EN中文

经济地理 >

2020 , Vol. 40 >Issue 4: 28 - 37

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.04.004

黄河流域高质量发展专栏

基于腾讯人口迁徙大数据的黄河流域城市联系网络格局

  • 刘海洋 ,
  • 王录仓 , ※ ,
  • 李骞国 ,
  • 严翠霞
展开
  • 西北师范大学 地理与环境科学学院，中国甘肃 兰州 730070
※王录仓（1967—），男，甘肃天水人，博士，教授。主要研究方向为城乡发展与规划。E-mail：。

刘海洋（1995—），男，河南漯河人，硕士研究生。主要研究方向为城市发展与城市规划。E-mail：。

收稿日期: 2019-12-15

  修回日期: 2020-04-09

  网络出版日期: 2025-04-08

基金资助

国家自然科学基金项目(41261042)

收起

Spatial and Temporal Patterns of City Connection Networks in the Yellow River Basin Based on Tencent's Big Data of Population Migration

  • LIU Haiyang ,
  • WANG Lucang , ※ ,
  • LI Qianguo ,
  • YAN Cuixia
Expand
  • College of Geography and Environmental Science，Northwest Normal University，Lanzhou 730070，Gansu，China

Received date: 2019-12-15

  Revised date: 2020-04-09

  Online published: 2025-04-08

Fold

摘要

基于腾讯人口迁徙大数据，采用复杂网络分析方法，对黄河流域城市网络联系的区域差异性和空间指向性进行了系统的分析。结果表明：①流域内城市网络密度较低，平均路径较长，与其“承南接北”的区域地位不相匹配。②形成以陇海线、下游黄河干流和包海高铁为轴线的骨干网络，核心—边缘结构突出。③流域内—外联系网络形成两大（郑州和西安）、一小（济南）三个核心，高等级网络以三者为核心节点向域外辐射。强集散能力节点城市集中在“陇海线—下游黄河干流”一线。域外主要联系方向为珠三角和长三角地区。④流域内部网络和内—外联系网络相比，“陇海线—下游黄河干流”和包海高铁一线以东城市优势更为凸显。⑤流域不同地区网络联系的空间指向性差异明显。流域内部联系多指向省会城市，内—外联系的空间指向上存在明显的上中下游分异。

关键词： 城市联系网络; 空间指向性; 腾讯人口迁徙大数据; 黄河流域; 高铁; 核心—边缘结构; 高质量发展

本文引用格式

刘海洋 , 王录仓 , 李骞国 , 严翠霞 . 基于腾讯人口迁徙大数据的黄河流域城市联系网络格局[J]. 经济地理, 2020 , 40(4) : 28 -37 . DOI: 10.15957/j.cnki.jjdl.2020.04.004

Abstract

The Yellow River Basin is a hub region in the south and north of China. With the gradual implementation of the "Yellow River Basin Ecological Protection and High Quality Development Strategy",the flow of factors will inevitably be accelerated and the formation of city networks will be promoted. Based on Tencent's big data of population migration,this paper uses a complex network analysis method to systematically analyze the regional differences and spatial directivity of city network connections in the Yellow River Basin. The purpose is to identify the spatial and temporal patterns of internal and external connections in the Yellow River Basin. Provide decision-making reference for high-quality development of the basin. The results show that: 1) The city network density of the basin is low,and the average path length is long,which does not match its regional status of "contact north and south". 2) Inside the basin,a backbone network is formed with the "Longhai Railway-the main stream of the lower Yellow River" and the Baohai High-speed Railway as the axis,and the core-periphery structure is prominent. 3) The internal and external network of the basin forms two major (Zhengzhou and Xi'an) and one small core cities(Jinan),and the high-level network uses these as the core nodes to radiate out of the domain. The city nodes with strong distributed capacity are concentrated on the "Longhai Railway-the main stream of the lower Yellow River". The main contact directions outside the region are the Pearl River Delta and Yangtze River Delta. 4) Compared with the internal and external networks of the basin,the advantages of the cities along the "Longhai Railway-the main stream of the lower Yellow River" and the east of the Baohai High Speed Railway are more prominent. 5) The spatial orientation of network connections in different regions of the basin has obvious differences. The internal connection networks of various provinces point to the provincial capital,and the spatial orientation of the internal-external connection networks has obvious upper,middle,and downstream differences.

Key words： city connection networks; spatial orientation; Tencent's big data of population migration; Yellow River Basin; high-speed rail; core-periphery structure; high-quality development

黄河流域是我国承南启北的枢纽区域。随着“黄河流域生态保护和高质量发展战略”的逐步实施，必然会加速要素流动，催生城市网络的形成。历史时期，黄河流域长期是我国的中心地带，宋代以后，随着中国经济重心和人口重心逐渐向江淮流域转移，黄河流域趋于沉寂，且区域经济联系不紧和发展不平衡的态势日益严重[1]。在中国流域经济格局中，目前黄河流域对中国经济的贡献度不如长江和珠江流域，国家重大战略布局也较少惠及该区域。流域经济“东重西轻”，自东向西递减，黄河干流及其一级支流渭河、汾河成为经济发展的重要轴线，多极多元核心—边缘空间结构显著[2]。流域经济空间异质性和两极化增强[3]。
黄河流域是中国最早开发的地区，城市发展历史悠久[4]。早在4 000多年前，中下游地区就已出现了城市雏形，从夏代到汉唐，黄河下游是中国最主要的城市分布区，南宋以后，随着中国政治经济中心南移，城市方从繁荣趋向衰落。长安、咸阳、洛阳、开封等在历史时期就是闻名于世的经济政治中心，对黄河流域乃至中国和世界的发展产生了举足轻重的作用。虽然目前流域内郑州和西安相继成为国家中心城市，但对整个区域的带动有限，主要城市产业同构现象严重，相互间缺少分工协作，加之空间分布松散，导致流域城市体系向来处于相对孤立的状态，难以形成有效的联系网络。2019年9月“黄河流域生态保护和高质量发展座谈会”在郑州召开，习近平总书记明确指出这是国家重大战略决策[5-6]。城市是区域的核心，是区域经济社会的组织者和管理者，是流域高质量发展的重心，而人口是流域生态—经济—社会系统中最活跃、最能动的要素，是城市间相互联系的重要因素和外在表现，它的空间分布、迁徙现象会产生“牵一发而动全身”的效应，对调适流域人地关系、重塑流域经济格局、保障流域生态安全和高质量发展发挥着基础性和关键性的作用。因此从人口迁徙角度，能更清楚地刻画流域内外城市间联系及其网络特征。
关于黄河流域城市网络的研究，成果较为丰富，但基本处于各自为阵的状态，且偏好东部城市群和各省区，缺少从流域的角度和高度进行全景式的分析。耿甜伟发现，陕西省城市网络联系水平显著上升，城市间联系强度增强；网络具有明显的层级特征；单中心集聚态势比较显著，空间存在极化现象与趋势；次级主导城市由宝鸡、榆林、咸阳变为咸阳、宝鸡，关中地区城市“话语权”显著上升，而陕北地区则被严重削弱[7]。因此只有通过构造若干层级增长圈，加强各层级增长极的城市建设，利用层级增长极网络的极化效应和回波效应达到推动整个陕西地区经济发展的目的[8]。中原城市群网络以郑州为极核、以洛阳为副中心辐射覆盖全区域，形成3个联系密切的三角区：郑州—开封—新乡、洛阳—济源—焦作、平顶山—许昌—漯河[9]。赵书茂通过构建河南省地级市的Voronoi图发现中北部地区城市相对密集，形成了城市群，从城市配位数和城市空间距离的角度分析，城市网络还存在着“空洞”[10]。城市布局的交通指向型特征明显[11]，高速铁路的时空压缩效应对城市联系产生了深远的影响[12]，而企业合作、行业结构相似、经济制度邻近是影响网络相似性较强的因素[13]。在山东省，济南—青岛双核城市格局显著，城市间孤立分散状态正在被逐渐打破，城市网络流向集中趋势并不明显，网络的“扁平化”特征显著[14]。城市关联结构从“点—线—网”均表现出多中心演化态势，城市网络关联均衡化趋势显现。城市区域内部形成紧密高效的多核心“环形”骨干网络，鲁东、鲁中区内部经济联系的向心性消减，鲁南、鲁西北的内向集中性有所加强[15]。空间距离、行政等级等对城市网络的空间形制和网络权力结构具有影响力[16]。甘肃、青海两省地域广袤，城市发育水平低，空间分布松散，因此多使用交通流来衡量城市网络联系，甘肃省铁路网络与城市体系的规模等级结构高度相关[17]，铁路可达性和经济联系强度优于公路，两者均呈现空间集聚特征[18]。青海公路交通与城镇空间结构网络相互适应，公路网距离可达性形成由湟源、共和及其周边县域向外围逐渐降低的空间格局[19]。银川平原空间网络演进与宏观经济协调发展存在着密切的关系[20]，产业链发挥了关键作用[21]。山西省以太原为中心，呈“大”字型向外辐射的空间联系格局，太原始终占据主导地位，以晋中、吕梁、运城为控制点，形成区域性城市网络，各城市间的信息联系逐渐紧密，城市网络结构逐渐稳定[22-23]。
上述研究虽然为黄河流域城市网络研究提供了借鉴，但缺少全局和流域完整性理念。近年来黄河流域城镇化发展较快，但发展不均衡加剧，一些经济发达城市、资源型城市和省会城市的城镇化水平较高，而传统农区、边缘区域城镇化水平较低，形成典型的核心—边缘结构[24]。从历史维度讲，黄河变迁对城市迁移、城市形态、城市兴衰产生了极为深远的影响，因此不能以现代黄河的自然流域概念来关注黄河影响下的城市研究，而应树立“大黄河”的观念[25]，应将学术视野从省域拓展到流域，打破行政壁垒和行政区经济的窠臼，从联系的角度研究城市网络。鉴于此，本文以整个黄河流域为研究区，以2018年全年365日的腾讯人口迁徙数据为支撑，采用复杂网络分析方法，全景式刻画黄河流域城市网络联系区域差异性和空间指向性。以期为制定黄河流域高质量发展、加强流域内外联动、缩小区域经济差距的区域政策提供决策依据。

1 研究区选择、数据来源与研究方法

1.1 研究区选择

以往的研究[26-27]多根据“以自然黄河流域为基础、尽可能保持地区级行政区划单元的完整性和考虑地区经济发展与黄河的直接关联性”三条原则[2]，来选取黄河流域经济空间的范围，这样选取范围的优点是最大限度地将黄河流域内的行政区域划入进来，本文也采取上述原则，以水利部黄河水利委员会划定的黄河流域范围为基础，选取与流域范围相重叠较大的地区，最终选定区涉及山东、河南、山西、内蒙古、陕西、甘肃、青海、宁夏和四川9个省（自治区）的68个地级市（自治州、盟）。

1.2 研究方法

1.2.1 联系强度、对外联系度与优势流法

联系强度（ R t i j）指两个城市之间联系量的大小，用来表示两节点城市之间联系的紧密程度。本文中i城市和j城市间全年的人口迁徙量之和等于联系强度。
R t i j = ∑ t = 1 n R i j
式中： R t i j表示全年365天i城市和j城市之间的人口迁徙量之和，即联系强度；t为日期； R i j为全年中某日i城市和j城市之间的人口迁徙量。
城市对外联系度（ E）指与城市i/j有联系的联系路径的数量，用于衡量网络中城市节点间发生直接联系的可能性。
E = ∑ i = 1 k ∑ j = 1 k E i j
优势流法是通过某个节点在网络中的较高优势流量来判断该节点在网络中的地位的方法，用此方法可以判断网络中的核心节点。

1.2.2 网络密度

网络密度刻画的是网络中所有节点间联系的稠密程度，具体用网络中的实际联系数量占理论上最多联系数量的比例来衡量[28]。
N d e n s i t y = 2 L n n - 1
式中： N d e n s i t y表示网络密度； L表示网络中的实际联系量；n为网络中的节点数量。

1.2.3 加权出度、加权入度和加权度

加权出度（ d o u t w e i g h t e d）和加权入度（ d i n w e i g h t e d）是将某城市到各城市的流出量（各城市到某一城市的流入量）进行加总处理，加权度（ D w）是加权出度和加权入度之和，本文中用加权度来表示城市节点的集散能力。
d o u t w e i g h t e d = ∑ i = 1 n F l o w i j
d i n w e i g h t e d = ∑ j = 1 n F l o w j i
D w = d o u t w e i g h t e d + d i n w e i g h t e d

1.2.4 集中化指数

借鉴集中化指数的含义[29]来表示城市联系来源构成的集中化程度，计算公式如下：
I = A - R M - R
式中： I为集中化指数； A为洛伦兹曲线下方区域的面积； R为数据均匀分布时洛伦兹曲线中对角线下方三角形的面积； M为数据集中分布时洛伦兹曲线中整个正方形的面积。

1.3 数据来源与处理

1.3.1 数据来源

腾讯人口迁徙大数据来源于腾讯位置大数据平台（https://heat.qq.com/），是腾讯公司根据人们的定位信息得到的人口流动迁徙轨迹。以往的研究表明腾讯迁徙数据以及同类型的百度迁徙数据作为数据源在模拟人口流动迁徙格局[30]和城市网络联系[31]方面是切实有效的。本文采集了2018年1月1日—12月31日共计365天的迁徙数据。中国地图基于自然资源部标准地图服务网站下载的审图号为GS（2019）1823号的标准地图制作，底图无修改。黄河流域边界来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/），2019年1月济南将莱芜合并组成新济南市，但在研究时间段内莱芜仍作为单独的地级市存在，因此本文仍将莱芜作为单独的地级市来处理。
本文共采集到365天609 715条迁徙数据，数据属性包括起（终）点城市、起（终）点城市经纬度坐标、总迁徙量。采用人口迁徙量大小作为城市间网络联系强度。

1.3.2 数据处理过程

将全年黄河流域内各城市的人口迁徙数据进行汇总加和处理，同时对城市间的不同联系方向（起—迄）进行区分，形成“有向”联系。通过对数据的分析，发现流域域内联系仅占域内外联系路径总数的约20%，域内联系路径并不是流域城市间联系的主流。在以往类似的区域流动网络研究中[32-33]，主要局限在域内联系，未能充分注意到域内与域外的联系。为了弥补这一缺陷，并且充分说明黄河流域的发展离不开别的区域的支持，将数据细分为两种情况处理：①起止点均处在黄河流域内，用来衡量域内城市间的联系；②起止点有一个在黄河流域之外，用来衡量流域内、外联系。

2 黄河流域城市网络空间格局

2.1 城市网络结构特征

研究区内城市节点共68个，若两两城市之间均存在联系，那么网络内部最大联系数为4 556条，实际上流域内并不是所有的任意两城市都会有联系，通过整理得到流域内部联系1 278条，整体网络密度仅为0.28，网络密度偏低，说明黄河流域内城市间基于流动迁徙人口的联系较弱。平均路径长度刻画了网络中任意两个城市进行联系时所需的最少边数[34]，反映了城市网络的内部连通度，黄河流域内城市网络的平均路径长度为1.749，同样折射出城市网络的内部连通度还有较大的提升空间。流域内—外联系共涉及365个城市节点，网络密度为0.22，平均路径长度为2.729，网络密度进一步降低，平均路径长度增大，说明黄河流域与外部的联系依然有限，这与黄河流域“承南启北”地位不相匹配。

2.2 城市网络层级结构

2.2.1 流域内部网络层级

在ArcGIS软件中采用自然断点法将城市间联系强度分为四级，并制作城市网络层级图（图1）。一级网络局限于中游地区的晋陕豫三省，以省会为核心，仅联系少数邻近节点城市。二级网络扩展到流域上、下游，包括山东大部分城市，山西忻州和吕梁，陕西延安和宝鸡，内蒙古呼和浩特、包头和乌兰察布，宁夏银川和吴忠，甘肃兰州和定西，基本以黄河干流沿岸城市为节点、省会城市为核心，形成省会都市圈网络。三级网络除了继续围绕省会城市进一步拓展各自的辐射范围外，跨省区联系开始显现，省会城市间（如兰州—西安）、重要节点城市间（如榆林—吕梁）也出现联系，但仅限于相邻省份。四级网络是流域内联系线路最多、密度最大、完整度最高的网络。各省区的边缘城市加入到网络中来，大大提升了网络的整体连通度和覆盖范围。与前三级的高等级（城市级别）、邻近联系不同，四级网络更多地指向低等级、长距离、非相邻联系。
图1 黄河流域内部城市间联系网络

Fig.1 Intercity connection network within the Yellow River basin

总体来看，①网络等级越高、联系范围越小、网络密度越低，网络完整性越差。一、二级网络围绕省会城市形成都市圈联系网络。这与中国城市网络的整体格局（等级越高、核心城市连接度越高、联系范围越大）形成巨大反差，折射出黄河流域城市网络中核心城市辐射带动力较弱、城市孤立性较强的弱点。随着网络等级下移，跨省联系才开始形成，但联系的城市多为实力更加弱小的城市、流量有限，体现为弱联系。②核心—边缘结构突出。一是体现在以省会城市为核心，形成分散式、多中心网络结构，核心城市与邻近地区联系密切，与边缘地区联系较少；二是体现在沿河（黄河干流）沿线（铁路线）核心地带联系强于边缘地带：以“陇海线—下游黄河干流”和包（头）海（口）高速铁路（西安—包头段）为轴线形成骨干网络，其辐射的核心地带联系强度高于其他地区。③上中下游分异相对明显，网络结构特征不同，上游的甘青宁蒙四省区形成以兰州、银川和呼和浩特为中心的三个相互独立的单中心网络；中游的汾渭平原形成以西安和太原为中心的两个单中心网络，网络接入度较低；下游形成以郑州和济南为核心的双核结构，网络一体化程度和内部连通度较高。④省内联系多于省际，狭域性非常显著。省际联系东西方向上相对较多，南北方向上联系松散。
进一步考察流域内城市联系的最大优势流，同样体现出明显的层级分化（图2）。第一层级为西安—咸阳的双向联系；第二层级为西安、太原、郑州与邻近城市的联系；第三层级依旧多指向省会（首府），个别出现在重要节点城市间，如鄂尔多斯—榆林，同样主要局限于省内联系；第四层级突破省界，但涉及城市等级较低、联系强度偏弱。被最大优势流指向频次较多的城市有西安（6）、兰州（5）、太原（5）、西宁（5）、银川（4）、郑州（4）和济南（3），郑州虽然在最大优势流指向次数上稍低，但对最大优势流的集散能力上占据绝对优势。流域内有27个城市无最大优势流指向，沦为网络中的边缘地带。
图2 黄河流域各城市联系最大优势流

Fig.2 The largest dominant flow of cities in the Yellow River basin

依据自然断点法将流域内部联系的城市加权度分级（表1），前两个层级基本上为省会（首府）及其周边重要节点城市为主，而同为首府（省会）的银川和西宁则处于第三层级，前三层级中大部分城市处在流域中下游，而上游的甘青宁三省区的城市基本处在第四层级，这一分布现象虽然与各省区的人口基数有关，但在一定程度上反映了地区人口流动的活力。与流域内、外城市加权度层级进行对比（表2），济南升至第一层级，太原降至第二层级，呼和浩特上升至第二层级，银川和西宁依旧处于第三层级但排名下降，从侧面反映了济南和呼和浩特的外向联系能力更强，太原、银川和西宁较弱。西安和郑州是“流域性”核心节点，联系方向流域内、外并重，其余省会（首府）是“区域性”核心节点。包海高铁以东地区城市联系活跃度大大高于以西地区。
表1 黄河流域城市加权度层级（流域内部）

Tab.1 Hierarchies of weighted degree of city in the Yellow River basin（Within the basin）

层级 城市
1 西安，郑州，太原
2 咸阳，济南，兰州，晋中，新乡，渭南
3 银川，开封，洛阳，榆林，西宁，呼和浩特，吕梁，济宁，泰安，鄂尔多斯，安阳，宝鸡，忻州，临汾，德州，滨州，淄博，包头，焦作，吴忠，延安，菏泽，运城，定西，乌兰察布
4 天水，濮阳，大同，聊城，中卫，长治，三门峡，海西州，朔州，固原，鹤壁，白银，东营，巴彦淖尔，临夏，石嘴山，海东，平凉，晋城，商洛，海南州，庆阳，阳泉，陇南，铜川，莱芜，济源，武威，甘南，海北州，阿拉善盟，玉树州，果洛州，坝州
表2 黄河流域城市加权度层级（流域内、外）

Tab.2 Hierarchies of weighted degree of city in the Yellow River basin（Internal and external the basin）

层级 城市
1 西安，郑州，济南
2 咸阳，太原，兰州，呼和浩特
3 济宁，新乡，晋中，洛阳，开封，渭南，银川，西宁，德州，淄博，泰安，安阳，菏泽，榆林，鄂尔多斯，宝鸡，包头，吕梁，滨州，临汾，忻州
4 聊城，运城，焦作，天水，吴忠，延安，乌兰察布，大同，定西，武威，濮阳，东营，三门峡，中卫，海西州，长治，鹤壁，朔州，巴彦淖尔，白银，固原，临夏，石嘴山，平凉，商洛，海东，晋城，陇南，海南州，阳泉，庆阳，莱芜，铜川，阿拉善盟，济源，甘南，海北州，玉树州，果洛州，坝州
西安联系流构成的集中化指数较高（表3），流量来源较为集中，是包海高铁以东地区集中化指数最高的省会城市。郑州的联系流集中化指数较低。济南在流域内外和流域内部加权度层级不同，反映出城市联系方向较为偏重流域外部，且城市联系构成的集中化指数较低，即来源较为分散。太原偏重于省内和域内联系，城市联系构成的集中化指数相对较高。兰州的加权度层级与集中化指数层级较为匹配，流量来源也较为均衡。呼和浩特也偏向于流域外部联系，集中化指数同样不高。虽然西宁加权度层级较低，但流量来源相对均衡。银川加权度和集中化指数层级均较高，说明其人口活跃度较低，且流量来源非常集中。其余城市的集中化指数均较高，流量来源极度集中。
表3 黄河流域城市联系构成的集中化指数层级

Tab.3 Hierarchies of centralization index of city connections in the Yellow River basin

层级 区间值 城市
1 0.5~0.6 济南
2 0.6~0.7 郑州，兰州，呼和浩特，西宁，太原
3 0.7~0.8 济宁，西安，淄博，运城，聊城，大同，天水，洛阳，
4 0.8~0.9 银川，陇南，包头，东营，三门峡，菏泽，德州，榆林，滨州，忻州，平凉，泰安，乌兰察布，濮阳，庆阳，新乡，鄂尔多斯，长治，海西州，武威，临汾，晋中，咸阳，安阳，阿拉善盟，宝鸡，巴彦淖尔，莱芜，阳泉，定西，晋城，中卫，焦作，开封，白银，果洛州，渭南
5 0.9~1.0 玉树州，鹤壁，吕梁，朔州，固原，石嘴山，济源，海北州，临夏，延安，吴忠，商洛，甘南，铜川，海南州

2.2.2 流域内—外网络层级结构

构建起止点有一个在流域之外的城市网络（图3）。一级网络（图3a）包含了两大（郑州和西安）、一小（济南）三个核心。两大核心城市共同指向流域外的广州和深圳，且西安与北京、上海保持较强的联系。济南仅有一条线路与外部相联系。二级网络中（图3b），郑州、西安和济南是组织内、外联系的枢纽，但相互间的联系强度远弱于与流域外其他城市的联系，太原、呼和浩特和兰州是次一级节点，联系的数量和辐射范围都远远小于前三者；域外联系的空间指向主要包括珠三角、长三角、京津冀、成渝、哈长城市群，尤其是城市群的核心城市。这些区域均为我国的经济核心和人口中心，表现出强大的吸引力。三级网络（图3c）尽管联系范围进一步扩展到东北、西北和西南地区，网络密度提高，但仍具有很强的空间不均衡性，联系流也主要发生在流域内的核心城市与流域外的城市群（除上述城市外，还包括海峡西岸城市群、北部湾城市群和天山北麓城市群）之间。流域内部，西安成为最大的联系枢纽，与太原、兰州和呼和浩特一起呈现单中心辐射结构，郑州和济南为核心的豫鲁两省内部网络连通度较高，呈现以省会为中心的环状网络结构，这与两省地形较平坦和交通基础设施建设水平较高有很大关系。四级网络基本上将黄河流域与中国大部分地区联系起来（图3d），是流域与全国进行联系的基础。
图3 黄河流域城市与全国城市联系网络

Fig.3 Yellow River basin cities and national cities network

由于经济社会发展水平、区位条件、地缘环境、人口基数及人口压力的差异，各城市的迁徙量存在差异（表2），呈现如下特征：①上—中—下游的迁徙量递增，虽然中游的人口迁徙量大于下游，但是下游的城市数量要少于中游；②迁徙量与城市阶序相关，呈现副省级城市—省会城市—地级市递减的态势，副省级城市西安是迁徙量最高的城市；③流域城市迁徙量沿黄带—边缘区递减，沿黄干线城市的迁徙量远大于边缘地区。

2.3 网络联系的空间指向性

黄河流域内各省区的内部联系强度远远高于外部联系强度，且内、外部网络联系的空间指向也不同。为了方便对空间联系的指向性进行归纳分析，以省区为单元，提取各城市联系的共同指向特征（由于四川省只有阿坝藏族自治州处在黄河流域，代表性不强，因此将其剥离出去），对八省区内、外部网络联系的空间指向性进行分析。
提取各省区内部网络联系指向前10位的路径（表4），发现省内联系多发生在省会与邻近城市之间，且基本为双向联系，甚至有些省份前10位指向均与省会有关，如陕西和甘肃，山东和内蒙古则相对弱于其他省区。鲁、蒙、宁、豫四省区内部指向前10位路径的迁徙量占比较低，而其余省份均较高，说明甘、晋、陕、青省内联系对省会依赖性较其他四省强，映射出这些省份的单中心发展特征。
表4 黄河流域省份省内指向前10位路径及迁徙量占比

Tab.4 Top 10 paths and proportion of migration in the Yellow River basin provinces（Intra-provincial）

省份 前10位迁徙路径 占比（%）
河南 郑州—开封，开封—郑州，郑州—新乡，新乡—郑州，洛阳—郑州，郑州—洛阳，郑州—焦作，焦作—郑州，新乡—安阳，鹤壁—安阳 0.62
山东 济南—德州，德州—济南，济南—泰安，泰安—济南，滨州—淄博，淄博—滨州，济南—济宁，菏泽—济宁，济宁—菏泽，济宁—济南 0.53
山西 太原—晋中，晋中—太原，太原—吕梁，吕梁—太原，太原—忻州，忻州—太原，临汾—太原，太原—临汾，临汾—运城，运城—临汾 0.80
内蒙 呼和浩特—乌兰察布，乌兰察布—呼和浩特，呼和浩特—包头，包头—呼和浩特，鄂尔多斯—呼和浩特，呼和浩特—鄂尔多斯，包头—鄂尔多斯，鄂尔多斯—包头，巴彦淖尔—包头，包头—巴彦淖尔 0.53
陕西 西安—咸阳，咸阳—西安，西安—渭南，渭南—西安，宝鸡—西安，西安—宝鸡，西安—延安，延安—西安，商洛—西安，西安—商洛 0.75
宁夏 银川—吴忠，吴忠—银川，石嘴山—银川，银川—石嘴山，银川—中卫，中卫—银川，固原—银川，银川—固原，中卫—吴忠，吴忠—中卫 0.56
甘肃 定西—兰州，兰州—定西，兰州—白银，白银—兰州，兰州—天水，天水—兰州，兰州—临夏，临夏—兰州，兰州—武威，武威—兰州 0.87
青海 西宁—海东，海东—西宁，西宁—海西州，海西州—西宁，西宁—海南州，海南州—西宁，海南州—海西州，海北州—西宁，西宁—海北州，海西州—海南州 0.70
提取各省区对外联系度和优势流前5位省区（表5），发现流域内各省区间的联系存在明显的上中下游分异，上游各省区间彼此联系较多，且多与流域内部联系；中下游正相反。
表5 黄河流域省份外部联系空间指向及贡献度

Tab.5 Spatial orientation and contributions of external relations in the Yellow River basin provinces

省份 对外联系度最强前5位省区及贡献度 优势流前5位省区及贡献度
河南 粤（0.30）、京（0.16）、晋（0.08）、鲁（0.07）、陕（0.07） 粤（0.40）、京（0.21）、沪（0.07）、鲁（0.06）、陕（0.05）
山东 京（0.20）、冀（0.12）、粤（0.10）、黑（0.08）、豫（0.08） 京（0.19）、川（0.13）、冀（0.10）、黑（0.09）、渝（0.09）
山西 京（0.16）、冀（0.15）、陕（0.11）、豫（0.09）、沪（0.09） 京（0.21）、陕（0.13）、沪（0.12）、冀（0.11）、粤（0.07）
内蒙 宁（0.17）、京（0.13）、沪（0.09）、新（0.08）、湘（0.06） 沪（0.19）、陕（0.11）、京（0.10）、湘（0.09）、宁（0.08）
陕西 粤（0.21）、京（0.12）、沪（0.11）、闽（0.09）、甘（0.08） 粤（0.32）、沪（0.19）、京（0.13）、闽（0.09）、川（0.05）
宁夏 甘（0.26）、陕（0.13）、蒙（0.13）、京（0.11）、苏（0.06） 甘（0.18）、京（0.16）、陕（0.11）、苏（0.10）、湘（0.08）
甘肃 陕（0.30）、京（0.12）、新（0.10）、宁（0.09）、青（0.07） 陕（0.28）、新（0.17）、京（0.16）、苏（0.12）、宁（0.04）
青海 甘（0.27）、陕（0.19）、藏（0.12）、新（0.07）、川（0.07） 甘（0.21）、陕（0.19）、京（0.17）、藏（0.13）、新（0.11）

注：贡献度指对外联系度和优势流前5位省（区）分别占各省（区）对外联系度和联系强度的比重。

各省区向流域外联系时，空间指向选择同样差异明显（表5）。河南的最大对外联系度和最大优势流指向均为广东，且第一位的贡献度较高，与第二位相差较大，为所有省区中贡献度最高水平，其余联系较强的省区为北京、山西、山东、陕西和上海，多为北方地区。山东第一位指向北京，对外联系度前5位中除了广东，其余均为北方省份；但优势流前5位的空间格局发生变化，南方的川渝进入，同时值得注意的是无论是对外联系强度还是优势流前5位，均有黑龙江，可见“闯关东”现象遗留下来的山东与东北地区的互动关系仍旧存在。山西和山东类似，第一位均指向北京，只是在优势流方面广东取代了河南。内蒙古的最大对外联系度指向宁夏，表现出典型的地缘邻近性，而最大优势流指向上海，空间远域性特征显著，这与流域其他省份不一致。陕西与河南的第一位空间指向一致，均是广东，最大优势流贡献度也较大，与其他四位相差较大，说明陕西和河南一样均与广东的联系较强，这在前文的网络空间层级结构中已得到证实，陕西与流域其他省份最大的不同是对南方省份的指向较强，对外联系度前5位有三位指向南方省份，优势流前5位中有四位指向南方省份。宁夏第一位指向均是甘肃，对外联系度甘肃的贡献度较大，优势流上贡献稍弱，与第二位的北京相差不大，总体指向以陕甘京为代表的北方地区。甘肃第一位指向陕西，第二位在北京和新疆之间转换，对北方省份的指向仍然较强，第一位的贡献度也远超其他省份。青海第一位指向甘肃，对域外的指向集中在北京、西藏和新疆，依旧是对北方地区的指向较强。

3 结论与讨论

3.1 结论

本文基于腾讯人口迁徙大数据，采用复杂网络分析方法，对黄河流域城市网络结构和层级进行了分析，结果表明：
①流域内城市网络密度较低，平均路径长度较长，与其“承南接北”的区域地位不相匹配。②流域内部形成以陇海线、下游黄河干流和包海高铁为轴线的骨干网络，网络整体呈现多中心结构，上中游形成以省会为中心的单中心网络，下游以豫鲁省会为中心形成双核网络结构。省际联系东西方向上相对较多，南北方向上联系松散。省会（首府）在最大优势流指向上占据优势，偏远城市沦为网络的边缘地带。③流域内—外联系网络形成两大（郑州和西安）、一小（济南）三个核心，高等级网络以三者为核心节点向域外辐射。强集散能力城市节点集中在“陇海线—下游黄河干流”一线。域外主要联系方向为珠三角和长三角地区，联系地区分布具有很强的空间不均衡性。④流域内部和内—外联系网络相比，“陇海线—下游黄河干流”一线和包海高铁一线以东城市优势更为凸显。西安、郑州和济南的核心节点地位相较其他省会城市更加突出，济南与域外联系强度强于域内联系且联系来源更为多元。“陇海线—下游黄河干流”一线的城市节点域外联系能力强于包海高铁一线，包海高铁以东城市联系活跃度大大高于以西地区。⑤流域不同地区网络联系的空间方向具有明显的差异。各省区流域内部联系多指向省会城市，形成甘、晋、陕、青为代表的强依赖省会型省份，豫、宁为代表的中度依赖省会型省区，鲁、蒙为代表的弱依赖省会型省区。流域内—外网络联系的空间指向上各省区存在明显的上中下游分异，上游各省区间多与流域内部地区联系，且彼此联系较多，域外指向多为北方省区；中下游各省区多为域外联系，对流域内联系相对较少，且多对南方省区指向性较强。

3.2 讨论

本文将流动性和关联性要素（人口迁徙）引入黄河流域的研究中，一定程度上弥补了以往研究将社会经济要素“固化”在确定性的空间内、割裂了流域的完整性和连续性的缺陷；改进了以往研究中着重分析区域内部流动性，而忽视内外联动的分析范式。
黄河流域作为我国承南接北的关键地区，但内部网络密度只有0.28，内部连通度较低，影响内部客流、物流和信息流的高效传输，不利于上中下游利益兼顾和推进共同治理。以往研究中提到以黄河为流域的开发轴是开发的首要选择[27]，但本文发现虽然沿河地区多数城市位于网络核心地带，但仅限于下游沿黄带，而上中游城市间的联系相对松散，且沿黄核心地带与边缘地带之间的联系并不强。除此之外，包海高铁也成为流域内最主要的联系轴，但目前并没有引起高度的关注，该联系轴纵贯南北，从流域中腹地带穿过，不仅联系南北、而且辐射东西，因此应强化建设。陕豫鲁三省核心区域是流域经济基础最优越的地区，西安、郑州和济南是流域网络的核心节点，但三大核心城市之间的联系强度（流域内）弱于与域外城市的联系强度，发展的合力不强，应加强这些核心城市间的分工协作关系。流域内部南北方向联系较为松散，黄河南北流向和相关渡口曾在晋商发展过程中起到过独特的影响作用[35]，但是当代黄河航运价值已经大大降低，是否能依靠高效运输载体如高铁和飞机重新加强和构建流域内部南北联系通道，填补流域南北联系不足的短板是下一步将要考虑的问题。
同时也应该看到，黄河流域及所经区域经济发展的基本特征是各具特色、各自为政的行政区经济[36]，由于资源环境条件和产业层次的差异性，各省区间分工协作并不密切，反而存在着较强的对外依赖性，本文在分析流域网络空间指向性时也证明了这一论断。因此，如何在强调差异性发展的同时，建立流域内各省区间有效的分工协作关系，是流域高质量发展必须解决的重大议题。黄河流域与长江流域不同，长江流域中城市联系网络多指向以上海为中心的长三角地区[37]，同时经济联系存在空间梯度临近关联特征[38]。而黄河流域城市联系网络的空间指向具有多向性，既有流域内分散的多中心性，又有流域内、外联系的多空间选择性，因此“无须确定一个‘龙头’开展大规模的龙头城市与龙头功能建设”[36]，而应该清晰把握黄河流域各区域城市联系的空间指向，根据各地区的禀赋有针对性地制定与国内其他区域经济融合的发展政策。黄河流域内部形成两大联系轴线：“陇海线—下游黄河干流”和包海高铁一线，且包海高铁以东地区是流域联系较为活跃的地区，因此未来在保持各地区对外联系多向选择的基础上，应着重发展两大轴线地区，充分重视包海高铁这一南北联系轴线，发挥黄河流域承南启北、东西联动的作用，避免南北和东西差距进一步拉大。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
丁志伟, 刘晓阳, 程迪, 等. 黄河经济带县域城乡收入差距的空间格局及影响因素[J]. 河南大学学报:自然科学版, 2019, 49(1):1-12.

[2]
李敏纳, 蔡舒, 覃成林. 黄河流域经济空间分异态势分析[J]. 经济地理, 2011, 31(3):379-383,419.

[3]
周晓艳, 郝慧迪, 叶信岳, 等. 黄河流域区域经济差异的时空动态分析[J]. 人文地理, 2016, 31(5):119-125.

[4]
李笔戎. 黄河流域城市发展的历史、现状、问题及对策意见[J]. 宁夏社会科学, 1991(2):24-30,77.

[5]
习近平. 在黄河流域生态保护和高质量发展座谈会上的讲话[J]. 实践(思想理论版), 2019(11):5-9.

[6]
苗长虹. 黄河流域发展机遇前所未有[N]. 河南日报, 2019-09-20(7).

[7]
耿甜伟, 李九全. 基于百度指数的陕西省城市网络联系层级结构研究[J]. 河南科学, 2016, 34(7):1166-1172.

[8]
唐传志, 王安民, 张建军. 基于层级增长极网络理论的陕西城市化战略研究[J]. 统计与决策, 2008(24):92-94.

[9]
宋琼, 刘静玉. 产业视角下的中原城市群网络结构研究[J]. 河南科学, 2016, 34(3):424-430.

[10]
赵书茂, 周海燕, 朱刘娟. Voronoi图在河南省城市网络研究中的应用[J]. 测绘学院学报, 2003, 20(3):206-209.

[11]
陈彦光, 罗静. 河南省城市交通网络的分形特征[J]. 信阳师范学院学报:自然科学版, 1998(2):172-177.

[12]
孟德友, 陆玉麒. 高速铁路对河南沿线城市可达性及经济联系的影响[J]. 地理科学, 2011, 31(5):537-543.

[13]
宋琼, 赵新正, 李同昇, 等. 多重城市网络空间结构及影响因素——基于有向多值关系视角[J]. 地理科学进展, 2018, 37(9):1257-1267.

DOI

[14]
李春平. 信息流视角的山东省城市网络特征研究[J]. 干旱区资源与环境, 2015, 29(12):51-56.

[15]
王成, 王茂军. 山东省城市关联网络演化特征——基于“中心地”和“流空间”理论的对比[J]. 地理研究, 2017, 36(11):2197-2212.

DOI

[16]
程遥, 王理. 流动空间语境下的中心地理论再思考——以山东省域城市网络为例[J]. 经济地理, 2017, 37(12):25-33.

[17]
李甜甜, 杨永春. 基于铁路网络的城市体系等级结构分析[J]. 甘肃科技, 2013, 29(12):64-66.

[18]
陈小芳. 基于可达性的甘肃省城市经济联系研究[D]. 兰州: 兰州财经大学. 2018.

[19]
单亮亮. 青海省公路交通与城镇空间结构网络适应性研究[D]. 西宁: 青海师范大学. 2016.

[20]
胡嘉, 段汉明. 城市空间网络与经济协调发展研究方法探索——以银川平原为例[J]. 宁夏工程技术, 2010, 9(4):307-313.

[21]
胡嘉, 段汉明. 产业链视角下的城镇区域空间网络——以银川平原为例[J]. 西北农林科技大学学报:社会科学版, 2011, 11(5):89-95.

[22]
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(4):87-92.

[23]
朱建杰. 山西中心城市网络发展模式研究[D]. 太原: 太原科技大学, 2009.

[24]
郭家睿, 吕可文. 黄河流域城镇化时空格局分析[J]. 郑州轻工业学院学报:社会科学版, 2017, 18(2):68-73.

[25]
吴朋飞, 刘德新. 审视与展望:黄河变迁对城市的影响研究述论[J]. 云南大学学报:社会科学版, 2020, 19(1):69-77.

[26]
王开泳, 张鹏岩, 丁旭生. 黄河流域旅游经济的时空分异与R/S分析[J]. 地理科学, 2014, 34(3):295-301.

DOI

[27]
张鹏岩, 李颜颜, 康国华, 等. 黄河流域县域经济密度测算及空间分异研究[J]. 中国人口·资源与环境, 2017, 27(8):128-135.

[28]
文嫮, 张强国, 粟旭. 基于中国电影产业价值链分工联系的城市网络研究[J]. 人文地理, 2019, 34(2):97-104.

[29]
徐建华. 计量地理学[M]. 北京: 高等教育出版社, 2006.

[30]
潘竟虎, 赖建波. 中国城市间人口流动空间格局的网络分析——以国庆—中秋长假和腾讯迁徙数据为例[J]. 地理研究, 2019, 38(7):1678-1693.

DOI

[31]
赵梓渝, 魏冶, 庞瑞秋, 等. 基于人口省际流动的中国城市网络转变中心性与控制力研究——兼论递归理论用于城市网络研究的条件性[J]. 地理学报, 2017, 72(6):1032-1048.

DOI

[32]
叶强, 张俪璇, 彭鹏, 等. 基于百度迁徙数据的长江中游城市群网络特征研究[J]. 经济地理, 2017, 37(8):53-59.

[33]
李雪铭, 刘贺, 田深圳, 等. 东北三省城市人居活动网络结构及影响因素分析: 基于百度贴吧分析[J]. 地理科学进展, 2019, 38(11):1726-1734.

DOI

[34]
王艳茹, 谷人旭. 长三角地区城市网络结构及其演变研究——基于企业联系的视角[J]. 城市发展研究, 2019, 26(6):21-29,78.

[35]
李小建, 许家伟, 任星, 等. 黄河沿岸人地关系与发展[J]. 人文地理, 2012, 27(1):1-5.

[36]
陆大道. 关于黄河流域高质量发展的认识与建议[N]. 中国科学报, 2019-12-10(7).

[37]
花磊, 彭宏杰, 杨秀锋, 等. 基于腾讯位置大数据的长江经济带人口流动空间分析[J]. 华中师范大学学报:自然科学版, 2019, 53(5):815-820.

[38]
王圣云, 宋雅宁, 温湖炜, 等. 双向联系视域下长江经济带城市群网络结构——基于时间距离和社会网络分析方法[J]. 经济地理, 2019, 39(2):73-81.

Options
文章导航

/

〈 〉