邓红星，胡 翼，何 炜

(1.东北林业大学 交通学院，哈尔滨 150006;2.北京邮电大学 计算机学院，北京 100876)

0 引言

可达性研究最早源于古典区位论，Hansen［1］于1995 年首次提出了交通可达性的概念，将可达性定义为各节点间相互作用的机会大小。此后对可达性的研究逐渐展开，但由于研究者对可达性概念的不同理解，导致了可达性评价方法和指标的差异性［2-3］。目前常用的可达性测算模型有空间阻隔模型、累计机会模型、潜力模型、效用模型和时空约束模型等［4-7］。

随着城市的快速发展，交通拥堵等问题日益严重，公共交通被认为是缓解拥堵问题的必然选择，公共交通可达性也被众多学者关注［8-10］。Liu等［11］以总行程时间为可达性指标，通过问卷调查获取步行和等待时间，通过公交时刻表获取运输时间，分析上海运输中心多运输模式系统空间可达性;冷顺多［12］通过最优路径算法构建线网层和连接层网络，考虑时间和换乘因素建立综合公共交通可达性评价模型。但由于实际出行成本等指标与道路网络、实时道路交通情况有关，且随着交通状况在时空上的波动产生明显变化，故大部分研究在进行可达性指标测算时无法对实时交通态势进行分析，获得的出行时间等数据与实际情况相比会有一定的误差［13］。考虑到部分学者近年来通过网络地图API 接口获取实时出行数据［14-15］，因此本文中结合高德地图API 开放平台，获取精确的实际出行时间、实际步行到站时间、换乘次数和出行方案数等数据指标，从而更精确地对城市区域公共交通可达性进行评估。

当仅考虑公共交通网络的可达性而忽略居民出行需求与公交网络供给的匹配关系时，会导致可达性评价结果缺乏实际利用价值和意义。随着交通大数据研究的发展，全威等［9］提出一种基于出租车轨迹数据挖掘的城市区域公交可达性评估优化方法，江世雄［16］基于公交刷卡数据和出租车GPS 数据提取客流OD 对城市区域进行可达性评价。因此，本文中通过手机信令数据提取不同时段的居民出行需求建立可达性模型。

从上述研究分析可以发现，大部分研究者在进行公共交通网络可达性评估时并未考虑时间或空间阈值，或仅加入主观设置的时间等阈值，很少从个人出行意愿的角度出发。但在实际出行时，居民是否愿意采用公共交通出行不仅和出行时间有关，他们还会考虑换乘次数和步行到站点的距离等因素，若超过各影响因素的最大阈值，则不会选择公共交通出行。超过各因素最大阈值的区域被判定为公共交通不可达区域。因此，本文中通过问卷调查采集个人出行意愿的相关阈值，对高德API 接口获取的实时公共交通出行方案进行筛选，以获取满足出行阈值的出行方案指标，并考虑可达区域数目指标建立可达性模型。

综上，考虑个人出行意愿阈值、不同时段的居民出行需求以及基于高德地图API 开放平台获取的不同时段的总出行时间、步行到站时间、换乘次数、方案数等指标建立城市区域公共交通可达性模型，对哈尔滨市南岗区各交通小区时空可达性进行评估，为城市公共交通网络规划、公交优化和解决城市交通问题提供参考。

1 可达性模型基本思路

综合常见的可达性模型和现有文献的优缺点、适用性，以重力模型和时空约束模型为基础，考虑多项相关可达性评价指标，结合个人出行意愿阈值和居民出行需求，建立城市区域公共交通可达性评价模型，基本思路如图1 所示。

图1 区域公共交通可达性模型基本思路框图

2 可达性模型建立

区域公共交通可达性模型主要包含居民出行需求和出行时的出行成本指标。选取相应的可达性测算指标来表征出行者采用公共交通出行的便捷程度，选取的可达性测算指标有总出行时间、步行到站时间、换乘次数和出行方案数等指标。

2.1 可达性测算指标

1)总出行时间

总出行时间指标用各小区间满足阈值要求时通过公共交通出行所耗费的总时间来表示，总出行时间越高，则可达性越差。计算式如下:

式中:Ti为小区i 总出行时间指标;tij为小区i 至小区j 公共交通出行总时间;w(tij)为距离衰减函数，即高斯函数，其中t0为tij的阈值;表示归一后的值;f(τ)为时空约束函数，τ*为相关出行阈值，包括总出行时间、步行到站时间和换乘次数阈值。

2)步行到站时间

步行到站时间指标用各小区间满足阈值要求时步行到公交地铁站点所花费的时间来表示，步行到站时间越高，则可达性越差。计算式如下:

式中:Tibu为小区i 步行到站时间指标;tijbu为小区i至小区j 公共交通出行时步行至车站的时间;表示归一后的值。

3)换乘次数

换乘次数指标用各小区间满足阈值要求时出行方案的换乘次数来表示，换乘次数越多，则可达性越差。计算式如下:

式中:Ci为小区i 换乘次数指标;cij为i 至j 小区的换乘次数。

4)出行方案数

出行方案数指标用各小区间满足阈值要求时可行的出行方案数来表示，出行方案数越小，则可达性越差。计算式如下:

式中:Ni为小区i 出行方案数指标;nij为小区i 至小区j 出行方案数;表示归一后的值。

2.2 可达性模型构建

结合前述可达性测算指标、居民出行需求和阈值条件下可达小区个数，综合建立城市区域公共交通可达性模型如下:

式中:Mi为小区i 的出行需求，M总为所有小区出行需求之和;Di为小区i 在相关出行阈值下通过公共交通可达的小区个数，D总为所有小区总个数;η1至η4为各指标的权重，为避免主观性对评价结果的干扰，本文采用熵权法确定各指标的权重值。

3 案例分析

由于高德API 接口每日申请配额限制，考虑到南岗区横跨哈尔滨二三四环，比较具有代表意义，因此本次研究区域主要为哈尔滨市南岗区。以500 m* 500 m 的栅格对南岗区进行小区划分，得到共470 个交通小区及各小区质心坐标，如图2所示。

图2 哈尔滨市南岗区栅格小区示意图

3.1 出行阈值

通过问卷采集个人愿意采用公共交通出行时的相关出行阈值，包括冬夏不同季节的最大出行总时间、最大换乘次数及步行至车站的最大步行时间等。通过设置相关问题筛选有效问卷，对有效问卷量表进行信效度分析，将所有有效问卷中第八十百分位数作为本文采用的出行阈值。

本次研究共发放200 份问卷，其中有效问卷168 份。因研究区域为哈尔滨市，因此发放问卷对象中70%来自东北地区，从而得到个人基本信息、通勤距离、采用公共交通出行意愿以及冬夏季节愿意采用公共交通出行的相关出行阈值。对调查问卷进行信效度分析，结果如表1、表2 所示，其中调查问卷信度为0.826，效度为0.713。结果表明调查问卷数据可靠有效。

表1 可靠性统计量

表2 KMO 和Bartlett 的检验

对出行总时间、换乘次数、步行到站时间、候车时间阈值采集数据进行统计分析，结果如图3所示。提取第八十百分位数得到设定的换乘次数阈值为3 次，出行总时长阈值为5 400 s，步行到站时长阈值为1 000 s。

图3 出行阈值箱形图

3.2 出行需求

居民出行需求主要通过手机信令数据获取。通过手机信令数据识别居民出行链并进行数据处理，从而得到早/晚高峰、工作日/非工作日、冬/夏季等不同时间各交通小区间的居民出行需求。

采用哈尔滨市域范围内联通手机用户产生的信令数据，数据采集时间为2019 年5 月。对工作日和节假日的早高峰(7∶00—9∶00)手机信令数据进行数据处理并扩样，从而得到哈尔滨市南岗区各交通小区间夏季工作日和节假日早高峰居民出行需求数据，并将其可视化(见图4、5)。

图4 各小区间出行需求(工作日早高峰)示意图

图5 各小区间出行需求(节假日早高峰)示意图

3.3 可达性测算指标提取及可达性计算

基于高德地图开放平台，利用python 编程进行数据的获取和处理，批量获取不同起讫点、不同时间下的所有公共交通出行方案，包括每个方案的总出行时间、详细步骤和每步的出行成本。通过最大出行总时间、最大换乘次数和步行至车站的最大步行时间等阈值对各方案进行筛选，删除不满足条件的方案。将无出行方案的小区标记为不可达小区，提取OD 小区间最优方案的出行总时间、换乘次数、步行时间、符合阈值要求的方案数和各小区的可达小区数，从而计算各交通小区公共交通区域可达性，具体步骤如下:

步骤1通过python 调用高德API 接口，批量获取哈尔滨市南岗区470 个交通小区间，共22 万对起讫点在早高峰采用公共交通出行的所有详细出行方案，如表3 所示;

表3 各交通小区间早高峰详细公共交通出行方案

步骤2结合调查问卷得到的公共交通出行阈值，利用python 编程对所有出行方案进行数据筛选和处理，删除不满足阈值条件的方案，并将所有方案均不满足阈值条件的OD 点对标记为不可达;

步骤3提取可达小区间最优方案的出行总时长、步行到站时长、换乘次数和可达方案数，提取各小区可达小区数;

步骤4通过Matlab 对出行总时长、步行到站时长、换乘次数及可达方案数4 个指标数据进行标准化处理，并计算各指标的熵值、信息熵差异度和对应的权重，从而实现对评价指标的客观赋权。4 个指标的权重计算结果为η1=0.239 6，η2=0.316，η3=0.190 8，η4=0.253 6。

步骤5结合公共交通出行测算指标数据、各小区早高峰出行需求和各测算指标权重值，代入可达性模型计算哈尔滨市南岗区区域公共交通可达性，如表4 所示。

表4 各交通小区可达性计算结果

3.4 结果分析

对表4 结果中各小区出行方案数、可达小区数、不考虑出行需求的可达性以及工作日和节假日公共交通可达性数据使用arcgis 进行可视化处理，具体结果如图6—10 所示。

仅从公共交通网络自身的可达性而言，图6、图7 反映了居民出于个人出行意愿，愿意采用公共交通出行所能到达的小区数量分布情况、可采用的出行方案数量分布情况。从图8 可以看出，南岗区中部地区的可达性明显高于两端小区的可达性。因为本文中仅考虑南岗行政区，因此就南岗区而言，中部小区更容易通过公共交通到达更多的小区。除此以外，哈尔滨地铁2 号线沿线小区可达性明显高于其他地区。

图6 各交通小区早高峰可达方案数示意图

图7 各交通小区早高峰可达小区数示意图

图8 各交通小区不考虑出行需求的公共交通可达性(早高峰)示意图

考虑居民出行需求的公共交通可达性如图9、10 所示。可以发现，早高峰公共交通可达性较高的小区集中在二三环内、哈西新区及其附近，且随着距市中心距离的增加逐渐减小;哈尔滨地铁2号线线路沿线区域可达性较高，地铁线路可显著地提高城市公共交通系统的可达性。工作日早高峰出行需求要高于节假日早高峰出行需求，但工作日和节假日的公共交通可达性分布趋势无明显差距。

图9 各交通小区公共交通可达性(工作日早高峰)示意图

图10 各交通小区公共交通可达性(节假日早高峰)示意图

4 结论

在相关可达性研究基础上，综合考虑了个人出行意愿阈值、出行需求和相关可达性测算指标建立了区域公共交通可达性模型，通过问卷调查数据、手机信令数据和高德API 接口获取不同时段的相关数据，进行各交通小区公共交通可达性计算。研究结果可以较全面、综合地反映城市区域公共交通系统的可达性水平，为城市交通基础设施建设规划等提供参考。