EN中文

经济地理 >

2024 , Vol. 44 >Issue 12: 72 - 81

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.12.008

城市地理与新型城镇化

多中心视角下的北京市创新空间结构演变

  • 聂晶鑫
展开
  • 北京工业大学 建筑与城市规划学院，中国 北京 100124

聂晶鑫（1991—），男，博士，讲师，研究方向为城市与区域创新发展。E-mail：

收稿日期: 2024-03-25

  修回日期: 2024-08-06

  网络出版日期: 2025-01-21

基金资助

国家自然科学基金青年项目(52308044)

中国博士后科学基金面上资助项目(2023M730149)

北京市朝阳区博士后工作经费资助项目(2023ZZ-024)

收起

Evolution of Innovation Spatial Structure in Beijing from the Polycentric Perspective

  • NIE Jingxin
Expand
  • College of Architecture and Urban Planning，Beijing University of Technology，Beijing 100124, China

Received date: 2024-03-25

  Revised date: 2024-08-06

  Online published: 2025-01-21

Fold

摘要

文章基于1991—2020年北京市专利申请数据，运用多种空间分析方法，识别创新中心并分析多中心视角下北京市创新空间的结构演化特征与机制。研究发现：①北京市创新空间结构的多维多中心性普遍提升，本地功能维度的提升快于形态与非本地功能维度，整体结构的均衡性仍有限；②根据创新中心的规模与功能位序，可分为匹配型、形态优先型与功能优先型三类，其中以功能优先型为主，部分中心的类型存在演替；③创新空间结构的演变是在政府、市场与社会综合影响下，由创新人才需求、创新机构选址与政府部门引导的共同作用驱动形成。当前的多中心化结构演变过程对于北京市的创新效率提升存在积极意义。

关键词： 多中心结构; 形态; 功能; 专利合作; 创新效率; 北京市

本文引用格式

聂晶鑫 . 多中心视角下的北京市创新空间结构演变[J]. 经济地理, 2024 , 44(12) : 72 -81 . DOI: 10.15957/j.cnki.jjdl.2024.12.008

Abstract

Based on the patent application data in Beijing from 1991-2020 and employing the spatial analysis, this study identifies the innovation centers and analyzes the evolution characteristics and mechanism of Beijing's innovation spatial structure from the polycentric perspective. The findings indicate that: 1) There has been a general enhancement in the multidimensional polycentricity of Beijing's innovative spatial structure, with local functional dimension showing faster improvement compared to morphological and non-local functional dimensions. However, overall structural balance remains limited. 2) Based on the scale and functional order of each innovation center, it can be categorized into three types: matching type, morphological priority type, and function priority type. Among three types, the function priority type is the main type, some centers exhibit succession within these types. 3) The evolution of innovation spatial structure is influenced comprehensively by government policies, market forces, societal factors as well as driven by collaborative efforts involving demand for innovative talents, site selection of innovative institutions and guidance from government departments. The evolution process of current polycentric structure has positive significance for enhancing innovation efficiency in Beijing.

Key words： polycentric structure; morphology; function; patent cooperation; innovation efficiency; Beijing City

创新空间是推动大城市空间战略实施的关键要素[1-2]，其组织结构需契合城市空间格局的发展需求。当前，我国超大特大城市如北京在空间布局优化中采取以副（新）城建设为代表手段的多中心化发展思路，势必推动城市创新空间结构朝着更加均衡的方向演变。这种结构包含了要素属性的地域形态与空间功能联系。也就是说，更为均衡的城市创新空间结构需兼顾形态布局的合理性与功能的有序性。创新集聚规律表明，城市内部创新活动往往呈极化分布，从而加剧空间结构的非均衡性。北京市便是此类现象的典型例子。根据已有研究，北京市的创新活动高度集中于中心地区，整体形态空间结构呈现出以中心城区为主的核心边缘模式[3-4]。为提升北京市创新空间结构的均衡性，助力城市多中心发展格局，有必要深入研究其结构演变过程，从而为可能的优化策略提供支撑。
“多中心”作为城市与区域发展的一项重要战略，是地域空间结构研究中的重要概念[5]，它描述了一系列专业化、密切联系的中心所组成地域的内部结构特征[6]。多中心结构是地区发展到特定时期在城镇化、集聚规律、政府引导等因素影响下的产物。其初衷在于疏散过度集中的人口与社会经济活动[7]，以缓解集聚不经济等弊端，进而提升城市经济绩效[8-9]。经典空间结构理论表明，空间结构涵盖空间形式与功能联系两方面[10]。因此，“多中心”研究中将形态与功能作为重点关注对象[11]。其中形态多中心性关注不同规模中心之间的分布，而功能多中心性则侧重于各中心间功能联系的差异分布。在具体研究中又可分为城市与区域两大尺度[12]。现有的多中心研究主要集中于区域层面，着重分析都市圈[13]、城市群[14-15]等的网络化组织结构及多中心程度，为理解城市与区域空间组织提供了新视角。在城市层面，相较于“摊大饼”式的单中心结构，适度均衡的多中心结构展现出潜在的经济效应，正逐渐受到更多地区的青睐。
在创新空间的探讨中，已有研究涵盖了概念内涵[16]、分布特征[17]、组织模式[6,18]、集聚机制[19-20]、创新空间网络[21]以及用地供给政策[22]等方面。针对城市创新空间结构分析的研究[23-25]涉及多中心议题，但研究深度有待提升。这类研究多借助密度分析等方法[17,26]的可视化结果来判断创新空间的形态结构特征及其演变，而从功能维度剖析创新空间结构变化的研究尚不充分。因此，有必要从形态与功能的综合角度全面地分析城市创新空间结构[27]。从形态维度讲，创新空间通过创新要素的集聚，肩负着孵化功能[28]。从功能维度讲，创新空间的多中心性表现为本地与非本地尺度的创新流动（如知识转移与创新合作等），其中本地维度的创新合作体现了对内部关系的控制、调节，发挥枢纽的轮轴功能；非本地的创新合作反映了对外创新链接的作用，充当门户功能[15]。形态格局与功能联系相互影响[27]，空间形态约束了功能节点的布局，而功能网络的外拓与功能节点的升级可能进一步改变原有的空间形态。日益高频的要素流动凸显了功能联系对于创新空间组织的重要性[19]。同时，新数据与新方法的涌现为从功能维度分析创新空间结构提供了便利。对于创新空间形态与功能的测度主要依赖论文、专利等数据。相较于以知识创新为主的论文数据，专利数据能够反映技术创新及其合作关系，是衡量创新流的常用数据，配合复杂网络分析等方法能有效反映空间的创新功能联系[15,29]。鉴于此，全面呈现城市创新空间结构要求从形态与功能的多维多中心视角切入分析，从而实现创新要素的均衡配置与创新功能组织的优化。
作为我国重要的科技创新中心，北京市采取积极措施促进创新空间的多中心布局。诸如2016版城市总体规划、北京市“十四五”规划纲要、北京市“十四五”时期国际科技创新中心建设规划等政策文件，都强调构建多中心、网络化的创新空间格局，试图改善过于极化的创新空间结构。在新兴业态[30-31]、紧密创新网络联系[32]等因素的影响下，北京市创新空间结构处于不断转变之中。为此，本文借助多中心结构识别方法，采用发明专利申请数据，从形态与功能多中心2个视角分析北京市创新空间结构的时空演变特征，并尝试解释其驱动机制与创新效应，以为北京市未来创新空间布局优化提供借鉴。

1 数据来源与研究方法

1.1 数据来源

专利是记载创新活动的重要数据来源，尤以发明专利的占比高、创新价值大，被广泛采用。发明专利数据中详细包含了申请人名称、地址、申请时间等信息，可有效反映申请人的空间坐标与合作专利数量。这些信息可用于识别创新活动的空间分布[23]，同时也能反映创新合作关系[7,15]。因此，本文首先从IncoPat专利数据平台获取有记录以来北京市发明专利申请数据，筛选掉申请量较少的年份后，选取1991—2020年的非个人申请专利数据作为样本，并将其均分为6个时段。与官方统计数据相比，本文采集的数据与样本数据分布趋势相近（图1），说明研究样本具有代表性。继而通过地理编码技术获取样本数据的空间坐标，并投影至1 km2为单位的空间网格内，作为基础数据。在识别出创新中心后，具体分析中以专利申请总量表征创新中心的形态规模（孵化功能），以本地专利合作量表示创新中心在北京市内的合作强度（轮轴功能），以非本地专利合作量表示创新中心在北京市外的合作强度（门户功能）。
图1 北京市发明专利申请量的数据对比

Fig.1 Comparison of invention patent application data in Beijing

1.2 研究方法

1.2.1 基于聚类和异常值分析的创新中心识别

创新空间是创新活动集聚的地区，基于专利分布数据识别北京市创新空间中的主次中心，以反映创新空间的多中心结构。首先，采用识别要素集聚空间的常用方法[33]——聚类和异常值分析算法识别出潜在的创新中心。该方法的主要指标是网格空间关联的局部Moran's I指数，根据该指数可将网格单元的集聚特性，划分为高值聚类区、高低异常值区、低高异常值区与低值聚类区四类。其中，高值聚类区是专利分布高密度网格的集中地，是创新中心的候选区。计算公式如下：
I i = x i - X ¯ S i 2 ∑ j = 1 , j ≠ i n w i , j x j - X ¯
式中：xi是每个网格的专利申请量，X ¯是其平均值；wi，j是网格i与j之间的空间权重；Si2是标准差；n为网格总数。
然后，基于空间关系、创新规模、网格面积等约束规则确定最终的主次中心。参考相关研究成果，确立如下规则：①边相邻的高值聚类区网格进行融合[34]；②纳入被高值聚类区网格全包围的、专利申请量排在前10%的网格；③融合后的网格单元数应不小于3[35]；④融合后的网格单元所包含的专利申请总量不小于1000件[29]。据此聚合得到各时段的创新空间，并依据专利产出规模确定为主次中心。

1.2.2 网络分析方法

网络分析方法常被用于分析创新空间之间的创新合作网络[36]。本文采用专利合作关系构建北京市创新空间的多尺度合作网络。其中，主次创新中心之间的专利合作称为本地功能联系，而它们与外部的专利合作称之为非本地功能联系。该网络中的创新功能联系量C计算方式如下：
C = ∑ a = 1 m l
式中：m代表两处创新空间专利合作总量；l为同一专利内一次合作关系量，设定为1。

1.2.3 形态多中心指数（Morphological Polycentricity，MP）

形态视角的多中心性反映了城市创新产出在空间上重要性程度的分布。采用次中心专利申请总量占所有创新中心专利申请量比重来表示[33,37]。该指标值域为0~1，指标值越大，即次中心专利产出占比越高则重要程度越高，相应的形态多中心程度也越高。计算公式如下：
M P = 1 - x m a i n ∑ i = 1 n x i
式中：xi表示某中心的专利产出量；xmain为主中心的专利产出量；n为所有中心的数量。

1.2.4 功能多中心指数（Functional Polycentricity，FP）

功能视角的多中心性反映了城市内主次创新中心之间创新合作的分布均衡程度[7,38]，分为本地与非本地2个维度。与形态多中心指数计算类似，采用次中心专利合作总量占所有创新中心专利合作总量的比重表示，值域为0~1。本地功能多中心指数的计算公式如下：
F P = 1 - L m a i n ∑ j = 1 n L j
式中：Lj表示某中心的本地专利合作量；Lmain为主中心的本地专利合作量；n为所有中心的数量。非本地功能多中心指数的计算方式与之类似。

1.2.5 一次函数模拟

鉴于仅有6个分析时段，本文采用一次函数模拟方法，以探讨多中心结构演变的影响因素及其创新效应。微观研究尺度和长时段研究限制下，多中心结构演变影响因素的选择具有一定的局限性。本文重点关注主次中心差距的影响，并选取以下几个关键指标：次/主中心科研机构产出比、所属中关村园区面积、合作专利占比、次/主中心企业数量比、次/主中心人口数量比。其中，次/主中心科研机构产出比用以反映科研机构的均衡分布状况；所属中关村园区面积代表政府引导作用；合作专利占比代表创新合作网络影响；次/主中心企业数量比体现市场集聚效应；次/主中心人口数量比在一定程度上反映人力资本的作用。

1.2.6 DEA方法

数据包络分析法（DEA）是测度经济主体创新效率的常用方法[39]，其在处理多投入、多产出的效率测度上具有优势，且所得结果相对客观可靠。结合已有研究成果[40-41]，本文选取了R&D经费内部支出与R&D人员全时当量2个指标作为投入变量，并以发明专利申请授权量与技术合同成交额作为产出变量，以衡量北京市的创新效率。为动态测算北京城市创新效率的全要素生产率指数变化情况，本文借鉴相关研究的DEA-Malmquist模型[40]，遵循产出导向，基于规模报酬递增的假设，以首个分析时段为基期展开计算。考虑创新空间结构效应的滞后性，采用相较于分析时段滞后1年的数据代入计算。

2 北京市创新空间多中心结构的整体特征演变

2.1 多中心创新空间的识别与特征

根据空间集聚格局分析结果，北京市在各时段均出现大量的高值聚类区（图2）。据此，识别出各时段北京市的创新中心。表1结果显示，北京市创新空间经历了从单中心发展到多中心崛起的过程，创新中心数量从1个增至22个，主次中心的空间规模与创新规模均大大提高，但二者间的差距较为悬殊。
图2 北京市创新活动的空间集聚格局演变

Fig.2 Changes of spatial agglomeration pattern of innovation activities in Beijing

表1 北京市各时段创新中心数量和规模的变化

Tab.1 Changes in the number and scale of innovation centers in Beijing at different periods

时段 1991—1995 1996—2000 2001—2005 2006—2010 2011—2015 2016—2020
集聚中心数量（个） 1 1 3 6 12 22
空间规模（km2） 总量 219 219 239 311 373 486
主中心 219 219 216 243 265 324
次中心平均 - - 11.50 13.60 9.82 7.71
创新规模（件） 总量 2357 4439 23728 95430 285726 535104
主中心 2357 4439 20137 84177 235083 431437
次中心平均 - - 1795.50 2250.60 4603.91 4936.52
从分布上看，创新中心呈现内优外拓的演变态势（图3）。在2000年之前，北京市处于单中心极化的创新发展阶段；2001—2005年，在主中心边缘（五环附近）形成2个次中心，多中心结构初显；2006—2010年，中心整合与外围拓展的过程并行，在主中心扩张的同时，四环至六环的北京经开区、石景山园、丰台科技园等产业园区成长为次中心；2011—2015年，次中心继续增加，多数集中于四环往外的东北部地区；2016年以后，围绕主中心的次中心数量继续增加，受“三城一区”等战略实施的影响，次中心的分布范围进一步扩展，如六环外的怀柔等。整个过程中，主中心始终在体系中处于无可匹敌的地位。
图3 北京市创新空间的多中心分布空间演变

Fig.3 Spatial distribution of polycentric distribution of innovation space in Beijing

北京市创新空间结构的形态多中心程度提升有限，说明外围创新空间的发展在缓慢削弱主中心的规模极化优势。图4数据显示，30年来形态多中心指数仅从0.000上升到0.240，反映出创新空间形态结构的演变较为缓慢，次中心的创新规模仍旧不高，导致创新孵化功能发挥不足。其原因可能与次中心有限的集聚能力有关，尽管次中心的数量提升，但是相对于主中心的规模增速较低，从而使得主次中心不均衡的形态结构得以延续。
图4 北京市创新空间结构的多维多中心性变化

Fig.4 Changes of multi-dimensional polycentricity of innovation spatial structure in Beijing

2.3 功能多中心结构的时空演变特征

对功能多中心性的分析从本地与非本地2个方面进行。本地维度下，创新次中心的轮轴功能提升明显，使得北京市创新空间的功能结构从轴向组织逐步转向网络组织（图5）。在2001年后，主次中心之间仅有2条功能联系；此后，随着次中心的增多，创新纵向联系强度与数量逐渐增加，但是创新功能网络的密度仍较低，发育程度不高；次中心间的横向联系极大增强，如2011—2015年北京经开区与电子城、2016—2020年北京经开区与石景山园之间的功能联系均十分紧密。相关指数显示，本地功能多中心性已超过0.5（图4），增速与水平明显高于形态多中心程度，说明次中心轮轴功能的增速超过主中心不完全由于规模集聚的贡献，还受到网络效应的影响。
图5 北京市多中心创新网络的结构演变

Fig.5 Structural changes of polycentric innovation network in Beijing

非本地维度下，创新空间功能结构的多中心程度始终处于低水平（图4）。这说明北京市的门户功能结构严重失衡，主中心的对外门户地位显著，除中关村科学城外的“三城一区”重点创新平台尚未发挥足够外联作用。非本地功能组织的失衡，既与门户功能孕育的高门槛有关，又与主中心强大的门户地位产生的抑制作用有关。结合本地与非本地维度看，创新中心的轮轴功能与门户功能之间欠缺匹配，制约了北京市在全球范围内发挥要素配置能力。

3 创新中心的演变特征与类型

3.1 创新中心的形态与功能演变特征

北京市的创新中心经历了突变、扩张与融合等空间演变过程。其中，主中心持续向北、向东扩张，扩张中伴随着对次中心的兼并，如在2006—2010年兼并清河次中心，在2016—2020年兼并望京、电子城与南磨房等次中心。与此同时，外围地区也不断突变形成新的次中心。经历多年演变，创新中心的形态规模与功能联系得到普遍增长。
分析创新中心的规模与功能位序分布变化，可以揭示其形态与功能的协同演变特征（图6）。①在规模位序方面，除主中心始终位居首位外，其他席次存在较大变动：北京经开区自2015年起稳定位列第二，创新规模实现显著增长；丰台科技园、石景山园、昌平与西山等次中心亦跃居前列。②在功能位序方面，北京经开区自2015年后稳定位列第二，功能联系实现超过60倍的增长。丰台科技园、史各庄、昌平与永丰等次中心保持前列地位，功能联系持续增长。值得一提的是，未来科学城东区Ⅱ在2016年首次亮相便跻身第三位，主要得益于大型创新机构（如国家能源集团新能源技术研究院等）的引入。
图6 北京市创新中心的“规模—功能”位序演变

Fig.6 Scale-function evolution of innovation centers in Beijing

总体而言，早期的创新中心凭借先发优势形成位序优势，尤其是主中心与北京经开区已稳定居于前两位。然而，多数创新中心的形态位序与功能位序并不一致，这说明形态与功能的相互作用关系是反映创新中心演变的关键特征。从整体上看，创新中心“规模—功能”综合位序越高，地均专利产出也越高，成为推动创新中心增长的动力。

3.2 创新中心的类型演替

根据创新中心规模与功能位序的匹配关系，将其划分为三类：形态优先型（图6等序线右侧）、匹配型（图6内等序线之上）与功能优先型（图6等序线左侧）。图7结果显示，①多数创新中心的类型保持稳定：功能优先型拥有的数量最多，尤其是2016年后新出现的次中心较多，说明功能结构的变化往往领先于形态结构；匹配型主要是主中心以及早期被其吸收的部分次中心，还有6个次中心稳定处于形态优先型之中。②部分2016年前出现的创新次中心发生了类型迁移：北京经开区由形态优先型转变为匹配型，形态与功能的耦合性得到提升；昌平等3个次中心由功能优先型迁移至形态优先型，而石景山园经过反复迁移后最终处于形态优先型。以上的类型演变反映出形态与功能在创新空间结构中的互动影响，整体上以功能发育引领形态提升为主。二者的交互关系影响着创新中心的体系位置，是塑造创新空间结构中不容忽视的力量。
图7 北京市创新中心的“形态—功能”类型演变

Fig.7 Form-function type evolution of innovation centers in Beijing

4 北京市创新空间结构的驱动机制与效应

4.1 城市创新空间结构的驱动机制

诸多研究表明[4,6-7,19]，城市创新空间结构的变迁受到政府、市场及社会的共同影响。具体来说，创新人才、创新机构与政府部门等行动者之间的互动关系具有重要意义。鉴于研究目的与数据限制，本文仅挑选若干影响因素，探讨其与多中心性的相关程度。图8显示，所有因素均呈现正向关联。其中，“次/主中心科研机构产出比”指标揭示了科研机构的均衡分布对提升多中心性的积极贡献，尤其是对次中心轮轴功能的促进；“所属中关村园区面积”指标反映了政府创新政策的推动作用；“合作专利占比”指标说明了创新网络的壮大对多中心结构的影响，既包含对功能联系的促进，也包含对形态结构的影响；“次/主中心企业数量比”指标表明市场集聚作用不仅有利于形态发展，对功能发展也存在促进作用；而“次/主中心人口数量比”则一定程度反映了外围人口增长带来的人力资本结构变化的影响。
图8 多中心性的影响因素分析

Fig.8 Analysis of the influence factors of polycentricity

结合创新中心的形态—功能类型演替与上述的相关性分析，进一步总结北京市创新空间结构演变的驱动机制。在北京市内部这一相对稳定的社会经济空间之内，创新人才对就业与生活的需求、创新机构对创新与更好区位的追求以及政府部门对创新产出的促进等作用相互叠加，驱动着创新空间形态与功能组织的演变，加之空间形态与功能组织的相互影响，最终形成日渐多中心的创新空间结构（图9）。
图9 北京市创新空间结构演变的驱动机制

Fig.9 Driving mechanism of innovation spatial structure evolution in Beijing

对于创新人才来说，更为自主的择业观使他们倾向于选择企业集聚地区，以实现多元化就业和技术交流合作。同时，由于对生活品质有较高要求，配套逐步完善但成本较低的次中心地区的人才吸引力逐渐增强。就业和生活需求从个人层面推动了创新中心空间集聚和品质提升，为本地与非本地创新合作提供潜在机会。
对于创新机构来说，高度集聚的主中心迫使许多机构外迁或增设分支机构。出于提高创新能力的目的，创新机构采取联合共建、合作研发等新型合作方式。大型机构甚至通过全球战略布局调整以改善创新区位，融入创新网络。创新追求和区位选择从机构层面为创新中心提供了集聚动力，直接强化了本地与非本地的合作网络。
对于政府部门来说，为实现长期经济增长，采取多种措施刺激创新，包括疏解主中心创新要素、营造高品质空间引导创新机构集聚、建立创新平台加强产业链与创新链的组织完善、实施人才激励政策和创新生态建设以促进创新孵化等。政府的多重促进作用在很大程度上塑造了创新空间的形态格局，并为合作网络发展提供有利条件。
总体来说，三类行为主体的合力推动了空间形态上主次中心的集聚增长与兼并扩张等过程，形成的形态格局将作用于功能组织。这种影响主要体现在3个方面：①作为创新孵化载体，有助于培育更多功能节点；②城市内部的地理邻近性为本地合作提供充足机会；③高品质的空间环境能够吸引更多创新功能节点，拓展功能联系的拓扑结构。
同时，行为主体的互动作用起到本地与非本地合作网络增密、创新中心功能演替等功能组织上的驱动效应，形成的功能格局也将影响其空间形态。主要影响包括：①本地轮轴功能的发展有助于创新中心间的创新分工；②非本地门户功能有助于创新中心在全球范围内的创新要素配置，进而影响原有的形态规模结构；③这些功能的提升将带来更多衍生需求，从而提升创新中心的规模。
综上，在政府、市场和社会的综合作用下，人才、机构、政府部门等多种行动主体积极运作、协同互动，推动北京市创新空间的形态演变和功能演变相互影响，最终塑造出有利于创新效率提升的创新空间结构演化路径。

4.2 城市创新空间结构的效应

已有研究显示，适宜的城市空间结构对城市创新效率有促进作用[15]，二者可能存在倒“U”型关系。为探究这一关系，本文采用一次函数模拟方法分析多维多中心性与北京城市创新的全要素生产率的相关性。结果显示，除去基期阶段，后5个阶段内多维多中心性与创新效率之间均呈现一定正向关系（图10）。这说明研究时段内北京市创新空间结构的作用尚处于倒“U”曲线的左侧，多中心性的改善有助于创新效率的提高。创新效应强弱顺序为非本地功能多中心性、形态多中心性与本地功能多中心性，表明非本地功能多中心性提升具有较强的潜在效应，但创新空间结构对创新效率的长期效应仍有待进一步观察。
图10 多中心结构与北京市创新效率的关系

Fig.10 Relationship between polycentric structure and innovation efficiency in Beijing

5 结论与建议

5.1 主要结论

多中心创新空间结构是大城市创新发展的空间支撑，对提升城市创新绩效具有重要意义。本文通过1991—2020年的专利数据，采用多种方法分析了北京市创新空间结构的多中心程度、驱动机制以及创新效应。主要结论如下：①整体结构层面，多维多中心指数普遍处于增长阶段，本地功能多中心性的提升快于形态与非本地功能维度的多中心性；②创新中心层面，形态—功能演变呈现形态优先型、匹配型与功能优先型三类，并出现类型的演替现象，表明形态与功能之间存在互动影响；③北京市创新空间结构的演变是在创新人才需求、创新机构竞合与政府部门推动等综合作用驱动下，空间形态与功能联系相互影响，最终实现多中心化演变。截至当前阶段，多中心性的提升展现出正向的创新效应，未来北京市仍有必要适当提升多中心程度，提高创新要素配置效率，优化功能分工关系，以更加有序的创新空间结构助力城市创新的发展。

5.2 对策建议

基于上述结论，本文认为可以从如下方面施策来推动北京市创新空间结构朝着形态合理、功能衔接的适度均衡方向发展：
①以“要素疏散”+“功能协作”促进主中心优化发展。适当引导中心地区的高校与大型企业将科研功能疏解至外围，优化本地孵化能力；提升主次中心的分工协作水平，整合轮轴与门户功能，促进主中心的功能升级。
②以“要素集聚”+“网络融入”带动次中心集聚发展。一方面，承接主中心外溢、引进国际资源要素，做强本地创新规模；另一方面，倡导建立创新联盟、行业协会等创新组织，紧密嵌入区域创新链、资金链与产业链，加强门户功能。
③以“生态搭建”+“品质改善”刺激创新基础薄弱地区的提升发展。在通州副中心、房山新城等重点城市功能区，兴建创新城区、创新街区等新型创新空间，从空间品质与创新孵化功能两方面匹配创新人才、创新机构的需求，加速创新集聚发展。
此外，受限于样本量与数据的可获取性等原因，本文对北京市创新空间结构的驱动机制与创新效应的分析结论比较粗浅，缺少更加深入与规范的分析方法。未来可进一步积累专利发表数据、行为主体的属性数据等相关数据，以便深入探究创新空间结构的演变机制，以及对北京市创新效率的长期效应，从而更好地服务于北京市国际科技创新中心建设。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王纪武, 孙滢, 林倪冰. 城市创新活动分布格局的时空演化特征及对策——以杭州市为例[J]. 城市发展研究, 2020, 27(1):12-18,29.

[2]
李迎成, 涂曼娅, 李金刚. 我国创新空间的政策主题及其演变特征[J]. 城市发展研究, 2023, 30(4):9-15,24.

[3]
陈清怡, 千庆兰, 姚作林. 城市创新空间格局与地域组织模式——以北京、深圳与上海为例[J]. 城市规划, 2022, 46(10):25-38.

[4]
段德忠, 杜德斌, 刘承良. 上海和北京城市创新空间结构的时空演化模式[J]. 地理学报, 2015, 70(12):1911-1925.

DOI

[5]
罗震东, 朱查松. 解读多中心:形态、功能与治理[J]. 国际城市规划, 2008(1):85-88.

[6]
李涛, 李云鹏, 王新军. 全球城市区域多中心结构的演化特征、影响因素和政策启示[J]. 城市发展研究, 2020, 27(9):49-57.

[7]
马海涛, 黄晓东, 李迎成. 粤港澳大湾区城市群知识多中心的演化过程与机理[J]. 地理学报, 2018, 73(12):2297-2314.

DOI

[8]
戴宏伟, 杨宏昌. 中国城市群空间结构对科技创新的影响[J]. 经济地理, 2023, 43(12):36-47.

DOI

[9]
商玉萍, 潘洲, 孟美侠. 中国城市多中心空间战略的创新绩效研究——基于集聚经济与舒适度的视角[J]. 经济学(季刊), 2023, 23(3):965-982.

[10]
丁亮, 宋小冬, 钮心毅. 城市空间结构的功能联系特征探讨——以上海中心城区为例[J]. 城市规划, 2019, 43(9):107-116.

[11]
郭嘉颖, 魏也华, 陈雯, 等. 空间重构背景下城市多中心研究进展与规划实践[J]. 地理科学进展, 2022, 41(2):316-329.

DOI

[12]
卓云霞, 刘涛. 城市和区域多中心研究进展[J]. 地理科学进展, 2020, 39(8):1385-1396.

DOI

[13]
李迎成. 大都市圈城市创新网络及其发展特征初探[J]. 城市规划, 2019, 43(6):27-33,39.

[14]
Li Y, Phelps N. Megalopolis unbound:Knowledge collaboration and functional polycentricity within and beyond the Yangtze River Delta Region in China,2014[J]. Urban Studies, 2018, 55(2):443-460.

[15]
马海涛, 徐楦钫, 江凯乐. 中国城市群技术知识多中心性演化特征及创新效应[J]. 地理学报, 2023, 78(2):273-292.

DOI

[16]
李迎成, 朱凯. 创新空间的尺度差异及规划响应[J]. 国际城市规划, 2022, 37(2):1-6.

[17]
李凌月, 张啸虎, 罗瀛. 基于创新产出的城市科技创新空间演化特征分析——以上海市为例[J]. 城市发展研究, 2019, 26(6):87-92,33.

[18]
朱凯. 政府参与的创新空间“组”模式与“织”导向初探——以南京市为例[J]. 城市规划, 2015, 39(3):49-53,64.

[19]
聂晶鑫. 武汉市知识创新活动的地理—网络集聚特征、形成机制及空间优化[D]. 武汉: 华中科技大学, 2022.

[20]
赵思萌, 赵作权, 赵紫威. 中国技术创新的大规模空间集聚与趋势[J]. 经济地理, 2023, 43(11):126-134.

DOI

[21]
何鹤鸣, 张京祥. 链接型空间在产业区创新网络建构中的作用——以无锡、衢州为例[J]. 城市规划学刊, 2022, 66(6):28-35.

[22]
程鹏, 屠启宇. 响应创新发展逻辑的国土空间规划策略[J]. 城市规划学刊, 2022, 66(6):72-79.

[23]
王启轩, 程遥, 许珂玮. 上海市创新空间的演化特征与政策启示——基于专利数据的探讨[J]. 上海城市规划, 2023, 33(2):116-124.

[24]
陈嘉平, 黄慧明, 陈晓明. 基于空间网格的城市创新空间结构演变分析——以广州为例[J]. 现代城市研究, 2018(9):84-90.

[25]
唐永伟, 唐将伟, 熊建华. 城市创新空间发展的时空演进特征与内生逻辑——基于武汉市2827家高新技术企业数据的分析[J]. 经济地理, 2021, 41(1):58-65.

[26]
吴家权, 谢涤湘, 方远平. 珠三角城市群创新空间时空演进特征与影响因素——基于50981家高新技术企业数据的分析[J]. 城市发展研究, 2022, 29(10):34-40.

[27]
唐永伟, 刘合林, 聂晶鑫. 国内城市创新空间识别方法研究进展与展望[J]. 城市发展研究, 2024, 31(5):1-7.

[28]
唐爽, 张京祥. 城市创新空间及其规划实践的研究进展与展望[J]. 上海城市规划, 2022, 32(3):87-93.

[29]
李迎成. 基于创新活动分布视角的城市创新空间结构测度与演变特征[J]. 城市规划学刊, 2022, 66(1):74-80.

[30]
王亮, 陈军, 石晓冬. 北京市科技创新空间规划研究:特征、问题与发展路径[J]. 北京规划建设, 2019, 33(5):147-152.

[31]
甘霖, 陈科比, 徐勤政, 等. 业态创新视角下的新就业形态与空间规划响应——基于北京市典型新职业群体的田野调查[J]. 城市发展研究, 2023, 30(5):72-79.

[32]
张永波, 张峰. 基于企业投资数据的京津冀科技创新空间网络研究[J]. 城市规划学刊, 2017, 61(Sup2):72-78.

[33]
王峤, 刘修岩, 李迎成. 空间结构、城市规模与中国城市的创新绩效[J]. 中国工业经济, 2021, 38(5):114-132.

[34]
李凯克, 钮心毅. 基于非参数分析方法的上海—苏州巨型城市区域就业多中心空间结构研究[J]. 同济大学学报(自然科学版), 2020, 48(10):1395-1405.

[35]
邓智团, 陈玉娇. 创新街区的场所营造研究[J]. 城市规划, 2020, 44(4):22-30.

[36]
聂晶鑫, 黄亚平, 刘合林, 等. 基于社会网络分析的武汉城市圈城镇生活性关联特征[J]. 经济地理, 2017, 37(3):63-70.

[37]
Ma H, Li Y, Huang X. Proximity and the evolving knowledge polycentricity of megalopolitan science:Evidence from China's Guangdong-Hong Kong-Macao Greater Bay Area,1990-2016[J]. Urban Studies, 2020, 58(12):2424-2440.

[38]
王垚, 钮心毅. 长江三角洲城市群核心区的功能多中心特征和规划响应——基于城际出行联系的研究[J]. 国际城市规划, 2021, 36(6):98-108.

[39]
兰海霞, 赵雪雁. 中国区域创新效率的时空演变及创新环境影响因素[J]. 经济地理, 2020, 40(2):97-107.

DOI

[40]
兰海, 吴悦, 王丹. 基于DEA和Malmquist指数的青海省科技创新效率研究[J]. 科技管理研究, 2021, 41(17):40-46.

[41]
卢梦雨, 杨怡轩. 京津冀地区创新效率评价研究——基于DEA-Malmquist指数模型分析[J]. 商业经济, 2024(6):47-49,69.

Options
文章导航

/

〈 〉