|
中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析
如今,“大数据”已经渗透到全球范围内社会经济的各个领域,带有地理位置信息的大数据,为人口地理学研究的发展提供了新的方法与手段。百度迁徙数据是通过对比用户位置的变化,将8小时内所有位置发生变化的智能终端用户数量进行计算分析,可以全覆盖铁路、公路、航空等各类交通工具。本文数据采集于2015年9月14~21日,通过“百度迁徙”网页,依次统计中国334个城市的前10位流入和流出城市的排序。由于“百度迁徙”中列出的是相对权重比例数,如由A城市流入B城市的人数占流入B城市总人数的百分比,是个相对重要性系数,因此需要采用权重赋值法对数据进行标准化处理,将前10位流入或流出城市按照排序依次赋上数值10到1,用以表示人口流动加权网络中某城市的前10位流入或流出城市的得分系数。以纵坐标的城市作为流出城市,横坐标为流入城市,输入前10位的关系数据,构建334个城市间人口流动网络的邻接关系矩阵表,最终得到一个334×334的有向多值网络矩阵。本研究采用复杂网络分析方法,构建中国334个城市和地区(含331个地级及以上城市和香港、澳门、台湾地区)间人口流动网络,测度并分析该网络的复杂性结构特征,为今后的人口流动与城市网络研究提供了一种新思路。
一、 地级市人口流动网络的空间格局与层级划分(一) 行政等级越高的城市在人口流动网络中地位越高,影响范围越广;入度与出度分布呈现出相似的集聚性,整体上大部分城市的人口流入和流出保持着相对平衡
本文主要通过复杂网络分析工具Gephi,计算中国334个地级及以上城市的人口流动网络度值,发现各地级市之间的网络地位差异较大。另外,城市行政级别的高低与网络度值存在一定的相关性。4个直辖市(北京、上海、重庆和天津)的网络总度值及排序高于副省级城市与普通省会城市,大部分副省级城市高于普通省会城市,大部分省会城市高于其他地级市。从总度值的平均值上来看,直辖市为2 476,约为副省级城市(620)的4倍,是普通省会城市(231)的11倍,网络地位优势比较明显。
整个人口流动网络中,网络地位最高的城市是北京,入度值为1 967,出度值为2 034、总度值超过4 000。网络地位最低的为临沧、大兴安岭、海北州、克拉玛依等32个总度值为0的城市,可以看出这些城市有着共同的特征:城市规模小且均位于边疆地区,人口的流入流出相对较少。在对人口流入的吸引力(入度)上看,排名前30位的城市包括4个直辖市、15个副省级城市、7个省会城市和4个其他地级市(苏州、桂林、三亚、香港),入度值均在90以上。而人口流出前30位的城市,依然包括4个直辖市、15个副省级城市、8个省会城市和3个其他地级市(苏州、邯郸和徐州),出度值均在100以上,说明在对人口流入的吸引力与人口流出的辐射能力来看,行政等级高的城市都处于明显的优势地位。
从城市的入度与出度空间分布看,人口流动呈现出相似的集聚性:网络地位较高的城市均主要集中分布在京津冀、长三角、珠三角、渝蓉与长江中游等国家级城市群内,另外还零散地分布在中西部地区的省会城市,如西安、郑州、兰州等。虽然城市节点在入度与出度的网络空间格局大致保持较高程度的相似性,但少数节点仍存在较大的差异,如乌鲁木齐、三亚、桂林、青岛等城市入度值明显大于出度值。从整个空间分布图来看,入度分布更加倾向于在长三角地区集聚,而出度分布倾向于在京津冀地区集聚。这表明长三角地区对于人口具有强大的吸引力,而京津冀城市群则表现出更强的人口辐射能力。
通过对照网络中334个节点的入度与出度,发现两组数据排序的相对一致性。经SPSS相关性检验,Pearson相关系数高达0.983,sig值小于0.05,可以看出节点的入度与出度呈现出显著的正相关关系。通过统计,有279个城市节点的入度与出度之差的绝对值小于等于30,占总数的83.53%。这在一定程度上表明城市节点的入度与出度的相对平衡,也可以说人口在城市间可以自由流动,大多数城市不存在单向的阻碍流动的约束力。当然也存在部分节点入度与出度存在较大的差值。如图2所示,典型的入度盈余(入度-出度)较大的节点有成都、杭州、昆明、厦门、三亚、青岛、桂林、香港、澳门等大型城市,在中小城市中也有黄山、酒泉、上饶、北海、张家界等。不难看出,这些均为典型的旅游城市,在人口流入的吸引力上有着较大的优势。出度盈余的节点有深圳、武汉、郑州、南昌和太原等,多为区域核心节点(省会城市),在人口流动网络中主要起辐射控制作用。还有部分节点处于一种入度与出度的“相对平衡”状态,如北京、上海、重庆、西安等,这些节点的总度值恰好处于整个网络中第一序列之中。这些城市人数众多,流动频繁,人口的流入和流出处于“高水平”的均衡状态。另外一些小城市(如宜昌、威海、常德、安顺、三明、衢州等)入度与出度值几乎相等且均小于30,表明人口流动处于低水平的均衡状态。
|
|