EN中文

经济地理 >

2024 , Vol. 44 >Issue 2: 81 - 89

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.02.009

城市地理与新型城镇化

流空间视角下武汉都市圈城市空间联系格局及影响因素

展开
  • 1.武汉大学 城市设计学院/湖北省人居环境工程技术研究中心,中国湖北 武汉 430072;
    2.高密度人居环境生态与节能教育部重点实验室,中国 上海 200000;
    3.罗格斯大学 规划与公共政策学院,美国新泽西 新布朗斯维克 08901
林赛南（1987—）,女,博士,副教授,博士生导师,研究方向为人口流动与城镇化、城市地理。E-mail：sainan.lin@whu.edu.cn

收稿日期: 2023-08-03

  修回日期: 2023-11-29

  网络出版日期: 2024-06-03

基金资助

国家自然科学基金项目（42171205）

收起

Pattern and Influencing Factors of Urban Spatial Connection in Wuhan Metropolitan Area from the Perspective of Flow Space

Expand
  • 1. School of Urban Design,Wuhan University / Research Center of Human Settlements Environment Engineering Technology,Wuhan 430072,Hubei,China;
    2. Key Laboratory of Ecology and Energysaving Study of Dense Habitat （Ministry of Education）,Shanghai 200000,China;
    3. Edward J. Bloustein School of Planning and Public Policy,Rutgers University,New Brunswick 08901,New Jersey,USA

Received date: 2023-08-03

  Revised date: 2023-11-29

  Online published: 2024-06-03

Fold

摘要

进入高质量发展阶段,都市圈作为国家新型城镇化战略格局中承上启下的关键环节,已成为引领区域发展的重要空间单元。文章以武汉都市圈为研究区域,基于手机信令、百度指数等多源大数据,采用要素流模型、SOM神经网络分级模型和QAP关系回归分析等得出城市空间联系格局、发展规律及影响因素。结果表明：①武汉都市圈各要素流动形成的空间格局呈多中心组团式结构,且内部流动强度不一;②根据SOM神经网络分级模型结果将武汉都市圈城市的对外联系能力划分为4个等级,其中武汉的对外联系能力与其他城市之间呈现出显著差异;③城市发展水平和信息化水平差异对不同城市间要素流强度具有显著负影响,城市规模和开放程度差异具有显著的正向作用,共同影响了都市圈内城市空间联系格局的形成。最后,针对武汉都市圈城市空间联系格局的优化提出建议。

关键词： 要素流; 人口流; 多源数据; 手机信令; SOM神经网络分类模型; 空间联系格局; 武汉都市圈

本文引用格式

林赛南, 邓慧琳, 彭馨雨, 陈书迪, 王雨 . 流空间视角下武汉都市圈城市空间联系格局及影响因素[J]. 经济地理, 2024 , 44(2) : 81 -89 . DOI: 10.15957/j.cnki.jjdl.2024.02.009

Abstract

Entering the stage of high-quality development,metropolitan areas,as a key link in the national new-type urbanization strategic pattern,have become an important spatial unit leading the regional development. This study takes Wuhan metropolitan area (WMA) as the research area. Based on the multi-source big data such as the mobile phone signaling and the Baidu index,this study explores the urban spatial connection pattern and influencing factors of WMA by using the factor movement model,the SOM neural network classification model,and the QAP regression analysis. The results show that: 1) The spatial pattern formed by the flow of various elements in WMA is a multi-center structure,and the internal flow intensity is varied between different cities. 2) SOM neural network classification model shows that the cities of WMA will be divided into four levels according to their current urban spatial connections and there will be huge gaps between different levels. 3) The variances in the urban development level and the informatization level have a significantly negative impact on the intensity of factor movements among different cities,while the difference of city size and openness degree has a significantly positive impact,which jointly affects the formation of urban spatial linkage pattern in metropolitan areas. According to the above,it puts forward suggestions for optimizing of the spatial linkage pattern of the Wuhan metropolitan area.

Key words： factor movement; population flow; multi-source big data; mobile signaling; SOM neural network classification model; spatial connection pattern; Wuhan metropolitan area

参考文献

[1] 张伟. 都市圈的概念、特征及其规划探讨[J]. 城市规划,2003(6):47-50.
[2] 方创琳. 新发展格局下的中国城市群与都市圈建设[J]. 经济地理,2021,41(4):1-7.
[3] 王海军,翟丽君,刘艳芳,等. 基于多维城市要素流的武汉城市圈城市联系与功能分析[J]. 经济地理,2018,38(7):50-58.
[4] 刘玮辰,陆玉麒,徐旳. 南京都市圈空间相互作用时空演变分析[J]. 人文地理,2017,32(2):65-71.
[5] 杨永春,冷炳荣,谭一洺,等. 世界城市网络研究理论与方法及其对城市体系研究的启示[J]. 地理研究,2011,30(6):1009-1020.
[6] Castells M.The Rise of the Network Society[M]. Cambridge,MA:Blackwell,1996.
[7] Batten D F.Network cities:Creative urban agglomerations for the 21st century[J]. Urban Studies,1995,32(2):313-327.
[8] 马丽亚,修春亮,冯兴华. 多元流视角下东北城市网络特征分析[J]. 经济地理,2019,39(8):51-58.
[9] 汤恒,许捍卫,汪成昊. 基于信息流的长三角城市群中心性及影响因子研究[J]. 地理与地理信息科学,2022,38(1):94-102.
[10] 彭芳梅. 粤港澳大湾区及周边城市经济空间联系与空间结构——基于改进引力模型与社会网络分析的实证分析[J]. 经济地理,2017,37(12):57-64.
[11] 范擎宇,杨山. 协调视角下长三角城市群的空间结构演变与优化[J]. 自然资源学报,2019,34(8):1581-1592.
[12] 席广亮,甄峰,钱欣彤. 流动性视角下的国土空间安全及规划应对策略[J]. 自然资源学报,2022,37(8):1935-1945.
[13] Stephen P B,Ajay M,Daniel J B,et al.Network analysis in the social sciences[J]. Science,2009,323:892-895.
[14] 熊丽芳,甄峰,王波,等. 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(7):67-73.
[15] 陈园园,李宁,丁四保. 城市群空间联系能力与SOM神经网络分级研究——以辽中南城市群为例[J]. 地理科学,2011,31(12):1461-1467.
[16] 杨志民,化祥雨,叶娅芬,等. 金融空间联系与SOM神经网络中心等级识别——以浙江省县域为例[J]. 经济地理,2014,34(12):93-98.
[17] 湖北省统计局. 湖北统计年鉴[M]. 北京:中国统计出版社,2022.
[18] 顾雯娟,欧向军,叶磊,等. 基于要素流的长三角城市群空间布局[J]. 热带地理,2015,35(6):833-841.
[19] 刘静玉,杨虎乐,宋琼,等. 中原经济区城市间相互作用时空格局演变研究[J]. 地理科学,2014,34(9):1060-1068.
[20] 虞洋,宋周莺,史坤博. 基于百度指数的中国省域间信息联系网络格局及其动力机制[J]. 经济地理,2019,39(9):147-155.
[21] 余健,郭平. 自组织映射(SOM)聚类算法的研究[J]. 现代计算机,2007,255(3):7-8,33.
[22] 叶磊,段学军,欧向军. 基于交通信息流的江苏省流空间网络结构研究[J]. 地理科学,2015,35(10):1230-1237.
[23] 刘权毅,詹庆明,刘稳,等. 基于铁路客流的湖北省城市网络关联与空间组织结构特征[J]. 地球信息科学学报,2020,22(5):1008-1022.
[24] 幸丽君,杜赛南,孙桂英,等. 多维流视角下湖北省网络结构特征及其影响机制[J]. 长江流域资源与环境,2022,31(10):2134-2145.
[25] 戴俊骋,谢帆,那鲲鹏. 基于百度指数的大运河沿线城市信息流网络特征研究[J]. 城市发展研究,2022,29(8):7-13.
[26] 童玉芬,杨艳飞,和明杰. 中国主要城市群的人口分布格局特征、问题及政策思考[J]. 人口学刊,2022,44(4):1-13.
[27] 管卫华,林振山,顾朝林. 中国区域经济发展差异及其原因的多尺度分析[J]. 经济研究,2006(7):117-125.
[28] 朱喜安,张秀. 高新技术产业聚集与区域经济增长质量的空间溢出效应研究——基于面板空间杜宾模型的研究[J]. 经济问题探索,2020(3):169-184.
[29] 雷平,施祖麟. 企业数量、规模与经济增长——基于省级工业面板数据的研究[J]. 经济经纬,2008(2):101-104.
[30] 吴辉航,刘小兵,季永宝. 减税能否提高企业生产效率?——基于西部大开发准自然实验的研究[J]. 财经研究,2017,43(4):55-67.
[31] 聂晶鑫,黄亚平,刘合林,等. 基于社会网络分析的武汉都市圈城镇生活性关联特征[J]. 经济地理,2017,37(3):63-70.
[32] 陈晓华,李久林,储金龙. 基于DEA-ESDA的皖江城市带城市效率评价[J]. 华东经济管理,2015,29(12):51-56,100.
[33] 林赛南,王雨,马海涛. 中国高学历流动人口流动的空间特征及形成机制[J]. 地理研究,2022,41(12):3229-3244.
[34] 林赛南,冯馨,王雨. 流动人口再流动的空间选择特征及影响因素[J]. 地理科学,2023,43(9):1537-1547.
[35] 侯慧丽. 城市公共服务的供给差异及其对人口流动的影响[J]. 中国人口科学,2016(1):118-125,128.
Options
文章导航

/

〈 〉