我国城市群知识创新的空间结构演变趋势
——来自Web of Science 核心数据库的经验证据
国胜铁，姚常成
摘 要： 为加强多中心城市群知识合作网络空间结构的建设，构建均衡的城市群发展格局，本文基于社会网络分析法（Ucinet），对我国八大国家级城市群内城际间合作发表论文的期刊数量的网络特征及其结构演变趋势进行实证研究，并就高等院校数量、经济发展水平、行政管制壁垒等因素对于知识合作网络的影响做进一步定量分析和说明。研究结论显示，我国八大国家级城市群知识合作网络主要表现为单中心的结构特征，但就发展趋势来看，多中心网络结构特征逐渐显现，这离不开城市群教育均等化、交通便捷化以及制度一体化发展的助力推动。
关键词： 知识合作；空间结构；城市群；社会网络分析法；Web of Science
引言
在城市群建设的时代背景下，城际便捷的通勤网络，加之城际认知邻近、制度邻近以及文化邻近等有利条件，增加了知识主体选择跨区合作的意愿。① Boschma R A,“Proximity and Innovation:A Critical Assessment”,in Regional Studies ,2005,Vol.39,No.1,p.61-74.② Balland P A,“Proximity and the Evolution of Collaboration Networks:Evidence from Research and Development Projects within the Global Navigation Satellite System Industry”,in Regional Studies ,2011,Vol.45,No.1,p.1-16.知识合作网络愈发突破单体城市的限制，在城市群的空间范围内形成知识合集。但城市群不同城市之间有着不同的知识中心分布、不一致的经济发展水平以及差异化的行政管制等情况。城市群的一体化建设便会借由这些因素的变化影响着知识合作创新的走向，是中心城市内部的合作愈发突出，日益呈现出单中心化的知识创新空间结构特征；还是中心城市与非中心城市的合作意愿逐步加强，显现出多中心化的发展趋势，目前尚缺乏经验证据。
城市群知识合作创新的空间结构不仅可以反映地区的知识集聚程度，还能在一定程度上反映地区的经济协调发展程度。① 姜珂、于涛:《长三角区域城市间知识网络特征研究——基于论文合作的视角》，《地域研究与开发》2017年第1期，第49—54页。 因为跨区域的知识合作状况能体现各地区的知识创新水平，而知识创新水平的提升不仅能进一步影响地区生产效率，还能决定学习外部性扩散的方向和范围大小，由此便决定着地区经济发展差距水平。不同于国外知识中心的分布，我国知识中心大多分布在经济发达地区，且在部分地区表现出越来越明显的集聚特征，虽然这种知识合作网络的单中心化趋势有利于中心城市的知识聚集，形成中心城市的创新优势，但这也会在一定程度上加剧地区经济发展差距，不利于解决当下发展不平衡与不充分的主要矛盾。基于此，如何构建多中心的城市群知识协调创新空间网络就成为了当下极具现实意义的话题。
就笔者已收集到的大量文献资料来看，目前，针对单体城市层面的知识合作研究已有所涉及，② 周光霞、林东芬：《城市集聚经济与劳动力流动——理论框架与实证研究》，《商业研究》2018年第3期，152—161页。 但针对跨区域的城市群层面的研究则基本处于空白，尤其是在我国行政区经济日臻转变为城市群经济的大背景下，知识合作在城市群内的网络化特征及其空间结构特征亟待深入研究，这不仅是因为强化城际知识合作网络建设可以促进整个城市群的经济发展，还因为多中心城市群知识合作网络的构建有利于落实区域协调发展战略，使得知识的溢出效应惠及城市群的每个角落。
一、计量模型的构建
（一）计量模型的选择
社会网络是指作为节点的社会行动者及其间关系的集合。也可以说，一个社会网络是由多个节点（社会行动者）和各节点之间的连线（行动者之间的关系）组成的集合。用点和线来表达网络，这是社会网络的形式化界定。而社会网络分析法（Social Network Analysis）则是用以研究社会网络结构以及社会关系特征的一种工具。近年来，国内外学者已经把它应用在了科研人员合著、图书馆资源配置、学科热点、引文分析、博客等方面。③ 刘小平、田晓颖：《媒体微博的社会网络结构及其影响力分析》，《情报科学》2018年第1期，第96—101页。
“等等，我想起来了，给我个机会……”话音刚落，他脚下的地板“倏”的一声消失了，又一阵火光蹿了上来，他甚至没有来得及发出任何惨叫，就跌了下去。
从表1中可以看出，长三角、京津冀和珠三角城市群内城际间合作发表的期刊论文数量最高，而中原城市群与北部湾城市群城市间合作发表论文的数量最少。这可能与地区高等院校数量、经济发展水平、市场一体化程度、城市群内城市数量等因素相关，下文中将就知识合作的影响因素做进一步分析。
（二）数据来源及处理
当前网络分为无线网络和有线网络两种，无线网络采用WAP架构上的无线数据报协议(WDP，Wireless Datagram Protocol)传送WML语言，有线网络采用超文本传输协议(HTTP)传送HTML语言[9]。本研究设计基于有线网络访问，接入方式可选择3G通信网络(WCDMA、CDMA2000和TD-SCDMA)和无线局域网(WLAN)。实际选择方式可根据采集现场网络条件进行自主选择。
从1932年起，尤其是中共临时中央由上海迁到瑞金后，国民党反动派在对中央苏区进行军事“围剿”的同时，加紧了对中央苏区的经济封锁。这使苏区急需的布匹、棉花、煤油、电池、医药器材、军火原料，特别是食盐严重短缺，直接影响军民日常生活与健康，影响红军战斗力。而苏区盛产的稻谷、茶油、土纸、竹木等农林产品又销不出去，以致减少了工农群众的经济收入，抑制了苏区生产和经济文化建设。为此，中央苏区各级党组织、苏维埃政府和群众团体紧急动员，带领广大群众投入反封锁斗争。全总苏区中央执行局雷厉风行，刘少奇亲自抓这项工作。
就地区比较来看，东部地区城市群（京津冀、长三角、珠三角）以及东北地区城市群（哈长城市群），它们的中心城市知识集聚水平较其他地区的知识集聚水平要高（北部湾城市群除外），这种现象可能是地区之间高铁等交通基础设施的布局差异所致。东部地区以及东北地区高铁等交通基础设施建设时间较早，我国第一条高铁线路——合宁客运专线就在2008年正式通车运营，截止2016年底长三角、珠三角、京津冀以及哈长城市群的高铁网络布局已较为完善。高铁的运营极大地压缩了城市之间的旅行时间，使得城市与城市之间的联系日益紧密，面对面交流变得日趋频繁，这有利于城市群内部城市之间的知识合作。相比之下，中部地区和西部地区城市群除了有几条连接南北和东西的高铁线路贯穿以外，服务于城市群内部的高铁线路还在进一步规划建设之中。
表1 2005—2016年我国八大国家级城市群内部城市之间知识合作情况统计 单位：（篇）
关于社会网络分析法，其测度的参数较多，如网络密度分析、中心性分析等。前者主要用来测度网络各节点之间关系紧密程度，后者则主要测度各节点在网络中的中心地位及其影响力大小。本文将主要从这两个方面来研究城市群知识合作网络的特征趋势，同时借鉴Hanssens 等（2014）④ Hanssens H,Derudder B,Van Aelstx S,et al.,“Assessing the Functional Polycentricity of the Mega-City-Region of Central Belgium Based on Advanced Producer Service Transaction Links”,in Regional Studies ,2014,Vol.48,No.12,p.1939—1953.和叶磊等（2016）⑤ 叶磊、段学军、欧向军：《基于社会网络分析的长三角地区功能多中心研究》，《中国科学院大学学报》2016年第1期，第75—81页。 的做法，采用中间中心度指标，从多中心结构建设的视角来研究我国八大国家级城市群知识合作网络的结构演变趋势。
二、城市群知识创新空间结构演变趋势分析
（一）城市群知识合作网络密度日趋升高
网络密度是指社会网络中各节点间联络的紧密程度。在保证节点数量固定的前提下，节点之间的连线越多，说明该社会网络的密度就越大，该网络对其中节点（社会行动者）的行为等产生的影响就越大。⑧ 任海芝、党元姨：《创新网络国际化对我国产业技术发明创新的影响研究》，《哈尔滨商业大学学报》（社会科学版）2018年第4期，第3—14页。 本文利用Ucinet软件对2005-2016年间我国八大国家级城市群内部城市间合作发表的论文数量矩阵进行网络密度分析，得到各城市群知识合作网络密度值（见图1）。知识合作网络密度指标可以剔除城市群之间城市数量不一、城市群内城市间合作情况不一等因素的影响，便于不同城市群之间知识合作程度的比较，相较于城市群内合作发表的期刊论文数量指标更为合理。
图1 2005—2016年我国八大国家级城市群知识合作网络密度变化趋势
就图1中我国八大国家级城市群知识合作网络密度的变化趋势来看，除了北部湾城市群、中原城市群知识合作网络密度没有明显变化以外，其他城市群大体都呈现出明显的上升趋势。其中京津冀城市群知识合作网络密度最高，其次是长三角城市群和珠三角城市群。东北地区的哈长城市群知识合作网络密度也较高。这集中反映出我国知识合作主要集中在东部地区以及东北地区的特征。东北地区虽然近年来经济发展水平较为落后，但在新中国成立初期，经济发展水平在全国一直处于领先地位，这也就为东北地区的教育和知识发展夯实了基础。而东部地区城市群建设起步较早，城市之间的互联互通建设也较为完善，经济发展水平在全国处于领先水平，教育资源集中，这也就决定了东部地区不可撼动的知识中心地位。此外，值得注意的是，进入新常态以后，除中原和北部湾城市群以外，其他城市群的知识合作网络密度增速都有了明显的提升。这可能与全国范围内大规模高铁网络建设和地区间市场分割指数的日趋降低有关（见图2）。
表2 Pearson相关性检验估计结果
为此，本文参考范欣等（2017）的研究，整理和测算了2005—2015年全国累计高铁里程数和市场分割指数① 范欣、宋冬林、赵新宇：《基础设施建设打破了国内市场分割吗？》，《经济研究》2017年第2期，第20—34页。数据则主要来源于《中国统计年鉴》。 （见图2），并运用Stata分析工具实证分析了城市群知识合作网络密度与累计高铁里程数、市场分割指数的相关性。由表2可知，城市群知识合作网络密度与累计高铁里程数呈现显著的正相关。而城市群知识合作网络密度、累计高铁里程数与市场分割指数则呈现显著的负相关。
进入新常态以后，虽然全国经济增速有所放缓，但是高铁网络的建设却不断铺展开来，这不仅带来了城市群内部通达性水平的提升，也使得“以邻为壑”的市场分割现象有所缓解，② 宋冬林、姚常成：《高铁运营与经济协调会合作机制是否打破了城市群市场分割——来自长三角城市群的经验证据》，《经济理论与经济管理》2019年第2期，第4—14页。 从而促使城市之间知识合作的加强。正如王立非等（2017）① 王立非、金钰钰：《文化障碍对我国服务贸易出口流动的影响——基于16 个服务贸易伙伴国出口数据的分析》，《商业研究》2017年第10期，第72—77页。 指出，地理距离会削弱创新主体选择知识合作的意愿，但交通状况的改善则能突破地理距离的限制，② 范欣、宋冬林、赵新宇：《基础设施建设打破了国内市场分割吗？》，《经济研究》2017年第2期，第20—34页。数据则主要来源于《中国统计年鉴》。 特别是高速铁路的运营使得天堑变通途，城市与城市之间人员的交流往来日益密切。
图2 2005—2015年全国高铁建设情况和市场分割指数变化趋势图
（二）城市群知识合作网络单中心特征明显
中心性分析主要用来衡量节点（行动者）在其社会网络中具有的权力特征，或者说中心地位特征。关于“中心性”的测度指标，比较常用的包括：度数中心度、中间中心度、接近中心度以及与之相对应的多种中心势指数。鉴于各项测度指标所衡量的中心性特征有所差异，本文主要采用度数中心度、度数中心势以及中间中心度指标来进行分析。
（1）知识合作网络节点的度数中心度分析
式（3）与（4）中SD 为中间中心度RCi 的标准差，而SDRS 则为城市中间中性度排序以后其序号
的标准差。Nuffel等（2010）① Van Nuffel N.,Saey P.et al.,“Measuring Hierarchical Differentiation:Connectivity and Dominance in the European Urban Network”,in Transportation Planning and Technology ,2010,Vol.33,p.343-366.指出SD 的大小会受城市群城市数量的影响。为此，只有通过对SD 进行标准化才能避免这一偏误，而FPI 即是在对SD 进行标准化以后的空间结构指数。FPI 是一个介于0 到1之间的值，其中0表示绝对的单中心，而1表示完美的多中心，0.5则表示等级大小分布。经过标准化以后的FPI 值与知识合作网络中城市的数量无关，便于不同知识合作网络之间的比较研究。
2018年9月15日，环球网独家报道了曾先生及其父母在瑞典遭到警方暴力执法事件（外交部突发安全提醒原因气炸！瑞典警察竟将中国老夫妇半夜扔坟场！），随后引起国内舆论的关注。随着事实的逐渐披露，社交媒体上也对此事出现了一系列质疑：当事人是否贪图便宜预定了青旅？是否在旅店大厅赖着不走？是否面对警察“撒泼”“碰瓷”？整个事件是否是中国游客把“恶习”带到外国导致的冲突？
图3 2016年我国八大国家级城市群各城市度数中心度、高等院校数、经济发展水平分布③ 图3中从左至右、从上至下，分别为哈长城市群、京津冀城市群、珠三角城市群、长三角城市群、长江中游城市群、成渝城市群、北部湾城市群以及中原城市群。
就图3中2016年我国八大国家级城市群各城市的度数中心度分布情况来看，哈长城市群的知识合作网络主要以哈尔滨和长春为中心，齐齐哈尔和大庆的副中心地位也开始凸显；京津冀城市群主要以北京为中心，天津的中心地位有待进一步加强；珠三角城市群的知识合作网络则以广州为中心，深圳和中山的副中心地位也有所显现；长三角城市群则以上海和南京为中心，杭州的中心地位有待进一步加强；长江中游城市群以武汉和长沙为中心；成渝城市群主要以成都为中心，重庆的中心地位不够明显；北部湾城市群主要以南宁和湛江为中心，钦州、玉林和海口的副中心地位也较为显著；而中原城市群则主要以郑州为中心。这些度数中心度较高的城市大都是经济发展水平和高等院校数量较多的城市。经济发展水平较高和高等院校数量较多的城市为知识创新提供了强大的资金和人力资源支持，同时创新水平所带来的生产效率的提升又反过来促进了经济增长，如此便实现了知识创新在该城市的自我强化。
持续推进农村产业转型升级，以应对山区人多地少的结构性问题；发挥村民共同体和集体经济优势，培育乡村社会资本，不断提升个体和集体发展能力，克服贫困山区发展的路径依赖。
就知识合作的影响因素来看，正如上文所说，虽然高等院校的数量和地区的经济发展水平是决定城市开展知识合作的基础，但并非所有拥有较多数量高等院校或较高经济发展水平的城市都能拥有较高水平的知识合作程度，它还取决于城市是否与其他合作城市相邻近，是否与其他合作城市同属于一个管辖区等。从图3中可以看出，知识合作中心城市周边城市的度数中心度水平也相对较高，但在城市群内部同一省份内的知识合作数量要明显高于跨省份的知识合作数量，且在一个省份内的知识中心会倾向于出现在某个单一城市。这也就在部分程度上解释了为什么涵盖多个省份的城市群会倾向于出现多个知识中心城市。
就2005—2016 年我国八大国家级城市群中心度分布的趋势变化情况来看，① 限于文章篇幅，本文暂未列出2005—2015年八大国家级城市群度数中心度、高等院校数以及经济发展水平的分布情况，如有需要可向笔者索取。 哈长城市群、珠三角城市群、长江中游城市群、成渝城市群、北部湾城市群、中原城市群中心城市的知识集聚水平在不断升高。与之相对应，在过去的11年时间里，哈长城市群的中心城市哈尔滨增加了16所高等院校；珠三角城市群的中心城市广州增加了23所高等院校；长江中游城市群的中心城市武汉增加了32所高等院校，长沙也增加了6所高等院校；成渝城市群的中心城市重庆增加了40所高等院校，而成都市也增加了18所高等院校；北部湾城市群的中心城市南宁增加了4所高等院校；中原城市群的郑州增加了18所高等院校。除了这些知识中心城市，其他边缘城市高等院校增长的数量相比之下显得非常有限，这也在部分程度上说明了我国教育资源分配不均的典型特征，这也是知识集聚水平不断攀升的主要原因之一。但这种资源分配不均的现象在京津冀城市群和长三角城市群得到了一定程度的改观，京津冀城市群与长三角城市群中心城市的中心度水平有所降低，而其他非中心城市的中心度水平则稳步提升。从高等院校的数量变化情况来看，京津冀城市群除了北京市增加了12所高等院校以外，天津、石家庄、秦皇岛和保定也分别增加了13、17、8、7所高等院校，而长三角城市群除了南京和上海分别增加了6所和4所高等院校以外，苏州、绍兴也分别增加了6所和7所高等院校。这一发展趋势有效地缓解了京津冀城市群和长三角城市群知识合作过于集中的不均衡发展格局。
基于此，本文主要采用期刊论文数量来衡量知识合作情况。就期刊数据库的选择来看，本文研究数据主要来源于Web of Science Core Collection Database。Web of Science是由美国科学技术信息研究所（ISI-Institute for Scientific Information）提供的重要信息检索平台。而其中的Web of Science Core Collection核心馆藏数据库则属于Web of Science中的核心子库，该子库中包含了超过12000种权威、高影响力学术期刊，涉及社会科学、自然科学、生物医学、工程与艺术和人文科学等，时间上甚至可追溯到1900年，是高质量文献信息的重要检索来源。⑦ 介绍资料来源于吉林大学图书馆，http://202.198.25.2/portal/database2/2/166.aspx 所以，Web of Science核心数据库中的论文质量相对较高，所以能较好地反映知识创新水平，同时尽量避免论文内容重复发表等问题。本文衡量了2005—2016 年我国八大国家级城市群（143个城市）内部城市之间知识合作情况，最终收集的期刊合作论文数量统计如下：
（2）知识合作网络的度数中心势
从整体上说，一个网络也有其度数中心势指数CT ，用以衡量该网络是否存在向某个单中心点或某些多中心点集中的趋势。为了测量网络的度数中心势，首先需要找出网络中节点的最大中心度值C max，然后再计算出最大的中心度值与网络中其他节点的中心度值Ci 的差，再就网络中得出的不同差值求和，最后用该求和值除以理论上能得到的最大差值总和，具体的计算公式如下：
本文主要研究城市群知识合作创新特征及其结构演变趋势。关于知识创新的研究，既有学者主要采用专利数① 吴玉鸣：《官产学R&D合作、知识溢出与区域专利创新产出》，《科学学研究》2009年第10期，第1486—1494页。 和期刊论文数量② Li Y,Phelps N,“Megalopolis Unbound:Knowledge Collaboration and Functional Polycentricity within and Beyond the Yangtze River Delta Region in China”,in urban studies ,2016,No.6,p.1-17.来衡量。但相较于专利数，如果考虑到面板数据的可获得性，利用期刊合作指标来研究城市之间的知识合作创新更为普遍和可行。③ Hoekman J，Frenken K，Oort F,“The Geography of Collaborative Knowledge Production in Europe”,in Annals of Regional Science ,2009,Vol.43,No.3,p.721-738.如Li 和Phelps（2016、2017）④ Li Y,Phelps N,“Megalopolis Unbound:Knowledge Collaboration and Functional Polycentricity within and Beyond the Yangtze River Delta Region in China”,in urban studies ,2016,No.6,p.1-17.⑤ Li Y,Phelps N,“Knowledge Polycentricity and the Evolving Yangtze River Delta megalopolis”,in Regional Studies ,2017,Vol.51,p.1035-1047.就利用Web of Science 核心数据库中城市间合作期刊数来衡量城际知识合作程度。除此之外，与期刊论文合作不同，专利合作会因为专利所具有的排他性而受限或受阻，专利所带来的经济利益通常使得“合作”在专利领域尤为“势单力薄”，所以专利合作更多的是企业内部或者高校、地区内部行为⑥ 段德忠、杜德斌、谌颖、翟庆华：《中国城市创新网络的时空复杂性及生长机制研究》，《地理科学》2018年第11期，第1759—1768页。 （段德忠等，2018）。
本文采用Ucinet软件分析，得出我国八大国家级城市群2005—2016年网络度数中心势的变化趋势（见表3）。
“你涌动着无穷无尽的活力，你是一个天真烂漫的女人。我是一个从地狱返回的人，心如死水，但你使我有活过来的迹象。”
表3 2005—2016年八大国家级城市群知识合作网络度数中心势变化趋势
表3 中长江中游城市群的度数中心势在2005—2016 年间基本维持不变，且度数中心势绝对值较低，说明城市群内部知识合作关系分布较为均衡。京津冀城市群、长三角城市群和成渝城市群的度数中心势呈现出下降趋势，说明这些城市群的知识合作网络正向均等化方向发展。而哈长城市群、珠三角城市群、北部湾城市群和中原城市群的知识合作网络的度数中心势虽然绝对值相对较低，但是度数中心势却呈现出较为明显的上升趋势。说明这些城市群内知识合作网络在向一个或多个中心集中。度数中心势虽然测度了社会网络的均衡发展程度，但正如上文中所发现的一样，除了各大城市群的知识合作中心有着较高的度数中心度以外，其他城市的度数中心度水平都相对较低，因此，均衡的发展主要还是体现在了非中心城市的中心度分配上，位于度数中心度金字塔底端的非中心城市数量较多，中端的副中心城市或顶端的中心城市数量则较少，是一种“⊥”型的空间发展结构。下文中将采用多中心空间结构指数，就城市群知识合作网络空间结构的演变趋势做进一步的定量分析。
（三）城市群知识创新空间结构呈现出多中心化趋势
对于知识合作创新空间结构的测度，本文主要采用多中心结构指数来衡量，重点参考Hanssens等（2014）① Hanssens H,Derudder B,Van Aelstx S,et al.“Assessing the Functional Polycentricity of the Mega-City-Region of Central Belgium Based on Advanced Producer Service Transaction Links”,in Regional Studies ,2014,Vol.48,No.12,p.1939-1953.的做法，将计算知识合作网络的多中心结构指数分为以下两个步骤：（i）测量城市群内每个城市的中间中心度（RCi ）；（ii）将这些中间中心度的得分合并为一个指数（FPI ），以量化知识合作网络空间结构的平衡程度。
式（1）中RCi 表示城市的中间中心度，它测量的是主体对于资源控制的程度。本文中中间中心度高的城市在各城市的知识链接中起着重要的桥梁作用，说明该城市在整个知识合作网络中对其他城市的影响能力大。DIi 为城市的主导性指数，用城市i 与城市群内其他城市中间中心度均值的比值来衡量，J 为城市群内城市的数量。式（2）中RC ‘i 为将城市群内城市的中间中心度进行排序以后的倒数值，i 为城市排序的序号。
为了衡量一个节点在社会网络中的地位——其是处于网络中心还是居于网络的边缘地带，学者们通常采用度数中心度指标来分析。度数中心度指标又可分为绝对度数中心度与相对度数中心度，为了便于不同知识合作网络的比较，文本主要采用了相对中心度指标。
从图4中八大国家级城市群知识合作创新空间结构指数的比较来看，京津冀城市群和长三角城市群多中心空间结构指数最高，而长江中游城市群与中原城市群知识创新单中心空间结构特征最为明显。虽然珠三角城市群经济发展水平较高，通达性水平也较其他区域更高，但其知识合作创新空间结构的单中心特征则较成渝城市群与哈长城市群更为明显。究其原因，可能是因为珠三角城市群创新能力过于集中。虽然珠三角城市群区域创新能力在2017年已经跃居全国首位，但除深圳市以外，其他地市R&D占GDP比重均未达到地区平均水平。从具体数据指标来看，广州市拥有省级以上重点实验室214家，占全省65%。深圳市拥有省级以上重点实验室41家，占全省12%，其余市总和仅为23%；粤东西北高校数仅占全省16.6%，国家高新技术企业数量占比不足10%，规模以上工业企业研发机构覆盖率仅有11%。② 数据资料来源于：https://m.21jingji.com/article/20180328/20b5d9ed1accb962b7b28a8da0b8381a.html。
因即时配具备强大的市场发展潜力，所以吸引了很多的快递企业纷纷加进入这一新的业务领域。即时配送相较于传统快递还是有着很大的区别，某些快递企业虽然迅速组建了自己的专职配送团队，但是也仍然面临很多问题。因此，本文以开展该项新业务的某快递公司为切入点，先对快递公司的现状进行分析，发现投入运力的支出在收入中占据了极大的比重，从而确立以配送员每次配送的收入最大为目标函数，借此降低运力数量，从而提高快递公司在该项业务上的收益。
1.智能猪业。在养殖新技术上趋向于“智能猪业”，通过智能感知、自动控制、监控预警等技术，提升养殖生产水平，提高工作效率，降低能源与投入品消耗，可以极大推动养猪业的发展。
图4 2005—2016年我国八大国家级城市群知识创新空间结构演变趋势
就图4中我国八大国家级城市群知识合作网络空间结构的变化趋势来看，八大国家级城市群知识合作网络的空间结构指数不断上升，知识单中心网络结构正向多中心网络结构转变，但就空间结构指数的绝对值来看，八大国家级城市群知识合作网络的空间结构指数都低于0.5（标准等级规模分布结构），说明我国城市群内知识合作网络还是以单中心结构特征为主。就八大国家级城市群的趋势比较来看，京津冀城市群和长三角城市群多中心空间结构指数上升趋势最为明显，尤其是在2014年以后，这两大东部地区城市群的知识合作空间结构指数与其他地区城市群的差距在逐渐拉大。中部地区的中原城市群与长江中游城市群，它们的空间结构指数上升趋势较为平缓，而东北地区的哈长城市群与西部地区的成渝城市群、北部湾城市群空间结构指数的上升趋势则处于居中的地位。珠三角城市群空间结构指数虽然在2015年以前上升趋势不显著，但2015年以后也开始超过中西部地区，逐渐显现出多中心知识创新的发展趋势。这主要得益于政府在引导创新要素向非中心城市流动所做的努力。广东省科技厅与广东省发改委联合印发了《广东省促进县域创新驱动发展实施方案》，指出广东要引导创新资源重点向粤东西北县域流动聚集，实现区域创新能力结构合理、创新资源分布均衡。
三、主要结论及相关启示
本文利用社会网络分析法对我国八大国家级城市群知识合作创新的空间结构特征及其演变趋势进行了实证分析，时间跨度涵盖2005—2016年的11年，城市样本共计143个。本文研究结论发现：（1）就城市群知识合作网络中心的分布来看，北京、上海和广州等特大型城市在各自的城市群知识合作网络中都占据着绝对中心的地位，天津、南京和深圳等二线城市的中心地位也在不断加强。（2）就知识合作的影响因素来看，城市之间的地理距离、城市之间的行政壁垒、城市本身的经济发展水平及其高等院校的数量都是决定知识合作的重要因素，但随着高铁网络的不断展开，地理距离对知识合作的限制在逐渐被削弱。（3）就城市群知识合作网络的建设来看，城市群内的一体化建设正通过缩短城市之间的旅行时间、建设便利的信息网络、打破城市间的行政壁垒等方式提高城市群内知识合作的频率和成功的概率，城市群内知识合作网络密度不断升高。（4）就城市群知识合作网络的空间结构来看，我国八大国家级城市群内知识合作网络主要还是以单中心结构特征为主，但这一单中心的空间结构正向多中心的空间结构转变。（5）就多中心知识创新结构的演变动力来看，国家出台的一系列创新驱动发展政策措施，如《国务院办公厅关于县域创新驱动发展的若干意见》（简称《意见》）① 《广东省促进县域创新驱动发展实施方案》便是该《意见》在广东地区的进一步展开。 等，以及高铁网络发展规划正帮助各城市群地区逐渐实现区域创新能力结构合理、创新资源分布均衡的格局。此外，城市群建设带来的区域市场一体化、行政一体化和经济一体化也削弱了市场分割、行政壁垒管制以及产业恶性竞争给知识合作创新带来的不利影响。
就相关启示来看，由知识合作网络的单中心空间结构映射出来的创新资源分布不均问题是由一定的历史背景和现实原因所导致的。不同于西方发达国家知识中心的均衡分布，它们的非中心城市也聚集着诸多高等院校（如加州大学系统，其分校大多位于郊区甚至农村地区），但在中国，高等院校则偏向于向中心城市聚集，非中心城市的创新资源则稍显稀缺。
从历史原因来看：（1）中国近现代的高等教育滥觞于清末民初，办学资本来源多具有官方背景，加之受历史上重文尊学的传统，高校分布并不单纯受经济规律的制约，包含更多的象征意义，如此，在核心城市就需要有高等学府来体现其一定的社会等级；（2）新中国成立后，我国高等教育效法苏联，高校设置走“小而精”“专门化”的路线，在行政手段主导分配的思路下，继续将高校设置在城市的核心区域；（3）而西方高校的初期筹建者多为商人、教会，即使官方推动建立，也一般基于促进经济发展的需要，并无更多象征意义，在社会资本、思想观念上不具备中国高校的其他职能。
研究发现，久坐会使内颞叶缩小的进程加快。每天静坐超过15小时，内颞叶会比只坐5小时的人小10%。而且，久坐时间超过15小时后，内颞叶每小时就会缩小2%。
而从现实原因来看，高校作为教育产业的重要环节、城市作为承载经济活动的重要形式，两者均有各自的发展周期，且在一定条件下互相影响。中国高校初建时，城镇化也尚处早期，城镇规模较小、地价成本较低，高校自然位于核心区域。改革开放以后，商业经济逐渐发达，城镇规模扩大的同时市场经济成为资源配置的主导方式。高校由于自身规模扩大、市内地价成本提升、城市区域功能分化等原因而迁居边缘城市。进入新时代，部分地方政府为了带动周边或当地城市的发展，有意识地开发大学城或在非中心城市设立分校等，政策倾斜为高校迁移提供了条件。所以本文研究发现，虽然单中心知识合作网络结构依旧凸显，但多中心化的趋势已经开始显现。国家发展改革委等部门联合印发了《关于促进市域（郊）铁路发展的指导意见》。根据《关于促进市域（郊）铁路发展的指导意见》的规划要求，至2020年，中国将在京津冀、长江中游、长三角、珠三角、成渝等经济发达地区的特大城市及具备条件的大城市建立市域（郊）铁路骨干线路。这些公共基础设施的发展使高校远离市区或中心城市成为可能，多中心化的知识合作网络有望在不远的将来实现。
Spatial Structure Evolution Trend of Knowledge Innovation in Urban Agglomeration in China——Empirical Evidence from Core Web of Science Databases
GUO Sheng-tie,YAO Chang-cheng
Abstract: In order to strengthen spatial structure of knowledge collaboration network with polycentric urban agglomeration and construct the development pattern of urban agglomeration,this article applies social network analysis (Ucinet)to make an empirical study on the network characteristics and structural evolution trends of the journal number published by eight national inter-city cooperation within urban agglomeration.A further quantitative analysis and illustration are also be made on how the factors such as the number of institutions of higher learning,the level of economic development and administrative barriers have effects on knowledge cooperation network.The research results show that the knowledge cooperation network of eight state-level urban agglomerations mainly represents the structural characteristics of single center.However,in terms of the development trend,the structural characteristics of multi-center network are gradually emerging,which is inseparable from the impetus of the development of educational equalization,transportation convenience and system integration in urban agglomerations.
Key words: knowledge cooperation,spatial structure,urban agglomeration,social network analysis,Web of Science
作者简介： 国胜铁，黑龙江大学经济学院副编审，吉林大学国有经济研究中心（哈尔滨150080）；姚常成，通讯作者，西南财经大学经济学院讲师（成都611130）
基金项目： 国家社会科学基金一般项目（18BJL070）
DOI编码： 10.19667/j.cnki.cn23-1070/c.2019.04.007
［责任编辑 秋 实］
标签：知识合作论文; 空间结构论文; 城市群论文; 社会网络分析法论文; Web论文; of论文; SCIENCE论文; 黑龙江大学经济学院论文; 吉林大学国有经济研究中心论文; 西南财经大学经济学院论文;