基于高德人口遷徙數據的松花江流域城市網絡格局研究

馮宇軒，楊欣蕾，趙映慧

(東北農業大學 公共管理與法學院，黑龍江 哈爾濱 150030)

1 引言

采用人口遷徙大數據對城市網絡的研究是當前城市地理和人口地理研究的新趨勢，從數據來源看，騰訊遷徙和百度遷徙數據是研究城市網絡中重要的兩類人口遷徙大數據。潘竟虎和賴建波基于騰訊遷徙數據分別對國慶-中秋長假和“春運”期間的中國城市人口流動空間格局進行了研究[1,2]，揭示了特殊時段城市間人口遷徙規律。劉望保、蔣小榮等選擇百度遷徙數據對城市日常人口流動網絡格局進行了研究，反映了非特殊時段城市間人口遷徙規律，京津冀、長三角、珠三角和成渝地區是人口流動主要集散中心[3]，基于人口流動的城市網絡呈現明顯的等級特征[4]。從研究方法看，GIS空間分析、社會網絡分析和復雜網絡分析是基于人口流動的城市網絡研究中使用較多的方法，既可以探尋城市網絡的空間特征和地理規律，又可以研究網絡聯系、網絡密度、網絡結構等。從研究時間尺度看，春運期間是學者們基于人口遷徙在城市網絡研究中經常采用的時段。魏冶等認為春運期間中國城市網絡具有“兩橫三縱”特征[5]。張小東等認為中國城市網絡呈現“鉆石型”結構[6]。國慶期間也是反映城市網絡聯系的重要時段。潘竟虎等將國慶-中秋期間劃分為出行期、旅途期和返程期3個時段，研究表明3個時段中國城市人口的凈流入呈現菱形分布特征[1]。李濤的研究表明：國慶期間中國城市群城際出行具有明顯的出行期、旅途期和返程期的變化規律[7]。此外，學者們還采用3個月或者全年的人口遷徙數據研究城市網絡，而其他時段的研究很少。葉強等基于2015年3個月的人口遷徙數據的研究，認為長江中游城市群整體網絡密度較低[8]。鄭伯紅等采用了2016年全年的人口遷徙數據，認為長江中游城市群3個子群的空間結構多樣化[9]。從研究空間尺度看，宏觀尺度的全國城市網絡研究較多[1～7]，其次集中于中觀尺度的城市群研究[8～11]，也包括經濟帶和同城化地區，花磊等認為長江經濟帶城市人口聯系強度從東向西減弱[12]，陳少杰等認為廈漳泉同城化地區的人口流動趨于日常化和通勤化[13]。而微觀尺度的城市個體的人口遷徙研究很少，馮章獻等認為長春市人口聯系集中于京津冀和長三角地區，分布具有金字塔型結構[14]。而最新的關于黃河流域城市網絡的研究出現，拓展了城市網絡的研究尺度[15],推動了流域城市網絡研究的興起。

流域作為一種特殊的地理空間單元，是區域經濟發展的主要紐帶。流域的人口遷徙是城市網絡聯系的直接體現，對塑造流域城市網絡格局具有重要作用。基于流域的研究是近年人文地理學研究的新趨勢，響應了中國區域單元研究的深刻變化。從人口流動視角對流域的研究看，學者們重點關注長江流域、珠江流域，2019年以后黃河流域的研究增多，然而中國東北地區的松花江流域城市網絡的研究缺乏。松花江流域地跨兩省一區，包括黑龍江省大部、吉林省大部和內蒙古自治區東部部分地區。松花江流域是中國東北地區重要的區域，在支撐農業生產、工業發展、城鎮建設、生態保護等方面具有非常重要的作用。新中國成立后，松花江流域是我國重要的工業地帶和糧食生產基地。改革開放以后，隨著國家經濟中心向長江流域和珠江流域轉移，人口也逐漸向長三角和珠三角等發達地區遷徙。黨的“十八大”以后，黨中央國務院高度重視東北地區發展[16]，進一步推動東北振興。隨著新時代東北振興戰略的實施，松花江流域迎來巨大的發展契機，將為新時代東北振興做出新的貢獻。

綜上所述，基于人口大數據的城市網絡研究中一般采用騰訊遷徙和百度遷徙，而其他類型大數據很少，本文采用高德遷徙大數據，能夠拓展大數據的應用研究；而且可以與騰訊遷徙、百度遷徙的研究相互補充。以往研究很少關注松花江流域，本文能夠豐富流域城市網絡的研究。基于人口遷徙大數據研究松花江流域城市網絡格局，具有獨特的科學價值，有利于推動探索人與自然關系，同時流域城市網絡的研究能夠解析流域內不同城市間的相互作用，有助于推進流域內不同區域單元的聯系及協調發展[17]。本研究期望能夠推動松花江流域城市網絡的發展，促進松花江流域高質量發展，為新時代東北振興助力。

2 研究區概況

松花江流域大體在大興安嶺、小興安嶺和長白山圍成的馬蹄形自然地理單元內，是中國東北重要的“三生”空間。黑龍江省和吉林省大部分地區屬于松花江流域；內蒙古東部大興安嶺以東的大部分地區，自然地理上屬于松花江流域，經濟聯系與黑吉兩省密切。以松花江流域自然邊界為基礎，并盡量保持地級行政區劃單元的完整性，考慮區域經濟發展與松花江流域的直接關聯性，最終選擇吉林、黑龍江、內蒙古3個省(區)的20個地級及以上城市(自治州、盟)為松花江流域的空間范圍，包括吉林市、白山市、通化市、延邊朝鮮族自治州、遼源市、長春市、松原市、白城市、齊齊哈爾市、大慶市、哈爾濱市、綏化市、佳木斯市、鶴崗市、黑河市、牡丹江市、七臺河市、伊春市、呼倫貝爾市、興安盟。20個地市中有的行政區范圍跨黑龍江流域、烏蘇里江流域、鴨綠江流域和遼河流域的小部分區域，但社會經濟重心在松花江流域，因此納入松花江流域范圍。松花江流域邊界來源于東北亞資源環境大數據中心(http://www.igadc.cn/filter/n103)，底圖無修改。

3 數據來源與研究方法

3.1 數據來源與處理

高德人口遷徙大數據來源于高德交通大數據平臺(https://trp.autonavi.com/home.html)，是高德公司根據人們的定位信息得到的人口流動遷徙軌跡。本文采集了全年365 d的遷徙數據(表1)，共約122000條數據，數據屬性包括起(終)點城市名稱及其經緯度坐標、意愿遷徙指數、實際遷徙指數。高德官網并未公開高德人口遷徙指數的算法，僅知其作為一個無量綱數與實際遷徙人口存在正相關關系。將2019年全年松花江流域內各城市(盟、州)的人口遷徙數據進行匯總，同時區分起迄方向，形成“有向”聯系。城市間高德人口遷徙指數導入ArcGIS進行可視化處理，生成松花江流域內城市人口遷徙矩陣(表1)。利用自然間斷點分級法將城市間人口遷徙指數，從低到高分為12級，若遷徙指數在第一級中斷值(1.35)以下，則顯示遷徙指數為0，表示兩城市間聯系很小，幾乎為零。基于高德人口遷徙指數數據構造城市聯系矩陣，縱列為起點城市，橫列為終點城市，城市間人口遷徙指數大小表示空間聯系強弱程度(表1)。

表1 松花江流域城市高德指數聯系矩陣

3.2 研究方法

(1)聯系強度,城市間聯系強度指兩個城市之間聯系量的大小，用來表示城市間聯系緊密程度，公式為：

(1)

式(1)中：Rtij表示全年365 d的i城市和j城市之間的人口遷徙指數之和，即聯系強度；t為日期；Rij為全年中某日i城市和j城市之間的人口遷徙量，n取365。

(2)網絡密度,城市網絡中城市間聯系數量越多，網絡密度越大。網絡密度為城市網絡中實際城市間聯系數除以理論上最大的聯系數，公式為：

D=N/[n(n-1)/2]

(2)

式(2)中：D為網絡密度，N為實際產生的聯系數，n為城市個數。

(3)凝聚子群,城市網絡中的節點城市并非處于相同地位，與其他城市聯系疏密不一，組成一個子群的城市相互間聯系緊密，一個凝聚子群內的城市間人口遷徙強度大，頻次高；反之則較難組成凝聚子群。在Ucinet軟件中計算過程：網絡-角色與位置-結構-CONCOR(迭代相關收斂法)-輸入數據集(城市間人口遷徙矩陣)-輸出凝聚子群。

(4)城市集散能力,城市集散能力是衡量城市匯集和分散人口能力的指標，即某天城市網絡內所有其他城市遷入到該城市的人口與該城市遷出到網絡內其他所有城市的人口之和，公式為：

(3)

式(3)中：Gc表示某城市的集散能力，Gic是某天城市網絡內所有其他城市遷入到該城市的人口，Goc是該城市遷出到網絡內其他城市的人口。

4 結果分析

4.1 城市聯系強度與網絡密度

從圖1可知，2019年松花江流域20個地市兩兩間共有119條連線，即存在119對聯系。理論上松花江流域20個地市兩兩間最大聯系數為190，因此松花江流域城市網絡密度為62.63%，與黃河流域城市網絡密度(28%)相比[15]，網絡密度大，同時也說明松花江流域城市間聯系比黃河流域的更緊密，人口遷徙更頻繁。總體上松花江流域城市聯系強度較大，流域內兩個省會城市哈爾濱和長春的聯系對象數量最多，都與除自身之外的其他19個城市存在人口遷徙，在松花江流域城市網絡中的中心性最大。

松花江流域城市網絡中并非每個地市都與其他地市之間存在人口遷徙，流域內空間距離較遠、經濟欠發達、人口規模較小的地市之間缺少人口遷徙。例如，興安盟位于內蒙古自治區東部，通化位于吉林省東南部，兩地市之間幾乎沒有人口遷徙，基于高德遷徙的城市聯系強度為零。黑龍江省北部的黑河與吉林省東南的白山，黑龍江省北部的伊春與吉林省南部的遼源，城市之間的聯系強度為零。

圖1 松花江流域城市網絡聯系

將2個城市間的雙向人口遷徙指數進行加和，在ArcGIS軟件中采用自然間斷點分級法將城市間聯系劃分為5個級別(圖2)，第一等級至第五等級分別為密切、較密切、一般、較稀疏、稀疏。從圖2可以看出，松花江流域城市網絡中哈爾濱與綏化之間的人口遷徙量最大，位于第一等級，聯系密切。綏化位于哈爾濱大都市圈內，是哈爾濱大都市圈的經濟腹地，受到哈爾濱的影響很大。

圖2 松花江流域城市網絡聯系強度

哈爾濱-長春、長春-吉林、長春-松原、大慶-綏化，這4對城市的聯系強度位于第二等級，主要集中分布在松花江流域中部，表明中部城市之間人口遷徙較多，形成較密切的城市對。哈爾濱與長春之間的聯系強度在松花江流域城市網絡中位居第二位，雖然兩市分屬不同省份，但都是流域的中心城市，空間距離近，道路交通聯系便捷，人口遷徙頻繁。長春和吉林都位于吉林省內，長春作為吉林省中心城市，與重要的工業城市吉林市空間相互作用密切，而且長吉一體化的發展促進兩市之間人口流動頻繁，長吉城際高鐵為兩市通勤化發展提供了基礎。此外，長春與石油城市松原也存在較密切的人口遷徙聯系，大慶與綏化屬于近鄰城市，兩者之間聯系也較密切。

位于網絡聯系強度第三等級的城市向松花江流域西部擴展，齊齊哈爾、遼源、白城與其他城市的聯系強度一般；第四等級和第五等級主要是流域城市網絡中的邊緣城市，如黑河、鶴崗等，其中，第五等級的城市連線最多，表明多數城市與流域內其他城市都有聯系，只是聯系強度低。

總體而言，松花江流域城市網絡聯系格局呈現“一核輻射、中部強、東西弱”的特征，核心-邊緣結構明顯：以哈爾濱為核心，輻射帶動松花江流域城市。流域中部屬于平原地區、高速鐵路、高速公路、國道和省道為流域中部城市人口流動提供了便捷的交通條件，而且流域中部也是東北北部地區經濟比較發達的地區，既有省會城市哈爾濱和長春，又有重要的工業城市大慶、松原和吉林，還有人口眾多的綏化，這也是流域中部城市網絡聯系強大的基礎。流域東部資源型城市多，經濟發展比較困難，對外聯系弱；流域西部的白城、呼倫貝爾、興安盟，這些地市人口較少，對外聯系也弱。

4.2 凝聚子群與城市對

從圖3可知，松花江流域城市網絡分為3個凝聚子群和4個城市對以及1個核心城市。3個子群包括子群1，由白城、呼倫貝爾、興安盟、黑河構成，主要位于流域西部，記為流域西部子群。子群2，包括大慶、齊齊哈爾、綏化，3個城市位于黑龍江省，記為綏大齊子群。子群3位于流域東南部，包括通化、延邊朝鮮族自治州、遼源、白山，記為長白山子群。從三個子群構成與分布看，體現了地理鄰近性，空間距離近的城市，人口遷徙更容易，空間相互作用更強。4個城市對包括鶴崗-七臺河、伊春-佳木斯、牡丹江-吉林、松原-長春，除了牡丹江-吉林屬于跨省形成的城市對，且距離較遠，其他3個城市對都屬近鄰城市。比較特殊的是哈爾濱，既未與其他城市構成凝聚子群，又未與某一城市構成城市對，獨自存在，這也顯示出在松花江流域城市網絡中哈爾濱是核心城市。從圖3的凝聚子群分析結果看，哈爾濱的核心作用非常明顯，其他城市無法與其構成城市對或者凝聚子群。從高德人口遷徙大數據來看，松花江流域城市網絡中哈爾濱比長春具有更強的中心性，是整個流域城市網絡的極核。

4.3 城市集散能力

城市集散能力可以反映節點城市在城市網絡中的影響力和開放程度。在ArcGIS軟件中采用自然間斷點分級法將城市集散能力分為三級(圖4)。哈爾濱、長春、綏化在流域城市網絡中屬于第一等級，哈爾濱和長春由于人口規模很大，與其他城市之間的人口遷徙規模也大，而且屬于流域經濟中心和交通中心，也是東北地區的四大中心城市的成員，故哈爾濱和長春的人口匯集與分散能力強；綏化比較特殊，雖然交通中心性不及哈爾濱和長春，但是綏化人口規模大，而且經濟欠發達，外出人口多，特別是與哈爾濱之間人口遷徙規模大，此外與近鄰大慶的人口遷徙規模也比較大，故在流域城市網絡中具有強大的集散能力。

圖3 松花江流域城市網絡的凝聚子群

圖4 松花江流域城市集散能力

松花江流域城市網絡中吉林、松原、大慶、齊齊哈爾的人口集散能力位于第二等級。吉林市是吉林省內第二大城市，綜合實力在省內僅次于長春，而且長吉一體化發展使得兩市人口往來更頻繁，吉林與長春之間的人口遷徙規模在松花江流域城市網絡中居于第二位，因此吉林市具有較強的人口集散能力。松原與長春、哈爾濱、白城3個城市之間都有較大規模的人口遷徙，人口集散能力較強。大慶、齊齊哈爾也具有較強的人口集聚能力，大慶與綏化、哈爾濱、齊齊哈爾3個城市之間都有較大規模的人口遷徙，齊齊哈爾與呼倫貝爾的人口遷徙規模最大，其次是與大慶。

除了集散能力第一等級的3個城市和第二等級的4個城市之外，其余13個地市的集散能力屬于第三等級，包括呼倫貝爾、黑河、伊春、鶴崗、佳木斯、七臺河、牡丹江、延邊朝鮮族自治州、白山、通化、遼源、白城、興安盟，這些地市在松花江流域城市網絡中的對外聯系普遍較弱，相對于第一和第二等級的城市而言，與其他城市間的人口遷徙規模小，人口集散能力弱。

5 結論與展望

5.1 結論

本文基于高德人口遷徙數據，以松花江流域內20個地市為研究對象，采用社會網絡分析法、GIS空間分析法對松花江流域城市網絡格局進行分析，研究表明，松花江流域城市網絡聯系密度較大，流域內城市之間聯系較密切，形成以哈爾濱為核心，以綏化-哈爾濱-長春為軸的“一核一軸”的城市網絡，流域城市網絡具有“中部強、東西兩側弱”的聯系特征；松花江流域城市網絡分為3個子群、4個城市對和1個獨立城市，子群數量少、規模小，近鄰城市基于人口遷徙形成了城市對，獨立的哈爾濱是流域城市網絡的極核。城市集散能力以流域中部的哈爾濱、長春、綏化三市最強，由中部向東西部減弱。

5.2 展望

以往研究表明，騰訊遷徙和百度遷徙大數據在城市網絡格局研究方面具有較高的有效性，同理，基于高德遷徙大數據的研究也具有較高的有效性。當然，無論是騰訊遷徙、百度遷徙，還是高德遷徙，僅能代表城市間的部分人口流動，并不能代表全部的人口遷徙，地理行為大數據本身獲取和算法都存在一定的限制，誤差不可避免，未來需要融合各種人口遷徙大數據，基于統一的行程碼大數據展開研究。此外，雖然獲取了一整年的人口遷徙數據，但未分為人口遷徙高峰時段(春節期間、國慶期間)和平常時段(非節假日期間)進行比較研究，也未獲取2018年和2020年的人口遷徙數據，與2019年城市網絡格局對比，下一步需要針對年際變化進行研究。