樣本進(jìn)行分類，其結(jié)果能夠通過冰柱圖和樹狀聚類圖直接表現(xiàn)，更為全面、細(xì)致、合理，其具有的靈活性、健壯性、分布性和自組織性，非常適用于地鐵站點(diǎn)的分類。

1地鐵站點(diǎn)聚類分析方法

聚類分析是根據(jù)事物本身的特性，按照一定的分類定義準(zhǔn)則對所研究的事物進(jìn)行歸類[7]。其基本思想是先建立衡量事物間相近似程度的統(tǒng)計(jì)量，然后按照相似的程度，把樣品逐一歸并成類，將關(guān)系比較密切的歸并到一個小的分類單位，關(guān)系疏遠(yuǎn)的則聚集到一個大的分類單位，直到所有的樣品都聚集完畢為止，從而形成 一個親疏關(guān)系的譜系圖，為實(shí)際的分類提供定量的依據(jù)[8]。

1.1　地鐵站點(diǎn)聚類量的選取

聚類量能夠表明變量之間的密切程度，需要根據(jù)各地軌道交通分布區(qū)域及功能性的不同，綜合考慮站點(diǎn)自身因素和周圍環(huán)境因素，選取具有代表性變量作為聚類分析的初始變量，其中應(yīng)包括車站旅客交通量、站點(diǎn)平均間隔距離、站點(diǎn)距離中心區(qū)域距離、公交接駁線路條數(shù)等方面。

1.2　數(shù)據(jù)變換標(biāo)準(zhǔn)化

分析過程中，需要對各個原始數(shù)據(jù)進(jìn)行一些相互比較運(yùn)算，但由于計(jì)算量單位的不同會對數(shù)值造成影響，因此首先需要進(jìn)行原始數(shù)據(jù)的變換處理。數(shù)據(jù)標(biāo)準(zhǔn)化的基本思路，是將數(shù)據(jù)按一定的數(shù)學(xué)方法把原始變量的值縮小到某一較小區(qū)間之中。在處理某些分析評價(jià)指標(biāo)是經(jīng)常選擇的數(shù)據(jù)處理方法，用來去除原始數(shù)據(jù)中各變量的單位，將數(shù)據(jù)轉(zhuǎn)化為無量綱的純數(shù)值，這樣在指標(biāo)進(jìn)行加權(quán)或者比較時(shí)，能夠去除單位和量綱的限制[9]。本文采用Z-SCORE標(biāo)準(zhǔn)化方法，使用Z-SCORE標(biāo)準(zhǔn)化的目的是使得平均值為0，標(biāo)準(zhǔn)差為1，這樣可以把不同量綱的數(shù)據(jù)放在一個矩陣。

Z=(xij-μj)/σj。

(1)

1.3　選擇聚類方法進(jìn)行地鐵站點(diǎn)分類

運(yùn)用一定的聚類方法，將關(guān)聯(lián)緊密具有類似特點(diǎn)的站點(diǎn)分為一類，將關(guān)聯(lián)較小或沒有共同點(diǎn)的站點(diǎn)加以區(qū)分。選擇聚類方法是非常重要的一步。目前使用最為廣泛的是系統(tǒng)聚類法，首先將n個樣品看成n類，然后將性質(zhì)最接近的兩類合并為一類，從而得到n-1類；接著從中找出最接近的兩類加以合并變成n-2類。如此下去，剩下的樣品分為一類；將上述并類過程繪制為聚類圖，便可決定分為多少類，每類有什么樣品。常用的系統(tǒng)聚類法包括組內(nèi)平均聯(lián)接法、組間平均聯(lián)接法、最短距離法、最長距離法、質(zhì)心聚類法、中間距離法和離差平方法。通過SPSS對標(biāo)準(zhǔn)化的數(shù)據(jù)進(jìn)行聚類分析，得出聚類表，繪制出聚類分析圖，對地鐵站點(diǎn)進(jìn)行分類。

2案例研究

哈爾濱地鐵1號線(以下簡稱地鐵1號線)一期工程全長17.47km，東起道外區(qū)哈東站，西至南崗區(qū)哈南站，沿太平橋、東西大直街、學(xué)府路走向，位于城區(qū)主軸線上，途經(jīng)市中心最繁華地段和多所大學(xué)、醫(yī)院、居民區(qū)、商業(yè)區(qū)，是哈爾濱市的主客流走廊。市區(qū)160多條公交線路，其中近半數(shù)與地鐵1號線相關(guān)聯(lián)。1號線目前設(shè)18座車站和1個車輛段，站點(diǎn)名稱及相應(yīng)編號見表1。

表1　哈爾濱地鐵1號線站點(diǎn)名稱及編號 Tab.1 The site name and number of Metro Line 1 in Harbin

2.1　哈爾濱地鐵站點(diǎn)聚類量的選取

本文綜合考慮地鐵站點(diǎn)自身因素和周圍環(huán)境因素，選取11個變量作為地鐵1號線聚類分析的初始變量，詳見表2。

表2　哈爾濱地鐵聚類變量選取 Tab.2 The cluster variables of Metro line 1 in Harbin

(1)車站旅客交通量選取高峰小時(shí)客流量，高峰小時(shí)客流量是反映站點(diǎn)客流吸引特征的主要指標(biāo)，包括高峰小時(shí)上客流量和高峰小時(shí)下客流量，車站旅客交通量為數(shù)值參數(shù)，故可以直接使用。

(2)站點(diǎn)出入口個數(shù)可以直接體現(xiàn)軌道交通站點(diǎn)的規(guī)模和到達(dá)難易程度。統(tǒng)計(jì)各個站點(diǎn)設(shè)計(jì)的出入口數(shù)量，站點(diǎn)出入口個數(shù)為數(shù)值數(shù)量，故可以直接使用。

(3)站點(diǎn)面積選用站點(diǎn)候車面積為調(diào)查對象，候車面積為數(shù)值變量，故可以直接使用。

(4)站點(diǎn)間距可作為變量，借以體現(xiàn)相鄰站點(diǎn)間相互吸引的交通量范圍，選取相鄰站距的算術(shù)平均值作為標(biāo)準(zhǔn)，站點(diǎn)間距為數(shù)值變量，故可以直接使用。

(5)站點(diǎn)與中心區(qū)域的距離可以體現(xiàn)站點(diǎn)的區(qū)域性，站點(diǎn)與中心區(qū)域距離為數(shù)值變量，可以直接使用。

(6)不同的用地性質(zhì)和強(qiáng)度可以反映軌道交通出行的強(qiáng)弱，軌道交通站點(diǎn)的合理步行接駁范圍在500~800m，該范圍內(nèi)的土地用地開發(fā)模式對軌道交通客流影響最大[10]。因此，本文選用站點(diǎn)附近500m范圍內(nèi)用地多樣性為量度，具體求值采用混合度熵的方法。熵值是一個異質(zhì)性指數(shù)，取值為0到1，數(shù)值越接近于1，表示混合度越大。定義適合度為M，則

(4)

式中：Pi為第i種用地所占的比例；i為用地種類；k為用地的種類數(shù)量，取k=3，本文共3類用地，為公共設(shè)施用地、居民用地和其他用地。

(7)站點(diǎn)建筑強(qiáng)度是選取站點(diǎn)周圍500m范圍內(nèi)容積率作為建筑強(qiáng)度指標(biāo)[11]，站點(diǎn)周圍500 m范圍內(nèi)的容積率為數(shù)值變量，可以直接使用。

(8)站點(diǎn)建筑密度選取覆蓋率作為建筑密度的變量，建筑物的覆蓋率為數(shù)值變量，可以直接使用。

(9)接駁公交線路條數(shù)選取時(shí)，綜合考慮地鐵站點(diǎn)平均間距及其周圍公交車站的分布。公交站點(diǎn)與軌道交通銜接的適宜距離在200m以內(nèi)[12]，故選取站點(diǎn)周圍200m范圍內(nèi)公交線路條數(shù)表示公交接駁特征，與站點(diǎn)接駁的公交線路條數(shù)為數(shù)值變量，可以直接使用。

(10)交叉口密度是指站點(diǎn)周圍步行可達(dá)區(qū)域內(nèi)，周邊道路交叉口的個數(shù)，本文統(tǒng)計(jì)站點(diǎn)周圍500m內(nèi)的交叉口個數(shù)，個數(shù)為數(shù)值變量，可以直接使用。

(11)站點(diǎn)服務(wù)設(shè)施特征的評價(jià)包括乘車信息完善程度、票務(wù)服務(wù)便利程度、人行設(shè)施便捷性和停車設(shè)施有無等4方面內(nèi)容，涉及到乘客的主觀因素，為定性參數(shù)。在調(diào)查中采用詢問評分的方法，把服務(wù)設(shè)施分為1~5五個等級，從而轉(zhuǎn)換為數(shù)值變量。

2.2　哈爾濱地鐵站點(diǎn)聚類量數(shù)據(jù)調(diào)查

根據(jù)地鐵站點(diǎn)聚類量的選取，綜合現(xiàn)場調(diào)研數(shù)據(jù)，各站點(diǎn)自身參數(shù)量化結(jié)果見表3，站點(diǎn)周圍環(huán)境因素量化表見表4。

表3　站點(diǎn)自身因素量化表 Tab.3 The quantified factors of the sites

表4　站點(diǎn)周圍環(huán)境因素量化表 Tab.4 The quantified surrounding environment factors of the site

2.3　數(shù)據(jù)變換標(biāo)準(zhǔn)化

將哈爾濱地鐵1號線實(shí)際調(diào)查得出的聚類量通過Z-SCORE標(biāo)準(zhǔn)化方法進(jìn)行標(biāo)準(zhǔn)化，得出原始數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)果，見表5。Z1~Z11為聚類變量編號：Z1為車站旅客交通量，Z2為站點(diǎn)出入口個數(shù)，Z3為站點(diǎn)面積，Z4為站點(diǎn)間距，Z5為站點(diǎn)與中心區(qū)域距離，Z6為站點(diǎn)建筑混合度，Z7為站點(diǎn)建筑強(qiáng)度，Z8為站點(diǎn)建筑密度，Z9為接駁公交線路條數(shù)，Z10為交叉口密度，Z11為站點(diǎn)服務(wù)設(shè)施等級。

表5　原始數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)果 Tab.5 The standardization results of original data

2.4　選擇聚類方法進(jìn)行哈爾濱地鐵站點(diǎn)分類

計(jì)算類與類之間的距離時(shí)，多采用最短距離法首先合并最相近的或最相似的兩類，用兩類間最近點(diǎn)間的距離代表兩類間的距離，故本文采用最短距離法。

(1)通過SPSS導(dǎo)入原始數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)果，利用最短距離聚類法得出聚類表，見表6。

表6　哈爾濱地鐵1號線站點(diǎn)聚類表 Tab.6 Station cluster table for Metro Line 1 in Harbin

(2)繪制冰柱圖和樹狀聚類圖，如圖1和圖2所示。

圖1　聚類分析冰柱圖 Fig.1 Icicle histogram of cluster analysis

圖2　聚類分析樹狀聚類圖 Fig.2 Dendrogram of cluster analysis

由聚類分析冰柱圖和樹狀聚類圖，可將哈爾濱地鐵1號線的18個站點(diǎn)分為6類：

第1類站點(diǎn)為博物館站。這類站點(diǎn)屬于城市商務(wù)區(qū)的換乘車站，位于城市中心區(qū)域，同時(shí)又是規(guī)劃的地鐵2號線換乘站，站點(diǎn)規(guī)模大，周邊交通情況復(fù)雜；臨近火車站，出行人群組成多；站點(diǎn)周邊停車設(shè)施緊張，不利于小汽車換乘，公交接駁線路較多，是現(xiàn)階段唯一的多功能城市中心站點(diǎn)。

第2類站點(diǎn)包括太平橋站、醫(yī)大一院站和西大橋站。這一類站點(diǎn)周圍居民區(qū)較多，客流量較大；周邊交叉口相對密集，路面交通情況復(fù)雜；位于公交換乘區(qū)域，利于軌道交通出行；除居民區(qū)外周邊以公共設(shè)施用地為主，屬于單一功能的站點(diǎn)。

第3類站點(diǎn)包括哈東站站、交通學(xué)院站、工程大學(xué)站、哈工大站。此類站點(diǎn)主要為通勤出行，周邊以大學(xué)為主，其中3個站點(diǎn)分別為3所高校，用地性質(zhì)以公共設(shè)施、教育和行政功能為主；周邊停車設(shè)施較完善，更利于小汽車出行換乘；出行人員組成相對單一，主要是以學(xué)生、公職人員為主；交通流潮汐性明顯，工作日與休息日交通量變化較大。

第4類站點(diǎn)包括醫(yī)大二院站、哈達(dá)站和哈南站站。這類站點(diǎn)接近城區(qū)外圍或邊緣，居住用地尚在開發(fā)過程中，出行人群不集中；位于城市出入口附近，主要與其他遠(yuǎn)途交通方式如公路、鐵路乃至航空客運(yùn)等形成接駁轉(zhuǎn)運(yùn)關(guān)系。

第5類站點(diǎn)包括樺樹街站、理工大學(xué)站和黑龍江大學(xué)站。這類站點(diǎn)出行人群相對單一，且高峰期出行與平峰期出行交通量相類似；地面交通狀況良好，較少發(fā)生擁堵情況，故對客流吸引能力較小。

第6類站點(diǎn)包括煙廠站、鐵路局站、和興路站和學(xué)府路站。這類站點(diǎn)周邊屬于哈爾濱市原始居住用地，但卻缺乏大型商務(wù)區(qū)；周邊公交接駁線路多，主要起到換乘的作用；距離城市中心區(qū)域較近，故此類站點(diǎn)對步行居民吸引力較低。

3結(jié)論及分析

文章建立了地鐵站點(diǎn)的分類方法，針對地鐵站點(diǎn)復(fù)雜性和模糊性的特點(diǎn)，采用最短距離法對地鐵站點(diǎn)進(jìn)行分類，劃分為同一類的地鐵站點(diǎn)能夠統(tǒng)一規(guī)劃周邊地面交通換乘及站點(diǎn)周圍環(huán)境的改善。本文將哈爾濱地鐵1號線地鐵站點(diǎn)劃分為中央商務(wù)區(qū)換乘類、單一功能類、通勤出行類、遠(yuǎn)途交通接駁轉(zhuǎn)運(yùn)類、城市外圍換乘類以及日常出行類。6類站點(diǎn)自身屬性和周圍環(huán)境特征鮮明，在交通系統(tǒng)中的作用顯著，可根據(jù)每類站點(diǎn)的特點(diǎn)改善周邊交通附屬設(shè)施，對周圍其他交通方式的進(jìn)行調(diào)整。

4結(jié)束語

本文使用聚類分析法，選取地鐵站點(diǎn)自身屬性和周圍環(huán)境因素的指標(biāo)作為聚類量，對地鐵站點(diǎn)進(jìn)行分類。合理劃分地鐵站點(diǎn)，不僅能夠?yàn)檐壍澜煌ǖ奈秶难芯刻峁┛茖W(xué)分析依據(jù)，而且能夠作為居民出行方式選擇決策分析的指標(biāo)。本分類方法不僅適用于哈爾濱地鐵1號線站點(diǎn)分類，而且適用我國大多數(shù)地鐵站點(diǎn)的分類，具有一定的推廣作用。

【參考文獻(xiàn)】

[1]閆小培，周素紅，毛蔣興.高密度開發(fā)城市的交通系統(tǒng)與土地利用——以廣州為例[M].北京：科學(xué)出版社，2006.

[2]惠英.城市軌道交通站點(diǎn)地區(qū)規(guī)劃與建設(shè)研究[J].城市規(guī)劃匯刊，2002(2)：30-33.

[3]肖慧奇.城市軌道交通站點(diǎn)地區(qū)聯(lián)合開發(fā)初探[J].城市軌道交通研究，2008(2)：6-9.

[4]王慶云.我國軌道交通發(fā)展的戰(zhàn)略思考[J].交通運(yùn)輸系統(tǒng)工程與信息，2010，2(10)：12-16.

[5]王偉，胡列格.城市軌道交通站點(diǎn)對常規(guī)公交客流的吸引范圍[J].系統(tǒng)工程，2010，28(1)：14-18.

[6]谷一禎，鄭思齊.軌道交通對住宅價(jià)格和土地開發(fā)強(qiáng)度的影響-以北京市13號線為例[J].地理學(xué)報(bào)，2010，65(2)：213-223.

[7]呂佳.基于動態(tài)隧道系統(tǒng)的K-means聚類算法研究[J].重慶師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，26(1)：73-77.

[8]劉映池，張毅.運(yùn)用系統(tǒng)聚類法對高校學(xué)生進(jìn)行分類[J].教育與教學(xué)研究，2009，23(9)：56-53.

[9]熊忠陽，陳若田，張玉芳.一種有效的K-mens聚類中心初始化方法[J].計(jì)算機(jī)應(yīng)用研究，2011，11(50)：4189-4190.

[10]曹玫.城市軌道交通與常規(guī)公交客流一體化研究[D].南京：東南大學(xué).2005.

[11]崔愿.接駁地鐵系統(tǒng)的公共交通站臺線路布置優(yōu)化研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2013，13(6)：176-183.

[12]周艷芳，周磊山，樂意祥.城市軌道交通客流高峰傳播研究[J].綜合運(yùn)輸，2010(6)：67-70.

[責(zé)任編輯：劉美爽]