俗话说，“要致富、先修路”，便利的交通运输能使一个地区的资源优势转变为经济优势。随着中国的经济发展，研究发现地区交通设施的改善及人与货物的流动性对当地经济发展有着重要影响。 对于此类研究，传统的数据来源主要为官方报告和统计调查，例如企业对于交通流量的调查问卷，安装在货车上的GPS全球定位系统，和物流大数据等，而如今信息通信技术的快速进步使得数据收集变得更加容易。在中国，高速收费站的电子收费系统能够记录每一辆机动车进站和出站的信息，在此基础上，本研究收集了2014年至2017年辽宁，江苏，陕西三省超过35亿条高速公路收费站的机动车进出大数据，将其整理为以城市为单位的交通流数据，通过拟合省域空间联系的重力模型，分析城市间交通流动与空间相互作用的距离衰减规律，发现了交通流大数据与区域经济发展的关联性。本研究显示使用重力模型和空间交互网络主成分分析方法能够有效阐释区域高速交通的空间结构和经济发展变化，并且相比于基于物理距离的网络，交通流的加权网络与区域经济发展情况有更强的关联。
从交通流估测GDP(国内生产总值)
以GDP作为经济发展水平的指标，通过建立多重线性回归模型，我们用城市内和城市间的交通流数据对辽宁， 江苏和陕西省内各城市的GDP进行估测。图4显示，基于交通大数据提取的网络特征估测的城市GDP 与实际的城市GDP呈线性关系，证明城市交通流能够很好地反映城市或地区的经济发展情况。在回归模型中，决定系数值越大越接近于1，说明所拟合的回归模型越优。在本模型里辽宁省的
值为0.934，江苏省的
值为0.893，陕西省的R2值为0.967，即说明估测GDP与实际GDP吻合程度较高。然而将三省数据集合的模型R2值为0.587，相较各省份R2值较低，说明三省经济发展模式有所不同，反映了不同省份之间经济发展的多样性和复杂性。
此外，自变量的多重共线性可能会改变多重线性回归系数的估值。我们使用方差膨胀因子（VIF）来衡量模型中预测变量间的关联对回归系数bk的方差的影响。此外，我们也使用了两种正则化回归方法：RIDGE回归和LASSO回归来估测城市GDP，并且获得了与多重线性回归模型接近的结果。
城市吸引力和空间相互作用距离衰减规律
基于机动车的高速收费站的进出数据， 我们建立了交通流加权空间交互网络，并在此基础上运用重力模型来估测城市节点的吸引力以及城市空间联系的距离衰减规律。我们用线性回归，线性规划（MINMAX）和空模型对距离衰减系数β分别进行了测算，虽然三种方法得出的β绝对值不同，但基本趋势相同。距离衰减系数β值反映了距离对城市空间联系的影响，或者不同城市空间联系对城市间距离的敏感程度，当β越小，说明距离对城市空间联系的影响越小。我们发现交通设施和地区经济的发展能够促进中长距离的交通流动，减小距离对城市之间交通流动的阻力，比如陕西省内距离衰减影响的削弱和它近年来快速发展的经济状况有所关联。辽宁省在2015-2016年基于交通流的距离衰减系数β值是增加的，说明长距离的交通运输减少。而这两年间该省的GDP是下降的，从经济增长的动力结构统计数据来看来看，投资、消费、进出口增速均存在不同程度的下滑。江苏省的空间相互作用距离衰减系数比较稳定，也与江苏经济平稳发展特征相关。但比较大的β值也客观反映了苏南和苏北城市之间的交通联系要明显小于两个组团内部城市之间的联系；苏南城市之间南京、南通、苏州、镇江、无锡（图5）具有非常频繁的交通流联系。
衡量空间网络和子网络结构
基于不同的加权方法，我们建立了三种城市空间联系网络：
1) ：基于城市中心间的物理距离
2) ：基于城市间轿车和客车的流量
3) ：基于城市间货车的流量
在物理距离网络GD中我们计算了介数中心性（betweenness centrality）和接近中心性（closeness centrality）来了解物理距离意义上的城市空间结构。在交通流加权网络和
中我们计算了接近中心性和加权网页排名（weighted PageRank）来衡量节点的重要性。我们发现
和
网络的接近中心性与城市GDP呈正相关关系，说明相比基于物理距离的网络，交通流加权网络与地区经济情况更相关 （图6）。此外，通过对空间交互网络矩阵应用主成分分析方法，我们进一步提取了交通流空间交互网络主要的子系统，反映了区域空间交互特征和组团空间结构（图7）。
总结
本研究通过基于空间交互网络特征的多重线性回归，重力模型，距离衰减规律等分析方法，对高速交通大数据和地区经济发展情况的关系进行了深入研究。研究揭示了高速交通流数据不仅可以反映空间交互作用的结构和地区经济发展的情况，还包含了人口流动和生产物流信息，对于未来的区域空间规划有重要参考作用。
参考文献
Li, B., Gao, S., Liang, Y., Kang, Y., Prestby, T., Gao, Y., & Xiao, R. (2020). estimation of Regional economic Development indicator from transportation network Analytics.Scientific Reports,10(1), 1-15.
原文始发于：高速公路大数据揭示区域经济发展和空间结构