EN中文

经济地理 >

2019 , Vol. 39 >Issue 1: 64 - 72

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.01.008

城市地理与新型城镇化

基于公路交通流视角的吉林省城镇中心性及影响因素

  • 冯兴华 , 1 ,
  • 修春亮 , ※ ,
  • 白立敏 1, 3 ,
  • 文玉钊 4
展开
  • 1.东北师范大学 地理科学学院，中国吉林 长春 130024
  • 2.东北大学 江河建筑学院，中国辽宁 沈阳 110169
  • 3.吉林建筑大学 建筑与规划学院，中国吉林 长春 130118
  • 4.河南财经政法大学 资源与环境学院/城乡协调发展河南省协同创新中心，中国河南 郑州 450046
※修春亮（1964—），男，吉林舒兰人，教授，博士生导师。主要研究方向为城市地理、经济地理、城市与区域规划。E-mail：。

冯兴华（1990—），男，江西九江人，博士研究生。主要研究方向为城市与区域规划、城市地理。E-mail：。

收稿日期: 2018-05-09

  修回日期: 2018-09-30

  网络出版日期: 2025-04-25

基金资助

国家自然科学基金项目(41471141)

国家自然科学基金项目(41701141)

吉林省社会科学基金项目(2017BS56)

收起

Urban Centrality and Influencing Factors in Jilin Province from the Perspective of Highway Traffic Flow

  • FENG Xinghua , 1 ,
  • XIU Chunliang , ※ ,
  • BAI Limin 1, 3 ,
  • WEN Yuzhao 4
Expand
  • 1. School of Geography Science，Northeast Normal University，Changchun 130024，Jilin，China
  • 2. Jangho Architecture College，Northeastern University，Shenyang 110169，Liaoning，China
  • 3. School of Architecture and Planning，Jilin Jianzhu University，Changchun 130118，Jilin，China
  • 4. College of Resources and Environment，Henan University of Economics and Law/ Collaborative Innovation Center of Urban-Rural Coordinated Development，Zhengzhou 450046，Henan，China

Received date: 2018-05-09

  Revised date: 2018-09-30

  Online published: 2025-04-25

Fold

摘要

识别流空间视角下的城镇地位及其发育状况是深入推进新型城镇化的重要认知基础之一。基于县域公路客运班次数据，在Ucinet及ArcGIS软件支持下，从整体网络、城镇中心性及地理探测等三个方面对吉林省城镇中心性及影响因素进行深入分析。结果显示：①省域整体网络结构相对松散、核心网络实力偏弱，城镇间空间联系有待进一步提升；市域内空间联系相对紧密、跨市域联系则明显不足，区域联动发展进程相对滞缓。②地级城市程度中心性普遍较高、省域边缘城镇的交往能力总体处于从属地位；城镇节点的空间链接效应具有地域差异特征、区内空间联系多通过地级城市中介作用完成；综合中心性视角下的城镇层级总体呈首位分布特征并形成“一极三核”的省域“中心—枢纽”格局，区内出现“八子群、四片区”的组团现象。③将地理探测器方法应用于城镇中心性影响因子研究，发现城镇居民人均可支配收入对省域内城镇节点中心性的影响较小，经济规模、人口规模、产业结构、交通承载力等因子对城镇地位及角色影响明显，路网密度仍是影响城镇空间链接水平的因子之一。为此，应提升省域东西部地区核心城镇资源集聚能力，优化省域边缘城镇产业结构、增强市场活力，合理配置区域交通资源、完善边缘城镇交通基础设施，以促进区域联动发展。

关键词： 新型城镇化; 中心性; 地理探测器; 交通流; 城镇节点; 吉林省

本文引用格式

冯兴华 , 修春亮 , 白立敏 , 文玉钊 . 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 . DOI: 10.15957/j.cnki.jjdl.2019.01.008

Abstract

The recognition of urban status and its development from the perspective of space of flows is an important cognitive basis for further promoting new urbanization. Based on the data of county road passenger coach service and supported by Ucinet and ArcGIS software, this paper analyzes the urbanization centrality and its influencing factors in Jilin province from three aspects( the whole network, the centrality of point and influencing factors). The results show that: 1) The overall network structure of the province is relatively loose, the core network strength is weak, and the spatial connection between towns needs further improvement; The spatial connection in the city area is relatively close, but the intercity connection is obviously insufficient, and the development process of the regional linkage is relatively slow. 2) Degree centrality in municipal level is generally high, and the communication ability of provincial fringe towns is generally in the subordinate location; The spatial connection effect of urban nodes has the characteristics of regional difference, and the spatial connection in the regional is mostly completed through the intermediary action of prefecture-level cities; The level of cities and towns in the view of comprehensive centrality has the characteristics of first-place distribution, and presents the center-hub pattern of one pole and three cores and the cluster phenomenon of eight sub-groups and four districts in regional towns. 3) By applying the method of geographical detector to the study of the influencing factors of urban centrality, it is concluded that the per capita disposable income of urban residents has little effect on the centrality of urban nodes in the province. Economic scale, population scale, industrial structure, traffic carrying capacity and other factors have a significant impact on the status and role of cities and towns. Road network density is still one of the factors that affect the spatial connection level of cities and towns. Therefore, it is necessary to enhance the resource agglomeration capacity of the core towns in the eastern and western regions of the province, optimize the industrial structure of cities and towns on the edge of the province, enhance the market vitality, rationally allocate of regional transportation resources and improve the traffic infrastructure in marginal cities and towns.

Key words： new urbanization; centrality; Geodetector; highway traffic flow; town node; Jilin Province

中心性是城市地理学研究的重要内容之一，德国地理学家Walter Christaller在中心地理论中最早提及中心性概念，认为中心性是中心地对其周围地区的相对重要程度，即中心地发挥中心职能的程度[1]。这一概念从场所空间视角出发为城市地理学、区域经济学相关研究奠定了重要理论基础，引起了学术界对中心性及中心地的相关探讨[2]；该理论在1960年代引入我国后得到了广泛关注和具体应用[3-5]，对我国区域空间结构特征认知及城镇体系规划均具有指导作用。
伴随着全球化、信息化进程的加快，城市内部及城市间人流、物流、信息流等可流动物质要素通过其流动广度、强度、速度等方面作用于地域空间之内，弱化了物理空间的邻近作用，重新整合了区域城市间关系，促使区域空间由传统的中心地体系逐步向网络体系演化、空间形态由地理空间向网络空间转换[6]。城镇中心性研究则在这一隐性变化中出现新的特点与范式，开始由中心地理论关注等级化的中心—腹地关系向中心流理论所侧重的都会性及非局域联系转变。在流空间视角下，中心性主要用于描述节点在网络系统中地位与角色[7]，是网络结构特征分析的重要内容，已逐步成为网络研究的热点问题。学术界从学科融合角度对节点中心性的理论研究也进行有益思辨和补充，如：社会网络理论[8]、图论理论[9-10]、递归理论[11-13]等理论及相关定量研究方法的引入，为节点中心性研究提供了相对丰富的理论及技术支撑；同时，立足于企业组织[14]、基础设施[15]、社会文化[16]等不同维度刻画网络结构及节点中心性的实证分析大量涌现。在交通基础设施大发展背景下，“时空距离”的压缩效应直接导致了城市相对区位及网络角色的变化，从流空间视角进一步塑造区域发展过程。航空、铁路、公路等交通流也成为揭示流空间视角下区域空间相互作用的重要表征要素，并在全球[17-18]、国家[19]、省域及城市群[20-21]等不同空间尺度内的城镇网络研究中得到广泛应用，而着力于交通流维度的权利转换、地位与功能变化等内容的城镇中心性研究也得到一定诠释和刻画。
作为立体交通网络不可或缺的一部分，公路交通是省域城镇间空间相互联系的重要载体，在地区经济社会发展中的地位与日俱增。同时，尺度效应不仅是景观生态学研究中的一个热点问题，也是人文地理学研究中的一个难点问题；研究单元的尺度差异往往直接导致区域特征和信息量的提取与呈现。以往研究多以城市为研究单元探讨其中心性[22-23]，鲜有聚焦县级城镇及其空间相互作用关系，从而造成区域网络的更多细节特征有所缺失。鉴于此，本文以吉林省为研究对象、以县域城镇为基本研究单元，借鉴网络分析理论及地理探测器模型，试图从整体网络视角刻画省域城镇发育状况及其影响因素，旨在为认知流空间背景下的地理网络空间系统特征及中小城镇培育、区域联动发展提供一定有益思考。

1 数据来源与研究方法

1.1 数据来源

省域公路客运班次多以“点—点”方式运行，能够较好地反映城镇间交通客流量，为此选取公路客运班次用于表征省域城镇空间关联强度。研究基于相关汽车服务网站（https:/www.qichezhan.cn/）网页检索（数据版本为2015年），利用循环查询从中提取城镇间汽车班次数据，数据抓取过程在Python软件平台下进行，由于汽车班次行程的相对固定性，研究仅抓取一天；同时，为保证数据的科学性和完整性，通过随机抽取、交叉检验等方式对其进行修正及人工校验。最终得到吉林省省域47×47的县级城镇空间关联强度矩阵，共计2 162个关系数值。
市（县）经济规模、人口规模、居民人均可支配收入等社会经济数据来源于《吉林统计年鉴（2016年）》，路网数据则以1∶400万基础地理数据为基础进行Gauss Kruger投影转换，并提取城镇节点、交通路网、市县界线等，将中国地图出版社出版的吉林省公路里程地图册进行配准、矢量化补充并完善至交通网络中。

1.2 研究方法

1.2.1 社会网络分析

空间相互关系一直是地理学研究的重要内容之一。在信息技术推动下，“流空间”逐步改变传统地理学中空间距离衰减定律的思维，地理优势由传统的资源、区位转向网络中心性、网络结构等方面。在这一转变过程中，社会网络分析理论及方法则尝试从整体—个体双重视角揭示区域网络组织状况，并在经济、交通、信息、企业联系等地理学研究中得到广泛运用[7]。
①网络密度。网络密度用于反映区域网络完善程度及网络内个体节点空间相互作用的紧密程度[23]。网络密度越大则城镇间空间联系越紧密、城市网络则趋于完善。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为城镇节点数；d（i，j）为城镇节点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度个体在网络中所处角色和地位的量化指标，属于局部中心指数，主要包括程度中心性、中介中心性和邻近中心性三类[24]。本文基于程度中心性及中介中心性方法对吉林省公路交通网络联系中城镇节点交往力和控制力进行测算。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：CD(i)为 i城镇程度中心度； X i j为城镇i、j间的空间相互联系强度；CB(i)为城镇中介中心性；gjk为城镇 j和城镇 k间存在的捷径数目；gjk(i)/gjk表示城镇 i处于城镇 j和城镇 k捷径上的概率。

1.2.2 地理探测器

空间分异是自然和社会经济发展过程中的重要规律之一，认知规律及其驱动要素是自然、社会不断前进的基础条件[25]。地理探测器具有探测多因子在不同空间单元下的不同影响程度及其相互关系的能力，是一种有效分析空间分异、揭示驱动因子的统计学方法，已广泛运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中的因子探测器对吉林省城镇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对城镇中心性 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因素对城镇中心性的影响越大。

2 结果与分析

2.1 区域网络特征

吉林省平均公路交通流强度为4.59，标准差达到17.13。以0为临界值（即存在联系则为1，反之则为0）得到的二值化网络拓扑图（图1）可以反映区域整体网络的发育状况，其交通流网络密度达到0.312，表明在吉林省城镇间所有可能出现的关系联结中，仅1/3左右的城镇在交通流网络中建立相互关系，吉林省公路交通网络整体结构相对松散，城镇间联系有待进一步提升。而以平均值为临界值得到的二值化网络拓扑图则刻画了区域网络的强连接及核心网络部分，得到吉林省仅14.1%的城镇间联系处于较强连接状态，核心网络实力不强问题相对突出。
图1 吉林省公路客运联系网络结构图

Fig.1 Highway passenger transport network structure in Jilin Province

为探讨交通流网络发展差异状况，以市域为单元计算得到吉林省地市公路客运联系网络密度表（表1）。从各地级市内部及其之间的联系来看，大量的交通联系出现在市域内部，而市域间联系大多小于市域内部，市域内部交通联系紧密，而跨市域间联系不足，反映了吉林省公路客运网络发展不均、交通联动发展进程相对滞缓。值得注意的是，受长吉一体化发展策略影响，长春、吉林两市域对外联系普遍较强；在吉林省中部地区基本形成了以长春、吉林、四平为核心的高密度集聚区，长四、长吉、长松、长辽联系相对紧密，其原因在于长春为吉林省政治、经济、文化中心，其对外辐射能力较强，而四平、吉林、松原、辽源等四市地处吉林中部且紧邻长春，空间相互联系水平相对较高，吉林中部城市群的网络雏形初步显现。
表1 吉林省公路客运联系网络密度表

Tab.1 Highway passenger transport network density in Jilin Province

地级市 长春 吉林 四平 辽源 通化 白山 白城 松原 延边
长春 34.50 12.88 14.45 6.50 3.55 2.35 3.65 9.80 1.97
吉林 13.96 36.43 1.90 3.79 1.73 7.50 2.03 0.60 0.83
四平 10.85 0.70 20.00 4.55 0.44 1.48 0.28 2.68 0.00
辽源 11.06 4.08 5.25 25.25 2.00 2.90 0.15 0.55 0.53
通化 4.60 1.90 0.68 4.70 18.35 5.76 0.00 0.08 0.17
白山 3.90 2.27 0.36 2.05 4.12 12.90 0.04 0.16 0.68
白城 3.00 0.33 0.36 0.00 0.04 0.04 20.70 5.92 0.00
松原 17.95 0.77 0.52 0.20 0.08 0.08 4.88 28.90 0.08
延边 0.94 0.92 0.10 0.13 0.10 0.90 0.15 0.10 25.30

2.2 城镇节点中心性特征

2.2.1 城镇程度中心性

城镇程度中心性的值域区间为[81，1 567]，其变异系数达到1.09。受地理区位特征、城镇发展规模、行政等级及自然因素等众多因子影响，吉林省城镇节点间交往水平存在明显地域差异，突出表现在地级城市程度中心性普遍较高，而省域边缘城镇的交往能力总体处于较弱水平。城镇程度中心性视角下的吉林省城镇全局自相关系数（Moran’s I）为0.1430（Z-score=-2.383），呈现出正相关性，地域空间内具有一定的空间集聚特征。通过计算各城镇程度中心性的G指数，利用自然断裂点Natural Breaks（Jenks）将其分为热点区、次热点区、次冷点区及冷点区等四类（图2），结果显示：热点区主要分布于吉林省中部地区，并以长吉为核心形成热点区组团，而次热点区基本形成半环状分布于热点组团的外围地区，表明在交通流视角下城镇间相互联系水平具有一定的扩散作用，区位居中性、规模等级是影响热点及次热点区分布的重要因素；次冷点区呈组团状分布于松原、通（化）白（山）北部、延吉等地区，而冷点区则主要分布在白城及通（化）白（山）南部地区并呈现出串状格局，受地形（山脉）及中心城市实力偏弱因素影响，冷点及次冷点城镇集中分布在省域东部及西部地区；无论是城镇程度中心性水平分布还是热冷点格局，在南北方向及东西方向均表现出中部高、两端低的总体趋势，在地域空间内呈现出“山峰”状格局。
图2 吉林省城镇程度中心性空间水平及G指数空间格局图

Fig.2 Spatial pattern and Getis-Ord Gi* of urban centrality in Jilin Province

将程度中心性进一步分解为内向及外向程度中心性，综合对比可知：城镇内向及外向程度中心度的变异系数分别为1.05和0.96，表明城镇间外向联系相对均衡，各地级市在内向联系中表现出较强的集聚能力；在外向程度中心性和内向程度中心性排序中，长春、吉林两城市均处于前三位，基本形成了吉林省内两大相对稳固的交通集聚和扩散中心，处于省域交通核心枢纽地位；洮南、双辽、珲春、临江等省域边缘城镇内、外向程度中心度呈现出明显的“错位”现象，内向及外向空间联系不均衡化发展；受远离省域核心城市、地处省域边缘地带且综合实力较强等多重因素影响，省域东、西部地区的白城、延吉两城市集聚作用相对较强，成为省域内次级集聚高地区；松原、辽源、四平等城市由于地处省域中部地区且邻近长春、吉林两大核心，其对外联系整体较强。

2.2.2 城镇中介中心性

城镇中介中心性的值域区间为[0.6,502]，其变异系数达到2.44，相较于城镇节点自身交往能力而言，区域城镇节点的中介作用及其对整体网络控制力的差异更加明显。借鉴世界银行的区域经济分类方法和标准，以城镇中介中心性平均值的50%、100%及150%依次将城镇划分为低水平、中低水平、中高水平和高水平城镇。中高水平以上城镇节点布局相对分散，多为地级城市，其主要原因在于地级城市规模等级总体较高，为区域内核心节点及交通枢纽，其对市域内城镇网络联系控制力较强、是城镇节点进行跨市域联系的中介枢纽；低水平城镇数达到30个，占省域城镇总数的63.8%，低水平城镇对区域整体网络的控制力较小且多分布在省域边缘地区或地级城市周边地区，其原因在于省域边缘城镇由于其区位边缘性特征对整体网络的中介作用较小，地级城市对外联系的“虹吸”效应，使得紧邻地市的城镇在整体网络中的控制力持续减弱。从城镇中介中心性的位序来看，长春的中介中心性远高于其他城镇，是仅次于它的吉林市的2.3倍，说明长春市处于省域内交通联系网络的中心地位，与省域其他城镇间的联系紧密；吉林、延吉两城市分居二、三位，二者作为长吉图开发的重要节点，对吉林省域东、中部地区交通网络的控制力较强，是联系区内其他城镇的重要中介，也在一定程度上影响省域内其他城镇间的交流与合作。城镇中介中心性总量为1 550，而地级城市的中介中心性达到总量的75%以上，表明城镇中介中心性的地域分布不均，城镇间大部分交通联系多通过地级城市的中介作用来完成。
中介中心性视角下的吉林省城镇全局空间自相关系数（Moran’s I）为0.1795（Z-score=2.095），地域内具有空间集聚特征。通过计算城镇中介中心性的G指数并对其进行自然断裂点法分类、空间可视化（图3），结果显示：中介中心性热点区分布于吉林省中部地区，主要包括吉林、长春、四平及辽源市域内大部分城镇，地处省域中部使得这一区域成为吉林省交通网络的“中介场”，在一定程度上不利于吉林东西部地区间的交流与合作；次冷点区集中分布在省域东北部地区，冷点区则分布于省域西部及东南部地区，次冷点及冷点城镇在东部、西部地区呈现出集中组团式分布，此类城镇由于区位边缘性、城镇实力偏弱等要素影响，其在网络中多作为一般出发地或目的地，不具备网络衔接职能。总体来看，城镇中介中心性水平及其关联格局在东西方向上差异均小于南北方向，在两个方向上表现出中部高、两端低的总体分布趋势。加强省域东、西部核心交通枢纽，提升核心城镇的集聚作用及中介效应将是推动省域交通网络发展的重要途径之一。
图3 吉林省城镇中介中心性空间水平及G指数空间格局图

Fig.3 Spatial pattern and Getis-Ord Gi* of urban betweenness centrality in Jilin Province

2.2.3 综合中心性视角下的城镇层级及组团状况

程度中心性反映了城镇自身交往能力，中介中心性则凸显城镇链接能力，二者均只能从单一方面反映城镇在网络中的地位与角色。为此，本文借鉴相关学者的系统中心性研究[19]，基于网络中心性的理论方法及其表征意义，利用熵值法及专家打分法对城镇程度中心性及中介中心性进行综合权重确定，得到二者权重分别为0.4、0.6，最终构建城镇综合中心性指数。
基于城镇综合中心性指数，利用分形理论及K型聚类对其进行分析，探讨流空间视角下的城镇总体分布特征及其等级体系状况。结果显示：拟合优度R2达到0.9662，吉林省城镇中心性及其位序间拟合效果较好，具备分形特征，其发展状况能够满足位序—规模分布法则；分形维数为0.8087，表明流空间视角下的城镇综合中心性总体呈首位分布特征，区域首位城市垄断较强，中小城市在交通网络中的发展相对滞后。具体从城镇等级状况来看，长春市作为省域政治、经济、文化中心，在交通网络中处于省域核心枢纽地位，自身交往能力及中介连接职能均远高于省域其他城镇；延吉市、吉林市及松原市分别为省域东、中、西部地区的重要节点城市，处于整体网络中的次级核心地位，在各自子区域承担着较强的集聚—扩散和连接作用；第三层级城市多为市域内枢纽城市，其对于交通网络的完善、城市连接水平的增强均具有促进作用；一般城镇综合中心性较小，联系水平及中介能力均偏弱，在省域交通网络中多处于从属地位。
基于Concor算法的凝聚子群分析可以有效反映区域网络中存在的小团体集聚或组团现象（图4）。吉林省城镇在二级层面上形成东北部、东南部、中部及西部四大片区，三级层面中则包含八个子群，地域空间内的集聚特征显著。具体来看：长春、吉林、延吉及松原四个省域次级核心以上城市均处于片区内中心枢纽地位，而在省域东南部片区均为一般城镇，城镇实力偏弱、城镇间空间相互联系不强，区内缺乏交通核心枢纽；东北部片区城镇均属于延边州，其整体密度较高、子群间相互联系紧密，形成集交通联系与政区经济于一体的综合片区，延吉—安图对片区内交通联系具有一定辐射作用；中部片区城镇数量较多，受长吉一体化发展影响，长春—吉林同处同一子群内，子群密度值为省域内最高，成为片区内乃至整个省域内的交通核心地带，而通—四—辽子群虽拥有3个地级城市，但三者对子群内的整体联系仍不足，提升子群内交通联系、培育省域核心枢纽是促进该子群交通一体化发展的有效途径；西部片区内各层级城镇数量趋于市场原则下的中心地系统，白城子群内城镇处于省域西部边缘地区，与其他片区空间相互联系较弱，松原市成为松原子群的交通枢纽中心，松原—榆树两大核心对子群及片区内交通联系具有明显链接作用。
图4 综合城镇中心性视角下的城镇层级及组团状况

Fig.4 Urban level and group status from the perspective of integrated urban centrality

2.3 城镇中心性影响因素

中心性是区域网络中节点所处地位和角色的重要表征，在公路交通流视角下的吉林省城镇中心性具有显著的空间异质性特征，探讨相关因子对城镇中心性空间分异影响差异有利于实现城镇差异化发展与区域网络拓展。结合空间相互作用理论[1]、中心地理论[1]及Scott A对美国大都市区域的实证研究[27]，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”存在于整体网络之中，节点的角色地位特征与区域空间相互作用强度呈现出显著相关性；一般而言，人口、经济作为城镇规模及区域空间相互作用的主要内容，其通过流通道支撑下的空间集聚和扩散影响网络内节点规模及其地位[28]；产业结构、市场活力、资金投入则通过影响城镇间的互补性而作用于区域网络，进而影响城镇节点的服务水平和控制能力[29]；介入性被认为是城镇间发生空间联系的基本条件之一[1]，也是“流体”网络发展与完善的前提，在“时空距离”急剧压缩的今天，区域路网密度、支付水平、运营车辆数等均成为影响城镇介入性的重要因素，其通过区域网络拓展途径对城镇地位产生诸多效应，例如：增长效应、虹吸效应等[30]；中心性影响因子与城镇规模二者间相互影响，中心性影响因子是城镇规模的重要组成部分、其辐合力驱动城镇发展，进而为区域网络的拓展提供多元途径、为网络内部节点地位的提升提供有利条件[7]。基于此，本文从区域经济、人口、产业、市场、资金投入、支付水平等维度出发，选取GDP、年末总人口数、第三产业产值、社会消费品零售总额、年末金融机构各项贷款余额、城镇居民人均可支配收入、年末实有公共汽车数量及路网密度等具体指标对城镇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%依次将城镇划分为低水平、中低水平、中高水平和高水平四个层级，进行空间可视化（图5），结果显示：受城镇等级、区位、经济发展等多种因素复合影响，地级城市在大部分因子中处于中高水平以上，省域边缘城镇发展水平相对滞后，地域内存在一定的空间分异特征。为此，将城镇中心性影响因子及城镇中心性导入地理探测器模型中的分异及因子探测模块，得出各影响因子对城镇中心性的影响力值（即q统计量，q统计量越大表明因子对城镇中心性的影响力越强，反之，则越弱）及因子解释力值（即p值，p值越大表示因子影响城镇中心性的解释力越小，反之，则越大）（表2）。
图5 吉林省城镇中心性影响因子空间分布图

Fig.5 The spatial distribution of influencing factors of urban centrality in Jilin Province

表2 吉林省城镇中心性影响因素地理探测结果表

Tab.2 Results of Geodetector on the influencing factors of urban centrality in Jilin Province

因子 程度中心性 中介中心性 综合中心性
q统计量 p值 q统计量 p值 q统计量 p值
GDP 0.9723 0.0000 0.9984 0.0000 0.9851 0.0000
第三产业产值 0.9352 0.0000 0.9950 0.0000 0.9653 0.0000
城镇人口 0.8490 0.0000 0.9716 0.0000 0.9066 0.0000
人口规模 0.7515 0.0214 0.9223 0.0000 0.8234 0.0000
社会消费品零售总额 0.9361 0.0000 0.9869 0.0000 0.9606 0.0000
年末金融机构各项贷款余额 0.9120 0.0000 0.9743 0.0000 0.9421 0.0000
年末实有公共汽（电）车营运车辆数 0.9684 0.0000 0.9946 0.0000 0.9827 0.0000
城镇居民人均可支配收入 0.5277 0.0000 0.3501 0.0000 0.4921 0.0000
路网密度 0.5898 0.4066 0.7947 0.0033 0.6564 0.1809
总体来看，路网密度在众多因子中的解释力偏弱，而城镇居民人均可支配收入对城镇中心性的影响力较小。GDP、第三产业产值、城镇人口、社会消费品零售总额、年末金融机构各项贷款余额、年末金融机构各项贷款余额、年末实有公共汽（电）车营运车辆数等因子对城镇程度、中介及综合中心性等三个方面的q统计量均在0.75以上，突出表明经济规模、人口规模、产业结构、市场活力、城镇金融力及交通承载力对城镇自身交往联系及其空间链接作用的影响较大。从q统计量大小来看，相较于城镇自身联系水平，经济规模、人口规模、市场活力、交通承载力等方面对城镇网络链接效应的影响更为显著，尤其值得注意的是，路网密度对城镇中介水平影响明显，这在一定程度上表明交通流虽然对“时空距离”具有压缩效应，但交通流网络仍然存在路径依赖作用，空间尺度上的超越性及渗透功能不足。在综合中心性方面，城镇居民人均可支配收入在省域空间内的差异较小、对城镇中心性影响力较弱，其不足以成为限制人们出行的主要原因；人口、经济规模、市场活力等方面仍是影响城镇综合中心性的重要因子，而集聚经济与人口、提升市场活力、完善基础设施也是区域网络成熟及中小城镇培育和发展有效途径。
基于研究结果，本文认为应从经济、人口、产业、市场、交通承载等方面实现省域交通网络中的城镇节点地位提升，具体来看：首先，提升省域东西部地区核心城镇资源集聚能力，东西部地区分别以延吉市、白城—松原市为核心，提升城镇产业集聚和人口吸纳的承载功能，增强其网络集聚和连接能力，在有序推进延龙图一体化、白洮一体化、松前同城化进程基础上加强与核心城镇的融合互动，增强城镇组团综合承载和汇集能力；其次，优化省域边缘城镇产业结构，增强市场活力，立足区域资源禀赋状况结合突出重点与特色，提高质量与规模等要求，合理定位省域边缘城镇主导产业及功能，发挥城镇纽带作用建设城镇产业支撑平台，着力提升城镇间的产业配套协作水平，形成产业集聚发展优势，进一步释放城镇市场活力；最后，合理配置区域交通资源，完善边缘城镇交通基础设施，继续提升长春、松原、延吉等综合客运枢纽的承载能力，围绕核心城镇、边缘城镇布局一定数量的重点基础设施项目并依托省域高速公路网布局对外、组团、组团内通道，提升城镇节点对外联系的便利化水平，基本实现公共服务共享、基础设施互通，以促进区域联动发展。

3 结论与讨论

交通发展引领着区域格局巨变，降低了跨区域出行时间成本。而在区域交通改善基础上，资源的配置也在一定程度上突破传统的地理区域限制，进而影响着城镇节点在区域中的地位与角色。本文从交通流视角出发，以县域城镇为基本节点，从整体和个体两个方面探讨了吉林省网络发育状况及城镇节点地位，并进一步分析公路交通流视角下的城镇节点中心性影响因素。主要结论如下：
①省域公路交通网络结构相对松散，城镇间空间相互联系有待进一步提升，基于平均值的二值化网络刻画出省域内核心网络实力偏弱的问题相对突出；大量的交通联系出现在市域内部，跨市域空间联系明显不足，区域交通联动发展进程相对滞缓；长春、吉林两市对外联系普遍较强，省域中部地区形成以长春、吉林、四平为核心的高密度集聚区。
②地级城市程度中心性普遍较高，省域边缘城镇的交往能力总体处于较弱水平，长吉成为区域内两大相对稳固的交通集聚和扩散中心，处于省域交通核心枢纽地位，洮南、双辽、临江等省域边缘城镇内向及外向空间联系发展不均，出现“错位”现象；城镇节点的中介作用及其对整体网络控制力的差异更加显著，区内空间联系多通过地级城市的中介作用来完成，省域边缘城镇受区位边缘性影响导致其网络衔接能力偏弱，部分城镇受地级城市的“虹吸”效应影响而网络控制力下降；综合中心性视角下的城镇等级总体呈首位分布特征，长春作为首位城镇的垄断性较强，区内中小城镇在网络中的发展相对滞缓，其组团状况显示省域城镇在三级层面中包含八个子群，二级层面上形成东北部、东南部、中部及西部四大片区，具有显著的空间集聚特征。
③将地理探测器方法应用于流视角下的城镇中心性研究，得到在经济水平显著提升背景下，城镇居民人均可支配收入对省域内城镇节点中心性的影响较小；经济规模、人口规模、产业结构、市场活力、城镇金融力及交通承载力对城镇自身交往联系及其空间链接作用的影响较大；由于交通流网络仍然存在路径依赖作用，其空间尺度上的超越性及渗透功能不足，路网密度仍影响城镇空间链接水平。
本文基于城镇尺度从整体—个体双重方面探讨网络视角下的节点中心性，在一定程度上丰富了中心性研究的案例，得到了一些有益于省域联动发展的理论依据。但是，区域网络作为一个综合体，包含了众多维度，例如：交通、经济、信息等方面，因此有必要引入多种变量对城镇相互作用强度进行综合测算，这将是今后进一步研究的方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李小建. 经济地理学(第二版)[M]. 北京: 高等教育出版社, 2006.

[2]
Preston R E. Toward Verification of a "Classical" Centrality Model[J]. Tijdschrift voor Economische en Sociale Geografie, 1971, 62(5):301-307.

[3]
陈田. 我国城市经济影响区域系统的初步分析[J]. 地理学报, 1987, 42(4):308-318.

[4]
俞勇军, 陆玉麒. 省会城市中心性研究[J]. 经济地理, 2005, 25(3):352-357.

[5]
孙斌栋, 胥建华, 冯卓琛. 辽宁省城市中心性研究与城市发展[J]. 人文地理, 2008, 23(2):77-81.

[6]
沈丽珍, 顾朝林. 区域流动空间整合与全球城市网络构建[J]. 地理科学, 2009, 29(6):787-793.

[7]
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.

[8]
Friedmann J. The world city hypothesis[J]. Development and change, 1986, 17(1):69-83.

[9]
Taylor P J, Walker D R F, Catalano G, et al. Diversity and power in the world city network[J]. Cities, 2002, 19(4):231-241.

[10]
Irwin M D, Hughes H L. Centrality and the structure of urban interaction:measures,concepts,and applications[J]. Social Forces, 1992, 71(1):17-51.

[11]
Neal Z. Differentiating centrality and power in the world city network[J]. Urban Studies, 2011, 48(13):2733-2 748.

[12]
Boyd J P, Mahutga M C, Smith D A. Measuring centrality and power recursively in the world city network:a reply to Neal[J]. Urban Studies, 2013, 50(8):1641-1 647.

[13]
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):1032-1 048.

[14]
Alderson A S, Beckfield J. Power and position in the world city system[J]. American Journal of sociology, 2004, 109(4):811-851.

[15]
Reades J, Calabrese F, Ratti C. Eigenplaces:Analysing cities using the space-time structure of the mobile phone network[J]. Environment and Planning B:Planning and Design, 2009, 36(5):824-836.

[16]
程玉鸿, 孟俊华. 基于高端消费文化视角的中国城市中心性及其网络结构的实证分析[J]. 经济地理, 2014, 34(2):28-34,49.

[17]
Smith D.A, Timberlake M.F. World city networks and hierarchies,1977-1997:an empirical analysis of global air travel links[J]. American Behavioral Scientist, 2001, 44(10):1656-1 678.

[18]
Guimera R, Mossa S, Turtschi A, et al. The worldwide air transportation network:Anomalous centrality,community structure,and cities' global roles[J]. Proceedings of the National Academy of Sciences, 2005, 102(22):7794-7 799.

[19]
莫辉辉, 金凤君, 刘毅, 等. 机场体系中心性的网络分析方法与实证[J]. 地理科学, 2010, 30(2):204-212.

[20]
柯文前, 陆玉麒, 朱宇, 等. 交通流网络的时空特征解析——基于张量分解方法视角[J]. 地理科学, 2016, 36(11):1679-1 687.

[21]
蔡莉丽, 马学广, 陈伟劲, 等. 基于客运交通流的珠三角城市区域功能多中心特征研究[J]. 经济地理, 2013, 33(11):52-57.

[22]
赵映慧, 姜博, 郭豪, 等. 基于公共客运的东北地区城市陆路网络联系与中心性分析[J]. 经济地理, 2016, 36(2):67-73.

[23]
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):1230-1 237.

[24]
刘军. 社会网络分析导论[M]. 北京: 社会科学文献出版社, 2004.

[25]
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.

[26]
叶妍君, 齐清文, 姜莉莉, 等. 基于地理探测器的黑龙江垦区农场粮食产量影响因素分析[J]. 地理研究, 2018, 37(1):171-182.

[27]
Scott A, Storper M. development[J]. Regional studies, 2003, 37(6-7):579-593.

[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]
柳坤, 申玉铭. 国内外区域空间相互作用研究进展[J]. 世界地理研究, 2014, 23(1):73-83.

[30]
侯贺平, 刘艳芳, 李纪伟, 等. 不同模型在镇域空间相互作用中的应用与比较分析——以湖北省大冶市为例[J]. 人文地理, 2014, 29(5):63-68.

Options
文章导航

/

〈 〉