运输联系作为区域经济联系的现实表征，对引导城市空间组织合理布局，优化区域产业结构，缩小区域差异，提升区域经济发展水平有着重大意义，一直是经济地理学、城市规划学、交通地理学关注的重点。近年来，持续增长的货流作为衡量全球、全国、区域及地方尺度上经济体系构成不断变化的重要元素，在经济发展中的地位越来越重要^[1]。然而，受数据产生和采集的限制，现有的运输联系研究大多侧重于旅客运输联系。如Ma等^[2]运用航空客流的面板数据对国家和全球尺度下中国主要城市的联系进行了分析；Li等^[3]运用铁路客流数据、高速公路客流数据研究了运输联系格局；王海江等^[4]基于全国286个地级市间的铁路客运联系数据，运用GIS空间分析方法全面剖析了我国铁路客运联系的空间特征；Wang等^[5]基于航空客流数据，探索了中国航空运输网络的网络结构和节点中心性。在零星的货物运输联系研究中，朱慧等^[6]采用修正的引力模型对金衢丽地区的物流联系进行了研究，但却无法表征现实世界中运输联系的复杂交互关系；戢晓峰等^[7]基于多源数据从运输吸引潜力及运输交流两个角度，运用网络分析方法提取了云南道路货物运输联系的空间特征，但以运输联系强度模型来进行运输联系网络的构建，并非严格意义上城市间的实际运输交流数据，对空间组织现象的揭示仍存在一定的制约性。此外，上述研究的空间类型虽已涉及全球、全国、重点城市群及省域层面，但均以行政界限为划分标准，把研究区域当作封闭的空间体系进行研究，忽视了区域间各种要素的流动实际上是一种动态的、相互关联的网络互补关系。

随着交通技术的革新以及交通基础设施的不断完善，地理空间阻隔对城市间联系的影响逐渐减弱，行政边界的概念逐渐模糊。早在1989年，Castells^[8]便已经注意到了地理空间对区域与城市空间结构的影响，指出地理空间更加表现出“流动空间”的流动性和可塑性。随后，在Taylor^[9-10], Hall^[11]等的推动完善下，“尺度”、“空间”的概念逐渐受到城市地理学者的关注。尺度理论由于更为重视地理距离作用弱化对区域发展的影响，强调尺度形成过程的动态性，被广泛运用于城市与区域重构的研究。尺度重构作为重塑区域发展形态的空间治理手段，也迅速成为区域参与全球竞争和地域分工的重要工具^[12-13]。经济圈、城市群、国家级新区等区域形态的形成，正是全球化进程中国家以尺度重构为策略来实现国家或区域发展战略的重要产物。然而，现有尺度重构的研究成果多集中于政治经济学领域，侧重于区域或行政区划演变特征、演变动力机制等方面^[14-16]，在交通运输领域的研究成果较为鲜见。区域尺度的划分是交通运输领域研究的首要基础，在当前尺度边界动态演变的背景下，区域间的运输联系更为交互复杂^[17-18]。因此，本研究提出尺度重构视角下的运输联系网络构建流程及方法，并以云南省为实例地区，通过构建48×48的运输联系网络的路径关系，试图从网络的空间组织过程和层级结构两个方面揭示城际货物运输联系网络的空间特性，以期为区域物流规划与货运组织提供理论依据。

网络的构建直接影响着区域运输联系的空间组织特征提取结果^[19-20]，科学构建网络是对其进行空间组织优化的基础和前提。尺度重构更为关注尺度的生产和再生产过程，认为尺度绝非是“自然的”或“事先给定的”，是指具有尺度特性的组织方式发生变化、转移的过程^[21]。尺度重构视角下的城际运输联系网络研究，便是针对特定的现象与空间，选择合适的尺度类型并探讨其特征的过程，如图 1所示。

图 1 基于空间尺度重构的城际货物运输联系网络构建流程 Fig. 1 Process of constructing inter-city freight transport connection network based on spatial scale rescaling

其中，在货物运输联系流向矩阵的构建中，采用以下公式计算网络中各节点的流量：

(1)

(2)

式中，O_i，D_i分别为在货物运输联系网络中节点i的输出运输量总和及输入运输量总和；T_ij为从节点i流向节点j的运输量；T_ji为从节点j流向节点i的运输量。为表征节点在运输联系网络中的地位，进一步定义T_i为节点i的运输总量，计算公式如下：

(3)

云南省位于我国西南边陲，公路运输在其综合运输体系中占据主导地位，公路货物运输量占比一直在80%以上。本研究数据来源于云南省交通运输业经济统计专项调查平台(2014年)，该平台输出的公路货流数据是基于节点间实际的货流调查，其最小统计单元为县域节点。空间统计分析后的OD数据类型主要分为：(1)输入城市的货流数据，即进入城市的货流数据，这些城市包括云南省16个城市以及省外其他城市；(2)城市输出的货流数据，即云南省16个城市向省内其他城市及省外城市输出的货物运输量数据；(3)城市内部货流数据，即云南省16个城市中每个城市内部县域节点之间货物运输量的总和。

依据图 1，首先对货流OD数据类型的构成进行分析，发现无论是从运输量的构成还是运输趟次的构成看，云南省货物运输城市研究单元的OD数据流均集中在城市内部之间，其占比均在50%以上。因此，剔除城市内部县域节点间的货流数据，能够有效消除传统城市静态属性数据缺陷导致的城市间相互作用特征表征不精准的现象，提高城市节点间运输联系特征研究数据的可靠性。其次，根据式(1)和式(2)确定研究区域货物运输联系网络中两两节点间的有向路径关系，获取得到48×48的有向多值网络矩阵，并进一步基于式(3)将其转换为对称的无向多值网络矩阵。最后，运用UCINET软件中的Dichotomize对无向多值网络矩阵的断点值进行反复测度，最后确定断点值为10。进一步提取联系强度大于10的矢量连接线，在ArcGIS下生成具有起始点的424条矢量连接线以及48个城市节点的货物运输联系网络，如图 2所示。

图 2 运输联系的原始网络空间布局 Fig. 2 Spatial layout of original network of transport connection

随着交通基础设施的不断建设与完善，行政边界对货流跨区域流动的阻碍逐渐减小，致使区域外部联系加入到区域货物运输联系网络中的可能性不断增加，影响着货物运输联系网络的空间特征结果。为高效提取空间尺度重构视角的货物运输联系网络特征，在考虑区域外部运输联系对网络空间形态影响的基础上，选取泰尔指数测度传统区域划分下货物运输联系的区域差异，选取首位联系度考察区域内部和区域外部节点的连接偏好，并运用GIS空间分析技术刻画空间尺度重构视角的货物运输联系网络的层级结构。

(1) 泰尔指数

泰尔指数^[22]可同时衡量区域内部和区域之间的差距对总差距的贡献程度，数值越小说明区域间不均衡程度越小。将泰尔指数应用于运输联系区域差异测度，计算公式如下。

全省整体差异：

(4)

区域内部差异：

(5)

区域之间差异：

(6)

式中，T为运输联系强度的全省整体差异；T_i(intra)为运输联系强度的区域内部差异；T_i(inter)为运输联系强度的区域之间差异；i为城市(镇)群，分别为滇中、滇西、滇东南、滇西南、滇东北、滇西北地区，i=1, 2, 3, …, 6；Y_i为区域i的运输联系量；y_ij为区域i中城市j的运输联系量；Y为全省运输联系量；X_i为区域i的运输联系城市总量；x_ij为区域i中城市j的运输联系总量；X为全省的运输联系总量；n为区域i中城市的数量。

(2) 首位联系度

其次，基于实际货流OD数据，引入首位联系概念，构建首位联系度模型。

(7)

(8)

式中，P_ij为节点i，j之间的运输交流量；T_ij，T_ji，O_i，D_i的定义同式(1)、式(2)；Z_ik为城市i的首位联系度；k为城市i的首位联系城市；m为城市总数。为了研究省内区域及外部区域对城市尺度网络节点的影响，把首位联系城市分为省内的首位联系城市和省外的首位联系城市。

(1) 网络空间组织呈现明显的地域集中性

运用式(4)~式(6)依次计算出全省、六大区域和六大区域之间的泰尔指数，用以反映区域货物运输联系空间分布的相对差异，结果如表 1所示。从整体上看，全省和区域之间的货物运输联系强度差异较大，滇东北由于只有昭通，故泰尔指数为0，除滇东北外，滇西地区内部差异最小。全省层面货物运输联系的分布差异主要来自于六大区域之间的差异，影响程度在65%左右。虽然滇中城市群为货物运输联系强度最大的地区，但是其内部差异较大，空间极化效应明显。进一步对云南16个城市货物运输量的空间分布格局进行分析(见表 2)，发现货物运输的空间分布形成了以“滇中城市经济圈+大理”为中心的主要货物交流区域，并且逐渐向外围区域递减的空间分布格局。可以看出，云南省货物联系空间差异明显，表现出典型的与经济发展相吻合的核心—边缘结构，说明货物运输联系网络的空间组织呈现明显的地域集中性。

(2) 货物运输联系空间组织呈现明显的区域择优性

基于式(7)和式(8)，分别获取云南省16个城市的省内首位联系城市和省外首位联系城市(见图 3)。从省内首位联系城市空间分布及数量来看，云南省省内首位联系城市主要为昆明、大理、红河3个城市。其中9个城市的首位联系城市为昆明，分别为玉溪、曲靖、楚雄等邻近城市；3个城市的首位联系城市为大理，分别为丽江、德宏、迪庆等邻近城市；仅文山1个城市的首位联系城市为红河。同时，从省外首位联系城市空间分布及数量来看，云南省省外首位联系城市主要分布在广西、贵州、四川、老挝及缅甸的少数城市。其中, 以攀枝花为首位联系城市的数量占全省城市数量的31.25%，主要为与其地理空间邻近的怒江、丽江等；以南宁为首位联系城市占全省城市数量的25%，分别为昆明、红河等；昭通、曲靖、德宏等均与其地理空间邻近的城市取得首位联系。一定程度上说明了货物运输联系网络空间组织过程的区域择优性，倾向于与区域经济发展水平较高或地理空间邻近的城市发生货物运输联系。

图 3 城市首位联系空间分布格局 Fig. 3 Spatial distribution of city first linkages

综合运用ArcGIS网络与空间分析技术，将货物运输联系网络中的424条联系边按照其运输联系强度排序，进一步基于自然断裂点法将排名前40%的联系流划分为6个等级，抽象出货物运输联系网络的层级类型，即核心层级网络、中级层级网络和低层级网络(见图 4)。图 4显示，核心层级网络和中级层级网络中仅有较少的省外联系流，而低层级网络中有近30%的省外联系流，说明空间尺度重构现象主要出现在低层级网络中。此外，可以发现货物运输联系的网络层级差异显著：(1)核心层级网络呈现以“菱形型+节点放射型”为主的空间网络结构，货物运输联系网络主要由少数核心节点控制，较大的联系流主要发生在昆明-曲靖等少数节点对之间。(2)中级层级网络形成以昆明、大理为主导，以玉溪、保山为次级主导，以其他城市为控制节点的网络结构，联系流显现一定的地域集中性，主要集中在省内的滇西和滇西南地区。(3)低层级网络的运输联系覆盖全网，呈现交互的、复杂的网络连接格局，且网络的联系流强度的连接格局更为均衡。

图 4 货物运输联系网络层级分布 Fig. 4 Distribution of hierarchic networks of freight transport connection

当区域经济发展到一定阶段时，交通发展水平的提升能有效降低区域与外界联系的运输成本，从而影响生产要素的集聚和更大空间范畴上区域的聚合能力，主导区域货物运输联系网络结构的空间布局。因此，基于货物运输联系的网络空间组织特性和网络层级差异，在考虑交通因素的前提下，选取相关性分析及复杂网络分析工具，重点从强化运输联系和提高运输网络稳定性的角度对城际货物运输联系网络的空间组织进行优化，具体流程如图 5所示。

图 5 货物运输联系网络的空间组织优化流程 Fig. 5 Spatial organization optimization process of freight transport connection network

(1) 交通基础设施发展水平与货物运输联系强度的关联特性分析

交通基础设施是实现货物运输联系的主要载体，其发展水平的高低将影响货物运输的联系强度。交通基础设施发展水平与货物运输联系强度的关联特性分析有助于辨识影响货物运输交流的关键交通因素，为货物运输交流的强化提供依据。首先，考虑得到数据的可获取性，基于刘东^[23]、戢晓峰等^[24-25]对公路交通网络和城市群物流的研究，从规模、等级、可达性和运输能力4个方面对公路基础设施发展水平的评价指标体系进行修正，并采用熵值法和Z-Score法进行指标权重的确定及数据的标准化处理^[26]，计算公路交通基础设施发展水平评价指标的各项权重，并加权平均得到各城市的公路基础设施发展水平的评价结果。其次，依据式(1)~式(3)计算网络中各节点城市的货物运输联系强度。最后，运用SPSS对网络中城市节点的公路基础设施发展水平与货物运输联系强度进行相关性分析。

(2) 货物运输联系网络的抗毁性分析

通常地，交通网络优化要求以投资成本最小和社会经济效益最大为目标，如何确定网络优化的顺序是关键。辨识不同层级网络中关键节点对蓄意攻击下的抗毁性，能够为网络空间组织优化的顺序提供基础依据，进而有效达到平衡网络整体的连通性和提高系统稳定性的目标。对网络的重要节点(度值高或点权强度高)进行攻击，是一种以最少节点失效导致网络系统快速崩溃的攻击方式。针对货物运输联系网络，当出现某个重要货物运输量较大的城市节点遭受蓄意攻击时，网络容易在少数重要节点失效后无法保持系统稳定性，造成网络的快速瘫痪。通常用网络弹性来衡量网络在节点失效或受到蓄意攻击的情况下继续维持网络功能和性质的能力^[27]。

(1) 重点提升昆明、大理等中心城市的对外公路运输能力，强化货物运输交流

首先依据图 5对云南省公路交通基础设施发展水平进行测度。其中，公路面积密度、货运车辆密度、高等级公路比重、等级公路比重、县级二级以上道路货运站覆盖率、物流基础设施服务能力6个指标的数据来源于《云南统计年鉴2015》和《2014年云南省道路运输年报》；时间可达性和距离可达性2个指标的数据运用ArcGIS空间分析技术测度获取。然后运用SPSS对“公路基础设施发展水平”与“货物运输联系强度”进行相关性分析。

结果显示，Spearman相关系数为0.646，显著性P=0.034＜0.05，有统计学意义，说明公路基础设施发展水平对货物运输联系强度有正向影响作用。进一步对公路基础设施发展水平评价的各项指标与货物运输联系强度进行相关性分析，辨别对货物运输联系强度影响最大的指标，结果如表 3所示。

(2) 优先新建或改建核心层级网络中关键节点间的运输线路，提升网络的稳定性

为辨识关键节点的变化对网络结构的影响，分别对货物运输联系的核心层级网络、中级层级网络、低层级网络及原始网络进行蓄意攻击试验，主要采用一次性破坏方式(即同时破坏)。依据图 5，结合前文分析的货物运输联系的网络特性，分别从网络中移除强度(即货物运输量)按降序排列的前5个城市节点，即依次移除昆明、玉溪、曲靖、大理、红河，并测度网络的弹性变化情况，如表 4所示。

对比分析上述4个网络中的网络覆盖性和连通性指标的变化趋势可以发现，随着网络层级的降低，网络的稳定性逐渐提高，即网络层级越高其网络的结构越不稳定，对蓄意攻击的抗毁程度越低。同时，从受影响货流变化特征看，受影响的货物流随着移除城市数的增加而增加，仅当昆明遭受蓄意攻击时，就有44.94%的货物运输量受到影响，当昆明、玉溪、曲靖、大理、红河这5个关键节点同时遭受蓄意攻击时，受影响的货物运输量高达73.31%，说明货物运输联系网络对关键节点的依赖程度极高。因此，在投资资金、社会效益等因素相近的情况下，应首先对核心网络节点间的交通衔接线路进行优化，适当的新建或改建线路将提高该节点在蓄意攻击下的抗毁能力，而且随着关键节点抗毁性的提升可以有效达到平衡网络整体的连通性和提高系统稳定性的目标。

当前，地理空间阻隔对区域运输联系的影响逐渐减弱，致使货物运输联系更为交互复杂。尺度重构视角极为重视地理距离作用弱化对区域发展的影响，强调尺度形成过程的动态性，能够有效弥补原有运输联系特征分析范式的不足，重新审视区域发展中运输联系的实际特征。本研究将空间尺度重构视角引入城际货物运输联系网络的构建流程，并集成GIS空间分析技术、相关性分析及复杂网络分析工具等，实现了城际货物运输联系网络的空间特性研究，并以云南省为实例地区进行案例演示。发现货物运输空间分布差异显著，网络节点倾向于与其地理空间邻近的省外城市以及省外区域经济中心取得首位联系，其空间组织是一个地域集中性和区域择优性的复杂作用过程，体现了地理区位和经济发展水平在城际货运联系网络形成中仍起到比较重要的作用。同时，货物运输联系网络的层级结构显著，空间尺度重构现象主要发生在低层级网络中；随着网络层级的降低，网络中关键节点的控制力逐渐转移，致使城市功能和作用的空间分异趋于均衡。体现了地理空间阻隔弱化对网络空间结构发展的积极影响。可以预期，随着交通基础设施的进一步完善，网络中的货运联系在作用方向和作用强度上将不断拓展，进而为网络空间的均衡发展提供良好的契机。

当经济发展到一定水平，交通将成为主导城际货物运输空间组织优化的关键。对云南省而言，公路交通基础设施网络规模、等级及可达性的变化对其城际货物运输交流的强化作用较弱；相对而言，运输能力的正向影响作用更为明显。而且，货运联系对网络中关键节点的依赖程度极大，网络层级越高其网络的结构越不稳定，对蓄意攻击的抗毁程度越低。因此，基于以上分析，可以为区域交通基础设施规划布局及空间优化提供方向和依据。对云南省而言，一方面应重点通过提高货运场站的覆盖率、强化物流基础设施的服务能力来提升交通基础设施的运输能力，另一方面，可通过适当的新建或改建运输线路来提升核心网络中关键节点的抗毁性，进而实现城际货物运输联系的空间组织优化。值得注意的是，交通基础设施的改善只是实现城际货物运输联系空间组织优化的物质条件，但不是充分条件。要想推动城际货运联系更好发展，还应加强对其形成机理和演变规律的探索，这将是未来研究工作的重点。