基于腾讯人口迁徙数据的全国城市网络结构特征分析

基于腾讯人口迁徙数据的全国城市网络结构特征分析

1 引 言

基于大数据的城市网络研究是近十年来城市研究的新方向，本文基于腾讯人口迁徙数据，从网络分析入手，通过度、转变中心性、转变控制力、等级划分等方面分析网络结构特征。分析表明：（1）度与城市 GDP 具有较强的相关性，在一定程度上表征城市等级和经济发展情况，结合转变中心性和转变控制力进行中心城市评价是具有说服力的。（2）全国城市层级服从金字塔模型，金字塔顶端的城市在资源承载和辐射范围上都远远优于其他城市，城市之间的等级具有较大的差异，但随着一带一路、粤港澳大湾区、西部大开发、中部崛起和全国中西城市建设的战略扶持，这种差距在不断缩小，多极化发展的趋势明显。（3）迁徙流所表现出来的中国人口迁徙主要发生在以京津冀、长三角、珠三角、成渝地区为核心构成的菱形区域内。以黑河-腾冲一线为分界线，总体上呈现东高西低，南高北低的格局，全国形成多中心的网络结构。

20 世纪 90 年代后，经济全球化以及互联网的发展，深刻地改变了城市联系的方式，城市联系突破了封闭的系统，形成了在时空上的网络连接关系，从“流空间”视角分析，城市是网络中的一个节点，城市间的相互联系构成具有一定结构和功能的城市网络，这种网络承担着包括交通流、货物流、资金流、信息流、人口流等在内的各种物质要素的交换。城市的中心性是一个城市在网络中与其他城市的关联程度，体现了一个城市在网络中的地位和等级。因此，从“流空间”分析逻辑出发，打破了原有的垂直等级制度，更多地看到城市间协同互补的合作关系，使研究视角由地理空间转向要素空间，着眼于动态发展、开放互补的要素流动。因此，西方学者从互联网、邮件等信息流，飞机、公路、铁路和货运港口等交通流对城市网络进行研究，我国学者从新浪微博、微信、百度等视角对中国城市的结构进行研究[7]。 城市之间的联系是由各种要素流动的成果，考虑到人作为生产劳动的主体，对城市的发展有着至关重要的作用，人口在区域间的流动与变化可以真实地反映城市网络结构类型和强度，城市人口规模决定了城市基础设施建设的规模、可持续发展问题、区域经济发展问题。本文在已有学者研究的基础上利用腾讯位置大数据对中国大部分城市（354 个）进行网络分析，以期在一个新的视角下对全国城市的网络结构和等级进行研究和分析。

2 数据来源和研究方法

2.1 数据来源

腾讯位置大数据是目前国内重要的位置数据统计平台之一，其庞大的数据库是研究者重要的数据来源。本文以腾讯位置大数据 2018 年的人口迁徙数据作为研究对象，包括每个城市每日热度前十的人口迁入迁出路线，以及乘坐飞机、火车、汽车的迁入迁出数据，去除可能影响迁徙结果的国家法定节日和频率较低的数据，以此作为原始数据，通过城市网络研究方法，进行研究论证。

2.2 研究方法

社会网络分析是用于表达网络整体形态和节点特征的方法。度是通过测量一个节点在网络中的可达性，是一个节点在网络中的参与度，度越高证明一个点在网络中起到越重要的作用。提取城市节点在网络中的参与度和控制力是城市网络结构分析的基本内容。节点的连通性和控制性表征了网络对其的依赖性。中心性用于分析各个节点在网络中的地位和作用，表征一个网络结构对某几个关键节点的依赖性，处于网络中心位置的城市有利于其对资源、信息的集聚或扩散。控制力指标用于反映一个节点在其网络中对“流”的调度和控制能力，城市控制力体现为影响资源、信息等在城市中有效流通的能力。考虑到在网络中，一个中心城市往往承担着资源集聚和扩散两方面的功能，必须考虑到下一层级关联城市对于中心城市影响，因此本文使用转变中心性和转变控制力指标来衡量一个城市
的地位。

2.2.1 城市网络个体度量

借鉴已有的城市网络研究方法，计算城市的出度、入度以及度。城市$i$的出度表示为：$R_{ij}$，入度表示为：$R_{ji}$，式中：$R_{ij}$表示以 i城市作为迁出地的迁徙路线个数， R j i R_{ji} R