基于个体流动的广东省城市网络结构特征分析.pdf

《基于个体流动的广东省城市网络结构特征分析.pdf》由会员分享，可在线阅读，更多相关《基于个体流动的广东省城市网络结构特征分析.pdf（11页珍藏版）》请在佰策地产文库上搜索。

1、 基于个体流动的广东省城市网络结构特征分析基于个体流动的广东省城市网络结构特征分析 林梓琪，刘子明林梓琪，刘子明 摘要：摘要：个体在区域内流动是城市经济水平、产业结构、政策影响以及地区文化特点综合作用的呈现，也是体现区域内不同城市间经济、社会联系强度的重要指征。本文借助微信定位数据模拟广东省个体流动情况，利用社会网络分析方法对广东省城市网络结构进行分析。研究结果表明，深莞穗是广东省城市间联系的龙头城市群，凝聚力强的城市群不完全在地理上邻近。本文进一步对城市网络结构与社会经济因子用引力模型进行多元回归分析，发现城市的经济产值会加强城市间联系的强度，且第三产业增加值影响力最大；城市人口规模仅轻微促

2、进城市间的联系；铁路班次对城市间联系的促进作用不明显；城市间的地理距离并不是制约城市联系的主要因素。关键词：关键词：城市网络结构，微信定位数据，社会网络分析，多元回归分析 1 引言引言 Castells提出的“流动空间（space of flow）”解释了个体流、物流、资金流和信息流等要素流动是区域和全球发展的特点1，流动空间已经成为当代区域发展以及全球化发展的基础背景，流数据也因此成为区域研究的重要基本数据。区域城市群的发展与城市间相互的联系和作用密切相关2，并且通过要素交换来实现。在各类流动要素中，个体流动是区域中城市经济水平、城市产业结构、政策影响以及地区文化特点综合作用的呈现。广东是我

3、国经济大省，但省内珠三角地区与东翼、西翼和北部山区的发展差异较大，存在区域发展不均衡、城镇体系不完善的状况1。为促进省内区域协调整体发展，对广东省城市网络结构进行研究十分必要。因此，本文利用微信定位数据模拟区域个体流动，对广东省城市网络结构进行研究。2 城市网络结构相关研究城市网络结构相关研究 城市网络研究是将城市视为节点（node、vertices），城市间的联系视为连接线（ties、edges）的区域城市群空间结构研究手段，可以分为地理网络和逻辑网络，现有研究常将图论网络分析方法运用在城市网络分析中。常用的网络分析有地理网络分析和社会网络分析。寻找和构建城市间的关系数据是城市网络研究的核心

4、。现有研究中的城市间关系数据可分类为两大类，一类是直接使用企业总部-分支机构数据3-10、合作专利数据11、百度指数12-14、百度贴吧数据15、百度迁徙数据16、铁路班次17-19和腾讯（QQ）位置数据20等作为城市间关系数据；另一类则使用统计年鉴的人口、GDP和工业总产值等属性数据，通过引力模型构建21-23、计算网络关联值10,24,25、连锁网络算法8,11转化为城市间的关系数据矩阵。对关系数据用ArcGIS可视化后，有学者运用自然断点法对不同时间横截面的城市联系强度进行城市网络层次划分，探寻城市网络结构的时空变化13,14；另有学者从运用社会网 络分析方法（Social Networ

5、k Analyses,SNA）、价值区段法10、优势流法15,16对关系数据进一步深入分析。从研究区域来看，现有对我国区域城市群网络结构研究以京津冀3、长三角4,12,15,21-23、珠三角3,14和东北地区18为主，其中对长三角的研究占比重最大。对于所得城市网络空间结构分析结果，部分学者对其影响因子进行相关性分析，分析所用的影响因子一般为GDP、人口、货运量、互联网普及率等少数几个社会经济因子，分析方法有线性拟合、相关性分析和回归分析26,27。综上所述，既有的研究较少对广东省城市群网络结构进行研究，且分析城市网络空间结构所用影响因子欠缺系统性、分析方法欠缺对影响因子之间权重的描述。因此，

6、本文将以微信定位数据模拟区域间个体流动，借鉴社会网络分析方法对广东省城市群网络结构进行分析，并且从经济、人口、文化、地理距离和可达性五个方面分析城市网络结构的影响因子及其权重。3 数据特征与处理数据特征与处理 3.1 原始数据结构特征原始数据结构特征 1)微信定位数据 截止到2016年第二季度，微信已经覆盖中国94%以上的智能手机2，基于微信用户的个体移动数据基本上真实地反映了区域间个体流。本文使用的微信定位数据为2018年5月整月微信用户在广东省不同城市中被捕捉到的ID量，同一ID在一座城市中出现一次或多次都计数为1，该数据基本上能够反映广东省跨城个体流动网络的情况。2)其他类型数据 a)铁

7、路班次数据 数据源于12306网站获取的广东省91个办理客运业务的铁路车站的到发车次数据。包括车次、时间和票价信息。对站点和站点之间可达的列车车次数量进行了统计，并按照车站所属的地市，汇总为21个地级以上城市间相互通达的列车班次。数据排除了2018年7月开通的江门至湛江铁路，不包括东莞和惠州之间的莞惠城际铁路。b)公路里程数据 数据来源于广东省地图册公路里程表，包含广州省主要城市间的公路里程数据，借助百度地图，对缺失部分进行了补充。城市和城市之间以网络检索的里程，默认为以政府驻地为准。c)经济人口统计数据 数据来源于2018年广东统计年鉴，包括各城市人口数量、第二产业增加值、第三产业增加值以及

8、货物运输量。3.2 数据处理与研究框架数据处理与研究框架 3.2.1 数据处理 本文对微信原始数据进行处理，建立数据透视表，获得一个月内两两城市间出现的用户ID数量，模拟城市之间个体流动。另外，由于列车班次中，两城市中无直达列车，原始数据对该情况赋值为零，但赋值为零会在社会经济因子对城市网络结构的影响分析中影响处理结果，因此，为避免这种情况发生，本文对城市间无列车直达的情况赋值为0.001。3.2.2 研究框架 研究框架分为描述分析和推断分析，具体内容如图1研究框架所示：图 1 研究框架 4 城市网络结构特征城市网络结构特征 4.1 基于社会网络的城市网络结构分析基于社会网络的城市网络结构分析

9、 本文所用社会网络分析法源于社会学根据数学和图论发展的定量分析方法，分析行动者节点、关系纽带、子群等要素的社会联系，将社会网络方法应用在城市网络结构分析中，把城市视为节点，把城市间的联系和赋值视为关系纽带，可为城市群网络结构研究提供定量分析工具。社会网络分析中常用指标为度数中心度、中介中心度、接近中心度和凝聚子群，其相应衡量标准如表格1所示。但由于微信定位数据是两两城市间个体流动数据，缺少中间节点、时间成本以及相同的流量信息，无法分析中介中心度、接近中心度。其中度数中心度又可分为点入度和点出度指标，具体衡量标准如表格1所示。本文运用ucinet6.0软件计算度数中心度和凝聚因子，度数中心度越大

10、则该城市在区域中的权威度和核心性越高28,29，凝聚子群分析则体现了区域内城市之间内的聚性和凝聚力情况29。表格 1 常用社会网络指标及其衡量标准 指标 衡量标准 度数中心度（degree centrality）网络中一个节点其他节点发生联系数量越多、流量值越大，点度中心度越高 中介中心度（betweenness centrality）网络中一个节点位于和其他节点发生联系的最短路径上，其中介中心度较高，能够反映发生联系过程中的 控制力 接近中心度（closeness centrality）基于之间距离的层面刻画节点中心性，网络中一个节点与其他节点的可达能力越强，接近中心度越高 凝聚子群（coh

11、esive subgroups）网络中联系较强、直接、密切，可用来挖掘网络中潜在的空间组织、结构状态和联系方式等 点出度（outdegree）节点输出对外联系的数量 点入度（indegree）节点接纳外界联系的数量 4.2 度数中心度分析度数中心度分析 度数中心度的测算公式表达为:(1)式中:为度数中心度;为节点i和其他节点城市之间的有效联系数量。社会网络分析的度数中心度引入城市网络结构分析能够体现某城市在该区域的威望和权力等级，测算结果如表格2所示。要素在区域中的流动因城市发展差异而呈现一定的方向性，所以度数中心度又包含了点出度和点入度。通过测算结果可以发现，仅有前四位城市（深圳、广州、东莞

12、和佛山）的度数中心度数值高于均值（0.02），而前三位（深圳、广州和东莞）与后续排位为城市的度数中心度数值差异较大。可以说明，深圳、广州、东莞和佛山市广东省的绝对核心城市。而度数中心度排位较后的城市，如云浮、阳江、汕尾、韶关、梅州和河源，作为广东省边缘的城市，是核心度最低的城市。对于同一座城市，若其点入度大于点出度，说明该城市受益于其他城市的个体要素输入，反之，则说明该城市对其他城市输出个体要素进而影响其他城市的发展。对比本文点出度和点入度分析结果可以发现，首先，在度数中心度排名靠前的城市中，受益于其他的城市的个体要素输入的城市有深圳、湛江、中山、珠海和汕头；其次，而对其他城市输出要素而影响其

13、他城市发展的城市有东莞、佛山、惠州、江门、茂名；再次，度数中心度排名靠后的城市中，这些城市的点入度和点出度的排位也靠后，说明这些城市处于广东省要素交换的边缘地带，个体要素在其中的输入和输出都很低，刺激城市向上发展的难度较高。表格 2 广东省地级市度数中心度排名 序号 度数中心度分析（标准化）排序 度数中心度 排序 点入度 排序 点出度 1 深圳市 0.154 深圳市 0.134 东莞市 0.081 2 广州市 0.104 广州市 0.028 广州市 0.076 3 东莞市 0.082 湛江市 0.018 佛山市 0.025 4 佛山市 0.028 中山市 0.011 深圳市 0.02 5 湛江

14、市 0.018 珠海市 0.006 惠州市 0.008 6 惠州市 0.014 汕头市 0.005 江门市 0.006 7 江门市 0.011 惠州市 0.005 汕头市 0.004 8 中山市 0.011 江门市 0.005 茂名市 0.004 9 汕头市 0.009 肇庆市 0.005 潮州市 0.004 10 茂名市 0.008 茂名市 0.004 揭阳市 0.003 11 揭阳市 0.007 揭阳市 0.004 清远市 0.003 12 清远市 0.006 佛山市 0.004 梅州市 0.003 13 珠海市 0.006 清远市 0.003 河源市 0.003 14 肇庆市 0.005

15、 阳江市 0.002 韶关市 0.002 15 潮州市 0.004 云浮市 0.002 汕尾市 0.002 16 河源市 0.004 汕尾市 0.002 湛江市 0 17 梅州市 0.004 韶关市 0.002 中山市 0 18 汕尾市 0.004 梅州市 0.002 珠海市 0 19 韶关市 0.004 河源市 0.001 肇庆市 0 20 阳江市 0.003 东莞市 0.001 云浮市 0 21 云浮市 0.003 潮州市 0 阳江市 0 均值 0.02 均值 0.01 均值 0.01 数据来源：微信定位数据 4.3 凝聚子群分析凝聚子群分析 本文所运用的凝聚子群分析根据区域中城市之间的联

16、系的内聚程度划分城市网络内部组团，城市相互之间个体流动联系数量大的一组城市将会被划分为一个凝聚子群。分析结果如图 2所示。从凝聚子群分析结果可以看出，广东省个体流动联系网络分为三个层级，21个地级市被分为四个子群：一是以广州和佛山为主导的，联合东莞、韶关和潮州的凝聚子群；二是以深圳和湛江为主导的，联合中山、清远、肇庆、阳江和云浮的凝聚子群；三是由珠海构成是凝聚子群；四是没有明显主导城市的剩余城市构成的凝聚子群，包括江门、惠州、茂名和汕头等。广东省新型城镇化规划（20162020）中的总体空间格局规划将广东省空间发展规划为五个城市群：广佛肇+清远、云浮、韶关城市群；深莞惠+河源、汕尾城市群珠中江

17、+阳江城市群；潮汕揭+梅州城市群；湛茂城市群。对比可以发现本文分析的广东省凝聚子群划分与该规划划分的发展组团有明显差异。首先，珠三角规划中的三大城市群3都没有在该分析中被归类为同一子群，“广佛莞”属于同一凝聚子群，传统的“广佛肇”中的肇庆与中山、清远等城市属于同一凝聚子群；“深莞惠”和“珠中江”内的城市均分属于三个子群。其次，凝聚子群内的城市并不完全在地理上临近，如湛江与深圳、潮州和茂名与子群内其他城市均相隔甚远。图 2 广东省城市群凝聚子群分析（来源：根据分析结果绘制）5 城市网络结构的影响因子分析城市网络结构的影响因子分析 5.1 理论假设与模型设定理论假设与模型设定 基于上节分析的广东省

18、城市网络结构与已有规划的差异，本文将进一步利用引力模型探索影响城市网络结构的影响因子及其权重。城市之间的引力涉及诸多相关的因素，如经济规模、人口规模、距离、以及城市之间基础设施的联通程度，本节对以上影响因素进行理论分析。做出如下假设：表格 3 理论假设列表 理论假设 1）城市经济产值越高，与其他城市发生联系的作用越强；同样，与经济产值越高的城市发生的联系越强。2）城市规模越大，与其他城市发生联系的作用越强；同样，与规模越大的城市发生的联系越强。3）城市之间距离越远，联系越弱：基于地理学的距离衰减法则。4）城市之间交通联通越方便，城市之间的联系越强。引力模型常用于计算城市之间的相互作用力,该模型

19、的源于万有引力公式：(2)式中F为两城市之间的引力大小，mi和mj分别为城市i与城市j的质量（由影响其对外关系的社会经济指标表示）,d是城市i到城市j的距离；k为待定系数，a、b为摩擦系数，因此，两个城市之间的引力计算也可以表示为Fij=K()adij-b。本文在原始城市引力模型基础上，结合理论假设扩展解释变量，将模型进行双对数变换，设定为如下形式：(3)在模型中(3)，为常数项，为残差项，是城市i和城市j第二产业增加值乘积的对数，是城市i和城市j第三产业增加值乘积的对数，是城市i和城市j年末常住人口乘积的对数，是是城市i和城市j实际公路里程的对数，是城市i和城市j运营列车班次数量的对数，是城

20、市i和城市j货运总量乘积的对数，是判断城市i和城市j是否处于同一方言区4，是记作1，否记作0。5.2 模型检验模型检验 由于模型中解释变量较多，可能存在多重共线性使模型不稳定造成变量估计失真。在正式检验之前，先计算变量间的相关系数矩阵（图、表格4），结果显示语言变量与微信定位数据相关系数小于0.5，属于弱相关。第二产业增加值与第三产业增加值、人口及货运量之间的相关系数均大于0.8，说明自变量之间存在相关性，可能会导致共线性问题。对模型进行逐步回归，以筛选自变量。根据偏相关系数，最终变量中语言变量与第二产业增加值变量分别因为与微信定位数据相互联系的密切程度太高和太低被排除（表格5）。在逐步增加变

21、量的过程中，模型的R值得到了不断地提高，其决定系数R方也从0.804提高到0.87，意味着87%的变量能够为模型所解释。其P值均小于0.01，在筛选剔除第二产业增加值和语言的基础上，模型拟合良好。表格 4 微信定位数据与社会经济因子的皮尔逊相关系数 Pearson industri service population distance train cargo language wechat.861.896.795-.462.590.705.334 数据来源：微信定位数据、广东省统计年鉴 2018、铁路班次数据、城市间实际公路里程 5.3 多元回归结果分析多元回归结果分析 根据多元回归结果，微

22、信定位数据对数与变量、的标准化相关系数分别达到0.703、0.197、-0.176、0.128、-0.105，具体分析如下。在经济产值方面，第三产业增加值与个体的跨城流动有着非常强的正相关性，其影响程度远远超过其他变量；第二产业增加值由于与微信定位数据共线性而被排除，但两者相关系数较高（表格4）；表征物流的工业的货物运输总量与个体流动呈一种负相关关系。因此，广东省内跨城个体流动深受城市第三产业规模影响，同时存在第二产业规模的影响，而物流发达 的城市则并不意味着能够吸引个体流动，相反可能对人口产生一种挤出效应。在城市规模方面，人口规模与个体跨城流动呈正相关，但相关性权重较低，说明人口规模大的城市

23、并不能成为吸引个体前往的充分理由。在城市间的地理距离方面，城市间的距离与个体跨城流动呈负相关，即城市之间距离越小，基于个体流动的城市间联系越强。然而，两者相关性权重较低，说明城市间的地理距离并不是制约城市联系的主要因素，距离远的城市之间也有可能产生强联系（如本文第4节中分析的深圳和湛江）。在交通基础设施的联通程度方面，铁路班次（包括高速铁路与普速铁路）对城市联系的发生起到正面作用，频密的班次促进了出行的便利，带来了更多的个体流动从而加强城市间联系。表格 5 微信定位数据与社会经济因子多元归回分析结果 模型 1 2 3 4 5 service 0.896 0.796 0.769 0.598 0.

24、703 train 0.211 0.172 0.124 0.128 distance -0.133-0.179-0.176 population 0.221 0.197 cargo -0.105 R.896a.916b.923c.931d.933e R 方 0.804 0.838 0.853 0.867 0.87 标准估算的误差 1.04665 0.95235 0.91095 0.86862 0.86024 自由度 2 208 207 206 205 204 F 850.994 536.041 397.331 333.145 272.731 P 值.000b.000c.000d.000e.00

25、0f 德宾-沃森 1.718 数据来源：微信定位数据、广东省统计年鉴 2018、铁路班次数据、城市间实际公路里程 图 3 微信定位数据与各社会经济因子散点图（来源：作者自绘）6 结论与展望结论与展望 本文基于微信定位数据从个体流动角度研究广东省城市网络结构，研究所得城市联系强度、城市子群划分与现行规划有所差异。在此基础上，本文用多元回归法对所得城市网络结构进行影响因子及其权重分析。研究结果表明，首先，对于城市网络结构特征，现有广东省城市网络结构与已有城市群规划在一定程度上契合（如深莞穗是广东省城市网络中的龙头城市、广佛同属一个子群）但在更大程度上体现了联系紧密的城市群不完全在地理上邻近的特点，

26、这与现行城市群规划中依据城市间邻近程度而划分城市群存在差异。其次，对于广东省城市网络结构的影响因子权重分析，经济产值对城市联系强度有正向影响且第三产业产值高的城市更能促进城市间的联系加强，并且地理距离与城市间联系相关性较低也佐证了紧密联系的城市不完全在地理上邻近。对于规划师而言，“城市群”、“都市圈”的规划在考虑地理邻近、行政层级等区域空间理论和原则的同时，应从实际的区域产业对接角度考虑区域城镇体系规划。城市自身发展应综合经济发展和文化辐射两方面，利用好周边城市地域邻近的区位优势从而节省交 通成本和沟通成本。最后，出于数据自身的局限性，本文所运用微信定位数据只能从个体流动方面进行分析，缺乏信息

27、流动、资金流动和技术流动的考量。另外，在本文的多元归回分析中，德宾-沃森值（1.718）不在理想区间中，即解释变量的残差自相关是不确定的，这意味着解释变量选取存在不足。因此，本文的下一步工作是继续寻找更确切的社会经济因子分析基于微信定位数据的城市网络结构影响因素。1资料来源：广东省新型城镇化规划（2016-2020 年）2数据来源：腾讯公布 2016 年第二季度及中期业绩；https:/ 3指珠三角“广佛肇”、“深莞惠”、“珠中江”三大城市群规划。4 以广东方言区化为依据 参考文献参考文献 1 Derudder B,Taylor P J.Central flow theory:comparat

28、ive connectivities in the world-city networkJ.Regional Studies,2018,52:1-14.2 Friedmann J,Wolff G.World city formation:an agenda for research and actionJ.International Journal of Urban&Regional Research,2010,6(3):309-344.3 赵渺希,钟烨,徐高峰.中国三大城市群多中心网络的时空演化J.经济地理,2015,35(03):52-59.4 种照辉,覃成林,叶信岳.城市群经济网络与经济

29、增长基于大数据与网络分析方法的研究J.统计研究,2018,35(01):13-21.5 程遥,张艺帅,赵民.长三角城市群的空间组织特征与规划取向探讨基于企业联系的实证研究J.城市规划学刊,2016(04):22-29.6 吴康,方创琳,赵渺希.中国城市网络的空间组织及其复杂性结构特征J.地理研究,2015,34(04):711-728.7 董琦,甄峰.基于物流企业网络的中国城市网络空间结构特征研究J.人文地理,2013,28(04):71-76.8 汪鑫,罗震东,朱查松,等.中心与腹地的辩证:基于企业联系的苏州、宁波区域空间关系比较研究J.城市规划学刊,2014(05):79-85.9 朱查松

30、,王德,罗震东.中心性与控制力:长三角城市网络结构的组织特征及演化企业联系的视角J.城市规划学刊,2014(04):24-30.10 唐子来,赵渺希.经济全球化视角下长三角区域的城市体系演化:关联网络和价值区段的分析方法J.城市规划学刊,2010(01):29-34.11 王丰龙,曾刚,叶琴,等.基于创新合作联系的城市网络格局分析以长江经济带为例J.长江流域资源与环境,2017,26(06):797-805.12 王启轩,张艺帅,程遥.信息流视角下长三角城市群空间组织辨析及其规划启示基于百度指数的城市网络辨析J.城市规划学刊,2018(03):105-112.13 熊丽芳,甄峰,王波,等.基于

31、百度指数的长三角核心区城市网络特征研究J.经济地理,2013,33(07):67-73.14 熊丽芳,甄峰,席广亮,等.我国三大经济区城市网络变化特征基于百度信息流的实证研究J.热带地理,2014,34(01):34-43.15 邓楚雄,宋雄伟,谢炳庚,等.基于百度贴吧数据的长江中游城市群城市网络联系分析J.地理研究,2018,37(06):1181-1192.16 魏冶,修春亮,刘志敏,等.春运人口流动透视的转型期中国城市网络结构J.地理科学,2016,36(11):1654-1660.17 初楠臣,张平宇,姜博.基于日高铁流量视角的中国高速铁路网络空间特征J.地理研究,2018,37(11

32、):2193-2205.18 冯兴华,修春亮,刘志敏,等.东北地区城市网络层级演变特征分析基于铁路客运流视角J.地理科学,2018,38(09):1430-1438.19 焦敬娟,王姣娥,金凤君,等.高速铁路对城市网络结构的影响研究基于铁路客运班列分析J.地理学报,2016,71(02):265-280.20 Hui E C,Li X,Chen T,et al.Deciphering the spatial structure of Chinas megacity region:A new bay areaThe Guangdong-Hong Kong-Macao Greater Bay Ar

33、ea in the makingJ.Cities,2018.21 侯赟慧,刘志彪,岳中刚.长三角区域经济一体化进程的社会网络分析J.中国软科学,2009(12):90-101.22 王永刚,吴治忠.基于服务业增加值的长三角城市网络关系分析借助引力模型的实证研究J.中国流通经济,2015,29(03):78-85.23 李响.基于社会网络分析的长三角城市群网络结构研究J.城市发展研究,2011,18(12):80-85.24 赵渺希,刘铮.基于生产性服务业的中国城市网络研究J.城市规划,2012,36(09):23-28.25 赵渺希,唐子来.基于网络关联的长三角区域腹地划分J.经济地理,201

34、0,30(03):371-376.26 熊丽芳,甄峰,王波,等.基于百度指数的长三角核心区城市网络特征研究J.经济地理,2013,33(07):67-73.27 冯兴华,修春亮,刘志敏,等.东北地区城市网络层级演变特征分析基于铁路客运流视角J.地理科学,2018,38(09):1430-1438.28 马学广,鹿宇.基于航空客运流的中国城市空间格局与空间联系J.经济地理,2018,38(08):47-57.29 初楠臣,张平宇,姜博.基于日高铁流量视角的中国高速铁路网络空间特征J.地理研究,2018,37(11):2193-2205.作者简介作者简介 林梓琪,硕士研究生,深圳大学建筑与城市规划学院 刘子明,硕士研究生,深圳大学建筑与城市规划学院