规划问道区域信息流是刻画区域城市网络特征的重要表征，随着大数据技术的不断进步，研究区域城市网络特征也出现了新数据类型和新维度。本文通过百度指数，获取京津冀、长三角、粤港澳、成渝4 个城市群搜索指数数据，模拟城市间民众关注度信息流。从中心度、联系度等维度，分析4 个城市群城市网络联系特征。结合城市群之间的横向对比，探索各个城市群城市网络特征的差异性，指出城市群内部网络结构存在的问题。最后，提出促进城市群良性发展的政策建议和意见。
空间关系是认识区域的基本视角[1-2]，而信息的空间流动是区域空间联系的重要表征。随着信息技术的不断普及和推广，区域城市间信息流发生强度和交换频次越来越高，致使研究城市间网络联系的传统方法，愈加难以准确、及时的对城市间网络联系进行量化研究。随着大数据技术的不断完善和推广，城市间人流、物流、信息流等数据的获取变得更加方便和及时。百度指数就是百度公司提供的一项网民搜索服务大数据平台，其基于网民搜索关注度数据，模拟城市间网络联系。研究者基于百度指数数据，分析城市群城市信息联系网络特征[3-8]；研究城市群空间网络时空变迁规律[9-10]；此外，研究人员综合运用多源数据，结合企业组织结构，构建以信息流为基础的区域城市间网络特征分析方法[11]；结合人口流动峰值，分析网络关注度与客流之间的关系[12]；结合引力模型，构建区域流结构模型[13]。本文基于百度指数，从信息流角度对京津冀、长三角、粤港澳、成渝4个城市群城市间网络联系特征进行研究，量化分析城市群内部网络联系特征，进一步探索不同城市群网络联系特征的差异性。
通过百度指数平台，获取 2011~2018 年间京津冀、长三角、粤港澳、成渝 4 个城市群城市间百度搜索指数，构建城市群城市间多值矩阵。
2.2.1 研究思路
基于城市群城市间多值矩阵，从城市群城市间网络中心度、网络综合中心度和网络联系度等方面进行分析，研究城市群城市网络特征（见表1）。
（1）城市群网络中心度：网络中心度是测度城市群整体网络中心化程度的重要指标。本文采用点度中心度（pointcentrality）进行量化分析，点度中心度是指城市群中某个城市的度数中心度，即该城市与其他城市之间的信息联系强度。其中，相对出度（nOutdegree）是指某城市关注其他城市的相对强度，即城市关注度（On）；相对入度（nIndegree）是指某城市被其他城市关注的相对强度，即城市被关注度（In）；城市综合关注度（D）是指相对出度与相对入度之和，即Dn=On+In，n为城市群名称简称。
（2）城市群网络综合中心度：网络综合中心度是在网络中心度基础上，横向对比分析各个城市群城市在整个城市群体系中中心度能级，反映某个城市在 4 个城市群联系网络中所处的位置。即通过网络联系能级，划分城市群中具有相同特征的城市。
（3）城市群网络联系度：网络联系度是指城市间信息联系的强弱，直观反映城市群城市间网络联系状况，并基于城市群城市间联系度等级体系，分析各个城市群的网络特征体系。
表1：4个城市群城市分布
资料来源：作者自绘
2.2.2 研究方法
通过百度指数平台，获取 4 个城市群 2011~2018 年的城市间搜索指数数据。
步骤一：构建多值矩阵。基于百度搜索指数数据，形成城市群两两城市间的搜索矩阵。
步骤二：矩阵二值化。利用 UCINET 6，对城市群城市间搜索指数数据矩阵进行二值化处理（通过计算矩阵的平均数，如果矩阵中某元素大于平均数，则赋值为 1，反之则赋值为0）；
步骤三：城市群网络中心度分析。基于二值化矩阵，分析城市间点度中心度，建立区域网络中心度分析体系；
步骤四：城市群网络综合中心度分析。根据二值化矩阵，获取各城市综合关注度平均值，利用 ArcGIS 软件，构建城市群中心度横向对比等级体系。
步骤五：城市群网络联系度分析。根据城市间多值矩阵，构建起城市群两两城市间的网络联系度，利用 ArcGIS 软件，构建起城市间网络联系度可视化模型。
基于城市群城市点度中心度，从城市综合关注度（Dn）、关注度（On）、被关注度（In）等角度，构建城市网络中心度分析体系（见表 2）。
表2：城市信息联系强度能级体系
资料来源：作者自绘
（1）京津冀城市群
综合关注度方面（Dj），北京、石家庄和天津综合关注度处于领先地位，说明三城在区域网络中属于中心城市。保定、唐山和邯郸次之，属于城市群中的次中心城市。沧州、承德和秦皇岛等城市综合关注度一般，属于城市群中的节点型城市。衡水综合关注度最低，属于城市群中的一般型城市（见表 3）。
关注度方面（Oj），北京、石家庄和天津关注其他城市相对强度最高，说明三城为京津冀城市群主要的关注源城市，即一级关注度城市；保定和唐山相对出度次之，为二级关注度城市；沧州、邯郸和廊坊相对出度较低，为三级关注度城市；承德、衡水、秦皇岛和邢台相对出度最低，为四级关注度城市。
被关注度方面（Ij），北京、石家庄和天津同样是城市群中被关注度最高的城市，即一级被关注度城市；邯郸和秦皇岛相对被关注度次之，为二级被关注度城市；保定、沧州、承德、廊坊和唐山相对被关注度一般，为三级被关注度城市；衡水和邢台相对被关注度最低，为四级被关注度城市。
从京津冀整体网络来看，区域基本形成“一核双城多点”的联系网络，即以北京为中心，天津和石家庄为次中心，其他城市为节点的网络联系体系。
表3：点度中心度
资料来源：作者自绘
（2）长三角城市群
综合关注度方面（Dc1），上海、杭州、苏州和南京综合关注度处于领先地位，说明四城属于整个城市群网络的中心城市。合肥、宁波、无锡、常州、扬州、镇江和南通次之，属于城市群中综合关注度仅次于上海和苏州等四城的次中心城市。嘉兴、泰州和台州等综合关注度较为一般，属于城市群中的节点型城市。滁州、马鞍山和安庆等综合关注度最低，属于城市群中一般型城市（见表4）。
关注度方面（Oc1），上海、杭州、苏州和南京关注度相对强度最高，说明四城是长三角城市群主要的关注源城市，即一级关注度城市；合肥、宁波、无锡和常州相对强度次之，为二级关注度城市；南通、镇江和金华等城市相对强度较低，为三级关注度城市；盐城、安庆、舟山和马鞍山等城市相对强度最低，为四级关注度城市。
被关注度方面（Ic1），上海、杭州、苏州和南京同样为城市群中被关注度最高的城市，即一级被关注度城市；除合肥、宁波、无锡和常州四城被关注度次之外，扬州、镇江和南通被关注度明显上升，为二级被关注度城市；泰州、盐城和湖州等城市相对被关注度一般，为三级被关注度城市；金华被关注度明显下架，与盐城、安庆、舟山和马鞍山等城市并列为四级被关注度城市。
从长三角整体网络来看，区域围绕上海、苏州、杭州和南京，形成“一核多极多点”的联系网络，即以上海为中心，南京、苏州和杭州为次中心，合肥、宁波和无锡等城市为节点的多极化、扁平化网络联系体系。但相较于上海、浙江和江苏，安徽除合肥外，其他城市与区域联系度不足，亟待强化边缘区域城市与中心城市的空间联系。
表4：点度中心度分析
资料来源：作者自绘
（3）粤港澳大湾区
综合关注度方面（Dy），广州和深圳综合关注度处于领先地位，说明两城属于整个城市群网络的中心城市。东莞、佛山、惠州、珠海和香港次之，属于城市群中综合关注度仅次于广深的次中心城市。澳门综合关注度较为一般，属于城市群中的节点型城市。肇庆、江门和中山综合关注度最低，属于城市群中一般型城市（见表 5）。
关注度方面（Oy），广州和深圳关注度相对强度最高，说明广深是粤港澳地区主要的关注源城市，即一级关注度城市；东莞和佛山相对强度次之，为二级关注度城市；惠州相对强度较低，为三级关注度城市；香港、澳门和中山等城市相对强度最低，为四级关注度城市。
被关注度方面（Iy），广州和深圳同样为城市群中被关注度最高的城市，此外，香港被关注度显著上升，三城并列为一级被关注度城市；珠海、澳门和惠州被关注度次之外，为二级被关注度城市；东莞、佛山和中山等城市相对被关注度一般，为三级被关注度城市；江门被关注度最低为四级被关注度城市。
从粤港澳整体网络来看，区域围绕广州和深圳，形成“特区+双城”的联系网络，即以广深为中心，港澳特区为支撑，佛山和东莞等城市为节点的多极化联系体系。
表5：点度中心度分析
资料来源：作者自绘
（4）成渝城市群
综合关注度方面（Dc2），成都和重庆综合关注度处于领先地位，说明两城属于整个城市群网络的中心城市。绵阳和南充次之，属于城市群中综合关注度仅次于成都和重庆的次中心城市。德阳、广安和乐山等城市综合关注度较为一般，属于城市群中的节点型城市。眉山、资阳和雅安综合关注度最低，属于城市群中一般型城市（见表6）。
关注度方面（Oc2），成都和重庆相对强度最高，说明两城为区域主要的关注源城市，即一级关注度城市；绵阳和南充次之，为二级关注度城市；德阳和宜宾相对强度较低，为三级关注度城市；泸州、达州、眉山等其余城市相对强度最低，为四级关注度城市。
被关注度方面（Ic2），成都和重庆依旧处于最高地位，说明两城同样为城市群中被关注度最高的城市，即一级关注度城市；绵阳、达州、遂宁相对被关注度次之，为二级关注度城市；德阳、南充、泸州和广安相对被关注度一般，为三级关注度城市；内江、自贡、眉山和雅安等其余城市相对被关注度最低，为四级关注度城市。
从成渝城市群整体网络来看，区域基本形成“双核多城”的联系网络，即以成都和重庆为区域两大中心城市，绵阳、德阳和南充等多城联动的网络联系体系。
表6：来度中心度分析
资料来源：作者自绘
从 4 个城市群整体出发，将城市综合关注度平均值，按照 0.1 以下、0.1~0.25、0.25~0.5和 0.5 以上，依次划分城市综合中心度等级（见图 1、表 7）。
左. 京津冀城市群点度中心度
右.长三角城市群点度中心度
左.粤港澳城市群点度中心度
右.成渝城市群点度中心度
图1：城市群点度中心度综合分布图
（图片来源：作者自绘）
表7：城市群综合中心度结构体系
资料来源：作者自绘
从 4 个城市群点度中心度平均值空间分布来看，京津冀和成渝城市群市群城市网络特征呈现极化现象，即城市间层级分化严重。而长三角和粤港澳大湾区城市网络特征呈现扁平化、多中心化现象。其中，空间分布特征如下：
（1）一级中心城市包括北京、上海、深圳、广州、天津、苏州、成都、杭州、南京、重庆和合肥等城市，这些城市主要为城市群中的中心城市、次中心城市和省会城市。
（2）二级中心城市包括保定、邯郸、宁波、无锡、佛山、东莞和绵阳等城市，这些城市主要为省级节点城市和与中心城市连绵发展城市（或同城化城市）。
（3）京津冀和成渝城市群城市网络体系不完善，存在严重的层级分化。其中，京津冀城市群中，虽然北京、天津和石家庄三城为一级中心城市，但北京单极化态势明显。成渝城市群中二级中心城市严重断层，存在大量的三、四级中心城市。
（4）长三角和粤港澳大湾区城市多极化明显。其中，长三角围绕上海、苏州、杭州、南京和合肥，形成省会城市与直辖市“多极鼎立”态势。粤港澳则围绕广深、港澳，形成“特区+中心”的“2+2”的多核模式。
根据城市间多值矩阵，构建起城市间两两之间的网络联系度，利用 ArcGIS 软件，构建起城市间网络联系度可视化模型，其中：
（1）基于城市群城市间搜索指数平均值，通过自然分级法，构建起城市群内部网络联系度等级体系，即高联系型城市、一般联系型城市和低联系型城市，并进一步分析出区域密集联系型城市（见图 2、表 8）。
左.京津冀城市群网络联系度
右.长三角城市群网络联系度
左.粤港澳城市群网络联系度
右.成渝城市群网络联系度
图2：城市群网络联系度分析
（图片来源：作者自绘）
表8：城市联系度层级划分
资料来源：作者自绘
（2）从城市群网络联系度横向对比角度，对 4 个城市群进行对比分析，按照 150 以下、150~300 万人、300~500 和 500 以上，综合分析城市联系度，并据此分析城市群整体网络特征（见图3）。
左. 京津冀城市群综合网络联系度
右.长三角城市群综合网络联系度
左.粤港澳城市群综合网络联系度
右.成渝城市群综合网络联系度
图3：城市群综合网络联系度分析
（图片来源：作者自绘）
3.3.1 城市群内部网络联系度
从 4 个城市群内部网络联系度来看，京津冀和成渝城市群为典型的单中心城市群，而长三角和粤港澳大湾区为典型的多中心城市群。其中：京津冀城市群，以北京为中心，向京津、京保石、京唐秦、京邢邯等方向扩散的网络联系格局。
长三角城市群，围绕上海形成“上海——南京”与“上海——杭州”两条网络联系走廊，其中，“上海——南京”走廊包含上海、苏州、无锡、常州、南京和合肥；“上海——杭州”走廊则包括上海、嘉兴、杭州。
粤港澳大湾区，围绕广州和深圳，形成同城化联系走廊，即围绕广深中心，形成广佛、深莞等区域网络联系结构。
成渝城市群，围绕成都形成“成都——重庆”单轴与“成都”单极的“点轴”网络联系结构。
基于城市联系度层级划分可知，（1）四个城市群中，高联系型城市主要为城市群中的中心城市。（2）一般联系型城市主要为次中心城市，以及距离中心城市较近的二、三线城市。（3）低联系型城市主要为三、四线城市，这些城市往往分布于城市群的边缘区域。（4）密集联系型城市主要为中心城市之间，以及中心城市与其同城化城市之间。以粤港澳地区为例，密集联系型城市中，深莞和广佛即为同城化城市。
3.3.2 城市群综合网络联系度
从城市群网络联系度横向对比来看，京津冀和成渝城市群空间网络联系度变化最为明显，其中，京津冀城市群中，北京与石家庄之间的联系度明显上升；而成渝城市群中，除成都与重庆之间的联系度保持不变外，其他城市间的联系度明显下降。长三角和粤港澳大湾区空间网络联系度变化不明显。城市群综合网络联系度空间分布特征如下：京津冀城市群，围绕北京形成以北京为核心，“京津”、“京石”为两轴的“放射型”网络联系格局。成渝城市群，则围绕成都与重庆，形成“双城单轴”的网络联系结构。
本文通过百度指数数据，对京津冀、长三角、粤港澳和成渝 4 个城市群城市网络联系特征进行深入分析，得出以下结论：
（1）城市群城市间联系呈现“向心”（中心城市）聚集的明显特征。城市间联系强度围绕城市群中的中心城市向周边节点城市逐渐衰减，城市间信息流在空间上沿着中心城市之间形成的廊道进行交换。
（2）城市群空间网络特征差异化明显。京津冀和成渝城市群网络联系呈现明显的单一化现象，其中，京津冀为明显的单极化，成渝为明显的单轴化，这导致城市群城市联系层级分化、过度集聚现象突出。长三角、粤港澳城市群网络联系呈现多极化、扁平化的特点，其中，长三角围绕“沪苏杭宁合”，形成中心城市集聚廊道，粤港澳则围绕“特区”和“广深”，形成“特区”+“双核”的多中心结构。
（3）城市群内同城化城市间网络联系强度明显较高。其中，广佛、深莞、成德眉资、沪苏、京津等城市间联系密集。
（4）区域城市间联系层级分化严重，协同发展能力亟待提升。以成渝城市群为例，成都的极化现象明显，导致城市间联系层级出现断层，这与成渝“双核”协同发展的基本要求不相称，也严重影响未来城市间的均衡发展。
（5）强化中心城市与边缘地区城市之间的空间联系。以长三角为例，要加强上海、苏州、南京和合肥等中心城市与皖南地区城市的空间联系，优化城市群网络结构特征。
百度指数是以百度网民海量搜索数据为基础进行的二次开发数据，数据类型相对较为单一，且与真实城市间信息流联系有一定出入，因此，在数据的多样性和准确性等方面存在一定误差。未来研究需要进一步拓展数据类型，开展多源数据分析，结合人口迁徙数据、企业联系数据等进行综合研究，强化分析研究的科学性。
[1] 陈伟,修春亮,柯文前,等. 多元交通流视角下的中国城市网络层级特征[J]. 地理研究, 2015,34(11): 2073-2083.
[2] 孙阳,张落成,姚士谋. 长三角城市群“空间流”网络结构特征——基于公路运输、火车客运及百度指数的综合分析[J]. 长江流域资源与环境, 2017, 26(9): 1304-1310.
[3] 潘昱成,李秋丽.基于百度指数的城市网络特征及其影响因素研究——以长江中游城市群为例[J].特区经济,2019(01):68-73.
[4] 熊丽芳,甄峰,王波,席广亮.基于百度指数的长三角核心区城市网络特征研究[J].经济地
理,2013,33(07):67-73.
[5] 蒋大亮,孙烨,任航,陈影影,张振克.基于百度指数的长江中游城市群城市网络特征研究[J].长江流域资源与环境,2015,24(10):1654-1664.
[6] 于欣洺,吴相利.基于百度指数的东北地区城市网络特征研究[J].哈尔滨师范大学自然科学学报,2015,31(06):114-118.
[7] 高烨昕,郭晓佳.基于百度指数的山西省城市网络特征研究[J].陕西理工大学学报(自然科学版),2019,35(04):87-92.
[8] 王启轩. 基于百度指数的粤港澳城市网络研究[A]. 中国城市规划学会、杭州市人民政府.共享与品质——2018中国城市规划年会论文集（16区域规划与城市经济）[C].中国城市规划学会、杭州市人民政府:中国城市规划学会,2018:11.
[9] 段献,黄军林,陈健.信息流视角下长株潭城市群关系网络特征辨析及规划启示——基于百度指数的分析[J].城市学刊,2019,40(03):73-81.
[10] 王伟,张舒媛,张倩.基于地域用户关注度数据的珠三角城市网络发育特征研究[J].北京规划建设,2019(02):59-63.
[11] 王启轩,张艺帅,程遥.信息流视角下长三角城市群空间组织辨析及其规划启示——基于百度指数的城市网络辨析[J].城市规划学刊,2018(03):105-112.
[12] 杨锦坤,魏宗财,郎嵬,李郇.基于移动互联网的旅游地网络关注度“前兆效应”分析[J].北京规划建设,2018(02):100-103.
[13] 邓力凡. 基于引力模型和百度指数的区域流结构对比研究——以山东省城市群为例[A]. 中国城市规划学会、杭州市人民政府.共享与品质——2018中国城市规划年会论文集（16区域规划与城市经济）[C].中国城市规划学会、杭州市人民政府:中国城市规划学会,2018:8.
原文刊载于
《2020年中国城市交通规划年会论文集》
（长按二维码识别就可关注我哦＾－＾）
原文始发于微信公众号（成都市规划设计研究院）：【好文推荐】基于百度指数的城市群网络联系特征研究
