基于?K-Means?聚類算法的城市軌道交通站點分類及客流特征分析

夏 雪，蓋靖元

（1. 沈陽市規(guī)劃設(shè)計研究院有限公司，遼寧沈陽 110004；2. 遼寧省交通運輸事業(yè)發(fā)展中心，遼寧沈陽 110005）

1 研究背景

城市軌道交通因其運量大、速度快、準(zhǔn)時、安全等特點，對滿足高峰時段集聚的出行需求、緩解道路擁堵、節(jié)能減排有著不可估量的作用。截至2020年6月30日，中國內(nèi)地開通城市軌道交通的城市已有41個，運營線路總長度為6 917.62?km[1]。城市軌道交通建設(shè)正處于突飛猛進的發(fā)展時期，而交通站點作為聯(lián)結(jié)周邊城市空間的重要節(jié)點[2]，其分類對于研究不同類型站點的周邊土地利用差異、客流變化規(guī)律、城市空間布局優(yōu)化、新線路站點客流預(yù)測等都有著非常重要的作用。

國內(nèi)已有部分學(xué)者對城市軌道交通站點分類開展研究。例如：徐威、鄭長江等人[3]采用K-Means聚類算法將蘇州市軌道交通站點分為一般站、商業(yè)區(qū)站、交通接駁站、居住區(qū)站、綜合交通樞紐站5類；李國強、楊敏等人[4]利用站點客流數(shù)據(jù)和興趣點（POI）數(shù)據(jù)將南京市軌道交通站點分為居住密集型、崗位密集型、混合型和樞紐型4類；鄧評心、鄭長江等人[5]采用主成分分析、多元線性回歸等方法，定性和定量相結(jié)合的方式將城市軌道交通站點分為4類。但部分學(xué)者[3-12]在進行城市軌道交通站點分類時受數(shù)據(jù)來源的限制，對站點聚類因素的考慮相對有限。

本文以沈陽市已開通的3條城市軌道交通線路（截止到2020年4月分別為1號、2號和9號線），共67個站點（其中9號線皇姑屯站尚未開放）為例，從人口分布、開發(fā)強度、公交接駁、路網(wǎng)長度分布、站點位置屬性、站點客流數(shù)據(jù)六大維度進行聚類分析；基于站點聚類成果，疊合多樣化數(shù)據(jù)，分析總結(jié)出各類站點客流的普適性規(guī)律，為后續(xù)站點的周邊基礎(chǔ)設(shè)施完善、站點客流預(yù)測、車站運營組織方案做出指導(dǎo)。

2 ?基于K-Means聚類算法的站點分類研究

2.1 K-Means 聚類算法

K 均值聚類算法（K-Means?clustering?algorithm）是一種迭代求解的聚類分析算法，通過逐次更新各聚類中心的值，通過迭代得到最理想的聚類結(jié)果。K-Means是聚類算法中最常用的一種，其最大的特點是簡單、易理解、運算速度快，適用于連續(xù)型的數(shù)據(jù)。本次聚類擬采用的數(shù)據(jù)以連續(xù)型數(shù)據(jù)為主，適用于K-Means聚類算法。具體算法步驟[13]如下：

（1）選取K個對象作為初始的聚類中心；

（2）計算每個對象與各初始聚類中心之間的距離，將其劃分至距離最近的聚類中；

（3）全部對象被分配后，重新計算每個聚類的聚類中心，重復(fù)進行對象分配，直至滿足終止條件。

2.2 聚類因素選取和數(shù)值標(biāo)準(zhǔn)化

2.2.1 選取原則

選取城市軌道交通站點聚類因素基于以下原則。

（1）明確城市軌道交通站點的影響范圍，是因素數(shù)值標(biāo)準(zhǔn)化的前提。

（2）城市軌道交通站點作為城市交通網(wǎng)絡(luò)的重要節(jié)點，受現(xiàn)狀條件與地理位置的影響，站點在區(qū)域內(nèi)承擔(dān)不同的作用并呈現(xiàn)出差異化特征，選取的因素應(yīng)能夠反映站點在網(wǎng)絡(luò)中的位置特征。

（3）城市軌道交通作為居民出行的方式之一，其吸引力取決于站點周邊的開發(fā)業(yè)態(tài)、開發(fā)強度、接駁設(shè)施、路網(wǎng)可達性等，選取的因素應(yīng)能夠反映站點周邊各類設(shè)施的服務(wù)水平。

（4）選取的因素應(yīng)能夠反映站點自身特性，如早晚高峰進出客流量或客流比例等。

2.2.2 聚類因素選取

根據(jù)《城市軌道沿線地區(qū)規(guī)劃設(shè)計導(dǎo)則》[14]，本文以站點周邊800?m的區(qū)域作為城市軌道交通站點影響區(qū)，同時綜合考慮因素的選取原則，選定如下六大類數(shù)據(jù)作為站點聚類分析的變量因素。

（1）基于社區(qū)的人口分布數(shù)據(jù)。本文基于沈陽市現(xiàn)狀街道社區(qū)人口數(shù)據(jù)，通過ArcGIS軟件，疊加人口數(shù)據(jù)與城市軌道交通站點800?m覆蓋范圍生成站點覆蓋的人口分布數(shù)據(jù)。

（2）基于興趣點（POI）的開發(fā)強度數(shù)據(jù)。POI數(shù)據(jù)一般包含數(shù)據(jù)名稱、地址、經(jīng)緯度等信息，具有更新速度快、數(shù)據(jù)來源可靠等優(yōu)勢。由于缺乏詳細(xì)的土地利用及崗位數(shù)據(jù)，本文基于高德地圖的POI數(shù)據(jù)，分別選取餐飲、購物、教育、金融、醫(yī)療、公司企業(yè)、政府辦公7類數(shù)據(jù)代表城市軌道交通站點周邊的開發(fā)強度或崗位分布水平，如表1所示。

（3）基于POI的公交站點數(shù)據(jù)。本文利用高德地圖的POI數(shù)據(jù)，統(tǒng)計出城市軌道交通站點800?m范圍內(nèi)的公交站點數(shù)量，用以表征站點周邊公交接駁換乘水平。

（4）基于地理信息系統(tǒng)（GIS）的路網(wǎng)長度數(shù)據(jù)。站點范圍內(nèi)的路網(wǎng)長度是對城市軌道交通站點可達性的體現(xiàn)。一般來說，站點周邊道路網(wǎng)長度越長，在一定程度上體現(xiàn)的站點周邊路網(wǎng)體系越完善，站點可達性越高。本文利用沈陽市道路交通網(wǎng)GIS數(shù)據(jù)，統(tǒng)計出站點800?m范圍內(nèi)的道路網(wǎng)長度。

表1 基于POI數(shù)據(jù)的開發(fā)強度一覽表

（5）基于三層維度的站點位置數(shù)據(jù)。城市軌道交通站點所處區(qū)位對站點周邊空間的開發(fā)規(guī)模、開發(fā)業(yè)態(tài)及交通設(shè)施配套產(chǎn)生較大影響。本文分別從站點在城市空間、軌道線網(wǎng)、城市交通網(wǎng)3個維度入手，對站點的位置屬性進行賦值。其中：城市空間位置依據(jù)沈陽市四環(huán)的城市空間結(jié)構(gòu)中心開發(fā)強度高、外圍開發(fā)強度較為滯后的特點，將站點區(qū)位分為1、2、3、4四個等級，數(shù)字分別代表站點處于幾環(huán)內(nèi)；軌道線網(wǎng)位置依據(jù)站點在軌道線網(wǎng)中的位置，將站點分為終點站、換乘站、一般站3類，分別用1、2、3進行賦值；城市交通網(wǎng)位置將800?m覆蓋范圍存在鐵路、大型公交換乘樞紐的站點定義為交通樞紐站，賦值1，其他站則為0。

（6）基于城市軌道交通自動售檢票系統(tǒng)（AFC）的站點客流數(shù)據(jù)。AFC通過記錄乘客進出站時間、站點編號等信息，分析出各站點全天不同時段上下客流信息。本文以AFC客流數(shù)據(jù)為依據(jù)，分別選取早高峰/晚高峰進站客流占全天進站客流比例、早高峰/晚高峰出站客流占全天出站客流比例共4項數(shù)據(jù)作為站點差異化的客流特征。

綜合以上，本次共選取六大類數(shù)據(jù)、17個具體因素作為站點聚類分析的初始輸入要素，如表2所示。

2.2.3 聚類因素數(shù)值標(biāo)準(zhǔn)化

不同評價指標(biāo)具有不同的量綱，會影響數(shù)據(jù)分析的結(jié)果，為消除指標(biāo)之間的量綱影響，需要進行數(shù)據(jù)標(biāo)準(zhǔn)化處理[3]，以解決數(shù)據(jù)指標(biāo)之間的可比性。本文采用Z-score方法進行數(shù)值標(biāo)準(zhǔn)化處理，即將每一變量值與其平均值之差除以該變量的標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)化后各變量的平均值為0，標(biāo)準(zhǔn)差為1，從而消除了量綱和數(shù)量級的影響。

表2 站點聚類因素一覽表

2.2.4 因子分析

在聚類分析中，選取的因素較多，雖然能夠增加聚類效果的可靠性，但由于指標(biāo)間經(jīng)常存在一定的相關(guān)性，使得觀測數(shù)據(jù)呈現(xiàn)的信息存在重疊現(xiàn)象。而因子分析是一種從多個變量指標(biāo)中選擇出少數(shù)幾個綜合變量指標(biāo)的多元降維統(tǒng)計方法，能夠消除相關(guān)因素信息重疊的影響[15]。

本文將17個因素的標(biāo)準(zhǔn)化數(shù)值進行因子分析，利用統(tǒng)計產(chǎn)品與服務(wù)解決方案（SPSS）軟件計算得到KMO（Kaiser-Meyer-Olkin）和巴特利特球度檢驗結(jié)果。其中，KMO=0.846,處于0.8～0.9之間；巴特利特球度檢驗結(jié)果顯著性=?0，小于0.05，說明因素之間存在很大程度的相關(guān)性，適合進行因子分析。通過因子分析，從17個因素中提取出3個公共因子作為K-Means聚類算法的輸入變量。結(jié)合實際情況，最終選取K值為5類時的聚類結(jié)果作為沈陽市軌道交通站點分類結(jié)果。

2.3 沈陽市軌道交通站點分類結(jié)果

根據(jù)聚類結(jié)果將站點劃分為居住型、商業(yè)商務(wù)型、綜合開發(fā)型、產(chǎn)業(yè)型、交通樞紐型五大類，如圖1所示。

（1）居住型。共40個站點，主要體現(xiàn)為站點覆蓋人口較多，用地業(yè)態(tài)以餐飲、購物、教育等生活型服務(wù)為主，早高峰進站比例明顯高于出站比例。

（2）商業(yè)商務(wù)型。共11個站點，主要體現(xiàn)為用地業(yè)態(tài)中生活型服務(wù)和崗位型服務(wù)較為豐富，早高峰出站比例明顯高于進站比例。

（3）綜合開發(fā)型。共5個站點，主要體現(xiàn)為站點人口覆蓋密集（800?m覆蓋人口在3萬人以上），生活型服務(wù)和生產(chǎn)性服務(wù)較為豐富，處于二環(huán)核心區(qū)以內(nèi)，高峰時段進出比例較為均衡。

圖1 沈陽市軌道交通站點分類

（4）產(chǎn)業(yè)型。共5個站點，主要體現(xiàn)為站點覆蓋人口少，周邊用地業(yè)態(tài)以公司企業(yè)和工廠等崗位型服務(wù)為主，處于外圍環(huán)路，公交站點分布較少，早高峰出站比例明顯高于進站比例。

（5）交通樞紐型。共6個站點，包含城市軌道交通換乘站、鐵路樞紐站和公交樞紐站，該類站點生活型服務(wù)較為豐富，高峰時段進出比例較為均衡。

3 基于站點分類的客流特征分析

3.1 居住型站點客流特征分析

（1）居住型站點高峰時段進出站比例受站點覆蓋人口影響較小，基本穩(wěn)定在一個區(qū)間。居住型站點早高峰進站比例集中在12%～25%之間，出站比例集中在5%～12%之間，早高峰進站比例明顯高于出站，這與居住型站點早高峰居民高強度通勤出行需求有關(guān)，如圖?2?所示。晚高峰時段受各單位通勤時間的差異、居民休閑娛樂需求的影響，晚高峰進出站比例較早高峰低，出站比例略高于進站比例（出站比例集中在8%～14%之間，進站比例集中在4%～10%之間），如圖3所示。

（2）早高峰進站量和晚高峰出站量與居住型站點覆蓋人口成正比關(guān)系，如圖4所示。對早高峰進站量、晚高峰出站量與覆蓋人口進行比值分析，發(fā)現(xiàn)其比值主要在一個區(qū)間內(nèi)浮動，早高峰進站量與人口的比值集中在5%～15%之間，晚高峰出站量與人口的比值集中在0～10%之間，如圖5所示。

3.2 商業(yè)商務(wù)型站點

圖2 居住型站點早高峰進出站客流比例與站點覆蓋

圖3 居住型站點晚高峰進出站客流比例與站點覆蓋

圖4 居住型站點早高峰進站量、晚高峰出站量與站點覆蓋人口關(guān)系

（1）商業(yè)商務(wù)型站點早高峰出站比例和晚高峰進站比例是一天中的峰值。商業(yè)商務(wù)型站點因站點周邊公司企業(yè)、辦公等崗位型用地較多，早高峰出站比例和晚高峰進站比例是一天中的峰值，其中早高峰出站比例主要集中在12%～20%之間，晚高峰進站比例主要集中在10%～15%之間，如圖6所示。

（2）站點周邊POI點位越多，早高峰出站客流占比相對更大。由于崗位型POI點位數(shù)量僅顯示周邊公司企業(yè)數(shù)量，未能直接計算崗位的規(guī)模和數(shù)量，因此只能初步表示崗位的密集程度。對崗位型POI點位和客流比例進行疊加分析發(fā)現(xiàn)，如圖6所示，站點周邊POI點位越多，早高峰出站客流比例相對更大，在一定程度上能夠為今后站點客流預(yù)測作一定參考。

3.3 綜合開發(fā)型站點

綜合開發(fā)型站點的定位為周邊各類生活型和崗位型服務(wù)設(shè)施豐富、人口密集、處于核心區(qū)、道路可達性強、公交接駁水平高的站點，如表3所示。該類站點早晚高峰的進、出站比例較為接近，集中在8%～13%之間，未體現(xiàn)出明顯的高低差距，這與站點周邊用地開發(fā)種類豐富，客流產(chǎn)生量和吸引量都較高有關(guān)，如圖7所示。

3.4 產(chǎn)業(yè)型站點

產(chǎn)業(yè)型站點的定位為站點800?m范圍內(nèi)覆蓋人口少，周邊用地業(yè)態(tài)以公司企業(yè)或工廠等崗位型設(shè)施為主，處于外圍環(huán)路，如表4所示。通常而言，受崗位型用地強客流吸引力影響，產(chǎn)業(yè)型站點應(yīng)體現(xiàn)出早高峰出站比例遠大于進站比例的情況。但本次歸類的產(chǎn)業(yè)型站點情況比較特殊，該類產(chǎn)業(yè)型站點位于外圍的經(jīng)濟技術(shù)開發(fā)區(qū)，800?m范圍內(nèi)以公司企業(yè)為主，800～2?000?m內(nèi)存在大量的住宅小區(qū)。受經(jīng)濟技術(shù)開發(fā)區(qū)與主城區(qū)之間常規(guī)公交、道路等設(shè)施不足的限制，較多的住宅小區(qū)居民傾向于高峰時段通過公交、慢行接駁等方式到達地鐵進行出行，導(dǎo)致本次分類的產(chǎn)業(yè)型站點呈現(xiàn)早晚高峰進站和出站比例相差不大的現(xiàn)象，如圖8所示。因此，外圍站點因周邊交通設(shè)施不便，在分析或預(yù)測站點產(chǎn)生吸引客流量時應(yīng)擴大站點輻射范圍，將接駁客流量也納入考量。

圖5 居住型站點早高峰進站量、晚高峰出站量與站點覆蓋人口比例

圖6 商業(yè)商務(wù)型站點客流特征

表3 綜合開發(fā)型站點周邊設(shè)施表

圖7 綜合開發(fā)型站點客流特征

表4 產(chǎn)業(yè)型站點周邊設(shè)施表

圖8 產(chǎn)業(yè)型站點客流特征

3.5 交通樞紐型站點

樞紐型站點進出站客流不但受周邊用地布局的影響，還受接駁客流的影響。由于對外交通樞紐站（機場、火車站等）客流出行時間分布上較為分散，與通勤早晚高峰重疊度較低，因此該類站點早晚高峰客流特征受接駁客流影響較小，而換乘站則相反，受接駁客流影響較大。

由此次分類的交通樞紐型站點可以看出，如圖9所示，沈陽站、沈陽北站2個鐵路樞紐站早晚高峰進出站客流占比存在較大差異，其中沈陽站緊鄰太原街商圈、沈陽北站緊鄰北站金融商貿(mào)區(qū)，兩者在客流特征上更接近商業(yè)商務(wù)型站點。青年大街、鐵西廣場、奧體中心作為地鐵線路的換乘站，滂江街作為公交與地鐵的換乘站，其早晚高峰進出站客流所占比例接近。

4 結(jié)語

本文結(jié)合AFC、POI、ArcGIS等多樣化數(shù)據(jù)采集方式，從人口分布、開發(fā)強度、公交接駁、路網(wǎng)長度分布、站點位置屬性、站點客流數(shù)據(jù)六大維度入手，多源融合選取了17個站點聚類因素；通過K-Means聚類算法，將沈陽市現(xiàn)狀3?條城市軌道交通線路67個站點劃分為居住型、商業(yè)商務(wù)型、綜合開發(fā)型、產(chǎn)業(yè)型、交通樞紐型五大類；在站點分類的基礎(chǔ)上，融合人口、POI點位等數(shù)據(jù)對站點早晚高峰時段的客流特征進行疊加分析，總結(jié)出沈陽市各類站點高峰進出站客流普適性規(guī)律，可為后續(xù)站點周邊基礎(chǔ)設(shè)施完善、站點客流預(yù)測、車站運營組織方案做出指導(dǎo)。

圖9 交通樞紐型站點客流特征