高速铁路对城市群城际交通可达性格局的影响：以长三角地区为例

随着通沪铁路、商合杭高铁、合安高铁、盐通高铁、连镇高铁陆续开通，长江三角洲(以下简称“长三角”)地区的高速铁路(以下简称“高铁”)主干网络格局基本形成，城市之间的时空距离迅速缩短。自此，频繁的城际交流不仅限于主要大城市之间，也开始渗透到县市层面，区域交通可达性 ^① 进入新的发展阶段。

对于高铁建设下的城市与区域可达性变化，现有研究主要关注其对城市区位关系和城市经济腹地的影响，分析新交通基础设施如何重新定义城市的交通优势和劣势地位 ^[1-3] ，并通过设计各种可达性指标来评价其获取机会或控制市场的能力 ^[4-7] 。相关研究指出，高铁开通前后的可达性格局变化可能呈现以下几方面特征：1)高铁开通后的高可达性区域主要出现在高铁沿线，表现出明显的廊道效应，铁路枢纽城市为周边城市提供了更快连接其他城市的廊道 ^[8] ；2)高铁车站周边可达性显著提高，结合廊道形成明显的点-轴格局，即以高铁轴带为核心、外围区域为边缘的核心-边缘模式 ^[9] ，并且也可能由于车站间距过大，导致可达性优势区域不连续，出现割裂区，即飞地现象 ^[9-10] ；3)大城市和小城市的高铁可达性增率明显，中等城市增长较缓，呈现一种沿城市规模分布的沙漏效应 ^[11] 。

然而，这些影响效应更多显现于宏观尺度，且形成于高铁网络建设的初期阶段。随着主干网络的形成和不断加密，高铁出行已经渗入微观、日常、短距离、生活层面。这种快速交通基础设施给个体提供了更多样化的出行选择，例如城市群内的短距离城际交通。在长三角城市群内部，乘高铁已经与自驾车一样，成为短距离城际出行的常见选择。因此，传统以单一交通方式计算的可达性指标难以如实地反映现实中的城际通达水平变化。只有通过多样化出行选择(如乘高铁与自驾车)之间的对比分析，才能更清晰地理解高铁对区域可达性的影响。

本文利用百度地图导航驾车时间和中国铁路高铁列车运行时刻表数据构建两种城际出行方式的旅行时间测算模型。通过与传统公路网络下的城际出行指标进行对比，在县市尺度下分析长三角地区高铁网络建设对城际交通可达性产生的影响。首先，通过编写python程序批量获取以高铁和公路方式为载体的城际交通旅行时间数据，构建完整的定量测算模型。其次，根据对可达性的不同理解和衡量方法 ^[12-13] ，在县市尺度下计算常用的可达性指标，即加权平均旅行时间(Weighted Average Travel Time, WATT)、潜能可达性(Potential Accessibility, PA)、日可达性(Daily Accessibility, DA) ^{[2-3, 14-18]} ，测度两种城际出行方式下的可达性格局，并分析高铁建设带来的格局变化。通过比较不同城市的可达性水平变化情况，揭示长三角城际交通水平的不均衡发展趋势。最后，基于时间消耗和出行便捷偏好，筛选高铁出行快捷优势区域，比较乘高铁和自驾车两种城际出行方式的便捷程度，分析长三角主要城市的城际交通首选方式。

根据《长江三角洲区域一体化发展规划纲要》 ^[19] ，长三角包括上海市、江苏省、浙江省、安徽省，即三省一直辖市的全部行政区域。长三角区域高铁网络和高速公路网络的发展均较为成熟，本文以长三角内县市为研究对象，将市辖区的各区合并，共形成198个分析单元。

根据《中长期铁路网规划》 ^[20] 提出的高速铁路建设标准，本文将高速铁路网定义为通行G，D，C字头动车组的铁路网。分析所用的高铁线路网由OpenStreetMap获取，区内高铁站(共185个)及其列车时刻表数据来源于中国铁路12306网站。通过python程序爬取12306网站某天的实时运行数据，获得高铁车站之间开行的列车班次数量，并获取最快车次对应的出发到达车站以及出发到达时间。对于两高铁站之间没有直达列车的情况，选取出行时间最短的中转方案。数据采集时间为2021年1月15日。

自驾车旅行时间来源于百度地图导航信息，利用python程序获取百度地图上任意两坐标点之间驾车最优线路的行驶时间和距离数据。数据采集时间为2020年7—12月，选取工作日非早晚高峰时段(9:00—17:00，20:00—次日7:00)，尽可能消除道路拥堵对通勤时间的影响。对于部分开通轨道交通的城市，经数据比较，轨道交通出行并不比道路畅通条件下的驾车出行节省太多时间，因此乘高铁出行的接驳时间统一采用驾车出行时间。

1）乘高铁出行模型。

借鉴M. Salonen等 ^[21] 提出的“门到门旅行时间”(door-to-door total travel time)测算方法，构建了城际间乘高铁的旅行时间测算模型。城市到城市的总旅行时间由城—站、进站候车、站—站、出站换乘候车、站—城五段组成(见图1a)，即

式中： T _{ij 高} 为城市 i 到城市 j 的总旅行时间/min； T _iI 为城市 i 到高铁站 I 的旅行时间/min； T _wI 为高铁站 I 的进站候车时间/min； T _IJ 为乘坐高铁从高铁站 I 到达高铁站 J 的旅行时间/min； T _wJ 为高铁站 J 的出站换乘候车时间/min； T _Jj 为高铁站 J 到城市 j 的旅行时间/min。由于高频次旅客、低频次旅客的时间规划和掌控能力不同，导致站内候车时间存在较大差异，考虑常旅客的候车时间，将 T _wI + T _wJ 设定为30 min。

由于同一个城市可能有多个高铁站且不同旅行方向需要选择不同高铁站，故模型选取离城市中心区最近的三个车站，以其所有可能线路中时间最短的班次来测算城际最短高铁旅行时间。由于展线需要，高铁站常建于郊外，故城市特定地点(出发地或目的地)与高铁站间的旅行时间不容忽视 ^[11] 。利用百度地图导航获取城市内驾车(或乘出租汽车)的时间消耗，以城市政府所在地到高铁站的最短驾车时间来衡量 T _iI 或 T _Jj 。

图1 城际出行旅行时间的测算模型

2）自驾车出行模型。

自驾车城际出行方式下，旅行时间测算方法相对简单。利用百度地图API编写python程序，批量获取两两城市之间在自驾车方式下的导航路径最短时耗。本文设定的起点、终点均为城市政府所在地(见图1b)。

1）加权平均旅行时间。

平均旅行时间指某一节点城市到区域内其他各节点城市出行时耗平均值 ^[22] 。加权平均旅行时间(WATT)考虑节点城市之间发展的差异性 ^[3] ，在平均旅行时间的基础上加入节点影响力权重，用以权衡城市规模与发展水平对其可达性空间格局的影响 ^[23] 。表达式为

式中： WATT _i 为城市 i 的加权平均旅行时间/min，该值越小代表节点的可达性越高； T _ij 为城市 i 至城市 j 的最短旅行时间/min，根据交通方式不同分为 T _{ij 高} 和 T _{ij 驾} ； M _j 为城市 j 的城市质量。本文采用节点的人口规模和地区生产总值对Mj进行集成，即

式中： P _j 为城市 j 的人口规模/万人，采用第七次全国人口普查(2020年)的城市常住人口数据； G _j 为城市j的地区生产总值/亿元，采用2020年的地区生产总值数据。

2）潜能可达性。

参考重力模型，综合考虑城市间吸引力及其影响力的距离衰减 ^[3] ，潜能可达性(PA)用以反映城市受到其他城市辐射和影响的水平 ^[2] 。潜能可达性与城市间的距离成反比关系，值越大代表城市可达性潜力越强。表达式为

式中： PA _i 为城市 i 的潜能可达性； α 为距离衰减系数，通常取值为1 ^[24] 。

3）日可达性。

日可达性DA又称为一日交流圈，表示城市在限定时间成本消耗内的影响范围 ^[24] 。本文采用单程4 h时间成本来计算城市日常最大的通行范围，用覆盖的人口数量表示日可达性。表达式为

式中： DA _i 为城市 i 的日可达性，该值越大代表日可达性越高； δ 为系数， T _ij ≤4时 δ =1， T _ij >4时 δ =0。

个体在进行短距离城际出行方式选择时主要考虑快速性和便捷性。因此，本文假设长三角旅客在城际出行中如选择乘高铁而非自驾车，主要基于两大条件：1)乘高铁比自驾车的总旅行时间明显更短，即高铁可节省大量时间；2)高铁站接驳交通便捷，用时较短，即乘高铁时间占总旅行时间的比例较高。基于这两个假设条件，本文设计了“高铁-驾车时耗比”和“高铁运行-总旅行时间比”两个出行效率指标，用来衡量乘高铁相对于自驾车出行的便利程度，即

式中： A ^* _ij 为高铁-驾车时耗比，即城市间乘高铁与自驾车总旅行时间的比值，直接反映二者之间的便利程度差异，值越小代表高铁出行时间效率越高； B ^* _ij 为高铁运行-总旅行时间比，即城市间高铁列车运行时间与总旅行时间的比值，值越大代表高铁接驳时间越短，乘高铁便捷性越高。 A ^* _ij <1，即表明乘高铁比自驾车更节省时间； B ^* _ij >1/3，即表明乘高铁具备与自驾车同样的便捷性。

根据长三角地区198个县级及以上城市(以城市政府所在地为出发点)到周边高铁站的最短驾车时间数据，绘制区内高铁服务水平分布图(见图2)。121个城市(占61%)在车站30 min服务半径内，42个城市(占21%)在车站>30~60 min服务半径内，29个城市(占15%)在车站>60~90 min服务半径内。岱山、嵊泗、泰顺、宿松、岳西、盱眙距离高铁站较远，大多位于网络间隙。

图2 长三角地区县级及以上城市高铁服务水平

分别计算乘高铁和自驾车两种城际出行方式下各县级及以上城市的可达性指标水平，通过比较两者之间的变化，分析高铁网络建设对原公路网联系下的可达性格局的影响。

1）加权平均旅行时间和潜能可达性。

以WATT和PA两种指标度量的不同城际出行方式下的可达性空间分布格局及其变化趋势整体相似(见图3、图4)，具体呈现以下特征：1)自驾车方式的高可达性区域出现在环太湖区域，呈现以太湖为中心向外扩散的圈层格局，而乘高铁方式的高可达性区域形成沿京沪高铁、宁杭高铁分布的高值廊道，呈现由廊道向两侧递减扩散的格局；2)城际出行高可达性区域呈现从自驾车模式下“环太湖单中心”格局向乘高铁模式下“南京、镇江、无锡、杭州多中心”格局的转化；3)乘高铁模式下，部分小城市的可达性受到廊道内大城市的辐射影响，表现出与大城市相似的可达性特征，例如嘉善县、丹阳市、全椒县、德清县等大城市周边的小城市。

图3 WATT分布特征及对比

图4 PA分布特征及对比

从各城市WATT和PA对比变化上看(见图3c、图4c)，高铁建设使得长三角大部分地区的城际出行时间明显缩短；而部分地区的潜能可达性降低，集中在公路网络比高铁网络更为发达的地区，例如沪宁杭三角地带中部、江苏东部等。可达性提升较高的城市基本位于高铁线路交叉处，例如南京、蚌埠、徐州、合肥；同时，一些位于大城市周边的县级城市的可达性水平也得到较大提升，例如萧县、沛县、肥西。此外，安徽中北部(滁州—合肥—金寨沿线及以北地区)和浙江的中南部(沪昆高铁、金温高铁沿线城市)，以WATT和PA度量的可达性水平也有较大程度的提升。总体上看，沿高铁线路的大部分城市可达性水平均有提升，但同时，也有部分城市乘高铁相比自驾车的可达性水平不增反降，如启东、遂昌、海门、滨海等(见表1)。

表1 城际出行可达性指标评价值和变化率位序

2）日可达性。

交通便捷程度和周边城市人口规模是影响城市一日交流圈范围和质量的两个重要因素。DA度量的城市可达性水平分布变化呈现以下特征(见图5)：1)自驾车模式下，DA高值区域集中在长三角的几何中心并向周边圈层扩散，乘高铁模式下，DA高值分布在杭州、蚌埠—南京—宜兴、常州—镇江等区域，位置集中在高铁枢纽城市(如南京、杭州)及周边地区，并且形成以DA高值城市为中心、高铁线路为轴线的连绵廊道；2)乘高铁的DA区间差异比自驾车的更大，自驾车城际出行的DA数值整体呈现相邻地区之间的渐变过渡，而乘高铁城际出行的DA数值在连绵廊道以外存在突变的情况。

图5 DA分布特征及对比

通过比较乘高铁和自驾车的DA值差异(见图5c)，可以看出各个城市的日可达性变化率差异明显。虽然整体上沿高铁线的城市日可达性都有所提升，但是增长最明显的区域位于安徽省中部、江苏省西北部和浙江省西部。值得注意的是，江山市、萧县、绩溪县等中小城市的DA值提升率甚至高于南京、上海等大城市(见表1)，说明高铁建设给这些城市带来了市场机遇。同时，也存在乘高铁日可达性水平低于自驾车日可达性水平的地区，位于江苏东部和北部、浙江和安徽的西南部以及高铁网络的覆盖盲区(如天台、泗洪、涡阳等高铁环线网络间隙区域)。

根据各城市WATT，PA，DA数值，绘制城际交通可达性指标按位序的变化曲线(见图6)。三项可达性指标位(其中WATT取倒数值)与位序符合一元三次函数，拟合值R ² 均在0.95以上。由图6可知，乘高铁出行的曲线大多位于自驾车出行的曲线上方，可见长三角大部分城市都能够从高铁建设中获得城际交通可达性的提升。分别比较两条曲线的斜率，乘高铁的城市可达性指标差异比自驾车交通更大，反映高铁交通系统在提高可达性的同时也进一步扩大了可达性的差异，显示出马太效应。此外，排序在两端的城市斜率较大，中间相对平缓，说明高铁建设下的城市可达性获益出现极端高值和极端低值。以PA，DA指标度量可达性，乘高铁的曲线与自驾车的曲线存在交叉，说明对于公路交通系统高度发达的城市及可达性水平较低的城市，乘高铁反而不如自驾车的可达性高。

图6 城际交通可达性指标按位序的变化曲线

对高铁可达性指标的变化进行筛选提取，分别筛选出WATT，PA，DA可达性指标都提升和保持不变的城市(见表2)。从可达性指标均提升的城市来看，41个地级及以上城市中28个全面提升(占68.3%)，50个县级市中有16个全面提升(占32.0%)，107个县中有43个全面提升(占40.2%)。从可达性指标保持不变的城市来看，地级及以上城市、县级市、县依次为7.3%，24.0%，23.4%。这说明高铁的建设中整体上可达性受益最大的是地级及以上城市，各个行政等级城市中存在高铁建设发展不平衡的情况，呈现遵循城市规模分布的沙漏效应。

表2 高铁对不同行政等级城市的可达性改善

以合肥、南京、上海、杭州4个主要城市作为样本，对乘高铁出行的便捷优势进行综合分析。对于高铁网络建设较为完善的地区，乘高铁的城际出行时间相对于自驾车出行得到不同程度的缩短，尤其以高铁线路沿线城市表现更为突出(见图7)。在中短距离城际出行中，高铁出行的时间压缩优势被城—站间过长的行程时间所抵消(见图8)。从时间节省和出行便捷的角度综合考虑高铁出行的竞争优势，筛选得出高铁出行快捷优势区域(见图9)。

图7 乘高铁与自驾车城际出行时间比

图8 乘高铁时间与总旅行时间比

图9 高铁出行快捷优势区域

现有研究表明，200 km是乘高铁和自驾车竞争优势的分界线，200 km以下汽车更具优势，200 km以上高铁优势明显 ^[25] 。随着长三角地区高铁网络的逐渐完善，对于区域中心城市来说，绝大多数距离超过200 km的城市均适合高铁出行，乘高铁相对自驾车已具有更强的出行选择倾向和市场竞争力。甚至在短距离旅行(小于200 km)的区域，高铁也抢占了部分自驾车出行的竞争空间。然而，仍有部分城市在乘高铁去往区域中心城市的中长距离出行中出行效率低。针对这些区域还需要采取一些措施提高高铁的出行效率，包括促进高铁网络建设、加强高铁站与城市公共交通联系、减少接驳时间、提升换乘服务水平等。

高铁建设对长三角地区整体的可达性提升明显，改变了公路网络下的可达性空间格局。长三角地区的自驾车交通可达性呈现以太湖为中心的圈层格局，而乘高铁出行的交通可达性呈现沿京沪、宁杭高铁的高值廊道向两侧递减扩散的格局。乘高铁的城际交通可达性的高值地带范围更大，由自驾车出行下的苏锡常及周边城市向南京—上海一带以及杭州、蚌埠等高铁枢纽城市扩散，可达性提升的区域主要分布在高铁沿线地区。高铁建设使长三角地区形成了与高铁网络相匹配的可达性高值廊道，沿线大城市伴随着周围腹地形成连续的高可达性区域，形成南京、苏州、杭州、常州整片的高可达性核心区，毗邻大城市的中小城市受到辐射影响，可达性也得到提高。而乘高铁可达性较低的区域分布在长三角的边缘地区和高铁网络的间隙，与自驾车交通的低可达区域分布有所差异。此外，由于高铁旅行中存在不可忽视的中转及接驳换乘等候时间，削弱了城市群尺度下公路交通网络发达地区的高铁可达性提升。

从对比两种出行方式的可达性指标按位序的变化曲线可知，高铁建设在普遍提升城际交通可达性的同时，也在不同程度上扩大了城市之间的可达性差异。大部分地级及以上城市的可达性得到全面提升，但不同行政等级城市之间仍存在较大的可达性差异。由于可达性提升的县级城市数量占比较低，因此其整体的可达性提升较低，高铁对各县级城市间的可达性差异扩大程度最明显。

提高城际出行选择高铁的比例是反映高铁建设成效的关键指标。高铁网络的逐渐完善不仅很大程度提升了某些城市的可达性水平，还大大提升了高铁出行的效率，人们出行时更愿意选择乘高铁。相信随着网络的不断完善，高铁将全面占领长三角区域的中长距离出行市场。在这一进程中，各城市除了要跟紧区域高铁建设的步伐外，还可以通过完善的城市综合交通网络规划提升高铁站接驳换乘的便利程度；为了发挥高铁的时效性，高铁站的选址应尽量靠近中心城区，缩短接驳时间；对于建成区较大的城市而言，采用一城多枢纽格局来分流不同方向的客流，实现高铁的公交化运营，也将提升高铁出行的效率。

此外，本文还发现长三角高铁可达性低的地区存在城—站距离较远、高铁网络未互联互通、网络覆盖程度较低、路网非直线系数大等原因。由于高铁建设需要考虑投入产出效益，在选线设站过程中“重地级市轻县级城市”的现象会一直存在。因此，未来长三角发展需要加强区域交通一体化合作，合理配置资源，统筹区域协调发展；对于小城市而言，如何扬长避短、改善交通系统、提高相对便捷性值得进一步思考。

注释：

①可达性(Accessibility)作为评价交通基础设施空间效应的重要指标用于分析设施对区域空间结构产生的影响。作为相互作用的机会潜力和难易程度的度量指标，可达性已形成了空间阻隔、空间相互作用、机会累积三种视角，分别对应以下3个指标：1)地点可达性，着眼于度量网络上两节点克服空间阻隔的成本，例如平均可达时间、加权平均旅行时间；2)效用可达性，着眼于节点的经济吸引力对空间相互作用的影响，例如潜能可达性；3)时空可达性，着重研究等时圈内到达其他节点的发展机会累积量，例如日可达性、等时圈等。

《城市交通》 2022年第3期刊载文章

作者： 周恺，杜彬，

王文欣，闫岩，张超