濟南都市圈高速公路交通流空間演化及影響因素

姜勇 代洪娜 黃玉娟 高超

摘要：為分析高速公路對都市圈發展的影響機理，基于濟南都市圈2013、2019年的高速公路收費數據，采用空模型法，通過距離衰減函數分析高速公路交通流的空間分布規律及影響因素。結果表明：2019年濟南都市圈出行距離相較于2013年的0～110 km增至0～130 km；2013、2019年濟南都市圈高速公路交通流出行時間均集中在0～61 min；2019年濟南都市圈距離衰減系數減小，呈由濟南市中心城區向其他市中心城區、縣（區）的梯度遞減特征，由塊狀分布演變為以濟南市為分界線的西高東低片狀空間分布；2019年濟南都市圈高速公路日均車流量比2013年明顯增加，呈濟南市為核心、相對集聚的多中心“云朵狀”空間分布；濟南都市圈高速公路交通流距離衰減系數與經濟密度、人口密度、國內生產總值（gross domestic product，GDP）和人口數量4個因素呈顯著的負線性相關，且影響程度依次降低。未來應繼續加強濟南市與魯西地區的經濟聯系，實現濟南都市圈內各區縣經濟協同發展。

關鍵詞：高速公路；距離衰減系數；濟南都市圈；空間分布

中圖分類號：U491.1⁺12文獻標志碼：A文章編號：1672-0032（2023）01-0022-08

引用格式：姜勇，代洪娜，黃玉娟，等.濟南都市圈高速公路交通流空間演化及影響因素［J］.山東交通學院學報，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

都市圈建設作為區域經濟增長的重要載體，對加強中心城市輻射力、拓展經濟發展空間、推動區域高質量協調發展具有重要意義。文獻[1]明確提出到2035年形成“全國123出行交通圈”，其中“1”為實現都市區1 h通勤。高速公路作為都市圈快速高效綜合交通系統的重要組成部分，具有全封閉、大容量、高速度等特點，在中、短距離運輸上占優勢，對引導和優化都市圈區域發展具有重要作用，可有效反映都市圈尺度上城市間的聯系強度及空間關聯形勢。高速公路可有效促進區域經濟發展和人口流通，研究高速公路對都市圈發展的影響機理具有重要意義。

隨著大數據技術的快速發展，眾多學者根據不同類型、尺度及地域的交通流，研究城市內外聯系的空間結構、解析區域間組織模式與演化過程、分析區域間交通流距離衰減規律。在數據研究方面，學者基于全球定位系統（global positioning system，GPS）數據^[2-5]、手機信令數據^[6]、地鐵刷卡數據^[7]、出租車數據^[8-9]等，識別不同規模城市內交通出行熱點區域，分析城市內部交通流的空間交互關系；在內容研究方面，學者多從公路^[10-12]、高鐵^[13-15]和航空^[16-19]等方面對比分析不同交通方式下城市網絡的層級特征及空間演化規律；在區域研究方面，學者基于交通流數據分析了福建^[20]、江蘇^[21]、長三角城市群^[22]、長江中下游城市群^[23]、成渝城市群^[24]等區域各城市間空間結構聯系。采用交通流數據量化區域城市空間聯系的研究已取得較豐碩的成果，但多數研究仍受數據樣本量、連續性、規模性等影響，從都市圈角度探析距離衰減規律的空間分布特征與演化規律的研究較少。本文基于高速公路收費數據，分析濟南都市圈高速公路交通流的距離衰減空間分布特性演化規律及影響因素，為制定都市圈一體化發展政策提供科學依據。

1 數據來源與研究方法

1.1 數據來源

濟南都市圈包括濟南、濱州、淄博、泰安、德州和聊城6個城市，面積和人口數量約占山東省的1/3。2013、2019年濟南都市圈高速公路網如圖1所示。由圖1可知：2013—2019年濟南都市圈高速公路建設發生了質的飛躍，新建了京滬、東呂、德上等高速公路，濟南都市圈內高速公路可達性顯著提高，路網結構進一步完善，因此采用2013、2019年濟南都市圈高速公路交通流數據研究其空間演化規律及影響因素，為避免地區合并對研究結果造成影響，將2013年萊蕪市數據歸入濟南市進行分析。

對2013、2019年山東省高速公路收費數據進行預處理，得到濟南都市圈6個城市共計52個區縣的高速公路收費數據；通過高速公路收費站的地理位置獲取各市、區縣間的出行距離和出行時間；主要從文獻[25-26]中獲取濟南都市圈經濟發展數據，包括各區縣的國內生產總值（gross domestic product，GDP）、人口數量等。考慮到濟南市中心城區的整體性，對歷城區、歷下區、槐蔭區、天橋區和市中區進行統一化處理；因重點研究濟南都市圈高速公路客流出行分布特性，僅選取4種客車車型的出行數據進行分析。

1.2 研究方法

高速公路交通流研究方法有線性回歸法、線性規劃法、空模型法、粒子群優化算法、蒙特卡羅法等^[27-28]。空模型法可較好地模擬隨距離增加，社會經濟聯系衰減的過程。本文采用空模型法獲取距離效應矩陣，根據區縣間的出行距離和出行時間，計算距離衰減函數，分析濟南都市圈高速公路交通流距離衰減規律。

構建與距離無關的空間聯系矩陣G^null，矩陣中的元素

g^null_ij=W_iW_jF/∑∑W_iW_j，

式中：g^null_ij為與距離無關的節點i、 j間的模擬流量；W_i為節點i與周圍節點的的空間聯系總量，W_i=∑_jg_ij，其中g_ij為節點i、 j間實際觀測的流量；W_j為節點j與周圍節點的的空間聯系總量；F為區域內所有節點的空間聯系總量，F=∑∑g_ij。

距離效應矩陣T中元素為節點實際觀測流量矩陣G中的各元素g_ij與G^null中的各元素g^null_ij之比，即

t_ij=g_ij/g^null_ij，

式中t_ij為節點i、j間距離d_ij的距離衰減效應。

分別采用單指數模式和雙對數模式擬合距離衰減函數，前者開方指數類型的距離衰減函數為

f（d_ij）=aexp［-b（d_ij）^0.5］， ???（1）

式中：a為常數，b為距離衰減函數系數。

雙對數模式下Pareto類型和常對數類型的距離衰減函數分別為：

2 高速公路交通流空間分布演化規律及影響因素

2.1 高速公路交通流累計比例曲線

高速公路交通流累計比例曲線可直觀反映交通流集中的區段及都市圈中心城市對周邊地區的輻射范圍。2013、2019年濟南都市圈高速公路交通流累計比例曲線如圖2所示。由圖2可知：以累計比例80%為界，2013、2019年濟南都市圈高速公路交通流出行距離分別集中在0～110 km、0～130 km，出行時間均集中在0～61 min，與都市區1 h通勤基本契合。相較于2013年，2019年高速公路交通流出行距離增加，但出行時間基本相同，說明隨高速公路網結構的優化、運營管理水平的升級、運行效率的提升，濟南都市圈的交通流出行范圍進一步擴大、出行服務品質進一步優化、出行效率進一步提高。

2.2 高速公路交通流距離衰減函數

高速公路交通流在空間上存在距離衰減規律，通過距離衰減函數，分析高速公路交通流在不同區域距離中衰減系數的變化，為社會經濟空間組織優化提供數據支撐。采用空模型法計算濟南都市圈各市、區縣的高速公路交通流出行距離、出行時間的效應矩陣，通過式（1）（2）進行模擬，得到不同類型的距離衰減函數的主要擬合系數如表1所示。由表1可知：濟南都市圈高速公路交通流存在明顯的距離衰減特征，2019年高速公路交通流距離衰減函數擬合結果優于2013年，說明隨路網結構優化及運行效率的提升，高速公路交通流的距離衰減特性越來越顯著；3種距離衰減函數的擬合度相差不大，但開方指數距離衰減函數的擬合度優于其他2種，出行時間類型的距離衰減函數擬合度優于出行距離類型的距離衰減函數，故選擇出行時間類型下開方指數距離衰減函數作進一步分析。

2.3 高速公路交通流空間分布演化規律

根據2013、2019年高速公路交通流數據，基于式（1）計算2013、2019年濟南都市圈高速公路交通流距離衰減系數的空間分布，結果如圖3、4所示。

由圖3可知：2013年濟南都市圈高速公路交通流距離衰減系數為0.31～3.64，濟南市作為濟南都市圈經濟發展的核心區，“眾星拱月”式的空間布局使得濟南市距離衰減系數較低，輻射引領作用明顯；距離衰減系數較低的區域主要集中在濟南市中心5個城區（歷下區、歷城區、槐蔭區、天橋區、市中區），向東、南和北方向分別延伸至張店區、泰山區和慶云縣，呈西高東低、北高南低的“山峰狀”空間分布。2013年距離衰減系數較低的濟南市（中心5城區、濟陽區、章丘區）、淄博市（張店區、臨淄區）和泰安市（泰山區）的日均高速車流量占濟南都市圈高速公路車流量的43.56%，其中28.52%的車流量發生在濟南市內部；距離衰減系數較高的聊城市（臨清市、高唐縣、冠縣、莘縣、東昌府區、茌平區、東阿縣、陽谷縣）、德州市（武城縣、夏津縣、平原縣、禹城市、齊河縣）、泰安市（東平縣、肥城市、寧陽縣、岱岳區）、濟南市（平陰縣、長清區）和淄博市（博山區）的日均高速車流量占濟南都市圈高速車流量的27.57%。

由圖4可知：2019年濟南都市圈高速公路交通流距離衰減系數為0.27～3.57，比2013年距離衰減系數降低，各區域間的聯系加強，呈現西高東低的“兩極分化”空間分布；距離衰減系數較低的區域主要集中在濟南市（中心5個城區、章丘區、濟陽區、萊蕪區、鋼城區），其核心地位進一步鞏固，距離衰減系數向東、南和北方向不斷減小；距離衰減系數較高的區域集中在聊城市和泰安市邊緣區縣，為點狀分布。隨濟南都市圈內德上、京滬、東呂等高速公路的建設，濟南市與周邊城市間的聯系更密切、輻射范圍更廣泛。聊城市位于濟南都市圈發展邊緣，距離衰減系數較高，未來應加強濟南市對聊城市的帶動作用。2019年距離衰減系數較低的濟南市（中心5城區、章丘區、濟陽區、長清區、萊蕪區和鋼城區）、淄博市（沂源縣、博山區、淄川區、周村區、張店區、臨淄區）日均高速公路車流量為91 117輛，占濟南都市圈高速公路車流量的50.38%，其中51.25%的車流量在濟南市各區、縣間；距離衰減系數較高的聊城市（臨清市、高唐縣、冠縣、莘縣、東昌府區、茌平區、東阿縣、陽谷縣）、濟南市（平陰縣）和泰安市（肥城市、東平縣），高速公路日均車流量為30 451輛，僅占濟南都市圈高速公路車流量的13.26%。2019年濟南市與泰安市、德州市、聊城市和淄博市高速公路日均車流量比2013年明顯增加，主要集中于各市中心城區間，形成以中心城區為中心，向周邊區、縣輻射的格局，呈現以濟南市為核心、相對集聚的多中心“云朵狀”空間分布。

2019年濟南都市圈各市中心城區的距離衰減系數比2013年明顯降低，低距離衰減系數的中心城區易與周邊區域形成緊密的社會經濟聯系，吸引要素集聚，輻射帶動周邊區域發展。經過6 a的發展，魯西地區的距離衰減系數明顯降低，但仍高于魯中地區。各市邊緣地區的距離衰減系數較高，未來應持續加強濟南市對魯西地區的帶動作用，各市應加強對邊緣地區的帶動和發展，提升濟南都市圈的總體實力。

2.4 高速公路交通流空間演化影響因素

2013、2019年濟南都市圈高速公路交通流距離衰減系數與經濟和人口的關系如圖5所示。由圖5可知：人口數量、GDP規模、人口密度和經濟密度對高速公路交通流距離衰減系數的影響逐漸減弱，2019年4個指標比2013年分別下降20.0%、37.5%、58.0%、77.0%；高速公路交通流距離衰減系數與經濟發展指標表現為顯著的負線性相關，說明經濟密度、人口密度、GDP規模及人口數量越大，距離衰減系數越小。

3 結論

本文根據2013、2019年濟南都市圈高速公路收費數據，基于距離衰減函數分析了濟南都市圈高速公路交通流距離衰減空間分布演化規律及影響因素。

1）2013、2019年濟南都市圈高速公路交通流出行時間均集中在0～61 min，與都市區1 h通勤基本契合；出行距離由2013年的0～110 km擴大至2019年的0～130 km，隨高速公路網的完善，都市圈內出行距離進一步擴大、服務品質進一步提升。

2）作為濟南都市圈經濟發展核心區，濟南市的距離衰減系數較低，輻射引領作用明顯，高速公路通達性較好，呈現由濟南市中心城區向其他市中心城區、縣（區）的梯度遞減特征。相較于2013年，2019年濟南都市圈距離衰減系數降低，呈現西高東低的“兩極分化”空間分布，距離衰減系數較低的地區由濟南中心5城區逐漸向東、南、北3個方向延伸，連接成片狀分布；距離衰減系數較高的區域集中在聊城市和泰安市邊緣區縣，未來應繼續加強濟南與魯西地區的經濟聯系，實現都市圈內各區縣經濟協同發展。

3）高速公路交通流距離衰減系數與GDP規模、人口數量、經濟密度和人口密度等指標呈顯著的負線性相關，經濟密度是距離衰減系數的主要影響因素。

考慮到傳統引力模型在一定程度上影響空間模擬的準確性，下一步可結合實際的交通流數據在不同運輸方式下修正引力模型，提高區域空間相互作用模型的準確性。

參考文獻：

［1］中華人民共和國國務院.交通強國建設綱要[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.城市交通熱點區域的空間交互網絡分析[J].地理科學進展，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]徐偉.基于機器學習的共享單車熱點區域識別及需求預測[J].綜合運輸，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，馬林兵，胡繼華，等.基于軌跡數據場的熱點區域提取及空間交互分析：以深圳市為例[J].熱帶地理，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]馮慧芳，周丹鳳.基于GPS軌跡挖掘的城市空間動態交互特征研究[J].交通運輸系統工程與信息，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]黃潔，王姣娥，靳海濤，等.北京市地鐵客流的時空分布格局及特征：基于智能交通卡數據[J].地理科學進展， 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，戈藝澄，陳方. 基于公路交通流大數據的節假日旅游流時空分異特征：以云南省2017年7個節假日為例[J].旅游學刊，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]陳偉，劉衛東，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.

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]崔洪軍，任志笑，朱敏清，等.高速公路出行距離特征分析與應用[J].科學技術與工程，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.

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，金鳳君，等.高速鐵路對城市網絡結構的影響研究：基于鐵路客運班列分析[J].地理學報， 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]吳康，方創琳，趙渺希.京津城際高速鐵路影響下的跨城流動空間特征[J].地理學報，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.中國航空運輸業與旅游業發展水平關系測度[J].地理科學，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.

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]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：基于福建省高速公路收費站數據的實證研究[J].地理科學進展，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，陸玉麒，朱宇，等.基于高速公路交通流的江蘇省城市空間關聯特征[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，鈕心毅，宋小冬.基于城際出行的長三角城市群空間組織特征[J].城市規劃，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]肖澤平，鐘業喜，馮興華，等.長江中游城市群空間結構演變及效應分析[J].長江流域資源與環境，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]侯蘭功，孫繼平.復雜網絡視角下的成渝城市群網絡結構韌性演變[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]山東省統計局.山東統計年鑒[M].北京：中國統計出版社，2013.

[26]山東省統計局.山東統計年鑒[M].北京：中國統計出版社，2019.

[27]王成金.中國交通流的衰減函數模擬及特征[J].地理科學進展，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，周夢杰.顧及距離衰減效應的網絡空間同位模式挖掘[J].測繪科學，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

（責任編輯：郭守真）