基于社交媒體數據的城市聯系網絡特征研究
——以長三角城市群為例

張清蘭 程鋼 張一帆 林振宇

（河南理工大學 測繪與國土信息工程學院，河南 焦作 454000）

1 引言

社交媒體的廣泛應用，產生了許多數據，通過相關理論對這些數據進行深入挖掘和分析，可以獲得更多有用的信息，為相關決策提供支持。在這些分析理論中應用最為廣泛的當數社會網絡分析。社會網絡分析是對個體之間的關聯(即“關系數據”)進行量化的主要方法[1]，最早出現在20世紀60年代的社會學研究中。國外學者于20世紀90年代將其運用于旅游研究[2]，國內學者將其運用于旅游研究起步較晚，且研究多與旅游空間結構相關。旅游空間結構是游客相互作用的集聚度和集聚狀態[3]，體現了旅游活動的空間變化和空間相關屬性。目前，學界在旅游空間結構研究中已經形成了較為完善的理論模型與理論體系，如核心-邊緣模型、目的地空間結構模式等[4]。國內研究主要集中在旅游地空間結構演化模式等方面，且將社會網絡分析與空間結構的關聯研究主要運用于跨區域旅游[5]。各位學者對社會網絡分析的研究，使得社會網絡分析方法更加完善和詳盡，利用當前互聯網數據進行社會網絡分析也逐漸成熟。

借鑒前人的研究經驗與成果，本文提出基于社交媒體簽到數據進行城市間實際聯系網絡分析的構想，對長三角城市群實際聯系強度進行計算分析，利用社會網絡的一些技術指標（如網絡密度、中心度、凝聚子群等），對處于區域聯系空間中的城市之間的聯系進行定量化研究，探討長三角城市群的網絡結構特征，并結合地區的經濟數據，探究地區實際聯系強度與理論聯系之間的耦合協調度，分析其格局并提出相關建議。

2 研究方法及數據來源

2.1 研究方法

在對長三角城市群實際聯系網絡特征的研究中，主要有網絡密度、中心度、凝聚子群和耦合協調度等幾個研究方法。

（1）網絡密度

網絡密度是指一個網絡中各個節點之間聯系的緊密程度，節點之間的聯系越多，網絡密度就越大。該指標的計算方法是用“實際存在的關系數”除以“理論上最多可能存在的關系數”，實際上等于所有可能存在關系的平均值[6]。網絡密度的計算表達式為：

公式（1）中，D代表網絡密度，n代表城市總數，d（ci，cj）代表城市i和城市j之間的實際聯系次數，如果兩個城市之間有聯系，則該值為1，否則為0。整體而言，網絡密度越大，證明網絡中各城市之間的實際聯系越緊密，聯系越緊密的網絡能為其中的成員提供各種社會資源的機會也就越多[7]。

（2）中心度

中心度是度量整個城市群網絡中心化程度的重要指標。網絡中心度一般有以下三大指標：

①度數中心度，是城市群網絡中與某節點城市直接相連的其他節點城市的個數，分為點入度和點出度。對于城市群網絡來說，某節點的入度值越高則證明該城市對內聯系受周邊城市控制的程度越深。某節點的出度值越高則證明該城市對周邊城市控制的程度越深。標準化度數中心度計算公式為：

②接近中心度，是評價某節點城市與其他節點城市進行互動難易程度的指標。標準化接近中心度的計算公式為：

公式（3）中，n代表節點數，dij代表網絡中城市i與城市j之間的最短距離。接近中心度值越大，說明該城市與其他城市聯系越緊密；而與該城市距離越遠的城市受到的影響越小。

③中間中心度，用來衡量節點城市在城市網絡中的“中介”作用。城市群網絡中某節點城市的中間中心度用來衡量在這個城市網絡中該城市對其他城市的控制能力。標準化中間中心度的計算公式為：

公式（4）中，bjk（i）表示城市j到k交通的聯系必須通過城市i的次數。中間中心度的取值在0～1之間，如果取值為0，表明該節點城市不能控制任何行動者；如果取值為1，說明該節點城市可以完全控制其他行動者[8]。

（3）耦合協調度模型

耦合關系特指兩個及以上系統間相互關聯、相互影響的現象。本文基于社交媒體數據獲得的各城市實際聯系強度與基于經濟指數計算的理論聯系強度作為兩個子系統，基于耦合模型計算這兩個子系統耦合度的大小。其計算公式為：

公式（5）中，C表示實際與理論聯系強度的耦合度，C∈[0，1]；Ua為實際聯系強度指標，Ub為經濟評價指標（即理論聯系強度指標），Ua、Ub由上式分別求出。

耦合度對實際聯系強度與理論聯系強度之間關系的判別具有重要作用，但其評價結果容易產生誤差。為此確立耦合協調模型，以進一步驗證各城市實際與理論聯系強度的耦合關系的準確性。其算法如下：

公式（6）中，D為實際與理論聯系強度的耦合協調度；T是兩者之間的綜合評價指數，在本文的耦合協調度研究中，認為兩者重 要性一致，即

2.2 數據來源

本文選取了長三角地區26個地級市作為研究對象，城市的實際聯系強度采用2015年長三角地區的社交媒體簽到數據（微博用戶在當前城市進行一次簽到然后在其他城市進行一次簽到視為這兩個城市進行一次聯系）進行匯總，經濟數據（GDP、非農人口數）來自各城市2015年統計年鑒，距離數據采用從百度地圖獲取的駕車行駛距離來表示。

3 聯系網絡特征分析

長三角城市群實際聯系網絡的密度為0.9477，證明了長三角城市群26個城市之間聯系非常緊密。長三角城市群網絡對各節點城市在合作交流等方面影響較大，各城市間互動頻繁，實際聯系較強，城市群呈現多中心網絡化特征。

從整體網絡來看，整體網絡中心勢（出度）為14.036%，網絡中心勢（入度）為3.514%，表明長三角城市群實際聯系網絡化結構明顯，然而實際聯系網絡的中間中心勢接近0，表明長三角城市群中各城市的中介作用不明顯，同時從實際聯系的網絡結構圖也能發現大部分城市都可以與其他城市有直接聯系，沒有哪一個城市是處在其他兩個城市之間的必經路徑之中，也沒有哪個城市能夠較大程度地掌控其他城市間的交往。

從單個城市網絡層面來看（如表1所示），首先，26個城市的度數中心度出度值排名前五的依次為上海、蘇州、杭州、南京、無錫，而且上海的度數中心度出度值遠遠高于其他25個城市，這表明上海市在長三角城市群中處于相對核心地位，是該城市群中實際聯系的集聚中心和輻射城市，其他城市在很大程度上受其影響。隨著滬蘇湖鐵路和滬通鐵路二期等城際交通網絡的不斷完善，上海對周邊城市的擴散和溢出效應將更加明顯。除上海外，杭州、蘇州、南京這三個城市的度數中心度出度值也比較高，這表明杭州、蘇州、南京在長三角城市群中處于相對的副核心城市地位，具有比較強的輻射和擴散效應，對自身周邊的城市具有一定的影響力。其次，26個城市的度數中心度入度值排名前五的依次是蘇州、杭州、嘉興、無錫、南京。蘇州和杭州的入度值遠遠大于其他城市，說明蘇州作為緊鄰上海的城市，積極地對接上海，吸引大量原本屬于上海的信息、資金等資源，已經成為上海發揮擴散效應的重要受益城市和長三角地區的副核心城市。從接近中心度來看，長三角城市群26個城市接近中心度出度值和入度值接近100，說明各城市間有著極高的外向緊密度，相互之間聯系非常緊密；同時各城市間有著極高的內向緊密度，在對內實際聯系中較少受其他城市控制。最后，從中間中心度來看，各城市中間中心度接近于0，說明城市群中兩兩城市之間基本能夠直接進行實際的聯系交流，各個城市的“中介”作用不明顯。

表1 長三角城市中心度

4 實際聯系強度與理論聯系強度的耦合協調度

長三角城市之間聯系的強弱一定程度上受到經濟因素的影響，本文利用統計年鑒數據，利用經濟引力模型計算了城市間的理論聯系強度。以社交媒體簽到數據為地區實際聯系強度，以計算出的經濟聯系指數為理論聯系強度，引入耦合協調模型，通過模型計算分析實際聯系強度與理論聯系強度之間的耦合協調度（如圖1所示）。

根據耦合協調度模型計算出各城市實際與理論聯系強度的耦合協調度D，其中0.7≤D＜1為高度協調，0.4≤D＜0.7為基本協調，0.35≤D＜0.4為弱協調，0＜D＜0.35為不協調。根據耦合協調度模型計算出各城市實際聯系強度與理論聯系強度的耦合協調強度，分析實際聯系強度與理論聯系強度的耦合協調度的結果可知：長三角城市中高度協調的城市數目為0；基本協調的城市數目為2，分別為上海、蘇州；弱協調的城市數量為2，分別為杭州、無錫；其他22個城市的耦合協調度都極低，處于不協調狀態。

圖1 長三角城市耦合協調度

根據分析結果可知，長三角城市群各城市的實際與理論聯系強度的協調性并不理想，只有上海、蘇州這兩個城市處于基本協調狀態，其他城市的協調度都比較低，甚至處于不協調狀態。由于本文選用經濟聯系引力模型計算出的經濟聯系強度作為城市理論聯系強度，一般情況下，城市的經濟聯系強度可以很好地代替城市的實際聯系強度，但是本文中實際理論聯系強度與理論聯系強度的耦合協調性較弱，說明經濟聯系強度在一定情況下無法代替實際聯系強度。這也從側面反映了社交媒體數據對于研究城市聯系強度的現實意義。雖然一定情況下，經濟聯系強度無法很好地說明城市的實際聯系強度，但是它的存在仍然具有重要意義，例如本文選擇經濟聯系強度作為城市理論強度的替代指標，與其他實際的聯系指標進行綜合分析，可以得到各城市理論與實際的協調狀況，為相關決策提供支持。本文通過對理論與實際聯系強度進行綜合的耦合協調度分析，得出了長三角地區理論與實際發展不協調的結論，因此，決策者可以更加有目的性地制定與實施相關政策。

5 結束語

基于上述社會網絡分析發現，長三角城市聯系的網絡特征主要有以下幾點：長三角城市群聯系網絡密度高，城市群網絡化的結構較為明顯；上海、蘇州為城市實際聯系網絡的核心城市，對外輻射能力強，擴散效應明顯，帶動周邊城市的快速發展；杭州、南京為城市實際聯系網絡的副核心城市，利用區域上的優勢積極對接上海，吸收優勢資源。

分析實際聯系強度與理論聯系強度的耦合協調度的結果可知，長三角城市中高度協調的城市數目為0，基本協調的城市數目為2，分別為上海、蘇州；弱協調的城市數量為2，分別為杭州、無錫；其他22個城市的耦合協調度都極低，處于不協調狀態。

需要進一步指出的是，本文主要基于2015年的社交媒體簽到數據及統計年鑒數據進行分析，而作為長三角這樣復雜的城市群，其流動空間的各種要素流運作無疑是極為復雜的時空變化過程，從這個意義上來說，本文研究的結論僅能反映2015年區域聯系網絡特征，而要獲得更為全面的結論與時空演變過程，還有待對其他年份的要素流數據及相關研究方法進行進一步探索。