2. 南方海洋科学与工程广东省实验室(珠海), 珠海 519000;
3. 广东省城市化与地理环境空间模拟重点实验室, 广州 510275
2. Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519000, China;
3. Guangdong Provincial Key Laboratory of Urbanization and Geo-simulation, Guangzhou 510275, China
进入20世纪90年代,在全球化和信息化的交织影响下,城市的发展越发依赖与其他城市的联系[1-5]。20世纪80年代,Castells提出流动空间(space of flow),强调在人、物、资本、信息等“流”塑造的城市网络中,城市的影响力不再局限于地方性的社会经济属性,而更多体现在流动空间中“流”的集聚能力(centers of flow)[6]。越来越多的学者基于交通流,从空间相互作用的视角探究城市间的社会经济联系[7]。其中,基于航空流的航空网络研究一直是城市地理学、交通地理学领域的热点议题[8, 9]。
目前对航空网络研究主要包括两方面:基于航空网络的城市体系研究[10]、航空网络的复杂性特征[11, 12]和空间格局等特征研究[13-15]。已有研究主要集中在境内航空网络的特征及演变,但对跨境航空网络的研究相对较少[16]。一方面,航空客运满足跨境出行的高时效性要求,促进人及以人为载体的资本和信息联系,是全球化的重要表征和引擎动力[17]。另一方面,近年来航空货运大规模、专业化的迅速发展,逐渐引起学者对航空货运网络空间格局及其演化的关注[16, 17]。航空货运主要承载电子器件、精密仪器、机械零件、药品、珠宝、快信等运输要求高且附加值高的货物[18],在全球货品贸易中扮演着重要的角色[19]。总体来看,多数研究基于航空客运或货运网络的单一视角,缺乏对两者的综合分析[16, 20]。
综合客、货运视角的分析有利于反映机场节点及所在城市在航空网络中的整体地位[14]。一方面,航空客运和货运网络在反映城市功能、产业特征方面有所差异。航空客运的发展及演化反映地区乘客量需求的变化[16],往往与城市的经济规模有关;而航空货运的发展则受城市经济的产业构成影响较大[15, 21],反映城市在国际分工和全球供应链体系中扮演的角色[18, 21]。如,富士康在郑州建立科技园区(生产手机等电子组件),对推动城市跨境航空货运增长具有积极意义[6]。另一方面,同一区域的航空客运和货运网络的发展阶段可能存在差异,并导致差异化的网络复杂性结构特征和空间格局。以中国大陆地区的境内航空网络为例,客运网络已逐步形成效率更高、可达性更优的轴—辐(hub-and-spoke)组织结构特征[22],而货运网络尚处于轴—辐组织结构的早期阶段,点—点(point-to-point)的机场间联系在网络中仍较多[7, 16]。因此,有必要综合客、货运视角探究航空网络的复杂性特征与空间格局,更好揭示地域内的枢纽机场体系[20]。
环南海区域包括中国(中国大陆、香港、澳门、台湾)、越南、印度尼西亚、马来西亚、文莱、柬埔寨、泰国、菲律宾和新加坡9个国家,是中国21世纪海上丝绸之路重要的战略枢轴区[23]。环南海区域内各国家和地区的外向型经济发展模式促进国家/地区间较紧密的社会经济联系,是全球区域经济一体化发展的重要组成部分。据世界银行统计数据显示,2000年至2018年,环南海区域的航空客运量占全球比重由8.8%上升为24.7%,航空货运量占比则由16.6%提高至22.6%①。
在此背景下,本研究涵盖环南海区域各国家/地区的所有国际机场,收集2000年、2010年、2018年各机场间的跨境客运和货运航线和航班数目,通过社会网络分析方法和ArcGIS可视化,探究近20年该区域跨境航空客运和货运网络整体结构和空间格局演化特征,并综合航空客运和货运网络分析枢纽机场体系演化,对于更好理解航空网络结构复杂性及识别和优化枢纽机场布局,改善区域基础设施的互通互联,进一步降低贸易成本、加强国家/地区间的跨境社会经济联系经济合作具有重要意义。
2 数据与方法 2.1 数据来源OAG(official aviation guide)为探究长时间尺度的航空网络演化研究提供数据支撑[10, 12, 13, 22]。本研究于2019年4月获取该平台的数据权限,采集2000、2010、2018年环南海区域所有国际机场的相关信息(所属国家、机场代码、经纬度坐标),并收集往返该区域内各国/地区间的跨境航班数据(含经停航班)。鉴于航空企业间联盟等市场行为,本研究剔除共享重复的航班运力,避免重复计算机场间的航班联系。
通常而言,跨境航空运输量数据有利于更好地揭示航空客、货运网络结构特征。但由于数据获取限制,本研究借鉴已有航空客、货运网络的综合研究[22],采用年航班数目刻画跨境航空客、货运网络结构特征。其中,货运航班指专门承担货物运输的货运飞机,不包括腹仓载货(bellycarried)的客运飞机。由于腹仓载货的客运飞机航班数目实质上仍反映航空客流需求[15];而货运飞机的航班数目则能够集中反映机场及其所在城市和区域在全球供应链体系中的物流需求,同时展现了其空港物流建设水平,这在一定程度上也从物流能力方面反映出对零售业、高端制造业等企业的吸引能力[15, 16, 21]。
2.2 研究方法以环南海区域各国际机场为网络节点,以机场间航班数据作为网络路径,分别构建2000、2010、2018年环南海区域航空客运和货运无向加权网络,采用社会网络分析指标(表 1)分析该区域跨境航空网络整体结构、空间格局、枢纽机场体系及其演化。
2000—2018年间,伴随环南海区域内各国/地区社会经济联系的愈加紧密,该区域内开通国际航班的机场及其航线、航班数目均显著增长,跨境航空客运和货运网络覆盖范围不断扩大(表 2)。在客运网络方面,机场数目18年间增加56.7%,航班数目增加135.6%。航线数目则实现303.0%的增长。航线数目增长率最高,反映该区域机场间的跨境航空客运联系更加频繁。同时,航班数目并没有保持与航线数目的一致性增长,也表明不同航线之间航班数目存在一定差异。
货运网络虽同样保持增长,但较客运网络慢。货运机场数目18年间增加94.74%。但同期,航线和航班数目仅实现88.7%和9.3%的增长。一方面,该区域港口的大规模建设和发展,已经成为全球最大的深水港口群,航空货运受到航海货运的激烈竞争。但更为重要的是,相较于本区域内商务人士等精英群体跨境出行需求的快速增长,本区域外向型经济发展主要依托大宗货物运输,高附加值货物运输的市场需求增长相对缓慢。同时,机场、航线和航班数目增长率差异较大。2010—2018年间,航班数目在机场与航线数目保持略有增加的情形下却减少近41.0%,这也反映货运网络中不同航线之间航班数目增长率的差异较客运网络更为显著。
3.1.2 网络“小世界”效应明显2000—2018年间,环南海区域跨境航空网络组织效率得到提升,“小世界”效应明显。与同等规模随机网络相比,“小世界”网络同时具有较小的平均路径长度值和较大的平均簇系数值[24]。2000、2010、2018年该区域跨境航空客运和货运网络均符合“小世界”网络的特征(表 3)。这说明:虽然该区域跨境航空网络覆盖范围扩大(更多的机场参与到跨境航空网络),但任意2个机场间仍可通过较少的转机而获得跨境客运和货运联系。
值得注意的是,客运网络的“小世界”效应较货运网络趋于更加明显。如表 3所示,客运网络的平均路径长度值持续减小,而货运网络的平均路径长度值有所增加。究其原因,货品贸易和供应链体系覆盖腹地范围更广,且其时空制约相对小(如货物运输可以接受非休息时间飞行)[21]。
3.1.3 网络“无标度”特征显著2000—2018年间,环南海区域跨境航空客运和货运网络的节点度累积概率分布均呈现出“长尾”特征(图 1),说明该区域内各机场间的联系数目存在明显差异,“无标度”特征显著[25]。
特别是该区域货运网络的“无标度”特征较客运网络趋于更加显著(图 1)。虽然客运网络节点度累积概率分布曲线的幂律拟合值(R2)一直保持在0.650以上,但其值从2000年的0.972下降到2018年0.698,说明网络整体“无标度”特征略有下降。同期,货运网络节点度累积概率分布曲线的幂律拟合值(R2)从2000年的0.789上升到2018年的0.895,反映网络整体“无标度”特征更加明显。
3.2 跨境航空网络的空间格局演化基于各机场的标准化加权度中心性值与机场间的年航班数目,在ArcGIS中可视化2000、2010、2018年环南海区域跨境航空客运和货运网络的空间格局,分析其演化特征。其中,基于各年份机场的标准化加权度中心性值,使用1倍标准差分类方法,将机场划分为3种等级。标准化加权度中心性值高于均值1个标准差以上的机场,定义为区域枢纽机场;标准化加权度中心性值低于均值1个标准差以上的机场,定义为区域支线机场;标准化加权度中心性值介于均值正负1个标准差的机场,定义为区域干线机场。同时,提取各年份机场间前5.0%、10.0%、20.0%的跨境客运和货运年航班数目,划分为代表机场间客运和货运联系强度的3种等级。为方便描述演化特征,在文中用各机场所在城市名称指代机场名称。
3.2.1 跨境航空客运网络2000—2018年间,环南海区域跨境航空客运网络具有明显的轴—辐组织结构特征,并呈现“多核心化”的演化趋势(图 2)。
(1)2000年以香港、新加坡/吉隆坡为“双枢纽”的轴—辐组织结构。香港、新加坡和吉隆坡的标准化加权度中心性值居于97个城市的前3名,分别集聚前20.0%航班数目总量的28.7%、24.8%和12.8%。其中,香港在本区域跨境航空客运网络中的枢纽作用反映在与中国大陆的联系。而新加坡/吉隆坡主要集聚该区域南部印度尼西亚、马来西亚、泰国和菲律宾等的联系,并通过两大枢纽间的频繁联系,搭建起2000年环南海区域航空客运网络的“空中走廊”。
(2)2010年以香港、新加坡/吉隆坡为“双枢纽”的轴—辐组织结构进一步加强。香港、新加坡和吉隆坡的标准化加权度中心性值在112个城市中仍居于前3名,但差距大幅缩小,同时分别集聚前20.0%航班数目总量的21.7%、20.9%和15.9%。相较2000年,2010年香港不仅集聚往北与中国大陆城市的航空客运联系,同时跨越新加坡/吉隆坡,往南与越南、菲律宾和印度尼西亚等城市开始频繁的航空客运联系。而新加坡/吉隆坡不仅集聚该区域南部等国的联系,同时越过香港,与上海、北京、天津、深圳、广州等中国大陆城市开始频繁的航空客运联系。总体来看,香港、新加坡/吉隆坡作为枢纽的辐射范围扩大,与区域内各城市间的航空客运联系一定程度上突破了地域限制,城市间跨境航空客运互联互通进一步改善,“双枢纽”的轴—辐组织结构特征得以加强。
(3)2018年以新加坡/吉隆坡、香港/广州/深圳、曼谷、上海为枢纽的“多核心”轴—辐组织结构。伴随近年来环南海地区各国特别是中国大陆地区社会经济的蓬勃发展,广州/深圳、曼谷和上海在区域航空客运网络中的地位跃升,与新加坡/吉隆坡、香港开始共同发挥枢纽作用。并且,区域枢纽机场之间和与区域内其他机场间的航空客运联系均趋于频繁。上述机场的标准化加权度中心性值在152个城市中均居于前列,并集聚前20.0%航班数目总量的61.7%(其中,新加坡/吉隆坡占比27.6%、香港/广州/深圳占比17.7%、曼谷占比12.2%、上海占比4.2%),成为跨境航空客运网络中“多核心”的区域枢纽机场。
3.2.2 跨境航空货运网络2000—2018年间,环南海区域跨境航空货运网络逐步形成以香港、新加坡为枢纽的轴—辐组织结构与局部“点—点”航空货运联系并存的态势,尚未形成全局性的轴—辐组织结构(图 3)。
(1)2000年以香港为枢纽的“单一”轴—辐组织结构。香港的标准化加权度中心性值在19个城市中处于绝对领先位置,远超新加坡、曼谷和马尼拉等城市。同时,香港集聚前20.0%航班数目总量的38.2%,主要集中在与中国大陆、台湾、印度尼西亚、泰国的航空货运航班联系。总体来看,2000年香港在本区域跨境航空货运网络中扮演着单核心的枢纽作用。
(2)2010年以香港、新加坡为枢纽的“独立式”轴—辐组织结构。香港、新加坡的标准化加权度中心性值在33个城市中处于前2名,但在集聚前20.0%航班数目总量方面存在明显差距,分别为29.0%、17.1%。同时,香港和新加坡作为枢纽的辐射范围存在地域差异,香港在本区域跨境航空货运网络中的枢纽作用反映在与中国大陆的联系,而新加坡则与泰国、印度尼西亚、越南的联系更为频繁系。相对来说,各自以香港、新加坡为枢纽的轴—辐组织结构之间并不存在频繁的航空货运联系。
(3)2018年以香港、新加坡为枢纽的轴—辐与点—点组织结构并存。香港、新加坡的标准化加权度中心性值在37个城市中仍处于前2名,差距有所减小,分别集聚前20.0%航班数目总量的27.5%和19.9%,在环南海区域跨境航空货运网络中发挥着重要的枢纽作用。同时,区域的产业升级推动环南海区域城市特别是中国大陆城市的航空货运发展,上海、北京、深圳、广州、重庆、长沙、郑州等与新加坡、印度尼西亚、越南、泰国、马来西亚存在直接、频繁的“点—点”航空货运联系,特别是上海—新加坡、上海—曼谷、深圳—胡志明、重庆—台北等城市对进入前20.0%航空货运航班数目中,但并未纳入以香港或新加坡为枢纽的轴—辐组织结构。总体来看,2018年的跨境航空货运网络中,以香港、新加坡为枢纽的轴—辐组织结构与局部性的“点—点”航空货运联系并存,但尚未形成全局性的轴—辐组织结构。
3.3 客货运视角下的枢纽机场体系演化提取2000、2010、2018年环南海区域同时开辟跨境航空客运和货运的19、33和37个机场,对比其客运和货运的标准化加权度中心性值,综合客运和货运视角分析该区域枢纽机场体系的演化。具体上,依据客运和货运标准化加权度中心性值,使用1倍标准差分类方法,将机场划分为9个象限(图 4)。右侧象限代表客运区域枢纽机场,上侧象限代表货运区域枢纽机场,右上角象限则代表客运和货运综合区域枢纽机场。
总体来看,更多的区域中心机场在环南海区域跨境航空网路中发挥综合枢纽作用。香港(HKG)和新加坡(SIN)一直是该区域的客运和货运综合枢纽机场。2000年香港的区域综合枢纽作用相对强于新加坡(香港的客运和货运标准化加权度中心性值均较高)。随后,2个机场的区域枢纽作用呈现出客运和货运功能的分离,表现为香港的货运功能枢纽地位进一步突出,新加坡的客运功能枢纽地位进一步突出。这其中,随着中国更多大陆城市与本区域其他城市开辟了跨境客运直航线路和航班,香港作为中转站的功能开始弱化。与此同时,上海(PVG)、深圳(SZX)、台北(TPE)和曼谷(BKK)在区域中的客运和货运综合枢纽地位也开始显现。
同时,该区域跨境航空客、货运网络中的枢纽机场呈现分化态势。在客运网络方面,除上述客运和货运综合枢纽机场,更多的机场成为该区域的枢纽机场,2018年吉隆坡(KUL)、广州(CAN)和澳门(MFM)在区域中开始承担客运功能枢纽地位。在货运网络方面,随着中国和越南改革开放以来快速融入全球生产网络(特别是电子器件等),2018年重庆(CGK)、胡志明(SGN)和河内(HAN)在区域中开始承担货运功能枢纽地位。
4 结论与展望跨境航空网络是区域基础设施互通互联的重要方面[9, 14, 20]。通过收集2000、2010、2018年环南海区域各国家/地区间国际机场的跨境客运和货运航线和航班数目,本研究采用社会网络分析方法和ArcGIS可视化,探究近20年来该区域跨境航空客运和货运网络整体结构和空间格局演化特征,并综合客运和货运网络分析枢纽机场体系演化。研究结果对优化枢纽机场布局、评估和促进基础设施互联互通、进一步加强国家/地区间的经济合作具有重要意义。
研究发现,环南海区域跨境航空网络发展较快,在整体结构方面具有覆盖范围扩大、“小世界”效应明显和“无标度”特征显著的特点。但跨境航空客运和货运网络的空间格局存在差异。相较客运网络明显的轴—辐组织结构特征和“多核心化”的演化趋势,货运网络尚未形成全局性的轴—辐组织结构,表现为以香港、新加坡为枢纽、较为简单的轴—辐组织结构与局部性的“点—点”航空货运联系并存。这说明与大规模的跨境交流需求相比,该区域在全球产业链中分工较为低端,在精密仪器高端制造业等方面具有较大的发展空间,这为环南海区域未来的产业发展方向提供参考。
同时,环南海区域的区域客运和货运枢纽机场发展呈现综合化、专业化趋势。一方面,区域内的中心城市开始扮演着区域客运和货运综合枢纽的角色,除香港(HKG)和新加坡(SIN)长期以来保持优势地位,2018年,上海(PVG)、深圳(SZX)、台北(TPE)和曼谷(BKK)在区域中的客运和货运综合枢纽地位也开始显现。另一方面,区域内的次中心城市、区域内国家/地区的局部中心城市开始在跨境航空客运/货运网络单一方面发挥枢纽作用,体现专业化的倾向。吉隆坡(KUL)、广州(CAN)和澳门(MFM)在区域中开始承担客运功能枢纽地位,深圳(SZX)、重庆(CGK)、胡志明(SGN)和河内(HAN)在区域中开始承担货运功能枢纽地位。这为不同等级城市的航空运输发展提供方向,即中心城市应补短板、挑大梁,向区域客运和货运综合枢纽的方向发展;而其他城市则应综合考虑地理区位、经济规模和产业构成等因素,制定专业化的航空运输发展目标,有侧重地提高跨境航空客运/货运的运输能力。
本研究综合客、货运视角,探究近20年来环南海区域跨境航空网络的整体结构特征与空间格局。但因数据局限(年航班数目),对该区域航空网络演化的动力探讨略显不足。未来研究中,可以收集运输乘客、货物数量与类型等更为精细的跨境航空运输数据刻画航空网络,并结合社会经济发展数据,进一步探究跨境航空网络的演化动力与地区社会经济发展的相互影响,从而更好地回应城市在网络中集聚“流”的能力与其地方性属性的辩证关系。
注释:
① 虽然该数据没有区分境内和跨境航空运输,但全球占比的提升一定程度上也反映该区域跨境航空网络的快速发展。
[1] |
Taylor P J. Specification of the world city network[J]. Geographical Analysis, 2001, 33(2): 181-194. |
[2] |
Friedman J. The world city hypothesis[J]. Development and Change, 1986, 17(1): 69-83. DOI:10.1111/j.1467-7660.1986.tb00231.x |
[3] |
Sassen S. The Global City[M]. New Jersey: Princeton University Press, 2013: 168-192.
|
[4] |
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): 1031-1043. [Zhen Feng, Wang Bo, Chen Yingxue. China's city network characteristics based on social network space: An empirical analysis of Sina micro-blog[J]. Acta Geographica Sinica, 2012, 67(8): 1031-1043.] |
[5] |
邹小华, 薛德升. 世界城市体系研究的定量化趋势及其方法演化[J]. 人文地理, 2017, 32(1): 16-22. [Zou Xiaohua, Xue Desheng. Quantitative trends of the world city system research and the evolution of its methods[J]. Human Geography, 2017, 32(1): 16-22.] |
[6] |
Castells M. Globalisation, networking, urbanisation: Reflections on the spatial dynamics of the information age[J]. Urban Studies, 2010, 47(13): 2737-2745. DOI:10.1177/0042098010377365 |
[7] |
张兵, 胡华清, 张莉, 等. 中国航空货运发展及其空间格局研究[J]. 地理科学, 2010, 30(4): 489-495. [Zhang Bing, Hu Huaqing, Zhang Li, et al. The Air cargo transportation development and air cargo flow's spatial pattern in China[J]. Scientia Geographica Sinica, 2010, 30(4): 489-495.] |
[8] |
薛俊菲. 基于航空网络的中国城市体系等级结构与分布格局[J]. 地理研究, 2008, 27(1): 23-32, 242. [Xue Junfei. Hierarchical structure and distribution pattern of Chinese urban system based on aviation network[J]. Geographical Research, 2008, 27(1): 23-32, 242.] |
[9] |
王姣娥, 莫辉辉. 航空运输地理学研究进展与展望[J]. 地理科学进展, 2011, 30(6): 670-680. [Wang Jiao'e, Mo Huihui. Geography of air transportation: Retrospect & prospect[J]. Progress in Geography, 2011, 30(6): 670-680.] |
[10] |
杜方叶, 王姣娥, 谢家昊, 等. 一带一路"背景下中国国际航空网络的空间格局及演变[J]. 地理科学进展, 2019, 38(7): 963-972. [Du Fangye, Wang Jiao'e, Xie Jiahao, et al. Spatial pattern and change of China's international air transport network since the Belt and Road initiative[J]. Progress in Geography, 2019, 38(7): 963-972.] |
[11] |
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. [Mo Huihui, Jin Fengjun, Liu Yi, et al. Network analysis on centrality of airport system[J]. Scientia Geographica Sinica, 2010, 30(2): 204-212.] |
[12] |
Dai L, Derudder B, Liu X J. The evolving structure of the Southeast Asian air transport network through the lens of complex networks, 1979-2012[J]. Journal of Transport Geography, 2018, 68: 67-77. DOI:10.1016/j.jtrangeo.2018.02.010 |
[13] |
Burghouwt G, Hakfoort J. The evolution of the European aviation network, 1990-1998[J]. Journal of Air Transport Management, 2001, 7(5): 311-318. DOI:10.1016/S0969-6997(01)00024-2 |
[14] |
Wong W H, Cheung T, Zhang A, et al. Is spatial dispersal the dominant trend in air transport development? A global analysis for 2006-2015[J]. Journal of Air Transport Management, 2019, 74(1): 1-12. |
[15] |
Gong Q, Wang K, Fan X, et al. International trade drivers and freight network analysis: The case of the Chinese air cargo sector[J]. Journal of Transport Geography, 2018, 71(7): 253-262. |
[16] |
王姣娥, 王涵, 焦敬 娟". 一带一路"与中国对外航空运输联系[J]. 地理科学进展, 2015, 34(5): 554-562. [Wang Jiao'e, Wang Han, Jiao Jingjuan. China's international aviation transport to the Belt and Road initiative area[J]. Progress in Geography, 2015, 34(5): 554-562.] |
[17] |
Gertler M S. Tacit knowledge and the economic geography of context, or the undefinable tastiness of being (there)[J]. Journal of Economic Geography, 2003, 3(1): 75-99. DOI:10.1093/jeg/3.1.75 |
[18] |
M Janić. Modeling the resilience of an airline cargo transport network affected by a large-scale disruptive event[J]. Transportation Research Part D: Transport & Environment, 2019, 77: 425-448. |
[19] |
O'Connor K. Global city regions and the location of logistics activity[J]. Journal of Transport Geography, 2010, 18(3): 354-362. DOI:10.1016/j.jtrangeo.2009.06.015 |
[20] |
Matsumoto H. International air network structures and air traffic density of world cities[J]. Transportation Research Part E: Logistics & Transportation Review, 2007, 43(3): 269-282. |
[21] |
Malighetti P, Martini G, Redondi R, et al. Air transport networks of global integrators in the more liberalized Asian air cargo industry[J]. Transport Policy, 2019, 80(8): 12-23. |
[22] |
Wang J E, Mo H H, Wang F. Evolution of air transport network of China 1930-2012[J]. Journal of Transport Geography, 2014, 40: 145-158. DOI:10.1016/j.jtrangeo.2014.02.002 |
[23] |
刘云刚, 刘玄宇, 张争胜. 渔民视角下中国南海的领域构建[J]. 地理科学, 2020, 40(7): 1062-1071. [Liu Yungang, Liu Xuanyu, Zhang Zhengsheng. The territorial structure in South China Sea from fishermen's perspective[J]. Scientia Geographica Sinica, 2020, 40(7): 1062-1071.] |
[24] |
Watts D J, Strogatz S H. Collective dynamics of 'small world' network[J]. Nature, 1998, 393(6684): 440-442. DOI:10.1038/30918 |
[25] |
Barabási A L, Albert R. Emergence of scaling in random networks[J]. Science, 1999, 286(5439): 509-512. DOI:10.1126/science.286.5439.509 |