城市轨道交通站点地区土地利用与交通协同性评价

Synergy Evaluation of Land Utilization and Traffic in Urban Rail Transit Station Areas

摘要

为实现城市轨道交通与土地利用的高质量一体化发展，基于节点-场所模型，纳入功能指标，构建城市轨道交通站点地区土地利用与交通协调性评价指标体系，以评估站点地区轨道交通与土地利用的协调关系。在青岛市的实证研究中，以扩展模型3项价值得分为输入，采用层次K-Means聚类法将轨道交通站点划分为5类：从属型、场所滞后型、平衡发展型、节点滞后型和压力型。其中压力型和节点滞后型在各项指标上均表现出较高水平，主要分布在核心城区，但节点滞后型的节点价值低于平均水平；平衡发展型站点的指标价值适中，而场所滞后型的场所价值相对较低，表明该类站点地区的土地开发滞后于轨道交通建设；从属型站点主要分布在城市片区，各项指标普遍较低。通过分析典型站点，得到分类结果与实际情况高度一致，验证模型的有效性，也为其他城市轨道交通站点地区建设和土地开发提供理论参考。

Abstract

To achieve high-quality integrated development of urban rail transit and land utilization, this paper established an evaluation index system for coordinating land utilization and transportation around urban rail transit stations. This system was based on the node-place model and incorporated functional indicators, aiming to assess the relationship between rail transit and land utilization in station areas. In the empirical study of Qingdao, the rail transit stations were categorized into five types using three value scores from the extended model and employing the hierarchical K-Means clustering method: subordinate type, place lagging type, balanced development type, node lagging type, and pressure type. The results show that the pressure type and node lagging type are primarily distributed in the core urban area and exhibit high levels across various indicators. However, the node lagging type has node values below the average. The balanced development type stations exhibit moderate indicator values, while the place lagging type shows relatively low place values, indicating that land development in these areas lags behind rail transit construction. Subordinate-type stations are mainly distributed in urban districts, showing low values across all indicators generally. By analyzing typical stations, it can be found that the classification results are highly consistent with actual conditions, validating the effectiveness of the model. These also provide a theoretical reference for the construction and land development of urban rail transit station areas in other cities.

Graphical abstract

关键词

城市轨道交通 / 节点-场所模型 / 站点分类 / 土地利用 / 协同性评价

Key words

Urban Rail Transit / Node-Place Model / Station Classification / Land Utilization / Synergy Evaluation

0　引言

随着我国城市化进程的推进，截至2023年底，我国城镇常驻人口已达到93 267万人，城镇化率高达66.16%。城市交通拥堵、土地利用低效和资源分配不均等问题日益突出^[1]。以公共交通为导向的城市发展模式(Transit-Oriented Development，TOD)已成为缓解这些问题、促进城市轨道交通与周边土地利用协同发展的有效途径。轨道交通站点作为交通网络中的重要节点，同时也是城市空间组织和活力的关键元素^[2]。因此，对其发展情况进行分类和评价，对于提升TOD政策的实施水平至关重要。

轨道交通站点的分类主要考虑了交通功能特性、区位属性、土地利用特征以及综合属性等因素，研究集中在以下3个方面。①根据交通客流特征进行分类：王泰州等^[3]基于进出站客流的时序特征差异，采用动态时间规整(Dynamic Time Warping，DTW)和K-Means算法将轨道交通站点划分为4类；姚恩建等^[4]则以早晚高峰系数作为土地利用特征指标，采用C均值模糊聚类法研究不同性质起讫点的客流分布规律。②根据土地利用特征进行分类：谭章智等^[5]依据轨道交通站域的土地功能特征、用地优势度和均匀度，将站点分为居住型、商业服务型、产业型、混合型、交通型及其他6种类型；杨静等^[2]结合早晚高峰客流和细粒度土地利用特征，将北京市轨道交通站点划分为7类。③根据区位属性和通达性进行分类：学者们选取交通重要度^[6]、站点与中心区域的距离^[7]、接驳公交线路数^[8]等指标，描述站点与周边用地或枢纽的连通情况，并结合客流特性和建成环境等因素对站点进行分类。

Bertolini^[9]认为轨道交通站点地区具备节点价值和场所价值双重属性，并于1990年首次提出节点-场所(Node-Place，NP)模型，其核心思想是促进站点地区节点价值和场所价值的协同耦合，以更好地分析和评价站点地区的TOD发展水平。目前，基于NP模型的实证研究主要集中在2个方面：协同发展评价和站点分类。在协同发展评价方面，学者们通过量化节点指标与场所指标，综合评估站点地区节点价值与场所价值的协同发展水平^[10-11]。在站点分类方面，一些学者在NP模型的基础上进行扩展，加入了街道网络^[12]、站点可达性^[13]、描述节点和场所两者关系的维度^[14]等指标，以期更精细和准确地划分站点类别。

现阶段，NP模型在评估轨道交通与土地利用的协同性方面已相对成熟。但随着研究的深入，部分学者逐渐认识到该模型的局限性。扩展后的NP模型仍然保留了二维结构，尚未充分考虑站点在交通网络中的拓扑连通性、交通可达性和社会服务性等指标。以青岛市轨道交通站点为例，在NP模型的基础上，新增表示轨道交通站点空间衔接能力的“功能”维度，改进后的模型变为三维的“节点-场所-功能”(Node-Place-Function，NPF)模型，旨在更全面和精细地评价站点的协调性。

1　研究案例与方法

1.1　研究对象

青岛地铁自2015年开通以来，已有7条线路投入运营^[15]。鉴于数据获取的限制，本研究范围涵盖了1号线、2号线、3号线、8号线、11号线和13号线，共计128个轨道交通站点，暂不包括于2022年12月开通的4号线，以及尚未开通运营的鳌山湾站、海信桥站和西镇站。轨道交通站点的服务半径通常根据步行吸引范围确定，现有研究表明，站点服务半径一般在400~1 000 m之间^[16]。吴韬等^[12]以天津市轨道交通实际影响区域为基础，确定了站点地区的服务半径为600 m；杜强等^[16]则以步行友好环境为依据，并结合站点密度、行政与自然边界等因素，确定西安市轨道交通站点地区的服务半径为600 m。为确保评估结果的准确性，计算不同圈层下(400~600 m，600~800 m，800~1 000 m)的兴趣点(Point of Interest，POI)增长率和居住人口增长率，不同圈层下的指标增长率如表1所示。表中数据显示，在400~600 m范围内，POI数量和居住人口的增长趋势显著，表明在这一范围内，城市基础设施的发展更加集中，轨道交通站点对周边商业和住宅发展具有较大影响。因此，选用600 m作为青岛市轨道交通站点的服务半径是基于实际数据和步行可达性的合理选择。

1.2　研究方法

NP模型是研究城市轨道交通与土地利用之间互动关系的重要工具，可有效评估二者的协调发展程度。节点指标主要关注轨道交通的站点属性、交通流量和便捷程度；而场所指标则侧重于站点周边的土地利用、空间形态和社会经济等因素^[17]。根据节点价值和场所价值的反馈特点，站点可以划分为五种类型：从属区、平衡区、压力区、失衡场所和失衡节点^[16]。然而，轨道交通的发展不仅关乎自身建设和城市发展，也对城市居民的日常通勤和沿线人类活动产生深远影响。传统的NP模型未能充分体现站点与周边地区的空间衔接功能，而功能指标通过测度站点地区的空间衔接和人类活动，可以将孤立的“节点”和“场所”紧密联系起来。因此，在NP模型的基础上增加了“功能”维度，构建了NPF模型，从全新视角评估轨道交通站点与周边土地利用的协调发展水平。

确定指标权重是评估城市轨道交通站点地区一体化程度及站点分类的重要环节。通常情况下，确定多指标权重需要参考专家经验，并结合层次分析法(Analytic Hierarchy Process，AHP)进行主观分析。本次研究邀请了13名相关行业专家(城市规划方向4名、交通规划方向5名、土地经济方向4名)对各指标的相对重要程度打分。通过1—9比例标度法对各指标两两比较，并赋予AHP标度，从而得到NPF模型的判断矩阵A_i。利用AHP计算各指标权重w_i 的公式如下。

w_i=\sqrt[n]{A_i}/{\displaystyle \sum _{j=\mathrm{1}}^n}\sqrt[n]{A_j}⑴

A_i={\displaystyle \prod _{j=\mathrm{1}}^n}{a}_{ij}i，j\in [\mathrm{1}，n]⑵

式中：w_i 为AHP法的权值；A_i 为判断矩阵；n为评价指标个数；a_ij 为第i个指标相对于第j个指标的标度值，若a_ij 从1至9，表示指标i相对于指标j的重要性递增，若a_ij 从1至1/9，表示指标i相对于指标j的重要性递减。

为了避免主观赋权的缺点，采用AHP与熵权法的组合赋权法进行优化，从而得到综合权重。研究将熵权法的权值作为修正因子，来调整AHP法的权值。具体计算公式如公式⑶至公式⑹。

W_j=(a_j\times w_i)/\left({\displaystyle \sum _{i=\mathrm{1}}^n}{a}_j\times w_i\right)⑶

a_j=\mathrm{1}-e_j/n-{\displaystyle \sum _{j=\mathrm{1}}^m}{e}_j⑷

e_j=-{\left(-\mathrm{l}\mathrm{n}n\right)}^{-\mathrm{1}}{\displaystyle \sum _{i=\mathrm{1}}^n}\left(p_{ij}\mathrm{l}\mathrm{n}{p}_{ij}\right)⑸

p_{ij}=x_{ij}/{\displaystyle \sum _{i=\mathrm{1}}^n}{x}_{ij}i\in [\mathrm{1}，m]，j\in [\mathrm{1}，n]⑹

式中：W_j 为调整后AHP-熵权组合赋权的权重；a_j 为熵权法权值；w_i 为AHP法权值；e_j 为第j项指标的信息熵；p_ij 为第j项指标对应的第i个对象出现的概率；x_ij 为对象i对应的第j项指标。

利用组合赋权的权重值，计算NPF模型中各项指标的单个评价值N_ij，P_ij 和F_ij，进而得到第i个站点的节点价值N_i，场所价值P_i 和功能价值F_i，其中n为评价指标的个数。计算公式如公式⑺至公式⑼。

N_i={\displaystyle \sum _{j=\mathrm{1}}^n}{N}_{ij}{N}_{ij}=W_j{x}_{ij}⑺

P_i={\displaystyle \sum _{j=\mathrm{1}}^n}{P}_{ij}{P}_{ij}=W_j{x}_{ij}⑻

F_i={\displaystyle \sum _{j=\mathrm{1}}^n}{F}_{ij}{F}_{ij}=W_j{x}_{ij}⑼

式中：N_i 为站点i的节点价值；P_i 为站点i的场所价值；F_i 为站点i的功能价值；N_i，P_i 和F_i 的取值范围在［0，1］之间。N_ij 为站点i的第j项节点指标；P_ij 为站点i的第j项场所指标；F_ij 为站点i的第j项功能指标。

为了更好地分析城市轨道交通站点与周边土地利用的一体化程度，根据NPF模型中的价值得分对站点进行分类。常见的聚类方法有K-Means、层次聚类法、基于密度法和基于网格法等^[18]。其中，K-Means和层次聚类法应用最为广泛。K-Means的优势在于简洁快速，但其聚类效果受初始中心和距离公式的影响，且需要预先确定聚类数目。而层次聚类法不需要预先指定聚类数目，通过计算数据点之间的相似度自动形成聚类结构，对噪声和异常值的影响较小。为兼顾两者的优势，采用层次K-Means聚类法对站点进行分类。

1.3　研究数据与评价体系建立

研究数据主要包括地铁客流数据、开源地图数据、站点属性数据、土地利用数据和网络平台数据。其中，地铁客流数据来源于青岛地铁官方数据，包含2022年6月份工作日和非工作日的进站客流数据。开源地图数据涵盖地铁站点、公交点位和路网信息，其中地铁站点和公交站点信息来自高德地图开放平台；路网数据则来源于Open Street Map(OSM)网站，并使用ArcGIS软件进行地理配准和矢量处理。站点属性数据包括地铁运营数据、出入口数量、平均站距和换乘公交线路等信息，均来源于青岛地铁官网公开数据。土地利用数据包括POI数据和站点与各功能用地之间的距离信息，POI数据通过高德地图开放平台获取，并重新分类为商业、居住、公共服务、办公、公园广场和交通设施6类；站点至各功能用地的距离信息则使用ArcGIS软件的空间分析工具测算得到。青岛市的人口数据、GDP密度和房价信息等网络平台数据分别来源于Worldpop (https：//www.worldpop.org)、中国科学院地理科学与资源研究平台和链家网。此外，于2022年6月10日对青岛地铁站点周边的交通、用地绿化等设施进行现场勘探。

基于NPF模型，构建城市轨道站点地区土地利用与交通协调性评价指标体系。该体系包括节点、场所和功能3个维度，共计33个评价指标。其中，节点、场所和功能指标各细分为11个分项指标。分项指标的选取参考了相关文献^[19-21]，同时考虑了站点周边基础特征和数据可获取性，遵循传统NP模型的理论逻辑，选择了实用性强且数据冗余度低的指标。评价指标体系含义及其组合权重值如表2所示。

（1）节点指标维度。节点价值反映了轨道交通站点的内在属性，主要包括站点的承载能力、服务能力和拓扑连通性。站点承载能力涵盖工作日和非工作日的进站客流，青岛地铁进站客流数据如图1所示。服务能力综合考虑了运营效率、安全性和便利性等方面因素^[19-20]，提升站点的服务能力有助于提高地铁的整体服务水平和运营效率。拓扑连通性是指交通网络中各站点之间的连接关系和组织结构，反映站点在交通网络中的中心地位。选用度中心性、介数中心性和紧密中心性等指标评估站点的拓扑连通性，选择适当的网络拓扑连接性方案有助于增强站点的交通联系和竞争力，相关计算如公式⑽至公式⒀。节点价值越高，表明该站域的通达性和服务能力越强。

度中心性DC_i 计算公式为

D{C}_i=\frac{k_i}{M-\mathrm{1}}⑽

式中：k_i 为与站点i直接相连的边数，个；M-1为站点i与所有其他节点相连时的最大可能边数，个。

介数中心性BC_i 计算公式为

B{C}_i=\sum _{j,k\in M,j\ne k}\frac{d_{jk}\left(i\right)}{d_{jk}}⑾

式中：d_jk (i)为经过站点i的最短路径数量，个；d_jk 为连接站点j和k的最短路径数量，个。

紧密中心性CC_i 计算公式为

d_i=\frac{\mathrm{1}}{M-\mathrm{1}}{\displaystyle \sum _{j=\mathrm{1}}^M}{d}_{ij}⑿

C{C}_i=\mathrm{1}/d_i⒀

式中：d_ij 为连接站点i和j的最短路径长度，m；d_i 为站点i到其他站点的平均距离，m；平均距离的倒数即为站点的紧密中心性。

（2）场所指标维度。场所价值反映了站点地区土地利用的多样性和土地经济活力，主要包括土地利用多样性、均衡性以及土地经济效益等方面。土地利用多样性展示了各功能用地的占比情况，在Su等^[21]研究的基础上，对土地利用类型进行了重新分类，部分站点周边用地类型设施情况如表3所示。土地利用均衡性反映了功能用地在空间分布上的平衡状态；土地经济效益则体现了各功能用地的经济效益，采用带有距离衰减效应的空间回归模型来建立土地价格与距离之间的关系，土地价格变化计算如公式⒁至公式⒂。场所价值越高，说明该站域的土地利用集约化程度和经济活力越强。

P=P_{\mathrm{0}}\times \mathrm{e}\mathrm{x}\mathrm{p}(-kd)⒁

k=\frac{\mathrm{1}}{d}\left[\mathrm{l}\mathrm{n}(P_{\mathrm{0}})-\mathrm{l}\mathrm{n}(P)\right]⒂

式中：P为土地价格，万元；P₀为至站点的距离为0时的基准地价，万元；k为土地价格变化系数；d为至站点的距离，m。

（3）功能指标维度。功能价值反映了站点地区街道设计对行人友好程度的重要性，同时强调了站点与周边地区的空间衔接及人口活力。功能价值的评估主要考虑2个层面。一是站点地区的设计层面，包括站点与周边不同功能用地的连通情况^[21]、交通设施数量和路网密度等。二是人口活力层面，反映了站点地区持续混合使用和高密度发展的能力，通过人口密度和经济活力(如GDP密度)来评估社会和经济活动的活跃程度。功能价值越高，说明该站域在空间衔接、步行环境和人口活力方面的表现更为优越。

2　NPF模型价值得分

标准化后的指标数据根据相应的权重进行加权求和，得到最终的价值得分，取值范围为0到1。随后，将计算得到的3项指标价值得分导入ArcGIS软件进行空间可视化。为了更好地呈现数据，采用自然断点法将指标价值得分划分为5个等级，并使用不同颜色进行表示，青岛地铁站点NPF模型的价值得分如图2所示。

由图2a可以看出青岛地铁站点的节点价值(CNI)。高CNI得分的站点主要集中在市南、市北区等老城区，特别是位于市南区的3号线站点，其节点价值明显优于其他线路。此外，换乘站点的CNI得分普遍较高，如青岛站和五四广场站等。值得注意的是，换乘站点周边的邻近站点通常也具有较高的CNI得分，这表明换乘站在提升周边站点交通服务能力方面发挥了重要作用。

由图2b可以看出青岛地铁站点的场所价值(CPI)。高CPI得分的站点主要集中在李村商圈、香港中路商圈、中山路商圈、辽宁路商圈和唐岛湾商圈等。这些区域拥有丰富的商业用地和公共服务用地，土地利用类型多样化，建筑物的立体混合度较高，不同功能的建筑群能够相互融合。然而，在高CPI片区也存在个别得分较低的站点，例如汇泉广场站和中山公园站等，这些站点周边主要以公园绿地为主，土地利用类型相对单一，导致土地利用混合度较低。

由图2c可以看出青岛地铁站点的功能价值(CFI)在空间分布上存在明显差异。高CFI站点主要集中在市南区、市北区和李沧区等核心主城区，这些区域是青岛市交通规划的重点，拥有完善的交通基础设施和发达的公共交通系统，从而实现了与周边商业区和公共服务区之间的高效空间衔接。总体而言，功能价值呈现出从主城区向周边城区逐渐递减的趋势，轨道交通线路末端的站点功能价值最低。

3　站点聚类分析与讨论

为更好地分析轨道交通与土地利用的一体化程度，现根据扩展模型中的价值得分对站点进行聚类，站点分类如图3所示。在聚类分析之前，需要检查各站点在CNI，CPI和CFI之间是否存在明显的数值差距。因此，需要对上述价值得分进行异常值检测。从图3a可以看出，青岛北站的CNI得分超出3IQR范围。为避免异常值对聚类效果的影响，现将青岛北站剔除，并单独分析该站点的协调发展情况。通过使用MATLAB中的Cluster函数，结合平均联动(Average-Linkage)方法进行层次聚类，并利用Silhouette函数计算轮廓系数以评估聚类效果。结果显示，最佳聚类数为5，对应的轮廓系数为0.64。因此，将K-Means算法的聚类数设定为5，以进一步划分站点类别，得到聚类结果如图3b所示。

综合考虑青岛地铁站点的交通功能和周边土地利用属性，以及各集群在节点价值、场所价值和功能价值的得分特点，对5个集群进行了特征命名，汇总得到站点聚类分析结果如表4所示。

集群1为从属型站点，3项价值得分均为最低，共有24个站点属于这一类型，主要分布在青岛地铁线路末端。这些站点的集群特征是交通服务能力不足，但与周边土地利用特征和开发程度相适应。安顺路站是典型的从属型站点，工作日的平均进站客流为955人次/d，非工作日为712人次/d，仅设有2个出入口和2条接驳公交线路，交通服务能力较弱。该站点周边缺乏商业和公共服务等功能性用地，土地利用类型单一，距离最近的商业区有4 km，远离城市商业中心。此外，该站点周边的道路网分布分散，乘客可达性较低。

集群2为场所滞后型站点，共有26个，其CPI明显低于CNI和CFI，空间分布具有无序性，主要集中在崂山区和西海岸新区。这类站点的CPI低于平均水平，未能充分发挥轨道交通对地区经济潜力的提升作用。典型站点为辽阳东路站，其位于辽阳东路与深圳路的交叉口，周边道路网密度较高，换乘公交便利，空间衔接性强。然而，该站点周边的土地混合利用程度仅为0.164，导致土地开发强度与轨道交通的发展速度不匹配。

集群3为平衡发展型站点，其CNI，CPI和CFI相对均衡，共有29个站点，大多数位于城阳区。这类站点的交通服务能力与土地开发强度相适应，空间衔接能力也处于平均水平。典型站点为正阳中路站，其位于正阳中路与中城路的交叉口，周边步行街道丰富，且与商业中心区的距离适中。该站点的工作日和非工作日日均客流量差异较小，并且具备相对充足的出入口和换乘公交等基础设施。站点周边拥有较多的居住、办公和商业用地，土地功能混合度为0.329，处于平均水平。

集群4为节点滞后型站点，在集群中占比最大，达到33.07%，这类站点的CNI明显低于CPI和CFI，主要分布在以市南区为中心的城市内环，包括市内三区：市南区、市北区和李沧区。尽管这类站点的CPI和CFI处于中上水平，但其CPI却低于平均水平，说明这类站点的交通服务能力无法满足城市快速发展的开发强度和经济活力的需求。

集群5为压力型站点，其占比最小，仅有6个站点属于该集群，且3项指标价值均较高。主要分布在城市轨道交通网络的关键换乘节点，方便乘客换乘到其他站点。五四广场站是典型的压力型站点，位于香港中路商圈，站点周边土地利用类型多样，购物、餐饮和娱乐等设施高度集中，土地功能混合度较高。同时，该站点周边拥有高质量、高频率的公共交通系统，CNI极高。此外，五四广场站位于香港中路和山东路的交叉口，街道网络密集，具备良好的步行可达性和较高的人口活力。

异常点为青岛北站，其CNI远高于平均水平，但其CPI和CFI严重失调。作为青岛地铁1号线、3号线、8号线的一级枢纽站，非工作日客流量可达21 847人次/d，具有较高的交通可达性。然而，该站点可用于换乘的公交线路较少，街道密度稀疏，且与商业中心距离较远。此外，站点周边土地开发程度低，土地利用类型单一，缺乏居民基本生活设施，导致轨道交通站点的服务能力与周边土地资源开发程度不匹配。

4　研究结论

以青岛市轨道交通站点为例，在传统NP模型的基础上增加功能指标，建立节点-场所-功能三维的协调性评价指标体系，得到主要研究结论如下。

（1）青岛市核心城区轨道交通站点具有较高的节点和场所价值，应成为TOD模式下城市扩张的重点。政府需打造集商业、办公、休闲于一体的城市综合体，推动沿线经济发展。同时，需加强城市片区站点的建设，完善周边交通设施，提升步行友好性，促进城市片区的可持续发展。

（2）基于NPF模型的指标得分，将站点分为从属型、场所滞后型、平衡发展型、节点滞后型和压力型5类。各类别站点的分布呈现显著的空间集聚性：压力型主要集中在市南区和市北区，平衡发展型多位于城阳区和李沧区，从属型则主要分布在西海岸新区、胶州市和即墨区。这一分布与城市建设进度密切相关，反映了站点地区的交通和土地利用特点，同时为后续的规划和发展提供了针对性指导。

参考文献

[1] 周　敏，王海明，杨振珑，等. 基于熵权-TOPSIS的成都市地铁TOD站点评价排序研究[J]. 铁道运输与经济，2023，45(4)：150-156.

[2] ZHOU Min， WANG Haiming， YANG Zhenlong，et al. Evaluation Ranking of Chengdu Metro TOD Stations Based on Entropy Weight-TOPSIS[J]. Railway Transport and Economy，2023，45(4)：150-156.

[3] 杨　静，吴　可，张红亮，等. 基于土地利用及客流特征的地铁车站分类[J]. 交通运输系统工程与信息，2021，21(5)：228-234.

[4] YANG Jing， WU Ke， ZHANG Hongliang，et al. Classification of Subway Stations Based on Land Use and Passenger Flow Characteristics[J]. Journal of Transportation Systems Engineering and Information Technology，2021，21(5)：228-234.

[5] 王泰州，徐金华，陈姜会，等.考虑站点分类的城市轨道短时客流预测方法[J/OL].计算机工程与应用，1-12(2023-09-21)[2023-11-14].

[6] 姚恩建，李斌斌，刘莎莎，等. 考虑土地利用性质匹配度的城轨客流分布预测[J]. 交通运输系统工程与信息，2015，15(6)：107-113.

[7] YAO Enjian， LI Binbin， LIU Shasha，et al. Forecast of Passenger Flow Distribution among Urban Rail Stations Considering the Land-Use Matching Degree[J]. Journal of Transportation Systems Engineering and Information Technology，2015，15(6)：107-113.

[8] 谭章智，李少英，黎　夏，等. 城市轨道交通对土地利用变化的时空效应[J]. 地理学报，2017，72(5)：850-862.

[9] TAN Zhangzhi， LI Shaoying， LI Xia，et al. Spatio-Temporal Effects of Urban Rail Transit on Complex Land-Use Change[J]. Acta Geographica Sinica，2017，72(5)：850-862.

[10] 黎　庆，董晓春，沈　瑜，等. 基于多因素聚类的城市轨道交通换乘车站分类方法研究[J]. 都市快轨交通，2022，35(5)：62-68，83.

[11] LI Qing， DONG Xiaochun， SHEN Yu，et al. Classification of Urban Rail Transit Transfer Stations Based on Multifactorial Clustering[J]. Urban Rapid Rail Transit，2022，35(5)：62-68，83.

[12] 刘学军，王　彤，刘　华，等. 多源数据下地铁站域TOD效能评估：以武汉地铁2号线为例[J]. 测绘地理信息，2023，48(2)：32-37.

[13] LIU Xuejun， WANG Tong， LIU Hua，et al. Evaluation of TOD Effectiveness in Metro Station Areas Based on Multi-Source Data：A Case Study of Wuhan Metro Line 2[J]. Journal of Geomatics，2023，48(2)：32-37.

[14] 邵滢宇，丁柏群. 基于聚类分析的地铁站点分类：以哈尔滨地铁1号线为例[J]. 森林工程，2015，31(3)：106-111，116.

[15] SHAO Yingyu， DING Baiqun. Metro Stations Classification Based on Clustering Analysis：A Case Study of Harbin Metro Line 1[J]. Forest Engineering，2015，31(3)：106-111，116.

[16] BERTOLINI L. Nodes and Places：Complexities of Railway Station Redevelopment[J]. European Planning Studies，1996，4(3)：331-345.

[17] 王成芳，周健莹. 基于“节点-场所” 的旧城地铁站点空间耦合模型与实证研究：以广州为例[J]. 现代城市研究，2021，36(7)：80-87，111.

[18] WANG Chengfang， ZHOU Jianying. Spatial Coupling Model and Empirical Study of Metro Stations in Old City Based on "Node-Place"：A Case Study of Guangzhou[J]. Modern Urban Research，2021，36(7)：80-87，111.

[19] 周青峰，刘　苏，王耀武. 城市轨道交通站点周边土地利用与交通协调关系研究[J]. 铁道运输与经济，2018，40(4)：100-106.

[20] ZHOU Qingfeng， LIU Su， WANG Yaowu. A Study on the Coordinative Relation of Land Use and Transport around the Metro Station[J]. Railway Transport and Economy，2018，40(4)：100-106.

[21] 吴　韬，张梦莹. 基于节点-场所模型的站区空间一体化评价[J]. 都市快轨交通，2020，33(6)：69-74.

[22] WU Tao， ZHANG Mengying. Evaluation of the Spatial Integration of Station Areas via the Node-Place Model[J]. Urban Rapid Rail Transit，2020，33(6)：69-74.

[23] 石坚韧，吕庆文，郭巧云，等. 基于多源数据下杭州地铁站点地区耦合协调性评价[J]. 铁道运输与经济，2022，44(10)：120-128.

[24] SHI Jianren， Qingwen LYU， GUO Qiaoyun，et al. Evaluation of Coupling and Coordination of Hangzhou Metro Station Areas Based on Multi-Source Data[J]. Railway Transport and Economy，2022，44(10)：120-128.

[25] 陈　飞，张　惠，孙一璠. 耦合功能连接性的TOD发展模式“节点-场所” 测度模型构建[J]. 地理信息世界，2020，27(5)：52-57.

[26] CHEN Fei， ZHANG Hui， SUN Yifan. More than "Node-Place"：Construction of Innovative TOD Measurement Model Coupling Functional Connectivity[J]. Geomatics World，2020，27(5)：52-57.

[27] 周建亮. 五大赛道竞速，青岛地铁“奋跃而上”[N]. 青岛日报，2023-04-27(9).

[28] 杜　强，黄又丹，郝婷婷，等. 城市轨道交通站点与建成环境协同发展时空特征分析[J]. 都市快轨交通，2023，36(5)：132-138，151.

[29] DU Qiang， HUANG Youdan， HAO Tingting，et al. Spatiotemporal Dynamics of Coordinated Development between Urban Rail Transit Stations and the Built Environment[J]. Urban Rapid Rail Transit，2023，36(5)：132-138，151.

[30] 宋文杰，史煜瑾，朱　青，等. 基于节点-场所模型的高铁站点地区规划评价：以长三角地区为例[J]. 经济地理，2016，36(10)：18-25，38.

[31] SONG Wenjie， SHI Yujin， ZHU Qing，et al. Evaluation on Planning of High-Speed Rail Station Area Based on Node-Place Model in Yangtze River Delta Area[J]. Economic Geography，2016，36(10)：18-25，38.

[32] KOZIEL S， BEKASIEWICZ A， LEIFSSON L. Expedited Design of Dual-Band Antennas Using Feature-Based Optimization[C]//2016 10th European Conference on Antennas and Propagation (EuCAP). Davos，Switzerland. IEEE，2016：1-4.

[33] SU S L， ZHANG H， WANG M，et al. Transit-Oriented Development (TOD) Typologies around Metro Station Areas in Urban China：A Comparative Analysis of Five Typical Megacities for Planning Implications[J]. Journal of Transport Geography，2021，90：102939.

[34] SU S L， WANG Z L， LI B Z，et al. Deciphering the Influence of TOD on Metro Ridership：An Integrated Approach of Extended Node-Place Model and Interpretable Machine Learning with Planning Implications[J]. Journal of Transport Geography，2022，104：103455.

[35] 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.

基金资助

国家自然科学基金项目(51608313)

山东省研究生教育质量提升计划建设项目(SDYJG19110)