作为互联网和大数据时代的产物,迁徙数据对于揭示城市群的复杂动态网络模式以及使用“流空间”模型研究城市之间的关系具有重要意义。来自信息工程大学的杨振凯博士及其团队,基于迁徙数据构建了中原城市群内30×30的关系数据矩阵,并通过社会网络分析和动态网络可视化技术从静态和动态视角描绘了中原城市群网络模式 (Network Patterns of Zhongyuan Urban Agglomeration),将研究成果发表在了ISPRS International Journal of Geo-Information (IJGI) 期刊上。研究从静态整体特征和动态变化的角度对城市之间的互动和联系进行阐述,以期为中原城市群的均衡城市发展和合理资源配置提供辅助决策。
图为研究流程。
为了分析连接的强度,根据原始数据计算城市之间的迁徙规模,得到一个30×30的迁徙规模矩阵。以移入矩阵 I 为例,矩阵元素 aij 的值可以通过如下公式计算:
其中,aij 表示城市 j 到城市 i 的迁徙规模,Si 代表城市i的总迁徙规模,rij 是城市 j 所占的比例。类似地,可以计算出移出矩阵 O 及其元素bij。城市 i 和 j 之间的移入和移出关系意味着 I 中的 aij 和 O 中的 bji 在理论上具有相同的意义和相等的值。因此,aij 通过和 bji 的平均值构建平均矩阵 M,并将 M 作为城市群网络模式研究的关系矩阵。由于 M 不是对称矩阵,一般在计算两个城市之间的总体迁徙规模时构建对称矩阵 M'。平均迁徙矩阵 M' 定义如下:
基于社会网络分析的静态迁徙网络研究表明:
(1) 所有网络连接根据城市节点间的平均迁徙规模可分为5个级别,即中央级、骨干级、主干级、区域级和边缘级。中央级和骨干级的网络连接占总迁徙量的38%以上,以郑州为中心呈放射状分布至周边城市。
(2) 在节点权重方面,郑州凭借其国家交通枢纽地位,绝对领先于中原城市群的其他城市,与大多数周边城市保持最大的迁徙连接。此外,河南省各城市的内部迁徙比例均超过50%。
(3) 网络中心性分析表明,郑州、洛阳和周口与城市群内其他城市的迁徙强度最高。郑州、商丘、周口、三门峡和邯郸是城市群内的重要中间节点,而郑州、商丘和周口的迁徙活动受其他城市限制最少。
(4) 凝聚子群分析显示,以邢台为代表的11个城市未能形成子群连接,其他19个城市根据子群相似性分为南部和北中部两个集群。南部集群包括郑州等10个城市,北中部集群包括洛阳等9个城市。
图为中原城市群迁徙网络分级。
从周期性角度研究一周内迁徙网络的动态特征表明:
(1) 单个城市的迁徙规模在周末达到峰值,并在周二到周四之间下降,存在明显的每周通勤现象。在移入方面,宿州、开封、焦作和蚌埠是周末每周通勤的目的地,而郑州是周初每周通勤的目的地。在移出方面,郑州、三门峡和亳州是周末每周通勤的起点,而周口和邯郸是周初的起点。
(2) 两个城市间的迁徙变化可分为四种类型:周一达到峰值 (以开封-郑州为代表)、周末达到峰值 (以郑州-开封为代表)、双峰型 (以许昌-平顶山为代表) 和稳定型 (以菏泽-商丘为代表)。这些迁徙规模变化类型也可以反映两个城市的城市一体化发展水平和城市功能。
图为基于分级time cell的城市迁徙规模变化。
本文基于迁徙数据创新性地提出了基于周期性视角的动态网络特征分析方法,并结合社会网络分析等方法从“动-静”两个层面研究城市群网络结构。研究结果表明,中原城市群的网络结构呈现出以郑州为中心的环状结构,环绕郑州的城市带作为连接,次中心城市作为支撑,外围城市作为延伸。郑州是整个网络的核心城市,与其相关的中央和骨干网络占总迁徙量的近40%。商丘、洛阳、周口和邯郸作为次中心城市在迁徙网络结构中也起着重要作用。对于单个城市,迁徙规模通常在周末达到峰值,并在周二至周四期间达到最低点。就城市之间的关系而言,迁徙变化可以分为四种类型:周一达到峰值、周末达到峰值、双峰型和稳定型,且存在明显的每周通勤现象。总体而言,河南省外城市与城市群内其他城市之间的联系相对较弱,行政区划对城市间迁徙的限制依然存在。研究结果表明,应利用中原城市群的区位优势进行多层次发展和建设,强化核心城市的地位和辐射范围,改善外围城市与其他城市之间的联系,促进整个城市群的融合和高效发展。
原文出自 ISPRS IJGI 期刊
Yang, Z.; Hua, Y.; Cao, Y.; Zhao, X.; Chen, M. Network Patterns of Zhongyuan Urban Agglomeration in China Based on Baidu Migration Data. ISPRS Int. J. Geo-Inf. 2022, 11, 62.
DOI: 10.3390/ijgi11010062
期刊主题涵盖地理信息科学和技术各个方面,主要包括空间数据模型与管理、空间分析与决策、地理空间人工智能、地图制图、空间数据基础设施、地理空间网络、志愿地理信息、基于位置的服务、轨迹分析、智慧城市和前沿地理空间应用等。
2023 Impact Factor: 2.8
2023 CiteScore: 6.9