交通基础设施空间特征参数的多维估计方法

郝京京，张 玲，戢晓峰，郝庆宇

(1.西南交通大学交通运输与物流学院成都610031；2.昆明理工大学交通工程学院昆明650504；3.云南省现代物流工程研究中心，昆明650504；4.长春市市政工程设计研究院，长春130000)

0 引言

当前，国家层面给予了交通领域更多的政策和资金倾斜，极大地促进了交通基础设施的发展.然而，当前交通基础设施的布局规划是典型的政府调控行为，加之我国空间治理方式逐渐由行政区分割管理向区域一体化综合治理转变，导致交通基础设施的空间结构和功能更为复杂.因此，如何精准估计交通基础设施空间属性相关数据，获取其空间发展的规律性特征，为区域交通基础设施规划布局与资源配置提供参数支持和理论依据，是破除当前交通基础设施存量有效利用不足急需解决的关键技术问题.

交通基础设施的空间属性特征一直受到国内外学者的普遍关注，提倡以地理学的视角，构建交通运输活动空间特征的分析方法体系.如文献[1]阐述了货物运输的地理学意义，发现其地理分布存在显著差异；文献[2]通过构建空间耦合协调模型，分析了综合运输可达性与物流经济的空间分异及耦合协调特征，为区域交通基础设施的优化布局提供了新的参考；文献[3]考虑空间溢出效应，通过构建交通基础设施空间溢出理论模型，有效验证了交通基础设施的正向溢出效应.同时，相关学者也逐渐开始关注交通基础设施空间属性特征在区域交通规划中的适用性，提出传统以满足需求为主的区域交通规划中应当考虑交通基础设施空间属性相关数据[4].如文献[5]基于因果检验，对陕西省公路交通资源配置效率进行评估，发现交通基础设施的空间属性数据在区域交通规划中存在不可忽视性；文献[6]运用逐步回归分析方法提出了交通阴影效应，并实际应用于航空货运网络规划中，有效提升了网络整体运行效率；文献[7]基于轴辐理论，考虑物流节点及运输通道的空间影响特征，提出了区域物流网络空间优化的方法体系，有效降低了物流运作成本.

综上，可以发现交通基础设施的空间属性特征一直是地理学及经济学领域的研究重点，分别从空间分异及空间耦合等方面进行系统分析及特征提取，并将其纳入区域交通规划的流程体系.然而，现有研究并未提出空间属性参数的理论概念，也并未形成系统的评估方法体系，难以为区域交通规划及交通资源配置提供精准的参数输入及决策支持.因此，本文在对交通基础设施发展水平评价的基础上，从空间异质性和空间依赖性两个方面，定义空间异质系数和空间依赖系数，建立空间特征参数的多维估计方法体系.

1 模型构建

1.1 问题描述

空间异质性和空间依赖性是地理学研究领域描述某一要素空间发展特征的核心指标，可以全面展现要素的空间属性特征.因此，本文从空间异质特性和空间依赖特性两个方面，定义空间异质系数和空间依赖系数为交通基础设施的两大空间特征参数，构建交通基础设施空间属性参数的多维估计方法，主要包含空间异质系数估计模型和空间依赖系数估计模型.其中，空间异质系数估计模型主要测度交通基础设施发展水平值在不同空间尺度下的空间差异性，反映交通基础设施在空间分布上的波动情况和偏离程度；而空间依赖系数估计模型主要考量不同空间尺度下空间单元间的相互影响力，表征空间单元间交通基础设施相互作用的大小和方向.通过上述两个模型，分别输出空间异质系数和空间依赖系数，作为交通基础设施的两个空间属性参数，用以保证区域交通规划及资源配置兼顾公平和效率.同时，交通基础设施水平的测度是进行空间特征参数建模分析的基础，基于发展实力和发展潜力的双重视角，构建交通基础设施发展水平的评价指标体系，如图1所示.具体数据来源，如表1所示.

1.2 空间异质系数估计模型

引入空间分异理论[8]，按照“内部空间—交互空间—整体空间”的基本思路，构建空间异质系数估计模型，具体模型为

式中：Ii(intra)表示城市尺度下城市研究单元i(或省域尺度下省域研究单元i)的交通基础设施发展水平内部异质系数；Iinter表示城市尺度下城市研究单元间(或省域尺度下省域研究单元间)交通基础设施发展水平外部异质系数；I表示城市尺度下(或省域尺度下)交通基础设施发展水平整体异质系数；yij表示城市研究单元i内县级研究单元j(或省域研究单元i内市级研究单元j)的交通基础设施发展水平评价值；Yi表示城市研究单元(或省域研究单元)i的交通基础设施发展水平评价值；Y表示研究区域整体交通基础设施发展水平评价值；xij表示城市研究单元i内县级研究单元j(或省域研究单元i内市级研究单元j)的质量；Xi表示城市研究单元(或省域研究单元)i的质量；X表示研究区域整体的质量，均用总人口数与人均GDP乘积表示；N表示县级研究单元的个数；M表示城市研究单元的个数.

图1 交通基础设施发展水平评价指标体系Fig.1 Evaluation index system for the development of transportation infrastructure

表1 数据来源Table 1 Data source

1.3 空间依赖系数估计模型

引入空间剥夺理论[9]，基于“全域—局域”的基本思路，构建空间依赖系数估计模型，具体模型为

式中：Moran′sI表示城市尺度下(或省域尺度下)交通基础设施发展水平的全域依赖系数，Zd为其标准形式；Km和Kn代表城市研究单元m和n(或省域研究单元m和n)的交通基础设施发展水平评价值，表示平均值，S2表示方差值；Wmn代表空间权值矩阵，为0-1决策变量，当研究单元m和研究单元n相邻时，取值为1，否则取值为0；k代表研究单元数量.

为进一步分析研究区域中某一空间单元与邻近空间单元间的相互作用方向和大小，计算城市尺度下城市研究单元m(或省域尺度下省域研究单元m)的局域依赖系数.

式中：Moran′sIm表示城市尺度下城市研究单元m(或省域尺度下省域研究单元m)交通基础设施发展水平的局域依赖系数，Z(Moran′sIm)为其标准形式；wmn表示空间权重矩阵的标准形式.

2 实例分析

2.1 交通基础设施发展水平评价

当前，国家层面给予了西部12省等重点地区更多的政策和资金倾斜，大力修建交通基础设施，在此背景下更需要通过估计其交通基础设施的空间属性数据，为“一带一路”及跨境通道等重大交通基础设施规划提供决策参考.因此，选取我国西部12省为研究区域，运用基于主成分的动态因子分析方法，对所收集数据进行降维处理，依据累计方差贡献率大于85%的原则，选取了累计方差贡献率达97.15%的3个因子作为公因子，并采用方差最大法计算得出旋转成分矩阵，如表2所示.

表2 因子特征值、方差贡献率及累计方差贡献率计算结果Table 2 The characteristic value,variance contribution rate and cumulative variance contribution rate of each factor

进一步运用熵权法确定3个公因子的权重值，计算出交通基础设施发展水平评价值，并运用K-均值聚类方法，借助ArcGIS可视化平台，对不同尺度下西部12省的交通基础设施发展水平进行分析.可以看出：省域尺度下交通基础设施发展水平整体上呈现东高西低，并且由东向西逐渐递减的“梯度”型空间分布格局，如图2所示.城市尺度下交通基础设施发展呈现“T”字型空间结构，初步显现多点多级的带状发展格局，如图3所示.

2.2 空间异质系数估计结果

在获取交通基础设施发展水平评价值的基础上，运用式(1)～式(3)分别计算出城市和省域尺度下西部12省的整体异质系数、内部异质系数和外部异质系数，并将模型进行分解，分别计算出内部与外部异质系数对整体异质系数的贡献率，如表3所示.

(1)省域尺度下交通基础设施发展水平的整体异质系数为0.251，空间差异较小，可以发现省域尺度下交通基础设施发展较为均衡，我国区域协调及均衡发展等宏观战略在省级层面取得了较好成效.其中，省域单元内部差异是造成交通基础设施整体差异的主要原因，影响程度在65%以上，反映出省域单元内部受省会城市和经济中心城市的辐射作用明显，普遍呈现极化发展态势.

图2 西部12省省域尺度下交通基础设施发展水平格局Fig.2 The development level in the provincial scale of 12 provinces of western China

图3 西部12省城市尺度下交通基础设施发展水平格局Fig.3 The development level in the city scale of 12 provinces of western China

表3 交通基础设施空间异质系数的计算结果Table 3 The spatial heterogeneity coefficient of transportation infrastructure

(2)城市尺度下交通基础设施发展水平的整体异质系数为0.552，空间差异显著，极化效应明显，可以发现城市尺度下交通基础设施发展具有显著的空间异质特性.其中，城市单元间的差异是造成交通基础设施发展差异的主要原因，影响程度在73%以上.可以看出，随着我国西部地区城市化进程的加快，城市群经济的空间集聚效应逐渐显现，交通投资及设施建设逐渐向经济发展、资源禀赋及区位优势较好的城市集聚.因此，在进行交通基础设施布局规划及优化调整时，应该注重统筹兼顾城市单元间的公平性.

2.3 空间依赖系数估计结果

在获取交通基础设施发展水平评价值的基础上，运用式(4)～式(7)分别计算出省域和城市尺度下的全域依赖系数，并进行显著性检验，如表4所示.

(1)省域尺度下交通基础设施发展水平的全域依赖系数Moran′sI值为0.079，P值为0.055，大于显著性水平0.05，检验结果不显著，可以看出省域尺度下交通基础设施发展的空间依赖性较弱，表明省级单元间交通基础设施发展较为独立，其空间溢出效应不明显.

表4 交通基础设施全域依赖系数的计算结果Table 4 The total domain dependency coefficient of transportation infrastructure

注：带***的数据分别表示在99%置信度下显著.

(2)城市尺度下交通基础设施发展水平的全域依赖系数Moran′sI值为0.179，P值为0.005，小于显著性水平0.01，检验结果十分显著，可以看出城市尺度下交通基础设施发展具有显著的空间依赖特性，其空间溢出效应较为明显.进一步运用式(8)和式(9)计算西部12省131个城市的局域依赖系数，并依据计算结果将其分为4种空间关系，如图4所示.可以看出，交通基础设施的规划布局可以更多关注高高集聚区(HH)和低低集聚区(LL)等空间依赖性较高和正向空间溢出效应明显的城市单元，可以有效带动周围区域的发展，提升交通资源的整体利用效率.

图4 西部12省交通基础设施发展的空间关系类型Fig.4 The spatial relationship type of transportation infrastructure of 12 provinces of western China

3 情景假设分析

为演示交通基础设施空间特征参数对交通资源优化配置的决策价值，借鉴空间计量经济学相关理论，选取国际公路通车里程(X1)、国际货物周转量(X2)、人均GDP(X3)作为解释变量，构建空间滞后模型为

式中：LOGl代表研究单元l的交通基础设施发展水平；δ为空间自回归系数，表示相邻空间研究单元对本空间研究单元的影响作用关系(该影响关系是一个矢量数据)；W为空间权重矩阵；αl及εl分别为常数项和随机误差向量；βh(h=1,2,3)为变量系数，主要反映自变量Xh(h=1,2,3)对因变量LOG的影响；l为研究单元个数.

依据统计数据，对所构建的模型进行求解，并与传统回归模型进行对比分析，结果如表5所示.可以看出，两种模型的拟合优度均高于0.8，具有较好的拟合效果.

进一步进行情景假设分析，假设高高集聚区(HH)和低低集聚区(LL)中城市单元的交通基础设施发展水平分别提升：高(25.0%)、较高(15.0%)、低(5.0%)，计算所带来的整体提升的情况，结果如表6所示.可以看出，3种情境下重庆、南宁、玉树等城市交通基础设施发展水平的提升有效带动了其空间邻接地区交通基础设施不同程度的发展，并促使整个地区发展水平分别提升7.2%、4.1%、2.2%.可以看出，空间异质系数和空间依赖系数等空间特征参数，对交通资源优化配置具有显著的决策价值.

表5 模型求解结果Table 5 Model solution

表6 情景假设分析Table 6 Scenario hypothesis analysis (%)

4 结论

通过构建交通基础设施的空间特征参数多维估计方法，系统获取交通基础设施空间发展的规律性特征，能够为交通运输资源优化配置提供新的参数支持，是对现有区域交通运输规划理论的有效补充.

研究发现：省域尺度下交通基础设施整体异质系数为0.251，空间发展较为均衡，而其全域依赖系数大于0.05显著性水平，空间依赖性较弱，空间溢出效应不明显；城市尺度下交通基础设施整体异质系数为0.552，空间分异特征明显，而其全域依赖系数小于0.01显著性水平，表现出较强的空间依赖特性，并呈现高高集聚区(HH)、高低集聚区(HL)、低低集聚区(LL)、低高集聚区(LH)4种空间发展关系.同时，通过情景假设分析，有效验证了空间特征参数对交通运输资源优化配置的重要决策价值.考虑空间异质系数和空间依赖系数，所建立的交通基础设施空间特征参数多维估计方法在区域交通运输规划领域具有较好的适用性.

[1]HESSE M,RODRIGUE J P.The transport geography of logistics and freight distribution[J].Journal of Transport Geography,2004,12(3)：171-184.

[2]戢晓峰,郝京京,陈方.综合运输可达性与物流经济的空间分异及耦合[J].交通运输系统工程与信息,2015,15(5)：24-31.[JI X F,HAO J J,CHEN F.Spatial differentiation and coupling between integrated transport accessibility and logistics economy[J].Journal of Transportation Systems Engineering and Information Technology,2015,15(5)：24-31.]

[3]张学良.中国交通基础设施促进了区域经济增长吗——兼论交通基础设施的空间溢出效应[J].中国社会科学,2012,37(3)：60-77.[ZHANG X L.Has transport infrastructure promoted regional economic growth?With an analysis of the spatial spillover effects of transport infrastructure[J].Social Sciences in China,2012,39(3)：60-77.]

[4]《中国公路学报》编辑部.中国交通工程学术研究综述·2016[J].中国公路学报,2016,29(6)：1-161.[Editorial Department of China Journal of Highway and Transport.Review on China traffic engineering research progress：2016[J].ChinaJournalofHighway and Transport,2016,29(6)：1-161.]

[5]芮夕捷,宋宇萌.基于Granger因果性的陕西公路交通资源配置效率研究[J].中国公路学报,2017,30(9)：133-141.[RUI X J,SONG Y M.Research on allocation efficiency ofhighway transportation resources in Shaanxibased on granger-causality[J].China Journal of Highway and Transport,2017,30(9)：133-141.]

[6]KHAULA A ALKAABI,KEITH G DEBBAGE.The geography of air freight：connections to U.S.metropolitan economies[J].Journal of Transport Geography,2011,19(3)：1517-1529.

[7]郝京京,戢晓峰.云南省物流网络空间优化研究[J].交通信息与安全,2015,33(4)：119-126.[HAO J J,JI X F.Space optimization of logistics network in Yunnan province[J].JournalofTransportInformation and Safety,2015,33(4)：119-126.]

[8]付鑫,杨宇,孙皓.出租汽车出行轨迹网络结构复杂性与空间分异特征[J].交通运输工程学报,2017,17(2)：106-116.[FU X,YANG Y,SUN H.Structural complexity and spatial differentiation characteristics of taxi trip trajectory network[J].Journal of Traffic and Transportation Engineering,2017,17(2)：106-116.]

[9]戢晓峰,欧思嘉,陈方,等.快速城市化地区公共交通的空间剥夺特征研究[J].交通运输系统工程与信息,2015,15(6)：33-38.[JI X F,OU S J,CHEN F,et al.Spatial deprivation characteristics of public transportation in rapid urbanization area[J].Journal of Transportation Systems Engineering and Information Technology,2015,15(6)：33-38.]