浙中城市群發育程度評估

王慧君， 馬仁鋒， 邱 楓， 葉持躍

(寧波大學 地理與空間信息技術系， 浙江 寧波 315211)

?

浙中城市群發育程度評估

王慧君， 馬仁鋒， 邱 楓*， 葉持躍

(寧波大學 地理與空間信息技術系， 浙江 寧波 315211)

從城市群的內部聯系出發，構建由經濟聯系指數、交通聯系指數、物流聯系指數、信息聯系指數和金融聯系指數構成的評價指標體系，通過單要素分析及綜合分析，對浙中城市群的發育程度進行評估.結果表明：浙中城市群的金融聯系發育最快，交通發育較緩，而物流聯系發育基本處于停滯狀態；義烏和金華市區的發育程度最高，武義、浦江和磐安的發育程度較低；浙中城市群西北部發育程度高，東南部發育程度低；浙中城市群的經濟聯系、交通聯系、物流聯系、信息聯系和金融聯系都呈現出發育不均衡的狀態.

經濟聯系指數; 交通聯系指數; 物流聯系指數; 信息聯系指數; 金融聯系指數; 浙中城市群

在我國，隨著市場化、工業化和城市化進程的加速，城市群對我國的經濟發展產生了極大的帶動作用，成為區域經濟發展的主要載體，是國家和地區經濟發展的主要動力.自國家“十一五”以來，“城市群戰略”多次被寫進國家級戰略規劃，強調城市群作為增長極的輻射和帶動作用，同時，城市群的培育和建設也受到地方政府的重視，意識到城市群將作為參與市場競爭的重要空間單元.地方政府積極參與編制與申報城市群區域規劃，在中國掀起了城市(鎮)群規劃的浪潮[1-2].

浙江中西部地區經濟發展水平總體處于浙江省中下游水平，與杭州、寧波、溫州等經濟發達地市存在較大差距，是浙江經濟發展較落后的區域.為解決區域發展差距越拉越大，促進浙江中西部縣(市、區)的統籌資源開發利用，浙江省“十一五”規劃確定浙中城市群是與環杭州灣城市群、溫臺沿海城市群并列的浙江省今后重點要建設的三大城市群之一.浙中城市群的發育，將對浙江中西部地區，乃至整個浙江省的經濟社會的發展產生深遠影響.

在目前的城市群研究中，主要的難點有城市群空間范圍界定標準的確定及城市群的類型劃分[1].其中，城市群類型劃分的核心即為城市群的發育程度.對于城市群發育的研究，多集中于城市群發育的空間格局[2-4]、發育機制及驅動力[5-7]、發育的空間范圍[8-9]和發育程度[10-11]等方面.對于城市群發育程度的評估，多是從城市群的結構體系、組成要素等方面構建指標體系進行評價，如方創琳[10]、韋克游[12]等，通過構建行業區位熵指數、城市群產業熵指數等指標構成城市群發育程度指數模型，對城市群的發育程度進行了綜合評價.本文從城市群的內部聯系出發，構建由經濟聯系指數、交通聯系指數、物流聯系指數、信息聯系指數和金融聯系指數構成的評價指標體系，對浙中城市群的發育現狀進行評估.

1研究方法和數據來源

1.1研究范圍

根據《浙中城市群規劃(2008-2020)》中確定的規劃范圍：金華市行政管轄的9個縣市區，即金華市區(婺城區和金東區)、義烏市、東陽市、蘭溪市、永康市、武義縣、浦江縣和磐安縣，作為研究區域(圖1).

考慮數據的可獲取性和可對比性，由于信息聯系指數中的百度用戶關注度均值只能獲取2011年1月1日之后的數值，且金華市統計年鑒出版至2015年，所以選取的研究時段為2011年至2014年.

圖1 研究區范圍Fig.1 The location of Mid-Zhejiang urban agglomeration

1.2研究方法

城市群的實質是城市群內部各城市間的聯系，即構成了人流、物流、資金流、信息流、技術流等.因此，從城市群的內部聯系出發，分別構建經濟聯系指數、交通聯系指數、物流聯系指數、信息聯系指數和金融聯系指數，綜合評估浙中城市群的發育現狀.

1.2.1經濟聯系指數 在已有的區域經濟聯系研究成果中，應用最為廣泛的是空間相互作用的引力模型[13].因此，借鑒引力模型構建經濟聯系指數.

(1)

(2)

(3)

其中，Rij是i、j兩縣市間的經濟聯系強度；Ri為i縣市的經濟聯系總強度；R為浙中城市群的經濟聯系指數；Pi、Pj為兩縣市的非農業人口規模；Gi、Gj為兩縣市的GDP；Dij為兩縣市間的實際道路距離.

1.2.2交通聯系指數 交通聯系指數是通過對浙中城市群內各縣市間交通量(長途汽車、鐵路班次)的測算模擬浙中城市群的交通聯系強度來構建的[14].其測算方法如下：

Mij=Aij+kBij，

(4)

(5)

其中，Mij為i縣市向j縣市的交通聯系量；Mji為j縣市向i縣市的交通聯系量；Rij為i、j兩縣市間的交通聯系量；Ri是i縣市的交通聯系總量；R為浙中城市群的交通聯系指數，Ri、R的計算公式同(2)，(3)；Aij為每日的i縣市向j縣市的鐵路交通(普通貨車、動車、高鐵)趟數；Bij為每日的i縣市向j縣市的長途汽車班次數；k為公路客運量與鐵路客運量的比值.

1.2.3物流聯系指數 在浙中城市群的物流體系中，公路運輸在貨物運輸量中占有較大比重，且公路物流運輸強調運輸成本.因此，選取GDP、公路里程數、公路貨運量、交通運輸倉儲及郵電通信業從業人數、移動電話用戶數以及實際交通距離和運輸成本，來構建物流聯系指數[15].計算公式如下：

(6)

(7)

其中，Ki、Kj為兩縣市的“物流質量”；Mij為i縣市向j縣市的物流聯系量；Mji為j縣市向i縣市的交通聯系量；Rij為i、j兩縣市間的物流聯系量；Ri是i縣市的物流聯系總量；R為浙中城市群的物流聯系指數，Rij、Ri、R的計算同(5)、(2)、(3)；Ai為i縣市的GDP；Bi為i縣市的公路里程數；Ci為i縣市的公路貨運量；Ei為i縣市的交通運輸倉儲及郵電通信業從業人數；Fi為i縣市的移動電話用戶數；Dij為兩縣市間的實際道路距離；Gij為i縣市到j縣市的之間的運輸價格.

1.2.4信息聯系指數 對于信息流的模擬，在已有研究成果中，多采用百度用戶關注度數據[16]和新浪微博[17]數據.本文采用百度用戶關注度均值來反映浙中城市群范圍內兩縣市之間的信息聯系，具體方法如下：

Ij=kI，

(8)

Rij=Ij*Ji，

(9)

其中，Rij為i、j兩縣市間的信息聯系量；Ri是i縣市的信息聯系總量；R為浙中城市群的信息聯系指數，Ri,R的計算同(2)、(3)；Ij為i縣市在j縣市的百度用戶關注度；Ji為j縣市在i縣市的百度用戶關注度；I為i縣市在研究區的百度用戶關注度均值；k為j縣市的百度用戶關注度均值占研究區內總百度用戶關注度均值的比重.

1.2.5金融聯系指數 由于各縣市之間的金融業務數據獲取難度大，借鑒已有研究成果[18-20]，利用可獲取的金融相關數據構建金融聯指數，具體方法如下：

(10)其中，Ri,R的計算同(2)、(3)，Rij為i、j兩縣市間的金融聯系強度；Ri是i縣市的金融聯系總強度；R為浙中城市群的金融聯系指數；Si、Sj為兩縣市的金融機構人民幣存款余額數；Li、Lj為兩縣市的金融機構人民幣貸款余額數；Pi、Pj為兩縣市的金融業從業人數；由于金融業不受交通條件的限制，因此，dij為兩縣市的直線距離.

1.3數據來源

經濟聯系指數中的各縣市非農業人口規模和GDP數據，交通聯系指數中的公路客運量和鐵路客運量數據，物流聯系指數中的GDP、公路里程數、公路貨運量、交通運輸倉儲及郵電通信業從業人數和移動電話用戶數數據，金融聯系指數中的金融機構人民幣存款余額數、金融機構人民幣貸款余額數和金融業從業人數數據均來源于《金華統計年鑒》(2011-2014).經濟聯系和物流聯系中的兩縣市間的實際道路距離是基于ArcGIS10.0的網絡分析平臺，通過構建由高速路、國道、省道組成的浙中城市群道路數據庫，設定不同類型道路的行駛速度，綜合時間最短的最快路徑和距離最短的最短路徑，求解出的最優路徑的道路長度.交通聯系指數中兩縣市間的鐵路交通趟數可以通過12306中國鐵路客戶服務中心網站獲取，兩縣市間的長途汽車趟數可以通過96520浙江省道路運輸公眾信息服務網站和金華通濟汽車客運網站中獲取.物流聯系指數中兩縣市之間的運輸價格是通過物流公司企業網站提供的物流運價查詢功能獲取的.信息聯系指數中的各縣市區在研究區內的百度用戶關注度均值數據是通過百度指數中的“通過地區對比”，輸入各縣市為關鍵詞，時間設定為2011年、2012年、2013年、2014年搜索獲取的.

2浙中城市群發育現狀評估

2.1綜合發育現狀比較

根據經濟聯系指數、交通聯系指數、物流聯系指數、信息聯系指數和金融聯系指數的構建方法，可以計算得到浙中城市群2011年到2014年的五項聯系指數(表1).由表1可知，浙中城市群在2011年～2014年間，經濟聯系指數、交通聯系指數、信息聯系指數和金融聯系指數都有加大幅度的增長，發育較快.經濟聯系指數以9%以上的增速持續增加，經濟聯系不斷加強.交通聯系的發育程度與經濟聯系的發育程度相比，發育較慢，交通聯系指數的年增長率分別為7%、10%和5%.信息聯系在2012年和2013年發育較快，信息聯系指數的增長率在10%以上.2011年～2014年，金融聯系發育最快，在2012年，金融聯系指數的漲幅高達27%，平均增長率為15%.而物流聯系整體保持在同一水平，物流聯系指數稍有下降.從總體上看，2011年～2014年，浙中城市群除物流聯系水平基本保持不變外，經濟聯系、交通聯系、信息聯系和金融聯系都有不同程度的發育，其中金融聯系發育最快，其次為經濟聯系和信息聯系，交通聯系發育較慢.

表1 浙中城市群2011年～2014年各項聯系指數

2.2單要素發育現狀比較

2.2.1經濟聯系 根據經濟聯系指數的計算公式，得出浙中城市群2011年至2014年各縣市的經濟聯系總強度(圖2).由圖2可知，浙中城市群的經濟聯系指數逐年上升，經濟聯系不斷加強.具體來講，義烏的經濟聯系強度最高，其次為東陽和金華市區，歷年三者的經濟聯系強度約占整個區域經濟聯系強度的70%.而永康、武義、浦江和磐安的經濟聯系強度均較弱，低于100 000.對于各縣市之間的經濟聯系強度變化(圖3)，其強度均是逐年增強，聯系越來越密切.其中，義烏-東陽、市區-蘭溪、義烏-浦江、市區-義烏的經濟聯系強度歷年最高，結合圖3，可以得出金華市區和義烏與周邊縣市的經濟聯系強度最高，表明其經濟活動聯系最為密切.而永康、武義、磐安與其他各縣市的經濟聯系均較弱，尤其是磐安，與蘭溪、武義、浦江的經濟聯系歷年都是最弱的.總體來看，浙中城市群的內部的經濟聯系主要集中于金華市區-義烏一帶，西北部經濟聯系發育程度較高，經濟聯系密切，東南部經濟聯系發育程度較低，經濟聯系較弱，且浙中城市群內部的經濟聯系強度差異較大.

圖2 經濟聯系強度及經濟聯系指數Fig.2 The economic relation intensity and economic relation index

圖3 各縣市間的經濟聯系強度Fig.3 The economic relation intensity of each city

圖4 交通聯系量及交通聯系指數Fig.4 The transport relation intensity and transport relation index

2.2.2交通聯系 通過構建的交通聯系指數模型，得到浙中城市群2011年至2014年的交通聯系指數和各縣市的交通聯系總量(圖4).浙中城市群的交通聯系指數呈逐年上升態勢，但2014的增幅有所減弱.各縣市的交通聯系量排名依次為金華市區、義烏、東陽、永康、武義、蘭溪、磐安和浦江.其中，市區和義烏的交通聯系強度明顯高于其他縣市，兩者歷年的交通聯系強度約占整個區域交通聯系強度的47%.在鐵路交通方面，市區和義烏既有普通鐵路也有高速鐵路，蘭溪、永康和武義只有普通鐵路，而其余縣市沒有鐵路交通.在浙中城市群中占主要地位的公路交通方面，杭金衢高速路聯通市區、義烏和東陽，國道330連接市區、武義和永康，其余多為省道、鄉道等低等級公路.具體到各縣市間的交通聯系強度變化(圖5)，交通聯系都有所加強，但市區、義烏、東陽構成的三角地帶交通聯系發育最明顯，是浙中城市群交通聯系最密切的地區.三者與其他縣市的交通聯系發育也較明顯，其余縣市間的交通聯系發育較緩慢.

圖5 各縣市間的交通聯系強度Fig.5 The transport relation intensity of each city

2.2.3物流聯系 運用物流聯系指數模型可以得到浙中城市群2011年至2014年的物流聯系指數和各縣市的物流聯系總量(圖6).浙中城市群的物流聯系指數呈緩慢下降趨勢，降幅逐年趨緩，各縣市歷年的物流聯系總量相當，稍有波動.與交通聯系總量相似，金華市區和義烏的物流聯系總量明顯高于其他縣市，其余依次為東陽、永康、蘭溪、武義、浦江和磐安.對于各縣市間的物流聯系量(圖7)，義烏-東陽和市區-義烏的物流聯系量始終最高，蘭溪-浦江、永康-磐安和蘭溪-武義的物流聯系量有減弱的趨勢.從總體上看，浙中城市群物流聯系發育程度最高的地區為義烏，義烏與其余各縣市都有較強的物流聯系，其次為金華市區和東陽.物流聯系發育最弱的地區有武義、浦江和磐安.交通聯系發育程度和物流聯系發育程度有很高的一致性，交通聯系量較大的地區其物流聯系量也較大.從物流聯系指數的各項構成指標來看，由于浙中城市群內部的電子商務較為發達，使得交通運輸倉儲及郵電通信業從業人數有所精減，加之個別縣市間的物流運輸價格有所增加，綜合導致了浙中城市群的物流聯系指數有下降的趨勢.

圖6 物流聯系量及物流聯系指數Fig.6 The logistics relation intensity and logistics relation index

圖7 各縣市間的物流聯系強度Fig.7 The logistics relation intensity of each city

2.2.4信息聯系 由信息聯系指數可知，2011年～2014年浙中城市群的信息聯系指數和每個縣市的信息聯系總量(圖8).浙中城市群的信息聯系指數逐年增加，尤其2014年，增幅尤為明顯.義烏的信息聯系總量歷年最大，遠高于其他縣市，約占整個區域信息總量的38%，是金華市區的1.9倍.金華市區的信息聯系量歷年排名第2，武義和磐安位于最后兩位，其余4個縣市的排名歷年有所波動.對于各縣市之間的信息聯系量(圖9)，義烏到各縣市的信息聯系量最高，并且不斷加強.在2011年，磐安除了與義烏、金華市區的信息聯系較強外，與各縣市的信息聯系均較弱.直至2014年，磐安除與武義的信息聯系較弱外，與其余各縣市的信息聯系量有較大幅度提高.從整體上看，浙中城市群中義烏的信息聯系發育程度最高，與周圍縣市的信息聯系最密切，磐安的信息聯系發育最快，與各縣市的信息聯系量有明顯增加，信息聯系不斷加強.由于磐安和永康快速的信息聯系發育，使得東南部地區的信息聯系與西北部地區的信息聯系差異明顯減小，除義烏外，各縣市的信息聯系均衡發展.

圖8 信息聯系量及信息聯系指數Fig.8 The information relation intensity and information relation index

圖9 各縣市間的信息聯系強度Fig.9 The information relation intensity of each city

2.2.5 金融聯系 通過金融聯系指數的計算公式，可以得到浙中城市群2011年～2014年的金融聯系指數和各縣市的金融聯系總強度(圖10).2011年～2014年各縣市的金融聯系總強度有不同程度的增加，排名為義烏、東陽、金華市區、永康、蘭溪、武義、浦江和磐安.與各縣市間的經濟聯系強度相似，金融聯系(圖11)始終最強的是市區-義烏和義烏-東陽，磐安與其余縣市的金融聯系均較弱.2011年至2014年，蘭溪的金融聯系發育最快，與周圍縣市的金融聯系強度增加明顯，此外，永康-磐安和金華市區-浦江的金融聯系強度也明顯增強.總之，浙中城市群的金融聯系不斷發育，金融聯系最強的區域由東陽-義烏-市區擴展至蘭溪一帶，由于蘭溪的金融聯系發育較快，使得浙中城市群內部西北部的金融聯系發育程度明顯高于東南部.

圖10 金融聯系強度及金融聯系指數Fig.10 The financial relation intensity and financial relation index

3結論與討論

通過構建經濟聯系指數、交通聯系指數、物流聯系指數、信息聯系指數和金融聯系指數，對浙中城市群2011年～2014年的綜合發育現狀和單要素發育現狀進行研究，可以得出如下結論.

圖11 各縣市間的金融聯系強度Fig.11 The financial relation intensity of each city

1) 浙中城市群的金融聯系發育最快，其次為經濟聯系和信息聯系，交通發育較緩慢，而物流聯系發育基本處于停滯狀態.

2) 通過單要素發育現狀的對比可以發現，五種聯系指數的排序有很大相似性，義烏和金華市區均排在前列，各項聯系指數均遠高于其他縣市，而武義、浦江和磐安的排名靠后.由此可以得出，在浙中城市群內部，義烏和金華市區的發育程度最高，武義、浦江和磐安的發育程度較低.

3) 通過分析各個縣市間的五種聯系量可知，義烏和金華市區的聯系及兩者與其他縣市的聯系發育程度較高，浙中城市群西北部(蘭溪、浦江)與東南部(武義、永康、磐安)之間的聯系發育程度較低，而且呈現出西北部發育程度高，而東南部發育程度低的狀態.

4) 浙中城市群的經濟聯系、交通聯系、物流聯系、信息聯系和金融聯系都呈現出發育不均衡的狀態.經濟聯系和金融聯系的發育狀態相似，呈現出三條聯系軸線，即義烏-金華市區、義烏—東陽(義烏-浦江)和金華市區-蘭溪.交通聯系由金華市區-義烏、金華市區-東陽兩條軸線逐漸發育成由金華市區-義烏-東陽構成的三角地帶.物流聯系尚未形成明顯的格局，義烏和金華市區與周邊縣市的物流聯系發育程度較高，其余發育程度較低.信息聯系由于義烏的信息聯系指數明顯高于其他縣市，呈現出以義烏為核心的放射狀.

[1] 方創琳. 中國城市群研究取得的重要進展與未來發展方向[J]. 地理學報， 2014， 69(8): 1130-1144．

[2] 方創琳. 中國城市群形成發育的新格局及新趨向[J]. 地理科學， 2011， 31(9):1025-1034．

[3] 方創琳. 中國城市群形成發育的政策影響過程與實施效果評價[J]. 地理科學， 2012， 32(3): 257-264．

[4] 葉裕民， 陳丙欣. 中國城市群的發育現狀及動態特征[J]. 城市問題， 2014， 35(4): 9-16．

[5] 姚士謀， 陳振光， 王 波， 等. 我國沿海大城市發育機制與成長因素分析[J]. 地域研究與開發， 2008， 27(3): 1-6．

[6] 王 婧， 方創琳. 中國城市群發育的新型驅動力研究[J]. 地理研究， 2011， 30(2): 335-347．

[7] 姚士謀， 陳振光， 王書國. 城市群發育機制及其創新空間[J]. 地理科學， 2007， 59(2): 23-27．

[8] 曾 鵬. 中國十大城市群綜合發展水平的多層次因素分析及非均衡差異研究[J]. 人文地理， 2008， 29(4): 58-63．

[9] 陳守強， 黃金川. 城市群空間發育范圍識別方法綜述[J]. 地理科學進展， 2015， 34(3): 313-320．

[10] 方創琳， 宋吉濤， 張 薔， 等. 中國城市群結構體系的組成與空間分異格局[J]. 地理學報， 2005， 60(5): 827-840．

[11] 方創琳. 中國西部地區城市群形成發育現狀與建設重點[J]. 干旱區地理， 2010， 33(5): 667-675．

[12] 韋克游， 覃 枝. 南北欽防城市群發育程度評價[J]. 廣西大學學報(哲學社會科學版)， 2009， 31(3): 8-11．

[13] 苗長虹， 王海江. 河南省城市的經濟聯系方向與強度—兼論中原城市群的形成與對外聯系[J]. 地理研究， 2006， 25(2): 222-232．

[14] 顧雯娟， 歐向軍， 葉 磊， 等. 基于要素流的長三角城市群空間布局[J]. 熱帶地理， 2015， 35(6): 833-841．

[15] 朱 慧， 周根貴. 基于引力模型的內陸型區域物流空間聯系研究—以浙江金衢麗地區為例[J]. 地域研究與開發， 2015， 34(1): 43-49．

[16] 熊麗芳， 甄 峰， 王 波， 等. 基于百度指數的長三角核心區城市網絡特征研究[J]. 經濟地理， 2013， 33(7): 67-73．

[17] 甄 峰， 王 波， 陳映雪. 基于網絡社會空間的中國城市網絡特征—以新浪微博為例[J]. 地理學報， 2012， 67(8): 1031-1043．

[18] 程婧瑤， 樊 杰， 陳 東. 基于重力模型的中國金融中心體系識別[J]. 經濟地理， 2013， 33(3): 8-14．

[19] 楊志民， 化祥雨， 邵元海， 等. 外商直接投資空間聯系研究—以浙江省為例[J]. 經濟地理， 2013， 33(11): 21-27．

[20] 楊志民， 化祥雨， 葉婭芬， 等. 金融空間聯系與SOM神經網絡中心等級識別—以浙江省縣域為例[J]. 經濟地理， 2014， 34(12): 93-98．

WANG Huijun， MA Renfeng， QIU Feng， YU Chiyue

(Department of Geography & Spatial Information Techniques， Ningbo University， Ningbo， Zhejiang 315211)

Assessment of development status of Mid-Zhejiang Urban Agglomeration

Taking Mid-Zhejiang Urban Agglomeration as the research unit， from the internal relations of the urban agglomeration， the index system is established with the economic relation index， transport relation index， logistics relation index， information relation index and financial relation index. The development status of Mid-Zhejiang Urban Agglomeration is assessed. It shows that in Mid-Zhejiang Urban Agglomeration， the speed of financial relation development is the fastest， with transport relation growing slowly and logistics relation in a stagnant state; development of Yiwu and Jinhua are the best while that of Wuyi， Pujiang and Panan are the worst; The development degree of northwest is higher than that of southeast; The five relations of Mid-Zhejiang urban agglomeration are not even．

economic relation index; transport relation index; logistics relation index; information relation index; financial relation index; Mid-Zhejiang urban agglomeration

2016-09-01.

“十二五”國家科技支撐計劃項目 (2013BAJ10B06-01).

1000-1190(2016)06-0904-09

F127

A

*通訊聯系人. E-mail: qiufeng@nbu.edu.cn.