Urban Transport of China Vol.19No.1January 2021
城
市交通二○二一年第十九卷第一期
摘要：公共汽车站可达性可衡量公共交通设施的便利程度。从居民出行点与公共汽车站的最短距离、出行者的出行阈值以及车站的平均服务范围三个方面出发，构建车站空间可达性度量模型，对出行者到达公共汽车站的难易程度进行度量。考虑途经车站的线路配车数量、高峰与平峰运营速度等因素，建立车站网络可达性度量模型，对出行者通过某个车站到达区域其他地方的机会大小进行度量。将车站空间可达性与车站网络可达性相结合，建立潜点网络可达性度量模型，对空间中各出行潜点到达其他区域的难易程度进行度量。选取哈尔滨市二环快速路范围内区域为研究对象，通过GIS 手段对公共汽车站可达性进行建模与运算。结果表明，公共汽车站可达性空间分布不均衡，公共汽车出行分担率与公共汽车站可达性具有相关性。关键词：交通规划；公共汽车；车站；可达性；GIS Accessibility of Urban Bus Stops Based on GIS Pei Yulong 1,Pan Hengyan 1,Ma Buzhen 2
(1.School of Traffic,Northeast Foresty University,Harbin Heilongjiang 150040,China;2.Yinchuan Plan-ning ＆Research Center,Yinchuan Ningxia 750000,China)
Abstract :The accessibility of bus stops can be used to evaluate the convenience of public transporta-tion facilities.Based on the shortest distance between residents 'travel origins and bus stops,travel threshold and bus stops 'average service coverage,this paper develops an accessibility model to mea-sure the difficulty of travelers accessing to bus stops.Considering the number of buses,peak and non-peak traveling speed and other factors,a stop network accessibility model is established to measure the probability of travelers to reach other places in the region around certain bus stop.Combining the spa-tial accessibility with the stop network accessibility,an accessability model of latent points is devel-oped to estimate the accessibility of each position to other areas.Taking the Second Ring Road in Har-bin as an example,the accessibility of bus stops is modeled and calculated by GIS.The results show that the spatial distribution of bus stops accessibility is unbalanced,and there is a correlation between residents 'travel and bus stops accessibility.
Keywords :transportation planning;bus;stops;accessibility;GIS 收稿日期：2019-09-09
基金项目：国家自然科学基金重点资助项目“基于广义交通枢纽的城市多模式交通网络协同规划理
论与方法”(51638004)、国家重点研发计划课题“突发事件影响下的交通网络承载能力变化与影响机理研究”(2018YFB1600902)
作者简介：裴玉龙(1961—)，男，黑龙江桦川人，博士，教授，博士生导师，院长，主要研究方向：交通规划与管理、交通安全。E-mail:******************
通信作者：潘恒彦(1994—)，男，山东乐陵人，在读硕士研究生，主要研究方向：交通运输规划与管理。E-mail:*****************
裴玉龙1，潘恒彦1，马部珍2
(1.东北林业大学交通学院，黑龙江哈尔滨150040；2.银川市规划编制研究中心，宁夏银川750000)
文章编号：1672-5328（2021）01-0112-09中图分类号：U491文献标识码：A DOI:10.13813/j11-5141/u.2020.0049
0引言
可达性[1]是评价服务设施布局合理性的重要指标，不同领域学者对其定义不同[2]，可以是出行者从出发地到达目的地所付出的
成本[3]，也可以是以一定的出行范围为界限所能获得的资源与服务数量[4]。可达性的概念最早由沃尔特·汉森(Walter Hansen)[5]提出，指节点之间相互联系的难易程度。可达性不仅与出行时间、出行距离有关，还与人
基于GIS 的城市公共汽车站可达性研究
112
裴玉龙潘恒彦马部珍
基于的城市公共汽车站可达性研究
GIS
口规模等相关。文献[6]针对区域综合可达性提出了量化指标。文献[7]根据实测交通量建立了可达性评估函数，用以评估就业与交通可达性的相互关系。文献[8]是中国最早的可达性研究，对可达性的内涵、意义以及度量方法进行阐述。文献[9]对可达性的评价方法进行了总结与对比，阐述了各种模型的优缺点。文献[10]以北京市朝阳区为例，借助GIS 手段，提出基于公共汽车站权重和线路辐射范围权重的区域公共汽车可达性计算方法。文献[11]以城市公共交通可达性为基础，对大连市医疗服务水平的空间差异以及均等化水平展开研究，并对其空间分布特征进行分析。文献[12]以伦敦公共交通可达性为研究对象，详细解释了公共交通可达性水平，并基于ArcGIS 与TransCAD 软件，用等时线地图以及服务范围图对可达性进行表述。
既有研究中，针对可达性空间分布特征的分析以及公共汽车站可达性与居民出行的相互关系研究相对
较少。本文旨在建立度量模型，对出行者到达公共汽车站的难易程度、出行者凭借某一车站到达其他区域的机会大小以及出行者基于公共交通系统从某一位置到达其他区域的难易程度进行度量。同时对公共汽车站可达性的空间分布特征及其与居民出行的相互关系展开研究。
1车站可达性度量模型
1.1车站空间可达性
本文从两个层面度量车站空间可达性：1)公共汽车站的可接近程度，用最短距离法与服务范围法进行综合度量；2)出行者从出行起点到达车站的便利程度，用最短距离法与出行阈值法进行综合度量。最短距离法侧重于对出行起点与车站空间距离的度量，是以下两种计算方法的前提。服务范围法侧重于以公共汽车站为中心，对其服务范围内的公共汽车需求点进行搜索；模型从车站服务能力出发，对比其服务范围内的公共汽车需求，进而对公共汽车站是否能够满足居民出行进行评价。出行阈值法侧重于以居民点为中心，对其在某一阈值内可达的公共汽车站进行搜索；模型从出行点自身需求强度出发，对比可达范围内的公共汽车站服务能力，进而对出行点的需求能否得到满足进行评价。
1.1.1最短距离法
如图1所示，d ij 表示出行起点小区i 到达车站j 的距离，则对于起点i 而言，车站最短可达距离
d s -i =min []d iA ,d iB ,d iC ,⋯⋯，
(1)
式中：d s -i 为起点i 到达车站j 的最短距离/km ；d iA ，d iB ，……分别表示起点i 距离车站A ，B ，……的距离/km 。图1中，起点1，2，3的车站最短可达距离分别为d 1A ，d 2D ，d 3E 。最短可达距离越长，公共
汽车站的可接近程度越低，说明居民出发点与公共汽车站之间的阻抗越大。
出行者往往通过步行、自行车等交通方式从起点前往车站，车站可达距离
d iA =min []d iA -walk ,d iA -bik
e ,d iA -else ,⋯⋯，(2)
式中：d iA -walk ，d iA -bike ，d iA -else 分别为起点i 到达车站A 通过步行、自行车以及其他出
行方式的可达距离/km 。
1.1.2服务范围法
如图2所示，S F 表示公共汽车站F 的服务半径，根据研究需求可取不同值，国家相关规范中提到，公共汽车站最大服务范围取500m 。基于车站辐射范围的车站可达性度量模型
d averag
e -j =∑i =1
n a i d S -ij ，
(3)
式中：d average -j 为车站j 与出行起点之间的平均可达距离/km ；n 为车站j 服务范围内的起点数量；a i 为各出行起点的权重，权重由出行起点的居民出行强度比值确定；d S -ij 为在车站j 的服务范围S 内，起点i 到车站j 的距离/km 。图2中，公共汽车站F 的平均
可达距离为a 1d 1F +a 3d 3F 。
图1最短距离模型
Fig.1Shortest distance model
A B
C
D
E
F
32
1
d 3E
d 1E
d 1D
d 2D
d 1C
d 1B
d 1A
d 1F
113
Urban Transport of China Vol.19No.1January 2021
城市交通二○二一年第十九卷第一期
1.1.3出行阈值法
随着车站j 与出行起点i 距离的增加，车站j 被选择的概率降低。出行阈值Y 取500m ，对出行起点的车站可达性建立度量模型
d Y -i =∑j =1
n a j d Y -ij ，
(4)
式中：d Y -i 为起点i 在出行阈值Y 下，车站的平均可达距离/km ；n 为起点i 在出行阈值Y 范围内的车站数量；a j 为各出行公共汽车站的权重，权重由公共汽车站的经停线路数量比值确定；d Y -ij 为在出行阈值Y 范围内，起点i 到车站j 的距离/km 。图3中，起点1在出行阈值Y 下的车站平均可达距离为a A d 1A +a F d 1F ，起点2在出行阈值Y 下的车站平均可达距离为a C d 2C +a D d 2D +a E d 2E 。车站平均可达距离越长，居民出发点与公共汽车站之间的阻抗越大。
1.2车站网络可达性
本文将车站网络可达性定义为出行者通过车站的经停线路到达其他地方的机会的大小，包括出行者可达范围以及可达质量。
1.2.1车站网络可达性影响因素
可达域指途经所研究车站的线路中，所有其他车站的服务范围的几何计算值，可达域包括直达可达域与换乘可达域，线路的经停车站数量是主要影响因素。出行者通过不同的公共汽车线路，得到的服务质量不同。文献[13]指出，线路非直线系数、发车频次、运营速度、车辆实际载荷率等是主要影响因素。
1.2.2度量模型的建立
由于多方式公共交通网络复杂，出行者行为差异大，换乘可达的度量存在困难，本文只考虑直达层面公共汽车站网络可达性的计算。车站网络可达性度量模型式中：K i 为车站i 的网络可达性；A i 为经
过车站i 的线路的其他车站服务范围的几何
计算值，其中公共汽车站服务范围为500m ；S 为研究区域的面积/km 2；N 为经停车站i
的线路数；a w 为第w 个影响因素的权重；W 为模型考虑因素的数量；m nw 为第n 条公
共汽车线路第w 个影响因素的指标归一值；M nw 为第n 条公共汽车线路第w 个影响因素的指标值。本文将线路配车数量、线路非直线系数、高峰与平峰时段运营速度、线路运营长度作为影响因素，并默认具有相等的权重。
1.3潜点网络可达性
本文将潜点网络可达性定义为：出行潜在点通过其临近的公共汽车站进入公共汽车网络系统后，到达区域其他地方的难易程
度。基于传统的潜力模型[14-15]建立潜点网络
可达性模型，将出行潜能与空间阻抗因素相结合。潜点网络可达性的影响因素主要从两方面考虑：1)出行潜点到达公共汽车站的难易程度，即前文所述的车站空间可达性；2)出行潜点基于临近公共汽车站，到达网络其他地方的难易程度，即前文所述的车站网
络可达性。实际上，潜点网络可达性将车站空间可达性与车站网络可达性相结合，用于
图2车站辐射范围模型Fig.2Bus stop coverage model
A B
C
D
E
F 3
2
1
d 1D
d 1F d 2D
d 3D
d 3F
S F
S D
A B
C
D
E
F 3
2
1
d 1A
d 1F
Y
d 2E
d 2D
d 2C
图3出行阈值模型Fig.3Travel threshold model
d 3F
Y
114
K i =A i S ×1N ∑n =1N æèçöø
÷
a w ∑w =1W m nw =
A i S ×1N ∑n =1N æèçöø
÷a w ∑w =1W M nw -min M nw max M nw -min M nw ，(5)
裴玉龙潘恒彦马部珍
基于的城市公共汽车站可达性研究
GIS 度量两者的综合空间效应。
潜点网络可达性度量模型
Q i =∑j =1J K j d ij =∑j =1
J
A i S ×1N ∑n =1N æèçöø
÷a w ∑w =1W m nw d ij ，(6)
式中：Q i 为潜点i 的网络可达性；J 为潜点i 在一定出行阈值范围内，能够到达的公共汽车站数量；K j 为车站j 的网络可达性；d ij 为潜点i 与车站j 之间的距离/m 。
2数据处理
本文需要的数据包括：中心城区的公共汽车站及线路位置、运营信息、中心城区的道路网情况、城市居民的全方式出行信息。其中公共汽车站及线路位置数据、道路网数据可通过百度地图免费开放的API 接口，运用数据爬虫技术获得；公共汽车线路运营信息通过走访公交公司及实地调查得到。对于居民的全方式出行数据，本文通过对全市居民出行普查数据进行处理后得到，其中每一位出行者的出行起讫点均以经纬度进行记录，数据中涵盖了出行者的出行时间、交通方式、出行目的等信息，可筛选出与公共汽车出行相关的数据信息。
既有的可达性研究一般以交通小区或一定大小的栅格为基本分析单元。参考文献[16]考虑到实验的运算效率，在本文研究的区域内部，每隔250m 插入一个数据采集点，作为居民出行潜点与数据分析单元。
对数据采集点划定250m 服务区，作为出行潜点的居民出行强度搜集范围。采集与统计每一个服务区内居民出行信息。将数据进行归一化，归一值作为每一个出行潜在点的居民出行强度。对每一个数据采集点，搜索其500m 出行阈值范围内公共汽车站位置，计算各路径的平均值，并给予各车站相同的权重。基于公式(4)，得到各数据采集点的车站平均可达距离，具体操作流程如图4所示。
城市全方式交通网络由公共交通(地铁、公共汽车等)、非机动交通、机动车交通构成。由于哈尔滨市气候寒冷，自行车出行分担率低，居民常通过步行到达公共汽车站。即服务区的生成仅考虑公共汽车网络及步行交通网络。通过前文数据获取手段，得到城市全方式交通网络数据，建立基于ArcGIS 的地理数据库。运用ArcGIS10.2中网络分析(Network Analyst)模块，生成公共
汽车站的50m ，100m ，150m ，…，500m 服务区；10个多边形服务区构成的面状要素，可分别近似看作公共汽车站的0~50m ，>50~100m ，>100~150m ，…，>450~500m 可达范围。将居民出行位置的经纬度数据导入软件中，生成点状要素。筛选出其中与公共汽车有关的出行数据。基于空间位置连接上述点状与面状数据。统计每个可达范围内居民出行点数与公共汽车出行点数，进而得到每个可达距离范围内的公共汽车出行分担率。
统计各车站经停的线路，并将各途经线路运营信息赋值到各车站的属性中；基于公式(5)得到各车站的网络可达性；基于公式(6)得到各潜点的网络可达性。进而得到整个研究区域的车站网络可达性与潜点网络可达性情况，具体操作流程如图5所示。
3案例分析
3.1区域可达性数据可视化
本文选取哈尔滨市中心城区由二环快速
图4潜点出行强度和车站平均可达距离技术流程
bus stops
115
图5车站网络可达性与潜点网络可达性技术流程
Fig.5Techniques of bus stop network accessibility and latent point network accessibility
Urban Transport of China Vol.19No.1January 2021城市交通二○二一年第十九卷第一期
路(和兴路—公滨路—南直路—海员街—东北新街—北新街—友谊路—河鼓街—康安路)围成的区域作为研究对象[17]。通过前文数
据处理方法对研究区域进行分析。利用空间数据插值[18]，通过已知位置点数据信息估算未知点数据信息。空间数据插值分析基于地理学第一定律，即地物之间的相关性与距离有关，一般来说，距离越近，地物间相关性越大，距离越远，地物间相异性越大[19]。远距离点的数据与已知点数据差异大的概率较高。常用方法包括趋势面法、克里金法等。本文在研究区域中每隔250m 插入一个数据采集点。采用反距离权重法[20]，即数值贡献
率与距离呈反比例变化关系，以系统默认的
搜索半径，对未设置潜在点的区域进行数值估算。通过数据建模及软件操作获得居民出行强度、车站平均可达距离、车站网络可达性、潜点网络可达性三维可视化图(见图6)。
3.2可达性与居民出行相互关系分析
将潜点出行强度与车站平均可达距离做散点图进行对比分析(见图7)。运用SPSS 软
件计算两者的相关系数，得到Person 相关系数、Kendall 's Tau-b 相关系数和Spearman 相关系数分别为-0.141，-0.121和-0.180，且在0.01的显著性水平下。可知两者呈负相关关系，即潜点出行强度越高，其到达车站的平均距离越短。
同理，将潜点出行强度与潜点网络可达性做散点图进行对比(见图8)，计算两者相关系数，得到Person 相关系数、Kendall 's Tau-b 相关系数和Spearman 相关系数分别为0.606，0.406和0.567，且在0.01的显著性水平下。可知两者呈正相关关系，即潜点的出行强度越高，潜点的网络可达性越高。这说明研究区域在可达性方面，除少量区域存在强出行需求而其网络可达性较差的现象外，多数公共汽车站布局能够满足出行者出行需求与供给。居民出行强度高的地方，出行者
能够更容易到达附近公共汽车站，进入公共
1.0-1.0
a
潜点出行强度
1.0-1.0
b
车站平均可达距离
1.0-1.0
c
车站网络可达性
1.0-1.0
d 潜点网络可达性
图6区域可达性可视化分析结果
Fig.6Visualization of regional network accessibility
500
1.0出行强度0.80.60.4
0.20
400
300200100
车站平均可达距离/m
哈尔滨汽车
图7潜点出行强度与车站平均可达距离呈负相关
Fig.7Negative correlation between travel intensity and average accessibile distance of bus stops
116