我国铁路客流时空分布特征分析

龙振　覃松涛

摘要 随着城市化进程不断加快，铁路在我国客运市场竞争优势进一步增强。基于2015—2018年铁路站间客运量数据，在深入分析全国铁路客流时空特征基础上，深入挖掘了主要城市群客流时空分布特征。主要结论有：①历年铁路客流在出行距离为50～150 km范围内出行距离最大，2018年出行距离-客运量关系为y=26593e−0.002x，R方达到了0.94;②铁路客运周转量集中在100～400 km范围，是铁路效益最大的区间;③各城市群铁路内部出行比例逐年递增，人均出行次数逐年递增，内部平均出行距离除京津冀城市群外逐年递减。

关键词 铁路;客流特征;城市群;时空分布

中图分类号 U293.13 文献标识码 A 文章编号 2096-8949（2022）06-0032-03

引言

随着城市化进程不断加快，未来大部分人口的就业、居住以及经济聚集于城镇化地区，这决定需要大容量、快速化的轨道交通系統作为支撑。铁路特别是高速铁路以其速度等优势，在旅客出行过程中起到关键作用[1]。同时通过多层次轨道交通融合衔接，铁路在高密度、大流量的中短途客运市场中的竞争优势进一步增强。根据有关数据统计，2019年，铁路客运周转量市场份额为41.6%，位居各种交通方式首位[2]。

另一方面，我国城镇化正朝着以城市群为依托的方向发展，城市空间格局也逐渐呈现组团式发展形成城市群[3]。面向未来，城市群发展不仅是我国城镇化的战略，更关系到我国社会经济发展竞争力质量，更是我国交通强国建设的主要落实空间区域[4]。因此，在对全国铁路客流特征分析的基础上，有必要对主要城市群的客流特征进行分析。

该文基于2015—2018年铁路客运量数据，在分析全国铁路客流时空特征的基础上，挖掘主要城市群客流时空分布特征。

1 全国铁路客流时空特征分析

1.1 数据类型与处理

该文数据源为2015—2018全国铁路站间客流量。为分析铁路客流时空分布特征，采用了网络爬虫方法，通过高德API（Application Programming Interface）爬取了客运站点坐标并进行空间校正检验。铁路站点之间的出行距离来源于全国铁路列车运行图数据与高德API。首先根据铁路运行图数据，找到两个铁路站点所在的同一条车次，并基于此找到两个站点之间真实铁路出行距离。但由于运行图不断调整，部分站点之间的出行距离并未依此逻辑找出，故通过高德地图API爬取了站点之间采用公共交通方式所需出行距离，用于估计站点间的出行距离。

数据预处理完成后，将带有起终车站经纬度的2015—2018全国铁路站间客流量数据导入GIS（Geographic Information System）分析软件ArcGIS中可视化，即可得到全国铁路客流时空分布情况。在此基础上，通过站点与城市群之间的空间映射，得到重要城市群之间与内部的客流时空特征。

1.2 历年全国铁路客流变化特征分析

2015—2018年全国铁路客运量与平均出行距离分布如图1所示。从图中可以看出：

（1）客运总量从2015年的261 456.7万人增长到2018年的337 322.2万人，年平均增长9.67%，客流增长趋势较为明显。

（2）铁路客运平均出行距离从2015年的498.48 km下降到2018年的446.40 km，年平均减少3.48%，铁路平均出行距离逐年递减。

从历年客运量随距离波动情况来看，曲线线性基本没有变化：客运量最大的出行区间均为50～150 km;从出行距离为50 km开始，出行距离与客运量之间呈现指数分布的分布形式，故对此进行函数拟合如表1所示。2016—2018年函数拟合度R方均大于0.9，其中2018年拟合度达到了0.94，拟合程度很高。分析历年分布函数形式，指数取值均为−0.002，系数取值范围为26 000左右。该部分的研究有利于剖析客流在空间距离上的分布特点，为铁路客流量预测以及铁路网规划建设提供参考。

针对2018年铁路客运量分布，客运量最大的区间50～150 km范围占比达到28.0%，60%的铁路客运分布在350 km范围内，80%的铁路客运出行分布在700 km范围内。为反映铁路运行效益分布，分析2018年铁路客运周转量分布。铁路客运周转量超过1 000亿人公里为100～400 km范围，占比达到了全客运周转量的22.1%， 60%的铁路周转量分布在1 100 km范围内，80%的铁路周转量分布在1 700 km范围内。

1.3 全国铁路出行空间特征分析

为直观反映铁路客流在空间上的分布特点，在ArcGIS软件中进行可视化展示，2018年全国铁路客运OD分布调查得知，其中短途客流主要集中在广州-深圳、天津-北京、上海-杭州等方向，中长途客流主要集中在成都-重庆、长沙-广州、石家庄-北京、苏州-上海、北京-上海、成都-西安等方向。

铁路客流形态基本呈现“四极+中心”的分布特征，对应到城市空间即为我国的五大城市群：京津冀城市群、长三角城市群、粤港澳城市群、成渝城市群以及长江中游城市群。铁路客流主要发生在城市群内部以及城市群之间的交流，因此为进一步分析我国铁路客流时空分布特征，有必要针对这五大城市群进一步分析城市群铁路客流特征。

2 主要城市群铁路客流特征分析

2.1 研究区域概述

关于中国城市群的数量以及范围，目前行业内外尚未形成统一意见，但对于该文所讨论的五个重点城市群依旧达成了共识[5]。成渝城市群、长江中游城市群以及长三角城市群均有对应的城市群规划，该文以城市群规划所划定的范围作为研究区域，而京津冀城市群与粤港澳大湾区范围则以目前常用的范围来划定。

五大城市群的基本信息表如表2所示，从表中可以看到：

（1）除去面积最大的长江中游城市群及面积最小的粤港澳大湾区外，另外三个城市群面积规模相当。

（2）长三角城市群经济人口相较于其余四个城市群具有较大优势。

（3）京津冀城市群在铁路站点个数以及覆盖率方面优势明显，长江中游城市群与长三角城市群在铁路基础设施建造方面还有较大提升空间。

2.2 2018年主要城市群铁路客流特征分析

通过铁路站点与城市群的空间映射，将铁路站间客流量转化为城市群之间的客流量。2018年主要城市群铁路客流特征分析结论如下：

（1）长三角城市群2018年铁路内部交流量最大，达到3.8亿人次，其次是长江中游城市群，第三梯队为成渝、京津冀与粤港澳三个城市群。通过相关性分析，铁路发送量以及城市群内部交流量与对应城市群GDP的皮尔森相關系数（Pearson correlation coefficient）分别达到0.973、0.975，在0.01水平（双侧）上显著正相关，说明经济因素对铁路客运量的影响很大。

（2）长三角城市群铁路旅客发送量最大，达到5.6亿人次，占全国铁路旅客发送量的16.6%，第二梯队为长江中游、京津冀、粤港澳三个城市群，分别占全国铁路旅客发送量比例为10.6%、9.6%、8.4%，最后是成渝城市群，占比为6.4%，五大城市群总占比达到51.6%，占全国铁路客流一半以上。

（3）五大城市群之间交流最紧密的前三位为长江中游-粤港澳、长江中游-长三角、京津冀-长三角。长江中游城市群因地处中部地区，与周边城市群交流便捷，故城市群间的交流较为活跃，而成渝地处西南，路网相对边缘，故与周边城市群交流相对较少。

（4）成渝城市群因地形因素以及在路网中的边缘性缘故，内部出行比例最大，达到了0.74，其次是长三角城市群，因内部各城市产业联系紧密，联系活动频繁，内部出行比例达到0.68。其余三个城市群内部出行比例也均超过0.5，说明铁路客运出行有一半以上发生在城市群内部，符合城市群同城化与一体化的综合定位要求。

（5）京津冀城市群平均出行距离最大，为294.1 km，最小为粤港澳大湾区，为90.8 km。通过相关性分析，内部平均出行距离与站点个数的皮尔森相关系数达到0.967，显著相关，而与面积的相关系数为0.557，相关性不大，并不是面积越大，平均出行距离越大。京津冀城市群平均内部出行距离大源于北京凭借首都的区位优势，中心化倾向明显，吸引着大量周边城市前往北京从而造成中长距离出行较多。而粤港澳大湾区平均出行距离仅有90 km，主要原因是广州-佛山、广州-珠海、深圳-东莞、广州-深圳这种中短出行达到城市群内部交流的67.2%，同城化现象明显。其余城市群内部平均出行距离在180 km左右，与都市圈半径大致相同，反映其城市群内部出行主要表现为核心城市与周边城市交流，符合城市群多核发展的发展模式。

（6）粤港澳大湾区人均出行次数最大，达到4.5人次/年，最小为京津冀城市群，为2.28人次/年。城市群人均出行次数基本随着内部平均出行距离的增大而减少。

3 结论

该文基于2015—2018年铁路客运量数据，在深入分析全国铁路客流时空特征基础上，挖掘了主要城市群客流时空分布特征。主要结论有：

（1）历年铁路客流在出行距离为50～150 km范围内出行距离最大，2018年出行距离-客运量拟合曲线为y = 26 593e−0.002x，拟合度达到了0.94。

（2）铁路客运周转量集中在100～400 km范围，是铁路效益最大的区间。

（3）随着国家新型城镇化建设的加速推进，各城市群铁路内部出行比例逐年递增，人均出行次数逐年递增，除京津冀城市群外平均出行距离逐年递减，铁路客流空间分布更为聚集。

为更好发挥铁路客运主力军的作用，需要统筹四大板块，推进三大区域战略，城市群将成为未来铁路客运量增加的重要动力。城际铁路和市域铁路作为支撑“轨道上”的城市群发展的关键基础设施，也是做大铁路中短途客运市场的重要依托，未来发展潜力巨大。总而言之，针对我国铁路客流时空分布特征相关分析研究还需更加深入，为铁路更好发挥支撑引领作用和增强战略保障能力提供理论基础。

参考文献

[1]徐彩睿，但婷，何静，等.高铁联网背景下城市可达性空间格局演变[J].现代城市研究，2020（2）：61-66.

[2]王小荣，张玉召，张振江.铁路快捷货运物理网络结构特性分析[J].武汉理工大学学报（交通科学与工程版），2021（1）：132-136.

[3]黄超，吕颖，刘苏.城市群城际铁路线网规模测算及适应性研究[J].铁道工程学报，2016（2）：80-84.

[4]徐涵，闻克宇，王龙.我国主要城市群铁路客流特征研究[J].铁道运输与经济，2020（6）：42-47.

[5]方创琳，毛其智，倪鹏飞.中国城市群科学选择与分级发展的争鸣及探索[J].地理学报，2015（4）：515-527.

收稿日期：2022-01-13

作者简介：龙振（1995—），男，硕士研究生，助理工程师，研究方向：大数据在交通规划中的应用。

基金项目：中铁第四勘察设计院集团有限公司科技研究开发计划项目“综合交通大数据分析决策平台开发（I期）”（2020D022）。