北京、上海和廣州地鐵網絡演化分析

羅金龍，曹成鉉，許琰，鄭勛

(北京交通大學軌道交通控制與安全國家重點實驗室，北京100044)

在城市化過程中，交通擁擠日益嚴重，地鐵以其快速、安全、節能和準時等特點獲得交通出行者的青睞。在我國，北京、上海和廣州是地鐵發展較早的城市，地鐵網絡也最為發達。這三個城市的地鐵都已經發展了15年以上，在世界城市地鐵發展中也具有代表性，因此分析這三個城市的地鐵網絡演化規律對其他城市未來的地鐵建設具有借鑒意義。

復雜網絡的研究始于上世紀80年代末，目前已經成為國際上許多學科最為前沿的研究熱點之一，在物理、計算機以及交通運輸系統領域得到廣泛應用。復雜網絡理論為研究城市地鐵網絡提供了一種新方法。通過分析復雜網絡的幾個網絡統計特征參數，包括度、平均路徑長度、介數、度的關聯性、網絡有效性等，研究過去10年間北京、上海和廣州城市地鐵網絡的復雜性，分析結果能夠對城市地鐵未來的發展建設提供一定的理論依據。

國內外許多學者利用復雜網絡理論對交通的網絡特性進行了研究。Latora等［1］對波士頓地鐵的網絡特性進行了初步研究，得出了波士頓地鐵網絡全局效率較高而局部效率較低的結論。Sienkiewicz等［2］分析了波蘭的21個城市的公共交通運輸網絡的拓撲結構特性，發現它們的度分布不是服從冪率分布就是服從指數分布。高自友等［3］研究了城市公交網絡的無標度特性和度分布指數，并以北京的公交網絡為例進行了實證分析。Xu等［4］和Lu等［5］分析了中國的幾個公交網絡的復雜性，發現無標度特性跟小世界特性呈現在這些網絡中。Gautreau等［6］從演化方面研究了US航空網絡1990—2000年的演化，發現伴隨著許多航線的增加或者消失，大部分統計學的指標是比較穩定的，改變程度很低。Rocha［7］研究了巴西航空網絡1995—2006年的演化，發現網絡是動態的，伴隨著重要的機場或者線路的改變，在拓撲結構上縮小會導致運量的翻倍。吳建軍等［8］也對北京城市軌道交通網絡進行了復雜性研究。

1 網絡拓撲結構構建及參數的選取

本文研究北京、上海、廣州的地鐵網絡演化，所有數據來源于相關網站［9-11］。北京是我國最早開通地鐵的城市，其第一條線路開通于1969年，截止到2010年12月23日，北京市共有14條地鐵線路，172個車站，建設里程336 km，年輸送旅客達到16億人次，單日最高乘客數達到682萬人次。

上海地鐵第一條線路于1995年4月10日正式運營，是繼北京、天津地鐵建成通車后中國大陸投入運營的第三個，也是目前中國線路最長的地鐵系統。截至2011年6月30日，上海地鐵線網已開通運營11條線、275座車站，運營里程達420 km(不含磁浮線)。

廣州地鐵首段線路于1997年6月28日正式開通，是中國第三大城市地鐵系統，截至2012年，廣州地鐵共有8條運營線路，148座運營車站，運營線路總長為236 km，已經成為廣州市民最主要的交通工具之一，日均客流約為480萬人次。

下面分別介紹5個典型的統計特征參量，這些參量用來度量地鐵網絡的復雜性。

1.1 度

度是復雜網絡中用來描述節點特性的重要指標，表示連接節點的邊的數目，用ki表示節點的度。直觀上看，一個節點的度越大就意味著這個節點在某種意義上越“重要”。網絡中所有節點的度的平均值稱為網絡的平均度，記為〈k〉。

1.2 平均路徑長度

網絡中兩個節點i和j之間的距離dij定義為連接這兩個節點的最短路徑上的邊數。網絡的平均路徑長度L定義為任意兩個節點之間的距離的平均值，即:

式中，N為網絡節點數。網絡的平均路徑長度也稱為網絡的特征路徑長度，L數值越小，說明網絡中任意節點之間的拓撲距離越小，網絡的整體可達性越好。

1.3 介數

節點i的介數Bi可以表征經過節點i的所有最短路徑的數目。介數反映了相應的節點在整個網絡中的作用和影響力。經過該節點的最短路徑越多，則介數越大，說明該節點在網絡連通中所起的作用越大。

1.4 度的關聯性

度的關聯性定義為與節點i相鄰的節點的平均度，即:

其中v(i)為i的鄰點的集合。那么，度為k的所有節點的鄰點平均度為

其中，Nk是度為k的節點數目。

度關聯性表現的是節點之間相互選擇的偏好性。如果knn(k)隨k遞增，即度大的節點優先連接別的度大的節點，則網絡的相關性是正相關的;反之，如果knn(k)隨k遞減，度大的節點優先連接度小的節點，則意味著網絡是負相關的［12－13］。度的關聯性可以幫助我們理解某個有確定度的車站是傾向于連接與其度相近的車站，還是連接與其度有差異的車站。

Newman［14-15］給出了一種方便的量化方法判斷網絡相關性，即計算網絡節點度的Pearson相關系數r:

其中，ji和ki分別是第i條邊兩個端點的度，i=1，…，M，M為網絡的邊數，－1≤r≤1。

當r＞0時，網絡是正相關的;當r＜0時，網絡是負相關的;當r=0時，網絡無相關性。

1.5 網絡有效性

N表示節點的數目，dij表示節點i與節點j之間的最短距離［16－18］。地鐵網絡的網絡有效性說明軌道交通網絡的整體聯通性強度。E(G)越大，網絡的聯通性越強。

2 發展過程演化對比分析

北京、上海和廣州地鐵發展時期不盡相同，其中北京市是我國最早開通地鐵的城市，上海和廣州都是在即將進入21世紀時才發展地鐵的，所以本文的對比不是對整個發展過程進行對比，而是取一個時間段根據時間演化過程進行橫向對比。北京、上海和廣州都屬于我國的巨型城市，但是城市之間又有所差別，其中北京是政治經濟中心，上海是金融中心，廣州是國家中心城市。本文對比分析了1999—2010年三個城市的地鐵運行的一些參數，具體是地鐵客運量/建設里程、財政收入/建設里程以及地鐵客運量/人口。從這些參數的演化中，發現三個城市地鐵建設的不同規律，這將對其他城市的地鐵建設有所幫助。

2.1 客運量與建設里程比值的演化

根據統計數據，得到三個城市客運量/建設里程比值的演化對比圖，見圖1?？瓦\量/建設里程可以描述地鐵運行的壓力或者客運強度，比值越大說明客運強度越大，反之越小。

從圖1可以發現，北京市地鐵一直承受著較大的客運壓力，2000年之后隨著1號線全線貫通，北京市地鐵建設明顯加快，其后客運強度逐漸下降。與此同時選擇地鐵出行的市民也逐漸增多，客運強度又有所上升。隨著4號線、5號線、8號線、10號線等建成通車，客運強度呈現波動，總體上比值趨近于500，相當于每公里年運送500萬人次的旅客。

上海地鐵客運強度相對較平緩，沒有出現大的波動，說明上海新建線路開通規律與客運量的上升較為一致，這種比值是一種較好的建設規律，說明地鐵很好的引導了市民的出行，對城市公共交通的平衡發展有利?？梢园l現上海的客運強度相對其他兩個城市是較小的，說明上海地鐵沒有上述兩個城市擁擠。

圖1 地鐵客運量/建設里程比值的演化Fig.1 The evolution of the ratio of passenger traffic to construction mileage

廣州地鐵開工建設最晚，客運強度也呈波動規律，但是在2006年之后，盡管3號線一期、4號線、5號線等線路開通運行，但是客運強度還是呈現較大的上升幅度，并持續保持高位，在統計的最后一年即2010年，廣州的客運強度在三個城市中是最大的。說明廣州市地鐵客運壓力最大，擁擠度較高，盡管廣州地鐵的票價是三個城市中最高的，但人們乘坐地鐵出行的熱情卻居高不下，分析可能與廣州的城市人口流動性強有關，說明城市活力較強。

地鐵建設運行后，要保持一定的客運強度，這樣既能保證地鐵的有效運行和運能的充分利用，又不會造成過度擁擠，可以根據地鐵運行速度，以及車站疏導乘客的效率確定一定的客運強度。三個城市都經過了地鐵建設的快速發展時期，在建設更加完善后，客運強度會隨之增長一段時間，然后緩慢增長后趨于穩定。

2.2 財政收入與建設里程比值的演化

根據統計數據，得到城市財政收入/建設里程的比值演化對比圖，見圖2。財政收入/建設里程是運行每公里軌道交通，城市所能提供的經濟支持，該比值可以描述城市財政對地鐵的支持。政府批準地鐵建設有三項指標，即城市人口超300萬、GDP超1 000億元人民幣以及地方財政一般預算收入超100億元。地鐵建設具有很大的公益性，大部分城市都有巨額的財政補貼，所以如果地鐵財政補貼占城市其他公共支出的比值過大的話，對城市整體發展也不利。所以大城市建設地鐵要進行充分的調研。財政收入/建設里程比值要保持在合理的水平，這個合理水平目前還沒有統一的標準。

從圖2可以看出，北京市的財政收入/通車里程比值一直保持相對平穩并有所上升，顯示出一定的合理性。除去地鐵建設初期的費用，每公里地鐵的維護運營應該有10億元的年財政收入作為支持。根據資料，北京每年總的地鐵財政補貼約為20億元(2010年通車里程336 km)，相當于每公里財政補貼為0.06億，這個數值與北京市的財政收入相比并不十分巨大，所以可以認為財政收入/通車里程這個比值在10左右是一個合理的水平。北京市2006—2010年的財政收入/通車里程的比值一直在11.5左右浮動，位于近10年來的較高的水平。對比其他兩個城市近期的比值顯示出一定合理性。

由圖2可知，上海市在地鐵建設初期的財政收入/通車里程的比值相對較大，說明在2000年之前，上海市地鐵建設對城市規模來說相對滯后，2000年之后，上海地鐵進入快速發展時期，到2010年上海地鐵總里程達到452 km，居我國首位。在2000—2010年這段時間，財政收入/通車里程的比值持續下降，直到2010年的6.35，這個數值略低于合理水平，一定程度上反映了上海市的地鐵建設超前于國內其他同等規模城市。

廣州地鐵財政收入/通車里程的變化規律與上海類似，但是有所不同的是，廣州的這個比值一直略低于上海，說明廣州市地鐵運行的財政壓力更大。廣州市的地鐵票價是三個城市中最高的，某種程度上是基于財政壓力過大的原因。

圖2 財政收入/建設里程比值的演化Fig.2 The evolution of the ratio of fiscal revenue to construction mileage

2.3 客運量與城市人口比值的演化

圖3是地鐵客運量/城市人口比值演化，反映一個城市乘坐地鐵出行的頻率，一定程度上反映了市民乘坐地鐵的比例。根據統計資料，北京、上海和廣州在近十年來，客運量與人口的比值持續上升，表明地鐵在市民出行選擇方式中比重越來越大。隨著城市的發展，客運量與人口的比值會逐步上升，最終會達到一定的水平并略有浮動。但是就目前來看三個城市的客運量與人口的比值還會持續上升，即選擇地鐵出行的市民還會增多，這也表明這些城市地鐵的發展還處于上升期。

北京、上海的客運量/人口的比值變化規律相似，北京的略高于上海。廣州的地鐵雖然發展起步最晚，總里程也最短，但是客運量與人口的比值卻增長勢頭最強，在2010年，呈現遠大于北京、上海的趨勢，說明廣州市民更愿意選擇地鐵出行，同時廣州地鐵的客運壓力也是最大的，這與圖1的分析結果一致。

3 網絡演化對比分析

3.1 網絡平均度的演化

網絡平均度的分析結果如圖4所示，顯示了北京、上海和廣州三個城市地鐵網絡平均度的演化過程。從圖4中可以清楚地看到隨著年份的增加，整體上三個城市的平均度具有明顯增長的趨勢。但是在某一段時間，如北京的 2002—2003年，上海的 2000—2004年，廣州的2005—2007年平均度基本保持不變，這是因為這幾年新開通的地鐵線路相當于舊線的延伸段，在實際網絡中表現為新開通的線路大部分在郊區。在網絡拓撲結構的邊緣，實際建設數據與分析結論一致?？傮w來說，網絡的平均度相對都較小，每個城市都是僅僅在少數幾個換乘車站可能會出現擁擠的客流。

從以上分析可以看出，3個城市的網絡密集度在逐漸增大，網絡一面在空間上進行擴張，一面又在內部進行優化。當地鐵網絡建設完成后，網絡的度也達到一定數值并保持不變，網絡越密集，地鐵的調度運行也就越復雜，市民出行的路線選擇也會更豐富。

3.2 度的關聯性的演化

度的關聯性的分析結果如圖5所示，圖中顯示了3個城市地鐵網絡度的關聯性的演化過程。由圖5可以看出，北京地鐵的度的關聯性有兩個轉折點，一個是2007年，另一個是2010年，度的關聯性是正的表示網絡是正相關，說明網絡傾向于連接度大的節點，網絡在內部進行優化，網絡變得更加密集;而度的關聯性為負，表示網絡是負相關，網絡傾向于連接度小的節點，說明新建線路較多，并且新建線路跟老線路連接性較低，這也與度的演化結果吻合，與實際建設情況一致?？梢钥闯鼍W絡在擴張的階段，大部分節點都是度不超過2的節點，表示地鐵網絡在空間上變大。

上海市在2010年的時候，其網絡拓撲結構是正相關的，表明其地鐵網絡也是經過一定階段的快速擴張之后，隨后在網絡內部進行優化。

廣州市在2009年之后，其網絡拓撲結構也是正相關的，同樣說明廣州市地鐵網絡經過一段時間的空間擴張后，開始增加網絡的密度。在現實中表現為，新建的車站大部分在網絡內部，使網絡連接更加緊密。

綜合上述三個城市可以得出，地鐵網絡都會經歷初期的快速擴張階段，然后在一定階段后進行內部優化，最后網絡會在達到正相關后穩定。分析表明，為了改善運輸環境，相關部門還應該注重提高軌道交通網絡的密度。

3.3 網絡平均最短距離的演化

網絡平均最短路徑長度的分析結果如圖6所示，圖中顯示了3個城市地鐵網絡平均路徑長度的演化過程。從中我們可以清楚的看出3個城市平均路徑長度隨著年份的增加都有增長的趨勢。但是中間有幾年的平均最短距離比前幾年有所降低，這是因為新線的開通優化了市區的地鐵網絡，增加了換乘車站，致使網絡的平均最短路徑長度有所下降。整體上隨著網絡的擴大，平均最短距離在增加到一定程度后，就會趨于穩定，并略有下降，這是因為隨著網絡進一步優化，換乘會更加方便，市民出行的平均最短距離會有所下降。

3.4 網絡平均介數的演化

網絡平均介數的分析結果如圖7所示，顯示了3個城市地鐵網絡平均介數的演化過程，可以看出，平均介數隨著網絡規模的擴張有增長的趨勢。隨著開通線路增多，經過網絡節點的最短路徑數目也增多。有些年份比以往有所下降，原因如最短路徑一樣。一般情況下，乘客會選擇最短路徑達到目的地。介數越大的地鐵站吸引的乘客越多，這樣擁有較大介數的換乘車站就會很擁堵，比如北京地鐵的西直門站，上海地鐵的人民廣場站、世紀大道站等，廣州地鐵的廣州火車站、體育西路站等。在規劃建設這類換乘車站時要注意各種換乘方式的銜接、站場空間布局以及客流疏導等問題?？梢园l現三個城市中平均介數的變化規律與平均最短距離的變化規律近乎一致，原因就是新開通線路在三個城市中對這兩個參數影響趨勢是相同的。

3.5 網絡平均有效性的演化

網絡有效性的分析結果如圖8所示，由網絡有效性的概念以及演化結果可以看出，從1999年開始統計，三個城市的網絡有效性都在逐漸下降，這與網絡的平均出行距離的上升結果一致，隨著網絡的優化，網絡有效性會降低到一定程度后保持穩定，并略有上升。上海和廣州的網絡有效性都出現了緩慢降低的趨勢，這兩個城市應該會最先達到穩定，北京的網絡有效性還在以一定的速度下降?？偟膩碚f乘客會選擇最短路徑到達目的地。

4 結語

本文主要從演化的角度研究了北京、上海和廣州三個城市地鐵網絡的復雜性，通過引入5個典型的網絡統計特征參量，系統對比分析了其網絡特征參量和演化特性，得到了一些網絡演化的結論，相關結論可能對未來城市地鐵的發展有所幫助。軌道交通演化研究可為軌道交通發展提供一定的理論依據，進一步拓展了城市交通網絡基礎理論的研究思路和研究范圍。

復雜網絡研究軌道交通已有一些成果，但是結合實際客運量以及復雜網絡之間的研究還比較少。下一步研究的重點是:(1)將客運量引入網絡中，根據客運量給網絡中的邊賦予等量的權重，再做分析研究;(2)將網絡系統起來，注意地鐵網絡與公交網絡之間的連接關系，分析怎樣使運輸系統更加高效協調地運行。

［1］LATORA V，MARCHIORI M.Is the Boston subway a small-world networks［J］.Physical A:Statistical Mechanics and its Applications，2002，314(1/2/3/4):109-113.

［2］SIENKIEWICZ J，HOLYST J A.Public transport systems in Poland:From Bialystok to Zielona Gora by bus and using universal statistics of complex networks［J］.Acta Physica Polonica B，2005，36(5):1771-1778.

［3］GAO Z Y，WU J J，MAO B H，et al.Study on the complexity of traffic networks and related problems［J］.Journal of Transportation Systems Engineering and information Technology，2005;5(2):79-84.

［4］XU X，HU J，LIU F，et al.Scaling and correlations in three bus-transport networks of China［J］.Physical A:Statistical Mechanics and its Applications ，2007，374(1):441-448.

［5］LU H，SHI Y.Complexity of public transport network［J］.Tsinghua Science ＆ Technology，2007，12(2):204-213.

［6］GAUTREAU A，BARRAT A，BARRTHéLEMY M.Microdynamics in stationary complex networks［J］.PNAS，2009，106(22):8847-8852.

［7］ROCHA L E C .Structural evolution of the Brazilian airport network［J］.Journal of Statistical Mechanics:Theory and Experiment，2009(4):P04020.

［8］WU J J，SUN H J，SI B F，et al.Evolution properties of Beijing urban rail transit network［C］//2011International Conferanceon Management and Service Science(MASS)，Wuhan，2011.

［9］北京市統計局.北京市統計年鑒［EB/OL］.(2011-7-9)［2012-7-14］.http://www.bjstats.gov.cn/.

［10］上海市統計局.上海市統計年鑒［EB/OL］.(2011-9-17)［2012-7-14］.http://www.stats-sh.gov.cn/.

［11］廣州市統計局.廣州市統計年鑒［EB/OL］.(2011-5-4)［2012-7-14］.http://www.gzstats.gov.cn/tjgb/.

［12］PASTOR-SATORRAS R，VáZQUEZ A，VESPIGNANI A.Dynamical and Correlation Properties of the Internet［J］.Phys Rev Lett，2001，87(25):258701.

［13］VáZQUEZ A，PASTOR-SATORRAS R，VESPIGNANI A.Large-scale topological and dynamical properties of the Internet［J］.Phys Rev E，2002，65(6):66130.

［14］NEWMAN M E J.Assortative mixing in networks［J］.Phys Rev Lett，2002，89(20):208701.

［15］NEWMAN M E J.Email networks and the spread of computer viruses［J］.Phys Rev E，2002 ，66(3):035101.

［16］LATORA V，MARCHIORI M.Efficient behavior of small-world networks［J］.Phy Rev Lett.2001，87(19):198701.

［17］LATORA V，MARCHIORI M.Economic small-world behavior in weighted networks［J］.Eur Phys J B，2003，32(2):249-263.

［18］LATORA V，MARCHIORI M.How the science of complex networks can help developing［J］.Chaos Solitons ＆ Fractals，2004，20(1):69-75.