基于列车时刻表的“一带一路”节点城市高速铁路网络空间演变研究

2021-04-23齐苗苗段晓峰

铁道标准设计 2021年4期

齐苗苗,段晓峰

(兰州交通大学土木工程学院,兰州 730070)

“一带一路”倡议共涵盖了我国18个省份，其中新疆、重庆、陕西、甘肃、宁夏、青海、内蒙古、黑龙江、吉林、辽宁和广西、云南、西藏13省(直辖市)为丝绸之路经济带，上海、福建、广东、浙江与海南5省云南为21世纪海上丝绸之路。高速铁路作为综合交通网的重要组成部分，成为城市群空间结构与功能重分布的关键因素之一[1-4]。目前对于高速铁路项目引起的区域效应相关研究主要有以下几个方向：提升区域可达性水平[5-9]、推动区域空间结构进化并相互促进[9-12]、引起知识溢出效应并重新布置经济发展格局等[13-15]，这些方面的相关研究较多且大多数学者认识到了高速铁路对区域发展和城市群演化具有重要意义。本文旨在认识高速铁路作用下深层次区域空间结构演变，为城市定位和空间位次分析提供技术支撑，但是目前的文献中鲜有人以铁路时刻表数据为基础数据分析城市连接网络，以从空间句法理论研究铁路网演化。因此，以高速铁路列车时刻表和铁路网为数据源，从流数据和地理空间视角出发，通过分析代表性节点城市的网络空间结构，对比分析高铁引起的“一带一路”节点城市网络结构空间动态演变。

1 节点城市概况

由于地理区位和政策、发展状况等的不同，这18个节点省份的经济发展状况呈现出明显的不平衡。为较为直观且定量地分析这种不平衡，则需要将这些城市进行分层。

根据人均GDP、第三产业就业人数、城镇居民人均可支配收入、地区GDP总值、地区就业人口总数这5项指标的得分对城市进行分层。由中国统计年鉴提供的数据，根据每个指标的占比确定分数，如占比所在区间为(0.00-0.02)，则得分为1分，占比所在区间为(0.02-0.04)，则得2分，以此类推，最高分为12分，占比区间为(0.22-0.24)。统计出所有节点省份的全部得分之后，根据得分情况使用自然断点分类法将这18个城市分为三层。

则各个节点省份(直辖市)的综合得分及自然断点分级情况如表1所示。

表1 各个节点省份(直辖市)的综合得分及自然断点分级

为便于后续城市网络连接度分析和可达性分析，从这三层中选取典型代表省市。第一层省市中的浙江省得分最高，选为代表省份，第二层中辽宁省得分最高，重庆次之，但重庆市相比于辽宁省，其区位优势更为突出，在丝绸之路经济带的连接节点上可以承接东西连接南北，故选重庆市为代表省份(直辖市)；第三层中各省得分相当，考虑到甘肃自古就是丝绸之路的黄金段，古丝绸之路在甘肃境内横贯东西1 600 km，历来是我国向西开放的咽喉要道和商埠重地，故将甘肃选为代表省份。这三个代表省市分别处于东部，中西部和西北部地区，属于长江三角洲城市群、成渝城市群和兰州—西宁城市群。

2 代表省市网络连接空间演变

2.1 数据收集

基础数据部分主要包括列车时刻数据和中国矢量数据，中国矢量数据从水经注地图下载，列车时刻数据使用2014年和2019年的数据，从携程网提取，储存在sqlite数据库中，由Train表和Station表构成，截取部分数据如表2所示。

表2 部分列车时刻数据

2.2 数据计算

数据计算包括4个步骤。

第一步，根据采集到的以浙江、重庆和甘肃三个省份高铁通行频次构建城市之间的发车频次数量关系矩阵，Vij为采集到的城市i与城市j的高铁通车频次。

第二步，基于中心地理论(Christaller[16])，计算城市的对外连接指数，其反映城市等级，则计算公式如下

(1)

式中，Ni为城市的对外连接指数。

第三步，为衡量城市间基于高速铁路网络的联系程度，计算城市之间的网络空间连接度，公式如下

Rij=Vij×Vji

(2)

采取最大值的标准化

(3)

式中，Vij为标准化之后的城市i与城市j的高铁通车频次，Vji为标准化之后的城市j与城市i的高铁通车频次，这两者的区别为前者为以i城市为始发站，j城市为途经站或者终点站，后者为以j城市为始发站，i城市为途经站或者终点站，Rij为城市i与城市j的网络连接度最大值。

第四步，计算各城市的网络连接度，网络连接度反映了城市在网络体系中的连接作用强度，公式如下

(4)

式中，Mi为城市的网络连接度。

表3为浙江省2014年的对外连接度矩阵，由于3个省份共计29个城市，本文篇幅有限，因此只列出部分数据；表4与表5分别为2014年与2019年3个省份的部分节点网络连接度计算结果。

表4 2014年3个省份的部分节点网络连接度计算结果

表5 2019年3个省份的部分节点网络连接度计算结果

2.3 网络连接度分析

2.3.1 整体特性分析

高速铁路网络连接起来的城市网络体系与实体城市网络关系有明显的相似性，出现了以下特征。

(1)“一带一路”倡议政策为3个省(直辖市)的发展带来了不同的影响，甘肃省与重庆市的高铁分别实现了从无到有和由少到多的跨越，且层次性明显。由表4与表5可知，浙江省的网络连接度在5年之内平均增加了25倍，重庆市24倍，甘肃省75倍。截止2019年，计算所得的171组城市网络连接度有13组大于5000，仅占总数的9.56%，有33组小于500，占总数的24%，说明城市间的网络联系强度存在较大的层次性。

图1 车次通达频率拓扑关系对比

(3)连接网络空间中的连接度与城市等级相对一致。图2中，横坐标是城市对外连接指数(Ni)，城市等级越低在横轴越靠后；纵坐标为横轴上的各个城市的网络连接度(Mi)，反映城市在高速铁路连接网络中的连接程度，可见，不论是2014年还是2019年，城市的网络连接度与城市等级呈现出一定的正比例关系，等级越高的城市，其网络连接度一般也较高，相反，网络连接度会随着城市等级的降低而降低。但是2014年绍兴、合川等地与2019年温州、嘉兴、兰州等城市网络连接度与城市等级不符。例如绍兴、合川等小城市是小区域的网络中心节点，温州作为浙江省重要的商品供应基地，其商品远销全国，可见温州市与外界的网络连接度日益增长。兰州是西北重镇，自古就是西通青藏、新疆的战略重地，但是高速铁路网络单一，目前只有兰渝铁路，兰新、宝兰、成兰高铁，因此虽然城市等级较高但网络连接度较低。

图2 网络连接度与城市等级关系

(4)空间中城市层级分布差异明显。按照网络连接度(Mi)对城市进行进一步的细分，如图3所示，横坐标是对应的城市，纵坐标是各城市的网络连接度，横坐标值越大则表示该城市在高速铁路网络空间中的联系作用越弱。观察图3中2019年城市网络连接度排序图中的曲线斜率变化率，将19个代表市区划分为6个层级，如表6所示。杭州为第一层级，网络连接度大于20 000，是全国性的网络联系中心，利川、石柱、张掖等地位第六层，网络连接度小于1 000，是地方网络连接节点，在网络中的联系作用最弱。从分析的6个不同层级来看，个别城市在网络中的地位并非完全由经济水平而决定，而是在社会经济水平与文化以及国家战略地位的共同影响下决定的。

图3 城市网络连接度排序

表6 城市网络层级划分

2.3.2 城市单元分析

(1)东中西三大区域板块差异明显

从地理区划来说，所选的3个省市分别属于东部，中西部和西北部地区。如图4所示，横轴从左到右依次为东部，中西部和西北部，对19个代表市区的地理区划进行排序。由图4可知，浙江省作为东部地区，其城市层级远高于作为重庆和甘肃的中西部地区，但是中西部地区中，也有连接等级较高的城市，而且中西部城市之间的差异性较低。

图4 东部、中西部和西北部城市层级

对于各区域内部的网络连接强度，根据区域间的相互联系和地理特征，由图5可得，东部、中西部与西北部地区三大板块差别显著。由图5(a)可知，2014年各区域以内部联系为主，但是2019年各区域联系范围和频次明显扩增(图5(b))；在2019年的网络体系拓扑结构中，高速铁路网络连接度大于3 000的城市中，东部城市占77%，为827条，累计连接频次达到87 835次，中西部地区566条，占总数的56.7%，西北地区555次，占总数的62.3%，其次，东部地区与中部地区的连接紧密度也相对较高，连接线有253条，占23.5%。但是在中西部地区之间网络联系明显较弱。

图5 杭州、温州、重庆和其他城市联系对比

(2)城市网络布局中高等级城市占主导地位

为明确核心城市在网络体系中是否重要，本文找出了一个联系全国城市的中心和一个联系全国城市的副中心，分别是杭州和温州。研究发现，高速铁路网络体系中呈现出明显的高等级城市绝对支配的特征。

中小企业在经济发展中扮演着重要的角色。截止到2016年底,山西省登记的中小企业达到21.7万户，占全省企业总数的99.7%，中小企业经济总量占到全省GDP的47.5%，中小企业已成为山西实体经济的主要基础，占据了山西省经济的将近半壁江山。更重要的是,中小企业还是老百姓就业和增加收入的主要渠道，这是中小企业最主要的贡献。近年来,中小企业从业人数占全体从业人员的80%以上，数据显示，截止到2016年，以中小企业为主体的就业岗位已经占到山西省全体城镇新增就业的90%以上，大批的老百姓通过自己创办企业,或者是在中小企业工作,获得一份收入,改善了生活条件，对国民经济和社会发展具有重要的战略意义。

从图5可以看出，2014年杭州的连接线以长三角区域为主，最多通至中部地区，2019年杭州的网络联系覆盖全国，杭州与其他城市的连接线占总量的24.8%，共717条，累计网络连接度为57 772，占整个网络空间的30.9%，在整个网络中的主导地位明显。重庆次之，虽然其覆盖程度低于杭州，但是究其连接频次以及网络连接度的值，重庆市的地位仍然举足轻重，这两个区域连接频次有1 208条，占各区域总频次的31.2%，累计网络连接度为74 102。而且由图中可得，由杭州和重庆主导的城市网络体系走向及趋势与其他各级城市构成的网络空间保持相似状态，由此明确了杭州、温州和重庆这3个城市在网络中的主导地位。

3 代表省市铁路网络空间演变

为研究铁路网络空间演变，采用可达性来度量，在本文中，可达性基于空间句法理论计算。空间句法模型由节点模型发源，经过学者们的推广应用，提出了轴线模型和凸空间模型，轴线模型主要针对于线性空间，该模型以轴线为基础，广泛应用于城市的交通、功能、结构等方面的研究，但是该模型在建模唯一性问题上受到了学术界的争议。因此本文选用优化形成的线段模型(segment map)，不同之处是后者用中心线代替轴线，建模标准统一，加入了角度权重和NAIN、NACH指标，通过片段化网络细化了分析结果，还可以通过欧氏距离限定研究半径，更适合大尺度的铁路网分析和复杂的网络空间[17-21]。

3.1 指标与模型

3.1.1 指标选取

用空间句法计算城市的可达性，实际上就是度量在铁路网的覆盖下，城市能够达到的空间行为与活力。线段模型通常用集成度和深度来刻画可达性，分别如下。

(1)深度

深度表示空间可达性，表示的是一个点到达其他点的能力，计算公式为

(5)

式中，n为连接图的总节点数。

(2)集成度

集成度表示空间关联程度或者聚集程度，指的是在一定半径下，某节点与其他节点的联系能力。集成度有整体集成度和局部集成度，分别表示某空间与其余空间的关系和距离最短空间的关系，集成度的值越大，该空间在系统中的交通越便捷，则越闭塞。由于该概念并不考虑所有节点，需要用平均深度的概念加以定义，用相对不对称值和实际相对不对称值来表示，计算公式为

(6)

(7)

式中，n为区域内节点数目，为同数量节点排列成为钻石网络后最根部节点的RA值。

3.1.2 模型建立

用CAD软件分别绘制浙江省、重庆市和甘肃省2014年和2019年的高速铁路线路网络，将该网络导入Depthmap中，得到线段模型，然后在ENVI软件中对预处理后各个城市节点的市域范围以及市域节点进行矫正，并截取节点范围半径50 km内的缓冲区面积进行分析，此处仅列举2019年三省的线段及其2019年的缓冲模型为例，如图6所示。

图6 线段及其缓冲模型

由于在空间句法理论中，空间流量与一定半径下的整合度呈现较强的相关性，因此在线段地图模型中，半径R的选择极为重要，该值表示的是以该米制距离为半径，截取局部实际距离出来进行计算。而铁路乘客信息本就属于个人信息，乘客来源与户籍信息更无法获取，因此本文中以高铁站点为圆心，半径分别为2 000，5 000，10 000，12 000，15 000 m和20 000 m，叠加人口密度信息，用来代替客流量数据，以2014年和2019年铁路网和对应市域范围的缓冲区面积构建线段模型并确定R值。

检验结果如表7所示，属经过整合度的P值检验，将R值设置为2 000 m。

表7 模型参数值汇总

3.2 数据分析

3.2.1 不同时期的深度

从2014年以及2019年的句法图可知，除了贯穿甘肃省东西的主要铁路之外，甘肃省的大多数线路网络处于封闭状态，只有兰州周围地区深度值变小，两个年份的网络可达性并没有发生很大的变化，是甘肃省特殊的地理位置而造成的。而重庆市和浙江省已经连成路网，因此浙江省和重庆市的可达性发生了很大的变化。2019年三省可达性具体数值如图7所示。浙江省2014年平均深度高达3 680.78，2019年则降至674.46，重庆市则由3 767.51降至253.34。此外，由图7可以看出，3个省份的可达性都呈现出省会城市向周边蔓延的过程，重庆市的情况最为明显，中心带动周边。但是甘肃省张掖市、平凉市和浙江省金华市呈现相反的趋势，这些区域以较高的可达性向省会城市靠拢。

图7 3省2019年可达性

3.2.2 不同时期的全局整合度

由三省在两个年份里的整合度句法图可知，2014年“一带一路”倡议刚开始实施，此时的地图基本上可以体现我国铁路建设加速期以前各区域的状况。可以看出，浙江省、甘肃省和重庆市在2014年的铁路网都是在省会城市附近达到最高值，各个地级市的铁路网相对于整体来说整合度较低，有的地级市甚至还没有通达铁路，例如浙江省的舟山市和甘肃省的庆阳市等。但是在2019年整合度增长较大，虽然整合度峰值还是在各地区的省会附近，但是在各个地级市周围出现了整合度较高的区域，说明在这几年中，各个省份的铁路网规模已经产生了巨大的增长，尤其是浙江省和重庆市，重庆的平均整合度由11.716增长到了253.348，浙江由19.23变成了389.55，且增加了许多新建铁路，路网的整合结构也出现了较大调整，例如浙江省原本以杭州为中心的米字形路网变成了口字形，重庆市的铁路线连成了网状。