中國主要城市群人口遷移傾向研究

肖周燕 李慧慧

摘 要：互聯網的發展以及大數據的開發和應用為研究城市間的人口遷移流動提供了可能。利用網絡用戶搜索信息行為數據，構造人口遷移傾向指標，在分析中國三大城市群城際人口遷移傾向概率和方向基礎上，利用馬爾科夫鏈對人口遷移傾向概率進行預測，以此對城市群未來城際人口遷移態勢作出判斷。研究發現，粵港澳大灣區和長三角城際人口遷入遷出傾向活躍，它們依然是目前乃至以后中國人口遷移活躍地區;京津冀城際人口遷移傾向活躍程度明顯低于長三角和粵港澳大灣區，北京與周邊城市雖然物理距離比較近，但遷移傾向關聯度不高。長三角城市群的上海、南京、舟山等地，粵港澳大灣區的珠海、香港、深圳、廣州、澳門、惠州和中山以及京津冀城市群的天津將是中國未來人口遷移的主要目的地。

關鍵詞：城市群;遷移傾向;預測

中圖分類號：C922 ?文獻標識碼：A ?文章編號：1000-4149（2021）04-0022-15

DOI：10.3969/j.issn.1000-4149.2021.00.027

Abstract：The development of the Internet and the application of big data have made it possible to study the population migration between cities. Based on the analysis of the probability and direction of the intercity population migration in the three major urban agglomerations of China， this paper constructs the index of the population migration propensity according to the information searching behavior data of network users and predicts the probability of population migration by using Markov chain， so as to judge the future intercity population migration trend in urban agglomerations. The results show that GuangdongHong KongMacao Greater Bay Area and Yangtze River Delta Urban Agglomerations are still the active areas of population migration in China at present and in the future. The active degree of population migration tendency of BeijingTianjinHebei Urban Agglomeration is lower than that in Yangtze River Delta Region and GuangdongHong KongMacao Greater Bay Area， Although the physical distance between Beijing and surrounding cities is relatively close， the correlation degree of migration tendency is not high. In the future， the cities of Shanghai， Nanjing and Zhoushan in Yangtze River Delta Urban Agglomerations， Zhuhai， Hong Kong， Shenzhen， Guangzhou， Macao， Huizhou and Zhongshan in the GuangdongHong KongMacao Greater Bay Area， and Tianjin in the BeijingTianjinHebei Urban Agglomeration will be the main destinations of China s population migration.

Keywords：urban agglomeration;migration propensity;predict

一、引言

當前中國城鎮化已進入中心城市帶動城市群，進而帶動區域經濟發展的新階段。城市群不僅是推行城鎮化的重要載體，同時也是流動人口集聚的重要平臺。流動人口不斷向大城市及城市群聚集，一方面彰顯了區域經濟發展的變遷，另一方面必將重塑中國社會經濟發展格局。為此，城市群的人口遷移研究對于中國宏觀經濟決策十分重要。傳統的人口遷移分析主要從人口普查或抽樣調查中獲取遷移人口數據，但上述數據在時效性、方向性和連續性方面往往存在缺陷，且利用傳統數據分析人口遷移多側重省際層面[1-2]，缺乏城際層面的探討，研究范圍的寬泛難以全面反映現實的人口遷移情況，對政策的指導意義有限。近年來，隨著互聯網平臺的快速發展，基于社交網絡大數據、人口實時遷移的位置數據，以及移動通訊總量數據使城際人口遷移研究成為可能。在國外，城際人口遷移研究日益豐富[3-5]。隨著互聯網的普及，地理信息、社交媒體以及來自信息和通信技術的數據是大數據的新興來源[6-7]，有助于開發和理解人口時空分布，通過挖掘大數據可以探討人口遷移模式[8]。在國內，利用大數據分析人口遷移的文獻也日益增多。劉望保等利用百度遷徙數據，從人流集散層級、人流集散網絡體系的分層集聚、人口日常流動空間格局及其與“胡煥庸線”之間的關系等角度，探討城際人口日常流動相關特征與空間格局[9]。蔣小榮等同樣基于百度遷徙大數據，運用復雜網絡分析方法，構建中國城際間人口日常流動網絡模型，測度并分析其復雜性網絡特征[10]。王萌等利用社會網絡分析法，結合網絡用戶搜索行為數據，探究了珠三角城市群城市間人口流動傾向路徑和空間差異[11]。趙落濤等將中國流動人口動態監測數據和春運百度遷徙數據結合，對泛長三角人口遷移的復雜網絡進行了研究[12]。賴建波等利用“騰訊遷徙”大數據，探究春節前、春節中和春節后城市間人口流動特征與空間格局[13]。人口遷移相關的大數據日益豐富，為精細和準確掌握人口遷移信息提供了支持，也使城際間人口遷移研究成為現實。但需要指出的是，利用位置數據雖然綜合了統計數據和問卷訪談數據的優勢，能夠模擬人口遷移，但所得到的數據包含了旅游、走親訪友等短時的人口遷移，這種短時的人口遷移明顯不同于人口學中伴隨著戶籍遷移的單向的人口遷移概念，加入短時的城際遷移研究雖然具有一定的參考價值，但是對于流入地和流出地如何有針對性地進行社會經濟管理，其政策指導作用還有待進一步考察。此外，從研究內容上來看，基于大數據的人口遷移研究大多立足于城市群人口遷移或城市的網絡結構上[14-16]，而對于人口遷移方向以及未來發展趨勢探討不多[17]。那么，排除旅游、走親訪友等短時的人口遷移，城際間人口遷移狀況究竟如何，未來城市群人口遷移流動情況怎樣，這些問題是促進城市群高質量發展，提升城市社會經濟發展水平需要重視的問題。

隨著互聯網的迅猛發展，搜索引擎成為人們獲取信息的主要來源，對人們的大量網絡行為進行統計分析可以很好地了解到人們在各方面的訴求[18-19]，如當人們在發生實際遷移行為之前，會在網絡平臺上查詢目標城市的相關信息，對遷移的風險和成本作出一定的評估，所以，信息搜索行為可以反映出人們在心理上的遷移傾向，而這種心理空間上的遷移傾向與現實空間上的遷移活動總是相互影響和相互作用的，心理上的遷移傾向往往對未來的遷移流動具有指導作用，且這種指導作用會隨著遷移傾向的加強而提升。為此，利用較長時間內城市間的信息搜索行為產生的網絡大數據，可以推算出經濟新常態背景下城市間的遷移傾向，這一方面通過擴大樣本的數量和時間跨度排除了短時人口遷移對研究結果的影響，另一方面可以進行城際間人口遷移傾向的探討，基于大體量的數據展開人口遷移傾向概率的預測研究。

本研究的創新性主要體現在以下幾個方面：首先，基于網絡大數據更側重城際間人口遷移方向的分析，彌補由于省際數據范圍較大無法全面細致地反映人口遷移格局的不足。其次，彌補現有文獻對人口遷移流向分析的不足，豐富人口遷移的空間格局研究。此外，嘗試進行人口遷移的預測分析，為把握未來人口遷移流動格局，推動城市群發展等方面提供政策建議。

二、數據來源與研究方法

1. 數據來源

本文的研究數據主要來自于網絡用戶主動搜索行為的百度指數趨勢數據 http：//index.baidu.com。百度指數中的搜索指數是以關鍵詞為統計對象，計算各個關鍵詞在網頁搜索中搜索頻次的加權和，該數據反映了網絡用戶對于特定領域的關注度[14，18-19]。由于每一個用戶在百度的檢索行為都是主動意愿的展示，因此每一次與遷移行為相關的檢索行為都可能成為該用戶遷移意愿的表達。中國互聯網信息中心發布的《2019年中國網民搜索引擎使用情況研究報告》數據顯示，截至2019年6月，我國搜索引擎用戶規模達6.95億，搜索引擎使用率高達81.3%，而百度搜索在搜索引擎用戶中的滲透率為90.9% http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/index.htm。可以看出，人們在網絡搜索過程中產生的數據，可以反映出其心理訴求[20]。所以，利用反映網絡用戶主動搜索行為的百度指數大數據分析人口遷移傾向具有科學性和可信性。

基于研究目的和要求，在收集搜索行為數據時將時間段分別設置為2018年的1月1日至12月31日和2019年的1月1日至12月31日，搜索地區分別設置為我國319個地級市i，根據人口流動導向的一般信息需求和“最小努力法則”[11]，考慮到數據可得性和科學性，分別以“城市j招聘”、“城市j地圖”和“城市j租房”為關鍵詞，獲取2018年和2019年我國319個地區分別對關鍵詞“城市j招聘”、“城市j地圖”和“城市j租房”的搜索指數整體日均值，形成兩個時間段的6個319×319矩陣。利用獲取的搜索指數矩陣，構造人口遷移傾向指標，分析主要城市群人口遷移傾向，并對未來城市群人口遷移傾向概率進行預測，以此間接判斷在城市群范圍內城際間人口遷移的現狀與未來。

2. 人口遷移傾向模型

人口遷移傾向是指具有一定遷移動機的人口向目標城市流動的可能性。由于人口遷移傾向與現實人口遷移活動相互關聯，了解遷移傾向在一定程度上可以判斷和預測遷移行為。根據人口遷移導向的一般信息需求，潛在遷移者會更關注目標城市的就業機會、房屋市場動向和目標城市空間范圍及基礎設施的具體方位。為此，城市i對城市j的遷移傾向主要可以從就業機會、房屋市場與目標城市的方位三方面進行探討。建立城市i對城市j的遷移傾向度模型如下：Propensityij=3Jobij×Mapij×Houseij ?（i≠j）（1） ?其中，Propensityij表示城市i對城市j的人口遷移傾向度;Jobij表示城市i對關鍵詞“城市j招聘”的搜索指數，表明搜索者對目標城市就業機會的關注，即就業傾向;Mapij代表城市i對關鍵詞“城市j地圖”的搜索指數，表示搜索者對目標城市的現實空間范圍、公共設施等的具體方位的掌握傾向，即方位傾向。Houseij表示城市i對關鍵詞“城市j租房”的搜索指數，表示搜索者對目標城市的住房市場的了解傾向，即定居傾向。為探討城際人口遷移傾向的方向，用城市i和城市j兩兩城市遷移傾向度的差值來衡量，將該差值稱為凈遷移傾向度（Mij）。若Mij>0，表示城市i對城市j的遷移傾向大于城市j對城市i的遷移傾向。即對城市i和城市j而言，城市j是城市i的潛在人口遷入地，數值越大說明城市i對城市j遷入傾向越強。反之亦然。Mij=Propensityij-Propensityji（2） ?其中，Mij代表城市i與城市j之間的凈遷移傾向度，且Mij=-Mji。

3.人口遷移傾向概率

人口遷移傾向概率是指在一定時期人口在地理空間上遷移傾向變動的可能性，用一定時期某城市人口遷入或遷出傾向度與該時期所有城市遷入或遷出傾向度加總之比來表示。人口遷入傾向概率用一定時期人口遷入傾向度與該時期所有城市遷入傾向度加總之比來表示。人口遷出傾向概率用一定時期人口遷出傾向度與該時期所有城市遷出傾向度加總之比來表示。凈遷移傾向概率為人口遷入傾向概率與遷出傾向概率的差值。具體計算步驟如下。

三、分析結果

1. 人口遷移規模與遷移傾向的關聯

一般來說，潛在的遷移人口會對目的地的方位、就業機會和房屋市場信息等進行查詢。利用百度指數計算的遷移傾向度與人口遷移規模存在一定相關關系，結合2015年全國1%人口抽樣調查中遷移流動數據進行驗證。相關分析結果如圖1所示，城市群遷移人口規模與遷移傾向相關系數在0.9以上，且通過顯著性檢驗，說明利用在網絡中異地之間的查詢功能方法來測算人口遷移傾向度在一定程度上可以表征城際間的人口遷移。

2.三大城市群遷移傾向概率比較

利用與遷移相關的百度搜索指數，從全國層面計算出城際人口遷移傾向矩陣。在全國人口遷移流動背景下，利用公式（1），計算三大城市群城際人口遷移傾向度。基于2019年各城市凈遷移傾向概率，判斷城市遷入或遷出傾向屬性，結果如表2和圖1所示。

圖1結果顯示，長三角、粵港澳大灣區和京津冀三大城市群各個城市的潛在遷移傾向存在較大差距。根據凈遷移傾向概率大小，將內部城市劃分為具有遷入傾向、遷出傾向和遷入遷出傾向相對平衡三類。長三角城市群總共26個城市，如圖1所示，潛在遷入城市主要包括上海、南京、舟山和杭州;遷入遷出傾向相對平衡城市為馬鞍山、銅陵、無錫、蕪湖、池州、常州、揚州、嘉興、安慶、湖州和南通;潛在遷出傾向城市主要包括紹興、滁州、宣城、寧波、鎮江、泰州、鹽城、臺州、金華、蘇州和合肥。雖然長三角城市群潛在遷出傾向城市的數量大于遷入傾向的城市數量，但是上海和南京對人口的巨大吸引力使得長三角城市群依然具有較強吸引力。

對于粵港澳大灣區城市群的11個城市，根據凈遷移傾向概率，具有遷入傾向城市主要包括香港、珠海、澳門、深圳、惠州和廣州;遷入遷出傾向相對平衡城市為肇慶和中山;遷出傾向城市主要包括江門、東莞和佛山。由于經濟發展迅速、城市的包容性以及有力的人才吸引政策，香港、澳門和深圳一直以來是粵港澳大灣區具有較強遷入傾向的城市。廣州作為老牌一線省會城市，同北京和上海一樣，存在控制人口規模壓力，同時粵港澳大灣區其他城市發展對廣州具有人口分流作用，所以廣州市的凈遷移概率處于較低的水平。東莞作為制造業基地，在產業轉型期間遇到瓶頸，經濟增長速度明顯放緩，成為人口的潛在遷出地，流動人口增速減緩。

比較而言，京津冀城市群具有潛在遷入傾向的城市并不多。對于京津冀城市群13個城市，具有遷入傾向城市分別為天津、秦皇島和衡水;遷入遷出傾向相對平衡城市包括張家口、承德和滄州;邢臺、廊坊、石家莊、邯鄲、保定、北京和唐山為主要遷出傾向城市。由于外遷非首都核心功能以及京津冀協同發展的提出，北京近年來一直在進行產業疏解和人口調控，這給予了北京周邊城市更多的發展機會，不僅使這些城市成為具有一定吸引力的遷入傾向城市，如天津、秦皇島和衡水，而且這些城市發展對北京具有一定的分流作用，北京成為具有遷出傾向城市，流動人口增速將有所放緩。北京從2010年流動人口增速為14.735%到2018年流動人口增速為-3.739%。

3.三大城市群遷移傾向路徑比較

通過計算兩兩城市間凈遷移傾向度絕對值，可以判斷城市群遷移傾向的大致方向，結果如表3所示。從表3可以看出，比較而言，長三角城市群和粵港澳大灣區均有其他城市向其流入的傾向，而京津冀城市群遷移流動的前10條路徑只是向外部流出和內部流動，說明長三角和粵港澳大灣區城市群潛在吸引力高于京津冀城市群。其中，粵港澳大灣區人口向外部流出的凈遷移傾向度小于外部城市流入粵港澳大灣區城市群的凈遷移傾向度，而長三角城市群人口向外部流出的凈遷移傾向度大于外部城市流入長三角城市群的凈遷移傾向度。所以，整體而言，粵港澳大灣區是最具潛在吸引力的城市群，而這與其在中國社會發展過程中的經濟地位密不可分。

具體來看，在前十位的傾向遷移流中，長三角城市群有5條屬于城市群內部遷移路徑，5條屬于長三角城市群與外部的城市之間的遷移。其中，盡管從上海遷至香港的凈遷移傾向度高達58，但是依然存在3條路徑的潛在目的地為上海，說明盡管存在特大城市的人口調控和產業升級轉移政策，但作為中國經濟發展中心，上海的吸引力依然不容忽視，是長三角內部城市和不少省會城市的潛在首選遷入地，其未來的人口凈流入量有望持續上漲。同時，長三角城市群前十位的凈遷移流中，合肥作為遷出城市的路徑將近50%，而2017年合肥綜合性國家科學中心獲國家批復，與上海一同成為國家級科創中心城市，這給合肥帶來了很多的機遇，其對人口的潛在吸引力不言而喻，因而，合肥呈現出凈遷出傾向型城市可能是因為其內部人口外遷傾向較大。整體而言，雖然長三角城市群潛在遷出傾向城市的數量大于遷入傾向的城市數量，但是上海和南京對人口的巨大吸引使得長三角城市群依然具有較強吸引力。粵港澳大灣區城市群有6條屬于內部遷移路徑，城市群內部和外部凈遷移傾向平分秋色，遷移流動傾向最為活躍。無論是內部流動和外部遷入，考慮人口遷出傾向之后，珠海、香港和澳門成為主要遷入潛在目標城市。而廣州作為省會城市和粵港澳大灣區的中心城市之一，其與珠海、香港和澳門相比，對人口的潛在吸引力較弱，這主要是一方面由于廣州存在控制人口規模的壓力，另一方面由于香港、澳門和珠海的快速發展對廣州的分流作用。京津冀城市群有6條屬于內部遷移路徑，但基本都是河北省內部的人口遷移流動，且均為從唐山流向其他城市，說明相對于河北省的秦皇島、張家口、廊坊、滄州和衡水等地，唐山對人口的潛在吸引力呈現出明顯的劣勢，這與其經濟發展過程中過于依賴第二產業，缺乏經濟活力以及就業形勢嚴峻不無關系。而對于京津冀城市群與外部的人口遷移流動路徑，潛在遷出城市均為北京，充分說明北京人口遷出傾向不容忽視，同時，還說明盡管北京與周邊城市物理距離比較近，但遷移傾向關聯度并不高。

每個城市既是遷入地也是遷出地。從表4至表6可以看出長三角、粵港澳大灣區和京津冀城市群各城市排名前三的遷出傾向的目標城市和遷入傾向的來源城市。從遷移傾向度上來看，長三角城市群以上海、杭州、蘇州和南京人口遷入和遷出傾向較為活躍，合肥、寧波、嘉興等緊隨其后。具體來看，對于長三角城市群內部城市之間的人口流動傾向而言，上海的人口流向杭州、蘇州、南京和合肥的傾向遠大于流向其他城市的傾向，同時，未來上海的流動人口主要來源于杭州、蘇州、南京、合肥和寧波。從長三角城市群與外部城市的人口遷移傾向來看，從北京遷至上海、杭州、蘇州和南京等地的傾向占據了外部城市與長三角城市群的遷移傾向的主要地位。粵港澳大灣區城市群以廣州和深圳為代表，其次為東莞和佛山，人口遷出和遷入傾向比較活躍。值得注意的是，遷移傾向十分活躍的遷移路徑除北京流向深圳外，均為粵港澳大灣區的內部城市之間的遷移。同時，粵港澳大灣區的人口遷移流動主要是圍繞廣州、深圳、珠海、香港和澳門展開的，例如佛山的人口向外遷出的潛在城市主要為廣州、珠海和深圳。比較而言，京津冀城市群除北京和天津以外，人口遷入和遷出傾向活躍的城市并不多，與城市群外部的遷移流動傾向比較弱，且集中在經濟發達城市。同時，對于京津冀城市群其他城市，無論是其遷移潛在目標城市還是潛在來源城市，北京都處于第一位，但高遷入北京和高遷出北京的兩條路徑最終弱化了其他各城市與北京之間的凈遷移傾向度。

4. 主要城市群遷移傾向預測比較

通過馬爾科夫鏈分別推算出2020—2030年長三角、京津冀和粵港澳大灣區各城市的凈遷移傾向概率，結果如圖2所示。比較而言，受特大城市人口規模調控政策和以城市群為重要空間載體促進中國高質量發展的戰略思路的影響，未來北京依然屬于具有凈遷出傾向城市，流動人口增速將明顯放緩，同時粵港澳大灣區的珠海、香港和深圳等地將是未來遷移人口主要目的地，未來流動人口將快速增長。

具體來看，2020年以后的長三角城市群，上海依然是遷入傾向性強的城市，但遷入傾向隨著時間的推移有所放緩，人口增長的步伐將逐漸減小;2019年杭州是具有弱遷入傾向城市，但2020年以后杭州轉變為人口遷出型城市，這與上海對人口的巨大吸引力不無關系，同時，杭州以電商為代表的產業在未來的發展勢頭依然強勁，這對人口具有一定的吸引力，兩股力量相互作用使得杭州市的人口凈遷移概率的變化幅度逐漸減小，穩定在-0.005左右。近年來舟山新區的建設以及良好的環境質量，在人口爭奪戰中給舟山增加了吸引人口的砝碼，未來舟山呈現明顯的人口遷入傾向。在長三角城市群中，盡管上海的遷入傾向概率遠高于其他城市的人口遷移概率，但是，上海的人口遷入傾向概率已經開始下降，這一方面是上海產業轉移和人口調控的結果，另一方面說明長三角一體化上升為國家戰略以后，長三角其他城市獲得了更多的發展空間。以南京和舟山為代表的城市，未來人口遷入傾向明顯，將成為繼上海以后，長三角城市群下一批充滿機遇的城市，流動人口規模將增長。長三角城市群未來依然是中國經濟版圖中當之無愧的“硬核”力量，將是人口遷入的主要潛在目的地。

根據粵港澳大灣區人口凈遷移傾向概率預測結果，2020—2030年珠海、香港、深圳、廣州、澳門、惠州和中山人口遷入傾向明顯，但遷入傾向隨著時間放緩，逐漸穩定在一個固定值，這些城市的人口遷入傾向明顯高于遷出傾向，珠海成為未來粵港澳大灣區城市群中最具吸引力城市，其次是香港和深圳，這些城市作為移民城市和多元文化環境將吸引大量潛在流動人口，未來流動人口增速不可小覷。此外，由于深圳和東莞等地工業趨于飽和，惠州因其得天獨厚的地理位置以及本身良好的資源條件，也將是粵港澳大灣區城市群潛在流動人口的主要增長點。珠海、中山和江門將共同打造珠江口西岸都市圈，數據顯示不僅將分流珠海的人口，同時給中山和江門更多發展機會，中山成為人口遷入傾向城市，將是未來粵港澳潛在人口主要遷入地，而江門雖然是人口遷出傾向城市，但是其遷出概率在逐漸下降，有望擺脫人口遷出傾向。肇慶和東莞則遷入傾向和遷出傾向保持平衡，未來人口增速不會發生大的變化。需要指出的是，具有遷入傾向城市未來遷移人口將會不斷攀升，在醫療、教育、社會保障等公共服務方面將面臨壓力需要加以重視。

對于京津冀城市群而言，作為首都的北京有著調控人口和疏解產業的壓力，導致北京的遷入傾向明顯減弱，遷入傾向概率小于遷出傾向概率，因此，北京未來流動人口增速不會提高，流動人口規模將有所控制。而正是由于北京市的人口調控政策的實施，落戶難的問題使得人們遷往京津冀的意愿下降，京津冀大部分城市為凈遷出傾向型城市，在這種情況下，天津成為京津冀城市群唯一一個凈遷入傾向型城市，其未來流動人口的增速有望提升。實際上，北京由于其獨特優勢，京外人口遷入北京的傾向依然高于全國其他城市，但是，由于調控政策的實行，北京的遷出傾向概率大于遷入傾向概率，掩蓋了北京高水平的遷入傾向概率。如圖2所示，未來十年間滄州、邢臺、廊坊、邯鄲、保定、石家莊和唐山的人口遷出傾向明顯高于遷入傾向，這些城市的未來流動人口規模將有所減少。秦皇島、張家口、衡水和承德人口遷入和遷出傾向保持平衡，未來流動人口增速不會發生大的變化。未來京津冀城市群對流動人口的吸納能力將依然小于長三角和粵港澳大灣區城市群。

四、結論與討論

互聯網的發展以及大數據的開發為研究城市之間的人口遷移流動提供了可能。在網絡用戶搜索信息行為數據的基礎上，構造人口遷移傾向指標，在分析中國三大城市群城市間遷移傾向概率和方向基礎上，利用馬爾科夫鏈對人口遷移傾向概率進行預測，以此間接判斷城市群城市間的未來的人口遷移流動，得出以下主要結論。

首先，從目前來看，雖然長三角、粵港澳大灣區和京津冀城市群是主要的遷入傾向地，但是城市之間遷移流動傾向差異較大。由于特大城市人口規模調控和產業轉移升級，以及長三角一體化、粵港澳大灣區發展和京津冀協同發展的提出，北京成為具有凈遷出傾向的城市，上海的遷入傾向下降，廣州的人口遷入傾向增幅變緩，同時周邊城市獲得了一定的發展機會，部分城市人口遷入傾向有所提高，城市群一體化或協同發展效果顯現。

其次，粵港澳大灣區和長三角城市群人口遷入遷出傾向活躍，是目前乃至以后人口遷移活躍地區;京津冀城市群流動傾向主要來自其他城市與北京之間的流動，城市群內遷移流動傾向活躍程度明顯低于長三角和粵港澳大灣區城市群，表明北京存在與周邊城市雖然物理距離比較近，但遷移傾向關聯度并不高的問題。

最后，在推進京津冀協同發展、長三角一體化發展和粵港澳大灣區建設中，城市群將是遷移人口主要集中地。未來中國遷移人口將主要集中流向長三角城市群的上海、南京、舟山等地，粵港澳大灣區的珠海、香港、深圳、廣州、澳門、惠州和中山以及京津冀城市群的天津。

利用互聯網大數據，分析城市群之間的人口遷移傾向，揭示了中國城際人口遷移流動的可能性，有利于把握城市的流動人口規模和趨勢，為城市群的高質量發展提供政策建議。需要指出的是，互聯網大數據的普及為本文實現城市之間的人口遷移流動模擬提供了契機。然而，以上分析是建立在網絡用戶的比例與信息發布偏好一致的假設基礎上，這一假設將帶來多大的偏差是后續需要進一步探討的。但是，相對于現有的傳統人口學研究成果，本文在研究范圍上突破了省際層面，對城市間人口遷移路徑方面的研究進行嘗試，且通過對百度指數大數據的模擬推算出城市間的遷移傾向概率及其未來的發展趨勢，這均是傳統人口學研究成果鮮有涉及的。

參考文獻：

[1]董上，蒲英霞，馬勁松，王結臣，陳剛，王亞平.中國省際人口遷移的復雜網絡研究[J].南方人口，2014（2）：54-61.

[2]劉晏伶，馮健.中國人口遷移特征及其影響因素——基于第六次人口普查數據的分析[J].人文地理，2014（2）：129-137.

[3]PENG Z， BAI G， WU H， et al. Travel mode recognition of urban residents using mobile phone data and MapAPI[J]. Environment and Planning B： Urban Analytics and City Science， 2021，48（12）：1-16.

[4]PETZOLD K. Migration， commuting， or a second home？ insights from an experiment among academics[J]. European Journal of Population， 2020，36（1）：277-315.

[5]LUO F， CAO G， MULLIGAN K， et al. Explore spatiotemporal and demographic characteristics of human mobility via twitter： a case study of Chicago[J]. Applied Geography， 2020，70（3）：11-25.

[6]CHOW T E， SCHUERMANN R T， NGU A H， et al. Spatial mining of migration patterns from web demographics[J]. International Journal of Geographical Information Science，2018，32（10）：1977-1998.

[7]方濱興，賈焰，李愛平，殷麗華.網絡空間大搜索研究范疇與發展趨勢[J].通信學報，2015（12）：1-8.

[8]PAN J， LAI J. Spatial pattern of population mobility among cities in China： case study of the National Day plus MidAutumn Festival based on tencent migration data[J]. Cities， 2019， 94（11）：55-69.

[9]劉望保，石恩名. 基于ICT的中國城市間人口日常流動空間格局——以百度遷徙為例[J].地理學報，2016（10）：1667-1679.

[10]蔣小榮，汪勝蘭. 中國地級以上城市人口流動網絡研究——基于百度遷徙大數據的分析[J].中國人口科學，2017（2）：35-46，127.

[11]王萌， 匡耀求， 黃寧生. 珠江三角洲城際間人口流動傾向空間特征——基于網絡關注度數據的時空演化[J].熱帶地理，2017（1）：33-42.

[12]趙落濤，曹衛東，魏冶，等. 泛長三角人口流動網絡及其特征研究[J].長江流域資源與環境，2018（4）：705-714.

[13]賴建波，潘竟虎. 基于騰訊遷徙數據的中國“春運”城市間人口流動空間格局[J]. 人文地理，2019（3）：108-117.

[14]蔣大亮，孫燁，任航，陳影影，張振克.基于百度指數的長江中游城市群城市網絡特征研究[J].長江流域資源與環境，2015（10）：1654-1664.

[15]潘竟虎，賴建波.中國城市間人口流動空間格局的網絡分析——以國慶—中秋長假和騰訊遷徙數據為例[J].地理研究，2019（7）：1678-1693.

[16]李濤，王姣娥，黃潔.基于騰訊遷徙數據的中國城市群國慶長假城際出行模式與網絡特征[J].地球信息科學學報，2020（6）：1240-1253.

[17]陳雙，周銳，高峻.基于騰訊遷徙大數據的長三角城市群春運人口流動時空特征[J].人文地理，2020（4）：130-138.

[18]俞慶進，張兵.投資者有限關注與股票收益——以百度指數作為關注度的一項實證研究[J].金融研究，2012（8）：152-165.

[19]徐映梅，高一銘.基于互聯網大數據的CPI輿情指數構建與應用——以百度指數為例[J].數量經濟技術經濟研究，2017（1）：94-112.

[20]顧雯娟，歐向軍，葉磊，楊寶寶.基于要素流的長三角城市群空間布局[J].熱帶地理，2015（6）：833-841.

[21]蔡建明，王國霞，楊振山.我國人口遷移趨勢及空間格局演變[J].人口研究，2007（5）：9-19.

[22]龍曉君，鄭健松，李小建，朱紀廣，劉嚴松，陳慕華.“全面二孩”背景下我國省際人口分布時空演變[J].經濟地理，2018（1）：28-35.

[23]徐建華.現代地理學中的數學方法[M].北京：高等教育出版社，2002：93-98.

[責任編輯 方 志 ]