程小云，張學(xué)宇，施 澄，劉鈺倩，丁 玲

(1.長安大學(xué) 運輸工程學(xué)院，西安 710064；2.生態(tài)安全屏障區(qū)交通網(wǎng)設(shè)施管控及循環(huán)修復(fù)技術(shù)交通運輸行業(yè)重點實驗室(長安大學(xué))，西安 710064；3.同濟大學(xué) 建筑與城市規(guī)劃學(xué)院，上海 200092)

快速的居住郊區(qū)化與遲緩的就業(yè)郊區(qū)化[1]使得規(guī)劃的職住空間與實際通勤網(wǎng)絡(luò)結(jié)構(gòu)之間的不協(xié)調(diào)日趨嚴(yán)重。軌道交通成為應(yīng)對城市職住分離問題的主要通勤方式，其網(wǎng)絡(luò)結(jié)構(gòu)與職住空間的耦合程度直接影響著城市居民的幸福水平和城市的發(fā)展?jié)撃堋Ｈ欢?，城市軌道交通與職住空間的發(fā)展過程，受居民就業(yè)和居住地的自選擇性[2-3]、人口特征及土地利用等因素的影響呈現(xiàn)出復(fù)雜的交互關(guān)系，且影響程度與模式均存在一定的空間異質(zhì)性。因此，基于城市人流空間的交互視角[4]，深入探究職住空間結(jié)構(gòu)形態(tài)與軌道交通網(wǎng)絡(luò)在功能上的協(xié)調(diào)與耦合關(guān)系，是實現(xiàn)軌道交通建設(shè)可持續(xù)發(fā)展，充分發(fā)揮城市軌道交通對城市空間結(jié)構(gòu)優(yōu)化引導(dǎo)作用的理論前提。

現(xiàn)有研究已充分論證了軌道交通發(fā)展與城市空間結(jié)構(gòu)形態(tài)之間存在相互影響關(guān)系[5-6]，且這種相互作用體現(xiàn)在不同尺度下的不同因素之間。從站點層面，主要體現(xiàn)在站點周邊建成環(huán)境對軌道通勤出行的影響[7]，軌道交通客流與土地利用的互動關(guān)系[8]；從網(wǎng)絡(luò)層面，則體現(xiàn)在軌道交通可達(dá)性與土地利用的依賴關(guān)系[5]等方面。其中，可達(dá)性作為衡量交通出行便捷度的重要指標(biāo)，是連接城市空間結(jié)構(gòu)與軌道交通系統(tǒng)的關(guān)鍵[5-6]。然而，軌道交通可達(dá)性與城市空間結(jié)構(gòu)互動關(guān)系的非對稱性及其交互影響機制鮮見報道。

在研究軌道交通可達(dá)性與城市空間結(jié)構(gòu)互動關(guān)系時，主要因素的測度方法和關(guān)系模型的構(gòu)建是決定互動影響關(guān)系的關(guān)鍵所在。對職住分布的測度方法，國內(nèi)外研究提出了職住比[9]、職住平衡指數(shù)[10]、職住偏離度指數(shù)[11]、職住自足性指數(shù)[12]、通勤距離[13]和時間[14]等表征城市職住空間分布的相關(guān)指標(biāo)及計算方法。尤其是，手機信令數(shù)據(jù)因具有廣覆蓋、大樣本、細(xì)粒度等諸多優(yōu)勢而被廣泛用于職住空間的相關(guān)研究中，使得職住分布的相關(guān)指標(biāo)在時空尺度下更加多樣化。對城市軌道交通可達(dá)性的量化方法，已有研究提出了平均通達(dá)時間[15]、OD最晚可達(dá)時間[16]、行程時間[17]等測算指標(biāo)。如文獻(xiàn)[16]提出了末班車開行約束下城市軌道交通路網(wǎng)可達(dá)性的計算方法。文獻(xiàn)[17]建立了在擁擠條件下考慮動態(tài)行程時間的可達(dá)性評價模型。然而，現(xiàn)有的基于時間測度的軌道交通可達(dá)性計算方法雖然接近現(xiàn)實且可操作性強[18]，但僅從供給角度出發(fā)，忽視了乘客的實際需求，尤其是軌道交通能夠服務(wù)的潛在群體。兩步移動搜索法(two-step floating catchment area method，2SFCA)可綜合考慮設(shè)施的供給、居民出行需求和空間阻抗，在公共服務(wù)設(shè)施的可達(dá)性評價中具有廣泛的應(yīng)用[19]。文獻(xiàn)[19]基于修正的2SFCA法評估了醫(yī)療設(shè)施的空間可達(dá)性，結(jié)果表明不同等級的醫(yī)療設(shè)施可達(dá)性空間分布不均。文獻(xiàn)[20]利用2SFCA法分析了城市綠地可達(dá)性的空間不平等特征，揭示了不同種族和收入群體之間的綠地可達(dá)性差異。關(guān)系模型構(gòu)建方面，近年來多采用以空間計量模型為主的全局回歸模型和以地理加權(quán)回歸模型(geographically weighted regression, GWR)為主的局部回歸模型研究交通可達(dá)性與城市結(jié)構(gòu)的空間特征和關(guān)聯(lián)效應(yīng)[5,21]。文獻(xiàn)[5]基于全局空間計量模型和GWR模型探究了公共交通可達(dá)性的空間分布特征及其與城市經(jīng)濟活動的空間關(guān)聯(lián)效應(yīng)。文獻(xiàn)[21]采用空間誤差模型(spatial error model, SEM)和GWR模型分析了交通可達(dá)性對城市房屋價格的空間異質(zhì)性特征。然而，在實際中職住空間關(guān)系通過衍生出的出行需求分布影響軌道交通可達(dá)性；反之，軌道交通可達(dá)性則通過影響地區(qū)綜合吸引力改變其職住空間分布形態(tài)。職住分布與軌道交通可達(dá)性存在雙向影響路徑的特性，需從雙向因果角度[22]出發(fā)，構(gòu)建兩者的互動關(guān)系模型，探究耦合效應(yīng)關(guān)系。

本文以西安市中心城區(qū)為研究范圍，基于手機信令數(shù)據(jù)、軌道交通刷卡數(shù)據(jù)、城市路網(wǎng)及軌道線網(wǎng)等數(shù)據(jù)，以空間交互視角開展對職住分布與軌道交通網(wǎng)絡(luò)的影響關(guān)系及耦合效應(yīng)分析。采用職住自足性指數(shù)量化職住空間；基于實際路網(wǎng)距離的高斯2SFCA法測度軌道交通車站空間可達(dá)性；構(gòu)建空間聯(lián)立方程揭示職住平衡與軌道交通可達(dá)性兩者的空間耦合效應(yīng)，引入局部空間自相關(guān)探討西安市軌道交通網(wǎng)絡(luò)建設(shè)與城市空間發(fā)展的協(xié)調(diào)性與適應(yīng)性，為軌道交通線網(wǎng)結(jié)構(gòu)的優(yōu)化及城市空間的合理拓展提供理論依據(jù)。

1 研究方法

本文首先基于多源數(shù)據(jù)實現(xiàn)兩個關(guān)鍵要素的定量化分析，即采用職住自足性指數(shù)測度職住平衡，利用改進(jìn)的高斯兩步移動搜索法計算軌道交通可達(dá)性；其次，建立空間聯(lián)立方程探討職住平衡與軌道交通可達(dá)性的交互影響機制。

1.1 職住平衡量化分析

職住自足性指數(shù)Cfi，即某一空間單元的人口職住自足度(Dsc,i)與全域空間單元人口職住自足度(Dsc,i)均值的比值[12]，可定量測度職住平衡，計算公式為

(1)

式中：Dsc,i為在交通小區(qū)i內(nèi)居住并工作的人與該區(qū)域居住人口的比值，即自足度(self-containment degree)；Avg(Dsc,i)為所有交通小區(qū)自足度的平均值。自足性指數(shù)Cfi越高，表明職住越平衡，職住一體化程度越高。

1.2 高斯兩步移動搜索法的軌道交通可達(dá)性分析

利用以高斯函數(shù)模擬空間阻抗的2SFCA法分析軌道交通可達(dá)性，可同時考慮供需要素，更接近實際情況，具體計算流程如下。

第1步，對于每個軌道交通車站j，搜索所有離車站j距離閾值d0之內(nèi)的需求點(即移動通信基站)k,計算出軌道交通車站的供需比Rj：

(2)

式中：Sj為車站j的供給量，本文取車站高峰小時客流量以反映該車站的吸引能力；dkj為車站j和需求點k的距離；d0為距離閾值，本文采用軌道車站半徑3 km的合理交通區(qū)[23]作為篩選距離閾值，以考慮軌道交通車站所能吸引的步行或其他交通方式乘客到達(dá)范圍；Dk為搜索區(qū)內(nèi)需求點k的需求量，即經(jīng)手機信令數(shù)據(jù)識別與擴樣后的居住人口數(shù)。G(dkj,d0)為考慮距離阻抗的高斯方程，計算公式為

(3)

第2步，對于每個需求點i，搜索所有離需求點i距離閾值d0之內(nèi)的車站j，將所有車站的供需比Rj求和即得到需求點i的空間可達(dá)性指數(shù)Ai，將交通小區(qū)m內(nèi)的所有可達(dá)性指數(shù)Ai求和，得到交通小區(qū)m的空間可達(dá)性指數(shù)Am：

(4)

Am=∑Ai

(5)

式中dij為需求點i到車站j距離。

該可達(dá)性量化方法同時考慮了車站的供給、地區(qū)的需求及車站吸引度的空間衰減效應(yīng)，計算結(jié)果可表征考慮地理距離衰減的人均軌道交通車站吸引強度，Am越大，軌道交通車站服務(wù)的空間可達(dá)性越好。

1.3 基于空間聯(lián)立方程的職住平衡與軌道交通可達(dá)性的交互影響機制分析

空間聯(lián)立方程模型即由多個相互聯(lián)系的單一方程構(gòu)成的空間計量經(jīng)濟模型。聯(lián)立方程模型描述經(jīng)濟變量間的雙向因果關(guān)系，即某一經(jīng)濟變量決定著其他經(jīng)濟變量，反過來又受其他經(jīng)濟變量影響。如城市基礎(chǔ)設(shè)施與經(jīng)濟發(fā)展存在顯著的雙向促進(jìn)作用，一方面政府可通過基礎(chǔ)設(shè)施投資帶動經(jīng)濟增長，另一方面在經(jīng)濟增長的同時可進(jìn)行新的投資[24]。同理，由已有研究可知，職住平衡與軌道交通可達(dá)性之間也存在復(fù)雜的雙向因果關(guān)系，僅用單一的計量經(jīng)濟模型無法完整地刻畫兩者之間的互動關(guān)系。因此，本文通過引入空間聯(lián)立方程[25]，一方面揭示職住平衡與軌道交通可達(dá)性的空間交互機制和溢出效應(yīng)；另一方面解釋建成環(huán)境分別對職住平衡與軌道交通可達(dá)性影響作用的空間依賴效應(yīng)和溢出效應(yīng)?？臻g聯(lián)立方程包括職住平衡方程和軌道交通可達(dá)性方程，分別為

lnCfi=α0+α1ωijlnCfi+α2lnAi+

α3ωijlnAi+α∑lnXi+εi

(6)

lnAi=β0+β1ωijlnAi+β2lnCfi+β3ωijlnCfi+

β∑lnYi+vi

(7)

式中：i、j為交通小區(qū)；Cfi、Ai分別為交通小區(qū)i的職住自足性指數(shù)和軌道交通可達(dá)性，即模型的內(nèi)生變量；Xi、Yi分別為影響職住自足性指數(shù)和軌道交通可達(dá)性的控制變量(外生變量)；ωij為空間權(quán)重；α0、β0為常數(shù)項；α1、β1分別為鄰近交通小區(qū)職住平衡和軌道交通可達(dá)性的空間溢出系數(shù)，分別表征職住平衡和軌道交通可達(dá)性的空間溢出程度；α2、β2用于刻畫職住平衡和軌道交通可達(dá)性之間的內(nèi)生關(guān)系，其值正負(fù)分別表示一變量對另一變量的推動或抑制作用，其值大小則表示作用的強度；α3、β3用于刻畫職住平衡和軌道交通可達(dá)性之間的空間交互效應(yīng)，前者表征鄰近交通小區(qū)軌道交通可達(dá)性對本地區(qū)職住平衡的影響程度，后者表征鄰近交通小區(qū)職住平衡對本地區(qū)軌道交通可達(dá)性的程度；ε、v為隨機項。本文對解釋變量進(jìn)行對數(shù)化處理，減少異方差及變量波動對模型結(jié)果的影響。

2 研究數(shù)據(jù)與變量

2.1 研究區(qū)域與數(shù)據(jù)

本文選取西安市中心城區(qū)即未央?yún)^(qū)、新城區(qū)、蓮湖區(qū)、碑林區(qū)、灞橋區(qū)、雁塔區(qū)6個行政區(qū)作為研究區(qū)域，以800個交通小區(qū)(traffic analysis zone，TAZ)作為空間分析單元。采用的數(shù)據(jù)包括西安市2018年5月份手機信令數(shù)據(jù)、AFC刷卡數(shù)據(jù)、軌道交通線網(wǎng)數(shù)據(jù)、公交站點數(shù)據(jù)、百度POI數(shù)據(jù)、研究范圍內(nèi)路網(wǎng)數(shù)據(jù)(OpenStreetMap，OSM)等。數(shù)據(jù)滿足時空范圍一致性要求。

手機信令是由手機用戶在發(fā)生開關(guān)機、通話、收發(fā)短信或移動位置等事件時，被通信基站捕獲并記錄的數(shù)據(jù)，數(shù)據(jù)空間分辨率為基站，時間分辨率則可精確到秒。每條手機信令數(shù)據(jù)包括用戶ID、事件類型、時間戳、基站編號、位置區(qū)編號等字段，通過信息關(guān)聯(lián)可識別用戶一天中的停駐行為。具體識別過程為，界定基站服務(wù)范圍，對相同位置的信令數(shù)據(jù)在時間軸上合并，結(jié)合時間閾值法構(gòu)建通信活動與現(xiàn)實活動的映射關(guān)系。例如，確定白天工作時段為9:00—18:00，晚上居家時段為19:00—次日早上8:00，且同時滿足在某點的持續(xù)停駐時間及訪問天數(shù)這兩個關(guān)鍵約束。在綜合考慮約束的參數(shù)敏感性分析和與西安市第六次全國人口普查數(shù)據(jù)對比結(jié)果的基礎(chǔ)上，取在某一地點的持續(xù)時間1 h且一個月中在該點滿足持續(xù)時間要求的天數(shù)比例40%作為判斷居住地與工作地的識別參數(shù)。最后，采用多層擴樣模型將手機識別的人口數(shù)據(jù)擴樣為總體人群的數(shù)據(jù)用于后續(xù)相關(guān)變量的計算[26]。

AFC刷卡數(shù)據(jù)主要包括交易日期、類型、車站、線路、金額等字段。本文采用西安市軌道線網(wǎng)2021年1月5日的早高峰時段(07:00—09:00)AFC刷卡數(shù)據(jù)，計算生成中心城區(qū)地鐵站點進(jìn)出站客流量。利用數(shù)據(jù)爬取技術(shù)在百度地圖開放平臺獲取西安市軌道交通線網(wǎng)數(shù)據(jù)和公交站點數(shù)據(jù)，得到站點名稱和經(jīng)緯度坐標(biāo)。在爬取的百度地圖POI基礎(chǔ)上，對二級行業(yè)POI數(shù)據(jù)進(jìn)行刪減和拆分，重組得到8類用地類型POI，具體為居住用地、公共管理與公共服務(wù)設(shè)施用地、商業(yè)服務(wù)業(yè)設(shè)施用地、工業(yè)用地、物流倉儲用地、道路與交通設(shè)施用地、公用設(shè)施用地及綠地與廣場用地。

2.2 變量構(gòu)建

在空間聯(lián)立方程模型中，內(nèi)生變量受所有變量的相互作用、相互影響；外生變量影響模型中的內(nèi)生變量，但不受其他變量的影響。本文內(nèi)生變量為表征職住平衡和軌道交通網(wǎng)絡(luò)的職住自足性指數(shù)和可達(dá)性。已有研究[27-29]表明，建成環(huán)境通過土地利用多樣性、道路設(shè)計、交通設(shè)施覆蓋率影響職住平衡，又決定了軌道交通的可達(dá)性。因此，在參考“5D”(density, diversity, design, destination accessibility, and distance to transit)量化方法框架[30-31]的基礎(chǔ)上，結(jié)合已有研究[5,28]構(gòu)建基于建成環(huán)境要素的聯(lián)立方程外生變量。其中，選取TAZ的多樣性、設(shè)計特征、可達(dá)性及公共交通鄰近性要素為職住平衡方程的外生變量；選取TAZ的職住空間、設(shè)計特征及鄰近性要素為軌道交通可達(dá)性方程的外生變量，對選取的變量說明如下。

1)職住平衡方程：①多樣性，采用土地利用混合度(X1)進(jìn)行測度，表征TAZ的土地利用開發(fā)強度；②設(shè)計，采用快速路密度(X2)、主干路密度(X3)、次干路密度(X4)及支路密度(X5)進(jìn)行測度，表征TAZ的路網(wǎng)連通性；③可達(dá)性，利用改進(jìn)的高斯兩步移動搜索法計算軌道交通可達(dá)性(A)；④公共交通鄰近性，采用公交站點密度(X6)進(jìn)行測度，表征TAZ的公交可達(dá)性。

2)軌道交通可達(dá)性方程：①職住空間，采用職住自足性指數(shù)(Cf)進(jìn)行測度，表征TAZ的職住平衡狀況；②設(shè)計，采用快速路密度(Y1)、主干路密度(Y2)、次干路密度(Y3)及支路密度(Y4)進(jìn)行測度，表征TAZ的路網(wǎng)連通性；③鄰近性，采用出入口密度(Y5)和交通設(shè)施密度(Y6)進(jìn)行測度，表征TAZ的交通設(shè)施覆蓋情況。

3 實證結(jié)果

3.1 基于高斯兩步移動搜索法的軌道交通可達(dá)性計算結(jié)果

3.1.1 基站到車站距離(dkj)

相較于傳統(tǒng)的以空間單元集計的距離計算方法，即空間單元幾何中心到設(shè)施幾何中心的直線或路網(wǎng)距離，本文充分利用手機信令數(shù)據(jù)高空間分辨率的優(yōu)勢，采用基站到軌道交通車站之間的路網(wǎng)距離用于高斯兩步移動搜索法的距離篩選，使得計算結(jié)果更精確，也更符合居民出行的實際情況。通過Network Analyst模塊建立OD成本矩陣，求取研究區(qū)域內(nèi)所有基站到軌道交通車站的真實路網(wǎng)距離。

3.1.2 可達(dá)性計算與分析

采用高斯兩步移動搜索模型求解軌道交通車站的空間可達(dá)性的計算過程如圖1所示。以魚化寨車站為例，第1步計算軌道交通車站供需比，首先確定其3 km路網(wǎng)之內(nèi)的基站，并計算基站識別出來的居住人口數(shù)與高斯距離衰減函數(shù)的乘積，求和之后得到魚化寨車站的潛在服務(wù)人群；計算魚化寨車站的高峰小時客流量與潛在服務(wù)人數(shù)的比值得到魚化寨車站的供需比；同理可得研究范圍內(nèi)所有軌道交通車站的供需比。第2步計算基站的可達(dá)性，以編號為6351的基站為例，其可達(dá)性指數(shù)為魚化寨車站和丈八北路車站的供需比與其距離衰減值的乘積之和。計算每個基站的空間可達(dá)性，集計在交通小區(qū)上即可求得每個空間單元的可達(dá)性值，結(jié)果如圖2所示。

由空間分布來看，傳統(tǒng)基于平均通達(dá)時間的可達(dá)性[15]計算結(jié)果(如圖3所示)表明軌道交通可達(dá)性呈現(xiàn)城市中心高、郊區(qū)低的特征?；趯嶋H路網(wǎng)距離的高斯2SFCA法計算得到的軌道交通可達(dá)性呈現(xiàn)空間不均衡性，主要受到線網(wǎng)布局的影響，即軌道沿線區(qū)域可達(dá)性顯著優(yōu)于其他區(qū)域，且主要集中在城市二環(huán)區(qū)域；同時，還可反映供給能力的影響，即部分大型始發(fā)站周邊區(qū)域軌道交通可達(dá)性較高，如北客站、紡織城站等，這些大型始發(fā)站站點吸引能力強。

圖1 高斯兩步移動搜索法示意圖

圖2 基于改進(jìn)高斯2SFCA的可達(dá)性計算結(jié)果

圖3 基于平均通達(dá)時間的可達(dá)性計算結(jié)果

3.2 職住平衡與軌道交通可達(dá)性交互影響機制

根據(jù)廣義空間自回歸三階段最小二乘法(GS3SLSAR)[32]估計空間聯(lián)立方程，為了避免多重共線性對模型估計的影響，計算自變量的方差膨脹因子(VIF)[28]，所有變量的VIF均小于5，表明自變量之間的多重共線性較弱，可用于后續(xù)模型估計。GS3SLSAR的模型估計結(jié)果見表1。結(jié)果表明，職住平衡方程和軌道交通可達(dá)性方程的調(diào)整R2分別為0.724和0.540，擬合優(yōu)度均較高，驗證了模型的有效性。

表1 模型估計結(jié)果

由表1可知，在交通分析區(qū)尺度下，軌道交通可達(dá)性與職住自足性指數(shù)的雙向影響作用均顯著，且都為負(fù)向作用。其中職住自足性指數(shù)對軌道交通可達(dá)性的影響更大，其系數(shù)為-3.352，即職住自足性指數(shù)每增加1%，軌道交通可達(dá)性降低-3.352%。職住平衡和軌道交通可達(dá)性存在的這種負(fù)向交互效應(yīng)，一方面因為職住自足性指數(shù)的提升提高了居民在本地區(qū)尋求就業(yè)機會的可能性，削弱了居民對軌道交通的依賴性，弱化了軌道交通的吸引能力，進(jìn)而降低了本地區(qū)的軌道交通可達(dá)性；另一方面軌道交通可達(dá)性的提升增強了軌道交通吸引能力，使得居民可以通過軌道交通擴大就業(yè)搜索空間，以彌補通勤所產(chǎn)生的職住分離，從而導(dǎo)致本地區(qū)職住失衡。因此，在實現(xiàn)兩者協(xié)同發(fā)展的實踐中，應(yīng)分別針對城市建成區(qū)與拓展區(qū)，考慮不同程度的空間影響效應(yīng)。

就空間溢出效應(yīng)而言，職住自足性指數(shù)和軌道交通可達(dá)性具有顯著的正向空間溢出效應(yīng)，分別為0.072和0.033，即鄰近地區(qū)職住自足性指數(shù)和軌道交通可達(dá)性增加1%，本地區(qū)的自足性指數(shù)和軌道交通可達(dá)性分別增加0.072%和0.033%。從交互空間溢出效應(yīng)來看，職住自足性指數(shù)對軌道交通可達(dá)性的正向溢出效應(yīng)(0.520)遠(yuǎn)大于后者對前者的溢出效應(yīng)(0.005)，這表明鄰近地區(qū)職住自足性指數(shù)的提升會促進(jìn)本地區(qū)軌道交通可達(dá)性的提高。其原因主要是鄰近地區(qū)職住自足性指數(shù)的提升意味著周邊區(qū)域整體就業(yè)機會的改善，本地區(qū)居民在周邊區(qū)域獲得適宜就業(yè)崗位的概率增加，需要負(fù)擔(dān)更遠(yuǎn)的通勤距離，對軌道交通的依賴性有所增強，強化了軌道交通的吸引能力，進(jìn)而可以提升本地區(qū)的軌道交通可達(dá)性。

基于上述模型估計結(jié)果構(gòu)建職住平衡與軌道交通可達(dá)性的交互影響機制示意圖，如圖4所示，以交通小區(qū)Ι為例，則交通小區(qū)Ⅱ為其鄰近地區(qū)。鄰近地區(qū)(小區(qū)Ⅱ)軌道交通可達(dá)性的提升會通過不同路徑(①—②和③—④)反饋于本地區(qū)(小區(qū)Ι)的職住平衡程度。鄰近地區(qū)軌道交通可達(dá)性的提升會正向作用本地區(qū)的軌道交通可達(dá)性，進(jìn)一步影響本地區(qū)的職住平衡程度，但鄰近地區(qū)軌道交通可達(dá)性的提升同樣也會影響鄰近地區(qū)職住一體化程度，鄰近地區(qū)的職住平衡也會影響本地區(qū)的職住平衡程度。鄰近地區(qū)職住平衡程度對本地區(qū)軌道交通可達(dá)性的影響程度亦同。因此，基于上述兩種作用路徑的動態(tài)博弈關(guān)系，對于區(qū)域軌道交通的優(yōu)化與改善，應(yīng)考慮本區(qū)域與近鄰區(qū)域的綜合效應(yīng)。

圖4 職住平衡與軌道交通可達(dá)性交互影響機制示意圖

3.3 其他變量對職住平衡與軌道交通可達(dá)性影響機制

在職住平衡方程中，土地利用混合度、主干路密度、支路密度及公交站點密度對職住平衡具有顯著的正向作用。該結(jié)論與已有研究成果相一致，土地利用混合度越高意味著更多的就業(yè)崗位，居民在本地區(qū)獲得就業(yè)機會的可能性增大，職住趨于一體化；同樣，公交站點、主干路密度和支路密度的增加促進(jìn)了公交可達(dá)性和路網(wǎng)連通性的提升，居民可以在本地區(qū)依賴短距離通勤方式獲得更多的就業(yè)崗位[27-28]。與之相反，快速路密度對職住平衡具有顯著的負(fù)向作用，這與現(xiàn)有研究結(jié)論相一致[29]，高等級道路的提升會提高居民的通勤效率，使居民在有限的時間內(nèi)到達(dá)較遠(yuǎn)的地區(qū)，進(jìn)而加劇本地區(qū)的職住失衡。

在軌道交通可達(dá)性方程中，出入口密度、交通設(shè)施密度、快速路密度、主干路密度及支路密度對軌道交通可達(dá)性具有顯著的正向作用。這表明豐富的交通設(shè)施和良好的路網(wǎng)連通性會顯著增加居民獲取軌道交通的機會，從而提升軌道交通可達(dá)性。

3.4 職住平衡與軌道交通可達(dá)性局部空間相關(guān)分析

全局交互模型驗證了職住平衡與軌道交通可達(dá)性的互饋作用，但無法揭示局部交通小區(qū)職住平衡與軌道交通可達(dá)性的空間異質(zhì)性，為了探究職住平衡與軌道交通可達(dá)性的局部空間關(guān)聯(lián)特征，本文借助雙變量LISA模型[33]，計算全局和局部雙變量空間Moran’s I系數(shù)，計算公式為

(8)

(9)

雙變量局部Moran’s I系數(shù)具體可分為4類：高-高(H-H)聚類、高-低(H-L)聚類、低-高(L-H)聚類和低-低(L-L)聚類。

將聚類得到的LISA圖進(jìn)行空間可視化，如圖5所示。西安市主城區(qū)職住平衡與軌道交通可達(dá)性的全局雙變量Moran’I系數(shù)為-0.110，即二者之間有較強的負(fù)向空間關(guān)系。這與空間聯(lián)立方程組結(jié)果一致。由圖5可知：1)職住平衡與軌道交通可達(dá)性的H-H聚類區(qū)域主要沿軌道交通走廊呈現(xiàn)塊狀分布，這些區(qū)域軌道交通供給充足且職住一體化程度較高，二者匹配性較高；2)職住平衡與軌道交通可達(dá)性的H-L聚類區(qū)域主要集中在主城區(qū)北部(未央?yún)^(qū)和灞橋區(qū))及城市南部零星區(qū)域(灞橋區(qū))，這些區(qū)域土地利用單一且人口密度不高，導(dǎo)致職住相對平衡，且大部分地區(qū)由于軌道交通發(fā)展滯后，軌道交通可達(dá)性較低，導(dǎo)致職住平衡與軌道交通是呈現(xiàn)出不協(xié)調(diào)的關(guān)系，是未來軌道交通規(guī)劃與建設(shè)應(yīng)重點關(guān)注的區(qū)域。由于這些地區(qū)大多職住平衡，可以通過輕軌、有軌電車等輕運量交通方式來提高軌道交通可達(dá)性，滿足區(qū)域內(nèi)城市居民出行需求；3)職住平衡與軌道交通可達(dá)性的L-H聚類區(qū)域主要集中在主城區(qū)的明城墻區(qū)域及以南區(qū)域，這些區(qū)域土地開放強度和人口密度高，職住相對失衡，但區(qū)域內(nèi)軌道交通可達(dá)性較高，可以克服居民中長距離通勤所帶來的職住分離，根據(jù)西安市城市軌道交通第三期建設(shè)規(guī)劃(2019—2024年)方案，未來西安地鐵6號線二期工程會貫穿此區(qū)域，進(jìn)一加強站點吸引強度，以克服中心城區(qū)職住失衡程度；4)職住平衡與軌道交通可達(dá)性的L-L聚類區(qū)域主要集中在主城區(qū)西北部(未央?yún)^(qū))、東北部(灞橋區(qū)和未央?yún)^(qū))及城市西南部片狀區(qū)域(灞橋區(qū))，西北部主要為漢長安城遺址公園，東北部為未央大學(xué)城區(qū)域和浐灞公園，西南部為白鹿原地區(qū)，這些區(qū)域主要為遺址、景區(qū)及部分高校，職住一體化程度不高，但軌道交通供給仍存在不足，也是未來軌道交通規(guī)劃應(yīng)重點關(guān)注的區(qū)域。

圖5 雙變量LISA圖

4 結(jié) 論

1)基于實際路網(wǎng)距離的高斯2SFCA法能夠用于評價軌道交通可達(dá)性；西安市軌道交通可達(dá)性呈現(xiàn)空間不均勻性，軌道交通沿線區(qū)域可達(dá)性明顯優(yōu)于其他區(qū)域；部分大型始發(fā)站周邊區(qū)域軌道交通可達(dá)性較高。

2)職住平衡和軌道交通可達(dá)性存在負(fù)向空間交互效應(yīng)，即職住平衡和軌道交通可達(dá)性相互抑制；職住平衡和軌道交通可達(dá)性均存在正向空間溢出效應(yīng)，且二者之間存在正向交互空間溢出效應(yīng)；二者對本地區(qū)職住平衡和軌道交通可達(dá)性的影響程度存在動態(tài)博弈關(guān)系。

3)職住平衡和軌道交通可達(dá)性的雙變量局部空間自相關(guān)分析表明，主城區(qū)北部(未灞橋區(qū)和未央?yún)^(qū))和西南部(灞橋區(qū))聚集了大部分H-L和L-L聚類區(qū)域，是未來軌道交通規(guī)劃與建設(shè)應(yīng)重點關(guān)注的區(qū)域。

4)基于多源數(shù)據(jù)分析了職住平衡和軌道交通可達(dá)性的空間交互影響，研究結(jié)果可為軌道交通的規(guī)劃建設(shè)及土地利用開發(fā)提供理論基礎(chǔ)：一方面，通過修建軌道交通可減少部分職住失衡地區(qū)的機動車長距離通勤，達(dá)到軌道交通出行距離尺度下的職住平衡，實現(xiàn)城市“雙碳”目標(biāo)；另一方面，政府可以通過政策引導(dǎo)實現(xiàn)不同空間尺度的土地集約化利用，以此來弱化區(qū)域職住失衡程度，使居民減少對軌道交通的依賴性，從而利用傳統(tǒng)的公共交通，優(yōu)化居民出行結(jié)構(gòu)。