基于百度指数的东北地区城市网络特征研究*

于欣洺，吴相利

(哈尔滨师范大学)

0 引言

城市网络是指在一定区域内众多相互联系城市构成的系统，城市网络的问题是城市地理研究的核心问题之一，通过获取城市之间物质、技术、人员、商品、信息和货币等因素流动的相互关联性数据来研究城市之间的关系是城市网络研究采用的主要方法．Derudder等借助航空运输网络等方面研究体现城市网络特征［1-3］，汪明峰等通过互联网关注来中国城市体系分布［4］，唐子来、陈映雪、金凤君等从信息基础设施网络视角研究中国城市网络特征［5-8］，Rossi［9］、Wouter［10］等用企业或社会组织数据研究城市网络，宁越敏、金钟范、曹有挥、尹俊、甄峰、武前波、路旭和谭一洺等开展了基于企业组织数据的城市网络实证研究［11-17］．已有城市网络研究为城市网络认识提供了不同视角．

随着社会经济发展和技术进步城市之间的时间距离被极大压缩，空间联系愈加紧密，特别是以网络技术为代表的信息技术的发展在一定程度上推进了城市网络空间重建．这在甄峰等人基于网络社会空间探究中国城市网络特征［18］和熊丽芬等人探究长三角核心区、我国三大经济区城市网络特征［19-20］的研究成果中得到了印证．

该文采用国内主流的百度搜索引擎获取基于百度指数(反映用户在互联网上对特定关键词的关注程度及持续变化情况)单一城市的用户关注度数据的信息流的城市网络图，对比分析包括网络层级特征和空间结构特征等城市网络时空变化特征，预判区域城市联系新动向和区域城市网络演进新趋势．通过研究揭示来自信息数据支撑信息时代背景下城市网络可能呈现的特征．

1 数据来源和研究方法

1．1 数据来源

按照地域相对完整性原则，该文选择东北地区作为研究对象，研究区域主要包括黑龙江省哈尔滨市、大庆市、齐齐哈尔市、牡丹江市、佳木斯市、鸡西市、双鸭山市、伊春市、七台河市、鹤岗市、黑河市、绥化市、大兴安岭地区13个城市(地区);吉林省长春市、吉林市、辽源市、四平市、白山市、通化市、白城市、松原市、延边州9个城市(州);辽宁省沈阳市、大连市、鞍山市、本溪市、抚顺市、丹东市、营口市、辽阳市、锦州市、阜新市、铁岭市、盘锦市、朝阳市、葫芦岛市14个城市;内蒙古自治区呼伦贝尔市、赤峰市、通辽市、兴安盟4个城市(盟)，共计40个城市．

考虑研究数据的易获取性和可对比性，该文通过百度指数网络界面“数据分享和探索平台”选项获取了2011、2014年东北地区两两城市间百度用户关注度(即热点趋势平均值之搜索指数)(如图1所示)．

图1 百度指数页面“数据分享和探索平台”获取某城市的热点趋势平均值之搜索指数(即用户关注度)

1．2 研究方法

该文采用城市之间百度指数信息流强度比较分析方法．两两城市之间的信息流强度用城市U和V之间的网络关注度乘积Wk表征，计算公式:Wk=Uv*Vu(其中，Uv为城市U在城市V的用户关注度，Vu为城市V在城市U的用户关注度)．

城市U在东北地区的信息流总量为M，为城市U与东北地区其他城市的信息流之和，计算公式:M=W1+W2+W3+……+Wk．

某城市的相对关注度(相对信息流)用S表示，为该城市在东北地区的信息流总量在区域内的相对占比．计算公式:S=Mk/Mh(其中，Mk为某城市的信息流总量，Mh为东北地区拥有最大信息流总量城市的信息流总量．)

该文以两两城市之间的信息流为基础，构建东北地区基于信息流的城市网络．

2 东北地区城市网络的时空变化

2011～2014年东北地区各城市信息流总量已由4 160 903上升到10 955 315，每个城市的信息流总量平均值也由112419升至273883，增幅达144%，信息流增幅大(如图2所示)．衡量东北地区各城市信息流总量年际变化的变差系数Lv(显示标准差相对于平均值大小的相对量)由2011年 0．505 变为 2014 年的 0．581，年际变化增大，这表明基于信息流的城市网络还处于波动发展阶段．

图2 2011和2014年东北地区各城市百度信息流总量、比重及均值

2．1 东北地区城市网络层级特征

采用2011年和2014年东北地区各城市信息流总量的相对值作为基础数据，运用ArcGIS软件的Natural breaks，按数据固有的自然组别分类，使得组内差异最小，组间差异最大，得到东北地区2011年和2014年的城市网络层级(见表1)．

2011～2014年间东北地区城市网络层级变化主要表现出如下特征:

第一、二层级城市名称、数量不变，区域网络核心由哈尔滨转移到沈阳，2014年哈尔滨的信息流总量与2011年相比翻了近1．9倍，但比重由13．82% 降至9．9%;2014年沈阳的信息流总量与2011年相比翻了3．1倍多，比重由10．25%升至12．15%，使得沈阳取代哈尔滨成为东北地区城市网络的核心．大连的信息流总量的增长了3．4倍多，达到1115250，略大于哈尔滨，占到沈阳的八层以上，信息流总量的相对值排名(以下简称“排名”)由第三位升至第二位．长春的信息流总量增长了2．8倍多，但仍居第一层级最末位．与此相比，第二层级吉林、大庆的信息流总量分别增长了2．6倍多和2．5倍多，排名均上升1名，吉林升至第二层级首位．而齐齐哈尔、佳木斯的信息流总量分别增长了2．0倍多和2．1倍多，但排名均下降1名，齐齐哈尔与吉林、佳木斯与大庆在本层级内排名互换．

第三层级城市增加四平、本溪、通辽、盘锦，仅阜新降至第四层级，城市数量增至12个．牡丹江仍居第三层级首位．通辽的排名提升最快，上升12名，由第四层级第十三位升至第三层级第十位，信息流总量增幅达到235%．四平、本溪的排名上升6名和4名，均从第四层级升至第三层级．阜新的排名降低最快，下降12名，由第三层级第四位降至第四层级第四位，信息流总量仅增长41%．其他城市排名小幅波动．

第四层级城市减少进入第三、五层级，城市数量减至18个．松原升至第一层级首位．赤峰、延边的信息流总量分别增长了近2．9倍和2．5倍，排名分别上升7名和6名．朝阳、鸡西的信息流总量分别增长了1．8倍多和1．9倍多，排名均下降7名．其他城市和第三层级一样略有波动．

第五层级城市增加第四层级进入的大兴安岭．大兴安岭的信息流总量增长了近1．6倍，因地处林区、人烟稀少，城市间信息联系较弱，滑落至第五层级．兴安盟仍居末位．

东北地区城市网络层级由2011年的“4+4+9+23+1”分布变为2014年的“4+4+12+18+2”格局，网络层级总体稳定，但城市网络仍呈现非均衡化特征，极化现象明显．

表1 2011年、2014年东北地区城市网络层级分布和排名变动情况

2．2 东北地区城市网络结构特征

基于直观、简洁和突出重点的原则选择两两城市信息流强度大于5000，并依据2011—2014年两两城市信息流强度矩阵绘制东北地区城市网络流量流向图．我们选择两两城市间相对信息流强度大于等于0．20的信息流形成主干城市网络;选择大于等于0．30的信息流形成骨架城市网络(见图3)．

东北地区城市网络的时空演变特征:

(1)东北地区城市网络结构不断优化调整，变化显著．在东北地区城市网络信息流中，2014年各城市之间的信息联系较之2011年有所增强．2011年城市网络图呈现明显的以哈尔滨、沈阳、大连和长春为主要支撑节点的“小哑铃”型结构，而到了2014年仍以沈阳、大连、哈尔滨、长春为主要支撑节点的“大哑铃”型结构逐步显现．可见东北地区作为全国四大经济板块之一，信息流的强度和密度明显增大，已经形成更加紧密的信息联系圈．区域信息网络的核心由哈尔滨南移至沈阳，沈阳—大连、沈阳—哈尔滨和沈阳—长春的互动最为频繁，进一步验证和巩固沈阳作为东北地区第一城市的重要性和影响力．

(2)主干城市网络紧密度2014年较2011年总体不变．2014年，主干城市网络新增城市仅有鞍山，鞍山作为除沈阳、大连外辽宁省第三大城市，是沈大黄金经济带的重要支点，随区域信息网络核心的迁移，沈阳、大连信息流总量居于区域前两位，使得鞍山与其他城市的信息联系也相应增强．

(3)东北地区城市骨架网络由2011年的“T”字形结构逐渐变成2014年的“Y”字形结构．2014年，网络核心从哈尔滨转移至沈阳，骨架城市网络节点中的其他城市不变，仅有齐齐哈尔不再是骨架城市网络节点城市．

3 结论与讨论

高度发达的互联互通体系的建立，城市间的互动日益紧密，依赖性逐步加强．“大数据”和“互联网+”背景下网络数据信息成为区域城市网络研究一个重要依据．本文构建了基于百度指数信息流的东北地区城市网络，解析了2011～2014年东北地区城市网络的时空变化特征．研究表明:

(1)基于百度信息流的东北地区城市网络层级特征明显，呈现“核心转移 层级稳定 存在极化”的发展态势．沈阳已经取代哈尔滨成为东北地区城市网络核心;第一、二层级城市名称不变，仅各层级内城市排名变动，最大港口城市大连、省会城市长春仍是网络中的重要节点，吉林、大庆等城市节点作用显现，其他层级城市变化不大，个别城市排名变动较大(如阜新)，多中心竞衡态势不明显;城市网络极化现象存在(如大兴安岭、兴安盟)．

图3 2011和2014年东北地区城市网络流量图对比

(2)城市网络结构不断优化:由以哈尔滨、沈阳、大连和长春为主要支撑节点的“小哑铃”型，发展成以沈阳、大连、哈尔滨、长春为主要支撑节点的“大哑铃”型;城市骨架网络由“T”字形发展成“Y”字形，越来越多的城市发展成为网络的重要节点．

(3)网络信息数据为大范围、跨区域、宽领域、多视角研究城市网络特征提供了便利和可能，数据获取快捷高效、实时精准，将进一步发展成为研究城市网络变化特征的新依据．

运用百度指数构建基于百度信息流的城市网络是对已有城市网络研究的具有创新意义的重要补充和丰富，但由于其主要反映网络所及区域用户网络关注度，不能完全意义上表示城市之间信息流强度，也未全面反映城市网络中城市间全面联系的状况，所构建的城市网络具有一定局限性，这一问题在后续研究中应予以克服．

［1］ Derudder B，Witlox F．An appraisal of the use of airline data in assessing the world city network:a research note on data［J］．Urban Studies，2005，42(13):2 371-2 388．

［2］ Burns M C，Cladera J R，Bergad M M．The spatial implications of the functional proximity deriving from air passenger flows between European metropolitan urban regions［J］．Geo-Journal，2008，71(1):37-52．

［3］ Derudder B，Witlox F，Faulconbridge J，et al．Airline data for global city network research:reviewing and refining existing approaches［J］．GeoJournal，2008，71(1):5-18．

［4］ 汪明峰，宁越敏．互联网与中国信息网络城市的崛起［J］．地理学报，2004，59(3):446-454．

［5］ 唐子来，赵渺希．经济全球化视角下长三角区域的城市体系演化:关联网络和价值区段的分析方法［J］．城市规划学刊，2010(1):38-45．

［6］ 陈映雪，甄峰，王波，邹伟．基于社会网络分析的中国城市网络 信息空间结构［J］．经济地理，2013，33(4):56-63．

［7］ 戴特奇，金凤君，王姣娥．空间相互作用与城市关联网络演进——以我国20世纪90年代城际铁路客流为例［J］．地理科学进展，2005，24(2):80-89．

［8］ 汪明峰．城市的网络优势——中国互联网骨干网络结构与节点可 达性分析［J］．地理研究，2006，25(2):193-203．

［9］ Rossi E C，Beaverstock J V，Taylor P J．Transaction links through cities:‘decision cities’and service cities in outsourcing by leading Brazilian firms［J］．Geoforum，2007，38(4):628-642．

［10］ Wouter J，Hans K，Peter H．The location and global network structure of maritime advanced producer services［J］．Urban Studies，2011，48(13):2749-2769．

［11］宁越敏．企业空间组织与城市-区域发展．北京:科学出版社，2011．98-102．

［12］金钟范．基于企业母子联系的中国跨国城市网络结构——以中韩城市之间联系为例．地理研究，2010，29(9):1670-1682．

［13］曹有挥，陈国伟．基于生产性服务业的长江三角洲城市网络［J］．地理研究，2014，33(2):323-335．

［14］尹俊，甄峰，王春慧．基于金融企业布局的中国城市网络格局研究［J］．经济地理，2011，31(5):754-759．

［15］武前波，宁越敏．中国城市空间网络分析——基于电子信息企业生产网络视角［J］．地理研究，2012，31(2):207-219．

［16］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．

［17］ 谭一洺，杨永春，冷炳荣，等．基于高级生产者服务业视角的成渝地区城市网络体．地理科学进展，2011，30(6):724-732．

［18］ 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．

［19］熊丽芳，甄峰，王波，等．基于百度指数的长三角核心区城市网络特征研究［J］．经济地理，2013，33(7):67-73．

［20］熊丽芳，甄峰，席广亮，朱晓清，王波．我国三大经济区城市网络变化特征——基于百度信息流的实证研究［J］．热带地理 2013，34(1):34-43．