EN中文

Economic geography >

2025 , Vol. 45 >Issue 4: 35 - 46

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.04.004

Network Pattern and Spatio-temporal Evolution of Aviation Flows of Chinese Urban Agglomeration System

  • WEN Yuyuan ,
  • SHENG Lei , ※
Expand
  • School of Applied Economics，Renmin University of China，Beijing 100872，China

Received date: 2023-12-28

  Revised date: 2024-12-24

  Online published: 2025-06-24

Fold

Abstract

Based on the flow data of air passenger and cargo, and using the methods of spatial visualization and complex network analysis, this paper analyzes the network pattern and spatiotemporal characteristics of aviation flows of China's urban agglomeration system in 19 urban agglomerations. The study shows that: 1) The aviation traffic between 19 urban agglomerations accounts for more than 90% of the overall aviation traffic in the country. 2) The aviation network of China's urban agglomeration system exhibits a multi-center, tiered structure with uneven spatial distribution. Major hubs—Beijing-Tianjin-Hebei, Yangtze River Delta, Pearl River Delta, and Chengdu-Chongqing—form a four-core, spoke-and-axis framework, all located in the southeast of the Hu Huanyong Line. This aligns with the "5+5+9" spatial configuration outlined in China's 14th Five-Year Plan. 3)In 1995-2019, the aviation flow of Chengdu-Chongqing urban agglomeration experienced the most rapid growth, the Yangtze River Delta urban agglomeration surpassed the Beijing-Tianjin-Hebei urban agglomeration as the leading hub, widening its dominance. The ranking of urban agglomerations such as Mid-southern Liaoning, Harbin-Changchun, and Central Yunnan declined. The status of nodes such as Hangzhou, Nanjing, Ningbo, Shenzhen and Chongqing has rapidly been rapidly improved, and they tend to form a healthy development in the hierarchical structure of urban agglomerations. Guangdong-Fujian-Zhejiang coastal urban agglomeration, Shandong Peninsula urban agglomeration and Beibu Gulf urban agglomeration have multiple internal nodes, with weak hierarchical structure, while other urban agglomerations show nascent but immature internal structure. 4) The changes in airline attractiveness of the five major urban agglomerations to the rest 14 urban agglomerations indicate that the influence of distance on inter-urban agglomeration linkages is weakening, while the improvement of urban agglomerations competitiveness level will deepen the linkages with the other urban agglomerations all over the country.

Key words： urban agglomeration system; aviation flow network; hierarchical structure; spatio-temporal evolution; complex network analysis; China

Cite this article

WEN Yuyuan , SHENG Lei . Network Pattern and Spatio-temporal Evolution of Aviation Flows of Chinese Urban Agglomeration System[J]. Economic geography, 2025 , 45(4) : 35 -46 . DOI: 10.15957/j.cnki.jjdl.2025.04.004

当前中心城市和城市群已成为中国承载经济发展的主要空间形态。为形成能够带动全国高质量发展的空间动力源，城市群的发展和规划一直备受重视。自2007年党的十七大报告提出“科学规划城市群规模和布局”至2021年《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（以下简称《“十四五”规划》）中提出要形成多中心、多层级、多节点的网络型城市群目标，再到2024年党的二十届三中全会要求“健全城市规划体系，引导大中小城市和小城镇协调发展”，期间中国城镇化加速推进和城市群规划布局不断调整，城市群迅速发展。这一过程伴随着人口迁移和交通运输网络变迁，不断重塑中国城市群体系的空间结构形态，是一个时空演变的过程。当前，城市群已成为国家参与全球竞争与分工的基本地域单元，对国家经济持续稳定发展具有重大意义[1]。根据《国家新型城镇化规划（2021—2035年）》，中国将进一步完善以城市群为主体的城镇化格局，提升城市群一体化水平，健全城市群协同发展机制并重点分类推动19个城市群发展，其实质是要从战略和实践两个层面建构包含不同层级规模、不同类别功能协同发展的城市群体系。而各城市群主要是通过以交通为主导的基础设施束及其网络来推动城市群体系的形成和发展，其中日益发达和密集化的航空运输网络的作用占据重要地位。
关于城市群空间结构的研究，国外可追溯至1986年Friedmann从城市群视角提出城市等级结构研究的重要性[2]。该领域一直受到经济地理学研究的关注，相关文献从内容上可分为三类：①城市群空间结构特征和指标测度[3-8]，如通过计算帕累托指数、位序—规模Zipf指数、首位度、中心性、紧凑度等指标反映城市群空间结构特征和单中心—多中心结构特征，基于“流空间”视角[9]、社会网络分析[10-11]、重力模型[12]等对城市群网络特征和等级结构进行研究；②城市群空间结构演变的动力机制，如全球化和信息基础设施[13]、自然条件[14]、人口和经济规模[15-16]、政府支出规模[15]、三产比重[17]等是城市群空间结构转变的主要影响因素；③城市群空间结构效益和优化研究[6,18-22]，如单中心、多中心城市群经济效率比较，其中考虑了交通成本、通勤效率、人口均衡、集聚不经济等因素的作用，最终结论不一。
而关于城市群体系空间结构的研究，由于人流、物流、资金流、信息流等各种流频繁快速地交叠流动，城市群间的网络联系日益引起学界重视。在此过程中“位空间”被融入并逐渐从属于“流空间”，城市群研究也开启了从注重城市群内部城市间关系分析范式向城市群间流空间网络探索范式的转型。在数据和研究方法上，当前“流空间”范式的研究已成为城市尺度上研究城市空间结构和等级结构的流行方法，经济技术合作、交通运输流[10-11,23-25]、企业组织关系流[26-28]、信息传输流[9,29-31]、社会文化交流等是现有城市群流空间网络研究的常用方式。其中基于交通基础设施如公路、铁路、航空等的城市群网络研究更为广泛。然而，由于不同交通方式的技术特点和经济距离各异，其适用范围也有差异。通常情况下，分析距离不大的城市群内城市间网络联系，普铁、公路等慢速运输较为适合，而分析距离较大的城市群间网络联系，航空、高铁等快速运输则更为合理。考虑到高铁速度通常不及航空的一半且经常频繁短距离停靠，而航空一般适于500 km以上运距，基于航空流分析城市群间联系较之其他运输方式更为有效，因而适用于全国范围内的城市群体系研究。同时，不同于城市体系研究通常侧重于单个城市或少数城市的相互作用，城市群体系研究强调多个城市作为一个整体的协同发展和互动关系。而航空流网络分析可以捕捉到城市群内部及其与外部的联系强度和流动模式，从而揭示城市群作为一个整体的动态演变，并突出城市群之间的快速连接和流动性，反映现代经济的高速和远程互动。从研究尺度来看，城市群空间结构特征及演变相关文献的研究尺度主要为单个城市群范围内城市，如长三角[10,23]、珠三角[9]、长江中游城市群[32]等的内部空间结构。伴随交通、物流基础设施的发展，中国经济成为一个越来越密不可分的整体，各城市群间的联系也越来越紧密，而直接以城市群为研究对象的全国城市群体系研究较少，少数学者如马学广等基于2016年航空流数据从城市群尺度分析了中国城市群航空网络结构特征及联系[24]，但着眼点主要是城市且没有对城市群体系结构展开研究。在时间范围选取上，相关研究多为截面现状的静态研究，未能从时空维度说明城市群体系的发展进程和演变动态特征。
鉴于此，本文选取1995—2019年航空客货流数据，以全国19个城市群为研究对象，对中国城市群体系网络格局、城市群体系空间结构时空演进特征进行深入分析和探讨，旨在为中国城市群体系的整体规划和网络型城市群发展提供理论支撑和决策参考。

1 概念、数据与研究方法

1.1 城市群及城市群体系概念

城市群是指在特定地域范围内，以1个以上特大城市为核心，由至少3个以上大城市为构成单元，依托发达的交通通信等基础设施网络所形成的空间组织紧凑、经济联系紧密并最终实现高度同城化和高度一体化的城市群体[33]。学界对城市群体系的概念还没有严格的定义，本文借鉴方创琳提出的近似概念[1]——中国城市群结构体系来定义城市群体系，即指由发育阶段不同、规模等级不同、行政隶属不同、地理区位和成因不同的城市群，通过物质流、资本流、人口流、能量流、信息流和知识流等各种“流空间”耦合组织而成的空间综合集群体，其组成单元是单个城市群，类似于城市体系中的“独立城市”。根据《“十四五”规划》和《国家新型城镇化规划（2021—2035年）》，目前中国重点规划发展的城市群共计19个，本文所述城市群体系即指全国19个城市群的集合体。

1.2 数据来源

本文选取1995—2019年的全国城市O-D（源地—目的地）航空流数据，数据来源于1996—2020年《从统计看民航》的机场客货吞吐量和主要航线客货运量。《从统计看民航》不同年份对于主要航线的选取标准不一，为统一选取标准，筛选出1995—2019年旅客运输量在每年30万人以上的航线。同时，由于本文研究对象是城市群，航线两端城市应属于中国19个城市群之一，故最终共筛选出85座城市，占2019年通航城市的36.3%，但航线旅客总运输量占所有国内航线的68.2%，可以表征国内主要城市的航线运输情况。少数城市如北京、上海等含有两个及以上机场，计算中作合并处理。本文采用WLU（Work Load Unit）单位综合反映航空运输量[34-35]，将航空货物运输量和旅客运输量综合计算成一个指标，一个WLU相当于一个运输旅客或100 kg运输货物，即一个城市的WLU运输量=旅客运输量（人数）+货物运输量（kg）/100。由于缺乏对应地区航空流数据，本文不含对港澳台的分析。
本文所用社会经济数据源自《中国城市统计年鉴》与各城市国民经济和社会发展统计公报，机场经纬度坐标来自百度拾取坐标系统，地图数据基于自然资源部标准地图服务网站下载。

1.3 研究方法

本文主要运用复杂网络分析的方法，将机场所在城市群作为节点，采用机场间的旅客运输量和货物运输量表征城市群间的联系强度，构建城市群航空流网络。通过空间可视化的方法对城市群航空流网络进行空间表达和描述，并利用拓扑参数等对构建的网络空间结构进行分析。基于时空两个维度对城市群体系航空流网络进行研究，通过航空流网络的变化来反映中国城市群体系的基本格局和时空演进特征。具体地，本文基于UCINET的社会网络分析方法并辅以空间可视化技术来探讨城市群体系航空流网络的拓扑特征及其变化：
①加权度中心性。定义一个无向网络，其中包含n个节点和n·（n+1）/2条边。度中心性是指与该节点直接相连节点形成的边数量，节点度中心性越大，则说明该节点的核心性越强。而加权度中心性即将与该节点相连节点的边赋予权重，本文边的权重采用城市群间WLU运输量，将所有相连边所赋权重加总即得到加权度中心性，加权衡量了该节点的重要性。
②接近中心性。接近中心性衡量节点和节点之间的距离，即从一个节点出发到其余节点的便捷程度。接近中心性越大，表明该节点越处于网络的中心，越能更快到达其他点。计算方法是一个节点所能到达的节点数量n除以到达这些节点的最短路径之和。最短路径 L m i n ¯是指该节点到达其余所有节点最短路径的平均值。
③中介中心性。中介中心性衡量节点对于其余资源的控制程度，若一个节点是在该网络中许多最短路径经过的节点，即说明该节点的中介作用很强，强调该节点在其余节点之间的调节能力，体现该节点的控制力。
④首位联系和次位联系。首位联系指一个城市群与其余城市群中联系最紧密的一对联系，紧密程度采用城市群间的WLU运输量衡量；次位联系为仅次于首位联系的下一对联系。首位联系强度是指一个城市群的首位联系WLU运输量与该城市群的WLU吞吐量的比值，次位联系强度同理。

2 中国城市群体系航空结构演进

城市群从改革开放至今已逐步成为中国新型城镇化的主体，目前正在推动形成“5+5+9”的城市群空间结构格局。由图1可知，研究期内整体上城市节点和代表航空运量的WLU都处于稳步增长的趋势。其中，属于城市群节点的比例处于下降趋势，这表明航空流网络在中心城市和城市群之外进行扩张；代表航空运量的WLU同样呈上升趋势，城市群间WLU占整体比重一直位于90%以上，表明城市群间航空流始终占有绝对优势地位，城市群集聚特征突出。由于城市群的地域、经济和人口规模等差异，其吞吐总量必然存在差异。通过分析19个城市群1995—2019年航空吞吐量WLU与均值的对比演进趋势（图2展示了8个代表性城市群），发现各城市群吞吐量WLU总体都呈上升态势，但提升速度和幅度存在显著差别。其中，WLU大幅快速提升且始终远高于均值的有长三角、珠三角、京津冀和成渝4个经济较发达的城市群，长江中游城市群升速和增幅与均值大致持平，接下来离均值较近的依次是粤闽浙沿海、关中平原、滇中、山东半岛、北部湾和中原6个城市群，其余8个城市群（哈长、辽中南、山西中部、黔中、呼包鄂榆、兰州—西宁、宁夏沿黄和天山北坡）的航空吞吐量WLU增幅小且慢。前五大城市群的吞吐量WLU占所有城市群的61.4%，与前五大城市群经济总量占所有城市群的比例63.0%相当。进一步与城市群经济和人口规模对比分析发现，中国城市群的航空运量和其经济总量具有相似的空间结构，都呈现多中心、多层次、发展不均的地理格局，表明航空WLU运量能够很好地综合体现一个城市群的经济和人口流动活跃程度，对城市群体系发展格局有很强的表征能力。
图1 1995—2019年中国城市群城市节点及城市群间WLU变化

Fig.1 Changes in urban nodes and inter-urban WLUs in urban agglomerations，1995-2019

图2 1995—2019年中国代表性城市群吞吐量(WLU)与均值演进比较

Fig.2 Evolution comparison of throughput (WLU) and the average in typical urban agglomerations，1995-2019

3 中国城市群体系网络格局

3.1 城市群及其内部城市节点

本节将基于航空流分析全国城市群体系网络格局，并通过综合的WLU运输量来反映城市群之间的联系紧密程度。图3是2019年19个城市群间的航空流网络联系格局。
图3 2019年中国19个城市群间的航空流网络格局

注：基于自然资源部标准地图服务网站下载的审图号为GS（2020）4619号的标准地图制作，底图边界无修改。图4、图5和图7同。

Fig.3 Aviation flow network pattern between 19 urban agglomerations of China in 2019

图3左图为城市群间航空流网络格局。从人口和经济地理分布来看，航空吞吐量较大的城市群节点无一例外都位于胡焕庸线东南侧，仅有呼包鄂榆、宁夏沿黄、兰州—西宁和天山北坡4个城市群节点分布于该线西北侧。城市群体系发育区域差异明显，且与全国人口和经济发展地理分布差异相契合。
图3右图为各城市群内城市之间的航空流网络，可观察各城市群内部的多中心、多层级、多节点结构。从全国来看，城市节点分布呈现不均衡性，在东部沿海地区分布密集，且呈现聚集特征。体量最大、数量最多的节点聚集在长三角城市群，包含上海、杭州、南京、宁波、舟山、合肥、无锡、义乌8个节点，其中以上海节点规模最大，其次是杭州和南京。可见长三角城市群内部已呈现出多中心、多层级、多节点的结构，是一个发展较为成熟的城市群。而规模同样很大的珠三角城市群仅包含3个节点：深圳、广州、珠海，中心城市节点集聚和承载了群内其他城市的航空流功能。粤闽浙沿海城市群包含厦门、泉州、福州、温州、揭阳5个节点，呈带状分布，除厦门外各节点规模都较小且分散。山东半岛城市群包含青岛、济南、威海、烟台4个节点，除青岛外其他节点规模都较小。北部湾城市群包含海口、湛江、南宁，以海口为主。京津冀城市群含北京、天津、石家庄3个节点，由北京主导。这些东部城市群内部多数已经具备成型的层级结构，未来仍将进一步发展优化。其余地区的城市群内节点主要是省会城市，基本无明显层级结构，但大多数城市群有多中心、多节点特征，需进一步优化城市群内部网络层级结构。

3.2 城市群间航空流量联系层级

按WLU运输量规模将城市群网络层级分为200万以下、200~500万、500~1500万和1500万以上4个等级，2019年城市群各等级航空流网络联系如图4所示。
图4 2019年中国流量分级城市群航空流网络

Fig.4 Aviation flow networks of urban agglomerations at different network levels in 2019

城市群第一流量层级网络有4条航空流联系，按双向运输量排序依次为长三角—珠三角、长三角—京津冀、长三角—成渝和珠三角—京津冀。可以发现，中国城市群体系中第一层级网络已经形成了一个坚固紧密的“弓箭”组合联系：“弓背”为京津冀—长三角—珠三角联结，“弦”为京津冀—珠三角联结，“箭”为成渝—长三角联结，构成中国城市群体系的骨架核心。第一层级城市群网络节点间的联系远高于其他层级网络节点间的联系，其中长三角—珠三角间的航空流联系度最高。
第二流量层级网络涵盖12个城市群间14条航空流联系，其中含长三角城市群的联系共9条，含京津冀城市群的联系共3条，含珠三角、成渝、粤闽浙沿海、长江中游、关中平原城市群的联系各为2条。这一层级进一步展现了长三角在全国城市群范围的辐射能力，凸显了长三角、京津冀、珠三角和成渝这四大城市群在航空流网络中的主导地位。前六位航空流联系构成了由长三角—珠三角—京津冀—成渝城市群围成的“菱形”框架，被不少文献谓之为中国空间市场的核心与精华之地[36-37]。
第三流量层级网络涵盖18个城市群，而第四流量层级网络联结边数最多密度最高，覆盖全部城市群但联结强度不高。结合第三、四层级的航空流网络对比分析，容易发现第三层级航空流联系较多而第四层级航空流联系较少的城市群中，北方地区为京津冀，南方地区为长江中游。与京津冀联系密切的包括哈长、关中平原、辽中南等，都是位于北方地区的城市群。与长江中游联系密切的包括成渝、珠三角、粤闽浙沿海等，多为南方城市群。因此京津冀可以视为北方地区的航空流枢纽，长江中游则为中南部地区重要的区域性航空流枢纽，这同样由两者发展规模、经济实力和优越区位所决定。从第一级到第四级的联结边数呈金字塔分布（4、14、35、68），反映了城市群体系中各城市群节点的枢纽性地位高低及其层级分布结构特征。

3.3 城市群航空联系层级模式与结构特征

3.3.1 首位联系和次位联系

图5显示，19个城市群中有13个城市群的首位联系指向长三角；长三角和珠三角互为首位联系，为一对耦合关系；有3个城市群即天山北坡、呼包鄂榆和兰州—西宁的首位联系指向京津冀；中原的首位联系为珠三角，宁夏沿黄的首位联系为关中平原。首位联系的分布反映了大型城市群尤其是长三角对全国城市群经济发展的辐射带动作用和枢纽联结功能。次位联系图中显示京津冀和珠三角是联系数量较多的城市群，同样起到区域性的交通枢纽和经济枢纽作用。
图5 2019年中国城市群航空首位联系强度和次位联系强度

Fig.5 First linkage intensity and second linkage intensity of aviation flow of urban agglomerations in China in 2019

联系强度可衡量城市群对其首位城市群和次位城市群的依赖程度。首位联系中强度超过0.3的有长三角城市群与珠三角、辽中南、哈长、山西中部和黔中5个城市群间的联系以及呼包鄂榆与京津冀城市群间的联系。次位联系中，强度超过0.2的有哈长与京津冀、呼包鄂榆与关中平原城市群间的联系。首位和次位联系强度高的城市群反映了其对首位和次位城市群在经济发展和贸易往来的高度依赖。

3.3.2 城市群层级结构特征

根据2019年全国19个城市群之间的航空WLU联系矩阵，采用网络分析软件UCINET基于加权度中心性绘制网络结构图（图6）。根据度中心性大小可清晰看出城市群航空流网络的层级结构，珠三角、长三角、京津冀、成渝和长江中游5个城市群为航空流网络的核心，其度中心性属于网络第一层级，与其余城市群之间的航空联系紧密，辐射作用强。第二层级包括关中平原、山东半岛、中原、滇中和粤闽浙沿海5个城市群，在航空流网络中具有较大的影响力，属于区域级城市群。剩余9个城市群则属于第三层级，度中心性较小，影响力不高，位于航空流网络结构的边缘。航空流网络显示的城市群层级结构与《“十四五”规划》中要推动形成的“5+5+9”城市群空间结构格局相似，城市群航空流网络层级结构与国家规划基本一致。
图6 2019年中国19个城市群节点航空流网络结构形态

Fig.6 Aviation flow network structure pattern of nodes of 19 urban agglomerations in 2019

4 中国城市群体系时空演进特征

4.1 城市群体系航空流网络演变

了解城市群体系网络时空演进特征可以明晰中国城市群体系的发展历程（表1）。整体而言，中国城市群体系的发展主要是围绕京津冀、长三角、珠三角、成渝4个城市群构成的菱形框架逐步扩大增密，同时这4个城市群区域枢纽作用持续增强，共同构成全国城市群体系日益复杂的航空流网络形态，逐渐形成了多中心、多层级的轴辐式航空流网络结构。其中较为突出的演进有：①天山北坡逐步发展为西北重要航空枢纽，仅次于关中平原，且与京津冀的联系最为紧密；②成渝在西部特别是西南部的枢纽性不断增强；③大西南地区滇中和北部湾的区域性枢纽成长快速，与成渝和东部各城市群的航空联系逐年增大；④京津冀除了增密增强与南方城市群的联系外也提升了对东北、西北地区的辐射强度；⑤东南沿海各城市群的航空流网络持续扩张，几乎与全国所有其他城市群的航空流联系增厚加密，其中尤以长三角和珠三角为甚，展现了其超强支配性的枢纽地位，而且这一趋势仍在强化。
表1 1995、2003、2011和2019年中国WLU吞吐量前十位城市群(单位:万WLU)

Tab.1 Top 10 urban agglomerations in terms of WLU throughput in 1995, 2003, 2011 and 2019 (unit: ten thousand WLU)

排序 1995 2003 2011 2019
城市群 吞吐量 城市群 吞吐量 城市群 吞吐量 城市群 吞吐量
1 京津冀 1062.83 长三角 2281.34 长三角 8435.38 长三角 14691.75
2 珠三角 993.92 珠三角 2194.31 京津冀 7069.86 珠三角 10486.25
3 长三角 803.87 京津冀 2132.52 珠三角 6677.26 京津冀 9278.93
4 成渝 213.00 成渝 859.70 成渝 3582.44 成渝 7362.11
5 粤闽浙沿海 190.13 粤闽浙沿海 478.93 长江中游 1916.94 长江中游 4171.43
6 长江中游 136.12 滇中 455.89 粤闽浙沿海 1812.05 粤闽浙沿海 4034.07
7 辽中南 119.36 长江中游 398.31 关中平原 1495.39 关中平原 3454.70
8 关中平原 107.98 北部湾 372.92 滇中 1405.49 山东半岛 3075.64
9 天山北坡 99.99 辽中南 275.82 山东半岛 1200.79 滇中 2984.48
10 哈长 94.93 关中平原 251.13 辽中南 1164.46 北部湾 2637.80
根据表1可进一步了解城市群节点地位的变迁：①研究期内核心城市群的相对地位发生了变化，长三角于2003年超过京津冀，并与京津冀和珠三角拉开差距，此后一直维持在龙头首位。而京津冀和珠三角两者差距较小。②成渝城市群快速崛起，从1995年仅占京津冀吞吐量的20.0%，到2019年该占比升至79.3%，中国城市群体系实现了从三中心向四中心的转变。③长江中游成为第五大城市群节点，山东半岛2019年升至第七。④一些城市群的发展动力不足，出现了排名下降趋势：东北的辽中南和哈长均跌出前十；滇中从1995年12名升至2003年第6名，又降至2019年的第9名。这些城市群节点要么是老工业基地集聚区，要么地处偏僻内陆，产业转型困难或者竞争优势不强，难以建立现代化产业体系而发展速度偏慢，进而影响其航空流吞吐量导致其节点地位相对下降。
由表2进一步来看：①1995年城市群间的紧密联系主要由地理位置决定，距离更近的城市群有更紧密的联系，如京津冀和辽中南、珠三角和粤闽浙沿海，这可以用城市系统相互作用的“距离衰减”律解释。而至2019年，发达城市群的吸引力或者辐射力突破了地理距离的限制，城市群间的紧密联系主要由城市群的吸引力或辐射作用决定。20余年来中国城市群体系有了巨大发展，由地理邻近主导转向规模实力主导，时空逻辑发生了显著变化。②从城市群对的变化可以观察到发达城市群吸引力及其方向的变化。与成渝联系最紧密的从珠三角变为长三角，与辽中南联系最密切的从京津冀变为长三角，与粤闽浙沿海联系最强的从珠三角变为长三角，与哈长联系最紧密的从京津冀变为长三角。与上述城市群联系最紧密的城市群都转向长三角反映了长三角城市群在崛起过程中吸引力的持续增强，并在中国三大城市群中取得压倒性竞争优势，成为具有高度支配性的头部城市群。
表2 1995、2003、2011和2019年中国前十位城市群间WLU运输量

Tab.2 Top 10 inter-urban agglomerations of WLU traffic in China in 1995, 2003, 2011 and 2019

排序 1995 2003 2011 2019
1 长三角—京津冀 长三角—珠三角 长三角—珠三角 长三角—珠三角
2 长三角—珠三角 长三角—京津冀 长三角—京津冀 长三角—京津冀
3 珠三角—京津冀 珠三角—京津冀 珠三角—京津冀 长三角—成渝
4 珠三角—成渝 珠三角—成渝 长三角—成渝 珠三角—京津冀
5 京津冀—辽中南 珠三角—北部湾 珠三角—成渝 珠三角—成渝
6 珠三角—粤闽浙沿海 长三角—粤闽浙沿海 京津冀—成渝 京津冀—成渝
7 京津冀—天山北坡 京津冀—成渝 长三角—粤闽浙沿海 长三角—粤闽浙沿海
8 京津冀—哈长 京津冀—辽中南 长三角—辽中南 长三角—辽中南
9 长三角—粤闽浙沿海 珠三角—长江中游 珠三角—粤闽浙沿海 长三角—关中平原
10 珠三角—北部湾 长三角—成渝 京津冀—长江中游 长三角—哈长

4.2 城市群体系网络拓扑特征

①加权度中心性。根据各城市群内每个城市节点以其与群外城市之间的WLU运输量作为权重，计算每个节点的加权度中心性，并按照计算结果绘制全国城市群内城市加权度中心性分布格局图。1995年大部分城市加权度中心性值较低，仅小部分城市该值较高，表明城市的航空流网络属于无标度网络。从25年的发展来看，全国各城市群的城市中心度均快速提升，但发展程度不一。东部沿海各城市群的城市节点不断增加，其中心性也不断提升，但群内城市节点中心性相对差距不大。京津冀、长三角、珠三角和成渝四大城市群的城市中心性最为突出，在全国范围内一直维持最高的城市中心性。中部及西部地区城市节点稀疏，航空流比较集中于少数省会城市，其中心性相对较高，如图7a。
图7 2019年中国城市群内城市节点度中心性、接近中心性、中介中心性

Fig.7 Degree centrality，closeness centrality and betweenness centrality within urban agglomerations in 2019

②接近中心性。接近中心性在城市航空流网络中，衡量的是一个城市到其余城市的便利度，如直达、转机一次或多次。根据计算结果绘制各城市群内城市节点接近中心性发展格局图可知，北京、广州等大城市的接近中心性在20余年中几乎不变，它们到其余城市的便利度高且稳定，而其余城市的接近中心性都在不断提升，即各城市联结外部的便利度不断提高，这说明航空流网络的复杂化程度在持续加深，城市便利度的差距在逐渐缩小，图7b展示了2019年的情形。
③中介中心性。中介中心性在航空流网络中反映一个节点作为航空枢纽的能力高低，中介中心性大的节点将承担更大航空转运作用。根据计算得到城市节点中介中心性的空间格局图可知中介中心性高即具有枢纽能力的城市节点较少。1995年仅有北京、上海、广州、深圳、武汉和西安6个节点（图略）。在25年的发展中，节点中介中心性格局发生了很大变化，西安取代深圳和武汉成为仅次于北京、上海、广州的第四大强枢纽能力节点。枢纽能力显著上升的节点主要包括厦门、重庆、成都、郑州和杭州，分别从1995年的17、34、39、55和37位升至2019年的5、6、7、8和9位。而武汉的中介中心性急剧下滑，从1995年排名前五下降至2019年第14位，与之相伴明显下降的还有深圳、南宁、珠海、湛江和北海等市，图7c展示了2019年的格局。
从全国各节点中介中心性随时间的变化来看，北京、上海、广州等超大型城市的中介中心性有相对下降趋势，而其余城市基本处于上升趋势。这说明随航空流网络的发展，超大城市对其余节点的控制能力相对减弱，各城市节点之间的差距持续缩小，中国航空流枢纽有多极化、城市群体系有多中心化趋势，但超大城市节点的控制性航空流枢纽支配地位依然稳固，结合前述加权度中心性和接近中心性特征来看，目前中国城市群体系的层级结构并未发生根本性变化。

4.3 五大城市群的进一步分析

长三角、珠三角、京津冀、长江中游和成渝是中国经济规模最大、发展最活跃的五大城市群，经济总量约占全国的57%（2023年），其发展具有全局性重大战略意义。本节重点关注五大城市群之间的航空流联系以及五大城市群与其他14个城市群间的航空流联系，以探索五大城市群内部的结构转变及其与外部联系的演化过程。
图8是中国五大城市群内城市节点间的航空流联系图。具体而言：①大型城市格局。1995年，上海、广州和北京三足鼎立，WLU吞吐量排名依次为北京、广州和上海，25年间深圳、成都、重庆和杭州的WLU吞吐量迅速提升，跨入航空运输最为活跃的城市行列。2019年城市间WLU运输量排在前列的依次为北京—上海、上海—深圳、上海—广州、北京—广州、深圳—北京、成都—北京、深圳—成都、成都—广州、杭州—北京和重庆—深圳等。可见各大城市相互间的航空联系在大幅提升并日益紧密复杂。②五大城市群格局。期初呈长三角、京津冀和珠三角三足鼎立之势，随着成渝的崛起和长江中游的发展，逐渐形成了菱形发展新格局，不过位于菱形中部的长江中游城市群其WLU吞吐量一直处于相对低位，且在五大城市群中的占比不断下降。③五大城市群内部结构。长三角其内部城市节点日益活跃，从1995年仅有上海、杭州、南京3个节点发展至2019年上海、杭州、南京、合肥、宁波、无锡、义乌共7个城市节点，节点数量扩张的过程伴随着长三角整体WLU运输量的扩张，但上海WLU运输量占比从最高的21.0%降至2019年的14.5%，从原来的上海一家独大发展为以上海为第一层，杭州、南京为第二层，合肥、宁波、无锡、义乌为第三层的多中心、多节点、多层级的成熟城市群结构；珠三角有广州、深圳、珠海3个城市节点，为双中心城市群，深圳从1995年仅为广州吞吐量的22.6%上升至2019年的92.5%，成为与广州比肩的珠三角核心枢纽，珠海体量较小但发展迅速；京津冀一直以北京为主，天津和石家庄相对影响力较低，2019年二者吞吐量总和仅占北京的28.0%；长江中游为三中心城市群，WLU吞吐总量较小，仅占五大城市群的8.0%，内部节点武汉、长沙和南昌发展较为均衡；成渝城市群中重庆处于不断发展中，与成都差距不断减小，为双中心城市群。
图8 1995和2019年中国五大城市群内部城市间航空联系

Fig.8 Aviation linkages between cities within the top 5 urban agglomerations in 1995 and 2019

图9为五大城市群与其余14个城市群间的航空流联系。五大城市群对其余14个城市群连接线按照WLU运输量大小顺时针排布，排列靠前的为联系更大的城市群对，不同颜色的连接线代表与不同城市群间的航空流联系。具体来说：①五大城市群对外联系格局。1995年，五大城市群对其余城市群的航空流联系中京津冀运输量最多，其次为珠三角、长三角，而长江中游和成渝与其他城市群的客流量都不足30万人次，故该年未在图中显示其对外联系。经过25年的发展，长三角对外联系从总量的16.6%持续增至37.0%，长江中游和成渝城市群的对外联系增至总量的10.8%和13.2%，而京津冀和珠三角的对外航空流联系占比不断减小，分别从期初的52.0%和31.2%减至期末的20.8%和18.0%。②其余14个城市群与五大城市群的联系格局。1995—2019年，与辽中南联系最紧密的城市群由京津冀变为长三角，长三角占比达53%，京津冀占比降至21.0%；与粤闽浙沿海联系最紧密的由珠三角变为长三角，其次为京津冀和成渝；与哈长联系最紧密的由京津冀变为长三角，其次为京津冀和成渝；与关中平原联系最紧密的由京津冀变为长三角，其次为珠三角和京津冀；与北部湾联系最紧密的由珠三角变为长三角，其次为长江中游和珠三角；与天山北坡联系最紧密的一直为京津冀；与滇中联系最紧密的最早是珠三角，2019年变为长三角；与山东半岛联系最紧密的一直为长三角；与呼包鄂榆联系最紧密的一直为京津冀；与中原联系最紧密的一直为珠三角；2019年，与山西中部和黔中联系最紧密的都为长三角，与兰西和宁夏沿黄联系最紧密的均为京津冀。
图9 1995和2019年五大城市群与其余14个城市群间的航空联系

Fig.9 Aviation linkages between the top 5 urban agglomerations and the rest 14 urban agglomerations in 1995 and 2019

综上可见，14个城市群与五大城市群之间的航空流联系一直处于动态变化之中，最初决定五大城市群与其余城市群航空流联系紧密程度的通常为地理位置因素，如京津冀和哈长、关中平原、辽中南，珠三角和粤闽浙沿海、北部湾，成渝和滇中等，主要归因于地理邻近。而后期则是交通方式多样化和交通技术进步，以及五大城市群规模不断扩大，经济实力和辐射作用动态变化等多种因素共同作用导致了城市群间航空流联系紧密程度的变化，重塑了城市群体系的航空格局。

5 结论与讨论

作为城际快速交通网络的重要组成部分，城市间航空流网络反映并型构了城市群体系的结构特征，对其进行分析可以从全局视野更好地理解城市群在全国范围内的连接和互动，更深入地揭示城市群体系内高附加值、高时效的高端经济活动联系特征，更及时地反映城市群体系的结构变化和发展趋势。本文基于1995—2019年中国主要航线的客货流数据，运用GIS空间分析、复杂网络分析等方法，以国家规划的19个城市群为研究对象，初步揭示了基于航空流网络的中国城市群体系格局及其时空演进特征。研究结论如下：
①中国当前城市群体系航空流网络格局。从节点分布来看，中国航空流规模较大的城市群节点都位于胡焕庸线东南侧，城市节点在东部沿海分布密集，西部数量多但分布稀疏，中部数量少；从城市群内部结构来看，长三角内部呈现多中心、多层级、多节点的成熟结构，粤闽浙沿海、山东半岛、北部湾内部节点多但层级结构不明显，仍需发展，而其余城市群的多层级多节点结构虽已具雏形但还不成熟；从城市群联系来看，全国城市群体系形成了以京津冀、长三角、珠三角和成渝为核心骨架的四中心轴辐式网络结构，京津冀为北方枢纽，长三角在全国拥有超强辐射能力，航空流网络整体格局与《“十四五”规划》的“5+5+9”城市群空间结构格局基本一致。
②城市群体系航空流网络的时空演进特征。发展最为迅速的为成渝城市群，逐渐稳固了中国城市群体系四中心之一的地位，是西南地区的重要枢纽；长三角的航空运输能力后来居上，超过京津冀和珠三角并拉开差距；而辽中南、哈长、滇中排名下降，可能是由于传统行业遭到新兴产业冲击所致。五大城市群中长三角的杭州、南京，珠三角的深圳，成渝的重庆发展迅猛，成为城市群内的重要节点并丰富了所在城市群的层级结构；距离决定城市群联系的作用有弱化趋势，城市群竞争力、地理位置、交通方式、技术进步等都是影响航空流联系的重要因素并日显重要。
③城市群体系空间结构是动态变化的。1995—2019年，中国城市群体系发生了明显变化，一些城市群如长三角和成渝发展快速，而一些城市群如辽中南和哈长落后于总体的发展。在该过程中，发达的城市群逐渐形成成熟的内部结构，内部城市节点的丰富和崛起带动了城市群总体快速发展，既反映在城市群城市节点间的联系中，也体现在与发达城市群城市节点联系的深化上。这提示中国城市群体系在未来发展中，不断优化城市群内部空间结构，形成多中心、多层级、多节点的网络型城市群是重中之重，而提升城市群城市节点的核心竞争力，融入全国动态发展的城市群体系结构中是发展的动力源头。
本文选取的航空流数据适合研究全国或世界范围内的大尺度人流和物流网络演进特征，因而在城市群间航空流联系的研究上有优势。但中国中部内陆地区航空建设不如沿海地区和西部地区部分城市群发达，在航空流网络中的联系表现可能比其实际网络联结强度偏弱，未来可以考虑用多种交通流数据进行互补，使之能更加全面反映城市群体系的空间网络结构及其内部的层级特征。此外，本文只讨论了航空流下城市群体系的现状和发展特征，没有讨论城市群体系演变过程中的动力机制和影响因素，因而揭示其演化机制也是未来进一步拓展的方向。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
方创琳, 宋吉涛. 中国城市群结构体系的组成与空间分异格局[J]. 地理学报, 2005(5):827-840.

[2]
Friedmann J. The world city hypothesis[J]. Development and Change, 1986, 17(1):69-83.

[3]
方创琳, 祁巍锋, 宋吉涛. 中国城市群紧凑度的综合测度分析[J]. 地理学报, 2008, 63(10):1011-1021.

[4]
黄妍妮, 高波, 魏守华. 中国城市群空间结构分布与演变特征[J]. 经济学家, 2016(9):50-58.

[5]
Burger M, Meijers E. Form follows function?Linking morphological and functional polycentricity[J]. Urban Studies, 2012, 49(5):1127-1149.

[6]
Meijers E J, Burger M J. Spatial structure and productivity in us metropolitan areas[J]. Environment and Planning A:Economy and Space, 2010, 42(6):1383-1402.

[7]
Sadewo E, Syabri I, AntipovaN A, et al. Using morphological and functional polycentricity analyses to study the Indonesian urban spatial structure:The case of Medan,Jakarta,and Denpasar[J]. Asian Geographer, 2021, 38(1):47-71.

[8]
Wei L, Luo Y, Wang M, et al. Multiscale identification of urban functional polycentricity for planning implications:An integrated approach using geo-big transport data and complex network modeling[J]. Habitat International, 2020, 97:102134.

[9]
王少剑, 高爽, 王宇渠. 基于流空间视角的城市群空间结构研究——以珠三角城市群为例[J]. 地理研究, 2019, 38(8):1849-1861.

DOI

[10]
方大春, 孙明月. 高铁时代下长三角城市群空间结构重构——基于社会网络分析[J]. 经济地理, 2015, 35(10):50-56.

[11]
吴凤连, 郝丽莎, 王晓歌, 等. 基于高铁联系的中国东部城市服务业发展潜力格局——社会网络分析视角[J]. 经济地理, 2020, 40(4):145-154.

DOI

[12]
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, 27(1):1-12.

[13]
Hall P, Pain K. The Polycentric Metropolis:Learning from Mega-city Regions in Europe[M]. London: Routledge, 2006.

[14]
顾朝林. 城市群研究进展与展望[J]. 地理研究, 2011, 30(5):771-784.

[15]
赵璟, 党兴华, 王修来. 城市群空间结构的演变——来自中国西部地区的经验证据[J]. 经济评论, 2009(4):27-34.

[16]
Zhou C, Li M, Zhang G, et al. Spatiotemporal characteristics and determinants of internal migrant population distribution in China from the perspective of urban agglomerations[J]. PLOS One, 2021, 16(2):e0246960.

[17]
孙斌栋, 王婷, 刘鹏飞. 中国城市群空间结构演化的影响因素分析——基于铁路客运的功能联系视角[J]. 人文地理, 2019, 34(5):78-84.

[18]
van Oort F, Burger M, Raspe O. On the economic foundation of the urban network paradigm:Spatial integration,functional integration and economic complementarities within the Dutch Randstad[J]. Urban Studies, 2010, 47(4):725-748.

[19]
Bailey N, Turok I. Central Scotland as a polycentric urban region:Useful planning concept or chimera?[J]. Urban Studies, 2001, 38(4):697-715.

[20]
张浩然, 衣保中. 城市群空间结构特征与经济绩效——来自中国的经验证据[J]. 经济评论, 2012(1):42-47,115.

[21]
于斌斌, 郭东. 城市群空间结构的经济效率:理论与实证[J]. 经济问题探索, 2021(7):148-164.

[22]
刘修岩, 李松林, 秦蒙. 城市空间结构与地区经济效率——兼论中国城镇化发展道路的模式选择[J]. 管理世界, 2017(1):51-64.

[23]
陈维肖, 刘玮辰, 段学军. 基于“流空间”视角的铁路客运空间组织分析——以长三角城市群为例[J]. 地理研究, 2020, 39(10):2330-2344.

DOI

[24]
马学广, 鹿宇. 基于航空客运流的中国城市空间格局与空间联系[J]. 经济地理, 2018, 38(8):47-57.

DOI

[25]
王姣娥, 景悦. 中国城市网络等级结构特征及组织模式——基于铁路和航空流的比较[J]. 地理学报, 2017, 72(8):1508-1519.

DOI

[26]
王成, 王茂军, 柴箐. 城市网络地位与网络权力的关系——以中国汽车零部件交易链接网络为例[J]. 地理学报, 2015, 70(12):1953-1972.

DOI

[27]
路旭, 马学广, 李贵才. 基于国际高级生产者服务业布局的珠三角城市网络空间格局研究[J]. 经济地理, 2012, 32(4):50-54.

[28]
Meng Q, Wang C, Wang C. Examining the evolution of China's urban interlocking networks based on the spatial agglomeration of producer services[J]. Journal of Urban Planning and Development, 2022, 148(1):0000802.

[29]
Krätke S, Taylor P J. A world geography of global media cities[J]. European Planning Studies, 2004, 12(4):459-477.

[30]
Zhou M, Yue Y, Li Q, et al. Portraying temporal dynamics of urban spatial divisions with mobile phone positioning data:A complex network approach[J]. ISPRS International Journal of Geo-Information, 2016, 5(12):240.

[31]
Dai L, Cao Z, Zhu Q, et al. Analyzing polycentric urban development in China:Evidence from intercity knowledge collaboration[J]. Resources Science, 2021, 43(5):886-897.

[32]
朱政, 朱翔, 李霜霜. 长江中游城市群空间结构演变历程与特征[J]. 地理学报, 2021, 76(4):799-817.

DOI

[33]
方创琳. 中国城市群研究取得的重要进展与未来发展方向[J]. 地理学报, 2014, 69(8):1130-1144.

DOI

[34]
李娜, 于涛方, 郭怀成. 中国城市体系格局与演变:航空流视角(英文)[J]. 北京大学学报(自然科学版), 2010, 46(6):972-984.

[35]
Doganis R. The Airport Business[M]. London: Routledge, 1992.

[36]
周灿, 曾刚, 曹贤忠. 中国城市创新网络结构与创新能力研究[J]. 地理研究, 2017, 36(7):1297-1308.

DOI

[37]
陈伟, 修春亮, 柯文前, 等. 多元交通流视角下的中国城市网络层级特征[J]. 地理研究, 2015, 34(11):2073-2083.

DOI

Options
Outlines

/

〈 〉