天津市職住空間分布與軌道交通網(wǎng)絡(luò)耦合關(guān)系
——基于手機(jī)信令數(shù)據(jù)分析

蔣 寅，鄭海星，于士元，唐 曉

(1.天津市市政工程設(shè)計(jì)研究總院，天津300201；2.天津市城市規(guī)劃設(shè)計(jì)研究院，天津300201；3.天津市公安交通管理局，天津300201；4.天津市住建委世行貸款項(xiàng)目辦公室，天津300201)

0 引言

截至2017年末，天津市常住人口1 556.87萬人，軌道交通運(yùn)營里程約166 km，客運(yùn)量約97萬人次·d-1，線路客運(yùn)強(qiáng)度0.6萬人次·d-1·km-1，與人口規(guī)模接近的廣州、重慶等城市相比，軌道交通網(wǎng)絡(luò)客運(yùn)量及客運(yùn)強(qiáng)度偏低[1]。軌道交通網(wǎng)絡(luò)與城市空間結(jié)構(gòu)是否耦合是影響軌道交通客流的重要因素，也是衡量城市交通與用地是否良性發(fā)展的關(guān)鍵指標(biāo)。相關(guān)文獻(xiàn)研究認(rèn)為，軌道交通對都市圈空間具有重構(gòu)及再生作用，而都市圈的空間規(guī)模和結(jié)構(gòu)決定著軌道交通網(wǎng)絡(luò)規(guī)模和形態(tài)[2]。因此，天津市城市空間結(jié)構(gòu)與軌道交通網(wǎng)絡(luò)耦合關(guān)系的研究是當(dāng)前軌道交通大規(guī)模建設(shè)背景下極其重要的課題。

隨著大數(shù)據(jù)在城市交通中的不斷應(yīng)用與推廣，利用手機(jī)信令數(shù)據(jù)研究職住分布關(guān)系及城市空間結(jié)構(gòu)已取得豐富的研究成果。文獻(xiàn)[3]探討不同手機(jī)數(shù)據(jù)的采樣方式對職住地識別結(jié)果及通勤特征分析的影響及其可靠性。文獻(xiàn)[4]利用手機(jī)信令數(shù)據(jù)對北京市用戶職住分布情況進(jìn)行分析。文獻(xiàn)[5]對重慶市主城區(qū)職住狀況與交通系統(tǒng)之間的關(guān)聯(lián)進(jìn)行研究。文獻(xiàn)[6-7]利用手機(jī)信令數(shù)據(jù)研究上海市通勤區(qū)與職住空間分布關(guān)系。文獻(xiàn)[8]基于手機(jī)信令數(shù)據(jù)分析珠三角城市群空間特征。文獻(xiàn)[9]基于手機(jī)信令數(shù)據(jù)估算得出美國舊金山城市交通大區(qū)OD分布。

在借鑒國內(nèi)外手機(jī)信令數(shù)據(jù)分析算法的基礎(chǔ)上，通過分析天津市手機(jī)信令數(shù)據(jù)獲取職住分布關(guān)系，進(jìn)一步提出從通勤圈、CBD、通勤出行聯(lián)系強(qiáng)度三個(gè)維度分析城市空間結(jié)構(gòu)的思路，并在天津市進(jìn)行應(yīng)用，探究現(xiàn)狀已建與近期建設(shè)的軌道交通網(wǎng)絡(luò)與城市空間結(jié)構(gòu)的耦合關(guān)系，為軌道交通線網(wǎng)優(yōu)化及城市空間結(jié)構(gòu)調(diào)整提供參考。

1 手機(jī)信令數(shù)據(jù)的應(yīng)用

1）基于居住地和工作地識別的用戶職住與通勤分析。

手機(jī)信令數(shù)據(jù)具有采樣率高、覆蓋面廣、置信度高等優(yōu)點(diǎn)，為關(guān)注個(gè)人的時(shí)空行為提供了重要的契機(jī)和數(shù)據(jù)基礎(chǔ)。近年來，基于手機(jī)信令數(shù)據(jù)建立城市居民居住與就業(yè)地識別模型，研究居住和就業(yè)的空間分布特征，成為城市與交通規(guī)劃領(lǐng)域的熱點(diǎn)，并得到了廣泛應(yīng)用。

2）基于停留點(diǎn)識別的出行OD分析。

城市居民出行OD及其特征是交通規(guī)劃與管理中最重要的基礎(chǔ)資料之一，也是交通領(lǐng)域中一直研究和探討的重點(diǎn)。手機(jī)信令數(shù)據(jù)積累了大量的用戶實(shí)時(shí)定位數(shù)據(jù)，能夠?yàn)檠芯烤用癯鲂幸?guī)律、實(shí)時(shí)交通狀態(tài)監(jiān)控及估計(jì)出行需求提供豐富的數(shù)據(jù)資源。近年來，基于手機(jī)數(shù)據(jù)的出行OD分析研究在不斷推進(jìn)，然而，受限于手機(jī)基站定位精度的影響，在短距離出行OD及其相關(guān)出行特征分析等方面的應(yīng)用有限。

2 職住地識別

城市空間結(jié)構(gòu)分析主要利用基于手機(jī)信令數(shù)據(jù)得到的職住分布關(guān)系。

2.1 職住地算法

基于手機(jī)信令數(shù)據(jù)的職住地識別算法主要分為3類：時(shí)間閾值法、相對停留時(shí)間法和信息熵法。

1）時(shí)間閾值法。每天夜間(例如0:00—6:00)停留時(shí)間超過某一閾值且1個(gè)月內(nèi)出現(xiàn)次數(shù)大于某一閾值次數(shù)的停留點(diǎn)，作為識別的居住地點(diǎn)；每天白天(例如9:00—17:00)停留時(shí)間超過某一閾值且1個(gè)月內(nèi)出現(xiàn)次數(shù)大于某一閾值次數(shù)的停留點(diǎn)，作為識別的工作地點(diǎn)。

2）相對停留時(shí)間法。計(jì)算夜間觀測時(shí)段內(nèi)(例如0:00—6:00)在各網(wǎng)格停留的時(shí)間占比P，當(dāng)P取最大值時(shí)對應(yīng)停留點(diǎn)作為識別的居住地點(diǎn)；計(jì)算白天觀測時(shí)段內(nèi)(例如9:00—17:00)在各網(wǎng)格停留的時(shí)間占比P，當(dāng)P取最大值時(shí)對應(yīng)停留點(diǎn)作為識別的工作地點(diǎn)。

3）信息熵法。為進(jìn)一步區(qū)分夜間休息與白天休息用戶，文獻(xiàn)[10]引入信息熵的概念，分析研究時(shí)段內(nèi)用戶的活躍度，進(jìn)而有效識別用戶的集中休息時(shí)段，有效解決了無法區(qū)分白天工作用戶和夜間工作用戶的問題。

時(shí)間閾值法和相對停留時(shí)間法較簡單，是各運(yùn)營商、研究機(jī)構(gòu)等普遍采用的方法。信息熵法相對復(fù)雜，應(yīng)用案例較少，但很好地解決了由于用戶作息時(shí)間不規(guī)律或夜間工作等情況而將工作地誤判為居住地的問題。

在借鑒國內(nèi)外手機(jī)信令數(shù)據(jù)職住地識別算法的基礎(chǔ)上，結(jié)合天津市聯(lián)通、移動、電信三家運(yùn)營商手機(jī)信令數(shù)據(jù)實(shí)際情況，綜合考慮時(shí)間閾值、相對停留時(shí)間以及信息熵等方法的使用，利用時(shí)間-空間雙層聚類分析，形成一套有效的天津市職住地識別算法。時(shí)間上的聚類指對位于同一網(wǎng)格(300 m×300 m)的連續(xù)記錄進(jìn)行合并處理；空間上的聚類指考慮到手機(jī)信令數(shù)據(jù)的“乒乓”現(xiàn)象，對潛在居住地(工作地)停留時(shí)間進(jìn)行統(tǒng)計(jì)時(shí)，將附近一定范圍內(nèi)網(wǎng)格的停留時(shí)間也統(tǒng)計(jì)在內(nèi)。具體如下：

1）數(shù)據(jù)概況。

獲取天津市聯(lián)通、移動、電信三家運(yùn)營商連續(xù)1個(gè)月的手機(jī)信令數(shù)據(jù)，包括用戶編號、網(wǎng)格ID、網(wǎng)格中心經(jīng)度、網(wǎng)格中心緯度、開始時(shí)間、結(jié)束時(shí)間等信息。網(wǎng)格尺寸約為300 m×300 m。

2）數(shù)據(jù)預(yù)處理。

首先，對純上網(wǎng)手機(jī)號、當(dāng)月工作日內(nèi)大都未出現(xiàn)過信令數(shù)據(jù)(概率＞0.5)的用戶進(jìn)行過濾，該部分用戶不進(jìn)行工作地與居住地的識別。

其次，新增首記錄和完善末記錄。新增首記錄的網(wǎng)格編號設(shè)為昨日該用戶出現(xiàn)的最后一個(gè)網(wǎng)格編號，開始時(shí)間設(shè)為00:00:00，結(jié)束時(shí)間設(shè)為當(dāng)日第一條記錄開始時(shí)間；末記錄的網(wǎng)格編號、開始時(shí)間不變，結(jié)束時(shí)間設(shè)為23:59:59。

3）用戶集中休息時(shí)段識別與工作分析時(shí)段選取。

信息熵值大小反映了用戶在研究時(shí)段內(nèi)的活躍程度。信息熵值越大，活躍度越高。當(dāng)用戶處于完全靜止?fàn)顟B(tài)時(shí)，信息熵值為0。

將工作日劃分為0:00—6:00，6:00—12:00，12:00—18:00，18:00—24:00四個(gè)時(shí)段，各含6 h。分別統(tǒng)計(jì)不同時(shí)段內(nèi)各用戶在各網(wǎng)格的停留時(shí)間，計(jì)算各用戶在各時(shí)段內(nèi)的信息熵值

圖1 各時(shí)段信息熵值分布Fig.1 Information entropy distribution by time

式中：Pij為用戶Xi在在停留點(diǎn)j的停留時(shí)間占比，Pij=Tij/T，其中，Tij為研究時(shí)段內(nèi)用戶Xi在停留點(diǎn)j的總停留時(shí)間/h，T為研究時(shí)段總時(shí)間(6h)。

選取全天四個(gè)時(shí)段內(nèi)信息熵值最小時(shí)段作為用戶的集中休息時(shí)段。如果出現(xiàn)一個(gè)用戶含有多個(gè)信息熵最小值，優(yōu)先考慮時(shí)段00:00—06:00；否則，隨機(jī)選取即可。

綜合考慮三班倒、兩班倒、正常通勤等各類用戶的集中休息與工作時(shí)段特征，當(dāng)用戶集中休息時(shí)段為0:00—6:00時(shí)，選取10:00—20:00作為工作分析時(shí)段；當(dāng)用戶集中休息時(shí)段為其他時(shí)段時(shí)，則選取1:00—7:00作為工作分析時(shí)段。

為更好地反映用戶活動特征與信息熵值的關(guān)系，以0.5 h為統(tǒng)計(jì)時(shí)間間隔，對用戶1和用戶2在連續(xù)一周內(nèi)的信息熵值分別進(jìn)行分析。如圖1所示，橫坐標(biāo)代表一周內(nèi)不同日，縱坐標(biāo)代表一日內(nèi)不同統(tǒng)計(jì)時(shí)間間隔，數(shù)值代表對應(yīng)日對應(yīng)時(shí)段該用戶活動的信息熵值，顏色越紅，代表信息熵值越大；信息熵為0時(shí)，代表用戶未活動?？梢钥闯?，用戶1的活動主要集中在白天，集中休息時(shí)段為00:00—06:00；用戶2的活動主要集中在夜間，集中休息時(shí)段為12:00—18:00，因此，計(jì)算信息熵值可有效避免由于統(tǒng)一規(guī)定用戶集中休息時(shí)段而將工作地誤判為居住地。

4）用戶居住地(工作地)推算。

首先，計(jì)算用戶i在工作日j集中休息時(shí)段(或工作時(shí)段)內(nèi)在各網(wǎng)格k的停留時(shí)間Ti,j,k。

其次，識別用戶潛在居住地(工作地)。以停留時(shí)間最大時(shí)對應(yīng)的網(wǎng)格為中心，對該用戶當(dāng)天集中休息時(shí)段(工作時(shí)段)內(nèi)出現(xiàn)的其他網(wǎng)格進(jìn)行空間聚類?？紤]到基站服務(wù)范圍約為0.4～1.5 km，居住地推算時(shí)聚類半徑取1.5 km，工作地推算時(shí)聚類半徑取0.6 km。統(tǒng)計(jì)各聚類的總停留時(shí)間，并選取總停留時(shí)間≥ΔT的用戶作為目標(biāo)用戶。居住地推算時(shí)ΔT取4 h，工作地推算時(shí)ΔT取2 h。針對各目標(biāo)用戶，選取停留時(shí)間排名前三的網(wǎng)格作為當(dāng)天識別的潛在居住地(或工作地)。

如圖2所示，用戶i在第j個(gè)工作日的休息時(shí)段(6 h)內(nèi)，共出現(xiàn)在網(wǎng)格1，2和3三個(gè)位置，且Ti,j,1≥Ti,j,2≥Ti,j,3?？紤]到用戶在集中休息時(shí)段內(nèi)的位置穩(wěn)定性特征，以網(wǎng)格1為中心，統(tǒng)計(jì)附近1.5 km范圍內(nèi)出現(xiàn)的所有網(wǎng)格位置的總停留時(shí)間如果Ti,j≥4 h，則判斷該用戶在該工作日的潛在居住地依次為網(wǎng)格1、網(wǎng)格2、網(wǎng)格3。

最后，綜合各用戶在該月出現(xiàn)的所有潛在居住地(工作地)網(wǎng)格，按累計(jì)出現(xiàn)天數(shù)、累計(jì)停留時(shí)間等條件依次降序排列，如果第一潛在居住地(工作地)所在網(wǎng)格在該月工作日出現(xiàn)的概率大于0.5，則判定該網(wǎng)格為該用戶的居住地(工作地)網(wǎng)格。

另外，對于工作地和居住地位于同一網(wǎng)格的用戶，識別為特殊用戶，如寄宿學(xué)生、居家老人等。

2.2 計(jì)算結(jié)果

通過分析聯(lián)通、移動、電信三家運(yùn)營商1個(gè)月連續(xù)的手機(jī)信令數(shù)據(jù)，對天津市常住人口的工作地與居住地進(jìn)行識別，并對其職住空間分布進(jìn)行分析。

圖2 潛在居住地識別Fig.2 Recognition of potential residence place

圖3 雙城人口和就業(yè)崗位密度分布Fig.3 Population density and employment density in twin cities of Tianjin

1）職住識別總體概況。

天津市常住人口居住地識別規(guī)模約為865萬人，相當(dāng)于天津市常住人口55%的抽樣率。常住人口的工作地識別規(guī)模約為697萬人，過濾特殊用戶(如寄宿學(xué)生、小區(qū)底商、居家老人等)后約為289萬人，其中識別夜間上班用戶約占10%(見表1)。

表1 天津市常住人口職住地識別概況Tab.1 Overview of work and housing locations of Tianjin residents 萬人

2）雙城人口與就業(yè)崗位密度分布。

如圖3所示，天津市中心城區(qū)的人口主要分布在快速環(huán)線以內(nèi)；崗位高度集中在南京路沿線區(qū)域；濱海新區(qū)核心區(qū)的人口主要分布在塘沽老城，就業(yè)崗位主要分布在開發(fā)區(qū)、外灘等地區(qū)，與實(shí)際情況基本相符。

3 基于職住分布分析城市空間結(jié)構(gòu)的主要思路

城市空間結(jié)構(gòu)是以一定的組織方式，將城市內(nèi)部的各要素(如經(jīng)濟(jì)活動、土地利用、建筑、社會群體等)、城市形態(tài)以及城市間的相互作用關(guān)系連接起來，最終形成一個(gè)完整的系統(tǒng)[11]。利用手機(jī)信令數(shù)據(jù)分析城市空間結(jié)構(gòu)，主要反映人的活動規(guī)律，從而間接反映城市空間形態(tài)，因此更偏向地理學(xué)角度對城市空間結(jié)構(gòu)的分析。

基于手機(jī)信令數(shù)據(jù)得到的職住分布特征對城市空間結(jié)構(gòu)分析主要關(guān)注三個(gè)方面(見圖4)：城市空間拓展的范圍；城市CBD的規(guī)模結(jié)構(gòu)與輻射范圍；各區(qū)域之間聯(lián)系強(qiáng)度。

圖4 基于職住分布分析城市空間結(jié)構(gòu)的技術(shù)路線Fig.4 Techniques of urban spatial structure based on job-housing distribution

1）城市空間拓展的范圍，即大都市區(qū)范圍，通勤率是國外大都市區(qū)劃分的核心指標(biāo)，因此可以通過手機(jī)信令數(shù)據(jù)得到中心城區(qū)與外圍組團(tuán)的通勤率，研究通勤圈范圍，從而界定城市空間拓展的主要范圍。

2）城市形態(tài)主要針對城市CBD進(jìn)行分析，通過手機(jī)信令數(shù)據(jù)得到人口密度和就業(yè)崗位密度，界定CBD的規(guī)模與范圍，并進(jìn)一步分析CBD工作與居住人員的分布規(guī)律，研究CBD的輻射范圍。

3）各區(qū)域之間空間聯(lián)系主要針對通勤出行聯(lián)系強(qiáng)度進(jìn)行分析，通過手機(jī)信令數(shù)據(jù)得到職住分布關(guān)系，從而獲取各區(qū)域間通勤出行聯(lián)系強(qiáng)度。

4 職住空間與軌道交通網(wǎng)絡(luò)耦合關(guān)系

4.1 通勤圈分析

通勤圈也稱作都市圈，一般以外圍地區(qū)前往中心城區(qū)的通勤率作為主要指標(biāo)來表達(dá)都市圈的空間層次結(jié)構(gòu)。通勤率指外圍地區(qū)的就業(yè)人口前往中心城區(qū)通勤的比例，或在中心城區(qū)居住但在外圍地區(qū)就業(yè)的人口占該地區(qū)就業(yè)人口的比例。美國1990年提出的大都市區(qū)界定標(biāo)準(zhǔn)為，至少15%非農(nóng)業(yè)勞動力向中心縣以內(nèi)范圍通勤或雙向通勤率達(dá)到20%以上；日本以5%或10%的通勤率為標(biāo)準(zhǔn)界定大都市圈范圍[12]。

天津市呈現(xiàn)以中心城區(qū)和濱海新區(qū)核心區(qū)為雙核的空間結(jié)構(gòu)模式，因此以中心城區(qū)和濱海新區(qū)核心區(qū)為對象，分別進(jìn)行通勤圈分析。將雙城外圍地區(qū)按照組團(tuán)進(jìn)行劃分計(jì)算與雙城的通勤率，分別按照5%，10%，15%，20%的通勤率計(jì)算通勤圈覆蓋工作人口居住地和居住人口工作地的比例，最終選取10%的標(biāo)準(zhǔn)作為通勤圈劃分的閾值(見圖5，表2和表3)，以實(shí)現(xiàn)通勤圈覆蓋居住人口工作地的比例達(dá)到96%以上。

圖5 雙城通勤圈Fig.5 Commuting loops in twin cities of Tianjin

表2 中心城區(qū)通勤圈分析Tab.2 Commuting loops in urban central area

表3 濱海新區(qū)核心區(qū)通勤圈分析Tab.3 Commuting loop in core area of Tianjin Binhai NewArea

分析表明：1)從通勤圈的面積來看，中心城區(qū)遠(yuǎn)大于濱海新區(qū)核心區(qū)，表明雙核結(jié)構(gòu)中中心城區(qū)是主核，濱海新區(qū)核心區(qū)是副核；2)從通勤半徑看，中心城區(qū)平均通勤半徑約27 km，濱海新區(qū)核心區(qū)通勤半徑約20 km，通勤半徑均較小；3)從通勤方向看，不管是通勤范圍還是通勤量，雙核由內(nèi)至外出行均大于由外至內(nèi)出行，中心城區(qū)進(jìn)出比為1:1.87，濱海新區(qū)核心區(qū)為1:1.08(見表4)，表明現(xiàn)階段天津市作為工業(yè)城市，至外圍二產(chǎn)崗位的通勤量大于至雙城三產(chǎn)崗位的通勤量。

表4 雙城通勤方向分析Tab.4 Commuting directions in twin cities of Tianjin

根據(jù)天津市軌道交通近期建設(shè)規(guī)劃[13]，天津市中心城區(qū)在已建的軌道交通1號、2號、3號、9號線及即將通車的軌道交通5號、6號線基礎(chǔ)上，將建設(shè)軌道交通4號、7號、8號、11號線，濱海新區(qū)將建設(shè)軌道交通B1線、市域軌道交通Z2及Z4線。

從通勤圈與軌道交通網(wǎng)絡(luò)的耦合關(guān)系看(見圖6)，軌道交通覆蓋了外圍與雙城區(qū)之間通勤聯(lián)系較強(qiáng)的主要組團(tuán)(通勤率＞30%)，但也存在不足。1)對部分強(qiáng)通勤聯(lián)系的組團(tuán)覆蓋不足，如中心城區(qū)西側(cè)組團(tuán)。2)市域軌道交通線路的建設(shè)時(shí)機(jī)與功能定位有待進(jìn)一步研究，例如，南北向Z4線北側(cè)漢沽與濱海新區(qū)核心區(qū)通勤功能較弱，該段軌道交通線路建設(shè)時(shí)機(jī)有待商榷；東西向Z2線從雙城北側(cè)外圍通過，主要服務(wù)雙城間產(chǎn)業(yè)區(qū)的通勤，與雙城需要換乘才能進(jìn)入城市中心區(qū)，不是一般市域軌道交通線路主要服務(wù)中心城區(qū)通勤的功能，其功能定位有待進(jìn)一步研究。

圖6 雙城通勤圈與近期建設(shè)軌道交通網(wǎng)絡(luò)耦合關(guān)系Fig.6 Relationship between commuting loop and recently-constructed rail transit network in twin cities of Tianjin

4.2 CBD分析

從就業(yè)崗位密度分布可以清晰地看到雙城的CBD范圍。由于現(xiàn)階段濱海新區(qū)核心區(qū)CBD的能級較小，因此主要分析中心城區(qū)的CBD，其范圍見圖7。該CBD區(qū)域面積約10.4 km2，占通勤圈面積的0.5%；居住人口約34.5萬人，占通勤圈居住人口的4.0%，其中通勤居住人口約18萬人；就業(yè)崗位約46.5萬個(gè)，占通勤圈就業(yè)崗位的8.9%。總體來看，CBD能級偏小，其聚集效應(yīng)必須進(jìn)一步強(qiáng)化，因此從發(fā)揮CBD效應(yīng)的角度看現(xiàn)階段仍然需要集聚而不是分散。

圖7 中心城區(qū)就業(yè)崗位密度與CBD范圍Fig.7 Employment density and scope of CBD in urban central area

從CBD職住分布看，CBD居住人員主要在CBD及周圍緊鄰區(qū)域工作(見圖8a)，這一比例約為61.2%；CBD就業(yè)人員主要在外環(huán)線以內(nèi)居住(見圖8b)，CBD的輻射范圍較小，其吸引外部就業(yè)人員約占CBD就業(yè)崗位的82.4%。

圖8 中心城區(qū)CBD職住分布關(guān)系Fig.8 Job-housing distribution in CBD

從CBD就業(yè)人口居住地分布與近期放射性的軌道交通線路的耦合關(guān)系看，軌道交通網(wǎng)絡(luò)對CBD的支撐作用有待加強(qiáng)。主要表現(xiàn)在兩方面：1)部分主要通勤走廊缺少軌道交通覆蓋，或沒有覆蓋到主要方向(見圖9a中紅色箭頭示意走廊)；2)部分軌道交通線路站間距偏大，導(dǎo)致CBD軌道交通車站500 m覆蓋范圍不足，僅為70%左右(見圖9b)。

圖9 中心城區(qū)CBD與近期放射性軌道交通線網(wǎng)耦合關(guān)系Fig.9 Relationship between CBD and radial rail transit network

4.3 通勤出行聯(lián)系強(qiáng)度分析

空間聯(lián)系分為人流和物流的空間聯(lián)系。人流的空間聯(lián)系可以分為通勤出行聯(lián)系和非通勤出行聯(lián)系。通過手機(jī)信令數(shù)據(jù)得到工作地與居住地分布，可以分析人流的通勤出行聯(lián)系強(qiáng)度。

從圖10可以看出：1)通勤出行總體圍繞雙核展開，雙核間通勤聯(lián)系總體不大；2)相鄰區(qū)域間通勤聯(lián)系較強(qiáng)；3)中心城區(qū)CBD對外輻射出行特征明顯。

圖10 通勤出行聯(lián)系強(qiáng)度Fig.10 Degree of commuting travel connecting

從中心城區(qū)軌道交通5號線與6號線的組合環(huán)線與通勤出行耦合關(guān)系看(見圖11)，軌道交通環(huán)線與CBD外圍的通勤出行環(huán)較吻合，環(huán)線位置的選擇基本合理，但組合環(huán)的布局模式值得商榷。組合環(huán)占據(jù)了4條放射線位置，而這4條放射線走廊有3條與CBD有較強(qiáng)的聯(lián)系(分別為M6北、M6南、M5南)，因此，通過這3條走廊前往CBD的軌道交通乘客至少需要換乘1次。由于重要的放射性走廊是非常寶貴的通道資源，站在乘客出行的角度分析，天津市中心城區(qū)軌道交通組合環(huán)線的布設(shè)模式值得商榷，采用完整環(huán)線模式相對更合理。

圖11 中心城區(qū)軌道交通環(huán)線與通勤出行耦合關(guān)系Fig.11 Relationship between loop lines of rail transit in urban central area and commuting travel

5 結(jié)論

天津市現(xiàn)狀及近期建設(shè)軌道交通網(wǎng)絡(luò)與城市現(xiàn)狀空間結(jié)構(gòu)耦合度一般，有較大改善空間。1)通勤圈層面，軌道交通網(wǎng)絡(luò)對部分強(qiáng)通勤聯(lián)系的外圍組團(tuán)覆蓋不足，濱海新區(qū)部分市域軌道交通線路的建設(shè)時(shí)機(jī)與功能定位有待進(jìn)一步研究；2)CBD層面，部分主要通勤走廊缺少軌道交通覆蓋，或沒有覆蓋到主要方向，CBD軌道交通車站500 m覆蓋范圍僅70%左右，覆蓋不足；3)通勤出行聯(lián)系強(qiáng)度層面，中心城區(qū)組合環(huán)線的布設(shè)模式值得商榷。

上述結(jié)論主要依據(jù)現(xiàn)有的職住分布特征及城市空間結(jié)構(gòu)與軌道交通網(wǎng)絡(luò)的耦合關(guān)系，但軌道交通建設(shè)對城市用地和空間布局有很強(qiáng)的引導(dǎo)作用，隨著軌道交通網(wǎng)絡(luò)的完善，城市空間結(jié)構(gòu)也將相應(yīng)改變。因此，建議定期開展基于手機(jī)信令數(shù)據(jù)的城市空間結(jié)構(gòu)與軌道交通網(wǎng)絡(luò)耦合關(guān)系的評估工作，為軌道交通線網(wǎng)建設(shè)及城市空間結(jié)構(gòu)調(diào)整及時(shí)提供科學(xué)依據(jù)。