我國鐵路客流時空分布特征分析

龍振　覃松濤

摘要 隨著城市化進程不斷加快，鐵路在我國客運市場競爭優勢進一步增強?；?015—2018年鐵路站間客運量數據，在深入分析全國鐵路客流時空特征基礎上，深入挖掘了主要城市群客流時空分布特征。主要結論有：①歷年鐵路客流在出行距離為50～150 km范圍內出行距離最大，2018年出行距離-客運量關系為y=26593e?0.002x，R方達到了0.94;②鐵路客運周轉量集中在100～400 km范圍，是鐵路效益最大的區間;③各城市群鐵路內部出行比例逐年遞增，人均出行次數逐年遞增，內部平均出行距離除京津冀城市群外逐年遞減。

關鍵詞 鐵路;客流特征;城市群;時空分布

中圖分類號 U293.13 文獻標識碼 A 文章編號 2096-8949（2022）06-0032-03

引言

隨著城市化進程不斷加快，未來大部分人口的就業、居住以及經濟聚集于城鎮化地區，這決定需要大容量、快速化的軌道交通系統作為支撐。鐵路特別是高速鐵路以其速度等優勢，在旅客出行過程中起到關鍵作用[1]。同時通過多層次軌道交通融合銜接，鐵路在高密度、大流量的中短途客運市場中的競爭優勢進一步增強。根據有關數據統計，2019年，鐵路客運周轉量市場份額為41.6%，位居各種交通方式首位[2]。

另一方面，我國城鎮化正朝著以城市群為依托的方向發展，城市空間格局也逐漸呈現組團式發展形成城市群[3]。面向未來，城市群發展不僅是我國城鎮化的戰略，更關系到我國社會經濟發展競爭力質量，更是我國交通強國建設的主要落實空間區域[4]。因此，在對全國鐵路客流特征分析的基礎上，有必要對主要城市群的客流特征進行分析。

該文基于2015—2018年鐵路客運量數據，在分析全國鐵路客流時空特征的基礎上，挖掘主要城市群客流時空分布特征。

1 全國鐵路客流時空特征分析

1.1 數據類型與處理

該文數據源為2015—2018全國鐵路站間客流量。為分析鐵路客流時空分布特征，采用了網絡爬蟲方法，通過高德API（Application Programming Interface）爬取了客運站點坐標并進行空間校正檢驗。鐵路站點之間的出行距離來源于全國鐵路列車運行圖數據與高德API。首先根據鐵路運行圖數據，找到兩個鐵路站點所在的同一條車次，并基于此找到兩個站點之間真實鐵路出行距離。但由于運行圖不斷調整，部分站點之間的出行距離并未依此邏輯找出，故通過高德地圖API爬取了站點之間采用公共交通方式所需出行距離，用于估計站點間的出行距離。

數據預處理完成后，將帶有起終車站經緯度的2015—2018全國鐵路站間客流量數據導入GIS（Geographic Information System）分析軟件ArcGIS中可視化，即可得到全國鐵路客流時空分布情況。在此基礎上，通過站點與城市群之間的空間映射，得到重要城市群之間與內部的客流時空特征。

1.2 歷年全國鐵路客流變化特征分析

2015—2018年全國鐵路客運量與平均出行距離分布如圖1所示。從圖中可以看出：

（1）客運總量從2015年的261 456.7萬人增長到2018年的337 322.2萬人，年平均增長9.67%，客流增長趨勢較為明顯。

（2）鐵路客運平均出行距離從2015年的498.48 km下降到2018年的446.40 km，年平均減少3.48%，鐵路平均出行距離逐年遞減。

從歷年客運量隨距離波動情況來看，曲線線性基本沒有變化：客運量最大的出行區間均為50～150 km;從出行距離為50 km開始，出行距離與客運量之間呈現指數分布的分布形式，故對此進行函數擬合如表1所示。2016—2018年函數擬合度R方均大于0.9，其中2018年擬合度達到了0.94，擬合程度很高。分析歷年分布函數形式，指數取值均為?0.002，系數取值范圍為26 000左右。該部分的研究有利于剖析客流在空間距離上的分布特點，為鐵路客流量預測以及鐵路網規劃建設提供參考。

針對2018年鐵路客運量分布，客運量最大的區間50～150 km范圍占比達到28.0%，60%的鐵路客運分布在350 km范圍內，80%的鐵路客運出行分布在700 km范圍內。為反映鐵路運行效益分布，分析2018年鐵路客運周轉量分布。鐵路客運周轉量超過1 000億人公里為100～400 km范圍，占比達到了全客運周轉量的22.1%， 60%的鐵路周轉量分布在1 100 km范圍內，80%的鐵路周轉量分布在1 700 km范圍內。

1.3 全國鐵路出行空間特征分析

為直觀反映鐵路客流在空間上的分布特點，在ArcGIS軟件中進行可視化展示，2018年全國鐵路客運OD分布調查得知，其中短途客流主要集中在廣州-深圳、天津-北京、上海-杭州等方向，中長途客流主要集中在成都-重慶、長沙-廣州、石家莊-北京、蘇州-上海、北京-上海、成都-西安等方向。

鐵路客流形態基本呈現“四極+中心”的分布特征，對應到城市空間即為我國的五大城市群：京津冀城市群、長三角城市群、粵港澳城市群、成渝城市群以及長江中游城市群。鐵路客流主要發生在城市群內部以及城市群之間的交流，因此為進一步分析我國鐵路客流時空分布特征，有必要針對這五大城市群進一步分析城市群鐵路客流特征。

2 主要城市群鐵路客流特征分析

2.1 研究區域概述

關于中國城市群的數量以及范圍，目前行業內外尚未形成統一意見，但對于該文所討論的五個重點城市群依舊達成了共識[5]。成渝城市群、長江中游城市群以及長三角城市群均有對應的城市群規劃，該文以城市群規劃所劃定的范圍作為研究區域，而京津冀城市群與粵港澳大灣區范圍則以目前常用的范圍來劃定。

五大城市群的基本信息表如表2所示，從表中可以看到：

（1）除去面積最大的長江中游城市群及面積最小的粵港澳大灣區外，另外三個城市群面積規模相當。

（2）長三角城市群經濟人口相較于其余四個城市群具有較大優勢。

（3）京津冀城市群在鐵路站點個數以及覆蓋率方面優勢明顯，長江中游城市群與長三角城市群在鐵路基礎設施建造方面還有較大提升空間。

2.2 2018年主要城市群鐵路客流特征分析

通過鐵路站點與城市群的空間映射，將鐵路站間客流量轉化為城市群之間的客流量。2018年主要城市群鐵路客流特征分析結論如下：

（1）長三角城市群2018年鐵路內部交流量最大，達到3.8億人次，其次是長江中游城市群，第三梯隊為成渝、京津冀與粵港澳三個城市群。通過相關性分析，鐵路發送量以及城市群內部交流量與對應城市群GDP的皮爾森相關系數（Pearson correlation coefficient）分別達到0.973、0.975，在0.01水平（雙側）上顯著正相關，說明經濟因素對鐵路客運量的影響很大。

（2）長三角城市群鐵路旅客發送量最大，達到5.6億人次，占全國鐵路旅客發送量的16.6%，第二梯隊為長江中游、京津冀、粵港澳三個城市群，分別占全國鐵路旅客發送量比例為10.6%、9.6%、8.4%，最后是成渝城市群，占比為6.4%，五大城市群總占比達到51.6%，占全國鐵路客流一半以上。

（3）五大城市群之間交流最緊密的前三位為長江中游-粵港澳、長江中游-長三角、京津冀-長三角。長江中游城市群因地處中部地區，與周邊城市群交流便捷，故城市群間的交流較為活躍，而成渝地處西南，路網相對邊緣，故與周邊城市群交流相對較少。

（4）成渝城市群因地形因素以及在路網中的邊緣性緣故，內部出行比例最大，達到了0.74，其次是長三角城市群，因內部各城市產業聯系緊密，聯系活動頻繁，內部出行比例達到0.68。其余三個城市群內部出行比例也均超過0.5，說明鐵路客運出行有一半以上發生在城市群內部，符合城市群同城化與一體化的綜合定位要求。

（5）京津冀城市群平均出行距離最大，為294.1 km，最小為粵港澳大灣區，為90.8 km。通過相關性分析，內部平均出行距離與站點個數的皮爾森相關系數達到0.967，顯著相關，而與面積的相關系數為0.557，相關性不大，并不是面積越大，平均出行距離越大。京津冀城市群平均內部出行距離大源于北京憑借首都的區位優勢，中心化傾向明顯，吸引著大量周邊城市前往北京從而造成中長距離出行較多。而粵港澳大灣區平均出行距離僅有90 km，主要原因是廣州-佛山、廣州-珠海、深圳-東莞、廣州-深圳這種中短出行達到城市群內部交流的67.2%，同城化現象明顯。其余城市群內部平均出行距離在180 km左右，與都市圈半徑大致相同，反映其城市群內部出行主要表現為核心城市與周邊城市交流，符合城市群多核發展的發展模式。

（6）粵港澳大灣區人均出行次數最大，達到4.5人次/年，最小為京津冀城市群，為2.28人次/年。城市群人均出行次數基本隨著內部平均出行距離的增大而減少。

3 結論

該文基于2015—2018年鐵路客運量數據，在深入分析全國鐵路客流時空特征基礎上，挖掘了主要城市群客流時空分布特征。主要結論有：

（1）歷年鐵路客流在出行距離為50～150 km范圍內出行距離最大，2018年出行距離-客運量擬合曲線為y = 26 593e?0.002x，擬合度達到了0.94。

（2）鐵路客運周轉量集中在100～400 km范圍，是鐵路效益最大的區間。

（3）隨著國家新型城鎮化建設的加速推進，各城市群鐵路內部出行比例逐年遞增，人均出行次數逐年遞增，除京津冀城市群外平均出行距離逐年遞減，鐵路客流空間分布更為聚集。

為更好發揮鐵路客運主力軍的作用，需要統籌四大板塊，推進三大區域戰略，城市群將成為未來鐵路客運量增加的重要動力。城際鐵路和市域鐵路作為支撐“軌道上”的城市群發展的關鍵基礎設施，也是做大鐵路中短途客運市場的重要依托，未來發展潛力巨大?？偠灾?，針對我國鐵路客流時空分布特征相關分析研究還需更加深入，為鐵路更好發揮支撐引領作用和增強戰略保障能力提供理論基礎。

參考文獻

[1]徐彩睿，但婷，何靜，等.高鐵聯網背景下城市可達性空間格局演變[J].現代城市研究，2020（2）：61-66.

[2]王小榮，張玉召，張振江.鐵路快捷貨運物理網絡結構特性分析[J].武漢理工大學學報（交通科學與工程版），2021（1）：132-136.

[3]黃超，呂穎，劉蘇.城市群城際鐵路線網規模測算及適應性研究[J].鐵道工程學報，2016（2）：80-84.

[4]徐涵，聞克宇，王龍.我國主要城市群鐵路客流特征研究[J].鐵道運輸與經濟，2020（6）：42-47.

[5]方創琳，毛其智，倪鵬飛.中國城市群科學選擇與分級發展的爭鳴及探索[J].地理學報，2015（4）：515-527.

收稿日期：2022-01-13

作者簡介：龍振（1995—），男，碩士研究生，助理工程師，研究方向：大數據在交通規劃中的應用。

基金項目：中鐵第四勘察設計院集團有限公司科技研究開發計劃項目“綜合交通大數據分析決策平臺開發（I期）”（2020D022）。