浙中城市群发育程度评估

王慧君， 马仁锋， 邱 枫， 叶持跃

(宁波大学 地理与空间信息技术系， 浙江 宁波 315211)



浙中城市群发育程度评估

王慧君， 马仁锋， 邱 枫*， 叶持跃

(宁波大学 地理与空间信息技术系， 浙江 宁波 315211)

从城市群的内部联系出发，构建由经济联系指数、交通联系指数、物流联系指数、信息联系指数和金融联系指数构成的评价指标体系，通过单要素分析及综合分析，对浙中城市群的发育程度进行评估.结果表明：浙中城市群的金融联系发育最快，交通发育较缓，而物流联系发育基本处于停滞状态；义乌和金华市区的发育程度最高，武义、浦江和磐安的发育程度较低；浙中城市群西北部发育程度高，东南部发育程度低；浙中城市群的经济联系、交通联系、物流联系、信息联系和金融联系都呈现出发育不均衡的状态.

经济联系指数; 交通联系指数; 物流联系指数; 信息联系指数; 金融联系指数; 浙中城市群

在我国，随着市场化、工业化和城市化进程的加速，城市群对我国的经济发展产生了极大的带动作用，成为区域经济发展的主要载体，是国家和地区经济发展的主要动力.自国家“十一五”以来，“城市群战略”多次被写进国家级战略规划，强调城市群作为增长极的辐射和带动作用，同时，城市群的培育和建设也受到地方政府的重视，意识到城市群将作为参与市场竞争的重要空间单元.地方政府积极参与编制与申报城市群区域规划，在中国掀起了城市(镇)群规划的浪潮[1-2].

浙江中西部地区经济发展水平总体处于浙江省中下游水平，与杭州、宁波、温州等经济发达地市存在较大差距，是浙江经济发展较落后的区域.为解决区域发展差距越拉越大，促进浙江中西部县(市、区)的统筹资源开发利用，浙江省“十一五”规划确定浙中城市群是与环杭州湾城市群、温台沿海城市群并列的浙江省今后重点要建设的三大城市群之一.浙中城市群的发育，将对浙江中西部地区，乃至整个浙江省的经济社会的发展产生深远影响.

在目前的城市群研究中，主要的难点有城市群空间范围界定标准的确定及城市群的类型划分[1].其中，城市群类型划分的核心即为城市群的发育程度.对于城市群发育的研究，多集中于城市群发育的空间格局[2-4]、发育机制及驱动力[5-7]、发育的空间范围[8-9]和发育程度[10-11]等方面.对于城市群发育程度的评估，多是从城市群的结构体系、组成要素等方面构建指标体系进行评价，如方创琳[10]、韦克游[12]等，通过构建行业区位熵指数、城市群产业熵指数等指标构成城市群发育程度指数模型，对城市群的发育程度进行了综合评价.本文从城市群的内部联系出发，构建由经济联系指数、交通联系指数、物流联系指数、信息联系指数和金融联系指数构成的评价指标体系，对浙中城市群的发育现状进行评估.

1研究方法和数据来源

1.1研究范围

根据《浙中城市群规划(2008-2020)》中确定的规划范围：金华市行政管辖的9个县市区，即金华市区(婺城区和金东区)、义乌市、东阳市、兰溪市、永康市、武义县、浦江县和磐安县，作为研究区域(图1).

考虑数据的可获取性和可对比性，由于信息联系指数中的百度用户关注度均值只能获取2011年1月1日之后的数值，且金华市统计年鉴出版至2015年，所以选取的研究时段为2011年至2014年.

图1 研究区范围Fig.1 The location of Mid-Zhejiang urban agglomeration

1.2研究方法

城市群的实质是城市群内部各城市间的联系，即构成了人流、物流、资金流、信息流、技术流等.因此，从城市群的内部联系出发，分别构建经济联系指数、交通联系指数、物流联系指数、信息联系指数和金融联系指数，综合评估浙中城市群的发育现状.

1.2.1经济联系指数 在已有的区域经济联系研究成果中，应用最为广泛的是空间相互作用的引力模型[13].因此，借鉴引力模型构建经济联系指数.

(1)

(2)

(3)

其中，Rij是i、j两县市间的经济联系强度；Ri为i县市的经济联系总强度；R为浙中城市群的经济联系指数；Pi、Pj为两县市的非农业人口规模；Gi、Gj为两县市的GDP；Dij为两县市间的实际道路距离.

1.2.2交通联系指数 交通联系指数是通过对浙中城市群内各县市间交通量(长途汽车、铁路班次)的测算模拟浙中城市群的交通联系强度来构建的[14].其测算方法如下：

Mij=Aij+kBij，

(4)

(5)

其中，Mij为i县市向j县市的交通联系量；Mji为j县市向i县市的交通联系量；Rij为i、j两县市间的交通联系量；Ri是i县市的交通联系总量；R为浙中城市群的交通联系指数，Ri、R的计算公式同(2)，(3)；Aij为每日的i县市向j县市的铁路交通(普通货车、动车、高铁)趟数；Bij为每日的i县市向j县市的长途汽车班次数；k为公路客运量与铁路客运量的比值.

1.2.3物流联系指数 在浙中城市群的物流体系中，公路运输在货物运输量中占有较大比重，且公路物流运输强调运输成本.因此，选取GDP、公路里程数、公路货运量、交通运输仓储及邮电通信业从业人数、移动电话用户数以及实际交通距离和运输成本，来构建物流联系指数[15].计算公式如下：

(6)

(7)

其中，Ki、Kj为两县市的“物流质量”；Mij为i县市向j县市的物流联系量；Mji为j县市向i县市的交通联系量；Rij为i、j两县市间的物流联系量；Ri是i县市的物流联系总量；R为浙中城市群的物流联系指数，Rij、Ri、R的计算同(5)、(2)、(3)；Ai为i县市的GDP；Bi为i县市的公路里程数；Ci为i县市的公路货运量；Ei为i县市的交通运输仓储及邮电通信业从业人数；Fi为i县市的移动电话用户数；Dij为两县市间的实际道路距离；Gij为i县市到j县市的之间的运输价格.

1.2.4信息联系指数 对于信息流的模拟，在已有研究成果中，多采用百度用户关注度数据[16]和新浪微博[17]数据.本文采用百度用户关注度均值来反映浙中城市群范围内两县市之间的信息联系，具体方法如下：

Ij=kI，

(8)

Rij=Ij*Ji，

(9)

其中，Rij为i、j两县市间的信息联系量；Ri是i县市的信息联系总量；R为浙中城市群的信息联系指数，Ri,R的计算同(2)、(3)；Ij为i县市在j县市的百度用户关注度；Ji为j县市在i县市的百度用户关注度；I为i县市在研究区的百度用户关注度均值；k为j县市的百度用户关注度均值占研究区内总百度用户关注度均值的比重.

1.2.5金融联系指数 由于各县市之间的金融业务数据获取难度大，借鉴已有研究成果[18-20]，利用可获取的金融相关数据构建金融联指数，具体方法如下：

(10)其中，Ri,R的计算同(2)、(3)，Rij为i、j两县市间的金融联系强度；Ri是i县市的金融联系总强度；R为浙中城市群的金融联系指数；Si、Sj为两县市的金融机构人民币存款余额数；Li、Lj为两县市的金融机构人民币贷款余额数；Pi、Pj为两县市的金融业从业人数；由于金融业不受交通条件的限制，因此，dij为两县市的直线距离.

1.3数据来源

经济联系指数中的各县市非农业人口规模和GDP数据，交通联系指数中的公路客运量和铁路客运量数据，物流联系指数中的GDP、公路里程数、公路货运量、交通运输仓储及邮电通信业从业人数和移动电话用户数数据，金融联系指数中的金融机构人民币存款余额数、金融机构人民币贷款余额数和金融业从业人数数据均来源于《金华统计年鉴》(2011-2014).经济联系和物流联系中的两县市间的实际道路距离是基于ArcGIS10.0的网络分析平台，通过构建由高速路、国道、省道组成的浙中城市群道路数据库，设定不同类型道路的行驶速度，综合时间最短的最快路径和距离最短的最短路径，求解出的最优路径的道路长度.交通联系指数中两县市间的铁路交通趟数可以通过12306中国铁路客户服务中心网站获取，两县市间的长途汽车趟数可以通过96520浙江省道路运输公众信息服务网站和金华通济汽车客运网站中获取.物流联系指数中两县市之间的运输价格是通过物流公司企业网站提供的物流运价查询功能获取的.信息联系指数中的各县市区在研究区内的百度用户关注度均值数据是通过百度指数中的“通过地区对比”，输入各县市为关键词，时间设定为2011年、2012年、2013年、2014年搜索获取的.

2浙中城市群发育现状评估

2.1综合发育现状比较

根据经济联系指数、交通联系指数、物流联系指数、信息联系指数和金融联系指数的构建方法，可以计算得到浙中城市群2011年到2014年的五项联系指数(表1).由表1可知，浙中城市群在2011年～2014年间，经济联系指数、交通联系指数、信息联系指数和金融联系指数都有加大幅度的增长，发育较快.经济联系指数以9%以上的增速持续增加，经济联系不断加强.交通联系的发育程度与经济联系的发育程度相比，发育较慢，交通联系指数的年增长率分别为7%、10%和5%.信息联系在2012年和2013年发育较快，信息联系指数的增长率在10%以上.2011年～2014年，金融联系发育最快，在2012年，金融联系指数的涨幅高达27%，平均增长率为15%.而物流联系整体保持在同一水平，物流联系指数稍有下降.从总体上看，2011年～2014年，浙中城市群除物流联系水平基本保持不变外，经济联系、交通联系、信息联系和金融联系都有不同程度的发育，其中金融联系发育最快，其次为经济联系和信息联系，交通联系发育较慢.

表1 浙中城市群2011年～2014年各项联系指数

2.2单要素发育现状比较

2.2.1经济联系 根据经济联系指数的计算公式，得出浙中城市群2011年至2014年各县市的经济联系总强度(图2).由图2可知，浙中城市群的经济联系指数逐年上升，经济联系不断加强.具体来讲，义乌的经济联系强度最高，其次为东阳和金华市区，历年三者的经济联系强度约占整个区域经济联系强度的70%.而永康、武义、浦江和磐安的经济联系强度均较弱，低于100 000.对于各县市之间的经济联系强度变化(图3)，其强度均是逐年增强，联系越来越密切.其中，义乌-东阳、市区-兰溪、义乌-浦江、市区-义乌的经济联系强度历年最高，结合图3，可以得出金华市区和义乌与周边县市的经济联系强度最高，表明其经济活动联系最为密切.而永康、武义、磐安与其他各县市的经济联系均较弱，尤其是磐安，与兰溪、武义、浦江的经济联系历年都是最弱的.总体来看，浙中城市群的内部的经济联系主要集中于金华市区-义乌一带，西北部经济联系发育程度较高，经济联系密切，东南部经济联系发育程度较低，经济联系较弱，且浙中城市群内部的经济联系强度差异较大.

图2 经济联系强度及经济联系指数Fig.2 The economic relation intensity and economic relation index

图3 各县市间的经济联系强度Fig.3 The economic relation intensity of each city

图4 交通联系量及交通联系指数Fig.4 The transport relation intensity and transport relation index

2.2.2交通联系 通过构建的交通联系指数模型，得到浙中城市群2011年至2014年的交通联系指数和各县市的交通联系总量(图4).浙中城市群的交通联系指数呈逐年上升态势，但2014的增幅有所减弱.各县市的交通联系量排名依次为金华市区、义乌、东阳、永康、武义、兰溪、磐安和浦江.其中，市区和义乌的交通联系强度明显高于其他县市，两者历年的交通联系强度约占整个区域交通联系强度的47%.在铁路交通方面，市区和义乌既有普通铁路也有高速铁路，兰溪、永康和武义只有普通铁路，而其余县市没有铁路交通.在浙中城市群中占主要地位的公路交通方面，杭金衢高速路联通市区、义乌和东阳，国道330连接市区、武义和永康，其余多为省道、乡道等低等级公路.具体到各县市间的交通联系强度变化(图5)，交通联系都有所加强，但市区、义乌、东阳构成的三角地带交通联系发育最明显，是浙中城市群交通联系最密切的地区.三者与其他县市的交通联系发育也较明显，其余县市间的交通联系发育较缓慢.

图5 各县市间的交通联系强度Fig.5 The transport relation intensity of each city

2.2.3物流联系 运用物流联系指数模型可以得到浙中城市群2011年至2014年的物流联系指数和各县市的物流联系总量(图6).浙中城市群的物流联系指数呈缓慢下降趋势，降幅逐年趋缓，各县市历年的物流联系总量相当，稍有波动.与交通联系总量相似，金华市区和义乌的物流联系总量明显高于其他县市，其余依次为东阳、永康、兰溪、武义、浦江和磐安.对于各县市间的物流联系量(图7)，义乌-东阳和市区-义乌的物流联系量始终最高，兰溪-浦江、永康-磐安和兰溪-武义的物流联系量有减弱的趋势.从总体上看，浙中城市群物流联系发育程度最高的地区为义乌，义乌与其余各县市都有较强的物流联系，其次为金华市区和东阳.物流联系发育最弱的地区有武义、浦江和磐安.交通联系发育程度和物流联系发育程度有很高的一致性，交通联系量较大的地区其物流联系量也较大.从物流联系指数的各项构成指标来看，由于浙中城市群内部的电子商务较为发达，使得交通运输仓储及邮电通信业从业人数有所精减，加之个别县市间的物流运输价格有所增加，综合导致了浙中城市群的物流联系指数有下降的趋势.

图6 物流联系量及物流联系指数Fig.6 The logistics relation intensity and logistics relation index

图7 各县市间的物流联系强度Fig.7 The logistics relation intensity of each city

2.2.4信息联系 由信息联系指数可知，2011年～2014年浙中城市群的信息联系指数和每个县市的信息联系总量(图8).浙中城市群的信息联系指数逐年增加，尤其2014年，增幅尤为明显.义乌的信息联系总量历年最大，远高于其他县市，约占整个区域信息总量的38%，是金华市区的1.9倍.金华市区的信息联系量历年排名第2，武义和磐安位于最后两位，其余4个县市的排名历年有所波动.对于各县市之间的信息联系量(图9)，义乌到各县市的信息联系量最高，并且不断加强.在2011年，磐安除了与义乌、金华市区的信息联系较强外，与各县市的信息联系均较弱.直至2014年，磐安除与武义的信息联系较弱外，与其余各县市的信息联系量有较大幅度提高.从整体上看，浙中城市群中义乌的信息联系发育程度最高，与周围县市的信息联系最密切，磐安的信息联系发育最快，与各县市的信息联系量有明显增加，信息联系不断加强.由于磐安和永康快速的信息联系发育，使得东南部地区的信息联系与西北部地区的信息联系差异明显减小，除义乌外，各县市的信息联系均衡发展.

图8 信息联系量及信息联系指数Fig.8 The information relation intensity and information relation index

图9 各县市间的信息联系强度Fig.9 The information relation intensity of each city

2.2.5 金融联系 通过金融联系指数的计算公式，可以得到浙中城市群2011年～2014年的金融联系指数和各县市的金融联系总强度(图10).2011年～2014年各县市的金融联系总强度有不同程度的增加，排名为义乌、东阳、金华市区、永康、兰溪、武义、浦江和磐安.与各县市间的经济联系强度相似，金融联系(图11)始终最强的是市区-义乌和义乌-东阳，磐安与其余县市的金融联系均较弱.2011年至2014年，兰溪的金融联系发育最快，与周围县市的金融联系强度增加明显，此外，永康-磐安和金华市区-浦江的金融联系强度也明显增强.总之，浙中城市群的金融联系不断发育，金融联系最强的区域由东阳-义乌-市区扩展至兰溪一带，由于兰溪的金融联系发育较快，使得浙中城市群内部西北部的金融联系发育程度明显高于东南部.

图10 金融联系强度及金融联系指数Fig.10 The financial relation intensity and financial relation index

3结论与讨论

通过构建经济联系指数、交通联系指数、物流联系指数、信息联系指数和金融联系指数，对浙中城市群2011年～2014年的综合发育现状和单要素发育现状进行研究，可以得出如下结论.

图11 各县市间的金融联系强度Fig.11 The financial relation intensity of each city

1) 浙中城市群的金融联系发育最快，其次为经济联系和信息联系，交通发育较缓慢，而物流联系发育基本处于停滞状态.

2) 通过单要素发育现状的对比可以发现，五种联系指数的排序有很大相似性，义乌和金华市区均排在前列，各项联系指数均远高于其他县市，而武义、浦江和磐安的排名靠后.由此可以得出，在浙中城市群内部，义乌和金华市区的发育程度最高，武义、浦江和磐安的发育程度较低.

3) 通过分析各个县市间的五种联系量可知，义乌和金华市区的联系及两者与其他县市的联系发育程度较高，浙中城市群西北部(兰溪、浦江)与东南部(武义、永康、磐安)之间的联系发育程度较低，而且呈现出西北部发育程度高，而东南部发育程度低的状态.

4) 浙中城市群的经济联系、交通联系、物流联系、信息联系和金融联系都呈现出发育不均衡的状态.经济联系和金融联系的发育状态相似，呈现出三条联系轴线，即义乌-金华市区、义乌—东阳(义乌-浦江)和金华市区-兰溪.交通联系由金华市区-义乌、金华市区-东阳两条轴线逐渐发育成由金华市区-义乌-东阳构成的三角地带.物流联系尚未形成明显的格局，义乌和金华市区与周边县市的物流联系发育程度较高，其余发育程度较低.信息联系由于义乌的信息联系指数明显高于其他县市，呈现出以义乌为核心的放射状.

[1] 方创琳. 中国城市群研究取得的重要进展与未来发展方向[J]. 地理学报， 2014， 69(8): 1130-1144．

[2] 方创琳. 中国城市群形成发育的新格局及新趋向[J]. 地理科学， 2011， 31(9):1025-1034．

[3] 方创琳. 中国城市群形成发育的政策影响过程与实施效果评价[J]. 地理科学， 2012， 32(3): 257-264．

[4] 叶裕民， 陈丙欣. 中国城市群的发育现状及动态特征[J]. 城市问题， 2014， 35(4): 9-16．

[5] 姚士谋， 陈振光， 王 波， 等. 我国沿海大城市发育机制与成长因素分析[J]. 地域研究与开发， 2008， 27(3): 1-6．

[6] 王 婧， 方创琳. 中国城市群发育的新型驱动力研究[J]. 地理研究， 2011， 30(2): 335-347．

[7] 姚士谋， 陈振光， 王书国. 城市群发育机制及其创新空间[J]. 地理科学， 2007， 59(2): 23-27．

[8] 曾 鹏. 中国十大城市群综合发展水平的多层次因素分析及非均衡差异研究[J]. 人文地理， 2008， 29(4): 58-63．

[9] 陈守强， 黄金川. 城市群空间发育范围识别方法综述[J]. 地理科学进展， 2015， 34(3): 313-320．

[10] 方创琳， 宋吉涛， 张 蔷， 等. 中国城市群结构体系的组成与空间分异格局[J]. 地理学报， 2005， 60(5): 827-840．

[11] 方创琳. 中国西部地区城市群形成发育现状与建设重点[J]. 干旱区地理， 2010， 33(5): 667-675．

[12] 韦克游， 覃 枝. 南北钦防城市群发育程度评价[J]. 广西大学学报(哲学社会科学版)， 2009， 31(3): 8-11．

[13] 苗长虹， 王海江. 河南省城市的经济联系方向与强度—兼论中原城市群的形成与对外联系[J]. 地理研究， 2006， 25(2): 222-232．

[14] 顾雯娟， 欧向军， 叶 磊， 等. 基于要素流的长三角城市群空间布局[J]. 热带地理， 2015， 35(6): 833-841．

[15] 朱 慧， 周根贵. 基于引力模型的内陆型区域物流空间联系研究—以浙江金衢丽地区为例[J]. 地域研究与开发， 2015， 34(1): 43-49．

[16] 熊丽芳， 甄 峰， 王 波， 等. 基于百度指数的长三角核心区城市网络特征研究[J]. 经济地理， 2013， 33(7): 67-73．

[17] 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．

[18] 程婧瑶， 樊 杰， 陈 东. 基于重力模型的中国金融中心体系识别[J]. 经济地理， 2013， 33(3): 8-14．

[19] 杨志民， 化祥雨， 邵元海， 等. 外商直接投资空间联系研究—以浙江省为例[J]. 经济地理， 2013， 33(11): 21-27．

[20] 杨志民， 化祥雨， 叶娅芬， 等. 金融空间联系与SOM神经网络中心等级识别—以浙江省县域为例[J]. 经济地理， 2014， 34(12): 93-98．

WANG Huijun， MA Renfeng， QIU Feng， YU Chiyue

(Department of Geography & Spatial Information Techniques， Ningbo University， Ningbo， Zhejiang 315211)

Assessment of development status of Mid-Zhejiang Urban Agglomeration

Taking Mid-Zhejiang Urban Agglomeration as the research unit， from the internal relations of the urban agglomeration， the index system is established with the economic relation index， transport relation index， logistics relation index， information relation index and financial relation index. The development status of Mid-Zhejiang Urban Agglomeration is assessed. It shows that in Mid-Zhejiang Urban Agglomeration， the speed of financial relation development is the fastest， with transport relation growing slowly and logistics relation in a stagnant state; development of Yiwu and Jinhua are the best while that of Wuyi， Pujiang and Panan are the worst; The development degree of northwest is higher than that of southeast; The five relations of Mid-Zhejiang urban agglomeration are not even．

economic relation index; transport relation index; logistics relation index; information relation index; financial relation index; Mid-Zhejiang urban agglomeration

2016-09-01.

“十二五”国家科技支撑计划项目 (2013BAJ10B06-01).

1000-1190(2016)06-0904-09

F127

A

*通讯联系人. E-mail: qiufeng@nbu.edu.cn.