【摘要】交通路网是连接不同经济主体，促进区域经济协调发展的重要基础设施。作为人文地理学和区域经济学研究领域的热点问题之一，在交通路网对社会经济的支撑和带动作用等方面已经积累了大量的研究成果。然而，现有研究聚焦于从区域路网的角度分析交通区位优势及其对经济社会发展的影响，较少考虑到不同等级公路在交通效率和通行能力方面的差异及其对区域经济的影响。文中研究了不同等级交通路网密度空间分布格局，提出了基于道路等级和道路密度的长三角区域公路交通协同指数构建方法。以长江三角地区41个城市的交通路网为例，验证文中提出的区域交通协同指数计算方法，并分析了交通协同指数和以GDP为代表的经济统计数据之间的相关性。结果表明，文中提出的区域交通协同指数计算方法可以较好揭示区域内的交通路网空间分布特征，指数计算结果与GDP数据之间呈现显著的正相关性，可以用来反映经济发展趋势。

　　【关键词】公路；区域发展协调性评价；交通协同指数；GDP

　　1引言

　　以公路网为代表的交通基础设施是连接一定区域内不同经济主体、保障区域内经济社会要素快速流通的基础，是反映不同区域社会经济发展潜力的重要指标之一[1-3],对区域内人口、资源、商品等经济社会发展要素流速度和经济发展活力有着重要的影响和带动作用[4-8]。与铁路、航运、航空等需要通过特定站点将不同区域相连接的方式相比，公路网更为便捷和高效，它既可以通过高速公路实现一定区域内的不同经济体的快速连接，也可以通过乡道、县道等低等级路网将农村地区经济活动与城市地区紧密连接在一起。不同等级公路对社会经济活动的影响也存在差异，研究不同等级公路交通协同指数及其与区域经济发展之间的关系有助于为区域公路网优化提供决策依据。

　　研究交通基础设施的空间分布格局与区域经济协调均衡发展的关系，阐明交通基础设施对区域经济社会发展的影响，一直是人文地理学和区域经济学领域学者研究的重点[9-15]。代表性成果包括Hansen于1959年提出的分析交通发展及评价交通区位优劣的交通可达性指标和金凤君等提出的交通优势度概念[1,14]。在此基础上，国内外学者分别从不同角度、不同区域研究了交通可达性和交通优势模型[16-20]。此外，学者还对陆路高速交通对长江三角洲城市群中心城市一日交流圈的影响[21]、高速公路和高速铁路对长三角地区中心城市可达性空间格局的影响[22]、区域交通协调发展对长江三角洲城市群新型城镇化的影响[23]、区域交通资源配置效率影响因素和评价指标体系[24]、基于道路密度的经济发展评估等方面进行了研究[3]。上述研究从不同视角分析了交通基础设施的评价机制、路网的空间分布格局及其对经济社会发展的影响，但缺乏对区域内不同等级公路密度空间分布格局及其和经济社会发展统计量之间的关系的研究。而区域间不同等级公路网密度的巨大差异，往往对区域社会经济发展具有重要影响。

　　本文在现有交通基础设施空间分布格局及其对区域社会经济发展影响等相关研究的基础上，以包含江苏省、浙江省、安徽省及上海市全境的长江三角洲为研究区域，系统分析了高速公路、国道、省道及县道四级公路网密度及其空间分异格局，以道路等级和相应等级路网密度作为主要影响因素，构建了区域交通协同指数模型，探究了交通协同指数计算结果与不同区域不同等级公路密度之间的差异及其对人均GDP、人均GDP增量的影响，分析了公路网密度与经济发展之间的逻辑关系。本研究一方面为交通基础设施对经济社会发展影响研究提供了新的分析视角；另一方面，为区域交通基础设施规划和建设、经济发展政策指定提供了决策依据。

　　2研究区域

　　本文研究区域包括江苏省、浙江省、安徽省和上海市，是中国经济最发达的地区之一，该区域的交通基础设施也相对发达。研究该地区公路网密度的空间分布模式及其与GDP的关系，将有助于揭示交通基础设施在促进经济发展中的作用。研究数据包括长三角地区四个省级单位的空间数据和经济统计数据。空间数据主要包括长三角41个市级行政区的数据以及高速公路、国家级公路、省级公路和县级公路等交通网络数据。空间数据主要来自国家地理信息目录服务网站。经济统计数据包括2011年至2020年长三角41个城市的GDP和人均GDP,经济统计数据的主要来源是各省市统计年鉴。

　　3研究方法

　　3.1不同类型道路的密度

　　高速公路、国道、省道和县道四种公路类型是连接区域内不同经济体的主要方式，为此，本文以上述四种公路类型作为主要的研究对象。本研究通过计算不同类型公路里程及其与行政区面积比值，获取不同等级公路密度信息，即单位面积内的道路长度。道路密度计算公式如下：

　　其中，Dsi是指行政区域S内第i条道路的密度，变量Lt包括国道、省道、县道和高速公路四种类型的道路。变量A s表示与行政区域S相对应的总面积。在此基础上，可以计算得到每个行政区的道路总密度，即四种类型道路的总密度，计算方法如下。

　　最后，我们计算了研究区域内41个行政单位的所有等级道路密度，并利用道路密度来构建区域交通及其对经济增长的影响。

　　3.2区域公路交通协同指数

　　在评价区域公路交通状况时，不仅要考虑不同等级公路密度，同时还需要综合考虑不同等级公路之间的协同度以及不同等级公路在通行效率方面的差异，即不同等级公路密度所包含的信息量。为此，本文从不同等级公路密度的交通协同度和不同等级公路密度信息量两个方面出发，基于多个指标的公路密度数据集设计了一种揭示区域公路交通协同度的公路交通协同指数计算方法。

　　①道路密度的交通协同度。

　　基于道路密度数据集的相关系数矩阵，本研究计算了各道路密度的区域交通协调程度。首先，我们计算道路密度指数与所有其他道路密度指数之间的相关系数；然后，计算多个相关系数的平均值。平均相关系数结果越高，这类道路的密度与其他类型道路的密度之间的相关性就越高，即这类道路与其他类型的道路之间的协同程度就越高。

　　为了计算道路协调程度，需要建立多指标道路密度数据集的相关系数矩阵，该矩阵可以表示如下。

　　其中，rij表示指数i和指数j之间的皮尔逊相关系数。具体而言，i和j可以分别表示国道(n)、省道(p)、县道(c)、高速公路(e)和所有类型的道路(a)。xki和xkj分别表示空间单位k中道路类型i和j的密度。研究区域内道路类型i和j的平均密度可以分别用xi和xj表示。

　　不同等级公路的交通协同程度可以通过以下方式计算：

　　其中，Ci表示公路类型i的交通协调程度，而i和j可分别表示国道(n)、省道(p)、县道(c)、高速公路(e)和所有类型的道路(a)五种道路类型中的任意两种。N是道路类型的数量。

　　②道路密度信息量。

　　标准差可以用于度量不同指标中所含的信息量，因为标准差越大，数据分布就越离散，意味着在空间分布中可以显示出更多的空间差异。因此，本研究采用标准化道路密度的标准差作为信息量的衡量标准。

　　道路密度信息可以通过以下公式来计算。

　　其中，σi表示道路密度i的信息量，yki表示xki标准化后的值，xki表示空间单位k中道路类型i的密度，yi表示研究区域中道路类型i的平均密度。

　　③交通协同指数计算。

　　首先，整合不同类型道路的协同作用和道路密度的信息量，为每种类型的道路密度建立权重。其次，基于不同权重的标准化值和相应的道路密度，计算不同空间单元的区域交通协调指数。每种道路密度的重量计算如下。

　　不同空间单元中的区域交通协调指数可以通过以下公式计算。

　　该指数是综合考虑不同道路类型空间分布的协同性和道路密度的信息量构建的，可以代表区域交通的协同性与空间差异性，支持交通分析。

　　3.3交通协同指数与经济发展的相关性

　　本文从GDP总量和GDP增量两个方面探讨了区域交通协同指数与经济发展之间的关系。

　　①公路交通协同指数与GDP总量之间的相关性。

　　选取2011-2019年长三角地区城市的GDP、第一产业GDP、第二产业GDP和第三产业GDP作为反映区域经济发展的指标。第一步计算公路交通协同指数与每年经济指标之间的相关系数。第二步根据相关系数分析公路交通协调指数与经济条件之间的耦合关系。

　　②公路交通协同指数与GDP增量之间的相关性。

　　用于分析公路交通协同指数与经济增长相关性的数据与上述部分相同，包括2011-2019年长三角城市的GDP、第一产业GDP、第二产业GDP和第三产业GDP。相邻年份之间的经济指标增量可以通过从下一年的经济指标中减去上一年度的经济指标来计算。然后，分别计算公路交通协同指数与经济指标增长率之间的相关系数。根据相关系数，分析公路交通协同指数与GDP增量之间的相关性。

　　4结果和分析

　　4.1长三角地区多等级公路密度的空间分布格局

　　路网密度是衡量某一地区交通可达性的重要指标之一。研究区域公路密度的空间分布差异，有助于从区域整体的角度揭示交通路网的空间分布格局。众所周知，不同等级的高速公路在通行能力和效率方面均存在显著差异。根据道路等级的不同，长三角地区以高速公路、国道、省道和县道为代表的四种公路类型比例结构如图2f所示，其中，县域公路占比最大，为45.74%,是长三角地区公路网的主要组成部分。省道的比例为31.23%,高速公路和国道的比例接近，两者都略高于11%。

　　在上述四类公路交通中，除国道外，上海的道路密度最大。长江沿线的省道和县道的道路密度与所在区域和上海的距离成反比，即所在区域距离上海越近，则省道和县道的密度越大。这种格局在高速公路和国道路网密度中也有所体现，但不如省道和县道密度明显。不同等级公路密度在空间上的分布格局充分体现了上海作为长三角地区乃至全中国经济中心和交通枢纽的地位。

　　从图2所示的不同等级道路密度空间分布格局分析，除上海市外，江苏省内包括高速公路（图2a)、国道（图2b)、省道（图2c)及县道（图2d)在内的四个等级公路密度都明显高于浙江省和安徽省。造成这种情况的原因有很多，但不同省份之间的经济实力差异应该是主要原因。众所周知，江苏省的整体经济实力优于浙江省和安徽省，这一点在三个省份之间不同等级的公路网密度图的空间差异特征中得到了充分证明。三个省份之间高速公路（图2a)和国道（图2b)的路网密度差异不大。这是因为高速公路和国道的投资和建设主体是中央政府，在高速公路和国道规划建设过程中，国家往往会考虑不同区域之间的均衡发展，因而临近省份之间的高速公路和过道密度差距不会太大。与高速公路和国道网密度图形成鲜明对比的是，江苏省省道（图2c)和县道（图2d)的密度远高于安徽省和浙江省。主要原因是省道和县道主要由省级地方政府建设，不同省份的经济实力差距在道路密度图中得到了清晰的反映。

　　从长三角公路网总体密度的空间分布来看，道路密度高的城市主要分布在长江沿岸（图2e),总体城市道路密度分别从长江沿岸向北和向南呈下降趋势。然而，作为中国重要的交通枢纽之一的徐州是个例外。

　　4.2长三角区域交通协同指数

　　根据长三角地区交通协同指数计算模型，我们基于不同等级道路密度计算了长三角地区41个城市的交通协同指数，具体如表1所示。交通协同指数在0到1之间，数值越大，表示当前城市的交通协同度越高，交通区位优势越好。从图3长三角城市交通协同指数统计图中可以发现，长三角地区大多数城市的交通协同指数都低于0.3。超过0.3的城市包括淮安、连云港、扬州、徐州、泰州、苏州、常州、南京、嘉兴、无锡、镇江、上海。上海的交通协同指数最高，达到0.93。这再次反映了上海作为长三角中心城市和交通枢纽的地位。

　　长三角地区交通协同指数的空间分布格局具有显著的规律性（图4)。从整体来看，长三角地区的公路交通协同指数在空间上形成了两个区域中心。一个是以上海为中心，另一个则是以徐州连云港一线为中心。以上海为中心的公路交通协同指数带在整个长三角地区影响最广、城市数量最多。交通协同指数沿长江由东向西递减。同时，交通协同指数与南北方向城市与长江之间的距离成反比，即城市距离长江越近，该城市的交通协同指数就越高。

　　从不同省市来看，除上海外，江苏省13个城市整体的交通协同指数均高于浙江省和安徽省各个城市。江苏省各城市交通协同指数呈现南北两端高、中间低的格局。江苏省长江以南的五个城市的交通协同指数最高，均属于同一类别。在江苏省，只有南通的江北交通协同指数与江南城市属于同一类别，而其他江北城市的交通协同指数低于江南城市。安徽省各市交通协同指数呈现出东高西低的规律，靠近江苏省的各个城市交通协同指数相对较高。与江苏省和安徽省相比，浙江省城市交通协同指数的空间规律不明显。浙江省城市之间的交通协同指数差异相对较小，这意味着它比江苏省和安徽省更平衡。

　　4.3公路交通协同指数与GDP数据的相关性分析

　　公路交通对促进区域经济联系和社会发展具有重要作用，能否反映区域经济发展趋势是衡量公路交通协同指数是否合理的重要指标之一。为此，我们将长三角城市的GDP数据分为三部分：第一产业（农业）、第二产业（工业）和第三产业（服务业）。从GDP总量、第一产业数据、第二产业数据和第三产业数据四个方面分析了长三角城市交通协同指数与相应GDP数据的相关性。图5显示了2011年到2019年长三角地区各城市公路交通协同指数与年GDP总量以及不同产业GDP总量之间的相关性结果。图6显示了2011年至2019年长三角地区各城市的公路交通协同指数与年GDP增量以及不同产业GDP增量之间的相关性分析结果。

　　通过长三角地区公路交通协同指数与各市GDP相关性分析结果可以看出，长三角各市的GDP总量和GDP增量与其公路交通协同指数呈现显著的正相关性。公路交通协同指数与GDP总量的相关系数高于70%,且趋势相当稳定。但交通协同指数与GDP增量之间的相关系数波动很大。造成这种情况的原因可能是，长三角各城市的交通协同指数在时间尺度上相对稳定，相关指数的波动主要取决于GDP数据。长三角地区城市GDP总量较大，并保持了相对稳定的年增长趋势。因此，交通网络与GDP总量之间的正向驱动效应具有良好的稳定性。

　　公路交通协同指数与GDP增量之间的相关性波动幅度相对较大。图6显示了不同产业类型GDP增量与公路交通协同指数之间的相关性结果。与第二和第三产业相比，以农业为主的第一产业与交通协同指数之间的相关性最低。以工业为主的第二产业和以服务业为主的第三产业与交通协同指数呈正相关。这有很多原因。一方面，农业发展较少依赖于县级以上公路，而更多依赖于县级以下公路，包括本文未考虑的乡道和村道。另一方面，以工业为主的第二产业更依赖于县级以上公路的交通网络，实现工业原材料和工业产品在该地区的快速流通。而等级越高、交通效率越高的交通道路，可以实现不同地区和城市之间的人员和货物的快速流通，有助于促进以服务业为主的第三产业的发展。

　　从公路交通协同指数和以GDP为代表的经济统计数据之间的相关性分析结果可以看出，本文构建的交通协同指数和经济发展趋势之间存在显著的正相关性，本文提出的公路交通协同指数模型可以较好地揭示区域内不同等级公路交通对经济社会发展的促进作用。

　　5结论

　　本文研究了长三角地区高速公路、国道、省道和县道四种不同等级公路交通路网密度空间分布格局，基于道路密度和道路通行能力提出了一种区域公路交通协同指数计算方法。在此基础上，对区域公路交通协同指数与以GDP为代表的城市经济社会发展指标之间的相关性进行了分析和讨论。研究表明，长三角地区不同等级公路密度在空间上呈现出显著的规律性，即南北方向上以上海和江苏南部城市为中心向南北两侧逐渐降低，而在东西方向则呈现出东部公路密度高于西部公路密度的特征。以国家投资为主的高速公路和国道密度在空间上相对均衡，而以各省投资为主建设的省道和县道则在不同省区之间呈现出显著差异，总体来说，江苏省的省道和县道密度远高于安徽省和浙江省。长三角地区41个城市的公路交通协同指数空间分布格局表明，公路交通协同指数能够很好地反映不同城市的交通区位优势以及某一区域内城市之间的协调性。长三角41个城市的公路交通协同指数与各城市的GDP总量及增量之间的相关性研究结果表明，本文设计的公路交通协同指数与GDP总量及增量之间存在显著的正相关性，可以用于反映区域经济发展水平，并为区域公路网络规划与建设提供指导依据。

　　［参考文献］

　　[1]金凤君，王成金，李秀伟．中国区域交通优势的甄别方法及应用分析[J].地理学报，2008(08):787-798.

　　[2]程佳佳，王成金，刘卫东．西北地区交通优势度格局及空间分异[J].地球科学进展，2016,31(2):192-205.evaluation based on the open street map road network density:The case study of 85 cities in China[J].ISPRS Int.J.Geo-Inf.2020,9.

　　[4]蔡海亚，徐盈之．长江三角洲物流产业发展格局及影响机理研究—基于空间经济学的视角[J].华东经济管理，2016,30(10):15-23.

　　[5]侯毅鸣，陈延斌，宋成镇．城市交通路网中心性与零售网点空间布局的关系研究—以济南市区为例[J].湖南师范大学自然科学学报，2022,45(04):15-23.

　　[6]赵哲，曾晨，程轶皎．交通路网的空间外溢性对土地集约利用的影响—以京津冀城市群为例[J].经济地理，2020,40(07):174-183.

　　[7]龙玉清，陈彦光．京津冀交通路网结构特征及其演变的分形刻画[J].人文地理，2019,34(04):115-125.

　　[8]薛东前，樊婷，赵少敏．西安市文化产业发展与交通网络的空间耦合关系研究[J].干旱区资源与环境，2019,33(04):82-88.

　　[9]冯志新，陈颖彪，千庆兰，等．东莞市交通路网格局对城市空间扩张影响研究[J].地球信息科学学报，2014,16(01):79-86.

　　[10]肖雪梅，王艳辉，贾利民．城市轨道交通路网客流均衡性分析方法[J].交通运输系统工程与信息，2012,12(06):137-144.

　　[11]毛蒋兴，闫小培．广州城市交通系统与空间格局互动影响研究[J].地理与地理信息科学，2004(06):76-80.

　　[12]曹小曙，阎小培．经济发达地区交通网络演化对通达性空间格局的影响—以广东省东莞市为例[J].地理研究，2003(03):305-312.

　　[13]金凤君，王成金，王姣娥，等．新中国交通运输地理学的发展与贡献[J].经济地理，2009,29(10):1588-1593+1676.

　　[14]Hansen W.G.How accessibility shapes land-use[J].Journal of the American Institute of Planners,1959,25(2):73-76.

　　[15]Banister D.,Berechman J.Transport Investment and Economic Development[M].London:UCL Press,2000:33-40.

　　[16]Gutiérrez J.Gómez G.The impact of orbital motorways on intra-metropolitan accessibility:The case of Madrid's M-40[J].Journal of Transport Geography,1999,7(1):1-15.

　　[17]Gutiérrez J.Location,economic potential and daily accessibility:An analysis of the accessibility impact of the high-speed line Ma-drid-Bardelona-French border[J],Journal of Transport Geography,2001,9(4):229-242.

　　[18]孟德友，沈惊宏，陆玉麒．河南省县域交通优势度综合评价及空间格局演变[J].地理科学，2014,34(03):280-287.

　　[19]王成新，王格芳，刘瑞超，等．区域交通优势度评价模型的建立与实证—以山东省为例[J].人文地理，2010,25(01):73-76.

　　[20]孟德友，沈惊宏，陆玉麒．中原经济区县域交通优势度与区域经济空间耦合[J].经济地理，2012,32(06):7-14.

　　[21]马爱峦，张莉，赵英杰．陆路高速交通对长江三角洲城市群中心城市一日交流圈的影响[J].地理与地理信息科学，2018,34(01):114-120+4.

　　[22]张超亚，张小林，李红波．快速交通对区域中心城市日常可达性影响—以长江三角洲地区为例[J].长江流域资源与环境，2015,24(02):194-201.

　　[23]丁潇潇，钱勇生，曾俊伟，等．长江三角洲城市群新型城镇化与城市交通协调发展研究[J].公路，2022,67(03):254-260.

　　[24]郑凌垚，王海燕．区域交通资源配置效率综合评估[J].科学技术与工程，2021,21(31):13484-13490.