劉成帥，陳 鵬*

（中國人民公安大學(xué) 信息網(wǎng)絡(luò)安全學(xué)院，北京）

引言

研究地鐵出行特征及其影響因素，對于公共交通系統(tǒng)的運營管理具有重要意義，并且有助于深入理解其背后的社會經(jīng)濟現(xiàn)象機制。

目前在公共交通出行特征的相關(guān)研究中，常從時間、空間角度對公共交通客流量進行分析[1-2]，還有研究從出行時長和距離等方面進行分析[3]。此外，公共交通客流影響因素也是學(xué)者研究的重點內(nèi)容[2，4]。本文基于北京市地鐵交通數(shù)據(jù)，分析公共交通出行的時空規(guī)律，并探究地鐵出行和建成環(huán)境之間的依賴關(guān)系特點。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)

本研究中的地鐵交通數(shù)據(jù)來自于北京市的地鐵公司，數(shù)據(jù)的日期范圍為2019 年10 月1 日至2020 年1月23 日，涵蓋站點289 個，共有智能卡記錄近2 億條。

本文將車站影響范圍設(shè)為半徑為1 km[5]的圓形緩沖區(qū)，并通過泰森多邊形解決站點密集地區(qū)緩沖區(qū)相互重疊的問題。然后從POI 數(shù)據(jù)、路網(wǎng)數(shù)據(jù)、換乘站數(shù)據(jù)中提取自變量。北京市POI 數(shù)據(jù)通過高德地圖獲??；路網(wǎng)密度和方向熵通過OpenStreetMap（OSM）獲取。

1.2 負(fù)二項回歸模型

公共交通客流量影響因素的相關(guān)研究常采用多元線性回歸[6]、負(fù)二項回歸[7]、地理加權(quán)回歸[8]等模型。本文因變量被統(tǒng)計為整數(shù)，并且呈現(xiàn)過離散現(xiàn)象，因此采用負(fù)二項回歸模型。模型表示如下：

式中：Y 為因變量；Pr 為Y=y 的概率；Γ 為伽馬函數(shù)；μ是均值；τ 是形狀參數(shù)。

2 地鐵出行變化特點

周一至周日的日均地鐵流量如圖1 所示?？梢园l(fā)現(xiàn)，周一日均出行量最大，然后出行量保持遞減，直到周五再次有所增加。非工作日的日均出行量總是小于工作日。

圖1 地鐵日均客流量

工作日和非工作日不同時段的地鐵客流量分布如圖2 所示。早晚高峰時段統(tǒng)一設(shè)為7:00-9:00 和17:00-19:00?？梢园l(fā)現(xiàn)，工作日早晚高峰客流集中程度高于非工作日；工作日早高峰客流占比高于晚高峰，而在非工作日則反之。

圖2 各出行時段地鐵客流量分布

圖3 展示了各地鐵站點日均流量以及站點間日均流量?？梢园l(fā)現(xiàn)，靠近市中心的站點流量通常高于城市外圍站點。較高的站點間日均流量大多與靠近市中心的地鐵站相關(guān)聯(lián)，而外圍站點之間的流量較小。

圖3 各地鐵站點流量分布

各地鐵站點平均出行時長和平均出行距離分布如圖4 所示?？梢园l(fā)現(xiàn)靠近市中心的站點出行時長和距離較小，而外圍站點較大[3]。

3 地鐵流量影響因素分析

為探究地鐵流量影響因素，工作日、非工作日、早晚高峰每個地鐵站的日均客流量被視為因變量。Kolmogorov-Smirnov（K-S）檢驗結(jié)果顯示客流量不服從正態(tài)分布，所以采用負(fù)二項回歸模型。此外，采用方差膨脹因子（VIF）檢驗對所有自變量進行多重共線性檢驗，當(dāng)去除生活服務(wù)、路網(wǎng)方向熵（自行車道）類型變量時，自變量之間的相關(guān)性不顯著?；貧w結(jié)果見表1。

表1 負(fù)二項回歸結(jié)果

（1） 商場和餐飲服務(wù)（消費類場所）在工作日、非工作日、早晚高峰均與地鐵客流量顯著正相關(guān)。這表明在絕大多數(shù)時候，商場、餐飲服務(wù)均吸引著居民前去消費。

（2） 知名企業(yè)（公司企業(yè)類場所）、幼兒園和中小學(xué)（教育類場所）、三級甲等醫(yī)院（醫(yī)療類場所）、金融保險服務(wù)（金融服務(wù)場所）在工作日及早晚高峰與地鐵客流量顯著正相關(guān)。這說明工作日這些場所設(shè)施提供服務(wù)吸引了地鐵客流。而高等院校（教育類場所）在非工作日仍與地鐵客流量顯著正相關(guān)。這可能是因為在非工作日，大學(xué)生也會留在學(xué)校住宿和生活。

（3） 火車站（交通旅行類場所）在工作日和非工作日與地鐵客流量顯著正相關(guān)。這是因為火車站作為對外交通的重要樞紐，長期具有較高人流量。并且火車旅行通常與早晚高峰無關(guān)。

（4） 換乘站作為地鐵系統(tǒng)的重要一環(huán)，在工作日、非工作日、早晚高峰均與地鐵客流量顯著正相關(guān)。這體現(xiàn)了換乘站對地鐵客流的持續(xù)正向影響。

4 結(jié)論

本文基于北京市地鐵交通數(shù)據(jù)和POI 數(shù)據(jù)等，分析公共交通出行的時空變化規(guī)律，以及地鐵出行和建成環(huán)境等影響因素之間的依賴關(guān)系特點。研究結(jié)果表明：北京市地鐵流量在時間、空間分布上呈現(xiàn)一定規(guī)律，出行時長和距離具有空間異質(zhì)性。對北京市地鐵流量影響因素進行分析發(fā)現(xiàn)，消費、公司企業(yè)、教育、醫(yī)療、金融等類型的場所以及換乘站均對地鐵客流量具有一定影響。研究成果可為地鐵運營管理提供依據(jù)，促進公共交通可持續(xù)發(fā)展。