基于机器学习的京津冀地区交通发展对城市建设用地扩张贡献度量化研究

本研究针对交通发展对城市建设用地扩张贡献度量化不足的问题，采用梯度提升决策树（GBDT）模型和探索性空间数据分析方法，以京津冀地区200个县级行政区为研究对象，揭示了交通优势度（密度、邻近性、可达性）与建设用地扩张（ULA、PCCLA）的时空关联。研究发现交通发展初期贡献显著但随基础设施成熟递减，密度影响最大，为发展中国家大都市区交通与土地协同规划提供科学依据。

　　

在快速城市化进程中，城市建设用地像野草般疯狂蔓延，吞噬着农田和生态空间，引发水资源短缺、污染等一系列"城市病"。京津冀地区作为中国三大城市群之一，过去20年建设用地扩张速度令人咋舌，而交通网络建设被认为是背后的重要推手。但究竟修了多少路、建了多少车站才导致城市"摊大饼"？这个看似简单的问题却长期缺乏精确答案。传统研究多停留在定性描述阶段，难以量化交通发展对土地扩张的真实贡献。

中国科学院地理科学与资源研究所的Linna Li团队在《Land Use Policy》发表的研究，首次运用机器学习方法破解了这一难题。研究人员像侦探般搜集了1995-2018年间京津冀200个县城的交通和用地数据，通过构建梯度提升决策树（GBDT）模型，结合莫兰指数等空间分析技术，揭示了交通发展对土地扩张的非线性影响规律。

关键技术包括：1）基于路网密度、邻近性、可达性的交通优势度多维度评价体系；2）探索性空间数据分析（ESDA）检测空间集聚特征；3）GBDT机器学习模型量化各因素贡献度；4）使用县级行政单元（n=200）的长时序面板数据。

【空间-temporal pattern of transport development】
研究发现京津冀交通网络呈现"点-线-面"扩散轨迹：1995年以北京为中心的单核结构，2010年演变为京-津双轴带动，2018年形成多节点网络化布局。路网密度从0.20 km/km²
增至0.40 km/km²
，但空间差异显著——北京核心区密度超1.0 km/km²
，而张家口、承德山区不足0.1 km/km²
。

【The evolution of urban construction land transition】
建设用地扩张呈现"增长-收缩"波动：1995-2000年市场经济推动下年均增长4.3%；2000-2010年受奥运会刺激增速达6.8%；2010年后因"减量规划"政策出现负增长。值得注意的是，北京、天津核心区建设用地规模下降，而廊坊等周边县市持续扩张，呈现明显的空间溢出效应。

【Conclusions】
研究得出三大颠覆性发现：首先，交通贡献度呈倒U型曲线——在路网密度达0.35 km/km²
前每增加1%带动用地扩张0.8%，超过该阈值后贡献锐减。其次，密度（贡献度28.7%）>可达性（19.2%）>邻近性（12.4%）的影响排序，颠覆了传统认知。最后，空间溢出效应存在明显边界效应：50公里范围内每增加1个交通枢纽使邻县用地扩张概率提升23%，但超出该距离则转为抑制作用。

这项研究为理解"铁公基"建设与城市蔓延的关系提供了精确的量化标尺。其创新价值在于：1）首次证实交通影响存在临界阈值，为"适度超前"的基础设施建设提供科学依据；2）揭示空间溢出效应的非线性特征，解释了大都市区"虹吸-辐射"并存现象；3）开发的GBDT分析框架可推广至其他快速城市化地区。正如研究者所言："当最后一公里道路修通时，它带来的可能不是便利，而是土地资源的浪费。"这一发现对正在编制中的京津冀协同发展规划2.0版具有直接指导意义，也为全球南方国家避免"过度机动化"陷阱提供了中国案例。