EN中文

Journal of Geo-information Science >

2019 , Vol. 21 >Issue 7: 983 - 993

DOI: https://doi.org/10.12082/dqxxkx.2019.180328

Orginal Article

Accessibility of Public Service Facilities as Influenced by Public Transport Modes

  • CHEN Jie , 1, 2 ,
  • LI Ang 2 ,
  • FU Zheng 2 ,
  • LI Siqian 2 ,
  • WANG Jiechen , 2, 3, 4, *
Expand
  • 1. School of Architecture and Surveying Engineering, Datong University, Datong 037009, China
  • 2. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China
  • 3. Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing University, Nanjing 210023, China
  • 4. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
*Corresponding author: WANG Jiechen, E-mail:

Received date: 2018-07-13

  Request revised date: 2019-03-10

  Online published: 2019-07-25

Supported by

National Natural Science Foundation of China, No.41571377

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Spatial accessibility analysis is recognized as an efficient way to assess the convenience of residents in accessing public service facilities by different travel modes. To this end, analyzing the travel time between residents and public service facilities is essential part of accessibility analysis. However, most studies used rough estimates of travel distance/time by ArcGIS network analysis tools, especially for public transport modes. To calculate travel time more accurately, this study used Python language to develop a platform to extract the traffic trip data including travel times and distances based on the Baidu map navigation API (Application Program Interface) service. The nearest facility method and the cumulative opportunity cost and isochronal method were applied to measure and compare the disparity of accessibility to Nanjing's central business districts (CBDs), administrative service centers, large hospitals, railway stations, and airports in different public transportation scenarios (BTT and MTT). The results show that: ① A door-to-door approach in travel time calculations for public transport modes according to up-to-date schedules based on internet map service is more accurate and convenient compared with the traditional ArcGIS network method. ② The metro network system has obviously improved the accessibility from residential areas to urban public service facilities, especially the "corridors areas" along the metro lines or bus routes and the areas close to the important transportation facilities, such as metro stations. ③ In the MTT scenario, the changes of the accessibility from residential areas to CBDs were significantly concentrated in 0-30 minutes; the cumulative population and area within 30-minute time threshold are respectively 1.7 times and 2.2 times those of the BTT scenario. ④ The changes of the accessibility from the residential cells to the nearest railway station were significantly concentrated in 0-30 minutes and 30~60 minutes; the cumulative population and area within 30-minute time threshold were respectively 8.9 and 3.0 times those of the BTT scenario. The cumulative population and area within 60-minute time threshold were respectively 1.5 times and 1.9 times those of the BTT scenario. ⑤ The changes of the accessibility from residential cells to airports were significantly concentrated in 60~90 minutes and 90~120 minutes, and the cumulative population and area within 90-minute time threshold were respectively 12.6 and 6.6 times those of the bus scenario; the cumulative population and area within 120-minute time threshold were 2.0 and 3.6 times higher than in the BTT scenario. ⑥ The changes of the accessibility from residential cells to administrative centers and large hospitals were also available to promote at various time interval periods. In addition, this paper can obtain more complete and real route time access to urban service facilities for other modes of transportation (e.g., cars, electric vehicles, bicycles, walking), and also provides reference for further studies to promote the sustainable development of public transportation.

Key words： metro; bus; public service facilities; travel time; precise time calculation; accessibility; Nanjing

Cite this article

CHEN Jie , LI Ang , FU Zheng , LI Siqian , WANG Jiechen . Accessibility of Public Service Facilities as Influenced by Public Transport Modes[J]. Journal of Geo-information Science, 2019 , 21(7) : 983 -993 . DOI: 10.12082/dqxxkx.2019.180328

1 引言

城市公共交通（含轨道交通）具有集约高效、安全舒适、低碳环保等优点,一直以来被认为是缓解城市道路拥堵、转变交通可持续发展方式、提升人民居民生活品质和提高政府基本公共服务水平的必然要求[1,2,3]。近年来,南京市大力发展以地铁为主的城市轨道交通,因其运量大,快捷准时,受道路交通拥堵影响小,已成为南京城市公共交通网络服务的重要补充。目前,已开通运营的9条地铁线路也是南京城市居民日常活动主要的交通方式,预计至2030年将规划建成25条地铁线路,总运行里程达到1011.2 km。轨道交通融入公共交通体系使得高密度人口聚集的大城市（如南京、北京、上海、广州等）人们出行便捷性有了很大的提升。然而,这种提升的绩效如何,是规划和决策部门一直关注的问题。为此,有必要对已运行的地铁网络对公共服务的影响绩效进行度量与分析。
可达性常用来评价基础交通设施建设对公共服务绩效提升的效果,近年来已被国内外研究者用于交通设施或交通网络的改善对城市可达性影响及效应分析[4,5,6,7,8]。其中,国家或区域级尺度的研究较多,如Kim等[9]分析了韩国2004-2018年高速铁路网络对国家城市交通可达性及空间公平性的影响;Jiao等[10]分析了中国高速铁路网络现在和未来规划对城市交通可达性的影响;蒋海兵等[11]评估了京沪高铁对中心城市交通可达性影响;马爱峦等[12]以3个时间断面分析了陆路高速交通对长江三角洲城市群中心城市一日交流圈的影响;蔡永龙等[13]分析了快速铁路开通对海南岛空间可达性格局和公平性的影响。特别是,近年来大城市交通拥堵逐渐成为影响社会公平、经济发展和人们生活品质等越来重要的因素,而发展可持续公共交通成为解决这一系列问题的关键。可达性作为衡量城市内部交通网络通达性、人口空间分布和活动地点的密度以及城乡基本公共服务设施配置与服务的重要指标,也逐渐较多受到研究者的关注[14,15,16,17]。
但是,在可达性模型构建和方法方面,以往大多数研究是基于GIS软件构建复杂的网络数据集或栅格成本表面;然后,通过矢量网络分析（最短路径算法）或栅格成本分析（成本加权距离法）获取旅行时间、距离和成本[18];进而,结合可达性指标来进行计算与分析。具体来说,在出行时间的计算方法上,无论是国家还是区域尺度,多数按照不同层级的道路网络的最大设计速度或汽车的平均行驶速度来进行人工设定[19]。常用的工具是通过ArcGIS软件网络分析OD矩阵工具或者加权成本分析工具来实施。这些方法的缺点是可达性计算结果的精度受路网速度人工设定的精度影响,可能与现实有一定的差距[20]。更为重要的是,这些采用类似汽车方式下出行分析来模拟公共交通可达性计算是不合适的。因公共交通有固定的发车时刻和线路,且大多数站点和目的地的接入和到达需要步行完成,等车、换乘也是公共交通整个出行链不可或缺的组成部分。这些在以往公共交通可达性研究中被假定或者简化,导致计算的结果与客观实际差别较大。此外,在地铁可达性的相关的大量研究中,大多数关注地铁网络的拓扑结构[21]、时空演化[22]、站点可达性接入[23,24,25],忽略了从起点到目的地的完整的出行链[26],来研究地铁网络的对城市公共交通的可达性。尽管有许多文献涉及度量可达性,但是更多集中在交通系统的物理性接入（例如公共汽车站、地铁站或交通枢纽站的等交通设施的可达性）,而不是在一个城市系统的出行地和目的地完整表达。
因此,需要一种用于精确评估公共交通实际出行时间的方法,特别是在区域范围内准确地接入各种公共服务。近年来,众多学者在此方面进行了较多的研究,如Djurhuus等[27]基于简单SQL程序和ArcGIS开发一种集成公交时刻表多模式出行的公共交通路径规划网络模型,并用来度量的个人公共交通模式下出行服务的时空可达性;Martin等[28,29]通过集成公共交通时刻表至英格兰网络地图服务中用来计算和分析就医服务的可达性。Jäppinen等[30]通过整合芬兰大赫尔辛基（Helsinki）自行车共享系统至城市交通信息管理系统来分析骑行对于公共交通出行时间成本改善的效果。Salonen等[31]基于概念统一的“门到门”的方法,创建了3种时间成本计算的模型,前2种借助ArcGIS网络分析来计算时间出行成本,第3种利用当地个人旅程规划者网站提供的API接口来获取精确的出行时间,该时间包括了步行接入公交站和从公交站接入目的地的时间,然后以公共图书馆为例着重比较了这3种模型下汽车和公共交通模式间的时间成本差异。Páez等[32]开发了一个基于Google Maps API接口检索有关当地设施（如杂货店,餐馆,健身中心,银行等）的信息,并通过汽车,步行和骑行方式来估算各类设施的时间可达性,但是对于公共交通方式并没有涉及。以上这些方法都是研究者试图通过轻量级的编程方法构建多模式的交通网络模型来精确的计算不同模式出行时间成本,进而度量公共服务可达性。基于此类研究思路,本次研究目的基于“门到门出行链全过程”的路径规划服务来比较分析两种不同公交模式（有/无地铁）场景下目的地公共服务设施可达性的变化,并以此来反映地铁的融入对公共交通以及公共服务水平改善的效果。首先,基于互联网地图服务提供的API（Application Programming Interface）接口通过Python网络编程获取不同公交出行模式下的O-D时间距离成本,这一方法在很大程度上的减少了传统方法中构建路网数据集的繁琐工作,而且网络地图服务背景下的路网更新及时,能够更加真实地反映实际的交通信息;然后,结合最邻近时间距离和累计机会成本指标,度量不同公交模式（有/无地铁）2种场景下城市公共设施服务可达性变化,进一步评价地铁加入后对公共交通网络接入城市设施服务的影响效果,以期对后期南京市的交通规划和区域可持续发展决策提供参考。

2 研究区概况、数据源与研究方法

2.1 研究区概况

南京是中国东部地区重要的中心城市和全国重要的综合交通枢纽。全市下辖11个行政区,总面积6587 km²,常住人口827万人。根据南京市最新的行政区划,南京市域范围包括鼓楼区、玄武区、秦淮区、建邺区、栖霞区、雨花台区、江宁区、六合区、浦口区、高淳区和溧水区11个区。目前,南京开通运行的地铁轨道交通是南京城市公交系统的重要组成部分。截至2017年12月,南京地铁已开通运营线路共有9条,包括1号线、2号线、3号线、4号线、10号线、S1号线、S3号线、S8号线、S9号线,共164座车站,地铁线路总长347 km,线路总长居中国第4（仅次于上海、北京、广州）、世界第7位,构成覆盖南京全市11个市辖区的地铁网络,南京也成为中国区县全部开通地铁的城市之一（图1）。
Fig. 1 Bus routes and Metro network of Nanjing City in 2017

图1 2017年南京市地铁与公交网络

2.2 数据来源

研究所需的基础地理数据包括南京市行政区划图,均来源于南京市政府和规划局网站。公共交通路线图（包含公交站点、公交路线、地铁站及地铁路线）来源于百度地图导航提供的位置服务,通过python网络编程开发来获取。目的地相关的数据（如CBD（新街口、河西、城南、江北）、大型医院（三甲医院）、行政中心（各区政府所在地）、火车站（南京站和南京南站）、飞机场（禄口国际机场））也来源于百度地图服务提供的兴趣点POI,并与其它地图服务商（如高德、谷歌地图等）的提供的兴趣点的位置信息进行了比对。研究中人口数据来源于 500 m×500 m人口格网数据集[33],其格网的几何质心（即人口中心）作为本次研究的出行地。居民出行地和目的地的空间分布如图2所示。
Fig. 2 Distribution of the origins （gridded population） and destinations （public service facilities） in Nanjing City in 2017

图2 2017年南京市居住人口单元和城市服务设施空间分布

2.3 研究方法

由于互联网地图提供的路径导航服务集成了多模式交通“门对门”（也称之“Door to Door Approach”[31]）的模型和方法,整合了公交和地铁时刻表、步行、换乘及等待时间等微观时间成本,反映了更为实际的交通信息并提供了相应的位置服务API接口。因此,本文研究通过python语言编程调用百度地图的路径规划服务API接口批量获取同一时段内研究区域内27 352个居住人口单元至南京市 4个CBD、11个区行政中心、15个大型医院、2个火车站、1个飞机场2种不同公交模式情景模式下的旅行时间。然后,结合可达性指标来进行计算和比较分析。
2.3.1 不同公交模式下出发点至目的地（O-D）间旅行时间
（1）公交无地铁模式下总旅行时间（BTT）
BTT=从起点到公交1＃站的步行时间+公交1＃的等待时间+公交1＃的行程时间+[步行时间转移到公交2＃+公交2＃的等待时间+公交2＃的行程时间]+ 从最后一站到目的地的步行时间。
（2）公交有地铁模式下总旅行时间（MTT）
MTT=从出发地到1＃号公交站或1＃地铁站的步行时间+公交1＃或地铁1＃的等待时间+公交1＃或地铁1＃的行程时间+[步行时间转移到公交2＃或地铁2＃+公交2＃或地铁2＃的等待时间+公交2＃或地铁2＃的行程时间]+从最后一站到目的地的步行时间。
方括号[ ]表示可能的换乘时间。
2.3.2 可达性度量方法
本文采用最邻近设施和累积机会成本方法来分别计算不同公交模式下城市服务设施的可达性,步骤如下：
（1）人口格网单元中心坐标提取和目的地（CBD、行政中心、医院、火车站、飞机场）坐标的拾取。
（2）通过Python程序调用Baidu API接口批量获取人口格网单元至目的地间2种交通模式下的最短行程时间成本。
（3）依据上述获取的时间成本,运用最邻近设施方法分别计算居民单元到最邻近服务设施（CBD、行政中心、大型医院、火车站、飞机场）的最小时间Ti,其公式可表达为：
T i = min { t ij } （1）
式中：tij为人口格网单元i到所有同类服务设施目的地j的最短路径时间。
（4）运用机会累计成本指标（或等时线方法）来分别计算一定时间阈值t0范围内接入服务设施目的地人口的数量和面积,其公式为：
A j t = ∑ j = 1 n O i ∙ β ( t ≤ t 0 ) （2）
式中： A j t 为公共服务设施j的可达性,t0为预定义的时间阈值,Oi为机会数（这里可以指人口数或面积）,β是二进制值变量（0或1）。当目的地在预定义的时间阈值t0内时,β取1,否则β取0。n是目的地设施类型（本文案例研究中,n=5）。该方法可以确定在出行时间阈值t0范围内可以接入服务设施目的地的人数和面积。计算的结果可以用来区分更加微观层面上两种场景模式之间的可达性变化差异。
（5）对可达性计算的结果进行分类统计和对比分析,评估不同公交模式下5类城市服务设施可达性的变化。

3 结果与分析

3.1 实验结果

依据上述式（1）和式（2）分别计算2种不同公交模式场景下居住单元至CBD、飞机场、行政中心、火车站、医院的可达性,并进行统计汇总和制图表达。第1种场景考虑了公交网络、步行及必要的换乘和等车时间,可称之为公交无地铁模式（BTT模式）的场景（Scenario I）;第2种场景考虑了公交网络、地铁网络、步行以及必要的换乘和等车时间,可称之为公交有地铁模式（MTT模式）的场景（Scenario II）。其中,城市公共服务设施周围30、60、90、120 min的时空等时圈是根据这2种不同公交出行模式场景绘制的,如图3所示。
Fig. 3 Accessibility to administrator centers, CBDs, railway stations, airports, and hospitals from residential cells for the BTT and MTT scenarios in Nanjing City in 2017

图3 2017年南京市BTT和MTT公交模式下居住单元至行政中心、CBDs、火车站、飞机场、医院的可达性
注：图(a)~(b)分别为BTT和MTT场景下居住单元至行政中心的可达性;图（c）~(d)分别为BTT和MTT场景下居住单元至CBD的可达性;图(e)~(f)分别为BTT和MTT场景下居住单元至火车站的可达性;图(g)~(h)分别为BTT和MTT场景下居住单元至飞机场的可达性;图(i)~(j)分别为BTT和MTT场景下居住单元至医院的可达性。

图4显示了2种公交模式场景下5类南京市主要城市公共服务设施随着累计时间的推移,其可达人口和面积的变化。同时,为了更好地理解和区分微观层面上城市服务设施可达性提升的效果,分段统计BTT和MTT公交模式下30 min时间间隔范围内服务人口和面积的比例,结果经计算、汇总和统计见图5和表1。然后,在此基础上对比分析2种公交模式对公共服务设施可达性的影响。
Fig. 4 Cumulative shares of residents and areas that can access the closet destination within a certain travel time threshold in Nanjing City in 2017

图4 2017年南京市城市设施服务可达人口和面积累计曲线
注：虚线代表BTT模式,实线代表MTT模式。

Fig. 5 Frequency distribution of the shares of accessibility （populations and areas） in accessing public service facilities in Nanjing City in 2017

图5 2017年南京市格网单元分别至5类公共服务设施的可达性人口和面积频率分布

Tab. 1 Statistics of the accessibility to administrative centers, CBDs, railway stations, airports, and hospitals for the BTT and MTT scenarios in Nanjing City in 2017

表1 2017年南京市BTT和MTT公交模式情景下居民至行政中心、CBDs、火车站、飞机场、医院可达性统计

间隔时段 行政中心 CBD 火车站 飞机场 医院
(累计时间) Ⅰ Ⅱ Ⅰ Ⅱ Ⅰ Ⅱ Ⅰ Ⅱ Ⅰ Ⅱ
/min P A P A P A P A P A P A P A P A P A P A
≤30 17.5 1.7 20.5 2.0 10.4 0.6 17.4 1.3 0.8 0.2 7.1 0.6 0.0 0.0 0.0 0.0 26 1.4 33.2 1.8
30~60 42.7 12.7 43.9 14.6 29.8 3.3 35.7 6.7 35.5 3.5 45.7 6.8 0 0 0.6 0.5 27.5 6.6 33.1 8.2
60~90 22.9 27.0 21.4 28.4 17.9 7.1 18.8 14.6 23.8 7.3 20.4 13.6 1.2 0.9 14.6 5.5 15.9 10.9 18.6 13.9
90~120 11.3 27.4 9.5 26.9 14.5 12.8 15.1 22.2 13.2 11.9 13.4 21 20.8 3.7 41.3 13.3 10.7 14.9 13.4 20.2
>120 5.6 31.2 4.7 28.1 27.4 76.2 13.0 55.2 26.7 77.1 13.4 58 78 95.4 43.5 80.7 19.9 66.2 1.7 55.9

注：I表示BTT模式;II表示MTT模式;P表示人口覆盖百分比/%;A表示面积覆盖百分比/%。

3.2 比较分析

从图3和图4可看出,地铁融入公共交通网络后对城市公共服务设施的可达性有较为明显的提升,尤其是沿着地铁线路的区域通常具有比沿着公共汽车线路有更高的可达性的变化。根据统计表1可知,MTT模式下,居住单元至CBD的可达性变化显著集中于0~30 min,30 min时间阈值内累计的人口和面积分别是BTT模式的1.7倍和2.2倍;居住单元至邻近火车站的可达性变化显著集中于0~30 min以及30~60 min,30 min时间阈值内累计的人口和面积分别是BTT模式的8.9倍和3.0倍,60 min时间阈值内累计的人口和面积分别是BTT模式的1.5倍和1.9倍;居住单元至邻近飞机场的可达性变化显著集中于60~90 min以及90~120 min,90 min时间阈值内累计的人口和面积分别是BTT模式的12.6倍和6.6倍,120 min时间阈值内累计的人口和面积分别是BTT模式的2.6倍和4.2倍;居住单元至所属行政中心、至大型医院的可达性在各个时间段亦有相应幅度的改善。
结合表1和图5,以城市设施服务人口为例,对比分析两种不同公交模式场景30 min时间间隔内设施可达性的变化情况。对于CBD、大型医院而言,在0~30 min、30~60 min、60~90 min以及90~120 min各个时间间隔内,设施的可达性都有较为明显的提升,其中0~30 min时间间隔内CBD、医疗设施可达的服务人口比例显示出最为明显的差距。此时,至CBD可达的人口比例从10.4%增加至17.4%,至邻近大型医院可达的服务人口从26%增加至33.2%,原因可解释为南京市人口高度聚集分布在城市的中心城区,而这些区域集聚分布着大量的城市服务设施,例如大型医院[34]、商业设施[35];对于火车站而言,在0~30 min以及30~60 min之间,可达性变化差距较为显著,0~30 min时间间隔内,可达的服务人口比例由0.8%增加至7.1%,30~60 min时间间隔内,可达的服务人口比例由35.5%增加至45.7%;对于飞机场而言,在更长的接入时间60~90 min以及90~120 min,差距才最为显著,60~90 min时间间隔内,可达的服务人口由1.2%增加至14.6%,90~120 min时间间隔内,可达的服务人口由20.8%增加至41.3%,原因可解释为飞机场远离南京市人口密集区,加之在多模式的交通出行环境下,步行、换乘、等车等花费了更长的时间,这对于类似飞机场这种远离人口集聚区的服务设施来说是不利的。但是在长距离的出行条件下,地铁对这些类服务设施可达性的绩效提升要较公交模式明显的多,也就是说地铁的延伸使得更远的边缘区域的可达性有很大的改善,一定程度上使得城市公共设施服务的可达性分布在市域范围内更加均匀。对于行政中心而言,无论是较小的还是较大的时间间隔,其可达性变化的增幅均小于其它服务设施,原因可解释为各区行政中心周围有着密集的公交网络,地铁对该类服务项目的提升的效果不如其它服务设施显著。这也说明南京市密集的公共汽车线路网络对于该类均匀布设的服务设施仍然有着更为重要的作用。
综上可以看出,地铁在不同程度上对城市服务设施的可达性的产生了积极的影响。目的地较为均匀分布的城市服务设施,如各区行政中心,可达性增加的幅度不大;目的地较为集中分布在人口密集的区域服务设施可达性增加的幅度较大,如CBD、大型医院等;目的地远离城市人口中心的需长距离出行接入的服务设施,地铁的作用才得以显现,如南京南站、飞机场。由此,不难发现,城市服务设施可达性的差异变化程度与目的地空间分布、交通设施站点以及线路的设置有较大的关系。另外,公共交通网络在加入地铁线路后城市空间设施服务的可达性差异分布更加均匀,居民到达城市服务设施便捷度相应地提高了。同时,随着地铁交通跨江发展,长江阻隔对设施布局的影响逐渐减弱,某些边缘郊区的可达性也得到较大的改善,如江北新区、六合区、高淳区。未来城市基础公共服务设施选址和规划,可优先考虑在公共交通廊道以及地铁轨道交通站点周边集中布局,缩短步行接入交通设施的时间,提升基础公共服务设施辐射人口的能力。

4 结论与讨论

4.1 结论

本研究基于互联网地图路径规划服务提供的开放数据接口,利用python爬虫程序获取了南京市不同公交模式下居住格网单元至5类典型公共服务设施的出行时间成本。然后,集成最邻近时间距离和累积机会成本等可达性计算方法,对比分析了两种不同公交模式影响下公共服务设施可达性差异。相关研究结论如下：
（1）与基于ArcGIS网络或栅格分析等传统方法相比,基于“门到门”路径规划服务API方法能够较为精确、便捷的计算公交模式影响下南京市各类公共服务设施的可达性水平,避免人工构建复杂路网数据集的工作量,而且由于集成了不断更新的公交/地铁线路以及运营时刻表信息,计算的结果更具时效性,为城市区域范围内可达性研究提供了新的方向。
（2）地铁网络融入公交系统后改变了城市公共服务设施的可达性水平。各类型设施可达性变化的幅度,因其空间位置分布以及聚集程度不同变化的幅度也具有较为明显的差异。30 min时间阈值时,可达性变化幅度最大的是火车站,MTT模式下累计人口和面积分别为BTT模式的8.9倍和3.0倍,其它设施可达性变化幅度适中,而飞机场变化幅度最小。但是随着时间阈值增大,飞机场可达性水平会有较大的提升。90 min时间阈值时,其可达人口由BTT模式的1.2%增加至MTT模式的15.2%,增加了12.6倍;可达面积由BTT模式的0.9%增加至MTT模式的6.0%,增加了6.6倍。
（3）从设施可达性的空间分布格局来看,设施可达范围及其形态受地铁和公交线路分布的影响较为明显,表现出沿地铁线、公交线“带状”南北向拓展的特征,邻近地铁站点的居住单元至公共设施可达性水平有较为显著改善。
（4）基于本文的方法还可以定期跟踪公共交通对公共服务设施可达性影响,并根据设施可达性变化前后的差异综合反映公共交通线路优化调整后的绩效。

4.2 讨论

总之,开放的互联网地图服务,由于集成了多模式“门到门”服务的方法和公共交通及地铁交通时刻表信息,同时考虑了等车时间、换乘时间,步行接入时间,能较为精确反映实际的交通出行情况,更为重要的是省去了传统方法路网构建的繁琐过程以及路网更新不及时、实时性差的问题。然而,限于篇幅,本文并没有考虑上下班通勤时段对可达性计算结果的影响以及仅涉及到5类典型的城市服务设施。另外,除了本文着重研究地铁、公交、步行方式之外,还有其它可以选择的多种交通接驳方式和出行模式,例如私家车、出租车、自行车、共享单车、电动车等。这些交通方式也是南京居民出行较为常用的交通工具,对于改善城市公共设施的可达性发挥着重要的作用。未来需进一步补充完善,以便更为综合的评价多交通模式影响下城市公共服务设施的可达性。最后,本研究是在互联网地图上的位置大数据服务平台下,对不同公交模式下南京市公共服务设施可达性比较的尝试。位置大数据的实时性以及车载导航定位偏差,也会对计算的结果造成一些误差。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Bowling A, Windsor J.Towards the good life: A population survey of dimensions of quality of life[J]. Journal of Happiness Studies, 2001,2(1):55-82.

DOI

[2]
Kwok R C W, Yeh A G O. The use of modal accessibility gap as an Indicator for sustainable transport development[J]. Environment and Planning A, 2004,36(5):921-936.

DOI

[3]
Vicente P, Reis E.Profiling public transport users through perceptions about public transport providers and satisfaction with the public transport service[J]. Public Transport, 2016,8(3):1-17.

DOI

[4]
Cascetta E, Cartenì A, Montanino M.A new measure of accessibility based on perceived opportunities[J]. Sidt Scientific Semina, 2013,87:117-132.

[5]
Gutiérrez J.Location, economic potential and daily accessibility: an analysis of the accessibility impact of the high-speed line Madrid-Barcelona-French border[J]. Journal of Transport Geography, 2001,9(4):229-242.

DOI

[6]
Karou S, Hull A.Accessibility modelling: Predicting the impact of planned transport infrastructure on accessibility patterns in Edinburgh, UK[J]. Journal of Transport Geography, 2014,35:1-11.

DOI

[7]
Wu B M, Hine J P.A PTAL approach to measuring changes in bus service accessibility[J]. Transport Policy, 2003,10(4):307-320.

DOI

[8]
肖京格,周廷刚,姚林虎,等.重庆市交通网络的可达性时空特征及其演化规律[J].地球信息科学学报,2015,17(1):54-61.<p>可达性是度量区域交通网络结构通达性的有效指标。本文以1997、2001、2004、2008 和2012 年为时间断面,以加权平均旅行时间为指标,对重庆市陆路交通网络中节点区县可达性时空特征及演化规律进行了研究。结果表明:重庆市交通可达性总体呈现以主城区为中心向外围区域递减的&ldquo;核心-边缘&rdquo;模式,可达性等值线大致呈不规则环状分布;随着路网的不断完善,可达性水平由中心向外围呈圈层式优化,各区县的可达性有大幅度的提升,但不同阶段可达性提升幅度不同,第1、2 阶段(1997-2004 年)可达性相对第3、4 阶段(2004-2012 年)而言优化程度更为显著。由于可达性值变化幅度与其初始值有关,所以,边缘地区可达性值提高幅度始终大于中心地区,区县可达性差异逐渐缩小,可达性分布趋于均衡。由于空间经济分布具有明显的不均衡性,可达性与经济发展之间具有一定的互动耦合关系,交通网络的区域效应显得更为复杂。交通网络如何与城市体系合理匹配,形成良性互动的&ldquo;交通-城市-经济&rdquo;复合系统,是未来区域交通建设规划应该重视的内容。</p>

DOI

[ Xiao J G, Zhou T G, Yao L H, et al.Spatial-temporal characteristics of Chongqing transport network accessibility and its evolution pattern[J]. Journal of Geo-information Science, 2015,17(1):54-61. ]

[9]
Kim H, Sultana S.The impacts of high-speed rail extensions on accessibility and spatial equity changes in South Korea from 2004 to 2018[J]. Journal of Transport Geography, 2015,45:48-61.

DOI

[10]
Jiao J, Wang J, Jin F, Dunford M.Impacts on accessibility of China's present and future HSR network[J]. Journal of Transport Geography, 2014,40(40):123-132.

DOI

[11]
蒋海兵,徐建刚,祁毅.京沪高铁对区域中心城市陆路可达性影响[J].地理学报,2010,65(10):1287-1298.

[ Jiang H, Xu J, Qi Y.The influence of Beijing-Shanghai high-speed railways on land accessibility of regional center cities[J]. Acta Geographica Sinica, 2010,65(10):1287-1298. ]

[12]
马爱峦,张莉,赵英杰.陆路高速交通对长江三角洲城市群中心城市一日交流圈的影响[J].地理与地理信息科学,2018,34(1):114-120.

[ Ma A L, Zhang L, Zhao Y J.The influence of land high-speed traffic on the daily communication area of center cities of urban agglomeration in Yangtze River Delta[J]. Geography and Geo-information Science, 2018,34(1):114-120. ]

[13]
蔡永龙,陈忠暖,刘松,等.快速铁路开通对海南岛空间可达性格局和空间公平性的影响[J].经济地理,2018,38(1):36-45.

[ Cai Y L, Chen Z N, Liu S,et al. The impact of fast railway opened on accessibility patterns and spatial equity of Hainan Island space[J]. Economic Geography, 2018,38(1):36-45. ]

[14]
Benenson I, Martens K, Rofé Y, Kwartler A.Public transport versus private car GIS-based estimation of accessibility applied to the Tel Aviv Metropolitan Area[J]. Annals of Regional Science, 2011,47(3):499-515.

DOI

[15]
Mavoa S, Witten K, Mccreanor T, O'Sullivan D. GIS based destination accessibility via public transit and walking in Auckland, New Zealand[J]. Journal of Transport Geography, 2012,20(1):15-22.

DOI

[16]
Xu K, Cui W.A GIS-based assessment of spatial accessibility to county hospitals: A case study of Dancheng county, China[M]. Springer Berlin Heidelberg, 2012,454-460.

[17]
但文羽,肖映辉,胡周灵,等.基于高斯两步移动搜寻法的村镇避难场所可达性研究[J].地球信息科学学报,2018,20(10):1412-1421.

[ Dan W Y, Xiao Y H, Hu Z L, et al.Rural emergency shelter accessibility using Gaussian based 2-step floating catchment area method[J]. Journal of Geo-information Science, 2018,20(10):1412-1421. ]

[18]
Fuglsang M, Hansen H S, Münier B.Accessibility analysis and modelling in public transport networks-a raster based approach[M]. Berlin: Springer Berlin Heidelberg, 2011,207-224.

[19]
陶卓霖,程杨,戴特奇.北京市养老设施空间可达性评价[J].地理科学进展,2014,33(5):616-624.发展养老服务是当前中国社会建设中的重要部分。近年来，北京市养老设施发展迅速，但是由于快速的人口老龄化，北京市养老设施的供给仍难以满足老年人口对养老设施的需求。对北京市养老设施空间可达性进行科学评价是进行合理空间配置的基础，具有重要的现实意义。本文基于GIS技术，应用改进的两步移动搜索法，对北京市养老设施的空间可达性进行了测算，并重点对1小时单一有效服务半径和按养老设施规模划分的三级有效服务半径这两种情形进行了比较分析。结果表明，后者对北京市养老设施的空间可达性评价更具合理性。本文对空间可达性的测算结果识别出了北京市各区域养老设施的稀缺程度，为养老设施的空间布局提出了政策性建议。

DOI

[ Tao Z, Cheng Y, Dai T Q.Measuring spatial accessibility to residential care facilities in Beijing[J]. Progress in Geography, 2014,33(5):616-624. ]

[20]
Jia T, Tao H, Qin K, et al.Selecting the optimal healthcare centers with a modified p-median model: A visual analytic perspective[J]. International Journal of Health Geographics, 2014,13(1):42.

DOI

[21]
Kwon J H, Choi Y, Lee I.An alternative measure of public transport accessibility based on space syntax[M]. Berlin: Springer Berlin Heidelberg, 2006,281-291.

[22]
陈少沛,李勇,庄大昌,等.地铁网络可达性时空演化及空间形态分析[J].测绘科学,2018,43(3):123-130.

[ Chen S P, Li Y, Zhuang D C, et al.Spatio-temporal evolution and spatial pattern analysis of metro network accessibility[J]. Science of Surveying & Mapping, 2018,43(3):123-130. ]

[23]
Li L, Ren H, Zhao S, et al.Two dimensional accessibility analysis of metro stations in Xi'an, China[J]. Transportation Research Part A Policy & Practice, 2017,106:414-426.

[24]
An Y S, Jang S M, Lee S I.A study on the map of walk-and bicycle-access time to subway station using a shortest-part algorithm for Gangnam Area of Seoul[J]. Seoul Studies, 2011,12(3):129-140.

[25]
Sohn K.Feature mapping the Seoul metro station areas based on a self-organizing map[J]. Journal of Urban Technology, 2013,20(4):23-42.

[26]
王姣娥,焦敬娟,黄洁,等.交通发展区位测度的理论与方法[J].地理学报,2018,73(4):666-676.

[ Wang J, Jiao J, Huang J, et al.Theory and methodology of transportation development and location measures[J]. Acta Geographica Sinica, 2018,73(4):666-676. ]

[27]
Djurhuus S, Hansen H S, Aadahl M, et al.Building a multimodal network and determining individual accessibility by public transportation[J]. Environment and Planning B, 2016,43(1):210-227.

DOI

[28]
Martin D, Wrigley H, Barnett S, et al.Increasing the sophistication of access measurement in a rural healthcare study[J]. Health & Place, 2002,8(1):3-13.

[29]
Martin D, Jordan H, Roderick P.Taking the bus: Incorporating public transport timetable data into health care accessibility modelling. Environment and Planning A, 2008,40(10):2510-2525

DOI

[30]
Jäppinen S, Toivonen T, Salonen M.Modelling the potential effect of shared bicycles on public transport travel times in Greater Helsinki: An open data approach[J]. Applied Geography, 2013,43:13-24.

DOI

[31]
Salonen M, Toivonen T.Modelling travel time in urban networks: comparable measures for private car and public transport[J]. Journal of Transport Geography, 2013,31(31):143-153.

DOI

[32]
Páez, Antonio, Moniruzzaman M, Bourbonnais P L, et al. Developing a web-based accessibility calculator prototype for the Greater Montreal Area[J]. Transportation Research Part A: Policy and Practice, 2013,58:103-115.

DOI

[33]
European Commission, Joint Research Centre (JRC) Dataset [DB/OL]. .

[34]
曾文,向梨丽,李红波,等.南京市医疗服务设施可达性的空间格局及其形成机制[J].经济地理,2017,37(6):136-143.

[ Zeng W, Xiang L L, Li H B, et al.Spatial pattern of access to health care facilities and its formation mechanism in Nanjing[J]. Economic Geography, 2017,37(6):136-143. ]

[35]
肖琛,陈雯,袁丰,等.大城市内部连锁超市空间分布格局及其区位选择—以南京市苏果超市为例[J].地理研究,2013,32(3):465-475.

[ Xiao C, Chen W, Yuan F, et al.Spatial pattern and location decision of chain supermarkets within large cities: A case study of Suguo supermarkets in Nanjing[J]. Geographical Research, 2013,32(3):465-475. ]

Options
Outlines

/

〈 〉