王亚风 黄 勇 石亚灵

0 引 言

区域轨道交通作为一种快速发展的城际空间关联网络，具体形式涵盖了既有普通铁路、高速铁路和城际轨道交通，在促进社会经济发展中的地位日益凸显。2014年3月，《国家新型城镇化规划2014—2020》提出推进城市群内主要城市之间的快速铁路建设，形成城市群内快速交通运输网络的要求，城市群区域轨道交通的空间服务范围进一步扩大，结构日趋完善，轨道交通网络结构的演化及其组织特征也日益受到学者的关注。

成渝城市群作为我国西部重要的人口、城镇、产业集聚区，处于西部大开发与长江经济带战略的交叉带，是中国经济发展新常态下应培育和建设的五大国家级城市群之一[1]，如何整合空间资源、优化城市群的网络化交通空间体系，已成为目前进一步增强其空间功能所面临的主要问题之一。基于此，需要对成渝城市群不同时期轨道交通网络结构的组织特征进行系统研究，以准确认识其空间结构和功能的状态及过程。国内外关于轨道交通网络的研究主要集中在网络结构及形态[2-5]、可达性[6-7]、脆弱性[8-10]、线网规划[11-12]等方面；轨道交通网络结构演化的相关研究主要从国家和城市两个尺度出发[13-16]，针对中小区域尺度（如城市群尺度）的研究还较少；多基于铁路客运流数据来分析城市空间联系及网络结构[17-18]；少数学者对城市群尺度下铁路客运联系的格局及演变进行了探讨[19]，但仍缺乏基于长时间序列数据的对区域轨道交通网络的结构模式、组织特征的系统分析。针对上述研究现状，本文基于区域轨道交通客运数据，对1952—2014年间成渝城市群区域轨道交通网络结构的组织特征进行分析，提出轨道交通网络优化的发展建议，并划分发展阶段，以期为构建多模式、多层次、相互协调的区域综合交通运输体系提供参考。

1 研究方法和数据来源

1.1 研究方法与思路

通过社会网络分析（SNA）方法构建研究区域轨道交通网络模型，结合网络连通程度指标及GIS的网络分析工具，对轨道交通网络结构的组织特征进行分析。轨道交通客运车流路径在地理空间上的叠加可抽象看作轨道交通网络，也可理解成一张由“点”和“线”构成的社会网络，适用于社会网络分析的计算和评价。SNA尽管源于计量社会学，但并不拘泥于此，因其基本原理是将社会行动者及其关系分别作为“点”和“线”，构建一张行动者“网络”，通过对网络结构本身的测量评价来研究行动者之间的相互关系[20]。成渝城市群区域轨道交通网络中，城市群内部各个城市可抽象看作“点”；任意两个“点”只要有同一列车停靠，则认为这两个“点”之间存在一条“线”；将“点”之间经停的列车数目定义为“线”的权重①，可建立一个多值矩阵②，在Ucinet软件平台上构建出网络模型（图1）。

研究分为三个步骤：第一步，运用SNA方法，构建成渝城市群区域客运轨道交通网络模型；第二步，建构城市群区域轨道交通网络结构的测度体系及指标；第三步，计算相关指标并进行纵向对比，总结不同时期成渝城市群区域轨道交通网络结构的组织特征，提出轨道交通网络优化发展建议，总结发展阶段。

1.2 数据来源及处理

图1 成渝城市群区域轨道交通网络模型（1952—2014年）Fig.1 regional rail transit network model of Chengdu-Chongqing urban agglomeration (1952—2014)

对网络结构的演化进行研究时，年份的选择是非常重要的，且应具有典型性，其选择标准将直接影响网络结构测度的结果。1952年，川渝地区第一条铁路——成渝铁路建成通车；1979年和1997年分别体现了改革开放前和重庆直辖前的轨道交通发展状态；以10年分隔为基础，选取1959、1969、1989三个研究年份；重庆直辖后，轨道交通发展较快，为提高研究的准确性，结合数据获取的难易程度，增加2005、2010为研究年份。基于以上，选取1952、1959、1969、1979、1989、1997、2005、2010和2014这9个时间断点，对成渝城市群区域轨道交通网络结构的组织特征进行研究。研究数据来源于各年度《全国铁路旅客列车时刻表》，其中2014年数据来源于中国铁路客户服务中心网站③。通过统计成渝城市群不同时期轨道交通节点个数、联系条数、网络直径④等数据，可了解轨道交通网络变化的基本情况（表1）。因不同时间断点存在部分没有轨道连通的城市，为确保网络结构指标计算的准确性，在对应的客运车流矩阵中将这些孤立点剔除（表2）。

表1 成渝城市群区域轨道交通网络基础数据（1952—2014年）Tab.1 basic situation of regional rail transit network of Chengdu-Chongqing urban agglomeration (1952—2014)

1.3 研究地域

成渝城市群在空间范围上涵盖了四川省内的成都、绵阳、德阳、乐山、眉山、遂宁、内江、南充、资阳、自贡、广安、达州、乐山、宜宾、泸州以及重庆全域，其中重庆主城区因社会、经济、交通等联系密切，空间组织上具有相对独立性，宜将其抽象为1个节点，故共得到45个城市节点。

表2 剔除孤立点后的轨道交通客运车流矩阵（2014年）Tab.2 passenger traffic flow matrix after excluding isolated points (2014)

2 城市群区域轨道交通网络结构的测度体系及指标

研究城市群区域轨道交通网络结构的组织特征，需要基于城市群的空间组织来进行区域轨道交通网络结构测度体系的构建。目前，城市群空间组织的概念在学术界还没有一个明确的定义，有学者认为城市群的空间组织研究应当包括城市群的特征、功能、结构、等级体系等方面[21]，地域系统的空间组织是指该区域的城市规模、城市空间结构和功能等[22]。为便于研究，本文认为基于城市群空间组织的区域轨道交通网络结构测度主要包括中心性、脆弱度、子群分布、通达性格局四个方面。中心性表征轨道交通网络中城市集聚（扩散）资源及控制资源的能力；脆弱度表示城市间运输组织关系的稳健程度；子群分布代表网络结构中城市的群体类型划分，不同的子群其密度联系值也不同；通达性格局表征轨道交通网络的连通程度及交通可达性。

2.1 中心性

2.1.1网络中心性

网络密度和度数中心势可以反映网络的中心性。网络密度用于表示网络中节点联系的紧密程度，密度值越大表示成渝城市群的轨道交通联系越紧密[23]。度数中心势是指网络的整体中心性，表示城市群轨道交通网络的总体整合度，取值在0～1之间，其值越低表示网络相对均匀分布，数值越接近1则表示网络越具有集中性，网络结构趋于不均衡化[24]。计算公式见（1）和（2）。

式中：P为网络密度，L为网络中实际存在的连接数，n为网络中实际存在的节点数，C为网络度数中心势，Cmax为网络中各节点绝对度数中心度（即与该节点直接相连的节点数目）的最大值，Ci为节点i的绝对度数中心度。

2.1.2节点中心性

度数中心度和中间中心度均能反映节点的中心性，但侧重点不同，前者衡量单个点在网络中的核心性，值越高则这个点越处于网络的中心位置，与其他城市轨道交通的联系次数越多；后者衡量一个点在多大程度上位于网络中其他点的“中间”，该值越高的点则发挥着越大的资源控制作用，对轨道交通联系的控制力越强，具有的结构优势越多。选取的节点相对度数中心度（包括点出度和点入度⑤）和相对中间中心度为标准化之后的数据，便于对不同规模的网络进行纵向比较。计算公式见（3）和（4）。

式中：Ds为节点相对度数中心度，s为与某一节点直接相连的对象数。CRBi为节点相对中间中心度，gjk(i)为点j和点k之间存在的经过第三个点i的捷径⑥数目，gjk为点j和点k之间存在的捷径数目，n为节点数。

2.2 脆弱度

通过Ucinet中的“Lambda集合”分析可对网络整体结构的脆弱度进行评价，通过某两个点的“边关联度”指数给出定量测量。“边关联度”指数可标记为s（i,j），即为了使这两个点之间不存在任何路径，必须从图中去掉的线的最小数目。该值越大则两点之间的关系越稳健，脆弱度越低。

2.3 子群分布

网络中的子群是指节点之间具有相对较强、直接、紧密、经常或者积极的关系的集合。通过Ucinet中的块模型分析对不同时期的轨道交通网络进行分类和密度分级，得到表征子群位置及其关系的块模型；将每个时间点的网络划分为四个层级，可以看出子群内部城市间轨道交通的联系密度以及子群之间轨道交通的关联情况。

2.4 通达性格局

2.4.1网络连通程度

一般而言，交通网络的空间连接以及由此决定的节点间联系的便捷程度反映了其空间扩展的规模和连通程度，常用的指标有连接率（β）、环路指数（μ）和实际成环率（α）[25]。其中β和μ可表征网络的连通程度，α则反映网络的扩展潜力。计算公式见（5）、（6）、（7）。

式中：β是网络中轴线数（e）与网络中节点数（n）的比值，反映了每个节点平均连接的轴线数，当β＜1时，网络呈树状结构；当β＞1时，网络为回路状结构。μ为轴线数（e）减去节点数（n）再加上网络子图个数（p）之值，表示网络的环路数，其值越大则网络越发达。α为环路指数与最大可能环路数的比值，反映实际成环的水平，1-α则表示成环的潜力。

2.4.2交通可达性

基于最小阻抗的可达性原理，用城市至所有目的地的最短时间距离作为城市间轨道交通客运组织可达性的评级指标。运用GIS网络分析和空间分析模块，计算城市节点间平均最短旅行时间，并采用反距离权重（IDW）插值[26]，可获取城市群区域轨道交通最短时间距离等值线图。计算公式见（8）和（9）。

式中：Ai表示网络中的城市i的可达性，A为网络总体可达性，dij表示城市i、j间平均最短旅行时间。

3 成渝城市群区域轨道交通网络结构的空间组织演化

3.1 中心性：网络化空间格局初步显现，城市控制力分层明显

计算可知：1952—2014年，成渝城市群区域轨道交通网络密度起伏较大，但总体呈减小趋势，至2014年达到最低值。究其原因是由于成渝城市群轨道交通客运线路组织是一个不断完善的过程，其滞后于网络中城市节点数量及分布广度的增速，导致城市间轨道交通联系紧密性处于较低水平。此外，网络度数中心势总体呈上升趋势，网络的权力趋向集中（表3）。网络化密集现象主要集中出现在绵阳—成都—乐山城市带及自贡—遂宁—重庆主城的三角区域，可见城市群轨道交通网络化进程并非均等，城市区域内部网络化空间格局初显（图2）。

1952—1979年，成渝城市群各个城市的相对点出度（对外辐射程度）与点入度（受其他城市辐射的程度）相等，轨道交通联系处于内外平衡的发展状态。1989—2014年，部分城市出现了相对点出入度不相等的现象，渝东南的黔江、彭水、酉阳和秀山等城市相对点入度要高于点出度，重庆主城以西的永川、合川、潼南和荣昌等城市对外辐射程度则更大。成都、重庆主城等中心城市的相对点出入度始终保持相等，轨道交通网络发展较为均衡（图3）。成渝城市群九个时间点具有中间中心性的城市分别为0、6、7、8、10、10、13、25、26个，反映了具备资源控制能力的城市的逐年增加，但控制力强的城市很少。至2014年，控制力强的城市层次性明显，可划分为四个层级：第一层级（中间中心度＞20）为成都和重庆主城两大中心城市，且成都相较于重庆主城其资源控制力更强；第二层级（中间中心度＞3）为遂宁和达州；第三层级（中间中心度＞1）为永川、乐山、广安、涪陵、内江；第四层级（中间中心度＞0）为长寿、江津、合川、秀山、黔江、武隆等（图4）。

表3 区域轨道交通网络的密度及度数中心势变化Tab.3 density and degree of regional rail transit network

图2 区域轨道交通网络城市节点度数中心度热力图示（2014年）Fig.2 regional rail transit network thermodynamic diagram of urban node degree (2014)

图3 区域轨道交通网络城市节点的相对点出入度（1989—2014年）Fig.3 relative out-degree and in-degree of urban nodes in regional rail transit network (1989—2014)

3.2 脆弱度：各时期不稳定起伏，总体愈发稳健

计算可知：2014年，53.13%的边关联度分布在52以上；2010年，50%的边关联度分布在44以上；2005年，52.38%的边关联度分布在32以上；1997年，52.94%的边关联度分布在28以上，58.82%的边关联度分布在21以上；1989年，52.94%的边关联度分布在28以上，58.82%的边关联度分布在27以上；1979年，52.94%的边关联度分布在20以上，47.06%的边关联度分布在21以上；1969年，46.15%的边关联度分布在25以上；1959年，55.56%的边关联度分布为7；1952年，100%的边关联度分布为6（图5）。可以看出，成渝城市群轨道交通网络脆弱度由小到大依次为：2014年、2010年、2005年、1989年、1997年、1969年、1979年、1959年、1952年，其中，网络脆弱度在1979和1997年出现转折。

图4 区域轨道交通网络城市节点的相对中间中心度（1952—2014年）Fig.4 relative betweenness of urban nodes in regional rail transit network (1952—2014)

3.3 子群分布：三大子群格局初步形成，联系密度显著分异

计算可知：1952—1959年，成渝城市群轨道交通网络联系较单一，城市子群间密度值为1。1969—1997年，成都、德阳、绵阳、资阳、内江、乐山等城市逐渐形成了高密度联系的群体。2005年，重庆主城、綦江、广安之间的联系最为密切，其值达到了9.5；成都、德阳、绵阳、资阳、内江、乐山、眉山、遂宁、南充、达州的密度层级次之，密度值为3.77。2010年，成都、德阳、绵阳、资阳、遂宁、乐山、内江、南充和达州之间形成了较为紧密的子群结构，密度联系值达到5.96，较2005年轨道交通联系更为密切。至2014年，密度值最高的城市子群Ⅰ包括成都、德阳、绵阳、内江、乐山、眉山、遂宁、南充、达州，其内部城市间联系密度值达到了8.58，超出第二位城市子群Ⅲ近一倍。城市子群Ⅲ与Ⅳ之间的轨道交通联系极为薄弱，Ⅲ至Ⅳ方向无直达轨道交通联系，Ⅳ至Ⅲ方向的轨道交通联系密度值则仅为0.07（图6、表4）。可以看出，成渝城市群不同时期的轨道交通网络城市子群分布各异，子群联系密度值也随之变化，已形成了三大紧密联系的城市子群：（1）以成都为中心的德阳、绵阳、眉山、内江、乐山等成德绵乐城市带子群；（2）以黔江为中心的武隆、彭水、酉阳、秀山等渝东南城市子群；（3）以重庆主城区为中心的重庆大都市区城市子群。

图5 区域轨道交通网络“Lambda集合”分布（1952—2014年）Fig.5 distribution of Lambda sets in regional rail transit network (1952—2014)

图6 区域轨道交通网络子群分布（2014年）Fig.6 distribution of subgroup in regional rail transit network (2014)

3.4 通达性格局：网络连通性能、扩展潜力和交通可达性显著增强，可达性居首位的城市空间分布呈动态演化

3.4.1网络连通程度

计算可知：1952—1997年，β和μ指数持续增大，表明网络的连通性逐渐增强，这与该时期成渝城市群轨道交通建设持续稳定发展是密切相关的。至1997年，β指数达到历史最高水平5.71，α指数在经历下降后又回升至0.72，此时每个城市的平均轨道交通联系数最多，网络成环水平达到除1952年以外的最高水平，究其原因是由于1979—1997年间网络中城市节点数目不变，与城市间轨道交通联系的增强有关。至2005年，网络城市节点数增加至21个，然而轨道交通联系数维持基本不变，导致β指数突降、α指数回落。2005年后，成渝城市群轨道交通发展走上快车道，β和μ指数升至历史最高值，网络扩展潜力达到最大（表5）。总体上，成渝城市群区域轨道交通网络的连通程度逐年增强，网络空间持续扩展完善，1997年网络节点空间拓扑关系达到最佳状态，网络连通性能和扩展潜力在2014年达到历史最高水平。

3.4.2交通可达性

由交通可达性等值线图（图7）可以看出，1952—1997年，交通可达性较高的城市为内江、资阳、荣昌、永川等，成都、重庆主城等中心城市在可达性排序中位于7—9位，且成都相较于重庆主城可达性更高。至2005年，重庆主城和成都的可达性上升至成渝城市群中的第1、2位，分别为4.28 h和4.39 h，重庆主城的可达性水平开始超过成都。2010年，重庆主城和成都的可达性持续增强，其值分别达到2.99 h和3.45 h。2014年，重庆主城和成都的可达性进一步攀升至2.022 h和2.025 h，潼南则跃居首位，达2.01 h；遂宁、南充、广安、达州、梁平、合川、长寿等城市的可达性亦显著提高。总体上来说，轨道交通网络的整体可达性稳步提升（图8），从1952—2014年，可以看出，可达性居首位的城市在空间上经历了从荣昌（4.69 h）—内江（5.61 h）—内江（3.73 h）—内江（5.28 h）—内江（4.71 h）—资阳（4.1 h）—重庆主城（4.28 h）—重庆主城（2.99 h）—潼南（2.01 h）的动态演变过程（图9）。

4 成渝城市群区域轨道交通优化发展建议

将成渝城市群区域轨道交通网络结构的组织演化特征与轨道交通线路历史扩展情况关联，给出以下优化建议。

4.1 合理调整轨道交通运输车流组织的数目及路线走向，保障轨道交通网络的稳定性

成渝地区地貌类型复杂多样，局部区域生态环境脆弱且灾害频仍，轨道交通网络结构的稳定程度成为可持续发展的重要前提。通过网络结构脆弱度分析可知，成渝城市群区域轨道交通网络的脆弱度在1979和1997年两个时间点附近出现转折，结合轨道交通发展情况发现，1969—1979年10年间，成昆线、襄渝线相继开通运营，达州、广安、眉山、乐山等城市节点并入网络，轨道交通运输车流组织出现部分区域数量不足、过度分散等弊端，间接导致轨道网络脆弱度在1979年有所增加。1989—1997年间，轨道线路规划逐步完善，出现了一些直达路线，相关列车车次由此成为冗余而被取消，致使1997年轨道交通网络脆弱度相较于1989年进一步增加。基于以上，由于脆弱度越高则轨道交通网络的稳定性越差，在一定阶段，为了维持成渝城市群区域轨道交通网络的高稳定性，宜考虑保留部分冗余车流路线。

4.2 加强渝东南城市子群与以资阳、自贡为首的中部城市子群的轨道直达联系，加速轨道交通的网络化进程

2005—2014年间，随着渝怀、渝遂、遂成、襄渝二线、渝利、成绵乐城际、沪汉蓉客运专线等线路的建成通车，截至2014年年底，轨道交通网络化空间格局已初现雏形。通过网络结构子群分布分析可知，2014年，以黔江为首的渝东南城市子群Ⅲ与资阳、自贡等中部城市子群Ⅳ的轨道交通直达联系极少，仅存在永川至秀山、黔江、涪陵三条单向交通联系。因此，在未来轨道交通建设中亟需加强两个子群间的联系，以加速轨道交通的网络化进程。

表4 区域轨道交通网络子群联系密度值（2014年）Tab.4 distribution of connection density in regional rail transit network (2014)

表5 成渝城市群区域轨道交通网络连接程度指标及p值变化Tab.5 connection degree, index and P value of regional rail transit network of Chengdu-Chongqing urban agglomeration

图7 区域轨道交通网络交通可达性等值线图Fig.7 contour map of traf fic accessibility of regional rail transit network

5 结论与讨论

借鉴社会网络分析方法，结合网络连通程度指标及GIS的网络分析工具，本文以成渝城市群区域轨道交通客运组织联系为切入点，解析和归纳了城市群内部轨道交通网络结构的组织演化特征。

其一，中心性。至2014年，成渝城市群城市间轨道交通联系紧密性处于各时期最低水平，网络的权力正向着少数城市集中，网络化空间格局初步显现。城市控制力分层明显，成都和重庆主城的资源控制力最强，且成都的核心角色稍强于重庆主城。

其二，脆弱度。成渝城市群轨道交通网络脆弱度各时期不稳定起伏，在1979和1997年两个时间点出现转折，至2014年，网络稳定性为各时期最强。

其三，子群分布。成渝城市群不同时期的轨道交通网络城市子群分布各异，已初步形成成德绵乐城市带、渝东南和重庆大都市区三大紧密联系的城市子群。

其四，通达性格局。成渝城市群区域轨道交通网络的连通性能、扩展潜力和总体可达性达到历史最优水平，可达性居首位的城市在空间上总体向北移动，经历了从荣昌—内江—资阳—重庆主城—潼南的动态演变过程。

图8 轨道交通网络整体可达性变化趋势（单位：h）Fig.8 the overall accessibility trend of rail transit network (h)

图9 可达性居首位的城市空间分布演化Fig.9 urban spatial distribution evolution of accessibility in the first place

其五，阶段划分。综合轨道交通网络结构中心性、脆弱度、子群分布和通达性格局的分析，在1979、1997、2005、2014年四个关键年份，相关指标特征变化突出，结合发展情况，可将成渝城市群区域轨道交通的发展分为四个阶段：一、建国后稳步建设阶段（1952—1979）；二、改革开放后完善优化阶段（1979—1997）；三、直辖后扩展延伸阶段（1997—2005）；四、网络化阶段（2005—2014）。

截至2014年，成渝城市群区域轨道交通网络覆盖城市比例仅为71%，未来需要增加轨道交通联系的城市覆盖比重，增强区域轨道交通网络密度，培育更发达的城市子群，进一步扩大空间服务范围。需要指出的是，由于区域轨道交通方式包括普通铁路、高速铁路和城际轨道交通，不同类型的交通方式对网络结构组织特征的影响程度不同，在以后的研究中，可在网络模型构建时将此因素考虑进去，以提高研究的深度及科学性。

注释：

通过交流，我得知他也来自湖北广水，与我是同乡，陌生感顿时除掉了一大半。随后我又得知，酷爱读书的他自从中专毕业后，因极其向往北大的学习氛围，毅然选择做了一名北大保安。

① 部分城市设有多个轨道站点，为获取单个城市的整体数据，将其简化地看作是一个“点”，将数据进行汇总。

② 因单线铁路、停靠规定等实际因素，矩阵为非邻接阵。

③ http://www.12306.cn/，统计日期2014年12月24日。

④ 网络直径指网络中最远两节点间的距离，即最短路径的轴线数。

⑤ 点出度指该点直接发出的关系数，表示该城市影响其他城市的能力；点入度指进入到该点的其他点的个数，即该点得到的直接关系数，表示该城市受到其他城市的影响程度。

[1] 方创琳. 科学选择与分级培育适应新常态发展的中国城市群[J]. 中国科学院院刊,2015, 30(02): 127-136.

[2] SEN P, DASGUPTA S, CHATTERJEE A,et al. Small-world properties of the Indian Railway network[J]. Physical Review E Statistical Nonlinear & Soft Matter Physics, 2002, 67(3Pt2): 036106.

[3] LEE K, JUNG W S, PARK J S,et al.Statistical analysis of the Metropolitan Seoul Subway System: Network structure and passenger flows[J]. Physica A Statistical Mechanics & Its Applications,2008, 387(24): 6231-6234.

[4] MOHMAND Y T, WANG A. Complex Network Analysis of Pakistan Railways[J].Discrete Dynamics in Nature & Society,2013(04): 1-5.

[5] 李海峰, 王炜. 轨道交通网络形态研究[J].规划师, 2006, 22(05): 85-88.

[6] Gutiérrez J. The European high-speed train network: Predicted effects on accessibility patterns[J]. Journal of Transport Geography, 1996, 4(96): 227-238.

[7] 刘辉, 申玉铭, 孟丹, 等. 基于交通可达性的京津冀城市网络集中性及空间结构研究[J]. 经济地理, 2013(08): 37-45.

[8] PETTER H, BEOM J K, NO Y C,et al. Attack vulnerability of complex networks[J]. Physical Review E, 2002,65(05): 634.

[9] 王云琴. 基于复杂网络理论的城市轨道交通网络连通可靠性研究[D]. 北京:北京交通大学, 2008.

[10] 李冰玉, 秦孝敏. 城际铁路线网站点及线路的脆弱性分析[J]. 中国安全科学学报,2013(05): 108-113.

[11] 周厚文. 珠三角区域城际轨道交通线网规划方案研究[J]. 铁道工程学报, 2009(08):96-100.

[12] 朱桃杏, 吴殿廷, 马继刚, 等. 京津冀区域铁路交通网络结构评价[J]. 经济地理,2011(04): 561-565.

[13] 金凤君, 王姣娥. 20世纪中国铁路网扩展及其空间通达性[J]. 地理学报, 2004,59(02): 293-302.

[14] 王姣娥, 焦敬娟. 中国高速铁路网络的发展过程、格局及空间效应评价[J].热带地理, 2014(03): 275-282.

[15] 孔哲, 过秀成, 侯佳, 等.大城市轨道交通网络演变的生命周期特征研究[J]. 城市轨道交通研究, 2013, 16(08): 32-38.

[16] CHEN S, CLARAMUNT C, RAY C.A spatio-temporal modelling approach for the study of the connectivity and accessibility of the Guangzhou metropolitan network[J]. Journal of Transport Geography, 2014, 36(02): 12-23.

[17] 刘正兵, 刘静玉, 何孝沛, 等. 中原经济区城市空间联系及其网络格局分析——基于城际客运流[J]. 经济地理, 2014(07): 58-66.

[18] 焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究——基于铁路客运班列分析[J]. 地理学报, 2016(02):265-280.

[19] 黄洁, 钟业喜. 长江中游城市群铁路客运联系及其空间格局演变[J]. 世界地理研究, 2016(02): 72-81.

[20] 黄勇, 肖亮, 胡羽. 基于社会网络分析法的城镇基础设施健康评价研究——以重庆万州城区电力基础设施为例[J]. 中国科学：技术科学, 2015(01): 68-80.

[21] 刘天东. 城际交通引导下的城市群空间组织研究[D]. 长沙: 中南大学, 2007.

[22] 聂华林, 王成勇. 区域经济学通论[M]. 北京: 中国社会科学出版社, 2006.

[23] 程遥, 张艺帅, 赵民, 等. 长三角城市群的空间组织特征与规划取向探讨——基于企业联系的实证研究[J]. 城市规划学刊,2016(04): 22-29.

[24] KNOKE D, YANG S. Social network analysis[M]. California: SAGE Publications, 2008.

[25] 程连生. 中国新城在城市网络中的地位分析[J]. 地理学报, 1998, 53(06): 481-491.[26] 梅志雄, 徐颂军, 欧阳军, 等. 近20年珠三角城市群城市空间相互作用时空演变[J]. 地理科学, 2012(06): 694-701.

图表来源：

图1-9：作者绘制

表1-5：作者绘制