以高速公路为导向的经济案例研究：可解释的机器学习分类方法在扩展服务区域模型中的应用及决定因素分析

《Case Studies on Transport Policy》：Case study on the Highway-Oriented Economy: Interpretable Machine-Learning classification of expanded Service-Area models and determinant analysis

高速公路服务区扩展模型（SA+）研究构建了包含交通属性、设施规模等五维20指标的分类体系，运用K-means聚类和XGBoost模型将河北99个服务区划分为农业、商业、旅游、物流四类，SHAP分析揭示各分类驱动机制，为区域经济协同提供决策支持。

　　

朱敏卿|王海璐|于伟杰|崔洪军|李东雅|杨一哲

河北工业大学建筑与艺术设计学院，天津300132，中国

摘要

当前以高速公路为导向的经济发展已将服务区定位为货运物流和产业促进的关键平台。这反过来要求服务区根据当地发展特征开发适当的模式——在本研究中称为“服务区+”（SA+）模式。然而，在实践中仍存在一个根本性挑战：如何根据周边环境对服务区进行分类，以确定合适的SA+模式。因此，本研究旨在建立一个定量且可解释的服务区分类框架，并阐明其驱动机制。具体而言，我们为每个服务区开发了一个包含20个指标的全面指数系统，涵盖五个维度：交通属性、设施规模、区位特征、产业经济和旅游资源。然后，应用K均值聚类算法将服务区分类为特定的SA+模式。为了揭示潜在的非线性关联，我们采用了机器学习模型XGBoost来预测SA+模式，并使用SHAP（Shapley加性解释）来解释特征重要性和贡献路径。最后，通过对中国河北省99个服务区的案例研究，确定了四种SA+模式：SA+农业、SA+商业、SA+旅游和SA+物流。机器学习预测结果也支持了分类的一致性，总体准确率为75%，加权AUC为0.94。SHAP分析显示了不同的驱动因素：SA+农业依赖于第一产业比重；SA+商业依赖于可支配收入；SA+旅游与第三产业比重有更强的关联，而SA+物流则与第二产业强度和基础设施有更紧密的联系。我们的研究提供了一个可解释的分析工具，以支持政策制定，旨在加强高速公路服务与当地经济之间的联系，从而促进可持续经济发展。

引言

随着高速公路网络的快速扩张和升级，高速公路已经超越了其基本的运输功能，成为区域经济发展的关键驱动力（Jia和Zhang，2013）。历史上，高速公路服务区仅被视为满足旅行者基本需求（如加油、餐饮、停车和休息）的辅助设施，主要是为了支持高速公路的运营（Jeon，2020）。然而，在“以高速公路为导向的经济”这一新兴概念下，高速公路越来越多地被视为促进空间人口连接和产业整合的催化剂。正如Li和Feng（2019）所指出的，以高速公路为导向的经济是指通过高速公路建设和运营利用沿线的区位优势，聚集乘客、货物和信息流，从而促进交通、物流、旅游和商业的协调发展，刺激区域经济增长。这一发展方向不仅为高速公路系统引入了新的经济价值来源，也重新定义了服务区的功能范围。

在以高速公路为导向的经济驱动下，服务区已经超越了其辅助角色，成为推动区域发展、改善旅行体验和促进产业协同的核心枢纽。作为交通流与经济活动交汇的节点空间，高速公路服务区（SA）的功能升级引起了全球的关注（Rehman等人，2023；Rathee和Sadhukhan，2025）。在欧洲，SA+乡村-城镇协同模式将当地餐饮和住宿资源直接整合到穿过居民区的高速公路网络中，从而降低了建设成本并振兴了当地经济（Zhang等人，2023；Lévy和Martin，2022）。正如在日本所证明的那样，服务区被战略性地开发出来，以展示区域特色和文化，显著提高了客户满意度和支出，而不仅仅是简单的加油站点（Murakami和Oyabu，2016）。此外，“智能能源+物流”在服务区的跨行业融合也成为了一个新的前沿领域：在德国，服务区将光伏发电与货运转运中心结合起来，实现了能源和物流功能的共址运营（Ding等人，2023）。

尽管实践上取得了快速进展并且功能多样化不断增加，但关于高速公路服务区的理论研究——特别是关于SA+分类系统的构建——仍然不足。在这一领域，建立基于现有经济发展的最佳服务区模型已成为一个紧迫的任务。

首先，现有文献从交通或管理的角度对服务区进行分类，使用交通流量、位置或设施规模等单一指标作为分类依据。虽然这些方法对基本运营管理有用，但未能捕捉到产业联系、消费者行为和服务创新的差异（Xu等人，2023）。因此，大多数先前的工作都集中在优化单一功能或分析特定的SA+模式上，缺乏对以高速公路为导向的经济背景下多种SA+模式的系统分类和比较分析（Peng和Zhan，2013）。

其次，对SA+模式的决定因素分析——即特定因素如何驱动特定分类类型的路径——仍然理解不足。尽管存在一些SA+模式的初步影响因素，但很少有系统地分析多个指标（如交通量、区域经济水平和服务设施配置）的综合贡献。深入理解这些多因素相互作用对于优化服务区规划和促进高速公路-区域经济的协调发展至关重要。

为了解决这些不足，本研究旨在通过一个综合指标系统开发一个高速公路服务区的分类框架，该系统整合了交通属性、设施规模、区位特征、产业经济和旅游资源。此外，我们应用了可解释的机器学习模型来探索每种SA+模式背后的决定路径。我们的科学贡献如下：

?

首先，我们提出了一种新的研究视角，即SA+模式，它通过整合服务区的交通、经济和社会功能，指明了以高速公路为导向的经济的分析方向。在这个框架内，我们开发了一个多维度指标系统，将SA+模式与区域发展特征联系起来，并在中国河北省的高速公路服务区案例研究中进行了应用。

?

其次，我们使用K均值聚类实现了SA+模式的多种分类，识别出与农业、商业、旅游和物流特征相对应的四种典型服务区变体。此外，使用XGBoost模型构建了机器学习预测，以评估从描述每个服务区及其周边环境的综合指标推断SA+模式的内部一致性。

?

第三，我们结合了SHAP分析来解释每种SA+模式的决定机制，并通过量化特征重要性和贡献程度来识别关键影响因素，同时考虑了多个指标之间的交互效应。这有助于为明确不同类型服务区的发展优先级提供定量支持。

本研究的其余部分安排如下。第2节介绍了以高速公路为导向的经济和SA+模型的文献综述。第3节介绍了研究区域和数据来源。第4节描述了我们的建模方法，包括分类方法和预测工具。第5节展示了分析结果，最后第6节总结了主要发现并概述了未来的研究方向。

章节片段

文献综述

作为高速公路网络系统中的关键节点设施，服务区随着社会经济的进步和政策演变经历了持续的功能和位置转变。近年来，以高速公路为导向的经济和SA+概念的出现为服务区的升级和多样化提供了新的理论基础。现有研究主要集中在三个方面：（1）以高速公路为导向的经济和SA+模式；（2）

研究空白

现有研究的综合表明，尽管以高速公路为导向的经济和SA+模式提供了有价值的理论方向，但在分类系统和定量解释性方面仍存在显著不足。

（1）当前的SA+模式分类具有单一维度导向，但未能考虑多方面的因素。

研究区域

本研究考察了高速公路服务区的模式，并探讨了其背后的机制，以中国河北省的99个代表性服务区作为研究样本（如图1所示）。选择该研究区域是因为河北省拥有中国北方最广泛的高速公路网络之一。截至2024年，该省共有234个高速公路服务区（包括停车区），高速公路总里程为8,690公里。在2024年春节期间

方法论

本研究结合了K均值聚类和XGBoost（极端梯度提升）算法，构建了一个具有探索性和解释性的SA+分类模型。我们的目标是揭示高速公路服务区的潜在分组模式，并识别影响其分类的关键决定因素。我们的方法论和实施过程如下所述。

分类结果 — SA+模式

通过K均值算法，样本中的高速公路服务区被分类为不同的功能类型。聚类结果揭示了四个主要类别，反映了不同的发展方向和空间特征（如表4所示）。第一种类型是SA+农业（24个案例），其特点是依赖于当地农业资源，专注于展示和销售区域农业和副产品。

研究发现

为了促进以高速公路为导向的经济并培育可持续的服务区模式，本研究开发了一种科学的服务区分类方法，以建立它们的扩展模型，并通过可解释的机器学习方法探索决定路径。为此，我们建立了一个全面的指标系统，用于描述高速公路服务区及其周边环境的特征，包括交通属性、设施规模等。

未引用的参考文献

Bourgeois和Sahraoui，2020；Cao等人，2024；Dai和Zhang，2025；Farias等人，2024；Feng等人，2001；Han，2008；Pengfei等人，2025；Li和Liu，2024；Li等人，2023；Chengxi，2021；Müller和Schmidt，2023；Murray等人，2024；日本国家公路协会，2021；Rathee和Sadhukhan，2025；Rehman等人，2023；Santos等人，2017；Prefecture，2021；Yang等人，2025a；Xuzhong，2022；Yang等人，2025b；Cong，2024；Zhang等人，2023a；Zhang等人，2023b；Zhou等人，2021。

CRediT作者贡献声明

朱敏卿：方法论、资金获取、数据管理。王海璐：撰写——初稿、可视化、方法论、正式分析。于伟杰：撰写——审阅与编辑、监督、方法论。崔洪军：方法论、资金获取、概念化。李东雅：撰写——审阅与编辑。杨一哲：可视化、方法论。

资助

本研究得到了中国国家自然科学基金（编号52,172,304和52372302）和河北省燕赵金才平台重点人才计划（教育平台）（编号HJZD202514）的支持。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。