基于高速公路流的江苏省交通网络地域分异及影响因素

doi:10.7523/j.ucas.2020.0029

摘要/Abstract

摘要： 基于江苏省高速公路交通流量数据，构建高速公路全年流量模型，利用社会网络分析方法探究各县域的中心性与凝聚子群，结合地理探测器方法从江苏省整体以及苏南、苏中、苏北不同地域范围进行影响因素分析。结果表明：1）从总体上看，全年总流出量和流入量空间分布呈现由苏南向苏北递减的趋势；外出率较高地区分布于苏南—苏中—苏北地区的交界处、全省的边界地区以及苏南地区镇江市和常州市的交界地区；2）以苏州、南京、无锡为核心的苏南地区对全省有较强的交通集聚辐射效应，凝聚子群显示江苏省高速公路网络整体上呈现出“4组团、8片区”的特征；3）探测因子结果显示在省域范围内经济水平、产业结构、汽车保有量、人口规模、基础设施、居民购买力对高速公路流量的影响都较为显著，基于不同区域范围的因子决定力存在差异。

关键词: 高速公路流量, 空间网络分异, 社会网络分析, 地理探测器, 江苏省

Abstract: Based on the data of expressway traffic flow of Jiangsu Province, this paper builds the annual expressway traffic flow model, uses the method of social network analysis to explore the centrality and the agglomeration sub group of each county, and combines with the method of geographical detector to analyze the influencing factors from the perspective of the whole of Jiangsu Province, as well as the southern, central, and northern regions of Jiangsu. The results show that:1) On the whole, the spatial distribution of annual total outflow and inflow shows a decreasing trend from the south to the north; the areas with higher outflow rate are located at the junction of southern, central, and northern Jiangsu, the border areas of the whole province and the junction of Zhenjiang City and Changzhou City in southern Jiangsu. 2) The southern Jiangsu, with Suzhou, Nanjing, and Wuxi area as the core, has a strong traffic concentration and radiation effect on the whole province, and the cohesive subgroups show the characteristics of "four groups and eight zones" of the expressway network in Jiangsu Province in general.3) The results of detection factors show that economic level, industrial structure, car ownership, population scale, infrastructure, and purchasing power of residents all have a significant influence on the expressway flow in the province, and the explanatory power of factors are different in various regions.

Key words: expressway traffic flow, spatial network differentiation, social network analysis, geographical detector, Jiangsu Province

中图分类号:

K902

周健, 靳诚, 李平星. 基于高速公路流的江苏省交通网络地域分异及影响因素[J]. 中国科学院大学学报, 2022, 39(1): 64-73.

ZHOU Jian, JIN Cheng, LI Pingxing. Regional differentiation and its influencing factors of traffic network in Jiangsu Province based on the expressway flow[J]. Journal of University of Chinese Academy of Sciences, 2022, 39(1): 64-73.

参考文献

[1] 沈丽珍, 顾朝林. 区域流动空间整合与全球城市网络构建[J]. 地理科学, 2009, 29(6):787-793.
[2] 马学广, 鹿宇. 基于航空客运流的中国城市空间格局与空间联系[J]. 经济地理, 2018, 38(8):47-57.
[3] Mahutga M C, Ma X L, Smith D A, et al. Economic globalisation and the structure of the world city system:the case of airline passenger data[J]. Urban Studies, 2010, 47(9):1925-1947.
[4] 吴威, 曹有挥, 梁双波, 等. 20世纪80年代中期以来长三角地区货运量动态研究[J]. 长江流域资源与环境, 2011, 20(7):843-847.
[5] Liu C L, Wang J Q, Zhang H. Spatial heterogeneity of ports in the global maritime network detected by weighted ego network analysis[J]. Maritime Policy & Management, 2018, 45(1):89-104.
[6] 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.
[7] 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.
[8] 徐旳, 陆玉麒. 高等级公路网建设对区域可达性的影响:以江苏省为例[J]. 经济地理, 2004, 24(6):830-833.
[9] 柯文前, 陆玉麒, 朱宇, 等. 基于高速公路交通流的江苏省城市空间关联特征[J]. 人文地理, 2016, 31(6):130-136.
[10] 赵珍珍, 柯文前, 杨青. 区域高速公路交通流时空特征解析:以江苏省为例[J]. 经济地理, 2016, 36(2):53-58.
[11] 张家旗, 陈爽, 高群, 等.坦桑尼亚县域与城乡交通通达水平空间格局特征[J].中国科学院大学学报, 2019, 36(6):766-773.
[12] 叶磊, 段学军, 欧向军. 基于交通信息流的江苏省流空间网络结构研究[J]. 地理科学, 2015, 35(10):1230-1237.
[13] 柯文前, 陆玉麒, 陈伟, 等. 高速交通网络时空结构的阶段性演进及理论模型:以江苏省高速公路交通流网络为例[J]. 地理学报, 2016, 71(2):281-292.
[14] 郭卫东, 钟业喜, 冯兴华, 等. 长江中游城市群县域公路交通网络中心性及其影响因素[J]. 经济地理, 2019, 39(4):34-42.
[15] 梅琳, 黄柏石, 敖荣军, 等. 长江中游城市群高速铁路可达性格局及演变[J]. 经济地理, 2018, 38(6):62-68.
[16] 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.
[17] 王姣娥, 景悦, 杨浩然. 高速铁路对国内民航旅客运输的替代效应测度[J]. 自然资源学报, 2019, 34(9):1933-1944.
[18] 杜方叶, 王姣娥, 谢家昊, 等. "一带一路"背景下中国国际航空网络的空间格局及演变[J]. 地理科学进展, 2019, 38(7):963-972.
[19] 柯文前, 陈伟, 陆玉麒, 等. 基于高速公路流的江苏省城市网络空间结构与演化特征[J]. 地理科学, 2019, 39(3):405-414.
[20] 吴威, 曹有挥, 梁双波, 等. 长江经济带航空运输发展格局及对策建议[J]. 经济地理, 2018, 38(2):98-103, 171.
[21] 张璐璐, 吴威, 刘斌全.基于DEA-Malmquist指数的长江三角洲地区公路交通运输效率评价与分析[J].中国科学院大学学报, 2017, 34(6):712-718.
[22] 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.
[23] 陈卓, 金凤君, 王姣娥. 基于高速公路流的东北大都市区边界识别与结构特征研究[J]. 地理科学, 2019, 39(6):929-937.
[24] 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):1339-1352.
[25] 陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式[J]. 地理学报, 2017, 72(2):224-241.
[26] Yaqoob I, Hashem I A T, Gani A, et al. Big data:from beginning to future[J]. International Journal of Information Management, 2016, 36(6):1231-1247.
[27] Neilson A, Indratmo, Daniel B, et al. Systematic review of the literature on big data in the transportation domain:concepts and applications[J]. Big Data Research, 2019, 17:35-44.
[28] 申犁帆, 张纯, 李赫, 等.城市轨道交通通勤与职住平衡状况的关系研究:基于大数据方法的北京实证分析[J].地理科学进展, 2019, 38(6):791-806.
[29] Zhao P J, Hu H Y. Geographical patterns of traffic congestion in growing megacities:big data analytics from Beijing[J].Cities, 2019, 92:164-174.
[30] Wu L L, Chang M, Wang X M, et al. Development of the real-time on-road emission(ROE V1.0) model for street-scale air quality modeling based on dynamic traffic big data[J]. Geoscientific Model Development, 2020, 13(1):23-40.
[31] Li W J, Liang S F, Jiang Y J, et al. Road condition prediction and logistics distribution path optimization algorithm based on traffic big data[J]. Journal of Algorithms & Computational Technology, 2019, 13:1-11.
[32] Chang H H, Cheon S H.The potential use of big vehicle GPS data for estimations of annual average daily traffic for unmeasured road segments[J].Transportation, 2019, 46(3):1011-1032.
[33] 姚士谋, 管驰明, 房国坤. 高速公路建设与城镇发展的相互关系研究初探:以苏南地区高速路段为例[J]. 经济地理, 2001, 21(3):300-305.
[34] 王成金. 中国高速公路网的发展演化及区域效应研究[J]. 地理科学进展, 2006, 25(6):126-137.
[35] 叶宝明, 全华, 李诚固. 论我国高速公路建设和发展[J]. 经济地理, 1994, 14(3):89-92, 96.
[36] 韩增林, 尤飞, 张小军. 高速公路经济带形成演化机制与布局规划方法探讨[J]. 地理研究, 2001, 20(4):471-478.
[37] 牛树海. 高速公路网络化的时空收敛效应研究:以河南省为例[J]. 人文地理, 2005, 20(6):106-110.
[38] 靳诚, 徐菁, 黄震方, 等. 基于高速公路联网收费数据的江苏省交通流动特征与影响因素[J]. 地理学报, 2018, 73(2):248-260.
[39] 柯文前, 陈伟, 杨青. 基于高速公路流的区域城市网络空间组织模式:以江苏省为例[J]. 地理研究, 2018, 37(9):1832-1847.
[40] 陈卓, 金凤君, 杨宇, 等. 高速公路流的距离衰减模式与空间分异特征:基于福建省高速公路收费站数据的实证研究[J]. 地理科学进展, 2018, 37(8):1086-1095.
[41] 柳坤, 申玉铭. 国内外区域空间相互作用研究进展[J]. 世界地理研究, 2014, 23(1):73-83.
[42] 李小建. 经济地理学[M].2版.北京:高等教育出版社, 2006:348-350.
[43] 刘军. 整体网分析:UCINET软件实用指南[M].2版.上海:格致出版社, 2014:1-5.
[44] 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.
[45] 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.
[46] 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.
[47] 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特征[J]. 地理研究, 2015, 34(11):2073-2083.