基于社交媒体数据的城市联系网络特征研究——以长三角城市群为例

张清兰 程钢 张一帆 林振宇

（河南理工大学 测绘与国土信息工程学院，河南 焦作 454000）

1 引言

社交媒体的广泛应用，产生了许多数据，通过相关理论对这些数据进行深入挖掘和分析，可以获得更多有用的信息，为相关决策提供支持。在这些分析理论中应用最为广泛的当数社会网络分析。社会网络分析是对个体之间的关联(即“关系数据”)进行量化的主要方法[1]，最早出现在20世纪60年代的社会学研究中。国外学者于20世纪90年代将其运用于旅游研究[2]，国内学者将其运用于旅游研究起步较晚，且研究多与旅游空间结构相关。旅游空间结构是游客相互作用的集聚度和集聚状态[3]，体现了旅游活动的空间变化和空间相关属性。目前，学界在旅游空间结构研究中已经形成了较为完善的理论模型与理论体系，如核心-边缘模型、目的地空间结构模式等[4]。国内研究主要集中在旅游地空间结构演化模式等方面，且将社会网络分析与空间结构的关联研究主要运用于跨区域旅游[5]。各位学者对社会网络分析的研究，使得社会网络分析方法更加完善和详尽，利用当前互联网数据进行社会网络分析也逐渐成熟。

借鉴前人的研究经验与成果，本文提出基于社交媒体签到数据进行城市间实际联系网络分析的构想，对长三角城市群实际联系强度进行计算分析，利用社会网络的一些技术指标（如网络密度、中心度、凝聚子群等），对处于区域联系空间中的城市之间的联系进行定量化研究，探讨长三角城市群的网络结构特征，并结合地区的经济数据，探究地区实际联系强度与理论联系之间的耦合协调度，分析其格局并提出相关建议。

2 研究方法及数据来源

2.1 研究方法

在对长三角城市群实际联系网络特征的研究中，主要有网络密度、中心度、凝聚子群和耦合协调度等几个研究方法。

（1）网络密度

网络密度是指一个网络中各个节点之间联系的紧密程度，节点之间的联系越多，网络密度就越大。该指标的计算方法是用“实际存在的关系数”除以“理论上最多可能存在的关系数”，实际上等于所有可能存在关系的平均值[6]。网络密度的计算表达式为：

公式（1）中，D代表网络密度，n代表城市总数，d（ci，cj）代表城市i和城市j之间的实际联系次数，如果两个城市之间有联系，则该值为1，否则为0。整体而言，网络密度越大，证明网络中各城市之间的实际联系越紧密，联系越紧密的网络能为其中的成员提供各种社会资源的机会也就越多[7]。

（2）中心度

中心度是度量整个城市群网络中心化程度的重要指标。网络中心度一般有以下三大指标：

①度数中心度，是城市群网络中与某节点城市直接相连的其他节点城市的个数，分为点入度和点出度。对于城市群网络来说，某节点的入度值越高则证明该城市对内联系受周边城市控制的程度越深。某节点的出度值越高则证明该城市对周边城市控制的程度越深。标准化度数中心度计算公式为：

②接近中心度，是评价某节点城市与其他节点城市进行互动难易程度的指标。标准化接近中心度的计算公式为：

公式（3）中，n代表节点数，dij代表网络中城市i与城市j之间的最短距离。接近中心度值越大，说明该城市与其他城市联系越紧密；而与该城市距离越远的城市受到的影响越小。

③中间中心度，用来衡量节点城市在城市网络中的“中介”作用。城市群网络中某节点城市的中间中心度用来衡量在这个城市网络中该城市对其他城市的控制能力。标准化中间中心度的计算公式为：

公式（4）中，bjk（i）表示城市j到k交通的联系必须通过城市i的次数。中间中心度的取值在0～1之间，如果取值为0，表明该节点城市不能控制任何行动者；如果取值为1，说明该节点城市可以完全控制其他行动者[8]。

（3）耦合协调度模型

耦合关系特指两个及以上系统间相互关联、相互影响的现象。本文基于社交媒体数据获得的各城市实际联系强度与基于经济指数计算的理论联系强度作为两个子系统，基于耦合模型计算这两个子系统耦合度的大小。其计算公式为：

公式（5）中，C表示实际与理论联系强度的耦合度，C∈[0，1]；Ua为实际联系强度指标，Ub为经济评价指标（即理论联系强度指标），Ua、Ub由上式分别求出。

耦合度对实际联系强度与理论联系强度之间关系的判别具有重要作用，但其评价结果容易产生误差。为此确立耦合协调模型，以进一步验证各城市实际与理论联系强度的耦合关系的准确性。其算法如下：

公式（6）中，D为实际与理论联系强度的耦合协调度；T是两者之间的综合评价指数，在本文的耦合协调度研究中，认为两者重 要性一致，即

2.2 数据来源

本文选取了长三角地区26个地级市作为研究对象，城市的实际联系强度采用2015年长三角地区的社交媒体签到数据（微博用户在当前城市进行一次签到然后在其他城市进行一次签到视为这两个城市进行一次联系）进行汇总，经济数据（GDP、非农人口数）来自各城市2015年统计年鉴，距离数据采用从百度地图获取的驾车行驶距离来表示。

3 联系网络特征分析

长三角城市群实际联系网络的密度为0.9477，证明了长三角城市群26个城市之间联系非常紧密。长三角城市群网络对各节点城市在合作交流等方面影响较大，各城市间互动频繁，实际联系较强，城市群呈现多中心网络化特征。

从整体网络来看，整体网络中心势（出度）为14.036%，网络中心势（入度）为3.514%，表明长三角城市群实际联系网络化结构明显，然而实际联系网络的中间中心势接近0，表明长三角城市群中各城市的中介作用不明显，同时从实际联系的网络结构图也能发现大部分城市都可以与其他城市有直接联系，没有哪一个城市是处在其他两个城市之间的必经路径之中，也没有哪个城市能够较大程度地掌控其他城市间的交往。

从单个城市网络层面来看（如表1所示），首先，26个城市的度数中心度出度值排名前五的依次为上海、苏州、杭州、南京、无锡，而且上海的度数中心度出度值远远高于其他25个城市，这表明上海市在长三角城市群中处于相对核心地位，是该城市群中实际联系的集聚中心和辐射城市，其他城市在很大程度上受其影响。随着沪苏湖铁路和沪通铁路二期等城际交通网络的不断完善，上海对周边城市的扩散和溢出效应将更加明显。除上海外，杭州、苏州、南京这三个城市的度数中心度出度值也比较高，这表明杭州、苏州、南京在长三角城市群中处于相对的副核心城市地位，具有比较强的辐射和扩散效应，对自身周边的城市具有一定的影响力。其次，26个城市的度数中心度入度值排名前五的依次是苏州、杭州、嘉兴、无锡、南京。苏州和杭州的入度值远远大于其他城市，说明苏州作为紧邻上海的城市，积极地对接上海，吸引大量原本属于上海的信息、资金等资源，已经成为上海发挥扩散效应的重要受益城市和长三角地区的副核心城市。从接近中心度来看，长三角城市群26个城市接近中心度出度值和入度值接近100，说明各城市间有着极高的外向紧密度，相互之间联系非常紧密；同时各城市间有着极高的内向紧密度，在对内实际联系中较少受其他城市控制。最后，从中间中心度来看，各城市中间中心度接近于0，说明城市群中两两城市之间基本能够直接进行实际的联系交流，各个城市的“中介”作用不明显。

表1 长三角城市中心度

4 实际联系强度与理论联系强度的耦合协调度

长三角城市之间联系的强弱一定程度上受到经济因素的影响，本文利用统计年鉴数据，利用经济引力模型计算了城市间的理论联系强度。以社交媒体签到数据为地区实际联系强度，以计算出的经济联系指数为理论联系强度，引入耦合协调模型，通过模型计算分析实际联系强度与理论联系强度之间的耦合协调度（如图1所示）。

根据耦合协调度模型计算出各城市实际与理论联系强度的耦合协调度D，其中0.7≤D＜1为高度协调，0.4≤D＜0.7为基本协调，0.35≤D＜0.4为弱协调，0＜D＜0.35为不协调。根据耦合协调度模型计算出各城市实际联系强度与理论联系强度的耦合协调强度，分析实际联系强度与理论联系强度的耦合协调度的结果可知：长三角城市中高度协调的城市数目为0；基本协调的城市数目为2，分别为上海、苏州；弱协调的城市数量为2，分别为杭州、无锡；其他22个城市的耦合协调度都极低，处于不协调状态。

图1 长三角城市耦合协调度

根据分析结果可知，长三角城市群各城市的实际与理论联系强度的协调性并不理想，只有上海、苏州这两个城市处于基本协调状态，其他城市的协调度都比较低，甚至处于不协调状态。由于本文选用经济联系引力模型计算出的经济联系强度作为城市理论联系强度，一般情况下，城市的经济联系强度可以很好地代替城市的实际联系强度，但是本文中实际理论联系强度与理论联系强度的耦合协调性较弱，说明经济联系强度在一定情况下无法代替实际联系强度。这也从侧面反映了社交媒体数据对于研究城市联系强度的现实意义。虽然一定情况下，经济联系强度无法很好地说明城市的实际联系强度，但是它的存在仍然具有重要意义，例如本文选择经济联系强度作为城市理论强度的替代指标，与其他实际的联系指标进行综合分析，可以得到各城市理论与实际的协调状况，为相关决策提供支持。本文通过对理论与实际联系强度进行综合的耦合协调度分析，得出了长三角地区理论与实际发展不协调的结论，因此，决策者可以更加有目的性地制定与实施相关政策。

5 结束语

基于上述社会网络分析发现，长三角城市联系的网络特征主要有以下几点：长三角城市群联系网络密度高，城市群网络化的结构较为明显；上海、苏州为城市实际联系网络的核心城市，对外辐射能力强，扩散效应明显，带动周边城市的快速发展；杭州、南京为城市实际联系网络的副核心城市，利用区域上的优势积极对接上海，吸收优势资源。

分析实际联系强度与理论联系强度的耦合协调度的结果可知，长三角城市中高度协调的城市数目为0，基本协调的城市数目为2，分别为上海、苏州；弱协调的城市数量为2，分别为杭州、无锡；其他22个城市的耦合协调度都极低，处于不协调状态。

需要进一步指出的是，本文主要基于2015年的社交媒体签到数据及统计年鉴数据进行分析，而作为长三角这样复杂的城市群，其流动空间的各种要素流运作无疑是极为复杂的时空变化过程，从这个意义上来说，本文研究的结论仅能反映2015年区域联系网络特征，而要获得更为全面的结论与时空演变过程，还有待对其他年份的要素流数据及相关研究方法进行进一步探索。