基于大數(shù)據(jù)與網絡分析的長三角城市群識別研究*

甄茂成 黨安榮 闞長城 ZHEN Maocheng, DANG Anrong, KAN Changcheng

0 引言

城市群作為我國城市化推進過程中的主體形態(tài)和區(qū)域發(fā)展的重要空間單元[1]，對統(tǒng)籌整個區(qū)域的社會經濟發(fā)展、基礎設施布局和生態(tài)環(huán)境協(xié)調產生深遠影響，是新型城鎮(zhèn)化發(fā)展的重要空間對象。在國家層面，城市群具有地域空間、網絡空間、空間的生產與建構等多重屬性，所產生的輻射帶動作用已經成為拓展區(qū)域發(fā)展空間的一項重要手段[2]。在城市和區(qū)域規(guī)劃中，城市群空間結構分析是對城市群進行統(tǒng)籌規(guī)劃的前提，通過識別與劃定城市群空間結構，可以更加精確和科學地引導城市群的發(fā)展，促進城市群空間范圍內人口、土地、產業(yè)、技術等要素的合理配置。然而，目前學術界和國家層面均未形成統(tǒng)一的城市群空間結構劃分標準和規(guī)范，導致行政意義上的城市群與學術意義上的城市群存在較大偏差[3]。因此，只有及時科學地識別城市群空間結構，才能診斷城市群發(fā)展中存在的各種問題，并提出相應的解決策略。

國內學者識別城鎮(zhèn)群的方法主要有3種：一是選擇城鎮(zhèn)群之間關聯(lián)的主要社會經濟指標，根據(jù)相關標準設定臨界值進行城鎮(zhèn)群劃定，通過城市群的主要特征構建一套反映社會經濟發(fā)展狀況的指標體系，并結合斷裂點等數(shù)學模型來判斷城市群發(fā)育程度[4-5]。該方法存在指標選取隨意性、對城市群空間信息表達不足等缺陷。二是通過斷裂點模型、點—軸系統(tǒng)分析[6]、引力模型[7]、重力模型[8]、水文模型[9]等數(shù)學方法識別和計算核心城市的輻射范圍，從而界定城市群邊界[10-11]。該方法過度強調城市規(guī)模所忽略的城市之間的聯(lián)系強弱。三是集成指標篩選與引力模型構建的綜合方法，并利用空間分析軟件實現(xiàn)城鎮(zhèn)群邊界的識別[12]。該方法的優(yōu)點是技術路線比較完整，識別出的城市群客觀性比較強，但不足之處也較明顯，譬如空間可達性只能反映城市群特征的一個方面，人口、社會、經濟因素對城市群的影響并未考慮其中。

上述傳統(tǒng)的城市群識別多是依賴統(tǒng)計年鑒數(shù)據(jù)和路網數(shù)據(jù)[13-14]，是一種相對靜態(tài)的識別，對人的活動、社會活動、經濟活動等因素考慮不足，很難體現(xiàn)城市群網絡空間的流動性和聯(lián)系性。

近年來，時空大數(shù)據(jù)挖掘技術飛速發(fā)展，其所具有的數(shù)據(jù)規(guī)模巨大、數(shù)據(jù)類型多元、時空動態(tài)屬性、人本視角和處理速度快等特點，能夠幫助城市管理部門和學者更加精準化和定量化地分析城市問題，制定規(guī)劃方案。而帶有地理位置屬性的大數(shù)據(jù)，如社交網站數(shù)據(jù)[15]、公交刷卡數(shù)據(jù)[16-17]、手機信令數(shù)據(jù)[18-19]、出租車GPS數(shù)據(jù)[20]、微博簽到數(shù)據(jù)[21]等，廣泛應用到城市地理學、行為地理學和交通地理學等研究中。實際上，時空大數(shù)據(jù)技術為城市群空間范圍的識別和空間結構分析提供了新的數(shù)據(jù)基礎、方法和手段。例如，可以通過興趣點（POI）、位置簽到、導航軌跡、位置服務等數(shù)據(jù)，綜合分析和識別城鎮(zhèn)群的實際發(fā)展空間范圍和虛擬活動空間范圍，從而劃定城鎮(zhèn)群的實體邊界和虛擬邊界。鑒于此，本文試圖提出一種科學識別和界定城市群空間結構的方法，利用百度遷徙人口大數(shù)據(jù)，以空間分析方法和網絡分析方法為基礎，進行長三角城市群的空間結構分析研究，以期為城市群界定和網絡結構分析提供參考與幫助。

圖1 研究區(qū)域范圍

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域

研究區(qū)域為2016年5月國務院批復的長三角城市群，覆蓋范圍包括：上海市，江蘇省的南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮(zhèn)江、泰州等9個城市，浙江省的杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州等8個城市，安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城等8個城市。整個研究區(qū)域共計26個城市（見圖1），是中國經濟最具活力、城市層級結構最合理的城市群。

本文中人口遷徙大數(shù)據(jù)的數(shù)據(jù)收集與分析單元以地級市為主，與《長江三角洲城市群發(fā)展規(guī)劃》所確定的26個城市相對應。值得注意的是，行政上的城市群與學術意義上的城市群并不一致。通過大數(shù)據(jù)對長三角城市群空間上的集聚度、城市間的聯(lián)系強度、城市群網絡結構等特征進行分析，審視長三角城市之間的聯(lián)系程度，反映出已有城市群規(guī)劃的發(fā)展現(xiàn)狀與存在問題，對于了解該區(qū)域的城市空間體系結構具有重要意義，并能為長三角城市群的未來發(fā)展與決策提供依據(jù)。

1.2 數(shù)據(jù)來源

本文采用的數(shù)據(jù)為“百度遷徙”中的統(tǒng)計數(shù)據(jù)。“百度遷徙”依托百度云數(shù)據(jù)分析平臺，基于定位服務（Location based service，LBS）大數(shù)據(jù)進行計算分析，通過手機用戶的定位信息實現(xiàn)個人地理空間移動的可視化，整合體現(xiàn)不同時間尺度內人口流動的空間節(jié)點和不同節(jié)點之間的流動規(guī)模，進而勾勒出中國人口大遷徙的軌跡與特征。從“百度遷徙”中可以獲取全年某一時間節(jié)點我國各城市對外人口流動的主要方向與相對大小，為研究城市或區(qū)域之間的人口聯(lián)系提供了良好的一手數(shù)據(jù)資料[22-23]。用百度遷移數(shù)據(jù)進行城市群空間結構研究具有明顯優(yōu)勢：首先，以城市為單元比較適合大區(qū)域的人口流動研究；其次，真實的人口流動是有效地反映城市群網絡結構的重要指標；最后，依托發(fā)達的網絡技術和定位技術，“百度遷徙”大數(shù)據(jù)具有更新快、采集簡單的特征，相比于傳統(tǒng)的人口流動數(shù)據(jù)更具有時效性。本文采用的人口城際出行數(shù)據(jù)由百度慧眼提供，數(shù)據(jù)采集于2019年4月10日至4月24日，26個城市之間的總遷徙量為21 815 807人次。每一次人口流入量和流出量均不同，將各城市人口的流入量和流出量求和（見表1），可以看出大多數(shù)城際人口的流入量和流出量基本持平。

1.3 技術路線

本文的技術路線如圖2所示，主要分為3個步驟[24]：（1）通過空間分析方法，結合城際出行數(shù)據(jù)計算城市聯(lián)系強度，據(jù)此識別城市群空間結構；（2）基于復雜網絡，對城市網絡的度、平均路徑長度、聚類系數(shù)、核心—邊緣結構等進行分析計算，得出城市群空間結構識別結果；（3）根據(jù)上述兩者識別結果，綜合得出基于城際出行數(shù)據(jù)的城市群空間結構，并與規(guī)劃范圍進行疊加分析，找出差異。

表1 各城市人口流入量和流出量（單位：人次）

圖2 基于人口城際出行數(shù)據(jù)的城市群空間結構分析技術路線

1.4 研究方法

本文主要運用復雜網絡技術，通過建立城市間人口出行流向的矩陣關系模型，研究城際人口出行網絡復雜的流向關系和節(jié)點聯(lián)系[25]。對復雜網絡結構進行刻畫的參數(shù)主要包括：K-核、度、聚類系數(shù)和凝聚子群等。其中，網絡的密度主要用于刻畫網絡連接的總體特征，K-核和聚類系數(shù)多用于描述網絡的集中性，而凝聚子群則用于描述城市之間人口流動而形成的組團現(xiàn)象。

（1）網絡的度（Degree）

度是指與節(jié)點相連接的鄰近節(jié)點的數(shù)目，通常采用累積分布來描述網絡中站點的度分布狀況。其公式為：

網絡的度值越大，說明該節(jié)點的聯(lián)系性越強，中心性越突出。

（2）接近中心度（Closeness centrality）

接近中心度表示網絡中某個行動者與其他行動者的接近程度，即行動者能使用盡可能短的路徑與其他所有行動者產生連接。在對城市群的研究中，接近中心度主要測量的是一個城市在具體事項上對于其他城市的主導能力。其值越大，表明城市更大地掌握了區(qū)域合作的主動權。接近中心度模型為：

di(ci,cj)代表城市i和城市j之間最短路徑的數(shù)量，n表示城市的數(shù)量，即網絡中結點城市數(shù)量的多少。

接近中心勢指整體網絡圖的接近集中趨勢，比如星型網絡具有100%的接近中心勢，而對于完備網絡、環(huán)形網絡來說，其接近中心勢為0。在本文中，接近中心勢主要代表網絡中的行動者在多大程度上受到少數(shù)城市控制。

（3）聚類系數(shù)（Clustering coefficient）

在社會網絡中，一般采用聚類系數(shù)ci來反映網絡局部聚類情況的參數(shù)，它表征社會網絡中因某一共同關系（如興趣愛好、共同利益等）而形成的社會團體關系網絡，整個網絡的聚類系數(shù)C就等于網絡中所有節(jié)點聚類系數(shù)的平均值。

2 實證研究與結果分析

2.1 基于城市間聯(lián)系強度分析的城市群識別

2.1.1 城市間聯(lián)系強度分析

百度慧眼提供的城際出行數(shù)據(jù)的數(shù)量表征大小，是個相對值。本文將人口城際出行數(shù)量作為衡量城市間聯(lián)系強度的重要指標，城市間具有雙向的人口出行包括城市間的人口流入量和流出量，用公式表達如下：

通過對照網絡中26個城市人口的流入量和流出量，發(fā)現(xiàn)兩組數(shù)據(jù)排序的相對一致性。經 SPSS相關性檢驗，相關系數(shù)R2高達 0.93，可以看出長三角城市間人口的流入量和流出量呈現(xiàn)出顯著的正相關關系。

本文用流入量和流出量的和來表征城市間聯(lián)系強度。利用GIS軟件對人口城際出行數(shù)據(jù)進行預處理。首先，根據(jù)城市的起點和終點的經緯度坐標，生成26個城市的OD軸線。其次，用融合工具（Dissolve）將2周內所有兩兩有人口遷徙的市縣 OD 軸線融合成一條，用以表征任意兩個城市之間的聯(lián)系強度的大小（見表2），展示了兩個城市間單向的聯(lián)系強度。

將城市聯(lián)系強度的計算結果進行空間可視化，提取出行量大于5 000的城際人口出行數(shù)量進行分析，可以發(fā)現(xiàn)各個城市聯(lián)系強度的格局呈現(xiàn)如下特征。

（1）行政等級越高的城市在城際人口出行網絡中地位越高，影響范圍越廣，處于遷徙總量頂端的城市是上海、杭州、南京和蘇州。其中，上海是中國最大的經濟中心城市，在資源、人才、創(chuàng)新等方面具有絕對優(yōu)勢，對周邊地區(qū)進行輻射，形成上海—蘇州、上海—南通、上海—嘉興、上海—杭州為主的1級和2級聯(lián)系強度；杭州作為中南區(qū)域的輻射中心，形成了以杭州—湖州、杭州—金華、杭州—紹興、杭州—嘉興等為主的2級聯(lián)系強度；南京為西部區(qū)域的輻射中心，空間上也為由單點向多點發(fā)散輻射的格局，形成南京—鎮(zhèn)江、南京—鹽城、南京—常州為主的2級和3級聯(lián)系強度；合肥是安徽的政治、經濟中心，輻射帶動作用強，與周邊其他城市的聯(lián)系水平較高，形成以合肥—滁州、合肥—馬鞍山、合肥—蕪湖、合肥—安慶為主的3級水平聯(lián)系強度。

（2）人口城際出行網絡形成“東強西弱，南北均衡”的格局態(tài)勢。東部區(qū)域云集上海、蘇州、南通、嘉興等城市，形成了1級和2級為主的聯(lián)系強度，其中上海的聯(lián)系強度處于絕對領先地位。西部區(qū)域除合肥、安慶具備3級聯(lián)系強度外，池州、宣城、銅陵、滁州等城市聯(lián)系強度較低，均為4級。北部區(qū)域和南部區(qū)域的城市間聯(lián)系強度較為均衡，其中北部區(qū)域中的南京、鹽城、鎮(zhèn)江形成了以2級和3級聯(lián)系強度為主的格局。南部區(qū)域的城市聯(lián)系強度整體較低，形成了以寧波為主的3級聯(lián)系網絡（見圖3）。

表2 部分城市聯(lián)系強度計算結果（單位：人次）

（3）省內城市聯(lián)系強度高于省區(qū)城市，上海與江蘇、浙江的跨區(qū)域聯(lián)系強度等級高。安徽省內合肥、滁州、安慶、蕪湖、馬鞍山等城市除了與南京的聯(lián)系強度較為明顯外，與其他城市的跨區(qū)域聯(lián)系均較弱。江蘇省的南京、鎮(zhèn)江、泰州、鹽城、南通等城市的聯(lián)系強度為3級，其中，南通、蘇州與上海的跨區(qū)域聯(lián)系強度較高。浙江省的杭州、湖州、嘉興的聯(lián)系強度較高為2級，嘉興和杭州與上海的跨區(qū)域聯(lián)系強度較高。同時，上海由于其行政地位高、經濟實力強、人口數(shù)量多，導致其與鄰近的蘇州、嘉興、南通聯(lián)系強度較高。

（4）整體網絡格局上，研究區(qū)域具有多中心輻射格局的特征。形成了以合肥、南京、上海、杭州、寧波為主的多中心格局。這幾個中心城市是整個城際人口出行網絡中的核心節(jié)點（見圖4）。

2.1.2 首位聯(lián)系分析

統(tǒng)計出與每個城市聯(lián)系強度最大的城市，將其作為首位聯(lián)系城市，并通過OD分析生成首位聯(lián)系軸線，用以表征人口城際出行的空間聯(lián)系特征。如圖5展示的首位聯(lián)系軸線，可以得出：（1）從區(qū)域層面來看，安徽省和浙江省的首位聯(lián)系軸線以省內為主，并未出現(xiàn)跨區(qū)域聯(lián)系軸線。而江蘇省的首位聯(lián)系軸線跨區(qū)域明顯，分別與上海、滁州、馬鞍山等城市相連接。（2）從省域尺度來看，安徽省內共有7條首位聯(lián)系軸線（合肥占據(jù)4條），并以合肥為輻射中心，表現(xiàn)出絕對的首位城市地位。江蘇省共有9條首位聯(lián)系軸線，形成了以上海和南京為輻射中心的首位聯(lián)系軸線格局。浙江省共有7條首位聯(lián)系軸線，形成了以杭州和寧波為輻射中心的首位聯(lián)系軸線格局。（3）整個區(qū)域的首位度連接網絡呈現(xiàn)了多中心網絡的空間格局，上海、南京、杭州、合肥以及寧波作為網絡中的重要節(jié)點，在人口、資源集聚和輻射方面發(fā)揮了重要作用。

為避免界定的城市群范圍過大，本文采用門檻值法對首位聯(lián)系法所得結果進行二次篩選，以最大聯(lián)系強度的10%和5%門檻值做篩選，不會影響數(shù)據(jù)的質量。根據(jù)10%門檻值篩選首位聯(lián)系城市，如公式（4），形成新的首位聯(lián)系軸線圖（見圖6）。結果顯示：各個省的首位聯(lián)系軸線數(shù)量均有所下降。其中安徽由7條降為4條，江蘇由9條降為8條，浙江由7條降為6條。

圖3 城際出行聯(lián)系強度

圖4 城際出行聯(lián)系強度（大于5 000人次）

式中為K首位聯(lián)系強度，MAX（H）為城際出行中的最大聯(lián)系強度。根據(jù)上述城市群空間結構分析方法，將研究區(qū)域劃分為4個城市體系。第一個是以上海為輻射核心的城市體系，包括上海、常州、無錫、蘇州、南通5市；第二個是以南京為輻射核心的城市體系，包括南京、滁州、馬鞍山、鎮(zhèn)江、揚州和泰州6市；第三個是以杭州為輻射核心的城市體系，包括杭州、湖州、紹興、金華和嘉興5市；第四個是以合肥為輻射核心的城市體系，包括合肥、安慶和巢湖3市。可以看出，基于10%門檻法的城市群空間結構分析結果對于以合肥為中心的城市組群的大小以及寧波為核心的城市體系的形成都產生了較大影響。

圖5 首位聯(lián)系軸線圖

圖6 10%門檻法后的首位聯(lián)系軸線

2.2 基于城市網絡分析的城市群識別

2.2.1 城市中心性分析

構建研究區(qū)域內城市之間的人口出行矩陣，并采用Ucinet軟件分析工具對矩陣進行相應計算，可以得出城市網絡的結構特征參數(shù)，再借助GIS將結果進行可視化，表征各城市中心性的空間分布。

（1）度數(shù)中心度

度數(shù)中心度（Degree）用來衡量某一個城市與其他城市交往能力的大小。值越大，中心性越強，支配力越強。以26個城市整體度數(shù)中心度平均值46.5為閾值，將其劃分為前9個中心影響力較強的城市（上海、蘇州、杭州、南京、無錫、合肥、常州、揚州、湖州）和后17個中心影響力較弱的城市（宣城、金華、安慶、池州、滁州等）。在中心影響力較強的9個城市中，上海、蘇州、南京、杭州、合肥的度數(shù)中心度排在前列，結合上一段分析，印證了這幾個中心城市是人口城際出行網絡中等級較高的城市。對各個城市的度數(shù)中心度進行可視化展示，劃分為4個等級，呈現(xiàn)如下特征：（1）在整個人口城際出行網絡中，網絡地位最高的是上海，其次是南京、杭州。這3個城市由于其行政地位高、經濟實力強、人口眾多，在長三角地區(qū)處于核心地位，人口的流入量和流出量大，與網絡中其他城市間的聯(lián)系能力強，相應的支配能力也大。（2）網絡地位最低的城市為安徽省的銅陵、宣城、池州、滁州和安慶等城市以及浙江省的金華、紹興、舟山、寧波等南部城市。尤其是安徽省的城市加入長三角城市群時間不長，加上自身的人口、經濟、規(guī)模等發(fā)展有限，在網絡中的支配能力較弱。（3）蘇州、無錫、常州、揚州、湖州5個城市的平均度數(shù)中心度較高，且城市間的度數(shù)中心度差異最低，表明這些城市人口城際出行聯(lián)系較強，且在網絡中也發(fā)揮了較為重要的作用（見圖7）。

圖7 各城市度數(shù)中心度格局

（2）中介中心度分析

中介中心度是指一個結點擔任其他兩個結點之間最短路的橋梁的次數(shù)，可以用來衡量某一個城市控制網絡中其他城市之間的交往能力。一個結點充當“中介”的次數(shù)越高，其中介中心度就越大，其他城市對于該城市的依賴度便越高。通過Ucinet軟件分析得到每個城市的中介中心度值，進行空間化可視化后，可以發(fā)現(xiàn)5個方面特征。第一，上海的中介中心度以120.48位居長三角城市群之首，屬于唯一的1級中介中心度，并且明顯高于排名第二的合肥（83.58）。這說明上海在整個網絡中處于壟斷地位，在研究區(qū)域中的“橋梁”作用最強。第二，合肥、南京、杭州3個省份城市都是所在省域內最重要的中介城市，這3個城市在各省內部的城市之間的人口出行和聯(lián)系中發(fā)揮重要作用，其他城市之間的聯(lián)系多要依賴它們。第三，蘇州、無錫、常州、嘉興、湖州等城市具有3級中介中心度，它們在長三角城市群的城際人口出行中也發(fā)揮一定作用。第四，安徽省的池州、滁州、宣城等城市以及浙江省的金華、臺州、舟山等南部城市處于長三角城市群邊緣位置，這些城市中介中心度水平較低，在整個網絡聯(lián)系中處于弱勢地位，發(fā)揮作用有限。第五，研究區(qū)域城市的中介中心度網絡格局呈現(xiàn)“一大三小”的格局，具體來講，“一大”指上海，“三小”指杭州、南京、合肥，均為各區(qū)域城市體系中的龍頭城市，體現(xiàn)網絡核心作用（見圖8）。

圖8 各城市中介中心度格局

（3）接近中心度

通過分析26個城市的接近中心度可以發(fā)現(xiàn)，上海的接近中心度最高，指數(shù)達到100。蘇州、南京和杭州次之，接近中心度指數(shù)都達到80。馬鞍山、滁州、蕪湖、銅陵、池州、舟山等城市的接近中心度最低。這表明上海、蘇州、南京、杭州與其他城市之間的聯(lián)系最強，人口城際出行頻繁，聯(lián)系緊密居于網絡核心地位。而蕪湖、銅陵、池州、安慶等則與長三角其他城市之間的聯(lián)系較弱。圖9直觀反映了安徽省除合肥以外其余7個城市的接近中心度均處于最低水平，與其他城市的聯(lián)系較薄弱。

2.2.2 聚類系數(shù)分析

聚類系數(shù)反映網絡中節(jié)點互聯(lián)水平，即與某節(jié)點相連接的兩個節(jié)點是否也存在連接關系。結果顯示，長三角城市網絡的平均聚類系數(shù)為0.668，表現(xiàn)出較強的集聚性。通過分析網絡中每個節(jié)點的聚類系數(shù)，發(fā)現(xiàn)高度值節(jié)點如上海、蘇州、南京等聚類系數(shù)較低，分別為0.261、0.333、0.349，表明在網絡中低度節(jié)點主要傾向于與高度節(jié)點連接，從而導致產生較高的聚類系數(shù)。較高的聚類系數(shù)說明盡管大部分的節(jié)點彼此并不相連，但節(jié)點之間經過少數(shù)幾步便可能發(fā)生聯(lián)系，網絡結構相對穩(wěn)定，人口城際出行較為便捷。

2.2.3 結構洞水平分析

圖9 各個城市接近中心度格局

結構洞是指網絡中的某些個體與其他個體有直接聯(lián)系，但也與另一些個體不發(fā)生直接聯(lián)系或關系間斷的現(xiàn)象，從網絡整體上看好像網絡結構中出現(xiàn)了洞穴。結構洞是研究城市網絡中個體在群體中關鍵位置和作用的方法。通過計算，得出長三角城際出行網絡的結構洞水平具有幾個特征（見表3）。第一，上海、蘇州、杭州、南京、合肥等節(jié)點的結構洞水平較高，受限程度較低。這些城市在長三角城市群中處于樞紐位置，最能控制其他節(jié)點之間的聯(lián)系。第二，馬鞍山、滁州、舟山、銅陵、池州等節(jié)點的有效規(guī)模和效率得分較低，受限制較大，表明這些城市處于網絡的邊緣位置。圖10直觀反映了各個城市的結構洞網絡呈現(xiàn)“一大三小”（上海和南京、杭州、合肥）的特征，進一步體現(xiàn)“一大三小”核心節(jié)點在城際出行網絡中的重要地位。此外，池州、宣城、蕪湖、滁州等城市以及金華、臺州、舟山等城市的結構洞水平較低，處于整個網絡的邊緣位置。

2.2.4 核心—邊緣結構分析

核心—邊緣結構是由若干元素相互聯(lián)系構成的一種中心緊密相連、外圍稀疏分散的特殊結構。而城市間的人口聯(lián)系強度分析是識別城市網絡中核心與邊緣位置的一個重要依據(jù)。對各個城市人口遷徙數(shù)據(jù)進行核心—邊緣結構分析，發(fā)現(xiàn)核心區(qū)域包括8個節(jié)點，分別是上海、南京、杭州、常州、湖州、嘉興、蘇州和無錫，邊緣節(jié)點包括18個節(jié)點，分別是安慶、池州、滁州、合肥、金華、馬鞍山、南通、寧波、紹興、臺州、泰州、銅陵、蕪湖、宣城、鹽城、揚州、鎮(zhèn)江和舟山。從圖11可以看出，研究區(qū)域內城市所體現(xiàn)的核心—邊緣格局具有以下特征：各個核心城市的人口出行聯(lián)系強度高，在空間上表現(xiàn)出鄰近性和連續(xù)性。同時，從整個區(qū)域的人口城際出行強度來看，安徽省的城市剛剛加入長三角城市群，目前還處于邊緣位置。浙江省的金華、紹興、舟山、寧波等南部城市也處于邊緣位置。

表3 各個城市的結構洞指標

圖10 各個城市的結構洞水平

圖11 各個城市核心—邊緣格局

圖12 凝聚子群分析結果

2.2.5 凝聚子群分析

在社會網絡中，凝聚子群是指網絡中存在著一些行動者集合，這些集合中行動者間具有較強的、直接的、緊密的、經常的或積極的關系，其不僅影響組織成員之間的關系，還影響整個組織的發(fā)展。因而，凝聚子群內部成員之間的聯(lián)系比較密切。凝聚子群分析適于揭示城市群內部各個城市之間的人口城際出行而形成的組團現(xiàn)象。在上述人口城際出行聯(lián)系強度分析的基礎上，有必要探討整個區(qū)域各個子團結構及其構成，結果如圖12，可以得出：（1）凝聚子群具有明顯的內部集聚和空間鄰近特征，每個子群的成員基本由鄰近城市構成。（2）綜合考慮度數(shù)中心度分析結果以及核心—邊緣結構分析結果，剔除掉中心性低且處于邊緣位置的城市。故將舟山、寧波、臺州等中心性低且位置邊緣的城市排除，將其構成的凝聚子群剔除。同樣地，馬鞍山、蕪湖、宣城等城市構成的凝聚子群也要刪除。（3）基于復雜網絡結構識別的城市體系為4個：第一個是上海為核心的城市體系，包括上海、無錫、常州、蘇州、南通和泰州6市；第二個是以南京為核心的城市體系，包括南京、揚州、鎮(zhèn)江和滁州4市。第三個是以杭州為核心的城市體系，包括杭州、紹興、湖州、金華和嘉興5市。第四個是以合肥為核心的城市體系，包括合肥、安慶、池州、銅陵、蕪湖等5市。

2.3 城市群空間結構綜合分析結果

利用百度遷移數(shù)據(jù)作為數(shù)據(jù)源，基于城市聯(lián)系強度的空間格局識別結果與基于復雜網絡結構的識別結果基本吻合，對兩者進行綜合，最終得出基于城際人口出行數(shù)據(jù)的城市群識別結果。

圖13 基于城際人口出行數(shù)據(jù)的長三角城市群空間結構識別結果

（1）以上海為輻射核心的城市體系：上海、常州、無錫、蘇州、南通、泰州。

（2）以南京為輻射核心的城市體系：南京、揚州、鎮(zhèn)江、滁州、馬鞍山。

（3）以杭州為輻射核心的城市體系：杭州、紹興、湖州、金華、嘉興。

（4）以合肥市為核心的城市體系：合肥、蕪湖、安慶。

將識別結果與規(guī)劃范圍進行疊加分析（見圖13），可以看到，基于城際出行數(shù)據(jù)的識別結果覆蓋了大部分研究區(qū)域，規(guī)劃范圍內的鹽城、銅陵、池州、宣城、寧波、臺州、舟山等城市與幾個中心城市的出行聯(lián)系并不緊密。主要原因可能有二：一是基于人口城際出行的視角來判斷，寧波、臺州、舟山之間的人口出行聯(lián)系強度較弱。二是基于人口城際出行數(shù)據(jù)的識別結果受到數(shù)據(jù)統(tǒng)計單元的影響比較大。由于數(shù)據(jù)的統(tǒng)計單元是地級市，并未達到區(qū)縣級或者鄉(xiāng)鎮(zhèn)級，可能導致識別結果的精度不高。

3 結論與討論

城際人口出行數(shù)據(jù)在城市群空間結構分析中有重要的作用。本文通過百度遷徙海量個體居民出行信息數(shù)據(jù)，來構建城市之間的聯(lián)系網絡，采取基于GIS城市空間聯(lián)系強度的方法和基于Ucinet的復雜網絡方法，構建了長三角城市群城際人口出行網絡模型，并分析其復雜的空間結構和網絡結構。這是對城市網絡研究的一個新的嘗試和補充。研究發(fā)現(xiàn)：

（1）基于城市空間聯(lián)系強度對城市群空間結構的研究，發(fā)現(xiàn)城際出行網絡顯現(xiàn)出明顯的層次性。行政等級越高的城市在人口出行網絡中的地位越高，影響范圍越廣，處于出行總量頂端的城市是上海、杭州、南京和蘇州。長三角城市群中的城際出行網絡形成“東強西弱，南北均衡”的格局態(tài)勢，并形成了以合肥、南京、上海、杭州、寧波為主的多中心輻射格局特征。

（2）運用復雜網絡計算長三角城市群26個城市人口城際出行的中心性、結構洞水平、核心—邊緣結構等指標。中心性方面，各個城市的網絡地位差異很大，網絡地位最高的依次是上海、南京和杭州，網絡地位最低的為銅陵、宣城、池州、滁州、金華、臺州、舟山等城市；結構洞水平方面，上海、蘇州、杭州、南京、合肥等節(jié)點的結構洞水平較高，受限程度較低；核心—邊緣結構方面，上海、南京、杭州、常州、湖州、嘉興、蘇州、無錫等8市屬于核心節(jié)點。

（3）綜合考慮城市節(jié)點層級分布與城市間網絡聯(lián)系強度，長三角城市群城際人口出行網絡分布上呈現(xiàn)“一大三小”的多中心網絡空間格局，尤其是在中心性和結構洞水平上表現(xiàn)得更為明顯。這4個節(jié)點城市在整個網絡中處于絕對主導地位，與網絡中其他城市間的聯(lián)系能力強，相應的支配能力也大。

（4）基于城際人口出行數(shù)據(jù)的長三角城市群空間結構可以分為4個城市體系：以上海市為輻射核心的城市體系、以南京市為輻射核心的城市體系、以杭州市為輻射核心的城市體系和以合肥市為核心的城市體系。規(guī)劃范圍內的鹽城、銅陵、池州、宣城、寧波、臺州、舟山等城市與幾個中心城市的出行聯(lián)系并不緊密。

本文利用百度遷移大數(shù)據(jù)，構建城際人口出行網絡模型，為我們研究大數(shù)據(jù)驅動下的城市群空間結構提供新的分析框架、模型參考和方法借鑒。但本文仍存在幾點局限：第一，數(shù)據(jù)方面。本文的數(shù)據(jù)覆蓋對象具有一定局限性，百度遷移數(shù)據(jù)并不包括人口的社會屬性，人口城際出行和網絡結構形成的內在機制還有待探究。同時，未來的工作需要將商業(yè)設施、公共基礎設施等POI數(shù)據(jù)以及微博、QQ等熱門手機軟件數(shù)據(jù)應用到城市群空間結構研究中，豐富數(shù)據(jù)源，使結果更加貼近實際。第二，范圍方面。本文只在規(guī)劃研究區(qū)域范圍內進行長三角城市群空間結構分析，并未考慮與城市群之外的城市間人口出行網絡特征，未來工作可將研究區(qū)域周邊城市納入研究對象內。