基于POI信息熵的軌道交通客流影響因素分析
——以重慶地鐵一號(hào)線為例

陳雨婷，李秋婷，2，羅玲卓

(1.重慶師范大學(xué)地理與旅游學(xué)院，重慶 400000；2.江西省奉新縣第四中學(xué)，江西 宜春 330700)

1 研究背景

重慶又稱“山城”，是西南地區(qū)的超大城市之一。受四山、兩江的阻隔影響，重慶市主城區(qū)在城市空間發(fā)展過程中始終秉承“多中心，組團(tuán)式”的空間形態(tài)發(fā)展理念，從而減少山體阻礙、兩江阻隔帶來的城市發(fā)展瓶頸。受城市發(fā)展過程和發(fā)展階段的影響，不同組團(tuán)之間的經(jīng)濟(jì)、人口、公共設(shè)施配備具有較大差異，主城區(qū)人口和就業(yè)崗位主要集中于內(nèi)環(huán)以內(nèi)區(qū)域，約占主城區(qū)總體的50%左右，城市交通擁堵問題也主要集中于該區(qū)域[1]。

本文所研究的重慶軌道交通一號(hào)線，是重慶軌道交通線網(wǎng)截至目前唯一一條貫穿東西的主干線，溝通內(nèi)外環(huán)的同時(shí)，也是重慶市投入使用的第一條地鐵線路。東起朝天門站，途經(jīng)渝中區(qū)、九龍坡區(qū)、沙坪壩區(qū)、壁山區(qū)，西至璧山站，沿途穿過了中梁山隧道，勾連起重慶西站和重慶站兩大鐵路交通樞紐，是重慶西部科技城與市中極為重要的交通線路。截至2021年3月，重慶軌道交通一號(hào)線運(yùn)營里程約為45 km，共設(shè)車站25座。一號(hào)線分不同時(shí)段開通運(yùn)營，最早的是小什字至沙坪壩段，于2011年7月28日開通試運(yùn)營[3]，尖頂坡至壁山、小什字至朝天門段開通試運(yùn)營時(shí)間晚于本研究的數(shù)據(jù)采集時(shí)間，因此文中對朝天門站、壁山站不作相關(guān)分析。

隨著城市的發(fā)展，軌道交通在城市交通出行中的作用日益顯著，作為重慶市公共交通的重要組成部分，重慶市軌道交通網(wǎng)在不同組團(tuán)的勾連、促進(jìn)城市職能分配中起到了較大作用。同時(shí)，根據(jù)前人研究可知，城市軌道交通安全、運(yùn)營可靠的基本依據(jù)離不開客流分析，對網(wǎng)絡(luò)客流特征以及演變規(guī)律的精確把握可以為網(wǎng)絡(luò)客流特征分析與趨勢預(yù)警預(yù)測提供參考，因此對軌道交通的客流分析具有較大的地理意義[4]。客流數(shù)據(jù)獲取是客流分析中最為基礎(chǔ)的一環(huán)，隨著移動(dòng)互聯(lián)網(wǎng)的普及和大數(shù)據(jù)時(shí)代的優(yōu)勢，軌道交通客流量統(tǒng)計(jì)方式已不局限于較難獲得的歷史刷卡數(shù)據(jù)，還可以開發(fā)基于Wi-Fi探針的客流統(tǒng)計(jì)分析系統(tǒng)，為研究實(shí)時(shí)客流、制定科學(xué)的客運(yùn)組織方案提供可靠信息[5]。

目前，關(guān)于軌道交通客流研究的數(shù)據(jù)來源主要是依托進(jìn)出站刷卡、三大通信網(wǎng)絡(luò)的定位等歷史數(shù)據(jù)，對實(shí)地探測的客流研究寥寥無幾，且都不具備對客流進(jìn)行不同收入層次的劃分功能。此外，在進(jìn)行客流影響因素分析時(shí)更加偏好考慮站點(diǎn)可達(dá)性，以及與其他公共交通的接駁、區(qū)位優(yōu)勢、經(jīng)濟(jì)發(fā)展、人口數(shù)量等，尤其是將經(jīng)濟(jì)發(fā)展?fàn)顩r較為籠統(tǒng)地描述為GDP或商業(yè)用地面積，而沒有進(jìn)一步分析具體的各商業(yè)類別和各類別之間的聯(lián)系，忽視了多種因素共同作用下的差異性影響。

本文的創(chuàng)新之處在于所使用的軌道交通進(jìn)出站客流數(shù)據(jù)均為Wi-Fi探針實(shí)測，且根據(jù)測得的MAC地址可進(jìn)一步分析乘客收入水平，對客流有更加精確的劃分?？土饔绊懸蛩胤治鰰r(shí)采用高德地圖內(nèi)的8類典型POI數(shù)據(jù)，并引入信息熵算法系統(tǒng)地分析各POI之間的組合結(jié)構(gòu)，精細(xì)化不同POI組合結(jié)構(gòu)對客流分布產(chǎn)生的影響，進(jìn)一步對軌道交通建設(shè)提供可行性參考依據(jù)。

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

2.1.1 手機(jī)MAC地址數(shù)據(jù)

手機(jī)信令數(shù)據(jù)能夠反映輕軌實(shí)時(shí)的客流情況，并對客流具有追蹤功能。由于國內(nèi)三大運(yùn)營商的基站數(shù)據(jù)保密性強(qiáng)，獲取較為困難，通過閱讀文獻(xiàn)，經(jīng)實(shí)地測試，找到了一種符合實(shí)際且使用相對便捷的手機(jī)信令獲取方式——Wi-Fi探測技術(shù)。購買Wi-Fi探針設(shè)備以及下載搭配好的探針app，只需要短短幾秒就能夠掃描到某個(gè)范圍內(nèi)所有設(shè)備的IP地址、RSSI值(值的大小可反映Wi-Fi信號(hào)的強(qiáng)弱)，以及MAC地址(智能手機(jī)的唯一標(biāo)識(shí))[6]。Wi-Fi探針的探測原理是根據(jù)現(xiàn)有Wi-Fi技術(shù)協(xié)議規(guī)則，針對每一部開啟Wi-Fi功能的智能手機(jī)會(huì)持續(xù)發(fā)送Probe Request(探測請求幀)去尋找附近可用的無線網(wǎng)絡(luò)這一現(xiàn)象，來實(shí)現(xiàn)在一定范圍內(nèi)獲取以秒為單位上傳的手機(jī)信令數(shù)據(jù)，并且這個(gè)探測請求幀中，就包含了移動(dòng)設(shè)備的IP地址、MAC地址、RSSI值(信號(hào)強(qiáng)度值)等有價(jià)值的信息。

數(shù)據(jù)采集過程中，分別在2019年的2個(gè)工作日利用Wi-Fi探針實(shí)測采集一號(hào)線地鐵車廂內(nèi)所有用戶智能手機(jī)的Wi-Fi信號(hào)，了解設(shè)備的強(qiáng)弱程度，獲取乘客智能手機(jī)的MAC地址，并依據(jù)后臺(tái)編寫好的程序分析乘客進(jìn)出站情況以及通勤等數(shù)據(jù)。

進(jìn)一步處理收集到的MAC數(shù)據(jù)，利用MAC地址前6位識(shí)別不同的用戶，通過與全網(wǎng)MAC數(shù)據(jù)庫比對得出不同用戶使用的手機(jī)品牌，并據(jù)此分析不同用戶的收入層次，劃分依據(jù)為2018年中國各手機(jī)品牌用戶月收入分布(見圖1)的調(diào)查結(jié)果：高收入人群(10 000元以上)使用蘋果、華為手機(jī)占比較多，中收入人群(3 000～10 000元)使用OPPO、vivo、小米手機(jī)占比較多，低收入人群(3 000元以下)使用其他類手機(jī)品牌占比較多；利用RSSI數(shù)值的大小判斷用戶的大概所在范圍，剔除車廂范圍之外的無效數(shù)據(jù)。

圖1 2018年中國各手機(jī)品牌用戶月收入分布

2.1.2 高德地圖POI檢索數(shù)據(jù)

POI即Point of interest的縮寫，直譯為“興趣點(diǎn)”，是一種代表真實(shí)地理實(shí)體的點(diǎn)狀要素，作為地理空間大數(shù)據(jù)極其重要的組成部分，POI在當(dāng)今電子地圖位置搜索、定位、導(dǎo)航等功能性服務(wù)中發(fā)揮著核心作用[7]。

一般而言，在學(xué)術(shù)界POI的概念有狹義與廣義上的區(qū)分，狹義概念中的POI一般是指電子地圖中與人們生活、生產(chǎn)以及城市社會(huì)經(jīng)濟(jì)緊密相關(guān)的實(shí)體點(diǎn)要素，主要包含了區(qū)域要素中各個(gè)類型的社會(huì)經(jīng)濟(jì)部門[8]，廣義上的POI是指所有受到人們關(guān)注程度高于普通地理點(diǎn)要素的實(shí)體點(diǎn)，如博客、微信、網(wǎng)絡(luò)論壇、位置服務(wù)(LBS)中形成的位置簽到信息以及GPS軌跡和手機(jī)信令服務(wù)數(shù)據(jù)[9]。

本文主要研究的是狹義的POI，涵蓋了關(guān)于餐飲、購物、金融、公司企業(yè)、商務(wù)住宅、公共設(shè)施/生活服務(wù)、科教文化服務(wù)、住宿服務(wù)共8類地理實(shí)體興趣點(diǎn)，檢索結(jié)果包含興趣點(diǎn)名稱、經(jīng)緯度坐標(biāo)、街道地址、聯(lián)系方式等字段。檢索工具使用的是Date Map內(nèi)的POI檢索模塊，以高德地圖數(shù)據(jù)為基礎(chǔ)，設(shè)定800 m為半徑進(jìn)行地理數(shù)據(jù)檢索。這8類POI數(shù)據(jù)能夠真實(shí)地反映地鐵站周邊各類社會(huì)經(jīng)濟(jì)活動(dòng)，較好地滿足了精細(xì)化研究站點(diǎn)周圍空間布局的要求，為人們的出行決策、輕軌客流預(yù)測、軌道交通線路宏觀規(guī)劃等方面提供了細(xì)致的地理參考[10]。

2.2 研究方法

2.2.1 信息熵及其地理意義

“熵”原是一個(gè)熱力學(xué)概念[11]，本研究借用信息熵的算法對城市組成結(jié)構(gòu)進(jìn)行深入的定量分析。假設(shè)在城市一定范圍內(nèi)檢索到的POI數(shù)據(jù)總量為A，該范圍內(nèi)的所有POI根據(jù)其關(guān)鍵詞可分成N種，每個(gè)類別的個(gè)數(shù)為Ai(i=1，2，3，4，…，N)

各類POI所占規(guī)定范圍內(nèi)POI總量的比例為：

(1)

按照信息論的原理[12-13]參考Shannon-Weaner指數(shù)定義POI組合結(jié)構(gòu)的信息熵為：

H=)

(2)

信息熵H是系統(tǒng)復(fù)雜性和均衡性的測度，用來描述POI的多樣性，Pi為第i種POI類型所占的比例[14]。當(dāng)規(guī)定范圍未檢索到任何POI時(shí)，其多樣性指數(shù)為0，即Hmin=0；相反，當(dāng)規(guī)定范圍內(nèi)社會(huì)發(fā)展越繁華，各POI類型已趨于穩(wěn)定、均勻且滿足熵最大化條件(A1=A2=…=Am=A/N)時(shí)，多樣性指數(shù)為最大值Hmax=ln(N)。因此POI類別越多，各類POI的數(shù)量相差越小，熵值就越大。

2.2.2 結(jié)構(gòu)的均衡度及優(yōu)勢度

信息熵反映城市POI組合結(jié)構(gòu)的復(fù)雜程度，均衡度、優(yōu)勢度則描述城市POI之間數(shù)量差異、結(jié)構(gòu)格局[15]?；谛畔㈧毓降玫骄舛鹊谋磉_(dá)式為：

E=/ln(N)

(3)

均衡度是信息熵與最大值Hmax之間的比值，取值范圍為E∈[0，1][16]。當(dāng)E=0時(shí)城市POI組合結(jié)構(gòu)處于最不均勻狀態(tài)，當(dāng)E=1時(shí)達(dá)到理想的平衡狀態(tài)。優(yōu)勢度(D=1-E)反映區(qū)域內(nèi)一種或幾種POI支配該區(qū)域結(jié)構(gòu)的程度，與多樣性成反比。

2.2.3 數(shù)據(jù)分析方法

采用單因素方差分析法和多重比較分析法研究POI均衡度與早晚高峰時(shí)期進(jìn)出站客流之間，與高、中、低收入水平的各時(shí)期客流之間是否存在顯著性差異和具體差異的體現(xiàn)。進(jìn)行單因素方差分析之前需要判斷數(shù)據(jù)是否滿足以下3個(gè)前提條件：①數(shù)據(jù)是相互獨(dú)立的隨機(jī)樣本。②各數(shù)據(jù)樣本來自正態(tài)分布總體，判斷是否符合可以對研究的整體進(jìn)行正態(tài)性檢驗(yàn)，若不完全符合則需要采用對數(shù)、開方等函數(shù)轉(zhuǎn)換法對數(shù)據(jù)進(jìn)行正態(tài)轉(zhuǎn)換，再次檢驗(yàn)滿足正態(tài)分布，方可進(jìn)行下一步。③單因素方差分析后的輸出結(jié)果中，方差齊性檢驗(yàn)的萊文統(tǒng)計(jì)量顯著性必須大于顯著水平0.05，才算真正滿足單因素方差分析的前提條件。

下一步針對單因素方差分析結(jié)果中具有顯著性的數(shù)據(jù)進(jìn)行多重比較分析，當(dāng)LSD值檢驗(yàn)結(jié)果的顯著性(F)小于0.05時(shí)，顯著性差異比較的結(jié)果有效，若對比結(jié)果有效的2個(gè)數(shù)據(jù)所對應(yīng)的平均值差值Q(Q=I-J)始終大于零，意味著差異性I大于J，由此可以得出具體的顯著性差別。

3 早、晚高峰期進(jìn)出站客流的區(qū)位分布特征

進(jìn)出站客流是指單位時(shí)間內(nèi)軌道交通站點(diǎn)乘客的空間行為表現(xiàn)。圖2是使用Wi-Fi探針實(shí)地測得的2019年重慶市軌道交通一號(hào)線3月的一個(gè)工作日進(jìn)出站客流分布，分為早高峰 (7:30—9:30)和晚高峰(17:30—19:30)兩個(gè)時(shí)段，縱坐標(biāo)表示23個(gè)車站的實(shí)測進(jìn)、出站客流。

分析可得：早高峰時(shí)段尖頂坡站、微電園站的進(jìn)站客流量較大，出站客流量卻較少，這些站點(diǎn)主要分布于沙坪壩區(qū)的西部、中梁山西側(cè)；晚高峰時(shí)段石橋鋪站至大坪站的進(jìn)站客流量較大，出站客流量較少，該類站點(diǎn)主要分布于渝中區(qū)和九龍坡區(qū)北側(cè)。其中，小什字站、較場口站、兩路口站、沙坪壩站無論早晚高峰期的進(jìn)出站客流都相對較多，這類站點(diǎn)主要為軌道交通換乘站或者與其他公共交通的接駁站，因此客流量相對穩(wěn)定且較多，主要分布在渝中組團(tuán)、沙坪壩組團(tuán)的中心的區(qū)域，周圍分布有較大的商圈。

圖2 一號(hào)線早晚高峰進(jìn)出站客流統(tǒng)計(jì)

4 軌道交通一號(hào)線各站點(diǎn)POI熵值的城市區(qū)位分布特征

使用Date Map內(nèi)嵌的高德地圖數(shù)據(jù)，沿軌道交通一號(hào)線小什字至尖頂坡段，以800 m為半徑分別檢索23個(gè)站點(diǎn)周邊的POI數(shù)據(jù)，用上述方式計(jì)算23個(gè)站點(diǎn)的信息熵(H)、均衡度(J)和優(yōu)勢度(D)的值，如表1所示。

位于城市的不同區(qū)位的地鐵站點(diǎn)周圍，POI組合結(jié)構(gòu)的完整性和均衡性均存在明顯差異，選取信息熵和均衡度進(jìn)行線性比較分析可得(見圖3)：地鐵一號(hào)線各站點(diǎn)的信息熵值、均衡度大致呈現(xiàn)出2個(gè)峰值和2個(gè)極低值，第一個(gè)峰值由位于渝中區(qū)的小什字、兩路口、較場口站組成，位于沙坪壩區(qū)的沙坪壩站、小龍坎站組成次一級(jí)峰值。由信息熵和均衡度的含義得出峰值則意味著該站點(diǎn)周圍的POI組合結(jié)構(gòu)發(fā)展較為均衡；極低值表明POI發(fā)展相對不均衡，即賴家橋站和鵝嶺站的POI組合結(jié)構(gòu)最不均衡。結(jié)合重慶市行政規(guī)劃來看，整體上趨勢線走勢說明，隨著與重慶市中心的距離不斷增加，熵值和均衡度均呈現(xiàn)出逐漸降低的趨勢，而2個(gè)峰值站點(diǎn)所在區(qū)域均屬于區(qū)級(jí)中心位置，熵值相對較低的站點(diǎn)則基本上處于主城分區(qū)的邊緣或者過渡地帶。

原因在于：這8類POI的分布受到了人口密集程度、空間距離與經(jīng)濟(jì)發(fā)展階段等因素的制約。在站點(diǎn)不同的區(qū)位條件下，人們擁有不同的生活需求，土地供給情況的差異也影響了各類POI的布局和數(shù)量。

表1 各站點(diǎn)POI的信息熵、均衡度、優(yōu)勢度

圖3 信息熵、均衡度線性比較

5 基于信息熵、均衡度的客流影響因素分析

5.1 POI信息熵與早、晚高峰客流的單因素方差分析

采用單因素方差分析法和多重比較分析法對POI均衡度與早、晚高峰時(shí)期進(jìn)出站客流之間是否存在顯著性差異及具體差異的體現(xiàn)進(jìn)行研究。首先，將早、晚高峰的進(jìn)、出站客流以及前面所得的23個(gè)站點(diǎn)的信息熵開展正態(tài)性檢驗(yàn)：一號(hào)線早高峰進(jìn)站客流、晚高峰出站客流、晚高峰進(jìn)站客流以及各站點(diǎn)的信息熵均不符合正態(tài)分布，呈現(xiàn)不同程度的正偏移和負(fù)偏移。因此對不符合正態(tài)分布的客流數(shù)據(jù)和信息熵進(jìn)行正態(tài)轉(zhuǎn)換，經(jīng)檢驗(yàn)滿足正態(tài)分布。將4組客流數(shù)據(jù)和信息熵?cái)?shù)據(jù)分別進(jìn)行單因素方差分析，輸出結(jié)果中方差齊性檢驗(yàn)的萊文統(tǒng)計(jì)量顯著性均大于顯著水平0.05，滿足單因素方差分析的前提條件。進(jìn)一步查看4組單因素方差分析，結(jié)果如表2所示，若ANOVA顯著性小于0.01，說明POI信息熵值的大小對早、晚高峰進(jìn)出站客流具有顯著性影響。

表2 四組單因素方差分析結(jié)果

分析可得: POI信息熵值對早高峰進(jìn)站客流和晚高峰出站客流的影響是顯著性的，而對早高峰出站客流和晚高峰出站客流影響的顯著性很小。進(jìn)一步針對2組具有顯著性的數(shù)據(jù)進(jìn)行多重比較分析，當(dāng)LSD值檢驗(yàn)結(jié)果的顯著性(F)小于0.05時(shí)，顯著性差異比較的結(jié)果有效，且對應(yīng)的平均值差值Q始終大于零，意味著差異性I大于J，多重比較分析結(jié)果如表3所示。

表3 多重比較分析結(jié)果

對早、晚高峰期的所有進(jìn)出站客流而言，顯著性的差異主要體現(xiàn)在以下2個(gè)方面。

1)POI組合結(jié)構(gòu)的均衡度對尖頂坡站、大學(xué)城站、微電園站、沙坪壩站、小龍坎站、較場口站、小什字站的客流影響最為顯著，對歇臺(tái)子站、陳家橋站、馬家?guī)r站、鵝嶺站的客流影響相對不顯著。

2)通過與前文中信息熵值、客流量的數(shù)據(jù)對比可以發(fā)現(xiàn)，顯著性強(qiáng)的站點(diǎn)呈現(xiàn)兩極分化狀態(tài)：一是信息熵值越高客流也相對較多，二是信息熵值偏低客流依舊較多。這或許與城市的職住分配有關(guān)，信息熵值高的站點(diǎn)往往分布在渝中區(qū)和沙坪壩區(qū)中心地段，相對而言，地價(jià)、房價(jià)及生活成本都比較高，有一部分上班族選擇了較為偏遠(yuǎn)的外環(huán)定居，即中梁山以西的大學(xué)城片區(qū)。

5.2 POI信息熵與高、中、低收入層次客流的單因素方差分析

同理，采用單因素方差分析法對POI信息熵與高、中、低收入層次客流之間是否存在顯著性差異進(jìn)行研究。分別將高、中、低收入層次客流不符合正態(tài)分布的數(shù)據(jù)進(jìn)行相應(yīng)的正態(tài)轉(zhuǎn)換，最后得出符合正態(tài)分布的3組數(shù)據(jù)。單因素方差分析輸出結(jié)果中方差齊性檢驗(yàn)的萊文統(tǒng)計(jì)量的顯著性大于顯著水平0.05，滿足單因素方差分析的前提條件。進(jìn)一步查看3組單因素方差分析，結(jié)果如表4所示。

表4 三組單因素方差分析結(jié)果

分析可得:高、低收入層次的顯著性均小于0.01說明POI信息熵值對高收入層次客流和低收入層次客流的影響存在顯著性，進(jìn)一步針對高收入客流和低收入客流2組數(shù)據(jù)進(jìn)行多重比較分析，當(dāng)LSD值檢驗(yàn)結(jié)果的顯著性(F)小于0.05 h，顯著性差異比較的結(jié)果有效，且對應(yīng)的平均值差值Q始終大于零，意味著差異性I大于J，多重比較分析結(jié)果如表5所示。

高、低收入層次的早晚進(jìn)出站客流受到POI組合結(jié)構(gòu)影響較為顯著的共同站點(diǎn)有尖頂坡站、大學(xué)城站、沙坪壩站、大坪站、兩路口站、小什字站，其中兩路口站、沙坪壩站、小什字站屬于大型商圈聚集地也是換乘站，大坪站位于商圈附近，這3類站點(diǎn)附近的8類POI組合而形成集商業(yè)、居住、辦公為一體的大都市圈可以提供大量的就業(yè)崗位和質(zhì)量優(yōu)越的生活服務(wù)，對高、低收入層次的客流都具有較大吸引力；而尖頂坡和小什字站不僅位于城市近郊區(qū)，發(fā)展歷史過程中地價(jià)、房價(jià)均不高于核心地區(qū)，屬于低收入人群的考慮范疇，而且毗鄰多所高校，且近年來有重慶市西部科學(xué)城的發(fā)展規(guī)劃，加上遠(yuǎn)郊區(qū)城市化發(fā)展時(shí)間不長，生態(tài)環(huán)境比早期發(fā)展起來的老城區(qū)好得多，因此這片地區(qū)對高新技術(shù)人才和高知人群具有一定的吸引力，這部分人往往都擁有較高的收入。

表5 多重比較分析結(jié)果

6 結(jié)語

重慶市軌道交通一號(hào)線作為第一條投入使用的貫通東西的地鐵，很好地緩解了交通壓力，對主城區(qū)西部地區(qū)城市化發(fā)展也有著較大的促進(jìn)作用，首尾勾連西部近郊區(qū)和渝中區(qū)的布局使得整體客流呈現(xiàn)明顯的住郊區(qū)在市中心上班的通勤模式。除區(qū)位優(yōu)劣以外，地鐵乘客的分流也受到站點(diǎn)周圍配套設(shè)施的影響，利用信息熵算法得出站點(diǎn)POI組合結(jié)構(gòu)的均衡度、優(yōu)勢度等信息，可以很好地衡量和分析研究范圍內(nèi)的商業(yè)、房產(chǎn)、生活服務(wù)等方面的發(fā)展現(xiàn)狀，通過分析其與客流的相關(guān)性、顯著性差異，精細(xì)化POI組合結(jié)構(gòu)的影響程度，并據(jù)此對城市用地分配、商業(yè)發(fā)展、生活服務(wù)配套等作出一定的前瞻性規(guī)劃，利用好不同POI組合結(jié)構(gòu)對各類客流的吸引力程度，促進(jìn)城市軌道交通站點(diǎn)的建設(shè)，使地鐵更好地服務(wù)于人們的生活。