西部城市群交通網絡結構分析和實證研究
——以蘭西城市群為例

馮 驍，曾俊偉，錢勇生，廣曉平

（蘭州交通大學，甘肅 蘭州 730070）

西部城市群交通網絡結構分析和實證研究
——以蘭西城市群為例

馮 驍，曾俊偉，錢勇生，廣曉平

（蘭州交通大學，甘肅 蘭州 730070）

隨著西部城市群城鎮化的推進和“一帶一路”戰略的部署，我國西部城市群的交通網絡需要進行合理的規劃建設。利用K-Means算法和支持向量機，以蘭西城市群為例，對城市群內節點城市和城市間聯系度進行分類，研究了西部城市群的交通網絡結構。在對蘭西城市群交通網絡結構的研究中發現:蘭西城市群內整體經濟基礎薄弱，交通網絡基礎設施建設不足，交通網絡內城市聯系度不高，蘭西城市群內城市分化比較嚴重。蘭西城市群的發展狀況在我國西部城市群中具有一定的代表性，根據蘭西城市群特點研究發現西部城市群內交通網絡基本成型，但節點城市分化明顯且城市聯系分布不均。

西部地區；城市群；K-Means；支持向量機；交通網絡

1 引言

城市群是以一個或多個核心城市為中心，向周圍輻射構成的一個復雜的城市集合體[1]。隨著社會發展，城市的邊界逐漸向外擴展，地理上相鄰的城市在交通設施的連接下物資、信息的溝通逐漸頻繁。而不同城市由于產業結構上的互補關系也在便捷交通體系的基礎上日益緊密，產生了互相聚合的趨勢，建立起了跨越行政區域的城市群[2]。

我國西部地區經濟水平落后，人口密度低，較其他地區而言難以形成大規模的城市群，但豐富的自然資源是西部地區發展的重要基礎。就目前來看，我國西部已形成了大致10個城市群[3]。隨著“一帶一路”發展布局的逐步推進，西部城市群所擔負的走廊作用日益明顯。交通運輸是連接城市群內城市的物理基礎，交通運輸網絡也是城市群間人員物資流通的底層設施，交通運輸的發展是加速推進城鎮化進程的重要先決條件。對于西部城市群來說，交通運輸網絡建設起步晚，基礎薄弱，適度超前的交通網絡規劃對西部城鎮化的發展具有引導作用。在對區域交通網絡的研究中，需要對網絡內節點城市和節點間的聯系強度進行評價，以此獲得區域內交通網絡現狀的合理認識，而這也是進行區域交通網絡規劃的重要基礎。利用K-Means算法和支持向量機可以對城市群的交通運輸網絡結構進行合理的分析，以得到客觀的蘭西城市群交通網絡結構分析結果，為西部城市群的交通運輸網絡布局建設提供參考意見。

2 研究現狀概述

1915年英國城市規劃思想家P.Geddes最早在其著作《進化中的城市（Cities in Evolution）》中提出了城市群的概念，它將其稱為集合城市（conturbations）或城市群（urban agglomeration）[4]，而我國對城市群的學術研究最早始于1964年嚴重敏對1962年國際地理聯合會城市地理年會論文集中Walter Christaller的“Die Hierarchi der stadte（城市的層次結構）”的翻譯“城市的系統”[5]。在對城市群的發展演進進行研究后，近年來西方學術界提出了“區域城市[6]”、“城市網絡[7]”、“城市村莊群落[8]”等理念。我國學者也對城市群不同發展階段下交通系統所起的作用進行了研究[9-10]。在對系統動力學和可達性的研究基礎上，一些學者參考城市交通規劃提出了城市群交通規劃的模式和評價方式[11-12]。在對城市群交通網絡的結構研究過程中，有著如下研究成果：城市群的交通網絡可視為復雜網絡，復雜網絡可劃分為不同的層級結構[13]；而區域交通網絡符合無標度網絡特性，即絕大部分節點連通度較小，只有少數節點具有較大的連通度[14]；通過研究城市公交網絡，也能證明交通運輸網絡具有無標度性[15]；以上研究都說明交通網絡是可分層的。在進一步的研究中，通過建立網絡層級結構的識別模型，李夏苗等人對交通網絡進行了深入分析[16]。在對蘭西城市群的研究中，賈卓、陳興鵬等人以蘭白西城市群為例對中國西部城市之間的聯系強度進行了建模計算[3]。而支持向量機最早由Vapnik在1995年提出用以進行樣本分類，相較其他分類算法，支持向量機采用風險最小理論，在解決小樣本、高維度的分類的問題上有很大的優勢，成為機器學習領域的研究熱點。

3 研究方法介紹

3.1 算法介紹

目前，在不同領域中有多種分類算法的應用，如模糊聚類、層次聚類，而K-Means算法因其簡單有效的特點而被廣泛采用。K-Means算法是一種無監督類算法，是數據挖掘過程中的一種重要工具。這種方法屬于硬聚類方法[17]，以樣本間的距離作為相似性的指標，認為不同數據樣本間的距離越近他們之間的相似性就越高。K-Means算法將多維空間上的若干個樣本分為K個簇，使同一個簇內的數據的距離盡可能小，而不同簇之間的距離盡可能大。

支持向量機將求解問題轉化為一個二次型尋優問題，其解出的最優解在理論上是全局最優解，這就避免了神經網絡算法中難以解決的局部極值問題。支持向量機將非線性問題轉化到高維度的特征空間，在轉化到高維度空間后構造線性分類函數在高維度中進行分類，通過這樣升維的方式解決原空間中較難解決的非線性分類問題，這樣其算法復雜度與樣本的維數無關。

3.2 城市群網絡分析方法

本文所需數據全部來自2014年中國交通統計年鑒、2014年各省、市年度統計公報以及各省市交通地圖，研究方法如下：

3.2.1 城市群交通運輸網節點評價分級。在城市群的交通運輸網絡中，城市被視為網絡的節點，節點城市的交通發生與吸引量是整個交通運輸網絡所承載的交通量的直接影響因素。而節點城市的交通建設情況、人口、GDP都可以反映該城市的交通發生吸引量。節點城市的交通建設情況如公交車數、高速公路里程等都反映了該城市的交通屬性與經濟狀況的匹配程度。對城市交通發生量的衡量需要考慮城市建設中與交通相關的多個因素及城市所在網絡的總體情況。為了綜合考慮影響城市交通發生量的不同因素，本文從交通建設、交通運輸量、城市公交發展水平以及城市綜合因素這三個方面考量一個城市的交通發生量水平。在成熟的城市群體系中，各個城市之間依賴完善的高速鐵路、高速公路以及航空運輸進行連接，而蘭州-西寧城市群正在完善高速鐵路運輸網絡，故而未考慮鐵路運輸。具體的分級所需指標見表1。

表1 節點城市分級指標

城市高速公路里程和高速公路的密度反映了一個城市的交通建設強度和這個城市的路網特性，一個城市的高速公路建設強度越高就說明這個城市有著越高的交通通行需求。公路和民航的客貨運量反映了一個城市在這個交通網絡中的重要程度。一個城市的公路、民航客貨運量直接決定這個城市在交通網絡中的重要程度，越高的客貨運量就說明這個節點城市向網絡中產生、吸引越多的交通量。城市內的公交數量與公交線路數體現了這個城市內部的交通活躍程度，一個城市內的交通活動越頻繁也可以反映出這個城市有較高的交通需求。一個城市所能產生和吸引的交通量與這個城市的經濟水平和人口有很大的關系，而越高的郵電營業額也說明這個城市的活躍度較高，會產生較大的交通量。城市的空間尺寸是受城市內交通便捷性制約的，便利快捷的交通系統可以為城市的擴張提供保障，而城市交通的拓展方向也是城市空間擴張的指導，故而城市面積也可以反映一個城市的交通需求、建設水平。

我們把K-Means聚類和支持向量機配合使用，可以通過上述數據對城市群內的城市進行聚類，以此完成對網絡內節點的分級。

3.2.2 城市群交通運輸網絡中節點間聯系強度分級。城市群交通運輸網絡中的城市被視為節點，不同節點間的聯系強度反應了兩個節點之間交通需求的大小。不同城市間的兩兩聯系強度可以反映運輸網絡上所承載流量的直接指標，若兩城市間的聯系強度較大，那么它們之間的物理交通網絡上就會有較高的流量。

城際交通的聯系強度主要受兩座城市各自的經濟水平和人口數影響，而交通吸引力是兩座城市之間的聯系強度的體現[18]。本文參照重力模型，選用交通聯系度模型[19]：

式中fij為兩城市間的聯系強度，Pi和Pj為i，j兩城的人口數，Gi和GJ為i，j兩城的人均GDP值，Rij為兩城間的高速公路里程，Kij為兩城市之間的聯系系數，計算公式如下：

式中Qi和Qj分別為兩城的公路、民航總客運量，Q為城市群內所選城市的平均公路、民航客運量，Ci和Cj分別為兩城的公路、民航總貨運量，C為城市群內所選城市的平均公路、民航貨運量。

因為構建支持向量機所需的訓練集中所包含的樣本來自西部城市群中的城市，這些城市大都不在同一城市群中，而在各自城市群中建立的聯系強度值又與蘭西城市群的具體情況不符，故對城市群聯系強度的分類只采用K-Means聚類方法。

4 城市群節點城市與城市間聯系度分級實例

交通網絡是由節點城市和交通線路組成的，本文通過K-Means算法與支持向量機結合的方式將各城市分為三類，對應將算出的城市聯系值用K-Means算法分為四類。在將節點和聯系分類的基礎上進行對蘭西城市群交通網絡的分析。

4.1 節點城市分級

本文將西部除蘭西城市群外城市群內重要節點城市選為訓練集，如西安、呼和浩特、南寧、貴陽、烏魯木齊、昆明、咸陽、寶雞、華陰、渭南、德陽等，將蘭西城市群內的節點城市列為測試集，它們是蘭州、西寧、銀川、白銀、定西、中衛、固原、海北、海東。節點城市的數據收集完畢后，首先將用來構建支持向量機訓練集的城市和構建測試集的城市數據輸入統計產品與服務解決方案（Statistical Product and Service Solutions,SPSS）軟件進行數據歸一化處理，得到標準化后數據。

為比較使用支持向量機的分類效果，本文對測試集內的蘭西城市群內城市也進行了K-Means聚類，聚類結果見表3。

表2 訓練集節點城市K-Means分類結果

表3 測試集節點城市K-Means分類結果

根據K-Means對訓練集的分類，用此訓練集對支持向量機進行訓練，得到用支持向量機進行分級的蘭西城市群分類結果。本文所使用支持向量機的核函數選為徑向基核函數，在迭代過程中，最大進化代數為100，種群最大數量為20，懲罰因子C為5.656 9，核函數的參數g為0.353 55，CV精度為86.666 7%，圖1為本次分類的參數圖，圖2為樣本數據的分布圖。

圖1 支持向量機分類參數圖

分類結果見表4：

表4 測試集節點城市支持向量機分類結果

在用K-Means算法對測試集的分類中，蘭州、銀川、西寧、白銀、定西被分為一級節點，而其他城市被分為二級節點，而利用支持向量機的分類結果中蘭州被列為一級，銀川為二級，其他為三級。這樣的分級結果不論是從客觀數據還是主觀的判斷上都更符合現實情況，由此可見結合K-Means算法與支持向量機進行分類其分類效果是優于只用K-Means算法的。

4.2 城市聯系度分級

由于難以構建城市聯系度的訓練集，本文只對城市聯系度進行K-Means聚類。各城市間的聯系度KMeans聚類過程與上述類似。各城市之間的聯系值見表5。

表5 各城市間聯系強度值

聚類之后分類結果見表6。

表6 各城市間聯系強度分級

5 西部城市群交通網絡結構分析—以蘭西城市群為例

通過上述數據處理過程，本文已將蘭西城市群的節點城市及城市間的聯系強度做了分級，在此基礎上該交通網絡已有了清晰的結構層次，綜合數據處理結果，我們可以得到蘭西城市群的交通網絡建設現狀水平及其中的問題，如圖3所示。

通過初審的課題將送交美國國立衛生研究院各研究所或研究中心的國家顧問委員會（the National Advisory Boards or Councils）進行二審。該委員會由科學家和關注健康問題的各界代表組成，成員一般有12～18人，名單公開，該委員會對通過初審的申請書就其整體水平、是否符合各研究所科技優先領域和經費預算及初審意見等進行全面審核。

5.1 城市群交通網絡節點城市分析

在蘭西城市群的主要節點城市中，各城市被分為三級，具體分析如下。蘭州作為蘭西城市群的核心城市，不論交通建設水平、交通運輸水平還是城市綜合水平都明顯高于城市群內的城市，所以被列為一級節點城市。蘭州是全國主要的交通中轉城市，而蘭州新區更成為蘭州進一步發展的主要動力。蘭州作為區域核心城市，其綜合發展水平是評價蘭西城市群的重要衡量標準，而為了進一步發揮蘭州作為核心的輻射作用，還需要進一步加強蘭州的綜合交通建設。

銀川是寧夏回族自治區的省會，雖然其各項數據指標都低于蘭州，但由于其面積小，人口少，故而在路網密度和人均GDP上顯示出了和蘭州相差不大的水平，就蘭西城市群范圍內其各項指標水平與自身的定位是相符的，所以被列為二級節點城市。

此外的城市被列為三級城市。西寧是青海省的省會，作為省會城市，其交通現狀分類明顯與其行政等級劃分不符，導致其分類較低的是西寧在交通直接相關指標都偏低，而這是由青海整體經濟水平較低造成的。西寧城市市內公交線路與公交車數也顯示出西寧城市內交通需求較低，這也從側面印證了青海省經濟水平不高。白銀、定西和中衛、固原分別是甘肅和寧夏的地級城市，這四個地級市被劃為第三級，就目前蘭西城市群的整體經濟水平來說是合理的，它們都緊鄰各自所處省份的省會城市且互相毗鄰。這四座城市中白銀的各項數據都略高于其他三座城市。而海東和海北作為青海省的自治州和地級市受制于整體薄弱的經濟基礎，其交通建設水平也有不足，這兩座城市都有著較大的面積，但路網密度不高，人口稀疏，在未來的發展過程中基礎建設方面仍有很大的缺口。

圖2 樣本數據分布圖

圖3 蘭西城市群交通網絡結構圖

5.2 城市群交通聯系強度分析

在蘭西城市群中，各城市之間的聯系強度總體水平偏低，這說明各城市之間的交通需求并不旺盛且交通建設不足。在所有聯系強度中只有蘭州-白銀間為一級，一方面這是由于蘭州在蘭西城市群內經濟發展水平和交通建設水平都較高，有著較高的交通需求，另一方面兩座城市間的地理距離也很近，只需強度不大的交通建設就可以滿足兩座城市間的交通需求。而其他列為二級的聯系強度所連接的城市都是直接相接的城市，且都是建立在與其相鄰的省會城市之間。直接與蘭州相接的城市間聯系都為二級以上，這說明以蘭州為核心的城市群已出具規模，蘭州已經顯現出作為核心的輻射作用。被列為三、四級的聯系都建立在經濟基礎薄弱的城市間和距離較遠的城市之間。如定西和白銀雖然相鄰，二者經濟水平較低，交通需求并不高；西寧與海東經濟基礎薄弱，兩座城市內部的交通需求水平本就不高，故而雖然同處青海省內且西寧為青海省會城市，但二者之間的聯系強度并不強；蘭州是蘭西城市群的核心城市，銀川為寧夏區域核心，這兩座城市雖然有著較好的經濟水平，但由于二者間的地理距離較遠，故而其聯系強度也并不高，但這也同樣說明蘭西城市群內核心城市的輻射水平仍有待提升。

5.3 蘭西城市群交通網絡結構綜合分析

總體來說蘭西城市群內部的交通網絡已經初具規模，其中銀川地區內的公路運輸網絡不論是從路網密度還是運輸量來說都已與成渝城市群、關中城市群這個兩個定位更高的西部城市群相當，而作為核心的蘭州的輻射作用也正在逐步顯現，蘭州與周邊城市的交通聯系度正在逐步提升，但蘭西城市群的交通運輸網絡建設仍有很多不足。

5.3.1 蘭西城市群整體經濟基礎薄弱。蘭西城市群跨甘肅、青海、寧夏三省，這三省的經濟基礎較薄弱，城市之間的聯系強度都偏低。 城市之間的聯系強度取決于各城市的整體發展水平，而經濟水平與交通需求之間又存在著相互促進的關系。加大這三省的交通建設投資不僅可以促進蘭西城市群內城市的經濟發展，也可以刺激城市之間的交通需求增長。

5.3.2 蘭西城市群內交通網絡基礎設施不足。蘭西城市群內，高鐵網絡尚未完全建成，高速公路網密度整體水平不高。成熟的城市群都以便捷的交通設施相連接為基礎，但相較成渝、關中城市群來說蘭西城市群在此方面仍有欠缺。

5.3.3 蘭西城市群內城市分化比較嚴重。在蘭西城市群內的城市分級中，只有蘭州為一級城市，而二級城市也只有銀川一座，其他城市為三級城市。這說明蘭西城市群內只有蘭州和銀川有著較為優越的交通條件，而其他城市在交通建設方面仍有較大不足。

6 結語

本文根據K-Means算法和支持向量機，以蘭西城市群作為實例，分析了我國西部城市群的交通運輸網絡結構，得出了其發展特征。在研究過程中，因為研究資料所限，在構建支持向量機的訓練集時只選取了部分城市，未能構成一個更充分的訓練集。在城市聯系度的測算上參考重力模型，這樣就只考慮了兩座城市間的客貨運量、道路里程這些客觀因素，不能估計交通出行的人為主觀因素。以上這些不足將會在以后的研究中進一步完善。

[1]張倩,胡云峰,劉紀遠,等.基于交通、人口和經濟的中國城市群識別[J].地理學報,2011,66(6):761-770.

[2]顧朝林.城市群研究進展與展望[J].地理研究,2011,30(5): 771-784.

[3]賈卓,陳興鵬,袁媛.中國西部城市群城市間聯系測度與功能升級研究—以蘭白西城市群為例[J].城市發展研究,2013,20 (4):71-76.

[4]Geddes P.City in Evolution:An Introduction to the Townplanning Movement and the Study of City[M].London:Williams and Norgate,1915.

[5]Walter C,著,嚴重敏,等譯.城市的系統[J].地理譯從,1964,(4): 1-8.

[6]Peter C,William F.The Regional City:Planning for the End of Sprawl[M].Washington D C:Island Press,2001.

[7]Arjen J,Van B,Frans D.Dutch urbanisation policies:from‘compact city’to‘urban network[J].Tijdschrift voor Economische en Sociale Gergrafie,2004,95(1):108-116.

[8]Yosef Rafeq Jabareen.Sustainable urban forms:Their typologies,models,and concepts[J].JournalofPlanning Education and Research,2006,26:38-52.

[9]鞠志龍,霍婭敏.交通運輸系統對城市群發展支撐作用的探討[J].鐵道運輸與經濟,2009,31(3):39-42.

[10]董艷華.城市群交通規劃的理論分析與政策建議[J].綜合運輸,2010,(9):21-26.

[11]陳必壯,楊立峰,王忠強,等.中國城市群綜合交通系統規劃研究[J].城市交通,2010,8(1):7-13.

[12]朱彥東,吳兵,汪海淵.城市群綜合交通戰略系統規劃研究[J].現代城市研究,2001,(4):44-47.

[13]Clauset A,et al.Hierarchical structure and the prediction of missing links in networks[J].Nature,2008,453(7 191):98-101.

[14]曾明華,李夏苗,劉大鵬.城市群交通網絡特性[J].系統工程, 2009,27(3):10-15.

[15]Wu J J,Gao Z Y.Urban transit system as a scale-free network[J]. Modern Physics Letter B,2004,18(19-20):1 043-1 049.

[16]李夏苗,王國明,胡正東,等.城市群交通網絡層級結構與組團結構識別[J].系統工程,2012,30(5):81-88.

[17]Chen T W,Chen S Y.Bandwidth Adaptive Hardware Architecture of K-Means Clustering for Video Analysis[J].IEEE transactions on very large scale integration system,2010,18 (6):957-966.

[18]劉麗亞.基于SD模型的城市群—交通影響機理研究[J].道路交通與安全,2011,11(1):41-45.

[19]戴帥,陳艷艷,王振報.山東半島城市群的城際公路交通吸引研究[J].道路交通與安全,2006,6(2):29-31.

Structural Analysis and Empirical Study on Traffic Network of Western City Agglomeration: In the Case of Lan-Xi City Agglomeration

Feng Xiao,Zeng Junwei,Qian Yongsheng,Guang Xiaoping
(Lanzhou Jiaotong University,Lanzhou 730070,China)

In this paper,using the K-Means algorithm and SVM,we analyzed the nodal cities in the Lan-Xi city agglomeration and their level of correlation,studied the traffic network structure of the agglomeration,identified the existing problems,such as weak economic foundation,lack of traffic infrastructure,low level of correlation between the network cities,etc.,and proposed that the development status of the Lan-Xi city agglomeration was representative among the city agglomerations in western China and that though the traffic network of the agglomeration had come into shape,the nodal cities were polarized seriously and not correlated evenly.

westernregion;city agglomeration;K-Means;SVM;trafficnetwork

F252;U125

A

1005-152X(2017)01-0006-06

10.3969/j.issn.1005-152X.2017.01.002

2016-10-24

國家社科基金青年項目（14CJY052）;國家社科基金項目（15BJY037）;甘肅省自然科學基金項目（1606RJZA017）;甘肅省自然科學基金項目（1508RJZA112）

馮驍（1991-），男，甘肅酒泉人，蘭州交通大學碩士研究生，研究方向：交通運輸規劃與管理。