付棟文，韓 印，王馨玉

（上海理工大學(xué)管理學(xué)院，上海 200093）

0 引言

以公共交通為導(dǎo)向的土地開發(fā)（Transit Oriented Development,TOD）是城市交通與土地利用協(xié)調(diào)發(fā)展的理想模式，其核心是軌道交通[1]。雖然國內(nèi)已有不少城市相繼建成軌道交通線路，但由于不同站點(diǎn)周邊土地開發(fā)強(qiáng)度與利用模式存在差異，導(dǎo)致部分站點(diǎn)建設(shè)未能達(dá)到預(yù)期效果，站點(diǎn)周邊空間活力明顯不足，既不利于土地的集約高效利用，也影響了站點(diǎn)周邊居民的生活品質(zhì)。為促使軌道交通站點(diǎn)設(shè)施與周邊業(yè)態(tài)協(xié)同發(fā)展，改善城市的功能和結(jié)構(gòu)，重塑城市空間活力，對(duì)站點(diǎn)周邊空間活力的分布特征及其影響機(jī)制進(jìn)行研究具有重要意義。

“城市活力”最早由Jacobs[2]提出，雖然不同專業(yè)領(lǐng)域?qū)υ撛~有不同的詮釋，但總體上均強(qiáng)調(diào)城市活力的關(guān)鍵在于人的聚集與多樣性的活動(dòng)[3-5]。目前，城市空間活力已成為國內(nèi)外研究的熱點(diǎn)。國外研究多集中在城市空間活力與城市形態(tài)、人群活動(dòng)與健康、城市環(huán)境與社會(huì)文化等方面。如Fuentes 等[6]通過對(duì)智利圣地亞哥城市活力的影響因素進(jìn)行空間分析，利用系統(tǒng)化方法對(duì)城市活力進(jìn)行評(píng)估，基于街區(qū)的形態(tài)、建筑和空間特征三個(gè)方面的多樣性分析，發(fā)現(xiàn)城市街區(qū)形態(tài)特征對(duì)城市活力的貢獻(xiàn)較大；Kang 等[7]利用興趣點(diǎn)和人員流動(dòng)數(shù)據(jù)量化了人類活動(dòng)、活動(dòng)時(shí)間和空間的多樣性，利用多元線性回歸模型研究了各項(xiàng)多樣性指標(biāo)和城市活力之間的關(guān)系，發(fā)現(xiàn)相對(duì)于單項(xiàng)指標(biāo)，綜合多樣性指標(biāo)與城市活力的關(guān)聯(lián)性更強(qiáng)；Sung 等[8]基于居住地建成環(huán)境與步行活動(dòng)之間的關(guān)系，構(gòu)建了以步行活動(dòng)為因變量的多層回歸模型，研究了步行活力與土地混合使用、住宅密度、街區(qū)規(guī)模、建筑年齡、可達(dá)性及交界真空帶6 個(gè)因素的關(guān)聯(lián)性，指出Jacobs 的觀察結(jié)果仍適用于現(xiàn)代化的首爾市。在國內(nèi)，學(xué)者主要關(guān)心城市空間活力的影響因素[9]、評(píng)價(jià)測度[10]和品質(zhì)提升[11]等方面的問題。關(guān)于軌道站點(diǎn)活力評(píng)價(jià)測度，羅克乾等[12]利用空間句法研究了軌道站點(diǎn)地下空間活力的空間可達(dá)性與活動(dòng)人流等因素之間的關(guān)系，得知城市地下空間活力受地下空間結(jié)構(gòu)、功能介入及業(yè)態(tài)布局等多重因素的共同影響；吳光周等[13]通過居民的地鐵刷卡數(shù)據(jù)對(duì)不同站點(diǎn)的客流分布規(guī)律進(jìn)行研究，提出基于地鐵站點(diǎn)客流強(qiáng)度、客流時(shí)間連續(xù)性的站點(diǎn)活力評(píng)估方法；周雨霏等[14]利用百度熱力圖數(shù)據(jù)，基于熱力平均值與熱力離散系數(shù)的測度體系，對(duì)軌道交通站點(diǎn)服務(wù)區(qū)活力進(jìn)行了評(píng)價(jià)；王維禮等[15]基于興趣點(diǎn)大數(shù)據(jù)研究地鐵站周邊商業(yè)空間活力，建立了耦合協(xié)調(diào)度模型以評(píng)估站點(diǎn)可達(dá)性與商業(yè)空間活力聯(lián)系的緊密性。

可以看出，現(xiàn)有軌道站點(diǎn)活力測度研究主要考慮人群、客流等人相關(guān)的因素，但客流數(shù)據(jù)易受時(shí)間變化的影響。同時(shí)，利用這類數(shù)據(jù)進(jìn)行活力測度，較難評(píng)估人群活動(dòng)的多樣性。而人群活動(dòng)的多樣性能從人群活動(dòng)性質(zhì)與分布等方面體現(xiàn)城市空間活力特征，是評(píng)估城市空間活力的關(guān)鍵性因素。相比于可變性很強(qiáng)的人群或客流，城市興趣點(diǎn)（Point of Interest，POI）數(shù)據(jù)具有穩(wěn)定性強(qiáng)、精度較高和容易獲取等特點(diǎn)，包含了學(xué)校、購物中心等地理實(shí)體的屬性信息，能在很大程度上反映出城市居民活動(dòng)的多樣性，目前已應(yīng)用于城市基礎(chǔ)設(shè)施規(guī)劃[16-17]、城市業(yè)態(tài)熱點(diǎn)識(shí)別[18-19]、城市空間結(jié)構(gòu)識(shí)別[20-21]、城市業(yè)態(tài)空間聚類分析[22]等方面。此外，雖然已有研究利用服務(wù)設(shè)施數(shù)量來度量城市軌道站點(diǎn)商業(yè)空間活力，但是考慮的設(shè)施類別有限，缺乏對(duì)站點(diǎn)周邊城市空間活力的總體把握。同時(shí)，只關(guān)注設(shè)施數(shù)量，無法有效反映服務(wù)獲取的難易程度。

為此，本文將從區(qū)域各類服務(wù)設(shè)施數(shù)量和教育、醫(yī)療等社會(huì)公共服務(wù)獲取便利性這兩個(gè)維度出發(fā)，建立軌道站點(diǎn)周邊空間活力評(píng)價(jià)模型，以促進(jìn)城市軌道交通站點(diǎn)設(shè)施與周邊業(yè)態(tài)的協(xié)同發(fā)展。同時(shí)，以軌道交通正處于發(fā)展期的省會(huì)城市南昌市為例，基于市域POI 數(shù)據(jù)，結(jié)合站點(diǎn)活力評(píng)價(jià)模型，利用ArcGIS 與Python 對(duì)該市軌道站點(diǎn)周邊空間活力進(jìn)行測度和站點(diǎn)聚類，研究其軌道交通站點(diǎn)活力分布特征及站點(diǎn)歸屬類別，最后根據(jù)分析結(jié)果，從發(fā)揮軌道交通TOD 效益層面出發(fā)，為城市軌道交通站點(diǎn)周邊設(shè)施建設(shè)規(guī)劃提出相關(guān)建議，為優(yōu)化城市活力空間提供新的思路。

1 軌道交通站點(diǎn)活力評(píng)價(jià)模型構(gòu)建

1.1 評(píng)價(jià)方法及流程

軌道站點(diǎn)活力的測度重點(diǎn)考慮人群的聚集與活動(dòng)的多樣性。站點(diǎn)周邊設(shè)施的服務(wù)種類能較好地反映人群活動(dòng)的多樣性特征。設(shè)施服務(wù)獲取的難易度關(guān)系到人們集聚的可能性大小。為此，本文從兩個(gè)層面度量軌道交通站點(diǎn)的活力：

（1）POI 設(shè)施在站點(diǎn)服務(wù)半徑范圍內(nèi)較全市域范圍的相對(duì)聚集程度，采用局部與全域范圍內(nèi)的設(shè)施密度之比表示，它可反映局部范圍設(shè)施與全域范圍的相對(duì)數(shù)量關(guān)系。

（2）軌道交通站點(diǎn)對(duì)獲取教育、醫(yī)療等社會(huì)公共服務(wù)的區(qū)位優(yōu)勢大小，用站點(diǎn)與這類服務(wù)設(shè)施的綜合距離來度量。逼近理想解排序法（Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS）是一種針對(duì)多目標(biāo)、多屬性問題決策評(píng)估的有效方法，且能充分利用原始數(shù)據(jù)，排除人為的非客觀因素。軌道站點(diǎn)獲取社會(huì)公共服務(wù)的區(qū)位優(yōu)勢，需要考慮多種相關(guān)設(shè)施服務(wù)，可看作對(duì)多目標(biāo)、多屬性問題進(jìn)行評(píng)價(jià)，因此可利用TOPSIS進(jìn)行站點(diǎn)區(qū)位優(yōu)勢評(píng)價(jià)。該方法假設(shè)多屬性決策問題包含M個(gè)評(píng)價(jià)對(duì)象及N個(gè)評(píng)價(jià)指標(biāo)，將其抽象為由N維空間中的M個(gè)點(diǎn)構(gòu)成的幾何系統(tǒng)，分別計(jì)算各評(píng)價(jià)對(duì)象與正、負(fù)理想點(diǎn)之間的歐式距離，從而得到各評(píng)價(jià)對(duì)象與理想方案的相對(duì)貼近度，最后得出各評(píng)價(jià)對(duì)象的優(yōu)劣排序。

本文評(píng)價(jià)方法的具體流程如圖1所示。

圖1 軌道交通站點(diǎn)活力評(píng)價(jià)流程

根據(jù)圖1，軌道交通站點(diǎn)活力評(píng)價(jià)的具體流程為：

（1）利用ArcGIS，以站點(diǎn)位置為圓心建立一定半徑的圓形緩沖區(qū)，統(tǒng)計(jì)各類POI 數(shù)據(jù)在緩沖區(qū)的密度值；

（2）分別計(jì)算各類POI 數(shù)據(jù)為該站點(diǎn)貢獻(xiàn)的活力值，根據(jù)各類POI 信息的重要性為其分配權(quán)重，通過加權(quán)評(píng)分與歸一化處理，得到各站點(diǎn)的密度活力值；

（3）計(jì)算所有軌道交通站點(diǎn)與最鄰近的公共服務(wù)設(shè)施的距離，利用熵權(quán)法確定距離指標(biāo)權(quán)重；

（4）利用TOPSIS法對(duì)各個(gè)站點(diǎn)區(qū)位進(jìn)行相對(duì)優(yōu)劣的綜合評(píng)價(jià)，在歸一化處理后得到站點(diǎn)區(qū)位活力值。

1.2 站點(diǎn)POI密度活力評(píng)價(jià)模型

軌道交通站點(diǎn)密度活力即標(biāo)準(zhǔn)化后的各類POI 設(shè)施在站點(diǎn)服務(wù)半徑范圍內(nèi)的密度與在全域范圍內(nèi)的密度之比，用于反映局部范圍服務(wù)設(shè)施相對(duì)數(shù)量關(guān)系。它涉及軌道站點(diǎn)周邊城市商業(yè)、生活服務(wù)等多類服務(wù)設(shè)施，需要通過計(jì)算得到不同類別的POI 設(shè)施（或城市服務(wù)）為每個(gè)站點(diǎn)貢獻(xiàn)的活力。然后，根據(jù)每類設(shè)施的重要性為其分配權(quán)重，并采用加權(quán)評(píng)分模型計(jì)算站點(diǎn)活力。

站點(diǎn)密度活力計(jì)算公式為：

式（1）中：Ei′為未經(jīng)標(biāo)準(zhǔn)化的各類POI 設(shè)施為站點(diǎn)i的活力貢獻(xiàn)；kij為站點(diǎn)i服務(wù)半徑內(nèi)單位面積的j類POI 設(shè)施數(shù)量；Kj為全域內(nèi)單位面積的j類POI 設(shè)施數(shù)量；Rj為j類POI 設(shè)施為站點(diǎn)i貢獻(xiàn)活力的權(quán)重。

利用離差標(biāo)準(zhǔn)化方法得到無量綱的站點(diǎn)密度活力：

式（2）中：Ei為經(jīng)離差標(biāo)準(zhǔn)化后的各類POI設(shè)施為站點(diǎn)i的活力貢獻(xiàn)；為未經(jīng)標(biāo)準(zhǔn)化的各類POI設(shè)施為站點(diǎn)j的活力貢獻(xiàn)；含義同前。

1.3 站點(diǎn)POI區(qū)位活力評(píng)價(jià)模型

軌道交通站點(diǎn)的區(qū)位活力指從軌道交通站點(diǎn)獲取教育、醫(yī)療等社會(huì)公共服務(wù)的便利性。

利用TOPSIS法對(duì)所有站點(diǎn)的區(qū)位活力進(jìn)行評(píng)分與排序。根據(jù)各個(gè)站點(diǎn)分別與鄰近的各類公共服務(wù)設(shè)施的歐式距離，通過熵權(quán)法確定指標(biāo)權(quán)重，建立基于熵權(quán)-TOPSIS 法的軌道交通站點(diǎn)區(qū)位活力評(píng)價(jià)模型。

（1）初始矩陣的正向化

假設(shè)評(píng)價(jià)對(duì)象有n個(gè)站點(diǎn)，社會(huì)公共服務(wù)設(shè)施含m個(gè)類別，以站點(diǎn)分別與各類社會(huì)公共服務(wù)設(shè)施的距離為元素構(gòu)造初始矩陣，然后對(duì)初始矩陣正向化（本文取其倒數(shù)），得到正向化矩陣：

式（3）中：X為正向化矩陣；xij為正向化后的第i個(gè)站點(diǎn)的第j個(gè)指標(biāo)值。

（2）規(guī)范化處理

對(duì)矩陣X進(jìn)行規(guī)范化處理：

式（4）中：zij為X中各項(xiàng)指標(biāo)值除以所在列向量的范數(shù)所得值；xij含義同前。

規(guī)范化后的矩陣為：

（3）計(jì)算正、負(fù)理想解

（4）計(jì)算站點(diǎn)與方案的距離

各站點(diǎn)與最優(yōu)方案和最劣方案的距離分別按下式計(jì)算：

式（7）～式（10）中：pij為經(jīng)離差標(biāo)準(zhǔn)化處理后的評(píng)價(jià)指標(biāo)占該指標(biāo)總值的比重；Hj為各指標(biāo)的熵值；xij與wj含義同前。

（5）計(jì)算相對(duì)貼近度

計(jì)算各站點(diǎn)與最優(yōu)方案的相對(duì)貼近度：

式（11）中：Ci為各站點(diǎn)與最優(yōu)方案的相對(duì)貼近度，在[0,1]內(nèi)取值，值越大表明第i個(gè)站點(diǎn)越接近最優(yōu)水平，即軌道交通站點(diǎn)區(qū)位活力評(píng)價(jià)分值越高；與含義同前。

為方便與站點(diǎn)密度活力作比較，本文進(jìn)一步將各Ci作類似于式（2）的歸一化處理，最終可得無量綱的軌道交通站點(diǎn)區(qū)位活力評(píng)分。

2 案例分析

2.1 研究區(qū)域與數(shù)據(jù)來源

本文以軌道交通正處于發(fā)展期的省會(huì)城市南昌市為例進(jìn)行實(shí)證研究。截至2021 年8 月，南昌運(yùn)營的地鐵線路共3 條，分別是南昌地鐵1 號(hào)線、南昌地鐵2 號(hào)線和南昌地鐵3 號(hào)線，共設(shè)車站70座（含換乘站4座），運(yùn)營線路總長88.85km。

基于Python 網(wǎng)絡(luò)爬蟲技術(shù)，引入Requests 庫請(qǐng)求網(wǎng)頁，通過調(diào)用百度地圖開放平臺(tái)的API 接口獲取南昌市軌道交通線路、站點(diǎn)矢量數(shù)據(jù)及全市域POI 信息。獲取的POI 數(shù)據(jù)類別繁多，具體類型細(xì)分見表1 二級(jí)分類信息。經(jīng)過數(shù)據(jù)清洗與整合，最終篩選出餐飲、購物、科教、金融、交通、生活、商務(wù)和政府8 個(gè)大類（與二級(jí)分類對(duì)應(yīng)關(guān)系見表1）共計(jì)247 800 條POI 信息數(shù)據(jù)。隨后將POI 數(shù)據(jù)、軌道交通站點(diǎn)及線路矢量數(shù)據(jù)導(dǎo)入ArcGIS 軟件，建立地理數(shù)據(jù)庫。各類POI 數(shù)據(jù)與軌道交通站點(diǎn)的可視化效果如圖2所示。

圖2 軌道交通站點(diǎn)及興趣點(diǎn)類型可視化

表1 南昌市域POI數(shù)據(jù)分類級(jí)別

通常認(rèn)為步行10min 距離（800～1500m）內(nèi)為地鐵站點(diǎn)的影響范圍，然而不同地域該范圍大小不同，需要根據(jù)當(dāng)?shù)貙?shí)際情況進(jìn)行衡量，常用方法是利用站點(diǎn)周邊地價(jià)與容積率的變化對(duì)站點(diǎn)影響范圍進(jìn)行評(píng)估。根據(jù)國內(nèi)對(duì)南昌地鐵已有的相關(guān)研究[23]，在1 500m 范圍內(nèi)，南昌地鐵1 號(hào)線周邊的住宅價(jià)格會(huì)受距離因素影響，距離越近，價(jià)格受影響程度越大。基于此，本文將南昌市軌道交通站點(diǎn)的服務(wù)半徑定為1 500m，并在ArcGIS中建立以站點(diǎn)為圓心、1 500m 為半徑的圓形緩沖區(qū)。對(duì)于式（1）中j類POI 設(shè)施為站點(diǎn)貢獻(xiàn)活力的權(quán)重Rj，從人群活動(dòng)的角度出發(fā)，人首先應(yīng)滿足最基本的生理、物質(zhì)性等需求，因此在權(quán)重上優(yōu)先考慮餐飲、購物等基本消費(fèi)性服務(wù)設(shè)施；其次考慮科教類服務(wù)設(shè)施，這類設(shè)施（包含中學(xué)、高校等）獨(dú)特的資源優(yōu)勢對(duì)站點(diǎn)周邊居民吸引較大；再次是其余日?；顒?dòng)不可或缺的服務(wù)設(shè)施，如金融、生活、商務(wù)和社交等；考慮到政府部門服務(wù)的特殊性及就業(yè)人群，其對(duì)站點(diǎn)周邊居民的吸引力相對(duì)其他類別最弱，故該類服務(wù)設(shè)施權(quán)重最小。所有類型服務(wù)設(shè)施權(quán)重的分配情況如表2所示。

表2 不同類別服務(wù)設(shè)施的權(quán)重分配

2.2 軌道交通站點(diǎn)活力可視化分析

2.2.1 市域POI核密度分析

為分析南昌軌道站點(diǎn)周邊POI 服務(wù)設(shè)施分布特征，利用ArcGIS 對(duì)南昌市域POI 數(shù)據(jù)進(jìn)行核密度分析。核密度分析根據(jù)研究要素（例如點(diǎn)要素）已知總數(shù)，計(jì)算周圍區(qū)域的要素密度。距離中心點(diǎn)最近的數(shù)據(jù)點(diǎn)被賦予較高權(quán)重，反之被賦予較低權(quán)重，中心點(diǎn)的估計(jì)密度為研究區(qū)域內(nèi)所有點(diǎn)要素加權(quán)的評(píng)價(jià)密度。南昌全域POI 核密度分布如圖3所示。圖3中紫色點(diǎn)狀部分表示POI矢量數(shù)據(jù)的分布，下面部分表示全域POI 核密度值分布?？梢钥闯?，核密度值較高的區(qū)域主要分布在南昌主城區(qū)，最高值落在主城西湖區(qū)和紅谷灘區(qū)，即目前軌道交通線路匯集區(qū)域。

圖3 全域POI核密度分布

2.2.2 站點(diǎn)活力疊加分析

依托ArcGIS 軟件中已建的地理文件數(shù)據(jù)庫和前文所建站點(diǎn)密度活力評(píng)價(jià)模型，計(jì)算得到各類POI設(shè)施為站點(diǎn)貢獻(xiàn)的活力值。

在教育、醫(yī)療等社會(huì)公共服務(wù)設(shè)施上，選擇高校、綜合醫(yī)院、中學(xué)和國省級(jí)景區(qū)4 類作為代表性服務(wù)設(shè)施。教育類公共服務(wù)由于階段劃分較多，因此選擇高校替代普通高等教育、中學(xué)替代高級(jí)中等教育和義務(wù)教育，避免同類別設(shè)施細(xì)分過多，而使評(píng)估具有明顯偏向性。其中，綜合醫(yī)院包含三甲醫(yī)院與綜合類醫(yī)院。同樣，依據(jù)區(qū)位活力評(píng)價(jià)模型，代入評(píng)價(jià)指標(biāo)初始值，利用Python進(jìn)行計(jì)算，得到站點(diǎn)區(qū)位活力。

為更好地評(píng)估各軌道交通站點(diǎn)的綜合活力，將站點(diǎn)POI 密度活力與區(qū)位活力疊加，經(jīng)綜合疊加分析后進(jìn)一步重分類，可視化結(jié)果如圖4所示。

圖4 南昌市域軌道交通站點(diǎn)活力可視化

由圖4 可知，南昌市軌道交通站點(diǎn)活力空間分布相對(duì)不均衡。綜合活力較高的站點(diǎn)主要集中在老城區(qū)內(nèi)，如八一館、八一廣場、福州路等站點(diǎn)，其次分布在紅谷灘區(qū)內(nèi)，如衛(wèi)東和地鐵大廈等站點(diǎn)，這表明老城中心區(qū)和城東片區(qū)、紅谷灘區(qū)之間的交通需求引力較大。此外，評(píng)價(jià)結(jié)果與市域POI 核密度分布在規(guī)律上也表現(xiàn)出較高的一致性，對(duì)于核密度值高的區(qū)域，區(qū)內(nèi)站點(diǎn)的POI密度活力也相應(yīng)較高，綜合活力也易取得較高分值；對(duì)于那些區(qū)位活力較高的站點(diǎn)（如雅苑路、綠茵路、太子殿等站點(diǎn)），情況可能例外，這是因?yàn)橄鄬?duì)于其他站點(diǎn)，這些站點(diǎn)與高校、綜合醫(yī)院等重要公共服務(wù)設(shè)施的距離優(yōu)勢更為明顯，從資源獲取的便利性角度來說，即便是在核密度值較低的區(qū)域，此類站點(diǎn)仍對(duì)人群有較大吸引力；某些客流量大的站點(diǎn)（如南昌西站），周邊業(yè)態(tài)開發(fā)強(qiáng)度較低，到發(fā)客流在站點(diǎn)周邊可進(jìn)行的活動(dòng)有限，因此站點(diǎn)活力并不如預(yù)想的高。

從不同軌道交通線路上看，各條線路首尾段的站點(diǎn)活力評(píng)分普遍較低。軌道交通1號(hào)線（雙港—瑤湖西）由于開通時(shí)間最早，多數(shù)站點(diǎn)坐落于主城區(qū)，沿線設(shè)施分布的資源優(yōu)勢也最高，故該線路的站點(diǎn)綜合活力相對(duì)其他線路較高。相反，軌道交通3 號(hào)線（京東大道—銀三角北）開通時(shí)間最晚，該線路除青山路口站至十字街站沿線段外，沿線設(shè)施資源優(yōu)勢較弱，綜合活力普遍較低。

2.3 站點(diǎn)活力聚類分析

由于不同軌道交通站點(diǎn)的類型可能不盡相同，軌道交通規(guī)劃建設(shè)中需要對(duì)站點(diǎn)進(jìn)行分類規(guī)劃和管理。為此，基于站點(diǎn)的POI 密度活力和區(qū)位活力這兩個(gè)無量綱特征指標(biāo)，應(yīng)用K-Means 聚類算法對(duì)各個(gè)站點(diǎn)進(jìn)行分類。

選取輪廓系數(shù)、Calinski-Harabaz 得分和KMeans 模型對(duì)象的屬性Inertias 作為評(píng)價(jià)指標(biāo)，其中輪廓系數(shù)是所有樣本輪廓系數(shù)的平均值，該值越高表明聚類效果越好；Calinski-Harabaz 得分為群內(nèi)離散與簇間離散的比值，該值越大則聚類效果越好；Inertias 表示樣本到最近聚類中心的距離總和，該值越小表示樣本分布在不同類別間越集中?？紤]到分類過多會(huì)無針對(duì)性，本文聚類程序中取類別數(shù)K≤6，結(jié)果表明將各站點(diǎn)分為5 類時(shí)指標(biāo)輸出情況相對(duì)最佳，其中輪廓系數(shù)為0.51，Calinski-Harabaz 得分為107，Inertias 為1.17，因此聚類結(jié)果準(zhǔn)確性較高。最終聚類結(jié)果如圖5 所示，各類型站點(diǎn)具體名稱見表3。

圖5 南昌市軌道交通線路站點(diǎn)活力聚類結(jié)果

表3 南昌軌道交通線路各站點(diǎn)聚類結(jié)果

根據(jù)圖5 和表3 的聚類結(jié)果，將目前南昌市70個(gè)軌道站點(diǎn)（含4個(gè)換乘站）分為5類：

（1）孕育型：占33%，典型站點(diǎn)如南昌西站，表現(xiàn)為站點(diǎn)POI 密度活力與區(qū)位活力均顯著低于平均水平，代表站點(diǎn)周邊服務(wù)設(shè)施還不完善，設(shè)施資源亟待開發(fā)與投入；

（2）密集型：占30%，典型站點(diǎn)如地鐵大廈站，表現(xiàn)為站點(diǎn)POI 密度活力高于區(qū)位活力，代表站點(diǎn)周邊服務(wù)設(shè)施規(guī)模已有一定基礎(chǔ)，只是距離高校、綜合三甲醫(yī)院、中學(xué)與國省級(jí)景區(qū)相對(duì)稍遠(yuǎn)；

（3）平衡型：占16%，典型站點(diǎn)如八一廣場站，表現(xiàn)為站點(diǎn)POI 密度活力基本能與其區(qū)位活力相匹配，站點(diǎn)周邊服務(wù)設(shè)施規(guī)模相對(duì)完善；

（4）區(qū)位型：占17%，典型站點(diǎn)如學(xué)府大道東站，表現(xiàn)為站點(diǎn)POI 區(qū)位活力高于密度活力，表明站點(diǎn)具備極佳區(qū)位優(yōu)勢，而周邊服務(wù)設(shè)施規(guī)模尚未形成；

（5）成熟型：占4%，典型站點(diǎn)如丁公路北站，表現(xiàn)為站點(diǎn)POI 密度活力與區(qū)位活力均顯著高于平均水平，表明該類站點(diǎn)周邊服務(wù)設(shè)施已經(jīng)完善，并且具備極佳的區(qū)位優(yōu)勢。

可以看出，南昌市不同類別站點(diǎn)的周邊空間活力存在顯著差異，站點(diǎn)活力顯著低下的站點(diǎn)數(shù)量占比較大，達(dá)33%；站點(diǎn)活力相對(duì)均衡的站點(diǎn)數(shù)量占比較小，僅為20%。

2.4 基于活力評(píng)價(jià)的軌道交通建設(shè)發(fā)展建議

由評(píng)價(jià)結(jié)果可知，該模型能夠反映南昌市軌道站點(diǎn)的周邊設(shè)施建設(shè)實(shí)際情況，結(jié)果與軌道客流OD 分布典型特征基本吻合。當(dāng)前，南昌市軌道站點(diǎn)周邊空間設(shè)施建設(shè)還處于發(fā)展上升期，為促進(jìn)站點(diǎn)設(shè)施與周邊業(yè)態(tài)分布在空間布局上協(xié)同發(fā)展，建議從以下方面著手。

首先，主動(dòng)發(fā)揮軌道交通建設(shè)聯(lián)動(dòng)作用。軌道交通不能低效地等待、吸引站點(diǎn)周邊設(shè)施的投入，要主動(dòng)引導(dǎo)站點(diǎn)周邊業(yè)態(tài)設(shè)施甚至城市的開發(fā)。例如，可通過聯(lián)合開發(fā)手段，引導(dǎo)業(yè)績與資信良好的企業(yè)共同發(fā)展軌道交通上蓋物業(yè)，增強(qiáng)站點(diǎn)周邊空間的吸引力。同時(shí)，協(xié)調(diào)軌道交通站點(diǎn)周邊業(yè)態(tài)發(fā)展。目前，老城區(qū)內(nèi)站點(diǎn)周邊業(yè)態(tài)發(fā)展已較為成熟，故更應(yīng)關(guān)注發(fā)展新區(qū)。對(duì)于鄰近老城區(qū)的新發(fā)展區(qū)內(nèi)的站點(diǎn)，應(yīng)更趨向分散人口與吸引就業(yè)，因地制宜地在站點(diǎn)周邊興建商場、寫字樓等設(shè)施，既充分發(fā)揮軌道交通區(qū)位可達(dá)性優(yōu)勢，又帶動(dòng)、引導(dǎo)周邊城市的發(fā)展；對(duì)于鄰近各條軌道交通線路首末站的站點(diǎn)，可按照公交社區(qū)的模式，積極發(fā)展新區(qū)，實(shí)現(xiàn)TOD模式。

其次，對(duì)各站點(diǎn)的周邊設(shè)施建設(shè)進(jìn)行分類引導(dǎo)，總體上讓更多非平衡型的站點(diǎn)（特別是孕育型站點(diǎn)）朝著成熟型站點(diǎn)規(guī)劃目標(biāo)發(fā)展。在矛盾較為突出的幾類站點(diǎn)中，孕育型站點(diǎn)區(qū)域普遍存在城市空間利用率低、周邊服務(wù)設(shè)施不完善、設(shè)施資源亟待投入和開發(fā)等問題。針對(duì)具有大客流資源的孕育型站點(diǎn)（如南昌西站），可借助客流資源優(yōu)勢激發(fā)城市空間，提升潛在土地價(jià)值，利用上蓋物業(yè)獲取的溢價(jià)回饋站點(diǎn)，進(jìn)行更大規(guī)模的基礎(chǔ)設(shè)施建設(shè)，形成良性循環(huán)。對(duì)于客流不高的孕育型站點(diǎn)，車站建設(shè)通常早于社區(qū)建設(shè)（如生米站），目前周邊人口密度低，但因建成面積小，從而具有較大的TOD 開發(fā)潛力，開發(fā)過程中可聚焦人居環(huán)境質(zhì)量和社區(qū)魅力，讓地鐵與上蓋物業(yè)協(xié)同發(fā)展。

相比于孕育型站點(diǎn)，區(qū)位型站點(diǎn)具備較好的區(qū)位優(yōu)勢，但站點(diǎn)服務(wù)區(qū)土地資源緊缺，周邊服務(wù)設(shè)施規(guī)模小。為此，可通過更新、改造手段提升業(yè)態(tài)的多樣性；利用立體化設(shè)計(jì)，解決特征日交通需求與有限用地資源的矛盾，例如在固定時(shí)段內(nèi)增設(shè)大運(yùn)量交通接駁系統(tǒng)。密集型站點(diǎn)的周邊區(qū)域業(yè)態(tài)分布多樣，服務(wù)設(shè)施規(guī)模相對(duì)完善，在進(jìn)行周邊空間設(shè)施規(guī)劃上，不應(yīng)僅關(guān)注提升周邊業(yè)態(tài)服務(wù)設(shè)施規(guī)模，還需考慮居民公共服務(wù)資源獲取的便利性，從整體上提升站點(diǎn)的綜合活力。

3 結(jié)語

本文構(gòu)建了一種基于POI 數(shù)據(jù)的軌道交通站點(diǎn)活力評(píng)價(jià)模型，為彌補(bǔ)傳統(tǒng)軌道站點(diǎn)活力測度方法中僅考慮站點(diǎn)周邊設(shè)施數(shù)量這一不足，引入教育、醫(yī)療等社會(huì)公共服務(wù)獲取的便利性，從兩個(gè)維度對(duì)站點(diǎn)周邊空間活力進(jìn)行了評(píng)價(jià)。以南昌市為例，運(yùn)用該模型，通過ArcGIS 軟件與Python分別對(duì)其運(yùn)營軌道交通線路70個(gè)站點(diǎn)服務(wù)區(qū)域進(jìn)行了研究，評(píng)價(jià)結(jié)果能反映南昌市軌道站點(diǎn)的周邊設(shè)施建設(shè)基本情況與客流分布特征，印證了評(píng)估方法的合理性與有效性。

不過本文對(duì)于軌道交通站點(diǎn)活力的測度，僅考慮各項(xiàng)設(shè)施數(shù)量和服務(wù)獲取的便利性沿不夠全面，還需結(jié)合道路基礎(chǔ)設(shè)施建設(shè)情況、客流等各項(xiàng)因素進(jìn)行建模分析；其次，因?yàn)閰^(qū)位活力評(píng)價(jià)模型采用歐式距離而非更復(fù)雜的實(shí)際路徑距離，因此本模型可能不完全適用于基礎(chǔ)設(shè)施建設(shè)程度不高的中小城市，后續(xù)將結(jié)合上述內(nèi)容展開進(jìn)一步研究。