我国不同区域城市空间联系的差异分析

郭建科，韩增林，耿雅冬

(辽宁师范大学教育部人文社科重点研究基地海洋经济与可持续发展研究中心，辽宁大连116029)

0 引言

作为一个开放系统，城市发展的主要动力是为其以外的区域提供产品和服务［1］。城市联系是劳动地域分工的产物，是城市经济发展的内在要求和必要条件，它以发达的交通网络和现代化的通讯设施等条件为支撑，以人口、资源等生产要素的流动和产业联系为主要内容。区域中城市间拥有较高的联系强度是区域发展演化的原动力，同时也是区域形成城市密集区或者城市群的前提条件。区域空间经济联系是区域研究的重要内容。Walter Isard在1951年首开运用投入产出技术分析区域经济空间联系的先河［1］，但该方法对区域间联系程度反应敏感，当不同地区的经济联系很弱或根本没有什么联系，该方法完全可以忽略。E.L.Ullman于1957年提出空间相互作用理论，其衡量模型主要有引力模型和潜力模型，由于引力模型数据易于获取而得到广泛应用，但该模型只考虑少数因子，因此，对区域联系的测度较为粗糙。此外，可达性等模型也可从某一方面对区域空间联系状况做测度［2］，在国内，周一星等运用“主要经济联系方法”理论和“引力模型”研究城市空间经济问题［3］;顾朝林等利用重力和引力矩阵构建了中国城市体系空间联系计算模型，并划分了层域，刻画了空间联系的结节区结构［4］;朱英明、邓春玉、姜博、宋飏等运用城市流模型分别对长三角、珠三角、环渤海及东北地区的城市空间联系进行了实证分析［5－8］;王海江等研究了中心城市对外服务功能［9－10］;蒲欣冬等利用可达性和隶属度分析法对甘肃中心城市空间联系水平进行了测度［11］。从上述研究可知，城市空间联系研究的主要视角仍以城市群为主，且不同尺度的空间联系研究主要关注空间结构问题，对于区域空间联系的差异问题分析论述较少。本研究综合运用城市流和神经网络模型，在对我国城市空间联系现状进行空间分析的基础上，着重揭示区域差异性，并对不同省区的城市空间联系水平进行分类，从而综合反映我国不同区域城市空间联系的区别与联系。

1 城市流模型与数据处理

城市流就是指城市间人流、物流、信息流、资金流、技术流等空间流在城市群内所发生的频繁、双向或多向的流动现象，是城市间相互作用的一种基本形式。各种城市流在城市的集聚与辐射中存在和变化着，反映了城市集聚与城市辐射的状况，同时也是城市规模结构不断变化完善的过程。城市流强度指在区域内城市间的相互联系中城市外向功能(集聚与辐射)所产生的影响量［12］。计算公式为:

式中:F为城市流强度;E为城市外向功能量;N为城市功能效益，即单位外向功能量所产生的实际影响。考虑到指标选取的代表性及可能性，一般选择城市从业人员为城市功能量指标，则城市是否具有外向功能量E，主要取决于其某一部门从业人员的区位熵，i城市j部门从业人员区位熵Lqij用下式表示，即:

式中:Gij为i城市j部门从业人员数;Gi为i城市总从业人员数;Gj表示所在区域中j部门的从业人数;G为城市所在区域总从业人员数。

若Lqij＜1，则i城市j部门不存在外向功能，即Eij=0;若Lqij＞1，则i城市j部门存在着外向功能，因为i城市的总从业人员中分配给j部门的比例超过了城市所在区域的分配比例，即i部门在j城市中相对于城市所在区域是专业化部门，可以为城市外界区域提供服务。因此，i城市j部门的外向功能为:

i城市m个部门总的外向功能量Ei用下式表示，即:

i城市的功能效率Ni用人均从业人员的GDP表示，即:

式中:Pi为i城市的国民生产总值。

i城市城市流强度Fi用下列公式表示，即:

式中:Ki为i城市外向功能量占总功能量的比例，其实质是单位从业人员所提供的外向功能量，反映了i城市总功能量的外向程度，称之为城市流倾向度［5］。从城市流强度的内涵及其计算方法可以看出，一个城市的城市流强度实质上反映了其对外联系与辐射的能力，因此，可以通过对城市群城市流强度的分析与计算确定区域联系的中心，同时反映各城市在区域内的联系地位。

限于可获得的统计数据，一般认为，外向服务功能主要通过第三产业从业人员数据计算，但鉴于研究尺度较大，区域间差异明显，仅第三产业的部分指标已不能很好反映全国中心城市的对外服务能力与结构特点，为了更全面地反映城市空间联系水平，本研究将制造业和建筑业也纳入考察范围，同时，根据计算检验，剔除第三产业中一般不具有对外服务功能的公共管理和社会组织、居民服务和其他服务业。全文将地级以上城市作为切入点，以2009年中国城市统计年鉴作为数据来源，将中国大陆31个省级行政区作为基本区域单位，通过计算2008年的城市流强度，考察不同区域，特别是省际城市空间联系的差异性，并对城市空间联系水平进行分类。

2 我国城市空间联系的区域差异

2.1 城市空间联系的基本格局

根据计算结果绘制图1，得出全国地级以上城市流强度值空间分布规律如下。(1)由北到南形成京津冀、长三角和珠三角3个城市流强度辐射中心。一般认为，城市流强度值越大，其与外界联系越紧密;城市流强度值越小，其与外界联系越松散［7］，因此，上述3个地区成为全国城市间空间联系最密切的区域。该区域高强度城市流成连续、密集分布态势，显示了较强的集聚状态并呈区域扩散格局，3个地区城市流规模分别占到全国的12%，23%和19%，总量占到全国54%。除此之外，在山东半岛也形成了较大的块状分布区域。(2)从城市分布来看，北京、上海、深圳、广州和苏州占据前5位，其城市流强度值分别达到了2 925，2 274，1 666和1 077亿元，均超过了1 000亿元的规模。特别值得注意的是，从第6位到第10位的城市分别为佛山、东莞、无锡、杭州和宁波，均为珠三角和长三角城市，天津仅排第14位，充分说明长三角和珠三角城市群内部的空间联系水平比较发达，中心城市之间的双向交流频繁，首位城市对区域的辐射、带动作用明显增强，而北京作为京津冀城市圈的首位城市，其辐射功能仍没有得到充分发挥，特别是作为副中心和港口城市的天津，其与周边城市空间联系的密切程度与北京差距较大，两城市间的双向互动格局仍未形成，天津要想发展成为环渤海经济中心仍很遥远，滨海新区任重道远。(3)在三大辐射中心以外的若干区域中心城市，高强度值呈点状分布，如武汉、长沙、大连、重庆、厦门、济南、沈阳等的城市流强度值达到了极高的水平，但这些中心城市的周边城市流规模都比较小，显示这些区域城市首位度很高，区际间联系仍以首位城市为主，区域内城市间双向互动不足，成高度集聚态势。

图1 2008年中国大陆城市流空间格局Fig.1 Spatial distributions of urban-flow in China in 2008

2.2 省际差异

我国大陆地区各省、自治区和直辖市间的城市对外服务功能及空间联系水平存在巨大差异。(1)从地区分布来看，东中西三大地带性分布明显，前7位均为东部地区。广东占据首位，城市流强度总值达到6 152亿元，占全国的19.0%，排在前6位的省区依次为江苏(9.8%)、北京(9.0%)、山东(7.4%)、上海(7.0%)、浙江(6.4%)，列最后3位的分别是宁夏、青海和西藏。东中西三大地带的城市流比例为:71∶18∶11。(2)从城市流集中化指数来看，各省份城市空间联系的集聚程度差异很大，但与GDP关系不大。集中化指数排名前三的依次是贵州(0.793)、黑龙江(0.781)、云南(0.747)，排名后三的依次是宁夏(0.172)、海南(0.118 7)和河北(0.405)，沿海经济发达省份依次为广东(0.703)、江苏(0.633)和辽宁(0.616)，沿海省份中，除海南仅有两个城市数据结果存在偏差外，河北集中化指数最小，且小于周围所有省份;中部省份中的安徽(0.417)集中化指数最小，湖北最大。特别是安徽和河北两省的集中化指数均小于周边省份。这说明河北、安徽均受到周边省份的强力辐射作用，处在相对的“阴影”区域，本省内部经济联系不足，省会城市对本省域内的城市辐射作用较差，不具有整合全域的力度，易导致边界城市融入他省经济圈;相比较，湖北在长三角的强势辐射作用下，武汉对本省域内的城市仍起着绝对的带动和整合作用。

2.3 城市流要素结构区域差异

根据城市外向服务功能各产业分量的分布情况(表1)，主要存在以下特征。(1)北京、海南、重庆、贵州、云南、青海、新疆和西藏的制造业外向功能量为0，整个制造业外向服务功能省区分布的集中化指数为0.746，而建筑业为0.679，第三产业为0.485，且第三产业外向功能量不存在0值。表明制造业的省区专业化程度差异较大，而第三产业的对外服务功能相对具有遍在性。导致制造业0值出现的原因有多种。在北京、海南和重庆等地，由于其产业结构中第三产业比重高，制造业中的劳动密集型产业比重小，因此，其对于劳动力的消化能力有限。而西藏、青海、新疆等西部地区本身工业化程度低，制造业不发达。(2)排在制造业外向服务功能前6位的省区分别是广东、江苏、山东、浙江、福建、上海，北方仅有山东一省，都是我国加工贸易发达的外向型经济省份，其制造业对于劳动力的吸引处于绝对控制地位。(3)排在第三产业外向服务功能前5位的分别是北京、广东、上海、辽宁和江苏。通过产业结构比较，发现北京2009年的三次产业结构为 1∶23.2∶75.8，广东为2.5 ∶48.5∶49.1，上海为 0.8 ∶39.9 ∶59.4，北京的三产比重偏高，而上海的制造业比重仍接近40%，其第三产业发展仍显不足。(4)对第三产业外向服务功能进行细化后发现，在信息传输计算机服务和软件业、房地产业、科学研究与技术服务业、文化体育娱乐业、交通运输仓储及邮政业、批发零售业、住宿餐饮业7个产业中，北京都占据首位，特别是在前4个产业中，其首位率均接近或超过40%。上海仅金融业一项占据首位，首位率为14.7%。广东在上述8个产业中，有5个产业排在前三。综合以上分析可知，在我国城市空间联系格局中，北京的外向服务功能虽然主要表现在第三产业，但除金融业外，其第三产业内部各产业部门在全国均处于绝对主导地位，广东和上海的制造业和第三产业外向服务功能都很明显，但他们的首位率较低，且只在个别产业部门占据主导地位。

表1 2008年省级区域城市流相关指标Tab.1 Main indexes for urban flow of provinces in 2008

3 省级区域城市空间联系水平分类

3.1 Kohonen神经网络算法及模型

Kohonen神经网络也叫SOM神经网络，是一种基于非线性自组织映射模型的聚类方法。他是由芬兰赫尔辛基大学神经网络专家Kohonen教授在1981年提出的竞争式神经网络，它模拟大脑神经系统自组织特征映射的功能，在训练中能无监督地进行自组织学习。由于它的强大功能，多年来，网络在数据分类、知识获取、过程监控、故障识别等领域中得到了广泛应用［13－15］。SOM神经网络由输入层和竞争层组成。输入层由N个神经元组成，竞争层由M个神经元组成，为可视化表示结果，常将M表示为一个二维平面阵列M=s*t。其算法步骤为:(1)初始化，从R个输入神经元到输出神经元的权值都进行随机初始化，赋予较小的随机值。(2)提供一个新的输入模式。(3)计算输入样本与每个输出神经元之间的欧氏距离，并选取一个最小距离的输出神元。(4)修改选定神经元与邻接神经元的连接权值。(5)输入新的样本重复上面的学习过程。

3.2 省级区域城市空间联系水平划分

仅从各省区城市空间联系的交流总量与GDP的相关性看，两者大致呈现正相关(图2)，相关系数达到0.937 4，但从城市空间联系的交流结构及经济发展水平等综合指标看，其影响因素众多，存在复杂的非线性网络关联。本研究使用神经网络中的SOFM非线性分类器，利用Matlab7.0平台，通过省级区域城市流数据对其城市空间联系水平进行分类，构建一个3×4的网络，网络初始权值为［0，1］，最大邻域数为7，指标体系包括GDP、人均GDP、城市流强度F、城市外向功能量E、城市功能效率N、制造业外向功能量、建筑业外向功能量、第三产业外向功能量、城市流倾向度K 9个指标，分别作10，100和1 000次循环计算，根据输出结果将31个省份的城市空间联系水平分为4个层次(图3)。第1层次为广东、江苏、北京、上海、浙江、山东、辽宁、福建、四川，城市间空间联系非常密切;第2层次为安徽、河南、湖北、湖南、黑龙江和重庆，城市间空间联系较为密切;第3层次为天津、河北、内蒙和吉林，城市空间联系水平较差;第4层次为山西、江西、广西、海南、贵州、云南、陕西、甘肃、青海、宁夏、新疆和西藏，城市空间联系水平差。从图中可以看出，我国城市空间联系水平相同的省区主要呈现带状或块状连续分布的特点。沿海地区除天津、河北和广西外，其他省级区域均处于第1层次，四川和重庆作为西部地区的中心，城市空间联系保持高水平;第2层次主要集中在长江流域和华中地区，这里处于我国长江黄金水道和南北陆路交流的枢纽，城市空间联系较密切;第3层次需要说明的是，由于直辖市和青海、西藏仅有一个城市数据，因此，计算结果反映的是这些区域的城市对外服务功能，其他省级区域既反映了其在全国的城市外向服务功能，也比较好地反映了其内部城市空间联系状况。可以看出，北京、上海属于第1层次，属于全国城市空间联系中的首位联系城市;重庆属于第2层次，为我国西南地区的首位联系城市;天津为第3层次，受北京影响，其辐射受限，经济外向服务功能差强人意。青海、西藏属于第4层次。

图2 中国大陆31个省区城市流与GDP关系Fig.2 The relationship between urban flow and GDP of 31 provinces in China

图3 我国省级区域城市空间联系水平SOM分类Fig.3 SOM classification of Chinese urban spatial-ralationship

4 结论

城市流是城市空间联系的重要表现形式，可以较好地表征城市间空间联系水平及中心城市的外向服务功能。从2008年地级以上城市的城市流强度分布情况来看，我国城市空间联系差异性主要表现在以下3个方面。(1)京津冀、长三角和珠三角地区是我国3个城市流强度辐射中心，也是高强度城市流最密集的3个地区，呈块状连续分布，这3个地区城市空间联系密切，不同规模城市间的空间联系较强，空间流较发达的城市已呈区域扩散态势。此外，我国在中西部地区若干中心城市的城市流规模虽达到了极高水平，但周边城市较低，区域首位联系比重过大，呈点状突起分布。(2)城市空间联系的东中西三大地带分布明显。三大地带城市流比例为71∶18∶11，仅沿海三大核心区就占据全国地级以上城市空间联系强度的54%。(3)各省份内部城市空间联系的集中化指数与GDP不存在明显线性关系，集中化指数偏高或偏低的区域均不是经济发达省份。(4)运用城市流模型计算得到的相关指标构建城市空间联系水平的指标体系，并通过SOM神经网络分类器对不同区域的城市空间联系水平进行分类，划分为非常密切、密切、较差、差4类，总体效果较好，基本反映了城市空间联系的省际差异状况。

［1］Walter Isard.Interregional and Regional Input-output A-nalysis:A Model of A Space-economy［J］.The Review of Economics and Statistics，1951，33(4):318 －328.

［2］Ullman E L.American Commodity Flow［M］.Seattle:U-niversity of Washington Preaa，1957.

［3］周一星.主要经济联系方向论［J］.城市规划，1998(2):22－23.

［4］顾朝林，庞海峰.基于重力模型的中国城市体系空间联系与层域划分［J］.地理研究，2008，27(1):1－12.

［5］朱英明，于念文.沪宁杭城市密集区城市流研究［J］.城市规划汇刊，2002(1):31－33.

［6］邓春玉.基于空间联系的环珠三角产业圈构建研究［J］.现代城市研究，2009(7):75 －81.

［7］姜博，修春亮，陈才.环渤海地区城市流强度动态分析［J］.地域研究与开发，2008，27(3):11 －15.

［8］宋飏，王士君，冯章献.东北地区城市群组城市流强度研究［J］.东北师范大学(自然科学版)，2007，39(1):114－118.

［9］王海江，苗长虹.我国中心城市对外服务能力的空间格局［J］.地理研究，2009，28(4):957－967.

［10］王海江，苗长虹，郝成元.中国城市群对外服务功能强度与结构分析［J］.人文地理，2010，25(1):49－55.

［11］蒲欣冬，毛利伟，魏立军.甘肃省中心城市等级划分及其空间联系测度［J］.兰州大学学报(自然科学版)，2004，40(6):101 －105.

［12］朱英明.城市群经济空间分析［M］.北京:科学出版社，2004:77－85.

［13］飞思科技产品研发中心.神经网络理论与Matlab7.0实现［M］.北京:电子工业出版社，2005:168－177.

［14］郝俊卿，王雁林.基于自组织映射神经网络模型的区域经济评价——以延安市为例［J］.地域研究与开发，2005，24(1):58 －61.

［15］李双成.中国可持续发展水平区域差异的人工神经网络判定［J］.经济地理，2001，21(5):523 －526.