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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 个体 流动 广东省 城市 网络 结构 特征 分析
