济南都市圈高速公路交通流空间演化及影响因素

姜勇 代洪娜 黄玉娟 高超

摘要：为分析高速公路对都市圈发展的影响机理，基于济南都市圈2013、2019年的高速公路收费数据，采用空模型法，通过距离衰减函数分析高速公路交通流的空间分布规律及影响因素。结果表明：2019年济南都市圈出行距离相较于2013年的0～110 km增至0～130 km；2013、2019年济南都市圈高速公路交通流出行时间均集中在0～61 min；2019年济南都市圈距离衰减系数减小，呈由济南市中心城区向其他市中心城区、县（区）的梯度递减特征，由块状分布演变为以济南市为分界线的西高东低片状空间分布；2019年济南都市圈高速公路日均车流量比2013年明显增加，呈济南市为核心、相对集聚的多中心“云朵状”空间分布；济南都市圈高速公路交通流距离衰减系数与经济密度、人口密度、国内生产总值（gross domestic product，GDP）和人口数量4个因素呈显著的负线性相关，且影响程度依次降低。未来应继续加强济南市与鲁西地区的经济联系，实现济南都市圈内各区县经济协同发展。

关键词：高速公路；距离衰减系数；济南都市圈；空间分布

中图分类号：U491.1⁺12文献标志码：A文章编号：1672-0032（2023）01-0022-08

引用格式：姜勇，代洪娜，黄玉娟，等.济南都市圈高速公路交通流空间演化及影响因素［J］.山东交通学院学报，2023，31（1）：22-29.

JIANG Yong，DAI Hongna，HUANG Yujuan，et al.Spatial evolution and influencing factors of expressway traffic flow in Jinan metropolitan areas［J］.Journal of Shandong Jiaotong University，2023，31（1）：22-29.

0 引言

都市圈建設作为区域经济增长的重要载体，对加强中心城市辐射力、拓展经济发展空间、推动区域高质量协调发展具有重要意义。文献[1]明确提出到2035年形成“全国123出行交通圈”，其中“1”为实现都市区1 h通勤。高速公路作为都市圈快速高效综合交通系统的重要组成部分，具有全封闭、大容量、高速度等特点，在中、短距离运输上占优势，对引导和优化都市圈区域发展具有重要作用，可有效反映都市圈尺度上城市间的联系强度及空间关联形势。高速公路可有效促进区域经济发展和人口流通，研究高速公路对都市圈发展的影响机理具有重要意义。

随着大数据技术的快速发展，众多学者根据不同类型、尺度及地域的交通流，研究城市内外联系的空间结构、解析区域间组织模式与演化过程、分析区域间交通流距离衰减规律。在数据研究方面，学者基于全球定位系统（global positioning system，GPS）数据^[2-5]、手机信令数据^[6]、地铁刷卡数据^[7]、出租车数据^[8-9]等，识别不同规模城市内交通出行热点区域，分析城市内部交通流的空间交互关系；在内容研究方面，学者多从公路^[10-12]、高铁^[13-15]和航空^[16-19]等方面对比分析不同交通方式下城市网络的层级特征及空间演化规律；在区域研究方面，学者基于交通流数据分析了福建^[20]、江苏^[21]、长三角城市群^[22]、长江中下游城市群^[23]、成渝城市群^[24]等区域各城市间空间结构联系。采用交通流数据量化区域城市空间联系的研究已取得较丰硕的成果，但多数研究仍受数据样本量、连续性、规模性等影响，从都市圈角度探析距离衰减规律的空间分布特征与演化规律的研究较少。本文基于高速公路收费数据，分析济南都市圈高速公路交通流的距离衰减空间分布特性演化规律及影响因素，为制定都市圈一体化发展政策提供科学依据。

1 数据来源与研究方法

1.1 数据来源

济南都市圈包括济南、滨州、淄博、泰安、德州和聊城6个城市，面积和人口数量约占山东省的1/3。2013、2019年济南都市圈高速公路网如图1所示。由图1可知：2013—2019年济南都市圈高速公路建设发生了质的飞跃，新建了京沪、东吕、德上等高速公路，济南都市圈内高速公路可达性显著提高，路网结构进一步完善，因此采用2013、2019年济南都市圈高速公路交通流数据研究其空间演化规律及影响因素，为避免地区合并对研究结果造成影响，将2013年莱芜市数据归入济南市进行分析。

对2013、2019年山东省高速公路收费数据进行预处理，得到济南都市圈6个城市共计52个区县的高速公路收费数据；通过高速公路收费站的地理位置获取各市、区县间的出行距离和出行时间；主要从文献[25-26]中获取济南都市圈经济发展数据，包括各区县的国内生产总值（gross domestic product，GDP）、人口数量等。考虑到济南市中心城区的整体性，对历城区、历下区、槐荫区、天桥区和市中区进行统一化处理；因重点研究济南都市圈高速公路客流出行分布特性，仅选取4种客车车型的出行数据进行分析。

1.2 研究方法

高速公路交通流研究方法有线性回归法、线性规划法、空模型法、粒子群优化算法、蒙特卡罗法等^[27-28]。空模型法可较好地模拟随距离增加，社会经济联系衰减的过程。本文采用空模型法获取距离效应矩阵，根据区县间的出行距离和出行时间，计算距离衰减函数，分析济南都市圈高速公路交通流距离衰减规律。

构建与距离无关的空间联系矩阵G^null，矩阵中的元素

g^null_ij=W_iW_jF/∑∑W_iW_j，

式中：g^null_ij为与距离无关的节点i、 j间的模拟流量；W_i为节点i与周围节点的的空间联系总量，W_i=∑_jg_ij，其中g_ij为节点i、 j间实际观测的流量；W_j为节点j与周围节点的的空间联系总量；F为区域内所有节点的空间联系总量，F=∑∑g_ij。

距离效应矩阵T中元素为节点实际观测流量矩阵G中的各元素g_ij与G^null中的各元素g^null_ij之比，即

t_ij=g_ij/g^null_ij，

式中t_ij为节点i、j间距离d_ij的距离衰减效应。

分别采用单指数模式和双对数模式拟合距离衰减函数，前者开方指数类型的距离衰减函数为

f（d_ij）=aexp［-b（d_ij）^0.5］，    （1）

式中：a为常数，b为距离衰减函数系数。

双对数模式下Pareto类型和常对数类型的距离衰减函数分别为：

2 高速公路交通流空间分布演化规律及影响因素

2.1 高速公路交通流累计比例曲线

高速公路交通流累计比例曲线可直观反映交通流集中的区段及都市圈中心城市对周边地区的辐射范围。2013、2019年济南都市圈高速公路交通流累计比例曲线如图2所示。由图2可知：以累计比例80%为界，2013、2019年济南都市圈高速公路交通流出行距离分别集中在0～110 km、0～130 km，出行时间均集中在0～61 min，与都市区1 h通勤基本契合。相较于2013年，2019年高速公路交通流出行距离增加，但出行时间基本相同，说明随高速公路网结构的优化、运营管理水平的升级、运行效率的提升，济南都市圈的交通流出行范围进一步扩大、出行服务品质进一步优化、出行效率进一步提高。

2.2 高速公路交通流距离衰减函数

高速公路交通流在空间上存在距离衰减规律，通过距离衰减函数，分析高速公路交通流在不同区域距离中衰减系数的变化，为社会经济空间组织优化提供数据支撑。采用空模型法计算济南都市圈各市、区县的高速公路交通流出行距离、出行时间的效应矩阵，通过式（1）（2）进行模拟，得到不同类型的距离衰减函数的主要拟合系数如表1所示。由表1可知：济南都市圈高速公路交通流存在明显的距离衰减特征，2019年高速公路交通流距离衰减函数拟合结果优于2013年，说明随路网结构优化及运行效率的提升，高速公路交通流的距离衰减特性越来越显著；3种距离衰减函数的拟合度相差不大，但开方指数距离衰减函数的拟合度优于其他2种，出行时间类型的距离衰减函数拟合度优于出行距离类型的距离衰减函数，故选择出行时间类型下开方指数距离衰减函数作进一步分析。

2.3 高速公路交通流空间分布演化规律

根据2013、2019年高速公路交通流数据，基于式（1）计算2013、2019年济南都市圈高速公路交通流距离衰减系数的空间分布，结果如图3、4所示。

由图3可知：2013年济南都市圈高速公路交通流距离衰减系数为0.31～3.64，济南市作为济南都市圈经济发展的核心区，“众星拱月”式的空间布局使得济南市距离衰减系数较低，辐射引领作用明显；距离衰减系数较低的区域主要集中在济南市中心5个城区（历下区、历城区、槐荫区、天桥区、市中区），向东、南和北方向分别延伸至张店区、泰山区和庆云县，呈西高东低、北高南低的“山峰状”空间分布。2013年距离衰减系数较低的济南市（中心5城区、济阳区、章丘区）、淄博市（张店区、临淄区）和泰安市（泰山区）的日均高速车流量占济南都市圈高速公路车流量的43.56%，其中28.52%的车流量发生在济南市内部；距离衰减系数较高的聊城市（临清市、高唐县、冠县、莘县、东昌府区、茌平区、东阿县、阳谷县）、德州市（武城县、夏津县、平原县、禹城市、齐河县）、泰安市（东平县、肥城市、宁阳县、岱岳区）、济南市（平阴县、长清区）和淄博市（博山区）的日均高速车流量占济南都市圈高速车流量的27.57%。

由图4可知：2019年济南都市圈高速公路交通流距离衰减系数为0.27～3.57，比2013年距离衰减系数降低，各区域间的联系加强，呈现西高东低的“两极分化”空间分布；距离衰减系数较低的区域主要集中在济南市（中心5个城区、章丘区、济阳区、莱芜区、钢城区），其核心地位进一步巩固，距离衰减系数向东、南和北方向不断减小；距离衰减系数较高的区域集中在聊城市和泰安市边缘区县，为点状分布。随济南都市圈内德上、京沪、东吕等高速公路的建设，济南市与周边城市间的联系更密切、辐射范围更广泛。聊城市位于济南都市圈发展边缘，距离衰减系数较高，未来应加强济南市对聊城市的带动作用。2019年距离衰减系数较低的济南市（中心5城区、章丘区、济阳区、长清区、莱芜区和钢城区）、淄博市（沂源县、博山区、淄川区、周村区、张店区、临淄区）日均高速公路车流量为91 117辆，占济南都市圈高速公路车流量的50.38%，其中51.25%的车流量在济南市各区、县间；距离衰减系数较高的聊城市（临清市、高唐县、冠县、莘县、东昌府区、茌平区、东阿县、阳谷县）、济南市（平阴县）和泰安市（肥城市、东平縣），高速公路日均车流量为30 451辆，仅占济南都市圈高速公路车流量的13.26%。2019年济南市与泰安市、德州市、聊城市和淄博市高速公路日均车流量比2013年明显增加，主要集中于各市中心城区间，形成以中心城区为中心，向周边区、县辐射的格局，呈现以济南市为核心、相对集聚的多中心“云朵状”空间分布。

2019年濟南都市圈各市中心城区的距离衰减系数比2013年明显降低，低距离衰减系数的中心城区易与周边区域形成紧密的社会经济联系，吸引要素集聚，辐射带动周边区域发展。经过6 a的发展，鲁西地区的距离衰减系数明显降低，但仍高于鲁中地区。各市边缘地区的距离衰减系数较高，未来应持续加强济南市对鲁西地区的带动作用，各市应加强对边缘地区的带动和发展，提升济南都市圈的总体实力。

2.4 高速公路交通流空间演化影响因素

2013、2019年济南都市圈高速公路交通流距离衰减系数与经济和人口的关系如图5所示。由图5可知：人口数量、GDP规模、人口密度和经济密度对高速公路交通流距离衰减系数的影响逐渐减弱，2019年4个指标比2013年分别下降20.0%、37.5%、58.0%、77.0%；高速公路交通流距离衰减系数与经济发展指标表现为显著的负线性相关，说明经济密度、人口密度、GDP规模及人口数量越大，距离衰减系数越小。

3 结论

本文根据2013、2019年济南都市圈高速公路收费数据，基于距离衰减函数分析了济南都市圈高速公路交通流距离衰减空间分布演化规律及影响因素。

1）2013、2019年济南都市圈高速公路交通流出行时间均集中在0～61 min，与都市区1 h通勤基本契合；出行距离由2013年的0～110 km扩大至2019年的0～130 km，随高速公路网的完善，都市圈内出行距离进一步扩大、服务品质进一步提升。

2）作为济南都市圈经济发展核心区，济南市的距离衰减系数较低，辐射引领作用明显，高速公路通达性较好，呈现由济南市中心城区向其他市中心城区、县（区）的梯度递减特征。相较于2013年，2019年济南都市圈距离衰减系数降低，呈现西高东低的“两极分化”空间分布，距离衰减系数较低的地区由济南中心5城区逐渐向东、南、北3个方向延伸，连接成片状分布；距离衰减系数较高的区域集中在聊城市和泰安市边缘区县，未来应继续加强济南与鲁西地区的经济联系，实现都市圈内各区县经济协同发展。

3）高速公路交通流距离衰减系数与GDP规模、人口数量、经济密度和人口密度等指标呈显著的负线性相关，经济密度是距离衰减系数的主要影响因素。

考虑到传统引力模型在一定程度上影响空间模拟的准确性，下一步可结合实际的交通流数据在不同运输方式下修正引力模型，提高区域空间相互作用模型的准确性。

参考文献：

［1］中华人民共和国国务院.交通强国建设纲要[EB/OL].（2019-09-19）[2022-04-08].http：//www.gov.cn/zhengce/2019-09/19/content_5431432.htm？tdsourcetag=s_pcqq_aiomsg.

[2]秦昆，周勍，徐源泉，等.城市交通热点区域的空间交互网络分析[J].地理科学进展，2017，36（9）：1149-1157.

QIN Kun， ZHOU Qing， XU Yuanquan， et al. Spatial interaction network analysis of urban traffic hotspots[J].Progress in Geography，2017，36（9）：1149-1157.

[3]徐伟.基于机器学习的共享单车热点区域识别及需求预测[J].综合运输，2019，41（5）：29-34.

XU Wei. Hotspotrecognition and demand prediction of bike sharing system based on machine learning[J].China Transportation Review， 2019，41（5）：29-34.

[4]周博，马林兵，胡继华，等.基于轨迹数据场的热点区域提取及空间交互分析：以深圳市为例[J].热带地理，2019，39（1）：117-124.

ZHOU Bo， MA Linbing， HU Jihua， et al. Extraction of urban hotspots and analysis of spatial interaction based on trajectory data field：a case study of Shenzhen City[J].Tropical Geography， 2019，39（1）：117-124.

[5]冯慧芳，周丹凤.基于GPS轨迹挖掘的城市空间动态交互特征研究[J].交通运输系统工程与信息，2020，20（3）：163-168.

FENG Huifang， ZHOU Danfeng. Dynamic interaction of urban space based on GPS trajectory mining[J].Journal of Transportation Systems Engineering and Information Technology，2020，20（3）：163-168.

[6]WANG Z Z， HE S， LEUNG Y. Applying mobile phone data to travel behaviour research：a literature review[J].Travel Behaviour and Society， 2018，11：141-155.

[7]黄洁，王姣娥，靳海涛，等.北京市地铁客流的时空分布格局及特征：基于智能交通卡数据[J].地理科学进展， 2018，37（3）：397-406.

HUANG Jie， WANG Jiaoe， JIN Haitao， et al. Investigating spatiotemporal patterns of passenger flows in the Beijing metro system from smart card data[J].Progress in Geography，2018，37（3）：397-406.

[8]LIU Y， KANG C， GAO S， et al. Understanding intra-urban trip patterns from taxi trajectory data[J].Journal of Geographical Systems，2012，14：463-483.

[9]WANG W J， PAN L， YUAN N， et al. A comparative analysis of intra-city human mobility by taxi[J].Physica A：Statistical Mechanics and its Applications， 2015，420：134-147.

[10]戢曉峰，戈艺澄，陈方. 基于公路交通流大数据的节假日旅游流时空分异特征：以云南省2017年7个节假日为例[J].旅游学刊，2019，34（6）：37-47.

JI Xiaofeng， GE Yicheng， CHEN Fang. Spatial and temporal differentiation characteristics of holiday tourism flow based on highway traffic flow big data：a case study of 7 holidays in 2017 in Yunnan Province[J]. Tourism Tribune， 2019，34（6）：37-47.

[11]陈伟，刘卫东，柯文前，等.基于公路客流的中国城市网络结构与空间组织模式[J].地理学报，2017，72（2）：224-241.

CHEN Wei， LIU Weidong， KE Wenqian，et al. The spatial structures and organization patterns of China′s city networks based on the highway passenger flows[J].Acta Geographica Sinica， 2017，72（2）：224-241.

[12]崔洪军，任志笑，朱敏清，等.高速公路出行距离特征分析与应用[J].科学技术与工程，2020，20（8）：3323-3329.

CUI Hongjun， REN Zhixiao， ZHU Minqing， et al. Analysis and application of highway travel distance characteristics[J]. Science Technology and Engineering，2020，20（8）：3323-3329.

[13]王姣娥，杜德林，金凤君.多元交通流视角下的空间级联系统比较与地理空间约束[J].地理学报， 2019，74（12）：2482-2494.

WANG Jiaoe， DU Delin， JIN Fengjun. Comparison of spatial structure and linkage systems and geographic constraints：a perspective of multiple traffic flows[J].Acta Geographica Sinica， 2019，74（12）：2482-2494.

[14]焦敬娟，王姣娥，金凤君，等.高速铁路对城市网络结构的影响研究：基于铁路客运班列分析[J].地理学报， 2016，71（2）：265-280.

JIAO Jingjuan， WANG Jiaoe， JIN Fengjun，et al. Impact of high-speed rail on inter-city network based on the passenger train network in China[J].Acta Geographica Sinica，2016，71（2）：265-280.

[15]吴康，方创琳，赵渺希.京津城际高速铁路影响下的跨城流动空间特征[J].地理学报，2013，68（2）：159-174.

WU Kang， FANG Chuanglin， ZHAO Miaoxi. The intercity space of flow influenced by high-speed rail：a case study for the rail transit passenger behavior between Beijing and Tianjin[J].Acta Geographica Sinica，2013，68（2）：159-174.

[16]王姣娥，王涵，焦敬娟.中国航空运输业与旅游业发展水平关系测度[J].地理科学，2016，36（8）：1125-1133.

WANG Jiaoe， WANG Han， JIAO Jingjuan. The relationship between the development level of civil aviation and tourism in China[J].Scientia Geographica Sinica， 2016，36（8）：1125-1133.

[17]王姣娥，莫辉辉，金凤君.中国航空网络空间结构的复杂性[J].地理学报，2009，64（8）：899-910.

WANG Jiaoe， MO Huihui， JIN Fengjun. Spatial structural characteristics of Chinese aviation network based on complex network theory[J].Acta Geographica Sinica，2009，64（8）：899-910.

[18]HUANG J， WANG J E. A comparison of indirect connectivity in Chinese airport hubs：2010 vs.2015[J].Journal of Air Transport Management，2017，65：29-39.

[19]XIAO Y， WANG F H， LIU Y， et al. Reconstructing gravitational attractions of major cities in China from air passenger flow data， 2001-2008：a particle swarm optimization approach[J].Professional Geographer，2013，65（2）：265-282.

[20]陈卓，金凤君，杨宇，等.高速公路流的距离衰减模式与空间分异特征：基于福建省高速公路收费站数据的实证研究[J].地理科学进展，2018，37（8）：1086-1095.

CHEN Zhuo， JIN Fengjun， YANG Yu， et al. Distance-decay pattern and spatial differentiation of expressway flow：an empirical study using data ofexpressway toll station in Fujian Province[J].Progress in Geography，2018，37（8）：1086-1095.

[21]柯文前，陆玉麒，朱宇，等.基于高速公路交通流的江苏省城市空间关联特征[J].人文地理，2016，31（6）：130-136.

KE Wenqian， LU Yuqi， ZHU Yu， et al. Urban spatial interaction characteristics based on expressway traffic flow：a case study of Jiangsu Province[J].Human Geography，2016，31（6）：130-136.

[22]王垚，钮心毅，宋小冬.基于城际出行的长三角城市群空间组织特征[J].城市规划，2021，45（11）：43-53.

WANG Yao， NIU Xinyi， SONG Xiaodong. Spatial organization characteristics of the Yangtze River Delta Urban Agglomeration based on intercity trips[J].City Planning Review，2021，45（11）：43-53.

[23]肖泽平，钟业喜，冯兴华，等.长江中游城市群空间结构演变及效应分析[J].长江流域资源与环境，2021，30（11）：2607-2617.

XIAO Zeping， ZHONG Yexi， FENG Xinghua， et al. Spatial structure evolution and effect analysis of urban agglomeration in middle reaches of Yangtze River[J].Resources and Environment in the Yangtze Basin，2021，30（11）：2607-2617.

[24]侯兰功，孙继平.复杂网络视角下的成渝城市群网络结构韧性演变[J].世界地理研究，2022，31（3）：561-571.

HOU Langong， SUN Jiping. Evaluation of network structure resilience of Chengdu-Chongqing urban agglomeration from the perspective of complex networks[J].World Regional Studies，2022，31（3）：561-571.

[25]山东省统计局.山东统计年鉴[M].北京：中国统计出版社，2013.

[26]山東省统计局.山东统计年鉴[M].北京：中国统计出版社，2019.

[27]王成金.中国交通流的衰减函数模拟及特征[J].地理科学进展，2009，28（5）：690-696.

WANG Chengjin. Functionsimulation and regularity of distance decay of inter-urban traffic flow in China[J].Progress in Geography， 2009，28（5）：690-696.

[28]王娜，谷玉莉，周梦杰.顾及距离衰减效应的网络空间同位模式挖掘[J].测绘科学，2020，45（6）：180-186.

WANG Na， GU Yuli， ZHOU Mengjie. Mining network-constrained co-location patterns considering distance decay effect[J].Science of Surveying and Mapping， 2020，45（6）：180-186.

Spatial evolution and influencing factors of expressway traffic flow in

Jinan metropolitan areas

JIANG Yong¹， DAI Hongna²， HUANG Yujuan³， GAO Chao³

1.School of Transportation and Logistics Engineering， Shandong Jiaotong University， Jinan 250357， China;

2.School of the Don River， Shandong Jiaotong University， Jinan 250357， China;

3.Office of Academic Research， Shandong Jiaotong University， Jinan 250357， China

Abstract：In order to analyze the influence mechanism of expressway on the development of metropolitan areas， based on the expressway tolling data of Jinan metropolitan areas in the year of 2013 and 2019， the null model method and the distance decay function method are used to analyze the spatial scattering pattern and influencing factors of expressway traffic flow. The results show that the travel distances in Jinan metropolitan areas increased from 0-110 km in 2013 to 0-130 km in 2019， while the travel time spans through expressway traffic in Jinan metropolitan areas concentrated in 0-61 min both in the year of 2013 or 2019; the distance decay coefficient of Jinan metropolitan areas decreased in the year of 2019， the decaying feature was gradient decreasing from the downtown of Jinan to the suburb districts even other county areas， the traffic pattern has evolved from block scattering to low-flake spatial scattering， the spatial scattering of traffic flow shows higher in the eastern areas and lower in the western areas if Jinan was in the middle area. The average daily traffic volume of expressways in Jinan metropolitan areas in 2019 increased significantly compared with that in 2013， with the city of Jinan was as the core， the spatial scattering was the multi-center "cloud-like" and relatively clustered. The distance decaying coefficient of expressway traffic flow distance in Jinan metropolitan areas has a significant negative linear correlation with the 4 factors （economic density， population density， gross domestic product and population number）， and the influence degree decreases successively. In the future， we should continue to strengthen the economic relations between Jinan City and western areas and realize the coordinated economic development of all districts and counties in Jinan metropolitan areas.

Keywords：expressway; distance decaying coefficient; Jinan metropolitan areas; space scattering

（責任编辑：郭守真）