微尺度步行友好性与地铁站点客流关联性研究——基于街景影像与计算机视觉的贵阳实证分析

这篇研究创新性地整合街景影像(SVIs)和计算机视觉技术，构建包含移动性、安全性和舒适性三维度的微尺度步行性评估模型，结合结构方程模型(SEM)和地理加权回归(GWR)，揭示了中观与微观建成环境因素对地铁客流的影响机制，为中等城市轨道交通导向发展(TOD)提供数据支撑。

　　

Highlight

本研究通过深度学习提取街景特征，结合乘客感知调查构建微尺度步行性评估体系，首次系统量化了中等城市地铁站点800米缓冲区内街道设计要素对客流的影响。

Built Environment Features and Transit Use

交通导向发展(TOD)通过高密度混合用地布局促进可持续出行。既有研究多关注中观尺度因素（如土地利用混合度、路网密度），而微观层面的步行体验要素（如人行道宽度、街道家具）常被忽视，特别是在中国中等城市快速扩张的轨道交通(URT)背景下。

Study area and research framework

以贵阳为典型案例区（2023年城区人口500万），选取其3条地铁线80余个站点，运用街景影像(SVIs)提取15类街道特征，通过验证性因子分析(CFA)筛选指标后，构建包含物理环境与感知权重的综合评价模型。

SEM model results

结构方程模型(SEM)显示：安全性维度（β=0.32）对步行意愿影响最大，其次是移动性（β=0.28）和舒适性（β=0.21）。地理加权回归(GWR)进一步揭示空间异质性——中心城区站点受商业POI密度影响显著（局部R²达0.47），而郊区站点对绿视率更敏感。

Discussion and Recommendations

建议采用差异化改造策略：1）商业区重点优化人行道连续性；2）居住区增加遮荫设施；3）交通枢纽强化导向标识。K-means聚类识别出4类站点特征群，为精准提升"最后一公里"步行体验提供新思路。

Conclusion and Limitation

尽管存在街景数据时效性限制，本研究首次验证了微尺度步行性对中等城市地铁客流的显著影响（p<0.01），所提方法可扩展应用于其他快速城市化地区。未来可结合实时定位数据深化行为机制研究。