简谈1990年以来东北地区铁路运输的空间极化

　　浏览20 年来国内外主要的交通运输地理研究文献发现： 交通网络和通达性分析一直是研究主题之一; 航空运输是西方交通地理研究中最经常被讨论的类型; 全球化的影响、互联网和移动通讯时代的时空关系研究是近年来的新内容; 交通管制和政策变化的空间影响、交通规划、城市交通地理、港口体系与集装箱运输地理， 以及交通基础设施与区域发展的关系等内容仍然是重要的议题。西方近年来对于铁路运输地理的研究不多， 而且主要集中在欧洲。其中部分文献分析历史上铁路的区域作用、铁路衰落的影响以及路网的发展方向。另外， J. Gutikrez 等采用GIS 方法分析和预测了欧洲高速铁路网及其对通达性的影响; R. D. Knowles 讨论了英国铁路私有化的影响[。对于中国铁路地理问题， B. P. Y. Loo 等应用GIS 方法， 分析了全国15 个潜在的集装箱枢纽站及其与腹地的空间组合; 国内方面， 金凤君等从中国铁路网与通达性和空间服务系统优化的关系、铁路提速的空间经济效果方面进行的研究具有代表性。
　　使用实际发生的客货运输数据进行的运输地理研究并不多见。客货运输数据更能直接和准确地反映区域运输联系和真实的区域关系， 是空间相互作用研究的理想途径。但由于数据获取以及处理与分析的困难， 典型的案例研究非常少。E. J. Taaffe 在20 世纪50至60 年代进行的航空客流地理及其城市体系研究是早期的经典之作; D. J. Keeling 使用1992 年主要世界城市之间的直飞航班数量作为客流联系数据， 研究全球层次的航空地理结构及其对世界城市体系的影响; A. W. Veenstra 等使用多层网络分析工具， 在2001年物流数据的基础上， 通过建立O/D 集装箱流矩阵， 研究作为国际和区域性集装箱运输要地的加勒比地区的网络结构和物流潜力， 也是比较接近的案例。国内方面， 张文尝等对空间运输联系的生成与生长、分布与交流规律进行了基础理论研究; 金凤君、周一星使用以省为单元运输数据分析了我国的空间运输联系[; 曹小曙等通过各城市本身的客货运量推算城市之间客货流量， 进而分析珠三角城际运输联系。
　　许多学者认为近年来区域空间差异变动的主要特征是空间极化。R. L. Mitchelson分析了全球化经济和专业化信息流对美国城市体系空间极化的作用; L. Fedolov 利用人均收入和消费支出指标， 分析了俄罗斯转型过程中区域差异和空间极化扩大的趋势以及成因。在国内， 甄峰等利用因子分析和聚类分析法、欧向军等引入区域经济极化测定指数， 定量分析了广东省和江苏省的区域差异和极化特征。
　　已有基于客货流实态的运输地理研究案例较少， 而且研究单元偏大、空间属性比较笼统， 或使用推算的间接数据， 影响结论的可靠性; 关于区域空间极化研究关注的主要是以人均GDP 为代表的经济增长问题， 其他角度的分析不足。本文将在铁路客货运输数据基础上分析东北地区的运输地理格局变化及其区域影响。原始的客货运输数据都是区段 水平的， 与以省、市甚至县为单元的客货运数据相比， 在细致程度、空间属性方面要进步得多; 由于是铁路部门的实测数据， 显然比推算的点间流量数据可靠。因而希望本研究达到一个新的深度， 并能准确刻画东北地区铁路运输格局的变化。
　　本文的研究目的包括两个方面： 其一是展示铁路运输本身的空间变化规律; 其二是从这一特定的观察角度出发， 探讨区域空间结构的演变。在中国情况下， 铁路是大区尺度(如东北地区) 的主要交通方式之一， 对于区域空间结构不但具有表征意义， 而且是其变化的重要推手， 因而铁路运输的空间格局及其变化是考察区域关系的重要角度。何况，东北地区拥有全国同尺度区域中密度最大的铁路网。各界通过观察注意到了东北地区存在的区域经济极化现象， 本文要做的就是通过数以万计的实测数据， 从铁路运输的角度深入探讨东北地区空间结构的变化。
　　2 数据和研究方法
　　本文的研究过程是： 在数据处理的基础上， 首先进行总体特征的面上分析(客货流密度分析、指数分析)， 然后考察干线运输地位消长， 最后分析重要节点的地位变化。由面到线， 再到点， 逐步具体化。
　　2.1 研究区域概况
　　本文研究区域是沈阳铁路局、哈尔滨铁路局所辖的铁路运输地区， 在行政区划上主要包括辽宁省、吉林省、黑龙江省全部和内蒙古自治区东部的赤峰市、通辽市、兴安盟和呼伦贝尔市。
　　2.2 原始数据及其处理
　　本文以东北地区铁客货运输的原始数据为基础进行计算和分析。数据来源是沈阳铁路局和哈尔滨铁路局1990 年、1994 年、1999 年、2000 年和2005 年的年度统计资料。数据的基本单元是运输区段， 原始数据包括区段客流密度、区段货流密度、区段长度。各年度资料需要统一区段的划分并进行相应的数据合并计算。由于各年份的区段划分有所不同， 本文通过仔细核对各年度区段的变化， 并采用合并的方式， 使各年份的数据统一到口径一致的新区段划分体系中。如果某年度的某区段是由其他年度的几个区段合并而成的， 则将这些年度的相应区段合并， 客货流密度、线路长度等数据也合并计算。计算的依据是： 客(货) 流密度= 旅客(货物) 周转量/ 线路长度。客、货流区段的处理分别进行， 统一后的客流区段有63 个， 总长13264 km; 货流区段152 个， 总长14758 km。原始数据及其处理均按上行(主要为向南部的关内方向、向中部哈大线方向) 和下行(主要为向北、向东西两翼方向) 方向分别完成， 并分析了上下行合并的总运输量变化。2.3 客(货) 流密度分布的GIS 分析
　　对东北地区铁路和站点栅格图进行矢量化， 使用上述统一后的各年度客货流区段运输数据， 在Arcinfo 中建立东北地区不同年份客流、货流图形库和属性库， 通过Arcmap的图形编辑， 对属性库中不同年份客流、货流上下行、合并的密度数据进行分级， 并以不同的线条宽度显示输出， 生成可对照的各年份客流、货流密度分布图， 进而分析1990年以来东北地区客流、货流空间演变趋势。
　　3 分析与计算结果
　　3.1 客货流分布图
　　客货流分布图可以对铁路运输的分布变化予以直观显示。为适当简化， 本文只列出1990 年、2000 年和2005 年三个年度的总客流和总货流(上下行合并的) 分布图哈大线和沈山线一直是东北铁路运输的主干， 而且客货流密度的绝对增长仍然明显; 沿上行方向， 总运输密度梯次增加; 哈大线两侧的相连区段客流密度均有增长， 而货流密度则在哈大线以西地区增长较为明显; 滨洲线从局部区段货流密度较大扩展到全线货流分布较均衡。
　　3.2 指数计算结果
　　指数计算结果显示的是东北铁路网整体的运输分布变化。利用前述各指数公式， 计算出东北地区铁路运输客货流的指数.根据客货流的指数绘制了客货流指数变化趋势图
　　2000 年前上行客流的基尼系数、泰尔指数、集中指数和崔王指数除了1994 略有下降外， 一直是上升的， 2005年相对2000 年而言出现下降。从图3 也可知， 上行客流各指数的变化趋势一致。各年份的下行客流的极化指数变化趋势并不一致， 基尼系数与泰尔指数都在增大， 变化趋势一致，但二者的变化趋势与集中指数、崔王指数的不同，不过2005 年的各指数大于2000 年。上、下行客流指数总体是变大的， 这也可以从总客流指数的变化趋势中得到体现。尽管上行货流的崔王指数与其他指数变化趋势不完全相同， 但是总趋势仍然是小幅上升。下行货流的泰尔指数与集中指数变化趋势一致， 但与基尼系数与崔王指数的变化不尽相同。除了1994 年的指数值较大外， 其他年份变化不大， 基本持平。总货流变化比较平缓， 但2005 年的各指数值仍然大于1990 年。
　　4 结论与讨论
　　4.1 基本过程特征
　　从上下行合并计算的客货流指数变化看， 铁路客流的变化比较清晰， 各指数在整个20 世纪90 年代呈起伏式上升， 2000 年以后上升趋势变缓或有所逆转; 而货流指数的变化相对较小， 过程比较复杂。笼统地说， 以客流为代表， 2000 年以前东北地区铁路运输存在极化的特征， 而2000 年以后的趋势变得复杂化。
　　就东北地区的整体结构而言， 90 年代以来的空间极化趋势是各界的普遍印象; 但2000 年以后这种趋势是否如铁路旅客运输的空间格局一样变缓， 甚至有所逆转， 还需要使用经济和社会发展数据从其他多方面深入考察。
　　4.2 1990-2000 年期间的客流极化
　　1990 年至2000 年期间旅客运输的极化比较明显。对比图1 的客流年度变化推测， 此间的极化与铁路运输在支线客运和短途客运方面的相对衰落有关。同时， 旅客平均行程的变化增加了极化的程度。1990 年至2000 年， 铁路旅客的平均运程由139 km 增加到235 km (沈阳铁路局)。
　　由此也可以证实， 交通条件改善交通能力增强后居民平均出行距离增加， 其空间影响不但不是分散， 反而是进一步促进有交通优势的地带的集聚， 继续促使区域极化。
　　4.3 高峰时期的客货流
　　1990 年代中期是铁路运输发展的颠峰时期， 客货周转量也是10 年中的高峰， 这时客流的分布最为均匀， 而货流分布刚好相反， 最为集中。由此推测， 1990 年代中期以后，铁路客运的一度相对衰落主要在于支线。此间的1997 年、1998 年、2000 年， 铁路客运经历了三次干线提速， 显然与客流分布的空间极化过程吻合。
　　4.4 上行、下行表现相反的客货流
　　2000 年以后上行方向货流趋于极化， 下行货流趋于分散; 而客流的变化趋势是，2000 年以来上行方向客流趋于分散， 下行客流这种分散趋势不明显。还表明， 不但货流有上下行的差异， 客流的上下行分布也并不相同。另外， 考虑到2001 年和2004 年铁路干线又经历了两次具有极化效果的提速过程， 2000 年以来的客流分散趋势尤为值得关注。东北地区的货流特点是上行周转量远远大于下行， 而且有逐年扩大的趋势， 1990 年上行货物周转量为下行的1.651 倍， 到2005 年达到2.884 倍。因而上行货流的结构变化更有指示意义。也可以说2000 年以来的货流仍然有趋于极化的特征。
　　从东北地区的基本结构看， 上行货流代表的主要是物资向中央轴带集中、向南部集中和对外输出， 因而上行货流本身即有强烈的集聚意义， 这种集聚的极化同时表明一些重要的区段在这一集中过程里进一步发挥了强化作用。
　　如何理解2000 年以来客流分布与货流分布的不同表现及其区域影响?应该说客运与货运的区域意义是很不相同的， 现代经济中非实物因素的重要性不断增加， 人员交流所承载和表征的空间相互作用比货流要大。另一方面， 在时序上， 客流对区域关系的变化更为敏感， 货流的反应要慢半拍。如果这一假设成立， 那么2000 年以来客流分布逆极化的倾向， 可能会在不久的将来引导货流结束同一时段里原本就不十分清晰的极化过程， 走向分散化， 并成为促进东北地区均衡化的力量。不过这一推测还需要时间检验。
　　4.5 干线运输地位的消长
　　作为东北地区的主要轴线， 哈大线在东北铁路客运中的比重持续增大， 而货运增长不明显。进一步分析显示哈大线货运在东北地区的比重仅上行(出口) 方向有所增长， 下行方向有所下降。滨洲滨绥线的货运比重明显增加， 而客运也有所增长。作为对国内其他地区的主要通道， 沈山线的客货运输地位均有明显下降。主要线路运输量的变化显示， 东北地区铁路系统的传统结构(T 型结构) 在新的发展机制下有所加强， 与货流分布变化同样显示了东北铁路网整体性的增加(图2)， 对国内其他地区的依赖性下降， 其区域意义是促使东北地区内部一体化程度加深; T 型结构的三个顶点是大连、满洲里和绥芬河口岸， 显示了对外贸易在东北地区铁路运输系统整合中的作用。
　　4.6 向哈大线的极化
　　干线客运周转量比重变化分析显示了一种简明的极化特征： 向哈大线的极化。哈大线的地位及其区域影响一直在增长， 即使在2000 年以后也是如此。图6 含哈大线和不含哈大线的铁路客流极化指数曲线表明， 东北地区2000 年以来客流分布的分散化发生在哈大轴带以外地区。这种变化会导致铁路运输系统层级的减少， 客观上对铁路部门大幅度撤并分局的决策是支持的; 这种变化的区域影响是弱化东北地区的次级结构， 甚至弱化哈大线以外的次级核心的影响力。进而可以认为， 1990 年以来东北铁路运输的变化支持如下的区域空间极化过程： ① 向哈大沿线集聚; ② 东北地区地域系统的层级减少， 哈大轴带作为顶层结构对整个东北地区的控制范围和程度增加。
　　4.7 主要节点的地位提升
　　铁路客运向哈大线的极化以及哈大轴带在东北地区地位的加强， 与哈尔滨、长春、沈阳、大连等主要节点的地位提升， 是一种鸡与蛋 的关系。图1 和图2 显示沿上行方向运输密度梯次增加， 表明哈、长、沈、大等节点一直具有聚集客流和货流的作用。其中沈阳和哈尔滨的节点作用尤其显著。这四个城市旅客发送量在东北地区铁路旅客发送总量中的比重大幅度增长， 由1990 年的15.72%增长到2005 年的28.67%， 凸显了四城市在东北铁路客运向哈大线极化中的重要作用。
　　5 结语
　　虽然只选取了1990-2005 年间的5 个年份的铁路客货运输统计资料， 客货流分布图的分级过程也可能会导致少量信息被掩盖， 但是通过GIS 图示的直观分析、指数运算的总体特征复合分析、以及对主要运输干线和主要节点的简明分析， 也能大致理出铁路运输客货流分布的变化过程。虽然这一过程是东北地区内部空间相互作用、区域结构和区域关系变化的重要组成部分， 但是铁路运输的空间变化与区域结构的相关性， 还需要结合其他运输方式(特别是公路) 和经济、社会发展指标予以考察。而对2000 年以后趋势的判断， 更需要未来的数据及以之为基础的研究。