李苑君^,1,2,3, 吴旗韬^,1, 张玉玲¹, 张虹鸥¹, 方顺⁴, 金双泉⁴1. 广东省科学院广州地理研究所 广东省遥感与地理信息系统应用重点实验室/广东省地理空间信息技术与应用公共实验室,广州 510070
2. 中国科学院广州地球化学研究所,广州 510640
3. 中国科学院大学,北京 100049
4. 广东省交通运输规划研究中心,广州 510101

Spatial structure and formation mechanism of expressway traffic flow network based on space of flows: A case study of Guangdong province

LI Yuanjun^,1,2,3, WU Qitao^,1, ZHANG Yuling¹, ZHANG Hongou¹, FANG Shun⁴, JIN Shuangquan⁴1. Key Lab of Guangdong for Utilization of Remote Sensing and Geographical Information System / Guangdong Open Laboratory of Geospatial Information Technology and Application, Guangzhou Institute of Geography, Guangzhou 510070, China
2. Guangzhou Institute of Geochemistry, CAS, Guangzhou 510640, China
3. University of Chinese Academy of Sciences, Beijing 100049, China
4. Guangdong Provincial Transportation Planning and Research Center, Guangzhou 510101, China

通讯作者: 吴旗韬（1982-）,男,河南平顶山人,研究员,硕士生导师,主要研究方向为经济地理学与交通地理学。E-mail: wuqitao@gdas.ac.cn

收稿日期:2021-01-18接受日期:2021-03-24

基金资助:

国家自然科学基金项目(42071165) 国家自然科学基金项目(41801144) 国家重点研发计划(2019YFB2103101) 广东省自然科学基金(2018A030313197)

Received:2021-01-18Accepted:2021-03-24
作者简介 About authors
李苑君（1995-）,女,湖北襄阳人,博士研究生,主要研究方向为经济地理学、物流与交通流网络。E-mail: liyuanjun@mails.ucas.ac.cn








摘要
交通流是城市经济联系最显性的表现,为更清晰地识别城市网络结构提供了新视角。本研究采用高速公路联网收费数据作为交通流“关系数据”,综合图论、社会网络分析法（SNA）和GIS空间分析,以广东省为研究区域探索高速公路交通流网络空间结构特征,并利用QAP回归法探究影响网络形成的因素。结果表明：① 广东省高速公路已形成典型的网络式空间结构,具有“小世界”网络效应。其节点度值服从幂律无标度分布,交通出入量基本平衡,节点重要性自区域中心向外围递减;网络有向边权值等级差异显著,优势交通流具有“向心指向”特征和距离依赖性。② GDP、常住人口、社会消费品零售总额、县区间行驶距离等已成为影响广东省高速公路交通流网络形成的重要因素。其中人口因素是影响城市间交通流动的主要因素,网络形成受制于距离因素,消费因素逐渐成为刺激城市间交通流动的强大动力。③ 广东省高速公路交通流动模式分为邻近指向型、中心指向型和等级指向型三种,以邻近指向型为典型模式。研究结果对于揭示交通流动规律,丰富城市网络理论,推动道路合理规划和区域协调发展具有重要理论和实践意义。
关键词： 流空间;高速公路交通流;社会网络分析;流动模式;广东省

Abstract
Traffic flow is the most powerful indicator to map urban economic connections, which provides a new perspective to identify urban network spatial structure clearly. This study uses Guangdong's data to explore the spatial structure of expressway network based on theory of synthesized graph, social network analysis (SNA) and GIS spatial analysis. QAP regression method is used to explore the factors which influence the network characteristics. The results show that: (1) The Guangdong's expressway forms a typical network spatial structure with “small world” network effect. The out-degree and in-degree values of network nodes follow the power law scale-free distribution, traffic volume is basically balanced, and the importance of nodes decreases from regional center to periphery. There are significant differences in the weights of directed edges, and the dominant traffic flows have the characteristics of “centripetal direction” and “distance dependence”. (2) The results of QAP regression show that the character of Guangdong's expressway traffic flow network is significantly affected by GDP, resident population, total retail sales of consumer goods, and the distance. Population is the most powerful factor which affects inter-city traffic flows, the formation of network is restricted by distance, and the consumption factor is gradually becoming a powerful driving force to stimulate the inter-city traffic flows. (3) The traffic flow patterns of expressway in Guangdong are divided into three types, namely, proximity-oriented, central-oriented and hierarchical-oriented. The proximity-oriented traffic flow is typical, which is widely distributed in the province; the central-oriented traffic flow is concentrated in the Pearl River Delta urban agglomeration; and the hierarchical-oriented traffic flow is mainly distributed between Guangzhou and Qingyuan, and between Shenzhen and Shantou. The research results have important theoretical and practical significance for revealing the laws of traffic flow, and enriching urban network theory. Furthermore, it provides theoretical support for scientific road planning and coordinated regional development.
Keywords：space of flows;expressway traffic flow;social network analysis;flow pattern;Guangdong province


PDF (4414KB)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
李苑君, 吴旗韬, 张玉玲, 张虹鸥, 方顺, 金双泉. “流空间”视角下高速公路交通流网络结构特征及其形成机制——以广东省为例[J]. 地理研究, 2021, 40(8): 2204-2219 doi:10.11821/dlyj020210050
LI Yuanjun, WU Qitao, ZHANG Yuling, ZHANG Hongou, FANG Shun, JIN Shuangquan. Spatial structure and formation mechanism of expressway traffic flow network based on space of flows: A case study of Guangdong province[J]. Geographical Research, 2021, 40(8): 2204-2219 doi:10.11821/dlyj020210050

1 引言

交通网络作为经济、社会活动的基础^[1],承载着城市间大量的人口和物质要素流动^[2],通过影响劳动力分布、资源配置效率等,不断重塑城市空间,影响城市内部空间结构和城市之间等级体系的形成^[3]。已有交通网络研究多通过对道路网络结构（包括主次干道、运输枢纽等）的抽象表达,探索交通基础设施供给公平性、网络通行效率和路径优化等问题^[4,5,6],本质上是一种静态的、物理的研究视角^[7],难以体现交通网络的流动性特征以及交通网络对城市空间的塑造。20世纪90年代,Manuel Castells提出流空间（space of flows）的概念,认为空间是围绕资本流、信息流和交通流等流动因素产生的^[8],这种流动性诱发了“无时间之时间”“流动的空间”,压缩了时间序列和空间距离,使人类在广阔的时空范围内重建其社会性与生产性关联^[9]。流空间理论产生新的空间动力机制,亦为网络研究提供动态分析视角^[10,11]。目前已有许多****基于“流空间”视角探索由城市间游客流动形成的旅游流网络^[12]、信息流动构建的信息流网络^[13]、由科研合作搭建的知识流网络^[14]等,揭示了各类流动要素集聚与扩散的规律,从网络构建、动态分析方法、流网络与城市空间相互作用等多维度拓展传统网络研究的内涵与外延,基于“流空间”视角的网络研究逐渐成为城市地理学、系统动力学和网络复杂性科学的热点研究领域^[15]。在此视角下科学认知交通网络结构特征和交通流动规律性,揭示网络形成机制,对于透视城市空间结构特征,推动对经济社会空间秩序的本质认知具有重要理论意义^[7]。

以往“流空间”视角下的交通网络研究多集中在航空流和铁路流。在航空流研究领域,****们多通过航班数据构建城市网络,基于航空网络连接国家主要城市的特征,探究城市体系结构、经济全球化趋势等^{[16,17,18,19]}。而在铁路流研究领域,客、货流得以进一步细分,城市间资源运输网络格局^[20,21]、铁路网络载客能力^[22,23]等问题引起广泛关注。出于机动与非机动车混杂、客货流难以分类统计等原因,公路流研究相对较少,且主要集中在公路客运流^[24,25,26]。随着技术发展和基建提速时代的到来,交通网络研究逐渐转向高速公路^[27,28]、高速铁路^[29,30,31],进入高速路网对城市空间结构影响的理论和实证探索,尤其在城市间高速铁路相继开通后,可达性变化和“空间压缩”等相关研究层出不穷,对高铁网络通行效率的分析回应了流空间“以时间换空间”的理论^[29,30,31]。以往研究构建起综合多类交通方式的交通网络研究体系,在网络构建与分析方法上做出了有益探索,亦为本文提供了一定借鉴,然而现有文献中对高速公路流网络结构特征的实证研究尚处于起步阶段。

高速公路是现代交通运输体系的重要组成部分^[32]。据国家统计局的统计数据（http://www.stats.gov.cn/）,2020年中国高速公路通车总里程达16万km,居世界第一位。随着高速公路网络不断完善,城市间构建起点对点的快速通道,为要素跨区流动提供了重要媒介。相对传统公路运输,高速公路受干扰程度较低,通行能力较高,有利于提升资源配置效率^[33],促进区域横向经济联合,有效反映城市之间社会经济联系^[34]。对比其他各类交通网络,航空、铁路和高速公路网络在整个运输服务链中具有不同的功能适用性,其承载的人流和货流在服务半径、优势运距和消费定位等方面有所不同^[35],具有差异化交通网络拓展模式^[36]。区别于航空和铁路网络承担长程和大规模运输、主要连接国家与区域中心城市的特点^[35,36],高速公路网络的特殊性在于长程和短程运输并存、连接多等级城市运输枢纽。交通短程流动是有效识别城市关联结构的重要指征^[27],交通网络覆盖的城市节点范围越广、等级越全,越有利于多尺度透视城市空间结构特征。

从构建交通网络的数据源上看,关系数据（relational data）常用于搭建网络“连边”,交通流动规律研究依赖于关系数据的真实性、科学性^[15]。由于数据获取便利,传统交通网络研究多基于O-D（origin-destination）班次数据^[37,38,39],班次数据适用于构建航空、铁路等起止时刻相对固定和运行时间规律性强的网络,而高速公路网络涵盖班次客运、民用汽车等机动灵活的多类型流要素^[27,40],班次数据难以全面反映真实交通流。随着交通信息技术发展,高速公路联网收费系统的应用提升了高速公路的智能化、数字化,联网收费数据可涵盖所有车辆运行信息（上下高速路段编号、高速出入口编号、行驶里程、车辆类型等）,其车流记录更为真实,为高速公路网络研究提供了新的源数据,大数据技术的发展亦为高速联网收费数据的挖掘与应用提供了可能性^[41]。目前已有****对此做出一定探索,如靳诚等基于收费站点间车流数据,探索江苏省高速公路网络结构与交通流动特征,并尝试提炼交通网络阶段性演进特征和时空结构理论模型^[27,40],但其研究重点在于网络拓扑结构特征的时空演进分析,对高速公路交通流动规律的总结与提炼还需深入。

从交通网络影响因素研究上看,现有文献多从社会、经济等方面,探索影响道路网络发展水平、网络节点中心性和交通流强度的具体因素。如王姣娥深入剖析了中国高速铁路里程、分布密度与区域人口和经济的耦合关系^[42];其对中国高速收费公路的研究亦论证了社会经济发展水平是影响高速公路规模的重要因素^[43]。金凤君认为经济因素直接影响航空客流的地域分布和网络发展,且航空客流强弱受制于距离因素,表现出显著的空间距离衰减特征^[44]。陈晨等基于多中心评价模型,分析了城市经济活动对交通网络中心性的影响^[45]。高速公路网络影响因素研究相对较少,且多集中在道路设施网络形成因素、流网络流动强度影响因素方面。如刘冲论证了在财政分权模式和政治集权体制下,政府用于高速公路等建设的财政支出,促进了中国基础设施建设实现了跨越式增长^[46]。高鑫等认为城镇人口数量、第二产业和固定资产投资规模会对高速公路货流量产生明显正向贡献^[47]。靳诚等分析得出常住人口、经济发展水平和公路里程等因素可有效解释县域高速公路流量分布^[40]。上述研究多角度解释了交通网络形成影响因素,为本研究指标选择提供了参考。目前学术界对于影响交通网络形成因素的探索仍在继续,尚未有统一定论,且高速公路网络形成因素的实证研究仍然相对缺乏。

综上,在以往研究中,仍存在以下尚待探索的问题：① 在“流空间”研究视角下,高速公路交通流网络存在什么样的空间结构特征?基于真实流动数据的高速公路交通流有什么规律性?② 影响高速公路网络形成的核心因素是什么?基于以上问题,本研究以广东省高速公路交通流网络为研究对象,深入分析其节点、连边和整体网络结构特征等,探索交通流动规律性和影响网络形成的机制,以期丰富交通网络研究,为城市空间开发、交通规划等提供理论支撑。

2 数据来源与研究方法

2.1 研究区概况

研究区为广东省。作为全国经济和人口规模最大的省份,2020年广东省地区生产总值11.08万亿元,常住人口1.15亿,优越的经济、社会发展条件吸引外省人口和资源不断流入,使广东省聚集起全国范围内的人流、物流等。流动要素的有效集散依赖于高速公路等交通基础设施建设。截至2019年底,广东省高速公路通车里程、客车和货车流量、高速公路货物运输量均居全国第一位。其中广东省高速公路总通车里程达9495 km,是中国少数实现高速公路“县县通”（不含海岛县）的省份之一;高速公路客车流量为15.99亿辆,是排名第二位江苏省的2.5倍,占比全国高速公路客车总流量的20%;高速公路货车流量为3.93亿辆,是排名第二位河北省的1.8倍,占比全国高速公路货车总流量的16%。从省内运输结构看,高速公路运输在广东省公路运输和整体交通运输体系中占据重要地位,2019年高速公路货物运输量为18.44亿t,占公路货运量的58%和全省货物运输总量的41%。此外,广东省高速公路收费系统与通信系统等相对完善,信息化发展水平较高,已进入基于公路基础设施数字化发展的“智慧交通”阶段。

2.2 数据来源与预处理

高速公路交通流网络“关系数据”来源于广东省交通运输厅提供的联网收费数据,为避免偶然性,同时避开春节、清明节、劳动节和国庆节4个高速公路免费节假日,本研究以2019年9月日平均车流量为基础数据构建网络。数据预处理环节包括：依行政区划归并高速收费站点之间的车流量数据、剔除统计无效数据等,最终实际获取县区之间10986条有向O-D路径,来往共383万条车辆记录。同时基于广东省高速公路建设现状合并部分城市中心区;依据《中山市域组团发展规划》和《东莞市城市总体规划》,将未设区县的中山市和东莞市分别划为五个组团区,最终得到118个网络分析单元（以下统称县区）。研究中涉及的GDP、人口等统计数据来源于《2020广东统计年鉴》,县区间最短高速公路行驶距离获取自高德地图API接口。

2.3 研究方法

2.3.1 高速公路交通流网络构建 基于图论原理构建有向加权高速公路交通流网络。定义w_ij为连接点i和点j的边权,边权原则上可分为相似权和相异权两种。相似权一般用于描述网络中节点间的交通量,权值越大表示两节点之间交通往来越频繁^[48]。当点i和点j不相连时,w_ij=0。在此网络结构中,广东省各县区为节点,县区间来往车辆数目为边权。有向加权高速公路交通流网络构建方法如下：

（1）N=0N12...N1(i-1)N1iN210...N2(i-1)N2i...............N(i-1)1N(i-1)2...0N(i-1)iNi1Ni2...Ni(i-1)0
式中：N为有向加权高速公路交通流网络;N_1i为由第1个县区始发向第i个县区的车辆数目;N_i1为由第i县区始发向第1个县区的车辆数目,由此类推。有向加权网络反映了县区间高速公路车辆流向,也包含流向线路的权值特征。

2.3.2 高速公路交通流网络结构分析 网络结构分析包括对网络节点、有向边和整体网络特征的分析。本研究选择节点度（包括点出度、点入度）和PageRank算法分析网络中节点的沟通能力和重要地位;通过GIS空间分析等方法探究有向边空间分布差异性;针对整体网络特征,本研究选择网络密度指标分析网络完整程度;选择小世界效应指标分析网络通行效率。

PageRank算法：通过机器学习中的PageRank算法对网络中所有县区进行交通重要性排序。PageRank算法原理为,将县区视作节点,县区间的车流量视作有向边,从县区节点B到节点A的高速公路车流量作为B对A的一次重要性投票,A被投票的次数越多,以及投A的县区节点本身越重要,则县区节点A的重要性越大^[48]。对于一个县区节点A,它的PageRank值计算如下：

（2）PageRank(A)=α1N+(1-α)∑pi⇒APageRank(P)iK(outP)i
式中：N为网络中的县区节点总数;α为阻尼因子;K_(out)(P_i)即从县区P_i出发流向其他县区的车辆数。节点的PageRank值越大,其在网络中的交通重要性越高。

节点度：节点度用以刻画节点在网络中的联系能力,节点度越大,节点在网络中承载的车辆数目越多,交通联系作用越强。在有向网络中,节点度可分为点出度（out-degree）和点入度（in-degree）。点出度用以衡量节点的对外辐射能力,点入度衡量节点接受辐射的能力^[48]。公式如下：

（3）Cout(i)=∑j=1nRout(ij)
（4）Cin(i)=∑j=1nRin(ij)
（5）C(i)=Cin(i)+Cout(i)
式中：C_out(i)为i县区的点出度;C_in(i)为i县区的点入度;n为县区数目;C_out(ij)为县区i始发向县区j的车辆数目;C_in(ij)为县区j始发向县区i的车辆数目。

网络密度：网络密度用以度量网络中节点连边的稠密程度。计算网络中实际存在的有向连边数目与理论上网络中存在的最大连边数目之比。网络密度越接近于1,表示其节点连边越完整,县区间交通要素流动路径更为广泛^[48]。公式如下：

（6）D=dijn(n-1)
式中：i、j表示不同县区;n为县区总数目;d_ij为所有县区之间实际存在的有向高速交通流连边数目。

小世界网络效应：小世界网络是介于完全规则网络和完全随机网络中的一种拓扑网络,网络内任意两点均可通过少数几条边（不超过6条）便可相连,小世界网络效应又称为“六度分离”理论。具备小世界效应的交通网络,县区间交通要素流动效率更高,网络系统关联性更强^[48]。一般以网络中所有节点相连时的平均最小连边数衡量小世界网络效应。公式如下：

（7）S=sum(eij)/sum(E)
式中：e_ij指节点i和j相连时所跨越的最小有向连边数目;sum（E）则为节点间现有连接状态下的有向连边数目。S越小,则代表交通网络中各节点间边距越小,整个网络就越紧密,当S<6或S随网络节点数n呈对数增长时,该网络具备小世界效应。

2.3.3 QAP回归分析 采用QAP（quadratic assignment procedure,二次迭代分配程序）回归分析方法探究影响高速公路交通流网络结构特征的因素。传统的多元回归统计检验方式为避免“多重共线性问题”,要求自变量保持独立性,针对于网络“关系数据”的检验,即探索“关系之间的关系”则无法发挥作用。QAP相关性检验方法可避免共线性问题,一般通过比较两个关系矩阵中对应元素的方法进行检验,还可以对一个对称矩阵和分为多组的属性数据之间进行自相关分析的随机检验^[49]。本研究QAP回归模型为：

（8）F=f(a1X1,a2X2,a3X3,a4X4,a5X5,a6X6)
式中：F为两县区之间车流量的和矩阵;X₁~X₆为影响因素关系矩阵;a₁~a₆为系数。

交通发展受经济、社会多方面综合影响。其中,经济因素不仅影响交通建设资金投入,且随着经济发展,城市将吸引大量客流与货流,强力带动城市交通运输网络与周边区域的对接度和辐射力^[50]。城市人口增加,交通出行需求也随之增加,人口规模与人口密度决定了交通出行需求总规模和出行频度,进而影响交通网络拓扑结构^[51]。交通基础设施作为公共品,主要由政府提供^[52],因此财政支出是交通得以发展的重要资金来源,扩大财政支出可以增加交通产业实物资本总量,产生交通网络扩张效应。从消费角度看,社会消费品零售总额表明商品的流通活跃程度,是产品对交通物流潜在需求规模的反映^[53],也是交通发展水平重要指征。地理学第一定律（Tobler's First Law of Geography）指出,任何事物都与其他事物相联系,相近的事物之间关联更紧密^[54]。位置相近的城市之间距离摩擦较小,交通流动相对频繁。综上,本研究选择各县区GDP、工业总产值、常住人口、地方财政支出、社会消费品零售总额、县区间行驶距离6个自变量构建关系矩阵分析影响广东省高速公路交通流网络形成的因素（表1）。

Tab. 1
表1
表1研究假设
Tab. 1Research hypotheses

自变量选择	关系矩阵构建方法	假设	预期影响
GDP	两县区的GDP和矩阵	GDP总量越多,区域之间相互吸引的交通量越大	正向
工业总产值	两县区的工业总产值和矩阵	工业总产值越多,工业越发达,区域之间交通路网建设越完善	正向
常住人口	两县区的常住人口和矩阵	总人口越多,交通出行需求越大,区域之间交通流动越频繁	正向
地方财政支出	两县区的财政支出和矩阵	财政支出越多,基础设施建设越完善,区域之间交通通达度越好	正向
社会消费品零售总额	两县区的社会消费品零售总额和矩阵	社会消费品零售总额越多,消费市场越活跃,区域之间交通货运需求越大	正向
行驶距离	两县区的最短公路行驶距离	距离越近,区域之间交往越密切	负向

注：和矩阵为基于两县区之间统计值之和所构建的矩阵。

新窗口打开|下载CSV

3 结果分析

3.1 高速公路交通流网络结构分析

3.1.1 高速公路交通流网络节点分析 （1）基于PageRank值的高速公路交通流网络节点重要性排序结果。分析各县区的PageRank值可知,广东省高速公路交通流网络节点重要程度差异较大,空间分异显著。网络中重要性排名首位的节点为深圳市宝安区,PageRank值为0.84950;其次为广州市中心区和白云区,PageRank值相近,分别为0.75144和0.70450。网络中重要性排名末位的节点为湛江市徐闻县,PageRank值为0.00085,与首位县区相差近1000倍,其次为清远市连山壮族瑶族自治县和韶关市南雄市,PageRank值分别为0.00266和0.00380。

将各个县区的PageRank值排序后进行分层可视化（图1）,重要程度排前25名的县区集中连片分布于珠三角区域,覆盖广州市、佛山市,以及珠江口东侧的东莞市和深圳市、西侧的中山市。此外,处于粤北的清远市中心区亦显示出重要的交通功能性作用,成为珠三角外唯一排前25名的区域。重要程度排26~50名的县区主要分布于珠三角西侧,少数零散分布在粤东西部。其中此排名段的县区在粤东有明显的近城市中心趋向,主要分布在梅州市和揭阳市城市中心区;在粤西则倾向于沿海,主要分布在茂名市和阳江市沿海区域。重要程度排51~75名的县区在粤北、粤东西部均有分布,且多邻近处于26~50排名段的县区;重要程度排75名以后的县区多分散于广东省外围,如韶关市北部、湛江市南部、云浮市西部等边缘区域。

图1

新窗口打开|下载原图ZIP|生成PPT
图1广东省高速公路交通流网络节点重要性排序及其空间分布

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。
Fig. 1Node importance ranking and spatial distribution of Guangdong expressway traffic flow network



（2）高速公路交通流网络节点度函数分布与空间差异。各县区节点点出度与点入度平均比值为0.99,基本实现交通出入量平衡。其中点出度与点入度最大的均为深圳市宝安区,度数值分别是325138和312630,其次是广州市中心区和白云区。该类县区为广东省主要的客货集散区,在交通网络中的联系能力（辐射力度和容纳性能）较强。点出度与点入度最小的均为湛江市徐闻县,度数值低于500。图2描述了网络中所有节点点出度（图2a）和点入度（图2b）的函数分布,其拟合曲线相似性较高,均为一阶衰减指数函数形式,服从幂律无标度分布,度数值越大的县区数量越少,在网络中的联系能力越强。以度数值50000为函数拐点,点出度大于50000的县区共21个,占县区总数的17.8%,这21个县区点出度之和占比所有县区点出度总值的71.5%;点出度小于50000的县区占县区总数的82.2%,点出度之和占比28.5%。点入度函数分布具有相同特征。

图2

新窗口打开|下载原图ZIP|生成PPT
图2广东省高速公路交通流网络节点点出度和点入度的函数分布

Fig. 2Function distribution of node out-degree and in-degree of Guangdong expressway traffic flow network



计算广东省高速公路交通流网络所有节点的节点度,通过自然断点法（Natural Breaks）将其分为五级,并进行可视化。如图3,节点度较高等级以上县区集中分布在珠三角,其外围县区节点强度普遍较低,空间非均衡性特征显著。其中,节点度高等级县区集中在珠三角的广州市和深圳市,如广州市中心区、白云区;深圳市宝安区。节点度较高等级县区除广深外,在佛山市和东莞市亦有分布,如佛山市南海区、顺德区;东莞市中心组团等。

图3

新窗口打开|下载原图ZIP|生成PPT
图3广东省高速公路交通流网络空间结构特征

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。
Fig. 3Spatial structure of Guangdong expressway traffic flow network



3.1.2 高速公路交通流网络有向边分析 （1）高速公路交通流网络有向边权值定量分析。通过自然断点法将有向边权值（即日均车流量）分为五级,量化分析各等级边权特征,可知有向边权值差异显著,整个广东省县区之间尚未形成紧密的高速公路交通联系。如表2,有向边权值最集中于较弱等级（3~30）,共4261条有向边,占据联系网络的38.79%;其次为中等级（30~447）,共3186条有向边,占据联系网络的29.00%,上述两个等级累计网络联系总量超过60%。有向边权值处于强等级（6632~98518）的县区对最少,只有97条有向边,仅占联系网络的0.88%。

Tab. 2
表2
表2广东省高速公路交通流网络有向边权值分级列表
Tab. 2Directed edge weights classification list of Guangdong expressway traffic flow network

权值等级	权值	有向边数目	比例(%)
强	6632~98518	97	0.88
较强	447~6632	875	7.96
中	30~447	3186	29.00
较弱	3~30	4261	38.79
弱	1~3	2567	23.37

新窗口打开|下载CSV

（2）高速公路交通流网络有向边流向特征与空间差异性分析。在上述等级列表中,选择中等级以上有向边（日均车流量≥30）进行可视化（图3）。

分等级来看,强等级交通流（日均车流量≥6632）主要集中于珠三角区域,自珠三角中部的清远市中心区、广州市花都区和白云区,向东连接至东莞市中心区和深圳市龙岗区,在惠州市县区内路径开始闭合;向西连接肇庆市四会市、佛山市三水区和南海区,在中山市和珠海市县区内路径呈非连续状态。除珠三角地区外,强等级交通流分散在粤东汕头市龙湖区、濠江区等。较强等级交通流（日均车流量≥447）分布区域除珠三角外,在广东省外围均有零散分布;中等级交通流（日均车流量≥30）分布范围较广。将上述强等级与较强等级交通流作为优势流,以识别网络骨干关联轴线并分析高速公路交通流的主要特征。交通优势流特征有：① 较少呈单向流动路径,多为“有来有往”的双向流动路径,在县区对之间形成闭合回路。② 优势流的距离依赖性较强,多分布于邻近县区之间。③ 优势流“向心指向”明显,整个广东省的优势流集中于中部珠三角地区,省内各个区域的优势流则集中于城市中心区域,如汕头市的优势流集中于金平区和龙湖区等;湛江市的优势流集中于湛江市中心区等。④ 在广东省东部沿海的深圳市-汕头市之间、珠三角的肇庆市-佛山市和广州市-清远市之间出现了跨地市、大范围的流动路径,表明高速公路交通流出现突破物理空间距离约束的特征。

3.1.3 高速公路交通流网络整体结构特征分析 广东省高速公路交通流网络密度为0.7957,接近于1,网络密度较高,县区之间高速联系路径较为完整,已形成典型的网络式空间结构。其中,广州市、佛山市和东莞市各县区,均与外部所有县区保持全连接状态,其他地市仍有少部分县区之间日均车流量趋近于0,高速公路往来路径“中断”,如河源市、云浮市、湛江市和揭阳市等部分县区。从小世界网络效应计量结果上看,整个网络的平均最小连边数为1.0728,明显小于6,相当于只需经过不到2个中介县区即可以连接任意县区,符合“六度分离理论”。因此广东省高速公路交通流网络具备小世界网络效应,县区之间交通要素流动效率较高。

结合广东省经济社会发展现状,省中部城市群发育程度较高的珠三角区域,高速公路交通往来频繁,其拥有强大的资源场力和交通流辐射力,空间极化特征显著,形成以“广州-佛山-东莞-深圳”为核心的交通流密集区;粤西沿海的“阳江-茂名-湛江”城市带,县区之间交通流相对均衡,尚未出现强中心区,“湛茂”交通联系松散,区域整体交通流场强较弱,难以向东辐射至阳江等地区。而“流空间”视角下的粤东城市群分化特征明显,形成了两个城市子群,其中“潮州-汕头-揭阳”城市群以汕头市为中心,内部县区之间交通往来密切,梅州市则形成一个单独的子群,对外联系较弱。与梅州市同类的“单独子群”型城市还有韶关市和河源市,在广东省全域形成一个封闭的高速公路交通流场情况下,这些省外围东、北部城市与中心城市联系均相对较弱。

3.2 高速公路交通流网络形成因素分析

测得决定系数R²=0.790,调整后决定系数R²=0.801。说明选取的变量对广东省高速公路交通流网络的解释力度为80.1%,有显著解释意义。调整后的决定系数概率为0.000,通过了1%的显著性检验。各变量回归分析结果见表3。

Tab. 3
表3
表3广东省高速公路交通流网络形成因素 QAP 回归分析
Tab. 3QAP regression analysis of the formation factors of Guangdong expressway traffic flow network

变量	非标准化回归系数	标准化回归系数	显著性概率	P≥0	P≤0
截距	19.521	0.000
GDP	0.217**	0.130	0.044	0.044	0.957
工业总产值	0.380***	0.080	0.003	0.003	0.998
常住人口	7.907***	0.309	0.000	0.000	1.000
地方财政支出	-0.655	-0.031	0.173	0.827	0.173
社会消费品零售总额	0.442 **	0.102	0.048	0.048	0.953
县区间距离	-3.390***	-0.203	0.000	1.000	0.000

注：^*表示在0.10水平上显著;^**表示在0.05水平上显著;^***表示在0.01水平上显著。

新窗口打开|下载CSV

根据QAP回归分析结果,① 人口因素是影响交通流动的主要因素,城市人口本底影响着城市间流动人口体量,进而对交通公共服务供给和基础设施建设产生需求,最终影响交通网络的形成。量化结果显示,常住人口的标准化回归系数（0.309）最高,通过了95%的显著性检验,其对交通网络形成的正向影响作用较强。广东省高速公路强等级交通流集中在珠三角区域,该区域为全省人口最为密集的区域,且网络中交通节点重要性排名Top10的县区均为常住人口超过100万人口大县,表明现阶段广东省高速公路流网络形成主要受到人口因素的拉动,高速公路建设仍整体处于确保增量、满足人民群众出行需求的阶段。② 高速公路交通流与地区经济具有耦合性。随着经济的持续发展,城市间资源调配量增大、产业横向联系更为密切,交通运输规模会在一定时期内增大,城市将对原有的交通网络进行完善或产生新的交通设施,进而提升城市间交通出行效率、扩大出行总量。量化结果显示,GDP的标准化回归系数（0.130）较高,通过95%的显著性检验,正向影响交通网络形成。在广东省高速公路交通流网络中,交通优势流具有明显的“城市中心县区指向”,而在广东省粤北、粤西等外围经济薄弱地带,以及地市非中心县区,则少有交通优势流分布。③ 地方财政支出对高速公路交通流网络影响较弱。量化结果显示,地方财政支出的标准化回归系数（-0.031）为负值,显著性概率为0.173,没有通过95%的显著性检验,实证结果与假设不符。广东省高速公路建设资本较少来自地方财政支出,除广州,深圳,东莞,佛山等部分经济发达城市具备地方高速投融资平台,其他区域高速公路建设资金主要依托社会资本（企业资本）和省级财政支出,因此各县区地方财政支出对高速公路网络形成尚未有显著影响。④ 网络形成主要依附于地理空间,区域间交通流动遵循要素的邻近扩散机制。量化结果显示,县区之间距离的标准化回归系数（-0.203）为负值,通过95%的显著性检验,负向影响交通网络形成。在有向交通网络中,交通优势流的距离依赖性较强,多分布于邻近县区之间,少有出现长距离流动路径,在地理空间中相隔较远的网络节点之间联系相对疏远。⑤ 消费逐渐成为刺激区域间交通流动的强大动力。城市消费品生产或销售规模映射其市场活力,市场活跃且发育程度较高的城市之间商贸往来相对频繁,进而激发交通需求。量化结果显示,社会消费品零售总额的标准化回归系数（0.102）通过了95%的显著性检验,正向影响交通网络形成,验证了原假设。广东省消费市场整体较为活跃,2019年,全省社会消费品零售总额 42664亿元,比上年增长8.0%,其中汽车类、石油及制品类共完成零售总额 6746亿元,占限额以上单位商品零售的49.5%,汽车销售增量成为道路交通流扩充的重要因素。尤其汇集全省Top100优势交通流的珠三角区域,作为广东省消费市场的核心,其社会消费品零售总额占比全省71.5%,除了汽车类销售市场的直接供给之外,日用品、家装类商品市场和餐饮业、旅游业消费市场的活跃吸引了人流、货流和旅游流的集中,使珠三角成为重要的商品集散和交通转运中心,间接刺激了区域间交通流增长。

4 “流空间”视角下广东省高速公路交通流动模式分析

城市场是多种流体格局演变、流系统间相互作用并受到一系列外在因素影响的复杂和动态过程,“流空间”视角与城市网络研究的契合,重新表达了人文地理学所诠释的由节点、层次、网络等组成的空间,空间研究范式逐渐从“中心地”理论转向“中心流”理论;城市地理学的研究视野由原来关注城市与腹地的关系转向分析各类流要素所构建的城市网络,其中关注流要素分布特征的动态网络分析是区别于以往城市网络研究的关键。

基于上述交通优势流构建的广东省高速公路主体网络空间结构特征,可以归纳出三种交通流动模式（图4）：① 邻近指向型（图4a）。城市间要素流动受距离因素影响较深,以距离为基础的空间结构仍然是“流空间”的重要表现形式,流要素的集聚与扩散往往会受制于距离摩擦,与传统的物理空间保持着一定黏性,这种黏连力度与流要素本身的特性和传播机制密切相关。“流空间”理论的提出以信息化时代为背景,以“信息流”所塑造的流空间为典型,因为信息传播具有显著的“共时性”特征,可在较短时间内覆盖广泛的空间范围,真正实现“以时间换空间”,促使空间不断压缩,无限降低距离的阻碍。而交通流的集散主要依附于道路、轨道等物理空间内的路网组织,与信息流、资金流等相比传播速度更慢、对距离的依赖性更强,交通流要素的集散主要表现为邻近扩散机制。邻近指向型交通流分布范围较广,是广东省较为典型的交通流动模式,其多在邻近县区之间形成闭合回路。② 中心指向型（图4b）。城市间要素流动主要受经济、人口影响,倾向于在区域性中心城市聚集,这种流动模式在珠三角地区最为显著。广东省高速公路交通流的空间非均衡性特征显著,大量优势流集中于经济发达、人口密集珠三角区域,广州市、佛山市、深圳市和东莞市4个城市的高速公路出行总量在全省占比高达70%,高速公路城市化现象突出,涌现出一批城市交通枢纽,如深圳市宝安区、广州市白云区和佛山市南海区等。此类交通枢纽以强大的吸引力和辐射力扰动“城市场”,成为高速公路交通网络的核心节点,并对周边交通流动要素进行空间整合。③ 等级指向型（图4c）。交通流要素的集散表现为等级扩散机制,流动路径以长距离、跨区域路径为主,遵循网络的“包容与排斥”逻辑,连接具有交通优势的同等级节点。等级指向型交通流在一定程度上克服了距离阻碍,开始支配着物理空间的互动和变化,表现为被“流”串联的同等级节点区域形成了“流动空间”,其他被逐渐分离的区域形成了“地方空间”,两者产生“二元结构”,这也是流空间理论对城市空间如何发生变化的重要解释。

图4

新窗口打开|下载原图ZIP|生成PPT
图4广东省高速公路交通流网络三种交通流动模式

Fig. 4Three traffic flow patterns of Guangdong expressway traffic flow network



在广东省高速公路主体网络中,交通流流动模式以邻近指向型和中心指向型为主,等级指向型相对较少。这与空间距离因素和高速公路运输特性相关。据统计,广东省客货车的高速公路行驶平均里程为43.9 km,80%的车辆行驶里程在60 km以内;60%车辆行驶里程在30 km以内。其中客车的高速公路行驶平均里程为41.2 km,80%的客车行驶里程在55 km以内;货车的平均里程为53.5 km;80%在70 km以内。以广州市-东莞市（行驶距离60 km）为参照,广东省多数车辆在高速公路上的行驶空间范围相当于广州市到东莞市之间,可知高速公路运输的服务半径多为相邻区域中短距离出行。而等级指向型交通流在广东省分布较少,主要集中在珠三角的广州市-清远市、肇庆市-佛山市以及深圳市-汕头市之间。尤其是深圳市-汕头市,在物理空间层面相隔甚远,高速公路交通机动性提升带来了流要素的跨区流动,使得深圳市和汕头市之间出现长距离优势交通流路径,连接深汕突破距离阻碍和物理空间约束实现“流空间”层面的空间重组,而两市之间的揭阳市则被排斥在网络之外,呈现“碎片化”空间特征。因此整体上看,在珠三角和粤东区域已孕育出高速公路交通“流空间”的雏形。

5 结论

本研究以高速公路交通流作为流空间运动主体,尝试探索城市交通网络的流空间分析范式,探究广东省高速公路交通流网络空间拓扑特征,并构建关系回归模型解释影响网络形成的因素。结论如下：

（1）整体上广东省高速公路交通流网络具有“小世界”网络效应,且密度较高,已形成典型的网络式空间结构;网络节点出度和入度值服从幂律无标度分布,交通出入量基本平衡。总度数值较高,交通集散功能突出的节点集中于广州市、佛山市、东莞市和深圳市等;网络节点重要性自广东省中部珠三角区域向外围,如韶关市北部、湛江市南部、云浮市西部等边缘区域递减;网络有向边权值等级差异显著,较强等级以上的优势交通流具有“向心指向”特征和距离依赖性,除深圳市-汕头市、清远市-广州市、肇庆市-佛山市之间出现长距离、大范围的流动路径,其他优势流多分布于邻近县区之间。

（2）QAP回归分析结果显示,GDP、常住人口、社会消费品零售总额、县区之间行驶距离等因素已成为影响广东省高速公路交通流网络形成的重要因素。网络形成受制于空间经济规律制约;人口因素是影响城市间交通流动的主要因素;网络形成主要依附于地理空间,区域间交通流动遵循要素的邻近扩散机制;消费因素逐渐成为刺激区域间交通流动的强大动力,而地方财政支出对高速公路网络影响较弱。

（3）广东省高速公路交通流动模式分为邻近指向型、中心指向型和等级指向型三种。邻近指向型交通流分布范围较广,是广东省较为典型的交通流动模式,其多在邻近同等级县区之间形成闭合回路;中心指向型交通流集中分布于珠三角区域;受距离因素和高速公路运输特性影响,等级指向型交通流分布相对较少。

本研究以联网收费数据作为构建交通流网络的“关系数据”,尝试从“流空间”视角探索高速公路网络特征,以期丰富城市网络理论,并在实践中促进广东省交通运输业协调发展,为解决流空间研究的新型“关系数据”来源问题,研究其他区域交通网络空间结构提供一定参考。受限于数据、指标可获取性等客观因素,本研究仍存在不足,未来将探索分类型车流的网络空间结构,深研影响网络形成的其他多类因素,并关注高速公路网络动态变化,以期在时间尺度的研究上取得进展。

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“流空间”理论分析与文献梳理、指标选择、交通流模式图绘制、网络结构分析等方面的修改意见,使本文获益匪浅。

参考文献 View Option 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] Kurth M, Kozlowski W, Ganin A, et al. Lack of resilience in transportation networks: Economic implications
Transportation Research Part D: Transport and Environment, 2020, 86:102419. DOI: 10.1016/j.trd.2020.102419.
URL [本文引用: 1]

[2] Zhang M. Megaregional approaches to address the mega-challenges of transportation and environment
Transportation Research Part D: Transport and Environment, 2020, 89:102610. DOI: 10.1016/j.trd.2020.102610.
URL [本文引用: 1]

[3] Ren M Y, Lin Y Y, Jin M H. Examining the effect of land?use function complementarity on intra?urban spatial interactions using metro smart card records
Transportation, 2020, 47:1607-1629. DOI: 10.1007/s11116-019-09977-7.
URL [本文引用: 1]

[4] Mahmoudi R, Shetab-Boushehri S N, Hejazi S R, et al. Determining the relative importance of sustainability evaluation criteria of urban transportation network
Sustainable Cities and Society, 2019, 47:101493. DOI: 10.1016/j.scs.2019.101493.
URL [本文引用: 1]

[5] Kumar A, Haque K, Mishra S, et al. Multi-criteria based approach to identify critical links in a transportation network
Case Studies on Transport Policy, 2019, 7(3):519-530. DOI: 10.1016/j.cstp.2019.07.006.
URL [本文引用: 1]

[6] Liu R, Chen Y, Wu J P, et al. Mapping spatial accessibility of public transportation network in an urban area: A case study of Shanghai Hongqiao Transportation Hub
Transportation Research Part D: Transport and Environment, 2018, 59:478-495. DOI: 10.1016/j.trd.2018.01.003.
URL [本文引用: 1]

[7] 修春亮, 孙平军, 王绮. 沈阳市居住就业结构的地理空间和流空间分析
地理学报, 2013, 68(8):1110-1118.
[本文引用: 2]
以沈阳市为案例,使用"六普"居住人口数据和"二经普"就业数据,通过因子分析方法进行居住和就业一体的综合空间分析。在城市尺度上的地理空间与"流变量"视角下"流空间"的比较分析发现：在城市地理空间表达上,居住功能的作用明显重于就业,但就业功能对城市地理空间也有所表达,居业一体的空间分析仍然是有意义的;在社会构成要素的分布上,传统地理空间仍有基本的规定性,居业空间结构中居住空间差异的分层明显,而就业的集中度则高很多;文化精英在居住和就业方面与大众已经有所分化,由大学的建设和布局所致,"单位"仍然是扩张中的大城市空间结构特征之一;居住的空间扩展几乎是全方位的,而就业的扩张范围则小得多,精英层的就业空间主要集中于市中心和"金廊"一带,导致居住与就业空间不匹配;城市空间结构中形成了"居住扇"、"就业廊"、"流动圈"等几大空间构造;大学和大学城、行政机关、金融等生产者服务业是"流空间"的主要因子;在"流变量"空间格局中,就业功能分布变化的"去中心化"或"多中心化"的趋势还不明显。
[ Xiu Chunliang, Sun Pingjun, Wang Qi. Residence-employment structure analysis on spaces of geography and flows in Shenyang city
Acta Geographica Sinica, 2013, 68(8):1110-1118.] DOI: 10.11821/dlxb201308010.
[本文引用: 2]

[8] Castells M. Grassrooting the space of flows
Urban Geography, 1999, 20(4):294-302. DOI: 10.2747/0272-3638.20.4.294.
URL [本文引用: 1]

[9] 闫婧. 曼纽尔·卡斯特“流动的空间”思想研究. 上海: 学林出版社, 2019: 49-65.
[本文引用: 1]

[ Yan Jing. Research on Manuel Castells's Thought of “Space of Flows”. Shanghai: Xuelin Press, 2019: 49-65.]
[本文引用: 1]

[10] Taylor P J Catalano G, Walker D R F. Measurement of the world city network
Urban Studies, 2002, 39(13):2367-2376. DOI: 10.1080/00420980220080011.
URL [本文引用: 1]

[11] Taylor P J. External urban relational process: Introducing central flow theory to complement central place theory
Urban Studies, 2010, 47(13):2803-2818. DOI: 10.1177/0042098010377367.
URL [本文引用: 1]

[12] Zeng B D. Pattern of Chinese tourist flows in Japan: A social network analysis perspective
Tourism Geographies, 2018, 20(5):810-832. DOI: 10.1080/14616688.2018.1496470.
URL [本文引用: 1]

[13] Doran D, Fox A. Operationalizing central place and central flow theory with mobile phone data
Annals of Data Science, 2016, 3(1):1-24. DOI: 10.1007/s40745-015-0066-4.
URL [本文引用: 1]

[14] Matthiessen C W, Schwarz A W, Find S. World cities of scientific knowledge: Systems, networks and potential dynamics. An analysis based on bibliometric indicators
Urban Studies, 2010, 47(9):1879-1897. DOI: 10.1177/0042098010372683.
URL [本文引用: 1]

[15] 高鑫, 修春亮, 魏冶. 城市地理学的“流空间”视角及其中国化研究
人文地理, 2012, 27(04):32-36.
[本文引用: 2]

[ Gao Xin, Xiu Chunliang, Wei Ye. Study on the sinicization of “space of flows” basing on the visual angle of urban geography
Human Geography, 2012, 27(4):32-36.] DOI: 10.13959/j.issn.1003-2398.2012.04.026.
[本文引用: 2]

[16] Guimera R, Mossa S, Turtschi A, et al. The worldwide air transportation network: Anomalous centrality, community structure, and cities' global roles
Proceedings of the National Academy of Sciences, 2005, 102(22):7794-7799. DOI: 10.1073/pnas.0407994102.
[本文引用: 1]

[17] Derudder B, Witlox F. Mapping world city networks through airline flows: Context, relevance, and problems
Journal of Transport Geography, 2008, 16(5):305-312. DOI: 10.1016/j.jtrangeo.2007.12.005.
URL [本文引用: 1]

[18] Mahutga M C, Ma X, Smith D A, et al. Economic globalisation and the structure of the world city system: The case of airline passenger data
Urban Studies, 2010, 47(9):1925-1947. DOI: 10.1177/0042098010372684.
URL [本文引用: 1]

[19] Matsumoto H. International air network structures and air traffic density of world cities
Transportation Research Part E: Logistics and Transportation Review, 2007, 43(3):269-282. DOI: 10.1016/j.tre.2006.10.007.
URL [本文引用: 1]

[20] 嵇昊威, 赵媛. 中国煤炭铁路运输网络可达性空间格局研究
地域研究与开发, 2014, 33(1):6-11.
[本文引用: 1]

[ Ji Haowei, Zhao Yuan. The accessibility spatial pattern of coal railway transport network in China
Areal Research and Development, 2014, 33(1):6-11.] DOI: 10.3969/j.issn.1003-2363.2014.01.002.
[本文引用: 1]

[21] 赵映慧, 朱亮, 马百通, 等. 1998—2016年中国省际网络联系结构特征: 基于铁路货流视角
地理科学, 2020, 40(10):1671-1678.
DOI:10.13249/j.cnki.sgs.2020.10.011 [本文引用: 1]
基于中国省级行政区之间铁路货流数据（不含港澳台）,采用社会网络分析及GIS空间分析等对1998—2016年中国省际网络联系结构特征进行分析。结果表明：① 1998—2016年中国铁路货流网络密度呈先增长后下降的趋势；② 中部地区和环渤海经济圈的省份在铁路货流网络中货运量处于领先地位,沿海省份之间铁路货运联系减弱；③ 山西和内蒙古在铁路货流网络中占有重要地位,而海南、西藏则在铁路货流网络中处于边缘地位；④ 广东密切联系华中地区和西南地区,西北省份相互联系及对外联系都较弱；⑤ 铁路货流网络中地域邻近性与经济联系很大程度上决定了凝聚子群的构成,随着中国经济发展和铁路货运的不断变化,铁路货流网络的凝聚子群增多,规模变小。
[ Zhao Yinghui, Zhu Liang, Ma Baitong, et al. Characteristics of inter-provincial network connection based on railway freight flow in China, 1998-2016
Scientia Geographica Sinica, 2020, 40(10):1671-1678.] DOI: 10.13249/j.cnki.sgs.2020.10.011.
[本文引用: 1]

[22] 刘恒宇, 汝宜红, 孙膑. 全国省会城市铁路网络客运能力研究
经济地理, 2016, 36(8):16-22.
[本文引用: 1]

[ Liu Hengyu, Ru Yihong, Sun Bin. Study on passenger capacity of the railway network of the country's provincial capital cities
Economic Geography, 2016, 36(8):16-22.] DOI: 10.15957/j.cnki.jjdl.2016.08.003.
[本文引用: 1]

[23] 孟德友, 陆玉麒. 基于铁路客运网络的省际可达性及经济联系格局
地理研究, 2012, 31(1):107-122.
DOI:10.11821/yj2012010011 [本文引用: 1]
基于铁路客运交通网络把各省会城市抽象为铁路网络中的节点,以2003和2008年省会城市间铁路客运网络的最短旅行时间为度量指标,对我国铁路客运网络的空间可达性及空间格局进行分析,测算各省区间的省际经济联系强度,进而探讨省际间经济联系的空间指向。研究表明:(1)经过第五、六次铁路客运提速,省际可达性获得了显著提升,尤其西部地区提升幅度更大,省际可达性表现出自东部沿海向西北内陆逐渐降低的圈层式空间格局,高于全国平均水平的地区范围在扩展,干线指向性越来越强;(2)各省区对外经济联系总量地域差异突出,东部地带省区的经济联系总量远高于中西部地带省区;(3)地区间经济联系依托京沪、京广以及京哈等主要铁路干线形成了省际联系的主导轴线,并且随着地区经济的发展和铁路网络的大幅度提速,地区经济联系的空间网络格局逐步形成。
[ Meng Deyou, Lu Yuqi. Analysis of inter-provincial accessibility and economic linkage spatial pattern based on the railway network
Geographical Research, 2012, 31(1):107-122.] DOI: 10.11821/dlyj2012010011.
[本文引用: 1]

[24] 陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式
地理学报, 2017, 72(2):224-241.
DOI:10.11821/dlxb201702004 [本文引用: 1]
多视角和多尺度城市网络逐渐成为认识空间关系的主要途径。公路流数据具有显著的空间依赖性和距离衰减特性,对于刻画区域尺度空间关系具有重要意义。基于全国地级行政单元间的公路客运流,论文尝试刻画中国城市网络功能结构和区域效应,并对其空间组织模式进行特征提取和规律挖掘,以期能够为城市网络研究提供新的方法支撑和认知视角。研究结果表明：① 基于公路流的城市网络空间形态表现出强烈的空间依赖性和层级特征,与中国主要城市群分布存在较大程度的空间耦合,更多体现的是区域尺度的空间关系及核心—外围组合关系;② 通过社区发现算法识别出19个城市经济区,其空间内涵主要包括行政区经济、巨型区域溢出效应和核心—边缘结构等;③ 不同地域系统内城市网络自成体系,表现出显著的空间依赖性和多元的空间组织模式,多层次、流动性和网络化的地域系统格局凸显;④ 从空间形态上看,区域城市网络空间结构大致可划分为单中心结构、双核心结构、多中心结构和低水平均势结构等区域关联形态,并以单中心发育模式为主。
[ Chen Wei, Liu Weidong, Ke Wenqian, et al. The spatial structures and organization patterns of China's city networks based on the highway passenger flows
Acta geographica Sinica, 2017, 72(2):224-241.] DOI: 10.11821/dlxb201702004.
[本文引用: 1]

[25] 赵映慧, 姜博, 郭豪, 等. 基于公共客运的东北地区城市陆路网络联系与中心性分析
经济地理, 2016, 36(2):67-73.
[本文引用: 1]

[ Zhao Yinghui, Jiang Bo, Guo Hao, et al. The centrality and network connection of cities in Northeast China based on public passenger transport
Economic Geography, 2016, 36(2):67-73.] DOI: 10.15957/j.cnki.jjdl.2016.02.009.
[本文引用: 1]

[26] 王海江, 苗长虹, 牛海鹏, 等. 中国中心城市公路客运联系及其空间格局
地理研究, 2016, 35(04):745-756.
[本文引用: 1]

[ Wang Haijiang, Miao Changhong, Niu Haipeng, et al. Highway passenger transport contact and its spatial distribution in the central cities of China
Geographical Research, 2016, 35(4):745-756.] DOI: 10.11821/dlyj201604012.
[本文引用: 1]

[27] 柯文前, 陆玉麒, 陈伟, 等. 高速交通网络时空结构的阶段性演进及理论模型: 以江苏省高速公路交通流网络为例
地理学报, 2016, 71(2):281-292.
DOI:10.11821/dlxb201602008 [本文引用: 4]
高速交通网络作为地区社会经济联系空间结构塑造的显著力量,具有关键指征作用.在江苏省内高速公路交通流网络2004年1月-2012年12月连续时空尺度上的三维动态OD数据支撑下,引入非负张量分解的时空分析方法,对高速公路交通流网络阶段性演进特征和时空结构分析基础上,尝试提炼其理论模型.结论如下:① 江苏省高速公路交通流网络时间结构具有明显的三阶段特征,分别为2004年1月-2005年4月,2005年5月-2008年6月和2008年7月-2012年12月,对应的空间结构由倒"T"字型向倒"下"字型,再向倒"不"字型演变.② 阶段性演进是整体演化过程的重要组成部分,在长尺度上表现为趋势的分段而在小尺度上则为波动结构变化,江苏省高速公路交通流网络现正处于网络提升充实阶段.③ 基于江苏省的实证,归纳演绎了一个由路网离散分布--局部网络建构--区域初步连通--区域发育成网--网络提升充实--网络一体化的6阶段理论模型.
[ Ke Wenqian, Lu Yuqi, Chen Wei, et al. Evolutionary stages and theoretical model of high-speed traffic network spatio-temporal structure: A case study of expressway traffic flow network in Jiangsu province
Acta Geographica Sinica, 2016, 71(2):281-292.] DOI: 10.11821/dlxb201602008.
[本文引用: 4]

[28] Seya H, Zhang J, Chikaraishi M, et al. Decisions on truck parking place and time on expressways: An analysis using digital tachograph data
Transportation, 2018, 47(3):1-29. DOI: 10.1007/s11116-018-9899-y.
URL [本文引用: 1]

[29] 金凤君, 焦敬娟, 齐元静. 东亚高速铁路网络的发展演化与地理效应评价
地理学报, 2016, 71(4):576-590.
DOI:10.11821/dlxb201604004 [本文引用: 2]
经济全球化和区域一体化进程的不断推进,促使东亚在世界经济中的地位不断提升。高速铁路作为促进经济一体化和区域发展的重要手段和基础,其快速发展势必会对东亚地区的区域发展、空间结构、人口流动和一体化产生重大影响。在分析东亚高速铁路网络发展历程及服务水平的基础上,评价与对比了高速铁路建设对城市交通圈和可达性的影响,及一体化高速铁路潜在的空间效应,以期为东亚一体化高速铁路构建提供指导。结果表明：东亚高速铁路网络扩张整体上呈现出“核心—核心”到网络化的发展历程；高速铁路网络在中国东中部、日本和韩国等地区具有较高的人口和产业服务水平,但国土面积覆盖率相对较低；高速铁路的建设促使核心城市交通圈格局不断扩展与强化,可实现当日往返城市对数量明显增加,主要分布在中国长三角、珠三角,日本东京和韩国首尔周边；中国大陆、日本和韩国的加权平均旅行时间分别呈现出以郑州、东京和首尔为中心的“核心—边缘”结构,且圈层结构逐渐向高速铁路沿线延伸；高速铁路的建设促使城市人口服务水平和可达性的空间格局均呈现出明显的“廊道效应”。
[ Jin Fengjun, Jiao Jingjuan, Qi Yuanjing. Evolution and geographic effects of high-speed rail in East Asia
Acta Geographica Sinica, 2016, 71(4):576-590.] DOI: 10.11821/dlxb201604004.
[本文引用: 2]

[30] Wang L, Duan X J. High-speed rail network development and winner and loser cities in megaregions: The case study of Yangtze River Delta, China
Cities, 2018, 83:71-82. DOI: 10.1016/j.cities.2018.06.010.
URL [本文引用: 2]

[31] Jiao J J, Zhang F N, Liu J. A spatiotemporal analysis of the robustness of high-speed rail network in China
Transportation Research Part D: Transport and Environment, 2020, 89:102584. DOI: 10.1016/j.trd.2020.102584.
URL [本文引用: 2]

[32] McManus P, Haughton G. Sustainability or sustainable infrastructure? Using sustainability discourse to construct a motorway
Local Environment, 2020, 25(11-12):985-999. DOI: 10.1080/13549839.2020.1852397.
URL [本文引用: 1]

[33] Gutierrez J. Location, economic potential and daily accessibility: An analysis of the accessibility impact of the high-speed line Madrid-Barcelona-French border
Journal of Transport Geography, 2001, 9(4):229-242. DOI: 10.1016/S0966-6923(01)00017-5.
URL [本文引用: 1]

[34] 赵珍珍, 柯文前, 杨青. 区域高速公路交通流时空特征解析: 以江苏省为例
经济地理, 2016, 36(2):53-58.
[本文引用: 1]

[ Zhao Zhenzhen, Ke Wenqian, Yang Qing. Spatial and temporal characteristics of regional expressway traffic flow: A case study of Jiangsu province
Economic Geography, 2016, 36(2):53-58.] DOI: 10.15957/j.cnki.jjdl.2016.02.007.
[本文引用: 1]

[35] Giuliano G, Hanson S. The Geography of Urban Transportation. New York: Guiford Press, 2017: 37-66.
[本文引用: 2]

[36] 金凤君, 陈卓. 1978年改革开放以来中国交通地理格局演变与规律
地理学报, 2019, 74(10):1941-1961.
DOI:10.11821/dlxb201910001 [本文引用: 2]
1978年改革开放以来,中国交通地理格局发生了历史性变化,理解其演变特征与规律对未来的交通建设与国土开发具有重要的启示意义。在系统梳理中国交通建设与发展历程的基础上,利用大数据和GIS等分析方法,探讨了国家交通地理格局的演变特征与空间效应,并从演进阶段、空间结构与秩序等视角系统归纳了中国交通地理格局演化的基本规律。研究发现,当前中国的交通建设已开始进入以质量提升为目标的新阶段,建设模式由早期资本驱动的“规模扩张型”过渡为创新驱动的“质量提升型”,发展方向从优先发展向综合协调发展转变;交通网络的快速建设和扩展改变了时间与空间的关系,其所营造的空间收敛与空间优势格局,与经济社会空间布局形成了耦合效应,持续推动经济社会空间结构演进,传统以发展轴线为中心的国土开发结构将逐渐转变为以大都市和城市群为中心的网络化国土开发结构;交通地理格局的演化具有显著的阶段性规律,中国当前处于系统结构完善阶段向级联秩序分异阶段过渡的时期,经济社会空间形态从轴线结构向轴—辐结构转变,初步形成了级序有致的网络体系;随着交通网络的不断成熟,宏观尺度上的各类功效空间结构与级联秩序将逐步趋向成熟与稳定,最终达到相对平衡的状态。
[ Jin Fengjun, Chen Zhuo. Evolution of transportation in China since reform and opening-up: Patterns and principles
Acta Geographica Sinica, 2019, 74(10):1941-1961.] DOI: 10.11821/dlxb201910001.
[本文引用: 2]

[37] 王姣娥, 杜德林, 金凤君. 多元交通流视角下的空间级联系统比较与地理空间约束
地理学报, 2019, 74(12):2482-2494.
DOI:10.11821/dlxb201912005 [本文引用: 1]
交通运输联系是区域空间级联系统与城市体系结构研究的重要视角之一,而不同交通运输方式表达的级联体系结构亦存在一定的差异。为综合研究交通运输体系刻画的空间级联系统及克服单一交通方式的局限性,基于长途汽车、高铁和航班时刻表数据,比较分析了多元交通网络的空间级联体系结构及其表达的城市网络组织体系,并进一步揭示了地理空间的约束作用。研究发现：① 每种交通运输方式适合在一定的空间尺度和行政范围内刻画和表达城市网络体系结构与城市联系,公路客运受省域行政范围约束,高铁联系具有廊道影响效应,航空运输体现全国和区域尺度较高层次的社会经济联系。② 从旅客直达视角分析,长途汽车与高铁的城际运输市场重叠最大,近年来长途汽车的运输市场受高铁影响明显。③ 地理空间是影响陆路交通运输和组织的重要约束因子,距离衰减效应明显;结合设施空间、行政空间和管理体制的作用,长途汽车和高铁运输在空间上形成分异的社区结构;航空运输由于具有超空间连接特性,既不遵循距离衰减规律,社区结构也并不明显。
[ Wang Jiao'e, Du Delin, Jin Fengjun. Comparison of spatial structure and linkage systems and geographic constraints: A perspective of multiple traffic flows
Acta Geographica Sinica, 2019, 74(12):2482-2494.] DOI: 10.11821/dlxb201912005
[本文引用: 1]

[38] Lin J Y, Ban Y F. The evolving network structure of US airline system during 1990-2010
Physica A: Statal Mechanics and its Applications, 2014, 410(12):302-312. DOI: 10.1016/j.physa.2014.05.040.
[本文引用: 1]

[39] Zhu Z R, Zhang A M, Zhang Y H. Connectivity of intercity passenger transportation in China: A multi-modal and network approach
Journal of Transport Geography, 2018, 71:263-276. DOI: 10.1016/j.jtrangeo.2017.05.009.
URL [本文引用: 1]

[40] 靳诚, 徐菁, 黄震方, 等. 基于高速公路联网收费数据的江苏省交通流动特征与影响因素
地理学报, 2018, 73(2):248-260.
DOI:10.11821/dlxb201802004 [本文引用: 3]
高速交通网络是一种十分重要的地区间联系形式,对区域空间结构的重构有着显著的推动作用。高速公路联网收费数据为从高速公路流量视角探讨区域交通流动提供了有效的数据支撑。以江苏省为案例区,以江苏省内高速公路网络2014年的收费站点间出发地—目的地（O-D）数据为支撑,探究区域交通流动特征,并运用地理加权回归（GWR）模型分析方法探讨流动的影响因素。结果表明：① 江苏省内部交通流动存在较大的不均衡性,核心节点（收费站、县域节点）主要位于江苏省南部,在空间上呈现出以核心节点为中心的放射性结构。② 流量总体上呈现距离衰减特征,空间间隔尺度越大,距离衰减规律特征越明显,且衰减规律符合幂律分布。③ 常住人口、经济发展、公路里程可有效解释县域流量分布,经济发展对各县域交通流量的影响在江苏北部地区表现的更为强烈,人口对江苏南部地区交通流量影响具有局部优势,公路里程对苏南地区存在较弱的负向影响。
[ Jin Cheng, Xu Jing, Huang Zhenfang, et al. Regional traffic flow and its influencing factors based on expressway network toll collection data: A case study in Jiangsu province
Acta geographica Sinica, 2018, 73(2):248-260.] DOI: 10.11821/dlxb201802004.
[本文引用: 3]

[41] Islam M J, Sharma A, Rajan H. A cyber infrastructure for big data transportation engineering
Journal of Big Data Analytics in Transportation, 2019, 1(1):83-94. DOI: 10.1007/s42421-019-00006-8.
URL [本文引用: 1]

[42] 王姣娥, 焦敬娟. 中国高速铁路网络的发展过程, 格局及空间效应评价
热带地理, 2014, 34(3):275-282.
[本文引用: 1]

[ Wang Jiao'e, Jiao Jingjuan. Development process, spatial pattern and effects of high-speed rail network in China
Tropical Geography, 2014, 34(3):275-282.] DOI: 10.13284/j.cnki.rddl.002523.
[本文引用: 1]

[43] 王姣娥, 莫辉辉, 焦敬娟. 中国收费公路基础设施与财务状况的空间格局
地理研究, 2013, 32(11):2079-2091.
DOI:10.11821/dlyj201311010 [本文引用: 1]
收费公路是公路网系统的重要组成部分,为中国高等级公路（尤其是高速公路）的快速发展起到了重要的作用。自20 世纪80 年代初以来,我国收费公路发展经历了三个阶段：起步探索阶段（1981-1997 年）、快速发展阶段（1998-2003 年）以及规范治理阶段（2004 年以来）。国际比较研究显示,人口、经济总量和国土面积会影响收费公路的规模,而中国收费公路的发展明显偏离了当前的经济发展水平,存在路网规模过大、空间布局不合理的问题。总体上,中国收费公路在空间格局上具有显著的反U型结构&mdash;&mdash;东、西部地区收费公路规模均高于中部地区,且西部地区高于东部地区,与中国东中西地区依次递减的梯度经济格局不协调。收费公路财务指标的投资、收入和支出具有U型空间结构,与经济发展的区域格局不一致；但单位公里的收益水平呈现梯型结构,与中国经济发展的区域格局大体吻合；投资回收期表明中国收费公路总体具有可行的盈利水平,但省级区域差异较大。
[ Wang Jiao'e, Mo Hui Hui, Jiao Jing Juan. Spatial distribution of China's infrastructures and finance conditions of toll roads
Geographical Research, 2013, 32(11):2079-2091.] DOI: 10.11821/dlyj201311010.
[本文引用: 1]

[44] 金凤君. 我国航空客流网络发展及其地域系统研究
地理研究, 2001, 20(1):31-39.
[本文引用: 1]

[ Jin Fengjun. A study on network of domestic air passenger flow in China
Geographical Research, 2001, 20(1):31-39.] DOI: 10.3321/j.issn: 1000-0585.2001.01.005.
[本文引用: 1]

[45] 陈晨, 程林, 修春亮. 沈阳市中心城区交通网络中心性及其与第三产业经济密度空间分布的关系
地理科学进展, 2013, 32(11):1612-1621.
DOI:10.11820/dlkxjz.2013.11.004 [本文引用: 1]
多中心性评价模型(Multiple Centrality Analysis,即MCA)可用于分析交通网络中心性及其与城市经济活动的关系,其所包含的邻近度、介数中心性及直达性是测度城市土地开发利用率的重要指标。本文首先测度沈阳市中心城区交通网络中心性；通过核密度估计法对交通网络中心性与第三产业经济密度进行空间插值,将两者转换为同一计算单位,测算两者相关系数,分析第三产业经济密度空间分布与交通网络中心性的空间关系及其统计学特征；其中第三产业经济密度为面域数据,需在ArcGIS 中建立渔网进行空间插值。研究结果如下：① 交通网络中心性对第三产业经济密度空间具有决定性影响,交通网络的多中心性导致了经济活动的多中心性；② 第三产业经济密度空间分布受介数中心性影响最大,直达性对第三产业经济密度空间分布影响也较大,而邻近度对第三产业经济密度分布影响较小。研究有助于整体把握沈阳市中心城区交通网络中心性空间分布状态,为城市经济活动布局提供科学依据,在城市规划理论与实践研究中具有指导意义。
[ Chen Chen, Cheng Lin, Xiu Chunliang. Distribution of centrality of traffic network and its relationship with economic density of tertiary industry in Shenyang
Progress in Geography, 2013, 32(11):1612-1621.] DOI: 10.11820/dlkxjz.2013.11.004.
[本文引用: 1]

[46] 刘冲, 周黎安. 高速公路建设与区域经济发展: 来自中国县级水平的证据
经济科学, 2014(2):55-67.
[本文引用: 1]

[ Liu Chong, Zhou Li'an. Expressway construction and regional economic development: Evidence from China's county level
Economic Science, 2014(2):55-67.] DOI: 10.19523/j.jjkx.2014.02.005.
[本文引用: 1]

[47] 高鑫, 段德忠, 高阳, 等. 重庆市区县货流关联网络的时空格局及其影响因素: 基于2012—2016年高速公路货车数据的分析
地理科学, 2021, 41(2):302-309.
DOI:10.13249/j.cnki.sgs.2021.02.013 [本文引用: 1]
利用2012—2016年每年10月份高速公路货车流数据,动态展示了重庆区县货流网络的结构演化,并利用空间回归方法探讨了其影响因素。研究发现：① 主城与万州是重庆市区县高速货流联系网络的核心部分。主城环带的地位最为突出,而以万州为中心,开州、云阳、梁平组成的“三角地带”的地位相对下降。② 重庆区县货流关联网络的社团结构呈现主城组团、万州组团及忠石丰组团“三足鼎立”格局。距离优先是节点Top联系流的首要原则。③ 城镇人口规模、第二产业规模、建筑业规模和固定资产投资规模对高速公路货流量产生明显正向贡献,而第一产业与第三产业规模对货流量产生明显阻抗作用。
[ Gao Xin, Duan Dezhong, Gao Yang, et al. Temporal and spatial patterns of corresponding network of county traffic flow in Chongqing and its influencing factors-based on the analysis of highway freight car data from 2012 to 2016
Geographic science, 2021, 41(2):302-309.] DOI: 10.13249/j.cnki.sgs.2021.02.013.
[本文引用: 1]

[48] 冯树民. 交通复杂网络方法. 北京: 人民交通出版社股份有限公司, 2019: 1-26.
[本文引用: 5]

[ Feng Shumin. Traffic complex network method. Beijing: China Communications Press Co., Ltd., 2019: 1-26.]
[本文引用: 5]

[49] Krackardt D. QAP partialling as a test of spuriousness
Social Networks, 1987, 9(2):171-186. DOI: 10.1016/0378-8733(87)90012-8.
URL [本文引用: 1]

[50] Lao X, Zhang X, Shen T, et al. Comparing China's city transportation and economic networks
Cities, 2016, 53:43-50. DOI: 10.1016/j.cities.2016.01.006.
URL [本文引用: 1]

[51] Luo D, Cats O, Van Lint H. Can passenger flow distribution be estimated solely based on network properties in public transport systems?
Transportation, 2020, 47:2757-2776. DOI: 10.1007/s11116-019-09990-w.
URL [本文引用: 1]

[52] Schank J, Lewis P. Federal role in state transportation finance
Transportation Research Record, 2013, 2345(1):9-16. DOI: 10.3141/2345-02.
URL [本文引用: 1]

[53] 谢守红, 蔡海亚. 长江三角洲物流业发展的时空演变及影响因素
世界地理研究, 2015, 24(3):118-125.
[本文引用: 1]

[ Xie Shouhong, Cai Haiya. The spatial-temporal evolution and its influence factors of logistics development in Yangtze River Delta
World Regional Studies, 2015, 24(3):118-125.] DOI: 10.3969/j.issn.1004-9479.2015.03.014.
[本文引用: 1]

[54] Tobler W. A computer movie simulating urban growth in the detroit region
Economic Geography, 1970, 46(2):234-240. DOI: 10.2307/143141.
URL [本文引用: 1]