李艳¹, 孙阳¹, 陈雯^1,2
1. 中国科学院南京地理与湖泊研究所 中国科学院流域地理学重点实验室, 南京 210008;
2. 中国科学院大学资源与环境学院, 北京 100049
2019年5月13日 收稿; 2019年9月6日 收修改稿
基金项目: 国家自然科学基金（41701640）、中国博士后基金（2017M621851）和国家自然科学基金重点项目（41130750）资助
通信作者: 李艳，E-mail:liy@niglas.ac.cn

摘要: 基于百度指数，集成网络联系强度、网络复杂性、Circos弦图等研究方法，尝试基于个体搜索行动对实体地理空间与虚拟信息空间进行跨尺度认知，在反身性视角下诠释长三角信息流空间建构，对长三角信息流空间网络韧性进行评估，主要结果如下：1）节点等级性与密度集聚性分析表明，长三角区域信息流空间具有较高的网络韧性，总体呈现“一极多中心”格局，密度呈显著非均衡性。2）层级传输性与流向匹配性分析显示，一方面，旅游相较于房价、天气、人才政策的网络层级性更高、层级性优势突出；另一方面，上海、杭州、苏州、南京、宁波在长三角信息流空间中占据较高层级，其中，上海、杭州与苏州是双向信息流动的最重要节点。3）反身性视角展示了从个体行动到虚拟信息空间并反身至实体地理空间的跨尺度地理空间认知方法，网络韧性分析表明个体行动相对于区域网络结构与区域网络结构韧性是具有地域反身性的，通过反身性视角建立个体-区域的跨尺度空间关联，有助于展示个体行动变化与区域空间变化的互馈。
关键词: 反身性视角信息流空间网络韧性百度指数长三角
Construction of space of information flows and assessment of network resilience from reflexive perspective: a case study of Baidu index in Yangtze River Delta
LI Yan¹, SUN Yang¹, CHEN Wen^1,2
1. Key Laboratory of Watershed Geographic Sciences of CAS, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China;
2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China


Abstract: Based on the Baidu index, this paper attempts cross-scale cognition of the physical geographical space and the virtual space of information from individual search actions with integrated methods including network linkage strength, network complexity, and Circos. Further, it interprets the construction of the space of information flows of Yangtze River Delta from a reflexive perspective and evaluates the network resilience of the space of information flows in the region. The main results are as follows: First, the analysis of node hierarchy and density agglomeration demonstrates high network resilience of the space of information flows in the region of Yangtze River Delta, with an overall pattern of "one pole with multiple centers" but with significantly unbalanced density. Second, the analysis of hierarchical transmission and flow matching shows that, on one hand, tourism has higher network hierarchy with the most hierarchical advantages than house prices, weather and talents; on the other hand, Shanghai, Hangzhou, Suzhou, Nanjing, and Ningbo occupy a higher level in the space of information flows of the Yangtze River Delta. Among them, Shanghai, Hangzhou, and Suzhou are the most important nodes for both directions of the information flows in and out. Third, the reflexive perspective exhibits a method for cross-scale geospatial cognition from individual actions to the virtual space of information, and then reflexive to physical geographical space. The network resilience analysis presents that individual actions are territorially reflexive to regional network structure and the resilience of the regional network structure. Moreover, establishing an individual-regional cross-scale spatial linkage through a reflexive perspective contributes to a mutual feedback on the changing individual actions and the regional space, and the analysis of network resilience as an attempt to explore the adaptation to rapidly changing geographical space provides reference for national and regional governance and decision-making.
Keywords: reflexive perspectivespace of information flowsnetwork resilienceBaidu indexYangtze River Delta
著名城市社会****曼纽尔·卡斯特提出“流空间”(space of flows)的概念，用以表述一个由计算机网络创造的新的生产与管理空间，认为流动已成为所有社会过程的物质基础，其中的权力和财富则在承载信息流动的全球网络中组织起来^[1]，并从技术决定论出发，认为流空间将从纯粹的虚拟技术空间扩展到地理空间与社会网络尺度，流动不仅是社会组织的一个要素，还支配了经济、政治和象征生活过程的表现^[2]。以“流”表示空间联系是流空间的基本要义，可用于识别空间格局，相较于传统通过“要素分布”或“重力模型”刻画城市间的“静态格局”联系，基于流数据的直观判别更直观和科学，也更贴近空间关系的本质^[3]。流动空间通过时间对空间的替代，正逐步改变传统的空间关系^[4]。流空间通过其中的城市节点产生与积累影响力，又被穿行而过的各种流所生产和再生产，最终取代地方空间(space of place)成为主导区域空间组织的决定性力量^[5]。
随着信息技术的提升，社交媒体等载体不断发展，拓展并深化了地理学人地关系研究：一方面，基于手机信令数据与社交平台活跃用户数据等的大数据空间分析反映了通勤、职住分离、登录信息、出行地点等的时空变化^[6-8]，有助于理解个体活动的空间影响。另一方面，个体与集体活动的类别、强度及其叠加呈现出群体活动特征^[9]，大规模群体的时空运动轨迹与活动等对地理空间及虚拟空间的演化产生了质与量的影响。与此同时，当前地理学发展面临信息社会、以人为本、不确定性的形势，网络韧性正成为地理学研究的新兴领域之一，其国际研究多见于抗灾防灾领域，如企业供应链网络韧性对企业抵御风险的能力^[10]、复杂城市系统自然灾害的韧性评估^[11]等，并以网络结构为出发点分析网络韧性，如知识网络对区域韧性网络的影响^[12]、产业集群网络韧性^[13]、创新网络的韧性特征^[14]及城市网络结构韧性评估^[15]，国内研究已在长三角区域开展城市群网络实证分析，集中于城市间的经济流^[16-17]、信息流^[18-19]、物流与交通流^[20-21]等方面，并借助于企业总-分机构分析城市网络^[22-23]。然而，现有文献多基于城市群背景，以城市联系为切入点，集中于对单一城市群内部或多个乃至中国全域城市群各要素流的空间联系^[24-29]，尚较少涉及以微观个体反身性视角认知宏观区域结构，对长三角信息网络韧性的评估亦尚未从行动主体出发，跨尺度认知区域地理空间与信息空间的交互影响，且未考察当搜索语义转换时仍保持其自身复杂结构的、提升信息网络的自适应能力。本文尝试以反身性视角理解长三角信息流空间建构与网络韧性：以核心城市为节点、以共词分析为纽带，建构信息流空间网络，讨论信息网络面对搜索语义转换过程中所产生的适应性问题，以期理解基于个体搜索行动对虚拟信息空间进行跨尺度的认知，诠释长三角信息流空间的建构。
1 反身性视角下的信息流空间网络韧性网络韧性本质上是由人建构的，个体进行信息搜索产生信息流，反映了每个搜索者的主观偏好、兴趣、利益等，身处在区域中的每个人均由个体思想指导自身行动，其行动又影响着即将发生的事件，即个体思想与行动通过反身性的跨尺度表达重塑区域信息流空间，进而影响着区域网络韧性与地理空间演化。虽然信息流空间是虚拟的、柔性的，但其建构主体——个体与集体，均为真实生活于地理空间的行动主体。微观层面是个体提高自身应对不确定性的预判能力，宏观层面则是对个体所构建的信息柔性空间网络韧性的加固。因此，信息流空间与地理空间即通过个体反身这一介质实现互馈(图 1)。
Fig. 1

	Download: JPG larger image
图 1 反身性视角下的信息社会地理学空间认知框架 Fig. 1 A spatial cognitive framework of geography in the information society from a reflexive perspective 图 1 反身性视角下的信息社会地理学空间认知框架 Fig. 1 A spatial cognitive framework of geography in the information society from a reflexive perspective -->

1.1 反身性视角从词源学角度看，reflexivity一词的前缀“re-”意指反向的，词干的拉丁语词根“-flectere”意指弯曲，其本原意义即“反向弯曲”，故将reflexivity译为“反身性”最为合适。反身性研究(reflexivity research)是一种“元理论的反思”(metatheoretical reflection)，指两个或多个层次间彼此相互影响与互动性的反思，而不让其中任一方面处于支配地位^[30]。个体、组织、区域、国家的行为均由社会建构且不断变化，社会主流观点塑造了社会结构，社会中各行动者的认同与利益影响了他们的观点与行动，揭示个体参与构建他们认为的社会现实的方式，并认为地理空间是社会关系的建构结果。网络技术与大众媒体等媒介传播正导致碎片化的城市空间体验与城市认知系统，而人类作为物质空间的主要建设者，其认知与活动的改变必将反作用于现实空间^[31]。反身性视角表明，基于个体建构的信息流空间网络可能超越既有的网络嵌入与路径依赖，朝向更具开放性的路径变迁，避免区域发展的陷入与路径锁死(lock-in)，从而有助于网络韧性的提升。
1.2 反身性视角与网络韧性在信息流空间中，假设信息网络韧性为Z，个体行动策略为x，信息网络为y，由于信息网络韧性Z是由个体行动策略x形成的信息网络y所建构与影响的，因此信息网络韧性Z是关于个体行动策略x与信息网络y的函数Z=F(x，y)，{(x，y) | y=f(x)}。其中，个体行动策略x建构了与之对应的信息网络y，并在函数F的定义下，x与y共同决定信息网络韧性Z，即个体行动策略所建构的信息网络具备韧性特征。同理，信息网络韧性也受制于个体行动策略与信息网络的影响，这意味着对个体而言，信息网络韧性对其建构主体——个人的行动策略具有反身作用，个体行动策略是信息网络韧性的函数，表示为x=f(z，y)。由于y=f(x)，故信息网络y仅作为中间变量起到桥梁作用，其含义是有某种信息网络韧性就有相对应的个体行动策略。合并上式可得Z=F[f(z, f(x))，f(x)]，个体行动策略x是信息网络韧性z变化的函数，信息网络韧性z是行动策略x变化的函数。
2 数据来源与研究方法2.1 研究区域与数据来源说明2.1.1 研究区域根据国家发展改革委员会2010年《长江三角洲地区区域规划》，长三角区域面积21.07万km²，占国土面积的2.19%，是中国沿海与长江黄金水道交汇的战略区域，包括上海，江苏省的南京、苏州、无锡、常州、镇江、扬州、泰州、南通，浙江省的杭州、宁波、湖州、嘉兴、绍兴、舟山、台州共16个城市在内。长三角核心区域是中国经济最发达、产业最密集、最具发展活力的地区之一^[32]。
2.1.2 数据来源说明当前人们在直接了解发生的事件外，会从互联网获取其他城市的相关信息。城市作为人流、货物、资本与信息的主要流动中心常出现于互联网新闻媒体中，现所有网站文档中约70%包含地点参考，可被互联网用户搜索^[33]。互联网搜索中与城市相关的信息可能提供潜在的新数据来源，用于检查不同地理尺度的城市等级^[34-35]。百度指数是基于各关键词在百度网页搜索中搜索频次的加权和^①。某一城市的居民对另一城市信息的搜索量，可较为真实地反映出该市民众对另一城市的关注程度，模拟城市间的信息流，可认为百度指数在一定程度上反映了城市间经济、社会等多元联系，折射出城市综合实力^[19]。例如，已有研究运用搜索指数，使用“流感”、“紫禁城”、“股票”等关键词^[36-39]，用以分析健康、旅游与经济，结果表明该类指标能反映并预测用户对不同现象的关注。受此启发，本文选取地理空间分析中经济、环境、社会、制度维度对应的关键词进行分析，相应地，信息网络韧性体现于信息网络的经济韧性、环境韧性、社会韧性与制度韧性间的关联互动，故选取“旅游”、“暴雨/天气”、“房价”、“人才政策”4个关键词分析网络韧性。
① 百度指数. http://index.baidu.com/Helper/?tpl=help&word=
其中，根据2018年《长三角旅游发展报告》，在旅游收入与接待量上，2017年长三角地区旅游总收入为3.16万亿人民币，占全球8.77%，同比增长16.6%。长三角地区接待境内外游客总人数23.47亿人次，同比增长11.98%。在旅游资源分布上，长三角城市旅游资源互补强，如上海、杭州、南京、苏州等，世界遗产、国家5 A级旅游景区多达30个以上。故选取“旅游”反映长三角旅游一体化中的消费升级与服务经济发展，是长三角经济一体化进程的重要组成部分。长三角区域每年6、7月份出现持续性降水天气，以高温高湿为特点的梅雨季节，为期长约20~30 d，期间雨量陡增甚至暴雨频繁。故选取“暴雨/天气”反映居民对灾害性天气的关注度，暴雨代表极端天气，因其季节性因素在数据缺失时以天气替代。根据2018年《中国城市生活质量报告》，排名前10的居住成本高的城市包括杭州、南京、上海等长三角城市，尽管这些城市提供了更多的就业机会与发展空间，但高房价等问题已影响到居民的正常生活。故选取“房价”反映居民对生活成本的关注度，是个体为自己的居住选择所付出的成本。一般而言，受经济要素支撑与社会文化因素牵引，人才资源会在经济发达、人口众多地区集聚。近年来，长三角各市人才政策纷纷出台，释放政策红利吸引人才。故选取“人才政策”既体现长三角各市对人才政策的宣传，又反映个人对各地就业形势及人才引进政策的关注度。
借鉴知识图谱的共词分析(co-word analysis)原理进一步分析百度指数关键词搜索。当两个关键词同时出现在一篇文献中，就称这两个关键词存在共词分析，而关键词共现的频次越高，表明其研究主题越接近、关系越密切^[40]。本文将其引申为：不同城市个体对同一搜索关键词的信息搜索频次加权和越高，城市间信息联系就越密切。据此，将搜索区域定为A城市，被搜索关键词组合为B城市+旅游、B城市+天气/暴雨、B城市+房价、B城市+人才政策，反之亦然。通过计算A-B城市对共有关键词出现频次，将共词矩阵转换成对应的信息搜索频次加权和，建立城市信息联系矩阵。基于上述说明，本文通过百度指数(http://index.baidu.com)界面“地区对比”选项获取2018年6月11日—7月11日长三角16个核心城市两两城市对间百度用户关注度的月均值。受制于百度指数大数据的可获得性，即至多获取月度数据，本文选取撰文当时可获得的最新一个月的数据，数据可视为随机选取而非特意安排，并按下述3步获取数据：首先，选择与居民生活息息相关的热点词汇“旅游”、“暴雨/天气”、“房价”、“人才政策”4个搜索关键词。其次，通过百度指数“按关键词”功能，得到长三角16个核心城市对上述关键词的搜索量。最后，通过百度指数“按地域”功能，查询16城市对同一关键词30天内的百度指数值，判断不同城市用户对同一关键词的关注程度，由此构建反身性视角下从个体到区域的长三角信息流空间网络。
2.2 研究方法2.2.1 网络联系强度借鉴组织系数^[41]方法构建区域网络联系强度系数，用以反映一个城市在区域网络中的综合联系程度：

${\rm{CO}}{{\rm{I}}_i} = \frac{{{R_i}}}{{(\sum\limits_{i = 1}^n {{R_i}} )/n}}, {\rm{ }}i = 1, 2, 3, \ldots , n, $

(1)

式中：COI_i是指区域网络城市i的网络联系强度R_i与网络内所有城市网络联系强度平均值的比值。COI_i值越大，说明城市i与其他城市的联系度越高，在网络中的联系地位越突出。
2.2.2 网络复杂性借鉴交通运输网络复杂性^[42]与城市经济网络复杂性^[43]等网络复杂性分析方法，借助社会网络分析工具Gephi^[44]，计算度中心性、平均路径长度与聚类系数等相关指标。
1) 度。用以测度网络中与城市i直接相连的其他城市的个数，反映该城市处于网络中心位置的程度。度值越大，城市中心性越高，拥有的网络资源越多。
2) 平均路径长度。用以测度网络中任意两城市间最短路径边数平均值，反映网络的整体性质：

$L = \frac{1}{{\frac{1}{2}n\left( {n - 1} \right)}}\sum\limits_{i > j} {{d_{ij}}} , $

(2)

式中：L是平均路径长度；n为节点数；d_ij为城市i和城市j间最短路径边数；L越小，说明网络的联系越好，网络空间结构效率越高。
3) 聚类系数。用以测度网络的集团化程度，反映网络中邻接城市间相互联系的紧密程度。城市i的聚类系数C_i等于所有与城市i相连的城市间实际存在边数与理论最大边数的比值：

${C_i} = \frac{{2{E_i}}}{{{K_i}({K_i} - 1)}}, $

(3)

式中：C_i为城市i的聚类系数；E_i为城市i的邻接城市间实际存在的边数；K_i为城市i的度数；C_i的数值介于0~1之间，C_i值越大，城市i与邻接城市联系越紧密。若对网络中所有城市的聚类系数取平均值，即整体网络的聚类系数C为

$C = \frac{1}{n}\sum\limits_{i = 1}^n {{C_i}} , $

(4)

式中：C为网络平均聚类系数，C_i为城市i的聚类系数，n为网络的城市总数。C值越大，整个网络的局部连接越明显。
2.2.3 Circos弦图Circos环状图由加拿大生物信息科学家Martin Krzywinski开发^[45]，可对城市联系细节特征进行精准刻画，并在地理空间上互相形成联系，该图各圆弧间连线为弦，弦的颜色表示不同节点间的拓扑关系，弦的宽度取决于节点间关联强弱，以节点属性为圆弧，不同颜色圆弧表示不同节点，值越大对应圆弧越长。
3 长三角城市群网络韧性分析3.1 节点等级性与密度集聚性本文依据ArcGIS Jenks将城市节点等级分为5级，并按节点联系强度降序排列依次为：1级节点上海，占据绝对核心地位；2级节点杭州、南京与苏州，信息流联系强度远高于其他节点城市；3级节点宁波、无锡、常州与绍兴；其他为4级节点城市(表 1)。一方面，各级节点城市之间的联系强度均值差距较大，1级节点上海的4指标联系强度均值2.176，是2级节点城市的1.5倍，3级、4级节点城市的2.7、4.1倍；另一方面，同一等级节点城市间联系强度均值也存在明显差距，杭州1.769，苏州1.323，南京仅为1.244(表 1)。从密度集聚性来看，长三角16个节点城市网络联系强度在2.134~8.703之间浮动，表明3、4级节点城市与1、2级节点城市之间的信息联系不紧密，尤其是3、4级节点城市间，不能有效集聚信息流，密度集聚效应并未有效凸显。
Table 1

表 1 长三角信息流空间节点等级体系Table 1 Node hierarchy of the space of information flows in Yangtze River Delta 节点等级 城市 COI 4指标联系强度均值 1级节点 上海 8.703 2.176 2级节点 杭州、苏州、南京 5.781 1.445 3级节点 宁波、无锡、常州、绍兴 3.273 0.818 4级节点 台州、南通、嘉兴、扬州、镇江、湖州、泰州、舟山 2.134 0.534

表 1 长三角信息流空间节点等级体系Table 1 Node hierarchy of the space of information flows in Yangtze River Delta

个体在实体地理空间中搜索信息的集聚程度，在虚拟信息网络中表现为节点等级的高低，聚合个体搜索4类指标的信息，可在很大程度上理解信息流空间网络节点等级与真实地理城市等级的一致性，并通过反身性的跨尺度表达将实体地理空间中的个体搜索行动与虚拟的信息流空间有机结合。
从网络韧性角度，节点城市等级性越高、密度集聚性越强，越有利于信息传输与流动，而信息传输的平均路径越短，越易增强抗干扰的能力、提高网络韧性。运用Gephi提取4指标拓扑结构(图 2)，并计算信息流空间网络韧性(表 2)，结果表明：一方面，长三角信息流空间网络较为发育，16个节点城市平均度值达13.166、平均路径长度1.109，各节点城市几乎均与区域内所有城市存在直接联系。
Fig. 2

	Download: JPG larger image
图 2 长三角信息网络拓扑结构 Fig. 2 Network topology of spatial flows of Yangtze River Delta 图 2 长三角信息网络拓扑结构 Fig. 2 Network topology of spatial flows of Yangtze River Delta -->

Table 2

表 2 长三角信息流空间网络韧性特征Table 2 Characteristics of network resilience of the space of information flows of Yangtze River Delta 搜索关键词 网络概述 节点概述 边概述 平均度 网络直径 图密度 平均聚类系数 平均路径长度 边数 旅游 14.938 2 0.996 0.996 1.004 239 天气/暴雨 14.875 2 0.992 0.992 1.008 238 房价 13.353 2 0.835 0.859 1.058 227 人才政策 9.500 2 0.633 0.731 1.367 152 指标均值 13.166 2 0.864 0.894 1.109 214

表 2 长三角信息流空间网络韧性特征Table 2 Characteristics of network resilience of the space of information flows of Yangtze River Delta

另一方面，在各搜索关键词中，旅游、天气/暴雨、房价的平均路径长度均低于指标均值并远高于人才政策，反身至宏观城市区域空间，表明相较于人才政策这一制度指标，代表经济、社会与环境的关键词信息传输与流向效率较高。通过构建多维度的反身跨尺度认知，关注个体对跨尺度地理空间的作用及对网络韧性的影响，可将信息网络与地理空间的关系由仅注重城市空间研究的单一层面转化成个体认知与虚拟信息网络及实体地理空间的多元分析视角。
网络韧性评估通过探索网络关键特征对网络韧性的影响，形成从微观个体行动到跨层级、跨尺度宏观区域信息流空间关键因素的互馈。指标均值节点的平均度越大、平均路径长度越短，说明平均节点与网络中其他节点之间联系越紧密。依据图 3及表 2对网络韧性进行初步评估，旅游信息网络韧性最高、最不易受到影响，而人才政策信息网络韧性最低、最易改变，反身至实体地理空间表现为个体在行动时，相较于做出有关旅游的决定最不易更改，而与人才政策相关的决定更易改变。一方面，具有“适应能力”的信息网络更加关注搜索中的语义转换，促使信息网络为个体提供更多搜索与决策参考以提升其韧性。另一方面，个体通过获取可靠反馈信息以判断风险与韧性，适应新的组织学习范式。
Fig. 3

	Download: JPG larger image
图 3 长三角信息流空间密度 Fig. 3 Spatial density of information flows of Yangtze River Delta 图 3 长三角信息流空间密度 Fig. 3 Spatial density of information flows of Yangtze River Delta -->

进一步运用ArcGIS Kernel Density分析长三角节点城市密度(图 3)，发现长三角信息流空间网络密度呈显著非均衡性，各关键词密度值分别为旅游4 222、房价3 292、天气/暴雨2 024、人才政策1 054，形成以上海为高密度的核心区，以杭州、苏州、南京为中密度的副核心区的沪—苏—宁—杭分布特征，其南、北两翼地区呈低密度斑块分布，与前述分析结果一致。
3.2 层级传输性与流向匹配性整体看，长三角城市群网络层级联系扁平，信息网络层级联系平均路径长度1.109，基于4类网络传输速度的平均路径长度介于1.004~1.367之间，其网络层级联系的路径传输效率整体较高，4类信息流在节点城市间的信息中转均不超过2个节点。上海、杭州、苏州、南京、宁波占据较高层级，是信息流空间中其他节点城市最主要的联系方向，“扬—镇—泰”与“嘉—湖—绍”2个次区域城市节点的信息联系显著高于长三角其他节点城市。
具体表现为：旅游相较于天气、房价、人才政策的网络层级性更高、层级结构呈显著非均质化、层级传输性优势突出，表明长三角的旅游网络覆盖密集，节点城市间联系多样化，主要节点城市间的旅游信息传输较为明显(图 4)。基于旅游的信息网络层级联系的平均路径最短1.004，表明信息可达性较强；基于暴雨/天气、房价的信息网络层级联系的平均路径分别为1.008、1.058，表明节点城市间的信息互补与交流传输效率次之，不便城市间信息流动、传递与扩散。基于人才政策的信息网络层级联系平均路径最长1.367，表明信息可达性较弱，节点城市间对信息流通、传输的效率较低。这表明，当搜索关键词改变时，旅游信息网络最能对即将发生改变的信息流做出适应与调整，由于节点城市联系路径多样，其网络韧性能力不易受冲击。与之对比，人才政策信息网络信息交换与传输较低，其网络韧性能力易受冲击。
Fig. 4

	Download: JPG larger image
图 4 长三角信息流空间层级 Fig. 4 Spatial hierarchy of information flows of Yangtze River Delta 图 4 长三角信息流空间层级 Fig. 4 Spatial hierarchy of information flows of Yangtze River Delta -->

进一步对信息网络中4类信息流向与信息强度做匹配分析，得到Circos环状图(图 5)。每种颜色代表不同的城市，环状外层是各城市所占长三角信息流空间的比例，内层宽度代表信息强弱程度，从同一城市出发，条带所流向的方向是不同城市与之对应的流向地。信息联系流向的异质倾向于依赖与之匹配的信息强弱，当个体搜索关键词改变时，有利于旅游信息流向多元化与异质化，通过灵活改变流向地与信息强弱，更易在不同节点城市间建立多元联系调整自身网络韧性。
Fig. 5

	Download: JPG larger image
图 5 基于Circos的长三角信息流空间流向 Fig. 5 Directions of the flows of information space of Yangtze River Delta based on Circos 图 5 基于Circos的长三角信息流空间流向 Fig. 5 Directions of the flows of information space of Yangtze River Delta based on Circos -->

长三角信息流空间本质上由节点城市间的信息传输与流向构成，其网络层级传输与流向匹配依赖于关键节点，藉由从个体至区域的跨尺度反身表达，通过虚拟信息空间中搜索改变来影响实体地理空间中节点城市间的信息流出与流入(表 3)。上海、杭州与苏州作为双向信息流动的最重要节点，信息流出与流入均较频繁且远高于其他城市；单向信息流动方面，南京与无锡作为信息流出节点，绍兴与宁波作为信息流入节点。
Table 3

表 3 长三角信息流空间前20对信息流向与主要节点城市Table 3 First 20 pairs of information flows of the Yangtze River Delta with directions and main node cities 搜索关键词 节点城市信息流向 信息流出 信息流入 主要节点城市 主要节点城市 杭州→舟山，杭州→绍兴，苏州→舟山，上海→舟山， 上海 舟山 杭州→宁波，上海→绍兴，无锡→苏州，无锡→上海， 杭州 上海 旅游 上海→杭州，苏州→上海，南京→舟山，宁波→舟山， 南京 杭州 上海→宁波，上海→嘉兴，南京→上海，嘉兴→杭州， 苏州 绍兴 上海→湖州，南京→镇江，南京→杭州，杭州→台州。 无锡 宁波 杭州→宁波，南京→苏州，嘉兴→杭州，杭州→绍兴， 南京 苏州 杭州→台州，无锡→苏州，湖州→杭州，苏州→上海， 杭州 杭州 天气 扬州→苏州，上海→杭州，杭州→舟山，常州→苏州， 无锡 上海 南京→苏州，南京→上海，南通→苏州，泰州→苏州， 上海 宁波 南京→上海，南京→无锡，南京→常州，上海→宁波。 嘉兴 绍兴 苏州→上海，上海→杭州，杭州→宁波，上海→嘉兴， 南京 上海 无锡→上海，无锡→苏州，嘉兴→杭州，苏州→上海， 上海 杭州 房价 南京→上海，南通→上海，常州→苏州，南京→苏州， 苏州 苏州 南京→杭州，常州→上海，南通→苏州，苏州→杭州， 无锡 宁波 南京→无锡，上海→宁波，宁波→台州，湖州→台州。 南通 台州 杭州→台州，杭州→宁波，嘉兴→杭州，湖州→杭州， 杭州 苏州 杭州→舟山，南京→苏州，杭州→绍兴，扬州→常州， 南京 杭州 人才政策 南通→苏州，常州→苏州，常州→无锡，无锡→苏州， 扬州 绍兴 扬州→苏州，苏州→上海，南京→镇江，南京→扬州， 常州 台州 南京→苏州，镇江→苏州，上海→杭州，杭州→绍兴。 嘉兴 宁波

表 3 长三角信息流空间前20对信息流向与主要节点城市Table 3 First 20 pairs of information flows of the Yangtze River Delta with directions and main node cities

4 结论与讨论本文通过反身性视角，以微观层面的个体信息搜索解释宏观层面区域网络韧性的变化，在百度指数中选取与个体生活密切的旅游、天气、房价、人才政策4个关键词，通过分析区域内个体行动者自身关注信息的变化，展示个体行动集合对区域网络韧性的影响，结果如下：
1) 节点等级性与密度集聚性分析表明，长三角区域信息流空间拓扑结构复杂，平均度值达14.118，具有较高的网络韧性，总体呈“一极多中心”格局，密度呈显著非均衡性。1级节点上海居绝对核心地位，2级节点为杭州、苏州和南京，3级节点为宁波、无锡、常州与绍兴，其中，由1、2级节点城市构成的沪—苏—宁—杭区域为高密度集聚区，其南、北两翼地区呈低密度斑块分布。
2) 层级传输性与流向匹配性分析结果显示，一方面，旅游相较于房价、天气、人才政策的网络层级性更高，特别是旅游信息搜索的等级与层级性优势突出；另一方面，上海、杭州、苏州、南京、宁波在长三角信息流空间中占据较高层级，其中，上海、杭州与苏州是双向信息流动的最重要节点，信息流出与流入频繁且远高于其他城市。此外，南京与无锡是主要的信息流出节点，绍兴和宁波是主要的信息流入节点。
3) 反身性视角展示了从个体行动到虚拟信息空间并反身至实体地理空间的一种跨尺度地理空间认知方法，对其网络韧性的分析表明个体行动相对于区域网络结构与区域网络结构韧性是具有地域反身性的，通过反身性视角建立个体-区域的跨尺度空间关联，有助于展示个体行动变化与区域空间变化的互馈。
网络韧性是对尚未发生的各种突发状况等不确定性因素所致的变化进行适应与创新的能力，体现了一种面向未来的思维。基于大数据的关键词搜索使得实体地理空间中的区域成为信息交互汇聚的流空间，而基于流空间的城市网络韧性研究背后是生活在实体地理空间中真正通过信息搜索而产生网络联系的个人，反身性视角下的信息流空间网络韧性分析真正体现人文地理学以人为本这一研究宗旨，充分反映每个搜索者作为行动主体的能动性，与传统地理空间认知互为补充。传统区域尺度的静态空间格局分析或多或少忽略了区域地理环境对个体决策变化的影响，网络韧性则通过个体信息搜索反映出节点城市在流空间中的信息掌控度与重要性，信息搜索的事实又反映了个体的偏好、目的、兴趣、利益等主观行动依据，而个体的行动时刻建构着实体地理空间，有助于通过流空间中关键节点与信息流向、搜索频率等的改变发现实体地理空间与信息流空间中同一城市的网络节点层级或存在错配现象，现实中行政级别高的城市在信息流空间中对信息流入与流出的掌控程度未必一致，或预示着实际治理中的不合理问题，从而辅助城市区域治理，为相关决策提供依据。

参考文献

[1]	Castells M. The rise of the network society. The information age:economy, society, and culture. Vol I (information age series)[M]. London: Blackwell, 1996.
[2]	Castells M. The rise of the network society[M]. 2nd ed. West Sussex, UK: Wiley Blackwell, 2010.
[3]	陈伟, 修春亮, 柯文前, 等. 多元交通流视角下的中国城市网络层级特征[J]. 地理研究, 2015, 34(11): 2073-2083.
[4]	方大春, 孙明月. 高铁时代区域空间结构重构研究[J]. 当代经济管理, 2014, 36(2): 63-66.
[5]	Taylor P, Catalano G, Walker D. Measurement of the world city network[J]. Urban Studies, 2002, 39(13): 2367-2376. Doi:10.1080/00420980220080011
[6]	丁亮, 钮心毅, 宋小冬. 上海中心城就业中心体系测度:基于手机信令数据的研究[J]. 地理学报, 2016, 71(3): 484-499.
[7]	申悦, 柴彦威. 基于GPS数据的北京市郊区巨型社区居民日常活动空间[J]. 地理学报, 2013, 68(4): 506-516.
[8]	王波, 甄峰, 席广亮, 等. 基于微博用户关系的网络信息地理研究:以新浪微博为例[J]. 地理研究, 2013, 32(2): 380-391.
[9]	刘望保, 石恩名. 基于ICT的中国城市间人口日常流动空间格局:以百度迁徙为例[J]. 地理学报, 2016, 71(10): 1667-1679. Doi:10.11821/dlxb201610001
[10]	Todo Y, Nakajima K, Matous P. How do supply chain networks affect the resilience of firms to natural disasters? evidence from the Great East Japan Earthquake[J]. Journal of Regional Science, 2015, 55(2): 209-229. Doi:10.1111/jors.12119
[11]	Rus K, Kilar V, Koren D. Resilience assessment of complex urban systems to natural disasters:a new literature review[J]. International Journal of Disaster Risk Reduction, 2018, 31(2): 311-330.
[12]	Crespo J, Suire R, Vicente J. Lock-in or lock-out? How structural properties of knowledge networks affect regional resilience?[J]. Journal of Economic Geography, 2013, 14(1): 199-219.
[13]	Suire R, Vicente J. Clusters for life or life cycles of clusters:in search of the critical factors of clusters' resilience[J]. Entrepreneurship and Regional Development, 2014, 26(2): 142-164.
[14]	Graciela C, Jones J, Statsenko L. Managing innovation networks for knowledge mobility and appropriability:a complexity perspective[J]. Entrepreneurship Research Journal, 2016, 6(1): 75-109.
[15]	彭翀, 林樱子, 顾朝林. 长江中游城市网络结构韧性评估及其优化策略[J]. 地理研究, 2018, 37(6): 1193-1207.
[16]	张虎, 周迪. 城市群金融等别视角下的长三角金融资源流动研究:以城市商业银行异地扩张为例[J]. 地理研究, 2016, 35(9): 1740-1752.
[17]	顾雯娟, 欧向军, 叶磊, 等. 基于要素流的长三角城市群空间布局[J]. 热带地理, 2015, 35(6): 833-841.
[18]	秦萧, 甄峰, 朱寿佳, 等. 基于网络口碑度的南京城区餐饮业空间分布格局研究:以大众点评网为例[J]. 地理科学, 2014, 34(7): 810-817.
[19]	熊丽芳, 甄峰, 王波, 等. 基于百度指数的长三角核心区城市网络特征研究[J]. 经济地理, 2013, 33(7): 67-73.
[20]	叶磊, 段学军. 基于物流企业的长三角地区城市网络结构[J]. 地理科学进展, 2016, 35(5): 622-631.
[21]	孙阳, 姚士谋, 张落成. 长三角城市群"空间流"层级功能结构:基于高铁客运数据的分析[J]. 地理科学进展, 2016, 35(11): 1381-1387.
[22]	李仙德. 基于上市公司网络的长三角城市网络空间结构研究[J]. 地理科学进展, 2014, 33(12): 1587-1600.
[23]	隋正伟, 邬伦, 刘瑜. 基于签到数据的城市间交互网络研究[J]. 地理与地理信息科学, 2013, 29(6): 1-5.
[24]	孙阳, 张落成, 姚士谋. 基于快递企业总分机构的中国城市网络空间结构[J]. 中国科学院大学学报, 2017, 34(5): 592-596.
[25]	孙阳, 姚士谋, 张落成. 中国沿海三大城市群城市空间网络拓展分析:以综合交通信息网络为例[J]. 地理科学, 2018, 38(6): 827-837.
[26]	甄峰, 王波, 陈映雪. 基于网络社会空间的中国城市网络特征:以新浪微博为例[J]. 地理学报, 2012, 67(8): 1031-1043.
[27]	王姣娥, 景悦. 中国城市网络等级结构特征及组织模式:基于铁路和航空流的比较[J]. 地理学报, 2017, 72(8): 1508-1519.
[28]	赵新正, 冯长安, 李同昇, 等. 中国城市网络的空间组织特征研究:基于开发区联系的视角[J]. 地理研究, 2019, 38(4): 898-910.
[29]	赵金丽, 盛彦文, 张璐璐, 等. 基于细分行业的中国城市群金融网络演化[J]. 地理学报, 2019, 74(4): 723-736.
[30]	肖瑛. "反身性"研究的若干问题辨析[J]. 国外社会科学, 2005(2): 10-17.
[31]	王晶, 甄峰. 信息通信技术对城市碎片化的影响及规划策略研究[J]. 国际城市规划, 2015, 30(3): 66-71.
[32]	宋伟轩, 刘春卉. 长三角一体化区域城市商品住宅价格分异机理研究[J]. 地理研究, 2018, 37(1): 92-102.
[33]	Hill L. Georeferencing:the geographic associations of information[M]. Cambridge: Mit Press, 2009.
[34]	Taylor P. Hierarchical tendencies amongst world cities:a global research proposal[J]. Cities, 1997, 14: 323-332.
[35]	Zhen F, Wang B, Wei Z. The rise of the internet city in China:production and consumption of internet information[J]. Urban Studies, 2015, 52: 2313-2329.
[36]	Huang X, Zhang L, Ding Y. The Baidu index:uses in predicting tourism flows:a case study of the Forbidden City[J]. Tourism Management, 2017, 58: 301-306.
[37]	Vaughan L, Chen Y. Data mining from web search queries:a comparison of google trends and baidu index[J]. Journal of the Association for Information Science and Technology, 2015, 66: 13-22.
[38]	Yuan Q, Nsoesie E O, Lv B, et al. Monitoring influenza epidemics in china with search query from baidu[J]. PloS One, 2013, 8(5): 1-7.
[39]	Zhang W, Shen D, Zhang Y, et al. Open source information, investor attention, and asset pricing[J]. Economic Modelling, 2013, 33: 613-619.
[40]	许振亮, 刘则渊. 基于知识图谱的国际高等工程教育学科前沿的研究[J]. 图书情报工作, 2008, 52(12): 74-76.
[41]	王成金, 金凤君. 中国海上集装箱运输的组织网络研究[J]. 地理科学, 2006, 26(4): 392-401.
[42]	汪小帆, 李翔, 陈关荣. 复杂网络理论及其应用[M]. 北京: 清华大学出版社, 2006.
[43]	莫辉辉, 王姣娥, 金凤君. 交通运输网络的复杂性研究[J]. 地理科学进展, 2008, 27(6): 112-120.
[44]	Jun D, Xiaojun M, Qiang B. A comparative study of social network analysis tools Ucinet and Gephi[J]. Information Studies, 2014, 37(8): 133-138.
[45]	Krzywinski M, Schein J, Birol I, et al. Circos:an information aesthetic for comparative genomics[J]. Genome Research, 2009, 19(9): 1639-1645.