基于網絡開放數據的城市公共交通可達性公平測度研究

劉 煒 董傲然 鄧 雷 朱 彤* 皮鈺鑫

(西安市城市規劃設計研究院1) 西安 710082) (長安大學運輸工程學院2) 西安 710064) (張家港市交通運輸局3) 張家港 215600) (深圳市城市規劃設計研究院有限公司4) 深圳 518052)

0 引 言

城市公共交通是為社會公眾提供基本出行服務的社會公益性事業和重大民生工程[1].建立量化指標并有效評估公共交通發展水平，對于進一步科學制定城市交通發展戰略具有重要作用.交通可達性是判斷公共交通發展水平的主要指標，相關文獻通過計算交通可達性反映城市交通特征及存在的問題，包括交通基礎設施與城市結構、土地利用之間的相互聯系，度量城市居民參與社會經濟活動便利性，評價城市交通系統公平性等[2].

為了分析多種交通模式之間的可達性差異，相關研究還引入了公共交通和小汽車交通可達性之間差異的計算模型[3](以下簡稱交通可達差).公共交通相對可達性越好，城市交通設施集約性越好，對于城市可持續發展更為有利.早期研究用該指標評價香港交通系統可持續水平，后續研究多用其評估城市或區域的可持續發展水平.Hess[4]發現紐約州西部地區小汽車交通可達性要好于公共交通可達性.Kawabata等[5]發現舊金山各區域之間的交通可達差較大.Salonen等[6]研究發現大赫爾辛基地區的小汽車交通和公共交通的出行時間存在顯著差異，且城市中心的交通可達差比郊區小.此外，交通網絡空間分布的公平性也是交通可達性研究中需要解決的重要問題，基尼系數最初用以衡量一個國家或地區居民收入公平性，也可以用來反映交通網絡在空間中的發展均衡性.

以往文獻多用靜態數據反映城市交通宏觀問題，近年來基于大數據交通可達性計算如何實現動態化、微觀化發展獲得了廣泛關注，許多學者開始尋求表現可達性時變特性的方法與數據.Paezaez等[7]使用GPS數據來分析公共交通和私人交通可達性的差異.谷歌地圖也被用于比較相同線路下公共汽車與私人小汽車出行時間差異.Lei等[8]基于開源的Web地圖對可達性進行動態分析.Ferguson等[9]結合谷歌地圖研究了蘇格蘭地區交通可達性.Stpniak等[10]將網絡地圖開放數據用于交通研究中，網絡地圖開放數據平臺可獲取實時兩點之間預期通行時間.

文中利用網絡編程技術提取網絡地圖開放平臺數據，但將其與網格化的人口數據相結合并融入交通可達性計算過程，在更精細的尺度上獲得具有時變特性的可達性值.論文以西安市中心城區部分區域為案例研究對象，通過計算分析公共交通可達性、交通可達差及公平性結果，并比較各個區域之間的時變特性.

1 公共交通可達性及公平性測度模型

1.1 基于Huff模型的可達性計算模型

應用Huff模型計算空間點的平均出行時間.Huff模型是引力模型在空間分析中應用，起始點前往目的地點的平均出行時間計算公式為

(1)

式中：Ti為區域i的平均出行時間；pij為從點i出行前往點j概率；tij為從i至j的通行時間成本；n代表居民點個數.根據類似重力的相互作用原理，出行選擇概率的計算公式為

(2)

式中：Mj為區域j的社會經濟活動吸引力，比如區域生產總值、人口、車流量等，考慮到本文的研究區域內的交通網絡與人口的擬合度較好，且交通對人口的變化起基礎性作用[11]，故本文以網格中的人口數量來反映區域的吸引力；α為常數，代表距離衰減系數，用來反映通行成本對出行選擇的影響.一般來說，α越大，反應城市中心區域可達性所表現的數值也越好.通常在計算范圍較小的條件下，這種影響微弱，可忽略不計，因此本文計算時取α= 0.

結合式(1)～式(2)，得居民點i的平均出行時間為

(3)

1.2 不公平性測度模型

引入測量社會不公平的基尼系數作為交通不公平度的計算方法，其計算公式為

(4)

式中：G為可達性指標下的基尼系數；Xk為各地理單元累計的人口占比，%；Yk為各地理單元累計的可達性占比，%；n為地理單元數.

此外，引入表示社會不公平度的洛倫茨曲線表示不公平狀況，通常以區域累計人口百分比為橫軸，累計可達性百分比為縱軸構建曲線.此時，曲線與絕對平等線y=x圍合形成的面積與絕對平等線與橫縱軸圍合形成的三角形面積的比值即為基尼系數.

2 數據獲取

2.1 網格化人口數據

人口密度數據來源于中國科學院資源環境科學數據中心的網格化的人口空間分布數據庫.該數據庫以全國分縣/區人口統計數據為基礎，綜合考慮了與人口密切相關的土地利用類型、夜間燈光亮度、居民點密度等多種因素，利用多因子權重分配法將以行政區為基本統計單元的人口數據展布到空間格網上，從而實現人口的空間化.該數據已被應用于各類地理信息的計算中[12].

2.2 網絡平臺數據

地圖開放平臺的實時路況信息由包括浮動車數據在內的多元數據進行估算，每2 min更新一次估計結果.這種大數據驅動的估計方法可以提供高精度的出行時間估計值[13].

出行時間由網絡地圖開放平臺獲取.在地圖開放平臺中確定城市起始點和目的地點集合，在平臺中通過JavaScript與HTML程序計算起點和終點之間預期出行時間.在同一對起訖點之間分別計算公共交通出行時間，其中，公共交通方式為公交和地鐵組合方式的最短出行時間，也包含兩端出行的步行時間.

與傳統的出行時間計算方法相比，本文所使用的出行時間估計方法由于使用網絡平臺數據，因此具有以下優點：①路網精確度更高，道路網絡信息根據城市道路建設進程不斷更新；②能夠實時反映出道路交通的擁堵狀況，在傳統模型中通常根據道路等級對應的行駛車速估計出行時間，無法反應出實時的交通擁堵狀況；③能夠反映更細致的交通路線，對于轉彎、掉頭路徑規劃由于考慮到交通管制因素而更為準確；④網絡平臺對于公共交通線路、站點有準確定位，因此可以更為準確的估計換乘和到達公交線路終點之后的步行時間.

3 實例研究

以西安市中心城區作為本文的研究案例，西安市中心城區包括6個行政區，面積為826 km2，見圖1a).研究范圍共計50個鄉鎮級行政單位，2018年末全市常住人口1 000.37萬人，其中，蓮湖、碑林區、新城區人口較為集中、道路網密集，其他三區外圍人口較少，具有郊區的特征.

圖1 研究范圍道路網絡及人口密度圖

將研究區域劃分為1 km2的空間網格，獲取各個小塊幾何中心點的經緯度作為居民出行點，共計獲得840個居民網格.居民點的人口分布呈現出南多北少的特征，人口主要分布在碑林區、新城區及雁塔區.西安市中心城區的人口密度分布見圖1b).

4 研究結果與分析

4.1 公共交通出行時間

計算每個網格點公共交通的Ti值.分別計算09：00—10:00、07：30—08：30、18：00—19：00三個時段各網格點的平均值.選擇上述三個時段，是因為根據當地交通運行的情況，上述三個時段通常為非高峰期、早高峰期和晚間高峰期.

Ti值見表1.三個時段的公共交通平均出行時間相差不大，主要集中分布于60～90，90～120 min兩個時間段，其余比例總共僅占17.5%～19.05%.值得注意的是，盡管120 min以上的出行時間僅占3.57%～3.81%，但甚至有個別地點的甚至達到了330 min以上，這說明有極少數區域公共交通水平發展極低.

表1 公共交通平均出行時間分布頻率

Ti指標的空間分布特征見圖2.各居民點的公共交通平均可達時間以碑林區為中心，呈不規則圈層式分布，中心可達性較好，外圍可達性相對較差.比較3個時段內的情況，各區的公共交通平均可達時間差異不大；時段3時間略有增加.

圖2 公共交通平均出行時間分布示意圖

為便于比較，計算小汽車交通Ti見表2.小汽車交通平均預期出行時間主要集中分布于30～40，40～50 min兩個時間段，97%～99%居民點的平均可達時間在60 min以內.時段1與時段2的可達時間差異不大，但二者與時段3的數值差異較大，說明晚高峰時間私家車交通擁堵情況比較嚴重，造成了出行時間出現較大變化.小汽車交通與公共交通相比出行時間明顯更短，這與以往研究其他城市的結果有一定的相似性[14].說明在西安市也存在私人交通出行時間小于公共交通時間的情況，不利于向集約化更高的公共交通發展.值得注意的是，私人交通受時間的影響比較明顯，在時段3與時段1、2的分布差異較大，時段3差異略小.

表2 私人交通平均可達時間分布頻率

4.2 交通可達性差異

對每個網格的公共交通與小汽車交通差異進行計算，分析結果見圖3，每個點的橫坐標是私人交通可達性值，而縱坐標是公共交通可達性值.顯然，點越靠下則公共交通可達性越好.此外，用核密度法計算點在坐標系中的集中程度.

圖3 公共交通與小汽車出行時間對比圖

絕大多數交匯點位于線y=x上方，意味著每個居民點公共交通的可達水平都低于私人交通.且隨著私人交通可達時間的增加，交匯形成的點越來越偏離y=x，意味著隨著出行時間的增加，公共交通和私人交通的可達時間差距越來越大，且可達時間小的居民點反而可達差距比較小.時段公共交通與小汽車交通差距比其他時間略小，點的分布更接近于y=x線，但總體趨勢與其他時段相似.

計算各行政區的可達性差異，在各網格點可達性差異指標分布來看，西安市中心城區6個區域分布在0.31～0.44，晚高峰時計算值明顯降低，分布在0.26～0.39，見表3.此外，在地鐵沿線較高，而地鐵未到達的區域較低，越遠離市區中心則越低.可以發現區域之間差異較大，說明目前研究區域內公共交通發展與小汽車交通網絡相比，仍有較大的差距，此外公共交通在市區內部、外圍發展非常不均衡.

表3 各行政區可達性差異統計性指標

4.3 不公平性測度

利用基尼系數計算公共交通與小汽車交通的不公平程度.計算結果見表4，公共交通各時間段公平性相差不大；小汽車交通晚高峰時期不公平程度低于平峰、早高峰.數據表明從區域均衡性來看，公共交通網絡發展仍然與小汽車交通存在差異.此外，小汽車交通晚高峰時段均衡度下降，說明市區中心在晚高峰時段明顯受到交通擁堵的影響，與外圍區域可達性更為接近.

表4 公共交通與私人交通方式分時段基尼系數

利用基尼系數和洛倫茲曲線對西安市中心城區內部交通可達性差異進行分析，見表5和圖4.結果顯示，不同轄區內部交通不公平程度差異較?。貉闼^、碑林區、蓮湖區基尼系數小于0.05；灞橋區、未央區、新城區基尼系數大于0.05，但都小于0.1.同樣說明了市區內可達性差異明顯存在不均衡現象.

表5 行政區可達性差異的基尼系數計算結果

圖4 可達性差異洛倫茲曲線分布圖

5 結 論

1) 考慮到目前可達性計算時變性、微觀化的發展趨勢及現有文獻數據應用的不足之處，論文利用網絡開放平臺獲取實時出行時間估計數據，并將起與結合1 km2網格化的人口空間分布數據，以西安市中心城區的6個行政區為例，計算可達性及其空間公平性指標.

2) 與以往的計算結果相比，由于網絡開放平臺的實時更新而具有路網精確度高、能實時反映道路交通的擁堵狀況、能夠反映更細致的交通規劃路徑、公交線路與站點定位準確定位的優勢.此外，其計算結果表達的可達性時變特征是以往數據無法實現的.

3) 計算結果表明西安市的公共交通出行時間大于小汽車交通出行時間，晚高峰期間小汽車交通出行時間略有增加，但仍好于公共交通.從空間分布均衡情況來看，公共交通的均衡程度也較差，上述兩方面說明公共交通整體水平及其分布均衡性都有待提高.

4) 公共交通可達性呈現圈層分布，距離中心越遠的區域可達性越差，說明外圍的公共交通水平低于市中心區域，這與其他城市有一定相似性，但是西安市的情況比其他城市的情況要更為明顯，說明局部區域公共交通發展明顯滯后.論文所提出的方法，適用于各城市可達性計算與分析，但各城市可達性特征隨其交通網絡發展程度而存在差異，應單獨予以分析.

5) 可達性的計算不僅包括時間距離，還包括不同出行者基于自生屬性(文化屬性、性別屬性、社會屬性等)的主觀因素.客觀可達性的評價模型眾多，本文只選取了其中有代表性的模型，后續研究可結合社會調查，對主觀可達性進行深入研究，并加強主客觀可達性的比較分析.