中国电子科技集团有限公司智慧城市建模仿真与智能技术重点实验室

 

引言

 

本研究以深圳市为研究范围，利用居民公共交通出行大数据，通过分析居民出行的时空特征规律，揭示深圳市居住、就业、交通、娱乐的空间格局，并通过构建城市活力评价指标，展现深圳市空间活力分布特征。本研究由中国电科智慧城市建模仿真与智能技术重点实验室完成，欢迎留言讨论！

 

中国电科智慧城市建模仿真与智能技术重点实验室依托中电科新型智慧城市研究院建设运行，以引领未来城市发展理念、驱动城市数据应用创新、促进城市智能应用推广为使命，聚焦城市建模仿真、城市智能技术两大研究领域，开展新理念研究、新技术研究和新应用转化，并围绕社区/城区和重点行业领域开展实践，目标建设成为国家级新型智慧城市领域的研究和实践高地。

 

 

1 研究背景

 

随着中国城市化进程的不断推进和城市规模的扩大，城市人口、物资、信息的流动日益频繁，城市生活更加高效丰富，居民活动特征也愈发复杂多变。然而，在我国粗放式的城市发展背后出现了许多“城市病”，如城市职住空间分离、交通拥堵、街区空间尺度巨大、公共空间缺乏、场所认知度降低等。这一系列的城市问题共同引发了城市空间品质下降、城市活力消解的难题。城市中心区域内空间混乱拥挤、杂乱无章，而城市外围新区却人烟稀少，“卧城”以及“空城”等城市消极空间的出现更是凸显了城市空间资源的不合理配置。如何满足多样化的人群活动需求、优化市民的城市生活质量，提升城市空间品质、重塑活力空间是当代众多城市亟待解决却又常被忽略的问题。

 

近年来，“以人为本”的新型城市化成为城市发展的新趋势，宜居城市、活力城市建设已成为城市规划重点关注问题。通过高品质空间的塑造来提升城市活力，提高居民在城市中活动与生活的品质，构建和谐宜居的城市具有重要的现实意义。

 

本研究以提升城市空间品质为着眼点，基于深圳市城市公共交通出行大数据，包括：出租车GPS数据、公交车GPS数据和IC卡刷卡数据，分析深圳市居民出行的一般规律，并构建城市活力评价指标，综合评估深圳市不同区域的城市活力，识别缺乏活力的区域。研究成果为未来城市建设，城市活力空间重塑提供参考依据。

 

 

2 数据处理

 

本研究的基础研究数据包括：深圳市2018.3.26~2018.3.30共5个工作日的出租车GPS数据，公交车GPS数据和IC卡刷卡数据。为更精细地衡量城市空间活力的分布特征，本研究首先将深圳市行政区划图网格化，网格大小为200m*200m，总计得到54186个网格，以此作为本研究的基本研究单元。然后，提取公共交通出行的起讫点，并匹配至具体网格，分析不同网格的客流分布特征，从而定量评估城市不同区域的空间活力。

 

（1）轨道交通出行

居民的轨道交通出行量可通过IC卡数据获取。IC卡数据记录了居民刷卡的时间、站点及状态（进站/出站）。根据刷卡的时间信息和状态信息，分别提取不同时间段（1小时时间间隔），站点客流的进出量。通常情况下，轨道交通站点不是居民出行的最终目的地，所以还需将客流量进一步分配到站点周边的网格，流量分配原则基于重力模型：

Gik表示网格i对地铁站点k的客流的吸引力，mi表示网格i的面积，dik表示网格i到站点k距离，α表示阻抗系数，本研究取值为1。S表示地铁站点k的流量，f表示站点k分配到网格i的流量。

 

（2）常规公交出行

与轨道交通出行不同，居民IC卡数据中只记录了居民刷卡的时间，公交车的线路和车牌号，还需结合公交车GPS数据来进一步确定居民常规公交出行的起讫点。具体步骤如下：

 

1.根据IC卡刷卡时间和车牌号来匹配公交车GPS数据，确定在刷卡时间前后所对应公交车的位置。

2.将步骤1中确定的公交车位置与深圳市公交车站进行匹配，选择距离最近的公交车站作为居民刷卡上车的车站。

3.重复步骤1和步骤2，识别出所有刷卡记录中的上车点。

4.根据居民一天中多次出行的刷卡记录，将后一次刷卡的上车点作为前一次出行对应的下车点，第一次出行的上车点作为最后一次出行的下车点。倘若居民仅有一次刷卡记录，则根据刷卡记录中对应的公交车线路不同站点下车点的流量，按照频率来确定下车点。

5.根据上下车点空间位置，计算上下车点的空间距离，结合公交车GPS数据中公交车的平均速度，估算下车时间。

 

同理，还需将客流量进一步分配到公交站点周边的网格，流量分配原则基于重力模型：

其中，S表示公交站点n的流量，f表示公交站点n到网格i的流量。

 

（3）出租车出行

出租车GPS数据记录了出租车的车牌号、速度、时间、状态（0表示空车，1表示重车）、经纬度等信息。根据出租车状态的变化规律提取不同出租车的上下车点，如果出租车状态由0→1，则对应状态为1的点为出租车的上车点；反之，如果出租车状态由1→0，则对应状态为0的点为出租车的下车点。将出租车上下车点的经纬度坐标与网格中心点的坐标进行匹配，距离最近的网格即为出租车下车点。考虑到出租车提供一种门到门的客运服务，所以在提取出租车起讫点时不再涉及流量分配过程。此外，上述过程仅识别了出租车出行的次数，还需根据出租车平均载客量来修正居民的出行人次。

 

其中，f表示网格i的出租车流量，S表示网格i的出租车出行次数，λ表示出租车平均载客量。根据深圳市交通运输委员会统计报告，深圳市3月份日均出租车客运量为100万人次，而当天提取的出租车出行次数为50万余次，因此本研究中出租车平均载客量为2人/车。

 

 

3 居民出行特征分析

 

3.1 居民出行总体特征

居民出行具有明显的特征规律。工作日通勤特征明显，早晚高峰时期流量明显高于非高峰时段，早晚高峰客流量占当天客流总量的50.54%。早高峰的客流强度高于晚高峰，而晚高峰的持续时间更长，早高峰的持续时间为7:00~9:00，晚高峰则是17:00~20:00。这是因为，早高峰客流主要以居民上班通勤为主，加之居民上班时间相对固定，客流集中。而晚高峰除居民下班通勤客流之外，还有相当一部分休闲娱乐的客流量，加之下班通勤的选择和时间相对自由，客流强度有所降低，持续时间变长。

 

相比之下，出租车客流并没有明显的通勤特征，高峰客流与平峰客流量的差异不大。出租车客流的最高峰值出现在14:00~16:00时段内，随后客流量保持一个稳定的水平。可见，出租车出行更多是以非通勤目的的居民出行。

图1 全市不同交通出行方式客流分布

 

空间上，公共交通客流分布潮汐特征明显。深圳市的早高峰通勤客流主要以关内区域内部通勤，关外区域内部通勤与关外向关内通勤为主。

 

关内内部通勤主要集中在南山区（粤海街道和南头街道）、福田区（福田街道、华富街道和华强北街道）、罗湖区（南湖街道、东门街道和桂圆街道）。这些区域由于发展历史悠久，经济发展水平较高，汇聚大量的就业机会，并配有相应的居住区域，已形成固定的居住和就业格局。

 

关外内部通勤主要发生在龙华街道，坂田街道、民治街道、布吉街道和新安街道。对于离城市中心较远的关外地区，有着大量的劳动密集型工业区和居住成本较低的聚居地——城中村。这种特殊的居住和就业结构满足许多外来务工人员就业和居住的选择，使得该地区聚集了大量的流动人口，并形成就业人员就近居住的空间格局。

 

关内外通勤主要由龙华区、宝安区、龙岗区向福田区、南山区、罗湖区流动。这是由于关内核心区的就业辐射范围随着经济的发展和城市蔓延逐渐扩散至关外地区，吸引关外的就业人口，再加之城市中心区域高昂的居住成本以及关外相对较低的居住成本，使得一部分的居住人口转移至关外地区，从而形成了典型的居住在关外，就业在关内的职住空间格局。

图2 早高峰客流分布热力图

 

图3 早高峰客流流向图

 

图4 晚高峰客流分布热力图

 

图5 晚高峰客流流向图

 

在非高峰时段（9:00~17:00），大量的出行客流集中在福田和罗湖区，其他地区相对较少，这与深圳市当前用地布局和人口分布相吻合。从OD出行图可以看出，大部分居民以短途出行为主，居民的日常休闲活动集中于居住地周边，长距离跨区域的出行相对较少，这也符合一般居民休闲娱乐的习惯。

 

福田区和罗湖区的就业人口和非就业人口密度相对较高，服务业和零售业等第三产业较为发达，社会消费品零售额远高于其他各区（图9），加之该地区公共基础设施配套完善，在非高峰时期有大量休闲娱乐的居民出行。

 

南山区人口密度相对较低（图8），且南山区高新技术企业聚集（图10），就业人口比重相对较高，非高峰时期居民出行有对低于福田区和罗湖区。

 

关外地区由于非就业人口比重较低，第三产业相对落后，社会消费品零售额也普遍较低，公共基础设施配套有所不足，导致非高峰时期居民出行较少，且还有部分居民流向关内区域。

图6 非高峰时期客流分布热力图

 

图7 非高峰时期客流流向图

 

图8 各街道办人口密度

 

图9 社会消费品零售额（第三产业）

 

图10 各区高新产业分布

 

夜间时段（20:00以后），居民机动化出行主要集中于福田、罗湖以及南山、宝安、龙华的中心区域，可见这些区域是深圳市夜生活的集中区域，其中罗湖和福田的夜生活最为丰富，关外区域相对匮乏。

 

对比居民机动化出行的上下客点和OD出行图，可以发现夜间会有一个明显的客流从关内流向关外的趋势。结合上文的分析结果可知这部分客流主要是夜生活结束后返回关外居住地的客流，这也从侧面反映出关外地区夜生活需求和供给不均衡的现象。

图11 夜间时期客流分布热力图

 

图12 夜间时期客流流向图

 

3.2 轨道交通客运效率分析

轨道交通凭借其强大的客运能力，已成为城市公交交通系统的重要组成部分。从轨道交通进出站的客流分布来看，早高峰进站客流主要集中在关外站点，出站客流主要集中于福田、罗湖及南山核心区，晚高峰则相反，潮汐特征明显。其中，民乐、西丽、白石洲等地铁站区域居住人口密集，交通便利，以外出通勤为主。而华强北、会展中心、科技园等区域就业机会丰富，以外入通勤为主。关外的富士康工业区、华为坂田园区等几个较大的就业区也均以外入通勤为主。

图13.a 早高峰轨道交通进站客流

 

图13.b 早高峰轨道交通出站客流

 

图14.a 晚高峰轨道交通进站客流

 

图14.b 晚高峰轨道交通出站客流

 

轨道交通系统的客运效率是影响城市公共交通服务水平的重要衡量指标，提高客运服务效率也是提高轨道交通经济效益的有效途径。根据轨道交通客流的OD点，结合最短路径原则识别不同OD对的出行轨迹，统计不同地铁线路的节点流量和断面流量，如图15所示。

 

地铁4号线，11号线，5号线，3号线以及1号线的部分线路客流密集，其中4号线的沿线客流进出量、节点流量和线路断面流量均为远高于其他线路，客运效率最高，这是因为近年来龙华片区修建大量的居民区，居民通勤需求最高。

 

地铁4号线、3号线和11号线均为连接关外与关内的主要地铁线路，承载着大量由关外前往关内的通勤客流，而且轨道交通快速、高效的客运服务能力很好的满足关外地区居民长距离的出行需求，客运效率较高；地铁5号线主要是连接关外各区的线路，途径许多居住人口密集的区域（西丽、明治、五和等）以及交通枢纽站（深圳北站和布吉站），客流强度较大，客运效率较高。

图15高峰时期轨道交通站点断面客流量分布

 

地铁2号线、7号线、9号线均为连接关内各区的轨道线路，客流量相对较少，仅在个别换乘站有较大客流，客运效率较低。一方面，关内地区常规公交覆盖率较高（图16），关内常规公交站点的密度高于关外地区，常规公交分担了很大部分居民的出行；另一方面，关内地区居民跨区的通勤出行相对较少，通勤的距离相对较低（图17），降低了居民对轨道交通长距离出行服务的需求。

图16 公交站点密度分布

 

图17高峰时期轨道交通站点出行距离分布

 

3.3 轨道+常规公交接驳效率分析

在公交都市战略指导下，我国大城市逐渐形成以轨道交通为主，常规公交为辅的城市公共交通运行模式。在这种模式下，地铁+常规公交的接驳效率是衡量公交系统服务水平的重要参考指标。基于换乘时间的评估方法能很好的衡量接驳系统的时间效率，但其难以衡量接驳系统的客流转运效率。倘若一个接驳系统的客运能力远超过接驳需求，尽管接驳的时间便捷程度很高，但造成了一定程度客运能力的浪费。

 

本研究从接驳系统的客流转运效率出发，通过分析轨道交通客流和常规公交客流时空分布的相似性来评估不同区域地铁+常规公交的接驳效率。客流分布的相似性越高，则表明接驳系统客流转运效率越高。

 

地铁+常规公交的接驳方式主要有“常规公交下车→地铁上车”以及“地铁下车→常规公交上车”两种模式，本研究通过KL散度来分别分析这两种模式地铁客流和常规公交客流时空分布的相似程度，从而来评估不同区域的地铁+常规公交的接驳效率。

 

1. 地铁下+公交上:

2. 地铁上+公交下:

 

地铁+常规公交接驳效率：

 

其中，KL(K)表示街道K的地铁+常规公交客流分布的相似度，KL(K)的值越小则地铁客流和常规公交客流分布的相似程度越高，接驳效率就越高，计算结果如图18所示。

 

关内地区常规公交和地铁客流分布的KL散度值较小，客流分布的相似程度较高，接驳效率明显优于关外地区，接驳效率最高的街道为东晓街道和翠竹街道，明治街道和西乡街道的常规公交和地铁的接驳效率最低。

图18 各街道办地铁+公交客流分布相似度分布图

 

3.4 公共交通通达性分析

交通通达性是衡量城市不同区域交通发展水平的一个重要指标。根据以往城市的发展规律，城市发展较好的区域往往是交通通达性较好的区域，往往也是城市居民通勤的出发和到达集中的区域。交通通达性不仅取决于交通出行的快捷程度，还应考虑到不同交通出行方式选择的自由程度。本研究通过分析不同交通出行方式（出租车、公交车、地铁）客流量的耦合关系来定量评估不同区域的交通通达性水平，耦合度越高，则交通通达性越好。

 

1. 常规公交系统和地铁系统耦合度：

2. 常规公交系统和出租车系统耦合度：

3. 地铁系统和出租车系统耦合度：

4. 公共交通系统耦合度：

 

C(K)表示街道K的公共交通系统耦合度，C(K)值越大，则公共交通通达性越高，计算结果如图19所示。关内区域公共交通系统的耦合度较高，公共交通的通达性水平优于关外地区，呈现由福田区和罗湖区为中心依次向外递减的趋势。

图19 各街道办公交系统耦合度分布图

 

3.5 职住分离分析

“居住”与“就业”是城市空间结构演化中的两个关键变量，居住与就业岗位的空间分布影响着城市居民通勤出行的时空分布特征。合理的职住分布能够减轻居民通勤压力和出行时间，缓解交通拥堵，减少环境污染。当前我国的城市化进程使城市空间结构发生了显著变化，许多大城市在发展中均出现了职住分离、空间错位等现象，加之土地资源有限和人口膨胀，导致城市交通问题愈演愈烈，已经严重制约城市的可持续发展和居民生活品质的提升。

 

本研究基于早高峰时期居民出行的特征规律定量评估不同区域的职住分离程度。“内外通勤比”反映区域内职住自足度的情况，体现了职住关系的质量。“内外通勤比”越高，区域内居住人口在本区域内就业的比重越高，职住关系质量和自足度越高。“内外通勤比”定义如下：

其中，Ψ(k)表示街道K的内外通勤比，FK,K表示街道K范围内工作出行的数量，FK,I表示街道K到街道I人数，FI,K表示街道I到街道K人数。

 

图15表明，深圳市存在较为明显的职住空间分离情况。盐田区、罗湖区、福田区、南山区的“内外通勤比”相对较低，职住分离程度较高，其中福田，罗湖和南山区的各街道办的内外出行比极低，均不超过0.15。这是因为关内地区的汇聚大量就业人口，而居住人口相对较少，且居住人口中非就业人口比重较高，所以早高峰时期有大量的通勤客流流入。龙华新区的内外通勤比也较低，但龙华新区因拥有大量的居住人口，早高峰时期有大量的客流流出。关外其他各区的内外通勤比则处于较为合理的水平。

图20 各街道办早高峰内外通勤比分布图

 

盐田区的产业以港口物流、生态旅游、文化产业、出口监管和仓储等为主，城区的定位是现代化旅游和海港城区，第三产业占比很高，第二产业相对不足。然而，盐田区的第三产业主要以旅游服务业为主，高新技术产业匮乏（图10），远低于其他行政区，就业机会不足。据盐田区国民经济和社会发展统计，2017年末盐田区常住人口23.72万（户籍人口占比31.6%），区内就业人员6.38万人，职住比为0.269。而且，盐田区人口呈现一种逐年增长的趋势（图22），区内就业人口却呈现下降趋势，2017年末单位从业人员6.38万人，同比下降4.9%，较大的就业缺口使得区内居民选择罗湖、福田等地区就业，产生较为严重的职住分离现象。

 

21 盐田区产业结构

 

图22盐田区常住人口结构

 

图23 各行政区早高峰内外通勤比分布图

 

 

4 城市空间活力评估

 

城市的本质是人的聚集，群体与个人的活动网络构成了城市的深层结构，也是城市具有活力的真正原因。城市作为人们生活的载体，人的活动是创造城市活力的最直接来源。Jane Jacobs指出“人流在时间上的均匀分布”是城市空间保存活力的关键。一个地区的活力取决于两个方面：足够的人流密度（人流量）以及人流量在不同的时间段出现，人流量只在某个别时段集中出现的区域不是一个具有活力的区域。实际上，许多居住区、办公区往往只会在高峰时期出现大规模的人流，其它时刻人流量十分有限，这样的区域很难说是一个有活力的区域。因此，本研究从人流强度和人流时间持续性两个方面出发，构建新的城市活力评价指标，实现更全面的城市活力评估。

 

1. 活力强度：

其中，V表示网格i的活力强度，f表示在时段t，网格i客流总量。

 

 

2. 活力时间持续性

活力的时间持续性是指客流量在不同时间段均匀分布的程度。客流量的时间分布越均匀，则意味着客流量在不同时间段出现的概率越高，则活力的时间持续性越高。

 

信息熵（香农熵）表示一个随机分布的不确定度，来衡量随机分布的多样性。一个随机分布的信息熵越大，则该分布就越均匀。在本研究中，如果人流量在时间上的分布的信息熵越大，则意味着人流量在时间上的分布就越均匀，活力时间持续性就越高。

其中，表示网格i的活力时间持续性，表示研究单元i，时段t的客流量占总的客流量的比重。

 

所以，城市空间活力表达如下：

 

城市空间活力的评估结果（图24）表明深圳市最具活力的区域主要集中于福田、罗湖和南山核心区，关外区域活力相对较低，这也符合深圳市当前城市发展的现状，关内核心地区由于发展历史悠久，经济发展水平较高，各方面的城市基础配套完善，城市区域充满活力。

 

近年来，随着深圳市产业结构调整，部分产业转移至关外地区，受到交通条件的限制和空间位置的影响，距离关内核心区较近的关外地区，如：宝安、龙华和龙岗，受关内地区的辐射影响更大，发展水平明显较高其它关外地区，城市空间活力也处于较高的水平。光明新区、坪山新区和大鹏新区以及宝安区的北部地区由于地处偏僻、交通条件相对落后，城市空间活力匮乏。

 

不同街道办的客流活力对比结果（图25）表明：明治、新安、龙华和坂田街道全天客流的分布处于一个最为合理的情况（第Ⅰ象限），客流密度和客流时间持续性都较高。相比之下，关内核心区，包括：南湖、东门、福田、南园、粤海等街道虽有很高的客流密度，但其客流的时间分布较不均衡，客流容易在个别时段集中出现（第Ⅳ象限）。光明新区、大鹏新区以及坪山新区的各个街道虽然其客流时间持续性较高，但其客流密度往往较低（第Ⅱ象限），活力有限。而盐田区的各街道则是客流密度和客流时间持续性均有所不足（第Ⅲ象限），城市空间活力匮乏。

图24 深圳市城市空间活力分布

 

图25 各街道客流特征图

 

盐田区虽是关内行政区，但其自然环境得天独厚，屏山傍海，海岸蜿蜒曲折，沙滩、岛屿错落，是深圳最美丽的“黄金海岸”。盐田区内还包含东部华侨城生态景区、梧桐山国家森林公园、海拔944米的梧桐山主峰、大梅沙海滨公园、小梅沙海滨度假村和海洋公园、中信明思克航母世界军事主题公园，三洲田庚子首义革命旧址、中英街等著名旅游景点，旅游产业较为发达，已逐渐成为现代化旅游海港城区。然而，盐田区内缺乏轨道交通，主干道路，高速公路等重要交通配套设施，交通相对落后；高新技术产业显著落后（图10），企业数量远低于其他行政区，规上工业产值极低（图27），缺乏对其他行政区的就业人员的吸引力，再加之区内人口较少，综合原因导致在非旅游高峰时期，盐田区的城市空间活力明显低于其他关内核心地区。

 

图26 深圳各区人口分布

 

 

图27 深圳各区规上工业产值

 

图28 各街道办客流活力分布

 

 

参考文献

 

[1]凯文·林奇. 城市形态[Ｍ].第一版，华夏出版社．2003

[2]Jacobs J. The Death and Life of Great American Cities [M]. Random House LLC，1961

[3]蒋涤非. 城市形态活力论[M]. 东南大学出版社,2007.

[4]Sagl G, Resch B, Hawelka B, et al. From Social Sensor Data to Collective HumanBehaviour Patterns: Analysing and Visualising Spatio-Temporal Dynamics in UrbanEnvironments[C]// GI_Forum 2012: Geovisualization, Society and Learning. 2012.

[5]Ratti C, Frenchman D, Pulselli R M, et al. Mobile Landscapes: Using LocationData from Cell Phones for Urban Analysis[J]. Environment & Planning BPlanning & Design, 2006, 33(5):727-748.

[6]汪海，蒋涤非.城市公共空间活力评价体系研究[J].铁道科学与工程学报,2012, 09(1):56-60.

[7]郭文伯，张艳，柴彦威，等.基于GPS数据的城市郊区居民日常活动时空特征——以北京天通苑、亦庄为例[J]. 地域研究与开发,2013, 32(6):159-164.

[8]任颐，毛荣昌.手机数据与规划智慧化——以无锡市基于手机数据的出行调查为例[J]. 国际城市规划, 2014, 29(6):66-71.

[9]叶宇，庄宇，张灵珠，等.城市设计中活力营造的形态学探究——基于城市空间形态特征量化分析与居民活动检验[J].国际城市规划, 2016(1):26-33.