一种公共交通站点布局优化方法

技术领域

本发明涉及交通规划研究技术领域，具体是涉及一种公共交通站点布局优化方法。

背景技术

公共交通服务能力的提高不仅能增加公共交通的吸引力，也能缓解越来越多的小汽车给城市环境带来的压力。然而，目前大多数城市公共交通出行比例偏低，城市公共交通的效用没有得到充分发挥。公共交通站点是交通系统对外联系的门户，在城市中的布局直接影响到公共交通的运行效率和对乘客的吸引力。站点可达性作为公共交通站点布局的评价指标之一，它反映了居民方便获取公共交通站点服务的程度，合理准确地评价站点可达性，对优化调整城市公共交通站点布局结构、提升公共交通服务品质具有重要意义。

可达性研究起源于古典区位论,旨在度量空间上某一点位置的优劣程度。在1959年，HanSen用这一概念研究交通网络中各节点相互交互的潜在机会，反映在一定的交通系统中，到达某一地点的难易程度。一般来说，公共交通出行的全过程包括①从出发地到公共交通站点；②在公共交通网络中移动；③从公共交通站点到目的地这三个阶段。当前，城市公共交通可达性研究主要关注两个方面：一是针对第二阶段的网络可达性研究，即居民进入公共交通网络后前往目的地的快捷程度；二是针对第一和第三阶段的“最初(后)一公里”站点可达性研究，即居民获取公共交通站点服务的便利程度。

目前公共交通站点布局方案存在一些不足之处，其中包括站点过剩、适配不足和无法满足实际的出行需求。首先，常规方案往往只基于人口密集度或规划要求来确定站点位置，导致某些地区站点数量过多，而其他地区则缺乏足够的站点覆盖，造成资源浪费和服务效率低下。其次，常规方案没有充分考虑不同类型POI(即兴趣点)的重要性和对出行需求的影响，无法准确评估每个站点的需求量，从而导致站点的适配程度不足。最重要的是，常规方案没有综合考虑供给能力和出行需求之间的平衡关系，可能造成站点无法满足实际的出行需求，使公共交通服务质量下降。

发明内容

(一)要解决的技术问题

本发明主要针对以上问题，提出了一种公共交通站点布局优化方法，其目的是解决目前公共交通站点过剩、适配不足和无法满足实际的出行需求的技术问题。

(二)技术方案

为实现上述目的，本发明提供了一种公共交通站点布局优化方法，包括以下步骤：

S1、获取常住人口分布数据、兴趣点数据、道路网络数据、轨道交通数据和公交数据；

S2、对所述常住人口分布数据、兴趣点数据、道路网络数据、轨道交通数据和公交数据进行预处理，并进行特征分析，计算居民出行需求分布特征；

S3、根据途经线路数量、开行频率和车辆载客量，计算各公共交通站点的服务供给能力；

S4、提取道路中心线，按照不同接驳方式将路网分层，构造出道路网络拓扑结构；

S5、以公共交通站点和居民出行需求点为中心，构建缓冲区，并计算不同接驳方式的OD成本矩阵；

S6、利用计算得到的OD成本矩阵，计算不同接驳方式下的站点可达性，并进行叠加分析得到公共交通站点的可达性；

S7、将得到的公共交通站点的可达性与居民出行需求分布特征进行分析，识别供给过剩区、供给适配区和供给不足区的公共交通站点服务情况。

进一步地，步骤S1获取具体数据为：

S101、获取某区域的常住人口分布数据，以100m×100m的常住人口分布特征表示；

S102、获取某区域的地图兴趣点数据，至少包括地理实体的名称、类别、经纬度位置、地址的基本属性信息；

S103、获取某区域的道路网络数据，至少包括道路级别、类型、宽度和里程的基本属性信息；

S104、获取某区域的轨道交通线路及站点数据，包括所有轨道交通线路、沿途站点位置、发车时刻表和车辆额定载客数；

S105、获取某区域的公交线路及站点数据，包括所有公交线路、沿途站点位置、发车时刻表和车辆额定载客数。

进一步地，步骤S2具体为：

S201、对兴趣点数据按土地分类进行数据清洗，去除非分类数据和冗余数据；

S202、计算区域兴趣点数据的总量，将其划分为14大类，并导入ArcGIS进行密度分析，得到兴趣点数据在该区域内的分布情况；

S203、采用"空间-影响力"二元权重计算方法来量化兴趣点数据，给不同类型的兴趣点数据赋予相应的出行需求权重；得到居民出行需求分布特征。

进一步地，在步骤S203中，所述出行需求权重包括：出行影响力权重M1、空间面积权重M2、潜在出行需求权重M；

其中，出行影响力权重M1的计算步骤包括：a、对不同类型的兴趣点数据进行筛选与分类，根据其属性信息进行归类；b、结合模糊指标评价和AHP层次分析模型的方法，计算不同类型兴趣点的出行影响力权重M1，具体包括以下步骤：

b1、确定模糊指标；b2、使用模糊评价方法对每个兴趣点类型的各项模糊指标进行评分；b3、应用AHP层次分析模型，通过对各项模糊指标进行比较和权重分配，计算得到兴趣点类型的出行影响力权重M1；b4、对得到的权重值进行归一化处理，使其在0到1之间；

其中，空间面积权重M2的计算步骤包括：根据GB/T18106—2010中国现行的业态分类标准，确定各类别兴趣点的建筑面积；使用类比推算的方法，结合已知的业态建筑面积数据，估计其他类别兴趣点的建筑面积；运用Z-Score标准化方法，对各类别兴趣点的建筑面积进行标准化处理，得到空间面积权重M2；

其中，潜在出行需求权重M的计算步骤包括：将出行影响力权重M1和空间面积权重M2的权重值以极小值定标的方式进行规范化处理；使用Z-Score标准化方法，对规范化后的权重值进行标准化计算，得到潜在出行需求权重M。

进一步地，步骤S3具体为：

S301、对于每个公共交通站点j，获取途径该站点的所有线路N

S302、对于每个线路k∈N

S303、计算公共交通站点j的服务供给能力S

式中：N

S304、根据计算得到的服务供给能力S

进一步地，步骤S4具体为：

S401、将道路数据导入到ArcGIS10.7软件，并利用道路数据建立缓冲区，以生成道路中心线；

S402、根据不同的接驳方式，将道路网络分为步行接驳路网、单车接驳路网和公交接驳路网；

S403、在道路网络上构建拓扑结构，使其遵循道路不能自相交、道路不能含有悬挂点、道路不能含有伪结点、道路不能相交或内部接触的网络拓扑规则。

进一步地，步骤S5具体为：

S501、以公共交通站点为中心，设定步行、单车和公交三种接驳距离作为搜索半径，在每个公共交通站点周围设立缓冲区；

S502、在设定的距离阈值d

S503、以搜索到的居民出行需求点为中心，再次设定步行、单车和公交三种接驳距离作为搜索半径，在每个居民出行需求点周围设立缓冲区；

S504、在设定的距离阈值d

S505、建立OD成本矩阵，计算每个居民出行需求点与其最近的公共交通站点之间的最短路径成本。

进一步地，步骤S6具体为：

S601、对于每个公共交通站点，以j为中心，搜索接驳距离阈值d

式中：S

S602、对于每个出行需求地i，以i为中心，搜索接驳距离阈值d

式中：d

S602、在计算服务供需比R

式中：n为出行需求地i附近的公共交通站点数量，j-1为公共交通站点的索引变量，范围从1到n，f(d

距离衰减函数的计算如下：

其中，当出行需求地i与公共交通站点j之间的距离d

高斯型距离衰减函数的计算如下：

其中，e为自然对数的底。

进一步地，步骤S703具体为：

将200m×200m的人口分布数据和公共交通站点可达性的计算结果导入ArcGIS软件；

利用ArcGIS的空间分析模块，将人口分布数据和可达性结果进行叠加分析；

通过空间叠加分析，得到人口分布与可达性的耦合程度。

(三)有益效果

与现有技术相比，本发明提供的一种公共交通站点布局优化方法综合考虑站点服务供给和居民出行需求，将途径站点的公交线路数与其单位时间最大载客量作为公共交通站点服务供给能力的表征指标，并通过对兴趣点数据(即POI数据)进行特征分析，根据POI的功能属性赋予其不同的出行需求权重值，以此推测出居民出行需求分布特征，采用高斯型两步移动搜索法Ga2SFCA计算公交车站、地铁站等站点的可达性，对其空间分布差异进行分析，通过与人口分布进行空间耦合性分析，识别出公共交通站点服务的供给过剩区、供给适配区和供给不足区，为公共交通服务发展方向提供科学依据。

附图说明

图1为一种公共交通站点布局优化方法技术路线图。

图2为本实施例区域内2022年城市功能区布局图。

图3为本实施例区域内2022年常住人口分布图。

图4为本实施例区域内2022年POI数据分布特征图。

图5为“空间—影响力”二元权重法量化POI数据得到的出行需求分布特征图。

图6为按照步行、单车、公交三种接驳方式划分的路网分层图。

图7为采用步行接驳地铁站计算得到的可达性分布特征图。

图8为采用单车接驳地铁站计算得到的可达性分布特征图。

图9为采用公交接驳地铁站计算得到的可达性分布特征图。

图10为采用步行接驳公交站计算得到的可达性分布特征图。

图11为采用单车接驳公交站计算得到的可达性分布特征图。

图12为通过叠加分析得到的公共交通站点可达性分布特征图。

图13为公共交通站点可达性与常住人口分布特征的空间耦合性分析结果图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本示例实施方式首先提供了一种公共交通站点布局优化方法。参考图1所示，该方法可以包括以下步骤：

S1、获取常住人口分布数据、兴趣点数据、道路网络数据、轨道交通数据和公交数据；

步骤S1描述了公共交通站点布局优化方法的数据获取过程。该方法依赖于获取某区域的常住人口分布数据、某区域的百度地图兴趣点数据、某区域的道路网络数据、某区域的轨道交通线路及站点数据和某区域的公交线路及站点数据。这些数据的获取是为了提供对区域内人口分布、兴趣点分布、道路网络、轨道交通和公交系统的全面了解，以支持后续的公共交通站点布局优化。

S2、对所述常住人口分布数据、兴趣点数据、道路网络数据、轨道交通数据和公交数据进行预处理，并进行特征分析，计算居民出行需求分布特征；

在预处理中，首先，对这些数据进行清洗，删除不属于研究范围的非分类数据和冗余数据，确保只保留与公共交通站点布局相关的有效数据。然后，进行特征分析，探索不同类型兴趣点的分布情况，如商业区的密集度、公园的分布范围等，基于兴趣点的功能属性，为每个兴趣点赋予出行需求的权重值。例如，对于商业区，我们可以认为人们在这些区域有更高的出行需求，因此给予其较高的权重值。类似地，对于其他类型的兴趣点，我们根据其在人们出行中的重要性给予相应的权重，通过以上步骤，我们可以得到某城市居民出行需求的分布特征。

S3、根据途经线路数量、开行频率和车辆载客量，计算各公共交通站点的服务供给能力；

首先统计每个公共交通站点途经的线路数量。例如，假设A站途经3条线路，B站途经2条线路，C站途经4条线路。然后，获取每条线路的开行频率，即单位时间内该线路的发车次数。例如，线路1每小时发车5次，线路2每小时发车4次，线路3每小时发车6次。针对每条线路，获取每辆车辆的额定载客量，即车辆能够容纳的最大乘客数量。例如，线路1的车辆额定载客量为80人，线路2的车辆额定载客量为70人，线路3的车辆额定载客量为90人。

根据以上信息，可以计算每个公共交通站点在单位时间内的服务供给能力。这可以通过将每个站点途经线路的开行频率与相应线路的车辆额定载客量相乘，并将所有途经线路的值相加来实现。例如，对于A站，将线路1的开行频率(5次/小时)乘以线路1的车辆额定载客量(80人)，再加上线路2和线路3的相应值，以得到A站在单位时间内的服务供给能力。

S4、提取道路中心线，按照不同接驳方式将路网分层，构造出道路网络拓扑结构；

在本实施例中，可以使用ArcGIS软件加载该城市的电子地图数据，并选择道路图层。然后，利用ArcGIS的工具和功能，来提取道路中心线，确保只保留道路的核心线段，而去除道路的边缘和其他不必要的信息；接下来，根据步行、单车和公交三种接驳方式，将道路网络进行分层，在ArcGIS中，可以使用"选择"工具来按照特定的属性条件筛选出适合每种接驳方式的道路。例如，可以选择所有适合步行的道路，然后创建一个步行路网图层；同样地，可以选择适合单车和公交的道路，并创建相应的路网图层；在每个接驳方式的路网图层中，利用ArcGIS的网络分析工具来构建道路网络的拓扑结构。拓扑结构能够捕捉道路之间的连接关系、方向和路径等信息，为后续的网络分析提供基础。通过使用ArcGIS的工具，可以构建道路网络拓扑结构，并确保道路之间的连接关系准确无误。

S5、以公共交通站点和居民出行需求点为中心，构建缓冲区，并计算不同接驳方式的OD成本矩阵；

公共交通站点数据包括站点位置和相关属性，例如站点名称和服务类型。居民出行需求点数据包括居民位置和出行需求信息，例如家庭住址和目的地类型；对于每种接驳方式，使用相应的接驳距离阈值d0来定义缓冲区，在每种接驳方式下，可以利用ArcGIS的网络分析工具计算出OD(起点-终点)成本矩阵。OD成本矩阵提供了从每个起点到每个终点的出行成本信息，以帮助评估不同出行方式下的可达性和交通效率。

S6、利用计算得到的OD成本矩阵，计算不同接驳方式下的站点可达性，并进行叠加分析得到公共交通站点的可达性；

在第一步中，计算步行和单车可达性，通过设定合适的步行和单车接驳距离阈值来确定可达区域。在第二步中，计算公交可达性，根据公交服务范围和路线覆盖情况来确定可达区域。这样，可以获得每个站点在不同接驳方式下的可达性范围，从而优化公共交通网络规划、提升出行效率和改善居民出行体验。

S7、将得到的公共交通站点的可达性与居民出行需求分布特征进行分析，识别供给过剩区、供给适配区和供给不足区的公共交通站点服务情况。

可以利用空间耦合性分析识别出研究区域内公共交通站点服务的供给过剩区、供给适配区和供给不足区。这样可以帮助城市规划者和交通运输部门评估公共交通站点布局的合理性，优化站点的配置和服务范围，以提高公共交通系统的效益和满足居民出行需求。

下面，结合图1至图13对于本示例实施方式的上述步骤进行更加详细的说明。

在步骤S1中，获取具体数据的步骤包括：

S101、某区域常住人口分布数据，可以用100米×100米的网格为单位表示常住人口分布情况，这些数据可以提供有关区域内人口密度和分布的信息。

S102、某区域的百度地图兴趣点数据，其中包含地理实体的名称、类别、经纬度位置和地址等基本属性信息。这些数据可以提供有关商业、文化、娱乐等兴趣点的位置和类型信息。

S103、某区域的道路网络数据，包括道路级别、道路类型、道路宽度和道路里程等基本属性信息。这些数据可以提供有关道路结构和特征的信息。

S104、某区域的轨道交通线路及站点数据，包括区域内所有轨道交通线路、沿途站点位置、发车时刻表和车辆额定载客数。这些数据可以提供有关轨道交通系统的路线、站点和运行信息。

S105、某区域的公交线路及站点数据，包括区域内所有公交线路、沿途站点位置、发车时刻表和车辆额定载客数。这些数据可以提供有关公交系统的线路、站点和运行信息。

在步骤S2中，其具体步骤包括：

S201、对兴趣点数据按土地分类进行数据清洗，去除非分类数据和冗余数据；

需要说明的是，兴趣点数据是一种众源地理数据，包含地理实体的名称、类别、经纬度位置、地址等基本属性信息。这些数据直观地描绘了城市功能分区和活动空间分布的相关特征。不同类型的兴趣点具有不同的使用意愿，并产生不同大小的潜在出行需求。通过量化不同类型POI的潜在出行需求，可以较好地映射城市居民的出行需求分布特征。

S202、计算区域兴趣点数据的总量，将其划分为14大类，并导入ArcGIS进行密度分析，得到兴趣点数据在该区域内的分布情况；

S203、采用赵宏雨在城市功能区混合度识别研究中提出的“空间—影响力”二元权重的方法来量化兴趣点数据，根据兴趣点(POI)属性对数据进行筛选和分类，给不同类型的兴趣点数据赋予相应的出行需求权重。通过构建POI数据与居民出行需求之间的量化函数，并计算不同类型兴趣点(POI)的潜在出行需求权重，可以得到居民出行需求分布特征。

值得注意的是，在本实施例中还引入了以下三个衡量指标的计算：

(1)出行影响力权重M1：不同类型的兴趣点(POI)数据在出行影响力上具有显著的差异性。为描述这种显著性，本实施例采用模糊指标评价和AHP层次分析模型的方法计算出归一化的出行影响力权重M1。

具体的，出行影响力权重M1计算步骤包括：

a、对不同类型的兴趣点(POI)数据进行筛选与分类，根据其属性信息进行归类；

b、结合模糊指标评价和AHP层次分析模型的方法，计算不同类型兴趣点(POI)的出行影响力权重M1。具体包括以下步骤：

b1、确定模糊指标，即衡量兴趣点(POI)对出行需求影响程度的指标；

b2、使用模糊评价方法对每个兴趣点(POI)类型的各项指标进行评分；

b3、应用AHP层次分析模型，通过对各项指标进行比较和权重分配，计算得到兴趣点(POI)类型的出行影响力权重M1；

b4、对得到的权重值进行归一化处理，使其在0到1之间。

(2)空间面积权重M2：不同类型的兴趣点(POI)数据的潜在出行需求通常与其地理实体空间大小相关。根据GB/T18106—2010中国现行的业态分类标准，本实施例推算各类别兴趣点(POI)的建筑面积，并利用Z-Score标准化方法对兴趣点(POI)的面积进行权重赋值，得到空间权重M2。

具体的，空间面积权重M2计算步骤包括：

根据GB/T18106—2010中国现行的业态分类标准，确定各类别兴趣点(POI)的建筑面积；

使用类比推算的方法，结合已知的业态建筑面积数据，估计其他类别兴趣点(POI)的建筑面积；

运用Z-Score标准化方法，对各类别兴趣点(POI)的建筑面积进行标准化处理，得到空间面积权重M2。标准化过程可使得权重值在0到1之间。

(3)潜在出行需求权重M：通过将出行影响力权重M1和空间面积权重M2的权重值以极小值定标的方式进行规范化处理，得到两列新的权重，并通过Z-Score标准化计算得到潜在出行需求权重M。

具体的，潜在出行需求权重M计算步骤包括：

将出行影响力权重M1和空间面积权重M2的权重值以极小值定标的方式进行规范化处理；

使用Z-Score标准化方法，对规范化后的权重值进行标准化计算，得到潜在出行需求权重M。

在步骤S3中，公共交通站服务能力通常与站点各个设施设备能力及其组织运用和线路运营参数等因素相关，其服务能力直接与线路开行频率和车辆额定载客量相关。本实施例在此假设公共交通站点的服务供给能力等于途经该站点所有线路单位小时运输量之和，其具体步骤包括：

S301、对于每个公共交通站点j，获取途径该站点的所有线路N

S302、对于每个线路k∈N

S303、计算公共交通站点j的服务供给能力S

式中：N

S304、根据计算得到的服务供给能力S

在步骤S4中，其具体步骤包括：

S401、将道路数据导入到ArcGIS10.7软件，并利用道路数据建立缓冲区，以生成道路中心线；

S402、根据不同的接驳方式，将道路网络分为步行接驳路网、单车接驳路网和公交接驳路网；

S403、在道路网络上构建拓扑结构，使其遵循道路不能自相交(即无交叉口或重叠段)、道路不能含有悬挂点(即道路之间不能存在未连接的端点)、道路不能含有伪结点(即虚假的交叉点，只是图形表示而非实际交叉点)、道路不能相交或内部接触(即道路之间不能有交叉或交叉点在道路内部)的网络拓扑规则。

在步骤S5中，其具体步骤包括：

S501、以公共交通站点为中心，设定步行、单车和公交三种接驳距离作为搜索半径，在每个公共交通站点周围设立缓冲区；

S502、在设定的距离阈值d

S503、以搜索到的居民出行需求点为中心，再次设定步行、单车和公交三种接驳距离作为搜索半径，在每个居民出行需求点周围设立缓冲区；

S504、在设定的距离阈值d

S505、建立OD成本矩阵，计算每个居民出行需求点与其最近的公共交通站点之间的最短路径成本。

在步骤S6中，其具体步骤包括：

S601、对于每个公共交通站点，以j为中心，搜索接驳距离阈值d

式中：S

S602、对于每个出行需求地i，以i为中心，搜索接驳距离阈值d

式中：d

S602、在计算服务供需比R

式中：n为出行需求地i附近的公共交通站点数量，j-1为公共交通站点的索引变量，范围从1到n，f(d

距离衰减函数的计算如下：

其中，当出行需求地i与公共交通站点j之间的距离d

高斯型距离衰减函数的计算如下：

其中，e为自然对数的底。

在步骤S7中，其具体步骤包括：

S701、利用ArcGIS软件，对计算得到的公共交通站点可达性、居民出行需求分布特征、常住人口分布特征进行重分类；

S702、在已知可达性的样本点上选择一定数量的代表性点位，构建一个多元方程组，其中自变量为各个栅格图层，因变量为已知的可达性值，通过求解多元方程组，得到各个栅格图层的权重，将各个栅格图层按照权重进行叠加分析，得到最终的公共交通站点可达性结果；

S703、将公共交通站点可达性与常住人口分布进行空间耦合，比较二者之间的空间耦合程度；

S704、使用ArcGIS软件对公共交通站点可达性、空间耦合性分析结果进行可视化。

在步骤S703中，其具体步骤包括：

将200m×200m的人口分布数据和公共交通站点可达性的计算结果导入ArcGIS软件；

利用ArcGIS的空间分析模块，将人口分布数据和可达性结果进行叠加分析；

通过空间叠加分析，得到人口分布与可达性的耦合程度。

下面结合附图和具体实施案例对本发明作进一步详细描述，但不作为对本发明的限定。

本发明的实施案例选取以长沙市芙蓉区为中心，以10km为半径的区域作为本实施例，并将区域划分为200m×200m的网格，除去河流等非建设用地区域以后，共有7520个网格，区域内有6条城市轨道交通线路、255条公交线路、81个地铁站和1402个公交站，导入ARCGIS，如图2所示。

S1、获取本实施例区域2022年常住人口分布数据、百度地图兴趣点数据、道路网络数据、轨道交通运营数据、公交运营数据；

S101、在WordPop官方网站获取本实施例区域常住人口分布数据，形式为100m×100m常住人口分布特征，如图3所示；

S102、在百度地图获取本实施例区域兴趣点数据，其包含所表示地理实体的名称、类别、经纬度位置、地址等基本属性信息如图4所示；

S103、在立方数据学社获取本实施例区域道路网络数据，其包含道路级别、道路类型、道路宽度、道路里程等基本属性信息；

S104、在百度地图获取本实施例区域轨道交通线路及站点数据，包括区域内所有轨道交通运营线路、沿途站点位置、发车时刻表、车辆额定载客数；

S105、在百度地图获取本实施例区域公交线路及站点数据，包括区域内所有公交运营线路、沿途站点位置、发车时刻表、车辆额定载客数。

S2、对在百度地图上爬取的兴趣点数据进行清洗，删除非分类数据和冗余数据，再进行特征分析，采用赵宏雨在城市功能区混合度识别研究中提出的“空间—影响力”二元权重的方法来量化兴趣点(POI)属性，通过对兴趣点(POI)数据进行筛选与分类，给不同类型兴趣点(POI)数据赋予出行需求权重，如表所示，构建兴趣点(POI)数据与居民出行需求之间的量化函数，计算不同类型兴趣点(POI)的潜在出行需求权重，进而得到居民出行需求分布特征。

(1)出行影响力权重M1

不同类型的兴趣点(POI)数据在出行影响力上具有显著的差异性，本实施例引入新的出行影响力权重M1来描述这种显著性，结合模糊指标评价和AHP层次分析模型的方法，计算得到归一化的出行影响力权重M1。

(2)空间面积权重M2

不同类型的兴趣点(POI)数据的潜在出行需求往往与其地理实体空间大小相关，本实施例根据GB/T18106—2010中国现行的业态分类标准，基于分类标准中的兴趣点(POI)类别建筑面积,通过类比推算出各类别兴趣点(POI)的建筑面积,并通过Z-Score标准化方法实现对兴趣点(POI)面积权重赋值，得到空间权重M2。

(3)潜在出行需求权重M

将出行影响力权重M1和空间面积权重M2的权重值以极小值定标的方式进行规范化处理，得到两列新的权重，并通过Z-Score标准化计算得到潜在出行需求权重M。

表“空间—出行影响力”二元权重法POI数据潜在出行需求权重

S3、根据各站点途经线路数量以及途经各线路开行频率和车辆额定载客量计算单位时间内各公共交通站服务供给能力；

本发明在此简单地假设公共交通站点的服务供给能力等于途经该站点所有线路单位小时运输量之和：

/>

S4、利用ArcGIS软件，提取道路中心线，按照步行、单车、公交三种接驳方式将路网分层，并构造道路网络拓扑结构，如图6所示。

S5、利用ArcGIS软件，以公共交通站点和居民出行需求点为中心，设置以步行、单车、公交三种接驳距离阈值d

S6、采用高斯型两步移动搜索法分别计算步行、单车、公交三种接驳方式的公共交通站点可达性，如图7-12所示。

S7、将公共交通站点可达性与居民出行需求分布特征进行空间耦合性分析，识别出研究区域公共交通站点服务的供给过剩区、供给适配区和供给不足区，如图13所示。

从整体来看，本实施例内的公共交通站点布局较为合理，大部分区域都具有较好的站点可达性，能满足大部分居民日常的出行需求，只有部分地区公共交通站点服务相对贫瘠。本实施案例采用相等间隔分类方法将空间耦合结果分为九个层级，并根据计算结果划分为三大区域，如图13所示：

①在[27,42)、[43,57)、[58,73)三个区间内的为公共交通服务站点供给过剩区，占1110个单元，为本实施例区域总面积的14.75％，该区域的公共交通站点服务能很好地满足居民出行需求，也能够很好地应对需求激增的情况，但公共交通站点服务存在较严重资源浪费，影响城市的公共设施的使用效率。

②在[-19,-5)、[-4,11)、[12,26)三个区间内的为公共交通站点服务供给适配区，占5016个单元，为本实施例区域总面积的66.70％，该区域的公共交通站点服务在近期能够较好地满足居民出行需求，但当土地利用现状发生改变引起出居民出行需求发生变化时，容易出现供不应求的情况，也需适当优化调整公共交通系统结构，提升公交系统服务能力。

③在[-67,-51)、[-50,-36)、[-35,-20)这三个区间的为公共交通站点服务供给不足区，占1395个单元，为本实施例区域总面积的18.55％，该区域的公共交通站点服务供给不足区居民有较大的出行需求，而当前公共交通站点服务未能满足该区域的出行需求，是公共交通站点优化调整应重点关注的区域，服务能力亟待提高，该区域应兼顾轨道和公交发展，在强化公交供给和接驳能力的同时，应该注重优化公交线网布局，合理布设站点，提高公交系统自身服务水平。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。