EN中文

经济地理 >

2021 , Vol. 41 >Issue 8: 97 - 105

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.08.012

城市地理与新型城镇化

基于交通信息流的长江经济带城市中心性及其影响因素

  • 雷菁 ,
  • 钟业喜 , ※ ,
  • 冯兴华 ,
  • 吴思雨 ,
  • 钟玉婷
展开
  • 江西师范大学 地理与环境学院&区域发展与规划研究中心，中国江西 南昌 330022
※钟业喜（1973—），男，江西赣州人，教授，博士生导师，研究方向为经济地理与空间规划。E-mail：

雷菁（1980—），女，江西吉安人，博士研究生，研究方向为经济地理、城市与区域规划。E-mail：

收稿日期: 2020-11-27

  修回日期: 2021-03-24

  网络出版日期: 2025-04-13

基金资助

国家自然科学基金项目(41561025)

国家自然科学基金项目(41961043)

收起

Urban Centrality and Its Influencing Factors in the Yangtze River Economic Belt Based on Traffic and Information Flow

  • LEI Jing ,
  • ZHONG Yexi , ※ ,
  • FENG Xinghua ,
  • WU Siyu ,
  • ZHONG Yuting
Expand
  • Regional Development and Planning Research Center& School of Geography and Environment，Jiangxi Normal University，Nanchang 330022，Jiangxi, China

Received date: 2020-11-27

  Revised date: 2021-03-24

  Online published: 2025-04-13

Fold

摘要

识别流空间视角下的城市地位有助于推动区域融合与高质量发展。基于列车班次及百度指数数据在Ucinet及ArcGIS软件支持下，刻画了交通信息流视角下的长江经济带网络密度及城市中心性特征并进一步探讨了其影响因素的差异性。结果显示：①长江经济带城市交通及信息联系均处于弱连接状态，交通及信息要素的联系水平均有待进一步提升；交通网络的省域融合特征开始显现，而信息网络的跨地带联系相对较弱。②交通网络中的城市中心性的等级差异显著，西部地带中心城市的遮蔽效应较强；信息网络视角下的城市交往力的空间分布相对均衡，但中部城市的要素连接作用不强。③信息网络初步形成了相对协调有序的组团格局，而交通网络下的组团联系相对匮乏、城市组团的紊态化发展态势明显。④大部分因子对信息流要素下的城市中心性的影响力均强于交通流网络，交通及信息基础设施建设成为影响交通信息流视角下的城市中心性的主导因子，而单纯的人口规模对城市中心性影响相对较弱。为此，文章提出应积极培育省域边缘地区中心城市、推动中西部地带基础设施建设、构建统一的要素市场与共享平台，以促进长江经济带交通信息要素网络的一体化、协调化发展。

关键词： 流空间; 城市中心性; 交通信息流; 地理探测器; 长江经济带; 一体化发展; 基础设施建设

本文引用格式

雷菁 , 钟业喜 , 冯兴华 , 吴思雨 , 钟玉婷 . 基于交通信息流的长江经济带城市中心性及其影响因素[J]. 经济地理, 2021 , 41(8) : 97 -105 . DOI: 10.15957/j.cnki.jjdl.2021.08.012

Abstract

"Flow" space is one of the hot issues in the study of regional spatial structure,recognizing the city's status from the perspective of flow space helps to promote regional integration and high-quality development. Based on the data of traffic train frequency and Baidu index,this paper analyzes the network density and urban centrality characteristics from the perspective of traffic and information flow applying Ucinet and ArcGIS software,and discusses the influencing factors of urban centrality under the traffic and information network. The results show that: 1) Urban traffic and information connections in the Yangtze River Economic Belt are in a state of weak connection,and the connection level of urban traffic and information needs to be further improved. The provincial integration characteristics of the transportation network are beginning to appear,and the cross-zone connection of the information network is relatively weak. 2) The level of urban centrality in the transportation network is significantly different. The central cities in the western region have strong connection and shielding effects; the spatial distribution of urban communication in the information network is relatively balanced,but the information connection effect of central cities is generally weak. 3) The information network has initially formed a relatively coordinated and orderly group structure,while the group connections under the transportation network are relatively scarce, and the cities in the subgroups have formed a turbulent development trend. 4) Most of the factors have stronger influence on the urban centrality under the information flow element than the traffic flow network. The construction of traffic and information infrastructure has become the dominant factor influencing the urban centrality from the perspective of traffic and information flow,while the scale of pure population plays a relatively weak role in the urban centrality. Therefore,it is necessary to actively cultivate central cities in the fringe regions of the province,promote the construction of infrastructure in the central and western regions,and build a unified factor market and sharing platform,in order to promote the integration and coordination of the Yangtze River Economic Belt.

Key words： flow space; urban centrality; traffic and information flow; Geodetector; Yangtze River Economic Belt; integrated development; infrastructure construction

中心地理论是城镇体系研究的基础理论之一。作为中心地理论中的指标因子，中心性主要从“场域”空间出发刻画中心城市的相对重要程度，在传统的城市等级体系研究中具有重要意义。随着全球化和信息化进程加快，城市间空间相互作用愈加紧密，改变了时间与空间的关系，引发了区域空间关系从“场所空间”孕育的中心地模式向“流”空间塑造的网络化模式转化[1]。在“流”空间中，城市就是各种要素的汇聚场，它在网络中的等级地位取决于其汇集、转换资源能力的强弱，而与传统规模等级的相关性不强，很多中小城市通过某项突出职能和自身的不可替代性在城市网络中扮演着重要角色[2]，成为城市实现弯道赶超和跨越式发展的重要机遇。
随着空间结构研究的转向，城市中心性的研究呈现出新的特点，开始从关注腹地、规模、资源的传统静态式分布向中心流理论探讨的城市调动各种潜在网络资源或信息的控制力的动态式分布转变。在流空间视角下，城市中心性作为新时期区域空间结构研究的重要内容，已逐步成为网络结构特征分析的热点问题。国外相关学者运用城市间的铁路流、港口流、信息流等数据开展城市网络结构与格局研究[4]，为区域空间的相关研究打开了全新的研究视角，但多集中于国家和全球尺度，中观尺度的研究相对不足。国内学者对国家[5]、城市群[6]、省域[7-8]乃至城市内部等多种尺度下的要素网络及其节点中心性进行了一定探讨，揭示了节点在不同空间尺度下的地位变化状况；在网络维度层面，大数据的快速发展为交通[10⇓-12]、信息[13]、企业[14]、创新[15]等要素网络构建提供了实测数据支撑，在刻画区域空间结构研究中得到广泛应用；在研究方法上，呈现出经济学、社会学、统计学等多领域交叉融合的趋势，运用重力模型[16]、社会网络方法[17]、社区结构算法[10]、图论的拓扑特征测算法[18]、递归法[19]等方法进行多层次解析节点中心性。总体而言，在研究视角与方法多元化的今天，城市中心性研究更偏重于从单一要素流透视城市网络结构特征和城市中心性特征，较少探讨多重要素流对于城市网络结构和城市中心性的综合影响和对比，这往往易导致研究结果的片面化或指征意义的不明确等问题。城市网络作为多种物质资源流通在地域空间内的综合反映，不仅包含了交通流还包括人口、信息、资金等多重流要素，各类流要素对时空距离的压缩作用也存在显著差异。因此，有必要立足于不同维度，通过不同的流数据去考量城市间相互作用联系，这不仅有利于准确把握不同维度网络中城市节点的总体发育特征，也有利于认知不同流要素对时空距离压缩效应的差异性。
继中国沿海经济带之后，长江经济带已成为我国最具优势和发展潜力的第二大经济带，将成为引领我国经济高质量发展的生力军，而推动长江经济带发展是关系国家发展全局的重大战略之一。按照国家的顶层设计，要将长江经济带打造成为引领全国转型发展的创新驱动带、东中西互动合作的协调发展带。作为一个横跨我国东、中、西部，包含9省2市的巨型区域，受内部经济发展状况、政策引导差异、要素市场割裂等发展状况影响，要素网络的全域一体化仍远未形成[20]。目前，国内外关于长江经济带的研究多聚焦在流域经济、产业开发、要素资源、区域空间格局、城市群网络结构等方面，基于“流空间”视角，并通过多元要素流探讨长江经济带城市中心性的研究相对较少。不同要素流对时空压缩效应不同，这种不同将导致长江经济带内不同流视角下的城市网络中心性存在显著差异。鉴于此，本文基于交通流及信息流要素构建长江经济带城市联系网络，通过交通流和信息流进行对比研究，尝试探讨不同流空间视角下的长江经济带城市网络中心性发育状况及其影响因素，以期丰富长江经济带流空间网络结构的实证研究，为认知流空间背景下地理网络空间系统特征及促进区域联动发展提供一定参考。

1 数据来源和研究方法

1.1 数源来源

本文的原始数据为长江经济带126个地级及以上城市（自治州以州府所在地代替）间的铁路客运班次、公路客运班次和百度指数。各类型数据结构为126*126的矩阵，共15 750个关系数值。铁路班次数据来源于《极品列车时刻表（2018.03.08版）》，其中：若两城市间无需中转、经停列车班次数量即为两城市间联系强度；若两城市间需中转或无直接中转车站则两城市间联系强度均赋值为0。若城市内出现多个火车站点，则对站点数据进行合并提取。公路班次数据则来源于汽车服务网站“汽车站”（https://www.qichezhan.cn/），利用循环查询从中提取城市间汽车班次数据，数据抓取过程在Python软件平台下进行，并通过随机抽取、交叉检验等方式进行人工校验和修正以确保数据的科学性。因行程均相对固定，均以一天的数据为代表，数据采集时间为2018年5月18日。由于国内学界对于铁路网和公路网以何种权重计入综合交流网，没有一个确定的标准，本文参考刘传明、黄晓燕和程钰等学者的研究成果[21⇓-23]，将铁路网络、公路网络视为同等重要，权重各为0.5。信息网络数据主要采用了百度指数中的搜索指数，它能够科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权和。本文主要采取了长江经济带内两两城市间关注度的年平均数代表城市间信息流强度，数据采集时间段为2018年1—12月。社会经济数据来源于2019年《中国城市统计年鉴》。

1.2 研究方法

1.2.1 社会网络分析

社会网络分析是社会学领域比较成熟的一种方法，被广泛运用于地理学中的经济、交通、信息联系等“流”空间研究中[24]。它将区域联系的网络化过程变得更加直观，量化效果也愈加明显。本文基于Ucinet软件平台定量测度长江经济带内各城市间的综合联系，从整体与个体视角重点探测整体网络、各城市的节点中心性差异等。
①网络密度。该指标用于反映区域网络完善程度及网络中节点之间空间相互作用的紧密程度。网络密度越大，城市间空间联系越紧密、城市网络越趋于完善。计算公式为：
D = ∑ i = 1 k ∑ j = 1 k d ( i , j ) / k ( k - 1 )
式中：D为网络密度；k为城市节点数； d ( i , j )为城市节点i与j间的空间相互作用强度。
②节点中心性。节点中心性主要用于测算节点在网络中的中心地位，比较常用的有程度中心性、中介中心性[25]。程度中心性指的是网络中某节点自身的综合联系能力；中介中心性用来反映某节点对其他节点的控制能力。本文利用程度中心性和中介中心性对长江经济带城市节点交往力和控制力进行计算。计算公式分别为：
C D i = ∑ j = 1 n X i j
C B i = ∑ j n ∑ k n g j k i g j k
式中： C D i为i城市程度中心度； X i j为城市i、j间的空间相互联系强度； C B i为城市中介中心性； g j k为城市j和城市k间存在的捷径数目； g j k i / g j k表示城市i处于城市j和城市k捷径上的概率。
③凝聚子群。凝聚子群是一个含义广泛的子群概念，用于揭示群体内部的子结构，在社会结构研究中得到广泛应用。当网络中某些节点之间联系紧密并形成一个次级群体时，这种团体在社会网络分析中被称为“小群体”，也称凝聚子群[21]。本文的凝聚子群分析以城市间的交通流强度和信息流强度为依据，探讨长江经济带城市的小团体集聚现象，用以体现城市间联系的亲疏关系，进而判断长江经济带信息网络的组织结构演变状况。

1.2.2 地理探测器

空间分异性是指某一属性在不同的区域存在差异的一种现象。地理探测器是探测空间分异性并提示其背后驱动因子、分析变量间交互关系的一种统计学方法，被广泛应用于不同尺度下的自然和社会经济问题研究中[26]。本文运用地理探测器下的因子探测器对长江经济带城市中心性的不同影响因素进行探讨。影响因素的地理探测力值可表示为：
P D . C = 1 - 1 n σ C 2 ∑ h = 1 L n h σ h 2
式中： P D . C为影响因子D对城市中心性C的探测力值；n、 σ C 2分别为整个区域的样本量和方差； n h、 σ h 2为h（ h = 1,2 , ⋯ , L）层样本量和方差。 P D . C的值域区间为[0，1]， P D . C越大，表明D因素对城市中心性的影响越大。

2 结果与分析

2.1 区域网络特征

网络密度反映了网络中节点之间联系的紧密程度。网络密度越大，网络中节点之间的联系越强，反之，则联系越弱。以0为临界值（即存在联系则为1，反之则为0）进行二值化处理，得到长江经济带交通流网络密度为0.38，信息流网络密度为0.47。长江经济带交通与信息流网络均处于弱连接状态，其网络结构紧凑性存在显著差异。在交通流视角下，仅38%左右的城市建立相互联系，而在信息流视角下则有47%的城市存在相互作用关系。相较于信息流而言，交通流仍受制于空间依赖作用，区内存在多个孤立城市，网络联系更为松散。
为进一步探讨省域之间的相互联系，在省域尺度下对城市进行网络化处理并计算其密度（图1）。从省域联系来看，交通联系网络总体呈现出明显的距离衰减性特征。在核心增长极的扩散作用影响下，长三角地区交通一体化建设逐步凸显，江苏、浙江与上海的省际融合特征显著；长江经济带西部地区开始形成以重庆为核心的次级融合区；长江中游地区的鄂、湘、赣三省的省内密度均较高，而省际的联系密度欠佳，这表明长江中游地区呈现出组团化、分散化的发展趋势，一体化进程相对缓慢。在信息网络中，长江经济带已形成以上海、重庆为核心的相对稳固的强联系轴带，且泛化效应显著[27]。以上海为核心的东部地区信息一体化进程显著，而以重庆为核心的信息产业也为其成为西部地区信息网络核心奠定了良好基础。总体来看，无论是交通流还是信息流网络，区内均形成以上海、重庆为核心的两大融合区，长江经济带城市网络初步形成局域一体化格局，但交通、信息流均在不同程度上受制于行政壁垒的固定效应，中西部、东西部联系仍松散薄弱。
图1 长江经济带省域尺度密度图谱

Fig.1 Provincial-scale density map of the Yangtze River Economic Belt

2.2 城市节点中心性特征

2.2.1 城市程度中心度

程度中心度能有效刻画城市在区域网络中的交往能力。交通网络、信息网络下的城市程度中心度的值域区间分别为（0.5，2167.75）和（1587，45194），变异系数分别为1.098、0.714，表明信息网络下的城市度数中心度相对差异较小，城市联系相对均衡。分析其原因是信息流具有的瞬时性、虚拟性及超时空性特征大大加强了信息网络的时空压缩效应，其网络拓展速度明显优于交通流，网络结构相对有序、协调；而交通流主要载体为道路基础设施，其拓展速度相对滞缓，流要素的交互作用在地域空间内的不均衡性更加突出。
交通网络视角下的城市程度中心度显示：上海、南京、杭州、长沙、武汉等区域核心城市位于第一层级，此类城市均为地区乃至整个长江经济带的交通核心枢纽。其中，上海、南京、杭州作为长三角的核心城市，在铁路和公路客运联系网络中均具有较强的交往能力；武汉和长沙作为长江中游地区的核心城市，区位优势明显、整体联系能力较强。第二层级城市多分布于东中部地区，西部地区仅有成都和重庆两个城市跻身第二层级，表明西部地区的交通建设相对滞后，在整个长江经济带中，与其他城市的交往能力相对薄弱。第三、第四层级城市多为省域内枢纽城市和次级枢纽城市，在区域交通网络中处于从属地位或是边缘地区，但其对城市交通网络的拓展以及资源的优化配置仍具有促进作用。从信息网络来看，上海、成都、杭州、武汉、南京、苏州、重庆等城市位于第一层级，信息流总量占比高达15%，是网络内的核心节点城市。此类城市均为长江经济带内三大国家级城市群的核心节点，它们对区域网络骨干支架的构建与拓展以及提升城市群内信息流强度的作用举足轻重。第二层级城市多为东部沿海城市及省会城市，与第一层级城市共同构成了网络骨干支架的核心。第三、第四层级的城市多为省域次级核心城市及一般城市，该类城市经济发展水平整体薄弱、信息基础设施建设相对滞缓，在网络中的信息资源汇聚能力仍有待进一步提升。
无论是在交通网络还是在信息网络中，上海、南京、杭州、武汉都处于第一层级，表明这四大城市是长江经济带的经济中心和综合交通枢纽，在交通流和信息流中均显现出强大的资源汇集能力。此类城市在交通往来、信息交互等方面具有不可替代的主导性和引领性作用。与此同时，由于要素对时空的压缩效应存在显著差异性，交通及信息网络下的城市中心度分布也存在地域差异性特征。例如，张家界、丽江、景洪等省域边缘城市，在交通网络中交往能力薄弱，处于从属和边缘地位；而受旅游资源丰度及其知名度、信息要素虚拟性及超时空性等特征影响，该类城市在信息网络中则处于较高层级（图2）。
图2 长江经济带城市程度中心性空间水平图

Fig.2 The spatial level of urban centrality in the Yangtze River Economic Belt

2.2.2 城市中介中心度

中介中心度是反映节点在网络中的控制能力和连接作用的重要指标。在交通流网络中，昆明、成都与重庆稳居前三，对西部地区的交通网络联系的控制力较强、空间遮蔽效应较大，同时也反映了西部地区交通网络密度较低、可选择路径相对较少的基础设施发展现状；上海、武汉为整个长江经济带中的交通核心枢纽，受经济辐射能力强、地理区位居中等优势影响，对整个交通流网络也具有较强的控制能力。第二层级的城市多为省域核心城市或者是交通核心节点城市，该类城市对局域交通网络的控制力较强。第三、第四层级的城市在交通网络中的路径可替代性较强，网络对该类城市的依赖程度较低，但其对优化城市交通联系路径、提高资源流通速度、拓展交通基础设施网络仍具有重要意义。
信息流网络视角下的城市中介中心度表明：第一层级城市集中分布于长三角地区和西部地区，中部地区城市较少。长三角地区因其信息基础较好、有强大的信息汇集能力，成为信息流的高度集中区域；而西部地区信息流强度较高则多依赖于其相对丰富的旅游资源、相对完善的信息基础资源；中部地区城市虽在地理区位上具有一定优势，但由于信息要素的超时空特征使得其地理区位优势下降，其在信息网络中的控制和链接作用处于弱势地位。值得注意的是，长沙市因其第三产业（文化及娱乐业）发展相对迅速并在全国范围内形成良好的“大事件”效应，其在长江经济带信息网络中具有较高的中介作用（图3）。
图3 长江经济带城市中介中心性空间水平图

Fig.3 The spatial level of urban intermediary centrality in the Yangtze River Economic Belt

2.3 城市层级及组团状况

基于Concor算法的凝聚子群分析，区域网络中存在的小团体集聚和组团现象能够有效反映出来。本文以城市间的交通和信息流强度为依据，分析小团体集聚现象，并根据相关结果判别区域城市的核心组团状况及组团间联系状况（图4）。
图4 长江经济带交通流(a)与信息流(b)凝聚子群拓扑图

Fig.4 Topological diagram of the traffic (a) and information flow (b) of the Yangtze River Economic Belt

从交通网络来看，在二级层面上形成东中部、成渝鄂—云贵湘、川西—黔中、滇西等四大组团；在三级层面上则包含八个子群，地域空间内呈现显著集聚特征。具体来看：以上海、南京、杭州、武汉等东中部核心城市形成的子群，密度最大，在整个长江经济带城市交通网络中，处于核心地位，带动东中部城市的发展。该子群内各节点综合实力强，交通基础设施完善且一体化趋势明显，成为长江经济带交通最发达和资源交换最密集的区域。以西部两大交通枢纽——成都、重庆为核心形成的子群和以云贵湘的省会城市为核心形成西南城市群组团发展，其内部交通网络整体处于成长阶段，但内部交通基础设施一体化发展水平仍有待提升。川西、滇西、滇西南等省域边缘城市形成的子群，受地理区位、自身经济发展以及交通基础设施的影响，在交通网络中基本处于盲区，且区域内缺乏核心枢纽城市的引领带动作用，与其他子群间的空间相互作用联系较弱，群内交通枢纽城市培育与交通联系网络亟需完善。
在信息网络方面，由上海、南京、苏州、武汉、成都、重庆、长沙、昆明、南昌和贵阳10个省会及东部沿海城市组成信息流子群，群内信息流交互作用较好、城市间信息流强度较大，该子群在长江经济带信息网络中处于主导地位，成为区内信息辐射能力最强的区域；香格里拉、大理、安顺、兴义等组成的子群中大部分为旅游城市，该子群内旅游资源相对丰富，知名度较高，其信息汇聚与扩散能力相对较强；云贵、川西地区以及其他省域边缘城市组成的子群信息联系相对较弱且与其他子群联系均处于较低水平，其原因主要是受城市规模偏弱、信息化水平不足等因素制约，在信息网络中处从属地位，子群内城市信息控制力与交往力均有待进一步提升。
总体来看，受流要素的属性特征影响，交通信息流网络形成的子群具有显著差异性。信息要素具有虚拟性、瞬时性及超强渗透性等特征，信息网络内城市间相互作用联系基本超越了场所空间的距离衰减作用，形成了相对协调、有序的组团格局；而交通网络仍受路径依赖作用而呈现出显著的地域差异特征，组团之间联系相对匮乏，子群内城市在空间上形成不连续性、紊态化发展态势。

2.4 长江经济带城市中心性影响因素分析

中心性是区域网络节点所处地位和角色的重要表征，无论是在交通流视角还是信息流视角下的长江经济带城市中心性都呈现显著的空间异质性特征，讨论相关因素在不同流视角下城市中心性空间分异规律对实现城市差异化发展、拓展区域网络等均具有重要意义。根据空间相互作用理论、中心地理论及“流空间”相关理论，本文认为流空间背景下，个体节点与整体网络密不可分，节点存在于整体网络中，节点的角色和地位与区域空间相互作用强度呈现出显著相关性。一般来说，人口和经济发展水平是测度城市质量和区域空间相互作用的基本因子，其通过流通道进行空间集聚和扩散来影响网络内节点的规模及地位，GDP和年末户籍人口2个指标分别代表经济发展水平和人口规模[28]。市场活力、产业结构、资金投入通过城市间的互补作用于区域网络，进而影响城市节点的服务水平和交往能力，社会消费品零售总额、第三产业从业人口、年末金融机构各项贷款余额、公共财政支出分别是反映市场活力、产业结构和资金投入的相关指标[29]。完善的基础设施是空间联系发生的基本前提，是城市间沟通与交流的必要条件，固定资产投资和年末实有公共汽（电）车营运车辆数都反映了一个城市的基础设施[17]。而互联网宽带接入用户数是信息开放水平和信息基础设施建设的直接体现，代表一个城市挖掘信息的能力和接收新事物的速度，成为信息化时代背景下城市网络中心性的重要因素。基于以上分析，本文选取了GDP、第三产业从业人数、年末户籍人口、年末金融机构各项贷款余额、社会消费品零售总额、公共财政支出、固定资产投资、互联网宽带接入用户数、年末实有公共汽（电）车营运车辆数等9个指标来对城市中心性进行影响因子分析。将选取的9个影响因子按照因子平均值的50%、100%及150%将城市依次划分为低水平、中低水平、中高水平和高水平四个层级并进行空间可视化（图5），结果显示：各类因子在区域内存在显著的空间分异和梯度推移特征，东部地带在经济、产业、交通、信息基础设施、市场等各方面均处于较高水平；而在中西部地带，省会城市“一极独大”、省域中心城市带动作用不强、城市等级体系欠合理的发展态势相对明显；省域边缘地带受区位、经济发展及交通基础设施建设相对滞后等多种因素复合影响，各类因子在区域内往往处于较低水平。
图5 长江经济带城市中心性影响因子空间分布

Fig.5 Spatial distribution of urban centrality in the Yangtze River Economic Belt based on different influencing factors

将城市程度中心性和九个网络中心性影响因子导入地理探测器模型中的因子探测模块，计算出各影响因子对城市中心性的影响力值（即q统计量）和因子解释力值（即P值）。q统计量越大，表明该因子对城市中心性的影响力越强，反之，则越弱；P值越大，表示该因子影响城市中心性的解释力越小，反之，则越大。
分析结果显示（表1），对交通流网络影响较大的因子（q>0.6的因子）依次是：年末实有公共汽（电）车营运车辆数（0.68）、社会消费品零售总额（0.61）、公共财政支出（0.61）、年末金融机构各项贷款余额（0.60）。由此可知：营运车辆数对交通网络的连接和控制能力的影响最突出，社会消费品零售总额、公共财政支出及年末金融机构各项贷款余额对交通流视角下的城市程度中心性影响力均在0.6以上，表明市场活力、行政能力及资金投入对区域交通网络拓展及城市交通基础设施建设的影响相对较大。
表1 长江经济带城市中心性影响因素地理探测器结果表

Tab.1 Results of urban centrality in the Yangtze River Economic Belt based on Geodetector

影响因子 交通流程度中心度 信息流程度中心度
q统计量 p值 q统计量 p值
年末实有公共汽（电）车营运车辆数 0.6841 0.000 0.5965 0.000
公共财政支出 0.6149 0.000 0.6995 0.000
社会消费品零售总额 0.6130 0.000 0.7001 0.000
年末金融机构各项贷款余额 0.6060 0.000 0.7067 0.000
第三产业从业人员 0.5657 0.000 0.7194 0.000
GDP 0.5505 0.000 0.6414 0.000
固定资产投资 0.5319 0.000 0.6323 0.000
年末户籍人口（万人） 0.5090 0.000 0.6039 0.000
互联网宽带接入用户数 0.4803 0.000 0.7272 0.000
对信息流网络影响较大的因子（q>0.7的因子）依次是：互联网宽带接入用户数（0.73）、第三产业从业人员（0.72）、年末金融机构各项贷款余额（0.71）、社会消费品零售总额（0.70）。由此可知：互联网宽带接入用户数对信息网络交往能力及其网络链接效益影响最为显著。第三产业从业人员数、年末金融机构各项贷款余额、社会消费品零售总额等因子对信息网络背景下的城市中心性的影响力均在0.7以上，显示了第三产业发展（尤其是信息服务业）、资金投入及市场活力对信息资源的汇聚及扩散存在显著影响。
相较于交通流网络，大部分因子对信息流要素下的城市中心性的影响力均处于较高水平，而不同要素流网络下的城市中心性的主导影响因子也存在差异性。需要说明的是，无论在交通网络还是信息网络中，人口规模对城市中心性的影响均较弱。
基于上述分析，本文认为应从增长极培育、基础设施完善、要素壁垒破除、城市活力提升等方面提升长江经济带城市中心性，推动长江经济带要素网络的一体化发展。具体来看：①积极培育省域边缘地区中心城市、提升城市活力，增强省域边缘城市对要素的集聚与扩散能力。省域边缘城市在交通及信息网络中多处于从属地位，加强边缘地区中心城市的培育不仅有利于打造网络的核心节点及省域边缘网络的融入，也有利于长江经济带城市网络的拓展。省域边缘城市应积极提升城市规模，推动产业转型发展，培育特色优势产业，积累城市的原生活力；同时，通过确立西部纵向关联轴带，完善立体交通网络及信息基础设施提升边缘城市的外向联系水平。②推动中西部地带基础设施建设，促进中西部地带全面融入长江经济带一体化发展格局。中部地区应充分利用承东启西的区位优势，以产业、基础设施、要素市场一体化推动长江中游城市群建设，承接长三角地区信息及产业结构转移，释放区位对要素资源的“凸透镜效应”；西部应加大交通、信息等基础设施建设的投入，提升科技水平和创新意识，加强信息化与其他产业的融合发展。③构建统一的要素市场与共享平台，破除行政壁垒效应。受社会经济发展、区位等多重要素影响，长江经济带交通及信息网络一体化远未形成，上游板块与中下游板块存在明显的要素割裂和行政壁垒。为此，应加大现代化基础设施同建共享，加强市场的自由流通与开放，推动社会经济要素跨界自由流动，使资源在区域内得到合理有效的配置，促进带内各板块间的协同发展。

3 结论与讨论

本文基于交通流和信息流双重视角，借鉴空间分析及社会网络分析方法刻画长江经济带城市网络结构及城市中心性的空间分异特征，并对城市中心性的影响因素进行深入探讨，得到以下结论：
①在交通及信息网络中，长江经济带城市联系均处于较弱连接状态，城市间要素联系有待进一步提升。交通网络中，省域融合特征开始显现，长江中游地区空间组织结构相对松散；信息网络虽具有超时空特征，但信息的跨地带交互作用仍然薄弱。
②在程度中心度视角下，交通网络中的城市程度中心性的等级差异显著，西部地区城市的交往能力明显弱于东中部地带；而信息网络中的城市程度中心性则分布相对均衡、有序。在中介中心度视角下，交通网络中的各城市控制力差异较大，西部地区中心城市的连接作用和遮蔽效应较高；在信息网络中的东西部城市控制力较强，而中部城市的连接作用较弱。
③受流要素的属性特征影响，长江经济带交通及信息流网络形成的子群存在显著差异，要素分割及行政壁垒仍然存在。信息网络在地域空间内初步形成了相对协调、有序的组团格局；而交通网络下的城市联系具有空间异质性特征，组团之间联系相对匮乏、子群内城市在空间上形成不连续性、紊态化发展态势。
④不同要素流网络下的城市中心性的主导影响因子也存在一定差异，营运车辆数对交通网络城市中心性起着决定作用，而互联网宽带接入用户数是影响信息流视角下城市中心性最重要的因素之一。大部分因子对信息流要素下的城市中心性的影响力均强于交通流网络；而单纯的人口规模对交通信息网络下的城市自身交往能力及其空间链接作用影响较小。
⑤为进一步完善长江经济带城市网络，提升流空间背景下的城市中心性，本文从增长极培育、完善基础设施建设及统一要素市场构建等方面提出相关对策建议。具体包括：积极培育省域边缘地区中心城市，提升城市活力，增强省域边缘城市对要素的集聚与扩散能力；推动中西部地带基础设施建设，促进中西部地带全面融入长江经济带一体化发展格局中；构建统一的要素市场与共享平台，破除行政壁垒效应。
本文基于多元要素流数据对长江经济带城市中心性进行深入分析并对其影响因素进行初步探讨，不仅丰富了中心性研究的案例与维度，也对促进流域经济带网络一体化发展提供一定的科学依据。同时，受限于历史数据获取难度较大，本文未能基于时序数据深入剖析长江经济带流空间的时序演化过程及其动力机制，而基于长时间序列的演化过程分析更有利于揭示流空间组织模式，这些都有待于在接下来的研究中不断深化。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Taylor P J. Urban economics in thrall to Christaller:A misguided search for city hierarchies in external urban relations[J]. Environment and Planning A, 2009, 41(11):2550-2555.

[2]
赵梓渝. 基于大数据的中国人口迁徙空间格局及其对城镇化影响研究[D]. 长春: 吉林大学, 2018.

[3]
Taylor P J, Catalano G, Walker D R F. Measurement of the world city network[J]. Urban Studies, 2002, 39(13):2367-2376.

[4]
Lordan O, Sallan J M. Core and critical cities of global region airport networks[J]. Physica A:Statistical Mechanics and Its Applications, 2019, 513:724-733

[5]
陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式[J]. 地理学报, 2017, 72(2):224-241.

DOI

[6]
邱坚坚, 刘毅华, 陈浩然, 等. 流空间视角下的粤港澳大湾区空间网络格局——基于信息流与交通流的对比分析[J]. 经济地理, 2019, 39(6):7-15.

[7]
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.

DOI

[8]
冯兴华, 修春亮, 白立敏, 等. 基于公路交通流视角的吉林省城镇中心性及影响因素[J]. 经济地理, 2019, 39(1):64-72.

[9]
周一星, 胡智勇. 从航空运输看中国城市体系的空间网络结构[J]. 地理研究, 2002(3):276-286.

[10]
焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究——基于铁路客运班列分析[J]. 地理学报, 2016, 71(2):265-280.

DOI

[11]
冯兴华, 修春亮, 刘志敏, 等. 东北地区城市网络层级演变特征分析——基于铁路客运流视角[J]. 地理科学, 2018, 38(9):1430-1438.

DOI

[12]
王姣娥, 杜德林, 金凤君. 多元交通流视角下的空间级联系统比较与地理空间约束[J]. 地理学报, 2019, 74(12):2482-2494.

DOI

[13]
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.

[14]
赵新正, 李秋平, 芮旸, 等. 基于财富500强中国企业网络的城市网络空间联系特征[J]. 地理学报, 2019, 74(4):694-709.

DOI

[15]
马妍, 薛峰, 孙威, 等. 海峡西岸经济区城市网络特征分析——基于功能网络与创新网络的视角[J]. 地理研究, 2019, 38(12):3010-3024.

DOI

[16]
顾朝林, 庞海峰. 基于重力模型的中国城市体系空间联系与层域划分[J]. 地理研究, 2008(1):1-12.

[17]
李卓伟, 王彬燕, 王士君, 等. 基于多元流的走廊地带城市网络联系分析——以辽西走廊为例[J]. 经济地理, 2020, 40(10):74-82.

[18]
杨文龙, 杜德斌, 游小珺, 等. 世界跨国投资网络结构演化及复杂性研究[J]. 地理科学, 2017, 37(9):1300-1309.

DOI

[19]
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

[20]
钟业喜, 冯兴华, 文玉钊. 长江经济带经济网络结构演变及其驱动机制研究[J]. 地理科学, 2016, 36(1):10-19.

DOI

[21]
刘传明, 曾菊新. 县域综合交通可达性测度及其与经济发展水平的关系——对湖北省79个县域的定量分析[J]. 地理研究, 2011, 30(12):2209-2221.

[22]
黄晓燕, 曹小曙, 李涛. 海南省区域交通优势度与经济发展关系[J]. 地理研究, 2011, 30(6):985-999.

[23]
程钰, 刘雷, 任建兰, 等. 县域综合交通可达性与经济发展水平测度及空间格局研究——对山东省91个县域的定量分析[J]. 地理科学, 2013, 33(9):1058-1065.

DOI

[24]
钟业喜, 吴思雨, 冯兴华, 等. 多元流空间视角下长江中游城市群网络结构特征[J]. 江西师范大学学报:哲学社会科学版, 2020, 53(2):47-55.

[25]
刘军. 社会网络分析导论[M]. 北京: 社会科学文献出版社, 2004.

[26]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[27]
冯兴华, 钟业喜. 长江经济带城市网络结构演变特征[J]. 学习与实践, 2018(10):46-55.

[28]
何胜, 唐承丽, 周国华. 长江中游城市群空间相互作用研究[J]. 经济地理, 2014, 34(4):46-53.

[29]
郭卫东, 钟业喜, 冯兴华, 等. 长江中游城市群县域公路交通网络中心性及其影响因素[J]. 经济地理, 2019, 39(4):34-42.

Options
文章导航

/

〈 〉