EN中文

地球信息科学学报 >

2023 , Vol. 25 >Issue 10: 2055 - 2069

DOI: https://doi.org/10.12082/dqxxkx.2023.230253

地理空间分析综合应用

厦门市轨道站点辐射范围空间形态及影响因素研究

  • 闫丛笑 , 1 ,
  • 高悦尔 , 1, * ,
  • 王强 2 ,
  • 陈烨 1
展开
  • 1.华侨大学建筑学院，厦门 361021
  • 2.青岛市城市规划设计研究院，青岛 266071
* 高悦尔（1983—），女，福建晋江人，教授，研究方向为城市交通规划与土地利用、智慧交通与大数据、城市综合公共交通、轨道城市与TOD。E-mail:

闫丛笑（1998—），女，河北邯郸人，硕士生，研究方向为城市设计理论、轨道城市与TOD。E-mail:

收稿日期: 2023-05-08

  修回日期: 2023-07-08

  网络出版日期: 2023-09-22

基金资助

国家自然科学基金项目(52078224)

收起

Spatial Form of Metro Catchment Areas and Its Influencing Factors in Xiamen City

  • YAN Congxiao , 1 ,
  • GAO Yueer , 1, * ,
  • WANG Qiang 2 ,
  • CHEN Ye 1
Expand
  • 1. College of Architecture，Huaqiao University，Xiamen 361021, China
  • 2. Qingdao Institute of Urban Planning and Design, Qingdao 266071, China
* GAO Yueer, E-mail:

Received date: 2023-05-08

  Revised date: 2023-07-08

  Online published: 2023-09-22

Supported by

National Natural Science Foundation of China(52078224)

Fold

摘要

精细化研究轨道站点辐射范围空间形态及其影响因素对于建立轨道交通与建成环境长效互动机制，指导基于TOD发展模式的轨道站点周边用地开发等具有重要意义。为了更精准地表达站点辐射范围的形态规律，本文以厦门为例，通过高德通勤OD数据和高德路径规划数据获得轨道各站点的实际客流来源空间分布，借助标准差椭圆法建立了扁率、相对距离、夹角、沿线偏移程度4个描述站点辐射范围形态的指标体系。基于指标体系归纳轨道站点辐射范围的空间形态类型，并揭示各种形态类别下的站点与周边建成环境及站点属性等因素的影响关系。结果显示：厦门市岛内站点辐射范围偏心程度更小且方向更加显著，多数站点与线路趋于垂直关系且趋于向线路垂直一侧偏移。站点可根据偏心程度的不同分为耦合服务类、偏心服务类和完全离心类站点，并进一步分为8种形态，其空间分布存在一定聚集现象。用地布局及开发程度、站点间距及布局、区位环境等影响因素，会使站点形成不同的辐射范围形态。结果对于补充轨道站点辐射范围的研究方法和提高轨道交通的综合效益具有重要意义。

关键词： 轨道交通; 站点辐射范围形态; 影响因素; LBS数据; 标准差椭圆; 指标体系; 分类

本文引用格式

闫丛笑 , 高悦尔 , 王强 , 陈烨 . 厦门市轨道站点辐射范围空间形态及影响因素研究[J]. 地球信息科学学报, 2023 , 25(10) : 2055 -2069 . DOI: 10.12082/dqxxkx.2023.230253

Abstract

It is of great significance to study the spatial form of the catchment area of metro stations and their influencing factors for establishing a long-term interaction mechanism between rail transit and the built environment and guiding the development of land use around metro stations based on the TOD development model. In order to more accurately express the form characteristics of the catchment area of the stations, this paper takes Xiamen as an example, obtains the spatial distribution of the actual passenger flow source of each station of the metro through the Amap commuting OD data and the Amap route planning data, and uses the Standard Deviation Ellipse (SDE) method to establish the oblateness, relative distance, angle, and offset along the line to describe the form of the catchment area of each station. Based on the index system, the spatial form types of the catchment area of metro stations are summarized, and the influence mechanism of each station and the surrounding built environment, and station attributes under various form categories are revealed. The results show that: ① There are obvious differences in the eccentricity and aggregation direction of the catchment area of the metro stations inside and outside the island in Xiamen. The catchment area direction of most stations tends to be vertical to the line, and the source center tends to shift to the vertical direction of the line; ② According to the importance of the four indicators to measure the homogenization of the service scope of the station, the stations are divided into three categories: coupling service, eccentric service, and complete centrifugal service, and further divided into eight spatial forms. Among them, the coupling service stations are closest to the homogenization mode of theoretical TOD; ③ There is a certain aggregation phenomenon in the spatial distribution of various stations. The coupling service stations are mainly distributed in the west and south of the island. The eccentric service stations are mainly distributed in the north of the island and outside the island. The completely centrifugal stations are mainly distributed outside the island and in the east of the island; ④ The scale and location of factors such as land use layout and development degree, station density and layout, and location environment will make the station form different catchment area forms. The results are of great significance for supplementing the research methods of the catchment area of metro stations and improving the comprehensive benefits of rail transit.

Key words： rail transit; the form of the catchment area of metro station; influencing factors; LBS data; Standard Deviation Ellipse; indicator system; classification

1 引言

轨道交通是城市中具有快速、大运量、集约化优势的客运交通工具，在改善城市交通结构、优化城市结构、促进用地开发等方面具有多重作用。站点的实际影响范围是轨道交通服务能力的直接体现，但由于建成环境的复杂性和轨道交通规划的超前性，站点辐射范围通常不会围绕站点均质分布。研究站点的实际辐射范围形态及其影响因素，对提高轨道交通的综合效应具有重要意义。
目前国内外对于轨道交通站点辐射范围的研究已较为丰富，卡尔索普[1]最早提出了轨道交通站点的直接影响区和间接影响区的概念，后逐渐作为我国TOD研究与实践的标准。目前国内外关于轨道站点辐射范围的研究主要集中于影响区的划定方法[2⇓-4]及影响辐射范围的因素[5-6]，对于站点辐射范围的空间形态关注较少。伴随TOD在我国实践的深入，已有学者指出站域发展的关键是其空间形态要与站点形成良好的互动与耦合[7]。在已有站点辐射范围空间形态的研究方面，多数研究将视角聚焦于站域的内部空间形态，且产生多种测度方式，主要有对于站域路网形态[8-9]、立体空间形态[10]、用地空间形态[11]等的研究。但研究多数基于理论服务半径内进行研究，缺少对其实际辐射范围的外部形态范围的探索。近年来，由于数据形式与精度的更新，站点辐射范围形态的研究具备更多可能性。Liu等[12]认为影响区的阈值在不同方向上存在显著差异，因此基于接驳站点的出租车GPS数据，构建了一种扇形模型分析站点影响区的方向差异性。也有学者通过标准差椭圆法，识别商业POI数据在站域商业空间的演变过程及空间分布特征[13-14]。现实中站点影响区不同方向的边界有很大差异[12]，但以往研究由于缺少对于站点辐射范围形态的较为深入的定量分类方法，对于对其外部形态特征的分析相对主观。然而，找到合适的定量分类方法并相应地建立描述形态特征的指标体系对于研究站点辐射范围形态十分重要。通过精确的描述站点辐射范围形态，对于进一步挖掘影响因素是有必要的。因此，需要找到一种合适的定量分类方法能够准确对站点辐射范围形态进行分类和规律探讨。
在以往形态研究的方法中，使用过紧凑度指数与分形维数[15]、等扇分析法[16]、平均最近邻[17]、核密度分析法[16-17]、标准差椭圆[15]等方法，其中，标准差椭圆（Standard Deviational Ellipse, SDE）是目前较常用于研究宏观空间形态特征的方法，已在经济学、地理学等多个领域得到广泛应用[18⇓-20]，该方法能够同时实现对站点辐射范围形态的特征可视化和指标定量计算，且可以计算方向、位置、离散程度等多个内容。已有研究对于该方法主要有2种应用情况，一是研究同一区域不同类别要素的差异[20-21]，如以6类服务设施网点POI数据分析聚集强度状况与方向，二是研究同一区域的历史演变规律[13,15,19]，此外，也有学者将该方法用于对通勤圈及活动空间的测度[22-23]，通常以椭圆测度站点周边活动空间的范围大小[24-25]，但现有研究针对描述形态特征的指标，无法准确描述站点辐射范围与站点的相应关系，因此需要进一步探讨针对性的指标构建方法。高德通勤OD数据作为一种覆盖人群广、定位精度高且能匹配通勤人口出行方式的新型LBS数据[26]，能够以不同站点的出行OD作为地理要素，生成加权椭圆，并结合与站点及线路的空间关系，计算衡量站点辐射范围空间形态的各类指标，实现对于站点辐射范围空间形态的定量分析。
目前对于影响区范围的影响因素的探讨，主要集中在影响其大小的因素方面，影响范围大小的影响因素可能也对影响区边界形态具有一定影响。Lin等[2]研究了建成环境、站点特征及出行特征与影响区范围的相关性，证明了良好的地铁服务、早间出行频率、到市中心和终点站的距离与之呈正相关，但与地铁站的密度呈负相关。Ma等[27]、蒋源等[28]得到了相似的结果，证明站点密度、道路密度和工作密度与活动空间的大小呈负相关，而与市中心的距离呈正相关。另有学者探究了出行距离阈值与建成环境的关系，该值在实际空间的边界围合成的区域即为理论影响区的大小。Zacharias[6]基于对3个城市的14个地铁站的研究，证明土地利用和道路网络布局对步行距离有较大影响。
鉴于以上研究不足之处，本文基于高德通勤OD数据等多源数据，探索站点辐射范围形态的特征及其影响因素。首先，将标准差椭圆法运用于描述轨道站点客源实际分布的方向性，建立描述站点辐射范围形态的指标；其次，基于椭圆指标特征对站点辐射范围形态进行分类；最后，总结各类站点与建成环境、站点特性的影响机制。

2 研究方法

首先，为避免高估站点的辐射范围，调用高德API网络接口中的“路径规划”应用计算网格中心点至站点最近出入口的实际接驳距离。大多数现有研究认为第85个百分位的步行距离能够覆盖大多数地铁乘客的出行范围[3,29⇓-31]，因此选取该阈值来筛选数据。对通勤网格进行筛选后，利用ArcGIS中的“标准差椭圆”工具，以各个网格点的出行人数作为权重，进行各站点的标准差椭圆构建。其次，选取描述站点辐射范围形态的指标，进行指标分析，同时基于各个指标的分段组合，将厦门市轨道站点进行分类和分布特征分析。最后，借鉴已有研究成果，对不同类别的站点辐射范围形态进行影响因素分析（图1）。
图1 轨道站点辐射范围空间形态及影响因素研究过程

Fig. 1 Research process of spatial form and influencing factors of catchment area of metro station

研究主要运用的标准差椭圆法是研究站点辐射范围形态的有效途径，而分析形态关键在于形态特征指标。在已有研究中，表征椭圆形态较多的指标有扁率、标准距离、偏移角度、面积、长短半轴值等[15,20]，本研究在此基础上，结合轨道站点辐射范围与轨道站点及线路的关系，进行指标选取，使用扁率（ δ）、相对距离（d）、夹角（ α）和沿线偏移程度（L） 4个指标分析站点辐射范围形态特征，其中扁率和夹角主要探讨客源分布聚集方向及其显著程度，相对距离和沿线偏移程度主要探讨客源分布的偏心程度及其偏心方向（图2）。输入65个轨道站点的高德通勤OD数据筛选过后的起始点坐标进行计算，方法如下：
图2 基于站点辐射范围形态的椭圆分析要素

Fig. 2 Ellipse analysis element diagram based on the form of station catchment area

（1）扁率
扁率反映了椭圆的扁平程度，是长短半轴的差值与长半轴的比值，表示客源分布主导方向的显著程度，该值越大，表示空间分布的方向性越明显，代表站点客源分布越不均衡（式（1）—式（4）），如图3所示。
X - = ∑ i = 1 n w i x i / ∑ i = 1 n w i Y - = ∑ i = 1 n w i y i / ∑ i = 1 n w i
t a n θ = ∑ i = 1 n x ˜ i 2 - ∑ i = 1 n y ˜ i 2 + ∑ i = 1 n x ˜ i 2 - ∑ i = 1 n y ˜ i 2 2 + 4 ∑ i = 1 n x ˜ i y ˜ i 2 2 ∑ i = 1 n x ˜ i y ˜ i
σ x = 2 ∑ i = 1 n x ˜ i c o s θ - y ˜ i s i n θ 2 n σ y = 2 ∑ i = 1 n x ˜ i s i n θ - y ˜ i c o s θ 2 n
δ = σ x - σ y m a x σ x , σ y
图3 站点辐射范围形态指标的数值大小变化

Fig. 3 Illustration of the numerical size change of the form index of the metro catchment area

式中：( X - , Y -)为算术平均中心坐标； x i和 y i是第 i个栅格点的空间中心坐标； x ˜ i和 y ˜ i是其到算术平均中心( X - , Y -)的坐标偏差； w i为第 i个栅格点客流； θ是椭圆的方位角； σ x , σ y是椭圆长短轴的长度； δ为椭圆扁率。
（2）相对距离
椭圆的圆心是点要素分布重心[32]，代表站点客源的聚集中心。为了描述椭圆与站点的关系，通过椭圆圆心与站点的距离，即客源分布中心与站点间的距离代表。本研究只针对于站点客源“是否均质的状态”进行研究，因此为避免不同站点客观存在上的客流量大小对椭圆大小产生影响，该距离采用圆心到站点的距离( D 1)与圆心到站点所在弦长的一半（ D 2）的比值，即相对距离（ D 1通过式（5）， d通过式（6）），表示客源分布中心与站点的偏心程度，该值越大，代表客源整体分布中心与站点位置的耦合程度越低。圆心到站点所在弦长的一半（ D 2）通过GIS中的“延伸”与“裁剪”工具实现。
D 1 = a - X - 2 + b - Y - 2
d = D 1 D 2
式中 : d为相对距离； D 1代表站点 ( a , b )到椭圆圆心的距离； D 2代表椭圆圆心到站点坐标 ( a , b )所在弦长的一半。
（3）夹角
旋转角（ θ）表示空间分布的主趋势方向，是由长轴与正北方向产生的夹角偏转角度[20]。但该夹角对于表示椭圆与轨道线路的空间关系没有意义，因此需进一步计算椭圆相对于线路的偏转角度（ α）。由于站点和线路都是从地图中获取的矢量数据，因此站点需与线路做“近邻分析”得到站点在线路上的投影及 “切线”，再测量轨道线路“切线”与长轴的夹角（ α），进而明确站点辐射范围主导方向与轨道线路的空间关系。该值越大，代表客源分布更趋于向线路垂直方向离散。由于“扁率”只能判断客源分布方向性的显著程度，无法判断客源分布主导方向与线路的方向关系，需要结合夹角解释客源分布是“沿线服务”还是“向两侧放射服务”。
（4）沿线偏移程度
沿线偏移程度表示客源分布中心与线路的方向关系。通过将圆心对轨道线路做“近邻分析”得到圆心到线路的距离（ D 3），再计算该值与圆心到站点的距离( D 1)的比值（式（7））。该值越小，代表客源分布中心越趋于沿线路平行方向偏移。由于“相对距离”只能判断客源分布中心对于站点的远近，无法描述客源分布中心与线路的方向关系，因此需要结合该指标解释客源分布是“偏向线路一侧”还是“在两侧较均匀地分布”。
L = D 3 D 1
式中： L代表沿线偏移程度； D 3代表椭圆圆心到线路的距离。

3 研究区域与数据来源

3.1 研究区域

厦门为东南沿海重要中心城市，现状城市形态由厦门本岛（包括思明区、湖里区）、及岛外四区（包括集美区、海沧区、同安区、翔安区）组成。自2021年6月，厦门共开通轨道线路3条，站点65个，初步形成轨道网络格局。本文的研究区域是轨道站点辐射到的街道及乡镇，主要包含厦门本岛及集美区、海沧区、翔安区部分地区（图4）。
图4 2021年厦门轨道交通线路走向和站点分布

Fig. 4 Xiamen rail transit line direction and stations distribution in 2021

3.2 数据来源及处理

本文使用到的数据来自以下几个方面：
（1）高德OD通勤数据：研究所使用的数据是采用高德地图以及使用高德定位服务的客户端回传的定位数据，数据的筛选规则为：以高德LBS定位数据为基础，结合坐标点出现时间、日期及所在地地理属性，判断每个ID的居住地与工作地，取交集后确定每个ID的居住和工作网格。其次，将每个ID的居住地与工作地网格，根据出行时段内的GPS动点构建出行链接，并结合ID出行特征判定单次出行链条所采用的出行方式，选择半年内出现次数最多的主要交通方式为轨道交通的ID，得到ID的“出发地-进站站点-出站站点-目的地”的出行链条。由于研究主要讨论实际影响区的形态，没有对客流出发点和到达点进行区分。因此，按站点汇总后得到各站点的客源分布数据。数据精度为100 m×100 m网格，数据获取时段为2021年下半年度工作日早晚高峰。为减少城市流动人口的影响，本文选取半年内至少在本市出现天数大于20 d、且主要出行方式为轨道交通的ID作为入选ID开展研究。经过数据处理后，将同站点的出行数据进行汇总，共得到出行网格数11 427个，各站点服务的出发地和到达地人口总计为 243 105人。
（2）高德路径规划数据：高德路线规划接口2.0是一类 Web app接口服务。本研究利用Python通过高德地图步行路径规划API，批量获取进出站网格点到地铁站点出入口的步行距离，为划定步行距离阈值提供支持。
（3）轨道交通基础数据：该数据包括轨道线路及站点相关属性，其中包括厦门在运营的65个轨道站点及其出入口、3条地铁线。

4 站点辐射范围形态分析与分类结果

4.1 站点辐射范围形态指标分析

对通勤网格筛选后，通过SDE法生成站点辐射范围形态椭圆。为了更好地描述椭圆的形态并总结规律，选取并计算各站点标准差椭圆的指标，并用自然断点法对指标进行分级（图5）。
图5 厦门轨道站点辐射范围形态各类指标分级分布

Fig. 5 The graded distribution of various indexes of catchment area form of Xiamen metro stations

为确定对指标的分级级数，对指标数据进行多次自然断点，经对比发现当相对距离、扁率、夹角和沿线偏移程度分别为4级、3级、2级、2级的时候指标特征差异较明显，能够清晰展现不同等级的形态特征。相对距离的第一级代表客源分布中心与站点距离很近，主要分布于岛内南部和西部，还包括岛外部分。第二级代表客源分布中心与站点距离较近，分布于岛内北部及岛外1号线部分。第三级代表客源分布中心与站点距离较远，主要是岛内东部及岛外2号线站点。第四级为最高值，代表客源分布中心与站点距离很远，主要是岛外临海站点。整体来看，岛内的站点明显比岛外的站点相对距离更近，说明该值一定程度上会受到站点周边用地开发程度的影响。
扁率被分为三级。第一级为低值，代表客源聚集无明显方向，该类站点主要位于岛内北部。第二级为中间值，代表客源聚集有一定方向，主要分布于岛外2号线、岛外1号线环湾、岛内西南部。第三级为高值，代表了客源聚集有明显的方向，站点主要位于岛外1号线、岛外3号线及岛内北部。与相对距离值的分布相反，岛内的站点辐射范围更加扁平，说明岛内的客流更容易产生一定方向性，一定程度上反映了该值可能受到站点密度的影响。
夹角的数值对于形态会形成的影响主要表现在“呈现向垂直方向发散或沿线路方向发散”的情况。因此被分为两级，低值表示椭圆主导方向与线路趋于平行关系，这类站点位于岛内及岛外靠海地段。高值则代表趋于垂直关系，分布于岛内中部及岛外腹地。整体来看，大多数站点的辐射范围方向与线路趋于垂直关系。
沿线偏移程度与夹角相似，都表征了“垂直或平行”的方向性，因此也被分为两级，低值代表了客源分布中心趋于向线路平行方向偏移，主要位于岛内西部。高值则相反，均匀分布于各个区段。整体来看，大多数站点的辐射范围的客源分布中心趋于向线路垂直方向偏移。

4.2 站点辐射范围形态分类

将4个形态椭圆指标依靠自然断点法进行阈值划定，为了将厦门轨道站点辐射范围形态进行分类特征总结，因此依靠上述指标进行类别划分，如图6所示，将站点分为三类八型。
图6 站点辐射范围形态指标阈值范围取值分类

Fig. 6 Station catchment area form index threshold range value classification

以均质化的圆形模式为判断标准，相对距离能够判断辐射范围中心是否与站点相对耦合，因此是重要度最高的指标，扁率是对于客源分布主导方向的显著程度的判断，是次要的判断标准，夹角和沿线偏移程度指标是对椭圆“不能均质化服务”时对前二者的补充指标。相对距离是最重要的指标，当相对距离取低值时，代表形成了与站点位置耦合的辐射范围，将这类站点定义为耦合服务类。此时，在其他2个指标取任意值的前提下，扁率取低值，为完全均质服务型，代表该类站点围绕站点形成了较均质的辐射范围，是站点开发和服务情况都相对较好的站点模式。扁率取高值时，需结合夹角指标判断椭圆与线路的关系，当夹角取低值时为沿线发散型，取高值时为两侧放射型。沿线发散型代表圆心与站点位置较匹配，椭圆形态向线路两侧沿线路方向发散。两侧放射型代表圆心与站点位置较匹配，辐射范围形态呈现以站点为核心，向线路两侧垂直发散。
当相对距离取中间值时，代表辐射范围呈现与站点位置偏移一定距离的形态，将其定义为偏心服务类。此时，在沿线偏移程度和夹角取任意值的前提下，扁率取低值，为偏均质服务型，代表圆心与站点位置虽有一定距离，但辐射范围形态呈现较圆的形态。扁率取高值时，结合夹角、沿线偏移程度指标判断椭圆与线路及站点的关系。夹角取低值时，沿线偏移程度取任意值即会形成向线路两侧沿线路方向，且明显偏向一侧发散的辐射范围形态，将其定义为偏单向发散型。当夹角取高值时，需进一步结合沿线偏移程度判断椭圆重心偏移的方向，当沿线偏移程度取高值时为偏单向放射型站点，取低值时为偏两侧放射型站点。偏单向放射型代表辐射范围向线路两侧且明显偏向一侧垂直发散。偏两侧放射型站点代表辐射范围向线路两侧均匀垂直发散，但椭圆质心偏向线路平行方向一侧。
当相对距离取高值时，其余3个指标均取任意值，代表站点服务范围离站点较远，这类站点是服务情况最差的，被定义为完全离心类（表1）。
表1 厦门轨道站点辐射范围形态椭圆分类及特征

Tab. 1 The classification and characteristics of the catchment area form ellipse of Xiamen metro stations

4.3 各类站点分布特征

结合分布情况（图7）对每一类型站点进行分析。耦合服务类站点主要分布于岛内西部及南部，其中完全均质服务型站点一般是以居住或大面积工业为主的综合类站点，多数位于岛内站点密集地区。两侧放射型是其中最多的一类站点，站点多数位于交通干道旁，主要分布在岛内单条线路覆盖的地区和岛外开发较成熟的地区。沿线发散型站点主导方向呈现与主干道平行的状态，主要分布于岛内的产业用地周边，如高崎站。
图7 厦门轨道站点辐射范围形态分类分布

Fig. 7 The form classification distribution of catchment area of Xiamen metro stations

偏心服务类站点主要分布于岛内北部及岛外部分。其中，偏均质服务型主要位于一侧有自然山体或水体、公园等障碍的站点，主要位于岛内公园及海湾旁，如中山公园站和五缘湾站。偏单向发散型站点主要分布于城市边缘地带，其周边往往分布着较大的城中村，另一侧则是尚未完全开发的用地，如后村站和杏锦路站。偏单向放射型站点数量也较多，主要分布在岛外端头站。偏两侧放射型站点通常其中一侧是大型公共服务设施的站点，如育秀东路站和邮轮中心站，其周边有较多大型体育设施和文化设施。
完全离心类站点的客流来源于较远的方向，主要分布在岛外及岛内东侧周边设施、用地等都开发不完全的地区，如湿地公园站、东瑶站等。

4.4 各类站点的影响因素分析

根据已有研究[2,33-34]，社会经济属性、车站属性、建成环境和出行属性4大变量，可能与影响区的大小有相互关系。由于社会经济属性和出行属性无法获取，研究主要探讨建成环境及车站属性的影响因素。相关研究[2,6,12,27-28]对于该两类影响因子的研究结果证明，在城市中的区位、站点类型、到市中心的距离、居住用地占比、站点密度、道路密度等是被证明与站点辐射范围大小有较大相关性的变量。通过选择各类型站点中的几个站点进行各类站点之间的对比，探究这几类因素对辐射范围形态的影响情况。
耦合服务类站点主要是由于站点间距及布局影响，由于不同站点之间的影响区相互界定产生了不同的服务区域。从a组（图8（a））完全均质服务型站点之间的对比发现，站点间距较小（吕厝站站点间距1.13 km）或站点间距过大但用地较为均匀分布（天水路站1.72 km），都可能会形成完全均质服务型站点。将两侧放射型站点与之对比，观察b组（图8（b））站点情况，发现当站点间单线站点较密集而垂直方向缺少其他站点则易于形成两侧放射型站点，如江头站（站点间距1.23 km），乌石浦站（站点间距1.21 km），蔡塘站（站点间距1.41 km）。两侧放射型站点和沿线发散型站点都是客源分布具有主导方向的分布情况，将其进行对比，通过观察c组（图8（c））站点可以发现，沿线发散型站点多是处于线路蜿蜒处的位置，因此容易与侧方的站点相互界定界限，产生主导方向平行于线路的椭圆。而两侧放射型站点多位于线路单线趋于直线延伸的位置，如古地石站和乌石浦站。
图8 厦门轨道站点辐射范围形态分类影响因素分析

Fig. 8 Analysis of influencing factors of catchment area form classification of Xiamen metro stations

偏心服务类站点主要由于用地布局及开发程度影响，因不同用地类型的客流发生率及用地规模未达成平衡状态，才导致了形态偏移。具体来看，d组（图8（d））的站点对比了偏均质服务型站点与完全均质服务型站点，两类站点由于相对距离的差异产生，通过d组（图8（d））的对比发现，完全均质服务型站点的站点强相关区域以居住用地及商业商务用地为主。偏均质服务型站点的强相关区域有较大的公共绿地，这会影响到站点在该方向的可达性，进一步影响站点偏心状态，且体量越大的绿地会对于站点的偏心程度影响越大。e组（图8（e））对比了偏单向放射型站点和两侧放射型站点，两类站点形态相似，区别在对于站点的偏心程度不同，从图中可以发现，2类站点间距都适中，且都位于以单条线路趋于直线延伸的线路上，但偏单向放射型站点一侧的客流量明显较另一侧大。这是由于用地类型及规模不同而在两侧产生了差异较大的客流量，导致了客源分布偏移。从图中可看出，集中的城中村建设用地、科研用地、居住用地大于公用设施用地、工业用地、空置地产生的客流，两侧的用地规模差距越大则偏心程度越大。偏两侧放射型站点与偏单向放射型站点相似，都是由于2个方向的客流不均衡产生的形态，通过对比f组（图8（f））发现，两类站点都是由于不同类型的用地发生率及用地规模存在差异，导致客源分布差异，不同的是偏两侧放射型站点还会受到左右站点的影响，如育秀东路站，除了受到站点周边用地的影响，还受到左右站点站间距差异的影响，向站间距大的一侧偏移。g组（图8（g））对比了偏单向发散型站点和沿线发散型站点，两类站点都是客源离散方向与线路平行，区别在对于站点的偏心程度不同，较明显的是，偏单向发散型站点的强相关用地都是空置地或非建设用地，客源分布于距离站点更远的区域，且在线路两侧的用地发生率及用地规模有显著差异，因此站点辐射范围客源离散程度较大且偏向于一侧。
h组（图8（h））对比了完全离心型站点、完全均质服务型站点、偏均质服务型站点，区别于其他类别站点区位环境多是在远离滨水区的地区，完全离心型站点明显分布于较大面积的水系旁。站点距离居住等用地发生率较高的用地越远，偏移程度就越明显。

5 讨论

自TOD理论被提出后，其逐渐成为指导城市轨道交通建设与城市开发的重要理论依据，其内涵也随着城市的发展和研究内容的丰富不断地深化。然而，在以往的TOD研究中，站点的影响区一直被认为圆形的，尽管一些研究表明影响区可能会受到建成环境等因素的影响，但很少有研究讨论影响区的形态，也相应缺少描述站点辐射范围与站点之间相应关系的针对性指标。本文创新性的将用于研究宏观地理要素分布特征的标准差椭圆法应用于站点辐射范围形态的研究，借助该方法生成了衡量站点辐射范围空间形态的特征指标。同时，基于各类指标的重要度，将4个椭圆指标按分段特征进行组合，对厦门在运营的65个轨道站点进行分类，并探讨了不同类别的站点辐射范围形态影响因素。研究为轨道站点影响区形态研究提供了方向和视角，精确地定义了站域空间的各类形态，并探索了潜在的影响因素。研究对于补充TOD的理论内涵具有较大意义，同时，对于辅助未来的站域TOD开发和促进城市高质量发展均具有现实意义。
本研究仍存在一定不足。虽然研究方法同样适用于其他城市的站点辐射范围形态研究，但不同城市的线网及站点分布特征、用地开发程度等可能导致呈现出不同的主要站域形态特征。这主要是由于厦门作为海湾型城市，站点的区位有较多与水系相关，因此产生了较多的离心站点，这在平原城市中或许无法反映出来。同时，在本研究中没有讨论站点作为换乘站和一般站的区别，主要是由于厦门轨道初成网，换乘站较少。若将该方法应用于特大城市，可能会出现换乘站也具有明显方向性的情况，可结合形态椭圆与多条线路的关系判断站点的类型与影响因素。此外，研究由于样本有限，无法通过量化影响因子数值与形态类别建立联系，揭示站点辐射范围形态内在规律。未来随着站点的开通，可结合更多站点和多年份的数据，进一步挖掘站点辐射范围的形态规律与时空演变规律。

6 结论及展望

本研究的主要结论如下几点：
（1）从站点辐射范围形态分析来看，岛内的站点辐射范围相对距离值明显比岛外的站点更近，说明该值在一定程度上会受到站点周边用地开发程度的影响。与相对距离值的分布相反，岛内站点的扁率更高，说明岛内站点客源分布更具有方向性，一定程度上反映了该值可能受到站点密度的影响。大多数站点的辐射范围方向与线路趋于垂直关系，且客源分布中心趋于向线路垂直方向偏移。
（2）按照4个指标衡量站点服务范围均质化的重要度可对站点划分类别。首先，将厦门市轨道站点按照相对距离大小分为3类，分别为耦合服务类、偏心服务类和完全离心类，并进一步结合扁率和夹角将耦合服务类分为完全均质服务型、沿线发散型和两侧放射型3种，结合扁率、夹角、沿线偏移程度将偏心服务类站点分为偏均质服务型、偏单向发散型、偏单向放射型、偏两侧放射型4种。以均质化的圆形模式为判断标准，第1类站点最接近TOD理论模式。耦合服务类站点是与站点位置耦合的辐射范围，其中完全均质服务型站点围绕站点形成了向四周辐射的服务范围。沿线发散型与两侧放射型站点的圆心与站点位置较耦合，辐射范围呈现一定方向性。辐射范围与站点位置有一定距离的形态是偏心服务类站点，其中，偏均质服务型站点的辐射范围偏离站点且形态较圆。偏单向发散型站点形态向线路两侧沿线路方向，且明显偏向一侧发散。偏单向放射型站点形态向线路两侧且明显偏向一侧垂直发散。偏两侧放射型站点形态向线路两侧均匀垂直发散，但椭圆圆心偏向线路平行方向一侧。此外，站点服务范围已脱离站点所在位置的站点为完全离心类站点。
（3）通过对各类站点分布特征进行分析，发现耦合服务类站点主要分布于岛内西部及南部。偏心服务类站点主要分布于岛内北部及岛外。完全离心类站点主要分布在岛外及岛内东侧地区。通过对分类站点的车站属性和建成环境影响因素分析，发现能够较大影响轨道站点辐射范围形态的影响因素主要包括用地布局及开发程度、站点间距及布局、区位环境等因素。耦合服务类站点主要是由于站点间距及布局影响，由于不同站点之间的影响区相互界定产生了不同的服务区域。偏心服务类站点主要由于用地布局及开发程度影响，因不同用地类型的客流发生率及用地规模未达成平衡状态，才导致了形态偏移。完全离心类站点主要由于区位环境的限制，导致强相关区域难以产生客流，进一步导致站点偏心程度较大。
根据研究结论，提出以下规划建议：对于倾向于垂直于线路放射服务的站点，如两侧放射型、偏单向放射型站点等，应当增设垂直方向的站点，使得辐射范围更趋近于圆形。沿线发散型站点受相邻站点分布影响，可通过增加垂直方向的出入口，吸引该方向的客流。偏均质服务型站点通过增加站点周边公园绿地的开放程度和慢行路径，使较远的客源减少绕行。偏单向放射型站点及偏两侧放射型站点需要进一步平衡两个方向的用地开发与规划。偏单向发散型站点主要加强站点强相关区域的开发。完全离心型站点应主要加强站点的接驳，适当增设共享单车的投放量、P+R停车场的规划和公交线路的接驳优化等。
本文通过标准差椭圆工具，对轨道站点辐射范围空间形态的特征进行分析，并对厦门在运营的65个轨道站点进行分类及影响因素分析，以期对轨道站点的接驳策略、用地优化和开发策略有一定指导，为当前站域空间发展研究进行有效补充。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Calthorpe P. The next American metropolis: ecology, community, and the American dream[M]. New York: Princeton Architectural Press, 1993.

[2]
Lin D, Zhang Y P, Zhu R X, et al. The analysis of catchment areas of metro stations using trajectory data generated by dockless shared bikes[J]. Sustainable Cities and Society, 2019, 49:101598. DOI:10.1016/j.scs.2019.101598

[3]
Wu X Y, Lu Y, Gong Y X, et al. The impacts of the built environment on bicycle-metro transfer trips: A new method to delineate metro catchment area based on People's actual cycling space[J]. Journal of Transport Geography, 2021, 97:103215. DOI:10.1016/j.jtrangeo.2021.103215

[4]
王淑伟, 孙立山, 荣建. 北京市轨道站点吸引范围研究[J]. 交通运输系统工程与信息, 2013, 13(3):183-188.

[Wang S W, Sun L S, Rong J. Catchment area analysis of Beijing transit stations[J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(3):183-188.] DOI:10.16097/j.cnki.1009-6744.2013.03.015

[5]
申犁帆, 王烨, 张纯, 等. 轨道站点合理步行可达范围建成环境与轨道通勤的关系研究——以北京市44个轨道站点为例[J]. 地理学报, 2018, 73(12):2423-2439.

DOI

[Shen L F, Wang Y, Zhang C, et al. Relationship between built environment of rational pedestrian catchment areas and URT commuting ridership: Evidence from 44 URT stations in Beijing[J]. Acta Geographica Sinica, 2018, 73(12):2423-2439.] DOI:10.11821/dlxb201812011

[6]
Zacharias J, Zhao Q. Local environmental factors in walking distance at metro stations[J]. Public Transport, 2018, 10(1):91-106. DOI:10.1007/s12469-017-0174-y

[7]
曹哲静. 城市商业中心与交通中心的叠合与分异:基于复杂网络分析的东京轨道交通网络与城市形态耦合研究[J]. 国际城市规划, 2020, 35(3):42-53.

[Cao Z J. Configuration of urban commercial centers and transport centers: Evidence from Tokyo transit network and urban morphology based on the complex network analysis[J]. Urban Planning International, 2020, 35(3):42-53.] DOI:10.19830/j.upi.2018.157

[8]
凌晓红, 王颖. 轨道交通站点地区空间网络形态研究——基于广州3个地铁站域的比较分析[J]. 都市快轨交通, 2022, 35(4):87-94.

[Ling X H, Wang Y. Morphological characteristics of rail transit sites: Taking three subway station areas in Guangzhou as examples[J]. Urban Rapid Rail Transit, 2022, 35(4):87-94.] DOI:10.3969/j.issn.1672-6073.2022.04.012

[9]
Xu Y J, Chen X S. Quantitative analysis of spatial vitality and spatial characteristics of urban underground space (UUS) in metro area[J]. Tunnelling and Underground Space Technology, 2021, 111:103875. DOI:10.1016/j.tust.2021.103875

[10]
殷子渊, 薛求理. 深港轨道站站域空间紧凑度对比研究[J]. 城市规划, 2016, 40(3):76-82.

[Yin Z Y, Xue Q L. Comparative research on compactness of metro station areas in Hong Kong and Shenzhen[J]. City Planning Review, 2016, 40(3):76-82.] DOI:10.11819/cpr20160313a

[11]
王书灵, 张哲宁, 付浩洋, 等. 城市轨道交通站点周边土地利用的空间梯度特性研究[J]. 都市快轨交通, 2022, 35(3):36-41.

[Wang S L, Zhang Z N, Fu H Y, et al. Spatial gradient characteristics of land use around urban rail transit stations[J]. Urban Rapid Rail Transit, 2022, 35(3):36-41.] DOI:10.3969/j.issn.1672-6073.2022.03.006

[12]
Liu S W, Deng Y J, Hu X B, et al. Fan-shaped model for generating the anisotropic catchment area of subway stations based on feeder taxi trips[J]. Transportation Research Record: Journal of the Transportation Research Board, 2023, 2677(3):1424-1438. DOI:10.1177/03611981221124594

[13]
曾如思, 沈中伟, 罗克乾. 轨道交通站域商业集聚特征与演变研究——基于POI数据的实证分析[J]. 南方建筑, 2020(6):126-132.

DOI

[Zeng R S, Shen Z W, Luo K Q. Agglomeration and evolution characteristics of commercial function in metro station areas: An empirical study based on POI data[J]. South Architecture, 2020(6):126-132.] DOI:10.3969/j.issn.1000-0232.2020.06.126

[14]
于洋, 周睿, 吴冰瑕, 等. TOD导向下地铁站域商业空间演变与优化路径 ——以成都市3个城市级地铁站域为例[J]. 规划师, 2022, 38(4):107-114.

[Yu Y, Zhou R, Wu B X, et al. Evolution mechanism and optimization path of commercial space in metro station area under TOD guidance: Three cases in Chengdu[J]. Planners, 2022, 38(4):107-114.] DOI:10.3969/j.issn.1006-0022.2022.04.015

[15]
唐健雄, 朱媛媛, 刘雨婧, 等. 典型旅游城市空间形态演变及影响因素——以张家界为例[J]. 经济地理, 2022, 42(1):221-229.

[Tang J X, Zhu Y Y, Liu Y J, et al. Spatial morphology evolution of typical tourist cities and its influencing factors: Taking Zhangjiajie as an example[J]. Economic Geography, 2022, 42(1):221-229.] DOI:10.15957/j.cnki.jjdl.2022.01.026

[16]
李留通, 张森森, 赵新正, 等. 文化产业成长对城市空间形态演变的影响——以西安市核心区为例[J]. 地理研究, 2021, 40(2):431-445.

DOI

[Li L T, Zhang S S, Zhao X Z, et al. The influence of spatial growth of cultural industry on the evolution of urban spatial morphology: Taking the core region of Xi'an as a case study[J]. Geographical Research, 2021, 40(2):431-445.] DOI:10.11821/dlyj020200139

[17]
陈德权, 兰泽英. 基于POI数据的城市中心体系识别与边界提取——以长沙市中心六区为例[J]. 现代城市研究, 2020, 35(4):82-89.

[Chen D Q, Lan Z Y. Study on identification of urban center system and boundary extraction based on POI data: A case study of six center districts of Changsha[J]. Modern Urban Research, 2020, 35(4):82-89.] DOI:10.3969/j.issn.1009-6000.2020.04.011

[18]
Vanhulsel M, Beckx C, Janssens D, et al. Measuring dissimilarity of geographically dispersed space-time paths[J]. Transportation, 2011, 38(1):65-79. DOI:10.1007/s11116-010-9286-9

[19]
Jiang Z R, Lei L P, Zhang J Z, et al. Spatio-temporal evolution and location factors of port and shipping service enterprises: A case study of the Yangtze River Delta[J]. Journal of Transport Geography, 2023, 106:103515. DOI:10.1016/j.jtrangeo.2022.103515

[20]
赵璐, 赵作权. 基于特征椭圆的中国经济空间分异研究[J]. 地理科学, 2014, 34(8):979-986.

DOI

[Zhao L, Zhao Z Q. Projecting the spatial variation of economic based on the specific ellipses in China[J]. Scientia Geographica Sinica, 2014, 34(8):979-986.] DOI:10.13249/j.cnki.sgs.2014.08.015

[21]
申庆喜, 李诚固, 刘倩. 基于服务设施布局视角的城市空间结构研究——以长春主城区为例[J]. 经济地理, 2017, 37(3):129-135.

[Shen Q X, Li C G, Liu Q. Urban spatial structure by service facilities distribution: A case in main districts of Changchun[J]. Economic Geography, 2017, 37(3):129-135.] DOI:10.15957/j.cnki.jjdl.2017.03.017

[22]
郭亮, 郑朝阳, 黄建中, 等. 基于通勤圈识别的大城市空间结构优化——以武汉市中心城区为例[J]. 城市规划, 2019, 43(10):43-54.

[Guo L, Zheng C Y, Huang J Z, et al. Commuting circle-based spatial structure optimization of megacities: A case study of Wuhan central city[J]. City Planning Review, 2019, 43(10):43-54.] DOI:10.11819/cpr20191008a

[23]
Li R, Tong D Q. Constructing human activity spaces: A new approach incorporating complex urban activity-travel[J]. Journal of Transport Geography, 2016, 56:23-35. DOI:10.1016/j.jtrangeo.2016.08.013

[24]
Deng Y L, Zhao P J. The impact of new metro on travel behavior: Panel analysis using mobile phone data[J]. Transportation Research Part A: Policy and Practice, 2022, 162:46-57. DOI:10.1016/j.tra.2022.05.013

[25]
Botte M, Olaru D. Geo-spatial analysis of activity spaces in a TOD environment - Tracking impacts of rail transport policy using kernel density estimation[J]. Road & Transport Research: a Journal of Australian and New Zealand Research and Practice, 2012, 21(1):64-81.

[26]
王晓军, 张文强, 刘思远. 地铁站内外一体化导航系统关键技术研究及实现[J]. 都市快轨交通, 2022, 35(3):48-53.

[Wang X J, Zhang W Q, Liu S Y. Development of a key technology for an integrated navigation system inside and outside subway station[J]. Urban Rapid Rail Transit, 2022, 35(3):48-53.] DOI:10.3969/j.issn.1672-6073.2022.03.008

[27]
Ma X W, Ji Y J, Jin Y C, et al. Modeling the factors influencing the activity spaces of bikeshare around metro stations: A spatial regression model[J]. Sustainability, 2018, 10(11):3949. DOI:10.3390/su10113949

[28]
蒋源, 陈小鸿, 胥川, 等. 轨道站点骑行接驳吸引范围及其影响要素研究[J]. 武汉理工大学学报(交通科学与工程版), 2021, 45(2):225-230.

[Jiang Y, Chen X H, Xu C, et al. Influence analysis on catchment area of bike-transit integration[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2021, 45(2):225-230.] DOI:10.3963/j.issn.2095-3844.2021.02.006

[29]
Ma X W, Jin Y C, He M J. Measuring bikeshare access/egress transferring distance and catchment area around metro stations from smartcard data[J]. Information, 2018, 9(11):289. DOI:10.3390/info9110289

[30]
Li X, Liu Z Y, Ma X W. Measuring access and egress distance and catchment area of multiple feeding modes for metro transferring using survey data[J]. Sustainability, 2022, 14(5):2841. DOI:10.3390/su14052841

[31]
郭瑞利, 黄正东. 基于成本加权距离分析的轨道站点多级影响区划分研究[J]. 现代城市研究, 2021, 36(8):73-82.

[Guo R L, Huang Z D. Research on the delimitation of station multi-level influence area based on railway transit access survey and cost distance spatial analysis[J]. Modern Urban Research, 2021, 36(8):73-82.] DOI:10.3969/j.issn.1009-6000.2021.08.011

[32]
陈阳, 李伟芳, 任丽燕, 等. 空间统计视角下的农村居民点分布变化及驱动因素分析——以鄞州区滨海平原为例[J]. 资源科学, 2014, 36(11):2273-2281.

[Chen Y, Li W F, Ren L Y, et al. Changes in the distribution of rural residential land on a coastal plain[J]. Resources Science, 2014, 36(11):2273-2281.]

[33]
Hochmair H H. Assessment of bicycle service areas around transit stations[J]. International Journal of Sustainable Transportation, 2015, 9(1):15-29. DOI:10.1080/15568318.2012.719998.

[34]
Cheng Y H, Lin Y C. Expanding the effect of metro station service coverage by incorporating a public bicycle sharing system[J]. International Journal of Sustainable Transportation, 2018, 12(4):241-252. DOI:10.1080/15568318.2017.1347219

Options
文章导航

/

〈 〉