信息技術影響下的昆明市區域城市網絡空間特征

張浩

信息技術的發展改變了人們的交流方武，同時也改變了傳統城市的空間結構。本文基于新浪微博的網絡信息，利用網絡信息的網絡連接度展現了研究區域間的空間關系；這些與傳統的地理區位所展現的城市關系具有相對一致性，同時又表現出一些差異。這對以后城市區域的發展具有重要借鑒意義。

城市結構 網絡信息

網絡連接度 城市網絡

引言

西方學者在城市間信息流、交通流、人流等方面的研究比較早，做出了很多重要的研究。Goetz（1992）首光分析了航班和航空貨運對美國城市網絡體系的影響；Mitchelson（1994）研究了全球經濟中的信息流動，指出信息流對美國城市網絡的建設發展至關重要；Ho Shin（2000）研究了亞洲城市的港口、公路、鐵路等交通流信息；Townsend（2001）分析了互聯網流量對城市的影響和全球的互聯網結構；Matsumoto（2004）研究了國際城市間的航空運輸對國際城市網絡體系的影響。國內學者對城市網絡體系等相關領域起步相對較晚，但研究的深度和廣度充分體現了中國特色，研究成果也非常豐富。當前國內學者大都是在Castells的流動空間理論的基礎之上，從航空運輸、鐵路運輸、公路運輸等交通流分析全國層面城市網絡的發展及變化；特別是在高速奎知各方面，作為一種革命性的新型交通工具，使中國東西向、南北向的時空距離空前壓縮，沿線欠發達地區相對于發達地區的時空區位條件也發生明顯改變，并對人口流動的空間范圍、地區和城市間的聯系產生重要影響。最近幾年，更是出現了基于互聯網與中國城市網絡體系的關系研究，都很好的解釋了全球化、信息化影響下的中國城市網絡體系的變化。

新浪微博作為當下新型的網絡社交工具，類似于國外的Twitter， Facebook等，并且微博是一個開放式、互動式的非“點對點”的社交平臺，用戶可以與全國各地的其他用戶交流互動，截止2016年9月30日，微博月活躍人數已達到2.97億?？梢哉f新浪微博是當下網絡信息最真實、最有效、最直接的獲取平臺，因此，本文試圖借助新浪微博這一開放社交平臺，以云南省昆明市作為研究對象，通過分析新浪微博用戶間的好友關系，從而認識研究地區與其他省份城市之間的網絡空間特征，從而分析城市發展中的空間問題，并在城市的產業結構、規模大小、布局與調整方面也具有指導意義。特別是在住房價格的分析方面，可以在分析國民經濟最重要的部分之一住房價格中加人空間因素，并以信息流反映這種跨區域的聯系，從而更加全面的分析城市住房價格這一最重要的城市網絡表現形式。

研究區概況

云南省昆明市下轄7區、3縣、3自治縣和代管1縣級市，其中五華區、盤龍區、官渡區、西山區、呈貢區這五個區屬于昆明市市轄區。五個區中，五華區、盤龍區、官渡區為主要城區，西山起為次要城區，呈貢區為新區城區；在分布上呈現出多中心，組團式的構成方式，但是在發展上由于地理區位、經濟發展水平等因素的影響，呈現出中心地理論中描述的“中心——外圍”模式，呈現網狀結構形態。

研究方法

（1）研究思路

在新浪微博中，用戶間的關系包括粉絲、關注、好友這3種類型。粉絲與關注反映了用戶與用戶之間單項的聯系，用戶X“關注”用戶Y，對用戶Y來說，與X為粉絲關系，代表Y的即時更新信息可以被X接受并交流，表示用戶Y影響用戶X，也可以表示Y所在區域影響X所在區域；對于用戶X來說，與Y為關注關系，代表X愿意接受Y的更新信息并交流，表示用戶X被用戶Y影響，也可以表示X所在區域被Y所在區域影響；因此，關注與粉絲的影響方向、影響范圍是不同的。

而從地理視角來看，則可以將城市理解為網絡社區中的節點，將城市間的好友關系理解為網絡社區中節點間的信息流，便于分析一個強關系和弱關系存在的狀態，從而構建起基于網絡社區的城市網絡體系。本文首先通過一定篩選標準，選取云南省昆明市為代表城市，進而利用新浪微博網站統計出昆明市主要區域的微博用戶。然后，統計選取微博用戶的好友關系及其地理空間數據，并加以統計和計算，構建基于信息的城市網絡空間結構。

（2）數據采集方法

研究以選取的昆明市五個直轄區為據點，分別在各個直轄區中選取20個新浪微博用戶作為研究樣本。這些樣本需滿足以下3個條件：一是用戶位于所選區域。二是用戶為普通個人，而非“名人”，并在選取中選取各行各業、不同層次、不同領域的用戶，力求真實的采集用戶數據。三是用戶為活躍用戶，其粉絲與關注數量均在150以上，月發送微博數大于10條。最終，借助新浪微博中的“找人”應用模塊，在2017年12月4日采集數據，共獲取了5個區域的100個新浪微博研究樣本。由于數據信息量大，通過編制爬蟲程序采集這100個研究樣本的粉絲、關注用戶的微博身份證（ID），找出微博用戶并記錄其地理信息數據。通過運行程序，共統計得到13597條有效好友關系數據。

（3）數據計算方法

通過借鑒Taylor所提出的世界城市網絡研究方法和中國城市網絡特征的計算方法等綜合考慮，擬定下列算法。

第一，將收集到的數據標準化，其計算公式為：

其中，X'ij表示數據標準化之后區域i位于區域j中的好友數量，戈為獲取的區域i位于區域j中的好友數量，∑jXij為區域i在各個區域j中的好友數量之和。

第二，計算區域對外連接度，主要用于反映區域在網絡體系中的區域等級，公式如下：

Ni=∑jX'ij-X'ii

其中，Xiji為區域i的好友中位于區域j的好友標準化值，Xij即為區域i中的同區域好友標準化值，Ni即區域的對外連接指數，反映了區域i在網絡中其他區域的好友關系中所占比例之和.。

第三，計算區域的網絡連接度，反映城市區域間在網絡中的信息聯系緊密程度。公式如下：

其中X'ij為區域i的好友中位于區域j的好友標準化值，Xji為區域j的好友中位于區域i的好友標準化值，r為區域i，j間的網絡連接度，maxj（rij）計算所得網絡連接度中的最大值；R即為最后城區i與區域的網絡連接度標準化值。

第四，計算聯系作用強度，公式如下：

Mi=∑jR'ij-Rii

其中，Rij為區域i與區域j的網絡連接度標準化值，Rii為區域i內部的網絡連接度，Mi為區域i的對外連接度。

（4）數據處理方法

在收集完相關數據并計算之后，運用excel，ArcGIS，GeoDa等軟件進行相應的整理、作圖和分析工作。新浪微博視角下昆明市與各省份之

間的網絡特征

（1）城市網絡城區分析

由上述處理方法計算得到城區的對外連接度和區域間的網絡連接度，其中對外連接度官渡區在五個城區中排名第一，其次是呈貢區、五華區和盤龍區，最后是西山區。根據昆明市都市圈空間結構現狀特征而言，五華區、盤龍區、官渡區應是全市傳統上的經濟文化中心；在全市2016年主要城區GDP產值和排名中，官渡區位列第一，其次是五華區和盤龍區；這些表明，在城市網絡中的對外連接度層次的高低并不完全由傳統的行政中心或者經濟發展水平決定，而是綜合政治、文化、地域差異和經濟發展等多方因素，特別是經濟的發展方向、發展模式，對區域對外連接度具有重要影響。

（2）城市網絡空間分析

借助ArcGIS制作關于城市網絡體系中城市間的網絡連接度專題圖，運用ArcGIS的Natural Breaks工具，按照數據固有的自然組別分類，使得組內差異最小，組間差異最大，得到研究區域的層次劃分，進一步分析城市網絡體系的空間特征。

從這五個城區的傳統關系人手，五華區是傳統的市中心，也是云南省人民政府的所在地，駐區中央和省市機關、企事業單位眾多，轄區高校、科研機構眾多，在GDP排名排名中雖處于第二位但和第一名相差不多；官渡區也是昆明五城區之一，近年來經濟更是飛速發展，特別是第三產業的發展，占經濟的比重逐年升高，現GDP總量已經超過五華區來到第一的位置；呈貢區是昆明市南部的一個新區，現階段主要是高校聚集地和全國花卉市場。綜合三者的基本情況可以看出，官渡區和呈貢區的網絡連接度排名靠前不是沒有道理的，這兩個地區第三產業發達，人員流動大，互聯網信息流動便捷；且呈貢區有高校聚集區，學生的對外接受、溝通能力較強，因此與外界聯系廣泛、密切；因此在利用網絡數據分析得到的結果中，這兩個區域對外的連接度更高。

進一步分析發現，五個區域的連接度密集區的分布具體來說是不一致的，總的來說，盤龍區是以前的市政府所在地，五華區是線省政府所在地，這兩個區域都屬于比較老的城區，相對來說也是政治、經濟、文化的傳統區域；而西山區、呈貢區都屬于近年來才設立的新區，只可以說是經濟和文化的分布區；通過分析可以發現，傳統聚集區，相對而言受政治影響大的區域連接的緊密度高的區域是北京地區，而相對比較新的區域，受經濟影響大的區域連接的緊密度高的區域是廣東地區。

（依次是五華區、官渡區、西山區、盤龍區、呈貢區、昆明市的網絡連接度圖）

結論及啟示

本文基于新浪微博網絡信息的觀察與分析，從網絡信息數據的角度反映研究區域的層級關系和連接強度，所表現出來的關系與傳統的地理區位直接的關系有很大的正相關關系，即地區的等級越高，網絡連接度一般也會越高。值得注意的是，網絡數據本身是沒有聯系的，但是所研究新浪微博數據的主體確是人，通過人的社會聯系反映地理空間的分布與格局。通過分析發現，昆明市五大城區的等級與網絡連接情況與實際地區的經濟發展水平并不是十分吻合，因為對信息技術的發展和操作情況不同就會產生與傳統分析之間的差異。但總體來說，分析得出的結果與各地區現階段的發展情況還是高度相關的，這對于不同地區調整產業結構和發展目標有重要意義。

通過以上分析，我們也能看出，不同城市的網絡連接度是不一樣的，開放程度高、互聯網技術發展較為迅速的地區，網絡連接度要高于其他地區，這與傳統的城市等級基本相一致，發達地區的等級要高于欠發達地區。在對城市中的重點問題住房價格的方面，區域網絡連接度的提高，在一定程度上會是該地區的住房價格產生擴散效應。首先，人數越多的地區相應的住房價格會越高，隨著網絡連接度的提高，研究區域會出現去中心化式的住房價格趨勢，這會帶動周邊地區住房價格的上漲，但上漲的范圍和幅度需要進一步研究；當周邊地區價格上漲后，又會影響再外圍地區的住房價格的上漲，網絡連接度越高，會對該地區的住房價格產生負面影響，整體上網絡連接度對住房價格呈現分散效應。

綜上，基于網絡數據的網絡社會關系可以從一個新的角度反映城市區域之間的關系，這為我國城市布局與規劃提供了新的方法，然而新的東西總是需要不斷錘煉與檢驗的，還需要方法的不斷完善和數據量的近一步擴大，這需要我們不斷的研究與進步，實現中國區域的協調發展和社會的長足進步。

[1]金鳳君，王成金.軸—輻侍服理念下的中國航空網絡模式構筑.地理研究，2005，24（5）：774-784.

[2]吳威，曹有揮，梁雙波等.中國鐵路客運網絡可達性空間格局.地理研究，2009，28（5）：1389-1400.