时间距离（T_ij）, 定义为一个资源型城市到其省会城市或区域中心城市列车运行的最短时间（h）, 其值越大, 时间距离越长。其中, T_ij为列车在两城市间运行的最短时间^[1]：

Tij=minTij0, Tik+Tkj（1）

式中： Tij0为两城市间直达列车运行的最短时间; Tik+Tkj为两城市间通过一次中转运行的最短时间; T_ik、T_kj分别为城市i、j到中转城市k的运行时间。

区位偏远度, 以资源型城市所在省的省会城市和与资源型城市联系紧密的3个区域中心城市（北京、上海、广州）为参照对象, 计算资源型城市区位的偏远程度。在此, 引入两个参数α 和β , 分别表示在省域内部和大区域间资源型城市的区位偏远度, 计算公式如下：

α=Ti1n∑j=1nTj（2）

β=Ti1m∑j=1mTj（3）

式中：α 表示到省会城市的区位偏远度; β 表示到区域中心城市的区位偏远度; T_i表示第i个资源型城市到其省会城市或区域中心城市的时间距离; T_j表示资源型城市所在省的第j个地级市到其省会城市或区域中心城市的时间距离; n、m表示地级市的个数。

需要说明的是, 在计算地级市到省会城市的距离时, n的取值为299; 在计算地级市到区域中心城市的距离时, m的取值分别为到北京的地级市个数为156个, 到上海的地级市个数为85个, 到广州的地市级个数为83个。n和m取值不相等, 是因为在计算地级市到省会城市的距离时, 去除了资源型城市所在省的省会城市, 共计25个。另外, 选择省会城市和区域中心城市两个参照对象, 是为了避免单一参照对象可能带来的计算偏差。

计算城市之间的时间距离, 采用了全国列车时刻表查询及在线预订系统（http://www.12306.cn/mormhweb/）, 该系统收录了全国4341条火车线路并更新到2017年12月。获取数据时存在某些城市目前不通行普通列车的情况（表1）, 从而无法获得相关的时间数据。为了使数据具有完整性并贴近实际, 本文采用以下处理方法：若该城市曾经通行过普通列车, 则搜索该城市当时通行普通列车时的列车时刻表, 用以前的列车运行最短时间进行替代; 若搜索不到曾经通行过普通列车时的列车时刻表或该城市从未开通过普通列车, 则采用两个城市间的公路运行最短时间进行替代。

表1

Table 1

表1(Table 1)

表1 没有开通普通列车的资源型城市 Table 1 Some resource-based cities without ordinary trains 类型 资源型城市 没有通普通列车且没有通高速铁路 雅安、保山、普洱、临沧、泸州、马尔康 没有通普通列车却通高速铁路 湖州、云浮、龙岩、广安 注：普通列车包括普快、快速（K车）、特快（T车）; 高速铁路包括动车（D车）、高铁（G车）和城际列车（C车）。本文不考虑旅游专列（Y车）和直达列车（Z车）。

表1 没有开通普通列车的资源型城市 Table 1 Some resource-based cities without ordinary trains

另外, 由于存在某些城市没有列车直达省会城市或区域中心城市, 则这些城市需要采用一次中转情况的最短时间作为其到省会城市或区域中心城市的最短时间（表2）。从表中不难发现, 中转城市多为省会城市或交通发达的城市。

表2

Table 2

表2(Table 2)

表2 需中转的资源型城市 Table 2 Resource-based cities which need to transfer by railways 省份 到区域中心城市（省会城市）需中转的城市 中转城市 省份 到区域中心城市（省会城市）需中转的城市 中转城市 河北 承德 北京（北京） 河南 平顶山、焦作 郑州 山西 长治 新乡（榆次） 南阳、濮阳 郑州 临汾、运城、吕梁 太原 江苏 宿迁 徐州（徐州） 晋城 新乡 安徽 滁州 （南京） 内蒙古 赤峰 （沙岭子） 马鞍山 南京（芜湖、铜陵、南京） 呼伦贝尔 沈阳 亳州 商丘 辽宁 本溪、抚顺 沈阳 淮南 蚌埠 吉林 通化 沈阳（四平） 池州 南京 白山 沈阳 宣城 芜湖 延吉 长春 淮北 徐州 松原、辽源 沈阳、长春 铜陵 合肥 黑龙江 七台河 哈尔滨（牡丹江） 江西 赣州 南昌 黑河、伊春 哈尔滨 景德镇 鹰潭 鹤岗、牡丹江 哈尔滨 湖北 鄂州 汉口、武汉 鸡西 哈尔滨、牡丹江 黄石 汉口、南昌 双鸭山 哈尔滨、佳木斯 四川 广元 西安（绵阳） 加格达奇 齐齐哈尔、哈尔滨 自贡 达州、成都（内江） 陕西 延安、咸阳、宝鸡、铜川 西安 南充、广安、达州 重庆 榆林 吕梁 攀枝花、西昌 成都、重庆 甘肃 庆阳、张掖 兰州 湖南 邵阳 桂林、长沙 武威、金昌 兰州 贵州 六盘水、毕节、安顺 贵阳 陇南 南充 兴义 百色（曲靖） 平凉 中卫、西安（宝鸡） 云南 昭通、曲靖 贵阳 山东 莱芜 淄博、上高镇 丽江 昆明 东营 淄博 福建 龙岩 深圳 济宁、枣庄、临沂 济南 南平 长沙 新疆 阿勒泰 吐鲁番 三明 南昌、深圳 库尔勒 酒泉 广西 河池 柳州 注：文中涉及普通列车、D车、G车3类时间距离的计算, 所以中转站城市不是唯一的。若3类时间距离都需要中转得出, 则会存在3个中转站城市, 如马鞍山市。

表2 需中转的资源型城市 Table 2 Resource-based cities which need to transfer by railways

α ₁、α ₂分别表示基于普通列车、D车到省会城市的区位偏远度, β ₁、β ₂分别表示基于普通列车、D车到区域中心城市的区位偏远度。α ₂-α ₁表示D车相对于普通列车到省会城市的区位偏远度的变化程度, β ₂-β ₁表示D车相对于普通列车到区域中心城市的区位偏远度的变化程度。根据这一方法, 以-0.5、0、0.5为阀值, 将D车相对于普通列车的资源型城市区位偏远度的变化程度划分为较大改善（α ₂-α ₁≤ -0.5或β ₂-β ₁≤ -0.5）、改善 （-0.5< α ₂-α ₁< 0或-0.5< β ₂-β ₁< 0）、不变（α ₂-α ₁=0或β ₂-β ₁=0）、恶化（0< α ₂-α ₁< 0.5或0< β ₂-β ₁< 0.5）、较大恶化（α ₂-α ₁≥ 0.5或β ₂-β ₁≥ 0.5）5种类型（图1、图2）。

图1

Fig. 1

	Figure Option ViewDownloadNew Window
	图1 相对于省会城市D车对区位偏远度的影响 注：本图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2892号的标准地图制作, 底图无修改, 下同。Fig. 1 The impact of D-series trains on the location remoteness relative to provincial capital cities

图2

Fig. 2

	Figure Option ViewDownloadNew Window
	图2 相对于区域中心城市D车对区位偏远度的影响Fig. 2 The impact of D-series trains on the location remoteness relative to regional central cities

相对于省会城市, 有7个资源型城市的区位发生“ 较大改善” , 分别是延吉、运城、池州、铜陵、临汾、三门峡、萍乡（按区位偏远度变化程度由大到小排列, 下同）, 占研究对象的5.56%。有8个资源型城市的区位发生“ 较大恶化” , 分别是河池、榆林、庆阳、莱芜、景德镇、晋城、白山、赣州, 占研究对象的6.35%。

相对于区域中心城市, 有10个资源型城市的区位发生“ 较大改善” , 分别是安顺、六盘水、都匀、毕节、延吉、昭通、广元、运城、雅安、吉林市, 占研究对象的7.94%。有4个资源型城市的区位发生“ 较大恶化” , 分别是河池、景德镇、南平、宿迁, 占研究对象的3.17%（表3）。

表3

Table 3

表3(Table 3)

表3 D车对区位偏远度的影响程度 Table 3 The impact of D-series trains on the location remoteness 相对于省会城市（α 2-α 1） 相对于区域中心城市（β 2-β 1） 较大改善 改善 不变 恶化 较大恶化 较大改善 改善 不变 恶化 较大恶化 数量/个 7 32 3 76 8 10 37 1 74 4 所占比例/% 6 26 2 60 6 8 30 1 58 3

表3 D车对区位偏远度的影响程度 Table 3 The impact of D-series trains on the location remoteness

2.1.1 不同发育类型间的差异性

相对于省会城市, “ 恶化” 的城市所占比例最高, 其次是“ 改善” 的城市（表4）。“ 较大改善” 的城市主要是成熟型, 如延吉、运城、池州、临汾、三门峡等, 分析其原因, 一是这些城市均位于所属省域的边缘位置, 距离其省会城市较远, 普通列车需要花费较长的时间; 二是这些城市都有通向其省会城市的D车且无需中转。因此, 开通高铁将较大改善这些城市的区位。“ 较大恶化” 的城市也主要是成熟型, 如河池、莱芜、晋城、赣州, 这些城市距离省会城市较远且没有开通省会城市的D车。

表4

Table 4

表4(Table 4)

表4 不同发育类型的资源型城市区位变化的程度和数量 Table 4 The extent and quantity of location changes in resource-based cities of different developmental types 发育类型 相对于省会城市 相对于区域中心城市 较大改善 改善 不变 恶化 较大恶化 较大改善 改善 不变 恶化 较大恶化 成长型 0 6 0 12 2 4 1 1 14 0 成熟型 5 16 0 41 4 6 19 0 39 2 衰退型 2 4 1 15 2 0 10 0 13 1 再生型 0 6 2 8 0 0 7 0 8 1

表4 不同发育类型的资源型城市区位变化的程度和数量 Table 4 The extent and quantity of location changes in resource-based cities of different developmental types

相对于区域中心城市, “ 恶化” 的城市所占比例最高, 主要是因为这些城市多集中在距离其区域中心城市较近的省份, 在普通铁路时代, 这些资源型城市曾拥有区位优势。但是在通向区域中心城市的方向上都没有开通D车, 而区域内其他地级市由于开通D车, 到区域中心城市的时间距离大幅度缩短, 如保定、运城、鞍山等城市到其区域中心城市的时间缩短50%以上, 导致仍处在普通铁路时代的资源型城市的区位发生恶化。

2.1.2 不同地区间的差异性

相对于省会城市, “ 较大改善” 的城市主要集中在中部地区（图3）, 这一地区由于普通列车经停站多, 耗用时间长, 如运城至太原393 km, 普通列车途径了侯马、临汾、霍州、介休、榆次5个站点, 开通D车后极大缩短了这些城市到其省会城市的时间距离。“ 较大恶化” 的城市主要集中在西部地区, 这是因为西部地区的这些城市距离其省会城市较远, 且没有开通D车, 如广西的河池等, 因此相对于开通了D车的其他城市, 资源型城市的区位相对恶化。

图3

Fig. 3

	Figure Option ViewDownloadNew Window
	图3 四大板块中不同区位变化程度的资源型城市的数量（相对于省会城市）Fig. 3 The distribution of resource-based cities with different degrees of change in location in four regions relative to provincial capital cities

相对于区域中心城市, “ 较大改善” 的城市主要集中在西部地区, 特别是贵州省（图4）。这些城市由于本身没有通D车, 需要在贵阳中转, 而兰（西）广通道中的贵广高铁现在运营速度达250 km/h, 使得这些资源型城市到其区域中心城市— — 广州的时间距离缩短为原来的1/3左右。西部地区的高速铁路网密度较低, 一旦有高速铁路经过该区域就会使区域内的资源型城市的区位得到较大改善。“ 较大恶化” 的资源型城市主要集中在东部地区, 尽管该区域的资源型城市到其区域中心城市的时间距离普遍较短, 区域内的高速铁路网密度也比较高, 但是存在一些没有开通D车的资源型城市, 如宿迁、南平等, 导致这些资源型城市的区位与区域内开通高速铁路的非资源型城市之间的差距进一步扩大。

图4

Fig. 4

	Figure Option ViewDownloadNew Window
	图4 四大板块中不同区位变化程度的资源型城市的数量（相对于区域中心城市）Fig. 4 The distribution of resource-based cities with different degrees of change in location in four regions relative to regional central cities

α ₁、α ₃分别表示基于普通列车、G车到省会城市的区位偏远度, β ₁、β ₃分别表示基于普通列车、G车到区域中心城市的区位偏远度。α ₃-α ₁表示G车相对于普通列车到省会城市的区位偏远度的变化程度, β ₃-β ₁表示G车相对于普通列车到区域中心城市的区位偏远度的变化程度。仍然按照上面的计算方法, 以-0.5、0、0.5为阀值, 将G车相对于普通列车的区位偏远度的变化程度划分为较大改善（α ₃-α ₁≤ -0.5或β ₃-β ₁≤ -0.5）、改善（-0.5< α ₃-α ₁< 0或-0.5< β ₃-β ₁< 0）、不变（α ₃-a₁=0或β ₃-β ₁=0）、恶化（0< α ₃-α ₁< 0.5或0< β ₃-β ₁< 0.5）、较大恶化（α ₃-α ₁≥ 0.5或β ₃-β ₁≥ 0.5）5种类型（图5、图6）。

图5

Fig. 5

	Figure Option ViewDownloadNew Window
	图5 相对于省会城市G车对区位偏远度的影响Fig. 5 The impact of G-series trains on the location remoteness relative to provincial capital cities

图6

Fig. 6

	Figure Option ViewDownloadNew Window
	图6 相对于区域中心城市G车对区位偏远度的影响Fig. 6 The impact of G-series trains on the location remoteness relative to regional central cities

相对于省会城市, 有13个资源型城市的区位发生“ 较大改善” , 分别是延吉、运城、邵阳、铜陵、三门峡、池州、莱芜、萍乡、临汾、焦作、徐州、宿迁、宜春, 占研究对象的10.32%。有19个资源型城市的区位发生“ 较大恶化” , 分别是河池、淮北、南阳、景德镇、赣州、亳州、榆林、濮阳、承德、阜新、白山、攀枝花、庆阳、宣城、平顶山、通化、张家口、西昌、晋城, 占研究对象的15.08%（图7）。

图7

Fig. 7

	Figure Option ViewDownloadNew Window
	图7 四大板块中不同区位变化程度的资源型城市的数量（相对于省会城市）Fig. 7 The distribution of resource-based cities with different degrees of change in location in four regions relative to provincial capital cities

相对于区域中心城市, 有9个资源型城市的区位发生“ 较大改善” , 分别是安顺、曲靖、都匀、广元、张掖、延吉、运城、六盘水、吉林市, 占研究对象的7.14%; 有10个资源型城市的区位发生“ 较大恶化” , 分别是阿勒泰、库尔勒、河池、楚雄、克拉玛依、陇南、南充、保山、丽江、达州, 占研究对象的7.94%（表5）。

表5

Table 5

表5(Table 5)

表5 G车对区位偏远度的影响程度 Table 5 The impact of G-series trains on the location remoteness 相对于省会城市（α 3-α 1） 相对于区域中心城市（β 3-β 1） 较大改善 改善 不变 恶化 较大恶化 较大改善 改善 不变 恶化 较大恶化 数量/个 13 46 3 45 19 9 56 6 45 10 所占比例/% 10 37 2 36 15 7 44 5 36 8 2.2.1 不同发育类型间的差异性

表5 G车对区位偏远度的影响程度 Table 5 The impact of G-series trains on the location remoteness

无论相对于省会城市, 还是相对于区域中心城市, “ 改善” 的资源型城市和“ 恶化” 的资源型城市都集中在成熟型（表6）。

表6

Table 6

表6(Table 6)

表6 不同发育类型的资源型城市区位变化的程度和数量 Table 6 The extent and quantity of location changes in resource-based cities of different developmental types 发育类型 相对于省会城市 相对于区域中心城市 较大改善 改善 不变 恶化 较大恶化 较大改善 改善 不变 恶化 较大恶化 成长型 0 7 1 10 2 2 8 0 6 4 成熟型 8 26 0 22 10 6 29 3 23 5 衰退型 3 6 1 9 5 0 11 2 11 0 再生型 2 7 1 4 2 1 8 1 5 1

表6 不同发育类型的资源型城市区位变化的程度和数量 Table 6 The extent and quantity of location changes in resource-based cities of different developmental types

相对于省会城市, “ 改善” 的成熟型资源型城市距离其省会城市都较近, 且处于高速铁路运营时速较快的京哈— 京港澳通道、沪昆通道的沿线。“ 恶化” 的成熟型资源型城市主要分布在高速铁路网密度较低的省份, 如新疆、黑龙江、云南、甘肃、内蒙古等省（区）的高速铁路网密度分别只有4.28 km/万km²、1.78 km/万km²、18.42 km/万km²、17.58 km/万km²、1.78 km/万km², 低于全国平均水平, 高速铁路尚未形成相互连通的格局, 通常只有一条高速铁路经过, “ 恶化” 的成熟型资源型城市都没有分布在高速铁路沿线。

相对于区域中心城市, “ 改善” 的成熟型资源型城市所占比例高于“ 恶化” 的成熟型资源型城市。“ 改善” 的成熟型资源型城市主要分布在距离其区域中心城市较近的省份, 如安徽、湖南、河南等, 这些省份的高速铁路网密度相对较高, 分别为100.43 km/万km²、65.93 km/万km²、66.95 km/万km², 且通向其区域中心城市的G车无需中转。“ 恶化” 的成熟型资源型城市距离其区域中心城市较远, 且所在省份的高速铁路网密度普遍较低, 一部分是到其区域中心城市没有开通G车, 如赤峰、黑河、普洱、临沧等, 另一部分是到其区域中心城市需要中转, 如牡丹江、凉山、赣州、龙岩等。

2.2.2 不同地区间的差异性

相对于省会城市, “ 较大改善” 和“ 较大恶化” 的资源型城市大多分布在中部地区, 这主要是因为中部地区高速铁路网密度较高, 约为60.64 km/万km², 但省内差异大, 高速铁路沿线的城市和远离高速铁路的城市之间的差距比较明显。

相对于区域中心城市, “ 较大改善” 和“ 改善” 的资源型城市集中在中部地区（图8）, 一是中部地区的资源型城市距离其区域中心城市— — 北京相对较近, 二是中部地区的高速铁路网密度相对较高。“ 较大恶化” 和“ 恶化” 的资源型城市集中在西部地区, 一是从中国高速铁路网的布局看, 西部地区高速铁路网密度较低, 约为11.02 km/万km², 扩大了西部地区与东部地区、中部地区的差距。二是西部地区的资源型城市距离其区域中心城市较远, 且大多数没有开通G车。

图8

Fig. 8

	Figure Option ViewDownloadNew Window
	图8 四大板块中不同区位变化程度的资源型城市的数量（相对于区域中心城市）Fig. 8 The distribution of resource-based cities with different degrees of change in location in four regions relative to regional central cities

相对于省会城市, 在D车的影响下, 有98%的资源型城市的区位发生了变化, 其中区位变化较大的占12%; 在G车的影响下, 也有98%的资源型城市的区位发生了变化, 其中区位变化较大的占25%。相对于区域中心城市, 在D车的影响下, 有99%的资源型城市的区位发生了变化, 其中区位变化较大的占11%; 在G车的影响下, 有95%的资源型城市的区位发生了变化, 其中区位变化较大的占15%。因此, 相对于D车, G车的影响更显著。

从发育类型的角度看, 在D车的影响下, 每种类型区位恶化的资源型城市均多于区位改善的资源型城市。在G车的影响下, 每种类型区位恶化的资源型城市都近似等于区位改善的资源型城市。无论是D车的影响, 还是G车的影响, 区位改善最明显和区位恶化最明显的资源型城市都集中在成熟型, 这可能与成熟型资源型城市的占比较高有关。

从四大板块的角度看, 在D车的影响下, 东部地区、中部地区、西部地区、东北地区区位恶化的资源型城市均多于区位改善的资源型城市。在G车的影响下, 区位改善的资源型城市主要集中在中部地区, 区位恶化的资源型城市主要集中在西部地区。