基于日流量视角的俄罗斯首府城市铁路客运网络空间特征

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

初楠臣^,¹, 张平宇^,²^,³, 吴相利¹, 李鹤²^,³

1.哈尔滨师范大学地理科学学院, 哈尔滨 150025

2.中国科学院东北地理与农业生态研究所,长春 130102

3.中国科学院大学资源与环境学院, 北京 100049

The spatial characteristics of railway passenger network in Russian capital cities based on the daily railway passenger flow

CHU Nanchen^,¹, ZHANG Pingyu^,²^,³, WU Xiangli¹, LI He²^,³

1. College of Geographical Sciences, Harbin Normal University, Harbin 150025, China

2. Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, China

3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 张平宇（1966-）,男,吉林柳河人,研究员,博士生导师,研究方向为城市与区域发展。E-mail: zhangpy@iga.ac.cn

收稿日期:2019-09-25接受日期:2020-09-11网络出版日期:2021-01-10

基金资助:

国家自然科学基金面上项目.42071162
国家科技基础资源调查专项课题.2017FY101303-1
中国科学院重点部署项目子课题.ZDRW-ZS-2017-4-3-4
国家社会科学基金.16BJY039

Received:2019-09-25Accepted:2020-09-11Online:2021-01-10
作者简介 About authors
初楠臣（1992-）,男,黑龙江佳木斯人,博士,讲师,主要研究方向为城市地理与区域发展。E-mail: chunanchen_1992@163.com

摘要
构建俄罗斯81×81的首府城市的日铁路客运流量矩阵,基于社会网络分析研究其铁路客运网络特征,结果表明：① 俄罗斯首府铁路客运网络松散且不均衡,西密东疏,高、中密度联系的城市位于中央联邦区与西伯利亚铁路沿线,俄欧洲北部、欧洲南部、亚洲等3个铁路区系内包含不同的子群与核心。② 日铁路客运流量表现出沿西伯利亚铁路的“廊道型”向南北两侧逐渐递减弱化的“非对称性”空间态势,西伯利亚铁路内部初步形成以莫斯科、叶卡捷琳堡-彼尔姆-秋明、鄂木斯克、新西伯利亚为核心及其外围地区的次一级“核心-边缘”格局。③ 俄人口分界线——“圣图线”西南侧城市的铁路要素集散能力、铁路联系强度、对其他节点控制程度均强于东北侧城市。
关键词： 铁路客运网络;日铁路客运流量;社会网络分析;空间特征;俄罗斯

Abstract

This paper studied the spatial structure, pattern, and characteristics of Russian railway passenger network. The paper first built a daily railway passenger flow matrix consisting of 81*81 capital cities to evaluate the daily railway passenger flow of Russia. Then by analyzing the network density, three kinds of centralities, core/periphery structure and cohesive subgroups using the network analysis software - University of California at Irvine Network (UCINET), this paper displayed the structure and characteristics of Russian railway passenger network. Finally, the global trend analysis and spatial interpolation function of geographic information system (GIS) were used to simulate the pattern of the daily railway passenger flow and three kinds of centralities in Russia and to reveal the characteristics and the differentiation of their spatial distribution. The results are as follows. First, spatially, the railway passenger network of Russia is loosely organized, displaying the unbalanced characteristic of "dense in the west, while sparse in the east". The railway passenger network of different federal districts differs greatly as such: Privolzhsky (Volga) Federal District > Siberian Federal District > Central Federal District > Ural Federal District > North West Federal District > South Federal District > Far East Federal District> North-Caucasian Federal District. Particularly, the railway passenger connection density of the capital cities in the Central Federal District and along the trans-Siberian railway is higher than that of other capital cities in Russia. The railway subgroups and cores of the northern Europe clique, southern Europe clique, and Asia clique in Russia are different. Second, by analyzing the daily railway passenger flow, we find that the trans-Siberian railway line which has developed into the main "corridor" of Russian railway passenger flow is much higher than the rest lines. However, its south and north sides have shown an asymmetric reduction trend. And in the trans-Siberian railway line, Moscow, Yekaterinburg-Perm-Tyumen, Omsk, and Novosibirsk are located in the key positions of high railway passenger flow. Third, key elements related to railway such as population of the capital cities located on the southwest side of Russian population boundary (Saint Petersburg- Rupublic of Tuva) line is higher than that of the capital cities on the northeast side. Moscow, Saint Petersburg, Yekaterinburg, Tyumen, Rostov-on-Don, Krasnodar, Novosibirsk, and Tver are the national important railway passenger accessibility intermediary cities.

Keywords：railway passenger network;daily railway passenger flow;social network analysis;spatial characteristics;Russia

PDF (6231KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
初楠臣, 张平宇, 吴相利, 李鹤. 基于日流量视角的俄罗斯首府城市铁路客运网络空间特征. 地理研究[J], 2021, 40(1): 247-262 doi:10.11821/dlyj020190843
CHU Nanchen, ZHANG Pingyu, WU Xiangli, LI He. The spatial characteristics of railway passenger network in Russian capital cities based on the daily railway passenger flow. Geographical Research[J], 2021, 40(1): 247-262 doi:10.11821/dlyj020190843

1 引言

俄罗斯的铁路发展最早追溯到19世纪初,工业革命浪潮席卷沙俄,机器化生产逐渐替代手工业,水运与公路无法满足运输需求,沙俄开始建筑铁路;1837年全长26 km的第一条客运公用铁路（圣彼得堡-沙皇村）运营;1843年国家铁道部成立;1851年长达649.7 km的圣彼得堡-莫斯科铁路客运列车运营;1857年沙皇颁布铁路法令,勾勒俄铁路网雏形,力图摆脱铁路落后于欧洲大国的局势^[1]³⁶²;1861年铁路发展进入改革时期;1880年国家施行官办铁路方针,同年建设通往里海横断铁路;1891年修建全长9288 km的西伯利亚铁路,起自莫斯科,1899年修至伊尔库茨克,1904年依托中国东清铁道,通至伯力和海参崴;1906年开通从奥伦堡出发,经塔什干至土库曼巴希的铁路线。第一次世界大战后苏联成立,国家铁道部改组为苏联铁道;1918—1920年,三年国内战争,铁路发展陷入停滞;1928—1942年苏联国民经济一·五~三·五计划期间,铁路运营里程从6.9万km增至10.53万km;第二次世界大战爆发,超过6.5万km的铁路遭到大规模破坏^[2]³⁵;1946年苏联实施四·五计划,大规模铁路复线化改造;1947年修建西伯利亚铁路蒙古支线^[1]³⁷¹;1950年后推进铁路线的电气化和内燃化发展;1966年俄罗斯号莫斯科-海参崴的客运列车运营;1974年贝加尔-阿穆尔（贝阿）铁路恢复施工;1977年铁路线实现电力牵引和内燃牵引;1984年贝阿铁路（泰舍特-苏维埃港段）通车,同年莫斯科-圣彼得堡时速200 km/h的ER200型高速列车运行;1989年国家铁路运营里程达到14.75万km,电气化里程（5.38万km）居世界首位,占国家铁路总里程36.5%,铁路客运量43亿人,承担国家37%的旅客周转量,铁路货运量40亿t,承担国家55%的货物周转量。苏联解体,俄罗斯继承约2/3里程的铁路,1990—1992年,铁路客运量由32亿降至26.7亿人次,货运量从24.8亿t降至18.9亿t^[3];2001年5月俄罗斯政府通过《铁路运输结构改革方案》;2003年俄铁路总公司成立;2006年俄政府制定《2020年前铁路网快速和高速运输发展纲要》;2007年核准《2008—2030铁路发展战略》,提出新建铁路线2.05万km,其中高速线0.15万km^[4]的方案;2009年俄首列“游隼”号高速铁路（高铁）列车开通（莫斯科-圣彼得堡日7对、莫斯科-下诺夫哥罗德日2对）^[5];2010年底圣彼得堡-赫尔辛基日2对高速列车运行;2013年索契高铁通车。

俄罗斯铁路目前承担国家80%货运周转量、70%客运周转量,铁路网平均密度0.005 km/km²,西部欧洲、东部亚洲铁路长度占比70%、30%,17条区域铁路贯穿俄东西区域,从圣彼得堡的十月铁路到海参崴的远东铁路,独立的加里宁格勒铁路、萨哈林铁路位于俄最西、最东端。铁路是俄国民最受欢迎的交通方式^[6],铁路网的建立对俄资本主义制度确立、工业产业发展产生重大影响,其与经济社会公共机构巨大的协同效应,有力地推动俄经济社会的发展^[7]。Briginshaw总结俄处于铁路改革10年计划的第三个阶段,实施如增加地方客运运营商数量、向私人所有制转移、向外国承运人开放市场等手段的成效^[8];Laisi评估俄铁路货运市场放松管制的进程^[9],从运营商视角分析俄铁路货运市场特征^[10];Filina综述俄铁路交通综合体的现状和发展前景,探讨铁路交通增长因素,及铁路运输改革的现代化问题^[11]。随着经济全球化的高速发展,俄西伯利亚铁路和北极北方航道成为世界各地货物运输的中转线路、连接欧洲和亚太地区的新的全球运输路线^[12]。为满足日益增长的国际铁路运输需求,俄计划通过波兰开辟一条通往捷克的大型铁路支线,升级俄在泛欧走廊部分的铁路网,根据与朝韩间铁路协定,增加跨西伯利亚铁路交通运输量^[13],同时在中国“一带一路”倡议背景下,搭建中国东北-满洲里-俄罗斯-欧洲、中国环渤海-乔巴山-蒙古-俄罗斯-东中欧国家-欧洲的国际运输通道^[14];在中蒙俄经济走廊区域范围内^[15],依托东、中、西三条主干通道^[16],规划东线高铁（中国东北地区-满洲里-俄罗斯-蒙古国）,西线高铁（中国京津冀-呼和浩特-蒙古国-俄罗斯）^[17,18],具体线路为：哈尔滨-黑河-海兰泡、乌鲁木齐-阿尔泰-巴尔瑙尔-新西伯利亚、赤塔-满洲里-海拉尔-伊春-哈尔滨-长春-珲春-海参崴-双城子-伯力等^[19,20],届时俄西伯利亚区、乌拉尔区、伏尔加区、中央区将成为丝绸之路经济带铁路运输的比较优势区,西北区、南方区将成为优势扩展区^[21]。

俄罗斯是中国北方重要邻国,近年中俄达到前所未有的高度合作关系,双边贸易强度、进出口总额稳步攀升,交通等领域的合作如火如荼,北京-莫斯科高铁进入修建阶段,“滨海1号”与“滨海2号”通道逐步贯通,中俄黑龙江公路大桥、同江铁路大桥合龙。俄罗斯作为“一带一路”与“中蒙俄经济走廊”倡议的重要参与国家,交通合作是中俄开展经贸等多领域合作的基础内容,但目前中国对俄铁路网络结构状况不明,严重影响双边及多边重点领域的合作进程,只有明确俄铁路网络特征及空间格局,才能为探索跨境区域与城市的发展合作提供决策支持。基于此,以俄罗斯83个联邦主体的首府城市为研究对象,在明确俄人口分界线的基础上,以城际间铁路客运频次为数据源,构建81×81的首府日铁路客运流量矩阵,选取社会网络分析中的网络密度、中心度、核心-边缘结构、凝聚子群等研究俄罗斯及其8大联邦区内部首府城市铁路客运网络特征,为俄铁路网的优化布局提供建议,为未来规划中俄跨境高铁线路,推进高铁沿线国土空间合理开发、经济社会高速发展等提供参考。

2 研究区概况

2.1 俄罗斯铁路概况

2017年俄罗斯的铁路营运里程为8.6万km,位居全球第三,仅次于美国与中国,其中中央联邦区（1.71万km）铁路营业里程最高,伏尔加区（1.47万km）、西北区（1.32万km）、远东区（1.21万km）、西伯利亚区（1.11万km）次之,乌拉尔区（0.85万km）、南部区（0.73万km）再次之,北高加索区（0.21万km）最低。83个联邦主体（未包括克里米亚共和国、塞瓦斯托波尔直辖市,其与乌克兰存在争议）中,斯维尔德洛夫斯克州（0.35万km）铁路营业里程最多,阿穆尔州等11个联邦主体介于0.20万~0.30万km,罗斯托夫州等24个联邦主体介于0.10万~0.20万km,梁赞州等28个联邦主体介于0.05万~0.10万km,亚马尔-涅涅茨自治区等19个联邦主体低于0.05万km（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1研究区概况

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2016)2276号）绘制,底图无修改。83个联邦主体包含莫斯科直辖市、圣彼得堡直辖市,二市又是莫斯科州、列宁格勒州的首府,因此为81个首府。
Fig. 1Sketch map of the study area

2.2 俄罗斯人口分界线——圣彼得堡-图瓦线

类似于中国的“胡焕庸线”,俄罗斯也存在着人口分界线“圣彼得堡-图瓦线”（“圣图线”）^[22,23]。结合83个联邦主体的人口密度、人口地理集中度、主要城市人口规模等3项指标绘制俄罗斯人口空间格局图（图2,见第251页）,将俄联邦主体划分为人口集聚区、人口均值区、人口稀疏区^[24],在此基础上,明确俄人口分界线“圣图线”,它是一条近斜线,基本上分割俄欧洲与亚洲、南部与北部区域。

图2

新窗口打开|下载原图ZIP|生成PPT
图22017年俄罗斯人口密度与人口地理集中度格局

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2016)2276号）绘制,底图无修改。
Fig. 2Spatial pattern of population density and population concentration degree in Russia in 2017

“圣图线”西南侧是人口高密度集聚区,以13%的国土承载全俄57%联邦主体、62%城市,拥有俄近3/4人口,人口密度均值高达336.5人/km²,人口集中度均值为28.9,覆盖中央区、伏尔加区、南部区、北高加索区、乌拉尔区南部、西北区南部,人口高度集中在莫斯科（人口1250.65万、人口密度4810.2人/km²）、圣彼得堡（人口535.19万、人口密度3822.8人/km²）等超大城市,及叶卡捷琳堡、下诺夫哥罗德、喀山、车里雅宾斯克、鄂木斯克、萨马拉、顿河畔罗斯托夫、乌法、彼尔姆、沃罗涅日、伏尔加格勒等人口超过100万的大城市。“圣图线”东北侧是人口低密度稀疏区,自然条件恶劣,人口外流严重,以79%的国土仅承载全俄25%联邦主体、21%城市,拥有15%人口,人口密度均值仅1人/km²,人口集中度均值仅0.2,覆盖西北区北部、乌拉尔区北部、西伯利亚区东部、远东区,无人口超过100万的大城市,多分布10万左右的小城市,其中卡累利阿共和国人口密度（3.4人/km²）最高,楚科奇自治区人口密度（0.1人/km²）最低。人口均值区位于人口集聚区向稀疏区的过渡地带,以8%的国土承载全俄18%联邦主体、17%城市,拥有12%人口,平均人口密度8.5人/km²,平均人口集中度为1.3。

3 研究方法与数据来源

3.1 日铁路客运流量

日铁路客运流量包括流出量、流入量,俄罗斯各首府城市日流出量、日流入量分别以日出发、日到达的客运频次表示^[25,26],即以a首府为出发点,一日内去往其他80个首府的铁路客运频次之和为a的日铁路客运流出量,而以其他80个首府为出发点,一日内到达a首府的铁路客运频次之和为其日铁路客运流入量,流出量与流入量之和为a首府的日铁路客运流量,继而构建81×81的首府城市日铁路客运流量关联矩阵。

3.2 社会网络分析

3.2.1 铁路客运网络的构建 ① 确定网络范围及内部节点：俄罗斯为铁路客运网络范围,81个首府是网络节点。② 确定网络内部节点关系：81个节点间的铁路客运流动轨迹为网络关系。③ 数据源：81个首府城际日铁路客运流量关联矩阵为数据源;④ 构建节点关系赋值矩阵：利用网络分析集成软件University of California at Irvine NETwork（UCINET）的Import功能,导入81×81首府日铁路客运流量矩阵,是为原矩阵;利用UCINET的Transform功能,将原矩阵转化为1/0矩阵,“1”表示任意两首府间发生铁路客运联系,“0”表示未发生铁路客运联系,得到81×81首府的1与0赋值矩阵。

3.2.2 铁路客运网络指标的选取

（1）网络密度。网络密度是从宏观全局的视角分析俄罗斯铁路客运网络内部首府关联的疏密状况,发生铁路客运联系的城市对数量越多、城市间的日铁路客运频次越大,整个铁路客运网络密度越大,各城市间依赖铁路运输的联系越强,用实际发生的联系数量与理论拥有的联系数的比值来测度^[27]19,公式为：

（1）

D = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} \frac{d (n_{i}, n_{j})}{n (n - 1)}

式中：D表示铁路客运网络密度,取值范围[0, 1],D=1表示首府间均存在铁路客运联系,D=0表示不存在联系;n表示首府数;d(n_i, n_j)表示首府i和j间日铁路客运流量。通过UCINET中Network→ Cohesion→ Density→ (new)Density Overall来实现。

（2）三大中心度。

① 点度中心度是衡量铁路客运网络内部首府间的铁路联系能力,如果a首府与其发生铁路客运联系的首府越多、联系越强,a的点度中心度越高,越处于铁路客运网络中心位置,其自身铁路竞争力越大,是测度铁路客运网络中单个节点结构位置的指标^[27]127,公式为：

（2）

CD (n_{i}) = \overset{n}{\sum_{j = 1}} d (n_{i}, n_{j})

式中：CD(n_i)表示i首府的点度中心度;d(n_i, n_j)、n同上。通过UCINET中Network→Centrality→Mutiple Measures来实现。

② 接近中心度表示首府的中心程度和对整个铁路客运网络要素的控制能力,刻画城际间铁路流传递的可达性程度;a首府接近中心度越高,与其他首府的铁路通达性越好,联系越紧密,铁路核心力越强,受其他节点控制力越弱^[27]134,公式为：

（3）

CC (n_{i}) = {[\overset{n}{\sum_{j = 1}} d (n_{i}, n_{j})]}^{- 1}

式中：CC(n_i)表示i首府的接近中心度;d(n_i, n_j)、n同上。通过UCINET中Network→ Centrality→ Mutiple Measures来实现。

③ 中间中心度表示首府有多大能力成为其他首府发生铁路客运联系的“中介”或“桥接”,占据保障与控制该网络的关键位置,反映对其他首府的掌控能力;a首府中间中心度越高,位于与其他首府发生铁路客运联系最短路径的可能性越大,是一种“控制力”指数^[27]129,公式为：

（4）

CB (n_{i}) = \overset{n}{\sum_{j}} \overset{n}{\sum_{k}} \frac{g_{jk} (n_{i})}{g_{jk}} (j \neq k \neq i)

式中：CB(n_i)表示i首府的中间中心度;g_jk表示j与k首府间铁路运行存在的便捷数量;g_jk(n_i)/g_jk表示i位于j与k间通达便捷的概率;n同上。通过UCINET中Network→Centrality→Mutiple Measures来实现。

（3）核心-边缘结构。核心-边缘结构指在铁路客运网络中,存在首府铁路客运联系的核心结构区、边缘结构区,在核心结构区中寻找起到关键作用的“核心”首府,在边缘结构区中寻找“边缘”首府,反映首府在铁路客运网络中的地位、重要程度、核心强度。根据关联矩阵数据类型,核心-边缘结构分为2类：定比数据的连续核心-边缘结构,包含“核心”“半核心”“边缘”城市;定类数据的离散核心-边缘结构,包含“核心”和“边缘”城市^[27]305。本文关联矩阵为1/0矩阵,为定类数据,公式为：

（5）

δ_{ij} = c_{i} c_{j}

式中：c_i、c_j表示首府i、j所隶属的类型,即核心或边缘;

δ_{ij}

（关联矩阵）表示在理想情况下的核心、边缘关系存在与否。理想网络中,核心矩阵内任意两点间均存在铁路客运联系,边缘矩阵内任意两点均不存在铁路客运联系;实际网络中,核心矩阵内节点联系很难保证全为1、边缘矩阵内节点联系很难保证全为0,基于适配度的相关系数（Correlation）反映实际与理想核心-边缘矩阵间的相似和匹配程度。通过UCINET中Network→ Core/Periphery→ Categorical/Continuous来实现。

（4）凝聚子群。凝聚子群是铁路客运网络中联系积极密切、日客运到发频次高,具有一定凝聚性的首府集合,表示各首府间潜在的铁路联系模式,通过UCINET中的Network→ Roles & Positions→ Structural→ Convergent Correlations（CONCOR）来实现。CONCOR是一种迭代相关收敛法,首先计算矩阵各行（或各列）之间的相关系数,得到一个相关系数矩阵,将该相关系数矩阵作为输入矩阵,进行重复计算、多次迭代,最后得到“相关系数的相关系数的……相关系数的矩阵”;CONCOR对矩阵分区,一个网络可有多个分区,每个区内部还可进行细分,分区越细致,各区的网络成员就越少,最后的分区中,每个区的网络成员最好大于3个;这里二级分区称为区系,三级分区内若2个城市组合称为“关系对”,3个及3个以上城市组合称为“子群”^[27]154。

3.3 数据来源

俄罗斯首府城市的铁路客运网络密度、中心度、核心-边缘结构、凝聚子群等基于81×81首府日铁路客运频次矩阵。各联邦区首府城市的铁路客运网络密度、核心-边缘结构等基于中央区（17×17）、西北区（10×10）、南部区（6×6）、北高加索区（7×7）、伏尔加区（14×14）、乌拉尔区（6×6）、西伯利亚区（12×12）、远东区（9×9）等首府日铁路客运频次矩阵。

城际日铁路客运频次数据来源于俄罗斯铁路交通客运服务网站http://www.rzd.ru/,键入Departure与Arrival城市铁路站点名称,勾选Trains和Subtrains,点击Timetable,获取Departure与Arrival城市间的所有铁路日运行路线,统计81个首府间任意2个城市的日铁路客运频次,获取81×81首府日铁路客运频次矩阵。

4 日铁路客运流量分析

4.1 日铁路客运流量呈自西向东的递减趋势

俄罗斯西部欧洲、东部亚洲首府城市的日铁路客运流量分别为4028次/d、1232次/d,2017年西部欧洲、东部亚洲的铁路里程分别为5.44万、3.17万km,铁路网密度分别为1.36 km/百km²、0.24 km/百km²。见图3,俄日铁路客运流出量、流入量、总流量均表现出自西向东的递减趋势。

图3

新窗口打开|下载原图ZIP|生成PPT
图3日铁路客运流量的全局趋势3D分析

Fig. 3Overall 3D trend of daily railway passenger flow

历史上俄罗斯西部欧洲、尤其中央区是城镇化的优先发展地,这里人口密集,基础设施完善,云集了莫斯科、圣彼得堡、叶卡捷琳堡、特维尔等日铁路客运流量最高的首府,莫斯科9个客运火车站及550 km的环状铁路线,连通了乌拉尔、伏尔加、北高加索、西伯利亚、远东、中亚、克里米亚、波罗的海等地区,未来莫斯科-喀山高铁的运营将大大推进亚欧高铁大通道建设;圣彼得堡5个方向、6座始发客运火车站、12条铁路干线分别通往莫斯科、波罗的海3国、白俄罗斯及芬兰等;叶卡捷琳堡7个方向放射状的铁路连通其他城市。俄东部亚洲地区铁路建设主要出于领土扩张和国防军事目的,1916年西伯利亚铁路通车,1984年贝阿铁路运营,又修建了满洲里支线（连通中国北京）、蒙古支线（连接蒙古国乌兰巴托）,东部亚洲铁路初具规模,但受自然地理条件（地势高,气候寒冷,地震频发,多高山、河流、陡坡、沼泽地）、经济社会因素（人口外流严重、农工业发展缓慢、投资吸引力差、科技创新能力弱）等影响,铁路建设与改造升级困难,日客运流量低。

4.2 日铁路客运流量呈中部朝南北向的递减趋势

俄罗斯中部的联邦区,如中央区、伏尔加区、乌拉尔区首府的日铁路客运流量分别为1562次/d、350次/d、134次/d,北方的西北区首府日铁路客运流量为116次/d,南方的南部区、北高加索区首府日铁路客运流量为72次/d、0次/d。2017年中央区、伏尔加区、乌拉尔区的铁路里程分别为17057 km、14748 km、8507km,高于南部区（7254 km）、北高加索区（2101 km）。见图3,日铁路客运流出量、流入量、总流量均表现出以中部为核心、朝南北向递减的倒U形趋势。

俄北部日铁路客运流量低的原因在于,其多数区域属于亚寒带大陆性气候,冬季严寒且漫长,温度低,冻土层厚,覆盖茂密的原始森林,给铁路修建带来极大的困难,极北部如涅涅茨自治区、堪察加边疆区、马加丹州、楚科奇自治区至今未通铁路;除此,鄂毕河、叶尼塞河、勒拿河、科雷马河等自南向北流入北冰洋,其中下游支流众多,北部水运发达,抢占了铁路交通的份额。俄最南部西伯利亚区的阿尔泰共和国和图瓦共和国南邻哈萨克斯坦、蒙古国,山峦起伏、湖泊众多,尚未修建铁路,仍依赖水运、公路;北高加索区毗邻黑海与里海,是欧洲通往中东与中亚的咽喉,特殊的地缘区位使得其成为武装恐怖冲突的所在地,泛突厥主义与宗教极端主义严重影响其稳定安全,俄政府无多余财力支持铁路建设,7个首府间未有直通铁路,斯塔夫罗波尔、马哈奇卡拉等依赖于航空与公路,是俄铁路网最松散的地域空间。

4.3 西伯利亚铁路轴带城市的日铁路客运流量高于非轴带城市

俄罗斯81个首府的日铁路客运流出量、流入量均为3378次/d,总流量为6756次/d,日铁路客运流量超过100次/d的首府占比为29.6%、超过50次/d的首府占比接近50%。不同首府的日铁路客运流量表现出明显的等级层次性,其中西伯利亚铁路轴带城市远高于非轴带城市（图4）。西伯利亚铁路沿线的莫斯科（952次/d）、叶卡捷琳堡（289次/d）日铁路客运流量居俄首位,新西伯利亚、鄂木斯克、基洛夫、彼尔姆、弗拉基米尔介于（170~300）次/d,居俄前10位,克拉斯诺亚尔斯克、下诺夫哥罗德、秋明、伊尔库茨克介于（100~170）次/d,赤塔、乌兰乌德、伯力、比罗比詹、海参崴介于（70~100）次/d,这些首府的日铁路客运流量超过了其余59%的首府;非西伯利亚铁路轴带的首府,如库尔干等13个首府的日铁路客运流量介于（40~70）次/d,科斯特罗马等22个首府介于（1~40）次/d,马加丹、阿纳德尔、堪察加彼得巴甫洛夫斯克、纳里扬马尔、克孜勒、戈尔诺-阿尔泰斯克、切尔克斯克等偏居一隅,无铁路线贯通,日铁路客运流量为0。

图4

新窗口打开|下载原图ZIP|生成PPT
图4日铁路客运流量的空间格局

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2016)2276号）绘制,底图无修改。
Fig. 4Spatial pattern of daily railway passenger flow

4.4 日铁路客运流量“核心-边缘”格局内部形成了高流量枢纽组团

西伯利亚铁路是俄罗斯铁路客运网络的重要主轴线,乌拉尔铁路、贝阿铁路、莫斯科-圣彼得堡铁路等为次轴线,俄罗斯日铁路客运流量整体呈现沿西伯利亚铁路的“廊道型”向南北两侧逐渐递减弱化的“非对称性”空间态势（图4）。西伯利亚铁路作为连接俄西部欧洲、东部亚洲的交通主干线,串联了莫斯科、叶卡捷琳堡、新西伯利亚、鄂木斯克、基洛夫、彼尔姆、弗拉基米尔等日铁路客运流量最高的首府,各种人口、经济社会要素不断向铁路轴带集聚,铁路轴带的核心地位得到强化,轴带以外的区域、尤其是俄东北部偏远地区逐渐被边缘化,新的“核心-边缘”格局体系初露端倪;而在西伯利亚铁路走廊内部,初步形成了以莫斯科、叶卡捷琳堡-彼尔姆-秋明、鄂木斯克、新西伯利亚为核心的高客运流量枢纽组团及其外围地区的次一级“核心-边缘”格局,与此同时,莫斯科-圣彼得堡铁路线的日极高客运流量,推动了圣彼得堡高流量枢纽组团的形成,且这些高流量枢纽组团均位于“圣图线”的西南侧。

5 铁路客运网络特征分析

5.1 铁路客运网络整体松散,西部网络密度高于东部

俄罗斯首府城市的铁路客运网络密度为0.163,整体表现出“西密东疏”的特征,其中伏尔加区（0.412）、西伯利亚区（0.379）、中央区（0.335）、乌拉尔区（0.333）的网络密度高,西北区（0.289）、南部区（0.233）次之,这些联邦区内部首府间铁路客运流动性强,网络密度高于俄整体密度;远东区（0.139）、北高加索区（0.000）部分首府间无铁路连通,城际铁路客运断裂现象显著,网络密度低。萨列哈尔德、迈科普、切尔克斯克、雅库茨克等13个城市与其他首府不存在铁路联系,是铁路客运流动断裂点。

中央区铁路客运网密度低于伏尔加区和西伯利亚区,原因在于,中央区主要依赖莫斯科放射状铁路的极强辐射功能,以及特维尔位处莫斯科-圣彼得堡间的极强中转功能,而如科斯特罗马、坦波夫、雅罗斯拉夫尔等边缘城市,与除莫斯科外的其他首府间日铁路客运流量低,拉低整个中央区的铁路网密度。远东区网络密度较低,原因在于,其铁路客运运输主要依赖西伯利亚干线与贝阿干线,日铁路客运流量低,但在“一带一路”与“中蒙俄经济走廊”倡议背景下,在《2030年前俄罗斯铁路运输发展战略》《2025年前远东和贝加尔地区经济社会发展战略》《中俄在俄罗斯远东地区合作发展规划（2018—2024年）》等政策指引下,升级与改造西伯利亚铁路线,改善铁路交通基础设施,其铁路客运网密度将获得大幅提升。

5.2 俄罗斯内部形成欧洲北部、欧洲南部、亚洲的铁路客运区系

利用CONCOR对铁路客运网内部潜在的凝聚性城市集合进行分区,遵循着地域邻近性、铁路线路导向性的原则,俄罗斯内部形成了欧洲北部、欧洲南部、亚洲3个铁路客运区系及其下辖的6个子群。其中伏尔加区的首府被分割,部分首府与中央区、西北区首府组建欧洲北部区系,部分首府与南部区、北高加索区首府组建欧洲南部区系,部分首府与乌拉尔区、西伯利亚区、远东区首府组建亚洲区系。

欧洲北部区系内部,中央、西北和部分伏尔加区首府铁路客运流通强烈,在莫斯科、圣彼得堡、特维尔等日铁路客运流量高的首府引领下,莫圣图子群（莫斯科-圣彼得堡-图拉-奥廖尔-库尔斯克-别尔哥罗德-彼得罗扎沃茨克-利佩茨克-摩尔曼斯克-大诺夫哥罗德-普斯科夫）与特梁弗子群（特维尔-梁赞-弗拉基米尔-下诺夫哥罗德-雅罗斯拉夫尔-卡卢加-布良斯克-斯摩棱斯克-沃洛格达-科斯特罗马-伊万诺沃-阿尔汉格尔斯克-加里宁格勒-切博克萨雷-瑟克特夫卡尔-约什卡尔奥拉）铁路客运关联密切。欧洲南部区系内部,南部、北高加索和部分伏尔加区首府铁路客运联系紧密,在顿河畔罗斯托夫、克拉斯诺达尔等日铁路客运流量高的首府指引下,罗克沃子群（顿河畔罗斯托夫-克拉斯诺达尔-沃罗涅日-奔萨-萨兰斯克-弗拉季高加索-纳尔奇克-纳兹兰-格罗兹尼）与萨萨乌子群（萨马拉-萨拉托夫-乌法-伏尔加格勒-喀山-乌里扬诺夫斯克-坦波夫-奥伦堡-阿斯特拉罕-伊热夫斯克-马哈奇卡拉-埃利斯塔）的铁路客运流凝聚力大。亚洲区系内部,乌拉尔、西伯利亚、远东等区首府铁路客运联系积极,在叶卡捷琳堡、新西伯利亚等日铁路客运流量高的首府导向下,叶新鄂子群（叶卡捷琳堡-新西伯利亚-鄂木斯克-基洛夫-彼尔姆-克拉斯诺亚尔斯克-秋明-车里雅宾斯克-库尔干-托木斯克-巴尔瑙尔-阿巴坎-克麦罗沃）与伊赤乌子群（伊尔库茨克-赤塔-乌兰乌德-伯力-比罗比詹-海参崴-海兰泡）的铁路客运流聚合性强。

5.3 “圣图线”西南侧首府的中心度强于东北侧

点度、接近、中间中心度的高低格局大致被“圣图线”分割,“圣图线”西南侧首府的铁路客运集散能力、铁路客运联系强度、对其他节点控制程度均强于东北侧;其中点度、接近中心度形成了覆盖范围较为广泛的特质集群,中间中心度整体呈离散型分布（图5）。

图5

新窗口打开|下载原图ZIP|生成PPT
图5中心度的空间格局

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2016)2276号）绘制,底图无修改。
Fig. 5Spatial pattern of centrality

接近中心度的高值区位于“圣图线”西南侧的中央区、伏尔加区、西伯利亚区西部、西北区南部,低值区分布于西伯利亚区南部的阿尔泰共和国和图瓦共和国,远东区北侧的萨哈（雅库特）共和国、马加丹州、楚科奇自治区、堪察加边疆区,西北区与乌拉尔区接壤的涅涅茨、亚马尔-涅涅茨、汉特-曼西等自治区,这些地区铁路线稀缺,通达程度弱,铁路客运流集散不显著。点度中心度的高值区呈现出沿西伯利亚铁路廊道以莫斯科、叶卡捷琳堡-彼尔姆-秋明、鄂木斯克、新西伯利亚为核心的高铁路客运流量组团分布,除此,点度中心度高值区还位于南部区的罗斯托夫州-克拉斯诺达尔边疆区、伏尔加区的基洛夫州与萨马拉州、西伯利亚区的伊尔库茨克州等,这些地区铁路客运线密集、铁路网络权利集中,是俄重要的铁路要素辐射区。中间中心度的高值点分布在“圣图线”西南侧的莫斯科、圣彼得堡、顿河畔罗斯托夫、伏尔加格勒、特维尔、叶卡捷琳堡、克拉斯诺达尔、秋明等,其铁路客运集散活跃,占据着俄铁路网重要位置,“圣图线”东北侧首府的通达、接驳能力弱,仍主要依赖“圣图线”西南侧首府铁路客运流的波及。

5.4 铁路核心多位于中央区与西伯利亚铁路沿线

见表1,俄罗斯及各联邦区内部实际、理想的核心-边缘矩阵间的相似程度Correlation均在64%以上,中央、远东、乌拉尔区的Correlation高达90%以上,说明实际与理想的核心-边缘矩阵间的匹配程度高,可解释其内部的铁路客运核心和边缘结构类型。俄铁路客运网有7个核心首府,其中中央、西伯利亚、远东、南部、西北、伏尔加、乌拉尔等联邦区核心首府数分别为4、3、3、2、1、1、1,中央区是俄铁路枢纽的重心所在,北高加索区无核心。除远东区外,其余区的核心均位于“圣图线”西南侧,且多分布于西伯利亚铁路沿线。

Tab. 1
表1
表1俄罗斯及各联邦区的铁路客运核心
Tab. 1Core cities of railway passenger in Russia and its federal districts

联邦区（Correlation）	城市（核心度）
俄罗斯（78.2%）	莫斯科（0.821）特维尔（0.297）圣彼得堡（0.234）梁赞（0.177）弗拉基米尔（0.145）图拉（0.115）叶卡捷琳堡（0.107）
中央（91.4%）	莫斯科（0.942）特维尔（0.214）梁赞（0.141）弗拉基米尔（0.111）
西伯利亚（89.0%）	鄂木斯克（0.582）新西伯利亚（0.490）克拉斯诺亚尔斯克（0.381）
远东（97.9%）	伯力（0.818）比罗比詹（0.478）海参崴（0.312）
南部（65.9%）	顿河畔罗斯托夫（0.669）克拉斯诺达尔（0.669）
西北（84.4%）	圣彼得堡（0.904）
伏尔加（64.1%）	基洛夫（1.000）
乌拉尔（94.9%）	叶卡捷琳堡（1.000）

新窗口打开|下载CSV

日铁路客运流量高的首府,引导着俄罗斯铁路客运网络格局的变化,往往成为核心首府,如莫斯科-特维尔、莫斯科-圣彼得堡、莫斯科-梁赞、莫斯科-弗拉基米尔、圣彼得堡-特维尔日铁路客运流量超过50,为高密度联系首府;莫斯科-图拉、莫斯科-卡卢加、下诺夫哥罗德-弗拉基米尔、叶卡捷琳堡-秋明、莫斯科-沃罗涅日、莫斯科-斯摩棱斯克、图拉-奥廖尔、新西伯利亚-鄂木斯克、顿河畔罗斯托夫-沃罗涅日、莫斯科-奥廖尔、莫斯科-叶卡捷琳堡、莫斯科-顿河畔罗斯托夫日铁路客运流量介于25~50,为中密度联系首府,核心首府间日铁路客运流频繁,非核心首府间铁路客运联系较弱。

6 结论与讨论

6.1 结论

（1）俄罗斯首府城市的铁路客运网络总体松散且不均衡,铁路网分布西密东疏,高、中密度联系的城市位于中央联邦区和西伯利亚铁路沿线;其中俄欧洲北部铁路区系包含莫圣图子群与特梁弗子群,内部核心有莫斯科、圣彼得堡、特维尔、梁赞、弗拉基米尔、图拉;俄欧洲南部铁路区系涵盖罗克沃子群与萨萨乌子群,内部核心为顿河畔罗斯托夫、克拉斯诺达尔;俄亚洲铁路区系包括叶新鄂子群与伊赤乌子群,内部核心有叶卡捷琳堡、新西伯利亚、鄂木斯克、基洛夫、伯力等。

（2）俄罗斯首府城市的日铁路客运流量表现出沿西伯利亚铁路线的“廊道型”向南北两侧逐渐递减弱化的“非对称性”空间态势,西伯利亚铁路是主轴线,乌拉尔铁路、贝阿铁路、莫斯科-圣彼得堡铁路等是次轴线,非铁路走廊区域逐渐被边缘化,呈现“核心-边缘”格局;而西伯利亚铁路走廊内部也初步形成以莫斯科、叶卡捷琳堡-彼尔姆-秋明、鄂木斯克、新西伯利亚为核心及其外围地区的次一级“核心-边缘”格局。

（3）俄罗斯接近一半的首府城市日铁路客运流量超过50次/d,俄人口分界线——“圣图线”西南侧城市的铁路客运要素集散能力、铁路客运联系强度、对其他节点控制程度均强于东北侧城市,莫斯科、圣彼得堡、叶卡捷琳堡、秋明、顿河畔罗斯托夫、克拉斯诺达尔、新西伯利亚、特维尔等的日铁路客运流量高,占据着俄铁路网络重要位置,是铁路线通达、接驳服务的关键“桥接”与集散中心。

6.2 讨论

选取俄罗斯83个联邦主体的首府城市为研究对象,基于日铁路客运流量的视角探讨其铁路客运网络特征,未来伴随着莫斯科-圣彼得堡1号线、莫斯科-叶卡捷琳堡2号线、莫斯科-索契、莫斯科-喀山高铁等的运营和提速,以及远东铁路线的改造和升级,俄罗斯铁路客运网将不断完善,城际日铁路客运流量不断增加,从而诞生新的铁路核心,铁路区系及其子群也将发生更替与变化。

未来5~10年俄罗斯将大力发展高铁,“圣图线”西南侧的莫斯科-圣彼得堡段高铁已开通,未来通过梁赞、克拉斯诺达尔、顿河畔罗斯托夫等核心,延伸至黑海沿岸,建设俄欧洲地区的高铁主干线,在此基础上,升级莫斯科至喀山、至下诺夫哥罗德等的高铁接驳线,不断完善高铁网络,同时通过波罗的海各港口,贯通芬兰、瑞典、挪威、加拿大、美国的交通运输廊道。“圣图线”东北侧,西伯利亚区升级鄂木斯克-新西伯利亚-克拉斯诺亚尔斯克（鄂新克）的高铁线,并延伸至伊尔库茨克、乌兰乌德、赤塔,远东区北部修建雅库茨克-马加丹铁路,南部建设海兰泡-伯力-比罗比詹-海参崴的高铁廊道,及克拉斯基诺-扎鲁比诺-海参崴-阿尔乔姆-大卡缅-纳霍德卡的沿海港口经济带,同时响应中国“一带一路”与“中蒙俄经济走廊”倡议,海兰泡-海参崴高铁对接中国长珲、哈佳、哈牡、北黑等铁路线,以哈尔滨为中转,借助滨洲铁路线连接赤塔,贯通鄂新克高铁,打造中俄跨境铁路经济带;克拉斯基诺-纳霍德卡沿海经济带发展与欧、美、中、日、朝、韩的海上货物直达运输,形成一条从中国东北或朝韩出发,经由远东沿海经济带而直抵美国西海岸的东西方国际运输走廊,创造远东区海铁联运新格局。

致谢

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文研究意义与价值的补充,苏联时期俄罗斯铁路网相关文献的梳理,中心度、核心-边缘结构与凝聚子群等研究方法的明确,俄罗斯人口分界线的完善等提出宝贵的修改意见,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

西蒙·里奇蒙德, 格雷奇·布鲁姆, 马克·迪·杜卡, 等. 西伯利亚大铁路. 北京: 中国地图出版社, 2016: 362, 371.

[本文引用: 2]

[ Simon

Richmond

, Greg

Bloom

, Marc Di

Duca

, et al. Trans-Siberian Railway. Beijing: China Cartographic Publishing House, 2016: 362, 371.]

[本文引用: 2]

[2]

李莎. 俄罗斯城镇化发展及空间格局研究
北京: 中国科学院大学博士学位论文, 2014: 35.

[本文引用: 1]

[ Li

Sha

. Study on the development and spatial pattern of urbanization in Russia
Beijing: Doctoral Dissertation of University of Chinese Academy of Sciences, 2014: 35.]

[本文引用: 1]

[3]

张甲雄. 近年来俄罗斯联邦铁路概况
综合运输, 1994, (9):38-39.

[本文引用: 1]

[ Zhang

Jiaxiong

. General situation of railway in Russian Federation in recent years
China Transportation Review, 1994, (9):38-39.]. DOI: cnki:SUN:YSZH.0.1994-09-014.

[本文引用: 1]

[4]

Boris

Lukov

. 俄罗斯铁路发展的长期规划(2008-2030)
李世珷译. 郑铁科技, 2011, (4):40-42.

[本文引用: 1]

[ Boris

Lukov

. Long term planning of railway development in Russia (2008-2030)
Translated by Li Shiwu. Zhengzhou Railway Science& Technology, 2011, (4):40-42.]

[本文引用: 1]

[5]

Kevin

Smith

. 俄罗斯将大力发展高速铁路
国外铁道车辆, 2013,50(6):12-14.

[本文引用: 1]

[ Kevin

Smith

. Russia will devote major effort to developing high speed railway
Foreign Rolling Stock, 2013,50(6):12-14.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.3969/j.issn.1002-7610.2013.06.003.

[本文引用: 1]

[6]

Briginshaw

. Economic surge fuels Russian rail revival
International Railway Journal, 2008,48(6):16-18.

[本文引用: 1]

[7]

Дмитрий Александрович

Мачерет

, Илья Анатольевич

Епишкин

. Взаимное влияние институциональных и транспортных факторов экономического развития: ретроспективный анализ
Журнал институциональных исследований, 2017,9(4):80-100.

[本文引用: 1]

[8]

Briginshaw

. Russian rail revolution enters final phase
International Railway Journal, 2006,46(10):17-18, 20.

[本文引用: 1]

[9]

Laisi

, Panova

. Deregulation of the Russian railway freight market- learning from empirical results
International Journal of Logistics Systems & Management, 2013,16(4):341-364. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1504/IJLSM.2013.057502.

[本文引用: 1]

[10]

Laisi

. National peculiarities in Russian railway freight market- what the market has to offer for foreign railway undertakings?
International Journal of Procurement Management, 2013,6(6):702-717. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1504/IJPM.2013.056763.

[本文引用: 1]

[11]

Filina V

. Development characteristics of Russia′s ground transport types at the present time
Studies on Russian Economic Development, 2013,24(2):135-145. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1134/S1075700713020056.

URL [本文引用: 1]

The state and development prospects of the leading sectors of Russia’s transport complex—automobile and railway types—are reviewed in the paper. Special attention is paid to the analysis of transport growth factors, including international ones, and problems of modernization of the infrastructure and railway stock. Some results of reforming rail transport are represented.]]>

[12]

Babi?

, Lahkmetkina

, Pru?a

. The potential of the Russian railways in China-Europe transit cargo transportation. In: University of Hull and Birla Institute of Management Technology. Proceedings of the International Conference- Supply Chain and Logistics Management - ICSCLM 2013
New Delhi: University of Hull and Birla Institute of Management Technology, 2013: 5-7.

[本文引用: 1]

[13]

Petrenko V

. Future lines of international freight transport development
Rail International, 2001,32(12):168-171.

[本文引用: 1]

[14]

董锁成, 程昊, 郭鹏, 等. “一带一路”交通运输业格局及对策
中国科学院院刊, 2016,31(6):663-670.

[本文引用: 1]

[ Dong

Suocheng

, Cheng

Hao

, Guo

Peng

, et al. Transportation industry patterns and strategy of the Belt and Road
Bulletin of Chinese Academy of Sciences, 2016,31(6):663-670.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.16418/j.issn.1000-3045.2016.06.009.

[本文引用: 1]

[15]

周李, 吴殿廷, 李泽红, 等. 中蒙俄经济走廊自然旅游资源格局及影响因素研究
资源科学, 2018,40(11):2168-2176.

[本文引用: 1]

[ Zhou

, Wu

Dianting

, Li

Zehong

, et al. Study on spatial distribution and its influencing factors of natural tourism resource in China-Mongolia-Russia economic corridor
Resources Science, 2018,40(11):2168-2176.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.18402/resci.2018.11.03.

[本文引用: 1]

[16]

郑伟. “一带一路”倡议下构建中蒙俄经济走廊的路径选择
北京工商大学学报(社会科学版), 2016,31(5):31-38.

[本文引用: 1]

[ Zheng

Wei

. Path choice of China-Mongolia-Russia economic corridor based on ″Belt and Road″ initiative
Journal of Beijing Technology and Business University (Social Sciences), 2016,31(5):31-38.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.16299/j.1009-6116.2016.05.005.

[本文引用: 1]

[17]

董锁成, 杨洋, 李富佳, 等. 中蒙俄高铁建设的影响机理及对策
地理学报, 2019,74(2):297-311.

[本文引用: 1]

[ Dong

Suocheng

, Yang

Yang

, Li

Fujia

, et al. Influencing mechanism and policy suggestions of China-Mongolia-Russia high-speed railway construction
Acta Geographica Sinica, 2019,74(2):297-311]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.11821/dlxb201902007.

[本文引用: 1]

[18]

Dong

Suocheng

, Yang

Yang

, Li

Fujia

, et al. An evaluation of the economic, social, and ecological risks of China-Mongolia-Russia high-speed railway construction and policy suggestions
Journal of Geographical Sciences, 2018,28(7):900-918. DOI: https://doi.org/10.1007/s11442- 018-1512-y.

[本文引用: 1]

[19]

初楠臣, 张平宇, 李鹤, 等. 俄罗斯西伯利亚与远东地区城镇化发展水平测度及空间分异研究
地理科学, 2018,38(7):1069-1078.

[本文引用: 1]

[ Chu

Nanchen

, Zhang

Pingyu

, Li

, et al. Measurement and spatial differentiation of urbanization development in the Siberian and Far East federal districts in Russia
Scientia Geographica Sinica, 2018,38(7):1069-1078. ]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.13249/j.cnki.sgs.2018.07.008.

[本文引用: 1]

[20]

特鲁仁宁, 董雅文, 张磊, 等. 俄罗斯社会经济地理学近30余年的发展
地理科学进展, 2019,38(6):941-950.

[本文引用: 1]

[ Druzhinin

Alexander

, Dong

Yawen

, Zhang

Lei

, et al. Development of socioeconomic geography in Russia during the past three decades
Progress in Geography, 2019,38(6):941-950.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.18306/dlkxjz.2019.06.014.

[本文引用: 1]

[21]

莫辉辉, 王姣娥, 宋周莺. 丝绸之路经济带国际集装箱陆路运输的经济适应范围
地理科学进展, 2015,34(5):581-588.

[本文引用: 1]

[ Mo

Huihui

, Wang

Jiao′e

, Song

Zhouying

. Economically suitable areas of China′s transnational container transport by land in the silk road economic belt
Progress in Geography, 2015,34(5):581-588.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.11820/dlkxjz.2015.05.006

[本文引用: 1]

[22]

Charles M

Becker

, S Joshua

Mendelsohn

, Kseniya A

Benderskaya

. Russian Urbanization in the Soviet and Post-Soviet Eras
London: International Institute for Environment and Development, 2012: 85.

[本文引用: 1]

[23]

知乎. 给整个世界画一条“胡焕庸线”, 怎么画?. https://www.zhihu.com/question/41970328, 2017-07-14.

URL [本文引用: 1]

[ Zhihu. Howto draw a "Hu Huanyong line" for the whole world?
https://www.zhihu.com/question/41970328, 2017-07-14.]

URL [本文引用: 1]

[24]

刘睿文, 封志明, 杨艳昭, 等. 基于人口集聚度的中国人口集疏格局
地理科学进展, 2010,29(10):1171-1177.

[本文引用: 1]

[ Liu

Ruiwen

, Feng

Zhiming

, Yang

Yanzhao

, et al. Research on the spatial pattern of population agglomeration and dispersion in China
Progress in Geography, 2010,29(10):1171-1177.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.11820/dlkxjz.2010.10.003.

[本文引用: 1]

[25]

陈建军, 郑广建, 刘月. 高速铁路对长江三角洲空间联系格局演化的影响
经济地理, 2014,34(8):54-60, 67.

[本文引用: 1]

[ Chen

Jianjun

, Zheng

Guangjian

, Liu

Yue

. The spatial connection evaluation of Yangtze River Delta with the high-speed rail
Economic Geography, 2014,34(8):54-60, 67.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.15957/j.cnki.jjdl.2014.08.037.

[本文引用: 1]

[26]

初楠臣, 张平宇, 姜博. 基于日高铁流量视角的中国高速铁路网络空间特征
地理研究, 2018,37(11):2193-2205.

[本文引用: 1]

[ Chu

Nanchen

, Zhang

Pingyu

, Jiang

. Spatial characteristics of Chinese high-speed railway network from the perspective of daily flow
Geographical Research, 2018,37(11):2193-2205.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.11821/dlyj201811006.

[本文引用: 1]

[27]

刘军. 整体网分析讲义: UCINET软件实用指南. 上海: 格致出版社、上海人民出版社, 2009: 19, 127, 129, 134, 154, 305.

[ Liu

Jun

. Lectures on Whole Network Approach: A Practical Guide to UCINET. Shanghai: Truth &Wisdom Press and Shanghai People′s Publishing House, 2009: 19, 127, 129, 134, 154, 305.]