EN中文

经济地理 >

2024 , Vol. 44 >Issue 11: 62 - 72

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.11.007

城市地理与新型城镇化

长三角城市群高铁与民航服务网络空间特征及其影响因素

  • 邵照清 , 1, 2 ,
  • 吴威 , 1, 3, ※ ,
  • 赵雨晗 1, 2
展开
  • 1.中国科学院 南京地理与湖泊研究所，中国江苏 南京 210008
  • 2.中国科学院大学，中国 北京 100049
  • 3.中国科学院 流域地理学重点实验室，中国江苏 南京 210008
※吴威（1976—），男，博士，副研究员，研究方向为区域发展与交通地理。E-mail:

邵照清（1997—），女，硕士研究生，研究方向为区域发展与交通地理。E-mail:

收稿日期: 2024-02-01

  修回日期: 2024-04-20

  网络出版日期: 2024-12-18

基金资助

中国科学院A类战略性先导科技专项子课题(XDA20010101)

国家自然科学基金项目(42271194)

收起

Spatial Characteristics and Influential Factors of High-speed Rail and Civil Aviation Service Networks in the Yangtze River Delta Urban Agglomeration

  • SHAO Zhaoqing , 1, 2 ,
  • WU Wei , 1, 3, ※ ,
  • ZHAO Yuhan 1, 2
Expand
  • 1. Nanjing Institute of Geography and Limnology，Chinese Academy of Sciences，Nanjing 210008，Jiangsu，China
  • 2. University of Chinese Academy of Sciences，Beijing 100049，China
  • 3. Key Laboratory of Watershed Geographic Sciences，Nanjing Institute of Geography and Limnology，Chinese Academy of Sciences，Nanjing 210008，Jiangsu，China

Received date: 2024-02-01

  Revised date: 2024-04-20

  Online published: 2024-12-18

Fold

摘要

文章从联系广度、联系强度、服务能力等方面分析了长三角城市群各城市在全国高铁与民航服务网络中的空间组织特征，并采用地理探测器探讨了其影响因素。研究发现：①高铁联系广度与联系强度及其均衡性均明显高于民航，高铁联系广度及联系强度大的城市在空间上呈以沪宁、沪杭为轴线的集中分布特征，民航网络中高值城市则呈岛状分布，上海的航空枢纽地位较之高铁枢纽更为突出。②高铁网络中，联系强度呈现一定的距离衰减规律，强度高的城市对主要集中于城市群内部，其中沪宁沿线最为集中；民航网络中，强度高的联系则主要发生在远距离城市群之间，且集中于远距离城市群中心城市之间。③综合考虑联系广度和联系强度的服务能力，无论是在高铁网络还是在民航网络中，上海、南京和杭州优势均突出，空间分布与联系广度、联系强度特征基本一致。④经济、社会和城市性质三方面因素对民航运输的影响均明显大于对高铁的影响，其中产业结构在高铁和民航服务网络格局形成中发挥着关键作用，多因素交互作用对两者空间组织的影响作用更大。

关键词： 高铁网络; 民航网络; 空间组织; 城市联系; 轴线; 产业结构; 城市群

本文引用格式

邵照清 , 吴威 , 赵雨晗 . 长三角城市群高铁与民航服务网络空间特征及其影响因素[J]. 经济地理, 2024 , 44(11) : 62 -72 . DOI: 10.15957/j.cnki.jjdl.2024.11.007

Abstract

This paper analyzes the urban spatial organization characteristics of national high-speed rail and civil aviation service network from the aspects of connection breadth,connection strength,service capacity and so on,and uses the geographical detectors to explore its influencing factors. The study shows that: 1) The connection breadth and connection strength and equilibrium characteristic of high-speed rail are significantly higher than those of civil aviation. The cities with large high-speed rail connections show centralized distribution characteristics along Shanghai-Nanjing and Shanghai-Hangzhou axes,while the high-value cities in civil aviation network show island-like distribution characteristics,and Shanghai's hub status is more prominent. 2) In high-speed rail network,the connection intensity shows a certain distance attenuation law,the city pairs with high connection strength are mainly distributed within the urban agglomeration,most of which is distributed along Shanghai-Nanjing axis. In civil aviation network,the high strength connections mainly occur in the long-distance urban agglomerations,and are concentrated in the central cities of the long-distance urban agglomerations. 3) Considering the service capacity of connection breadth and connection strength comprehensively,Shanghai,Nanjing and Hangzhou have prominent advantages in both high-speed rail network and civil aviation network,and the spatial distribution of service capacity is basically the same as those of connection breadth and connection strength. 4) The influence of economic factors,social factors and city nature on civil aviation transport is significantly greater than that on high-speed rail. Industrial structure plays a key role in the formation of network pattern of both high-speed rail and civil aviation, and combined effect of different factors plays a greater role in the formation of the spatial pattern of the two networks.

Key words： high-speed rail network; civil aviation network; spatial organization; urban connections; axis; industrial structure; urban agglomeration

近十几年来，我国高速铁路获得了迅猛发展，在综合交通体系中的地位日益突出，与此同时我国民航也保持着快速发展态势。在高铁与民航的大发展中，布局不合理、过度超前以及背离其技术经济特性等问题日益凸显[1]。《交通强国建设纲要》提出要“构筑以高铁、航空为主体的大容量、高效率区际快速客运服务”，这对高铁与民航空间组织优化及协调发展提出了新要求。交通运输组织是交通地理学经典研究领域，无论是航空还是高铁，相关成果均较为丰富。从研究内容看，大体可分为两个方面：一是侧重于网络节点视角，采用连通度及连通强度等指标分析节点联系特征[2-3]；二是侧重于网络总体视角，采用聚类系数、平均路径长度和中心性等指标分析网络整体特征[4-5]。1962年Taaffe分析了航空联系所形成的城市等级，发现城市间航空客运存在明显的大中心支配性[6]，航空公司倾向于选择人口多、交通发达、客货流量大的城市作为中心[7]。在我国民航网络中，北京在连通性和中介性方面具有绝对优势，上海、广州、深圳和重庆等较其他城市也具有突出优势[8]；呈现明显的空间分异特征，东部地区航班联系占比最高，随着民航网络发展其重心向西有所偏移[9]，网络空间分布格局整体上变得相对均衡[10]。而在我国高铁运输网络中，高流量主要分布在经济发展水平较高的地域，重要高铁线路具有较强的“廊道效应”[11-12]，高铁网络连通度高值城市主要沿京广、京沪、沪昆等主干通道分布并向两侧不规则递减[13]。从城市行政等级看，高铁流量最大的城市多为省会城市[14-15]，但随着高速铁路的快速发展，部分非省会地级市也逐渐成为网络的纽带和桥梁，高铁线网“多中心、均衡化”的特征不断显现，网络空间联系等级结构趋向于“扁平化”[16-17]。航空网络和高铁网络会发展成为一个小世界网络[18-20]，并具有一定的无标度特征[21-22]。经济因素在航空[10,23]和高铁[24-26]网络格局演化中发挥着关键作用。
从既有成果看，对高铁和民航服务网络空间组织特征开展的对比研究相对较少，且研究尺度主要集中于全国层面[27]，从城市群尺度上对两者的对比研究缺乏实证案例。基于此，本研究立足于高铁与民航融合及协调发展的现实需求，以及深化对于二者空间组织规律认知的理论需要，以具有代表性的长三角城市群为研究区[28]，从网络紧密程度、网络联系特征等方面考察城市群在全国高铁和民航网络组织中的特征及差异，分析其影响因素与作用机理，进而提出城市群在全国高铁及民航服务网络中的优化举措，以期丰富交通地理学研究内容，并为长三角城市群综合交通一体化发展提供参考。

1 研究区、方法与数据

1.1 研究区域

根据2016年国务院发布的《长江三角洲城市群发展规划》，长三角城市群包括上海市，江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城，共计26个城市，地域面积约21.17万km2，2022年常住人口2.25亿，GDP超24万亿元，是中国经济社会发展的重要引擎。长三角城市群拥有现代化江海港口群和机场群，公路、铁路交通干线密度全国领先，综合立体交通网络基本形成。截至2023年，长三角城市群除舟山市以外的25个城市均通行高铁，民航机场数量达17个，通航城市16个 ① 。

1.2 数据来源

本研究涉及的数据包括全国高铁及民航运营数据（限于数据的可得性，未包含中国香港、澳门和台湾地区）、长三角城市群各城市经济社会数据。其中，高铁运营数据来源于铁路12306官网，通过查询获取途经长三角城市群的全部高铁列车（包括G、D、C字头列车）的相关信息，由于高铁列车的班次行程较为固定，采用一日数据作为代表，采集时间为2023年9月26日。民航运营数据来自于官方航空指南（Official Airline Guide，OAG），日航班相较而言变动较大，为尽可能构建稳定的网络结构，以一周的客运航班数据作为民航基本数据集，为便于与高铁数据进行对比，通过求平均得到日航班数据，本文数据采集时间为2023年9月21—27日。考虑到本文研究尺度及高铁与民航的可比性，数据处理时统一以地级及以上城市为研究单元（考虑到我国还有少许省直管县，在统计上与地级市并列，本文将省直管县也作为研究单元纳入），并对拥有两个及以上高铁站点（民航机场）的研究单元将其列车（航班）数据进行合并处理。据此整理后得到的高铁网络包括211个城市节点，其中长三角城市群25个；民航网络包括145个城市节点，长三角城市群有16个。长三角城市群社会经济数据来源于各城市2023年统计年鉴，数据截至2022年底。借鉴既有对高铁和民航空间组织影响因素的相关研究，本文从经济、社会和城市性质3个方面进行考察。经济的持续增长为我国高铁与民航快速发展奠定了坚实基础，本文选取GDP、人均GDP、第二产业（产值）占比、第三产业（产值）占比等指标反映各城市经济发展状况[28-29]；人口规模和居民收入直接影响到高铁与民航运输需求以及人们对于出行方式的选择，本文选取年末常住人口及城镇居民人均可支配收入作为表征研究单元社会因素的指标[30-31]；城市的行政等级在一定程度上决定了城市在资源配置中的地位，本文选取城市的行政等级为城市性质指标[32]，以“是否为省会城市”表征，若城市为省会城市或直辖市，赋值为1，反之为0。

1.3 研究方法

1.3.1 联系广度与联系强度

运输网络分析中通常用联系广度（连通度）和联系强度（连通强度）探讨网络的联系特征。联系广度反映节点在网络中直达联系的范围，本文以与研究单元具有高铁（民航）直达联系的城市个数表征，某城市的联系广度即为与之有直达联系的城市个数之和；联系强度反映节点在网络中直达联系的频率，本文以研究单元与直达联系城市间的高铁班次数（民航航班数）表征，某城市的联系强度即为该城市和与之有直达联系的各城市间的班次数之和。计算公式如下：
C i = ∑ j = 1 h - 1 d i j
S i = ∑ j = 1 h - 1 m i j
式中：Ci为联系广度；Si为联系强度；h表示高铁（民航）网络中城市节点数量；dij表征城市i与j之间的连接关系，当两城市间具有高铁（民航）直达联系时，dij=1，反之dij=0；mij为城市i与j之间的联系数，当两城市间具有高铁（民航）直达联系时，mij为两者间的直达班次数，反之mij=0。
为反映网络中各节点及网络总体的连通情况，引入连通率和网络密度指标。连通率指网络中节点联系广度与除其以外网络节点数的比值；网络密度指网络中实际拥有的连接数量与理论上存在最多连接数量的比值[8,13]。计算公式如下：
D i = C i h - 1
D = ∑ i = 1 k ∑ j = 1 h d i j / k ( h - 1 )
式中：Di为节点连通率；D为网络密度；k为长三角城市群的城市节点数量。

1.3.2 服务能力指数

联系广度和联系强度从不同侧面反映了网络的联系特征，综合考虑城市高铁与民航的连通度及连通强度，本文采用服务能力指数[2]考察研究单元在运输网络中的服务水平。计算公式如下：
W i = C i · S i
式中：Wi为i城市高铁（民航）服务能力指数，其值越高表示该城市在高铁（民航）网络中的服务水平越高；Ci和Si分别为i城市的联系广度和联系强度。

1.3.3 地理探测器

地理探测器被广泛应用于空间分异影响因素相关研究[34-35]。本文以城市群各城市在全国高铁和民航服务网络中的服务能力指数作为因变量Y，利用地理探测器的因子探测和交互探测，探究经济社会因素对高铁和民航服务网络空间组织的影响作用及作用程度。

2 高铁与民航运输网络空间组织特征

2.1 联系广度

长三角城市群各城市在全国高铁和民航服务网络中的联系广度及连通率见表1、表2。高铁网络规模与各城市的联系广度明显大于民航，25个高铁网络节点城市联系广度平均值为133.6，平均连通率为63.6%，其中联系广度最高的上海达到203，最低的池州也达62，连通率最高和最低分别为96.7%和29.5%。在城市群内部，高铁服务联系广度平均值达到21.6，连通率达到90%，其中上海、南京、杭州、合肥、扬州、台州6个城市在城市群内部的连通率达到100%，实现了网络全连通；最低的泰州联系广度为11，连通率为45.8%，由此说明城市群内部高铁服务网络总体发展水平很高。民航网络中16个节点城市联系广度均值为42.8，平均连通率为29.7%，其中联系广度最高的上海为126，最低的池州仅为9，连通率最高和最低分别为87.5%和6.3%，且所有的连通城市均在城市群之外，城市群内部城市间没有航线连通。根据式（4）计算高铁与民航服务网络的网络密度，高铁的密度值为0.636，民航的密度值为0.297，两者差距明显，表明长三角城市群在高铁网络联系结构上相对紧密，而民航网络则较为松散。
表1 高铁网络节点城市的联系广度与联系强度

Tab.1 Connection breadth and connection strength of node cities in high-speed rail network

高铁节点
城市		 联系广度 连通率（%） 高铁节点
城市		 联系强度
全国网络 城市群内部网络 全国网络 城市群内部网络 全国网络 城市群内部网络 城市群内部网络占比（%）
上海 203 24 96.7 100.0 上海 13324 6471 48.57
南京 187 24 89.0 100.0 南京 12630 6120 48.46
杭州 182 24 86.7 100.0 杭州 11550 4769 41.29
苏州 179 23 85.2 95.8 苏州 10423 5657 54.27
常州 175 22 83.3 91.7 合肥 9252 3685 39.83
无锡 175 22 83.3 91.7 无锡 9103 4560 50.09
合肥 164 24 78.1 100.0 常州 8222 4086 49.70
湖州 151 21 71.9 87.5 镇江 6943 3708 53.41
镇江 149 23 71.0 95.8 绍兴 5104 2351 46.06
绍兴 144 21 68.6 95.8 嘉兴 5061 2376 46.95
芜湖 143 21 68.1 87.5 芜湖 4955 2450 49.45
嘉兴 142 22 67.6 95.8 金华 4802 1549 32.26
宣城 141 22 67.1 95.8 宁波 3860 1824 47.25
金华 136 23 64.8 95.8 台州 3853 1823 47.31
南通 130 16 61.9 66.7 宣城 3792 1410 37.18
滁州 127 18 60.5 79.2 扬州 3086 1585 51.36
宁波 125 23 59.9 95.8 湖州 3083 1377 44.66
盐城 111 22 52.9 91.7 滁州 2999 1199 39.98
扬州 108 24 51.4 100.0 南通 2657 1196 45.01
铜陵 102 20 48.6 87.5 安庆 2381 1401 58.84
台州 96 24 45.7 100.0 铜陵 2049 836 40.80
安庆 74 20 35.2 87.5 盐城 2013 803 39.89
马鞍山 70 21 33.3 87.5 马鞍山 1499 1063 70.91
泰州 65 11 31.0 45.8 池州 1025 561 54.73
池州 62 17 29.5 75.0 泰州 869 497 57.19
均值 133.6 21.6 63.6 90.0 均值 5381.4 2534.3 47.09
标准偏差 0.300 0.138 - - 标准偏差 0.695 0.715 -
表2 民航网络节点城市的联系广度与联系强度

Tab.2 Connection breadth and connection strength of node cities in civil airport network

民航节点城市 联系广度 连通率（%） 民航节点城市 联系强度
上海 126 87.5 上海 4641
杭州 90 62.5 杭州 2687
南京 76 52.8 南京 1897
宁波 58 40.3 合肥 780
合肥 53 36.8 宁波 664
无锡 41 28.5 无锡 623
常州 36 25.0 南通 418
南通 31 21.5 常州 319
舟山 29 20.1 舟山 231
芜湖 28 19.4 扬州 201
扬州 25 17.4 金华 167
金华 24 16.7 台州 131
盐城 22 15.3 盐城 115
台州 20 13.9 芜湖 94
安庆 17 11.8 安庆 42
池州 9 6.3 池州 21
均值 42.8 29.7 均值 814.4
标准偏差 0.726 - 标准偏差 1.541
高铁服务网络中不同城市间联系广度的差距相对较小，上海与位居其后的南京、杭州和苏州，差距并不突出，在数据均值标准化基础上求算标准偏差为0.300，各城市相对均衡。民航服务网络中不同城市间联系广度的差异突出，上海与位居其后的杭州、杭州与南京以及南京与宁波间的差距均十分明显，数据均值标准化后的标准偏差高达0.726，呈现一定的极化分布特征。各城市在不同网络中联系广度的排序存在一定的一致性，但部分城市差异较大。无论在高铁服务网络还是民航服务网络中，上海、南京、杭州均是连通度最好的3个城市，台州、安庆、池州等位于城市群边缘地区的城市连通度均较差；南京在高铁网络中略优于杭州，而杭州在民航网络中较之南京具有优势，高铁网络中位居第4位的苏州由于没有民航机场布局，不具备民航运输服务能力，而在民航网络中位居第4位的宁波，在高铁网络中连通度并不突出，仅位居第17位。省会城市（直辖市）的联系广度在高铁和民航服务网络中均具有明显优势，上海、南京、杭州和合肥在高铁网络中的连通率分别为96.7%、89.0%、86.7%和78.1%，在民航网络中的连通率分别为87.5%、52.8%、62.5%、36.8%，合肥尽管连通率较低，但在排序上与非省会城市（直辖市）相比仅低于宁波，位居第5位。高铁网络中苏锡常都市圈的联系广度也较其他城市更突出，高值城市在空间上形成以沪宁、沪杭为轴线集中分布的特征，呈现出一定的廊道效应；而民航网络联系广度高值城市在空间上呈现岛状分布特征，上海、杭州、南京、宁波和合肥等省会城市（直辖市）和计划单列市优势明显，其他大部分城市联系广度均较低。

2.2 联系强度

城市群各城市在高铁和民航服务网络中的联系强度见表1、表2。与联系广度相对应，高铁联系强度明显高于民航。高铁网络25个节点城市中，上海、南京、杭州、苏州4个城市联系强度均超过了10000，其中上海以13324的强度值居城市群首位，联系强度最低的泰州，也达到869，25个城市的平均值达到5381；在城市群内部服务网络中，上海的联系强度依然最高，达到6471，占全国网络联系强度的48.57%，占比最高的为马鞍山，达到70.91%，25个城市平均占比为47.09%，城市群内部联系在全国联系中占据突出地位。民航网络16个节点城市中，上海联系强度最高，达4641，是城市群联系强度唯一突破4000的城市，最低的池州，联系强度仅为21，16个城市联系强度均值为814。
均衡性上，高铁网络依旧明显优于民航网络。高铁网络中联系强度最高的上海与位居其后的南京、杭州差距并不突出，联系强度均值标准化后全国网络的标准偏差为0.695，城市群内部网络的标准偏差为0.715；但民航网络中联系强度最高的上海与位居其后的杭州，杭州与位居第三的南京差距显著，且三者显著高于其余13个节点城市，均值标准化后标准偏差高达1.541。对比联系广度，高铁网络和民航网络两者在联系强度上的均衡性均显著低于联系广度。总体上，联系强度与联系广度具有较好的对应性，省会城市（直辖市）联系强度均较高，其中高铁网络中沪宁沿线的苏州、无锡和常州优势也较为突出，沪宁沿线的廊道效应明显；而民航网络依旧呈岛状分布特征，各联系强度水平的城市空间分布表现出较大分散性。此外，可以发现城市群在联系强度与联系广度上也表现出一定差异，高铁网络中存在一些联系广度大但强度低的城市（如湖州）；民航网络中部分城市在联系广度和联系强度上的表现也有所不同，比如芜湖，其联系广度较之联系强度，在排名上要高很多。

2.3 服务能力

服务能力指数综合考虑了节点的联系广度和联系强度，能较为客观地反映节点在交通组织中地位和作用。本文基于GIS分析中常用的自然断点法（Natural Breaks），根据各城市高铁和民航服务能力指数的数值统计规律进行分级和分类，并通过专题地图直观展示其空间分布（图1）。高铁网络中沪宁、沪杭2条高铁干线沿线单元服务能力指数较高，是长三角城市群与全国进行高铁联系的主要枢纽，其中上海、南京、杭州、苏州4个城市的高铁服务能力最突出，上海服务能力指数达到1645，苏州亦达1366，合肥与沪宁沿线其他城市次之，该轴线上嘉兴服务能力指数相对较低；城市群西部、北部以及南部边缘地区城市高铁服务能力较低，服务能力最低的3个城市分别为安徽的池州、马鞍山和江苏的泰州，其值分别为324、252和238。民航网络中的服务能力较高的城市呈分散分布，除省会城市（直辖市）外还包括宁波、无锡等经济发展水平高的城市，首位城市上海表现出极大的领先优势，枢纽地位极为突出，服务能力指数达到765，杭州和南京2个省会城市为次高值城市，但与上海间的差距较为明显，此后为合肥、宁波、无锡，其他民航节点城市服务能力均较低，其间差异相对较小；服务能力最低的城市为安庆和池州，服务能力指数分别为27和14，其经济发展相对落后，人口规模也较小。整体而言，高铁网络中服务能力较高的城市沿高铁干线分布，表现出一定的空间邻近性和集聚特征，具有明显的廊道效应；非干线单一高铁线路通过的城市其服务能力劣势明显，服务能力最低的3个城市中，泰州仅有宁通线通过，马鞍山和池州仅有宁安线通过。较民航网络而言，高铁网络的服务能力指数落差较为缓和，城市间高铁服务能力相对均衡，服务能力指数均值标准化后其标准偏差为0.49；而民航网络中少数城市在民航服务中具有压倒性突出优势，均衡性较差，服务能力指数均值标准化后其标准偏差达到1.16，各等级城市在空间分布上较为分散，高值城市呈岛状分布特征，这在总体上与高铁、民航发展的经济技术特性相符合。
图1 长三角城市群高铁与民航服务能力指数空间分布

Fig.1 Spatial distribution of service capability index of high-speed rail and civil aviation in the Yangtze River Delta urban agglomeration

2.4 城市对间的联系特征

为进一步剖析长三角城市群高铁与民航服务空间联系特征，本文基于自然断点法，综合考虑分级精度和表述的方便性，将城市对间高铁和民航联系强度划分为高、较高、一般、较低和低5个等级，空间分布如图2。高铁网络中城市对联系强度表现出一定的距离衰减规律，城市群内部城市间联系强度普遍较高，与城市群外部城市间的联系强度随着距离增加呈下降态势，但沿若干高铁干线衰减速度相对较慢，形成了多条联系强度高于周边地区的“走廊”，如长三角城市向北与京津地区、向西与鄂渝地区、向西南与湘贵地区、向南与粤闽地区均形成了联系强度较高的城市对。高频率城市对主要集中在城市群内部，且同样呈沿高铁干线分布特征。联系强度最高的城市对依次为上海—苏州、上海—南京、南京—无锡等，班次数均在700以上，城市对间距离最远的也在300 km左右；班次数超过370的城市对共有21对，均为城市群内部城市对。联系频度最少的城市对联系强度仅为2，在95对联系强度低的城市对中，1000 km以上的有34对，500~1000 km有49对，两者合计占比达到87.4%，远距离城市对占据主体。民航网络中联系强度最高的城市对在城市群省会城市（直辖市）和广州、深圳、成都、北京4个城市之间，形成长三角城市群联系京津冀城市群、珠三角城市群、成渝城市群等国家级城市群的快速客运通道，其中上海—深圳的联系强度高达312，居城市群之首；上海—广州、上海—成都、杭州—深圳等城市对联系强度均在200以上，杭州—广州、上海—北京、杭州—成都、南京—广州、杭州—北京等城市对联系强度超过147，在民航服务网络中均具有优势。此外，民航服务网络中，与长三角城市群各通航城市联系强度最高的城市具有明显的集中性，与其联系强度最大的5个城市中均锁定了深圳、广州和成都这3个城市。由此，高铁网络与民航网络在城市对联系特征上存在明显差异，高铁网络中最强联系主要分布在城市群内部，而民航最强联系则发生在远距离的国家级城市群之间，从联系强度来看，两者的服务在城市群尺度上存在着一定的互补性。
图2 长三角城市群高铁与民航城市对联系空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763号的标准地图制作，底图无修改。

Fig.2 Spatial distribution of city pairs connection of high-speed rail and civil aviation in the Yangtze River Delta urban agglomeration

以长三角城市群高铁联系强度最大的前5位城市（上海、南京、杭州、苏州、合肥），及民航联系强度最大的前5位城市（上海、杭州、南京、合肥、宁波）为例，基于自然断点法分别对与其联系的高铁城市与民航城市进行分级分类，根据联系强度大小分为5个等级（表3、表4），一级联系城市联系强度最高，五级联系城市联系强度最低。高铁网络中前5位城市包含了城市群4个省会城市（直辖市）以及沪宁沿线的苏州，联系水平相对比较均衡，最高的上海其联系的城市数和班次数分别为位居第五的合肥的1.24倍和1.44倍；民航网络中上海的核心枢纽地位毋庸置疑，其联系的城市数和航班数分别为位居第五的宁波的2.17倍和6.99倍。各城市高铁网络的一二级联系基本由高铁干线沿线的城市群城市构成，少数为城市群邻近且有高铁干线线路通过的城市，三至五级联系呈现出随城市对空间距离增大联系强度减弱的态势。而民航网络中，前5位城市均为省会城市（直辖市）和计划单列市，且一级联系城市非常集中，均为北京、成都、广州、深圳或其中1~2个城市，二级联系城市均为省会城市（直辖市）及计划单列市，三、四级联系城市以省会城市（直辖市）及计划单列市为主，也包含少数热点旅游城市，比如三亚、丽江，五级联系城市在全国较为分散。具体到城市，高铁服务网络中，上海一、二级联系城市较少，一级城市仅有苏州和南京2个，其中上海—苏州联系强度在整个网络中最高，且较之位居其后的上海—南京联系优势突出；二级联系城市主要集中于沪宁和沪杭线沿线城市，兼具地域邻近和干线铁路沿线双重特征；三级联系城市则以城市群内部城市以及城市群周边城市为主，距离特征明显；四级联系城市包括距离较远省会城市（直辖市）以及城市群邻近城市；五级联系城市数量巨大，分布比较分散，但总体上距离均相对遥远。从其他几个城市分级联系城市来看，由于在城市群中的位置相对上海偏向地理居中，二级联系城市中部分超越了城市群范围，包括部分分布于高铁干线沿线、邻近城市群的城市，比如南京与徐州、温州，杭州与上饶、衢州等。民航服务网络中，上海和杭州两者在联系特征上具有较好的一致性，一二级联系城市均为距离较远的省会（直辖市）和计划单列市，在距离和行政等级上具有一定的共性；三四级联系城市中则包含了中长距离的省会城市和旅游热点城市；五级联系城市数量较多，以地级市为主。南京、合肥和宁波网络规模明显小于上海和杭州，各等级联系城市的数量也相对较少，尤其是一二级联系的城市，相对集中于华南和西南地区的省会城市。从具体城市在不同网络中的联系分级角度，一定程度上形成了高铁联系与民航联系互补态势。
表3 基于高铁班次的城市联系等级

Tab.3 Urban connection level based on high-speed rail frequency

城市 班次（城市个数） 一级 二级 三级 四级 五级
上海 13324（203） 苏州、南京 无锡、常州、镇江、杭州、嘉兴、合肥、温州 南通、金华、绍兴、扬州、六安等22个城市 蚌埠、南昌、天津、长沙、衢州等41个城市 龙岩、沈阳、潮州、三门峡、贵阳等131个城市
南京 12630（187） 上海、无锡、苏州、镇江、合肥 杭州、徐州、温州、滁州、六安、济南、阜阳 武汉、扬州、芜湖、绍兴、蚌埠等21个城市 丽水、西安、福州、衢州、沈阳等41个城市 深圳、廊坊、葫芦岛、桂林、太原等111个城市
杭州 11550（182） 嘉兴、上海、绍兴、南京、温州 金华、合肥、无锡、宁波、宣城、台州、湖州、上饶、芜湖、福州、常州、丽水、苏州、衢州、阜阳 南昌、宁德、巢湖、淮南、徐州等24个城市 宿州、黄山、贵阳、连云港、西安等37个城市 汕尾、铜仁、成都、庆阳、毕节等101个城市
苏州 10423（179） 上海、南京、无锡、镇江、常州 南通、合肥、盐城、扬州、嘉兴、杭州、徐州 温州、滁州、芜湖、六安、安庆等23个城市 天津、西安、福州、亳州、宜昌等37个城市 漳州、潮州、十堰、庆阳、成都等106个城市
合肥 9252（164） 南京、上海、苏州 无锡、杭州、芜湖、宣城、常州、阜阳、六安、淮南、武汉 镇江、亳州、湖州、安庆、巢湖等11个城市 台州、福州、黄山、宿州、赣州等34个城市 天水、咸阳、兰州、厦门、惠州等106个城市
表4 基于民航班次的城市联系等级

Tab.4 Urban connection level based on civil aviation frequency

城市 班次（城市个数） 一级 二级 三级 四级 五级
上海 4641（126） 深圳、广州、成都、北京 重庆、厦门、沈阳、西安、大连、昆明、青岛、哈尔滨、长春 长沙、长治、福州、贵阳、郑州等17个城市 揭阳、银川、桂林、石家庄、济南等14个城市 南昌、日照、宜昌、张家界、威海等69个城市
杭州 2687（90） 深圳、广州、成都、北京 重庆、西安、昆明、沈阳、哈尔滨、贵阳、厦门、太原、大连、青岛 三亚、乌鲁木齐、郑州、兰州、南宁等8个城市 长春、呼和浩特、石家庄、海口、泉州等10个城市 恩施、柳州、绵阳、日照、襄阳等43个城市
南京 1897（76） 广州、深圳 成都、重庆、厦门 长春、大连、南宁、沈阳、哈尔滨等11个城市 银川、泉州、珠海、三亚、乌鲁木齐等17个城市 绵阳、鄂尔多斯、惠州、揭阳、龙岩等29个城市
合肥 780（53） 深圳 成都、广州 南宁、西安、昆明、厦门、重庆等8个城市 北京、大连、沈阳、绵阳、泉州等12个城市 呼和浩特、丽江、西宁、桂林、海口等23个城市
宁波 664（58） 成都、北京 深圳、广州、贵阳、重庆 青岛、昆明、西安、长沙、郑州、武汉 长春、大连、厦门、天津、威海等13个城市 常德、哈尔滨、临沂、泸州、榆林等20个城市

3 高铁与民航服务网络格局影响因素分析

3.1 因子探测

使用地理探测器测度长三角城市群高铁与民航服务网络格局的影响因素，因子探测结果见表5。q值表征自变量对属性的解释力，p值表征探测结果的显著性（可靠性），一般来说，p值小于0.05即可认为显著性较强，小于0.01代表显著性极强。除民航网络中人均GDP因子的p值达到0.193，高铁网络中第二产业占比、是否为省会城市2个因子p值略高于0.05外，其余因子在高铁网络和民航网络中的p值均低于0.05，表明对于大部分因子而言，探测结果具有较高的显著性水平。在高铁网络中，经济因素中的第三产业占比q值达到0.684，是所有影响因子中对高铁网络空间组织状态解释力最强的，其余影响因子对高铁网络的作用程度差异不大，其中居民可支配收入对其影响最小。在民航网络中，各影响因子对其空间组织状态的解释力普遍高于高铁网络，除人均GDP外其他因子q值均大于在高铁网络中的q值。经济因素中的产业结构对民航服务空间组织的解释力最强，第二产业占比和第三产业占比的q值均达到0.8以上，其中第三产业占比q值高达0.865，是民航服务网络空间组织解释力最强的因子。此外，城市行政等级和人口规模也在民航服务网络组织中发挥着重要作用，两者的q值分别达到0.684和0.621。居民收入是除人均GDP外，对民航网络空间组织影响最小的因子。
表5 长三角城市群高铁网络与民航网络空间组织影响因素因子探测

Tab.5 Factor detector of influencing factors of high-speed rail and civil aviation spatial organizations in the Yangtze River Delta urban agglomeration

GDP 人均GDP 第二产业在GDP中占比 第三产业在GDP中占比 年末常住人口 城镇居民可支配收入 是否为省会城市
高铁 q 0.466 0.483 0.494 0.684 0.466 0.425 0.483
p 0.008 0.004 0.053 0.001 0.008 0.014 0.054
民航 q 0.588 0.303 0.805 0.865 0.621 0.573 0.684
p 0.022 0.193 0.005 0.001 0.015 0.026 0.005
总体而言，经济、社会和城市性质三方面因素对民航服务空间组织的影响均明显大于对高铁的影响，这与两者经济技术特征差异有关。高铁作为线状交通基础设施，干线串接的部分城市，即便经济社会发展水平及城市行政等级不高，由于在干线网络中具有“搭便车”的便利，导致其连接广度和连接强度均较高，比如安徽宣城，其连接广度高于宁波，连接强度较之宁波差距亦很小，由此使得其在高铁服务网络中服务水平较高；但民航作为点状交通基础设施，其服务网络的构建在很大程度上基于客流需求，与经济社会发展的关联较大。经济因素中的产业结构（尤其是第三产业占比）不论在高铁网络还是民航网络中均起到最关键作用，作为我国最为发达的区域之一，服务业发展水平成为长三角城市群各城市综合实力的重要体现，这应该是服务业占比对高铁及民航服务能力解释力均最强的主要原因。社会因素中的居民收入状况对两者的影响均较小，这可能由于城市群总体收入水平较高，收入对交通出行的限制小，从而导致该因子单独作用的影响不明显。城市行政级别和人口规模在航空客运格局中具有重要作用，这与民航的经济技术特征关系密切，轴辐模式被认为是有效的航空客运组织模式，行政级别高的城市在航空运输组织中往往作为区域航空运输枢纽，加之行政级别高的城市人口规模也大，客运需求大，导致这2个因子对民航服务空间组织的解释力较强。

3.2 交互探测

对各影响因子进行交互探测，结果如图3，总体上因子之间表现为双因子增强。在高铁网络中，人均GDP、居民收入与其他各项因子发生交互时结果均为双因子增强，表明人均GDP和收入因子与其他因素共同作用能够对高铁网络格局产生更大影响。居民收入与第三产业占比、人均GDP与第三产业占比、人均GDP与居民收入、第三产业占比与居民收入4对因子在交互作用下q值均达到0.7以上。其中，人均GDP与居民收入发生交互时q值较各单一因子q值提升最显著。此外，可以看到因子探测中解释力较弱的GDP和常住人口因子在交互探测中q值明显提升。有4对因子发生交互时q值降低，分别为第二产业占比、第三产业占比、城市行政级别3个因子的两两交互，以及GDP与常住人口的交互。其中，第二产业占比与城市行政级别是唯一一对非线性减弱的因子，其余3对因子结果均表现为单因子非线性减弱。在民航网络中，GDP、常住人口、居民收入与其他各项因子发生交互时均表现为双因子增强，说明这3个因子与其他因素共同作用对航空客运格局产生更大影响。双因子增强的情况中，有9对因子的q值达到0.8以上。q值较各单一因子提升最显著的情况，主要发生在城市行政级别、人均GDP、收入因子与其他影响因子之间的交互中。其中，因子探测中影响力最弱的人均GDP，与常住人口、城市行政级别发生交互时q值提升最明显。有4对因子发生交互时q值降低，与在高铁网络中不同的是，4对因子均表现为单因子非线性减弱，以第三产业占比与其他因子之间的交互为主。
图3 长三角城市群高铁及民航服务网络空间组织影响因素交互探测

Fig.3 Interaction detector of influencing factors of high-speed rail and civil aviation spatial organization in the Yangtze River Delta urban agglomeration

无论高铁还是民航，影响因素之间的交互作用对两网络的空间组织状态均具有更大影响，且因子探测中对两网络影响力较弱的因子作用程度均得到增强，高铁网络中收入因素的影响力提升最为明显，民航网络中人均GDP和收入因素的解释力变化最大。这说明交通服务网络空间组织是经济社会多因素共同作用的结果，也说明不同经济社会因子间内在的相互影响与相互作用，比如高铁网络中人均GDP和第三产业占比、第三产业占比与居民可支配收入交互时q值分别达到0.787和0.773，民航网络中第三产业占比和居民可支配收入、GDP和第三产业占比交互时q值分别达到0.926和0.925，这些因子分别反映了城市发展的不同侧面，其组合更能体现城市综合发展水平，从而对交通服务空间组织解释力更强。

4 结论及讨论

4.1 结论

①长三角城市群在全国高铁运输网络中的整体结构较民航网络更为紧密，在网络中的联系更加密切。无论是联系广度、联系强度还是综合两者的服务能力，上海作为长三角城市群的核心，在高铁和民航网络中均具有最大优势，杭州和南京作为其南北两翼的中心城市紧随其后，南京在高铁网络中较之杭州有优势，但杭州在民航网络中具有优势。在空间分布上，高铁网络中联系广度和联系强度的高值城市主要沿高铁干线分布，存在明显的廊道效应，而民航网络中的高值城市表现出较大分散性，呈岛状分布特征。此外，高铁最强联系主要集中在城市群内部，民航最强联系则发生在远距离的城市群之间。
②高铁网络中服务能力较高的城市沿高铁干线集聚分布，表现出一定的空间邻近性和集聚特征；民航网络中服务能力高的城市为省会城市（直辖市），各等级城市在空间上均呈分散分布特征。高铁网络中各城市服务能力指数落差相对缓和，均衡性较好，而民航网络中不同城市的服务能力差距悬殊，少数城市在民航服务中具有压倒性突出优势。
③经济、社会和城市性质三方面因素对民航运输的影响均明显大于对高铁的影响。经济因素中的产业结构不论在高铁网络还是民航网络中均起到最关键作用，城市行政级别和人口规模在航空客运格局中也具有重要作用。多因素交互作用显著提升了对城市高铁与民航服务能力的影响，2个网络中的交互式探测结果基本表现为双因子增强，因子探测中对两网络影响力较弱的因子作用程度均得到增强，高铁网络中收入因素的影响力提升最为明显，民航网络中人均GDP和收入因素的解释力变化最大。

4.2 讨论

①本文探讨了长三角城市群高铁与民航运输网络的空间组织特征及其影响因素，一定程度上丰富了高铁与民航运输网络的对比研究。但本文仅通过2023年的截面数据对2个网络进行了考察，时间序列上两者空间组织特征的发展演化有待进一步研究。此外，随着“八横八纵”高铁网络建设不断推进，高铁与民航网络空间组织特征或将表现出新的差异，这也是后续研究需要跟进的一个方面。
②本研究发现城市经济状况整体上对城市在民航网络中的地位具有重要影响，但人均GDP的解释力相对较弱，与贾鹏、马淑燕等的研究结论[32-33]存在一定差异，其研究表明人均GDP是影响航空旅客吞吐量的主要因素，近年来在我国航空客运格局中的作用不断提升。据此，人均GDP在运输网络格局中（尤其在民航网络中）发挥的作用有待进一步考察。考虑到高铁和民航技术经济特征方面的客观差异，构建更具针对性的指标体系开展影响因素的比较研究，是后续工作需要关注的另一方面。此外，近年来我国战略规划对高铁网络建设与结构完善的作用有所提升[26]，如何在本研究尺度下纳入政策因素进行分析，也值得深入思考。
③基于长三角城市群高铁与民航网络空间组织特征的对比分析，发现长三角城市群高铁服务网络已基本实现了全覆盖，客运组织与经济社会发展呈现较好的一致性，总体较为均衡；民航网络发展极化特征较为明显，枢纽机场集聚优势突出，但部分支线机场服务能力相对较低。一方面，为促进高铁与民航融合与协调发展，应强化机场与高铁站点的高效衔接，发挥长三角城市群高铁发展优势，提升机场体系集疏运能力；另一方面，应着力优化机场航线航班设置，促进机场枢纽机场与支线机场的协同发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陆大道. 关于避免中国交通建设过度超前的建议[J]. 地理科学, 2012, 32(1):2-11.

DOI

[2]
吴威, 曹有挥, 梁双波, 等. 民用机场区域服务能力的结构与空间格局——以长江经济带民用机场体系为例[J]. 地理研究, 2019, 38(6):1512-1526.

DOI

[3]
吴威, 曹有挥, 梁双波, 等. 中国铁路客运网络可达性空间格局[J]. 地理研究, 2009, 28(5):1389-1400.

[4]
莫辉辉, 金凤君, 刘毅, 等. 机场体系中心性的网络分析方法与实证[J]. 地理科学, 2010, 30(2):204-212.

[5]
焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究——基于铁路客运班列分析[J]. 地理学报, 2016, 71(2):265-280.

DOI

[6]
Taaffe E J. The urban hierarchy:An air passenger definition[J]. Economic Geography, 1962, 38(1):1-14.

[7]
刘宏鲲, 周涛. 航空网络研究综述[J]. 自然科学进展, 2008(6):601-608.

[8]
彭语冰, 周莹莹. 我国航空客运网络结构研究[J]. 经济地理, 2009, 29(11):1850-1854.

[9]
曹炜威, 李政, 冯项楠. 2000—2018年全国民航网络结构特征及演化[J]. 交通运输系统工程与信息, 2021, 21(3):26-33,46.

[10]
杨倩雯. 基于SNA方法的中国城市航空网络结构演化研究[D]. 北京: 中国民航大学, 2022.

[11]
吴康, 方创琳, 赵渺希, 等. 京津城际高速铁路影响下的跨城流动空间特征[J]. 地理学报, 2013, 68(2):159-174.

[12]
汪德根, 钱佳, 牛玉. 高铁网络化下中国城市旅游场强空间格局及演化[J]. 地理学报, 2016, 71(10):1784-1800.

DOI

[13]
钟业喜, 郭卫东. 中国高铁网络结构特征及其组织模式[J]. 地理科学, 2020, 40(1):79-88.

DOI

[14]
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[J]. 地理研究, 2018, 37(11):2193-2205.

DOI

[15]
韦胜, 徐建刚, 马海涛. 长三角高铁网络结构特征及形成机制[J]. 长江流域资源与环境, 2019, 28(4):739-746.

[16]
陈名, 陈洪全, 蒋海兵, 等. 长江三角洲地区铁路客运联系网络结构演变特征[J]. 经济地理, 2020, 40(12):63-71.

DOI

[17]
王泽东. 长三角地区铁路客运网络演变的空间效应及其内在机理[D]. 南京: 南京师范大学, 2021.

[18]
王帮娟, 刘承良. 航空网络结构和组织模式的演变——中美欧的比较分析[J]. 地理研究, 2024, 43(1):66-85.

DOI

[19]
Liu C, Li J. Small-world and the growing properties of the Chinese railway network[J]. Frontiers of Physics in China, 2007,2:364-367.

[20]
王姣娥, 莫辉辉, 金凤君. 中国航空网络空间结构的复杂性[J]. 地理学报, 2009, 64(8):899-910.

DOI

[21]
Dai L, Derudder B, Liu X. The evolving structure of the Southeast Asian air transport network through the lens of complex networks,1979-2012[J]. Journal of Transport Geography, 2018,68:67-77.

[22]
牛彩澄. “全球—地方”视角下中国航空网络的空间演化与影响因素[D]. 上海: 华东师范大学, 2020.

[23]
刘宏鲲, 张效莉, 曹崀, 等. 中国城市航空网络航线连接机制分析[J]. 中国科学(G辑:物理学力学天文学), 2009, 39(7):935-942.

[24]
Chen C, Dalfonso T, Guo H, et al. Graph theoretical analysis of the Chinese high-speed rail network over time[J]. Research in Transportation Economics, 2018,72:3-14.

[25]
蒋海兵, 祁毅, 李传武. 中国城市高速铁路客运的空间联系格局[J]. 经济地理, 2018, 38(7):26-33.

DOI

[26]
孙娜. 中国高铁网络的空间格局及演变研究[D]. 北京: 北京交通大学, 2020.

[27]
王姣娥, 景悦. 中国城市网络等级结构特征及组织模式——基于铁路和航空流的比较[J]. 地理学报, 2017, 72(8):1508-1519.

DOI

[28]
曹卫东, 曾刚, 朱晟君, 等. 长三角区域一体化高质量发展:问题与出路[J]. 自然资源学报, 2022, 37(6):1385-1402.

DOI

[29]
Frédéric D, Moritz L, Gilles V H. An analysis of the determinants of air traffic volume for European metropolitan areas[J]. Journal of Transport Geography, 2010, 19(4):755-762.

[30]
郭政, 陈爽, 董平. 江浙沪地区客货运量位序—规模分布特征及影响因素团[J]. 地域研究与开发, 2020, 39(2):25-30.

[31]
Paulos A L. Airport traffic and metropolitan economies:Determinants of passenger and cargo traffic[J]. Transportation Research Record, 2015, 2471(1):58-72.

[32]
贾鹏, 胡燕, 匡海波. 全国空港客货运格局的时空演化及驱动机制研究[J]. 系统工程理论与实践, 2019, 39(5):1198-1211.

DOI

[33]
马淑燕, 赵作权, 赵紫威, 等. 2000—2019年中国航空客运格局演变及其影响因素研究[J]. 地理科学, 2023, 43(6):1011-1021.

DOI

[34]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[35]
Wang J F, Li X H, Christakos G, et al. Geographical detectors‐based health risk assessment and its application in the neural tube defects study of the Heshun Region,China[J]. International Journal of Geographical Information Science, 2010, 24(1):107-127.

Options
文章导航

/

〈 〉