基于兴趣点数据的公交站点布局合理度物元分析评价*

程一一 郭建华 蒋欢昕

（东南大学智能运输系统研究中心 南京 210018）

0 引 言

公交站点是城市公交系统的基础，其布局的合理程度直接影响到城市公交系统的运行效率[1]，进而影响城市各系统间的人员流通和运行[2]。因此，如何对公交站点布局合理度进行量化评价成为当前的研究热点。公交站点布局合理度能够反应公交站点是否能够均匀地覆盖城市设施，为乘客提供良好的服务，但现有研究大多将公交站点布局作为公交系统设计的组成部分，而独立的公交站点布局合理度研究较为缺乏，且公交站点评价指标受到数据来源的局限，难以深入反映公交站点与城市设施间的相互联系，导致难以有效评价现有公交站点的布局合理度。

应用兴趣点（points of interests，POI）数据建立公交站点和城市设施的相关指标是解决公交站点布局合理性评价问题的突破口。兴趣点是地理信息系统中表示地理对象的术语，通常指向学校、医院、标志性建筑等城市设施对象[3]。得益于其显著的地理特征，POI建立了城市设施与居民出行之间的桥梁，即通过POI 数据和公交站点物理位置之间的匹配，可以表征公交站点服务周围城市设施的能力，从而反映该公交站点位置的合理度。同时，在单一公交站点合理度评价的基础上，可以计算并评价公交站点网络的整体布局合理度。因此，笔者基于POI 数据，建立公交站点布局合理度评价的指标，并借鉴物元分析法建立公交站点布局合理度评价方法。

1 研究现状

公交站点布局合理度评价包含评价指标和评价方法2个方面。

对于评价指标的研究，大多数学者将公交站点作为公交的子系统考虑。Eboli等[4]以乘客满意度为主要指标对公交系统展开评价，公交站点的相关属性，如等待时间、时间可靠性和安全程度都被作为系统内的影响因素。Sam等[5]和Van等[6]直接将这些属性作为评价公交系统运行是否良好和用户满意度的指标。杨晓光等[7]还将乘客出行的体能消耗、出行心理等生理指标纳入公交系统评价体系中。除了面向乘客的服务水平指标，杨兴地等[8]引入了公交系统自身的布局合理性指标，指标包含了线网密度、站点覆盖率等。戴炳奎[9]在建立公交站点选址模型时综合考虑公交企业、乘客以及社会的3 方因素；Yeh 等[10]分别以乘客体验，企业效益和社会影响3 个指标评价公交线网。也有少部分学者将公交站点系统单独讨论。Iseki等[11]讨论了公交站点影响乘客满意度的指标，并指出等待时间和发车频率是主要指标。葛奔等[12]在建立公交站点布局优化模型时考虑了公交站点与城市用地的匹配程度，但其数据获取及处理较为复杂，实用性较低。可见，现有公交站点评价多从属于公交系统研究框架，评价数据来源局限于站点自身特性，城市设施数据应用较少。

站点与城市设施间关系已有相关研究。如李钢等[13]和刘玲等[14]通过POI 数据评价物流站点布设的合理程度。李江苏等[15]则通过POI数据评价城市用地分布的合理度。由此可见，POI 与城市用地和居民出行有着密不可分地联系[3，16]，但POI在公交站点评价方面的应用较少。杨颖等[17]在评价公交可达性时引入了住宅POI。LI等[18]均分析了公交站点的服务区域对POI的覆盖程度。翁小雄等[19]等依据公交站点与POI 的距离，建立了公交站点的生活服务指数。韩昊英等[20]使用公交刷卡数据来识别POI。总结可得，由于POI与城市设施的密切联系，可以使用该数据构造公交站点布局合理度指标，解决公交站点系统评价指标选取的局限性。

在评价方法方面的研究则相对充分。针对定量指标，Eboli 等[4]应用回归分析法分析了影响乘客满意度的多个指标。郭秀珍等[21]和杨兴地等[8]使用模糊评价法分别对公交系统的服务水平和布局和理性进行评价。Manigrasso 等[22]使用专设模型评价了单一的空气污染指标。Yeh 等[10]使用模糊多准则分析法分析其中的可选指标。针对定性指标，当前研究多使用调查法，如Iseki 等[11]使用该法调研乘客对公交运营各阶段的感受。但该方法主观性过强[23-24]，仅适合作为某些问题的预研究。物元分析法是1种将客观实体转化为物元的分析方法，可用于多种系统的决策和评估，是1种应用场景较为广泛的方法[25]。目前已有很多研究将其应用于公交系统评价中。胡启洲等[23]和He等[26]将该方法应用于多指标下的公交线网等级评价。Yang等[27]和戢晓峰等[28]使用该法评价了公交系统的不同发展环节，从而协助研究人员确定其发展重点。

综上所述，评价方法的研究已较为完善，但评价指标忽视了站点与城市其他设施的结合程度，从而欠缺了评价的合理性，仍有改善的空间。

1）指标设定只关注乘客体验1个维度，如站点等待时间，准点率等[4，7，11-15]。

2）由于已有研究在数据采集上的限制，使得空间布局方面的指标只能关注诸如站点覆盖面积、覆盖比例、站间距等特性[7-8]。

3）现有研究已逐渐注意到了站点与城市空间联系程度的重要性[12]，但研究尚不深入，亦缺乏相应的指标。

POI 数据由于和城市设施及居民出行联系紧密，可用于评价指标构造，从而帮助评价公交站点布局的合理性。

2 公交站点布局合理度评价方法

2.1 方法整体流程

所提出的公交站点布局合理度评价方法包括5步：①基于POI数据的站点布局合理度指标选取；②各指标权重的确定；③站点物元分析参数的设置；④单一站点布局合理度评分的计算；⑤站点网布局合理度的评分计算。方法流程图见图1。

图1 方法流程图Fig.1 Flowchart of methodology

根据图1，首先，基于POI 数据确定并计算公交站点布局合理度指标。其次，针对各指标，使用层次分析法（analytic hierarchy process,AHP）计算各指标权重。再次，借鉴物元分析思路，设置站点性能域、站点性能分值和站点分值性能矩阵等物元分析参数。然后，应用物元分析法，计算站点分值关联度及综合关联度，并查得站点分值。最后，在确定所有站点分值后，得到公交站点网络的整体布局合理度。

2.2 基于POI数据的评价指标选取

正如研究现状中的结论，已有的站点布局合理度指标是有其局限性的，大多研究仅使用了城市中站点的覆盖面积、覆盖比例、站间距等特性作为指标。而实际中，站点的服务更多是由在其所覆盖区域内的各项城市设施体现的，如商城附近的公交站点为城市居民提供了购物服务的一部分，写字楼、学校附近的站点为城市居民提供了上班和上学服务的一部分。因此，现有的站点布局合理度指标不能很好的体现站点的作为服务“联结”的作用，相应地，评价结果也是不够充分和准确的。

为破解现有指标设定的局限，新类型的数据和相应的新指标是十分必要的。随着数据采集手段的日益丰富，POI 数据的应用范围也逐渐广泛。由于POI 数据具有鲜明的空间属性和代替属性（代替其对应的地理对象），使用站点覆盖范围内的POI设定布局合理度评价指标，有助于揭示站点与城市设施的联系程度。因此，本文针对每1个站点，以公交站点为圆心做园作为站点的服务范围[18-19]，通过分析站点服务范围内的POI的数量、距离和流量，可得到3个布局合理度指标，说明如下。

1）数量指标。数量指标是指在公交站点服务范围内的POI 数量。服务范围内POI 数多，则表明该站点的位置是合适的，否则，说明该站点服务周边设施的能力较弱。

2）距离指标。距离指标是指公交站点服务半径内所有POI距离站点的平均距离。如果平均距离很小，说明该站点与其服务范围内的各POI距离较近，方便乘客在站点与POI之间往来，证明了该站点位置合适。相反，则说明该站点服务居民出行能力较弱。

3）流量指标。流量指标是指公交站点服务半径内的所有POI所共同产生的客流量。对于单个站点，该流量大说明站点设置合理。

需要指出，在指标计算基础上，为评价指标优劣，还需确定各指标的最优阈值。一般而言，指标值可直接反映指标的优劣，然而，在实际工作中，当某一指标达到设定阈值后，如平均距离小于0.4 km，就可认为该指标达到了最优。

2.3 指标权重确定

为统筹考虑现有指标，首先需要明确各指标在布局合理中的重要程度，即计算指标的权重。指标权重可从数据集本身规律得出[23]，也可使用AHP 法[8，17，24]、灰度模型[26]或熵权法[27-28]来确定。相比而言，AHP法结构简单，易于操作，可靠度高，因此本文选取AHP法。

AHP 法确定权重的原理是通过分析指标间相互的重要程度，从而判定各指标的权重。利用AHP法确定指标权重共有3步：①构造判断矩阵，该矩阵基于各指标间的重要性确定；②计算指标权重，指标权重为判断矩阵最大特征根对应的特征向量；③检验一致性。总体流程见图2，图中各POI指标以Ci表示，wi是各指标权重，i取值范围为1～n,n为指标数量。

图2 AHP法流程Fig.2 Flowchart of the AHP

由AHP法的计算过程可知，要得到合理的指标权重，就需要设定合理的初始判断矩阵。该矩阵是通过各指标与其他指标重要程度的对比确定的。在实际应用的过程中，可通过调研情况或评价需要，调整已有的3个指标以及可能存在的其他指标的互相间重要程度。

2.4 站点物元分析参数设置

参数设置目的是确定布局合理度分值值域和各分值下各指标的取值范围。根据胡启洲等[23]、游婷等[24]、Yang 等[27]和戢晓峰等[28]，物元分析应用范围广泛，效果良好，因此将参考该方法进行评价。本文参数设置工作主要包含：性能域的确定、性能分值的划分和分值性能矩阵的构建。

首先，设定性能域。性能域相当于物元分析中的节域，它是各个指标的值域。通过将各指标的取值范围定量化表达就能得到性能域矩阵，记为Rp，见式（1）。

其次，划分性能分值。性能分值就是布局合理度的分值，即物元法中的经典域。将不同的指标按性能域范围和最优阈值划分为j个性能分值，得到性能分值矩阵，记为 Rj，见式（2）。

式中：Nj为所划分的第j个评价分值；vj1，vj2，…，vjn和均为评价指标C1，C2，…，Cn在第j评价分值的取值范围。该范围可按照最优阈值进行划分。

最后，构建站点分值性能矩阵。站点分值性能即物元法中的待评价物元，通常按照站点所对应的各评价指标，将其实际值以矩阵形式进行表达，构成站点分值性能矩阵，记为R0，见式（3）。

式中：P0为站点分值性能；v10，v20，…，vn0为评价指标C1，C2，…，Cn的实际取值。

2.5 单一站点布局合理度的计算

使用物元分析法和各指标权重，即可逐次计算出各站点的分值关联度和综合关联度，并得到各站点的布局合理度。

式中：i=1,2,…,n,j为对应评分。

式中：wi为各指标权重。

最后，对待评站点的性能矩阵逐次计算各分值下的综合关联度，并进行比较，找到最大的综合关联度，则其对应的性能分值j就是待评站点的布局合理度。

2.6 站点网布局合理度计算

为了评价公交站点网络整体的布局情况，还需要计算其整体布局合理度。在计算得到单一站点的布局合理度后，通过计算所有站点评分的均值，即可得到站点网络的整体布局合理度。

3 实例分析

3.1 研究区域现状

选择江苏省徐州市丰县城区的94 个公交站点进行实例分析（见图3），以验证本文方法的有效性。该城市东北部和西南部分布有东方春城、中和龙郡、合苑小区等住宅区，中间地区集住宅、办公、教育等于一体，县政府、临府小区、丰县初中等都位于该区域。本研究将研究区域划分为核心区和非核心区，核心区为图3虚线框所圈部分。

图3 研究区域Fig.3 Study area

3.2 POI数据提取

借助高德地图API，本文提取研究区域的POI数据集作为研究样本，样本属性包括坐标、名称、位置描述等信息。所提取的POI 数据共有9 类，分别是超市、公园、商场、医院、酒店、银行、小区、学校和职能机构（包括政府机构和社会团体），具体情况见图4和表1。

图4 研究区域POIFig.4 POIs in study area

表1 丰县POI 种类分布Tab.1 Class distribution of POIs in Fengxian

3.3 基于POI数据的评价指标计算

如前文所述，指标计算需要预先确定服务范围的半径。根据城市公共交通建设的规范类文件GB/T51328—2018《城市综合交通体系规划标准》[29]的推荐，中国城市站点的服务半径应设置为0.3～0.5 km。考虑到研究区域步行路网较为丰富，笔者选取0.5 km 作为站点的服务半径。根据获取到的丰县POI数据集，针对每个站点，分别计算3类指标如下。

1）数量指标。首先计算每个POI 至各个站点的欧氏距离，再将该距离与0.5 km 相比较，得到各个站点服务范围内的POI 集合。最后，计数出POI集合内点数，将其作为该站点的POI 数量指标值。计算结果见图5，其中站点的指标值越大，则其对应的圆面积就越大。核心区站点的POI数量均值为34个，而非核心区站点的POI数量均值为2个。

2）距离指标。基于POI集合，计算集合内点与站点的平均距离，再以0.5 km 减去该平均距离，将得到的结果作为距离指标。该处理是为了保证距离指标与布局合理度正相关关系。计算结果见图6，其中核心区站点距离指标均值为0.14 km，非核心区站点距离指标均值为0.25 km，且图中站点指标值越大，对应的圆就越大。

图5 数量指标分布Fig.5 Spatial distribution of quantity indicator

图6 距离指标分布Fig.6 Spatial distribution of distance indicator

3）流量指标。首先，确定各类POI 的出行量。分别参考了李宝琼[30]对商业、办公、教育和居住类城市用地高峰时期交通量产生的统计，和常艳[31]对中国县级城市居民上学、工作、娱乐、就业等几种出行目的比例的调查数据，确定出各类POI 在工作日高峰期1 h内的出行产生量，见表2。

表2 不同POI 的出行量Tab.2 Trip volume of each POI's class

其次，基于站点服务范围内的POI集合，通过查询表2 各类POI 的出行量，求出站点服务范围内出行量之和，得到站点总出行量。

最后，根据GB/T51328—2018《城市综合交通体系规划标准》[29]，公交站点1 h 内的运量不应超过8 000人，因此，本文将总出行量上限限制为8 000 人/h。流量指标计算结果见图7，其中核心区站点的流量指标均值为3 988 人/h，非核心区站点的流量指标均值为455 人/h，同样，图中站点指标值越大，对应的圆就越大。

图7 流量指标分布Fig.7 Spatial distribution of volume indicator

从图5和图7中可以看出，数量指标和流量指标值均内高外低。核心区站点指标均值分别为非核心区站点均值的17倍和8.76倍，二者空间分布趋势相似。从图6 可发现，站点距离指标在核心区域存在连续低值路段，而在非核心区，该指标值都较高。距离指标的非核心区均值为核心区的1.76倍。

在计算完各指标值后，需确定各指标的最优阈值。本文结合实际情况和评价需求，分别将数量、距离、流量指标的最优阈值设定为30个、0.5 km和1 000 人/h，并将达到上述阈值的站点得分确定为满分。

3.4 指标权重确定

根据现有研究，企业效益[10]和乘客体验[4-6]是公交系统评价的重要指标，与流量指标联系密切，即当站点流量指标较大时，能够给公交企业带来更好的效益，并促使企业提升该站点的服务水平，为乘客带来更好的乘车体验，因此，流量指标的重要性应最大。此外，结合实际观察到县级城市步行路网密集的现状，距离指标的重要性最低。综合可得本例Mp见式（7）。

根据确定好的Mp和2.3 中AHP 法的流程，得到数量指标、距离指标和流量指标的权重分别为0.249 3，0.157 1，0.593 6。

3.5 站点物元分析参数设置

首先，设定本例的性能域Rp。数量指标的上限取现有站点中的最大值197，距离和流量指标的上限则分别取最大值0.5 km和8 000人/h，见式（8）。

其次，划分性能分值。要划分性能分值，先要设定等级数量。根据已有研究和期望的评价的精细度，本文将布局合理度分值划分为1～10 分，即j=1，2，3，…，10，以10分为最优。

然后，在确定等级数后，再以性能域和最优阈值去划分性能域。本文中，对数量和流量指标，以最优阈值和取值上限分别作为最优性能分值区间的上下限，再平均划分最优阈值之下为9个区间；距离指标则以指标的上限值为上限平均划为10个区间，性能分值矩阵 Rj见式（9）。

最后，构建站点分值性能矩阵R0。将本例中各站点的3 个指标的实际取值带入式（9）即得各站点的R0。

3.6 单一站点布局合理度计算

以财富城站为例说明单一站点的布局合理度计算。首先，构建站点分值性能矩阵R0。该站点的数量指标、距离指标和流量指标值分别为115 个，0.390 8 km，3 533 人/h，则其 R0为式（10）。

再将 R0带入式（4）和式（5），计算得到各指标的分值关联度见表3和图8。

表3 财富城站布局合理度的计算结果Tab.3 Result of Caifucheng station's Layout rationality

图8 财富城站的分值关联度Fig.8 Caifucheng station's Correlation degree of each value

最后，将各指标分值关联度带入公式6，就可计算出该站点的综合关联度，见图9。分析图9 可知，评分10对应的综合关联度值最大，因此该站点的布局合理度为10。

财富城站位于市中心，周围以商业和居住用地为主，因此除距离外的指标值都很高，得分10是合理的。

图9 站点综合关联度Fig.9 Comprehensive correlation degree of station

3.7 站点网布局合理度计算

在计算得到每一个站点的布局合理度基础上，得到所有站点的分析结果见图10，其中的虚线框所框区域是城市核心区域，其余为非核心区域。对所有站点的布局合理度进行平均后，得到该公交站点网的整体布局合理度为6.06。从图10 可以看出，站点布局合理度整体上呈由内向外逐渐下降的趋势，高评分站点主要分布在核心区，低评分站点多分布在城市非核心区域，说明公交站点整体布局良好。

图10 各站点布局合理度Fig.10 Layout rationality spatial distribution of station

3.8 布局合理度分析

站点布局合理度的空间分布状况见表4。可以看出，核心区站点共65个，其中得分为8分及以上站点49 个，占75.38%；非核心区站点共29 个，其中得分3分及以下站点23，占79.31%，说明站点布局合理度由内向外逐渐下降。

表4 布局合理度空间分布Tab.4 Spatial distribution of layout rationality

站点所服务的POI的分布见表5。从表5可见，得分较高的站点所服务的POI 种类和数量都比较高，如对得分为10 的站点而言，所服务的POI 涵盖了几乎所有的POI 类别，说明这些站点能够有效地满足城市居民出行服务需求。对比而言，得分较低的站点所服务的POI 种类和数量都很有限，特别是得分为1的站点，所服务的POI仅为超市，说明仅能满足居民基本的生活需求，而对其他的出行需求支撑不足。

综上所述，研究区域内的所有站点整体上可以为乘客和POI 间建立较好的联通服务。其中，在城市核心区的布局合理度较高，很好地提升了核心区的便民服务，能够较好地满足已建成城区的各项需求；而在城市非核心区域，仍有改善的空间。

表5 布局合理度所服务POI 的分布Tab.5 Served POI distribution of layout rationality

3.9 评价结果分析

在本例中，对于站点布局合理度，若使用已有研究的若干指标，如站点覆盖面积，不能关注站点作为“联结”城市各服务的性能。由于服务范围的重叠，在核心区的站点服务总面积约为18.66 km2，非核心区约为13.35 km2，核心区仅为非核心区的1.40 倍。根据该指标，评价结果表明在非核心区站点的布局更为合理。

采用本文的布局合理度，核心区站点布局合理度平均为7.49分，非核心区平均为2分，核心区为非核心区的3.75倍。根据3.2节的数据可知，POI在核心区的数量是非核心区的3.32。再结合图4 和10，城市的各主要服务设施均在核心区分布更丰富。因此，本研究所设计的指标与方法较好地弥补了现有指标的不足，修正并提升了站点布局合理度评价的合理性。这证明了本研究所设计方法的可行性。

4 结束语

为了让公交站点更好地辐射城市设施，服务于社会大众，需要对其布局合理度进行评价，以指导站点布局优化等工作。但当前的公交站点布局合理度评价往往从属于公交系统分析，其评价指标也难以深入反映站点与城市其他设施之间的联系，造成公交站点布局合理度评价困难。为此，本文引入兴趣点数据，以兴趣点数据的地理属性为桥梁，建立公交站点与城市设施之间的联系，提出了基于兴趣点的公交站点评价指标和计算方法，并借鉴物元分析方法，构造了针对单一公交站点的布局合理度评价方法，同时，基于单一公交站点的评价结果，给出了公交站点网络整体布局合理度的计算方法。最后，本文以徐州市丰县城区的公交站点网络为例，展示了所提出方法的有效性。

在本文工作基础上，后续将着重开展以下3 个方面的研究。

1）拓宽数据收集手段，采集更多种类的POI，以优化完善合理度评价指标。

2）深入研究基于POI 数据评价指标的最优阈值的设定，使得评价结果更加满足实际的需求。

3）进一步探索POI数据在公交管理中的作用，以期以站点系统为纽带，评价公交系统与城市系统的联系程度。