城市軌道交通客流與精細(xì)尺度建成環(huán)境的空間特征分析

高德輝，許奇，陳培文，胡佳俊，朱宇婷

（1.中國(guó)城市建設(shè)研究院有限公司，北京 100120；2.北京交通大學(xué)，綜合交通運(yùn)輸大數(shù)據(jù)應(yīng)用技術(shù)交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室，北京 100044；3.北京工商大學(xué)，電商與物流學(xué)院，北京 100048）

0 引言

以公共交通為導(dǎo)向的開(kāi)發(fā)模式(Transit-Oriented Development,TOD)是實(shí)現(xiàn)軌道交通出行服務(wù)與城市功能深度融合的重要保障，是適合高密度開(kāi)發(fā)城市的發(fā)展戰(zhàn)略[1-2]。客流效果是評(píng)估城市軌道交通與土地利用一體化程度的核心問(wèn)題[3]。鑒于此，研究城市軌道交通客流分布與車(chē)站TOD 建成環(huán)境特征的依賴(lài)關(guān)系，將有助于提高站城一體化發(fā)展以緩解城市病問(wèn)題。

既有研究表明土地利用是影響客流的關(guān)鍵因素[3-5]，包括開(kāi)發(fā)強(qiáng)度、混合用地和用地布局等3 個(gè)方面。TOD建成環(huán)境同樣強(qiáng)調(diào)土地利用要素，即高密度的用地開(kāi)發(fā)，混合的用地功能，良好的城市設(shè)計(jì)的3D 特征[6]。另外，TOD 強(qiáng)調(diào)平衡公共交通的供給與用地開(kāi)發(fā)產(chǎn)生的出行需求。在此基礎(chǔ)上，Ewing等[7]提出TOD建成環(huán)境的5D特征，新增的兩個(gè)特征為公共交通良好的可達(dá)性和可獲得性。

既有研究對(duì)城市軌道交通客流分布與土地利用依賴(lài)關(guān)系的分析較充分，但對(duì)其與TOD 建成環(huán)境的研究仍不夠細(xì)致。部分學(xué)者拓展節(jié)點(diǎn)-場(chǎng)所模型[8]定性分析客流與TOD 建成環(huán)境的關(guān)系[9-10]。為定量刻畫(huà)TOD 建成環(huán)境對(duì)客流的影響程度，既有研究多采用多元線性回歸模型[11]和非線性模型[12]以刻畫(huà)兩者的依賴(lài)關(guān)系。然而，這些研究未充分考慮城市軌道交通與TOD 建成環(huán)境的空間效應(yīng)，例如軌道交通客流分布的空間異質(zhì)性及其對(duì)用地功能的空間依賴(lài)[13]，進(jìn)而導(dǎo)致估計(jì)結(jié)果可能存在偏差。

空間計(jì)量模型等全局常參數(shù)模型是研究城市軌道交通客流與土地利用空間依賴(lài)的主要方法[3]。但全局模型分析僅能刻畫(huà)兩者復(fù)雜空間關(guān)系的平均結(jié)果，忽略其空間異質(zhì)性導(dǎo)致的局部特征[13]。更多的學(xué)者采用地理加權(quán)回歸技術(shù)(Geographically Weighted Regression,GWR)等局部變參數(shù)模型刻畫(huà)這種空間特征。然而，經(jīng)典的GWR 模型假設(shè)解釋變量的最優(yōu)帶寬具有一致性，忽略TOD 建成環(huán)境要素對(duì)客流分布的影響具有空間尺度差異的事實(shí)，進(jìn)而可能導(dǎo)致估計(jì)結(jié)果的不穩(wěn)健。因此，需利用多尺度GWR 模型(Multiscale GWR, MGWR)以期刻畫(huà)城市軌道交通客流對(duì)TOD建成環(huán)境的依賴(lài)效應(yīng)的多尺度空間特征。

鑒于此，為刻畫(huà)TOD 建成環(huán)境的5D 特征，提出基于多源地理大數(shù)據(jù)的城市軌道交通車(chē)站周邊環(huán)境的識(shí)別方法；以北京市軌道交通為例，利用MGWR研究TOD建成環(huán)境特征與客流分布的空間局部特征，分析兩者依賴(lài)關(guān)系的復(fù)雜空間模式。

1 研究區(qū)域與數(shù)據(jù)說(shuō)明

以北京市軌道交通系統(tǒng)為案例研究區(qū)域，截至2020年，其開(kāi)通線路24 條，運(yùn)營(yíng)里程727 km，車(chē)站364座(換乘站不重復(fù)計(jì))。研究數(shù)據(jù)主要包括：

(1)用地開(kāi)發(fā)。POI(Point of Interest)點(diǎn)數(shù)據(jù)反映城市用地功能分布和開(kāi)發(fā)程度，可通過(guò)互聯(lián)網(wǎng)開(kāi)源數(shù)據(jù)和工商數(shù)據(jù)兩類(lèi)平臺(tái)獲取[14]，北京市域內(nèi)約141 萬(wàn)條有效數(shù)據(jù)。然而，POI 數(shù)據(jù)未體現(xiàn)地理實(shí)體的空間尺寸，還需進(jìn)一步基于POI 識(shí)別AOI(Area of Interest)面數(shù)據(jù)，約3.8萬(wàn)條數(shù)據(jù)。另外，建筑物和構(gòu)筑物等三維矢量數(shù)據(jù)可用于細(xì)粒度的土地利用評(píng)估測(cè)算，也可通過(guò)互聯(lián)網(wǎng)開(kāi)源數(shù)據(jù)平臺(tái)獲取。

(2)交通運(yùn)行。交通出行時(shí)間是測(cè)算可達(dá)性的關(guān)鍵信息。利用高德地圖平臺(tái)的路徑規(guī)劃技術(shù)獲取任意兩個(gè)1 km×1 km 柵格像素之間的公共交通出行信息[14]，采集工作日早高峰時(shí)段(7:00-9:00)的最短出行路徑信息約507萬(wàn)條。另外，為評(píng)估慢行交通環(huán)境，基于互聯(lián)網(wǎng)電子地圖平臺(tái)獲取以北京市軌道交通車(chē)站為中心的10 min步行等時(shí)圈。

(3)客流數(shù)據(jù)。采用2019年12月11日(星期三)北京市軌道交通運(yùn)營(yíng)線路客流數(shù)據(jù)，共計(jì)21條運(yùn)營(yíng)線路，330 座車(chē)站，客流數(shù)據(jù)為早高峰(7:00-9:00)的出站客流量。

城市軌道交通車(chē)站直接影響范圍是其步行吸引范圍，通常用半徑為300～1500 m 的圓形區(qū)域[3-5,9-13]或8～12 min步行等時(shí)圈表示[16]。然而，這兩種方式均不能處理中心城區(qū)由于站間距過(guò)短而導(dǎo)致影響范圍重疊的問(wèn)題。針對(duì)此局限性，本文將車(chē)站的影響范圍半徑設(shè)為800 m，求該車(chē)站圓形區(qū)域和其泰森多邊形的交集，據(jù)此定義該集合為車(chē)站的影響范圍。

2 研究方法

2.1 車(chē)站TOD建成環(huán)境變量及計(jì)算方法

建成環(huán)境是因人類(lèi)生產(chǎn)生活等活動(dòng)而形成的人居環(huán)境狀態(tài)，TOD 建成環(huán)境主要與土地利用模式、交通系統(tǒng)和城市設(shè)計(jì)等要素密切相關(guān)。Ewing等[7]提出刻畫(huà)TOD 建成環(huán)境特征的5D 特征，即密度、混合用地、設(shè)計(jì)、公共交通可達(dá)性和可獲得性。既有研究[17]從多角度提出刻畫(huà)軌道交通TOD 建成環(huán)境的變量及其計(jì)算模型。根據(jù)已有數(shù)據(jù)，本文定義如下：

(1)密度

高密度(Density)用地開(kāi)發(fā)是車(chē)站TOD 建成環(huán)境的顯著特征。采用建筑密度刻畫(huà)該特征，即地塊上建筑物基底總面積占總用地面積的比值，則車(chē)站影響范圍內(nèi)建筑密度估算公式為

式中：Di為第i個(gè)車(chē)站的建筑密度；si,j,k為車(chē)站i影響范圍內(nèi)地塊j上第k個(gè)建筑物或構(gòu)筑物的基底面積(m2)；Sj為地塊j的用地面積(m2)；J為位于地塊j內(nèi)的建筑物和構(gòu)筑物的集合；I為位于車(chē)站i影響范圍內(nèi)的AOI地塊集合；|·|為計(jì)算集合中元素的個(gè)數(shù)。

(2)混合用地

混合用地(Diversity)或城市功能混合是車(chē)站TOD 建成環(huán)境的另一個(gè)顯著特征。采用熵的概念刻畫(huà)土地利用和城市功能的多樣性程度，則車(chē)站用地功能混合度計(jì)算公式[3]為

式中：Ei為第i個(gè)車(chē)站的用地功能混合程度熵，取值范圍為[0, 1]，該值越大則用地功能混合程度越高；Hiu為第i個(gè)車(chē)站的第u類(lèi)POI數(shù)量占其全部類(lèi)型POI 數(shù)量的比值；U為POI 集合；M為POI 類(lèi)型的集合，|M|=8。

(3)設(shè)計(jì)

TOD是公共交通服務(wù)與用地功能融合的區(qū)域，兩者的協(xié)同依賴(lài)于良好的城市設(shè)計(jì)(Design)，其核心問(wèn)題是營(yíng)造步行和自行車(chē)友好的出行環(huán)境。評(píng)估慢行交通環(huán)境的指標(biāo)通常僅采用路網(wǎng)密度等基礎(chǔ)設(shè)施類(lèi)指標(biāo)。針對(duì)慢行交通優(yōu)先的道路空間設(shè)計(jì)的評(píng)估，采用Pedshed ratio 刻畫(huà)車(chē)站慢行交通環(huán)境[18]，計(jì)算公式為

式中：Pi為第i個(gè)車(chē)站的Pedshed ratio值，該值越大表明車(chē)站10 min 步行等時(shí)圈越接近其理論影響范圍，即慢行交通環(huán)境越好；Si,10min為第i個(gè)車(chē)站的10 min 步行等時(shí)圈的面積；Si,PCA為第i個(gè)車(chē)站理論影響范圍的面積，取值為本文定義的車(chē)站影響范圍。

(4)可達(dá)性

良好的可達(dá)性(Destination Accessibility)是軌道交通TOD 競(jìng)爭(zhēng)力的核心要素。采用累計(jì)機(jī)會(huì)模型評(píng)估車(chē)站所在區(qū)域的公共交通可達(dá)性，計(jì)算模型為

式中：Ai為第i個(gè)車(chē)站所在1 km×1 km柵格的累計(jì)機(jī)會(huì)可達(dá)性；On為第n個(gè)柵格的POI的數(shù)量；tin為柵格i和n之間的公共交通出行時(shí)間(min)[14]；f為0-1 函數(shù)，當(dāng)tin≤tmax時(shí)，f（tin）=1，否則，f（tin）=0，tmax=47 min[15]；N為柵格的集合。

(5)可獲得性

居住就業(yè)區(qū)域與公共交通車(chē)站的距離(Distance to Transit)反映出行者的公共交通服務(wù)的可獲得性，是反映居民獲取公共交通服務(wù)便捷與否的指標(biāo)。借鑒倫敦的可達(dá)性評(píng)估方法，采用車(chē)站影響范圍內(nèi)所有建筑物與車(chē)站歐式距離的平均值來(lái)刻畫(huà)該特征，計(jì)算公式為

式中：Ti為第i個(gè)車(chē)站影響范圍內(nèi)所有建筑物與車(chē)站距離的平均值；di,j,k為車(chē)站i影響范圍內(nèi)地塊j上第k個(gè)建筑物與車(chē)站中心的歐式距離(km)。

2.2 軌道交通客流與車(chē)站TOD建成環(huán)境變量的計(jì)算模型

城市軌道交通客流與TOD建成環(huán)境的依賴(lài)關(guān)系呈現(xiàn)顯著的空間不平穩(wěn)。鑒于此，采用GWR 模型研究客流與TOD 建成環(huán)境變量的空間異質(zhì)性，并在此基礎(chǔ)上，進(jìn)一步放寬模型估計(jì)過(guò)程中解釋變量的影響具有相同空間尺度的假設(shè)，采用MGWR模型刻畫(huà)客流與TOD建成環(huán)境變量依賴(lài)關(guān)系的空間異質(zhì)性及其尺度效應(yīng)，即

式中：yi為第i個(gè)車(chē)站的早高峰出站客流量；(ui,vi)為車(chē)站i的經(jīng)緯度坐標(biāo)；β0(ui,vi)為車(chē)站i的常數(shù)項(xiàng)；βb(ui,vi)為車(chē)站i的第q個(gè)TOD 建成環(huán)境特征xiq的估計(jì)參數(shù)，b為該變量估計(jì)參數(shù)使用的最優(yōu)帶寬；εi為誤差項(xiàng)，服從正態(tài)分布N（0,σ2）。

GWR 和MGWR 的空間權(quán)重函數(shù)均采用Gaussian 函數(shù)，最優(yōu)帶寬由AICc 準(zhǔn)則計(jì)算。但MGWR 模型需先初始化各帶估計(jì)參數(shù)值，然后不斷優(yōu)化初始值直至收斂?？紤]收斂速度，本文采用GWR的估計(jì)參數(shù)為MGWR模型的初始值，并采用殘差平方和(RSS)的變化比例作為收斂準(zhǔn)則，即前后兩次回歸的RSS值之差不大于收斂值。

基于MGWR模型研究軌道交通車(chē)站出站客流與TOD 建成環(huán)境變量的依賴(lài)關(guān)系，估計(jì)系數(shù)根據(jù)模型變量是否取對(duì)數(shù)可解釋為邊際效益或彈性，即TOD 建成環(huán)境變量變化1 個(gè)單位或1%，車(chē)站客流變化β個(gè)單位或（100×β）%。就回歸結(jié)果而言，當(dāng)估計(jì)參數(shù)為正值時(shí)，解釋變量對(duì)出站客流的影響為正效應(yīng)，TOD建成環(huán)境越顯著，車(chē)站出站量越大；反之亦然。估計(jì)參數(shù)的空間分布反映車(chē)站出站客流與TOD建成環(huán)境的依賴(lài)關(guān)系的空間不平穩(wěn)。

3 案例分析

3.1 北京市軌道交通TOD建成環(huán)境的空間特征

圖1為北京市軌道交通車(chē)站TOD 建成環(huán)境特征的空間分布。其中，圖1(f)為各建成環(huán)境變量的樣本數(shù)據(jù)標(biāo)準(zhǔn)化后的均值，反映車(chē)站的TOD 程度。從圖中可知，表征車(chē)站TOD 建成環(huán)境的變量具有顯著的空間異質(zhì)性特征，具體表現(xiàn)為：

(1)開(kāi)發(fā)強(qiáng)度（xD）、慢行系統(tǒng)設(shè)計(jì)（xP）、公共交通可達(dá)性（xA）等3 個(gè)變量的空間分布相似，均呈現(xiàn)由中心城區(qū)向郊區(qū)徑向遞減的多層分布結(jié)構(gòu)，如圖1(a)、(c)和(d)所示。例如，車(chē)站所處的區(qū)位是影響其周邊用地開(kāi)發(fā)強(qiáng)度的關(guān)鍵，因此該特征的變量與北京市用地功能布局顯著相關(guān)。類(lèi)似地，xP的空間分布與中心城區(qū)較高的道路密度網(wǎng)和適宜慢行的路網(wǎng)結(jié)構(gòu)相關(guān)，而xA則源于公共交通的資源配置方式。

(2)與上述3個(gè)特征的空間分布相反，居民活動(dòng)區(qū)域與公共交通車(chē)站的距離（xT）的空間分布則呈現(xiàn)內(nèi)低外高的圈層結(jié)構(gòu)，且整體上南小于北，如圖1(e)所示。這種空間特征表明：北京市公共交通可獲得性較好的區(qū)域仍位于中心城區(qū)；同為服務(wù)外圍平原新城的房山線、大興線和亦莊線則顯著優(yōu)于昌平線和15號(hào)線。

(3)混合用地（xE）的空間分布與其余4 個(gè)特征均不一致。從整體上看，北京市西北部區(qū)域車(chē)站的土地利用混合程度較高，而用地功能混合較低的車(chē)站均是就業(yè)崗位集中區(qū)域，例如中關(guān)村區(qū)域和上地西三旗組團(tuán)。剩下車(chē)站的周邊用地功能較為單一，例如，服務(wù)外圍居住組團(tuán)的房山線、大興線和亦莊線；就業(yè)崗位集中區(qū)域的泛CBD區(qū)域和望京等。

綜上，城市軌道交通車(chē)站TOD 建成環(huán)境也呈現(xiàn)顯著的空間異質(zhì)性特征，如圖1(f)所示，且這種空間效應(yīng)是各類(lèi)具有顯著區(qū)域差異的各特征變量影響結(jié)果的疊加。

圖1 北京市軌道交通TOD建成環(huán)境特征的空間分布Fig.1 Spatial distribution of built environment characteristics of TOD for Beijing Subway

3.2 參數(shù)估計(jì)與模型評(píng)估

基于空間模型分析北京市軌道交通早高峰出站量與其TOD建成環(huán)境的依賴(lài)關(guān)系。在回歸分析中，僅因變量出站量取對(duì)數(shù)形式，則估計(jì)系數(shù)β的解釋為T(mén)OD建成環(huán)境特征變量增加1個(gè)單位，車(chē)站出站客流增加（100×β）%，結(jié)果如表1所示。其中，估計(jì)值為1%、5%、10%顯著水平和不顯著的β平均值，括號(hào)內(nèi)數(shù)字為各顯著水平下樣本數(shù)占總樣本數(shù)的比例。

局部變參數(shù)模型的估計(jì)結(jié)果對(duì)帶寬的選取敏感。當(dāng)帶寬覆蓋整個(gè)研究區(qū)域時(shí)，空間局部模型退化為普通最小二乘法全局模型(OLS)。從表1中易知，GWR解釋變量的最優(yōu)帶寬b均為66，即用于估計(jì)各車(chē)站β的所需樣本為與其鄰近的66 座車(chē)站。MGWR的各解釋變量最優(yōu)帶寬不一致，除xT的影響范圍更傾向于全局變量外，其余特征均為局部變量。

從表1中估計(jì)參數(shù)的顯著性可知，GWR 的結(jié)果中分別有50%、75%、40%、83%和51%的車(chē)站出站客流，與5個(gè)TOD建成環(huán)境特征的估計(jì)參數(shù)至少在10%顯著水平上通過(guò)檢驗(yàn)，表明兩者的依賴(lài)關(guān)系具有顯著的空間異質(zhì)性。由于考慮解釋變量影響范圍的空間尺度差異，MGWR估計(jì)效果更優(yōu)，除xD減少34%外，其他各解釋變量顯著的估計(jì)參數(shù)相較于GWR分別增加16%、3%、16%和45%。上述結(jié)果表明：MGWR可更好地刻畫(huà)樣本數(shù)據(jù)的區(qū)域差異。

表1 基于GWR和MGWR回歸模型的參數(shù)β 估計(jì)結(jié)果對(duì)比Table 1 Comparison of estimated parameters of GWR and MGWR models

表2為不同回歸模型擬合效果評(píng)價(jià)指標(biāo)對(duì)比，其結(jié)果進(jìn)一步印證上述論斷。分析可知，全局模型OLS的解釋能力僅為51.2%，殘差的Moran'sI則達(dá)到0.186，表明該模型未充分考慮樣本的空間效應(yīng)，估計(jì)效果較差。鑒于此，空間模型的估計(jì)效果顯然優(yōu)于OLS。

表2 不同回歸模型估計(jì)效果評(píng)價(jià)指標(biāo)對(duì)比Table 2 Comparison of evaluation indexes of different regression models

另外，同為局部變參數(shù)模型，MGWR的解釋能力則達(dá)到83.7%，殘差的Moran'sI僅為0.008，基本

消除殘差的空間效應(yīng)，AICc 和RSS 也均為最小。相較于GWR，該模型能更好地刻畫(huà)客流與TOD 建成環(huán)境變量依賴(lài)關(guān)系的空間異質(zhì)性及其尺度效應(yīng)，估計(jì)效果更好。

3.3 結(jié)果分析

3.3.1 影響因素參數(shù)分析

從表1中MGWR的估計(jì)參數(shù)β可知，在1%顯著水平下，xD的均值為0.22，即該解釋變量變化1個(gè)單位，因變量增加22%。結(jié)果表明：若這些車(chē)站周邊用地開(kāi)發(fā)強(qiáng)度提高50%，則出站客流將增加11%，這與東京澀谷站未來(lái)之光的開(kāi)發(fā)效果相當(dāng)。客流增加的原因是新增的就業(yè)人口將成為城市軌道交通潛在的客流需求。類(lèi)似地，車(chē)站區(qū)域公共交通可達(dá)性的改善對(duì)增加客流具有更加顯著的促進(jìn)效果，xA提高50%，車(chē)站出站量將增加26%。

城市軌道交通車(chē)站與周邊居住就業(yè)區(qū)域的鄰近是影響通勤出行的關(guān)鍵因素，但案例結(jié)果表明，xT的估計(jì)參數(shù)為正值，基于進(jìn)站量的分析也得出類(lèi)似的結(jié)果。部分通勤者依賴(lài)于城市軌道交通出行，對(duì)“最后一公里”較不敏感。北京圍繞車(chē)站0～150 m內(nèi)的容積率是800 m 以外的2.5 倍[19]，其xT的平均值為263 m，車(chē)站周邊開(kāi)發(fā)的緊湊度尚可。這也是導(dǎo)致上述結(jié)果的可能原因。也正因?yàn)槿绱?，除物理空間鄰近外，慢行交通出行環(huán)境的提升能顯著地改善客流效果。結(jié)果表明：xP改善50%，出站客流將增加33%。

xE的估計(jì)參數(shù)是負(fù)值，表明城市軌道交通車(chē)站周邊用地功能的混合對(duì)客流是負(fù)效應(yīng)，即用地功能的混合程度降低1單位，出站客流將增加34%。這與北京市軌道交通車(chē)站所呈現(xiàn)低混合用地-高客流和高混合用地-低客流的聚集趨勢(shì)一致；且在低混合用地區(qū)域，土地利用以商業(yè)用地為主，其占比平均值達(dá)到65%，顯著高于其他區(qū)域的49%[3]。

3.3.2 估計(jì)參數(shù)的空間特征

城市軌道交通車(chē)站出站客流與其TOD建成環(huán)境特征的依賴(lài)關(guān)系具有顯著的空間異質(zhì)性。MGWR 模型的β值和t值的空間分布如圖2所示。其中，車(chē)站的顏色深淺和圓圈大小分別表示估計(jì)參數(shù)值和顯著性水平的大小。

圖2 基于MGWR模型的各車(chē)站β 值和t 值的空間分布Fig.2 Spatial distribution of β and t-value of stations of Beijing Subway based on MGWR

從圖2分析可知，出站客流與xD、xP和xA等3個(gè)TOD 建成環(huán)境特征依賴(lài)關(guān)系的空間分布相似。在1%和5%顯著水平下，33 座車(chē)站(占有效樣本的12%，下同)的xD和92座車(chē)站(32%)的xP均為正值，其對(duì)提高出站客流具有顯著的促進(jìn)效果，且這些車(chē)站大部分位于連接郊區(qū)和中心城區(qū)的線路的外圍區(qū)域。類(lèi)似地，267 座車(chē)站(93%)的xA也呈現(xiàn)上述空間特征，且相較于中心城區(qū)，公共交通可達(dá)性的改善對(duì)郊區(qū)客流的正效應(yīng)更加顯著。

xE和xT的客流影響效果則呈現(xiàn)區(qū)域性特征。235 座車(chē)站(82%)的xE為負(fù)值，與車(chē)站出站客流負(fù)相關(guān)，這些車(chē)站主要分布于除北京西南地區(qū)以外的區(qū)域。而181 座車(chē)站(64%)的xT為正值，與車(chē)站出站客流正相關(guān)，這些車(chē)站分布于北京的東南區(qū)域，包含大興線、8 號(hào)線南段、亦莊線、八通線和6 號(hào)線東段的車(chē)站。

綜上，TOD建成環(huán)境對(duì)城市軌道交通車(chē)站客流的影響效果區(qū)域差異顯著。北京的城市空間是單中心結(jié)構(gòu)，土地利用和交通服務(wù)仍然以中心城區(qū)為主，其城市發(fā)展水平較郊區(qū)高。因此，xD、xP和xA等變量的客流影響效果均呈現(xiàn)郊區(qū)改善效果優(yōu)于中心城區(qū)的空間特征。鑒于此，郊區(qū)車(chē)站的TOD發(fā)展策略應(yīng)以增加供給和完善基礎(chǔ)設(shè)施為主。

與上述模式不同，xE和xT的客流影響效果好的區(qū)域主要覆蓋如泛CBD等城市核心區(qū)。這些區(qū)域僅依靠單純地提高開(kāi)發(fā)規(guī)模和強(qiáng)度等發(fā)展策略已不能達(dá)到改善效果，而更應(yīng)該關(guān)注TOD 發(fā)展質(zhì)量的提升，例如為更好地推進(jìn)職住平衡所需采取的用地結(jié)構(gòu)調(diào)整和緊湊開(kāi)發(fā)?；诒本┑陌咐砻?，不同區(qū)域車(chē)站的TOD 發(fā)展應(yīng)采取差異化策略，郊區(qū)車(chē)站更適合強(qiáng)調(diào)數(shù)量的發(fā)展策略，中心城區(qū)車(chē)站則更應(yīng)強(qiáng)調(diào)發(fā)展的質(zhì)量。

4 結(jié)論

本文基于北京市軌道交通車(chē)站出站客流及TOD 建成環(huán)境特征等多源地理大數(shù)據(jù)，采用MGWR研究上述兩者關(guān)系的空間分布特征及其尺度效應(yīng)，研究結(jié)果表明：

(1)采用開(kāi)發(fā)強(qiáng)度、混合用地、慢行交通環(huán)境、公共交通可達(dá)性和可獲得性等5 個(gè)變量分別刻畫(huà)城市軌道交通TOD 建成環(huán)境的5D 特征。xD、xP和xA等變量呈現(xiàn)中心城區(qū)向郊區(qū)徑向遞減的多圈層空間分布，xT則恰好相反；xE的空間分布呈現(xiàn)西部區(qū)域車(chē)站的土地利用混合程度高于東部的特征。這種空間異質(zhì)特征源于城市土地利用和交通服務(wù)的區(qū)域差異性。

(2)相較于經(jīng)典GWR，MGWR 的估計(jì)結(jié)果更為可靠，其解釋能力達(dá)到83.7%，殘差的Moran'sI為0.008，更好地刻畫(huà)車(chē)站出站客流與TOD 建成環(huán)境特征依賴(lài)關(guān)系的空間異質(zhì)性及其影響尺度，進(jìn)而避免捕獲過(guò)多的噪聲及其空間效應(yīng)對(duì)估計(jì)結(jié)果的干擾。因此，是否考慮不同要素影響的空間尺度對(duì)客流影響效果的分析將產(chǎn)生顯著影響。

(3)TOD建成環(huán)境對(duì)城市軌道交通車(chē)站客流的影響效果呈現(xiàn)顯著的區(qū)域差異特征。這兩者關(guān)系的空間非平穩(wěn)性表明：不同區(qū)域車(chē)站的TOD 開(kāi)發(fā)應(yīng)采取差異化的發(fā)展策略。郊區(qū)車(chē)站更適合強(qiáng)調(diào)規(guī)模和強(qiáng)度的發(fā)展策略，例如，提高車(chē)站周邊用地開(kāi)發(fā)強(qiáng)度，增加路網(wǎng)密度以改善慢行交通環(huán)境以及整合交通與土地利用以提高可達(dá)性等；中心城區(qū)的車(chē)站則較難通過(guò)進(jìn)一步提高規(guī)模和強(qiáng)度以改善客流效果，而應(yīng)更強(qiáng)調(diào)發(fā)展的質(zhì)量，例如，協(xié)調(diào)軌道交通廊道沿線的用地結(jié)構(gòu)并采取緊湊開(kāi)發(fā)模式以推進(jìn)職住平衡。