摘要：公共交通信息化是直接和間接支撐全社會“雙碳”目標(biāo)的重要方面。本文基于公交大數(shù)據(jù)提升決策精準(zhǔn)性的出發(fā)點，利用公交大數(shù)據(jù)對寧波城市土地利用的商業(yè)潛力進行了分析。以寧波市軌道交通1—4號線和公交車刷卡數(shù)據(jù)為例，分別從總體特征和時空分布特征的角度對寧波市公交數(shù)據(jù)進行運營時空特征分析；在公交時空運營特征的基礎(chǔ)上利用社區(qū)發(fā)現(xiàn)的算法構(gòu)建了基于公交OD的寧波城市社區(qū)發(fā)現(xiàn)模型，并以該模型進行了分人群的社區(qū)發(fā)現(xiàn)特征分析和商業(yè)站點潛力分析。研究成果可為寧波市公交客流結(jié)構(gòu)優(yōu)化調(diào)整和商業(yè)站點分析提供參考依據(jù)，為構(gòu)建公交大數(shù)據(jù)應(yīng)用的產(chǎn)業(yè)化提供基礎(chǔ)。

關(guān)鍵詞：運輸規(guī)劃與管理；商業(yè)潛力；公交大數(shù)據(jù)；寧波；社區(qū)發(fā)現(xiàn)

中圖分類號：TU984.191"""""""""""""""""""""""" 文獻標(biāo)識碼：A"""""""""""""""""""""""""""""""""" 文章編號：1673?6478（2023）02-0067-08

Research on Urban Commercial Potential of Ningbo Based onSpatiotemporal Data of Public Transport

BI Yuhang ZHANG Bin LEI Hao

（1. Ningbo Citizen Card Operating amp; Managing Co.， Ltd.， Ningbo Zhejiang 315000， China;2. College of Traffic and Transportation， Chongqing Jiaotong University， Chongqing 400074， China）

Abstract： Public transport informatization is an important aspect that directly and indirectly supports the dual carbon goal of the whole society. Based on the starting point of improving the accuracy of decision?making by public transport big data， this paper analyzes the commercial potential of urban land use in Ningbo by using public transport big data. Taking Ningbo Rail Transit Line 1—4 and bus swiping card data as examples， this paper analyzes the time?space characteristics of Ningbo public transport data from the perspective of overall characteristics and time?space distribution characteristics. On the basis of the time?space operation characteristics of public transport， the Ningbo urban community discovery model based on public transport OD is constructed by using the algorithm of community discovery， and the model is used to analyze the characteristics of community discovery by population and the potential of commercial sites. The research results can provide reference for the optimization and adjustment of public transport passenger flow structure and the analysis of commercial stations in Ningbo， and provide a basis for the industrialization of public transport big data applications.

Key words： transportation planning and management; business potential; public transportation big data; Ningbo; community discovery

0 引言

公共交通是交通領(lǐng)域支撐全社會實現(xiàn)碳達峰碳中和目標(biāo)的重要方面。公共交通信息化水平的提升，既可通過提高服務(wù)水平和服務(wù)精準(zhǔn)性，增強出行吸引力直接推進“雙碳”目標(biāo)進程，又可應(yīng)用于其他領(lǐng)域減少決策的碳投入成本、提高決策的精準(zhǔn)性進而間接降低全社會的碳排放水平。在以往研究中，學(xué)者對公交大數(shù)據(jù)在公交系統(tǒng)內(nèi)部利用問題討論較多，但對于公交大數(shù)據(jù)支撐全社會系統(tǒng)決策方面涉及較少，尤其是土地商業(yè)潛力分析方面。

關(guān)于城市商業(yè)潛力的分析，常見的方法是運用最近鄰距離指數(shù)對城市商業(yè)中心的識別?[1]、基于建設(shè)規(guī)模和用地強度的城市中心形態(tài)分析[2]以及基于核密度的GIS分析[3]，但隨著大城市軌道交通的發(fā)展，交通網(wǎng)絡(luò)一方面作為主要動脈串聯(lián)城市不同的功能區(qū)（如工作地、商業(yè)區(qū)、大型居住組團），一方面也重塑著原有的城市結(jié)構(gòu)（如對外的交通樞紐、重要的換乘節(jié)點），在大城市中，以軌道交通為主的公交系統(tǒng)已成為改善區(qū)域通達率、減少通勤時間、減少通勤費用、緩解交通壓力、促進城市公交與土地利用的重要手段。目前，居住用地、商業(yè)用地等用地沿軌道交通沿線的趨勢已逐漸形成，而城市軌道交通與周圍土地的結(jié)合開發(fā)和研究也越來越多地被學(xué)者所重視（即基于公交的TOD模式）[4?5]，隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，公交刷卡等交通信息的大量涌現(xiàn)，為城市公交與土地利用之間的相互作用提供了一種新的視角。與傳統(tǒng)的統(tǒng)計方法相比，公交刷卡數(shù)據(jù)中含有大量的個人出行和空間信息，能夠較好地反映城市公交與商業(yè)潛力之間的相互作用，從而為研究和分析公交與商業(yè)中心選址之間的關(guān)系提供有力的數(shù)據(jù)支持。

基于交通大數(shù)據(jù)，學(xué)者們從微觀個體（行人）出行的時空特征和交通客流等方面分析城市的時空分布格局[6]。王浩基于多源時空數(shù)據(jù)，運用空間計量分析和數(shù)理統(tǒng)計的分析方法，科學(xué)劃定軌道站點的影響范圍并探討了站點功能變化的影響因素[7]。尹芹等根據(jù)車站規(guī)模的客流特點，對車站周邊交通功能、區(qū)域條件、土地利用等進行了分析，并對其與功能分區(qū)的關(guān)系進行了探討[8]。任頤、毛榮昌以規(guī)劃管理單元為基本單位，運用移動電話資料，對無錫城區(qū)及城區(qū)居民出行OD分布進行了分析，為進一步探討城市空間結(jié)構(gòu)變化、居民出行、重點區(qū)域人口的集聚提供了依據(jù)[9]。陸振波等利用移動通信信號數(shù)據(jù)，對昆山市交通區(qū)內(nèi)的職業(yè)居住OD進行了統(tǒng)計分析，并從上下班的角度對其進行了研究[10]；張?zhí)烊桓鶕?jù)移動通信信號數(shù)據(jù)，在不同的區(qū)域劃分為城鎮(zhèn)和城鎮(zhèn)群的情況下，對上海市區(qū)及其周圍地區(qū)的工作通勤距離進行了研究[11]。

目前，大部分的基于交通的城市空間分布都是基于行政區(qū)劃，但隨著城市的發(fā)展，以行政區(qū)劃為基礎(chǔ)進行研究不客觀，也不利于城市的商業(yè)潛力分析。因此近幾年，有學(xué)者試圖根據(jù)大數(shù)據(jù)對就業(yè)中心和各個中心的上下班距離進行識別，從而得到就業(yè)中心腹地的交通分析單元劃分方法[12]。該類方法雖然比較科學(xué)，但分析的范圍較小，在分析和使用上存在不便?，F(xiàn)代城市規(guī)劃領(lǐng)域的研究中，社區(qū)發(fā)現(xiàn)算法作為一種主要的分析方法常用于分析復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，而公交網(wǎng)絡(luò)作為一種常見的網(wǎng)絡(luò)結(jié)構(gòu)，可以利用社區(qū)發(fā)現(xiàn)算法進行分析，如Li等[13]基于Infomap社區(qū)發(fā)現(xiàn)算法揭示不同尺度下的城市空間結(jié)構(gòu)，并用于評估城市規(guī)劃中空間結(jié)構(gòu)的有效性。

本文基于寧波市公共交通刷卡數(shù)據(jù)，首先對原始數(shù)據(jù)的特征和公交運營的時空特征進行梳理，根據(jù)處理得到的公交數(shù)據(jù)利用社區(qū)發(fā)現(xiàn)算法對寧波市主城區(qū)進行社區(qū)發(fā)現(xiàn)，建立寧波市社區(qū)發(fā)現(xiàn)模型，再依據(jù)該模型和不同類別人群出行的公交OD數(shù)據(jù)，分析不同類別出行人員的聚集特征，并基于此結(jié)果對土地的商業(yè)潛力進行分析，最后依據(jù)前文提取的通勤人員IC卡數(shù)據(jù)，提取寧波市的主要商業(yè)站點，并分析此類站點的客流來源。上述研究結(jié)果可為城市商業(yè)潛力研究提供參考依據(jù)。

1 寧波公交時空數(shù)據(jù)源概況

截至2021年底，寧波市擁有軌道交通1號線、2號線、3號線、4號線和5號線，標(biāo)準(zhǔn)運營車輛11"812.5標(biāo)臺，線路車站125座，列車正點率99.9%以上，高峰小時最高斷面客流量1.28萬人次（軌道交通1號線）。開通公交線路1"175條，線路總運營里程規(guī)模達到21"757公里，專用通道里程達169公里，客運量57"887萬人次。

本文采用2021年9月至10月的軌道交通（含1號線、2號線、3號線、4號線）及地面公交刷卡數(shù)據(jù)為源數(shù)據(jù)。其中軌道交通源數(shù)據(jù)進站數(shù)據(jù)及出站數(shù)據(jù)合計提供了2"000萬余條IC卡刷卡記錄，數(shù)據(jù)主要字段為卡號、消費金額、消費時間、線路編號等。地面公交數(shù)據(jù)包括5"000萬余條IC卡刷卡記錄，數(shù)據(jù)主要字段為卡號、消費金額、消費時間、車輛和線路編號、經(jīng)緯度、支付類型等。在此基礎(chǔ)上，針對數(shù)據(jù)錯誤、缺失等進行預(yù)處理，最終得到應(yīng)用于本次分析的數(shù)據(jù)共3"887.50萬條。

2 基于大數(shù)據(jù)的公交運營時空特征

2.1 客流總體情況

數(shù)據(jù)分析顯示，寧波市大公共交通系統(tǒng)日均客流量達到55萬人次。其中地面公交日均客流達到了44.87萬人次，對大公共交通系統(tǒng)客流運輸貢獻比例為82%，其城市客運主體作用明顯；軌道交通的日均客流量為10萬人次，對大公共交通系統(tǒng)客流運輸貢獻比例為18%，軌道的骨架運輸定位功能發(fā)揮仍有較大空間。每條線路的日均客流量均大于10"000人次/日，按日均客流量從大到小排序依次為一號線、二號線、四號線及三號線。其中一號線作為穿越寧波市重要商業(yè)中心的走廊，其客流量達到4.06萬人次/日；而三號線的客流量最小，其日均客流量不足1.2萬。

2.2 時間特征

本文重點針對大公共交通系統(tǒng)的工作日客流時間特征進行了分析。數(shù)據(jù)顯示，寧波市大公共交通系統(tǒng)的客流在時間分布上呈現(xiàn)明顯的早晚高峰馬鞍曲線形態(tài)，如圖1所示。其中，軌道交通和地面公交客流時間分布呈現(xiàn)類似的特征，均在7時達到客流早高峰、17時達到客流晚高峰，沒有午高峰形態(tài)。

重點針對作為主要客流走廊的軌道交通1號線進行深入分析后發(fā)現(xiàn)，軌道交通1號線在工作日早晚高峰客流出行量約為3"300人次/時，平峰的客流量則約為1"300人次/時，說明工作日的出行主要集中在早晚高峰時段。周末全日的總出行量小于工作日，在一天內(nèi)的各時段分布較為平均。而國慶節(jié)等特殊假期內(nèi)，早高峰相較其他時段的出行量較低，而與正常休息日的早高峰出行量無明顯差異，剩余時間段內(nèi)出行量則較為平均，從全日客流量的角度分析，國慶假期的出行量大于正常休息日和工作日，平峰時間段內(nèi)的差異則更為明顯。如圖2所示。

2.3 空間特征

2.3.1 軌道客流空間分布

利用爬蟲等手段獲取寧波市軌道線形數(shù)據(jù)，在獲取軌道OD數(shù)據(jù)的基礎(chǔ)上，構(gòu)建軌道網(wǎng)絡(luò)，得到每個OD所經(jīng)過的軌道斷面，進而得到各軌道斷面的客流量，利用該數(shù)據(jù)繪制不同時段軌道斷面客流的空間分布圖和各線路斷面的客流統(tǒng)計圖如圖3所示，客流量較大的斷面主要集中于各線路交匯區(qū)域。以軌道交通1號線為例，其客流量較大的斷面主要集中在望春橋至福慶北路段，且客流量存在明顯的潮汐現(xiàn)象，早高峰時段高橋西至霞浦方向的客流量較大。其他各線路客流量較大的斷面也集中在線路中部，各軌道線路客流量較大的斷面均集中在城市的中心區(qū)域，近似形成了覆蓋城市中心區(qū)的一個圓形區(qū)?域。

2.3.2 公交客流空間分布

在已經(jīng)提取公交OD數(shù)據(jù)的基礎(chǔ)上，構(gòu)建邊長為1.5km的地理信息柵格，在柵格的基礎(chǔ)上對公交車OD進行集計，顯示市中心區(qū)域的OD分布較為密集，如圖5所示。

在地理信息柵格數(shù)據(jù)的基礎(chǔ)上，將每一個邊長為1.5km的正方形柵格視為公交車站點，篩選上下客人數(shù)為前25%的地理柵格作為主要上下客的公交車站點，并繪制其空間分布圖如圖6（a）、（b）所示。全日上下客人數(shù)較多的站點分布類似，主要集中在市中心區(qū)域，其他區(qū)域的分布則較為零散。

3 基于公交OD的城市社區(qū)結(jié)構(gòu)分析

3.1 社區(qū)發(fā)現(xiàn)基本模型

任何一個復(fù)雜系統(tǒng)都是由節(jié)點和節(jié)點間的連線構(gòu)成的，復(fù)雜系統(tǒng)中節(jié)點構(gòu)成的內(nèi)聚子圖被稱為社區(qū)，整個復(fù)雜系統(tǒng)可以被視為若干個社區(qū)的并集。每個社區(qū)內(nèi)部點要素間的聯(lián)系相對緊密，不同社區(qū)點要素間的聯(lián)系相對松散，如圖7所示。

社區(qū)發(fā)現(xiàn)是研究網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)不可缺少的一項重要技術(shù)，采用有效方法可以將社交網(wǎng)絡(luò)中潛在的社區(qū)挖掘出來[14]。通過對社交網(wǎng)絡(luò)進行社區(qū)發(fā)現(xiàn)，可以分析社區(qū)結(jié)構(gòu)、計算節(jié)點影響力、尋找核心節(jié)點、進行興趣推薦等。近些年來，不同學(xué)者結(jié)合研究需求和硬件條件限制，不斷提出各種社區(qū)發(fā)現(xiàn)算法，在傳統(tǒng)基于圖分割理論和聚類思想的算法基礎(chǔ)上，產(chǎn)生了分裂方法、譜方法、基于模塊度的方法、動態(tài)算法、基于統(tǒng)計推斷的方法和諸多其他算?法。

3.2 基于公交OD的寧波城市社區(qū)發(fā)現(xiàn)建模

依據(jù)寧波市公共交通出行OD表，建立基本出行柵格大小為1"000m 1"000m的地理信息柵格對出行的起終點進行集計，以出行起終點的柵格作為節(jié)點，而出行路徑作為節(jié)點間的連線，即可得到公交出行的OD網(wǎng)絡(luò)，該復(fù)雜網(wǎng)絡(luò)反映了寧波市公交出行特征。通過對此復(fù)雜網(wǎng)絡(luò)進行社區(qū)發(fā)現(xiàn)，能夠得到基于公交OD的寧波城市出行社區(qū)結(jié)構(gòu)，將行政區(qū)劃與出行小區(qū)劃分進行比較，如圖8所示。

由圖8可知，在11個出行小區(qū)中大多數(shù)與對應(yīng)行政區(qū)劃的邊界基本重合，此種行政區(qū)內(nèi)的聯(lián)系較為緊密，行政區(qū)之間的聯(lián)系較為稀疏；但5號、7號、1號和4號出行社區(qū)的邊界與行政區(qū)劃的邊界有所不同。海曙區(qū)內(nèi)部主要劃分為了兩個出行社區(qū)，5號出行社區(qū)覆蓋了江北區(qū)全區(qū)，同時也包括海曙區(qū)的北部，7號出行社區(qū)則主要覆蓋了海曙區(qū)的南部；鄞州區(qū)內(nèi)部主要劃分為了兩個出行社區(qū)，4號出行社區(qū)主要覆蓋了鄞州區(qū)的西北部，而1號社區(qū)則主要覆蓋了鄞州區(qū)的東南部分。

4 基于公交OD?社區(qū)發(fā)現(xiàn)的城市商業(yè)潛力分析

4.1 分人群的社區(qū)發(fā)現(xiàn)出行特征

原始數(shù)據(jù)中提供了卡類型及支付類型等信息，通過此類信息可以判斷持卡人是否為學(xué)生或老年乘客，而通過對出行OD數(shù)據(jù)進行相應(yīng)的處理，能夠篩選得到通勤人員的刷卡數(shù)據(jù)，提取不同類型人群的刷卡數(shù)據(jù)，能夠分析其不同的出行特征，并依據(jù)不同人群的特性分析出行聚集點周邊的土地商業(yè)潛?力。

4.1.1 老年人出行OD商業(yè)潛力分析

通過老年人出行的OD數(shù)據(jù)構(gòu)建公交出行網(wǎng)絡(luò)，并對該網(wǎng)絡(luò)進行社區(qū)發(fā)現(xiàn)，得到基于老年人公交OD數(shù)據(jù)的出行社區(qū)劃分，并應(yīng)用熱點分析，依據(jù)OD數(shù)據(jù)對出行目的地進行可視化，分析其出行的聚集特征如圖9所示。老年人出行形成的面積較大且較為集中的出行社區(qū)集中在寧海縣中部和江北區(qū)、海曙區(qū)和鄞州區(qū)三區(qū)的交界處，結(jié)合出行聚集特征分析可知，出行的目的地也主要集中在寧海縣中部和江北區(qū)、海曙區(qū)和鄞州區(qū)三區(qū)的交界處。根據(jù)上述分析，可在相應(yīng)的聚集區(qū)域修建老年人活動中心、保健中心等場所，提供老年人娛樂和活動的設(shè)施，形成一定的產(chǎn)業(yè)化和聚集規(guī)模效應(yīng)。

4.1.2 通勤人員工作日出行商業(yè)潛力分析

城市公共交通中，許多出行的產(chǎn)生是由于市民工作通勤的需要，而對通勤出行的刷卡數(shù)據(jù)進行分析，能夠得到此類人員的活動軌跡、城市土地用地性質(zhì)、土地商業(yè)潛力應(yīng)用等一系列信息和相關(guān)結(jié)論。由于無法從標(biāo)簽識別通勤人員，則此處對通勤人員進行定義，并通過數(shù)據(jù)分析的方式提取通勤人員的ID，對通勤出行人員的定義如下：若在連續(xù)的五個工作日內(nèi)，至少兩個工作日存在早高峰和晚高峰時段的出行，且早高峰出行的終點為晚高峰出行的起點，則認(rèn)為該人員為通勤出行人員。以分析當(dāng)日為基準(zhǔn)，提取分析當(dāng)日和后連續(xù)四個工作日數(shù)據(jù)作為起始數(shù)據(jù)，依據(jù)上述對通勤人員的定義，提取相應(yīng)的卡ID，并對分析當(dāng)日的數(shù)據(jù)進行提取，得到通勤出行的刷卡數(shù)據(jù)。依據(jù)提取的通勤IC卡，對通勤出行的刷卡數(shù)據(jù)進行社區(qū)發(fā)現(xiàn)，能夠得到基于通勤數(shù)據(jù)的出行社區(qū)劃分，選取早高峰的刷卡數(shù)據(jù)進行熱點分析，對早高峰出行的目的地進行可視化，分析工作日通勤人員的聚集特征如圖10所示。

? 通勤數(shù)據(jù)的社區(qū)發(fā)現(xiàn)結(jié)果與總體數(shù)據(jù)的結(jié)果相近，僅在鄞州區(qū)存在出行社區(qū)劃分的差異，熱點分析的結(jié)果顯示，聚集量較多的區(qū)域主要集中在海曙區(qū)、江北區(qū)和鄞州區(qū)西側(cè)，三個行政區(qū)域的交界處聚集特征則最為明顯，呈高度集中且密度較大，奉化區(qū)、北侖區(qū)和鎮(zhèn)海區(qū)的人員聚集則較為分散，沒有形成高度集中的聚集區(qū)域。在通勤人員聚集密度較高的區(qū)域，可設(shè)置日常性的購物超市，便于通勤人員購買日常用品，而由于通勤人員聚集程度高的區(qū)域較大程度上為辦公區(qū)域，則可以設(shè)置兼具一定辦公、社交屬性的商業(yè)場所（如茶室、咖啡館等）。

4.1.3 通勤人員非工作日出行商業(yè)潛力分析

前文對工作日通勤人員出行的土地商業(yè)潛力進行了分析，在工作日通勤人員的出行主要是基于工作，而在非工作日的出行則主要出于娛樂、休閑等目的。對非工作日通勤人員的出行進行社區(qū)發(fā)現(xiàn)和熱點分析，分析其不同于工作日的出行特征，結(jié)果如圖11所示。

? 節(jié)假日通勤人員出行的聚集特征與工作日的聚集特征類似，同樣是集中在海曙區(qū)、江北區(qū)和鄞州區(qū)西側(cè)，北侖區(qū)也存在密度較高的聚集區(qū)域，但熱點區(qū)域相較工作日有所減少，整體上分布得更為集中。由上述分析可知，在相應(yīng)的熱點區(qū)域可以設(shè)置休閑、娛樂性質(zhì)的綜合性商業(yè)中心、體育館、健身房等一系列設(shè)施，在節(jié)假日內(nèi)為市民提供相應(yīng)的娛樂服務(wù)。

4.2 寧波城市商業(yè)站點潛力分析

依據(jù)前文得到的通勤人員IC卡刷卡數(shù)據(jù)，提取該類刷卡人員在非工作日的出行數(shù)據(jù)，通勤人員在非工作日的出行形成的客流為商業(yè)客流，對此類出行客流進行分析，能夠?qū)χ饕虡I(yè)站點進行識別，分析商業(yè)客流的時間分布特征、運距特征和客流來源特征。

通過繪制 的地理信息柵格對出行OD以柵格為單位進行集計，提取吸引量前5的柵格，其中4個站點分布于鄞州區(qū)，且該四個站點空間上距離較為接近，而北侖區(qū)僅有1個站點分布。提取將上述五個站點作為公交出行終點的刷卡數(shù)據(jù)，分析可知將上述五個站點作為公交出行終點的出行起始時間大多集中在早上6點、7點和8點，中午12點、13點和下午4點出行量有略微的上升，但較早高峰出行量相差較遠。出行的時間分布總體上呈現(xiàn)單峰的態(tài)勢，主要集中在早高峰，晚高峰以上述五個站點作為終點的出行量沒有明顯增大。

根據(jù)上述提取的數(shù)據(jù)，計算該兩千余條出行數(shù)據(jù)起點與終點間的直線距離如圖12所示。以上述5個商業(yè)站點為終點的公交出行，運距主要集中在4km左右，只有較少的出行運距超過10km。而總體公交出行的運距分布主要集中在2km左右，以主要商業(yè)站點為終點的公交出行運距相較于總體公交出行的運距更長。

對上述出行數(shù)據(jù)按照出行起點以柵格為單位進行集計，進行熱點可視化如圖13所示。北侖區(qū)的商業(yè)站點客流來源幾乎分布于北侖區(qū)各地，分布較為零散，且客流量較大的起點分布也較為隨機，熱點分布較為分散；鄞州區(qū)的四個站點客流來源分布則較為集中，以四個站點為中心呈現(xiàn)類似放射狀的分布，靠近站點的區(qū)域內(nèi)，出行起點分布較為密集且客流量較大，呈現(xiàn)為分布的熱點區(qū)域，該四個站點的客流來源主要分布于海曙區(qū)和江北區(qū)。

5 結(jié)語

本文基于公交信息化支撐間接碳減排的視角，利用寧波市公交和軌道運營得到的交通大數(shù)據(jù)，對公交和軌道的運營特征進行了分析，首先針對寧波市公共交通發(fā)展?fàn)顩r進行了梳理和概括，然后對公共交通的時空特征進行了分析，即客流的空間分布特征和客流的時間分布特征等?；诠坏倪\行特征，進行大數(shù)據(jù)應(yīng)用研究，基于社區(qū)發(fā)現(xiàn)算法和不同人群的出行聚集特征，對寧波市土地的商業(yè)潛力應(yīng)用提出了分析，并提出了相應(yīng)建議，最后對主要商業(yè)站點的分布和客流來源進行分析，一定程度上能夠為寧波市的商業(yè)潛力應(yīng)用提供參考。

參考文獻：

1. 唐?；? 大數(shù)據(jù)視角下南寧市商業(yè)中心識別及活力特征研究[D]. 南寧： 南寧師范大學(xué)， 2019.
2. 胡昕宇， 楊俊宴， 史宜. 城市中心區(qū)空間波動拓展及周期理論探析[J]. 城市規(guī)劃， 2016（05）： 68?76.
3. Leslie T. Identification and differentiation of urban centers in phoenix through a multicriteria kernel?density approach[J]. International regional science review， 2010（02）： 205?235.
4. Pezeshknejad P， Monajem S， Mozafari H. Evaluating sustainability and land use integration of BRT stations via extended node place model， an application on BRT stations of Tehran[J]. Journal of Transport Geography， 2020， 82： 102626.
5. Lokku P S， Prasad C S R K， Bala Krishna K. A Local level Transit?Oriented Development Typology： Using Two?Step Clustering Technique， Singapore， 2020[C]. Springer Singapore， 2020.
6. 王姣娥， 焦敬娟， 黃潔， 等. 交通發(fā)展區(qū)位測度的理論與方法[J]. 地理學(xué)報， 2018， 73（04）： 666?676.
7. 王浩. 城市軌道交通站點類型與功能演變[D]. 西安： 西北大學(xué)， 2022.
8. 尹芹， 孟斌， 張麗英. 基于客流特征的北京地鐵站點類型識別[J]. 地理科學(xué)進展， 2016， 35（01）： 126?134.
9. 任頤， 毛榮昌. 手機數(shù)據(jù)與規(guī)劃智慧化： 以無錫市基于手機數(shù)據(jù)的出行調(diào)查為例[J]. 國際城市規(guī)劃， 2014， 29（06）： 66?71.
10. 陸振波， 龍振， 余啟航. 基于手機信令數(shù)據(jù)的昆山市職住分布與通勤特征分析[J]. 現(xiàn)代城市研究， 2019（03）： 50?5?5.
11. 張?zhí)烊? 基于手機信令數(shù)據(jù)的上海市域職住空間分析[J].城市交通， 2016， 14（01）： 15?23.
12. 鈕心毅， 丁亮， 宋小冬. 基于職住空間關(guān)系分析上海郊區(qū)新城發(fā)展?fàn)顩r[J]. 城市規(guī)劃， 2017， 41（08）： 47?53.
13. Li H， Xu X， Li X， et al. Characterizing the urban spatial structure using taxi trip big data and implications for urban planning[J]. Frontiers of Earth Science， 2021， 15（01）： 70?80.
14. 端祥宇， 袁冠， 孟凡榮. 動態(tài)社區(qū)發(fā)現(xiàn)方法研究綜述[J]. 計算機科學(xué)與探索， 2021， 15（04）： 612?630.