新长三角城市群交通优势度空间格局分析

金凤花， 杨白玫， 马洪伟

(上海电机学院 商学院, 上海 201306)

城市群本质表现为跨城市——区域系统，是能够产生巨大的集聚经济效益，推动区域经济协调发展的重要载体。现有的城市群空间经济相互作用的方向更多体现为高等级对低等级城市的影响，同层级小城市之间的空间关联效应相对微弱。长江三角洲地区(以下简称长三角)是我国经济最有活力、开放程度最高、创新能力最强、吸纳外来人口最多的东部沿海地区城市群[1]，城市群内城市间联系具备一定的网络化规模，但联系强度仍表现不均衡状态[2]。

城市群相关研究中，吴康敏等[3]基于珠江三角洲地区(以下简称珠三角)城市群规模的测定，结合引力或场强模型分析城市群内部的腹地范围，腹地范围大小受城市发展实力与城市区位的共同影响；王鹏等[4]运用基尼系数、赫芬代尔指数和EG指数，结合珠三角生产性服务业数据，分析城市群空间集聚与扩散的阶段特征和发展规律，并分析集聚分布水平的差异化，以及影响城市群空间集聚的激励因素等；赵祥等[5]分析2001～2013年珠三角城市群城市间经济互动显著增强，但空间格局没有发生显著变化，珠三角城市群大部分城市都形成了正向的产业结构效应，多数城市未形成空间竞争力净效应和空间区位效应，尚不能充分利用其他城市发展带来的积极影响；李琳等[6]对中三角城市群和长三角城市群市场一体化程度进行测定与比较分析，结果表明，中三角城市群市场一体化水平和进程均滞后于长三角城市群，地方保护主义、经济外向度、交通基础设施是影响两大城市群市场一体化的共同因素；贾品荣等[7]运用结合逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS)、灰色关联方法和距离协同模型，比较分析京津冀、长三角、珠三角城市群的低碳协同发展程度，3大城市群低碳协同发展度整体呈现上升趋势；孙黄平等[8]运用耦合协调度模型、空间自相关等方法，分析了泛长三角城市群城镇化与生态环境耦合协调度的空间特征及驱动机制；周惠民等[9]运用时空耦合模型实证分析了长三角城市群金融发展与经济增长间的耦合值存在“核心-外围”的空间分布格局；黄经南等[10]从客运流、信息流2个方面比较分析长三角和武汉城市圈的发展程度，长三角城市群体系已经发育成熟，形成了多级中心结构，武汉城市群仍是单中心结构；王楠楠等[1]以长三角和中原城市群为研究对象，研究比较了两个城市群城市扩张的时空特征和驱动力机制，两个城市群均受到经济因素、人口规模、居民收入、产业结构、交通及地理要素等影响，经济因素是长三角扩张的驱动力，人口因素是中原城市群扩张的驱动力。

已有的研究主要关注城市群空间集聚、空间格局分布、城市扩张影响等方面的因素，对紧密联系城市群的信息流、资金流、物流中的物流体系也有一定的研究，但对交通条件的分析大多是关于交通道路通行里程、通行时间等内容的评价指标，对交通基础设施的可得性、交通服务获得的便利性、交通网络的通达性等方面的影响涉及不多。因此，本文将从空间格局角度，对2016年发展为26个核心城市的新长三角城市群的交通优势度分布情况进行研究，为促进新长三角的经济和物流等体系的均衡发展，促进新长三角向高度一体化的城市群体演化制定相关政策提供科学依据。

1 研究方法

长三角城市群是“一带一路”与长江经济带的重要交汇地带。2016年5月11日，国务院常务会议通过《长江三角洲城市群发展规划》，提出培育更高水平的经济增长极。规划中将长三角原来16个核心城市发展为26个，分别是：上海市，江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城。本文的新长三角城市群以这26市为研究对象。

交通优势度的概念最早由金凤君等[11]提出，是指包含该区域在内的区域系统，或以比对区域、或目标区域、或以理想目标为参照系，该区域交通设施的优劣程度和对经济社会活动支撑能力水平的高低，包括交通设施的发展状态、供给能力和空间差异。借鉴学者王旦等[12-15]的分析思路，本文从交通网络密度、交通干线邻近度、可达性、区位优势等4方面对交通优势度进行分解。

1.1 交通网络密度

交通网络密度Di可以用于反映区域交通基础设施的密集程度，由区域内交通线路长度占区域土地面积的比例来决定，比例值越大，表明区域内交通基础设施网络密集程度越高，对区域内、区域间各类流动介质连通性能的支持能力越强。新长三角城市群的交通基础设施中，公路线路对城市间要素的顺畅流动的贡献程度较为明显，因此，以公路网的相关数据来反映交通网络密度，有

Di=Li/Ai

(1)

式中：Di为新长三角城市群城市i的交通网络密度；Li为城市i的公路通车里程；Ai为城市i的行政区域面积。

1.2 交通干线邻近度

交通干线邻近度Ri用于反映到铁路枢纽、干线公路、港口和机场等交通枢纽设施的邻近程度，将从公路和铁路两个角度来分析。

(1) 公路干线邻近度。以各城市的行政中心为地标中心，从城市地标中心到新长三角城市群其他各城市，到高速公路入口最短行车距离的总和，即

(2)

式中：RGi为城市i的公路干线邻近度；j为新长三角城市群除了城市i以外的其他城市；RGij为从城市i地标中心到城市j的路线中到高速入口的最短行车距离。

(2) 铁路干线邻近度。从城市地标中心到达铁路枢纽的最短行车距离。

由于公路干线邻近度是到其他25个城市高速公路入口最短行车距离的总和，而铁路干线邻近度则是到本市铁路枢纽的最短行车距离，应用时需将其分别进行无量纲处理后取平均值。

1.3 可达性

可达性Ni用于反映各城市利用交通网络在区域内、区域间进行联系的便捷性，本研究为了与交通干线邻近度的分析保持统一口径，从公路和铁路两方面分析可达性。

(1) 公路可达性。结合城市到新长三角城市群其他各城市的最短行车时间来描述公路可达性，其中，利用ArcGIS软件的网络分析功能对公路网进行分析时，借鉴交通优势度相关研究对行车速度的设定，即高速公路100 km/h、国道80 km/h、省道70 km/h。

(3)

式中：NGi为城市i到新长三角城市群其他城市的公路最短行车时间之和；TGij为城市i与城市j之间最短的行车时间。

(2) 铁路可达性。铁路枢纽场站的等级在很大程度上影响着枢纽所能提供的服务水平，在分析各城市到不同等级场站的最短行车时间时，需要为场站赋予服务权重来计算平均行车时间

(4)

式中：NTi为城市i到新长三角城市群其他城市的铁路最短行车时间之和；tTij为城市i与城市j之间铁路最短的行车时间；Pj为铁路场站的权重。

借鉴文献[14]对火车场站的划分方式，并结合城市行政等级、铁路场站的旅客运量、货物运量等数据，设定新长三角城市群铁路场站的权重(见表1)。

表1 长三角城市群铁路场站分级及权重表

1.4 区位优势

区位优势Zi用于反映各城市与新长三角城市群中心城市平均交通距离[12]。将中心城市分为区域中心城市(上海)和省级中心城市(省会)两类，等级不同的中心城市对周边城市的影响程度不同，计算各城市至不同等级中心城市的行车距离进行权重赋值(见表2)，将各城市与区域中心城市和与省级行政中心城市的加权距离分别均一化后进行综合。

1.5 交通优势度

将上述Di、Ri、Ni、Zi等4个指标数据进行整理，并对Ri和Ni进行均一化和正向化处理，将4个指标综合为交通优势度，即

Si=αDi+βRi+γNi+δZi

(5)

表2 区位优势权重表

式中：Si为城市i的交通优势度；α、β、γ、δ分别为Di、Ri、Ni和Zi的权重赋值。

2 新长三角交通优势度格局分析

通过各城市2017年《统计年鉴》、Bigemap软件、ArcGIS软件等获得交通优势度分析指标所涉及的数据，结合式(1)～式(5)进行分析，并利用ArcGIS的自然断裂法，将4方面指标数据划分为5个等级(见图1)。

(1)Di方面，等级布局比较分散，没有表现出明显的区域聚集特点，交通网络密度的数值与城市经济实力的关系不密切。交通网络最为密集的城市包含上海、嘉兴、镇江和常州，这与已有研究所关注的长三角地区3个经济中心上海、杭州、南京的结论有些偏差，交通网络密度第2等级的城市集中在江苏省和安徽省，浙江省除了嘉兴位于第1等级里，其他城市交通网络密度被列入最后2个等级里，城市规模、经济发展水平在浙江省都比较突出的杭州和宁波被列入最后1个序列等级里。

图1 新长三角城市群交通优势度分析

(2)Ri方面，安庆、池州、芜湖、扬州被列入第1等级，表明这几个城市介入交通网络设施媒介最为便利。而且第1等级城市里大部分是属于安徽省，同时属于安徽省的城市均列入前3个等级。上海在这方面未能列入第1等级，江苏省除了扬州列入第1等级，其他城市列入后3个等级，浙江省湖州和杭州列入第2等级，还有3个城市列入第5等级，是4个省级区域中第5等级城市最多的省份。

(3)Ni方面，在空间上表现出明显的“群居”状态，等级相同的城市地理位置邻近。大部分江苏省的城市被列入第2等级，只剩南通列入第3等级；浙江省中的湖州居然是所有新长三角城市中评分最高的城市，其余城市中只有杭州列入了第2等级，舟山由于不具备铁路运输方式，加之特殊的地理区位，其可达性方面在26个城市中表现最差；安徽省的城市在这方面表现出与江苏省“递远递减”的特征。可达性在一定程度上与空间邻近有关，从总体上可看出，以江苏省的城市为中心轴，两侧城市的等级几乎呈现出对称的状态。

(4)Zi方面，可以理解为在区位上从中心城市得益的能力，很多城市的区位优势是相等的，安庆、池州、盐城、台州等城市的区位优势均为0，表明这几个城市距离区域中心城市上海和省级中心城市省会都是相对最远的。除了单纯从数值上比较，从等级梯队来看，仍能表现出“群居”效应。嘉兴受益于与上海和杭州的邻近，其等级与上海相同，其他与区域中心相邻的城市由于与自身的省会距离较远，只能列入第2等级；江苏省与南京相近的城市借助省会的区位，能够进入第3等级，南京尽管与上海距离较远，但凭借自有的省会中心区位，能够保持进入第3等级；由于与区域中心城市距离的权重更高，因此，安徽省城市除了合肥还能凭借省会区位被列入第4等级，其余城市均在第5等级中。

(5)Si方面，对于Si数据的综合，尝试过利用因子分析法进行提炼，但分析后的检验统计量(KMO)统计值仅为0.559，而且提取因子后的数据累计百分比为75.75%，数据信息流失过多，因此在本研究中更合理的是采用式(5)的方式尽量保留数据信息。由于Ri，Ni，Zi，Si均有不可替代的影响，将式(5)中α、β、γ和δ进行等值处理。对Si值先利用聚类分析法分出6个等级，以此等级数为口径，利用ArcGIS软件的自然断裂法进行等级划分(见表3)。

表3 新长三角城市群交通优势度等级表

原有长三角地区表现为“三足鼎立”的城市上海、南京、杭州，加上新纳入的安徽省省会合肥，在交通优势度方面的表现比较出乎意料，省会城市均没有列入前2个等级中，仅列入第3等级。新长三角城市群的交通优势度并没有形成类似经济空间布局的圈层结构，更多表现为分散化的群居状态，而且前3个等级的城市均有“抱团”的现象。尽管部分城市的铁路通行能力有待改善，但最为特殊的是舟山，因不具备铁路运输方式，其Si与其他城市的差异较大，但不能以此片面地下结论评价舟山的Si。

3 结 论

本文借鉴相关研究，将Si分解为Di、Ri、Ni和Zi等4方面，以26个核心城市的新长三角城市群划定研究范围，分析其2016年的Si空间格局，得出以下结论。

(1)Si与城市经济地位关系不密切。无论是Si分解的4方面指标，还是Si综合值，以往被关注的区域和省级中心城市中的杭州、南京并没有表现出原有的突出水准。区位优势是凭行政地位自生的能力，Di和Ni可以在分析经济吸引力和辐射力的基础上，有倾向性地在交通设施建设方面进行政策和投资引导。

(2)Ni和Zi表现出明显的“群居”及“抱团”现象。这从侧面表现出地理区位的邻近，在Si方面能够起到拉动作用，而地理区位除了城市自身的条件外，可以通过Di和Ni的外在条件来改善。将这种“群居”效应范围不断扩大，在同等级城市间相互渗透的基础上，改善“递远递减”的现状并向高等级进化。

(3) 舟山的特殊性既有天然区位的原因，也有本研究的不足。由于水运方面的数据无法实现全面性，研究中仅保留公路和铁路运输，导致舟山在Si的某些方面表现极差。舟山除了不具备铁路运输方式，在公路上已融入上海、杭州3 h经济圈，比较突出的港口吞吐能力是很多城市无法替代的，连续9年位居世界第一，并在2017年年底成为全球首个货物吞吐量超10亿t大港，作为新长三角城市群的开放门户，应进一步发挥水运优势。

(4) 新纳入长三角城市群的安徽省8个城市，在Si、Ni、Di、Zi等方面，并没有突出的表现，甚至在26个城市中经常被划入低等级梯队。8个城市在空间分布于新长三角城市群的边块区域，应在发挥合肥省中心辐射力的基础上，利用地理邻近优势带动Ni和Zi发展，通过优化交通网络布局促进Ri度的提升，不断地缩小与新长三角城市群其他城市的差距。