上海市中心區居住空間組織網絡模式及測度

摘 要 住宅區是城市建成地區的主要功能空間。選擇上海市中心城為研究范圍，采用復雜網絡理論和分析方法，以住宅區為網絡“節點”，以空間鄰近性和社會互動為網絡“連邊”，建構居住空間網絡，分析測度居住區“度”分布，檢驗居住空間網絡的魯棒性，并識別網絡“社團”。發現城市居住空間網絡穩定性意味著和諧、順暢的社會交往和信息傳遞，其中大“度”節點住宅區發揮著重要作用，應予以重點關注。居住空間網絡“社團”識別的結果對解讀城市地域認同有借鑒意義。結論為建立“物質空間”和“社會空間”相融合的城市住宅區空間結構研究提供了新的思路和方法，同時對大都市建成區單元規劃和空間更新有借鑒意義。

關 鍵 詞 居住空間網絡；住宅區；空間肌理；復雜網絡分析；中心城區；上海

文章編號 1673-8985 （2024）04-0085-09 中圖分類號 TU984 文獻標志碼 A DOI 10.11982/j.supr.20240412

中國城市經歷了40多年快速發展，人口大量集聚、空間規模不斷擴大。在北京、上海等超大城市，人口和建設用地規模的增長尤為迅速[1]。隨著城市更新成為國家發展的重要政策，存量住宅和老舊小區的改造成為研究熱點。國務院、住建部相繼發布政策，將解決城市人口的居住問題放在更加重要的位置[2]。居住空間是城市重要功能構成，不僅分布面廣，而且承載多元復雜的社會關系。從總結過往經驗和推進建成環境優化兩個方面考慮，相應實證和理論研究顯得非常迫切。

1 相關研究

1.1 城市社會空間與物質空間

城市空間結構是經濟社會活動的結果。它反映了人口擇居、就業、交往、出行、交易等活動的集聚和特征，表現為不同功能的空間分布[3]；其中，“居住性”是城市的最基本職能[4]。因此，以個體和家庭居住行為為研究對象，逐漸形成兩個研究領域：其一，側重于社會空間的研究，包括個體、群體、社會組織的時空過程等方面；其二，側重于物質空間的研究，包括住宅和住宅區空間結構[5]等方面。

城市社會空間是社會關系的載體。與鄉村社會由血緣和族群聯系組織起來的機制不同，城市居民通過各類“生意”和“交換”相互結識，基于契約建立起陌生人之間的聯系進而形成社會關系，其中包括組建家庭[6]，[7]25（見圖1）。因此，城市中人與人的交往方式與社會關系存在多樣性和異質性，社會空間具有復雜性和融合性[8]。不同社會群體的居住分化、居住隔離[9]，社會關系的培育和維持[10]，社會關系和社會運行所具有的時空性[11]等成為人們共同關注的問題。

城市居住空間體現了人居環境的物質性和社會性兩方面內涵。通過日常行為和擇居，居民產生了階層認同[12]和地域認同[13]，因此住宅的物質性差異反映了社會空間的異質性[14]。住房市場化和更新再開發等過程往往引發既有社會關系重構[15]，導致居住物質空間和社會空間進一步復雜且多樣化，甚至產生“住房不平等”現象[16-17]。為此，城市規劃理論和實踐強調對社會關系的保護和修補[18]，促進豐富且持續的空間和地緣關系[19]，實現城市空間結構的優化[20]。

1.2 城市空間網絡研究

城市空間網絡研究通常關注呈現網絡形態的空間要素[21]。如城市道路、地鐵和市政設施管網等。有學者基于開放街道數據，測度城市街道網絡“度”分布和網絡效率[22]，計算街道熵（entropy of street）、街道段長度（street segment length）、平均回路指數（average circuity）和平均節點度（average node degree）等指數，以揭示城市街道網絡秩序[23]。

城市空間網絡研究也在逐步關注一些本身不具有網絡形態的空間要素。例如，將城市建成區用格網劃分，根據格網內主要功能將城市劃分為就業、居住、景觀和可達性4類吸引力地區，通過重力模型測度格網單元之間網絡連接和便利設施的分布[24]。也有將城市空間劃分為城市肌理（urban fabric）單元，分析建筑相互聯系以及形狀和邊界的分形特征[25]，為城市更新策略提供參考。

復雜網絡理論和方法為理解城市社會空間提供了新視角。針對演員、科學家的研究揭示了合作關系的多重復合社區現象（multiplex communities），以及“小世界”[26-27]和多層網絡（多重屬性的異構性）特征[28]。基于社交媒體發文（帖）引證關系的研究，通過解析社交網絡的社區結構、強弱關系和網絡演變，以及價值傳遞和社會資本特征[29]，發現信息路徑短的居民之間關系更加穩定[30]。

將復雜網絡理論（Complex Network Theory）應用于城市研究，逐步形成復雜城市系統（Complex Urban Systems，CUS）研究新領域。在小世界[31]和無標度特征[32]基礎上，將復雜網絡理論與城市韌性理論相結合，利用網絡拓撲結構探討網絡節點失效的可能性及受損后的恢復能力，為定量描述城市韌性提供了有效的分析方法[33-34]。例如對地鐵網絡關鍵站點的識別和電力網絡韌性的測度[35]等。

1.3 復雜網絡分析與城市空間結構研究

許多城市現象本質上是網絡現象，如等級規模、韌性、規模效益等[36]。學者根據不同的研究問題，通過界定研究范圍、網絡“節點”（node）和“連邊”（tie）從而構建出復雜網絡，以便分析揭示城市空間結構生成和演化的內在機理。其中，“節點”被界定為“個人，組織，城市”等對象；“連邊”被界定為“節點”之間的關聯，既包括物理聯系，也包括相互的影響、合作關系，甚至信息等的傳播[37]。因此，城市內部空間網絡（urban intra-spatial network）研究有3個值得深入探究的方面：其一，空間網絡的“節點”界定，應能反映研究問題所指向的城市空間類型。其二，空間網絡的“連邊”多為物質空間載體，還需反映城市社會與空間要素的互構。其三，網絡結構分析多以壓力、重力、引力或者“流”作為底層解釋機制，通過信息、觀點、關系等的“傳播”將物質空間與社會空間結合起來的城市空間網絡研究有待開展。

居住空間是城市空間結構的重要組成部分[38]。運用復雜網絡方法將物質空間和社會空間相結合以揭示居住空間結構特征，對城市空間規劃具有理論和實踐借鑒意義（見圖2）。

2 研究數據和研究范圍

2.1 研究范圍

研究選擇上海市中心城（城市外環線A20圍合的范圍），面積約660 km2。包括了中心城七區即黃浦區、徐匯區、長寧區、楊浦區、虹口區、普陀區、靜安區外環線以內的部分，以及浦東新區和其他毗鄰行政區劃中外環線以內的部分（見圖3a）。該地區是上海市集中建成地區，人口分布密集；2021年常住人口約為1 200萬人，占上海總人口的近50%。研究范圍也是上海經濟社會活動最活躍的地區，空間演進歷久且復雜，功能結構不斷變化，住宅區類型多樣。

2.2 研究數據

通過網絡開放數據平臺獲取上海市2000—2020年衛星影像地圖①，并通過查詢各區政府及民政部門官方網站，獲得2000—2020年詳細至街道的行政區劃邊界。進而，完成相關基礎數據的整理。

2.2.1 各種類型住宅區的范圍識別

從高德地圖獲取住宅區AOI數據，包括經緯度、邊界和名稱等信息②。將其與衛星影像地圖整合，采用半監督分類和人工目譯方法對AOI數據進行校對[39-40]。根據住宅區建筑肌理和建成時間等特征將其分為“商品房、工人新村、花園里弄、里弄、獨棟公寓、別墅”6種類型[41-43]（見圖3b）。住宅區面積規模存在較大差異，一定程度上反映了聚居規模特點，但還不能形成居住空間結構判斷（見圖4）。

2.2.2 公園綠地及空間分布

從高德地圖獲取公園綠地AOI數據。同時，通過半監督分類法對衛星影像中的城市綠地進行提取。修整邊界并篩選可供人活動的開放綠地，得到研究范圍內所有公園綠地的矢量數據（見圖5a）。

2.2.3 學區范圍

根據各區政府網站發布的2020年小學學區劃分通知，結合網絡公開發布的學區劃分信息③，錄入高德地圖，得到研究范圍2020年所有學區的空間邊界（見圖5b）。

3 研究方法及研究設計

3.1 基于衛星影像的空間識別方法

采用ENVI軟件對谷歌地球衛星圖像進行半監督學習（SSL），利用少量的標記樣本和大量的未標記樣本，結合低通濾波和灰度共現矩陣的平均特征識別和劃定住宅區空間邊界，實現對住宅區的分類和提取。

3.2 復雜網絡分析方法

3.2.1 網絡構建

首先，界定“節點”“連邊”的內涵。其一，以個體為研究對象而構建的網絡，其“節點”為個體，目的為揭示人際關系和互動機理（個體網）。以群體為研究對象而構建的網絡，其“節點”為一個“集群”或者“聚落”，目的為揭示整體性結構特征（整體網）[44]。其二，“連邊”反映了“節點”之間的關系或者聯系，既反映二者的從屬性，也反映二者關系的強弱；既可以是有形的聯系，也可以是無形的關系。因此，完成網絡分析所基于的數據既包含“節點”的屬性數據（attribute data），也包含“連邊”的關系數據（relational data）。

其次，根據網絡分析的基本規則，將識別出的每個住宅區空間范圍形心作為“節點”。將居民日常交往活動而產生的住宅區之間的關聯作為“連邊”。由于居住“物質（地理）空間”是外在形式，“社會空間”是內在實質[45]，因此，兼顧空間鄰近性和社交互動便利性，將住宅區之間“連邊”的基本規則設定如下：

（1）相距500 m內的住宅區。根據地理學第一定律④，以及人類出行范圍對標度法則的遵循⑤[46]，空間鄰近的住宅區關系更加緊密。既有研究指出，居住鄰近性與居民社會交往之間存在非線性關系，隨著距離的增加而迅速衰減[47]。在街道、便利店、街角等公共區域，居民通過日常活動與交往互動相互認識或產生社會關系的概率較大，并且500 m是多年齡人群共同的適宜步行距離。

（2）相距500 m內的同類型住宅區。受收入和職業等因素的影響，居民會選擇不同的空間范圍活動和交往[48]。住宅區類型一定程度上反映了由房價導致的居住人群差異，以及居民生活方式、生活軌跡和居民活動空間重疊方式的差異[49]。

（3）同一小學學區內的住宅區。最近的研究發現，中國大都市的小學學區對居民互動有正向影響，同一學區內居民之間有更廣泛的社會交往和更緊密的聯系，跨住宅區的社會互動更為普遍[50]。長期以來，住宅區規劃中強調按照人口規模配置小學，并結合到一定規模住宅區內建設[51]，客觀上促成了這一社會現象。以家庭成員通學和接受基礎教育為紐帶，增加了同一小學學區內居民之間跨年齡、職業、收入和家庭的交往機會[52]。

（4）同一公園綠地500 m范圍內的住宅區。公園和廣場有利于陌生人之間的社交互動[53]，共同參與活動提高了相互認識的概率，成為產生居民跨住宅區關聯的又一重要誘因[54]。

根據上述4條規則，在研究范圍構建出具有物質空間鄰近和社會空間關聯雙重內涵的城市居住空間網絡（URSN）（見表1）。此外，研究范圍中一些空間要素對居民交往存在阻隔，如城市道路、高架橋等；由于穿越這些空間要素的路徑已為規劃建設所提供，研究充分考慮了這些因素，并對“連邊”做優化處理。

3.2.2 網絡分析

復雜網絡分析有助于揭示在一定研究范圍內被定義為“節點”的研究對象的趨同性和集聚特征，以解讀社會和空間的同質性和異質性；同時，有助于分析信息在網絡中的傳播，以及個體偏好和選擇產生的“節點”間聯系，從而揭示城市空間背后的經濟社會機制。

（1）網絡魯棒性

網絡魯棒性（robust）亦指網絡的穩定性。魯棒性測度可用于衡量網絡的韌性（resilience），揭示網絡面對干擾的恢復能力，并找到關鍵節點[55-56]；反映網絡受到破壞或者結構變化時，保持網絡原有整體功能的能力以及自我尋找替代性連通路徑的能力。通常檢驗網絡魯棒性的方法有“攻擊”檢測、“滲流”檢測和黏菌實驗[57]339-354（見圖6）。其中，網絡“攻擊”方式又可分為隨機攻擊和蓄意攻擊2種。隨機攻擊是隨機地移除“節點”或“連邊”，而蓄意攻擊則是按照“度”的大小依次刪除網絡中的“節點”，以此來測度網絡的連通性和穩定性，獲得網絡“崩潰”的閾值；閾值越高則說明網絡越具有魯棒性。

將針對“節點”的“攻擊”對應于現實中某些住宅區的拆遷改造、實施封控以及入住率過低等情況；將對“連邊”的“攻擊”對應于現實中綠化、活動空間、基礎教育等設施配置過少的情況。居住空間網絡（URSN）的魯棒性反映了物質空間和社會空間網絡自我修復、形成連通回路的能力[58]。同時，基于社會關系建立的網絡與基于物質載體建立的網絡具有不同的網絡傳播機制，魯棒性因此具有不同的經濟社會解釋。通過最大連通子圖的相對大小和網絡效率進行網絡魯棒性測度[59]。

① 最大連通子圖。是指以最少的“連邊”把網絡中的所有“節點”連接起來的子圖，其相對值等于最大連通子圖中“節點”的數目與網絡中“節點”數目之比，即：

S=|V'd|/|Vd|（1）

式中：|V'd|為最大連通子圖中“節點”的數目。

② 網絡效率。是指所有“節點對”之間效率的平均值，是衡量網絡通行能力的重要指標。計算式為：

式中：N為網絡中“節點”的總數；dij為節點i到節點j的最短距離。

（2）網絡“社團”識別

復雜網絡中的“社團”（community）指內部連接密集、外部連接稀疏的節點集合[57]399-407。“社團”算法將節點劃分為組團，組內節點關系密切，組間節點關系稀疏[60]，用于探索節點的聚類關系，比如，引文網絡中不同研究領域的區分[61]。

對住宅區進行“社團識別”，既反映了空間組織層面對相鄰性、設施共享和學區劃分的考慮，又反映了相近社會背景、生活方式、生活特征和社會信任居民的選擇結果。計算式為：

式中：Q為模塊度，Aij表示節點i和節點j之間的邊的權重值（本文中邊的權重都是1）；Ki表示節點i的度； ci表示i所屬的“社團”；如果節點i和節點j屬于同一個“社團”，δ（ci，cj）為1，否則為0；m表示網絡中邊權重的總和。在運算時，每個節點被分配到一個不同的“社團”。每次計算都會從它所屬的“社團”中取出一個節點，加入鄰近的“社團”，并計算這個“社團”模塊度的變化。如果收益小于0，那么它就被放回原來的“社團”；否則就將其加入具有較大收益的“社團”。反復執行直到所有節點所在的“社團”不再改變。

4 研究結果

4.1 研究范圍住宅區“度”差異明顯

本文中的“度”代表某住宅區居民與其他住宅區居民的日常交往互動，即他們因使用相同公共設施和公共空間而產生社會經濟關聯的可能性。“度”越大則表示該住宅區居民更有可能與城市中其他居民的生活軌跡發生重疊，也更有可能發生跨住宅區社會交往。相反，則表明住宅區可能相對獨立和封閉，與其他住宅區聯系較少[62-63]。

2020年的居住空間網絡（URSN）中“節點”之間的“度”差異明顯。“度”分布整體呈泊松分布，而非冪律分布[57]81-86，[64]。其中，住宅區最大的“度”為126.0，最小的為0；大部分住宅區的度在10.0至50.0之間，平均為33.2，極少數超過100.0。這意味著大部分住宅區的居民會與附近30個左右住宅區的居民有生活軌跡重疊和交往；極少數住宅區的居民能夠與周邊100個以上住宅區存在聯系。

“度”較高的住宅區在促進社會融合、提高城市活力方面有更關鍵的作用。除了住宅區內戶數多、人口多可能增加對外交往之外，較高的經濟社會地位、較廣泛的人際交往能力都造成了住宅區“度”分布有明顯的市中心大、邊緣地區小的特征；浦西居住區的“度”普遍高于浦東，中心區住宅區的“度”普遍高于外圍。“度”最高的住宅區集中在黃浦區西北部、黃浦區與靜安區交界部，以及虹口區的北外灘地區；“度”較高的住宅區分布于長寧區南部和西部、徐匯區北部和楊浦區西南部（見圖7）。

4.2 居住空間網絡的大“度”節點和魯棒性測度

城市居住空間網絡（URSN）產生網絡“崩潰”意味著不同住宅區居民之間日常交往受阻、共同活動消失，住宅區成為空間“孤島”。例如，一些住宅區的拆遷對居民交往活動產生不利影響。由于黃浦江的空間阻隔，本文選取最大連通子圖作為初始網絡。測度結果發現：

其一，居住空間網絡在隨機攻擊下呈現較強的魯棒性，在蓄意攻擊下則較為脆弱。當移除節點達30%時，蓄意攻擊模式最大連通子圖規模下降更快。而且，蓄意攻擊模式下，網絡效率迅速減小，當移除“節點”達到60%時，網絡幾乎完全癱瘓不再連通；隨機攻擊模式下，當移除60%“節點”時，網絡效率才開始明顯減小（見圖8a）。

其二，居住空間網絡魯棒性與住宅區類型存在關系。具有大“度”節點特征的住宅區大多為里弄式住宅區（見圖7a）。進一步采用規則（2）建立里弄、工人新村兩種類型住宅區的居住空間網絡，分別測度其魯棒性。結果顯示，里弄住宅區的網絡效率和面對攻擊呈現出的魯棒性遠高于工人新村住宅區，是具有較高穩定性的居住空間模式（見圖8b-圖8c）。

其三，對“度”較大住宅區的拆除或人為封閉會導致整個城市居民交往、信息交換和傳播概率降低，容易產生社會隔離、活力降低等負面效應（見圖8c，圖9）。

4.3 居住空間“社團”識別及分布特征

住宅區“社團”是相互聯系緊密的若干住宅區的空間集合。復雜網絡分析根據網絡中住宅區“節點”的社會關聯來確定住宅區集群以及住宅區的聚類和分化。

根據2020年數據，在研究范圍共識別出73個住宅區“社團”。特征如下：其一，“社團”規模普遍較大。規模最大的“社團”位于黃浦區中部，擁有445個“節點”（即住宅區）。有14個社團的“節點”數量在200個以上，13個“社團”的“節點”數量在100—200個之間，其余“社團”規模相對較小。其二，“社團”邊界與行政區劃、重要交通線的邊界明顯吻合。這是建網規則中學區邊界和地理鄰近性共同作用的結果。其三，內環線內分布有15個規模較大的“社團”，而規模較小的“社團”則位于研究范圍邊緣。其四，“社團”識別結果與居民日常認知存在重合且有共同標識（見圖10）。

5 討論

5.1 網絡分析揭示了城市居住空間的物質、社會兩面性

“物質空間”“社會空間”相結合的復雜網絡建構規則，揭示了住宅區空間分布與社會關聯共同作用下的城市居住空間網絡（URSN）特征。反映了圍繞家庭成員展開的城市社會組織模式，以及經典規劃理論和方法干預城市社會空間組織的有效性。測度結果反映了住宅區之間社會關聯的程度，以及由共享設施建立起的鄰里關系的穩定性。

其一，有較高服務設施配置水平的地區，為居民建立社會關系創造了條件，住宅區的“度”和中心性普遍較高；其中，基礎教育設施和綠地活動空間的作用尤為突出。

其二，住宅區類型是影響城市居住空間網絡穩定性的另一重要因素。里弄住宅區為鄰里交往提供了豐富的適宜空間，促進了社會關系的多元化。它在網絡中的“度”最大、中心性最高，對網絡完整性和穩定性的影響最為關鍵。公寓型住宅區由于數量較大、分布分散，也有利于網絡的穩定性[65]。新建商品房住宅區往往面積規模較大，空間相對封閉，與周邊居住區聯系較少，易導致網絡松散、脆弱，影響網絡的穩定性。

5.2 網絡“社團”識別反映了地域認同

“社團”識別出的范圍是住宅區之間居民互動較為緊密的地區。反映了居民的地域認同，即居住地相互鄰近、日常活動范圍相互重疊，且有相同的地標認知，更可能通過共用公共空間和公共設施建立起關系。其中，傳統住宅區、工人新村片區都形成了明確的住宅區“社團”并與居民認知和地域歸屬感相一致。

基于“社團”識別進一步整合住宅區，發現在空間上有較強集聚態勢的多個“社團”共同形成了具有地域認同（place identity）的城市空間“細胞”（cells）[66]。將其與行政區劃和控規單元邊界相疊合，發現一個“細胞”往往會覆蓋4—5個控規單元，邊界重合度較高。空間“細胞”對劃分規劃管理和社會治理單元，合理配置中小學校、幼兒園、社區公園、文化體育等共享服務設施，建立社區治理機制和平臺提供了新思路，值得進一步研究驗證（見圖11）。

5.3 研究展望和局限性

將住宅區規劃意圖和居民行為特征引入建邊規則，相較僅依靠空間鄰近性和個體合作關系建立的“隨機網絡”[67]更接近現實情況。城市復雜網絡分析對群體決策博弈、社會意愿表達[68]以及觀點、信息等的傳播路徑預測[69]等研究有借鑒意義。居住空間網絡研究為開展城市社會關系、疾病傳播機制研究提供了基礎，為通過空間手段干預不可見的關系網絡提供了新思路。

研究存在以下局限性：首先，本文對一定規模群體聚居地進行的“粗粒化”（coarse graining），僅適合于特定空間尺度、時間尺度下的特定研究。后續需進一步根據研究問題擬定合適的空間“粗粒化”方案，并關照個體行為與宏觀現象之間的關聯性和一致性（見圖12）。其次，住宅區識別和居住空間網絡構建規則需進一步優化。一方面，基于高清衛星影像采用機器學習識別出的住宅區可能存在誤差，忽視了住宅使用功能的變化。另一方面，數據準備和深化分析滯后于現實變化。最后，目前所采用的建邊規則對跨學區和行政區的社會關聯和互動考慮不足；居民除日常活動之外還有其他類型社會互動，如工作、興趣團體等；還需要探索使用更多數據源，如社交媒體數據和手機信令數據。

6 結語

本文將復雜網絡分析應用于城市內部空間結構研究，通過對城市居住空間網絡（URSN）的特征測度，揭示關鍵住宅區、居住空間結構穩定性和地域認同等空間組織模式。基于此，未來有望采用多源、多頻大數據更細致地揭示城市空間網絡的多重網絡特征和演化、博弈與傳播機制，為城市建成地區開展單元規劃和詳細規劃創新提供新的思路和實現路徑。

參考文獻 References

[1]國家統計局. 經濟社會發展統計圖表：第七次全國人口普查超大、特大城市人口基本情況[EB/OL]. （2021-09-16）[2023-12-04]. http：//www.qstheory.cn/dukan/qs/2021-09/16/c_1127863567.htm.

State Statistical Bureau. Economic and social develop-ment statistics chart： the seventh national census， the basic situation of the population of megacities[EB/OL]. （2021-09-16） [2023-12-04]. http：//www.qstheory.cn/dukan/qs/2021-09/16/c_1127863567.htm.

[2]中華人民共和國住房和城鄉建設部. 完整居住社區建設指南（建辦科（2021）55號）[S]. 2021.

Ministry of Housing and Urban-Rural Development of the People's Republic of China. Guide to building complete residential communities[S]. 2021.

[3]周彬學，戴特奇，梁進社，等. 基于Lowry模型的北京市城市空間結構模擬[J]. 地理學報，2013，68（4）：491-505.

ZHOU Binxue， DAI Teqi， LIANG Jinshe， et al. Simulation of urban spatial structure in Beijingbased on Lowry model[J]. Acta Geographica Sinica， 2013， 68（4）： 491-505.

[4]黃志宏. 世界城市居住區空間結構模式的歷史演變[J]. 經濟地理，2007（2）：245-249.

HUANG Zhihong. The evolution of urban residential space structure[J]. Economic Geography， 2007（2）： 245-249.

[5]張文忠，劉旺，李業錦. 北京城市內部居住空間分布與居民居住區位偏好[J]. 地理研究，2003（6）：751-759.

ZHANG Wenzhong， LIU Wang， LI Yejin. Housings' spatial distribution and residents' preference on housing location in Beijing[J]. Geographical Research， 2003（6）： 751-759.

[6]李漢宗. 血緣、地緣、業緣：新市民的社會關系轉型[J]. 深圳大學學報（人文社會科學版），2013，30（4）：113-119.

LI Hanzong. Blood， geopolitical and professional ties： transformation of new urbanites' social rela-tions[J]. Journal of Shenzhen University （Human-ities & Social Sciences）， 2013， 30（4）： 113-119.

[7]NEWMAN M E J. Communities， modules and large-scale structure in networks[J]. Nature Physics， 2012， 8（1）： 25-31.

[8]蔡禾，賀霞旭. 城市社區異質性與社區凝聚力——以社區鄰里關系為研究對象[J]. 中山大學學報（社會科學版），2014，54（2）：133-151.

CAI HE， HE Xiaxu. Heterogeneity and cohesion of urban communities： a study on neighborhood relations in communities[J]. Journal of Sun Yat-sen University （Social Science Edition）， 2014， 54（2）： 133-151.

[9]HE S J. Evolving enclave urbanism in China and its socio-spatial implications： the case of Guangzhou[J]. Social & Cultural Geography， 2013， 14（3）： 243-275.

[10]黃勇，石亞靈. 西南地區歷史城鎮社會網絡保護評價探索研究[J]. 城市規劃學刊，2018（3）：40-49.

HUANG Yong， SHI Yaling. Evaluation and protection of social networks in historic towns in south-western China[J]. Urban Planning Forum， 2018（3）： 40-49.

[11]易崢，閻小培，周春山. 中國城市社會空間結構研究的回顧與展望[J]. 城市規劃匯刊，2003（1）：21-24.

YI Zheng， YAN Xiaopei， ZHOU Chunshan. Urban social spatial structure research in China： review and prospect[J]. Urban Planning Forum， 2003（1）： 21-24.

[12]張海東，楊城晨. 住房與城市居民的階層認同——基于北京、上海、廣州的研究[J]. 社會學研究，2017，32（5）：39-63.

ZHANG Haidong， YANG Chengchen. Housing and the class identity of urban residents： a study based on data from Beijing， Shanghai and Guangzhou[J]. Sociological Studies， 2017， 32（5）： 39-63.

[13]黃榮貴，孫小逸. 社會互動、地域認同與人際信任——以上海為例[J]. 社會科學，2013（6）：86-94.

HUANG Ronggui， SUN Xiaoyi. Social interaction， place identity and interpersonal trust： a study in Shanghai[J]. Journal of Social Sciences， 2013（6）： 86-94.

[14]宋偉軒，黃琴詩，谷躍，等. 寧杭城市多時空尺度居住空間分異與比較[J]. 地理學報，2021，76（10）：2458-2476.

SONG Weixuan， HUANG Qinshi， GU Yue， et al. A comparison study on residential differentiation at multiple spatial and temporal scales in Nanjing and Hangzhou[J]. Acta Geographica Sinica， 2021， 76（10）： 2458-2476.

[15]何深靜，于濤方，方瀾. 城市更新中社會網絡的保存和發展[J]. 人文地理，2001（6）：36-39.

HE Shenjing， YU Taofang， FANG Lan. Protection and development of social networks in urban renewal[J]. Human Geography， 2001（6）： 36-39.

[16]方長春. 中國城市居住空間的變遷及其內在邏輯[J]. 學術月刊，2014，46（1）：100-109.

FANG Changchun. Residential space changing in urban China and its inner logics[J]. Academic Monthly， 2014， 46（1）： 100-109.

[17]LI Z G， WU F L. Tenure-based residential segrega-tion in post-reform Chinese cities： a case study of Shanghai[J]. Transactions of the Institute of British Geographers， 2008， 33（3）： 404-419.

[18]常江，謝滌湘，陳宏勝，等. 城市更新對居民社區依戀的影響：基于廣州新老社區的對比研究[J]. 現代城市研究，2019（9）：67-74.

CHANG Jiang， XIE Dixiang， CHEN Hongsheng， et al. The impacts of urban regeneration on residents' community attachment： a comparison between new and traditional communities in Guangzhou[J]. Modern Urban Research， 2019（9）： 67-74.

[19]王開泳，肖玲，王淑婧. 城市社會空間結構研究的回顧與展望[J]. 熱帶地理，2005（1）：28-32.

WANG Kaiyong， XIAO Ling， WANG Shujing. A review and outlook on the studies of urban social spatial structure[J]. Tropical Geography， 2005（1）： 28-32.

[20]宗會明，季欣. 1999—2018年重慶市主城區住宅用地空間演變特征及驅動因素研究[J]. 地理科學，2021，41（7）：1256-1265.

ZONG Huiming， JI Xin. Spatial characteristics and driving factors of expansion of residential land use in Chongqing urban area from 1999 to 2018[J]. Scientia Geographica Sinica， 2021， 41（7）： 1256-1265.

[21]DING R， UJANG N， BIN HAMID H， et al. Application of complex networks theory in urban traffic network researches[J]. Networks & Spatial Economics， 2019， 19（4）： 1281-1317.

[22]PORTA S P V. The network analysis of urban streets： a dual approach[J]. Physica A： Statistical Mecha-nics and Its Applications， 2006， 369（2）： 853-866.

[23]BOEING G. Urban spatial order： street network orientation， configuration， and entropy[J]. AppliedNetwork Science， 2019， 4（1）： 67.

[24]PAN H， DEAL B， CHEN Y， et al. A reassessment of urban structure and land-use patterns： distance to CBD or network-based？ Evidence from Chicago[J]. Regional Science and Urban Economics， 2018， 70： 215-228.

[25]BATTY M， LONGLEY P A. Fractal-based descrip-tion of urban form[J]. Environment and Planning B-Planning & Design， 1987， 14（2）： 123-134.

[26]ROBINS G， ALEXANDER M. Small worlds among interlocking directors： network structure and distance in bipartite graphs[J]. Computational & Mathema-tical Organization Theory， 2004， 10（1）： 69-94.

[27]BATTISTON F， IACOVACCI J， NICOSIA V， et al. Emergence of multiplex communities in collaboration networks[J]. PLoS One， 2016， 11（1）： e0147451.

[28]BOCCALETTI S， BIANCONI G， CRIADO R， et al. The structure and dynamics of multilayer networks[J]. Physics Reports-Review Section of Physics Letters， 2014， 544（1）： 1-122.

[29]SHIAU W L， DWIVEDI Y K， YANG H S. Co-citation and cluster analyses of extant literature on social networks[J]. International Journal of Information Management， 2017， 37（5）： 390-399.

[30]GUO B， LIU L， LI Y. Simulation research on manage-ment modes of urban old residence community based on complex network[J]. Complex Systems and Complexity Science， 2019， 16（2）： 41-51.

[31]WATTS D J， STROGATZ S H. Collective dynamics of 'small-world' networks[J]. Nature， 1998， 393（6684）： 440-442.

[32]BARABASI A L， ALBERT R. Emergence of scaling in random networks[J]. Science， 1999， 286（5439）： 509-512.

[33]ASPRONE D， CAVALLARO M， LATORA V， et al. Assessment of urban ecosystem resilience using the efficiency of hybrid social-physical complex networks[J]. Computer-Aided Civil and Infrastructure Engineering， 2014， 29（8）： 608-625.

[34]VESPIGNANI A. Complex networks： the fragility of interdependency[J]. Nature， 2010， 464（7291）： 984-985.

[35]DERRIBLE S. Network centrality of metro systems[J]. PloS One， 2012， 7（7）： e40575.

[36]侯靜軒，張恩嘉，龍瀛. 多尺度城市空間網絡研究進展與展望[J]. 國際城市規劃，2021，36（4）：17-24.

HOU Jingxuan， ZHANG Enjia， LONG Ying. The progress and prospects of the multi-scale urban space network research[J]. Urban Planning International， 2021， 36（4）： 17-24.

[37]汪小帆，李翔，陳關榮. 網絡科學導論[M]. 北京：高等教育出版社，2020：37-69.

WANG Xiaofan， LI Xiang， CHEN Guanrong. Network science an introduction[M]. Beijing： Higher Education Press， 2020： 37-69.

[38]李仙德，白光潤. 轉型期上海城市空間重構的動力機制探討[J]. 現代城市研究，2008（9）：11-18.

LI Xiande， BAI Guangrun. On the dynamic mechanism of urban space reconstruction in Shanghai during the transitional period[J]. Modern Urban Research， 2008（9）： 11-18.

[39]HAN W， FENG R Y， WANG L Z， et al. A semi-supervised generative framework with deep learning features for high-resolution remote sensing image scene classification[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2018， 145： 23-43.

[40]鞏彩蘭，胡勇，尹球. 利用遙感圖像實現城市不同類型住宅區自動識別的方法：CN200610118738.3 [P/OL]. （2007-05-09）[2023-12-04]. https：//kns.cnki.net/kcms2/article/abstract？v=sAMp-nZqXjye3elUR7LPOTJEYnwC3FDeuNodFOjyUz1YLomeznt4TNFmmrY6xB4n8fZt6jDStc-3xFYV9V2ZCHSlMVpA5S1BhSjVFIKnKUTkpJ-XzssEv5JLcsF0kWIMCbfGbRT8IQ0nmTL6lK1KrgPmbpZbJsRNmjZLC3AXWAvxX6x7vxkPUg==&uniplatform=NZKPT&language=CHS.

GONG Cailan， HU Yong， YIN Qiu. Automatic recognition of different types of urban residen-tial areas using remote sensing images： CN 200610118738.3[P/OL]. （2007-05-09）[2023-12-04]. https：//kns.cnki.net/kcms2/article/abstract？v=sAMp-nZqXjye3elUR7LPOTJEYnwC3FDeuNodFOjyUz1YLomeznt4TNFmmrY6xB4n8fZt6jDStc-3xFYV9V2ZCHSlMVpA5S1BhSjVFIKnKUTkpJ-XzssEv5JLcsF0kWIMCbfGbRT8IQ0nmTL6lK1KrgPmbpZbJsRNmjZLC3AXWAvxX6x7vxkPUg==&uniplatform=NZKPT&language=CHS.

[41]廖邦固，徐建剛，宣國富，等. 1947—2000年上海中心城區居住空間結構演變[J]. 地理學報，2008（2）：195-206.

LIAO Banggu， XU Jian'gang， XUAN Guofu， et al. Evolution of residential space structure in Shanghai central city based on land use[J]. Acta Geographica Sinica， 2008（2）： 195-206.

[42]YANG F， WEI Z， WANG J. Spatial scale plasticity of urban residential areas： lessons from Shanghai's model in response to COVID-19[J]. Journal of Chinese Architecture and Urbanism， 2023， 5（3）： 1242.

[43]黃慧明，周岱霖，王燁. 基于居住形態類型的社區生活圈空間組織模式研究——以廣州為例[J]. 城市規劃學刊，2021（2）：94-101.

HUANG Huiming， ZHOU Dailin， WANG Ye. An analysis of the spatial organization of community life-cycle under residential morphological categories[J]. Urban Planning Forum， 2021（2）： 94-101.

[44]龐云黠. 屬性與關系的再認識——社會網絡分析研究現狀與演進[J]. 新聞與傳播評論，2019，72（3）：117-128.

PANG Yunxia. Rethinking the relational data and attribute data： the status and development of social network analysis[J]. Journalism & Communication Review， 2019， 72（3）： 117-128.

[45]BARTHéLEMY M. Spatial networks[J]. Physics Reports， 2011， 499（1-3）： 1-101.

[46]SCHLAPFER M， DONG L， O'KEEFFE K， et al. The universal visitation law of human mobility[J]. Nature， 2021， 593（7860）： 522-527.

[47]SMALL M L， ADLER L. The role of space in the formation of social ties[J]. Annual Review of Sociology， 2019， 45： 111-132.

[48]MORO E， CALACCI D， DONG X W， et al. Mobility patterns are associated with experienced income segregation in large US cities[J]. Nature Communications， 2021， 12（1）： 4633.

[49]廖邦固，徐建剛，梅安新. 1947—2007年上海中心城區居住空間分異變化——基于居住用地類型視角[J]. 地理研究，2012，31（6）：1089-1102.

LIAO Banggu， XU Jian'gang， MEI Anxin. Evolution of residential differentiation in central Shanghai City （1947-2007）： a view of residential land-use types[J]. Geographical Research， 2012， 31（6）： 1089-1102.

[50]馬國強，趙靜，孫燕. 優質學區社區鄰里交往特征及其社會空間效應——以南京市銀城小學學區為例[J]. 地域研究與開發，2022，41（1）：73-78.

MA Guoqiang， ZHAO Jing， SUN Yan. Neighborly interaction characteristics and social-spatial effect of superior school district community： a case study of Yincheng Primary School district in Nanjing City[J]. Areal Research and Development， 2022， 41（1）： 73-78.

[51]中華人民共和國住房和城鄉建設部. 城市居住區規劃設計標準（GB 50180-2018）[S]. 北京：中國建筑工業出版社，2018.

Ministry of Housing and Urban-Rural Development of the People's Republic of China. Design code for residential buildings （GB 50180-2018）[S]. Beijing： China Architecture & Building Press， 2018.

[52]PERRY. City planning for neighborhood life[J]. Social Forces， 1928， 8（1）： 98-100.

[53]LUND H. Testing the claims of new urbanism - local access， pedestrian travel， and neighboring behaviors[J]. Journal of the American Planning Association， 2003， 69（4）： 414-429.

[54]KAZMIERCZAK A. The contribution of local parks to neighbourhood social ties[J]. Landscape and Urban Planning， 2013， 109（1）： 31-44.

[55]CHIN C-H， CHEN S-H， WU H-H， et al. cytoHubba： identifying hub objects and sub-networks from complex interactome[J]. BMC Systems Biology， 2014， 8（s4）： s11.

[56]ALBERT R， JEONG H， BARABASI A L. Error and attack tolerance of complex networks[J]. Nature， 2000， 406（6794）： 378-382.

[57]艾伯特-拉斯洛·巴拉巴西. 巴拉巴西網絡科學[M]. 河南：河南科學技術出版社，2020.

BARABASI A-L. Network science[M]. He'nan： He'nan Science and Technology Press， 2020.

[58]CRUCITTI P， LATORA V， MARCHIORI M， et al. Error and attack tolerance of complex networks[J]. Physica A： Statistical Mechanics andIts Applications， 2004， 340（1-3）： 388-394.

[59]任卓明，邵鳳，劉建國，等. 基于度與集聚系數的網絡節點重要性度量方法研究[J]. 物理學報，2013，62（12）：522-526.

REN Zhuoming， SHAO Feng， LIU Jianguo， et al. Node importance measurement based on the degree and clustering coefficient information[J]. Acta Physica Sinica， 2013， 62（12）： 522-526.

[60]GIRVAN M， NEWMAN M E J. Community struc-ture in social and biological networks[J]. Proceedings of the National Academy of Sciences of the United States of America， 2002， 99（12）： 7821-7826.

[61]REDNER S. How popular is your paper？ An empirical study of the citation distribution[J]. European Physical Journal B， 1998， 4（2）： 131-134.

[62]FORISTER M L， NOVOTNY V， PANORSKA A K， et al. The global distribution of diet breadth in insect herbivores[J]. Proceedings of the National Academy of Sciences of the United States of America， 2015， 112（2）： 442-447.

[63]王林，戴冠中. 復雜網絡的度分布研究[J]. 西北工業大學學報，2006（4）：405-409.

WANG Lin， DAI Guanzhong. On degree distribution of complex network[J]. Journal of Northwestern Polytechnical University， 2006（4）： 405-409.

[64]BARABASI A L. Scale-free networks： a decade and beyond[J]. Science， 2009， 325（5939）： 412-413.

[65]羅璇，李如如，鐘碧珠，等. 回歸“街坊”——居住區空間組織模式轉變初探[J]. 城市規劃學刊，2019（3）：96-102.

LUO Xuan， LI Ruru， ZHONG Bizhu， et al. From residential quarter to housing block： preliminary study on residential space transformation in China[J]. Urban Planning Forum， 2019（3）： 96-102.

[66]BATTY M. Planning the 21st Century city - four snapshots for a new science[J]. International Review for Spatial Planning and Sustainable Development， 2021， 9（1）： 1-9.

[67]葉鍾楠. 流行病在城市空間中的傳播模擬——以新型冠狀病毒（COVID-19）疫情期間的武漢市主城區為例[J]. 南方建筑，2021（4）：1-7.

YE Zhongnan. Simulation of epidemic spread in urban space： the case study of Wuhan central city during COVID-19[J]. South Architecture， 2021（4）： 1-7.

[68]王元卓，于建業，邱雯，等. 網絡群體行為的演化博弈模型與分析方法[J]. 計算機學報，2015，38（2）：282-300.

WANG Yuanzhuo， YU Jianye， QIU Wen， et al. Evolutionary game model and analysis methods for network group behavior[J]. Chinese Journal of Computers， 2015， 38（2）： 282-300.

[69]孫國道，楊雨璠，潘翔，等. 流行病數據可視分析綜述[J]. 計算機學報，2022，45（3）：601-623.

SUN Guodao， YANG Yufan， PAN Xiang， et al. A survey on visual analysis of epidemic data[J]. Chinese Journal of Computers， 2022， 45（3）： 601-623.

基金項目：國家自然科學基金“城鄉工業用地空間績效評價及轉型更新機理研究”（編號51778436）資助。