龍振　覃松濤

摘要 隨著城市化進(jìn)程不斷加快，鐵路在我國客運(yùn)市場競爭優(yōu)勢進(jìn)一步增強(qiáng)。基于2015—2018年鐵路站間客運(yùn)量數(shù)據(jù)，在深入分析全國鐵路客流時空特征基礎(chǔ)上，深入挖掘了主要城市群客流時空分布特征。主要結(jié)論有：①歷年鐵路客流在出行距離為50～150 km范圍內(nèi)出行距離最大，2018年出行距離-客運(yùn)量關(guān)系為y=26593e?0.002x，R方達(dá)到了0.94;②鐵路客運(yùn)周轉(zhuǎn)量集中在100～400 km范圍，是鐵路效益最大的區(qū)間;③各城市群鐵路內(nèi)部出行比例逐年遞增，人均出行次數(shù)逐年遞增，內(nèi)部平均出行距離除京津冀城市群外逐年遞減。

關(guān)鍵詞 鐵路;客流特征;城市群;時空分布

中圖分類號 U293.13 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-8949（2022）06-0032-03

引言

隨著城市化進(jìn)程不斷加快，未來大部分人口的就業(yè)、居住以及經(jīng)濟(jì)聚集于城鎮(zhèn)化地區(qū)，這決定需要大容量、快速化的軌道交通系統(tǒng)作為支撐。鐵路特別是高速鐵路以其速度等優(yōu)勢，在旅客出行過程中起到關(guān)鍵作用[1]。同時通過多層次軌道交通融合銜接，鐵路在高密度、大流量的中短途客運(yùn)市場中的競爭優(yōu)勢進(jìn)一步增強(qiáng)。根據(jù)有關(guān)數(shù)據(jù)統(tǒng)計，2019年，鐵路客運(yùn)周轉(zhuǎn)量市場份額為41.6%，位居各種交通方式首位[2]。

另一方面，我國城鎮(zhèn)化正朝著以城市群為依托的方向發(fā)展，城市空間格局也逐漸呈現(xiàn)組團(tuán)式發(fā)展形成城市群[3]。面向未來，城市群發(fā)展不僅是我國城鎮(zhèn)化的戰(zhàn)略，更關(guān)系到我國社會經(jīng)濟(jì)發(fā)展競爭力質(zhì)量，更是我國交通強(qiáng)國建設(shè)的主要落實(shí)空間區(qū)域[4]。因此，在對全國鐵路客流特征分析的基礎(chǔ)上，有必要對主要城市群的客流特征進(jìn)行分析。

該文基于2015—2018年鐵路客運(yùn)量數(shù)據(jù)，在分析全國鐵路客流時空特征的基礎(chǔ)上，挖掘主要城市群客流時空分布特征。

1 全國鐵路客流時空特征分析

1.1 數(shù)據(jù)類型與處理

該文數(shù)據(jù)源為2015—2018全國鐵路站間客流量。為分析鐵路客流時空分布特征，采用了網(wǎng)絡(luò)爬蟲方法，通過高德API（Application Programming Interface）爬取了客運(yùn)站點(diǎn)坐標(biāo)并進(jìn)行空間校正檢驗(yàn)。鐵路站點(diǎn)之間的出行距離來源于全國鐵路列車運(yùn)行圖數(shù)據(jù)與高德API。首先根據(jù)鐵路運(yùn)行圖數(shù)據(jù)，找到兩個鐵路站點(diǎn)所在的同一條車次，并基于此找到兩個站點(diǎn)之間真實(shí)鐵路出行距離。但由于運(yùn)行圖不斷調(diào)整，部分站點(diǎn)之間的出行距離并未依此邏輯找出，故通過高德地圖API爬取了站點(diǎn)之間采用公共交通方式所需出行距離，用于估計站點(diǎn)間的出行距離。

數(shù)據(jù)預(yù)處理完成后，將帶有起終車站經(jīng)緯度的2015—2018全國鐵路站間客流量數(shù)據(jù)導(dǎo)入GIS（Geographic Information System）分析軟件ArcGIS中可視化，即可得到全國鐵路客流時空分布情況。在此基礎(chǔ)上，通過站點(diǎn)與城市群之間的空間映射，得到重要城市群之間與內(nèi)部的客流時空特征。

1.2 歷年全國鐵路客流變化特征分析

2015—2018年全國鐵路客運(yùn)量與平均出行距離分布如圖1所示。從圖中可以看出：

（1）客運(yùn)總量從2015年的261 456.7萬人增長到2018年的337 322.2萬人，年平均增長9.67%，客流增長趨勢較為明顯。

（2）鐵路客運(yùn)平均出行距離從2015年的498.48 km下降到2018年的446.40 km，年平均減少3.48%，鐵路平均出行距離逐年遞減。

從歷年客運(yùn)量隨距離波動情況來看，曲線線性基本沒有變化：客運(yùn)量最大的出行區(qū)間均為50～150 km;從出行距離為50 km開始，出行距離與客運(yùn)量之間呈現(xiàn)指數(shù)分布的分布形式，故對此進(jìn)行函數(shù)擬合如表1所示。2016—2018年函數(shù)擬合度R方均大于0.9，其中2018年擬合度達(dá)到了0.94，擬合程度很高。分析歷年分布函數(shù)形式，指數(shù)取值均為?0.002，系數(shù)取值范圍為26 000左右。該部分的研究有利于剖析客流在空間距離上的分布特點(diǎn)，為鐵路客流量預(yù)測以及鐵路網(wǎng)規(guī)劃建設(shè)提供參考。

針對2018年鐵路客運(yùn)量分布，客運(yùn)量最大的區(qū)間50～150 km范圍占比達(dá)到28.0%，60%的鐵路客運(yùn)分布在350 km范圍內(nèi)，80%的鐵路客運(yùn)出行分布在700 km范圍內(nèi)。為反映鐵路運(yùn)行效益分布，分析2018年鐵路客運(yùn)周轉(zhuǎn)量分布。鐵路客運(yùn)周轉(zhuǎn)量超過1 000億人公里為100～400 km范圍，占比達(dá)到了全客運(yùn)周轉(zhuǎn)量的22.1%， 60%的鐵路周轉(zhuǎn)量分布在1 100 km范圍內(nèi)，80%的鐵路周轉(zhuǎn)量分布在1 700 km范圍內(nèi)。

1.3 全國鐵路出行空間特征分析

為直觀反映鐵路客流在空間上的分布特點(diǎn)，在ArcGIS軟件中進(jìn)行可視化展示，2018年全國鐵路客運(yùn)OD分布調(diào)查得知，其中短途客流主要集中在廣州-深圳、天津-北京、上海-杭州等方向，中長途客流主要集中在成都-重慶、長沙-廣州、石家莊-北京、蘇州-上海、北京-上海、成都-西安等方向。

鐵路客流形態(tài)基本呈現(xiàn)“四極+中心”的分布特征，對應(yīng)到城市空間即為我國的五大城市群：京津冀城市群、長三角城市群、粵港澳城市群、成渝城市群以及長江中游城市群。鐵路客流主要發(fā)生在城市群內(nèi)部以及城市群之間的交流，因此為進(jìn)一步分析我國鐵路客流時空分布特征，有必要針對這五大城市群進(jìn)一步分析城市群鐵路客流特征。

2 主要城市群鐵路客流特征分析

2.1 研究區(qū)域概述

關(guān)于中國城市群的數(shù)量以及范圍，目前行業(yè)內(nèi)外尚未形成統(tǒng)一意見，但對于該文所討論的五個重點(diǎn)城市群依舊達(dá)成了共識[5]。成渝城市群、長江中游城市群以及長三角城市群均有對應(yīng)的城市群規(guī)劃，該文以城市群規(guī)劃所劃定的范圍作為研究區(qū)域，而京津冀城市群與粵港澳大灣區(qū)范圍則以目前常用的范圍來劃定。

五大城市群的基本信息表如表2所示，從表中可以看到：

（1）除去面積最大的長江中游城市群及面積最小的粵港澳大灣區(qū)外，另外三個城市群面積規(guī)模相當(dāng)。

（2）長三角城市群經(jīng)濟(jì)人口相較于其余四個城市群具有較大優(yōu)勢。

（3）京津冀城市群在鐵路站點(diǎn)個數(shù)以及覆蓋率方面優(yōu)勢明顯，長江中游城市群與長三角城市群在鐵路基礎(chǔ)設(shè)施建造方面還有較大提升空間。

2.2 2018年主要城市群鐵路客流特征分析

通過鐵路站點(diǎn)與城市群的空間映射，將鐵路站間客流量轉(zhuǎn)化為城市群之間的客流量。2018年主要城市群鐵路客流特征分析結(jié)論如下：

（1）長三角城市群2018年鐵路內(nèi)部交流量最大，達(dá)到3.8億人次，其次是長江中游城市群，第三梯隊為成渝、京津冀與粵港澳三個城市群。通過相關(guān)性分析，鐵路發(fā)送量以及城市群內(nèi)部交流量與對應(yīng)城市群GDP的皮爾森相關(guān)系數(shù)（Pearson correlation coefficient）分別達(dá)到0.973、0.975，在0.01水平（雙側(cè)）上顯著正相關(guān)，說明經(jīng)濟(jì)因素對鐵路客運(yùn)量的影響很大。

（2）長三角城市群鐵路旅客發(fā)送量最大，達(dá)到5.6億人次，占全國鐵路旅客發(fā)送量的16.6%，第二梯隊為長江中游、京津冀、粵港澳三個城市群，分別占全國鐵路旅客發(fā)送量比例為10.6%、9.6%、8.4%，最后是成渝城市群，占比為6.4%，五大城市群總占比達(dá)到51.6%，占全國鐵路客流一半以上。

（3）五大城市群之間交流最緊密的前三位為長江中游-粵港澳、長江中游-長三角、京津冀-長三角。長江中游城市群因地處中部地區(qū)，與周邊城市群交流便捷，故城市群間的交流較為活躍，而成渝地處西南，路網(wǎng)相對邊緣，故與周邊城市群交流相對較少。

（4）成渝城市群因地形因素以及在路網(wǎng)中的邊緣性緣故，內(nèi)部出行比例最大，達(dá)到了0.74，其次是長三角城市群，因內(nèi)部各城市產(chǎn)業(yè)聯(lián)系緊密，聯(lián)系活動頻繁，內(nèi)部出行比例達(dá)到0.68。其余三個城市群內(nèi)部出行比例也均超過0.5，說明鐵路客運(yùn)出行有一半以上發(fā)生在城市群內(nèi)部，符合城市群同城化與一體化的綜合定位要求。

（5）京津冀城市群平均出行距離最大，為294.1 km，最小為粵港澳大灣區(qū)，為90.8 km。通過相關(guān)性分析，內(nèi)部平均出行距離與站點(diǎn)個數(shù)的皮爾森相關(guān)系數(shù)達(dá)到0.967，顯著相關(guān)，而與面積的相關(guān)系數(shù)為0.557，相關(guān)性不大，并不是面積越大，平均出行距離越大。京津冀城市群平均內(nèi)部出行距離大源于北京憑借首都的區(qū)位優(yōu)勢，中心化傾向明顯，吸引著大量周邊城市前往北京從而造成中長距離出行較多。而粵港澳大灣區(qū)平均出行距離僅有90 km，主要原因是廣州-佛山、廣州-珠海、深圳-東莞、廣州-深圳這種中短出行達(dá)到城市群內(nèi)部交流的67.2%，同城化現(xiàn)象明顯。其余城市群內(nèi)部平均出行距離在180 km左右，與都市圈半徑大致相同，反映其城市群內(nèi)部出行主要表現(xiàn)為核心城市與周邊城市交流，符合城市群多核發(fā)展的發(fā)展模式。

（6）粵港澳大灣區(qū)人均出行次數(shù)最大，達(dá)到4.5人次/年，最小為京津冀城市群，為2.28人次/年。城市群人均出行次數(shù)基本隨著內(nèi)部平均出行距離的增大而減少。

3 結(jié)論

該文基于2015—2018年鐵路客運(yùn)量數(shù)據(jù)，在深入分析全國鐵路客流時空特征基礎(chǔ)上，挖掘了主要城市群客流時空分布特征。主要結(jié)論有：

（1）歷年鐵路客流在出行距離為50～150 km范圍內(nèi)出行距離最大，2018年出行距離-客運(yùn)量擬合曲線為y = 26 593e?0.002x，擬合度達(dá)到了0.94。

（2）鐵路客運(yùn)周轉(zhuǎn)量集中在100～400 km范圍，是鐵路效益最大的區(qū)間。

（3）隨著國家新型城鎮(zhèn)化建設(shè)的加速推進(jìn)，各城市群鐵路內(nèi)部出行比例逐年遞增，人均出行次數(shù)逐年遞增，除京津冀城市群外平均出行距離逐年遞減，鐵路客流空間分布更為聚集。

為更好發(fā)揮鐵路客運(yùn)主力軍的作用，需要統(tǒng)籌四大板塊，推進(jìn)三大區(qū)域戰(zhàn)略，城市群將成為未來鐵路客運(yùn)量增加的重要動力。城際鐵路和市域鐵路作為支撐“軌道上”的城市群發(fā)展的關(guān)鍵基礎(chǔ)設(shè)施，也是做大鐵路中短途客運(yùn)市場的重要依托，未來發(fā)展?jié)摿薮??？偠灾?，針對我國鐵路客流時空分布特征相關(guān)分析研究還需更加深入，為鐵路更好發(fā)揮支撐引領(lǐng)作用和增強(qiáng)戰(zhàn)略保障能力提供理論基礎(chǔ)。

參考文獻(xiàn)

[1]徐彩睿，但婷，何靜，等.高鐵聯(lián)網(wǎng)背景下城市可達(dá)性空間格局演變[J].現(xiàn)代城市研究，2020（2）：61-66.

[2]王小榮，張玉召，張振江.鐵路快捷貨運(yùn)物理網(wǎng)絡(luò)結(jié)構(gòu)特性分析[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2021（1）：132-136.

[3]黃超，呂穎，劉蘇.城市群城際鐵路線網(wǎng)規(guī)模測算及適應(yīng)性研究[J].鐵道工程學(xué)報，2016（2）：80-84.

[4]徐涵，聞克宇，王龍.我國主要城市群鐵路客流特征研究[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2020（6）：42-47.

[5]方創(chuàng)琳，毛其智，倪鵬飛.中國城市群科學(xué)選擇與分級發(fā)展的爭鳴及探索[J].地理學(xué)報，2015（4）：515-527.

收稿日期：2022-01-13

作者簡介：龍振（1995—），男，碩士研究生，助理工程師，研究方向：大數(shù)據(jù)在交通規(guī)劃中的應(yīng)用。

基金項(xiàng)目：中鐵第四勘察設(shè)計院集團(tuán)有限公司科技研究開發(fā)計劃項(xiàng)目“綜合交通大數(shù)據(jù)分析決策平臺開發(fā)（I期）”（2020D022）。