基于軌道交通刷卡數(shù)據(jù)的城市通勤圈范圍研究

馬亮

基于軌道交通刷卡數(shù)據(jù)的城市通勤圈范圍研究

馬亮

（深圳市規(guī)劃國土發(fā)展研究中心，518040，深圳//助理研究員）

城市通勤圈范圍是從交通視角判斷城市空間結(jié)構(gòu)的重要依據(jù)。介紹了通勤圈的概念，提出了評價(jià)通勤圈范圍的絕對通勤圈范圍和相對通勤圈范圍兩個(gè)指標(biāo)。以深圳軌道交通刷卡數(shù)據(jù)為例說明通勤圈范圍的研究方法：從數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)清洗、數(shù)據(jù)匹配、空間映射、數(shù)據(jù)提取等5個(gè)方面進(jìn)行數(shù)據(jù)準(zhǔn)備；按照軌道交通線站位置的空間布局構(gòu)建基礎(chǔ)網(wǎng)絡(luò)；以目標(biāo)車站為參照，進(jìn)行網(wǎng)格通勤指標(biāo)分析，并利用Arcgis軟件中的插值、等值線工具分析得到目標(biāo)車站的絕對與相對通勤圈范圍。以深圳市高新技術(shù)產(chǎn)業(yè)園區(qū)為例，驗(yàn)證該研究方法的可行性。結(jié)果表明：2012—2015年，深圳高新技術(shù)產(chǎn)業(yè)園區(qū)職住分離加劇，向心交通進(jìn)一步惡化，片區(qū)在原二線關(guān)范圍內(nèi)的職住平衡比例由40%下降至30%，而居住在原二線關(guān)范圍外的就業(yè)人口在早高峰至少增加1.4萬人次/h的向心軌道交通客流。

交通規(guī)劃；軌道交通；軌道交通刷卡數(shù)據(jù)；通勤圈；評價(jià)指標(biāo)

Author′s addressShenzhen Urban Planning and Land Resource Research Center，518040，Shenzhen，China

城市空間結(jié)構(gòu)是城市中物質(zhì)環(huán)境、功能活動(dòng)和文化價(jià)值等組成要素之間關(guān)系的表現(xiàn)方式［1］。城市規(guī)劃專業(yè)多采用中心、軸帶、組團(tuán)、片區(qū)來描述城市實(shí)體空間的發(fā)展方向，例如深圳提出2020年力爭形成“三軸兩帶多中心”的城市空間結(jié)構(gòu)［2］。同樣，交通規(guī)劃為強(qiáng)調(diào)交通需求在城市空間上的表現(xiàn)，多采用走廊、圈層來描述城市的空間結(jié)構(gòu)，例如深圳在2012版的軌道交通網(wǎng)絡(luò)規(guī)劃中從交通視角提出遠(yuǎn)期深圳將形成“東中西三條客運(yùn)走廊+距離中心城區(qū)25 km的通勤圈”的城市空間結(jié)構(gòu)，為此提出“通勤圈層內(nèi)軌道交通強(qiáng)軸加密、通勤圈層內(nèi)外快速聯(lián)系”的軌道交通發(fā)展策略［3］。

通勤圈作為交通規(guī)劃中的重要概念，國內(nèi)學(xué)者的討論多基于經(jīng)驗(yàn)或理想對未來城市交通空間結(jié)構(gòu)進(jìn)行判斷或相關(guān)概念辨析，定量研究較少。文獻(xiàn)［4］借鑒東京、紐約、倫敦、巴黎的案例，提出通勤交通圈半徑可達(dá)50～60 km。文獻(xiàn)［5］在東京案例的基礎(chǔ)上提議北京應(yīng)盡快擴(kuò)展距市中心30 km半徑以遠(yuǎn)的全程2 h通勤圈。有些學(xué)者更加關(guān)注都市圈相關(guān)的概念、特征等的研究［6-7］。在定量研究方面，文獻(xiàn)［8］利用手機(jī)數(shù)據(jù)識別上海中心城的通勤區(qū)；文獻(xiàn)［9］利用公交刷卡數(shù)據(jù)識別持卡人的通勤出行及職住地，但手機(jī)數(shù)據(jù)、公交刷卡數(shù)據(jù)存在分析過程復(fù)雜、耗時(shí)長、有效率低等不足。

隨著城市軌道交通的快速發(fā)展，北上廣深等大城市基本形成覆蓋全市域的軌道交通網(wǎng)，居民軌道交通出行比例較高。以上海為例，2015年網(wǎng)絡(luò)規(guī)模達(dá)634 km，日均客流超過1 000萬人次，占公共交通分擔(dān)率達(dá)53%［10］。相比傳統(tǒng)抽樣調(diào)查數(shù)據(jù)，軌道交通刷卡數(shù)據(jù)在居民出行總量中占比較高；相比手機(jī)數(shù)據(jù)、公交刷卡數(shù)據(jù)，軌道交通刷卡數(shù)據(jù)記錄了起始站點(diǎn)、起始時(shí)間，數(shù)據(jù)本身不需做過多的清洗，就是高質(zhì)量的出行起訖（OD）記錄。因此，以軌道交通刷卡數(shù)據(jù)為基礎(chǔ)來分析通勤圈的范圍以及通勤圈的演變規(guī)律具有可行性。

本文提出基于軌道交通刷卡數(shù)據(jù)的通勤圈分析方法，用于識別就業(yè)地的通勤范圍，為通勤圈的定量分析提供一種新的方法。

1 通勤圈定義

在城市化進(jìn)程中，產(chǎn)生了較多描述城市空間尺度的概念，如城市群、城市帶、城鎮(zhèn)密集區(qū)、都市圈、都市區(qū)等［11］。其中，都市圈概念與通勤圈較為接近。都市圈是指由一個(gè)或多個(gè)中心城市和與其有緊密社會(huì)、經(jīng)濟(jì)聯(lián)系的臨接城鎮(zhèn)組成,具有一體化傾向的協(xié)調(diào)發(fā)展區(qū)域，外圍地區(qū)到中心城市的通勤人口比例是重要評判標(biāo)準(zhǔn)。

通勤圈與其它概念不同，其研究對象明確，主要用于評價(jià)城市就業(yè)中心與周邊區(qū)域通勤交通的聯(lián)系強(qiáng)度。城市主、次中心都有其自身的通勤輻射范圍。因此，通勤圈可定義為與就業(yè)中心存在頻繁通勤交通聯(lián)系的區(qū)域。

通勤圈的評價(jià)指標(biāo)可分為相對指標(biāo)和絕對指標(biāo)。以圖1、圖2為例進(jìn)行說明，首先將研究區(qū)域劃分為若干基礎(chǔ)網(wǎng)格，其中Center為片區(qū)就業(yè)中心。圖1是按就業(yè)人口的居住地得到各個(gè)網(wǎng)格的通勤人口絕對數(shù)量，圖2是將通勤人口數(shù)量除以就業(yè)人口總量得到各個(gè)網(wǎng)格的通勤人口相對比例。以Center為中心，從里往外遞推可得到不同比例就業(yè)人口的通勤圈，如70%就業(yè)人口的通勤圈為圖2中淺色區(qū)域的中間圈層，稱為相對通勤圈；同樣，規(guī)定通勤人口數(shù)量大于一定數(shù)值的網(wǎng)格均為就業(yè)中心的輻射范圍，如網(wǎng)格通勤人口大于15%的通勤圈為圖1中的無色區(qū)域外圍圈層，稱為絕對通勤圈。

兩類指標(biāo)的通勤圈范圍、意義、演變規(guī)律是不同的。在當(dāng)今城市快速發(fā)展帶來職住分離加劇的背景下，相對通勤圈范圍隨時(shí)間變化較慢，但研究和實(shí)踐中討論較多；而絕對通勤圈范圍隨時(shí)間變化較快，可以直觀體現(xiàn)職住分離的速度，具有實(shí)踐意義。以深圳為例，二線關(guān)口早高峰進(jìn)關(guān)客流由2011年的15萬人次/h增長到2015年的25萬人次/h，交通擁堵顯著，用相對指標(biāo)分析得到的中心城區(qū)通行圈半徑變化較小，而用絕對指標(biāo)分析中心城區(qū)通勤圈半徑變化較大，后者更加符合日常人們對職住分離現(xiàn)象的認(rèn)識［12］。

圖1 絕對指標(biāo)分析方法

圖2 相對指標(biāo)分析方法

2 基于軌道刷卡數(shù)據(jù)的通勤圈范圍研究方法

2.1 數(shù)據(jù)基礎(chǔ)

軌道交通刷卡數(shù)據(jù)記錄了乘客的卡片編號、進(jìn)出站類型、刷卡時(shí)間、閘機(jī)編號等信息。通過閘機(jī)編號與車站對應(yīng)關(guān)系，可以把乘客出行信息映射到空間上。圖3為深圳地鐵刷卡的數(shù)據(jù)庫結(jié)構(gòu)與閘機(jī)車站對照表。如圖3所示，CARDID為卡片編號，代表一個(gè)乘客；TRADETYPE為交易類型，21表示乘客進(jìn)站，22表示乘客出站；TRADEDATE為刷卡時(shí)間；Tradeaddress為閘機(jī)編號。一般車站有多個(gè)閘機(jī)，閘機(jī)編號的前6位為車站編號。

2.2 分析方法

基于軌道交通刷卡數(shù)據(jù)的通勤圈范圍分析過程主要包括數(shù)據(jù)準(zhǔn)備、基礎(chǔ)網(wǎng)絡(luò)構(gòu)建、指標(biāo)分析等3大部分，如圖4所示。

2.2.1 數(shù)據(jù)準(zhǔn)備

圖3 深圳地鐵刷卡數(shù)據(jù)庫結(jié)構(gòu)及閘機(jī)車站對照表

圖4 通勤圈范圍分析框架

（1）數(shù)據(jù)格式轉(zhuǎn)換：軌道交通刷卡數(shù)據(jù)量較大，一般采用文本格式進(jìn)行存儲，需要轉(zhuǎn)化為Access等數(shù)據(jù)庫格式。

（2）數(shù)據(jù)清洗：由于存在部分乘客在乘車過程中遺失公交卡、乘客在同一車站進(jìn)出、維修人員刷卡進(jìn)站維護(hù)設(shè)備等情況，導(dǎo)致軌道交通刷卡數(shù)據(jù)存在異常，如一個(gè)CARDID只有一次進(jìn)站或出站紀(jì)錄或在同一車站刷卡進(jìn)出等，需要對這部分?jǐn)?shù)據(jù)作清洗。總體而言，軌道交通刷卡數(shù)據(jù)質(zhì)量較高，異常數(shù)據(jù)不到總量的1%。

（3）數(shù)據(jù)匹配：依次分析每個(gè)CARDID的刷卡紀(jì)錄，按照“進(jìn)站刷卡在前、出站刷卡在后”的原則對時(shí)間相鄰的刷卡數(shù)據(jù)進(jìn)行匹配，得到每個(gè)CARDID的出行OD數(shù)據(jù)，包括公交卡編號、進(jìn)站閘機(jī)編號、進(jìn)站時(shí)間、出站閘機(jī)編號、出站時(shí)間五個(gè)字段，從而形成乘客出行OD數(shù)據(jù)庫。

（4）空間映射：主要是根據(jù)對照表將進(jìn)出站閘機(jī)編號與具體車站進(jìn)行對應(yīng)，建立乘客出行數(shù)據(jù)與軌道交通車站空間位置的對應(yīng)關(guān)系。

（5）數(shù)據(jù)提?。赫{(diào)查發(fā)現(xiàn)早高峰8:00—9:00通勤目的出行占居民出行總量的80%［12］，因此按出行的中點(diǎn)時(shí)間提取出早高峰8:00—9:00的軌道交通刷卡數(shù)據(jù)。

2.2.2 基礎(chǔ)網(wǎng)絡(luò)構(gòu)建

按照軌道交通線站位布局構(gòu)建物理網(wǎng)絡(luò)，車站是最基礎(chǔ)的分析單元，以車站之間的實(shí)際距離作為阻抗，通過模型計(jì)算得到所有車站之間的出行距離矩陣。

2.2.3 指標(biāo)分析

（1）目標(biāo)分析車站選?。哼x擇位于就業(yè)中心的軌道交通車站作為目標(biāo)分析車站，便于模擬分析就業(yè)中心的通勤圈范圍。

（2）網(wǎng)格通勤指標(biāo)分析：分析所有車站到目標(biāo)分析車站的出行距離、客流量以及客流量占客流總量的相對比例；然后按照出行距離由近及遠(yuǎn)對車站進(jìn)行排序，對各個(gè)車站的客流量、客流比例進(jìn)行累計(jì)分析，從而得到所有車站的累計(jì)客流量、累計(jì)客流比例。

（3）通勤圈分析：利用Arcgis軟件中的插值、等值線工具，以所有車站的累計(jì)客流量、累計(jì)客流比例為數(shù)據(jù)源，分析得到目標(biāo)分析車站的絕對通勤圈范圍、相對通勤圈范圍。

3 案例研究

3.1 數(shù)據(jù)來源

深圳市高新技術(shù)產(chǎn)業(yè)園區(qū)（簡稱高新園）成立于1996年9月，占地面積11.5 km2，在2015年國家科技部火炬中心的國家高新區(qū)評價(jià)結(jié)果中位列全國第五名，園區(qū)內(nèi)企業(yè)總數(shù)超過1 000家（含114家上市企業(yè)），是深圳市主要的就業(yè)中心。

地鐵深大站、高新園站位于高新園中部，高峰期間以服務(wù)于高新園片區(qū)的通勤客流為主，早高峰下客量分別位列2015年深圳地鐵車站中的第一名和第三名。因此，選取深大站、高新園站作為目標(biāo)分析車站來研究高新園片區(qū)的通勤圈范圍。

為進(jìn)一步研究高新園通勤圈的演變規(guī)律，選取了2012年3月與2015年12月工作日早高峰8:00～9:00的軌道交通刷卡數(shù)據(jù)。深大站兩個(gè)月的下客量分別是9 008人次/h、19 269人次/h，高新園站兩個(gè)月下客量分別是7 852人次/h、16 651人次/h，兩個(gè)車站下客量平均增長113%，比全市平均增速高19%。

3.2 相對通勤圈分析

選取40%、80%兩個(gè)職住平衡指標(biāo)分析高新園片區(qū)相對通勤圈的演變情況。2012年，到達(dá)高新園片區(qū)40%的軌道交通通勤客流分布于0～8.3 km圈層，即原二線關(guān)附近；80%的軌道交通通勤客流分布于0～17.6 km圈層，位于軌道交通1號線后瑞站之前。2015年，原二線關(guān)范圍內(nèi)職住平衡比例下降為30%，40%的職住平衡線往外平移到0～9.8 km圈層；80%的職住平衡線往外平移到0～19.7 km圈層，位于后瑞站之后。深圳高新園相對通勤圈演變?nèi)鐖D5、圖6所示。

圖5 2012年深圳高新園相對通勤圈范圍

圖6 2015年深圳高新園相對通勤圈范圍

綜上，2012—2015年，40%職住平衡線往外平移1.5 km，80%職住平衡線住外平移2.1 km，外圍職住平衡線的推移速度明顯且較快。這說明，隨著城市發(fā)展，職住分離趨勢在加劇，中心區(qū)就業(yè)人口更多選擇遠(yuǎn)離城市中心居住，這與軌道交通對通勤條件的改善可能也有很大關(guān)系。

3.3 絕對通勤圈分析

選取原二線關(guān)、機(jī)場東站附近圈層分析高新園片區(qū)軌道交通通勤人口的演變情況。深圳高新園絕對通勤圈演變?nèi)鐖D7、圖8所示。2012年，原二線關(guān)范圍內(nèi)早高峰到達(dá)高新園的軌道交通通勤客流為0.8萬人次/h，機(jī)場東站范圍內(nèi)到達(dá)高新園的軌道交通通勤客流為1.4萬人次/h；2015年，原二線關(guān)范圍內(nèi)早高峰到達(dá)高新園的軌道交通通勤客流為1.4萬人次/h，機(jī)場東站范圍內(nèi)到達(dá)高新園的軌道交通通勤客流有2.8萬人次/h。

圖7 2012年深圳高新園絕對通勤圈范圍

圖8 2015年深圳高新園絕對通勤圈范圍

綜上，2012—2015年，在原二線關(guān)圈層內(nèi)，早高峰往高新園方向的軌道交通通勤交通量增加0.6萬人次/h，增長75%；機(jī)場東圈層內(nèi)的軌道交通通勤交通量增加1.4萬人次/h，增長100%，即高新園片區(qū)居住在二線關(guān)外的就業(yè)人口至少增加1.4萬人，導(dǎo)致向心交通至少增加1.4萬人次/h。

3.4 分析結(jié)果

從相對指標(biāo)、絕對指標(biāo)的分析可以看出，高新園片區(qū)表現(xiàn)出明顯的職住分離現(xiàn)象，中心區(qū)就業(yè)人口的居住地在往外圍區(qū)域蔓延，從而導(dǎo)致向心交通進(jìn)一步加強(qiáng)，關(guān)口客流顯著增長，交通面臨更大壓力。

相對指標(biāo)分析得到高新園在原二線關(guān)范圍內(nèi)的職住平衡比例由40%下降至30%，表明了高新園的職住平衡程度在下降，但下降10%的意義以及對交通實(shí)際運(yùn)行情況的影響難以直觀表達(dá)。絕對指標(biāo)分析得到高新園片區(qū)居住在原二線關(guān)范圍外的就業(yè)人口至少增加1.4萬人次/h的高峰向心交通，可進(jìn)一步結(jié)合關(guān)口、高新園周邊的交通設(shè)施承載能力，判斷職住分離對交通運(yùn)行狀況的影響。因此，相對指標(biāo)與絕對指標(biāo)意義不同，前者表明向心交通的增長原因，后者直觀表達(dá)了向心交通增長數(shù)量及空間來源。

4 結(jié)語

軌道交通的快速發(fā)展，使得利用軌道交通刷卡數(shù)據(jù)分析城市通勤圈范圍成為可能。本文在分析通勤圈概念的基礎(chǔ)上提出利用相對指標(biāo)、絕對指標(biāo)來評價(jià)通勤圈范圍，并詳細(xì)說明軌道交通刷卡數(shù)據(jù)的準(zhǔn)備過程、軌道交通網(wǎng)絡(luò)構(gòu)建以及基于地理信息系統(tǒng)的通勤指標(biāo)分析方法；并以深圳市高新技術(shù)產(chǎn)業(yè)園為例，驗(yàn)證該方法的可操作性，結(jié)合案例對通勤圈范圍的兩個(gè)評價(jià)指標(biāo)進(jìn)行了解讀與辨析。

文中提出的通勤圈范圍的研究方法可行性較強(qiáng)，但受到軌道交通乘客與總體樣本偏差、軌道交通接駁客流實(shí)際起訖點(diǎn)偏離車站程度等因素的影響，得到的通勤圈范圍可能存在一定誤差，下一步需做深入研究。

［1］周春山，葉昌東.中國城市空間結(jié)構(gòu)研究評述［J］.地理科學(xué)進(jìn)展，2013，32（7）：1030～1038.

［2］深圳市規(guī)劃國土發(fā)展研究中心.深圳市城市總體規(guī)劃（2007-2020年）［G］.深圳：深圳市規(guī)劃國土發(fā)展研究中心，2007.

［3］深圳市規(guī)劃國土發(fā)展研究中心.深圳市軌道交通規(guī)劃（2012-2040年）［G］.深圳：深圳市規(guī)劃國土發(fā)展研究中心，2012.

［4］張曉春，宋家驊，邵源,等.都市圈背景下深圳軌道交通發(fā)展戰(zhàn)略研究［J］.都市快軌交通，2012，25（3）：1～6.

［5］榮朝和.北京跨市域軌道通勤圈關(guān)系京冀一體化成?。跩］.綜合運(yùn)輸，2014（10）：4～9.

［6］張貢生.關(guān)于“都市圈”概念界定的文獻(xiàn)述評［J］.南京審計(jì)學(xué)院學(xué)報(bào)，2005，2（3）：11～14.

［7］張偉.都市圈的概念、特征及其規(guī)劃探討［J］.城市規(guī)劃，2003，27（6）：47～50.

［8］丁亮，鈕心毅，宋小冬.利用手機(jī)數(shù)據(jù)識別上海中心城的通勤區(qū)［J］.城市規(guī)劃，2015，39（9）：100～106.

［9］龍瀛,張宇,崔承印.利用公交刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤出行［J］.地理學(xué)報(bào)，2012，67（10）：1339～1352.

［10］上海市城市規(guī)劃設(shè)計(jì)研究院.上海市軌道交通線網(wǎng)規(guī)劃（2015-2040年）［G］.上海：上海市城市規(guī)劃設(shè)計(jì)研究院，2015.

［11］曾群華，鄧江樓，張勇,等.都市圈、城市群與同城化的概念辨析［J］.中國名城，2012（5）：4～11.

［12］深圳市規(guī)劃國土發(fā)展研究中心.深圳市居民出行特征2014年度抽樣調(diào)查［G］.深圳：深圳市規(guī)劃國土發(fā)展研究中心，2015.

中國高鐵將重回“時(shí)速350 km”時(shí)代

7月27日上午，中國標(biāo)準(zhǔn)動(dòng)車組“復(fù)興號”駛出北京南站，在京滬高鐵開展時(shí)速350 km的體驗(yàn)運(yùn)營。同日，中國鐵路總公司（下稱中鐵總）發(fā)布消息稱，預(yù)計(jì)在今年9月京滬高鐵實(shí)施新的列車運(yùn)行圖后，將組織“復(fù)興號”按時(shí)速350 km正式上線運(yùn)營。權(quán)威消息稱，初期京滬高鐵“復(fù)興號”數(shù)量為7對。屆時(shí)，京滬高鐵全程運(yùn)行時(shí)間約為4.5 h。7月27日，“復(fù)興號”時(shí)速350 km體驗(yàn)運(yùn)營，共有300余人參加體驗(yàn)。此次列車是今天早上8:38從北京南出發(fā)，開往上海虹橋站。今天列車運(yùn)行的最高時(shí)速達(dá)到了352 km/h。京滬高鐵2008年開工，2011年6月30日開始通車，全長1 318 km，縱貫京、津、滬三大直轄市和冀、魯、皖、蘇四省，設(shè)計(jì)速度為380 km/h。但隨著2011年全國高鐵減速，京滬高鐵也將運(yùn)行時(shí)速降至300 km。中鐵總相關(guān)人士表示，目前還沒有其他高鐵的提速打算，京滬高鐵的提速也僅暫定在“復(fù)興號”動(dòng)車組上，并不包括“和諧號”動(dòng)車組?？梢源_定的是，高鐵全面提速不會(huì)一蹴而就，無論技術(shù)評估、運(yùn)營管理，還是社會(huì)、經(jīng)濟(jì)效益的衡量，都需要充分考察與論證。而隨著“復(fù)興號”下線數(shù)量和出行需求增加，提速的列車數(shù)量也會(huì)逐步增加。

（摘自2017年7月28日《21世紀(jì)經(jīng)濟(jì)報(bào)道》，記者彭蘇平報(bào)道）

Study on Urban Commuting Circle Based on Rail Card Data

MA Liang

Urban commuting circle is an important basis to judge urban space structure from the perspective of traffic. Firstly，the concept of urban commuting circle is introduced，absolute and relative indicators are presented to evaluate the size of commuting circle；secondly，Shenzhen rail card data is used to explain the research method of railcommuting circle，5 preparations are needed:data format conversion，data cleaning，data matching，space mapping and data extraction.On this basis，a network infrastructure is built based on the spatial layout of rail transit systems，the grid commuting index is analyzed through an analysis of the target station，thus the absolute and relative commuting circle ranges of the target station are obtained by using interpolation and contour lines in Arcgis. Finally，Shenzhen High-tech Industrial Park is taken as an example to verify this method，the result shows that in 2012～2015，the job-housing imbalance is intensified and centripetal traffic is further deteriorated，the job-housing balance proportion falls from 40%to 30%in the original second range，and the employed population living outside the original second range produces at least 14 thousand passenger flow per hour in the centripetal direction.

transportation planning；rail transit；rail card data；commuting circle；evaluation index

U293.13

10.16037/j.1007-869x.2017.08.017

2016-12-06）