2. 北京师范大学 地理学与遥感科学学院, 北京 100875
2. School of Geography, Beijing Normal University, Beijing 100875, China
交通是影响区域经济发展的重要因素,对经济增长有显著促进作用[1, 2]。高速铁路(以下简称高铁)作为一种重要的交通工具,首先通过改善区域交通运输条件、提高区域可达性等进而直接改变城市区位[3];其次,高铁通过影响区域或城市间劳动力、资本等要素的流动与分布,进而间接作用于区域经济发展[4]。
首先,高铁影响城市或区域的可达性。国外学者多采用加权平均旅行时间、日常可达性和经济潜力等指标来度量高铁对可达性的影响[5, 6]。研究表明,高铁对大多数区域交通可达性的提升主要体现在两个方面,一方面高铁交通网络本身的完善节省了出行时间,使得居民出行的便捷性得到提升;另一方,高铁的修建促进了与高铁网络相连接的其他交通网络(公路、航空、地铁等)的发展,促进区域交通的一体化[7]。Gutiérrez的研究发现,高铁不仅带来了旅客时间的节省,同时促进了城市之间空间的收敛,改变城市的可达性[8]。Zheng和Kahn认为高铁促进城市间时间的节约和可移动性的提升,一方面促进劳动力等人力资本在空间的快速流动,降低经济主体面对面交流的成本,同时增强了城市之间的空间相互作用,促进了城市间经济的整合[9]。随着高铁服务系统及高铁交通网络在全国的扩展,原有铁路的货运能力将得到较大的提升与释放,这对于扩大生产要素和商品在更大区域之间的流动及联系起到了极大地推动作用,有利于区域经济一体化发展[10]。
其次,高铁影响市场的可达性及市场发展潜力,改变区域发展机会,进而影响城市产业发展[11]。高铁带来区域间要素及资源的流动,但要素和资源的流动对区域经济发展存在正负两方面效应,设有高铁站的城市更有利于要素的流动,尤其是市场规模较大、服务业相对发达的大城市,而没有设站城市则会因为远离经济市场而被边缘化[12],因此相比不设站点的城市,区域内设置了高铁站点的城市会获益更多[13]。例如,Hirota对日本新干线的研究表明,设新干线站点的城市的建筑业、工业、批发业和零售业增长率相比于没有设新干线站点城市的增长率高出16%—34%[14]。
高铁对不同行业发展的影响存在差异,经济属性的差异影响各行业对高铁的使用程度。Givoni等研究表明,高铁将最大程度满足生产者服务业和旅游业的发展[15]。Bonnafous分析了法国高铁(TGV)对罗讷—阿尔卑斯大区服务性企业的影响发现,高铁带来的时间和空间压缩效应一方面使得该地区的服务性企业面临更大的竞争,但时间的节省及距离的缩减也促使该地区企业更好地融入巴黎等较大的市场,部分企业在激烈的竞争中顺势调整自己的战略而发展壮大[16]。Chen和Peter对比分析高铁对曼彻斯特(Manchester)和里尔(Lille)经济的发展影响发现,高铁提升传统工业区和核心城市之间联系强度,这一方面发挥了核心城市的创新带动作用,推动工业区的经济发展转型,同时促进地区经济朝着知识经济主导的方向发展转型[17]。
随着我国高铁的快速发展,城市与区域间的可达性得到较大提升,为城市及区域发展提供了机遇与挑战。部分设高铁站的城市开始将本城市的发展战略与高铁发展深度融合,希望借助高铁发展挖掘本地区的发展优势;同时,一些企业调整自己的区位及空间发展格局,推进自身成本的节约与市场的扩大。国内学者对高铁如何影响产业发展的研究相对较弱,已有研究多限于定性分析高铁对旅游业等第三产业空间格局的影响。如,殷平建立了高速铁路与区域旅游空间重构的理论框架,分析郑西高铁沿线的区域旅游业空间格局的重构[18]。胡静等分析武广等高铁对湖北省旅游业的影响发现,湖北省旅游产业因为高铁得到显著的集聚,其中对商业服务业、住宿餐饮业的影响程度最大[19]。
国内分析多侧重于定性探讨高铁对旅游业等第三产业空间格局的影响,如何构建模型定量分析高铁对产业及产业结构的影响对于理解高铁的作用具有较强的理论与现实意义。张萌萌和孟晓晨从高铁影响城市市场潜力角度来刻画高铁对城市发展及空间格局的影响[20],而本文在此基础上,进一步分析高铁对中国城市产业结构的影响,是对已有研究的进一步深化和补充。
2 模型改进与数据说明 2.1 市场潜力模型改进市场潜力是对城市接近市场可能性的度量。传统经济地理学的市场潜力模型借用物理学中牛顿的万有引力原理得到的空间相互作用模型,假定两个城市相互作用的潜力与这两个城市的经济实力成正比,与二者的距离成反比,并将其中的距离用通行时间或货物运输成本来替代,使其具有经济含义。市场潜力模型是Harris (1954) 研究美国产业区位时提出[21],其基本公式如下:
$P = \sum {\frac{M}{d}} $ | (1) |
其中,P代表该区域的市场潜力,M代表其他区域的社会零售品总额,用以衡量市场的大小,d是综合了公路、铁路、水运的货物运输成本。
结合研究问题对Harris的市场潜力模型进行改进。一是依据新经济地理学从正式的空间模型推导出来的市场潜力模型,用工商企业的就业数据替代社会零售品总额。二是现有关于铁路通达程度的研究都忽略了发车频次这一变量;课题组在实地调研中发现,列车发车频次对城市间联系方便程度影响很大,为了全面反映这一变量的影响,将频次变量考虑在内。此外,由于本文是基于高铁客运市场潜力,用城市间列车运行的平均时间来衡量时间成本。旅行时间与发车频次两个变量组成的距离函数替代Harris模型中的运输成本。三是现有关于市场潜力的研究为了简化将收入、运输成本与潜力之间的弹性关系假定为1,本文利用实际铁路客流数据拟合得到收入、时间及频次的影响参数,能更准确反映实际情况,具体拟合方法见2.3节。根据以上设定,对市场潜力模型进行如下改进:
$MP = \sum\limits_{j = 1}^{n - 1} {Employment_j^\alpha T_{ij}^\beta N_{ij}^\gamma } $ | (2) |
MPi为i城市的市场潜力,即产业规模大小;Employmentαj为j (目的地城市)城市的行业就业人口;Tij为基于普铁或高铁的i城市到j城市的时间;Nij为基于普铁和高铁 i、j两个城市之间的发车频次;为了更准确地分析高铁对产业的影响,本文采用2012年城市之间的实际发车频次、实际客流数据和城市总就业数据对参数α、β、γ进行拟合。
2.2 研究数据说明 2.2.1 产业及数据筛选标准本文研究的基本单位为地级市尺度,四个直辖市视为地级市尺度。工商企业的就业数据替代社会零售品总额的分析数据主要采用2010年《全国工商企业注册数据库》数据①,该数据库主要包括了企业名称、地址等属性数据,企业注册资金、职工规模等注册规模数据,企业代码、行业属性等行业代码数据,数据涵盖全国31个省、自治区和直辖市,注册企业数据总量共接近1500万条。
根据市场潜力模型原理,随着一个城市某行业规模附加值增加,对另一个城市有投入产出关系的行业存在一种购买。因此对行业的选取需要同时满足两个条件:一是不同行业之间需要有投入产出关系;二是具有投入产出关系的行业需要在空间上的联系。根据以上标准,本文从以下两个方面进行数据筛选:
首先,对于行业间是否存在中间品投入产出关系(不考虑最终消费品的投入产出关系),本文认为行业间中间品投入产出关系的完全消耗系数不能低于全国平均的完全消耗系数,如果低于全国平均,说明行业之间的联系较为微弱。通过《中国投入产出表 2007》计算得到全国各行业平均完全消耗系数为0.04,为此选取各行业完全消耗系数大于0.04的部门。
其次,对于行业间投入产出关系是否存在空间上的联系,本文依据城市地理学中城市基本经济部门和非基本经济部门的二分法原理,认为城市基本经济活动属于对外联系部门,非基本经济活动则不产生空间联系,保留属于城市基本经济活动的企业数据。采用以上归并方法,选出既存在行业间中间品投入产出关系大于0.04又是城市基本经济活动部门的企业数据,然后以城市为单位进行合并归总,得到2012年268个开通铁路的城市的制造业、交通运输—仓储业—邮政业(下文简称交通邮政业)、信息技术服务业、批发零售业、住宿餐饮业、金融业、租赁商服业和科研服务业等八个行业的就业数据。
再次,由于2010年《全国工商企业注册数据库》存在企业注册地和实际生产地分离的现象,例如企业在某个城市注册但实际生产却发生在其它城市。对于这类数据处理,Graham (2010) 认为采用一定企业规模标准,对大于该标准的企业进行删除[22]。本文借鉴此思路,找出全国范围内八个行业实际注册地和生产地区位一致的最大就业规模企业,即企业的注册地和生产地都在一个城市,不会在其他城市生产或者开设分支机构。如果该行业其他企业的就业规模大于这个企业规模,就予以删除,不再进行考虑,得到最终268个城市八个产业的就业数据。
2.2.2 其他数据铁路数据(包括城市间平均旅行时间和发车频次)由《全国铁路旅客列车时刻表 2012.07》统计得到。根据高速铁路的定义[20],G、D、C字头的旅客列车被划定为高速铁路列车;Z、T、L、Y、K字头和数字编号的旅客列车被划定为普通铁路列车。截止到2012年7月(表 1)中国已经开通1640次高速旅客列车,占所有旅客列车的40%,连接109个地级及以上城市。以2012年为例,根据列车时刻表中的44663条列车运行数据,处理得到列车在城市与城市之间的运行时间数据91825条,汇总得到18654个城市对之间的平均旅行时间和频次数据(研究范围内共267*266=71022个城市对)。列车时刻表 2902个车站之间的运行数据,在判别车站所属的行政区划后,仅将位于城市市辖区内的920个车站统计在内,不包括城市所辖县及县级市范围内的车站。普通铁路市场潜力计算的客运条件仅包含普通旅客列车,高铁市场潜力计算的客运条件是在普通旅客列车的基础上叠加上高铁。
为了对α、β、γ三个参数进行拟合,采用2010年城市间的实际客流数据和常住人口数据进行拟合。首先采用2010年数据是由于2012年实际客流数据很难获得,但2010年数据结构与2012年相差不大;其次采用2010年常住人口是因为城市间的客流强度跟人口规模呈现正相关,常住人口数据来自2011年各省、自治区和直辖市统计年鉴。根据城市之间的相互作用模型[23],得到旅客客流基本函数表达式:
$Passenger{s_i} = Population1_i^{{\alpha ^o}}Population2_j^\alpha T_{ij}^\beta N_{ij}^\gamma $ | (3) |
Passengersi为i城市到j城市的客流数据,采用2010年城市对之间的实际客流数据;Population1为i (出发城市)城市常住人口数据,Population2为j (目的地城市)城市的常住人口;Tij为基于2012年普铁或高铁的i城市到j城市的时间;Nij为基于2012年普铁和高铁i、j两个城市之间的发车频次;α0、α、β、γ为几个变量的待测定参数。采用对数线性回归对参数进行拟合,拟合函数:
$\begin{array}{l} \ln \left( {Passenger{s_i}} \right) = \ln \partial + {\alpha ^0}\ln \left( {Population{1_i}} \right)\\ + \alpha \ln \left( {Population{2_j}} \right) + \beta \ln \left( {{T_{ij}}} \right) + \gamma \ln \left( {{N_{ij}}} \right) \end{array}$ | (4) |
回归的样本数量为11772个,根据公式(2) — (3),得到四个参数的拟合结果(见表 2)。
从回归的R方可以看到,模型总体的回归结果相对较好,基本能够反映城市人口规模、城市间时间、发车频次对客流强度的影响。其中出发城市的系数α0为0.676,目的地城市的系数α为0.667,时间系数β为-0.481,发车频次系数γ为0.956。最终得到计算城市各产业市场潜力的函数公式:
$M{P_{ik}} = \sum\limits_{j = 1}^{n - 1} {Employment_{jk}^{0.676}T_{ijk}^{\left( { - 0.481} \right)}N_{ijk}^{0.956}} $ | (5) |
根据公式(5) 计算得到268个城市八个产业的市场潜力值(见表 3)。2012年普铁城市各产业平均市场潜力中,制造业的平均市场潜力最大,科研服务业最小,其次分别为批发零售业、交通邮政业、租赁商服业、信息技术服务业、金融业、住宿餐饮业。2012年高铁,制造业的平均市场潜力仍最大,金融业变为最小,其次分别为批发零售业、交通邮政业、租赁商服业、信息技术服务业、科研服务业、住宿餐饮业。
为了衡量高铁建设对城市各产业市场潜力的影响大小,定义如下高铁效应:
${g_{ij}} = \frac{{M{P_{2012高铁}} - M{P_{2012普铁}}}}{{M{P_{2012普铁}}}}$ | (6) |
gij是高铁效应,是2012年基于高铁的城市各产业相对于2012年普铁城市各产业市场潜力的变化率。
由于2012年只有109个城市开通高铁,且台州、宁德、江门、珠海、中山和莆田等六个城市2012年没有普铁,高铁效应无穷大,在此不予以考虑,所以结构变化只涉及到103个城市。从城市各产业平均高铁效应来看(见表 3),信息技术服务业的高铁效应最强,市场潜力提升比重达到78.53%,其次是租赁商服业,提升比重达到74.14%,再次为制造业提升比重为72.96%,然后为科研服务业,提升比重为70.07%,前四位市场潜力增加比例都超过了70%;排名后四位的分别为交通邮政业、住宿餐饮业、批发零售业、金融业,提升比重都超过50%。总体来看,八个行业中制造业和高端服务业的高铁效应相对较大。
3.2 高铁影响下的城市各产业新就业将2012年城市各产业就业数据乘以高铁效应,得到高铁影响下的城市各产业就业的潜在增长量,然后加上最初的城市各产业就业数,得到新的城市各个产业就业人口。计算公式如下:
$C_{ij}^2 = C_{ij}^1 \times \left( {1 + {g_{ij}}} \right)$ | (7) |
Cij2表示第i个城市j产业的新的就业值;Cij1表示第i个城市j产业的初始就业值;gij表示第i个城市j产业的高铁效应。
根据以上公式,计算得到城市各个产业新的就业值(见表 4)。从表中看出,从增长量来看,制造业新增就业人数相对最大,其次为批发零售业,金融业增量最少。从增长率来看,同样,制造业总体提升最大,其次为租赁商服业,金融业总体提升最小。
关于产业发展进程中产业结构变化规律的研究,Clark指出,劳动力在一、二、三次产业中的比重,表现出由第一产业向第二产业、再由第二产业向第三产业转移的趋势[24]。为了分析产业结构的变化,本文将八个行业合并为两个产业类型,其中制造业为一个类型,其余七个产业属于服务业,得到城市制造业和服务业初始就业数、城市制造业和服务业新的就业数。然后计算城市产业结构及变化。从表 5可以看出,受到高铁影响,这103个城市制造业比重总体呈现下降趋势,服务业比重总体呈现上升趋势;其中制造业比重下降0.5%,服务业比重总体上升0.5%,表明受到高铁的影响,产业存在由制造业向服务业升级的过程。
对城市性质进行划分。根据2012年城市制造业和服务业初始就业结构比重,将城市制造业比重大于50% (支柱产业)的城市定为制造业型城市,剩余城市服务业比重都超过50%的定其为服务业型城市,分析高铁对不同性质城市产业结构的影响。从表 6来看,高铁提高了制造业型城市和服务业型城市的服务业的比重,降低了这两类城市制造业的比重。其中,制造业型城市和服务业型城市的服务业比重分别上升0.475%和0.421%,而制造业的比重分别下降0.475%和0.421%。
根据两类不同性质城市的制造业和服务业产业结构变化特征,将城市产业结构变化分四种类型,类型一:制造业型城市制造业比重上升,服务业比重下降;类型二:制造业型城市服务业比重上升,制造业比重下降;类型三:服务业型城市,制造业比重上升,服务业比重下降;类型四:服务业型城市,服务业比重上升,制造业比重下降。其中,类型一和类型四属于城市产业受到高铁影响,支柱产业进一步强化,类型二属于城市产业由制造业向服务业升级过程,类型三属于产业由服务业向制造业变化的过程。
从城市数量来看(见表 7),高铁主要促进制造业型城市产业向服务业升级的过程。具体来看,产业结构变化类型二主要为宝鸡、咸阳等59个城市,城市数量最多,类型四主要为西安、达州、郑州等23个城市,类型一主要为广州、厦门和六安等17个城市,类型三城市个数最小,主要为福州、长沙、武汉和合肥4个城市。从单个城市来看,高铁提升了大多数制造业型城市和大多数服务业型城市服务业的比重。
其次,从产业结构变化的大小来看,高铁对福州、长沙、武汉和合肥4个服务业型城市制造业的平均比重增加最大,对其服务业比重降低最大。具体来看,类型三中制造业比重增加2.48%,服务业比重下降2.48%,变化最大;其次为类型一,制造业比重上升1.03%,服务业比重下降1.03%;然后,类型四中,制造业比重下降0.93%,服务业比重上升0.93%;类型二中,制造业比重下降0.91%,服务业比重上升0.91%,高铁的影响相对最小。
3.3.3 高铁对两类城市服务业的影响特征为了进一步分析高铁如何影响制造业型城市和服务业型城市的服务业内部产业结构,将交通邮政业、批发零售业、住宿餐饮业合并称为一般服务业,将金融业、租赁商服业、科研服务业和信息技术服务业合并称为高端服务业,根据一般服务业和高端服务业的变化,进一步将3.3.2小节产业结构变化的每个大类的服务业产业结构变化划分为两个小类(四个大类共分出八个小类),分析制造业型城市与服务业型城市的服务业内部产业结构变化特征,划分小类如下:
类型一分类:A1主要为服务业比重下降以一般服务业下降为主的城市;A2为服务业比重下降以高端服务业下降为主的城市。类型二分类:B1主要为服务业比重上升以一般服务业比重上升为主的城市;B2为服务业比重上升以高端服务业比重上升为主的城市。类型三分类:C1主要为服务业比重下降以一般服务业比重下降为主的城市,C2主要为服务业比重下降以高端服务业比重下降为主的城市。类型四分类:D1为服务业比重上升以一般服务业比重上升为主的城市,D2为服务业比重上升以高端服务业比重上升为主的城市。
从表 8来看,对于类型一的17个城市中,服务业的比重下降主要以一般服务业比重下降为主,平均下降比重为0.8%,高端服务业比重下降相对较低,比重为0.3%。对于类型二,服务业比重上升以一般服务业上升为主的城市主要是无锡、襄阳等41个城市,平均上升比重为0.4%;以高端服务业上升为主的城市主要为天津、济南、青岛等18个城市,平均上升比重为1%。对于类型三的四个城市,服务业下降主要以一般服务业下降为主。对于类型四,服务业比重上升以一般服务业为主的主要是三亚、海口、成都等6个城市,以高端服务业上升为主的主要为北京、上海、南京等17个城市。综上,对于制造业型城市的产业结构升级,高铁主要提升这些城市一般服务业比重而提升整个服务业比重;对于服务业型城市产业结构的强化,高铁主要促进这些城市高端服务业比重的上升而强化服务业结构。
根据产业结构变化类型,分析其空间分布特征。其中,制造业型城市的产业结构进一步强化的城市(类型A1) 主要分布在武广高铁沿线,这些城市制造业本身较为发达,高铁修通进一步促进制造业的发展。制造业型城市产业结构中服务业得到提升的城市(类型B1和B2) 分布范围较广,主要分布在京沪、沪赣和郑西高铁线,同时可以看出这部分城市主要围绕服务业型中心城市分布,例如北京、上海、武汉等城市;由于这些中心城市本身工业基础较好,高铁修通之后,加速其服务业的外溢,促进了其周边城市产业结构的升级。
服务业型城市中制造业得到增强的城市(类型C1) 主要为武汉、长沙、合肥和福州四个省会城市,这些城市工业基础较为雄厚,加之近年来提出工业升级战略,高铁开通正好迎合了这一契机。对于服务业型城市产业得到强化的城市(类型D1和D2),主要呈现点状分布,主要为北京、上海、南京、哈尔滨等中心城市,三亚、秦皇岛、哈尔滨等旅游商贸城市,这些城市本身的产业结构以服务业为主,高铁修建进一步促进这些城市产业结构向高端服务业发展,提升了产业结构水平(见图 1)。
利用2010年《中国工商企业注册数据》数据,通过实际模拟参数修正市场潜力模型,分析103个城市八个产业的高铁效应,计算就业增长潜力进而得到城市产业新的就业,探讨高铁对城市产业结构的影响。分析得到如下结论:
(1) 总体来看,高铁提升了城市服务业的比重,降低了城市制造业的比重;制造业型城市和服务业型城市的服务业比重都得到提升,制造业比重都下降。从单个城市来看,高铁提升了大多数制造业型城市和大多数服务业型城市服务业的比重。
(2) 对于制造业型城市产业结构的升级,高铁主要促进这些城市一般服务业比重的上升;对于服务业型城市产业结构的强化,高铁主要促进这些城市高端服务业比重的提升。
(3) 高铁开通增强了中心城市的溢出效应,对分布在北京、上海和广州等中心城市周边及中心城市所在辐射线上城市的产业结构影响较大。
以上分析表明,高铁带来了我国城市市场潜力的提升,一方面促进了产业区域分工与地理集聚,促使原有中心城市产业的发展及升级,同时充分发挥中心城市高端产业的溢出效应,为其周边及所在辐射线上城市的低端产业发展创造条件,推动区域产业结构向更高等级转型升级;但另一方面,对于经济发展缺乏带动力及自身缺少足够发展优势的城市,高铁带来了人才和生产要素流失反而阻碍了城市产业的发展,甚至加速城市产业结构向着不利于自身发展的方向波动,这也将进一步加剧经济空间的非均衡化过程。采用更长时序的数据来分析高铁对不同等级城市的影响将是对本研究的进一步完善。
[1] | Roller L H, Waverman L. Telecommunications infrastructure and economic development:A simultaneous approach[J]. American Economic Review, 2001, 91(4): 909-923. DOI:10.1257/aer.91.4.909 |
[2] | Atack J, Bateman F, Haines M, et al. Did rail-roads induce or follow economic growth? Urbanization and population growth in the American Midwest, 1850-1860[J]. Social Science History, 2010, 34(2): 171-197. |
[3] | Cervero R. The Transit Metropolis:A Global Inquiry[M]. Washington D C: Island Press, 1998: 27-31. |
[4] | Banister D, Berechman J. Transport Investment and Economic Development[M]. London: UCL Press, 2000: 59-83. |
[5] | Bruinsma F R, Rietveld P. The accessibility of European cities:Theoretical framework and comparison approaches[J]. Environment and Planning, 1998, 30(2): 449-521. |
[6] | Leuning T, Swaffield J, Hartwich O M. Cities Limited[M]. London: Policy Exchange Press, 2007: 1-53. |
[7] | Martínez Sánchez-Mateos H S, Givoni M. The accessibility impact of a new high-speed rail line in the UK:A preliminary analysis of winners and losers[J]. Journal of Transport Geography, 2012(25): 105-114. |
[8] | Gutiérrez J. Location, economic potential and daily accessibility:An analysis of the accessibility impact of the high speed line MadridBarcelona-French border[J]. Journal of Transport Geography, 2001, 9(4): 229-242. DOI:10.1016/S0966-6923(01)00017-5 |
[9] | Zheng S Q, Kahn M E. China's bullet trains facilitate market integration and mitigate the cost of megacity growth[J]. Proceedings of the National Academy of Sciences, 2013, 110(14): E1248-E1253.. DOI:10.1073/pnas.1209247110 |
[10] | Blum U, Haynes K E, Karlsson C. The regional and urban effects of high-speed trains[J]. The Annals of Regional Science, 1997, 31(1): 1-20. DOI:10.1007/s001680050036 |
[11] | Gutiérrez J, González R, Gómez G. The European high-speed train network:Predicted effects on accessibility patterns[J]. Journal of Transport Geography, 1996, 4(4): 227-238. DOI:10.1016/S0966-6923(96)00033-6 |
[12] | Willigers J, Van Wee B. High-speed rail and office location choices:A stated choice experiment for the Netherlands[J]. Journal of Transport Geography, 2011, 19(4): 745-754. DOI:10.1016/j.jtrangeo.2010.09.002 |
[13] | Amano K, Nakagawa D. Study on Urbanization Impacts by New Stations of High Speed Railway[C]. Dejeon:Conference of Korean Transportation Association, 1990. |
[14] | Hirota R. Present situation and effects of the Shinkansen[J]. Transport Policy and Decision Making, 1985, 3(3): 255-257. |
[15] | Moshe M. Development and impact of the modern high-speed train:A review[J]. Transport Reviews, 2006, 26(5): 593-611. DOI:10.1080/01441640600589319 |
[16] | Bonnafous A. The regional impact of the TGV[J]. Transportation, 1987, 14(2): 127-137. DOI:10.1007/BF00837589 |
[17] | Chen C L, Peter H. The wider spatial-economic impacts of highspeed trains:A comparative case study of Manchester and Lille subregions[J]. Journal of Transport Geography, 2011, 24: 89-110. |
[18] | 殷平. 高速铁路与区域旅游新格局构建——以郑西高铁为例[J]. 旅游学刊, 2012, 27(12): 47-53. [Yin Ping. High-speed railway (HSR) and establishment of new pattern of regional tourism:A case study of the high-speed railway between Zhengzhou and Xi'an[J]. Tourism Tribune, 2012, 27(12): 47-53. DOI:10.3969/j.issn.1002-5006.2012.12.019] |
[19] | 胡静, 程露萍, 周密. 高铁对湖北省旅游产业集聚水平的影响[J]. 重庆交通大学学报(社会科学版), 2015(5): 22-26. [Hu Jing, Cheng Luping, Zhou Mi. High-speed rail impact on the agglomeration level of regional tourism industry in Hubei province[J]. Journal of Chongqing Jiaotong University(Social Sciences Edition), 2015(5): 22-26. ] |
[20] | 张萌萌, 孟晓晨. 高速铁路对中国城市市场潜力的影响——基于铁路客运可达性的分析[J]. 地理科学进展, 2014, 33(12): 1650-1658. [Zhang Mengmeng, Meng Xiaochen. Impact of high-speed railway on market potential of Chinese cities:Analyses based on railway passenger transport accessibility[J]. Progress in Geography, 2014, 33(12): 1650-1658. DOI:10.11820/dlkxjz.2014.12.008] |
[21] | Harris C D. The market as a factor in the localization of industry in the United States[J]. Annals of the Association of American Geographers, 1954, 44(4): 315-348. |
[22] | Graham D J. Agglomeration, productivity and transport investment[J]. Journal of Transport Economics & Policy, 2007, 41(3): 317-343. |
[23] | 戴特奇, 金凤君, 王姣娥. 空间相互作用与城市关联网络演进——以我国20世纪90年代城际铁路客流为例[J]. 地理科学进展, 2005, 24(2): 80-89. [Dai Teqi, Jin Fengjun, Wang Jiaoe. Spatial interaction and network structure evolvement of cities in term of china's railway passenger flow in 1990s[J]. Progress in Geography, 2005, 24(2): 80-89. DOI:10.11820/dlkxjz.2005.02.009] |
[24] | Clark J M. Toward a concept of workable competition[J]. The American Economic Review, 1940, 30(2): 241-256. |