2021地理设计组二等奖：基于长春市地铁站15分钟可达范围的生活便利度研究

作品简介

一、作品定位

城市快速轨道交通，特别是地铁交通，对于改善城市交通运输，方便居民生活，减轻空气污染，改善城市布局等方面起到巨大作用。由于城市地铁交通枢纽工程建设周期长，造价高，建成后很难再进行较大规模的改进。因此，必须在设计阶段需要对枢纽的服务水平进行评估和预测，以求能够满足远期规划的要求。

进行地铁站可达性的研究，是为了用步行和使用交通工具可达性指标来量化铁路枢纽的客流吸引区域和服务范围，为地铁的线网规划提供参考标准，为规划、设计人员提供一种定量的手段和依据。鉴于此，本小组成员利用GIS的技术，为地铁站可达性分析，结果和可视化的评价结果，可供地铁的规划者和决策者分析。

在保证公共服务设施的可达性的前提下。公共服务设施是影响生活便利度一个主要因素。基于此我们小组搭建了生活便利度指标体系，对15分钟地铁站周围的教育、医疗、交通、购物等公共设施进行多维度测度，从设施总量、设施自相关分析开展地铁站15分钟内可达范围的生活便利度评价。在探究基础上对地铁站和公共服务设施的建设起指示性作用。

二、设计思想

我们小组以长春地铁建设为契机， 基于长春市2020年POI数据、建筑、道路网、湖泊河流数据、百度API数据等数据建立生活便利度评价体系，利用GeoSence Pro等软件对获取的数据系统分析长春市地铁站15分钟可达范围内居民生活便利度。本研究可发现长春市地铁周围公共服务设施的分布情况，在此基础上探究长春市地铁站点对公共服务设施可达性的影响以及轨道交通站点可达范围内的生活便利度，探索设施资源高地和洼地集聚区，为城市服务设施建设提供分类引导，为分期建设提供决策依据。我们小组的项目能够对长春市的全部轨道交通站点有一个客观准确的评判，从而对其选址依据和存在价值进行深入研究。通过本次调查研究，我们希望可以尝试分析长春市地铁承载的核心作用，为长春交通线路的进一步规划提供参考依据。

图1 作品技术路线

三、作品亮点和创新性

利用空间大数据，采用可达性分析、核密度分析和空间自相关相结合的方法进行研究，与此同时生活便利度的研究是近年来城市的热点研究问题之一，对生活便利度进行的研究较少，本作品搭建了生活便利度的指标，通过定性分析和定量研究相结合的方法，探讨了长春市地铁周围基本公共服务的空间分布格局，研究了长春市各类基本公共服务的空间的集聚特征以揭示地铁站可达范围内的生活便利度。

四、结果分析和成果展示

1、可达性分析

可达性是评价生活圈便利度的首要要素，指居民从居住点到达设施的方便程度，一般以时间成本为指标，花费时间越多，可达性越差。导入地铁站数据预处理并构建渔网提取坐标。先利用Python代码拆分提取的坐标，再用Python爬虫爬取百度API的路线规划数据，前后分三天爬取数据完成，空间连接得到的地铁站点数据并制图。

图2 爬虫技术路线

根据抓取结果，筛选出步行时间小于900秒（十五分钟）的区域，在地铁站点周边生成范围为1000米（理论步行十五分钟所能达到的距离）的缓冲区。为保证计算精度，去除包含河流、湖泊的区域，并计算去除上述要素后的要素面积，计算覆盖占比。计算得到结果显示覆盖率为64%。

图3 长春市地铁站点可达性示意图

2、生活便利度分析

选取长春市餐饮设施、公共设施、购物服务设施、交通设施、商务住宅设施、生活服务设施、体育休闲设施、医疗卫生设施、政府机构设施、住宿服务设施作为生活便利度的研究指标。

（1）设施总量评价

核密度分析是探索生活便利设施聚集区域的重要方法,可以对空间点要素或线要素的分布密度进行连续模拟,有效地挖掘各类要素的聚集区域。不同种类设施总量差异显著，相互之间可比性不强。为了使不同种类设施之间具有可比性，采用min-max标准化模型对原始数据进行标准化处理，去除数据单位限制，将其转化为无量纲纯数值，使结果在[0,1]区间，然后进行设施总量的对比分析。将POI数据分门别类导入GeoScence Pro，按位置选择提取得到长春市区POI数据，最后得到各行业和密度图如下：

图4 长春市区各行业和密度图

用设施总量评价方法对长春市市区设施聚集程度进行评价。结果显示，各类设施便利度集聚特征显著，空间上多分布在发展时间较早、发展较成熟的区域。1）生活服务设施数量最多、分布最为广泛，几乎覆盖整个长春市区；2）餐饮、购物、体育休闲、商务住宅和住宿服务设施分布相似，在长春市中心地域的南关区、朝阳区和宽城区分布较集中，并沿地铁线路向西南方的新区、东南部的净月潭公园及东部的东方广场零星分布；3）政府机构、公共设施、医疗卫生设施、交通设施分布相似，在市中心区域呈团状辐射。总之，长春市各类设施分布与地铁线路息息相关，沿地铁线路呈线状或块状分布。

（2）设施空间相关评价

空间相关分析是一种统计检验方法，在给定的显著性水平下，可以用于分析评价指标的空间集聚特征。长春市周边服务设施综合指数的基础上进行空间相关分析。

图5 长春市地铁站点周边服务设施综合指数

a.莫兰指数

我们对预处理之后的数据进行莫兰指数全局自相关分析，得到莫兰指数为0.953591，P值小于0.05因此我们得到了显著的集聚结果，即长春市综合的设施有明显的集聚现象。

图6 莫兰指数结果图

b.高低聚类分析

通过高低聚类分析进一步确定聚类结果是哪一种聚类类型。可以从结果图中观察到这里是高集聚是非常显著的，高综合设施指标呈集聚。

图7 高低聚类分析结果图

c. 局部莫兰指数分析和优化的热点分析

进一步对东岸城区设施达标情况进行安瑟伦局部莫兰指数分析（聚类和异常值分析），和优化的热点分析将空间相关性分为3个模式，分别是高高集聚区、低低集聚区、低高集聚区。

图8 聚类和异常值分析分析结果图

图9 优化的热点分析结果图

高高集聚区，表示此生活圈和相邻生活圈达标情况均较好，属于设施高地。主要位于市中心。此类区域生活圈配套设施建设完善，可结合单项设施达标情况以及居民实际需要和资源富余情况，有重点地增添设施，打造特色区域。 

低低集聚区，此生活圈和相邻生活圈达标情况均较差，属于设施洼地。主要位于城区边缘地带，空间分散。此类区域生活圈配套设施极度缺乏，且周边区域无互补互用设施，应在近期优先考虑建设。

低高集聚区，表示本生活圈达标情况差但相邻生活圈达标情况好。主要位于高高集聚区周边。对于此类区域，短期可引导其共用邻近设施，远期根据实际情况增添设施。

五、展望

我们小组采用的方法前期工作量相对较少，适用范围广。此方法不但适用于地铁站点布局的评价，还可以对自行车停靠点、P+R设施、交通枢纽等交通设施，甚至像快递服务点、公共厕所等生活服务设施，都可以用该方法进行可达性分析和布局优化。

值得注意的是，POI数据以“点”的形式表达，无法反映设施的规模、建设年代、使用状况等信息，未来若对城市空间进行更深入的研究和探讨，应进一步整合城市土地使用、人口、交通、环境等方面的数据进行综合分析。