基于電子地圖大數據的春運期間人口流動時空新格局探析
——兼議反向春運

陸杰華,劉爍瞳

(1.北京大學 社會學系，北京 100871；2.北京大學 元培學院，北京 100871)

近年來，“反向春運”一詞不斷見諸媒體報道。中國新聞網2019年1月10日報道：“今年‘反向春運’現象凸顯，上海、北京、廣州、深圳、杭州、南京、天津、青島、寧波、廈門是十大熱門目的地”[1]；我國交通運輸部也于2019年表示反向春運比例不斷提高。但是，反向春運是否已經成為事實抑或是一種假象？在反向春運背景下，我國春節期間人口流動又將呈現怎樣的時空格局？本文將依托高德地圖大數據，重點分析我國2019年春運期間人口流動與遷徙的最新特征，探究這一期間呈現出的人口流動時空格局，并將進一步探究反向春運在我國是否已然成為事實。

一、研究背景

人口流動是指人口在各地區之間進行的短暫的或長期的、重復的或非重復的地理位置變遷運動，是“人口不改變戶籍所在地，在離開后還會經常性地返回戶籍所在地的現象”[2]。自我國實行改革開放政策以來，流動人口規模不斷擴大，呈現出空前的規模性與跨時空性。有學者研究指出，改革開放以來我國人口流動呈現流動人口普遍化、流動原因經濟化、流動時間長期化、流入地分布沿海集中化、年齡結構成年化、性別構成均衡化、女性人口流動自主化、流動方式家庭化和學業構成“知識化”九大趨勢[3]。呈現出上述趨勢的人口流動一方面折射出我國經濟區域發展的嚴重不平衡，人口不斷向經濟發達和競爭力強的三大城市群(長三角城市群、珠三角城市群和京津冀城市群)聚集[4]，而改革開放以來擴大了的城鄉和地區收入差距為這種人口聚集提供了進一步的動力[5]；另一方面反映出我國人口政策尤其是戶籍管理政策的變遷，原有的嚴格限制人口流動的戶籍管理制度逐漸放開對人口流動的限制，推動了我國人口流動的發展[6]。

眾所周知，我國春運被譽為人類歷史上規模最大的周期性人口大遷徙，也是我國改革開放以來人口流動較為典型的現象。春運是 “以春節為界，節前15天，節后25天，共40天，由國家發改委統一發布(每年起止時間略有不同)，鐵道部、交通運輸部、民航總局按此進行專門運輸安排的全國性交通運輸高峰”[7]。表面上看春運是我國春節期間交通運輸供需難以匹配所導致的，但實質上與我國城鄉、區域之間發展不均衡和戶籍制度聯系密切，體現了流動人口春節回家團圓與外出務工之間的沖突。城鄉、區域之間的差距使得相對落后地區的群體為了謀求更好的發展不得不選擇向較為發達的地區進行遷移和流動，加之傳統的城鄉二元戶籍管理體制使得外出務工者往往難以在城市定居，因此在春節團圓觀念的驅動下眾多外出務工者在春節期間踏上了返家的路途[8]。毋庸置疑，春運不僅是改革開放以來人口大規模、跨區域的地理位置移動，也彰顯著國人傳統觀念中對家庭團圓的注重，同時更是推動春運期間經濟有序發展以及新基建的動力所在。

反向春運則是我國近些年來興起的春節期間交通運輸的新趨勢，主要指老人和孩子提前到老人子女工作地過年，是“年前從鄉到城、從小城鎮到大城市方向的新型春運”[9]。2019年初，交通運輸部表示，近年來“反向春運”旅客比例逐年提高，即有更多老人和小孩到城市過年，其中2019年尤其明顯。對于反向春運，多數研究持有較為積極的態度，認為反向春運不僅能夠緩解春節期間的交通運輸壓力，充分利用交通運輸資源，而且有利于維持春節期間城市的正常運行，還能在一定程度上幫助外來務工人員延長春節團聚的時光，因此應當予以鼓勵。反向春運的形成亦與我國交通運輸資源的倒掛密切相關，對于外來務工者而言，春節期間回家車票一票難求、歸鄉成本大，但父母到自己所在城市卻車票充足、經濟成本小，因此外來務工者逐漸傾向于將父母接到自己務工的城市實現春節團圓[10]。而從深層次上看，反向春運的出現與國內區域發展不平衡、家庭規模縮小和家庭觀念轉變關系密切：區域發展不平衡造就了規模巨大的外出務工群體，而出于經濟因素考量他們選擇將父母接到身邊過年；家庭規模的縮小與子女數量的減少，子女逐漸處于家庭核心地位，使得父母更傾向于到子女身邊過年，而非要求子女回到自己身邊實現春節團圓；由注重傳統大家庭到注重核心小家庭的轉變使得外出務工者更傾向于將父母接到自己身邊過年[11]。

筆者認為，反向春運，即子女將父母或孩子接到自己身邊過年亦是人口流動家庭化的表現和先行特征，亦可能是人口流動家庭化的重要步驟。早在十多年前就有學者指出我國人口流動存在家庭化的特征；杜鵬等提出我國人口流動的“梯次流動”理論[12]，并在實證研究中證實我國人口流動存在家庭梯次流動特征，人口流動由“單兵作戰”轉變到“合家流動”[13]；還有研究進一步發現完整家庭式流動在不同區域存在差異，在中部地區和跨縣流動中家庭式流動比例較高，同時不發達地區家庭式流動的比例高于發達地區[14]。

二、研究設計

(一)研究對象及其關注點

本文將依托2019年高德地圖大數據中春節期間我國各城市(指市級及以上行政單位，包括省轄縣、縣級市等)的實際遷入指數和實際遷出指數，計算出我國各城市的人口流入強度、人口流出強度與人口凈流入強度，通過人口流入強度、人口流出強度與人口凈流入強度三項指標描述春節期間我國人口流動格局以及該格局的具體特征，并進一步探究我國反向春運這一趨勢存在與否。

(二)數據來源

本次研究使用2019年1月21日至2019年3月2日(農歷十二月十六日到正月二十六日(1)2019年春運時間從陽歷2019年1月21日(農歷十二月十六日)開始，陽歷2019年3月1日(農歷一月二十五日)結束。)高德地圖中我國各城市的人口遷徙數據，又因為2019年我國春節假期為2月4日到2月10日，故將研究時段分為節前段1月21日至2月9日，記為時段B(before the festival)，節后段2月10日至3月2日，記為時段A(after the festival)。

(三)研究方法(2)本文的研究方法借鑒了趙梓渝與王士君發表在《人口研究》上的《2015年我國春運人口省際流動的時空格局》一文中的研究方法，一方面便于刻畫人口流動強度，另一方面希望進行比較研究，用同樣的方法刻畫春運期間人口流動的時空格局，從而探究反向春運是否存在。

“根據一天內各城市間人口省際流動數據構建關系矩陣，R=(Rij)，Rij為城市i流入城市j的人次強度”[15]，那么某一城市i的某一天的人口遷入指數可以用RiT(RiT=∑Rji)(3)表示，人口遷出指數可以用Ri(Ri=∑Rij)(4)表示，總流動指數可以用GF(grossflow)表示，GFi_day=RiT+Ri，凈流入指數可以用NI(netinflow)表示，NIi_day=RiT-Ri。在春運期間某一城市i的總流動指數為GFi=∑GFi_day。而由于春運期間各城市節前段與節后段人口流向的不同，單純加總(NIi=∑NIi_day)的結果多趨向于零，缺乏區分度，因此選擇用NIi=∑NIi_dayA-∑NIi_dayB刻畫春節期間某一城市i的總凈遷入指數。

三、主要分析結果

(一)規模特征

依托高德地圖2019年1月21日至2019年3月2日我國各城市的人口遷徙數據，通過人口總遷入指數、總遷出指數、總流動指數與總凈遷入指數來衡量2019年春運期間我國各城市的人口流動規模，發現各城市的人口遷徙規模存在顯著差別。

2019年春運期間發達城市人口流動規模仍然很大，與前人研究指出的我國人口流動原因經濟化這一結論不謀而合，經濟因素成為人口流動的重要動力。2019年春運期間，人口總遷入指數居前十位的城市、總遷出指數居前十位的城市以及總流動指數居前十位的城市都為廣州、東莞、深圳、蘇州、佛山、上海、成都、北京、杭州、無錫、惠州所占據(惠州的總遷入指數與總流動指數均居第十一位)，其結果如表1所示。深圳、東莞、蘇州、上海、廣州、北京、佛山的總凈遷入指數亦居2019年春運期間我國各城市的前十位(如表2所示)，表明2019年春運期間我國發達城市仍具有較大的人口吸納能力，也佐證了我國人口流動流入地分布沿海集中化這一現象的存在，契合一些學者在研究中指出的“從流動人口的遷入目的地來看，具有顯著的大城市指向，中小城市流動人口集聚能力顯著不足”[16]這一人口流動特征。

表1 2019年春運期間我國人口流動規模前十位城市及其流動指數

表2 2019年春運期間我國總凈遷入指數前十位城市

2019年春運期間我國各城市的人口流動規模存在明顯的等級差距。在本次研究中，使用ArcGIS10.2軟件提供的自然間斷點分裂法(Jenks)(5)Jenks最佳自然斷裂法是指：類內差異最小，類間差異最大。這是Jenks提出的一種地圖分級算法，認為數據本身有斷點，可利用數據這一特點分級。算法原理是一個小聚類，聚類結束條件是組間方差最大、組內方差最小。對2019年我國春運期間各城市的總凈遷入指數進行五級分類，依次分為人口主要流入城市、人口次要流入城市、人口流入流出相對均衡城市、人口次要流出城市與人口主要流出城市。如表3所示，2019年我國春運期間，人口主要流入城市數量較少、位于頂層，包括深圳、東莞、蘇州、上海、廣州、北京六個城市，都屬于經濟發展水平較高的城市；人口次要流入城市數量也相對較少，包括佛山、寧波、成都、金華、中山、杭州、溫州、鄭州等18個城市，以東部城市與省會城市為主；人口流入流出相對均衡城市數量最多，包括泉州、廈門、沈陽、烏魯木齊、長春、石家莊、濟南、太原、西安等城市，中西部地區省會城市基本占據主導；人口次要流出城市包括許昌、遂寧、隨州、蕪湖、新鄉、萍鄉、渭南、南通、綿陽、棗莊、來賓、淮北等76個城市，基本都屬于經濟發展水平較低的城市；人口主要流出城市包含阜陽、上饒、茂名、亳州、六安、肇慶、湛江、清遠、梅州、衢州、邵陽、信陽、株洲、鹽城、永州、宿州等41個城市，如信陽就是我們所熟知的人口流出大市。這一按總凈遷入指數劃分的城市規模等級分布與一些學者在研究中按相同方法分析得到的規模等級分布基本類似。

表3 2019年春運期間依總凈遷入指數劃分的我國各城市人口流動規模等級

同時，利用人口總凈遷入指數與總流動指數之比(NI/GF)來分析2019年我國春運期間各城市的人口流動類型，可以劃分出5類具有顯著差異的城市類型：人口遷入城市(0.27

(二)時空特征

本次研究以2019年2月9日24時為分界線，將2019年春運時段分為節前段(1月21日至2月9日)與節后段(2月10日至3月2日)，研究發現節前段與節后段的人口流向與規模存在較為明顯的差異。

在節前段，人口主要向我國中西部地區經濟發展水平較低的中小城市流動。人口凈遷入指數居前十位的城市依次是阜陽、湛江、亳州、茂名、梅州、信陽、六安、宿州、邵陽與商丘，多是經濟不發達的中小城市，并且這些城市的節后人口凈遷入指數均為負值，表明在節后段這些城市為人口流出城市，如表4所示，呈現出“節前流入、節后流出”的特點。

表4 2019年春運期間節前段我國人口凈遷入指數前十位城市數據

在節后段，人口主要向我國經濟發展水平較高的城市流動。人口凈遷入指數居前十位的城市依次是深圳、東莞、上海、蘇州、廣州、北京、寧波、成都、溫州與金華，除溫州與金華不屬于發達城市外，北京、上海、廣州、深圳等城市都屬于我國經濟發達城市，但溫州與金華的經濟發展水平亦高于我國中西部地區的中小城市，而這些城市的節前段凈遷入指數除深圳、上海與溫州為正值外，其余均為負值，并且深圳、上海與溫州的節前段人口凈遷入指數較小，表明在節前段這些城市多為人口流出城市，呈現出“節前流出、節后流入”的特點，如表5所示。

表5 2019年春運期間節后段我國凈遷入指數前十位城市數據

但不容忽視的是，盡管阜陽、湛江、亳州、茂名、梅州、信陽等城市節后段的人口流出指數與深圳、東莞、上海、蘇州、廣州、北京等城市的節前段的人口流出指數差異較小(遷入指數為負值即表示人口流出)，但阜陽、湛江、亳州、茂名、梅州、信陽等城市的節前段人口流入指數與深圳、東莞、上海、蘇州、廣州、北京等城市節后段的人口流入指數存在明顯差異，在絕對數量上，后者遠大于前者，反映了我國春運期間人口遷移流動呈現“節前分流、節后匯流”的格局，如圖1所示。在節前段，我國人口由經濟較發達城市向經濟發展水平較低的中小城市分流；在節后段，我國人口由中小城市向大中城市匯流，充分體現出經濟發展水平對于人口遷移的重要影響。

圖1 2019年春運期間節前段凈遷入指數前十位城市與節后段凈遷入指數前十位城市的凈遷入指數比較

(三)核心—邊緣結構

2019年春運期間我國各城市間的人口流動亦呈現出一定的“核心—邊緣”網絡結構特征，如圖2所示，形成了以京津冀城市群、長江中下游城市群、珠江三角洲城市群與成渝城市群為核心的人口遷徙路線圖，這與一些學者在研究中指出的京津冀、長三角、珠三角城市群三者主導了人口的空間轉移這一2015年春運人口流動時空格局不謀而合，但同時在內蒙古呼和浩特、廣西南寧、云南大理與陜西西安形成了一定規模的人口流動次中心。

京津冀城市群以北京、天津為核心，輻射河北省、山東省與東北地區，溝通、連接華北地區與東北地區，成為華北地區與東北地區2019年春運期間人口流動的主要集散地；長江中下游城市群以南京、合肥為核心，輻射長江下游安徽省、江蘇省與江西省，具體輻射范圍多為長江中下游偏北部地區；珠三角城市群以廣州為核心，主要輻射廣西、湖南、江西、福建等省，輻射面積廣闊，與成渝城市群間人口流動強度較大；成渝城市群以成都、重慶為中心，輻射四川盆地地區，與珠三角城市群聯系密切；陜西西安這一次中心除與成渝城市群間人口流動強度較大外，還輻射新疆維吾爾自治區的烏魯木齊等地，成為我國中西部人口流動的重要樞紐；云南大理這一次中心主要輻射云南省北部，與昆明聯系密切，同時亦與成渝城市群間人口流動較為頻繁；廣西南寧這一次中心主要輻射廣西西部地區，但作為珠江上游地區與珠江三角洲城市群聯系密切；內蒙古呼和浩特這一次中心主要輻射內蒙古自治區東南部地區，與京津冀城市群尤其是河北北部聯系密切。

圖2 2019年春運期間我國人口遷徙路線圖(遷入指數指春運期間總遷入指數)

同時，2019年春運期間我國各城市間人口遷徙格局在節前段與節后段具有明顯差異，詳見圖3和圖4。

圖3 2019年春運期間節前段人口遷徙路線圖(遷入指數指春運期間節前段總遷入指數)

圖4 2019年春運期間節后段人口遷徙路線圖(遷入指數指春運期間節后段總遷入指數)

比較圖3與圖4可以發現，在節前段我國南部各城市間的人口流動較為頻繁，珠三角城市群、成渝城市群與長江中下游城市群輻射范圍明顯拓寬(成渝城市群輻射范圍向東延伸，珠三角城市群輻射范圍向北延伸與長沙、南昌直接連接，長江中下游城市群向南輻射)，同時在湖南長沙、江西南昌與湖北恩施形成了新的人口流動次中心。在節后段我國南部各城市間的人口流動強度明顯降低，其遷移路線密度遠低于節前段，節前段人口流動產生的長沙、南昌、恩施等次中心逐漸消失，珠三角城市群、成渝城市群與長江中下游城市群輻射范圍明顯縮小，但中部城市與西部城市間人口流動強度明顯加大，典型的如陜西西安市與新疆各城市間的人口遷徙路線密度顯著增大，以呼和浩特為中心的內蒙古南部城市群與京津冀城市群間人口流動更為頻繁。

四、反向春運：事實抑或假象？

反向春運指的是在春節期間老人與孩子提前到老人子女工作地過年，過完年后返回家鄉的交通運輸新趨勢。依據此定義，在反向春運這一新趨勢的影響下，春運應當一改“節前返鄉，節后外出”的格局，而應呈現出“節前外出，節后返鄉”的態勢，即在春節前我國人口應主要由經濟發展水平較低的中小城市向經濟發展水平較高的大中城市流動，春節后人口流向則與之相反。

2019年初交通運輸部指出2019年春節期間反向春運這一趨勢較為明顯。本文依托高德地圖大數據，對2019年春運期間我國人口流動的時空格局進行分析，研究發現，2019年春節期間我國交通運輸仍然呈現“節前返鄉，節后外出”的格局。在春節前，以阜陽、湛江、亳州、茂名、梅州、信陽、六安、宿州、邵陽與商丘為代表的中小城市仍然是人口流入的主要城市；在春節后，以深圳、東莞、上海、蘇州、廣州、北京、寧波、成都、溫州與金華為代表的城市仍然是人口流入的主要城市。即，在春節前人口由經濟發達城市向經濟發展水平較低的城市流動，在春節后人口由經濟發展水平較低的城市向經濟發達城市流動這一基本態勢尚未改變。我國春運期間人口遷移流動呈現著“節前分流、節后匯流”的格局，春節前向中小城市分流，春節后向大城市匯流，這一格局亦不符合反向春運的人口流動趨勢。因此，通過此次研究，“反向春運已經成為我國春節運輸的基本態勢”這一觀點還有待商榷，可能在我國某些省份、某些地區“反向春運”開始萌芽，但仍需更多的研究與數據來反映反向春運的發展態勢，以佐證反向春運這一格局的存在。

不可否認，倘若反向春運逐漸成為我國春節期間交通運輸的新態勢，這一態勢將對緩解春節期間交通運輸壓力、充分利用交通運輸資源、維持春節期間城市的正常運行起到重要助推作用。但春節期間人口由經濟發展水平較低的地區向經濟發展水平較高的地區遷移是否會加劇“農村凋敝”現象？是否會造成乃至加劇春節期間我國經濟發展水平較低的中小城市以及農村地區的“空城”“空村”現象？并且由于城市與鄉村的春節習俗不同，反向春運的人口遷移是否會導致經濟發展水平較低地區的春節傳統風俗習慣隨著人口向經濟發展水平較高的城市遷移而逐漸斷了傳承、失了傳統？而反向春運給遷入城市所帶來的人口壓力又能否得到合理釋放？

五、結論與討論

本文依托高德地圖大數據，利用ArcGIS等工具對我國2019年春運期間人口流動的時空格局進行分析。研究發現，2019年春運期間發達城市人口流動規模仍然很大，說明經濟因素是我國人口流動的主要因素；我國各城市的人口流動規模存在明顯的等級差距，大城市相較于中小城市具有更為顯著的流動人口聚集能力；2019年春運期間我國人口流動存在明顯的時空差異，呈現出“節前分流、節后匯流”的格局；2019年春運期間人口流動亦呈現出明顯的核心—邊緣網絡結構特征，形成了以京津冀城市群、長江中下游城市群、珠江三角洲城市群與成渝城市群為核心的人口遷徙路線圖。

根據此次研究所呈現的2019年春運期間我國人口流動的時空格局，可以發現2019年我國春運仍然具有“節前返鄉，節后外出”的特征，難以為“反向春運”這一新態勢的存在提供較為充足的證據。“反向春運”新態勢的存在還有待商榷，需要更多的數據去佐證。

一方面，無論是常規性的春運模式還是反向春運現象都是國家社會經濟發展的一個縮影，既彰顯著國人對家庭價值觀的回歸和堅守，同時也極大帶動了國家和地區的“節假日經濟”，是消費經濟轉型的真實體現。另一方面，信息時代下GPS等技術的發展為重大節日大規模人口流動提供了實時觀測與數據收集的技術支持，高德地圖大數據即是基于GPS技術收集獲得的數據。這一數據相較于普查數據等關于人口流動的數據更能夠展現人口流動的瞬時動態歷程，呈現出實時性的人口流動趨勢與規模變化，為我國各省市針對人口流動制定政策提供準確、及時的數據支撐，同時也為我國交通運輸部門合理規劃交通運輸資源提供強有力的數據依托，更能實時展現出地區發展不平衡對于人口流動的影響，也從一個側面再次佐證促進中西部地區發展、縮小地區發展差距與促進鄉村振興等國家戰略實施的重要性和迫切性。

但本次研究亦有諸多不足之處，2019年高德地圖人口遷徙數據中的“實際遷入指數”與“實際遷出指數”并未被給出明確定義與算法，在此數據基礎上開展研究難免會產生誤差；此外缺乏農村向城市人口遷移的數據，而以經濟發展水平較低的城市向經濟發展水平較高的城市的人口流動數據來替代，導致一定的偏誤；以2月9日24時為時間節點將2019年春運區分為節前段與節后段，忽視了各個城市在人口流動上的時間差異，也可能導致一定的誤差。

在未來的研究中，筆者希冀利用更為精確直觀的、將城市內部各縣區間的人口流動納入其中的數據，刻畫出更為精確、完整的春運期間人口流動時空格局。同時希望能剔除多種因素如旅游、出差等的干擾，尋求足以證實“反向春運”新態勢存在的事實依據。