地铁站一直是城市数据分析中很好的研究对象。

它们通常在城市空间中分布相对均质，能很好地反映出空间特征差异，对于工作和生活在周边的人们来说，地铁站是它们绕不开的枢纽——不仅是出行上的，往往还包括了商业及生活服务。

新一酱这次打算拿上海19条地铁线路上的348个地铁站点作为研究样本，看看通过尽可能多的大数据指标，能够怎样给它们分类。

整体来说，我们可以将地铁站及其周边可供分析的数据分为商业、办公和居住三类，它们对应的商产住空间在城市中有各自的分布规律。

下图中，新一酱分别选取地铁站周边1km的居住人口数量、基础商业设施集聚度与全量企业集聚度这三个最有代表性的指标，来确定上海全市范围内的地铁站周边商产住活力走势。

办公活力随着城市区位的外移衰减最快，这与其依赖企业间协同和人际交流的特质相符。除了张江与漕河泾等知名产业园区集聚地，从上海市中心向外五到六站，产业氛围已不足核心区的20%。

居住活力的外延明显更大。随着地铁线向外走，我们能不断地遇见居住人群密度的“小高峰”。市中心15至25分钟通勤圈内地铁站点的平均居住密度并不低于城市最核心地带——花几十分钟通勤早已是常见的城市人生活方式。新一酱计算了18条地铁线路末端五站的平均居住人群密度，那里住的人并不比花木路、上海科技馆等内环内地铁站点少。

商业的繁荣则依赖于“人气”。从数据上看，商业资源更像一个“滞后变量”，商业资源丰富的站点往往已经获得了办公或居住人群聚集。

如果将商业、办公与居住作为城市功能的“三原色”，那么以人民广场为代表的市中心区域就是三原色交汇而成的“五彩斑斓的黑”。越是中心的区域，往往城市功能越复合。随着地铁站向远郊延伸，地铁站点周边更倾向于以居住功能为主导。

为了实现对上海所有地铁站点的聚类分析，新一酱以每个地铁站周边1km为研究范围，从居住、商业、办公和人群属性四个角度设置了14个数据维度，运用机器学习聚类算法，最终得到了10个分类。

从每个分类的数据特征来看，它们又可以被清晰地分成两大类：6类复合功能区和4类单一居住功能区，这两个大类之间基本以上海地铁4号线环线为界分开。

这一篇，新一酱将主要观察复合功能地铁站的具体分类特征，后面我们还会再单独写一篇居住功能主导站点的分析。

前面我们已经提到，通过机器学习的聚类算法，新一酱分出的复合功能地铁站点共有六大类，分别是：超级核心区、城市核心区、成熟复合功能区、城市功能拓展区、职住活力复合区、产业功能主导区。

不同类别站点之间最突出的区别，在于所承载的城市功能的密度上。各个分类的站点之间形成了一定意义上的圈层关系，从核心到外围，不同层级站点的商业与产业功能也成比例衰减。比如像淮海中路这样的城市核心区地铁站点，周边的商业与企业集聚度大约是以中山公园、五角场为代表的城市成熟复合功能区的1.5倍。