基于流空间视角的城市群空间结构研究——以珠三角城市群为例

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

王少剑, 高爽, 王宇渠中山大学地理科学与规划学院,广东省城市化与地理环境空间模拟重点实验室,广州 510275

Spatial structure of the urban agglomeration based on space of flows: The study of the Pearl River Delta

WANG Shaojian, GAO Shuang, WANG YuquGuangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China

收稿日期:2018-06-25修回日期:2018-09-25网络出版日期:2019-08-20

基金资助:

国家自然科学基金项目.41601151

广东省特支计划

广州市珠江科技新星.201806010187

Received:2018-06-25Revised:2018-09-25Online:2019-08-20
作者简介 About authors
王少剑（1986-）,男,河南驻马店人,博士,副教授,主要研究方向为城市地理、城市与区域规划E-mail:1987wangshaojian@163.com。

摘要
随着现代交通、通信以及信息技术的发展,基于网络社会的“流空间”成为研究城市群空间结构的重要理论前沿。借助珠三角城市群9个城市的人流、物流、资金流和信息流数据,对珠三角城市群空间结构的现状和发展趋势进行综合性判断。研究发现：① 珠三角城市群的空间结构现状在“点-线-网-面域”4个层面均呈现出明显单极化态势,广州市是“流空间”视角下珠三角城市群的核心,区域网络结构呈现出“缺位型金字塔形结构”;② 珠三角城市群网络的未来发展中位于不同层级的城市将起着不同的作用,其中广州、深圳、东莞等城市对空间结构发展起着导向性作用,而佛山、中山等城市将承担着联系中转站功能;③ 珠三角各城市的流度辐射区一体化明显,各城市辐射影响区的空间形态也表明了各城市的功能圈和势力范围。未来随着全球化趋势和区域一体化政策的加强,珠三角城市群的集聚效应将不断转化为扩散效应,将极大提升珠三角城市群对全球范围内资源的吸聚和配置能力,助力珠三角城市群走向网络化的发展时代。
关键词： 珠三角;流空间;空间结构;联系强度

Abstract

With the development of modern transportation, communication and information technology, the "space of flow" based on network society has become an important theoretical frontier for studying urban spatial structure. Based on the passenger flow, material flow, fund flow and internet information flow in nine cities of the Pearl River Delta, this paper makes a comprehensive judgment on the present situation and development trend of spatial structure of urban agglomeration in this region. Research findings are as follows: (1) The present situation of urban spatial structure in the Pearl River Delta presents obvious unipolarization, and Guangzhou is the core of the delta based on the "space of flow". (2) Cities at different levels will play different roles in the future development of the urban agglomeration network. Guangzhou, Shenzhen and Dongguan play a leading role in the development of spatial structure, while Foshan, Zhongshan and other cities will assume the function of connecting transit stations. (3) The urban areas of the Pearl River Delta are well integrated. The spatial form of the radiated area of each city also indicates the functional circle and sphere of influence of each city. In the future, with the strengthening of globalization and regional integration policies, the agglomeration effect of the Pearl River Delta region will be transformed into diffusion effect, which will greatly improve the ability of the delta to absorb and allocate resources on a global scale.

Keywords：Pearl River Delta;space of flow;spatial structure;contact strength

PDF (6075KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
王少剑, 高爽, 王宇渠. 基于流空间视角的城市群空间结构研究——以珠三角城市群为例. 地理研究[J], 2019, 38(8): 1849-1861 doi:10.11821/dlyj020180635
WANG Shaojian. Spatial structure of the urban agglomeration based on space of flows: The study of the Pearl River Delta. Geographical Research[J], 2019, 38(8): 1849-1861 doi:10.11821/dlyj020180635

1 引言

随着经济全球化趋势在世界范围的加强,国家的综合竞争力往往也取决于城市群的发展水平,故城市群的空间结构特征和发展趋势逐渐成为人文地理关注的重点^[1]。学术上关于城市群空间结构研究的传统理论有中心地理论、位序-规模法则等。其中,中心地理论是基于服务业视角研究城市的层级特征^[2],位序-规模法则是从城市的规模等级来判断城市在网络结构中的层级分布^[3]。传统理论的缺陷在于将城市群作为静态的、相对孤立的系统,研究区域空间结构多从城市内部特征出发^[4],侧重于城市间的竞争关系,最终得出城市群位序分布规律。但在全球化和信息化的背景下,随着城市间基础设施的完善,城市间的交流日益紧密^[5],城市群不再是孤立的系统,城市群内部城市之间通过人流、物流、技术流、信息流等方式进行物质交换,形成动态合作的城市体系^[6],以规模层级分布探究区域空间结构不再适应时代发展的需要^[7]。在此背景下,基于动态关联的“流空间”视角逐渐成为区域空间结构的热点方向^[8]。

“流空间”概念由Manuel Castells提出,其含义是“由城市间的物质流动不必地理区位相邻即可实现共享时间的社会实践组织”^[9]。概念一经提出便得到普遍关注,以“流”数据为基础反映城市间相互联系,使得区域空间结构的研究从城市的形态、等级体系转变为城市网络结构、功能和联系^[10]。例如泰勒提出的“中心流”理论也是对传统“中心地”理论的修正^[11],梅耶尔甚至将“流空间”影响下的转变作为区域和城市群空间结构研究范式的转变^[12]。

国外对“流空间”视角下城市群空间结构的研究较早,Castells最早提出“流空间”可作为城市和区域结构的新视角^[9];GaWC（全球化与世界城市研究团队）通过城市间高端服务业的流动特征来判断世界城市的网络性^[13];POLYNET（欧洲多中心巨型城市区域可持续发展管理项目）通过研究欧洲8个巨型城市区域展示了“流空间”理论和方法的优越性^[14];Matsumoto等用航空流数据来揭示城市网络空间特点,重点探究了国际航空港城市群的空间结构特征^[15];Mitchelson以美国邮政作为信息流的基础数据,从“流空间”视角判断各城市之间的功能联系和腹地范围^[16]。

近年来,中国地理学家也基于“流空间”视角展开区域或城市群空间结构的研究。前期的研究多利用城市间交通流数据特征判断城市层级体系和网络空间结构。如马学广等通过客运交通流数据研究山东沿海城市带的多中心结构,发现山东沿海城市带在空间结构上有明显的规模效应、向心性和内化性特征^[17];蔡莉丽等也使用交通流数据分别对珠三角地区^[18,19]、长三角地区^[20]城市群空间结构和多中心特征进行研究,认为城市群的等级-网络体系演化明显,城市群将呈现均衡化发展态势。但随着信息技术的发展和城市网络研究的兴起,以百度指数、网络地名共现、腾讯大数据为代表的互联网资源逐渐成为“流空间”视角下城市全球化、一体化研究的新方向。如甄峰等利用新浪微博数据对中国城市网络发展特征进行探究,结果发现城市网络呈现出显著的分层集聚现象^[21];赵映慧等基于百度指数从信息流视角对东北三省的城市网络空间联系进行探讨,发现辽宁和吉林两省具有“一主一副”特征,而黑龙江则呈现“单中心”的网络结构^[22];王宁宁等从信息流的角度出发探讨全国尺度下区域信息空间的格局和分布特征,研究发现各省信息影响力由东部向西部呈逐渐递减态势^[23];叶磊等则同时基于交通流和信息流数据研究江苏省的城市群空间结构,认为江苏省流空间结构呈现“中心-外围”格局^[24]。

总体来看,当前对“流空间”视角研究的不足在于流要素选择的单一化,关注点多集中于交通流对于区域空间格局的重塑^{[17,18,19,20]},虽然近年来互联网信息流成为研究的重点方向,但是仍然不能摆脱单一流要素的局限性,较少探究在多元流要素共同作用的城市群空间结构特征。本文的研究区域为珠江三角洲,包括广州、深圳、佛山、中山、惠州、东莞、珠海、江门、肇庆9个城市（即传统意义上的小珠三角地区,不包括港澳地区）。不论在国家战略层面还是省战略层面,推进区域一体化、促进行政区跨域协同都是珠三角城市群未来发展的重点。显然,在区域一体化发展进程中,单纯的依赖孤立、封闭的城市个体属性数据评判城市在区域网络的地位和竞争力,不利于空间结构优化和发展战略的制定^[25]。基于此,本文从城市功能特征出发,为避免单一流要素的局限性,选择城市间的最具代表性的人流、物流、资金流和信息流四种流要素,对多元流要素视角下区域空间结构进行定量辨别,判断珠三角城市网络的空间结构指数、城市层级以及各层级城市在珠三角一体化所起的作用,珠三角各城市的主要关联轴线如何?为珠三角区域一体化发展政策和空间优化策略提供借鉴依据。

2 数据来源与研究方法

2.1 数据来源与矩阵构建

2.1.1 人流人流作为城市间最频繁的交流方式,不易直接测度,考虑到城市间的人流交往主要来自于公路和铁路,故本文选择城市间的高铁、动车、普通列车和城际大巴的客运班次作为人流的数据替代方法^[26]（部分城市间的城际地铁并入动车数据）。数据主要从12306网站和各个城市客运站发布客车时刻表获得,本文选择2018年3月份各城市间高铁、动车、普通列车、城际大巴的日均班次作为城市间的交通流数据。在将客运班次转换成人流量数据时,考虑不同交通方式的运载能力差异,大巴车选取核载50人为标准、普通列车以1节软卧、8节硬卧、8节硬座车厢最终核载1200人为标准,动车和高铁以一等车4节、二等车5节最终核载600人为标准,采用以下公式对交通量进行定义：

（1）M_ij=50A_ij+1200B_ij+600C_ij+600D_ij

（2）R_ij=（M_ij+M_ji）/2

式中：M_ij为i城市向j城市的人流网络连接度;R_ij为i城市与j城市之间的人流网络连接度;A_ij、B_ij、C_ij、D_ij分别为每日的i城市向j城市的城际大巴班次、普通列车班次、动车（地铁）班次、高铁班次。最终构建城市人流联系矩阵（表1）：

Tab. 1
表1
表1珠三角城市人流联系矩阵
Tab. 1City passenger flow contact matrix in Pearl River Delta

	深圳	珠海	佛山	惠州	东莞	中山	江门	肇庆
广州	200025	97500	190125	35050	128550	76075	18325	73750
深圳		5425	24700	79475	118225	16225	5900	7750
珠海			5100	1800	3700	44550	2250	1550
佛山				2850	13150	13000	4250	55275
惠州					70000	1825	1575	1500
东莞						10025	2225	5650
中山							7800	2200
江门								2425
肇庆

新窗口打开|下载CSV

2.1.2 物流借鉴Taylor所提出的研究世界城市网络的方法^[27],构建珠三角物流网点矩阵进行城市物流的研究。选取珠三角城市群9个城市的11家物流公司,包括顺丰、中通、国通、申通、EMS、德邦、龙邦、新邦、天天、韵达、快捷的共10321个网点为研究对象。城市i中物流网点a的得分值被定义为物流网点a在整个网络中的重要程度,用X_ia表示。物流网点a在i和j两个城市之间的网络连接度可以表示为：

(3)R_ij_,_a=X_ia×X_ja

R_ij为i和j两城市之间的物流网络连接度：

（4）

R_{ij} = \sum_{ij} R_{ij, a}

最终构建如城市物流联系矩阵（表2）：

Tab. 2
表2
表2珠三角城市物流联系矩阵
Tab. 2City material flow connection matrix in Pearl River Delta

	深圳	珠海	佛山	惠州	东莞	中山	江门	肇庆
广州	781782	170021	615307	258671	1148765	554095	270153	150485
深圳		192269	615374	251114	903610	464846	283785	148509
珠海			157597	61196	212550	116025	52596	45507
佛山				199025	751528	394438	179565	91004
惠州					308351	158580	79654	41586
东莞						682484	274782	150917
中山							130182	68694
江门								72298
肇庆

新窗口打开|下载CSV

2.1.3 资金流与物流测度类似,构建城市银行网点矩阵进行城市资金流的研究。本文选取珠三角城市群的5家银行企业,包括中国银行、工商银行、建设银行、农业银行和邮政储蓄银行的5117个网点为研究对象^[28]。城市i中银行网点b的得分值被定义为银行网点b在整个网络中的重要程度,用V_ib表示。银行网点b在i和j两个城市之间的网络连接度可以表示为：

(5)R_ij_,_b=V_ib×V_jb

R_ij为i和j两城市之间的资金流网络连接度：

（6）

R_{ij} = \sum_{j} R_{ij, b}

最终构建如表3城市资金流联系矩阵：

Tab. 3
表3
表3珠三角城市资金流联系矩阵
Tab. 3City fund flow connection matrix in Pearl River Delta

	深圳	珠海	佛山	惠州	东莞	中山	江门	肇庆
广州	187357	64820	257459	105059	144871	95379	125172	65876
深圳		30871	119392	51040	70554	44421	61167	34333
珠海			41877	17126	23601	15383	20369	10765
佛山				67544	91567	61778	81360	42484
惠州					39720	24923	34683	20120
东莞						34318	47903	27921
中山							29689	15586
江门								25261
肇庆

新窗口打开|下载CSV

2.1.4 信息流随着互联网通信技术的发展,信息联系成为了城市之间的日益重要的交流渠道,城市群内部各城市之间通过网络进行信息的有机联系,其中百度指数城市搜索量可以直观的反映城市间的信息交流状况^[29]。本文基于百度指数构建城市矩阵进行城市间信息流的研究,通过百度指数界面的“按地域分类”以珠三角各城市地名关键词得到2017年城市之间的百度用户日均搜索量。计算公式如下：

(7)R_ij=A_b×B_a

式中：A_b为城市B百度用户对城市A的搜索量;B_a为城市A百度用户对城市B的搜索量;R_ij为i城市与j城市之间的信息流网络连接度。最终构建如城市信息流联系矩阵（表4）：

Tab. 4
表4
表4珠三角城市信息流联系矩阵
Tab. 4Pearl River Delta city information flow connection matrix

	深圳	珠海	佛山	惠州	东莞	中山	江门	肇庆
广州	1328649	218940	738819	251625	504735	145262	124320	118656
深圳		132832	196582	447923	757940	89411	63345	54760
珠海			88711	25992	56028	57477	27742	16520
佛山				49765	74976	49456	37440	32450
惠州					121520	22098	19500	16614
东莞						32398	31200	28672
中山							22010	14440
江门								20160
肇庆

新窗口打开|下载CSV

2.1.5 数据综合处理将四种流联系矩阵数据组成综合网络,进行原始数据的归一化处理,具体公式为：

(8)X=（x-min）/（Max-min）

式中：x为原始数据;min为矩阵数据最小值;Max为矩阵数据最大值;X为归一化后的数据。标准化后X位于0~1的范围内,1表示两城市联系最为紧密,0表示两城市最为疏远。对归一化数据进行求和以此表征城市联系流强度：

（9）

R_{i} = \sum_{j} R_{ij}

式中：R_i表示i城市的联系流强度;R_ij为i城市与j城市的网络连接度。在进行综合流城市群空间结构的研究中,参考刘传明等,将各要素流视为同等重要,权重均为0.25^[30]。

2.2 研究框架与方法

借助社会网络分析,以人流、物流、资金流、信息流数据建立珠三角城市群综合流数据矩阵,从“点-线-网-面域”4个维度,运用聚类分析法、优势流分析法、空间结构指数法、场强模型法分析珠三角各城市节点层级、骨干轴线、空间格局和流度辐射区,判断珠三角城市群的空间结构特征及未来发展趋势。2.2.1 聚类分析法城市节点是“流空间”视角下城市群空间结构的核心要素,基于城市联系流数据结果通过ArcGIS软件的Natural breaks聚类分析法对城市进行层级划分,使得组内差异最小,组间差异最大,最终将珠三角城市聚类划分为4个层级,直观识别各城市在区域空间网络中的地位和对外辐射影响力^[31]。2.2.2 优势流分析法优势流（dominant flow）分析法,是学术界中应用较多的研究主要关联轴线和城市层级结构的方法,由Nystuen和Dacey于1961年提出。通过城市的主要要素流方向判断城市在城市群中的地位,反映了该城市在空间相互作用中的影响力^[32]。根据城市间网络连接度识别第一、第二、第三、第四优势流,判读珠三角城际核心骨干联系线和主要关联轴线特征,确定“流空间”视角下区域空间结构的基本格局。2.2.3 空间结构指数法空间结构指数是基于区域中心结构研究的改进算法,由Hanssens于2013年提出,其结果在0~1的范围内,0表示区域空间结构呈现显著的单极化发展态势,1表示区域空间结构为明显的多极化特征,以此确区域空间结构的离散程度^[33]。计算公式如下：

（10）

SSI = \{\begin{array}{l} (2 - \frac{SD}{S D_{rc}}) \times 2^{- 1}, SD < SDrc \\ \frac{S D_{rc}}{2 SD}, SD > SDrc \end{array}

式中：SD为城市节点联系流强度R_i的标准差;SD_rc为所有城市节点排序后其序号的标准差;SSI为区域的空间结构指数。2.2.4 场强模型法场强模型基于万有引力模型,利用“城市质量”研究城市对其周边区域辐射影响,其中影响力遵循“距离衰减规律”,伴随距离的增加而减小^[34],其计算公式为：F_ik=Z_k/Di_k （11）式中：F_ik为城市k对i点的影响力;Z_k为城市k的质量;D_ik为城市k到i点的距离。选择城市的联系流强度代表城市质量,借用场强模型计算“流空间”视角下城市的影响腹地,并以此表征城市流度辐射区,从面域层面对城市群空间结构进行研究。本文选择最短通行时间表征城市中心与区域内一点间的距离,依据《公路工程技术表征》（JTGB01-2003）,根据不同的道路类型的时速标准,将行政级别的高低类比技术级别并赋予对应技术级别的时速设置了每个栅格的通行时间成本,如表5所示,最后求出各地级市城市中心到整个区域的最短时间距离。

Tap. 5
表5
表5道路行车速度设定
Tap. 5Road speed setting

栅格对象属性	国道	省道	县道	其他
实际时速(km/h)	80	60	40	20
通行时间(min)	0.75	1	1.5	3

新窗口打开|下载CSV

3 珠三角城市群的空间结构分析

3.1 城市节点层级

对珠三角各城市联系流矩阵数据进行归一化处理,并进行综合分析（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1珠三角各城市的联系流强度

Fig. 1City connection flow intensity in Pearl River Delta

从联系流强度来看,各城市人流、信息流、资金流的城市流联系强度相似：广州的联系流强度最大,其次是深圳、东莞、佛山,其余城市的排名有细微的差别。物流的流强度较其余3个流要素变化较为明显,东莞与中山的物流联系强度大大增强,原因在于东莞市和中山市作为珠三角小商品生产基地,网络零售行业发展迅速,使得东莞和中山两市在物流联系网络中的地位大大增强。从综合联系流强度结果来看,各城市综合联系流强度差距较大,综合联系最强的广州与综合联系最弱的肇庆相差7.46倍。为了进一步表现各城市层级特征,采用Natural breaks将珠三角各城市的联系流强度划分为4个层级（表6）：

Tab. 6
表6
表6城市层级划分
Tab. 6City hierarchy

层级	人流联系强度	物流联系强度	资金流联系强度	信息流联系强度	综合流联系强度
I	广州	东莞、广州、深圳	广州	广州、深圳	广州
II	深圳、东莞、佛山	佛山、中山	佛山、深圳	东莞、中山	深圳、东莞、佛山
III	惠州、中山珠海、肇庆	惠州、江门	东莞、江门惠州、中山	江门、佛山惠州、肇庆	中山、惠州
IV	江门	肇庆、珠海	肇庆、珠海	珠海	江门、珠海、肇庆

新窗口打开|下载CSV

在珠三角各城市层级中广州的核心地位表现明显,其中人流、物流、资金流、信息流都位于城市联系流强度的第一层级;深圳其次,在物流和信息流联系强度中也处于第一层级,但是相对于广州核心地位有所下降。东莞的中心性低于广州和深圳,其在物流联系强度处于第一层级,在人流、资金流和信息流联系强度处于第二层级。4个流要素城市层级中,第一、第二层级的城市排序变化不大,为广州、深圳、东莞、佛山4个城市,但是第三、第四层级的城市排序有较大的变化,可以看出珠三角边缘地区的城市虽然与核心地区的差距明显,但是与第三、第四层级中的其余城市相比有着不同的优势,例如江门、惠州的物流、资金流对外联系较强,而肇庆的人流、信息流对外联系较强。由此可见,多元流要素可以避免单一流要素的不确定性,能够更好的反映城市的对外联系网络格局。从综合流联系强度来看,珠三角城市群呈现着“一核多中心”竞衡的发展态势,城市网络格局按“1+3+2+3”分布。各层级强度差距较为显著,结合各城市的地理位置,联系流层级结构与珠三角城市空间位置密切相关：位于第四层级的城市基本处于珠三角边缘地带,与核心区域相距较远,受到核心区域的辐射较弱。虽然“流空间”不注重地理区位对于城市交流的影响,但传统的空间距离仍然影响城市间联系强度。

3.2 城市骨干轴线

用优势流法对珠三角各城市的综合联系流强度分析,最终得出了第一大、第二大、第三大和第四大优势流流向图（图2）。

图2

新窗口打开|下载原图ZIP|生成PPT
图2珠三角城市群优势流流向

Fig. 2The dominant flow of Pearl River Delta urban agglomeration

从第一大优势流的空间表达来看,各城市的第一大优势流均流向广州和深圳两城市,其中有7个城市流向广州,两个城市流向深圳。这一特征说明空间结构和城市间的联系强度不仅仅局限于区位空间的邻近,其中城市的行政力量对空间结构具有显著的影响。结合综合流强度城市层级划分结果,广州作为区域省会和副省级城市,深圳作为区域的经济特区,在行政力量和自身辐射的双重作用下,成为区域流空间结构的主导城市。从第二、第三、第四优势流的空间表达来看,佛山、东莞是区域内重要的节点城市,起着联系“中转站”的功能,一方面节点城市作为主导城市的辐射区,承接来自主导城市更高层次的功能和服务,助力自身经济的发展;另一方面节点城市与临近城市在生产和消费层面产生物质交换构成城市体系,辐射边缘城市的进而影响区域整体空间结构。而位于城市网络边缘地区的肇庆、江门、珠海等城市,在流网络中只能接受核心城市和中转城市的辐射作用,对于空间结构的影响力较小。

3.3 城市空间格局

通过公式（9）、公式（10）的计算得出珠三角城市群空间结构指数（表7）,其中珠三角城市空间指数为SSI为0.142,与传统理论下珠三角城市群呈现的双核结构或多中心结构明显不同,基于“流空间”视角下的珠三角空间格局呈现为明显的单极化发展态势,区域空间的聚合程度较高。广州是整个珠三角城市群的综合联系枢纽,其综合联系流强度为3.437,占整个区域的26%,高出第二位的深圳47%,处于金字塔顶尖位置;在网络中第4位佛山和第5中山的主导性指数相差近90%,综合联系网络呈现出“缺位型金字塔形结构”。

Tab. 7
表7
表7珠三角城市群空间结构指数（SSI）
Tab. 7Urban spatial structure index (SSI) in Pearl River Delta

排序	城市名称	Ri	RC
1	广州	3.437	1
2	深圳	2.336	0.5
3	东莞	2.038	0.333
4	佛山	1.883	0.25
5	中山	1.006	0.2
6	惠州	0.899	0.167
7	江门	0.658	0.143
8	珠海	0.581	0.125
9	肇庆	0.467	0.111
	标准差（SD）	0.949	0.269
	SSI	0.142

新窗口打开|下载CSV

为了进一步识别“流空间”视角下的珠三角城市群空间格局,对珠三角各城市要素流联系矩阵进行ArcGIS可视化得出各要素流网络联系（图3）和综合流网络联系（图4）,并将综合流网络与各城市人均GDP和GDP增速进行叠加分析。

图3

新窗口打开|下载原图ZIP|生成PPT
图3珠三角城市群要素流网络联系

Fig. 3Element flow network connection in Pearl River Delta

图4

新窗口打开|下载原图ZIP|生成PPT
图4珠三角城市群综合流网络联系

Fig. 4Integrated flow network connection in Pearl River Delta

从珠三角城市群要素流网络联系和综合流网络联系中可以看出,区域的联系密度以广州-东莞-深圳城市连线为核心向外围递减,且珠三角西部联系密度远低于东部密度,故珠三角城市群空间结构不均衡现象突出,区域呈现出显著的“核心-边缘”结构。同时,从空间结构图中可以看出,珠三角城市群空间结构与各城市的人均GDP和经济水平呈现明显的正相关性,人均GDP水平最低的肇庆市和江门市在流空间网络结构中也处于边缘地带。但随着珠三角城市群一体化的推进,外围地区的发展机会正在增加,区域的集聚效应将不断转换为扩散效应：以珠三角城市群各区域的GDP的增速为例,位于边缘区域的江门市、珠海市2018年第一季度的GDP增速分别为8.8%和8.7%,远高于广州的4.3%,边缘地区的发展机会大大增加。另外,从珠三角西部、珠三角中部等城市与“广深莞”城市联系线的加密以及联系值的增大可以看出,广州-东莞-深圳城市联系线对于珠三角城市群各城市节点的发展起着导向作用。一方面与联系线周边城市的辐射强度不断增加,促进周边城市的发展,另一方面边缘城市在发展战略上不断向城市联系线核心区域靠近,如肇庆积极与广佛形成区域一体化,江门和珠海临近珠三角城市群核心区域的城市空间得到了充分的发展。

3.4 城市流度辐射区

借用场强模型法公式（11）选择城市综合流要素数据代表城市质量,计算“流空间”视角下城市影响腹地以此表征城市流度辐射区（图5）,并得出各城市流度辐射区面积（图6）,从面域层面对城市群空间结构进行研究,更好评估城市竞争力^[35]。

图5

新窗口打开|下载原图ZIP|生成PPT
图5珠三角城市群各城市流度辐射区范围

Fig. 5Urban mobility radiation areas in Pearl River Delta urban agglomeration

图6

新窗口打开|下载原图ZIP|生成PPT
图6珠三角城市群流度辐射区面积组成

Fig. 6Fluidity radiation area composition in Pearl River Delta urban agglomeration

从珠三角各城市行政边界和流度辐射区空间形态可以看出：广州为珠三角城市群流度辐射面积最广的城市,辐射面积占比达58%,占整个珠三角城市群面积的一半以上,辐射区跨越广州、佛山、中山、肇庆、江门5个城市,呈现“平铺状”的形态特征。深圳市的流度辐射区面积占比为8%,受限于本身区划面积,流度辐射区面积略低于惠州市,其跨度为深圳、东莞、惠州三个城市,形态上呈现“条带状”。其余各市腹地以各自城市为中心,呈“团块状”形态。其中最小珠海的流度辐射区面积占比为0.59%,广州流度辐射区面积为其的98倍,差距悬殊。以上的结果表明：珠三角各城市的流度辐射区一体化明显,各城市辐射影响区的空间形态也表明了各城市的功能圈和势力范围。例如,佛山和肇庆受广州辐射影响较大,表明广州、佛山、肇庆城市之间交往频繁,且广州处于绝对的优势地位,与目前各地政府提出的“广佛肇一体化”特征相符;同时深圳、东莞、惠州三个城市流度辐射区相互交错,在与行政区划的对比中三个城市辐射区与行政边界渗透,其中深圳人流、信息流主导性较强,而东莞的物流则具有较大的优势,区域城市功能错位,各城市承担不同功能,使得深莞惠一体化具有良好的合作基础和发展前景;珠海、江门、中山等城市处于边缘地带,受核心区域的辐射影响力不足,同时城市自身的竞争能力也较为薄弱,城市需要在规划和政策层面做出调整,抓住区域一体化政策机遇,加大与周边城市和核心城市的协作交流,积极融入珠三角城市群一体化网络。

4 结论与讨论

通过选取珠三角9个城市之间的人流、物流、资金流、信息流数据,借助社会网络分析探究珠三角城市群空间结构特征和发展趋势,研究发现：

第一：“流空间”视角下“点-线-网-面域”4个维度中珠三角城市群空间结现状均呈现出明显的单极化发展态势,广州是“流空间”视角下珠三角城市群的绝对核心,区域空间的聚合程度较高,网络结构呈现出“缺位型金字塔形结构”,网络成熟度尚处于发展阶段。

第二：不同层级的城市对区域空间结构的未来发展起到的作用不同。其中广州-东莞-深圳联系线是区域联系最为密切的地区,未来对城市群空间结构发展将起着导向性作用。中山、佛山等城市起着联系“中转站”的功能,一方面节点城市作为核心城市的辐射区,承接着来自主导城市更高层次的功能和服务,助力自身经济的发展;另一方面节点城市与临近城市在生产和消费层面产生物质交换进而构成城市体系,辐射边缘城市的进而影响区域整体空间结构。

第三：珠三角各城市的流度辐射区一体化明显,各城市辐射影响区的空间形态也表明了各城市的功能圈和势力范围。佛山和肇庆受广州辐射影响较大,深圳、东莞、惠州3个城市流度辐射区相互交错,珠海、江门、中山等城市处于边缘地带。

珠三角城市群空间结构现状呈现出明显的“核心-边缘”结构,但随着全球化趋势和区域一体化政策的加强,区域的边缘城市在未来发展机会将得到增加。未来城市间的交流合作也更加广泛,促进珠三角城市群更加均衡化的发展。届时珠三角城市群的集聚效应将不断转化为扩散效应,区域的空间结构由也非均衡的“核心-边缘”向均衡的“网络-节点”格局转变,资本、技术、信息和劳动力等要素在区域中的流动性不断增强,将极大提升珠三角城市群对全球范围内资源的吸聚和配置能力,助力珠三角城市群走向网络化的发展时代。

本文基于多种流要素对珠三角城市群空间结构进行了深入的探讨,但对空间结构的内在机制方面探讨不足,未来需要长时间序列数据进行补充研究。同时,使用替代数据虽然出于数据易获取性和便捷性考虑,但研究精度仍略显不足,例如人流忽略了私人轿车出行数据,物流也未考虑重、大型物资运输,未来研究需要在数据全面性和精确性方面进一步细化。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

方创琳 . 中国城市群研究取得的重要进展与未来发展方向
地理学报, 2014,69(8):1130-1144.

[本文引用: 1]

[ Fang

Chuanglin

. Progress and the future direction of research into urban agglomeration in China
Acta Geographica Sinica, 2014,69(8):1130-1144.]

[本文引用: 1]

[2]

Taylor P

, Derudder

. World city network: A global urban analysis
International Social Science Journal, 2007,31(4):641-642.

[本文引用: 1]

[3]

Harris C

, Ullman E

. The nature of cities
The Annals of the American Academy of Political and Social Science, 1945,242(1):7-17.

[本文引用: 1]

[4]

杨永春, 冷炳荣, 谭一洺 , 等. 世界城市网络研究理论方法及其对城市体系研究的启示
地理研究, 2011,30(6):1009-1020.

[本文引用: 1]

[ Yang

Yongchun

, Leng

Bingrong

, Tan

Yiming

, et al. Review on world city studies and their implications in urban systems
Geographical Research, 2011,30(6):1009-1020.]

[本文引用: 1]

[5]

叶强, 张俪璇, 彭鹏 , 等. 基于百度迁徙数据的长江中游城市群网络特征研究
经济地理, 2017,37(8):53-59.

[本文引用: 1]

[ Ye

Qiang

, Zhang

Lixuan

, Peng

Peng

, et al. The network characteristics of urban agglomerations in the middle reaches of the Yangtze River based on baidu migration data
Economic Geography, 2017,37(8):53-59.]

[本文引用: 1]

[6]

王垚, 钮心毅, 宋小冬 . “流空间”视角下区域空间结构研究进展
国际城市规划, 2017,32(6):27-33.

[本文引用: 1]

[ Wang

Yao

, Niu

Xinyi

, Song

Xiaodong

. Research progress of regional spatial structure under the perspective of space of flow
Urban Planning International, 2017,32(6):27-33.]

[本文引用: 1]

[7]

高鑫, 修春亮, 魏冶 . 城市地理学的“流空间”视角及其中国化研究
人文地理, 2012,27(4):32-36, 160.

[本文引用: 1]

[ Gao

Xing

, Xiu

Chunliang

, Wei

. Study on the sinicization of "space of flows" basing on the visual angle of urban geography
Human Geography, 2012,27(4):32-36, 160.]

[本文引用: 1]

[8]

Castells

. The Rise of the Network Society
London: Blackwell Publishers, 1996.

[本文引用: 1]

[9]

Castells

. The Informational City: Information Technology, Economic Restructuring and the Urban-regional Progress
Oxford U K &Cambridge USA: Blackwell, 1989.

[本文引用: 2]

[10]

Batten D

. Network cities: Creative urban agglomerations for the 21st century
Urban Studies, 1995,32(2):313-327.

[本文引用: 1]

[11]

Taylor P

. External urban relational process: Introducing central flow theory to complement central place theory
Urban Studies, 2010,47(13):2803-2818.

[本文引用: 1]

[12]

Meijers

. From central place to network model: Theory and evidence of a paradigm change
Tijdschrift voor Economische en Sociale Geografie, 2007,98(2):245-259.

[本文引用: 1]

[13]

Taylor P

. Specification of the world city network
Geographical Analysis, 2001,33(2):181-194.

[本文引用: 1]

[14]

彼得·霍尔, 凯西·佩恩, 罗震东 . 多中心大都市: 来自欧洲巨型城市区域的经验
上海城市规划, 2011, ( 1):80-80.

[本文引用: 1]

[ Peter

Hall

, Kathy

Pain

, Luo

Zhendong

. The polycentric metropolis, learning from mega-city regions in Europe
Shanghai Urban Planning Review, 2011, ( 1):80-80.]

[本文引用: 1]

[15]

Matsumoto

. International urban systems and air passenger and cargo flows: some calculations
Journal of Air Transport Management, 2004,10(4):239-247.

[本文引用: 1]

[16]

Mitchelson R

, Wheeler J

. The flow of information in a global economy: The role of the American urban system in 1990
Annals of The Association of American Geographers, 1994,84(1):87-107.

[本文引用: 1]

[17]

马学广, 窦鹏 . 基于客运交通流的山东沿海城市带多中心结构特征研究
现代城市研究, 2017, ( 10):101-109.

[本文引用: 2]

[ Ma

Xueguang

, Dou

Peng

. Characteristics of polycentricity spatial structure of Shandong soastal city-reigiom based on passenger triffic flow
Modern Urban Research, 2017, ( 10):101-109.]

[本文引用: 2]

[18]

蔡莉丽, 马学广, 陈伟劲 , 等. 基于客运交通流的珠三角城市区域功能多中心特征研究
经济地理, 2013,33(11):52-57.

[本文引用: 2]

[ Cai

Lili

, Ma

Xueguang

, Chen

Weijin

, et al. Characteristics of functional polycentricity of PRD urban region based on passenger traffic flow
Economic Geography, 2013,33(11):52-57.]

[本文引用: 2]

[19]

陈伟劲, 马学广, 蔡莉丽 , 等. 珠三角城市联系的空间格局特征研究: 基于城际客运交通流的分析
经济地理, 2013,33(4):48-55.

[本文引用: 2]

[ Chen

Weijin

, Ma

Xueguang

, Cai

Lili

, et al. Characteristics of regional city connection's spatial pattern based on intercity passenger traffic flow in Pearl River Delta
Economic Geography, 2013,33(4):48-55.]

[本文引用: 2]

[20]

罗震东, 何鹤鸣, 耿磊 . 基于客运交通流的长江三角洲功能多中心结构研究
城市规划学刊, 2011, ( 2):16-23.

[本文引用: 2]

[ Luo

Zhendong

, He

Heming

, Geng

Lei

. Analysis of the polycentric stricture of Yangtze River Delta based on passenger traffic flow
Urban Planning Forum, 2011, ( 2):16-23.]

[本文引用: 2]

[21]

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
地理学报, 2012,67(8):1031-1043.

[本文引用: 1]

[ Zhen

Feng

, Wang

, Chen

Yingxue

. China's city network characteristics based on social network space: An empirical analysis of Sina Micro-blog
Acta Geographica Sinica, 2012,67(8):1031-1043.]

[本文引用: 1]

[22]

赵映慧, 高鑫, 姜博 . 东北三省城市百度指数的网络联系层级结构
经济地理, 2015,35(5):32-37.

[本文引用: 1]

[ Zhao

Yinghui

, Gao

Xing

, Jiang

. The urban network connection of three provinces in northeast China based on baidu index
Economic Geography, 2015,35(5):32-37.]

[本文引用: 1]

[23]

王宁宁, 陈锐, 赵宇 . 基于信息流的互联网信息空间网络分析
地理研究, 2016,35(1):137-147.

[本文引用: 1]

[ Wang

Ningning

, Chen

Rui

, Zhao

. Analysis of the provincial information space network basted on the internet information flow
Geographical Research, 2016,35(1):137-147.]

[本文引用: 1]

[24]

叶磊, 段学军, 欧向军 . 基于交通信息流的江苏省流空间网络结构研究
地理科学, 2015,35(10):1230-1237.

Magsci [本文引用: 1]

基于江苏省13个地级市之间的公路、普速列车、高铁(CRH)与信息网络数据,从流空间视角对江苏省空间结构特征及其发展趋势进行综合分析与判断。结果表明:①公路和普速铁路网络所展现的区域空间结构较为无序且影响范围有限,高铁网络则在大幅度拓展城市有效联系范围的同时凸显了发达地区的重要地位,而信息网络所反映的空间结构更加完整、有序与协调,代表了未来江苏省城市联系网络的发展方向; ②在高铁与信息网络的冲击下,流空间视角下的江苏省省域空间结构研究显出了一些区别于传统认知的新特征与变化趋势,如跳跃性的与非相邻地区产生主要联系、"等级+网络"的变化趋势等; ③基于交通信息流的江苏省流空间结构呈现出明显的"中心-外围"格局,区域联系线密度由"沪宁线"向"沿海线"逐级递减,空间结构指数的计算结果也基本支持这一论断; ④以高铁与信息为代表的新要素流对江苏省省域空间格局网络化的效率与公平产生了积极与消极两种影响,前者体现在改善区际可达性促进区域发展,后者体现在核心城市的"虹吸效应"。

[ Ye

Lei

, Duan

Xuejun

, Ou

Xiangjun

. The urban network structure of Jiangsu province based on the traffic and information flow
Scientia Geographica Sinica, 2015,35(10):1230-1237.]

Magsci [本文引用: 1]

吴康, 方创琳, 赵渺希 . 中国城市网络的空间组织及其复杂性结构特征
地理研究, 2015,34(4):711-728.

[本文引用: 1]

[ Wu

Kang

, Fang

Chuanglin

, Zhao

Miaoxi

. The spatial organization and structure complexity of Chinese intercity networks
Geographical Research, 2015,34(4):711-728.]

[本文引用: 1]

[26]

周婕, 陈虹桔, 谢波 . 基于多元数据的大都市区范围划定方法研究: 以武汉为例
上海城市规划, 2017, ( 2):70-75.

[本文引用: 1]

[ Zhou

Jie

, Chen

Hongju

, Xie

. Study on the method of metropolitan area delimitation based on multi-data: A case study of Wuhan
Shanghai Urban Planning Review, 2017, ( 2):70-75.]

[本文引用: 1]

[27]

Taylor P

, Ni

, Derudder

, et al. Measuring the world city network: New results and developments. , 2009-03-02.

URL [本文引用: 1]

[28]

陈晨, 修春亮 . 流空间视角的东北地区城市网络研究
地域研究与开发, 2014,33(4):82-89.

DOI:10.3969/j.issn.1003-2363.2014.04.015 URL Magsci [本文引用: 1]

城市体系及其空间组织分布模式是地理学、城市规划学的关注重点。城市之间具有合作与动态的网络互补关系。以资金流为例，分析资金流视角的流空间结构中城市网络分布特征。首先，分析城市网络连接度分布特征。然后从网络节点(即城市)出发，分析各城市重要程度或等级体系分布特征。研究发现：① 从第一等级资金流强度到第五等级资金流强度，城市网络空间变化过程为：哈大城市走廊沿线—向东北方向扩展—向西扩展—覆盖东北地区较小规模城市—资金流网络整体向北迁移。城市间资金流联系强度较弱，且存在极化现象。② 网络相对连接率较高的城市具有“丁字型”空间结构。城市等级体系为倒金字塔模式。③ 随着资金流强度等级下降，资金流网络所涵盖的城市规模越来越小。④ 前三等级资金流强度中各城市出现次数与各城市网络相对连接率为线性相关性。各城市网络现对连接率和城市出现次数与城市社会经济发展呈现较强相关性。

[ Chen

Chen

, Xiu

Chunliang

. Research on city network of northeast China based on space of flows
Areal Research & Development, 2014,33(4):82-89.]

DOI:10.3969/j.issn.1003-2363.2014.04.015 URL Magsci [本文引用: 1]

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
经济地理, 2013,33(7):67-73.

[本文引用: 1]

[ Xiong

Lifang

, Zhen

Feng

, Wang

, et al. The research of the Yangtze River Delta core area's city network characteristics based on baidu index
Economic Geography, 2013,33(7):67-73.]

[本文引用: 1]

[30]

刘传明, 曾菊新 . 县域综合交通可达性测度及其与经济发展水平的关系: 对湖北省79个县域的定量分析
地理研究, 2011,30(12):2209-2221.

[本文引用: 1]

[ Liu

Chuanming

, Zeng

Juxin

. The calculating nethod about the comprehensive transport accessibility and its correlation with economic development at county level: The statistical analysis of 79 counties in Hubei province
Geographical Research, 2011,30(12):2209-2221.]

[本文引用: 1]

[31]

王钊, 杨山, 龚富华 , 等. 基于城市流空间的城市群变形结构识别: 以长江三角洲城市群为例
地理科学, 2017,37(9):1337-1344.

[本文引用: 1]

[ Wang

Zhao

, Yang

Shan

, Gong

Fuhua

, et al. Identification of urban agglomerations deformation structure based on urban-flow space: A case study of the Yangtze River Delta urban agglomeration
Scientia Geographica Sinica, 2017,37(9):1337-1344.]

[本文引用: 1]

[32]

宋伟, 李秀伟, 修春亮 . 基于航空客流的中国城市层级结构分析
地理研究, 2008,27(4):917-926.

[本文引用: 1]

[ Song

Wei

, Li

Xiuwei

, Xiu

Chunliang

. Patterns of spatial interaction and hierarchical structure of Chinese cities based on intercity air passenger flows
Geographical Research, 2008,27(4):917-926.]

[本文引用: 1]

[33]

Hanssens

, Derudder

, Witlox

S V A F

. Assessing the functional polycentricity of the Mega-city-region of central Belgium based on advanced producer service transaction Links
Regional Studies, 2013,4848(12):1939-1953.

[本文引用: 1]

[34]

黄金川, 孙贵艳, 闫梅 , 等. 中国城市场强格局演化及空间自相关特征
地理研究, 2012,31(8):1355-1364.

[本文引用: 1]

[ Huang

Jinchuan

, Sun

Guiyan

, Yan

Mei

, er al. The spatio-temporal evolution of urban field strength and pattern of autocorrelation among cities in China
Geographical Research, 2012,31(8):1355-1364.]

[本文引用: 1]

[35]

彭建, 陈云谦, 胡智超 , 等. 城市腹地定量识别研究进展与展望
地理科学进展, 2016,35(1):14-24.

[本文引用: 1]

[ Peng

Jian

, Chen

Yunqian

, Hu

Zhichao

, er al. Research progress and prospect on quantitative identification of urban hinterland area
Progress in Geography, 2016,35(1):14-24.]

[本文引用: 1]