EN中文

经济地理 >

2020 , Vol. 40 >Issue 7: 174 - 183

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.07.020

三农、土地与生态

交通路网的空间外溢性对土地集约利用的影响——以京津冀城市群为例

  • 赵哲 , 1 ,
  • 曾晨 , 2, 3, ※ ,
  • 程轶皎 2
展开
  • 1.中国人民大学 公共管理学院，中国 北京 100872
  • 2.华中农业大学 公共管理学院，中国湖北 武汉 430070
  • 3.中国科学院 地理科学与资源研究所，中国 北京 100101
※ 曾晨（1986—），女，湖北武汉人，博士，副教授，博士生导师。主要研究方向为土地资源管理、区域管治和空间分析。E-mail：zeng 。

赵哲（1997—），女，内蒙古呼和浩特人，硕士研究生。主要研究方向为土地资源管理。E-mail：。

收稿日期: 2019-09-17

  修回日期: 2020-05-19

  网络出版日期: 2025-04-01

基金资助

国家自然科学基金项目(41771563)

中国博士后基金特别资助项目(2019T12013)

华中农业大学自主创新基金项目(2662018PY094)

收起

The Spillover Effect of Traffic Network on Intensive Land Use：A Case Study in Beijing-Tianjin-Hebei Urban Agglomeration

  • ZHAO Zhe , 1 ,
  • ZENG Chen , 2, 3, ※ ,
  • CHENG Yijiao 2
Expand
  • 1. Department of Land Management，Renmin University of China，Beijing 100872，China
  • 2. Department of Land Management，Huazhong Agricultural University，Wuhan 430070，Hubei，China
  • 3. Institute of Geographical Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China

Received date: 2019-09-17

  Revised date: 2020-05-19

  Online published: 2025-04-01

Fold

摘要

以京津冀城市群为例，基于交通路网的复杂网络特性构建空间计量模型，量化城市群各县域单元间交通基础设施的空间溢出效应，分析交通路网的外溢性对土地集约利用的影响机制。结果发现：在县域尺度上，京津冀城市群土地集约度存在明显空间差异，呈“东南高、西北低”的分布格局，且2010—2015年城市群土地集约利用整体水平有所提高。城市群道路的总体建设规模扩大，道路复杂网络平均度和平均最短路径长度增加，紧密度下降，路网密度存在明显空间差异。城市群的交通路网对提高城市群的土地集约利用水平产生积极的空间外溢影响，但2010—2015年该影响程度显著降低。以交通路网作为空间影响的介质，产业结构、固定资产投资和人均社会消费品零售总额对土地集约利用也存在着显著影响和空间外溢效应。因此建议在强化京津冀协同发展的背景下，打破行政边界对交通路网的建设束缚，从而综合提高京津冀城市群的土地集约利用水平，优化国土空间布局，促进资源利用的可持续发展。

关键词： 交通路网; 空间外溢; 土地集约利用; 京津冀城市群; 复杂网络模型; 通达性; 一体化协同发展

本文引用格式

赵哲 , 曾晨 , 程轶皎 . 交通路网的空间外溢性对土地集约利用的影响——以京津冀城市群为例[J]. 经济地理, 2020 , 40(7) : 174 -183 . DOI: 10.15957/j.cnki.jjdl.2020.07.020

Abstract

Taking Beijing-Tianjin-Hebei urban agglomeration as an example,this study establishes three spatial econometric models based on the complex network characteristics of traffic network,quantifies the spatial spillover effect of transportation infrastructure at the county level,and analyses the spillover of transportation infrastructure,and explores the driving mechanism of intensive land use. The results show that there is a significant spatial gap in land intensive degree in Beijing-Tianjin-Hebei urban agglomeration The spatial pattern of "high in Southeast and low in northwest" is revealed and the overall level of land intensive use of Beijing-Tianjin-Hebei urban agglomeration has improved during 2010-2015. The overall scale of road construction of urban agglomeration expanded,the average degree and accessibility of complex network of road increased,but the degree of complex network connection of road decreased and there is a significant spatial gap in the density of road network. The road network had a positive spatial spillover effect on improving the level of land intensive use in urban agglomeration,but this spatial spillover effect significantly reduced in 2010-2015. Taking the traffic network as a medium for spatial influence,the fixed assets investment per capita and the total retail sales of consumer goods per capita also have significant impact and spillover effects on land intensive use. Therefore,in the context of strengthening the coordinated development of Beijing,Tianjin and Hebei,it is of great significance to break the bondage of administrative boundary to improve the utilization level of intensive land use of Beijing,Tianjin and Hebei urban agglomeration,optimize the layout of national land and promote the sustainable resource use.

Key words： road network; spatial spillover; intensive urban land use; Beijing-Tianjin-Hebei urban agglomeration; complex network model; accessibility; integrated and coordinated development

近年来，在快速城镇化的背景下，土地利用—交通路网之间存在着复杂又密切的空间互动关系[1]，且具有明显的时空特征。土地利用决定了交通路网空间分布模式、利用需求等，而交通路网的网络特性改变了空间单元在地理上的可达性，会对土地利用的方式、程度、空间布局及利用效益产生深远影响。因此对城市群间交通基础设施建设和土地集约利用的关系进行理论和实证分析有利于进一步探索区域土地利用和交通路网的互动模式和协调发展的有效途径。
交通发展作为土地利用空间格局变化的重要驱动因素，其作用机理受到许多专家学者的关注[2-3]，主要体现在交通路网对土地利用结构[4]、土地利用效率[1,3]、城市发展[5-6]与土地价格[7]等方面，但以往的研究主要集中在交通道路所产生的一定范围内的地区性影响。在强调土地集约节约利用以及城市群协调发展的背景下，交通路网作为连通城市群内各区域的重要途径，不仅会对城市群社会经济发展及土地集约利用产生影响，交通路网的空间外溢效应也会使区域间的互动性和联系性有所变化，而这种交通路网的空间外溢性也是土地集约利用驱动机制的重要体现。事实上，自1990年代中后期以来，交通空间溢出效应就得到了国外的相关研究者的广泛关注，有关交通路网的溢出和扩散效应[8-9]，尺度效应[10]，超越地理边界的经济影响[11-12]，对农业产出的影响[13-14]以及与区域行政体系的关系[15]等已在一系列的实证研究中得到证实。而在国内有关交通路网外溢性的实证研究方面，一些学者对交通基础设施的空间外溢性与生产率之间的空间互动关系进行了估计[16-17]，还有学者刻画了交通基础设施对区域经济增长的空间溢出效应及其驱动机制[18-19]。因此，在深刻认识交通路网和土地利用之间联系的基础上，如何打破行政边界对交通路网建设的束缚，深入挖掘城市群交通路网的空间外溢性对土地集约利用的影响，是一个亟待解决的问题。
总体来看，目前有关交通路网空间外溢性的研究主要集中在区域经济发展方面，系统探索交通路网外溢性对区域土地利用的影响机制的研究相对较少。事实上，城市的土地利用与交通系统之间存在着紧密的相互作用关系[20]，交通发展是以土地为基本载体的，交通用地是近年来新增建设用地需求的重要来源，同时土地是重要的生产投入要素，对区域经济发展具有基础和持续性的影响。因此，在广泛验证了交通以及交通空间外溢性对区域经济发展影响的基础上[21-22]，探索交通外溢性对土地利用模式的影响是具有一定理论依据的。另一方面，以往的研究在利用空间计量模型进行交通空间外溢性的分析时，较多地采用构建空间外溢型解释变量来直接验证空间作用的存在[23]，鲜有将交通路网内化为空间互动介质来挖掘其对土地利用的影响研究。而交通路网的影响具有一定的“内生性”，社会经济发展所需的生产要素与技术的空间外溢往往与交通的发展也是紧密相关的[3]，单纯地采用“外生”空间变量的方法依然难以解决空间外溢的内生性问题。因此，本文以京津冀城市群为例，将交通路网外溢性与土地集约度联系起来，基于交通路网的复杂网络特性建立空间权重矩阵，通过构建空间计量模型量化城市群县域空间单元间交通路网的空间外溢效应，从而揭示交通路网的外溢性对土地集约利用的影响机制。

1 研究区域概况与数据来源

1.1 研究区域概况

京津冀城市群以首都北京为核心，包括北京、天津两大直辖市，石家庄、唐山、保定、邯郸等中心城市和张家口、承德、廊坊、秦皇岛、沧州、邢台、衡水等节点城市，地域面积约21.6万km2，到2017年，常住人口达到1.1亿，GDP为8.3万亿元，公路里程为23.04万km，是中国最具经济活力、人口集聚程度较高，开放程度较高、创新能力较强的城市群之一，已成为国家最重要的人口和经济密集区域，也是国家区域整体协同发展改革引领区、全国创新驱动经济增长新引擎。2014年《国家新型城镇化规划（2014—2020年）》中提到“京津冀城市群要以建设世界级城市群为目标”。2015年《京津冀协同发展交通一体化规划（2014—2020年）》明确提出，到2020年京津冀基本形成多节点、网格状的区域交通网络。
近年来，京津冀城市群交通基础设施的快速建设，其中公路的增长速度尤为明显。而交通道路作为最重要的生产要素运输途径，其发展和建设是促进城市群各区域间土地集约利用相互协调的关键。从表1可知，2010—2015年期间京津冀城市群公路里程从192 300 km增加到225 003 km，增长速度为17.01%；公路密度从0.89 km/km2增长到1.03 km/km2，京津冀三省市的交通道路的建设规模均呈现出明显的上升趋势。
表1 京津冀城市群交通道路建设规模

Tab.1 Transportation construction in Beijing-Tianjin-Hebei Urban Agglomeration

北京市 天津市 河北省 合计
公路里程
（km）		 2010 21 114 14 832 154 344 192 300
2015 21 885 16 550 184 553 225 003
增长速度（%） 3.65 11.58 19.57 17.01
公路密度
（km/km2）		 2010 1.29 1.30 0.82 0.89
2015 1.33 1.39 0.97 1.03
增长速度（%） 3.66 6.95 18.08 15.47

1.2 数据来源

本文所使用的京津冀城市群的土地利用变化数据主要通过2010和2015年获取的Landsat TM/ETM精度30 m的高分辨率卫星影像空间数据解译获取，参照“土地利用现状分类标准”（GB/T 21010-2007），结合京津冀城市群的实际土地利用情况和本文研究需要，将研究区域土地利用类型的一级地类分为耕地、林地、草地、水域、建设用地和未利用地。京津冀城市群公路网数据从交通部门获取，各县域单元社会经济统计数据分别从京津冀城市群的各县区统计年鉴（2010、2015），城市统计年鉴（2010、2015），以及京津冀城市群的政府门户网站中收集，POI数据从百度开发者平台中所获取，景观指数统计数据则是利用卫星影像数据，通过Fragstats计算可得。

2 方法

本文以土地集约利用作为研究对象，探索城市群交通道路网络建设对集约用地产生的空间外溢效应。基本研究思路是首先利用多指标综合加权法评价计算土地利用集约度，作为空间计量模型的被解释变量。其次，通过构建复杂网络模型分析交通路网的复杂网络特性，以此来作为各行政单元空间互动强度的依据。之后，利用交通路网网络特征值构建空间权重矩阵来量化京津冀城市群间交通路网的空间外溢性。最后，通过构建空间计量模型来分析交通路网的外溢性对本地和邻近空间单元土地集约利用的影响机制。

2.1 土地集约度的测算

土地集约利用能反映土地利用的综合状态，在构建土地集约利用指标评价体系时需要综合考虑指标的代表性、区域的综合特征和数据的准确性和可获取性。人口密度（PD）与土地集约利用紧密相关[24]，在一定限度内，城市人口密度越高即人均用地越少，表明土地利用越充分，越集约，但超过该限度，又会造成城市基础设施和公共服务设施紧张，城市环境效益和社会效益下降，又会造成某种程度的不集约[25]。景观聚集度指数（AI）则描述了景观中不同斑块类型的随机性或聚集程度，来反映斑块间的相邻关系，因此该指数能反映土地景观的空间配置特征，会对土地集约利用产生影响[26]，AI越大，表示相同用地类型的斑块越集聚，土地的集约度最高。空间兴趣点（POI），是一种将地理空间实体转化为点状地理空间数据的表达形式，如商业中心、学校、医院等，可以用来表示土地的社会功能[27]，POI的合理空间分布能为土地利用带来较高的社会经济效益，POI密度较大的地区，商业较发达、人流量较大、各种设施齐全，土地集约利用程度较高。
因此，根据已有研究成果，并结合京津冀城市群的各省发展特点，本文从土地利用强度、土地利用结构、土地利用效益三方面综合考虑，本文将选取上述对土地集约利用程度影响较大的三项指标来构建土地集约度评价体系：包括人口密度（PD）[28-29]、景观聚集度（AI）[30]以及POI密度（POID）[31]，通过熵权法计算各指标权重，并对各评价指标数据进行标准化处理，从而利用加权平均综合评价方法计算土地利用集约度[32]，具体计算公式如下：
P i = I i _ P D · W P D + I i _ A I · W A I + I i _ P O I D · W P O I D · 100 %
式中： P i为第 i个空间单元的土地利用集约度； I i _ P D为第 i个空间单元的评价指标人口密度标准化值； W P D为评价指标人口密度的权重； I i _ A I为第 i个空间单元的评价指标景观聚集度的标准化值； W A I为评价指标景观聚集度的权重； I i _ P O I D为第 i个空间单元的评价指标POI密度标准化值； W P O I D为评价指标POI密度的权重。

2.2 交通路网的复杂网络模型

2.2.1 京津冀交通路网的复杂网络模型的建立

由于京津冀城市群区域面积较大，交通道路网络错综复杂，本文选取已有京津冀城市群公路网数据中的高速公路、一级公路、二级公路，利用复杂网络理论中的L空间法[33]，以实际的交通路网可达性为基础，将道路的交叉口抽象为节点，各路段抽象为边，众多的边和节点相互连通，构成京津冀交通道路复杂网络模型。在构建复杂网络模型时做出如下假设：
①将京津冀交通道路复杂网络模型视为无向网络。即交叉口A可通过某条路段到达交叉口B，则交叉口B可通过同一条路段到达交叉口A。
②将京津冀交通道路复杂网络模型视为非加权网络。即不考虑交叉口之间的车流量及路段长度。

2.2.2 京津冀交通路网的复杂网络特征值

由于京津冀交通道路网络具有拓扑结构，可以通过计算复杂网络的统计特征值[34-35]，来分析交通道路网络的复杂网络统计特性，本文计算的具体特征值包括：
①度和平均度。平均度是指复杂网络中所有节点度特征值的平均取值，用 d -表示。一般来说，节点平均度越大，说明复杂网络中节点之间的联系程度越紧密，从而反映出京津冀交通路网结构的紧密性。计算公式为：
d - = 1 N ∑ i k i
式中：节点度指某个节点 i连接边的数量；用 k i表示节点。在京津冀交通道路网络中，度表示交叉口路段相连的个数；N代表节点数量。
②网络半径和平均最短路径长度。复杂网络中两个节点 i和 j之间的所连接的最短路径长度 d i j是指连接两个点的最短路径上的边数。网络中最长的最短路径成为网络半径，用D来表示，网络半径一定程度上反映了网络的规模（公式3）。在京津冀交通道路网络中，网络半径表示任意两个交叉口之间最多需要多少个路段即可连通。计算公式为：
D = m a x i j d i j
网络平均最短路径长度指所有节点对之间最短路径长度的算术平均值，同网络半径一样能够体现网络的规模，它还能够反映网络的连通性，用 L来表示。在京津冀交通道路网络中，网络半径表示任意两个交叉口之间最多需要几个路段即可连通。计算公式为：
L = 2 N N - 1 ∑ i > j d i j
式中：N为节点的个数。
③节点紧密度。节点紧密度是指该节点到达其他节点的距离之和的倒数，用于反映网络中的节点通过复杂网络到达其他节点的难易程度，用 C c i来表示。在京津冀交通道路网络中，节点紧密度反映了交叉口在交通道路网络中地理位置上的中心性。计算公式为：
C c i = ∑ j = 1 N d i j - 1
网络的紧密度是指全部节点紧密度的平均值，用 C c来表示，计算公式为：
C c = N - 1 N ∑ i C c i
网络的紧密度反映了节点通过网络对其它节点施加的影响程度大小，相比复杂网络特征值度，紧密度不仅考虑了节点度值的大小，而且还考虑到了节点在网络中所处位置的中心性，能更好地反映京津冀交通道路网络结构的全局特征。

2.3 基于交通路网网络特征的空间计量经济学模型

2.3.1 基于交通路网网络特征的空间权重矩阵构建

本研究基于交通道路的空间互动作用，并综合考虑到京津冀交通道路网络的可达性和便捷性，利用京津冀交通道路复杂网络模型来构建空间权重矩阵，具体构建方法如下所示。
首先是计算京津冀城市群的县域空间单元A中任意一节点与县域空间单元B中任意一节点之间的最短路径长度（ d k）；其次，利用公式（7）计算京津冀城市群的县域空间单元A与县域空间单元B之间的节点对的最短路径长度的算术平均值（ D A B）（图1）；之后，利用公式（8）计算县域空间单元A与县域空间单元B的交通联系度（ C A B），来反映京津冀城市群两县域空间单元间通过交通网络对彼此施加影响的能力；最终，利用县域空间单元A与县域空间单元B的交通联系度（ C A B）来表示县域空间单元A与县域空间单元B基于京津冀交通道路网络所产生的空间互动性，将交通联系度（ C A B）作为空间权重矩阵中的要素（ W A B）来构建空间权重矩阵（W）。
D A B = ( d 1 + d 2 + ⋯ + d n ) / n
式中：n为县域空间单元A的节点与县域空间单元B的节点之间的最短路径的数量。
C A B = 1 D A B
图1 县域空间单元的平均最短路径概念模型

Fig.1 The conceptual model of the average shortest path at the county level

2.3.2 基于路网特征的空间计量模型

土地利用本身具有空间互动特征，以交通作为空间影响的载体，各县域单元的用地模式往往会受到周围邻接单元的影响，因此本研究采用空间计量模型探索集约用地的驱动机理。在集约用地的影响因子的选择方面，经济的快速发展和有限的用地资源会使土地利用逐步走向集约化道路[36]，而产业结构的不断调整有利于提高单位土地产出效率，进而促进土地集约化水平[37]，同时随着城市化的不断推进，区域间土地利用效率和配置效率不断提高，有利于进一步促进土地集约利用[38]。因此，本文从社会经济发展水平、产业结构和城市化水平三个方面选取了11个影响土地利用集约水平的驱动因子[36⇓-38]，最后考虑到数据的可获取性和多重共线性问题，选取了第三产业增加值占比（PTI）、地均固定资产投资（PFAI）以及人均社会消费品零售总额（PSSC）为空间计量模型中的最终解释变量。
空间计量模型的选择与估计是研究空间计量经济学的关键，包含的空间交互效应可以区分为：内生交互效应、外生交互效应和误差项（ ε）之间的交互效应[39]，将这三种空间交互效应考虑到基本的空间计量模型中，得到其具体的模型形式如下。
空间滞后模型（ S A R）中空间自相关现象仅存于被解释变量中，其模型表达式为：
P = ρ W Y + P T I β 1 + P F A I β 2 + P S S C β 3 + ε ε ~ N [ 0 , σ 2 Ι ]
式中： P为被解释变量土地集约利用水平； P T I是解释变量第三产业增加值占比； P F A I是解释变量地均固定资产投资； P S S C是解释变量人均社会消费品零售总额； ρ为空间效应系数； ε为包含空间因素的误差项； β 1 、 β 2 、 β 3称为空间自回归系数； W为基于交通路网网络特征所构建的空间权重矩阵，空间矩阵 W中的元素 W A B描述了空间单元A与空间单元B土地集约度之间通过交通路网所产生相关性。
空间误差模型（SEM）中空间自相关现象存在于模型的误差扰动项中，其模型表达式为：
P = P T I β 1 + P F A I β 2 + P S S C β 3 + ε ε = λ W ε + u
式中： λ为空间自相关系数。
空间杜宾模型（SDM）中的空间自相关现象既存在于被解释变量，也存在于解释变量中，其模型表达式为：
P = ρ W Y + P T I β 1 + P F A I β 2 + P S S C β 3 + ρ W Y + W P T I θ 1 + W P F A I β θ 2 + W P S S C θ 3 + ε
式中： θ用以解释相邻空间单元的解释变量对解释变量 P的边际影响； W分别与解释变量 P T I、 P F A I、 P S S C相乘为解释变量的空间滞后项，表示邻近空间单元解释变量通过交通路网对自身空间单元产生的影响。
而对于空间效应的检验，本文采用计算Moran's I 统计量、LM-LAG（空间滞后依赖性的拉格朗日乘数检验）[40]和LM-ERR（空间误差依赖的拉格朗日乘数检验）[41]相结合的检验。

3 结果

3.1 土地集约利用评价结果

本文在对数据进行标准化处理后，通过熵权法为京津冀城市群土地集约度测算所涉及的人口密度、POI密度和AI 3个评价指标赋予不同大小的权重值，2010年权重分别为0.36，0.30，0.34；2015年分别为0.33、0.33和0.34，最终利用公式（1）计算出京津冀城市群各县域空间单元的土地集约度及其特征值（表2）。
表2 京津冀城市群土地集约度描述性分析

Tab.2 Land use intensity characteristics in Beijing-Tianjin-Hebei Urban Agglomeration

2010 2015 变化幅度（%）
均值 0.4274 0.5133 +20.10
方差 0.0288 0.0206 -28.47
最大值 0.9980 0.9448 -5.33
最小值 0.0337 0.2358 +599.70
极差 0.9643 0.7090 -26.48
通过表2时间上的纵向对比可以发现，在2010—2015年，各县域空间单元的土地集约度平均值从0.4274增加到了0.5133，增长幅度达到了20.10%，而极差尽管由2010的0.9643缩小到2015年的0.7090，但数值依旧较高，这意味着2010—2015年京津冀土地集约利用平均水平呈上升趋势，但县域空间单元之间的土地集约利用水平仍存在明显差距。
根据“等分位”划分原则，并在参考相关学者已有研究和研究区域实际情况的基础上[32,42-43]，本文将京津冀城市群各县域空间单元的土地集约利用水平按土地集约度大小划分为四个集约水平：集约利用（0.46~0.99）、相对集约利用（0.43~0.46）、相对粗放利用（0.33~0.43）、粗放利用（0~0.33）四种类型，得到2010和2015年京津冀城市群土地集约利用水平分布图（图2）。从中均可明显看出：2010年，京津冀城市群土地集约利用水平呈“东南高、西北低”的总体空间分布格局。北京市和天津市各多数区县偏向集约利用模式，总体呈现较高的土地集约利用水平，其中北京的东城区、西城区、朝阳区以及天津市的和平区、南开区、河西区的土地集约利用水平较高；而张家口市及承德市各区县均位于粗放利用及相对粗放利用阶段，土地集约利用程度最低。到2015年，京津冀城市群土地集约利用的格局变化不大，且绝大多数县域空间单元的土地集约利用水平都有了明显的增长，尤其是位于北京市与天津市周边的廊坊市、沧州市及唐山市。同时，北京和天津也发挥了双核的促进作用，带动相邻地区的土地集约利用水平显著提升，张家口市、承德市以及秦皇岛市因不具备明显的区位优势、经济发展基础较为薄弱，导致土地利用水平依旧停留在较为粗放的阶段。
图2 京津冀城市群土地集约利用水平分布图

Fig.2 Spatial distribution of land use intensity in Beijing-Tianjin-Hebei Urban Agglomeration

3.2 京津冀交通路网的复杂网络特性

在京津冀交通道路复杂网络模型的拓扑结构图（图3）中，2010年交通道路网络包括1 513个节点，4 904条边；2015年交通道路网络包括1 623个节点，5 299条边。由表3京津冀交通基础设施的复杂网络特性值可以看出，2010—2015年节点度为3和4的节点数明显增加，节点度为2的节点数有一定减少，交通道路复杂网络的平均度从3.24提高到3.27，这说明京津冀城市群交通基础设施网络整体的通达性有所提高。同时通过计算得到京津冀省市内部各县域空间单元平均度发现：2010—2015年，北京市各区县的平均度变化不大，天津市和河北省平均度在3.0以上的区县数量明显增加，且河北省平均度位于3.0~4.0区间内的区县占比相较于京津两市较低。该结果表明2010—2015年，北京市交通基础设施复杂网络结构变化程度较小，而天津市和河北省的交通基础设施复杂网络结构变化程度较大，且北京市和天津市交通网络的结构更加合理、通行能力更强。
图3 京津冀交通道路复杂网络模型

Fig.3 Road network in Beijing-Tianjin-Hebei Urban Agglomeration

表3 京津冀交通道路复杂网络度特征表

Tab.3 Network Characteristics in Beijing-Tianjin-Hebei Urban Agglomeration

节点度 2010 2015
节点数 概率 平均度 节点数 概率 平均度
7 2 0.001 3.24 3 0.002 3.27
6 13 0.009 14 0.009
5 81 0.054 77 0.048
4 505 0.334 571 0.352
3 633 0.418 698 0.431
2 201 0.133 178 0.110
1 78 0.052 79 0.049
根据公式（3）和公式（4）计算得到2010年京津冀交通基础设施复杂网络模型的网络半径 D 2010=59，平均最短路径长度 L 2010=20.6637；2015年京津冀交通基础设施复杂网络模型的网络直径 D 2015=59，平均最短路径长度 L 2015=21.1519。这说明在2010和2015年京津冀城市群交通基础设施复杂网络中，各节点间最多只需经过59条边便可连通，尽管交通基础设施复杂网络的总体规模大小未发生变化，但在平均任意两节点间的最短距离从20.6637条边增加到21.1519条边。这是由于居民出行可选择的道路更加多样化，使得京津冀交通基础设施复杂网络结构变得更为复杂。
根据公式（5）和公式（6）计算得到2010—2015年交通道路复杂网络中县域空间单元的平均紧密度由0.0692降低到2015年为0.0675，一定程度上反映出随着京津冀城市群交通基础设施的发展建设，区县间发展速度愈加不平衡，从而导致县区间的交通基础设施网络间的联系紧密度减弱。

3.3 基于交通路网空间外溢性的土地集约利用驱动机制分析

3.3.1 空间相关性检验

首先，空间分析的检验结果表明，2010与2015年的Moran's I 统计量分别为0.189和0.119，且均通过了1%显著性水平检验，这意味着京津冀城市群区县的土地集约利用水平存在明显的空间聚集效应。同时，这两年的LM-LAG分别为74.521和40.164、LM-ERR分别为377.199和176.853，且在统计值上均显著，由此可以判定空间滞后模型（SAR）和空间误差模型（SEM）均适用于本研究，并且需要进一步考虑空间杜宾模型（SDM）。因此，本文综合采用空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）对模型进行估计，得到表4的结果。
表4 空间模型回归结果

Tab.4 Spatial regression result

模型 2010 2015
OLS SAR SEM SDM OLS SAR SEM SDM
R2 0.5670 0.6750 0.5400 0.7293 0.6518 0.7010 0.6380 0.6868
PTI 0.2493*** 0.3366*** 0.0499*** 0.4715*** 0.2320*** 0.2815*** 0.3144*** 0.2734
PFAI 0.0637*** 0.0550*** 0.0428*** 0.1998** 0.0452*** 0.0346*** 0.0329*** 0.0167*
PSSC 2 ×10-6** 3 ×10-6*** 3 ×10-6*** 1 ×10-6* 3 ×10-6*** 4 ×10-6*** 4 ×10-6*** 4 ×10-6***
W_PTI 0.4905*** -1.5416*
W_PFAI 2 ×10-5*** 0.2809***
W_PSSC 2 ×10-5*** -1 ×10-6***
ρ 0.4966*** 0.9289** 0.0314*** 0.9154***
λ 0.9847*** 0.0478***
Log likelihood 186.3510 199.3146 226.7947 228.8389

注：***、**、*分别代表1%、5%、10%的显著性水平。

3.3.2 SAR和SEM模型的估计结果

从SAR和SEM模型的估计结果对比来看，2010年SAR和SEM的空间效应系数 ρ和空间误差相关系数 λ的估计值分别为0.4966和0.9847，且显著性水平较高，这表明空间滞后被解释变量与空间滞后误差项会对京津冀城市群土地集约利用水平产生一定影响。同时，SAR的R2值大于SEM的R2值，表明SAR对数据的拟合效果更好，空间滞后被解释变量的影响程度更大，这说明京津冀城市群的交通路网存在显著的外溢效应，在京津冀城市群县域空间单元间，某一区县的土地集约利用水平会通过交通基础设施的外溢性正向作用于其他区县的土地集约利用水平，使得京津冀城市群区县的土地集约利用水平产生空间聚集效应。
对于解释变量的回归系数，在SAR和SEM中均显著为正，PTI的回归系数均大于PFAI和PSSC的回归系数。同时，相较于OLS中的结果，PTI和PSSC的回归系数增大，而PFAI的回归系数有所减小。该结果表明第三产业增加值占比、人均社会消费品零售总额、地均固定资产投资对京津冀城市群土地集约利用均有显著的促进作用，且第三产业增加值占比是对京津冀城市群土地集约利用影响程度最大的驱动因子。但由于交通基础设施外溢效应的影响，第三产业增加值占比和人均社会消费品零售总额的促进作用有所增强，地均固定资产投资的促进作用减弱。
到2015年，SAR和SEM的 ρ和 λ的估计值虽仍在1%水平上显著，但较2010年明显降低，仅为0.0314和0.0478，这表明2010—2015年京津冀城市群的交通基础设施的外溢性对京津冀城市群土地集约利用的影响程度显著降低。同时，2015年3个解释变量的回归系数在SAR和SEM中依旧显著为正，PTI的回归系数值依旧最大，但相较于2010年结果，PSSC的回归系数有所增加，而PTI和PFAI的回归系数有所减小。可以看出在2010—2015年，人均社会消费品零售总额对京津冀城市群区县的土地集约利用促进作用有所加强，而第三产业增加值占比和地均固定资产投资对京津冀城市群区县的土地集约利用促进作用有所减弱，但第三产业增加值占比的影响依旧最大。

3.3.3 SDM模型的估计结果

从SDM模型的估计结果来看，2010年SDM的空间效应系数   ρ显著为正，值为0.9289；解释变量的回归系数均显著为正；解释变量和被解释变量的空间滞后项的回归系数也均显著为正。到2015年，空间效应系数 ρ依旧显著为正，但估计值减小为0.9154；对于解释变量的回归系数，PFAI和PSSC的回归系数显著为正，而PTI的回归系数并未通过检验；被解释变量空间滞后项系数为依旧为正，且显著性水平增加；在解释变量的空间滞后项中，仅地均固定资产投资空间滞后项（W_PFAI）的回归系数显著为正，其余解释变量空间滞后项的回归系数显著为负。
因此，从2010和2015年SDM的结果对比来看，2010—2015年，被解释变量空间滞后项对京津冀城市群土地集约利用影响程度降低。解释变量对京津冀城市群土地集约利用的直接促进作用均有所变化，其中地均固定资产投资的促进作用依旧显著但有所减弱，人均社会消费品零售总额的促进作用依旧显著且增强，而第三产业增加值占比的促进作用直接变为不显著。在解释变量的空间滞后项中，地均固定资产投资对京津冀城市群土地集约利用的正向溢出效应增强，而第三产业增加值占比和人均社会消费品零售总额对京津冀城市群土地集约利用的溢出效应由正变为负。
总体而言，通过对比空间滞后模型（SAR）、空间误差模型（SEM）与空间杜宾模型（SDM）的实证结果，发现SEM和SAR的拟合效果没有SDM好。这说明在交通基础设施的外溢性的影响下，不仅有京津冀城市群土地集约利用本身会产生正向溢出效应，第三产业增加值占比、地均固定资产投资和人均社会消费品零售总额三个驱动因子也表现出一定的空间溢出效应。

4 结论和讨论

本文以京津冀城市群的200个县域空间单元为研究对象，进行土地集约度的测算，构建交通道路复杂网络模型，并基于交通道路复杂网络特性构建空间计量模型来分析交通路网外溢性对土地集约利用的影响机制。研究结果发现：①2010—2015年期间，京津冀城市群土地集约利用整体水平有所提高，但地区之间土地集约利用水平存在明显差距，呈“东南高、西北低”的总体空间分布格局，京津两地双核极化效应明显，这对京津冀城市群内部资源配置的效率产生了一定的限制。②2010—2015年期间，京津冀城市群交通道路建设规模扩大，道路复杂网络平均度增加，网络节点的通达性有所提升，网络平均最短路径长度增加，但路网密度存在明显空间差异，交通道路复杂网络的联系紧密度减弱。③京津冀城市群交通路网对提高城市群的土地集约利用水平产生积极的空间外溢影响，但2010—2015年该影响程度显著降低。同时，以交通路网的空间外溢性为介质，产业结构、固定资产投资和消费作为土地集约利用的驱动因子，对土地集约利用也存在着显著溢出效应。
根据上述结论，在强调区域均衡发展和集约用地的背景下，打破行政边界束缚，加强京津冀一体化交通道路网络体系建设，能够充分激发交通路网施外溢性对土地集约利用的影响，从而综合提高京津冀城市群的土地集约利用水平，优化国土空间布局，促进资源利用的可持续发展。因此，本文提出三点政策建议：一是通过加大交通道路建设强度，增强重要节点地区交通路网的深度，优化京津冀交通路网结构，以提高京津冀城市群各地区的交通道路网络通达性，从而扩大交通路网外溢性对土地集约利用的影响。二是建立京津冀城市群交通一体化管理平台，加强京津冀城市群内部交通路网联系的紧密程度，以便实现京津冀交通道路发展一体化，促使城市群内部交通路网的运输效率提高，各土地利用生产要素运输成本降低。三是通过政府各职能部门分工协作，制定京津冀城市群土地利用一体化规划，从而提高京津冀城市群土地综合承载能力和集约利用水平。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李璐, 徐磊, 董捷. 交通设施建设对土地利用效率的空间溢出效应[J]. 城市问题, 2017(8):69-75.

[2]
王雪微, 王士君, 宋飏, 等. 交通要素驱动下的长春市土地利用时空变化[J]. 经济地理, 2015, 35(4):155-161.

[3]
崔学刚, 方创琳, 张蔷. 山东半岛城市群高速交通优势度与土地利用效率的空间关系[J]. 地理学报, 2018, 73(6):165-177.

[4]
李京涛, 周生路, 吴绍华. 道路交通网络与城市土地利用时空耦合关系——以南京市为例[J]. 长江流域资源与环境, 2014, 23(1):18-25.

[5]
Pojani D, Stead D. Sustainable urban transport in the develop-ing world:beyond megacities[J]. Sustainability, 2015, 7(7):7 784-7 805.

[6]
牛方曲, 王芳. 城市土地利用—交通集成模型的构建与应用[J]. 地理学报, 2018, 73(2):380-392.

DOI

[7]
Kanasugi H, Ushijima K. The impact of a high‐speed railway on residential land prices[J]. Papers in Regional Science, 2018, 97(4):1 305-1 335.

[8]
Boarnet Marlon G. Spillovers and the locational effects of public infrastructure[J]. Journal of Regional Science, 1998(3):381-400.

[9]
Arbués Pelayo, Banos J F, Mayor Matías. The spatial productivi-ty of transportation infrastructure[J]. Transportation Research Part A:Policy and Practice, 2015, 75:166-177.

[10]
Berechman J, Ozmen D, Ozbay K. Empirical analysis of trans-portation investment and economic development at state,county and municipality levels[J]. Transportation, 2006, 33(6):537-551.

[11]
Groenewold N, Guoping L, Anping C. Regional output spill-overs in China:Estimates from a VAR model[J]. Papers in Regional Science, 2010, 86(1):101-122.

[12]
Jeffrey Cohen J P. The broader effects of transportation infra-structure:spatial econometrics and productivity approaches[J]. Social Science Electronic Publishing, 2010, 46(3):317-326.

[13]
Tong T, Yu T H E, Cho S H, et al. Evaluating the spatial spill-over effects of transportation infrastructure on agricultural output across the United States[J]. Journal of Transport Geography, 2013, 30:47-55.

[14]
Narayanamoorthy A, Hanjra M A. Rural infrastructure and ag-ricultural output linkages:a study of 256 Indian districts[J]. Indian Journal of Agricultural Economics, 2006, 61(3):444-459.

[15]
Conde O-Melhorado A, Tillema T, De Jong T, et al. Distribu-tive effects of new highway infrastructure in the Netherlands:the role of network effects and spatial spillovers[J]. Journal of Transport Geography, 2014, 34:96-105.

[16]
刘秉镰, 武鹏, 刘玉海. 交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析[J]. 中国工业经济, 2010(3):56-66.

[17]
张浩然, 衣保中. 基础设施、空间溢出与区域全要素生产率——基于中国266个城市空间面板杜宾模型的经验研究[J]. 经济学家, 2012(2):61-67.

[18]
刘生龙, 郑世林. 交通基础设施跨区域的溢出效应研究——来自中国省级面板数据的实证证据[J]. 产业经济研究, 2013(4):59-69.

[19]
刘奇洪, 裴雨潇. 交通基础设施对区域经济增长的实证分析[J]. 统计与决策, 2017(21):135-137.

[20]
李燕, 王芳. 北京的人口、交通和土地利用发展战略:基于东京都市圈的比较分析[J]. 经济地理, 2017, 37(4):5-14.

[21]
马卫, 曹小曙, 黄晓燕, 等. 丝绸之路沿线交通基础设施空间经济溢出效应测度[J]. 经济地理, 2018, 38(3):21-29.

[22]
Li J, Wen J, Jiang B. Spatial spillover effects of transport infra-structure in Chinese New Silk Road Economic Belt[J]. International Journal of e-Navigation and Maritime Economy, 2017(6):1-8.

[23]
陈文新, 潘宇, 马磊. 交通基础设施、空间溢出与全要素生产率 ——基于丝绸之路经济带面板数据的空间计量分析[J]. 工业技术经济, 2017, 36(10):22-30.

[24]
姚成胜, 李政通, 杜涵, 等. 长三角地区土地集约利用与经济发展协调性[J]. 经济地理, 2016, 36(2):159-166.

[25]
于尚云, 郭建科. 辽宁省城市土地利用集约度测定及其时空差异[J]. 经济地理, 2014, 34(11):140-145.

[26]
Sonter L J, Barrett D J, Moran C J, et al. A land system sci-ence meta-analysis suggests we underestimate intensive land uses in land use change dynamics[J]. Journal of Land Use Science, 2015, 10(2):191-204.

[27]
Wang S, Xu G, Guo Q. Street centralities and land use intensi-ties based on points of interest (POI) in Shenzhen,China[J]. ISPRS International Journal of Geo-Information, 2018, 7(11):425.

[28]
黎孔清, 陈银蓉. 低碳理念下的南京市土地集约利用评价[J]. 中国土地科学, 2013(1):61-66.

[29]
王秀, 姚玲玲, 李阳, 等. 新型城镇化与土地集约利用耦合协调性及其时空分异——以黑龙江省12个地级市为例[J]. 经济地理, 2017, 37(5):173-180.

[30]
Cen X, Wu C, Xing X, et al. Coupling intensive land use and landscape ecological security for urban sustainability:an integrated socioeconomic data and spatial metrics analysis in Hangzhou city[J]. Sustainability, 2015, 7(2):1 459-1 482.

[31]
Liu X, Gao J. Discussion on the index system of intensive land use evaluation in development area[J]. Asian Agricultural Research, 2011(3):91-100.

[32]
李晓宁, 满燕云. 京津冀城市群土地集约利用分析[J]. 商业经济研究, 2014(26):131-134.

[33]
汪小帆, 李翔, 陈关荣. 复杂网络理论及其应用[M]. 北京: 清华大学出版社, 2006.

[34]
范文婷. 基于复杂网络理论探讨城市交通网络的优化[J]. 科技创新与应用, 2017(12):237-238.

[35]
Lin J, Ban Y. Complex network topology of transportation systems[J]. Transport Reviews, 2013, 33(6):658-685.

[36]
鲁嘉颐, 方斌, 李欣. 基于Pareto最优的江苏省土地利用最佳集约度研究[J]. 中国农业资源与区划, 2019, 40(3):136-145.

[37]
谭勇, 徐文海, 韩啸, 等. 新时代区域建设用地节约集约利用评价——以长沙梅溪湖国际新城为例[J]. 经济地理, 2018, 38(9):200-205.

DOI

[38]
范建双, 周琳, 虞晓芬. 产业结构演进、城镇化质量与土地集约利用之间的关系及其时空演变特征[J]. 地域研究与开发, 2018, 37(4):19-24.

[39]
Elhorst J P. Spatial econometrics:from cross-sectional data to spatial panels[M]. New York: Springer, 2014:7-12.

[40]
Burridge P. On the cliff-ord test for spatial correlation[J]. Journal of the Royal Statistical Society, 1980, 42(1):107-108.

[41]
Anselin L. Lagrange multiplier test diagnostics for spatial de-pendence and spatial heterogeneity[J]. Geographical Analysis, 1988, 20(1):1-17.

[42]
周作江, 周国华, 唐承丽, 等. 环长株潭城市群土地集约利用时空演变研究[J]. 水土保持研究, 2014, 21(5):89-93.

[43]
宋成舜, 陶莉, 翟文侠. 基于集对分析的城市土地集约利用评价[J]. 国土资源科技管理, 2019, 36(3):27-39.

Options
文章导航

/

〈 〉