基于腾讯位置大数据的长江经济带人口流动空间分析
花 磊1，2，3， 彭宏杰1，2，3， 杨秀锋1，2，3， 刘秀芸1，2，3， 袁绪英1，2，3*， 吴宜进1，2，3
(1.华中师范大学地理过程分析与模拟湖北省重点实验室， 武汉 430079；2.华中师范大学城市与环境科学学院， 武汉 430079； 3. 华中师范大学地理科学实验教学中心, 武汉 430079)
摘 要: 在区域合作不断深化的背景下，人口在城市间高速流动，区域内城市的空间联系逐渐加强.城市间的人口流动具有动态性、时效性.目前基于统计年鉴的数据进行人口流动的分析具有迟滞性，因此基于腾讯位置大数据，运用Gephi复杂网络分析方法和GIS空间分析技术，对长江经济带的12个一线城市人口流动数据进行测度分析.结果表明，长江经济带城市人口联系度强度从东部向西部逐渐减弱，长江经济带城市人口流动量存在帕累托分布的“长尾分布”特征.长三角城市圈城市人口联系度高于武汉市城市圈和成渝城市圈，约为后面两个城市圈的2倍，区域地位优势明显.通过对长江经济带城市中心度分析，发现长江上、中、下游区域内存在不同的中心，长江上游主要以成都与重庆为区域中心城市，呈现双核心的空间结构；中游地区主要以武汉为中心，呈现一点多极的空间发展布局并有典型的“小世界”空间网络特点；下游主要呈现多中心集聚的空间分布特点.
关键词: 长江经济带； 多中心集聚； 人口流动； 空间分析
随着科学技术的不断提高和区域人口联系不断紧密，职能多样和规模差异的城市借助交通等联系方式，促使城市间的联系愈加紧密，区域发展愈加综合化，人口与城市间的联系更加频繁[1].
近年来，国内学者对人口流动的研究大多基于人口普查数据和抽样调查数据等.如王桂新等[2]采用两个时间段的普查数据，通过比较分析人口迁移的空间变化.陈锐等和王钰等基于长江三角洲和省与省之间的尺度，利用社会网络分析法，研究人口迁移网络模型，采用的同样是人口普查数据，基于人口普查数据，难以研究具有动态性的流动人口群体[3-5].
随着近些年来大数据的兴起，智能终端和信息网络的不断发展，城市间的个体行为时空数据的采集与分析技术发展迅速.信息化时代的到来，网络数据渐渐成为体现居民社会活动的重要载体圈，运用用户迁移、社交媒介和移动通信等地理行为来分析城市联系与网络等级系统是国内外相关研究的共同发展趋势[6-8]，利用地理位置信息的大数据，为人口流动迁移的分析提供了新的角度与方式[9].国内外学者也陆续采用此方式进行研究，如刘望保提出了基于大数据驱动下的城市间地理行为研究分析逐渐成为主导，推动着城市联系分析的基本转型[10]；蒋小荣[11]认为与传统普查数据相比，大数据更偏向于人口的日常流动，具有即时性的特征.2017年11月，腾讯位置大数据服务与发改委综合运输所签署战略合作协议，双方将就综合交通大数据展开深入研究，将腾讯位置大数据服务大数据应用于交通大数据和宏观经济政策分析.
1 研究区概况数据来源与研究方法
1.1 研究区概况
长江经济带是以长江为区域的轴带、以城市为核心的带状形状，包括了9个省2个直辖市，横跨中国的东、中、西部地区，面积约205万km2.其中，上游包含重庆、四川、云南、贵州，中游包含安徽、江西、湖北、湖南，下游包含上海、浙江、江苏.长江经济带是我国高密度经济发展地区之一.2015年，据统计发现长江经济带的人均GDP就达到了51 962元，GDP、财政收入和进出口总额等主要社会经济指标均占到全国的42%以上，而长江经济带中部和西部地区经济发展较为落后.
根据气温、季节变化注意防寒保暖，避免物理性损伤刺激皮肤。避免过度地使用电热毯和暖气。内衣应选择宽松舒适、透气好的棉织物，对皮肤刺激小，又有利于血液循环。衣裤要勤换洗，尤其是要保持内衣内裤的清洁卫生。
图1 长江经济带城市示意图
Fig.1 City map of the Yangtze River Economic Belt
1.2 数据来源
传统的图像压缩系统对于前端采集到的图像处理多使用芯片MAX9247和MAX9250进行数据的串化和解串,具有PCB布板空间大、信号线相互干扰、占用FPGA资源、以及前端数据传输速率慢导致后续图像的完整度和清晰度受到影响等问题。而FPGA芯片内部集成有SelectIO资源,通过配置其内部资源和IO端口,可以用内部资源实现功能要求,而不会占用FPGA的资源[2],同时可以节省PCB布板空间,减少布线之间的信号干扰,能够实现低压高速稳定的信号传输功能。鉴于此,本文提出一种传统工业图像压缩系统的改进设计方案。
对比长江经济带的城市的人口流动的迁出迁入示意图可以发现人口流动具有以下特征：各节点城市均有明确的辐射界限范围，经济发展程度越高的节点城市其辐射范围越大.通过对比观察.可以看出上海、武汉、重庆等城市的辐射范围最大，基本覆盖了长江经济带的西北至东南区域.这也符合人口由经济低密度区向高密度区流动的规律.整个长江经济带地区人口流动密度由西向东逐渐增加，对于长江经济带而言，区域核心城市是人口流动的第一目的地，其次才是省会城市，这也证明人口流动的一般规律.
1.3 研究方法
1)腾讯位置数据的处理方法：通过对腾讯位置数据提取出14 d内长江经济带区域内的用户人口流动量，并对用户流动数据量进行清洗梳理.经过梳理后得到每个用户的迁移数据格式为“行政区划代码+迁出/迁入+交通方式”，着重提取出12个一线城市的人口迁入及迁出量，包含长江经济带其他城市人口流动至样本城市的迁入量和从样本城市迁出至长江经济带内的其他城市的迁出量，然后将此数据导入ArcGIS中并进行空间分析.
2)联系强度(S ab ):表示为两个分析单元之间的联系程度，具体为2个城市之间流动数据和的平均值：
表2显示，对于所有5个问题，ISAGA算法运算结果在最优解、平均解及最差解诸方面均优于其他算法。在20次独立运行过程中，从gt1～gt5，ISAGA分别有11次、13次、20次、16次和15次找了最优解，且所有最优解均最接近或等于真实解，充分显示了该算法仿真结果的准确性，具有良好的实用性。
(1)
其中，S a-b 为a 城市到b 城市的流动人口数，S b-a 为b 城市到a 城市流动人口数，n 表示天数.
3)中心度(S a )：表示研究区域节点城市在空间网络城市中的集聚能力，具体为某个城市到区域网络内其他城市的联系强度之和[13]：
(2)
通过复杂分析工具Gephi，计算12个一线城市人口流动量，发现各城市间差异较大，城市经济地位高低与人口流动量具有一定相关性.从图2可以看出，上海、重庆、成都、武汉等及区域经济中心的人口流动出入量远远高于其他城市，城市人口流动量存在帕累托效应的“长尾分布”特征.从城市的迁出量和迁入量来看，城市节点在迁出量和迁入量存在较高程度的相似性，表明城市间出入量相对平衡，人口在城市间自由流动，不存在单向流动的阻碍和约束力.
2 区域内人口流动分布
由于长江经济带的自然地理特征差异和经济密集度差异，长江经济带的人口密集度从长江下游地区向上游地区递减. 同样，长江经济带的人口流动也符合人口密度由上游地区向下游递增的趋势.例如：成都、重庆的人口流动数量仅占人口流动总量的23%，仅上海一个城市的人口流动总量就占据了人口流动总量的11.3%;长江中游地区占比适中，例如武汉、长沙、合肥等城市人口流动量占总流动量的8.5%、7.1%、6.7%;长江下游地区占比最高.如图2和表1所示，从总量分布上来看两极分化明显，区域尺度上，人口流动重心始终位于几何中心以东且总量较大，说明和人口流动的重心向东迁移的趋势.人口流动量与经济密度和人口密度具有显著的正相关，具有“高者更高，低者更低”的两极分化格局特征.
腾讯位置大数据是全国海量位置数据与技术服务的平台，其数据通过比较用户地理位置的改变，将地理位置发生改变的智能终端用户进行大数据分析，可以计算出利用铁路、公路、航空等交通工具的用户数量.运用地理定位数据计算，能够实时、动态、清晰地表现区域间人口日常流动情况，较为清晰地记录数以亿计的人口流动和迁徙轨迹[12].因样本量太大及数据获取难度较高，所以本文采用“腾讯位置大数据”的2017年4月1日至4月14日长江经济带12个一线城市内人口通过各类交通工具流动的数据.
图2 长江经济带一线城市人口迁出迁入示意图
Fig.2 Map of the migration of the population of the first-tier cities in the Yangtze River Economic Belt
表1 长江经济带一线城市人口流动总量表 (人)
Tab.1 Total population flow table in first-tier cities in the Yangtze River Economic Belt(person)
其中，S a 为城市a 与城市之间联系强度之和.
8月20日，证监会公布市场禁入决定，从当日起，对内幕交易人潘某采取10年证券市场禁入措施。在禁入期间内，潘某不得从事证券业务或担任上市公司、非上市公众公司董事、 监事、高级管理人员职务。
城市人口联系强度是城市群发展阶段、过程与态势的空间反映[13]，借助ArcGIS中的分析工具，提取12个一线城市的人口流动数据，建立联系轴，根据自然断点法，将长江经济带区域内城市联系度分为5个等级，如图3所示.
3 区域联系度与中心度分析
3.1 区域联系度分析
其次，由于我国产业结构中高碳产业占据了很大的比例，为有效应对碳关税，应加快产业结构优化升级的进程，实现国家产业整体向两低两高(低能耗、低排放、高附加值、高技术含量)的方向转化，大力促进新兴产业的发展，例如太阳能产业、生物产业、风能等。因此，我国既要全面配合产业政策调整，又要同经济增长方式转变相一致，实现贸易与资源环境的协调发展，推动贸易政策优先向竞争力导向转变，提高出口产品的低碳竞争力。
从图3可以看出区域内城市人口联系度呈“东北偏高，西南递减”的态势，区域空间呈以长江下游为核心的放射状形态特征，区域呈一点多极的一体化空间发展形式.下游地区的长三角城市圈作为整个长江经济带的经济中心，经济发展的区域集聚效益显著，同样也促使它成为了区域内联系度最高的区域.同时，以长三角为中心的单中心的区域模式会造成城市的集聚效应会吸引越来越多的经济资源，应警惕区域发展的拥挤效应.但长三角城市圈内的多核心发展空间发展模式正是长江经济带的未来发展的参考案例，整个空间网络中城市联系度呈立体化趋势.
整个区域空间呈现轴状辐射格局.从城市人口联系度的空间布局来看(图3)，主要表现以上海、武汉、重庆、成都为轴线，向外辐射分布的空间格局，显示了 “轴一辐”的空间联系特点，在空间分布上表现出多边形状的联系格局.上海与武汉、上海与重庆的两条联系轴线较为出众，联系度为最高水平.这主要是由于武汉城市圈和成渝经济圈的打造，促使了交通的发展，更大范围的提高了城市间联系的效率，大大减少了长三角城市圈与武汉城市圈和成渝经济圈的通勤成本，加大了长三角地区对长江中上游的的空间吸引力.
图3 长江经济带城市人口联系度示意图
Fig.3 Map of urban population linkage in the Yangtze River Economic Belt
3.2 区域中心度分析
在区域中心网络格局中，区域中心度呈现“一大两小”的单中心网络格局(如图4).具体来说，长三角城市圈位于网络核心地位，以上海市为中心的相邻城市区域在整个区域布局内的空间中处于中心位置，长三角城市圈中的城市呈面状核心连绵发展的空间结构，在网络空间中具有优势地位，能够带领整个区域空间联系的提高与区域一体化发展，而武汉城市圈与成渝经济圈由于直线距离与区域经济中心长三角城市圈较远，且交通成本相对高，其城市的发展以当地的核心城市为核心呈辐射状发展.
没过几天，他就跟那些科学家和船员坐在一张桌子旁边吃饭了，他馋得不得了地望着面前这么多好吃的东西，焦急地瞧着它溜进别人口里。每逢别人咽下一口的时候，他眼睛里就会流露出一种深深惋惜的表情。他的神志非常清醒，可是，每逢吃饭的时候，他免不了要恨这些人。他给恐惧缠住了，他老怕粮食维持不了多久。他向厨子，船舱里的服务员和船长打听食物的贮藏量。他们对他保证了无数次，但是他仍然不相信，仍然会狡猾地溜到贮藏室附近亲自窥探。
图4 长江经济带城市中心度示意图
Fig.4 Map of the urban center of the Yangtze River Economic Belt
中心程度较小的城市主要位于长江上游、中游地区，地域的空间布局影响着该类城市的中心度，体现了城市联系网络具有距离衰减性，地理区位对城市网络的组成结构有重要的地位.中心城市对区域空间布局网络的产生及组织具有重要意义，从侧面反映了中心城市圈的经济重要性，该区域是城市发展及影响的核心区域，导致其中心度大于其他城市节点.
4 结论与讨论
通过人口流动的空间研究发现，长江经济带区域内长三角城市圈的城市首位联系较明显，即长三角城市圈的人口迁移流动空间布局联系轴向规模分布并相对有序，以长三角城市圈为核心的“单中心”结构模式显著，在城市人口迁移流动空间网络中具有最高的中心度，其他城市网络节点度分布具有层级性，但是规模结构不够合理，需要进一步提高.长江经济带城市人口流动联系网络的“长尾分布”特征明显，经济发展的差异和交通通勤条件差异是影响人口流动网络分布的重要要素，有较强的地理邻近与区划效应，体现了核心区域与其临近区域的组团功能.但需要警惕人口向发达地区聚集造成城市人口空间分布失衡和城市体系断层的问题.
城市联系轴带对区域空间布局结构的推动具有深远的意义，尤其是在信息化时代，交通网络的快速发展，加快了城市联系轴带的发展，结合轴带与城市节点的相互联系是实现区域内的城市及区域网络化发展的基础.提高区域内空间布局发展的“多向性”，在确保以长三角城市圈为核心的首位联系区域的前提下，更需要加强长江经济带的上游及中游城市间联系.
参考文献：
[1] 龚胜生， 丁明磊， 龚冲亚， 等. 中国区域人口流动能力测度及其应用研究[J]. 华中师范大学学报(自然科学版)， 2015， 49 (5):767-777.
GONG S S， DING M L， GONG C Y， et al. On the measurement and application of regional population mobility of China in provincial scal[J]. Journal of Central China Normal University (Natural Sciences)， 2015， 49 (5): 767-777. (Ch)．
[2] 蒋小荣， 汪胜兰. 中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析[J].中国人口科学， 2017(2): 35-46， 127．
JIANG X R，WANG S L. Research on China’s urban population mobility network: based on Baidu Migration big data[J]. Chinese Journal of Population Science， 2017(2): 35-46， 127. (Ch)．
[3] 柯文前， 俞肇元， 陈 伟， 等. 人类时空间行为数据观测体系架构及其关键问题[J]. 地理研究， 2015， 34 (2):373-383．
KE W Q，YU Z Y，CHEN W，et al. Architecture and key issues for human space-time behavior data observation [J]. Geographical Research， 2015， 34 (2):373-383. (Ch)．
[4] 张耀军， 岑 俏. 中国人口空间流动格局与省际流动影响因素研究[J]. 人口研究， 2014， 38 (5):54-71．
ZHANG Y J，CEN Q. Spatial patterns of population mobility and determinants of inter-provincial migration in China[J]. Population Research， 2014， 38 (5):54-71. (Ch)．
[5] 徐玉萍， 唐 青， 付来美， 等. 高速铁路建设对长三角经济区城市化发展的影响研究[J]. 华东交通大学学报， 2017， 34 (6):124-132．
XU Y P，TANG Q，FU L M，et al. Research on influence of high-speed railway construction on urbanization development in Yangtze River Delta Economic Zone [J]. Journal of East China Jiaotong University， 2017， 34 (6):124-132. (Ch)．
[6] 武文杰， 董正斌， 张文忠， 等.中国城市空间关联网络结构的时空演变[J].地理学报， 2011， 66 (4):435-445．
WU W J， DONG Z B， ZHANG W Z， et al. Spatio-temporal evolution of the China’s inter-urban organization network structure: based on aviation data from 1983 to 2006[J]. Acta Geographica Sinica， 2011， 66 (4): 435-445. (Ch)．
[7] CHI G Q. The impacts of highway expansion on population change: an integrated spatial approach[J]. Rural Sociology， 2010， 75 (1): 58-89．
[8] 敖荣军. 劳动力区际流动的选择性及其人力资本再分配效应——基于第5次全国人口普查数据的实证分析[J]. 华中师范大学学报(自然科学版)， 2007， 41 (3): 469-472．
AO R J. The selectivity of interregional labor migration and its effects on the interregional redistribution of human capital[J]. Journal of Central China Normal University (Natural Sciences)， 2007， 41 (3): 469-472. (Ch)．
[9] KRINGS G， CALABRESE F， RATTI C， et al. Urban gravity: a model for inter-city telecommunication flows[J]. Journal of Statistical Mechanics: Theory and Experiment， 2009(7): L07003 (1-8)．
[10] 刘望保， 石恩名. “百度迁徙”下中国城市间的人日流动空间格局[J]. 华南师范大学学报， 2016， 48 (5): 67-73．
LIU W B， SHI E M. The spatial pattern of population flow among cities based on “Baidu Migration” [J]. Journal of South China Normal University， 2016， 48 (5): 67-73. (Ch)．
[11] 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．
LIU W B， SHI E M. Spatial pattern of population daily flow among cities based on ICT: A case study of “Baidu Migration”[J]. Acta Geographica Sinica， 2016， 71 (10): 1667-1679. (Ch)．
[12] 刘耀林， 方飞国， 王一恒. 基于手机数据的城市内部就业人口流动特征及形成机制分析——以武汉市为例[J]. 武汉大学学报(信息科学版)， 2018， 43 (12): 2212-2224．
LIU Y L， FANG F G， WANG Y H. Characteristics and formation mechanism of intra-urban employment flows based on mobile phone data - taking Wuhan city as an example[J]. Geomatics and Information Science of Wuhan University， 2018， 43 (12): 2212-2224. (Ch)．
[13] 曾明星， 张善余. 中国人口再分布的社会经济合理性及其“多中心集聚”分析[J]. 南方人口， 2013， 28 (5): 71-80．
ZENG M X，ZHANG S Y. Analysis of socio-economic rationality of China population redistribution and its polycentric agglomeration[J]. South China Population， 2013， 28 (5): 71-80. (Ch)．
Analysis of population flow space in the Yangtze River Economic Belt based on Tencent Location Big Data
HUA Lei1，2，3， PENG Hongjie1，2，3， YANG Xiufeng1，2，3，LIU Xiuyun1，2，3， YUAN Xuying1，2，3， WU Yijin1，2，3
(1.Geographical Process Analysis and Simulation Key Laboratory of Hubei Province of Central China Normal University， Wuhan 430079， China;2.College of urban and Environmental Sciences， Central China Normal University， Wuhan 430079， China；3.Geography Science Experimental Teaching， Center Central China Normal University， Wuhan 430079， China)
Abstract : The population is now flowing at high speed between cities， and the spatial connection between cities in the region is gradually strengthened. Various forms of communication are the key to leading urban connections. This kind of population movement is dynamic and time-sensitive. The research and analysis of population flow based on the data of the statistical yearbook lacks timeliness and has the effect of hysteresis. Based on Tencent Location Big Data， Gephi complex network analysis tools and GIS spatial analysis technology are applied to measure and analyze the population flow data of 12 first-tier cities in the Yangtze River Economic Belt. The results show that the intensity of urban population connection in the Yangtze River Economic Belt gradually weakens from the east to the west， and the urban population flow in the Yangtze River Economic Belt has the characteristics of “long tail distribution” of the Pareto distribution. The population connection degree of the Yangtze River Delta city circle is much higher than that of the Wuhan City Circle and the Chengdu-Chongqing City Circle， which is about twice that of the other two city circles. The regional status advantage is obvious. Through the analysis of the centrality of the Yangtze River Economic Belt， there are different centers in the upper， middle and lower reaches. The central cities in the upper reaches are mainly Chengdu and Chongqing， presenting a dual-core spatial structure. Multi-polar space development layout centered on Wuhan with the typical “small world” spatial network characteristics exhibits in the middle reaches. The downstream mainly features the spatial distribution of multi-center gathering in the Yangtze River Delta City Circle．
Key words ： Yangtze River Economic Belt; multi-central agglomeration; population mobility; spatial analysis
中图分类号: K901.3
文献标识码： A
开放科学(资源服务)标识码( OSID)：
收稿日期： 2019-07-01.
基金项目： 国家自然科学基金项目(31670104)；地理过程分析与模型湖北省重点实验室开放基金．
*通讯联系人 . E-mail: yuanxuying@mail.ccnu.edu.cn.
DOI ：10.19603/j.cnki.1000-1190.2019.05.020
文章编号： 1000-1190(2019)05-0815-06
标签：长江经济带论文; 多中心集聚论文; 人口流动论文; 空间分析论文; 华中师范大学地理过程分析与模拟湖北省重点实验室论文; 华中师范大学城市与环境科学学院论文; 华中师范大学地理科学实验教学中心论文;