EN中文

Economic geography >

2019 , Vol. 39 >Issue 12: 1 - 10

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.12.001

Network Structure and Development Concept in Huaihai Economic Zone

  • MENG Hao , 1, 2 ,
  • HUANG Xianjin , ※, 1 ,
  • YANG Jun 3 ,
  • LIN Bingquan 4
Expand
  • 1. School of Geographic and Oceanic Sciences，Nanjing University，Nanjing 210023，Jiangsu，China
  • 2. School of Economics，Nanjing University of Finance ＆ Economics，Nanjing 210023，Jiangsu，China
  • 3. College of Environment and Spatial Informatics，China University of Mining and Technology，Xuzhou 221116，Jiangsu，China
  • 4. School of Urban and Regional Science，East China Normal University，Shanghai 200241，China

Received date: 2019-01-05

  Revised date: 2019-07-04

  Online published: 2025-04-18

Fold

Abstract

Under the background of globalization and localization and regionalization, the rapid flow of economy and information between nodes promotes the formation of urban networks and becomes a new regional organization model and spatial structure, especially for regional integration. The area has had a profound impact. Taking Huaihai Economic Zone as an example, this paper starts from the network space of absolute intensity of economic connection, relative strength of economic connection and intensity of information connection, from the perspective of network density, feature vector center degree, core-edge structure and cohesion subgroup. The time and space pattern of the economic and information network in the Huaihai Economic Zone was studied. The results show that the overall network density of the Huaihai Economic Zone is not high, but it gradually evolves with time; whether it is the absolute intensity of economic linkages, the relative strength of economic linkages, or the intensity of information linkage, Xuzhou is the primary central city of Huaihai Economic Zone; The core cities that define the Huaihai Economic Zone are Xuzhou, Lianyungang, Huai'an and Suqian, and the sub-core cities are Yancheng, Tai'an and Zaozhuang. There are four sub-groups of local cities in huaihai economic zone. The urban subgroups are Xuzhou-Bengbu Group, Eastern Coast Group, Southern shandong Group and Western Collaboration Group. Finally, the idea of promoting the development of urban agglomerations in the Huaihai Economic Zone is proposed.

Key words： space of flow; economic relation; baidu search index contact; social network analysis; structural optimization; Huaihai economic zone

Cite this article

MENG Hao , HUANG Xianjin , YANG Jun , LIN Bingquan . Network Structure and Development Concept in Huaihai Economic Zone[J]. Economic geography, 2019 , 39(12) : 1 -10 . DOI: 10.15957/j.cnki.jjdl.2019.12.001

随着经济全球化的发展和信息社会的到来，时空距离的压缩，改变了传统区位论及物理邻近的“地方空间”，不同性质和层次的城市联系流逐渐成为城市体系空间结构的主要载体[1]。基于中心地理论等级制度的传统城市经济联系和地域组织模式发生了改变，从强调地域差异到对空间相互作用的关注；从静态的场所空间到动态的流空间；从马赛克式的空间格局到纵观联通的网络结构[2]。研究视野逐步从“地方空间”孕育的向心型中心地模式，向“流空间”塑造的多中心网络化模式转化[3]。但国内区域结构受行政等级及自然条件及历史因素影响，城市体系结构特征较为复杂，区域空间结构仍处于中心地理论的“地方空间”视角和“中心流”理论的“流空间”视角交互影响中。区域网络通过其负载能力和扩展能力的优化，提升了要素流通的广度、密度和深度，强化了本地与外界的联系，可为区域一体化发展提供动力，而由此引发的网络结构成为区域发展的热点[4]。
目前国内外区域空间结构研究主要集中于基于规模、距离等静态“地方空间”[5]和基于交通联系流、企业组织关系、信息等动态“流空间”[6]两方面。从全球、国家或区域尺度来看，不同性质和层次的城市联系流在构建城市间关系中发挥重要作用[7-8]。经济发展总量的网络联系研究较多，从经济发展总量和质量的对比研究较少；静态“地方空间”或者动态“流空间”单一理论的研究较多，针对两种属性的城市联系网络对比研究较少。不同联系方式对于区域网络形成与发展所起的不同功能与作用，单一属性的网络分析，可能导致研究结果的片面化和指征意义的不明确。对于区域网络体系而言，同一区域在不同属性的网络联系中的结构演化如何，不同属性的网络联系是否呈现相同的城市组团模式，以上问题仍有待于进一步研究。
从学界研究来看，淮海经济区的相关研究在学术界的关注及认可逐步提高，以“淮海经济区”或含“淮海城市群”为主题在知网中进行搜索，共计634条结果，年均发文量已由2000—2004年的13.2篇提升到2014—2017年的42篇。从现实发展需求来看，淮海经济区经济发展相对落后，是东部沿海发达地区的“塌陷区”，成员市也处于各省经济发展的“低谷”。省级边界的“边缘效应”割裂了淮海经济区固有的社会经济联系，尤其是随着中原城市群①、江淮城市群②、山东半岛城市群③、郑州都市圈、合肥都市圈、济南都市圈等规划的提出，“诸侯”经济凸显、要素流动异常、产业重构严重、恶性竞争频发[9-10]，导致区域空间结构有其特殊性。
本文将分别以地方空间和流空间理论作为引导，利用重力模型构建，综合常住人口、城镇建设用地面积、交通距离等绝对性指标，构建基于经济绝对联系强度的城市引力模型；综合人均GDP、人口城镇化率、土地城镇化率等相对性指标，构建基于经济相对联系强度的城市引力模型；基于城市间的百度搜索指数，构建基于信息联系的城市网络关联度模型；运用社会网络分析方法，比较三种淮海经济区城市网络结构的时空演化特征，划分经济区内的凝聚子群，并提出推进淮海经济区城市间结构优化发展的构想。

1 研究方法与数据来源

1.1 研究区概况

1986年，于光远先生提出了淮海经济区的概念，并划定了基本范围，横跨苏鲁豫皖20个地级市（图1）[11-12]。经过30多年的努力，形成了以市长联席会议制度为基础，政府、企业和社会组织为依托，经济、科技、文化各领域频繁交流与合作的经济区[13]。2010年5月《长江三角洲地区区域规划》正式将淮海经济区列入国家规划。2010年以来召开的淮海经济区核心区城市市长会议确定核心区为徐州、淮北、济宁、连云港、宿迁、宿州、商丘、枣庄等8个地级市，但多是处于政府博弈的角度划定，缺乏一定的科学性。2017年，在江苏省“1+3”重点功能区战略中，以徐州为中心的淮海经济区成为江苏省区域格局重构后的重要一极。可见，随着我国“一带一路”倡议中新亚欧大陆桥的建成和开发，尤其是中西部的发展，客观上要求淮海经济区振兴繁荣，并起到带动辐射的作用。
图1 淮海经济区范围示意图

Fig.1 Location of Huaihai Economic Zone

从全国范围来看，淮海经济区地理位置优越，南接长三角经济区和皖江经济区，北临山东半岛经济区，西襟中原经济区，拥有新亚欧大陆桥东部桥头堡，是我国东西融合和南北交流的枢纽地带。从地方空间所强调的城市规模来看，淮海经济区的人口规模达1.14亿人，仅次于长三角经济区，与京津冀、长三角和珠三角等高度发育的经济区相比，淮海经济区虽然土地面积和总人口较多，但人均GDP较低，二产比重过高（表1）。《全国城镇体系规划（2016—2030）》确定南京、青岛、郑州等城市为国家中心城市，外加国家对《皖江城市带承接产业转移示范区规划》的批示，周边经济区发展上升为国家战略，加剧了区域间的腹地争夺。
表1 2015年淮海经济区与国内主要经济区发展情况比较

Tab.1 Comparison of the development of Huaihai Economic Zone and major domestic economic zones

名称 面积（万km2） 人口（亿人） GDP（亿元） 人均GDP（元/人） 三次产业结构（%）
京津冀经济区 21.70 1.09 62 172 57 329 6∶42∶51
长三角经济区 21.10 1.59 118 332 74 823 5∶47∶48
珠三角经济区 5.48 0.57 53 060 93 114 2∶45∶53
中原经济区 28.90 1.81 49 998 27 609 12∶54∶32
山东半岛经济区 6.98 0.37 27 497 74 870 14∶49∶37
皖江经济区 9.00 0.33 13 566 40 951 7∶53∶41
淮海经济区 18.06 1.14 38 494 33 667 9∶57∶33

注：数据来源于2016年各省（市、区）统计年鉴加总、整理。

1.2 数据来源

经济联系数据：2005年城镇常住人口及城镇化率来自各省的1%人口抽样调查资料，2000和2010年第五次和第六次人口普查数据资料；GDP、人均GDP数据来自《江苏统计年鉴》《山东统计年鉴》《河南统计年鉴》《安徽统计年鉴》；城镇用地（指大、中、小城市及县镇以上建成区用地）面积来自中国科学院资源环境科学数据中心（http://www.resdc.cn）的2000、2005、2010、2015年中国1∶10万比例尺土地利用现状遥感监测数据库数据集；城市间的最短公路交通里程来自百度地图所测度的最短交通线距离。
信息联系数据：来源于百度指数网络界面中百度搜索数据（https://index.baidu.com/），由于百度指数只能查询2011年至今的数据，故选择2011—2015年为研究的时间节点。以“城市i”作为关键词，“城市j”作为客体城市的名称，搜索i与j之间的百度用户关注度年均值。2011—2015年淮海经济区内部20个地级市间的年平均信息联系强度，作为分析城市网络关联度数据，进一步探索淮海经济区的区域空间结构。城市i被城市j关注的百度指数越高，代表城市i、j之间的信息联系更为密切。

1.3 研究方法

1.3.1 基于经济联系的城市引力模型

城市引力模型源于牛顿的万有引力理论，被广泛应用于地理学[14]、经济学[15]和国际贸易[16]等研究中。其可反映城市间的联系量和空间相互作用量的强弱，也能反映中心城市和腹地间的辐射能力和接受程度[17]。
①基于经济联系绝对强度的城市引力模型：
R i j ' = V i P i S i × V j P j S j r 2
式中： R i j '为城市 i对城市 j的绝对引力大小； V i和 V j分别为 i、 j城市的GDP； P i和 P j分别为 i、 j城市的城镇常住人口数； S i和 S j分别为 i、 j城市的城镇用地面积； r为城市 i、 j间的最短公路交通里程（来自百度地图所测度的最短交通线距离）。
②基于经济联系相对强度的城市引力模型：
R i j ' = V i ' P i ' S i ' × V j ' P j ' S j ' r 2
式中： R i j ″为城市 i对城市 j的相对引力大小； V i '和 V j '为 i、 j城市的人均GDP； P i '和 P j '分别为 i、 j城市的人口城镇化率； S i '和 S j '为 i、 j城市的建设用地中城镇用地比重（城镇用地面积/建设用地面积）； r为城市 i、 j间的最短公路交通里程。

1.3.2 基于信息联系的城市网络关联度模型

以Taylor等学者领衔的全球化和世界城市网络研究（GaWC）提出，用城市网络关联度来衡量网络中城市之间的相互联系强度。两座城市间的网络关联度越高，表明其网络距离越小，相互联系越紧密。
构建由淮海经济区20个城市两两之间的百度指数构成的矩阵，用 A i j表征城市i在城市j的百度指数， A j i表征城市j在城市i的百度指数；Ni为城市i在区域内的信息流总量，即城市在网络中的层级，公式如下：
N i = ∑ j R i j
由于矩阵数据存在方向性，因此用城市i和j之间的百度指数的乘积 R i j ‴表示两两城市之间的信息流强度，计算公式：
R i j ‴ = A i j × A j i

1.3.3 社会网络分析

由于联系是普遍存在，为了分析的准确性，防止微城市联系影响整体分布，需对城市间联系的元素设定阈值参考，参考刘铮等人的研究，对网络进行筛边处理，2000、2005、2010和2015年的城市间联系均值作为阈值，去除小于均值的城市联系，形成无向加权的城市联系矩阵[18-19]。为了消弭不同数据之间的量纲影响，增强不同模型结果的可比性，对城市间的联系紧密度进行[0,100]标准化处理。
R i j = R i j - m i n m a x - m i n × 100

2 淮海经济区城市空间结构演化

2.1 网络密度分析

网络密度值既体现了整体网络对于所处网络中个体的影响，也体现了网络中个体之间的相互影响。网络密度值越大，表明网络对成员的影响能性越大，网络成员之间的关系越密切，该网络对其中行动者的态度、行为等产生的影响也越大[20]。联系紧密的整体网络不仅为其中的个体提供各种社会资源，同时也成为限制其发展的重要力量。区域的整体网络密度是指网络中城市结点间实际关系数与理论最大关系数的比值，整体网络密度值越大，表明该网络对区内城市的经济联系和信息联系等产生的影响越大[21]。计算公式如下：
D = m n n - 1 / 2
式中：m指区域内实际存在联系的数量；n为城市网络规模即网络中城市的数量。基于经济联系绝对强度、经济联系相对强度及信息联系强度等三个方面的分析，形成如下结果（表2，图2）：
表2 2000—2015年淮海经济区网络联系密度

Tab.2 Network connection density of Huaihai Economic Zone from 2000 to 2015

网络类型 2000 2005 2010 2015
密度 标准差 密度 标准差 密度 标准差 密度 标准差
经济联系绝对强度 0.05 0.40 0.28 1.40 1.67 4.81 5.42 11.98
经济联系相对强度 0.09 0.63 0.42 2.14 2.40 6.44 6.16 13.02
信息联系强度 / / / / 1.29 3.61 12.47 17.98
图2 中国城市人均GDP的LISA集聚图

Fig.2 LISA map of urban per capita GDP in China from 2001 to 2016

①区域网络演化初期，淮海经济区的经济联系绝对强度和经济联系相对强度分别仅为0.05和0.09，网络整体密度较小，整体网络表现为影响力较弱的徐州—枣庄—淮北、泰安—莱芜两个分支。
②淮海经济区不同联系网络的整体网络演化特征各异，2000—2015年淮海经济区经济联系的网络整体密度分别以年均36.74%和32.68%的速率增加，网络趋于紧凑，城市间的经济联系增强。2010年信息联系的整体网络密度低于经济联系的整体网络密度，但各城市信息流总量和已由2011年的861 016条上升到2015年的1 631 448条，年均增幅高达57.51%。淮海经济区内城市间的经济联系日趋频繁，城市间的关系更为紧密，尤其是随着互联网发展而信息联系迅速增强，而城市间的信息流克服了传统的地理空间，在一定程度上加强并再塑造了区域网络空间。

2.2 网络特征向量中心度演化分析

以往中心度计算有度数中心度、接近中心度、中间中心度等模型，但未考虑城市之间联系的规模，仅仅适用于二值图网络的测量。而特征向量在网络整体结构的意义上，找到网络中最核心的成员，同时也可以测量出整个网络的“特征向量中心度”指数，因此成为刻画城市中心度以及网络中心势的标准化测度模型[22]。本研究采用特征向量中心性反映淮海经济区网络联系的中心度，运用UCINET6（Network→Centrality→Eigenvector）实现特征向量中心度的计算（表3）。
表3 淮海经济区特征向量中心度

Tab.3 Characteristic vector center degree of Huaihai Economic Zone

城市 经济联系绝对强度 经济联系相对强度 信息联系强度
2000 2005 2010 2015 2000 2005 2010 2015 2011 2015
徐州 100.00 93.58 92.39 84.15 84.57 80.47 82.06 84.15 75.89 64.94
连云港 0.00 0.00 15.01 15.82 0.00 0.00 11.68 15.82 63.79 58.19
淮安 0.00 0.00 19.37 19.02 0.00 0.00 11.57 19.02 52.17 45.89
盐城 0.00 0.00 12.35 13.09 0.00 0.00 1.48 13.09 45.09 29.91
宿迁 0.00 23.67 34.80 34.56 0.00 9.92 27.71 34.56 45.99 39.39
开封 0.00 0.00 1.03 6.62 0.00 0.00 1.99 6.62 0.00 8.45
商丘 0.00 14.95 19.17 28.99 0.00 12.42 21.21 28.99 0.00 13.51
周口 0.00 0.00 7.41 12.11 0.00 0.00 2.50 12.11 0.00 4.90
枣庄 47.20 35.63 34.36 44.22 32.47 26.93 39.79 44.22 31.44 28.22
济宁 0.00 0.00 1.16 7.07 0.00 3.72 17.20 7.07 35.03 36.22
泰安 0.00 26.30 27.10 42.69 0.00 0.76 13.03 42.69 13.74 26.38
日照 0.00 0.00 8.38 19.23 0.00 0.00 0.91 19.23 5.80 27.45
莱芜 0.00 18.22 19.33 31.27 0.00 0.41 7.10 31.27 3.19 7.47
临沂 0.00 0.00 14.26 15.36 0.00 0.00 9.47 15.36 22.08 47.61
菏泽 0.00 0.00 7.06 8.77 0.00 0.00 4.24 8.77 7.36 26.67
淮北 88.16 75.38 66.35 52.69 94.58 90.02 80.43 52.69 3.87 10.65
亳州 0.00 2.34 11.37 15.26 0.00 2.04 10.67 15.26 0.00 7.74
宿州 0.00 49.79 42.64 35.30 53.37 66.51 52.56 35.30 17.23 16.77
蚌埠 0.00 0.00 8.50 9.62 0.00 0.00 14.58 9.62 0.00 14.38
阜阳 0.00 0.00 6.55 8.64 0.00 0.00 0.00 8.64 0.00 17.72
表4 淮海经济区核心城市识别（Y表示核心城市）

Tab.4 Identification of core cities in Huaihai Economic Zone

城市/年份 经济联系绝对强度 经济联系相对强度 信息联系强度
2000 2005 2010 2015 2000 2005 2010 2015 2011 2015
徐州 Y Y Y Y Y Y Y Y Y Y
连云港 - Y Y Y - - Y Y Y Y
淮安 - Y Y Y - - Y Y Y Y
盐城 - Y Y Y - - - - Y Y
宿迁 - Y Y Y - - Y Y Y Y
商丘 - - - Y - - - - - -
枣庄 - - - Y - - Y Y - -
济宁 - Y - - - - - - Y Y
泰安 - - Y Y - - Y Y - -
临沂 - - - - - - - - - Y
菏泽 - - - - - - - - - -
淮北 Y - - - Y Y Y Y - -
无论从经济联系的绝对强度和相对强度来看，还是信息联系来看，徐州的特征向量中心度均高于其他城市，这说明徐州处在淮海经济区网络的中心，与其他城市的经济联系十分紧密。作为苏北第一大城市、京沪—陇海交汇枢纽，徐州以其独特的交通运输优势和较快的经济发展对淮海经济区起着辐射和带动作用，成为淮海经济区的发展核心。
从经济联系绝对强度来看，淮北、枣庄、泰安、宿州、宿迁、莱芜、商丘属于第二梯队；周口、蚌埠、菏泽、阜阳、济宁、开封等城市中心度较低，对淮海经济区其他城市的网络较弱；日照、泰安、临沂等城市的中心度排名均有增加，而蚌埠、阜阳、商丘等城市的中心度排名下降。
从经济联系相对强度来看，2000年淮北中心度最大，但之后被徐州超越，仍属于第二梯队城市；菏泽、周口、开封、盐城、阜阳、日照等城市中心度较低，从演化角度来看，中心度的排名较稳定。
从信息联系强度来看，连云港、临沂、淮安、宿迁、济宁中心度高于其他城市，属于第二梯队；开封、亳州、莱芜、周口等城市中心度较低；莱芜、枣庄、泰安等城市的中心度排名增幅较大，而宿迁、淮安、阜阳等城市降幅较大。

2.3 核心—边缘结构分析

本研究的联系矩阵是淮海经济区内城市间联系构成的1-模网络，利用UCINET6中分析1-模网络中核心—边缘结构的Network>Core/Periphery算法，区分出自身密度较高的城市（核心）和自身密度较低的城市（边缘），核心城市作为增长极带动区域的发展。
由于经济联系绝对强度、经济联系相对强度和信息联系强度所代表含义不同，本研究尝试将三种方法相结合。如果用三种方法得出的同一年份的核心城市均有其空间单元，那么该单元一定处于核心范围，称之为核心城市；如果某两种模型有，而其它模型没有，那么属于核心度较高，称之为次核心城市；如果某种模型有，而其它模型没有，那么属于核心度较低，称之为半边缘城市；如果三种模型都没有，那么属于联系较弱的地区，称之为边缘城市。基于此得出如下结论（图3）：①2000年淮海经济区的核心城市仅有徐州市和淮北市。②由于淮北市行政区划面积较小、人口较少，2000年后退出经济联系绝对强度网络的核心，但由于人均GDP、城镇化率较高，仍一直是经济联系相对强度网络的核心。2005年连云港市、淮安市、盐城市、宿迁市经济总量发展迅速跃升为经济联系绝对强度的网络核心。因此，核心城市：徐州市，淮北市；次核心城市：连云港市、淮安市、盐城市、宿迁市；其余14个城市为边缘城市。③2010年核心城市：徐州市、连云港市、淮安市、宿迁市；次核心城市：盐城市、泰安市；半边缘城市：淮北市、枣庄市、济宁市；其余11城市为边缘城市。④2015年核心城市：徐州市、连云港市、淮安市、宿迁市；次核心城市：盐城市、泰安市、枣庄市；半边缘城市：淮北市、济宁市、商丘市、临沂市，其余9市为边缘城市。可见2000—2015年淮海经济区核心区逐渐扩大，由2000年的2个增加至2015年7个。
图3 淮海经济区核心—边缘结构分析

Fig.3 Core-Edge structure analysis of Huaihai Economic Zone

需要指出的是，2010年5月，在徐州召开的第一届淮海经济区核心区城市市长会议上共同签署了《关于加快淮海经济区核心区一体化建设的意见》，提出了淮海核心区范围，主要包括徐州市、连云港市、宿州市、商丘市、济宁市、枣庄市、宿迁市和淮北市8个城市。这与本研究识别出的2015年淮海经济区核心和次核心城市徐州市、连云港市、淮安市、宿迁市、盐城市、泰安市和枣庄市7个城市有出入。核心区市长会议的核心城市是以徐州作为中心城市出发，通过行政手段划定的，而本研究的核心城市是基于淮海经济区整体网络结构定量测度的结果，具有更强的理论依据。

3 基于凝聚子群分析的淮海经济区城市组团

3.1 基于凝聚子群的淮海经济区网络结构

凝聚子群是指在城市网络中更具紧密联系的城市，反映网络中的组团现象[23]。基于2015年的经济联系绝对强度、经济联系相对强度和信息联系强度，采用UCINET中的Concor法（迭代相关收敛法），得出在2级层面分类结果（图4）。基于经济联系绝对强度和经济联系相对强度的网络凝聚子群2级层面的分类结果一致，而且分析结果与各城市的空间位置基本一致，同一凝聚子群内的城市间经济联系具有很强的相似性。城市间的信息联系打破了传统经济联系的地理位置约束，从而分析结果与各城市的空间位置差异较大。基于此，凝聚子群分析结果采取基于经济联系强度的城市间联系网络。
图4 2015年淮海经济区网络凝聚子群分析

Fig.4 Analysis of network condensation subgroups in Huaihai Economic Zone in 2015

3.2 基于凝聚子群的淮海经济区城市组团

经分析，淮海经济区存在4个凝聚子群（图5）。即：①区域中心城市徐州，带动蚌埠市、宿州市、淮北市形成徐蚌组团。该组团在陆路交通、经济等方面，总体处于淮海经济区的第一层级，同时，也与南京城市群、合肥城市群具有密切合作关系。②以枣庄为次中心，将临沂市、日照市和淮安市、盐城市、连云港市、宿迁市组合成为东部沿海组团。该组团在海港设施方面具有独特优势，尤其是与日本、韩国等具有密切的经济合作与交流，同时也是山东半岛蓝色经济区、江苏沿海发展战略等两个国家战略的重要战略空间。③以济宁市、泰安市和莱芜市形成鲁南组团，这一组团策应了济南都市圈的发展格局，尤其是在文化上凸显了以孔孟文化为主基调的文化聚通。④由河南省的开封市、商丘市和周口市，安徽省的阜阳市和亳州市，山东省的菏泽市，三部分形成西部协作组团，与郑州都市圈、合肥都市圈具有合作基础与区域认同，同时在经济发展格局以及城市化发展阶段上具有相似性，便于形成具有共同针对性的政策措施。
图5 基于凝聚子群分析的淮海经济区城市组团

Fig.5 Huaihai Economic Zone urban group based on coherent subgroup analysis

图6 2016年全国人口迁徙网络的社团结构

Fig.6 The community structure of the national migration network in 2016

3.3 城市组团划分比较及分析

基于淮海经济区发展格局，有些研究将淮海经济区划分为6个经济区[11]或4个经济区[9]。6分法是在中心城市的基础上，以县为单元，将淮海经济区划分为：中部经济区（以徐州为主）、西北经济区（济宁、泰安、菏泽为主）、东北经济区（临沂、莱芜为主）、东南经济区（以盐城为主）、西部经济区（开封、商丘、周口）、西南经济区（亳州、蚌埠、阜阳）等。4分法是以各市的经济发展差异水平为划分依据，结合市间的空间邻接性和行政隶属关系，分为：中部发达区，即徐州、连云港、临沂和日照；南部较发达区，即盐城、淮安和宿迁；北部较发达区，即泰安、济宁、莱芜、枣庄和菏泽；西部滞后区，即开封、商丘、周口、亳州、阜阳、宿州、蚌埠、淮北等。
6分法、4分法，都体现了淮海经济区不同的发展战略要求。但由于进入2010年以来，淮海经济区所涉及的国家战略叠加，例如“一带一路”交汇点、山东半岛蓝色经济区、江苏沿海发展战略，以及其周边城市群发展的快速崛起，例如合肥城市群、郑州城市群、济南城市群等，都加剧了淮海经济区网络结构演变的不确定性。因此，本文基于经济联系绝对强度、经济联系相对强度以及信息联系强度等形成的新四分法，更加符合淮海经济区城市圈的发展现状特征以及趋势。
基于腾讯位置大数据的“人口迁徙图”（2016年腾讯迁徙大数据），抓取了2016年366个城市间逐日的人口迁徙数据，基于Gephi软件构建了全国城市间的人口流动网络④。通过全国层面的复杂网络社团结构划分，发现在宏观尺度层面，淮海经济区已成为长三角、中原、山东半岛等更高等级经济区的腹地。但是经济区之间并不是完全割裂、绝对分离的，因此，可能存在一个经济区的部分区域，既是该经济区的组成部分，也是其他经济区的腹地。在经济区内部也由多个组成部分（组团）构成，经济区是多尺度、多层级、相互联系的。从全国尺度来看，目前对京津冀、长三角、珠三角三大经济区已达成共识。但是，在京津冀与长三角地区之间的较大地理范围的腹地上，还缺少强大的区域发展增长极。
因此，有必要提出若干个区域性的增长极。如，长三角城市群内部，上海大都市圈、南京都市圈等次一级的区域性增长极。此外，淮海经济区拥有1.14亿人口，人口密度甚至高于京津冀和长三角，在国家层面的规划中也得到了认可。如果实现区域内城市网络结构的优化发展，不仅可以打破省界阻断效应，而且区域的实力由大变强，助推1.14亿人全面建成小康社会。

4 结论与建议

基于“地方空间”和“流空间”的理论指导，挖掘经济联系绝对强度、经济联系相对强度、百度指数等三种空间组织模式，借助社会网络分析方法，构建城市网络结构模型，并针对淮海经济区的经济和信息网络进行实证分析，结论如下：
①淮海经济区的整体网络密度不高，随着时间推移，网络趋于紧凑，城市间的经济联系增强。淮海经济区的各城市的GDP和城镇人口增加较快，但人均GDP和城镇化率增长相对缓慢。
②徐州市的中心度最高，无论是经济联系绝对强度、经济联系相对强度，还是信息联系强度，徐州均是淮海经济区的首要中心城市。
③淮海经济区网络经历了徐州市和淮北市双核心向多核心演变的过程，并形成了不同空间尺度下嵌套的网络特征。基于淮海经济区整体网络结构定量测度的结果，提出了更为科学性的核心区范围划定，核心城市为徐州市、连云港市、淮安市和宿迁市，次核心城市为盐城市、泰安市和枣庄市。
④淮海经济区内小团体现象明显，存在4个地方性城市子群，分别是徐蚌组团、东部沿海组团、鲁南组团和西部协作组团，子群内经济联动作用明显，子群间经济影响较小，尚未形成具备桥联接功能的城市枢纽，尤其是西部协作组团，区内联系有待进一步加强。
淮海经济区内明显缺少强有力的中心城市，存在被周边城市群/经济区瓦解的可能。但如果实现区域内城市网络结构的优化发展，不仅可以打破省界阻断效应，而且区域的实力由大变强，助推1.14亿人全面建成小康社会。基于本文上述结论，提出淮海经济区网络结构优化的政策建议如下：
①以基础设施一体化，推进淮海经济区内一体化。结合“一带一路”倡议，以及淮海经济区城市群及其周边都市圈建设等国家战略，着力推进区域基础设施的对接和融合，提升区内重大基础设施的共享性以及网络化建设。加强区内城市主体之间的经济联系，打破省级边界效应，为跨区域整合群内的资源与要素尤其是区内“组团”间的经济互动提供基础支撑。
②以苏北振兴为契机，重点培育徐州作为区域中心性城市。从淮海经济区的核心—边缘结构来看，核心城市多位于苏北地区。首先促进苏北城市区域一体化发展，以苏北振兴为主体，带动淮海经济区整体发展。其次，徐州不仅是淮海经济区的地域中心，也是经济联系密度及信息联系密度最强的城市之一。需要通过加强对于徐州的建设，进一步增强徐州对于淮海经济区城市网络的经济联系与信息联系，提升淮海经济区内徐州的首位度。再次，发挥徐州在高等教育、科技创新等方面在淮海经济区内的领先地位，建设形成淮海经济区的科教中心。
③以城市组团差别化策应为主导，加强与周边城市群/经济区的战略融合。完善淮海经济区的城市发展分工，形成城市组团内部协作、城市组团之间合作的淮海经济区城市网络结构优化发展格局。主要是，加强徐蚌组团与南京都市圈、合肥都市圈的交流；促进东部沿海组团与长三角城市群、青岛都市圈等战略合作；推进鲁南组团与济南城市群的对接；引导西部协作组团与郑州城市群、合肥城市圈的协作，从而在更大地域空间上实现发展。
需要指出的是，本文利用的城市间网络联系，除百度网络搜索指数反映信息流外，多采用GDP、城镇人口、城镇用地面积等静态的虚拟联系，未来研究中应加强人口流动、交通等实测“流”数据的应用，综合比较“地方空间”和“流空间”的城市网络结构特征。同时，因周边城市群/经济区的腹地争夺，淮海经济区城市网络联系密度及辐射能力还处在变化之中，需在更大尺度中进行识别。从全国尺度来看，目前对京津冀、长三角、珠三角三大经济区已达成共识，淮海经济区处于中间的发展“洼地”，还缺少强大的区域发展增长极。经济区或城市群之间存在多尺度、多层级的相互联系，并非完全割裂、绝对分离，可能存在一个经济区的部分区域，既是该经济区的组成部分，也是其他经济区的腹地。因此有必要在大尺度乃至全国层面进行城市网络结构的研判，增强结果的科学性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
艾少伟, 苗长虹. 从“地方空间”,“流动空间”到“行动者网络空间”:ANT视角[J]. 人文地理, 2010, 25(2):43-49.

[2]
Castells M. Grassrooting the space of flows[J]. Urban Geogra-phy, 1999, 20(4):294-302.

[3]
Taylor P J, Hoyler M, Verbruggen R. External urban relationalprocess:introducing central flow theory tocomplement central place theory[J]. Urban studies, 2010, 47(13):2 803-2 818.

[4]
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

[5]
吴常艳, 黄贤金, 陈博文, 等. 长江经济带经济联系空间格局及其经济一体化趋势[J]. 经济地理, 2017, 37(7):71-78.

[6]
Townsend A M. Network cities and the global structure of the In-ternet[J]. American Behavioral Scientist, 2001, 44(10):1 697-1 716.

[7]
Dühr S. Potentials for polycentric development in Europe:TheESPON 111 project report[J]. Planning,Practice & Research, 2005, 20(2):235-239.

[8]
甄峰, 王波, 陈映雪. 基于网络社会空间的中国城市网络特征——以新浪微博为例[J]. 地理学报, 2012, 67(8):1 031-1 043.

[9]
车冰清, 朱传耿, 杜艳, 等. 淮海经济区城市空间影响范围与城市经济区划分[J]. 人文地理, 2010, 25(5):86-91.

[10]
孟浩, 王仲智, 张骏菲, 等. 基于百度指数的淮海经济区城市层级与联系研究[J]. 江苏师范大学学报:自然科学版, 2015(2):14-17.

[11]
渠立权. 淮海经济区区域空间结构评价与重构[J]. 地理与地理信息科学, 2014, 30(1):76-80.

[12]
孙姗姗, 朱传耿, 李志江. 淮海经济区经济发展差异研究[J]. 地理学报, 2009, 64(8):924-934.

DOI

[13]
孙峻岭, 林炳耀, 孙琳琳. 新亚欧大陆桥东端城市群空间结构规划构想[J]. 地理研究, 2012, 31(5):931-944.

[14]
钱春蕾, 叶菁, 陆潮. 基于改进城市引力模型的武汉城市圈引力格局划分研究[J]. 地理科学进展, 2015, 34(2):237-245.

DOI

[15]
蒋天颖, 谢敏, 刘刚. 基于引力模型的区域创新产出空间联系研究——以浙江省为例[J]. 地理科学, 2014, 34(11):1 320-1 326.

[16]
谭秀杰, 周茂荣. 21世纪“海上丝绸之路”贸易潜力及其影响因素——基于随机前沿引力模型的实证研究[J]. 国际贸易问题, 2015(2):3-12.

[17]
王姣娥, 焦敬娟, 金凤君. 高速铁路对中国城市空间相互作用强度的影响[J]. 地理学报, 2015, 69(12):1 833-1 846.

[18]
刘铮, 王世福, 赵渺希, 等. 有向加权型城市网络的探索性分析[J]. 地理研究, 2013, 32(7):1 253-1 268.

[19]
王宁宁, 赵宇, 陈锐. 基于辐射模型的城市信息空间关联复杂网络研究[J]. 经济地理, 2015, 35(4):76-83.

[20]
汤放华, 汤慧, 孙倩, 等. 长江中游城市集群经济网络结构分析[J]. 地理学报, 2013, 68(10):1 357-1 366.

[21]
Stuart Koschade. A social network analysis of Jemaah Islami-yah:the applications to counterterrorism and intelligence[J]. Studies in Conflict & Terrorism, 2006, 29(6):559-575.

[22]
刘军. 社会网络分析导论[M]. 北京: 社会科学文献出版社, 2004.

[23]
邹嘉龄, 刘卫东. 2001-2013年年中国与“一带一路”沿线国家贸易网络分析[J]. 地理科学, 2016, 36(11):1 629-1 636.

Options
Outlines

/

〈 〉