EN中文

经济地理 >

2019 , Vol. 39 >Issue 5: 101 - 109

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.05.012

城市地理与新型城镇化

基于百度迁徙数据的长春市春运人口流动时空格局与动力机制

  • 冯章献 , 1 ,
  • 张瑜 1 ,
  • 魏冶 1 ,
  • 赵梓渝 2 ,
  • 庞瑞秋 1 ,
  • 王士君 , 1, ※
展开
  • 1.东北师范大学 地理科学学院，中国吉林 长春 130024
  • 2.青岛大学 旅游与地理科学学院，中国山东 青岛 266071
※王士君（1963—），男，黑龙江延寿人，博士，教授，博士生导师。主要研究方向为经济地理和城市地理。E-mail：。

冯章献（1982—），男，安徽合肥人，博士，硕士生导师。主要研究方向为城市与区域发展。E-mail：。

收稿日期: 2018-10-19

  修回日期: 2019-03-27

  网络出版日期: 2025-04-20

基金资助

国家自然科学基金项目(41571150)

国家自然科学基金项目(41630749)

国家自然科学基金项目(41801153)

收起

Spatial-Temporal Pattern and Dynamic Mechanism of Population Flow of Changchun City During Chunyun Period Based on Baidu Migration Data

  • FENG Zhangxian , 1 ,
  • ZHANG Yu 1 ,
  • WEI Ye 1 ,
  • ZHAO Ziyu 2 ,
  • PANG Ruiqiu 1 ,
  • WANG Shijun , 1, ※
Expand
  • 1. School of Geographical Sciences，Northeast Normal University，Changchun 130024，Jilin, China
  • 2. School of Tourism and Geography Science，Qingdao University，Qingdao 266071，Shandong, China

Received date: 2018-10-19

  Revised date: 2019-03-27

  Online published: 2025-04-20

Fold

摘要

基于2015年春运期间长春市与省外城市的人口迁移数据，结合GIS空间表达、自然断裂法、等级钟等方法，分析长春市人口流动的层级特征、空间格局、时序特征及动力机制。研究表明：①春运期间其他城市与长春市间的人口流动具有明显的层级特征，高层级城市的组成遵循拉文斯坦的经济律，低层级城市的空间布局遵循距离律。②长春春运人口流动高度集中于“胡焕庸线”以东区域，其中长春人口联系的重点区域集中于京津冀与长三角地区且分布形态呈现出金字塔式层级分布结构。③春节前后人口流动存在差异，节前迁移城市集中化，节后迁移城市多样化和分散化。④经济律和距离律在人口迁移中起核心作用，而地理认同、适应性及部分特殊城市的特殊职能对迁移方向也存在明显影响。⑤长春市承担吉林省人口流出的门户功能。⑥百度迁徙数据在人口流动研究中具有很好的表征作用，但仍然存在偏向和缺乏个体信息等固有缺陷。

关键词： 人口流动; 春运; 百度迁徙数据; 等级钟方法; 地理认同

本文引用格式

冯章献 , 张瑜 , 魏冶 , 赵梓渝 , 庞瑞秋 , 王士君 . 基于百度迁徙数据的长春市春运人口流动时空格局与动力机制[J]. 经济地理, 2019 , 39(5) : 101 -109 . DOI: 10.15957/j.cnki.jjdl.2019.05.012

Abstract

Baidu migration data provides a new research tool for quantitative analysis and depicting the population spatial flow during a specific period. Based on the population flow data between Changchun City and cities in other provinces during the 2015 Spring Festival, combining with GIS spatial expression, natural break and Rank Clock Method, this article analyzes the hierarchy of population flow characteristics, spatial patterns and temporal characteristics and dynamic mechanism in Changchun City. Research shows that: 1) During Chunyun period, the population flow between Changchun and other cities has obvious hierarchy characteristics, composition of high-level cities follows Ravenstein’s economic law, spatial distribution of low-level cities follows Ravenstein's distance law. 2) Population flow of Changchun highly gathers in the east of Hu Huanyong line. Besides, main areas of Changchun's population flow distribute in the Yangtze River Delta region and the Beijing-Tianjin-Hebei region, it presents pyramid hierarchy distribution structure. 3) The population flow before and after the Spring Festival are quite different. The population flow is in the centralized distribution ahead of the festival and in the diverse and scattering distribution after the festival. 4) Economic law and distance law on the population migration play a central role, and the geographical identity, the adaptability and some special functions of special cities obviously effect on the migration directions. 5) Changchun City undertakes the population outflow portal function in Jilin Province. 6) Baidu migration data in the study of population flow has a good characterization of role, but it still has inherent defects such as a bias and lack of individual information.

Key words： population migration; Chunyun; Baidu migration data; Rank Clock Method; geographical identity

人口流动是区域社会经济活动的重要表征和载体，城市间的大规模人口流动一定程度上体现了城市间的功能关联，也是流空间的重要体现。国内外众多学者曾尝试利用空间交互模型、辐射模型对人口流动的时空特征进行了深入研究。在理论研究方面，拉文斯坦的“迁移定律”最为经典，拉文斯坦认为改善自己的经济状况是人们进行迁移的主要动因，并对人口迁移的机制、结构、空间特征规律分别进行了总结，提出了著名的人口迁移七大定律[1]（表1）。在拉文斯坦之后，西方学者纷纷从人口地理学、政治经济学、发展经济学等诸多学科出发，提出相应的人口迁移理论，其中包括“推—拉”理论、新古典经济学理论、双重劳动力市场理论、哈里斯—托达罗模型、年龄—迁移率模型等。相比之下，国内人口迁移理论研究相对滞后，多数研究仍然围绕国外传统理论框架展开。
表1 拉文斯坦“迁移定律”

Tab.1 The laws of migration by Ravenstein E G

研究领域 具体定律 定律内涵
迁移机制 经济律 为了提高和改善生活质量而进行迁移
城乡律 乡村居民比城镇居民迁移可能性要大
迁移结构 性别律 女性迁移以短距离为主，且相对于男性迁移倾向更强
年龄律 各年龄段，人口迁移的倾向是不同的，青年人是人口迁移的主体
空间特征 距离律 移民的数量分布随着距迁入中心距离的增加而减少
递进律 中心城市吸纳乡镇人口所造成的空缺，将由乡镇周边更远地区的居民所填补，直到中心城市的吸引力波及到最偏远的角落
双向律 迁移的流向不是单向的，每一股主流都伴随相应逆流存在
在实证研究方面，国外研究主要集中在人口迁移的空间特征、政策研究、原因和影响因素以及与城镇化的关系等[2⇓⇓⇓⇓⇓⇓-9]，国内研究则主要关注人口迁移的统计属性、空间分布、影响素、与城镇化关系，以及人口迁移对区域经济发展和生态环境的影响等问题[10⇓⇓⇓⇓-15]，还有部分学者从流空间视角基于人口流动开展城市网络的相关研究[16]。伴随着中国人口流动规模逐步扩大，特别是省级人口流动的迅速增加，人口的跨省流动成为推动区域经济空间重构，加速和重塑我国城镇化进程及空间格局的重要动力因素，地理学者开始关注我国人口跨省流动的时空格局及影响机制[17⇓-19]。
人口流动领域的传统研究主要基于人口普查数据和1%人口抽样调查数据以及历年的各级行政单元的统计年鉴数据，这类静态数据无法反映出我国当前剧烈的人口空间格局演变，以及在其基础上的城市与区域空间重构，并严重缺乏动态性和实时性，其最大的缺陷是无法直接反映城市间的人口流动的真实方向和格局特征，仅能通过多年的累积效应来推测可能的聚集方向和宏观的人口来源。与之相对，部分学者基于传统行为调查数据开展研究，其研究尺度和空间准确性受到样本数量的严格限制，很难达到预期的研究效果。在信息化高速推进的新时代背景下，居民作为个体直接参与了信息的产生和传播，特别是基于手机等便携智能终端的移动互联网时代的到来，基于海量个体的时空间行为的追踪和表征第一次成为可能。2014年1月26日，“百度地图人口迁徙大数据”（简称“百度迁徙”）正式上线引起了学术界的广泛关注。“百度迁徙”依托百度云数据分析平台，基于定位服务（location based service，LBS）大数据进行计算分析，通过手机用户的定位信息实现个人地理空间移动的可视化，从而整合体现不同时间尺度内人口流动的空间节点和不同节点之间的流动规模，进而勾勒出中国人口大迁徙的轨迹与特征。从“百度迁徙”中可以公开获取全年某一时间节点我国各城市对外人口流动的主要方向与相对大小，为研究城市或区域之间的人口联系提供了良好的一手数据资料。基于百度迁徙数据的明显优势，部分学者开展了基于该数据的城市网络研究、春运人口流动不均衡研究等工作[20⇓⇓-23]，这些研究都是基于整体结构特征开展，格局研究较多，对于机制的探讨偏少，而基于单个城市分析具体人口流动态势和机制的研究成果更是相对匮乏。
近年来东北人口的持续外流成为公众关注的焦点，改革开放以来，东北地区人口从长期的净流入变成了净流出，“五普”到“六普”的人口统计数据显示，2000—2010年的十年间东北三省人口净流出约180万。包括人口流失在内的人口问题成为东北振兴的核心问题之一，在此背景下，部分学者开展了对于东北地区人口空间格局变动以及人口流动的相关研究[24]。
春运是中国传统节日春节前后的超大规模人口流动，2015年中国春运人流量达到28.09亿人次，对于广大中国民众而言，不论身在何方，总有强烈的“乡愁”萦绕，春节回家过年已成为一种基本的情感诉求，这使得“春运”对中国城市与区域人口迁移具有重要的指示意义。春运人口流动是城市与区域间人口迁移的缩影和集中反映，可以通过春运人口流动来透视更长时间轴的人口迁移状况。本文选用东北四大城市之一长春市作为研究案例，通过研究“春运”期间长春与省外城市之间人口流动的实测数据，探讨长春与省外城市的人口流动空间格局特征，并尝试分析形成当前时空特征的主要因素及其作用机制，为相关研究提供新的研究视角和有益探索。

1 研究区域、数据来源与研究方法

1.1 研究区域

本研究选择东北地区典型的内陆中心城市长春市作为研究案例区域。长春市是吉林省省会，位于中国东北地区的中心区位，哈大城市带核心位置，是中国重要的汽车工业、轨道交通工业、农产品加工业基地和科教文城市。2015年末常住人口为779.6万人，同第五次全国人口普查时的713.5万人相比，15年共增加66.1万人，增长9.3%，年平均增长率为0.6%。

1.2 数据来源

研究使用的数据源于百度地图提供的百度迁徙数据。百度网络基于百度慧眼技术，对我国手机用户定位信息进行挖掘、整合，进而实现人口空间位移可视化，最终以百度迁徙视图和迁入、迁出城市百分比数据呈现，最终成果可以表征某一时间段内人口流动的强度和方向性。本文采用数据时间段是从2015年2月7日（农历2014年腊月十九）至2015年3月3日（农历2015年正月十三），是春运期间人口流动最为集中的25天。百度地图每一小时更新一次数据，更新的数据为该时间点前八小时内春运人口流动的变动情况，包括某一城市的迁入和迁出城市前十位的人口百分比。研究使用上述25天，每天24次更新的连续记录，迁入迁出数据记录均有6 000条，数据以百分比的形式表现出城市间在某一时间段内相对人口流动状况。

1.3 研究方法

1.3.1 自然断裂法

自然断裂法（Natural Breaks）是基于数据本身存在断点这一特点，对数据进行分类的分析方法，这一方法也是地图分级算法之一，被应用于ArcGIS的应用模块中。该算法的原理是基于数据聚类，聚类结束条件是组间方差最大、组内方差最小。这一分类分级方法可减少人为因素的干扰，尽量根据数据的特点进行分级。

1.3.2 等级钟方法

英国学者Batty最先系统地使用等级钟（Rank Clocks）理论，主要用于揭示城市等级规模的时序演化过程[25]。该研究方法的重点在于选取恰当的指标或标准衡量城市在某一时间段内每个时间点上的位序。等级钟曲线在图中的位置越靠近中心，说明位序越靠前，即曲线靠近或远离中心，表征位序的提升和降低。这一方法可用于分析某一现象的时间变化特征。

2 长春市春运人口迁移特征分析

2.1 明显的层级结构与空间集聚特征

对于每一个采样时刻，出现在前十位名单上的迁入和迁出城市是不尽相同的，将所有采样时刻的前十位迁入与迁出城市进行出现频次的累计计算，并将这些城市按累计出现频次的大小进行排序即可得到迁出与迁出城市的频次统计表（表2、表3）。出现频次越多，说明与长春市的联系之间的联系越密切。在研究期内，人口流动迁入长春的出发地城市有100座（只核算前十位，下同），而从长春迁出的城市有88座，迁入与迁出均包含的有72座，总体来看长春人口迁入与迁出方向具有很大的对称性和重合性。
表2 长春市2015年春运期间迁入城市前10位频次统计

Tab.2 The frequency statistics for Changchun City's top 10 immigration cities during the Chunyun period in 2015

城市 频次 城市 频次 城市 频次 城市 频次 城市 频次 城市 频次 城市 频次
哈尔滨 600 三亚 85 烟台 21 珠海 5 常州 3 张家口 1 南昌 1
北京 600 成都 81 济宁 21 泰安 5 淄博 2 运城 1 连云港 1
天津 550 济南 63 邯郸 19 威海 4 周口 2 宜春 1 呼和浩特 1
上海 543 杭州 62 德州 18 铁岭 4 中山 2 阳泉 1 衡阳 1
沈阳 497 重庆 61 徐州 16 泰州 4 枣庄 2 扬州 1 阜阳 1
通辽 430 兴安盟 58 临沂 15 滨州 4 新乡 2 盐城 1 东营 1
青岛 389 石家庄 54 聊城 14 邢台 3 万宁 2 宿州 1 东莞 1
深圳 382 郑州 50 莆田 9 商丘 3 濮阳 2 信阳 1 池州 1
苏州 230 潍坊 48 泉州 8 厦门 3 洛阳 2 乌鲁木齐 1 潮州 1
广州 202 沧州 40 赤峰 8 南通 3 陵水 2 太原 1 安庆 1
唐山 112 保定 38 无锡 7 莱芜 3 衡水 2 绍兴 1
秦皇岛 110 西安 35 温州 7 昆明 3 驻马店 1 汕头 1
廊坊 100 佛山 35 菏泽 7 金华 3 镇江 1 平顶山 1
大连 99 武汉 34 海口 6 赣州 3 长治 1 宁波 1
南京 92 呼伦贝尔 33 安阳 6 承德 3 长沙 1 南阳 1
表3 长春市2015年春运期间迁出城市前10位频次统计

Tab.3 The frequency statistics for Changchun City's top 10 emigration cities during the Chunyun period in 2015

城市 频次 城市 频次 城市 频次 城市 频次 城市 频次 城市 频次 城市 频次
哈尔滨 600 西安 101 赤峰 34 菏泽 12 驻马店 3 盐城 1 荆门 1
北京 600 郑州 99 兴安盟 31 安庆 12 珠海 3 信阳 1 嘉兴 1
上海 564 沧州 92 潍坊 27 济宁 8 温州 3 襄阳 1 黄冈 1
沈阳 559 济南 70 佛山 27 徐州 7 泰安 3 咸阳 1 呼和浩特 1
天津 524 成都 66 大连 24 承德 7 周口 2 渭南 1 衡水 1
通辽 413 南京 64 保定 24 无锡 6 宿迁 2 威海 1 合肥 1
深圳 389 廊坊 61 厦门 20 邯郸 6 新乡 2 泰州 1 亳州 1
三亚 375 苏州 58 德州 18 海口 6 孝感 2 太原 1 丹东 1
秦皇岛 168 武汉 54 铁岭 16 长沙 5 湘潭 2 台北 1 常州 1
青岛 162 呼伦贝尔 53 烟台 13 宁波 5 乌鲁木齐 2 南通 1 安阳 1
重庆 135 杭州 51 万宁 13 聊城 5 商丘 2 南宁 1
广州 134 泉州 47 莆田 13 南昌 4 陵水 2 南充 1
唐山 103 石家庄 45 昆明 13 临沂 4 福州 2 洛阳 1
从频次累积统计（表2、表3）可看出迁入、迁出城市频次分布具有一定的层级性，因此综合利用自然断裂法并基于频次变化的收敛情况可将迁入与迁出城市分为三个层级（表4）。
表4 长春市人口跨省流动迁入和迁出城市的层级划分

Tab.4 The hierarchy of the immigration cities and emigration cities of inter-province population flow of Changchun City

层级 迁入城市 迁出城市
第一层级 哈尔滨、北京、天津、上海、沈阳、通辽、青岛、深圳 哈尔滨、北京、上海、沈阳、天津、通辽、深圳、三亚
第二层级 苏州、广州、唐山、秦皇岛、廊坊、大连、南京、三亚、成都、济南、杭州、重庆、兴安盟、石家庄、郑州、潍坊、沧州、保定、西安、佛山、武汉、呼伦贝尔 秦皇岛、青岛、重庆、广州、唐山、西安、郑州、沧州、济南、成都、南京、廊坊、苏州、武汉、呼伦贝尔、杭州、泉州、石家庄
第三层级 烟台、济宁、邯郸、德州、徐州、临沂、聊城、莆田、泉州、赤峰、无锡、温州、菏泽、海口、安阳、珠海、泰安、威海、铁岭、泰州、滨州、邢台、商丘、厦门、南通、莱芜、昆明、金华、赣州、承德、常州、淄博、周口、中山、枣庄、新乡、万宁、濮阳、洛阳、陵水、衡水、驻马店、镇江、长治、长沙、张家口、运城、宜春、阳泉、扬州、盐城、宿州、信阳、乌鲁木齐、太原、绍兴、汕头、平顶山、宁波、南阳、南昌、连云港、呼和浩特、衡阳、阜阳、东营、东莞、池州、潮州、安庆 赤峰、兴安盟、潍坊、佛山、大连、保定、厦门、德州、铁岭、烟台、万宁、莆田、昆明、菏泽、安庆、济宁、徐州、承德、无锡、邯郸、海口、长沙、宁波、聊城、南昌、临沂、驻马店、珠海、温州、泰安、周口、宿迁、新乡、孝感、湘潭、乌鲁木齐、商丘、陵水、福州、盐城、信阳、襄阳、咸阳、渭南、威海、泰州、太原、台北、南通、南宁、南充、洛阳、荆门、嘉兴、黄冈、呼和浩特、衡水、合肥、毫州、丹东、常州、安阳
为了更清晰表达层级划分的地理内涵，绘制了各层级城市的空间分布图，如图1。
图1 迁入与迁出城市的层级划分与地理分布

Fig.1 The spatial distribution of the immigration cities and emigration cities of Changchun City

从迁入城市的层级划分看，第一层级城市既包括北京、上海、深圳等全国性中心城市与哈尔滨、沈阳、天津、青岛等相对邻近的区域性中心城市，也包括通辽市这样的普通地级市，总体上看，第一层级城市受经济发展水平和地理邻近性的影响较大。第二层级主要为具有明显地理邻近性的城市和主要的强势区域中心城市以及具有冬季气候比较优势的旅游城市，依此可分为三类：①如大连、秦皇岛、唐山、廊坊、呼伦贝尔在内的临近省份的城市；②近年来发展势头强劲的区域中心城市，如济南、南京、杭州、成都、重庆、广州、苏州城市；③如三亚等在内的旅游型城市。第三层级城市与第一、二等级城市相比，行政等级与经济人口总量普遍较小，且多分布在长江以北并高度集中于人口密集的中原地区，充分体现了拉文斯坦的距离律。
从迁出城市层级划分上看，第一层级中包含8座城市，较迁入城市中增添了三亚市。第二层级中包含18座城市，与迁入城市相比，缺少三亚、保定、兴安盟与佛山市。第三层级中包含62座城市，与迁入城市相比，在中原地区的集中程度有所减弱。
总体来看，迁入、迁出城市的层级划分与地理分布大体上是一致的。高层次城市具有地域邻近性、经济和城市规模等级高、全国性或区域性发展中心。中低层级的城市主要分布在长江以北地区，其中尤以山东、河北、河南、与江苏的城市分布最为密集，长江以南也有部分分布，主要集中在广州、福建等沿海地区。
在城市的层级划分中，广州、深圳、通辽、三亚等四个城市值得注意。广州作为与北京、上海并列的三大全国性中心城市之一，但无论是迁入还是迁出，都未成为第一层级，反而邻近的深圳市却位于第一层级。从网络调研的结果发现，虽然广州与深圳都是外来人口较多的城市，但对于东北人而言，广州作为粤语文化区的传统中心城市对于东北人的包容性相对较低，而深圳作为我国重要的移民城市，反而聚集了更多的包括东北人在内的外地人，因此深圳比广州对东北人更具有吸引力；另一方面春运期间经深圳前往香港旅游的人流也是推高深圳市层级的重要因素。通辽市作为唯一的地级市，被收纳到第一层级中来，从某种意义上说，是距离律战胜了经济律，但起到更多作用的是通辽市的重要地理位置，是内蒙古通向东北三省的门户，另外在历史上通辽市曾隶属于吉林省，与长春间存在一定的历史联系。三亚是我国重要旅游休闲城市，其热带气候在冬季对东北地区具有明显的气候优势，是长春的中高收入群体的重要避寒目的地。

2.2 长春春运人口流动高度集中于“胡焕庸线”以东区域

“胡焕庸线”作为我国人口密度分布的重要地理分界线，在大量的人文地理要素分布的现实中客观存在，长春市春运人口迁入和迁出的空间格局中该线也十分明显地发挥地理屏障的作用，在图1中叠加胡焕庸线，可以非常明显地看出，长春市春运人口迁入和迁出均高度集中于“胡焕庸线”以东区域，所统计的城市中，仅有乌鲁木齐、呼伦贝尔和呼和浩特3个城市处于“胡焕庸线”以西区域，且全部集中在2、3级层次。这也体现出基于人口分布的“胡焕庸线”在改革开放以后并未明显改变，且在人口流动的空间格局中也同样强化了这种分布格局。戚伟等利用改革开放以来国家四次分县人口普查数据研究证实“胡焕庸线”两端人口分布格局的稳定性[26]，刘旺宝等基于ICT的中国城市间人口日常流动空间格局的研究[22]也验证了这一结论。

2.3 典型的节前与节后反向流动特征

以统计日期节点和每个城市的位序为依据，绘制长春市2015年春运迁入城市前10位等级钟（图2）。以2015年2月19号（正月初一）为界将春运分为春节前和春节后，节前迁入城市数量相对较少，位序总体变动不大；节后迁入城市数量相对较多，每天迁入长春的城市趋于多样化，位序总体变动大，但处于核心的高位序城市从总体变动不大。
图2 长春市2015年春运迁入城市前10位等级钟

Fig.2 Rank clocks of top 10 immigration city for Changchun City during the Chunyun period in 2015

同样，绘制长春市统计期间迁出城市的等级钟曲线（图3）。从图3可以看出，高位序城市在整个统计期间位序变动不大，处于等级钟内部，曲线环状闭合，而低位序城市在整个统计期间位序变动较大，在等级钟外围尤其是左部曲线波状起伏，多数曲线不连续分布；节前曲线密度稀疏且积聚于核心外部，而节后曲线排列稠密且位序值跨度大、集聚于等级钟外围。
图3 长春市2015年春运迁出城市前10位等级钟

Fig.3 Rank clocks of top 10 emigration city for Changchun City during the Chunyun period in 2015

无论是迁入城市，还是迁出城市，与春节前比较，春节后人口流动趋势都更为活跃，迁移方向也更加多样化，但处于等级钟中心部分的高位序城市总体排名变动不大，具有一定的稳定性。虽然总体上看迁入城市与迁出城市的等级钟有一定的相似性，但仍有明显的不同之处。从等级钟折线总体偏向上看，迁出城市等级钟折线总体偏向南向，即在2月19日—2月23日最为活跃，对应法定春节假期的前半段；而迁入城市等级钟曲线总体偏向西北，在2月24日—3月3日最为活跃，对应于法定假期的后半段。即春节假期伊始，在异乡工作、求学的人员开始回长春探亲，而春节假期即将结束，则纷纷返回异乡。这种春运人口流动特征明显体现出，长春市是一个“家乡”城市——人口或劳动力的输出区，而不是一个“异乡”城市——人口或劳动力的输入区。而对于长三角、珠三角等主要城市以及国内一些旅游城市的相似研究则会发现相反的趋势。春运人口流动的方向往往与长时间段语境下的人口迁移方向恰好相反，因此春运人流的去向可以表征出劳动力的流失方向，这对分析长春人口外流的空间格局具有明确的科学意义。

3 长春市春运人口迁移格局的形成机制

3.1 经济律——经济水平高的地区是人口流入的首选区域

拉文斯坦人口迁移理论的经济律在当前阶段是解释人口流动的最关键机制。区域经济发展水平的绝对差距带来的是就业机会、收入水平、区域公共服务水平、城市人文环境等各方面的巨大差异。先进地区全方位的发展优势对国内后进地区的居民具有很强的吸引力，从而导致人口出现跨区域的持续流动。长春市迁入城市和迁出城市的2015年GDP和2015年春运研究期间出现频次进行Pearson相关性分析（表5）的结果也清晰地体现这一机制。由表5可知，长春市人口迁移城市的频次和GDP相关性分析均通过了检验，同时Pearson系数均为正且大于0.62，说明两者呈较强的正相关，即对于长春市的迁入或迁出城市，其迁移频次和GDP大小呈正相关，人口趋于向经济水平高的地区迁移，切实反映了拉文斯坦的经济律。我国京津冀、长三角、珠三角，经济发展水平高、就业机会多、预期收益高，是包括长春市在内的我国中西部区域人口迁移的主要目的地。
表5 长春市人口迁移城市的频次和GDP相关性分析

Tab.5 The correlation analysis between the frequency of Changchun City's population migration and GDP

变量1（GDP） 变量2（迁移频率） Pearson相关性 显著性（双侧） N
迁入城市 0.691** 0.000 99
迁出城市 0.623** 0.000 87

注：“**”在0.01水平（双侧）上显著相关。频率为2015年春运期间数据，GDP为2015年年末数据。迁入和迁出城市分别缺乏莆田和台北数据，但对分析结果的影响可忽略。

3.2 距离律——空间距离在人口迁移中起到重要作用

拉文斯坦距离律在长春市人口迁移格局中作用十分明显。正如拉文斯坦距离律所阐述，人口迁移从一个城市向其他城市或区域扩散，必然会受到空间距离这一摩擦力的影响，使得迁移强度伴随距离的增加而逐步减弱，因此中短距离迁移在总量中始终占据较为明显的比重。长春市人口迁移的近域城市主要有哈尔滨、沈阳、大连、通辽、呼伦贝尔、兴安盟等东北地区城市，这些城市具有地域临近性，长春与这些临近城市的短距人口流动在春节前的返乡流，春节后的探亲流、返城流都比较明显和频繁，等级钟曲线的总体偏向和频次的图示化都说明了这一点。在距离律与经济律的共同作用下，长春市外迁人口高度集中在经济发展水平高的华北和中原地区，而往华南和华东的迁移强度则明显弱于上述地区也是该机制的地理空间体现。

3.3 长春市承担了吉林省人口流出的门户功能

长春市作为吉林省具有绝对控制力和发展优势的首位城市，得益于省内其他地区的人口机械流入的补偿效应，使得统计上长春市常住人口始终保持稳定增长状态，但是等级钟分析表明长春市人口是呈迁出趋势的。事实上二者并不矛盾，这里有人口自然增长的因素，更有吉林省的城镇化极化发展特征的影响，即省内的人口向长春等核心城市聚集，因此相对于省内其他城市而言，长春市是人口净迁入区；但相反整个吉林省的人口是净流出的，体现在春运这一特殊时间段，长春市作为吉林省重要的对外交通枢纽，承担了吉林省春运人口流动门户的角色，因此呈现为迁出趋势。2015年以来，吉林省始终是东北地区人口净流出数量最多的省份，其中2016年吉林省常住人口首次出现净减少，减少量高达20.28万人，2017年净减少15.6万，长春市的春运人口迁移特征，是对整个吉林省人口迁移状况的重要表征。

3.4 地理认同与适应性及部分城市的特殊职能也影响人口迁移

地理认同与适应性在人口迁移目的地选择中也起到了十分重要的影响作用。地理认同是一种心理判断，而适应性是一种心理结果，这种地理认同既可以反映在文化与生活习惯上，也可以反映在自然条件上。例如长春市人口外迁目的地中深圳和广州的人口流动强度差距就十分明显地体现了这一特征。深圳相比广州对于移民的高度包容性使得东北人更加认同深圳的移民城市内涵。三亚—长春间的“候鸟生活”也是地理认同和再适应的一种表现。原则上随着交通和通讯技术的发展，基础设施所造成的距离摩擦是可以减弱的，长江界限的存在，说明人口迁移并不能仅仅以经济律和距离律等普遍规律来解释，还有一些深层次的社会文化因素值得考量，其中就包括地理认同与适应性。长江南北的巨大文化差异也在长春人口外迁的选择中发挥了巨大的影响作用。长春人口流动目的地中长江以北城市占据绝对主导，各层级城市分布密集，以南则明显稀疏，这也是东北人对于北方文化区的认同和相对容易适应并融入的表现，而且这种认同和适应是双向的，既包括长春人对当地的认同，也包括当地居民对东北人的认同。
城市的某一特殊职能或优势在人口流动方面有时也会起到重要的指向作用，具有旅游和气候优势的海南省三亚市在长春春运人口流动中的表现就是这一机制的重要体现。实地调研发现东北人选择春节期间到三亚避寒、旅游、过节的行为，近年来已十分普遍。本文数据显示，三亚迁入长春出现频次85次，11天被纳入统计范围，且均为春节后，在层级划分中处于第二层，频次总体排名中等；而长春迁出到三亚出现频次375次，25天均被纳入统计范围，年前排名靠前，年后趋于低位序，等级钟曲线由靠近核心逆时针逐渐走向外围，最终闭合，在层级划分中处于第一层，频次总体排名靠前。从中可见春节期间长春向三亚人口迁移具有较高的活跃程度。

4 结论与讨论

4.1 主要结论

本文基于百度迁徙的春运人口流动数据，借助于层级分析、等级钟与GIS空间表达等技术手段，分析了长春市人口迁移时空特征并探讨了形成该时空格局的主要机制，主要结论包括：
①春运期间其他城市与长春市间的人口迁移具有明显的层级特征，可大致分为三个层级，第一层级与第二层级城市主要为经济发达地区，体现了明显的经济律，在空间分布上较为均衡；第三层级城市的经济发展水平普遍低于第一、二层级，在空间分布上体现为较明显的距离律。长春人口流动目的地高度聚集于“胡焕庸线”以东区域，其中京津冀与长三角地区的城市不但空间上分布密集，而且各层级均有分布，呈金字塔式结构，是与长春人口联系的重点区域。
②春节前后人口迁移存在差异，节前迁移城市集中化，节后迁移城市多样化和分散化，春节七天长假也对迁移城市的多样性产生重要影响。长春市的春运人口迁移特征，是对整个吉林省人口迁移状况的重要表征，是长春市作为吉林省人口流出门户城市的功能体现。
③地理认同和适应性对人口迁移存在明显的影响，而包括旅游职能和避寒职能的特殊职能城市也是影响长春人口迁徙的重要因素。以长江为界的南北分异、深圳与广州的迁徙选择以及三亚—长春的候鸟生活等证据表明地理认同、适应性对长春市对外人口迁移的影响不容忽视。国家政策、区域背景、经济发展水平、空间距离、地理认同与适应性，以及城市的特殊职能都是影响春运期间长春市对外人口迁移的重要因素。

4.2 讨论

①基于传统统计数据的人口流动方面的研究受数据限制很难获得表征真实流向和强度的大样本数据，特别是在出行交通工具选择日益多样化的新时代背景下，居民在长距离流动时可能乘坐私家车等非公共交通工具，以及其它难以统计的复合交通方式，这导致传统统计手段在测度人口流动时不仅数据获取十分困难且无法客观反映人口迁移状况和空间联系。加之我国官方统计数据更新慢、成本高、统计口径不一，人口迁徙研究的数据基础薄弱。而信息化背景下的移动互联网全面普及为获取个人位置数据提供了前所未有的机会。随着我国智能手机的全面普及，基于百度地图以及海量第三方APP的手机定位信息的百度迁徙大数据，具有较强的可获取性、实时性、大容量性和综合性，可以弥补上述不足，成为人口迁移研究的一个新的数据源。
②值得注意的是，百度迁徙数据仍然存在明显的缺陷，首先移动互联网数据并非随机数据，而是受手机等移动智能终端用户自身属性的影响，导致位置采集的对象本身存在一定的偏向性，因此会出现大量个体并未被该数据库包括在内；同时，由于LBS数据缺乏对于居民个人属性的信息，导致无法判断人口流动的其它属性要素，例如很大一部分人口迁移是分为多段，从A到B再到C，而在百度迁徙数据中则被视为两个独立的分段，一方面强化了B在节点中的作用，另一方面未能准确体现A和C之间的人口流动特征。这是未来研究中需要结合其他方法和多源数据来进行纠正和深化的方向。
③对外人口迁移对于东北地区的内陆中心城市来说并非仅是负面的影响，人口流动本身是社会经济要素流动的重要载体也是重要结果，合理的人口流动是强化东北内陆城市与其它区域中心城市社会经济联系的重要纽带，而更需要地方政府重视的是流出人口的结构，特别是高技术人才和熟练工人阶层的流失可能是长春未来面临的更严峻的挑战，因此长春市必须优化调控策略，加强对于产业竞争力的培育和人才发展环境的营造。长春市应积极谋求产业转型，努力培育和拓展战略新兴产业，减少对国有企业、资源与资金密集型产业的依赖。其次，建立和健全人才引进和挽留机制，通过安居落户保障、薪酬待遇高配、创新创业支持、激励关怀服务以及引进和培养同步提升等机制，促使各界人才“引进来、留得住”。实施保障房、土地流转、户籍改革等全方位城乡一体化改革措施，促进城镇化的快速有序发展。加强基础设施、生态环境与社会文化建设，营造良好的城市生活环境，提高市民的归属感与幸福感。以人口流动为纽带，全面展开与人口流向区与人口流入区的区域合作，通过增强要素流动效率和调解流动方向，实现强化区域联系的目的。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Ravenstein E G. The Laws of Migration[J]. Journal of the Sta-tistical Society of London, 1985, 48(2):167-235.

[2]
J Matthew Shumway, Samuel M. Otterstrom. Spatial Patterns of Migration and Income Change in the Mountain West:The Dominance of Service-Based,Amenity-Rich Counties[J]. The Professional Geographer, 2010, 53(4):492-502.

[3]
Stillwell J. Daras K. Bell M, et al. The IMAGE Studio:A Tool for Internal Migration[J]. Analysis and Modelling, 2014, 7(1):5-23.

[4]
Thomas J Courchene. Interprovincial Migration and Economic Adjustment[J]. The Canadian Journal of Economics, 1970(4):550-576.

[5]
Yap L Y L. The attraction of cities:A review of the migration lit-erature[J]. Journal of Development Economics, 1977, 4(3):239-264.

PMID

[6]
Harris J R and Todaro M P. Migration,Unemployment and De-velopment:A Two-Sector Analysis[J]. American Economic Review, 1970, 60(1):126-142.

[7]
Roger A. Model migration schedules:an application using data for the Soviet Union[J]. Canadian studies in population, 1978(5):85-98.

[8]
Salvati L, Serra P, Bencardino M, et al. Re-urbanizing the Euro-pean city:A multivariate analysis of population dynamics during expansion and recession times. European Journal of Population, 2018(4):1-28.

[9]
Rogers A. Williamson J G. Migration,urbanization,and third world development:an overview[J]. Economic Development and Cultural Change, 1982(3):463-482.

[10]
杜小敏, 陈建宝. 人口迁移与流动对我国各地区经济影响的实证分析[J]. 人口研究, 2010, 34(3):77-88.

[11]
杨传开, 宁越敏. 中国省际人口迁移格局演变及其对城镇化发展的影响[J]. 地理研究, 2015, 34(8):1492-1506.

DOI

[12]
王桂新, 潘泽瀚, 陆燕秋. 中国省际人口迁移区域模式变化及其影响因素——基于2000和2010年人口普查资料的分析[J]. 中国人口科学, 2012(5):2-13.

[13]
Zhang J, Wu L, Yuan F, et al. Mass human migration and Bei-jing’s urban heat island during the Chinese New Year holiday[J]. Chinese Science Bulletin, 2015, 60(11):1038-1041.

[14]
刘盛和, 邓羽, 胡章. 中国流动人口地域类型的划分方法及空间分布特征[J]. 地理学报, 2010, 65(10):1187-1197.

DOI

[15]
张苏北, 朱宇, 晋秀龙, 等. 安徽省内人口迁移的空间特征及其影响因素[J]. 经济地理, 2013, 33(5):24-30.

[16]
陈晨, 修春亮. 流空间视角的东北地区城市网络研究[J]. 地域研究与开发, 2014, 33(4):82-89.

[17]
逯进, 郭志仪. 中国省域人口迁移与经济增长耦合关系的演进[J]. 人口研究, 2014, 38(6):40-56.

[18]
张耀军, 岑俏. 中国人口空间流动格局与省际流动影响因素研究[J]. 人口研究, 2014, 38(5):54-71.

[19]
赵梓渝, 魏冶, 庞瑞秋, 等. 中国春运人口省际流动的时空与结构特征[J]. 地理科学进展, 2017, 36(8):952-964.

DOI

[20]
赵梓渝, 魏冶, 王士君, 等. 有向加权城市网络的转变中心性与控制力测度——以中国春运人口流动网络为例[J]. 地理研究, 2017, 36(4):647-660.

DOI

[21]
魏冶, 修春亮, 刘志敏, 等. 春运人口流动透视的转型期中国城市网络结构[J]. 地理科学, 2016, 36(11):1654-1660.

DOI

[22]
刘望保, 石恩名. 基于ICT的中国城市间人口日常流动空间格局——以百度迁徙为例[J]. 地理学报, 2016, 71(10):1667-1679.

DOI

[23]
蒋小荣, 汪胜兰, 杨永春. 中国城市人口流动网络研究——基于百度LBS大数据分析[J]. 人口与发展, 2017, 23(1):13-23.

[24]
刘志敏, 修春亮, 魏冶, 等. 1990—2010年东北地区人口变化的空间格局及影响因素[J]. 西北人口, 2017, 38(5):19-26.

[25]
Batty Michael. Rank clocks[J]. Nature, 2006, 444:592-596.

[26]
戚伟, 刘盛和, 赵美凤. “胡焕庸线”的稳定性及其两侧人口集疏模式差异[J]. 地理学报, 2015, 70(4):551-566.

DOI

Options
文章导航

/

〈 〉