EN中文

Tropical Geography >

2024 , Vol. 44 >Issue 5: 783 - 793

DOI: https://doi.org/10.13284/j.cnki.rddl.003875

Spatial Structure and Border-Effect Measurement of Transportation-Flow Network in the Guangdong-Hong Kong-Macao Greater Bay Area

  • Qitao Wu
Expand
  • Guangzhou Institute of Geography, Guangzhou Academy of Science, Guangzhou 510070, China

Received date: 2022-11-30

  Revised date: 2023-11-30

  Online published: 2024-05-08

Fold

Abstract

Owing to historical reasons, the Guangdong-Hong Kong-Macao Greater Bay Area (GBA) features a unique "one country, two systems" institutional framework. Facilitating the integration and connectivity of transportation among Hong Kong, Macao, and the Mainland is crucial for the high-quality development of the GBA. Previous studies about borders have primarily focused on national (supranational) or administrative boundaries within a country's territory. However, studies on the unique institutional differences in the GBA are insufficient. Additionally, most studies do not perform dynamic border effects measurements using big traffic flow data. This study utilizes toll-collection data from highways in the GBA for 2021 and 2023, as well as cross-border traffic data, to construct a traffic-flow network for the GBA. Complex network analysis and border-effect measurement methods are employed to investigate the spatial structure of the GBA traffic-flow network and its dynamic changes in border effects. The results indicate that, in terms of the overall spatial structure of traffic flow in the GBA, the network exhibits a unique "dual-core edge" structure, with the Guangzhou-Foshan, and Shenzhen-Dongguan-Huizhou regions serving as dual cores. In contrast, the overall coverage and connectivity strength of the passenger-flow network are higher than those of the freight-flow network. Regarding the dynamic changes in the spatial structure of traffic flow from Hong Kong and Macao, the coverage and density of the traffic-flow network in 2023 are significantly higher than those in 2021. Traffic flows from Hong Kong and Macao have begun to extend beyond the border toward the northern regions, thus accelerating the integration of transportation within the GBA and forming a spatial pattern of "cross-strait connectivity and all-area interconnection." However, because of their peripheral positions in the traffic network and the presence of border effects, the importance of Hong Kong and Macao in the GBA traffic-flow network remains relatively weak. Based on the dynamic measurement results of border effects, the obstruction coefficients between Hong Kong and the Mainland, as well as between Macao and the Mainland, are significantly higher than those between various counties within the Mainland. The obstruction coefficients for passenger vehicles are generally lower than those for freight vehicles. Following the outbreak of the pandemic, the obstruction coefficients of the GBA traffic-flow network have increased dynamically, thus indicating a reduction in obstructive border effects. This study expands the quantitative research framework of border effects in traffic-flow networks, thus promoting integrated transportation development in the GBA and facilitating its integration development goals.

Key words： border effects; transportation-flow network; spatial-temporal characteristics; Guangdong-Hong Kong-Macao Greater Bay Area

Cite this article

Qitao Wu . Spatial Structure and Border-Effect Measurement of Transportation-Flow Network in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Tropical Geography, 2024 , 44(5) : 783 -793 . DOI: 10.13284/j.cnki.rddl.003875

粤港澳大湾区是全球四大湾区之一，是中国开放程度最高、经济活力最强的区域，也是交通流最频繁、交通流网络最密集的城市群之一。较之其他城市群地区，粤港澳大湾区具有独特的制度和边界，“一国两制”的大湾区社会、经济和法律制度均有不同（刘毅 等，2019），对跨境的交通、人口流动等产生影响。通过政策协同，突破制度差异带来的边界影响，提升跨境要素流动，对于构建要素流动更加自由、资源配置更加优化的大湾区城市群，建立互利共赢的区域合作关系、推动区域融合发展具有重要意义。
随着全球化和信息化的发展，城市间通过更广泛尺度的要素自由流动和优化组织，形成高效有序的网络空间格局（Batty, 2013）。在各种流要素中，交通流是城市联系最显性的表现（王姣娥 等，2019）。已有研究采用航空流、港口航运流、铁路流、公路流等交通流，以研究城市交通流网络结构特征和演变过程（Chen and Jiang, 2020; Yang et al., 2021; Guo et al., 2022；李苑君 等，2021；拔芊 等，2023；贺三维 等，2023；封志明 等，2023；孙颖琦 等，2024），从国家尺度（王海江 等，2015；Yang et al., 2018；封志明 等，2023），区域或省域尺度（黄洁 等，2018；Zhen et al., 2019；李苑君 等，2021；拔芊 等，2023；贺三维 等，2023；孙颖琦 等，2024）开展实证研究。由于交通流数据获取的限制，传统研究主要针对公路、铁路客运班次模拟城市间交通流（Yang et al., 2018；王海江 等，2023），但模拟数据较之实测数据存在误差，难以准确描述城市网络空间结构特征。随着新技术的发展，基于位置获取的交通流数据，如高速公路联网收费数据、浮动车数据等逐步应用到城市网络研究中（陈卓 等，2018；柯文前 等，2018；李苑君 等，2021；廖创场 等，2023），为真实准确探索交通网络空间结构特征提供了新方向。部分专家探索采用新的流量数据开展粤港澳大湾区城市网络研究，但由于港澳跨境数据获取限制，现有分析多集中于对珠三角9市的空间格局特征分析（李苑君 等，2021，2023；廖创场 等，2023；罗彦，2023），缺乏对港澳地区的研究，因而无法全面度量粤港澳大湾区整体的交通流网络结构特征和动态变化，迫切需要从大湾区整体空间尺度来探索交通流网络的特色。
制度和边界研究是政治地理学的经典议题，边界在传统理论中被认为是具有显著物理属性的国家边界，是可见的、物质的、静态的客体，而随着全球，特别是区域一体化的发展，国家边界的屏障效应越来越弱，边界研究转向从研究社会和政治进程中产生的边界实体变为研究创造、延续隔离，以及产生差异性界线的动态社会进程，即从边界到边界化（Newman et al., 2003），以及去边界化和再边界化等进程（廖开怀 等，2021）。边界阻碍要素跨区域流动，对跨边界的社会、经济行为产生影响（黄洁 等，2024）。边界效应是指边界的存在对跨界贸易产生的影响（McCallum, 1995），边界效应表现为中介效应和屏蔽效应（李铁立 等，2005），但中介作用是天然的，一般难以度量，而屏蔽效应则可通过模型定量测量和评估。McCallum（1995）利用跨境贸易数据定量测度了美国和加拿大的边界效应，该方法在经济学中得到广泛应用（Chen, 2004; Cletus and Dennis, 2021）。经济地理学研究边界主要是探讨边界的存在引起跨越边界的同质要素产生量变或质变的现象（王成龙 等，2016），更多关注国家间（超国家尺度）的界线（Helliwell, 1997；黄洁 等，2024）或区域内部行政界线（李郇 等，2006；廖创场 等，2023；戴继锋 等，2023）。但无论国外的纽约湾区、旧金山湾区、东京湾区，还是国内的长三角、京津冀，其在区域一体化过程均不涉及政治制度和跨境等问题，而涉及制度和海关等问题的跨境研究往往出现在超国家尺度的区域（如欧盟、东盟等）中，这体现粤港澳作为国家内部的次区域尺度的特殊性（张虹鸥 等，2018），已有研究尝试探讨粤港澳大湾区跨境口岸空间联系（李艳 等，2020）、跨体制交通基础设施规划与制度协调（Wu et al., 2017；郝柘淞 等，2023）、边界对粤港澳大湾区城市网络的负面影响（罗彦，2023），但基于真实交通流网络定量测度大湾区边界效应动态变化的研究依然需要深入。
综上所述，粤港澳大湾区独特的制度环境，为开展制度和边界对交通流网络影响的研究提供了绝佳的研究区域。先前研究在粤港澳大湾区城市网络上作了实证性的探索，但关注大湾区内地尺度多，跨境尺度少，运用交通大数据定量测度大湾区边界效应变化研究不足，在“一国两制”制度下，研究和探索粤港澳这一次国家尺度的区域联动发展和边界效应的关键科学问题具有重要学术价值。因此，本研究聚焦交通流边界效应，即是边界的存在对交通流网络中交通自由流动所产生的影响，利用粤港澳大湾区高速公路联网收费数据和港澳跨境交通数据构建大湾区整体的交通流网络，重点研究粤港澳大湾区交通流网络的独特形态，探究粤港、粤澳制度和边界对跨境交通流的边界效应动态变化。以期深化城市网络的边界效应研究视角，推动交通流网络基础理论建设，为粤港澳大湾区一体化建设提供科学借鉴。

1 研究区域、数据与方法

1.1　研究区域

粤港澳大湾区位处中国南部，包括广东省广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市、肇庆市9个地市和香港特别行政区、澳门特别行政区，面积5.60万km2。2022年地区生产总值为13.04万亿元，常住人口数量为8 662万人 1。粤港澳大湾区内部交通网络发达，高速公路里程超过5 100 km，是全国高速公路网密度最高的地区之一，区域内部具有密切的交通联系 2。粤港澳大湾区具有“一国两制”的特殊制度安排，涉及3个关税区、3种货币、3种法律制度等差异化制度，三地在交通互通中受到通关政策和交通管制等限制，香港和澳门的私家车可通过申请往来内地，但内地私家车暂时无法在港澳地区通行，存在明显的交通边界效应。

1.2　数据来源

高速公路通行数据来源于广东省高速公路联网收费系统，该系统记录研究区域内高速公路行驶的车辆类型、行驶路径、上下高速时间和地点等信息，经过脱敏处理后可汇总成研究区域内县区尺度O-D车流数据，实现交通车流数字化。为避免节假日影响，采用2021年9月和2023年9月的日平均车流数据，研究区域范围内每月共涉及超过10亿条数据。港澳和内地间跨境流量数据来源于香港特别行政区政府运输署（2024）的“交通运输资料月报”资料和澳门海关（2024）的“陆路口岸跨境汽车流量”等统计数据。由于港澳地区无法获取车辆高速公路行驶信息，本文港澳车辆在内地行驶路径采用港澳边界的高速公路收费处的港澳车牌行驶路径代替。县区间距离和通行时间采用百度地图等批量化计算。人口和GDP等数据来源于《广东省统计年鉴2022》（广东省统计局，2023）和香港 3、澳门 4的年度统计数据。由于广州、深圳等部分城市核心区高速公路出入口较少，因此将核心区合并为一个统计单元。东莞和中山无县级行政单元，因此按照其城市规划，分别划分为5个和4个亚分区单元。

1.3　研究方法

1.3.1　网络构建

采用粤港澳大湾区范围内2021和2023年高速公路收费数据构建交通流网络，将收费站点出发和到达的数据整合到县区尺度，构建粤港澳大湾区县（区）尺度的交通流网络，县区作为交通流网络的节点，县区间的通行车次作为网络的边，不同的方向作为网络的方向，从而构建粤港澳大湾区有向加权网络。将高速公路通行数据按照车辆类型进一步整合为客流和货流2个维度，将小汽车、客运班车等整合为客流，小货车和大型货车等整合为货流，构建粤港澳大湾区客流和货流有向加权网络。同时引入粤港、粤澳跨境车流数据，结合客流和货流的出发和目的地属性，构建大湾区跨境交通流空间网络。
粤港澳大湾区交通流概念网络G网络可表达为：
G=（V，R）
式中：V=｛V 1，V 2，V 3，…Vn ｝代表粤港澳大湾区交通流网络中的节点集合，n为网络节点的个数；R=｛Rij ｝表示网络中所有节点V间交通流的集合，包括客流、货流和全类型车流。

1.3.2　网络分析

采用复杂网络相关参数，从整体网络结构、节点和连边等维度探索粤港澳大湾区交通流网络空间结构特征。利用点出度、点入度表征各县区高速公路交通集散规模，利用Pagerank指标识别粤港澳大湾区交通流网络中核心/枢纽节点位置，通过网络密度指标分析网络的覆盖范围和通达程度，采用平均聚类系数指标分析网络的整体连接紧密度。上述指标参考李苑君等（2021）研究，相关公式不再赘述。

1.3.3　边界效应度量方法

传统边界效应的测度基本是基于McCallum（1995）重力模型，即通过添加“边界”这一虚拟变量，测度“边界”系数的大小，从而推导出边界效应的测度值。McCallum（1995）提出的重力模型的表达为：
x i j = a + b y i + c y j + d d i s t i j + e D U M M Y i j + u i j
式中：xij 表示从i城市到j城市的交通流量的对数值；yi 和yj 分别代表i城市和j城市国内生产总值的对数值；dist ij 表示i城市到j城市间距离的对数值。同时定义哑变量DUMMY ij，跨边界贸易发生时取值为1，否则为0；uij 为误差项。a、b、c、d、e为所要测度的系数值。在边界效应研究中，式（2）中的哑变量DUMMY ij 通常用边界替代，表示边界的虚拟变量；e即为所测度得到边界效应的系数值。
参考McCallum（1995）和罗彦等（2023）的方法，采用大湾区的交通流跨境联系阻碍系数评估边界效应。其中阻碍系数为城市间理论联系流量与现实联系流量的比值，公式为：
Z i j = L i j R i j
式中： Z i j为城市间交通阻碍系数； L i j为城市i和j间的无边界限制下的理论联系流量； R i j为城市i和j间的实际联系流量。
城市间交通联系流量是基于引力模型的优化算法，反映2个城市之间的吸引力，其与人口经济规模、实际交通距离相关，参考罗彦等（2023）的方法，首先，计算有边界状态下城市间交通联系流量，计算公式为：
l o g R i j = K + a G D P i × G D P j + β P o p i × P o p j + γ D i s t i j + δ T i j + ε S + τ Q
式中： G D P i和 G D P j为城市i和j的GDP规模， P o p i和 P o p j为城市i和j的常住人口规模； D i s t i j为城市i和j间实际车行距离； T i j为城市i和j间实际车行时间；K为调整系数；S和Q分别空间邻接和跨境度量系数，如果城市i与城市j空间相邻，则S为1，否则为0；如果城市i与香港或澳门具有交通联系，则Q为1，否则为0。α、β、γ、δ、ε、 τ为各因子系数，采用回归方法得到各系数。
然后，计算无边界状态下的理论联系流量，无边界状态的理论联系流量不考虑空间相邻和跨境度量因素，为自由流动状态下的城市间交流流量，计算公式为：
l o g   L i j = K + a G D P i × G D P j + β P o p i × P o p j + γ D i s t i j + δ T i j
各因子代表的含义与式（4）相同。

2 结果分析

2.1　粤港澳大湾区交通流网络结构特征

2.1.1　粤港澳大湾区网络空间结构分析

对粤港澳大湾区交通流网络进行空间可视化（图1）。粤港澳大湾区交通流网络具有显著的特征：1）交通流等级差异明显，呈现“双核心―边缘”结构。交通流密集区域聚集在珠江口东线，形成“广佛”“深莞惠”2个交通紧密联系组团，组团内部交通联系频繁，形成大湾区交通流的核心，其他城市位于交通流网络的边缘，并与邻近城市构建交通流联系，外围县区之间交通联系较为薄弱，甚至出现断连现象。香港、澳门在整体网络中位于边缘区域，交通重要性不高。2）客流网络整体覆盖范围、联系强度均高于货流网络。大湾区客流交通网络密度均高于0.9，除澳门、香港和端州区等与外围少部分县区之间缺乏交通往来联系外，近乎实现全域互联。而货流交通网络密度均低于0.9，10%以上的县区间尚未连通。大湾区交通流网络平均边权均高于1 300，其中客流平均边权高于1 000，货流则低于400，表明大湾区交通流网络中客运具有更重要的地位。3）高速公路客流、货流均以中短程流动为主，表现为车流量数值较大的连边多分布在邻近县区之间。如地市内部——广州市中心区与番禺区、深圳市宝安区与龙岗区之间，单程车流量均高于80 000；相邻地市——广州市白云区与佛山市南海区，单程车流量均高于60 000。反之，远距离县区之间车流相对稀疏，如江门恩平市―惠州龙门县、珠海金湾区―惠州惠东区日均车流量仅1辆。
基于时间维度对比2021和2023年粤港澳大湾区交通流网络动态变化特征，整体上看，疫情后大湾区交通流流动范围扩大，网络内部连接紧密度提升。基于网络密度计量结果（表1），与2021年相比，2023年大湾区交通流网络密度整体提升约3个百分点；客流流动范围明显扩大，网络密度提升近5个百分点。大湾区交通流网络的平均聚类系数也较大提升，其中客流网络的平均聚类系数增加约5%，显著影响整体网络的连接紧密度。
表1 2021和2023年整体网络密度和平均聚类系数对比

Table 1 Comparison of network density and average clustering coefficient in 2021 and 2023

时间 网络密度 平均聚类系数
全类车 客流 货流 全类车 客流 货流
2021年 0.943 1 0.919 6 0.869 4 1 177.842 938.381 350.316
2023年 0.971 8 0.967 1 0.893 3 1 233.632 986.092 350.946
图1 2021和2023年粤港澳大湾区交通流网络空间结构对比

注：该图基于广东省标准地图服务网站下载的审图号为GS粤 （2023） 1032号的标准地图制作，底图无修改；图3、5同。

Fig.1 Comparisons of spatial structure of traffic flow network in the Guangdong-Hong Kong-Macao Greater Bay Area (GBA) in 2021 and 2023

从交通流网络结构差异性的动态变化看，疫情后，随着港澳门与内地之间交通恢复常态，交通流网络的连接性提升，大湾区交通流网络逐渐织密，初步形成“两岸互通、全域互联”的空间格局。交通流密集区域逐渐向珠江西岸拓展，以香洲区为核心的小型组团不断发展。2021年珠海市香洲区仅与澳门、中山南部组团等保持相对密切的交通往来，整体联系相对较散；2023年呈现以香洲区为核心，中山中心组团、金湾区和斗门区为次节点的小型交通流组团，尤其香洲区―中山中心组团之间，日均单程车流量高于9 000辆，与2021年相比增长近4倍，同时珠海―中山、珠海―江门下属县区之间交通联系增强，珠三角西线交通廊道逐渐形成，珠中江城市圈内部交通联系逐渐密切。

2.1.2　粤港澳大湾区网络节点分析

基于节点度数计量结果，相比2021年，2023年粤港澳大湾区县区交通流规模整体呈上升态势，仅30%的县区交通流规模有所下降。结合客货车度数分布箱型图（图2）可知，疫情后大湾区客流、货流集散规模均不断扩大。其中，交通流规模上升幅度最高的县区为广州市白云区，日均车辆吞吐量由约51万辆上升至58万辆，升幅近14%；客流规模扩大最为显著的是珠海市香洲区，日均车辆吞吐量由约5万辆上升至11万辆，规模扩展翻番。基于Pagerank计量结果（图3），交通重要性提升的县区主要分布在珠江口西岸，如中山中心组团和香洲区等；香港和澳门在大湾区的交通优势地位不显著，2023年Pagerank值提升至0.005以上，重要程度仍处于较弱等级。
图2 粤港澳大湾区交通流网络点度数分布（a. 客车；b. 货车）

Fig.2 Degree distribution of traffic flow network in the Guangdong-Hong Kong-Macao Greater Bay Area (a. passenger vehicles; b. freight vehicles)

图3 2021和2023年粤港澳大湾区各县区交通重要性变化

Fig.3 Changes of county's traffic importance in the Guangdong-Hong Kong-Macao Greater Bay Area (GBA) in 2021 and 2023

2.2　港澳交通流网络空间结构特征

以香港、澳门为出发点和到达点，单独提取港澳交通流网络（图4）。全类车流网络上看，与2021年相比，2023年交通流网络结构差异显著。香港、澳门与内地县区间联系路径更为广泛，由香港―深圳、澳门―珠海之间的邻近联系，逐渐向香港―广州、澳门―中山之间层级拓展。香港的车流开始跨越珠江口向西北方向延伸，连接起中山各个组团、广州市番禺区和佛山市南海区等。此外，香港向珠江口东西两侧，香港与深圳中心区（2 000辆），香港与珠海中心区（2 800辆）连边权重相近，表明珠江口对香港车辆的距离阻碍逐渐变小，以往“深港―珠澳”单边互通的局面有所改变，粤港澳交通融合发展不断加速。值得关注的是，除广州、深圳和东莞等区域经济发达、人口密集的核心城市外，港澳与外围城市之间交通联系仍相对薄弱，尤其与肇庆和惠州等下属县区日均车流均低于2辆。从客流与货流网络对比看，2023年客流网络在港澳两岸互通、港澳向心（广州市）联系方面，结构变化较货流网络更为显著；货流网络变化较小，相比2021年，2023年香港货运路径从深圳市逐渐向东莞市、珠海市蔓延。
图4 2021和2023年港澳交通流网络空间结构对比

Fig.4 Comparisons of spatial structure of traffic flow network in 2021 and 2023 (Starting and ending in Hong Kong and Macao)

2.3　粤港澳大湾区交通流的边界效应

将各县区间的交通流量代入式（3），利用SPSS进行回归计算，得到各因子系数计算结果（表2）。总体而言，无论客车、货车还是全类型车的结果均表明，城市常住人口和空间邻近系数均呈现正值，表明城市常住人口的数量和城市间是否邻近会显著促进城市间的交通流量，常住人口越多，城市邻近，城市间的交通流量越大。城市间空间距离、时间距离和跨境度量指标的系数均呈现负值，表明无论空间还是时间距离对城市间的交通流量产生负向效应，同时内地与港澳地区的跨境因素也是内地和港澳交通互动的重要障碍。GDP的系数均呈现负值，但除2021年货车的回归结果显著外，其他类型和年份均不显著。从空间邻近和跨境度量的2个指数看，跨境度量的系数无论车辆类型还是年份，均大于空间邻接的系数，表明港澳与内地的边界效应高于地理空间邻近的效应，差异化制度带来的影响更大。
表2 因子系数计算结果

Table 2 Calculation results of factor coefficients

计算因子 2021年 2023年
客车 货车 全类型车 客车 货车 全类型车
K（常量） 6.781（0） 7.439（0） 7.88 （0） 7.761（0） 6.839（0） 8.112（0）
α（GDP/亿元） -0.705 4（0.04） -2.116 0（0） -0.975 5（0.007） -0.582 4（0.02） -0.759 7（0.004） -0.556 1（0.025）
β（常住人口/百万） 0.148 6（0） 0.184 6（0） 0.167 5（0） 0.154 5（0） 0.156 4（0） 0.155 3（0）
γ（空间距离/km） -0.022 0（0） -0.019 0（0） -0.019 0（0） -0.019 0（0） -0.023 0（0） -0.020 0（0）
δ（时间距离/h） -0.006 0（0.925） -0.072 0（0.3） -0.063 0（0.357） -0.073 0（0.216） 0.032 0（0.602） -0.036 0（0.53）
ε（空间邻接） 1.103 0（0） 1.205 0（0） 1.153 0（0） 1.145 0（0） 1.050 0（0） 1.112 0（0）
τ（跨境度量） -3.051 0（0） -4.489 0（0） -3.727 0（0） -2.754 0（0） -2.400 0（0） -2.569 0（0）
F（自由度） 459.743 428.938 419.646 518.772 517.539 543.025
P（显著性） 0 0 0 0 0 0
R 2 0.691 0.673 0.667 0.711 0.713 0.72

注：括号内为P显著性。

将各因子计算结果代入式（4），计算不同车辆类型和年份的理论联系流量，并进一步计算内地、香港、澳门间的阻碍系数（表3）。从计算结果看，首先，香港和内地、澳门和内地间的阻碍系数都高于内地各县区间的阻碍系数，以2023年全类型车辆为例，香港与内地、澳门与内地间的交通阻碍系数分别为37.17和33.97，是内地间交通阻碍系数的4.36和3.99倍，显著高于内地自由流动的交通网络。从车辆的类型看，客车的阻碍系数普遍低于货车的阻碍系数，香港和内地间客车占货车的阻碍系数分别为9.1%和22.5%，澳门和内地间客车占货车的阻碍系数分别为200.1%和4.9%，内地间客车占货车的阻碍系数分别为32.3%和9.2%，这可能与货车运输以中短途为主，以及港澳与内地间货车通关的管制更加严格有关。2021年澳门与内地的客车阻碍系数高于货车的阻碍系数，可能与2021年9月珠海的疫情加剧有关，除保留必要的供澳生活物资货车跨境交通外，客车跨境基本停滞。
表3 内地和港澳间交通流阻碍系数

Table 3 The traffic congestion coefficient between Hong Kong, Macao and China's Mainland

地区间联系 2021年 2023年
客车 货车 全类型车 客车 货车 全类型车
全网络 17.94 36.01 34.10 3.20 32.73 10.54
香港―内地 29.82 326.35 116.09 17.70 78.67 37.17
澳门―内地 360.57 176.41 225.27 9.20 188.25 33.97
内地―内地 6.55 20.31 23.88 2.36 25.57 8.52
从阻碍系数的变化看，疫情后，全网络的阻碍系数都呈现显著下降趋势，全网络客车、货车和全类型车的阻碍系数分别下降82.16%、9.11%和69.09%。澳门与内地交通阻碍系数下降最大，下降超过84.92%，其次为香港与内地间阻碍系数，下降67.98%，内地间的阻碍系数也有下降，下降64.32%。澳门和内地跨境客车阻碍系数下降最大，从360.57下降到9.20，下降了97.45%，其次为香港和内地的跨境货车阻碍系数，从326.35下降到78.67，下降了75.89%。阻碍系数变化的首要原因是疫情后交通通行政策的变化，2021年，无论港澳和内地还是内地间的交通通行都受到受疫情影响，港澳和内地之间除了供港澳物资的货车，以及港澳间固定的客车班次外，其他类型的交通通行量显著减少。港澳和内地跨境交通政策的优化，2023年香港与深圳、澳门与珠海，以及连接香港和珠江口西岸以及澳门的港珠澳大桥口岸恢复通关，港澳与内地的跨境交通逐步恢复，并且“澳车北上”“港车北上”等政策在2023年陆续落地实施，有力促进香港和澳门私家车跨境的交通量，政策管制的减少削弱边界效应的限制作用，呈现积极的效果。

3 讨论

差异化的制度及其带来的跨境管制要求是粤港澳大湾区交通流边界效应产生的根本因素。由于历史的原因，港澳地区与内地存在制度差异，港澳回归后，港澳和内地在产业、劳动力、科技创新、文化、商贸等领域逐步走向融合发展，产生旺盛的跨境交通需求，推动跨境交通持续发展。但港澳和内地依然存在制度差异，为了保持不同制度的顺利运行，由此带来法律、金融、货币、交通等各方面的政策差异，目前粤港澳大湾区中粤港、粤澳之间存在固定的海关边界，并制定了车辆跨境通关的管制政策，港澳和内地的跨境车辆依然受交通配额、保险等多种因素影响，成为区域交通一体化的阻碍。特别是港珠澳大桥的建设成为促进跨境交通和要素流动的重要基础设施，但其作用效果受海关通行管制、交通配额、车辆保险等多重因素影响，因此其日均通车量相对于其北侧的虎门大桥和南沙大桥显著减少，对粤-港-澳三地呈现不同的空间效应。持续推进粤港澳大湾区深度一体化发展，制定更加灵活便捷的政策框架，逐步减少差异化的制度带来的跨境管制限制，是未来实现粤港澳大湾区从“硬联通”到“软联通”跨越、提升跨境交通基础设施、促进跨境人流物流以及实现交通网络互联互通的重要途径。
粤港澳大湾区交通流边界效应呈现动态化过程。在港澳回归前，社会制度的差异对大湾区跨境交通流产生重大阻碍，交通流边界效应显著。随着港澳的回归，港澳与内地产业协作和经济社会一体化发展的推进，港澳与内地经贸逐步加速，由此带来跨境交通逐步增加，经济发展和产业协作成为大湾区去边界化的重要推动力。2003年随着《内地与香港关于建立更紧密经贸关系的安排》《内地与澳门关于建立更紧密经贸关系的安排》等服务贸易协议的签署，在贸易投资便利化、内地居民赴港澳自由行给予政策支持，对港澳旅游业、营商环境注入活力，跨境交通流量呈现高速增长态势，大湾区一体化政策因素成为该时期去边界化的重要因素，边界对跨境交通的影响在逐渐减弱，交通流边界效应降低。但随着内地自由行人数不断增加，短期内对香港本地居民的生活产生一定影响，关于自由行的讨论不断增加，港澳和内地在相互认知上产生一定差异，特别是2019年香港“修例风波”的发生，严重影响了跨境的交通运输和人口流动，该阶段通关政策边界对交通的阻隔作用明显，边界效应开始增强。新冠疫情期间，为了控制疫情传播，内地和港澳制定了差异化的疫情防控措施，港珠澳大桥口岸甚至长时间关闭，这些都对跨境交通和人口流动造成较大影响，致使边界效应进一步加强。而随着疫情后口岸的重新开放，特别是2023年“港车北上”和“澳车北上”政策的实施，港澳与内地跨境车辆实现大幅增长，边界效应显著降低。总体而言，港澳和内地跨境交通流的边界效应是动态的，所呈现的边界化、去边界化和再边界化是不断变化的过程，边界化和去边界化都会对跨境交通产生一定的正向和负向影响，并影响跨境交通流的增长和减少。未来应进一步探索“北车南下”、简化跨境通关流程、制定统一的车辆保险等政策，促进跨境交通流，进一步减低交通流边界效应。

4 结论

本文基于粤港澳大湾区高速公路收费大数据和港澳跨境交通数据构建粤港到大湾区交通流网络，采用复杂网络和边界效应度量方法，分析粤港澳大湾区交通流网络结构的动态变化特征，并定量化测度粤港澳大湾区的边界效应，主要结论如下：
1）粤港澳大湾区交通流密集区域聚集在珠江口东线，形成“广佛”“深莞惠”2个大型城市组团，其他县区与邻近组团联系构成独特的“双核心―边缘”结构。客流网络整体覆盖范围、联系强度均高于货流网络，客运具有更重要的地位。从时间维度看，疫情后，大湾区交通流网络的交通覆盖度和紧密度都有较大提升，形成“两岸互通、全域互联”的空间格局。
2）疫情后，香港的车流开始跨越珠江口向西北方向延伸，以往深港、珠澳单边互通的局面有所改变，粤港澳交通融合发展不断加速，但整体上香港和澳门在整体网络的重要性依然较弱。
3）受边界效应影响，香港和内地、澳门和内地间的阻碍系数高于内地各县区间的阻碍系数，客车的阻碍系数普遍低于货车的阻碍系数。疫情后，全网络的阻碍系数呈现动态下降趋势，边界效应的限制作用降低。
囿于数据可得性，本研究仅选取高速公路交通车辆2021和2023年的截面数据，在一定程度上忽略了边界效应可能存在的多年份动态变化特性。同时由于港澳车辆通关数据无法统计港澳车辆实际出行目的地，采用邻近港澳高速公路收费站的港澳车牌数据代替港澳车辆在内地的行驶路径，对结果产生一定影响。受限于篇幅，本文未定量讨论大湾区交通流网络特征和边界效应的影响因素和影响机制，这将成为后续开展的主要工作。

1 https://research.hktdc.com/sc/article/MzYzMDE5NzQ5

2 https://news.cctv.com/2023/07/01/ARTItHG8vG1p48lGxXw46Lxk230701.shtml

3 香港统计数据来源：香港统计年刊. https://www.censtatd.gov.hk/sc/EIndexbySubject.html？scode=460&pcode=B1010003

4 澳门统计数据来源：澳门统计年鉴. https://www.dsec.gov.mo/zh-CN/Home/Publication/YearbookOfStatistics

感谢两位审稿专家对论文提出的修改意见以进一步提升论文学术性。感谢李苑君博士协助制图，感谢杨昀昊、李苑庭协助数据分析，感谢陈嘉璇协助收集整理数据。参考文献（References）：

References

Publishing order | Descend order by publishing year | Descend order by cited within
澳门海关. 2024. 陆路口岸跨境汽车流量. [2024-04-21]. https://www.customs.gov.mo/gb/statistics.html.

Macao Customs Service. 2024. Cross-Border Vehicle Flow at Land Ports. [2024-04-21]. https://www.customs.gov.mo/gb/statistics.html.

Batty M. 2013. The New Sciences of Cities. Canbridge: The MIT Press.

拔芊，何丹，康译之. 2023. 长三角集装箱港口直接腹地与间接腹地的识别与演化. 地理学报，78（10）：2520-2534.

Ba Qian, He Dan, and Kang Yizhi. 2023. Local Hinterland and Distant Hinterland: Evidence from Container Ports Regionalization in Yangtze River Delta. Acta Geographica Sinica, 78(10): 2520-2534.

Chen Z and Jiang H. 2020. Impacts of High-Speed Rail on Domestic Air Cargo Traffic in China. Transportation Research Part A: Policy and Practice, 142: 1-13.

陈卓，金凤君，杨宇，王伟. 2018. 高速公路流的距离衰减模式与空间分异特征：基于福建省高速公路收费站数据的实证研究. 地理科学进展，37（8）：1086-1095.

Chen Zhuo, Jin Fengjun, Yang Yu, and Wang Wei. 2018. Distance-Decay Pattern and Spatial Differentiation of Expressway Flow: An Empirical Study Using Data of Expressway Toll Station in Fujian Province. Progress in Geography, 37(8): 1086-1095.

Chen N. 2004. Intra-National Versus International Trade in the European Union: Why do National Borders Matter? Journal of International Economics, 63(1): 93-118.

戴继锋，李萌，宋明珠，刘行. 2023. 基于通勤交通流的粤港澳大湾区城市边界效应研究. 城市交通，21（3）：1-8.

Dai Jifeng, Li Meng, Song Mingzhu, and Liu Xing. 2023. Border Effect in the Guangdong-Hong Kong-Macao Greater Bay Area Based on Commuting Flow. Urban Transport in China, 21(3): 1-8.

封志明，游世情，游珍. 2023. 基于交通大数据网络的中国城市群空间识别和结构特征研究. 地理研究，42（7）：1729-1742.

Feng Zhiming, You Shiqing, and You Zhen. 2023. Spatial Identification and Structural Characteristics of Chinese Urban Agglomerations Based on Traffic Big Data Network. Geographical Research, 42(7): 1729-1742.

广东省统计局. 2023. 广东省统计年鉴2022. 北京：中国统计出版社.

Statistics Bureau of Guangdong Province. 2023. Guangdong Statistical Yearbook-2022. Beijing: China Statistics Press.

Guo Y, Cao L, Song Y, Wang Y, and Li Y. 2022. Understanding the Formation of City-HSR Network: A Case Study of Yangtze River Delta, China. Transport Policy, 116: 315-326.

黄洁，王姣娥，靳海涛，金凤君. 2018. 北京市地铁客流的时空分布格局及特征——基于智能交通卡数据. 地理科学进展，37（3）：397-406.

Huang Jie, Wang Jiao'e, Jin Haitao, and Jin Fengjun. 2018. Investigating Spatiotemporal Patterns of Passenger Flows in the Beijing Metro System from Smart Card Data. Progress in Geography, 37(3): 397-406.

黄洁，熊美成，王姣娥，高阳，李永玲. 2024. 多情景模拟下的跨境铁路运输时效研究——以中老铁路为例. 地理科学，44(1)：91-98.

Huang Jie, Xiong Meicheng, Wang Jiao'e, Gao Yang, and Li Yongling. 2024. Temporal Efficiency of Cross-Border Railways with Multiple Simulation Scenarios: A Case Study of the China-Laos Railway. Scientia Geographica Sinica, 44(1): 91-98.

郝柘淞，彭莹，杨家文. 2023. 跨体制交通基础设施规划：港珠澳大桥规划困境与制度协调. 地理科学，43（9）：1516-1526.

Hao Zhesong, Peng Ying, and Yang Jiawen. 2023. Cross-System Planning of Transport Infrastructure: The Case of Planning Dilemma and Institutional Coordination of Hong Kong-Zhuhai-Macao Bridge. Scientia Geographica Sinica, 43(9): 1516-1526.

贺三维，张臻，祁子良，王海军，董致麟. 2023. 基于交通流和辐射模型的城市群网络结构及驱动因素分析——以长江中游城市群为例. 地理科学，43（11）：1900-1910.

He Sanwei, Zhang Zhen, Qi Ziliang, Wang Haijun, and Tung Chih-Lin. 2023. The Network Structure and Driving Factors of Urban Competitiveness Based on Traffic Flow and Radiation Model: A Case Study of the Urban Agglomeration in the Middle Reaches of the Yangtze River, China. Scientia Geographica Sinica, 43(11): 1900-1910.

Helliwell J F. 1997. National Borders, Trade and Migration. Pacific Economic Review, 2(3): 165-185.

柯文前，陈伟，杨青. 2018. 基于高速公路流的区域城市网络空间组织模式——以江苏省为例.地理研究，37（9）：1832-1847.

Ke Wenqian, Chen Wei, and Yang Qing. 2018. Uncovering Spatial Organization Patterns of Regional City Networks from Expressway Traffic Flow Data: A Case Study of Jiangsu Province, China. Geographical Research, 37(9): 1832-1847.

李苑君，吴旗韬，金双泉，方顺，杨丁楠，梁木新. 2023. 基于联网收费大数据的广东省高速公路交通流时空格局与形成机理. 地理科学进展，42（11）：2113-2125.

Li Yuanjun, Wu Qitiao, Jin Shuangquan, Fang Shun, Yang Dingnan, and Liang Muxin. 2023. Spatio-Temporal Pattern and Formation Mechanism of Expressway Traffic Flows in Guangdong Province Based on the Online Toll Collection Data. Progress in Geography, 42(11): 2113-2125.

廖创场，李晓明，洪武扬，郭仁忠. 2023. 交通流空间视角下粤港澳大湾区网络结构多维测度. 地理研究，42（2）：550-562.

Liao Chuangchang, Li Xiaoming, Hong Wuyang, and Guo Renzhong. 2023. Multi-Dimensional Measurement of Network Structure of Guangdong-Hong Kong-Macao Greater Bay Area from the Perspective of Traffic Flows Space. Geographical Research, 42(2): 550-562.

罗彦，邱凯付，刘菁. 2023. 多尺度流空间视角下的粤港澳大湾区跨界实践与研究. 国际城市规划，38（5）：40-46.

Luo Yan, Qiu Kaifu, and Liu Jing. 2023. Cross-Border Practice and Research on the Guangdong-Hong Kong-Macao Greater Bay Area from the Perspective of a Multi-Scale Space of Flows. Urban Planning International, 38(5): 40-46.

李苑君，吴旗韬，张玉玲，张虹鸥，方顺，金双泉. 2021. “流空间”视角下高速公路交通流网络结构特征及其形成机制——以广东省为例. 地理研究，40（8）：2204-2219.

Li Yuanjun, Wu Qitao, Zhang Yuling, Zhang Hong'ou, Fang Shun, and Jin Shuangquan. 2021. Spatial Structure and Formation Mechanism of Expressway Traffic Flow Network Based on Space of Flows: A Case Study of Guangdong Province. Geographical Research, 40(8): 2204-2219.

廖开怀，符蓝，Breitung Werner，蔡云楠，谭肖红. 2021. 边界融合理论视角下的同城化研究——以广佛为例. 城市发展研究，28（7）：115-123.

Liao Kaihuai, Fu Lan, Breitung Werner, Cai Yunnan, and Tan Xiaohong. 2021. The Integration of Neighbouring Cities Based on a Border Theory: The Case of Guangzhou and Foshan. Urban Development Studies, 28(7): 115-123.

李艳，孙阳，姚士谋. 2020.一国两制背景下跨境口岸与中国全球城市区域空间联系——以粤港澳大湾区为例. 地理研究，39（9）：2109-2129.

Li Yan, Sun Yang, and Yao Shimou. 2020. Cross-Border Ports and the Spatial Linkages of China′s Global City Regions in the Context of "One Country,Two Systems": Taking the Guangdong-Hong Kong-Macao Greater Bay Area as an Example. Geographical Research, 39(9): 2109-2129.

刘毅，王云，杨宇，马丽. 2019. 粤港澳大湾区区域一体化及其互动关系. 地理学报，74（12）：2455-2466.

Liu Yi, Wang Yun, Yang Yu, and Ma Li. 2019. Regional Integration and Interaction of the Guangdong-Hong Kong-Macao Greater Bay Area. Acta Geographica Sinica, 74(12): 2455-2466.

李郇，徐现祥. 2006. 边界效应的测定方法及其在长江三角洲的应用. 地理研究，25（5）：792-802.

Li Xun and Xu Xianxiang. 2006. On the Tempo-Spatial Variations of the Border Effects: Approach and Empirics. Geographical Research, 25(5): 792-802.

李铁立，姜怀宇. 2005. 次区域经济合作机制研究：一个边界效应的分析框架. 东北亚论坛，（3）：90-94.

Li Teili and Jiang Huaiyu. 2005. The Research on Mechanism of Sub-Regional Economic Cooperation: An Analyzing Framework from the View of Border Affect. Northeast Asia Forum, 14(3): 90-94.

McCallum J. 1995. National Borders Matter: Canada-U.S. Regional Trade Patterns. The American Economic Review, 85(3): 615-623.

Newman D. 2003. On Borders and Power: A Theoretical Framework. Journal of Borderlands Studies, 18(1): 13-25.

孙颖琦，张子龙，陈兴鹏，张慧. 2024. 多源数据视角下黄河流域城市体系的规模等级与网络结构分析. 地理科学，44（2）：268-277.

Sun Yingqi, Zhang Zilong, Chen Xingpeng, and Zhang Hui. 2024. Size-Hierarchy and Network Structure Analysis of Urban System in the Yellow River Basin Using Multi-Source Data. Scientia Geographica Sinica, 44(2): 268-277.

Wu Q T, Fan J, Zhang H G, and Ye Y Y. 2017. The Spatial Impacts Model of Trans-Strait Fixed Links: A Case Study of the Pearl River Delta, China. Journal of Transport Geography, 63: 30-39.

王成龙，刘慧，张梦天. 2016. 边界效应研究进展及展望. 地理科学进展，35（9）：1109-1118.

Wang Chenglong, Liu Hui, and Zhang Mengtian. 2016. Progress and Prospects of Border Effect Research. Progress in Geography, 35(9): 1109-1118.

王海江，朱佳鸿，张硕，姜陆毅，苗长虹，苏景轩. 2023. 公路客流视域下中国城市网络的空间集聚、层级体系与演化模式. 地理研究，42（1）：53-68.

Wang Haijiang, Zhu Jiahong, Zhang Shuo, Jiang Luyi, Miao Changhong, and Su Jingxuan. 2023. Spatial Agglomeration,Hierarchical System and Evolution Model of China's City Network Based on the Perspective of Highway Passenger Flows. Geographical Research, 42(1): 53-68.

王姣娥，杜德林，金凤君. 2019. 多元交通流视角下的空间级联系统比较与地理空间约束. 地理学报，74（12）：2482-2494.

Wang Jiao'e, Du Delin, and Jin Fengjun. 2019. Comparison of Spatial Structure and Linkage Systems and Geographic Constraints: A Perspective of Multiple Traffic Flows. Acta Geographica Sinica, 74(12): 2482-2494.

王海江，苗长虹. 2015. 中国中心城市铁路客运的空间联系及其结构图谱. 地理研究，34（1）：157-168.

Wang Haijiang and Miao Changhong. 2015. Railway Passenger Transport Spatial Contacts and Their Structure Tupu (Array) of Central Cities in China. Geographical Research, 34(1): 157-168.

香港特别行政区政府运输署. 2024. 交通运输资料月报. [2024-01-11]. https://www.td.gov.hk/sc/transport_in_hong_kong/transport_figures/monthly_traffic_and_transport_digest/index.html.

The Government of Hong Kong Special Administrative Rergion Transport Department. 2024. Monthly Traffic and Transport Digest. [2024-01-11]. https://www.td.gov.hk/en/transport_in_hong_kong/transport_figures/monthly_traffic_and_transport_digest/index.html.

Yang X B, Yue X F, Sun H J, Gao Z Y, and Wang W C. 2021. Impact of Weather on Freeway Origin-Destination Volume in China. Transportation Research Part A: Policy and Practice, 143: 30-47.

Yang H R, Dobruszkes F, Wang J E, Dijst M, and Wittea P. 2018. Comparing China's Urban Systems in High-Speed Railway and Airline Networks. Journal of Transport Geography, 68: 233-244.

Zhen F, Qin X, Ye X Y, Sun H H, and Luosang Z X. 2019. Analyzing Urban Development Patterns Based on the Flow Analysis Method. Cities, 86: 178-197.

张虹鸥，王洋，叶玉瑶，金利霞，黄耿志. 2018. 粤港澳区域联动发展的关键科学问题与重点议题. 地理科学进展，37（12）：1587-1596.

Zhang Hong'ou, Wang Yang, Ye Yuyao, Jin Lixia, and Huang Gengzhi. 2018. Key Scientific Issues and Important Topics in the Joint Development of the Guangdong-Hong Kong-Macao Region. Progress in Geography, 37(12): 1587-1596.

Options
Outlines

/

〈 〉