依然徐涵阿
1.不同职能,不同规模的城市要发生交互作用,城市与区域之间也要发生交互作用,形成 各自的势力范围。
城市体系的空间网络结构是研究一个国家或区域中城镇体系的点(城市与城市) 、线(城市 与联系通道) 、面(城市与区域,吸引范围)三要素在空间的组合关系。
2.中心地理论
杜能的农业区位论(1826年《孤立国-孤立国对农业和国民经济的关系》 )
韦伯的工业区位论(1909年《工业区位论-区位的纯理论》 )
克里斯泰勒、 廖什的城市区位论 (1933年 《德国南部的中心地》 ; 1940年 《经济的空间分布》 ) “没有中心地理论,就没有城市地理学”
克里斯泰勒的中心地理论是把城镇作为零售中心和服务中心,来探讨城镇体系的聚落规模、 职能和分布的规律性的理论。
3.中心地理论的若干概念
1) 中心职能或中心地职能:聚落遍在的为外部服务的作用, 这种职能一般要集中在区域 的中心。 有这种职能的聚落叫中心地 (Roadside 路店; Hamlet 小村, 闾市; Village 村庄 , 村市; T own 镇 , 镇市; City 城,城市)
2)职能:提供商品或服务的作用(如加油站,停车场,银行,食品店)
企业单位:提供职能的单位(Establishment )
职能单元:一个企业单位提供一种职能叫一个职能单元,一个
企业单位提供两个职能或两个企业单位各提供一个职能叫两个职能单 元, 。 。 。 。
3)门槛值和服务范围:维持一个职能单元存在所需的最起码的人口数或购买力
服务范围有门槛范围、最大范围、实际范围
不同职能的门槛值和服务范围是不同的
职能的企业数与中心地的人口规模之间存在指数曲线关系
P = a * b n
当店数等于 1时, P 就是该职能的门槛值
4) 服务职能的等级:将不同职能按门槛值排队 (按入门次序分) , 就有低阶职能和高阶 职能之分。不同国家或地区服务职能的入门次序可能是不同的。 (见表 69)
5) 中心地的等级:按中心地执行的职能的数量和职能的等级, 可以把中心地分成不同的 等级。规律性:中心地等级越高,中心职能越多,中心地人口越多(中心地的等级与中心职 能数和中心地规模成正相关) ;高级中心地不仅有低级中心地所具有的职能,而且有低级中 心地所没有的较高级的职能, 这些交高级的职能有较高的门槛和较大的服务范围; 高级别中 心地数量少,间距大,服务范围大
6)中心性:对中心地的等级的度量
克里斯泰勒用电话指数来度量中心性 (用中心地的实际电话数减中心地的预期电话数为 中心性指数,分成 9级)
4.理论假设
无边的大平原;均质的肥力和水分;初始人口均匀分布;均匀的陆路联系;决定因素是 距离;经营者和消费者有理智的行为。
简单说:均质平原和经济人
5.理论要点
1) 形成一套呈三角形分布的中心地的等级体系, 不同等级中心地有不同大小的六边形市 场区
2) 不同级别的中心地和市场区一级一级相嵌套。 低级中心地和市场区被高一级的所包括。 见图 72,假设 B 级中心地有 r , r -1, r -2, r -3和 e , e -1。 。 。 。等不同的职能, B 级中心地的市场区范围由最高级职能的半径 R 所决定。但是在 B 级中心地市场区边缘的居 民,不愿意到 B 级中心地去接受低级的服务,因为距离远,不经济。就会在 3个 B 级中心 地之间的位置有一个比 B 低一级的中心地 K 来提供服务, K 级中心地的服务范围是由它所 提供的最高级职能的服务半径(e )所决定的。 K 级中心地的服务范围分别是 B 级中心地服 务范围的一部分, K 级中心地的居民可以到周围的 3个 B 级中心地接受较高级的服务。依 次类推, 可以导出比 B 高一级的中心地 G , 和比 K 低一级的中心地 A , 以及它们相应的市 场区。它们的嵌套关系见图 73。
3)在市场原则下的中心地空间结构(K =3)
市场组织最合理
6个低级中心地在它高一级中心地市场区的角上;
低级中心的市场区分属 3个高一级中心地的市场区;
高一级中心地的市场区是低一级中心地市场区的 3倍;
低级中心地可以到周围 3个高一级中心地接受服务;
在行政管理上, 每 3个低级单元组成一个高一级的单元, 有 1个一级单元, 有 3个二级 单元, 9个三级单元, 27, 81, 。 。 。 。 ;
中心地的等级为 1, 2, 6, 18, 54。 。 。 。
较高等级中心地的距离是低一级中心地距离的根号 3倍
4)在交通原则下(K =4)
运输效率最高
6个低级中心地在它高一级中心地市场区的边上;
低级中心的市场区分属 2个高一级中心地的市场区;
高一级中心地的市场区是低一级中心地市场区的 4倍;
低级中心地可以到周围 3个高一级中心地接受服务;
在行政管理上, 每 4个低级单元组成一个高一级的单元, 有 1个一级单元, 有 4个二级 单元, 16个三级单元, 64, 256, 。 。 。 。 ;
中心地的等级为 1, 3, 12, 48, 192。 。 。 。
较高等级中心地的距离是低一级中心地距离的根号 4倍(2倍)
5)行政原则(K =7)
行政管理上的方便
6个低级中心地在它高一级中心地市场区的角内;
1个高级中心的市场区包括了 7个低级中心的市场区;
高一级中心地的市场区是低一级中心地市场区的 7倍;
在行政管理上, 每 7个低级单元组成一个高一级的单元, 有 1个一级单元, 有 7个二级 单元, 49个三级单元, 343, 。 。 。 。 ;
中心地的等级为 1, 6, 42, 294, 。 。 。 。
较高等级中心地的距离是低一级中心地距离的根号 7倍
6) 3种原则可能同时交错发生作用
见 P335表,原则是对的,但具体到数字有点牵强附会。
等级 A B C C ’ D E F
个数 1 2-3 6-12 6 42-54 118
K =7 1 || 6 | 42 ||294
K =3 1 |2 |6 18 |54| 162 |486
K =4 1 |3 |12 |48 |192 |768
评价:
1) 城市作为服务中心具有一定的普遍意义, 在不发达的情况下是这样, 到了高度发达的今天也 还是有意义,尽管在工业社会下有例外。
2)在这一前提下,不同等级的中心地,人口数,职能数,职能的门槛值,入门次序,城市数及 其间距等等观念, 基本是正确的。 六边形市场区的模式在实践中也有体现, 特别在平原农业区。 3)在克氏的启发下,各国的学者做了不少验证,有些验证发现与克氏有相似的规律性。例如中 心地是分等级的,它们之间的间距符合 K =3或 K =4
4)也有一些验证不符合克氏的规律,因此提出了批评。这些批评集中到一点,是对克氏的严格 的阶梯状体系结构提出质疑。在克氏严格的嵌套关系下,不同等级的城市数、城市人口数、职 能数和职能等级都是呈阶梯状的。但实际的情况往往是连续的,没有明显的差距。甚至出现一 些反例。例如图 77中心地人口与职能数的关系不明显;图 78市场区的面积与中心地的等级和 人口数间的关系不明显。
5)最后归结为克氏的假设条件有问题,地域不是均质的,人口分布和购买力是不均匀的;在实 际是多目的购物和消费的情况下, 到最近中心地接受服务的假设有问题, 会趋向与到高级中心, 会打乱严格的不同等级中心的市场区大小(图 79) ;在信息不完善的情况下,企业主的最大利 益原则的实现有问题,这要求企业的进入符合企业单位数和中心地数的最小化。
6)因此,就有人来修正克氏的模型,如图 80, K =3和 K =4 同时存在。
7)理论模型就是理论模型,在实践里处处有它的影子,但不是处处是它的再现和翻版。适用与 全世界的城市体系空间结构的模型是不存在的。他寻找到了一些共同的规律性,我们的任务是 继续探讨在不同条件下,会发生什么变形。
6.变形
1) 集聚变形:实际的人口密度不均,大城市周围人口密度大,购买力高,市场区小,远离城 市的地方则相反。
2) 带状资源分布下的变形:带状的森林开发、带状的肥沃土地开发、带状的煤带开发,低级 中心不在自己市场区的中央
3) 线状资源分布下的变形:山区的河谷
4) 点资源分布下的变形
5) 时滞变形
6) 对外联系不均匀时的变形
7.廖什的中心地理论
1) 均质平原,不同于克氏的有均匀分布的工业原料,有普及的可用于生产的技术知识和 相同的消费需要,人口均匀集聚在农村基本聚落里。
2) 市场区,不同于克氏的是生产和消费都在市场区内进行,中心地不是单纯的提供服务 的中心,也是日常物品的生产中心。
3) 六边型市场区和 K 值,不同的是每一种不同的商品有不同的门槛值,有不同大小的市 场区, K 值大小反映市场区的大小。 3、 4、 7不过是最小的 3种市场区。见图 83的 9种市场区
4) 150种不同 K 值的市场区重叠,围绕一个中心旋转、调整,得到廖什景观(见图 84)
5) 不同于克氏的体系,不那么严密,但更接近实际
(1) 多城扇面和少城扇面
(2) 出售高阶商品的中心地不一定供应各种低阶商品
(3) 某一等级的中心地,不一定供应同一套商品
(4) 同一等级中心地规模可能不同,非阶梯状
(5) 人口少的中心地可能向人口多的中心地供给商品
(6) 不同等级的中心地之间的数量不是一个常数
8. 城市腹地的概念
1)一个城市的影响范围可以很大;一个地域可以接受很多城市的影响
2)城市对外影响力的大小随距离而衰减
3)两个同等级城市之间一定存在一个相互作用力相等的地方
4) 城市的直接吸引范围或直接腹地:是一个城市的吸引力和辐射力对城市周围地区的社会 经济联系起主导作用的一个地域。请注意不是说在这一范围内,不受其他城市的影响,而 是说以这个中心城市的影响为最大。
5)实际上两城市之间直接吸引范围的界线是一条中性带,具有过渡性。 一个城市与其吸引 范围内的联系强度是不均匀的,可以分成集中作用区,一般作用区和边缘作用区(图 86) 6) 城市的每一种职能都会有不同的影响范围, 城市综合的影响范围是多种指标吸引范围的 综合。
7) 不同等级的城市有不同的职能, 有不同等级的吸引范围。 当我们划分城市的吸引范围时, 实际上就是寻找一城市与周围同级城市之间的吸引范围的界线。
8)城市的吸引范围具有的特点:边界的模糊性、动态性、内部联系强度的不均匀性,相互 之间的等级层次性。 不受行政界线的限制, 但具体划界要求保持和某级行政边界保持一致。 9.一般规律
1)城市等级越高,规模越大,实力越强,吸引范围也大,反之亦反
2)经济发达地区,同级城市稠密,城市的直接吸引范围较小,但联系强度较大;相反,吸 引范围较大,而联系强度较小。
3)专业化程度很高的城市, 常常作为中心城市的职能强度比同级规模的城市要弱。 专业化 城市的专业化职能的影响范围是很大的。
所谓中心城市是指在政治、经济、文化等众多领域具有吸引力和辐射力的城市。是综合性 职能的城市。
4)中心城市与它的吸引范围的关系有两大类, 一是中心区位城市在它吸引范围的中部, 一 是门户区位城市在它吸引范围的口部
10.划分城市吸引范围的方法
1) 经验的方法
①通过线上资料的调查, 调查不同断面的车流:总车流 — 通过车流 =净车流, 两城市间 净车流最小的点,即两城市吸引范围的边界;
②通过面上资料的调查,调查不同地方的消费者,了解居民购物或出行的指向; ③通过点上资料的调查, 了解城市商业、 服务业企业的顾客来源, 如银行帐户的分布; 住院病人的地址;医院出生婴儿的记录,日报的发行范围
格林用 7个指标划分纽约与波士顿之间的吸引范围:铁路通勤的方向; 日报发行范围; 长途电话联系;银行客户;卡车蔬菜运销;渡假者来源;大工业企业董事的办公地点。 7条线综合成一条线。
我们经常碰到的问题是:划分一个城市与周围若干城市之间的吸引范围,或者分别划 分出若干城市的吸引范围。
这时的关键是 1) :确定好同级别的中心城市
参考行政等级,人口规模,经济实力,最好是城市中心性的指标。
城市职能等级的中心性和结节性的差异。
城市的结节性:城市为本地和外地服务的绝对重要性(实力指数) 。
城市的中心性:城市为外地服务的相对重要性(中心性指数) 。
2) 确定好指标体系:政治中心 ----管辖范围
经济中心 ----离心和向心的货流
交通中心 ----客流、车流
金融中心 ----长途电话流量流向
在市场经济下,资金流、信息流和客流最重要,但资料收集的难度越来越大。
11.确定城市吸引范围的理论方法
基本的模型来自物理学的重力模型:
F = G * M i * M j / d i j 2
城市间交互作用的引力模式:
I I j = P i P j / d I j b
P i , P j 可用人口数,零售额,就业机会,工业产值等其他质量指标。 d I j 也可以用空间距 离,实际距离,经济距离,时间距离等。
P i , P j 还可以用不同城市的年龄结构,收入水平,消费水平,就业水平等的差异给予不同 的权数或不同的指数。由此得到一般表达式:
I I j = ( w i P i )α( w j P j ) β/ d i jb
运用重力模型的原理来划分城市吸引范围的模式有二个:
赖利模式:S i /Sj = ( Pi / Pj ) * ( Dj / Di ) 2
讲的是在 i 城和 j 城之间有一地 A , A 到 i 城和 j 城零售
额的份额大小,与两城的规模成正比与距离的平方成反比。
断裂点公式:
B = d I j /[1+Pj
Pi /]
断裂点公式只解决两个城市之间的腹地划分。如果有多个中心城市(I )和多个地域小单元 (J ) 要划分各个这些城市的腹地, 即要把这些单元分配到各个中心城市下, 可先计算每一 个 J 对每一个中心城市 I 的相互作用量,再求得 J 对每一个 I 的隶属度,按择大原则就可 以知道 J 属于那一个 I 的腹地。
12.城市间交互作用引力模式的推广 ----潜能模式:
城市潜能的含义是一个城市和城市以外所有地方总的交互作用的可能性 , 代表了城市的可 达性。两个城市之间的潜在势能为:P i P j / d i j
则潜能之和为 E = P i P 1 / d i 1 + P i P 2 / d i 2 + ……+ P i P n / d i n
= ∑ P i Pj / d i j ( I ≠ j )
为了解决数量级太大的问题两边都除以 P i ,简化为:
V = ∑ P j / d i j ( I ≠ j )
当运用这一模型时有两个问题,一是城市本身是否存在潜能?
V = ∑ P j / d i j+ P I / d i i
如果存在, 则 d i I如何取值? 1?城市建成区半径?城市与相近城市距离的一半?城市吸引 范围的一半?
二是区域的边界,在有边界的情况下,计算各城市潜能的前提是不公平的。
13. 中间机会
假设有 i 城和 j 城,源地 I 城与目的地 j 城的交流量与 j 城的机会呈正比,与 i 城和 j 城之 间的中间机会成反比。这个观念对不对?之所有人认为之所以有距离衰减法则,就是由于 中间机会的存在。
14.举例
1) 嘉兴(1982) :嘉兴是上海的经济吸引范围,不是杭州、湖州、苏州的经济吸引范围。 通过对采购方向、发货方向的调查,以及断裂点公式的检验证明。随后在上海经济区 的组织中得到反映。
2) 阜阳市 (1984) :通过离心货流、 向心货流和客流的调查证明阜阳市的吸引范围呈偏心 状。阜阳的合理吸引范围要进入河南东部。但当时受到行政体制的干扰。
3) 泰安市域二级中心的吸引范围 (1987) :泰安辖县都呈双中心结构, 为了解决他们的矛 盾,明确了他们各自的吸引范围。
4) 广西以柳州和南宁为双中心的城市经济区划分;广西以东中西三路和南中北三通道为 思路的 8个城市经济区的划分;南昆铁路是大西南最便捷的出海通道吗?大西南的三 条通道的腹地。
5) 宁西铁路和洛阜铁路
15.中国的城市分布
属于集聚分布。面上的集聚取决于地形、降雨。东部多于中部,中部多于西部。由于工业 化资源的分布和政治因素,改革开放前北方的城市多于南方。由于对外开放的原因,改革开放 后南方多于北方。
有几个特别巨大的城市密集区:珠三角、长三角、京津唐、辽中南;其次有中原城市密集
各地通过天津海关的进出口比重图
各地通过大连海关的进出口比重图 各地通过广州海关的进出口 比重图
各地通过青岛海关的进出口比重图 各地通过上海海关的进出口 比重图
图 1 东部沿海五大海关进出口比重图
中国大陆外向型经济联系的空间格局
主
我国铁路货运联系空间格局(1998)
主
我国人口迁移联系的空间格局
中国三大城市经济区分布图
中国 八个(十一个) 城市经济二级区分布图
中国城市空间关联网络结构的时空演变
地 理 学 报 ACTA GEOGRAPHICA SINICA 第 66卷 第 4期
2011年 4月 V ol.66, No.4Apr., 2011
中国城市空间关联网络结构的时空演变
武文杰 1, 2, 3, 董正斌 4, 5, 张文忠 1, 2, 金凤君 1, 2, 马修军 5, 谢昆青 5
(1.中国科学院地理科学与资源研究所 , 北京 100101;
2. 中国科学院区域可持续发展分析与模拟重点实验室 , 北京 100101;
3. 英国伦敦政治经济学院 , 伦敦 WC2A 2AE; 4. 北京大学机器感知与智能教育部重点实验室 , 北京 100871;
5. 国家开发银行信息科技局,北京 1000379)
摘要:使用复杂网络的分析方法,研究了 1983-2006年中国城际航空网络的空间结构特征和格
局变迁。主要结论有:① 城际航空网络作为典型的小世界网络,网络的稠密化趋势显著;②
“轴—辐”空间组织模式已成为我国城际航空网络发展的基本模式。已形成以北京、上海、广 州和深圳为轴心,以其他城市与轴心的空间联系为“辐网”的多轴心网络。同时,以乌鲁木
齐和昆明为单轴心的两个相对独立的局部“轴—辐”网络日益完善;③ 城际航空网络演进效
果具有明显的区域差异性,呈现出“鞍型”模式。东部比中西部地区航空的网络结构更加完
善;④ 城际航空网络城市之间的空间关联表现出社群结构特征。枢纽性城市、地域邻近的城
市以及城市职能相近的城市之间具有相似的空间关联特征;⑤ 随着城际航空网络的演进, 35
个大中城市在网络中的枢纽性地位表现出差异化趋势。此外,黄山、丽江等旅游城市、大
连、青岛等沿海城市以及拉萨等西部城市航空联系的空间指向性特征明显。
关键词:空间关联网络;航空网络;复杂网络模型;中国
1引言
城市间通过不断进行的物质、能量、信息的交换而产生的空间关联网络承载了城市社 会经济活动所产生的空间移动和潜在移动。城际航空网络 (AirportNetwork, AN) 作为一种 快速发展的带有复杂性质的城市空间关联网络,在促进社会经济发展中具有越来越重要的 地位 [1-4]。复杂网络模型能够较好的分析和模拟城际航空网络的发展形态与结构演变。因 而,近年来,基于复杂网络 (ComplexNetwork) 方法对城际航空网络空间组织特征和模式 的研究已经成为国际交通规划、交通地理学关注的热点问题 [5-9]。目前,国外学者已从网络 拓扑结构和城际航空网络的动态演变角度对城际航空网络进行了研究:Amaral 等 [5]研究了 世界城际航空网络 (WorldAirport Network, WAN) 的性质,发现 WAN 是一个小世界网 络。 Guimera 等 [6]得出了同样的结论,同时他们发现在 WAN 中,度数最大的结点并不一定 是最中心的结点,这是由于 WAN 中存在多个社群。另外,他们对 WAN 中的社群进行了识 别和研究,发现 WAN 的社群结构并不完全取决于地理的因素,还取决于地理政治的因 素。除了对拓扑结构的研究, Barrat 等 [7]第一次研究了 WAN 中权重的性质以及权重对拓扑 结构的影响。 Guimera 等 [8]提出了一个基于地理政治因素的模型来解释 WAN 的演化和发 展。 Bagler [9]研究了印度城际航空网络 (AirportNetwork in India, ANI) ,发现 ANI 是一个具 有指数截断型幂律度分布特征的小世界网络。
目前,使用复杂网络方法对发展中国家城际航空网络结构特征进行分析的研究仍比较 收稿日期:2010-07-09; 修订日期:2010-12-08
基金项目:国家自然科学基金项目 (40971077);国家自然科学基金重点项目 (40635026)[Foundation:National Natural
Science Foundation of China, No.40971077; Key National Natural Science Foundation of China, No.40635026]
作者简介:武文杰 , 男 , 安徽淮北人 , 博士研究生 , 中国地理学会会员 (S110007092A),主要研究方向为城市和房地产。 通讯作者 :张文忠 , 男 , 内蒙古呼和浩特人 , 博士 , 研究员。主要从事城市和区域发展研究。
E-mail:zhangwz@igsnrr.ac.cn
435-445页
66卷 地 理 学 报 缺乏。国内学者对城际航空网络的研究主要侧重于对城际航空网络地理空间的描述和总 结,如金凤君等 [10-12]、王姣娥等 [13-14]从经济体制改革、区域发展非均衡性、城际航空网络自 身发展的角度探讨了改革开放以来中国城际交通网络的地理形态变化;王法辉等 [15]则对枢 纽服务范围、航空地域系统、网络演化等进行了研究。
通过总结以往国内关于城际空间关联网络结构的研究进展,可以发现,目前国内对城 际航空网络的研究综合性较强,尽管国内学者尝试进行了结合计量模型的现实分析,但仍 缺乏基于长时间序列数据对中国城际航空网络空间组织模式演变规律的系统分析。因此, 本文以复杂网络方法和 GIS 为研究手段,试图通过对我国城市间航线、飞行班次等数据的 分析,揭示改革开放以来我国城际航空网络结构的演变特征和规律。
2数据与模型
2.1结点与数据
在网络分析中,结点的选择是非常重要的。由于城际航空网络是指由一定地域范围内 的城市按航线方式联结而成的网络系统 [10],因而本文选取了有航线连通的城市 (包含省 会、自治区首府、直辖市和地级市 ) 作为网络中的结点。 1978年改革开放后,中国航空运 输业得到快速发展。为了客观反映我国城际航空网络结构的时空演变情况,选取了 1983年 (60个城市 ) 、 1993年 (82个城市 ) 和 2006年 (91个城市 ) 的航空统计数据 ① 作为时间断面 进行数据分析。 2.2复杂网络模型
用一个无向加权网络来表示城际航空网络:G ={(V , E , W ) |V 是结点的集合, E 是边 的集合, W 是边的权重集合; E ? V ×V ×W ,边 e =(i , j , w ij ) 连接 i 和 j 两个结点,边的权重为 w ij ,并且 i , j ∈ V , w ij ∈ W , e ∈ E }。城际航空网络中的城市对应网络中的结点。如果两个城 市之间有航线,则网络中对应的两个结点之间存在一条边,边的权重为两个城市之间的飞 行班次。复杂网络模型的应用研究中,网络的拓扑结构是决定研究对象中产生不同现象的 关键。网络的拓扑结构 4个基本参数为 :度数、直径、聚集系数和中间中心度。 2.2.1度数与直径 网络中 N (v ) 表示结点 v 的邻居结点集合,即与 v 直接相连接的结点集 合:N (v ) ={u |e =(u , v ) ∈ E &u , v ∈ V }。结点 v 的度数是指与该结点直接连接的结点个数,用 d (v ) 表示,也即集合 N (v ) 的规模:d (v ) =|N (v )|。在城际航空网络中,度数大的城市,表明 其连接的城市数量较多,被称做“ hub ”城市 [16]。
直径是网络中所有点对最短路径 ② 的最大值。在城际航空网络中,直径代表两个城市 通过转机方式进行航空飞行时所需要的最大转机次数。 2.2.2聚集系数 聚集系数用来表征一个网络是否为小世界网络 [17]。网络中结点 v 的聚集 系数,用 C v 表示。计算公式如下:
C v =2|
|? i , j ∈ N (v ) e (i , j ) :e (i , j ) ∈ E (1)式中:d (v ) 是结点 v 的度数; N (v ) 是结点 v 的邻居结点集合。网络的聚集系数等于所有结
点的聚集系数的平均值:-C =∑ i =1
n C i 。网络的聚集系数表示了网络的稠密程度,值越 ① 本文所涉及的城市主要机场航空段之间的交通流数据均来自各年中国民航总局发布的 《 中国民航统计
年鉴 》 和 《 从统计看民航 》 。
② 网络中的路径被定义为一组结点的序列 (n 1, … , n k ) ,这个序列满足任一结点都和它的前驱结点直接相
连,路径的长度是这个结点序列中边的个数。结点对的最短路径是指两个结点之间所有路径长度最短 的路径,也叫做测地线。 436
4期 武文杰 等:中国城市空间关联网络结构的时空演变 大,则网络越稠密。 2.2.3中间中心度 网络结点的中间中心度,用 C B (v ) 表示 [18-19]。公式如下:
c B (v ) =∑ s , t ∈ V σ(s , t |v ) (2)
式中:σ(s , t ) 是结点 s 和 t 之间的最短路径个数; σ(s , t |v ) 是 s 与 t 之间经过结点 v 的最短路径 的个数。中间中心度高的结点处于其他结点组的最短路径上,具有掮客 (Broker)作用 [20]。 3
实证分析 3.1城际航空网络结构的整体演进
1978年改革开放后,随着中国航空运输业的快速发展,城市间的航线越来越多 (图 1-3) ,城际航空网络变得越来越稠密和复杂。本文从以下 4个方面进行分析:
(1)城际航空网络具有小世界效应,是一个典型的小世界网络 [17]。中国城际航空网络 的直径相对于其网络规模来说较小,且 2006年与 1983年相比,网络直径缩短了 20%;另 一方面,网络的聚集系数明显大于一般的随机网络 [21]。故而,中国城际航空网络具备了其 作为小世界网络的两个基本特征,即网络拥有较小的直径和较大的聚集系数。
(2)城际航空网络演进呈现出稠密化趋势。 2006年网络的平均度数与 1983年相比增加 了 123.5%,反映出城际航空网络中各城市之间的航线在不断增多,整个网络变得更加稠 密。 2006年网络的直径与 1983年相比缩短了 12.5%,平均聚集系数比 1983年增加了 42.6%,不仅反映了各城市可以用较短的距离去联系那些曾经是遥远的地方,城市间的航 空联系得到加强,而且揭示出城际航空网络具有稠密化发展态势,空间系统得到整体 优化。
(3)城际航空网络结构具有明显的“长尾分布”特征 [22]。 1983年、 1993年和 2006年城 际航空网络的度数分布均符合长尾分布,并具有明显的**趋势 (图 4a) 。这表明中国城际 图 11983年中国城际航空网络结构
Fig. 1The structure of the aviation network of China in 1983
③ 图 1b 、图 2b 、图 3b 中红点表示直辖市和省会城市,蓝点表示非省会城市,结点的大小与其度数成正 比关系。
a. 城市间的航空联系 b. 网络空间组织模式 0-1000
1000-20002000-3000
3000-5000
省界 航班数量 (次 )
城市
图例
01000km 437
66卷 地 理 学 报 航空网络中大多数城市的度数很小,位于网络的边缘地位,少数城市的度数很大,位于网 络的中心地位;同时, 1983年、 1993年和 2006年网络的聚集系数分布亦符合长尾分布, 但具有**趋势 (图 4b) ,表明城际航空网络中城市数量与聚集系数大小呈正比关系。这种 网络的“长尾分布”特征揭示出中国城际航空网络是以少数大城市为核心,城市间具有紧 密关联特征的复杂网络。
(4)“轴—辐” (Hub-SpokeSystem) 网络空间组织模式逐步形成和完善。在改革开放 初期,中国城际航空网络中的城市数量较少,空间组织模式主要以“城市对”和“城市 串”相互交错的形式出现 [23]。随着城际航空网络中城市数量和航班线路的增加,城际航空
图 21993年中国城际航空网络结构
Fig. 2The structure of the aviation network of China in 1993
图 32006年中国城际航空网络结构
Fig. 3The structure of the aviation network of China in 2006
a. 城市间的航空联系 b. 网络空间组织模式
0-1000
1000-20002000-30003000-5000省界 航班数量 (次 )
城市
图例
01000km
a. 城市间的航空联系 b. 网络空间组织模式
0-1000
1000-20002000-3000
3000-5000
省界 航班数量 (次 )
城市
图例
01000km 438
4期 武文杰 等:中国城市空间关联网络结构的时空演变 网络联系更为紧密和复杂,在全国范围内形成了以北京、上海、广州、深圳等城市为轴 心,层级关系复杂的“轴—辐”网络空间组织模式 (图 3) ,并在新疆、云南等局部范围内 形成了以乌鲁木齐、昆明为单一轴心的“轴—辐”网络空间组织模式。这种城际航空网络 的空间组织模式通过轴心城市联结其他城市,提高城际航空网络的覆盖能力和通达性,提 高航班频率,从而降低运输成本或提高运输效率,是发达城际航空网络形成的标志之一。 3.2城际航空网络结构的区域性特征 3.2.13大区域在城际航空网络演变中的时空特征 选取城际航空网络演进过程中各城 市度数、中间中心度、聚集系数这 3个指标值 ④ ,按照东部、中部和西部 3大区域 ⑤ 进行分 类统计,并将其度数、中间中心度和聚集系数的平均值分别与全国平均值相比,以此来衡 量各区域在网络演进中的地位和作用变化情况。
从图中可以看出 (图 5) , 3大区域在网络演进过程中的空间受益分配不均衡,东部和 西部地区的城际航空网络发展较快,而中部地区发展相对滞后,呈现出“鞍型”发展模 式,具体表现以下 3个方面:
(1)3大区域的平均度数差异明显。区域的平均度数越大,说明该区域内城市的平均航 线数量越多,区域内城市的航空运输能力相对越强;东部地区的平均度数是全国平均值的
1.2倍左右,且 1983-2006年的变化相对稳定 (图 5a) ;而与全国平均水平相比,中部地区的 平均度数呈现快速下降趋势。此外,西部地区城际航空网络有着较快的发展,平均度数呈 现出稳定上升态势。
(2)东部地区的平均中间中心度明显大于中西部地区。平均中间中心度能够充分反映 出不同区域在城际航空网络中的枢纽性作用。从图 5b 可以看出,在 1983-2006年间,东部 地区的平均中间中心度是全国平均值的 1.3倍左右,并保持了稳定的发展态势; 2006年西 部地区城际航空网络的平均中间中心度 (0.98)本与全国平均水平一致,与 1983年相比增 长了近 1倍,呈现快速增长趋势。而中部地区的平均中间中心度下降幅度明显 (从 1983年 的 0.82降至 2006年的 0.36左右 ) 。由此看来,整个城际航空网络组织服务能力的提升,主 要是由于东部、西部地区城际航空网络的稳定发展和完善,中部地区城际航空网络发展较 慢,成为城际航空网络演进过程中的相对最小受益者。
④ 将 1983年、 1993年和 2006年网络结点的度数、中间中心度、聚集系数分别进行归一化,使得不同年
份的指标之间具有可比性。
⑤ 中东部地区包括黑龙江、吉林、辽宁、河北、山东、江苏、浙江、北京、天津、上海、福建、广东、
海南;中部地区包括山西、安徽、江西、河南、湖北、湖南;西部地区包括重庆、四川、贵州、云 南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。 a. 度数与城市数的分布 b. 聚集系数与城市数的分布 图 4城市数与度数、聚集系数的分布
Fig. 4The distribution of the number of nodes v.s. degree &clustering coefficient
聚集系数
城 市 数
度数 439
66卷
地 理 学 报 (3)东部、西部地区城际航空网络的稠密性优于中部地区。平均聚集系数越大,说明 该区域内城际航空网络越稠密,区域内部城际航空网络越发达。从图 5c 可以看出,三大 区域的平均聚集系数均呈现上升趋势。东部、西部地区的增长态势较为显著 (东部地区增 长 31.5%,西部地区增长 43.6%),而中部地区平均聚集系数呈现相对稳定的增长趋势 (增 长幅度为 11.7%),这表明三大区域城际航空网络均表现出越来越稠密的特性。但东部、西 部的城际航空网络相对于中部地区具有更为明显的稠密化趋势。 3.2.2航空网络的社群结构特征 网络社群是指网络的一组结点,这些结点与组内结点 之间的相似度较高,而与组外的其他结点相似度较低。社群识别本质上属于网络的聚类问 题。因而,本文采用基于相似性度量的 K-means 聚类方法 [24],根据不同城市的邻居结点集 合之间的相似性来刻画两个城市之间的相似性,即两个城市飞行航班的目的地相同的越 多,则两个城市越相似。社群集合的相似性用 Jaccard 系数 [25]进行计算。城市间相似度的计 算公式为:Sim (u , v ) =Jac card(N (u ) , N (v )) =N (u ) ∩ N (v ) (3)式中:u 和 v 代表两个城市结点; N (v ) , N (u ) 为 v 和 u 的邻居结点集合。
为了便于分析,选取 2006年城际航空网络中,度数大于 10的城市进行聚类 (表 1) ,从 而得到城市间的社群结构具有以下特征:
(1)重要的枢纽性城市呈现出明显的空间关联相似性。随着城际航空网络的发展和完 善,北京、上海、广州和深圳等城际航空网络中最为重要的枢纽性城市,连接了几乎整个 城际航空网络中的其他城市,因而其空间关联具有明显的相似性。
(2)地域邻近城市间的航空联系相似度较高。西安、兰州、乌鲁木齐、昆明等西部航 空枢纽性城市之间存在较强的相似度,郑州、太原、武汉、长沙等中部航空枢纽性城市具 图 5大区域城际航空网络结构特征
Fig. 5Regional air network structure features c. 平均聚集系数
b. 平均中间中心度 a. 平均度数 东部
中部 西部
东部 中部
西部 东部 中部 西部
平 均 度 数
平 均 心 度 平 440
4期 武文杰 等:中国城市空间关联网络结构的时空演变 有明显的相似性,南京、
杭州、福州等东部航空枢
纽性城市之间也构成一个 社 群 集 合 。 哈 尔 滨 、 沈 阳、长春等东北地区的主 要城市飞行线路也具有一 定的相似性特征,但城际 航空网络的稠密化趋势使
得这种带有明显地域性特征的社群集合弱化。华北与东北地区重要空港城市之间的相似度 增强。同时,张家界、晋江等新兴空港城市在网络中地位的提升也打破了原有城市之间相 似性的地域分异格局。
(3)职能相似的城市亦具有一定的社群结构特征。桂林、三亚、张家界等旅游性城 市,以及温州、晋江等改革开放后新兴的商贸城市均呈现出显著的城市间航空联系相似 性,形成了具有城市职能相似性特征的城市“社群” 。 3.3重点城市分析
北京、上海、广州、深圳等城市作为重要的交通枢纽城市,同时又是全国或地区性的 经济集聚中心,在中国城际航空网络演变过程中具有重要作用。此外,在城际航空网络的 快速发展过程中,一些城市的空间关联表现出较强的空间指向性,具有特质性。本小节着 重对枢纽性城市和特质性城市进行分析。 3.3.1枢纽性城市 选取各城市度数、中间中心度的变化幅度以及度数与中间中心度、 聚集系数的变化关系这几个指标值来衡量城市在网络演变中的地位变化特征和规律。体现 以下 3个方面 (图 6) :
(1)枢纽性城市连接了网络中绝大多数城市并表现出较强的掮客作用。由于度数较大 的“ hub ”城市总是与很多度数较小的城市相连,因而度数大的城市聚集系数较小 (图 6a) 。度数与中间中心度 (图 6b) 的分布关系则表明,在中国城际航空网络中,度数高的城 市往往中间中心度也比较高,两者呈现正比关系。这反映出枢纽性城市不仅连接了网络中 的其他城市,而且掮客作用也较为明显。
(2)北京、上海、广州等城市一直以来作为我国城际航空网络最重要的“ hub ”结点,
类别 城市名称 2 南京、杭州、宁波、福州、厦门、大连、海口、青岛 3 昆明、西安、重庆、乌鲁木齐、兰州、成都、贵阳、南宁 4 哈尔滨、长春、济南、沈阳、天津、郑州、太原、合肥、南昌、长沙、武汉 表 1K-means 聚类分析结果 Tab. 1The results of K-means cluster analysis 图 6度数和平均聚集系数与平均中间中心度的分布 ⑥
Fig. 6The distribution of degree v.s. average clustering coefficient and average betweenness
⑥ 图 6中,平均聚集系数和平均中间中心度,分别是指具有相同度数城市的聚集系数和中间中心度的平 均值。 a. 度数与平均聚集系数的分布 b. 度数与平均中间中心度的分布
度数 平 均 中 间 中 心 度 度数 平 均 聚 集 系 数 441
66卷
地 理 学 报 位于网络的中心位置 (图 1b 、图 2b 、图 3b) ,在连接整个网络孤立结点中具有重要的枢纽 性作用。同时,由于中国城市间社会经济发展水平的不均衡,一些城市在网络中的枢纽性 地位也在发生着变化。 1983-2006年深圳等城市在网络中的地位发生了变化,由原来的边 缘结点成长为中国城际航空网络中重要的“ hub ”结点,而兰州等原先“ hub ”结点在网络 中的位置正逐步被边缘化 (图 3b) 。
(3)选取 1983-2006年中间中心度和度数变化幅度排名前 35位的城市,计算其变化幅 度与全国平均变化幅度的比值,将被评价的城市分为 4类 (表 2) 。① 中间中心度变化幅度 大于平均值且度数的变化幅度也高于平均幅度的城市,这类城市连接了城际航空网络中绝 大多数城市,并且对这些城市具有掮客 (Broker)作用。这一类城市属于城际航空网络最为 重要的枢纽性城市,主要包括北京、上海、广州、深圳、成都和西安。在网络整体演进过 程中它们的枢纽性地位愈发明显。② 中间中心度变化幅度小于平均值但度数的变化幅度 高于平均幅度的城市。这类城市虽然连接了较多的城市,但它们对这些城市不具有掮客作 用。这类城市属于整个网络的次级枢纽性城市,主要是位于东部和中部地区的省会城市和 一些副省级城市。城际航空网络结构的演变对其交通区位的改善亦较为明显。③ 中间中 心度变化幅度大于平均值但度数的变化幅度低于平均幅度的城市。这类城市虽然没有连接 太多新建立机场的城市,但是它们的掮客作用非常明显。这类城市属于局部网络的枢纽性 城市。主要是位于西部地区的昆明和乌鲁木齐。虽然它们所连接的城市数量增长幅度低于 平均值,但昆明、乌鲁木齐在其所在的局部网络中的枢纽性地位愈发显著。④ 中间中心 度变化幅度小于平均值且度数的变化幅度低于平均幅度的城市。这类城市所连接的城市数 量增长幅度较低,且掮客作用也不明显。主要是位于华中、华南和东北地区的一些大中城 市。这类城市的枢纽性地位在网络演变过程中有所下降。 3.3.2特质性城市 一些城市在网络演进过程中表现出明显的“分异”特征,即在特定 时期内,这些城市与某些枢纽性城市具有较强的空间联系,而与其他城市的空间关联非常 弱,呈现出较为显著的空间指向性。本文选取分异系数 [26]来对这些城市的分异特征进行评 价。分异系数的计算公式为:
Y (v ) =∑ j ∈ N (v ) é?ù?w vj v 2(4)
式中:Y (v ) 表示结点 v 的分异系数, s v 为结点 v 的强度 ⑦ , N (v ) 为结点 v 的邻居结点集合, w vj 为边的权重。这里,作者选取 1983年、 1993年和 2006年城际航空网络中分异系数大于 0.5且度数大于 2的结点进行了分析。
从表 3中可以看出,在城际航空网络演进过程中,分异特征明显的城市具有以下空间 关联特征:
(1)新兴旅游城市的空间指向性明显。 1983-2006年,黄山、九寨沟、西双版纳、丽江 等城市因旅游业而兴起,并通过机场的建立推动了当地旅游业快速发展。如黄山机场设立 表 21983-2006年主要城市中间中心度与度数的变化分类表
Tab. 2Classification of major cities by the change of degree and betweenness centrality from 1983to 2006中间中心度
变化幅度大于平均值
变化幅度小于平均值 变化幅度 大于平均值 北京、上海、广州、成都、
西安、深圳 沈阳、重庆、长沙、武汉、厦门、青岛、杭州、南京 度数 变化幅度 小于平均值 昆明、乌鲁木齐
合肥、 呼和浩特、 无锡、 三亚、 天津、 贵阳、 福州、哈尔滨、 桂林、
郑州、大连、宁波、海口、济南、太原、长春、南昌、兰州、温州
⑦ 强度 (s v ) 是对结点度数的一种加权扩展。计算公式为:s v =
∑ j ∈ N (v ) w vj 442
4期 武文杰 等:中国城市空间关联网络结构的时空演变
初期,最多的航班是与北京相联系,具有较强的空间指向性,而 2006年,九寨沟、西双 版纳、丽江等新建机场航空运输联系的空间指向性也较为明显。
(2)对外开放较早的沿海城市具有较为显著的空间分异特征。青岛、大连、厦门等城 市作为我国首批沿海开放性城市,在改革开放初期,这些城市在城际航空网络中主要是与 北京、上海等轴心枢纽城市相联系,而与其他城市的航空联系极少,呈现出显著的空间指 向性。随着这些城市社会经济的发展,它们与其他城市航空运输联系不断增加,这种分异 性特征已逐步弱化。
(3)一些西部城市的空间分异特征较为明显。 1983年网络中的兰州、南宁, 1993年网 络中的呼和浩特和 2006年网络中的拉萨分异系数均大于 0.5,揭示出在一定时期内这些西 部省会城市的航空运输联系指向性明显,空间分异特征明显,与之存在航空联系的城市非 常欠缺。
4结论与讨论
本文采用 1983-2006年的航空统计数据,基于复杂网络模型,分析了中国城际航空网 络结构特征,得到以下结论 :
(1)中国城际航空网络结构呈现出明显的小世界效应、稠密化趋势和“长尾分布特 征” 。这反映出改革开放以来,随着航空机场等基础设施的建设,中国城际航空网络规模 得到快速扩展,城市之间的航空运输联系越来越紧密。
(2)“轴—辐”网络 (Hub-SpokeSystem) 空间组织模式逐步完善。以 1983-2006年间 城际航空网络的演进过程来看,北京、上海、广州和深圳是中国城际航空网络中的一级枢 纽城市,以其为核心形成了 3个“轴—辐”地域系统。昆明和乌鲁木齐是两个局部的航空 枢纽,在连接云南、新疆地区内部城市中具有枢纽作用。
(3)城际航空网络的发展存在较为明显的区域性差异,呈现出“鞍型”模式。东部地 区的城际航空网络比中西部地区更加完善,西部地区城际航空网络在发展潜力、发展速度 方面优于中部地区,这可能是由于其区位、经济发展水平以及航空运输业的自身特征等因 素共同决定的。此外,城际航空网络结点之间表现出明显的社群结构特征,这种复杂关联 特征对整个城际航空网络结构的形成和演化亦具有重要影响。
(4)枢纽性城市对于城际航空网络结构的构筑和完善具有支撑性作用。在中国城际航 空网络演变过程中,不同枢纽性城市在网络中的地位变化具有差异性。一些特质性城市的 空间分异特征从一个侧面反映了网络内部各城市之间空间关联的不均衡性。
总之,基于城际航班、航线等航空流数据的城际航空网络结构演化在一定程度上反映 了城市之间的空间关联特征,其关联所形成的地域体系,一方面表明了各个城市在整个网 络中的地位和作用,另一方面也反映出在高速交通网络支撑下社会经济活动在自然空间中 的扩散与极化过程 [27-29]。中国城际航空网络目前仍处于成长阶段 [30],未来的发展重点不仅 在城际航空网络的规模扩展上,而应在优化网络结构上,即如何完善网络等级的结构,构 建高效合理的、有层次性的城际航空网络。当然,本文的分析主要是以城际航空网络的拓 表 31983-2006年分异特征明显的城市
Tab. 3Cities with clear disparity characteristics from 1983to 2006
大连 0. 884 北京
呼和浩特 0. 539 北京 九寨沟 0. 753 成都 青岛 0. 724 北京
黄山 0. 503 北京 西双版纳 0. 723 昆明 南宁 0. 615 广州
拉萨 0. 614 成都 兰州 0. 521
北京
丽江 0. 539 昆明 厦门 0. 517
上海 443
66卷 地 理 学 报
扑结构为主,对网络的加权性质研究相对较少,今后将从城际航空网络的客货运量等权重 信息对城际航空网络结构特征进行更加深入的分析研究。
参考文献 (References)
[1]Burghouwt B, Hakfoort G. The evolution of the European aviation network, 1990-1998. Journal of Air Transport Management, 2001, (7):311-318.
[2]Fleming D K, Hayuth Y . Spatial characteristics of transportation hubs:Centrality and intermediacy. Journal of Transport Geography, 1994, 2(3):3-18.
[3]Goetz A R. Deregulation, competition and antitrust implications in the US airline industry. Journal of Transport Geography, 2002, 10(1):1-19.
[4]V owles T M. The geographic effects of US airline alliances. Journal of Transport Geography, 2000, 8(4):277-285. [5]Amaral L A N, Scala A, Barthelemy M. Classes of small-world networks. Proceedings of the National Academy of Sciences, USA, 2000, 97:11149-11152.
[6]Guimera R, Mossa S, Turtschi A. The worldwide air transportation network:Anomalous centrality, community structure, and cities' global roles. Proceedings of the National Academy of Sciences, USA, 2005, 102:7794-7799.
[7]Barrat A, Barthelemy M, Pastor-Satorras R. The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, USA, 2004, 101:3747-3752.
[8]Guimera R, Amaral L A N. Modeling the world-wide airport network. The European Physical Journal B, 2004, 38: 381-385.
[9]Bagler G. Analysis of the airport network of India as a complex weighted network. Physica A, 2008, 387:2972-2980. [10]Jin Fengjun. A study on network of domestic air passenger flow in China. Geographical Research, 2001, 20(1): 31-39. [金凤君 . 我国航空客流网络发展及其地域系统研究 . 地理研究 , 2001, 20(1):31-39.]
[11]Jin Fengjun, Wang Fahui, Liu Yi. Geographic pattern of air passenger transport in China 1980-1998:Imprints of economic growth, regional inequality, and network development. The Professional Geographer, 2004, 56(4):471-487. [12]Jin Fengjun, Wu Wenjie. The spatial economic impact of upgrade of railway passenger traffic system in China. Economic Geography, 2007, 27(6):888-895. [金凤君 , 武文杰 . 中国铁路客运系统提速的空间经济影响 . 经济地理 , 2007, 27(6):888-895.]
[13]Wang Jiao'e, Mo Huihui, Jin Fengjun. Spatial pattern of the worldwide airports and its enlightenment. World Regional Studies, 2008, 17(3):8-18. [王姣娥 , 莫辉辉 , 金凤君 . 世界机场空间格局及对中国的启示 . 世界地理研究 , 2008, 17 (3):8-18.]
[14]Wang Jiao'e, Jin Fengjun, Sun Wei et al. Research on spatial distribution and service level of Chinese airport system. Acta Geographica Sinica, 2006, 61(8):829-838. [王姣娥 , 金凤君 , 孙炜 等 . 中国机场体系的空间格局及其服务水平 . 地理学报 , 2006, 61(8):829-838.]
[15]Wang Fahui, Jin Fengjun, Zeng Guang. Geographic patterns of air passenger transport in China. Scientia Geographica Sinica, 2003, 23(5):519-526.[王法辉 , 金凤君 , 曾光 . 中国航空客运网络的空间演化模式研究 . 地理科学 , 2003, 23 (5):519-526.]
[16]O'Kelly M. Geography's analysis of hub-and-spoke networks. Journal of Transport Geography, 1998, 6(3):171-186. [17]Watts D J, Steven S. Collective dynamics of 'small-world' networks. Nature, 1998, 393:440-442.
[18]Graham B. Geography and Air Transport. Chichester:John Wiley &Sons, 1995.
[19]Freeman L C. A set of measures of centrality based upon betweenness. Sociometry, 1977, 40:35-41.
[20]Barthelemy M, Barrat A, Pastor-Satorras R. Characterization and modelling of weighted networks. Physica A, 2005, 346:34-43.
[21]Erdos P, Renyi A. On random graphs. Publ. Math. (Debrecen),1959, 6:290-297.
[22]Asmussen S ?ren. Applied Probability and Queues. Berlin:Springer, 2003.
[23]Jin Fengjun, Wang Chengjin. Hub and spoke system and China aviation network organization. Geographical Research, 2005, 24(5):775-784. [金凤君 , 王成金 . 轴—辐侍服理念下的中国航空网络模式构筑 . 地理研究 , 2005, 24(5): 775-784.]
[24]Hartigan J A, Wong M A. Algorithm AS 136:A K-Means Clustering Algorithm. Applied Statistics, 1979, 28(1): 100-108.
[25]Pang-Ning T, Michael S, Vipin K. Introduction to Data Mining. Boston:Addison-Wesley, 2005.
[26]Borgatti S P, Everett M G. A graph-theoretic perspective on centrality. Social Networks, 2006, 28:466-484.
[27]Pannell C W. China's continuing urban transition. Environment and Planning A, 2002, 34(9):1571-1589.
[28]Shaw S L, Ivy R L. Airline mergers and their effect on network structure. Journal of Transport Geography,1994, 2(4): 234-246.
[29]Dai Teqi, Jin Fengjun, Wang Jiao'e. Spatial interaction and network structure evolvement of cities in terms of China's railway passenger flow in 1990s. Progress in Geography, 2005, 24(2):80-89. [戴特奇 , 金凤君 , 王姣娥 . 空间相互作用 444
4期 武文杰 等:中国城市空间关联网络结构的时空演变
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 . 地理科学进展 , 2005, 24(2):80-89.]
[30]Peng Yubing. A probing study on developing the hub-and-spoke air networks in China. Journal of Civil Aviation University of China, 2000, 18(5):1-8. [彭语冰 . 关于在中国发展中枢辐射航线的探讨 . 中国民航学院学报 , 2000, 18 (5):1-8.]
Spatio-temporal Evolution of the China ' s Inter-urban Organization Network Structure:
Based on Aviation Data from 1983to 2006
WU Wenjie 1, 2, 3, DONG Zhengbin 4, 5, ZHANG Wenzhong 1, 2,
JIN Fengjun 1, 2, MA Xiujun 5, XIE Kunqing 5
(1.Institute of Geographic Sciences and Natural Resources Research , CAS , Beijing 100101, China ;
2. Key Laboratory of Regional Sustainable Development Modeling, Chinese Academy of Sciences, Beijing 100101, China;
3. London School of Economics and Political Science , London WC2A 2AE, UK ;
4. Key Laboratory of Machine Perception , Ministry of Education , Peking University , Beijing 100871, China;
5. Bureau of Information and Technology, China Development Bank, Beijing, 100037) Abstract:Spatial-temporal distribution pattern of inter-urban organization network and its interaction process with aviation development has always been a hot issue in regional economy and transport geography. Civil aviation is the fastest growing travel mode in China. Nonetheless, research on this issue have been limited by the lack of systematic data--especially spatial data--as well as other related data sources, and by the limitation of the quantitative methods in exploring the organization and efficiency of the inter-urban organization network in transitional China. This paper is a general process evaluation and actual description of the spatio-temporal structural characteristics of the Inter-urban Aviation Network in China (IANC)from 1983to 2006based on complex network methods. The conclusions can be drawn as follows. 1) The IANC exhibits the densification trends featured by a small-world network. 2) It follows the
Key words:aviation network; network structure; complex network; China
445
上海城市经济联系网络结构研究
龙源期刊网 http://www.qikan.com.cn
上海城市经济联系网络结构研究
作者:陈文彦 钱智
来源:《上海师范大学学报 ·自然科学版》 2015年第 02期
摘要:对城市经济联系网络结构进行研究分析可以了解区域的发展状况 . 借鉴引力模型, 运用社会网络分析方法和 Arcgis 地理空间分析工具对上海城市经济联系网络结构进行研究 . 研 究结果显示:在 2000~2010年 10年间,上海城市网络结构在不断完善,目前已基本处于稳定 状态,但仍有进一步调整优化空间 . 因此,在未来,上海在优先发展基础性条件较好的区县 时,也应兼顾其他区县的发展 .
关键词:上海; 节点城市; 经济联系; 网络结构
中图分类号: K 901 文献标志码: A 文章编号: 10005137(2015) 02018208
0 引 言
随着信息化时代的到来,全球化经济发展到了一个新的高度 . 城市群作为城市化发展到一 定阶段的产物,越来越成为增强城市间经济联系的主要承载形式 .“ 长三角 ” 是我国城市化程度较 高,网络结构较为成熟的城市群 . 分析其快速成长的原因,上海在其中起到了无可替代的核心 作用 .2011年,上海以 “ 长三角 ”5.8%的土地面积,承载了 “ 长三角 ”21.6%的人口,创造了 “ 长三 角 ”23.4%的国内生产总值 . 根据国家对上海的战略定位和要求, “ 十二五 ” 时期上海经济社会发 展的主要目标是到 2020年基本建成与我国经济实力和国际地位相适应、具有全球资源配置能 力的国际经济、金融、贸易、航运中心,基本建成经济繁荣、社会和谐、环境优美的社会主义 现代化国际大都市 [1].如此来看,无论是推进长三角区域一体化进程,还是加快上海自身的建 设步伐,上海继续保持健康稳定的发展态势都显得尤为重要 . 但是,遗憾的是,在学术研究 中,很多学者往往倾向于把上海看成是一个整体,从宏观的角度来研究上海在区域性城市网络 中的地位及作用,而对上海自身的网络结构研究很少 . 其实,如果把上海各个区县看成是一个 个相互独立的节点城市,那么整个上海就是一个小的城市群 . 建立在上述认识之上,本文作者 以上海 10个区域为研究对象,从经济联系角度,运用网络模型和 Arcgis 地理空间分析工具来 研究上海的城市网络结构 .
1 相关研究综述
在区域一体化发展背景下,越来越多学者开始关注对城市网络结构的研究 . 在国外,城市 网络结构研究,最早可追溯到 Friedmann 和 Miller 对城市场及城市体系等级网络的研究 [2].此 后, Mitchelson 等人利用电话、夜晚递送包裹以及空运等联系媒介来研究城市之间的网络结构 特征 [3-5],史密斯、德鲁得和麦赫特分别从城市间航空旅行旅客数量、航空班次等多方面分析 了由航空流所建构的世界城市网络结构 [6-8],艾尔德森和贝克菲尔德依据跨国公司及其分支机 构在全球城市的空间布局数据研究了由跨国公司企业生产网络所构建的全球城市网络 [9],泰
长三角城市群网络结构时空演变分析_张荣天
收稿时间 :2016-04-17; 修回时间 :2016-08-23
基金项目 :安徽师范大学 2014年度科研创新重点项目 (2014yks084zd ) ; 国家社会科学基金项目 (14BSH036) 作者简介 :张荣天 (1987— ) , 男, 江苏南京人, 博士后, 硕士生导师。 主要研究方向为城乡发展与区域规划。 E-mail :nnuzrr@163.com。
随着全球一体化加速推进, 全球化、 地方化相 互作用愈演愈烈, 各种物流、 人才流、 信息流、 资金 流在规模大小、 速度、 方向、 组织形式都发生了根本 性的变化 [1], 而城市作为区域空间中的重要组成部 分, 在流动空间的作用下, 各种 “流” 在城市之间的 不断流转, 促进城市与城市之间的联系, 城市与城 市之间最终组合成一组具有一定功能和结构的城 市网络体系, 城市间等级体系不断地走向网络体 系, 城市网络研究范式正逐渐在城市体系研究中发
挥更大作用 [2], 城市网络关系日益成为经济地理学 家研究的热点。城市网络是在信息化、 全球化背景 之下出现的新型城市空间组织形式, 显著区别于传 统城市地理学的中心地理论模式, 概念内涵也区别 于传统城市体系 [3]。城市网络的相关研究可追溯 到 1950年代, 荷兰学者 Zonneveld 依托交通、 信息等 渠道产生规模经济关系, 最早提出了 “城市网络” 的
长三角城市群网络结构时空演变分析
张 荣 天 1,
2
(1.扬州大学 苏中发展研究院, 中国江苏 扬州 225009; 2.扬州大学 商学院, 中国江苏 扬州 225009)
摘 要 :以长三角地区为例, 首先运用改进引力模型测度 1990—2013年长三角各城市间的联系强度, 然后基于社会 网络分析法 (SNA ) , 从网络密度、 网络中心度及凝聚子群 3个方面对长三角城市群网络空间结构演变特征进行分析, 并在此基础上初步探讨城市群网络空间结构演变驱动因素。结果表明:长三角城市群网络整体密度呈现提升态势, 但以弱联结联系状态为主; 上海市的点出度增幅最大, 苏州的点入度增幅最大, 长三角城市群联系不均衡性显著; 长 三角城市群具有结构相似的 4个子群, 其中上海、 苏州、 无锡及杭州的联系紧密度最高, 以中心城市带动其它城市的 网络协同发展格局正在建构; 区位条件差异、 要素空间流动、 交通综合发展及政府政策推动影响着长三角城市群网 络结构时空演变。 关键词 :城市群; 网络结构; 时空演变; 驱动因素; SNA ; 长三角 中图分类 号 :F127文献标志码 :A 文章编号 :1000-8462(2017) 02-0046-07DOI :10.15957/j.cnki.jjdl.2017.02.007
Urban Agglomeration Spatial Network Structure Spatial-Temporal Evolution
in the Yangtze River Delta
ZHANG Rongtian 1,
2
(1. Research Institute of Central Jiangsu Development , Yangzhou University , Yangzhou 225009, Jiangsu , China ;
2. College of Bussinesss , Yangzhou University , Yangzhou 225009, Jiangsu , China )
Abstract:The paper took the case of 16cities in the Yangtze River Delta, used a revised gravity model to measure contact intensity between cities, based on SNA model to analyze urban agglomeration spatial network pattern evolution and influence factor from 1990to 2013. The results showed that:the density of urban agglomeration network was overall rising trend, but the network connection was still in the weak coupling state; the out degree of Shanghai was the biggest, the in degree of Suzhou was the biggest; and spatial contact had obvious imbalance, network pattern showed stratification; there were four pattern similar cities subgroup, Shanghai 、 Suzhou 、 Wuxi and Hangzhou contacted the most closely, the pattern of central city driving the other cities development was formed; flow elements, regional differences, traffic innovation and government's policy drove urban agglomeration network spatial pattern evolution. The paper could offer beneficial reference and the suggestion of urban spatial pattern optimization in the Yangtze River Delta.
Key words:urban agglomeration; network structure; spatial-temporal evolution; influence factor; SNA; the Yangtze River Delta
第 37卷第 2期 经 济 地 理 Vol.37, No.2
基本概念 [4]; Castells 流动空间理论推动了 “城市网 络” 研究范式全面转型, 采用基础设施法及企业组 织法 2种基本方法 [5], 赋予 “城市网络” 研究更为科 学的分析方法 [6]; 1990年代后期, Taylor 提出了 “世 界城市网络” 的概念, 实现了世界城市研究范式从 “大都市到城市网络的转变” [7]; Dupuy 从拓扑、 动力 学及适应性等 3大方面概括城市网络的特征 [8]; 还 有学者探讨了航空 [9]、 铁路 [10]、 快递物流 [11]等对城 市网络发展的影响机理; 另外, 国外开始关注社会 文化层面对城市网络影响 [12]。国内对城市网络结 构的研究起步相对较晚, 主要收集城市关系数据探 讨城市体系组织问题, 多聚焦于全国尺度 [13]或发达 地区 [14]的实证分析; 研究视角上主要通过通讯网 络 [15]、 交通网络 [16]、 企业组织 [17]等来测度区域城市 间网络结构特征, 伴随互联网时代不断发展, 新浪 微博 [18]、 百度指数 [19]等信息资源逐渐成为探究城市 网络空间的重要素材。城市群是特定区域范围之 内不同类型、 等级规模城市的集合体, 目前关于城 市群概念 [20]、 规模特征 [21]、 形成机制 [22]等探讨较多, 而对于城市群内部空间联系结构的研究相对薄 弱。鉴于此, 从社会网络视角综合计量分析区域城 市群空间结构, 揭示区域城市群空间分布以及相互 作用基本特征。
长三角地区地处我国东部沿海地区与长江流 域的结合部, 已成为支撑中国经济高速增长的核心 与城市化水平最高的区域 (图 1) , 区域内城市之间 联系不断趋于网络化, 城市网络化发展模式是区域 实现 “内稳定” 的一种结构模式, 也是城市群发展的 一个必然过程, 探讨长三角城市群网络空间结构特 征具有一定的现实意义。本文以长三角城市群为 例, 首先, 运用改进后的引力模型计算出 1990—
2013年长三角城市群 16个城市间的联系值; 然后, 通过社会网络分析法 (SNA ) , 分别从网络密度、 网络 中心度及网络凝聚子群 3个方面分析长三角城市群 网络空间结构及其演变特征; 最后, 对长三角地区城 市群网络结构时空演变的驱动因素进行初步解释, 以期为合理构建城市空间结构, 实现城市群联动, 促 进长三角城市群可持续发展提供科学依据。
1研究方法及数据来源
1.1研究方 法
1.1.1改进的引力模型
城市研究中所采用的是 “属性数据” , 而社会网 络分析研究采用的是 “关系数据” ,
借助引力模型将
图 1长三角城市群空间示意图
Fig.1Urban agglomeration spatial sketch in the Yangtze River Delta
“属性数据” 转化为 “关系数据” 。由于城市的经济、 人口、 距离均相等, 但是城市经济联系和及贡献程 度存在差异性, 根据差异性特征, 引进参数 k 对模 型进行相应的改进, 具体公式如下:
P
ij =k ij
()
P
i ×V i ? P j ×V j /D ij 2, k ij =V i () V
i +V j (1) 式中:P ij 是城市 i 对城市 j 引力; k ij 是城市 i 对 P ij 贡献 率; P i 、 P j 是城市人口指标, 选用城市总人口; V i 、 V j 是 城市经济指标, 选用人均 GDP ; D ij 是城市间空间距 离指标, 选用城市间最短公路距离。
1.1.2社会网络分析法 (SNA )
SNA 法是 1930年代布朗最先提出的, 主要用于 描述组织间关系特征、 确定关系基本类型以及分析 关系对网络结构影响 [23]。它通过定量指标来描述 个体之间互动结构关系及其发展变化, 一方面可以 揭示网络结构整体特征, 另一方面也可反映个体在 网络结构中地位。目前 SNA 法在产业集群 [24]、 旅游 流 [25]、 城市经济联系 [26]等领域被应用, 借鉴 SNA 理 论从网络密度、 网络中心度及网络凝聚子群 3个方 面来研究长三角地区城市群网络空间结构的演变 特征。
1.1.2.1整体网络密度 D
网络中各个成员之间联系的紧密程度, 是通过 网络中实际存在的关系数量与理论上可能存在的 关系数量相比而得到, 主要反映区域城市群中的各 城市节点之间联系的密度特征。具体公式如下: D =∑ i =1k ∑ j =1k d (n i , n j )/k (k -1) (2)
第 2期 张荣天:长三角城市群网络结构时空演变分析 47
式中:D 是网络密度; k 是节点数。 D =1说明网络节 点间均有联系; D =0, 说明网络节点间均没有联系。 1.1.2.2网络中心度 C
中心度是揭示个体对象在网络结构中心位置, 通过点度中心度和中间中心度 2指标来直接反 映。点度中心度揭示网络结构中各成员自身联系 力, 有点出度、 点入度 2指标, 点出度是影响其它城 市能力, 点入度是受其它城市影响程度; 而中间中 心度是揭示两非邻接城市空间联系依赖于其它城 市的影响程度。具体公式如下:
C D (in ) =∑ j =1
n
R ij (in ) ; C D (out ) =∑ j =1
n
R ij (out ) ;
C ABi =∑ j
n ∑ k
n (g jk (i ) g jk ), j ≠ k ≠ 1
(3)
式中:C D (in ) 是点入度; C D (out ) 是点出度; R ij 是城市联系 强度; C ABi 是中间中心度; g jk 是城市 j 和城市 k 间最短 路径数; g jk (i ) /g jk 是城市 i 能够控制城市 j 和城市 k 联系 的能力。
1.1.2.3网络凝聚子群
SNA 法通过网络中的个体对象特征来描述群 体规律, 网络凝聚子群是指个体间存在相对较强及 紧密的关系所组成的集合。 SNA 城市网络凝聚子 群分析主要是来反映城市群内部子城市结构的基 本状态, 揭示城市群凝聚子群的个数、 各凝聚子群 涉及到的城市, 探讨网络凝聚子群空间关系和联系
方式, 为考察长三角城市群网络空间结构发展提供
新的分析视角。 1.2数据来源
论文研究数据主要包括 2个部分:① 统计数据 主要来源于 《江苏省统计年鉴》 《浙江省统计年鉴》 《上海市统计年鉴》 、 各城市统计年鉴 (1991—2014年) 、 国民经济和社会发展统计公报 (1991—2014年 ) ; ② 空间数据来源于 《江苏省地图集 (2014年 ) 》 《浙江省地图集 (2014年) 》 《上海市地图集 (2014年) 》 , 扫描后高精度配准并跟踪矢量化; ③ 数据指 标, 主要涉及到城市总人口、 人均 GDP 、 城市间最短 公路距离 3个指标, 其中城市总人口、 人均 GDP 主 要来源于统计年鉴, 而城市间最短公路距离通过 ArcGIS9.3软件测算。
2长三角地区城市群网络结构演变特征
借助改进的引力模型计算出 1990—2013年长 三角城市群中的各个城市空间联系值, 并根据长三 角各城市间的空间联系值, 应用社会网络分析软件 UCINET 6.2绘制出长三角城市带空间联系网络结 构图 (图 2) , 并从网络密度、 网络中心度、 网络凝聚 子群 3个维度展开论证与分析。 2.1长三角城市群网络密度分析
通过整体网络密度 D 公式计算得到 1990— 2013年长三角城市群的网络密度 D 值 (图 3) ,
若整
图 2长三角城市群网络空间联系结构 (1990—2013)
Fig.2
Urban agglomeration network space structure in the Yangtze River Delta from 1990to 2013
48经 济 地 理 第 37卷
第 2期 张荣天:长三角城市群网络结构时空演变分析 49
体网络密度 D 越高, 则说明城市群中城市结点间联 系渠道越强, 能够从其它城市获得联系的途径也相 对越多, 有助于推动整个城市群的各城市发展与 联系。
图 3长三角城市群网络密度 D (1990—2013) Fig.3Urban network density in the Yangtze River Delta from 1990to 2013
从图 3可知:① 演变上, 1990—2013年长三角 地区城市间联系的网络密度 D 值呈现出不断增大 的 态 势 , 从 1990年 的 0.5632上 升 到 2013年 的
0.7658, 整个研究期间增长了 35.9%, 说明城市群网 络空间结构中各个城市之间的相互关联逐渐在增 强, 城市群的各城市空间经济联系交往活动愈加频 繁, 城市间相互联系的增强进而有助于促使长三角 整体经济实力不断提升; ② 总体上, 长三角城市群 网络密度 D 处于相对不高水平, 1990—2013年期间 网络密度 D 值最大值仅达到 0.7658, 说明 1990年代 以来长三角城市群各城市空间联系还处在一种弱联 结分布状态, 需要进一步地加强城市群内部联系。 2.2长三角城市群网络中心度分析
考虑到城市空间联系的有向性和差异性的特 征, 通过网络中心度公式, 计算出 1990—2013年长 三角城市群网络中心度 (表 1、 表 2) , 从而初步揭示 1990—2013年长三角城市群网络中心度变化的基 本规律。
2.2.1点度中心度分析
从表 1可知:① 点出度 C D (out ) 上, 上海的点出度变 化最大, 研究期间增长了近 75%, 体现出上海在长 三角中核心地位不断得到巩固, 伴随上海在经济、 金融、 贸易等领域的不断壮大与发展, 它与周围城 市的联系逐渐增强, 其经济辐射能力日益凸显; 点 出度次于上海的城市分别是苏州、 无锡、 杭州及南 京, 点出度占长三角比重由 1990年的 41.5%上升到 2013年的 43.2%, 4个城市的产业关联性相对高, 并 且与城市群其它城市的联系较紧密; 舟山、 台州、 泰 州及扬州的点出度最小, 说明这 4个城市对城市群 其它城市带动效应较弱, 这 4个城市与长三角城市 群中心城市的距离相对远。 ② 点入度 C D (in ) 来看, 苏 州的点入度增幅最大, 表明随着长三角城市圈的不 断建设, 苏州依靠地理区位和招商引资环境, 强化 与长三角城市群其它城市经济联系及交往, 吸引资 源、 要素向苏州集聚, 不断整合利用外部资源; 点入 度次于苏州的城市分别是无锡、 常州、 杭州及上海, 这 4大城市对外来资本的吸引能力较强, 与长三角 城市群的其它城市的经济联系较强。
2.2.2中间中心度分析
从表 2可知:① 演变上, 1990—2013年长三角 地区城市空间经济联系网络中间中心度以减弱趋 势为主, 说明长三角城市群各城市对资源控制程度 在不断弱化。其中, 南京下降幅度达到 58%, 表明
表 1长三角城市群空间联系网络点度中心度 (1990—2013)
Tab.1Degree centrality in urban contacts network in the Yangtze River Delta from 1990to 2013
序号 2 3 4 5 6 7 8 9 10 11 12 13 14 15
点出度
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
45.00
150.00
287.00
299.00
50.00
28.00
56.00
898.00
32.00
35.00
231.00
21.00
67.00
7.00
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
51.00
163.00
299.00
321.00
56.00
34.00
69.00
929.00
36.00
41.00
298.00
35.00
79.00
10.00
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
55.00
171.00
332.00
387.00
64.00
39.00
77.00
988.00
44.00
45.00
324.00
38.00
77.00
12.00
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
68.00
201.00
399.00
432.00
76.00
46.00
85.00
1056.00
48.00
54.00
361.00
46.00
84.00
15.00
点入度
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
111.00
234.00
295.00
487.00
89.00
72.00
183.00
193.00
122.00
155.00
229.00
87.00
102.00
32.00
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
124.00
276.00
325.00
543.00
95.00
77.00
198.00
223.00
134.00
164.00
245.00
95.00
123.00
35.00
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
137.00
298.00
356.00
567.00
108.00
83.00
213.00
254.00
155.00
179.00
287.00
101.00
142.00
44.00
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
156.00 31200 405.00 597.00 129.00 95.00 249.00 293.00 162.00 193.00 298.00 127.00 172.00 49.00
了 1990年以来南京在长三角城市群中的中介性作 用不断在减弱, 从某种程度上说, 也说明了长三角 的城市经济空间联系正逐步趋于均衡。 ② 整体上, 上海、 苏州、 杭州、 无锡及宁波的中间中心度 C ABi 较 高, 占到长三角地区总量 70%左右, 说明了这几大 城市在长三角城市群中位于核心圈层的位置, 与城 市群中的其它各城市的联系程度较高; 而舟山、 台 州、 台州及南通的中间中心度 1990—2013年间较 小, 说明了这几个城市在长三角城市群中处于的边 缘圈层的位置, 城市空间联系强度一直较弱。总体 来说, 虽然长三角地区各城市的中介中心度分布不 均衡, 城市群网络中具有一定的分层结构特征, 但 各城市并没有被孤立, 一定程度上都能通过 “枢纽 城市” 与城市群网络内的其它城市发生联系。 2.3长三角城市群网络凝聚子群分析
一般理论上若空间联系网络内的凝聚子群较 多, 不利于整个网络成员间的直接广泛交往, 即子 群内部之间交流比较密切, 而与外部子群之间的交 流较少, 这样的网络结构不利于整体城市群网络的 发展。基于 Ucinet 软件平台, 通过 Concor 方法进行 聚类分析, 得到长三角城市群网络中存在 4个凝聚 子群, 其中每个凝聚子群的成员组成如下:1子群有 上海; 2子群有南京、 苏州、 无锡、 杭州、 宁波; 3子群 有镇江、 南通、 常州、 扬州、 嘉兴、 湖州、 绍兴; 4子群 有泰州、 舟山、 台州。
从表 3可知:1个子群的上海市作为长三角最 核 心 城 市 , 对 其 它 3个 子 群 的 联 系 密 度 系 数 为
5.807、 2.325、 0.852, 说明上海与长三角城市群其它 城市的联系均较紧密, 吸引城市群中的其它各城市 的资源、 要素持续地向上海市空间集聚, 增强了上 海与长三角城市群其它城市的经济联系及来往; 2子群的密度系数最大达到 6.124, 说明 2子群内的各 城市间联系最为密切; 而 3子群、 4子群内部的各城 市联系相对弱, 而对 1、 2子群的影响的密度系数更 小, 这就说明 3、 4子群中各城市在长三角城市群中 属于相对边缘的位置, 总体以上海、 南京、 杭州等中 心城市的辐射影响为主。
表 3长三角城市群 网络子群密度系数 Tab.3Density coefficients in urban contacts network subgroups of the Yangtze River Delta
凝聚子群
2
3
5.992
4.126
6.124
3.142
2.034
2.322
0.516 0.118
3长三角城市群网络结构演变驱动因素 1990—2013年长三角城市群网络结构演变是 多因素相互作用产生的结果, 尤其在要素资源流 动、 区位条件改善、 交通方式创新及制度政策变化 等的共同推动下, 长三角城市群空间联系的网络结 构日益发生变化, 伴随上海、 杭州、 南京等核心圈层 城市日益成为长三角城市群联系网络结构中的协 调者、 中介者, 不断与长三角城市群边缘区各城市 的经济空间联系更加密切, 这种城市空间联系密切 程度日益强化, 从而有助于进一步推动整个长三角 地区城市间联系的网络结构不断发生置换 (图 4) 。
表 2长三角城市群空间联系网络中间中心度 (1990—2013)
Tab.2Between ’ s centrality in urban contacts network in the Yangtze River Delta from 1990to 2013
序号 2 3 4 5 6 7 8 9 10 11 12 13 14 15 城市
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
中心度
0.89
4.78
6.75
15.21
0.76
0.00
1.02
26.89
1.78
1.12
18.87
0.87
17.45
0.00
城市
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
中心度
0.76
4.83
6.99
15.02
0.56
0.00
1.15
25.11
1.32
1.01
17.65
0.79
18.76
0.00
城市
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
中心度
0.82
4.92
7.26
16.36
0.62
0.00
1.07
27.13
1.45
1.22
18.42
0.91
17.89
0.00
城市
南京
镇江
常州
无锡
苏州
扬州
泰州
南通
上海
湖州
嘉兴
杭州
绍兴
宁波
舟山
台州
中心度 0.92 4.88 10.23 17.02 0.69 0.00
1.26
28.47 1.56 1.09 18.69 0.84 18.38 0.00
50经 济 地 理 第 37卷
第 2期 张荣天:长三角城市群网络结构时空演变分析 51
3.1区位条件差异因素
城市空间经济联系的最重要基础是区位条 件。一般而言, 城市区位条件越优越、 综合交通越 便利, 则越有助于推动与区域其它城市来往及联 系, 区位条件是要素流动的最为重要前提, 正是长 三角城市群各城市区位条件差异在一定程度上影 响着城市群网络联系的强度及空间结构演化。长 三角地区是当前中国经济社会、 城镇化发展最为突 出的 “优势板块” , 但是长三角城市群中的各城市区 位条件也存在一定差异, 其中沪宁、 沪杭线是整个 长三角地理区位条件最显著的区域, 交通网络最密 集, 其沿线的上海、 南京、 苏州、 嘉兴、 杭州等各城市 联系最为密切, 形成了长三角城市群稳定的城市网 络空间结构。
3.2要素空间流动因素
城市空间经济联系的过程是聚集和扩散两种 基本运动形式的耦合结果和产物, 在集聚—扩散互 动机理的共同作用及其影响之下, 其中联系密切且 接受资金、 技术、 信息等生产要素便利的城市呈现 出趋向合理化的空间流出效应, 进一步带动城市空 间经济联系网络结构的形成及不断优化。在整个 长三角城市群中的上海、 苏州、 杭州等城市间的各 要素凭借地理空间位置邻近, 以及便捷的交通综合 优势, 交流程度要远远高于城市群内的其它城市。 因此, 区域城市要素流动的差异在一定程度上驱动 着长三角城市群网络空间结构分异产生及演化。 3.3交通综合发展因素
区域空间可达性对城市间经济联系起到十分 显著的影响, 在交通技术不断创新的大背景之下, 交通网络结构、 功能的不断改善提高了区域内各城 市之间交往的可达性程度。伴随着长三角地区的 交通方式、 功能的逐步改进, 长三角地区机场 (虹桥 机场、 硕放机场、 普陀山机场等 ) 、 高速铁路 (宁杭高
铁、 沪宁高铁等) 、 高速公路 (沪杭高速、 沿江高速
等 ) 的建设进入新一轮热潮, 依托密集的交通轴线, 形成了区域廊道经济, 从而有效地提升了长三角城 市群的空间经济联系。随着区域交通网络不断趋 于完善, 长三角地区可达性较差城市不断被填充, 区域均质性逐渐在形成, 造成长三角城市群一体化 格局日益显著。
3.4政府政策推动因素
政府宏观指导对城市群空间经济联系具有重 要的影响, 政策倾向性直接关系到城市产业发展方 向、 基础设施建设, 能为城市内部、 外部交流及联系 提供便利条件。 “ 兴建开发区” 推动城市化模式, 促 使城市间的相对距离不断缩短, 强化了各城市间空 间联系。目前, 长三角地区逐渐形成了国家级、 省 级等各类开发区, 其中比较典型的有苏州工业园 区、 上海闵行开发区、 浙江萧山开发区、 南京经济技 术开发区、 宁波经济技术开发区等, 伴随各城市开 发区内产业的逐渐壮大, 带动城市发展和人口集 聚, 从而使城市的空间形态、 功能结构发生变化, 城 市网络化程度日益显现, 因此开发区建设模式是助 推城市空间联系的重要 “发展平台” , 成为区域城市 网络联系提升的重要推动器, 促使长三角城市群网 络格局发生演变。
4结论与讨论
社会网络分析 (SNA ) 可有效揭示城市群各城 市在网络结构中的地位角色, 以及在网络结构中的 发展方向。论文引进网络分析方法 (SNA ) , 试图从 “社会网络” 研究视角上解构转型期以来长三角城 市群城镇体系问题, 实现从 “区域城市等级” 向 “城 市网络结构” 研究的基本转变, 这有助于突破、 丰富 研究我国城市群空间结构的研究基本视角。通过 研究得到以下几点基本结论:①1990
年以来长三角
图 4长三角城市群网络空间结构演变综合机制图
Fig.4
Urban agglomeration network pattern of integrated drive mechanism in the Yangtze River Delta
城市群网络整体密度呈不断提升态势, 且网络密度 D 值最大值仅达到 0.7658, 表明长三角城市群网络 联系还处于相对弱联结状态; 1990—2013年间上海 的点出度增幅最大, 而苏州的点入度增幅最大, 说 明长三角城市群空间联系不均衡性较显著; 研究期 间长三角内存在着结构相似的 4个城市子群, 其中 上海、 苏州、 无锡及杭州空间联系程度最为紧密, 并 且以长三角地区中心城市带动其它城市的网络协 同发展格局正在显现。 ②1990—2013年长三角城 市群网络空间结构演变主要受到区位条件差异、 要 素空间流动、 交通综合发展及政府政策推动 4大因 素的影响, 它们间相互作用驱动长三角城市群网络 结构不断发生着置换, 这为长三角城市群网络结构 的优化提供有益启示。
需要指出的是, 研究还存在一定的不足之处:需要进一步解析长时间尺度下的城市群网络结构 空间演化特征及其规律; 以 “市域” 单元作为分析的 空间尺度, 而县域空间尺度下的区域城市群网络结 构演变特征如何?还需进一步深化对小空间 (县 域) 、 长时间尺度长三角城市群网络结构演变与驱 动机理内容的关注, 以及如何通过定量模型揭示各 影响因素与城市群网络空间结构演变之间内在关 系的研究。另外, 如何构建转型期适合网络化发展 的长三角城市群空间治理机制, 优化长三角城市群 各城市合作协同利益最大化的发展路径将是今后 需要重点思考的方向。
参考文献 :
[1]年福华, 姚士谋, 陈振光 . 试论城市群区域内的网络化组织 [J ]. 地理科学, 2002, 22(5):568-572.
[2]崔大树, 樊晏 . 基于 SNA 的浙中城市群空间经济结构演变的 网络特征分析 [J ]. 产业经济评论, 2013, 12(2):129-138. [3]卢明华 . 荷兰兰斯塔德地区城市网络的形成与发展 [J ]. 国际 城市规划, 2010, 25(6):53-57.
[4]Klaasen I , Rooij R , Van Schaick J. Network Cities :Operational-ising a Strong but Confusing Concept [C ]//InternationalConfer-ence 25-28June , Sustainable Urban Areas , Rotterdam , 2007. [5]Castells M. The Rise of the Network Society [M ]. Oxford : Blackwell , 1996.
[6]Castells M. The Informational City :Information Technology , Economic Restructuring and the Urban-Regional Process [M ]. Oxford :Blackwell , 1989.
[7]Taylor P. World City Network :A Global Urban Analysis [M ].
London :Routledge , 2004.
[8]Dupuy G. Urban networks-network urbanism [M ]. Amsterdam : Techne Press , 2008.
[9]Goetz A. Air passenger transportation and growth in the US ur-ban system 1950-1987[J ]. Growth and Change , 1992, 23:218 -242.
[10]Matsumoto H. International urban systems and air passenger and cargo flows :some calculations [J ]. Journal of Air Transport Management , 2004, 10:239-247.
[11]Mitchelson R L. The flow of information in global economy : the role of the American urban system in 1990[J ]. Annals As-sociation of American Geographers , 1994, 84(1):87-107. [12]Taylor P. The new geography of global civil society :NGOs in the world city network [J ]. Globalizations , 2004, 1(2):265-277.
[13]冷炳荣, 杨永春, 李英杰, 等 . 中国城市经济网络结构空间特 征及其复杂性分析 [J ]. 地理学报, 2011, 66(2):199-211. [14]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.
[15]金凤君, 王姣娥 . 20世纪中国铁路网扩展及其空间通达性 [J ]. 地理学报, 2004, 59(2):293-302.
[16]张闯, 孟韬 . 中国城市间流通网络及其层级结构:基于中国连 锁企业百强店铺分布的网络分析 [J ]. 财经问题研究, 2007 (5):34-41.
[17]尹俊, 甄峰 . 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.
[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):1031-1043.
[19]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.
[20]陈美玲 . 城市群相关概念的研究探讨 [J ]. 城市发展研究, 2011, 18(3):5-8.
[21]苏飞, 张平宇 . 辽中南城市群城市规模分布演变特征 [J ]. 地 理科学进展, 2010, 30(3):343-349.
[22]刘玉亭, 王勇 . 城市群概念、 形成机制及其未来研究方向评述 [J ]. 人文地理, 2013, 28(1):62-68.
[23]罗家德 . 社会网络分析讲义 (第二版 ) [M ]. 北京:社会科学文 献出版社, 2010.
[24]李二玲, 李小建 . 欠发达农区传统制造业集群的网络演化分 析 — —以河南省虞城县南庄村钢卷尺产业集群为例 [J ]. 地 理研究, 2009, 28(3):738-750.
[25]刘法建, 张捷 . 中国入境旅游流网络省级旅游地角色研究 [J ]. 地理研究, 2010, 29(6):1141-1151.
[26]刘耀彬, 戴璐 . 基于 SNA 的环鄱阳湖城市群网络结构的经济 联系分析 [J ]. 长江流域资源与环境, 2013, 22(3):263-271.
52经 济 地 理 第 37卷
基于空间分析的城市交通网络结构特征研究
第41卷 第6期2002年 11月中山大学学报(自然科学版)
AC TA SCIENTIARUM NATURALIUM UNIVERSITATIS SUNYATSENI Vol 141 No 16
Nov 1 2002
基于空间分析的城市交通网络结构特征研究
段 杰, 李 江
1
2
*
(1. 中山大学城市与区域研究中心, 广东广州510275; 2. 武汉大学资源环境科学学院, 湖北武汉430079)
摘 要:城市交通网络是城市空间形态的基本骨架, 交通网络的定量研究是对城市空间形态可控参数研究的重
要方面。在GIS 平台上利用拓扑分析可确定交通网络的整体层次结构及复杂程度, 并可进一步分析交通网络的基本形态; 长度维数主要描述网络密度的变化情况; 而分枝维数主要描述网络内部结构的复杂程度及其连通情况。利用扩展维数分析城市交通网络结构有利于了解交通网络的动态变化过程。
关键词:城市交通网络; 空间分析; 结构特征; 分形
-6579(2002) 06-0105-04中图分类号:P208 文献标识码:A 文章编号:0529
城市交通网络在城市发展中占有至关重要的地位, 对城市空间形态的演变起着骨架性作用。城市的发展在一定的自然环境与历史条件下, 应当根据
城市经济发展水平选择科学合理的城市空间发展形态, 并实现空间形态参数的控制, 忽视分阶段城市空间形态参数的控制, 将会造成与环境、城市结构、城市功能不相协调的空间形态, 反过来又对城市的发展造成不良影响。
国内外对交通网络的研究大多建立在图论的基础上, 将城市交通网络抽象描述为拓扑图, 并用相
[1]
关的度量指标进行描述, 具体有:B 指数、回路数、A 指数和C 指数, 另外还有非线性系数等量化指标。这些指标对定量研究交通网络的结构特征具有一定的积极作用, 但是却不能很好地描述交通网络结构的整体形态及复杂性。本文结合拓扑分析及分形理论, 在GIS 技术的支撑下, 对城市交通网络结构特征进行定量分析和研究。
件。网络分析中, 回路是最基本的拓扑要素, 它是由周长最小的分支构成的闭合环。无回路的网络称为树, 回路的总和构成骨架, 和骨架相分离的孤立回路称为岛。城市平面作为一个网络, 其结构由骨架和分支构成, 是典型的回路网络。
运用拓扑网络分析城市交通网的层次结构、复杂性及城市空间形态的组合情况。其具体方法是:首先确定建成区(或主城区) 的交通网络外界, 然后确定第一层拓扑等级:对交通网络构成的每一个多边形, 考察其顶点或边是否与外界相连, 若相连, 则划分为第一等级(第一级是回路集合的外环) 。接着沿第一等级的内界对其它的多边形遍历, 凡是顶点或边与第一等级相连的回路构成第二等级的环。第三等级是沿着第二等级的内界进行遍历, 依次类推, 直到网络中全部回路都被赋予一个等级属性值为止。
拓扑网络中的等级反映了城市交通网络的整体复杂程度, 最高等级为网络的核心, 即理论上的城市交通枢纽, 等级数越高, 则城市交通网络越复杂; 对于单核城市, 等级数越高, 则城市空间形态越紧凑; 等级数越低, 交通网络结构越简单, 若出现2个以上核心, 城市形态则呈条带状。图1是以武汉市为例, 选取武汉市中环线为交通网络外界, 由快速干道、主干道及次要干道构成的拓扑网络多边形分为7级, 分析结果可以看到, 武汉市的网络结构较为复杂, 网络中心大概位于解放大道、江汉路及新华路的交界处, 在武昌有个亚中心, 网络等
1 城市交通网络的拓扑分析
在GIS 中, 构成图形的点、线、面具有拓扑性质, 点、线、面是基本的拓扑元素。由于点集拓扑学是研究图形在同胚变化下不变的性质, 所以它是研究GI S 空间关系的理论基础。本文利用拓扑知识在GIS 支撑下分析交通网络的空间层次结构。
城市平面结构的主要要素是地面交通线及由它构成的网络, 这个网络包括城市街道和具有通行能力的河道和铁路, 城市空间形态取决于这些约束条
*收稿日期:2002-05-09
基金项目:国家自然科学基金重点资助项目(49831030)
(, 女, ; t zsu 1edu 1cn
106
中山大学学报(自然科学版) 第41卷
级数为5, 大概在洪山广场附近。整个交通网络形
态呈紧凑型环状格网结构。
n
ln L (r ) =D L ln k +D L ln r
对(5) 进行线性回归, 得回归系数:
ln r i #ln L r i -n E i =1
2
i =1n
(5)
D L =
E ln
r i
i =1
E ln L
2
n
(r )
i
(ln r i ) -E n i =1
i =1
E
ln r i
(6)
D L 即为所求的长度维数。长度维数的意义可做进一步的分析。对(4) 求导变换, 可得出网络密度的衰减D -2
公式:Q (r ) W r L , 当D L <2时, 交通网络密度随r="" 的增大从网络中心向四周递减,="" 当d="" l="2时,">
图1 武汉市交通网络拓扑环示意图Fig 11 Topology ring map of Wuhan traffic network
网络分布密度均匀变化, 当D L >2时, 网络密度从中心向四周递增。由此可见长度维数反映了交通网络密度从中心向四周变化的复杂程度。
以武汉市为例, 实验数据是在Arc P Info810的平台上获得, 以上述网络中心为圆心, 以等间隔递增长度为回转半径r i (i =1, 2, n ) , 计算每个半径范围内交通网络的总长度L (r ) , 这里采集了13对数据(见图2) , 将点对绘制在双对数坐标系中, 对其进行回归拟合, 并采用相关系数-拟合误差交叉法求得无标度区间(见图3) 。可以看出, 武汉市的交通网络随回转半径的变化在一定区间具有自相似性, 其分维数为1. 45。
[4
]
2 交通网络的分形特征分析
描述事物的空间形状与结构是认识客观世界的一项重要内容。受传统数学方法的限制, 对复杂的地理现象的形态、结构无法全面地了解。而分形几何的自相似性可以描述具有伸缩对称性而难以用欧氏几何描述的形态客体。这里我们用半径分析方法来描述交通网络的复杂程度。211 长度维数及网络密度
分形维数刻画了客观事物内在性质的数量特征。一般地, 若客体的长度为L , 面积为S , 体积为V 时, 则存在下列关系:
L W S W V (1)
1P 21P 3
若把L 扩大到k 倍, 则S 和V 也扩大到k 倍, 如把具有D 维测度的量假定为X , 则(1) 式可表达为一般的关系式:
L W S W V W X (2)
式中, L 为长度, S 为面积, V 为体积, X 为广义体积, 可以替代L 、S 、V 中的任何一个。W 为成正比, d 为欧氏维数。当X =L 时, d =1; 当X =S 时, d =2; 如果研究客体具有某个测度的分形性质, 相应地d 值为非整数, 这时d 就变成分维D L 了。
如果在面积为S 的城市内其交通网络长度具有分形性质, 则(2) 式可表示为
1P D 1P 2L (r ) W S
当城市面积取圆时, S W r , (3) 式可表达为
L
1P D
L (r )
2
1P 2
1P 3
1P d
1P 2
1P 3
图2 交通网络与回转半径示意图
Fig 12 Sketch map of traffic network and slewing radius
212 分形维数的扩展分析
客观世界不存在纯数学的理想分形, 存在的只是统计意义下的随机分形。因此, 自相似性仅出现
在一确定的范围, 即无标度区, 在无标度区内存在着明显的自相似性。而无标度区以外的数据在研究中大多被忽视, 造成数据信息的丢失。另外, 半径分析属于局部分析方法, 即一定的半径取值只能考察一定区域内的研究客体, 而不能遍及整个研究区域, 信息的采集具有一定的局限性。仅利用这一分形维数来描述复杂的地理事物, 显然是不够的, 因此, 就产生了扩大分维研究的必要性。我国
[5]
(3) (4)
=kr
式中, r 为回转半径, L (r ) 为以r 为半径的圆形区域内交通网络的总长度, k 为形状因子。对(4) 式取对数得:
第6期段 杰等:基于空间分析的城市交通网络结构特征研究
107
r
N (r ) =
k =1
E N (
D
b
(k )
(7)
显然, N (r ) 为各环带分枝累计数, 存在关系:
N (r ) W r
(8) 式可表达为:
N (r ) =ar
D
b
(8) (9)
(9) 式, a 为常系数, 可以证明D b 在一定的回转半径范围内具有自相似性并且取值范围应为1[D b
图3
长度分维特征指标
[2。回归拟合后, 分枝维数:
ln r i #ln N r i -E n i =1
2
n
i =1
Fig 13 Length di mension character index
学者毋河海、王桥在制图综合方面做过相应的研究。
一般地, 研究客体的自相似性往往是分段保持
的, 采集的信息在双对数图上可分成3段, 相应于第1段(区间[d 0, d 1]对应的部分) 的分维称为织构分维(textural fractal)
[6]
D b =
E ln r
i =
1
n
i
i =1i
E ln N
2
n
(r )
i
(ln r i ) -E n i =1
E ln r
(10)
道路的交叉产生分枝在城市交通网络中非常频繁, 而分枝维数是由分枝数目的变化率确定的, 因此可
描述城市交通网络的连通情况及其空间结构的复杂程度。维数越高, 表明道路的结构越复杂, 网络在城市中的覆盖面较大, 连通指数较高。反之, 则路网结构简单, 网络在城市中的覆盖面较小, 连通指数较低。
仍以武汉市为例, 以网络中心为圆心, 以等间隔递增长度为回转半径r i (i =1, 2, n ) , 计算每个半径范围内交通网络的分枝数N (r ) , 采集14对数据并绘制在双对数坐标系中(见图4) 。
, 描述客体的精细结构和
纹理特征, 相应于第2段([d 1, d 2]对应的部分) 的分维称为结构分维(structural fractal) , 描述客体严格的自相似性特征, 第3段([d 2, d 3]对应的部分) 分维为态势分维(state fractal) , 描述客体的总的变化趋势。
对于武汉市的交通网络特征, 计算其3段分维数, 分别为D L 1=1. 64, D L 2=1. 45, D L 3=0. 702。利用采集的全部数据, 充分反映随回转半径增大, 交通网络密度下降的动态变化过程。在区间(-01146~1124) (map unit, 下文简写mu) 长度维数为1164, 表明此区间交通网络密度较高, 下降速度较慢; 在区间(1124~1156)
(mu) 长度维数为
1145, 此区间网络密度下降且下降速度加快; 在区间(1156~1181) (mu) 维数为01702, 表明网络密度的变化态势, 这一区域超出主城区的边缘, 交通网络密度自然会迅速降低。这与实际情况相符。213 分枝维数及连通性
城市路网的连通情况是描述交通网络特征的重要指标之一。通常采用连结度指数J =N (其中m E m P
i
i
图4 分枝维数特征指标
Fig 14 Ramification dimension character index
为第i 节点所邻接的边数, N 路网
利用图4, 对分枝维数进行扩充分析。计算
无标度区以外的参考维数, 结果分别为:D b 1=1. 674, D b 2=1. 47, D b 3=0. 452。从严格意义上分析, 武汉市的分枝维数D b 为1. 47, 说明武汉市的交通网络结构较为复杂, 连通性一般(当D =1时, 各交通线互不相连, D =2时, 交通网处处连通) , 在区间(1. 248~1. 648) (mu) 上具有自相似性; 在区间(-0. 83~1. 248) (mu)分枝维数为1. 674, 这个区间反映了交通网络复杂程度的精细结构, 说明网络结构(1. 总的节点数) 来描述交通网络总的连通情况, 这是一静态指标, 不能反映网络的动态变化过程。这里利于半径分析法引入分枝维数来描述交通网络连通程度的动态变化过程。
仍然以交通网络中心为圆心, 以r i 为回转半径, 统计各圆形区域内的交通网络分枝数N (r i ) , 则:
108
中山大学学报(自然科学版)
出版社, 1997.
第41卷
分枝维数为0. 452, 它只反映交通网络复杂程度的态势, 表明随着回转半径的增大, 交通网络的复杂程度迅速降低, 连通性也越来越差。
[2] 武进. 中国城市形态:结构、特征及其演变[M ].南京:
江苏科学技术出版社, 1990.
[3] 王炜, 徐志谦, 杨涛, 等. 城市交通规划理论及其应用
[M]. 南京:东南大学出版社, 1998.
[4] 陈彦光, 刘继生. 区域交通网络分形的DBM 特征[J].
地理科学, 1999, (2) :114-118.
[5] A Stewart Fortheringham, Michael Wegener, Spatial Models
and GIS[M]. Taylor &Francis US A , 2000.
[6] 毋河海. 基于扩展分形的地图信息自动综合研究[J].
地理科学进展, 2001(增刊) :14-27.
[7] 王桥, 毋河海. 地图信息的分形描述与自动综合研究
[M]. 武汉:武汉测绘科技大学出版社, 1998. [8]
刘和平. 分形哲学[J]. 河北师范大学学报, 1994(3) :13-22.
[9] 王家耀. 空间信息系统原理[M ].北京:科学出版社,
2001.
[10] 陈述彭, 鲁学军, 周成虎. 地理信息系统导论[M]. 北
京:科学出版社, 1999.
[11] LUCIEN B, DANIEL C, MARIA M et al. When and where
is a city fractal? [J].Environment and Planning B:Plan -ning and Design, 2000, 27:507-519.
[12] BENGU IGUI L, DAOUD M. Is the suburban railway system
a fractal? [J]. Geographical Analysis, 1991, 23:262-368. [13] LEE J, WONG D W S. Statistical analysis with ArcView GIS
[M]. New York:John Wiley&Sons, 2001.
3 讨 论
城市交通网络的定量研究是城市空间形态可控因子量化研究的重要组成部分。通过上面的分析及
应用, 可以得出:
(1) 城市交通网络的拓扑等级可作为衡量城市规模与空间形态的指标。城市的规模越大, 交通网络的骨架越成熟, 空间形态越紧凑, 其拓扑等级越高; 反之, 城市规模越小, 或城市空间形态呈狭长型, 则网络的拓扑等级越低。
(2) 半径分析是局部分析方法, 对研究客体信息的获取过程是从局部到整体, 具有一定的局限性。充分利用采集的信息, 对无标度区以外的观测数据给予新的理解, 使得扩展分维赋予新的活力, 这不仅弥补了半径分析法的不足, 而且有利于从多层次描述交通网络的复杂程度和动态变化过程。
(3) 分形分维引入GIS, 可以定量描述许多非线性不规则的地理实体, 二者的结合, 不仅大大提高了分维估值的计算精度, 而且也是对GIS 空间属性的拓展。参考文献:
[1] 杨吾扬, 梁进社. 高等经济地理[M ]. 北京:北京大学
The Structure Characteristic Research of Urban Traffic Network Based on S patial Analysis
DU AN Jie , LI Jiang
1
2
(1. Center for Urban and Reginal Studies, Sun Yat_sen(Zhongshan) University, Guangzhou 510275, China;
2. The School of Resource and Environment, Wuhan University, Wuhan 430079, China) Abstract :City traffic network is a basic frame work of an urban spatial form, and the quantative study of the traffic network is the important aspec t of the controllable parameters of an urban spatial form. By using topology analysis with GIS software, the whole hierarchy and complexity of traffic network c ould be determined, and the basic form of an urban traffic network could be further analyzed, with the length_radiusdimension describing the change of network density and the ramification_radiusdimension describing the c omplexity and accessibility of urban network structure. It is propitious to understand the dynamic changing process of traffic network. Using e xpanding dimension to analyze an urban traffic network, topology analysis, length_radiusdimension and ramification_radiusdimension could be re garded as reference factor of quantitative desc ribing urban traffic network structure.
Key words :spatial analysis; urban traffic network; structure characteristic; fractal
转载请注明出处范文大全网 » 城市体系的空间网络结构
