EN中文

经济地理 >

2020 , Vol. 40 >Issue 1: 57 - 67

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.01.007

城市地理与新型城镇化

中国“四纵四横”高铁对沿线站点城市可达性及其经济联系的影响

  • 鄢慧丽 , 1 ,
  • 王强 2 ,
  • 熊浩 3 ,
  • 余瑞林 , 4, ※
展开
  • 1.海南大学 旅游学院，中国海南 海口 570228
  • 2.华东师范大学 城市与区域科学学院，中国 上海 200241
  • 3.海南大学 管理学院，中国海南 海口 570228
  • 4.华中师范大学 城市与环境科学学院，中国湖北 武汉 430079
※余瑞林（1982—），男，湖北宜昌人，博士，讲师，硕士生导师。主要研究方向为城乡区域发展。E-mail：。

鄢慧丽（1980—），女，湖北襄阳人，博士，副教授，博士生导师。主要研究方向为旅游经济、区域经济等。E-mail：。

收稿日期: 2019-02-19

  修回日期: 2019-11-03

  网络出版日期: 2025-04-25

基金资助

国家自然科学基金项目(71461006)

国家自然科学基金项目(71461007)

国家自然科学基金项目(71761009)

海南省社会科学基金项目(HNSK〈YB〉19-06)

海南省社会科学基金项目(HNSK〈YB〉19-11)

海南省教育厅重点项目(hnky2019ZD-10)

华中师范大学中央高校基本科研业务费项目(CCNU19TS046)

收起

The Effect of Chinese "Four Vertical and Four Horizontal" High-Speed Railways on the Accessibility and Economic Relations of the Cities along the Line

  • YAN Huili , 1 ,
  • WANG Qiang 2 ,
  • XIONG Hao 3 ,
  • YU Ruilin , 4, ※
Expand
  • 1. School of Tourism，Hainan University，Haikou 570228，Hainan，China
  • 2. School of Urban and Regional Science，East China Normal University，Shanghai 200241，China
  • 3. School of Management，Haikou 570228，Hainan，China
  • 4. School of Urban and Environment Science，Central China Normal University，Wuhan 430079，Hubei，China

Received date: 2019-02-19

  Revised date: 2019-11-03

  Online published: 2025-04-25

Fold

摘要

运用ArcGIS空间分析法、可达性模型及引力模型，探究中国“四纵四横”高铁的开通对沿线站点城市可达性及其经济联系空间格局的影响。结果表明：①中国“四纵四横”高铁开通后，整体区域可达性得到优化，高铁沿线变化尤为显著，且促进高铁客运流的均衡分布。可达性水平呈现东中西地带性递减格局，这与我国地形分布表现出高度吻合，华北、长江中下游平原地区可达性最优，中西部山地、高原地区可达性较差。②中国“四纵”高铁沿线站点城市的经济联系总量高于“四横”高铁沿线站点城市。沿线站点城市经济联系总量差异显著，东部地区沿线站点城市经济联系总量显著高于中、西部地区。③中国“四纵四横”高铁的开通对二、三线站点城市经济联系改善程度较大，且经济联系隶属度较强的城市空间分布上呈现与中心城市相邻格局。

关键词： “四纵四横”高铁; 可达性; 经济联系; 空间格局; 站点城市

本文引用格式

鄢慧丽 , 王强 , 熊浩 , 余瑞林 . 中国“四纵四横”高铁对沿线站点城市可达性及其经济联系的影响[J]. 经济地理, 2020 , 40(1) : 57 -67 . DOI: 10.15957/j.cnki.jjdl.2020.01.007

Abstract

Under the background of the Belt and Road Initiative, high-speed railway takes an important role in speeding the regional development and globalization. In order to give a insight interpretation of the effect of high-speed railway on development of economic and give a reference for the planning and layout of high-speed railway, this paper focus on the research about the accessibility of cities and the spatial pattern of economic connection along the "four vertical and four horizontal" high-speed railway. The accessibility model and gravity model are proposed to analyze the accessibility of cities and the spatial pattern of economic connection, respectively. And the ArcGIS spatial analysis method is presented to compare these two indicators among different areas of China. Finally, three important conclusions are derived from the analysis. First, after the opening of "four vertical and four horizontal" high-speed rails, the overall regional accessibility get a great promotion, especially for the cities along the high-speed railways, which makes the passenger flow more balance. Furthermore, the accessibility of different areas are different. The accessibilities are increase from west to east. And the highest accessibility cities are located along the high-speed railway in North China and the middle and lower of Yangtze River. The lower accessibility cities are located along the high-speed railway in mountains and plateau of Midwest China. Second, the total quantity of economic connection of the cities along the "four vertical" high-speed railways in China are higher than those in the "four-horizontal" high-speed railway stations. And, the total quantity of economic connection of east is much higher than the quantity of the midlands and south of the cities along the high-speed railway. Third, the "four vertical and four horizontal" network of high-speed railway strengthens the economic connection of the second-and third-tier cities and forms a special pattern of the economic dependency of the adjacent cities and the central city.

Key words： "four vertical and four horizontal" high-speed railways; accessibility; economic connection; spatial pattern; cities along the high-speed railway

21世纪以来，我国将高铁建设作为拉动内需的重要手段，现已建成世界上规模最大、运行速度最高的高铁网络，由此产生的“时空压缩”效应将增强区域可达性并扩大与周边的经济联系，必将重塑中国城市空间格局。研究高铁影响下的沿线站点城市可达性及其经济联系的空间格局，有助于客观阐述在“一带一路”倡议背景下，高铁在全域化发展中担当的角色，进而推动国家、城市群及地区层面合理布局高铁资源，对指导城市间互动与合作有重要意义。
高铁的迅速崛起，所带来的经济、社会效益引起了国内外学者的高度关注。其研究成果主要集中于以下方面：①高铁对区域发展的影响研究。包括高铁对区域经济格局[1-6]、经济效应[7]、区域经济增长及产业结构的影响[8-13]；高铁对交通网络可达性及空间格局的影响[14-17]；高铁对站区产业格局及其城郊空间结构的影响[5,6,18-19]；高铁对欠发达地区可达性的影响[20]。②高铁对出行者行为的影响研究。包括出行者交通工具的选择[21-23]及高铁选乘的行为意向的影响研究[24-25]。③高铁对旅游的影响研究。包括高铁对区域旅游经济[26-28]、旅游市场需求[29-31]、旅游产业及空间格局演变[32-33]、旅游者空间行为[25,34]、旅游流[35-36]、旅游可达性[37-38]及区域内部旅游可达性的影响研究[39]。④高铁与其他交通方式的竞合关系研究。包括空间服务市场竞合分析、竞争博弈的空间效应及交通市场份额的变动[40-42]。
综上所述，国内外关于可达性及其经济联系的研究日益丰富，但缺乏多尺度、多角度的综合对比研究。目前研究成果局限于特定某一条高铁沿线城市的影响研究，而且选取的研究对象主要为长三角地区、枢纽城市、发达省份、省会城市、城市群等区域，对中国“四纵四横”高铁覆盖的沿线城市可达性及其经济联系进行深入剖析的研究成果较为少见。鉴于此，本文以中国“四纵四横”高铁沿线城市为研究对象，借鉴城市地理学、交通地理学等相关理论，并运用ArcGIS空间分析法、可达性模型、修正的引力模型等方法，探究高铁网络下沿线城市可达性及其经济联系空间格局特征，并以此分析高铁开通前后对沿线城市产生的影响。通过本文的研究，首先，可从宏观层面厘清中国“四纵四横”高铁的开通对沿线城市可达性及经济联系的空间格局的影响，为优化要素配置、重构城市经济体系，实现中国城市转型升级奠定基础；其次，本文探究高铁网络建设对城市空间格局的影响，可以为探究全球高铁网络化对国际区域空间格局的影响提供借鉴。

1 研究设计

1.1 研究区域

2008年京津城际高铁的开通，拉开中国高铁建设的帷幕。根据《中长期铁路网规划（2008年调整）》，到2020年，中国将在环渤海、长三角、珠三角、成渝以及中原城市群、武汉城际圈等经济发达和人口密集地区建设“四纵四横”高铁以及在环渤海区域、长三角地区、珠三角地区建设城际快速客运系统，从而贯通整个中国，成为区域经济发展的新引擎。其中“四纵”高铁包括京广高铁、京沪高铁、京哈高铁及杭福深高铁；“四横”高铁包括沪昆高铁、青太高铁、徐兰新高铁及沪汉蓉高铁。考虑到数据的可获取性，本研究选取中国“四纵四横”高铁站点中的地级市以上的行政单位为研究对象。由于研究对象包括直辖市、地级市、自治州等多种行政单位，考虑到表述的统一性，将其统称为“城市”。此外，本研究仅考虑中国大陆地区，其中香港特别行政区、澳门特别行政区和台湾省暂不考虑。

1.2 研究方法

以中国“四纵四横”高铁为主干和城际铁路相补充的高铁网络加强了城市间、城市与区域间的联系，产生显著的“时空压缩”效应[43]，增强了沿线站点城市与周边的要素流动，以及加深城市间经济联系方向与强度的差异，推动城市与区域空间格局重构。基于此，本文将运用加权平均旅行时间、赫希曼—赫芬达尔指数、集中化指数、引力模型、隶属度模型等研究方法（表1），对高铁网络下的沿线站点城市可达性及其经济联系的空间格局进行分析。
表1 研究方法及意义解释

Tab.1 The study model and meaning

模型 模型说明 意义解释
可达性测算 加权平均旅行时间[20]： A i = ∑ j = 1 n T i j × M j ∑ j = 1 n M j 式中：Tij表示i到j的平均旅行时间；Mj表示沿线站点城市j的权重，采用GDP（亿元）与人口（万人）几何平均值作为权重[20]；n为沿线站点城市数量。 呈现物理意义上的可达性，直观表达某站点城市到达经济中心所需有效时间，Ai值越大，可达性程度低，反之则反。
交通流空间格局 赫希曼—赫芬达尔指数[17]： H H I = ∑ i = 1 n c i 2
集中化指数[17]： C I = ∑ i = 1 n c i 2 - 1 n 1 - 1 n		 式中：ci为各站点城市每日交通流量占整个区域的比重，n含义同上。 运用HHI和CI，分析高铁网络对沿线站点城市交通流空间格局的影响。HHI和CI的数值介于0~1，趋于1时，表明高铁交通流趋于集中，而趋于0是，表示高铁交通流呈分散态势。
经济联系分析 经济联系强度[27]： R i j = Q i G i × Q j G j D i j 2
经济联系总量[27]： R i = ∑ j = 1 n R i j
经济联系隶属度[17]： L i j = R i j / ∑ j = 1 n R i j		 式中：Qi和Qj为沿线站点城市i、j的国内旅游人数；Gi和Gj为沿线站点城市i、j的国内旅游收入；Dij为两城市之间最短旅行时间。 引力模型是测量沿线站点城市之间经济联系紧密与强弱的方法，本研究利用中国“四纵四横”高铁网络下各站点城市之间的最短旅行时间修正引力模型，测度沿线站点城市之间经济联系强度、联系总量及隶属度。

1.3 数据来源

1.3.1 统计数据

统计数据来自2017年《中国城市统计年鉴》《中国旅游统计年鉴》和各省市统计年鉴，部分统计数据来自城市国民经济和社会发展统计公报。沿线站点城市之间旅行时间数据来自于“12306—铁道部网上订票官网”的列车时刻表（www.12306.cn），输入出发与到达站城市，选择以T、K及4位数字编号的列车计算的平均出行时间为高铁开通前城市之间旅行时间，以G、D、C开头的列车计算的平均出行时间为高铁开通后城市之间旅行时间。

1.3.2 图形数据

本文所需空间行政边界数据来源于国家基础地理信息中心（www.ngcc.cn）的1∶400万地图数据库。通过Google Earth获取沿线站点城市地理坐标，利用ArcGIS10.2将其标记在中国行政区划图的底图上。道路数据（包括普通铁路、公路干线）和高铁数据通过人工数字化后，存储于地理信息库中，从而得到高铁开通后全国交通网络基础底图（图1）。
图1 中国“四纵四横”高铁及沿线城市分布图

Fig.1 Distribution of high-speed railways and cities in China

2 沿线站点城市可达性分析

2.1 加权平均旅行时间Ai对比分析

沿线站点城市人口流量和GDP能够直观体现高铁对沿线站点城市可达性影响程度，根据加权平均旅行时间公式，得到高铁开通前后加权平均旅行时间Ai（表2）。
表2 中国“四纵四横”高铁沿线站点城市加权平均旅行时间

Tab.2 Urban weighted average travel time for stations along the high-speed railway

城市 加权平均旅行时间 城市 加权平均旅行时间 城市 加权平均旅行时间
通车前 通车后 减少率（%） 通车前 通车后 减少率（%） 通车前 通车后 减少率（%）
四纵 京
沪
高
铁		 北京 782.91 223.02 71.70 廊坊 582.94 166.92 71.37 泰安 330.01 106.11 67.85
德州 399.73 122.72 69.30 济南 422.25 126.43 70.06 蚌埠 182.62 59.51 67.41
徐州 323.14 100.01 69.05 宿州 241.16 73.04 69.71 常州 310.12 96.82 68.62
南京 578.72 184.62 68.10 镇江 157.31 58.23 99.08 枣庄 331.03 93.32 71.81
苏州 429.42 139.13 67.60 上海 3055.62 943.02 69.14 滁州 127.92 44.83 64.95
天津 621.73 193.33 68.90 沧州 460.34 139.13 69.78 无锡 371.73 123.01 66.91
平均值 539.37 166.29 69.17
京
广
高
铁		 北京 1 016.12 394.14 61.21 保定 738.82 266.73 63.90 漯河 457.72 157.13 65.67
邯郸 573.72 212.13 63.03 安阳 540.69 198.78 63.24 武汉 956.52 325.67 65.95
郑州 612.73 223.42 63.54 许昌 435.72 152.12 65.09 株洲 321.23 109.91 65.78
信阳 430.42 141.43 67.14 孝感 384.62 126.73 67.05 广州 3 883.31 1 359.62 65.00
岳阳 359.63 121.72 66.15 长沙 791.21 276.32 65.08 驻马店 423.41 141.24 66.64
郴州 237.91 82.23 65.44 韶关 263.92 91.33 65.39 咸宁 309.04 99.13 67.92
石家庄 658.32 245.33 62.73 邢台 594.43 220.42 62.92 衡阳 288.83 100.14 65.33
鹤壁 513.41 185.43 63.88 新乡 499.62 183.01 63.37 深圳 3 388.81 1 187.54 64.96
平均值 778.34 275.07 64.27
京
哈
高
铁		 北京 757.52 214.51 71.68 承德 287.43 123.42 57.06 四平 205.12 72.41 64.70
朝阳 177.42 83.27 53.07 阜新 165.72 79.43 52.07 鞍山 177.51 71.02 59.99
哈尔滨 465.72 175.12 62.40 长春 328.41 117.02 64.37 大连 753.32 291.04 61.37
沈阳 449.92 152.24 66.16 辽阳 107.02 46.32 56.72 铁岭 156.51 59.83 61.77
营口 128.72 52.84 58.95 平均值 320.03 118.34 63.02
杭
福
深
高
铁		 杭州 896.32 381.91 57.39 绍兴 704.91 303.22 56.98 福州 536.32 206.91 61.42
温州 570.13 219.14 61.56 宁德 400.83 145.13 63.79 漳州 185.62 102.31 44.88
泉州 363.13 147.24 59.45 厦门 592.13 240.01 59.47 莆田 506.83 191.12 62.29
惠州 538.14 227.91 57.65 深圳 3 771.01 1 572.23 58.31 汕尾 151.93 71.82 52.73
宁波 742.73 299.01 59.74 台州 598.71 241.82 59.61 平均值 754.20 310.70 58.80
四横 沪
昆
高
铁		 上海 526.32 199.91 62.02 嘉兴 245.43 89.93 63.36 鹰潭 94.53 35.93 61.99
衢州 156.82 56.63 63.89 上饶 119.03 44.51 62.61 萍乡 105.41 37.43 64.49
新余 117.01 41.34 64.67 宜春 103.61 37.41 63.89 邵阳 125.43 37.03 70.48
湘潭 140.14 52.01 62.87 娄底 79.03 27.74 64.90 南昌 245.53 83.51 65.99
杭州 274.43 102.21 62.68 金华 174.33 62.34 64.24 长沙 575.12 204.41 64.46
怀化 87.23 27.91 68.00 昆明 101.23 46.35 54.21 贵阳 133.81 58.76 56.09
平均值 189.14 69.19 63.42
青
太
高
铁		 青岛 395.61 275.32 30.41 潍坊 246.13 184.83 24.91 石家庄 295.42 228.63 22.61
德州 104.41 86.73 16.93 衡水 84.74 74.51 12.07 阳泉 96.23 78.31 18.62
太原 508.53 438.64 13.74 淄博 242.64 184.12 24.12 济南 270.71 205.04 24.26
平均值 249.38 195.13 21.76
沪
汉
蓉
高
铁		 上海 773.01 438.14 43.32 无锡 530.71 297.43 43.96 合肥 427.43 239.22 44.03
南京 521.73 294.13 43.62 六安 355.61 206.14 42.03 宜昌 255.93 138.73 45.79
荆州 281.43 145.32 48.36 重庆 2968.53 1633.3 44.98 武汉 605.43 314.72 48.02
苏州 547.31 307.42 43.83 常州 509.61 283.84 44.30 成都 1220.41 657.73 46.11
平均值 749.76 413.01 44.91
徐
兰
新
高
铁		 郑州 390.91 142.73 63.49 兰州 962.61 477.83 50.36 徐州 323.12 101.23 68.67
洛阳 236.93 80.32 66.10 西宁 817.91 343.12 58.05 泰安 330.01 106.11 67.85
三门峡 141.13 51.72 63.35 张掖 547.72 238.14 56.52 乌鲁木齐 3 229.12 1 188.54 63.19
渭南 78.01 31.22 59.98 酒泉 460.62 207.65 54.92 咸阳 82.62 34.03 58.81
西安 650.51 229.13 64.78 嘉峪关 382.53 198.73 48.05 宝鸡 169.52 67.93 59.93
平均值 586.89 233.23 60.26
中国“四纵四横”高铁开通后，出行时间显著缩短，Ai减少率介于13.74%~71.81%。中国“四纵”高铁中京沪高铁Ai减少率最显著，其次为京广高铁、京哈高铁，杭福深高铁最小。京沪高铁Ai均值由通车前的539.37 min缩短到166.29 min，Ai平均减少率为69.17%，京沪高铁沿线站点城市间Ai减少率均在65%以上，其中枣庄可达性提升幅度最大，滁州最小；京广高铁呈现中部站点城市Ai减少率较大，边缘站点城市较小的态势，Ai均值由778.34 min缩短至275.07min，平均减少率为64.27%；京哈高铁Ai均值由通车前的320.03 min缩短到通车后的118.34 min，Ai平均减少率为63.02%，其中铁岭凭借自身区位优势获得来自南北双向城市的辐射，可达性提升幅度最大，而营口、大连处于沿线边缘，仅接受单向的要素流动，改善程度较小；杭福深高铁沿线站点城市可达性提升幅度比较相近，Ai平均减少率均维持在60%上下，平均减少率为58.80%，温州—莆田段优势显著。中国“四横”高铁中，按照Ai平均减少率排序为沪昆高铁>徐兰新高铁>沪汉蓉高铁>青太高铁。沪昆高铁沿线站点城市Ai变化率集中于61.99%~70.48%，Ai平均减少率均维持在65%左右，其中嘉兴、邵阳可达性提升显著，娄底、宜春、上饶提升幅度略低；徐兰新高铁Ai减少率也均保持在58%上下，Ai平均值由通车前的586.89 min缩短到通车后的233.23 min，根据Ai减少率对沿线站点城市可达性排序为徐州>泰安>洛阳>西安>郑州>三门峡>乌鲁木齐>渭南>宝鸡>咸阳>西宁>张掖>酒泉>兰州>嘉峪关，河南高铁可达性改善程度较高，甘肃相对较低；沪汉蓉高铁Ai整体偏低，Ai减少率处于43.32%~48.36%，荆州可达性提升幅度最大；青太高铁在中国“四纵四横”高铁Ai减少率降低幅度最小，Ai平均减少率仅为21.76%。
整体看来，中国“四纵四横”高铁的首末端站点城市既有北京、上海、广州等一线城市，也有哈尔滨、成都、乌鲁木齐、徐州、青岛、太原等非一线城市，但其可达性水平都相对较低。同时发现，中国“四纵”高铁可达性改善程度远高于“四横”高铁，但中国“四纵四横”高铁Ai平均减少率基本都处于60%左右（除青太高铁），究其原因可能是高铁沿线站点城市的空间距离相对较近，交通经济联系紧密，沿线站点城市间加权旅行时间内部差异较小。
为了能够更加直观呈现高铁开通前后沿线站点城市可达性改善程度，基于表2数据，利用ArcGIS10.0将中国“四纵四横”高铁沿线站点城市加权平均旅行时间Ai值及其减少率呈现在地图上（图2）。整体看来，中国“四纵四横”高铁沿线站点城市加权平均旅行时间Ai由东部沿海地区向东北、西北、西南地区逐步增加，呈现东中西地带性递减格局。
图2 加权平均旅行时间空间变化

Fig.2 Spatial variation of weighted average travel time

由图2a可知，高铁开通前沿线站点城市可达性最优区为京沪高铁、京广高铁和沪昆高铁交织的三角地带，围绕最优区域向西部和东北地区逐级递减，沿线站点城市Ai均值为522.01 min（约为8.70 h）。高铁开通前可达性中心区域主要分布于东部沿海地区，Ai值均在10 h以内。Ai高值区位于边缘地区，主要为新疆西南部和广西地区，Ai值在25h以上。高铁开通后，沿线站点城市可达性最优区仍为京沪高铁、京广高铁和沪昆高铁交织的三角地带，可达性从最优区域的中原地区向外围递减，但与高铁开通前不同之处在于“四纵四横”高铁网络下的可达性空间格局呈现明显的交通指向性，可达性改善区域明显扩大，并呈现不规则环状分布特征（图2b）。通过对比图2a和图2b可知，中国“四纵四横”高铁开通以来，城市可达性得到优化，沿线站点城市Ai均值为222.88 min（约为3.71 h），相比高铁开通前优化4.99 h。高铁加权平均旅行时间Ai改善程度总体上与沿线站点城市规模和社会经济水平高度吻合，“四纵四横”高铁网络穿越了中国经济发展水平最高、城市最为密集的三大城市群（长三角、珠三角和京津冀），错综复杂的交通网络显著提升了沿线站点城市及周边城市的可达性与联动性。由图2c可知，中国“四纵四横”高铁Ai减少率西部地区低于东部及中部地区。Ai减少率最为显著的是京沪高铁和京哈高铁，可达性提升幅度较大；而Ai减少率最低的是青太高铁和沪汉蓉高铁。青太高铁和沪汉蓉高铁大部分沿线站点城市位于胡焕庸线以西的省份，这些区域经济发展水平落后，生态环境脆弱，绝大部分尚未开通高铁，可达性改善程度较低。在国家推进“一带一路”倡议背景下，为了促进西部开发以及沿线区域合作共赢，交通基础设施的作用愈发重要，西部地区交通可达性提升的空间和效果将逐渐显现。

2.2 沿线站点城市可达性综合分析

如表3所示，综合加权平均旅行时间Ai可知，高铁开通后，整体区域可达性得到优化，高铁沿线变化尤为显著。其中京沪高铁沿线站点城市可达性改善程度最高，其次是京广高铁、沪昆高铁，青太高铁可达性综合改善程度最低，仅为35.80%。京沪高铁、沪汉蓉高铁、京哈高铁沿线站点城市内部可达性变率波动差异较小，京沪高铁沿线站点城市可达性改善程度基本维持在105%左右，沪汉蓉高铁维持在60%左右，京哈高铁维持在82%左右；而其余高铁沿线站点城市内部可达性变率差异较大，大多数呈现沿线站点城市中间段可达性改善程度显著，首末端可达性改善程度较低的格局；但青太高铁可达性改善程度呈现“波浪式”态势，郑州、洛阳与三门峡可达性改善程度较强，咸阳可达性改善程度最低。
表3 中国“四纵四横”高铁可达性改善程度

Tab.3 Improvement degree of accessibility in high-speed railways

高铁名称 Ai(min) Ai
减少率/%		 Pi Pi
增加率/%		 可达性改
善程度
通车前 通车后 通车前 通车后
四纵 京沪高铁 539.37 166.29 69.17 159.18 460.29 189.17 114.39
京哈高铁 320.03 118.34 63.02 57.11 139.14 143.65 95.15
京广高铁 778.34 275.07 64.27 83.11 225.22 171.00 104.83
杭福深高铁 754.20 310.70 58.80 48.65 118.61 143.83 91.96
四横 沪昆高铁 198.09 71.27 64.02 62.07 162.61 161.98 101.98
沪汉蓉高铁 749.76 413.01 44.91 124.40 248.06 99.41 66.82
青太高铁 249.38 195.13 21.76 38.10 60.55 58.91 35.80
徐兰新高铁 586.89 233.23 60.26 36.88 75.26 104.08 79.20
由表3可知，中国“四纵四横”高铁开通前后加权平均旅行时间Ai变化幅度比较平稳，沿线站点城市间差异较小。中国“四纵”高铁所穿越的省份地势平坦，地理通畅性使得“四纵”高铁服务空间尺度大，高铁“时空压缩”效应显著。中国“四横”高铁覆盖省份地形复杂，使其可达性改善显著降低。尤其徐兰新高铁跨越新疆、青海等高寒高冷地区，受到地形、气候、水域等限制与影响，高铁的修建相对困难，高铁网络相对稀疏且尚未成型，严重影响了高铁可达性的提升。

2.3 沿线站点城市客运流的空间格局

HHI指数和CI指数能够直观反映高铁客运流在沿线站点城市覆盖区域空间分布状况，也可以呈现高铁客运流沿线站点城市与周边城市交通联系改善程度。通过HHI指数和CI指数，结合中国“四纵四横”高铁沿线站点城市的高铁和常规铁路的日运行频次，计算得到中国“四纵四横”高铁沿线站点城市客运流的空间分布情况，见表4。
表4 中国“四纵四横”高铁沿线站点城市赫希曼—赫芬达尔指数和集中化指数

Tab.4 China's Hesseman-Huffendale index and centralization index for high-speed railways

高铁 常规铁路
HHI CI HHI CI
四纵 京沪高铁沿线站点城市 0.169 0.051 0.129 0.032
京哈高铁沿线站点城市 0.142 0.045 0.157 0.064
京广高铁沿线站点城市 0.145 0.073 0.158 0.081
杭福深高铁沿线站点城市 0.207 0.071 0.283 0.099
四横 沪昆高铁沿线站点城市 0.103 0.022 0.119 0.052
沪汉蓉高铁沿线站点城市 0.173 0.091 0.121 0.042
青太高铁沿线站点城市 0.205 0.046 0.214 0.102
徐兰新高铁沿线站点城市 0.274 0.096 0.201 0.054
由表4可知，中国“四纵四横”高铁HHI指数均降低于常规铁路HHI指数，中国“四纵四横”高铁CI指数均低于常规铁路CI指数，且高铁HHI指数和CI指数均趋近于0，说明中国“四纵四横”高铁开通促进了客运流的均衡分布，弱化了城市间的差异。整体看来，中国“四纵四横”高铁的开通增强了我国各个区域城市之间的频繁联系，带来城市区位优势的改变，促进各要素的流通，增强了高铁沿线的“廊道效应”，各沿线站点城市及周边地区均能因高铁的开通而获益。

3 沿线站点城市经济联系格局

3.1 沿线站点城市经济联系总量特征

利用ArcGIS10.0的自然断裂法，将中国“四纵四横”高铁沿线站点城市经济联系总量划分为5个等级，直观呈现在地图上（图3）。
图3 沿线站点城市之间经济联系总量

Fig.3 Economic linkage quantity between cities along the high-speed railway

对比分析中国“四纵四横”高铁沿线站点城市经济联系总量，发现：①整体看来，中国“四纵”高铁沿线站点城市经济联系总量高于“四横”沿线站点城市。京沪高铁的开通促进了长三角、京津冀、山东半岛交通联系；京广高铁的开通将中原地区、武汉城市圈、珠三角、长株潭等地区紧密联系在一起；杭福深高铁贯通长三角、珠三角、海西经济区；京哈高铁成为哈长经济带、辽中城市群紧密联系的纽带。这些城市群高铁网络密集，是中国名副其实的经济增长极，经济要素传播迅速，通达能力强，带动其经济联系强度整体效应较强。②沿线站点城市经济联系总量差异显著。中国“四纵四横”高铁沿线站点城市经济联系强度均值为37 675.05，位居前10位的沿线站点城市为苏州、无锡、上海、天津、北京、常州、南京、杭州、长沙和嘉兴，这些城市多数位于东部地区，且均超过全国均值水平。此外，这些城市均为高铁网络中多条高铁交汇点，经济要素流动频繁且日趋密化。中部和东北地区的一些沿线站点城市经济联系总量居中，西部沿线站点城市相对落后。西部地区高铁运营受到气候、地形等因素的限制，高铁网络尚未形成，经济要素扩散较为缓慢，致使经济联系强度较弱。③东部地带沿线站点城市经济联系总量显著高于中、西部地带。对沿线站点城市经济联系总量的区域差异程度从三大地带区域层面比较可知，东、中、西三大地带内沿线站点城市经济联系总量极差分别为364 443.28、83 865.52、71 879.33，说明各地带内经济联系差异显著，且东部沿线站点城市经济联系总量地带内差异远高于中西部地区。对于地带间而言，东、中、西地带沿线站点城市经济联系总量均值分别为42 382.21、17 337.34、14 139.75，反映出中、西部地带经济联系总量与东部地带相比差距甚远。

3.2 沿线站点城市经济联系格局

沿线站点城市可达性的提升，其直接空间经济效应为缩短城市间的时空距离，促进城市间经济联系的增强。利用ArcGIS10.0的自然断裂法，将中国“四纵四横”高铁沿线站点城市经济联系强度其划分为5个等级，直观呈现在地图上（图4）。整体看来，中国“四纵四横”高铁的开通对二、三线站点城市经济联系改善程度较大，主要原因可能是一线城市之间地理距离较远，作为中国经济发展核心城市，其经济总量本身处于最高水平，高铁的开通对其经济联系的提升虽然显著，但相比之下提升幅度较小。二、三线城市在各省份占有重要地位，具有较强的经济潜力和实力，随着高铁的开通，缩短与其他城市的空间距离，导致其经济联系强度大幅提升。
图4 沿线站点城市之间经济联系强度

Fig.4 Economic linkage intensity between cities along the high-speed railways

3.2.1 “四纵”高铁沿线站点城市经济联系格局

由图4可知，沿线站点城市经济联系层级差异显著。中国“四纵”高铁中的京沪高铁和杭福深高铁沿线站点城市经济联系强度明显高于京广高铁和京哈高铁。而东部地带主要覆盖京沪高铁和杭福深高铁沿线站点城市，其Ⅰ级经济联系强度包括北京—天津、上海—苏州—无锡—常州以及杭州—绍兴，经济联系强度基本都超过10 000，尤其是上海—苏州—无锡段经济联系强度最高，达到100 000以上。Ⅰ级经济联系覆盖了长三角、京津冀等经济发展水平较高的地区，构成东部地带省市间主要经济联系轴线，但在山东省存在明显的薄弱区，可见在京津冀和长三角两大增长极内部经济联系强度高于二者之间的经济联系。Ⅱ级经济联系强度包括北京—廊坊、南京—苏州、绍兴—宁波、莆田—福州等，其经济联系强度介于5 000~10 000之间。京哈高铁和京广高铁贯穿中部地带，其Ⅰ级经济联系强度主要是京广高铁覆盖的长沙—株洲、武汉—咸宁及北京—保定段，作为中部地带的主导经济轴线，其经济联系强度相对较强，Ⅱ级经济联系强度包括京哈高铁的哈尔滨—长春段及京广高铁的广州—深圳、衡阳—长沙—武汉、岳阳—长沙、武汉—孝感、郑州—新乡、石家庄—保定—北京段等较多的沿线站点城市。中部地带沿线站点城市经济联系强度与东部地带相比整体较低，这与地区经济发展水平和高铁可达性水平有密切关联。整体看来，“四纵”高铁网络中的Ⅰ级、Ⅱ级经济联系的沿线站点城市作为全国经济增长极城市，已经形成了紧密的经济联系圈，这些城市经济规模的提升和经济联系强度的增加，将进一步推进主导轴线的延伸。

3.2.2 “四横”高铁沿线站点城市经济联系格局

由图4可知，“四横”高铁沿线站点城市经济联系强度整体较弱。“四横”高铁虽然起点城市在东部地带，但其主要连接中、西部地带。青太高铁和沪昆高铁的沿线站点城市分布于东、中部地带，但其经济联系强度最高值仅为1 500左右，而沪汉蓉高铁和徐兰新高铁主要沟通中、西部地带，其中Ⅱ级经济联系强度为上海—无锡、西安—咸阳—渭南，仅达10 000左右，且这两条高铁的经济联系强度处于Ⅴ级强度的较多，仅有少数沿线站点城市经济联系强度为Ⅱ级。值得一提的是，沪汉蓉高铁是连接东部和中西部的重要通道，同时加强了武汉等枢纽城市与重庆和成都等重要西部城市的联系。“四横”高铁沿线站点城市经济联系强度较弱的原因在于“四横”高铁主要覆盖的区域为中、西部地带，且以西部地区居多。这些区域地形以山地、高原为主，经济发展水平落后，高铁网络密度与东部相比差距甚远，地带内沿线站点城市最短加权平均旅行时间25h以上，城市之间经济要素流动缓慢、产业联系松散。新疆、青海和宁夏等地区与大部分沿线站点城市的经济联系强度很低，孤立态势较为明显。西藏地区尚未开通高铁，主要通过铁路和公路与外界取得联系。因此，在“一带一路”倡议背景下，西部地带应在现有高铁网络基础上，吸纳新的节点城市，进而提高西部地带沿线站点城市经济联系强度，并培育西部地带的经济联系轴线。

3.3 沿线站点城市经济联系隶属度分析

首先，运用公式测算中国“四纵四横”高铁沿线站点城市经济联系隶属度，确定城市经济联系的主要方向和强弱程度。其次，利用ArcGIS10.0的自然断裂法，将中国“四纵四横”高铁沿线站点城市经济联系隶属度划分为5个等级呈现在地图上（图5）。
图5 沿线站点城市之间经济隶属度

Fig.5 The subordination degree of economic among cities in high-speed railways

为了清晰体现“四纵四横”高铁沿线站点城市经济联系的主导方向，选取经济联系隶属度10%以上的沿线站点城市来探究“四纵四横”高铁沿线站点城市经济联系的轴线方向。由图5可知，京沪高铁沿线站点城市经济联系主要方向为北京—天津—沧州—德州—济南—泰安、北京—廊坊和上海—苏州—无锡—常州—镇江—南京—滁州—蚌埠—宿州—徐州—枣庄，北京、天津、南京、无锡和上海分别为京津冀和长三角地区的核心城市，对周边城市辐射较大，但南京、无锡与江苏省内站点城市产生较强的经济联系隶属度。同时发现，山东省内存在明显薄弱区域，说明京津冀和长山角地区内部沿线站点城市经济联系紧密，二者之间联系较弱。京广高铁沿线站点城市经济联系主要方向为北京—保定—石家庄、新乡—郑州—许昌—漯河、驻马店—武汉—岳阳、孝感—武汉—咸宁、岳阳—长沙—株洲和韶关—广州—深圳，可以发现京广高铁主核城市为武汉，副核城市长沙为京广高铁北部城市主要经济方向，副核城市郑州和石家庄为京广高铁南部城市主要经济方向。京哈高铁沿线站点城市经济联系主要方向为北京—长春—哈尔滨、哈尔滨—长春—四平、北京—朝阳—阜新、铁岭—沈阳—辽阳—鞍山、鞍山—沈阳—长春、铁岭—长春—哈尔滨、大连—营口—沈阳，京哈高铁多数站点城市对长春的经济联系隶属度超过11%，其中哈尔滨（89.20%）和四平（78.46%）最强，其次是沈阳和北京。而且京哈高铁沿线站点城市中有6个城市对沈阳的经济联系隶属度超过18%，有4个城市对北京的经济联系隶属度超过14%，这3个城市构成京哈高铁主要经济联系轴线。杭福深高铁沿线站点城市经济联系主要方向为杭州—绍兴—惠州—深圳、绍兴—汕尾—惠州、杭州—绍兴—宁波、宁波—台州—温州、宁德—福州—莆田和福州—泉州—厦门—漳州，杭福深高铁14个沿线站点城市中有5个城市对福州的经济联系隶属度超过25%，其中宁德（84.80%）和莆田（72.33%）排在前两位。此外，分别有4个站点城市对泉州和宁波的经济联系隶属度超过10%，同时泉州和宁波位于福州的南北两翼，引领南北站点城市主要联系方向。沪汉蓉高铁沿线站点城市经济联系主要方向为上海—苏州—无锡—常州—南京、成都—重庆、宜昌—武汉—荆州和武汉—六安—合肥，沪汉蓉高铁主要站点城市为武汉、南京、苏州和上海，其中上海的主要经济联系为上海至武汉段，更为重要的是，沪汉蓉高铁的开通，加强了武汉与西部重要城市成都、重庆的经济联系。沪昆高铁沿线站点城市经济联系主要方向为上海—嘉兴—杭州、金华—衢州—上饶—鹰潭、长沙—娄底—邵阳、长沙—萍乡—宜昌和鹰潭—南昌—新余，沪昆高铁主核城市为长沙和南昌，副核城市为上饶、湘潭，构成上饶—怀化段主要经济联系方向，而上海主要经济联系为沪杭段。徐兰新高铁沿线站点城市经济联系主要方向为泰安—徐州、郑州—洛阳—三门峡、渭南—西安—咸阳和宝鸡—兰州—西宁，徐兰新高铁主核城市为西安，副核城市为兰州、郑州，虽然西宁和乌鲁木齐与其他城市经济联系较弱，但其承担沿线东西向与其他城市联系的重要角色。青太高铁沿线站点城市经济联系主要方向为青岛—潍坊—淄博—济南—德州—衡水—石家庄—阳泉—太原，青太高铁主核城市为石家庄和济南，与周边的沿线站点城市经济联系紧密，潍坊、德州的影响力较小，均在各自的范围内拥有较大的隶属关系。

4 结论与建议

4.1 结论

本文通过对中国“四纵四横”高铁沿线站点城市可达性及经济联系的探究，识别了高铁网络可达性空间格局及城市间经济联系的主导方向。这不仅有利于明确城市空间布局方向，也有利于协调城市间经济合作，推进区域经济一体化进程。通过本研究得出如下结论：
第一，中国“四纵四横”高铁开通后，整体区域可达性得到优化，高铁沿线变化尤为显著。中国“四纵四横”高铁沿线站点城市加权平均旅行时间Ai平均减少率基本都处于60%左右（除青太高铁）。由综合加权平均旅行时间Ai可知，可达性改善程度存在显著差异，京沪高铁沿线站点城市可达性改善程度最高，其次是京广高铁、沪昆高铁，青太高铁可达性综合改善程度最低，仅为35.80%。
第二，高铁沿线站点城市可达性的改变加速了城市空间格局的重塑，沿线站点城市加权平均旅行时间Ai减少率呈现由东部沿海地区向东北、西北、西南地区递减状态，即可达性水平呈现东中西地带性递减格局，这与我国地形分布表现出高度吻合，华北、长江平原地区可达性最优，中西部山地、高原地区可达性较差。
第三，中国“四纵”高铁沿线站点城市的经济联系总量高于“四横”高铁沿线站点城市，且沿线站点城市经济联系总量差异显著，东部地带沿线站点城市经济联系总量显著高于中、西部地带。同时发现，高铁的开通对二、三线站点城市经济联系改善程度较大，主要原因可能是一线城市之间地理距离较远，作为中国经济发展核心城市，其经济总量处于较高水平，高铁的开通对其经济联系的提升虽然显著，但相比之下提升幅度较小。二、三线城市在各省份占有重要地位，具有较强的经济潜力和实力，随着高铁的开通，缩短与其他城市的空间距离，导致其经济联系强度大幅提升。
第四，经济联系隶属度较强的城市，空间分布上表现为与中心城市相邻的格局。中国“四纵四横”高铁的开通提升了主核站点城市的经济影响力，对周边市县的辐射作用增强，致使沿线站点城市经济联系方向主要以主核站点城市和副核站点城市为中心向外扩散。

4.2 建议

高铁开通降低了沿线站点城市的交通—时间成本，缩短了城市间的时空距离，加快了生产要素的流动，提高了城市间的经济联系强度，使得沿线站点城市的可达性得到大幅提升，沿线区域经济发展得到较大拉动。为了进一步推动高铁沿线站点城市社会经济发展水平，本文依据研究结论，提出以下建议：
第一，充分发挥高铁缩短时空距离，降低运输成本，促进沿线站点城市资源优化配置。在沿线高铁辐射范围内，不同等级的城市需利用可达性的提升和地区优势资源，加速产业结构转型升级，促进创新型产业发展，使区域内不同等级的城市呈现优势互补的格局，最终形成沿线区域小时经济圈。
第二，提升沿线站点城市内部综合交通网络，使内部资源流动得到充分保证。为充分发挥高铁运输的主导作用，保障城市间经济联系更加紧密，有必要加强对高铁以外的交通基础设施建设，优化综合交通布局，改善与高铁相配套的其他交通运输方式，提升与高铁的衔接程度。
第三，完善高铁沿线区域交通网络结构，提升沿线区域（二、三线非站点城市）的可达性。高铁开通前沿线区域长期存在空间阻碍，致使城市对周边区域的辐射能力受到限制。因此，高铁沿线区域要充分利用中国“八纵八横”建设的有利契机，进一步优化交通基础设施规划布局，完善主要公路网和乡镇路网的通达性，加强对外经济联系，依托沿线高铁挖掘核心城市潜力，促进区域一体化发展，同时加快区域核心城市的城际高铁建设，增强核心城市辐射带动作用，为区域科学发展提供交通基础设施保障。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Ortega E, López E, Monzón A. Territorial cohesion impacts of high-speed rail at different planning levels[J]. Journal of Transport Geography, 2012, 24(4):130-141.

[2]
文嫮, 韩旭. 高铁对中国城市可达性和区域经济空间格局的影响[J]. 人文地理, 2017, 32(1):99-108.

[3]
丁秋贤, 朱丽霞, 张辉, 等. 高速铁路对沿线站点城市可达性及经济联系的影响——以汉宜高速铁路为例[J]. 华中师范大学学报:自然科学版, 2015, 49(6):952-957.

[4]
钟业喜, 黄洁, 文玉钊. 高铁对中国城市可达性格局的影响分析[J]. 地理科学, 2015, 35(4):387-395.

DOI

[5]
王丽, 曹有挥, 仇方道. 高铁开通前后站区产业空间格局变动及驱动机制——以沪宁城际南京站为例[J]. 地理科学, 2017, 37(1):19-27.

DOI

[6]
于涛, 陈昭, 朱鹏宇. 高铁驱动中国城市郊区化的特征与机制研究——以京沪高铁为例[J]. 地理科学, 2012, 32(9):1041-1 046.

[7]
丁嵩, 李红. 国外高速铁路空间经济效应研究进展及启示[J]. 人文地理, 2014, 29(1):9-14.

[8]
Sun F, Mansury Y S. Economic impact of high-speed rail on household income in China[J]. Transportation Research Record Journal of the Transportation Research Board, 2016,2581:71-78.

[9]
Chen C L, Hall P. The impacts of high-speed trains on British economic geography:a study of the UK’s InterCity 125/225 and its effects[J]. Journal of Transport Geography, 2011, 19(4):689-704.

[10]
Vickerman R. High-speed rail and regional development:the case of intermediate stations[J]. Journal of Transport Geography, 2015, 42(4):157-165.

[11]
Dai N, Hatoko M. Reevaluation of Japanese high-speed rail construction:Recent situation of the north corridor Shinkansen and its way to completion[J]. Transport Policy, 2007, 14(2):150-164.

[12]
王垚, 年猛. 高速铁路带动了区域经济发展吗?[J]. 上海经济研究, 2014(2):82-91.

[13]
方大春, 孙明月. 高速铁路对长三角城市群经济发展影响评估——基于DID模型的实证研究[J]. 华东经济管理, 2016, 30(2):42-47.

[14]
Cao J, Liu X C, Wang Y, et al. Accessibility Impacts of China's High-Speed Rail Network[J]. Journal of Transport Geography, 2013, 21(28):12-21.

[15]
孟德友, 陆玉麒. 高速铁路对河南沿线站点城市可达性及经济联系的影响[J]. 地理科学, 2011, 31(5):537-543.

[16]
冯长春, 谢旦杏, 马学广, 等. 基于城际轨道交通流的珠三角城市区域功能多中心研究[J]. 地理科学, 2014, 34(6):648-655.

DOI

[17]
穆成林, 陆林, 黄剑锋, 等. 高铁网络下的长三角旅游交通格局及联系研究[J]. 经济地理, 2015, 35(12):193-202.

[18]
王姣娥, 丁金学. 高速铁路对中国城市空间结构的影响研究[J]. 国际城市规划, 2011, 26(6):49-54.

[19]
邹卓君, 郑伯红. 高铁站区与城郊产业园区协同发展研究——以京沪、京广高铁沿线站点城市为例[J]. 经济地理, 2017, 37(3):136-143.

[20]
姜博, 初楠臣, 修春亮, 等. 高速铁路对欠发达地区可达性影响的空间差异——以哈大与郑西高铁为例[J]. 人文地理, 2017, 32(2):88-94.

[21]
侯雪, 刘苏, 张文新, 等. 高铁影响下的京津城际出行行为研究[J]. 经济地理, 2011, 31(9):1573-1 579.

[22]
Coto-Millán P, Inglada V, Rey B. Effects of network econo-mies in high-speed rail:the Spanish case[J]. Annals of Regional Science, 2007, 41(4):911-925.

[23]
Cascetta E, Papola A, Pagliara F, et al. Analysis of mobility impacts of the high speed Rome-Naples rail link using withinday dynamic mode service choice models[J]. Journal of Transport Geography, 2011, 19(4):635-643.

[24]
许春晓, 姜漫. 城市居民出游的高铁选乘行为意向的形成机理——以长沙市为例[J]. 人文地理, 2014, 29(1):122-128.

[25]
Garmendia M, Ureña J M, Coronado J M. Long-distance trips in a sparsely populated region:The impact of high-speed infrastructures[J]. Journal of Transport Geography, 2011, 19(4):537-551.

[26]
倪维秋, 廖茂林. 高速铁路对中国省会城市经济联系的空间影响[J]. 中国人口·资源与环境, 2018, 28(3):160-168.

[27]
郭建科, 王绍博, 李博, 等. 哈大高铁对东北城市经济联系的空间影响[J]. 地理科学, 2016, 36(4):521-529.

DOI

[28]
林上, 冯雷. 日本高速铁路建设及其社会经济影响[J]. 城市与区域规划研究, 2011, 9(3):132-156.

[29]
Froeidh O. Market effects of regional high-speed trains on the Svealand line[J]. Journal of Transport Geography, 2005, 13(4):352-361.

[30]
汪德根. 旅游地国内客源市场空间结构的高铁效应[J]. 地理科学, 2013, 33(7):797-805.

DOI

[31]
Ureña J M, Menerault P, Garmendia M. The high-speed rail challenge for big intermediate cities:A national,regional and local perspective[J]. Urban Planning International, 2011, 26(5):266-279.

[32]
Masson S, Petiot R. Can the high speed rail reinforce tourism attractiveness? The case of the high speed rail between Perpignan (France) and Barcelona (Spain)[J]. Technovation, 2009, 29(9):611-617.

[33]
王欣, 邹统钎. 高速铁路网对我国区域旅游产业发展与布局的影响[J]. 经济地理, 2010, 30(7):1189-1 194.

[34]
Hsiao C H, Yang C. Predicting the travel intention to take High Speed Rail among college students[J]. Transportation Research Part F Traffic Psychology & Behaviour, 2010, 13(4):277-287.

[35]
汪德根, 陈田, 陆林, 等. 区域旅游流空间结构的高铁效应及机理——以中国京沪高铁为例[J]. 地理学报, 2015, 70(2):214-233.

DOI

[36]
汪德根. 京沪高铁对主要站点旅游流时空分布影响[J]. 旅游学刊, 2014, 29(1):75-82.

[37]
Moshe Givoni. Development and Impact of the Modern High-speed Train:A Review[J]. Transport Reviews, 2006, 26(5):593-611.

[38]
汪德根. 武广高铁对沿线都市圈可达性影响及旅游空间优化[J]. 城市发展研究, 2014, 21(9):110-117.

[39]
李保超, 王朝辉, 李龙, 等. 高速铁路对区域内部旅游可达性影响——以皖南国际文化旅游示范区为例[J]. 经济地理, 2016, 36(9):182-191.

[40]
丁金学, 金凤君, 王姣娥, 等. 高铁与民航的竞争博弈及其空间效应——以京沪高铁为例[J]. 经济地理, 2013, 33(5):104-110.

[41]
王姣娥, 胡浩. 中国高铁与民航的空间服务市场竞合分析与模拟[J]. 地理学报, 2013, 68(2):175-185.

[42]
Fröidh O. Perspectives for a future high-speed train in the Swedish domestic travel market[J]. Journal of Transport Geography, 2008, 16(4):268-277.

[43]
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

Options
文章导航

/

〈 〉