低碳视角下成都轨道交通中心型站点集约紧凑型空间指标阈值研究

Threshold of Intensive and Compact Spatial Indicators for Central Rail Transit Stations in Chengdu from a Low-Carbon Perspective

摘要

与城市规划协调发展的轨道交通已进入高速发展的新阶段，但由于缺乏成熟的城市管理理论指导，存在站城融合度低、轨交影响区低效使用等问题。在此阶段，“新一线”城市因处于城市发展的风口期，人口和经济迅速聚集并趋于饱和，导致这些问题更为显著。通过研究轨道交通中心型站点影响区集约紧凑型空间要素阈值，有效量化影响区空间紧凑发展，实现以最少的资源能耗提升城市空间效率的低碳发展目标。构建基于低碳城市发展视角下的站域集约紧凑型空间评价指标体系，运用正态分布法和类比分析法等数据分析手段，得出基于参照城市修正后的成都轨道交通站点发展目标阈值。分析结果显示当前成都中心型站点对居住人口吸引力较低，火车北站路网聚集度偏低，孵化园站开发强度有待提升，所有站点整体功能混合度表现良好。

Abstract

The coordination of urban planning and rail transit has entered a new stage of high speed development. However, due to the lack of mature urban management theory, challenges such as low station-city integration and inefficient use of rail transit impact zones persist. During this stage, "new first-tier" cities, undergoing a period of rapid urban development, experience rapid population and economic agglomeration, approaching saturation, which exacerbates these issues. By studying the threshold of intensive and compact space elements in impact zones of central rail transit stations, this study effectively quantified compact spatial development of impact zones and achieved the low-carbon development goal of enhancing urban space efficiency with minimal resource consumption. From the perspective of low-carbon urban development, this study constructed an intensive and compact spatial evaluation indicator system for stations and areas. By utilizing normal distribution and analogous analysis methods for data analysis, the development target threshold of Chengdu rail transit stations based on the revised reference city was obtained. The analysis reveals that current central rail transit stations in Chengdu exhibit lower attractiveness to residential populations, lower concentration degrees in the north railway station's network, and underdeveloped incubation park station development intensities. Overall, the functional mix of all stations is relatively good.

Graphical abstract

关键词

轨道交通 / 中心型站点 / 集约紧凑型评价指标 / 低碳 / 阈值

Key words

Rail Transit / Central Station / Intensive and Compact Evaluation Indicators / Low Carbon / Threshold

0　引言

随着城市基础交通设施规模的日益增大，大量的能源消耗及碳排放污染成为亟需解决的重要问题^[1]。《国务院关于印发2030年前碳达峰行动方案的通知》(国发〔2021〕23号)明确强化绿色低碳发展规划、加快轨道交通及城市慢行系统建设等是当前低碳发展的关键举措。通过发展轨道交通模式有利于提升通勤效率及资源配置效率，从而带动城市体系碳生产率与建设用地效率提高，为经济效率提升和土地利用结构优化提供战略机遇与空间支撑，并大幅提高低碳城市建设的质量与效率^[2]。

当前，城市交通低碳化转型需着重从空间规划视角出发，根据不同规模城市交通的发展现状，科学确定路网密度、枢纽交通选址及规模，建立以公共交通为导向的开发模式(Transit-Oriented Development，TOD)^[3]。彼得·卡尔索普基于TOD理念的中国化探索，提出通过加强土地使用与交通系统的有机联系，来促进低碳城市空间的建设^[4]。还有学者指出，通过发展紧凑城市并整合用地以驱动站域空间聚集，可促进城市轨交站域集约低碳化发展^[5]。因此，结合紧凑城市测度相关指标的研究结果，对轨道交通中心型站点进行针对性的空间集约化讨论，达到低碳城市规划建设的目的。

紧凑城市策略作为实现低碳城市愿景的关键途径之一^[6]，诸多研究已证实，具备紧凑性、高密度以及多样性特征的紧凑城市空间形态，对推动城市低碳建设具有显著的积极效应^[7]。具体而言，人口、土地开发、功能混合及道路交通等紧凑城市空间指标，对低碳城市建设影响显著，且研究表明城市紧凑程度与碳排放强度呈负相关关系^[8]。然而，随着清洁能源等控碳技术研发的持续迭代升级，近期相关预测研究结果显示，城市紧凑度对碳排放存在“倒U型”影响，即当超过一定阈值后，因交通拥堵、人口密集等因素导致碳排放增加^[9]，这意味着城市空间无论是过于散漫还是过度紧凑，都会导致碳排放上升，因此确定合理的紧凑阈值区间可避免此类情况的发生。此外，现有研究关于城市紧凑度与碳排放的相关性，多聚焦于城市群等宏观尺度，对城市内部重要节点空间研究不足^[10]。中心型站点核心影响区作为城市空间立体集约度、功能混合度、城市经济效益最高的区域，其研究更有助于优化城市空间布局和功能配置，增强区域集中效应，对塑造以中心型站点为核心的低碳城市形态至关重要^[11]。

本研究采用构建低碳视角下的中心型站点集约紧凑型空间评价指标体系，对成都市中心型站域紧凑度与碳排放之间的相互影响进行探究。首先运用正态分布获取参照城市指标阈值区间，随后通过对比城市之间的发展水平，类比修正后得到成都指标阈值，最后评判当前成都中心型站点紧凑发展现状。以期为促进站域低碳紧凑规划设计发展提供量化指导，实现以最少的资源能耗提升城市空间效率为发展目标，促进站点影响区高效集约发展，解决因轨道交通进入旧城区未有效驱动影响区城市更新，进入新城区尚未实现影响区人口、产业、住宅、公服等协同发展问题。

1　研究对象与数据处理

1.1　研究对象

1.1.1　低碳紧凑城市参照选择

成都市作为我国轨道交通发展重点城市，正从“规模化扩张”向“集约化提升”关键转型，加强城市空间集约低碳化发展尤为重要。选择上海为成都参照城市，主要基于2个方面依据：理论研究上，有学者探讨城市紧凑度与生态环境质量之间的耦合协调关系，得到2009—2019年30个省会城市紧凑度数值变动图，结果显示上海紧凑度水平整体稳定在前3位，适宜作为成熟稳定的紧凑城市供其他发展中的城市效仿^[12]；开发实践方面，当前成都与上海均采用存量空间优化和增量空间外延相结合的城市空间发展模式，通过公共交通组织城市公共体系，引导构建集约紧凑城市空间，实现“质”与“量”的平衡，在城市空间规划上具有相似性。同时，自2009年起，上海秉持紧凑城市空间发展理念，以达成低碳化城市建设为主要方式，且被住房和城乡建设部定列为首批2个“低碳城市”试点之一。因此，将上海作为参照城市，能为成都打造空间资源紧凑集约利用、绿色低碳和高质量发展的城市提供参考。

1.1.2　研究范围及中心型站点选择

伴随着城市规模与站点功能辐射半径的外延，站点影响范围远不止800 m，综合考虑轨道交通站点交通区位和功能定位，引入扩展的TOD模式(Extended-TOD，E-TOD)概念，E-TOD概念模式图如图1所示。距站点中心0~600 m为轨道交通站点公共核心区；600~1 000 m为功能复合的次级单元区，并搭配生态绿轴；1 000~1 500 m通过更为便捷的接驳系统，拓展轨道交通站点的服务半径，相较于原本的TOD模式具有更大影响范围和单元组合特性，更适宜当前一线城市规划发展现状^[13]。

依据《城市轨道沿线地区规划设计导则》对中心型站点的定义，结合成都和上海轨道交通站点的功能属性和使用定位，中心型站点被定义为承担城市级中心或副中心功能的轨道站点、现代服务业与先进制造业产业园区的综合服务中心，还包含城市综合交通枢纽站点^[14]。考虑到当前城市发展的不均衡现状，又将中心型站点分为旧城中心型站点和新城中心型站点。上海市与成都市中心型站点分布如图2所示。

1.2　数据来源与研究方法

1.2.1　数据来源

城市空间和人口数据主要通过爬取开源网络数据结合实际走访调研进行补充验证，再用ArcGIS 10.8处理叠加站域掩膜范围得各指标紧凑基础值。城市背景及轨道交通资料主要通过查询地方统计年鉴获取^[15-16]。

1.2.2　研究方法

（1）正态分布法获取低碳紧凑度指标阈值。低碳紧凑度指标阈值运用正态分布法获取，其原理为当数据满足均值(\mu)和方差({\sigma }_{}^{\mathrm{2}})的正态分布、记为N(\mu ,{\sigma }_{}^{\mathrm{2}})，可确定阈值(Threshold)范围(T{H}_{\mathrm{m}\mathrm{i}\mathrm{n}}~T{H}_{\mathrm{m}\mathrm{a}\mathrm{x}})并界定概率区间^[17]。依据拉依达准则，针对中心型站点低碳紧凑指标阈值范围可绘制正态曲线(即钟形曲线)，并且阈值数值在钟形曲线中存在固定的正态分布概率。针对本研究内容可对正态分布概率进行适应性调整：实际紧凑度数值统计中，因少数站点站域开发滞后等致数值过低，剔除异常数值后将下限值T{H}_{\mathrm{m}\mathrm{i}\mathrm{n}}上调至\mu -\sigma；又因紧凑度指标与碳排放负相关，指标值越高理论碳排放越低，故将上限值T{H}_{\mathrm{m}\mathrm{a}\mathrm{x}}保留在\mu +\mathrm{3}\sigma。最后为契合研究目的，修正得到新概率H_{\mathrm{0}}的区间为(\mu -\sigma ，\mu +\mathrm{3}\sigma)，新概率区间钟形曲线图如图3所示。正态分布法求阈值范围流程图如图4所示。

（2）类比修正法得城市发展水平阈值修正值。由于不同城市在轨道交通开发方面存在显著差异，直接应用正态分布法获取的参照城市阈值并不合理。有学者研究指出，城市发展水平直接反映了轨道交通的发展现状与目标规划。因此，采用类比修正法，通过对比城市间的发展水平，并将这种对比延伸至轨道交通发展现状，推导出修正系数^[18]，以此对参照阈值进行合理调整。具体类比方法如下。

①指标体系构建。基于前人研究资料构建城市发展水平评价指标体系^[19]如图5所示。

②指标标准化处理。在多指标综合评价方法中，指标数值存在量纲和数量级之间的差距，为了对评价对象进行综合且多维度的比较。采用\mathrm{m}\mathrm{i}\mathrm{n}-\mathrm{m}\mathrm{a}\mathrm{x}标准化的离差标准化分析，将原数据进行线性变换，使结果尽量映射到[0，1]区间，具体公式为

X^{\mathrm{\text{'}}}=\frac{X_i-X_{\mathrm{m}\mathrm{i}\mathrm{n}}}{X_{\mathrm{m}\mathrm{a}\mathrm{x}}-X_{\mathrm{m}\mathrm{i}\mathrm{n}}}⑴

式中：X^{\mathrm{\text{'}}}为标准化处理后的数值；X_i为原始数据；X_{\mathrm{m}\mathrm{i}\mathrm{n}}为最小原始数值；X_{\mathrm{m}\mathrm{a}\mathrm{x}}为最大原始数值。

③专家问卷法和AHP层次分析法获取城市发展水平评价各指标权重。通过将图5中的评价指标制作成专家问卷，发放给经济学、社会学、国土规划等方向的45位专家填写。首先将4个准则层进行两两重要性对比，随后对指标层的指标进行分类别两两对比。再将问卷整理至层次分析法软件中，得到各指标权重，并将各权重与各指标之间的比值相乘，最后相加得上海与成都相比的综合修正值K，具体公式为

K={\displaystyle \sum _{i=\mathrm{1}}^n}{K_i}^{\mathrm{\text{'}}}\times W_i⑵

式中：K为整体修正值；{K_i}^{\mathrm{\text{'}}}为各指标的比值；W_i为各指标的权重。

④城市发展水平阈值修正值结果。上海和成都城市发展水平对比研究结果显示，在城市发展水平4个维度指标中，经济城市化的总权重最高，这与当前城市的发展阶段相吻合，表明现阶段经济化指标是最直观衡量一个城市发展水平的指标之一。由此权重比值得出上海与成都的城市发展水平修正值为K=1.015 4，由数值亦可以发现在近几年的城市发展建设当中，一线城市之间的发展差距在逐渐缩小，将成都划为“新一线”城市也是必要的。

2　低碳视角下构建中心型站点影响区集约紧凑型空间评价指标体系

2.1　人口聚集度指标测算

在城市规模不断扩张的背景下，部分城市人口呈现“中心化聚集”的空间分布特征。人口聚集度的增长反向推动着城市低碳系统的有效运行，具体表现在人口的规模、增长率与城镇化率等指标对碳排放的影响最为显著^[20]。城市居住人口规模为人口聚集度的核心数据之一，也是衡量我国城镇化的重要指标。研究城市中心型站点居住人口数量分布，不仅能衡量城市城镇化发展水平，还能体现区域的社会现实与经济水平。因此，本研究所探究的人口聚集度即影响区内居住人口数量。

2.2　土地开发度指标测算

中心型站点影响区属高碳区域，在用地开发建设时，常面临加大投入提高开发强度与延缓碳排放的两难困境。土地开发中的资源消耗和污染物排放势必会增加碳排放，但合理适度开发产生的生态服务价值又成为城市土地低碳利用的重点。城市开发建设所追求的“适度开发”，就是在理想碳排放效率下的建设强度。在土地开发强度评价方面，多以土地开发深度、广度和频率等角度，从土地开发程度和紧凑度等方向展开，采用容积率和建筑密度等计算指标来量化评价土地开发强度^[21]。具体的土地开发强度计算公式如下。

FAR=S_{\mathrm{b}}/S_{\mathrm{a}}⑶

式中：FAR为容积率；S_{\mathrm{a}}为总用地面积，m²；S_{\mathrm{b}}为总建筑面积，m²。

BD=S_{\mathrm{c}}/S_{\mathrm{a}}\times \mathrm{100}\mathrm{\%}⑷

式中：BD为建筑密度，%；S_{\mathrm{c}}为建筑底面积，m²。

2.3　功能混合度指标测算

研究认为混合的土地利用结构可减少出行碳排放量，从而促进低碳城市的建设发展。本研究通过信息熵来描述土地利用在空间结构上的复杂程度，均衡度则反映一个区域土地利用的均衡程度。利用信息熵公式定义土地混合度模型(H)和土地利用均衡度(J)如下。

H=-{\displaystyle \sum _{i=\mathrm{1}}^n}{P}_i\times \mathrm{l}\mathrm{n}{P}_i=-{\displaystyle \sum _{i=\mathrm{1}}^n}\left(A_i/{\displaystyle \sum _{i=\mathrm{1}}^n}{A}_i\right)\times \mathrm{l}\mathrm{n}\left(A_i/{\displaystyle \sum _{i=\mathrm{1}}^n}{A}_i\right)⑸

式中：H为土地混合信息熵，Nat；P_i为用地类型i与站点影响区内总用地面积比值，%；A_i为每类用地的面积，m²；n为用地的种类数，按照百度地图爬取用地类型的二级分类，将用地类型分为10类。

J=H/H_m=-{\displaystyle \sum _{i=\mathrm{1}}^n}{P}_i\times \mathrm{l}\mathrm{n}{P}_i/\mathrm{l}\mathrm{n}n⑹

式中：J为土地利用均衡度，该值反映现在站域内的各用地类型分布的均衡程度，值越大则用地均衡度越好；H_m为土地利用类型信息熵最大值，当各土地利用类型面积相等时信息熵最大，即H_m=\mathrm{l}\mathrm{n}n，Nat。

2.4　路网聚集度指标测算

城市交通网络规划直接影响城市居民出行方式与距离，道路网络特征是客运碳排放强度的驱动因素，城市道路区域与公共交通对碳排放有显著抑制作用和空间溢出效应。交通可达性是指借助某类交通系统快速抵达目的地的程度，许多学者认为增加路网密度对交通可达性有正向影响，促使城市交通碳排放强度降低^[22-23]。基于此，本研究探索将影响区内的道路网总里程作为探索的路网聚集度指标。

3　研究结果

3.1　站点低碳紧凑空间评价指标体系测算结果

通过建立指标体系对2个城市新、旧城区中心型站点进行统计得紧凑度指标数据库统计，人口聚集度紧凑度指标数据库如图6所示，2个城市新、旧城区站点均在距离站点1 000~1 500 m人口覆盖率发生大幅度增长，显示当前TOD影响区辐射外延，其中成都旧城春熙路站点在该范围内增长速度最快，并且具有枢纽交通职能站点的人口数量相对最少。成都新城站点与旧城相比居住人口增长速率较低，是当前成都多中心城区规划尚未成熟的体现，并且伴随着职住失衡现状。

成都土地开发强度数据显示，旧城站点影响区土地开发已成熟，总体开发强度的差异主要由站点职能不同所导致，如以交通枢纽为主的火车北站总体开发强度最低。相比之下，新城站点影响区还存在持续开发的可能，整体规划更为合理，疏密相间的城市空间更加舒适，这与新城区域内含大量公园用地有关，亦是成都逐步发展公园城市的直观体现；功能混合度数据显示，新、旧城区之间的站点在数值表现上差距不大。其中，天府三街站因处于商业办公中心，导致商业办公用地比例飙升，土地利用均衡度较低，由此可见站点影响区职能对站点功能混合度有直接影响；路网聚集度数据显示，新城站域路网密度高于旧城，这主要是由于新城“网格”路网规划导致道路增加，具有明显的横向中心轴道路，对比旧城显得更为合理，道路通达性更高。

上海土地开发强度数据显示，旧城站点容积率与建筑密度发展现状基本持平，但新城站点如陆家嘴站等开发强度不平衡，建筑容积率较高；功能混合度数据显示，当前所有旧城站点住宅用地均占比较高，新城站点之间功能混合度差距较大，主要因站点发展不成熟以及站点职能割裂明显所致；路网聚集度数据显示，旧城站点分布相较于新城站点分布更为均衡，且新城站点路网聚集度总体低于旧城站点，新城站域路网有再开发空间。

3.2　上海中心型站点集约紧凑度指标阈值结果

通过对上海各指标数值进行正态性检验，确保数据具有统计学意义，随后基于1.2.2获取上海中心型站点紧凑度指标阈值区间。据统计，大部分数据分布在(\mu -\sigma ，\mu +\mathrm{2}\sigma)内，数值分布相对集中，各指标内存在异常值的主要原因是站点职能不同所造成的用地差异，这也反映在对TOD进行研究时，分类别研究站点是必不可少的。上海中心型站点集约紧凑度指标阈值如图7所示。

3.3　成都中心型站点集约紧凑度指标目标阈值评价

将上海紧凑度阈值修正处理后得成都的紧凑度发展目标阈值，并将所构建的成都指标数据落入目标阈值中，求得当前成都各中心型站点紧凑度指标发展方向。

（1）成都旧城站点人口聚集度指标如图8所示，成都新城站点人口聚集度指标如图9所示。数据结果显示，2个城市在新城站点阈值范围跨度总是多于旧城站点，说明当前新城区域站点用地分配明确，能容纳更多的居住人口。经过修正后的成都阈值与上海相差不大，这与当前成都已达特大城市行列的人口普查数据统计结果相符合。其中新城站点基本处于最佳阈值内，但多处于阈值下游区，表明当前用地规划普遍缺乏居住用地，职住平衡有待进一步优化。旧城站点规划中居住人口在800 m半径后减少，需要在此范围内增加居住用地来维持人口平衡。

（2）成都旧城站点开发强度指标如图10所示，成都新城站点开发强度指标如图11所示。数据结果显示，新城中心型站点开发强度均低于旧城区域，但尚未拉开差距。其中，孵化园站处于较低范围，可通过合理开发站点周边用地、紧凑聚集站域形态规划建设、城市规模与土地开发强度协同规划等方法提高中心型站点影响区开发强度。

（3）成都旧城站点功能混合强度指标如图12所示，成都新城站点功能混合度指标图13所示。数据结果显示，成都中心型站点功能混合度处于一个较为优质的区间，但旧城中心型站点还有待优化，可通过加强功能混合度，公共设施与居住空间相平衡等方式，推动功能分布均衡。

（4）成都旧城站点路网聚集度指标如图14所示，成都新城站点路网聚集度指标如图15所示。数据结果显示，成都新城中心型站点路网聚集度处于最佳阈值范围，表明新建区域路网规划对城市道路有极大的改善，可延续当前路网脉络。但旧城火车北站路网远低于阈值范围，可通过创建地上地下多层次公共空间，提高道路连通性，提升地面可步行率等方式提高路网聚集度，增加可达性。

4　中心型站点影响区集约紧凑型指标阈值指导下的空间优化设计

4.1　人口规模与开发强度相适配

在全球低碳发展倡导下，有效控制和合理补充人口总量，可减少城市建设中不必要的建设成本，提升土地利用率并降低碳排放。站域开发强度与居住人口协调失衡时，若开发强度低于阈值区间而人口聚集度合理，表明当前站域开发强度无法支撑居住人口规模。以孵化园站为例，其站域以居住和工业用地为主，居住人口数高达62 526人。相比之下，上海银都路站居住人口为孵化园站的1.2倍，居住用地却是其3倍，再次证明当前孵化园站的开发强度与居住人口规模的不匹配。鉴于其商务办公中心属性，需在距离站点500 m半径范围内增加公寓供给，此范围外增加居住用地来平衡。此外，成都旧城中心型站点尚未带来较好的城市更新效益，同样需增强站点周边土地开发强度和质量来满足当前人口数量的生活需求。

4.2　公共设施与居住空间相平衡

传统严格功能分布模式并不利于低碳城市的建设，站点站域对空间布局、形态紧凑和功能混合提出了新要求。比如，围绕中心型站点影响区的大型居住区，若无法满足大部分人的就业，会导致职住失衡，引发潮汐式交通拥堵。解决该问题的通常做法是结合公共交通走廊和站点，分别在500 m圈层建设商业服务设施，在800 m圈层建设片区服务中心，在1 000 m圈层建设居住组团等。这种功能混合的局部组团模式促进了居住、就业的时空平衡，大幅减少交通出行距离与碳排放量。

根据对成都中心型站点居住用地和功能混合度的数据统计，通过对这2类指标展开对比分析，深入探究其相互影响关系，得到成都中心型站点公共设施与居住空间数据统计图如图16所示，火车北站、天府三街站、火车南站影响区居住用地与功能配比不协调。结合阈值结果探究，天府三街站与火车南站功能均衡度稍低，但仍处于当前新城中心型站点功能均衡度阈值范围的上游区，而火车北站则处于功能均衡度的阈值最下游，有必要针对其公共设施与居住空间的平衡点进行优化，可通过减少居住用地，增加教育科研和体育文化用地进行协调。

4.3　提高道路连通性，提升地面可步行率

城市发展初期，为加快建设速度而采用粗放式发展模式，使得早期规划修建的大尺度城市道路网更适宜私家车出行。然而，近年来随着城市居民低碳出行意识的提升，从理论和实践探究看出“小街区、密路网”的城市结构更有利于低碳出行。路网阈值结果显示，火车北站路网值不在阈值范围内，经等时圈分析发现：成都火车北站15 min步行可达面积为1.81 km²，可达性明显不足；计算得出成都道路网密度最佳范围在0.033~0.213 m/m²，火车北站影响区内路网密度仅0.015 m/m²。因此，有必要通过提高火车北站路网密度，合理控制交叉口数量分布，提升站域内的道路连通性和地面可步行率，消减距离障碍对站域内绿色共享交通路径的影响。

4.4　围绕公交服务站点聚集城市功能

构建复合土地使用模式，适量聚集城市功能，可提高步行效率，提高公交服务的可达性和时效性，借城市土地功能混合度来影响出行-交通模式分担率、平均出行距离和出行次数。上海旧城中心型站点影响区均衡度与公交数量统计图如图17所示，虽少数站点影响区均衡度和公交数量发展不均，但整体趋势线同步增长，表明围绕公共服务站点聚集城市功能可实现高可达性。调研发现，成都火车北站影响区内公共交通数量仅为54个，均衡度为0.544。与上海旧城中心型站点数据相比，在维持当前均衡度不变的情况下，火车北站影响区内的公共交通数量需要提高20个方可提高站域内的可达性。且现状公交站点多在东西向布置，南北走向道路缺乏公交站点，建议增加站域内南北向道路沿线的公交数量。

5　结束语

在城市集约紧凑开发与低碳城市建设进程中，轨道交通中心型站点影响区战略地位日益凸显。这要求站域建设紧凑高效且具有明确的指导意义与实用性。所以，需针对各站点开展指标分析，确定优化方向，紧密融合站域政策与规划，构建紧凑低碳城市空间。立足于中心型站点轨道影响区集约紧凑型空间形态促进城市低碳发展的核心理念，构建一套低碳视角下的城市轨道中心型站点集约紧凑型空间评价指标体系。提出轨道影响区人口聚集度、开发强度、功能混合度、路网聚集度4个紧凑型评价指标，完善紧凑城市和低碳城市理论在中微观城市尺度研究层面上的不足。该指标体系旨在实现空间紧凑目标发展阈值指导下的城市设计，为制定立体空间管控政策奠定基础，丰富了国土空间背景下的城市管理体系。此外，通过促进中心型站点的影响区空间集约紧凑发展，不仅能提高城市地上地下土地空间利用效率，还能推动城市轨道交通对城市空间形态的重塑，优化城市空间结构，增强城市承载力，进而实现城市可持续低碳发展。

参考文献

[1] 袁长伟，彭　琛‍‍. 城市公交碳排放效率评价及驱动因素分析[J]‍. 长安大学学报(自然科学版)，2024，44(4)：139-148‍.

[2] YUAN Changwei， PENG Chen‍. Carbon Emission Efficiency and Driving Factors Analysis of Urban Bus Transportation[J]‍. Journal of Chang’an University (Natural Science Edition)，2024，44(4)：139-148‍.

[3] 庄贵阳，魏鸣昕‍. 城市引领碳达峰、碳中和的理论和路径[J]‍. 中国人口·资源与环境，2021，31(9)：114-121‍.

[4] ZHUANG Guiyang， WEI Mingxin‍. Theory and Pathway of City Leadership in Emission Peak and Carbon Neutrality[J]‍. China Population，Resources and Environment，2021，31(9)：114-121‍.

[5] 臧鑫宇，王　峤，李含嫣‍. “双碳”目标下的生态城市发展战略与实施路径[J]‍. 科技导报，2022，40(6)：30-37‍.

[6] ZANG Xinyu， WANG Qiao， LI Hanyan‍. Eco-City Development Strategy and Implementation under the Target of Carbon Peaking and Carbon Neutrality[J]‍. Science & Technology Review，2022，40(6)：30-37‍.

[7] 彼得·卡尔索普，杨保军，张泉，等‍. TOD在中国：面向低碳城市的土地使用与交通规划设计指南[M]‍. 北京：中国建筑工业出版社，2014‍.

[8] 方创琳，祁巍锋‍. 紧凑城市理念与测度研究进展及思考[J]‍. 城市规划学刊，2007(4)：65-73‍.

[9] FANG Chuanglin， QI Weifeng‍. Research Progress and Thinking of Compact City and Its Measurement Methods[J]‍. Urban Planning Forum，2007(4)：65-73‍.

[10] 何　丹，周　璟，蔡建明，等‍. 京津冀城市紧凑度变化测度与分析[J]‍. 生态科学，2022，41(3)：178-186‍.

[11] HE Dan， ZHOU Jing， CAI Jianming， al e t‍. Measurement and Analysis of Urban Compactness Changes in Beijing，Tianjin and Hebei[J]‍. Ecological Science，2022，41(3)：178-186‍.

[12] 刘志林，秦　波‍. 城市形态与低碳城市：研究进展与规划策略[J]‍. 国际城市规划，2013，28(2)：4-11‍.

[13] LIU Zhilin， QIN Bo‍. Urban Form and Low-Carbon Cities：Research Progress and Planning Strategies[J]‍. Urban Planning International，2013，28(2)：4-11‍.

[14] 吕　斌，孙　婷‍. 低碳视角下城市空间形态紧凑度研究[J]‍. 地理研究，2013，32(6)：1057-1067‍.

[15] Bin LYU， SUN Ting‍. Study on Spatial Form Compactness from Low-Carbon Perspective[J]‍. Geographical Research，2013，32(6)：1057-1067‍.

[16] LI X T， WANG X H， ZHANG S P‍. Impacts of Urban Spatial Development Patterns on Carbon Emissions：Evidence from Chinese Cities[J]‍. Land，2022，11(11)：2031‍.

[17] WEI M， CAI Z， SONG Y， al e t‍. Spatiotemporal Evolutionary Characteristics and Driving Forces of Carbon Emissions in Three Chinese Urban Agglomerations[J]‍. Sustainable Cities and Society，2024，104：105320‍.

[18] 袁　红，何　媛，姚　强‍. 立体TOD城市设计模式探究及数字化研究展望：以城市轨道中心型站点为例[J]‍. 南方建筑，2021(1)：42-49‍.

[19] YUAN Hong， HE Yuan， YAO Qiang‍. Exploration of Three-Dimensional TOD Urban Design Pattern and Outlook for Digital Research：Take Urban Central Railway Stations as an Example[J]‍. South Architecture，2021(1)：42-49‍.

[20] 陈　涛，张　越，王玉阁，等‍. 可持续发展视域下城市紧凑度与生态环境质量耦合协调关系研究：基于我国直辖市与省会城市的实证[J]‍. 生态经济，2021，37(10)：93-99，107‍.

[21] CHEN Tao， ZHANG Yue， WANG Yuge， al e t‍. Research on the Coupling and Coordination Relationship between Urban Compactness and Eco-Environmental Quality from the Perspective of Sustainable Development：An Empirical Analysis Based on China’s Municipalities and Provincial Capitals[J]‍. Ecological Economy，2021，37(10)：93-99，107‍.

[22] 吕雄鹰，潘海啸‍. 基于E-TOD的大都市区外围轨道站点规划管控研究：以上海市松江区为例[J]‍. 上海城市规划，2021(1)：127-135‍.

[23] Xiongying LYU， PAN Haixiao‍. Research on the Planning and Control of Metro Stations in the Metropolitan Periphery Area Based on E-TOD：A Case Study of Songjiang District，Shanghai[J]‍. Shanghai Urban Planning Review，2021(1)：127-135‍.

[24] 住房城乡建设部发布《城市轨道沿线地区规划设计导则》[J]‍. 都市快轨交通，2016，29(1)：3.

[25] The Ministry of Housing and Urban-Rural Development issued the “Guidelines for the Planning and Design of Areas along Urban Rail Transit Lines”[J]‍. Urban Rapid Rail Transit，2016，29(1)：3‍.

[26] 上海市统计局，国家统计局上海调查总队‍.上海统计年鉴2021[M]‍. 北京：中国统计出版社，2021‍.

[27] 成都市统计局，国家统计局成都调查队‍. 成都统计年鉴 2021[M]‍. 北京：中国统计出版社，2021‍.

[28] 李　睿，周晓光，侯东阳‍. 基于正态分布的三维建筑物变化检测高度差阈值确定方法[J]‍. 测绘通报，2022(9)：98-104‍.

[29] LI Rui， ZHOU Xiaoguang， HOU Dongyang‍. A Method for Determining Height Difference Threshold of 3D Building Change Detection Based on Normal Distribution[J]‍. Bulletin of Surveying and Mapping，2022(9)：98-104‍.

[30] 张晓东‍. 北京轨道交通与城市协调发展的思考与建议[J]‍. 城市规划，2016，40(10)：81-85‍.

[31] ZHANG Xiaodong‍. Considerations and Suggestions on Coordinated Development of City and Rail Transit in Beijing[J]‍. City Planning Review，2016，40(10)：81-85‍.

[32] 周景坤‍. 从城市发展水平与年均降雨量的关系探究我国雾霾污染问题研究：基于2013年73个主要城市截面数据的分析[J]‍. 干旱区资源与环境，2017，31(8)：94-100‍.

[33] ZHOU Jingkun‍. A Study on Haze Pollution in China by Analysis of Relationship between City Development Level and Average Annual Rainfall：Based on the Cross-Sectional Data of 73 Major Cities in 2013[J]‍. Journal of Arid Land Resources and Environment，2017，31(8)：94-100‍.

[34] ZHANG W S， XU Y， STREETS D G， al e t‍. Can New-Type Urbanization Realize Low-Carbon Development? A Spatiotemporal Heterogeneous Analysis in 288 Cities and 18 Urban Agglomerations in China[J]‍. Journal of Cleaner Production，2023，420：138426‍.

[35] 顾观海，吴　彬，张文主，等‍. 中国陆地边境带建设用地开发强度的时空分异及驱动机制研究[J]‍. 中国土地科学，2022，36(7)：94-105‍.

[36] GU Guanhai， WU Bin， ZHANG Wenzhu， al e t‍. Spatial and Temporal Variation and Driving Mechanism of Construction Land Development Intensity in China’s Border Area[J]‍. China Land Science，2022，36(7)：94-105‍.

[37] 孙晓黎，朱才华，马超群‍. 考虑步行影响范围的城市轨道交通客流需求预测[J]‍. 铁道运输与经济，2023，45(4)：133-140‍.

[38] SUN Xiaoli， ZHU Caihua， MA Chaoqun‍. Passenger Flow Demand Forecast of Urban Rail Transit Considering Walking Influence Range[J]‍. Railway Transport and Economy，2023，45(4)：133-140‍.

[39] 康拥政，申东甫，许宝航，等‍. 基于城市多中心的地铁影响区域确定[J]‍. 铁道运输与经济，2021，43(11)：113-119‍.

[40] KANG Yongzheng， SHEN Dongfu， XU Baohang， al e t‍. Determination of Subway Influence Areas Based on Multi-Center City[J]‍. Railway Transport and Economy，2021，43(11)：113-119‍.

基金资助

国家重点研发计划项目(2022YFE0104300)

华西集团科技项目(HXKX2021/039)

四川省建筑设计研究院有限公司科技项目(KYYN202202)