【文章编号】1002-1329 (2019)04-0070-08
【中图分类号】TU984.191
【文献标识码】A
【doi】10.11819/cpr20190410a
【作者简介】
黄 勇 (1976-),男,博士,重庆大学建筑城规学院/重庆大学山地城镇建设与新技术教育部重点实验室教授、博士生导师,本文通信作者。
万 丹 (1982-),男,重庆大学建筑城规学院硕士研究生。
冯 洁 (1990-),女,北京清华同衡规划设计研究院有限公司规划师。
【修改日期】2019-04-06
* 国家重点研发计划项目(2018YFD1100804)。
本文刊载于《》2019年第4期
精彩导读
【摘要】为挖掘山地城镇公交系统专项规划的科学原理,在城乡规划学和复杂性科学交叉领域,运用复杂网络分析原理和方法,选用重庆市主城区和成都市主城区分别为山地城镇和平原城镇对比样本,构建公交复杂网络模型,建立网络整体、局部和个体结构特征分析指标体系,揭示了公交网络在山地城镇空间形态约束下的“集聚-破碎”结构特征及其“地形阻隔”空间机理,为山地城镇公交系统专项规划与规划优化提供科学依据。
【关键词】城乡规划;山地城镇;公交系统;复杂网络
RESEARCH ON THE STRUCTURAL CHARACTERISTICS AND SPATIAL MECHANISM OF BUS NETWORK IN MOUNTAINOUS TOWNS
ABSTRACT : To explore the scientific principle of special planning of bus system in mountainous towns, complex network model of urban bus system have been constructed and evaluation index for analyzing the overall, local, and individual network structure characteristics has been set up in crossing fields of urban and rural planning and complex science, with adoption of the principle and method of complete network analysis, by selecting Chongqing and Chengdu as the comparative samples of mountainous towns and plain towns. “Agglomeration and fragmentation” structural features as well as “terrain barrier” composition mechanism of bus system complex network under the constraint of urban spatial form in mountainous area have been revealed, which provides scientific evidence for special planning and optimization of public transport system in mountainous towns.
KEYWORDS: urban and rural planning; mountainous towns; bus system; complex network
引言
城镇公交系统是重要的民生设施和基础设施,运量大、占地少、低碳节能、社会出行总成本低,是满足居民出行需求,缓解交通拥堵等城市问题的重要出路之一[1~5]。近年来,我国城镇交通建设事业迅猛发展,居民出行方式越来越多样化,但总体而言,公交系统仍然是当前城镇居民机动化出行的主要方式[4]。由站点、线路构成的公交网络物质体系,是公交系统效能发挥的基础性条件,是公交专项规划的重要研究内容之一。复杂网络方法作为一种描述自然、社会及工程技术中相互关联的理论[6],为研究现实网络系统的结构特征和作用规律提供了新的视角。众多研究者将现实交通系统抽象为复杂网络模型[7~9],开展结构特征[10~11]、可达性[12~13]、抗毁性[14~15]、动力学特征[16]等问题分析。公交网络方面,博纳(A.A.De Bona)等揭示了巴西库里蒂巴城镇公交网络具有小世界、无标度、层级性等结构特征[17],张辉(Zhang Hui)等发现北京公交网络具有较为明显的社团结构及偏大的平均换乘次数[18],孙叶然(Sun Yeran)等发现公交网络社团的地理特征在一定程度上反映了城镇的社会经济分区规律[19]等。相关研究从不同层面揭示了城镇公交网络的结构特征,为人们认识现实公交系统的内在规律提供了重要参考。
需要指出的是,现有研究往往偏重于刻画公交网络的共性拓扑结构特征,较少挖掘不同空间地理环境和城镇空间格局下网络的差异化规律,这也导致相关研究一般仅针对交通网络自身结构的统计规律和一般特征提出技术修复,而较少结合特定的空间环境和空间机理对公交网络进行适应性优化。就我国的现实情况而言,山地城镇数量约占全国城镇总量的一半。出行需求方面,地铁、轻轨、私人交通等其他方式在山地城镇的使用比例相对较低,公交出行需求相对平原城镇更高[20~21];空间影响和约束方面,山地城镇地形地貌复杂、生态环境敏感、建设用地紧张等特殊条件[21]对山地城镇公交网络的建设发展产生较大影响。因此,提炼山地城镇公交系统建设发展的特殊规律,提出针对性规划优化策略,是山地城镇公交系统规划建设事业的重要科学问题之一。本研究于城乡规划学和复杂网络分析交叉领域,分别以重庆市、成都市主城区公交系统为样本和参照,揭示公交网络在山地空间形态约束下的结构特征和空间机理,为提升山地城镇公交系统规划优化的科学性提供参考。
研究靶区
重庆市主城区地处西南山区,“多中心、组团式”的山地空间形态具备一定典型性。为凸显公交网络在不同城镇形态约束下的结构差异性,选用具有“单中心、圈层式”典型平原城镇形态的成都市主城区作为参照系予以对比研究(下文的“重庆”指“重庆市主城区”,“成都”指“成都市主城区”)(图1、表1)。
▲ 图1 研究靶区及公交站点空间分布
Fig.1 Research target area & spatial distribution of bus stations
▲ 表1 重庆、成都公交系统基本数据
Fig.1 Basic data of bus system in Chongqing and Chengdu
研究方案设计
3.1 整体技术路线
以山地城镇公交网络结构特征及空间机理研究为目标,运用复杂网络原理和方法,构建重庆和成都公交系统网络模型,提取结构关系数据,与空间数据相结合,进行拓扑结构和可视化对比研究,挖掘公交网络在山地城镇空间地理条件约束下的结构特征及空间机理,为构建适应性规划策略提供科学依据(图2)。
▲ 图2 整体技术路线
Fig.2 Technical route
3.2 复杂网络建模
从反映公交系统整体结构关系角度出发,忽略公交车辆运行方向、班次差异等条件,运用复杂网络理论,将公交系统站点作为复杂网络中的节点,将站点间直达线路关系抽象为复杂网络的边,构建公交复杂网络模型。分别从公交网络的整体结构、局部结构、个体结构三个层次建立分析指标体系:整体层次上选用平均最短路径长度和节点对距离分布2项指标,分别衡量公交网络的整体联系强度和整体联系分布;局部层次上选用“k-核”指标反映网络局部致密结构的分布规律,选用双组元指标探测网络的局部脆弱结构;个体层次上选用点度中心度、中介中心度指标,分别反映公交网络结构中居于核心地位的站点在直接可达性、中介枢纽性上的分布特征(图3)。
▲ 图3 公交网络结构特征分析指标体系
Fig.3 Indicator system of structural characteristics of bus network
计算分析过程
4.1 整体结构特征
4.1.1 整体联系强度
节点对距离指节点间实现联系最少需要经历的连线数量,网络平均最短路径长度指网络中所有节点对之间距离的平均值,反映了网络的整体联系强度。公交网络中,平均最短路径长度反映了公交网络所有站点间实现通勤的整体便利性。平均最短路径长度计算公式为:
式中,L为网络的平均最短路径长度,dij为节点i与节点j之间的距离,n为网络节点数。经计算,重庆公交网络的平均最短路径长度为3.10,成都为2.76。整体联系强度上,重庆公交网络低于成都。
4.1.2 整体联系分布
调查表明,换乘次数较少是公交乘客出行时线路选择的首要考虑因素[22]。网络中节点对距离为d时,节点间实现通勤的最少换乘次数为d-1。经计算,在网络整体联系分布中占比更高的1次换乘和2次换乘可达概率方面,重庆公交网络远低于成都 (图4)。
▲ 图4 公交网络节点对距离分布概率
Fig.4 Probability of distance distribution of node pairs in bus network
4.2 局部结构特征
4.2.1 局部致密性
“k-核”指标用于探测网络内部存在的高度致密性网络结构,“k-核”内每个节点都与其他至少k个节点直接相连。“k-核”中的k值越大,表明局部网络的稳定性越强;“k-核”所含的节点数量越多,表明局部稳定结构的规模越大。经计算,重庆、成都两地公交网络最高级别“k-核”分别为70核和69核,从各级别“k-核”规模的分布上看,两地分布规律大致相当(图5)。但从高级别“k-核”(k≥66)的空间分布上看,重庆公交网络的高度致密性结构在空间上集中于城镇中部区域,而成都公交网络的高度致密性结构在空间分布上相对分散(图6)。
▲ 图5 公交网络不同“k-核”层级节点数量累积占比
Fig.5 Cumulative ratio of “k-core” nodes in bus network
▲ 图6 公交网络高等级“k-核”站点空间分布
Fig.6 Spatial distribution of high-level “k-core” nodes in bus network
4.2.2 局部脆弱性
双组元是指由3个以上节点构成,删除内部任意单个节点后剩余节点仍然连通的最大子网络。双组元内部至少含有1个关键节点,该节点失效会导致双组元结构从网络整体中分离。因此,网络中存在的双组元结构越多,表明网络的局部脆弱性越高。经计算,重庆、成都两地公交网络都是由1个规模较大的双组元结构和多个规模较小的双组元结构构成。但两地小型双组元结构的数量存在较大差异,重庆公交网络中小型双组元结构为17个,远远多于成都公交网络中的2个。空间分布上,重庆公交网络的小型双组元结构分布较为分散,而成都公交网络的小型双组元结构都分布在城镇相对边缘区域(图7)。
▲ 图7 公交网络小型“双组元”空间分布
Fig.7 Spatial distribution of small “double components” in bus network
4.3 个体结构特征
4.3.1 直接可达性
公交网络站点可以直达的其他站点数量,是站点结构核心性的重要衡量标准之一。点度中心度指标,反映网络中与某站点直接可达的其他站点数量。经计算,得到所有节点的点度中心度并将其空间分布可视化为热力图(图8)。结果显示,重庆公交网络中直接可达性较强的核心节点在空间分布上形成不连续的岛屿状结构,且整体上分布于城镇相对中心区域;成都公交网络核心节点在空间上呈现相对连续的块状和线状分布,且整体上在城镇全域的分布较为分散。
▲ 图8 公交网络点度中心度空间分布热力图
Fig.8 Heat map of node centrality distribution in bus network
采用点度中心势指标,考察直接可达性在所有节点间的均衡性分布特征,网络的点度中心势越高,表明网络中表征节点直接可达性强度的结构权值向核心节点集聚的趋势越明显,反之则表明权重分布相对均势。点度中心势计算公式为:
式中,CAD为网络的点度中心势,CADmax为网络中所有节点点度中心度的最大值,CADi为节点i的点度中心度,n为网络中节点个数。计算得到重庆、成都两地公交网络的点度中心势分别为0.158和0.140,从直接可达性角度来看,重庆公交网络的权值集聚程度高于成都。
4.3.2 中介枢纽性
公交网络中的站点在多大程度上发挥中介枢纽作用,是站点结构核心性的另一项重要衡量标准。中介中心度指标,反映站点在多大程度上对其他站点间的相互联系起到控制作用。计算公式为:
式中,CRBi为节点i的中介中心度,gjk为节点j与节点k之间存在的最短路径数,gjk(i)为节点j与节点k之间经过节点i的最短路径数,n为网络中节点个数。经计算,得到所有节点的中介中心度并将其空间分布可视化为热力图(图9)。结果显示,与直接可达性角度考察的站点核心性情况类似,重庆公交网络中承担较高中介枢纽作用的核心站点在空间分布上呈现不连续的岛屿状结构,且整体分布于城镇相对中心区域;成都公交网络中相应的核心站点在空间分布上呈现连续的块状和线状分布,且整体上在城镇全域的分布较为分散。
▲ 图9 公交网络中介中心度空间分布热力图
Fig.9 Heat map of medium centrality distribution in bus network
采用中介中心势指标,考察中介枢纽性在所有节点间的均衡性分布特征,网络的中介中心势越高,表明网络中表征节点中介枢纽性强度的结构权值向核心节点集聚的趋势越明显,反之则表明权重分布相对均势。中介中心势计算公式为:
式中,CB为网络的中介中心势,CRBmax为网络中所有节点中介中心度的最大值,CRBi为节点i的中介中心度,n为网络中节点个数。计算得到重庆、成都两地公交网络中介中心势分别为0.034和0.030,从中介枢纽性角度来看,重庆公交网络的权值集聚程度高于成都。
结论
5.1 山地城镇公交网络“集聚-破碎”结构特征
计算结果表明,相对于平原城镇成都,重庆公交网络呈现出较为明显的“集聚-破碎”结构特征。集聚结构特征体现在结构权重集聚和空间分布集聚两方面。结构权重集聚,指网络中体现节点重要程度的结构权重值倾向于集中分布在少数核心节点上。点度中心势和中介中心势两种指标的权重均衡性考察结果都表明,重庆公交网络中站点的结构权重集聚趋势更为显著。空间分布集聚体现为整体中心集聚和局部点状集聚两方面。整体中心集聚体现在高等级“k-核”的空间分布上,重庆公交网络形成较为明显的“中心-边缘”结构,即网络结构中的核心站点相对集中于城镇中心区域(图6);局部点状集聚体现在点度中心度和中介中心度两种指标衡量下的核心节点在多个局部空间上形成较为显著的集中分布状态(图8、图9)。破碎结构特征,一是体现在重庆公交网络的整体联系强度相对较弱,同时在整体联系分布上,占比更高的1次换乘、2次换乘可达概率都较成都存在较大差距(图4);二是体现在重庆公交网络中的局部脆弱结构相对较多(图7);三是体现在个体权重的空间分布上,重庆公交网络的局部集聚结构呈现孤立的岛屿状特征,彼此间联系相对较弱(图8、图9)。
5.2 “集聚-破碎”结构特征的地形阻隔规律
将重庆公交网络结构关系与城镇空间形态叠加分析(图10),结果表明,重庆公交网络的“集聚-破碎”结构特征,与山地城镇山水“地形阻隔”的约束和引导效应重合度较高。铜锣山、明月山、长江以及嘉陵江等山脉和水系,是公交网络呈现破碎状态的主要影响因素;另一方面,公交网络在“多中心、组团式”城镇形态的引导下,形成多个点状集聚区域(图11)。山地城镇空间地理环境和城镇结构形态共同构成重庆公交网络空间机理的主要塑造因素(图12)。
▲ 图10 重庆公交网络结构结合地形分布
Fig.10 Bus network structure combined with topography in Chongqing
▲ 图11 城镇空间形态背景下重庆公交网络点度中心度热力图
Fig.11 Heat map of node centrality in bus network under urban spatial form in Chongqing
▲ 图12 重庆公交网络结构空间机理示意
Fig.12 Spatial mechanism of Chongqing bus network structure
5.3 山地公交网络的规划优化策略
通过重庆和成都公交网络的实证对比研究,刻画了山地城镇公交网络的“集聚-破碎”结构特征及其“地形阻隔”空间规律,为构建山地城镇公交网络与城镇形态之间的适应性优化策略提供了客观和量化的科学依据。
山地城镇公交网络的适应性优化策略主要分为两个方面:一方面是集聚区的“削峰”设计,如通过减少或合并公交站点或运营线路,疏解集聚程度,避免公交网络发生局部拥堵乃至崩溃,提高公交运营效率;另一方面是破碎化区域的网络增强设计,通过加密公交站点或运营线路,加强城镇外围区域公交网络结构的同时,加强地形阻隔区域的局部脆弱结构,将点状连接结构改善为网状连接结构,增强网络局部地区的稳定性和可靠性。
讨论
本研究运用复杂网络分析方法,构建山地城镇公交系统的复杂网络模型,刻画网络结构特征并挖掘其在山地城镇形态约束下的空间机理,是提升山地城镇建设规划工作科学性、响应居民公共服务现实需求的初步探索。
近年来,城镇巨系统下各类支撑子系统的物质网络结构受到广泛关注,研究的发展趋势之一,是从归纳总结不同类型网络的共性特征转向深入挖掘某类特定网络的个性信息。现实中的城镇物质网络系统都脱离不开特定的建设发展基底环境,不同程度上受到空间地理环境、城镇空间形态格局的制约和影响,体现出一定的空间相关性特征。因此,本研究的主要意义,不在于发现和归纳适用于所有山地城镇公交网络的普适性规律,而在于提示现实网络系统与空间地理环境之间的相关性特征,为发掘空间要素作用下不同类型城镇现实网络系统的特有规律提供了新的研究视角和相对简明的研究方法,为提升特定空间环境下城镇网络化系统的规划优化工作提供参考。
需要指出,本研究也存在一定局限性,比如,用于研究对照的样本数量相对较少;仅将“线”要素作为网络建模的中介要素,未对“线”要素本身展开研究。这些工作都需要在未来研究中得到弥补和加强。
参考文献
1 龙瀛,孙立君,陶遂. 基于公共交通智能卡数据的城市研究综述[J]. 学刊,2015(3): 70-77.
LONG Ying,SUN Lijun,TAO Sui. A Review of Urban Studies Based on Transit Smart Card Data[J]. Urban Planning Forum,2015(3): 70-77.
2 李苗裔,龙瀛. 中国主要城市公交站点服务范围及其空间特征评价[J]. 学刊,2015(6): 30-37.
LI Miaoyi,LONG Ying. The Coverage Ratio of Bus Stations and an Evaluation of Spatial Patterns of Major Chinese Cities[J]. Urban Planning Forum,2015(6): 30-37.
3 杨涛,陈阳. 城市公共交通优先发展的目标与指标体系研究[J]. ,2013,37(4): 57-61.
YANG Tao,CHEN Yang. Research on Targets and Indicator System of Preferential Development of Urban Public Transport[J]. City Planning Review,2013,37(4): 57-61.
4 刘贤腾. 城市交通方式竞争态势及来自生态学的理论启示[J]. 学刊,2012(5): 66-75.
LIU Xianteng. An Analysis on the Competitive Tension of Travel Modes and the Heuristic Thoughts from Ecology[J]. Urban Planning Forum,2012(5): 66-75.
5 李迅,张国华,黄坤鹏. 中国城市交通发展的绿色之路[J]. 学刊,2008(6): 51-56.
LI Xun,ZHANG Guohua,HUANG Kunpeng. The Green Way to the Development of Chinese Urban Transportation[J]. Urban Planning Forum,2008(6): 51-56.
6 刘忠华,于华,杨方廷. 基于复杂网络理论的水网节点重要性评价研究[J]. 中国科学:技术科学,2014(12): 1280-1294.
LIU Zhonghua,YU Hua,YANG Fangting. Evaluate the Node Importance for Water Network Based on Complex Network Theory[J]. Scientia Sinica (Technologica), 2014(12): 1280-1294.
7 汪涛,许乐,张继,等. 城市公交网络的拓扑结构及其演化模型研究[J]. 公路交通科技,2009,26(11): 108-112,122.
WANG Tao,XU Le,ZHANG Ji,et al. Research on Topological Structure and Evolution Model of Urban Transit Network[J]. Journal of Highway and Transportation Research and Development,2009,26(11):108-112,122.
8 陆化普,周钱,徐薇. 交通出行预测的神经网络模型[J]. 交通运输工程与信息学报,2008,6(2): 6-11.
LU Huapu,ZHOU Qian,XU Wei. A Neural Network Model for Trip Generation Forecasting[J]. Journal of Transportation Engineering and Information,2008,6(2): 6-11.
9 郑啸,陈建平,邵佳丽,等. 基于复杂网络理论的北京公交网络拓扑性质分析[J]. 物理学报,2012,61(19): 95-105.
ZHENG Xiao,CHEN Jianping,SHAO Jiali,et al. Analysis on Topological Properties of Beijing Urban Public Transit Based on Complex Network Theory[J]. Acta Physica Sinica,2012,61(19): 95-105.
10 刘宏鲲,张效莉,曹崀,等.中国城市航空网络航线连接机制分析[J].中国科学:物理学 力学 天文学,2009(7): 935-942.
LIU Hongkun,ZHANG Xiaoli,CAO Lang,et al. Analysis on the Connecting Mechanism of Chinese City Airline Network[J]. Scientia Sinica (Physica,Mechanica & Astronomica),2009(7): 935-942.
11 高自友,吴建军,毛保华,等. 交通运输网络复杂性及其相关问题的研究[J]. 交通运输系统工程与信息,2005(2): 79-84.
GAO Ziyou,WU Jianjun,MAO Baohua,et al. Study on the Complexity of Traffic Networks and Related Problems[J]. Journal of Transportation Systems Engineering and Information Technology,2005(2): 79-84.
12 李平华,陆玉麒. 可达性研究的回顾与展望[J]. 地理科学进展,2005,24(3): 69-78.
LI Pinghua,LU Yuqi. Review and Prospection of Accessibility Research[J]. Progress in Geography,2005,24(3): 69-78.
13 赵巧霞,马志强,张发. 以最小换乘次数和站数为目标的公交出行算法[J]. 计算机应用,2004,24(12): 136-137,146.
ZHAO Qiaoxia,MA Zhiqiang,ZHANG Fa. Algorithms for Public Transit Trip with Minimal Transfer Times and Stops[J]. Journal of Computer Applications,2004,24(12): 136-137,146.
14 汪涛,吴琳丽. 基于复杂网络的城市公交网络抗毁性分析[J]. 计算机应用研究,2010(11):4084-4086.
WANG Tao,WU Linli. Research on Invulnerability of Urban Transit Network Based on Complex Network[J]. Application Research of Computers,2010(11):4084-4086.
15 胡萍,范文礼. 不同攻击模式下城市公交网络抗毁性分析[J]. 计算机应用研究,2014(11):3385-3387,3391.
HU Ping,FAN Wenli. Invulnerability of Urban Transit Network Under Different Attack Modes[J]. Application Research of Computers,2014(11):3385-3387,3391.
16 郑建风,高自友. 复杂城市交通网络上的交通阻塞和流量分布特性[J]. 吉林大学学报:工学版,2009(S2):31-34.
ZHENG Jianfeng,GAO Ziyou. Congestion and Load Distribution in Complex Urban Traffic Networks[J]. Journal of Jilin University(Engineering and Technology Edition),2009(S2): 31-34.
17 DE BONA A A,FONSECA K V O,ROSA M O,et al. Analysis of Public Bus Transportation of a Brazilian City Based on the Theory of Complex Networks Using the P-Space[J/OL]. Mathematical Problems in Engineering,2016(3898762).
18 ZHANG H,ZHAO P,GAO J,et al. The Analysis of the Properties of Bus Network Topology in Beijing Basing on Complex Networks[J/OL]. Mathematical Problems in Engineering,2013(694956).
19 SUN Y,MBURU L,WANG S H. Analysis of Community Properties and Node Properties to Understand the Structure of the Bus Transport Network[J]. Physica A: Statistical Mechanics and Its Applications,2016,450: 523-530.
20 李泽新,王蓉. 山地城市道路交通环境特点及其控制对策[J]. 山地学报,2014(1): 46-51.
LI Zexin,WANG Rong. The Environment’s Characteristics and Control’s Methods of Transportation in Road for Mountain City[J]. Mountain Research,2014(1): 46-51.
21 崔叙,赵万民. 西南山地城市交通特征与规划适应对策研究[J]. 规划师,2010,26(2): 79-83.
CUI Xu,ZHAO Wanmin. Research on Traffic Characteristics and Adapting Strategy of Traffic Planning in Southwest Mountainous Cities[J]. Planners,2010,26(2): 79-83.
22 王建林. 基于换乘次数最少的城市公交网络最优路径算法[J]. 经济地理,2005(5): 673-676.
WANG Jianlin. The Public Transportation Optimum Route Algorithm Based on the Least Transfer[J]. Economic Geography,2005(5): 673-676.
欢迎在朋友圈转发,转载请在后台留言
微信改版后
好多人说不能很方便找到我了
其实把咱们“城市规划”置顶就可以啦
只需要5秒钟哟~
了解更多《》杂志信息,搜索微信号“”或识别下方二维码关注。
关注我们,精彩无限~!