EN中文

经济地理 >

2019 , Vol. 39 >Issue 3: 57 - 66

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.03.007

城市地理与新型城镇化

基于铁路网的中国主要城市中心性的空间格局

  • 刘承良 , 1, 2, 3 ,
  • 许佳琪 1 ,
  • 郭庆宾 , 4, ※
展开
  • 1.华东师范大学 全球创新与发展研究院，中国 上海 200062
  • 2.华东师范大学 城市与区域科学学院，中国 上海 200241
  • 3.华东师范大学 崇明生态研究院，中国 上海 200062
  • 4.海南大学 经济与管理学院，中国海南 海口 570228
※郭庆宾（1984—），男，山东莒县人，博士，副教授，硕士生导师。主要研究方向为经济地理与区域发展。E-mail：。

刘承良（1979—），男，湖北武汉人，博士，教授，博士生导师。主要研究方向为交通地理与区域创新。E-mail：。

收稿日期: 2018-05-08

  修回日期: 2018-08-25

  网络出版日期: 2025-04-29

基金资助

国家自然科学基金面上项目(41571123)

上海市“浦江学者”人才计划项目(17PJC030)

收起

Spatial Pattern of Urban Centrality on Railway Hub in China’s Mainland

  • LIU Chengliang , 1, 2, 3 ,
  • XU Jiaqi 1 ,
  • GUO Qingbin , 4, ※
Expand
  • 1. Institute for Innovation and Strategic Studies，East China Normal University，Shanghai 200062，China
  • 2. School of Urban and Regional Science，East China Normal University，Shanghai 200241，China
  • 3. Institute of Eco-Chongming，East China Normal University，Shanghai 200062，China
  • 4. School of Economics and Management，Hainan University，Haikou 570228，Hainan，China

Received date: 2018-05-08

  Revised date: 2018-08-25

  Online published: 2025-04-29

Fold

摘要

中国铁路建设进入高速化和网络化发展阶段，从铁路网络视角透视中国城市体系的枢纽—网络结构研究成为热点和前沿。基于此，文章运用复杂网络方法，引入多中心性模型，刻画了中国地级及以上铁路枢纽城市的中心性空间格局：①多中心性指标的宏观空间分布同构，均呈现以“胡焕庸线”为界的东南—西北分异，与经济发展水平和人口规模空间共轭。强度中心性与度中心性空间格局相似，紧密度和介数中心性呈现明显的核心—边缘扩展态势。②综合中心性指标也呈现以“胡焕庸线”为界的分异格局，中心向外围衰减的圈层结构难以打破，且与城市自身的经济发展呈现同配和异配共存。③各中心性指标表现出不同程度的空间集聚，从全局看紧密度中心性空间集聚最强，而度中心性最小；从局部来看，中心性以高高低低空间关联类型居多，空间集聚性较强。

关键词： 中心性; 铁路网; 多中心性分析; 空间自相关; “胡焕庸线”; 铁路枢纽城市; 等级圈层结构

本文引用格式

刘承良 , 许佳琪 , 郭庆宾 . 基于铁路网的中国主要城市中心性的空间格局[J]. 经济地理, 2019 , 39(3) : 57 -66 . DOI: 10.15957/j.cnki.jjdl.2019.03.007

Abstract

Recently, railway construction has entered a stage of high-speed and networking development in China. From the perspective of railway network, researches related to hub-network structure of China's urban system have become a hot issue and frontier. This paper introduces a multi-centrality model in a complex network approach and depicts the spatial pattern of nodal centralities in China's railway network. Results are shown as follows: Firstly, the spatial distribution of railway network in China is extremely uneven, and most of the railway lines are distributed in the eastern and central regions. Secondly, the inter-urban distribution of mutli-centrality is similar. It is obviously observed that there is a gap between southeast China and northwest China bounded by "Hu Huanyong Line", which is similar to the disparities of economic development and population scale. The distribution pattern of urban centrality strength is almost the same as the centrality degree, and the closeness and betweenness of urban centrality both show significant core-peripheral expansion. Thirdly, the urban general centrality shows the southeast-northwest differentiation pattern with the "Hu Huanyong Line" as the boundary. The circle structure that the center attenuates to the periphery is difficult to break, and it also shows both assortative and disassortative phenomenon with urban economy development. Lastly, the central indicators show different degrees of spatial agglomeration. From the overall perspective, the centrality closeness has the strongest spatial agglomeration, while the centrality degree is the weakest one. In the partial aspect, there are four types of spatial aggregation, and spatial aggregation is strong.

Key words： centrality; railway network; multiple centrality assessment; spatial autocorrelation; "Hu Huanyong Line"; railway hub city; rating-circle structure

随着城际交通设施的网络化，中国城市体系的空间格局日益复杂化，不断由核心—边缘式向枢纽—网络式重构。从交通网络视角，透视城市体系空间演化研究受到持续而广泛的关注[1-2]，研究内容聚焦于从交通实体流量和流向视角，刻画城市的中心性、等级性及其城际联系的方向性[3]，研究方法以重力模型和流量分析为主[4]。
近十年兴起的网络科学为衡量城市在网络中的枢纽性和重要性提供系列有效指标[5]，主要包括度中心性、接近度中心性、介数中心性、直接度中心性、效率中心性和信息中心性等多中心性模型[6]。其中，接近度、介数和直接度是测度节点在全局网络中区位性的至关重要指标，与局域的度中心性一起被广泛采纳。
研究对象主要集中于城市道路网络[7-8]、公交网络[9]、海运网络[10-11]、航空网络[12-13]、铁路网络[14]等。内容论及交通网络的拓扑结构特性、鲁棒性或抗毁性[15-16]、交通网络与城市层次性[17]、交通网络空间格局及演化、交通网络与公共服务、产业格局相关性[18]等方面。
近年来，中国铁路运输飞速发展，铁路的“触角”伸展到全国各地，形成了以铁路线为纽带、铁路枢纽为中心的铁路网络。随着铁路的高速化与网络化发展，铁路网络的地理研究成为热点。主要集中于铁路网络的通达性及其影响[19]、高速铁路空间效应[20-21]、空间格局及演化[22-23]。研究方法以通达性模型[24]、问卷调查[25]、网络拓扑分析[26]为主，研究视角以拓扑结构特性及动力学演化分析居多[27]。
综述之，交通网络的空间结构及演化复杂性研究受到强烈关注，尤其集中于城市内部道路网络、公交网络及城际航空网络领域，而铁路网络的复杂性研究相对薄弱。现有铁路网络空间研究则多侧重于铁路网络的拓扑结构特性及通达性，高铁的空间效应及影响，铁路网络的空间格局及演化等领域。基于复杂网络的铁路网络空间异质性研究仍显不足，尤其是缺乏基于多中心性模型的铁路枢纽城市重要性和等级性的空间刻画，及其与社会经济系统的协同关系研究。因此，本文基于全国铁路运营线路图，构建全国尺度下以市域为节点的铁路网络，引入多中心性评价指标，融合GIS探索性空间分析，以探究全国铁路枢纽城市中心性的空间格局及其与社会经济发展水平的配置关系，旨在为中国铁路规划建设及城际交通经济协调发展提供理论参考。

1 数据与研究方法

1.1 数据处理

1.1.1 数据来源及处理

数据来源于2016年2月中国铁路总公司公布的铁路运营线路图（图1）。主要提取各地级及以上城市的铁路客运站及城际铁路线路。可以看到，中国城际铁路网络的空间分布极不均衡。大部分的铁路干线分布在东中部地区，而西部地区铁路覆盖率远小于东中部地区，且集中于少数较为发达的城市，形成以京沪线、京九线、京广线、陇海线等为骨架的铁路网络。随着高铁的不断兴建，其里程与分布密度呈现较大的差异，空间上也主要集中在河南、河北、湖北、山东、浙江和湖南等东中部省份。
图1 全国铁路网络空间分布格局

Fig.1 Spatial distribution of railway network in China’s mainland

海南省岛内铁路网络自成体系，属于特殊的局域网，其中心性在全国范围内不做一般性分析。此外，台湾、香港和澳门数据缺失，不予以考虑。

1.1.2 城际铁路网构建

根据将整个铁路网络抽象描述为一个由点集V和边集E构成的连通图G=（V，E），N=|V|为铁路网络节点（城市）数，M=|E|为铁路网络边（铁路线）数。并对数据进行以下处理：①合并重复节点。部分城市拥有数个火车站，对此进行数据合并处理。②加权处理。对城市边界上运营的不同等级列车分别进行统计，按照高速铁路、快速铁路及普通铁路三种不同等级的列车组运行配置进行加权。定义速度最快的高速铁路权重为3，速度次之的快速铁路为2，速度最慢的普通铁路为1。经过上述处理，建立中国城际铁路网络连通图，其中包含326个节点、512条边。

1.2 多中心性评价模型

中心性在刻画铁路体系空间结构特征中具有基础性的作用。根据地理系统相互作用建构的组织网络确定其中心地的中心性是认知地理系统空间结构特征的基础性工作，也是建构其空间系统的重要组成部分（表1）。
表1 多中心性指标及其含义

Tab.1 The indicates of multiple centrality assessment and its meaning

指标 计算公式 公式解释 实际含义
紧密度中心性 C C i = N - 1 ∑ j = 1 ; j ≠ i N d i j 节点i到其他所有节点平均最短路径的倒数 表示城市在网络中与其他所有城市邻近的程度，甄别城市在铁路运营网络中的重要性
介数中心性 C B i = ∑ j = 1 ; k = 1 ; j ≠ k ≠ i N N j k i N j k 网络中所有最短路径中经过节点i的数量比例 城市在网络中控制其他城市交往的能力，分析城市是否在网络中扮演中间人的角色
度中心性 C i D = ∑ j = 1 N a i j N - 1 节点i与其他节点的关联数与N-1节点可能连接数的比值 衡量一个城市与其他城市铁路联系的情况，揭示该城市在网络中是否处于核心位置
强度中心性 C i S = ∑ j = 1 N a i j w i j N - 1 节点i与其他节点不同等级权重的关联数与N-1节点可能连接数的比值 体现了城市连通速度，更能突出城市在铁路网络中的优势

1.3 综合中心性

随着网络科学的不断发展，多中心性评价模型在交通地理学中得到了广泛的应用，如Porta的交通网络系统可达性研究[28]以及王法辉基于多中心性模型探讨了城市交通中心性和土地利用密度之间的关系[29]。但是多中心性模型并没有将几个中心性指标进行综合考虑，各中心性指标各有侧重，但均不全面。鉴于此，本文基于莫辉辉等[30]在航空网络中提出的系统中心性模型，考察了地理中心性的理论计算方法，并进行了一定的改进，提出综合中心性指标，采用标准化后的强度、紧密度和介数中心性测度：
I C = C c + C B + C S 3

1.4 空间自相关模型

1.4.1 全局Moran's I指数

全局Moran's I指数主要探索各中心性指标在整个区域的空间集聚程度，反映空间临近区域的相似程度：
G l o b a l   M o r a n ' s   I = ∑ i = 1 n ∑ j ≠ 1 n W i j Z i Z j σ 2 ∑ i = 1 n ∑ j ≠ i n W i j Z i = x i - x ¯ σ   ,   σ = 1 n ∑ i = 1 n x i - x ¯ 2
式中：n为单元个数； W i j为空间权重矩阵； x i是在地区i的中心性值； Z i是 x i的标准变换，Moran's I指数取值为[-1，1]，若值在-1~0之间表示空间负相关，等于0表示空间不相关，在0~1之间则表示空间正相关。

1.4.2 局域Moran's I指数

为了更好反映区域空间集聚程度，引入了局部Moran's I，主要探索各中心性指标在局域网的空间异质性：
L o c a l   M o r a n ' s   I = Z i ∑ j ≠ i n W i j ' Z j
式中：如果局部空间自相关系数的数值为正，则说明相同类型属性值的要素在空间上相邻近；若为负值，则说明不同类型属性值在空间上相邻近。而且，该指数的绝对值越大，则说明要素在空间上的邻近程度越大。 Z i和 Z j是区域i和j上观测值的标准化； W i j '是空间权重标准化形式。

1.5 经济发展度模型

选用综合指标法，按照科学性、相对独立性、可比性和可获得性等基本原则，选择13个指标（表2），构建全国市域经济发展度评价指标体系。根据SPSS软件的因子分析结果，将所选取的指标提取出三个主成分。其中，第一主成分（y1）包含了8个指标，主要解释了经济发展水平；第二主成分（y2）包含了4个指标，主要解释了铁路发展水平；第三主成分（y3）只包含了1个指标，主要解释城市发展水平（表2）。在三个主成分的基础上，算出全国市域经济发展度指数：
Y = 0.657 y 1 + 0.235 y 2 + 0.12 y 3
表2 全国市域经济发展度评价指标

Tab.2 The indicates of urban economic development in China’s mainland

指标名称 指标代码
第一主成分 GDP总量 x1
人均GDP x2
地方财政收入 x3
进出口总额 x4
社会消费品零售总额 x6
社会固定资产投资额 x7
在岗平均职工人数 x8
职工平均工资 x9
第二主成分 铁路客运量 x10
铁路客运量占比 x11
铁路货运量 x12
铁路货运量占比 x13
第三主成分 非农产业比重 x5

2 中国铁路枢纽城市中心性的空间分异性

2.1 度中心性：以“胡焕庸线”为界，高值区锁定东南半壁，呈点状镶嵌

基于铁路网络的城市度中心性空间分布呈现明显的东西差异和人口空间耦合性，遵循“胡焕庸线”东西分异格局。总体来看，城市度中心性的高值区主要锁定在东南半壁，且相对集聚，呈现“大集聚，小分散”的格局，其中的个别极值区则呈点状镶嵌（图2a）。度值排名前20的城市全部位于“胡焕庸线”以东，前100中位于“胡焕庸线”以东城市占到96%，相对集中于辽中城市群、中原城市群、鲁苏皖及浙苏皖交界地带、武汉城市圈、成渝城市群、珠三角城市群及海南岛，这些地区大都属于全国或区域铁路枢纽。度中心值的“洼地”（度值为0）广泛连片成带状展布于西南—西北半壁，包括青藏高原、云贵高原等铁路尚未覆盖区（图2b）。究其原因，铁路在“胡焕庸线”以东的地区具有较高的覆盖率，而“胡焕庸线”以西的地区铁路覆盖率相对较低，导致其城市度中心性差异较大。而东部临海地区的度中心性较低是由于这些城市位于东部末端，更多体现的是作为终端节点的收发功能，而与其他城市的直接联系。
图2 全国铁路枢纽城市度中心性的空间分布

Fig.2 Spatial distribution of urban centrality degree in China’s mainland

2.2 强度中心性：与度中心性格局同构，高值区呈一定带状伸展

对比度中心性的空间分布，强度中心性值的空间格局与之趋同，均呈现以“胡焕庸线”为界的东西分异格局（图3a），但其区域差异更加明显，基尼系数和变异系数是度中心性的1.5倍（表3）。与度中心性高值区的块状碎片化分布不同的是，强度中心性高值区域则沿京哈线、京沪线、京九线、京广线、陇海线等铁路骨架呈带状展布，同时也向京津唐、长三角、珠三角、武汉城市圈等高铁发展较快的城市群块状集聚，导致整个强度中心性持续东移和南迁（图3b）。这是由于近年来，“胡焕庸线”以东地区已经进入新建高铁线路的铁路发展新阶段，如京广高铁是纵贯我国南北、辐射范围最广的高速客运通道以及高速化改造后的京哈线等，这些都提高了东部地区城市的强度中心性，而“胡焕庸线”以西地区仍处于传统普通铁路扩建和升级改造阶段，这在一定程度上固化了“胡焕庸线”的空间分界态势。
图3 全国铁路枢纽城市强度中心性的空间分布

Fig.3 Spatial distribution of urban centrality strength in China’s mainland

表3 中国经济水平及各中心性指标的统计特征

Tab.3 The statistics of urban economic development level and its centralities

指标 经济
发展度		 综合
中心性		 介数
中心性		 紧密度
中心性		 强度
中心性		 度中
心性
基尼系数 0.76 0.16 0.63 0.09 0.33 0.22
变异系数 2.87 0.29 1.35 0.16 0.61 0.41

2.3 紧密度中心性：以陕鄂渝为核心的等级圈层结构

中国铁路网络城市紧密度中心性值空间分布也形成了以“胡焕庸线”为界的东南—西北分异格局（图4a），但其基尼系数与变异系数最小（不到0.2），空间分布更加均衡，相对连片形成明显核心—边缘式的等级五圈层结构。其中，第一圈层：位于华北、华中和西北的交界地带，成为核心圈层，包括陕西全域、山西西南、甘肃南端、河南西部、湖北大部以及重庆；第二圈层：由内蒙古、河北、山东内陆、安徽、江西、福建内陆等地区构成，紧密环绕在核心圈层四周；第三圈层：由除辽东半岛外的东部沿海区、云南西部、四川南部以及甘肃北部和新疆东端组成的半包围环状区域；第四圈层：东北三省以及西北大部成为低紧密度中心性区，呈团块状分布；第五圈层：与度值和强度值的“洼地”区范围一致，主要是西藏、云南边境的无铁路覆盖区（图4b）。
图4 全国铁路枢纽城市紧密度中心性的空间分布

Fig.4 Spatial distribution of urban centrality closeness in China’s mainland

从圈层结构的递减速率看，东西方向的递减速率明显高于南北方向。其中，向西递减的速率尤其迅速，这反映了我国中东部与西部地区铁路网络的不均衡发展态势。此外，较高紧密度中心性区存在向东集聚的态势，第一圈层东侧直径明显大于西侧，高紧密度中心性相对集聚分布于中部偏东区域。

2.4 介数中心性：纵贯南北的“X”型分布

铁路网络介数中心性的空间分布格局呈现“X”型分布，高介数铁路枢纽高度集聚于少数地区。整体来看，介数中心性也与其它中心性值格局一样，呈现“中间高、四周低”的分布格局，但其基尼系数和变异系数最大（表3），说明其空间分布极其不均衡。第一，尽管与度值极值区的点状分布分布类似，但介数极值区数量更少且集中于中西交界部局部城市，如重庆、达州等通过川渝线、襄渝线以及渝怀线等实现对中部地区的控制；陕西则通过陇海线连接兰州进而控制了西北、西南地区的普速客运列车资源（图5a）。第二，不同于紧密度高值区的团块状，介数高值区呈现出两条相对集中的带状分布：内蒙西部的阿拉善盟—河南南阳和信阳—湖北随州和黄冈，以及内蒙东部的锡林郭勒盟、赤峰和通辽—陕西全域—重庆市—湖南怀化—广西桂林和柳州。这些城市承担着东中西部地区铁路联通的“看门人”的角色，进而控制了整个中国铁路网络。其中阿拉善盟以及陕西控制了西部地区的铁路网络，湖北、湖南以及重庆控制了中东部地区的铁路网络，河南通过与区域枢纽城市相连成为铁路网络的中转枢纽，锡林郭勒盟、赤峰和通辽等控制了东北地区的铁路网络。第三，与其它中心性值一样，介数值的“低洼”区仍然锁定于铁路尚未覆盖市域和网络边缘节点（边境城市，如云南省的红河洲、玉溪）（图5b）。
图5 全国铁路枢纽城市介数中心性的空间分布

Fig.5 Spatial distribution of urban centrality betweenness in China’s mainland

2.5 综合中心性：锁定东南半壁，呈现较破碎的等级圈层格局

2.5.1 核心圈呈“X”型伸展，高值区与极低值区被空间锁定

综合中心性的空间格局与各中心性空间分布高度同构，基本是各中心性空间分布特征的整合。①以“胡焕庸线”为界的东西分异格局尚存，综合中心性排名前50的城市有96%位于“胡焕庸线”以东，综合中心性排名前100名中也有95%的城市位于“胡焕庸线”以东（图6a）。②极值区和高值区基本锁定于东南半壁的中东部区域，相对集中于河南、山东、安徽、江苏、湖北等省份，成为整个中心性版图的核心区，明显形成与介数中心性类似的“X”带状伸展态势（图6）。③整体的等级圈层结构尚未打破，形成自中心向外围的圈层式递减格局，但相较紧密度中心性圈层格局更加破碎（图6b）。
图6 全国铁路枢纽城市综合中心性的空间分布

Fig.6 Spatial distribution of urban general centrality in China’s mainland

2.5.2 城市综合中心性与自身经济发展水平同构与异配并存

中国主要城市经济与铁路网络的发展水平呈现同配和异配共存的空间配置态势。以市域经济发展度指数与综合中心性值平均值为门槛，比较各铁路枢纽城市经济发展与铁路综合中心性的空间组合关系，划分为低经济发展度—低综合中心性型（112个）、高经济发展—高综合中心性型（21个）、低经济发展度—高综合中心性型（109个）和高经济发展度—低综合中心性型（51个）四类（图7a）。
图7 全国铁路枢纽城市综合中心性与其经济发展度的空间配置

Fig.7 Spatial allocation between urban general centrality and its economy development level in China’s mainland

①低发展度[0~0.53]—低中心性[0.16~0.38]型，属于低水平的空间同配，即经济与铁路发展均处于较低水平，大量分布于西北内陆地区和西南地区，东南半壁则呈零星分布，相对集中于西北的新疆、甘肃，西南的云南、贵州交界，内蒙古的东部，东北的黑龙江北部、吉林大部和辽宁的边界。
②高发展度[0.5~15]—高中心性[0.38~0.8]型，属高水平的空间同配，其经济与铁路发展“并驾齐驱”，主要呈点状分布于一线城市及各省会城市。如北京、上海、广州、重庆等直辖市，及郑州、长沙、杭州、南京、武汉、太原、沈阳、成都等省会城市。
③低发展度[0~0.53]—高中心性[0.38~0.8]型，属低水平的空间异配，即铁路区位条件优于其经济水平，广泛分布于东南半壁，连片高度集聚于中东部，包括山西、陕西、河南、安徽、湖北、湖南、江西等大部，及河北、山东、福建、广西的非沿海城区。
④高发展度[0.5~15]—低中心性[0.16~0.38]型，为高水平的空间异配，经济水平往往优于铁路区位条件，集中分布于东南半壁的沿海地带，包括江苏、浙江、广东及福建的沿海地区，呈条带状分布，少部分零星散布于内陆地区。
总体来看，东南半壁以空间异配型区域为主（图7b），包括经济发展领先铁路的东南沿海地带和铁路优于经济发展的东南内陆地域。西北内陆地区以经济与铁路均落后的空间同配型为主，而经济与铁路“并驾齐驱”型区域范围很小，零星散布于各省份的省会城市。

3 中国铁路枢纽城市中心性的空间集聚性

将中国主要铁路枢纽城市的各中心性指标通过Z统计检验，结果表明：从全局来看，除度值Moran's I指数为5%水平上显著外，其余指标均表现为1%水平上非常显著；所有指标均表现为正相关性，说明相邻枢纽城市间的铁路中心性值在空间分布上相互联系较紧密，呈现不同程度的高高和低低集聚的空间关联性；比较各指标全局Moran's I数值，呈现紧密度中心性>综合中心性>强度中心性>介数中心性>度中心性>社会经济水平的序列，说明空间分异程度最小（基尼系数和变异系数均最小）的紧密度中心性具有最强的空间集聚性，分异程度最高的经济发展水平则表现出最弱的空间集聚性，次之的介数中心性也没有表现出很高的空间集聚性，这从侧面反映了较高的区域差异程度并没有促成明显的空间集聚（表3、表4）。
表4 中国铁路网中心性的全局自相关Moran's I指数

Tab.4 Moran's I index of urban centralities based on global autocorrelation

指标 社会经济水平 综合中心性 介数 紧密度 强度 铁路度
Moran's I 0.06 0.37 0.23 0.80 0.32 0.10
Z值 4.68** 8.70** 5.50** 18.33** 7.35** 2.33*
P值 0.00 0.00 0.00 0.00 0.00 0.02

注：**、*分别代表在0.01、0.05水平上显著。

从局域来看，中国主要铁路枢纽城市大部分形成明显的局域空间集聚，形成四种空间类型（图8）。
图8 各中心性指标的LISA集聚分布

Fig.8 LISA of urban centralities in China’s mainland

①高—高集聚区：这类地区的综合中心性远高于周边地区，是区际铁路交通的重要节点和枢纽。普遍集中在“胡焕庸线”以东的中东部非沿海地带。其中，紧密度中心性和综合中心性的集聚性较强，呈现明显的自北向南的带状展布，多集中分布于北京、山西、河南、湖北、安徽、江西、湖南的大部及交界地带；介数中心性和强度中心性的热点区（高—高集聚区）则稍显分散，呈“大分散、小集聚”的分布格局，形成3~4个集聚组团，主要位于中部省份的交界或边缘地带。
②高—低集聚区：这类地区数量极少，自身的中心性略高于周边地区，但与属于高高集聚区的枢纽节点相比仍然存在差距。各中心性普遍分布零散，点状散布于乌鲁木齐市、张掖市、哈密地区、西安市、西宁市、呼伦贝尔市、大理市等西部省会城市或偏远地区的重要旅游城市。
③低—高集聚区：与高—低集聚区相反，这类地区自身的中心性较低，与周边关联程度较小，属于铁路网络中的高中心性向低中心性的过渡地带。总体而言数量较少，多孤立散布于高—高集聚区以西的中部地区，如巴中市、衡水市、神农架地区、南阳市等。而介数中心性低高集聚区相对集中，位于中部呈现南北走向的条带状格局。
④低—低集聚区：这类地区的中心性与周边同处于较低水平，表现为冷点集聚区。主要分布于“胡焕庸线”以西的青藏高寒区及西北内陆干旱区，呈现明显的连片分布。
总体而言，我国主要铁路枢纽城市中心性以正相关类型（高—高热点集聚区和低—低冷点集聚区）为主，空间同质性特征显著，空间聚集性较强，冷点区高度集聚成连片状，热点区相对破碎呈组团状；负相关类型（高—低集聚和低—高集聚）数量少，无明显集中区域，呈零星分布，即空间异质性特征微弱。

4 结论

本文基于全国铁路运营线路图，构建以地级及以上城市为节点的铁路网络，引入多中心性指标，并以此为基础构建一种综合中心性的计算模型，探究全国地铁枢纽城市中心性的空间格局，结果表明：
①铁路网络多中心性指标宏观空间分布同构，与城市的人口和经济规模具有较高的耦合性，均呈现以“胡焕庸线”为界的东南—西北分异格局。强度中心性与度中心性均属局域连接性表征，其空间格局相似，但强度中心性强化了重要铁路骨架的空间收敛作用和集聚效应，呈现带状分布。紧密度和介数中心性均呈现明显的核心—边缘扩展态势。与紧密度的团块状核心圈不同，介数中心性的等级圈层结构相对碎片化，其核心圈呈“X”型伸展。
②综合中心性指标的空间格局基本与多中心指标的空间分布类似，以“胡焕庸线”为界的东南—西北分异格局尚存，中心向外围衰减的圈层结构难以打破。城市综合中心性与城市自身的经济发展度呈现同配和异配共存的空间配置态势，东南半壁以空间异配型区域为主，包括经济发展领先铁路的东南沿海地带和铁路优于经济发展的东南内陆地域。西北内陆地区以经济与铁路均落后的空间同配型为主。
③各中心性指标在整体网络和局域网络中表现出不同程度的空间集聚性。从全局来看，Moran's I 计算显示城市中心性在空间分布上相互联系较紧密，紧密度中心性的空间集聚性最强而度中心性的空间集聚性最弱。从局部来看，各中心性指标呈现明显的区域空间集聚，并以高高和低低的空间关联类型为主，分布在中东部非沿海地带以及西北内陆铁路未覆盖区。在四种关联类型中低低空间关联分布最广，加快全国铁路的均衡布局仍需要不断努力。
相较于先前的研究，本文以网络科学为基础，引入多中心性评价指标体系，探究了全国铁路枢纽城市中心性的空间格局及其与社会经济发展水平的配置关系，并发现了多中心性指标以及综合中心性的空间分布深受铁路网络布局的影响，与城市人口和经济存在高度的空间同构，为中国铁路规划建设及城际交通经济协调发展提供参考。但本文也存在不足之处，例如在合并火车站点时没有考虑站点的客流量，就进行了统一的归并。在未来的研究中，可以将研究尺度缩小至县级，以此来解决站点合并的问题，同时可以将各县之间的空间距离考虑进来，这对铁路网络乃至各地区的经济发展具有重大影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Goetz A R. Air Passenger Transportation and Growth in the U.S. Urban System,1950-1987[J]. Growth & Change, 2010, 23(2):217-238.

[2]
钟业喜, 陆玉麒. 基于铁路网络的中国城市等级体系与分布格局[J]. 地理研究, 2011, 30(5):785-794.

[3]
刘承良, 余瑞林, 熊剑平, 等. 武汉都市圈经济联系的空间结构[J]. 地理研究, 2007, 26(1):199-211.

[4]
Matsumoto H, Domae K, O'Connor K. Business connectivity,air transport and the urban hierarchy:A case study in East Asia[J]. Journal of Transport Geography, 2016,54:132-139.

[5]
Barabási A-L. The New Science of Networks[J]. Physics To-day, 2003, 6(5):243-270.

[6]
Porta S, Latora V, Wang F H, et al. Street centrality and densi-ties of retail and services in Bologna,Italy[J]. Environment and Planning B, 2009, 36(3):450-465.

[7]
Montis A D, Barthelemy M, Chessa A, et al. The structure of in-terurban traffic:a weighted network analysis[J]. Environment and Planning B:Planning and Design, 2007, 34(5):905-924.

[8]
陈晨, 程林, 修春亮. 沈阳市中心城区交通网络中心性及其与第三产业经济密度空间分布的关系[J]. 地理科学进展, 2013, 32(11):1612-1 621.

[9]
Lee K, Jung W S, Park J S, et al. Statistical Analysis of the Met-ropolitan Seoul Subway System:Network Structure and Passenger Flows[J]. Physica A Statistical Mechanics & Its Applications, 2008, 387(24):6231-6 234.

[10]
Liu C, Wang J, Zhang H. Spatial heterogeneity of ports in the global maritime network detected by weighted ego network analysis[J]. Maritime Policy & Management, 2018, 45(1):1-16.

[11]
Laxe F G, Seoane M J F, Montes C P. Maritime degree,central-ity and vulnerability:port hierarchies and emerging areas in containerized transport(2008-2010)[J]. Journal of Transport Geography, 2012, 24(3):33-44.

[12]
Wang J, Mo H, Wang F, et al. Exploring the network structure and nodal centrality of China’s air transport network:A complex network approach[J]. Journal of Transport Geography, 2011, 19(4):712-721.

[13]
Lin J. Network analysis of China’s aviation system,statistical and spatial structure[J]. Journal of Transport Geography, 2012,22: 109-117.

[14]
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

[15]
Jenelius E, Mattsson L G. Road network vulnerability analysis of area-covering disruptions: A grid-based approach with case study[J]. Transportation Research Part A: Policy and Practice, 2012, 46(5):0-760.

[16]
Lordan O, Sallan J M, Simo P. Study of the topology and ro-bustness of airline route networks from the complex network approach: a survey and research agenda[J]. Journal of Transport Geography, 2014,37:112-120.

[17]
Burns M C, Cladera J R, Bergadà M M. The spatial implica-tions of the functional proximity deriving from air passenger flows between European metropolitan urban regions[J]. GeoJournal, 2008, 71(1):37-52.

[18]
Wang F, Chen C, Xiu C, et al. 2014. Location analysis of retail stores in Changchun,China:A street centrality perspective[J]. Cities, 41(41):54-63.

[19]
Chandra S, Vadali S. Evaluating accessibility impacts of the proposed America 2050 high-speed rail corridor for the Appalachian Region[J]. Journal of Transport Geography, 2014,37:28-46.

[20]
王姣娥, 焦敬娟, 金凤君. 高速铁路对中国城市空间相互作用强度的影响[J]. 地理学报, 2014, 69(12):1833-1 846.

[21]
王姣娥, 焦敬娟. 中国高速铁路网络的发展过程、格局及空间效应评价[J]. 热带地理, 2014, 34(3):275-282.

[22]
孟德友, 冯兴华, 文玉钊. 铁路客运视角下东北地区城市网络结构演变及组织模式探讨[J]. 地理研究, 2017, 36(7):1339-1 352.

[23]
Martí-Henneberg J. European integration and national models for railway networks(1840-2010)[J]. Journal of Transport Geography, 2013, 26(1):126-138.

[24]
王姣娥, 金凤君. 中国铁路客运网络组织与空间服务系统优化[J]. 地理学报, 2005, 60(3):371-380.

[25]
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.

[26]
马学广, 李鲁奇. 基于铁路客运流的环渤海城市空间联系及其网络结构[J]. 经济地理, 2017, 37(5):66-73.

[27]
邓良凯, 石亚灵, 张弘, 等. 城市群城际铁路站点空间网络研究[J]. 城市发展研究, 2017, 24(8):64-70.

[28]
Porta S, Crucitti P, Latora V. The network analysis of urban streets:A primal approach[J]. Physical A, 2006,369:853-866.

[29]
Wang F, Antipova A, Porta S. Street centrality and land use in-tensity in Baton Rouge,Louisiana[J]. Journal of Transport Geography, 2011, 19(2):0-293.

[30]
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.

Options
文章导航

/

〈 〉