流空间视角的东北地区城市网络研究

陈 晨，修春亮

(东北师范大学地理科学学院，长春 130024)

0 引言

城市体系及其空间组织分布模式是地理学、城市规划学的关注重点。城市体系在城市间的空间组织、产业分工、专业领域协作等扮演重要角色［1］。关于城市体系的经典理论为中心地理论、廖士景观与位序规模理论。其中，中心地理论与廖士景观研究的是城市服务业的空间区位关系;位序规模理论是从城市的规模和城市规模的位序来考察一个城市的规模分布［2］。但是，随着现代交通网络、信息网络技术的发展，城市体系是否仍然遵循中心地理论或位序规模理论的分布模式?城市间的关系发生了怎样的变化?以上问题均需深入探讨。一些学者认为中心地理论和位序规模理论最明显的缺陷是把城市体系当做静态的、相对孤立的系统，认为城市体系分布遵循等级或位序分布规律，侧重于竞争与等级关系，而没有充分考虑到城市间的关系应该是动态的、相互关联的合作与网络互补关系［1］。

随着跨国公司的兴起和信息通讯技术的革命性进展，经济全球化对城市发展产生重大影响，使城市在全球经济中扮演重要的角色。在全球治理的驱动下，城市与国家疆界以外的城市、地区产生更为密切的关联互动，城市成为全球治理体系中的重要行动者。作为全球经济网络的重要节点，世界城市不是孤立的，而是按其在全球生产过程中的作用与地位的不同而构成具有一定经济控制能力和社会经济联系的网络体系［3］。在此背景下，学者们展开了大量关于世界城市网络的研究。

M.Castells提出了信息时代社会、经济、空间等系统的解构与重构过程，在空间研究中提出了有别于传统“地方空间”的“流动空间(space of flows)”经典理论［4-5］。M.Castells构建了基于关系连接的世界城市研究，为全球化与世界城市研究小组(Globalization and World Cities，GaWC)的世界城市网络研究提供了理论基础。在实践研究中不断完善世界城市网络中的关系数据，为世界城市网络研究做出了巨大贡献。GaWC小组关于世界城市网络的研究堪为当今研究典范，其研究成果颇为丰富。J.V.Beaverstock与P.J.Taylor曾利用主要报纸的商务版面报道的全世界商业新闻构建全球主要城市的商业连接关系［3，6］。S.Sassen提出生产性服务业在世界城市集聚的特征，通过研究生产性服务业企业的总部、区域中心、办事处等在全球城市体系中的分布情况，构建全球城市网络［7］。A.S.Alderson等曾通过500强企业在全球的分布状况研究世界城市网络［8］。J.V.Beaverstock等通过邮寄调查表或者访谈的方式调查投资银行等跨国企业的跨国移民情况(一般为企业精英及高管)，得出全球城市的移民网络［3］。一些学者曾利用全球城市中基础设施网络(航空流、电信流、因特网)，构建全球、欧洲或美国网络连接关系，他们从基础设施视角研究城市网络体系问题［9-13］。C.W.Matthiessen等通过文献计量学方法，利用科学知识创新中作者合作情况，研究全球城市网络［14］。还有学者采用不同城市之间专利创新合作情况，测量城市之间的创新传播网络［15-16］。P.J.Taylor曾通过给非政府组织在全球城市中的分布情况赋予不同的活动值(总部4、区域中心3、国家中心2、州或省中心1)，得出城市之间的网络连接值［17］。

近几年来，中国学者展开了城市网络的研究。路旭等曾利用测量国际生产者服务业公司业务联系的方法，通过99家国际生产服务业公司及分支机构在珠三角50个区(县)级空间单元的业务联系，研究珠三角城市网络空间格局［18］。尹俊等通过全国主要金融服务业企业布局对中国城市网络进行定量分析［19］。谭一洺等曾从高级生产者服务业视角，建立成渝地区17个最小分析单元 ×149家公司的量化矩阵，通过对服务值、连通性和网络性特征进行分析，研究成渝地区的城市网络体系结构［20］。甄峰等选用了互联网数据(如微博数据)研究网络社会空间视角的城市网络［21］。刘铮等通过引入城市联系中无向加权网络的概念、特征、计算方法，以中国36座副省级以上城市的城市间网络地图关注度为素材，验证了有向加权网络在分析城市体系中节点城市的职能与节点间的相互关系方面有较大的优势。该研究从互联网地理学角度为城市网络分析方法提供一个新的切入点［22］。冷炳荣等曾以城市非农业人口作为城市重量，采用重力法研究了中国城市网络结构［23］。张怀志等通过对经济联系量与地缘经济关系进行匹配分析，发现滇中城市群内部存在三类“经济联系—地缘经济关系”类型，并提出了加强合作的建议［24］。刘建朝等从区域和产业两大维度，采用经济联系强度模型与城市流模型对京津冀城市群进行了实证研究［25］。总之，中国研究起步较晚，且多学习国外研究经验。研究范围多涉及全国尺度或者发达地区，如珠三角。研究视角多集中于生产性服务业企业网络。

流空间作为研究城市网络的全新视角，为城市网络研究提供理论与方法基础。流空间最早由曼纽尔·卡斯特于1989年提出，他指出:“同一个组织的不同单位之间，或者不同组织之间，在流动空间执行任务、履行职责，因此，对于任何现存组织的生死存亡来说，最重要的是空间。在信息经济中的组织空间正逐步成为流动空间”［26］。

目前，中国学者通常将卡斯特所提出的“space of flows”译为“流动空间”或“流空间”。其实质是“不必地理邻接即可实现共享时间的社会实践的物质组织［26］”。本研究将流空间理解为动态的网络空间。它由各种要素流运动构成的网络及网络节点组成。在这样一个动态的网络空间结构中，其要素流可以是人流、物流、信息流、资金流等。而网络节点更是包罗万象，例如，城市、区域、公司、工厂、银行、证券、商店(包括虚拟的网络商店)乃至个人(特别是社会精英)。不同的要素流运动中，网络节点重要性会有所不同。反过来，网络节点所拥有的属性决定着要素流的运动状态以及整个网络结构。无论是不同要素的流动，还是不同的网络节点属性，均会导致流空间这一动态网络空间结构出现不同特征。

从资金流视角，以东北地区为例，分析研究资金流视角的流空间结构中城市网络分布特征。首先，分析资金流视角中城市网络连接度分布特征。然后，从网络节点(即城市)出发，分析资金流视角的流空间结构中各城市重要程度或等级体系分布特征，以期达到以下目标:①丰富流空间实证与方法研究;②使流空间或城市网络相关研究不仅局限于长三角、珠三角等发达地区，挖掘信息化时代东北地区流空间结构中的城市网络分布特征;③促进现代城市体系研究——城市网络研究。

1 数据来源与研究方法

1.1 数据来源与研究范围

1.1.1 数据来源。涉及的银行网点数据来源于各大银行官方网站，包括一级分行(省级分行)、二级分行(地级市分行)、支行(网点支行与分理处)。人口数据来源于《中国2010年人口普查分乡、镇、街道资料》。国内生产总值为《2011年中国城市统计年鉴》中的各个地级市全市地区生产总值。其中，兴安盟、延边朝鲜族自治州、大兴安岭地区三个盟、州、地区生产总值分别来源于《内蒙古统计年鉴2011》、《吉林统计年鉴2011》、《黑龙江统计年鉴2011》中的盟市或市县生产总值。

1.1.2 研究范围。包括东北三省及内蒙古三市一盟(赤峰市、通辽市、呼伦贝尔市与兴安盟)。研究基本空间单元为地级市，总计40个。银行网点选取国有四大银行:中国银行940个网点、工商银行1 802个网点、建设银行1 751个网点、农业银行3 710个网点，总计8 203个网点。

1.2 研究过程与研究方法

1.2.1 研究过程。根据银行网点数量，借鉴P.J.Taylor［27-28］所提出的研究世界城市网络的方法测度资金流视角的各城市间网络连接度，进而分析城市间资金流联系强度分布特征。然后，计算各城市(节点)的网络相对连接率，并依此为基础，分析资金流视角的流空间结构中城市的重要程度或城市等级体系分布特征。

1.2.2 研究方法。借鉴P.J.Taylor所提出的研究世界城市网络的方法，首先，构建由40个城市和8 203个银行网点组成的矩阵，城市i中银行网点j的得分值被定义为银行网点j在整个网络中的重要程度，用Vij表示。银行网点j在a，b两个城市之间的网络连接度可以表示为:

a，b两城市之间总的网络连接度为:

由此可以构建一个40×40的城市网络连接度矩阵。单个城市与其他所有城市的网络连接度为:

整个网络的连接度总和为:

单个城市的网络连接率为:

以网络连接率最高的城市为基准，得出单个城市的相对连接率:

2 流空间视角的城市网络连接度分布

通过P.J.Taylor所提出的研究世界城市网络的方法——网络连接度，运用公式(1)，(2)测度资金流视角的各城市间网络连接度，进而得出城市之间资金流联系强度。然后，运用ArcGIS中的自然断裂法将城市间网络连接度划分为5个等级，最后，再将各级网络连接度分为3级，得到城市间资金流网络连接度等级分布图(选取5个等级中的前三等级)(图1)。

图1 城市间资金流强度Fig.1 The relation intensity of cities based on funds flow

资金流联系强度较高的城市集中分布于哈大齐一线以南。以哈大城市走廊沿线联系最多、联系强度最高。此外，向呼伦贝尔、牡丹江、赤峰、丹东方向有所延伸。第一等级资金流联系强度之网络特征整体呈现出“倒三角”空间分布模式，以哈大城市走廊(即该“倒三角”之“垂线”)沿线资金流最多。在资金流网络之“倒三角”空间分布模式中，哈尔滨—葫芦岛一线以东的资金流强度较高，该资金流网络空间结构特征体现为“三角网结构”模式。其中，以哈尔滨和大连连线的资金流强度最高，其次为哈尔滨—吉林、吉林—大连、吉林—沈阳沿线。

将城市资金流联系强度按从高到低的顺序排列(表1)。其中，沈阳与大连、沈阳与哈尔滨、大连与哈尔滨资金流联系强度最高，且处于并列位置。沈阳与长春、长春与大连、长春与哈尔滨次之。可见，在资金流视角的流空间结构中，以上城市之间的资金流占主导地位，处于整个资金流网络之顶端。

表1 第一等级城市资金流联系强度Tab.1 The first grade relation intensity based on funds flow

相对于第一等级资金流强度而言，第二等级资金流具有明显向东北扩展的趋势，即佳木斯和鸡西方向(图1b)。但资金流联系度较高的城市集中于东部地区，西部地区联系强度明显较弱。将第二等级城市资金流联系强度按从高到低的顺序排列，可以明显观察到各城市间第二等级资金流强度分布状况(选取资金流强度在前15与后15位的城市组合)(表2)。

表2 第二等级城市资金流联系强度Tab.2 The second grade cities’relation intensity based on funds flow

从表2看出，在第二等级资金流中，盘锦—长春间资金流量最大，其次为本溪—沈阳、沈阳—延边等城市组合，四平—长春、齐齐哈尔—长春资金流量较小。由此可见，在第二等级资金流网络中，盘锦与长春间资金流交互作用最强，在资金流视角的流空间结构中占有重要的位置。而吉林—鸡西、营口—吉林、锦州—佳木斯、葫芦岛—丹东、丹东—赤峰之间的资金流量最小，在资金流网络中地位不突出。

通过城市间资金流强度直方图(图2)，分析城市间资金流强度分布特征。由图2可知，该直方图为典型的偏态型直方图，其偏度为0.866，可见该直方图为正偏态或右偏态，说明多数城市间资金流强度值位于左侧，且多小于平均值31.63。资金流联系强度高于80的城市仅有12对，资金流强度为100的城市有3对，其分布形成一个孤岛。可见，城市间资金流强度差距较大，且具有较为明显的极化现象。通过计算，该直方图的峰度为0.44，为高狭峰型，说明多数城市间资金流强度值集中分布于众数(Mode=14)周围，该众数远远小于平均值，可见，整体而言，东北地区城市间资金流联系强度偏弱。

3 流空间视角的城市网络节点分布

3.1 资金流视角的城市等级体系分布

根据公式(3)～(6)测度资金流视角的流空间结构中各城市(节点)的网络相对连接率，进而衡量资金流视角的流空间结构中东北地区城市重要程度及城市等级体系(表3)。

在资金流视角的流空间结构中，大连、哈尔滨与沈阳网络相对连接率最高，且处于并列位置。此外，长春、吉林、鞍山等城市相对连接率也较高(表3)。意味着以上城市在资金流视角的流空间结构中处于比较重要的位置，特别是大连、哈尔滨与沈阳3个城市。而鹤岗、七台河、大兴安岭、白山、辽源、兴安盟网络相对连接率最低。可见，这些城市位是资金流视角的流空间结构之最低级节点。

图2 资金流强度直方图Fig.2 Histogram of relation intensity based on funds flow

表3 资金流视角的各城市网络相对连接率Tab.3 Relative network connection rate of cities based on fund flows

运用ArcGIS中的自然断裂法将各城市网络联系率与节点流强度分为5级，可以得到各城市(节点)重要程度或等级体系分布现状(图3)。

图3 各城市网络相对连接率空间格局Fig.3 Spatial distribution of relative network connection rate of every city

从图3看出，资金流视角的网络相对连接率较高的城市多集中于哈大城市走廊沿线，其中，长春、沈阳、大连、哈尔滨、吉林最为突出，此外哈大齐沿线也较高，如大庆、齐齐哈尔。整体呈现出较为明显的“丁字型”结构。

通过各城市网络相对连接率与节点流强度，分析各城市在资金流视角的流空间结构中的重要程度，将各城市重要程度分为5级(表4)。同时，还可得到资金流视角的流空间结构中城市等级体系。

处于整个东北地区资金流网络最顶端的城市(节点)有沈阳、长春、哈尔滨、大连与吉林。这5个城市(节点)在整个东北地区资金流视角的流空间结构中占有极其重要的位置，甚至是整个资金流网路的控制性节点。此外，处于第一级别城市个数最少。多数城市均属于资金流视角之流空间结构的次级节点，极少数城市属于最低级节点，如白山、鹤岗、伊春等城市。

表4 资金流视角的城市节点重要程度Tab.4 The importance degree of cities based on fund flows

3.2 资金流交互中各城市出现次数

将各城市按照其人口规模从大到小进行排序，依次统计5个等级资金流强度下各城市出现次数(图4)。

从图4看出，第一等级资金流强度中哈尔滨、沈阳、大连出现次数最多，其次是长春与吉林;第二等级资金流强度中长春与吉林出现次数最多。可见，正如各城市相对连接率所展示的城市等级体系，以上城市均为资金流视角的流空间结构中的控制性节点。第三等级资金流强度中本溪、延边、鸡西、朝阳、佳木斯出现次数较多。

此外，随着资金流强度等级下降，资金流网络涵盖城市规模越来越小。其中，第一等级资金流强度中资金流网络所覆盖城市为东北地区规模最大的城市，如哈尔滨、沈阳、大连等，而白山、辽源、伊春、鹤岗、七台河、兴安盟、大兴安岭等城市(盟或地区)并没有被第一等级资金流网络所覆盖。同时，在前三等级资金流强度中资金流网络中均无白山、辽源、伊春等规模较小的城市。而在第五等级资金流强度中资金流网络涵盖城市则多为东北地区规模最小的城市(盟或地区)，如双鸭山、白山、辽源、伊春、鹤岗、七台河、兴安盟、大兴安岭等，相反，该等级资金流网络已不包含哈尔滨、沈阳、大连等规模较大的城市。

图4 5个等级资金流强度对应各城市出现次数Fig.4 Occurrence number of every city based on the five grades relation intensity

3.3 城市网络节点及其与社会经济发展的关系

根据前三等级联系强度中各城市出现次数、城市网络相对连接率与相应人口规模和经济规模，运用SPSS软件计算各城市出现次数、城市网络相对连接率与相应人口规模和经济规模相关系数(表5)及回归方程(图5)。分析资金流视角的流空间中各城市出现次数、各城市网络相对连接率与相应社会经济发展的关系。

从表5与图5看出，前三等级资金流强度中各城市出现次数与各城市网络相对连接率相关性较强，且呈现出极为明显的线性相关模式。各城市网络相对连接率、出现次数与城市人口和GDP相关系数均较高，可见各城市网络相对连接率和城市出现次数与城市社会经济发展呈现较强相关性。其中，各城市出现次数与城市人口和GDP均呈现出二次方程相关模式，各城市网络相对连接率与城市人口则为指数相关，与GDP也为二次方程相关模式。

表5 城市出现次数、城市网络相对连接率与相应人口规模和经济规模相关系数Tab.5 Correlation coefficent of relative network connection rate and occurrence number with population and GDP of every city

图5 城市出现次数、城市网络相对连接率与相应人口规模和经济规模回归模型Fig.5 The regression models of relative network connection rate and occurrence number with population and GDP of every city

4 结论与讨论

以资金流为例，分析资金流视角的流空间结构中城市网络分布特征。首先，分析资金流视角中城市连接强度分布特征。然后，从网络节点(即城市)出发，分析资金流视角的流空间结构中各城市重要程度或等级体系分布特征。

1)从第一等级资金流强度到第五等级资金流强度，资金流视角的流空间结构中城市网络空间变化过程为:哈大城市走廊沿线—向东北方向扩展—向西扩展—覆盖东北地区较小规模城市—资金流网络整体向北迁移。城市间资金流强度值呈现右偏态分布模式，说明多数城市间资金流强度小于平均值，极少数位于最高值处。城市间资金流强度存在极化现象，且集中分布于众数周围。整体而言，东北地区城市间资金流强度较弱。

2)城市网络节点分布特征体现为资金流视角的城市网络相对连接率较高的城市呈现出较为明显的“丁字型”结构。资金流视角的流空间结构中，除处于塔尖的第一级别城市个数最少外，城市等级体系整体呈现出倒金字塔模式。

3)随着资金流强度等级下降，资金流网络所涵盖的大规模城市出现次数逐渐减少，城市规模越来越小。

4)前三等级资金流强度中各城市出现次数与各城市网络相对连接率具有较严格的线性相关性。各城市网络相对连接率和城市出现次数与城市社会经济发展呈现较强的相关性。其中，各城市出现次数与城市人口和GDP均呈现出二次方程相关模式，各城市网络相对连接率与城市人口之间则为指数相关，与GDP也为二次方程相关模式。

根据各城市银行网点数，采用网络连接度模型，模拟了东北地区资金流视角的流空间中城市网络分布，有助于反映信息化时代的城市网络分布特征。研究以期促进现代城市体系研究——城市网络研究。但是，由于无法获得城市间实际的资金流动数据，因此，城市间资金流联系强度只能借助数学模型实现。今后仍需挖掘城市间各类型要素流数据，从不同要素流视角研究流空间结构中的城市网络分布特征，以完善流空间相关理论与实践。

［1］杨永春，冷炳荣，谭一洺，等.世界城市网络研究理论与方法及其对城市体系研究的启示［J］.地理研究，2011，30(6):1009-1018.

［2］许学强，周一星，宁越敏.城市地理学［M］.北京:高等教育出版社，1997.

［3］Beaverstock J V，Smith R G，Taylor P J，et al.Globalization and World Cities:Some Measurement Methodologies［J］.Applied Geography，2000，20(1):43-63.

［4］Taylor P J.World Cities Network:A Global Urban Analysis［M］.London:Routledge，2004.

［5］Castells M.网络社会的崛起［M］.夏铸九，王志弘，译.北京:社会科学文献出版社，2006.

［6］Taylor P J.Hierarchical Tendencies among World Cities:A Global Research Proposal［J］.Cities，1997，14(6):323-332.

［7］Sassen S.The Global City:New York，London，Tokyo［M］.Princeton:Princeton University Press，1991.

［8］Alderson A S，Jason B.Power and Position in the World City System［J］.The American Journal of Sociology，2004，109(4):811-851.

［9］Smith D A，Timberlake M.Conceptualising and Mapping the Structure of the World System’s City System［J］.Urban Studies，1995，32(2):287-302.

［10］Derudder B，Witlox F，Faulconbridge J，et al.Airline Data for Global City Network Research:Reviewing and Refining Existing Approaches［J］.GeoJournal，2008，71(1):5-18.

［11］Malecki E J.The Economic Geography of the Internet’s Infrastructure［J］.Economic Geography，2002，78(4):399-424.

［12］Tranos E，Gillespie A.The Spatial Distribution of Internet Backbone Networks in Europe［J］.European Urban and Regional Studies，2009，16(4):423-437.

［13］Smith D A，Timberlake M F.World City Networks and Hierarchies，1977—1997［J］.American Behavioral Scientist，2001，44(10):1656-1678.

［14］Matthiessen C W，Schwarz A W，Find S.World Cities of Scientific Knowledge:Systems，Networks and Potential Dynamics.An Analysis Based on Bibliometric Indicators［J］.Urban Studies，2010，47(9):1879-1897.

［15］Sonn J W，Storper M.The Increasing Importance of Geographical Proximity in Knowledge Production:An Analysis of US Patent Citations，1975—1997［J］.Environment and Planning A，2008，40(5):1020-1039.

［16］Maggioni M A，Nosvelli M，Uberti T E.Space Versus Networks in the Geography of Innovation:A European Analysis［J］.Papers in Regional Science，2007，86(3):471-493.

［17］Taylor P J.The New Geography of Global Civil Society:NGOs in the World City Network［J］.Globalizations，2004，1(2):265-277.

［18］路旭，马学广，李贵才.基于国际高级生产者服务业布局的珠三角城市网络空间格局研究［J］.经济地理，2012，32(4):50-54.

［19］尹俊，甄峰，王春慧.基于金融企业布局的中国城市网络格局研究［J］.经济地理，2011，31(5):754-759.

［20］谭一洺，杨永春，冷炳荣，等.基于高级生产者服务业视角的成渝地区城市网络体系［J］.地理科学进展，2011，30(6):724-732.

［21］甄峰，王波，陈映雪.基于网络社会空间的中国城市网络特征——以新浪微博为例［J］.地理学报，2012，67(8):1031-1043.

［22］刘铮，王世福，赵渺希，等.有向加权型城市网络的探索性分析［J］.地理研究，2013，32(7):1253-1268.

［23］冷炳荣，杨永春，黄幸，等.1990年代以来基于重力法的中国城市网络结构复杂性分析［J］.地域研究与开发，2011，30(5):66-72.

［24］张怀志，武友德，王源昌，等.滇中城市群空间经济联系与地缘经济关系匹配研究［J］.地域研究与开发，2014，33(2):16-19.

［25］刘建朝，高素英.基于城市联系强度与城市流的京津冀城市群空间联系研究［J］.地域研究与开发，2013，32(2):57-61.

［26］曼纽尔·卡斯泰尔.信息化城市［M］.崔保国，译.南京:江苏人民出版社，2001.

［27］Taylor P J.World Cities Network:A Global Urban Analysis［M］.London:Routledge，2004.

［28］Taylor P J，Ni P，Derudder B，et al.Measuring the World City Network:New Developments and Results［EB/OL］.(2009-03-21)［2013-12-20］.http://www.boro1ac1uk/gawc/rb/rb300.html.