陳 燁，高悅爾，沈晶晶

（1.華僑大學(xué) 建筑學(xué)院，福建 廈門 361021；2.廈門市城市規(guī)劃設(shè)計研究院有限公司，福建 廈門 361012）

鼓勵使用公共交通是緩解城市交通擁堵的有效方法，是國家交通強國戰(zhàn)略的重點。為響應(yīng)國家優(yōu)先發(fā)展公共交通的政策，滿足乘客的出行需求，順應(yīng)城市發(fā)展，國內(nèi)各大城市中，常規(guī)公交構(gòu)成且模式單一的公共交通網(wǎng)絡(luò)，逐步轉(zhuǎn)向大運量公交為主的多模式公共交通網(wǎng)絡(luò)。在城市發(fā)展初期，以常規(guī)公交主導(dǎo)的單模式公交系統(tǒng)為典型，線路調(diào)整簡單、投資小且靈活機動，能滿足大部分居民的出行需求。隨著城市規(guī)模的擴張，空間組團的分散，居民空間活動尺度的不斷增長，城市公共交通結(jié)構(gòu)逐步演變?yōu)閰f(xié)調(diào)城市發(fā)展模式，由單模式公共交通向多模式公共交通轉(zhuǎn)型，在原有的常規(guī)公交網(wǎng)絡(luò)上增加快速公交（Bus Rapid Transit, BRT）、地鐵和輕軌等大運量公交模式。不同類型的公共交通發(fā)揮著不同的運能作用，因此在初期城市需搭建多模式公共交通系統(tǒng)，促進交通網(wǎng)絡(luò)對空間體系的優(yōu)化和引導(dǎo)能力。根據(jù)《中國城市建設(shè)統(tǒng)計年鑒》（胡子健，2020），迄今為止已有廈門、北京和廣州等10個城市擁有BRT 等多種公交系統(tǒng)，可見大-中運量復(fù)合公交網(wǎng)絡(luò)的構(gòu)建或?qū)⒊蔀榇蟪鞘邪l(fā)展趨勢。

城市人口密度增加以及出行目的地多樣化，單模式公共交通網(wǎng)絡(luò)無法完全覆蓋本地居民的出行需求，因而出現(xiàn)BRT 和有軌電車等大-中運量公共交通方式，并基于此形成復(fù)合多模式公共交通網(wǎng)絡(luò)。多模式公交系統(tǒng)具有多層次結(jié)構(gòu)，由多種公共交通方式相互配合補充，并且其服務(wù)主體、運營方式和功能定位有所差異（付旻，2018），其中雙模式公共交通系統(tǒng)在大多數(shù)城市中最為常見。公共交通網(wǎng)絡(luò)已被證明屬于復(fù)雜網(wǎng)絡(luò)系統(tǒng)，目前復(fù)雜網(wǎng)絡(luò)已被應(yīng)用在常規(guī)公交網(wǎng)絡(luò)（趙韶雅 等，2020；鄔群勇等，2021）和軌道交通網(wǎng)絡(luò)（Zhang et al., 2018a；王宇環(huán) 等，2020）等研究中。然而，多種網(wǎng)絡(luò)融合并不是簡單的疊加，一方面是各站點所處區(qū)位不同，所承擔(dān)的作用不同；另一方面由于交通方式不同，各種交通方式客流承載力不同，故需要對網(wǎng)絡(luò)疊加站點進一步研究。對于“常規(guī)公交-軌道交通”雙層網(wǎng)絡(luò)，已有學(xué)者運用復(fù)雜網(wǎng)絡(luò)進行研究。如Ma等（2019）通過探討暴雨對地鐵-常規(guī)公交雙層網(wǎng)絡(luò)系統(tǒng)脆弱性的影響，得出地鐵-常規(guī)公交雙層網(wǎng)絡(luò)的脆弱性主要是由網(wǎng)絡(luò)結(jié)構(gòu)退化造成的。陳曉明等（2019）對成都市地鐵-常規(guī)公交網(wǎng)絡(luò)進行優(yōu)化，并基于復(fù)雜網(wǎng)絡(luò)理論提出地鐵-常規(guī)公交雙層網(wǎng)絡(luò)優(yōu)化模型，優(yōu)化后網(wǎng)絡(luò)全局效率提升15.89%。沈犁等（2018）考察成都地鐵-常規(guī)公交雙層網(wǎng)絡(luò)的靜態(tài)毀抗性，探討在突發(fā)事故下地鐵客流擁堵失效現(xiàn)象，發(fā)現(xiàn)地鐵-公交復(fù)合網(wǎng)絡(luò)整體效能優(yōu)于單一網(wǎng)絡(luò)。

不同類型的公交站點具有不同的區(qū)位和交通特征，明確各類站點在城市中的功能定位和布局要求，有助于提升公共交通網(wǎng)絡(luò)系統(tǒng)運營效率。然而，站點的分級分類標(biāo)準(zhǔn)在國內(nèi)仍未達成共識。當(dāng)前，站點分類體系方式主要有3種：1）“場所導(dǎo)向型”分類體系，其基于站點周邊用地功能進行劃分（Papa et al., 2018；李清嘉 等，2021）。該體系考慮站點周邊土地利用情況，對后期土地綜合開發(fā)有指導(dǎo)作用。2）“節(jié)點導(dǎo)向型”分類體系，其基于站點的交通功能進行劃分（Zhang et al., 2019; Dou et al.,2021）。該體系具有比較明確的劃分標(biāo)準(zhǔn)，內(nèi)容包括站點所處的城市區(qū)位以及站點在城市公共交通網(wǎng)絡(luò)系統(tǒng)中的作用。3）“用地-交通雙維度”分類體系，其結(jié)合站點的周邊用地特征和站點客流進行劃分（楊靜 等，2021）。該體系從雙維度層面提供新的站點分類視角，并且能夠反映站點影響區(qū)內(nèi)的不同功能、開發(fā)情況以及站點使用情況。

綜上，復(fù)雜網(wǎng)絡(luò)分析在交通領(lǐng)域的應(yīng)用主要用于探討單層網(wǎng)絡(luò)或常規(guī)公交-軌道雙層網(wǎng)絡(luò)，而對于BRT-軌道雙層網(wǎng)絡(luò)環(huán)境下的公交網(wǎng)絡(luò)仍缺乏討論。BRT-軌道雙層網(wǎng)絡(luò)不同于軌道交通單層網(wǎng)絡(luò)和常規(guī)公交-軌道網(wǎng)絡(luò)，雖然軌道交通和BRT 在廈門均屬于大運量公共交通方式，但2種方式承載客流強度仍存在差異；常規(guī)公交按照城市交通服務(wù)等級定義屬于低運量公交，而BRT和軌道系統(tǒng)屬于雙大運量公交模式，BRT和軌道各自或相互的疊加所引起的網(wǎng)絡(luò)特征存在差異。因此，需考慮節(jié)點在網(wǎng)絡(luò)中所處的位置所帶來的影響，有必要深入探討如何進行雙層網(wǎng)絡(luò)建模。此外，場所導(dǎo)向型、節(jié)點導(dǎo)向型和用地-交通雙維度型3種分類方法均在一定程度上有助于站點分類研究，原因在于其強調(diào)了站點的空間分布情況以及站點周邊土地利用情況。但土地利用的變化會導(dǎo)致站點分類結(jié)果的改變，而僅土地利用情況調(diào)查會忽略對站點網(wǎng)絡(luò)特性分析，缺乏對不同模式站點特性進行討論，因此上述3種站點分類方法也存在一定不足。目前，對于雙層網(wǎng)絡(luò)下站點分級體系構(gòu)建方法的研究較少，多以站點網(wǎng)絡(luò)拓撲關(guān)系進行分級方法為主。且現(xiàn)有研究僅使用網(wǎng)絡(luò)結(jié)構(gòu)特征描述站點分級情況，體現(xiàn)的只是公交網(wǎng)絡(luò)的客觀狀態(tài)，無法反映網(wǎng)絡(luò)的實際使用情況。而結(jié)合站點的拓撲結(jié)構(gòu)特征和客流特征進行綜合分析，有助于規(guī)劃管理者更好地理解站點層級關(guān)系，并更好地規(guī)劃和管理城市公共交通系統(tǒng)。

基于此，本研究提出雙網(wǎng)絡(luò)站點精細分類方法，以廈門為例，將BRT-軌道雙層網(wǎng)絡(luò)系統(tǒng)抽象為有向加權(quán)Space-L 網(wǎng)絡(luò)，基于公交刷卡數(shù)據(jù)，以節(jié)點強度、加權(quán)接近中心性、加權(quán)介數(shù)中心性和加權(quán)PageRank4項指標(biāo)為節(jié)點評價指標(biāo)，并結(jié)合站點網(wǎng)絡(luò)拓撲特性以及客流量對站點進行分類，分析重要節(jié)點的網(wǎng)絡(luò)特征。以期掌握BRT-軌道網(wǎng)絡(luò)系統(tǒng)的節(jié)點特性及客流特征，為精細化管理站點提供參考。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)域

廈門市近年來城市建設(shè)發(fā)展迅速，公共交通網(wǎng)絡(luò)格局已形成“軌道交通+BRT”為骨架、常規(guī)公交為基礎(chǔ)的發(fā)展態(tài)勢。廈門是國內(nèi)第一個建成高架BRT系統(tǒng)的城市，由8條線路組成的BRT網(wǎng)絡(luò)與軌道網(wǎng)絡(luò)雙網(wǎng)融合，能有效地緩解城市交通擁堵，其已成為連接島內(nèi)外的主要公共交通走廊。本文以廈門市BRT-軌道雙層網(wǎng)絡(luò)為研究對象，自2008 年9月首條快速公交通道正式投入使用以來，至2020年6月廈門已建成2條地鐵線和8條BRT線，廈門市目前共有54個軌道站點和45個BRT站點（圖1）。

圖1 廈門市范圍（a）及其軌道、BRT運行線路（b）Fig.1 Xiamen city's boundary (a), metro and BRT operation lines (b)

1.2 數(shù)據(jù)與處理

本研究使用的底圖數(shù)據(jù)來源于百度開放平臺，通過API接口獲取廈門的行政邊界矢量數(shù)據(jù)。公交刷卡數(shù)據(jù)能反映群體出行行為特征和社會網(wǎng)絡(luò)中個體間的相互關(guān)系，為進一步深化復(fù)雜網(wǎng)絡(luò)研究提供可能性（龍瀛 等，2015）。本研究使用的客流分析數(shù)據(jù)為廈門市2020 年6 月公交刷卡數(shù)據(jù)①數(shù)據(jù)來源：廈門公交集團。，由于該月市民在周末及法定節(jié)假日可以免費乘坐地鐵、BRT和公交車，因此所涉及的市民刷卡數(shù)據(jù)只含工作日（共20 d），該時段相關(guān)原始數(shù)據(jù)有29 973 286條，字段包括卡號、交易日期、出站時間、卡主類型、卡片類型、進站站點ID、進站站點名稱、進站時間、出站站點ID、出站站點和乘坐類路名。原始數(shù)據(jù)處理為軌道、BRT、軌道換乘BRT以及BRT換乘軌道4 類進出站OD 客流數(shù)據(jù)（表1）。其中，軌道換乘BRT的OD是指將軌道客流表和BRT客流表中交易日期及卡號相同的數(shù)據(jù)進行連接匯總，從中篩選出軌道的出站刷卡時間與BRT的進站刷卡時間間隔＜30 min 的樣本，作為軌道換乘BRT 的OD 客流數(shù)據(jù)，同理可得BRT 換乘軌道的OD 客流數(shù)據(jù)。軌道OD 客流數(shù)據(jù)是將進出站名稱相同的刷卡數(shù)據(jù)進行匯總，同理可得BRT的OD客流數(shù)據(jù)。

表1 廈門市各類公共交通進出站客流量數(shù)據(jù)Table 1 The inbound and outbound data passenger flow statistics of Xiamen's various public transportation stations

2 研究方法

使用Space-L 法構(gòu)建有向加權(quán)復(fù)雜網(wǎng)絡(luò)，其典型的網(wǎng)絡(luò)特征描述指標(biāo)包括網(wǎng)絡(luò)節(jié)點強度、加權(quán)介數(shù)中心性、加權(quán)接近中心性和加權(quán)PageRank等。上述指標(biāo)從不同角度反映網(wǎng)絡(luò)的特征，能比較全面地反映整個網(wǎng)絡(luò)的特征。數(shù)據(jù)分析分為數(shù)據(jù)準(zhǔn)備、構(gòu)建網(wǎng)絡(luò)、指標(biāo)計算和站點分級4個步驟（圖2）。

圖2 廈門市公共交通站點分級分類步驟Fig.2 The classification of public transportation stations in Xiamen

2.1 構(gòu)建網(wǎng)絡(luò)

構(gòu)建復(fù)雜網(wǎng)絡(luò)模型通常有Space-P和Space-L兩種方法，前者體現(xiàn)公交網(wǎng)絡(luò)換乘特性，后者體現(xiàn)公共交通網(wǎng)絡(luò)的現(xiàn)實形態(tài)（林鵬飛 等，2020），由于本研究側(cè)重公共交通網(wǎng)絡(luò)的現(xiàn)實情況，需考慮車輛運行方向以及站點間實際客流，因此選取Space-L法構(gòu)建BRT-軌道雙層網(wǎng)絡(luò)模型。由于網(wǎng)絡(luò)拓撲特征能夠直觀呈現(xiàn)站點空間布局特征，客流量則有助于分類結(jié)果兼具時效性，并且可以直觀反映周邊土地開發(fā)情況，因此結(jié)合站點的網(wǎng)絡(luò)拓撲以及客流特征構(gòu)建公共交通網(wǎng)絡(luò)，具體過程如下：

首先，將軌道站點和BRT站點按照實際站點順序進行統(tǒng)一編號，其次，參考羅藝等（2015）的做法，把屬于不同公共交通網(wǎng)絡(luò)、站點間距＜300 m且在實際運營中存在同站換乘或出站換乘的站點定義為雙模式換乘站點，并進行統(tǒng)一編號；將軌道換乘軌道和BRT 換乘BRT 的站點定義為單模式換乘站；將既有單模式換乘也有雙模式換乘的站點定義為單-雙模式結(jié)合換乘站點（圖3）。由于公共交通網(wǎng)絡(luò)是由節(jié)點、邊及節(jié)點間的邊權(quán)構(gòu)成的，而傳統(tǒng)的邊權(quán)是由網(wǎng)絡(luò)步長構(gòu)成的，為使所分析的公共交通網(wǎng)絡(luò)更符合實際情況，將公交刷卡OD 客流數(shù)據(jù)依據(jù)站點編號進行匹配，邊權(quán)為節(jié)點間OD 客流，最后形成有向邊權(quán)BRT-軌道雙層網(wǎng)絡(luò)，并將網(wǎng)絡(luò)模型記作：

圖3 BRT-軌道雙層網(wǎng)絡(luò)構(gòu)建步驟Fig.3 Construction steps of BRT-metro double-layer network

式中：VL表示網(wǎng)絡(luò)節(jié)點合集；EL表示網(wǎng)絡(luò)有向邊合集；WL表示網(wǎng)絡(luò)有向邊權(quán)合集。

2.2 計算指標(biāo)

復(fù)雜網(wǎng)絡(luò)是研究公共交通網(wǎng)絡(luò)有效途徑，而分析網(wǎng)絡(luò)結(jié)構(gòu)關(guān)鍵在于網(wǎng)絡(luò)特征指標(biāo)。在已有研究中，用于表征網(wǎng)絡(luò)拓撲結(jié)構(gòu)的指標(biāo)多為度中心性、接近中心性和介數(shù)中心性等（諶微微 等，2019），本研究在此基礎(chǔ)上加入客流作為邊權(quán)，使用節(jié)點強度、加權(quán)接近中心性、加權(quán)介數(shù)中心性和加權(quán)PageRank 4 個指標(biāo)分析網(wǎng)絡(luò)結(jié)構(gòu)特征。并使用python 構(gòu)建網(wǎng)絡(luò)拓撲關(guān)系圖，輸入93個軌道-BRT站點作為節(jié)點，引入實際公交客流進行邊的加權(quán)，調(diào)用復(fù)雜網(wǎng)絡(luò)分析庫Network X，計算站點的4個中心性指標(biāo)。

2.2.1 節(jié)點強度 節(jié)點強度為加權(quán)公共交通網(wǎng)絡(luò)獨有的特征指標(biāo)，代表客流作為網(wǎng)絡(luò)的邊權(quán)時各節(jié)點在局部區(qū)域的異同（裴玉龍 等，2019）。現(xiàn)實意義中，節(jié)點強度描述的是公共交通網(wǎng)絡(luò)站點對客流具有的潛在吸引和疏導(dǎo)能力，站點的節(jié)點強度越大，其在局部網(wǎng)絡(luò)中的客流疏散作用越強，與相鄰站點聯(lián)系越緊密。馬超群等（2020）將指標(biāo)定義為節(jié)點邊權(quán)之和，即與相鄰站點的區(qū)間上下斷面客流量之和。復(fù)雜網(wǎng)絡(luò)中的節(jié)點強度（Si）指節(jié)點（vi）的有向邊權(quán)之和，表示現(xiàn)實公交網(wǎng)絡(luò)局部區(qū)域站點疏導(dǎo)和吸引客流的潛力，用站點與相鄰站點的客流之和計算，公式為：

2.2.2 加權(quán)接近中心性 加權(quán)接近中心性（Ci）用于表示節(jié)點與其他站點的關(guān)聯(lián)程度（Zhang et al.,2018b），其現(xiàn)實意義是刻畫節(jié)點在公交網(wǎng)絡(luò)中的可達性，站點的加權(quán)接近中心性越大，表明其他站點的客流越容易到達該站點，并且其在網(wǎng)絡(luò)中的客流承載能力越好。用節(jié)點vi到其他站點最短網(wǎng)絡(luò)距離之和的倒數(shù)表示，網(wǎng)絡(luò)距離是節(jié)點間的邊權(quán)，公式為：

式中：dik為節(jié)點vi到其他節(jié)點vk的最短網(wǎng)絡(luò)距離；N為網(wǎng)絡(luò)節(jié)點數(shù)。

2.2.3 加權(quán)介數(shù)中心性 加權(quán)介數(shù)中心性（B）i表示節(jié)點在網(wǎng)絡(luò)中發(fā)揮的橋梁和中介作用，用網(wǎng)絡(luò)中經(jīng)過節(jié)點的所有最短路徑數(shù)量比例表示（Feng et al.,2017），反映站點對于整體公交網(wǎng)絡(luò)客流的調(diào)控能力和承載能力，加權(quán)介數(shù)中心性越大，網(wǎng)絡(luò)節(jié)點最短路徑經(jīng)過該站點的次數(shù)越多，其承載的區(qū)間客流越多，如果該站點發(fā)生阻塞會對整體公共交通網(wǎng)絡(luò)造成嚴(yán)重后果。公式為：

式中：σst(i)為節(jié)點s到節(jié)點t經(jīng)過節(jié)點vi的最短路徑數(shù)量；σst為節(jié)點s到節(jié)點t的所有最短路徑數(shù)量。

2.2.4 加權(quán)PageRank PageRank 原本是計算網(wǎng)頁排名的一種算法，在復(fù)雜網(wǎng)絡(luò)中代表的是節(jié)點被訪問概率（Brin et al., 1998）。節(jié)點的加權(quán)PageRank值表達的是現(xiàn)實公共交通網(wǎng)絡(luò)中站點的影響力，這種影響力并不僅僅由自身的服務(wù)特征所決定，還取決于該站點的相鄰站點服務(wù)特征，是著眼于全局的影響力評估，加權(quán)PageRank值越大，表明該站點影響力越大，站點在網(wǎng)絡(luò)中相對越重要。潘偉豐等（2014）提出適用于加權(quán)網(wǎng)絡(luò)的PageRank 算法，本研究將該算法應(yīng)用于BRT-軌道交通有向加權(quán)網(wǎng)絡(luò)，計算公式為：

式中：PRi為節(jié)點的PageRanK 值，1 - ρ 為隨機轉(zhuǎn)到其他節(jié)點的概率；ρ 為阻尼系數(shù)，通常取值為0.85；N為網(wǎng)絡(luò)節(jié)點數(shù)；I(i)為所有與節(jié)點i相連的節(jié)點集合；wi j為邊的權(quán)重；Wj為所有與節(jié)點j相連的邊權(quán)之和。PR(j)為節(jié)點j被訪問的概率。

2.3 站點分級

公共交通網(wǎng)絡(luò)節(jié)點的重要性評估可以通過對站點進行分級分類來實現(xiàn)。首先，對評價指標(biāo)值標(biāo)準(zhǔn)化，由于網(wǎng)絡(luò)節(jié)點指標(biāo)代表的含義不同，指標(biāo)間不具備可比性，因此采用min-max標(biāo)準(zhǔn)化模型對原始數(shù)據(jù)進行無量綱化，使得處理值在[0,1]。同時，由于指標(biāo)為多維數(shù)據(jù)，可能相互間有相關(guān)性，因此在聚類分析前要先進行共線性檢驗。常見聚類方法有系統(tǒng)聚類法、K-means聚類法及譜聚類法等（Yu et al., 2021）。其中，系統(tǒng)聚類法即為層次聚類法，其核心思路是判斷輸入樣本點，然后將相似或相近的點依次合并為簇，最后組成樹狀的層級結(jié)構(gòu)。由于該方法可同時得到不同規(guī)模的簇，而且不需要預(yù)先指定簇的個數(shù)，較其他聚類方法靈活，因此本研究采用系統(tǒng)聚類法，應(yīng)用SPSS對網(wǎng)絡(luò)節(jié)點進行分析，確定BRT-軌道站點分級。

3 雙模式BRT-軌道站點網(wǎng)絡(luò)特征測度

3.1 節(jié)點強度

由圖4-a 可知，節(jié)點強度最大值為46 116，最小值為251，平均值為6 158.12，并且大部分節(jié)點強度值在[0, 10 000]。這可能與廈門市大-中運量BRT-軌道交通網(wǎng)絡(luò)目前仍處于初步發(fā)展階段，軌道線路較少，仍未形成系統(tǒng)的公共交通網(wǎng)絡(luò)，大部分站點客流疏導(dǎo)能力并不突出有關(guān)。同時，節(jié)點強度值較高的站點主要分布在軌道-BRT 換乘節(jié)點上，表明2種網(wǎng)絡(luò)接駁節(jié)點皆具有較高的客流吸引潛力。此外，節(jié)點強度值最大的站點為蔡塘站，與蔡塘站相鄰的站點有5 個（金山站、后埔站、古地石站、洪文站、東芳山莊站），其作為換乘站點與周邊站點的客流聯(lián)系較為緊密（見圖4-a）。

圖4 廈門市節(jié)點強度（a）、節(jié)點加權(quán)接近中心性（b）、節(jié)點加權(quán)介數(shù)中心性（c）和節(jié)點加權(quán)PageRank（d）空間分布Fig.4 Spatial distribution of node strength(a), node weighted closeness(b), node weighted betweenness(c),and node weighted pagerank(d) of Xiamen

3.2 加權(quán)接近中心性

圖4-b 顯示，加權(quán)接近中心性最大值為4.9×10-5，最小值為2.1×10-5，平均值為3.7×10-5，數(shù)值主要分布在中-高值區(qū)，說明大部分站點的可達性較高。同時，加權(quán)接近中心性值較高的站點分布在軌道1號線上，該線路作為廈門南北向公共交通走廊，承載著大部分的公共交通客流量。加權(quán)接近中心性值最高的站點為呂厝站，該站點處于網(wǎng)絡(luò)中心，距離其他站點最短距離的平均值最小，換言之，該站點客流可達性最高。從現(xiàn)實情況看，呂厝站是承載客流最多的站點，因此其加權(quán)接近中心性最高。

3.3 加權(quán)介數(shù)中心性

圖4-c 顯示，節(jié)點加權(quán)介數(shù)中心性最大值為0.44，最小值為0，平均值為0.09，并且主要分布在低值區(qū)，說明網(wǎng)絡(luò)中起銜接作用的站點較少。加權(quán)介數(shù)中心性值較高的站點主要分布在線路換乘點和軌道1號線上，數(shù)值最高的站點為呂厝站，因其位于軌道1 和2 號線換乘點處，能連接整體網(wǎng)絡(luò)，具有關(guān)鍵橋梁作用。

3.4 加權(quán)PageRank

圖4-d 顯示，節(jié)點的加權(quán)PageRank 最大值為0.029，最小值為0.002，平均值為0.011，說明除換乘樞紐站點外，其他站點吸引力較弱。同時，加權(quán)PageRank值較高的站點分布在線路換乘點上，且其與相鄰站點呈組團聚集狀，該模式站點間能相互影響，進而在網(wǎng)絡(luò)形成局部客流吸引點。指標(biāo)值最高的站點為蔡塘站，這是由于蔡塘站相鄰的金山站和市政服務(wù)中心站等站點在網(wǎng)絡(luò)中客流影響能力較強，當(dāng)站點間地理位置鄰近時，站點間彼此起相互通達的作用，客流量大的站點壓力在一定程度上被其相鄰站點所緩解。

4 雙模式BRT-軌道站點分級結(jié)果

4.1 站點聚類分析結(jié)果

選取節(jié)點強度、加權(quán)介數(shù)中心性、加權(quán)接近中心性和加權(quán)PageRank 等4 個指標(biāo)進行系統(tǒng)聚類分析，首先對指標(biāo)進行共線性檢驗，在回歸模型當(dāng)中，通常使用方差膨脹因子（VIF）判斷度量因子間的共線程度，當(dāng)VIF 值＜5 時，說明因子間基本不存在共線性。經(jīng)檢驗各指標(biāo)的VIF值均達標(biāo)（表2），可以進行系統(tǒng)聚類分析。利用無量綱的指標(biāo)，應(yīng)用SPSS對BRT-軌道交通網(wǎng)絡(luò)節(jié)點作系統(tǒng)聚類分析，結(jié)果如表3所示。

表2 站點指標(biāo)共線性檢驗結(jié)果Table 2 Collinearity test results of stations' index

表3 站點聚類結(jié)果Table 3 Clustering results of stations

4.2 各類站點特征描述

根據(jù)每個站點的復(fù)雜網(wǎng)絡(luò)分析指標(biāo)特性，在現(xiàn)有研究基礎(chǔ)上（宗剛 等，2015；鄧評心 等，2019），將站點分為核心樞紐型、局部聯(lián)系型、網(wǎng)絡(luò)中轉(zhuǎn)型、強網(wǎng)絡(luò)傳導(dǎo)型、弱網(wǎng)絡(luò)傳導(dǎo)型和網(wǎng)絡(luò)盡端型6類（見表3）。

核心樞紐型站點4項指標(biāo)平均值均在0.7 以上（圖5），節(jié)點強度、加權(quán)接近中心性和加權(quán)PageRank等3項指標(biāo)值較其他站點為最高，該類型站點在BRT-軌道交通網(wǎng)絡(luò)中具有較高的連通性，并且站點處于交通網(wǎng)絡(luò)中心，在客流集散和線路連接等方面起重要作用，是BRT系統(tǒng)和軌道雙層網(wǎng)絡(luò)系統(tǒng)銜接的關(guān)鍵點。

圖5 各類站點指標(biāo)值箱型Fig.5 Box diagram of index values of various stations

局部聯(lián)系型站點的節(jié)點強度指標(biāo)在0.6 以上，該類型節(jié)點強度值分布在高值區(qū)并且較其他類型站點為最高。該類型站點具有較強的局部網(wǎng)絡(luò)疏導(dǎo)能力，與相鄰站點聯(lián)系較為緊密，分布在城市局部區(qū)域中心，在城市局部地區(qū)起重要作用。如蓮坂站和文灶站為軌道換乘BRT站點，嘉庚體育館為BRT換乘站點。

網(wǎng)絡(luò)中轉(zhuǎn)型站點的加權(quán)介數(shù)中心性、加權(quán)接近中心性和加權(quán)PageRank 等3 項指標(biāo)平均值在0.7 以上，指標(biāo)值均分布在高值區(qū)并且加權(quán)介數(shù)中心性較其他站點數(shù)值為最高。該類型站點具有較高的網(wǎng)絡(luò)中轉(zhuǎn)能力和樞紐控制能力，在全局網(wǎng)絡(luò)中影響力大，通常分布在高鐵站和機場，反映站點承接城市對外交通接駁功能和城市內(nèi)部軌道換乘功能。從現(xiàn)實情況看，廈門市的網(wǎng)絡(luò)中轉(zhuǎn)型站點中，廈門北站承接對外鐵路接駁功能，T4候機樓站承接航空接駁功能，呂厝站承接城市內(nèi)部軌道換乘功能。

強網(wǎng)絡(luò)傳導(dǎo)型和弱網(wǎng)絡(luò)傳導(dǎo)型站點的加權(quán)介數(shù)中心性和加權(quán)接近中心性指標(biāo)較其他2 項指標(biāo)高，并且都是單模式站點。2 類站點的指標(biāo)數(shù)值區(qū)別在于加權(quán)接近中心性，前者該指標(biāo)在0.7 以上，后者則為0.5～0.7。2類站點的特征區(qū)別在于網(wǎng)絡(luò)傳導(dǎo)能力，強網(wǎng)絡(luò)傳導(dǎo)型多處于軌道1號線上，弱網(wǎng)絡(luò)傳導(dǎo)型多處于軌道2 號線和BRT 線上（軌道1 號線的客運量較2 號線和BRT 線更大，從公交刷卡數(shù)據(jù)看，軌道1號線的月度總客流為3 581 582人次，而2 號線該數(shù)據(jù)為2 398 002 人次，處于軌道1 號線上的站點加權(quán)接近中心性更高）。

網(wǎng)絡(luò)盡端型站點各項指標(biāo)均在0.3 以下，指標(biāo)值分布在低值區(qū)，并且較其他類型站點為最低。該類型站點網(wǎng)絡(luò)接駁能力弱且連通性低，處于BRT-軌道網(wǎng)絡(luò)的盡端，存在站點在網(wǎng)絡(luò)中的可達性較低的問題。

島內(nèi)站點分類結(jié)果所對應(yīng)的網(wǎng)絡(luò)中，重要站點在島內(nèi)中心聚集，次要站點向外圍分布。島外網(wǎng)絡(luò)重要站點分布在城市建設(shè)成熟區(qū)域，次要站點分散在城市建設(shè)初步發(fā)展地區(qū)。

本文分類結(jié)果與已有研究有所差異，以往分類通常注重站點在區(qū)域內(nèi)發(fā)揮的作用以及與周邊的用地互動，而本研究更深入地考慮網(wǎng)絡(luò)系統(tǒng)層面的關(guān)鍵性，即使站點周邊情況相似，但由于網(wǎng)絡(luò)位置不同，站點的系統(tǒng)關(guān)鍵性也會有所差異。本文方法能識別雙層網(wǎng)絡(luò)系統(tǒng)中的重要站點，如過去對站點分類過程中（張志健 等，2022），蔡塘站與江頭站、后埔站均為平衡-中高客流型站點，在本研究中3個站點是明顯有區(qū)別的，蔡塘站不僅有強客流特性，還有網(wǎng)絡(luò)核心樞紐特性，因此應(yīng)根據(jù)站點網(wǎng)絡(luò)價值的不同，對站點進行分級分類。

此外，軌道和BRT 的單模式站點特征存在差異，在島內(nèi)，地鐵線單模式站點中的弱網(wǎng)絡(luò)傳導(dǎo)型站點較BRT線更多，主要分布在島內(nèi)東部地區(qū)，說明BRT單模式站點所發(fā)揮的效果比地鐵更好。一方面，2 種交通方式的站點周邊客流規(guī)模存在差異，位于廈門島東部地區(qū)的軌道站點，其周邊地區(qū)發(fā)展起步較晚，客流規(guī)模較小，而BRT站點周邊地區(qū)如市政服務(wù)中心和金山等已發(fā)展成熟，客流基礎(chǔ)條件較好；另一方面，與兩者的開發(fā)時序有關(guān)，廈門BRT線路自2013年起，至今已有8條線路，形成較為完善的BRT-軌道交通網(wǎng)絡(luò)，而軌道交通截至2020 年6 月只有縱橫向2 條線路，沒有形成系統(tǒng)的軌道網(wǎng)絡(luò)。

4.3 雙層網(wǎng)絡(luò)重要站點分析

雙層網(wǎng)絡(luò)中重要站點包括單模式、雙模式與單-雙模式結(jié)合的3種類型換乘站點。

單模式換乘站具有調(diào)節(jié)網(wǎng)絡(luò)客流的能力，其加權(quán)介數(shù)中心性較其他站點為最高，該類型站點處于網(wǎng)絡(luò)中心位置，在復(fù)雜網(wǎng)絡(luò)中各最短路徑經(jīng)過該站點次數(shù)最多，尤其是加入站點客流作為權(quán)重，更能反映站點的客流調(diào)節(jié)能力（表4）。呂厝站是地鐵1—2號線的唯一換乘點，2段軌道線路間的客流轉(zhuǎn)移都需經(jīng)過該站點，站點所處的呂厝—烏石浦商圈是城市級商業(yè)中心，進一步促進客流在此換乘。T4候機樓站是BRT線集美段與同安段之間的換乘點，其對2個地區(qū)的客流周轉(zhuǎn)產(chǎn)生影響。此外，呂厝站的加權(quán)PageRank 值較同類站點低，這是由于PageR‐ank 值與站點的換乘條件與客流量有關(guān)，廈門北站是雙模式換乘站點，而呂厝站是單模式換乘站點，其在網(wǎng)絡(luò)中被訪問概率會低于廈門北站，并且呂厝站客流量為278 743人次，低于廈門北站的289 831人次，從而導(dǎo)致呂厝站的加權(quán)PageRank值較同類站點低。從OD客流分布圖看（圖6-a、b），呂厝站主要影響的客流站點分布在軌道線上，站點分別為鎮(zhèn)海路站、海滄行政中心站和集美學(xué)村站等，上述站點對應(yīng)的是島內(nèi)外各片區(qū)中心，進一步印證該類型站點能調(diào)節(jié)城市各地區(qū)之間客流運能。

表4 重要站點指標(biāo)分析Table 4 Index analysis of important stations

［圖6 各重要站點OD客流分布（a.呂厝站；b.T4候機樓站；c.文灶站；d.蓮坂站；e.廈門北站；f.蔡塘站），轉(zhuǎn)下頁］

雙模式換乘站具有吸引網(wǎng)絡(luò)客流的能力，其加權(quán)接近中心性較其他站點為最高，說明該類型站點與網(wǎng)絡(luò)中其他站點聯(lián)系緊密，并且具有較高的可達性（見表4）。從現(xiàn)實情況看，蓮坂站和文灶站輻射范圍內(nèi)有區(qū)級商服中心，能有效地吸引城市局部地區(qū)客流。廈門北站作為交通樞紐，不僅能吸引全市客流，而且承擔(dān)著廈門市對外軌道交通接駁功能。從OD 客流分布看，文灶和蓮坂站所影響的站點集中分布在BRT線路的島內(nèi)段，站點分別為開禾路口站、鎮(zhèn)海路站、市政服務(wù)中心站和前埔樞紐站，所吸引的客流來自島內(nèi)東西部地區(qū)，說明站點關(guān)聯(lián)的是局部地區(qū)網(wǎng)絡(luò)客流。廈門北站影響的主要站點也分布在BRT線上，站點分別為嘉庚體育館站、市政服務(wù)中心站、雙十中學(xué)站等，說明廈門北站的BRT比軌道更具影響力，受其影響的站點分布較廣，體現(xiàn)廈門北站在整個網(wǎng)絡(luò)中的客流吸引力（圖6-c、d、e）。

單-雙模式結(jié)合的換乘站具有輻射網(wǎng)絡(luò)客流的能力，其節(jié)點強度和加權(quán)PageRank值較其他站點為最高，具有較高的客流聯(lián)系強度和全局客流影響能力，該類型站點不僅是軌道換乘BRT 的重要節(jié)點，同時具有BRT換乘BRT的功能，因此上述2個指標(biāo)在所有站點中為最高（見表4）。從OD客流分布看，蔡塘站影響的主要站點分布在BRT線上并且與該站點相鄰，如嘉庚體育館站、縣后站、市行政服務(wù)中心站和雙十中學(xué)站等，說明蔡塘站的BRT比軌道更具影響力，并且其輻射范圍遍及BRT線和軌道1—2號線，較廈門北站更廣，恰好說明單-雙模式結(jié)合的換乘站具有輻射整體網(wǎng)絡(luò)能力（圖6-f）。

5 結(jié)論

以廈門BRT-軌道雙層網(wǎng)絡(luò)交通為例，構(gòu)建Space-L 復(fù)雜網(wǎng)絡(luò)模型并進行分析，得出的主要結(jié)論為：

1）基于復(fù)雜網(wǎng)絡(luò)模型指標(biāo)，廈門BRT-軌道雙層網(wǎng)絡(luò)站點可以分為6類，分別為核心樞紐型、局部聯(lián)系型、網(wǎng)絡(luò)中轉(zhuǎn)型、強網(wǎng)絡(luò)傳導(dǎo)型、弱網(wǎng)絡(luò)傳導(dǎo)型和網(wǎng)絡(luò)盡端型。該分類方法相比以往研究具有更好的解釋性，如在島外地區(qū)強網(wǎng)絡(luò)傳導(dǎo)型與弱網(wǎng)絡(luò)傳導(dǎo)型的建成環(huán)境相似，按照用地特征無法將二者有效區(qū)分，引入網(wǎng)絡(luò)特征指標(biāo)以及客流作為權(quán)重后，強網(wǎng)絡(luò)傳導(dǎo)型站點的加權(quán)接近中心性以及加權(quán)介數(shù)中心性指標(biāo)明顯高于弱網(wǎng)絡(luò)傳導(dǎo)型，由此可將上述2種站點有效歸類，以提升分類結(jié)果的客觀性和可解釋性。

2）在各類換乘站點中，最高值指標(biāo)有所差異，單模式換乘站的加權(quán)介數(shù)中心性較其他站點為最高，雙模式換乘站最高值指標(biāo)為加權(quán)接近中心性，單-雙模式結(jié)合的換乘站中節(jié)點強度和加權(quán)PageR‐ank值最高，說明上述3類站點分別具有調(diào)節(jié)網(wǎng)絡(luò)客流、吸引網(wǎng)絡(luò)客流以及輻射網(wǎng)絡(luò)客流的能力。

3）島內(nèi)BRT-軌道交通網(wǎng)絡(luò)的單模式站點中，地鐵弱網(wǎng)絡(luò)傳導(dǎo)型較BRT線路更多，說明島內(nèi)部分BRT站點發(fā)揮效用優(yōu)于軌道站點。

本研究貢獻在于：1）拓展了BRT-軌道雙層網(wǎng)絡(luò)研究，基于復(fù)雜網(wǎng)絡(luò)視角剖析BRT-軌道雙層網(wǎng)絡(luò)特征，可為其他具有大-中運量交通站點的城市提供借鑒。2）改進現(xiàn)有站點分級方法，基于Space-L 復(fù)雜網(wǎng)絡(luò)模型，結(jié)合站點網(wǎng)絡(luò)拓撲特征以及客流特征，能更準(zhǔn)確地識別站點類型。當(dāng)然，本研究也存在不足：1）在選取權(quán)重因子時，復(fù)雜網(wǎng)絡(luò)分析僅考慮客流作為權(quán)重，沒有涉及站點周邊環(huán)境屬性，未來可考慮加入更多站點影響因素。2）數(shù)據(jù)僅選取2020年6月的工作日客流，存在局限性，后續(xù)可以進一步對比不同時段客流數(shù)據(jù)的分析結(jié)果，以獲得更準(zhǔn)確的站點分級。3）研究對象僅為地鐵1—2號線以及BRT 線，后續(xù)研究中站點分類可根據(jù)最新情況進行調(diào)整。4）數(shù)據(jù)不包含支付寶、微信和人工售票等非IC卡數(shù)據(jù)，客流量與實際相比存在一定誤差，后續(xù)可結(jié)合多源數(shù)據(jù)，進一步提高結(jié)果準(zhǔn)確性。未來，如何對BRT-軌道雙層網(wǎng)絡(luò)開展研究，以及如何在該網(wǎng)絡(luò)下進行站點分類和實踐應(yīng)用，以實現(xiàn)公共交通網(wǎng)絡(luò)精細化管理，將成為城市交通規(guī)劃建設(shè)過程中需重視的問題。