基于多源大數據的武漢市區域空間格局研究*

詹慶明 范域立 羅名海 米子豪 張慧子 張月朦 ZHAN Qingming, FAN Yuli, LUO Minghai, MI Zihao, ZHANG Huizi, ZHANG Yuemeng

0 引言

長期以來，區域研究者關注各種大尺度的要素在區域中形成的空間格局，以對城市的發展潛力、產業協調、資源分配等問題做出判斷和建議。傳統上，這類研究的對象主要是靜態的資源、設施等，主要包括：（1）城市資源格局，如自然資源（如能源、礦藏、山水等）和社會資源（如人才、歷史文化、產業分布等）；（2）城市交通格局，如道路網、鐵路交通網、長江水運網、航空航運網等；（3）城市基礎設施格局，如水工設施、電力設施等。這些研究所關注的問題涉及經濟重心轉移[1]、城市群城市網絡結構演化[2]、建成區空間蔓延[3]、流動人口遷移[4]，甚至區域熱島效應和環境污染[5-6]等。總的來講，這些研究在數據來源上依賴于大量的社會調查、統計普查和基礎測繪等工作；在方法上主要使用空間統計、網絡分析等數學工具，針對單個研究對象、單個要素的空間分布特征展開分析，或者分別針對單個研究對象、不同要素，或多個研究對象、同一要素獨立展開分析；在研究的主題和角度上，也相應地存在“就數據論數據”的問題，常常難以和具體而多維的實際問題相結合。

圖1 研究思路和框架

上述這些局限，主要是由漫長的數據獲取周期、高昂的數據獲取成本與覆蓋范圍之間的矛盾、有限的運算能力和計算工具等客觀條件的阻礙所導致的。近十幾年來，這些狀況有了根本的改觀。2006年，伴隨著移動通信的廣泛應用，手機信令數據首次進入城市研究者的視野[7]；2007年，美國航空航天局（NASA）開放Landsat對地觀測衛星數據，利用多光譜遙感影像進行城市和區域分析的研究出現爆炸式增長[8]；2012年前后，互聯網時代下“大數據”的概念開始進入公眾視野，并受到研究人員的廣泛關注[9]。同一時期，民用中央處理器（CPU）的計算能力增長了10倍以上，基于圖形處理器（GPU）的運算開始得到廣泛運用，大量專業軟件平臺也大大簡化了各類數據的清洗、融合和管理等工作。在這一背景下，以人流、物流、信息流、資金流、技術流[10]等為主的在區域中運動的動態要素開始深入區域研究者的視野[11-12]，一系列專題性的研究開始由此展開，涉及的話題包括人口遷徙[13]、投資流動[14]、城市群通勤和經濟聯系結構[15]等。不過，在方法上，相當一部分研究仍然以傳統的空間統計方法為主，并且為了適配這些低維度方法，大大壓縮了原始數據所具備的信息量，實際上是將“大數據”當作“小數據”來利用，一方面浪費了新來源數據巨大的利用價值，另一方面容易在分析結果中放大大數據常常具有的系統性偏差[16]；另一部分研究則引入神經網絡、深度學習、多智能體模擬等較高效的“黑匣”式算法[17-18]，這些方法能夠對多來源、多維度、多屬性的復雜數據進行有效的融合，對城市和區域系統的模擬和預測起到了巨大的推動作用，但這些算法可解釋性差的特點使得它們在現象分析和描述方面所能起到的作用有限。

有效的方法和思路，是基礎數據和研究問題之間的橋梁。在自然資源部“武漢市大數據城市空間格局變化監測試點”項目[19]中，對于結果可解釋性和實證分析的需求促使我們嘗試在傳統統計模型和空間分析模型的基礎上，以易于理解和解釋的方式，對大數據所包含的信息進行盡量充分的挖掘和利用。這些嘗試最終反映在綜合便利度模型、便利度—引力模型和勢力范圍模型3種改進的分析模型以及相應的分析結果上。在本文中，我們對3種模型的來源、改進方式和相互關系進行了說明，通過對武漢市的實證分析，闡述其實際的作用效果，并進一步討論這一思路在城市與區域分析中的發展潛力與擴展空間（圖1）。

表1 研究范圍

1 研究范圍和重點研究對象

本文以地級及以上行政單元作為基本空間單元，研究武漢市與內地其他城市的關系。受到數據來源和計算資源的限制，在計算部分指標時，僅以部分與武漢市可比性較強的重點城市作為研究對象。具體的選取標準為：直轄市、國家中心城市和副省級城市，長江經濟帶上的省會城市和特大城市，干線機場以上城市，區域客運樞紐以上的鐵路樞紐城市。取上述集合的并集作為重點研究對象，包括：武漢、北京、天津、上海、廣州、深圳、重慶、成都、鄭州、西安、南京、杭州、哈爾濱、沈陽、長春、濟南、青島、廈門、長沙、合肥、南昌、昆明、貴陽、蘇州、東莞、烏魯木齊、大連、蘭州、呼和浩特、福州30個城市（表1）。

本文采用的數據主要有列車停站表、航班班次表、公路路線規劃數據和騰訊位置數據。列車停站表中包含的屬性字段有車次、停站、車站編號、到站時間、發車時間、經緯度和停站城市；航班班次表中包含的屬性字段有航班號、起飛時間、到達時間、每周排班日期、起飛機場、到達機場、起飛城市和到達城市；公路路線規劃數據包含的屬性字段有起始城市、終點城市及預期最短時間；騰訊位置數據中包含的字段有出發地、到達地、日期、總客流量、總鐵路客流量、總公路客流量和總航空客流量（表2）。

2 基于多源大數據的區域空間格局研究方法

城市的交通便利程度及城市在區域交通網中的位置、城市之間的實際聯系強度和中心城市所具有的腹地范圍都是中心城市區域格局評價的重要方面[20]。普遍認為，城市對外交通聯系的便利程度影響其潛在的勞動力和原材料來源、產品市場、商貿活力等，很大程度上決定了其經濟發展的總體潛力；而城市之間的人流、物流、資金流等實際聯系則更加直接地影響到城市的旅游服務、物流等行業的發展前景；在多種因素的綜合作用之下，最終形成呈現一定層級結構的城市腹地系統，成為各級中心城市的主要人口來源和市場[21]。

可以發現，上述3個問題之間實際存在著密切的聯系，但傳統的定量研究往往未能將三者視作一個整體進行分析。對于城市腹地的研究，常常將人口腹地范圍定義在某一經驗范圍或者行政區劃的邊界以內，而未能考慮城市外來人口的真實來源和流動情況；對于城市間聯系強度的研究，一般利用實際的聯系量/客流量和城市間的歐式距離或者路網距離構建引力模型，而未在引力模型中考慮城市間的實際交通便利程度[22]；對于城市交通便利程度的評價，也以對象城市交通水平的整體描述為主，而較少考慮到特定城市之間的交通條件評價[23-24]。總的來講，數據采集和指標設計上的粗糙性和概括性限制了聯合不同角度分析具體問題的可能性，而這一局限性與傳統數據本身的特點是密不可分的：要在統一的框架下、從多個方面描述多對多的關系，這意味著數據獲取的時間跨度、調查的空間范圍和對象數目同時擴大，如果應用傳統數據，就會在數據的收集和整理上帶來無法接受的工作量；而部分網絡大數據或者本身是互聯網服務的一部分（如鐵路和航班班次、公路路徑推薦信息），或者是互聯網服務所附帶產生的（如定位數據），天然地具有結構化、多維度、覆蓋范圍廣的特點，不需要付出額外的調查成本，從而使得設計和計算各類多對多指標、復合指標真正變得可行。下文將具體討論如何利用大數據的特點，對這3個方面的評價方法進行改進。

表2 研究采用的基礎數據

2.1 區域交通便利度評價

對于城市的交通便利程度，傳統的評價指標包括城市總的吞吐能力和吞吐量、各類交通方式的班次總數、存在直達交通的城市總數等。這類指標關注的主要是評價對象的總體交通規模，而不是對象城市與其他城市之間的具體關系；最近的研究則引入了網絡分析的方法，能夠以道路和鐵路等交通設施網絡為基礎描述城市在區域交通網絡中的總體中心程度。然而，這樣的網絡分析方法一般是將特定城市之間的聯系視作具有單一屬性（也即“距離”或者“阻抗”）的鏈接，對特定“城市對”的交通便利程度描述較為粗糙，未能考慮道路通行速度、航班或列車的耗時、班次密度等實際影響出行者體驗和選擇的特性[25]。對此，可以從數據來源和評價方法兩個角度進行應對。

（1）通過爬取在線數字地圖，獲取精確的城市間公路交通成本數據。傳統的高速公路網形文件數據更新速度慢，且不包含路況、通行能力等眾多影響道路實際通行速度的要素。相對而言，高德地圖、百度地圖等電子地圖供應商通過長期的用戶數據積累，對常用地點之間的交通時間、交通成本等有非常準確的判斷。同時，高德地圖等電子地圖供應商提供了成熟的應用程序編程接口（Application Programming Interface，API），可以便利地進行自動化的批處理運算，獲取任意兩點之間的路徑信息[26]。在本研究中，我們首先獲取了所有地級及以上城市的列表，將任意兩個不同的城市構建為包含兩個元素的字符串組，并將兩個城市的默認興趣點（一般為該城市市政府所在地）分別作為起點和終點；在夜間車流稀少、基本不存在擁堵情況的條件下，用高德API遍歷所有“城市對”，從而得到城市與城市之間的最短行車距離和最短行車時間。

（2）通過爬取列車和航班網絡訂票系統，獲取任意城市之間的班次信息及任意班次的具體數據，從而對城市間鐵路和航空交通狀況有全面立體的認知。利用八爪魚數據采集器可以較為方便地實現這一點：八爪魚可以打開指定的網頁URL，識別網頁中的各類元素，通過翻頁、下拉、頁面滾動、條件判斷等多種功能，獲取網頁上復雜的文字、表格、圖片等數據，并進行初步的格式整理和數據清洗；通過設計爬取流程，可以根據指定的循環體和判斷條件自動遍歷多個給定的URL，實現網頁數據的快速采集。對于列車來說，從12306.cn等在線訂票網站上可以獲取任意車次所有的停站站點、每一站點到達時間、出發時間、票價、該站是該車次第幾站等詳盡的停站信息；對航班來說，也可以相應地獲取任意航班的始發、中轉和到達城市及機場，出發和到達時間，每周排班情況，準點率等信息。

（3）改進兩城市間交通便利程度的度量方式。過去通常構建兩地（A，B）之間某種交通方式下最短距離或者最短交通時間的函數，作為兩地交通便利度的表征[23]，即：

其中costmin(A→B)為從城市A到城市B的最小成本，函數f為給定的效用函數。然而，這樣的做法抹去了不同班次的成本累積帶來的差異性。顯然，在同樣的最短列車時間下，每天有大量的高鐵列車班次和少量的普通列車班次，與每天有大量的普通列車班次和少量的高鐵列車班次，這兩種情況對于兩市之間便利交通的實際影響是截然不同的。為了反映這一點，應當將每一趟列車的成本均納入考慮，即：

其中costRoutei(A→B)為通過路線i從城市A前往城市B的成本，函數f為給定的具有可變數量自變量的效用函數。作為一種較方便的實現方式，可以采用類似諧波網絡中心度的方式[27-28]，以兩座城市之間累積班次交通時間的倒數作為兩座城市之間該交通方式下的便利程度，即：

進一步以從對象城市前往所有可能城市的便利程度的累加作為對該城市總體交通便利程度的描述，即：

從而得到同時考慮對象城市所能聯通的城市個數以及對象城市前往每個城市的每一種方式所需成本的綜合性交通便利度指標。

2.2 城市間聯系強度評價

引力模型被廣泛地應用于評價兩地之間的潛在聯系程度。一般地，它包含一個規模參數和一個距離參數，類比于物理學中萬有引力模型的質量和距離。常用的規模參數包括城市經濟總量、人口總量等，而距離參數則多使用空間距離或者路徑距離。最終得到兩城市之間的潛在空間聯系強度R。一種典型的模型形式為：

式（5）中，PA和PB表示兩個城市的人口數（萬人）；GA和GB表示兩個城市的GDP（億元）；DAB表示兩個城市間的空間直線距離。即借由城市的經濟規模與人口規模二者的幾何平均值來反映城市的“質量”；b表示城市間相互作用模型的距離衰減指數，在全國范圍研究中常考慮取值為1。

然而，正如上文所討論的，單純的路徑距離并不能準確地表述兩地之間發生聯系和交換的成本，在路徑距離不變的情況下，兩地之間列車和航班班次的多少、公路通行速度的高低、列車運行速度的高低等因素綜合起來也會極大地影響兩地之間實際聯系的強弱。因此，本文以兩座城市之間的綜合便利度的倒數來替代距離參數，即：

這一改進的引力模型可以更準確地表征兩城市之間的潛在吸引力。進一步地，如果通過騰訊定位數據等位置服務數據獲取給定時段中兩城市間的實際客流量，以兩城市之間實際發生流動的人口來替代兩城市的總人口，則可以表征兩城市之間的實際客流聯系水平。兩城市之間人口流動越頻繁、來往越便利，則它們的聯系越密切。同時，將兩城市的經濟總量作為規模參數之一，則表征了這種密切聯系所帶來的潛在經濟效益。即：

其中，QAB為一定時間段內城市A前往城市B的客流總量，QBA為相應時間段內城市B前往城市A的客流總量。通過調整計算客流總量的時段，還可以就通勤、節假日休閑、回鄉等不同場景下的城市間聯系強度展開分析。

2.3 中心城市人口腹地分析

在城市腹地研究中，研究的范圍常常局限于某一經驗范圍或者行政區劃的邊界，但實際的腹地范圍常常受交通、文化、歷史淵源等多種因素的影響，通過行政區劃和經驗范圍不一定能得到真實的腹地范圍。也就是說，研究者往往首先指定了一個“腹地”，然后研究這個腹地所具有的性質，而不是根據實際的人口流動情況找到和劃定人口腹地。也有利用調查得到的真實人口流動數據進行腹地分析的研究，但由于這類調查成本高、耗時長，往往空間范圍有限而且更新緩慢。不過，由于我國民眾春節返鄉的習俗，利用上文中提到的實際客流量數據，觀察某些特定的時段（如春節、清明節等）可以在全國范圍內較為可靠地推斷城市外來人口的真實來源。進一步地，考察這些特殊時段中城市間人口的流向、流量和流量的比例關系，可以分析不同中心城市之間腹地范圍的分割和競爭關系。

具體來說，本文以3個指標描述給定中心城市A春節前特定時段的人口流入城市B的現象，來分別表征城市B人口流入城市A的絕對數量、城市B對城市A的依賴程度和城市A相對于其他中心城市在城市B中的競爭優勢。包括：

絕對流入指數，即給定時間內從城市A流入城市B的總出行量，即：

相對流入指數，即給定時間內從城市A流入城市B的總出行量占流入城市B的總出行量的比例，即：

其中{Bi|i∈[1,N]∩N+}為除城市A以外所有其他城市構成的集合。

競爭流入指數，即給定時間內從某一中心城市流入該城市的總出行量占來自其他重點城市流入該城市的總出行量的比例，即：

其中{Bi|i∈[1,M]∩M+}為所有中心城市構成的集合。

3 結果分析

從區域交通便利度評價結果來看，綜合武漢市陸路、航空交通建設和運營情況，武漢市形成了以公路和高速鐵路為主干，覆蓋“1+8”城市圈和信陽、岳陽等城市的核心區域交通網絡；以高速鐵路構成交通廊道、以高等級公路為補充，連接到鄭州、合肥、南昌、長沙等重點城市，覆蓋中部五省主要大中城市的中部地區區域交通網絡；以及以高速鐵路為主干、以普通鐵路和航空交通為補充，延伸到北京、上海、珠三角、西安、川渝、云貴、遼沈等地區的輻射區域交通網絡（圖2）。總體上，特殊的地理區位使得武漢市具有陸路交通東強西弱，航空交通近少遠多的特點。

圖2 武漢市到各地級市綜合交通便利度

圖3 武漢市與全國地級市綜合旅客聯系量

圖4 湖北省省轄行政單位人口輸出情況

圖5 武漢市及周邊省會城市人口腹地范圍

這一空間結構特點在武漢市實際的對外客流聯系強度（圖3）中得到了一定的體現。從全年客流量來看，與武漢市聯系最緊密的地區主要有：湖北、河南、江西、湖南等省份內公路交通5小時內可達的城市，以公路旅客和鐵路旅客為主；京廣高鐵鄭州至北京段及武漢至廣州段，福州—武漢一線和滬昆高鐵的部分城市，以鐵路旅客為主；遼寧、云南、海南、廣西、上海等相對獨立的地區，以航空旅客為主。通過對各城市間交通和旅客數據的時空特征進行對比分析，我們發現這一現象與武漢市和其他中心城市的競爭、武漢市民的消費和旅游習慣以及部分歷史事件的遺留有密切的聯系：（1）在湖北省內，除恩施自治州受到重慶市的一定影響以外，武漢市在政治經濟地位、文化聯系、公共服務等方面均占據主導地位，大量人口前往武漢工作、學習、出差旅行（圖4）；同時，武漢市“五環二十四射”的輻射狀高速公路格局、橫穿湖北省的滬漢蓉鐵路、米字型輻射的城際高鐵網絡也促進了武漢市與省內城市的交流。（2）在南陽、駐馬店、信陽等城市，相對于鄭州來說，與武漢市之間的公鐵路交通更加便利；同時，信陽與大別山地區、南陽與襄陽在語言文化上聯系緊密，進一步促進了其與武漢的日常聯系。（3）鄭州、長沙、南昌3個省會城市以及毗鄰的岳陽、九江等城市為武漢市帶來了大量的周末客流，3市與武漢市之間的客流量在周末遠多于工作日和大型節假日，同時也遠多于同一時段下的其他城市。不到2小時的高鐵交通時間，使得武漢市及周邊旅游城市成為了較理想的周末旅行目的地；而在較長的假期，充裕的時間使得旅行選擇更加多樣，明顯稀釋了前往武漢的客流。（4）遼寧省沈陽、大連兩市與武漢市之間航班聯系密切，遼寧全省、河北北部、內蒙中部與武漢市之間往來頻繁。這與該地區和武漢市之間的歷史淵源有關：在武鋼及青山工業園區的建設過程中，大量遼寧、河北一帶的工人遷往武漢工作、生活，構成了當前青山區人口的重要組成部分，并在幾十年間逐漸形成了該地區與武漢市之間密切的人口和商務聯系。（5）三亞、海口、大理、麗江等旅游城市與武漢市之間存在頻繁的航班往來和密切的旅客聯系。

不過，與交通便利程度不同的是，武漢市對外客流聯系量呈現出西多東少的特點。一方面，滬漢蓉鐵路沿線合肥—蘇州一線、京滬高鐵濟南—合肥一線、滬昆高鐵嘉興—鷹潭一線的城市與武漢市有頻繁的鐵路班次和6小時以內的到達時間，但與武漢之間的實際旅客流量卻遠少于交通條件類似的西南地區。考察春節期間人口流動數據可以發現，安徽省合肥以東的城市、河南省開封以東的城市、江西省南昌以東的城市都顯著地受到長三角地區的吸引，不處于其對應省會城市的人口腹地范圍之內（圖5），這與武漢市旅客聯系量驟降的邊界是基本對應的，表明了長三角地區占支配地位的大致范圍；同時，該地區本身公、鐵路交通綜合便利度較高，武漢市的相對優勢不明顯。另一方面，陜南3市，甘肅、寧夏、青海3省以及川東的部分城市，在秦嶺、巫山的阻隔下，與武漢市之間的公鐵路交通不算方便，但有不少人口受到吸引遷往武漢市。

考察各地區中心城市的對外引力聯系總強度和各交通方式下交通便利度（圖6），可以對這種差異性有較好的理解。在30個重點城市中，蘭州、呼和浩特、哈爾濱、昆明、貴陽的總引力聯系強度顯著低于其他城市；上海市具有最高的總引力聯系強度，達到上述城市的10倍以上；武漢處于第二梯隊，略低于重慶，與蘇州、杭州、深圳等持平，與成都相比有一定優勢，高于周邊的鄭州、南昌、長沙、西安等省會城市。由此可以看出，武漢市處于中東部經濟、交通發達地區的邊緣，其發展落后于京津—長三角—珠三角構成的區域大三角頂點，但是京廣線這條長邊的支撐點，構成了陜甘、川渝、滇黔等西部省份連接中東部地區的重要通道。因此，西部地區的部分城市在交通成本和經濟實力權衡的影響下，與武漢市建立了較為密切的人口和經濟聯系。

綜合武漢市與其他重點城市的人口腹地范圍、各中心城市的對外引力聯系強度和不同時段武漢市與其他城市之間的客流聯系，武漢市對西部省市特別是川渝、陜南、黔滇一帶的吸引力主要來自武漢市的相對競爭優勢，在西武高鐵、沿江高鐵建成后[29]，顯著降低的交通時間有望使得西部地區進一步成為武漢市未來發展的新腹地；同時，武漢市與西部地區之間的旅客聯系以人口遷移和工作往來為主，可以進一步開發對應的休閑旅游市場，充分利用武漢市與西部地區之間的聯系。武漢與遼沈、河北地區之間的歷史淵源，雖然在兩地之間人口的密切流動上有所體現，但對兩地之間的投資和經濟聯系沒有起到明顯的作用，可以作為武漢市未來跨區域合作和產業走出去的潛在方向。在湖北省周邊，豫南一帶則以人口遷徙為主，鄂、湘、贛三省之間的聯系以短途旅游為主；從目前武漢市以吸引短途旅游為主、長途旅游吸引力相對不足的情況來看，借力中三角高鐵網絡、進一步整合中三角地區旅游資源，將有利于武漢旅游產業的進一步發展。

圖6 全國地級市鐵路、動車、公路和航空便利度

4 結論

本文結合多時相多交通方式區域旅客流動數據、公路交通路徑推薦數據、航空和鐵路班次數據以及傳統社會經濟數據，在考察武漢市區域空間格局的過程中，統一考量了對城市人口吸引、旅游和文化影響、通勤和商旅影響、鐵公空交通便利程度和城市間潛在聯系強度等區域研究中的重要問題。通過針對性地改進交通可達性、城市引力聯系強度和城市人口腹地的計算方式，本文得以真正利用大數據維度多、密度高的特點，強化指標對相應問題和現象的描述深度和準確程度，挖掘出較為深入的時空現象；并能夠在統一的數據和方法框架下，從多個角度描繪研究對象或者研究對象之間的關系，最終得以對與武漢市區域空間格局有關的具體問題和現象展開分析。

不過，本文在問題考察的深度上還有許多繼續加強的角度和空間。一方面，通過補充貨運交通、航運交通等更多交通方式或交通類型的班次和流量信息，以及補充資金流、信息流等更豐富的非實體流動數據，可以更加準確、全面地描述城市之間的實際關系；另一方面，現有數據還可以深入挖掘，如班次信息中各類班次在一天或者一周之內的分布狀況與不同類型旅客選擇傾向之間也存在著密切的聯系。

總的來說，多維大數據時代的到來不僅意味著數據來源和分析角度上的擴充，也相應地要求分析思路上的深化綜合、分析方法上的針對性設計和分析結果上的可解讀性。有效地結合不同范圍和尺度上的時空數據，靈活利用和改善不同領域的技術方法，才能夠揭示傳統數據所看不到、看不清的現象問題，更好地服務于城市規劃實踐和決策支持。

（致謝：武漢大學城市設計學院碩士研究生吳家琪、孫胄、石沛沛、趙瑋偉、王雨山、黃啟雷、唐麗玄、詹萌、楊蘇舒等參與了本研究的部分數據收集與處理工作。）