郊域軌道交通對土地利用演變的影響分析

李俊芳，姚敏峰，胡華

(1.上海工程技術(shù)大學(xué)，城市軌道交通學(xué)院，上海201620；2.華僑大學(xué)建筑學(xué)院，福建廈門362021)

0 引言

郊區(qū)新型城鎮(zhèn)化是我國新型城鎮(zhèn)化主要發(fā)展方向之一，在國家公布的第三批新型城鎮(zhèn)化綜合試點地區(qū)中，北京市順義區(qū)等均屬郊區(qū)。近期上海全力推進(jìn)將五大郊區(qū)新城建設(shè)成為長三角地區(qū)具有輻射帶動作用的綜合性節(jié)點城市的議題揭示了上海郊區(qū)新型城鎮(zhèn)化的內(nèi)涵與重要性。大運量軌道交通被公認(rèn)為是新型城鎮(zhèn)化發(fā)展的核心動力之一[1]。大城市的郊區(qū)與市區(qū)間多建設(shè)有軌道交通以促進(jìn)郊區(qū)發(fā)展，但郊區(qū)城鎮(zhèn)間暫無線路(連接郊區(qū)城鎮(zhèn)的線路即郊域軌道交通線路，簡稱郊域線)。據(jù)筆者統(tǒng)計上海軌道交通起始站均為郊區(qū)車站的全日客流量占全網(wǎng)客流量的34.7%。國外為了促進(jìn)郊區(qū)發(fā)展，大城市多建有郊域線[2]。國內(nèi)郊區(qū)間出行需求的壓力與國外的實踐充分說明了郊域線建設(shè)的必要性與可行性，同時作為我國新基建的主要領(lǐng)域，建設(shè)郊域線不僅在技術(shù)層面能切實有效解決郊區(qū)間出行問題，同時在戰(zhàn)略層面，借助郊域線深入推進(jìn)郊區(qū)新型城鎮(zhèn)化，能夠?qū)耶?dāng)前的兩大戰(zhàn)略目標(biāo)較好地融合在一起，符合國家戰(zhàn)略需求，具有深遠(yuǎn)意義。上海郊域線嘉閔線已于2021年開工，可以預(yù)見郊域線將愈受關(guān)注。

城市軌道交通是引導(dǎo)城市土地開發(fā)建設(shè)的重要媒介，能夠帶動土地整合，優(yōu)化城市結(jié)構(gòu)。已有諸多學(xué)者針對城市軌道交通對土地發(fā)展的影響展開了研究[3-4]，軌交線引起的土地利用演變(Land Use Change，LUC)也是學(xué)術(shù)界研究的熱點之一[5-6]。郊域線LUC規(guī)律是科學(xué)開發(fā)郊域線周邊土地的依據(jù)，是郊域線與郊區(qū)新型城鎮(zhèn)化土地利用協(xié)調(diào)發(fā)展的基礎(chǔ)，目前國內(nèi)郊域線尚屬新興事物，此階段對郊域線LUC規(guī)律展開研究是有必要且有意義的。目前既有研究多集中于市郊線的LUC 規(guī)律，鮮有涉及郊域線；主要是對LUC結(jié)果進(jìn)行簡單統(tǒng)計，鮮有涉及影響因素與LUC間關(guān)系，即LUC機制的研究。譚章智[3]研究了廣州市地鐵2 號線與8號線周邊2000年，2006年，2010年與2015年土地利用狀態(tài)(Land Use，LU)，通過對比找出變化的地塊后，得到站點周邊低密度居住用地向商業(yè)用地、高密度居住用地等高效益LU 的轉(zhuǎn)變，且具有階段性與空間異質(zhì)性規(guī)律，對城市中心區(qū)域的影響較小，對郊區(qū)的影響主要與可用的非建設(shè)用地面積相關(guān)。吳韜[4]對天津地鐵1號線2006年與2017年LU進(jìn)行對比后發(fā)現(xiàn)：城市核心區(qū)域站點設(shè)施相對完善，地塊更新較少，沿線土地功能結(jié)構(gòu)更趨于混合利用，商業(yè)用地明顯增加，工業(yè)倉儲用地則相應(yīng)減少；居住用地比例變化不大，主要是低層住宅更新為高層住宅，開發(fā)強度更大。由于郊域線與市郊線服務(wù)區(qū)域與功能不同，前者主要連接與服務(wù)郊區(qū)新城鎮(zhèn)，如嘉閔線主要連接嘉定、閔行各主要城鎮(zhèn)；后者連接了擁有大量就業(yè)崗位及商業(yè)娛樂活動頻繁的市區(qū)，可以預(yù)見兩者的LUC規(guī)律會有差異，故本文對郊域線的LUC規(guī)律與機制展開研究。

元胞自動機(CA)是模擬LUC 常用的仿真工具[7]。CA的核心轉(zhuǎn)化規(guī)則即LUC機制常通過構(gòu)建模型獲取，其中線性或Logistic 回歸模型難以反映LUC 所涉及的非線性復(fù)雜特征[7-8]。馬爾科夫鏈無法處理社會經(jīng)濟類的定量因素[9]。故具有較高模擬精度與效率的人工智能算法被引進(jìn)，如人工神經(jīng)網(wǎng)絡(luò)(ANN)，但其黑箱機制使其無法反映因素對LUC的影響[10]。貝葉斯網(wǎng)絡(luò)(Bayesian Network,BN)也是人工智能的典型算法，其具有很強的表達(dá)時空復(fù)雜性的潛力，用概率表達(dá)因子間的關(guān)系，與LUC問題的特性(LU 間的轉(zhuǎn)化概率)較為匹配[11]。故本文采用BN 對郊域線的LUC 機制進(jìn)行建模。LUC 受多因素影響，為減弱其他因素影響，研究郊域線對LUC的影響時，設(shè)計參照區(qū)，將軌交線緩沖區(qū)(客流吸引范圍內(nèi))與參照區(qū)(客流吸引范圍外)LUC 差異進(jìn)行對比，同時將市郊線與郊域線進(jìn)行對比。最后以東京郊域軌道交通多摩線為案例，驗證方法的可行性與適用性。

1 LUC模型

1.1 貝葉斯定理(Bayes)及BN

Bayes 與BN 均用于表達(dá)與分析不確定性和概率性問題。Bayes 表達(dá)兩個變量間的概率，公式為。其數(shù)學(xué)解釋為在變量B發(fā)生時，變量A發(fā)生的概率取決于既有數(shù)據(jù)中兩者的先驗概率及兩者之間的概率關(guān)系。BN 是Bayes 的擴展，在目標(biāo)變量有條件地依賴多種控制變量的情況下，從既有的知識或信息中做出推理，最終做出決策。BN 是一個有向無環(huán)圖，常用表示，其中，I為圖中的結(jié)點集合，E為有向連接線段的集合。結(jié)點代表隨機變量，結(jié)點間的有向邊代表結(jié)點間的互相關(guān)系(由父結(jié)點指向其子結(jié)點)，用條件概率進(jìn)行表達(dá)關(guān)系強度，沒有父結(jié)點的用先驗概率進(jìn)行信息表達(dá)。圖1為BN的簡單例子，其中，X1，X2，X3，X4均為網(wǎng)絡(luò)結(jié)點。

圖1 簡單的BNFig.1 Simple BN case

圖中箭頭從X1指向X3，X1稱為X3的父結(jié)點，X3稱為X1的子結(jié)點。BN適用于連續(xù)與分類變量，對于后者，每個結(jié)點附屬有該結(jié)點對應(yīng)變量在其父結(jié)點確定時的條件概率表(如果沒有父結(jié)點如X1與X2，就是各自的先驗概率)。所有概率表集合定義了模型的參數(shù)。

1.2 BN求解、推理與模式分析

通過網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)學(xué)習(xí)實現(xiàn)求解。結(jié)構(gòu)可通過專家指定，但若結(jié)點間關(guān)系未知或部分已知，需通過學(xué)習(xí)觀察數(shù)據(jù)得到，做法是在給定數(shù)據(jù)集中尋找變量間的條件獨立性關(guān)系?；诰W(wǎng)絡(luò)結(jié)構(gòu)和數(shù)據(jù)，采用最大似然估計法進(jìn)行網(wǎng)絡(luò)參數(shù)學(xué)習(xí)。

BN 因果推理是根據(jù)獲得的自變量值，利用網(wǎng)絡(luò)計算出該自變量值下因變量某具體值發(fā)生的概率。圖1中當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)學(xué)習(xí)完成后，在X1取值x1，X2取值x2時，X3的值為x3的概率可以直接從網(wǎng)絡(luò)得出。由于BN的逆概率性，也可實施診斷與支持推理，其過程與因果推理類似。BN推理可用于預(yù)測。

為辨識某變量的關(guān)鍵影響變量，利用網(wǎng)絡(luò)實施模式分析，計算目標(biāo)變量某狀態(tài)下各變量強度，公式為

式中：Xtest為待檢驗變量；Xtarget為目標(biāo)變量；rtarget為目標(biāo)變量的狀態(tài)總數(shù)；k為目標(biāo)變量除狀態(tài)t外的狀態(tài)值；為待檢驗變量強度計算函數(shù)。式(1)表示待檢驗變量在目標(biāo)變量為狀態(tài)t時與其在目標(biāo)變量為其他狀態(tài)時的距離，距離大說明目標(biāo)變量為不同狀態(tài)時待檢驗變量差異顯著，說明目標(biāo)變量對該檢驗變量的影響大。將同一目標(biāo)變量的多個檢驗變量的強度進(jìn)行對比可辨識目標(biāo)變量影響最大的變量。如可辨識區(qū)域變量(緩沖區(qū)、參照區(qū))影響最大的變量，則該變量有可能是受軌道交通影響最大的變量。

1.3 BN變量選取——軌道交通引起的LUC

目標(biāo)結(jié)點變量是軌道交通建設(shè)后地塊的類型，用“終態(tài)”變量表示，有田地，森林，荒地，建筑用地，交通用地，運動競技用地，水域，草地8 個變量值。影響因素包含：①地塊的初始利用類型，用“初始態(tài)”變量表示，同“終態(tài)”變量，有8 個變量值；②地塊初始鄰域地塊狀態(tài)，用鄰域地塊中各LU 的個數(shù)表示，含8 種地塊類型變量，每個變量取值從0 到8(因為地塊有8個鄰域地塊，屬于某LU的個數(shù)不超過8)，代表鄰域地塊中該類型地塊的個數(shù)；③地塊是否位于客流吸引范圍內(nèi)，用區(qū)域變量表示，有參照區(qū)、緩沖區(qū)2個變量值。

2 案例分析

2.1 案例介紹

鑒于國內(nèi)缺乏完整的可獲取的LU 數(shù)據(jù)，而東京都1987年，1991年，1997年，2006年，2014年的LU 數(shù)據(jù)全面且公開透明易獲取，選擇東京都作為研究城市。研究東京都郊域線的LUC 規(guī)律于上海、北京、廣州等大城市具有很好的參考價值。以東京都郊域線——多摩線作為實證研究對象，并選取市郊線——7 號線作對比。多摩線1998年開通運營，7 號線1991年開通運營。東京都行政區(qū)劃圖、軌道交通網(wǎng)絡(luò)圖及多摩線與7 號線均見文獻(xiàn)[4]，東京都土地利用狀態(tài)(以2006年為例)與兩線車站位置如圖2所示。鑒于軌道交通線路對LUC 的影響集中在一定范圍，取線路2 km 緩沖區(qū)作為LUC研究范圍[4]。

圖2 東京都LU與線路車站位置Fig.2 LU in Tokyo and station sites of research lines

2.2 參照區(qū)選取

選擇線路2 km緩沖區(qū)外同行政區(qū)的其他區(qū)域作為參照區(qū)，兩線參照區(qū)范圍見文獻(xiàn)[4]。兩線LUC 情況分別如圖3 和圖4所示。多摩線1998年開通，暫用1997年的土地利用數(shù)據(jù)。

圖3 7號線LUC情景Fig.3 LUC of 7 Line by time

2.3 演變規(guī)律

采用Bayes Server[12]軟件對網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)構(gòu)建與參數(shù)標(biāo)定。兩線LUC規(guī)律BN結(jié)構(gòu)分別如圖5和圖6所示。圖5中97終態(tài)與06終態(tài)兩個終態(tài)變量，分別表示多摩線開通時與開通后LU；圖6 中91 終態(tài)與97終態(tài)的解釋同理。

圖6 7號線LUC規(guī)律BN結(jié)構(gòu)Fig.6 BN of land use change for 7 Line

(1)多摩線

圖5 中，區(qū)域變量與97 終態(tài)和06 終態(tài)有直接關(guān)聯(lián)，表明開通時和開通后LU與區(qū)域有關(guān)，說明多摩線建設(shè)與運營均對LUC 產(chǎn)生了影響；區(qū)域變量與初始鄰域森林地塊個數(shù)有直接關(guān)聯(lián)，因為緩沖區(qū)即使在未建設(shè)多摩線之前，也屬開發(fā)較多，森林占比較小的區(qū)域，與參照區(qū)森林占比有顯著差異。初始態(tài)與97終態(tài)有直接關(guān)聯(lián)，06終態(tài)與97終態(tài)、初始態(tài)均無關(guān)聯(lián)，說明開通前LU 僅影響了開通時LU，運營期LU 不依賴初始態(tài)或前一時期狀態(tài)，表明郊域線作為郊區(qū)LUC 的強驅(qū)動力，運營后引起LUC活躍程度較大。模式分析結(jié)果如表1所示。

表1 多摩線LUC規(guī)律BN模式分析Table 1 Pattern analysis for BN of Tamatoshi monorail line

圖5 多摩線LUC規(guī)律BN結(jié)構(gòu)Fig.5 BN of LUC for Tamatoshi monorail line

從表1 可以看出，區(qū)域變量取為緩沖區(qū)時，強度較大的變量依次是初始鄰域森林地塊個數(shù)、06終態(tài)，初始鄰域建筑用地個數(shù)以及97 終態(tài)。表明緩沖區(qū)與參照區(qū)上述變量出現(xiàn)了顯著差異，初始鄰域森林地塊個數(shù)、06終態(tài)，97終態(tài)變量與上文分析一致。初始鄰域建筑地塊個數(shù)的解釋同初始鄰域森林地塊個數(shù)變量。

(2)7號線

區(qū)域變量與LU 終態(tài)沒有直接關(guān)聯(lián)，即緩沖區(qū)與參照區(qū)LUC 相似，沒有顯著區(qū)別，說明7 號線建設(shè)與運營對LUC沒有產(chǎn)生顯著影響，因為7號線大部分位于市區(qū)，市區(qū)LUC驅(qū)動力較多，即便是軌道交通線網(wǎng)也十分密集，7號線參照區(qū)內(nèi)LUC會受到其他驅(qū)動力的影響而使得演變與7 號線緩沖區(qū)無差異；區(qū)域變量與初始鄰域田地、森林地塊個數(shù)有直接聯(lián)系，說明未建設(shè)7 號線之前，其參照區(qū)與緩沖區(qū)的田地、森林用地個數(shù)有差異。初始態(tài)與91終態(tài)有直接關(guān)聯(lián)，91 終態(tài)與97 終態(tài)有直接關(guān)聯(lián)。市區(qū)LU 總是與前一時期LU 有關(guān)聯(lián)，說明市區(qū)LU延續(xù)性好，是市區(qū)土地發(fā)展成熟的體現(xiàn)。模式分析結(jié)果如表2所示。

表2 7號線LUC規(guī)律BN模式分析Table 2 Pattern analysis for BN of 7 Line

表2 中，區(qū)域變量取為緩沖區(qū)時，強度較大的變量依次是初始鄰域田地地塊個數(shù)、森林、建筑用地個數(shù)。表明緩沖區(qū)與參照區(qū)上述變量出現(xiàn)了顯著差異，初始鄰域田地、森林地塊個數(shù)與上文分析一致。初始鄰域建筑地塊個數(shù)解釋同初始鄰域森林地塊個數(shù)變量。

(3)網(wǎng)絡(luò)推理與預(yù)測

針對多摩線，初始態(tài)變量取為建筑，區(qū)域變量取為緩沖區(qū)，初始鄰域建筑個數(shù)取為0 個時，06 終態(tài)變量為建筑用地的概率P(06 終態(tài)=建筑/初始態(tài)=建筑，區(qū)域=緩沖區(qū)，建筑=0)為52.8%，如圖7所示。據(jù)此，針對建筑用地的推理內(nèi)容如圖8所示。

圖7 多摩線LUC規(guī)律BN推理示意圖Fig.7 Chart of BN Inference for Tama Line

圖8 多摩線建筑用地BN推理內(nèi)容Fig.8 BN inference for construction land of Tama Line

從圖8看出：

(1)對比a1與a2，緩沖區(qū)組06終態(tài)為建筑用地的概率隨著初始鄰域建筑用地個數(shù)的增加而增大，但是幅度很小(52.58%～54.47%)，趨平緩；參照區(qū)組增大的幅度較明顯(5.8%～64.35%)，且0到1還有較大的跨越，說明參照區(qū)建筑地塊鄰域無建筑地塊時，該地塊終態(tài)為建筑用地的概率非常小，但當(dāng)鄰域有建筑地塊時，該地塊終態(tài)為建筑用地的概率變得非常大，反映了參照區(qū)建筑地塊聚集程度較高。b1與b2對比也有同樣的規(guī)律。

(2)對比a1 與b1，a2 與b2 可看出，無論地塊位于緩沖區(qū)還是參照區(qū)，初始態(tài)為建筑用地，06 終態(tài)為建筑用地的概率均大于初始態(tài)為森林的情況，且參照區(qū)較明顯，說明參照區(qū)初始建筑地塊帶動鄰域開發(fā)為建筑地塊的程度要大于緩沖區(qū)，同樣也反映了參照區(qū)建筑地塊聚集程度較高。

(3)對比c1與c2可看出，無論地塊位于緩沖區(qū)還是參照區(qū)，無論其初始鄰域建筑用地個數(shù)大小，初始態(tài)為建筑用地，97終態(tài)為建筑用地的概率始終非常高，這與前述97 終態(tài)與初始態(tài)有直接關(guān)聯(lián)一致。而d1 與d2 也論證了此結(jié)論，當(dāng)初始態(tài)為森林用地，無論地塊位于緩沖區(qū)還是參照區(qū)，無論其初始鄰域建筑用地個數(shù)大小，97終態(tài)為建筑用地的概率始終非常低。

與(1)和(2)中郊域線運營期參照區(qū)建筑地塊聚集程度較高相比，緩沖區(qū)地塊演變?yōu)榻ㄖ玫厥芙ㄖ玫鼐奂潭扔绊戄^低，演變較獨立，同樣是由郊域線作為強驅(qū)動力，引起LUC 活躍程度比較大引起的；此外，還可推理出當(dāng)06終態(tài)變量選為建筑用地時，區(qū)域變量為緩沖區(qū)的概率為87.2%，初始鄰域森林個數(shù)取為0 個的概率為98.5%，說明為支持06終態(tài)變量為建筑用地，區(qū)域需在87.2%的概率為緩沖區(qū)，初始鄰域用地需98.5%程度上為非森林地塊。

基于BN 推理可預(yù)測未來LU。以多摩線2006年LU 作為初始態(tài)，根據(jù)運營期1997—2006年LU數(shù)據(jù)標(biāo)定BN，進(jìn)而預(yù)測2014年LU?？偟貕K數(shù)為6539 個，預(yù)測結(jié)果與實際地塊不相符的個數(shù)為654，預(yù)測精度達(dá)89.9%，結(jié)果如圖9所示。

圖9 多摩線緩沖區(qū)LU預(yù)測Fig.9 Prediction of LU for Tama Line

2.4 軌道交通引起的LUC機制

既有文獻(xiàn)對交通設(shè)施引起的LUC 機制的解釋均歸結(jié)于交通自身的功用——提高出行可達(dá)性[13-17]。文獻(xiàn)[13-14]中，因為可達(dá)性提高，在道路網(wǎng)絡(luò)發(fā)展至不僅使車輛到達(dá)種植地比較便利同時，旱地作物被運往市場也很便利，旱地作物用地對道路網(wǎng)絡(luò)這個因素十分敏感，典型的LUC 現(xiàn)象是森林退化為旱地作物耕地；同時道路網(wǎng)絡(luò)連接度越好，建筑用地比例越高，說明人們更偏好在道路網(wǎng)絡(luò)附近定居以獲得較好的可達(dá)性。軌道交通的建設(shè)使得人們出行可達(dá)性提高，吸引人們愿意在其周邊居住與生活，因此出現(xiàn)居住商業(yè)等用地以及密度增加等現(xiàn)象。據(jù)此分析郊域線LUC 的表現(xiàn)，郊域線運營后極大提高緩沖區(qū)內(nèi)居住與商業(yè)出行的可達(dá)性，會受相關(guān)用地如建筑用地的青睞，故其緩沖區(qū)與參照區(qū)LUC出現(xiàn)了明顯差異。同樣也會導(dǎo)致緩沖區(qū)地價上升，使得工業(yè)遷走，森林農(nóng)田被開發(fā)等；在某些用地類型消失，新的用地類型出現(xiàn)的過程中，用地類型更迭顯著，即表現(xiàn)出運營期與前期LU 無直接關(guān)系；因為建筑用地受到青睞，即使鄰域沒有建筑地塊，其他用地突變?yōu)榻ㄖ貕K的可能性也較大，表現(xiàn)出運營期緩沖區(qū)地塊演變?yōu)榻ㄖ玫厥芙ㄖ玫鼐奂潭扔绊戄^低。

但是在文獻(xiàn)[13-15]中，均提到交通設(shè)施并不是引起LUC的唯一因素，諸如社會經(jīng)濟、政策等均會影響LUC，這一方面說明了參照區(qū)與緩沖區(qū)設(shè)置的合理性，另一方面也佐證了市區(qū)LUC 多驅(qū)動力的解釋，因為在一個城市中，市區(qū)總是因為擁有大量就業(yè)崗位以及商業(yè)娛樂活動頻繁導(dǎo)致其吸引力更強，社會經(jīng)濟與政策因素都會向市區(qū)傾斜，因此市區(qū)比郊區(qū)擁有更多的LUC 驅(qū)動力，即便是軌道交通線網(wǎng)也十分密集，市郊線參照區(qū)LUC 會受到其他驅(qū)動力的影響而使得演變與緩沖區(qū)無差異。

3 結(jié)論

隨著郊區(qū)新型城鎮(zhèn)化的推進(jìn)，郊域線的建設(shè)是必要可行的。為探索郊域線與土地利用之間的關(guān)系以促進(jìn)兩者協(xié)調(diào)發(fā)展，針對郊域線的LUC 規(guī)律進(jìn)行研究。采用與LUC 特征描述較為符合的BN模型分析郊域線LUC 機制，探討了影響LUC 的因素——地塊初始態(tài)、初始鄰域地塊狀態(tài)、地塊所處區(qū)域?qū)UC 的影響，在既有研究多以市郊線為對象并主要對LUC 結(jié)果進(jìn)行簡單統(tǒng)計的現(xiàn)狀下，豐富了軌道交通LUC機制研究。本文得到主要結(jié)論如下：

(1)郊域線開通前后參照區(qū)與緩沖區(qū)LUC出現(xiàn)顯著差異，其對LUC產(chǎn)生了明顯影響；市郊線則未產(chǎn)生影響。綜上說明不同于市區(qū)LUC 的多驅(qū)動力，郊域線作為郊區(qū)LUC的強驅(qū)動力，引起的LUC變化顯著，故通過建設(shè)郊域線推動郊區(qū)土地發(fā)展，加速郊區(qū)新型城鎮(zhèn)化進(jìn)程是可行的。

(2)BN推理顯示，郊域線運營期緩沖區(qū)終態(tài)為建筑受建筑用地聚集程度的影響低于參照區(qū)，演變較獨立，可為郊域線土地開發(fā)過程中建筑用地布局提供參考。為支持郊域線運營期地塊終態(tài)為建筑用地，區(qū)域需87.2%的概率為緩沖區(qū)，初始鄰域用地需98.5%程度上為非森林地塊，可為郊域線土地開發(fā)過程中建筑用地選址提供參考。

(3)多摩線緩沖區(qū)2014年LU 預(yù)測結(jié)果精度為89.9%，表明BN較強的推理能力，論證了選用貝葉斯網(wǎng)絡(luò)分析郊域線LUC機制方法的有效性。

本文僅將區(qū)域變量設(shè)為緩沖區(qū)與參照區(qū)衡量郊域線對LUC 的影響，但緩沖區(qū)內(nèi)到車站不同距離區(qū)域LUC 是否差異顯著是進(jìn)一步研究的方向。