专栏名称: GISer last

GISer last 公众号主要以分享互联网数据资源为主。也分享过GIS、FME等技术教程方法。我个人对于大数据资源、可视化制作、地图制图等方面有很大兴趣，也会分享个人的一些应用和教程。

GSIS荐读 || 从人群流动视角揭示特大城市区域的多尺度空间协同作用

GISer last · 公众号 · · 2024-11-08 22:14

正文

荐

读

城市群空间协同是理解区域发展和城市间互动的关键。通过揭示特大城市区域的多尺度空间协同，能够为城市规划者和决策者提供深入的洞见，促进区域内经济的均衡发展，加强城市间的互联互通，推动形成更加紧密和高效的区域一体化格局。

深圳大学涂伟教授团队以珠三角城市群为例，深入剖析了特大城市区域的多层次空间协同效应。作者为深圳大学的博士生方碧宸，李明晓助理教授（通讯作者），黄正东教授，乐阳教授，涂伟教授，中国工程院院士郭仁忠教授。

相关成果凝练为学术论文：Revealing multi-scale spatial synergy of mega-city region from a human mobility perspective

发表于国际SCI期刊 Geo-Spatial Information Science（ https://doi.org/10.1080/10095020.2024.2379060 ）

引用格式：

Fang, B., Li, M., Huang, Z., Yue, Y., Tu, W., & Guo, R. 2024. “Revealing multi-scale spatial synergy of mega-city region from a human mobility perspective.” Geo-spatial Information Science, 1-16. doi: 10.1080/10095020.2024.2379060

欢迎扫码查看原文：

摘要

空间协同是指在特大城市区域内超越了行政边界的城市间的高度融合和联系。中心流理论表明，特大城市区域是由城市间相互关联的人群流动所形成的，因此可以通过评估城市和区域之间的流动和互动的融合程度和联系强度来衡量空间协同。人群流动数据，如手机定位数据和社交媒体签到数据，可以跟踪人群的移动，从而将中心流理论从理论构架转变为实证研究。因此，本研究提出了一种通用的数据驱动框架，从人群流动的角度揭示特大城市区域的多尺度空间协同。利用社区检测发现城市间具有高度融合的同质空间社区，并通过网络骨干提取过滤了21.3亿的流动数据中的强联系的内部空间联系。研究在中国珠三角城市群的案例展示了该区域的多尺度和多核心层级空间协同。具体结果如下：

（1）三个城市即广州、深圳和珠海，吸引了大多数人流。流动距离在城市中心较短，在郊区较长。

（2）空间融合模式显示，检测到的社区揭示了三大主要融合区域的层级融合模式：广州-佛山-肇庆、深圳-东莞-惠州和珠海-中山-江门。

（3）空间联系模式展示了9个城市和三个核心城市（包括广州、深圳和佛山）的紧密联系。这些结果提供了对城市协同的人本理解和对中心流理论的深入见解，支持了特大城市区域的合作发展。

关键词 ：空间协同；人群流动；社区检测；骨干提取；珠三角城市群

研究背景

近年来，随着城市化和全球化进程的加速，特大城市为核心的城市群不断扩展。空间协同可定义为这些区域内城市之间超越行政边界的融合与联系。从人群流动的角度看，这与城市群共同发展所产生的人、物、信息相互作用有关，可以通过评估城市和地区间流动和相互作用的聚集和强度来衡量。因此，有必要分析城市群中城市如何实现空间融合和联系以实现空间协同。

传统的城市群理论提出了中心地和中心流理论，揭示了城市间的竞争和合作机制。中心流强调了流所产生的城市空间网络关系，但现有研究往往依赖于静态和宏观的数据分析，或仅从单一尺度对城市群进行研究，难以捕捉城市间流动带来的空间融合与互动。因此，有必要通过人群流动的视角深入分析城市群中的多尺度空间协同效应，揭示更精确的城市协同模式。

研究方法

研究提出了一种人群流动数据驱动的多尺度框架，以揭示城市群的空间协同作用，包括三个主要步骤：人群流动网络构建、空间融合模式识别和空间联系模式识别。首先对移动电话数据进行预处理，生成基于网格的人群流动网络。其次，利用社区检测方法探索局部尺度和全局尺度自下而上的空间融合模式，该方法揭示了人群流动性如何塑造空间社区。最后，采用网络骨干提取算法分别从连续视角和核心视角揭示空间联系模式，通过该方法分析社区间的联系如何形成城市群的空间联系。

图1 数据驱动的框架流程图

研究结果

研究区域为中国珠三角，包括中国东南部的9个城市：广州、深圳、珠海、佛山、惠州、东莞、中山、江门和肇庆。研究收集了珠三角城市群的大量手机定位数据，这些数据涵盖了2017年7月到2019年6月间的21.3亿次人群流动。从多尺度融合模式和多视角联系模式的层面，分析了该地区的空间协同效应。

图2 研究区域：珠三角城市群

（1）整体人群流动分布

人群流动呈现明显的重尾分布，极端值远超指数分布预期，如图3（a）、（b）、（c）。这反映了城市间流量分布的不平衡，表明广州、深圳和珠海等少数主要城市吸引了大部分人流，展现出“马太效应”。在扩大人群流动的空间分布时，大量人流通常集中在城市中心和交通枢纽等重要区域，如图3（d）、（e）。跨越城市边界的高流量导致城市融合和协同关系的出现，初步表明核心城市作为特大城市区域的主导枢纽，发挥着重要作用。

图3 珠三角地区人群流动的空间分布模式（a）珠三角地区人群流动量的整体空间分布;（b）人群流动数据的累积分布曲线;（c）人群流动数据的分位数图;（d）广州和佛山人群流动量空间分布;（e）深圳和东莞人群流动量空间分布

图4展示了每个网格单元的平均出行流量和平均出行距离的分布情况。广州和深圳中心地区的流动性和距离都较高。城市中心的流动距离较短，郊区的移动距离较长，显示了这些主要城市为中心的流动空间层次，跨越行政边界分散。广州和深圳作为中心城市和重要枢纽，对邻近城市产生向心效应。而肇庆、江门和惠州等欠发达城市的平均出行量和距离相对较小，反映了在区域协同作用中的从属地位。

图4 500米网格级别的（a）平均移动流量分布和（b）平均移动距离的分布

（2）城市群空间融合模式

本地尺度的空间融合

本地尺度的社区检测结果体现了社区规模和密度的异质性，如图5(a)。这是由于社区内部联系的高度同质性和相似性，导致人群活动的集中。相似活动的聚集表明城市区域内存在显著的空间融合和协同。除了城市内部模式，检测到的社区还揭示了城市间的融合状态。频繁的人群流动使跨行政区的社区出现，表明城市间联系增强，行政障碍减少，如图5(a)、(b)。同时，还检测到一些完全位于其他城市内的飞地社区，这归因于交通基础设施的发展和城市中心之间高频率的人群流动。图5(d)中的社区C是肇庆-佛山中部的一个飞地社区，沿南宁-广州高铁和贵阳-广州高铁分布。

图5 珠三角局部尺度的空间融合模式（a）总体空间融合模式;（b）深圳北部和东莞南部的A社区;（c）中山北区和佛山南区B区;（d）肇庆至佛山铁路沿线的飞地C区

全局尺度的空间融合

全局尺度的社区检测结果展示了更加一体化的区域集群，如图6。随着城市间联系的加强，城市被分为三个主要社区，以广州、深圳和珠海为中心，分别是广州-佛山-肇庆、深圳-东莞-惠州和珠海-中山-江门。这三个区域展现了高度的空间协同，超越了行政界限。这些城市群从早期的独立都市圈发展到现在的珠三角区域，反映了自下而上的城市融合过程。在广州和深圳等核心城市的带动下，优化了区域布局和协调发展。这一发现展示了一个高度的空间协同结构，反映了一种超越行政界限的自组织、空间融合下的城市群三核融合模式。

图6 全局范围内珠三角地区空间融合模式

与此同时，为了检测不同时间长度和季节变化对空间融合的影响，研究对夏半年和冬半年分别进行了社区检测。图7(a)、(b)的结果显示各季节之间的总体一致性较高，这取决于人群流动的性质，准确描述了人们随时间变化的重复城市间行为。这种时间稳定性表明，在一定时期内，特大城市区域的空间融合相对稳定。

图7 （a）夏季半年和（b）冬季半年空间融合模式的季节变化

（3）城市群空间联系模式

连续视角的空间联系

连续视角的骨干网结果揭示了社区之间的空间联系，如图8(a)。空间联系模式有效地保留了特大城市区域内本地社区之间的全局联系，展示了主要由广州-佛山和深圳-东莞联系的层次空间协同。珠三角的空间联系模式形成了主要由广州-佛山和深圳-东莞联系的层次空间协同。城市间网络联系的加强十分明显，广州-佛山-肇庆地区尤为突出，其次是深圳-东莞-惠州，而珠海-中山-江门的融合和发展相对较慢，形成了一个差异化的特大城市区域协同系统。

GSIS荐读 || 从人群流动视角揭示特大城市区域的多尺度空间协同作用

正文

请到「今天看啥」查看全文