基于铁路客运视角的长三角区域网络结构研究

陈万隆，冯友建

基于铁路客运视角的长三角区域网络结构研究

陈万隆，冯友建*

（浙江大学 地球科学学院，浙江 杭州 310058）

区域网络结构研究是区域一体化发展规划的重要依据。基于铁路客运视角开展研究是区域网络结构研究的重要途径之一。本文结合社会网络分析方法和ArcGIS空间分析方法，依据2015—2019年长三角区域城际铁路客运班次数据，从网络密度、网络中心度、核心-边缘结构和凝聚子群4个方面对长三角区域城市网络结构特征及其演变趋势进行研究。结果表明：（1）长三角区域城市间铁路流数量呈不断增长趋势，铁路客运联系的空间分布不平衡，主轴与次轴相互交织共同构成整体网络；（2）城市网络密度显著上升，网络结构复杂，但处于弱连接状态，江浙沪省际联系紧密，安徽省有待进一步融入长三角区域一体化；（3）度数中心度两极分化显著、高低值区地域集聚特征明显、核心城市控制力强势；（4）由上海市、南京市、苏州市、无锡市、常州市等组成的宁沪主轴沿线城市群在长三角区域内关系最为紧密、一体化程度最高；（5）凝聚子群分布形态的组织性逐步增强，以区域内的中心城市为枢纽，形成了具有地理邻近性的铁路客运联系网络；（6）长三角区域总体网络结构特征为空间分布不平衡、城市首位度突出、形成各级凝聚子群，总体演变趋势为网络联系趋于紧密、网络结构趋于复杂、分布形态趋于优化。

长三角；铁路客运联系；网络结构；社会网络分析； ArcGIS空间分析

0　引言

区域经济的飞速发展使得城市体系的经济联系更为活跃，呈网络化联系特征，并以前所未有的方式、结构、速度和规模发展［1］。区域网络是以区域内城市为载体通过经济活动中的要素流通或扩散途径，形成区域内节点—轴带—域面紧密联系与协作的有机系统［2］。区域网络的构建与完善有利于提升要素流通的广度与密度，实现资源优化配置、区域“密度-网络经济”效应最大化［3］。研究区域网络结构有助于认识区域网络化发展进程，揭示城市节点在区域中的地位，分析整体网络的分布格局及集群特征，对城市体系规划以及铁路网络规划和建设具有重要的指导意义，有助于推进长三角区域一体化发展、推动形成地区协调发展新格局。

著名社会学家CASTELLS［4］将人们所接触的世界解构为流空间（space of flows）与场所空间（space of places），通过流空间与场所空间的相互作用，将信息技术与城市的空间结构有效整合。随着流空间理论的拓展，流空间逐渐成为大数据时代人文地理学研究的重要内容之一。在国外，GAWC等［5］基于航空旅客量，分析了全球范围内城市网络组织特征；SMITH等［6］基于客流联系，研究了世界城市体系格局；ALDERSON等［7］基于全球500强跨国企业建立的母子联系，分析了全球城市网络体系；MAGGIONI等［8］基于SCI期刊不同城市间专利合作情况，分析了基于科学知识生产体系的世界城市网络结构。在国内，焦敬娟等［9］和朱惠斌［10］基于交通视角对高铁网络影响、航空客流下城市功能网络及其层级进行了定量研究；武前波等［11］基于电子信息企业生产网络视角，探索了我国城市网络的空间特征；魏冶等［12］基于百度迁徙大数据，在春运人口流动视角下分析了转型期中国城市网络结构的现状特征；王珏等［13］采用社会网络分析方法通过引力模型对长三角地区人口迁移状况、成因及其演化模式进行了综合探讨；冷炳荣等［14］结合统计物理中的复杂网络分析工具，分析了我国城市经济网络结构空间特征及其复杂性；徐宜青等［15］基于合作专利数据，研究了长三角城市群协同创新网络格局的发展和演变；熊丽芳等［16］借助百度指数分析了长三角城市网络的时空演变。现有国内外城市网络研究视角呈多元化特征，逐步由传统的经济、人口网络转向交通、产业、信息网络。研究方法在传统的引力模型等数理统计的基础上引入图论、社会网络分析方法等。众多学者尝试通过铁路客流数据对城市网络结构进行研究［17-31］，但以城际铁路客运运营频次为数据源的研究较少，且以往研究多停留在静态层面，未能从时间尺度上连续、动态地反映区域城市网络的结构特征及其演变趋势。铁路客运班次数据具有真实可查、综合性强的特点，同时兼顾阶段稳定性和整体动态性等特点［31］，能真实客观地反映城市间的联系，本文探究了这一数据在区域网络空间结构研究中的应用。

依据中共中央、国务院于2019年12月1日印发的《长江三角洲区域一体化发展规划纲要》，长三角地区包括上海市，江苏省南京市、无锡市、常州市、苏州市、南通市、扬州市、镇江市、盐城市、泰州市，浙江省杭州市、宁波市、温州市、湖州市、嘉兴市、绍兴市、金华市、舟山市、台州市，安徽省合肥市、芜湖市、马鞍山市、铜陵市、安庆市、滁州市、池州市、宣城市27个城市，面积为22.5万km2。长三角地处我国东部沿海，经济实力较强，经济总量约占全国的1/4，成为全国经济发展的重要引擎。截至2019年年底，长三角区域内铁路营运里程超11 500 km，其中高铁营运里程5 095 km，保持全国前列。因此，以长三角区域27个地级及以上核心城市为基本研究单元，深入研究其区域网络结构，掌握其区域城市空间结构特征及演变趋势，具有典型的示范意义。

1　数据来源与研究方法

1.1　数据来源

以2015—2019年长三角区域27个城市间铁路客运运营频次为数据源，分别从2015—2019年各个版本的盛名时刻表软件查询提取得到，提取原则是：若两城市间无须中转，经停的列车班次数量即为两城市间的铁路交通联系强度；若两城市间需要中转或无直接中转车站，则两城市间的联系强度赋值为0。由此构建27个城市间的铁路客运运营频次矩阵，列车班次的主要类型包括高铁（G字头）、动车（D字头）及城际高速（C字头）。

1.2　研究方法

社会网络分析方法是一种从“关系”的角度刻画网络整体的形态、特性和结构的重要分析方法。近年来，该方法被逐步引入地理学研究，并在旅游网络、人口迁移网络、经济网络、产业创新及产业生态化网络、企业网络等方面得到广泛应用［32］。ArcGIS空间分析方法是基于地理对象的位置和形态等空间数据的分析技术。本研究结合社会网络分析方法和ArcGIS空间分析方法，从网络密度、网络中心度、核心-边缘结构和凝聚子群4个方面对长三角区域城市网络结构特征及其演变趋势进行定量分析。

（1）网络密度。网络密度反映了网络中城市节点间的联系程度，网络密度越大，城市间铁路客运联系越紧密。网络密度的计算公式为

其中，为网络密度，为城市节点数，X为城市与城市间的铁路客运运营频次。

（2）网络中心度。网络中心度可衡量城市在网络中所处的地位与角色，包括度数中心度、中间中心度和接近中心度等。由于接近中心度与度数中心度相关性较强，通常很少被使用。所以本文选取度数中心度和中间中心度进行分析。

度数中心度是度量城市处于网络中心位置的程度，度数中心度越高，城市结点越靠近网络中心位置。考虑交通流具有方向性，可将度数中心度分为点出度和点入度，分别表征城市的对外辐射能力和集聚能力。度数中心度的计算公式为

其中，CD（）为城市的度数中心度。

中间中心度表示两个非邻接城市间的客运联系对其他城市的依赖程度，反映某城市对其他城市间客运联系的控制程度。中间中心度的计算公式为

其中，CB（）为城市的中间中心度，g为城市与城市间的最短路径数，g（）表示城市与城市间经过城市的最短路径数。

（3）核心-边缘结构。核心-边缘结构在拓扑意义上是一种中心紧密连接、外围逐渐稀疏的特质空间结构，将区域内城市划分为核心、边缘结构区，用于寻找核心、边缘城市［19］。通过分析连续的核心-边缘结构关联模型，得到每个城市的核心度，核心度可直观地反映城市在区域网络中所处的位置。

（4）凝聚子群。凝聚子群是满足节点之间具有“相对较强的、直接的、紧密的、经常的或者积极的关系”的子群。凝聚子群不具备城市联盟的实际意义，仅说明团体内城市间的联系比较紧密。凝聚子群分析探讨怎样由群体小结构组成网络整体结构，从而揭示城市网络结构中的小团体集聚现象。本文采用迭代相关收敛法（CONCOR）分析凝聚子群。

2　长三角区域铁路客运联系网络状况

2.1　总体趋势

根据城际铁路客运运营频次矩阵，2015年长三角区域城际铁路流数量为227条，2016年为367条，2017年为371条，2018年为372条，2019年为374条，总体呈增长趋势，尤其是2016年南通、泰州、扬州、芜湖、安庆、马鞍山、池州等城市迈入长三角铁路客运网络之后，铁路流数量大幅增加，之后保持缓慢增长。

2.2　空间分布

采用ArcGIS软件中的XY To Line工具得到2015—2019年长三角区域铁路客运联系网络（图1）。由图1可知，长三角区域铁路客运联系的空间分布不平衡，多条交通轴线相互交织共同构成整体网络。上海作为中心城市，发挥龙头带动作用和辐射带动作用，在区域内形成了上海-常州、上海-南京、上海-无锡、上海-苏州等多条主要交通轴线。由苏州-无锡-常州-南京构成的四边形铁路客运联系较为紧密，苏州-无锡、无锡-常州、常州-南京、南京-苏州4条边长均为区域内的主要交通轴线。除此以外，杭州-嘉兴、杭州-金华以及上海-镇江、上海-杭州、南京-杭州等次级交通轴线逐年发展，成为支持区域经济发展的后起之秀。

图1　长三角区域铁路客运联系网络（单位：条）

3　结果分析

3.1　网络密度分析

长三角区域城市网络密度计算结果见表1。由表1可知，2015—2019年，城际铁路客运联系整体网络密度由11.6上升至17.8，增长了53.4%，表明网络空间结构中城市间的相互联系逐渐增强。根据城市间是否存在客运联系，对网络密度进行二值化处理，二值化由0.32升至0.53，表明区域内仍然存在多个孤立城市，铁路客运网络联系不紧密。由此可知，长三角区域城市网络密度显著上升，网络结构复杂，处于弱连接状态。分阶段来看，2015—2016年，网络密度增长十分迅速，尤其是二值化网络密度增长率达62.5%。这是由于宁启复线（南通-南京）和宁安高铁（安庆-南京）开通运行，使得南通、泰州、扬州、芜湖、安庆、马鞍山、池州等城市迈入长三角区域高铁网络时代。2016—2019年，网络密度呈缓慢增长趋势，区域铁路客运网络得到进一步完善。另外，2015—2019年，苏>浙>皖的省域内部联系格局十分稳固，江苏省和浙江省由于经济发达、高铁发展起步早，其网络密度远高于安徽省，高铁客运联系网络更加紧密。但安徽省的网络密度增长最显著，由0.7增至9.6，相比之下江苏省和浙江省的网络密度增长较为缓慢。由沪苏>沪浙>苏浙>苏皖>浙皖>沪皖可知，省际外部联系格局保持稳定，区域间联系很不均衡，大量的铁路客运联系出现在沪苏、沪浙、苏浙之间，苏皖、浙皖、沪皖间的联系也得到显著提升。上海市作为长三角区域的核心城市，对区域内其他城市的辐射作用增强；上海市、江苏省、浙江省作为长三角最初成员，铁路客运联系愈发紧密，区域一体化发展进程迅速，而安徽省由于地理位置、经济发展水平等因素，呈现明显的梯度性，需先与江苏省、浙江省全面对接，再逐步接受上海市的辐射，最终完全融入长三角一体化进程。

表1　长三角区域城市网络密度

3.2　网络中心度分析

（1）度数中心度。长三角区域城市度数中心度计算结果如表2所示。2015—2019年，上海、南京的点出度一直居区域前二，且远高于区域内其他城市，处于铁路客运联系网络核心位置，对外发挥极强的辐射带动作用。苏州、无锡、常州、杭州等城市位于长三角区域的重要位置，与上海的合作互动不断加强，也发挥较强的辐射带动作用。扬州、南通、泰州等城市的点出度一直位于区域后三位，处于网络边缘地带，对外联系需求较弱，辐射能力不足。盐城、舟山、宣城的点出度为零，处于网络孤立地带。2015—2019年，各个城市的点出度和点入度均不断上升，且排列位序基本一致，呈现明显的两极分化现象。比较点出度和点入度可知，苏州、宁波、合肥等城市的点出度逐渐超越点入度，对外联系需求增强，由极化效应向扩散效应转变，而温州、滁州等城市则相反，由扩散效应向极化效应转变。

表2　2015—2019年长三角区域城市度数中心度

采用ArcGIS软件中的反距离空间插值工具，得到长三角区域城市度数中心度的空间分布（图2）。2015—2019年，沪宁线、沪杭线作为长三角区域的发展主轴，表现出较强的“廊道效应”特征，其沿线城市铁路客运联系发达，一直位于度数中心度的高值集聚区。而扬州、泰州、南通等长江以北城市和安徽省大部分城市始终位于度数中心度的低值集聚区，其铁路客运发展较滞后。总的来说，长三角铁路客运网络呈“之”字型布局，空间分布不均衡现象显著。由上海、南京、杭州构成的三角形在长三角区域联系最为紧密，但位于三角形中心的湖州其度数中心度较低，与周围其他城市的联系有待加强。绍兴、宁波、台州、温州处于三角形外缘，依靠城市经济的快速发展和中心城市的辐射带动作用，铁路客运联系渐趋紧密，度数中心度不断提高。此外，合肥作为长三角的副中心城市，需进一步强化合肥都市圈与长三角区域内其他城市的客运铁路联系，打通东向出海新通道。

图2　长三角区域城市度数中心度空间分布

（2）中间中心度。长三角区域城市中间中心度计算结果如表3所示。2015年，合肥的中间中心度位居第一，远高于区域内其他城市，表明其处于合肥都市圈铁路客运网络的中心地位，对区域联系网络的控制力较强。随着2016年宁启复线和宁安高铁的开通运行，南京的中间中心度超越合肥，位居第一，与合肥形成区域内“双中心”结构，是多条线路通达服务的“中介”与“桥接”；上海、杭州、嘉兴、金华、温州等城市在一定程度上对城市间交往的支配作用及对整体网络的控制力较强；其他城市的中介能力较弱，主要接受以上城市的辐射影响及高铁流的波及等。

表3　2015—2019年长三角区域城市中间中心度

3.3　核心-边缘结构分析

通过分析核心-边缘结构连续关联模型可得，2015—2019年，长三角区域核心城市无明显变化，其中上海、南京、苏州、无锡、常州一直为核心城市，镇江在2016—2017年曾为核心城市。由核心城市组成的宁沪主轴沿线城市群在长三角区域内关系最为紧密、一体化程度最高。进一步计算得到长三角区域城市网络核心度（表4），由表4可知，2015—2019年，上海、南京、苏州、无锡、常州5个核心城市的网络核心度依次位列前五，且位序保持不变。镇江、杭州、嘉兴、宁波、合肥的网络核心度位于第二梯队，且与核心城市之间保持较大的距离，节点间铁路客运联系有待进一步加强。

表4　2015—2019年长三角区域城市网络核心度

3.4　凝聚子群分析

采用ArcGIS软件绘制长三角区域城市铁路客运联系网络凝聚子群的空间演化过程，如图3所示。2015—2019年，长三角铁路客运联系在二级层面上出现4个凝聚子群，空间分布组织性逐渐增强。2015年，区域内形成了以沪宁合为中心的子群（上海、滁州、合肥、苏州、南京、无锡、镇江、常州）、浙江子群（温州、宁波、台州、杭州、绍兴、嘉兴、金华、湖州）、铜陵点集以及其他边缘城市子群，空间分布组织性较弱。2016年，空间分布组织性明显增强，形成了由以沪宁合为中心的子群、浙江子群、宁安高铁沿线子群（马鞍山、芜湖、安庆、铜陵、池州）以及扬泰通子群组成的四片区格局。2019年，受区域联系加强的影响，以沪宁合为中心的子群和宁安高铁沿线子群得以整合，最终形成相对稳定的三片区格局。

2015—2019年，长三角铁路客运联系网络内部处于分化整合期，在三级层面上子群空间分布形态发生明显变化。以沪宁合为中心的子群于2015年出现沪合子群（上海、滁州、合肥）和沪宁高铁沿线子群（苏州、南京、无锡、镇江、常州），2个子群整合为沪宁子群（上海、南京、苏州、无锡、常州、镇江）和合肥—滁州联系对，最终整合为沪宁合子群。此外，马芜子群与安铜子群（安庆、铜陵、池州）也得以整合。值得注意的是，浙江子群在经历了分离、集聚2个阶段后，形成了浙西子群（金华、湖州、杭州、嘉兴）和浙东子群（温州、宁波、台州、绍兴）。扬泰通子群与区域内其他子群间联系不紧密，一直处于网络边缘位置。整体来看，各凝聚子群以区域内的中心城市为枢纽，形成具有地理邻近性的铁路客运联系网络，即同一个凝聚子群中的城市均相互邻近。

图3　长三角区域城市铁路客运联系网络凝聚子群

4　结论与讨论

本研究以2015—2019年长三角区域铁路客运运营频次为数据源，结合社会网络分析方法和ArcGIS空间分析方法，从网络密度、网络中心度、核心-边缘结构和凝聚子群4个方面对长三角区域城市网络结构特征及其演变趋势进行定量分析。主要结论如下：

4.1 从城市个体看，度数中心度两极分化显著，高低值区地域集聚特征明显，核心城市控制力强。上海、南京等中心城市处于铁路客运联系网络核心位置，对外发挥极强的辐射带动作用。苏州、无锡、常州、杭州等城市位于长三角区域的重要位置，也在区域内发挥较强的辐射带动作用。扬州、南通、泰州等城市处于网络边缘地带，对外联系需求较弱，辐射能力不足。舟山、盐城、宣城处于网络孤立地带。

4.2 从区域整体来看，城市网络密度显著上升，网络结构复杂，但仍处于弱连接状态。铁路客运联系的空间分布不平衡，主轴与次轴相互交织共同构成整体网络，其中由上海、南京、苏州、无锡、常州等组成的宁沪主轴沿线城市群是长三角区域内部关系最为紧密、一体化程度最高的部分，成为长三角城市群集聚最高端要素、汇集最优秀人才、实现产业发展最高质量的中枢发展带。

4.3 从区域“小团体”现象看，凝聚子群分布形态的组织性逐渐增强，以区域内的中心城市为枢纽，形成了具有地理邻近性的铁路客运联系网络。长三角铁路客运联系网络内部处于分化整合期，在三级层面上子群空间分布形态发生明显变化，形成了沪宁合子群、马安子群、浙西子群、浙东子群和扬泰通子群。

长三角区域整体网络结构特征为空间分布不平衡、城市首位度突出、形成各级凝聚子群，总体演变趋势为网络联系趋于紧密、网络结构趋于复杂、分布形态趋于优化。研究结果与《长江三角洲城市群发展规划》提出的构建“一核五圈四带”的网络化格局基本相符，在一定程度上反映了长三角区域网络空间结构特征，对长三角区域的城市体系规划以及铁路网络规划和建设具有重要的指导意义。首先，发挥好上海等核心城市的龙头带动作用和区域中心城市的辐射带动作用，与苏北、浙西南、皖北等地区深层合作，有序疏解一般制造等非大都市核心功能，提升区域发展整体水平和效率。其次，促进沪宁合杭甬发展带、沿江发展带、沿海发展带以及沪杭金发展带等4条发展带聚合发展，加快沪通铁路、商合杭铁路、北沿江高铁、沪苏湖、通苏嘉甬、宁扬宁马等一系列铁路规划建设，缩小区域内部差异，加快长三角区域一体化进程。最后，推动上海及苏锡常都市圈的联动发展，加强南京都市圈与合肥都市圈协同发展，强化杭州都市圈与宁波都市圈的紧密对接和分工合作，提升都市圈同城化水平。

本文探究了多年的、动态序列的铁路客运流及网络结构变化，在一定程度上丰富了城市相互作用、空间网络结构的视角和研究方法。但是，城市网络结构是一种由多要素构成的综合网络体系，铁路客运流不能完全反映其特点，因此需要综合经济、人口、交通、产业、信息等要素进行全面分析。长三角区域作为中尺度研究范围，研究对象为各省辖市，无法体现区域内部联系与网络的细部特征，而公路运输基本属于“门对门”的交通运输方式，如与公路客运数据结合，将能更好地反映空间联系及其格局。另外，城市空间网络结构的驱动因素、发展效率等也是未来的探究方向。

（

）：

［1］熊剑平，刘承良，袁俊．国外城市群经济联系空间研究进展［J］. 世界地理研究，2006， 15（1）： 63-70. DOI：10.3969/j.issn.1004-9479.2006.01.011

XIONG J P， LIU C L， YUAN J. Progress in foreign research on economic linkages of city agglomeration［J］. World Regional Studies， 2006，15（1）：63-70. DOI：10.3969/j.issn.1004-9479.2006.01.011

［2］钟业喜，冯兴华，文玉钊. 长江经济带经济网络结构演变及其驱动机制研究［J］. 地理科学， 2016， 36（1）： 13-22. DOI：10.1329/j.cnki.sgs.2016.01.002

ZHONG Y X， FENG X H， WEN Y Z. The evolvement and driving mechanism of economic network structure in the Changjiang River Economic Zone［J］. Scientia Geographica Sinica， 2016， 36（1）： 13-22. DOI：10.1329/j.cnki.sgs.2016.01.002

［3］孟德友，冯兴华，文玉钊. 铁路客运视角下东北地区城市网络结构演变及组织模式探讨［J］. 地理研究，2017， 36（7）： 1339-1352.

MENG D Y， FENG X H， WEN Y Z. Urban network structure evolution and organizational pattern in Northeast China from the perspective of railway passenger transport［J］Geographical Research， 2017， 36（7）： 1339-1352.

［4］CASTELLS M. The space of flows：A theory of space in the informational society［C］//Conference of the New Urbanism， Princeton： Princeton University Press， 1992：131-140.

［5］DERUDDER B， WITLOX F. Mapping world city networks through airline flows： Context， relevance， and problem［J］. Journal of Transport Geography， 2008， 16（5）： 305-312. DOI：10.1016/j.jtrangeo. 2007.12.005

［6］SMITH D A， MICHAEL T. World city networks and hierarchies， 1977-1997： An empirical analysis of global air travel links［J］. American Behavioral Scientist， 2001， 44（10）： 1656-1678. DOI：10.1177/00027640121958104

［7］ALDERSON A S， BECKFIELD J. Power and position in the world city system［J］. American Journal of Sociology， 2004， 109（4）： 811-851. DOI：10.1086/378930

［8］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. DOI：10.1111/j.1435-5957. 2007.00130.x

［9］焦敬娟，王姣娥，金凤君，等. 高速铁路对城市网络结构的影响研究：基于铁路客运班列分析［J］. 地理学报， 2016， 71（2）： 265-280. DOI：10.11821/dlxb 201602007

JIAO J J， WANG J E， JIN F J， et al. Impact of high-speed rail on inter-city network based on the passenger train network in China， 2003-2013［J］. Acta Geographica Sinica， 2016， 71（2）： 265-280. DOI：10.11821/dlxb201602007

［10］朱惠斌．基于航空客流的中国城市功能网络研究［J］. 经济地理， 2014， 34（4）： 59-63.

ZHU H B. The Chinese city function network based on aviation passenger flow［J］. Economic Geography， 2014， 34（4）： 59-63.

［11］武前波，宁越敏. 中国城市空间网络分析：基于电子信息企业生产网络视角［J］. 地理研究，2012， 31（2）： 207-219. DOI：10.11821/yj2012020002

WU Q B， NING Y M. China's urban network based on spatial organization of electronic information enterprises［J］. Geographical Research， 2012， 31（2）： 207-219. DOI：10.11821/yj2012020002

［12］魏冶，修春亮，刘志敏，等. 春运人口流动透视的转型期中国城市网络结构［J］．地理科学，2016， 36（11）： 1654-1660. DOI：10.13249/j.cnki.sgs.2016.11.007

WEI Y， XIU C L， LIU Z M， et al. Spatial pattern of city network in transitional China based on the population flows in "Chunyun" period［J］. Scientia Geographica Sinica， 2016， 36（11）： 1654-1660. DOI：10.13249/j.cnki.sgs.2016.11.007

［13］王珏，陈雯，袁丰. 基于社会网络分析的长三角地区人口迁移及演化［J］．地理研究， 2014， 33（2）： 385-400. DOI：10.11821/dlyj201402016

WANG J， CHEN W， YUAN F. Human mobility and evolution based on social network： An empirical analysis of Yangtze River Delta［J］. Geographical Research， 2014， 33（2）： 385-400. DOI：10.11821/dlyj201402016

［14］冷炳荣，杨永春，李英杰，等. 中国城市经济网络结构空间特征及其复杂性分析［J］．地理学报，2011， 66（2）： 199-211. DOI：10.11821/xb201102006

LENG B R， YANG Y C， LI Y J， et al. Spatial characteristics and complex analysis： A perspective from basic activities of urban networks in China［J］. Acta Geographica Sinica， 2011， 66（2）： 199-211. DOI：10.11821/xb201102006

［15］徐宜青，曾刚，王秋玉. 长三角城市群协同创新网络格局发展演变及优化策略［J］. 经济地理， 2018， 38（11）： 133-140. DOI：10.15957/j.cnki.jjdl.2018. 11.015

XU Y Q， ZENG G， WANG Q Y. Pattern evolution and optimization of synergic innovation network in Yangtze River Delta urban agglomeration［J］. Economic Geography， 2018， 38（11）： 133-140. DOI：10.15957/j.cnki.jjdl.2018.11.015

［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（7）： 69-75.

XIONG L F， ZHEN F， WANG B， et al. The research of the Yangtze River Delta core area's city network characteristics based on Baidu index［J］. Economic Geography， 2013（7）： 69-75.

［17］邵海雁，徐晨璐，钟业喜. 基于列车时刻表的长三角城市群铁路交通网络演变特征［J］. 江西科学，2019，37（3）： 350-358.

SHAO H Y， XU C L， ZHONG Y X. Yangtze River Delta urban railway based on train timetable traffic network evolution characteristics［J］. Jiangxi Science， 2019， 37（3）： 350-358.

［18］钟业喜，陆玉麒. 基于铁路网络的中国城市等级体系与分布格局［J］. 地理研究，2011， 30（5）： 785-794. DOI：10.11821/yj2011050002

ZHONG Y X， LU Y Q. Hierarchical structure and distribution pattern of Chinese urban system based on railway network［J］. Geographical Research， 2011， 30（5）： 785-794. DOI：10.11821/yj2011050002

［19］初楠臣，张平宇，姜博. 基于日高铁流量视角的中国高速铁路网络空间特征［J］. 地理研究，2018， 37（11）： 2193-2205. DOI：10.11821/dlyj201811006

CHU N C， ZHANG P Y， JIANG B. Spatial characteristics of Chinese high-speed railway network from the perspective of daily flow［J］. Geographical Research， 2018， 37（11）： 2193-2205. DOI：10. 11821/dlyj201811006

［20］蒋海兵，祁毅，李传武. 中国城市高速铁路客运的空间联系格局［J］. 经济地理，2018，38（7）：26-33. DOI：10.15957/j.cnki.jjdl.2018.07.004

JIANG H B， QI Y， LI C W. China's city high-speed rail （HSR） passenger spatial linkage pattern and its influence factors［J］. Economic Geography， 2018， 38（7）： 26-33. DOI：10.15957/j.cnki.jjdl.2018.07.004

［21］赵映慧，初楠臣，郭晶鹏，等. 中国三大城市群高速铁路网络结构与特征［J］. 经济地理，2017， 37（10）： 68-73. DOI：10.15957/j.cnki.jjdl.2017.10.009

ZHAO Y H， CHU N C， GUO J P， et al. High-speed railway network structure and characteristics in three urban agglomerations in China［J］.Economic Geography， 2017， 37（10）： 68-73. DOI：10.15957/j.cnki.jjdl.2017.10.009

［22］王海江，苗长虹. 中国中心城市铁路客运的空间联系及其结构图谱［J］. 地理研究，2015， 34（1）： 157-168. DOI：10.11821/dlyj201501014

WANG H J， MIAO C H. Railway passenger transport spatial contacts and their structure Tupu （array） of central cities in China［J］. Geographical Research， 2015， 34（1）： 157-168. DOI：10.11821/dlyj201501014

［23］李峥荣，徐邓耀，文玉钊. 流空间视角下城市网络结构特征及组织模式分析：基于成渝城市群交通流和信息流的对比［J］. 经济论坛，2018（8）： 143-149.

LI Z R， XU D Y， WEN Y Z. Analysis of characteristics of urban network structure and organizational pattern from the perspective of space of flows： Based on the comparison of traffic flow and information flow in Chengdu-Chongqing urban agglomeration［J］. Economic Forum， 2018（8）： 143-149.

［24］朱桃杏，吴殿廷，马继刚，等. 京津冀区域铁路交通网络结构评价［J］. 经济地理，2011， 31（4）： 561-565. DOI：10.1111/j.1469-8749.1989.tb04038.x

ZHU T X， WU D T， MA J G， et al. Evaluation of rail transport network within BEIJING-TIANJIN- HEBEI region［J］. Economic Geography， 2011， 31（4）： 561-565. DOI：10.1111/j.1469-8749.1989.tb04038.x

［25］刘正兵，刘静玉，何孝沛，等. 中原经济区城市空间联系及其网络格局分析：基于城际客运流［J］. 经济地理，2014， 34（7）： 58-66.

LIU Z B， LIU J Y， HE X P， et al. The spatial connection and network feature of Zhongyuan economic district： Based on intercity traffic flow［J］. Economic Geography， 2014， 34（7）： 58-66.

［26］冯兴华，修春亮，钟业喜，等. 长江经济带城市的网络层级：基于铁路公路客运视角的分析［J］. 城市问题，2017（7）： 20-28.

FENG X H， XIU C L， ZHONG Y X， et al. Network hierarchy of cities in Yangtze River Economic Belt： Based on the perspective of railway and highway passenger transport［J］. Urban Problems， 2017（7）： 20-28.

［27］黄洁，钟业喜. 长江中游城市群铁路客运联系及其空间格局演变［J］. 世界地理研究，2016， 25（2）： 72-81. DOI：10.3969/j.issn.1004-9479.2016.02.008

HUANG J， ZHONG Y X. Evolution of railway passenger traffic linkage and spatial pattern in Yangtze River middle reaches clusters［J］. World Regional Studies， 2016， 25（2）： 72-81. DOI：10.3969/j.issn. 1004-9479.2016.02.008

［28］孙阳，姚士谋，张落成. 长三角城市群“空间流”层级功能结构：基于高铁客运数据的分析［J］. 地理科学进展，2016， 35（11）： 1381-1387.

SUN Y， YAO S M， ZHANG L C. Functional structure of spatial flow in the Yangtze River Delta： Analysis of passenger based data for the high speed railway［J］. Progress in Geography， 2016， 35（11）： 1381-1387.

［29］韦胜，徐建刚，马海涛. 长三角高铁网络结构特征及形成机制［J］. 长江流域资源与环境，2019， 28（4）： 739-746.

WEI S， XU J G， MA H T. Structural characteristics and formation mechanism of high-speed rail network in Yangtze River Delta［J］. Resources and Environment in the Yangtze Basin， 2019， 28（4）： 739-746.

［30］陈建军，郑广建，刘月. 高速铁路对长江三角洲空间联系格局演化的影响［J］. 经济地理，2014， 34（8）： 54-67.

CHEN J J， ZHENG G J， LIU Y. The spatial connection evaluation of Yangtze River Delta with the high-speed rail［J］. Economic Geography， 2014， 34（8）： 54-67.

［31］罗震东，朱查松，薛雯雯. 基于高铁客流的长江三角洲空间结构再审视［J］. 上海城市规划，2015（4）： 74-80.

LUO Z D， ZHU C S， XUE W W. The analysis on spatial structure of Yangtze River Delta based on passenger flow of high-speed railway［J］. Shanghai Urban Planning Review， 2015（4）： 74-80.

［32］钟业喜，冯兴华，文玉钊. 长江经济带经济网络结构演变及其驱动机制研究［J］. 地理科学，2016， 36（1）： 10-19. DOI：10.1329/j.cnki.sgs.2016.01.002

ZHONG Y X， FENG X H， WEN Y Z. The evolvement and driving mechanism of economic network structure in the Changjiang River Economic Zone［J］. Scientia Geographica Sinica， 2016， 36（1）： 10-19. DOI：10.1329/j.cnki.sgs.2016.01.002

Research on the regional network structure of the Yangtze River Delta from the perspective of railway passenger transport

CHEN Wanlong, FENG Youjian

(310058)

Research on regional network structure provides an important basis for regional integrated development planning and the perspective of railway passenger transportation is recognized as an effective way to study the regional network structure. Based on the railway passenger data of the Yangtze River Delta region from 2015 to 2019, using social network analysis combined with ArcGIS spatial analysis method, this paper studies the urban network structure characteristics and its evolution trend in the Yangtze River Delta region from four aspects: network density, network centrality, core-edge structure and cohesive subgroups. The results show that: (1) The number of railway flows between cities in the Yangtze River Delta is increasing, the spatial distribution of railway passenger transport links is unbalanced, the main axis and secondary axis are interwoven to form an overall network; (2) The density of urban network is increasing significantly, and the network structure tends to be complex, but still in a state of weak connection, Jiangsu, Zhejiang and Shanghai are closely linked, and Anhui needs to be further integrated into the Yangtze River Delta regional integration; (3) The two-level differentiation of degree centrality is significant, the regional agglomeration characteristics of high and low value areas are obvious, and the control power of core cities is strong; (4) The urban agglomeration along the Nanjing-Shanghai main axis composed of Shanghai, Nanjing, Suzhou, Wuxi and Changzhou is the most closely related and most integrated part of the whole Yangtze River Delta region; (5) The organization of the distribution patterns of cohesive subgroups has gradually increased, and the regional central city is taken as the hub, forming a railway passenger transport network with geographical proximity. (6) The overall network structure of the Yangtze River Delta region is characterized by unbalanced spatial distribution, prominent urban primacy, and formation of cohesive subgroups at all levels. The overall evolution trend is that network connections tend to be closer, network structure tends to become more complex, and distribution patterns tend to be optimized.

Yangtze River Delta; railway passenger transport connection; network structure; social network analysis; ArcGIS spatial analysis

10.3785/j.issn.1008-9497.2021.05.012

K 901

A

1008⁃9497（2021）05⁃606⁃11

2020⁃05⁃14.

陈万隆（1994—），ORCID：https：//orcid.org/0000-0002-3835-6411，男，硕士研究生，主要从事经济地理学研究，E-mail：chenwanlong@zju.edu.cn.

，ORCID：https：//orcid.org/0000-0002-2486-6533，E-mail：jlong@zju.edu.cn.