一、中国高铁发展的历程
交通运输业的发展是一段人类文明进步、经济社会发展的历史，历史上每一次交通运输方式的变革都引发了地区经济的重大变革。1964年，日本建设完成世界第一条高速铁路——“东海道高速铁路新干线”，缓解了当时东京至大阪沿线城市交通运输的困境，并且带动了整个国家经济的腾飞。其后，高速铁路在全球范围内得到迅速发展。我国高速铁路发展可以分为两个阶段。[3]
第一阶段为1990—2007年，主要向德、日、法等国家学习高速铁路发展经验及技术，同时在这一阶段，我国进行了五次铁路提速。2004年，国务院常务会议通过第一个《中长期铁路网规划》（以下简称《规划》），规划了“四纵四横”总长超过1.2万公里的快速客运专线网。
第二阶段为2008年至今，我国高速铁路产业自主创新阶段。2008年，我国第一条高速铁路线路——京津城际高速铁路开通，自此我国正式走向了高铁时代。2016年，国家发展改革委再次调整《规划》，目标在2025年将高铁里程增至3.8万公里，形成“八纵八横”格局。截至2016年，我国高速铁路运营里程已达2.2万公里，铁路运营总里程达124万公里，全国铁路网络逐步完善，技术进步飞速，铁路运输能力得到极大提升。
2008—2016年，我国高速铁路基本情况、铁路与高速铁路客运量及占比情况分别如表6-2、图6-1所示。
表6-2 2008—2016年高速铁路基本情况
图6-1 2008—2016年高速铁路与铁路客运量及高铁客运量占比
表6-2数据显示，自2008年我国正式开通运营高速铁路以来，2008—2016年，高速铁路营业里程从672公里提升至22980公里。同时，高铁客运量从734万人次增加至122128万人次，占全国铁路客运量的比重从0.5%增长至43.4%；高铁旅客周转量占全国铁路旅客周转量的比重由0.2%增长至36.9%。图6-1显示这一占比呈现快速上升态势。我国高速铁路具备舒适、安全、方便、快捷等优势，高铁占据旅客出行方式选择的比重逐年提高，但高速铁路的出行成本相对昂贵，也为普通铁路旅客运输保留了一定的市场份额。2016年，《规划》提出到2030年，铁路网规模基本实现内外互联互通、区际多路通畅、省会高铁连通、地市快速通达、县域基本覆盖的远期目标。目前，我国30个省（市、自治区）均已实现高速铁路互通互达，增强了地区间的交流联系，为全国范围内资源要素流动与空间聚集提供了有力的交通基础支撑。
二、高铁可达性指数计算方法与运算模型
加权平均旅行时间法是交通节点间通行时间的一种综合计算指标方法，能够通过旅行时间的长短反映地区的可达性水平，体现交通发展前后旅行时间变化下地区可达性的变动幅度。具体而言，这一指标侧重于从空间距离、时间节约或成本节约的角度衡量地区间的可达性水平，受到被评价地区区位、经济实力以及交通设施密集程度等因素的影响。一般认为可达性的构成包括旅行成本和区位吸引力两部分[4]，本章参照石京、周念的加权平均旅行时间模型[5]，充分考虑地区间铁路发展与经济水平差异，构建包含地区最短旅行时间、铁路密度、列车经停频次权重、地区经济增长水平的高铁可达性计算模型。
（一）高铁可达性计算模型
式（2）中，Aj表示j地区的可达性；i、j分别表示每个地区，i，j=1，2，…，30，其中i=j时表示同一地区，i≠j时表示非同一地区，下文公式中i、j均相同。式中包含两个要素，其一为Iji，表示地区i与j之间的阻力参数，衡量地区间旅行的时间成本，为两节点（省会城市）之间的最短铁路旅行时间；其二为Pj，表示j地区的综合参数，衡量地区吸引力，反映因地区经济和铁路发展水平不同对其他地区吸引力的差异程度，作为最短旅行时间的加权平均权重。
（二）地区阻力参数计算
计算最短旅行时间遵循如下原则：如果30个地区中每两个省会城市间有可以直接通达的旅客列车班次，则选择所有列车班次中铁路里程最短车次对应的旅行时间为两省会城市间的最短旅行时间；如果两城市间没有直达列车班次，则在遵循最短路径的原则上选取可供选择的中转站中距离始发站运输里程最短的省会城市作为中转点，计算两城市间的最短旅行时间；中转滞留时间不计入计算。
（三）地区综合参数计算
选取各地区的地区生产总值、年末人口数、铁路密度与列车经停频次权重计算地区综合参数，其中，地区生产总值（GDP）反映地区的实力与财富，年末人口数（peo）反映地区一定时期内劳动力资源利用的基础，铁路密度（D）反映地区铁路密集程度，列车经停频次比重（n）反映某个地区铁路车次密集程度与全国平均水平的关系。综合参数计算公式如式（3）所示：
其中，铁路密度计算公式如式（4）所示：
式（4）中，Dj表示j地区铁路密度；Lj表示j地区铁路营业里程；Sj表示j地区土地面积。根据铁路密度定义，铁路密度值越大，表示该地区铁路越密集。
列车经停频次权重计算公式如式（5）所示：
式（5）中，nj表示j地区列车经停频次权重值；Nj表示j地区列车经停次数；N为30个地区列车经停次数之和；mean（N）为N除以30，表示列车站点频次总数的均值。nj为某时点某地区列车经停次数与所有考察站点列车经停次数总数的均值之间的比值，nj大于1表示该地区列车经停次数高于全国平均水平；nj小于1表示该地区列车经停次数低于全国平均水平；nj等于1表示该地区列车经停次数等于全国平均水平。
（四）高铁可达性的指数化处理
根据可达性指标定义，某一地区可达性指标值越小，表示该地区可达性越好。为更直观地反映地区可达性的优劣，将可达性指标Pj进行指数化处理，从而使得可达性指数值越大表示地区可达性越好，计算公式如式（6）所示：
式（6）中，Mj表示进行指数化处理的高铁可达性指标，即高铁可达性指数，本章应用高铁可达性指数Mj表示各地区高铁可达性情况。根据可达性指数Mj的定义，某一地区可达性指数值越大，则表示该地区高铁可达性越好。
三、中国高铁可达性指数计算
比较高速铁路开通前后一个地区的可达性指数，可以描述高铁开通前后地区可达性的变化情况，进而评价随着高速铁路发展带来的地理区位条件的改善程度。高铁可达性指数变化率表明高铁可达性的改善程度，根据2008—2016年30个省（市、自治区）高铁可达性指数变化率，按照可达性变化率从高至低，将30个地区依次分为可达性改善程度“高、中、低”三类。
2008年和2016年30个省（市、自治区）高铁可达性指数及变化率如表6-3所示。
表6-3 2008年和2016年30个省（市、自治区）高铁可达性指数及变化率
表6-3数据显示，2008年，可达性指数最大的地区是湖北，为9.210；最小的地区是新疆，为2.085；中位数地区是广东和辽宁，分别为5.074、4.992。2016年，可达性指数最大的地区是河南，为17.522；最小的地区是新疆，为2.728；中位数地区是福建和山西，分别为7.176、7.168。可达性指数越大表明地区可达性越好，按可达性指数由大至小排序，2008—2016年，可达性指数排序位次上升的地区有河南、北京、江苏、上海、山东、陕西、浙江、广东、福建、贵州、云南、广西、内蒙古，表明这些地区可达性水平在30个省（市、自治区）范围内变得相对更好；排序位次下降的地区有湖北、河北、湖南、安徽、江西、天津、山西、重庆、甘肃、辽宁、吉林、宁夏、黑龙江、青海、海南，表明这些地区可达性水平在30个省（市、自治区）范围内变得相对更差；不变的地区为四川、新疆。
从变化幅度来看，30个省（市、自治区）的区位条件随着该节点高铁的开通运营均得到优化，2016年相对于2008年而言可达性指数变化率的值越大，表明区位优化程度越高。根据高铁可达性变化率的大小依次将30个省（市、自治区）分为可达性改善程度“高、中、低”三类地区，其中，第一类地区为可达性改善程度较高的地区，包括江苏、上海、河南、山东、陕西、北京、浙江、云南、贵州、湖北，高铁可达性指数变化率区间为0.779～1.054；第二类地区为可达性改善程度中等的地区，包括福建、湖南、广东、江西、河北、重庆、广西、安徽、四川、甘肃，高铁可达性指数变化率区间为0.390～0.716；第三类地区为可达性改善程度较低的地区，包括内蒙古、新疆、天津、山西、辽宁、黑龙江、吉林、青海、海南、宁夏，高铁可达性指数变化率区间为0.054～0.342。
根据可达性变化率划分的三类地区各自呈现空间集聚状态。整体而言，我国中部、东部地区可达性改善程度最高；东南部、西南部地区次之；西北部、东北部地区最低。我国地区高铁可达性与地区经济发展水平、铁路发展水平等初始条件密切相关，同时，高铁可达性也会受到地区间空间关联性的影响。
四、中国高铁可达性的空间自相关性
空间自相关性是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性，是检验某一现象与其相邻空间单元的显现是否相关联的指标。[6]全局空间自相关性能够反映数据在整个地区的空间分布态势，运用“相邻”距离函数构造空间权重矩阵，以反映地区高铁可达性在全国范围内的空间关联性，空间权重矩阵计算公式如式（7）：
式（7）中，Z表示空间全权重矩阵；主对角线上元素Z11=Z22=…=Zii=0表示同一地区；如果地区i与j相邻，则Zij=1，如果地区i与j不相邻，则Zij=0，其中i、j分别表示每个地区，i、j=1，2，…，30。将空间权重矩阵进行标准化处理。根据定义，Moran散点图的四个象限分别对应于空间单元与相邻单元之间的四种局部空间联系形式：第一、第三象限表示高、低观测值单元被同是高、低观测值单元所包围的空间联系形式，为相似值的聚集；第二、第四象限表示低、高观测值单元被高、低观测值单元所包围的不同观测值的空间联系形式，为空间异常。
2008—2016年，我国地区高铁可达性变化率与高铁可达性变化率空间滞后项的Moran散点图如图6-2所示。
图6-2 2008—2016年30个省（市、自治区）可达性变化率与其空间滞后值的Moran散点图
图6-2显示，拟合线斜率为正，大多数散点分布在第一、第三象限，我国高铁可达性指数变化率与其空间滞后项分布为正的全局空间自相关关系，地区高铁可达性变化率和相邻地区高铁可达性变化率呈现高—高或低—低的空间聚集状态，表明高铁可达性改善程度较高的地区，其空间地理相邻地区高铁可达性改善程度也较高；高铁可达性改善程度较低的地区，其空间地理相邻地区高铁可达性改善程度也较低。
散点具体分布情况为：上海、江苏、山东、浙江、福建、江西、湖南、湖北、河南、贵州为高—高关联地区，表示可达性改善程度高的地区被可达性改善程度高的地区包围，大部分地区属于高铁可达性改善程度为“高”的一类地区；宁夏、河北、内蒙古、新疆、青海、辽宁、黑龙江、吉林、甘肃为低—低关联地区，表示可达性改善程度低的地区被可达性改善程度低的地区包围，大部分地区属于高铁可达性改善程度“低”的一类地区；安徽、天津、海南、山西、广西、重庆、四川为低—高关联地区，表示可达性改善程度低的地区被可达性改善程度高的地区包围；云南、北京、广东、陕西为高—低关联地区，表示可达性改善程度高的地区被可达性改善程度低的地区包围。空间自相关性能够在一定程度上解释地区高铁可达性改善程度的差异，即地区高铁可达性的改善程度除受地区经济发展水平、铁路发展水平等因素影响外，也受到地理区位的影响，对某地区而言，其相邻地区高铁发展水平较高、高铁可达性改善程度较高能够带动该地区高铁可达性的提升。
本章将在此基础上，分别分析三类地区高铁可达性对于地区劳动力市场平衡性的影响作用及二者之间的关系。