京津冀區域日常人口流動網絡及其結構特征

摘要：結合地理空間分析和社會網絡分析方法，基于2018年騰訊出行大數據，對京津冀區域內城市間及對區外人口流動的熱度和網絡特征進行分析。結果顯示：京津冀區域主要城市的對外遷移熱度呈現顯著的層級分布特征；城市規模和交通影響力與對京聯系強度的關聯性較強，距離鄰近性對第二層級城市對外聯系的影響較大；汽車方式的對外人口流動網絡受距離律影響顯著，與周邊城市聯系熱度較高；飛機、火車等對外聯系方式則更符合經濟律特征，區域內城市通過飛機和火車方式與全國性經濟中心、交通樞紐聯系緊密；區內人口流動網絡形成以北京為中心的北部大凝聚子群以及東部、南部的3個小凝聚子群，群內聯系緊密；區域人口遷移網絡以北京—廊坊—天津為核心，以“京津石三角形”區域為密集區。

關鍵詞：京津冀；人口流動；區域人口格局

【中圖分類號】 K901.3? ? doi：10.3969/j.issn.1674-7178.2024.01.007

引言

城市間相互作用強度是衡量區域協作水平的重要指征，也是影響區域人口空間格局及其走向的重要因素。一般認為，城市間距離越近則相互作用越強，規模越大的城市對其他城市的影響力和作用力也越大。20世紀三四十年代，雷利（W. J. Reilly）的零售引力法則（Law of Retail Gravitation）[1]、齊波夫（George Kingsley Zipf）的重力遷移模型（Gravity Model of Migration）[2]、斯圖爾特（John Quincy Stewart）的人口遷移引力模型（Demographic Gravitation）[3]及康維斯（P. D. Converse）的城市引力斷裂點公式（Breaking-point Formula）[4]等理論都嘗試通過模型來衡量城市吸引力和區域空間相互作用力的強弱。在上述理論模型中，城市人口規模常被視作吸引人口流動和促進資源聚集的核心變量：人口規模越大的城市能提供更多機會和更高收益，因此越容易吸引勞動力和人才，同時也能更迅速地匯聚各類資源和信息，在產業和技術等方面更有競爭力。

具體而言，城市之間的聯系與相互作用表現為各種“流”（flow）的動態運行，包括物資、人口、資金、技術、政策和創新等物質或非物質流動。1972年，海格特（Peter Haggett）運用熱傳遞的三種基本形式即熱對流、熱傳導和熱輻射將空間相互作用劃分為物質與人口流動，貨幣流動和交易，思想、技術和創新的擴散三種類型。其中，人口流動體現了勞動力和人才的能動遷徙，是城市間各種流中最活躍、最易觀測的。它不僅推動了資金、技術、信息的流動，還不斷塑造和改變著城市網絡與區域空間格局。

當前，在地鐵、高鐵等快速交通系統的綜合作用下，中國城市間人口流動速度加快，通勤分布、單日往返式流動、每周常規遷徙的空間范圍逐漸擴張。區域人口格局既體現為區域空間人口的靜態分布，也表現為人口日常流動的動態網絡。這種動態網絡既是人力資源與空間匹配、互洽狀況的表征，也是城市間經濟、社會交互作用強度的集中呈現。相關模型通過精簡、概要的方式解析城市運行規律，然而現實中的城市人口流動是復雜而多變的，尤其對于城市群、城市連綿帶等具有連片式發展特征的城市化區域而言，空間內部存在錯綜復雜的經濟、社會和交通聯系，聚集、疏散過程此消彼長、變化迅速。探究區域中城市間人口流動規模，有助于了解人口流動強度與人口規模的一致性，也有助于發掘影響人口流動的其他因素，并在更微觀的尺度上把握區域經濟發展的重心和方向。

以往的城市人口流動研究，或通過人口靜態分布的歷史對比進行探索，或通過人口普查數據中的常住人口來源地分析人口曾經的區域間流動行為，研究數據主要來自統計數據、調查數據、手機信令數據、客貨流數據和遙感數據等。目前，隨著網絡大數據的逐漸公開與共享，運用POI數據[5-6]、百度遷徙數據[7-8]、騰訊出行數據[9]等研究城市人口分布或流動的成果逐漸增多。由于在某些層面上更為精細、更新速度快等特點，大數據逐漸發展成為傳統研究數據的重要補充。

研究表明，經濟發展水平[10]、產業布局[11]、基礎設施建設[12]等因素對京津冀城市群人口分布影響顯著，職住空間不平衡[13]、公共資源配置失衡等現象較為突出[14]，人口與土地生態壓力的矛盾空間差異顯著[15]。當前，有必要對京津冀人口流動網絡進行多層次、多尺度的分析，清晰了解區域人口的流向、強度與結構性特征。本文以騰訊出行數據為基礎，系統分析京津冀區域城市的人口流動強度和交互網絡狀況，以便更準確地發掘區域城市的對內對外聯系，進一步探究區域空間結構演變的趨勢和方向。

一、研究方法

（一）數據來源

騰訊出行數據來源于騰訊位置大數據官網（https：//heat.qq.com），該網站數據采集自手機QQ、微信等使用的騰訊地圖定位平臺，生成了表達城市之間客源流動的遷移熱度數值（與人口流動頻次正相關），公開發布每日遷入、遷出熱度前十位的各城市熱度信息。相對于百度遷徙僅提供節假日及其前后時間段數據，騰訊位置數據一方面能夠截取全年每日數據，數據樣本量大大增加，兼容了四季時節的全幅面人口遷移信息；另一方面，它劃分了飛機、火車、汽車等不同交通方式的熱度，能夠更清晰地刻畫出城市之間細分類別下的人口流動情況。騰訊位置數據也有其局限性，因為它統計的只是遷入遷出某地人口量排名前十位的城市，且僅是被移動APP捕捉到的人口流動，并非針對某城市的全部人口流動，所以不適合于統計某城市的人口流動總量和百分比，而更適合于分析主要城市之間的連接強度以及運用同源數據進行人口流動量的橫向和縱向對比。

根據研究需要，本文采用2018年每日的騰訊位置數據，篩選流入、流出京津冀區域城市的熱度數據。為了使數據更好地反映日常人口流動狀況，避免節假日旅行、探親等特殊因素的影響，剔除了元旦、清明節、勞動節、中秋節、國慶、春節等節假日及其前后共計63日的數據，以剩余的302日約23.6萬條數據作為原始數據。原始數據屬性包括每日人口遷移的起點城市和終點城市名稱，遷移熱度（與遷移量成正比）、遷移方式（汽車、火車和飛機），并添加起點和終點城市的經緯度坐標數據。

（二）研究方法

1. 人口遷移熱度（城市聯系度）分析

人口流動與資金、技術、信息等要素的流動密切相關，且能有力推動城市間的交流、互補和互動，因此，城市間的人口流動強度是表征城市關聯強度的重要指標。將原始數據中的每日遷移熱度進行疊加，得到兩座城市之間的人口遷移熱度：

[Rij=t=1nrij]

Rij表示兩地之間的遷徙強度，rij為騰訊位置數據記錄的兩地之間某日的遷移熱度，t為日期。

2. 自然斷裂聚類法

聚類和自然斷裂法的核心在于探索數據自身存在的分布規律，通過計算實現組內距離最小和組間距離最大，進而對數據進行自然分類的方法。本研究在根據遷徙強度和連接度對不同城市分類時，采用ArcGIS軟件進行自然斷裂分析。

3. 變量間相關分析

運用相關分析法探索區域城市對外聯系規律，研究京津冀區域與外部城市之間的人口流動熱度與哪些因素相關，比如是否受到目標城市的空間位置、經濟總量和人口規模影響，進而探討區域人口對外流動的空間規律。本研究統計了3種交通方式下區域對外聯系熱度值、目標城市與北京的距離、城區常住人口總量、城區常住人口密度、市轄區地區生產總值、全市人均地區生產總值、全市地區生產總值增長率等指標，借助SPSS的皮爾遜相關系數分析變量之間的相關性。

4. 網絡中心度分析

網絡中心度是社會網絡分析中對網絡結構進行測度的重要方法，目前被廣泛應用于經濟、交通和社會等各種網絡成員關系的研究中。測度網絡中心度的常用指標包括度中心度、中介中心度等。

（1）度中心度。度中心度是社會網絡分析法中最常用的一個基本指標，用來測度某點與網絡中其他點之間的關聯度，即該點在網絡中的重要性程度。該數值越大表明該點在網絡中的影響力越強。公式如下，其中：g表示網絡中點的數量，[Xij]表示點i與點j之間的屬性聯系強度。

C（ni）=[j=1nXij（g-1）]

（2）中介中心度。中介中心度用來測度某點對網絡中其他點的控制能力，數值越大則該點對整個網絡的控制力越強。公式如下，其中：g表示網絡中點的數量，[gjk]表示點j和點k之間最短路徑數，[gjkni]表示點j和點k之間通過點i的最短路徑數。

CB（ni）=[j

二、區域人口日常對外流動的網絡

（一）城市人口外向流動強度梯級分布特征

對全國涉及京津冀城市地區的人口遷徙數據進行統計分析，匯總各城市遷入、遷出熱度值，計算各城市的人口遷徙強度，再采用ArcGIS軟件對其進行自然斷點分類（表1）。結果表明，主要城市的對外遷移熱度呈現顯著的層級分布特征：人口遷移熱度的第一層級為北京市；第二層級包括廊坊、天津、石家莊和保定，這4座城市在北京南側構成橫向軸線分布；第三層級為區域東部、南部的滄州、唐山、邢臺和邯鄲；其余為第四層級，包括區域南部的衡水以及區域北部人口遷移熱度最低的秦皇島、張家口和承德。

從表2、表3可知，北京的人口遷移熱度顯著高于其他城市，約為第二位廊坊的2.4倍。在北京對外連接熱度最高的城市中，成都對京聯系強度排名第一，表明它不但是我國西部地區最核心的經濟中心和交通樞紐，同時也是該地區大量進京勞動力和人才的重要來源地節點。其余對京聯系強度較高的城市依次為上海、廣州、深圳、武漢和南京等，均為國內重要的中心城市和地方性的交通中心，表明城市規模和交通影響力與對京聯系強度的關聯性較強。

數據表明，成都也是與廊坊和天津連接最緊密的區外城市，這充分表明京津冀區域與成都、四川乃至整個西部地區的緊密聯系；與北京的情況有所不同的是，第二層級的4座城市除與地方性中心城市或交通樞紐聯系緊密外，還與周邊的太原、忻州、德州、葫蘆島、濱州、陽泉等城市保持著密切的人口流動關聯，反映出距離鄰近性對第二層級城市對外聯系的影響較大。

在遷移方式上（表3），區域主要城市間的人口遷移流動交通方式有61%采用火車，38%通過汽車，飛機占比約為1%；廊坊、邢臺、滄州和衡水的人口遷移主要交通工具為汽車，其余城市則以火車為主（圖1）。

（二）對外連接強度與人口流動空間規律

對外聯系網絡表征的是城市與區外的人口流動方向及程度，既體現區內不同城市的對外交往、互動和影響能力，也反映了全國城市與京津冀區域的聯結關系。

1.火車與飛機方式的遷移熱度集中在全國和區域性核心城市，汽車方式的遷移熱度集中在周邊城市

從人口日常流動的總熱度值和梯級分布特征看（表4），與京津冀區域的聯系程度最深的城市有成都、廣州、上海、武漢和深圳。其中飛機、火車方式連接最緊密的3座城市為上海、成都和廣州，均屬于全國范圍的中心城市和區域性的核心城市，分別位于中國的東部、西部和南部區域。通過汽車方式連接得最緊密的城市主要有位于山東、河南、遼寧等省份的周邊城市，如德州、聊城、安陽、濱州等。

2. 近域人口流動網絡密度較高，遠域熱點城市連接強度較高

從空間聯系的地理特征上看（圖 2），區域與周邊城鎮的連接網絡較為密集，采用汽車方式連接的比重較高。遠距離的連接密度較低，但與部分核心城市之間的聯系強度較高，遠高于近域聯系。區域日常對外人口流動聯系符合距離律和經濟律，綜合3種交通方式的區域對外聯系網絡可知，人口流動連接強度受經濟律的影響更大。

3. 距離律對汽車方式的流動網絡影響顯著，經濟律對火車和飛機流動網絡的影響更大

具體而言，距離律對以汽車交通方式構成的城市人口流動網絡影響顯著。ArcGIS自然斷點分類結果顯示（圖3），汽車遷移熱度的高值城市聚集在京津冀區域周邊。一級、二級熱度城市包括德州、聊城、安陽，三級熱度城市包括濱州、葫蘆島、濮陽、錫盟、忻州、大同、赤峰、烏蘭察布等，主要分布在山東、山西、內蒙古和遼寧等周邊省域。一方面，京津冀區域對上述周邊城市的人口吸引力較大，因距離較近，形成了密集的汽車方式的日常勞動力和人才流動；另一方面，北京和天津在周邊區域的經濟、社會影響力較高，是京津冀及其周邊省域構成的更大范圍的區域性中心，有著密切的商業、社會和服務方面的互補需求，形成了密集的人員往來流動。

經濟律對火車和飛機交通方式構成的城市人口網絡的影響更大。火車遷移熱度的高值點分布與京哈、京廣、京滬等主要鐵路線路相關。同時，熱度分級還受到經濟發展水平和地理鄰近性的雙重作用。一級熱度城市包括成都、廣州、上海、武漢、深圳，均屬于區域性的經濟中心城市和鐵路交通樞紐。除此之外，京廣線上的鄭州、安陽、長沙，京哈線上的哈爾濱、長春、沈陽、葫蘆島以及京滬高鐵途經的南京、德州也都屬于火車熱度前四級城市，這些城市或為直轄市、省會等中心城市，或為與京津冀地理鄰近的地級市。飛機遷移熱度的高值點主要分布在中國南部，一級熱度城市包括上海、成都、廣州、深圳、重慶，均與京津冀區域相距較遠，為區域性中心或航空樞紐城市。

4. 對外連接強度與目標城市人口、產值總量高度相關，與人均產值中度相關，與人口密度低度相關

為進一步探索區域人口流動的空間規律及其影響因素，將區域各城市對外聯系強度值與空間距離（根據經緯度測算某城市與北京市的空間距離）、當年（2018年）城市人口總量、密度和地區生產總值（人均GDP和GDP增速）等指標進行相關分析。皮爾遜相關分析的結果顯示（表5），汽車方式的聯系熱度僅和空間距離具有統計學意義上的顯著相關性，相關系數為-0.343，屬于中度負相關。飛機、火車方式和總計的人口流動強度則與目標城市人口總量、GDP總量呈顯著強相關，相關系數均在0.7以上，與目標城市人均GDP中度相關，與GDP增長率的相關性不顯著。可見，汽車方式的對外聯系主要受空間距離制約，飛機、火車方式的對外聯系則符合經濟律特征，與現有人口、經濟總量規模較高的城市聯系更加緊密，而與城市經濟增長速度關聯不明顯。

三、區域內部城市間人口日常流動

（一）區域內部城市間人口遷移熱度

各城市來自區域內部的遷移熱度差異略小于全國遷移熱度差異，總體上呈梯次分布格局（圖4）。北京的區域內部遷移熱度最高，約為排在第二位廊坊的1.55倍；廊坊、天津、石家莊和保定的區內遷移熱度十分接近，邢臺、滄州、唐山、邯鄲次之；區域北部的張家口、承德人口遷移熱度最低。

區域內部城市之間的人口遷移以火車和汽車方式為主，火車方式的占比為63.7%，汽車為35.8%。其中，廊坊市的汽車遷移熱度高于火車，區域內遷移和全國遷移中汽車交通方式的占比均在55%左右。劃分交通方式的詳細遷移數據統計顯示，廊坊的汽車交通方式遷移人口大部分（62%）來自北京。北京區域內部采用汽車方式遷入比重（46%）顯著高于全國遷入的汽車方式比重（29%）。北京的全國遷移熱度顯著高于區域內部遷移熱度，約有36%的遷移量來自區外。此外，秦皇島、邯鄲、張家口、天津的區外遷移量占比也較高（圖5）。

（二）內部聯系網絡強度梯次分布

運用ArcGIS的自然斷點法，對計算的城市間人口遷徙強度進行分級顯示（圖6）：“京津石三角形”是區域內部人口遷移的核心區域；人口遷移的一級熱點為北京，二級熱點包括天津、廊坊、保定和石家莊，三級熱點為邢臺、滄州和唐山；四級熱點城市包括了位于區域邊緣位置的張家口、承德、秦皇島、邯鄲和衡水。從空間特征來看，區域內部遷移熱度分布符合空間擴散的中心外圍規律，人口主要在核心城市北京和南部二級城市之間遷徙，外圍城市的人口遷移熱度最低。

從聯系線路強度的自然斷點劃分級別來看（表6），一級強度聯系線為北京—廊坊、北京—天津和北京—保定線路；二級強度聯系線包括了北京—張家口、北京—石家莊—邢臺—邯鄲、石家莊—保定、天津—廊坊、天津—保定和天津—唐山線路。在空間特征上，呈現出典型的核心向外拓展形態（圖7）：一級熱點城市北京與空間鄰接的3座城市之間聯系強度最大，部分二級熱點城市之間又構成二級強度的人口遷移聯系；二級強度聯系線往往是一級強度聯系線向外圍的延伸，承擔北京與更外圍城市（如唐山、滄州、石家莊、邢臺和邯鄲）的連接作用。總體而言，區域人口流動網絡骨架表現為以北京為主中心的軸線和放射線及以天津為次中心的放射線形態。

四、區域人口流動網絡結構特征

（一）北京、廊坊、天津、石家莊、保定的網絡影響力最高

度中心度呈現了城市在區域人口流動網絡中的重要性程度，某城市的區域內部遷移熱度匯總數據與其度中心度成正比，總熱度值和3種交通方式熱度值計算的度中心度如表7，北京、廊坊、天津、石家莊和保定5座城市的度中心度最高，人口流入、流出量最高，在整個京津冀區域人口遷移網絡中占據重要地位。

（二）北京、天津、石家莊的網絡控制力突出

中介中心度體現了城市對網絡的控制和影響能力。根據城市之間連接熱度大小，按照ArcGIS的自然斷點法形成的城市間線路熱度分級結果，將前三級級別的聯系線路值設置為1，其余級別的聯系線路值設置為0，構建0-1矩陣并計算區域內城市的中介中心度（表8）。結果顯示，整個網絡的中介中心度為38.45%，非標準化中心性值為609，說明整個網絡受特定節點的控制性較強。各城市中，北京的中介中心度最高（57），石家莊（31）和天津（23）次之，3座城市共同構成整個區域交互網絡中的關鍵節點，對整個區域人口流動網絡產生重要控制影響，而處于區域邊緣的秦皇島、衡水、承德、邯鄲、邢臺、張家口對區域內部交往網絡的影響力十分微弱。數據充分表明，直轄市、省會的行政層級特征和經濟、人口體量的集中性等特征，與目前的城市中介中心性特征比較一致；河北省除省會石家莊外，對整個網絡影響力較大的城市為唐山、滄州、保定和廊坊，它們位于區域中部，在現實的交通網絡中承擔重要的中介角色，同時也是區域內部人口日常流動熱度較高的城市，未來可能成為區域內發展迅速的二級中心城市。

（三）初步形成四大網絡凝聚子群

借助城市之間熱度值進行城市人口流動網絡結構的CONCOR分析，獲得的凝聚子群結果如圖8所示，區域總體上形成四大凝聚子群，其中：最大的為北部子群，包括北京、天津、廊坊、保定、承德和張家口；由滄州、秦皇島、唐山構成的東部子群和由邢臺—邯鄲、石家莊—衡水構成的兩個南部子群規模次之。城市之間緊密互動是區域協作和一體化發展目標的重要條件。目前北部大群內的城市間連接較為緊密，形成了互動頻繁的體系，而東部、南部子群與北部組子群城市間連接稍弱。因此，加強核心城市與東部、南部子群城市的經濟社會聯系是未來促進區域協作和一體化發展的重要路徑。

結論與討論

（一）結論

1. 京津冀區域主要城市的對外遷移熱度呈現顯著的層級分布特征：北京為第一層級，其人口遷移熱度遠大于其他城市；廊坊居于第二位，與天津、石家莊、保定共同構成第二層級；其余地級市屬于人口遷移熱度較小的第三層級。各層級城市對外聯系的影響因素各有不同。北京市與全國、區域性經濟中心和交通樞紐聯系緊密，其對外聯系強度與目標城市規模、經濟實力和交通影響力密切相關；二級城市的對外聯系熱度受距離鄰近性的影響較大，與石家莊和保定聯系最緊密的城市中，鄰近省份或東北地區的城市數量比較多。

2. 區域對外人口遷移形成了汽車、火車和飛機三種交通方式的人口流動網絡，三者在空間分布特征和網絡引力要素上均有顯著差異。汽車方式的遷移熱度集中在周邊城市，主要受空間距離律影響，遷移熱度值僅與目標城市的空間距離顯著相關；火車與飛機方式的遷移熱度集中在全國和區域性核心城市，更符合經濟律和人口引力法則，遷移熱度與目標城市人口、經濟總量相關性顯著，與城市經濟增長速度、人口密度等關聯不顯著。基于此，在優化區域交通網絡時，近距離周邊交通方面應將公路升級改造作為核心策略，降低交通時間、提升交通效率。遠距離對外聯系方面，應重點提升與人口數量和經濟總量較大城市之間的交通聯系，改進客運能力、運輸速度和便捷性。

3. 區域內城市間人口流動網絡符合空間擴散的中心外圍規律，各城市遷移熱度總體上呈梯次分布，形成了“核心—密集區”的區域發展重心格局。第一梯級包括北京、廊坊、天津這3座遷移熱度最高城市，構成人口遷移網絡的核心；第二梯級為“京津石三角形”區域，構成區域人口遷移網絡的密集區，并將廊坊和保定囊括在內。“核心—密集區”將成為區域內部各種“流”交互作用的最主要空間，其中：廊坊市處于京津之間的中介位置，又是北京市向南擴散的前沿空間，區位優勢明顯，目前已成長為區域人口流動熱度第二的地級市；雄安新區、天津濱海新區也各有特色和自身優勢。若能因勢利導，利用優勢空間作為增長極，促進廊坊等地與北京的產業、資源和服務深度協作，積極承接來自北京的擴散和輻射，將有助于提升京津冀區域協作效率，為區域留住更多的產業、資源和人才。在核心區域內部，一方面應積極發展輕軌、地鐵等快速、便捷、大運量交通，緩解地面交通壓力；另一方面，可考慮構建新型自動駕駛和無人機等低空智能交通網絡，依靠技術升級改變原有交通模式，促進城市間人口和物資流動格局的升級轉變。

4. 區域內部人口流動網絡骨架表現為以北京為主中心的軸線和放射線以及以天津為次中心的放射線形態。區域人口流動網絡總體上形成四大凝聚子群，分別位于該區域的北部、東部和南部。為提升區域協作效率，可以根據人口流動網絡特征建立有層次的協作機制：首先，根據各子群的特點和優勢確立發展方向；其次，積極改進子群內部城市間的交通聯系，促進其在經濟、人才和公共服務等方面的協作，發展子群內部的共享設施和公共服務體系；最后，在區域層級上統籌各子群分工、理順子群之間的協作關系。

（二）討論

由于城市之間交通線路眾多，每條線路的長度不同，且道路長度、級別和實時路況等因素都會影響從某市到其他城市所需交通時間，很難確定較精確、穩定的城市間交通時間數據和交通線長度數據。所以，在人口遷移熱度相關因素分析中，采用的是空間距離指標，反映的是直線距離，而不是人口遷移中的實際距離（兩城市間的交通線路長度）和時間距離（兩城市間的交通時間）。遷移熱度與距離的相關性不高，不排除是受這一因素的影響。

根據上述人口流動網絡分析結果，初步判斷京津冀區域人口格局的梯次特征將繼續加強：北京為第一階梯，北京南面的廊坊、天津、保定、石家莊為第二階梯，其余周邊城市（尤其是秦皇島、衡水、承德、邯鄲、邢臺、張家口）的網絡影響力存在繼續弱化的可能。成都、廣州、上海、武漢、深圳等全國性中心城市，以及德州、聊城、鄭州等周邊城市對京津冀區域人口流動與格局影響較大。北京市的非首都功能疏解政策也可能造成人口向周邊區域擴散或遠距離外遷。未來區域人口、產業政策需要綜合考量近域集聚擴散和遠域流動雙重因素，科學擬訂與相關城市間的人才競爭策略，在實現人口疏解的同時避免區域內優質人力資源的大量流失。

人口流動是區域格局演變的指示器，人口流動的方向和強度預示著區域空間發展的重心和走向。人口流動也是區域興衰的晴雨表，有序的流動方式和規律性的集聚疏散是區域興旺繁榮的重要表征。應及時把握區域人口流動的走向和特征，并提供與之相適應的交通和公共服務，通過產業調整和城市職能轉變有效調節人口流動，從而推進京津冀區域經濟一體化，提升區域整體效率和競爭力。

參考文獻：

[1] William J. Reilly， The Law of Retail Gravitation [M]， New York： The Knickerbocker Press， 1931.

[2] George Kingsley Zipf， “The P1 P2/D Hypothesis： On the Intercity Movement of Persons” [J]， American Sociological Review， 1946， 11 （6）： 677-686.

[3] John Quincy Stewart， “Demographic Gravitation： Evidence and Application” [J]， Sociometry， 1948， 11： 31-58.

[4] P. D. Converse， “New Laws of Retail Gravitation” [J]， Journal of Marketing， 1949 （3）： 379-384.

[5] 桂志鵬、梅宇翱、吳華意、李銳：《顧及POI人口吸引力異質性的城市人口空間化方法》[J]，《地球信息科學學報》2022年第10期，第1883-1897頁。

[6] 張健：《基于POI大數據的城市零售商業空間布局與人口耦合關系研究——以上海市為例》[J]，《復旦學報（自然科學版）》2019年第2期，第151-161頁。

[7] 楊冕、謝澤宇：《新冠肺炎疫情防控對中國人口流動的影響——基于百度地圖遷徙大數據的實證研究》[J]，《人口研究》2020年第4期，第74-88頁。

[8] 馮章獻、張瑜、魏冶、趙梓渝、龐瑞秋、王士君：《基于百度遷徙數據的長春市春運人口流動時空格局與動力機制》[J]，《經濟地理》2019年第5期，第101-109頁。

[9] 劉永樂、張景秋：《基于騰訊位置數據的中國城市居民航空出行時空特征》[J]，《人文地理》2021年第5期，第131-137、147頁。

[10] 王婧、劉奔騰、李裕瑞：《京津冀人口時空變化特征及其影響因素》[J]，《地理研究》2018年第9期，第1802-1817頁。

[11] 沈映春、羅湉予：《京津冀產業布局對人口空間分布的影響及疏導建議》[J]，《產業經濟評論》2019年第3期，第21-36頁。

[12] 曹琳劍、王杰、王歡歡、崔慧慧：《京津冀基礎設施建設與人口集聚耦合演進分析——基于推拉理論解析》[J]，《地理科學》2019年第8期，第1256-1264頁。

[13] Zhang Yingna、王悅、胡昊宇、袁春來：《基于手機信令大數據的京津冀城市群人口時空分布與流動特征分析》[J]，《地域研究與開發》2023年第3期，第161-167、180頁。

[14] 許恒周、趙一航、田浩辰：《京津冀城市圈公共服務資源配置與人口城鎮化協調效率研究》[J]，《中國人口·資源與環境》2018年第3期，第22-30頁。

[15] 王建強、彭文英、李若凡：《京津冀人口土地生態壓力及空間調控戰略研究》[J]，《人口與經濟》2018年第5期，第83-90頁。

作者簡介：楊卡，國際關系學院公共管理系教授、博士生導師。

責任編輯：陳丁力