詹成林 路蘭

摘要：

將疫情防控劃分為多個(gè)階段，基于百度地圖遷徙大數(shù)據(jù)平臺(tái)，利用網(wǎng)絡(luò)分析法，構(gòu)建了各階段的人口流動(dòng)網(wǎng)絡(luò)。通過對各階段網(wǎng)絡(luò)的密度、平均度等統(tǒng)計(jì)特征分析可知，中國的防控措施對遏制疫情擴(kuò)散效果顯著;由各階段網(wǎng)絡(luò)的中心性分析結(jié)果可知，省市的人口流動(dòng)控制能力大小由該省市的度數(shù)中心度和中介中心度的共同決定;運(yùn)用塊模型分析方法，對各階段網(wǎng)絡(luò)進(jìn)行板塊劃分。研究結(jié)果表明，疫情后東北板塊成員之間關(guān)聯(lián)程度減弱，成員內(nèi)部向外關(guān)聯(lián)減少;中西、華南、西南板塊向外關(guān)聯(lián)至華東板塊趨勢沒有變化;憑借良好的疫情防控效果，其他板塊向外溢出至西北板塊的關(guān)聯(lián)增多。

關(guān)鍵詞：

疫情防控;人口流動(dòng)網(wǎng)絡(luò);社會(huì)網(wǎng)絡(luò)分析;百度地圖遷徙大數(shù)據(jù)

中圖分類號(hào)：C82

文獻(xiàn)標(biāo)志碼：A

收稿日期：2021-03-17

基金項(xiàng)目：

國家社會(huì)科學(xué)基金（批準(zhǔn)號(hào)：20BTJ028）資助。

通信作者：

路蘭，女，博士，副教授，主要研究方向?yàn)榻?jīng)濟(jì)系統(tǒng)復(fù)雜性分析。E-mail： gyblan718@163.com

2019年12月下旬爆發(fā)于武漢華南海鮮市場的新型冠狀病毒肺炎（COVID-19，簡稱新冠肺炎），是一場突發(fā)的全球性公共衛(wèi)生事件[1]。武漢市是中國疫情首次爆發(fā)地，也是極其重要的樞紐城市。2020年1月23日，武漢政府發(fā)布離漢通道管控措施，全市居民非必要不得離漢，武漢保衛(wèi)戰(zhàn)正式打響，全國各地陸續(xù)啟動(dòng)一級響應(yīng)。已有文獻(xiàn)表明，嚴(yán)格執(zhí)行交通管制，對于遏制新冠疫情進(jìn)一步大范圍擴(kuò)散起到了顯著作用。趙序茅等[2]利用SEIR模型研究發(fā)現(xiàn)武漢實(shí)施封城前后，新冠肺炎的傳染系數(shù)分別為575和25。相比之下，北京疫情的傳染系數(shù)為15，遠(yuǎn)低于武漢。楊華磊等[3]基于SIR模型理論研究了疫情擴(kuò)散如何受人口遷移的影響以及人口遷移受到距離、經(jīng)濟(jì)等因素的影響。梁澤等[4]對比了傳統(tǒng)的最小二乘法線性回歸模型和地理加權(quán)回歸，發(fā)現(xiàn)武漢遷入率較大，增加了城市新冠肺炎患者發(fā)病率，且這一效應(yīng)呈現(xiàn)空間衰減特征。劉勇等[5]利用探索性數(shù)據(jù)分析方法，發(fā)現(xiàn)在人口流動(dòng)的影響下，信陽市主城區(qū)及周邊縣，安陽、鄭州、許昌、平頂山等市的相對風(fēng)險(xiǎn)較高。曾永明等[6]運(yùn)用接收武漢流出人口數(shù)量排名前100城市的截面數(shù)據(jù)，經(jīng)OLS和SLM、SEM等估計(jì)方法驗(yàn)證了人口流動(dòng)與城市早期新冠肺炎確診病例數(shù)空間分布的內(nèi)在關(guān)聯(lián)。與此同時(shí)，根據(jù)中華人民共和國交通運(yùn)輸部發(fā)布的《一季度交通運(yùn)輸經(jīng)濟(jì)運(yùn)行情況》，一季度完成營業(yè)性客運(yùn)量185億人，同比下降584%，36個(gè)中心城市公共交通完成客運(yùn)量674億人，同比下降567%，疫情期間人口流動(dòng)規(guī)模受到了嚴(yán)重影響。針對人口流動(dòng)的研究，劉濤等[7]通過對比傳統(tǒng)人口流動(dòng)數(shù)據(jù)和大數(shù)據(jù)的結(jié)果，將人口流動(dòng)分為了以商務(wù)流為主的日常城際流動(dòng)，以及疊合了返鄉(xiāng)流和旅游流的春節(jié)期間流動(dòng)。薛峰等[8]以騰訊位置大數(shù)據(jù)平臺(tái)提供的人口流動(dòng)數(shù)據(jù)為基礎(chǔ)，利用社會(huì)網(wǎng)絡(luò)分析等方法，刻畫了長三角城市群人口流動(dòng)網(wǎng)絡(luò)的中心性與對稱性。解韜等[9]利用廣東省統(tǒng)計(jì)年鑒數(shù)據(jù)，研究發(fā)現(xiàn)珠三角勞動(dòng)年齡流動(dòng)人口規(guī)模分布呈中南沿海地區(qū)向四周擴(kuò)散的總體格局。王新賢等[10]運(yùn)用偏移—分享法，對比分析了省際人口流動(dòng)和省內(nèi)跨縣人口流動(dòng)的空間格局，結(jié)果表明兩者存在差異，并提出了“聚中有散”型省際人口流動(dòng)和“散中有聚”型省內(nèi)跨縣人口流動(dòng)。目前有關(guān)疫情背景下人口流動(dòng)時(shí)空特征的研究尚不多見。多數(shù)文獻(xiàn)是基于傳統(tǒng)的人口普查數(shù)據(jù)、人口流動(dòng)監(jiān)測數(shù)據(jù)，這類傳統(tǒng)數(shù)據(jù)的發(fā)布時(shí)間周期較長，具有滯后性?？紤]到新冠疫情發(fā)生的突發(fā)性，傳統(tǒng)的數(shù)據(jù)無法較好反映新冠疫情下人口流動(dòng)的時(shí)空特征?；诖?，本文從網(wǎng)絡(luò)視角出發(fā)，使用更具有時(shí)效性的人口流動(dòng)數(shù)據(jù)，構(gòu)建疫情下不同階段內(nèi)人口流動(dòng)網(wǎng)絡(luò)，揭示疫情背景下人口流動(dòng)的時(shí)空特征。

1 數(shù)據(jù)處理及研究方法

1.1 數(shù)據(jù)來源

本文所用數(shù)據(jù)來源于百度地圖遷徙大數(shù)據(jù)平臺(tái)。數(shù)據(jù)包含中國除港澳臺(tái)地區(qū)以外，自2020年1月10日至3月15日時(shí)間段內(nèi)，31省區(qū)市每日遷入、遷出總指數(shù)以及每個(gè)省區(qū)市每日遷出至其余30省區(qū)市的遷出百分比。此平臺(tái)提供了基于用戶地理位置服務(wù)收集的疫情下實(shí)時(shí)人口流動(dòng)數(shù)據(jù)，其原理為根據(jù)對用戶地理位置的流動(dòng)變化（包括流出起始地、流入目的地）判定用戶是否發(fā)生流動(dòng)以及具體流動(dòng)軌跡。在得到某省區(qū)市日人口流動(dòng)總量及流動(dòng)軌跡后，平臺(tái)將流動(dòng)總量進(jìn)行特征縮放，轉(zhuǎn)化日人口流進(jìn)、流出總量為無量綱的遷入、遷出規(guī)模指數(shù)。平臺(tái)收集日均手機(jī)定位請求服務(wù)達(dá)1 000億次，具有一定的代表性、真實(shí)性。有部分國內(nèi)外學(xué)者基于此數(shù)據(jù)平臺(tái)進(jìn)行過人口流動(dòng)的相關(guān)研究[7，11-13]。

1.2 社會(huì)網(wǎng)絡(luò)分析方法

在自然界中存在的大量復(fù)雜系統(tǒng)都可以通過各種網(wǎng)絡(luò)加以描述[14]。社會(huì)網(wǎng)絡(luò)分析（Social Network Analysis，SNA）問題起源于物理學(xué)中的適應(yīng)性網(wǎng)絡(luò)，利用研究網(wǎng)絡(luò)關(guān)系，有助于把個(gè)體間關(guān)系、“微觀”網(wǎng)絡(luò)與大規(guī)模的社會(huì)系統(tǒng)的“宏觀”結(jié)構(gòu)結(jié)合起來，利用數(shù)學(xué)方法﹑圖論等定量分析方法，是20世紀(jì)70年代以來在社會(huì)學(xué)、心理學(xué)、人類學(xué)、數(shù)學(xué)、通信科學(xué)等領(lǐng)域逐步發(fā)展起來的一個(gè)的研究分支。省際人口流動(dòng)可視作一個(gè)復(fù)雜網(wǎng)絡(luò)，借助城市為節(jié)點(diǎn)，城市間人流為連邊，構(gòu)建省際人口流動(dòng)網(wǎng)絡(luò)，利用網(wǎng)絡(luò)特征統(tǒng)計(jì)指標(biāo)分析網(wǎng)絡(luò)特征、研究人口流動(dòng)趨勢、衡量網(wǎng)絡(luò)節(jié)點(diǎn)的重要性，為合理引導(dǎo)人口流動(dòng)提出建議。

對比可知，正常流動(dòng)階段、春運(yùn)返鄉(xiāng)階段，省區(qū)市大小差距不明顯，各省區(qū)市之間連邊縱橫交錯(cuò);流動(dòng)嚴(yán)防階段，省區(qū)市大小差距變大，省區(qū)市之間連邊變得稀疏，子群結(jié)構(gòu)明顯。表明疫情防控階段人口流動(dòng)大幅度減少，人口呈局部流動(dòng)，印證了中國疫情防控措施對于人口流動(dòng)顯著影響;相較于流動(dòng)嚴(yán)防階段，初步復(fù)工復(fù)產(chǎn)后，省區(qū)市節(jié)點(diǎn)大小差距逐步縮小，省區(qū)市之間連邊逐漸緊密。但相較于日常流動(dòng)階段、春運(yùn)流動(dòng)階段相距甚遠(yuǎn)。這表明自2月21日全國初湖北省以外地區(qū)初步復(fù)工復(fù)產(chǎn)以來，省際人口流動(dòng)網(wǎng)絡(luò)正逐步恢復(fù)，但與日常流動(dòng)時(shí)期還存在一定距離。

結(jié)合表2，從連邊數(shù)、網(wǎng)絡(luò)密度等統(tǒng)計(jì)特征數(shù)量關(guān)系變化上也可印證以上觀點(diǎn)。本文在流動(dòng)嚴(yán)防階段和初步復(fù)工復(fù)產(chǎn)階段，均不考慮湖北省流出情況。連邊數(shù)從567、681、175至243的變化，表明自疫情嚴(yán)防以來，省際人口流動(dòng)量急劇減少，復(fù)工復(fù)產(chǎn)人口流動(dòng)規(guī)模雖在逐步恢復(fù)，但仍遠(yuǎn)低于日常時(shí)期流動(dòng)規(guī)模。網(wǎng)絡(luò)密度、平均度、平均聚類系數(shù)在四個(gè)階段短暫上升、急劇下降又逐步上升的變化同樣表明，中國省際人口流動(dòng)規(guī)模受疫情防控措施顯著減小，進(jìn)而為切斷傳播途徑，疫情進(jìn)一步蔓延擴(kuò)散起到了重要作用。

2.3 人口流動(dòng)網(wǎng)絡(luò)中心性分析

由于流動(dòng)嚴(yán)防階段中，全國各地為了防止疫情擴(kuò)散采取了一系列切斷傳播途徑的政策措施如封城、封路、客運(yùn)停運(yùn)、斷航等，此階段的人口流動(dòng)規(guī)模甚小，因此不做深入研究。

2.3.1 不同階段度數(shù)中心度對比分析 表3中，在日常流動(dòng)階段，節(jié)點(diǎn)的加權(quán)出度和加權(quán)入度均處于大于10的較高水平的省區(qū)市有廣東、浙江、江蘇、河北、山東、上海、河南、湖南、北京、湖北等，表明這些省區(qū)市日常人口流動(dòng)的流進(jìn)與流出更為頻繁。這些省區(qū)市主要為經(jīng)濟(jì)相對更為發(fā)達(dá)、就業(yè)機(jī)會(huì)更多的地區(qū)如北京、廣東、上海、江蘇等，以及位于中西部和沿海的地區(qū)如河南、湖北、湖南、山東等。相比之下，加權(quán)出度和加權(quán)入度均處于較低水平的省區(qū)市主要有西藏、新疆、寧夏、青海等，多為少數(shù)民族聚集的地區(qū)，這可能是人口流動(dòng)較為不頻繁的原因之一。通過加權(quán)出入度差分析，其余地區(qū)加權(quán)出入差均分布在0值附近，表明該類地區(qū)人口流入流出較為平衡。

分析表3數(shù)據(jù)，在初步復(fù)工復(fù)產(chǎn)階段，加權(quán)出度處于較高水平的省區(qū)市有河南、安徽、湖南、廣西等中西部地區(qū)，加權(quán)入度處于較高水平的省區(qū)市有廣東、浙江、江蘇、河北、山東等沿海東部。加權(quán)出入度差為負(fù)值且絕對值較大的地區(qū)有廣東、浙江、江蘇，加權(quán)出入度差為正值且值較大的地區(qū)有河南、湖南、廣西、福建等地區(qū)，表明在此階段，省際人口流動(dòng)方向主要是由中部地區(qū)流向東部沿海地區(qū)。同時(shí)，春運(yùn)流動(dòng)階段結(jié)論表明省際人口流動(dòng)方向主要是從廣東、浙江、江蘇等東部沿海地區(qū)流出到安徽、河南、湖南、湖北等中西部地區(qū)，此結(jié)論的人口流動(dòng)反方向正是與初步復(fù)工復(fù)產(chǎn)階段的結(jié)論大致相契合。但截至3月15日，全面復(fù)工復(fù)產(chǎn)只是在有序進(jìn)行，并未大規(guī)模開展，且受限于局部地區(qū)如北京、上海、黑龍江、湖北等疫情防控措施，因此該類地區(qū)的人口流入流出仍處于較低水平，大部分省際人口流動(dòng)規(guī)模相較于日常流動(dòng)階段仍處于初步恢復(fù)狀態(tài)。

2.3.2 不同階段中介中心度和特征向量中心度對比分析 表4中，中介中心度的結(jié)果列出了排名前10的省區(qū)市。結(jié)合表3，在日常流動(dòng)階段，中介中心度大且度數(shù)中心度也大的省區(qū)市如北京、江蘇、河北、河南、廣東、山東，表明此類節(jié)點(diǎn)對其余節(jié)點(diǎn)的全局控制能力更強(qiáng)。中介中心度高且度數(shù)中心度處于中間水平的地區(qū)如四川、陜西、湖北、重慶，此類省區(qū)市雖然人口流進(jìn)流出量不大，但很多省區(qū)市的人口流動(dòng)必須經(jīng)過這類省區(qū)市中轉(zhuǎn)，顯示了很強(qiáng)的局域控制能力。同理，在春運(yùn)流動(dòng)階段，北京、廣東、江蘇、河北、四川展現(xiàn)了全局控制能力，湖北、甘肅、河南的局域控制能力得到體現(xiàn)。在復(fù)工復(fù)產(chǎn)階段，去除湖北流出情況以及各地疫情下復(fù)工復(fù)產(chǎn)措施，廣東、河南、山東、浙江、河北的全局控制能力得到體現(xiàn)，四川、湖南、福建的局域控制能力得到體現(xiàn)。通過對特征向量中心度排名分析可知，正常流動(dòng)中，河南、四川、北京、湖北、河北都具有較高的特征向量中心度，表明了此類省區(qū)市在省際人口流動(dòng)網(wǎng)絡(luò)中的重要作用。初步復(fù)工復(fù)產(chǎn)階段中，浙江、江蘇、廣東、上海等更為發(fā)達(dá)地區(qū)和河南、江西、山東等地區(qū)節(jié)點(diǎn)的重要性得到體現(xiàn)。

對不同階段的中介中心度分析結(jié)果表明，中介中心度大且度數(shù)中心度也大的省區(qū)市具有更強(qiáng)的全局控制能力，如北京、廣東、江蘇等東部沿海地區(qū);中介中心度較大且度數(shù)中心度處于中等水平的省區(qū)市憑借其地理優(yōu)勢也具有一定的局域控制能力，如四川、陜西、湖北、重慶等中部地區(qū)。對不同階段的特征向量中心度分析結(jié)果表明，省區(qū)市的重要性也取決于近鄰節(jié)點(diǎn)的重要性，因此城市群的穩(wěn)定快速發(fā)展對于個(gè)體節(jié)點(diǎn)意義重要。

2.4 人口流動(dòng)網(wǎng)絡(luò)塊模型分析

本節(jié)運(yùn)用塊模型分析旨在對比分析省際人口流動(dòng)網(wǎng)絡(luò)在初步復(fù)工復(fù)產(chǎn)階段和日常流動(dòng)階段的結(jié)構(gòu)，闡釋初步復(fù)工復(fù)產(chǎn)時(shí)期人口流動(dòng)結(jié)構(gòu)與未發(fā)生疫情的日常流動(dòng)結(jié)構(gòu)的差異，進(jìn)而展示疫情對于人口流動(dòng)產(chǎn)生的影響。因此，本文只研究第一階段日常流動(dòng)階段和第四階段初步復(fù)工復(fù)產(chǎn)階段。運(yùn)用UCINET軟件，選擇收斂標(biāo)準(zhǔn)為02，最大分割深度為2，對兩個(gè)階段的省際人口流動(dòng)網(wǎng)絡(luò)進(jìn)行塊模型分析，板塊劃分結(jié)果分別如表5、表6所示。

根據(jù)Wasserman等構(gòu)建的塊模型評測體系，將兩個(gè)階段的省際人口流動(dòng)網(wǎng)絡(luò)劃分為四大板塊，具體每個(gè)板塊包含的成員數(shù)如表7所示。根據(jù)α密度標(biāo)準(zhǔn)（上文中計(jì)算得出第一階段構(gòu)建的省際人口流動(dòng)網(wǎng)絡(luò)密度為0619，第四階段網(wǎng)絡(luò)密度為0276）得到兩階段的密度矩陣及其像矩陣如表8所示。

對比之下，在初步復(fù)工復(fù)產(chǎn)階段，除去湖北由于封省的交通管控政策，其板塊所屬類別從中西、華南、西南板塊變?yōu)榱私銣霸ネ畎鍓K外，其余板塊內(nèi)部成員基本沒有變化，但各個(gè)板塊的角色除西北板塊外都發(fā)生了變化。華東板塊的角色由經(jīng)紀(jì)人變?yōu)榱穗p向溢出，中西、華南、西南板塊的角色由雙向溢出變?yōu)榱藘粢绯?，而東北板塊的角色由凈溢出變?yōu)榱私?jīng)紀(jì)人板塊。這要?dú)w因于當(dāng)時(shí)全國各地的疫情防控政策。東北地區(qū)緊鄰國界，當(dāng)時(shí)部分省區(qū)市如黑龍江、吉林仍為中高風(fēng)險(xiǎn)地區(qū)，京津冀地區(qū)疫情防控的嚴(yán)格執(zhí)行，導(dǎo)致該地區(qū)內(nèi)部成員之間關(guān)聯(lián)和向外關(guān)聯(lián)均甚少。西北地區(qū)疫情蔓延程度較為輕微，疫情防控效果佳，因此在初步復(fù)工復(fù)產(chǎn)階段，其余三大板塊均與西北板塊有所關(guān)聯(lián)。華東地區(qū)主要接收來自中西、華南、西南地區(qū)的關(guān)聯(lián)，但關(guān)聯(lián)程度相較于日常流動(dòng)階段仍處于較低水平。

3 結(jié)論

本文使用更具有時(shí)效性的百度地圖遷移大數(shù)據(jù)平臺(tái)人口流動(dòng)數(shù)據(jù)，構(gòu)建疫情下不同階段內(nèi)人口流動(dòng)網(wǎng)絡(luò)，利用社會(huì)網(wǎng)絡(luò)分析方法，對比分析疫情前后省際人口流動(dòng)網(wǎng)絡(luò)的時(shí)空特征變化情況，揭示疫情背景下人口流動(dòng)的時(shí)空特征。研究發(fā)現(xiàn)，疫情防控對減少省際人口流動(dòng)，阻斷疫情傳播途徑效果顯著。疫情前和疫情后，全國大致人口流動(dòng)方向沒有發(fā)生變化，均是由中西部地區(qū)如河南、湖南、四川等流向東部沿海及部分就業(yè)機(jī)會(huì)更多、經(jīng)濟(jì)更發(fā)達(dá)地區(qū)如北京、廣東、上海、浙江、江蘇等，主要產(chǎn)生變化的是不同地區(qū)的流出指數(shù)規(guī)模大小。省區(qū)市對其他省區(qū)市人口流動(dòng)控制能力大小取決于該省區(qū)市的度數(shù)中心度和中介中心度共同結(jié)果。疫情得到初步遏制，復(fù)工復(fù)產(chǎn)初步有序開展以來，由于各地疫情防控效果和防控政策的限制，鄰近國界的東北板塊成員之間關(guān)聯(lián)程度減弱，成員內(nèi)部向外關(guān)聯(lián)減少。中西、華南、西南地區(qū)向外關(guān)聯(lián)至華東板塊趨勢沒有變化。西北板塊憑借其疫情防控效果良好，其他板塊向外至西北板塊關(guān)聯(lián)增多。由于可獲得數(shù)據(jù)的限制，本文只分析了除湖北以外全國各省區(qū)市初步有序復(fù)工復(fù)產(chǎn)階段的人口流動(dòng)特征。其中，從百度地圖遷徙大數(shù)據(jù)平臺(tái)獲取的流動(dòng)指數(shù)數(shù)據(jù)是根據(jù)用戶請求定位服務(wù)利用其地理位置的變化來判定流動(dòng)情況，中國智能手機(jī)用戶雖已具有很高的普及率，但仍不排除部分偏遠(yuǎn)地區(qū)和部分年長者流動(dòng)過程中未使用定位服務(wù)，這可能導(dǎo)致本文分析得出的人口流動(dòng)情況與真實(shí)的人口流動(dòng)存在細(xì)微的差距。如果能獲取更為權(quán)威、準(zhǔn)確的疫情期間人口流動(dòng)數(shù)據(jù)，其分析結(jié)果準(zhǔn)確度將會(huì)更好。

參考文獻(xiàn)

[1]習(xí)近平.在統(tǒng)籌推進(jìn)新冠肺炎疫情防控和經(jīng)濟(jì)社會(huì)發(fā)展工作部署會(huì)議上的講話[N].人民日報(bào)，2020-02-24（002）.

[2]趙序茅，李欣海，聶常虹.基于大數(shù)據(jù)回溯新冠肺炎的擴(kuò)散趨勢及中國對疫情的控制研究[J].中國科學(xué)院院刊，2020，35（3）：248-255.

[3]楊華磊，吳遠(yuǎn)洋，藺雪鈺.新冠狀病毒肺炎、人口遷移與疫情擴(kuò)散防控[J].中國管理科學(xué)，2020，28（3）：1-10.

[4]梁澤，王玥瑤，孫福月，等.我國城市新冠肺炎發(fā)病率的地理分布格局：人口遷徙與社會(huì)經(jīng)濟(jì)因素的影響[J].環(huán)境科學(xué)研究，2020，33（7）：1571-1578.

[5]劉勇，楊東陽，董冠鵬，等.河南省新冠肺炎疫情時(shí)空擴(kuò)散特征與人口流動(dòng)風(fēng)險(xiǎn)評估——基于1243例病例報(bào)告的分析[J].經(jīng)濟(jì)地理，2020，40（3）：24-32.

[6]曾永明，駱澤平，楊敏，等.人口流動(dòng)與城市早期新冠肺炎疫情空間擴(kuò)散及分布關(guān)系研究[J].人口與社會(huì)，2020，36（5）：69-84.

[7]劉濤，靳永愛.人口流動(dòng)視角下的中國新冠疫情擴(kuò)散時(shí)空動(dòng)態(tài)——傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的對比研究[J].人口研究，2020，44（5）：44-59.

[8]薛峰，李苗裔，黨安榮.中心性與對稱性：多空間尺度下長三角城市群人口流動(dòng)網(wǎng)絡(luò)結(jié)構(gòu)特征[J].經(jīng)濟(jì)地理，2020，40（8）：49-58.

[9]解韜，汪睜錚.珠三角城市群勞動(dòng)年齡流動(dòng)人口空間分布特征分析[J].廣東經(jīng)濟(jì)，2020（8）：20-27.

[10] 王新賢，高向東.中國流動(dòng)人口分布演變及其對城鎮(zhèn)化的影響——基于省際、省內(nèi)流動(dòng)的對比分析[J].地理科學(xué)，2019，39（12）：1866-1874.

[11] 楊冕，謝澤宇.新冠肺炎疫情防控對中國人口流動(dòng)的影響——基于百度地圖遷徙大數(shù)據(jù)的實(shí)證研究[J].人口研究，2020，44（4）：74-88.

[12] 舒懷.從“百度遷徙”看位置服務(wù)與大數(shù)據(jù)融合[J].衛(wèi)星應(yīng)用，2014（5）：39-40.

[13] ZHANG W L， CHONG Z H， LI X J， et al. Spatial patterns and determinant factors of population flow networks in China： Analysis on tencent location big data[J]. Cities， 2020， 99：32-41.

[14] FAUST K， WASSERMAN S. Blockmodels： Interpretation and evaluation[J]. North-Holland， 1992，14（1-2）：132-188.

[15] LIU W B， HOU Q， XIE Z H， et al. Urban network and regions in China： An analysis of daily migration with complex networks model[J]. Sustainability， 2020，12（8）：12-23.

[16] 陳夢根，趙雨涵.中國銀行業(yè)跨境聯(lián)系的測度與分析——兼論國際銀行業(yè)網(wǎng)絡(luò)結(jié)構(gòu)的動(dòng)態(tài)特征[J].經(jīng)濟(jì)研究，2019，54（4）：49-66.

[17] 王圣云，宋雅寧，張玉，等.交通運(yùn)輸成本視角下長江中游城市群城市網(wǎng)絡(luò)空間關(guān)聯(lián)機(jī)制[J].經(jīng)濟(jì)地理，2020，40（6）：87-97.

Abstract：

The epidemic prevention and control is divided into several stages. Based on the big data platform of Baidu map migration， the population flow network of each stage was constructed by network analysis method. Through the analysis of the statistical characteristics of the network density and the average degree in each stage， the prevention and control measures have a significant effect on the containment of the spread of the epidemic situation. From the analysis results of the centrality of the network in each stage， the control ability of population flow was decided by the degree center degree and the Medium Center degree of the province and city. By using the block model analysis method， the network of each stage ws divided into blocks. The results show that the association degree between the members of the northeast block is weakened， and the intra-member outward association is reduced. There is no change in the trend of the outward correlation of the Chinese and western block， the South China block and the Southwest block to the East China block. With good epidemic prevention and control effect， other blocks spill out to the northwest block of the association increased after the epidemic.

Keywords：

epidemic prevention and control; population mobility network; social network analysis; Baidu map migration big data