在大都市的日常生活中，地铁作为重要的公共交通工具扮演着不可或缺的角色。多伦多的Bloor-Danforth地铁线（通常被称为2号线）作为连接东西向主要区域的轨道线路，尤其在晨峰时段，承担着巨大的人流压力。观察这条线路上的乘客流动规律不仅有助于提升运营效率，也能够为城市交通规划提供宝贵的参考。为了形象地展现地铁2号线晨峰时段乘客在车站间的流动关系，设计并制作了一幅基于弧形图的可视化作品。在通勤者的日常轨迹中，地铁站的上下车人数呈现出明显的规律。例如Broadview站点乘客上车数量明显较多，而Castle Frank的上下车人数则相对较少。
弧形图通过节点与节点间的曲线连接，清晰展现了不同车站间乘客的流动强度。曲线的粗细与透明度代表了乘车人数多寡，使得各种出行流向一目了然。为体现地铁线路上的双向流动，弧形图巧妙地将数据分为东西两个方向，各自呈现在图的不同半边，直观表现了乘客的东行和西行模式。获得准确的乘客流动数据是制作该图的关键环节。虽然TTC的Presto卡或信用卡刷卡数据提供了一定的客流信息，但由于其只记录乘客上车时间和地点，而未记录下车信息，且部分换乘并不需刷卡，这些数据不足以完整反映从起点到终点的完整出行路线。因此，借助了加拿大交通部每隔五年进行一次的大规模“未来交通调查”——Transportation Tomorrow Survey（TTS）的数据。
TTS通过对约5%受访者的采样，详细记录了乘客的出行起点与终点站信息，为分析地铁乘客流动提供了宝贵的基础。使用TTS数据时也面临挑战，因调查中仅记录了上下车的起始和终止站点，中间可能包含的换乘并未明确指出。为了弥补这部分空白，通过合理的假设来推断换乘站。例如，若调查记录表明某乘客从Line 1的Finch站出发，到达2号线的Bathurst站，则合理推测乘客在Yonge-Bloor站换乘到2号线。这样的推断为描绘更准确的换乘路径奠定了基础。数据处理及图表制作的技术核心使用了R语言中的ggplot包，充分发挥了其强大的数据可视化功能。
在完成初步的弧形图绘制后，还利用Inkscape软件进行了后期的标签添加与图例设计，保持图表的专业与易读性。颜色调整则借助了GIMP工具，确保视觉效果符合读者的直观感知需求。通过这幅弧形图，不仅能够直观地看到哪些车站之间的乘客流量较大，还能发现潜在的上下车站点之间的流动趋势和变化。对于城市交通规划者和地铁运营方来说，这种可视化意味着可以精准发现地铁线上的高峰需求点，从而针对性地调整班次、增设设施，或者优化换乘设计。通勤乘客也可以从中了解整个地铁2号线的拥挤程度分布与出行热点，从而合理调整自己的出行时间和换乘策略，提升通勤的舒适度与效率。除了地铁2号线的案例，这种基于弧形图的可视化思路也极具推广价值，适用于其他城市交通线路或者不同类型的网络关系展示。
通过适当的数据采集与合理的模型假设，弧形图不仅使复杂的交通网络关系变得浅显易懂，也为城市智能交通和大数据应用提供了实践案例。总结来看，地铁2号线晨峰时段的弧形图是一项融合了数据采集、假设推断、编程绘图及图形设计于一体的综合性工作。它展示了交通数据分析与可视化技术的魅力，同时也提醒了我们数据背后潜藏的复杂性和不确定性。未来，随着乘客数据采集手段的不断完善，尤其是实现刷卡上下车全程记录后，类似的图示将更加精准和丰富。多伦多的轨道交通运营方和城市规划者应持续关注此类分析工具的应用价值，不断推动交通系统的智慧升级和服务优化。此外，这样的尝试也为交通领域的数据分析工作者提供了灵感，鼓励更多创新的数据可视化探索，以洞察乘客行为，优化公共交通资源分配。
无论是在交通运营管理还是市民出行体验的提升层面，弧形图都为我们提供了一种新的视角，帮助我们更好地理解城市轨道交通的动态脉络。对于关注多伦多地铁发展和轨道交通研究的人士而言，深入研究线路乘客流动模式的数据 visualization 方法无疑是一项颇有价值的探索。欢迎有兴趣的读者交流意见，共同推动城市交通的智慧发展。若需进一步的交流与讨论，可以通过jeff.allen@utoronto.ca联系作者，分享您的见解和建议。多伦多地铁2号线的弧形图不仅是一次数据可视化实践，也代表了未来智慧城市交通管理的探索方向。
