EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 10: 2419 - 2432

DOI: https://doi.org/10.12082/dqxxkx.2024.240280

“第五届空间数据智能学术会议SpatialDI 2024”优秀论文

地铁-公交换乘供需匹配评价方法研究——以深圳市为例

  • 雷洁璇 , 1 ,
  • 边梦圆 1 ,
  • 辜智慧 , 1, 2, 3, *
展开
  • 1.深圳大学建筑与城市规划学院，深圳 518060
  • 2.亚热带建筑与城市科学全国重点实验室，深圳 518060
  • 3.深圳市建筑环境优化设计研究重点实验室，深圳 518060
* 辜智慧（1979— ），女，湖北浠水人，博士，教授，主要从事城市空间信息技术应用研究。E-mail:

雷洁璇（1999— ），女，湖南耒阳人，硕士生，主要从事城乡系统与规划技术研究。E-mail:

Copy editor: 蒋树芳 , 黄光玉

收稿日期: 2024-05-21

  修回日期: 2024-08-29

  网络出版日期: 2024-10-09

基金资助

自然资源部城市国土资源监测与仿真重点实验室开放基金资助课题(KF-2023-08-11)

国家自然科学基金重大项目(62394335)

收起

Evaluation Method for Supply and Demand Matching in Subway-Bus Transfers: A Case Study of Shenzhen City

  • LEI Jiexuan , 1 ,
  • BIAN Mengyuan 1 ,
  • GU Zhihui , 1, 2, 3, *
Expand
  • 1. School of Architecture & Urban Planning, Shenzhen University, Shenzhen 518060, China
  • 2. State Key Laboratory of Subtropical Building and Urban Science, Shenzhen 518060, China
  • 3. Shenzhen Key Laboratory of Building Environment Optimization Design, Shenzhen 518060, China
* GU Zhihui, E-mail:

Received date: 2024-05-21

  Revised date: 2024-08-29

  Online published: 2024-10-09

Supported by

The Open Fund of Key Laboratory of Urban Land Resources Monitoring andSimulation，Ministry of Natural Resources(KF-2023-08-11)

National Natural Science Foundation of China(62394335)

Fold

摘要

实现轨道交通和常规公交2个系统的便捷换乘，是推动轨道交通与常规公交网络之间融合发展、打造多模式便捷公共交通系统的基础。本文以深圳市为例，结合手机信令数据和公交刷卡数据，识别轨道交通和常规公交的换乘特征，进而估算各轨道站点的换乘潜在需求量及其换乘需求缺口，同时基于熵权-TOPSIS模型对各轨道站点换乘供给条件进行了评价，结合换乘供需匹配的评价结果与换乘需求缺口，对轨道站点提出了相应的优化策略。研究发现，深圳市地铁-公交换乘潜在需求高的站点多分布在居住人口聚集区附近，中心城区的换乘供需匹配度高，且部分老城区供大于需，但外围站点普遍存在供不应求的情况；从换乘需求缺口来看，部分供应不足但运行高效的站点值得借鉴经验，而那些需求缺口大的低效站点应根据不同的供需匹配情况进行针对性的提升优化。结果表明：基于多源数据评估地铁-公交换乘潜在需求与换乘供给水平的匹配情况，并结合换乘需求缺口来制定换乘优化策略，对于提升地铁与公交换乘服务的精细化管理水平具有重要的参考意义。

关键词： 轨道交通; 常规公交; 换乘潜在需求; 换乘水平评价; 熵权-TOPSIS模型

本文引用格式

雷洁璇 , 边梦圆 , 辜智慧 . 地铁-公交换乘供需匹配评价方法研究——以深圳市为例[J]. 地球信息科学学报, 2024 , 26(10) : 2419 -2432 . DOI: 10.12082/dqxxkx.2024.240280

Abstract

Realizing convenient transfers between subway and regular bus systems is fundamental to advancing the integration and development of these two transportation networks, which is crucial for constructing a multi-modal and accessible public transportation system. This paper takes Shenzhen as a case study and innovatively combines mobile phone signal data with IC card data to identify the transfer characteristics between subway and regular bus systems. These characteristics include temporal and distance aspects, which effectively illustrate the daily travel patterns of transfer passengers. Through a detailed analysis of the overall transfer characteristics, this study establishes a distance threshold to estimate potential transfer demand and the gap in transfer demand at each subway station. Furthermore, this paper uses the Entropy Weight-TOPSIS Model to conduct a preliminary evaluation of the transfer supply conditions at various subway stations. Based on the evaluation results of the matching between transfer supply and demand, as well as the size of the transfer demand gap, this study proposes corresponding optimization strategies for subway stations, providing an effective method for identifying inefficient stations. The research findings indicate that, in Shenzhen, the subway stations with high potential demand for transfers to regular buses are mainly located near densely populated residential areas. The central urban area exhibits a high degree of matching between transfer supply and demand, with some old urban areas experiencing an oversupply due to the well-developed public transportation infrastructure. However, peripheral stations commonly face a situation where demand exceeds supply, necessitating focused attention on improving transfer supply conditions at these sites. Regarding the transfer demand gap, even among subway stations with the same level of transfer supply, variations in the size of the demand gap exist. Stations with insufficient transfer supply but efficient operations offer valuable lessons, while stations with large demand gaps and inefficient operations should be targeted for specific improvements based on their individual supply and demand matching situations. The results demonstrate that evaluating the alignment between potential subway-bus transfer demand and the level of transfer supply using multi-source data, and formulating optimization strategies in conjunction with the transfer demand gap, is of significant importance for enhancing the refined management level of subway and bus transfer services. Overall, the theory and calculation methods of transfer potential demand and transfer demand gap proposed in this study provide a new perspective and reference for transfer research, public transport planning, and urban planning in the field of public transportation.

Key words： subway system; regular bus; potential demand for transfer; evaluation of transfer level; Entropy Weight-TOPSIS model

1 引言

轨道交通作为公共交通系统的骨干，承载着城市的主要公共交通客流，具有准时性、速达性、安全性等优势[1]。然而，由于建设成本和建设时序的限制，轨道交通线网无法做到全面覆盖和及时调整，因此常规公交作为轨道交通网络的补充，发挥着连接出行地和轨道交通站点的重要作用，为居民提供便捷的换乘服务[2]。2021年，国家发展改革委交通运输部发布《“十四五”现代综合交通运输体系发展规划》[3]，强调要“推动轨道交通与常规公交网络之间的融合发展，打造多模式便捷公共交通系统”，但现有研究和实践表明，城市轨道交通与常规公交之间的融合存在诸多不足，如：深圳市2023年公共交通服务指数测评中轨道交通的轨道-公交融合度指数及乘车舒适度明显低于其他服务指数[4]；由于公交车发车间隔过长、公交站点距离小区较远等原因，上海市外围地区的地铁-公交换乘率仅30%左右，而中心城区这一比例更低至20%以下[5]。城市轨道交通与常规公交的低效换乘影响了公共交通的便捷性与吸引力，对交通规划和运营提出了新的挑战[6⇓-8]。因此，如何有效协调轨道交通和常规公交之间的关系，实现2个系统的便捷换乘，具有重要的研究价值。
当前，关于轨道交通和常规公交换乘的研究主要集中在换乘特征分析、换乘服务水平评价和换乘协调优化等方面。① 换乘特征分析：早期研究主要基于公交IC卡数据识别换乘客流特征。近年，手机信令数据被应用于分析轨道交通和常规公交的换乘特征。如庄楚天[9]、顾天奇[10]等利用刷卡数据识别了换乘客流特征，并基于手机信令数据分析了各轨道站点的换乘服务范围及其影响因素，为换乘研究领域提供了新的数据使用思路。此外，还有学者基于公交IC卡数据构建了换乘行为的识别算法[11]，并通过识别得到的换乘客流特征对站点进行分类，提出针对性的接驳策略[12⇓-14]。 ② 换乘服务水平评价：现有研究主要采用构建评价模型的方法，对轨道交通和常规公交的换乘服务水平进行评价，如何静[15]、Shi等 [16]、唐银青[17]分别通过构建可拓云模型、三角模糊AHP和DEA超效率结合的系统评价模型、熵权-TOPSIS模型等方法对轨道交通与常规公交的换乘水平进行了评价。现已构建以换乘时间[18-19]、换乘距离[20-21]、换乘公交线路数量[22]、换乘安全性[23]等为主要指标的换乘水平评价体系；③ 换乘协调优化：已有研究从构建换乘优惠模型[24]、时间优化模型[25]、调整公交站点位置[26]、优化接驳公交线路[27]等角度提出了一系列换乘协调优化建议，为促进轨道交通与常规公交的便捷换乘提供了多角度方案。
但值得注意的是，上述研究多侧重于地铁-公交的用户换乘特征以及换乘公交供给条件的分析，进而提出相应的地铁-公交换乘优化建议，较少关注到地铁-公交的换乘需求分析，且基本上将公交IC卡数据所识别的地铁公交换乘量等同为换乘需求量进行影响因素或换乘需求预测分析[28⇓⇓-31]，此类研究显然忽视了由于地铁-公交换乘供给不足导致用户只能采用其他出行方式完成出行目的的需求。因此，本文利用手机信令数据在挖掘人群出行特征和规律方面的优势，结合公交刷卡数据识别的地铁-公交换乘特征，推测地铁-公交换乘的潜在需求，同时基于各轨道站点周边换乘公交的供给条件构建地铁-公交换乘供给水平评价模型，对换乘潜在需求与换乘供给水平的供需匹配进行评价，并结合换乘需求缺口探讨地铁-公交换乘水平的优化策略。

2 研究区与数据处理

深圳市是国家首个“公交都市”示范城市，致力于构建一体化公共交通体系，推进轨道、公交网络的深度融合。近年来深圳市轨道交通和常规公交系统实现了快速发展与优化，据调查早高峰进入市中心方向公共交通占比达78%，其中城市轨道交通占比高达63%[32]。但常规公交与城市轨道交通“此消彼长”，大公交体系整体竞争力不足，如何通过常规公交、共享单车等实现城市轨道交通延伸覆盖功能仍有待研究[33]。本文提出的地铁-公交换乘供需匹配方法采用的多源数据主要包括：公共交通基础数据、公交刷卡数据以及手机信令数据，为避免数据受疫情影响且保证不同数据在时间精度上的一致性，主要时间节点为2018年10月。

2.1 公共交通基础数据

深圳市交通运输局数据显示，截止至2018年10月，深圳市共开通8条轨道交通线路，线路总长303.44 km，建设166个地铁站点，开通公交线路 1 815条，公交线网总里程达20 611 km，共6 039个站点。通过空间可视化与公交站点的核密度分析（图1），可以发现常规公交站点与轨道交通站点耦合度较高。
图1 2018年深圳市轨道站点与公交站点核密度分布

Fig. 1 Shenzhen's 2018 subway stations and the Kernel density distribution of bus stops

2.2 公交刷卡数据处理

由于轨道交通与常规公交刷卡计费系统的规则不同，公交刷卡数据能够准确的记录乘客地铁出行的进站点和出站点，但对于常规公交的乘坐路段，只能记录其上车站点，部分下车站点未知。因此，本文参考相关的公交下车点推算方法[34]，根据用户公交刷卡规律以及公交GPS轨迹对常规公交的乘客下车点进行了推测补齐，主要采用闭合出行链、历史出行规律和站点吸引等方法。如图2所示，闭合出行链结合换乘时间的限定，有助于进一步提取地铁-公交的换乘特征。其中，换乘时间的20 min限定参考国内外相关研究的结论，如伦敦识别出地铁到公交车的换乘时间阈值为20 min[35]；南京一周刷卡数据中85%的地铁-公交换乘结果识别稳定，且地铁-公交换乘时间中位数低于20 min[36]。
图2 闭合出行链下公交刷卡数据的换乘提取规则

Fig. 2 Transfer extraction rules from IC card data under closed travel chains.

最终，本文从2018年9月17日—9月23日的深圳通公交刷卡数据中共提取了1 539 697条地铁-公交换乘出行记录，其中，前序换乘844 329条，占所有地铁进站刷卡量的31.1%，后序换乘695 368条，占所有地铁出行刷卡量的25.6%。其前序与后序的换乘和出行距离特征如图3所示，图3(b)和图3(c)的距离特征基于实际刷卡数据，而图3(a)和图3(d)的距离特征主要基于推测站点生成，但特征基本一致，即80%以上换乘者选择的换乘公交站点与地铁站的距离在1 000m以内（图3(a)、图3(c)），近80%的换乘者出行起点或目的地与地铁站直线距离超过1 500 m（图3(b)、图3(d)）。
图3 2018年深圳市基于公交刷卡数据的轨道-公交换乘出行特征

Fig. 3 Characteristics of Shenzhen subway-bus transfer trips based on IC card data in 2018

2.3 手机信令数据处理

基于手机信令数据提取居民出行链的基本逻辑是通过手机访问不同基站的信号及时间进行定位和判别，定位精度可达100~250 m，当手机信令在同一位置停留时间超过30 min，则判断该位置为驻留点，2个前后驻留点之间的基站定位则为出行中间链。为了保证手机在地下的通信质量，轨道站点通常设置有专属的移动基站，因此，通过轨道交通地下站点基站，可有效识别用户的轨道出行过程数据。基于此，本文从2018年10月联通手机信令数据中提取了与135个地下轨道站点相关的全出行链，并对其前序出行和后序出行（图4）进行特征分析。
图4 基于手机信令数据提取轨道相关的全出行链

Fig. 4 Complete travel chains related to subway stations based on mobile signaling data

最终，共提取6 896 976条轨道相关的全出行链记录，各地铁站点手机信令出行总量和公交刷卡总量的相关系数达0.71（p<0.000 1），具有较高的一致性。手机信令提取的前序与后序出行距离特征如图5所示，绝大多数出行起点和目的地均在轨道站点1 500 m范围内，前序出行中大于1 500 m的长距离出行占比为28%，后序出行中大于1 500 m的长距离出行占比为27%，这与公交刷卡中前序和后序出行换乘用户占所有刷卡用户的比例较为接近（31.1%和25.6%）。此外，地铁接驳的相关研究也发现，步行及共享单车主要承担了较短距离的轨道前后出行，其中共享单车与地铁接驳的骑行距离阈值在800 m左右[37]。根据《2023年度中国主要城市共享单车/电单车骑行报告》[38]显示，各大城市的共享单车出行特征较为相似，共享单车轨道周边平均骑行距离1.4 km。可见，在地铁-公交换乘需求未知的情况下，可以结合多源数据的相似特征进行推算。
图5 2018年深圳市基于手机信令数据的轨道出行特征

Fig. 5 Characteristics of Shenzhen subway trips based on mobile signaling data in 2018

最终，结合手机信令与公交刷卡数据的规律和可靠性，本文选择后序换乘行为地铁转公交作为研究对象，在这一段出行中，实际刷卡的换乘率更加准确，并进一步选择轨道站点1 000 m以内的公交站线进行换乘条件评价，选择目的地在轨道站点1 500 m以外的手机信令出行链来推测地铁-公交换乘潜在需求以及换乘需求缺口。此外，本文还通过手机用户一个月内夜间驻留行为推断其居住特征，计算了250 m×250 m格网的居住人口核密度分布，作为辅助参考数据。

3 研究方法

研究以135个地下轨道站点为研究对象，利用公交刷卡数据和手机信令数据识别地铁换乘常规公交的实际换乘量和换乘需求量，并基于此计算各轨道站点的换乘潜在需求量和换乘需求缺口。其次，结合公共交通基础数据构建轨道站点换乘供给水平评价体系，并基于熵权-TOPSIS模型对轨道交通和常规公交换乘供给水平进行评价。最后，对比各轨道站点的换乘供给水平评价结果及其换乘潜在需求及缺口，探讨站点的地铁-公交换乘供需匹配与优化策略。技术路线如图6所示。
图6 地铁-公交换乘供需评价与优化策略研究的技术路线

Fig. 6 Technical route for research on subway-bus transfer demand and supply evaluation and optimization strategies

3.1 换乘潜在需求测算

如上所述，在地铁-公交换乘需求未知的情况下，可将手机用户中轨道后序出行距离大于1 500 m的部分视为具有地铁-公交换乘潜在需求的出行。尽管两组数据存在时间和量级的差异，但各站 点的潜在换乘率（即手机信令数据中距离大于 1 500 m的后序出行比例）和公交刷卡实际换乘率的相关系数达0.51（p<0.000 1），具有较高的一致性。如图7所示，中心城区轨道站点的实际换乘率与潜在换乘率较为一致，差异主要分布在外围站点，如松岗站的潜在换乘率高达40%，而实际换乘率仅有10.8%。
图7 2018年深圳市各轨道站点的实际换乘率以及潜在换乘率对比

Fig. 7 Comparison of actual transfer rates and potential transfer rates at various subway stations in Shenzhen in 2018

因此，根据手机信令数据中距离大于1 500 m的后序出行比例，进一步推算各轨道站点公交刷卡用户的换乘潜在需求量，计算公式如下：
M = B 0 × R L
式中：M为换乘潜在需求量；B0为公交刷卡数据中的地铁出站量；RL为手机信令数据中后序出行距离大于1 500 m的出行比例，即潜在换乘率。随后，进一步计算公交刷卡用户的换乘需求缺口，计算公式如下：
G = M - B t
式中：G为换乘需求缺口；M为换乘潜在需求量； Bt为公交刷卡数据后序出行中的实际换乘量。
最后，根据换乘潜在需求及换乘需求缺口人次对各站点进行分级，标准如表1所示。
表1 地铁-公交换乘潜在需求及缺口等级划分标准

Tab. 1 Classification standards for potential subway-bus transfer demand and gap levels

等级类别 人次/人
1 000以下 1 000~5 000 5 000以上
换乘潜在需求等级 低 中 高
换乘需求缺口等级 低 中 高

3.2 基于熵权-TOPSIS的换乘供给水平评价

熵权-TOPSIS方法在评价交通运营水平领域中的应用已有不少的研究[39⇓-41]，其中唐银青[17]通过对南宁市的实证分析，进一步验证了其在地铁-公交换乘评价上的适用性和合理性。为衡量轨道交通与常规公交的换乘供给水平，本文参考已有研究所构建的换乘水平评价指标体系[18⇓⇓⇓⇓-23,42]，选取了换乘成本与换乘设施2类指标构建熵权-TOPSIS评价模型（表2）。换乘成本指从轨道站点到各公交站点的时间成本和距离成本，由于缺少公交线路的发车频次等数据，时间成本直接采用各站点地铁-公交换乘实际出行的平均时长，距离成本则为各公交站点到轨道站点的平均直线距离，为负向指标，即值越小越优。换乘设施指标反映轨道站点1 000 m以内换乘设施的建设现状，为正向指标，即值越大越优。其中，公交线路覆盖面积的测算指标参考《城市综合交通体系规划标准（GB/T51328-2018）》[43]，定为可换乘公交线路的500 m服务面积总和。
表2 地铁-公交换乘供给水平评价指标定义与描述性统计

Tab. 2 Definitions and descriptive statistics of for subway-bus transfer supply level evaluation index

类型 评价指标 平均值 最大值 最小值
换乘成本指标(负向指标) 平均换乘时间X1 /min 10.6 19.0 6.8
地铁-公交站间平均距离X2 /m 486.5 640.2 93.1
换乘设施指标(正向指标) 公交站点数量X3 /个 53.0 103.0 1.0
公交线路数量X4 /条 52.0 110.0 1.0
公交线路覆盖面积X5 /km2 414.2 763.2 60.2
地铁出入口数量X6/个 4.0 19.0 1.0
熵权-TOPSIS评价模型结合了熵权法与TOPSIS法，主要包括数据标准化处理、指标权重确定、正负理想解计算、站点与理想解距离计算、相对接近度计算和评价结果排序等步骤。
（1）原始数据标准化处理
由于换乘供给水平评价指标具有不同的量纲和量纲单位，为消除指标间数据量纲和数量级的影响，将原数据转换为无量纲化指标值。本文采用极差标准化法对评价指标进行无纲量化处理，得到标准化矩阵如下，矩阵Z中的每列为表2中的6个评价指标，每行为135个地下轨道站点的评价指标值：
Z = z 11 z 12 z 13 z 14 z 15 z 16 z 21 z 22 z 23 z 24 z 25 z 26 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ z n 1 z n 2 z n 3 z n 4 z n 5 z n 6
其中，换乘设施指标为正向指标（即值越大越好），其标准化处理公式为：
Z i j = x i j - x m i n x m a x - x m i n
换乘成本指标为负向指标（即值越小越好），其标准化处理公式为：
Z i j = x m a x - x i j x m a x - x m i n
式中：Zij为第i个换乘站点的第j个标准化后的评价指标值；Xij为第i个换乘站点的第j个原始评价指 标值；Xmax、Xmin分别为评价指标的最大值和最小值， i=1,2,3,…,n（n=135）， j=1,2,3,4,5,6。
（2）确定指标客观权重
熵权法用以确定各项换乘供给水平评价指标的权重值，首先计算评价指标特征值P（式（6）），再计算评价指标的信息熵值E（式（7））和信息效用值D（式（8）），最后确定评价指标权重系数W（式（9）），权重系数越大，表明指标越重要。
P i j = 1 + Z i j ∑ i = 1 n ( 1 + Z i j )
E j = - 1 l n n ∑ i = 1 n P i j l n P i j
D j = 1 - E j
W j = D j ∑ j = 1 n D j
式中：Zij为第i个换乘站点的第j个标准化后的评价指标值；Pij为第j个评价指标中第i个站点的特征值；Ej为第j个评价指标的信息熵值；Dj为第j个评价指标的信息效用值；Wj为第j个评价指标的权重系数，i=1, 2, 3, …, n（n=135）， j=1, 2, 3, 4, 5, 6。
（3）确定指标正负理想解并计算距离
将标准化后的换乘供给水平评价指标数据乘以其指标权重得到新的数据矩阵：
C = z 11 z 12 z 13 z 14 z 15 z 16 z 21 z 22 z 23 z 24 z 25 z 26 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ z n 1 z n 2 z n 3 z n 4 z n 5 z n 6 × W i j
式中：Zij为第i个换乘站点的第j个标准化后的评 价指标值；Wj为第j个评价指标的权重系数，i=1, 2, 3, …, n（n=135），j=1, 2, 3, 4, 5, 6。
正理想解（即换乘供给水平最优）C+由矩阵C中每列的最大值构成：
C +=（maxCi1，maxCi2，…，maxCin）
负理想解（即换乘供给水平最劣）C-由矩阵C中每列的最小值构成：
C -=（minCi1，minCi2，…，minCin）
分别计算各地铁站点分别与正理想解和负理想解的距离： 正 理 想 解 距 离 :
正理想解距离：
  D i + = ∑ j = 1 n ( C i j - C j + ) 2 （ i = 1 ,   2 ,   … ,   n ）                                  
负理想解距离：
D i - = ∑ j = 1 n ( C i j - C j - ) 2 （ i = 1 ,   2 ,   … ,   n )
式中：Cij为第i个换乘站点的第j个已附上权重的评价指标值； C j +与 C j -分别为第j个已附上权重的评价指标的最大值和最小值；Di+为地铁站点换乘综合评价指数与最优换乘供给水平的差值；Di-为地铁站 点换乘综合评价指数与最劣换乘供给水平的差值， i=1, 2, 3,…, n（n=135）， j=1, 2, 3, 4, 5, 6。
（4）计算各地铁站点综合评价指数与换乘供给水平最大最小值的相对接近度，即F值：
F = D i - D i - + D i +
式中：F为各地铁站点的综合评价值；Di+为地铁站点换乘综合评价指数与最优换乘供给水平的差值；Di-为地铁站点换乘综合评价指数与最劣换乘供给水平的差值，i=1, 2, 3, …, n（n=135）。
F值越大表明换乘供给水平越优，根据相对接 近度F值的大小，对各地铁站点的换乘供给水平进行排序并划分为低换乘供给水平（0~0.3）、中换乘供给水平（0.3~0.5）、高换乘供给水平（0.5~1.0） 3个等级。

3.3 换乘供需匹配及优化分析

根据换乘潜在需求测算结果和换乘供给水平评价结果，进一步探讨各轨道站点的地铁-公交换乘供需匹配情况，并结合换乘需求缺口大小得出轨道站点的换乘水平优化策略。需要注意的是，公交站点的布设不仅仅服务于地铁-公交换乘，还需要满足其他公共交通出行需求。因此，换乘供给水平与换乘潜在需求的匹配与否并不能直接作为地铁-公交换乘优化的依据，还需要考虑换乘需求缺口的情况，最终提出针对性的换乘优化策略。

4 结果与分析

4.1 换乘潜在需求测算结果

据换乘潜在需求量和换乘需求缺口的测算结果显示（图8），大多数站点的换乘潜在需求高于实际换乘量，共计100个站点，占比74%。且当轨道站点密度越高时，其换乘潜在需求越低，此分布特征符合对地铁-公交换乘需求的基本判断。此外，叠加居住人口核密度分布来看，外围换乘潜在需求高及缺口大的站点往往分布在居住人口密度较高的区域附近。一般来说，高人口密度的居住区相应的日常出行也会较多，当轨道交通站点的换乘常规公交的环境与条件欠佳时，人们往往会选择打车、骑单车等其他换乘交通方式进行代替，导致轨道交通与常规公交的换乘需求缺口较大。
图8 2018年深圳市轨道站点换乘潜在需求量与换乘需求缺口分布

Fig. 8 Distribution of potential transfer demand and transfer demand shortage at subway stations in Shenzhen in 2018

4.2 换乘供给水平评价结果

基于熵权-TOPSIS模型评价135个地下轨道站点的换乘供给水平，结果如表3所示。从熵权重系数来看各类指标差异不大，其中换乘时间成本取自实际换乘行为，时间成本差异性较小，权重占比仅6.13%，相较于其他研究结果较低[16]，但也从侧面证明了，人们对换乘时间成本的偏好具有较高的一致性。从换乘供给水平评价结果来看，公交站点、线路数量、公交线路覆盖面积在3类换乘供给水平站点之间的差异较为显著，地铁出入口数量在中、低换乘供给水平间差异不显著，平均换乘距离和平均换乘时间则在不同换乘供给水平间均无显著差异。因此，当各类换乘设施如公交站点、线路数量、公交线路覆盖面积越大时，乘客可进行的换乘选择更多、范围更广，对提升轨道站点现有换乘供给水平的贡献值越高。
表3 2018年深圳市地铁-公交换乘供给水平评价结果

Tab. 3 Shenzhen's subway-bus transfer supply level evaluation result table in 2018

换乘供给水平 站点数量/个 平均换乘
时间X1 /min		 平均换乘
距离X2 /m		 公交站点
数量X3 /个		 公交线路
数量X4 /条		 公交线路
覆盖面积X5 /km2		 地铁出入口
数量X6 /个
（6.13%） （14.69%） （13.70%） （24.25%） （16.91%） （24.33%）
高 22 11.2 479.1 73 90 542.8 5
中 78 10.3 488.2 57 56 447.5 4
低 35 10.7 487.4 34 20 259.3 3
两两均值比较 两两差异
不显著		 两两差异
不显著		 两两差异
显著		 两两差异
显著		 两两差异
显著		 中低差异不显著，其他显著

注： 表中的百分比表示熵权的权重。

从换乘供给条件评价结果的空间分布来看（图9），高换乘供给水平站点主要分布在福田及罗湖等中心城区，这与公交站点的密度分布特征基本一致，低换乘供给水平站点则主要分布在轨道线路端点。结合站点的换乘潜在需求来看，50个站点供需较为匹配，主要分布在福田和南山区东部，供大于需的站点有33个，主要分布在福田及罗湖区，而供不应求的站点有52个，主要分布在11号线和5号线等关外地区。
图9 2018年深圳市轨道站点的地铁-公交换乘水平评价结果

Fig. 9 Evaluation results of subway-bus transfer levels at subway stations in Shenzhen in 2018

4.3 换乘供需匹配评价及优化建议

然而，即使地铁-公交换乘供给水平与潜在需求是匹配的，也可能存在着较大的换乘需求缺口未得到满足。因此，需进一步结合换乘需求缺口测算结果，制定相应的地铁-公交换乘优化策略。如表4所示，换乘潜在需求满足及缺口低的站点共计75个，占比56%，其中供不应求但满足潜在需求的高效换乘站点有16个。因换乘条件供应不足导致换乘需求未满足的轨道站点有36个，此类站点需适当增设换乘设施；而供需匹配或供大于需仍不满足需求的低效站点有24个，占比18%。如图10所示，供不应求、需求未满足的站点主要分布在深圳市中心外围或地铁线路的末端，由于此类站点主要承担乘客的长距离出行需求，同时受到换乘供给条件的限制，其换乘潜在需求未能得到充分满足；供需匹配或供大于需但不满足需求的站点则更多分布在福田、罗湖等中心城区，此类站点应加强对乘客换乘行为的考察，按需调整或优化换乘条件。
表4 2018年深圳市地铁-公交换乘供需匹配评价结果及优化策略

Tab. 4 Shenzhen's evaluation results of supply and demand matching and optimization strategies of subway - bus transfer in 2018

换乘需求缺口 换乘潜在需求 换乘水平级别 站点
数/个		 站点名称 优化策略
低 低 低 15 机场北、前海湾、赤湾、临海、湾厦、龙井、东角头、安托山、海上世界、 红树湾、深湾、红树湾南、深云、梅村、水湾 供需匹配，需求满足，可借鉴经验
中 中 21 侨香、科苑、香梅北、银湖、新秀、珠光、梅景、茶光、沙尾、福民、百鸽笼、侨城东、石厦、黄贝岭、上沙、莲花西、洪湖、白石洲、湖贝、老街、红岭北
高 高 1 深大
低 中 14 深康、下梅林、香蜜、香梅、益田、皇岗村、泥岗、农林、八卦岭、鹿丹村、黄木岗、晒布、文锦、红岭南 供大于需，需求满足
低 高 5 笋岗、人民南、向西村、红岭、华强南
中 高 3 高新园、孖岭、国贸
中 低 6 布心、蛇口港、侨城北、海月、深圳湾公园、桃源村 供不应求，需求满足，可借鉴经验
高 低 1 留仙洞
高 中 9 下水径、大新、长龙、怡景、洪浪北、南山、桃园、西丽、世界之窗
中 中 中 11 宝安中心、登良、宝体、皇岗口岸、华侨城、景田、香蜜湖、莲花村、 通新岭、竹子林、科学馆 供需匹配，需求未满足，需调整优化
高 高 1 会展中心
中 高 11 园岭、赤尾、燕南、岗厦北、岗厦、下沙、华强北、市民中心、华强路、
华新、福田		 供大于需，需求未满足，需调整优化
中 低 7 西丽湖、碧头、机场、新安、宝华、宝安、太安 供不应求，需求未满足，需调整优化
高 中 7 大学城、上水径、后海、民治、翻身、翠竹、购物公园
高 高 高 1 车公庙 供需匹配，需求未满足，急需调整优化
高 低 6 鲤鱼门、松岗、后亭、塘坑、机场东、固戍 供不应求，需求未满足，急需调整优化
高 中 16 福田口岸、福永、杨美、西乡、兴东、坪洲、莲花北、水贝、五和、灵芝、
田贝、坂田、少年宫、大剧院、上梅林、罗湖
图10 2018年深圳市轨道站点地铁-公交换乘水平评价结果

Fig. 10 Evaluation results of subway - bus transfer level at Shenzhen railway stations in 2018

以同样低换乘供给水平的留仙洞和固戍站为例（图11），2个站点1 000 m附近的公交站点分别为39个和54个，换乘线路也较少，分别为16条和24条，公交覆盖面积分别为283 km2和205 m2，但从用户出站后的到访地分布来看，留仙洞站可供换乘的公交线路和站点的服务面积能较为全面的覆盖其出站用户，而固戍站换乘乘客集中到达的站点东部区域，公交站点与直达线路较少，出站用户的出行需求未能得到充分满足。可见，地铁-公交换乘供需条件的匹配有助于对站点的初步筛选，但不同站点的地铁-公交换乘优化策略仍需进一步结合出行用户的需求特征进行细化。
图11 典型站点换乘条件分析

Fig. 11 Analysis diagram of transfer conditions at typical stations

5 结论与讨论

本研究以深圳市135个地下轨道交通站点为研究对象，结合公交刷卡数据和手机信令数据识别了轨道交通换乘常规公交的行为特征，对各轨道站点的换乘潜在需求和换乘需求缺口进行了测算，同时基于熵权-TOPSIS模型，对轨道交通与常规公交的换乘供给水平进行了评价，最后综合地铁-公交换乘供需匹配及换乘需求缺口情况对各地下轨道站点进行了评价并提出了相应的优化策略。研究发现不同来源的居民出行数据尽管难以进行直接匹配以获取真实的地铁-公交换乘需求，但呈现出类似的统计特征，结合多源数据的优势，可以进一步挖掘用户的换乘潜在需求，从而弥补当前研究视角的缺失。研究还发现供需匹配良好及供大于求的站点集中分布在公共交通建设现状较好的中心城区，而供不应求的站点则主要分布在外围区域，但即使是低换乘供给水平，部分站点如留仙洞、布心、南山等仍能满足较高的换乘潜在需求，其经验值得借鉴。因此，地铁-公交换乘服务水平的优化不能局限于常规换乘设施的改进，如增加换乘设施、提升服务频次等，应采用大数据和人工智能技术，对换乘流量及其目的地进行特征分析和需求预测，以实现更加精细化的换乘服务水平评价和优化。
值得注意的是，本文仅采用了轨道交通的后序出行的数据进行了换乘需求测算，未考虑前序换乘需求，对换乘潜在需求及缺口的测算存在一定的局限性；其次，手机信令数据在捕捉轨道出行进出站点也存在一定的误差；最后，即便在用户出行目的地之间有着优越的地铁-公交换乘条件，也不代表用户一定会选择公交换乘，因此，关注换乘需求缺口较大的站点具有更迫切的现实意义。未来，随着用户手机定位、轨道及公交刷卡、共享单车/电单车等多源数据的结构化和标准化，可进一步提升本评价方法的适用性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
梅丽. 轨道交通与常规公交换乘衔接分析[J]. 专用汽车, 2021(11):94-96.

[Mei L. Analysis on transfer connection between rail transit and conventional transit[J]. Special Purpose Vehicle, 2021(11):94-96.]

[2]
周元. 基于三阶段DEA分析的重庆市轨道交通与地面公交换乘效率研究[D]. 重庆: 重庆交通大学, 2021.

[Zhou Y. Study on transfer efficiency of rail transit and ground bus in Chongqing based on three-stage DEA analysis[D]. Chongqing: Chongqing Jiaotong University, 2021.] DOI:10.27671/d.cnki.gcjtc.2021.000264

[3]
国务院. 国务院关于印发“十四五”现代综合交通运输体系发展规划的通知:国发〔2021〕27号[A/OL].(2022-01-18)[2024-08-20]. https://www.gov.cn/zhengce/content/2022-01/18/content_5669049.htm.

[State Council. Notice of the State Council on Issuing the "14th Five-Year Plan" for the Development of Modern Integrated Transportation System: State Council Notice No. 27, 2021[A/OL].(2022-01-18)[2024-08-20]. https://www.gov.cn/zhengce/content/2022-01/18/content_5669049.htm.]

[4]
深圳市交通运输局. 深圳市公共交通服务指数2.0[R/OL].(2023-08-22)[2024-08-20]. http://www.szptsi.com/#/.pdf.

[Transport Bureau of Shenzhen Municipality. Shenzhen Public Transit Service Index2.0[R/OL].(2023-08-22)[2024-08-20]. http://www.szptsi.com/#/.pdf.]

[5]
李萌. 地铁到家“最后一公里”仍靠走,不足三成上海市民乘接驳公交[EB/OL].(2015-01-28)[2024-08-22]. https://m.thepaper.cn/news Detail_forward_1298830.

[Li M. The last kilometer of subway to home still relies on walking, less than 30% of Shanghai residents take shuttle buses[EB/OL].(2015-01-28)[2024-08-22]. https://m.thepaper.cn/newsDetail_forward_1298830.]

[6]
李晓飞. 基于刷卡数据的城市公交换乘政策实施效果研究[D]. 泉州: 华侨大学, 2021.

[Li X F. Research on implementation effect of urban public transport transfer policy based on IC card data[D]. Quanzhou: Huaqiao University, 2021.] DOI:10.27155/d.cnki.ghqiu.2021.000773

[7]
马兰, 王肇飞, 李伟, 等. 城市商业区轨道交通与常规公交换乘协调评价研究[J]. 交通科技与经济, 2019, 21(1):38-42.

[Ma L, Wang Q F, Li W, et al. On coordination evaluation of urban rail transit and conventional public transit transfer in urban commercial area[J]. Technology & Economy in Areas of Communications, 2019, 21(1):38-42.] DOI:10.19348/j.cnki.issn1008-5696.2019.01.009

[8]
Seriani S, Fernández R. Planning guidelines for metro-bus interchanges by means of a pedestrian microsimulation model[J]. Transportation Planning and Technology, 2015, 38(5):569-583. DOI:10.1080/03081060.2015.1039235

[9]
庄楚天, 吾晨晨, 顾天奇, 等. 苏州市轨道交通与常规公交换乘特征分析[J]. 交通与运输, 2021, 37(4):51-55.

[Zhuang C T, Wu C C, Gu T Q, et al. Analysis on characteristics of rail transit and conventional bus transfer in Suzhou[J]. Traffic & Transportation, 2021, 37(4):51-55.]

[10]
顾天奇, 邓雄成, 陈敏, 等. 多源数据驱动的轨道交通与公交换乘特征和服务范围研究[J]. 交通与运输, 2021, 37(6):6-10.

[Gu T Q, Deng X C, Chen M, et al. Interchange characteristics and service areas between mass transit and bus based on multi-data driven methodology[J]. Traffic & Transportation, 2021, 37(6):6-10.]

[11]
严敏祖, 董冠鹏, 卢宾宾. 基于刷卡数据的公交-地铁换乘模式研究[J]. 地球信息科学学报, 2024, 26(6):1351-1362.

DOI

[Yan M Z, Dong G P, Lu B B. Bus-subway interchange mode research with lC card data[J]. Journal of Geo-information Science, 2024, 26(6):1351-1362.] DOI:10.12082/dqxxkx.2024.230709

[12]
管娜娜, 王波. 基于公交IC卡数据的成都市地铁与常规道路公交换乘客流特征分析[J]. 城市轨道交通研究, 2018, 21(9):148-150.

[Guan N N, Wang B. Characteristics of transfer passenger flow between metro and conventional bus based on IC card data in Chengdu City[J]. Urban Mass Transit, 2018, 21(9):148-150.] DOI:10.16037/j.1007-869x.2018.09.038

[13]
陈兴斌, 陈艳艳, 李金山. 基于IC卡数据的轨道公交接驳特征分析[J]. 交通科技与经济, 2021, 23(6):64-71.

[Chen X B, Chen Y Y, Li J S. Analysis of connection characteristic between subway and bus based on IC card data[J]. Technology & Economy in Areas of Communications, 2021, 23(6):64-71.] DOI:10.19348/j.cnki.issn1008-5696.2021.06.010

[14]
Guo S X, Yu L, Chen X M, et al. Modelling waiting time for passengers transfers in a terminal[J]. Transportation Planning and Technology, 2011, 34(8):795-809. DOI:10.1080/03081060.2011.613589

[15]
何静, 朱双凯. 基于可拓云模型的轨道交通与接驳公交换乘综合评价研究[J]. 铁道科学与工程学报, 2021, 18(8):2183-2190.

[He J, Zhu S K. Research on the comprehensive evaluation of rail transit and feeder transit transfer based on extensible cloud model[J]. Journal of Railway Science and Engineering, 2021, 18(8):2183-2190.] DOI:10.19713/j.cnki.43-1423/u.t20200983

[16]
Shi J J, Xue Y X. Logistics performance evaluation based on triangular fuzzy AHP and super efficiency DEA method[J]. Logistics Sci-Tech, 2013, 36(7):62-64.

[17]
唐银青. 基于熵权-TOPSIS模型的城市轨道交通与常规公交换乘综合评价[J]. 西部交通科技, 2021(7):139-142.

[Tang Y Q. Research on the comprehensive evaluation of rail transit and feeder transit transfer based on extensible cloud model[J]. Western China Communications Science & Technology, 2021(7):139-142.] DOI:10.13282/j.cnki.wccst.2021.07.039

[18]
周雅. 基于乘客感知的轨道交通和常规公交换乘时间研究[J]. 城市道桥与防洪, 2019(7):255-257,29.

[Zhou Y. Research on transfer time of rail transit and conventional bus transit based on passenger perception[J]. Urban Roads Bridges & Flood Control, 2019(7):255-257,29.] DOI:10.16799/j.cnki.csdqyfh.2019.07.071

[19]
Lee E H, Lee H, Kho S Y, et al. Evaluation of transfer efficiency between bus and subway based on data envelopment analysis using smart card data[J]. KSCE journal of civil engineering, 2019, 23(2):788-799. DOI:10.1007/s12205-018-0218-0

[20]
Hadas Y, Ranjitkar P. Modeling public-transit connectivity with spatial quality-of-transfer measurements[J]. Journal of Transport Geography, 2012, 22:137-147. DOI:10.1016/j.jtrangeo.2011.12.003

[21]
Cherry T, Townsend C. Assessment of potential improvements to metro-bus transfers in Bangkok, Thailand[J]. Transportation Research Record, 2012, 2276(1),116-122. DOI:10.3141/2276-14

[22]
谭英嘉, 朱一洲, 李少龙. 城市轨道交通接驳常规公交服务评价体系研究[J]. 都市快轨交通, 2021, 34(4):55-60.

[Tan Y J, Zhu Y Z, Li S L. Evaluation index system of urban rail transit and bus feeder service[J]. Urban Rapid Rail Transit, 2021, 34(4):55-60.] DOI:10.3969/j.issn.1672-6073.2021.04.009

[23]
尹向红, 杨晓光. 城市轨道交通与公交换乘服务水平评价研究[J]. 交通科技, 2015(3):172-175.

[Yin X H, Yang X G. Research on service level evaluation of urban rail transit and bus transfer[J]. Transportation Science& Technology, 2015(3):172-175.] DOI:10.3963/j.is sn.1671-7570.2015.03.055

[24]
张宇石, 陈旭梅, 于雷, 等. 基于换乘站点的轨道交通与常规公交运营协调模型研究[J]. 铁道学报, 2009, 31(3):11-19.

[Zhang Y S, Chen X M, Yu L, et al. Study on model of coordinated operation between urban rail and bus systems at transfer stations[J]. Journal of the China Railway Society, 2009, 31(3):11-19.] DOI:10.3969/j.issn.1001-8360.2009.03.003

[25]
李笑盈, 韩印. 城市轨道交通换乘常规公交时间优化模型[J]. 天津师范大学学报(自然科学版), 2015, 35(4):48-51,84.

[Li X Y, Han Y. Time optimization model for transfer from rail transit to buses[J]. Journal of Tianjin Normal University(Natural Science Edition), 2015, 35(4):48-51,84.]

[26]
赵淑芝, 刘华胜, 张晓亮, 等. 轨道与常规公交局域换乘网络站点优化模型[J]. 哈尔滨工业大学学报, 2014, 46(12):96-101.

[Zhao S Z, Liu H S, Zhang X L, et al. Station optimization in local transfer network of rail transit and bus[J]. Journal of Harbin Institute of Technology, 2014, 46(12):96-101.]

[27]
赵路敏, 张秀媛. TransCAD软件在轨道交通与常规公交换乘线路优化中的应用[J]. 都市快轨交通, 2007(2):32-35.

[Zhao L M, Zhang X Y. Applying transCAD for the optimization of transfer routes between uran rail transit and feeder bus[J]. Urban Rapid Rail Transit, 2007(2):32-35.]

[28]
郑乐, 高良鹏, 陈学武. 基于多源数据的地铁公交换乘量影响因素与空间异质性分析[J]. 交通运输系统工程与信息, 2023, 23(2):128-138.

[Zheng L, Gao L P, Chen X W. Investigating the influencing factors on metro-bus transfer demand incorporating spatial heterogeneity based on multi-source data[J]. Journal of Transportation Systems Engineering and Information Technology, 2023, 23(2):128-138.] DOI:10.16097/j.cnki.1009-6744.2023.02.014

[29]
赖元文, 陈艳生, 王书易, 等. 考虑公交与地铁换乘需求的公交时刻表优化[J]. 吉林大学学报(工学版), 2024(2):1-8.

[Lai Y W, Chen Y S, Wang S Y, et al. Bus schedule optimization considering bus and metro interchange needs[J/OL]. Journal of Jilin University(Engineering and Technology Edition), 1-8[2024-07-20].] DOI:10.13229/j.cnki.jd xbgxb.20230931

[30]
贾真. 城市轨道交通与公交的接驳换乘问题研究[D]. 北京: 北京交通大学, 2023.

[Jia Z. Transferring system of the urban rail and bus system study[D]. Beijing: Beijing Jiaotong University, 2022.] DOI:10.26944/d.cnki.gbfju.2022.001669

[31]
管雪玲. 建成环境对轨交公交换乘特征的时空影响研究[D]. 苏州: 江苏大学, 2024.

[Guan X L. The spatiotemporal impact of the built environment on the transfer characteristics between metro and bus[D]. Suzhou: Jiangsu University, 2023.] DOI:10.27170/d.cnki.gjsuu.2023.001796

[32]
深圳市规划国土发展研究中心. 2020年深圳市居民出行调查及分析[R]. 深圳: 深圳市规划国土发展研究中心, 2021.

[Shenzhen Planning and Land Development Research Center. 2020 Shenzhen resident travel survey and analysis[R]. Shenzhen: Shenzhen Planning and Land Development Research Center, 2021.]

[33]
郭莉, 徐旭辉, 殷嘉俊. 深圳城市轨道交通线网规划实施效果评估[J]. 城市轨道交通研究, 2023, 26(12):160-165,173.

[Guo L, Xu X H, Yin J J. Evaluation of Shenzhen urban rail transit line network planning implementation effect[J]. Urban Mass Transit, 2023, 26(12):160-165,173.] DOI:10.16037/j.1007-869x.2023.12.028

[34]
王妮满, 余洋, 余静, 等. 基于公交运行规律的乘客下车点推算方法[J]. 地理空间信息, 2021, 19(11):1-6.

[Wang N M, Yu Y, Yu J, et al. Calculation method of passenger drop-off point based on bus operation law[J]. Geospatial Information, 2021, 19(11):1-6.] DOI:10.3969/j.issn.1672-4623.2021.11.001

[35]
Seaborn C, Attanucci, et al. Analyzing multimodal public transport journeys in London with smart card fare payment data[J]. Transportation Research Record, 2009, 2121(1):55-62. DOI:10.3141/2121-06

[36]
Zhao D Z, Wang W, Li C, et al. Recognizing metro-bus transfers from smart card data[J]. Transportation Planning and Technology, 2018,42:70-83. DOI:10.1080/03081060.201 8.1541283

[37]
邓亚娟, 刘霜, 白钰, 等. 共享单车与公共交通多元关系分类及阈值研究[J]. 交通运输系统工程与信息, 2024, 24(2):208-216.

[Deng Y J, Liu S, Bai Y, et al. Classification and threshold research on multivariant relationship between shared bicycles and public transit[J]. Journal of Transpor-tation Systems Engineering and Information Technology, 2024, 24(2):208-216.] DOI:10.16097/j.cnki.1009-6744.2024.02.021

[38]
中国城市规划设计研究院. 2023年度中国主要城市供需单车/电单车骑行报告[EB/OL]. [2023-10-02] https://www.sohu.com/a/725299164_483389.

[China Academy of Urban Planning and Design. Annual report on sharing bikes and sharing electric bikes riding in major Chinese cities 2023.[EB/OL]. [2023-10-02]https://www.sohu.com/a/725299164_483389.]

[39]
闫欣欣, 袁振洲, 毛思捷, 等. 基于熵权-TOPSIS模型的慢行交通与城市设计协调评价方法[J]. 公路交通科技, 2018, 35(9):107-114.

DOI

[Yan X X, Yuan Z Z, Mao S J, et al. Coordination evaluation of non-motorized traffic and urban design based on entropy Weight-TOPSIS model[J]. Journal of Highway and Transportation Research and Development, 2018, 35(9):107-114.] DOI:10.3969/j.issn.1002-0268.2018.09.016

[40]
严少乐, 刘炜. 基于改进TOPSIS的城市客运综合交通枢纽评价[J]. 综合运输, 2021, 43(2):80-83.

[Yan S L, Liu W. Evaluation of urban passenger comprehensive transportation hub based on improved TOPSIS[J]. China Transportation Review, 2021, 43(2):80-83.]

[41]
肖杰, 宋元胜, 谢毅, 等. 基于离差-Topsis的城市轨道交通运营组织模式评价[J]. 综合运输, 2020, 42(12):59-63.

[Xiao J, Song Y S, Xie Y, et al. Mode evaluation of train operation organization for urban rail transit based on Dev-Topsis[J]. China Transportation Review, 2020, 42(12):59-63.]

[42]
句庆玲, 龙科军. 面向地铁接驳需求的公交服务能力评估[J]. 公路与汽运, 2020(4):17-20,26.

[Ju Q L, Long K J. Evaluation of bus service capacity for subway connection needs[J]. Highways & Automotive Applications, 2020(4):17-20,26.]

[43]
中华人民共和国住房和城乡建设部. 城市综合交通体系规划标准:GB/T 51328-2018[S]. 2019.

[Ministry of Housing and Urban-Rural Development. Standard for urban comprehensive transport system planning: GB/T 51328-2018[S]. 2019.]

Options
文章导航

/

〈 〉