陶坤旺 趙習(xí)枝* 藍(lán)玉珍 陳 頌 焦明連 張福浩

1(中國測繪科學(xué)研究院 北京 100830)

2(江蘇海洋大學(xué)海洋技術(shù)與測繪學(xué)院 連云港 222005)

1 引 言

人口流動(dòng)是我國改革開放以來規(guī)模最大、意義最為深遠(yuǎn)的地理過程之一[1]?？茖W(xué)地認(rèn)識(shí)人口流動(dòng)的時(shí)空特征，對(duì)于編制城鎮(zhèn)化發(fā)展、土地利用等各類空間規(guī)劃具有重要意義。傳統(tǒng)的人口流動(dòng)研究主要依賴于人口普查、抽樣調(diào)查、問卷調(diào)查等方法，存在數(shù)據(jù)獲取困難、更新頻率低等問題。隨著大數(shù)據(jù)時(shí)代的到來，利用移動(dòng)軌跡、手機(jī)信令等數(shù)據(jù)分析大范圍、長時(shí)序、多尺度的人口流動(dòng)成為可能。其中，騰訊、百度等公司提供的人口遷徙數(shù)據(jù)能夠全面、實(shí)時(shí)地記錄全國人口流動(dòng)情況，因而常被應(yīng)用于人口流動(dòng)的相關(guān)研究。如趙梓渝等[2]基于百度遷徙數(shù)據(jù)，利用有向加權(quán)轉(zhuǎn)變中心性和控制力的方法識(shí)別城市網(wǎng)絡(luò)層級(jí)結(jié)構(gòu)，揭示了人口流動(dòng)的二維空間特征和地理分布特征。

隨著我國社會(huì)經(jīng)濟(jì)的發(fā)展，節(jié)日期間人員流動(dòng)加劇。與其他節(jié)假日相比，人們對(duì)于春節(jié)回家過年的情感訴求更為強(qiáng)烈。因此，春節(jié)期間出現(xiàn)了我國規(guī)模最大、覆蓋范圍最廣的人口遷移現(xiàn)象——春運(yùn)。春運(yùn)是城市與區(qū)域間人口流動(dòng)的縮影和集中反映，可通過春運(yùn)來透視更長時(shí)間軸的區(qū)域人口遷移狀況。目前，針對(duì)春節(jié)期間流動(dòng)人口的研究內(nèi)容主要包括：人口流動(dòng)時(shí)間序列變化[3-4]、空間格局[5-7]及春運(yùn)對(duì)城市環(huán)境[8]和社會(huì)經(jīng)濟(jì)的影響[9-10]等。劉海洋等[3]基于騰訊遷徙數(shù)據(jù)，對(duì)中國城市人口流動(dòng)的時(shí)空特征進(jìn)行分析發(fā)現(xiàn)，春運(yùn)期間，人口流動(dòng)在空間上形成了以省會(huì)城市為集散中心的集散體系，在時(shí)間上則形成以春節(jié)為界的返鄉(xiāng)潮和返工潮現(xiàn)象；Xu 等[11]利用社區(qū)聚類算法劃分中國城市網(wǎng)絡(luò)組團(tuán)結(jié)構(gòu)，并探討了城市群之間人口流動(dòng)與城市發(fā)展的關(guān)系。人口流動(dòng)的研究方法主要包括網(wǎng)絡(luò)分析、重力模型等；在數(shù)據(jù)源的選取方面以百度遷徙、騰訊遷移、微博簽到等數(shù)據(jù)為主；在空間尺度上，涉及全國、城市群、省域和城市；在時(shí)間尺度上，主要以短時(shí)序的春運(yùn)研究為主[12-14]。如張宇等[12]從網(wǎng)絡(luò)、城際聯(lián)系和城市節(jié)點(diǎn)維度分析了客流網(wǎng)絡(luò)結(jié)構(gòu)；趙梓渝等[13]基于百度遷徙數(shù)據(jù)，比較了改進(jìn)重力模型與實(shí)測流之間的誤差，得出不同省份人口的距離衰減系數(shù)存在高低差異的結(jié)論。李濤等[14]基于騰訊位置大數(shù)據(jù)，通過改進(jìn)的重力模型，探究城市群之間遷移衰減規(guī)律。

但上述研究，或基于某一年的數(shù)據(jù)源研究短時(shí)序人口流動(dòng)規(guī)律；或以重點(diǎn)區(qū)域?yàn)檠芯繀^(qū)，研究小范圍內(nèi)的人口流動(dòng)時(shí)空分布，缺少長時(shí)序、多空間尺度的春運(yùn)期間人口流動(dòng)特征。針對(duì)上述不足，本文基于 2015—2018 年騰訊官方人口遷徙數(shù)據(jù)，通過網(wǎng)絡(luò)分析方法建立春運(yùn)期間全國城市聯(lián)系網(wǎng)絡(luò)，分析城市網(wǎng)絡(luò)空間結(jié)構(gòu)特征；通過DBSCAN 對(duì)城市人口流動(dòng)時(shí)間序列進(jìn)行聚類，探究城市人口流動(dòng)時(shí)序特征；通過重力模型探討距離對(duì)城市間聯(lián)系的影響，以及春運(yùn)期間人口遷入和遷出城市的時(shí)空分布規(guī)律。本文的主要貢獻(xiàn)有：(1)基于騰訊遷徙大數(shù)據(jù)，分析我國城市分布隨著人口流動(dòng)呈現(xiàn)的城市群格局；(2)探究 2015—2018 年春運(yùn)期間人口流動(dòng)規(guī)律與類型，以期為今后的春運(yùn)期間相關(guān)政策制定與城市管理的科學(xué)部署提供理論依據(jù)。

2 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)來自騰訊遷徙數(shù)據(jù)?！膀v訊遷徙”是騰訊公司以用戶的移動(dòng)定位信息擬算出來的無綱量數(shù)據(jù)，描述了汽車、火車、飛機(jī) 3種出行方式的人口流動(dòng)情況。該數(shù)據(jù)以地級(jí)市為基本單位，統(tǒng)計(jì)每天各城市間的人口流入與流出情況，具有實(shí)時(shí)、大規(guī)模、連續(xù)觀測的優(yōu)點(diǎn)，但受平臺(tái)限制，只有排名前 10 的城市間人口遷徙記錄。本文通過各個(gè)城市間的人口遷入遷出記錄適當(dāng)補(bǔ)充其他城市的人口流動(dòng)情況，即a城市遷出至b城市的人口等于b城市從a城市遷入的人口，以刻畫出全國城市的人口出行特征。

本文選取 2015—2018 年春節(jié)期間的人口遷徙數(shù)據(jù)。其中，春運(yùn)周期包括春節(jié)前 15 天和春節(jié)后 25 天，共計(jì) 40 天。數(shù)據(jù)覆蓋了 287 個(gè)地級(jí)市、7 個(gè)地區(qū)、30 個(gè)少數(shù)民族自治州、3 個(gè)盟，共計(jì) 327 個(gè)地級(jí)以上行政區(qū)劃。受平臺(tái)發(fā)布信息限制，上述數(shù)據(jù)不包括萊蕪市(2019 年被撤銷)、香港、澳門、臺(tái)灣和海南三沙市。

本文選取上述 327 個(gè)城市作為網(wǎng)絡(luò)節(jié)點(diǎn)，節(jié)點(diǎn)之間聯(lián)系強(qiáng)度作為值，構(gòu)建有向網(wǎng)絡(luò)矩陣。部分網(wǎng)絡(luò)矩陣如表 1 所示。其中，源節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)為相互連接城市的行政代碼。

表1 部分網(wǎng)絡(luò)矩陣Table 1 Partial complex network matrix

2.1 研究方法

2.1.1 時(shí)空分析方法

復(fù)雜網(wǎng)絡(luò)具有小世界性以及無標(biāo)度性，其實(shí)質(zhì)是利用節(jié)點(diǎn)與邊表示一組事物之間的關(guān)系。因此，構(gòu)建關(guān)鍵詞網(wǎng)絡(luò)需要明確節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)系。本文的網(wǎng)絡(luò)以城市為節(jié)點(diǎn)，一個(gè)城市到另外一個(gè)城市的連接作為邊，通過分析人口入度和出度可知，人口流動(dòng)具有明顯的空間網(wǎng)絡(luò)結(jié)構(gòu)。根據(jù)人口聯(lián)系強(qiáng)度構(gòu)建人口流動(dòng)矩陣S如公式(1)所示。

其中，S代表人口聯(lián)系強(qiáng)度，即作為邊的權(quán)重，常用的網(wǎng)絡(luò)分析指標(biāo)如下。

(1)聯(lián)系強(qiáng)度

(3)模塊度

當(dāng)某些節(jié)點(diǎn)關(guān)系特別緊密時(shí)，即可結(jié)成一個(gè)社區(qū)網(wǎng)絡(luò)。模塊度指標(biāo)Q是衡量網(wǎng)絡(luò)社區(qū)劃分好壞的評(píng)價(jià)標(biāo)準(zhǔn)[15]，揭示網(wǎng)絡(luò)內(nèi)部的局部集聚特征。其計(jì)算公式如公式(4)所示，當(dāng)Q值在0.3～0.7 之間時(shí)，表明聚類效果較好。

(4)接近中心性

接近中心性[16]強(qiáng)調(diào)節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中的中心性，是該節(jié)點(diǎn)與網(wǎng)絡(luò)中其余所有節(jié)點(diǎn)最短距離之和，其計(jì)算公式如公式(5)所示。

利用 Gephi 工具分別計(jì)算模塊度、平均聚類系數(shù)、平均路徑長度等指標(biāo)：模塊度反映宏觀整體的聚類效果；平均聚類系數(shù)用以表征微觀節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系，反映“小世界”網(wǎng)絡(luò)特征；平均路徑長度可表征社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)的可達(dá)性，評(píng)價(jià)社區(qū)網(wǎng)絡(luò)的連通性能與組織效率。網(wǎng)絡(luò)矩陣數(shù)據(jù)結(jié)果如表 2 所示。

表2 網(wǎng)絡(luò)矩陣結(jié)果Table 2 Complex network matrix results

由表 2 可知，2015—2018 年春運(yùn)周期的模塊度均在 0.5 左右，且平均值大于 0.5，說明全國城市網(wǎng)絡(luò)聚類效果較好；平均聚類系數(shù)在0.492～0.527 之間，聚類系數(shù)越大，“小世界”特征越明顯；4 年平均路徑長度接近于 3°，表明全國范圍內(nèi)兩兩城市間平均需要經(jīng)過 3 個(gè)中間節(jié)點(diǎn)城市才能實(shí)現(xiàn)通勤。

2.1.2 聚類方法

DBSCAN 是一種基于密度的聚類算法，由密度可達(dá)關(guān)系導(dǎo)出的最大密度相連的樣本集合作為一個(gè)簇[17]。該算法可在發(fā)現(xiàn)認(rèn)識(shí)形狀空間簇的同時(shí)，有效處理噪聲點(diǎn)，被廣泛應(yīng)用于圖像分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域。算法主要參數(shù)有鄰域距離Eps和鄰域距離內(nèi)包含的最小樣本數(shù)目Minpts。算法流程為：(1)在空間中任選一點(diǎn)p，計(jì)算點(diǎn)p的Eps鄰域內(nèi)點(diǎn)數(shù)量n；(2)若n＞Minpts，則表明點(diǎn)p是核心對(duì)象，創(chuàng)建以p為核心的集群標(biāo)簽；(3)返回密度相連的點(diǎn)集合，將其Eps鄰域中的點(diǎn)加入該簇中，并確保與點(diǎn)p密度相連的所有點(diǎn)都在該簇中；(4)迭代計(jì)算(1)～(3)，直至沒有新的點(diǎn)可加入任意簇中時(shí)，聚類算法結(jié)束；(5)未被加入任何簇的點(diǎn)即為噪聲點(diǎn)。

本研究利用 DBSCAN 識(shí)別春節(jié)期間全國人口流動(dòng)的各大城市類型，并借助k-dist圖經(jīng)過多次迭代試驗(yàn)選取最優(yōu)參數(shù)。

2.1.3 重力模型

為定量分析距離對(duì)省內(nèi)、省際人口流動(dòng)的影響，本文采用重力模型擬合中國城市省內(nèi)、省際人口出行聯(lián)系強(qiáng)度與距離的關(guān)系。省內(nèi)聯(lián)系指各省份內(nèi)部城市之間的人口出行聯(lián)系；省際聯(lián)系指該省份城市與全國其他省份城市間的人口出行聯(lián)系。重力模型擬合公式為：

3 結(jié)果分析

3.1 城市人口流動(dòng)網(wǎng)絡(luò)結(jié)構(gòu)特征

本研究利用自然斷點(diǎn)法對(duì)全國城市關(guān)聯(lián)強(qiáng)度進(jìn)行分類，可有效減少人為因素干擾。自然斷點(diǎn)法結(jié)束聚類的條件是組間方差最大、組內(nèi)方差最小。每幅圖根據(jù)數(shù)據(jù)特點(diǎn)自動(dòng)進(jìn)行分類。圖 1 為2015—2018 年全國主要城市關(guān)聯(lián)強(qiáng)度。接近中心性越強(qiáng)的城市對(duì)人口的吸引力越強(qiáng)。本文使用ArcGIS10.2 中的自然斷點(diǎn)法，將 327 個(gè)城市按對(duì)外聯(lián)系強(qiáng)度值劃分為 5 個(gè)梯隊(duì)。2015—2018 年，接近中心性排名前 9 位的城市包括北京、上海、深圳、廣州、重慶、成都、杭州、西安和武漢，這些城市為第 1 梯隊(duì)，是經(jīng)濟(jì)實(shí)力較強(qiáng)的城市，春運(yùn)期間人口流動(dòng)強(qiáng)度較大。它們的鄰居節(jié)點(diǎn)數(shù)量基本覆蓋了整個(gè)城市網(wǎng)絡(luò)，且均具備較大的經(jīng)濟(jì)規(guī)模、便利的交通條件及充足的人力資源。該結(jié)果與向歆等[4]的研究發(fā)現(xiàn)有所不同，原因在于百度遷徙數(shù)據(jù)的缺失，向歆等的研究基于百度遷徙數(shù)據(jù)，但僅選擇了 2015 年和 2019 年的重合城市數(shù)據(jù)。研究結(jié)果中接近中心性排名靠前的城市只有北京、上海、重慶、廣州、深圳和成都。第2 梯隊(duì)是南京、昆明、長沙、鄭州、蘇州、哈爾濱、天津等具有行政地位的省會(huì)城市及中心性優(yōu)勢(shì)較強(qiáng)的城市。這些城市之間的網(wǎng)絡(luò)地位差異較大，行政等級(jí)高的城市人口流入流出能力略高于第 2 梯隊(duì)的其他城市；在時(shí)間尺度方面，第 2 梯隊(duì)的城市聯(lián)系強(qiáng)度在逐漸加大。第 3 梯隊(duì)是內(nèi)江、資陽、湛江、銅仁等三線城市，以西部地區(qū)及經(jīng)濟(jì)較落后城市為主，接近中心性明顯減弱。由此可知，我國經(jīng)濟(jì)發(fā)展空間尺度上失衡，雖在“一帶一路”、“西部建設(shè)”的作用下，經(jīng)濟(jì)平衡發(fā)展取得了一定的成效，但仍需加強(qiáng)西部建設(shè)。

圖1 2015—2018 年全國主要城市聯(lián)系強(qiáng)度空間關(guān)聯(lián)圖Fig. 1 Spatial correlation diagram of national urban connection intensity from 2015 to 2018

由于冬季北方氣候寒冷，越來越多人選擇在熱帶、亞熱帶氣候區(qū)的城市度過春節(jié)。廈門、三亞等城市旅游資源豐富、旅游業(yè)發(fā)達(dá)、環(huán)境優(yōu)美、冬季氣候宜人。所以在春節(jié)期間，與其他旅游城市相比，此類城市人口流動(dòng)聯(lián)系度較高，且隨著經(jīng)濟(jì)發(fā)展，呈逐年增加趨勢(shì)。2015—2018 年，東北三省、貴港、烏魯木齊、青島、太原等城市人口流動(dòng)性持續(xù)減弱，說明這些城市的人口吸引力不足，側(cè)面反映出近年的發(fā)展?fàn)顩r并不樂觀，證實(shí)了在快速城市化影響下，小城市的資源匱乏導(dǎo)致了人口流失。相對(duì)地，吸引力逐漸上升的城市為：佛山、無錫、徐州、嘉興、揚(yáng)州等經(jīng)濟(jì)綜合實(shí)力較強(qiáng)的城市。由上述信息可知，2015—2018 年，以工業(yè)為主的城市發(fā)展速度緩慢，對(duì)人才的吸引能力下降，經(jīng)濟(jì)發(fā)展受到限制，而互聯(lián)網(wǎng)的蓬勃發(fā)展，使一些小城市抓住機(jī)遇，吸引了大量高技術(shù)水平人才，經(jīng)濟(jì)得到了快速發(fā)展。

從路線來看，按照春運(yùn)期間聯(lián)系強(qiáng)度大小排序，2015—2018 年春運(yùn)期間人口流動(dòng)強(qiáng)度排名前 8 位為：佛山到廣州、保定到北京、廊坊到北京、上海到蘇州、西安到咸陽、廣州到東莞、惠州到深圳和東莞到深圳。通過分析流動(dòng)路線可知，2015—2018 年春運(yùn)期間人口省內(nèi)流動(dòng)強(qiáng)度整體大于省際流動(dòng)強(qiáng)度，城市間聯(lián)系緊密的大多為北上廣及東部沿海城市。在這些路線中，福建的廈門、泉州、漳州地區(qū)雖然地理位置較好、經(jīng)濟(jì)發(fā)達(dá)且氣候具有一定的優(yōu)勢(shì)，但未進(jìn)入全國城市人口聯(lián)系強(qiáng)度前 20 名，未能體現(xiàn)其區(qū)域職能及經(jīng)濟(jì)優(yōu)勢(shì)。

3.2 春運(yùn)期間人口流動(dòng)時(shí)序分析

為探究在時(shí)間節(jié)點(diǎn)上全國城市流入流出特征，本文按照除夕前、春節(jié)假期、春節(jié)假期結(jié)束后 3 個(gè)時(shí)段(其中，除夕前為包含除夕夜當(dāng)天的前 15 天；春節(jié)假期為初一到初七共計(jì) 7 天；假期結(jié)束為初八至年后二十五，共計(jì) 18 天，3 個(gè)時(shí)段共計(jì) 40 天)，計(jì)算研究區(qū)內(nèi)各城市的每日凈流量。采用 DBSCAN 聚類方法，對(duì)春節(jié)期間全國范圍內(nèi)各城市逐日人口凈遷移時(shí)間序列進(jìn)行聚類，最終得到聚類數(shù)為 5，得到 2015—2018 年的聚類圖，如圖 2 所示。由圖 2 可知，2015—2018年人口流動(dòng)規(guī)模具有明顯的“潮汐現(xiàn)象”，與劉海洋等[3]的研究結(jié)果一致，但聚類結(jié)果有所差異。通過自然斷點(diǎn)法得到的聚類結(jié)果忽略了城市的空間異質(zhì)性；K-means受聚類過程中的異常值影響較大；而利用 DBSCAN 算法得到的聚類結(jié)果更能識(shí)別城市群之間的流動(dòng)關(guān)系，如京津冀城市群、珠江三角洲城市群等。

由圖 2 可知，全國城市的人口流動(dòng)主要表現(xiàn)為遷入轉(zhuǎn)遷出型、遷出轉(zhuǎn)遷入型。其中，遷入轉(zhuǎn)遷出型集中在中小型城市：衡陽、茂名、贛州、玉林、六安、徐州、保定等城市。這些城市大多位于人口大省和經(jīng)濟(jì)欠發(fā)達(dá)省區(qū)，與劉海洋等[3]描述的春運(yùn)期間人口流出省份一致。遷出轉(zhuǎn)遷入型表現(xiàn)為人口在除夕前從經(jīng)濟(jì)發(fā)達(dá)區(qū)以及省會(huì)城市遷入到中國的中部、西部和東北三省，除夕后再遷回至原來的大城市，如：北京、深圳、上海、烏魯木齊等一線城市和省會(huì)城市。這些城市具有省行政中心、經(jīng)濟(jì)優(yōu)勢(shì)以及良好的交通地理位置優(yōu)勢(shì)。與其他年份不同的是，2018 年遷出轉(zhuǎn)遷入型自春運(yùn)開始持續(xù)至正月初二，可能由于春節(jié)前一部分人未買到返程票或其他因素?zé)o法在除夕夜前返回家鄉(xiāng)?？傮w來看全國人口流動(dòng)的凈流量大致保持平穩(wěn)。

圖2 2015—2018 年全國凈流量圖Fig. 2 National net flow from 2015 to 2018

除夕前，2015 年的人口凈遷移最低點(diǎn)為深圳(713 070 人次)，成為人口凈流量最大的城市，其余 3 年最低點(diǎn)的城市均為成都，人口流出的方向逐漸轉(zhuǎn)向西部區(qū)域，成都的虹吸力顯著增強(qiáng)。除夕前，除 2017 年人口流入最高點(diǎn)是陽江市外，其他年份人口流入最高點(diǎn)均為茂名市，人口流入的城市形成“返工潮”。2015—2018年，人口流入城市逐漸增多，主要為東部的福建、山東、浙江，中部的河南、陜西、山西，北部的黑龍江、吉林，西部的貴州、云南、甘肅等省份。

除夕后，2015—2018 年正月初一開始，北京、成都、鄭州、武漢、西安、上海、長沙、昆明、廈門、蘇州等城市漸漸涌入人口，形成“務(wù)工潮”，原因是為了避免大規(guī)模返工高峰期，大部分人群選擇提前返工，這反映了我國春運(yùn)時(shí)期流動(dòng)人口分布的基本格局和人口遷徙的基本趨勢(shì)。人口流動(dòng)在正月初六出現(xiàn)高峰，但部分人群正月十五后才開始返程，因此，正月十六將再次出現(xiàn)春運(yùn)人口遷徙小高峰。其中，2015—2017 年的人口凈遷移最高點(diǎn)時(shí)間為正月初六，最高點(diǎn)城市均為北京。2018 年，人口凈遷移最高點(diǎn)時(shí)間為正月十六，最高點(diǎn)城市為鄭州，印證了河南省統(tǒng)計(jì)局發(fā)布的 2018 年河南人口發(fā)展報(bào)告：鄭州首次成為常住人口最多的城市[18]。

3.3 重力模型擬合與距離衰減規(guī)律

基于人口流動(dòng)的城市緊密性仍遵循地理空間效應(yīng)的制約，為分析春運(yùn)期間不同時(shí)間段人口流動(dòng)距離衰減特征，本文將 4 年數(shù)據(jù)劃分為除夕前、除夕后 2 個(gè)階段，并利用冪函數(shù)對(duì)重力模型進(jìn)行擬合，具體擬合函數(shù)見表 3。

由表 3 可知，2015—2018 年除夕前，對(duì)內(nèi)和對(duì)外聯(lián)系層面距離衰減系數(shù)β分別為 1.486 和1.774。從吸引力系數(shù)來看，除夕前對(duì)內(nèi)聯(lián)系層面的e和f值為 0.781、0.659，對(duì)外聯(lián)系層面的e和f值為 0.715、0.644。表明隨著距離的增加，城市吸引力在逐漸降低，省內(nèi)城市受到較強(qiáng)的交通流影響，全國省內(nèi)城市展現(xiàn)出較強(qiáng)的外向吸引力。除夕后，對(duì)內(nèi)和對(duì)外聯(lián)系層面距離衰減系數(shù)β分別為 1.402 和 1.599，對(duì)內(nèi)聯(lián)系層面的e和f值為 0.712、0.891，對(duì)外聯(lián)系層面的e和f值為0.782、0.730。除夕前的出行距離均高于除夕后的出行距離，原因是節(jié)前人們“回鄉(xiāng)心切”所致。節(jié)后人口流動(dòng)時(shí)間彈性較大，選擇出行的時(shí)間不局限于春運(yùn)期間。因此，隨著距離衰減系數(shù)的增加，吸引力因子存在較小的偏差浮動(dòng)。

表3 春運(yùn)數(shù)據(jù)擬合Table 3 Spring Festival population mobility data fitting

由重力模型處理的數(shù)據(jù)可知，短距離出行人口集中在南部區(qū)域的廣州、深圳、廈門、漳州、泉州，中國西部的成都周邊和西安、咸陽之間，中部的鄭州、開封、合肥、六安以及東部的蘇州、無錫、杭州、紹興。隨著距離的增加，人口流動(dòng)的強(qiáng)度越來越低，受地理鄰近效應(yīng)影響更加明顯。長距離出行則形成了以京滬為核心的跨區(qū)域組團(tuán)、廣深為核心的區(qū)域組團(tuán)和成渝為核心的跨區(qū)域組團(tuán)。

通過分析人口省際聯(lián)系數(shù)據(jù)，發(fā)現(xiàn)一些偏遠(yuǎn)城市開始與大城市進(jìn)行流動(dòng)性互動(dòng)，如西部貴州省的銅仁與重慶、中部的濟(jì)寧和北京建立聯(lián)系等。盡管上述城市之間的聯(lián)系偏弱，但是長距離的互動(dòng)打破了城市之間的距離制約，使得中國城市間網(wǎng)絡(luò)結(jié)構(gòu)表現(xiàn)出更強(qiáng)的空間自主性和網(wǎng)絡(luò)交互性。

4 結(jié)論與討論

4.1 結(jié)論

“騰訊遷徙”大數(shù)據(jù)基于位置服務(wù)，全程、實(shí)時(shí)、直觀地表達(dá)了城市之間的人口流動(dòng)軌跡。本研究利用騰訊遷徙數(shù)據(jù)，分析了我國城市間人口流動(dòng)空間布局。首先，通過不同時(shí)間的人口流動(dòng)模式差異，構(gòu)建了城市聯(lián)系網(wǎng)絡(luò)，在此基礎(chǔ)上，對(duì)城市間動(dòng)態(tài)關(guān)聯(lián)關(guān)系進(jìn)行分析，較為全面地反映了我國春運(yùn)期間人口流動(dòng)情況，并在一定程度上彌補(bǔ)了統(tǒng)計(jì)數(shù)據(jù)無法反映人口動(dòng)態(tài)變化的不足。然后，基于人口遷徙凈流量數(shù)據(jù)，本研究探究了春運(yùn)期間人口遷入和遷出城市的時(shí)空分布規(guī)律。主要結(jié)論如下：(1)從聯(lián)系強(qiáng)度來看：全國城市網(wǎng)絡(luò)呈現(xiàn)穩(wěn)定的“菱形”結(jié)構(gòu)，鄰近省份之間形成組團(tuán)模式，呈現(xiàn)出東強(qiáng)西弱的聯(lián)系強(qiáng)度差異。聯(lián)系強(qiáng)度大的城市關(guān)聯(lián)節(jié)點(diǎn)較多，北京、上海、深圳、廣州、重慶、成都、杭州、西安、武漢等城市具有較強(qiáng)的聯(lián)系強(qiáng)度；而沈陽、貴港、烏魯木齊、青島、太原等城市出現(xiàn)人口聯(lián)系強(qiáng)度衰減的現(xiàn)象。除“菱形”結(jié)構(gòu)外，西北部和東北部的城市中轉(zhuǎn)和承接能力具有強(qiáng)大優(yōu)勢(shì)。(2)從凈遷移視角來看：除夕前，人口主要從一線城市及省會(huì)城市流出，流入城市主要為經(jīng)濟(jì)不發(fā)達(dá)的中小城市，表明一線城市為主要的勞動(dòng)力輸入型，而三線城市及三線城市以下為勞動(dòng)力輸出型城市。春節(jié)假期后，城市輸入輸出表現(xiàn)相反，返工城市多為經(jīng)濟(jì)發(fā)達(dá)及沿海的大城市。春節(jié)假期期間，大城市人流量最高是在正月初六，之后這些城市人口流動(dòng)呈現(xiàn)下降趨勢(shì)，總體人口流進(jìn)大于流出，直到正月十六突然上升，然后慢慢開始下降。(3)通過重力模型分析發(fā)現(xiàn)，2015—2018年省內(nèi)流動(dòng)性大于省外流動(dòng)性，距離衰減效應(yīng)明顯，人員流動(dòng)主要發(fā)生在省內(nèi)城市之間。

4.2 討論

春節(jié)對(duì)國人的特殊意義與情感價(jià)值造就了全國最大規(guī)模的人口流動(dòng)。本文通過采集2015—2018 年春運(yùn)期間，“騰訊遷徙”大數(shù)據(jù)平臺(tái)中國內(nèi) 327 個(gè)城市之間的逐日人口流動(dòng)數(shù)據(jù)，從長時(shí)序、多空間尺度的角度，充分研究了春運(yùn)期間的人口流動(dòng)特征。研究發(fā)現(xiàn) DBSCAN 算法可以更精準(zhǔn)地識(shí)別城市群，并通過該算法得出的人口流動(dòng)類型與對(duì)應(yīng)年份中國的發(fā)展情況相吻合。但本文尚存有不足：(1)受數(shù)據(jù)限制，在分析城市間人口流動(dòng)時(shí)，本文存在精度不足、覆蓋人口有偏和數(shù)據(jù)不連續(xù)等缺陷，雖然騰訊產(chǎn)品用戶廣泛，但仍有大量群體的日常流動(dòng)行為未被記錄；(2)通過與多源數(shù)據(jù)的融合，可有效改善單一數(shù)據(jù)有偏和低精度的問題，但為保護(hù)隱私，騰訊數(shù)據(jù)的屬性信息并未公開，仍有大量出行路徑無法被拆解，不能完整識(shí)別用戶的出行。

在今后的研究中，可結(jié)合多源數(shù)據(jù)，進(jìn)一步完善航運(yùn)、私家車等出行方式的人口流動(dòng)信息；還可從多個(gè)角度出發(fā)，識(shí)別精細(xì)尺度的城市結(jié)構(gòu)體系，了解城市網(wǎng)絡(luò)的內(nèi)在聯(lián)系，深入研究中國城市網(wǎng)絡(luò)的變化機(jī)制。