EN中文

地理科学进展, 2023, 42(3): 491-504 doi: 10.18306/dlkxjz.2023.03.007

研究论文

老年人地铁出行时空特征及与建成环境非线性关系——以武汉市为例

杨红,1, 申犁帆2, 胡议文1, 张远航1, 彭建东,1,*

1.武汉大学城市设计学院，武汉 430070

2.北京邮电大学经济管理学院，北京 100876

Spatial and temporal characteristics of elderly people’s metro travel behavior and its non-linear relationship with the built environment: A case study of Wuhan City

YANG Hong,1, SHEN Lifan2, HU Yiwen1, ZHANG Yuanhang1, PENG Jiandong,1,*

1. School of Urban Design, Wuhan University, Wuhan 430072, China

2. School of Economics and Management, Beijing University of Posts and Telecommunications, Beijing 100876, China

通讯作者: *彭建东(1968— )，男，江苏扬州人，教授，博士生导师，主要研究方向为城市与区域规划研究、历史遗产保护、城市交通与土地利用。E-mail: 00006709@whu.edu.cn

收稿日期: 2022-06-9   修回日期: 2022-10-9  

基金资助: 国家自然科学基金青年项目(52108056)

Received: 2022-06-9   Revised: 2022-10-9  

Fund supported: National Natural Science Foundation of China(52108056)

作者简介 About authors

杨红(1993— )，男，贵州盘州人，国家注册城乡规划师，博士生，主要研究方向为城市交通与土地利用、国土空间规划、乡村振兴。E-mail: hyangup@whu.edu.cn

摘要

人口老龄化的加剧对城市交通提出了新的挑战，提供适老化的轨道交通服务是应对人口老龄化的有效措施。现有研究强调了建成环境对居民地铁出行行为的影响，但老年人特殊的生理特征使其更易受建成环境的影响，现有研究结论是否适用于老年群体尚不清楚。论文以武汉市为例，基于轨道交通刷卡数据等多源大数据，利用机器学习中的梯度提升决策树模型，探索站域建成环境对老年人工作日及周末轨道交通出行行为的影响。研究发现：① 老年人地铁出行距离从工作日到周末呈现增长趋势，但老年人出行频率周末低于工作日；② 老年人出行时长集中在45 min以内，跨江出行较少，目的地集中于同区滨江公共服务设施完善的区域，且出行时刻与城市高峰呈现出明显的错峰出行特征；③ “建筑容积率”与“购物中心数量”是正向影响老年人轨道交通客流量最重要的变量，在工作日与周末呈现类似的趋势；④ 所有建成环境变量对老年人地铁客流展现出显著的非线性效应，当建筑容积率达到2.0、购物中心数为18个时，对老年人地铁客流吸引力最大；⑤ 与其他人群研究结论不同的是，“公交站点密度”与“土地利用混合度”对老年人轨道交通客流量的影响并不显著。研究结果可以更好地理解老年人地铁出行时空特征及建成环境的影响，对于应对人口老龄化具有十分积极的作用。

关键词： 老年人出行行为; 建成环境; 城市轨道交通; 地铁客流; 梯度提升决策树; 武汉市

Abstract

The increasing aged population poses new challenges to urban transportation, and the provision of age-friendly metro services is an effective measure to cope with population aging. Existing studies have emphasized the influence of the built environment on residents' metro travel behavior. The special physiological characteristics of the elderly make them more easily affected by the built environment, and it is unclear whether the findings of existing studies are applicable to the elderly people. Taking Wuhan City as an example, this study explored the influence of the built environment of the stations on older people's weekday and weekend metro travel behavior based on multi-source big data such as metro smart card data and using a gradient boosting decision tree model in machine learning. The results indicate that: 1) Elderly people's metro travel distance showed a significant increase from weekdays to weekends, but their travel frequency was lower on weekends than on weekdays. 2) The travel length of the elderly was concentrated within 45 minutes. The cross-river travel of elderly was less, and the destination of this group was concentrated in the areas with better public service facilities along the riverfront in the same district, and the travel time showed obvious temporal mismatch with the urban commuting peak. 3) Building floor area ratio and the number of shopping centers were the most important variables, and they showed similar trends on weekdays and weekends. 4) All built environment variables showed significant non-linear effects on elderly's ridership, with the highest effect occurring when the floor area ratio reached 2.0 and the number of shopping centers was 18. 5) Unlike other studies, the effects of density of bus stops and land use mixture on the ridership of the elderly were not significant. The results of the study can help better understand the spatiotemporal characteristics of metro travel for the elderly and the impact of the built environment, which has a very positive effect on coping with population aging.

Keywords： elderly travel behavior; built environment; metro; transit ridership; gradient boosting decision tree; Wuhan City

PDF (8481KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杨红, 申犁帆, 胡议文, 张远航, 彭建东. 老年人地铁出行时空特征及与建成环境非线性关系——以武汉市为例[J]. 地理科学进展, 2023, 42(3): 491-504 doi:10.18306/dlkxjz.2023.03.007

YANG Hong, SHEN Lifan, HU Yiwen, ZHANG Yuanhang, PENG Jiandong. Spatial and temporal characteristics of elderly people’s metro travel behavior and its non-linear relationship with the built environment: A case study of Wuhan City[J]. Progress in Geography, 2023, 42(3): 491-504 doi:10.18306/dlkxjz.2023.03.007

人口老龄化在全球普遍发生，提供适老化交通是城市可持续发展的重要保障。中国第七次人口普查数据显示，60岁及以上人口已超2.6亿，占18.7%，比第六次人口普查上升5.44%，老龄化程度进一步加深[1]。随着老年人受教育程度的提高及身体健康状况的改善，当今老年人的出行意愿比以往任何时候都要强烈[2-3]，这对城市交通提出了巨大的挑战。与欧美等国家老年人更依赖汽车出行不同，中国老年人出行更多依赖地面公交或轨道交通[4-5]。尤其是近年来，随着中国轨道交通覆盖率不断提高，加之其安全、稳定的特点，使得轨道交通对老年人的吸引力越来越强，中国各级政府也出台相应的优惠计划鼓励老年人乘坐轨道交通。但英国苏格兰和威尔士的研究表明，老年人乘坐公共交通的障碍多为建成环境，而不是出行费用[6]。因为随着身体机能的下降，建成环境对老年人的出行行为影响更为显著[7]。因此，研究建成环境对老年人轨道交通出行行为的影响对促进老年人流动尤为重要。

建成环境长期以来被认为是影响地铁出行行为的重要因素[8⇓-10]，并主要通过5D(即密度、多样性、设计、目的地可达性和与公共交通的距离)产生影响[11]。其中，密度是影响老年人地铁客流的重要因素，密度通常采用人口密度与建筑容积率来衡量。已有研究表明，人口密度与建筑容积率越高，老年人地铁出行的概率越大[12]。但值得注意的是，对老年人而言，过高的密度有可能增加老年人的不安全感，进而降低出行频率[13⇓-15]。土地利用混合度更有利于促进老年人采用地铁出行，因为土地利用混合度越高意味着公共服务设施更完善，区域吸引力更强，进而更有利于促进地铁客流[16]。但也有部分研究发现，土地利用混合度对地铁使用的影响并不显著[17]。安全、便捷、适宜步行的街区设计，对老年人采用地铁出行具有十分积极的作用[18]。已有研究表明，路网连接性越强，如地铁站点周边道路长度越长、道路交叉口密度越高，以及街道两侧有绿地、商店等设施，越有利于促进老年人乘坐地铁出行[19⇓⇓-22]。目的地可达性也是影响居民出行的重要因素，且对老年人的影响远大于青年人[7,19⇓⇓⇓-23]。现有研究通常采用到城市中心的距离来衡量区域可达性，发现到城市中心的距离对地铁客流通常呈现显著的负向影响[24]。此外，地铁站点周边商业、医疗等与老年人日常生活息息相关的公共服务设施数量对老年人地铁客流也有积极的影响[25]。到公共交通站点的距离是衡量公共交通服务水平的重要指标，现有研究通常采用轨道交通站域范围内公共交通站点密度来表示。有证据表明，地铁站点周边公交站点与线路越多，越有利于公交—地铁换乘，进而提高地铁客流[26-27]。但相比青年群体，公交—地铁换乘对老年人的出行阻碍更大，因而这一结论是否适用于老年人仍需进一步探究。地铁站点特征也会对地铁出行造成影响，有研究表明，换乘站对老年人地铁客流具有显著的正向影响[28]。此外，终点站与地铁站点的出入口数量对地铁客流也会造成影响[20,29]。但总体而言，现有研究的因变量多为站点客流量或高峰时段的客流量，较少分析不同人群属性之间的差异[30]。考虑到老年人与其他群体身体特征的差异，现有研究结论是否适用于老年人群体需要更进一步的研究。

此外，在已有建成环境对地铁出行行为的研究中，通常假定两者之间存在线性或广义线性关系，常采用最小二乘法、地理加权回归或泊松回归等模型进行分析[20,31⇓-33]。但近年来人工智能、机器学习以及由机器学习衍生的深度学习技术开始应用于城市问题研究中。一些建成环境与地铁出行行为的研究采用机器学习算法中的梯度提升树(gradient boosting decision trees，GBDT)模型进行研究，发现站域建成环境对轨道交通客流量的影响普遍存在复杂的非线性效应[30,34]。利用GBDT模型在华盛顿的研究发现，几乎所有建成环境要素与地铁客流均呈现出显著的非线性效应[19]。例如土地利用混合度只有在0.5~0.6之间，才会对地铁客流具有显著的促进作用，站域交叉口密度也只有在10~18个的范围内才对地铁客流具有积极效应。基于深圳、南京、成都等地的研究也存在类似的情况[25,30,35]。这些建成环境的非线性效应，对优化站点周边建成环境以及确定土地利用的有效影响范围提供了有效的依据。此外，GBDT模型还可以确定自变量的相对重要性。基于深圳的研究表明，地铁站点中介中心性、就业人口密度与商业建筑面积是对地铁站点客流影响最显著的3个要素[35]。确定影响因素的相对重要性，这对有限资源条件下制定规划的先后顺序具有重要作用。

综上所述，国内外学者已经对建成环境与地铁出行行为进行了大量研究，并取得了丰富的研究成果，但在以下2个方面略显不足：① 现有研究多建立在对所有人群的基础上，大多忽视了不同群体之间的差异。考虑到老年人群体特殊的生理特征，他们可能具有特别的出行特征，建成环境对老年人地铁出行的影响可能也存在差异。② 在现有建成环境与地铁出行行为的研究中大多假定二者之间呈线性或对数关系，但大多数建成环境因素对居民出行行为的影响并非一成不变，而是在特定取值范围内才会产生显著作用，各建成环境因素之间的非线性影响趋势和作用强度也存在较大差异[36-37]。

基于此，本文以武汉市这一典型老龄化程度较高的城市为研究对象。基于轨道交通智能卡刷卡数据、常住人口普查数据、兴趣点(point of interest, POI)数据及土地利用数据等多源大数据，挖掘影响老年人轨道交通出行行为的关键建成环境因素和地铁站点因素，并利用机器学习中的GBDT模型，深入分析这些关键因素的非线性影响机制，以期为适老化轨道交通在微观尺度上的建设提供更有针对性的指导。

1 研究区域、方法及数据

1.1 研究区域

本文以武汉市作为研究对象(图1)。2019年，武汉市65岁以上老年人口145.62万，占总人口的11.81%，已接近迈入深度老龄化社会[38]。此外，武汉市江河纵横、湖港交织，受自然地理分割形成了“两江三镇、逐层嵌套”的城市格局，陆地受山水湖泊限制，致使出行通道狭窄。三环以内的城市核心区出行强度最大，都市发展区近年来发展迅速，出行强度迅速增长，出行强度总体呈现出沿轴线逐层减小的特征。武汉市这种独特的“窄界面、强集聚”的客流特征，决定了大容量的轨道交通在城市内很受欢迎。自2000年第一条轨道交通线开通以来，武汉市轨道交通已实现“从无到有、从单条线到网络化”的历史转变，至2019年3月，武汉市已开通运营9条线路共计189个站点(换乘站不重复计数)。参考已有研究，本文将轨道交通站点周边800 m半径的区域设定为该站点的站域影响范围[16,39⇓-41]。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究范围

Fig.1   Research area


1.2 研究方法

为能够更好地分析站域建成环境对老年人地铁出行行为的非线性影响，以及各影响因素之间的相对重要程度，本文构建了GBDT模型。相比于传统线性回归模型，GBDT不假设预测变量之间具有线性关联，可以较好地预测自变量和因变量之间任何形式的非线性关系。这种非线性关联所展现的阈值效应可以识别自变量的影响范围，进而更加准确地辅助规划实践。GBDT还可以捕捉自变量之间的相对重要性，这有助于规划者在有限条件下合理确定干预措施。此外，GBDT通过阶段性学习数据对预测变量进行权重调整，因而具有很高的预测能力[30,34]。参考已有研究[34-35,42]，假定x为一组自变量(包括地铁站点特征和站域建成环境特征)，Fx为因变量y(站点老年人客流量)的逼近函数，GBDT模型可表示为：

Fx=∑m=1Mfmx=∑m=1MαjmIx;εm

式中：参数εm表示每棵回归树Ix;εm中的分裂变量、分裂位置和叶子节点的均值等，αjm通过最小化一个指定的损失函数Ly,fx=12y-fx2估计得到。此外，Friedman[43]提出利用梯度提升算法对参数进行估计，即使用损失函数的负梯度作为提升算法中残差的相似值。具体算法公式可通过以下步骤推导[34,44]：

首先，初始化弱学习器f0x可以表示为：

f0x=argminε∑i=1189L(yi,ε)

然后，对于迭代轮数mm=1,2,⋯,M有：

1) 对每个样本ii=1,2,⋯,189计算负梯度(即残差)εim：

εim=-∂Lyi,fxi∂fxifx=fm-1x

2) 基于步骤1)得到的残差εim作为样本新的基准值，并将数据xi,εim作为下一棵树的训练数据，进而得到一棵新的回归树fmx，其所对应的叶子节点区域为Ajm。其中，jj=1,2,⋯,J为回归树的叶子节点数。

3) 对叶子区域j计算最佳拟合值εim：

εjm=argminε∑Lyi,fm-1xi+ε

4) 更新强学习器fmx：

fmx=fm-1x+∑j=1JεjmIx∈Ajm

最后，结束运算并得到最终学习器f (x)=fM (x)。

为了抑制GBDT运算过程中可能出现的过拟合问题，本文引入学习率因子ϕ0<ϕ≤1来限定每棵回归树的残差学习结果[31]：

fmx=fm-1x+ϕ∙∑j=1JεjmIx∈Ajm,0<ϕ≤1

对于每棵树都乘以学习率因子ϕ，以实现损失函数的最小化。本文采用R平台中的“gbm”包建立GBDT模型，并导出自变量的相对重要性及各个变量的依赖图。

1.3 数据来源与变量设置

本文使用的数据包括2019年3月连续一周武汉市9条地铁线路189个车站的地铁刷卡数据、2019年武汉市POI数据、2019年建筑轮廓矢量数据、2018年武汉市社区常住人口数据与2016年武汉市土地利用现状数据。武汉市地铁刷卡数据记录了持卡人的卡号、用卡性质(包含残疾人、老年人、学生卡等)、进出站点编号以及刷卡时刻等信息。65周岁及以上老年人持武汉老年卡乘坐地铁，享受每年730次免费，超过次数可享受9折优惠。本文剔除部分无效数据后，通过用卡性质共提取出1098390条老年人出行OD数据。其中，工作日共计802956条OD数据，站点平均客流为850人次；周末共计295434条，站点平均客流为782人次。

为了考察站域建成环境与老年人地铁出行行为之间的关系，本文选取了建成环境的5D——密度、多样性、设计、目的地可达性与到公共交通站点的距离[11]。密度包括常住老年人人口数量与建筑容积率；用熵指数衡量土地利用混合度；设计则通过衡量街道连接度的路网密度和交叉口密度来表示；目的地的可达性则选择了购物中心数量、餐饮设施数量、生活服务设施数量、小学和幼儿园数量、菜市场数量、老年人活动中心数量、公园广场数量与综合医院数量等与老年人日常出行相关的设施数量，还选择了衡量区域可达性的到城市中心距离及到城市副中心距离；到公共交通站点距离是衡量区域公交服务水平的指标，本文采用站域范围内公共交通站点密度来衡量公交—地铁的便捷程度。此外，本文还考虑了地铁站点特征中地铁站点开通时间、终点站、换乘站和出入口数量4个要素，其中终点站和换乘站为虚拟变量，对应非终点站和非换乘站。具体指标设置及定义见表1。

表1   变量设置及定义

Tab.1  Variables selection and description

变量名称变量定义平均数标准差
因变量
站点工作日平均客流量轨道站点工作日平均进站老年人数(人次)849.69733.82
站点周末平均客流量轨道站点周末平均进站老年人数(人次)781.57667.18
站域建成环境特征
常住老年人人口数量轨道站点站域影响范围内的老年人常住人口数(人)，由克里金插值法计算得到2136.002155.14
建筑容积率轨道站点站域影响范围内的建筑容积率0.830.67
土地利用混合度轨道站点站域影响范围内的土地利用混合度，通过熵值法计算得到0.650.20
路网密度轨道站点站域影响范围内的道路长度(km)8.332.53
交叉口密度轨道站点站域影响范围内的交叉路口数(个)19.2310.47
购物中心数量轨道站点站域影响范围内的购物中心数量(个)6.686.14
餐饮设施数量轨道站点站域影响范围内的餐饮服务设施数量(个)125.83122.05
生活服务设施数量轨道站点站域影响范围内的生活服务设施数量(个)58.8361.12
小学和幼儿园数量轨道站点站域影响范围内的小学和幼儿园数量(个)1.902.24
菜市场数量轨道站点站域影响范围内的菜市场数量(个)1.021.52
老年人活动中心数量轨道站点站域影响范围内的老年人活动中心数量(个)0.350.70
公园广场数量轨道站点站域影响范围内的公园广场数量(个)0.830.98
综合医院数量轨道站点站域影响范围内的综合医院数量(个)0.791.22
到城市中心的距离轨道站点与城市中心的直线距离(km)11.666.74
到城市次中心的距离轨道站点与最近城市次中心的直线距离(km)7.005.81
公交站点密度轨道站点站域影响范围内的地面公交站点数(个)7.475.43
地铁站点特征
站点开通时间轨道站点自开通运营至2019年3月的时间(月)77.8842.75
是否为终点站轨道站点是否为终点站(是1，否0)0.100.29
是否为换乘站轨道站点是否为换乘站(是1，否0)0.130.34
出入口数量轨道站点的出入口数(个)5.153.25

新窗口打开| 下载CSV


2 结果与分析

2.1 武汉市老年人轨道交通出行时空特征分析

2.1.1 出行距离与出行频率

通过老年人地铁出行OD数据，本文计算了老年人工作日和周末平均出行距离并与通勤人员做了对比。通勤人员的界定参考Huang等[45]对地铁通勤人员的定义，提取一周5个工作日有3天以上呈现出早上由地铁站点A到地铁站点B，晚上由地铁站点B到地铁站点A，且2次出行时间间隔大于6 h的人群，则将此类人群定义为地铁通勤人员。通过图2对比通勤人员与老年人出行距离可以发现，无论在工作日还是周末，通勤人员出行距离均高于老年人。但相比而言，老年人周末出行距离(11680 m)略高于工作日(11610 m)。这一趋势与青岛地面公交老年人出行距离的特征类似[4]。因为对老年人而言，有研究表明中国许多老年人与子女居住在一起帮忙照顾孩子[46]，因而在工作日他们的出行范围经常受到限制。在周末，由于很多孩子不上学，他们可以有更大范围的出行选择。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   工作日与周末出行距离分布

Fig.2   Travel distance distribution on weekdays and weekends


图3显示了老年人和通勤人员在工作日和周末出行频率的差异。老年人工作日与周末的平均出行频率分别为2.45次与2.36次，均高于通勤人员(工作日2.04次，周末1.93次)。老年人与通勤人员出行频率均表现为工作日高于周末，这与青岛地面公交出行频率工作日与周末的差异正好相反[4]。考虑到家庭因素，地铁周末出行频率低于工作日是合理的。因为周末很多家庭人员无需上班与上学，因而老年人与通勤人员居家陪伴家人的可能性更高。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   工作日与周末出行频率分布

Fig.3   Distribution of travel frequency on weekdays and weekends


2.1.2 出行时刻与出行时长

图4显示了老年人与通勤人员在工作日和周末出行时刻的差异，通勤人员工作日早高峰与晚高峰集中在7:00~8:30和17:00~19:00，而老年人出行早高峰集中于7:30~10:00，并主要集中在8:00~9:30，无明显的晚高峰。对比可以发现，虽然老年人与通勤人员早高峰存在一定时间的重合，但大部分老年人与通勤人员存在显著的错峰出行。在周末，老年人与通勤人员早高峰均向后推迟了半小时，但通勤人员集中于7:30~9:00，老年人更集中于9:00~10:00，错峰出行现象更为显著。从全天出行时刻分布还可以发现老年人出行特征与王安琪等[26]发现的残疾人出行时刻特征类似，更集中于白天出行，夜间出行较少，且出行时刻更为分散。出现这一现象的原因主要是由于大部分老年人已经退休，因而出行时间更为灵活，考虑安全与舒适度等因素，更集中于白天与城市高峰错峰出行。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   出行时刻分布

Fig.4   Travel time distribution


通过对比老年人与通勤人员在工作日与周末出行时长可以发现，80%以上的老年人与通勤人员出行时长集中在45 min以内(图5)，这与北京地铁出行时间特征类似[45]。老年人与通勤人员周末的平均出行时长都高于工作日，分别上涨2.05 min和0.86 min。且老年人工作日和周末的平均时长均比通勤人员长，分别高出0.78 min和1.97 min。结合老年人与通勤人员出行距离的差异可以发现，老年人工作日出行距离低于通勤人员，但出行时长却较高。这表明随着年龄的增长，老年人进出地铁站点的时间显著高于通勤人员。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   出行时长分布

Fig.5   Travel time distribution


2.1.3 出行方向

基于老年人的出行OD可以发现，无论在工作日还是周末，老年人地铁出行跨江出行相对较少，出行目的地主要分布在三环内长江两侧(图6)，为武汉市商业、医疗及公园最为集中的区域。与工作日相比，周末老年人地铁出行分布呈现出类似的趋势，但在汉口片区三环外部分站点老年人地铁客流量呈现一定程度的增加。具体来看，客流量增加的地铁站点位于汉口北批发市场、宜家等大型商场与武汉园博园等大型公园附近。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   老年人出行OD分布

Fig.6   OD distribution map of the elderly


2.2 自变量的相对重要性

表2说明了所考察的自变量在预测老年人地铁客流的相对重要性，所有自变量总的相对重要性是100%。建筑容积率是工作日和周末对老年人地铁客流影响最重要的变量，贡献度分别为26.46%和22.34%。这与现有研究结果一致，紧凑型的土地利用开发模式更有利于促进居民乘坐公共交通出行[31,47]。购物中心数量是工作日和周末对老年人地铁客流影响第二重要的自变量，这与南京对所有人群的研究结果类似[25]，其在工作日和周末贡献度分别为11.74%和16.57%。这很可能是由于在中国很多老年人经常与已婚子女一起生活，帮忙分担家务、准备家庭早晚餐等，因而购物中心对老年人地铁客流影响十分显著。生活服务设施数量是工作日第三重要的自变量，相对重要性为9.47%，但在周末相对重要性仅排名第八，相对重要性也仅为4.85%。造成这一现象可能的原因是老年人退休后无上班时间制约，可以在工作日使用服务设施，进而避开周末使用高峰期。

表2   轨道交通站域建成环境因素对老年人出行流量特征的相对重要性

Tab.2  The relative importance of built environment factors on travel flow characteristics of the elderly in URT station area

变量名称工作日平均流量周末平均流量
排序相对重要性/%排序相对重要性/%
建筑容积率126.46122.34
购物中心数量211.74216.57
生活服务设施数量39.4784.85
站点开通时间48.4847.00
是否为换乘站58.0038.37
常住老年人人口数量67.7166.01
路网密度74.5175.43
到城市中心的距离84.2756.27
餐饮设施数量94.1094.63
出入口数量103.32104.35
交叉口密度113.18113.53
小学和幼儿园数量121.88122.76
土地利用混合度131.82141.51
公交站点密度141.19131.87
老年人活动中心数量150.79200.49
公园广场数量160.77170.82
综合医院数量170.74190.51
是否为终点站180.58161.02
菜市场数量190.55180.58
到城市副中心的距离200.44151.09

新窗口打开| 下载CSV


值得注意的是，土地利用混合度、公交站点密度、公园广场数量和菜市场数量对老年人地铁客流的影响十分微弱，与先前一些研究结果并不一致[48-49]。土地利用混合度对老年人地铁客流影响较为微弱，很可能是老年人更倾向于在周边熟悉的区域活动，一定距离的土地利用混合街区对老年人的吸引力度要弱于青年群体。地铁站点周边公交站点密度越高，越有利于居民换乘，因而在以往针对其他人群的研究中公交站点密度对促进地铁客流具有显著效应[24-25]。但受生理特征限制，公交与地铁换乘对于老年群体而言需要克服更多的建成环境阻碍，进而导致公交站点密度对老年人地铁客流的影响较为微弱。公园广场数是吸引老年人出行的重要因素，这已经在很多研究中得以证实[49-50]。但多年来武汉市绿地系统、微型公共空间的建设，使得公园广场覆盖率不断提高，已逐步实现武汉市绿道系统建设规划中提出的“500 m见绿、1000 m见园、2000 m见水”的目标。因此，老年人可通过步行抵达较近的绿地，故而公园广场数对老年人轨道交通客流的影响较为微弱。与南京发现的菜市场数量对老年人出行具有显著的影响不同[15]，菜市场数量对老年人地铁出行客流的影响较低。这一现象与公园广场数量的影响类似，由于武汉市菜市场数量在居住区附近分布密度较高，老年人往往可以采用步行即可抵达，故而对地铁出行的吸引力较小。

2.3 建成环境对老年人轨道交通客流的非线性影响

通过GBDT导出的依赖图我们可以发现，几乎所有考察变量与老年人地铁客流之间均存在明显的非线性效应，并且自变量存在有效影响的阈值范围(图7)。这为有限资源条件下，制定有效的建成环境优化政策提供了更加精确的指导。根据影响老年人地铁客流的相对重要性排名，本文选取最重要的6个变量进行详细分析。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   站域建成环境对老年人地铁客流的非线性影响

Fig.7   Nonlinear influence of built environment on elderly metro ridership


(1) “建筑容积率”与老年人地铁客流呈现出正向影响，且在工作日和周末有类似的趋势。当建筑容积率从0增长到1.1时，老年人地铁客流在工作日由700人次左右缓慢上升至760人次，周末由660人次左右上升至740人次。当建筑容积率由1.1进一步增长到2.0时，老年人地铁客流在工作日激增至1380人次左右，周末激增至1220人次人左右。但当建筑容积率超过2.0以后，则不再对老年人地铁客流产生显著影响。这对应以往的一些研究结果，居住在高密度的社区有利于居民采取公共交通出行，但当居住密度较高时可能增加老年人的不安全感，进而减少出行[51]。

(2) “购物中心数量”也会对老年人客流量产生正向影响，当购物中心数量在4个以下时，对老年人地铁客流的影响十分微弱；但当购物中心数量逐渐增加到18个时，老年人地铁客流在工作日和周末分别由740人次和650人次迅速上涨至1060人次左右。当购物中心数量超过18个，则不再对老年人客流产生显著影响。这一发现与冯建喜等[10]基于2012年南京市交通居民出行行为调查数据的研究结果不同，南京的研究发现购物中心数对老年人购物出行无显著影响，老年人更倾向于街头小店购物。本文的研究发现可能在一定程度上反映了近年来中国居民出行的变化，居民出行活动不断升级，以购物、娱乐为目的的出行呈显著的增长态势[52]。

(3) “生活服务设施数量”也对老年人客流产生正向影响，但工作日的影响幅度显著高于周末。具体地，当生活服务设施数由0增长至70个左右时，老年人工作日地铁客流由750人次左右迅速上升至960人次，周末则由730人次左右上升至830人次左右。但生活服务设施数在70~105个时，对老年人地铁客流的影响较小。当生活服务设施数进一步增长至150个左右时，工作日老年人地铁客流上升至980人次左右，周末老年人地铁客流上升至860人次左右。

(4) “站点开通时间”与老年人客流量也呈现正向影响，在开通0~52个月内，对老年人地铁客流的影响较为微弱，但在开通后约53~100个月之间影响较为明显。老年人地铁客流在工作日由680人次左右上升至1000人次左右，周末由650人次上升至920人次左右。但当超过100个月，则不再对老年人地铁客流产生显著影响。可能的原因是基于安全考虑，老年人更喜欢在熟悉的场所活动，因此，在地铁站点开通初期对老年人客流量的影响相对较弱。

(5) “是否为换乘站”对老年人客流量的影响与现有研究结果相一致[20]，由于换乘站点的可达性与区位条件往往更好，换乘站点流量显著高于非换乘站点流量。具体地，换乘站点在工作日与周末均比非换乘站点高出300人次左右的客流。但相比而言，换乘站点在工作日的影响大于周末。造成这个现象的原因一方面可能是由于周末子女与孩子不用上班与上学，老年人在家陪伴孩子，因而减少了出行；另一方面，受周末换乘站点客流更高的影响，出于安全考虑，老年人可能减少了周末到这些区域的频率。

(6) “常住老年人人口数量”对老年人客流量也呈现正向影响，这进一步证实了紧凑型的土地利用开发对地铁客流的正向促进作用[35,47]。具体地，当常住老年人人口数量由0增长至6200人左右时，工作日老年人地铁客流由760人次左右上升至980人次，周末由700人次左右上升至880人次。当老年人口数量超过6200人时，则不再产生显著影响。这表明，轨道交通站域老年人居住人口数量在6200人左右，最有利于促进老年人地铁客流量。

3 结论与讨论

提供适老化的轨道交通服务是应对人口老龄化的重要举措，对促进老年人口流动、保持老年健康及社会可持续发展具有十分积极的作用。然而，当前中国轨道交通系统对于适老化的建设多集中在票价优惠和无障碍设施的标准化配置，对老年人的出行需求、出行便利度、出行舒适度等考虑不足。随着当前老年人寿命的延长、健康状况的改善及生活水平的提高，老年人的出行意愿比以往更加强烈[52]。轨道交通作为城市客运交通的骨架，对老年人出行的吸引力度不断增强。在中国人口老龄化不断加剧的背景下，如何提供安全、便捷、高效的适老化轨道交通服务，并建设与之相配套的建成环境，是新发展阶段城市可持续发展面临的重要议题。本文以武汉市为例，基于轨道交通刷卡数据，客观、全面、真实地反映老年人轨道交通出行特征，结合建成环境数据、人口普查数据等多源大数据，基于机器学习的GBDT模型，探索轨道交通站域建成环境对老年人轨道交通出行行为的非线性作用机制。主要结论如下：

第一，与通勤人员相比，老年人地铁出行频率更高、出行距离更短，出行时长集中在45 min以内，且与城市高峰存在显著的错峰出行特征。此外，老年人倾向于在白天出行，夜间出行较少，出行时刻较为分散。从出行方向来看，老年人跨江出行相对较少，滨江公共服务设施完善的区域，对老年人地铁出行吸引最大。

第二，站域建成环境与地铁站点特征在不同程度上对老年人地铁客流具有显著的影响。其中，建筑容积率是在工作日及周末对老年人轨道交通客流正向影响最为显著的变量，相对重要性分别达到26.46%与22.34%。这进一步证实了已有对其他人群研究的结果，紧凑型的开发模型更有利于促进公共交通的使用[47]。购物中心数量是排名第二重要的要素，在工作日与周末相对重要性分别达到11.74%与16.57%。此外，本文还发现生活服务设施数量、站点开通时间、是否为换乘站对老年人轨道交通客流的影响较大，但在工作日与周末存在一定差异。这些发现为有限资源条件下，规划实践者确定政策的有效干预顺序提供了参考。

第三，所有考察的变量与老年人地铁客流都显示出复杂的非线性关联及明显的阈值效应。其中，建筑容积率仅在0~2.0之间对老年人地铁客流具有显著正向影响，购物中心数也仅在0~18个对老年人地铁客流具有显著正向影响，其他变量也存在类似的趋势。结合所考察变量对老年人地铁客流的相对重要性，当地铁站点周边建筑容积率达到2.0、购物中心数为18个时，对老年人地铁客流吸引力最大。站域建成环境及地铁站点特征对老年人地铁客流的阈值效应，对确定土地利用优化的范围提供了更为准确的指导。

对上述关键建成环境因素和站点因素的非线性分析揭示了其对老年人轨道交通站点客流量的影响特征，将有助于把握适老化轨道交通政策的制定和具体实施路径，对促进适老化交通体系的建立具有十分积极的作用。但本文仍存在以下几点不足：首先，本文未纳入无障碍设施这一要素，这是由于武汉市地铁站点建设均按照相关标准设置了无障碍设施，但老年人步行至地铁站点路径的无障碍设施也是影响老年人是否选择乘坐地铁的重要因素[9]，未来应通过实地调研弥补相关缺陷；其次，居民社会经济属性特征及乘坐轨道交通的舒适度等也会对老年人轨道交通出行产生影响[53-54]，未来研究应增加这部分的问卷调查数据，通过轨道交通大数据与问卷调查小样本数据的结合，有望获得进一步的研究结论；此外，使用的截面数据虽获得了建成环境与老年人轨道交通出行的非线性影响，但无法获得两者之间的因果关系，未来研究可通过收集历年的老年人地铁出行数据，通过建立纵向设计探索建成环境对老年人地铁出行的因果关系，进而更好地指导相关政策的制定及规划实施；最后，仅关注了老年人地铁出行行为，未来应增加老年人步行、地面公交、骑行及私家车出行等多种出行方式的研究，才能更全面地反映老年人出行特征及影响机制，进而更好地在老龄化加剧的背景下辅助制定适老交通体系。

参考文献

国务院第七次全国人口普查领导小组办公室. 第七次全国人口普查普查员手册[M]. 北京: 中国统计出版社, 2020: 8-9.

[本文引用: 1]

[Office of the Leading Group of the Seventh Population Census of the State Council. Main data of the seventh national population census in 2020. Beijing, China: China Statistics Press, 2020: 8-9.]

[本文引用: 1]

van den Berg P, Kemperman A, de Kleijn B, et al.

Ageing and loneliness: The role of mobility and the built environment

[J]. Travel Behaviour and Society, 2016, 5: 48-55.

DOI:10.1016/j.tbs.2015.03.001      URL     [本文引用: 1]

Boschmann E E, Brady S A.

Travel behaviors, sustainable mobility, and transit-oriented developments: A travel counts analysis of older adults in the Denver, Colorado metropolitan area

[J]. Journal of Transport Geography, 2013, 33: 1-11.

DOI:10.1016/j.jtrangeo.2013.09.001      URL     [本文引用: 1]

Shao F J, Sui Y, Yu X, et al.

Spatio-temporal travel patterns of elderly people: A comparative study based on buses usage in Qingdao, China

[J]. Journal of Transport Geography, 2019, 76: 178-190.

DOI:10.1016/j.jtrangeo.2019.04.001      URL     [本文引用: 3]

Yang L C.

Modeling the mobility choices of older people in a transit-oriented city: Policy insights

[J]. Habitat International, 2018, 76: 10-18.

DOI:10.1016/j.habitatint.2018.05.007      URL     [本文引用: 1]

Rye T, Carreno M.

Concessionary fares and bus operator reimbursement in Scotland and Wales: No better or no worse off ?

[J]. Transport Policy, 2008, 15(4): 242-250.

DOI:10.1016/j.tranpol.2008.06.003      URL     [本文引用: 1]

Cao X J, Mokhtarian P L, Handy S L.

Neighborhood design and the accessibility of the elderly: An empirical analysis in Northern California

[J]. International Journal of Sustainable Transportation, 2010, 4(6): 347-371.

DOI:10.1080/15568310903145212      URL     [本文引用: 2]

李康康, 杨东峰.

城市建成环境如何影响老年人体力活动: 模型构建与大连实证

[J]. 人文地理, 2021, 36(5): 111-120.

[本文引用: 1]

[Li Kangkang, Yang Dongfeng.

How does the urban built environment affect the physical activities of the elderly: Model construction and Dalian demonstration

Human Geography, 2021, 36(5): 111-120.]

[本文引用: 1]

黄建中, 马煜箫, 胡刚钰.

基于健康视角的老年人出行行为研究进展

[J]. 科技导报, 2020, 38(7): 69-75.

[本文引用: 2]

[Huang Jianzhong, Ma Yuxiao, Hu Gangyu.

A review of research on travel behaviors of the elderly from a health perspective

Science & Technology Review, 2020, 38(7): 69-75.]

[本文引用: 2]

冯建喜, 杨振山.

南京市城市老年人出行行为的影响因素

[J]. 地理科学进展, 2015, 34(12): 1598-1608.

DOI:10.18306/dlkxjz.2015.12.008      [本文引用: 2]

老年人在人口比例和绝对数量上的快速增长将对整个社会产生一系列影响,其中交通出行是非常重要的一个方面。本文基于2012年南京居民出行调查数据,发现相对于年轻人,老年人的日出行次数增加,但日出行时间和日出行距离都减少,说明老年人单次出行距离较短,且主要围绕“家”形成圆形的活动空间;从出行方式构成来看,老年人以步行和公交车为主,出行目的以娱乐、休闲和购物为主。运用次序Logit及线性回归模型,在确定老年人及其家庭的基本社会经济属性之后,发现城市建成环境对老年人的出行有显著影响。其中,城市人口密度会显著增加老年人的日出行次数,但其日出行距离反而有所减少;居住在原单位小区的老人日出行次数比居住于商品房的老人多,且出行距离也较短;说明混合用地以及紧凑的发展模式有利于促进老年人的出行。距离交通基础设施越近,老年人的出行越活跃。大型购物中心对老年人的购物出行没有显著影响,老年人更倾向于在街头小店购买物品。而小区周边体育馆、博物馆等设施对老年人的吸引力则不如棋牌室和公园广场。研究结果对老年人健康生活和科学合理布局城市设施具有一定的指导意义。

[Feng Jianxi, Yang Zhenshan.

Factors influencing travel behavior of urban elderly people in Nanjing

Progress in Geography, 2015, 34(12): 1598-1608.]

DOI:10.18306/dlkxjz.2015.12.008      [本文引用: 2]

The fast increase in absolute number and proportion of elderly population has a wide range of implications for society. The ability and patterns of mobility, which is heavily influenced by built environments, is center to the quality of life of elderly. Based on the Nanjing Residents Travel Survey 2012, this study found that elderly people made more trips but with shorter travel distance and travel time per day compared with young adults. This indicated that elderly action space was, to some extent, a circle around home. Regarding the choice of means and travel purposes, elderly were more likely to walk and cycle than the young cohorts and tended to make more trips for shopping and leisure purposes. The study also observed that compact urban form could make elderly have more out-of-home trips but with shorter travel distance. Close proximity to public transport facilities was related to more trip generation for elderly. Compared with shopping malls, street stalls were found to have more profound influences on the shopping behavior of elderly. Similarly, chess rooms and parks and square seemed more attractive than gyms and museums for elderly. The results of this study are relevant for making appreciate policies to distribute various public facilities for elderly in an aging society.

Ewing R, Cervero R.

Travel and the built environment: A meta-analysis

[J]. Journal of the American Planning Association, 2010, 76(3): 265-294.

DOI:10.1080/01944361003766766      URL     [本文引用: 2]

Pettersson P, Schmöcker J D.

Active ageing in developing countries? Trip generation and tour complexity of older people in Metro Manila

[J]. Journal of Transport Geography, 2010, 18(5): 613-623.

DOI:10.1016/j.jtrangeo.2010.03.015      URL     [本文引用: 1]

Böcker L, Van Amen P, Helbich M.

Elderly travel frequencies and transport mode choices in Greater Rotterdam, the Netherlands

[J]. Transportation, 2017, 44(4): 831-852.

DOI:10.1007/s11116-016-9680-z      URL     [本文引用: 1]

刘吉祥, 肖龙珠, 王波.

建成环境对老年人活力出行的影响: 基于极端梯度提升决策树的研究

[J]. 科技导报, 2021, 39(8): 102-111.

[本文引用: 1]

[Liu Jixiang, Xiao Longzhu, Wang Bo.

Non-linear effects of the built environment on elderly's active travel: An extreme gradient boosting approach

Science & Technology Review, 2021, 39(8): 102-111.]

[本文引用: 1]

Feng J X.

The influence of built environment on travel behavior of the elderly in urban China

[J]. Transportation Research, Part D: Transport and Environment, 2017, 52: 619-633.

DOI:10.1016/j.trd.2016.11.003      URL     [本文引用: 2]

申犁帆, 王烨, 张纯, 等.

轨道站点合理步行可达范围建成环境与轨道通勤的关系研究: 以北京市44个轨道站点为例

[J]. 地理学报, 2018, 73(12): 2423-2439.

DOI:10.11821/dlxb201812011      [本文引用: 2]

轨道站点步行可达范围内建成环境因素与轨道交通通勤行为之间的关系越来越受到人们的重视。从潜在通勤者的角度出发,划定轨道站点的合理步行可达范围,以北京市44个轨道站点为例,利用大数据方法从“宜出行”程序中提取站点合理步行范围内的相对人口数据,结合2017年9月10个工作日早高峰时段的轨道站点刷卡数据得到该站点的相对乘车率。基于数据的非正态分布特征构建GARCH模型,分析早高峰站点合理步行范围内建成环境因素与站点相对乘车率的关系。结果表明：① 始发轨道站点与站点乘车率存在显著正向关系,而站点所在线路的换乘概率与站点乘车率具有非常明显的负相关性;② 轨道站点的出入口数量与乘车率显著正相关;③ 小区—站点的路径转折数和步行范围内的交叉路口数等可步行性特征对轨道交通通勤行为无显著影响,步行范围的公交车站密度与站点乘车率正相关;④ 合理步行范围内的用地混合度与乘车率存在显著的负相关性;⑤ 合理步行范围内的路网密度以及早高峰拥堵道路比与乘车率之间在不同程度上呈现正向关系;⑥ 共享单车订单数与轨道交通通勤行为之间的关系并不明确;⑦ 相比手机信令数据,“宜出行”定位数据的精度更高,适用于分析微观尺度下的实时人口分布及变化。

[Shen Lifan, Wang Ye, Zhang Chun, et al.

Relationship between built environment of rational pedestrian catchment areas and URT commuting ridership: Evidence from 44 URT stations in Beijing

Acta Geographica Sinica, 2018, 73(12): 2423-2439.]

DOI:10.11821/dlxb201812011      [本文引用: 2]

In recent years, there has been a growing interest in the relationship between built environment factors within station pedestrian catchment areas and urban rail transit (URT) commuting ridership. In this paper, the rational pedestrian catchment areas was studied from the perspective of potential commuters. Based on a case-study of 44 URT stations in Beijing, big data method was adopted to collect point data of population from 'Yichuxing', an internet application. In addition, relative values of relative riding rate were obtained by combining point data and rail transit one-card pass data during peak time within 10 working days in September 2017. In view of the abnormal distribution of data, a GARCH model was established to analyze the interactions between station relative riding rate and built environment factors within rational pedestrian catchment areas. The study results showed that (1) there is a notable positive correlation between URT relative riding rate and initial station, and negative interaction between station relative riding rate and transfer probability of station; (2) there is a strong positive relationship between relative riding rate and exit numbers of station; (3) there are no explicit relationships between conditions of station relative riding rate and walkable factors such as residential-station footpath turn times and cross numbers within rational catchment areas, whereas positive relationship was observed between station relative riding rate and bus stop density within rational pedestrian catchment areas; (4) significant negative correlation can be found between relative riding rate and land use mixture; (5) there are positive correlations among station relative riding rate and density of road network, congested road proportion in morning peak hours in varying degree; (6) there is an ambiguous and intricate relationship between bike-sharing order quantities and URT relative riding rate; (7) compared to cellular signaling data, "Yichuxing" point data showed higher accuracy and applicability in terms of the analysis of demographic distribution and micro-scale changes.

Moniruzzaman M, Páez A.

An investigation of the attributes of walkable environments from the perspective of seniors in Montreal

[J]. Journal of Transport Geography, 2016, 51: 85-96.

DOI:10.1016/j.jtrangeo.2015.12.001      URL     [本文引用: 1]

Winters M, Voss C, Ashe M C, et al.

Where do they go and how do they get there? Older adults' travel behaviour in a highly walkable environment

[J]. Social Science & Medicine, 2015, 133: 304-312.

DOI:10.1016/j.socscimed.2014.07.006      URL     [本文引用: 1]

Ding C, Cao X Y, Liu C.

How does the station-area built environment influence metrorail ridership? Using gradient boosting decision trees to identify non-linear thresholds

[J]. Journal of Transport Geography, 2019, 77: 70-78.

DOI:10.1016/j.jtrangeo.2019.04.011      URL     [本文引用: 3]

Jun M J, Choi K, Jeong J E, et al.

Land use characteristics of subway catchment areas and their influence on subway ridership in Seoul

[J]. Journal of Transport Geography, 2015, 48: 30-40.

DOI:10.1016/j.jtrangeo.2015.08.002      URL     [本文引用: 5]

Borst H C, de Vries S I, Graham J M A, et al.

Influence of environmental street characteristics on walking route choice of elderly people

[J]. Journal of Environmental Psychology, 2009, 29(4): 477-484.

DOI:10.1016/j.jenvp.2009.08.002      URL     [本文引用: 2]

El-Geneidy A, Grimsrud M, Wasfi R, et al.

New evidence on walking distances to transit stops: Identifying redundancies and gaps using variable service areas

[J]. Transportation, 2014, 41(1): 193-210.

DOI:10.1007/s11116-013-9508-z      URL     [本文引用: 2]

Rosso A L, Auchincloss A H, Michael Y L.

The urban built environment and mobility in older adults: A comprehensive review

[J]. Journal of Aging Research, 2011, 2011: 816106. doi: 10.4061/2011/816106.

[本文引用: 1]

Zhao J B, Deng W, Song Y, et al.

What influences metro station ridership in China? Insights from Nanjing

[J]. Cities, 2013, 35: 114-124.

DOI:10.1016/j.cities.2013.07.002      URL     [本文引用: 2]

Gan Z X, Yang M, Feng T, et al.

Examining the relationship between built environment and metro ridership at station-to-station level

[J]. Transportation Research, Part D: Transport and Environment, 2020, 82: 102332. doi: 10.1016/j.trd.2020.102332.

URL     [本文引用: 4]

王安琪, 彭建东, 任鹏, 等.

轨道站点周边建成环境对残疾人出行行为的影响研究: 以武汉市189个轨道站点为例

[J]. 地理科学进展, 2021, 40(7): 1127-1140.

DOI:10.18306/dlkxjz.2021.07.005      [本文引用: 2]

残疾人流动性是衡量社会公平发展的重要方面。由于特殊的身体和社会经济状况,残疾人出行行为具有更为独特的特征,也更易受建成环境影响。论文基于武汉市轨道交通智能刷卡数据,整合多源空间大数据,探索武汉市残疾人轨道交通出行时空特征,并利用地理加权回归(GWR)模型进一步探究轨道交通站点周边建成环境对轨道交通残疾人客流量影响的空间异质性。研究发现：① 地铁出行的残疾人中有29.7%具有通勤出行的特征,出行频率工作日高于休息日,且均呈现早晚错峰出行的趋势;② 15~30 min即大约5~10 km的中短距离出行最多,活动范围集中于三环线以内的主城区,且以同区出行活动最为频繁,跨江出行较少;③ 在大部分的研究范围内,公交站点密度、路网密度、大型公园密度和站点开通时间对站点残疾人客流量均具有正向影响;④ 换乘站的日均残疾人客流量明显高于非换乘站;⑤ 与以往研究结论不同的是,土地利用混合度、站点无障碍设施对站点残疾人客流量的影响并不显著。研究可为&#x0201c;残疾人友好型&#x0201d;的轨道交通站点建成环境优化和新站点土地利用布局提供数据支撑,增强城市公共服务人本化。

[Wang Anqi, Peng Jiandong, Ren Peng, et al.

Impact of the built environment of rail transit stations on the travel behavior of persons with disabilities: Taking 189 rail transit stations in Wuhan City as an example

Progress in Geography, 2021, 40(7): 1127-1140.]

DOI:10.18306/dlkxjz.2021.07.005      [本文引用: 2]

Mobility of persons with disabilities is an important aspect of equality of societies. Due to their special physical and socioeconomic conditions, the travel behavior of persons with disabilities has unique characteristics and is more susceptible to the impact of the built environment. Based on the smart card data of Wuhan rail transit, this study explored the spatial and temporal characteristics of rail transit trips of persons with disabilities in Wuhan City, and further explored the spatial heterogeneity of the impact of the built environment around rail transit stations on the passenger flow of persons with disabilities by using the geographically weighted regression (GWR) model. The findings are as follows: 1) 29.7% of the persons with disabilities who travel by subway show the characteristics of commuting, the frequency of travel on working days is higher than that on nonworking days, and they all show the trend of off-peak travel in the mornings and evenings. 2) Traveling is mostly within the short and medium distance of 15-30 minutes, and the range of activities is concentrated in the main city within the Third Ring Road, with the most frequent trips in the same area and few trips across the river. 3) In most research areas, bus stop density, road density, and large park density and opening time all have positive influence on the ridership of persons with disabilities. 4) The daily average ridership of persons with disabilities in transfer stations is significantly higher than that in non-transfer stations. 5) Different from the conclusions of previous studies, the mixed degree of land use and barrier-free facilities have no significant influence on the ridership of persons with disabilities. The result of this research can provide data support for the optimization of the built environment of disability-friendly subway stations and the land use of new stations, and enhance the people-oriented development of urban public services.

苏海龙, 王燚, 王新军, 等.

上海市轨道交通客流量的公交导向开发影响因素分析

[J]. 同济大学学报(自然科学版), 2014, 42(1): 71-77.

[本文引用: 1]

[Su Hailong, Wang Yi, Wang Xinjun, et al.

Transit-oriented development correlates of rail transit ridership in Shanghai Municipality

Journal of Tongji University (Natural Science), 2014, 42(1): 71-77.]

[本文引用: 1]

Yang H, Ruan Z H, Li W S, et al.

The impact of built environment factors on elderly people's mobility characteristics by metro system considering spatial heterogeneity

[J]. ISPRS International Journal of Geo-Information, 2022, 11(5): 315. doi: 10.3390/ijgi11050315.

URL     [本文引用: 1]

This study used metro smart-card data from Wuhan, China, and explored the impact of the built environment on the metro ridership and station travel distance of elderly people using geographically weighted regression (GWR). First, our results show that elderly ridership at transfer stations is significantly higher than that at non-transfer stations. The building floor area ratio and the number of commercial facilities positively impact elderly ridership, while the number of road intersections and general hospitals has the opposite impact, of which factors show significant heterogeneity. Second, our results show that the average travel distance of terminal stations is significantly higher than that of non-terminal stations, and the average travel distance of non-transfer stations is higher than that of transfer stations. The distance of stations from the subcenter and building volume ratio have a positive effect, while station opening time and betweenness centrality have a negative effect. Our findings may provide insights for the optimization of land use in the built environment of age-friendly metros, help in the formulation of relevant policies to enhance elderly mobility, and provide a reference for other similar cities.

Loo B P Y, Chen C, Chan E T H.

Rail-based transit-oriented development: Lessons from New York City and Hong Kong

[J]. Landscape and Urban Planning, 2010, 97(3): 202-212.

DOI:10.1016/j.landurbplan.2010.06.002      URL     [本文引用: 1]

崔叙, 喻冰洁, 杨林川, 等.

城市轨道交通出行的时空特征及影响因素非线性机制: 基于梯度提升决策树的成都实证

[J]. 经济地理, 2021, 41(7): 61-72.

[本文引用: 4]

[Cui Xu, Yu Bingjie, Yang Linchuan, et al.

Spatio-temporal characteristics and non-linear influencing factors of urban rail transit: The case of Chengdu using the gradient boosting decision tree

Economic Geography, 2021, 41(7): 61-72.]

[本文引用: 4]

Hu L Q, Sun T S, Wang L L.

Evolving urban spatial structure and commuting patterns: A case study of Beijing, China

[J]. Transportation Research, Part D: Transport and Environment, 2018, 59: 11-22.

DOI:10.1016/j.trd.2017.12.007      URL     [本文引用: 3]

Choi J, Lee Y J, Kim T, et al.

An analysis of Metro ridership at the station-to-station level in Seoul

[J]. Transportation, 2012, 39(3): 705-722.

DOI:10.1007/s11116-011-9368-3      URL     [本文引用: 1]

Gao Y J, Zhao J Y, Han L.

Exploring the spatial heterogeneity of urban heat island effect and its relationship to block morphology with the geographically weighted regression model

[J]. Sustainable Cities and Society, 2022, 76: 103431. doi: 10.1016/j.scs.2021.103431.

URL     [本文引用: 1]

Ding C, Cao X Y, Næss P.

Applying gradient boosting decision trees to examine non-linear effects of the built environment on driving distance in Oslo

[J]. Transportation Research, Part A: Policy and Practice, 2018, 110: 107-117.

DOI:10.1016/j.tra.2018.02.009      URL     [本文引用: 4]

Shao Q F, Zhang W J, Cao X Y, et al.

Threshold and moderating effects of land use on metro ridership in Shenzhen: Implications for TOD planning

[J]. Journal of Transport Geography, 2020, 89: 102878. doi: 10.1016/j.jtrangeo.2020.102878.

URL     [本文引用: 4]

Tao T, Wang J Y, Cao X Y.

Exploring the non-linear associations between spatial attributes and walking distance to transit

[J]. Journal of Transport Geography, 2020, 82: 102560. doi: 10.1016/j.jtrangeo.2019.102560.

URL     [本文引用: 1]

Zhang W J, Zhao Y, Cao X J, et al.

Nonlinear effect of accessibility on car ownership in Beijing: Pedestrian-scale neighborhood planning

[J]. Transportation Research, Part D: Transport and Environment, 2020, 86: 102445. doi: 10.1016/j.trd.2020.102445.

URL     [本文引用: 1]

武汉市统计局. 武汉市2020年统计年鉴[M]. 北京: 中国统计出版社, 2020: 32-36.

[本文引用: 1]

[Wuhan Municipal Bureau of Statistics. Wuhan City statistical yearbook 2020. Beijing, China: China Statistics Press, 2020: 32-36.]

[本文引用: 1]

任鹏, 彭建东, 杨红, 等.

武汉市轨道交通站点周边地区职住平衡与建成环境的关系研究

[J]. 地球信息科学学报, 2021, 23(7): 1231-1245.

DOI:10.12082/dqxxkx.2021.200662      [本文引用: 1]

轨道交通的快速发展提高了通勤可达性,也被认为在重构城市职住空间格局进而影响职住关系方面产生重大影响。探究城市轨道交通站点周边地区（下称轨交站点周边地区）就地职住平衡与建成环境的关系,对于通过建成环境设计促进站点尺度职住&#x0201c;微平衡&#x0201d;,调节由于轨道交通所导致的区域性职住分离意义重大。本文基于武汉市189个轨交站点刷卡数据,首先识别了轨道交通通勤人员并分析了其出行特征,进而利用逐步回归与地理加权回归模型（GWR）探究武汉市轨交站点周边地区职住平衡与建成环境的关系。结果表明：① 从整体看,武汉市向心通勤显著,且汉口片区与武昌片区之间产生较大规模的跨江通勤,跨江交通压力较大;主城区职住平衡指数优于城市近郊区,就业集聚程度呈现&#x0201c;中心-外围&#x0201d;递减趋势,居住空间围绕二环线在外围城区分布,城市整体形成&#x0201c;中心就业,外围居住&#x0201d;的职住分离格局;② 土地利用混合度、公交站点数量对轨交站点周边地区职住平衡有正向促进作用,轨交站点出入口数量则有负向作用,且各因素的影响具有明显的空间异质性;③ 非首末站的职住状况较首末站更好,而是否为换乘站则差异不大。本研究可为轨交站点周边地区就地职住平衡的形成提供参考,促进轨道交通与城市功能协调发展。

[Ren Peng, Peng Jiandong, Yang Hong, et al.

Relationship between jobs-housing balance and built environment in areas around urban rail transit stations of Wuhan

Journal of Geo-information Science, 2021, 23(7): 1231-1245.]

[本文引用: 1]

刘泉.

轨道交通TOD地区的步行尺度

[J]. 城市规划, 2019, 43(3): 88-95.

[本文引用: 1]

[Liu Quan.

Walking scale of TOD area along rail transit line

City Planning Review, 2019, 43(3): 88-95.]

[本文引用: 1]

张宁, 戴洁, 张晓军.

基于多项Logit模型的轨道交通站点步行接驳范围

[J]. 城市轨道交通研究, 2012, 15(5): 46-49.

[本文引用: 1]

[Zhang Ning, Dai Jie, Zhang Xiaojun.

Walking affect area of rail transit station based on multinomial logit model

Urban Mass Transit, 2012, 15(5): 46-49.]

[本文引用: 1]

Saha D, Alluri P, Gan A.

Prioritizing highway safety manual's crash prediction variables using boosted regression trees

[J]. Accident Analysis & Prevention, 2015, 79: 133-144.

DOI:10.1016/j.aap.2015.03.011      URL     [本文引用: 1]

Friedman J H.

Greedy function approximation: A gradient boosting machine

[J]. Annals of Statistics, 2001, 29(5): 1189-1232.

DOI:10.1214/aos/1013203450      URL     [本文引用: 1]

Zhang Y R, Haghani A.

A gradient boosting method to improve travel time prediction

[J]. Transportation Research, Part C: Emerging Technologies, 2015, 58: 308-324.

DOI:10.1016/j.trc.2015.02.019      URL     [本文引用: 1]

Huang J, Levinson D, Wang J E, et al.

Tracking job and housing dynamics with smartcard data

[J]. PNAS, 2018, 115(50): 12710-12715.

DOI:10.1073/pnas.1815928115      PMID:30455293      [本文引用: 2]

Residential locations, the jobs-housing relationship, and commuting patterns are key elements to understand urban spatial structure and how city dwellers live. Their successive interaction is important for various fields including urban planning, transport, intraurban migration studies, and social science. However, understanding of the long-term trajectories of workplace and home location, and the resulting commuting patterns, is still limited due to lack of year-to-year data tracking individual behavior. With a 7-y transit smartcard dataset, this paper traces individual trajectories of residences and workplaces. Based on in-metro travel times before and after job and/or home moves, we find that 45 min is an inflection point where the behavioral preference changes. Commuters whose travel time exceeds the point prefer to shorten commutes via moves, while others with shorter commutes tend to increase travel time for better jobs and/or residences. Moreover, we capture four mobility groups: home mover, job hopper, job-and-residence switcher, and stayer. This paper studies how these groups trade off travel time and housing expenditure with their job and housing patterns. Stayers with high job and housing stability tend to be home (apartment unit) owners subject to middle- to high-income groups. Home movers work at places similar to stayers, while they may upgrade from tenancy to ownership. Switchers increase commute time as well as housing expenditure via job and home moves, as they pay for better residences and work farther from home. Job hoppers mainly reside in the suburbs, suffer from long commutes, change jobs frequently, and are likely to be low-income migrants.Copyright © 2018 the Author(s). Published by PNAS.

Feng J X, Dijst M, Wissink B, et al.

The impacts of household structure on the travel behaviour of seniors and young parents in China

[J]. Journal of Transport Geography, 2013, 30: 117-126.

DOI:10.1016/j.jtrangeo.2013.03.008      URL     [本文引用: 1]

Su S L, Zhao C, Zhou H, et al.

Unraveling the relative contribution of TOD structural factors to metro ridership: A novel localized modeling approach with implications on spatial planning

[J]. Journal of Transport Geography, 2022, 100: 103308. doi: 10.1016/j.jtrangeo.2022.103308.

URL     [本文引用: 3]

Kim S.

Assessing mobility in an aging society: Personal and built environment factors associated with older people's subjective transportation deficiency in the US

[J]. Transportation Research, Part F: Traffic Psychology and Behaviour, 2011, 14(5): 422-429.

DOI:10.1016/j.trf.2011.04.011      URL     [本文引用: 1]

Cheng L, Caset F, De Vos J, et al.

Investigating walking accessibility to recreational amenities for elderly people in Nanjing, China

[J]. Transportation Research Part D: Transport and Environment, 2019, 76: 85-99.

DOI:10.1016/j.trd.2019.09.019      URL     [本文引用: 2]

姜玉培, 甄峰, 孙鸿鹄, 等.

健康视角下城市建成环境对老年人日常步行活动的影响研究

[J]. 地理研究, 2020, 39(3): 570-584.

DOI:10.11821/dlyj020190069      [本文引用: 1]

&#x0201C;健康老龄化&#x0201D;背景下,促进身体活动是提升老年人健康水平的重要方式,也是当前多学科交叉研究的热点。依托南京市居民身体活动调查数据,选择老年人日常生活中最普遍且有益健康的步行活动作为研究主题,探究建成环境的影响,以期为相关理论与实践提供有益探索。研究表明：① 老年人日常步行空间范围可作为步行所涉及建成环境边界,不同类型的主要活动场所则可识别建成环境要素需求差异。② 日常生活所涉及的公共开放空间、商业及公共服务设施的密集性,以及主观建成环境感知对老年人交通性/休闲性步行活动具有显著影响。③ 基于老年人日常步行活动习惯及建成环境对步行活动的影响,可从有效供给日常步行生活空间、积极引导健康生活方式方面提出相应规划策略。

[Jiang Yupei, Zhen Feng, Sun Honghu, et al.

Research on the influence of urban built environment on daily walking of older adults from a perspective of health

Geographical Research, 2020, 39(3): 570-584.]

DOI:10.11821/dlyj020190069      [本文引用: 1]

Promoting physical activity is an effective way to improve healthy level of older adults under the background of “healthy aging”. The related research of physical activity is important, and has become a hotspot between multiple disciplines at home and abroad. Thus, based on the perspective of health, this study mainly focused on walking that is very common and is beneficial to older adults’ health in daily life, and examined the influence of built environment on walking by using survey data of physical activity in Nanjing, and eventually provided useful exploration for relevant theories and practices. The results show that: (1) The range of daily walking space can be used as the basis for identifying the built environment boundary involved in walking, and the main places can be used to identify the differences in the demand of built environment elements. Specifically, a place within 1000 meters from home is the major walking space for older adults, and that within 2000 meters is also an important option. Moreover, there are significant differences in the choice and use of major destinations among older adults among different space distances. (2) The density of public open space, commercial and public service facilities involved in daily life, and the subjective perception of built environment have a significant impact on the transportation/leisure walking of older adults. The intensity of commercial and public service facilities, public space, traffic facilities, the perception of road intersection density, safety and flatness have positive or negative influences on participation or amount of transportation walking. The intensity of public space, residential density and the perception of accessibility of public space, road night lighting and flatness have positive or negative impacts on participation or amount of recreational walking. In addition, with the extension of the range of active space, the influence of subjective and objective spatial characteristics is weakened or strengthened. (3) According to the daily walking habits of older adults and the influence of urban built environment on walking, this study attempts to propose planning strategies from the aspects of providing walking space involved in daily life and promoting a healthy lifestyle.

Sun B D, Ermagun A, Dan B.

Built environmental impacts on commuting mode choice and distance: Evidence from Shanghai

[J]. Transportation Research, Part D: Transport and Environment, 2017, 52: 441-453.

DOI:10.1016/j.trd.2016.06.001      URL     [本文引用: 1]

汪光焘, 王继峰, 赵珺玲.

新时期城市交通需求演变与展望

[J]. 城市交通, 2020, 18(4): 1-10.

[本文引用: 2]

[Wang Guangtao, Wang Jifeng, Zhao Junling.

Evolution of urban travel demand in the new era.

Urban Transport of China, 2020, 18(4): 1-10.]

[本文引用: 2]

Bivina G R, Gupta A, Parida M.

Walk accessibility to metro stations: An analysis based on meso-or micro-scale built environment factors

[J]. Sustainable Cities and Society, 2020, 55: 102047. doi: 10.1016/j.scs.2020.102047.

URL     [本文引用: 1]

Zhu K L, Yin H D, Qu Y C, et al.

Group travel behavior in metro system and its relationship with house price

[J]. Physica A: Statistical Mechanics and its Applications, 2021, 573: 125957. doi: 10.1016/j.physa.2021.125957.

URL     [本文引用: 1]

/

〈 〉