基于地理位置大数据的京津冀城市群短期人口流动研究

王 贤 文， 王 虹 茵， 李 清 纯

(大连理工大学 人文与社会科学学部WISE实验室， 辽宁 大连 116085)

基于地理位置大数据的京津冀城市群短期人口流动研究

王 贤 文， 王 虹 茵， 李 清 纯

(大连理工大学 人文与社会科学学部WISE实验室， 辽宁 大连 116085)

随着京津冀一体化进程的加速，城市群内部各城市之间的人口流动问题也逐渐引起人们的关注。利用腾讯公司的人口流动大数据，采集了京津冀城市群内部各城市在2015年2月3日至5月30日期间的短期人口流动数据。通过聚类分析，识别出京津冀三个子城市群及其短期人口流动趋势。一方面，通过时间对比分析发现人口流动的时间特征，即春节前的春运期间，人口流动方向主要表现为由中心城市流向非中心城市，而节后春运则与节前时期相反；此外，还发现在非节假日期间人口流动存在明显的周期性规律。另一方面，从空间对比分析得出短期人口流动的地理特征，人口流动与城市的地理位置、经济发展状况、常住人口等因素密切相关。进一步对人口流动时间和空间规律的相应成因进行了深入的分析。

人口流动；京津冀城市群；地理位置数据；腾讯公司

一、引 言

城市群是以中心城市为核心，向周围地区辐射形成的城市集合区域。城市群的特点包括城市之间存在紧密的经济联系、产业分工与合作，交通往来密切以及社会生活相互影响等。世界上主要的城市群包括纽约城市群、伦敦城市群、东京城市群以及中国的江浙沪城市群、京津冀城市群等。

京津冀城市群作为中国北方地区的经济中心，其位于环渤海经济圈的中心位置，吸引了大量的科技、教育和信息资源，因此，该地区的人口流量巨大，人口聚集也十分迅速。在这一背景下，对该城市群人口流动和迁徙的研究具有重要的理论和实践意义。

国内外学者关于城市群人口迁徙的研究主要集中在3个方面：描述人口流动的现状与规律并预测未来的人口流动趋势[1-6]；探究人口流动的模式、驱动力及其影响因素[1,7-9]；关于人口流动的相关社会问题的分析与解决[10]。朱宇等人结合国际上关于人口迁移的演变趋势及其机制的研究，通过对中国人口流动的未来趋势加以判断，得出目前我国人口在区域及城乡之间流动的减缓预示着人口流动形式的改变，而非其整体规模和强度的下降[11]。此外，朱宇也对人口迁移流动的时间过程与空间效应进行了详细的论述，并对未来中国国内人口流动的时间以及空间的相关研究加以展望[12]。而针对京津冀城市群的研究，大部分学者侧重于分析城市群的发展问题。例如采用修正的经济联系强度模型和主成分分析法测度京津冀城市群内部各城市的经济空间联系状况，并通过计算城市群内部的各城市主导产业的区位商来判定各城市的产业外向程度[13]；利用指标指数法从基础设施的现代化水平、生态环境的可持续发展水平等4个维度来测算京津冀城市群以及群内各城市的发展质量指数，并通过指数的比较来分析各个城市发展的均衡状况[14]。

此外，关于京津冀城市群的研究，还有学者着眼于该城市群的人口迁徙。其中，把人口流动的规模、原因和分布作为这类研究的重点。例如通过对京津冀地区常住人口变化的比较和分析发现，当前京津冀城市群的人口规模巨大并且增速较快[15]。对京津冀城市群的人口规模变化的测度结果表明，北京人口流入量较大，主要由于北京的经济发展水平较高，在发展过程中需要大量劳动力，再借助其国家首都这一优势，吸引大批劳动力，因而带动了整个京津冀地区的人口流动[16]。还有研究发现京津冀城市群中各个城市的人口分布十分不均匀，北京和天津人口数占整个城市群人口总数的1/2以上，并且这两个城市是人口流动的主要目的地[17]。虽然北京和天津是京津冀城市群的中心城市，具有对劳动力等生产要素吸纳的集聚效应，但由于种种原因，它们却并没有起到对外围城市的带动作用[18]。就京津冀城市群的人口流动影响因素而言，包括收入水平、人均GDP、各城市的经济发展水平、市场化水平以及产业结构变迁等[19-20]；通过对京津冀城市圈的区域特征与人口分布的研究上发现，现在已经形成以北京、天津、石家庄为中心，并分别向外依次扩展的人口多中心分布的圈层结构[21]。

上述关于京津冀城市群的人口流动研究均以常住人口、户籍人口和人口密度等作为分析变量，并以国家或各省市的统计年鉴作为数据来源，从宏观层面开展研究。本文采用由智能移动设备产生的海量地理位置数据，对京津冀城市群内部各城市的人口流动状况进行研究和对比，识别出该城市群中起带动作用的中心城市，并分析短期的人口迁移规律及其成因。

二、数据来源

基于位置的服务(Location-Based Service，LBS)是通过移动运营商的无线电通讯网络或(和)外部定位方式(如GPS卫星定位)获取移动终端用户的位置消息(经纬度坐标)，为用户提供各种与位置相关服务的一种增值业务。智能手机及其安装的各种应用程序在用户允许的前提下，都可以调用LBS服务，从而获取用户的地理位置信息。每个人在地理空间内的移动看似随机而没有规律, 然而一个较大规模人群的移动却隐藏着特定的模式。在智能手机广泛普及的今天，每一个智能手机用户都是一个社会感知(Social Sensing)的移动传感器[22]，从而使得采集海量个体移动信息成为可能[23]。

目前我国的大型互联网公司，包括百度、腾讯等，都可以提供地理位置的定位服务。截至2016年9月，腾讯位置服务每日接受的定位调用请求超过450亿次，应用在微信、手机QQ、京东、滴滴出行等多个产品中，基本覆盖了全部的智能手机用户。因此，来源于腾讯公司的地理位置大数据具有典型的代表性。

本文的数据来源于腾讯公司。腾讯公司作为中国最大的互联网公司之一，业务范围包括通信服务、社交网络平台、游戏平台、新闻客户端以及网络视频服务等。其中QQ的月活跃用户数在2015年第二季度末达到8.43亿，微信的月活跃用户数达到6亿。2015年初，腾讯公司发布了腾讯全国春运出行热度数据平台(hot.qq.com/qianxi，以下简称腾讯迁徙，2016年，该数据平台网址变更为heat.qq.com/qianxi.php)，其人口流动数据来自于腾讯地图定位平台。依托腾讯公司，包括QQ、微信在内的众多服务，可以在保护用户个人隐私的前提下，收集到海量的地理位置数据。

腾讯迁徙平台提供了2015年2月3日到5月30日(共117天)全国各城市之间的流动数据，不同于统计年鉴的年度数据，这些数据具有短期性与连续性，主要包括非户籍迁移数据与旅游流动数据。

表1中列出了部分地区每日流入与流出的人口数量情况，共收集了117天的人口流动数据，时间跨度上包含了春节、清明节和劳动节这3个法定节假日。其中，春运期间无疑是人口流动的高峰期，因而本文将其划分为3个部分，即春节前春运期间(2月3日～2月18日)、春节后春运期间(2月19日～3月16日)与春运结束后(3月17日～5月30日)。

由于收集到的数据只包括每天流入或者流出某城市的人口数最多的前10个城市的人口流动数据，因此会出现部分数据缺失的现象，所以，本文利用插值将缺失数据按照一定的比例关系补充完整。

表1 京津冀城市群中的各城市人口流动数据(单位：万人)

通过表1可以发现，春节前，北京、天津与石家庄的人口流出量远远超过其人口流入量，而邯郸、邢台、衡水等地区则与之相反。春节后，北京、天津、石家庄的人口流入量远大于相应的流出量，反之，邯郸、邢台、衡水等地区的人口流入量小于其人口流出量。

将表1中各城市的流入与流出人数分别加总求和，并以条形图展示出来，如图1所示。无论是人口流入总量或是流出总量，北京均高居首位，其数量远远大于其他城市，而天津、石家庄、保定、廊坊的人口流动数量次之，处于末位的主要包括衡水、唐山等。

图1 各城市全部时间流动人数总和条形图

上述人口流动特点的形成与各地区的经济发展以及地理位置密切相关。北京作为世界人口最多国家的首都，聚集了大量的经济、教育和科技资源，这些资源优势是形成人口聚集的主要原因；天津作为我国的四大直辖市之一，经济发展水平也相对较高，毗邻首都的地理优势也同样明显；石家庄作为河北省的省会城市，其投资、消费和出口均位居河北省首位。这些城市以其较高的经济发展水平和资源优势，吸引了周边地区大量的劳动力。在节假日期间，尤其是春节临近时，许多在北京、天津和石家庄工作的人会返乡探亲；而节后，这些人又陆续返回其工作的城市，所以，春节前后是这些城市人口流动最为频繁的时候。在非节假日以及清明节和劳动节等假期较短的法定节假日期间，人口流动规模较春节前后大幅降低。在除春节之外的其他时间段，各城市的人口流入与流出数量相差不大。

三、实证分析

1.人口流动聚类分析

为剔除春节前后的大规模人口流动可能产生的影响，我们选取3月17日～5月30日期间各地区的人口流动数据进行求和以及标准化处理，得到人口流动来源地和目的地人口数量之间的比例关系，将其转换为矩阵形式。

各城市人口流动比例关系如表2所示。

表2 城市人口流动矩阵(单位：万人)

将表2的矩阵导入NetDraw软件，通过调整阈值得到结构清晰的连通网络，利用Girvan-Newman算法得到人口流动的子网络(见图2)，并采用中介中心性这一社会网络指标来探究城市群中起桥梁性作用的中心城市。

通过分析图2，可以把京津冀城市群划分为以北京、天津和石家庄为中心城市的3个子城市群。从单个子城市群的角度来看，大部分城市都与其所在子城市群的中心城市之间存在极为频繁的人口流动。然而，秦皇岛与唐山、邯郸与邢台之间的人口流动则明显多于与其相应中心城市之间的互动。总体而言，不仅3个中心城市之间联系密切，人口流动量较大，而且由于廊坊、保定等城市的良好中介作用，使得子城市群之间的联系也更为紧密。

为使聚类分析更为清晰直观，我们利用ArcGIS软件将网络节点图表示在地图中(见图3)。可以发现，3个子城市群内部各城市彼此相邻，因而地理位置的邻近性对城市之间的频繁人口流动起着主导作用。

图2 非春节期间京津冀城市群人口流动聚类分析

图3 非春节期间京津冀城市群人口流动聚类分析地图展示

2.人口流动时间和空间分析

(1)时间对比分析

通过对2015年春节前春运期间(2月3日～2月18日)、春节后春运期间(2月19日～3月16日)与春运之后(3月17日～5月30日)这3个时间段内各城市人口净流入量进行分析和比较，此外，还具体研究了非节假日期间各城市在一周内的人口净流入量变化(见图4～图7)，其中，基准线上方人口净流入量为正，即人口流入量大于流出量，下方则表示人口流出量大于流入量。

图4 春节前春运各城市人口净流入量变化图

由图4中可以看出，北京、天津和石家庄的人口流动曲线均处于基准线下方，大体呈现出先下降后上升的趋势；在2月17日(除夕前一天)前后，曲线达到峰值，出现最高或最低点。而其余城市曲线均处于基准线上方且趋势大体相同，在图4中均由不带标记的细直线表示；2月18日(除夕)，所有的曲线都呈现出向基准线靠拢的趋势，说明除夕当天各城市的人口流动基本停止。春节作为我国最重要的传统节日，人们几乎都会在春节之前陆续回到家乡，这段时间会在全国范围内发生大规模的人口流动；而且，这一现象会随着春节的临近愈加明显，一般在春节前一天达到顶峰。因此，中心城市(如北京、天津)会呈现出明显的人口流出现象(即人口净流入量为负)，而子城市群中相对不发达的非中心城市(如沧州)则会出现与之相反的现象，即呈现出较多的人口流入，人口净流入量为正。因此，中心城市呈现净流出，而非中心城市呈现净流入。

图5 春节后春运各城市人口净流入量变化图

图5显示的是春节后春运期间的人口流动情况。在此期间，与春节前期间相反，北京、天津和石家庄的曲线均处于基准线上方，而其他城市的曲线基本都在基准线下方震荡(图中无标记的细直线)。春节过后，外出工作或求学的人们在节后陆续返回相应城市。因此，中心城市与非中心城市均出现与春节前相反方向的人口流动方向。中心城市呈现出人口净流入，而非中心城市则为人口净流出。并且，各城市的人口每日流动数量在节后一周达到最大值，与我国法定节假日安排的春节假期时间节点相吻合。

图6 春运后各城市人口净流入量变化图

图6呈现了春运后各城市人口净流量的变化情况，其中各城市对应曲线的波动呈现出一定的周期性。图中出现了两个较为明显的波峰和波谷(其中，波峰表示净流入人口数量最大，而波谷则表示净流出人口数量最大)，出现在清明节和劳动节这两个法定节假日期间。从图6中可以看出，北京、天津和石家庄的人口流动曲线在4月4日和5月1日均处于基准线下方，即流出多于流入，而在4月6日和5月3日的流入则多于流出；然而，其他城市(如保定)在此期间的人口流动情况则与中心城市相反。其主要原因在于，人们大多选择在此期间返乡探亲或出门旅游，从而单日内产生大量的人口流动。由于假期时间较短，大部分人会选择短途旅行，因而中心城市的周边城市则会成为中心城市流出人口的目的地，而假期过后，它们又会成为中心城市人口流入的来源地。此外，通过进一步观察发现，与时间较短的法定节假日(清明节和劳动节)类似，人口流动曲线在非节假日的周末也会显示出较小的波峰和波谷。因此，本文通过对非节假日期间一周内的人口流动状况进行分析，来探究相应的人口流动规律(见图7)。

图7 各城市一周内人口流量图

剔除节假日，选取各城市6周的人口流动数据计算平均值，并采用曲线图的形式将计算得到的平均值展示出来；其中，基准线上方的曲线表示人口净流入，下方表示人口净流出。从图7中可以看出，周一到周四，曲线处于基准线附近，说明各城市人口净流量基本为零，人口流入与流出保持相对稳定的平衡状态；周四到周五，北京的人口净流出量大幅度增加，曲线迅速下降，且人口出行量在周五达到最大值，而以保定和廊坊为代表的非中心城市，人口流入量增加，曲线基本呈现出不同程度的上升趋势，且在周五达到峰值。无论上升还是下降的曲线都在周六迎来拐点，随后出现与周四时相反的人口流动趋势。周六到周日，几乎所有曲线都向基准线靠近，最后聚集于线上一点，随后，代表北京、天津和石家庄人口流动量的3条曲线穿过基准线迅速上升，即人口流入量增加，而其他曲线则均呈现下降趋势，即人口流出量增加。

图7中曲线的变化趋势代表了大部分人在一周中的出行规律，即周二到周四均为工作日，跨城市出行的人数较少；大多数人短途旅行会选择在周五晚上出发，因此，周五是人口变动的高峰时刻；周六和周日的曲线变化则表示出行人数减少直至人口流入流出达到动态平衡，所有曲线重合在一点，即出行者在目的地度过周末，随后返回常住地，这时，原本在基准线下方的曲线越过基准线，逐渐上升，而原来在基准线上方的曲线则呈现与之相反的特征。

通过上述时间对比分析，本文发现了人口流动的时间规律，进一步佐证北京、天津和石家庄的确是京津冀城市群的中心城市，从而对聚类分析的结果加以印证。

(2)空间对比分析

在本部分通过对中心城市与非中心城市、中心城市之间人口流动规模和趋势进行分类比较，进而探究不同地区的人口流动规律。

①中心城市与非中心城市之间对比

通过同一子城市群内部中心城市与非中心城市之间的人口流动分析，以北京所在的子城市群为例，其人口流动情况如图8所示。以北京为中心城市的子城市群中包括北京、张家口与承德3个城市，观察发现北京—张家口线和北京—承德线的人口流动趋势基本相同，在此只选取其中一条曲线(北京—张家口线)的人口流动趋势图进行分析。

图8中两条曲线即分别为北京—张家口线和张家口—北京线，两个城市分别作为人口流出地和人口流入地。

从图8整体来看，自3月中旬开始，其中一条曲线向左或向右平移一定距离基本可以得到另一条曲线，即这两条曲线变化趋势几乎一致，区别在于一条曲线变化相对超前，而另一条则相对滞后。分析该趋势产生的原因，发现清明节、劳动节与周末之前，从北京到张家口的曲线表现出上升趋势，表示北京有大量人口流出，随后，从张家口到北京的曲线也呈现出上升趋势，表示节假日结束后，外出的人口会返回中心城市继续工作或学习。

②不同中心城市之间比较

以北京、天津与石家庄3个中心城市为研究对象，分别取两两城市之间人口流动数据，曲线如图9所示。

图9 不同中心城市之间的人口流动情况

其中北京—天津线表示北京流动到天津的人口数量减去天津流动到北京的人口数量，其他曲线含义与之类似。

整体而言，3条曲线的变化幅度由大到小依次为北京—石家庄线、北京—天津线以及天津—石家庄线。春节之前，3条曲线几乎都在基准线上方，表示人口流动的方向基本为北京流入天津、北京流入石家庄以及天津流入石家庄；而春节刚刚结束后，曲线几乎都位于基准线下方，人口流动情况与春节前相反。此外，非春节期间，北京—天津与北京—石家庄这两条曲线周期性变化较明显，且每周对应的人口流动规律基本相同，与前文的时间对比分析中得到的结论一致；但是，天津—石家庄线的周期性则不太明显，且在基准线附近波动，可见无论目的地是天津还是石家庄，只要以北京为出发地，则人口出行规律十分相似。

从数量上对清明节与劳动节期间3条曲线的情况进行分析发现，北京—石家庄与天津—石家庄两条曲线表示的人口流动数量较为接近，而另一条曲线表示的人口流动数量则相对较低；进一步观察北京—天津线发现，在这两个节假日期间北京流动到天津的人口数量高于随后天津流回北京的人口数量，原因可能是对部分从北京出行的人而言，天津仅作为其旅途的中转站而非最终目的地，因此，在假期结束后，从天津返回北京的人数少于从北京流入到天津的人数。

四、结 论

基于腾讯公司的迁徙大数据，通过对京津冀地区人口流动的聚类分析以及时间和空间对比分析，本文得到如下结论：(1)京津冀城市群可以分为3个子城市群，且分别以北京、天津和石家庄作为其中心城市。3个中心城市之间以及中心城市与其所在子城市群中的非中心城市之间人口流动较为频繁。(2)春运是人口流动的最高峰期，且人口流动方向主要表现为春节前春运由中心城市流向非中心城市，发达城市流向相对落后城市；而春节后春运则与节前相反。(3)非节假日期间的人口流动存在周期性。在一周之内，周一到周四期间城市的人口流出和流入基本保持相对稳定状态，而周五到周日人口流动较为频繁，其中，周五的人口流出数量最大，周六人口流出与流入均十分明显，周日则以人口流入为主。城市流出人口一般会在周六和周天返回出发地。(4)人口流动与城市的地理位置、经济发展状况、常住人口等因素密切相关。

大数据时代，研究人口迁徙与人口流动，除了以往人们普遍采用的人口统计与人口普查方法之外，采用基于智能手机地理定位的大数据也是另外一种研究方案，可以从不同的角度探究人口迁徙和流动的特征规律。此外，基于地理大数据的方法还可以应用于研究大城市的辐射范围、城市群的划分、城市经济活力的判断等。

本研究存在一定的不足之处，主要包括4个方面。第一，由于收集到的数据仅包括每日流入或者流出数量最多的10个城市的人口流动数据，从而产生部分数据缺失的现象，虽然已利用插补法将数据补充完整，但是仍然会对数据的严密性产生一定影响。第二，现阶段，智能手机的普及率虽然较高，但是并非普及到所有人，智能手机的用户可能无法覆盖全部老年人、农村落后地区等人口，这会对数据的完整性产生一定的影响。第三，本研究的时间跨度为117天，仅研究了3个月中的短期人口流动。在未来研究中，通过收集更长时间跨度内的人口流动数据，比如3～4年，就可以研究人口的长期流动趋势。第四，目前我国为智能手机提供地理定位服务的互联网公司除了腾讯之外，还有百度、阿里巴巴等企业。本文的研究数据只来自腾讯公司，可能会有覆盖面不全的问题。针对这些不足之处，希望在后续的研究中加以改进和完善。

[1] 周毅. 中国人口流动的现状和对策[J]. 社会学研究，1998，(3)：85-93.

[2] 郑真真，杨舸. 中国人口流动现状及未来趋势[J]. 人民论坛，2013，(11)：6-9.

[3] 张志伟，胡石清. 我国人口流动的现状及影响因素分析[J]. 安徽农业大学学报(社会科学版)，2005，(6)：34-37.

[4] LI S M. Population migration and urbanization in China: a comparative analysis of the 1990 population census and the 1995 national one percent sample population survey[J]. International Migration Review,2004，38(2):655-685.

[5] WANG X，LIU C，MAO W，etal. Tracing the largest seasonal migration on earth[J]. Arxiv Preprirat Airxiv,2014,(11)：1-11.

[6] 田明. 中国东部地区流动人口城市间横向迁移规律[J]. 地理研究，2013，(8)：1486-1496.

[7] LIANG Z，MA Z. China’s floating population: new evidence from the 2000 census[J].Population and Development Review,2004,30(3):467-488.

[8] LI H，WANG Y，HAN J，etal. Origin distribution visualization of floating population and determinants analysis: a case study of Yiwu city[J]. Procedia Environmental Sciences,2011，7(21):116-121.

[9] LIU T，QI Y，CAO G，etal. Spatial patterns，driving forces，and urbanization effects of China’s internal migration: county-level analysis based on the 2000 and 2010 censuses[J]. Journal of Geographical Sciences，2015,25(2): 236-256.

[10] 阮荣平，刘力，郑风田. 人口流动对输出地人力资本影响研究[J]. 中国人口科学，2011，(1)：83-91，112.

[11] 朱宇，林李月，柯文前. 国内人口迁移流动的演变趋势:国际经验及其对中国的启示[J]. 人口研究，2016，(5)：50-60.

[12] 朱宇，林李月. 中国人口迁移流动的时间过程及其空间效应研究:回顾与展望[J]. 地理科学，2016，(6)：820-828.

[13] 刘建朝. 京津冀城市群产业优化与城市进化协调发展研究[D]. 天津：河北工业大学，2013.

[14] 李磊，张贵祥. 京津冀城市群内城市发展质量[J]. 经济地理，2015，(5)：61-64.

[15] 席强敏，李国平. 京津冀地区人口均衡发展对策[J]. 中国流通经济，2015，(4)：77-82.

[16] 张耀军. 京津冀城市圈人口有序流动及合理分布[J]. 人口与发展，2015，(2)：33-38.

[17] 封志明，杨玲，杨艳昭，等. 京津冀都市圈人口集疏过程与空间格局分析[J]. 地球信息科学学报，2013，(1)：11-18.

[18] 张先兵. 北京市流动人口发展趋势及调控管理研究[J]. 现代管理科学，2013，(5)：38-41.

[19] 叶裕民，李彦军，倪稞. 京津冀都市圈人口流动与跨区域统筹城乡发展[J]. 中国人口科学，2008，(2)：57-64，96.

[20] 张捷. 京津冀大都市区人口跨地区流动的现状与趋势[J]. 经济学理论，2010，(20)：71-73，124.

[21] 李培，邓慧慧. 京津冀地区人口迁移特征及其影响因素分析[J]. 人口与经济，2007，(6)：59-63.

[22] LIU Y，LIU X，GAO S，etal. Social sensing:a new approach to understanding our socioeconomic environments[J].Annals of the Association of American Geographers,2015,105(3):512-530.

[23] 刘瑜，肖昱，高松，等. 基于位置感知设备的人类移动研究综述[J]. 地理与地理信息科学，2011，27(4)：8-13.

Location Based Big Data Analysis of the Short-term Population Flow of Beijing,Tianjin and Hebei Urban Agglomeration

WANG Xianwen, WANG Hongyin, LI Qingchun

( WISE Lab, Faculty of Humanities and Social Sciences, Dalian University of Technology, Dalian 116024, China )

With the accelerating integration of Beijing, Tianjin and Hebei Province, the issue of population flow in urban agglomeration is gradually attracting people’s attention. This paper collects the population flow data of Beijing, Tianjin and Hebei urban agglomeration between February 3 and May 30 in 2015 from the platform of Tencent Corp., and identifies three sub-urban agglomerations through cluster analysis. The temporal characteristics are summarized by temporal analysis. During the period before the Spring Festival, the main population flow goes from central cities to non-central cities. During the period after the Spring Festival, the opposite occurs. In addition, we find obvious periodicity of population flow during the non-holiday related days. We obtain geographical features of population flow through spatial analysis. The short-term population flow is related to geographical characteristics, economic conditions and number of resident population. Furthermore, we carry out an in-depth analysis about the causes of the flowing trend in terms of time and space.

population flow; urban agglomeration of Beijing, Tianjin and Hebei; location data; Tencent corporation

10.19525/j.issn1008-407x.2017.02.017

2016-12-30;

2016-03-12

国家自然科学基金项目：“地理与网络二维空间及其交互影响视角下的科学论文扩散研究”(71673038)

王贤文(1982-)，男，湖南双峰人，教授，博士生导师，主要从事科学计量学与科技管理、区域经济学研究，E-mail：xianwenwang@dlut.edu.cn；王虹茵(1992-)，女，甘肃兰州人，大连理工大学人文与社会科学学部硕士研究生，研究方向为区域经济学； 李清纯(1993-)，女，河北沧州人，大连理工大学人文与社会科学学部硕士研究生，研究方向为区域经济学。

C922

A

1008-407X(2017)02-0105-09