肖周燕 李慧慧

摘 要：互聯(lián)網(wǎng)的發(fā)展以及大數(shù)據(jù)的開(kāi)發(fā)和應(yīng)用為研究城市間的人口遷移流動(dòng)提供了可能。利用網(wǎng)絡(luò)用戶搜索信息行為數(shù)據(jù)，構(gòu)造人口遷移傾向指標(biāo)，在分析中國(guó)三大城市群城際人口遷移傾向概率和方向基礎(chǔ)上，利用馬爾科夫鏈對(duì)人口遷移傾向概率進(jìn)行預(yù)測(cè)，以此對(duì)城市群未來(lái)城際人口遷移態(tài)勢(shì)作出判斷。研究發(fā)現(xiàn)，粵港澳大灣區(qū)和長(zhǎng)三角城際人口遷入遷出傾向活躍，它們依然是目前乃至以后中國(guó)人口遷移活躍地區(qū);京津冀城際人口遷移傾向活躍程度明顯低于長(zhǎng)三角和粵港澳大灣區(qū)，北京與周邊城市雖然物理距離比較近，但遷移傾向關(guān)聯(lián)度不高。長(zhǎng)三角城市群的上海、南京、舟山等地，粵港澳大灣區(qū)的珠海、香港、深圳、廣州、澳門(mén)、惠州和中山以及京津冀城市群的天津?qū)⑹侵袊?guó)未來(lái)人口遷移的主要目的地。

關(guān)鍵詞：城市群;遷移傾向;預(yù)測(cè)

中圖分類號(hào)：C922 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1000-4149（2021）04-0022-15

DOI：10.3969/j.issn.1000-4149.2021.00.027

Abstract：The development of the Internet and the application of big data have made it possible to study the population migration between cities. Based on the analysis of the probability and direction of the intercity population migration in the three major urban agglomerations of China， this paper constructs the index of the population migration propensity according to the information searching behavior data of network users and predicts the probability of population migration by using Markov chain， so as to judge the future intercity population migration trend in urban agglomerations. The results show that GuangdongHong KongMacao Greater Bay Area and Yangtze River Delta Urban Agglomerations are still the active areas of population migration in China at present and in the future. The active degree of population migration tendency of BeijingTianjinHebei Urban Agglomeration is lower than that in Yangtze River Delta Region and GuangdongHong KongMacao Greater Bay Area， Although the physical distance between Beijing and surrounding cities is relatively close， the correlation degree of migration tendency is not high. In the future， the cities of Shanghai， Nanjing and Zhoushan in Yangtze River Delta Urban Agglomerations， Zhuhai， Hong Kong， Shenzhen， Guangzhou， Macao， Huizhou and Zhongshan in the GuangdongHong KongMacao Greater Bay Area， and Tianjin in the BeijingTianjinHebei Urban Agglomeration will be the main destinations of China s population migration.

Keywords：urban agglomeration;migration propensity;predict

一、引言

當(dāng)前中國(guó)城鎮(zhèn)化已進(jìn)入中心城市帶動(dòng)城市群，進(jìn)而帶動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展的新階段。城市群不僅是推行城鎮(zhèn)化的重要載體，同時(shí)也是流動(dòng)人口集聚的重要平臺(tái)。流動(dòng)人口不斷向大城市及城市群聚集，一方面彰顯了區(qū)域經(jīng)濟(jì)發(fā)展的變遷，另一方面必將重塑中國(guó)社會(huì)經(jīng)濟(jì)發(fā)展格局。為此，城市群的人口遷移研究對(duì)于中國(guó)宏觀經(jīng)濟(jì)決策十分重要。傳統(tǒng)的人口遷移分析主要從人口普查或抽樣調(diào)查中獲取遷移人口數(shù)據(jù)，但上述數(shù)據(jù)在時(shí)效性、方向性和連續(xù)性方面往往存在缺陷，且利用傳統(tǒng)數(shù)據(jù)分析人口遷移多側(cè)重省際層面[1-2]，缺乏城際層面的探討，研究范圍的寬泛難以全面反映現(xiàn)實(shí)的人口遷移情況，對(duì)政策的指導(dǎo)意義有限。近年來(lái)，隨著互聯(lián)網(wǎng)平臺(tái)的快速發(fā)展，基于社交網(wǎng)絡(luò)大數(shù)據(jù)、人口實(shí)時(shí)遷移的位置數(shù)據(jù)，以及移動(dòng)通訊總量數(shù)據(jù)使城際人口遷移研究成為可能。在國(guó)外，城際人口遷移研究日益豐富[3-5]。隨著互聯(lián)網(wǎng)的普及，地理信息、社交媒體以及來(lái)自信息和通信技術(shù)的數(shù)據(jù)是大數(shù)據(jù)的新興來(lái)源[6-7]，有助于開(kāi)發(fā)和理解人口時(shí)空分布，通過(guò)挖掘大數(shù)據(jù)可以探討人口遷移模式[8]。在國(guó)內(nèi)，利用大數(shù)據(jù)分析人口遷移的文獻(xiàn)也日益增多。劉望保等利用百度遷徙數(shù)據(jù)，從人流集散層級(jí)、人流集散網(wǎng)絡(luò)體系的分層集聚、人口日常流動(dòng)空間格局及其與“胡煥庸線”之間的關(guān)系等角度，探討城際人口日常流動(dòng)相關(guān)特征與空間格局[9]。蔣小榮等同樣基于百度遷徙大數(shù)據(jù)，運(yùn)用復(fù)雜網(wǎng)絡(luò)分析方法，構(gòu)建中國(guó)城際間人口日常流動(dòng)網(wǎng)絡(luò)模型，測(cè)度并分析其復(fù)雜性網(wǎng)絡(luò)特征[10]。王萌等利用社會(huì)網(wǎng)絡(luò)分析法，結(jié)合網(wǎng)絡(luò)用戶搜索行為數(shù)據(jù)，探究了珠三角城市群城市間人口流動(dòng)傾向路徑和空間差異[11]。趙落濤等將中國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)和春運(yùn)百度遷徙數(shù)據(jù)結(jié)合，對(duì)泛長(zhǎng)三角人口遷移的復(fù)雜網(wǎng)絡(luò)進(jìn)行了研究[12]。賴建波等利用“騰訊遷徙”大數(shù)據(jù)，探究春節(jié)前、春節(jié)中和春節(jié)后城市間人口流動(dòng)特征與空間格局[13]。人口遷移相關(guān)的大數(shù)據(jù)日益豐富，為精細(xì)和準(zhǔn)確掌握人口遷移信息提供了支持，也使城際間人口遷移研究成為現(xiàn)實(shí)。但需要指出的是，利用位置數(shù)據(jù)雖然綜合了統(tǒng)計(jì)數(shù)據(jù)和問(wèn)卷訪談數(shù)據(jù)的優(yōu)勢(shì)，能夠模擬人口遷移，但所得到的數(shù)據(jù)包含了旅游、走親訪友等短時(shí)的人口遷移，這種短時(shí)的人口遷移明顯不同于人口學(xué)中伴隨著戶籍遷移的單向的人口遷移概念，加入短時(shí)的城際遷移研究雖然具有一定的參考價(jià)值，但是對(duì)于流入地和流出地如何有針對(duì)性地進(jìn)行社會(huì)經(jīng)濟(jì)管理，其政策指導(dǎo)作用還有待進(jìn)一步考察。此外，從研究?jī)?nèi)容上來(lái)看，基于大數(shù)據(jù)的人口遷移研究大多立足于城市群人口遷移或城市的網(wǎng)絡(luò)結(jié)構(gòu)上[14-16]，而對(duì)于人口遷移方向以及未來(lái)發(fā)展趨勢(shì)探討不多[17]。那么，排除旅游、走親訪友等短時(shí)的人口遷移，城際間人口遷移狀況究竟如何，未來(lái)城市群人口遷移流動(dòng)情況怎樣，這些問(wèn)題是促進(jìn)城市群高質(zhì)量發(fā)展，提升城市社會(huì)經(jīng)濟(jì)發(fā)展水平需要重視的問(wèn)題。

隨著互聯(lián)網(wǎng)的迅猛發(fā)展，搜索引擎成為人們獲取信息的主要來(lái)源，對(duì)人們的大量網(wǎng)絡(luò)行為進(jìn)行統(tǒng)計(jì)分析可以很好地了解到人們?cè)诟鞣矫娴脑V求[18-19]，如當(dāng)人們?cè)诎l(fā)生實(shí)際遷移行為之前，會(huì)在網(wǎng)絡(luò)平臺(tái)上查詢目標(biāo)城市的相關(guān)信息，對(duì)遷移的風(fēng)險(xiǎn)和成本作出一定的評(píng)估，所以，信息搜索行為可以反映出人們?cè)谛睦砩系倪w移傾向，而這種心理空間上的遷移傾向與現(xiàn)實(shí)空間上的遷移活動(dòng)總是相互影響和相互作用的，心理上的遷移傾向往往對(duì)未來(lái)的遷移流動(dòng)具有指導(dǎo)作用，且這種指導(dǎo)作用會(huì)隨著遷移傾向的加強(qiáng)而提升。為此，利用較長(zhǎng)時(shí)間內(nèi)城市間的信息搜索行為產(chǎn)生的網(wǎng)絡(luò)大數(shù)據(jù)，可以推算出經(jīng)濟(jì)新常態(tài)背景下城市間的遷移傾向，這一方面通過(guò)擴(kuò)大樣本的數(shù)量和時(shí)間跨度排除了短時(shí)人口遷移對(duì)研究結(jié)果的影響，另一方面可以進(jìn)行城際間人口遷移傾向的探討，基于大體量的數(shù)據(jù)展開(kāi)人口遷移傾向概率的預(yù)測(cè)研究。

本研究的創(chuàng)新性主要體現(xiàn)在以下幾個(gè)方面：首先，基于網(wǎng)絡(luò)大數(shù)據(jù)更側(cè)重城際間人口遷移方向的分析，彌補(bǔ)由于省際數(shù)據(jù)范圍較大無(wú)法全面細(xì)致地反映人口遷移格局的不足。其次，彌補(bǔ)現(xiàn)有文獻(xiàn)對(duì)人口遷移流向分析的不足，豐富人口遷移的空間格局研究。此外，嘗試進(jìn)行人口遷移的預(yù)測(cè)分析，為把握未來(lái)人口遷移流動(dòng)格局，推動(dòng)城市群發(fā)展等方面提供政策建議。

二、數(shù)據(jù)來(lái)源與研究方法

1. 數(shù)據(jù)來(lái)源

本文的研究數(shù)據(jù)主要來(lái)自于網(wǎng)絡(luò)用戶主動(dòng)搜索行為的百度指數(shù)趨勢(shì)數(shù)據(jù) http：//index.baidu.com。百度指數(shù)中的搜索指數(shù)是以關(guān)鍵詞為統(tǒng)計(jì)對(duì)象，計(jì)算各個(gè)關(guān)鍵詞在網(wǎng)頁(yè)搜索中搜索頻次的加權(quán)和，該數(shù)據(jù)反映了網(wǎng)絡(luò)用戶對(duì)于特定領(lǐng)域的關(guān)注度[14，18-19]。由于每一個(gè)用戶在百度的檢索行為都是主動(dòng)意愿的展示，因此每一次與遷移行為相關(guān)的檢索行為都可能成為該用戶遷移意愿的表達(dá)。中國(guó)互聯(lián)網(wǎng)信息中心發(fā)布的《2019年中國(guó)網(wǎng)民搜索引擎使用情況研究報(bào)告》數(shù)據(jù)顯示，截至2019年6月，我國(guó)搜索引擎用戶規(guī)模達(dá)6.95億，搜索引擎使用率高達(dá)81.3%，而百度搜索在搜索引擎用戶中的滲透率為90.9% http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/index.htm?？梢钥闯觯藗?cè)诰W(wǎng)絡(luò)搜索過(guò)程中產(chǎn)生的數(shù)據(jù)，可以反映出其心理訴求[20]。所以，利用反映網(wǎng)絡(luò)用戶主動(dòng)搜索行為的百度指數(shù)大數(shù)據(jù)分析人口遷移傾向具有科學(xué)性和可信性。

基于研究目的和要求，在收集搜索行為數(shù)據(jù)時(shí)將時(shí)間段分別設(shè)置為2018年的1月1日至12月31日和2019年的1月1日至12月31日，搜索地區(qū)分別設(shè)置為我國(guó)319個(gè)地級(jí)市i，根據(jù)人口流動(dòng)導(dǎo)向的一般信息需求和“最小努力法則”[11]，考慮到數(shù)據(jù)可得性和科學(xué)性，分別以“城市j招聘”、“城市j地圖”和“城市j租房”為關(guān)鍵詞，獲取2018年和2019年我國(guó)319個(gè)地區(qū)分別對(duì)關(guān)鍵詞“城市j招聘”、“城市j地圖”和“城市j租房”的搜索指數(shù)整體日均值，形成兩個(gè)時(shí)間段的6個(gè)319×319矩陣。利用獲取的搜索指數(shù)矩陣，構(gòu)造人口遷移傾向指標(biāo)，分析主要城市群人口遷移傾向，并對(duì)未來(lái)城市群人口遷移傾向概率進(jìn)行預(yù)測(cè)，以此間接判斷在城市群范圍內(nèi)城際間人口遷移的現(xiàn)狀與未來(lái)。

2. 人口遷移傾向模型

人口遷移傾向是指具有一定遷移動(dòng)機(jī)的人口向目標(biāo)城市流動(dòng)的可能性。由于人口遷移傾向與現(xiàn)實(shí)人口遷移活動(dòng)相互關(guān)聯(lián)，了解遷移傾向在一定程度上可以判斷和預(yù)測(cè)遷移行為。根據(jù)人口遷移導(dǎo)向的一般信息需求，潛在遷移者會(huì)更關(guān)注目標(biāo)城市的就業(yè)機(jī)會(huì)、房屋市場(chǎng)動(dòng)向和目標(biāo)城市空間范圍及基礎(chǔ)設(shè)施的具體方位。為此，城市i對(duì)城市j的遷移傾向主要可以從就業(yè)機(jī)會(huì)、房屋市場(chǎng)與目標(biāo)城市的方位三方面進(jìn)行探討。建立城市i對(duì)城市j的遷移傾向度模型如下：Propensityij=3Jobij×Mapij×Houseij ?（i≠j）（1） ?其中，Propensityij表示城市i對(duì)城市j的人口遷移傾向度;Jobij表示城市i對(duì)關(guān)鍵詞“城市j招聘”的搜索指數(shù)，表明搜索者對(duì)目標(biāo)城市就業(yè)機(jī)會(huì)的關(guān)注，即就業(yè)傾向;Mapij代表城市i對(duì)關(guān)鍵詞“城市j地圖”的搜索指數(shù)，表示搜索者對(duì)目標(biāo)城市的現(xiàn)實(shí)空間范圍、公共設(shè)施等的具體方位的掌握傾向，即方位傾向。Houseij表示城市i對(duì)關(guān)鍵詞“城市j租房”的搜索指數(shù)，表示搜索者對(duì)目標(biāo)城市的住房市場(chǎng)的了解傾向，即定居傾向。為探討城際人口遷移傾向的方向，用城市i和城市j兩兩城市遷移傾向度的差值來(lái)衡量，將該差值稱為凈遷移傾向度（Mij）。若Mij>0，表示城市i對(duì)城市j的遷移傾向大于城市j對(duì)城市i的遷移傾向。即對(duì)城市i和城市j而言，城市j是城市i的潛在人口遷入地，數(shù)值越大說(shuō)明城市i對(duì)城市j遷入傾向越強(qiáng)。反之亦然。Mij=Propensityij-Propensityji（2） ?其中，Mij代表城市i與城市j之間的凈遷移傾向度，且Mij=-Mji。

3.人口遷移傾向概率

人口遷移傾向概率是指在一定時(shí)期人口在地理空間上遷移傾向變動(dòng)的可能性，用一定時(shí)期某城市人口遷入或遷出傾向度與該時(shí)期所有城市遷入或遷出傾向度加總之比來(lái)表示。人口遷入傾向概率用一定時(shí)期人口遷入傾向度與該時(shí)期所有城市遷入傾向度加總之比來(lái)表示。人口遷出傾向概率用一定時(shí)期人口遷出傾向度與該時(shí)期所有城市遷出傾向度加總之比來(lái)表示。凈遷移傾向概率為人口遷入傾向概率與遷出傾向概率的差值。具體計(jì)算步驟如下。

三、分析結(jié)果

1. 人口遷移規(guī)模與遷移傾向的關(guān)聯(lián)

一般來(lái)說(shuō)，潛在的遷移人口會(huì)對(duì)目的地的方位、就業(yè)機(jī)會(huì)和房屋市場(chǎng)信息等進(jìn)行查詢。利用百度指數(shù)計(jì)算的遷移傾向度與人口遷移規(guī)模存在一定相關(guān)關(guān)系，結(jié)合2015年全國(guó)1%人口抽樣調(diào)查中遷移流動(dòng)數(shù)據(jù)進(jìn)行驗(yàn)證。相關(guān)分析結(jié)果如圖1所示，城市群遷移人口規(guī)模與遷移傾向相關(guān)系數(shù)在0.9以上，且通過(guò)顯著性檢驗(yàn)，說(shuō)明利用在網(wǎng)絡(luò)中異地之間的查詢功能方法來(lái)測(cè)算人口遷移傾向度在一定程度上可以表征城際間的人口遷移。

2.三大城市群遷移傾向概率比較

利用與遷移相關(guān)的百度搜索指數(shù)，從全國(guó)層面計(jì)算出城際人口遷移傾向矩陣。在全國(guó)人口遷移流動(dòng)背景下，利用公式（1），計(jì)算三大城市群城際人口遷移傾向度?；?019年各城市凈遷移傾向概率，判斷城市遷入或遷出傾向?qū)傩?，結(jié)果如表2和圖1所示。

圖1結(jié)果顯示，長(zhǎng)三角、粵港澳大灣區(qū)和京津冀三大城市群各個(gè)城市的潛在遷移傾向存在較大差距。根據(jù)凈遷移傾向概率大小，將內(nèi)部城市劃分為具有遷入傾向、遷出傾向和遷入遷出傾向相對(duì)平衡三類。長(zhǎng)三角城市群總共26個(gè)城市，如圖1所示，潛在遷入城市主要包括上海、南京、舟山和杭州;遷入遷出傾向相對(duì)平衡城市為馬鞍山、銅陵、無(wú)錫、蕪湖、池州、常州、揚(yáng)州、嘉興、安慶、湖州和南通;潛在遷出傾向城市主要包括紹興、滁州、宣城、寧波、鎮(zhèn)江、泰州、鹽城、臺(tái)州、金華、蘇州和合肥。雖然長(zhǎng)三角城市群潛在遷出傾向城市的數(shù)量大于遷入傾向的城市數(shù)量，但是上海和南京對(duì)人口的巨大吸引力使得長(zhǎng)三角城市群依然具有較強(qiáng)吸引力。

對(duì)于粵港澳大灣區(qū)城市群的11個(gè)城市，根據(jù)凈遷移傾向概率，具有遷入傾向城市主要包括香港、珠海、澳門(mén)、深圳、惠州和廣州;遷入遷出傾向相對(duì)平衡城市為肇慶和中山;遷出傾向城市主要包括江門(mén)、東莞和佛山。由于經(jīng)濟(jì)發(fā)展迅速、城市的包容性以及有力的人才吸引政策，香港、澳門(mén)和深圳一直以來(lái)是粵港澳大灣區(qū)具有較強(qiáng)遷入傾向的城市。廣州作為老牌一線省會(huì)城市，同北京和上海一樣，存在控制人口規(guī)模壓力，同時(shí)粵港澳大灣區(qū)其他城市發(fā)展對(duì)廣州具有人口分流作用，所以廣州市的凈遷移概率處于較低的水平。東莞作為制造業(yè)基地，在產(chǎn)業(yè)轉(zhuǎn)型期間遇到瓶頸，經(jīng)濟(jì)增長(zhǎng)速度明顯放緩，成為人口的潛在遷出地，流動(dòng)人口增速減緩。

比較而言，京津冀城市群具有潛在遷入傾向的城市并不多。對(duì)于京津冀城市群13個(gè)城市，具有遷入傾向城市分別為天津、秦皇島和衡水;遷入遷出傾向相對(duì)平衡城市包括張家口、承德和滄州;邢臺(tái)、廊坊、石家莊、邯鄲、保定、北京和唐山為主要遷出傾向城市。由于外遷非首都核心功能以及京津冀協(xié)同發(fā)展的提出，北京近年來(lái)一直在進(jìn)行產(chǎn)業(yè)疏解和人口調(diào)控，這給予了北京周邊城市更多的發(fā)展機(jī)會(huì)，不僅使這些城市成為具有一定吸引力的遷入傾向城市，如天津、秦皇島和衡水，而且這些城市發(fā)展對(duì)北京具有一定的分流作用，北京成為具有遷出傾向城市，流動(dòng)人口增速將有所放緩。北京從2010年流動(dòng)人口增速為14.735%到2018年流動(dòng)人口增速為-3.739%。

3.三大城市群遷移傾向路徑比較

通過(guò)計(jì)算兩兩城市間凈遷移傾向度絕對(duì)值，可以判斷城市群遷移傾向的大致方向，結(jié)果如表3所示。從表3可以看出，比較而言，長(zhǎng)三角城市群和粵港澳大灣區(qū)均有其他城市向其流入的傾向，而京津冀城市群遷移流動(dòng)的前10條路徑只是向外部流出和內(nèi)部流動(dòng)，說(shuō)明長(zhǎng)三角和粵港澳大灣區(qū)城市群潛在吸引力高于京津冀城市群。其中，粵港澳大灣區(qū)人口向外部流出的凈遷移傾向度小于外部城市流入粵港澳大灣區(qū)城市群的凈遷移傾向度，而長(zhǎng)三角城市群人口向外部流出的凈遷移傾向度大于外部城市流入長(zhǎng)三角城市群的凈遷移傾向度。所以，整體而言，粵港澳大灣區(qū)是最具潛在吸引力的城市群，而這與其在中國(guó)社會(huì)發(fā)展過(guò)程中的經(jīng)濟(jì)地位密不可分。

具體來(lái)看，在前十位的傾向遷移流中，長(zhǎng)三角城市群有5條屬于城市群內(nèi)部遷移路徑，5條屬于長(zhǎng)三角城市群與外部的城市之間的遷移。其中，盡管從上海遷至香港的凈遷移傾向度高達(dá)58，但是依然存在3條路徑的潛在目的地為上海，說(shuō)明盡管存在特大城市的人口調(diào)控和產(chǎn)業(yè)升級(jí)轉(zhuǎn)移政策，但作為中國(guó)經(jīng)濟(jì)發(fā)展中心，上海的吸引力依然不容忽視，是長(zhǎng)三角內(nèi)部城市和不少省會(huì)城市的潛在首選遷入地，其未來(lái)的人口凈流入量有望持續(xù)上漲。同時(shí)，長(zhǎng)三角城市群前十位的凈遷移流中，合肥作為遷出城市的路徑將近50%，而2017年合肥綜合性國(guó)家科學(xué)中心獲國(guó)家批復(fù)，與上海一同成為國(guó)家級(jí)科創(chuàng)中心城市，這給合肥帶來(lái)了很多的機(jī)遇，其對(duì)人口的潛在吸引力不言而喻，因而，合肥呈現(xiàn)出凈遷出傾向型城市可能是因?yàn)槠鋬?nèi)部人口外遷傾向較大。整體而言，雖然長(zhǎng)三角城市群潛在遷出傾向城市的數(shù)量大于遷入傾向的城市數(shù)量，但是上海和南京對(duì)人口的巨大吸引使得長(zhǎng)三角城市群依然具有較強(qiáng)吸引力?；浉郯拇鬄硡^(qū)城市群有6條屬于內(nèi)部遷移路徑，城市群內(nèi)部和外部?jī)暨w移傾向平分秋色，遷移流動(dòng)傾向最為活躍。無(wú)論是內(nèi)部流動(dòng)和外部遷入，考慮人口遷出傾向之后，珠海、香港和澳門(mén)成為主要遷入潛在目標(biāo)城市。而廣州作為省會(huì)城市和粵港澳大灣區(qū)的中心城市之一，其與珠海、香港和澳門(mén)相比，對(duì)人口的潛在吸引力較弱，這主要是一方面由于廣州存在控制人口規(guī)模的壓力，另一方面由于香港、澳門(mén)和珠海的快速發(fā)展對(duì)廣州的分流作用。京津冀城市群有6條屬于內(nèi)部遷移路徑，但基本都是河北省內(nèi)部的人口遷移流動(dòng)，且均為從唐山流向其他城市，說(shuō)明相對(duì)于河北省的秦皇島、張家口、廊坊、滄州和衡水等地，唐山對(duì)人口的潛在吸引力呈現(xiàn)出明顯的劣勢(shì)，這與其經(jīng)濟(jì)發(fā)展過(guò)程中過(guò)于依賴第二產(chǎn)業(yè)，缺乏經(jīng)濟(jì)活力以及就業(yè)形勢(shì)嚴(yán)峻不無(wú)關(guān)系。而對(duì)于京津冀城市群與外部的人口遷移流動(dòng)路徑，潛在遷出城市均為北京，充分說(shuō)明北京人口遷出傾向不容忽視，同時(shí)，還說(shuō)明盡管北京與周邊城市物理距離比較近，但遷移傾向關(guān)聯(lián)度并不高。

每個(gè)城市既是遷入地也是遷出地。從表4至表6可以看出長(zhǎng)三角、粵港澳大灣區(qū)和京津冀城市群各城市排名前三的遷出傾向的目標(biāo)城市和遷入傾向的來(lái)源城市。從遷移傾向度上來(lái)看，長(zhǎng)三角城市群以上海、杭州、蘇州和南京人口遷入和遷出傾向較為活躍，合肥、寧波、嘉興等緊隨其后。具體來(lái)看，對(duì)于長(zhǎng)三角城市群內(nèi)部城市之間的人口流動(dòng)傾向而言，上海的人口流向杭州、蘇州、南京和合肥的傾向遠(yuǎn)大于流向其他城市的傾向，同時(shí)，未來(lái)上海的流動(dòng)人口主要來(lái)源于杭州、蘇州、南京、合肥和寧波。從長(zhǎng)三角城市群與外部城市的人口遷移傾向來(lái)看，從北京遷至上海、杭州、蘇州和南京等地的傾向占據(jù)了外部城市與長(zhǎng)三角城市群的遷移傾向的主要地位?；浉郯拇鬄硡^(qū)城市群以廣州和深圳為代表，其次為東莞和佛山，人口遷出和遷入傾向比較活躍。值得注意的是，遷移傾向十分活躍的遷移路徑除北京流向深圳外，均為粵港澳大灣區(qū)的內(nèi)部城市之間的遷移。同時(shí)，粵港澳大灣區(qū)的人口遷移流動(dòng)主要是圍繞廣州、深圳、珠海、香港和澳門(mén)展開(kāi)的，例如佛山的人口向外遷出的潛在城市主要為廣州、珠海和深圳。比較而言，京津冀城市群除北京和天津以外，人口遷入和遷出傾向活躍的城市并不多，與城市群外部的遷移流動(dòng)傾向比較弱，且集中在經(jīng)濟(jì)發(fā)達(dá)城市。同時(shí)，對(duì)于京津冀城市群其他城市，無(wú)論是其遷移潛在目標(biāo)城市還是潛在來(lái)源城市，北京都處于第一位，但高遷入北京和高遷出北京的兩條路徑最終弱化了其他各城市與北京之間的凈遷移傾向度。

4. 主要城市群遷移傾向預(yù)測(cè)比較

通過(guò)馬爾科夫鏈分別推算出2020—2030年長(zhǎng)三角、京津冀和粵港澳大灣區(qū)各城市的凈遷移傾向概率，結(jié)果如圖2所示。比較而言，受特大城市人口規(guī)模調(diào)控政策和以城市群為重要空間載體促進(jìn)中國(guó)高質(zhì)量發(fā)展的戰(zhàn)略思路的影響，未來(lái)北京依然屬于具有凈遷出傾向城市，流動(dòng)人口增速將明顯放緩，同時(shí)粵港澳大灣區(qū)的珠海、香港和深圳等地將是未來(lái)遷移人口主要目的地，未來(lái)流動(dòng)人口將快速增長(zhǎng)。

具體來(lái)看，2020年以后的長(zhǎng)三角城市群，上海依然是遷入傾向性強(qiáng)的城市，但遷入傾向隨著時(shí)間的推移有所放緩，人口增長(zhǎng)的步伐將逐漸減小;2019年杭州是具有弱遷入傾向城市，但2020年以后杭州轉(zhuǎn)變?yōu)槿丝谶w出型城市，這與上海對(duì)人口的巨大吸引力不無(wú)關(guān)系，同時(shí)，杭州以電商為代表的產(chǎn)業(yè)在未來(lái)的發(fā)展勢(shì)頭依然強(qiáng)勁，這對(duì)人口具有一定的吸引力，兩股力量相互作用使得杭州市的人口凈遷移概率的變化幅度逐漸減小，穩(wěn)定在-0.005左右。近年來(lái)舟山新區(qū)的建設(shè)以及良好的環(huán)境質(zhì)量，在人口爭(zhēng)奪戰(zhàn)中給舟山增加了吸引人口的砝碼，未來(lái)舟山呈現(xiàn)明顯的人口遷入傾向。在長(zhǎng)三角城市群中，盡管上海的遷入傾向概率遠(yuǎn)高于其他城市的人口遷移概率，但是，上海的人口遷入傾向概率已經(jīng)開(kāi)始下降，這一方面是上海產(chǎn)業(yè)轉(zhuǎn)移和人口調(diào)控的結(jié)果，另一方面說(shuō)明長(zhǎng)三角一體化上升為國(guó)家戰(zhàn)略以后，長(zhǎng)三角其他城市獲得了更多的發(fā)展空間。以南京和舟山為代表的城市，未來(lái)人口遷入傾向明顯，將成為繼上海以后，長(zhǎng)三角城市群下一批充滿機(jī)遇的城市，流動(dòng)人口規(guī)模將增長(zhǎng)。長(zhǎng)三角城市群未來(lái)依然是中國(guó)經(jīng)濟(jì)版圖中當(dāng)之無(wú)愧的“硬核”力量，將是人口遷入的主要潛在目的地。

根據(jù)粵港澳大灣區(qū)人口凈遷移傾向概率預(yù)測(cè)結(jié)果，2020—2030年珠海、香港、深圳、廣州、澳門(mén)、惠州和中山人口遷入傾向明顯，但遷入傾向隨著時(shí)間放緩，逐漸穩(wěn)定在一個(gè)固定值，這些城市的人口遷入傾向明顯高于遷出傾向，珠海成為未來(lái)粵港澳大灣區(qū)城市群中最具吸引力城市，其次是香港和深圳，這些城市作為移民城市和多元文化環(huán)境將吸引大量潛在流動(dòng)人口，未來(lái)流動(dòng)人口增速不可小覷。此外，由于深圳和東莞等地工業(yè)趨于飽和，惠州因其得天獨(dú)厚的地理位置以及本身良好的資源條件，也將是粵港澳大灣區(qū)城市群潛在流動(dòng)人口的主要增長(zhǎng)點(diǎn)。珠海、中山和江門(mén)將共同打造珠江口西岸都市圈，數(shù)據(jù)顯示不僅將分流珠海的人口，同時(shí)給中山和江門(mén)更多發(fā)展機(jī)會(huì)，中山成為人口遷入傾向城市，將是未來(lái)粵港澳潛在人口主要遷入地，而江門(mén)雖然是人口遷出傾向城市，但是其遷出概率在逐漸下降，有望擺脫人口遷出傾向。肇慶和東莞則遷入傾向和遷出傾向保持平衡，未來(lái)人口增速不會(huì)發(fā)生大的變化。需要指出的是，具有遷入傾向城市未來(lái)遷移人口將會(huì)不斷攀升，在醫(yī)療、教育、社會(huì)保障等公共服務(wù)方面將面臨壓力需要加以重視。

對(duì)于京津冀城市群而言，作為首都的北京有著調(diào)控人口和疏解產(chǎn)業(yè)的壓力，導(dǎo)致北京的遷入傾向明顯減弱，遷入傾向概率小于遷出傾向概率，因此，北京未來(lái)流動(dòng)人口增速不會(huì)提高，流動(dòng)人口規(guī)模將有所控制。而正是由于北京市的人口調(diào)控政策的實(shí)施，落戶難的問(wèn)題使得人們遷往京津冀的意愿下降，京津冀大部分城市為凈遷出傾向型城市，在這種情況下，天津成為京津冀城市群唯一一個(gè)凈遷入傾向型城市，其未來(lái)流動(dòng)人口的增速有望提升。實(shí)際上，北京由于其獨(dú)特優(yōu)勢(shì)，京外人口遷入北京的傾向依然高于全國(guó)其他城市，但是，由于調(diào)控政策的實(shí)行，北京的遷出傾向概率大于遷入傾向概率，掩蓋了北京高水平的遷入傾向概率。如圖2所示，未來(lái)十年間滄州、邢臺(tái)、廊坊、邯鄲、保定、石家莊和唐山的人口遷出傾向明顯高于遷入傾向，這些城市的未來(lái)流動(dòng)人口規(guī)模將有所減少。秦皇島、張家口、衡水和承德人口遷入和遷出傾向保持平衡，未來(lái)流動(dòng)人口增速不會(huì)發(fā)生大的變化。未來(lái)京津冀城市群對(duì)流動(dòng)人口的吸納能力將依然小于長(zhǎng)三角和粵港澳大灣區(qū)城市群。

四、結(jié)論與討論

互聯(lián)網(wǎng)的發(fā)展以及大數(shù)據(jù)的開(kāi)發(fā)為研究城市之間的人口遷移流動(dòng)提供了可能。在網(wǎng)絡(luò)用戶搜索信息行為數(shù)據(jù)的基礎(chǔ)上，構(gòu)造人口遷移傾向指標(biāo)，在分析中國(guó)三大城市群城市間遷移傾向概率和方向基礎(chǔ)上，利用馬爾科夫鏈對(duì)人口遷移傾向概率進(jìn)行預(yù)測(cè)，以此間接判斷城市群城市間的未來(lái)的人口遷移流動(dòng)，得出以下主要結(jié)論。

首先，從目前來(lái)看，雖然長(zhǎng)三角、粵港澳大灣區(qū)和京津冀城市群是主要的遷入傾向地，但是城市之間遷移流動(dòng)傾向差異較大。由于特大城市人口規(guī)模調(diào)控和產(chǎn)業(yè)轉(zhuǎn)移升級(jí)，以及長(zhǎng)三角一體化、粵港澳大灣區(qū)發(fā)展和京津冀協(xié)同發(fā)展的提出，北京成為具有凈遷出傾向的城市，上海的遷入傾向下降，廣州的人口遷入傾向增幅變緩，同時(shí)周邊城市獲得了一定的發(fā)展機(jī)會(huì)，部分城市人口遷入傾向有所提高，城市群一體化或協(xié)同發(fā)展效果顯現(xiàn)。

其次，粵港澳大灣區(qū)和長(zhǎng)三角城市群人口遷入遷出傾向活躍，是目前乃至以后人口遷移活躍地區(qū);京津冀城市群流動(dòng)傾向主要來(lái)自其他城市與北京之間的流動(dòng)，城市群內(nèi)遷移流動(dòng)傾向活躍程度明顯低于長(zhǎng)三角和粵港澳大灣區(qū)城市群，表明北京存在與周邊城市雖然物理距離比較近，但遷移傾向關(guān)聯(lián)度并不高的問(wèn)題。

最后，在推進(jìn)京津冀協(xié)同發(fā)展、長(zhǎng)三角一體化發(fā)展和粵港澳大灣區(qū)建設(shè)中，城市群將是遷移人口主要集中地。未來(lái)中國(guó)遷移人口將主要集中流向長(zhǎng)三角城市群的上海、南京、舟山等地，粵港澳大灣區(qū)的珠海、香港、深圳、廣州、澳門(mén)、惠州和中山以及京津冀城市群的天津。

利用互聯(lián)網(wǎng)大數(shù)據(jù)，分析城市群之間的人口遷移傾向，揭示了中國(guó)城際人口遷移流動(dòng)的可能性，有利于把握城市的流動(dòng)人口規(guī)模和趨勢(shì)，為城市群的高質(zhì)量發(fā)展提供政策建議。需要指出的是，互聯(lián)網(wǎng)大數(shù)據(jù)的普及為本文實(shí)現(xiàn)城市之間的人口遷移流動(dòng)模擬提供了契機(jī)。然而，以上分析是建立在網(wǎng)絡(luò)用戶的比例與信息發(fā)布偏好一致的假設(shè)基礎(chǔ)上，這一假設(shè)將帶來(lái)多大的偏差是后續(xù)需要進(jìn)一步探討的。但是，相對(duì)于現(xiàn)有的傳統(tǒng)人口學(xué)研究成果，本文在研究范圍上突破了省際層面，對(duì)城市間人口遷移路徑方面的研究進(jìn)行嘗試，且通過(guò)對(duì)百度指數(shù)大數(shù)據(jù)的模擬推算出城市間的遷移傾向概率及其未來(lái)的發(fā)展趨勢(shì)，這均是傳統(tǒng)人口學(xué)研究成果鮮有涉及的。

參考文獻(xiàn)：

[1]董上，蒲英霞，馬勁松，王結(jié)臣，陳剛，王亞平.中國(guó)省際人口遷移的復(fù)雜網(wǎng)絡(luò)研究[J].南方人口，2014（2）：54-61.

[2]劉晏伶，馮健.中國(guó)人口遷移特征及其影響因素——基于第六次人口普查數(shù)據(jù)的分析[J].人文地理，2014（2）：129-137.

[3]PENG Z， BAI G， WU H， et al. Travel mode recognition of urban residents using mobile phone data and MapAPI[J]. Environment and Planning B： Urban Analytics and City Science， 2021，48（12）：1-16.

[4]PETZOLD K. Migration， commuting， or a second home？ insights from an experiment among academics[J]. European Journal of Population， 2020，36（1）：277-315.

[5]LUO F， CAO G， MULLIGAN K， et al. Explore spatiotemporal and demographic characteristics of human mobility via twitter： a case study of Chicago[J]. Applied Geography， 2020，70（3）：11-25.

[6]CHOW T E， SCHUERMANN R T， NGU A H， et al. Spatial mining of migration patterns from web demographics[J]. International Journal of Geographical Information Science，2018，32（10）：1977-1998.

[7]方濱興，賈焰，李愛(ài)平，殷麗華.網(wǎng)絡(luò)空間大搜索研究范疇與發(fā)展趨勢(shì)[J].通信學(xué)報(bào)，2015（12）：1-8.

[8]PAN J， LAI J. Spatial pattern of population mobility among cities in China： case study of the National Day plus MidAutumn Festival based on tencent migration data[J]. Cities， 2019， 94（11）：55-69.

[9]劉望保，石恩名. 基于ICT的中國(guó)城市間人口日常流動(dòng)空間格局——以百度遷徙為例[J].地理學(xué)報(bào)，2016（10）：1667-1679.

[10]蔣小榮，汪勝蘭. 中國(guó)地級(jí)以上城市人口流動(dòng)網(wǎng)絡(luò)研究——基于百度遷徙大數(shù)據(jù)的分析[J].中國(guó)人口科學(xué)，2017（2）：35-46，127.

[11]王萌， 匡耀求， 黃寧生. 珠江三角洲城際間人口流動(dòng)傾向空間特征——基于網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)的時(shí)空演化[J].熱帶地理，2017（1）：33-42.

[12]趙落濤，曹衛(wèi)東，魏冶，等. 泛長(zhǎng)三角人口流動(dòng)網(wǎng)絡(luò)及其特征研究[J].長(zhǎng)江流域資源與環(huán)境，2018（4）：705-714.

[13]賴建波，潘竟虎. 基于騰訊遷徙數(shù)據(jù)的中國(guó)“春運(yùn)”城市間人口流動(dòng)空間格局[J]. 人文地理，2019（3）：108-117.

[14]蔣大亮，孫燁，任航，陳影影，張振克.基于百度指數(shù)的長(zhǎng)江中游城市群城市網(wǎng)絡(luò)特征研究[J].長(zhǎng)江流域資源與環(huán)境，2015（10）：1654-1664.

[15]潘竟虎，賴建波.中國(guó)城市間人口流動(dòng)空間格局的網(wǎng)絡(luò)分析——以國(guó)慶—中秋長(zhǎng)假和騰訊遷徙數(shù)據(jù)為例[J].地理研究，2019（7）：1678-1693.

[16]李濤，王姣娥，黃潔.基于騰訊遷徙數(shù)據(jù)的中國(guó)城市群國(guó)慶長(zhǎng)假城際出行模式與網(wǎng)絡(luò)特征[J].地球信息科學(xué)學(xué)報(bào)，2020（6）：1240-1253.

[17]陳雙，周銳，高峻.基于騰訊遷徙大數(shù)據(jù)的長(zhǎng)三角城市群春運(yùn)人口流動(dòng)時(shí)空特征[J].人文地理，2020（4）：130-138.

[18]俞慶進(jìn)，張兵.投資者有限關(guān)注與股票收益——以百度指數(shù)作為關(guān)注度的一項(xiàng)實(shí)證研究[J].金融研究，2012（8）：152-165.

[19]徐映梅，高一銘.基于互聯(lián)網(wǎng)大數(shù)據(jù)的CPI輿情指數(shù)構(gòu)建與應(yīng)用——以百度指數(shù)為例[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2017（1）：94-112.

[20]顧雯娟，歐向軍，葉磊，楊寶寶.基于要素流的長(zhǎng)三角城市群空間布局[J].熱帶地理，2015（6）：833-841.

[21]蔡建明，王國(guó)霞，楊振山.我國(guó)人口遷移趨勢(shì)及空間格局演變[J].人口研究，2007（5）：9-19.

[22]龍曉君，鄭健松，李小建，朱紀(jì)廣，劉嚴(yán)松，陳慕華.“全面二孩”背景下我國(guó)省際人口分布時(shí)空演變[J].經(jīng)濟(jì)地理，2018（1）：28-35.

[23]徐建華.現(xiàn)代地理學(xué)中的數(shù)學(xué)方法[M].北京：高等教育出版社，2002：93-98.

[責(zé)任編輯 方 志 ]