商碩 蔣海兵 韋勝

摘要：[目的/意義]本文旨在揭示高速交通網絡驅動下我國城市空間聯系格局與影響因素，對構建人口快速流動背景下城鎮(zhèn)體系規(guī)劃方案具有現實指導意義。[方法/過程]運用人口遷徙數據表征全國地級以上城市人口的流動格局，剖析交通一體化趨勢下城市空間聯系和特征，嘗試揭示多種交通出行方式在城市空間聯系中的作用強度與空間異質性，考察可達性與時空距離對城市空間相互作用的影響程度。[結果/結論]城市人流量高度集中于少數中心城市與城市對，東部城市密集區(qū)高聯系強度城市對均呈現多中心網絡式空間結構；中西部省份高強度城市對則主要形成了以省會城市為核心的極核式空間結構；高鐵和航空客運對全國地級以上城市空間聯系發(fā)揮著顯著作用，多種出行方式對地級以上城市空間聯系的作用強度存在明顯的空間異質性；城市人流量時空距離衰減效應仍然顯著。

關鍵詞：城市空間聯系 人流量 可達性 交通一體化

分類號：F50

DOI： 10.19318/j.cnki.issn.2096-1634.2022.02.13

？本文系江蘇高校哲學社會科學研究重大項目“交通一體化驅動下長三角產業(yè)集聚與空間優(yōu)化配置研究”（項目編號：2021SJZDA024）成果之一。

1 前言

近年來，在區(qū)域一體化發(fā)展戰(zhàn)略的指引下，國家加快了交通一體化建設的步伐，《交通強國建設綱要》中確立在2035年我國將基本形成現代化綜合交通體系，擁有發(fā)達的快速網、完善的干線網、廣泛的基礎網?！笆奈濉逼陂g，國家將繼續(xù)推進交通設施網絡化和出行服務便捷化，強化多種交通銜接協調。交通一體化建設使高速交通網絡日臻完善，智慧交通出行不斷普及，多種交通方式融合發(fā)展。我國交通一體化發(fā)展改變城際時空關系、可達性與城市空間相互作用水平，加快區(qū)域空間結構重組，引導著區(qū)域人口流動格局與趨勢。前瞻性地探討交通一體化趨勢下城市空間相互作用規(guī)律，能夠更好地指導區(qū)域空間一體化建設、國土空間規(guī)劃與開發(fā)。

城市空間相互作用是城市空間聯系研究的主要內容，國內外地理學者曾長期采用修正的空間引力模型表征城市空間聯系強度，而卡斯特爾（Castells）“流空間”理論為城市空間聯系研究提供新的研究思路與視角[1]。第一，交通流演繹區(qū)域要素流動和城市空間聯系規(guī)律，彌補傳統數據和引力模型分析的不足，相關研究基于“流空間”數據解析不同交通方式下城市空間相互作用強度及其演變特征、中心城市輻射范圍和交通空間組織模式，主要包括航空[2]、鐵路[3-4]、公路[5-7]與多元交通[8-10]聯系強度與格局研究。第二，近年來，復雜網絡分析方法為城市空間聯系格局演化研究提供必要支撐，研究關注多元“流空間”視角下城市復雜網絡特征及其演變[11-12]，交通網絡復雜性研究涵蓋航空[13-14]、鐵路[15]、公路[16-18]等交通運輸網絡整體特征及其演變研究，通過引入復雜網絡理論和分析方法，系統地解析區(qū)域交通和城市交通網絡的組織效率、相互作用等問題[19]。第三，部分研究通過多元“流空間”數據刻畫城市群空間結構特征[20-21]，“流空間”數據與評價指標清晰地表征日益網絡化的區(qū)域內部功能結構和關系。第四，人口遷徙數據已在城際出行網絡研究中廣泛應用[22-24]，較好地刻畫城際人口流動格局，揭示不同時間段居民城際人口流動規(guī)律。

綜上所述，以往有關城市空間聯系的大多數文獻聚焦于鐵路、航空、公路等單個類型交通流網絡分析與對比研究，而在人口流動視角和綜合交通模式作用下城市空間聯系特征的相關分析較少，通過人口遷徙數據開展城市空間聯系格局的研究相對不足。目前，在城市空間聯系研究中，綜合交通可達性研究相對較少，綜合交通可達性作用對城市空間聯系格局的作用機理亟需更多探究。因此，本文通過百度人口遷徙數據刻畫全國地級以上城市人口流動格局，剖析交通一體化趨勢下城市空間聯系和區(qū)域空間結構特征，嘗試揭示多種交通出行方式在城市空間聯系中的作用強度與空間異質性，考察時空距離與可達性對城市空間相互作用的影響程度，以期為我國空間一體化建設和國土空間開發(fā)提供科學依據和參考。

2 數據來源與研究方法

2.1 數據來源與處理

人口遷徙數據可以清晰地識別城際人口流動空間格局，本文獲取數據的時間為2020年1月1日至1月9日，研究數據為全國369個地級以上城市百度人口遷徙流數據，并據此構建起訖點（origin-destination，Q-D）城際日均人流矩陣。根據日均人流量數據分析我國城市空間聯系格局特征及其影響因素。本文選取2020年1月1日至1月9日數據，考慮到數據可獲取性和工作日、假期人流量因素，該時間段涉及1天元旦假期、2天周末和7天工作日，日均人流量能夠較好地反映全年城際人口流動特征。

2020年百度人口遷徙數據能夠提供以地級市為基本單元，每日遷入、遷出城市排名前100位的記錄。百度人口遷徙數據能夠識別公路、鐵路和航空3種獨立交通和綜合交通方式下的人口流動數據。首先，采用數據為無量綱化處理數據，并非實際人口出行量數據，通過整理得到85，434個城市對數據，涉及369個城市，主要處理321個城市數據；其次，調用高德地圖API測量城市O-D矩陣最短時間，得到69，856個城市對O-D矩陣數據；再次，通過2019年中國城市統計年鑒，獲取321座相關城市的GDP、人口、公路客流量和航空客運量數據；最后，通過高鐵網統計全國321座城市高鐵和動車的客運班次數。

2.2 研究方法與指標

首先，采用城市日均人流量和城市對日均人流量表征城市空間聯系格局；其次，通過地理加權回歸模型分析不同交通方式對城市空間聯系的作用強度與空間異質性；最后，借助距離衰減分析和重力模型分析等方法探析時空距離、可達性等因素對城市空間聯系格局的影響。

3 結果分析

3.1 城市人流量空間格局分析

3.1.1 城市人流量空間等級劃分 通過式（1）得到321個城市的日均人流量值，采用自然斷裂法將其分成5類城市，見圖1。

第一等級城市，人流量最高，人流量在1235179583.3以上，包括上海、廣州、深圳、成都、北京等5座全國性中心城市。其中，4座城市位于我國三大城市群，1座城市位于我國西部地區(qū)。5座城市連線呈現菱形。5座城市人流總量占所有城市人流量的比重為11.71%，是全國綜合性交通樞紐城市。

第二等級城市，人流量較多，人流量在728367182.8～1235179583.2之間，包括天津、東莞、佛山、南京、蘇州、杭州、武漢、西安、重慶、鄭州、長沙等11座區(qū)域性中心城市。其中，6座城市處于三大城市群，5座城市是全國重要鐵路交通樞紐（京武高鐵線上3座城市，京滬高鐵線上3座城市）。11座城市人流總量占所有城市流量的比重為15.28%，是區(qū)域綜合交通樞紐城市。

第三等級城市，人流總量一般，人流量在380051771.4～728367182.7之間，包括昆明、合肥、廊坊、濟南、惠州、貴陽、無錫、沈陽、中山、石家莊、南寧、保定、寧波、太原、嘉興、哈爾濱、南昌、青島、咸陽、廈門、長春、溫州、金華、常州和珠海等25座城市。其中，13座城市處于三大城市群，11座省會城市或副省級城市。25座城市人流總量占所有城市流量的比重為17.91%，是省域綜合交通樞紐城市。

第四等級城市，人流總量較低，人流量在165174901.1～380051771.3之間，包括福州、徐州、泉州、蘭州、紹興、臨沂、周口、南通、濰坊、烏魯木齊、滄州、海口、畢節(jié)、唐山等104座城市。其中，39座分布在河南、河北、山東、江蘇、安徽等高人口密度地區(qū)，呈現團狀分布形態(tài)，占37.5%。東北地區(qū)僅有大連和綏化兩座城市。胡煥庸線以西地區(qū)僅有6座城市（見圖1），包括呼和浩特、鄂爾多斯、銀川、榆林、蘭州、西寧和烏魯木齊，其占所有城市流量的比重為17.91%。104座城市人流總量占所有城市流量的比重為34.09%。

第五等級城市，人流總量低，客流量在165174901以下，包括176座城市，占總量的21.01%，主要分布于胡煥庸線以西、東北、海南、云南等地區(qū)。

通過對比分析可知，少數高人流量城市主要位于胡煥庸線以東地區(qū)，前三等級41座城市人流總量合計占到44.9%，為客流“大進大出”的重點城市，均為我國高鐵網絡節(jié)點城市，而且高人流量城市在三大城市群較為密集，其他地區(qū)相對分散。

3.1.2 城市人流量空間特征

（2）胡煥庸線以西、東北地區(qū)和海南的低等級城市數量眾多，占比高。在胡煥庸線以西、東北地區(qū)和海南省，日?？土髁康偷燃壋鞘杏?6座，占所有低等級城市的48.9%。同時，胡煥庸線以西、東北地區(qū)和海南，擁有第三等級城市3座、第四等級城市11座、第五等級城市占比達到86%。

（3）經濟發(fā)達地區(qū)的各類等級城市齊全，三大城市群人流量占比高。長三角、珠三角和京津冀城市群包括高、中、低等級城市，并且中高等級城市較為密集，山東和江蘇的第五等級城市數量較少。三大城市群人流總量占比達到38.75%。其中，長三角占比達19.19%，京津冀達到8.79%，珠三角達到10.77%。

（4）省會城市人流量一般遠高于省內其他城市。除了三大城市群地區(qū)，其他大部分地區(qū)省會城市或副省級城市成為省域內客流中心。

3.2 城市對人口流動空間格局分析

3.2.1 城市對人流量等級劃分 通過式（2）得到85，434個城市對日均人流量值。按照自然斷裂法將城市對人口流動強度劃分為5個等級，即得到圖2。

第一等級，最強城市對，人流量在92610516.7以上的城市對12對，包括上海-蘇州、北京-廊坊、廣州-佛山、深圳-惠州、深圳-東莞、西安-咸陽等由中心城市與鄰近城市組成的城市對。地圖顯示，高速公路網絡和城際高速鐵路在城市空間聯系中均發(fā)揮著重要角色，高速鐵路或城際出行時間在1 h以內，城市對平均公路最短距離65 km，人流量占所有流量的5.25%。

第二等級，強城市對，人流量在37670649.8～ 92610516.6的城市對98對，包括廣州-深圳、天津-北京、成都-重慶、廣州-東莞、上海-杭州、上海-嘉興、長春-四平等城市對。其中既有中心城市組成的城市對，也有中心城市與鄰近一般城市組成的城市對，我國三大城市群內強城市聯系網絡數量居多，其他地區(qū)以省會城市到地級城市為主，省會城市是這些城市的首位聯系城市。這些城市客流強度大，中短途城市對依舊占較高比重，通過查詢發(fā)現在上述城市對，均有高鐵或城際線將彼此聯系，顯示高速交通網絡在城市日常人員交流中作用突出。城市對公路平均最短距離為107 km，最遠距離包括成都-重慶，城市對平均公路距離達到305 km，強聯系網絡流量占所有流量的13.28%。

第三等級，較強城市對，人流量在12462637.6～ 37670649.7的城市對459對，包括上海-北京、南京-上海、杭州-金華等城市對。其主要以省會城市至周邊城市的中短距離城市對為主，少數是中心城市之間的遠程的聯系，包括上海-北京，西安-北京、廣州-重慶、深圳-重慶，反映了城市群之間的聯系強度處于較強的聯系水平。在北京、天津、河北、山東、上海、浙江、江蘇和廣東等東部發(fā)達地區(qū)，較強城市對展現出網絡狀空間聯系。城市對公路平均最短距離為192 km，其他省份主要形成了以省會城市為中心的放射狀空間聯系網絡，占所有流量的23.79%。距離在1，000 km以上的城市對包括深圳-重慶、廣東-重慶、北京-上海、西安-北京，此類遠距離強城市對更加依賴航空運輸網絡。

第四等級，一般城市對，人流量在3108944.5～12462637.5的城市對1，644對，城市平均公路距離390 km，占所有流量的25.83%。東西、南北等跨省域的城市對數量較多，部分地區(qū)跨省城市對數量多，包括廣東對重慶和湖南、上海對江浙皖、北京對京津冀地區(qū)的城市對較多。

綜上所述，中心城市對以中遠距離為主，一般城市對以中短距離為主，包括北京-三亞、上海-成都等。遠距離運輸采用航空或高鐵運輸。其中，以北京、上海、深圳、廣州為目的地和出發(fā)地的城市對數量眾多，涉及城市對數量278對，占客流量16.9%，以天津、杭州、南京、重慶、成都、武漢、鄭州、西安為目的地和出發(fā)地的城市對224對，占客流量13.6%。其他主要以各省會城市為目的地和出發(fā)地的城市對20，126對，占客流量25.17%。

3.2.2 城市對人流量空間特征

（1）城市空間聯系格局存在顯著的地域空間異質性。首先，人流量高度集中于少數城市對。第三等級以上城市對數量569個，僅占全部城市對數量的0.67%，而人流量占比卻高達42.32%。其次，在東部沿海城市密集區(qū)，尤其是三大城市群，第三等級以上的高強度城市對呈現多中心網絡化的區(qū)域空間結構。再次，在中部地區(qū)的省域范圍內，多數的高強度城市對形成以省會城市為核心的單中心放射狀區(qū)域空間結構。從次，在胡煥庸線以西的高強度城市對數量少，大部分地區(qū)城市空間聯系強度較低。最后，各地主要省份主要聯系方向有所偏重。例如，湖南主要聯系方向為廣東，河南主要聯系方向是北京。

（2）部分地區(qū)形成以省會城市為核心的放射狀強聯系網絡和區(qū)域中心城市之間的強聯系網絡構成了“軸-輻”結構。強空間聯系主要發(fā)生在區(qū)域中心城市、省會城市與其他各等級城市之間，包括省會城市-地級城市、區(qū)域中心城市間、區(qū)域中心城市與其他各等級城市聯系。北京-西安、北京-上海、深圳-重慶等構成“軸”，而北京等中心城市與周邊構成“輻”。城市群核心城市之間的人流量值甚至超過核心城市與鄰近城市，如上海-北京的人流量值超過上海-南京的人流量值。

（3）中心城市是省域高強度城市對重要客流起點或終點。在所有高強度城市對中，省域內城市對占比高，跨省城市對占比低，表明省會城市和副省級城市仍是城市空間聯系的主要對象。

（4）中西部城市人流量極化分布，東部人流量呈現相對均衡分布。根據首位城市聯系分析，全國148個首位城市，平均關聯2.5個城市，關聯10座以上的首位城市包括成都、長沙、?？凇⑧嵵?、武漢、南寧、沈陽、西安，關聯5～10座的首位城市有哈爾濱、昆明、蘭州、烏魯木齊、貴陽、杭州、合肥、西寧、廣州、南昌、北京、南京和太原，而上海僅關聯2座城市（見表1）。研究結果表明，中西部首位城市關聯城市數量整體較高，而北京、上海、廣州等東部中心城市首位關聯城市數則相對較少。城市空間聯系能夠映射出空間一體化水平和中心城市輻射帶動能力，長三角、珠三角和京津冀核心區(qū)城市間空間一體化水平高，呈現出多核心城市輻射帶動格局。

3.3 城市空間聯系影響因素分析

3.3.1 交通出行方式因素分析

（1）交通出行方式對城市空間聯系的作用強度分析

按照數據可獲得性，本文分別采用地級以上城市高鐵動車班次數、公路客運量和航空客運量，來反映3種交通出行方式對城市空間聯系的影響程度。由表2可知，城市人流總量與高鐵動車班次和航空客運量相關性較高，相關性水平達到了0.7以上，而與公路客運量相關性為0.4。通過對比回歸模型的標準系數，航空和高鐵通過1%水平的顯著性檢驗，其對于地級城市空間聯系作用強度高，標準化系數分別為0.52和0.43，而公路通過5%水平的顯著性檢驗，作用強度相對較弱，標準化系數僅為0.06（見表3）。數據顯示，從整體上看，高速交通運輸網絡（高鐵動車和航空）是城市之間日?？瓦\聯系的重要交通出行方式，公路交通對地級以上城市日?？瓦\聯系作用強度相對有限。分析表明，航空和高鐵動車在地級以上城市空間聯系方面發(fā)揮著較為重要作用。

（2）城市交通出行影響因素的空間異質性分析

為了檢驗GWR模型的適用情況，利用最小二乘法（Ordinary Least Squares，OLS）模型對影響聯系強度的3個因素進行回歸分析，得到OLS回歸結果的R2為0.763，調整后R2為0.76，AICc值為12，958；而利用GWR模型得到的R2為0.817，調整R2為0.795，AICc值為12，932，Bandwidth為607，581.92。由R2值和AICc值可知，GWR模型優(yōu)于OLS的回歸結果。

通過式（3）的GWR模型和ARCGIS軟件探討城市空間聯系影響因素作用強度的空間差異，分析了β1、β2、β3的回歸結果在空間上的分布，可以看出3個系數存在明顯的空間差異，解釋變量在各個地級以上市單元的參數估計結果各不相同，表明3個解釋變量對城市人流量影響存在顯著的空間異質性（見圖3）。運用GWR模型探索高鐵、航空、公路等交通出行方式對不同地區(qū)城市人流量的作用強度及其地域差異。

第一，高鐵動車出行方式。β1系數顯示（圖3-a），中西部南北兩端分布為高值區(qū)，低值區(qū)為西部地區(qū)。從顯著性上看，總體顯著性較好，僅有31個地級市未通過5%水平的顯著性檢驗，胡煥庸線以東地區(qū)顯著性水平整體較好，通過1%水平的顯著性檢驗（圖3-b）。圖3-c表明，較高值區(qū)主要分布于京廣高鐵沿線，東北、西南地區(qū)低值區(qū)范圍廣，高鐵動車對提高部分中西部部分省份城際客流量發(fā)揮突出的作用。在區(qū)域方面，高鐵出行方式在廣西、廣東、內蒙古、山西、陜西和海南等地區(qū)客流量增長與城市客運聯系的作用較強，在東中部地區(qū)作用中等，而在黑龍江、吉林、遼寧、四川、重慶、貴州、云南等地區(qū)的作用強度相對較弱。

第二，航空出行方式。β2系數顯示（圖3-d），高值區(qū)位于西部地區(qū)，低值區(qū)則為東北、華北地區(qū)和西南與華南部分地區(qū)。從顯著性上來看，全國大多數地區(qū)顯著性較好，僅有20個地級市未通過5%水平顯著性檢驗（圖3-e）。研究結果顯示，在西部地區(qū)，甘肅、四川、重慶地區(qū)航空出行對城際日?？土骱涂臻g聯系的貢獻率高，而在東北、華北、海南、廣西等地區(qū)相對較弱，華中、華東等中東部地區(qū)作用中等（圖3-f）。

第三，公路出行方式。β3系數值呈現由東向西逐漸降低的態(tài)勢（圖3-g）。這表明東北地區(qū)和沿海地區(qū)公路出行對城市對客運作用相對較強，對城市空間聯系上的作用更加突出，而在中西部廣大地區(qū)相對較弱。從顯著性來看，全國大多數地區(qū)顯著性較差，僅有140個地級市通過5%水平顯著性檢驗（圖3-h），絕大多數未通過顯著性檢驗。研究結果表明，東部地區(qū)發(fā)達的高速公路網絡與地級市地域范圍相對較小，城際距離短，使公路出行成為城際出行主要方式之一。而中西部地區(qū)地級市范圍廣大，高速公路網絡密度較低，使公路出行在城際客運中的作用有限。

第四，交通出行方式作用強度對比。通過數據標準化處理，得到3種交通出行方式對不同地區(qū)城市空間聯系的作用強度。圖3-j、3-k、3-l顯示，首先，3種交通方式整體作用強度有所差異，航空作用整體較高，大部分地區(qū)標準化系數在0.5以上，其他地區(qū)也在0.4～0.5之間。隨后為高鐵客運，標準化系數集中在0.3～0.4之間。公路出行作用弱，標準化系數大多在0.2以下。其次，3種交通出行方式在不同區(qū)域對城市空間聯系的作用強度存在空間異質性。在西部地區(qū)航空出行作用強度較為突出，西部大多數地區(qū)標準化系數在0.6以上，其他交通出行方式相對較弱或不顯著；東部地區(qū)和東北地區(qū)公路客運作用相對其他地區(qū)較強，作用強度在0.2以上，東北地區(qū)的作用強度甚至在0.3以上，整體上自東向中部地區(qū)作用強度逐漸降低，中西部大部分地區(qū)不顯著，其與高鐵和航空相比仍然較弱。結果表明，在地級以上城市空間相互作用中，各地具有迥然不同的交通出行結構。

綜上所述，GWR模型分析顯示，公路出行是東部沿海和東北地區(qū)城際客運的主要方式，公路出行在該地區(qū)作用相對顯著；西北和西南等部分地區(qū)城際客運聯系更多依賴于航空運輸；高鐵動車則在提升中西部的南北兩端地區(qū)城際聯系中發(fā)揮較為突出的作用。分析結果表明，各地客運結構存在顯著的空間異質性。

3.3.2 時空距離因素分析

（1）空間距離衰減特征分析

對全部85，434個城市對空間距離衰減分析發(fā)現（見圖4），在累計率中，200 km、400 km、600 km和800 km以內客流量占比分別達到 46.95%、69.1%、77.95%和83.14%。在分配率中，200 km以內人流量占比最高，達到46.95%，隨后人流量占比迅速遞減，200～400 km的人流量占比為22.14%，400～600 km的人流量占比為8.86%，600～800 km的人流量占比為5.19%。因此，即使各地擁有高速交通網絡，城市對人流量的空間距離衰減規(guī)律仍較為顯著。全國城市客運流量高度集中于400 km范圍以內，人流量占比接近70%。1，000 km以內客流量占比達到86.9%。在累計率中，100 km、200 km、300 km和400 km以內客流量占比分別為21.90%、46.95%、60.78%和69.09%。100～200 km客流量占比最高，達到25.05%。

涉及省會及以上城市的城市對有10，631個，在累計率中，200 km、400 km、600 km和800 km以內客流量占比分別達到43.69%、64.81%、73.56%和79.17%。在分配率中，200 km以內客流量占比最高，達到43.69%。涉及地級城市的城市對有74，803個，在累計率中，200 km、400 km、600 km和800 km以內客流量占比分別達到48.52%、71.16%、80.07%和85.06%。在分配率中，200 km以內客流量占比最高，達到48.52%。

因此，盡管目前我國高速交通網絡日益發(fā)達，但是城市對人流量的空間距離衰減效應依舊存在，100～200 km范圍是城市客流量最多的距離，省會以上城市距離衰減效應相對地級市要慢，這表明高鐵和公路出行承擔了全國地級以上城市大部分客流。

（2）時間距離衰減特征分析

對人流量的時間距離衰減分析發(fā)現，在累計率中，1 h、2 h、3 h和4 h以內客流量占比分別達到17.85%、40.78%、56.82%和66.53%，4小時城市對共計4，951個，僅占城市對數量的5.79%。在分配率中，1～2 h以內人流量占比最高，達到22.93%，隨后人流量占比迅速遞減，2～3 h為16.05%，3～4 h為9.71%。10小時內城市對流量占比89%，人流量時間距離衰減特征十分明顯（見圖5）。

圖6顯示，4 h以內城市對空間格局，識別我國約70%的人流量分布，高密度城市對地區(qū)位于高鐵沿線地區(qū)，特別是京滬高鐵、京武和寧武高鐵圍合區(qū)域。結果表明，京滬、京廣、滬蓉、鄭西、哈大高鐵干線和沿線高速公路網絡承擔了地級以上城市對大量客流運輸功能。由此可知，高鐵干線顯著地增強沿線城市空間聯系強度，是城市高強度聯系的重要走廊。在我國高鐵出行已經全面普及背景下，高鐵城市腹地空間形態(tài)也由等距圈“面狀空間”轉變成等時圈的“線狀空間”。

結合文獻[17]的研究結果，在交通客流距離衰減規(guī)律影響下，公路、高鐵和航空3種交通客運聯系特點不同。公路適合短距離出行，深入小尺度單元腹地。鐵路客流受制于站點數量、線路分布及腹地人口規(guī)模。航空適合遠距離出行，機場數量少，腹地范圍大，中轉時間長。上述特征差異致使高強度公路城市對分布于中心城市鄰近區(qū)域，鐵路城市對集中于干線網絡，航空城市對數量相對較少。3種交通站點分布密度和線路數量差異懸殊，上述特點使得3種交通方式在城市空間聯系作用中具有一定的互補性，部分地區(qū)城市聯系通過多種交通方式實現跨地區(qū)人口流動，多種交通流疊加共同構成城際人流量。

3.3.3 可達性對城市空間聯系作用強度分析

采用式（4）得到289個城市日?？蛇_性，并與GDP和人口規(guī)模值構建多元回歸模型。通過逐步回歸方法，得到表5，在模型1中，GDP、日?？蛇_性和人口規(guī)模系數分別為0.384、0.145和0.208。模型1結果顯示，城市人流量取決于城市經濟體量，人口規(guī)模和可達性是影響城市人流總量的重要因素，城市日常可達性越好，越利于城市人流量產生，表明人口密度高的城市密集區(qū)人流量通常較高。同時，縮短城際時間距離，提高日?？蛇_性水平，將誘發(fā)更多的人流量。由此可知，由規(guī)模各異的城市和時速不同的交通網絡構成的城鎮(zhèn)空間體系決定各地城市人流量分布格局。

4 結論與討論

4.1 結論

（1）城市人流量高度集中于少數中心城市與城市對，而高人流量城市主要分布于京津冀、長三角和珠三角城市群，其他地區(qū)相對分散。除了三大城市群地區(qū)外，其他大部分地區(qū)省會城市或副省級城市為省域客運交通樞紐。

（2）東部沿海經濟發(fā)達省份高聯系強度城市對均呈現多中心網絡式空間結構。中西部省份高強度城市對則主要形成了以省會城市為核心的極核式空間結構。部分跨省域高鐵干線地區(qū)高強度城市形成了“軸-輻”式空間結構。

（3）高鐵、航空和公路3種出行方式對地級以上城市空間聯系的作用強度存在明顯的空間異質性，高鐵和航空等高速交通對全國地級以上城市空間聯系發(fā)揮著重要意義，高速交通構建了國家城際內聯外通的客運大通道。航空客運對國家中心城市和區(qū)域性中心城市之間聯系作用更強。

（4）城市人流量時空距離衰減效應仍然顯著。100～200 km或1～2 h范圍是城市人流量最多的距離段，省會以上城市距離衰減效應相對地級市要慢。4 h和400 km以內城市對人流總量占比接近7成人流量，是城市空間聯系緊密的距離段，高鐵干線是城市高強度空間聯系的重要走廊。

（5）人口規(guī)模、GDP總量和可達性是各地城市人流量差異的根本因素，而由此形成的城鎮(zhèn)空間體系決定各地城市人流量分布格局。

4.2 討論

（1）探討構建交通一體化和人口快速流動框架下城鎮(zhèn)體系規(guī)劃方案。在交通一體化和人口快速流動建設的背景下，高速交通網絡顯著性地改變了城市空間聯系強度，重構了區(qū)域城鎮(zhèn)空間體系格局。在此背景下思考交通一體化框架下城鎮(zhèn)體系規(guī)劃，能夠有效地指導我國區(qū)域一體化建設與國土空間開發(fā)，該方向研究具有現實必要性。

（2）隨著我國交通一體化建設持續(xù)推進，多種交通網絡銜接與融合高效地減少換乘時間，實現人口快速流動，提高城市可達性水平與客運效率，從而將持續(xù)增強城市空間聯系強度。因而，基于信息化平臺規(guī)劃建設區(qū)域交通換乘樞紐，打造一體化旅客出行鏈，是推進客運交通多式聯運和聯程運輸的關鍵環(huán)節(jié)。

（3）根據城市空間聯系強度科學布局高速交通網絡與線路，遏止盲目的大規(guī)模交通建設。城市人流量反映各地區(qū)地級以上城市交通出行需求程度，為城際交通網絡與交通線路規(guī)劃和布局提供必要參考依據。

參考文獻：

[1] CASTELLS M. The rise of network society[M]. Oxford： Blackwell， 1996： 10-15.

[2] 金鳳君. 我國航空客流網絡發(fā)展及其地域系統研究[J].地理研究， 2001， 20（1）： 31-39.

[3] 戴特奇， 金鳳君， 王姣娥. 空間相互作用與城市關聯網絡演進： 以我國20世紀90年代城際鐵路客流為例[J].地理科學進展， 2005， 24（2）： 80-89.

[4] 王海江， 苗長虹. 中國中心城市交通聯系及其空間格局[M]. 北京： 科學出版社， 2016： 108-132.

[5] 張建松， 韓增林， 董曉菲. 省級地域公路貨運的空間聯系探討[J]. 地理科學進展， 2006， 25（4）： 96-107.

[6] 李斌， 許立民， 秦奮， 等. 基于重力模型的河南省公路客流空間運輸聯系[J]. 經濟地理， 2010， 30（6）： 955-959.

[7] 靳誠， 徐菁， 黃震方， 等. 基于高速公路聯網收費數據的江蘇省交通流動特征與影響因素[J]. 地理學報， 2018， 73（2）： 248-260.

[8] 陳偉， 修春亮， 柯文前， 等. 多元交通流視角下的中國城市網絡層級特征[J]. 地理研究， 2015， 34（11）： 2073-2083.

[9] 王姣娥， 杜德林， 金鳳君. 多元交通流視角下的空間級聯系統比較與地理空間約束[J]. 地理學報， 2019， 74（12）： 2482-2494.

[10] 羅震東， 何鶴鳴， 耿磊. 基于客運交通流的長江三角洲功能多中心結構研究[J]. 城市規(guī)劃學刊， 2011， 194（2）： 16-23.

[11] CHOI J H， BARNETT G A， CHON B S. Comparing world city networks： A network analysis of internet backbone and air transport intercity linkages[J]. Global Networks， 2006， 6（1）： 81-99.

[12] KWON O， JUNG W S. Intercity express bus flow in Korea and its network analysis[J]. Physica A： Statistical Mechanics and its Applications， 2012， ，391（17）： 4261-4265.

[13] 王姣娥， 莫輝輝， 金鳳君. 中國航空網絡空間結構的復雜性[J]. 地理學報， 2009， 64（8）： 899-910.

[14] 武文杰， 董正斌， 張文忠，等. 中國城市空間關聯網絡結構的時空演變[J]. 地理學報， 2011， 66（4）： 435-445.

[15] 焦敬娟， 王姣娥， 金鳳君， 等. 高速鐵路對城市網絡結構的影響研究[J]. 地理學報， 2016， 71（2）： 265- 280.

[16] 孟德友， 馮興華， 文玉釗. 鐵路客運視角下東北地區(qū)城市網絡結構演變及組織模式探討[J]. 地理研究， 2017， 36（7）： 1339-1352.

[17] 陳偉， 劉衛(wèi)東， 柯文前， 等. 基于公路客流的中國城市網絡結構與空間組織模式[J]. 地理學報， 2017， 72（2）： 224-241.

[18] 柯文前， 陸玉麒， 陳偉， 等. 高速交通網絡時空結構的階段性演進及理論模型[J]. 地理學報， 2016， 71（2）： 281-292.

[19] 莫輝輝， 王姣娥， 金鳳君. 交通運輸網絡的復雜性研究[J]. 地理科學進展， 2008， 27（6）： 112-120.

[20] 王垚， 鈕心毅， 宋小冬.“流空間”視角下區(qū)域空間結構研究進展[J]. 國際城市規(guī)劃， 2017， 32（6）： 27-33.

[21] 王少劍， 高爽， 王宇渠. 基于流空間視角的城市群空間結構研究： 以珠三角城市群為例[J]. 地理研究， 2019， 38（8）： 1849-1861.

[22] 魏冶， 修春亮， 劉志敏， 等. 春運人口流動透視的轉型期中國城市網絡結構[J]. 地理科學， 2016， 36（11）： 1654-1660.

[23] 劉望保， 石恩名. 基于ICT的中國城市間人口日常流動空間格局： 以百度遷徙為例[J]. 地理學報， 2016， 71（10）： 1667-1679.

[24] 李濤， 王姣娥， 高興川. 中國居民工作日與節(jié)假日的城際出行網絡異同性研究[J]. 地理學報， 2020， 75（4）： 833-848.

[25] 陳卓， 金鳳君， 楊宇， 等. 高速公路流的距離衰減模式與空間分異特征[J]. 地理科學進展， 2018， 37（8）： 1086-1095.

[26] 蔣海兵， 祁毅， 李傳武. 中國城市高速鐵路客運的空間聯系格局[J]. 經濟地理， 2018， 38（7）： 26-33.

作者貢獻說明：

商 碩：負責論文主體部分撰寫和修改；

蔣海兵：負責論文構思、方法指導及引言寫作；

韋 勝：負責論文數據收集、整理和分析處理。

The Spatial Contact Pattern and Influencing Factors of Cities Above the Prefecture Level in China from the Perspective of Population Mobility

Shang Shuo1 Jiang Haibing1 Wei Sheng2 1 School of Urban and Planning， Yancheng Teachers University， Yancheng 224007 2Jiangsu Institute of Urban Planning and Design， Nanjing 210036

Abstract： [Purpose/significance] This paper aims to reveal the spatial connection pattern and influencing factors of intercity in China driven by high-speed transportation network， it has practical guiding significance for the construction of urban system planning under the background of rapid population flow. [Method/process] This paper applies population migration data to characterize the population flow pattern of cities above the prefecture level across the country， analyzes urban spatial connections and regional spatial structure characteristics under the trend of transportation integration， and tries to reveal the strength and spatial heterogeneity of multiple transportation modes in urban spatial contact， to examine the degree of influence of accessibility on urban spatial interaction.[Result/conclusion] The flow of urban people is highly concentrated in a few central cities and city pairs， and the high-strength urban pairs in the eastern urban dense area all present a multi-center network spatial structure. The high-intensity city pairs in the central and western provinces mainly form a polar-core spatial structure with provincial capital cities as the core. High-speed rail and air transportation play an important role in the spatial connection of cities above the prefecture level across the country. There is obvious spatial heterogeneity in the strength of the effect of multiple travel modes on the spatial contact of cities above the prefecture level. The space-time distance attenuation effect of urban human flow is still significant.

Keywords： urban spatial contact population flow accessibility transportation integration