Page 184 - 《武汉大学学报(信息科学版)》2025年第10期
P. 184
第 50 卷第 10 期 涂 伟等:耦合大数据与空间综合模拟的广深港第二高铁选线方法 2119
式中, S 为建设效益得分; N A、 N P、 N GDP、 N I 分别分 及 其 互 动 关 系[J]. 地 理 学 报 , 2019, 74(12):
别表示归一化后的新增建设用地、新增人口、新 2455-2466.
增地区 GDP 和交通基础设施覆盖个数;对应的 LIU Yi, WANG Yun, YANG Yu, et al. Regional
ω A、 ω P、 ω GDP、 ω I 为各指标的对应系数。本文根据 Integration and Interaction of the Guangdong-Hong‑
Kong-Macao Greater Bay Area[J]. Acta Geographi‑
各指标对地区发展的重要性以及不同主体的优
ca Sinica, 2019 , 74(12): 2455-2466.
先级设置系数,计算得到北部线的发展效益得分
[2] 中华人民共和国国家发展和改革委员会 . 关于粤港
最高,为 0.985 5。因此,选择北部线作为新建线
澳 大 湾 区 城 际 铁 路 建 设 规 划 的 批 复(发 改 基 础
路,将会对区域的人口经济发展带来更为积极的 [2020]1238 号 )[EB/OL].(2020-08-03)[2025-
作用。 08-07]. https://www. ndrc. gov. cn/xwdt/tzgg/
202008/t202008041235524_ext. html.
4 结 语 National Development and Reform Commission. Re‑
ply on the Construction Plan of the Guangdong-
粤港澳大湾区是国家重要发展战略,大湾区 Hong Kong-Macao Greater Bay Area InterCity Rail‑
现有的公路和铁路网络已难以支撑日益增长的 way (Development and Reform Basis [2020] No.
出行需求。本文发展了一种融合地理大数据与 1238)[EB/OL]. (2020-08-03)[2025-08-07].
空间模拟的高铁选线方法,利用铁路、公路、人口 https://www. ndrc. gov. cn/xwdt/tzgg/202008/
密度、地形、水系等多源数据,发展国土-人口-经 t20200804_1235524_ext. html.
济-交通综合模拟模型,预测高铁未来发展情景, [3] 苏世亮, 赵冲, 李伯钊, 等 . 公共交通导向发展的
研究进展与展望[J]. 武汉大学学报(信息科学版),
并构建面向多利益主体的评估体系,计算高铁建
2023, 48(2): 175-191.
设 的 效 益 与 费 用 ,实 现 对 多 个 选 线 方 案 的 综 合
SU Shiliang, ZHAO Chong, LI Bozhao, et al.
分析。
Transit Oriented Development: A Review[J]. Geo‑
本文以大湾区广深港第二高铁的选线为例 matics and Information Science of Wuhan Universi‑
进行实验验证分析。结果表明,经过广州白云机 ty, 2023, 48(2): 175-191.
场、广州知识城、东莞松山湖、深圳前海和香港北 [4] GHORBANZADEH O,MOSLEM S, BLASCHKE
部都会区的北部线可为城市群高质量做出积极 T, et al. Sustainable Urban Transport Planning
贡献。该线路串联了 4 个城市的未来发展区域, Considering Different Stakeholder Groups by an In‑
推动地区生产总值增长至 145 984 亿元,人口增 terval-AHP Decision Support Model[J]. Sustaina‑
长至 6 808 万人,且该线路建设总长度在 4 条线路 bility, 2019, 11(1): 9.
[5] 汪晓春, 熊峰, 王振伟,等 . 基于 POI 大数据与机器
中最短,为 164 km,建设成本最低,线路未来预计
学习的养老设施规划布局: 以武汉市为例[J]. 经
服务超过 900 万人的出行,经过多个城市规划方
济地理, 2021, 41(6): 49-56.
案中的重点区域,经过广州中心区、东莞发展核
WANG Xiaochun, XIONG Feng, WANG Zhen‑
心主城区、深圳前海自由贸易区和香港的北部都
wei, et al. Planning and Layout of Facilities for the
会区,可大幅缩短广深港核心城区通行时间,推 Elders Based on POI and Machine Learning:A Case
动城市和地区之间的合作。因此,北部线能够较 Study of Wuhan[J]. Economic Geography, 2021,
好地平衡广州、东莞、深圳和香港的未来发展,为 41(6): 49-56.
城市群的融合与协同发展创造有利条件。 [6] BIGOTTE J F, ANTUNES A P. Social Infrastruc‑
本文将大数据与空间综合模拟模型耦合,辅 ture Planning: A Location Model and Solution Methods
[J]. Computer-Aided Civil and Infrastructure Engi‑
助重大交通基础设施的智能选址。地理大数据
neering, 2007, 22(8): 570-583.
的 发 展 赋 能 多 维 度 、高 分 辨 率 的 空 间 分 析 与 计
[7] FUCHS F,TRIVELLA A,CORMAN F. Enhancing
算,避免了人为观察和经验决策所带来的误差,
the Interaction of Railway Timetabling and Line
为选址决策提供数据支撑。研究方案探索了集
Planning with Infrastructure Awareness[J]. Trans‑
成数据驱动和模型驱动的高铁选线新途径,为重
portation Research Part C: Emerging Technologies,
大基础设施选址决策提供参考。 2022, 142: 103805.
[8] 李绍琳, 杜清运 . 利用梯阶中值选址模型进行区域
参 考 文 献
机场群布局适应性研究[J]. 武汉大学学报(信息科
[1] 刘毅, 王云, 杨宇, 等 . 粤港澳大湾区区域一体化 学版), 2012, 37(8): 988-991.

