本书探讨了大数据背景下，如何利用大数据赋能城市治理，如何通过调整北京城市用地布局实现北京市交通－用地协同优化，进而实现北京市庞大城市资源合理的布局和分配，为北京等大型城市在海量人口、资源汇集的同时保障城市的高效、稳定运行提供了解决方案和实现路径。
习近平总书记于2014年视察北京时提出明确城市战略定位、调整疏解非首都核心功能等要求，定下了北京市“疏解整治促提升” (简称“疏整促”)的基调。“疏整促”工作的目标在于解决北京市因“用地资源过密分布”“职住功能区不合理分布”等城市布局问题引发的污染严重、地铁拥挤等一系列“大城市病”。2021年，北京市印发了《关于“十四五”时期深化推进“疏解整治促提升”专项行动的实施意见》，指出，要“内部功能重组与向外疏解相促进”，即“优化存量、控制增量、疏解余量”。本书将“十四五”时期北京“疏整促”专项行动中的目标作为现实问题，针对这一现实问题展开后续一系列的研究。
在社会治理领域， “用数据决策、用数据服务、用数据治理、用数据创新”逐渐成为共识。随着数字技术赋能城市治理，城市发展也由高速增长向高质量发展逐步推进。对于首都而言，城市是由城市功能、城市交通、城市人口等一系列子系统组成的复杂系统。交通系统作为城市系统中连接城市功能、人口两个子系统的重要纽带，其布局与城市资源空间布局的匹配度，决定了城市运行效率和城市治理水平。对于城市功能、交通以及人口三个子系统而言，城市功能与交通子系统之间存在“源与流”的关系，“源”的失衡布局是“流”不畅的根源；人口子系统中人口的区域分布以及人口在区域间的流动又是城市功能、交通系统相互作用的直观表征。
“疏整促”背后的科学问题实则是北京市城市用地的布局优化问题，本书着眼于地铁站点影响域内用地与地铁系统的协同优化问题，从地铁站点影响域内用地对地铁站点客流影响机理这一关键点入手，扩展了职住空间特征研究角度，将静态与动态职住空间特征相结合，探索不同职住空间类型的分布特点和通勤联系，拓展了大数据方法在城市规划中的应用方向；针对地铁站点客流需求预测场景，提出了基于Stacking集成学习框架的地铁站点客流需求预测模型，并深入分析了不同属性用地与地铁站点客流需求之间的量化关系，进一步深化了用地-客流互动理论；构建了地铁站点影响域多目标优化模型，实现了地铁系统与站点影响域内用地的协同优化，提出了城市用地布局方案，兼顾用地布局合理化、经济效益最优化、市民幸福感最大化，对缓解“大城市病”问题具有积极意义。
本书扩展了对职住空间特征研究的角度，通过聚类方法探索不同职住空间类型的分布特点和通勤联系，丰富了职住空间与公共交通间互动关系的研究思路，为后续的相关研究提供了更加全面的数据支持和科学理论基础；同时，拓展了大数据方法在城市规划中的应用方向，基于多源大数据，将职住空间类型与宏观社会经济影响因素、建成环境影响因素相结合，探究不同类型职住分离及失衡的主要影响因素，为职住研究提供了多层次的数据支持；丰富了轨道交通与城市职住空间平衡的理论，为城市规划提供了更加科学的数据支持和技术手段。
本书由王兆华、祝歆共同编写完成，具体分工如下：第1章、第2章、第3章、第6章、第7章、第8章由王兆华编写，第4章、第5章由祝歆编写。北京印刷学院、北京联合大学、北京交通大学以及北京市哲学社会科学规划办公室对本书的研究工作给予了莫大关心和支持，特此表示感谢。
作者
2023年8月
第1章 概述001
1.1 城市功能与客流协同优化研究开展的背景 001
1.2 城市功能与客流协同优化研究的内容 005
1.2.1 地铁站点影响域划分 005
1.2.2 基于多源大数据的城市发展精细化评价方法 005
1.2.3 大数据驱动下的智能公共交通网络研究 006
1.2.4 基于多元大数据的北京市职住空间特征影响因素 006
1.2.5 基于多元大数据的北京市职住空间特征及影响因素研究 006
1.2.6 基于地铁站点影响域内用地配置的城市功能优化研究 007
1.3 城市功能与客流协同优化研究的方法 007
1.4 城市功能与客流协同优化研究的创新之处 008
第2章 地铁站点影响域范围精细化划分研究010
2.1 站点影响域划分现状 010
2.1.1 地铁站点影响域边缘形态 011
2.1.2 地铁站点影响域范围大小 011
2.2 地铁站点影响域范围 013
2.2.1 基于地铁接驳广义出行费用模型的站点影响域范围划分 014
2.2.2 地铁站点对不同距离用地单元影响强度 017
2.3 北京市地铁站点影响域范围划分结果及分析 018
2.3.1 数据处理 018
2.3.2 参数设置 021
2.3.3 计算结果 023
2.3.4 结果分析 024
小结 031
第3章 地铁站点影响域用地精细化评价方法/032
3.1 站点影响域内用地评价研究现状 033
3.1.1 传统地铁站点影响域用地强度评价方法 033
3.1.2 大数据背景下的地铁站点影响域用地强度评价方法 034
3.2 地铁站点影响域内城市用地评价方法 036
3.2.1 多源城市原始大数据集 036
3.2.2 地铁站点影响域内城市用地评价指标体系 038
3.2.3 站点影响域内城市用地评价计算方法 041
3.3 站点影响域用地评价结果 044
3.3.1 居住属性用地分析 044
3.3.2 交通属性用地分析 044
3.3.3 商务属性用地分析 046
3.3.4 商业属性用地分析 047
3.3.5 行政属性用地分析 047
3.3.6 休旅属性用地分析 048
3.3.7 科教属性用地分析 049
3.3.8 医疗属性用地分析 049
3.4 北京市地铁站点影响域用地精细化评价结果及分析 050
小结 052
第4章 基于复杂网络的公交网络优化研究/053
4.1 公交网络优化研究现状 053
4.1.1 大数据驱动的智能交通网络研究 053
4.1.2 复杂网络在公共交通研究中的应用 054
4.2 大数据驱动下的公交线网模型构建 055
4.2.1 公交-地铁复合交通网络模型及其特征 055
4.2.2 基于出行大数据的网络效率改进 058
4.3 公交线网结构调节及应用模拟 059
4.3.1 城市公交线网结构调整机制设计 059
4.3.2 城市公交线网结构调节机制 060
4.3.3 北京市公共交通网络拓扑特性分析 062
4.3.4 线网结构调节模型应用仿真模拟 063
小结 065
第5章 北京市职住空间影响因素研究/066
5.1 职住空间特征及影响因素研究现状 067
5.1.1 职住平衡相关理论 067
5.1.2 职住空间结构相关理论 069
5.2 基于轨道交通通勤的职住空间特征分析 070
5.2.1 轨道交通通勤与职住空间数据描述与预处理 070
5.2.2 职住空间错位分析 073
5.2.3 职住空间类型识别 079
5.3 职住空间影响因素分析 084
5.3.1 职住空间影响因素模型构建 084
5.3.2 北京职住空间影响因素模型计算与结果分析 090
5.3.3 北京职住空间调整方法及应用 094
小结 096
第6章 地铁站点影响域内用地-客流互动机理研究/097
6.1 用地-客流互动机理研究现状 097
6.1.1 基于多元回归的直接预测法 097
6.1.2 大数据背景下的直接预测法 098
6.2 问题描述 100
6.3 模型构建 101
6.3.1 Stacking 客流集成预测模型 101
6.3.2 基学习器模型训练 102
6.3.3 基学习器训练结果分析 106
6.3.4 元学习器模型训练 115
6.3.5 Stacking 客流集成预测模型性能比较 117
6.3.6 基于SHAP 算法的不同属性用地对地铁客流影响效应计算 119
6.4 实例分析 120
6.4.1 不同时段地铁站点影响域各类属性用地对客流量影响分析 120
6.4.2 地铁站点影响域用地对站点客流影响结果分析 127
小结 128
第7章 城市交通-用地协同优化研究/130
7.1 交通-用地协同优化研究现状 130
7.1.1 城市用地优化现状 130
7.1.2 多目标优化理论及其在用地优化中的应用 132
7.2 地铁站点影响域用地多目标优化研究 133
7.2.1 地铁站点影响域用地优化多目标模型 133
7.2.2 基于NSGA-Ⅲ的多目标优化模型求解 143
7.3 地铁站点影响域用地优化——以北京地铁4 号线为例 148
7.3.1 实例分析 148
7.3.2 参数设置 148
7.3.3 优化结果 152
7.3.4 结论分析 155
小结 156
第8章 总结和展望/157
8.1 主要结论 157
8.1.1 地铁站点影响域划分研究 157
8.1.2 地铁站点影响域用地精细化评价 157
8.1.3 基于复杂网络的公交网络优化研究 158
8.1.4 北京市职住空间影响因素研究 159
8.1.5 地铁站点影响域用地-客流互动机理 160
8.1.6 运输性能提升视角下的交通-用地协同优化研究 161
8.2 研究展望 161
参考文献 163
书单推荐
