Page 177 - 《武汉大学学报（信息科学版）》2025年第10期

2112 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 10 月

also be taken into account. To fill this gap, we combine big data and spatial synthetic simulation model to
develop an intelligent high-speed railway alignment method. Methods: Multi-source geographic big data
such as railway network, highways, population, gross regional product, and digital elevation model are
used to generate high-quality high-speed railway candidate lines. The spatial synthetic simulation model for
land, population, economy and transportation is developed to predict the future development scenario of
high-speed railway. Considering multi-stakeholders, including the city, enterprises and individuals, the
benefits and costs of the new high-speed railway is calculated and compared. Results: The experimental re‑
sults show that the best northern line connects the future development areas of four cities through Guang‑
zhou Baiyun Airport, Guangzhou Knowledge City, Dongguan Songshan Lake, Shenzhen Qianhai and
Hong Kong Northern Metropolitan Area. Under the influence of this high-speed railroad, the new construc‑
2
tion land reaches 92 km , the additional population is 970 000 , and the additional gross domestic product is
849. 5 billion yuan, which shows a significant advantage over other alignment strategies, and the line has
the characteristics of fully utilizing the existing lines and enhancing the convenience of residents travel. Up‑
on completion, it will significantly shorten the travelling time in the core urban area and further promote the
development of the Greater Bay Area. Conclusions: The results not only provide data and model support
for the selection of the second Guangzhou-Shenzhen-Hong Kong high-speed railway line, but also provide
useful reference for the location of major infrastructure in urban agglomeration.
Key words： high-speed railway alignment； facility location； big data； spatial simulation； multi-stakeholders；
Guangdong-Hong Kong-Macao Greater Bay Area

粤港澳大湾区是中国开放程度最高、经济活 选设施与需求之间的总出行成本，广泛应用于高
力最强的区域之一，在国家发展格局中具有重要 铁站、配送中心等商业性设施的选址工作中。中
［1］
战略地位 。自改革开放以来，粤港澳大湾区城 心模型则最小化需求点到服务设施间的最大距
市化过程迅速，形成了广州、深圳和香港 3 个世界 离，尽量避免出现对少数需求点极端不利的选址
级都市，以及东莞、佛山等制造业基地城市。湾 结果，主要应用于紧急医疗救援设施、消防站选
区城市内部的国土、人口、产业、资本和科技创新 址 ［13］ 等。覆盖模型通过合理布置多个设施从而
等要素逐渐跨越城市边界，不断相互作用、相互 使得公众需求得到最大满足，并关注总体效用最
耦合、协同发展，城市间联系日益紧密，交通出行 大化，主要应用于学校、医院、银行等公共服务设
迅猛增长。然而，粤港澳大湾区现有的公路和铁 施。上述模型给出若干高质量的选址方案，支撑
路网络已难以支撑日益增长的出行需求。国家 设施选址、空间布局等空间决策。
发展和改革委员会《关于粤港澳大湾区城际铁路 高铁是由铁路站点和站间线路组成的复杂
建设规划的批复（发改基础［2020］1238 号）》中明 系 统 。 高 铁 线 路 布 置 通 常 从 线 形 要 求 、生 态 影
确指出：“要进一步加大城际铁路建设力度，打造 响、服务功能、实施难度、经济效益及费用等方面
轨道上的大湾区” 。城际铁路能够缩短出行时 进行多维度分析与优化 ［14］ 。针对铁路及其附属
［2］
间，显著促进城市之间的人力资源、金融资本和 设施选址的相关研究大多采用较为传统的方法，
科 创 要 素 的 互 通 融 合 ，提 升 城 市 群 协 同 发 展 水 利用地质数据、数字高程模型、遥感影像等空间
平 ［3-4］ ，因此，有必要建设连接广州、深圳和香港的 数据，采用多准则评价 ［15］ 、层次分析法 ［16］ 、加权线
第二条高速铁路，支撑香港融入大湾区，强化大 性回归法 ［17］ 、灰色评价法 ［18］ 等，计算获得高质量
湾区高水平协同发展。 的线路候选区域。文献［19］针对铁路选线中多
设施选址相关研究集成地质、水文和交通等 限制因素问题建立目标决策矩阵，利用多准则方
多源数据，利用空间分析方法进行交通基础设施 法进行求解得到最优铁路线路方案。文献［20］
的智能选址 ［5-7］ 。相关研究将公众需求建模为点 考虑铁路建设中自然环境的复杂影响，利用层次
状 对 象 ，计 算 若 干 设 施 度 量 指 标 ，发 展 中 值 模 分析法将铁路建设中的定性与定量评价指标相
型 ［8-9］ 、中心模型 ［10］ 和覆盖模型 ［11-12］ 等选址模型， 结 合 ，利 用 模 糊 综 合 评 价 法 来 进 行 铁 路 方 案 比
从而合理布局若干设施，最优地满足公众需求。 选。考虑到线路优化的复杂性，学者们研究尝试
其中，中值模型以效益最大化为目标，最小化候 运用人工智能的方法来提高选址优化模型求解