"人口流动"视域下中国城市中心性和社群格局分析

1. 引言

城际人口流动的相互作用促进空间上彼此孤立的城市连接为具有一定结构和功能的城市区域，使城市逐渐融合形成城市群。城市群一体化是区域协调发展的重要表现形式，一方面，区域协调发展促进城际人口流动强度，另一方面，不同城市之间的人口流动强度在一定程度上反映了城市间联系的紧密程度。

城际人口流动网络中各城市的中心性各不相同，城市间人口流动互动集聚模式是一个动态变化的过程，不同时期人口流动规模和范围不同。因此，从人口流动视角揭示城市空间相互作用网络的变化过程，对合理规划交通设施，优化城市群结构具有重要的理论和现实意义。

现有关于城际人口流动网络格局的研究主要表现在：在研究理论上由"场所空间"向"流动空间"转变；在研究范围上，相关研究覆盖了城市群范围、流域范围、全国范围以及全球范围；在中心性评价指标上，先前的研究主要从形态学或功能角度量化中心性。

然而，现有研究仍存在以下缺陷：①对城市中心性评价指标的选取，度中心性等评价指标受单条城市间人口流动数据影响较大，忽略了流向因素；②针对不同月份城际人口流动网络格局的对比研究较少。

鉴于此，本文在全国范围内利用百度迁徙"流"大数据构建城际人口流动复杂网络，提出城际人口流动超越指数(Surpass Index, S-index)并用其评价各城市在全国城际人口流动网络中的中心性，采用社区检测算法，识别了2021年10月至2022年9月中国366个城市间人口流动的空间动态集聚格局，以期推动不同地市间合作交流、为优化城市群空间结构及促进城市间高质量发展提供参考。

2. 数据来源与研究方法

2.1 数据来源

百度慧眼平台所提供的百度迁徙数据(来源：https://qianxi.baidu.com/)，主要字段包括迁入迁出强度，迁入迁出城市，以及相对应迁入迁出比例，时间颗粒度为一天，反映了每天的城际人口流动状态，该数据集已被多次应用于城际人口流动的研究中，共包含全国366个城市，数据未含香港、台湾和澳门。

因此，本文爬取了全国366个城市间的每日城际人口流动数据(时间范围：2021年10月1日—2022年9月30日)，并以城市为节点，城市与城市之间的连线为边，城际人口流动方向为边的方向，城市间每月人口流动总和为边的权重，构建共计12个月的有向全国城际人口流动复杂网络，揭示中国城市中心性和社群格局。

2.2 研究方法

本文从网络节点和社区2个层面对中国城际人口流动网络进行研究。节点层面，探究城际人口流动超越指数在评价城市中心性方面的有效性，然后识别城市中心性空间聚类特征；社区层面，通过社区发现方法，探究城市社群时空变化格局。

图1 中国城市中心性和社群格局研究框架

2.2.1 点度中心度

点度中心度即城市与相邻城市间城际人口流动流入量与流出量的总和，计算公式如下：

C(i) = ∑_j (R_ji + R_ij)

式中：C(i)表示城市i的城际人口流动网络中的点度中心度；R_ij表示城市i到城市j的单向城际人口流动流量；R_ji表示城市j到城市i的单向城际人口流动流量。

2.2.2 城际人口流动超越指数

本文采用了期刊超越指数的思想，将其应用于城际人口流动网络的研究，构建城际人口流动超越指数(Surpass Index, S-index)，具体算法如下：

S_A = (1/N_A) ∑_t S_t^A

式中：S_A表示城市A的城际人口流动超越指数；N_A表示城市A所有人口流动流向的数量；S_t^A表示城市A在城市t上的城际人口流动超越概率。

2.2.3 城市中心性空间聚类

为了解释城市中心性在"邻域空间"的自相关性，采用空间自相关分析方法对城市中心性空间聚类特征进行分析，包括全局空间自相关和局部空间自相关。

全局Moran's I统计量计算公式：

I = [n∑∑W_ij(x_i-x̄)(x_j-x̄)] / [∑∑W_ij∑(x_i-x̄)²]

2.2.4 社区发现方法

本文采用复杂网络分析中Louvain社区发现算法对城际人口流动网络中的社区进行识别，模块度Q计算公式：

Q = (1/2m)∑_i,j[A_ij - (k_ik_j/2m)]δ(C_i,C_j)

式中：A_ij表示城市i和城市j之间边的权重；k_i和k_j分别表示与城市i和城市j相连的边权重和；δ(C_i,C_j)表示城市i和城市j是否处于同一个社区；m表示网络中可能存在的最大连接数。

3. 城市中心性评价

为了定量评价各个城市在城际人口流动网络的中心性，本节计算了全国城际人口流动网络中各个城市的城际人口流动超越指数和点度中心度，对城际人口流动网络节点城市中心性进行分区评价，并探究了城际人口流动超越指数表征城市中心性的有效性，最后采用空间自相关方法中分析城际人口流动超越指数所表征的城市中心性的空间聚类特征。

3.1 城市中心性评价指标对比

点度中心度作为表征城市中心性的评价指标之一，本文计算了各城市的点度中心度和城际人口流动超越指数以表征在城际人口流动网络中各城市中心性方面的排序格局。结果表明，按点度中心度降序排列后对应城市的城际人口超越指数出现上下波动。因此，城际人口流动超越指数表征城市中心性排序方法与点度中心度表征城市中心性方法具有不一致性。

图2 城际人口流动超越指数与点度中心度排名前十城市平行坐标系

城际人口流动超越指数排名前十的城市分别为北京、上海、重庆、深圳、成都、广州、杭州、武汉、郑州和西安，包含了8个国家规划方案中的中心城市。点度中心度排名前十的城市分别为广州、深圳、成都、东莞、佛山、北京、杭州、西安、上海和长沙，包含了5个在规划中的国家中心城市。

研究发现

北京市和上海市的城际人口流动超越指数非常高，分别为92.13%和91.67%，这表明在城际人口流动网络中，北京市和上海市具有极其重要的地位。东莞市和佛山市等城际人口流动超越指数却不高，仅为81.10%和78.40%。

3.2 城市中心性分区有效性分析

为进一步验证本文指数的有效性，本文应用城际人口流动超越指数构建城际人口流动超越指数分区表，将城际人口流动网络节点城市按城际人口流动超越指数排名进行分区，反映城际人口流动网络中各城市的中心性分区格局。

表1 2021年10月—2022年9月中国城市中心性分区表

城市中心性分区	城市名称
城际人口流动一区（前5%）	北京、上海、重庆、广州、杭州、深圳、成都、武汉、郑州、西安、长沙、苏州、南京、天津、宁波、合肥、青岛、济南
城际人口流动二区（5%~25%）	石家庄、东莞、昆明、无锡、温州、南阳、福州、金华、佛山、南昌、保定等74个城市
城际人口流动三区（25%~50%）	达州、镇江、赣州、渭南、淄博、泰州、安庆、德州、常德、衡阳、亳州等91个城市
城际人口流动四区（50%~100%）	马鞍山、永州、自贡、忻州、淮南、庆阳、西双版纳、大理、清远、宣城等183个城市

一区的城市多为东部发达城市，例如北京、上海、广州、深圳等一线大城市。不仅与其联系的城市数量多，而且所发挥的桥接作用最明显，对其他城市"节点对"的监督和控制能力最强，在城际人口流动网络中的位置和地位最为重要，多围绕京津冀、珠三角、成渝以及长江中游等城市群分布。

指标验证

采用Kendall Tau系数(τ)来衡量按城际人口流动超越指数、点度中心度和X-index排序与2022年城市层级榜单之间的顺序关联。结果表明，城际人口流动超越指数排序的列表与2022年城市层级榜单之间的τ为0.72(P<0.001)，而X-index的Kendall Tau系数仅为0.44(P<0.001)。

3.3 城市中心性空间聚类特征

为了深入探究城际人口流动网络中城市中心性的空间聚类特征，本文利用Moran's I指数对城际人口流动超越指数表征的城市中心性进行了全局空间自相关分析。结果表明，在全国范围内，城际人口流动超越指数的莫兰指数为0.369，z得分为25.31，并通过了1%水平下的显著性检验。这说明城际人口流动超越指数存在明显的空间正相关性。

图3 2021年10月—2022年9月中国城市中心性空间聚类特征

城际人口流动超越指数在东部沿海以及中部部分地区形成高高(HH)集聚区；低低(LL)集聚区域主要位于中国西部的青藏高原边缘，东北三省边缘，以及海南岛部分地区。同一城市群内的城际城市中心性也表现出了集聚特征。

4. 城市社群时空变化格局

为了刻画网络内部受节假日、新型冠状病毒感染等影响下的集聚模式与功能结构的动态变化特征，本节采用Louvain社区发现算法对月际城际人口流动网络中的城市社区进行分类识别，并结合变化检测方法对城市凝聚子群进行稳定性分类及可视化展示，探究现有城市群规划的合理性，为国家未来城市群提供合理建议。

4.1 城市集聚格局月际演变

通过社区发现算法得到了每个月的城市社区。2021年10月—2022年9月中国人口流动网络的模块度均在0.7以上，表明其网络内部始终存在明显的子群结构，即在同一凝聚子群内，人口流动相对频繁，城市之间联系密切。受节假日、新型冠状病毒感染等影响，城际人口流动格局在不同月份表现出不同的特征。

图4 2021年10月—2022年9月中国月际人口流动空间网络集聚格局

总体上，凝聚子群格局符合地理学第一定律并具有省际分异特征。因此其集聚特征受到城市节点空间位置的显著影响，导致其子群划分结果具有一定的地理特征。城市之间的联系和人口流动更容易发生在临近的地区。

4.2 城际人口流动社群格局

本节研究城际人口流动社群格局，探究中国中原、大湾区、成渝、京津冀、山东半岛、关中平原、长三角、长江中游和海峡西岸现有主要的9个城市群规划方案的合理性。

图5 2021年10月—2022年9月中国城际人口流动空间网络集聚格局

研究发现

部分城市位于省界边缘，未能形成稳定的城际人口流动集群特征。锡林郭勒盟、昭通市、恩施土家族苗族自治州、亳州市和阜阳市由于处于边缘位置，常常受到周边省份的影响，导致城际人口流动集群特征缺乏稳定性和连续性，难以形成区域经济合作的持续优势。

5. 讨论

本研究主要以城际人口流动角度探究了城市中心性和人流集聚格局，有助于丰富城市网络结构特征的认识，具有一定的理论意义。同时，研究结论为形成以城市群、都市圈为依托构建大中小城市协调发展格局具有一定的实际意义。

在城市中心性评价方面，虽然中国在2021年10月1日—2022年9月30日仍然有部分地区爆发新冠肺炎感染，但本研究与Wang等在2019年城际人口流动网络中的中心性研究结果相似，在规划中的国家中心城市均表现出明显的桥接作用，对其他城市"节点对"的监督和控制能力最强，中心性较高的城市多集中于中国东部沿海。不同的是，本研究中杭州市在2022年的城市中心性显著提高。

从不同的视角探究区域融合发展格局，特点各有不同。与前人相关研究对比来看，本研究的"人口流动"视角，与公路客运流动网络的社区划分结果类似，湖北省、福建省、湖南省、浙江省等省份形成相对独立的凝聚子群，说明城际人口流动网络不同于科技创新网络和专利联系网络，与城市间交通设施建设状况密切相关。

本研究发现的结论可以为形成国内国际双循环相互促进的新发展格局提供政策参考价值。从城际人口流动视角下，立足国内，未来对位于省界边缘的城市，加强交通基础设施建设，给予政策支持，促进与周边城市形成稳定的区域融合发展模式。

6. 结论

本研究基于2021年10月—2022年9月的百度迁徙数据，提出构建城际人口流动超越指数评价城市在全国城际人口流动网络中的中心性；进一步分析了城市中心性空间聚类特征；最后，探究了中国366个城市的月际城际人口流动特征及社群格局。主要研究结论如下：

城际人口流动超越指数的有效性
城际人口流动超越指数能够有效反映城际人口流动网络中各节点城市的中心性。相较于传统的点度中心度，该指数考虑了人口流向因素，更能够反映各城市在城际人口流动网络中的实际中心性。不同于X-index与I-index以地理位置作为流向的评价角度，城际人口流动超越指数以网络中的节点联通判断其影响范围内的中心性。
空间集聚特征
中国各城市的中心性在空间上呈现出显著的正相关性与集聚特征，高高集聚区域主要分布在东部沿海以及中部地区，低低集聚区域主要位于中国西部的青藏高原边缘，东北三省边缘，以及海南岛地区。
社群格局动态特征
城际人口流动社群格局受节假日因素、新冠肺炎疫情等综合影响，在不同月份表现出不同的特征，并呈现省际分异特征。研究发现，位于多个省界边缘的城市，如昭通市等，常常受到周边省份的影响，社群格局缺乏稳定性。
区域融合发展差异
中国西部和东北地区呈现出省份之间的融合发展趋势，而中国东部地区则主要以省界为城市间融合发展的界限。成渝、大湾区、中原、关中平原、长三角城市群区域融合发展较为稳定，具有跨省融合特征；浙江省省域融合逐渐加强；山东半岛城市群融入京津冀城市群，出现城市群融合发展格局。

研究亮点

创新性提出城际人口流动超越指数(S-index)，克服了传统中心性指标忽略流向因素的局限
首次系统揭示了中国366个城市月际人口流动网络格局的动态变化特征
发现城市群融合发展存在明显的区域异质性，为优化城市群空间结构提供科学依据
基于百度迁徙大数据，构建了全国尺度的动态人口流动复杂网络模型

政策启示

区域协调发展

加强省际边缘城市的基础设施建设，促进跨行政区划的城市协同发展

城市群规划

优化城市群空间结构，强化核心城市的辐射带动作用

交通网络优化

依据人口流动特征完善综合交通网络布局，提升区域连通性

应急管理

建立基于人口流动网络的重大公共卫生事件应急响应机制

* 以上内容由AI自动生成，内容仅供参考。对于因使用本网站以上内容产生的相关后果，本网站不承担任何商业和法律责任。