[1]赖建波，朱军，郭煜坤，等.中原城市群人口流动空间格局与网络结构韧性分析[J].地理与地理信息科学,2023,39(02):55-63.
中原城市群人口流动空间格局与网络结构韧性分析
赖建波,朱军*,郭煜坤,游继钢,谢亚坤,付林,王萍
(西南交通大学地球科学与环境工程学院,四川 成都 611756)
摘要：针对都市圈建设发展较快与超设防事件频发现象,评估和分析城市群网络结构韧性水平对区域一体化与健康可持续发展具有重大意义。该文以中原城市群为研究区域,基于2017年“腾讯迁徙”数据构建城市网络人口流动矩阵,分析城市群内部人口流动规模与特征,并从层级性、中断场景下传输性以及脆弱性对城市网络韧性进行评价。结果表明:①不同时段中原城市群人口流动具有规律性,节假日期间郑州与多数城市的人口流动状况具有动态平衡性;②不同时段高层级人口流动网络主要呈现为以郑州为核心的发散式结构;③中原城市群网络层级性显著,整体表现为单核心网络,介数策略对网络的破坏性最大,拥有高介数的节点在网络中承担核心作用;④郑州、洛阳、周口等核心城市节点对整体网络效率影响更大,中原城市群韧性水平整体良好,具有“十”字形空间特征,但部分规划核心城市的协同发展仍有待提高,未来需完善不同等级、规模、职能的城市协同发展机制,实现城市网络韧性水平整体提升。
关键词：人口流动;空间格局;腾讯迁徙大数据;城市网络韧性;中原城市群
0 引言
随着城市化发展日益加快,若干不同规模、等级、空间邻近的城市形成交通、经济联系紧密的城市群[1],是今后承担中国经济、人口集聚的主要地域形态[2],城市群内部基础设施建设较完善,为城市间人口集散提供了良好基础。现阶段,区域间人口流动日趋显著而广泛,大量流动人口成为城市经济发展不可或缺的重要因素。随着通信技术的不断发展,越来越多客观、定量、持续且时空异质性强的地理行为大数据被采集,为人口流动研究提供了新的数据支撑。已有学者[3,4]利用各类位置大数据开展城市群人口流动空间格局研究,可为城市群协同发展提供理论与实践指导。然而,现有人口流动空间格局相关研究多采用特定时段(如春运[5,6]、单一节假日[7]或工作日[8])数据,研究结果不能反映全年不同时段的人口流动变化情况。另一方面,由于区域间的人流是经济、文化、政治等各种“流要素”的重要载体,而人口流动空间格局可直观反映城市网络节点本身所承载的规模数量及节点间的联系强度,这类网络特征是表征网络结构韧性的重要属性。因此,明晰区域间人口流动空间格局,可为城市网络结构韧性研究提供客观、重要的分析途径。
伴随城市一体化发展,以行政区划主导的城市等级空间正在转变为关系网络的功能空间,城市网络结构韧性研究逐渐受到关注[9-11]。城市网络是根据各种“流要素”在空间作用下形成的具有一定功能和结构的新型城市空间组合形式。已有学者通过城市间信息流[12,13]、交通流[14-16]、经济流[17,18]等要素构建城市网络,选择复杂网络理论中的网络效率、连通性、层级性等指标对网络结构韧性进行测度,结果表明,城市网络结构与区域韧性密切相关[19-21]。但城市网络结构韧性评估相关研究[22,23]较少考虑网络节点失效的情况,缺乏某节点对总体网络韧性影响的定量描述,而实际情况表明,不可抗力因素极有可能影响节点的正常运转,造成城市网络中断,进而影响整个网络[24]。另外,单一客运数据、文本统计或调查数据凭借其易获取性与解释性强,广泛应用于城市网络研究[25-27],但存在时效性差及主观性强等问题。因此,选用更具客观性、时效性的数据,综合考虑城市联系强度进行城市网络韧性分析,有助于提升对城市网络面对突发事件后运转能力的预测,从而制定科学的区域韧性策略。鉴于此,本文选择中原城市群30个城市为研究区域,利用2017年“腾讯迁徙”大数据分析城市群内部不同时段的人口流动特征与规律,在顾及城市网络拓扑结构与空间内涵的同时,研究不同“攻击”策略下城市网络结构韧性,以期了解和掌握中原城市群网络结构,为城市网络韧性可持续发展提供理论参考。
1 研究区域与方法
1.1 研究区概况
中原城市群位于沿海开放地区与中西部地区的交汇区域,是我国经济由东向西梯次推进发展的中间地带,其生产总值仅次于京津冀、长三角、珠三角三大国家级城市群,为中国经济第四增长极;中原城市群也是中部地区承接发达国家及我国东部地区产业转移、西部地区资源输出的枢纽和核心区域,并将成为参与国内外竞争、促进中部崛起、辐射带动中西部地区发展的核心增长极。中原城市群涉及河南、河北、山西、安徽等多个省域的30个地级市,《中原城市群发展规划》根据各城市现有基础与战略定位,将该城市群划分为郑州大都市区、核心发展区和联动辐射区3类城市(图1)。随着交通、信息等网络不断完善,中原城市群已显现出由以郑州为单核的空间发展格局转换为均质的多中心发展趋势,但该城市群行政区划多样、城市基础不均衡,导致核心城市辐射带动效应与城市间协同发展动力不足,具有一定“核心—边缘”模式[28],因此,需进一步明晰城市网络结构韧性水平。
图1 中原城市群层级结构与人口密度
Fig.1 Urban hierarchy structure and population density distribution of Central Plains Urban Agglomeration
1.2 数据来源
腾讯位置服务数据可以很好地映射用户流动轨迹,统计单元精细到使用腾讯位置服务的单个用户,且时间分辨率较高,反映人口流动与城市联系更具时效性、客观性与准确性[29]。本文从“腾讯迁徙”平台(https://heat.qq.com/qianxi.php)采集2017年1月1日—12月31日飞机、火车、汽车3类交通方式的人口流动数据,经过数据清洗,得到包括中原城市群地级及以上城市间的人口流动数据。
1.3 研究方法
1.3.1 复杂网络分析方法 根据一天内人口流动强度建立30个城市两两之间的人口流动强度矩阵L=[Lij],Lij表征i市至j市的人口流动强度,最终得到365个30×30的加权非对称矩阵。同时,采用总流动规模T测度某城市人口集散总强度,用净流入规模J测度人口流进和流出规模的差异,则城市i在一天内人口的总流动Ti_day和净流入值Ji_day计算公式为:
(1)
1.3.2 城市网络结构韧性测度方法 ①网络攻击策略指标。通常网络面临蓄意攻击策略与随机攻击策略,本文采用度中心性、介数中心性、接近中心性与特征向量中心性[30]等指标的变化测度不同攻击策略下网络的抗毁性。度中心性Di(式(2))以节点度值刻画节点在网络中的重要性;介数中心性Bi(式(3))以经过某节点的最短路径数量刻画节点重要性,介数中心性越高的节点在网络中的地位越重要;接近中心性Ci(式(4))反映网络中某节点与其他节点间的接近程度,某节点与网络中其他节点的平均距离越小,则该节点的接近中心性越大;特征向量中心性Ei(式(5))通过节点的邻居节点数量与质量衡量该节点的重要性,若与某节点相连的邻居节点越重要,则该节点越重要。②网络韧性测度指标选择。基于现有城市网络韧性测度研究,本文从层级性角度评估网络韧性静态特征,并从中断场景下传输性与脆弱性角度评估网络韧性动态特征。其中,层级性、传输性与脆弱性分别用加权度分布、网络效率及最大连通子图表征,加权度、网络效率计算公式详见文献[26],网络脆弱性计算公式如式(6)、式(7)所示。
(2)
式中:N为网络节点数,当节点j与i相连时,Dij=1,否则Dij=0。
(3)
式中:n(p.q)为节点p与q之间最短路径数量,n(p,q|i)为p与q之间经过节点i的最短路径数量。
(4)
式中:dij为节点i与j之间最短距离。
(5)
式中:β为网络矩阵的最大特征值,e=[e1,e2,…,en]T为矩阵最大特征值对应的特征向量。
(6)
V=0.5-R
(7)
式中:V为节点移除后网络脆弱性评价指标,其值越大,表示对网络采用的攻击方式越有效,R为网络的鲁棒性,si为节点i移除后最大连通子图所包含的节点数量,S为原有网络最大连通子图所包含的节点数量。
2 结果分析
2.1 城市网络总体人口流动特征
对2017年中原城市群“腾讯迁徙”人口数据进行整理,剔除研究期间城市互联频次低于4次的线路,统计得到各城市逐日人口净流入强度(图2)。由于各城市人口净流入强度差异显著,为更清晰观察人口流动情况,根据《中原城市群发展规划》,将中原城市群划分为郑州大都市区(郑州、焦作、开封、新乡、许昌)、核心发展区(亳州、周口、商丘、平顶山、晋城、洛阳、济源、漯河、鹤壁)和联动辐射区(三门峡、信阳、南阳、安阳、宿州、淮北、濮阳、聊城、菏泽、蚌埠、运城、邢台、邯郸、长治、阜阳、驻马店)三类。
图2 各城市人口净流入时间序列分布
Fig.2 Time series of urban population net inflow
由图2可知:①全年人口流动特征显示,郑州与大部分城市的人口流动状态存在显著的动态平衡性,即当郑州表现为净流入状态时,其他城市表现为净流出,反之亦然。例如:在春节(1月28日),郑州表现为人口净流出,规模为87 254人,开封、新乡、许昌等周边城市表现为人口净流入,规模分别为11 600、3 948、4 363人,城市群中表现为人口净流入的城市数量达到20个;在劳动节(5月1日),郑州表现为人口净流入,规模为1 423 591人,而开封、新乡、许昌等周边城市表现为人口净流出,其规模分别为84 720、48 436、44 201人,城市群中表现为人口净流出的城市数量达到23个。郑州对周边城市表现出虹吸效应,以日常时段中11月1日为例,邻近城市流入的人口占郑州总流入人口的45%。②各城市的人口流动在节假日期间均存在明显波动。纵观郑州全年人口流动情况,可知其1月与2月人口流动情况最复杂且持续周期长。一方面,1月高校陆续放假,致使1月3—13日郑州呈现持续的人口净流出状态;同理,在开学季(2月23日左右、9月1日左右)郑州表现为净流入状态;另一方面,2017年春运期间(1月13日至2月21日),郑州人口流动总体情况为净流出(1月13—29日,峰值出现在1月25日,即除夕)—净流入(1月30日至2月9日,峰值出现在2月2日)—净流出(2月10—11日,2月11日为元宵节)—净流入(2月12—21日,峰值出现在2月12日)。此后人口流动高峰期分别对应清明节(4月2—4日)、劳动节(4月29日至5月1日)、端午节(5月28—30日)和国庆—中秋节(10月1—8日),可以看出,人口流动情况符合我国法定节假日安排。③节假日之外的日常时段内,各城市人口流动强度均呈现规律性分布。以人口流动特征最明显的郑州为例,周一至周四人口流入与流出基本保持平衡状态,周五或周六达到人口净流出峰值,周日达到人口净流入峰值,该出行规律主要是由于工作日跨城出行人数较少,而周五或周六适合短途旅行,是人口流动的高峰期,且需在周日返回工作地,造成郑州周日出现净流入峰值。④各区内城市人口流动规模差异明显。在郑州大都市区中,郑州的人口流动规模远大于其他4个城市,核心发展区周口、商丘的人口流动规模(11月1日分别为114 689人与96 350人)高于区内其他城市(鹤壁人口流动规模仅为40 956人),表明人口流动规模与城市规模存在一定相关性。
2.2 城市网络各时段人口流动特征
为比较不同时段内人口流动的规模以及流动方向差异,本文分别选取春运、清明节、劳动节、端午节、国庆—中秋节、日常时段(选取11月代表,11月内无节假日,也不涉及学生的开学与放假,且该月人口流动强度周期性显著)为研究时段。以春运期间人口流动规模为基准,通过自然断点法将各时段日均人口流动路线进行分级制图(图3)。
图3 各时段日均人口流动路线
Fig.3 Average daily population flow routes in different periods
由图3可知:①所有时段内第一层级路线均有郑州参与,可见郑州在中原城市群网络中占据绝对主导地位,与郑州具有高度联系的城市(洛阳、焦作、周口、开封、新乡、许昌、驻马店、南阳、平顶山、商丘、信阳)主要分布于其周边及南部,而郑州与其东部城市(菏泽、淮北、亳州、阜阳、蚌埠、宿州)和北部城市(邯郸、邢台、长治、聊城、濮阳)的联系强度较低。②清明节、劳动节和端午节期间,第一层级的人口流动强度及人口流入、流出城市基本一致;第二层级的城市间联系强度比其他3个时段更复杂,表现为就近距离城市之间的强联系。值得注意的是,这3个节假日内,邢台和邯郸之间具有唯一脱离郑州核心区且位于第一层级的人流联系,在其他时段均表现为第二层级。③各时段的人口流动网络整体呈现出以郑州为核心的发散式结构特征,意味着郑州的枢纽作用突出,其周边城市分担作用小,需进一步完善区域协调机制。④节假日比日常时段人口流动强度高的城市包括驻马店—信阳、亳州—阜阳、淮北—宿州等,上述城市空间距离较近且能直达,说明节假日人们习惯选择短途旅行。
从不同时段城市日均人口流动强度排名前10的统计结果(表1)可以得出:郑州一直作为人口流入或流出城市参与其他城市的人口流动过程,承担着城市群人口集散的重要功能,通过对中原城市群内部全年人口集散统计发现,郑州承担城市群总集散人口的25.53%;排名前10的城市主要包括与郑州毗邻的开封、新乡,核心发展区的周口、洛阳、许昌及联动辐射区的商丘、南阳、驻马店等,这些城市具有人口数量多、交通便捷的共同特点;不同时段内日均流动人口差异明显,清明节、劳动节、端午节、国庆—中秋节短期节假日内人口流动较春运与日常时段更频繁。
表1 各时段日均人口流动规模排名前10线路
Table 1 Top 10 routes of average daily population flow scale in each period
2.3 城市网络结构韧性评估
2.3.1 节点重要性分析 本文将城市间人口流动规模作为边权重,从节点的度中心性、接近中心性、介数中心性与特征向量中心性进行节点重要性分析。由表2可知,郑州在中原城市群网络的各类中心性指标中均位列首位,说明郑州在整个网络中重要性显著。加权度中心性排名前10的城市主要属于规划中的郑州大都市区(郑州、开封、新乡等)与核心发展区(周口、洛阳、商丘等),安阳、驻马店两个联动辐射区类型城市也进入前10位,这些城市作为中原城市群“北上南下”的主要中间节点,具有较强的集散功能,与其余城市联系较强,因此具有较大的加权度中心性,甚至超过部分郑州大都市区与核心发展区的城市。介数中心性体现节点的衔接与中转能力,该类排序结果中除了郑州大都市区与核心发展区城市,还包含濮阳与安阳等联动辐射区城市,在网络中担任重要的“桥梁”角色。其中排在第6位的濮阳未出现在其他排序结果的前10序列中,从空间结构上可以看出濮阳对于聊城、邯郸等边缘城市具有较强的“桥梁”作用。加权接近中心性前9位城市与度中心性的前9位城市位序一致,说明这些城市不仅自身重要性显著,且与其余城市平均距离也更小。加权特征向量中心性前10位城市与加权度中心性的前10位城市位序一致。总体而言,郑州、周口是所有中心性指标前两位的城市,两城市充分发挥“桥梁”功能,能快捷与其余城市联系。
表2 4类加权中心性指标排名前10的城市
Table 2 Top 10 cities in four types of weighted centrality indicators
2.3.2 中原城市群网络韧性评估
1)网络层级性。网络加权度与位序分布可表征网络整体的层级结构韧性,本文考虑城市间人口流量联系得到各城市节点的网络加权度,利用自然断点法对网络加权度进行分级,并绘制城市加权度—位序分布图(图4)。中原城市群网络加权度呈现“内强外弱”格局,城市间加权度差异明显(郑州与次位的周口加权度相差25.3×107),高加权度(加权度>5.13×107)城市网络核心节点总体呈由西至东的带状分布,且东部核心城市组团特征更突出(图4a)。其次,对城市加权度—位序进行线性拟合,R2为0.646 4,幂函数拟合下R2=0.897 5,说明加权度—位序更符合幂律分布(图4b),表明城市网络具有较显著的层级性,揭示了网络具备典型的鲁棒性,低层级节点发生故障对于整体网络的继续运转影响有限。
图4 城市加权度空间格局与加权度—位序
Fig.4 Spatial pattern of urban weighted degree and weighted degree-order
2)不同攻击策略下网络鲁棒性与脆弱性。为明确不同攻击策略下网络韧性表现情况,依据中心性指标对节点重要性进行排序后,通过不同指标的排序结果对网络依次进行攻击,得到不同攻击策略下网络的最大连通子图相对大小(图5a)与脆弱性指标(图5b)。本文采用连续删除节点的攻击方式,移除节点后,与之相连的线路也随之删除。由图5a可知,随机攻击下网络的最大连通子图相对大小与移除节点比例之间的关系趋于线性变化,说明中原城市群网络对于随机攻击的容错能力较强。在不同蓄意攻击策略中,指标初始变化基本一致,但当移除节点达到一定数量后,基于介数中心性攻击下的指标下降率高于另外4种攻击策略下的指标下降率。这表明当节点打击规模较小时,不同攻击策略对网络的影响不大,而当达到一定规模后,对具有“桥梁”功能的城市进行攻击,城市网络功能受损最直接,当移除50%节点时,网络最大连通子图相对大小降至原来的30%。由图5b可知,蓄意攻击下网络的脆弱性远高于随机攻击,且在蓄意攻击下,基于介数中心性的攻击策略下脆弱性指标值最大,这与图5a反映的结果一致,说明该攻击方法对网络的破坏最明显,当少数高介数节点失效后,城市网络迅速面临崩溃。结合最大子集规模与脆弱性指标,说明中原城市群网络在面临攻击时,当部分节点丧失功能后,网络中其他节点仍能保持连通,即该城市网络对节点故障具有鲁棒性,吸收事件扰动能力强。
图5 不同攻击策略下最大连通子图相对大小与移除节点比例的关系及不同指标的网络脆弱性
Fig.5 Relationship between the relative size of the maximum connected subgraph and the proportion of removed nodes,and network vulnerability under different attack strategies
3)中断场景下网络传输性。为明确单独攻击某城市后对整个网络造成的影响,以网络效率进行分析。由图6可知,移除郑州、周口等城市对网络的全局效率影响较大。对网络结构总体韧性水平具有较大影响的节点表现为“十”字形,主要廊道包括洛阳—郑州—开封—商丘与安阳—新乡—开封—周口—驻马店—信阳,与该城市群的综合交通网络走向相吻合。对网络整体韧性水平影响较小的城市主要分布于城市群边缘,值得注意的是,位于郑州大都市区的许昌与核心发展区的漯河对网络整体韧性水平的影响同样较小,说明两城市与周边重要性城市的联动发展不足,未来建设中应增强对这类城市的辐射带动能力,打造网络化、多中心城市群发展格局。
图6 不同城市失效后的网络效率空间分布
Fig.6 Spatial distribution of network efficiency after failure in different cities
2.3.3 中原城市群网络结构韧性优化策略 根据上述研究结果,以《中原城市群发展规划》中空间格局为基础,对中原城市群网络提出优化策略:①中原城市群规模庞大,层级性显著,单核效应明显,尽管《中原城市群发展规划》中将洛阳设定为副中心城市,但目前洛阳与郑州发展差异仍然显著,需要深化副中心城市的协同发展,形成联动效应、承接产业转移,打造多核发展格局;②中原城市群行政区划多样,从人口流动空间格局及网络韧性分析结果看,省级行政区划对中原城市具有明显的“行政壁垒”效果,即河南省内城市与省外城市联系不密切,需加强边缘城市综合建设,破除基础设施“孤岛”,注重与高层级节点构建良性循环的产业链,引导网络结构趋于均衡;③中断场景下网络效率结果表明,具有较高层级规划的许昌与漯河对中心城市的辅助作用未很好体现,未来应增强对这类城市的辐射带动能力,完善此类城市枢纽功能,显著提高对郑州枢纽的辅助作用,从而提升区域整体韧性水平。
3 结论与讨论
本文从“腾讯迁徙”数据平台获得2017年中原城市群人口逐日流动数据,刻画节假日与日常时段内中原城市群内部人口流动特征,同时借助复杂网络分析方法,以度中心性、介数中心性、接近中心性及特征向量中心性等不同攻击策略对网络进行攻击,并利用加权度分布、网络效率与脆弱性等指标评估城市网络韧性。主要结论如下:①节假日与日常时段内各城市人口净流入存在明显规律性,节假日期间人口流动方向呈现出对称性,且与日常时段内人口流动强度差异明显;日常时段内人口流动呈现出为期一周的规律性变化。②郑州是中原城市的绝对核心城市,承担了中原城市25.53%的人口集散任务。中原城市群各时段的人口流动网络整体呈现出以郑州为核心的发散式结构特征,郑州大都市区城市之间联系相对紧密,辐射至核心发展区。③中原城市网络具有显著层级性,郑州核心地位明显。基于介数中心性的蓄意攻击策略对网络的影响最大,少部分“桥梁”节点的扰动会对网络造成严重影响。④从中断场景下的传输性看,影响中原城市群网络结构较大的城市在空间上呈“十”字形分布,主要包括洛阳—郑州—开封—商丘与安阳—新乡—开封—周口—驻马店—信阳两线。从整体结果看,城市网络具有良好的鲁棒性,对于外界扰动适应能力较强,但中原城市群规划中具有重要属性的许昌、洛阳,其联系作用尚未完全体现,城市间一体化协调发展体制机制有待进一步完善。
本文虽然利用人口流动与网络分析方法对中原城市群网络结构韧性进行了测度,但仅对中原城市群相对孤立的网络进行分析,未考虑城市网络外部因素的影响,导致部分影响韧性的条件被忽视,未来将纳入与该城市网络相关联的邻近区域,提升网络韧性评估的全面性;同时,研究数据存在一定局限性,无法全面揭示城市群网络结构特征,需要进一步综合考虑经济、信息等多层次联系数据,实现对城市网络韧性的整体评估。
参考文献:
[1] 侯松,甄延临,曹秀婷,等.高质量发展背景下城市群治理评价体系构建及应用:以长三角城市群为例[J].经济地理,2022,42(2):35-44.
[2] 方创琳,张国友,薛德升.中国城市群高质量发展与科技协同创新共同体建设[J].地理学报,2021,76(12):2898-2908.
[3] 陈双,周锐,高峻.基于腾讯迁徙大数据的长三角城市群春运人口流动时空特征[J].人文地理,2020,35(4):130-138.
[4] 朱鹏程,曹卫东,张宇,等.人口流动视角下长三角城市空间网络测度及其腹地划分[J].经济地理,2019,39(11):41-48.
[5] LAI J B,PAN J H.China′s city network structural characteristics based on population flow during spring festival travel rush:empirical analysis of "Tencent migration" big data[J].Journal of Urban Planning and Development,2020,146(2):04020018.
[6] 张蓉,潘竟虎,赖建波.不同交通方式下居民城际出行网络结构特征:以:“春运”为例[J].地理科学进展,2021,40(5):759-773.
[7] PAN J H,LAI J B.Spatial pattern of population mobility among cities in China:case study of the National Day plus Mid-Autumn Festival based on Tencent migration data[J].Cities,2019,94:55-69.
[8] 唐锦玥,张维阳,王逸飞.长三角城际日常人口移动网络的格局与影响机制[J].地理研究,2020,39(5):1166-1181.
[9] 杨秀平,王里克,李亚兵,等.韧性城市研究综述与展望[J].地理与地理信息科学,2021,37(6):78-84.
[10] MEEROW S,NEWELL J P,STULTS M.Defining urban resilience:a review[J].Landscape and Urban Planning,2016,147:38-49.
[11] 彭翀,陈思宇,王宝强.中断模拟下城市群网络结构韧性研究:以长江中游城市群客运网络为例[J].经济地理,2019,39(8):68-76.
[12] 雷菁,钟业喜,冯兴华,等.基于交通信息流的长江经济带城市中心性及其影响因素[J].经济地理,2021,41(8):97-105.
[13] 李艳,孙阳,陈雯.反身性视角下信息流空间建构与网络韧性分析:以长三角百度用户热点搜索为例[J].中国科学院大学学报,2021,38(1):62-72.
[14] 郭建科,王琰,王英,等.基于“高铁+”网络的东北地区城市联系网络结构研究[J].地理与地理信息科学,2021,37(4):51-56.
[15] LIU X J,DERUDDER B,WU K.Measuring polycentric urban development in China:an intercity transportation network perspective[J].Regional Studies,2016,50(8):1302-1315.
[16] 郭卫东,钟业喜,冯兴华.基于脆弱性视角的中国高铁城市网络韧性研究[J].地理研究,2022,41(5):1371-1387.
[17] 庄德林,梁晶,许基兰,等.基于生产性服务业的中国省会城市网络结构研究[J].地理与地理信息科学,2020,36(1):113-120.
[18] 苗洪亮,周慧.中国三大城市群内部经济联系和等级结构的比较:基于综合引力模型的分析[J].经济地理,2017,37(6):52-59.
[19] 李仙德.基于上市公司网络的长三角城市网络空间结构研究[J].地理科学进展,2014,33(12):1587-1600.
[20] 冷炳荣,杨永春,李英杰,等.中国城市经济网络结构空间特征及其复杂性分析[J].地理学报,2011,66(2):199-211.
[21] WEI S M,PAN J H.Resilience of urban network structure in China:the perspective of disruption[J].ISPRS International Journal of Geo-Information,2021,10(12):796.
[22] 彭翀,林樱子,顾朝林.长江中游城市网络结构韧性评估及其优化策略[J].地理研究,2018,37(6):1193-1207.
[23] 吴康,方创琳,赵渺希.中国城市网络的空间组织及其复杂性结构特征[J].地理研究,2015,34(4):711-728.
[24] FRANSEN J,PERALTA D O,VANELLI F,et al.The emergence of urban community resilience initiativesduring the COVID-19 pandemic:an international exploratory study[J].The European Journal of Development Research,2022,34(1):432-454.
[25] 吴春飞,闫岩,张佶.长江中游城市群城市竞争力演化特征研究:基于企业网络和面板数据的实证分析[J].城市规划学刊,2017(S2):130-135.
[26] 刘帅宾,杨山,王钊.基于人口流的中国省域城镇化空间关联特征及形成机制[J].地理学报,2019,74(4):648-663.
[27] 陈万隆,冯友建.基于铁路客运视角的长三角区域网络结构研究[J].浙江大学学报(理学版),2021,48(5):606-616.
[28] 郑航.基于流空间视角的中原城市群城市网络格局及优化研究[D].长春:东北师范大学,2020.
[29] 王贤文,王虹茵,李清纯.基于地理位置大数据的京津冀城市群短期人口流动研究[J].大连理工大学学报(社会科学版),2017,38(2):105-113.
[30] 魏石梅,潘竟虎.中国地级及以上城市网络结构韧性测度[J].地理学报,2021,76(6):1394-1407.
Spatial Pattern of Population Flow and the Resilience of Network Structure of Central Plains Urban Agglomeration
LAI Jianbo,ZHU Jun,GUO Yukun,YOU Jigang,XIE Yakun,FU Lin,WANG Ping
(Faculty of Geosciences and Environmental Engineering,Southwest Jiaotong University,Chengdu 611756,China)
Abstract：This study took Central Plains Urban Agglomeration as the research objects,built the urban network population flow matrix based on the Tencent migration big data in 2017,and then analyzed the scale and characteristics of population flow within the urban agglomeration.Moreover,the resilience of the urban network was evaluated from the perspectives of hierarchy,transmission and vulnerability.The last two properties are in interrupting simulation scenarios.The results are as follows.① In different periods,the population flow of each city has the characteristics of regular periodic changes.And the population flows of Zhengzhou and most cities show symmetry during holidays.② The high-level population flow in different periods presents a divergent network structure with Zhengzhou as the core.③ The urban network of Central Plains Urban Agglomeration has obvious hierarchy,and the overall performance is a single-core network.The betweenness attack strategy is the most destructive to the network,indicating that nodes with high betweenness play a more central role in the network.④ The failure or interruption of core cities such as Zhengzhou,Luoyang,and Zhoukou has a greater impact on the overall network efficiency,and the urban resilience level within Central Plains Urban Agglomeration has a "cross" spatial characteristic.In general,the urban network of Central Plains Urban Agglomeration has a good level of resilience,but the radiation effect of core cities on peripheral cities needs to be improved.Therefore,it is necessary to improve the collaborative development mechanism of cities of different levels,scales,and functions in the future to realize the overall improvement of the resilience level of the urban network.
Key words：population flow;spatial pattern;Tencent migration big data;urban network resilience;Central Plains Urban Agglomeration
doi：10.3969/j.issn.1672-0504.2023.02.008
中图分类号：C924.2
来源： 地理与地理信息科学
转自：“经管学术联盟”微信公众号
如有侵权，请联系本站删除！
