EN中文

地球信息科学学报, 2023, 25(3): 439-449 doi:10.12082/dqxxkx.2023.220495

地球信息科学理论与方法

骑行替代步行后公共交通可达性改善效果评估方法

高顺祥,1, 陈珍1, 张志健1, 陈越1, 肖中圣1, 邓进1,2, 许奇,1,3,*

1.北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室，北京 100044

2.北京城建交通设计研究院有限公司，北京 100037

3.北京交通大学 中国综合交通研究中心，北京 100044

Evaluation of Improvement of Public Transport Accessibility Considering Riding Instead of Walking

GAO Shunxiang,1, CHEN Zhen1, ZHANG Zhijian1, CHEN Yue1, XIAO Zhongsheng1, DENG Jin1,2, XU Qi,1,3,*

1. Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport, Ministry of Transport, Beijing Jiaotong University, Beijing 100044, China

2. Beijing Urban Construction Transport Planning & Design Institute Co. Limited, Beijing 100037, China

3. Integrated Transportation Research Centre, Beijing Jiaotong University, Beijing 100044, China

通讯作者: * 许奇（1982— ），男，云南普洱人，博士，副教授，研究方向为轨道交通与城市可持续发展。 E-mail: xuqi@bjtu.edu.cn

收稿日期: 2022-07-8   修回日期: 2022-09-13  

基金资助: 国家自然科学基金项目(71621001)
国家自然科学基金项目(71971021)

Corresponding authors: * XU Qi, E-mail: xuqi@bjtu.edu.cn

Received: 2022-07-8   Revised: 2022-09-13  

Fund supported: National Natural Science Foundation of China(71621001)
National Natural Science Foundation of China(71971021)

作者简介 About authors

高顺祥（1999— ），男，安徽亳州人，硕士研究生，主要从事时空大数据挖掘研究。E-mail: 20120807@bjtu.edu.cn

摘要

改善末端的慢行环境是提升绿色交通出行竞争力的关键问题。既有研究多针对出行效率问题分析地面公交末端出行的改善效果，未充分考虑城市公共交通系统与土地利用的关系。本文融合多源交通大数据构建“门到门”精细尺度的公共交通出行链，提出步行和骑行等两种方式下公共交通全过程出行时间的计算方法，据此构建基于累计机会模型的末端出行改善效果的评估模型，研究骑行替代步行后公共交通可达性改善效果。该方法两步计算具有计算量较小和数据更新机制灵活的特点，适应于大空间尺度公共交通可达性研究。基于2020年北京的案例研究表明：骑行替代的公共交通出行时间平均减少315 s，降低幅度达12.8%；末端出行效率的提高改善将进一步提升就业、医疗、餐饮、绿地、购物和休闲等城市居民活动的公共交通可达性，其改善幅度达90%、74%、94%、33%、107%和77%，且改善的区域聚集于中心城区和外围居住组团。另外，公共交通可达性改善效果呈圈层径向递减的空间特征，城市轨道交通作为公共交通的主干网络，就业、医疗、餐饮、绿地、购物和休闲活动提升效果分别为地面公交的1.43、1.43、1.70、1.42、1.70、1.71倍。

关键词： 城市公共交通; 绿色交通; “最后一公里”问题; 末端衔接; 可达性分析; 空间异质性; 全出行链; 多源大数据

Abstract

Improving the slow travel environment at public transport stations is a key issue to enhance the competitiveness of green transportation. It is an important measure to improve the service level of public transportation to further coordinate public transportation, especially the end connection between urban rail transit and slow traffic, and to open up the ' last mile '. Existing studies mostly analyze the improvement of travel efficiency at bus stations, and do not fully consider the interaction between urban public transport system and land use. Achieving good accessibility is the main goal of building a livable city, and the spatial analysis of public transport accessibility provides a core indicator to measure the integration of public transport and urban development. As a location-based accessibility evaluation method, the cumulative opportunity method has advantages in understanding the relationship between transportation and land use and is easy to use. To this end, we construct a “door-to-door” fine-scale public transport trip chain based on multi-source traffic big data and develop a two-step calculation method to compute travel time of public transport under two modes of walking and cycling. The two-step calculation of this method has the characteristics of less calculation and flexible data update mechanism, which is suitable for the study of public transport accessibility at large spatial scale. A case study based on Beijing in 2020 shows that the average travel time of public transport via cycling is reduced by 315 seconds and 12.8%. Improvement of travel efficiency at stations improves the public transport accessibility for urban activities such as employment, health care, catering, green space, shopping, and leisure. The improvement range is 90%, 74%, 94%, 33%, 107%, and 77%, respectively, and the improved areas are concentrated in the central urban area and the surrounding residential areas. In addition, the improvement effect of accessibility of public transport shows a spatial feature of a radial-decreasing circular structure. As the main network of public transport, urban rail transit presents an improvement in employment, medical treatment, catering, green space, shopping, and leisure activities by 1.43, 1.43, 1.70, 1.42, 1.70, and 1.71 times, respectively, compared to ground bus. The results show that compared with the ground bus system, cycling substitution will significantly improve the integration of rail transit and city. According to the co-opetition relationship between rail transit and ground bus, rational allocation of bicycle facilities and optimization of shared bicycles will further increase the competitiveness of green transportation.

Keywords： urban public transport; green transportation; "first-and-last mile" problem of transit; terminal connection; accessibility analysis; full trip chain; spatial heterogeneity; multi-source big data

PDF (0KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

高顺祥, 陈珍, 张志健, 陈越, 肖中圣, 邓进, 许奇. 骑行替代步行后公共交通可达性改善效果评估方法[J]. 地球信息科学学报, 2023, 25(3): 439-449 doi:10.12082/dqxxkx.2023.220495

GAO Shunxiang, CHEN Zhen, ZHANG Zhijian, CHEN Yue, XIAO Zhongsheng, DENG Jin, XU Qi. Evaluation of Improvement of Public Transport Accessibility Considering Riding Instead of Walking[J]. Geo-Information Science, 2023, 25(3): 439-449 doi:10.12082/dqxxkx.2023.220495

1 引言

建设以公共交通为主导的城市综合交通体系是大城市高质量可持续发展的关键问题。进一步统筹公共交通，特别是城市轨道交通与慢行交通的末端衔接，打通“最后一公里”，是提高公共交通服务水平的重要措施[1-2]。另外，共享单车的蓬勃发展为加快推进自行车换乘公共交通的绿色出行方式的转变提供新机遇。鉴于此，利用多源交通大数据，研究步行和骑行2种方式下公共交通出行环境的差异以及改善效果，将有助于提高自行车资源配置合理性和城市交通治理的科学性。

国内外学者已系统深入地研究城市公共交通系统优化的相关问题[3-4]。针对“最后一公里”问题，既有研究多基于共享单车数据分析建成环境对出行行为的影响[5-6]，站点周边共享单车运行特征[7⇓-9]以及出行需求预测[10]等方面，其结果表明共享单车是提升公共交通“最后一公里”出行效率的有效方案。部分学者分析骑行替代步行对公共交通系统末端出行效率的改善效果。Jäppinen[11]采用芬兰赫尔辛基公共自行车开放数据分析得出骑行可使公共交通的出行时间平均减少10%或6 min，显著提高公共交通竞争力。由于出行效率的提高，相较于步行，自行车系统可服务公交站点周边更多的居民，其影响范围的半径或出行效果将至少扩大3倍[12-13]。然而，既有研究多从交通视角分析公共交通末端出行的改善效果，未充分考虑交通与土地利用的相互关系，以及出行改善后城市空间的变化。

良好的可达性是建设宜居宜业城市的主要目标，其空间分析是衡量公共交通与城市融合发展的核心指标[14-15]。Hensen[16]将可达性定义为“互动机会的潜力”。之后可达性演化为交通规划和城市研究的重要概念，且其定义和计算模型根据应用领域不同存在差异[17]。累积机会法是计算个人采用某种交通方式，在给定的时间、空间或出行成本范围内，所能够获得的某种机会总数，其中，机会包括就业、上学、购物、就医等，可获得的机会越多，对应的可达性就越大[18]。累积机会法便于实施和理解，作为基于位置的可达性评价方法，累积机会法在了解交通与土地利用之间的关系方面具有优势[19]。

部分学者将不同的出行模式到达公共交通站点的难易程度定义为公共交通可达性[20-21]，但只评估到达公交网络的距离或时间。Lei[22]和Mavoa[23]通过公交出行链测算出行者通过交通网络中花费的时间或成本能获得机会的能力。其中“最后一公里”是公交出行的重要组成部分，针对城市轨道交通[24-25]或地面公交[26-27]单一系统的研究表明骑行替代步行对站点可达性的提升效果显著。Zuo[27]基于地面公交的研究再次表明骑行的出行范围是步行的三倍，扩大的范围导致公共交通的就业可达性提高43.7%。Wang[28]基于累计机会对北京市公共自行车研究表明共享自行车显著减少了个人和空间层面上通勤时间和工作可达性的不公平。城市轨道交通和地面公交是公共交通的重要组成，既有研究仅针对单一系统开展研究。

鉴于此，需从更大的空间尺度系统地研究骑行对公共交通末端出行的改善效果[29]。综上，为刻画“最后一公里”问题，在融合多源交通大数据的基础上，本文提出步行和骑行2种末端出行方式下公共交通全过程的出行时间计算方法，据此构建基于累计机会模型的末端出行改善效果定量评估模型，研究骑行替代步行后公共交通系统出行效率的提升程度及其对公共交通可达性的差异性影响。

2 公共交通系统末端提升评估方法

2.1 公共交通出行链的时间计算

为构建细粒度的公共交通全出行链，利用多源交通大数据，刻画精细尺度下出行者从出发地（O）达到目的地（D）的全过程出行行为及采用的交通方式，示意如图1所示。具体而言，模式1为“步行+公共交通”，即出行者从O点（某建筑体）步行至距离最近的公共交通站点，搭乘公共交通工具后到达离D点（某建筑体）距离最近的站点后步行至目的地。类似地，骑行替代步行后为模式2，即“骑行+公共交通”。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   步行和骑行2种方式下公共交通“门到门”出行链示意

Fig. 1   The "door-to-door" trip chain diagram of public transport under walking and cycling modes


在构建“门到门”的公共交通出行链的基础上，提出步行和骑行2种末端出行方式下公共交通全过程的出行时间计算方法，如式（1）—式（3）所示。

todm=(Tijtransit+Todm)
Tijtransit=(Tijin-vehcle+Tijwaitting+Tijtransfer)
Todm=∑oOToimO+∑dDTjdmD

式中：todm为出行者从建筑体o通过公共交通系统到达建筑体d，且末端出行采用模式m时所消耗的总时间/s。m=1时为模式1，m=2时为模式2。Tijtransit表示从公共交通站点i到j所消耗的总时间，包括在车时间（Tijin-vehcle）、等待时间（Tijwaiting）和换乘时间（Tijtransfer），单位：s。这部分时间为出行者在公共交通系统中的时间，可从基于高德地图所采集的公共交通出行规划数据中，解析后获取站间的出行信息。Todm表示出行者在起终点车站末端出行平均所消耗的总时间/s。Toim表示模式m下从建筑体o到达站点i的时间，Tjdm表示从车站j到达建筑体d的时间/s。步行时间和距离可通过高德地图的步行规划服务获取，则骑行时间可按路网距离除以平均骑行速度3 m/s[30]计算后获取。O和D分别表示起终点车站影响范围内建筑体的集合。

Tijtransit和Todm分别计算的优势包括2个方面： ①相较于利用高德地图获取建筑体间的海量出行数据，两步计算方式更加经济高效，可适用于城市尺度的研究；②当公共交通系统或车站周边路网变化时，可分别更新对应数据即可，数据更新机制更加灵活方便。显然，骑行替代步行后站点节约的时间t按式（4）计算。Tmax设置为2020年北京市的平均通勤时间47 min[31]，以保证被纳入计算的OD出行时间可更准确地反映出行特征。

t=∑Todm=2¯-∑Todm=1¯(Tod≤Tmax)

另外，将居民在47 min内所有可到达车站的慢行交通出行的平均半径R´定义为车站末端出行范围，如图2所示，R´可由式（5）计算。

R'=∑inRi/n

式中：n是47 min出行时间可达的末端站点数；Ri是第i个末端站点能到达的最大范围半径/m。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   公共交通车站末端出行范围示意

Fig. 2   Terminal travel range diagram of public transport station


2.2 基于累计机会的公共交通可达性计算

可达性是交通规划和城市研究领域的重要概念。累计机会作为可达性的重要计算模型，考虑交通系统与土地利用之间的关系，且具有便于实施和易于理解的优势。累计机会定义为采用某种交通方式，在给定的广义出行成本范围内，能够活的某种机会总数。可获得的机会越多，可达性越大，具体如式（5）所示。

Aim=∑OPijm(todm*≤Tmax)

式中：Aim是起始站点i在模式m下的可达性；OPijm表示在模式m及时间阈值Tmax下起始站点i可到达站点j的机会数量，分别为就业、医疗、餐饮、绿地、购物、休闲6类POI。

定义良好的可达性不仅应考虑交通与土地利用，还需考虑使用交通系统的乘客。公共交通出行过程包含在途和末端出行2个部分，二者对乘客的出行体验或感知存在显著差异。鉴于此，将式（1）的两部分时间赋予不同的权重[32]，则加权的总出行时间todm*为：

todm*=(θtransit·Tijtransit+θm·Todm)

式中：θtransit为公共交通在途的时间权重；θm为模式m下末端出行的时间权重。根据文献[33]，按θtransit=1，θm=2=1，θm=1=2取值。

Si=Ai2-Ai1
Pi=Si/Ai1

骑行相较于步行第i个站点可达性改善数量Si和改善百分比Pi分别由式（8）和式（9）计算。

3 研究区域与数据来源

3.1 研究区域

北京城市空间结构呈现以环路为同心圆的圈层结构，且主要建成区集中分布在六环路以内。选取北京市六环快速路覆盖范围为研究区域，面积约2267 km2，包括中心城区和通州城市副中心，覆盖全市78%人口与80%就业岗位的，研究区域如图3所示。基于核密度估计的兴趣点（Point of Interest, POI）分布表明北京市六环区域内就业等各类POI分布具有较强的向心性，其在泛CBD区域、望京、中关村和丰台科技园等区域高度聚集。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   北京市六环研究区域及其POI核密度分布

Fig. 3   Study area of the 6th ring road in Beijing and its POI distribution based on kernel density estimation


3.2 数据源

研究使用的数据均基于开源平台获取，主要包括公共交通站点与线路信息，公共交通全出行链的路径规划数据，以及建筑体和POI数据3大类，具体说明如下：

（1）公共交通站点与线路信息。公共交通基础设施数据可通过高德地图等互联网地图开放平台获取，截止2020年5月底，研究区域内包含地铁线路24条，站点329个，地面公交线路1124条，站点7668个。线路信息包括线路走向以及站点序列；站点信息包括站点名称以及经纬度坐标。另外，各线路发车间隔的平均值也可通过互联网开源平台获取。

（2）公共交通全出行链的路径规划数据。基于高德地图的出行路径规划服务，采用最短时间策略获取2020年5月13日—27日之间，任意2个六环内公共交通站点间出行的路径规划数据共计 58 798 224条，为全公共交通出行链中站点—站点的出行时间。出行信息包括起/终站点名称及其经纬度、在车时间、换乘时间和公共交通票价。对于末端出行，获取地面公交站点400 m和地铁站点800 m[24]范围内，所有建筑体以最短路到最近公共交通站点的路网距离和步行时间，共计525 268条，用以公共交通出行链中首末端出行构建。

（3）建筑体和POI数据。建筑物和构筑物等三维矢量数据可用于细粒度的出行链构建，也可通过互联网电子地图服务平台获取。通过数据去重和融合后，共获取2018年北京全市建筑轮廓数据 692 686条，其中位于六环内的建筑体621 073条，占比达89.7%，用以计算到最近站点出行时间与距离。另外，通过互联网地图和工商数据两类平台获取各类POI数据共计1 409 616条。每条数据包括经纬度坐标、名称、地址、POI类别等信息。用以衡量站点周边可获得机会数，其中就业、医疗、餐饮、绿地、购物、休闲服务分别对应高德POI大类中的公司企业，医疗保健、餐饮、风景名胜、购物、体育休闲服务。

本文利用多源大数据，针对北京市六环内骑行代替步行后公共交通可达性提升效果评估的数据处理流程和技术研究路线如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   公共交通系统末端提升评估方法技术路线

Fig. 4   Technical roadmap of terminal lifting assessment method for public transport system


4 结果分析

4.1 骑行替代步行的出行时间节省

从绝对值和相对百分比评估骑行替代步行后公共交通全过程时间节省的效果：① 模式2出行时间与模式1出行时间的差值t；② 二者出行时间的差值与模式1出行时间的比值，即t/todm=1。出行时间节省的绝对值和相对百分比的频数分布如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   骑行替代步行后公共交通出行节约时间及其改善比值的频数图

Fig. 5   Frequency chart of public transport saving time and its improvement ratio after cycling instead of walking


由图5可知，骑行替代步行后，北京市六环内公共交通系统的出行效率提高显著。整体而言，北京六环内公共交通全过程的出行时间平均减少315 s，降低幅度为12.8%。其中，37.5%的站点出行节约时间及其百分比在在300~400 s和10%~15%之间；另外至少80%的站点可节约的出行时间达到419 s，降低幅度达到16.2%。与芬兰赫尔辛基案例的10%[14]相比，北京公共交通骑行替代的效果更显著，绿色交通具有较大的发展空间。

4.2 骑行替代步行的出行范围扩大

公共交通末端出行时间的节约显著地提高居民出行距离。在47 min的全出行过程中，骑行替代步行后增加的在车时间使得居民出行范围将至少多增加8个车站。在给定的时间内，不同出行距离下车站慢行交通的覆盖范围存在差异，车站步行覆盖范围平均值为958 m，骑行则高达2287 m，增加幅度达139%，如图6所示。51.6%车站步行覆盖范围位于600~1200 m之间，66.7%的车站骑行覆盖范围位于1800~3600 m之间。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   步行和骑行2种方式下公共交通车站末端出行范围的频数

Fig. 6   Frequency chart of stations travel range of public transport station under walking and cycling modes


4.3 骑行替代步行的可达性改善

末端出行效率的提高将进一步改善公共交通可达性。与3.1节类似，骑行替代步行后公共交通可达性的改善效果也可从绝对值和相对比值两方面评估，即模式2相较于模式1获得机会数量的增加及提升百分比。

（1）改善数量

根据出行目的差异，采用累计机会模型分别计算就业、医疗、餐饮、绿地、购物、休闲6类城市居民活动的公共交通可达性，其改善效果的数量空间分布如图6所示。

由图7可知，骑行替代步行后，除绿地外，就业、医疗、餐饮、购物和休闲等活动的公共交通可达性改善数量的空间分布特征类似，即东优于西，北好于南。改善效果显著的公共交通站点主要集中在四环内等城市中心区域，且整体呈现改善效果径向递减的趋势。另外，这些站点也聚集于城市外围组团，包括通州副中心，亦庄、大兴、房山等平原新城，以及回龙观-天通苑等大型居住聚集区域。这种改善效果分布与北京城市空间结构密切相关。公共交通系统主要覆盖这些功能区域，骑行替代能有效提高公共交通的竞争力。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   6种城市居民活动的公共交通可达性改善数量的空间分布

Fig. 7   The spatial distribution of the number of public transport accessibility improvements of six urban activities


与上述空间分布特征不同，绿地的公共交通可达性改善效果显著的区域仅限于二环附近的城市核心区域，以及地铁1号线西段和有轨电车西郊线等沿线区域。上述区域也是北京市旅游资源较为丰富的区域，通过骑行替代步行降低首末站的换乘接驳时间，提高出行效率，进而显著提升公共交通系统对旅游资源的有效支撑作用。

（2）改善百分比

图8展示六类城市居民活动的公共交通可达性的改善效果百分比的空间分布。易知，就业、医疗、餐饮、绿地、购物、休闲6类活动的公共交通可达性改善程度显著。整体而言，骑行替代步行后，这6类活动的公共交通可达性改善百分比的平均值为90%、74%、94%、33%、107%以及77%。与图7的结果类似，不同活动的公共交通可达性改善百分比也呈现显著的空间分布特征，即改善效果大的车站主要分布在中心城区和外围居住组团，且其空间异质性相比于改善数量的空间特征更加显著。这表明骑行代替步行将显著地提高部分区域的公共交通可达性，其末端慢行环境的提升显得尤为重要。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   6种城市居民活动的公共交通可达性改善百分比的空间分布

Fig. 8   Spatial distribution of public transport accessibility improvement percentage of six urban activities


公共交通车站周边慢行交通环境存在差异，其与城市功能的融合程度也不同。因此，城市轨道交通和地面公交两类公共交通可达性改善程度存在差异，其对比如图9所示。易知，骑行替代可节约地面公交系统的末端出行时间为310 s，而城市轨道交通则达到459 s，二者的改善幅度为12.6%和18.5%，进而导致可达性的提升。综上，城市轨道交通系统的技术经济特点，以及较地面公交更广的吸引范围，骑行替代后其末端出行效率的提高，将扩展居民出行的时空距离，可达性的提升将显著优于地面公交系统，6种城市居民活动其提升效果分别达到1.43、1.43、1.70、1.42、1.70、1.71倍。相较而言地铁周边购物、休闲、餐饮等商业服务更多，对于相同出行起讫点，地铁站点-地铁站点相交公交-地铁省去站外换乘的步行距离，地铁站点在购物、休闲、餐饮活动的可达性改善百分比更显著。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   城市轨道交通和地面公交的可达性改善效果对比

Fig. 9   Comparison of accessibility improvement between urban rail transit and ground bus


（3）站点可达性改善空间异质性

本文采用全局Moran's I指数和LISA分布检验公共交通可达性性改善百分比的空间相关性，并刻画其空间集聚特征，如图9所示。其中在p≤0.05的显著性水平下，Z统计值均大于临界值2.58，6种城市居民活动的公共交通可达性改善百分比的估计值Moran's I分别为0.169、0.175、0.150、0.209、0.128、0.171，该方法适用且空间集聚著。

如图10所示6种城市居民活动的公共交通可达性改善百分比空间聚类分布类似度高。总体上看，公共交通可达性改善百分比的空间集聚模式较为固定，高-高集聚和低-低集聚是主要的局部空间自相关类型，且高-高集聚的站点主要集中于四环以内，少量分布在通州副中心，亦庄、大兴等平原新城地区，而低-低集聚的站点主要分布在五环至六环范围。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   6种城市居民活动的公共交通可达性改善百分比LISA聚类图

Fig. 10   The LISA distribution plot of public transport accessibility improvement percentage of six urban activities


由表1可看出，骑行替代步行后公共交通可达性改善百分比在二环内最高，之后按环路逐层递减。四环内公共交通可达性改善幅度显著高于四环至六环区域，且呈现中心城区集中，外围区域组团聚集的特征，如图10。另外，6种城市居民活动结果的的公共交通可达性改善百分比空间分布也呈现类似的趋势。这些结果显著高于既有文献[32]报告的43.7%，其反映了中国城市与北美城市交通发展模式的差异。上述特征是公共交通服务主要服务于城市主要功能区，以及车站慢行交通范围内各类设施分布情况而综合导致的结果。

表1   不同环路区域可达性改善的平均比值

Tab. 1  Average ratio of accessibility improvement in different loop areas (%)

环路二环内二-三环三-四环四-五环五-六环
就业124971108763
医疗11287926750
餐饮1381141198164
绿地5845362422
购物15312012710175
休闲11297938050

新窗口打开| 下载CSV


5 结论

本文基于多源交通大数据，采用可达性模型研究骑行替代步行后，城市公共交通末端出行改善效果，基于北京案例的研究结果表明：

（1） 利用多源交通大数据构建“门到门”的公共交通出行链，以更细致地刻画居民的出行行为，其两步计算具有计算量较小和数据更新机制灵活的特点。据此提出步行和骑行2种末端出行方式下公共交通全过程的出行时间计算方法，进而建立的基于累计机会模型的末端出行改善效果定量评估模型，可以更准确地分析骑行替代步行后城市公共交通出行的改善效果。

（2） 骑行替代步行后，北京市公共交通系统出行效率显著提高，出行时间平均减少315 s，降低幅度达12.8%；末端出行时间的节约显著拓展居民出行的时空范围，在47 min的出行过程中，增加的在车时间使得居民出行范围至少增加8个车站，车站末端出行范围平均将增加1329 m，增加幅度达139%。

（3） 末端出行效率的提高可以进一步改善就业、医疗、餐饮、绿地、购物和休闲6种城市居民活动的公共交通可达性。从绝对数量和相对比值2个方面，上述活动可达性改善的分布均呈现空间异质性，且改善幅度显著车站的聚集程度更高，这些车站主要分布在中心城区和外围居住组团。这表明公共交通系统主要覆盖的功能区域，可通过有限的骑行环境改善以提升公共交通可达性，提高“公共交通+慢行交通”绿色出行的竞争力，进而显著增强公共交通系统对城市高质量发展的有效支撑作用。

（4） 公共交通可达性改善效果呈圈层径向递减的空间特征。城市轨道交通作为公共交通的主干网络，就业、医疗、餐饮、绿地、购物和休闲活动提升效果分别为地面公交的1.43、1.43、1.70、1.42、1.70、1.71倍。上述结果表明相较地面公交系统，骑行替代将显著提高轨道交通与城市的融合程度。根据轨道交通与地面公交的竞合关系，合理配置自行车设施和优化共享单车投放，将进一步增加绿色交通的竞争力。

（5） 共享单车的投放不能仅仅满足于出行需求，应与可给公共交通带来的改善效益综合考虑。在需求大和可达性改善效果显著的站点周边应更加注重骑行的便捷程度，反之，可适当减少共享单车的供给，合理配置资源，避免城市空间浪费，提高城市公共交通吸引力，助力我国城市向“两型社会”和低碳社会发展。

本文旨在量化公交站点周边居民通过骑行相较步行的方式接驳公共交通可能给公共交通带来最大的可达性提升，对末端出行方式选择和供需关系考虑欠缺。未来将结合共享单车和人群移动数据，挖掘当前共享单车供需不平衡的地点，服务于共享单车的布局和调配。

参考文献

毛保华, 王敏, 何天健, 等.

城市公共交通服务水平研究回顾和展望

[J]. 交通运输系统工程与信息, 2022, 22(1):2-13.

[本文引用: 1]

[Mao B H, Wang M, He T J, et al.

A review and prospect of urban public transit level-of-service research

[J]. Journal of Transportation Systems Engineering and Information Technology, 2022, 22(1):2-13.] DOI:10.16097/j.cnki.1009-6744.2022.01.001

[本文引用: 1]

段德忠, 刘承良, 桂钦昌, 等.

西方城市公共交通空间研究进展:一个地理学的视角

[J]. 地理与地理信息科学, 2016, 32(5):87-96.

[本文引用: 1]

[Duan D Z, Liu C L, Gui Q C, et al.

Advances in space research of western urban public transport: A geography perspective

[J]. Geography and Geo-Information Science, 2016, 32(5):87-96.] DOI:10.3969/j.issn.1672-0504.2016.05.014

[本文引用: 1]

樊晓春, 张雪英, 刘学军, 等.

一种公交换乘优化算法设计

[J]. 地球信息科学学报, 2009, 11(2):157-162.

[本文引用: 1]

目前,在智能交通系统应用中,公交查询亟待解决其算法效率和换乘两大问题。对此,本文首先在分析乘客出行因素和公交网络特性的基础上,提出了关键站点的公交网络通达矩阵,分析了直达矩阵的计算原理;其次,阐述了城市道路网络最短路径算法,引入直达矩阵和公交网络通达矩阵,设计了一种公交换乘优化算法。该算法的基本原理:利用公交网络通达矩阵来确定哪些临时标记节点是潜在的永久标记结点,并始终优先考虑直达节点作为最短路径上的节点,从而实现对经典最短路径算法——Dijkstra算法的改进;最后,通过一个案例对该算法进行验证。实验表明,该算法不仅能够获得优于Dijkstra算法的性能,而且换乘次数更加合理。该算法能够适用于一般公交网络,对于换乘代价较高的公交网络更有优势。

[Fan X C, Zhang X Y, Liu X J, et al.

Design of an algorithm of public traffic transfer based on the least transfer

[J]. Journal of Geo-Information Science, 2009, 11(2):157-162.] DOI:10.3969/j.issn.1560-8999.2009.02.004

URL     [本文引用: 1]

Vansteenwegen P, Melis L, Aktaş D, et al.

A survey on demand-responsive public bus systems

[J]. Transportation Research Part C: Emerging Technologies, 2022, 137:103573. DOI:10.1016/j.trc.2022.103573

URL     [本文引用: 1]

林堉楠, 徐媛, 杨家文.

轨道交通车站周边建成环境对骑行的影响——基于深圳市ofo数据的实证研究

[J]. 城市交通, 2020, 18(1):83-94,58.

[本文引用: 1]

[Lin Y N, Xu Y, Yang J W.

Built environment on linking bicycle to rail transit: Case study based on ofo data in Shenzhen

[J]. Urban Transport of China, 2020, 18(1):83-94,58.] DOI:10.13813/j.cn11-5141/u.2020.0004

[本文引用: 1]

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:10.11821/dlxb201812011      [本文引用: 1]

轨道站点步行可达范围内建成环境因素与轨道交通通勤行为之间的关系越来越受到人们的重视。从潜在通勤者的角度出发,划定轨道站点的合理步行可达范围,以北京市44个轨道站点为例,利用大数据方法从“宜出行”程序中提取站点合理步行范围内的相对人口数据,结合2017年9月10个工作日早高峰时段的轨道站点刷卡数据得到该站点的相对乘车率。基于数据的非正态分布特征构建GARCH模型,分析早高峰站点合理步行范围内建成环境因素与站点相对乘车率的关系。结果表明：① 始发轨道站点与站点乘车率存在显著正向关系,而站点所在线路的换乘概率与站点乘车率具有非常明显的负相关性;② 轨道站点的出入口数量与乘车率显著正相关;③ 小区—站点的路径转折数和步行范围内的交叉路口数等可步行性特征对轨道交通通勤行为无显著影响,步行范围的公交车站密度与站点乘车率正相关;④ 合理步行范围内的用地混合度与乘车率存在显著的负相关性;⑤ 合理步行范围内的路网密度以及早高峰拥堵道路比与乘车率之间在不同程度上呈现正向关系;⑥ 共享单车订单数与轨道交通通勤行为之间的关系并不明确;⑦ 相比手机信令数据,“宜出行”定位数据的精度更高,适用于分析微观尺度下的实时人口分布及变化。

[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

[本文引用: 1]

In recent years, there has been a growing interest in the relationship between built environment factors within station pedestrian catchment areas and urban rail transit (URT) commuting ridership. In this paper, the rational pedestrian catchment areas was studied from the perspective of potential commuters. Based on a case-study of 44 URT stations in Beijing, big data method was adopted to collect point data of population from 'Yichuxing', an internet application. In addition, relative values of relative riding rate were obtained by combining point data and rail transit one-card pass data during peak time within 10 working days in September 2017. In view of the abnormal distribution of data, a GARCH model was established to analyze the interactions between station relative riding rate and built environment factors within rational pedestrian catchment areas. The study results showed that (1) there is a notable positive correlation between URT relative riding rate and initial station, and negative interaction between station relative riding rate and transfer probability of station; (2) there is a strong positive relationship between relative riding rate and exit numbers of station; (3) there are no explicit relationships between conditions of station relative riding rate and walkable factors such as residential-station footpath turn times and cross numbers within rational catchment areas, whereas positive relationship was observed between station relative riding rate and bus stop density within rational pedestrian catchment areas; (4) significant negative correlation can be found between relative riding rate and land use mixture; (5) there are positive correlations among station relative riding rate and density of road network, congested road proportion in morning peak hours in varying degree; (6) there is an ambiguous and intricate relationship between bike-sharing order quantities and URT relative riding rate; (7) compared to cellular signaling data, "Yichuxing" point data showed higher accuracy and applicability in terms of the analysis of demographic distribution and micro-scale changes.

王家川, 欧阳松寿.

北京市轨道交通站点周边区域共享自行车运行不均衡性研究

[J]. 交通运输系统工程与信息, 2019, 19(1):214-221.

[本文引用: 1]

共享自行车是解决短距离出行和“最后一公里”交通问题的有效手段，但也引发了一些交通问题，尤其是在局部区域车辆淤积现象对其他交通出行方式产生了影响.本文将共享自行车骑行的租、还空间位置对应为出行的起讫点，基于出行OD分析了其整体时空运行特征和在轨道交通站点周边区域运行特性.本文还分析了共享自行车在轨道交通站点周边区域出现不均衡性的外部和运行特征因素，基于此提出了不平衡性量化值的计算模型.通过模型计算了典型轨道站点周边区域的不均衡性数值.该模型能够评估共享自行车在轨道交通区域运行的差异，以支持重点区域调度和监管.

[Wang J C, Ouyang S S.

Disequilibrium of bicycle-sharing in rail transit station areas in Beijing

[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(1):214-221.] DOI:10.16097/j.cnki.1009-6744.2019.01.032

[本文引用: 1]

高楹, 宋辞, 郭思慧, 等.

接驳地铁站的共享单车源汇时空特征及其影响因素

[J]. 地球信息科学学报, 2021, 23(1):155-170.

DOI:10.12082/dqxxkx.2021.200351      [本文引用: 1]

共享单车是解决“最后一公里”出行的有效方法,然而,人们在利用其进行接驳地铁时,常出现无车可用或车辆淤积的现象。因此,探究用于接驳地铁的共享单车的源汇时空分布特征及其影响因素对实现其供需平衡有一定意义,单车运营公司可据此进行更及时、合理的调度。为了解不同区域的共享单车在接驳地铁时使用模式的差异,本文基于不同时间段的客流特征,对用于接驳北京市地铁站的共享单车所产生的源、汇网格进行了K-均值聚类,并进一步利用地理探测器探究了造成这种空间分异的原因。结果表明：① 源、汇网格各被分为5类,分别为高频低流出、高频异常源、中频低流出、低频高流出、低频低流出和高频低流入、中频低流入、低频高流入、低频差异流入、高频异常汇等类型,反映了共享单车源汇的时空分布特征; ② 在不同聚类中,共享单车的日均流量对应的主导因子有所差别,位于市中心的聚类的车辆主要受距离和交通因子的影响,而在其它聚类中则会同时受到多种POI的显著影响,且在不同时段中影响机制不同;③ 对于净流入（出）率而言,各聚类的源、汇网格的主导因子则大致相同,车辆的缺少或过剩主要与距地铁站或市中心的距离有关。④ 从整体源、汇来看,住宅类POI数量与距最近地铁站的距离分别是影响日均流量和净流入（出）率的最强的因子。

[Gao Y, Song C, Guo S H, et al.

Spatial-temporal characteristics and influencing factors of source and sink of dockless sharing bicycles connected to subway stations

[J]. Journal of Geo-Information Science, 2021, 23(1):155-170.] DOI:10.12082/dqxxkx.2021.200351

[本文引用: 1]

邝嘉恒, 邬群勇.

接驳地铁站的共享单车时空均衡性分析与吸引区域优化

[J]. 地球信息科学学报, 2022, 24(7):1337-1348.

DOI:10.12082/dqxxkx.2022.210775      [本文引用: 1]

共享单车是接驳地铁出行的最有效选择之一,但共享单车的时空分布不均问题对使用者和管理者造成了很大的不便,尤其是早高峰期间出现这种问题更会大大降低2个交通系统的运行效率。因此,研究用于接驳地铁出行的共享单车的时空均衡性特点对提升早高峰期间的通勤效率有一定意义。为了了解接驳地铁骑行的时空均衡性特点,本文以厦门市作为实验区,将厦门市早高峰期间接驳地铁站的骑行作为主要研究对象,基于出行OD提出了新的地铁站吸引区域建立方法,基于出行特点提出了考虑地铁站点的单车聚类方法。本文还从潮汐比统计角度和吸引区域角度对各个地铁站的早高峰整体出行均衡性做了分析,从时空角度对早高峰中不同时段的地铁站接驳骑行的时空均衡性做了分析, 通过分析得出了3种角度下各个地铁站点均衡性的相似点与不同点,结果表明：① 根据潮汐比特点,地铁站对骑行的接驳职能可划分为4类,分别为起始型,均衡型,到达型和不适合接驳地铁出行型,反映了各地铁站点的总体接驳特征;② 地铁站对接驳骑行的吸引区域与潮汐比特点有所差别,其主要影响因素为地铁站点的地理位置及周边土地利用类型;③ 对于时空均衡性分析结果而言,潮汐比对时空均衡性层面没有显著影响,其最大影响因素为周边土地利用类型。该分析结果能体现出厦门市早高峰期间与各地铁站接驳骑行的共享单车运行的差异性以及与地铁接驳效率的高低,以此来支持共享单车企业的重点区域调度和监管。

[Kuang J H, Wu Q Y.

Spatial-temporal equilibrium analysis and attraction area optimization of dockless sharing bicycles connected to subway stations

[J]. Journal of Geo-Information Science, 2022, 24(7):1337-1348.] DOI:10.12082/dqxxkx.2022.210775

[本文引用: 1]

孙启鹏, 曾开邦, 张锴琦, 等.

北京市共享单车出行的时空规律与需求预测研究

[J]. 交通运输系统工程与信息, 2022, 22(1):332-338.

[本文引用: 1]

[Sun Q P, Zeng K B, Zhang K Q, et al.

Spatiotemporal travel patterns and demand prediction of shared bikes in Beijing

[J]. Journal of Transportation Systems Engineering and Information Technology, 2022, 22(1):332-338.] DOI:10.16097/j.cnki.1009-6744.2022.01.035

[本文引用: 1]

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:10.1016/j.apgeog.2013.05.010

URL     [本文引用: 1]

Lee J, Choi K, Leem Y.

Bicycle-based transit-oriented development as an alternative to overcome the criticisms of the conventional transit-oriented development

[J]. International Journal of Sustainable Transportation, 2016, 10(10):975-984. DOI:10.1080/15568318.2014.923547

URL     [本文引用: 1]

Griffin G P, Sener I N.

Planning for bike share connectivity to rail transit

[J]. Journal of Public Transportation, 2016, 19(2):1-22. DOI:10.5038/2375-0901.19.2.1

PMID:27872554      [本文引用: 1]

Bike sharing can play a role in providing access to transit stations and then to final destinations, but early implementation of these systems in North America has been opportunistic rather than strategic. This study evaluates local intermodal plan goals using trip data and associated infrastructure such as transit stops and bike share station locations in Austin, Texas, and Chicago, Illinois. Bike sharing use data from both cities suggest a weak relationship with existing rail stations that could be strengthened through collaborative, intermodal planning. The study suggests a planning framework and example language that could be tailored to help address the linkage between bike sharing and transit. Rather than an exhaustive study of the practice, this study provides evidence from these two cities that identify opportunities to improve intermodal planning. Cities that are planning or expanding a bike sharing system should consider carefully how to leverage this mode with existing modes of transport. Regardless of a city's status in implementing a bike sharing system, planners can leverage information on existing transport systems for planning at regional and local levels.

Deboosere R, El-Geneidy A M, Levinson D.

Accessibility-oriented development

[J]. Journal of Transport Geography, 2018, 70:11-20. DOI:10.1016/j.jtrangeo.2018.05.015

URL     [本文引用: 2]

许奇, 陈越, 黄靖茹, 等.

考虑出行费用的就业可达性分析

[J]. 交通运输系统工程与信息, 2022, 22(2):37-44.

[本文引用: 1]

[Xu Q, Chen Y, Huang J R, et al.

Job accessibility analysis considering travel cost

[J]. Journal of Transportation Systems Engineering and Information Technology, 2022, 22(2):37-44.] DOI:10.16097/j.cnki.1009-6744.2022.02.004

[本文引用: 1]

Good job accessibility contributes to the innovation of the job-living interface, which is a key issue inbuilding sustainable cities. Existing accessibility studies have mostly considered travel costs limited to travel distanceor travel time, without fully considering travel costs and their effects on different travel modes. Based on POI (Point ofInterest) and route planning data from Internet maps and business data platforms, this paper obtains fine-grainedemployment and travel data and uses an improved two-step floating catchment area model to propose a jobaccessibility measure that takes into account travel costs, to study the job accessibility of both public transport andprivate cars and to evaluate the impact of adding travel costs on job accessibility. The case study in Beijing shows thatthe average travel cost of private cars changes from 54% to 6% higher than that of public transportation afterconsidering travel costs. And job accessibility is sensitive to travel costs, and the interaction between commuting andtravel costs cannot be fully captured by considering travel time only; the impact of travel cost is reflected in an overallaverage decrease of 7.3% and 4.8% for public transportation and private car accessibility, and without consideringtravel cost, the job accessibility of subdistricts along with the fifth to sixth ring subway will be underestimated; there isa boundary effect of the travel cost on accessibility, and the higher the threshold, the smaller the impact. This paperprovides insights for planners and policymakers making job accessibility-oriented adjustment strategies for the balancebetween jobs and workers.

Hansen W G.

How accessibility shapes land use

[J]. Journal of the American Institute of Planners, 1959, 25(2):73-76. DOI:10.1080/01944365908978307

URL     [本文引用: 1]

Geurs K T, de Montis A, Reggiani A.

Recent advances and applications in accessibility modelling

[J]. Computers, Environment and Urban Systems, 2015, 49:82-85. DOI:10.1016/j.compenvurbsys.2014.09.003

URL     [本文引用: 1]

Yang L, Ma R, Zhang H M, et al.

Driving behavior recognition using EEG data from a simulated car-following experiment

[J]. Accident Analysis & Prevention, 2018, 116:30-40. DOI:10.1016/j.aap.2017.11.010

URL     [本文引用: 1]

Horner M W.

Spatial dimensions of urban commuting: A review of major issues and their implications for future geographic research

[J]. The Professional Geographer, 2004, 56(2):160-173. DOI:10.1111/j.0033-0124.2004.05602002.x

URL     [本文引用: 1]

Geurs K T, Wee B V.

Accessibility evaluation of land-use and transport strategies: Review and research directions

[J]. Journal of Transport Geography, 2004, 12(2):127-140. DOI:10.1016/j.jtrangeo.2003.10.005

URL     [本文引用: 1]

Foda, M. A., & Osman, A. O.

A GIS approach to study the bus transit network accessibility, case study: The city of Alexandria

Journal of Arab Academy for Science, Technology & Maritime Transport, 2008, 34(65):32-39.

[本文引用: 1]

Lei T L, Church R L.

Mapping transit-based access: Integrating GIS, routes and schedules

[J]. International Journal of Geographical Information Science, 2010, 24(2):283-304. DOI:10.1080/13658810902835404

URL     [本文引用: 1]

Mavoa S, Witten K, et al.

GIS based destination accessibility via public transit and walking in Auckland, New Zealand

[J]. Journal of Transport Geography, 2012, 20(1):15-22. DOI:10.1016/j.jtrangeo.2011.10.001

URL     [本文引用: 1]

江世雄. 城市公共交通系统可达性评价与优化方法[D]. 北京: 北京交通大学, 2019.

[本文引用: 2]

[Jiang S X. Urban public transit system accessibility evaluation and optimization method[D]. Beijing: Beijing Jiaotong University, 2019.]

[本文引用: 2]

Ji Y J, Cao Y, Liu Y, et al.

Analysis of temporal and spatial usage patterns of dockless bike sharing system around rail transit station area

[J]. Journal of Southeast University (English Edition), 2019, 35(2):228-235.

[本文引用: 1]

Cheng C L, Agrawal A.

TTSAT: A new approach to mapping transit accessibility

[J]. Journal of Public Transportation, 2010, 13(1):55-72.

DOI:10.5038/2375-0901      URL     [本文引用: 1]

Zuo T, Wei H, Rohne A.

Determining transit service coverage by non-motorized accessibility to transit: Case study of applying GPS data in Cincinnati metropolitan area

[J]. Journal of Transport Geography, 2018, 67:1-11. DOI:10.1016/j.jtrangeo.2018.01.002

URL     [本文引用: 2]

Wang J Y, Kwan M P, et al.

Assessing changes in job accessibility and commuting time under bike-sharing scenarios

[J]. Transportmetrica A Transport Science, 2022, 20(4):39-50. DOI:10.1080/23249935.2022.2043950

[本文引用: 1]

Zuo T, Wei H, Chen N, et al.

First-and-last Mile solution via bicycling to improving transit accessibility and advancing transportation equity

[J]. Cities, 2020, 99:102614. DOI:10.1016/j.cities.2020.102614

URL     [本文引用: 1]

高德开放平台.

路线规划2.0

[EB/OL]. (2022-6-15) [2022-6-27] https://lbs.amap.com/api/webservice/guide/api/newroute.

URL     [本文引用: 1]

中国城市规划设计研究院.

全国主要城市通勤检测报告

[R]. 北京: 中国城市规划设计研究院, 2020.

[本文引用: 1]

Transit Cooperative Research Program, United States. Federal Transit Administration, Transit Development Corporation, National Research Council. Transit Capacity and Quality of Service Manual, second ed[M].Transportation Research Board, Washington, DC, 2003.

[本文引用: 2]

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

URL     [本文引用: 1]

/

〈 〉