论文部分内容阅读
在信息通信技术的作用下,生产和组织受固定地理区位的影响逐步减弱,权力和功能在流动中组织,主导的空间形式不再是“场所空间”,而是一种新的空间（“流空间”）。这种新的空间超越时间和空间的界限,对未来地域空间格局的发育起到一定的引导作用,并通过空间内的各种“流”的交互作用从其内部延伸到人类生产生活的诸多领域。流空间中的要素流主要包括人口流、物质流、资金流以及信息流等。在诸多要素流中,信息流的引导作用日益突显,主要体现为:（1）物质流越来越多地借助信息化和智能化来实现高效率配置和组织要素流动,进而影响空间格局;（2）非物质流能够依附于信息流进而直接作用于空间中。但与信息流动相关的数据常涉及单位或个人隐私信息,使得此类数据难以获得,因而目前关于要素流的研究工作更多的是集中于人口流动和物流。本文在研究流空间相关理论的基础上,基于数据的可获得性,选择以2017年台湾省高速公路ETC数据为核心实验数据,重点研究台湾省人口流动和物流的时空差异特征、主要县市之间的空间关联等。研究内容主要包括:1)流空间概念的形成与发展以及其与场所空间的关联;2)流空间相关理论及其相互作用机理:（1）研究传统空间三要素在流空间中的体现;（2）梳理物质流、人口流、信息流以及资金流等要素流的定义、功能以及彼此之间的关联;（3）引入劳动分工理论、相互依赖理论以及竞争合作理论用于分析流空间相互作用的产生机理;3)台湾省人口流、物流的时空特征研究;4)台湾省主要县市人口流、物流关联网络研究;5)台湾省高速公路流量（人口流量和物流量）预测。研究过程中用到的技术、模型和方法主要包括:时空自相关分析、社会网络分析、时间序列分析等。得出的主要结论如下:1)流空间依赖于场所空间,但又超越了场所空间,两个空间将长期共存:流空间对场所空间的冲击不断加大,流空间的有效组织将有助于场所空间区位功能更好的发挥,但流空间仍未完全渗透到人类社会实践活动的全部领域;借助信息的瞬间流动性,流空间可以在很大程度上突破时间和地理距离的限制,进而使得地理距离的影响力降低。2)在流空间中,每个参与者都有自己的“位置”或“区位”,各参与者之间存在“距离”,各要素流因需求、吸引力或其它外力作用而流动,并共同构成一种存在内在关联的空间,传统空间三要素在流空间中也有体现。3)流空间中各种要素流相互交织、相互影响,促使了流空间的发展和演化。各要素流缺一不可,但信息流在流空间处于核心地位,对流空间的形成和发展起到引导作用。4)基于高速公路ETC数据的台湾省人口流、物流（简称“双流”）时空特征研究结果表明:（1）“双流”的时间分异特征明显,表现不同月份、不同日、不同时段的“双流”流量差异较大,且在不同的研究“单位”下,各类型流的高峰期相对错开;（2）“双流”的空间分异特征明显,表现为不同类型流的热点路段不同,而且不同县市的“双流”总流量也存在显著差异;（3）与物流相比,人口流的流通量对台湾省高速路网总流量的贡献远大于前者;（4）台湾省高速路网存在显著的时空正相关,但是这种相关性主要体现在空间一阶邻接的路段之间。5)共构建4个不同的关联网络（县市级人口关联网络,站点级人口关联网络,县市级物流关联网络以及站点级物流关联网络）来研究台湾省主要县市之间的空间关联,研究结果显示:（1）若不考虑各研究单元之间的人口流和物流的流通量差异,则各研究单元之间均存在人口流和物流联系,说明台湾省人口流和物流空间已经进入网络均质时期;（2）台湾省人口关联网络以及物流关联网络的整体密度偏低,人口流动和物流更倾向于在邻近县市之间进行;（3）依据结构洞中的限制度指数分析,就人口关联网络而言,台南市、台中市、台北市、新北市以及新竹县在同网络中其它县市的竞争中处于优势地位;就物流关联网络而言,高雄市、嘉义县、桃园市、新北市、新竹市、新竹县以及彰化县在同网络中其它县市的竞争中处于优势地位;（4）就个体而言,新北市既是人口流的核心集散地也是物流的核心集散地;台中市是人口关联网络和物流关联网络中的枢纽节点,起到连接不同子群的功能,是人口流和物流的中转站。6)为了更好地发现适用的交通量预测模型,研究了3种不同情形下预测模型选择,研究结果表明:（1）台湾省人口流和物流原始时间序列并不平稳且具有季节（周期）性,周期长度为7,可以使用季节ARIMA模型进行预测分析;（2）三种情形下,针对人口流量的预测适宜选用的预测模型分别为ARIMA（2,1,1）（3,1,1）7、ARIMA（4,1,1）（3,1,1）7和ARIMA（4,1,1）（3,1,1）7;三个选用模型的差异仅在于参数p的取值略有不同,综合而言,建议使用ARIMA（4,1,1）（3,1,1）7作为台湾省高速人口流量的预测模型;（3）三种情形下,针对物流流量的预测适宜选用的预测模型分别为ARIMA（2,1,2）（1,1,2）7、ARIMA（0,1,2）（1,1,2）7和ARIMA（5,1,2）（1,1,1）7;三个选用模型的差异在于参数p和Q的取值有所不同,综合而言,建议使用ARIMA（（0,2,5）,1,2）（1,1,2）)7作为台湾省高速物流流量的预测模型。