基于百度指数的粤闽浙沿海城市信息流网络特征

2023-12-06 12:27叶艺华陈羽珊
湖州师范学院学报 2023年10期
关键词:信息流层级厦门

叶艺华,陈羽珊

(1.漳州职业技术学院 建筑工程学院,福建 漳州 363000; 2.广州商学院 会计学院,广东 广州 511363; 3.马来西亚国立大学 工商管理研究所学院,雪兰莪州 万宜新镇 43600)

0 引 言

全球信息网络的发展和交通、通讯的极大改善使得时空压缩,地理空间在全球网络中跨越时空得到重构,知识流、人流、信息流等在全球城市间快速流动,流空间即流的空间载体或场域[1]逐渐替代场所空间.城市网络研究是建立在流空间理论基础上,并跳脱中心地理论限制关注关系数据,研究城市间的网络关系.城市网络的主要研究视角包括:从企业组织途径,如企业总部分支机构数据[2]等,构建企业活动网络;从基础设施,如航空[3]、高铁等“交通流”数据[4],构建区域的交通网络;通过人口流动[5]、物流[6]、创新流[7]等其他要素流,分析区域城市地位及城市间的关系.互联网信息技术的发展改变了城市间的通讯交流方式,带来了社会经济空间联系的巨大变革.与传统通讯方式不同,移动互联网信息交流不依赖于城市等级体系,不受地理空间束缚,体现了城市间主动性的交流,可通过网络将城市联结成空间上密切联系的网络,因此逐渐受到学者的关注.以往,受限于城际信息流数据较难获取,关于信息流网络的研究大多为定性研究.近年来,随着大数据挖掘技术的运用,信息流获取变得更加简单,已有研究运用微博[8]、贴吧[9]、QQ群[10]数据从定量研究视角,探讨城市信息流网络空间格局,信息流载体的选择变得更加丰富多样.

百度搜索指数数据是以海量网民的搜索行为数据为基础的,相对前述企业分支结构数据、基础设施交通数据等多种城市关系数据,其数据更加广泛、实时、动态,用以城市网络研究时,更能快速反映城市网络的时空演变特征,以及城市间社会、经济等方面的联系[11],为城市网络研究提供海量数据支撑.目前,一些学者运用百度指数开展城市群的网络层级结构研究、城市的主导力和控制力分析、凝聚子群分析等.百度指数作为一类信息流,丰富了城市群网络的研究视角.在基于百度指数的城市群研究中,研究对象主要集中于长三角[12-13]、东北三省[14]、成渝城市群[15]、京津冀[16],鲜少研究海峡西岸经济区或粤闽浙沿海城市群[17].

海峡西岸经济区位于中国台湾海峡西岸,2009年被正式纳入国家发展规划.根据《福建省建设海峡西岸经济区纲要》,其经济区包含福建省全境和浙江省、广东省、江西省部分城市在内的20个地级市.经济区东与台湾地区一水相隔,北承长江三角洲,南接珠江三角洲,是我国沿海经济带的重要组成部分,在全国区域经济发展布局中处于重要位置.海峡西岸经济区在发展中长期面临临近长三角、珠三角城市群的虹吸效应,亟须打造一个承接珠三角、长三角,辐射中西部、台湾的特大城市和富有竞争力的沿海增长极.2021年3月出台的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》首次提出“粤闽浙沿海城市群”概念,取代了原先的海峡西岸经济区.这意味着城市群建设上升到了三省战略层面.当前,粤闽浙沿海城市群正式规划尚未发布,也未对粤闽浙沿海城市群的城市范围做出相关界定.但从纲要的空间格局看,粤闽浙沿海城市群与海峡西岸城市群对应的范围和城市无较大差别.因此,本研究的研究区域——粤闽浙沿海地区仍沿用原海峡西岸经济区界定的范围.本文拟通过百度指数平台获取粤闽浙沿海地区城市间两两搜索指数,依托搜索指数搭建粤闽浙沿海地区城市信息流网络,对粤闽浙沿海地区的城市信息流网络结构特征进行识别,以明晰城市间的内在联系,从而为粤闽浙沿海地区城市规划提供参考.

1 研究区域、数据来源与研究方法

1.1 研究区域

本研究的研究对象为粤闽浙沿海地区,涉及20个城市,具体包括:福建省的福州市、厦门市、泉州市、莆田市、漳州市、三明市、南平市、宁德市、龙岩市;浙江省的温州市、丽水市、衢州市;江西省的上饶市、鹰潭市、抚州市、赣州市;广东省的汕头市、潮州市、揭阳市、梅州市.

1.2 研究数据

研究数据来自百度指数平台.根据第49次《中国互联网络发展状况统计报告》,截至2021年12月,我国网民规模达10.32亿,互联网普及率达73%.百度仍是中国搜索引擎市场占用率较高的搜索引擎.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,可用于单词趋势、需求图谱、行业整体趋势等研究[18].根据用户使用百度搜索来源的不同,百度搜索指数分为PC搜索指数和移动搜索指数.数据采集时,在平台关键词部分输入信息接收城市,定位位置选择信息发送城市,选择对应的时段,获取信息发送城市对信息接收城市的搜索指数,作为城市间信息流的表征,构建基于城际的信息流网络.本研究收集的为PC端和移动端搜索数据,平台收集的移动数据最早可查到2011年1月,所以本研究对2011年、2016年、2021年的百度指数进行分析.

1.3 研究方法

本文以信息流总量与信息流强度指标构建无向网络,分析粤闽浙沿海城市群的信息流总量趋势、时空演变特征.由于无向化处理会损失信息流非对称性交互信息,不利于城市性质和能级的挖掘,所以本文结合社会网络分析法,分析有向网络中的城市节点特征.由于本研究收集到的粤闽浙沿海各城市间的信息流数据均不为零,城市间普遍存在百度关注度,即粤闽浙沿海信息流网络是密度为1的复杂网络,需要从中提取关键信息来进一步研究城市层级关系[19],所以引进节点区域分析法,探究粤闽浙沿海信息流有向网络的城市层级结构.

1.3.1 社会网络分析法

社会网络分析(SNA)法被广泛用于城市网络结构分析.由于信息流网络为全网络,中介中心性、小世界性等指标不适用,故本研究引入社会网络分析法的度数中心性进行城市地位分析.度数中心度是反应节点影响力的一项重要指标,可用以测量信息流网络城市节点在网络中的地位.一个城市在网络中的中心度越高,说明该城市在网络中的影响力越大、地位越高.有向网络中心度可分为点出度和点入度.在信息流网络中,点出度反映城市的信息辐射影响力,点入度反映城市的信息流吸引力.点出度与点入度可采用Ucinet软件进行计算.

1.3.2 信息流总量与信息流强度

本文借鉴以英国地理学家Peter Taylor为首的GaWC研究小组运用的连锁网络构建方法[20],基于Python采集的粤闽浙沿海20个城市间相互搜索指数数据,构建2011年、2016年、2021年粤闽浙沿海城市无向对称信息流网络矩阵.城市间的信息流强度(Sij)由两两城市百度搜索指数乘积表示,即:

对鸭坯进行统一前处理,之后进行烤制实验。具体为红外蒸汽烤制温度220℃,烤制时间30、35、40、45、50min,蒸汽喷射2次,分别为烤制的第10min和第30min,每次喷射时间为3s;最后红外干烤10min。

Sij=Iij·Iji,

(1)

其中,Iij为信息流出城市i对信息流入城市j的百度搜索指数,Iji为信息流出城市j对信息流入城市i的百度搜索指数.

网络中所有城市的信息流总量用T表示,城市i的信息流总量Ti为城市i与粤闽浙沿海城市信息流网络中所有城市间的百度搜索指数之和,包括城市i对城市i自身的百度搜索指数,其计算公式为:

Ti=Ti1+Ti2+Ti3+…+Tik,

(2)

T=T1+T2+T3+…+Tk.

(3)

城市i对城市j的相对信息流强度用R表示,反映该条信息流在网络中的相对地位,其计算公式为:

R=Sij/maxI,

(4)

其中,maxI为网络中最大的信息流.

1.3.3 节点区域法

节点区域法是一种判断节点在区域中地位的分析方法,是由Nystuen和Dacey于1961年提出的[21],常用于从复杂网络中提炼分析城市的层级结构[13].该方法认为,最大流量的网络能勾勒出整个地区城市组织的骨架,可用简单结构图反映城市层级结构.该分析方法将网络中的城市分为主导型城市、次级主导型城市和从属型城市.主导城市的最大要素流流向一个规模相对较小的城市.次级主导型城市的最大要素流指向主导型城市.从属型城市的最大要素流流向一个与之相比规模较大的城市.从属具有传递性,即如果城市A从属于城市B,城市B从属于城市C,那么城市A也从属于城市C,因此在分析时只需保留规模较小的城市到规模大的城市的最大要素流.本文用城市间的百度指数信息流点入度表示城市规模的大小,研究粤闽浙沿海城市非对称有向信息流网络的城市层级结构.

2 结果分析

2.1 网络信息流总量趋势

运用Python采集粤闽浙沿海20个城市间的相互搜索指数,计算城市整体日均值指数,加总得到2011—2021年该地区20个城市整体日均值信息流总量,见图1.从长期看,该地区信息流总量增长明显,从2011年的27 423上涨至2021年的44 408,增长幅度约为62%;20个城市间的信息流通程度有所加强,城市间的联系增加,2017年信息流总量达50 486,为近20年来最高;2013年、2014年信息流总量快速增长,其中2014年上涨幅度最大;2014—2021年20个城市间的信息流总量维持在4万以上,虽有小幅波动,但波动较为平稳.

图1 2011—2021年粤闽浙沿海信息流总量变化

2.2 网络城市节点

2.2.1 城市节点中心度

等距选取2011年、2016年、2021年3个时间断面的百度信息流进行信息流城市网络节点分析,运用Ucinet软件计算节点中心度.由于该地区信息流城市网络为有向网络,所以本研究将节点中心度分为点入度和点出度,以分析各城市在网络中的吸引力和影响力,结果见图2和图3.在点入度方面,在这三年中福州、厦门、泉州、温州、赣州均是网络中点入度较高的城市,说明这5个城市在网络中的信息虹吸作用较强,具有较强的信息资源集聚能力,吸引力突出.衢州、鹰潭、潮州、揭阳、梅州等点入度均较低,信息吸引力弱.厦门作为副省级城市和经济特区,一直是网络流点入度最高的城市,在区域中的吸引力突出.在点出度方面,城市差异较大,分化明显.福州、厦门、泉州、温州、赣州亦是网络点出度较高的城市,说明这5个城市在网络中的信息影响力较大,辐射作用较强.鹰潭、汕头、潮州、梅州是网络点出度较低的城市,影响力不足.分阶段看,相对2011年,2016年和2021年各城市的点出度有较大变化,各城市差异较大,分化明显,而点入度差异不大.

通过上述分析发现,点出度首位城市与点入度首位城市表现出较大的重叠性.福州、厦门、泉州、温州、赣州是粤闽浙沿海地区信息流网络的重要节点城市,具有较强的信息资源辐射能力和集聚能力,以及较高的吸引力和影响力.这5个城市也是海峡西岸城市群规划中的重要节点城市,综合实力较为雄厚.福州作为福建省的省会城市,是福建省的政治、文化、交通中心,在信息流网络中具有省会效应优势,在2011年、2021年均为网络点出度最高的城市.厦门位于福建省的东南段,是现代化国际性港口风景旅游城市和东南沿海对外贸易的重要口岸,综合实力强劲,在2011年、2016年、2021年均是网络点入度最高的城市,信息资源集聚能力突出.泉州民营经济发达,GDP于2020年首破万亿,经济总量在2020年前曾连续多年保持福建省第一,2016年的GDP总量为福建省全省第一,超过福州,成为2016年信息流网络点出度最高的城市.温州一直是浙江省所辖重要的商贸城市,民营经济发达.以上4个城市都是区域中综合实力较强的城市.赣州为江西省省域的副中心城市,是重要的全国性综合交通枢纽.广东省的潮州市、梅州市和江西省的鹰潭市在粤闽浙沿海地区信息流网络中的融入性不足,影响力和吸引力均较弱.

图2 粤闽浙沿海20市信息流网络点入度

图3 粤闽浙沿海20市信息流网络点出度

2.2.2 城市类型

为更清晰地分辨各城市在粤闽浙沿海地区信息流网络中的作用,本文将城市以中心度为参考值绘制四象限散点图,其中横坐标为点入度,纵坐标为点出度,用点出度和点入度平均值将图分为四个象限,以对角线将图分为两区域,散点图由第一象限右下逆时针旋转,将网络中的城市类型依次分为强吸收型、强辐射型、偏辐射型、弱辐射型、弱吸收型、偏吸收型,具体见图3.

由图4显示,2011年,厦门为强吸收型城市,是网络信息流流入集中的城市,兼具较强的辐射影响力和吸引力,且信息流吸引力大于辐射影响力;福州、泉州、温州、漳州、莆田为强辐射型城市,网络的辐射影响力和吸引力均较强,是信息流集中流入的洼地,且辐射影响力大于吸引力;南平、三明、龙岩属于偏辐射型;弱辐射型城市和偏吸收型城市数量较少或表现不明显,网络中绝大多数城市为弱吸收型城市.2016年,漳州转为强吸收型城市,赣州转为强辐射型城市,厦门仍为强吸收型城市,福州、泉州、温州、莆田仍为强辐射型城市;网络中多数城市向图左下方集中,说明绝大多数城市转为弱吸收型城市,网络分化越发明显.2021年,福州、泉州、温州、赣州仍为强辐射型城市,莆田转为偏吸收型城市,宁德加入偏吸收型城市队伍,网络中城市类型仍较为集中在左下偏吸收型区域;厦门由强吸收型城市转为强辐射型城市,其原因是金砖国家领导人会晤让厦门备受瞩目,自贸试验区、海丝核心区等国家战略使得厦门的影响力进一步扩大,而且近年来厦门重点发展现代服务业,第三产业比重逐步提高,综合竞争力不断增强;赣州仍为辐射型城市,其受益于省域副中心城市地位的确立、央企稀土集团的落户、交通运输的进一步发展等,赣州近几年的经济发展相较江西省其他城市发展迅速.

图4 粤闽浙沿海20市城市类型四象限散点图

2.3 网络时空演变特征

为探究粤闽浙沿海城市信息流网络时空演变特征,本研究以城市间两两之间的百度搜索指数乘积作为城市间信息流强度的表征,构建无向的粤闽浙沿海城市信息流网络,用ArcGIS软件绘制可视化图,见图5.图中城市与城市间的线段反应信息流相对强度,线段越粗表示信息流相对强度越高.多层级特征是城市网络空间关联的重要属性,本文借鉴熊丽芳[12]学者的做法,采用自然断裂法,按照信息流相对强度大小进行梯度分级,共分四个层级.为更直观地呈现粤闽浙沿海城市信息流网络的信息流相对强度层级特征,依次选取网络信息流强度位于最高的前三个层级、前两个层级、前一个层级的信息流做可视化呈现,分别得到2011年、2016年、2021年粤闽浙沿海城市信息流网络的主要网络、主干网络和骨架网络.其中,主要网络呈现信息流强度位于前三个层级的信息流,主干网络呈现较高的前两级信息流,骨架网络呈现最高一个层级的信息流.图中城市内部信息流是城市内部自身对城市的百度信息搜索指数,本文采用自然断裂法将城市分为四个梯级.

图5 粤闽浙沿海城市信息流网络时空演变图

由图5可知,从整体看,粤闽浙沿海城市信息网络结构较为稳定,网络式城市结构初具.2011年与2021年的主要网络基本相似,沿海城市间联系较为密集,西部较为稀疏,除赣州融入相对紧密外,江西省其他城市融入不足.广东省的4个城市融入更为不足,粤闽浙沿海城市信息网络呈现明显的省域界限,行政区划阻隔依然存在.由主干网络可见,温州、丽水、衢州三地以温州为桥梁,形成相对紧密的信息流动,温州为网络北翼连接其他城市的重要枢纽,连接网络多座城市,但其对网络北翼的领导辐射能力仍较不足.福建省以厦门、福州为核心枢纽带动省内其他城市融入网络中,呈现以厦门、福州为支撑节点的皇冠型带状结构,龙岩、三明、南平、宁德与厦门、福州两个重要节点城市有相对稳定的联系,但与其他城市互动较不足.由骨架网络可见,漳州—厦门—泉州—福州是网络中联系最为紧密的城市,形成较为稳定的信息互动关系,其中厦门—泉州的互动频繁且最为稳定.温州、福州、厦门、泉州、赣州城市自身内部的信息流持续保持高位状态.

2.4 节点区域

为进一步分析粤闽浙沿海城市信息流网络的层级结构,采用节点区域分析法提炼信息流,结果见图6.图6显示,粤闽浙沿海未形成紧密联系的信息流网络,省域界限明显,大致形成“1+4+15”层级结构.厦门是粤闽浙沿海城市信息流网络的主导城市,网络中接近一半城市的最大信息流均指向厦门.一方面,厦门在福建省内产生较强的信息虹吸作用;另一方面,也吸引着省外一些城市.福州、赣州是网络中的次级主导城市,将网络中的城市连接起来.福州吸引着同为福建省的南平和宁德的最大信息流.汕头吸引着同为广东省的潮州、梅州、揭阳3座城市的最大信息流,而其自身最大的信息流则流向省外链接粤闽浙沿海城市信息流网络.2011年,汕头最大信息流流向温州,成为网络中的三级城市,并通过温州这一从属城市融入信息流网络.2016年,汕头转为网络中的从属城市,其最大信息流流向厦门这一主导城市,是网络中重要的桥梁城市.温州吸引着丽水、衢州两座城市的最大信息流,但自2016年以来,其次级中心地位有所下降.自2011年以来,赣州逐渐成长为网络中重要的次级主导城市,吸引着江西省抚州、鹰潭、上饶3座城市的最大信息流,而衢州在网络中的融入不足.

图6 粤闽浙沿海城市信息流网络节点结构图

3 结论与讨论

本研究运用百度指数平台的搜索指数,构建粤闽浙沿海城市信息流网络,运用社会网络分析法、信息流网络矩阵、节点区域法,分析探讨粤闽浙沿海城市信息流网络的整体特征、节点特征和层级结构,得到以下结论:

(1)从整体看,2011—2014年地区信息流总量增长明显,2014—2021年粤闽浙沿海城市信息流总量和空间结构均较为稳定,网络式城市结构初具,呈现以厦门、福州为支撑节点的皇冠型带状结构.网络存在明显的省域界限,行政区划阻隔依然存在,粤闽浙沿海城市涉及三省.因此,需要建立城市群省内省际协调机制,进一步加强粤闽浙沿海城市群内部城市间的联系,破解条带格局现状,促进网络协调发展.当前网络结构非均衡现象突出,表现为沿海城市间联系较为密集,西部较为稀疏,漳州—厦门—泉州—福州形成网络中较为稳定的信息互动关系,其中厦门—泉州的互动频繁且最为稳定.

(2)从城市节点看,作为海峡西岸城市群规划中的重要节点城市——福州、厦门、泉州、温州、赣州,也是粤闽浙沿海地区信息流网络中的重要节点城市,具有较强的信息资源辐射能力和集聚能力,以及吸引力和影响力.厦门作为副省级城市和经济特区,在网络中的吸引力突出,且近几年厦门重点发展现代服务业,第三产业比重逐步提高,综合竞争力不断增强,自贸试验区、海丝核心区等国家战略,使得厦门的影响力进一步扩大,厦门由此前的强吸收型城市逐渐转为强辐射型城市.福州作为福建省的政治、文化、交通中心,在信息流网络中具有省会效应优势,一直是强辐射型城市,辐射影响力高.泉州、温州民营经济发达,在网络中的辐射影响力也较高.赣州受益于省域副中心城市地位的确立、央企稀土集团的落户,以及交通运输的进一步发展等,相较江西省其他城市,近几年的经济发展迅速,由强吸收型转向强辐射型城市.漳州由强辐射型转强吸收型城市,逐渐受到网络中其他城市的关注.广东省的潮州市、梅州市和江西省鹰潭市,在粤闽浙沿海地区信息流网络中的融入不足,影响力和吸引力均较弱.

(3)从网络层级结构看,粤闽浙沿海未形成紧密联系的信息流网络,大致形成“1+4+15”层级结构.厦门是粤闽浙沿海城市信息流网络的主导城市,网络中接近一半城市的最大信息流均指向厦门.福州是信息流网络中的次级主导城市,吸引着南平和宁德的最大信息流.汕头吸引着同为广东省的潮州、梅州、揭阳三座城市的最大信息流,而其自身最大的信息流则流向省外,链接粤闽浙沿海城市信息流网络,是网络中重要的桥梁城市.温州链接衢州两座城市的最大信息流,但自2016年以来,其次级中心地位有所下降.自2011年以来,赣州逐渐成长为网络中重要的次级主导城市,吸引着江西省抚州、鹰潭、上饶三座城市的最大信息流.

百度指数源于用户对某信息的主动搜索和关注,作为城市信息流的表征,虽然在客观上能够反应城市相互之间的主动信息关注情况,对城市群规划、基础设施规划具有重要价值[22],但基于百度搜索指数构建城市信息流网络尚有一些不足,例如,信息流蕴含的内容显然不止是百度指数,也可包括微博、贴吧、通话等,百度指数并不能完全表征城市间的信息流强度.随着数据挖掘技术的不断精进和5G通讯技术的发展,信息流数据将更加丰富、实时,获取也更加方便,城市信息流网络的研究将有更大的探索与改进空间.

猜你喜欢
信息流层级厦门
厦门正新
军工企业不同层级知识管理研究实践
基于信息流的作战体系网络效能仿真与优化
基于军事力量层级划分的军力对比评估
职务职级并行后,科员可以努力到哪个层级
基于信息流的RBC系统外部通信网络故障分析
“偶”遇厦门
战区联合作战指挥信息流评价模型
厦门猫街
食在厦门