流空间视角下的辽中南城市群网络结构与发展模式分析

韩增林， 袁莹莹， 杨文毅

(1.辽宁师范大学 地理科学学院，辽宁 大连 116029； 2.武汉大学 区域与城乡发展研究院，湖北 武汉 430072)

20世纪90年代以后，全球化和信息化影响着全球经济地理的格局，城市间的横向联系更加紧密.传统的中心地理论将城市体系作为静态的系统来考察，未能考虑城市间的动态的、复杂的、相互关联的网络体系[1].因此，Camagni等认为应当运用新的研究范式弥补中心地理论的不足，在中心地等级体系外，还应考虑城市之间的联系，即“城市网络”理论体系.城市网络范式的研究以“核心-边缘”关系、跨核心关系和城市之间的关系为特征[2].城市网络由大小不等又各具特色的城市组成，一般以两个或两个以上的城市为发展基础，其独特的多核心机构与功能互补性使成员城市可以在合作中获得显著的规模经济[3].随着城市间联系的增强，“流空间”逐渐取代“地方空间”，成为主导性空间组织形式[4].

1989年，Manuel Castells首次提出了“流空间”理论，他认为流空间的实质是物质组织，不必地理邻接也可以实现共享时间的社会实践[5].在此理论框架的基础上，国内外学者相继开展了城市网络体系的多项研究.基于不同要素流研究视角，国内外学者通过人口流[6-7]、知识技术流[8-9]、交通流[10-11]、企业流[12-13]、综合流[14]等一般意义上的单个或多个要素流开展了国家或城市层面的网络体系和网络结构的研究.伴随着Facebook、YouTube、微博等各类信息平台的快速发展，基于信息流的研究逐渐成为研究热点.信息流大致可以分用户生产内容、职业生产内容和专业生产内容[15].像博客、微博、论坛、社区、自媒体等都属于用户生产内容数据.相比较而言，用户生产内容的数据更具有开放性和海量性，数据获取的限制性小，这为利用“信息流”数据开展城市网络体系研究提供了新的契机.城市群的思想最早是由英国城市学家Howard(1898)提出，他发现在第二次工业革命时有大量的农村人口流向城市，基于城市发展规模的合理化，提出了“田园城市”的概念以解决大城市规模过大的问题[16].2005年，我国的“十一五”规划首次提出了“城市群”的概念.城市群代表着城市生活等级从单一的大城市成长为城市区域网络，通过人流、物流以及更大程度上的信息流连接起来.城市群不仅表现为城市规模的扩展，还是城市生活的交易密度的增加以及作为经济中心将其腹地与外部世界相联系[17].城市群是城市发展的成熟阶段，其形成和发展对于所在区域乃至整个国民经济的发展有重要的影响.

2018年，辽中南城市群GDP达22 450亿元，约占全省的87.24%，是辽宁省经济发展的核心地区.作为中国区域性城市群，辽中南城市群的发展对中国东北地区的经济振兴有着重要的推动作用，因此，城市群的建设也是我国东北振兴的重要途径.现有关于辽中南城市群的研究大多是研究城市群的城市规模和城市潜力[18-19]，少有通过“流空间”视角构建城市信息网络体系以分析城市网络结构和城市发展模式的研究.如何从流动空间的角度考虑信息流对城市空间组织的影响，以及如何把握网络发展演变趋势，选择可持续的城市群空间发展模式以避免城市之间的无序竞争，成为辽中南城市群实现可持续性融合发展的需要.鉴于此，本文通过百度指数构建城市网络体系，从网络密度、网络中心性、凝聚子群等方面对辽中南城市群网络结构特征及其发展模式进行探讨，以促进“密度-网络经济”效应最大化的发挥，为辽中南城市群实现融合发展提供理论参考.

1 研究方法与数据来源

1.1 数据来源

百度指数是以百度的海量网民行为数据为基础的数据分析平台.百度指数的搜索指数在样本量、连续性、及时性和可追溯性方面具有较好的适用性.借鉴信息流相关[20]研究，数据来源选择的是百度指数的搜索指数，搜索的关键字统一不包含“市”，如在搜索框里输入关键词“沈阳”，而不是“沈阳市”，时间为2013年和2018年.搜索指数的数据基础选择PC+移动搜索指数，选取整体日均值作为辽中南城市群内部两城市之间的用户关注程度.研究区域为辽中南城市群，包含沈阳、大连、鞍山、抚顺、本溪、丹东、营口、辽阳、盘锦和铁岭10个地级市.

1.2 研究方法

本文采取社会网络分析方法研究城市群的网络结构，依据城市群空间结构的特征，选取了城市网络密度、城市网络中心度、城市网络中心势、城市群的凝聚子群等指标测度城市群的网络结构.

1.2.1 城市网络密度

网络密度是指城市网络中各城市之间联系的紧密程度.密度越大，说明城市之间联系越密切.本文中的城市网络是有向网络，计算公式为

(1)

其中,l为城市网络中实际存在的关系总数，n为网络内的城市个数，D为网络密度.为在一定程度上保留多值图的信息，本研究通过设定不同的数据阈值来测量网络密度.在矩阵数据的处理中，高于阈值的认为存在联系，数值统一为1，否则为0.

1.2.2 城市网络中心性

网络中心性指标主要包括中心度和中心势指标，其中,中心度指标是衡量城市地位重要性的指标.中心势指标主要反映的是整体网络或者图的紧密程度，它与网络密度指标具有较高的互补性.本文选取度数中心度、中间中心度、度数中心势指标和中间中心势指标测算城市网络的中心性.

度数中心度是与某个城市直接相连的其他城市的个数，描述的是这一城市在网络中占据的核心性，度数越大表明城市间的联系次数越多，联系越持久.计算公式为

(2)

其中，CDi为城市i的点度中心度,Rij为城市i对城市j的联系强度.度数中心势(degree centralization)指标基于度数中心度指标进行计算，它是指一个网络或拓扑图在多大程度上表现出向某个城市集中的趋势.度数中心势指数越高，说明城市网络的整体集中的趋势越大；反之，度数中心势越低，说明城市网络内并不以某个或某些城市为中心集聚，计算公式为

(3)

其中，Cd为城市网络的点度中心势,Cmax为城市网络中城市度数中心度最大的值,Ci为城市i的度数中心度,n为城市网络中城市的个数.

中间中心度是研究某个城市对其他城市的控制程度，衡量的是一个城市在多大程度上是其他城市之间相互联系的媒介，其值越高操控其他城市之间相互联系的程度也就越高，计算公式为

(4)

其中，CBi为城市i的中间中心度,gjk为城市j和城市k之间存在的捷径条数,gjk(i)为城市i和城市k之间存在的经过第3个城市i的捷径数目.中间中心势(betweenness centralization)指标基于中间中心度指标进行计算，它反映的是城市网络的整体中间中心性.中间中心势越高，则说明城市间的交流越依赖于某个或某些媒介城市;反之，中间中心势越低，则是因为城市群各城市之间联系较为均衡，不需要某个城市作为媒介.计算公式为

(5)

其中，Cb为城市群网络的中间中心势,CBmax为网络内中间中心度的最大值,CBi为城市i的中间中心度.

1.2.3 凝聚子群

凝聚子群研究是一种城市结构的描述性研究.当网络中出现相对较强、直接、紧密、经常或者积极的次级团体时，这种团体就被称为“小团体”或“凝聚子群”[21].本文的凝聚子群分析以各城市间的联系强度为依据，采用UCINET软件计算子群内部城市之间的关系相对于群内其他城市之间的关系的密度，讨论辽中南城市群的小团体集聚现象，以体现城市间的亲疏关系，进而分析辽中南城市群网络的空间组织结构.

2 辽中南城市群网络结构分析

2.1 网络密度

基于辽中南城市群不同城市间联系度的分布规律，设定50、100、150、200和250为阈值(表1).

当阈值设定为50时，2013年的网络密度和关系数为0.889和80，2018年的网络接近为完备网络，两两城市之间几乎都有联系(除了本溪和铁岭)，网络密度都比较高，并且联系越来越紧密.当阈值为100时，2013年的网络密度和关系数都下降了64%左右，下降幅度剧烈，城市网络已处于弱连接状态；2018年的下降了44%左右，下降幅度较2013年减少了20%，说明2018年城市的网络联系程度比2013年高，城市间的联系更加密切.当阈值设定为150时，2013年的下降幅度仍然比2018年高.阈值设定为200和250时，2013年和2018年的网络密度进一步下降.这些变化都表明2013—2018年辽中南城市群的网络密度和联系强度有所增加；约一半的城市之间的联系值低于100，联系较强的城市所占的比重较低，网络基本处于弱连接状态.因此，辽中南城市群内部的城市仍需进一步提升联系强度，加强交流与合作.

表1 2013年和2018年辽中南城市群不同阈值下的网络密度

2.2 网络中心性

2.2.1 度数中心度和度数中心势

本研究的城市网络联系图为有向网络，因此,度数中心度分为点入度和点出度.点入度是进入该城市的其他城市的个数，即该城市得到的直接联系数，表示的是这个城市对其他城市的吸引力或凝聚力.点入度越大，表明城市的要素集聚能力越大；点出度是这个城市直接发出的联系数，表示的是这个城市对其他城市的辐射力.点出度越大，表明城市的要素辐射能力越大.通过计算得到辽中南城市群网络中心度(表2).

表2 辽中南城市群2013和2018年网络度数中心度和度数中心势

从整体上看，2013年，沈阳、大连、铁岭的点出度高于点入度，2018年，沈阳、大连和鞍山的点出度高于点入度，这说明这些城市的溢出效应高于自身的集聚效应.其余城市点出度小于点入度，表明这些城市更倾向于从沈阳和大连等城市中获得要素溢出.2013—2018年，尽管各城市的点出度、点入度随时间的推进均有提升，但仍存在不同城市出入度差异悬殊的情况.

从点出度来看，2013—2018年，辽中南城市群内部各城市的点出度都有了较大提升，丹东市增加幅度最大，高达73.3%左右，鞍山市其次，点出度增加了70.8%.排在第3位的是沈阳市，增幅为47.5%.增幅最小的是本溪，增幅为14.5%.其余城市的增幅在20%到44%之间，变化幅度差别不大.2013年，沈阳市的点出度比大连市的高21.7%，这说明沈阳在辽中南城市群的影响力和辐射带动作用突出.铁岭和丹东的点出度最低，说明这两个城市处于城市群的边缘位置；2018年沈阳市和大连市的点出度明显高于其他城市，城市网络整体上形成了以沈阳和大连为核心的双核结构.其他城市虽有小幅上升，但影响力有限，网络结构整体上仍呈现“核心-边缘”结构.

从点入度来看，2013—2018年，辽中南城市群各城市点入度都有所上升.2013年，点入度排名前3的城市是沈阳、大连、抚顺和丹东，2018年排名前3的是沈阳、大连和丹东，这表明这些城市相对活跃，对其他城市的集聚效应也比较大.同时还表明抚顺在辽中南城市群中的吸引力下降，丹东的吸引力上升.铁岭的点入度在2013年和2018年都是最低的，表明铁岭整体吸引力和凝聚力都不强.

从度数中心势看，出度中心势上升，由32.38%上升为36.95%，这表明随着时间的推移，出度网络的整体集中趋势加强.入度中心势下降说明整体入度网络的集聚程度下降，网络有均衡发展的趋势.沈阳和大连的多中心发展模式会削弱网络的中心势.另外，城市群网络的出度中心势远大于入度中心势，表明网络辐射力的中心性高于集聚力的中心性，要素资源集聚的多中心性更加明显，均衡化发展趋势凸显，但不均衡发展现象仍然存在.

2.2.2 中间中心度和中间中心势

在计算中间中心度和中间中心势之前，需要先将数据进行对称化处理(取两个数值的平均值)，然后再将数据二值化.鉴于网络密度分析的结果，取密度差别较大的3个阈值50、150和250进行计算，考察城市群网络在不同阈值条件下的变化(表3).

表3 不同阈值下辽中南城市群网络中间中心性

2013年，阈值为50时，沈阳、大连、鞍山和抚顺的中间中心度为1.25，度数相对较低，这主要是因为阈值设定较低，城市间联系较为紧密，媒介城市的作用不大，同时，这也是网络中间中心势较低的原因.其他城市的中间中心度为0，说明这些城市处于网络的边缘，与其他城市的交流较少，没有起到媒介的作用.阈值为150时，2013年沈阳市的中间中心度高达18.5，远高于其他城市，表明沈阳在城市网络中能够通过控制或影响城市的联系而影响整个城市群.同时根据中心度的分析结果，沈阳的度数中心度一直也是最高的，这表明沈阳市既能与其他城市主动建立联系，又能控制其他城市之间的联系，权力极大.大连市的中间中心度虽然只有0.5，但相比其他城市，在网络中仍占有一定的地位.阈值为250时，所有城市的中间中心度都为0.通过UCINET软件绘制2013年的城市网络图(图1a)，图中只有沈阳和大连相互连接，任何城市都没有起到媒介的作用，此时网络处于零散状态，中间中心势也为0.

2018年，阈值为50时，所有城市的中间中心性为0，这是因为对称化处理后，该网络是完备网络(图1b)，任何城市都与其他城市直接相连，都不需要媒介城市，此时网络也没有集中的趋势，因而中间中心势也为0.这进一步说明了2018年辽中南城市群联系强度增加，而2013年的城市群内部处于弱连接状态.阈值为150时，沈阳和大连市中间中心度最高，分别为18.5和10.5.作为辽宁省的省会和副省级城市，两者共同承担了较强的“中间人”的角色.阈值为250时，2018年，沈阳的中间中心度为6，大连的为0，这说明沈阳和大连虽然能起到媒介作用，但当阈值提高时，沈阳凸显出更强大的资源和信息枢纽作用，大连的媒介作用仍有待进一步加强.

图1 不同阈值条件下辽中南城市群网络中间中心性拓扑图Fig.1 Betweenness centrality in urban networks under different threshold conditions

3 辽中南城市群发展模式分析

通过CONCOR算法，得到了密度矩阵(表4)和凝聚子群的组成状况(图2).

表4 辽中南城市群网络凝集子群密度矩阵

图2 辽中南城市群网络凝聚子群演变Fig.2 Evolution of cohesive subgroups of urban network in mid-southern Liaoning urban agglomeration

区域城市网络联系的三片区格局逐步形成.2013—2018年，辽中南城市群在2级层面上由4个凝聚子群演变为3个凝聚子群，凝聚子群分布形态的组织性逐步增强，形成了相对集中的三片区格局.2013年，辽中南城市群形成了以沈阳为核心的第一片区，以铁岭、抚顺、本溪和丹东为一体的第二片区，以大连、辽阳、鞍山为一体的第三片区和以盘锦、营口为一体的第四片区.2018年，空间组织性明显增强，由4个零散的片区演化为联系较为紧密的3个片区，形成了轴-辐式网络发展格局.辽中南城市群被划分为Ⅰ片区(沈阳-大连)、Ⅱ片区(盘锦-营口-鞍山-辽阳)和Ⅲ片区(铁岭-抚顺-本溪-丹东)3个片区，三大片区的片区密度均有一定程度的提升，城市要素组成相对较为稳定.其中，盘锦-营口-鞍山-辽阳作为第二片区，无论是内部联系还是外向联系都比第三片区的密度高，表明第二片区的发展趋势优于第三片区.

沈阳-大连子群成为区域联系的核心子群.2013年，沈阳以自身为核心形成了第一片区，与其他子群的联系密度是城市群内最高的分区.2018年，以沈阳和大连为核心的子群群内密度高达498.5，远高于其他子群，其外向联系水平也是城市群内最高的，表明辽中南城市群已形成相对稳定的轴-辐空间发展模式，呈现出以沈阳和大连为核心的双核结构.沈阳和大连形成的沈大轴带在推动自身发展的同时，也促进了辽中城市群的发展.沈阳作为辽宁省的经济、政治和文化中心，拥有汇集资源的独特优势，使其外向辐射带动作用明显.大连作为辽宁省的副省级城市，经济发展水平显著，成功的城市品牌建设提高了其在辽中城市群中的影响力.

城市群演化过程中，子群间的差异进一步加大.通过计算，2013—2018年凝聚子群密度的变异系数由0.52上升到了0.66，表明辽中南城市群各子群联系的差异呈扩大趋势，这主要是因为高联系的凝聚子群的集聚现象加剧，低联系的子群由联系密度相对较低的城市组成.沈阳和大连作为核心城市，其外向功能显著，区域内经济文化资源等高度集聚，非核心经济带普遍低位运行，城市间相互作用较低.

由凝聚子群的分析结构可知，辽中南城市群的空间发展模式经历了由“点”到“轴”的演化过程.2013年，在极化效应的作用下，信息流首先开始在沈阳集聚，到2018年，随着集聚程度的不断增强，核心城市的扩散效应不断增强，形成了沈阳-大连核心轴线发展模式，达到了以点带线的发展模式.下一步的发展模式应突出以线带面的发展模式，在强化沈阳-大连轴线发展的基础上，充分推动辽中南城市群沿轴线发展，最终形成由轴到网的综合发展.在构建辽中南城市群网络发展过程中，应重点培育鞍山和丹东作为新的增长极，使其逐渐加强子群内部的联系和外向功能强度.

4 结论与讨论

本文以百度搜索指数为信息流基础，从网络密度和网络中心性两方面对辽中南城市群网络结构特征进行了定量分析，并探讨了辽中南城市群可持续发展模式，主要结论如下：

(1)随着经济发展和移动互联网的普及，辽中南城市群的网络密度整体有了较大提升.但当网络阈值提高时，网络密度下降较快，反映出城市间的联系强度较低，未来需继续深化城市间的联系强度.

(2)中心性分析突出了沈阳、大连作为辽中南城市群的核心地位，其城市的极化效应开始向扩散效应转变.城市群内城市中心度呈现两极分化的现象.城市群整体对外辐射能力要强于吸引资源的能力.辽中南城市群网络的核心媒介仍然是沈阳，大连是城市的重要节点，未来应进一步强化大连作为“中间人”角色的作用.

(3)从区域凝聚子群格局来看，区域城市联系的三片区格局逐渐形成，沈阳-大连轴线子群成为区域联系的核心子群，城市群内子群间的差距进一步加大.未来应突出“以线带面”的发展模式，重点培育鞍山和丹东作为新的“中间人”的角色，带动其他片区的发展，以实现辽中南城市群的可持续性的网络化发展模式.

通过运用百度指数构建城市网络体系，探讨了辽宁中南部城市群城市网络的网络结构特征和可持续发展模式，为城市发展战略和规划提供了一定的理论参考.然而，城市之间的网络联系不仅体现在信息流上，还体现在人口流、知识流、交通流等因素上.因此，综合利用各种流要素分析城市网络将更有价值.最后，辽中南城市群的城市网络虽然处于上升发展阶段，但其网络发展效率如何也是未来进一步研究的方向.