人口流动视角下中国地级以上城市空间联系格局与影响因素

商硕 蒋海兵 韦胜

摘要：[目的/意義]本文旨在揭示高速交通网络驱动下我国城市空间联系格局与影响因素，对构建人口快速流动背景下城镇体系规划方案具有现实指导意义。[方法/过程]运用人口迁徙数据表征全国地级以上城市人口的流动格局，剖析交通一体化趋势下城市空间联系和特征，尝试揭示多种交通出行方式在城市空间联系中的作用强度与空间异质性，考察可达性与时空距离对城市空间相互作用的影响程度。[结果/结论]城市人流量高度集中于少数中心城市与城市对，东部城市密集区高联系强度城市对均呈现多中心网络式空间结构；中西部省份高强度城市对则主要形成了以省会城市为核心的极核式空间结构；高铁和航空客运对全国地级以上城市空间联系发挥着显著作用，多种出行方式对地级以上城市空间联系的作用强度存在明显的空间异质性；城市人流量时空距离衰减效应仍然显著。

关键词：城市空间联系 人流量 可达性 交通一体化

分类号：F50

DOI： 10.19318/j.cnki.issn.2096-1634.2022.02.13

？本文系江苏高校哲学社会科学研究重大项目“交通一体化驱动下长三角产业集聚与空间优化配置研究”（项目编号：2021SJZDA024）成果之一。

1 前言

近年来，在区域一体化发展战略的指引下，国家加快了交通一体化建设的步伐，《交通强国建设纲要》中确立在2035年我国将基本形成现代化综合交通体系，拥有发达的快速网、完善的干线网、广泛的基础网。“十四五”期间，国家将继续推进交通设施网络化和出行服务便捷化，强化多种交通衔接协调。交通一体化建设使高速交通网络日臻完善，智慧交通出行不断普及，多种交通方式融合发展。我国交通一体化发展改变城际时空关系、可达性与城市空间相互作用水平，加快区域空间结构重组，引导着区域人口流动格局与趋势。前瞻性地探讨交通一体化趋势下城市空间相互作用规律，能够更好地指导区域空间一体化建设、国土空间规划与开发。

城市空间相互作用是城市空间联系研究的主要内容，国内外地理学者曾长期采用修正的空间引力模型表征城市空间联系强度，而卡斯特尔（Castells）“流空间”理论为城市空间联系研究提供新的研究思路与视角[1]。第一，交通流演绎区域要素流动和城市空间联系规律，弥补传统数据和引力模型分析的不足，相关研究基于“流空间”数据解析不同交通方式下城市空间相互作用强度及其演变特征、中心城市辐射范围和交通空间组织模式，主要包括航空[2]、铁路[3-4]、公路[5-7]与多元交通[8-10]联系强度与格局研究。第二，近年来，复杂网络分析方法为城市空间联系格局演化研究提供必要支撑，研究关注多元“流空间”视角下城市复杂网络特征及其演变[11-12]，交通网络复杂性研究涵盖航空[13-14]、铁路[15]、公路[16-18]等交通运输网络整体特征及其演变研究，通过引入复杂网络理论和分析方法，系统地解析区域交通和城市交通网络的组织效率、相互作用等问题[19]。第三，部分研究通过多元“流空间”数据刻画城市群空间结构特征[20-21]，“流空间”数据与评价指标清晰地表征日益网络化的区域内部功能结构和关系。第四，人口迁徙数据已在城际出行网络研究中广泛应用[22-24]，较好地刻画城际人口流动格局，揭示不同时间段居民城际人口流动规律。

综上所述，以往有关城市空间联系的大多数文献聚焦于铁路、航空、公路等单个类型交通流网络分析与对比研究，而在人口流动视角和综合交通模式作用下城市空间联系特征的相关分析较少，通过人口迁徙数据开展城市空间联系格局的研究相对不足。目前，在城市空间联系研究中，综合交通可达性研究相对较少，综合交通可达性作用对城市空间联系格局的作用机理亟需更多探究。因此，本文通过百度人口迁徙数据刻画全国地级以上城市人口流动格局，剖析交通一体化趋势下城市空间联系和区域空间结构特征，尝试揭示多种交通出行方式在城市空间联系中的作用强度与空间异质性，考察时空距离与可达性对城市空间相互作用的影响程度，以期为我国空间一体化建设和国土空间开发提供科学依据和参考。

2 数据来源与研究方法

2.1 数据来源与处理

人口迁徙数据可以清晰地识别城际人口流动空间格局，本文获取数据的时间为2020年1月1日至1月9日，研究数据为全国369个地级以上城市百度人口迁徙流数据，并据此构建起讫点（origin-destination，Q-D）城际日均人流矩阵。根据日均人流量数据分析我国城市空间联系格局特征及其影响因素。本文选取2020年1月1日至1月9日数据，考虑到数据可获取性和工作日、假期人流量因素，该时间段涉及1天元旦假期、2天周末和7天工作日，日均人流量能够较好地反映全年城际人口流动特征。

2020年百度人口迁徙数据能够提供以地级市为基本单元，每日迁入、迁出城市排名前100位的记录。百度人口迁徙数据能够识别公路、铁路和航空3种独立交通和综合交通方式下的人口流动数据。首先，采用数据为无量纲化处理数据，并非实际人口出行量数据，通过整理得到85，434个城市对数据，涉及369个城市，主要处理321个城市数据；其次，调用高德地图API测量城市O-D矩阵最短时间，得到69，856个城市对O-D矩阵数据；再次，通过2019年中国城市统计年鉴，获取321座相关城市的GDP、人口、公路客流量和航空客运量数据；最后，通过高铁网统计全国321座城市高铁和动车的客运班次数。

2.2 研究方法与指标

首先，采用城市日均人流量和城市对日均人流量表征城市空间联系格局；其次，通过地理加权回归模型分析不同交通方式对城市空间联系的作用强度与空间异质性；最后，借助距离衰减分析和重力模型分析等方法探析时空距离、可达性等因素对城市空间联系格局的影响。

3 结果分析

3.1 城市人流量空间格局分析

3.1.1 城市人流量空间等级划分 通过式（1）得到321个城市的日均人流量值，采用自然断裂法将其分成5类城市，见图1。

第一等级城市，人流量最高，人流量在1235179583.3以上，包括上海、广州、深圳、成都、北京等5座全国性中心城市。其中，4座城市位于我国三大城市群，1座城市位于我国西部地区。5座城市连线呈现菱形。5座城市人流总量占所有城市人流量的比重为11.71%，是全国综合性交通枢纽城市。

第二等级城市，人流量较多，人流量在728367182.8～1235179583.2之间，包括天津、东莞、佛山、南京、苏州、杭州、武汉、西安、重庆、郑州、长沙等11座区域性中心城市。其中，6座城市处于三大城市群，5座城市是全国重要铁路交通枢纽（京武高铁线上3座城市，京沪高铁线上3座城市）。11座城市人流总量占所有城市流量的比重为15.28%，是区域综合交通枢纽城市。

第三等级城市，人流总量一般，人流量在380051771.4～728367182.7之间，包括昆明、合肥、廊坊、济南、惠州、贵阳、无锡、沈阳、中山、石家庄、南宁、保定、宁波、太原、嘉兴、哈尔滨、南昌、青岛、咸阳、厦门、长春、温州、金华、常州和珠海等25座城市。其中，13座城市处于三大城市群，11座省会城市或副省级城市。25座城市人流总量占所有城市流量的比重为17.91%，是省域综合交通枢纽城市。

第四等级城市，人流总量较低，人流量在165174901.1～380051771.3之间，包括福州、徐州、泉州、兰州、绍兴、临沂、周口、南通、潍坊、乌鲁木齐、沧州、海口、毕节、唐山等104座城市。其中，39座分布在河南、河北、山东、江苏、安徽等高人口密度地区，呈现团状分布形态，占37.5%。东北地区仅有大连和绥化两座城市。胡焕庸线以西地区仅有6座城市（见图1），包括呼和浩特、鄂尔多斯、银川、榆林、兰州、西宁和乌鲁木齐，其占所有城市流量的比重为17.91%。104座城市人流總量占所有城市流量的比重为34.09%。

第五等级城市，人流总量低，客流量在165174901以下，包括176座城市，占总量的21.01%，主要分布于胡焕庸线以西、东北、海南、云南等地区。

通过对比分析可知，少数高人流量城市主要位于胡焕庸线以东地区，前三等级41座城市人流总量合计占到44.9%，为客流“大进大出”的重点城市，均为我国高铁网络节点城市，而且高人流量城市在三大城市群较为密集，其他地区相对分散。

3.1.2 城市人流量空间特征

（2）胡焕庸线以西、东北地区和海南的低等级城市数量众多，占比高。在胡焕庸线以西、东北地区和海南省，日常客流量低等级城市有86座，占所有低等级城市的48.9%。同时，胡焕庸线以西、东北地区和海南，拥有第三等级城市3座、第四等级城市11座、第五等级城市占比达到86%。

（3）经济发达地区的各类等级城市齐全，三大城市群人流量占比高。长三角、珠三角和京津冀城市群包括高、中、低等级城市，并且中高等级城市较为密集，山东和江苏的第五等级城市数量较少。三大城市群人流总量占比达到38.75%。其中，长三角占比达19.19%，京津冀达到8.79%，珠三角达到10.77%。

（4）省会城市人流量一般远高于省内其他城市。除了三大城市群地区，其他大部分地区省会城市或副省级城市成为省域内客流中心。

3.2 城市对人口流动空间格局分析

3.2.1 城市对人流量等级划分 通过式（2）得到85，434个城市对日均人流量值。按照自然断裂法将城市对人口流动强度划分为5个等级，即得到图2。

第一等级，最强城市对，人流量在92610516.7以上的城市对12对，包括上海-苏州、北京-廊坊、广州-佛山、深圳-惠州、深圳-东莞、西安-咸阳等由中心城市与邻近城市组成的城市对。地图显示，高速公路网络和城际高速铁路在城市空间联系中均发挥着重要角色，高速铁路或城际出行时间在1 h以内，城市对平均公路最短距离65 km，人流量占所有流量的5.25%。

第二等级，强城市对，人流量在37670649.8～ 92610516.6的城市对98对，包括广州-深圳、天津-北京、成都-重庆、广州-东莞、上海-杭州、上海-嘉兴、长春-四平等城市对。其中既有中心城市组成的城市对，也有中心城市与邻近一般城市组成的城市对，我国三大城市群内强城市联系网络数量居多，其他地区以省会城市到地级城市为主，省会城市是这些城市的首位联系城市。这些城市客流强度大，中短途城市对依旧占较高比重，通过查询发现在上述城市对，均有高铁或城际线将彼此联系，显示高速交通网络在城市日常人员交流中作用突出。城市对公路平均最短距离为107 km，最远距离包括成都-重庆，城市对平均公路距离达到305 km，强联系网络流量占所有流量的13.28%。

第三等级，较强城市对，人流量在12462637.6～ 37670649.7的城市对459对，包括上海-北京、南京-上海、杭州-金华等城市对。其主要以省会城市至周边城市的中短距离城市对为主，少数是中心城市之间的远程的联系，包括上海-北京，西安-北京、广州-重庆、深圳-重庆，反映了城市群之间的联系强度处于较强的联系水平。在北京、天津、河北、山东、上海、浙江、江苏和广东等东部发达地区，较强城市对展现出网络状空间联系。城市对公路平均最短距离为192 km，其他省份主要形成了以省会城市为中心的放射状空间联系网络，占所有流量的23.79%。距离在1，000 km以上的城市对包括深圳-重庆、广东-重庆、北京-上海、西安-北京，此类远距离强城市对更加依赖航空运输网络。

第四等级，一般城市对，人流量在3108944.5～12462637.5的城市对1，644对，城市平均公路距离390 km，占所有流量的25.83%。东西、南北等跨省域的城市对数量较多，部分地区跨省城市对数量多，包括广东对重庆和湖南、上海对江浙皖、北京对京津冀地区的城市对较多。

综上所述，中心城市对以中远距离为主，一般城市对以中短距离为主，包括北京-三亚、上海-成都等。远距离运输采用航空或高铁运输。其中，以北京、上海、深圳、广州为目的地和出发地的城市对数量众多，涉及城市对数量278对，占客流量16.9%，以天津、杭州、南京、重庆、成都、武汉、郑州、西安为目的地和出发地的城市对224对，占客流量13.6%。其他主要以各省会城市为目的地和出发地的城市对20，126对，占客流量25.17%。

3.2.2 城市对人流量空间特征

（1）城市空间联系格局存在显著的地域空间异质性。首先，人流量高度集中于少数城市对。第三等级以上城市对数量569个，仅占全部城市对数量的0.67%，而人流量占比却高达42.32%。其次，在东部沿海城市密集区，尤其是三大城市群，第三等级以上的高强度城市对呈现多中心网络化的区域空间结构。再次，在中部地区的省域范围内，多数的高强度城市对形成以省会城市为核心的单中心放射状区域空间结构。从次，在胡焕庸线以西的高强度城市对数量少，大部分地区城市空间联系强度较低。最后，各地主要省份主要联系方向有所偏重。例如，湖南主要联系方向为广东，河南主要联系方向是北京。

（2）部分地区形成以省会城市为核心的放射状强联系网络和区域中心城市之间的强联系网络构成了“轴-辐”结构。强空间联系主要发生在区域中心城市、省会城市与其他各等级城市之间，包括省会城市-地级城市、区域中心城市间、区域中心城市与其他各等级城市联系。北京-西安、北京-上海、深圳-重庆等构成“轴”，而北京等中心城市与周边构成“辐”。城市群核心城市之间的人流量值甚至超过核心城市与邻近城市，如上海-北京的人流量值超过上海-南京的人流量值。

（3）中心城市是省域高强度城市对重要客流起点或终点。在所有高強度城市对中，省域内城市对占比高，跨省城市对占比低，表明省会城市和副省级城市仍是城市空间联系的主要对象。

（4）中西部城市人流量极化分布，东部人流量呈现相对均衡分布。根据首位城市联系分析，全国148个首位城市，平均关联2.5个城市，关联10座以上的首位城市包括成都、长沙、海口、郑州、武汉、南宁、沈阳、西安，关联5～10座的首位城市有哈尔滨、昆明、兰州、乌鲁木齐、贵阳、杭州、合肥、西宁、广州、南昌、北京、南京和太原，而上海仅关联2座城市（见表1）。研究结果表明，中西部首位城市关联城市数量整体较高，而北京、上海、广州等东部中心城市首位关联城市数则相对较少。城市空间联系能够映射出空间一体化水平和中心城市辐射带动能力，长三角、珠三角和京津冀核心区城市间空间一体化水平高，呈现出多核心城市辐射带动格局。

3.3 城市空间联系影响因素分析

3.3.1 交通出行方式因素分析

（1）交通出行方式对城市空间联系的作用强度分析

按照数据可获得性，本文分别采用地级以上城市高铁动车班次数、公路客运量和航空客运量，来反映3种交通出行方式对城市空间联系的影响程度。由表2可知，城市人流总量与高铁动车班次和航空客运量相关性较高，相关性水平达到了0.7以上，而与公路客运量相关性为0.4。通过对比回归模型的标准系数，航空和高铁通过1%水平的显著性检验，其对于地级城市空间联系作用强度高，标准化系数分别为0.52和0.43，而公路通过5%水平的显著性检验，作用强度相对较弱，标准化系数仅为0.06（见表3）。数据显示，从整体上看，高速交通运输网络（高铁动车和航空）是城市之间日常客运联系的重要交通出行方式，公路交通对地级以上城市日常客运联系作用强度相对有限。分析表明，航空和高铁动车在地级以上城市空间联系方面发挥着较为重要作用。

（2）城市交通出行影响因素的空间异质性分析

为了检验GWR模型的适用情况，利用最小二乘法（Ordinary Least Squares，OLS）模型对影响联系强度的3个因素进行回归分析，得到OLS回归结果的R2为0.763，调整后R2为0.76，AICc值为12，958；而利用GWR模型得到的R2为0.817，调整R2为0.795，AICc值为12，932，Bandwidth为607，581.92。由R2值和AICc值可知，GWR模型优于OLS的回归结果。

通过式（3）的GWR模型和ARCGIS软件探讨城市空间联系影响因素作用强度的空间差异，分析了β1、β2、β3的回归结果在空间上的分布，可以看出3个系数存在明显的空间差异，解释变量在各个地级以上市单元的参数估计结果各不相同，表明3个解释变量对城市人流量影响存在显著的空间异质性（见图3）。运用GWR模型探索高铁、航空、公路等交通出行方式对不同地区城市人流量的作用强度及其地域差异。

第一，高铁动车出行方式。β1系数显示（图3-a），中西部南北两端分布为高值区，低值区为西部地区。从显著性上看，总体显著性较好，仅有31个地级市未通过5%水平的显著性检验，胡焕庸线以东地区显著性水平整体较好，通过1%水平的显著性检验（图3-b）。图3-c表明，较高值区主要分布于京广高铁沿线，东北、西南地区低值区范围广，高铁动车对提高部分中西部部分省份城际客流量发挥突出的作用。在区域方面，高铁出行方式在广西、广东、内蒙古、山西、陕西和海南等地区客流量增长与城市客运联系的作用较强，在东中部地区作用中等，而在黑龙江、吉林、辽宁、四川、重庆、贵州、云南等地区的作用强度相对较弱。

第二，航空出行方式。β2系数显示（图3-d），高值区位于西部地区，低值区则为东北、华北地区和西南与华南部分地区。从显著性上来看，全国大多数地区显著性较好，仅有20个地级市未通过5%水平显著性检验（图3-e）。研究结果显示，在西部地区，甘肃、四川、重庆地区航空出行对城际日常客流和空间联系的贡献率高，而在东北、华北、海南、广西等地区相对较弱，华中、华东等中东部地区作用中等（图3-f）。

第三，公路出行方式。β3系数值呈现由东向西逐渐降低的态势（图3-g）。这表明东北地区和沿海地区公路出行对城市对客运作用相对较强，对城市空间联系上的作用更加突出，而在中西部广大地区相对较弱。从显著性来看，全国大多数地区显著性较差，仅有140个地级市通过5%水平显著性检验（图3-h），绝大多数未通过显著性检验。研究结果表明，东部地区发达的高速公路网络与地级市地域范围相对较小，城际距离短，使公路出行成为城际出行主要方式之一。而中西部地区地级市范围广大，高速公路网络密度较低，使公路出行在城际客运中的作用有限。

第四，交通出行方式作用強度对比。通过数据标准化处理，得到3种交通出行方式对不同地区城市空间联系的作用强度。图3-j、3-k、3-l显示，首先，3种交通方式整体作用强度有所差异，航空作用整体较高，大部分地区标准化系数在0.5以上，其他地区也在0.4～0.5之间。随后为高铁客运，标准化系数集中在0.3～0.4之间。公路出行作用弱，标准化系数大多在0.2以下。其次，3种交通出行方式在不同区域对城市空间联系的作用强度存在空间异质性。在西部地区航空出行作用强度较为突出，西部大多数地区标准化系数在0.6以上，其他交通出行方式相对较弱或不显著；东部地区和东北地区公路客运作用相对其他地区较强，作用强度在0.2以上，东北地区的作用强度甚至在0.3以上，整体上自东向中部地区作用强度逐渐降低，中西部大部分地区不显著，其与高铁和航空相比仍然较弱。结果表明，在地级以上城市空间相互作用中，各地具有迥然不同的交通出行结构。

综上所述，GWR模型分析显示，公路出行是东部沿海和东北地区城际客运的主要方式，公路出行在该地区作用相对显著；西北和西南等部分地区城际客运联系更多依赖于航空运输；高铁动车则在提升中西部的南北两端地区城际联系中发挥较为突出的作用。分析结果表明，各地客运结构存在显著的空间异质性。

3.3.2 时空距离因素分析

（1）空间距离衰减特征分析

对全部85，434个城市对空间距离衰减分析发现（见图4），在累计率中，200 km、400 km、600 km和800 km以内客流量占比分别达到 46.95%、69.1%、77.95%和83.14%。在分配率中，200 km以内人流量占比最高，达到46.95%，随后人流量占比迅速递减，200～400 km的人流量占比为22.14%，400～600 km的人流量占比为8.86%，600～800 km的人流量占比为5.19%。因此，即使各地拥有高速交通网络，城市对人流量的空间距离衰减规律仍较为显著。全国城市客运流量高度集中于400 km范围以内，人流量占比接近70%。1，000 km以内客流量占比达到86.9%。在累计率中，100 km、200 km、300 km和400 km以内客流量占比分别为21.90%、46.95%、60.78%和69.09%。100～200 km客流量占比最高，达到25.05%。

涉及省会及以上城市的城市对有10，631个，在累计率中，200 km、400 km、600 km和800 km以内客流量占比分别达到43.69%、64.81%、73.56%和79.17%。在分配率中，200 km以内客流量占比最高，达到43.69%。涉及地级城市的城市对有74，803个，在累计率中，200 km、400 km、600 km和800 km以内客流量占比分别达到48.52%、71.16%、80.07%和85.06%。在分配率中，200 km以内客流量占比最高，达到48.52%。

因此，尽管目前我国高速交通网络日益发达，但是城市对人流量的空间距离衰减效应依旧存在，100～200 km范围是城市客流量最多的距离，省会以上城市距离衰减效应相对地级市要慢，这表明高铁和公路出行承担了全国地级以上城市大部分客流。

（2）时间距离衰减特征分析

对人流量的时间距离衰减分析发现，在累计率中，1 h、2 h、3 h和4 h以内客流量占比分别达到17.85%、40.78%、56.82%和66.53%，4小时城市对共计4，951个，仅占城市对数量的5.79%。在分配率中，1～2 h以内人流量占比最高，达到22.93%，随后人流量占比迅速递减，2～3 h为16.05%，3～4 h为9.71%。10小时内城市对流量占比89%，人流量时间距离衰减特征十分明显（见图5）。

图6显示，4 h以内城市对空间格局，识别我国约70%的人流量分布，高密度城市对地区位于高铁沿线地区，特别是京沪高铁、京武和宁武高铁围合区域。结果表明，京沪、京广、沪蓉、郑西、哈大高铁干线和沿线高速公路网络承担了地级以上城市对大量客流运输功能。由此可知，高铁干线显著地增强沿线城市空间联系强度，是城市高强度联系的重要走廊。在我国高铁出行已经全面普及背景下，高铁城市腹地空间形态也由等距圈“面状空间”转变成等时圈的“线状空间”。

结合文献[17]的研究结果，在交通客流距离衰减规律影响下，公路、高铁和航空3种交通客运联系特点不同。公路适合短距离出行，深入小尺度单元腹地。铁路客流受制于站点数量、线路分布及腹地人口规模。航空适合远距离出行，机场数量少，腹地范围大，中转时间长。上述特征差异致使高强度公路城市对分布于中心城市邻近区域，铁路城市对集中于干线网络，航空城市对数量相对较少。3种交通站点分布密度和线路数量差异悬殊，上述特点使得3种交通方式在城市空间联系作用中具有一定的互补性，部分地区城市联系通过多种交通方式实现跨地区人口流动，多种交通流叠加共同构成城际人流量。

3.3.3 可达性对城市空间联系作用强度分析

采用式（4）得到289个城市日常可达性，并与GDP和人口規模值构建多元回归模型。通过逐步回归方法，得到表5，在模型1中，GDP、日常可达性和人口规模系数分别为0.384、0.145和0.208。模型1结果显示，城市人流量取决于城市经济体量，人口规模和可达性是影响城市人流总量的重要因素，城市日常可达性越好，越利于城市人流量产生，表明人口密度高的城市密集区人流量通常较高。同时，缩短城际时间距离，提高日常可达性水平，将诱发更多的人流量。由此可知，由规模各异的城市和时速不同的交通网络构成的城镇空间体系决定各地城市人流量分布格局。

4 结论与讨论

4.1 结论

（1）城市人流量高度集中于少数中心城市与城市对，而高人流量城市主要分布于京津冀、长三角和珠三角城市群，其他地区相对分散。除了三大城市群地区外，其他大部分地区省会城市或副省级城市为省域客运交通枢纽。

（2）东部沿海经济发达省份高联系强度城市对均呈现多中心网络式空间结构。中西部省份高强度城市对则主要形成了以省会城市为核心的极核式空间结构。部分跨省域高铁干线地区高强度城市形成了“轴-辐”式空间结构。

（3）高铁、航空和公路3种出行方式对地级以上城市空间联系的作用强度存在明显的空间异质性，高铁和航空等高速交通对全国地级以上城市空间联系发挥着重要意义，高速交通构建了国家城际内联外通的客运大通道。航空客运对国家中心城市和区域性中心城市之间联系作用更强。

（4）城市人流量时空距离衰减效应仍然显著。100～200 km或1～2 h范围是城市人流量最多的距离段，省会以上城市距离衰减效应相对地级市要慢。4 h和400 km以内城市对人流总量占比接近7成人流量，是城市空间联系紧密的距离段，高铁干线是城市高强度空间联系的重要走廊。

（5）人口规模、GDP总量和可达性是各地城市人流量差异的根本因素，而由此形成的城镇空间体系决定各地城市人流量分布格局。

4.2 讨论

（1）探讨构建交通一体化和人口快速流动框架下城镇体系规划方案。在交通一体化和人口快速流动建设的背景下，高速交通网络显著性地改变了城市空间联系强度，重构了区域城镇空间体系格局。在此背景下思考交通一体化框架下城镇体系规划，能够有效地指导我国区域一体化建设与国土空间开发，该方向研究具有现实必要性。

（2）随着我国交通一体化建设持续推进，多种交通网络衔接与融合高效地减少换乘时间，实现人口快速流动，提高城市可达性水平与客运效率，从而将持续增强城市空间联系强度。因而，基于信息化平台规划建设区域交通换乘枢纽，打造一体化旅客出行链，是推进客运交通多式联运和联程运输的关键环节。

（3）根据城市空间联系强度科学布局高速交通网络与线路，遏止盲目的大规模交通建设。城市人流量反映各地区地级以上城市交通出行需求程度，为城际交通网络与交通线路规划和布局提供必要参考依据。

参考文献：

[1] CASTELLS M. The rise of network society[M]. Oxford： Blackwell， 1996： 10-15.

[2] 金凤君. 我国航空客流网络发展及其地域系统研究[J].地理研究， 2001， 20（1）： 31-39.

[3] 戴特奇， 金凤君， 王姣娥. 空间相互作用与城市关联网络演进： 以我国20世纪90年代城际铁路客流为例[J].地理科学进展， 2005， 24（2）： 80-89.

[4] 王海江， 苗长虹. 中国中心城市交通联系及其空间格局[M]. 北京： 科学出版社， 2016： 108-132.

[5] 张建松， 韩增林， 董晓菲. 省级地域公路货运的空间联系探讨[J]. 地理科学进展， 2006， 25（4）： 96-107.

[6] 李斌， 许立民， 秦奋， 等. 基于重力模型的河南省公路客流空间运输联系[J]. 经济地理， 2010， 30（6）： 955-959.

[7] 靳诚， 徐菁， 黄震方， 等. 基于高速公路联网收费数据的江苏省交通流动特征与影响因素[J]. 地理学报， 2018， 73（2）： 248-260.

[8] 陈伟， 修春亮， 柯文前， 等. 多元交通流视角下的中国城市网络层级特征[J]. 地理研究， 2015， 34（11）： 2073-2083.

[9] 王姣娥， 杜德林， 金凤君. 多元交通流视角下的空间级联系统比较与地理空间约束[J]. 地理学报， 2019， 74（12）： 2482-2494.

[10] 羅震东， 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[J]. 城市规划学刊， 2011， 194（2）： 16-23.

[11] CHOI J H， BARNETT G A， CHON B S. Comparing world city networks： A network analysis of internet backbone and air transport intercity linkages[J]. Global Networks， 2006， 6（1）： 81-99.

[12] KWON O， JUNG W S. Intercity express bus flow in Korea and its network analysis[J]. Physica A： Statistical Mechanics and its Applications， 2012， ，391（17）： 4261-4265.

[13] 王姣娥， 莫辉辉， 金凤君. 中国航空网络空间结构的复杂性[J]. 地理学报， 2009， 64（8）： 899-910.

[14] 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.

[15] 焦敬娟， 王姣娥， 金凤君， 等. 高速铁路对城市网络结构的影响研究[J]. 地理学报， 2016， 71（2）： 265- 280.

[16] 孟德友， 冯兴华， 文玉钊. 铁路客运视角下东北地区城市网络结构演变及组织模式探讨[J]. 地理研究， 2017， 36（7）： 1339-1352.

[17] 陈伟， 刘卫东， 柯文前， 等. 基于公路客流的中国城市网络结构与空间组织模式[J]. 地理学报， 2017， 72（2）： 224-241.

[18] 柯文前， 陆玉麒， 陈伟， 等. 高速交通网络时空结构的阶段性演进及理论模型[J]. 地理学报， 2016， 71（2）： 281-292.

[19] 莫辉辉， 王姣娥， 金凤君. 交通运输网络的复杂性研究[J]. 地理科学进展， 2008， 27（6）： 112-120.

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

[21] 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[J]. 地理研究， 2019， 38（8）： 1849-1861.

[22] 魏冶， 修春亮， 刘志敏， 等. 春运人口流动透视的转型期中国城市网络结构[J]. 地理科学， 2016， 36（11）： 1654-1660.

[23] 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.

[24] 李涛， 王姣娥， 高兴川. 中国居民工作日与节假日的城际出行网络异同性研究[J]. 地理学报， 2020， 75（4）： 833-848.

[25] 陈卓， 金凤君， 杨宇， 等. 高速公路流的距离衰减模式与空间分异特征[J]. 地理科学进展， 2018， 37（8）： 1086-1095.

[26] 蒋海兵， 祁毅， 李传武. 中国城市高速铁路客运的空间联系格局[J]. 经济地理， 2018， 38（7）： 26-33.

作者贡献说明：

商 硕：负责论文主体部分撰写和修改；

蒋海兵：负责论文构思、方法指导及引言写作；

韦 胜：负责论文数据收集、整理和分析处理。

The Spatial Contact Pattern and Influencing Factors of Cities Above the Prefecture Level in China from the Perspective of Population Mobility

Shang Shuo1 Jiang Haibing1 Wei Sheng2 1 School of Urban and Planning， Yancheng Teachers University， Yancheng 224007 2Jiangsu Institute of Urban Planning and Design， Nanjing 210036

Abstract： [Purpose/significance] This paper aims to reveal the spatial connection pattern and influencing factors of intercity in China driven by high-speed transportation network， it has practical guiding significance for the construction of urban system planning under the background of rapid population flow. [Method/process] This paper applies population migration data to characterize the population flow pattern of cities above the prefecture level across the country， analyzes urban spatial connections and regional spatial structure characteristics under the trend of transportation integration， and tries to reveal the strength and spatial heterogeneity of multiple transportation modes in urban spatial contact， to examine the degree of influence of accessibility on urban spatial interaction.[Result/conclusion] The flow of urban people is highly concentrated in a few central cities and city pairs， and the high-strength urban pairs in the eastern urban dense area all present a multi-center network spatial structure. The high-intensity city pairs in the central and western provinces mainly form a polar-core spatial structure with provincial capital cities as the core. High-speed rail and air transportation play an important role in the spatial connection of cities above the prefecture level across the country. There is obvious spatial heterogeneity in the strength of the effect of multiple travel modes on the spatial contact of cities above the prefecture level. The space-time distance attenuation effect of urban human flow is still significant.

Keywords： urban spatial contact population flow accessibility transportation integration