夏 雪，蓋靖元

（1. 沈陽(yáng)市規(guī)劃設(shè)計(jì)研究院有限公司，遼寧沈陽(yáng) 110004；2. 遼寧省交通運(yùn)輸事業(yè)發(fā)展中心，遼寧沈陽(yáng) 110005）

1 研究背景

城市軌道交通因其運(yùn)量大、速度快、準(zhǔn)時(shí)、安全等特點(diǎn)，對(duì)滿足高峰時(shí)段集聚的出行需求、緩解道路擁堵、節(jié)能減排有著不可估量的作用。截至2020年6月30日，中國(guó)內(nèi)地開(kāi)通城市軌道交通的城市已有41個(gè)，運(yùn)營(yíng)線路總長(zhǎng)度為6 917.62?km[1]。城市軌道交通建設(shè)正處于突飛猛進(jìn)的發(fā)展時(shí)期，而交通站點(diǎn)作為聯(lián)結(jié)周邊城市空間的重要節(jié)點(diǎn)[2]，其分類(lèi)對(duì)于研究不同類(lèi)型站點(diǎn)的周邊土地利用差異、客流變化規(guī)律、城市空間布局優(yōu)化、新線路站點(diǎn)客流預(yù)測(cè)等都有著非常重要的作用。

國(guó)內(nèi)已有部分學(xué)者對(duì)城市軌道交通站點(diǎn)分類(lèi)開(kāi)展研究。例如：徐威、鄭長(zhǎng)江等人[3]采用K-Means聚類(lèi)算法將蘇州市軌道交通站點(diǎn)分為一般站、商業(yè)區(qū)站、交通接駁站、居住區(qū)站、綜合交通樞紐站5類(lèi)；李國(guó)強(qiáng)、楊敏等人[4]利用站點(diǎn)客流數(shù)據(jù)和興趣點(diǎn)（POI）數(shù)據(jù)將南京市軌道交通站點(diǎn)分為居住密集型、崗位密集型、混合型和樞紐型4類(lèi)；鄧評(píng)心、鄭長(zhǎng)江等人[5]采用主成分分析、多元線性回歸等方法，定性和定量相結(jié)合的方式將城市軌道交通站點(diǎn)分為4類(lèi)。但部分學(xué)者[3-12]在進(jìn)行城市軌道交通站點(diǎn)分類(lèi)時(shí)受數(shù)據(jù)來(lái)源的限制，對(duì)站點(diǎn)聚類(lèi)因素的考慮相對(duì)有限。

本文以沈陽(yáng)市已開(kāi)通的3條城市軌道交通線路（截止到2020年4月分別為1號(hào)、2號(hào)和9號(hào)線），共67個(gè)站點(diǎn)（其中9號(hào)線皇姑屯站尚未開(kāi)放）為例，從人口分布、開(kāi)發(fā)強(qiáng)度、公交接駁、路網(wǎng)長(zhǎng)度分布、站點(diǎn)位置屬性、站點(diǎn)客流數(shù)據(jù)六大維度進(jìn)行聚類(lèi)分析；基于站點(diǎn)聚類(lèi)成果，疊合多樣化數(shù)據(jù)，分析總結(jié)出各類(lèi)站點(diǎn)客流的普適性規(guī)律，為后續(xù)站點(diǎn)的周邊基礎(chǔ)設(shè)施完善、站點(diǎn)客流預(yù)測(cè)、車(chē)站運(yùn)營(yíng)組織方案做出指導(dǎo)。

2 ?基于K-Means聚類(lèi)算法的站點(diǎn)分類(lèi)研究

2.1 K-Means 聚類(lèi)算法

K 均值聚類(lèi)算法（K-Means?clustering?algorithm）是一種迭代求解的聚類(lèi)分析算法，通過(guò)逐次更新各聚類(lèi)中心的值，通過(guò)迭代得到最理想的聚類(lèi)結(jié)果。K-Means是聚類(lèi)算法中最常用的一種，其最大的特點(diǎn)是簡(jiǎn)單、易理解、運(yùn)算速度快，適用于連續(xù)型的數(shù)據(jù)。本次聚類(lèi)擬采用的數(shù)據(jù)以連續(xù)型數(shù)據(jù)為主，適用于K-Means聚類(lèi)算法。具體算法步驟[13]如下：

（1）選取K個(gè)對(duì)象作為初始的聚類(lèi)中心；

（2）計(jì)算每個(gè)對(duì)象與各初始聚類(lèi)中心之間的距離，將其劃分至距離最近的聚類(lèi)中；

（3）全部對(duì)象被分配后，重新計(jì)算每個(gè)聚類(lèi)的聚類(lèi)中心，重復(fù)進(jìn)行對(duì)象分配，直至滿足終止條件。

2.2 聚類(lèi)因素選取和數(shù)值標(biāo)準(zhǔn)化

2.2.1 選取原則

選取城市軌道交通站點(diǎn)聚類(lèi)因素基于以下原則。

（1）明確城市軌道交通站點(diǎn)的影響范圍，是因素?cái)?shù)值標(biāo)準(zhǔn)化的前提。

（2）城市軌道交通站點(diǎn)作為城市交通網(wǎng)絡(luò)的重要節(jié)點(diǎn)，受現(xiàn)狀條件與地理位置的影響，站點(diǎn)在區(qū)域內(nèi)承擔(dān)不同的作用并呈現(xiàn)出差異化特征，選取的因素應(yīng)能夠反映站點(diǎn)在網(wǎng)絡(luò)中的位置特征。

（3）城市軌道交通作為居民出行的方式之一，其吸引力取決于站點(diǎn)周邊的開(kāi)發(fā)業(yè)態(tài)、開(kāi)發(fā)強(qiáng)度、接駁設(shè)施、路網(wǎng)可達(dá)性等，選取的因素應(yīng)能夠反映站點(diǎn)周邊各類(lèi)設(shè)施的服務(wù)水平。

（4）選取的因素應(yīng)能夠反映站點(diǎn)自身特性，如早晚高峰進(jìn)出客流量或客流比例等。

2.2.2 聚類(lèi)因素選取

根據(jù)《城市軌道沿線地區(qū)規(guī)劃設(shè)計(jì)導(dǎo)則》[14]，本文以站點(diǎn)周邊800?m的區(qū)域作為城市軌道交通站點(diǎn)影響區(qū)，同時(shí)綜合考慮因素的選取原則，選定如下六大類(lèi)數(shù)據(jù)作為站點(diǎn)聚類(lèi)分析的變量因素。

（1）基于社區(qū)的人口分布數(shù)據(jù)。本文基于沈陽(yáng)市現(xiàn)狀街道社區(qū)人口數(shù)據(jù)，通過(guò)ArcGIS軟件，疊加人口數(shù)據(jù)與城市軌道交通站點(diǎn)800?m覆蓋范圍生成站點(diǎn)覆蓋的人口分布數(shù)據(jù)。

（2）基于興趣點(diǎn)（POI）的開(kāi)發(fā)強(qiáng)度數(shù)據(jù)。POI數(shù)據(jù)一般包含數(shù)據(jù)名稱(chēng)、地址、經(jīng)緯度等信息，具有更新速度快、數(shù)據(jù)來(lái)源可靠等優(yōu)勢(shì)。由于缺乏詳細(xì)的土地利用及崗位數(shù)據(jù)，本文基于高德地圖的POI數(shù)據(jù)，分別選取餐飲、購(gòu)物、教育、金融、醫(yī)療、公司企業(yè)、政府辦公7類(lèi)數(shù)據(jù)代表城市軌道交通站點(diǎn)周邊的開(kāi)發(fā)強(qiáng)度或崗位分布水平，如表1所示。

（3）基于POI的公交站點(diǎn)數(shù)據(jù)。本文利用高德地圖的POI數(shù)據(jù)，統(tǒng)計(jì)出城市軌道交通站點(diǎn)800?m范圍內(nèi)的公交站點(diǎn)數(shù)量，用以表征站點(diǎn)周邊公交接駁換乘水平。

（4）基于地理信息系統(tǒng)（GIS）的路網(wǎng)長(zhǎng)度數(shù)據(jù)。站點(diǎn)范圍內(nèi)的路網(wǎng)長(zhǎng)度是對(duì)城市軌道交通站點(diǎn)可達(dá)性的體現(xiàn)。一般來(lái)說(shuō)，站點(diǎn)周邊道路網(wǎng)長(zhǎng)度越長(zhǎng)，在一定程度上體現(xiàn)的站點(diǎn)周邊路網(wǎng)體系越完善，站點(diǎn)可達(dá)性越高。本文利用沈陽(yáng)市道路交通網(wǎng)GIS數(shù)據(jù)，統(tǒng)計(jì)出站點(diǎn)800?m范圍內(nèi)的道路網(wǎng)長(zhǎng)度。

表1 基于POI數(shù)據(jù)的開(kāi)發(fā)強(qiáng)度一覽表

（5）基于三層維度的站點(diǎn)位置數(shù)據(jù)。城市軌道交通站點(diǎn)所處區(qū)位對(duì)站點(diǎn)周邊空間的開(kāi)發(fā)規(guī)模、開(kāi)發(fā)業(yè)態(tài)及交通設(shè)施配套產(chǎn)生較大影響。本文分別從站點(diǎn)在城市空間、軌道線網(wǎng)、城市交通網(wǎng)3個(gè)維度入手，對(duì)站點(diǎn)的位置屬性進(jìn)行賦值。其中：城市空間位置依據(jù)沈陽(yáng)市四環(huán)的城市空間結(jié)構(gòu)中心開(kāi)發(fā)強(qiáng)度高、外圍開(kāi)發(fā)強(qiáng)度較為滯后的特點(diǎn)，將站點(diǎn)區(qū)位分為1、2、3、4四個(gè)等級(jí)，數(shù)字分別代表站點(diǎn)處于幾環(huán)內(nèi)；軌道線網(wǎng)位置依據(jù)站點(diǎn)在軌道線網(wǎng)中的位置，將站點(diǎn)分為終點(diǎn)站、換乘站、一般站3類(lèi)，分別用1、2、3進(jìn)行賦值；城市交通網(wǎng)位置將800?m覆蓋范圍存在鐵路、大型公交換乘樞紐的站點(diǎn)定義為交通樞紐站，賦值1，其他站則為0。

（6）基于城市軌道交通自動(dòng)售檢票系統(tǒng)（AFC）的站點(diǎn)客流數(shù)據(jù)。AFC通過(guò)記錄乘客進(jìn)出站時(shí)間、站點(diǎn)編號(hào)等信息，分析出各站點(diǎn)全天不同時(shí)段上下客流信息。本文以AFC客流數(shù)據(jù)為依據(jù)，分別選取早高峰/晚高峰進(jìn)站客流占全天進(jìn)站客流比例、早高峰/晚高峰出站客流占全天出站客流比例共4項(xiàng)數(shù)據(jù)作為站點(diǎn)差異化的客流特征。

綜合以上，本次共選取六大類(lèi)數(shù)據(jù)、17個(gè)具體因素作為站點(diǎn)聚類(lèi)分析的初始輸入要素，如表2所示。

2.2.3 聚類(lèi)因素?cái)?shù)值標(biāo)準(zhǔn)化

不同評(píng)價(jià)指標(biāo)具有不同的量綱，會(huì)影響數(shù)據(jù)分析的結(jié)果，為消除指標(biāo)之間的量綱影響，需要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理[3]，以解決數(shù)據(jù)指標(biāo)之間的可比性。本文采用Z-score方法進(jìn)行數(shù)值標(biāo)準(zhǔn)化處理，即將每一變量值與其平均值之差除以該變量的標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)化后各變量的平均值為0，標(biāo)準(zhǔn)差為1，從而消除了量綱和數(shù)量級(jí)的影響。

表2 站點(diǎn)聚類(lèi)因素一覽表

2.2.4 因子分析

在聚類(lèi)分析中，選取的因素較多，雖然能夠增加聚類(lèi)效果的可靠性，但由于指標(biāo)間經(jīng)常存在一定的相關(guān)性，使得觀測(cè)數(shù)據(jù)呈現(xiàn)的信息存在重疊現(xiàn)象。而因子分析是一種從多個(gè)變量指標(biāo)中選擇出少數(shù)幾個(gè)綜合變量指標(biāo)的多元降維統(tǒng)計(jì)方法，能夠消除相關(guān)因素信息重疊的影響[15]。

本文將17個(gè)因素的標(biāo)準(zhǔn)化數(shù)值進(jìn)行因子分析，利用統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案（SPSS）軟件計(jì)算得到KMO（Kaiser-Meyer-Olkin）和巴特利特球度檢驗(yàn)結(jié)果。其中，KMO=0.846,處于0.8～0.9之間；巴特利特球度檢驗(yàn)結(jié)果顯著性=?0，小于0.05，說(shuō)明因素之間存在很大程度的相關(guān)性，適合進(jìn)行因子分析。通過(guò)因子分析，從17個(gè)因素中提取出3個(gè)公共因子作為K-Means聚類(lèi)算法的輸入變量。結(jié)合實(shí)際情況，最終選取K值為5類(lèi)時(shí)的聚類(lèi)結(jié)果作為沈陽(yáng)市軌道交通站點(diǎn)分類(lèi)結(jié)果。

2.3 沈陽(yáng)市軌道交通站點(diǎn)分類(lèi)結(jié)果

根據(jù)聚類(lèi)結(jié)果將站點(diǎn)劃分為居住型、商業(yè)商務(wù)型、綜合開(kāi)發(fā)型、產(chǎn)業(yè)型、交通樞紐型五大類(lèi)，如圖1所示。

（1）居住型。共40個(gè)站點(diǎn)，主要體現(xiàn)為站點(diǎn)覆蓋人口較多，用地業(yè)態(tài)以餐飲、購(gòu)物、教育等生活型服務(wù)為主，早高峰進(jìn)站比例明顯高于出站比例。

（2）商業(yè)商務(wù)型。共11個(gè)站點(diǎn)，主要體現(xiàn)為用地業(yè)態(tài)中生活型服務(wù)和崗位型服務(wù)較為豐富，早高峰出站比例明顯高于進(jìn)站比例。

（3）綜合開(kāi)發(fā)型。共5個(gè)站點(diǎn)，主要體現(xiàn)為站點(diǎn)人口覆蓋密集（800?m覆蓋人口在3萬(wàn)人以上），生活型服務(wù)和生產(chǎn)性服務(wù)較為豐富，處于二環(huán)核心區(qū)以內(nèi)，高峰時(shí)段進(jìn)出比例較為均衡。

圖1 沈陽(yáng)市軌道交通站點(diǎn)分類(lèi)

（4）產(chǎn)業(yè)型。共5個(gè)站點(diǎn)，主要體現(xiàn)為站點(diǎn)覆蓋人口少，周邊用地業(yè)態(tài)以公司企業(yè)和工廠等崗位型服務(wù)為主，處于外圍環(huán)路，公交站點(diǎn)分布較少，早高峰出站比例明顯高于進(jìn)站比例。

（5）交通樞紐型。共6個(gè)站點(diǎn)，包含城市軌道交通換乘站、鐵路樞紐站和公交樞紐站，該類(lèi)站點(diǎn)生活型服務(wù)較為豐富，高峰時(shí)段進(jìn)出比例較為均衡。

3 基于站點(diǎn)分類(lèi)的客流特征分析

3.1 居住型站點(diǎn)客流特征分析

（1）居住型站點(diǎn)高峰時(shí)段進(jìn)出站比例受站點(diǎn)覆蓋人口影響較小，基本穩(wěn)定在一個(gè)區(qū)間。居住型站點(diǎn)早高峰進(jìn)站比例集中在12%～25%之間，出站比例集中在5%～12%之間，早高峰進(jìn)站比例明顯高于出站，這與居住型站點(diǎn)早高峰居民高強(qiáng)度通勤出行需求有關(guān)，如圖?2?所示。晚高峰時(shí)段受各單位通勤時(shí)間的差異、居民休閑娛樂(lè)需求的影響，晚高峰進(jìn)出站比例較早高峰低，出站比例略高于進(jìn)站比例（出站比例集中在8%～14%之間，進(jìn)站比例集中在4%～10%之間），如圖3所示。

（2）早高峰進(jìn)站量和晚高峰出站量與居住型站點(diǎn)覆蓋人口成正比關(guān)系，如圖4所示。對(duì)早高峰進(jìn)站量、晚高峰出站量與覆蓋人口進(jìn)行比值分析，發(fā)現(xiàn)其比值主要在一個(gè)區(qū)間內(nèi)浮動(dòng)，早高峰進(jìn)站量與人口的比值集中在5%～15%之間，晚高峰出站量與人口的比值集中在0～10%之間，如圖5所示。

3.2 商業(yè)商務(wù)型站點(diǎn)

圖2 居住型站點(diǎn)早高峰進(jìn)出站客流比例與站點(diǎn)覆蓋

圖3 居住型站點(diǎn)晚高峰進(jìn)出站客流比例與站點(diǎn)覆蓋

圖4 居住型站點(diǎn)早高峰進(jìn)站量、晚高峰出站量與站點(diǎn)覆蓋人口關(guān)系

（1）商業(yè)商務(wù)型站點(diǎn)早高峰出站比例和晚高峰進(jìn)站比例是一天中的峰值。商業(yè)商務(wù)型站點(diǎn)因站點(diǎn)周邊公司企業(yè)、辦公等崗位型用地較多，早高峰出站比例和晚高峰進(jìn)站比例是一天中的峰值，其中早高峰出站比例主要集中在12%～20%之間，晚高峰進(jìn)站比例主要集中在10%～15%之間，如圖6所示。

（2）站點(diǎn)周邊POI點(diǎn)位越多，早高峰出站客流占比相對(duì)更大。由于崗位型POI點(diǎn)位數(shù)量?jī)H顯示周邊公司企業(yè)數(shù)量，未能直接計(jì)算崗位的規(guī)模和數(shù)量，因此只能初步表示崗位的密集程度。對(duì)崗位型POI點(diǎn)位和客流比例進(jìn)行疊加分析發(fā)現(xiàn)，如圖6所示，站點(diǎn)周邊POI點(diǎn)位越多，早高峰出站客流比例相對(duì)更大，在一定程度上能夠?yàn)榻窈笳军c(diǎn)客流預(yù)測(cè)作一定參考。

3.3 綜合開(kāi)發(fā)型站點(diǎn)

綜合開(kāi)發(fā)型站點(diǎn)的定位為周邊各類(lèi)生活型和崗位型服務(wù)設(shè)施豐富、人口密集、處于核心區(qū)、道路可達(dá)性強(qiáng)、公交接駁水平高的站點(diǎn)，如表3所示。該類(lèi)站點(diǎn)早晚高峰的進(jìn)、出站比例較為接近，集中在8%～13%之間，未體現(xiàn)出明顯的高低差距，這與站點(diǎn)周邊用地開(kāi)發(fā)種類(lèi)豐富，客流產(chǎn)生量和吸引量都較高有關(guān)，如圖7所示。

3.4 產(chǎn)業(yè)型站點(diǎn)

產(chǎn)業(yè)型站點(diǎn)的定位為站點(diǎn)800?m范圍內(nèi)覆蓋人口少，周邊用地業(yè)態(tài)以公司企業(yè)或工廠等崗位型設(shè)施為主，處于外圍環(huán)路，如表4所示。通常而言，受崗位型用地強(qiáng)客流吸引力影響，產(chǎn)業(yè)型站點(diǎn)應(yīng)體現(xiàn)出早高峰出站比例遠(yuǎn)大于進(jìn)站比例的情況。但本次歸類(lèi)的產(chǎn)業(yè)型站點(diǎn)情況比較特殊，該類(lèi)產(chǎn)業(yè)型站點(diǎn)位于外圍的經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)，800?m范圍內(nèi)以公司企業(yè)為主，800～2?000?m內(nèi)存在大量的住宅小區(qū)。受經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)與主城區(qū)之間常規(guī)公交、道路等設(shè)施不足的限制，較多的住宅小區(qū)居民傾向于高峰時(shí)段通過(guò)公交、慢行接駁等方式到達(dá)地鐵進(jìn)行出行，導(dǎo)致本次分類(lèi)的產(chǎn)業(yè)型站點(diǎn)呈現(xiàn)早晚高峰進(jìn)站和出站比例相差不大的現(xiàn)象，如圖8所示。因此，外圍站點(diǎn)因周邊交通設(shè)施不便，在分析或預(yù)測(cè)站點(diǎn)產(chǎn)生吸引客流量時(shí)應(yīng)擴(kuò)大站點(diǎn)輻射范圍，將接駁客流量也納入考量。

圖5 居住型站點(diǎn)早高峰進(jìn)站量、晚高峰出站量與站點(diǎn)覆蓋人口比例

圖6 商業(yè)商務(wù)型站點(diǎn)客流特征

表3 綜合開(kāi)發(fā)型站點(diǎn)周邊設(shè)施表

圖7 綜合開(kāi)發(fā)型站點(diǎn)客流特征

表4 產(chǎn)業(yè)型站點(diǎn)周邊設(shè)施表

圖8 產(chǎn)業(yè)型站點(diǎn)客流特征

3.5 交通樞紐型站點(diǎn)

樞紐型站點(diǎn)進(jìn)出站客流不但受周邊用地布局的影響，還受接駁客流的影響。由于對(duì)外交通樞紐站（機(jī)場(chǎng)、火車(chē)站等）客流出行時(shí)間分布上較為分散，與通勤早晚高峰重疊度較低，因此該類(lèi)站點(diǎn)早晚高峰客流特征受接駁客流影響較小，而換乘站則相反，受接駁客流影響較大。

由此次分類(lèi)的交通樞紐型站點(diǎn)可以看出，如圖9所示，沈陽(yáng)站、沈陽(yáng)北站2個(gè)鐵路樞紐站早晚高峰進(jìn)出站客流占比存在較大差異，其中沈陽(yáng)站緊鄰太原街商圈、沈陽(yáng)北站緊鄰北站金融商貿(mào)區(qū)，兩者在客流特征上更接近商業(yè)商務(wù)型站點(diǎn)。青年大街、鐵西廣場(chǎng)、奧體中心作為地鐵線路的換乘站，滂江街作為公交與地鐵的換乘站，其早晚高峰進(jìn)出站客流所占比例接近。

4 結(jié)語(yǔ)

本文結(jié)合AFC、POI、ArcGIS等多樣化數(shù)據(jù)采集方式，從人口分布、開(kāi)發(fā)強(qiáng)度、公交接駁、路網(wǎng)長(zhǎng)度分布、站點(diǎn)位置屬性、站點(diǎn)客流數(shù)據(jù)六大維度入手，多源融合選取了17個(gè)站點(diǎn)聚類(lèi)因素；通過(guò)K-Means聚類(lèi)算法，將沈陽(yáng)市現(xiàn)狀3?條城市軌道交通線路67個(gè)站點(diǎn)劃分為居住型、商業(yè)商務(wù)型、綜合開(kāi)發(fā)型、產(chǎn)業(yè)型、交通樞紐型五大類(lèi)；在站點(diǎn)分類(lèi)的基礎(chǔ)上，融合人口、POI點(diǎn)位等數(shù)據(jù)對(duì)站點(diǎn)早晚高峰時(shí)段的客流特征進(jìn)行疊加分析，總結(jié)出沈陽(yáng)市各類(lèi)站點(diǎn)高峰進(jìn)出站客流普適性規(guī)律，可為后續(xù)站點(diǎn)周邊基礎(chǔ)設(shè)施完善、站點(diǎn)客流預(yù)測(cè)、車(chē)站運(yùn)營(yíng)組織方案做出指導(dǎo)。

圖9 交通樞紐型站點(diǎn)客流特征