枢纽型高铁站交通与土地利用协同性评价研究
时间：2023-04-21 11:15:06 来源：千叶帆 本文已影响人
罗 霖，陈 运
（1. 西南交通大学建筑学院，四川成都 610000；
2. 西北大学城市环境学院，陕西西安 710127）
近年来，我国高速铁路（以下简称“高铁”）发展迅猛。高铁凭借其速度快、运量大等特点，增强了城市的可达性，产生了强大的虹吸效应与时空压缩效应[1]，从而打破了城市间的边界，实现了资源的重新分配[2]。与此同时，高铁新站建设与老站改造同步进行，高铁站（以下简称“站点”）及其周边区域（以下简称“站区”）的开发建设已成为城市发展的重要“催化剂”，在促进区域空间结构优化与提升、推动片区产业结构集聚与均衡方面发挥着重要作用[3]。
随着站点及站区建设热潮的兴起，站区同质化发展及建设收益预期过高带来的问题开始显现。为合理配置有限的资源，平衡各站点及站区间的价值差异，避免“千城一面”的趋同演化，需对站点及站区交通与土地利用现状进行准确评估，并根据其不同类型进行差异化规划与建设[4]。
为此，大量学者进行了研究，其中以荷兰阿姆斯特丹大学贝尔托利尼（Bertolini）教授于1990年首次提出的节点-场所模型（以下简称“N-P模型”）最为经典[5]。该模型在吸收社会学流空间理论、地理学城市网络理论、土地利用交通循环理论的基础上，创造性地将交通站点既看作担负交通运输功能的关键枢纽节点，又视为集多功能与“高能活力点”于一体的城市场所。自该模型诞生以来，大量中外学者对其进行了实证案例研究。Chorus等人借助N-P模型探究了东京大都市圈车站地区交通与土地利用特征之间的动态交互作用[6]。Caset等人利用N-P模型测量了德国布鲁塞尔区域快速铁路网络中列车站的可达性，并通过聚类分析总结了7种不同特征的列车站[7]。李佩叶等人通过N-P模型构建了高铁站周边区域发展潜力评价模型，并对京沪高铁沿线车站进行了评价[8]。沈怡辰以福建省37个高铁站区为研究对象，利用N-P模型对其进行量化，并总结评价其发展情况[9]。
总体来看，N-P模型能够较好地反映站点交通与土地利用的耦合协调程度，但传统的N-P模型受限于数据来源较为单一的问题，通常只能从站区土地利用、混合度、站点股道数等传统角度反映站区场所功能及站点交通功能。随着互联网时空数据技术的快速发展，大规模采集站点、站区数据已成为可能，数据结构逐步由大尺度向高精度、由二维平面向三维立体转变，数据的丰富性及高精度有助于改进N-P模型。
在上述背景下，本文选取国内9个枢纽型高铁站作为实证案例研究样本，借助N-P模型构建高铁站交通与土地利用协同性评价指标体系，引入新数据充实评价指标体系，再通过层次分析法（AHP）确定各指标权重并获得评价结果，最后针对不同类型站点提出规划策略。
N-P模型包含节点价值、场所价值2个维度，用以描述站点及站区交通及土地利用协同情况。节点价值通常通过可达性指标衡量站点交通集散能力，场所价值通常以土地利用特征反映站区开发水平，二者共同构建一个二维坐标平面，可通过将多个站点定位其中，以反映及对比各站点的发展状况。只有节点价值、场所价值相互协调，才能实现站点及站区发展的良性循环。值得注意的是，节点价值、场所价值并非使用单一指标测度，需要确定一系列相关指标才能充分描述。
N-P模型总共描述了5种发展状态，即从属状态、平衡状态、压力状态、失衡节点状态、失衡场所状态。从属状态表示节点价值与场所价值比较协调，但发展水平较低；
平衡状态表示节点价值与场所价值非常协调且发展水平较为适度；
压力状态表示节点价值与场所价值比较协调，但发展过度；
失衡节点状态表示节点价值远高于场所价值；
失衡场所状态表示场所价值远高于节点价值。
枢纽型高铁站从节点价值层面看，等级高、客流量大，在交通网络中承担着重要交通支点的功能；
从场所价值层面看，是城市的重要门户，各种要素在站区快速交汇与集散。因此，本文选取国内9个枢纽型高铁站作为实证案例样本具有一定的代表性，所选案例具体如表 1所示。
表1 9个案例样本一览表
本文在借鉴圈层结构模型理论的基础上，综合考虑站区产业发展相关因素，划定以站点为圆心、半径为2.5 km的圆形区域为站区范围。
4.1 指标体系
本节在综合考虑数据获取的可行性以及代表性的基础上，将N-P模型中的节点价值与场所价值细分为不同的二级指标，对于节点价值取客流量、站房面积2个指标，对于场所价值则通过python等技术手段分别获取城市区域二维、三维数据，涵盖道路密度、兴趣点（poi）密度、土地利用混合度、绿视率、开敞度5个指标[11]，如图1、表2所示。
表2 9个站点各指标参数表
图1 评价指标体系示意图
4.1.1 节点价值
对于节点价值，本文选取客流量与站房面积2个指标。
客流量反映站点的实际客流水平。客流量数据从高铁管家APP获取，连续跟踪各高铁站2022年9月7日—2022年10月7日1个月的日均旅客发送量及接收量，数据样本涵盖平峰及节假日高峰客流量数据，具有较好的代表性。从所获取数据看，广州东站、南京站因其不仅承担本城市交通功能，而且是大区域交通枢纽，客流量远高于其他站点；
北京北站、杭州站、上海南站因有其他站点为其分担运输压力，客流量相对较小；
余下站点虽区位靠近市中心，但站房面积小，客流量也小。
站房面积反映站点的旅游集散容纳能力。本文所用数据源自维基百科，并且通过查阅国家铁路局统计年鉴及国内其他搜索平台进行数据修正。从获取的数据看，新建站点的站房面积普遍较大，以广州南站、南京站为代表，而老站点因历史久远、区位较好、土地价值较高等因素导致站房面积较小、平面可扩展性较差。
4.1.2 场所价值
对于场所价值，本文在二维层面上选取道路密度、poi密度、土地利用混合度3个指标，在三维层面上选取绿视率、开敞度2个指标。
道路密度反映站区道路系统完善程度，道路密度越高，站区交通集散能力越强，通达性越好。从测度数据结果看，投用时间较早的站点具有更大优势。老站点建设时间久远，道路系统较完善，街道尺度较小，密度较高；
而新建站点周边道路系统有待完善，采用“宽马路、大街区”的形式，有很大提升空间。
poi密度反映站区基础设施总量水平，poi密度越高，则基础设施越密集，越能满足人群的各项功能需求。总体来看，新建站点附近poi密度较低，站区发展处于起步阶段，各项产业发展水平及城市基础设施配置水平较低；
老站点经过长时间的发展，基础设施总量较大，产业更为丰富、健全，能够有效提供各类城市服务以满足不同人群的需求，城市功能更为成熟、稳定。
土地利用混合度不同于poi密度反映站区基础设施的整体规模水平，其反映站区各功能用地的均匀程度，该值高说明站区各用地配置趋于平衡，而该值低则说明站区土地利用较为单一[12]。从测算结果看，新建站点与老站点的土地利用混合度差距不大：老站点在漫长的发展过程中不断自我完善，用地配置较为均衡；
而新建站点在建设之初，经过城市总体规划与地块控制性详细规划的层层调整，土地利用混合度已与老站点非常接近。土地利用混合度通常通过信息熵H来表示，该数值越大，表明各功能用地占比越均匀，其计算公式如下：
式（1）中，H为信息熵；
n为区域内总的功能数；
pi为区域内i功能的占比。
绿视率与开敞度反映站区建成环境的质量，绿视率代表视野范围内绿色植物所占比例，开敞度为视野范围内天空所占比例。相关数据的获取方式是，通过python编写程序请求百度地图API（应用程序界面）接口获取站区附近百度全景街景图，通过对全景街景图进行切分与四像分割，借助机器学习中的语义分割技术（FCN）将所获取的百度全景街景图进行要素识别与统计，从而准确量化站区周围各要素所占比例。由统计结果可知，在绿视率方面，北方站点受制于北方较为干燥的气候条件，绿视率普遍低于南方，站区环境较差；
在开敞度方面，老站点由于周边城市结构更为完整，街道立面更为连续，加之其良好的区位导致其土地开发强度较大、容积率较高，因此开敞度相较于新站点普遍偏高。
4.2 指标体系权重赋值
建立指标评价体系是一个典型的多决策问题，其中涉及到各指标的权重赋值问题。本文结合已有实例研究与专家问卷打分法，选用层次分析法（AHP）构建评价指标模型；
然后通过和积法针对节点价值指标建立2阶判断矩阵，针对场所价值指标建立5阶判断矩阵，并计算得到权重结果，如表3所示；
最后采用一致性指标（CI值）、平均随机一致性指标（RI值）、一致性比率（CR值）对判断矩阵进行一致性检验，2个判断矩阵均通过检验，结果如表4所示。
表3 层次分析结果
表4 一致性检验结果
为消除不同量纲及数量级带来的差异，采用归一化方法对各个值进行标准化处理，处理公式如下。
式（2）中，x”为标准化处理后的值；
x为原始数据值；
max为原始数据中的最大值；
min为原始数据中的最小值。
通过将指标数据带入上述评价体系中，得到所研究站点的节点价值与场所价值，如图2所示；
再将其归一化处理，建立N-P模型，如图3所示。通过模型可对所研究的9个站点进行交通与土地利用协同性评价，评价结果及规划建议如下。
图2 9个站点的节点-场所价值示意图
图3 9个站点的N-P模型
5.1 平衡状态
上海南站、北京北站2个站点虽处于平衡状态，但二者均远离45°均衡线，更偏向于场所价值线，节点价值偏低，应在以后的发展中更注重节点价值与场所价值的协同性，增强站点的交通集散功能，避免其向失衡场所状态发展。
5.2 失衡节点状态
南京站、广州东站处于失衡节点状态，节点价值显著高于场所价值。南京站相比于广州东站更加趋近于平衡状态，在以后的发展中应着重改善城市环境，提升场所价值，即提高道路密度，增加基础设施布局，增强站区街道绿化水平。广州东站处于极端失衡节点状态，节点价值远高于场所价值，站点具有较强的交通运输能力，能够较好地担负区域交通集散枢纽功能，但其位于城市近郊区，站区建设较为滞后；
在以后的发展中应该在保证交通运输功能同时，提升其场所价值。
5.3 从属状态
大连北站处于从属状态，节点价值与场所价值较为协同，节点价值略高于场所价值，但整体发展水平较低，交通集散能力较差，城市建成环境有待改善。后续应该在提升站区交通集散能力的基础上，注重优化站区环境，提高道路密度，增加绿化设施和基础设施布局，提升站区土地利用混合度。
5.4 失衡场所状态
上海西站、深圳站、大连站、杭州站处于失衡场所状态，场所价值显著高于节点价值，在以后的发展中应该着重考虑通过采取增加客流量、扩大站房面积等措施提高其节点价值。
5.5 压力状态
本文所选样本中并未出现压力状态站点，该类型站点虽属于平衡状态，但节点价值与场所价值均处于高负载水平，已经逼近区域承载力极限，在后续发展过程中应该注重协调交通与城市发展，避免出现城市过度建设、交通拥堵的情况。
本文首先基于N-P模型建立枢纽型高铁站交通与土地利用协同性评价指标体系，并引入7个二级指标对N-P模型进行扩展；
然后基于上述模型对国内9个枢纽型高铁站进行测度，评估其交通与土地利用的协同状态，并以此为依据针对性地提出规划建议。同时，本文的数据来源以及构建的评价指标体系均具备一定的可移植性，可为其他类型站点的交通与土地利用协同性评价提供参考与借鉴。
