劉富勤 朱永興

［收稿日期］2022-1108

［基金項(xiàng)目］湖北省教研項(xiàng)目（2020464）

［第一作者］劉富勤（1971年-），女，河南信陽(yáng)人，湖北工業(yè)大學(xué)副教授，研究方向?yàn)楣こ坦芾?/p>

［通信作者］朱永興（1994年-），男，山東新泰人，湖北工業(yè)大學(xué)碩士研究生，研究方向?yàn)楣こ坦芾?/p>

［文章編號(hào)］1003-4684（2023）02-0084-07

［摘要］合理有序的空間結(jié)構(gòu)為城市群協(xié)調(diào)發(fā)展提供依據(jù)，對(duì)空間聯(lián)系強(qiáng)度和網(wǎng)絡(luò)特征的分析，可以為城市發(fā)展提供借鑒。以江浙滬地區(qū)25個(gè)城市為例，利用熵值TOPSIS改進(jìn)空間引力模型，對(duì)城市之間的空間聯(lián)系強(qiáng)度進(jìn)行計(jì)算，繪制空間聯(lián)系網(wǎng)絡(luò)圖，并對(duì)結(jié)果進(jìn)行社會(huì)網(wǎng)絡(luò)分析，為城市群空間結(jié)構(gòu)優(yōu)化提供建議。研究表明：空間聯(lián)系強(qiáng)度方面，江浙滬地區(qū)城市群，集中在上海、蘇州、無(wú)錫和常州，呈現(xiàn)由中部向北部和南部，東部向西部遞減的趨勢(shì)。核心邊緣結(jié)構(gòu)和凝聚子群分析中，城市群圈層結(jié)構(gòu)明顯，空間穩(wěn)定性較好。核心圈層內(nèi)城市掌握較多資源，整個(gè)城市群可分為三個(gè)圈層和四個(gè)凝聚子群。對(duì)此，文章針對(duì)每個(gè)城市子群提出具體建議。

［關(guān)鍵詞］江浙滬城市群； 熵值TOPSIS； 空間結(jié)構(gòu)； 社會(huì)網(wǎng)絡(luò)分析

［中圖分類號(hào)］F293? ［文獻(xiàn)標(biāo)識(shí)碼］A

城市群是指在一定地域空間內(nèi)，以一個(gè)特大城市為核心，不同等級(jí)，規(guī)模和性質(zhì)的大中小城市，以發(fā)達(dá)的交通網(wǎng)絡(luò)為依托，吸引和輻射周邊區(qū)域，共同構(gòu)成相互作用、相互聚集的集合體。空間結(jié)構(gòu)反映了一個(gè)城市群的綜合發(fā)展水平和群內(nèi)各城市經(jīng)濟(jì)、社會(huì)等要素的相互聯(lián)系，可以用來(lái)衡量城市群的競(jìng)爭(zhēng)力。城市群空間結(jié)構(gòu)優(yōu)化，是指從空間視角，在空間發(fā)展的現(xiàn)狀基礎(chǔ)之上，分析城市空間發(fā)展的局限性與潛力，提出城市空間未來(lái)的發(fā)展趨勢(shì)和總體架構(gòu)[1]，是城市體系研究的重要內(nèi)容之一。對(duì)城市群空間網(wǎng)絡(luò)的研究，可追溯到Friedman對(duì)城市等級(jí)體系的研究[2]。目前，對(duì)城市群空間結(jié)構(gòu)的研究主要有四個(gè)方面：一是城市群空間結(jié)構(gòu)的形成原因和機(jī)理，白永亮（2014）從經(jīng)濟(jì)距離、質(zhì)量和引力三個(gè)方面探尋長(zhǎng)江中游城市群內(nèi)部聚集的機(jī)理[3]。張祥?。?003）通過(guò)對(duì)長(zhǎng)江三角洲城市群產(chǎn)業(yè)機(jī)理研究，發(fā)現(xiàn)城市群驅(qū)動(dòng)力是產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)，產(chǎn)業(yè)轉(zhuǎn)移效應(yīng)和產(chǎn)業(yè)聚集效應(yīng)[4]；二是對(duì)空間結(jié)構(gòu)特征的研究。李金峰（2019）剖析了中原城市群物流業(yè)發(fā)展空間演變特征，認(rèn)為整體聯(lián)系強(qiáng)度明顯增強(qiáng)，聯(lián)系總量差距大且聯(lián)系不平衡[5]。武前波（2021）對(duì)浙江省19家銀行構(gòu)成的金融網(wǎng)絡(luò)空間的結(jié)構(gòu)特征進(jìn)行分析[6]；三是對(duì)城市空間結(jié)構(gòu)優(yōu)化的探討，鐘業(yè)喜（2020）通過(guò)對(duì)長(zhǎng)江中游城市群空間結(jié)構(gòu)比較分析，發(fā)現(xiàn)武漢城市圈緊湊度和可達(dá)性最好，并提出城市梯度建設(shè)的建議[7]。程欽良（2020）發(fā)現(xiàn)蘭西城市群網(wǎng)絡(luò)結(jié)構(gòu)單一，城市間的聯(lián)系依賴于行政區(qū)劃分[8]；四是城市群空間結(jié)構(gòu)測(cè)度和影響，Zhou和Gao（2020）探究不同時(shí)期交通對(duì)于東京城市群空間聯(lián)系強(qiáng)度的影響[9]。Jia和Tang（2019）探究基礎(chǔ)設(shè)施投資變化對(duì)城市群連接強(qiáng)度的影響，并對(duì)山東半島、四川城市群和長(zhǎng)三角、珠三角城市群進(jìn)行研究[10]。

近些年，在社會(huì)學(xué)領(lǐng)域里的社會(huì)網(wǎng)絡(luò)分析被廣泛應(yīng)用于城市群空間結(jié)構(gòu)特征分析。社會(huì)網(wǎng)絡(luò)分析是從“關(guān)系”出發(fā)，刻畫(huà)網(wǎng)絡(luò)的整體形態(tài)、特征和結(jié)構(gòu)的重要方法。

已有的研究已經(jīng)從不同角度對(duì)城市群空間結(jié)構(gòu)進(jìn)行分析，但在研究方法上仍然有進(jìn)一步改進(jìn)的空間。在研究?jī)?nèi)容方面，多集中在城市群層次結(jié)構(gòu)劃分，對(duì)層次內(nèi)各城市空間聯(lián)系研究較少。此外，隨著城市的發(fā)展，引力模型中GDP和人口的數(shù)據(jù)并不能全面反映一個(gè)城市的綜合發(fā)展，本研究采用社會(huì)網(wǎng)絡(luò)分析，基于交通時(shí)間、成本等數(shù)據(jù)，對(duì)江浙滬地區(qū)25個(gè)城市進(jìn)行空間聯(lián)系強(qiáng)度、中心性、核心邊緣結(jié)構(gòu)和凝聚子群分析。在已有研究的基礎(chǔ)上，本文希望從以下幾個(gè)方面做出進(jìn)一步貢獻(xiàn)，對(duì)傳統(tǒng)的引力模型參數(shù)做出調(diào)整，選取GDP、社會(huì)消費(fèi)品零售總額等8個(gè)指標(biāo)，利用熵值TOPSIS確定城市綜合系數(shù)。利用鐵路運(yùn)輸時(shí)間和成本來(lái)確定兩地之間的距離，以此作為社會(huì)網(wǎng)絡(luò)分析的基礎(chǔ)數(shù)據(jù)。其次，通過(guò)中心性，核心邊緣結(jié)構(gòu)和凝聚子群等指標(biāo)，探尋城市間空間聯(lián)系特征，為城市研究提供依據(jù)和參考。

1??? 數(shù)據(jù)來(lái)源和研究方法

1.1??? 城市群背景

國(guó)務(wù)院發(fā)展研究中心《地區(qū)協(xié)調(diào)發(fā)展的戰(zhàn)略和政策》報(bào)告中提出劃分八大經(jīng)濟(jì)區(qū)[11]，其中東部沿海經(jīng)濟(jì)區(qū)：包括上海、江蘇和浙江三省市。要建設(shè)成為具有國(guó)際影響力的世界性金融中心，全國(guó)最具影響力的多功能的制造業(yè)中心，特別是輕工業(yè)裝備產(chǎn)品制造中心，以及高新技術(shù)研發(fā)和制造中心，江浙滬三地GDP已超萬(wàn)億，地區(qū)人均GDP已接近發(fā)達(dá)國(guó)家水平。選擇江浙滬地區(qū)城市群作為研究對(duì)象原因?yàn)椋航銣貐^(qū)城市群空間結(jié)構(gòu)層次明顯。城市群包括上海一個(gè)特大城市，蘇州、杭州、南京等大城市，徐州、溫州等中型城市，還有一些規(guī)模比較小的城市，城市等級(jí)、規(guī)模分明。在承接產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)移，人口、經(jīng)濟(jì)要素互聯(lián)互通方面有很大優(yōu)勢(shì)。以此為研究對(duì)象更容易體現(xiàn)城市群空間結(jié)構(gòu)變化特征。

1.2??? 數(shù)據(jù)來(lái)源

本文研究分析了江浙滬地區(qū)25個(gè)城市2019年的數(shù)據(jù)，衡量各個(gè)城市綜合素質(zhì)的相關(guān)數(shù)據(jù)來(lái)自于浙江省、江蘇省和上海市2020年各地市統(tǒng)計(jì)年鑒。

城市之間的時(shí)間和地理距離基于以下幾種原則：1）鑒于目前遠(yuǎn)距離運(yùn)輸以鐵路為主且優(yōu)勢(shì)明顯，對(duì)于有直達(dá)鐵路客運(yùn)站的城市，費(fèi)用和時(shí)間通過(guò)訪問(wèn)https：∥www.12306.cn/index/確定。2）對(duì)于沒(méi)有鐵路客運(yùn)站直達(dá)的城市，采用鐵路中轉(zhuǎn)的方案，換乘的時(shí)間也被計(jì)算在內(nèi)3）對(duì)于沒(méi)有鐵路客運(yùn)站的城市，比如舟山市，采用鐵路+公路的方式，通過(guò)訪問(wèn)https：∥bus.ly.com/來(lái)確定客車(chē)最佳運(yùn)輸距離。

1.3??? 研究方法

1.3.1??? 引力模型的建立空間引力模型是根據(jù)萬(wàn)有引力定律和距離衰減原理構(gòu)造出來(lái)的，傳統(tǒng)的引力模型的原理是兩個(gè)物體之間的空間聯(lián)系強(qiáng)度與兩物體質(zhì)量成正比，與距離成反比。如今，已被廣泛應(yīng)用在研究空間聯(lián)系強(qiáng)度、生態(tài)環(huán)境、基礎(chǔ)設(shè)施等領(lǐng)域[12-14]。本文對(duì)傳統(tǒng)引力模型參數(shù)進(jìn)行調(diào)整，建立調(diào)整后的空間引力模型，修正后的模型用于城市間空間聯(lián)系強(qiáng)度的量化，并作為社會(huì)網(wǎng)絡(luò)分析的基礎(chǔ)數(shù)據(jù)。

傳統(tǒng)空間引力模型里的質(zhì)量參數(shù)，通常用GDP和人口來(lái)表示，但隨著經(jīng)濟(jì)的發(fā)展，已經(jīng)不能表達(dá)一個(gè)城市的綜合發(fā)展，因此本文采用GDP、進(jìn)出口總額、實(shí)際利用外資等8個(gè)指標(biāo)，來(lái)衡量城市的綜合素質(zhì)。傳統(tǒng)的引力模型里的城市直線距離，現(xiàn)如今更多用兩地交通時(shí)間和交通成本來(lái)表示。這樣會(huì)更客觀，更全面反應(yīng)兩個(gè)城市之間的聯(lián)系強(qiáng)度。調(diào)整空間引力模型過(guò)程如下：

Fij=kMiMjDαij（1）

其中：Fij表示城市i與j的空間聯(lián)系強(qiáng)度，Mi和Mj表示為城市i和城市j的綜合素質(zhì)系數(shù)。Dij是城市i和城市j之間的距離。k是引力常數(shù)，通常為1，而α是摩擦距離，通常為2[15]。

隨著市場(chǎng)經(jīng)濟(jì)的日趨發(fā)達(dá)，城市間的距離不再用直線距離來(lái)表示，而是考慮運(yùn)輸距離，兩地間的要素流動(dòng)主要因素是交通運(yùn)輸?shù)臅r(shí)間與費(fèi)用，因此兩地之間的空間距離可以轉(zhuǎn)化為交通運(yùn)輸?shù)臅r(shí)間與費(fèi)用的組合[16]。城市i與城市j兩地之間的距離可以用下列公式來(lái)表示：

Dij=CijTij（2）

因此，上述公式（1）可表示為：

Fij=MiMjCijTij（3）

對(duì)于城市綜合素質(zhì)M，本文在現(xiàn)有研究的基礎(chǔ)上，采用熵值TOPSIS，選取8個(gè)指標(biāo)（表1），得出每個(gè)城市的綜合素質(zhì)。步驟如下，基于25個(gè)城市，8個(gè)指標(biāo)，構(gòu)造了一個(gè)25×8的矩陣。設(shè)決策矩陣為X=（xib）25*8，其中xib為i市在指標(biāo)b下的指標(biāo)值。

第一步是構(gòu)造初始決策矩陣X

yib=xib∑25i=1xib（4）

第二步，計(jì)算各指標(biāo)的熵eb和權(quán)重值wb

Pib=yib∑25i=1yib（5）

eb=－1lnn∑ni=1Pib·lnPib（6）

wb=（1-eb）∑nb=1（1－eb）（7）

第三步構(gòu)造賦權(quán)后的矩陣并計(jì)算正理想解和負(fù)理想解

Z=（zib）25×8，zib=wb×yib（8）

A+=（z+1，z+2，…，z+n）（9）

A-=（z-1，z-2，…，z-n）（10）

第四步，計(jì)算歐氏距離

d+i=zi－A+=∑nb=1（zib－z+b）2（11）

d－i=zi－A－=∑nb=1（zib－z－b）2（12）

最后一步，計(jì)算每個(gè)城市的綜合素質(zhì)

Mi=d－id－i+d+i（13）

城市之間的聯(lián)系強(qiáng)度是有方向的，既可以是單向也可以是雙向。根據(jù)公式（3）來(lái)衡量每一個(gè)城市對(duì)外的影響，和其他的城市對(duì)其自身的影響，為社會(huì)網(wǎng)絡(luò)分析奠定基礎(chǔ)。城市之間的空間聯(lián)系強(qiáng)度計(jì)算公式如下：

Ri→j=MiMi+Mj×MiMjCijTij；

Rj→i=MjMi+Mj×MiMjCijTij（14）

Pi=∑jRi→j=∑jMiMi+Mj×MiMjCijTij;

Ni=∑jRj→i=∑jMjMi+Mj×MiMjCijTij（15）

上述公式中，Ri→j衡量的是城市i對(duì)城市j的影響，同樣，Rj→i衡量的是城市j對(duì)城市i的影響，Pi衡量的是城市i對(duì)網(wǎng)絡(luò)中其他城市的累計(jì)影響力，而Ni衡量的是網(wǎng)絡(luò)中其他城市對(duì)城市i的累計(jì)影響力。

1.3.2??? 社會(huì)網(wǎng)絡(luò)分析社會(huì)網(wǎng)絡(luò)分析是發(fā)現(xiàn)并且利用社會(huì)網(wǎng)絡(luò)中最重要的特征和關(guān)系，以及這些關(guān)系如何代表信息在網(wǎng)絡(luò)中的流動(dòng)[22]。它具有分析單個(gè)網(wǎng)絡(luò)和整體網(wǎng)絡(luò)特征的功能。近年來(lái)，不僅僅局限于分析人與人構(gòu)成的網(wǎng)絡(luò)，還廣泛應(yīng)用在了城市群空間結(jié)構(gòu)、產(chǎn)業(yè)研究、政府政策、國(guó)際商務(wù)貿(mào)易等研究領(lǐng)域[22-23]。社會(huì)網(wǎng)絡(luò)分析通常用UCINET軟件進(jìn)行，用于計(jì)算和分析中心性，凝聚子群等網(wǎng)絡(luò)指標(biāo)，并利用netdraw繪制空間連接圖。本文通過(guò)對(duì)江浙滬地區(qū)城市群的城市連接強(qiáng)度數(shù)據(jù)進(jìn)行分析，從中心性、核心邊緣結(jié)構(gòu)和凝聚子群等指標(biāo)入手，深入分析江浙滬地區(qū)城市群空間結(jié)構(gòu)特征。

2??? 結(jié)果與分析

2.1??? 江浙滬地區(qū)城市群空間連接強(qiáng)度特征

2.1.1??? 城市特征通過(guò)基于熵值TOPSIS，以及上述公式，確定了江浙滬城市群25個(gè)城市的綜合素質(zhì)Mi，城市對(duì)外影響力總和Pi，外部對(duì)其城市的影響綜合Ni，城市綜合聯(lián)系強(qiáng)度Pi+Ni，對(duì)外影響與外部對(duì)其影響之差Pi-Ni，如表2所示。

1）城市群綜合發(fā)展水平呈階梯狀分布

由表2可以看出，各城市之間綜合發(fā)展水平差異較大，但總體來(lái)看呈現(xiàn)階梯型分布，上海市一家獨(dú)大，各方面均全面領(lǐng)先于其他城市。據(jù)Mi，可把江浙滬城市群大體分為四個(gè)層次：（a）上海一家特大型城市；（b）蘇州、杭州、南京三個(gè)大型城市；（c） 寧波，無(wú)錫，嘉興，南通，徐州，溫州，常州等中等城市;（d）紹興、臺(tái)州、鹽城等剩下的14座小型城市。

2）城市群有影響力的城市較多

在城市連接強(qiáng)度的網(wǎng)絡(luò)里，一個(gè)城市的地位可以由對(duì)外的影響減去外部對(duì)其本身的影響力來(lái)表示，即Pi-Ni。當(dāng)Pi-Ni的值為正時(shí)，表明該城市在城市群中比較發(fā)達(dá)，其值越高，在城市群中的地位越高，外部影響力越強(qiáng)。當(dāng)Pi-Ni為負(fù)值的時(shí)候，表示這座城市受其他城市的輻射能力超過(guò)自身對(duì)外部的影響。由表2可知，上海，蘇州，杭州，南京外部的影響力超過(guò)了外界對(duì)其本身的影響力，其他城市均為負(fù)值。即上海，蘇州，杭州和南京具有較強(qiáng)的對(duì)外輻射和影響力，可以認(rèn)為是城市群內(nèi)的輻射源點(diǎn)。其他城市則對(duì)上述城市的依賴程度較高。

3）城市的空間聯(lián)系強(qiáng)度受交通時(shí)間和交通成本影響較大

Pi+Ni可以反應(yīng)一個(gè)城市在空間連接強(qiáng)度網(wǎng)絡(luò)中整體的參與程度。從表2看出，城市的Pi+Ni大體上與城市綜合素質(zhì)呈相關(guān)關(guān)系，即城市的綜合素質(zhì)越高，其空間聯(lián)系強(qiáng)度也就越好，但是受鐵路交通時(shí)間和成本影響較大。如圖1所示，蘇州、無(wú)錫、嘉興、常州雖然城市綜合素質(zhì)位列第二，第六、第七和第十一，但空間聯(lián)系強(qiáng)度突出，分析其空間可達(dá)性較好，空間聯(lián)系強(qiáng)度與綜合素質(zhì)并無(wú)絕對(duì)的因果關(guān)系。其地理位置在整個(gè)網(wǎng)絡(luò)的中央，對(duì)外部城市交通時(shí)間和交通成本最優(yōu)，故在空間聯(lián)系強(qiáng)度方面有較大優(yōu)勢(shì)。同時(shí)、無(wú)錫、嘉興和常州在位置上與上海、蘇州核心城市緊密相鄰，極有可能受到核心城市輻射的影響，也說(shuō)明上海，蘇州這兩個(gè)核心城市對(duì)外輻射的效應(yīng)明顯。

2.1.2??? 城市空間聯(lián)系強(qiáng)度特征公式（3）可計(jì)算出城市之間空間聯(lián)系的矩陣，導(dǎo)入ucinet軟件計(jì)算，通過(guò)netdraw進(jìn)行可視化。如圖2所示，城市之間的連接強(qiáng)度，通過(guò)線的寬度以及顏色來(lái)反映?？梢钥闯龈鞒鞘兄g的聯(lián)系強(qiáng)度存在很大差異，聯(lián)系強(qiáng)度集中于上海、蘇州、無(wú)錫和常州之間，同時(shí)南京和鎮(zhèn)江之間的聯(lián)系也很強(qiáng)烈。但是南京和鎮(zhèn)江與上述城市之間聯(lián)系并不強(qiáng)烈。紹興、杭州、泰州、揚(yáng)州、南通五個(gè)城市之間的聯(lián)系強(qiáng)度屬于第二梯隊(duì)。其他城市之間的聯(lián)系強(qiáng)度還要再弱一些。

2.2??? 江浙滬地區(qū)城市群空間結(jié)構(gòu)

2.2.1??? 中心性分析通過(guò)網(wǎng)絡(luò)中心性指標(biāo)，可以識(shí)別出網(wǎng)絡(luò)中實(shí)力更強(qiáng)的城市，即可以對(duì)資源和信息有更多控制力和影響力的城市。中心性分析可以通過(guò)度數(shù)中心度來(lái)表示，即與該點(diǎn)直接相連的其他點(diǎn)的個(gè)數(shù)?；诔鞘新?lián)系強(qiáng)度矩陣，得到每個(gè)城市的度數(shù)中心度如表3所示。在度數(shù)中心度方面，無(wú)錫、蘇州、上海、常州、南京、鎮(zhèn)江、揚(yáng)州的中心度在整個(gè)網(wǎng)絡(luò)中比較高，表明這幾個(gè)城市在城市群中的地位最高，與之相連接的城市最多，對(duì)資源和信息有更多的控制力，對(duì)其他城市有更大的影響力。

由表3可知，上海的綜合素質(zhì)最高，但是度數(shù)中心度稍遜于無(wú)錫和蘇州，因?yàn)闊o(wú)錫和蘇州在空間地理位置更占優(yōu)勢(shì)，處于整個(gè)網(wǎng)絡(luò)的中心地帶，到達(dá)各個(gè)城市的成本和時(shí)間最優(yōu)。無(wú)錫在綜合素質(zhì)方面并不是最高，但度數(shù)中心度位列第一，且在城市群空間聯(lián)系強(qiáng)度位列第三，因?yàn)檫@幾年高鐵線路的開(kāi)通，給無(wú)錫帶來(lái)了鐵路交通的優(yōu)勢(shì)?？s短了到達(dá)各個(gè)城市的時(shí)間，使無(wú)錫在城市群中影響力和實(shí)力不斷增加。

2.2.2??? 核心邊緣結(jié)構(gòu)分析利用社會(huì)網(wǎng)絡(luò)中的核心邊緣結(jié)構(gòu)分析，可以進(jìn)一步弄清楚江浙滬地區(qū)城市群的層次結(jié)構(gòu)。設(shè)定核心至外圍連接的期望密度為0.2，江浙滬地區(qū)城市群核心邊緣結(jié)構(gòu)構(gòu)成如表4所示。

表4??? 核心邊緣城市核心上海，蘇州，無(wú)錫，常州

邊緣南京，鎮(zhèn)江，南通，揚(yáng)州，泰州，淮安，鹽城，徐州，宿遷，連云港，杭州，寧波，紹興，嘉興，湖州，溫州，金華，臺(tái)州，衢州，麗水，舟山

核心層里面的城市包括：上海，蘇州，無(wú)錫和常州，與上文中度數(shù)中心度前幾名一致。利用ucinet核心邊緣結(jié)構(gòu)模型，選擇CORR算法計(jì)算各個(gè)城市的核心度數(shù)，核心度數(shù)的排序結(jié)果如表5所示。

核心邊緣結(jié)構(gòu)的分析結(jié)果中，前幾名基本與度數(shù)中心度結(jié)果一致，但杭州的核心程度數(shù)較度數(shù)中心度有所下降，表明在鐵路系統(tǒng)的影響下，雖然有很多城市與之相連，但是對(duì)于杭州在整個(gè)網(wǎng)絡(luò)中的影響力是下降的，即受到別的城市影響更多。如果將邊緣城市進(jìn)一步分類，核心度選為0.01，可分為三個(gè)圈層，核心層以上海為中心包含無(wú)錫，蘇州，常州。第二圈層以南京為中心的南京，鎮(zhèn)江，嘉興，揚(yáng)州。第三圈層以杭州為中心，杭州，徐州，金華，衢州，寧波，湖州。

2.2.3??? 凝聚子群分析一般的網(wǎng)絡(luò)都會(huì)由若干個(gè)團(tuán)體結(jié)構(gòu)組成。每個(gè)團(tuán)體又是由若干個(gè)個(gè)體組成，團(tuán)體間和團(tuán)體內(nèi)又存在著若干的特征。研究一個(gè)網(wǎng)絡(luò)內(nèi)團(tuán)體結(jié)構(gòu)的構(gòu)成和特征，可以進(jìn)一步把握網(wǎng)絡(luò)的整體結(jié)構(gòu)。通過(guò)凝聚子群分析可以發(fā)現(xiàn)，關(guān)系相對(duì)密集、聯(lián)系相對(duì)較強(qiáng)的城市團(tuán)體，這種聯(lián)系更側(cè)重于經(jīng)濟(jì)活動(dòng)上的直接的，積極的、經(jīng)常性的、緊密的聯(lián)系。相反如果團(tuán)體內(nèi)部的聯(lián)系交流過(guò)多，大于與團(tuán)體之外的城市交流，對(duì)于整體網(wǎng)絡(luò)結(jié)構(gòu)的均衡發(fā)展是不利的。分析凝聚子群的方法有很多：n-派系、n-宗派、k-叢、k-核等，但是上述這些方法不能有效的量化網(wǎng)絡(luò)團(tuán)體內(nèi)，網(wǎng)絡(luò)團(tuán)體間的交流程度[24]。本文采用迭代相關(guān)收斂法CONCER進(jìn)行非重疊性聚類分析，將城市群空間關(guān)聯(lián)網(wǎng)絡(luò)分為4個(gè)凝聚子群（圖3）以及子群間聯(lián)系密度矩陣（表6），分別為以上海為中心包括蘇州、無(wú)錫的城市子群Ⅰ，以杭州為中心的南部12個(gè)城市子群Ⅱ，以南京為中心及其周邊揚(yáng)州、常州、鎮(zhèn)江和泰州城市子群Ⅲ，最后是以徐州為主分布在北部的城市子群Ⅳ。

通過(guò)對(duì)凝聚子群分析（圖3）和凝聚子群聯(lián)系密度（表6）可以發(fā)現(xiàn)：

1）從內(nèi)部來(lái)看，以上海和蘇州為中心的凝聚子群Ⅰ密度最高，子群內(nèi)城市聯(lián)系更加緊密，結(jié)合前面分析，上海和蘇州作為核心城市，自身實(shí)力和對(duì)外輻射較強(qiáng)，與之聯(lián)系最密切的無(wú)錫受影響最大，與前面Ni數(shù)值結(jié)論一致。從省級(jí)范圍來(lái)看，浙江省二級(jí)城市就一個(gè)子群Ⅱ，江蘇省分成了兩個(gè)子群，反映了江蘇省省內(nèi)經(jīng)濟(jì)發(fā)展不平衡，南北差異大。原因?yàn)樘K州南部更靠近上海等發(fā)達(dá)城市，地理位置上占優(yōu)，其次蘇州南部鐵路線更密集，城市與城市之間溝通更便捷。

2）以杭州為中心的凝聚子群Ⅱ，因?yàn)榫嚯x整個(gè)網(wǎng)絡(luò)中心較遠(yuǎn)，其鐵路運(yùn)輸時(shí)間和成本都很高，因此與其他城市子群的聯(lián)系都很弱，此外，舟山市是一個(gè)島嶼，與其他城市之間并無(wú)鐵路直達(dá)。子群Ⅱ內(nèi)部其他城市無(wú)論是綜合素質(zhì)還是中心性排名都不是很高，對(duì)于整個(gè)城市群資源控制力偏弱。

3）凝聚子群Ⅳ，地理位置處于江浙滬地區(qū)的北部，互相之間以及與其他城市之間鐵路網(wǎng)絡(luò)并不發(fā)達(dá)，子群內(nèi)城市經(jīng)濟(jì)偏弱，因此處于整個(gè)網(wǎng)絡(luò)的邊緣地帶。

核心邊緣結(jié)構(gòu)分析旨在識(shí)別核心層和外圍層的城市。相比之下，凝聚子群分析是通過(guò)連通性將城市劃分為各個(gè)子群，無(wú)法識(shí)別城市是在核心層還是外圍層，凝聚子群分析可以作為核心外圍結(jié)構(gòu)分析的補(bǔ)充。常州與上海、無(wú)錫、蘇州都在京滬高鐵線上，同時(shí)受三個(gè)城市輻射帶動(dòng)較強(qiáng)，核心度數(shù)較高。因此上海、無(wú)錫和蘇州被劃分為核心層卻與南京處于同一凝聚子群，這反應(yīng)了蘇南地區(qū)交通基礎(chǔ)設(shè)施的發(fā)達(dá)程度足以滿足跨區(qū)域互動(dòng)的需求。

3??? 結(jié)論與建議

基于改進(jìn)的空間引力模型和社會(huì)網(wǎng)絡(luò)分析，量化各個(gè)城市的空間聯(lián)系強(qiáng)度和網(wǎng)絡(luò)分析的各項(xiàng)指標(biāo)。研究表明江浙滬城市群空間聯(lián)系強(qiáng)度圍繞著上海和蘇州等核心城市向外輻射，由中部向北部和南部遞減，東部向西部遞減。各等級(jí)城市鮮明，有利于城市群產(chǎn)業(yè)轉(zhuǎn)移和協(xié)調(diào)發(fā)展，因此城市群穩(wěn)定性較好。空間結(jié)構(gòu)方面，無(wú)錫，蘇州和上海中心度最高，處于空間結(jié)構(gòu)的核心，占據(jù)網(wǎng)絡(luò)資源的主導(dǎo)地位。整個(gè)城市群可分為三個(gè)圈層和四個(gè)凝聚子群。

根據(jù)以上結(jié)論，對(duì)江浙滬地區(qū)城市群空間結(jié)構(gòu)提出如下建議：

1）在上述核心邊緣結(jié)構(gòu)分析中，可根據(jù)核心度數(shù)分為三個(gè)圈層。核心圈層里發(fā)達(dá)城市的虹吸效應(yīng)，會(huì)自然地吸引資本和人口，拉大圈層之間城市的發(fā)展水平。因此，在核心城市和邊緣城市之間培育“橋梁”城市至關(guān)重要，結(jié)合上述城市空間聯(lián)系強(qiáng)度和子群聯(lián)系密度矩陣結(jié)果，第二圈層中，南京與核心層聯(lián)系緊密且綜合素質(zhì)較高，可作為核心層與第二圈層聯(lián)系城市。第三圈層杭州受北部核心城市輻射較強(qiáng)，且與南京等城市聯(lián)系密切?？勺鳛榕c核心圈層和第二圈層溝通的“橋梁”城市。

2）根據(jù)凝聚子群的分析結(jié)果。首先，上海作為特大型城市，不可避免的遇到人口擁擠、住房短缺等大城市發(fā)展問(wèn)題。無(wú)錫與上海處于同一子群，可利用交通和地理位置的優(yōu)勢(shì)，承接上海的部分功能和產(chǎn)業(yè)。浙江省南部子群Ⅱ除杭州外，其他城市綜合實(shí)力并不高，建議加快培育影響力較大的城市。此外，舟山市因地理位置是島嶼，在交通方面處于劣勢(shì)，應(yīng)注意公路等其他交通運(yùn)輸方式的重要性。

3）以徐州為中心的蘇北城市子群Ⅳ，處于江浙滬地區(qū)城市群的邊緣地帶，遠(yuǎn)離核心城市，對(duì)城市群的資源控制能力并不高。建議要發(fā)掘自身優(yōu)勢(shì)，加強(qiáng)群內(nèi)一體化，如徐州應(yīng)加快產(chǎn)業(yè)升級(jí)，不要過(guò)分倚重礦產(chǎn)資源，連云港要充分利用省內(nèi)唯一天然海港的優(yōu)勢(shì)。

［參考文獻(xiàn)］

［1］楊迅周， 楊延哲， 劉愛(ài)榮. 中原城市群空間整合戰(zhàn)略探討[J]. 地域研究與開(kāi)發(fā)， 2004（05）：33-37.

[2]FRIEDMANN J， MILLER J. The urban field[J]. Journal of the American Institute of Planners， 1965，31（4）：312-320.

[3]白永亮， 黨彥龍. 長(zhǎng)江中游城市群空間作用機(jī)理與空間結(jié)構(gòu)研究[J]. 宏觀經(jīng)濟(jì)研究， 2014（11）：47-58.

[4]張祥建， 唐炎華， 徐晉. 長(zhǎng)江三角洲城市群空間結(jié)構(gòu)演化的產(chǎn)業(yè)機(jī)理[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理， 2003（10）：65-69.

[5]劉秉鐮， 胡玉瑩. 現(xiàn)代物流影響城市群空間結(jié)構(gòu)的作用機(jī)理[J]. 廣東社會(huì)科學(xué)， 2014（04）：14-24.

[6]武前波， 劉星. 金融聯(lián)系視角下沿海發(fā)達(dá)地區(qū)城鎮(zhèn)網(wǎng)絡(luò)空間結(jié)構(gòu)研究——以浙江為例[J]. 世界地理研究， 2021，30（05）：966-977.

[7]鐘業(yè)喜， 邵海雁， 徐晨璐. 長(zhǎng)江中游城市群空間結(jié)構(gòu)效益比較與優(yōu)化研究[J]. 區(qū)域經(jīng)濟(jì)評(píng)論， 2020（03）：70-78.

[8]程欽良， 張亞凡， 宋彥玲. 蘭西城市群空間結(jié)構(gòu)演變及優(yōu)化研究[J]. 地域研究與開(kāi)發(fā)， 2020，39（02）：52-57.

[9]ZHOU H， GAO H. The impact of urban morphology on urban transportation mode： A case study of Tokyo[J]. Case Studies on Transport Policy， 2020，8（01）：197-205.

[10] JIA Y， TANG L， XU M， et al. Landscape pattern indices for evaluating urban spatial morphology -A case study of Chinese cities[J]. Ecological Indicators， 2019，99：27-37.

[11] 馬春慶. 基于盈石矩陣的中國(guó)城市商服空間供需分析與規(guī)劃響應(yīng)[J]. 城市發(fā)展研究， 2018，25（02）：16-23.

[12] ZENG C， SONG Y， CAI D， et al. Exploration on the spatial spillover effect of infrastructure network on urbanization： A case study in Wuhan urban agglomeration[J]. Sustainable Cities and Society， 2019，47：101476.

[13] WANG Z， LIANG L， SUN Z， et al. Spatiotemporal differentiation and the factors influencing urbanization and ecological environment synergistic effects within the Beijing-Tianjin-Hebei urban agglomeration[J]. Journal of Environmental Management， 2019，243：227-239.

[14] WANG D， NIU Y， QIAN J. Evolution and optimization of China's urban tourism spatial structure： A high speed rail perspective[J]. Tourism Management， 2018，64：218-232.

[15] HE J， LI C， YU Y， et al. Measuring urban spatial interaction in Wuhan Urban Agglomeration， Central China： A spatially explicit approach[J]. Sustainable Cities and Society， 2017，32：569-583.

[16] 李陳， 靳相木. 基于引力模型的中心鎮(zhèn)空間聯(lián)系測(cè)度研究——以浙江省金華市25個(gè)中心鎮(zhèn)為例[J]. 地理科學(xué)， 2016，36（05）：724-732.

[17] ZHOU T， JIANG G， ZHANG R， et al. Addressing the rural in situ urbanization （RISU） in the beijing-tianjin-hebei region： spatio-temporal pattern and driving mechanism[J]. Cities， 2018，75：59-71.

[18] HUANG Z， DU X， CASTILLO C S Z. How does urbanization affect farmland protection？ Evidence from China[J]. Resources， Conservation and Recycling， 2019，145：139-147.

[19] GUAN X， WEI H， LU S， et al. Mismatch distribution of population and industry in China： Pattern， problems and driving factors[J]. Applied Geography， 2018，97：61-74.

[20] WANG Y， HU H， DAI W， et al. Evaluation of industrial green development and industrial green competitiveness： Evidence from Chinese urban agglomerations[J]. Ecological Indicators， 2021，124：107371.

[21] BENTEZ-ANDRADES J A， GARCA-RODRíGUEZ I， BENAVIDES C， et al. Social network analysis for personalized characterization and risk assessment of alcohol use disorders in adolescents using semantic technologies[J]. Future Generation Computer Systems， 2020，106：154-170.

[22] THERRIEN M， JUTRAS M， USHER S. Including quality in Social network analysis to foster dialogue in urban resilience and adaptation policies[J]. Environmental Science & Policy， 2019，93：1-10.

[23] KURT Y， KURT M. Social network analysis in international business research： An assessment of the current state of play and future research directions[J]. International Business Review， 2020，29（02）：101633.

[24] 劉軍. 整體網(wǎng)分析 UCINET軟件實(shí)用指南[M]. 第2版.上海：格致出版社；上海人民出版社， 2014.

Study on Spatial Structure Optimization of Urban Agglomerationsin Jiangsu-Zhejiang-Shanghai Regions

-Based on Gravity Model and Social Network Analysis

LIU Fuqin，ZHU Yongxing

（School of Civil Engin.，Architecture and Environment，Hubei Univ.，of Tech.，Wuhan 430068，China）

Abstract： A reasonable and orderly spatial structure provides a basis for the coordinated development of urban clusters， and the analysis of spatial linkage intensity and network characteristics can provide a reference for urban development. Taking 25 cities in Jiangsu， Zhejiang and Shanghai regions as an example， we use entropy value topsis to improve the spatial gravity model， calculate the spatial linkage intensity between cities， draw a spatial linkage network map， and conduct social network analysis on the results to provide suggestions for the optimization of the spatial structure of urban agglomerations. The study shows that： in terms of spatial linkage intensity， the urban agglomerations in Jiangsu， Zhejiang and Shanghai， concentrated in Shanghai， Suzhou， Wuxi and Changzhou， show a decreasing trend from central to northern and southern， and from eastern to western. In the core edge structure and cohesive subgroup analysis， the city cluster circle structure is obvious and spatial stability is good. Cities within the core rim layer hold more resources， and the whole urban cluster can be divided into three circles and four cohesive subgroups. For this reason， the article makes specific suggestions for each urban subgroup.

Keywords：Jiangsu， Zhejiang and Shanghai urban agglomerations; Entropy weight TOPSIS; Spatial structure of urban agglomeration network; social network analysis

［責(zé)任編校： 裴琴］