基于鐵路客運視角的長三角區域網絡結構研究

陳萬隆，馮友建

基于鐵路客運視角的長三角區域網絡結構研究

陳萬隆，馮友建*

（浙江大學 地球科學學院，浙江 杭州 310058）

區域網絡結構研究是區域一體化發展規劃的重要依據。基于鐵路客運視角開展研究是區域網絡結構研究的重要途徑之一。本文結合社會網絡分析方法和ArcGIS空間分析方法，依據2015—2019年長三角區域城際鐵路客運班次數據，從網絡密度、網絡中心度、核心-邊緣結構和凝聚子群4個方面對長三角區域城市網絡結構特征及其演變趨勢進行研究。結果表明：（1）長三角區域城市間鐵路流數量呈不斷增長趨勢，鐵路客運聯系的空間分布不平衡，主軸與次軸相互交織共同構成整體網絡；（2）城市網絡密度顯著上升，網絡結構復雜，但處于弱連接狀態，江浙滬省際聯系緊密，安徽省有待進一步融入長三角區域一體化；（3）度數中心度兩極分化顯著、高低值區地域集聚特征明顯、核心城市控制力強勢；（4）由上海市、南京市、蘇州市、無錫市、常州市等組成的寧滬主軸沿線城市群在長三角區域內關系最為緊密、一體化程度最高；（5）凝聚子群分布形態的組織性逐步增強，以區域內的中心城市為樞紐，形成了具有地理鄰近性的鐵路客運聯系網絡；（6）長三角區域總體網絡結構特征為空間分布不平衡、城市首位度突出、形成各級凝聚子群，總體演變趨勢為網絡聯系趨于緊密、網絡結構趨于復雜、分布形態趨于優化。

長三角；鐵路客運聯系；網絡結構；社會網絡分析； ArcGIS空間分析

0　引言

區域經濟的飛速發展使得城市體系的經濟聯系更為活躍，呈網絡化聯系特征，并以前所未有的方式、結構、速度和規模發展［1］。區域網絡是以區域內城市為載體通過經濟活動中的要素流通或擴散途徑，形成區域內節點—軸帶—域面緊密聯系與協作的有機系統［2］。區域網絡的構建與完善有利于提升要素流通的廣度與密度，實現資源優化配置、區域“密度-網絡經濟”效應最大化［3］。研究區域網絡結構有助于認識區域網絡化發展進程，揭示城市節點在區域中的地位，分析整體網絡的分布格局及集群特征，對城市體系規劃以及鐵路網絡規劃和建設具有重要的指導意義，有助于推進長三角區域一體化發展、推動形成地區協調發展新格局。

著名社會學家CASTELLS［4］將人們所接觸的世界解構為流空間（space of flows）與場所空間（space of places），通過流空間與場所空間的相互作用，將信息技術與城市的空間結構有效整合。隨著流空間理論的拓展，流空間逐漸成為大數據時代人文地理學研究的重要內容之一。在國外，GAWC等［5］基于航空旅客量，分析了全球范圍內城市網絡組織特征；SMITH等［6］基于客流聯系，研究了世界城市體系格局；ALDERSON等［7］基于全球500強跨國企業建立的母子聯系，分析了全球城市網絡體系；MAGGIONI等［8］基于SCI期刊不同城市間專利合作情況，分析了基于科學知識生產體系的世界城市網絡結構。在國內，焦敬娟等［9］和朱惠斌［10］基于交通視角對高鐵網絡影響、航空客流下城市功能網絡及其層級進行了定量研究；武前波等［11］基于電子信息企業生產網絡視角，探索了我國城市網絡的空間特征；魏冶等［12］基于百度遷徙大數據，在春運人口流動視角下分析了轉型期中國城市網絡結構的現狀特征；王玨等［13］采用社會網絡分析方法通過引力模型對長三角地區人口遷移狀況、成因及其演化模式進行了綜合探討；冷炳榮等［14］結合統計物理中的復雜網絡分析工具，分析了我國城市經濟網絡結構空間特征及其復雜性；徐宜青等［15］基于合作專利數據，研究了長三角城市群協同創新網絡格局的發展和演變；熊麗芳等［16］借助百度指數分析了長三角城市網絡的時空演變。現有國內外城市網絡研究視角呈多元化特征，逐步由傳統的經濟、人口網絡轉向交通、產業、信息網絡。研究方法在傳統的引力模型等數理統計的基礎上引入圖論、社會網絡分析方法等。眾多學者嘗試通過鐵路客流數據對城市網絡結構進行研究［17-31］，但以城際鐵路客運運營頻次為數據源的研究較少，且以往研究多停留在靜態層面，未能從時間尺度上連續、動態地反映區域城市網絡的結構特征及其演變趨勢。鐵路客運班次數據具有真實可查、綜合性強的特點，同時兼顧階段穩定性和整體動態性等特點［31］，能真實客觀地反映城市間的聯系，本文探究了這一數據在區域網絡空間結構研究中的應用。

依據中共中央、國務院于2019年12月1日印發的《長江三角洲區域一體化發展規劃綱要》，長三角地區包括上海市，江蘇省南京市、無錫市、常州市、蘇州市、南通市、揚州市、鎮江市、鹽城市、泰州市，浙江省杭州市、寧波市、溫州市、湖州市、嘉興市、紹興市、金華市、舟山市、臺州市，安徽省合肥市、蕪湖市、馬鞍山市、銅陵市、安慶市、滁州市、池州市、宣城市27個城市，面積為22.5萬km2。長三角地處我國東部沿海，經濟實力較強，經濟總量約占全國的1/4，成為全國經濟發展的重要引擎。截至2019年年底，長三角區域內鐵路營運里程超11 500 km，其中高鐵營運里程5 095 km，保持全國前列。因此，以長三角區域27個地級及以上核心城市為基本研究單元，深入研究其區域網絡結構，掌握其區域城市空間結構特征及演變趨勢，具有典型的示范意義。

1　數據來源與研究方法

1.1　數據來源

以2015—2019年長三角區域27個城市間鐵路客運運營頻次為數據源，分別從2015—2019年各個版本的盛名時刻表軟件查詢提取得到，提取原則是：若兩城市間無須中轉，經停的列車班次數量即為兩城市間的鐵路交通聯系強度；若兩城市間需要中轉或無直接中轉車站，則兩城市間的聯系強度賦值為0。由此構建27個城市間的鐵路客運運營頻次矩陣，列車班次的主要類型包括高鐵（G字頭）、動車（D字頭）及城際高速（C字頭）。

1.2　研究方法

社會網絡分析方法是一種從“關系”的角度刻畫網絡整體的形態、特性和結構的重要分析方法。近年來，該方法被逐步引入地理學研究，并在旅游網絡、人口遷移網絡、經濟網絡、產業創新及產業生態化網絡、企業網絡等方面得到廣泛應用［32］。ArcGIS空間分析方法是基于地理對象的位置和形態等空間數據的分析技術。本研究結合社會網絡分析方法和ArcGIS空間分析方法，從網絡密度、網絡中心度、核心-邊緣結構和凝聚子群4個方面對長三角區域城市網絡結構特征及其演變趨勢進行定量分析。

（1）網絡密度。網絡密度反映了網絡中城市節點間的聯系程度，網絡密度越大，城市間鐵路客運聯系越緊密。網絡密度的計算公式為

其中，為網絡密度，為城市節點數，X為城市與城市間的鐵路客運運營頻次。

（2）網絡中心度。網絡中心度可衡量城市在網絡中所處的地位與角色，包括度數中心度、中間中心度和接近中心度等。由于接近中心度與度數中心度相關性較強，通常很少被使用。所以本文選取度數中心度和中間中心度進行分析。

度數中心度是度量城市處于網絡中心位置的程度，度數中心度越高，城市結點越靠近網絡中心位置。考慮交通流具有方向性，可將度數中心度分為點出度和點入度，分別表征城市的對外輻射能力和集聚能力。度數中心度的計算公式為

其中，CD（）為城市的度數中心度。

中間中心度表示兩個非鄰接城市間的客運聯系對其他城市的依賴程度，反映某城市對其他城市間客運聯系的控制程度。中間中心度的計算公式為

其中，CB（）為城市的中間中心度，g為城市與城市間的最短路徑數，g（）表示城市與城市間經過城市的最短路徑數。

（3）核心-邊緣結構。核心-邊緣結構在拓撲意義上是一種中心緊密連接、外圍逐漸稀疏的特質空間結構，將區域內城市劃分為核心、邊緣結構區，用于尋找核心、邊緣城市［19］。通過分析連續的核心-邊緣結構關聯模型，得到每個城市的核心度，核心度可直觀地反映城市在區域網絡中所處的位置。

（4）凝聚子群。凝聚子群是滿足節點之間具有“相對較強的、直接的、緊密的、經常的或者積極的關系”的子群。凝聚子群不具備城市聯盟的實際意義，僅說明團體內城市間的聯系比較緊密。凝聚子群分析探討怎樣由群體小結構組成網絡整體結構，從而揭示城市網絡結構中的小團體集聚現象。本文采用迭代相關收斂法（CONCOR）分析凝聚子群。

2　長三角區域鐵路客運聯系網絡狀況

2.1　總體趨勢

根據城際鐵路客運運營頻次矩陣，2015年長三角區域城際鐵路流數量為227條，2016年為367條，2017年為371條，2018年為372條，2019年為374條，總體呈增長趨勢，尤其是2016年南通、泰州、揚州、蕪湖、安慶、馬鞍山、池州等城市邁入長三角鐵路客運網絡之后，鐵路流數量大幅增加，之后保持緩慢增長。

2.2　空間分布

采用ArcGIS軟件中的XY To Line工具得到2015—2019年長三角區域鐵路客運聯系網絡（圖1）。由圖1可知，長三角區域鐵路客運聯系的空間分布不平衡，多條交通軸線相互交織共同構成整體網絡。上海作為中心城市，發揮龍頭帶動作用和輻射帶動作用，在區域內形成了上海-常州、上海-南京、上海-無錫、上海-蘇州等多條主要交通軸線。由蘇州-無錫-常州-南京構成的四邊形鐵路客運聯系較為緊密，蘇州-無錫、無錫-常州、常州-南京、南京-蘇州4條邊長均為區域內的主要交通軸線。除此以外，杭州-嘉興、杭州-金華以及上海-鎮江、上海-杭州、南京-杭州等次級交通軸線逐年發展，成為支持區域經濟發展的后起之秀。

圖1　長三角區域鐵路客運聯系網絡（單位：條）

3　結果分析

3.1　網絡密度分析

長三角區域城市網絡密度計算結果見表1。由表1可知，2015—2019年，城際鐵路客運聯系整體網絡密度由11.6上升至17.8，增長了53.4%，表明網絡空間結構中城市間的相互聯系逐漸增強。根據城市間是否存在客運聯系，對網絡密度進行二值化處理，二值化由0.32升至0.53，表明區域內仍然存在多個孤立城市，鐵路客運網絡聯系不緊密。由此可知，長三角區域城市網絡密度顯著上升，網絡結構復雜，處于弱連接狀態。分階段來看，2015—2016年，網絡密度增長十分迅速，尤其是二值化網絡密度增長率達62.5%。這是由于寧啟復線（南通-南京）和寧安高鐵（安慶-南京）開通運行，使得南通、泰州、揚州、蕪湖、安慶、馬鞍山、池州等城市邁入長三角區域高鐵網絡時代。2016—2019年，網絡密度呈緩慢增長趨勢，區域鐵路客運網絡得到進一步完善。另外，2015—2019年，蘇>浙>皖的省域內部聯系格局十分穩固，江蘇省和浙江省由于經濟發達、高鐵發展起步早，其網絡密度遠高于安徽省，高鐵客運聯系網絡更加緊密。但安徽省的網絡密度增長最顯著，由0.7增至9.6，相比之下江蘇省和浙江省的網絡密度增長較為緩慢。由滬蘇>滬浙>蘇浙>蘇皖>浙皖>滬皖可知，省際外部聯系格局保持穩定，區域間聯系很不均衡，大量的鐵路客運聯系出現在滬蘇、滬浙、蘇浙之間，蘇皖、浙皖、滬皖間的聯系也得到顯著提升。上海市作為長三角區域的核心城市，對區域內其他城市的輻射作用增強；上海市、江蘇省、浙江省作為長三角最初成員，鐵路客運聯系愈發緊密，區域一體化發展進程迅速，而安徽省由于地理位置、經濟發展水平等因素，呈現明顯的梯度性，需先與江蘇省、浙江省全面對接，再逐步接受上海市的輻射，最終完全融入長三角一體化進程。

表1　長三角區域城市網絡密度

3.2　網絡中心度分析

（1）度數中心度。長三角區域城市度數中心度計算結果如表2所示。2015—2019年，上海、南京的點出度一直居區域前二，且遠高于區域內其他城市，處于鐵路客運聯系網絡核心位置，對外發揮極強的輻射帶動作用。蘇州、無錫、常州、杭州等城市位于長三角區域的重要位置，與上海的合作互動不斷加強，也發揮較強的輻射帶動作用。揚州、南通、泰州等城市的點出度一直位于區域后三位，處于網絡邊緣地帶，對外聯系需求較弱，輻射能力不足。鹽城、舟山、宣城的點出度為零，處于網絡孤立地帶。2015—2019年，各個城市的點出度和點入度均不斷上升，且排列位序基本一致，呈現明顯的兩極分化現象。比較點出度和點入度可知，蘇州、寧波、合肥等城市的點出度逐漸超越點入度，對外聯系需求增強，由極化效應向擴散效應轉變，而溫州、滁州等城市則相反，由擴散效應向極化效應轉變。

表2　2015—2019年長三角區域城市度數中心度

采用ArcGIS軟件中的反距離空間插值工具，得到長三角區域城市度數中心度的空間分布（圖2）。2015—2019年，滬寧線、滬杭線作為長三角區域的發展主軸，表現出較強的“廊道效應”特征，其沿線城市鐵路客運聯系發達，一直位于度數中心度的高值集聚區。而揚州、泰州、南通等長江以北城市和安徽省大部分城市始終位于度數中心度的低值集聚區，其鐵路客運發展較滯后。總的來說，長三角鐵路客運網絡呈“之”字型布局，空間分布不均衡現象顯著。由上海、南京、杭州構成的三角形在長三角區域聯系最為緊密，但位于三角形中心的湖州其度數中心度較低，與周圍其他城市的聯系有待加強。紹興、寧波、臺州、溫州處于三角形外緣，依靠城市經濟的快速發展和中心城市的輻射帶動作用，鐵路客運聯系漸趨緊密，度數中心度不斷提高。此外，合肥作為長三角的副中心城市，需進一步強化合肥都市圈與長三角區域內其他城市的客運鐵路聯系，打通東向出海新通道。

圖2　長三角區域城市度數中心度空間分布

（2）中間中心度。長三角區域城市中間中心度計算結果如表3所示。2015年，合肥的中間中心度位居第一，遠高于區域內其他城市，表明其處于合肥都市圈鐵路客運網絡的中心地位，對區域聯系網絡的控制力較強。隨著2016年寧啟復線和寧安高鐵的開通運行，南京的中間中心度超越合肥，位居第一，與合肥形成區域內“雙中心”結構，是多條線路通達服務的“中介”與“橋接”；上海、杭州、嘉興、金華、溫州等城市在一定程度上對城市間交往的支配作用及對整體網絡的控制力較強；其他城市的中介能力較弱，主要接受以上城市的輻射影響及高鐵流的波及等。

表3　2015—2019年長三角區域城市中間中心度

3.3　核心-邊緣結構分析

通過分析核心-邊緣結構連續關聯模型可得，2015—2019年，長三角區域核心城市無明顯變化，其中上海、南京、蘇州、無錫、常州一直為核心城市，鎮江在2016—2017年曾為核心城市。由核心城市組成的寧滬主軸沿線城市群在長三角區域內關系最為緊密、一體化程度最高。進一步計算得到長三角區域城市網絡核心度（表4），由表4可知，2015—2019年，上海、南京、蘇州、無錫、常州5個核心城市的網絡核心度依次位列前五，且位序保持不變。鎮江、杭州、嘉興、寧波、合肥的網絡核心度位于第二梯隊，且與核心城市之間保持較大的距離，節點間鐵路客運聯系有待進一步加強。

表4　2015—2019年長三角區域城市網絡核心度

3.4　凝聚子群分析

采用ArcGIS軟件繪制長三角區域城市鐵路客運聯系網絡凝聚子群的空間演化過程，如圖3所示。2015—2019年，長三角鐵路客運聯系在二級層面上出現4個凝聚子群，空間分布組織性逐漸增強。2015年，區域內形成了以滬寧合為中心的子群（上海、滁州、合肥、蘇州、南京、無錫、鎮江、常州）、浙江子群（溫州、寧波、臺州、杭州、紹興、嘉興、金華、湖州）、銅陵點集以及其他邊緣城市子群，空間分布組織性較弱。2016年，空間分布組織性明顯增強，形成了由以滬寧合為中心的子群、浙江子群、寧安高鐵沿線子群（馬鞍山、蕪湖、安慶、銅陵、池州）以及揚泰通子群組成的四片區格局。2019年，受區域聯系加強的影響，以滬寧合為中心的子群和寧安高鐵沿線子群得以整合，最終形成相對穩定的三片區格局。

2015—2019年，長三角鐵路客運聯系網絡內部處于分化整合期，在三級層面上子群空間分布形態發生明顯變化。以滬寧合為中心的子群于2015年出現滬合子群（上海、滁州、合肥）和滬寧高鐵沿線子群（蘇州、南京、無錫、鎮江、常州），2個子群整合為滬寧子群（上海、南京、蘇州、無錫、常州、鎮江）和合肥—滁州聯系對，最終整合為滬寧合子群。此外，馬蕪子群與安銅子群（安慶、銅陵、池州）也得以整合。值得注意的是，浙江子群在經歷了分離、集聚2個階段后，形成了浙西子群（金華、湖州、杭州、嘉興）和浙東子群（溫州、寧波、臺州、紹興）。揚泰通子群與區域內其他子群間聯系不緊密，一直處于網絡邊緣位置。整體來看，各凝聚子群以區域內的中心城市為樞紐，形成具有地理鄰近性的鐵路客運聯系網絡，即同一個凝聚子群中的城市均相互鄰近。

圖3　長三角區域城市鐵路客運聯系網絡凝聚子群

4　結論與討論

本研究以2015—2019年長三角區域鐵路客運運營頻次為數據源，結合社會網絡分析方法和ArcGIS空間分析方法，從網絡密度、網絡中心度、核心-邊緣結構和凝聚子群4個方面對長三角區域城市網絡結構特征及其演變趨勢進行定量分析。主要結論如下：

4.1 從城市個體看，度數中心度兩極分化顯著，高低值區地域集聚特征明顯，核心城市控制力強。上海、南京等中心城市處于鐵路客運聯系網絡核心位置，對外發揮極強的輻射帶動作用。蘇州、無錫、常州、杭州等城市位于長三角區域的重要位置，也在區域內發揮較強的輻射帶動作用。揚州、南通、泰州等城市處于網絡邊緣地帶，對外聯系需求較弱，輻射能力不足。舟山、鹽城、宣城處于網絡孤立地帶。

4.2 從區域整體來看，城市網絡密度顯著上升，網絡結構復雜，但仍處于弱連接狀態。鐵路客運聯系的空間分布不平衡，主軸與次軸相互交織共同構成整體網絡，其中由上海、南京、蘇州、無錫、常州等組成的寧滬主軸沿線城市群是長三角區域內部關系最為緊密、一體化程度最高的部分，成為長三角城市群集聚最高端要素、匯集最優秀人才、實現產業發展最高質量的中樞發展帶。

4.3 從區域“小團體”現象看，凝聚子群分布形態的組織性逐漸增強，以區域內的中心城市為樞紐，形成了具有地理鄰近性的鐵路客運聯系網絡。長三角鐵路客運聯系網絡內部處于分化整合期，在三級層面上子群空間分布形態發生明顯變化，形成了滬寧合子群、馬安子群、浙西子群、浙東子群和揚泰通子群。

長三角區域整體網絡結構特征為空間分布不平衡、城市首位度突出、形成各級凝聚子群，總體演變趨勢為網絡聯系趨于緊密、網絡結構趨于復雜、分布形態趨于優化。研究結果與《長江三角洲城市群發展規劃》提出的構建“一核五圈四帶”的網絡化格局基本相符，在一定程度上反映了長三角區域網絡空間結構特征，對長三角區域的城市體系規劃以及鐵路網絡規劃和建設具有重要的指導意義。首先，發揮好上海等核心城市的龍頭帶動作用和區域中心城市的輻射帶動作用，與蘇北、浙西南、皖北等地區深層合作，有序疏解一般制造等非大都市核心功能，提升區域發展整體水平和效率。其次，促進滬寧合杭甬發展帶、沿江發展帶、沿海發展帶以及滬杭金發展帶等4條發展帶聚合發展，加快滬通鐵路、商合杭鐵路、北沿江高鐵、滬蘇湖、通蘇嘉甬、寧揚寧馬等一系列鐵路規劃建設，縮小區域內部差異，加快長三角區域一體化進程。最后，推動上海及蘇錫常都市圈的聯動發展，加強南京都市圈與合肥都市圈協同發展，強化杭州都市圈與寧波都市圈的緊密對接和分工合作，提升都市圈同城化水平。

本文探究了多年的、動態序列的鐵路客運流及網絡結構變化，在一定程度上豐富了城市相互作用、空間網絡結構的視角和研究方法。但是，城市網絡結構是一種由多要素構成的綜合網絡體系，鐵路客運流不能完全反映其特點，因此需要綜合經濟、人口、交通、產業、信息等要素進行全面分析。長三角區域作為中尺度研究范圍，研究對象為各省轄市，無法體現區域內部聯系與網絡的細部特征，而公路運輸基本屬于“門對門”的交通運輸方式，如與公路客運數據結合，將能更好地反映空間聯系及其格局。另外，城市空間網絡結構的驅動因素、發展效率等也是未來的探究方向。

（

）：

［1］熊劍平，劉承良，袁俊．國外城市群經濟聯系空間研究進展［J］. 世界地理研究，2006， 15（1）： 63-70. DOI：10.3969/j.issn.1004-9479.2006.01.011

XIONG J P， LIU C L， YUAN J. Progress in foreign research on economic linkages of city agglomeration［J］. World Regional Studies， 2006，15（1）：63-70. DOI：10.3969/j.issn.1004-9479.2006.01.011

［2］鐘業喜，馮興華，文玉釗. 長江經濟帶經濟網絡結構演變及其驅動機制研究［J］. 地理科學， 2016， 36（1）： 13-22. DOI：10.1329/j.cnki.sgs.2016.01.002

ZHONG Y X， FENG X H， WEN Y Z. The evolvement and driving mechanism of economic network structure in the Changjiang River Economic Zone［J］. Scientia Geographica Sinica， 2016， 36（1）： 13-22. DOI：10.1329/j.cnki.sgs.2016.01.002

［3］孟德友，馮興華，文玉釗. 鐵路客運視角下東北地區城市網絡結構演變及組織模式探討［J］. 地理研究，2017， 36（7）： 1339-1352.

MENG D Y， FENG X H， WEN Y Z. Urban network structure evolution and organizational pattern in Northeast China from the perspective of railway passenger transport［J］Geographical Research， 2017， 36（7）： 1339-1352.

［4］CASTELLS M. The space of flows：A theory of space in the informational society［C］//Conference of the New Urbanism， Princeton： Princeton University Press， 1992：131-140.

［5］DERUDDER B， WITLOX F. Mapping world city networks through airline flows： Context， relevance， and problem［J］. Journal of Transport Geography， 2008， 16（5）： 305-312. DOI：10.1016/j.jtrangeo. 2007.12.005

［6］SMITH D A， MICHAEL T. World city networks and hierarchies， 1977-1997： An empirical analysis of global air travel links［J］. American Behavioral Scientist， 2001， 44（10）： 1656-1678. DOI：10.1177/00027640121958104

［7］ALDERSON A S， BECKFIELD J. Power and position in the world city system［J］. American Journal of Sociology， 2004， 109（4）： 811-851. DOI：10.1086/378930

［8］MAGGIONI M A， NOSVELLI M， UBERTI T E. Space versus networks in the geography of innovation： A European analysis［J］. Papers in Regional Science， 2007， 86（3）： 471-493. DOI：10.1111/j.1435-5957. 2007.00130.x

［9］焦敬娟，王姣娥，金鳳君，等. 高速鐵路對城市網絡結構的影響研究：基于鐵路客運班列分析［J］. 地理學報， 2016， 71（2）： 265-280. DOI：10.11821/dlxb 201602007

JIAO J J， WANG J E， JIN F J， et al. Impact of high-speed rail on inter-city network based on the passenger train network in China， 2003-2013［J］. Acta Geographica Sinica， 2016， 71（2）： 265-280. DOI：10.11821/dlxb201602007

［10］朱惠斌．基于航空客流的中國城市功能網絡研究［J］. 經濟地理， 2014， 34（4）： 59-63.

ZHU H B. The Chinese city function network based on aviation passenger flow［J］. Economic Geography， 2014， 34（4）： 59-63.

［11］武前波，寧越敏. 中國城市空間網絡分析：基于電子信息企業生產網絡視角［J］. 地理研究，2012， 31（2）： 207-219. DOI：10.11821/yj2012020002

WU Q B， NING Y M. China's urban network based on spatial organization of electronic information enterprises［J］. Geographical Research， 2012， 31（2）： 207-219. DOI：10.11821/yj2012020002

［12］魏冶，修春亮，劉志敏，等. 春運人口流動透視的轉型期中國城市網絡結構［J］．地理科學，2016， 36（11）： 1654-1660. DOI：10.13249/j.cnki.sgs.2016.11.007

WEI Y， XIU C L， LIU Z M， et al. Spatial pattern of city network in transitional China based on the population flows in "Chunyun" period［J］. Scientia Geographica Sinica， 2016， 36（11）： 1654-1660. DOI：10.13249/j.cnki.sgs.2016.11.007

［13］王玨，陳雯，袁豐. 基于社會網絡分析的長三角地區人口遷移及演化［J］．地理研究， 2014， 33（2）： 385-400. DOI：10.11821/dlyj201402016

WANG J， CHEN W， YUAN F. Human mobility and evolution based on social network： An empirical analysis of Yangtze River Delta［J］. Geographical Research， 2014， 33（2）： 385-400. DOI：10.11821/dlyj201402016

［14］冷炳榮，楊永春，李英杰，等. 中國城市經濟網絡結構空間特征及其復雜性分析［J］．地理學報，2011， 66（2）： 199-211. DOI：10.11821/xb201102006

LENG B R， YANG Y C， LI Y J， et al. Spatial characteristics and complex analysis： A perspective from basic activities of urban networks in China［J］. Acta Geographica Sinica， 2011， 66（2）： 199-211. DOI：10.11821/xb201102006

［15］徐宜青，曾剛，王秋玉. 長三角城市群協同創新網絡格局發展演變及優化策略［J］. 經濟地理， 2018， 38（11）： 133-140. DOI：10.15957/j.cnki.jjdl.2018. 11.015

XU Y Q， ZENG G， WANG Q Y. Pattern evolution and optimization of synergic innovation network in Yangtze River Delta urban agglomeration［J］. Economic Geography， 2018， 38（11）： 133-140. DOI：10.15957/j.cnki.jjdl.2018.11.015

［16］熊麗芳，甄峰，王波，等. 基于百度指數的長三角核心區城市網絡特征研究［J］. 經濟地理， 2013（7）： 69-75.

XIONG L F， ZHEN F， WANG B， et al. The research of the Yangtze River Delta core area's city network characteristics based on Baidu index［J］. Economic Geography， 2013（7）： 69-75.

［17］邵海雁，徐晨璐，鐘業喜. 基于列車時刻表的長三角城市群鐵路交通網絡演變特征［J］. 江西科學，2019，37（3）： 350-358.

SHAO H Y， XU C L， ZHONG Y X. Yangtze River Delta urban railway based on train timetable traffic network evolution characteristics［J］. Jiangxi Science， 2019， 37（3）： 350-358.

［18］鐘業喜，陸玉麒. 基于鐵路網絡的中國城市等級體系與分布格局［J］. 地理研究，2011， 30（5）： 785-794. DOI：10.11821/yj2011050002

ZHONG Y X， LU Y Q. Hierarchical structure and distribution pattern of Chinese urban system based on railway network［J］. Geographical Research， 2011， 30（5）： 785-794. DOI：10.11821/yj2011050002

［19］初楠臣，張平宇，姜博. 基于日高鐵流量視角的中國高速鐵路網絡空間特征［J］. 地理研究，2018， 37（11）： 2193-2205. DOI：10.11821/dlyj201811006

CHU N C， ZHANG P Y， JIANG B. Spatial characteristics of Chinese high-speed railway network from the perspective of daily flow［J］. Geographical Research， 2018， 37（11）： 2193-2205. DOI：10. 11821/dlyj201811006

［20］蔣海兵，祁毅，李傳武. 中國城市高速鐵路客運的空間聯系格局［J］. 經濟地理，2018，38（7）：26-33. DOI：10.15957/j.cnki.jjdl.2018.07.004

JIANG H B， QI Y， LI C W. China's city high-speed rail （HSR） passenger spatial linkage pattern and its influence factors［J］. Economic Geography， 2018， 38（7）： 26-33. DOI：10.15957/j.cnki.jjdl.2018.07.004

［21］趙映慧，初楠臣，郭晶鵬，等. 中國三大城市群高速鐵路網絡結構與特征［J］. 經濟地理，2017， 37（10）： 68-73. DOI：10.15957/j.cnki.jjdl.2017.10.009

ZHAO Y H， CHU N C， GUO J P， et al. High-speed railway network structure and characteristics in three urban agglomerations in China［J］.Economic Geography， 2017， 37（10）： 68-73. DOI：10.15957/j.cnki.jjdl.2017.10.009

［22］王海江，苗長虹. 中國中心城市鐵路客運的空間聯系及其結構圖譜［J］. 地理研究，2015， 34（1）： 157-168. DOI：10.11821/dlyj201501014

WANG H J， MIAO C H. Railway passenger transport spatial contacts and their structure Tupu （array） of central cities in China［J］. Geographical Research， 2015， 34（1）： 157-168. DOI：10.11821/dlyj201501014

［23］李崢榮，徐鄧耀，文玉釗. 流空間視角下城市網絡結構特征及組織模式分析：基于成渝城市群交通流和信息流的對比［J］. 經濟論壇，2018（8）： 143-149.

LI Z R， XU D Y， WEN Y Z. Analysis of characteristics of urban network structure and organizational pattern from the perspective of space of flows： Based on the comparison of traffic flow and information flow in Chengdu-Chongqing urban agglomeration［J］. Economic Forum， 2018（8）： 143-149.

［24］朱桃杏，吳殿廷，馬繼剛，等. 京津冀區域鐵路交通網絡結構評價［J］. 經濟地理，2011， 31（4）： 561-565. DOI：10.1111/j.1469-8749.1989.tb04038.x

ZHU T X， WU D T， MA J G， et al. Evaluation of rail transport network within BEIJING-TIANJIN- HEBEI region［J］. Economic Geography， 2011， 31（4）： 561-565. DOI：10.1111/j.1469-8749.1989.tb04038.x

［25］劉正兵，劉靜玉，何孝沛，等. 中原經濟區城市空間聯系及其網絡格局分析：基于城際客運流［J］. 經濟地理，2014， 34（7）： 58-66.

LIU Z B， LIU J Y， HE X P， et al. The spatial connection and network feature of Zhongyuan economic district： Based on intercity traffic flow［J］. Economic Geography， 2014， 34（7）： 58-66.

［26］馮興華，修春亮，鐘業喜，等. 長江經濟帶城市的網絡層級：基于鐵路公路客運視角的分析［J］. 城市問題，2017（7）： 20-28.

FENG X H， XIU C L， ZHONG Y X， et al. Network hierarchy of cities in Yangtze River Economic Belt： Based on the perspective of railway and highway passenger transport［J］. Urban Problems， 2017（7）： 20-28.

［27］黃潔，鐘業喜. 長江中游城市群鐵路客運聯系及其空間格局演變［J］. 世界地理研究，2016， 25（2）： 72-81. DOI：10.3969/j.issn.1004-9479.2016.02.008

HUANG J， ZHONG Y X. Evolution of railway passenger traffic linkage and spatial pattern in Yangtze River middle reaches clusters［J］. World Regional Studies， 2016， 25（2）： 72-81. DOI：10.3969/j.issn. 1004-9479.2016.02.008

［28］孫陽，姚士謀，張落成. 長三角城市群“空間流”層級功能結構：基于高鐵客運數據的分析［J］. 地理科學進展，2016， 35（11）： 1381-1387.

SUN Y， YAO S M， ZHANG L C. Functional structure of spatial flow in the Yangtze River Delta： Analysis of passenger based data for the high speed railway［J］. Progress in Geography， 2016， 35（11）： 1381-1387.

［29］韋勝，徐建剛，馬海濤. 長三角高鐵網絡結構特征及形成機制［J］. 長江流域資源與環境，2019， 28（4）： 739-746.

WEI S， XU J G， MA H T. Structural characteristics and formation mechanism of high-speed rail network in Yangtze River Delta［J］. Resources and Environment in the Yangtze Basin， 2019， 28（4）： 739-746.

［30］陳建軍，鄭廣建，劉月. 高速鐵路對長江三角洲空間聯系格局演化的影響［J］. 經濟地理，2014， 34（8）： 54-67.

CHEN J J， ZHENG G J， LIU Y. The spatial connection evaluation of Yangtze River Delta with the high-speed rail［J］. Economic Geography， 2014， 34（8）： 54-67.

［31］羅震東，朱查松，薛雯雯. 基于高鐵客流的長江三角洲空間結構再審視［J］. 上海城市規劃，2015（4）： 74-80.

LUO Z D， ZHU C S， XUE W W. The analysis on spatial structure of Yangtze River Delta based on passenger flow of high-speed railway［J］. Shanghai Urban Planning Review， 2015（4）： 74-80.

［32］鐘業喜，馮興華，文玉釗. 長江經濟帶經濟網絡結構演變及其驅動機制研究［J］. 地理科學，2016， 36（1）： 10-19. DOI：10.1329/j.cnki.sgs.2016.01.002

ZHONG Y X， FENG X H， WEN Y Z. The evolvement and driving mechanism of economic network structure in the Changjiang River Economic Zone［J］. Scientia Geographica Sinica， 2016， 36（1）： 10-19. DOI：10.1329/j.cnki.sgs.2016.01.002

Research on the regional network structure of the Yangtze River Delta from the perspective of railway passenger transport

CHEN Wanlong, FENG Youjian

(310058)

Research on regional network structure provides an important basis for regional integrated development planning and the perspective of railway passenger transportation is recognized as an effective way to study the regional network structure. Based on the railway passenger data of the Yangtze River Delta region from 2015 to 2019, using social network analysis combined with ArcGIS spatial analysis method, this paper studies the urban network structure characteristics and its evolution trend in the Yangtze River Delta region from four aspects: network density, network centrality, core-edge structure and cohesive subgroups. The results show that: (1) The number of railway flows between cities in the Yangtze River Delta is increasing, the spatial distribution of railway passenger transport links is unbalanced, the main axis and secondary axis are interwoven to form an overall network; (2) The density of urban network is increasing significantly, and the network structure tends to be complex, but still in a state of weak connection, Jiangsu, Zhejiang and Shanghai are closely linked, and Anhui needs to be further integrated into the Yangtze River Delta regional integration; (3) The two-level differentiation of degree centrality is significant, the regional agglomeration characteristics of high and low value areas are obvious, and the control power of core cities is strong; (4) The urban agglomeration along the Nanjing-Shanghai main axis composed of Shanghai, Nanjing, Suzhou, Wuxi and Changzhou is the most closely related and most integrated part of the whole Yangtze River Delta region; (5) The organization of the distribution patterns of cohesive subgroups has gradually increased, and the regional central city is taken as the hub, forming a railway passenger transport network with geographical proximity. (6) The overall network structure of the Yangtze River Delta region is characterized by unbalanced spatial distribution, prominent urban primacy, and formation of cohesive subgroups at all levels. The overall evolution trend is that network connections tend to be closer, network structure tends to become more complex, and distribution patterns tend to be optimized.

Yangtze River Delta; railway passenger transport connection; network structure; social network analysis; ArcGIS spatial analysis

10.3785/j.issn.1008-9497.2021.05.012

K 901

A

1008?9497（2021）05?606?11

2020?05?14.

陳萬隆（1994—），ORCID：https：//orcid.org/0000-0002-3835-6411，男，碩士研究生，主要從事經濟地理學研究，E-mail：chenwanlong@zju.edu.cn.

，ORCID：https：//orcid.org/0000-0002-2486-6533，E-mail：jlong@zju.edu.cn.