第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
随着经济的快速发展和城市规模的不断扩展，我国大中城市轨道交通有了长足发展。截止 2020 年底，我国内地共有 44 个城市开通轨道交通线路 233 条，运营总里程达到7545.5km，累计完成客运量 175.9 亿人次，受新冠疫情影响，较 2019 年下降 26.4%[1]。西安市截止 2020 年底开通线路 8 条，线路长度 244.0km，153 座车站，换乘站 13 座，2020 年累计完成客运量 7.26 亿人次，较 2019 年下降 23.1%。
轨道交通以其运量大、速度快、方便可靠、安全舒适的优点，得到了大众的青睐。城市结构随着城市轨道交通线网的不断完善而发生改变，使得城市逐渐形成以站点为中心的密集区域。同时，也存在着很多问题，由于城市轨道交通与城市土地利用在规划、建设、开发过程中的不同步，缺乏整体化考虑，导致城市轨道交通在优化城市空间布局和城市结构上效果缓慢，站点与周边土地利用的不协调导致部分区域发展过于集中，出现站点客流压力大，周边交通拥堵严重、土地利用混乱等状况；部分区域又由于土地利用功能过于单一，吸引客流能力不足，交通承载力过剩，造成资源浪费。
为了协调好轨道交通与土地利用之间的关系，住建部 2015 年印发的《城市轨道沿线地区规划设计导则》（建规函〔2015〕276 号）提出应加强城市功能规划与轨道交通体系的有效衔接，限制单一功能用地大面积开发，提倡站点周边用地混合开发[2]。国务院2018 年印发的《进一步加强城市轨道交通规划建设管理的意见》（国办发〔2018〕52 号）提出站点周边土地利用应遵循集约化、统筹化原则，充分发挥轨道交通对城市的引导作用[3]。2020 年颁发的《城市轨道 TOD 综合开发项目通用技术规范》（T/CUPTA 003-2020）也鼓励多种功能混合开发，塑造 24 小时活力街区，促进公共交通引领城市集约发展，提升轨道服务效益，优化城市空间结构[4]。
.....................
1.2 国内外研究现状
1.2.1 轨道交通站点影响范围研究现状
对于轨道交通站点的影响范围、影响因素研究一直是国内外很多学者及决策者感兴趣的研究课题。Javier 通过对比欧几里得距离法和实际路网距离法计算站点影响范围，发现欧几里得距离法高估了站点影响范围[5]；Myung-Jin Jun 等对首尔市轨道交通站点影响范围内土地利用特性及其对乘客的影响进行研究，发现人口和就业密度、土地利用组合多样性和多式联运连通性都对地铁乘客产生积极影响，建议将轨道交通站点影响范围设置为 600m[6]；Jin Ki Eom 等根据刷卡数据探究了首尔市轨道交通线网不同方向影响范围的形状及大小[7]；Xin Tong 等通过 TOD 站点周边土地利用影响范围对区域环境影响的研究，发现站点影响范围与单个 TOD 站的土地利用有关[8]；Petheram S J 等研究了轨道交通影响范围与公寓出租价格之间的关系，发现 800m 范围内，能达到利益最大化[9]；Gabriel Ahlfeldt 认为交通可达性与城市住房租金价格对站点影响范围具有决定性，提出了土地利用价值模型和重力可达性指标评价体系[10]；Lin T G 通过 Huff 模型和 GIS技术推导出了轨道交通站点停车换乘影响范围的空间边界[11]；Sung H 采用空间回归分析方法对首尔市轨道交通站点影响范围与周边土地利用、站点可达性进行研究，发现500m 范围内是最适合研究客流量生成的范围，750m 范围内土地利用密度与客流量呈正比[12]；Wibowo S S 通过研究等效步行距离确定站点影响范围，等效步行距离由实际步行距离和广义步行距离组成，广义步行距离主要通过步行路线特征来确定[13]。
王淑伟在研究合理吸引范围时，引入泰森多边形，对于合理吸引范围重合有很好的解释[14]；杨京帅等在对站点合理步行区和交通区研究的基础上，结合对不同性质车站、不同接驳方式的分析，采用统计模型估算出车站吸引范围[15]；张哲宁等利用多源数据对站点影响范围进行研究，提出站点周边 800m 为直接影响范围，综合自行车及公交的接驳距离提出间接影响范围[16]；郝媛等根据可达性相等理论，发现轨道交通站点的影响范围随距离城市中心距离的增加而增加[17]；《城市轨道交通沿线地区规划设计导则》将轨道影响区域划定为 500~800m，核心影响范围为 300~500m [18]。
........................
第二章 数据处理
2.1 POI 数据处理及分析
POI（Point of Interest）被翻译为“兴趣点”，将地理空间的实体位置抽象为只有位置，没有大小的点状数据[48]。POI 数据囊括了城市几乎所有的功能设施，包括实体功能设施的位置信息、属性信息，具有结构简单、开放性好、样本量大、涵盖信息完整等优点。本文利用 python 语言通过高德地图开放 API 平台获取到 2019 年 6 月西安市 28 万条各类 POI 数据。通过对 POI 数据的分析，挖掘站点周边空间结构、土地利用特征、设施空间分布等。
2.1.1 POI 数据坐标转换
本文获取到的是 2019 年 6 月西安市高德地图 POI 数据，包括 Name 、Id 、Big Category 、Mid Category 、Sub Category 、Province Name、City Name 、District Name 、Longitude 、Latitude 、Address 等信息，Type 包括 23 个大类，261 个中类，4705 个小类，POI 数据部分字段如表 2.2 所示：
工程硕士论文怎么写
2.2 其他数据描述及处理
2.2.1 轨道交通站点进出站客流数据
截止 2020 年底，西安市相继开通二号线、一号线、三号线、四号线、机场线、五号线、六号线、九号线在内的 8 条线，共设车站 153 座，换乘站 13 座，运营里程 244.0km。
本文选取 2019 年 4 月 15 日西安市地铁公司刷卡数据，对客运量统计后，进站客流为 178.18 万人次，总客运量为 253.91 万人次，其中，二号线进站客流量最大为 93.58 万人次，一号线次之，进站客流量为 86.15 万人次，西安市轨道交通进出站客流如表 2.5 所示，西安市轨道交通进出站客流分布如图 2.14 所示：
在 Open StreetMap 网站下载西安市主城区 2019 年道路网数据如图 2.15 所示，数据包括高速公路、主干路、次干路、支路、匝道、连接路段、人行道、非机动车道、小区内部道路等[52]。由于原始数据过于冗杂，因此，对获取到的道路网进行预处理，仅保留高速公路、主干路、次干路、支路，处理后的道路网如图 2.16 所示。
本章首先划定研究区域，对 POI 数据进行坐标转换，并进行分类及特征分析，发现商业服务设施的核密度最高，点密度与距市中心距离之间具有很好的幂函数拟合效果。接着对轨道交通站点集散客流数据、路网数据、土地利用数据进行分析、处理，最后利用 ArcGIS 将多源数据进行匹配与融合，并进行可视化。
............................
第三章 土地利用混合度理论与应用研究 .......................... 22
3.1 站点周边开发影响范围研究 .................................. 22
3.1.1 POI 密度与站点距离相关性检验 ................................. 23
3.1.2 拟合回归 .................................... 30
第四章 土地利用混合度对轨道交通客流的影响 ........................ 47
4.1 概述 .................................... 47
4.2 基于土地利用混合度的站点客流直接估计模型.............................. 47
第五章 轨道交通站点周边布局优化 .................................. 70
5.1 概述 ......................................... 70
5.2 基于 DEA 的轨道交通站点与土地利用协调评价......................... 70
第五章 轨道交通站点周边布局优化
5.1 概述
我国大城市正处于从过去粗犷型发展向复合型、集约型发展转型的阶段，城市空间大尺度区域也从单一功能向混合功能融合转变，研究轨道交通站点及周边交通与土地利用之间的协调性也变得尤为重要。本章主要从轨道交通站点与土地利用的协调度进行评价，然后基于上述研究进行站点分类，然后以实例形式从各类功能设施用地、土地利用混合度的角度对站点周边布局优化并提出建议。
数据包络分析(DEA)最初是由 Charnes、Cooper 和 Rhodes 开发的非参数统计方法，用于评估一组具有多输入、多输出的决策单元(DMU)中每个成员的相对有效性，是现有效率评价模型中最为有效的方法之一[74]，具有计算简单、高效、避免主观因素影响、减少误差、不受计量单位限制、提供改善信息等优点[75-78]；可以根据结果识别出系统发展的关键因素，找出导致决策无效的原因，并加以改正。该方法近年来被引进到各个领域进行有效性分析，将其运用到轨道交通站点与周边土地利用的协调关系评价将是一个新的尝试。
采用 MaxDEA7 Ultra 软件进行 DEA 分析，它拥有众多应用广泛的数据包络分析模型，能对几乎所有 DEA 模型进行组合。
工程硕士论文参考
研究结论及展望
研究结论
本研究在对 POI 数据及其他多源数据处理、融合、分析后，对站点周边开发影响范围进行识别，构建基于 POI 数据的土地利用混合度模型，进而在不同空间、不同时期研究土地利用混合度与站点集散客流之间的关系。研究成果及结论如下：
（1）对 POI 数据及其他多源数据进行处理，提出了各类数据匹配、融合的方法。在数据支撑的基础上，提出了一种基于 POI 点密度的识别站点周边开发影响范围、核心开发影响范围的新方法，能够全面了解不同站点周边土地利用的开发程度。
（2）在深入研究国内外度量土地利用混合度方法的基础上，构建基于 POI 的土地利用混合度多样性指标和均衡性指标。对西安市四条线路开发影响范围内的 SHDI、SHEI进行研究，发现轨道交通站点的土地利用混合度呈现由市中心向外围逐渐变化的基本规律。市中心站点周边的土地利用混合度较大，用地复杂程度较高，土地利用较为成熟；市区外围的土地利用混合度有所减小，用地类型较为简单，土地利用率低。
（3）通过相关性分析发现，POI 数据在分析站点集散客流影响因素的问题上具有较好的实用性，集散客流量与总 POI 密度、道路及交通服务设施 POI 密度、科教文化服务POI 密度、商务住宅 POI 密度、休闲及生活服务 POI 密度、商业服务 POI 密度等指标具有强相关性，与行政办公 POI 密度具有中等相关性。
（4）研究了站点客流与土地利用混合度及其他影响因素之间的关系。建立了站点集散客流量与各类功能设施、土地利用混合度等影响因素之间的站点集散客流直接估计模型；从全网空间角度发现，站点集散客流量与商业服务设施用地相关性最高，与商务住宅、科教文化、行政办公设施随着距离的增加相关性增加，与土地利用混合度的相关性随着距离增加由低到高，再逐渐降低，在 600m 范围内达到最高。从时间角度发现，不同时期站点集散客流与商务住宅、商业服务的相关性较高，与土地利用混合度相关性不高，但随着时间变化，与土地利用混合度的相关性不断增加。
参考文献（略）