公路交通科技  2018, Vol. 35 Issue (2): 137−143

扩展功能

文章信息

戢晓峰, 李俊芳, 陈方
JI Xiao-feng, LI Jun-fang, CHEN Fang
区域旅游客运与班线客运的空间运输联系耦合特征
Coupling Characteristics of Spatial Transport Linkage between Regional Tourism Passenger Transport and Regular Passenger Transport
公路交通科技, 2018, 35(2): 137-143
Journal of Highway and Transportation Research and Denelopment, 2018, 35(2): 137-143
10.3969/j.issn.1002-0268.2018.02.019

文章历史

收稿日期: 2016-11-18
区域旅游客运与班线客运的空间运输联系耦合特征
戢晓峰1,2 , 李俊芳1,2 , 陈方2,3     
1. 昆明理工大学 交通工程学院, 云南 昆明 650504;
2. 云南综合交通发展与区域物流管理智库, 云南 昆明 650504;
3. 昆明理工大学 社会科学学院, 云南 昆明 650504
摘要: 旅客空间运输联系特征能够为区域客运组织与旅游交通规划提供依据。基于云南省旅游客运包车和公路班线客运的实际数据,分别获取了旅游客运和班线客运的空间运输联系特征,并对两者进行了耦合协调测度。在此基础上,分析与讨论了旅游客运和班线客运空间运输联系耦合特征形成的原因,提出了针对性的客运组织与旅游交通优化对策,并以云南省为实例进行了分析。结果表明:云南省旅游客运空间运输联系强度随距离增加有明显的衰减效应,且圈层结构显著、表现出向心强联系特征;班线客运空间运输联系呈高度极化和点状圈层特征,是以昆明为核心的轴-辐结构和核心-边缘结构;昆明旅游客运与班线客运空间运输联系的耦合度为0.84,耦合协调度为0.69,居全省首位;低度耦合、低度协调的运输线路包括昭通-曲靖、曲靖-普洱等,占比达66.67%;旅游资源吸引力与完善的交通基础设施是提升旅游客运与班线客运空间运输联系耦合程度的基础。最后,针对较低耦合-较低协调、低度耦合-低度协调的5座城市和53条运输线路,提出了改善对策:当旅游客运联系强度大于班线客运联系强度时,旅游客运需求较大,应尽快规划开通直达景区的定线旅游客运。
关键词: 运输经济     旅游客运     空间运输联系     耦合协调     班线客运    
Coupling Characteristics of Spatial Transport Linkage between Regional Tourism Passenger Transport and Regular Passenger Transport
JI Xiao-feng1,2, LI Jun-fang1,2, CHEN Fang2,3    
1. School of Traffic Engineering, Kunming University of Science and Technology, Kunming Yunnan 650504, China;
2. Yunnan Integrated Transport Development and Regional Logistics Management Think Tank, Kunming Yunnan, 650504, China;
3. School of Social Science, Kunming University of Science and Technology, Kunming Yunnan 650504, China
Abstract: The spatial passenger transport linkage characteristics can provide theoretical basis for regional passenger transport organization and tourism traffic planning. Based on the actual data of tourism charter and regular passenger transport in Yunnan Province, the spatial transport linkage characteristics of tourism transport and regular passenger transport are obtained respectively, and their coupling coordination is also measured. Based on this, the reasons for the formation of the coupling characteristics of tourism transport and regular passenger transport linkage is analysed and discussed, some corresponding countermeasures to optimize passenger transport organization and tourism traffic are put forward, and the case study on Yunnan Province is conducted. The result shows that (1) the spatial transport linkage intensity of tourism transport in Yunnan Province has obvious attenuation effect with the increase of distance, and the circle structure is significantly, showing strong centripetal linkage characteristics; (2) the spatial transport linkage of regular passenger transport is highly polarized and dotted circle feature, which is the axial-radial structure and core-edge structure that cored on Kunming; (3) the coupling degree of spatial transport linkage between tourism transport and regular passenger transport in Kunming is 0.84, and the coupling coordination degree is 0.69, ranking first in the province; (4) the transport routes which are low coupling and low coordination include Qujing-Zhaotong, Qujing-Pu'er, etc., and the proportion is 66.67%; (5) the attraction of tourism resources and the perfect transport infrastructure are the basis for improving the coupling degree of spatial transport linkage between tourism passenger transport and regular passenger transport. Finally, in view of the 5 cities and 53 routes which have lower coupling and lower coordination as well as low coupling and low coordination, the countermeasures are put forward:when the tourism transport linkage intensity is greater than that of regular passenger transport, tourism transport demand is larger, it should plan to open the fixed tourism transport line to the scenic spots directly as soon as possible.
Key words: transport economy     tourism transport     spatial transport linkage     coupling coordination     regular passenger transport    
0 引言

旅客空间运输联系是在社会要素综合作用下,区域间通过运输设施进行旅客交流产生的相互联系和作用。随着区域经济一体化与旅游业的快速发展,旅客空间运输联系的表现形式与内涵特征产生了很大变化,主要体现于旅游客运及班线客运的空间运输联系。显然,旅游客运的空间运输联系特征能映射出旅游节点之间的客流联系,班线客运的空间运输联系特征则能揭示城际之间的经济联系与社会交流强度,因此,高效提取旅游客运与班线客运的空间运输联系特征并分析其耦合特性,能够为客运组织优化及旅游交通规划提供基础信息。

目前,由于实际旅客运输联系数据获取困难,包含旅游客运与城际班线客运的旅客空间运输联系特征分析体系尚未见报道。国内外学者主要从客运空间联系强度模型改进、旅游流空间结构等视角开展研究,如M. Hidenobu[1]以航空港城市群为研究对象,运用引力模型计算航空客流的强度,对城市群的航空客运联系特征进行了提取。A. Graham[2]分析马耳他的旅游流空间结构发现,低成本的旅游客运增加了游客量。K. Hokao [3]基于图论将空间分割成由若干个节点组成的系统,探讨了空间节点之间的拓扑关系,从而分析了空间本身的结构及其中人类活动的特征。戢晓峰[4]等通过重新标定质量因子,建立了引力模型的改进方法来计算旅客运输空间联系强度。李斌等[5]基于重力模型并采用第二、第三产业人口和GDP数据,获取了河南省公路运输的客流联系特征。刘正兵等[6]基于引力模型与复杂网络理论,对中原城市群空间客运联系网络结构特征进行了比较与归纳。陈方等[7]将TOD理念引入旅游新区公共交通系统规划,从现状调查、需求分析、方案设计、方案评价与方案实施等具体层面,设计了基于TOD策略的旅游新区公共交通系统规划流程。陈章明等[8]通过分析个体旅客的出行决策过程,建立了铁路旅客出行行为模型,用以模拟旅客对列车的选择行为。郭文[9]分析了“空间生产”与“旅游空间生产”的发展导向,对旅游空间实践出现的社会化问题尝试进行解析。综上所述,相关研究缺乏对旅游客运与班线客运的空间运输联系耦合特征的实证研究,系统的旅客空间运输联系特征分析体系更为鲜见。因此,本研究基于云南省旅游客运包车和公路班线客运的实际数据,获取全省旅游客运和班线客运的空间运输联系特征,利用耦合协调理论进一步对旅游客运与班线客运的运输联系进行耦合协调测度,揭示区域旅客空间运输联系特征的空间分异,为区域客运组织与旅游交通规划提供理论依据。

1 数据来源和研究方法 1.1 数据来源

旅游客运即非定线旅游客运包车,服务对象为跟团游游客;班线客运则是城市之间定期开行的公路客运线路。本研究以“云南省旅游客运包车管理系统”和“云南省班线客运专项调查”获取的海量数据为基础,以云南省16座城市为研究单元。

1.2 研究方法 1.2.1 旅游客运联系强度

旅游客运联系强度为旅游地之间的双向旅游客运周转量与研究区域总的旅游客运周转量之比:

(1)

式中,P(i, j)为城市ij之间的旅游客运联系强度;Z为研究区域总的旅游客运周转量;Z(ij)为城市ij的旅游客运周转量;Z(ij)为城市ji的旅游客运周转量[10]。利用式(1)计算出云南省的旅游客运联系强度,如表 1所示。

表 1 云南省旅游客运联系强度 Tab. 1 Linkage intensity of tourism transport in Yunnan Province
旅游客运联系 旅游客运联系强度 平均运距/km
昆明—玉溪 0.01 130.06
昆明—昭通 0.003 392.67
昆明—普洱 0.02 409.31
昆明—保山 0.01 1 256.5
昆明—丽江 0.24 702.19
昆明—红河 0.002 305
昆明—大理 0.02 515.42
昆明—西双版纳 0.04 1 059.75
昆明—迪庆 0.04 1 078.89
昆明—德宏 0.01 1 219
昆明—文山 0.02 422.67
昆明—楚雄 0.003 195.86
曲靖—德宏 0.01 1 900.00
玉溪—昭通 0.002 431.7
玉溪—普洱 0.003 109.48
玉溪—楚雄 0.000 3 140
玉溪—西双版纳 0.002 515
玉溪—迪庆 0.002 141.37
玉溪—文山 0.002 393
普洱—楚雄 0.009 534
普洱—西双版纳 0.01 140.44
保山—丽江 0.001 283.5
保山—德宏 0.01 196.21
大理—保山 0.001 290
丽江—楚雄 0.004 429
丽江—红河 0.02 1 320.00
丽江—大理 0.05 351.24
丽江—迪庆 0.04 298.8
红河—文山 0.001 193
红河—西双版纳 0.004 513.41
红河—大理 0.002 570
大理—楚雄 0.005 212.5
大理—迪庆 0.001 241.58

1.2.2 班线客运引力强度

由于班线客运具有固定运输方向,因此考虑旅客出行特征,引入平均运距[4]作为重要的质量因子,对引力模型[11-12]进行改进。其表达式为:

(2)
(3)
(4)
(5)
(6)
(7)

式中,Fij为城市ij的引力;MiMj为城市ij的质量因子;r1r2为质量因子的影响系数,通常取0.5;Dij为城市ij间的距离;Pi为城市i的非农业人口数;GiGj分别为城市ij的第二、第三产业GDP; Li为终到城市i班线客运的平均运距;Ci为终到城市i的客运班线条数;di为终到城市i的实际距离;kij为经验常数,表示两城市之间的相互联系是对等关系,然而现实中由于两城市之间经济规模不等,需对经验系数kij进行修正,可采用GDP自身比重来实现[13]Fi为城市i与其他城市的引力之和,可反映城市i与其他城市客运联系的疏密程度[14]Em为区域m的引力总强度。利用式(2)至式(7)计算出云南省班线客运的引力强度,如表 2所示。

表 2 云南省班线客运的引力强度(单位:亿元·万人/km) Tab. 2 Gravitational strength of regular passenger transport in Yunnan Province(unit: 1013 yuan·person/km)
区域 滇中 滇东南 滇西 滇西南 滇西北 滇东北 引力强度总量
滇中 41 723.2 6 907.4 6 598.6 2 897.3 1 213.7 3 518.5 62 858.4
滇东南 6 907.49 3 618.1 639.72 190.6 201.22 460.1 12 017.4
滇西 6 598.64 639.72 1 756.49 292.7 360.73 0 9 648.3
滇西南 2 244.67 190.62 292.79 644.4 0 41.76 3 414.3
滇西北 1 225.6 201.22 360.73 0 139.72 0 1 927.2
滇东北 3 518.54 460.18 0 41.79 0 0 4 020.5

1.2.3 旅游客运与班线客运空间运输联系的耦合模型

耦合度是描述系统和要素相互影响的程度[15],借鉴物理学中的耦合概念和空间耦合系数计算旅游客运联系与班线客运联系的相互影响程度,耦合度模型为:

(8)

式中,u1u2分别为旅游客运联系与班线客运联系两个子系统的评价值; C为耦合度,当C=1时,耦合度最大,两个子系统具有较好的共振耦合,当C=0时,耦合度非常小,系统趋于无序发展。基于C值划分为0~0.39,0.4~0.59,0.6~0.79,0.8~1.0共4个阶段,分别为低度耦合、较低耦合、较高耦合和高度耦合4个等级。

由于耦合度仅表征系统间相互作用的强弱,无法揭示协调发展水平的高低,利用耦合协调度模型[15]进行分析,公式为:

(9)

式中,T为旅游客运与班线客运空间联系的综合调和指数,反映整体协同效应或贡献;ab为待定系数,且a+b=1,本研究认为旅游客运与班线客运空间联系的协同效应相同,均取0.5;D为协调度,根据D值以0~0.09, 0.1~0.35, 0.36~0.49, 0.5~0.8大致分为低度协调、较低协调、较高协调和高度协调4类[16],如表 3所示。

表 3 耦合协调度等级划分 Tab. 3 Grading of coupling coordination degrees
耦合度 等级划分 耦合协调度 等级划分
0~0.39 低度耦合 0~0.09 低度协调
0.4~0.59 较低耦合 0.1~0.35 较低协调
0.6~0.79 较高耦合 0.36~0.49 较高协调
0.8~1.0 高度耦合 0.5~0.8 高度协调

1.2.4 综合交通基础设施水平评估

综合交通基础设施是区域旅游客运与班线客运发展的重要基础,本研究进一步评估综合交通基础设施水平,以分析其对旅游客运与班线客运耦合的实际影响。由于交通可达性是从某给定区位通过特定的交通方式到达目的地的通达便利程度,反映了在既定区域范围内和既定的社会经济和自然条件下,以及在不同时间点交通基础设施在规模、结构、程度和性质等方面具备的进步和完善的潜力与功能。因此,考虑城市规模及交通发展水平对可达性的影响,采用加权平均客运时间测度交通可达性,以此评估云南省各州、市的综合交通基础设施水平,构建综合交通基础设施水平的评估模型:

(10)
(11)

式中,Ai为节点城市i的交通可达性,Ai的值越小表示该城市的可达性越好,即综合交通基础设施发展水平越高;Ai1Ai2Ai3分别为节点城市i的公路、铁路和民航交通可达性;w1w2w3分别为公路、铁路和民航在综合交通体系中的权重,根据笔者前期研究[17],确定公路、铁路和民航交通的权重分别为0.56,0.18,0.26;Aix为城市i运输方式x的可达性;Tij为城市i与城市j之间的最短客运时间;Mj为城市j的质量,即为(p为城市j的总人口数)。

2 旅游客运与班线客运的空间运输联系特征 2.1 旅游客运空间运输联系特征

表 1中的云南省旅游客运联系强度进行可视化处理[18],可以发现:(1)昆明与其他城市的旅游客运联系强度最高(0.4以上),极强联系方向最多(联系方向为12个),以昆明为联系城市的联系方向占52.17%,平均运距为640.61 km,集聚和辐射能力最强,是全省旅游客运联系的集聚和辐射中心。(2)楚雄、红河、玉溪、丽江、大理、西双版纳、普洱和迪庆与其他城市的旅游客运联系强度较高(0.25以上),强联系方向较多(联系方向不少于5个),联系方向占21.74%以上,平均运距640.2 km以上。(3)曲靖、文山、昭通、保山、德宏与其他城市的联系强度普遍不高(0.08以上),集聚和辐射能力一般。(4)临沧和怒江与其他城市的旅游客运联系强度普遍较弱(不高于0.08),较强联系方向最少(不多于2个),集聚和辐射能力最弱。总体上,空间强联系节点和方向特征明显,以昆明为核心的旅游客运联系强度随距离增加有明显的衰减效应,且圈层结构显著,表现出向心强联系特征。

2.2 班线客运空间运输联系特征

根据表 2中的云南省班线客运的引力强度,利用ArcGIS对全省班线客运的空间运输联系特征进行可视化处理,可以发现:(1)总体格局上,班线客运空间运输联系呈现出高度极化和点状圈层特征,是以昆明为核心的轴-辐结构和核心-边缘结构。(2)从区域格局上看,滇中地区班线客运引力强度总量为62 858.94,位居首位,主要以昆明、曲靖和玉溪为核心城市向其他城市均衡辐射;滇西南地区班线客运引力强度总量为3 414.31,以西双版纳和普洱为核心城市向其他城市均衡辐射;滇东南地区的客运引力强度总量为12 017.4,以红河和文山为核心城市向其他城市均衡辐射;滇西地区班线客运引力强度总量为9 648.37,以大理、保山为核心城市向其他城市均衡辐射;滇西北地区的班线客运引力强度总量为1 927.27,以丽江、迪庆为核心城市向其他城市辐射;滇东北地区的班线客运引力强度总量为4 020.51,以昭通为核心城市向其他城市均衡辐射。

3 旅游客运与班线客运的空间运输联系耦合特征 3.1 数据分析结果

从节点和线路两个层面,通过耦合模型分别计算16座城市及运输线路的耦合度与耦合协调度,如表 4表 5所示。

表 4 节点城市旅游客运与班线客运空间运输联系的耦合特征 Tab. 4 Coupling characteristics of spatial transport linkage between tourism transport and regular passenger transport in node cities
城市 耦合度 耦合协调度
昆明 0.83 0.69
大理 0.83 0.68
丽江 0.82 0.67
红河 0.78 0.48
玉溪 0.76 0.48
迪庆 0.74 0.42
西双版纳 0.74 0.41
楚雄 0.73 0.39
保山 0.72 0.38
德宏 0.68 0.37
普洱 0.65 0.37
临沧 0.58 0.34
曲靖 0.57 0.28
文山 0.45 0.24
昭通 0.38 0.08
怒江 0.35 0.05

表 5 旅游客运与班线客运的运输线路耦合特征 Tab. 5 Transport route coupling characteristics of tourism transport and regular passenger transport
类型 主要线路
高度耦合、高度协调 昆明—丽江、昆明—大理、昆明—西双版纳、昆明—迪庆、昆明—文山、丽江—迪庆、昆明—普洱、丽江—大理、大理—迪庆
较高耦合、较低协调 昆明—玉溪、昆明—保山、昆明—德宏、普洱—西双版纳
较低耦合、较低协调 昆明—昭通、昆明—红河、昆明—楚雄、玉溪—昭通、玉溪—普洱、红河—文山、红河—西双版纳、红河—大理、大理—楚雄
低度耦合、低度协调 昭通—曲靖、曲靖—普洱、临沧—曲靖、临沧—保山、临沧—普洱、楚雄—保山、红河—昭通、怒江—保山、德宏—曲靖、文山—曲靖、迪庆—曲靖、怒江—西双版纳、西双版纳—保山、保山—德宏、曲靖—德宏等44条线路

为清晰地辨识各城市的综合交通基础设施水平,依据综合交通可达性的大小,以区间10为梯度划分等级,将云南省16座城市的综合交通基础设施水平分为一级、二级、三级和四级,如表 6所示。

表 6 云南省各个州市的综合交通基础设施水平 Tab. 6 Level of comprehensive transportation infrastructure of each city or state in Yunnan
城市 综合交通可达性(Ai) 综合交通基础设施水平
昆明 40.551 一级(40≤Ai<50)
玉溪 45.032
大理 46.646
丽江 47.114
曲靖 51.008 二级(50≤Ai<60)
保山 51.837
红河 51.889
楚雄 57.303
西双版纳 62.281 三级(60≤Ai<70)
文山 65.999
普洱 66.570
迪庆 66.973
德宏 67.593
临沧 73.666 四级(70≤Ai)
昭通 78.625
怒江 133.383

3.2 特征分析

根据上述耦合特征,将节点城市和运输线路分为高度耦合-高度协调、较高耦合-较高协调、较低耦合-较低协调、低度耦合-低度协调4种类型。

高度耦合-高度协调:(1)包括昆明、大理和丽江等城市。昆明的旅游客运与班线客运空间网络联系耦合度为0.84,耦合协调度为0.69,位居首位,其次是大理、丽江。昆明、大理和丽江的综合交通基础设施水平均为一级。(2)包括昆明—丽江、昆明—大理、丽江—大理和大理—迪庆等运输线路,其旅游客运与班线客运的空间运输联系呈现出高度耦合和高度协调特征。这些城市是全省旅游资源最为集中的城市,旅游客运活动最为活跃。

较高耦合-较高协调:(1)包括红河、玉溪、迪庆、西双版纳、楚雄、保山、德宏和普洱等城市,此类城市的旅游资源分布相对较少。玉溪的综合交通基础设施水平为一级,红河、楚雄和保山为二级,迪庆、西双版纳、德宏和普洱为三级。(2)包括昆明—玉溪、昆明—保山、昆明—德宏和普洱—西双版纳等运输线路,大多数分布在云南省西南沿线腹地城市。

较低耦合-较低协调:(1)包括临沧、曲靖和文山等城市。曲靖、文山和临沧的综合交通基础设施水平分别为二级、三级和四级。(2)包括昆明—昭通、昆明—红河、昆明—楚雄和玉溪—昭通等运输线路。大多数分布在云南省交通资源相对匮乏、旅游客运活动相对较少的城市,旅游交通可达性较低。

低度耦合-低度协调:(1)包括昭通和怒江等城市,综合交通基础设施水平均为四级。(2)包括昭通—曲靖、曲靖—普洱和临沧—曲靖等运输线路,运输线路数占66.67%。

4 讨论与对策

(1) 旅游资源的空间分布特征决定了旅游客运与班线客运空间运输联系的耦合特征,旅游资源吸引力是旅游客运与班线客运空间运输联系耦合程度的重要基础。如昆明、大理、丽江等城市的旅游资源禀赋较好,旅游经济总量居全省前列,其旅游客运与班线客运之间具有较好的耦合协调度。

(2) 完善的交通基础设施是旅游客运与班线客运空间运输联系耦合形成的关键,交通基础实施的合理布局,将提升旅游可达性与旅游交通承载量。云南省综合交通基础设施水平处于三级和四级的城市,如文山、德宏、昭通和怒江等交通资源缺乏型城市的旅游交通可达性低,旅游客运和班线客运之间的耦合协调度处于较低水平。

(3) 针对上述分析得到的较低耦合-较低协调、低度耦合-低度协调的5座城市和53条运输线路,需要有针对性地开展客运组织与旅游交通优化。对于文山和怒江两座城市,以及昆明—红河、昆明—楚雄、玉溪—昭通、玉溪—普洱、红河—文山、红河—西双版纳、红河—大理和大理—楚雄等运输线路,目前的旅游客运联系强度大于班线客运联系强度,旅游客运需求较大,应尽快规划开通直达景区的定线旅游客运。对于曲靖、临沧和昭通3座城市,以及昆明—昭通、临沧—普洱、楚雄—保山、红河—昭通、怒江—保山、怒江—西双版纳、西双版纳—保山、保山—德宏和曲靖—德宏等运输线路,目前的班线客运联系强度大于旅游客运联系强度,班线客运需求较大,且旅游资源丰富,应加强非定线旅游客运运力投放,并加强交通基础设施建设,提升旅游交通可达性。

5 结论

基于旅游客运包车和公路班线客运的实际数据,获取云南省旅游客运和班线客运的空间运输联系特征,利用耦合协调理论对两者进行耦合协调测度,有效地揭示了云南省旅游客运与班线客运空间运输联系的分异及耦合特征:(1)云南省旅游客运空间联系格局表现出以昆明为核心、旅游客运联系强度随距离增加有明显的衰减效应,且圈层结构显著,表现出向心强联系特征。(2)云南省班线客运空间网络联系格局呈现出高度极化和点状圈层特征,是以昆明为核心的轴-辐结构和核心-边缘结构。(3)昆明的旅游客运与班线客运空间网络联系耦合度为0.84,耦合协调度为0.69,位居全省首位;低度耦合-低度协调的运输线路包括昭通—曲靖、曲靖—普洱和临沧—曲靖等,占比达66.67%。(4)旅游资源吸引力、旅游交通基础设施是旅游客运与班线客运空间运输联系耦合形成的关键。(5)针对较低耦合-较低协调、低度耦合-低度协调的5座城市和53条运输线路,提出了客运组织与旅游交通的优化对策。

参考文献
[1]
HIDENOBU M. International Urban Systems and Air Passenger and Cargo Flow Some Calculations[J]. Journal of Air Transport Management, 2004, 10(10): 241-249.
[2]
GRAHAM A, DENNIS N. The Impact of Low Cost Airline Operations to Malta[J]. Journal of Air Transport Management, 2010, 16(3): 127-136.
[3]
GE J, HOKAO K. Research on Residential Lifestyles in Japanese Cities from the Viewpoints of Residential Preference Residential Choice and Residential Satisfaction[J]. Landscape and Urban Planning, 2006, 78(3): 165-178.
[4]
戢晓峰, 欧思嘉. 区域旅客运输空间联系特征提取方法研究:以云南省为例[J]. 交通运输系统工程与信息, 2015, 15(4): 38-44.
JI Xiao-feng, OU Si-jia. Extraction Methods for Regional Passenger Transportation Spatial Linkage Feature:The Case of Yunnan Province[J].
[5]
李斌, 许立民, 秦奋, 等. 基于重力模型的河南省公路客流空间运输联系[J]. 经济地理, 2010, 30(6): 955-959.
LI Bin, XU Li-min, QIN Fen, et al. Gravity Modelling of the Spatial Transport Linkages in Henan Province Using Highway Passenger Flows[J]. Economic Geography, 2010, 30(6): 955-959.
[6]
刘正兵, 丁志伟, 卜书朋, 等. 中原城市群城镇网络结构特征分析:基于空间引力与客运联系[J]. 人文地理, 2015, 30(4): 79-86.
LIU Zheng-bing, DING Zhi-wei, BU Shu-peng, et al. The Network Structure Analysis of Zhongyuan Urban Agglomeration Based on Interactive and Traffic Flow Relationship[J]. Human Geography, 2015, 30(4): 79-86.
[7]
陈方, 戢晓峰, 魏雪梅. 基于TOD策略的旅游新区公共交通系统规划方法:以阳宗海风景区为例[J]. 人文地理, 2013, 28(2): 131-135.
CHEN Fang, JI Xiao-feng, WEI Xue-mei. Public Transport System Planning Methods Based on TOD for New Tourism Zone:A Case Study of Yangzonghai Scenic Area[J]. Human Geography, 2013, 28(2): 131-135.
[8]
陈章明, 戢晓峰. 铁路旅客出行行为特性研究[J]. 铁道运输与经济, 2008, 30(11): 23-25.
CHEN Zhang-ming, JI Xiao-feng. Study on Features of Railway Passengers' Travel Activities[J]. Railway Transport and Economy, 2008, 30(11): 23-25.
[9]
郭文. 空间的生产与分析:旅游空间实践和研究的新视角[J]. 旅游学刊, 2016, 31(8): 29-39.
GUO Wen. Production and Analysis of Space:A New Perspective of Tourism Space Research and Practice[J]. Tourism Tribune, 2016, 31(8): 29-39.
[10]
戢晓峰, 李俊芳, 陈方. 基于社会网络分析的云南省自助游空间结构研究[J]. 干旱区资源与环境, 2016, 30(6): 204-208.
JI Xiao-feng, LI Jun-fang, CHEN Fang. Spatial Structure of Self-help Tourism in Yunnan Province Based on Social Network Analysis[J]. Journal of Arid Land Resources and Environment, 2016, 30(6): 204-208.
[11]
蒋天颖, 谢敏, 刘刚. 基于引力模型的区域创新产出空间联系研究:以浙江省为例[J]. 地理科学, 2014, 34(11): 1320-1326.
JIANG Tian-ying, XIE Min, LIU Gang. Spatial Linkage of Regional Innovation Output Based on Gravity Model:A Case Study in Zhejiang Province[J]. Scientia Geographica Sinica, 2014, 34(11): 1320-1326.
[12]
REILLY W J. Methods for the Study of RETAIL Relationships[M]. Austin: University of Texas at Austin, 1929.
[13]
侯赟慧, 刘志彪, 岳中刚. 长三角区域经济一体化进程的社会网络分析[J]. 中国软科学, 2009(12): 90-101.
HOU Yun-hui, LIU Zhi-biao, YUE Zhong-gang. Social Network Analysis over the Process of Economic Integration in the Yangtze River Delta[J]. China Soft Science, 2009(12): 90-101.
[14]
王海江, 苗长虹. 基于O-D网络的全国中心城市铁路客运联系及其分布规律[J]. 经济地理, 2014, 34(5): 83-90.
WANG Hai-jiang, MIAO Chang-hong. China's Central Cities Railway Passenger Transport Connects and Its Distribution Base on O-D network[J]. Economic Geography, 2014, 34(5): 83-90.
[15]
戢晓峰, 郝京京, 陈方. 综合运输可达性与物流经济的空间分异及耦合[J]. 交通运输系统工程与信息, 2015, 15(5): 24-31.
JI Xiao-feng, HAO Jing-jing, CHEN Fang. Spatial Differentiation and Coupling between Integrated Transport Accessibility and Logistics Economy[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(5): 24-31.
[16]
戢晓峰, 张力丹, 陈方, 等. 云南省自驾游发展水平与旅游交通可达性的空间分异及耦合[J]. 经济地理, 2016, 36(5): 195-201.
JI Xiao-feng, ZHANG Li-dan, CHEN Fang, et al. Coupling and Spatial Differences Between the Development Level of Self-drive Tourism and Tourism Transportation Accessibility in Yunnan[J]. Economic Geography, 2016, 36(5): 195-201.
[17]
陈方, 李俊芳, 戢晓峰. 高铁对区域旅游交通可达性格局的影响分析[J]. 交通运输系统工程与信息, 2016, 16(4): 225-230, 247.
CHEN Fang, LI Jun-fang, JI Xiao-feng. The Impact of High-speed Railway on the Spatial Pattern of Regional Tourism Transport Accessibility[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(4): 225-230, 247.
[18]
江勇. 基于交通流视角的浙江省县域空间联系格局研究[J]. 经济地理, 2012, 32(12): 73-78.
JIANG Yong. The Spatial Connection of Zhejiang Province Based on the County Traffic Flow Perspective[J]. Economic Geography, 2012, 32(12): 73-78.