基于车站客流特征的城市轨道交通就业中心站点识别方法

马 亮 周 军 张永强

(1．深圳市规划国土发展研究中心,518040, 深圳; 2.南京林业大学汽车与交通工程学院,210037, 南京∥第一作者,高级工程师)

就业中心是城市就业岗位主要的承载空间及通勤客流的目的地,准确掌握就业中心的空间布局及演化规律,对于优化城市空间布局及综合交通体系具有重要意义。我国学者主要采用两种方法开展就业中心识别研究:一是门槛值法,即设置就业中心人员密度或数量的门槛,将高于门槛值的地区定义为就业中心[1-3],但该门槛值的定义存在一定的主观性;二是回归分析法,即先通过就业密度的门槛值或自然断点筛选出候选的就业中心,再利用密度分布模型检验各候选就业中心的影响力,以确定就业中心[4-5]。与门槛法相比,回归分析法更为科学,但技术流程更为复杂。

近年来我国城市轨道交通快速发展,截至2022年底,全国共有55个城市开通了城市轨道交通运营线路。其中,北京、上海、广州及深圳等10个城市的城市轨道交通线网运营里程超过了300 km[6],线路大多优先覆盖城市的主要就业中心;此外,北京、上海、广州及深圳这4个城市中心城区2020年的城市轨道交通出行量在机动化出行总量中的占比均超过25%,因此,通过城市轨道交通车站的客流特征来反映城市就业中心的空间布局,具有一定的代表性。与就业中心识别常用的经济普查数据和手机信令数据相比,城市轨道交通AFC(自动售检票)的数据能准确记录了乘客出行的起始时间及进出站点,数据质量较高且易获取,可为就业中心的年度评估及动态跟踪提供良好的数据基础。

基于城市轨道交通AFC数据进行就业中心识别的研究较少,文献[7]基于地铁AFC数据对城市通勤和就业中心的吸引范围进行了研究,但就业中心识别方法借鉴了前人的研究成果。本文在研究就业中心周边城市轨道交通车站客流特征的基础上,提出了城市轨道交通就业中心站点的定义及识别方法,以城市轨道交通车站为基本单元,反映就业中心的空间布局特征,并以深圳市为案例进行实例应用效果分析。

1 数据基础

2015年,深圳城市轨道交通线网运营里程为178.0 km,车站118座,换乘站13座,共计5条线路。2021年,该线网的运营里程增至422.6 km,车站增至237座,换乘站为41座,共计11条线路,其线网布局如图1所示。

图1 2021年深圳城市轨道交通线网图

本文采用深圳市2015年12月7日—12月11日(周一至周五)、2021年3月1日—3月5日(周一至周五)的AFC数据进行分析研究。AFC数据主要包括卡片编号、进出站类型、刷卡时间及闸机编号等信息。通过闸机编号与车站的对应关系,可以把乘客的出行信息映射在空间上。2015年12月7日—12月11日5 d内深圳城市轨道交通线网的累计刷卡量为21 876 760次,日均刷卡量约为4 375 352次;2021年12月7日—12月11日5 d内深圳城市轨道交通线网的累计刷卡量为36 352 656次,日均刷卡量约为7 270 531次。

2 基于城市轨道交通车站客流特征的就业中心站定义

2.1 就业中心周边城市轨道交通站点的客流特征分析

通过分析城市公认就业中心地区周边城市轨道交通车站的客流特征,并提炼、总结出这些站点客流的一般规律,可为城市轨道交通就业中心站点(以下简称“就业中心站”)的定义及识别提供数据支撑。定义深圳城市轨道交通的早、晚高峰小时分别为08:00—09:00、18:00—19:00。图2为深圳城市轨道交通线网早高峰小时进出站总量前20名的车站。由图2可知:车公庙站排名第一,高新园站、深大站紧随其后。

图2 深圳城市轨道交通线网早高峰小时进出站总量前20名的车站

进一步分析车公庙站的客流特征。该站为深圳城市轨道交通1号线、7号线、9号线及11号线四线交汇的换乘车站,位于深圳主要就业中心车公庙片区内。车公庙片区就业人口密度高、早晚高峰小时通勤交通联系强度大。对2021年3月1日—2021年3月5日的5个工作日客流数据进行分析,得到该换乘站的客流特征如下:

1) 早高峰小时出站量大且集中。车公庙换乘站早高峰客流较晚高峰集中,其早高峰小时的出站量高达2.35万人次/h,高于晚高峰小时的进站量(1.58万人次/h)。相应地,该换乘站早高峰小时出站量在该站日出站量中的占比达37.5%,明显高于该早高峰小时的线网平均占比(即城市轨道交通线网合计小时出站量在线网日出站量中的占比),如图3所示。

图3 车公庙站小时出站量占比与线网平均小时出站量占比的对比

2) 早高峰小时进出站客流潮汐性特征明显。车公庙站周边地区以就业功能为绝对主导,该站早高峰小时的出站量(2.35万人次/h)是进站量(0.12万人次/h)的19.4倍,晚高峰小时的进站量(1.58万人次/h)是出站量(0.34万人次/h)的4.6倍。而深圳轨道交通线网内如西丽站、深圳北站等车站的早高峰小时出站量虽然也较大,但这些车站的进出客流潮汐特征并不显著,这也反映了这些车站的周边地区尚未发展为典型的就业片区。

2.2 就业中心站的定义

基于上文对车公庙站的客流特征分析,就业中心地区的城市轨道交通车站应同时满足早高峰小时出站量大且集中、进出站客流潮汐性强这2个特征,因此,将早高峰小时出站量、出站量与进站量的比值均明显高于全市平均水平的城市轨道交通车站定义为就业中心站。

本文借鉴交通模型校核常用的GEH指标,提出了城市轨道交通车站就业指数的计算方法,用以衡量车站周边地区就业功能的强弱。GEH指标由英国交通工程师Geoffrey E. Havers于1970年左右提出[2],用于检验模型估计值与实际观测值之间的误差,其优点是综合考虑了相对误差、绝对误差2个参数。将GEH指标中的估计值与观测值替换为早高峰小时出站量、早高峰小时进站量,得到城市轨道交通车站就业指数t的计算式为:

(1)

式中:

a——城市轨道交通车站早高峰小时出站量;

b——城市轨道交通车站早高峰小时进站量。

t能较好地反映城市轨道交通车站周边地区就业功能的强弱。早高峰出站量大、潮汐性强的车站,其t值较高。

3 就业中心站的识别及特征分析

3.1 识别方法

计算各车站的t,并确定t的门槛值,以实现对就业中心站的识别与分类。其识别步骤为:

1) 将AFC数据中的闸机编号与车站名进行匹配,基于进出站类型、刷卡时间的信息,统计得到深圳市各城市轨道交通车站全日分小时的进出站量。

2) 提取早高峰08:00—09:00各站的进出站量,将出站量大于进站量的车站纳入候选车站范畴,利用式(1)计算各候选车站的t,并计算t的平均值¯t。

3) 筛选出所有大于¯t的t,其对应的车站即为就业中心候选车站。2015年、2021年的¯t分别为56.2、58.6。为便于类比,本文选择58.6作为计算就业中心站t的门槛值。

4) 将就业中心站分类三类:主要就业中心站、次要就业中心站及一般就业中心站。通过多次试算与经验判断,选择t=150.0、t=100.0作为这三类就业中心站的分类界限,进而得到深圳市不同功能等级就业中心站的空间分布。

3.2 2015年和2021年的t值对比

对2021年和2015年的数据进行分析。2015年,深圳城市轨道交通车站总数为118座,就业中心候选车站数为59座(占比为50%),t为0～180.4;2021年,深圳城市轨道交通车站总数为237座,就业中心候选车站为108座(占比为46%),t为0～200.7。由此可知:与2015年相比,2021年就业中心候选车站占比有所下降,但t的上限值增加了。其原因主要是2015年以后新开通的城市轨道交通线路以联系城市中心区与外围区为主,且新线在城市中心区设站时进一步强化了对既有就业中心的覆盖功能,在外围区设站时新增了对居住片区的覆盖功能。

3.3 就业中心站的空间分布特征

3.3.1 深圳市就业中心站总数

表1为2015年和2021年深圳市就业中心站数量对比结果。由表1可知:与2015年相比,2021年深圳市就业中心站的数量快速增长,增长率为174%。其中,主要就业中心站、次要就业中心站的数据均增加了1倍;一般就业中心站的数量由2015年的13座增长到2021年的21座。

表1 2015年和2021年深圳市就业中心站数量对比

3.3.2 2015年深圳市就业中心站的空间分布

2015年,深圳市19座就业中心站除宝华站位于宝安中心区外,其余均分布在中心城区(罗湖区、福田区及南山区3个行政区),其空间分布情况如图4所示。其中:3座主要就业中心站(车公庙站、深大站及高新园站) 早高峰小时的平均出站量为1.78万人次/h,平均进站量仅为0.15万人次/h。3座次要就业中心站(福田站、会展中心站及大剧院站)早高峰小时的平均出站量为1.21万人次/h,平均进站量仅为0.17万人次/h;相比主要就业中心站,次要就业中心站早高峰小时的出站量明显减少,其客流潮汐性也有所减弱。

图4 2015年深圳市就业中心站空间分布情况

3.3.3 2021年深圳市就业中心站空间分布

2021年,深圳市中心城区的就业功能进一步加强。33座就业中心站中,有29座位于中心城区,4座位于外围区(均为一般就业中心站),其空间分布情况如图5所示。其中:主要就业中心车站6座,在2015年基础上新增了福田站、会展中心站及高新南站;次要就业中心车站6座,除原有的大剧院站外,新增了后海站、购物公园站、科苑站、市民中心站及留仙洞站5座车站。

图5 2021年深圳市就业中心站空间分布情况

4 就业中心站的演变规律

4.1 就业指数增长率

设城市轨道交通车站第i年的就业指数为ti,第i-1年的就业指数为ti-1,则城市轨道交通车站第i年就业指数增长率r的计算式为:

r=[(ti/ti-1)-1] ×100%

(2)

式(2)中:r≤0时表示该城市轨道交通车站的就业指数下降,即该站点的就业功能在衰退;反之,则表示该站点的就业功能在发展。

对比2015年、2021年深圳市就业中心站空间分布情况,以研究该市就业中心站的演变规律。表2为2015年深圳市就业中心站的空间分布情况。由表2可知:在2015年识别出的19座就业中心站中,就业功能衰退的就业中心站有4座,分别为福田区的大学城站和燕南站、罗湖区的老街站和国贸站;其余15座就业中心站的就业功能在持续发展,这些站点大多数位于南山区和福田区。

表2 2015年深圳市就业中心站的空间分布情况

2015—2021年深圳市新增就业中心站的空间分布情况如表3所示。根据就业中心站的识别算法,表2中福田区的大学城站和燕南站2021年起不再属于就业中心站。2015—2021年新增的就业中心站为16座,其中:2014年及以前开通的既有城市轨道交通线路的就业中心站有6座,2015—2021年开通的新建城市轨道交通线路的就业中心站有10座。新增就业中心站主要分布在南山区和福田区。

4.2 就业中心站的主要影响因素

通过对比发现,就业中心站的产生与发展受城市轨道交通车站的空间区位、沿线用地开发程度、有无城市轨道交通线路引入等因素影响较大。

1) 城市中心区就业功能的不断集聚是就业中心发展的关键因素。深圳城市发展呈现中心持续西移的特征,西部的南山科技中心及福田金融中心的岗位聚集密度明显高于东部的罗湖消费中心,并保持较快的发展速度。2021年,南山区、福田区分别拥有11座、14座就业中心站,分别较2015年分别新增了7座、5座,而罗湖区仅拥有4座就业中心站。

2) 大体量商业办公建筑的建成及使用可促进新的就业中心形成。车站周边存在大体量已建成并投入使用的商业办公建筑,则车站的t增长较快,该指标反映了产业入驻带来的就业岗位增长。2021年既有城市轨道交通线路沿线车站新增了6座就业中心站,其中:水贝站新增了42.7万m2商业办公类建筑,t由13.7增至60.7,其r为340%;留仙洞站新增248.6万m2商业办公类建筑,t由48.3增至102.6,其r为112%。

3) 城市轨道交通新线开通可进一步强化既有线路站点的就业中心功能。既有城市轨道交通线路就业中心站引入新线后,其r较无新线引入车站大。2021年,既有城市轨道交通线路沿线的就业中心站共21座,除留仙洞站、水贝站这2座周边用地功能较大的车站外,其余19座车站可以分为两类:第一类是周边有新线引入既有站点,这类就业中心站共有8座车站;第二类是周边无新线引入的既有站点,这类就业中心站共有11座。经统计,第一类就业中心站的r平均值为57%,明显高于第二类就业中心的r平均值(31%)。以车公庙站为例,由于引入了城市轨道交通7号线、9号线及11号线,与既有轨道1号线共同形成4线换乘枢纽,车公庙片区的对外辐射能力得以大幅提升,车站的r增至28%,成为深圳市t值最高的城市轨道交通车站。

5 结语

本文基于城市轨道交通车站的客流特征,提出了城市轨道交通就业中心站点的定义及城市轨道交通车站就业指数的概念,提出了基于城市轨道交通AFC数据识别城市就业中心的技术方法。深圳市的实例应用验证表明:通过对就业中心站的识别,可反映就业中心在深圳市的空间分布情况。

但是,考虑到不同地区空间区位、交通设施供应能力等方面的差异性,城市轨道交通出行量在机动化交通出行总量中的占比也存在一定的差异,这些都有可能导致城市轨道交通车站就业指数表征的就业功能强弱与实际有所偏差。下一阶段应对城市轨道交通车站就业指数的修正方法进行更为深入的研究。