考虑建成环境特征的城市轨交公交换乘效率评价_施榆吉.pdf

第 20 卷 第 4 期2023 年 4 月铁道科学与工程学报Journal of Railway Science and EngineeringVolume 20 Number 4April 2023考虑建成环境特征的城市轨交公交换乘效率评价施榆吉，管雪玲，阎倬藩(江苏大学 汽车与交通工程学院，江苏 镇江 212013)摘要：精准地进行城市轨交公交换乘服务水平评价分析是探索和推进城市轨交公交两网融合、一体化发展的重要前提。基于从全样本刷卡数据筛选出的具有实际换乘需求的轨交站点，以周边的建成环境特征为聚类指标采用k-means方法划分轨交站点类别。基于此，综合考虑实际换乘需求和目的地站点吸引力时变性，构建动态换乘服务缺口指标，解析不同类别轨交站点换乘效率时空分布差异性。以上海市中心城区为例，进行模型的有效性验证。研究结果表明：上海市中心城区范围内轨交公交换乘效率具有时变性特征：表现为平峰时段的平均换乘效率低于高峰时段，换乘沙漠的小时尺度空间移动趋势为由市区中部逐渐向外延伸，并向北部集中。轨交站点周边建成环境对轨交公交换乘效率时变性特征存在影响：商务办公型与娱乐休闲型站点在高峰时段的平均换乘效率高于平峰时段，居住型与职住结合型站点在下午平峰与晚高峰时段的平均换乘效率优于早高峰与夜间平峰时段。针对换乘沙漠站点，商务办公型换乘沙漠站点的平均换乘效率最优，其次为娱乐休闲型与职住结合型换乘沙漠站点，居住型换乘沙漠站点的平均换乘效率最差。研究结果为城市轨交公交换乘服务能力评价提供了新的思路和方法，可有效指导轨交公交衔接不畅、换乘不便管理问题的解决，对构建绿色、和谐、可持续的城市交通系统具有现实指导意义。关键词：城市轨交公交；换乘效率；建成环境特征；动态换乘服务缺口中图分类号：U293.5 文献标志码：A 开放科学(资源服务)标识码(OSID)文章编号：1672-7029（2023）04-1242-08Analysis of transfer performance between metro and bus considering the characteristics of built environmentSHI Yuji,GUAN Xueling,YAN Zhuofan(School of Automotive and Traffic Engineering,Jiangsu University,Zhenjiang 212013,China)Abstract:Accurate evaluation of transfer service level between metro and bus is an important prerequisite for exploring and promoting the integrated development of urban rail transit and public transport.The k-means clustering algorithm was used to classify metro stations with actual transfer needs screened from smart card data.Built upon aforementioned effort,a dynamic transfer service gap index was developed to analyze the spatio-temporal distribution of transfer efficiency for different metro station categories by considering temporal 收稿日期：2022-05-02基金项目：国家自然科学基金资助项目(71871107)；江苏省“双创计划”人才项目(1711120014)；江苏大学高级人才科研启动基金资助项目(5501120011)通信作者：施榆吉(1990)，女，浙江衢州人，副教授，博士，从事交通运输规划与管理研究；Email：DOI:10.19713/ki.43-1423/u.T20220868第 4 期施榆吉，等：考虑建成环境特征的城市轨交公交换乘效率评价characteristics of the actual transfer demand and the attraction of destination bus stop.The center area of Shanghai was selected as a case study,and the validity of the model was verified.The results indicate that:1)Transfer efficiency between metro and bus in the center area of Shanghai shows temporal characteristics.Average transfer efficiency during off-peak hours is lower than that during peak hours,and transfer desert in a day gradually extends outward and concentrates to the north from the center area.2)The surrounding built environment has an impact on the temporal characteristics of transfer efficiency.The average transfer efficiency of business-office and entertainment-leisure metro stations in peak hours is higher than that in off-peak hours,and the average transfer efficiency of residential and work-home stations in afternoon off-peak hours and evening peak hours is better than that in morning peak hours and night off-peak hours.For transfer desert stations,the average transfer efficiency of business-office transfer desert station is the best,followed by entertainment-leisure combined with work-home transfer desert station,and the average transfer efficiency of residential transfer desert station is the worst.This paper provides a new idea and method for the evaluation of transfer service capacity between metro and bus,which can effectively guide the solution of the problems for poor transfer connection and inconvenient transfer management.This paper has practical guiding significance for building a green,harmonious and sustainable urban transportation system.Key words:urban public transportation system;metro-bus transfer performance;built environment;dynamic transfer service gap 在我国城市轨道交通(以下简称轨交)新增线路拉动客流增长边际效应递减的背景下，仅依赖轨交提高城市公共交通总体吸引力和竞争力的发展模式难以为继，发展和完善多元化、多层次的综合公共交通网络体系刻不容缓1。传统地面公交(以下简称公交)因其线网调整与运营管理较为灵活，为轨交欠发达区域的客流输送以及高峰拥堵区域的分流提供了可能性，成为轨交重要的接驳方式之一。由上海市第五次综合交通调查结果可知，在轨交的所有接驳方式中，公交占比排名第2，仅次于步行，另外，公交占据除步行之外所有接驳方式的80%2。要实现“地上”和“地下”的两网融合，首要任务便是如何对“两网融合”的现状服务水平进行精准化评价分析。目前主流的衡量轨交公交两网衔接的度量方法为换乘阻抗，具有可解释性强、数据需求量小、模型简单等方面的优势，但其仅关注城市交通系统供给侧的特征属性表达，忽略了对出行者出行活动(即需求侧的特征属性)的探究，因此所得到的度量结果往往夸大了实际换乘服务水平。为克服这一局限性，沿用公交沙漠理念3的思想，本文拟在城市轨交公交换乘服务能力评价中引入换乘服务缺口4指标，识别换乘沙漠。JIAO等5提出公交沙漠理念，基于公交供给水平与公交需求水平的差异构建服务缺口指标，并将公交服务供给水平远不能满足潜在公交需求的地区定义为公交沙漠。JOMEHPOUR等6基于公交网络连通性、公交服务频率以及公交服务灵活性等5种因素建立了综合公交可达性指标以评估公交供给水平，并联合潜在公交需求建立了公交服务缺口指标。LI等7在分析公交沙漠的空间分布过程中引入了开源公交调度数据(General Transit Feed Specification，GTFS)。LEE等8基于手机信令人口数据与13个公共交通供给指标，从时间和空间2个维度分析了韩国首尔公交沙漠及公交绿洲的变化趋势。JIAO等9利用开源数据，对比分析了北京、上海、武汉、成都4个城市的公交沙漠空间分布，结果表明4个城市的公交沙漠均位于市中心，上海公交沙漠区域的公交需求最大。MARIANNE等10以南非开普敦市的常规公共交通系统为案例，探究了公交沙漠理念在南半球城市的可移植性。针对低收入通勤者这一特殊群体，CAI等11分析了通勤过程中公交服务缺口的空间分布，探究了低收入通勤者所在地区存在公交沙漠的原因。在识别公交沙漠的基础上，也有学者探究了其他交通方式是否能弥补公交沙漠地区的供给不足。JIAO等12以纽约市为例，探究了共享交通对消除公交沙1243铁 道 科 学 与 工 程 学 报2023 年 4月漠地区的作用，发现共享交通为特殊群体提供了新的出行选择，但如果缺乏有效的政策规划指导，共享交通会加剧已有的交通不平等现象。但是现有研究仍有以下不足之处：1)大多数研究基于静态人口数据估算需求，忽略了对实际出行行为个体差异性与时变性特征的考虑；2)大多数研究未考虑服务缺口的时变性特征，仅关注全天平均值或某一时段(如早高峰)；3)鲜有研究在服务缺口度量过程中考虑分析单位周边建成环境这一影响因素，然而实证研究已经表明建成环境是影响出行行为的重要因素之一1314。综上所述，本文基于全样本刷卡数据筛选出的具有实际换乘需求的轨交站点，以周边建成环境特征为聚类指标采用k-means方法划分轨交站点类别。基于此，综合考虑实际换乘需求和目的地站点吸引力时变性，构建动态换乘服务缺口指标，解析不同类别轨交站点换乘效率时空分布差异性，识别换乘沙漠。以上海市中心城区为例，进行模型的有效性验证。研究结果可有效指导轨交公交衔接不畅、换乘不便管理问题的解决，对构建绿色、和谐、可持续的城市交通系统具有现实指导意义。1 模型构建1.1轨交站点分类模型轨交站点周边的土地利用特征决定该站点的服务功能，而兴趣点(Point of Interest，POI)可有效反映城市土地利用特征15。鉴于此，应用高德地图开放数据平台获取轨交站点周边500 m范围内的所有POI点，并划分为商业服务、居民住宅、公共服务三大类16，共包含餐饮、住宅、教育、公共景点等20类服务设施，如表1所示。基于轨交站点周边 POI 点类别及分布特征，采用 k-means 聚类方法，划分轨交站点类别。1.2轨交公交换乘效率评价模型以轨交、公交刷卡数据为基础，通过持卡人唯一卡号、交易日期、交易时间等关键字段对刷卡数据所囊括的所有交易记录进行时间维度上的排序，提取同一交易日期内同一乘客相邻两次出行方式不一致的交易记录，包括先轨交后公交和先公交后轨交这2种组合方式。由于大多数城市的公交刷卡数据不包含乘客下车时空信息，因此本文聚焦于轨交换乘公交。针对先轨交后公交的连续交易记录组合，从刷卡数据中提取乘客轨交出站刷卡时间和公交上车刷卡时间，计算两者之间的时间间隔，设置30分钟为最大换乘时间阈值17，识别轨交换乘公交客流。为计算t时刻轨交站点i的换乘供给TS(t)i，首先需要筛选出t时刻所有以轨交站点i为出发点且存在换乘需求的公交站点j。基于经典重力模型法，综合公交供给Tj(t)以及换乘阻抗W(dij)计算 t时刻轨交站点i的换乘供给水平TS(t)i：TS(t)i=jTj()t*W()dij(1)Tj(t)=Fj()t*CLj()t(2)式中：Fj(t)为t时刻公交站点j的公交车辆到站频率，C为公交车辆的额定载客量(根据上海市公交公司运营车辆额定载客量的均值，文中的C值设定为38)，Lj(t)为t时刻经过公交站点j的公交线路数量，dij为ij之间的平均换乘时间，W(dij)为阻抗衰变函数，通过对刷卡数据的拟合选取以下衰变函数：W(dij)=e-0.1dij(3)基于刷卡数据中的真实换乘客流量，计算实时换乘需求：表1POI类别及服务设施Table 1POI categoriesPOI类别商业服务居民住宅公共服务服务设施餐饮、购物、住宿、娱乐场所、休闲场所、影剧院、知名企业、公司、产业园区、写字楼、工业大厦建筑物、汽车服务、汽车维修、高尔夫球场住宅教育、医疗卫生、公共景点、体育场馆、公用设施1244第 4 期施榆吉，等：考虑建成环境特征的城市轨交公交换乘效率评价TD(t)i=jSF(t)j(4)式中：TD(t)i为t时刻轨交站点i的换乘需求，SF(t)j为t时刻公交站点j的实际换乘客流量，其余变量含义与式(1)相同。最后，利用式(5)分别对换乘供给TS(t)i以及换乘需求TD(t)i进行标准化处理，得到TSL(t)i和TDL(t)i，并按照式(6)计算换乘服务缺口：XN=X-(5)TSG(t)i=TSL(t)i-TDL(t)i(6)式中：X为某特征(换乘供给或换乘需求)的原始值，为该特征的样本均值，为该特征的样本标准差，XN为该特征的标准化值，TSG(t)i为t时刻轨交站点i的换乘服务缺口，TSL(t)i为TS(t)i的标准化值，TDL(t)i为TD(t)i的标准化值。2 案例分析基于上述模型，以上海市中心城区的公共交通系统为例，研究数据主要包括：1)公共交通系统。采用2018年地铁网络及公交网络数据，共计13条地铁线路，253座地铁车站，以及507条公交线路，3 915座公交车站。2)乘客刷卡数据：采用2018年9月23日至2018年9月28日期间约50万条轨交公交刷卡交易记录，涉及 49 671 位乘客。3)上海市中心城区轨交车站周边POI数据。基于高德 地 图 API，获 取 上 述 253 座 地 铁 车 站 周 边500 m18-19范围内的 POI数据。利用轨交公交刷卡数据提取253个轨交站点在运营期间(5:0023:00)各时段的换乘供给与换乘需求数据，计算换乘服务缺口，解析不同类别轨交站点换乘效率时空分布差异性。2.1轨交站点分类结果依 据 轨 交 站 点 周 边 土 地 利 用 特 征，采 用k-means聚类算法划分轨交站点类别。在划分地铁站点类别过程中，k值(类别数量)的选取直接决定聚类效果20。参考过往研究14，根据轮廓系数选取k值。经计算，将k值设定为4时，轨交站点分类效果最佳。依据各类站点土地利用特征，对4类站点命名，如表2所示。各类轨交站点的空间分布如图1所示。结合图1与表2分析，居住型站点占比最大，为其他类站点比例的3倍，主要分布于内外环之间；而其余 3类站点占比相仿，大多位于内环，说明上海市中心城区具有较为明显的职住分离现象。2.2换乘供给与换乘需求的时空分布特征如图2所示，研究区域内轨交站点在运营期间的平均换乘供给以及平均换乘需求具有相似的波图2轨交站点在运营期间的换乘供给与换乘需求变化Fig.2Supply and demand dynamics of metro stations表2轨交站点类别编号及名称Table 2Metro station categories类别第1类第2类第3类第4类名称基本服务设施丰富的居住型站点开发程度极高的商务办公型站点商业化程度较高的娱乐休闲型站点配有一定基本服务设施的职住结合型站点比例/%54.613.016.216.2图1各类轨交站点的空间分布Fig.1Spatial distribution of different metro station categories1245铁 道 科 学 与 工 程 学 报2023 年 4月动变化趋势：波峰出现于8:009:00以及18:0019:00时段，波谷出现于14:0015:00以及22:0023:00时段。说明换乘供给与换乘需求存在明显的高峰平峰差异。为准确评估轨交公交换乘效率的时变特征，本文选取早高峰(8:009:00)、下午平峰(14:0015:00)、晚高峰(18:0019:00)及夜间平峰(22:0023:00)4个时段展开后续分析。如图3所示，4类轨交站点表现出不同的换乘供给与换乘需求时变性特征。居住型站点平均换乘供给时变性趋势为晚高峰优于早高峰，两平峰差异不大。而其他3类站点的平均换乘供给时变性特征相似，均表现为早高峰优于晚高峰，下午平峰优于夜间平峰。其中商务办公型站点的早晚高峰换乘供给差异最大，早高峰为晚高峰的2.5倍；娱乐休闲型站点的平峰换乘供给差异最大，下午平峰为夜间平峰的2倍。商务办公型站点与职住结合型站点的平均换乘需求具有相似的时变性特征，均表现为早高峰大于晚高峰，而居住型站点与娱乐休闲型站点的平均换乘需求变化较为相似，表现为晚高峰大于早高峰。2.3换乘效率的时空动态性基于轨交公交换乘效率评价模型，针对某时段具有实际换乘需求的所有轨交站点，首先以其换乘服务缺口计算值正负为分类标准，将站点划分为供需匹配(即换乘服务缺口计算值大于0)以及供需不匹配(即换乘服务缺口计算值小于0)两大类。然后，分别以隶属于供需匹配以及供需不匹配大类的轨交站点换乘服务缺口平均值为分类标准，将轨交站点进一步细分为4类：换乘绿洲(即换乘服务缺口计算值大于供需匹配类换乘服务缺口平均值)、供需匹配良好(即换乘服务缺口计算值介于0与供需匹配类换乘服务缺口平均值之间)、轻度供需不匹配(即换乘服务缺口计算值介于0与供需不匹配类换乘服务缺口平均值之间)、换乘沙漠(即换乘服务缺口计算值小于供需不匹配类换乘服务缺口平均值)。2.3.1换乘服务缺口的时空动态性4个时段的平均换乘服务缺口如表3所示。从各时段的平均换乘服务缺口计算值来看，平峰时段的换乘效率低于高峰时段，下午平峰时段的换乘效率最低。这是由于高峰时段的换乘供给增加弥补了换乘需求增大，因此高峰时段的平均换乘效率较高。平峰时段换乘需求下降的同时公交服务频率也在减小，因此平均换乘效率较低。针对换乘沙漠站点，从平均换乘服务缺口水平来看，晚高峰时段换乘沙漠站点的平均换乘效率最低，夜间平峰时段最高；从站点比例来看，平峰时段高于高峰时段，其中下午平峰时段最高，晚高峰时段最低。综合来看，与其他时段相比，晚高峰期间换乘沙漠站点占比最小但平均换乘效率最低，下午平峰期间换乘沙漠站点的平均换乘效率较低但占比最大。这是由于晚高峰期间个别换乘沙漠站点的换乘供给远不能满足大量换乘需求，因此(a)各类轨交站点换乘供给差异；(b)各类轨交站点换乘需求差异图3各类轨交站点的换乘供给与换乘需求差异Fig.3Supply and demand characteristics of different metro station categories1246第 4 期施榆吉，等：考虑建成环境特征的城市轨交公交换乘效率评价拉低了该时段换乘沙漠站点的平均换乘效率。下午平峰时段多数公交站点的发车频率因为需求下降被削减，进而导致该时段换乘沙漠站点的平均换乘效率降低。如图4所示，上海市中心城区范围内的轨交站点换乘服务水平具有时变性特征。早高峰时段，换乘沙漠主要位于内环，绿洲主要位于内环外东南部。下午平峰时段，换乘沙漠主要位于中环线附近，绿洲主要位于内环西部。晚高峰时段，换乘沙漠主要位于中环与外环之间，绿洲主要位于内环。夜间平峰时段，换乘沙漠主要位于内环外北部，绿洲零星分布于内环与中环之间。换乘沙漠的小时尺度空间移动趋势为由中心城区逐渐向外延伸、向北部集中。2.3.2不同类别站点换乘服务缺口的时空动态性如图5所示，根据各类站点换乘服务缺口数据分布的时变性特征，将4类站点分为2类：居住型与职住结合型站点为一类，商务办公型与娱乐休闲型站点为一类。居住型与职住结合型站点的换乘服务缺口时变性特征为下午平峰与晚高峰时段的平均换乘效率优于早高峰与夜间平峰时段。商务办公型与娱乐休闲型站点在高峰时段的平均换乘效率高于平峰时段。如表4所示，商务办公型换乘沙漠站点的平均换乘效率最优，其次为娱乐休闲型与职住结合型换乘沙漠站点，居住型换乘沙漠站点的平均换乘表3各时段的平均换乘服务缺口差异Table 3Average transfer service gap for each time period时段早高峰下午平峰晚高峰夜间平峰平均换乘服务缺口(1011)1.760.580.8970.000 001 57换乘沙漠站点平均换乘服务缺口1.221.271.321.00换乘绿洲站点平均换乘服务缺口1.271.551.141.57换乘沙漠站点比例/%14.0917.7612.5517.02换乘绿洲站点比例/%14.0914.5012.6110.87(a)早高峰；(b)下午平峰；(c)晚高峰；(d)夜间平峰图4换乘服务缺口的时空动态性Fig.4Spatio-temporal dynamics of transfer service gap1247铁 道 科 学 与 工 程 学 报2023 年 4月效率最差。不同类别换乘沙漠站点的平均换乘服务缺口呈现出不同的时变性特征。商务办公型换乘沙漠站点在早高峰时段的平均换乘效率最低，代表站点为豫园站、天潼路站、徐家汇站以及宜山路站。这类站点周边分布有大量写字楼且商业开发程度较高，早高峰时段大量中环与外环居民在此换乘公交前往周边商圈或学校通勤上班或上学。职住结合型换乘沙漠站点在下午平峰时段的平均换乘效率低于其他时段，主要分布于漕河泾开发区，代表站点为漕宝路站与漕河泾开发区站。该类站点周边分布有密集的写字楼以及住宅区，部分乘客从内环与北中环来此换乘公交前往上海南站以及上海长途客运南站远途出行或前往虹桥与金虹桥等商圈的体育休闲场所开展活动。娱乐休闲型换乘沙漠站点在下午平峰时段的平均换乘效率低于其他时段，主要分布于：1)以新村路站与延长路站为代表的西北中环站点。这类站点周边住宅区与学校偏多。下午平峰时段部分来自内环的市民在此换乘公交前往彭浦镇等住宅区。2)以新闸路、曲阜路为代表的内环站点，周边商业开发程度较高，距离苏州河与黄浦江较近，对于以游玩为目的乘客吸引力较大。下午平峰时段有很多乘客来此换乘公交前往北京东路、北外滩等商业圈。居住型换乘沙漠站点在高峰时段的平均换乘效率更低。其中早高峰时段主要包括：1)以李子园站、岚皋路站为代表的西北中环站点。该类站点周边分布有较为密集的住宅区，商业开发程度不高。在此换乘的乘客大多前往北部中环线两侧的学校与工业园区以及写字楼等场所通勤上班或上学。2)以龙漕路站、上海游泳馆站为代表的西南内环站点。周边分布有较为密集的住宅区、写字楼以及学校。在此换乘公交的乘客大多前往徐汇区通勤上班或上学。而晚高峰时段这类换乘沙漠站点则主要分布于：1)以彭浦新村站、场中路站为代表的西北外环站点。周边分布有大量的住宅区与学校。这类站点在晚高峰时段对于其他区域通勤回家的市民与前往站点周边学校通勤上学的学生吸引力较大。2)以龙漕路站、锦江乐园站为代表的西南中环站点。周边写字楼相对较多，教育资源丰富。这类站点主要吸引徐汇区与内环其他区域工业园区等场所的工作人员前往闵行区与徐汇区的居住地或前往周边学校通勤上学。3 结论1)上海市中心城区范围内的轨交公交换乘效率具有时变性特征，表现为平峰时段的平均换乘效率低于高峰时段，下午平峰时段的换乘效率最低。针对换乘沙漠站点，从平均换乘服务缺口水平来看，晚高峰时段换乘沙漠站点的平均换乘效率最低，夜间平峰时段最高；从站点比例来看，平峰时段高于高峰时段，其中下午平峰时段比例最高，晚高峰时段最低。换乘沙漠的小时尺度空间移动趋势为由市区中部逐渐向外延伸，并向北部集中。2)研究结果表明轨交站点周边建成环境对轨交公交换乘效率的时变性特征存在影响。商务办公型与娱乐休闲型站点在高峰时段的平均换乘效率高于平峰时段，居住型与职住结合型站点在下图5各类轨交站点换乘服务缺口数值分布Fig.5Data distribution of transfer service gap for different metro station categories表4不同时段换乘沙漠站点的平均换乘服务缺口Table 4Average transfer service gap of transfer desert station时段早高峰下午平峰晚高峰夜间平峰居住型1.401.241.521.03商务办公型1.121.080.780.68娱乐休闲型1.141.311.240.96职住结合型1.071.560.581.241248第 4 期施榆吉，等：考虑建成环境特征的城市轨交公交换乘效率评价午平峰与晚高峰时段的平均换乘效率优于早高峰与夜间平峰时段。针对换乘沙漠站点，商务办公型换乘沙漠站点的平均换乘效率最优，其次为娱乐休闲型与职住结合型换乘沙漠站点，居住型换乘沙漠站点的平均换乘效率最差。参考文献：1中国城市轨道交通协会.城市轨道交通2020年度统计和分析报告R.北京,2020.China Association of Metros.Statistics and analysis report of urban rail transit in 2020R.Beijing,2020.2上海市城乡建设和交通发展研究院.上海市第五次综合交通调查主要成果J.交通与运输,2015,31(6):1518.Shanghai Urban and Rural Construction and Transportation Development Research Institute.Results of the fifth comprehensive traffic survey in ShanghaiJ.Traffic&Transportation,2015,31(6):1518.3JIAO Junfeng.Identifying transit deserts in major Texas Cities where the supplies missed the demandsJ.Journal of Transport and Land Use,2017,10(1):529540.4CAO Xiaoshu,CHEN Huiling,LIANG Feiwen,et al.Measurement and spatial differentiation characteristics of transit equity:a case study of Guangzhou,ChinaJ.Sustainability,2018,10(4):1069.5JIAO Junfeng,DILLIVAN M.Transit deserts:the gap between demand and supplyJ.Journal of Public Transportation,2013,16(3):2339.6JOMEHPOUR CHAHAR AMAN J,SMITH-COLIN J.Transit deserts:equity analysis of public transit accessibilityJ.Journal of Transport Geography,2020,89(1):102869.7LI Yang,FAN Wei.Modeling and evaluating public transit equity and accessibility by integrating general transit feed specification data:case study of the city of charlotteJ.Journal of Transportation Engineering,Part A:Systems,2020,146(10):114.8LEE H K,JIAO Junfeng,CHOI S J.Identifying spatiotemporal transit deserts in Seoul,South KoreaJ.Journal of Transport Geography,2021,95:103145.9JIAO Junfeng,CAI Mingming.Using open source data to identify transit deserts in four major Chinese citiesJ.ISPRS International Journal of Geo-Information,2020,9(2):100.10 MARIANNE V,ROBERT C,ALEXANDRA N,et al.Geographical modelling of transit deserts in cape townJ.Sustainability,2021,13(2):997.11 CAI Mingming,JIAO Junfeng,LUO Minghai,et al.Identifying transit deserts for low-income commuters in Wuhan Metropolitan Area,ChinaJ.Transportation Research Part D:Transport and Environment,2020,82:102292.12 JIAO Junfeng,WANG Fangru.Shared mobility and transit-dependent population:a new equity opportunity or issue?J.International Journal of Sustainable Transportation,2021,15(4):294305.13 ZHAO Pengjun,LI Shengxiao.Bicycle-metro integration in a growing city:the determinants of cycling as a transfer mode in metro station areas in BeijingJ.Transportation Research Part A:Policy and Practice,2017,99:4660.14 CHEN Enhui,ZHANG Wenbo,YE Zhirui,et al.Unraveling latent transfer patterns between metro and bus from large-scale smart card dataJ.IEEE Transactions on Intelligent Transportation Systems,2022,23(4):3351 3365.15 杨静,吴可,张红亮,等.基于土地利用及客流特征的地铁车站分类J.交通运输系统工程与信息,2021,21(5):228234.YANG Jing,WU Ke,ZHANG Hongliang,et al.Classification of subway stations based on land use and passenger flow characteristicsJ.Journal of Transportation Systems Engineering and Information Technology,2021,21(5):228234.16 国家质量监督检验检疫总局,中国国家标准化管理委员会.土地利用现状分类:GB/T 210102017S.北京:中国标准出版社,2017.General Administration of Quality Supervision,Inspection and Quarantine of the Peoples Republic of China,Standardization Administration of the Peoples Republic of China.Current land use classification:GB/T 210102017S.Beijing:Standards Press of China,2017.17 ZHAO De,WANG Wei,WOODBURN A,et al.Isolating high-priority metro and feeder bus transfers using smart card dataJ.Transportation,2017,44(6):15351554.18 彭诗尧,陈绍宽,许奇,等.基于POI的土地利用与轨道交 通 客 流 的 空 间 特 征 J.地 理 学 报,2021,76(2):459470.PENG Shiyao,CHEN Shaokuan,XU Qi,et al.Spatial characteristics of land use based on POI and urban rail transit passenger flowJ.Acta Geographica Sinica,2021,76(2):459470.19 LIU Yang,JI Yanjie,SHI Zhuangbin,et al.The influence of the built environment on school childrens metro ridership:an exploration using geographically weighted Poisson regression modelsJ.Sustainability,2018,10(12):4684.20 陈嘉超,宋程.基于聚类分析法的地铁与常规公交换乘客流分析J.科技和产业,2018,18(5):100104.CHEN Jiachao,SONG Cheng.Analysis on the transfer passenger flow between bus and subway system based on cluster ana