西安城市路网布局对轨道客流时空分布特征的影响研究.pdf

铁道运输与经济RAILW AY TRANSPORT AND ECONOMY第 45 卷 第 09 期西安城市路网布局对轨道客流时空分布特征的影响研究Study on the Influence of Xian Urban Road Network Layout on Spatial and Temporal Distribution Characteristics of Rail Passenger Flows郝文强1，钱勇生1，曾俊伟1，魏婷1，杨民安2HAO Wenqiang1，QIAN Yongsheng1，ZENG Junwei1，WEI Xuting1，YANG Minan2(1.兰州交通大学 交通运输学院，甘肃 兰州 730070；2.兰州交通大学 建筑与城市规划学院，甘肃 兰州 730070)(1.School of Transportation,Lanzhou Jiaotong University,Lanzhou 730070,Gansu,China;2.School of Architecture and Urban Planning,Lanzhou Jiaotong University,Lanzhou 730070,Gansu,China)摘要：为深度挖掘城市路网布局和轨道交通间的内在联系和耦合机理，推进城市空间和轨道交通协调发展，以城市规划理论为依据建立空间轴线模型，分析西安主城区路网布局下的轨道客流时空特征。结果表明：以碑林、莲湖、新城为团组的核心区块与城市空间协调性良好；16号线交织区内各线站点可达性高，边缘区客流承载能力弱；1号线、2号线的客流吸引力强，客流群聚现象明显的高集成度站点构成交织区的十字骨架，通勤客流在早高峰由线网移至高集成度站点，返程客流逆向流回低集成度站点，呈现典型的潮汐特征；皮尔逊系数及双尾显著性检测表明，路网形态变量与轨道客流间存在或正或负的强相关性，该思路可以为轨道交通系统优化城市空间结构和协调空间组织提供理论支持。关键词：西安；城市轨道交通；轨道客流；轴线模型；空间形态Abstract:In order to deeply excavate the intrinsic connection and coupling mechanism between urban road network layout and rail transit and promote the coordinated development of urban space and rail transit,a spatial axis model was established on the basis of urban planning theory to analyze the spatial and temporal characteristics of rail passenger flow under the road network layout in Xians main urban area.The results show that the core block with Beilin,Lianhu,and New Town as the clusters has good coordination with the urban space.The accessibility of each line station in the interweaving area of Lines 1-6 is high,and the carrying capacity of passenger flow is weak in the fringe area.The attractiveness of the passenger flow of Line 1 and Line 2 is strong,and the high integration station with the obvious phenomenon of passenger flow clustering constitutes the cross skeleton of the interweaving area,and the commuting passenger flow is moved to the high integration station in the morning peak by the line network,while the returning passenger flow reverses back to the low integration station,presenting the typical characteristics of the tidal wave.The Pearson coefficient and two-tailed significance test show that there is a strong correlation,either positive or negative,between road network morphological variables and rail passenger flow,and this idea can provide theoretical support for the rail transit system to optimize urban spatial structure and coordinate spatial organization.Keywords:Xian;Urban Rail Transit;Rail Passenger Flow;Axial Model;Spatial Morphology文章编号：1003-1421（2023）09-0132-08 中图分类号：U29 文献标识码：ADOI：10.16668/ki.issn.1003-1421.2023.09.19引用格式：郝文强，钱勇生，曾俊伟，等.西安城市路网布局对轨道客流时空分布特征的影响研究J.铁道运输与经济，2023，45(9)：132-139.HAO Wenqiang，QIAN Yongsheng，ZENG Junwei，et al.Study on the Influence of Xian Urban Road Network Layout on Spatial and Temporal Distribution Characteristics of Rail Passenger FlowsJ.Railway Transport and Economy，2023，45(9)：132-139.-132郝文强 等 西安城市路网布局对轨道客流时空分布特征的影响研究0引言在新时代城镇化建设和发展的推进下，当前我国各大城市空间形态转变趋势显现，随之而来的城市交通与空间布局的矛盾愈加激烈，而以轨道交通为导向的城市发展(TOD)理念早已全面普及，作为带动城市综合发展的关键要素，城市轨道交通已成为推动城市空间形态演变的内在动力之一。目前，国内对城市轨道交通时空层面的研究分为两类。一类是利用拓扑连接关系定量描述城市交通的空间特征，吴志军等1运用空间句法变量研究城市道路可达性和空间发展，剖析路网布局特点；在公共交通对城市时空格局的影响层面，距离成本加权算法2可以用于公交路网的可达性评估，但忽略了客流对时空格局的影响，用单一的出行时间和距离衡量可达性具有局限性；张灵珠等3引入sDNA技术，测度地铁网、道路网以及地面地下一体化网络下的客流数据关系，探究城市交通一体化模型的空间可达性与地铁站点客流的相关性；刘家良等4利用空间权重矩阵定量分析热点路段流量的空间相关性，并通过仿真验证得出，该方法下的热点路段隶属程度与空间相关性一致。另一类研究运用数理统计手段和评价指标分析轨道客流的时空分布特征，周青峰、李向辉、赵晓芳等5-7分别从站点周边用地、站点接驳、地铁客流分布出发，揭示客流与站点沿线用地的规律性和交通协调性；但单一的站点分析不足以体现整个轨道系统的运行机理，陈兆宁等8基于线网OD数据构建出行时间与距离的拟合曲线，利用时空范围分布图探究客流的发散特点和高峰特征；达成等9基于复杂网络理论，提出复杂性因子、平均换乘次数、线网效率等指标在轨道线网可达性评估中至关重要。基于上述轨道站点、线网的客流特征研究，吴祥国、崔叙等10-11从线网、线路、站点角度出发，分别运用方向不均衡系数和梯度提升决策树(GBDT)，阐述轨道客流的出行特征。根据上述城市交通与时空形态间的显著关系，研究从城市空间的角度探究轨道客流的分布特征。宏观上，选取空间句法变量剖析城市路网空间形态，将测度指标合理赋值给轨道站点，剖析集成度(Integration)下的站点客流分布特征及运行机理。微观上，利用空间句法分析工具建立人流群聚模型，模拟轨道线路周边客流的群聚活动特征，并拟合验证形态变量和实测客流间的关联性，以保证实验的普适性和可行性。1研究方法及模型构建1.1研究方法客流活动与路网空间形态的关联研究12，建立在“空间分割”思想基础上，具体有轴线分割法、凸空间法和视域分析法。空间句法3种方法应用情况如表1所示。依据各方法的适用性，选取轴线分割法分析路网形态特征，使用视域分析法描述轨道客流群聚特征，并运用皮尔逊(Pearson)相关性检验分析实测客流与轴线模型参数间的拟合关系。1.2轴线分割法轴线分割法13基于“最少且最长”原则将一系列彼此交错的轴线覆盖整个空间系统，使三维空间抽象为一维轴线空间，轴线空间下的句法变量越强，区位优势越显著，人流易聚集；反之，空间区位不良，空间可达性低。（1）连接度，表示研究区域内与节点关联的节点总和，即轴线图(Axial Map)中与目标节点关联的其他节点总数，计算公式为Ci=k式中：Ci为第i节点的连接度；k为空间系统中与当前节点i相交的节点总数。（2）控制值，反映道路空间节点对周边线路的影响程度，可以作为路网可选择性的衡量指标，计算公式为Ctrli=j=1m1Ci式中：Ctrli为第i节点对相邻节点的控制值；j为控表1空间句法3种方法应用情况Tab.1Application of three methods of space syntax空间句法方法轴线分割法凸空间法视域分析法适用空间尺度各种尺度小尺度城市、建筑等大空间应用领域动态的城市、街道等线性空间静态的建筑内部空间或建筑群静态的非线性空间-133郝文强 等 西安城市路网布局对轨道客流时空分布特征的影响研究制程度，初始值为1，最大值为m。（3）深度值，反映系统内当前空间位置距目的地的最短距离，计算公式为Depthi=i=1qLiqm-1式中：Depthi为第i节点的深度值；q代表与当前节点i相连的节点总数；Liq为节点i与节点q间的最短距离；m为轴线图节点总数。（4）集成度，反映研究区域内交通节点与所有节点的发散汇集程度。集成度越大，当前道路的便捷程度越大，反之，空间可达性越低。其计算公式为Integi=2m log2(m+23-1)+1(m-1)(m-2)2|MDepthi-1|m-2式中：Integi为第i节点的集成度；MDepthi为节点i的平均深度值。1.3视域分析法视域分析法14-15基于出行者视线的变化，可以直观地甄别视线良好、人群聚集区域，与凸空间法和轴线分割法相比，在空间局部与整体的关系测度方面更加精确，且更适用于非线性的三维的开放空间场景表述。其中，代理机器人(Agent)模拟分析是在视域分析的基础上提出的新方法，可以将动态的人群集散过程用静态分布图表示，通过客流路径可以充分反映城市空间形态下轨道客流的聚合效应。2实验与分析2.1数据来源利用数字地图提供的开放控制平台和应用程序编程接口(API)，抓取西安各地铁线路及站点的矢量数据；通过开源地图(OSM)获取主城区路网数据，筛选数据中的主干道、一级道路、二级道路和三级道路，对路网进行拓扑处理和邻近叠加处理，使用开源桌面地理信息系统(QGIS)分析并成图。各区功能划分如表 2所示。2.2客流影响因素分析（1）土地利用。自地铁14号线东段正式开通运营，共8条线路覆盖全区主要交通枢纽及核心路段，根据站点周边的用地性质，将站点分为商务主导型、集中居住型、交通主导型和办公型。商务主导型，该类型用地的轨道客流以弹性出行为主，吸引城市居民的非强制性交通出行，是出行者休闲娱乐、社会文化活动的聚集地，2号线钟楼、会展中心为典型站；集中居住型，进站客流早高峰小时系数大于晚高峰系数，潮汐现象明显，平峰时段客流小，以1号线后卫寨站为例，工作日高峰客流呈现显著的双驼峰，休息日高峰现象明显减弱，平峰客流变化幅度舒缓；交通主导型，该用地的客流特征主要受交通枢纽的客运影响，以作为轨道交通与铁路换乘节点的北客站为例，其周边2 km内表2各区功能划分Tab.2Functional division of each district区块新城区莲湖区碑林区雁塔区未央区灞桥区路网形式方格+放射式方格式方格式方格+放射式环形+方格式混合式路网现状特征路网呈棋盘式分布，枢纽地位明显。路网向外扩散，3条东西主干路与一环连接，大量市内交通间接流出中心城区网格排列整齐，间距均匀。一定程度上可以缓解交通拥挤，路网连通度较高，路网密度与连通度相互协调路网连接率高，各方向主干道构成区块走廊。连续的方格式分布与区域内部经济优质协调，可达性和便捷度得以保障内部紧凑，外部呈现扩张的网状空间布局。西部分布整齐，连接率偏高，东部路网较密集整体呈现“西疏东密”的空间格局。边缘环线利于加强区块与郊区的联系，交通灵活性弱，车辆行人容易滞留含有方格、环形、放射3种形式，可以增强空间联系。作为返程客流终点，高峰期反映迟钝，整个路网的交通持续时间长-134郝文强 等 西安城市路网布局对轨道客流时空分布特征的影响研究交通设施用地占79.3%，单一的周边用地性质使乘客的出行受高速铁路列车到发时刻影响，进出站客流未呈现时间聚集性；办公型，该用地包括行政单位、写字楼、商务楼等，是客流的吸引源，出行客流具有明显的通勤特征，在方向上与居住用地的通勤出行相反。（2）出行行为。关于出行行为对轨道客流时空特征的影响研究，包含出行者对列车到发时间的敏感度、客流类型、出行效率和出行路径选择4个方面。城轨列车准点率高，延误对乘客出行成本影响低，除首末站外，乘客在出行前不会对列车到站时间产生依赖，且无需规划出行时间；高峰期轨道客流多由上下班、上放学的通勤客流构成；通勤客流对出行时间敏感度高，乘客可以在很大程度上舍弃舒适度以选择最快效率上车，减少等待时间；乘客根据自身到站时间和列车到达时刻，选择出行时间最短路径，且考虑到列车灵活性及等待时间，乘客在不同时间段选择的出行路径不唯一。（3）站点接驳方式。西安主城区轨道站点周边除步行与站点的接驳外，还包括公交接驳、机动车接驳和非机动车接驳。为实现与轨道站点的无缝接驳，核心行政区的大部分公交站布局紧邻轨道站点，同时站点周边大量接驳的公交主干线使核心区与边缘区有了较好的联系；相比核心区，以居住用地为主的灞桥、未央两区除了大面积露天广场，还有商业综合体开发的地下停车空间，可以提高站点与机动车接驳的效率；西安主城区85%的站点直接连接非机动车道，很大程度上增加了非机动车接驳率，但对街道景观和行人通行造成极大影响。（4）路网空间形态。路网布局与轨道交通的相互作用通过站点完成，路网空间特征决定站点客流的集散，不同属性的站点通过吸引调节客流来改变周边商务、餐饮、休闲等行业的布局，反向作用于城市路网。使用轴线分割法分析路网形态特征如下。轴线地图构造。由于主城区路网和轨道交通涉及范围广，使用OSM路网数据生成轴线图存在稳定性差、误差大等问题，根据空间是机器：建筑组构理论的经典画法，用直线段代替城市主轴线绘制轴线图。轴线网误差检验及修正。利用主城区路网实时影像修正轴线图的误差；创立轴线空间，转换轴线图属性，完成轴线孤立性检验；预防边界效应，合理扩大研究对象及周边区域的范围；完成空间语法措施运算与集成度运算。集成度分析。集成度是空间句法衡量城市路网特征的关键形态变量，高集成度轴线代表线网中最密集、最有关联性的线路。西安主城区集成度轴线图如图1所示。集成度轴线中，红色轴线代表高集成度道路，客流吸引力最强，橘色次之，蓝色最小。由图1可知，高集成度轴线主要集中在主城区核心地带，部分轴线分布在主城区偏北地区，呈现离散状态。核心区中北部空间范围内存在连续的橘色轴线，说明该区域线网分布较密集，通达性较好，人流聚集能力强；东部的灞桥区没有明显的结构中心，这种分散的集成度结构对该区域客流吸引力产生制约。大明宫遗址公园位于未央区东部，轴线呈密集的浅蓝色线网，取值远低于其他区域，可达性相对较低。遗址公园周边的拾翠路、重玄路、自强东路等轴线色调偏暖，交通便捷度高，客流频繁流通。从轴线横向布局看，新城区和莲湖区的暖图1西安主城区集成度轴线图Fig.1Integration axial diagram of Xians main urban area-135郝文强 等 西安城市路网布局对轨道客流时空分布特征的影响研究色调轴线密集，区域可达性好，人流分布集中。核心团组存在少许浅蓝色轴线，这些区域集成度偏低，短小的支路无法与主干路紧密连接，居民出行时常绕行。3客流时空分布特征分析3.1全线网集成度分布统计生成的各线站点2 km范围内的集成度平均值，赋值给站点作为自身属性。地铁线路集成度分布如图2所示。16号线中下游站点构成一个矩形交织区，1号线、2号线构成交织区的十字骨架，集成度上、下限分布在2号线的纬一街站和5号线的汉城南路站。（1）交织区各站点可达性较高，边缘区域客流聚集能力弱。早高峰客流从边缘区涌入交织区站点，晚高峰从交织区扩散分配至边缘区的线路上，显现典型的潮汐特征。（2）1 号线、2 号线交织区站点集成度偏高，高峰客流主要聚集在周围4 km辐射圈内，北大街作为两线交汇点与其他换乘站点联动配合，实现关键的客流承载功能。（3）3 号线、6 号线起始站分布在交织区内，集成度刚开始占据最高点，之后站点延伸出交织区，曲线迅速下滑。3号线的太白南路大雁塔对应一条高集成度红线，大部分直达和换乘客流均聚于此。（4）位于交织区外的9号线、14号线全区集成度最低，9号线沿线周边以住宅区为主，发挥往返运送通勤客流功能，而14号线站点沿线道路网稀疏，可达性低，集成度始终没有超过9号线。3.2Agent模拟分析将代理机器人投放在地铁层主要进出口，模拟地铁客流的行动路径。首先，设置不同颜色的Agent代表不同类型的客流，并根据1个乘客所占空间的面积，将区域网格矩阵设为 0.6 m0.6 m；其次，设置智能体参数，运行时长为5 000 s，视野范围 18 bins，智能体运行距离 1 000 步，并每隔8步转换方向；最后，对所选空间进行可视性图解分析。轨道线网周边人流群聚分析如图3所示，客流群聚结果直观反映不同空间被选择的概率及客流聚散特征。（1）主城区大量客流不同程度地聚集在 1 号线、2号线、4号线、5号线中下游和3号线、6号线的上游，聚集区域的周边路网密集，拥有众多校区、商业区、旅游景点等配套成熟的大型人流集散地。由此得出，聚集区的集成度值颇高，涉及站点的可达性较高，早晚高峰出行客流多聚于此。（2）部分客流(橙、黄色域)分散在1号线、2号线首末站。首末站在晚高峰时段最先接收由学区、商业、办公楼产生的返程客流，由于首末站集成度较低，且聚集和疏散客流的阈值低，随时间推移，离散度较高的客流聚集在此造成拥堵，晚高峰持续时间延长。（3）纺织城地处交织区边缘，受交织区大量高峰客流影响，连接处的人流群聚程度明显。纺织城作为1号线、9号线的连接站，在过渡1号线晚高峰客流的过程中发挥关键作用，客流最终经9号线由城内转移至灞桥区。3.3站点客流的集成度分析为深度挖掘集成度下站点吸引和调节客流的机理，统计各站点以1.2 km为搜索半径的辐射圈集成图2地铁线路集成度分布Fig.2Integration distribution of subway lines-136郝文强 等 西安城市路网布局对轨道客流时空分布特征的影响研究度平均值。1号线、2号线站点集成度分布如图4所示。1号线、2号线为交织区高集成度的纵横骨架，共计23个高集成度站点包含在交织区内。（1）北大街是集成度最高、发挥聚流分流作用的关键换乘点。北大街早高峰3类客流(周边过渡客流、1号线到2号线的换乘客流、2号线换乘客流及出站客流)随时间推移逐步流向邻近站点，大部分晚高峰客流通过南稍门和五路口换乘至 4 号线、5号线，最终疏散到交织区外。（2）集成度最高的南稍门和体育场承担2号线的客流运送，汇聚在交织区的大量客流通过南稍门疏散至相邻换乘站。（3）纬一街、会展中心、三爻共同组成居住、商务、办公一体化的商业链条，体育场站作为南稍门与小寨间的节点，保证2号线客流和交织区换乘客流的连续性。与1号线平行的大兴西路红庙坡路也是一条高集成度红线，周围线网区域色调偏暖、边缘部分色调偏冷，说明群聚的客流将会与1号线各站点往返输送；从纵向看，高集成度的育新路贞观路、文景路华强路位于2号线东西两侧，周边客流以2号线各站点为纽带完成高峰客流的分配。集成度对站点客流的作用机理如下。一是大兴西路红庙坡路将聚集的早高峰客流分配至1号线各站点，高集成度的洒金桥、北大街、五路口站点将其充分吸收，其余站点吸收强度低，晚高峰聚集在3站的返程客流大部分流入1号线低集成度站点；二是文景路华强路、育新路贞观路吸收由城外流入交织区的大量早高峰客流，并输送至两路间的高集成度站点南稍门、体育场、小寨、纬一街、会展中心，晚高峰返程客流经过5个纽带站，正向流入低集成度的沣东自贸园、上林路、森林公园和邻近街区。4路 网 空 间 组 织 与 客 流关联性分析使用数据分析工具对空间句法变量和站点客流进行相关性检验，引入站点实测流量作为因变量，将站点全局集成度平均值作为自变量，设站点的控制值和深度值为影响因素。全局集成度与客流量显著性分析如图 5 所示。形态变量对客流的 Pearson 相关性及显著性检测如表3所示。全局集成度与客流量的显著性小于0.01，Pearson相关系数为0.673，R2值取0.453，关联函数为 y=97.93x-9.43，说明全局集图41号线、2号线站点集成度分布Fig.4Distribution of station integration of Lines 1 and 2图3轨道线网周边人流群聚分析Fig.3Analysis of passenger flows around the rail network-137郝文强 等 西安城市路网布局对轨道客流时空分布特征的影响研究成度与客流量呈强正相关性，印证了高集成度轴线所在区域的人流群聚现象更突出。深度值在数值上为集成度的倒数，与客流量的 Pearson 系数为-0.692，呈强负相关，随着深度值的提升会抑制周边街区的活力和客流流通。由此可见，集成度不但为路网空间形态和交通可达性的正向指标，更是反映站点周边便捷度和人流集聚离散度的关键变量，将特定范围的集成度平均值赋给轨道站点，用于间接测度路网空间布局与轨道客流间的相互作用是可行的。5结束语随着城市空间日益复杂化，挖掘路网形态与轨道交通间的耦合互动机理可以为道路网结构的完善和轨道规划建设提供理论支持。从整体上看，主城区路网呈“放射+方格网”的层状结构；交织区内16号线站点的纵向集成度更高，客流群聚现象更加明显，可达性更高，空间联系程度更紧密，而穿过边缘区块的9号线、14号线服务水平有待提升；1号线、2号线周边客流密集，构成群聚集中的一体化商业圈，其沿线用地开发更加成熟，高峰时段易吸引大量客流；显著性检验结果表明，集成度取值与站点周边客流同幅增减。基于此，从轨道线路周边的高集成度区域入手，优化路网的空间布局，是合理引导客流产生、吸引、分配至轨道站点，间接提升轨道运载能力的重中之重。参考文献：1 吴志军，田逢军.基于空间句法的城市游憩空间形态特征分析：以南昌市主城区为例J.经济地理，2012，32(6)：156-161.WU Zhijun，TIAN Fengjun.The Analysis of Urban Recreational Space Shape Characteristic and Influencing Factors Based on Space Syntax：Taking Nanchang as an ExampleJ.Economic Geography，2012，32(6)：156-161.2 吴红波，郭 敏，杨肖肖.基于GIS网络分析的城市公交车路网可达性J.北京交通大学学报，2021，45(1)：70-77.WU Hongbo，GUO Min，YANG Xiaoxiao.Accessibility of Urban Bus Networks Based on GIS Network AnalysisJ.Journal of Beijing Jiaotong University，2021，45(1)：70-77.3 张灵珠，强 丹.基于地铁客运量和城市交通一体化模型的空间网络实证分析：以上海为例J.住宅科技，2021，41(8)：16-20.ZHANG Lingzhu，QIANG Dan.An Empirical Spatial Network Analysis Based on Metro Flow Data and Integrated Transportation Model：A Case Study of ShanghaiJ.Housing Science，2021，41(8)：16-20.4 刘家良，孙立双.结合空间相关性的城市热点路段提取方法J.测绘通报，2018(6)：73-77.LIU Jialiang，SUN Lishuang.Extraction of Urban Hot Sections Based on Spatial CorrelationJ.Bulletin of Surveying and Mapping，2018(6)：73-77.5 周青峰，刘 苏，王耀武.城市轨道交通站点周边土地利用与交通协调关系研究J.铁道运输与经济，2018，40(4)：100-106.ZHOU Qingfeng，LIU Su，WANG Yaowu.A Study on the Coordinative Relation of Land Use and Transport around the Metro StationJ.Railway Transport and Economy，2018，40(4)：100-106.6 李向辉，邱莅伟，万 涛，等.天津市轨道交通客流效能提升策略J.都市快轨交通，2022，35(2)：105-110.LI Xianghui，QIU Liwei，WAN Tao，et al.Strategies for Improving the Passenger Flow Efficiency of Tianjin Rail TransitJ.Urban Rapid Rail Transit，2022，35(2)：105-110.图5全局集成度与客流量显著性分析Fig.5Analysis of global integration and passenger flow significance表3形态变量对客流的Pearson相关性及显著性检测Tab.3Pearson coefficient and significance test of morphological variables on passenger flow集成度(全局)深度值控制值客流量集成度1深度值-0.980*1控制值0.125-0.1471客流量0.673*-0.692*0.0881注：*表示相关性在0.01水平上显著。-138郝文强 等 西安城市路网布局对轨道客流时空分布特征的影响研究7 赵晓芳，童晓进.郑州地铁 1 号线客流时空分布特征分析J.城市轨道交通研究，2017，20(8)：75-79.ZHAO Xiaofang，TONG Xiaojin.Characteristic Analysis of Temporal and Spatial Distributions of Passengers on Zhengzhou Metro Line 1J.Urban Mass Transit，2017，20(8)：75-79.8 陈兆宁，季 民，任 静.北京市轨道交通客流时空分布特征分析J.地理空间信息，2021，19(3)：105-108，8.CHEN Zhaoning，JI Min，REN Jing.Spatio-Temporal Distribution Characteristic Analysis of Beijing Rail Transit Passenger FlowJ.Geospatial Information，2021，19(3)：105-108，8.9 达 成，钱勇生，曾俊伟，等.城市轨道交通线网结构评价研究J.铁道运输与经济，2020，42(2)：122-127，134.DA Cheng，QIAN Yongsheng，ZENG Junwei，et al.A Study on the Evaluation of Urban Rail Transit Network StructureJ.Railway Transport and Economy，2020，42(2)：122-127，134.10 吴祥国，张建嵩，高志刚，等.重庆主城区轨道交通客流时空特征分析J.铁道运输与经济，2021，43(7)：125-130.WU Xiangguo，ZHANG Jiansong，GAO Zhigang，et al.Spatial-Temporal Characteristics of Rail Transit Passenger Flow in Chongqings Main Urban AreasJ.Railway Transport and Economy，2021，43(7)：125-130.11 崔 叙，喻冰洁，杨林川，等.城市轨道交通出行的时空特征及影响因素非线性机制：基于梯度提升决策树的成都实证J.经济地理，2021，41(7)：61-72.CUI Xu，YU Bingjie，YANG Linchuan，et al.Spatio-Temporal Characteristics and Non-Linear Influencing Factors of Urban Rail Transit：The Case of Chengdu Using the Gradient Boosting Decision TreeJ.Economic Geography，2021，41(7)：61-72.12 郭昊栩，李 颜，邓孟仁等.基于空间句法分析的商业体空间人流分布模拟J.华南理工大学学报(自然科学版)，2014，42(10)：131-137.GUO Haoxu，LI Yan，DENG Mengren，et al.Simulation of Spatial Pedestrian Flow Distribution in Commercial Bodies Based on Spatial Syntactic AnalysisJ.Journal of South China University of Technology(Natural Science Edition)，2014，42(10)：131-137.13 庄 宇，张灵珠，戴晓玲.多层面商业空间整合度与人流量关联性分析J.同济大学学报(自然科学版)，2012，40(11)：1620-1626.ZHANG Yu，ZHANG Lingzhu，DAI Xiaoling.Analysis of the Correlation between Multi-Level Commercial Space Integration and Pedestrian FlowJ.Journal of Tongji University(Natural Science Edition)，2012，40(11)：1620-1626.14 林 博，赵 璋.城市空间形态与人流活动的量化分析研究J.华中建筑，2018，36(11)：5-9.LIN Bo，ZHAO Zhang.Research on Quantitative Analysis of Urban Spatial Form and Human Flow ActivitiesJ.Central China Architecture，2018，36(11)：5-9.15 张大玉，凡 来，刘 洋.基于空间句法的北京市展览路街道公共空间使用评价及提升对策研究J.城市发展研究，2021，28(11)：38-44，173.ZHANG Dayu，FAN Lai，LIU Yang.Research on the Evaluation of Public Space Utilization and Enhancement Countermeasures of Beijing Exhibition Road Street Based on Spatial SyntaxJ.Urban Development Research，2021，28(11)：38-44，173.收稿日期：2022-03-09通信作者：钱勇生(1970)，男，江苏常州人，兰州交通大学交通运输学院教授。基金项目：甘肃省高等学校创新基金项目(2020B-113)；甘肃省重点研发计划项目(21YF5GA052)；甘肃省高等学校产业支撑计划项目(2021CYZC-60)；甘肃省哲学社会科学规划项目(2021YB058)；甘肃省教育厅“双一流”科研重点项目(GSSYLXM-04)；甘肃省自然科学基金优秀博士生项目(23JRRA906)责任编辑：李丹丹-139