首页 > 最新动态 > 时空信息学报丨粤港澳大湾区路网空间异质性特征及多维度驱动效应研究

最新动态

时空信息学报丨粤港澳大湾区路网空间异质性特征及多维度驱动效应研究

2025-10-3055

《时空信息学报》是由自然资源部主管，国家基础地理信息中心、中国地理信息产业协会、黑龙江测绘地理信息局共同主办的中文学术期刊，双月刊。为分享最新研究成果，搭建学术交流平台，中国地理信息产业协会公众号开设“时空信息学报”专栏，独家刊载《时空信息学报》论文，供广大读者研阅。欢迎产学研用各界关注、分享！

粤港澳大湾区路网空间异质性特征及多维度驱动效应研究

陈少沛，张慧霞

广东财经大学公共管理学院土地资源管理系，广州510320

摘要：尽管针对粤港澳大湾区的已有相关研究指出了大湾区内部的空间非均衡性，但对非均衡性的成因、表现及其对区域协同发展的影响机制缺乏深入探讨，如城市间的路网空间分异与土地利用、产业发展的匹配度等问题尚未得到充分关注。为揭示路网空间格局与区域发展的互动关联及内在驱动机理，本文以粤港澳大湾区为对象，聚焦2014年、2024年的道路网络空间分异特征及其驱动效应；通过构建融合空间计量经济学与地理时空分析的综合框架，整合多源数据，采用多尺度地理加权回归与地理探测器模型，系统解析路网发展的时空格局及驱动要素交互作用。结果表明：路网呈现显著核心–外围梯度分异，区域协同发展面临空间匹配度下降的挑战；土地开发强度对路网密度的边际效应最为显著；产业结构与土地开发强度的协同效应呈显著空间异质性。

关键词：空间异质性；多尺度地理加权回归；土地开发强度；城市群协同发展；产业–交通耦合

引用格式：陈少沛, 张慧霞. 2025. 粤港澳大湾区路网空间异质性特征及多维度驱动效应研究. 时空信息学报, 32(4): 409-420
Chen S P, Zhang H X. 2025. Spatial heterogeneity features of road networks and multidimensional driving effects in the Guangdong-Hong Kong-Macao Greater Bay Area. Journal of Spatio-temporal Information, 32(4): 409-420, doi: 10.20117/j.jsti. 202504005

1 引言

在快速工业化及城镇化进程中，城市群在交通网络作用下最终联结为生产要素流动和居民活动的空间网络载体（曹小曙等，2019）。有研究指出交通网络作为区域发展的重要组成环境之一，是区域城镇空间结构的基础骨架（Jiang和Claramunt，2004）。其中，道路网络形成和发展是一个伴随着城镇化演进的长期过程（Casali和Heinimann，2019）。显然，交通网络与区域发展之间始终存在着密切的关联和相互影响（Vance和Hedel，2007；周麟等，2018）。因此，研究交通网络与区域系统之间的关系是揭示城镇空间结构特征及预测其发展趋势的重要基础（金凤君和陈卓，2019）。当前，我国以高速公路为主体的现代化路网发展尤为迅猛，在国家城市群崛起中的基础支撑作用不断得到强化，其不断拓展和结构重塑中形成城市群空间形态，推动和引导着城市群内部城镇化空间布局发展，决定了未来城市群的空间蔓延趋势（Chen等，2014；展开等，2023）。基于此，深入研究城市群路网发展水平及其时空演变特征和驱动因素，比较路网发展的空间分异度，对清晰把握交通网络与城市群发展的关系尤为重要。

空间异质性是生态学领域的一个重要概念，指生态学过程和格局在空间分布上的不均匀性和复杂性，可理解为生态量空间缀块性和梯度的总和（Lu等，2013）。当前，空间异质性广泛应用于反映某一地理现象的空间非均匀性和分异程度，如交通网络的空间布局、结构和效应评价等（方晨晨等，2021；冯志新等，2014）。而探索性空间数据分析方法作为一套能够描述和可视化空间数据分布、识别空间模式、检测空间异常值、揭示空间关联性与异质性的技术集合，是揭示空间系统异质性的关键工具（Abelairas-Etxebarria和Astorkiza，2020）。该方法主要包括莫兰I数（Moran I）、热点探测（Getis和Ord，1992）等空间自相关分析模型，以及地理加权回归（geographically weighted regression，GWR）模型（Brunsdon等，1999）、地理探测器（王劲峰和徐成东，2017）等空间统计分析模型。这些方法不仅为揭示空间异质性提供了关键工具，还推动了空间计量理论在实践中的拓展。例如，宋成镇等（2022）利用地理加权回归模型，探索了路网中心性与土地利用系统强度分布相关性和异质性；冷梦思等（2022）应用全局与局部空间自相关模型等探索性空间数据分析方法，探讨了长江上游城市群绿色发展水平分布的空间分异特征和影响因素；王莉琴等（2023）通过核密度分析、地理加权回归模型和地理探测器等量化模型的结合，探究了国家全域旅游示范区空间类型特征、影响因素及其驱动机理；尹加元等（2024）融合地理探测器与地理加权回归模型，研究了我国典型气候带地形因子与归一化植被指数变化的关系与规律。近年来，多尺度地理加权回归（multiscale geographically weighted regression model，MGWR）模型通过对经典地理加权回归模型的改进，使其在空间系统异质性特征研究中的应用日益深入（赵亚博等，2024）。多尺度地理加权回归模型对于探索因变量（响应变量）与独立解释变量的空间关系，具有回归结果更快、更稳定，系数更可信，常数项（截距）地理解释更具含义等优势（Fotheringham等，2017；Oshan等，2019）。上述研究为深入分析城市群这一特定地域类型的路网发展空间分异特征及其驱动机制模型的构建，提供了坚实的方法支撑。特别是基于地理空间权重的可调节建模思路，能够更精确地捕捉空间系统演化过程中局部效应与全局特征的协同作用关系，有效解决了传统空间计量分析模型在跨区域适应性不足的问题。

粤港澳大湾区作为我国南部区域经济协同发展的重要引擎，路网建设已成为支撑城市群空间协同与资源配置优化的基础支撑和重要引擎（陈少沛等，2024；于洋等，2024）。近年来，以路网为载体的交通流特征研究揭示了大湾区内部区域间显著的非均衡性空间关联特征，强调了交通网络对大湾区城市融合发展的关键纽带作用（吴旗韬，2024；赵亚博等，2024）。伴随经济快速发展与城镇化进程的深化，区域内路网系统不仅承担着要素流动的物理载体功能，更是引导城镇空间形态演化的重要驱动力（陈少沛等，2023）。上述研究多聚焦于高速公路网络或主干道路网络的作用，缺乏对整个路网空间系统的综合考察；这种局部视角可能导致对区域网络布局与区域发展关系的理解不够全面，忽略了次级道路、支路等对区域协同发展的潜在影响。同时，上述研究多以路网密度作为核心指标，忽视了网络扩展速度、强度等多维度的动态特征；单一指标的分析框架难以全面刻画路网分异的复杂性，也无法有效揭示路网演化与城镇发展格局的动态协同机制。尽管上述研究指出了大湾区内部的空间非均衡性，但对其成因、表现及对区域协同发展的影响机制缺乏深入探讨，如城市间的路网空间分异与土地利用、产业发展的匹配度等问题尚未得到充分关注。因此，本文构建多维度分析框架，在综合测度道路网络的规模发展、建设强度和空间延展特征的基础上，应用空间探索性空间数据分析方法（Abelairas-Etxebarria和Astorkiza，2020），解析空间异质特性，以系统揭示大湾区路网的空间发展规律与动力机制。

2 研究方法

实验构建一个多维度分析框架，提出融合加权密度、加权核密度、建设强度和建设紧凑度四个指标的路网发展水平综合评价模型，结合路网扩张强度测度模型，揭示路网空间规模和扩展特征。通过引入莫兰I数、热点探测（Getis和Ord，1992）等空间自相关分析模型，以及多尺度地理加权回归模型（Fotheringham等，2017）、地理探测器（王劲峰和徐成东，2017）等空间统计分析模型，开展路网的空间异质性及驱动因素探析。

2.1 路网发展水平综合评价模型

实验构建基于路网密度、建设强度和空间紧凑度的多维耦合方法，通过对道路等级差异性赋权，构建包含加权密度、加权核密度、建设强度及建设紧凑度因子的综合评价模型。结合空间属性与拓扑特征，形成层次化分析架构，为区域路网发展水平提供量化评估支撑。

（1）路网加权密度计算。路网加权密度计算是将给定区域内各等级道路长度进行加权汇总，并通过道路加权总长度与区域总面积相比得到：

式中，D_i为区域i的路网加权密度；S_i为区域i的总面积，km²；l_j为道路等级j的总长度，km；P_j为其权值；n为道路等级分类总数。

（2）路网加权核密度计算。核密度估计法，用于分析某种地理要素在一定的空间范围内中发生的频率：

公式2.jpg

式中，n为样本数；“K（·）”为核函数；h为平滑系数，h>0，通常被称为带宽或窗口；x–x_i为估值点x到观测点x_i的距离，m。

与基于长度的路网密度计算相比，核密度能更精准地反映路网的空间分布概率。概率值越高，表明路网密集度和复杂度越高。基于ArcGIS，对各等级道路进行核密度建模，生成连续分布曲面，并结合道路权值进行栅格加权叠加分析；最终通过空间分区统计，计算加权核密度均值，生成加权核密度指标KD_i，以更全面地表征路网分布特征。

（3）路网建设强度。路网建设强度反映特定区域内道路网络规模，用区域道路面积与区域总面积之比表示：

公式3.jpg

式中，I_i为区域i的路网建设强度；R_i为区域i内的道路面积，km²。

（4）路网建设紧凑度。路网建设紧凑度依据区域面积周长比计算，以反映给定区域内路网空间分布的紧凑程度：

公式4.jpg

式中，C_i为区域i的路网建设紧凑度；P_i为区域i的周长，km。C_i取值0～1，越小表示网络形状越不紧凑，越分散。当网络为圆形时，C_i取值1，为最紧凑形状；当C_i趋近于0时，网络形状接近一条直线，最不紧凑。

（5）路网发展水平综合评价指数。对大湾区53个基本区域单元的路网加权密度、加权核密度、建设强度和建设紧凑度四个指标，采用标准化处理，分别记为。其原理为

式中，y_i为无量纲的指标值；x_max、x_min分别为指标值x_i中的最大值和最小值。分别基于2014年、2024年的路网数据对各指标值进行标准化处理后，应用主成分分析方法对指标的权重进行测算。根据指标权重的测算结果（表1），建立路网发展水平综合评价指数的测算模型：

式中，δ、γ、λ、μ分别为加权密度、加权核密度、建设强度和建设紧凑度的权重，取值见表1。

表1.jpg

2.2 路网扩张程度测度模型

路网发展水平综合评估指数虽能反映整体建设规模，但难以揭示动态演变特征和空间差异规律。因此，构建路网扩张测度模型，通过扩张速度指数（expansion speed index，ESI）和扩张强度指数（expansion intension index，EII），协同量化路网时空拓展的动力机制与形态演进过程。

（1）扩张速度指数：

式中，ESI_i为区域i的路网扩张速度指数；分别为两个时期区域内的道路面积，km²；t为两个时期的间隔时间，a。

（2）扩张强度指数：

式中，EII_i为研究区域i的路网扩张强度指数。

2.3 路网空间异质性特征驱动效应分析方法

1）探索性空间数据分析方法

全局莫兰I数，为探测空间分布的要素是否存在空间相关性的全局自相关分析方法，主要通过测量空间相邻要素属性值的相似度来判定是否存在相关关系：

式中，I为全局莫兰I数；n为样本单元个数；X_i、X_j分别为单元i和j的属性值；S²为样本的二阶中心距；X所有样本单元；θ_ij为空间权重矩阵中的元素。Getis-Ord Gi*（Getis 和 Ord，1992）统计是局部空间自相关分析的核心指标之一，能够识别具有统计意义的空间聚集冷热区，并实现可视化热点和冷点分布，广泛应用于地理要素的局部聚集程度评估。

2）多尺度地理加权回归模型与地理探测器

GWR通过建立局部回归方程，分析变量在特定尺度下的空间变化及驱动因素，能更准确地揭示局部空间关系与异质性（Brunsdon等，1999）。MGWR是在GWR模型的基础上，提出的一种新的空间异质性建模方法，揭示不同影响尺度下因变量与自变量之间的空间关系，基于多带宽捕捉更真实的空间作用（Fotheringham 等，2017）：

公式10.jpg

式中，y_i为被解释变量；（u_i，v_i）为在位置i的空间坐标；bw_j为在第j个回归所使用的带宽；为第j个回归系数；ε为误差项。

地理探测器是探测空间分异性及揭示其背后驱动力的一组统计学方法（王劲峰和徐成东，2017）。在分类变量的分析上具备优势，如土地利用类型、行政区划等对不同类型数据对地理现象空间分布的影响，并量化其影响的强度。

3）空间异质性驱动因素选取

为探讨粤港澳大湾区路网布局与区域发展的多维度关联，首先建立基于普通最小二乘法的常规线性回归分析框架，并以经济规模、产业结构和土地开发为解析视角，选取的指标包括地均产值（GDP/区域面积，单位：亿元/km²）、土地开发强度（区域建设用地面积/区域面积，单位：%）和第三产业区位熵，分别表征经济集约度、空间承载力及产业专业化程度。在此基础上，整合MGWR模型和地理探测器模型，构建大湾区道路网络发展的空间异质性度量模型。

GDP虽能反映区域经济规模总量，但在计量经济空间聚集效能方面存在明显不足，因此，引入地均产值。其通过单位国土面积的GDP产出比，既反映区域生产要素的集约化程度，又能衡量工商业聚集效应，较之人均GDP指标更能准确表征经济发展密度。与之形成互补的指标是土地开发强度，以建设用地比例揭示土地承载效能的动态平衡关系，其优化配置与经济效益呈现出明显的耦合特征。针对第三产业的时空异质性特点，传统计量方法难以精准刻画产业结构升级的差异化表征，因此，建立基于区位熵法的评价指数第三产业区位熵：

公式11.jpg

式中，L_i为区域i的第三产业区位熵；g_i为区域i的第三产业产值，亿元，为粤港澳大湾区的第三产业总产值，亿元；G_i为区域i的国民生产总值，亿元；G为粤港澳大湾区的国民生产总值，亿元。第三产业区位熵值越大意味着第三产业在区域i生产较为集中，即该区域生产社会化程度和市场经济发展水平越高。

3 实验结果与分析

3.1 研究区域与数据来源

3.1.1 研究区域

粤港澳大湾区位于我国南部珠江三角洲地区，行政辖区涵盖广州、深圳、珠海、佛山、东莞、肇庆、江门、中山、惠州九个城市和香港、澳门两个特别行政区（图1）。从区域经济发展格局观察，位于中部地区的广州、深圳、佛山、东莞和香港、澳门是大湾区的核心城市。粤港澳大湾区城市群作为我国新型城镇化发展先行示范区域，空间结构呈现独特的集约化演变特征。基于紧密的地理邻近优势，大湾区形成了具有较高功能衔接度的城市连绵带，区域内正在形成以高速公路和轨道交通为主轴的空间发展网络，高密度路网体系支撑着城市间生产要素的高效配置与产业链整合需求。区域内道路网络发展的同时，受到市场化资源配置与行政引导机制的双向作用，这为揭示驱动机制的多维度交互效应提供了典型的研究案例。

图1.jpg

3.1.2 数据来源

道路网络数据来源于OSM（Open Street Map）网站。为检验数据精度，分别将2014年、2024年的OSM数据，与全国地理信息资源目录服务系统提供的1︰25万全国基础地理数据库的路网数据进行线重叠度计算，检测县道以上等级的路网的空间匹配度，结果显示93%以上的线要素重叠。基于《公路工程技术标准》（JTG B01—2014）的技术规程要求，结合OSM道路属性特征及研究区域交通实况，建立五级道路分类体系。同时，为确保评价体系的科学性和合理性，采用专家论证与层次分析法相结合的方式，确定各级道路的权重系数。道路等级分类及权重设置见表2。

基于数据可靠性原则，2014年、2024年的社会经济统计数据主要整合自中国城市统计年鉴、广东省及相关地级市统计年鉴、各地年度统计公报等。土地利用数据系统收集自住房和城乡建设部网站公布的城乡建设/城市建设统计年鉴等，以及资源环境科学数据平台发布的中国土地利用遥感监测栅格数据集等。上述数据均通过多源数据校验确保研究基础的准确性。区域分析以基于区县行政单元划分原则，对中山、东莞与香港、澳门未下辖区县的特殊行政架构，采取全域整体作为基本单元的处理方式，最终形成53个基本区域单元。

3.2 路网发展水平综合评估及时空演变特征

由图2可看出，根据对粤港澳大湾区路网发展水平的综合评价，结果揭示2014年、2024年的路网发展呈现显著的空间非均衡特征。核心城区构成主导发展极，其中，广州越秀、荔湾、海珠及天河四区，深圳福田、罗湖等主城区，与佛山禅城区共同形成高值核心区，根据交通基础设施的溢出效应，其影响力随空间距离扩大呈现梯度递减规律。同时，区域发展格局呈现鲜明的空间分异，东岸都市圈依托珠江口战略区位优势，路网体系发育程度持续领先西岸地区；而位于大湾区几何中心的城市组群，其路网发展水平普遍优于边缘县域单元。值得注意的是，近十年间这种核心–外围的圈层结构具有稳定强化趋势，重要发展轴带逐渐形成，反映出区域交通网络与经济发展水平的深度耦合特征。

图2.jpg

基于全局空间自相关分析发现，2014年、2024年的莫兰I数均大于0，Z值分别为4.59、5.66，均通过了1%显著水平检验。这说明大湾区2014年、2024年路网发展综合评价指数均呈现显著的正向空间集聚特征。通过Getis-Ord Gi*（Getis 和 Ord，1992）统计模型进行热点探测表明，具有统计显著性的热点区域空间分布具有时序稳定性，主要集中于广州、佛山、东莞、深圳及香港等地的主城毗邻区。且珠江口东岸的高值集聚强度明显高于西岸的征，特别是广州、佛山主城区之间的空间联动呈现增强态势。冷点区域的时空演变分析显示，2024年大湾区北部及西翼外围地带呈现更广泛的低值集聚现象，反映了路网发展空间关联的梯度差异趋于扩大，空间发展分异特征进一步深化。

3.3 路网扩张程度及空间差异分析

粤港澳大湾区2014年、2024年路网扩张动态特征表明，扩张速度维度主要增长极集中于大湾区北部及东翼外围地带，以广州花都、肇庆怀四县区，以及惠州惠东和惠阳两区为代表；此外，东莞和深圳光明、坪山两个新区也表现出快速的路网扩张特征，而西翼的佛山及江门的路网扩张速度相对较慢，如图3（a）所示。在扩张强度层面，高值区聚焦于核心城市（特别行政区）的中心城区，涉及广州、深圳、佛山、澳门的主城区。值得关注的是，广州天河等成熟城区虽扩张速度平缓但建设强度显著，而肇庆端州是唯一外围高强度增长区，如图3（b）所示。

图3.jpg

综上所述，大湾区路网发展呈现出明显的梯度演进趋势，交通基础设施相对薄弱的边缘地区虽具有建设速度的后发优势，但在路网密集程度方面持续滞后；新兴发展组团如东莞及深圳两个新区则在速度与强度维度上形成双重优势。区域差异对比发现，经济高度发达的香港在两个维度均未显现显著的扩张特征，表明路网发展已进入稳定期。这种空间分异映射出大湾区交通基础设施建设的阶段性特征与区域发展战略的差异化导向，为理解城市群空间重构机制提供了新视角。

进一步对2024年大湾区路网扩张特征进行空间自相关检验，结果揭示全局路网扩张速度与强度均呈现明显正向空间聚类趋势，其中扩张强度的空间关联性更为突出。路网扩张速度在佛山禅城区、顺德区等区域形成显著冷点集群，而路网扩张强度则呈现典型的核心–边缘空间分异特征。具体而言，广州–佛山主城区及东莞等核心地带构成高度集聚的热点区域，与之对应的冷点区域主要分布于西翼及北部等外围区县。这表明粤港澳大湾区路网发展进程存在显著的空间非均衡性，核心城市与外围地区的交通基础设施建设时序差异形成了鲜明的梯度格局。

3.4 路网发展与区域系统关系的空间异质及驱动效应

3.4.1 MGWR结果分析

为确保结果科学性，采用常规线性回归分析模型，即最小二乘算法进行统计验证，检验结果显示调整R²为0.929，且通过了1%的显著性检验，表明回归模型拟合度极优，由自变量和因变量建立起来的线性关系具有显著的统计学意义。因此，采用MGWR模型（Fotheringham 等，2017），对粤港澳大湾区城市群2024年道路网络与区域系统的空间关联特征进行解析。由表3可知，MGWR模型通过调整R²参数值0.935展现出优于常规线性回归模型、GWR模型的拟合能力。分析空间作用尺度特征发现，常数项（截距）与地均产值、第三产业区位熵及土地开发强度的带宽参数呈梯度分布。其中，作为表征地理单元空间区位的常数项（截距）具有最小带宽值，说明区域的地理位置较其他变量对路网发展水平的空间异质性具有更强驱动力，即路网发展对空间区位条件变化的响应最为敏感。尽管地均产值、第三产业区位熵及土地开发强度三个变量带宽参数均处于较小区间（48~52），但土地开发强度相对较大的作用尺度表明其对路网发展的空间影响相对均匀，其中，地均产值与第三产业区位熵的相近带宽则反映出其具有相似的空间作用强度。

表3也揭示了土地开发强度的回归系数呈现最小的标准差和最高的均值，意味着其具有显著的空间集聚特征，且在驱动路网发展中具有普遍影响模式。这与线性回归的整体趋势判断相吻合。进一步地，应用反距离权重（inverse distance weighted，IDW）法，对每个基本区域单元的地均产值、土地开发强度及第三产业区位熵三个变量的回归系数进行空间插值处理，并通过内核密度估计构建的三维趋势面来清晰展现其渐变格局（图4（b）至（d））。各变量回归系数均呈现阶梯状梯度变化，形成了显著的东西向空间分异特征，等值线分布形态印证了空间关联模式的非均衡性特征。

表3.jpg

综合考察各变量的回归系数的空间分布特征可以发现，不同变量对路网发展水平的作用呈现出差异化空间响应。具体而言，地均产值变量的正向作用在粤港澳大湾区东部形成显著核心区，且空间效应随着向珠三角西部沿海地区的推进呈现梯度衰减态势，如图4（b）所示。土地开发强度变量的影响分布则展现出独特的空间格局，其回归系数的空间异质性不仅与地均产值变量形成镜像关系，更通过统计显著性区域的重叠，揭示出生产要素集聚与扩散效应的动态平衡，如图4（c）所示。第三产业区位熵变量的回归系数分布规律表明现代服务业的空间溢出效应呈现典型的向心力衰减梯度，且衰减强度较前两个变量更为显著，如图4（d）所示。值得注意的是，常数项（截距）表征的区位条件在珠江口与西翼表现出明显的二元分异，反映区域经济地理格局对道路网络发展的制约作用，如图4（a）所示。总之，各变量的空间权重分布均体现出明显的集聚连片区特征，这种空间相关性的存在可能与非均质化的城镇化进程和产业布局密切相关。

3.4.2 地理探测器结果分析

在上文所述基础上，进一步构建地理探测器系统测算多维度驱动要素的协同作用强度，从因子探测与交互作用双重维度，揭示地均产值、土地开发强度与第三产业区位熵三个驱动因子对区域路网综合发展指数的梯度传递机制。通过分解各要素交互组合模式在空间上呈现的协同增强或非线性叠加效应，阐释道路网络与经济发展、土地开发和产业结构之间空间形态耦合关系及多维度驱动机理。

通过k均值聚类算法（王森等，2022）将地均产值、土地开发强度和第三产业区位熵三个连续驱动因子离散化为类型变量，进而运用地理探测器对路网发展水平综合评价指数开展驱动力解构。由表4可知，显著性检验发现各变量的p值均达到1%显著性水平，证实这三个变量共同构成路网布局差异化发展的重要影响维度，其中，土地开发强度的解释力最为突出，地均产值次之，第三产业区位熵相对薄弱。结合表3知，这一分层解释格局与MGWR模型的结论具有一致性。

由表5可知，驱动因素之间存在协同作用，任意两因子组合的解释效用均超越单一变量的上限值，呈现出显著的强度倍增效应。进一步揭示，在驱动机制层面，第三产业区位熵与另外两个驱动因素的空间作用机理呈现显著分化，其中与地均产值的协同效用相对有限。而土地开发强度和地均产值、土地开发强度与第三产业区位熵，这两个主导组合因素呈现显著驱动效能。这一现象的形成与粤港澳大湾区城市群的产业空间组织特征和建设用地开发现状存在密切联系。

表5.jpg

4 结论

为清晰把握城市群路网空间生长特征及驱动机制，促进交通基础设施建设与城镇格局的协调发展，本文以粤港澳大湾区城市群路网为研究对象，在探索性空间数据分析框架下，探讨了大湾区路网发展的综合水平、扩张程度、空间异质和驱动机制，动态捕捉了路网空间异质性及其与区域系统间的非线性耦合特征。应用了莫兰I数、MGWR模型和地理探测器等空间异质性特征分析的主流技术方法，构建了从道路网络空间分布模式识别到驱动因子空间作用尺度评估，再到因子空间分异解释力及交互效应探索的递进式研究范式，实现了对大湾区路网空间异质性的深度解析和多维度驱动机制挖掘，提升了空间异质性特征的捕捉能力。

粤港澳大湾区路网发展呈现显著的空间非均衡性，区域单元间的关联性差异持续扩大。实证分析揭示了路网与土地开发、经济发展及产业结构的空间耦合特征，其中，土地开发强度的影响最为突出，空间聚集效应显著，且对路网发展的解释力最强。同时，验证了空间异质性的多维机制，地理区位条件作用尺度最小，而土地开发强度作用尺度最大。进一步表明，土地开发强度是主导因子，各因子间存在双因子增强交互效应。研究成果可为粤港澳大湾区道路网络规划提供科学依据，不仅揭示了城市群路网的空间生长规律与动力机制，也为交通基础设施与城镇格局的协同优化完善了理论框架，为科学地构建人地协同的新型城市群空间体系提供决策支撑。

本研究构建的空间异质性分析框架虽然系统揭示了粤港澳大湾区路网分异规律，但受限于截面数据特征，以及研究方法忽略了时空依赖性，未能充分捕捉要素作用的动态演变过程。未来研究将引入面板数据模型，揭示驱动机制的时变特征，并拓展至轨道交通、港口网络等多模态交通系统的空间耦合效应分析。在此基础上，重点构建多模式交通基础设施网络与城镇发展系统的动态交互模型，系统性解析多元空间要素的耦合响应特征及其时空约束机制，从而为优化城市群区域空间资源配置提供更全面的技术支撑。

参考文献（References）

曹小曙, 梁斐雯, 陈慧灵. 2019. 特大城市空间形态差异对交通网络效率的影响. 地理科学, 39(1): 41-51[Cao X S, Liang F W, Chen H L. 2019. Influence of different spatial forms for metropolitans on transportation network efficiency. Scientia Geographica Sinica, 39(1): 41-51 (in Chinese)]

陈少沛, 张瀚文, 欧先萍. 2023. 基于空间分形理论的珠三角高速公路网络结构特征研究. 时空信息学报, 30(2): 260-267[Chen S P, Zhang H W, Ou X P. 2023. Research on the characteristics of Pearl River Delta highway network based on spatial fractal theory. Journal of Spatio-temporal Information, 30(2): 260-267 (in Chinese)]

陈少沛, 张红玉, 欧先萍. 2024. 珠三角城市群快速陆路交通一体化发展研究. 时空信息学报,31(3): 408-418[Chen S P, Zhang H Y, Ou X P. 2024. Study on the rapid integration of land transportation in Pearl River Delta urban agglomeration. Journal of Spatio-temporal Information, 31(3): 408-418 (in Chinese)]

丁士俊, 姜卫平, 杨颜梅. 2012. 整体最小二乘线性回归模型与算法. 测绘通报,(12):8-10[Ding S J, Jiang W P, Yang Y M. 2012. Model and algorithm for total least squares linear regression. Bulletin of Surveying and Mapping, (12):8-10 (in Chinese)]

方晨晨, 蒋惠园, 陈莎雯, 何祎豪. 2021. 交通网络对湖北省经济联系驱动作用的空间异质性分析. 经济地理, 41(7): 93-99[Fang C C, Jiang H Y, Chen S W, He Y H. 2021. Spatial heterogeneity of the driving effect of transportation networks on economic connections in Hubei Province. Economic Geography, 41(7): 93-99 (in Chinese)]

冯志新, 陈颖彪, 千庆兰, 王帅帅. 2014. 东莞市交通路网格局对城市空间扩张影响研究. 地球信息科学学报, 16(1): 79-86[Feng Z X, Chen Y B, Qian Q L, Wang S S. 2014. Relationship between the structure of urban traffic network and urban spatial expansion: A case study of Dongguan City. Journal of Geo-Information Science, 16(1): 79-86 (in Chinese)]

金凤君, 陈卓. 2019.1978年改革开放以来中国交通地理格局演变与规律. 地理学报,74(10): 1941-1961[Jin F J, Chen Z. 2019. Evolution of transportation in China since reform and opening-up: Patterns and principles. Acta Geographica Sinica, 74(10): 1941-1961 (in Chinese)]

冷梦思, 张利平, 邓瑶, 肖宜, 夏军. 2022. 长江上游城市群绿色发展水平时空演变特征及其影响因素辨识. 武汉大学学报(工学版), 55(1): 1-12[Leng M S, Zhang L P, Deng Y, Xiao Y, Xia J. 2022. The spatial-temporal evolution and influencing factors identification of green development level of urban agglomeration in the upper reaches of the Yangtze River. Engineering Journal of Wuhan University, 55(1): 1-12 (in Chinese)]

宋成镇, 陈延斌, 殷冠文, 侯毅鸣, 陈玥莹. 2022. 交通网络中心性与土地利用强度的相关性及空间异质性研究——以青岛市主城区为例. 西安理工大学学报, 38(2): 201-211[Song C Z, Chen Y B, Yin G W, Hou Y M, Chen Y Y. 2022. Correlation and spatial heterogeneity between road network centrality and land use intensity: A case study of Qingdao City. Journal of Xi’an University of Technology, 38(2): 201-211 (in Chinese)]

王劲峰, 徐成东. 2017. 地理探测器: 原理与展望. 地理学报, 72(1): 116-134[Wang J F, Xu C D. 2017. Geodetector: Principle and prospective. Acta Geographica Sinica, 72(1): 116-134 (in Chinese)]

王莉琴, 石培华, 张一楠. 2023. 国家全域旅游示范区空间分布、类型结构及驱动机理. 地理科学, 43(10): 1815-1824[Wang L Q, Shi P H, Zhang Y N. 2023. Spatial distribution, type structure and driving mechanism of national comprehensive tourism demonstration zone in China. Scientia Geographica Sinica, 43(10): 1815-1824 (in Chinese)]

王森, 刘琛, 邢帅杰. 2022. K-means聚类算法研究综述. 华东交通大学学报, 39(5): 119-126[Wang S, Liu C, Xing S J. 2022. Review on K-means clustering algorithm. Journal of East China Jiaotong University, 39(5): 119-126 (in Chinese)]

吴旗韬. 2024. 粤港澳大湾区交通流网络空间结构和边界效应测度. 热带地理, 44(5): 783-793[Wu Q T. 2024. Spatial structure and border-effect measurement of transportation-flow network in the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 44(5): 783-793 (in Chinese)]

尹加元, 罗明良, 白雷超, 吴秋声. 2024. 地形因子影响典型气候带植被指数的定量归因——基于地理探测与地理加权视角. 西华师范大学学报(自然科学版), 45(5): 457-465[Yin J Y, Luo M L, Bai L C, Wu Q S. 2024. Quantitative attribution of topographic factors influencing vegetation indices in typical climatic zones: Based on geographic detector and GWR. Journal of China West Normal University (Natural Sciences), 45(5): 457-465 (in Chinese)]

于洋, 徐艳艳, 刘春艳, 刘吉平. 2024. 粤港澳大湾区交通优势度格局及空间分异. 公路, 69(9): 170-176[Yu Y, Xu Y Y, Liu C Y, Liu J P. 2024. Traffic dominance pattern and spatial heterogeneity in the Guangdong-Hong Kong-Macao greater bay area. Highway, 69(9): 170-176 (in Chinese)]

展开, 胡海, 王海军. 2023. 顾及空间句法的道路对城市扩张影响的研究. 时空信息学报, 30(2): 252-259[Zhan K, Hu H, Wang H J. 2023. The influence of roads on urban expansion based on the spatial syntax. Journal of Spatio-temporal Information, 30(2): 252-259 (in Chinese)]

赵亚博, 胡蝶, 黄柳倩, 陈敬业, 蔡云楠. 2024. 粤港澳大湾区物流网络特征与影响因素研究. 地理科学进展, 43(4): 685-699[Zhao Y B, Hu D, Huang L Q, Chen J Y, Cai Y N. 2024. Logistics network characteristics and influencing factors in the Guangdong-Hong Kong-Macao Greater Bay Area. Progress in Geography, 43(4): 685-699 (in Chinese)]

周麟, 田莉, 张臻, 李薇. 2018. 基于空间句法视角的民国以来北京老城街道网络演变. 地理学报,73(8): 1433-1448[Zhou L, Tian L, Zhang Z, Li W. 2018. The street networks evolution in Beijing old city since the establishment of the Republic of China: A syntactical view. Acta Geographica Sinica, 73(8): 1433-1448 (in Chinese)]

Abelairas-Etxebarria P, Astorkiza I. 2020. From exploratory data analysis to exploratory spatial data analysis. Mathematics and Statistics, 8(2): 82-86

Brunsdon C, Fotheringham A S, Charlton M. 1999. Some notes on parametric significance tests for geographically weighted regression. Journal of Regional Science, 39(3): 497-524

Casali Y, Heinimann H R. 2019. A topological analysis of growth in the Zurich road network. Computers, Environment and Urban Systems, 75: 244-253

Chen S P, Claramunt C, Ray C. 2014. A spatio-temporal modelling approach for the study of the connectivity and accessibility of the Guangzhou metropolitan network. Journal of Transport Geography, 36: 12-23

Fotheringham A S, Yang W B, Kang W. 2017. Multiscale geographically weighted regression (MGWR). Annals of the American Association of Geographers, 107(6): 1247-1265

Getis A, Ord J K. 1992. The analysis of spatial association by use of distance statistics. Geographical Analysis, 24(3): 189-206

Jiang B, Claramunt C. 2004. Topological analysis of urban street networks. Environment and Planning B: Planning and Design, 31(1): 151-162

Lu C, Wu Y Z, Shen Q P, Wang H. 2013. Driving force of urban growth and regional planning: A case study of China’s Guangdong Province. Habitat International, 40: 35-41

Oshan T, Li Z Q, Kang W, Wolf L, Fotheringham A. 2019. Mgwr: A Python implementation of multiscale geographically weighted regression for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6): 269

Vance C, Hedel R. 2007. The impact of urban form on automobile travel: Disentangling causation from correlation. Transportation, 34(5): 575-588

Wang J F, Li X H, Christakos G, Liao Y L, Zhang T, Gu X, Zheng X Y. 2010. Geographical detectors‐based health risk assessment and its application in the neural tube defects study of the Heshun Region, China. International Journal of Geographical Information Science, 24(1): 107-127

Watson D F. 1985. A refinement of inverse distance weighted interpolation. Geoprocessing, 2: 315-327