基于信息流的江西省城市网络研究

曾艳　匡晨

[摘 要]文章基于百度指数数据，从信息流视角对江西省11个城市的信息流变化、城市网络层级、城市网络结构进行研究。结果显示：2016—2018年江西省城市信息流总量均呈增长趋势，各城市之间信息交流日益紧密;城市网络层级分别呈现“1+4+6”和“1+7+3”三级分布，南昌为“单核”的态势和非均衡化特征;城市网络骨架不变，都是以南昌为支撑点的极核式格局，城市网络主干密度增加，抚州和吉安与其他城市的信息流联系加强了，城市网络非均衡化态势有所减轻。

[关键词]城市网络;信息流;百度指数;江西省

[DOI]10.13939/j.cnki.zgsc.2020.05.026

1 引言

城市之间的网络关系一直是城市与区域研究的热点。国内外学者主要从不同要素流视角，通过获取或构建城市间关系性数据来研究城市网络，不同要素流包括交通流（人流、物流）、资金流、信息流等。Burns[1]、戴特奇[2]等分别基于航空网络、铁路客运网络的交通流视角研究城市网络;陈晨[3]、王磊[4]等人基于资金流视角分别研究东北地区和长江中游城市群城市网络，叶强[5]、蒋小荣[6]等基于百度迁徙大数据表征的人流视角分别研究长江中游城市群网络和中国城市人口流动网络;Townsend[7]、Malecki[8]以互联网流量、宽带网络等为切入点，从信息流视角研究城市网络;董超[9]、甄峰[10]、熊丽芳[11-12]、蒋大亮[13]、邓楚雄[14]等分别以固定电话通话时长、新浪微博、百度指数、百度贴吧数据为切入点，从信息流视角研究城市网络等。

一系列的研究表明，表征不同要素流的关系性数据的挖掘，已成为研究城市网络的常用方法，而随着互联网和移动通信网越来越发达，信息流数据显得尤其重要。本文以江西省为研究区域，以“百度指数”平台提供的搜索指数为数据，构建基于信息流的江西省城市网络，通过计算两两城市之间的信息流强度和相对强度、各城市的信息流总量和相对量，对比分析其时空变化特征，探究江西省城市网络特征。

2 数据来源和研究方法

2.1 数据来源

百度指数是以百度海量网民行为数据为基础的数据分享平台，是当前互联网及至整个数据时代最重要的统计分析平台之一[15]。在百度指数门户网站，可以获取某一城市区域内的网民对另一城市的搜索指数。

本研究以江西省南昌、九江、景德镇、鹰潭、新余、宜春、萍乡、上饶、抚州、吉安、赣州11个设区市作为研究对象，收集2016年和2018年每天搜索指数的平均值作为原始数据，构建2016年和2018年城市之间的百度搜索指数矩阵。数据获取日期为2019年5月28日。

2.2 研究方法

（1）两两城市（以下简称城市对）之间的信息流强度和相对强度。

3 江西省城市网络变化

3.1 江西省城市信息流变化

通过研究方法中式（1）和（3）得出2016—2018年江西省11个城市信息流总量及其变化情况（如图1所示）。2016—2018年江西省全部城市信息流总量之和增幅较大，由2016年的1702624增长到2018年的2231678，增长率为31.07%。同时，各城市信息流总量均呈增长趋势。由此可见，江西省各城市之间信息交流日益紧密，信息流量迅猛增长。

虽然各城市信息流总量均呈增长趋势，但增长率差距较大，吉安的信息流量增长最快，增长率为69.19%，其次为抚州，增长率为57.99%，高于江西省平均增长率的还有九江（42.87%）、景德镇（33.91%）、鹰潭（33.30%），低于平均增长率的有萍乡（27.33%）、南昌（25.81%）、赣州（25.21%）、上饶（23.14%）、新余（17.74%）、宜春（17.20%），详见图1。

3.2 江西省城市网络层级变化

通过研究方法中式（4）得到2016年和2018年江西省各城市信息流总量的相对值Q值，以此为基础数据，采用聚类方法，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2016年和2018年的城市网络层级分布及排名变化（见表1）。

2016—2018年江西省城市网络层级呈现以下特征：

（1）2016—2018年江西省城市网络层级分布变化较大。2016年、2018年江西省城市网络层级分别呈现“1+4+6”和“1+7+3”三級分布，其中第一层级的城市始终是南昌，2016年第二层级的城市有赣州、宜春、上饶和吉安4个，第三层级的城市有景德镇、吉安、抚州、新余、鹰潭和萍乡6个，2018年景德镇、吉安和抚州3个城市由第三层级进入了第二层级。不但层级分布变化较大，城市排名也有变动，跟2016年相比，2018年九江前进2位，宜春则后退2位，吉安、鹰潭分别前进1位，而抚州、萍乡则分别后退1位。

（2）江西省城市网络呈现“单核”态势。“单核”是南昌，作为江西省的省会城市，南昌处于江西省城市网络核心地位，2016年、2018年信息流量分别为452419和569194，分别占全省信息流总量的26.57%和25.51%，为区域之首，远高于其他城市，具有明显优势。

（3）江西省城市网络呈现非均衡化特征。综合全省各城市信息流总量占比来看，第一层级所占比重较大，超过全省总量的1/4，同时，2016年、2018年第一和第二层级的城市信息流量占比分别达到了66.64%和86.44%，而第三层级信息流总量占比仅为33.36%和13.56%，整体结构趋于十分明显的非均衡化状态。

3.3 江西省城市网络结构变化

通过研究方法中式（1）和式（2），计算获得2016年、2018年江西省55个城市对的相对信息流强度P值。根据江西省的实际并结合相关学者的研究成果[16]，依据P值大小对信息流进行分级，P≥0.4为一级城市信息流，相对信息流强度大，在城市网络中的地位最高，构成江西省城市网络的骨架;0.1≤P<0.4为二级城市信息流，相对信息流强度中等，在城市网络中的地位次之，与一级城市信息流一起构成江西省城市网络的主干;P<0.1为三级城市信息流，相对信息流强度小，在城市网络中的地位低。

运用ArcGIS软件，分别描绘出2016年、2018年江西省城市网络结构图（见图2）。

由P值和图2可知，2016—2018年江西省城市网络结构在维持原有框架的基础上发生了小幅变化，具体为以下三点：

（1）城市网络骨架不变。2016年和2018年组成网络骨架的一级城市信息流都是8条，分别是南昌—赣州、南昌—九江、南昌—宜春、南昌—景德镇、南昌—上饶、南昌—吉安、南昌—抚州、景德镇—上饶，其中有7条由南昌与其他城市相连。由此表明，江西省城市网络骨架是以南昌为支撑点的极核式格局。

（2）城市网络主干密度增加。在主干网络中，2016年二级城市信息流为21条，2018年增加了8条，分别是九江—抚州、景德镇—抚州、鹰潭—抚州、抚州—宜春、抚州—吉安、上饶—吉安、萍乡—吉安、新余—吉安，这8条信息流分别是抚州和吉安与其他城市的信息流，表明抚州和吉安与其他城市的信息流联系加强了。

（3）城市网络非均衡化态势有所减轻。2016年26条三级城市信息流中有8条上升为2018年的二级城市信息流，除此之外，大部分城市间的信息流相对值P值呈现上升趋势，表明江西省城市网络非均衡化态势有所减轻。

4 结论

基于百度指数数据，本文从信息流视角对江西省11个城市的信息流总量、城市网络层级、城市网络结构进行研究。主要结论如下。

（1）2016—2018年江西省全部城市信息流总量之和增幅较大，同时，各城市信息流总量均呈增长趋势。可见，江西省各城市之间信息交流日益紧密，信息流量迅猛增长。虽然各城市信息流总量均呈增长趋势，但增长率差距较大，呈不均衡发展态势。

（2）2016年、2018年江西省城市网络层级分别呈现“1+4+6”和“1+7+3”三级分布，其中第一层级的城市始终是南昌，2016年第二层级的城市有赣州、宜春、上饶和吉安4个，第三层级的城市有景德镇、吉安、抚州、新余、鹰潭和萍乡6个，2018年景德镇、吉安和抚州3个城市由第三层级进入了第二层级;江西省城市网络呈现“单核”态势，“单核”是南昌，南昌处于江西省城市网络核心地位;江西省城市网络呈现非均衡化特征。

（3）2016—2018年江西省城市网络结构在维持原有框架的基础上发生了小幅变化：城市网络骨架不变，都是以南昌为支撑点的极核式格局;城市网络主干密度增加，增加的网络主干分别是抚州和吉安与其他城市的信息流，表明抚州和吉安与其他城市的信息流联系加强了;城市网络非均衡化态势有所减轻。

参考文献：

[1] 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]. GeoJournal，2008，71（1）：37-52.

[2]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.

[3]陈晨，修春亮. 流空间视角的东北地区城市网络研究[J]. 地域研究与开发，2014， 33（4）： 82-89.

[4]王磊，杨文毅，张伊娜. 基于消费流的长江中游城市群网络体系研究[J]. 城市发展研究，2019，26（1）：101-109.

[5]叶强，张俪璇，彭鹏，等. 基于百度迁徙数据的长江中游城市群网络特征研究[J]. 经济地理， 2017， 37（8）： 53-59.

[6]蒋小荣，汪胜兰. 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[J]. 中国人口科学， 2017（2）： 35-46.

[7]TOWNSEND A M. Networked cities and the global structure of the Internet[J]. American Behavioral Scientist， 2001， 44（10）： 1698-1717.

[8] MALECKI E J. The economic geography of the Internets infrastructure[J]. Economic Geography， 2002， 78（4）： 399-424.

[9]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.

[10]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.

[11]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.

[12]熊丽芳，甄峰，席广亮，等.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，2014，34（1）： 34-43.

[13]蒋大亮，孙烨，任航，等.基于百度指数的长江中游城市群城市网络特征研究[J].长江流域资源与环境，2015，24（10）：1654-1664.

[14]邓楚雄，宋雄伟，谢炳庚，等. 基于百度贴吧数据的长江中游城市群城市网络联系分析[J].地理研究， 2018， 37（6）： 1181-1192.

[15]段献，黄军林，陈健.信息流视角下长株潭城市群关系网络特征辨析及规划启示——基于百度指数的分析[J].城市学刊，2019，40（3）：73-81.

[16]胡国建，陈传明，侯雨峰，等. 基于百度指数的黑龙江省城市网络研究[J]. 地域研究与开发，2018，37（1）：58-64.

[作者简介]曾艳（1979—），女，江西丰城人，江西师范大学城市建设学院讲师，硕士，研究方向：城市与区域规划：匡晨（1997—），女，江西吉安人，江西师范大学城市建设学院本科生，研究方向：城鄉规划。