基于GIS的玉溪市道路密度空间分异特征研究
来源:用户上传
作者:杨太静 尚敏
摘 要：本文以玉溪市红塔区各个街道为研究单元，以道路密度为主要指标，利用 Arc GIS的叠加分析、空间插值等空间分析功能，统计分析等，研究红塔区1989—2018年30年来的道路密度时空分异特征。通过分析发现红塔区道路密度在空间上具有明显的集聚特征，同时各区域道路密度的增长速度不均衡。
关键词：道路密度 空间分异 GIS 红塔区
中图分类号：P208 文献标识码：A 文章编号：1674-098X（2020）01（b）-0135-02
玉溪市具有显著的区位优势、交通优势、产业优势和资源优势，在国家“一带一路”、云南省构建“面向南亚、东南亚辐射中心”、玉溪市“5577”发展战略背景下，将由全国交通网络末梢变为我国西南开放国际门户枢纽的重要组成部分。近几年来玉溪市红塔区道路建设比较快，研究其道路密度的空间分布，掌握区域交通与社会经济关系，可以为指导玉溪市交通道路规划、制定交通规则以及区域经济发展提供科学依据。
1 研究区概况
红塔区地处滇中腹地，距省会昆明86km，区内交通便利，是云南省南北交通樞纽。2013年末，全区公路通车里程达到1380.8km。其中：国道91.1km，省道22.2km，县道162.7km，乡村道路1104.8km。公路网密度137.5km/百平方公里。市区及各乡镇道路全部实现了柏油（水泥）路面，全区442个自然村，已有440个通公路，两个通水路。
2 数据来源和研究方法
2.1 数据来源
本文数据主要来源于玉溪市红塔区统计年鉴及91卫图遥感影像，解译后提取矢量化交通要素。
2.2 研究方法
2.2.1 道路密度
道路密度是指一定区域内道路总长度与该地区国土面积之比，是评价某一地区交通状况的常用指标之一。计算公式为
（1）
其中Di表示区域i的道路密度（单位：km/km2）;Li表示区域i道路总长度（单位：km）;Ai表示研究的区域国土面积（单位：km2）。道路密度反映了区域交通线路的疏密程度，密度越大、干线越密集说明交通对区域发展的支撑能力越高，交通联系越便捷。但密度过大，会造成城市用地不经济，增加城市道路建设投资，并且造成交叉口过多，反而影响车辆行驶速度和干道通行能力;道路网密度过小，会使车辆绕行，增加居民出行时间，造成道路交通拥挤。
2.2.2 叠加分析
叠加分析是地理信息系统中用来提取空间隐含信息的方法之一，本文在ArcGIS 中将红塔区道路网图层与红塔区行政区划图层进行叠加分析，获取每个研究单元道路总长度及研究区的面积，从而计算出研究区总道路网密度，如图1所示。
2.2.3 统计对比分析
统计分析常用来探索数据，汇总数据。通过分析与要素相关的属性值，利用图表，如直方图或Q-Q图等，按照类别进行汇总。例如，检查特定属性值的分布或者查找异常值（极高值或极低值）。
3 结果与分析
3.1 道路密度空间布局
经过叠加分析及计算，自1989—2018至30年间红塔区总道路网密度水平图如图2所示。
从整体上看，红塔区道路网的发达地区集中在三区（主城区），道路网稀疏地区为一区（西部郊区）和二区（东北部郊区）;且存在部分区域道路网密度较高或较低，与周边地区的差异显著，这些地区尚未连接成片，并且覆盖面积小。从发展速度看，红塔区总道路网密度空间分布可以看出。
3.2 道路密度发展速度特征
从时间上看，30年间道路密度增加见表1。1989—1998年道路密度增加最快的是三区增加值达1.0323，四区基本无变化;1998—2008年道路密度增加最快的是三区和四区，增加值分别为1.0529和1.0497;2008—2018年道路密度增加最快的是四区和二区，增加值分别为0.7453和0.6512。
4 结论与讨论
4.1 结论
以总道路网密度为指标，分析得出以下结论。
（1）红塔区道路网密度的宏观分异特征：以昆磨高速为分界线东部密度高、西部密度低。整体上，红塔区道路系统在空间分布上具有不均衡性，中东部道路网密度最高，四周相对较低。
（2）红塔区道路密度的空间分布具有明显的集聚特征，红塔区主城区（三区）的道路网密度较高，与周边地区形成鲜明的对比，尚未连接成面或完全均质化。
（3）道路密度在不同时间段各区域变化情况也有很大差异，整体来看，四区（东北片区）道路密度变化显著。
（4）通过对比四年的数据，将研究区范围分为四个区域，玉溪市道路密度空间差异为：中东部的道路密度最高，西部区域道路密度变化不大，东南和东北区域道路密度随着时间的推移，逐渐增加;结合经济、人口数据，中东部位于主城区，经济较发达、人口较密集，故道路密度为四个区域中最高的，一区位于城区边，地势相对较高，经济交通不发达，人口较少，道路密度最低，东北和东南区域为红塔区主要工业区聚集地，随着时间推移，基础设施逐年加强，道路密度也逐年增加。
4.2 讨论
由以上分析研究可知，道路网密度在时间和空间上呈现出不同的特征，本文研究局限于道路网密度，对于引起道路密度空间分异的变量，例如人口、GDP、土地利用、交通设施、国家投资策略、时间等因素的影响未展开讨论，相关问题有待进一步研究。
参考文献
[1] 李艳，王鹏飞.基于GIS的道路网密度空间分异特征——以河北省石家庄市为例[J].河北科技师范学院学报，2018，32（4）：41-47.
[2] 董振华，张继权，阿荣，等.基于GIS的内蒙古道路密度空间分异特征研究[J].东北师大学报：自然科学版，2017，49（1）：154-161.
[3] 任慧，周振红，周鑫鑫.基于RS与GIS的城市道路网密度计算[J].计算机辅助工程，2009，18（2）：85-87.
[4] 谭伟平.基于ArcGIS的城市道路交通便捷度评价[D].湖南工业大学，2018.
[5] 叶丽敏，邱荣祖，林玉英，等.福建省道路网密度空间分异特征[J].公路，2018，63（5）：206-210.
[6] 刘承良.城乡路网的空间复杂性[D].华中师范大学，2011.
转载注明来源:https://www.xzbu.com/1/view-15192396.htm
