基于陆路客运联系的川渝城市客运网络联系格局

(重庆师范大学 地理与旅游学院，重庆 401331)

在高速交通与通讯基础设施的支撑下,区域尺度乃至全球尺度下的城市通过各种类型的“流”形成了紧密的联系网络。城市与区域联系网的网络与流空间日益成为理解当代城市外部关系的重要关键词。Taylor将城市之间的网络关系视为城市的“第二本质”[1]。获取城市之间、具备O-D属性的有效数据成为能否揭示网络时代背景下城市间关系格局的关键。当前获取关系数据主要通过三种途径实

现:模型拟合、参量替代与实测数据。模型拟合主要依赖重力模型及其修正形式[2]。InhoHong、Woo-SungJung利用重力模型对韩国公交系统进行了模拟[3]。参量替代主要通过生产者服务业公司的结构数据来替代。Peter Talyor领导的GaWC研究团队是该领域研究的重要推动者,他们尝试利用法律服务公司网络、航空流网络、高级生产性服务业网络、高档酒店的分布、高等教育机构的分布、全球性媒体的分布、非政府组织的分布、科学文献引用网络、基础设施网络等途径来构建全球城市体系的网络框架。实测数据主要包括抽样调查数据和大数据分析运算。Jiang、Liu利用出租车的GPS轨迹分析了城市空间结构对城市的影响[4,5];Roth等利用伦敦地铁卡数据分析了多中心城市的城市结构[6];龙瀛利用北京市公交刷卡数据分析了职住关系与通勤出行的关系[7];甄峰、王波等通过微博这一影响力巨大的社会媒体平台, 研究了我国的城市网络体系[8]。此外,城市间不同类型的客货运发车车次也是替代实际联系流的有效手段。特别是随着各类互联网票务发售平台的兴起,使车次数据的获取更加便捷,相关研究也不断涌现。钟业喜将列车始发车数量作为属性数据,判定我国城市的等级体系[9];陈伟劲、马学广等借用客运班次信息,表征了珠三角城市联系的空间格局特征[10];冯长春借助城际轨道交通数据,对珠三角城市的功能多中心进行了探讨[11];罗振东、何鹤鸣等选择日常公路客流入手,分析了省域城市间的空间内在关联[12];陈伟等采用多元交通流对我国城市网络层级结构与特征进行了研究[13]。客流是区域联系中能动性较强的联系流,它不但自身承担着信息传播的重要作用,而且可通过地缘与亲缘社会网络进一步渗透,扩展影响其范围,影响城市间商品贸易(货物流)的联系。

当前的研究在地域上主要关注珠三角等沿海城市群,而对作为国家五大城市群之一的川渝城市群关注不够。目前针对川渝城市群联系网络的探讨仅见谭一氵名等采用川渝高级生产者服务业公司的网络研究[14]。而以重化工为主导产业体系的川渝地区是我国西部城镇密度最高、发展条件最好的地区,是全国“两横三纵”城市化战略格局中沿长江通道横轴和包昆通道纵轴的交汇地带[15],是“一带一路”与“长江经济带”两大国家战略的重要衔接点。研究川渝城市群内部的联系状况以及优化配置具有重要的现实意义。本文借助城市间陆路客运车次数据初步揭示川渝城市群客流联系网络的格局,有利于川渝城市群的规划与建设协调,并为微观层面的城市规划或区域规划提供参考与依据。

1 数据与方法

1.1 研究范围

研究范围包括四川省与重庆市行政范围内的所有地级行政单元。本文将汽车客运站的地理位置归属到对应的地市级行政单元。由于重庆主城区与成都三圈层内客运站的设置与行政区划并不一致,且主城区之间存在着地铁、轻轨等高效公共交通体系,区级行政单元之间共享客运市场的现象较普遍,因此分别合并为重庆主城区和成都主城区,故研究单元共有52个(图1)。

1.2 数据来源

本研究搜集了2016年3月24日至4月9日期间的四川省汽车客运票务网(https://www.scqckypw.com/)和重庆市公路客运售票网(http://www.96096kp.com/)每周两天(工作日和非工作日各抽取一天)的双向公路汽车客运数据,并通过“12306”中国铁路客服中心网站搜集2016年7月25日至7月31日列车(普通列车、高铁、动车)的客运数据。研究共收集城市之间具有“O-D”信息的公路客运车辆数据2126条、列车数据922条,并分别根据公路客运联系、列车客运联系和陆路客运总联系建立研究单元之间的联系矩阵。工业总产值、人口数量、GDP等属性数据来源于2015年的《四川省统计年鉴》和《重庆市统计年鉴》。

图1 研究区

1.3 研究方法

本研究利用社会网络分析方法(Ucinet软件)完成相关网络的处理与分析,并利用ArcGIS10.0软件完成制图。社会网络分析是分析复杂网络的经典方法,中心性分析、核心边缘结构分析、最大联系流是常用的分析指标。此外,针对城市与区域网络的特殊性,本研究将不对称性引入到分析框架中。不对称性在一定程度上是城市间内在等级、协作关系的外在表现。

核心边缘结构:该结构是关于区域空间结构与经济发展变化的一个模型结构,包括了核心区域和边缘区域。核心区域和边缘区域共同组成空间系统,核心区域在空间系统中具有支配地位,核心度越高，反映该区域的经济发展越快,具备创新活动的条件越优越。

最大联系流:在客流网络中,根据每个节点的联系方向与联系量的大小依次提取最大向心流和最大离心流。线条粗细代表联系量的大小,联系量越大,表明两地区的联系越紧密。

不对称性分析:网络联系的不对称程度体现着联系主体之间的地位与等级关系。本文将两节点城市间车次往来差值大小与城市等级相结合进行不对称性分析。

2 基于陆路客运联系的川渝城市网络

2.1 网络结构分析

首先,将列车联系矩阵与汽车联系矩阵相加,得到总体陆路客流联系矩阵。其次,分别针对列车联系矩阵与客运汽车联系矩阵做进一步分析。

中心性:从总体陆路客流联系网络来看,重庆市主城区与成都市主城区及周边区县是中心性最高的地区,中心性达2.45以上(图2)。其中,成都主城区高达13.56,重庆主城区达6.32。泸州市、绵阳市、德阳市、内江市、眉山市、资阳市也比较高。川渝城市群两大核心之间的中间地带是中心性较高的区域,尤其是泸州市。

图2 总体陆路客流联系中心性

从公路客流网络来看(图3),成都主城区及其周边区县、重庆主城区中心性明显占优,四川省各城市在中心性方面显著高于重庆市各区县，这与地形条件、主城区吸引范围以及主城与腹地间的关联性强度有关。从铁路客流网络来看(图4),由于川渝地区铁路发展相对滞后,路网结构也不甚合理,铁路的影响范围基本局限在沿线地区，因此城市群北部的城市中心性明显占优势。成都主城区及其周边县市、重庆主城区、达州市、遂宁市、涪陵区的铁路客流网络中心性较高。

核心边缘结构:从总体陆路客流联系网络来看(图5),四川省明显处于核心地位。成都主城区及“成绵乐”发展轴、成渝高速(G85)沿线的资阳、内江等城市与区域在网络中核心度最高,是网络的核心部分。

图3 客车中心度

图4 列车中心度

从公路客流网络来看(图6),成都、绵阳、眉山、乐山、资阳等城市是网络的核心部分,尤其是“成绵乐”发展轴的核心地位突出。从铁路客流网络来看(图7),核心部分仍集中在城市群的北部。成都主城区和川东北的达州、广安、南充、遂宁核心度较高，重庆主城区、万州以及新兴的铁路交通枢纽区县(如合川、涪陵、丰都、石柱等)的核心度较高。

最大联系流:从总体客流网络来看,成都主城区与重庆主城区的辐射范围基本与其省级行政区划边界吻合(图8、图9)，但川东北的达州、巴中、广安主要的客流联系对象却是重庆主城区。从公路客流网络和铁路客流网络来看(图10、图11),公路客流网络的节点层级分布是独立的双中心结构(图12、图13),而铁路客流网络则呈现出轴辐结构模式。这种区别主要是由于铁路客运与公路客运在辐射范围尺度上的差别。川东北的达州、广安、巴中在上述网络中均位于重庆主城区的辐射影响范围。在铁路客流网络中,成渝客运专线的贯通,使成渝两地及其中部沿线的内江等城市的客流联系非常紧密。

图5 陆路客流网络核心边缘结构

图6 公路客流网络核心边缘结构

图7 铁路客流网络核心边缘结构

图8 陆运客流最大向心流网络

图9 陆运客流最大离心流网络

图10 公路客流最大向心流网络

图11 公路客流最大离心流网络

图12 铁路客流最大向心流网络

图13 铁路客流最大离心流网络

不对称性:网络联系的不对称程度体现着联系主体之间的地位与等级关系。客流网络的不对称性一定程度上也反映了人口流动的方向。从公路客流网络来看(图14),以成都主城区和重庆主城区为两大核心,周边分布着大量不对称的联系。其中,成都主城区的不对称联系最明显,与其保持不对称联系的节点城市主要分布在成都的东部和南部,即老成渝线(G85渝昆高速)沿线;成都主城区与泸州市的公路客流联系差值最大,且方向由泸州指向成都。从铁路客流网络来看(图15),不对称性联系主要集中在重庆主城—遂宁—成都一线，差值最大的联系分布在重庆主城区与成都主城区之间。此外,位于成渝两地中间地带的遂宁市与其他城市间不对称联系的分布也较集中。

图14 公路客流网络不对称联系分布

图15 铁路客流网络不对称联系分布

2.2 陆路客流网络的相关性分析

城市间客流大小的影响因素分为宏观因素和微观因素。宏观方面,人口总数是最基本因素。较丰富的就业岗位、较高的收入水平是导致人口集聚的重要因子。微观方面,个体的社会交往圈、社会群体间的文化与社会认同影响城市间客流的大小。迁移个体的性别、年龄、家庭结构等因素也会对客流产生影响。由于数据可获性的制约,本文仅针对川渝城市群影响陆运客流的宏观因素进行初步探讨。

由于历史背景和地理条件的限制,四川盆地制造业在国民经济中占有重要地位,重庆市表现得尤为显著，但铁路交通基础设施的建设水平较国内其他地区相对落后。长期以来,铁路运输在四川盆地内部社会经济发展中起到的作用远不及公路交通。这一点与东北地区的情况有较大差异。近年来,由于高速铁路发展,动车、城际高铁在社会经济中发挥的作用逐渐增强，铁路客运在社会经济发展中的地位有显著提高。因此,本文以工业总产值、人口数量、GDP总量作为代表性因素,运用QAP相关分析方法,探讨陆路客流网络与网络主体的上述属性数据之间的相关性。结果表明:公路客流网络与工业总产值相关性最强(表1),铁路客流网络与GDP总量的相关性最强(表2)。

表1 公路客流网络相关性分析

表2 铁路客流网络相关性分析

3 结论与展望

主要是:①川渝陆路客流网络总体呈现出显著的“T”字型结构。重庆主城区与成都市共同构成网络的两大核心节点,并沿主要的交通线路延展,形成“成绵乐”发展轴与“成渝”沿线发展轴。其中,“成绵乐”发展轴客流网络的发育程度较好,形成了以成都市为中心,绵阳、眉山、乐山为次中心的空间关联体系。得益于成渝城际铁路的贯通,成渝之间的城市在网络中的地位也较高。由于自然地形的限制、环状交通线路建设相对滞后,重庆主城区与周边区县、周边区县之间的联系网络发展相对不足。②重庆市陆运客流网络的辐射范围与行政区划范围不一致。川东北的达州、巴中与广安属于重庆市的辐射范围,应在交通基础设施建设方面进行统一规划、协调建设。③泸州市在未来成渝合作中的地位不容小觑。泸州与成都保持着网络中最大的不对称联系,表明成都对泸州存在着较强的客流引力。考虑到未来渝昆高铁的修建将有望极大促进重庆与泸州的客流联系，届时泸州将可能成长为川渝客流新的汇集地。④铁路客流网络的发育较公路客流网络欠发达。公路客流网络的流量分布虽然存在显著的核心边缘结构,但整体上较均衡。铁路客流网络的客流分布极不均衡,呈明显的“北高南低”。⑤公路客流网络与工业经济发展程度密切相关,而铁路客流网络与经济总量相关性较强。本地区公路客运网络布局应重视工业企业的布局情况,而铁路客流基础设施(尤其是高速铁路的建设)的布局应考虑到途经地的经济发展程度。

本文仅为初步研究,在研究深度、数据采集周期方面均有不足,数据来源包含不够全面,具体表现在:通过汽车客运网站不能搜集到所有区县公路客运点的网络售票情况(尚未接入省级公路客运官网售票的小型站点之间的车次量无法直接获得)，因此研究结果存在一定的误差。此外,对联系格局影响因素的分析有待进一步深入。未来将选取更加多元化的方式继续拓展关系数据的来源渠道,延长数据采集时段,并探讨专门针对多值有向网络的分析方法,以期更加精准地表征川渝城市群的网络格局特征,并逐步实现预测与优化。

[1]Taylor P J.World Cities Network:A Global Urban Analysis[M].London:Routledge,2004.

[2]Harris C D,Ullman E L.The Nature of Cities[J].The Annals of the American Academy of Political and Social Science,1945,242(1)∶7-17.

[3]Inho Hong,Woo-SungJung.Application of Gravity Model on the Korean Urban Bus Network[J].Physica A：Statistical Mechanics and its Applications,2016,462(11)∶48-55.

[4]Jiang B,Yin J,Zhao S.Characterizing Human Mobility Patterns in a Large Street Network[J].Physical Review,2009，80(2)∶1711-1715.

[5]Liu L,Andris C,Ratti C.Uncovering Cabdrivers′ Behavior Patterns from Their Digital Traces Computers[J]. Environment and Urban Systems,2010,34(6)∶541-548.

[6]Roth C,Kang S M,Batty M,etal.Structure of Urban Movements：Polycentric Activity and Entangled Hierarchical Flows[J].PLoS ONE,2011,6(1)∶15-23.

[7]龙瀛,张宇,崔承印.利用公交刷卡数据分析北京职住关系和通勤出行[J].地理学报,2012,67(10)∶1339-1352.

[8]甄峰,王波,陈映雪.基于网络社会空间的中国城市网络特征——以新浪微博为例[J].地理学报,2012,67(8)∶1031-1032.

[9]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.

[10]陈伟劲,马广学,蔡莉丽,等.珠三角城市联系的空间格局特征研究基于城际客运交通流的分析[J].经济地理,2013,33(4)∶48-55.

[11]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.

[12]罗震东,何鹤鸣,韦江绿.基于公路客流趋势的省域城市间关系与结构研究——以安徽省为例[J].地理科学,2012,32(10)∶1193-1198.

[13]陈伟,修春亮,柯文前,等.多元交通流视角下的中国城市网络层级结构[J].地理研究,2015,34(11)∶2073-2080.

[14]谭一氵名,杨永春,冷炳荣,等.基于高级生产者服务业视角的成渝地区城市网络体系[J].地理科学进展,2011,30(6)∶724-732.

[15]郑朝彬.民族文化对构建黔中经济区的作用[J].安顺学院学报,2011,13(3)∶5-8.

[16]Newman M E J.Networks an Introduction[M].Oxford,UK：Oxford University Press,2010.