腹地-口岸可达性格局演化及其空间溢出效应分析

李杰梅，高丽，祁婧洁，尹琪

(昆明理工大学，交通工程学院，昆明 650504)

0 引言

近年来，基于一带一路的互联互通建设以及《推进物流大通道建设行动计划(2016—2020年)》提出的加强国内11条物流大通道与边境口岸的衔接等一系列战略的规划实施，极大地促进了我国内陆地区出境大通道的发展，推动内陆腹地城市连接各边境口岸的开放通道网络逐渐完善。打通内陆腹地与出境口岸衔接的主要通道，形成内陆交通网与开放大通道互联互通的格局是新时期我国加快内陆开放步伐、构筑内陆开放新高地的重大举措。探索腹地城市与边境口岸衔接的通达程度和空间溢出效应的演化特征及其形成机制，对于我国未来开放大通道建设及规划，实现开放大通道与腹地经济协同优化管理具有重要意义。

伴随着贸易全球化及国际互联互通等的发展，港口、机场等枢纽与腹地可达性测算引起学者的关注。Claude等[1]借助引力模型研究了美国货物联运到达东西海岸及墨西哥湾各大港口的可达性；Ferrari 等[2]运用双约束形式重力模型对港-腹空间可达性进行了探讨。董洁霜等[3]构建了港口与腹地的集疏运系统阻抗模型。韩增林等[4]对东北地区港口内陆空间可达性进行综合测度。

然而，已有成果缺乏对腹地城市衔接边境口岸可达性的综合测评，且重视个案分析，缺少对不同地区、不同时期可达性的比较研究。因此，本文构建腹地-口岸可达性测度模型，获取其演化的时空特征及形成机制；运用泰尔指数分析其空间差异特征及其产生的原因；基于空间马尔科夫链分析其空间溢出效应，以期为中国制定开放大通道发展战略提供参考依据。

1 研究区域、研究方法与数据来源

1.1 研究区域

以2013年行政区划为准，扣除个别数据获取困难的城市，以全国336个地级及以上城市作为内陆腹地的样本。同时，依据《国家口岸发展“十三五”规划》中提出的国家一类口岸，除去待建和未建成口岸，选取30个口岸作为研究单元，如图1所示。

图1 研究区域Fig.1 Research area

1.2 研究方法

1.2.1 腹地-口岸可达性测算模型

腹地-口岸可达性反映腹地城市连接边境口岸的通达性，一般认为腹地城市与边境口岸的空间距离直接影响其可达性，距离越远通行时间越长，可达性越差；城市内道路的连通程度决定着人流、物流的集疏运便捷程度，也会对腹地可达性产生重要影响；外向连接度则决定了腹地城市对外交流的运输便利性[5]。因此，腹地-口岸可达性的主要影响因素可概括为腹地与口岸间空间距离、腹地城市内道路连通程度和对外通达性这个因素[6]。本文在已有研究的基础上[7]，定义腹地-口岸综合交通可达性测度模型为

式中：Ai为城市i的腹地-口岸可达性；Si为腹地i的路网连通度，以城市单位面积公路通车里程衡量；Ki为腹地i的外向连接度，用与腹地i直接相连的其他节点数目来表示；Ti为腹地i与边境口岸的最短旅行时间；Tij1和Tij2分别为腹地i与边境口岸j的公路和铁路最短旅行时间；w1、w2分别为公路、铁路两种运输方式的权重；n为边境口岸的数目；、、分别为Ti、Si和Ki的平均值。

1.2.2 基于泰尔系数衡量腹地-口岸可达性的空间差异

为衡量腹地-口岸可达性的区域差异，根据Theil 等[8]提出的Theil 系数计算方法并结合周亮等[9]的研究，构建以经济发展水平为权重的可多层次分解的Theil系数为

式中：T为Theil 系数，用于测度腹地-口岸可达性的总体差异，其值越大，表示差异化程度越大；A和G分别为全国的腹地-口岸可达性和GDP 发展水平；Am和Gm分别为第m省区的可达性和GDP；Amn和Gmn为第m省区内第n城市的可达性和GDP。

对Theil 系数进行一阶段分解，总体差异可分解为省际差异和各省份内地级市差异，即

式中：TB为省际差异；TW为各省地级市间的差异。

1.2.3 基于空间马尔可夫链分析腹地-口岸可达性的空间溢出效应

空间马尔可夫链由空间滞后与传统马尔可夫法相结合而形成，它将传统转移矩阵分解为条件转移矩阵。通过对比空间与非空间矩阵中相对应的元素，得出腹地-口岸可达性类型转移的概率与周围相邻城市间的关系，揭示以不同类型城市为邻时可达性类型转移的空间溢出效应[10]，公式为

式中：Prs,t+1(k)、Prs,t(k)分别为t+1年、t年以k为空间滞后条件下第k种类型的概率矩阵；Wk为空间权重矩阵；N为K×K阶转移矩阵；mrs,t为转移矩阵N的元素，表示t年到t+1年某城市可达性所属类型由r转变为s的概率；nrs为t年份属于r类型在t+1年份转移为s类型的城市数量之和；nr为所研究年份中属于r类型的城市数量。

1.3 数据来源

本文研究时段为2008—2019年共12年，数据来源如表1所示。

表1 数据来源Table 1 Sources of data

2 结果分析

2.1 腹地-口岸可达性空间格局演化

运用式(1)和式(2)分别测算各城市腹地-口岸可达性，采用ArcGIS 自然断裂点分级法将其分为低值区(Ai＜0.15)、中低值区(0.15≤Ai＜0.81)、较高值区(0.81≤Ai＜1.81)和高值区(Ai≥1.81)，并选择一带一路之前5年(2008年)、一带一路提出(2013年)、一带一路之后3年(2016年)、一带一路之后6年(2019年)这4个时点刻画一带一路影响下腹地-口岸可达性的空间格局演化，如图2所示。

图2 2008—2019年腹地-口岸可达性空间格局演化Fig.2 Spatiotemporal evolution of hinterland-port accessibility

(1)腹地-口岸可达性高值区沿主要运输通道延伸并逐渐衰减，2008年高值区主要分布在京广和京沪通道沿线。2013年后向一带一路沿线扩散趋势明显，陇海、沿江、沪昆等横向运输通道沿线城市可达性提升明显；2019年通往边境地区的京哈、宝昆、陇海-兰新、沪昆等沿线城市以及中国-中南半岛、中印孟缅和新亚欧大陆桥等通道上的昆明、成都、咸阳等均进入高值区。

(2)腹地-口岸可达性空间分布出现“飞地”现象，综合经济实力较强的城市和城市群可达性也较优。2008、2013、2016和2019年省会城市平均可达性为1.12、1.95、2.74和3.61，明显优于非省会城市，分别为0.60、1.01、1.40和1.87。同时国家级城市群优于区域性城市群，区域性城市群优于地方性城市群。如图3所示，随时间的推移，高值区城市围绕最初的优势区域不断扩展，集中连片发展特征明显。

图3 中国城市群腹地-口岸可达性Fig.3 Hinterland-port accessibility of urban agglomeration

(3)腹地-口岸可达性逐年优化，区域差异逐年减小。2008—2019年间平均值从0.71增至2.63，增长3.7 倍，可达性得到明显改善。高值区城市数量从25个增至166个，低值区和中值区的城市数量则从220个降至90个，如表2所示。

表2 腹地-口岸可达性各区间城市数量Table 2 Number of cities in each section

2.2 腹地-口岸可达性空间差异分析

基于式(3)和式(4)对全国336个城市腹地-口岸可达性的总体差异、省际差异和城际差异进行测算，结果如图4所示。

由图4可见，腹地-口岸可达性的总体差异、省际差异和城际差异均以2013年为界，呈现先减少后增加的“V”型变化特征。2013年前引起总体差异的主要原因为省际差异，2013年后则为城际差异。究其原因，随着全国各地大规模建设交通基础设施，可达性差异不断减小，但由于各省经济发展水平差异较大，省际可达性差异也较大。伴随着一带一路倡议的提出和逐步实施，相较于其他城市，一带一路沿线城市交通基础设施得到较好的发展，如图5所示。

图4 腹地-口岸可达性差异变化Fig.4 Evolution of hinterland-port accessibility differences

图5 腹地-口岸可达性平均增长率Fig.5 Growth rate of hinterland-port accessibility

同时，一带一路重点省份，如四川、广西、陕西、甘肃、青海、吉林、广东、山东、浙江等省份城际可达性差异均在2013年后逐年增大，如图6所示。

图6 中国各省份可达性城际差异Fig.6 Inter-city accessibility differences

进一步对中国四大区域腹地-口岸可达性的组内和组间差异进行分析，如图7所示。

图7 四大区域腹地-口岸可达性差异贡献度Fig.7 Contribution degree of accessibility difference

结果表明：①西部城市腹地-口岸可达性空间非均衡程度最大，对总体差异的平均贡献度达0.32，其次为东部(0.28)、东北(0.17)和中部(0.04)。可见，东部和西部地区内部交通设施发展不均衡是造成腹地-口岸可达性空间差异关键之所在。②西部城市间的腹地-口岸可达性差异贡献率逐年减小，差异指数由2008年的0.164 降至2019年的0.118；东部城市差异贡献率逐年上升，差异指数由0.118 提升至0.183。2016年起东部地区的差异贡献率超过西部，之后一直保持最大并呈快速增加趋势。在一带一路倡议、西部大开发等国家战略引导下，西部一些原本处于交通发展劣势的地区成为对外开放的前沿阵地，交通基础设施不断完善，区域内差异逐渐缩小。东部地区存在较强的交通、经济等空间集聚特征，所产生的“虹吸效应”使区域差异不断拉大。③东北城市间的差异呈减少-增加-再减少的波动变化特征；中部地区内部可达性差异最小。

2.3 腹地-口岸可达性的空间溢出效应

基于式(5)和式(6)计算腹地-口岸可达性的空间马尔可夫转移矩阵，揭示其动态空间溢出效应，如表3所示。表中对角线上的元素表示腹地-口岸可达性类型未发生转变的概率，非对角线上的元素则表示类型发生转变的概率。

表3 腹地-口岸可达性类型的空间马尔可夫转移矩阵Table 3 Spatial Markov transfer matrix of hinterland-port accessibility type

由表3可知：①高可达性城市具有显著的正向溢出效应。初始类型为低可达性的城市与高可达性城市相邻时，其类型向上转移的概率显著大于与较高、中等和低可达性城市相邻时的概率。具体地，2008—2013年低可达性城市与高、较高、中等和低可达性城市相邻时其类型向上转移的概率分别为0.108、0.061、0.078 和0.049。2014—2019年为0.164、0.149、0.061 和0.043。可见，可达性类型发展受其相邻城市可达性溢出效应的影响，具有可达性类型发展的路径依赖。②2014—2019年腹地-口岸可达性类型向上转移的平均概率为0.104，整体高于2008—2013年的平均概率0.074，表明国家一带一路等战略对腹地-口岸可达性具有显著的促进作用。

进一步借助ArcGIS 软件对腹地-口岸可达性类型转移空间分布格局进行可视化处理，如图8所示。

图8 腹地-口岸可达性类型转移的空间分布格局Fig.8 Spatial pattern of hinterland-port accessibility type transfer

可见，2008—2013年腹地-口岸可达性类型向上转移区域呈现以城市群为主的空间分布特征，以城镇化水平较高、交通区位优势比较突出的中东部城市群可达性类型向上转移最为明显。2014—2019年腹地-口岸可达性类型转移呈现明显的“廊道”效应，向一带一路沿线城市扩散趋势明显。向上转移的地区在京广、京沪等纵向通道沿线城市基础上，向陇海-兰新、沿江(长江)、沪昆、京哈、宝昆等横向通道沿线扩散。

3 腹地-口岸可达性空间格局变化机制

基于灰色关联度对腹地-口岸可达性与各影响因素间相关性进行分析，结果表明：

(1)腹地与口岸的空间距离是腹地-口岸可达性格局形成及发展变化的主导因素，两者间相关系数达0.85。随着重要交通线的出现，交通线附近时空压缩效应显现，可达性基本格局呈沿重要交通线向外围延伸递减的变化。

(2)城市路网密度是腹地-口岸可达性的支撑。路网密度是腹地城市内部路网拓扑结构连接通达性的重要体现，其空间差异很大程度上影响着腹地-口岸可达性空间特征，两者的相关性系数为0.84。

(3)腹地城市路网密度和连接度对腹地-口岸交通距离阻力的制约有一定抵消作用。2008—2013年腹地城市路网密度增长21%，连接度增长27%，最短旅行时间缩短17%，腹地-口岸可达性综合指数增长68%；2013—2019年腹地城市路网密度增长15%，连接度增长34%，最短旅行时间缩短25%，腹地-口岸可达性综合指数增长83%。

4 结论

(1)从空间格局来看，腹地-口岸可达性高值区沿主要运输通道延伸并呈以经济实力较强的城市和城市群为中心的群状集聚现象；从时间演化来看，腹地-口岸可达性逐年优化，高值区城市数量明显增加，低值和中值区数量逐渐减少。2013年后高值区向一带一路沿线扩散趋势明显。

(2)研究期内腹地-口岸可达性的总体差异、省际差异和城际差异均呈现以2013年为界先减少后增加的V 型变化特征。东部和西部地区可达性空间差异较大，对总体差异的平均贡献度达0.28 和0.32，东北地区次之，中部地区最小。

(3)整体来看，腹地-口岸可达性类型发展具有路径依赖性，高可达性城市有显著的正向空间溢出效应。与高可达性城市相邻时，初始类型为低可达性的城市其类型向上转移的概率大于与较高、中、低可达性城市相邻的概率；分时段来看，2014—2019年腹地-口岸可达性类型向上转移概率整体高于2008—2013年，且2008—2013年可达性类型向上转移区域以城市群为主，2014—2019年类型向上转移区域呈明显的“廊道”效应，向一带一路沿线城市扩散趋势明显，表明国家一带一路等战略对腹地-口岸可达性具有显著的促进作用。

(4)腹地-口岸可达性形成以最短旅行时间为主导、路网密度为支撑的时空演化格局。腹地-口岸可达性的空间格局随着重要交通线的出现发生变化，再随腹地城市路网密度差异进一步演化，城市路网密度、连接度及交通线共同作用促使腹地-口岸可达性空间格局的变化。