社会感知(social sensing)是地理信息科学的研究热点,即借助海量时空数据研究人类时空行为特征,进而揭示社会经济现象的时空分布、联系及过程的理论和方法[1]。在各类社会经济活动中,交通运输一直占据着基础性、先导性、战略性地位[2],它支撑了区域之间的居民出行和货物运送,且随着高速公路、高速铁路等建设完善,交通运输逐渐趋向高流动和强交互[3],是“流动的中国,充满了繁荣发展活力”[4]的直接映射。尤其高速公路,因运输方式逐级下沉、连接多等级交通枢纽的特点,在人口流动、货物周转集散、资源跨区配置等领域发挥着重要作用[5],对于多尺度探索交通流分布模式、多维度感知社会空间组织规律亦具有独特价值。
社会感知研究体系包括以下3个维度[6]:场所语义感知,即基于大数据对活动、功能、情感、事件等场所语义进行感知,是表达地理分异格局的基础[7-8]。空间交互感知,即感知不同空间位置的事物之间以物质、能量、信息等形式发生的作用和联系[6]。动态演化感知,即感知地理过程和时间演化特征[1,9]。其中,空间交互感知有助于理解地理区域之间的空间差异、空间关联,契合地理学的研究主题,是社会感知理论的研究热点。然而受数据获取限制,社会感知相关研究多聚焦场所语义感知,如土地利用格局[10]和城市街景空间[11]等,交通领域研究包括对交通基础设施[12]、交通系统组织模式[13]和居民出行行为感知[14]等。梳理发现,空间交互感知研究相对较少[15],更缺乏围绕交通流的空间交互感知。
从数据分类精度上看,现有研究主要存在车辆样本不够全面、客货车类型无法细分等问题。交通流研究涉及航空、铁路、公路、航运等多种运输方式,如利用航空流探索全球和国家尺度的空间联系格局[16];基于铁路流研究城市网络空间结构[17];船舶流相关研究则主要利用船舶航线构建航运网络,探索其时空分布特征[18]。随着联网收费系统(online toll collection system, OTC)大数据可获取性的提升,高速公路交通流研究不断涌现,交通工程领域研究包括路网优化方案[19]、运输流量实时监测和态势预测[20]等;地理学则立足交通流的时空属性,关注其距离衰减规律[21]、城市网络空间结构和组织模式[22-23]等。然而,已有研究未能区分具体客车、货车车型,多聚焦全类型车流[21-23]。高速公路运输本身具有“客货分离”的特性,其客流和货流因服务功能、机动车型、线路组织等不同而呈现差异化的空间交互特征,分类研究有助于理解客货流的不同空间交互模式,进而深化对空间运输规律的认知。
空间交互的尺度问题一直备受关注。空间单元过大,聚合程度高,反映信息量少;空间单元过小,则难以发现有意义的模式[6]。多尺度分析有利于更全面感知空间交互格局、更深入挖掘区域间联系模式。然而,目前交通流空间交互格局的分析尺度较为单一[24]。受限于交通网络枢纽布局和服务半径等,航空流、铁路流研究多基于省市等行政区单元[16];随着路网建设和基建提速,运输路径下沉,近年来县区成为高速公路流研究的基础空间分析单元[21,23]。值得关注的是,高速公路OTC系统是融合路段门架监测、驶入/驶离收费站车流等海量信息的数字系统,因计费所需,OTC数据成为空间精度最高、车型分类最清晰、统计质量最高的交通大数据之一。这不仅为多尺度高速公路流空间交互感知奠定了扎实的数据基础,更从路段尺度提供了空间交互观察的微观视角。
综上,本研究从社会感知的空间交互感知视角切入,针对以往多尺度交通流空间交互研究缺乏等问题,利用OTC大数据,以广东省为例,通过图论建模、复杂网络分析和函数解析等方法,从“路段-站点-城市”微观、中观、宏观三级尺度探索高速公路交通流的空间交互模式,梳理三级尺度之间的数学模型关联,最后归纳不同尺度交互格局下社会经济现象的感知差异;以期从尺度差异角度丰富社会感知理论,拓展交通流大数据的应用,在地理信息科学和交通地理学的交叉研究领域做出有益尝试。
1 研究区域与数据来源
1.1 研究区域
2022年广东省地区生产总值12.91万亿元,占全国总量约10%;常住人口12 656.8万人,占全国8.97%,经济、人口规模均居全国第1位。同年,全国高速公路通车里程为17.73万km,而广东省高速公路通车里程达1.12万km,约占全国的6%,内联外通、便捷高效的现代交通运输体系正在加速形成。高密度、全覆盖的高速公路网络,促进了人员和货物的高效流动。2022年,全省收费站出口车流总量超22亿辆次,约占全国高速路网总车流量的20%。近年来,在国家“新型基础设施建设”的背景下,广东省高速公路全路网沿线布设超过3 000座主线龙门架、1 000余处收费站,辅之大数据应用、智能信息存储等手段,搭建了联网收费系统(OTC),实现了对于单体车辆包括车型、车轴等信息的精准识别,提升了收费业务的时效性,助推高速公路迈向智慧化、数字化发展。
1.2 数据来源
本研究涉及路段区间、站点间和城市间车流3种尺度的高速公路联网收费大数据。前两者为系统原始数据,均来自广东省交通运输厅;后者为衍生数据,即基于站点车流聚合形成的数据。上述数据均提取自2021年9月,以避开春节、清明节、劳动节和国庆节 4 个高速公路免费节假日,且均为日均车流量。路段车流数据是辅助收费的“过程”数据,以道路沿线收费门架(也称“龙门架”)为记录点。中国高速公路联网收费系统执行“分段计费模式”,具体方式是对高速公路进行分段,形成若干计费路段区间,每个路段内都设有收费门架以记录该路段车辆信息,最后汇总合并收费。即一辆车从驶上高速开始,至驶出高速为止,中途会经过若干计费路段并被路段内的收费门架记录。图1解释了“分段计费模式”原理,计费路段遵循“一种命名、两个方向”的方法,如AB路段,汇总了从分段点A到分段点B的单向车道车流f1和从分段点B到分段点A的单向车道车流f2,本研究中的路段车流是来往双向车流量之和f1+f2。站点车流数据即不考虑驾驶过程,仅关注车辆驶入/驶离收费站的“卡口”数据,以收费站为记录点。
为探索城市空间交互特征,本研究对原始站点流数据进行尺度聚合,形成城市之间的车流数据集。高速公路车型分类标准与已有研究[24]保持一致,即客车划分为小汽车、巴车;货车划分为轻型货车、中型货车和重型货车。
2 研究方法
2.1 路段尺度高速公路交通流空间交互分析
路段车流数据包括各类客、货机动车型,根据研究需求,建立交通流计量模型[24]:
Fr=Fr(pas)+Fr(fre),
Fr(pas)=Pr1+Pr2 ,
Fr(fre)=Fr1+Fr2+Fr3。
式中:Fr为计费路段r的车流量;Fr(pas)为客车流;Fr(fre)为货车流;Pr1和Pr2为路段r上小汽车、巴车流量;Fr1~Fr3为路段r上轻型至重型货车流量。
如数据原理所述,高速公路沿线的收费门架会对同一辆车沿行驶方向进行连续多次记录,因此路段车流仅代表特定时段内,驶入、驶离该路段的车流,无法进行求和以分析整体路网的车流特征。本研究取所有路段车流量平均值,对高速公路交通流进行时间尺度的横向对比。引入变量F指代特定时段高速公路路网平均车流量,公式为
F= $\sum _{r=1}^{n}\frac{{F}_{r}}{n}$ = $\sum _{r=1}^{n}\frac{{F}_{r\left(pas\right)}+{F}_{r\left(fre\right)}}{n}$ 。
式中,n为路段数量,在本研究中取1 247。
在此基础上,利用距离衰减分析方法探索高速公路交通流在珠三角城市群的聚集度。以广州中心区为几何中心建立50、100、200、300、400、500 km缓冲区,计算各缓冲区内路段车流量平均值,公式为
Fd= $\sum _{r=1}^{m}\frac{{F}_{r}}{m}$ = $\sum _{r=1}^{m}\frac{{F}_{r\left(pas\right)}+{F}_{r\left(fre\right)}}{m}$ 。
式中:Fd 为缓冲区内路段平均车流量,d为缓冲区半径大小;m为缓冲区内路段数量。
以缓冲区半径为自变量,各个缓冲区内路段平均车流量为因变量,借鉴前人研究成果[21],选择幂函数为高速公路交通流衰减模型,公式为
Fd=Cd-β。
式中:C为常系数;β为待求解的距离衰减系数,β越大表明交通流衰减速度越快、在珠三角城市群的聚集程度越高。
2.2 站点尺度高速公路交通流空间交互分析
基于图论原理,以全联通有向图表示高速公路交通流网络。有向图中的元素wij表示节点i到节点j的高速公路车流量,亦可反映节点间的连边通达性。当wij=0时,节点i到节点j不存在有向连边,车流量为0;当wij≠0时,表示节点i到节点j存在有向连边,两节点间往来车流量为wij。在本研究中,以广东省站点单元为节点,来往车流量为连边,构建有向加权高速公路流网络N:
N= $\left(\begin{array}{lllll}0& {w}_{12}& \dots & {w}_{1(i-1)}& {w}_{1i}\\ {w}_{21}& 0& \dots & {w}_{2(i-1)}& {w}_{2i}\\ \dots & \dots & \dots & \dots & \dots \\ {w}_{(i-1)1}& {w}_{(i-1)2}& \dots & 0& {w}_{(i-1)i}\\ {w}_{i1}& {w}_{i2}& \dots & {w}_{i(i-1)}& 0\end{array}\right)$ 。
式中:w1i表示站点1流向站点i的车辆数目;wi1反之,以此类推。
2.3 城市尺度高速公路交通流矩阵建模分析
基于“路段-站点-城市”三级尺度的高速公路交通流数据矩阵如图2所示。
路段尺度下,高速公路联网收费数据可表达为“双向交互矩阵”,即收费门架各司其职,仅记录空间位置相邻的两个节点(分段点)之间的交通流量(图2a),节点之间未形成跨越空间的广泛交互联系。
站点尺度下,高速公路联网收费数据可表达为“多向交互矩阵”,数据矩阵展示了以任意收费站为起点、其他收费站为终点的车流信息(图2b)。
为感知城市空间交互关系,本研究以站点车流为基础进行升尺度聚合,如图2c所示:确定站点所在的城市,即通过城市行政边界对站点进行空间聚合;再对同一城市对外辐散、向内汇集的所有站点流求和,即压缩站点数据矩阵形成城市数据矩阵。
矩阵压缩过程通过MATLAB软件平台进行,算法流程见(图2d)。此外,矩阵已排除对角线数据:节点自身的交通联系。遵循高速公路车道内部禁止掉头的行驶规定,理论上路段尺度交通流不存在从某分段点返回某分段点的车流;站点交通流、城市交通流则存在节点自身联系,如从某收费站驶入后兜转驶离该站的车流、城市内部的车流等。本研究仅聚焦空间对外交互关联,因此上述车流均视为冗余数据。
从站点到城市的数据升尺度建模过程如下:假设有城市a和b,a内部包含x(x≥0)个收费站(记为a1、a2、a3、…、ax),b内部包含y(y≥0)个收费站(记为b1、b2、b3、…、by),则
Tab=(ta1b1+ta1b2+…+ta1by)+(ta2b1+ta2b2+…+ta2by)+…+(taxb1+taxb2+…+taxby)= $\sum _{k=1}^{x}\sum _{l=1}^{y}$ takbl。
式中:Tab表示从城市a到城市b的车流量;ta1b1表示从收费站a1到收费站b1的车流量。Tba表示从城市b到城市a的车流量,计算原理相同。
3 研究结果
3.1 路段尺度高速公路交通流空间交互格局
3.1.1 高速公路交通流空间交互格局
统计广东省域内路段日均车流量较高的国家级/省级高速公路(表1),同时依据自然断点法将全类型车流量数值分为五级,可视化结果见图3。路段微观尺度空间交互视角下,广东省高速公路交通流密集路段集中在珠三角城市群,尤其是广州市、佛山市、东莞市和深圳市等,该类区域经济发达,人口密度较高。如S41机场高速,其路段日均车流量超过24 000辆;S4华南快速路和S81广州环城高速,路段日均车流量均超过20 000辆。然而整体上看,国家级高速公路车流量较高、道路之间车流差异较小;省级高速公路车流差异较大。统计显示,国家级高速公路的路段日均车流量为5 827辆,省级高速公路为5 228辆。G9411是车流最为密集的国家级高速公路,其路段日均车流量为15 130 辆,与车流最稀疏的G65包茂高速间相差约10倍;而车流最密集的省级高速公路S41机场高速,与末位S61茂名港高速间车流相差55倍。
表1 广东省路段日均车流量Top5的国家级和省级高速公路Tab.1 Top 5 national and provincial expressways with daily average traffic flow on road sections in Guangdong province |
| 排名 | 国家级高速公路 | 路段日均车流量/辆 | 省级高速公路 | 路段日均车流量/辆 |
|---|---|---|---|---|
| 1 | G9411莞佛高速 | 15 130 | S41机场高速 | 24 079 |
| 2 | G0425广澳高速 | 11 030 | S4华南快速路 | 20 266 |
| 3 | G4京港澳高速 | 9 878 | S81广州环城高速 | 20 204 |
| 4 | G15沈海高速 | 7 516 | S15佛开高速 | 14 734 |
| 5 | G94珠三角环线高速 | 7 375 | S55广三高速 | 13 299 |
高速公路车流密集路段主要集中在“两环四横七射”区域。“两环”包括:S81广州环城高速和G1508广州绕城高速,均以广州市中心区为地理核心,串联广州市各区,且成为七条放射线的起点。“四横”集中在珠三角城市群东部,自北往南依次是G35济广高速、G1523甬莞高速、S86深圳外环高速和G15沈海高速(深圳段)。“七射”环绕广东省中部,顺时针方向依次是:G55二广高速、G0421许广高速、G0423乐广高速、G4京港澳高速、S3广深沿江高速、G0425广澳高速和G15沈海高速。其中通往湘赣桂三省省界及阳江、茂名等沿海城市的高速公路放射线交通流量较大,如G0423乐广高速连接了珠三角城市群至粤北边界韶关市,形成湖南内地劳动力市场和珠三角经济发达地区的交通廊道。高速公路横线连接了珠三角“穗莞深”区域与粤东城市,为深汕合作、粤东城市融湾发展搭建起重要桥梁。
3.1.2 高速公路交通流距离衰减规律
基于解析法对高速公路小汽车、巴车,轻型、中型和重型货车进行幂函数拟合(表2),结果均通过了F检验(P<0.01),各项系数均在1%水平上显著,整体结果可信。各类机动车R2 均高于0.97,表明在路段尺度上幂函数对高速公路客货流距离衰减规律具有较高的解释度。
表2 距离衰减量化分析结果Tab.2 Quantitative analysis results of distance decay |
| 车型 | 系数C | β | 拟合优度R2 | F统计量 | 剩余标准差 |
|---|---|---|---|---|---|
| 小汽车 | 204 704.769 20 | 0.333 24 | 0.983 88 | 488.377 38 | 0.001 10 |
| 巴车 | 3 915.218 46 | 0.304 10 | 0.986 76 | 596.047 64 | 0.000 75 |
| 轻型货车 | 58 046.596 45 | 0.356 68 | 0.981 37 | 422.000 00 | 0.001 46 |
| 中型货车 | 11 134.209 22 | 0.192 33 | 0.978 41 | 362.475 16 | 0.000 49 |
| 重型货车 | 3 317.947 80 | 0.185 94 | 0.976 91 | 338.517 71 | 0.000 49 |
| 全类车 | 274 452.472 10 | 0.321 99 | 0.983 77 | 484.823 20 | 0.001 03 |
横向对比β值,可总结出以下几点:
1)小型机动车(小汽车、轻型货车)距离衰减速率高于中大型机动车。较之小汽车,轻型货车的衰减速率最高,为0.356 68,表明轻型货车在高速公路路网中心圈层——珠三角城市群的聚集程度最高;小汽车的衰减速率次之,为0.333 24,其衰减曲线形态与轻型货车较为相似,即车流集中分布于50~200 km圈层(图4)。与大型机动车相比,小型机动车距离衰减速率更快、在珠三角聚集程度更高,是因为该区域经济发展水平、人口规模较高, 居民日常出行、旅游等运输需求更大,加之广州、深圳等珠三角中心市区对大型机动车执行更为严格的交通管制。而与小客车相比,轻型货车距离衰减速率更快。轻型货车主要服务于城市物流企业的小规模、高频次运输,如电商快递、生鲜食品冷链、服装饰品等,该类企业区位选择具有显著的“市场导向”特征,即接近消费市场,减少产品运输距离,因此轻型货车对城市中心区的黏性更强,在珠三角城市群的空间集聚程度更高。
2)不同类型货车的距离衰减速率差异较大。β值呈轻型货车>中型货车>重型货车特征,首尾差值近0.2,衰减速率随载货规模的增加而减小。其中,中型货车和重型货车的β值较为相近,分别为0.192 33和0.185 94,显著低于其他类型车流。和上述轻型货车一样,不同货车距离衰减速率主要取决于服务的企业类型和区域产业发展整体格局。以重型货车为例,重型货车主要服务物流企业的低附加值、大规模产品或原材料运输,该类企业布局具有“劳动力导向”“原料导向”特点,区位选择更靠近廉价劳力丰富的地方或原料产地。结合广东省产业发展格局,经多轮产业转移,上述企业已逐渐落地粤东西北,广泛延伸至珠三角城市群之外。
3)整体上客车距离衰减速率高于货车。客车平均距离衰减速率为0.318 67,货车仅为0.244 98,表明客运在珠三角城市群的集聚态势明显,其活跃程度高于货运。
3.2 站点尺度高速公路交通流空间交互格局
基于站点尺度的广东省高速公路流空间交互格局如图5所示。较之路段流,站点流直观展现了高速公路服务于短程运输的特性。站点流接续形成以广州市为核心的双轴格局,一轴纵贯珠江口西岸城市群,连通珠海-江门-中山-广州-清远五市,由“珠中江城市群”向北拓展至“广清同城”;一轴横穿珠江口东岸城市群,构成肇庆-佛山-广州-东莞-深圳交通廊道,并逐渐向惠州方向延伸。除珠三角城市群外,粤东的汕潮揭城市群形成区域次级交通流中心,以汕头濠江区为核心向潮州、揭阳扩散。此外,站点流具有城市中心指向特征,车流密集的连线端点多连接城市中心区;且站点流主要以跨市、短簇形态出现,如东莞市常虎高速收费站至深圳市罗田收费站(行程5 km),车流量最高,约21 000辆,高出站点间平均车流量的9倍。部分边界地区(特别行政区界、省界)站点流较为密集,如深圳市中心区南头收费站与香港交界的皇岗口岸,车流量约6 200辆;清远市连南二广站到朱岗(粤湘省界)站,车流量近10 000辆。
以站点流整体空间交互格局为基础,单独提取粤桂、粤湘、粤赣和粤闽出省高速公路收费数据记录点(图6),进一步探索内陆跨省边界站点的交通流动特征。边界站点流动与全局流动格局差异显著,可划分出三类交互关联。
第一类为粤桂空间交互,多存在于湛江-广西、肇庆-广西之间,前者受湛江港口经济发展和公转水多式联运影响,后者则主要源于两广地区长期的劳务协作。肇庆市汇集广佛肇、广昆高速等多条交通流密集路段(如图3),是广西人民赴珠三角务工、节日返乡的必经之地。
第二类为粤湘、粤赣空间交互,其特点为与珠三角城市群联系密切,形成了“广-湘”、“深-赣”互联格局,如粤湘省界黄沙收费站至广州,单程车流均高于5 000辆,该类空间交互映射着珠三角城市群向内陆地区的腹地拓展和经济发展辐射。
第三类为粤闽空间交互,尤其汕头市内收费站与粤闽边界站点间联系紧密,从一定程度上也反映了潮汕地区与赣南客家文化圈、闽南文化圈的相互融合。
3.3 城市尺度高速公路交通流空间交互格局
图7 基于县区尺度的广东省高速公路客流空间交互格局注:基于自然资源部地图技术审查中心标准地图服务网站的标准地图(审图号:GS(2019)3333号) 绘制,底图无修改。网络版为彩图。 Fig.7 Spatial interaction pattern of passenger flows in Guangdong province based on county scale |
首先,珠三角城市群成为广东省高速公路客流、货流汇集的重要“流体场”,且珠三角东岸“穗莞深”一线地区交通流活跃程度高于西岸城市;西岸中山市、珠海市交通流相对较少。
其次,高速公路客货流对距离的依赖性均较强,优势流(第一、第二和第三等级交通流)多在邻近县区之间形成有来有往的对称、闭合回路,如深圳市宝安区和龙岗区、广州市中心区和番禺区等,其空间位置相邻,县区间单程有向路径上的车流量较高且数值对称,从广州市中心区到番禺区的客流量为94 093辆,反向客流量为88 400辆。此外,部分县区之间的交通流也出现了空间脱域现象,交通联系受距离阻抗相对较小,开始突破空间限制实现远距离的交通互联,如广州市和清远市、深圳市和惠州市下属县区。
最后,较之站点流,城市流更直观表征了广东省规划的“五大都市圈”发展现状。广州都市圈范围包括广州、佛山全域,肇庆、清远南部等;深圳都市圈包括深圳、东莞、惠州和深汕合作区;珠江口西岸都市圈包括珠海、中山、江门、阳江;潮汕揭都市圈含汕头、潮州、揭阳;湛茂都市圈含湛江、茂名全域。从城市流和五大都市圈的空间级联关系上,可以发现:1)相比珠江口东岸的深圳都市圈,珠江西岸都市圈内部交通联系较为松散。尤其珠中江三市经济发展水平相近,缺乏像深圳一样强有力的区域核心、交通枢纽以辐射带动周边城市。2)从货流上看,广州、深圳两大核心都市圈具有交通融合发展的趋势,随着珠三角城市群协同发展不断深化,形成了区域产业科技协作、市场一体化、制度一体化局面,交通互联互通进程加速,不断从“小都市圈”到“大城市群”方向迈进。3)湛茂都市圈内无明显交通空间交互行为,而同样处于广东边缘的潮汕揭都市圈内部联系密切。两大都市圈人口规模相当,高速公路建设水平差异较大。对湛茂都市圈而言,交通是其最大的短板,区域仅有一条国道G15沈海高速通向珠三角(图3);而潮汕揭都市圈内,发达的制造业与交错通达的路网相辅相成,使其成为珠三角城市群外的重要交通流体场。
4 讨论与结论
4.1 讨论
随着新一轮科技和产业变革深入发展,数据作为关键生产要素的价值日益凸显[25]。2024年1月,中国国家数据局等联合发布《“数据要素×”三年行动计划(2024—2026年)》,提出交通运输业作为重点行业之一,未来应不断向数字化、智能化方向发展。近年来,中国智慧高速公路建设进程加快,5G信号基站、电子不停车收费系统等各种“新基建”与高速公路“传统基建”深度融合,海量联网收费数据塑造了高速公路全路网的数字底座。本研究综合采用“路段-站点-城市”三级空间尺度、“客车-货车”全类车型样本数据支撑多尺度高速公路交通流空间交互感知。联网收费大数据能感知到什么样的空间运输模式和社会经济组织规律,“路段-站点-城市”多尺度之间有什么区别和联系,是本研究重点关注的问题。
首先,路段尺度数据为探索高速公路交通流空间交互特征提供了微观视角,它覆盖高速公路上每一个门架采集到的实时车流数据,时空精度更高、车型样本更全,对于交通流的记录具有空间连续性,在封闭、连续车道内记录的车流,其驾驶范围和路径明确,最贴合车辆真实移动路径,这种真实移动路径不仅是高速公路科学计费的重要依据,也为交通规划奠定了数据分析基础。本研究的主要结论之一,高速公路车流密集路段主要集中在“两环四横七射”区域,与《广东省高速公路网规划(2020—2035年)》提出的“十二纵八横两环十六射”路网格局形成对比和呼应,为未来高速公路规划、建设和拥堵治理提供了政策参考。从理论上看,路段流记录了更真实的流动轨迹,是感知区位布局的重要数据资源。区位理论是地理学解释社会经济活动空间分布的基本原理,其表现形式为距离衰减规律。而路段车流数据高精度、可分类的特点,为距离圈层设定和车流统计分析提供了可行性,也为透视“交通-产业-区位”微观作用机理提供了新的视角。
其次,作为“路段微观尺度”和“城市宏观尺度”之间的“介观尺度”交通流,站点流的重要性不仅在于辅助城市流的空间聚合,更在于站点OD流数据提供了机动车驶入、驶离高速公路的具体位置信息。与路段流相比,站点流不再是“流动过程”而是“流动结果”,其两端真正连接了不同的空间位置,成为地理流的重要表达形式[26]。与城市流相比,站点流表征了机动车驶入、驶离的最小空间单元,尤其在邻省边界地区设置的收费站点,能够透视路段流和城市流无法刻画的空间交互特征——边界交互。如图6总结归纳的三类边界交互,粤桂交互、粤湘和粤赣交互、粤闽交互,对于未来深化肇庆市粤桂合作特别试验区交通制度改革,促进两广一体化发展,打造粤北(粤湘和粤赣交界)综合交通运输大通道等具有现实意义。
最后,基于站点流聚合形成的城市流是构建城市空间关系的基础数据,近年来逐渐成为人文地理领域的研究热点[24],对于解释以城市网络为基础的空间相互作用、丰富流空间理论具有重要学术价值。20世纪90年代,曼纽尔·卡斯特提出“流空间”(space of flows)的概念[27],他认为空间是由信息流、资金流和交通流等多元流动要素构建的,信息化社会不同于工业化社会结构的等级化秩序,而是形成一种扁平的、向各个领域交互延伸的网络化组织模式。在城市空间交互维度,高速公路流交织形成“交通流空间”,城市之间跨越地理邻近、制度边界,形成异于实体场空间的虚拟关联。对这种虚拟空间关联的感知,是理解新时代背景下空间格局与地理环境之间关系、解决城市群协调发展问题的关键切入点。本研究以高速公路交通流交互格局映射了广东五大都市圈的空间镜像,有助于省级层面统筹谋划广东区域经济新路径。2023年底,广州都市圈、深圳都市圈升级为中国第12、第13个国家级都市圈,承担牵引全省发展的重要任务,城市流空间交互格局很好地印证了这一点(图7、8)。而更为重要的是,本研究发现这两大核心都市圈具有交通融合发展的趋势,在明确广州、深圳都市圈各自功能定位的基础上,未来如何基于城市空间交互新格局,动态调整都市圈新内涵,将成为高质量推进区域协同发展的重要方向。
4.2 结论
路段流作为“流动过程”,提供了感知距离衰减过程和交通运输空间组织规律的微观视角。路段尺度空间交互格局显示,高速公路流密集路段属于路网“两环四横七射”区域,尤其集中在国家级高速公路。此外,幂函数对高速公路客货流距离衰减规律具有较高的解释度,各类机动车R2 均高于0.97。高速公路机动车在经济社会发展核心区域的聚集程度,随车型规模增大而递减,小型车(小汽车、轻型货车)聚集程度最高。
较之路段流,站点流作为“流动结果”,直观展现了高速公路主要服务于短程运输的特点。核心站点流具有空间邻近指向特征,且主要以短簇形态出现,整体形成以广州市为核心的双轴格局;粤东的汕潮揭城市群形成区域次级交通流中心。边界站点流与全局核心站点流空间格局差异显著,可划分出粤桂、粤湘和粤赣、粤闽三类交互关联,映射着广东省与邻省的社会、经济和文化融合发展格局。
较之站点流,城市流具有城市空间属性,提供了感知城市空间相互作用的宏观视角,更好地表征了城市圈层发展格局。基于城市流透视广东省“五大都市圈”发展现状,珠江西岸都市圈内部交通联系较为松散;广州、深圳两大核心都市圈具有交通融合发展的趋势;湛茂都市圈内无明显交通空间交互行为;潮汕揭都市圈内部联系密切。
受限于数据获取量级等客观原因,本研究仅聚焦高速公路交通流的空间交互格局,对于时空三维交互规律的感知尚待深化。此外,受限于论文篇幅,本研究未定量分析影响高速公路交通流空间交互格局的主要因素。城市流如何受制于城市经济社会发展、站点周边土地利用类型如何影响站点流等问题,将是下一步研究重点,也是社会感知理论与交通地理学深度融合的重要方向。