从高铁票价到通勤成本：手把手教你用ArcGIS做城市OD分析与时价比地图

从高铁票价到通勤成本：用ArcGIS构建城市OD网络与时价比地图

清晨6:30的北京西站，开往上海的首班高铁正在检票。商务座乘客王先生刷身份证时，系统自动扣费1748元——这个价格相当于经济舱机票，却能让他准时抵达会议室。与此同时，大学生小李选择绕道南京的G字头列车，票价节省62%但耗时增加3小时。这种隐藏在票价与时间背后的空间经济学，正是城市OD分析要揭示的奥秘。

1. 数据炼金术：从原始表格到空间智能

打开12306官网导出的CSV文件，你会看到令人望而生畏的23,684条记录。每条数据包含12个字段：出发站、到达站、车次、发车时间、到达时间、历时、商务座票价、一等座票价...这些看似杂乱的信息，实则是构建全国城市网络的原材料。

关键清洗步骤：

# 示例：用Python预处理高铁数据 import pandas as pd df = pd.read_csv('high_speed_rail.csv') # 过滤无效数据 df = df[df['历时'].notna() & (df['商务座票价'] > 0)] # 转换时间为分钟数 df['duration_min'] = df['历时'].str.extract(r'(\d+)小时')*60 + df['历时'].str.extract(r'(\d+)分')

处理后的核心字段矩阵：

提示：使用ArcGIS的Geocoding工具将城市名转换为坐标时，建议先建立城市别名对照表，处理"北京/北京市"这类命名不一致问题。

2. 时价比：重新定义空间经济价值

在武汉至广州的线路上，G79次列车用时最短3小时33分票价463.5元，而D2103次列车用时4小时12分票价仅244元。如何量化这种差异？我们引入时价比概念：

时价比 = 最高票价 / 最短耗时 × 60

这个公式的分子分母选择颇有讲究：

• 采用最高票价反映商务出行者的支付上限
• 使用最短耗时衡量效率追求者的时间成本
• 乘以60将单位统一为"元/小时"

全国时价比梯度分布：

在ArcGIS中创建这个指标：

1. 右键点击属性表选择"字段计算器"
2. 新建"time_value_ratio"字段
3. 输入公式：[p_max] / [t_min] * 60

3. XY转线的艺术：从数字到空间叙事

当所有城市坐标就绪后，点击"XY转线"工具时，你会面临四种连接方式选择：

连接类型对比表：

对于高铁网络，我们推荐使用测地线：

1. 保持地理真实性
2. 避免投影变形
3. 符合人类空间认知习惯

# ArcPy实现批量化OD线生成 arcpy.XYToLine_management( "city_pairs.dbf", "od_lines.shp", "origin_lon", "origin_lat", "dest_lon", "dest_lat", "GEODESIC", "city_pair_id" )

4. 动态可视化：让数据讲述经济故事

加载生成的OD线图层后，通过"符号系统"实现四维表达：

1. 线宽表示客流量
2. 颜色渐变反映时价比高低
3. 透明度控制视觉层次
4. 动画序列展示时间变化

进阶技巧：

• 使用"比例范围"功能自动过滤弱联系
• 启用"地图时间"属性制作通勤高峰动画
• 结合"空间书签"创建叙事导览

注意：当时价比超过500元/小时时，建议检查是否为数据异常（如海南环岛高铁的特殊计价）

在最后输出阶段，切换到"布局视图"添加图例时，你会发现一个有趣现象：长三角城市间的连线呈现密集的蓝色（低时价比），而京沪线则如一道红色闪电贯穿南北——这恰是中国区域经济差异的精准写照。按住Shift键框选这些线条时，属性表里跳动的数字突然有了生命：它们不只是代码与坐标的组合，更是数百万人的通勤选择与生活策略的空间投影。