高铁路网下长三角城市群经济联系格局研究

李 刚，岳 悦

高速铁路是指设计时速250公里以上，并且初期运营时速200公里以上的客运列车专线铁路[1]。根据《中长期铁路网规划(2008年调整)》，到2020年全国建成1.2万千米以上的高速铁路，基本实现所有省会和50万人口城市的互联互通，覆盖全国90%的人口[2]。随着高速铁路的快速发展，高铁对城市间可达性的影响引起了学者们的关注[3-4]，与其他交通方式相比，高速铁路的优势和影响力不断显现[5]，高铁路网下区域经济发展的格局与趋势也随之发生变化。相关研究主要涉及高铁对国内主要城市(群)经济可达性的影响[6-7]、客流结构支撑下高铁经济的辐射效应[8]、城市群视角下空间联系与城市扩张的关联分析[9]、国外地区高铁网络结构和高铁沿线城市的可达性水平[10-12]等内容。研究范围涉及国家、省域、区域经济带等[13-15]，其中以旅游经济联系[16-17]居多。研究方法上，学者们修正和改善原始重力模型[18]，运用地缘经济关系理论、城市引力模型、城市流模型等[19]，探讨了地缘经济关系、经济联系强度、城市群流强度。

已有的研究为笔者提供了一定的指导和参考。但从研究视角来看，单独从高铁这一交通工具入手对经济联系的研究并不多，对高铁交通流的空间特征分析也较少；从研究方法来看，多数研究侧重点与线等空间要素的静态分析，缺乏总量的动态分析。笔者想在这两方面做一些探索。

一、研究对象、研究方法与数据来源

(一)研究对象

2018年11月长三角一体化上升为国家战略。国家级“八纵八横”高速铁路运输网中，京沪通道、沿海通道、陆桥通道、沪昆通道、沿江通道等5条线均经过长三角区域，长三角城市群高铁的发达密集程度居中国各大城市群之首。2016年6月，国家发改委发布《长江三角洲城市群发展规划》(以下简称《规划》)，正式提出将安徽省部分城市纳入长三角城市群。本文以长三角城市群26个城市为研究对象。

表1 城市综合实力评价体系

(二)研究方法

1.综合实力评价

借鉴前人对经济质量模拟测度的方法[20]，运用复合指标测算城市综合实力，遵循可行性、可靠性、全面性的原则，构建城市综合实力评价体系(见表1)，测算长三角26个城市的综合实力。运用SPSS21.0软件对数据进行Z-core标准化处理后，通过主成分分析确定公因子及各指标权重，计算各变量的综合得分，表征城市的综合实力。

2.加权平均旅行时间测算

为了反映城市间人员、资金、信息等要素的流动难易程度，综合考虑交通基础设施状况和经济社会发展程度，采用加权平均旅行时间[21]测度区域可达性水平。

(1)

3.赫希曼-赫芬达尔指数与集中化指数分析

借助赫希曼-赫芬达尔指数HHI及集中化指数CI测算长三角城市群铁路交通流空间分布情况[22]。

(2)

式中，ci表示城市i日交通流量占区域内日交通总流量的比重，m表示开通高铁的城市数量。HHI、CI的值介于0和1之间，越接近1表示铁路交通流越趋于集中，而越接近0表示铁路交通流越趋于分散。

4.修正引力模型

利用城市综合实力指标体系和最短旅行时间修正引力模型[23]测度城市间经济联系强度。

(3)

式中:Rij表示i、j两城市间的经济联系强度；Pi、Pj分别表示城市i、j的综合实力；Ri表示城市i对外联系强度总量；Lij为经济联系隶属度，表示城市i、j的经济联系强度占城市i对外经济联系强度总和的比例，代表长三角城市群高铁路网下各城市经济联系的主要方向。

(三)数据来源

年末常住人口、地区生产总值及固定资产投资额等数据，来源于2018年《中国城市统计年鉴》《安徽省统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《上海市统计年鉴》。互联网用户总量、专业技术人员数等数据则从区域内各市统计年鉴和公开发布的统计公报等渠道获取。此外，借助爬取查询网(www.ip138.com)收集全国高铁列车时间信息和运行频次，并利用中国铁路客户服务中心网站(www.12306.cn)获取客运流数据和最短旅行时间。将涵盖G、D开头的高铁站经停班次信息筛选出来[24]，查询并收集城市群内各站点间的最短旅行时间。若两城市间没有直达的高铁路线，则选择距始发城市出行时间最短的城市中转，将两段时间的平均值作为两城市间的最短旅行时间。舟山没有火车站，盐城与城市群内其他城市基本无直达高铁或火车，故将舟山、盐城剔除；宣城虽无高铁站，但与其它城市可以通过普通火车转高铁的方式联系，故未将其剔除。

二、长三角城市群高铁路网通达性

(一)加权平均旅行时间测算

由长三角城市群各城市综合实力得分Pj(见表2)可知，上海高铁路网通达性在长三角城市群中处于绝对领先水平。长三角地区高铁路网通达性水平排名前十的城市中，江苏占6个，浙江占2个，安徽仅合肥市1个。由可达性值Ai与可达性系数Ai′(见表3)可知，在不考虑舟山和盐城的情况下，长三角24个城市的最短旅行时间总和为67.67小时，加权平均值为2.82小时。南京的加权平均旅行时间最短，为1.78小时，是长三角城市群平均值的63%。加权平均旅行时间最长的是宣城，为3.99小时，是长三角城市群平均值的141%。由可达性系数可知，可达性优于长三角平均水平的地级市有15个，低于平均水平的有11个。南京、无锡、苏州、常州4个城市的可达性系数均小于0.8，位于第一等级，优于区域内平均水平。杭州、上海、湖州、扬州、嘉兴、合肥、镇江、马鞍山、滁州、芜湖、绍兴可达性系数大于0.8且小于1，位于第二等级，较优于区域内平均水平。其余城市可达性系数均大于1，位于第三等级，低于区域内平均水平。从各省可达性系数高于平均水平的城市数量占比来看，上海市可达性系数高于区域内平均水平，其余省份内各市级单元可达性系数从高到低依次为：江苏最高，然后是浙江和安徽。其中，江苏9个城市中有6个城市的可达性系数高于城市群内部平均水平，占总数的66.7%，浙江和安徽均有4域个市高于城市群平均水平，占总数的50%。

表2 长三角城市群内各城市综合实力得分与可达性水平

(二)可达性空间分异特征

图1 长三角城市群可达性空间格局注：底图来自全国地理信息资源目录服务系统/1∶100万全国基础地理数据库(图2、3、4同)

为更直观地了解长三角城市群区域可达性空间分异特征，采用ArcGIS10.2 的Spatial Analyst模块对长三角城市群市级单元的可达性系数进行普通克里金插值[25]处理，结果如图1。核心区包括南京、无锡和苏州三市直线连接处及周边的部分地区。这个区域东扩展至上海，西扩展至合肥，其加权平均旅行时间为1.78～2.28小时，核心区外的时间等值线比较稀疏，由于盐城、舟山两市沿线没有高铁经过，可达性水平明显低于其他区域。可达性最差的为安徽省的边缘地带池州、宣城，其加权平均旅行时间为3.67～4.00小时。总体上，长三角城市群可达性水平呈环形但不规则状从中心向四周逐渐扩大，形成以南京、苏州、无锡的江苏三市密集区为核心，逐步向外围递减的核心-边缘分布特征。

京沪、沪宁高铁沿线的南京、苏州、常州、无锡以及沪杭、宁杭高铁沿线的杭州、绍兴、嘉兴等地可达性均高于城市群内部平均水平。金华、台州、安庆等地由于高铁线路较少，与核心区的差距较大，交通地位不高。城市群内部的可达性呈现 “多中心”特点，并沿高铁轴线向外发展。上海、南京、无锡、苏州、杭州等一批高铁网络核心站点城市逐渐产生，长三角内部高铁网络体系也在多中心点带动下逐渐形成。

(三)铁路交通流空间格局

将城市间高速铁路的日交通流数据代入式(3)，得出高铁网络下交通流的HHI值为0.076 398，CI值为0.034 416。HHI和CI的值都趋于0，说明长三角城市群内高铁交通流的空间分布呈现较为均衡的状态。基于区域内城市间高速铁路站点的日运营频次，利用ArcGIS10.2将长三角高铁路网下的交通流空间分布进行可视化处理，结果如图2。

图2 长三角城市群高铁路网下日交通流分布

从图2可以看出，交通流聚集规模相对集中在经济的龙头城市上海的南北两翼，上海的交通流量占区域内交通总流量的12.9%，上海的北翼城市如合肥、马鞍山、南京、镇江、常州、无锡、苏州等，其交通流总量占整个区域内交通流总量的48.8%，其中仅南京所占比例达13.5%，与上海不相上下；湖州、嘉兴、杭州、绍兴、宁波、金华、台州等作为上海的南翼城市，汇集的交通流量占整个区域内交通流总量的27.7%。其中，杭州的交通流量较高。相对来说，安徽的部分城市在交通流聚集规模中流量较小。

三、高铁路网下长三角各城市经济联系分析

(一)经济联系强度和隶属度分析

图3 高铁路网下长三角城市群经济联系强度

根据式(3)得出高铁路网下各城市的经济联系强度和隶属度数值。城市群内部联系强度位居前列的有苏州与无锡，杭州与绍兴，无锡与常州。相对于高铁核心区南京、上海与苏州来说，镇江、滁州、马鞍山、芜湖、常州、扬州、合肥、无锡、上海、湖州与南京联系强度较大；苏州、嘉兴、无锡、杭州、常州、南京与上海经济联系强度较大；上海、无锡、常州、镇江、嘉兴与苏州经济联系强度较大。宁-苏-沪长三角对外经济联系核心区进一步强化。

将区域内城市间的经济联系强度进行可视化处理，结果如图3。高铁路网下各城市的经济联系强度呈现出明显的不均衡特征和等级层次性。上海、南京、苏州为多核心区域，区域内城市联系紧密的网络体系凸显，无锡、杭州两市也与周边紧密相连，形成复杂的经济联系网络。在城市群内部，距离核心城市最短旅行时间两小时之内的城市，两地间联系紧密性更明显。高铁边缘城市台州、宣城、南通对外经济联系较弱，同时城市群边缘城市与非边缘城市形成的经济联系网络相对松散。虽然高铁路网下人们的出行时间被缩短，但核心区和边缘区的差距正被继续拉大。

图4 高铁路网下长三角城市群经济隶属度

同理，对隶属度进行可视化处理后，可将其划分为五个等级(如图4)，分别为：小于2.05%的联系，2.05%～5.23%的联系，5.23%～10%的联系，10%～50.73%的联系、大于50.73%的联系。其中，隶属度低于10%的城市间联系较为集中和紧密，涉及多个城市且向不同方向延展。以经济隶属度10%为界，得出各城市经济联系的主要方向：上海→苏州→无锡→常州；南京→镇江→常州→无锡；湖州→杭州→嘉兴→上海→苏州；宁波→绍兴→杭州→湖州；南通→泰州→扬州→南京；金华→嘉兴→杭州→绍兴；台州→宁波→绍兴→杭州；扬州→南京→镇江→常州；南通→扬州→南京→无锡；安庆→池州→铜陵→芜湖→南京；宣城→芜湖→马鞍山→南京；滁州→南京→马鞍山。

总体来看，上海与江苏省的经济联系最为密切，联系比重为60%左右。江苏省域内城市间经济联系占其总量的68%，是城市群内部经济联系的中心区。相似地，浙江省的经济联系也以省域内城市间联系为主，占其经济联系总量的51%。而安徽省的内部联系或与其他城市间联系均处于落后位置。高铁路网下，城市群中心城市辐射力以高铁轴为导向，不同程度地向周围扩展，临近的城镇与中心城市不仅在地域空间上相互临近，而且在功能上相互配合，形态上呈现圈层结构。高铁对外经济联系的作用逐渐增强，高铁枢纽城市的经济地位进一步凸显，核心区与高铁沿线城市的经济联系尤为紧密，高铁轴线发展为经济轴线，长三角城市群呈现出多样性的经济联系发展方向。

(二)经济联系总量分析

24个域市对外经济联系总量差异较大，位于前三位的分别为无锡、苏州、南京。其中，无锡经济联系总量占区域间经济联系总量的12.52%，是经济联系总量最小的台州的30倍，苏州经济联系总量占区域间经济联系总量的11.50%；南京经济联系总量占经济联系总量的10.19%。区域内24个城市与南京、苏州、无锡、上海、杭州5个区域中心城市保持着较高的经济联系，与常州、绍兴、镇江、芜湖、扬州、宁波、合肥等地级市经济联系也较为密切，总体呈现出“区域中心城市—外围城市—边缘城市”的梯度结构。这些地级市在积极吸取区域中心城市的成果和接受辐射力的同时，也不断发挥自身的地缘优势，向外辐射能量，促进城市群形成层次分明的梯度结构。

城市间联系强度与城市间距离高度相关，高铁沿线城市中短距离的联系频次尤其高。在高铁网络核心站点城市逐渐形成的过程中，京沪、沪宁等高铁线路使得沿线区域可达性明显高于其他地区。前五名城市的经济联系强度总量处于遥遥领先的位置，成为高铁时代的经济增长极，成为人流、物流传输流动的关键和桥梁。这些城市均为高铁路网内重要的中心节点或多条高铁交汇点，经济要素流通频繁且日趋紧密。外围地区如扬州、绍兴、宁波、合肥等城市围绕核心区域分布，在核心区域的辐射带动下发展。台州、金华、宣城等地高铁路线较少，一直处于城市群的边缘区，失去了邻近的地理优势，受中心城市的辐射影响相对较小，与其他城市的经济联系较松散。

四、结论与建议

实证研究表明：第一，高铁路网下的长三角城市群内部可达性较高，铁路交通流的空间分布趋于均衡，高铁枢纽城市的交通优势明显。除了上海这一中心城市，南京、无锡、苏州逐渐形成 “三点”格局，可达性水平呈环形且不规则状从中心向外围逐步递减。可达性沿高铁轴线辐射，集聚作用与扩散作用相对均衡，非高铁城市和边缘城市的区域交通地位受阻明显。第二，高铁路网下长三角城市群内部经济联系强度总量差异较大，网络密度较高，集群优势不断显现，网络结构趋于稳定，区域一体化进程加快。区域内存在明显的“区域中心城市—外围城市—边缘城市”梯度结构特征。第三，在高铁路网推动长三角区域经济一体化发展中，城市可达性与对外经济联系呈现高度正相关。宁-苏-沪核心区、无锡、杭州既是区域的交通中心，也是区域的经济联系中心，核心地位得到强化。逐渐完善的高铁路网也给常州、镇江、绍兴等三四线城市带来空前的发展机遇，而台州、金华、宣城等高铁边缘城市的交通和经济功能作用微弱，且面临被进一步弱化的风险。

为此，需将增强城市的辐射影响力，加强核心城市对边缘城市的带动作用放在首位。强化基础设施建设，构建专业化平台建设通道，提升服务能力，留住经济资源。在发展壮大核心区的同时，继续深化城市群内部的基础设施建设，尤其是交通轴线的发展，以带动区域经济的整体发展。安徽的几个城市在经济发展及道路优化问题上面临着严峻考验，需要提高城市的交通流补给，提升交通功能地位，抓住时机积极快速融入长三角城市群。

为加快长三角城市群一体化发展，促进资源要素快速流动，需要完善苏北、浙南、皖东的高铁网络体系；促进区域中心城市与外围城市、边缘城市的合作与交流，防止枢纽城市同质化竞争；挖掘外围城市潜力，激发区域经济扩散效应。上海、江苏、浙江和安徽之间须共同为消除城市群内部的行政壁垒做出努力，优化资源配置，积极吸引外资，淡化行政区划保护意识，以“同合作、同发展、同受益”为目标，提升长三角城市群协同合作利益最大化的发展路径，促进长三角城市群一体化发展。