信息技术影响下的昆明市区域城市网络空间特征

张浩

信息技术的发展改变了人们的交流方武，同时也改变了传统城市的空间结构。本文基于新浪微博的网络信息，利用网络信息的网络连接度展现了研究区域间的空间关系；这些与传统的地理区位所展现的城市关系具有相对一致性，同时又表现出一些差异。这对以后城市区域的发展具有重要借鉴意义。

城市结构 网络信息

网络连接度 城市网络

引言

西方学者在城市间信息流、交通流、人流等方面的研究比较早，做出了很多重要的研究。Goetz（1992）首光分析了航班和航空货运对美国城市网络体系的影响；Mitchelson（1994）研究了全球经济中的信息流动，指出信息流对美国城市网络的建设发展至关重要；Ho Shin（2000）研究了亚洲城市的港口、公路、铁路等交通流信息；Townsend（2001）分析了互联网流量对城市的影响和全球的互联网结构；Matsumoto（2004）研究了国际城市间的航空运输对国际城市网络体系的影响。国内学者对城市网络体系等相关领域起步相对较晚，但研究的深度和广度充分体现了中国特色，研究成果也非常丰富。当前国内学者大都是在Castells的流动空间理论的基础之上，从航空运输、铁路运输、公路运输等交通流分析全国层面城市网络的发展及变化；特别是在高速奎知各方面，作为一种革命性的新型交通工具，使中国东西向、南北向的时空距离空前压缩，沿线欠发达地区相对于发达地区的时空区位条件也发生明显改变，并对人口流动的空间范围、地区和城市间的联系产生重要影响。最近几年，更是出现了基于互联网与中国城市网络体系的关系研究，都很好的解释了全球化、信息化影响下的中国城市网络体系的变化。

新浪微博作为当下新型的网络社交工具，类似于国外的Twitter， Facebook等，并且微博是一个开放式、互动式的非“点对点”的社交平台，用户可以与全国各地的其他用户交流互动，截止2016年9月30日，微博月活跃人数已达到2.97亿。可以说新浪微博是当下网络信息最真实、最有效、最直接的获取平台，因此，本文试图借助新浪微博这一开放社交平台，以云南省昆明市作为研究对象，通过分析新浪微博用户间的好友关系，从而认识研究地区与其他省份城市之间的网络空间特征，从而分析城市发展中的空间问题，并在城市的产业结构、规模大小、布局与调整方面也具有指导意义。特别是在住房价格的分析方面，可以在分析国民经济最重要的部分之一住房价格中加人空间因素，并以信息流反映这种跨区域的联系，从而更加全面的分析城市住房价格这一最重要的城市网络表现形式。

研究区概况

云南省昆明市下辖7区、3县、3自治县和代管1县级市，其中五华区、盘龙区、官渡区、西山区、呈贡区这五个区属于昆明市市辖区。五个区中，五华区、盘龙区、官渡区为主要城区，西山起为次要城区，呈贡区为新区城区；在分布上呈现出多中心，组团式的构成方式，但是在发展上由于地理区位、经济发展水平等因素的影响，呈现出中心地理论中描述的“中心——外围”模式，呈现网状结构形态。

研究方法

（1）研究思路

在新浪微博中，用户间的关系包括粉丝、关注、好友这3种类型。粉丝与关注反映了用户与用户之间单项的联系，用户X“关注”用户Y，对用户Y来说，与X为粉丝关系，代表Y的即时更新信息可以被X接受并交流，表示用户Y影响用户X，也可以表示Y所在区域影响X所在区域；对于用户X来说，与Y为关注关系，代表X愿意接受Y的更新信息并交流，表示用户X被用户Y影响，也可以表示X所在区域被Y所在区域影响；因此，关注与粉丝的影响方向、影响范围是不同的。

而从地理视角来看，则可以将城市理解为网络社区中的节点，将城市间的好友关系理解为网络社区中节点间的信息流，便于分析一个强关系和弱关系存在的状态，从而构建起基于网络社区的城市网络体系。本文首先通过一定筛选标准，选取云南省昆明市为代表城市，进而利用新浪微博网站统计出昆明市主要区域的微博用户。然后，统计选取微博用户的好友关系及其地理空间数据，并加以统计和计算，构建基于信息的城市网络空间结构。

（2）数据采集方法

研究以选取的昆明市五个直辖区为据点，分别在各个直辖区中选取20个新浪微博用户作为研究样本。这些样本需满足以下3个条件：一是用户位于所选区域。二是用户为普通个人，而非“名人”，并在选取中选取各行各业、不同层次、不同领域的用户，力求真实的采集用户数据。三是用户为活跃用户，其粉丝与关注数量均在150以上，月发送微博数大于10条。最终，借助新浪微博中的“找人”应用模块，在2017年12月4日采集数据，共获取了5个区域的100个新浪微博研究样本。由于数据信息量大，通过编制爬虫程序采集这100个研究样本的粉丝、关注用户的微博身份证（ID），找出微博用户并记录其地理信息数据。通过运行程序，共统计得到13597条有效好友关系数据。

（3）数据计算方法

通过借鉴Taylor所提出的世界城市网络研究方法和中国城市网络特征的计算方法等综合考虑，拟定下列算法。

第一，将收集到的数据标准化，其计算公式为：

其中，X'ij表示数据标准化之后区域i位于区域j中的好友数量，戈为获取的区域i位于区域j中的好友数量，∑jXij为区域i在各个区域j中的好友数量之和。

第二，计算区域对外连接度，主要用于反映区域在网络体系中的区域等级，公式如下：

Ni=∑jX'ij-X'ii

其中，Xiji为区域i的好友中位于区域j的好友标准化值，Xij即为区域i中的同区域好友标准化值，Ni即区域的对外连接指数，反映了区域i在网络中其他区域的好友关系中所占比例之和.。

第三，计算区域的网络连接度，反映城市区域间在网络中的信息联系紧密程度。公式如下：

其中X'ij為区域i的好友中位于区域j的好友标准化值，Xji为区域j的好友中位于区域i的好友标准化值，r为区域i，j间的网络连接度，maxj（rij）计算所得网络连接度中的最大值；R即为最后城区i与区域的网络连接度标准化值。

第四，计算联系作用强度，公式如下：

Mi=∑jR'ij-Rii

其中，Rij为区域i与区域j的网络连接度标准化值，Rii为区域i内部的网络连接度，Mi为区域i的对外连接度。

（4）数据处理方法

在收集完相关数据并计算之后，运用excel，ArcGIS，GeoDa等软件进行相应的整理、作图和分析工作。新浪微博视角下昆明市与各省份之

间的网络特征

（1）城市网络城区分析

由上述处理方法计算得到城区的对外连接度和区域间的网络连接度，其中对外连接度官渡区在五个城区中排名第一，其次是呈贡区、五华区和盘龙区，最后是西山区。根据昆明市都市圈空间结构现状特征而言，五华区、盘龙区、官渡区应是全市传统上的经济文化中心；在全市2016年主要城区GDP产值和排名中，官渡区位列第一，其次是五华区和盘龙区；这些表明，在城市网络中的对外连接度层次的高低并不完全由传统的行政中心或者经济发展水平决定，而是综合政治、文化、地域差异和经济发展等多方因素，特别是经济的发展方向、发展模式，对区域对外连接度具有重要影响。

（2）城市网络空间分析

借助ArcGIS制作关于城市网络体系中城市间的网络连接度专题图，运用ArcGIS的Natural Breaks工具，按照数据固有的自然组别分类，使得组内差异最小，组间差异最大，得到研究区域的层次划分，进一步分析城市网络体系的空间特征。

从这五个城区的传统关系人手，五华区是传统的市中心，也是云南省人民政府的所在地，驻区中央和省市机关、企事业单位众多，辖区高校、科研机构众多，在GDP排名排名中虽处于第二位但和第一名相差不多；官渡区也是昆明五城区之一，近年来经济更是飞速发展，特别是第三产业的发展，占经济的比重逐年升高，现GDP总量已经超过五华区来到第一的位置；呈贡区是昆明市南部的一个新区，现阶段主要是高校聚集地和全国花卉市场。综合三者的基本情况可以看出，官渡区和呈贡区的网络连接度排名靠前不是没有道理的，这两个地区第三产业发达，人员流动大，互联网信息流动便捷；且呈贡区有高校聚集区，学生的对外接受、沟通能力较强，因此与外界联系广泛、密切；因此在利用网络数据分析得到的结果中，这两个区域对外的连接度更高。

进一步分析发现，五个区域的连接度密集区的分布具体来说是不一致的，总的来说，盘龙区是以前的市政府所在地，五华区是线省政府所在地，这两个区域都属于比较老的城区，相对来说也是政治、经济、文化的传统区域；而西山区、呈贡区都属于近年来才设立的新区，只可以说是经济和文化的分布区；通过分析可以发现，传统聚集区，相对而言受政治影响大的区域连接的紧密度高的区域是北京地区，而相对比较新的区域，受经济影响大的区域连接的紧密度高的区域是广东地区。

（依次是五华区、官渡区、西山区、盘龙区、呈贡区、昆明市的网络连接度图）

结论及启示

本文基于新浪微博网络信息的观察与分析，从网络信息数据的角度反映研究区域的层级关系和连接强度，所表现出来的关系与传统的地理区位直接的关系有很大的正相关关系，即地区的等级越高，网络连接度一般也会越高。值得注意的是，网络数据本身是没有联系的，但是所研究新浪微博数据的主体确是人，通过人的社会联系反映地理空间的分布与格局。通过分析发现，昆明市五大城区的等级与网络连接情况与实际地区的经济发展水平并不是十分吻合，因为对信息技术的发展和操作情况不同就会产生与传统分析之间的差异。但总体来说，分析得出的结果与各地区现阶段的发展情况还是高度相关的，这对于不同地区调整产业结构和发展目标有重要意义。

通过以上分析，我们也能看出，不同城市的网络连接度是不一样的，开放程度高、互联网技术发展较为迅速的地区，网络连接度要高于其他地区，这与传统的城市等级基本相一致，发达地区的等级要高于欠发达地区。在对城市中的重点问题住房价格的方面，区域网络连接度的提高，在一定程度上会是该地区的住房价格产生扩散效应。首先，人数越多的地区相应的住房价格会越高，随着网络连接度的提高，研究区域会出现去中心化式的住房价格趋势，这会带动周边地区住房价格的上涨，但上涨的范围和幅度需要进一步研究；当周边地区价格上涨后，又会影响再外围地区的住房价格的上涨，网络连接度越高，会对该地区的住房价格产生负面影响，整体上网络连接度对住房价格呈现分散效应。

综上，基于网络数据的网络社会关系可以从一个新的角度反映城市区域之间的关系，这为我国城市布局与规划提供了新的方法，然而新的东西总是需要不断锤炼与检验的，还需要方法的不断完善和数据量的近一步扩大，这需要我们不断的研究与进步，实现中国区域的协调发展和社会的长足进步。

[1]金凤君，王成金.轴—辐侍服理念下的中國航空网络模式构筑.地理研究，2005，24（5）：774-784.

[2]吴威，曹有挥，梁双波等.中国铁路客运网络可达性空间格局.地理研究，2009，28（5）：1389-1400.