中国城市人口流动网络研究——基于百度LBS大数据分析

基于百度LBS平台大数据,运用GIS与社会网络分析方法,构建我国334个地级市人口流动网络模型,测度并分析我国城市间人口出行流动的复杂性网络特征。大部分城市节点的入度与出度呈正相关关系,在人口流动上保持相对平衡状态;城市间人口流动呈现显著的空间集聚性,人口集散程度较高的城市主要分布在东部地区,尤其是京津冀、长三角、珠三角等城市群。整个网络在空间上具体呈现"两大四小"多中心网络格局,空间组织上则以择优连接以及局部的邻近连接为主,空间距离依然是人口流动的重要束缚力之一。通过复杂网络指标测算分析,人口流动网络具备无标度网络和小世界网络特征,表明现实世界中全国范围内城市间人口可以跨越行政等级界限自由流动,网络化特征日趋明显。

中国省际人口流动网络的演化及其解释

文章分析了1995—2015年中国省际人口流动网络的演化过程和特征,并通过实证研究对人口流动网络的变化进行了解释,尤其是社会关系网对人口流动网络演化的巨大影响。首先,运用社会网络分析方法,利用各次人口普查和1%人口抽样调查数据,构建5个时点的省际人口流动网络,并通过网络关联性和中心性分析,揭示不同时期省际人口流动网络的结构特征及其发展演化过程。进一步地,运用基于"关系-关系"的QAP方法,考察影响人口流动网络变化的主要因素及其解释力的变化,实证检验移民网络理论。主要发现有:(1)省际人口流动网络由初期单向流动、结构稀疏的脆弱性网络,逐步演进为关系复杂、结构紧密的稳健性网络。网络密度和关联度大幅提高,网络等级度和网络效率则不断降低。(2)人口流动网络呈现出人口扩散性流出、集聚性流入的时变特征,网络整体和个体的中心性发生明显变化,但各地区在网络中的地位和作用未发生根本改变,人口流动网络的演化具有自我强化的特性。(3)社会关系网对于人口流动网络的演化有着极为重要的影响,且影响力在不断增强,验证了人口流动网络的积累性效应。(4)其他影响人口流动的因素,如就业机会、收入水平、经济发展水平、对外开放和空间距离,对不同时期人口流动网络的变化也有着一定影响,但在后期这些因素的解释力在降低。文章最后认为,在未来一段时间内,省际人口流动网络的整体格局难以发生根本性改变,应制定适应流动性社会管理的各项制度,完善有利于相对均衡发展的区域政策。

中国省际人口流动网络演化及其影响因素研究

基于2005年、2015年省际人口流动的相关数据,借助社会网络分析方法,进行了人口流动的网络结构特征研究,并剖析了人口流动网络的影响因素,研究结果表明:①整个网络的关联性增强,小世界性发育典型;以广东为主,浙江、江苏、安徽、四川为副的“一主四副”的网络结构进一步凸显,等级层次性加强;从人口流动网络的关联性视角看,相邻省份间具有较为活跃的人口流动,体现出显著的地理邻近性;整个人口流动的空间格局体现了“东入内出”的模式,空间不均衡性加剧。②通过QAP回归发现:开放水平、收入水平、地理邻近性对省际人口流动网络具有显著的影响;人均GDP、人力资本、第三产业只对省际人口流入网络具有显著影响,对人口流出网络并没有发挥显著的作用;失业水平对人口流动网络的影响经历了由显著到不显著的演化;第二产业对人口流动网络的影响经历了由不显著到显著的演化过程。

京津冀城市群人口流动网络结构及影响因素研究

通过社会网络分析方法,研究2000—2015年京津冀城市群人口流动的网络结构特征及演化趋势。结果表明:①京津冀城市群人口流动网络结构不断发展完善,节点数量明显增多,核心节点由“双核并进”演化为“四核争辉”,但也存在节点等级结构不合理、次核心节点和地方节点对核心节点的支撑力不足等问题。②从人口流动网络演化过程来看,京津冀城市群人口流动网络由双核心集聚阶段发展为多中心网络化阶段,但区域差异明显。③经济因素与社会因素对人口流动网络演化均具有显著的正向效应,社会因素的影响更为明显。

中国人口流动网络特征及影响因素研究——基于腾讯位置大数据的分析

文章基于2016年和2018年的腾讯位置大数据,采用社会网络分析法和QAP回归模型系统探究了中国人口流动网络的空间结构特征以及影响因素。研究结果表明:人口流动网络关联性增强,整体结构日趋稳健,但依然存在“东南密集,西北稀疏”的态势;经济发达、行政地位高的节点城市在人口流动网络中具有更强的吸引力和辐射力;人口流动网络的凝聚子群特征明显,人口流动仍以子群内流动为主,子群间联系较少;区域差异是人口流动的源动力,就业机会、工资收入以及迁移成本仍是影响人口流动的主要因素,随着生活水平的提高,舒适性需求对于人口流动的影响日渐凸显。

疫情下中国省际人口流动网络的时空特征研究

将疫情防控划分为多个阶段,基于百度地图迁徙大数据平台,利用网络分析法,构建了各阶段的人口流动网络。通过对各阶段网络的密度、平均度等统计特征分析可知,中国的防控措施对遏制疫情扩散效果显著;由各阶段网络的中心性分析结果可知,省市的人口流动控制能力大小由该省市的度数中心度和中介中心度的共同决定;运用块模型分析方法,对各阶段网络进行板块划分。研究结果表明,疫情后东北板块成员之间关联程度减弱,成员内部向外关联减少;中西、华南、西南板块向外关联至华东板块趋势没有变化;凭借良好的疫情防控效果,其他板块向外溢出至西北板块的关联增多。

中国人口流动网络时空演化及其对新冠疫情传播的影响

基于2020年1月1日至2月29日的手机信令数据构建全国尺度人口流动网络,研究了疫情-春节叠加影响下的人群流动行为的时空演化规律,并实证检验了流动网络结构特征在疫情传播中的作用。研究结果表明:大流行对人口流动模式的破坏存在年龄和距离异质性,削弱了高层级城市在人口流动网络中的重要性,并重塑了城市间人口流动强度分布规律。各时间段流动网络度分布均呈现“低度饱和,高度截断”的幂律特征,不同年龄群体迁移模式的城市分异性揭示了不同层级城市居民工作压力存在分化,且分化趋势在年轻人群中更为显著。研究还发现,流动网络拓扑结构与当地疫情传播之间存在因果关联性,采用时间断点回归模型实证检验了流动网络度中心性、接近中心性和特征向量中心性3项结构特征在封控政策对当地疫情传播的影响中起到部分中介作用。本研究对深入理解人口流动网络结构特征在重大公共卫生事件传播中的影响具有重要的理论和实践意义。

基于腾讯迁徙数据的泛珠三角春运期间人口流动网络的结构不均衡性研究

基于位置服务的人口迁徙数据能够直观、动态和详尽地描绘城乡居民日常活动的行为轨迹和时空特征。文章采用腾讯迁徙数据,通过时空统计和复杂网络方法分析泛珠三角地区人口流动的时空格局和结构特征。结果表明:泛珠三角地区人口日常流动的时空分异和层级鸿沟特征明显,春运期间总体呈现“S”型反向交互模式,各城市度中心性与所属层级高度耦合,时段演变趋势具有差分空间正相关关系,Ⅰ型、Ⅱ型城市度中心性及其波动幅度显著高于Ⅲ型、Ⅳ型;迁徙路线方面,省内流动呈现以省会城市为核心、周边城市为辅的“放射型”结构,跨省流动主要表现为以珠三角地区为核心的“扇形”结构,同时伴有“两横两纵”4条高密度的迁徙走廊;结构均衡方面,Ⅰ型、Ⅱ型城市结构不均衡度较高,凭借强势的虹吸效应形成城市发展的外生驱动力,Ⅲ型、Ⅳ型城市结构不均衡度较低,与周边城市的共生性、对省会城市的依赖性较强,城市发展处于被极化的边缘位置。

矩阵型因子模型及其在我国省际人口流动网络数据中的应用

矩阵型时序数据广泛地存在于各个领域中。近年来,研究者们针对高维矩阵型时序数据提出了一类矩阵型因子模型,其估计方法与理论研究正在不断的改进中。本文针对已提出的矩阵型因子模型,给出了一个新的拟似然估计方法,通过数值模拟验证了该方法的有效性,并将矩阵型因子模型用于我国省际人口流动网络数据中,以研究其动态变化规律。

基于腾讯位置大数据的人口流动网络特征研究——以山东省为例

基于腾讯位置大数据,利用复杂网络分析和社会网络分析方法,以山东省为例,从规模分布和空间格局出发探讨其人口流动网络特征。结果表明:(1)从规模分布来看,山东省人口集散能力呈金字塔结构,城市数量随着集散层级的增大而减少,济南、青岛的人口集散能力明显强于其他地市;人口流动呈位次型规模分布,人口流动规模总体上在各城市之间相对分散、平衡。(2)从空间格局来看,省际人口流动网络空间分布不均衡,呈“东密西疏,北强南弱”的空间格局和双纵一横的带状模式,具有向“邻”性和向“优”性的显著特征;省内人口流动网络呈以“济南、淄博、潍坊、青岛和临沂”为核心的空间均衡联系模式,以“济南青岛临沂,淄博滨州德州聊城,东营潍坊烟台威海,济宁菏泽枣庄泰安日照”为子群的组团分异特征。

疫情期间中国春运人口流动网络特征及其影响因素

基于COVID-19疫情爆发时期(2020年)与疫情防控常态化时期(2021年)2个阶段春运出行期与返程期的城际人口流动数据,采用复杂网络方法刻画疫情影响下中国春运人口流动网络特征变化,并借助二次指派程序(QAP)识别了影响人口流动网络变化的因素。结果表明:(1)疫情爆发时期春运人口流动网络规模骤减,相邻城市间短距离人口流动联系取代中长距离的人口流动,表现出“小世界”特征,疫情防控常态化后人口流动网络规模与流动距离回升。(2)春运人口流动网络格局受疫情影响产生了一定变化,但人口向东部沿海地区中心城市、各地省会城市集聚的根本态势没有发生改变,人口流动网络社团划分在疫情不同阶段总体保持稳定。(3)疫情病例、各城市间空间距离对春运人口流动网络的负向影响程度逐渐下降,经济发展水平差异的影响力虽有弱化趋势,但依旧十分显著;城市常住人口、旅游服务、高等教育、交通发展及医疗服务水平差异对春运人口流动网络的正向影响逐渐提高。

基于不同交通方式的中国城市间人口流动网络比较研究

基于腾讯迁徙人口流动大数据构建人口流动网络,采用社会网络分析和GIS空间分析,对不同交通方式的城市间人口流动网络进行比较研究。结果表明:不同交通方式的城市人口流入与流出呈相对均衡的状态,铁路和航空人口流动呈明显的等级化特征;公路、铁路和航空的人口流动差异化的距离衰减特征明显,400和1000 km以内分别为公路、铁路的主要流动区域,航空人口流动的峰值区为800~1800 km;公路流动呈现省域性网络流动特征,铁路流动形成京津冀、长三角、成渝和珠三角为高值集聚区的空间结构和“弓箭型”网络特征,航空流动表现出两极分化空间特征和“两核六极”的多核心网络格局;人口流动网络呈现无标度网络和小世界网络特征,综合网络表明综合交通运输体系能极大提升人口流动网络的运行效率,实现人口流动效率的最大化。

南京都市圈日常人口流动网络结构特征及影响因素

利用手机信令数据、铁路班次数据、网络大数据和社会经济统计数据等多源数据,以区县为研究单元,分析南京都市圈日常人口流动网络结构特征,并采用QAP回归分析法探究南京都市圈日常人口流动关联网络的影响因素。研究主要发现:①南京都市圈各区县日常人口流动规模呈现“圈层式”分布特征,人口流动网络“小世界”特征明显,城市行政边界对人口流动的阻碍仍较强;②在都市圈层面,交通可达性,网络信息联系以及就业机会、消费活力、公共服务吸引力等服务功能特征差异是区县间日常人口流动网络形成的主要驱动力,而以往研究中经济水平、收入水平和城镇化率等更大尺度下的传统人口流动驱动因素则无显著影响。研究旨在解析都市圈区县层面日常人口流动的内在机理,并为都市圈一体化协调发展提供参考。

网络视角下中国跨省人口流动格局跃迁及驱动机制:1991—2020年

长周期视角探究人口流动网络规律、演变特征及其影响机制,对于认识人口流动与区域均衡发展之间的逻辑关联、促进地区间经济和人口均衡具有积极意义。该研究基于1990年以来的全国人口普查和1%抽样调查数据,利用社会网络分析方法,对1991—2020年中国省际人口流动网络演变特征进行多期比较和态势研究,利用QAP分析方法识别人口流动网络演变的驱动机制。研究发现:①长周期视角下,人口流动具有“路径依赖”特征,省际人口流动网络“迁出地-迁入地”之间已经形成了较为稳定流动路径。网络格局已呈现出东部沿海地区高度集聚转变为东部沿海地区集聚与人口分散回流至中西部地区并存的趋势。②省际人口流动网络结构正在经历“由疏到密”“由单向流动为主转变为双向流动为主”的演变过程,逐渐形成空间对称的人口流动网络结构。③省际经济差距奠定了网络节点地位与权力的初始分布格局,并在很大程度上决定了未来人口流动网络的发展走势。短期内,省际人口流动网络的中心度等级不会产生根本改变。④人口流动网络的形成与演变归因于省际差距、时空社会网络以及地理距离等多种因素。人口流动网络在时空社会网络的作用下持续发展,省际差距形成的人口流动势能是人口流动网络演变发展的关键因素,但经济要素差距对流动人口的驱动作用在减弱,而生活舒适度和创新发展水平正在成为新时代影响人口流动网络的重要因素。

城市群人口流动空间网络及影响因素

选取2015—2018年11个城市群的人口流动频次数据,运用复杂网络分析和QAP(Quadratic Assignment Procedure,二次指派程序)分析方法,研究不同发展阶段城市群间以及城市群内部人口流动空间网络格局及演变,进一步分析影响因素。主要结论有:①城市群间人口流动空间网络呈现明显的“钻石”结构,而城市群内部表现为不同丰度的“金字塔”结构,优化提升阶段城市群是人口流动的主体区域,其城市群内部与城市群之间人口流动空间网络结构相较于其他两个阶段更复杂。②人口流动空间网络格局相对稳定,以“胡焕庸线”为人口流动总量的分界线,在优化提升阶段的城市群作用之下,东部城市群的人口流动总频次远大于中西部,呈现出稳定的“东密西疏”结构。③城市群内部人口流动空间网络均呈现小世界特性,形成明显的以相邻城市为主体的“凝聚子群”。④城市群人口流动空间网络影响因素存在差异,舒适度水平逐渐成为人口流动的重要驱动因子。人均绿地面积、失业保险参保人数占总人口比重、人均道路面积、人均专利授权量和年均气温等在多个城市群的人口流动空间网络形成中均发挥了显著作用,而在岗职工平均工资对不同城市群的人口流动产生异质性影响。

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

文章基于百度迁徙大数据,运用复杂网络分析方法,构建中国334个城市间人口日常流动网络模型,测度并分析其复杂性网络特征。结果显示,城市行政级别的高低与人口流动影响力存在一定的正相关关系,大部分城市在人口流动上处于"相对平衡"状态;城市间人口流动网络显现出明显的等级层次性,东部沿海三大城市群依旧是人口流动的热点区域,但西部地区中心城市的网络影响力大幅提升。整个网络在空间上呈现出"两大四小"多中心的格局,其中北京与上海为"两大"中心,重庆、西安、广州和武汉为"四小"中心,6个中心节点在整个网络中处于绝对主导地位,但各自的流场分布又有所差异。网络中城市等级与流动距离存在一定的正相关关系,空间距离依然是人口流动的重要约束力。整个人口流动网络符合无标度网络特性,并呈现出典型的"小世界"网络特征,说明中国城市人口流动网络具有较高的连通性和可达性。

我国五大城市群流动人口的空间关联网络结构特征研究

以长三角、珠三角、京津冀、长江中游及成渝城市群为代表的五大国家级城市群已成为我国当下流动人口的主要聚集地。文章基于引力模型的社会网络分析法,运用网络密度、网络关联度等指标,从整体网络、节点网络和空间聚类3个维度剖析我国主要城市群流动人口空间关联的结构特征,研究显示:(1)流动人口空间关联网络整体上与地理位置、城市经济存在较大联系;(2)人口流动空间关联网络中的受益城市主要为广州、深圳、上海、北京、武汉、长沙,受益人口流动城市易受限流动人口,人口流出城市则不受局限;(3)流动人口空间关联网络聚类划分不以城市群为单位,板块划分影响因素由单个城市决定,板块整体上呈结构性城市分布。

“人口流动”视域下中国城市中心性和社群格局分析

城市网络的组织结构与运行机制离不开城市间的关联关系。本文基于2021年10月至2022年9月的百度迁徙大数据,构建了中国366个城市的城际人口流动网络。在节点层面,提出了城际人口流动超越指数衡量城市中心性,探索城市中心性的空间聚类特征;在网络社区层面,分析了中国366个城市的月际城际人口流动特征及社群格局。结果表明:(1)城际人口流动超越指数能够有效表征城际人口流动网络中各城市的中心性;(2)城际人口流动网络中各城市根据其中心性形成“高高”集聚分布和“低低”集聚分布的特征;(3)城际人口流动集聚格局受节假日因素、新型冠状病毒感染等综合影响,在不同月份表现出不同的特征,总体上符合地理学第一定律,并呈现省际分异特征;(4)城市凝聚子群发现结果表明,成渝、大湾区、中原、关中平原、长三角等城市群人口流动格局较为稳定,具有跨省人口流动融合特征;山东半岛城市群与京津冀城市群的人口流动格局联系密切,出现跨城市群人口流动特征;浙江省省域内人口流动特征逐渐加强;长江中游、海峡西岸城市群仍未形成跨越省界的稳定人口流动社群格局。

人口活动与美国新冠疫情时空分布关联关系研究

新冠疫情(以下简称“疫情”)严重影响了人类生命安全,地理学者开展了对疫情时空分布、影响因素等方面的研究,人口活动对疫情时空传播具有显著的影响,但相关的研究较少。本文以疫情高发地美国为例,探究人口活动(州内日常活动、州际人口流动)与疫情时空分布(时空扩散、时空聚集)的关联关系。针对时空扩散:根据暴露指数构建人口流动网络,对迁入指数和实时基本再生数进行相关分析、对疫情演化序列和网络节点序列进行序列相似度对比,对环境数据和疫情演化结果进行相关分析;针对时空聚集:对人口流动网络并进行社区划分,采用空间自相关判断病例分布是否产生聚集,利用时空扫描得到疫情的时空聚类簇,将网络社区划分结果和时空聚类簇进行对比。结果表明:从实时基本再生数来看,美国疫情是趋于缓和的;美国疫情时空扩散与人口流动和人口日常活动存在关联关系,餐饮购物活动和人口流入是主要影响因素;美国疫情时空聚集与人口流动存在关联关系,人口流动网络中社区内部的密切人口往来塑造了疫情时空聚集特征。人口活动与疫情时空分布存在关联关系,为了遏制疫情应当严格控制人口活动。

网络关联、空间溢出效应与中国区域经济增长——基于腾讯位置大数据的研究

以腾讯公司根据手机位置得到的中国地级及以上城市之间人口流动数据为基础,考察人口流动网络下地级市经济增长的空间关联模式及其演变,结合网络分析方法,测度地级市间经济增长的空间溢出效应。主要结论有:①符合现实的空间权重矩阵应该是非对称的,且随着互动关系的改变而发生变化。②人口流动网络等反应地级市之间互动的因素在经济增长空间溢出中发挥了重要作用。③基于网络的空间溢出效应是地级市经济增长的重要因素。