方大春：高铁时代下长三角城市群空间结构重构----基于社会网络分析

       摘要：以长江三角洲城市群16个核心城市为样本，运用社会网络分析方法从网络密度、中心性和凝聚子群角度，分析高铁时代前后长三角城市群空间结构特征演变。结果表明：长三角城市群整体网络密度迅速提高；各个城市的点出度和点入度都在不断上升，中心城市对外辐射增强；网络中心势有缓慢下降趋势，城市群存在不对称和不均衡的现象；城市群城市的接近中心度在逐年提高，城市间联系更加紧密；城市群中间中心度呈现逐年下降的趋势，网络结构逐渐趋向均衡；长三角城市群划分成4个子群，大部分子群之间联系强度要大于整体网络密度；高铁建成后长三角城市群空间结构得到优化。为了促进长三角城市群内资源有效配置，既要发挥“一区两点”对外辐射作用，也要改善边缘城市对外交通设施。

       关键词：高铁时代；长三角城市群；空间结构；社会网络分析

       随着全国主要城市高铁陆续建成通车，我国逐步进入高铁时代。高速铁路压缩区域间时空距离，重新分配区域内部的各种资源要素，整合了区域经济、重塑了区域城市体系，对区域空间结构进行重构。高铁作为现代化一种新型快捷的交通方式，高铁网络的逐渐形成必然会对城市群空间结构产生影响。2013年宁杭甬高铁线的全线贯通标志着我国城市化水平最高、城市分布最密集、经济发展水平最高的长三角地区成为全球高铁密度最集中的区域之一。长三角要成为具有较强国际竞争力的世界级城市群，需要先形成空间结构一体化格局，德国经济地理学家泰勒(Taylor P.J.)认为城市间高效连接网络是实现全球化的主要途径[1]。长三角城市群空间结构在高铁交通作用下呈现什么样重构特征，需要我们研究。

       对城市群网络研究最早见于Friedmann等对城市场及城市体系等级网络的研究[2]。当前，学术界对城市群空间结构的研究主要集中在四个方面：一是城市群空间结构形成机理[3]，空间结构演变原因[4-6]；二是探讨某种特定空间结构特征，如城市群物流空间结构[7]、城市群旅游空间结构[8]、城市群金融空间结构[9]、城市群生态空间结构[10]；三是城市群空间结构优化路径探讨[11-12]；四是城市群空间结构经济测度[13-14]、空间结构特征测度[15-16]。这些研究丰富了城市群空间结构相关理论，为本文拓展研究视野。

       在对长三角城市群空间结构测度时，李响以2009年为时间截面，考察长三角城市群网络特征[17]；侯赟慧等仅考虑城市质量(经济实力与人口数量等)变化角度考察长三角城市群空间结构演化[18]。空间结构特征变化不仅受城市质量影响，更受到城市间交通时间影响。本文以交通基础设施改进为切入点，结合城市群城市质量变化，全面探索高铁时代长三角城市群空间结构呈现什么样特征，为优化其空间结构提供实证数据支持。空间结构特征测度一般有两种方法：分形理论模型和社会网络分析方法，分形理论模型一般不考虑城市质量因素，从城市间交通距离入手，考察时空压缩特征，而社会网络分析把城市质量和交通距离同时纳入考虑。为此，本文研究思路定为：以长江三角洲城市群16个核心城市为样本，运用社会网络分析软件，从网络密度、中心性和凝聚子群等方面剖析长三角城市群空间结构特征。

       1  模型构建

       1.1  社会网络分析模型

       社会网络分析方法(Social Network Analysis，SNA)是一类刻画网络整体的形态、特性和结构的重要分析方法。社会网络分析的核心在于从“关系”的角度出发研究结构问题。这里结构既可以是行为结构、政治结构，也可以是社会结构、经济结构。长三角城市群空间结构，主要包括三个方面：网络密度、中心性和凝聚子群，具体计算公式见《整体网分析讲义》[19]。

       1.1.1  网络密度。网络密度是反映网络中各区域之间关联关系的疏密情况的指标，网络中关联关系的数量越多，则网络密度越大。其计算公式为整体网的实际关联关系数除以理论上最大的关联关系数。在无向的关系网络中，如果该网络有n个行动者，实际包含的关联关系数目为m。

       1.1.2  中心性。“中心性”是社会网络分析的研究重点之一，给出多种关于中心性的量化指标：中心度指数和中心势指数。

       中心度是对个体权力的量化分析，中心度的指标一般包括度数中心度、接近中心度和中间中心度等。度数中心度是一种较为简单的指数，如果一个点与许多点直接相连，那么我们就说该点具有较高的度数中心度。点的接近中心度是一种针对不受他人控制的测度，如果一个点与网络中所有其他的点的距离都很短，则称该点具有较高的接近中心度。中间中心度是行动者对资源控制的程度，表示结点成员在多大程度上是网络中其他成员的中介，如果一个点处于许多其他点对的最短途径上，我们可以就说该点具有较高的中间中心度。

       中心势是度量整个网络中心化的程度，测量网络的总体整合度或者一致性，如星形网络，所有成员只围绕一个成员发生联系，其他成员间都没有联系，这样网络的中心势最高。

       1.1.3  凝聚子群。凝聚子群研究目的是寻找社会成员之间实存或者潜在的关系模式，研究网络中存在多少凝聚子群、各个凝聚子群间是什么关系，以及凝聚子群内部成员之间的关系具有怎样的特点等[17]。目前，在社会网络研究中，对凝聚子群的定义没有统一认识，把成员之间具有相对较强的、直接的、紧密的、经常的或者积极的关系所构成的一个成员的子**，即一个凝聚子群。如果网络中存在较多的凝聚子群，并且这些凝聚子群间缺少交往，这种关系结构不利于整体网络的发展。

       1.2  城市群空间联系引力模型

       进行城市群空间结构社会网络分析基础是城市群经济联系关系矩阵。城市群经济联系关系矩阵需要借助于引力模型，引力模型是社会网络分析的基础，通过其计算的结果为社会网络分析提供关系数据。国外学者杰弗逊(Jefferson)和哲夫(Zipf)首次将万有引力模型引入到城市体系空间相互作用分析，建立城市群空间结构相互作用的理论基础[20]。国内最早使用引力模型始于王德忠[21]。其计算公式为：

       式中：R表示城市间引力大小；和分别表示城市i和城市j的城市质量；Pi和Pj表示城市i和城市j的人口指标；Vi和Vj表示城市i和城市j的经济指标；Dij表示两城市之间的距离。实际上，城市i和城市j之间引力大小不相等，城市间经济引力存在单向性和差异性。在经济规模、人口与距离都相等的情况下，两个城市彼此间引力大小也不同，质量大城市对质量小城市的吸引力大于质量小城市对质量大城市的吸引力。需要引入参数对城市间经济联系引力模型进行修正。修正后引力模型为：

       式中：Rij表示城市i对城市j的引力。在本文中，经济指标用各个城市的GDP来表示，人口指标用各个市的常住人口来表示，距离用两城市之间的时间距离来表示。

       2.3  城市群空间联系强度

       长三角城市群的高铁线路主要包括沪宁高铁、沪杭高铁、宁杭甬高铁，其分别在2010、2010和2013年建成通车。鉴于此，每个年份时间距离计算如下：2009年的时间距离为公路时间距离和普通铁路的几何平均计算得出，在两城市没有直达铁路的情况下，用公路时间距离表示。2011和2013年的时间距离为公路时间距离、普通铁路时间距离和高速铁路时间距离的几何平均计算所得，在没有直达的高速铁路的情况下，用公路或普通铁路最短时间来代替。由于宁杭甬高铁于2013年建成通车，因此2011年到达时间距离不包括宁杭甬高铁线上城市之间的高铁时间距离。由修正的引力模型计算出的结果构成16×16的矩阵，形成社会网络分析的有向关系数据，计算结果见表1。

表1  2009、2011、2013年长三角城市群城市间经济联系强度矩阵

Tab.1  The strength matrix of economic ties between the Yangtze River Delta city group in 2009, 2011, 2013

       3  长三角城市群社会网络分析

       3.1  整体网络密度分析

       将由引力模型计算的出的矩阵数据(表1)代入到Ucinet6.237中，并运用Netdraw软件绘制出三个不同时间节点的网络图，结果如图1～图3。

图1  2009年长三角网络结构图

Fig.1  The Yangtze River Delta's network structure in 2009

图2  2011年长三角网络结构图

Fig.2  The Yangtze River Delta's network structure in 2011

图3  2013年长三角网络结构图

Fig.3  The Yangtze River Delta's network structure in 2013

       图1～图3中，每个节点表示城市，节点之间的连线表示经济联系及其方向。从图中可以看出，2011年和2013年网络密度要明显高于2009年，且各城市的度数中心度有明显上升的趋势。通过计算可得，2009、2011和2013年实际关联关系数分别为183个、214个和220个，理论上存在的最大关联关系数为240个。根据网络密度公式可得出2009—2013年长三角整体网络密度，见表2。

表2  高铁作用下长三角整体网络密度

Tab.2  The Yangtze River Delta's whole network density under the action of high-speed rail

       从表2中可以看出，长三角的整体网络密度都比较高，而在长三角高速铁路陆续建成通车以后，其整体网络密度迅速由2009年的0.7625上升到0.9以上。可见，高铁开通加强了长三角各城市之间的经济联系。

       3.2  中心性分析

       由于城市间联系的差异性，导致城市间经济联系网络的有向性。在有向图中，每个点的度数又可分为点入度和点出度。点入度表示“进入”该点的度数，表示该城市受到其他城市影响的程度；点出度表示“出发”该点的度数，表示该城市影响其他城市的能力。利用Ucinet软件计算出各时点所有城市的中心度，衡量长三角不同时间城市度数中心度的变化，结果见表3。

表3  高铁作用下长三角城市度数中心度

Tab.3  The Yangtze River Delta's degree centrality under the action of high-speed rail

       从时间的纵向对比来看，各个城市的点出度和点入度都在不断上升，2011年的上升幅度尤为显著，从点入度和点出度的均值(网络度数中心度)也可以看出，沪宁高铁、沪杭高铁建成后大大缩小了城市的时空距离，使各城市之间的相互影响、相互联系的程度逐渐增强。从各个城市的横向对比来看，上海市、苏州市的点出度和点入度要远远高于其他城市，且上海和苏州的点出度要远远大于点入度，尤其是上海市。这说明上海市影响其他城市的程度远远大于受其他城市影响的程度，整体呈现辐射状态，扩散效应大于极化效应，是区域内极重要增长极。

       度数中心度刻画的是城市节点之间的经济联系水平，而网络图中心势则是刻画整体网络的经济联系水平。通过分析网络的中心势可以判断城市间经济联系的不对称和不均衡程度，该值越接近100%，则说明网络越具有集中性。从表4中可以看出，点出度中心势有缓慢下降的趋势，点入度中心势呈稳定中有所波动的趋势，并且点出度中心势要大于点入度中心势，说明长三角城市群各经济联系之间存在不对称和不均衡的现象。

表4  城市群空间网络中心势/%

Tab.4  City group's space network centralization/%

       接近中心度是衡量城市之间的流动性能力，即该城市不受控于其他城市的能力。弗里德曼等学者根据点与点之间“距离”来测量“接近中心度”，如果一个点与网络中所有其他点的距离都很短，则称该点具有较高的接近中心度(整体中心度)[19]。接近中心度的值越大，表明该城市与其他城市之间的联系就越密切，反之，则表示该城市与其他城市之间的联系越为稀疏。表5给出了长三角城市群各城市不同时间接近中心度。

表5  高铁作用下长三角城市接近中心度

Tab.5  The Yangtze River Delta's close centrality under the action of high-speed rail

       从表5均值水平来看，长三角城市群城市的接近中心度在逐年提高，且2011年的增长幅度较大，说明沪宁、沪杭高铁的建成使各城市之间的经济联系更为紧密，城市之间资源流动加快，流动渠道变动更多。从城市角度来看，2009年各城市之间的点入度要明显小于点出度，而2011年与2013年各城市之间的点出度和点入度相当，且各结点城市点入度差异与点出度差异逐渐减小，说明城市与城市之间的接近中心度随着时间的推移，其分布逐渐趋于均衡，长三角城市群网络整体联结性在逐渐增强。同时上海、苏州和杭州的点出度在2009年就已经达到100，表明其对群内的城市全面产生影响力。2011年两大高铁线路开通以后，让群内更多城市直接与其他城市发生经济联系，极大推动资源在长三角城市群直接流动。

       为了进一步考察高铁开通前后节点城市控制流动资源能力大小变化，需要分析长三角城市群各城市中间中心度不同时点变化情况，见表6。

表6  高铁作用下长三角城市中间中心度

Tab.6  The Yangtze River Delta's betweenness centrality under the action of high-speed rail

       从整体水平来看，长三角城市群中间中心度总体水平较低，且呈现逐年下降的趋势，说明高铁开通以后，长三角交通网络更加发达，城市间交通直达性增强，交通更加便利。2009年上海和苏州中间中心度水平最高，8个城市中间中心度水平较弱，而有2个城市其值接近于0。大部分城市的经济联系是通过上海、苏州等这些中介城市来完成的，平均每个城市充当经济联系“经纪人”的次数为2.63。而2011年和2013年，除宁波市以外其他城市的中间中心度水平都有不同程度的下降，2011年和2013年平均每个城市在网络中承担经济联系中介角色的次数分别为1.63和1.19；舟山对外交通更加依赖于宁波高铁站，开展与其他城市联系。总体来说，长三角城市群中心城市的核心地位有下降的趋势，城市群交通网络结构逐渐趋向均衡。

       3.3  凝聚子群分析

       通过凝聚子群分析可以发现城市间相对“凝聚”的团体，即关系相对密集、联系相对较强的城市群。长三角城市群中的凝聚子群并不是城市相互间结成联盟的意思，是看哪些城市间存在相对较强的、直接的、紧密的、经常的或者积极的经济联系。分析区域网络凝聚子群的方法有很多，迭代相关收敛法(CONCOR)进行非重叠性的聚类分析，结果见表7。

表7  长三角城市群凝聚子群分区表

Tab.7  Subgroup partition table in the Yangtze River Delta city group

       从表7中可以看出，长三角城市群划分成4个子群，2009—2013年，子群之间的成员并没有发生较大的变化，只有少数城市如南通、宁波等有一些变化。四个分区大致可以分为以上海为中心及周边城市的子群、以南京为中心的江苏沿江城市子群、以杭州为中心及周边城市子群以及其他边缘城市子群。虽然城市子群之间的成员变化不大，但是各子群内部以及子群与子群之间的密度却有一定的变化，其结果见表8。

表8  长三角城市群网络的密度矩阵表

Tab.8  The network's density matrix in the Yangtze River Delta city group

       从表8中可以看出，2009年子群成员内部密度最大的为第1子群，即由上海、无锡、苏州和常州组成的城市群。子群之间联系最为紧密的是由上海、无锡、苏州和常州构成的子群和由杭州、嘉兴、湖州和绍兴构成的子群。2011年子群内部成员联系最为密切的仍然是第1子群，且其密度值要远远高于其他子群。子群之间联系最为紧密的仍然是以上海为中心的子群和以杭州为中心的子群。2013年以上海为中心的子群仍是长三角城市群内部联系最为紧密的子群，以上海为中心的子群和以杭州为中心的子群也仍然是子群之间联系最为密切的。同时可以看出，子群之间以及子群内部的联系强度在2011年增长十分迅速，这很大程度上是因为沪宁和沪杭高铁的建成加强子群之间以及城市之间的联系。

       为了更加简洁地进行分析，将表8中密度矩阵中的值与整体网络密度的值(表1)进行比较，若其值大于整体网络密度的值，则将其修改为1，若小于则修改为0，最后得到长三角城市群网络的像矩阵，见表9。

表9  长三角城市群网络的像矩阵表

Tab.9  The network's image matrix table in the Yangtze River Delta city group