基于多因素聚類的城市軌道交通換乘車站分類方法研究

黎 慶，董曉春，沈 瑜，鄭宣傳，宋瑋韜

（1. 南京地鐵建設有限責任公司，南京 210008；2. 北京城建設計發(fā)展集團股份有限公司，北京 100037）

1 研究背景

城市軌道交通線網(wǎng)規(guī)模的迅速擴張及城市用地的高強度開發(fā)，導致?lián)Q乘站客流沖擊大、車站設施能力與客流需求不匹配、出行不便捷等問題，其主要原因是對換乘車站的能力設計考慮不足。目前對車站能力設計的一個重要依據(jù)是《地鐵設計規(guī)范》中對車站建筑的分類，該規(guī)范對不同類型的車站給出了其設施能力的配置標準。但上述粗粒度定性的車站分類標準，并未專門針對換乘車站，難以有效地指導換乘站規(guī)模設計，若客流預測結果偏差較大，則會導致車站整體能力嚴重不足。因此，如何結合車站分類的主要因素，制定合理的分類標準，以指導換乘站的規(guī)劃與設計，成為目前行業(yè)中亟待解決的難題。

目前，國內對地鐵站點分類尚未形成統(tǒng)一的標準。陳扶崑等基于地理區(qū)位、客流量、行車組織、車站客運服務等4項指標，構建車站等級劃分體系評價標準，將車站分為四級[1]；戴子文等基于國內已運營軌道交通車站的實際客流數(shù)據(jù)，通過頻率累計法，將車站劃分為三級[2]；賀鑫等通過統(tǒng)計站點服務范圍內的人口、土地、交通等指標，建立站點功能定位數(shù)據(jù)庫，利用聚類分析法，將站點分為居住區(qū)、商業(yè)區(qū)、綜合交通樞紐、外圍交通接駁、一般站等5種類型[3]；陳艷艷等借助既有運營站點的AFC數(shù)據(jù)，通過客流分布聚類，把車站分為右峰型、雙峰型、左峰型、無峰型和首末站點，進而確定外部接駁方式的優(yōu)先級[4]。尹芹等從軌道交通車站客流時間形態(tài)中提取指標，進而進行類型劃分[5]。戴駿晨等從軌道交通車站運營數(shù)據(jù)中，提取具有實際物理含義因子，然后進一步使用多尺度地理加權回歸，建立居住人口、崗位及用地等指標與因子間的關系，使定量預測未來規(guī)劃車站的因子值并進行分類成為可能[6]。

國外軌道交通起步較早，在站點分類方面研究得較為深入。例如，日本東京、大阪等城市根據(jù)軌道交通樞紐所在地域，將車站劃分為都市圈中心站和都市圈郊外站，并據(jù)軌道交通的換乘特性，將上述兩類樞紐各劃分為3個不同的等級；美國舊金山BATR系統(tǒng)根據(jù)自然特性、車站可達性、車站周邊地區(qū)特性等參數(shù)，以判別分析法將軌道交通車站分為5類：市中心型、高密度住宅發(fā)展型、大部分為住宅區(qū)并具有零星商業(yè)區(qū)型、大部分為商業(yè)區(qū)并具有零星住宅區(qū)型、稀少住宅區(qū)及大部分未開發(fā)地區(qū)型。

既有的國內外分類方法多針對所有車站，專門針對換乘車站分類的研究較少。換乘站與一般車站相比，在軌道交通網(wǎng)絡的銜接上具有更重要的地位，同時車站內部換乘客流是影響車站設計的重要因素。直接應用一般車站的分類方法，容易忽略換乘車站的特點，難以得出針對性的分類標準。

此外，既有的國內外研究主要通過單方面因素(單因素或因素集)進行車站分類，該方法無法兼顧車站不同維度上的特征，分類結果存在提升空間。因此，如何使用多因素進行車站分類亟待研究。本研究將從用地、區(qū)位、客流因素等方面入手，針對換乘站特點設計多因素體系，使用聚類方法得到換乘站劃分標準，并從規(guī)劃應用角度，提出簡化變量計算方法與參數(shù)，為車站后續(xù)提升建設提供參考。

2 換乘站分類的影響因素

軌道車站的分類主要受車站周邊的用地因素、區(qū)位因素及客流因素影響，其中換乘站包括一般車站不具備的因素：區(qū)位因素包含軌道線網(wǎng)銜接特征，客流因素包含內部換乘客流。這些換乘站的獨特因素直接影響了車站的設計及實際運營，用地、區(qū)位等共性因素又影響軌道換乘路徑的決策(如區(qū)位條件好的高辨識度換乘車站、多功能復合車站在有多條換乘路徑情況下吸引換乘乘客途徑)[7]，在研究中將各因素一并考慮。

2.1 用地因素

2.1.1 車站用地類型劃分

根據(jù)《城市用地分類與規(guī)劃建設用地標準》(GB50137—2011)中的分類方法及TOD開發(fā)模式的用地特點，將軌道交通車站周邊用地分為辦公區(qū)、居住區(qū)、商業(yè)區(qū)、交通樞紐、旅游景區(qū)、工業(yè)區(qū)6類，即用地因素集合為其中f表示各類用地。

以軌道交通站點500 m范圍內各類用地的面積占比，確定軌道車站的用地主導類型。

1) 單一主導型。站點周邊某一種類型用地比例占絕對優(yōu)勢，如居住型、工業(yè)型、旅游型、綜合樞紐型等。

2) 混合型。各類用地比例比較接近，統(tǒng)計前2種用地，如既有辦公也有居住則為辦公居住型，既有辦公也有商業(yè)則為辦公商業(yè)型。

2.1.2 車站用地類型確定

根據(jù)城市規(guī)劃用地矢量地圖，計算各車站每種用地面積占比；構建各個車站i的用地特征向量其中Pj表示每種用地類型面積占比，計算公式為

式中：Sj為500 m范圍內用地類型j的面積；總面積

當規(guī)劃用地尚未完全確定時，可通過占比截斷閾值，大致確定用地主導類型：設置各用地面積占比截斷閾值，確定每個車站的用地主導因素。

對于特征向量中任意元素pj，判斷是否超過閾值pm，得到各車站的用地布爾判定向量其中

若Ti各元素全為0，則求向量Pi中元素最大值pl處，τl=1；若Ti僅含一個元素為τj=1，則該站為以用地類型fj為主導車站；若Ti含2個或以上元素為1，如τj=τk=1，則該站為用地類型fj與fk主導車站。

2.2 區(qū)位因素

區(qū)位因素包括交通重要度、人群集聚度、網(wǎng)絡位置特征以及換乘車站獨有的換乘線路數(shù)。

2.2.1 交通重要度

對于城市軌道交通站點，可采用各站點間的拓撲距離長短來表示區(qū)位優(yōu)勢度，軌道交通網(wǎng)絡各站點的站間距矩陣如下：

設某軌道站點i至j站點之間的拓撲距離為dij，則站點i至其他所有站點的距離之和為所有站點中Di最小者作為交通重要度最大的站點，其交通重要度為其中X為換乘站集合，車站交通重要度的反映必然是基于整個網(wǎng)絡，故計算Di考慮了所有站點，但計算交通重要度θi時，聚焦分析對象——換乘車站。因所有換乘站的交通重要度和為1，故可用百分比表示。

2.2.2 人群聚集度

人群聚集度主要是通過站點采集工作日下午3時的手機信令數(shù)據(jù)，統(tǒng)計各換乘站覆蓋范圍內熱力值與所有換乘站總熱力值的比值。該值越大，表明其人群聚集度越高，計算公式如下：

式中，ωi表示站點i的人群聚集度，Hi表示站點i在500 m范圍內的人群聚集數(shù)，n表示換乘站數(shù)量之和。因所有換乘站人群聚集度的和為1，故可用百分比表示。

為便于規(guī)劃應用，可將車站i依據(jù)規(guī)劃定位取Hi值為1～5，分別對應一般換乘站、地區(qū)中心級Ⅱ型換乘站、地區(qū)中心級Ⅰ型換乘站、城市副中心級換乘站、城市中心級換乘站(中心等級逐漸提高)，或根據(jù)換乘站間相對關系取帶小數(shù)的中間值，再計算各規(guī)劃換乘站ωi。

2.2.3 換乘線路數(shù)

換乘站i連接的軌道線路條數(shù)以Li(Li≥2)表示，即換乘站相交線路數(shù)量，可直接反映其在網(wǎng)絡中的重要性。同時，由于換乘銜接線路類型直接影響換乘客流，對不同類型換乘線路條數(shù)取值按如下設置：常規(guī)十字換乘站的換乘線路數(shù)為2，四“枝”的每一“枝”取值為0.5。而接力線(末端銜接線路)為換乘車站的兩“枝”——各0.5條換乘線，故若僅有兩條線接力換乘，則該換乘站的換乘線路數(shù)為1，以此類推。

2.2.4 網(wǎng)絡位置特征

前述交通重要度主要從站點間的距離反映區(qū)位特征，但該指標相近的站點也可能因網(wǎng)絡路徑的差異而有不同的內部客流特征。故采用“介數(shù)中心性”來補充反映——它代表一個節(jié)點被網(wǎng)絡所有節(jié)點對的最短路徑經(jīng)過的概率，刻畫了節(jié)點對網(wǎng)絡中沿最短路徑傳輸?shù)木W(wǎng)絡流的控制力[8]。

2.3 客流因素

2.3.1 進出站客流分布

軌道車站高峰進出站分布規(guī)律主要與站點周邊用地相關：周邊用地以商辦功能為主導的，早高峰以出站客流為主，晚高峰以進站客流為主；周邊用地以居住功能為主導的，早高峰以進站客流為主，晚高峰以出站客流為主；周邊為城市對外交通樞紐的，客流無明顯的特征，具有較強的隨機性。

通過高峰進站量占高峰客流量的比值，確定站點類型，計算公式如下：

式中：ki為早高峰進站客流比，Ii為早高峰進站量，oi為早高峰出站量。

若規(guī)劃應用時無可靠、細致的進出站客流數(shù)據(jù)，可根據(jù)如下定性判斷簡化指標替代：判斷與閾值上界ku及閾值下界kd的關系，得到各車站的進出站客流判定指標，計算如下：

式中：ψi為1、0、–1分別對應著居住功能主導型、均衡性和商辦功能主導型。

2.3.2 高峰小時系數(shù)

車站類型與全日客流分布特征相關，即表現(xiàn)為早、晚高峰進站及出站客流的高峰小時系數(shù)大小，同樣可以用客流特征向量來描述。構建各個車站i的客流特征向量其中λ1、λ2為進站客流的早、晚高峰小時系數(shù)，λ3、λ4為出站客流的早、晚高峰小時系數(shù)，而高峰小時系數(shù)為高峰時段的進站量/出站量占全日總進站量/出站量的比值。

若規(guī)劃應用時無可靠、細致進出站客流數(shù)據(jù)，可根據(jù)車站周邊用地類型做定性判斷，簡化指標替代：設置高峰系數(shù)的閾值λm，判別λj是否超過該閾值，從而將客流分布特征向量轉為布爾判定向量布爾系數(shù)(見表1)計算如下：

表1 常見的各種用地類型的高峰系數(shù)R矩陣值分布Table 1 Distribution of peak coefficient R matrix value of common land-use types

2.3.3 內部換乘客流

內部換乘客流是換乘站獨有的客流，同樣影響著車站設計，以全日換乘量Bi作為表征換乘站i的客流因素。

為便于規(guī)劃應用，在缺少規(guī)劃年換乘車站內部換乘客流數(shù)據(jù)時，可利用回歸模型的計算結果近似代替。以現(xiàn)狀運營數(shù)據(jù)Bi為因變量，以現(xiàn)狀換乘線路數(shù)Li及人群聚集度ωi為自變量，建立回歸方程(其中a、b、c為標定參數(shù))，得到如下公式(調整R2=0.750)：

3 多因子聚類的換乘站分類方法

聚類分析是一種數(shù)據(jù)規(guī)約技術，通過將研究對象劃分為相對同質的若干群組(clusters)，以期達到簇內的相似度盡可能高、簇間的相似度盡可能低的目標。

數(shù)據(jù)輸入前需要將數(shù)據(jù)標準化，本研究選取標準化方法為z-score，對各軌道交通站點的3類因素(用地、區(qū)位、客流因素)進行處理。

采用k-means聚類算法[9]，將樣本觀測值分成k組，設定觀測值到其指定的聚類中心的平方的總和最小為優(yōu)化目標，進行不斷迭代。

4 南京地鐵換乘站算例分析

4.1 指標計算

4.1.1 用地因素

由南京換乘站500 m范圍內的用地構成(見表2)發(fā)現(xiàn)：油坊橋、金馬路、南京南站、翔宇南路的某種用地占比超過60%，表現(xiàn)為單一用地的強主導特征；安德門站的各類用地占比較為均衡，最大占比低于40%；其余車站表現(xiàn)為單一用地的弱主導特征，最大占比為40%～ 50%；此外，雞鳴寺站表現(xiàn)為辦公、居住用地雙主導的特征。

表2 南京換乘站500 m范圍內用地構成Table 2 Land use component of the Nanjing metro transfer station %

4.1.2 區(qū)位因素

換乘站交通重要度、人群聚集度及換乘線路數(shù)、介數(shù)中心性計算結果(見表3)表明：交通重要度差異不如人群集聚度明顯，核心區(qū)站點的人群集聚度明顯更高，如新街口站、大行宮站；僅南京南站為4線換乘(末端換乘視為0.5條，L為3)，其余站為2線換乘；南京南站與安德門站的交通重要度較為接近，而介數(shù)中心性則差異較大，反映了南京南站是網(wǎng)絡上的重要聯(lián)通節(jié)點。

表3 南京地鐵換乘站區(qū)位因素Table 3 Location characteristic of the Nanjing metro transfer station

4.1.3 客流因素

利用地鐵運營數(shù)據(jù)計算高峰進站量與高峰進出站量之比、早晚高峰進出站比例。由表4可見，不同換乘車站呈現(xiàn)明顯的差異特征，如油坊橋站因居住人口較多，早高峰進站客流明顯高于出站客流；位于城市中心的新街口、大行宮站以及交通樞紐南京南站的日換乘量居前三，均超過14萬人次。

表4 南京地鐵換乘站客流因素Table 4 Passenger flow characteristic of the Nanjing metro transfer station

分別從以上3類指標單獨來看，分類結論并不相同。如僅從區(qū)位因素看，鼓樓與南京南站較為相似，無法區(qū)分兩者的功能特性。因此，采用單因素分析存在局限性，應綜合考慮。

4.2 聚類分析

利用以上指標進行聚類分析，分類數(shù)目應兼顧區(qū)分度與實際應用便捷程度，從國內外站點分類研究看，一般分類數(shù)不超過5類。為體現(xiàn)區(qū)分度，本研究將分類數(shù)取為5。

為對比分析不同類別因素的聚類效果，本研究對單因素、多因素分別采用k-means算法聚類分析，得出聚類結果如表5所示。

表5 聚類結果對比Table 5 Comparison of clustering results

采用分類均勻度、分類效果定性判斷等指標進行評價，前者指每類數(shù)量是否均勻，后者指根據(jù)站點實際情況定性判斷分類的合理性。

4.2.1 分類均勻度

從均勻度來看，僅考慮單因素結果較為極端，如僅區(qū)位因子——數(shù)量最多的一類占總數(shù)近40%，而多因素聚類則相對均勻(見圖1)。

圖1 換乘站點分類樣本數(shù)對比Figure 1 Comparison of the number of classified samples in Nanjing metro transfer station

4.2.2 分類效果判斷

從表5的分類結果可知，按單獨類別輸入分類存在以下缺陷：

1) 僅用地因素的聚類將主城核心區(qū)鼓樓和地處外圍的翔宇路南站并為一類，忽略了區(qū)位、客流因素；

2) 僅區(qū)位因素的聚類無法識別樞紐站，將南京站與雞鳴寺劃歸一類；

3) 僅客流因素的聚類同樣無法識別樞紐站，同時將主城安德門站與郊區(qū)翔宇路南并為一類，忽略了區(qū)位因素。

而3類因素的綜合使用能避免以上問題，得到更符合實際的分類結果。

綜上所述，按3類因素全輸入與分別單獨輸入相比：3類全輸入(多因素聚類法)分類相對均勻，分類結果符合用地、區(qū)位、客流的實際特點，可兼顧車站不同維度上的特征，得出更為合理的分類結果。

4.3 結果應用

4.3.1 現(xiàn)狀換乘站分類

以上綜合使用3類因素聚類結果即為現(xiàn)狀分類結果，將各類分別命名為綜合樞紐型換乘站、公共中心Ⅰ型換乘站、公共中心Ⅱ型換乘站、居住生活型換乘站、外圍接駁型換乘站(見圖2)。

圖2 南京地鐵換乘站分類Figure 2 Nanjing metro transfer station classification

進一步分析各類換乘站的功能、客流等特征，得出各類換乘站的運營特點(見表6)，可對后續(xù)同類別換乘站進行針對性設計。如居住生活型換乘站內部換乘客流的流向多為潮汐流向，可考慮對應優(yōu)化車站內部交通組織流線；居住生活型換乘站外部接駁設施非機動車(主要為共享單車)的周轉率較低，外部接駁設施的規(guī)模在同等客流情況下應更大等。

表6 南京地鐵換乘站分類體系Table 6 Classification system of the Nanjing metro transfer station

4.3.2 規(guī)劃換乘車站分類

以上分類結果是基于現(xiàn)狀各項數(shù)據(jù)完善的條件下得出的，而規(guī)劃應用尤其是客流因素往往無完整可靠的預測數(shù)據(jù)，可結合前述影響因素分析進行簡化變量的計算。

規(guī)劃車站周邊用地的性質若尚未完全確定，可根據(jù)本文第2.1.2節(jié)公式，通過用地閾值，大致判斷用地布爾向量T。

規(guī)劃車站周邊的人群集聚度可根據(jù)本文第2.2.2節(jié)所述，通過規(guī)劃定位，對Hi人群聚集數(shù)(等級)進行取值，進而計算判斷人群聚集度ω。

規(guī)劃車站客流指標高峰進站客流比、高峰系數(shù)等，可根據(jù)本文第2.3節(jié)公式，根據(jù)用地性質定性判斷及閾值參數(shù)，計算簡化變量ψ、ξ，換乘客流可依據(jù)本文第2.3.3節(jié)的回歸公式近似計算。在此基礎上，可得出簡化變量進行分類，得到規(guī)劃換乘車站的分類結果。

以前述現(xiàn)狀聚類分析(未使用簡化變量)結果為標準，調整參數(shù)值，使現(xiàn)狀簡化變量輸入分類結果盡可能接近，得出的參數(shù)值如表7所示。

表7 閾值參數(shù)建議取值Table 7 Recommended values of parameter thresholds

4.3.3 客流指標數(shù)據(jù)參考

在獲取以上規(guī)劃換乘車站閾值的基礎上，可得出現(xiàn)狀的分類型高峰小時系數(shù)均值(見表8)，為后續(xù)規(guī)劃應用時客流相關指標的選取提供參考。

表8 換乘車站分類型高峰小時系數(shù)均值參考Table 8 Peak hour coefficients of different transfer station types %

可基于本文第1.3.3節(jié)回歸公式預計的規(guī)劃換乘車站全日內部換乘客流(如有專門客流預測數(shù)據(jù)應以其為準)，以及根據(jù)換乘車站類型利用表8得到高峰小時系數(shù)，得出高峰內部換乘量，指導換乘站內部規(guī)劃設計——結合設計換乘線路車站間的換乘路徑距離，對換乘通道寬度、瓶頸處最小設計規(guī)模等的確定提供參考依據(jù)。

5 結語

本研究對換乘站分類的影響因素進行分析，剖析各影響因素之間的內在聯(lián)系，結合南京市實際情況，計算了各影響因素的具體指標，通過聚類方法得出5類標準，為便于規(guī)劃應用，給出了模型簡化變量計算參數(shù)的建議，為后續(xù)換乘站針對性的規(guī)劃設計提升提供借鑒。

由于軌道交通車站內部的換乘設施、環(huán)境質量、空間設計等均影響車站客流的換乘效率[10]，所以本分類方法與換乘車站細部特征的結合還有待進一步研究。