基于大数据与网络分析的长三角城市群识别研究*
Study on the Identification of Urban Agglomerations in the Yangtze River Delta Based on Big Data and Network Analysis
甄茂成
清华大学建筑学院 博士后
阚长城
百度时代网络技术（北京）有限公司 硕士，资深研发工程师 百度慧眼技术架构师
党安荣（通信作者）
清华大学建筑学院 教授，博士生导师 清华大学人居环境信息实验室 主任
摘要: 通过百度迁徙大数据，运用城市空间联系强度分析方法和复杂网络分析方法，构建了长三角城市群中的城际出行网络模型，测度并分析其空间结构。结果显示：（1）城际出行网络形成“东强西弱、南北均衡”的格局态势，并形成以合肥、南京、上海、杭州、宁波为主的多中心辐射格局特征。（2）长三角城市群的人口城际出行网络分布上呈现“一大三小”的多中心网络空间格局，上海、南京、杭州和合肥4个节点城市在整个网络中处于绝对主导地位。（3）长三角各个城市在中心性、结构洞水平、核心—边缘结构等指标方面表现出较大的差异性。整体来看，上海、南京、杭州的网络地位较高，铜陵、宣城、池州、滁州、金华、台州、舟山等的网络地位较低。（4）基于城际人口出行数据的长三角城市群空间结构，可以分为以上海、南京、杭州和合肥为中心的4个城市体系。
Abstract: Based on the Baidu migration big data, by using the urban spatial connection analysis method and the complexity network analysis tools, this paper constructs the model of population flow network in urban agglomerations, and measures and analyzes the characteristics of the complex structure of the network. The research result shows that: (1) The population mobility network formed a migration pattern “strong in the east and weak in the west, balanced in the south and north” which is characterized by multi-center radiation pattern dominated by Hefei, Nanjing, Shanghai, Hangzhou and Ningbo. (2) The whole network presents an obvious multi-core network pattern which contains “one hubs and three subcenters”. The four node cities of Shanghai, Nanjing, Hangzhou and Hefei are absolutely dominant in the whole network. (3) Each city shows great differences in indicators such as centrality, structural hole level, and core-edge structure. On the whole, Shanghai, Nanjing and Hangzhou have higher network status, while Tongling, Xuancheng, Chizhou, Chuzhou, Jinhua, Taizhou and Zhoushan have lower network status. (4) Based on the intercity population migration data, the spatial structure of the Yangtze River Delta Urban Agglomerations can be divided into four urban systems with Shanghai, Nanjing, Hangzhou and Hefei as the centers.
关键词：长三角；大数据；城市群；百度迁徙；城际出行
Keyword: Yangtze River Delta; big data; urban agglomeration; Baidu migration; intercity travel
中图分类号：TU981
文献标识码: A
资金资助
政府间国际科技创新合作重点专项 “数字城市规划新技术研发” 2017YFE0118600
顾朝林. 城市群研究进展与展望[J]. 地理研究， 2011，30（5）：771-784.
GU Chaolin. Study on urban agglomeration: progress and prospects[J]. Geographical Research, 2011, 30 (5): 771-784.
苗长虹，胡志强. 城市群空间性质的透视与中原城市群的构建[J]. 地理科学进展，2015（3）：271-279.
MIAO Changhong, HU Zhiqiang. The nature of urban agglomeration space and the construction of Zhongyuan urban agglomeration[J]. Progress in Geography, 2015（3）：271-279.
陈群元，宋玉祥. 城市群空间范围的综合界定方法研究——以长株潭城市群为例[J]. 地理科学，2010， 30（5）：660-666.
CHEN Qunyuan, SONG Yuxiang. Methods of dividing the boundary of urban agglomerations: Chang-zhu-tan urban agglomeration as a case[J]. Scientia Geographica Sinica, 2010, 30(5): 660-666.
周一星，史育龙. 建立中国城市的实体地域概念[J]. 地理学报，1995，50（4)：289-301.
ZHOU Yixing, SHI Yulong. Toward establishing the concept of physical urban area in China[J]. Acta Geographica Sinica, 1995, 50 (4): 289-301.
方创琳. 城市群空间范围识别标准的研究进展与基本判断[J]. 城市规划学刊，2009，182（4）: 1-6.
FANG Chuanglin. Research progress and general definition about identification standards of urban agglomeration[J]. Urban Planning Forum, 2009, 182 (4): 1-6.
高晓路，许泽宁，牛方曲. 基于“点—轴系统”理论的城市群边界识别[J]. 地理科学进展，2015，34（3）：280-289.
GAO Xiaolu, XU Zening, NIU Fangqu. Delineating the scope of urban agglomerations based upon the Pole-Axis theory[J]. Progress in Geography, 2015, 34 (3): 280-289.
邓羽，刘盛和，蔡建明，等. 中国中部地区城市影响范围划分方法的比较[J]. 地理研究，2013，32（7）：1220-1230.
DENG Yu, LIU Shenghe, CAI Jianming, et al. Comparative study of identification methods to delineate urban spheres of influence in Central China[J]. Geographical Research, 2013, 32 (7): 1220-1230.
顾朝林，庞海峰. 基于重力模型的中国城市体系空间联系与层域划分[J]. 地理研究，2008，27（1）：1-12.
GU Chaolin, PANG Haifeng. Study on spatial relations of Chinese urban system: gravity model approach[J]. Geographical Research, 2008, 27 (1): 1-12.
潘竟虎，戴维丽. 基于空间场—水文模型的城市影响腹地界定及其空间演变分析：以河南省地级城市为例[J]. 地球信息科学学报，2014，16（5）：754-761.
PAN Jinghu, DAI Weili. Delimitation and evolvement of urban hinterland area in Henan Province based on spatial field and hydrologic model[J]. Journal of Geo-Information Science, 2014, 16 (5): 754-761.
黄建毅，张平宇. 辽中城市群范围界定与规模结构分形研究[J]. 地理科学，2009，29（2）：181-187.
HUANG Jianyi, ZHANG Pingyu. Delimitation and fractal research on structure of entral Liaoning urban agglomeration[J]. Scientia Geographica Sinica, 2009, 29 (2): 181-187.
王丽，邓羽，牛文元. 城市群的界定与识别研究[J]. 地理学报，2013，68（8)：1059-1070.
WANG Li, DENG Yu, NIU Wenyuan. The definition and identification of urban agglomerations[J]. Acta Geographica Sinica, 2013, 68 (8): 1059-1070.
许泽宁，高晓路. 基于电子地图兴趣点的城市建成区边界识别方法[J]. 地理学报，2016，71（6）：928-939.
XU Zening, GAO Xiaolu. A novel method for identifying the boundary of urban built-up areas with POI data[J]. Acta Geographica Sinica, 2016, 71(6)：928-939.
侯贺平，刘艳芳，李纪伟，等. 基于改进辐射模型的乡镇人口流动网络研究[J]. 中国人口、资源与环境，2013，23（8）：107-114．
HOU Heping, LIU Yanfang, LI Jiwei, et al. Study on population mobility network among towns based on improved radiation model[J]. China Population, Resources and Environment, 2013, 23 (8): 107-114．
王珏，陈雯，袁丰. 基于社会网络分析的长三角地区人口迁移及演化[J]. 地理研究，2014，33（2）：385-400.
WANG Jue, CHEN Wen, YUAN Feng. Human mobility and evolution based on social network: an empirical analysis of Yangtze River Delta[J]. Geographical Research, 2014, 33(2): 385-400.
甄峰，王波，陈映雪. 基于网络社会空间的中国城市网络特征——以新浪微博为例[J]. 地理学报，2012，67（8）：1031-1043．
ZHEN Feng, WANG Bo, CHEN Yingxue. China's city network characteristics based on social network space: an empirical analysis of sina micro-blog[J]. Acta Geographica Sinica, 2012, 67 (8): 1031-1043．
龙瀛，张宇，崔承印. 利用公交刷卡数据分析北京职住关系和通勤出行[J]. 地理学报，2012，67（10）： 1339-1352.
LONG Ying, ZHANG Yu, CUI Chengyin. Identifying commuting pattern of Beijing using bus smart card data[J]. Acta Geographica Sinica, 2012, 67 (10): 1339-1352.
刘耀林，陈龙，安子豪，等. 基于公交刷卡数据的武汉市职住通勤特征研究[J]. 经济地理，2019，39（2）：93-102.
LIU Yaolin, CHEN Long, AN Zihao, et al. Research on job-housing and commuting in Wuhan based on bus smart card data[J]. Economic Geography, 2019, 39 (2): 93-102.
丁亮，钮心毅，宋小冬. 上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 地理学报， 2016，71（3）：484-499.
DING Liang, NIU Xinyi, SONG Xiaodong. Measuring the employment center system in Shanghai central city: a study using mobile phone signaling data[J]. Acta Geographica Sinica, 2016, 71 (3): 484-499.
钟炜菁，王德，谢栋灿，等. 上海市人口分布与空间活动的动态特征研究——基于手机信令数据的探索[J]. 地理研究，2017，36（5）：972-984.
ZHONG Weijing, WANG De, XIE Dongcan, et al. Dynamic characteristics of Shanghai's population distribution using cell phone signaling data[J]. Geographical Research, 2017, 36(5): 972-984.
童晓君. 基于出租车GPS数据的居民出行行为分析[D]. 长沙：中南大学，2012.
TONG Xiaojun. Analysis of residents, behabior based on the taxi GPS data[D]. Changsha: Central South University, 2012.
徐敏，黄震方，曹芳东，等. 基于大数据分析的城市旅游地网络结构特征及其演化模式——以新浪微博签到数据为例[J]. 地理研究，2019，38（4）：937-949.
XU Min, HUANG Zhenfang, CAO Fangdong, et al. The network structure of urban tourist destination and its evolution mode based on big data analysis: taking the data of Sina weibo sign-in as an example[J]. Geographical Research, 2019, 38 (4): 937-949.
冯章献，张瑜，魏冶，等. 基于百度迁徙数据的长春市春运人口流动时空格局与动力机制[J]. 经济地理，2019，39（5）：101-109.
FENG Zhangxian, ZHANG Yu, WEI Ye, et al. Spatial-temporal pattern and dynamic mechanism of population flow of Changchun City during Chunyun period based on Baidu migration data[J]. Economic Geography, 2019, 39 (5): 101-109.
刘望保，石恩名. 基于ICT的中国城市间人口日常流动空间格局——以百度迁徙为例[J]. 地理学报，2016，71（10）：1667-1679.
LIU Wangbao, SHI Enming. Spatial pattern of population daily flow among cities based on ICT: a case study of "Baidu Migration"[J]. Acta Geographica Sinica, 2016, 71(10): 1667-1679.
韦统. 基于多源数据的北部湾城市群识别与界定研究[D]. 南宁：广西师范学院， 2015.
WEI Tong. Research on identification and definition of Beibu Gulf urban agglomeration based on multi- sourced data. [D]. Nanning: Guangxi Normal University, 2015.
蒋小荣，汪胜兰，杨永春. 中国城市人口流动网络研究——基于百度LBS大数据分析[J]. 人口与发展，2017，23（1）：13-23.
JIANG Xiaorong, WANG Shenglan, YANG Yongchun. Research on China's urban population mobility network based on Baidu LBS big data[J]. Population & Development, 2017, 23 (1): 13-23.
