2. 南京大学 江苏省智慧城市规划与数字治理工程研究中心, 南京 210093
2. Provincial Engineering Research Center of Smart City Planning and Digital Governance, Nanjing 210093, China
随着中国城镇化进程不断推进,都市圈在城市与区域发展中发挥着承上启下的关键作用,培育发展现代化都市圈上升为国家战略,并成为推动城市群高质量发展的重要抓手。要素跨区域自由流动是资源在地理空间中进行再分配的过程,也是推动都市圈一体化发展的重要基础[1],而人口流动是资金、技术、信息等要素流动的重要载体,高度流动、紧密联系的人口流动格局是未来现代化都市圈将呈现出的基本特征。在此背景下,探讨都市圈层面人口流动特征及其影响因素对加速都市圈一体化融合发展具有重要意义。
人口流动的影响因素一直是人文地理学领域的重点话题之一,受到国内外学者的广泛关注。已有对人口流动的研究大致可以分为人口迁移和日常人口流动两类。人口迁移指居民常住地发生变化的过程,反映了长期累积的人口空间转移结果[2]。日常人口流动则是短期内居民地理空间位置发生变化的过程,例如日常通勤、商务差旅、节假日旅游等行为[3, 4]。对人口迁移来说,早期相关研究主要聚焦于各地区人口流入流出总体规模的影响因素[5],缺乏对地区间人口流动相互作用关系的考量,地区发展水平对人口流动联系的影响机制也难以明晰。随着社会网络分析工具的兴起,相关研究开始从经济、社会、空间和环境等角度出发,分析经济规模、收入水平、就业机会、产业结构、行政区划、城市规模等级、地理距离、交通联系、公共服务水平和自然环境等因素对人口流动关联网络的影响[6-8]。少量研究关注到了日常人口流动的影响因素[9, 10],但目前这类研究大多集中在全国、城市群、省际等宏观层面或城市内部微观层面,缺乏对中观尺度都市圈人口流动网络的关注。
对都市圈而言,其日常人口流动和省际、城市群等更大尺度人口流动的流动需求和流动模式存在显著差异,这导致两者的影响因素也会有所不同。成熟都市圈是跨越行政区划的经济联合体、产业合作圈、就业通勤圈,服务共享圈[11],日常人口流动承载着更多就业、差旅、购物、旅游、就医等功能活动的跨区域转移[4],就业机会、商业服务能级、公共服务水平和旅游资源禀赋等因素的影响作用或被显著放大。此外,都市圈日常人口流动具有高频率、周期性的特点,跨城通勤圈、生活圈的形成也更加依赖于快捷便利的城际快速交通设施网络[12]。然而目前,现有研究对都市圈尺度日常人口流动影响因素的关注仍不足,仅有少量研究关注了宏观社会经济和空间距离等传统因素的影响机制[13, 14],缺乏对都市圈日常人口流动实际需求的考量。
数据与方法层面,早期相关研究多基于人口抽样调查、人口普查等聚合数据刻画人口长期迁移格局[15],关于跨区域日常人口流动的研究则多基于问卷调查等方式获取数据,进行小样本的分析[16]。这类静态数据无法反映动态变化的人口流动时空格局,缺乏时效性。而随着信息技术的发展,移动定位大数据动态、直观记录了人们日常活动轨迹,能够清晰地刻画人口实时移动特征。近年来,手机信令数据[4]、移动互联网LBS定位数据[17]、公共交通刷卡数据[18]、网约车轨迹数据[19]和社交网络签到数据[10]已成为大规模人口移动研究的主要技术途径,陆续应用于区域功能联系[4]、城镇空间组织[20]、职住空间关系[21]等研究中。手机信令数据作为一种实时监测记录人口移动的时空大数据,具有样本量大、连续性强、被动记录和覆盖范围广的优点,在人口流动研究中具有独特优势。然而目前,受数据获取能力限制,鲜有研究关注区县乃至乡镇等中微观空间单元在大尺度区域中的人口流动特征。
综上,尽管大量研究关注了不同尺度下人口流动规模的影响因素,但对都市圈区县尺度日常人口流动关联网络特征和影响因素的分析不足,尤其缺乏对居民实际出行需求的考量。基于此,本文结合手机信令数据、POI数据、交通班次数据等多源数据,分析南京都市圈区县间日常人口流动网络的结构特征,并通过QAP回归方法探讨人口流动关联网络的影响因素。研究旨在解析都市圈层面日常人口流动的内在机理,为推动都市圈一体化协调发展提供理论参考。
2 数据与方法 2.1 研究区域2021年2月,国家发改委批复《南京都市圈发展规划》,标志着南京都市圈建设上升到全新的战略高度。本文以国家发展改革委批复的《南京都市圈发展规划》为依据,以南京都市圈规划范围为研究区域(图 1),涵盖南京市、扬州市、镇江市、淮安市、马鞍山市、芜湖市、滁州市、宣城市全部市域范围以及常州市金坛区和溧阳市,共计33个市辖区、11个县级市和16个县。截至2021年末,南京都市圈总面积约6.6万平方公里,常住人口约3548.3万人。本文以2020年行政区划为基准,参考国土空间规划中主城区划定范围,将各地级市主城区的市辖区进行合并,其他市辖区、县级市和县城则作为独立研究单元,最终形成44个研究空间单元。
本文所使用的人口流动相关数据来源于中国联通手机信令数据,该数据直接包含了2020年11月9日—15日一周内南京都市圈内任意两街镇间人口流动的时间、起终点、扩样后的人口流动规模、各街镇就业和居住人口规模、流动人口的富裕度指数和使用手机APP时间。需要说明的是,中国联通公司基于有数据记录的人口流动规模,综合考虑各地区联通手机用户市场占比等因素,估算扩样后的整体人口流动规模。本文采用扩样后的人口流动规模测算,以保证数据具有典型代表性,能够大致反映地区间整体的人口流动特征。宏观经济属性数据来源于各城市和区县2020年统计年鉴,行政区划数据来源于中华人民共和国民政部官网中2020年中国行政区划代码。交通可达性数据中,公路交通最短历时数据通过Python程序从百度地图开放平台路径规划API接口采集。轨道交通中列车最短历时来源于中国铁路客户服务中心网站中任意两区县间的列车班次数据。功能服务特征数据中,就业规模数据来源于中国联通手机信令数据中直接包含的各区县就业人口数量,由中国联通根据用户日间长时间停留地点进行估算。消费活力和公共服务吸引力指标中公共服务设施数据来源于高德地图POI数据,旅游资源禀赋中A级以上景区数据来源于中国旅游文化部2020年中国A级景区名录。网络信息关联数据来源于百度搜索引擎,使用百度搜索高级搜索指令查询网页内容中同时包含两区县名称的网页数量来表征两区县信息关联强度。流动人口特征数据均直接包含于中国联通手机信令数据中,富裕度指数由中国联通根据用户消费支付水平估算。
2.3 研究方法 2.3.1 人口流动关联网络构建借鉴相关研究[22],本文以区县单元为节点,以两节点之间加权的人口流动联系强度为边建立人口流动无向网络。具体而言,采用两区县节点间双向人口流动规模之和与两区县居住人口之和的比值测算两区县节点之间的人口流动联系强度,计算公式如下:
(1) |
式中,Wij为节点i与节点j间人口流动联系强度,Cij和Cji分别为节点i与节点j双向人口流动规模,ri和rj分别为节点i与节点j的居住人口规模。
2.3.2 社会网络分析借鉴相关研究[20],运用社会网络分析方法刻画南京都市圈日常人口流动网络的结构特征,包括整体网络特征、等级结构特征、控制结构特征和社团结构特征。
(1)整体网络特征表现为节点之间的联结关系及相互作用的强弱差异,本文用人口流动联系强度表征节点间相互作用的强度,刻画整体网络特征。
(2)网络等级结构表现为网络节点中心程度的差异。本文用加权度中心性[22]表征节点的中心性,加权度中心性越大,吸引和辐射能力越强,计算公式如下:
(2) |
式中,WDCi为节点i的加权度中心性,Wij为节点i与节点j间人口流动联系强度。
(3)网络控制结构反映节点的控制力和节点间的控制关系。本文借助优势流分析节点在网络中的控制地位,采用最大优势流表征节点的控制力[23]。
(4)社团结构表现为网络中形成内部联系强而对外部联系弱的子网络,本文采用异步标签传播算法[22]识别凝聚子群,分析网络中存在的组团现象。
2.3.3 QAP回归分析在已有相关研究中,多采用传统的多元线性回归模型[10, 24]来探究两地间流要素联系强度的影响因素。本文在对南京都市圈日常人口流动关联网络的影响因素研究中,侧重探讨地区间功能联系或属性差异对人口流动关联网络形成的作用机制,所有变量均为关系型数据,传统线性回归模型无法检验关系型数据之间的关系。另外,人口流动关联网络的形成是多种因素共同作用的结果,自变量之间必然存在一定相关性,不满足线性回归模型“变量独立假设”的要求。因此,不能使用传统计量模型来探究人口流动关联网络的影响因素。
QAP回归分析法(二次指派程序)专用于检验关系型矩阵数据之间的关系,其原理是对两个矩阵的相似性进行比较,采用随机置换的方法计算相关系数,同时对系数进行非参数检验,比传统参数估计方法的结果更为稳健,且对变量间独立性没有严格要求。目前,QAP回归分析法广泛应用于社会网络研究中,且在已有研究中该方法被证实科学有效[25, 26]。因此,本文使用QAP回归分析法探究南京都市圈区县间日常人口流动网络的影响因素,其模型的表达式为:
(3) |
式中,F为区县之间的人口流动网络矩阵,X1—Xi为自变量矩阵,a1—ai为回归系数。
3 南京都市圈日常人口流动网络结构特征 3.1 整体网络特征南京都市圈内一周跨区县人口流动共计7000万人次,人口流动规模大。人口流动网络密度为0.374,表明在南京都市圈区县间所有可能出现的关系联结中,仅1/3左右的区县单元在人口流动网络中建立联系,区县间人口流动联系有待进一步加强。运用自然断点法将南京都市圈人口流动网络节点间联系强度分为6个层级(图 2)。整体来看,南京都市圈人口流动网络呈以地级市为单元集聚的空间特征,大部分的人口流动集中在少数区县之间,人口流动空间集聚特征显著。在空间分布上,人口流动网络联系整体结构相对松散,以地级市为单元形成多个人口流动集聚区。中高强度的人口流动联系基本集中在城市内部且地理邻近的区县之间,大部分市区单元并未具有较强的人口吸引和辐射力。
按照加权度中心性大小,将南京都市圈人口流动网络节点划分为4个层级(图 3)。第一层级包括南京市区、江宁区、马鞍山市区、滁州市区和来安县。第二层级有10个区县节点,分别为江北新区、溧水区、博望区、和县、当涂县、明光市、洪泽区、金湖县、镇江市区和丹阳市。第一层级中仅有3个节点为市区单元,第二层级中仅有1个节点为地级市市区单元,扬州市区、淮安市区、芜湖市区、宣城市区4个市区单元则位于第三层级,在人口流动网络中未处于中心地位,说明这四个地级市市区单元人口流动集散能力偏弱。在空间分布上,区县节点的加权度中心性呈“圈层式”空间分布特征,第一和第二层级的节点位于都市圈中心,第三层级的节点位于都市圈外围区域,而第四层级的节点全部分布在都市圈边缘。
南京都市圈内优势流控制网络较为简单清晰(图 4)。从整个都市圈来看,所有控制链均由地级市内部地理邻近的区县单元产生,跨城区县单元之间未出现控制链,都市圈内没有明显的控制中心。从地级市内部来看,滁州市、镇江市、宣城市和芜湖市内部均形成较长的控制链,优势流控制链连通性较强,但每个区县单元的控制范围仅为邻近的1—2个区县,说明每个区县的控制范围较为局限。南京市、淮安市和扬州市的控制链网络则相对更为破碎,优势流控制链较短,连通性差。南京市区对江北新区和江宁区形成较强的控制作用,郊区的溧水区和高淳区存在相互控制关系,但市区和郊区较为割裂,没有产生控制关系。扬州市区仅对仪征市产生控制作用,北部的宝应县和高邮市存在相互控制关系。淮安市也表现出相似的特征,北部和南部区县各自存在相互控制关系。
运用异步标签传播算法将南京都市圈人口流动网络划分成不同的凝聚子群,网络模块度为0.788,表明社区划分结果理想。南京都市圈人口流动网络节点被划分为9个社区(图 5),同一社区内的区县节点间人口流动联系紧密,与外部联系则较弱。社区边界与都市圈内各地级市行政边界完全一致,尽管社团划分并未考虑地理邻近性,但分析结果仍表现为地级市内部人口流动强,跨市的人口流动联系弱,这与前文的网络控制结构分析结果结论一致。这体现了地级市行政边界对人口流动的阻碍,并在塑造区域流动空间格局中具有关键作用。市内和跨市人口流动规模的巨大差距也佐证了此结果,市内人口流动和跨市人口流动规模占比分别为95.8% 和4.2%,各个地级市市内人口流动规模比例均超过95%。
本文将南京都市圈区县间日常人口流动关联网络作为因变量,从宏观经济属性、社会文化属性、交通可达性、服务功能特征、网络信息联系和流动人口特征6个维度出发,选取13个因素构建影响因子体系(表 1)。
地区间宏观经济属性的差异被认为是人口流动的根本动因。由于地区间社会经济发展水平差距的存在,人们为了提高收入和改善生活质量,倾向于向经济发达、收入水平高的地区流动。本文选取经济水平差异、收入水平差异和城镇化率差异表征宏观经济属性。
行政区划边界对人口流动阻碍作用显著。地级市之间的政策制度壁垒会增加跨市流动成本[27],地区之间政策制度的差异会阻碍人口流动。而地区间文化差异越小,流动人口越容易融入社会环境,提升个人行动效益[28]。同属一个地级市的区县政策制度、社会文化更为趋同,本文采用地级市行政边界阻力表征地区间的制度壁垒和文化差异。
交通可达性是发生人口流动的先导条件[29],也是衡量交通移动便捷性的重要指标。尤其对日常人口流动而言,高频率、短距离的流动更易受交通可达性的限制。南京都市圈区县之间的空间距离大多在50—200 km之间,跨区县日常人口流动主要依靠公路交通和列车、地铁等轨道交通。本文选取公路和轨道交通最短历时矩阵分别表征公路交通可达性和轨道交通可达性。
服务功能特征差异对日常人口流动产生重要影响。日常人口流动是商务流、旅游流和通勤流的叠合,地区间就业规模、商业服务能级、教育和医疗等公共服务水平、旅游服务功能的差异推动人口流动。本文选取就业机会差异、消费活力差异、公共服务吸引力差异和旅游资源禀赋差异表征服务功能特征。
地区间网络信息联系会影响实际人口流动。网络信息时代,人们在跨区域流动前往往会通过网络信息平台提前了解目的地的情况,网络搜索信息能够在一定程度上反映具有流动动机的人口向目标地区移动的心理倾向[30]。同时,网络空间影响力也是地区经济发展水平、行政级别、城市职能等实体特征的表征[31],影响人口流动目的地的选择。本文选择区县间网络关联强度表征网络信息联系。
流动人口特征是影响出行决策的重要因素。交通工具的出行成本影响了跨区域流动人口的交通行为方式,出行经济成本增加尤其会降低中低收入群体的流动意愿[10]。随着互联网应用的发展,流动人口在很大程度上依赖于智能信息技术进行线上购票、打车、地图查询、预定酒店等活动,未熟练掌握信息技术使用能力会对出行造成不便。本文选取富裕度指数和信息技术使用能力矩阵表征流动人口特征。
4.2 结果分析利用QAP回归分析法来探究南京都市圈日常人口流动网络结构的影响因素,模型的R2为0.474(表 2)。在已有使用QAP模型的研究中,R2一般在0.15—0.45之间[32, 33]。本研究中QAP回归模型的R2相对较大,模型解释力度良好。
宏观经济属性方面,经济发展水平差异对都市圈内部区县尺度的日常人口流动网络没有显著影响。以往相关研究表明[5, 7],对于以国家、省、市为空间单元的大尺度人口流动来说,地区间经济规模、收入水平和城镇化率是影响人口流迁的重要因素。而从模型结果来看,对于都市圈跨区县尺度的日常人口流动而言,这些宏观经济属性差异不再是人口流动的主要动因。究其原因,大尺度人口流动往往是长距离的迁移,其时间和经济成本高风险也高,需要获得足够多的经济收益来弥补迁移成本,故宏观经济发展水平具有重要影响作用。而都市圈跨区县尺度的日常人口流动距离短、成本低,追求高收入并非其主要目的,日常人口流动很大程度上是进行通勤、商务差旅、消费、游憩、就医等日常功能性活动。
社会文化属性方面,行政边界对人口流动具有显著负向影响效应。由于不同地级市间存在文化环境、政策制度的差异,形成社会文化和制度壁垒,使得地级市行政边界对人口流动产生屏蔽作用,阻碍人口要素跨区域流动。
交通可达性方面,公路和轨道交通可达性均显著影响人口流动。两区县间的交通可达性越高,人口流动时间成本降低,机会成本增加,人口流动联结关系越强。值得注意的是,从模型结果来看,公路交通可达性影响作用比轨道交通可达性更强,出现此结果可能有两方面原因。一方面,公路路网连通性相对更高。南京都市圈范围内通过轨道交通可达的区县节点对仅占所有节点对数量的43%,而任意两区县之间均可通过高快速公路到达。另一方面,这可能与公路和轨道交通运输组织机制差异有关。公路交通相对机动灵活,私家汽车出行不受时间限制。而轨道交通只能按照固定的时刻表和线路进行运输,交通组织机动性较低。因此,对于高频率、短距离的都市圈日常人口流动而言,交通网络覆盖范围越全面,整体连通性越高,交通组织机动性越强,其对人口流动网络的影响效应越强。
服务功能特征方面,就业机会、消费活力和公共服务吸引力的地区差异是影响人口流动网络形成的重要因素。就业机会差异对日常人口流动具有正向促进作用。就业岗位集聚的地区往往地价较高,部分就业者为了降低生活成本选择居住在地价更低的工作地周边区县,从而产生跨区域日常通勤需求。因此,两个区县之间就业机会差距越大,日常人口流动越活跃。消费活力和公共服务吸引力的地区差异同样对人口流动产生正向促进作用。人们为了满足消费升级需求,寻求更好的公共服务,享受更好的社会福利进行流动,因而区县间消费活力和公共服务吸引力差异越大,越容易产生人口流动。旅游资源禀赋差异未对日常人口流动产生显著影响,其原因可能是在非节假日期间内,日常人口流动主要目的是进行生产或生活性活动,较少进行旅游休闲活动,旅游资源禀赋可能对节假日期间人口流动或特定旅游出行的影响更为显著[34]。
网络信息联系方面,区县间网络信息联系越强,日常人口流动越强。人们可以轻易地通过搜索网络信息提前掌握流动目的地的情况,进行流动成本、风险和收益的评估[30],对流动目的地情况了解越充分,流动倾向越强,从而引起实际人口流动增加。
流动人口特征方面,富裕度指数和信息技术使用能力对日常人口流动网络的影响并不显著。究其原因,南京都市圈区县尺度的人口流动多为短距离流动,交通经济成本不高,个人支付能力对人口流动的阻碍作用不显著。对于信息技术使用能力而言,从手机数据统计来看跨区县流动人口中绝大部分为青壮年人口,能够较好地掌握信息技术使用能力,个体层面的信息技术使用能力差异不显著,因此信息技术使用能力对人口流动的影响不显著。
5 结论与讨论 5.1 结论在培育发展现代化都市圈上升为国家战略的背景之下,都市圈一体化成为学界和规划业界关注的重点议题。人口要素自由有序流动是都市圈一体化发展的重要基础,而目前鲜有研究关注都市圈区县层面的日常人口流动网络特征及影响因素。本文在分析南京都市圈区县尺度人口流动网络结构特征基础上,探究日常人口流动关联网络的影响因素。基于社会网络视角刻画日常人口流动特征,加深了对都市圈日常人口流动网络模式的认识,弥补了对中观都市圈层面区县尺度日常人口流动关注的不足。同时探究了多方面因素对日常人口流动网络的影响,对比都市圈区县尺度与更大尺度人口流动影响因素的异同,厘清日常功能需求因素与日常人口流动的内在关系,揭示了都市圈区县尺度日常人口流动网络独特的形成机制。本文主要结论有:
(1)南京都市圈区县单元日常流动人口规模呈“圈层式”分布,人口流动网络存在显著“小世界”特征,人口流动以市内流动为主,跨市联系弱。中高强度的人口流动主要集中在地级市内部且地理临近的区县之间,以地级市为单元形成多个人口流动集聚区。
(2)宏观经济发展水平差异不再是都市圈日常人口流动的根本动因,而行政边界阻力仍是现阶段阻碍日常人口流动的主要屏障。与以国家、省、市为空间单元的大尺度人口流动不同的是,都市圈跨区县日常人口流动承载了更多功能性活动的空间转移,并非单纯追求高收入,经济水平、收入水平和城镇化率的地区差异对都市圈日常人口流动网络的影响不显著。行政边界对人口流动的阻碍和屏蔽作用显著,即使在功能联系日益紧密的都市圈区域,日常人口流动仍受社会文化和制度壁垒的限制。
(3)交通可达性的提升对都市圈日常人口流动具有显著促进作用,且不同类型交通可达性对日常人口流动网络的影响效应存在差异,公路交通可达性影响作用比轨道交通可达性更强。交通网络覆盖范围越全面,整体连通性越高,交通组织机动性越强,对都市圈日常人口流动的影响效应越强。
(4)服务功能特征差异对日常人口流动网络特征形成的重要作用凸显,网络信息联系和日常人口流动密切关联。日常人口流动往往是为了就业通勤,满足消费升级需求以及寻求高质量的公共服务,地区间就业机会、消费活力、公共服务吸引力的差异成为影响日常人口流动的重要因素。网络信息联系通过信息传递影响人口流动活动决策,区县间网络关注度越强,越容易激发人口流动倾向,进而促进实际人口流动。
5.2 讨论本研究有助于更加深刻理解都市圈层面日常人口流动网络的形成机理,对加强都市圈功能联系、推进区域一体化发展和制定相关人口政策具有重要理论指导意义。第一,完善跨界协调机制,逐步消除行政边界对人口流动的阻碍。打破地级市之间户籍、医疗和教育等制度壁垒,增设跨市公共交通线路,推动人口要素突破行政边界屏障自由流动。第二,科学规划“高速公路+城际高铁+轻轨地铁”多层次快速交通体系,完善交通接驳体系,推动“小时通勤圈”建设,充分发挥快速交通提质增效对人口流动的带动作用。第三,空间规划和政策制定应从流动人口实际需求出发,充分关注就业机会、消费活力和公共服务水平等功能特征对人口流动的重要影响,以满足流动人口需求为导向促进公共资源合理配置,推进医疗、商业和社会福利等公共服务设施共建共享,引导人口有序流动。
本文仍存在一些不足。首先,都市圈区县尺度的人口流动关联网络影响机制复杂,本文虽然采用行政区划表征地区间政策制度和地域文化差异,但目前此类社会人文因素尚未有公认的科学量化方法,导致分析结果难免存在一定偏误。另外,都市圈日常人口流动包括日常通勤、旅游、商务差旅等多种类型,不同类型的人口流动网络可能呈现不同的特征,其影响因素可能也有区别。由于数据获取技术限制,目前手机信令数据无法精准识别流动人口活动类型,本文尚未对人口流动的活动类型展开讨论。因此,未来研究应加强对人口流动数据获取技术,提升数据信息丰富度,以更加深入地分析人口流动的模式特征。同时,优化指标量化方法,更加全面、科学地揭示人口流动形成机理。
[1] |
Haas H D. Migration and development: A theoretical perspective[J]. International Migration Review, 2010, 44(1): 227-264. DOI:10.1111/j.1747-7379.2009.00804.x |
[2] |
朱宇, 林李月, 柯文前. 国内人口迁移流动的演变趋势: 国际经验及其对中国的启示[J]. 人口研究, 2016, 40(5): 50-60. [Zhu Yu, Lin Liyue, Ke Wenqian. Trends in internal migration and mobility: International experiences and their implications for China[J]. Population Research, 2016, 40(5): 50-60.] |
[3] |
Zhang W, Derudder B, Wang J, et al. Regionalization in the Yangtze River Delta, China, from the perspective of inter-city daily mobility[J]. Regional Studies, 2018, 52(4): 528-541. DOI:10.1080/00343404.2017.1334878 |
[4] |
钮心毅, 王垚, 刘嘉伟, 等. 基于跨城功能联系的上海都市圈空间结构研究[J]. 城市规划学刊, 2018(5): 80-87. [Niu Xinyi, Wang Yao, Liu Jiawei, et al. Spatial structure of Shanghai Conurbation area from perspective of inter-city functional links[J]. Urban Planning Forum, 2018(5): 80-87.] |
[5] |
何文举, 刘慧玲, 颜建军. 基本公共服务支出、收入水平与城市人口迁移关系: 以湖南省市域中心城市为例[J]. 经济地理, 2018, 38(12): 50-59. [He Wenju, Liu Huiling, Yan Jianjun. Relations among the population migration and local income levels and public expenses in hunan based on the perspective of the equalization of public services[J]. Economic Geography, 2018, 38(12): 50-59.] |
[6] |
沈诗杰, 沈冠辰. 中国省际人口流动的空间结构特征研究[J]. 人口学刊, 2020, 42(4): 103-112. [Shen Shijie, Shen Guanchen. Analysis on the spatial structure of inter-provincial migrant in China[J]. Population Journal, 2020, 42(4): 103-112.] |
[7] |
盛广耀. 中国省际人口流动网络的演化及其解释[J]. 中国人口·资源与环境, 2018, 28(11): 1-9. [Sheng Guangyao. Study on the evolution and explanation of inter-provincial population flow network in China[J]. China Population, Resources and Environment, 2018, 28(11): 1-9.] |
[8] |
孙桂平, 韩东, 贾梦琴. 京津冀城市群人口流动网络结构及影响因素研究[J]. 地域研究与开发, 2019, 38(4): 166-169, 180. [Sun Guiping, Han Dong, Jia Mengqin. Structure and influencing factors of human mobility network in Beijing-Tianjin-Hebei urban agglomeration[J]. Areal Research and Development, 2019, 38(4): 166-169, 180.] |
[9] |
Wang X, Ding S, Cao W, et al. Research on network patterns and influencing factors of population flow and migration in the Yangtze River Delta urban agglomeration, China[J]. Sustainability, 2020, 12(17): 6803. DOI:10.3390/su12176803 |
[10] |
唐锦玥, 张维阳, 王逸飞. 长三角城际日常人口移动网络的格局与影响机制[J]. 地理研究, 2020, 39(5): 1166-1181. [Tang Jinyue, Zhang Weiyang, Wang Yifei. The pattern and influencing factors of daily population movement network in the Yangtze River Delta[J]. Geographical Research, 2020, 39(5): 1166-1181.] |
[11] |
陶希东. 中国建设现代化都市圈面临的问题及创新策略[J]. 城市问题, 2020, 39(1): 98-102. [Tao Xidong. Problems and innovative strategies of China in constructing modern metropolitan area[J]. Urban Problems, 2020, 39(1): 98-102.] |
[12] |
由效铭, 张宁, 宗传苓, 等. 都市圈轨道交通一体化融合发展研究[J]. 城市交通, 2022, 20(2): 66-74. [You Xiaoming, Zhang Ning, Zong Chuanling, et al. Integrated development of rail transit in metropolitan areas[J]. Urban Transport of China, 2022, 20(2): 66-74.] |
[13] |
杨宇, 肖映辉, 肖琨, 等. 基于多源大数据的武汉城市圈城际通勤分布及影响因素研究[J]. 地理信息世界, 2020, 27(2): 33-39. [Yang Yu, Xiao Yinghui, Xiao Kun, et al. Study on the spatial distribution and influencing factors of inter-city communting in Wuhan metropolitan area based on multi-source data[J]. Geomatics World, 2020, 27(2): 33-39.] |
[14] |
Kim S W, Lee H R. Analysis of the factors affecting on internal population migration in Seoul metropolitan area[J]. Journal of the Korea Academia-Industrial cooperation Society, 2016, 17(9): 737-744. |
[15] |
Elena V, Nikita M. Factors of interregional migration in Russia disaggregated by age[J]. Applied Spatial Analysis and Policy, 2020, 13(3): 609-630. |
[16] |
武前波, 陶娇娇, 吴康, 等. 长江三角洲高铁日常通勤行为特征研究: 以沪杭、宁杭、杭甬线为例[J]. 城市规划, 2018, 42(8): 90-97, 122. [Wu Qianbo, Tao Jiaojiao, Wu Kang, et al. Daily commuting behavior characteristics of high speed rail passengers in the Yangtze River Delta region: A case study of Shanghai-Hangzhou, Nanjing-Hangzhou, and Hangzhou-Ningbo lines[J]. City Planning Review, 2018, 42(8): 90-97, 122.] |
[17] |
冯章献, 张瑜, 魏冶, 等. 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. [Feng Zhangxian, Zhang Yu, Wei Ye, et al. Spatial-temporal pattern and dynamic mechanism of population flow of Changchun city during Chunyun period based on Baidu[J]. Economic Geography, 2019, 39(5): 101-109.] |
[18] |
李智轩, 甄峰, 张姗琪, 等. 季节时空交互视角下老年人公交移动性的影响因素研究: 以芜湖市为例[J]. 人文地理, 2021, 36(6): 67-75. [Li Zhixuan, Zhen Feng, Zhang Shanqi, et al. Investigating the factors of elderly's bus mobility based on the season and space interaction: A case study of Wuhu[J]. Human Geography, 2021, 36(6): 67-75.] |
[19] |
Ma S, Long Y. Functional urban area delineations of cities on the Chinese mainland using massive Didi ride-hailing records[J]. Cities, 2020, 97(2): 102532. DOI:10.1016/j.cities.2019.102532 |
[20] |
甄峰, 李哲睿, 谢智敏. 基于人口流动的城市内部空间结构特征及其影响因素分析: 以南京市为例[J]. 地理研究, 2022, 41(6): 1525-1539. [Zhen Feng, Li Zherui, Xie Zhimin. Analysis of urban internal spatial structure characteristics and its influencing factors based on population flow: A case study of Nanjing[J]. Geographical Research, 2022, 41(6): 1525-1539.] |
[21] |
王蓓, 王良, 刘艳华, 等. 基于手机信令数据的北京市职住空间分布格局及匹配特征[J]. 地理科学进展, 2020, 39(12): 2028-2042. [Wang Bei, Wang Liang, Liu Yanhua, et al. Characteristics of jobshousing spatial distribution in Beijing based on mobile phone signaling data[J]. Progress in Geography, 2020, 39(12): 2028-2042.] |
[22] |
李智轩, 甄峰, 曹钟茗, 等. 人流视角下城市空间结构特征及规划与治理响应: 以南京市为例[J]. 城市发展研究, 2021, 28(6): 58-65. [Li Zhixuan, Zhen Feng, Cao Zhongming, et al. Characters of urban spatial structure and the response from planning and governance in the perspective of human mobility: A case study of Nanjing[J]. Urban Development Studies, 2021, 28(6): 58-65.] |
[23] |
董超, 修春亮, 魏冶. 基于通信流的吉林省流空间网络格局[J]. 地理学报, 2014, 69(4): 510-519. [Dong Chao, Xiu Chunliang, Wei Ye. Network structure of 'space of flows' in Jilin province based on telecommunication flows[J]. Acta Geographica Sinica, 2014, 69(4): 510-519.] |
[24] |
郑龙飞, 顾伟男, 龙奋杰, 等. 不同流视角下的贵州省空间网络结构及形成机制分析[J]. 地理科学, 2020, 40(6): 939-947. [Zheng Longfei, Gu Weinan, Long Fenjie, et al. The urban network structure and influential mechanism of Guizhou province from the perspective of various flows[J]. Scientia Geographica Sinica, 2020, 40(6): 939-947.] |
[25] |
蔡海亚, 赵永亮, 南永清. 中国"互联网+"发展的空间关联网络及其影响因素: 基于社会网络分析视角的实证研究[J]. 地理科学, 2021, 41(6): 933-940. [Cai Haiya, Zhao Yongliang, Nan Yongqing. The spatial correlation network of China's 'Internet plus' development and its influencing factors: An empirical study based on the perspective of social network analysis[J]. Scientia Geographica Sinica, 2021, 41(6): 933-940.] |
[26] |
Wang Y W, Xi M M, Chen H, et al. Evolution and driving mechanism of tourism flow networks in the Yangtze River Delta urban agglomeration based on social network analysis and geographic information system: A double-network perspective[J]. Sustainability, 2022, 14(13): 7656. DOI:10.3390/su14137656 |
[27] |
巫强, 朱姝, 安修伯. 中国劳动力流动存在省际边界壁垒吗? 基于暂住证数据的实证研究[J]. 中国经济问题, 2016, 58(6): 3-13. [Wu Qiang, Zhu Shu, An Xiubo. Does the provincial boundary barrier exists in the Chinese labor flow: An empirical research based on the data of temporary residence permit[J]. China Economic Studies, 2016, 58(6): 3-13.] |
[28] |
严善平. 中国省际人口流动的机制研究[J]. 中国人口科学, 2007, 21(1): 71-77, 96. [Yan Shanping. Inter-provincial migration and its determinants in the 1990's China[J]. Chinese Journal of Population Science, 2007, 21(1): 71-77, 96.] |
[29] |
汪丽, 曹小曙, 胡玲玲. 景点可达性对不同出游时间游客流动的影响研究: 以西安市为例[J]. 人文地理, 2021, 36(3): 157-166. [Wang Li, Cao Xiaoshu, Hu Lingling. Research on the impact of tourist attractions accessibility on tourist flow in different travel times: A case study of Xi'an city[J]. Human Geography, 2021, 36(3): 157-166.] |
[30] |
王萌, 匡耀求, 黄宁生. 珠江三角洲城际间人口流动倾向空间特征: 基于网络关注度数据的时空演化[J]. 热带地理, 2017, 37(1): 33-42. [Wang Meng, Kuang Yaoqiu, Huang Ningsheng. Spatial characteristics of intercity population flow propensity in the Pearl River Delta region: Based on the spatio-temporal change of internet attention index[J]. Tropical Geography, 2017, 37(1): 33-42.] |
[31] |
王波, 甄峰. 城市实体特征对城市网络空间影响力的作用机制: 基于互联网新闻媒体的分析[J]. 地理科学, 2017, 37(8): 1127-1134. [Wang Bo, Zhen Feng. Impacts of city's characteristics on city's importance in the virtual world: An empirical analysis based on internet news media[J]. Scientia Geographica Sinica, 2017, 37(8): 1127-1134.] |
[32] |
杨雨, 盛科荣. 中国城市网络关联格局的演变及影响因素: 基于企业网络视角[J]. 世界地理研究, 2021, 30(6): 1208-1218. [Yang Yu, Sheng Kerong. Evolution and influencing factors of urban network linkage patterns in China: From the perspective of enterprise network[J]. World Regional Studies, 2021, 30(6): 1208-1218.] |
[33] |
Chong Z H, Qin C G, Pan S. The evolution of the Belt and Road Trade network and its determinant factors[J]. Emerging Markets Finance and Trade, 2019, 55(14): 3166-3177. |
[34] |
戢晓峰, 李康康, 陈方. 节假日旅游流时空分异及其形成机制: 以云南省为例[J]. 经济地理, 2018, 38(3): 200-207. [Ji Xiaofeng, Li Kangkang, Chen Fang. Study on spatial and temporal differentiation of holiday tourism flow and its formation mechanism: A case study of Yunnan province[J]. Economic Geograph, 2018, 38(3): 200-207.] |