COVID-19影响下中国城市群国庆假期出行网络时空变化——基于2019年和2021年百度迁徙大数据

董 瑶 嘉,王 甫 园,王 开 泳

(1.中国科学院地理科学与资源研究所/中国科学院区域可持续发展分析与模拟重点实验室,北京 100101;2.中国行政区划与区域发展促进会,北京 100044;3.中国科学院大学资源与环境学院,北京 100049)

0 引言

随着信息化和全球化的高速发展,城市群作为国家新型城镇化主体的战略引领地位进一步提升[1],依托发达的城市综合交通网络,城市群已转变为重要的流空间单元,而经济社会、交通运输及通信技术的高速发展带来的“时空压缩”效应大大增强了居民可移动性,城市群城际出行与人口流动逐渐兼有常态化、规模化与动态化特征[2]。公共卫生事件的突发影响人类时空行为和流空间格局,使城际客流网络发生变化,尤其是节假日的城际出行特征显著不同。因此,研究疫情下节假日城际出行特征对于掌握节假日居民空间移动规律,辨析疫情下城市群城际关联网络格局,进一步探索突发公共事件影响下城市群流空间的时空异质性具有重要意义。

目前,基于城市及城市群空间联系的人口迁移流动研究逐渐受到国内外学者的关注,研究角度包括三大类:①人口地理学视角下的人口流迁及其空间分布研究,主要利用人口普查等人工采集类数据进行省际[3]、市县[4]或城市群[5,6]人口流动的空间格局特征、演化规律及机制分析;②旅游地理学视角下的旅游流网络研究,多集中在公路流与景区流等小尺度地域的空间关联与耦合路径分析[7,8]、单一或多个城市群旅游流网络特征及韧性评估[9,10]、基于修正引力模型的省际旅游流网络探究[11],呈现出尺度多元、案例多样化趋势;③交通运输地理学视角下的城际出行网络研究,基于时空大数据和GPS、LBS技术,大范围挖掘大体量的空间地理与社会行为、感知并揭示精细尺度个体活动足迹和群体出行路径成为研究热点[12-15],探讨航空[16]、铁路[17,18]、公路[19]等交通方式和特定出行时段的人口流动时空格局,例如:赵梓渝等[20]利用迁徙数据从宏观尺度探究春节期间全国流动人口的规模差异变化,李涛等[21]揭示了国庆期间不同城市群的城际出行模式。

各类传染病传播等重大公共卫生事件与城际流动的交互作用愈发紧密[22-24],进而影响城市发展和区域一体化进程。早期的SARS病毒通过政府采取的隔离干预措施得到有效控制[25,26],但使中国旅游业受到一定冲击[27],北京[28]和广州[29]也因SARS呈现相异时空特征及传播规律;后有学者建立空间显示模型刻画城市化地区间的H1N1流感传染网络,以期提高城市公共卫生防御韧性[30]。2020年新冠疫情对城际大规模出行流动的影响更显著,刘张等[31]基于多源地理时空大数据,定量分析疫情对城市间人口迁徙的影响;赵梓渝等[32]通过评估人口流动管控政策对新冠疫情遏制的影响效应,发现城市人口时空分布格局发生了短期性变化;李涛等[33]发现受疫情影响,2020年“五一”小长假期间的城际出行规模同比下降46.0%,印证了疫情给城际出行带来短期的冲击扰动和长期的负向效应;也有学者从疫情防控及预警角度总结了地理学利用大数据和LBS等技术在疫情早期防控方面进行决策、规划应急和情感响应所发挥的积极作用[34,35]。

整体看,现有突发公共卫生事件对城际出行的扰动影响研究逐渐增多,但多为全国和单个城市尺度,缺少从城市群尺度探究疫情影响下的人口出行模式与特征以及多个典型城市群的对比分析;同时,利用大数据对居民城际出行特定时段的研究多集中在春运期间,鲜见基于城市群对疫情下国庆假期等其他节假日时段的叠加研究。因此,本文利用2019年、2021年10月1—7日国庆假期百度地图平台提供的居民城际迁徙数据,通过指标比对与可视化筛选出各类城际出行网络中节点与边途径最多的7个城市群,并基于节点(城市)—联系(城际关联)—组团(城市群)逻辑关系,比较分析新冠疫情前后城市群节点等级、出行规模结构以及城际网络联系的变化,探究城市群城际出行变化的影响因素。

1 数据来源与研究方法

1.1 数据来源

本文研究数据源于百度地图提供的“百度迁徙”数据[36],该数据依托百度云数据分析平台LBS大数据,以迁入、迁出城市百分比数据呈现,体现不同时间尺度内人口流动的空间节点和不同节点之间的流动强度和方向性,进而勾勒出中国人口大迁徙的轨迹与特征。本文基于Python爬取了2019年和2021年国庆期间(10月1—7日)全国366个城市(包括中国大陆293个地级市、7个地区、30个自治州、3个盟、4个直辖市和29个县级行政单元)之间的百度城际出行数据。

1.2 城际出行网络测度

人流、物流、能流、信息流的相互作用形成流动空间,而网络是流动空间的核心表现形式之一,因此,基于节点(城市)和各个组织之间的联系研究城市网络,采用相对成熟的利姆塔纳科尔的“S-dimensions”指数法[37],从网络的强度、结构和对称性3个维度关注网络均衡性、相对优势和对称性。

1.2.1 节点结构与位势测度指标 为从整体上揭示网络中城市等级结构特征,引入表征城市均衡程度的熵值E(式(1)),指示整个城际出行网络中各城市等级差异水平,E取值范围为0～1,值为0则网络中城市等级结构差异最大,值无限接近1说明网络趋于均衡化。为准确揭示节点(城市)在网络中的位势,本文选用加权度中心性Wi(式(2))[33]和城市加权优势度Di(式(3))[36]两个指标:Wi值越大,城市i在整个网络中的绝对位势等级越高;Di表征城市i的相对优势度,值为0则表示不存在优势度,Di大于1说明城市i的相对位势高于网络平均水平。

(1)

式中:Zi为城市i的联系流强度之和与网络中所有城市联系流强度之和的比值,I为网络中城市总数。

(2)

(3)

式中:di为城市i在网络中的出度和入度之和,表征节点的中心性,α为0.5的赋值参数,Ti(Tj)为网络中城市i(j)的人口流动规模总和,J为城市总数量(366),且考虑到方向性i≠j。

1.2.2 城际联系强度测度指标 城际联系强度R(式(4))[18]主要从边角度表征网络中任一对城际关联边的重要性,为整个出行网络中某城市对联系强度占总联系强度的比例,取值范围为0～1,该值越接近1,说明城市i与城市j关联对占比越高,优势度越高。另外,为凸显城际间节点城市的优先联系,利用首位联系强度Lim(式(5))进行评价[16]。

(4)

式中:tij为城市i和j之间的人口出行总规模,且i≠j。

(5)

式中:m为城市i的首位联系城市,n为城市数量,Tij与Tji分别为i城市流向j城市和j城市流向i城市的人口数,Oi和Ki分别为i城市的流入量和流出量。

1.3 城市群研究样本筛选

本文基于以下4项标准筛选城市群研究样本:①国家政策文件。从《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提及的19个城市群选择城市群研究样本,其范围参考国家发改委公布的各城市群规划和《2016年中国城市群发展报告》文件[38]。由于部分城市群节点等级和出行体量均较低,城市群的网络格局单一,难以满足对比分析要求,故本研究从核心城市群入手,构建以城市为节点、人口流动为边的加权OD城际关系流矩阵。②节点结构。计算366个节点加权优势度后,提取前60位城市,包括4个直辖市、27个省会城市、5个计划单列市和5个经济强市等,匹配所属城市群后按规模量排名(重复2次及以上)依次为:长三角城市群、珠三角城市群、京津冀城市群、长江中游城市群、中原城市群、关中平原城市群、成渝城市群、山东半岛城市群和黔中城市群。③城市群发展潜力。城市群发展潜力越高,城际出行流网络特征愈显著,疫情前后的变化差异愈明晰。《中国城市群发展潜力排名:2022》报告从“需求+供给”层面分21个指标研究了2022年中国19个城市群发展潜力,科学性较强,其中发展潜力指数排名前十的城市群不含黔中城市群,故予以剔除。④城市群所处区域范围。基于前3项标准筛选出8个城市群,考虑城市群所处区域范围,前三大城市群和山东半岛城市群虽均属东部地区,但南北向地域跨度大,分布均匀,成渝城市群和关中平原城市群分别地处西南和西北区域,长江中游城市群和中原城市群同属中部地区且地域邻近,后者相对位势和发展潜力更弱,故予以剔除,最终筛选出长三角、珠三角、京津冀、成渝、长江中游、关中平原、山东半岛共7个城市群作为研究对象。

1.4 影响因素测度

1.4.1 影响因素指标选取 本文选取2021年国庆假期城际出行规模指数作为被解释变量,基于前人对城市群的研究[39],对2021年297个城市内聚力、辐射范围与连通性三大类数据进行统计测度,然后对解释变量构建指标体系。①经济发展:采用GDP(取对数)和人均GDP(取对数)度量;②人口规模:采用常住人口和从业人员期末人数度量;③城镇化:采用城镇化率和第三产业产值占比度量;④旅游资源:采用旅游资源丰度度量;⑤交通:采用航空(有无开通航班)、高铁(有无开通高铁)、公路客运量3个指标衡量;⑥政区位势:直辖市、副省级/计划单列市、省会城市、一般地级市、省直管市/县分别赋值5、4、3、2、1。由于经济发展、人口规模数值较大,故对相应数据进行对数转换和标准化处理。

1.4.2 模型设定 鉴于城际出行涉及空间事物关联性,本文采用空间计量模型探析城际出行的影响因素,其中空间滞后模型(SLM)和空间误差模型(SEM)[29,30]更适于研究空间截面数据,前者存在本地与邻地被解释变量的空间传导机制,产生技术扩散效应,后者则存在邻地误差项与被解释变量的空间传导机制。

2 城市群城际出行网络的时空变化

2.1 出行规模时序变化

从城市群整体(图1)看,2021年国庆假期7个城市群的城际出行总量远低于2019年,降幅达64%,出行体量大的城市群受疫情影响减少幅度更大。从流动趋势看,与2019年国庆假期各城市群均呈现“高峰”与“低谷”兼具的常态复合出行特征不同,2021年城市群城际迁徙分为两种类型,其中长三角、珠三角、长江中游和成渝城市群表征为随日期递减至平稳的出行态势,京津冀、关中平原和山东半岛城市群则呈“C”形出行趋势,说明国庆假期末期人员回流显著。从位序看,2021年长三角、长江中游和珠三角城市群仍为人口迁徙总量的前三位,但珠三角城市群位序降至第三,长三角和珠三角城市群出行人数同比分别减少68.57%和69.36%,这与2021年国庆节前夕在南京、广州发生的较大规模聚集性疫情有关,京津冀城市群受新中国成立70周年庆祝活动的交通管控影响出行总量也缩减,位序降至第五。各城市群出行时序规模变化不一也说明人口流动管控政策所引发的各地公众配合主动性及适应性各不相同,同时疫情对城市群自身竞争优势和吸引外来人口能力产生了不可避免的影响。

图1 2019年和2021年国庆假期城市群城际出行时序规模总量比较Fig.1 Comparison of the time series of intercity travel scale for various urban agglomerations during National Day holiday in 2019 and 2021

2.2 城市节点时空变化

2.2.1 节点等级与出行结构特征 由表1可知,疫情前后各城市群熵值整体偏低,表明城市群内部等级结构差异较大,其中长三角、珠三角和京津冀城市群降幅变化率最高,不均衡性进一步加强,成渝和长江中游城市群熵值则有所上升;从度中心性均值看,各城市群内部多中心特征各异,2019年和2021年度中心性均值分别稳定在400～450和250～300;当考虑权重时,疫情前后各城市群出行特征均呈现出显著异质性,通过对比各城市群度中心性和绝对位势降幅变化率可知,三大城市群和山东半岛城市群所受冲击影响最大,且疫情只降低了高频接触,并未断绝各城市群间城际流动;在加权优势度上,2021年各城市群整体相对位势的位序发生变动,其中京津冀城市群超过长三角城市群,长三角和珠三角城市群的相对位势显著下降,但仍居高位,成渝、长江中游和关中平原城市群加权优势度变化率增幅较大,成渝城市群位序越过山东半岛城市群,同时疫情前后各城市群内核心节点的绝对位势等级与相对位势等级呈正相关,部分区域存在显著优势,呈现出小世界网络特性。

表1 2019年与2021年国庆假期城市群城际出行网络结构指标比较Table 1 Comparison of intercity travel network structure indexes in urban agglomerations during National Day holiday in 2019 and 2021

2.2.2 节点加权优势度空间分布特征 由图2可知,2019—2021年各城市群节点加权优势度变化呈现“两极分化”的空间格局,即城市群核心节点的相对位势与内聚力不断提高,非枢纽节点的加权优势度有所降低,各城市群相对位势空间格局更趋中低等级化,高值区仍在区域内直辖市、省会城市聚集,这些城市韧性与内聚吸引力较高,疫情防控期间仍能作为旅游休闲目的地与集散中转地,保持相对高频的人口与经济流动,表明疫情并未改变龙头城市的区域位序。其中,长三角城市群内北部优势度降幅最明显,“苏锡常”位势趋于异化,珠三角城市群整体人口流动倾向减弱,但仍保持东部位势高于西部的特性,其他城市群的加权优势度变化存在明显的“反核心—边缘”结构,越靠近增幅高值区的节点相对位势降幅越大,这在成渝和长江中游城市群表现得尤为显著,说明疫情下居民出行的邻近偏好性,且空间距离对人口流动的约束性更强。

图2 城市群城际出行节点加权优势度变化空间分布Fig.2 Spatial distribution of weighted dominance change of intercity travel network nodes in urban agglomerations

2.3 城际网络联系时空变化

2.3.1 城市群内外出行空间格局 为探究城市群外部与内部城际出行网络,依据自然断点法进行层级划分(图3、图4)。①2019年和2021年国庆假期城市群外部出行网络均呈现“东强西弱,南北均衡”的多中心轴辐格局,其中2021年受疫情影响联系对数量与高值辐射影响范围大大减少,但仍保持高值关联流被城市群核心节点与局部邻近城市的中短距离出行所主导,且与长三角、珠三角、京津冀等核心城市群耦合程度较高的迁徙特征。②根据城市节点间的联系流,可将城市群内部出行联系划分为多核发散、双核驱动和单核辐射3种模式(图4)。2019年长三角和珠三角城市群出行联系呈现出均衡发展状态,但随着2021年次城市节点日均出行量降低,彼此间出行联系减弱,核心城市与周边城市交互联系不断提升,导致长三角和珠三角城市群演变为多核发散的城际流动模式;相比2019年,2021年北京与天津、张家口、石家庄等城市联系等级降低,天津、石家庄与其他次级城市的高等级联系减少,使京津冀城市群联系网络由疫情前的多核发散模式转化至京津双核驱动模式;2021年因人口流动管控措施产生一定的跨省阻力,四川省内城市与成都的联系增强,与重庆联系减弱,成渝城市群构成不均衡的双核驱动格局,但山东半岛城市群青岛、济南双核驱动格局未发生明显变化;疫情下关中平原城市群中以西安为主导的高等级联系流增多,与省外城市联系降低,省内单核辐射格局得以强化;长江中游城市群属于多核发散模式,但受疫情影响,3个省会城市与省内其他城市联系等级更趋低值化,省会城市间交互减弱,省内单核发育格局更显著,这是疫情加重行政区划壁垒的直观体现。

注:基于自然资源部标准地图服务网站下载的审图号为GS(2019)1817号的标准地图制作,底图边界无修改。图3 2019年和2021年城市群外部出行联系空间格局Fig.3 Spatial pattern of external travel connections for urban agglomerations in 2019 and 2021

2.3.2 城市群城际关联优势度 由图5可得,疫情后各城市群城际关联优势度前三等级联系流总值下降明显,辐射影响范围减弱,但大部分城市群峰值联系对位序不变,整体仍呈现典型帕累托分布模式。受城市群层级结构、内聚力和出行体量等特征影响,疫情后城际关联优势度高等级联系流叠加总值的排序前四位仍为关中平原、珠三角、京津冀和成渝城市群,少部分联系对位序存在变动现象。具体而言,与2019年相比,2021年山东半岛城市群城际关联优势度前三等级联系流分别下降25.4%、0.09%和28.2%,关中平原城市群城际关联优势度第一等级联系流下降36.8%,第二、三等级联系流分别上升12.7%和51%;珠三角城市群前二等级联系流下降46.8%和31.6%的同时,第三等级联系流转为深圳—惠州联系对;长三角城市群的城际关联优势度高等级联系流在疫情后辐射范围发生轻微变化,从2019年的无锡—苏州(0.08)转为2021年的杭州—绍兴(0.03);成渝城市群中成都—重庆的城际关联优势度降低19%,使中轴带产生“中部塌陷”,但仍为疫情后跨省域最大的辐射联系流。

图5 2019年和2021年中国城市群城际关联优势度Fig.5 Intercity correlation dominance of urban agglomerations in China in 2019 and 2021

2.3.3 城市群内外首位联系特征 从表2看,疫情前后多数城市群对外首位联系数量占比高于对内首位联系数量占比,分别有46、47个首位城市,主要由长距离省会城市和非城市群同省域邻近节点构成,如关联5个城市以上的北京、上海、广州、东莞、上饶和遵义,这与多为“邻近对称节点关系流”的对内首位联系格局大不相同,疫情后城市群内外首位联系数量占比变动不大,但首位城市对发生一定变动,尤其是对外联系格局,如“西安—廊坊”“达州—西安”分别演变为“西安—延安”“达州—安康”等,表征出更趋近省内或邻省态势。从首位联系强度(图6)看,疫情后对外联系显著低于对内联系,2019年和2021年联系强度均值仅为0.014和0.005,可见疫情下国庆假期各城市群内外首位联系强度均值降幅明显,其中三大城市群均值减少幅度相对较大,对内波动频率呈现出珠三角城市群(88.4%)>京津冀城市群(85.0%)>长三角城市群(75.0%)>关中平原城市群(60.9%)>成渝城市群(58.8%)>山东半岛城市群(50.0%)>长江中游城市群(30.0%)的分布特征。通过图4对比可知,2021年高等级联系流相对增高,且多为区域一体化作用下的近距离城市对,距离越远,首位联系强度值越低。疫情后关中平原、成渝、长江中游城市群的首位联系强度均值(0.09、0.07和0.07)均超过三大城市群,其空间格局以强联系和次联系为主,仍凸显出各节点对于1～2个中心城市的高度依赖性;与2019年相比,山东半岛城市群的首位联系强度高值多为青岛与周边城市的关联流。整体看,疫情增强了首位联系格局的空间“近邻效应”,行政区经济发挥作用更明显,体现了常态化疫情防控背景下“国庆黄金周”居民的出行偏好。

表2 国庆假期城市群城际出行网络内外首位联系指标统计Table 2 Statistics of the first internal and external contact indexes of intercity travel network in urban agglomerations during National Day holiday

图6 2019年和2021年中国城市群内外首位联系强度Fig.6 The first internal and external contact strength of intercity travel network in urban agglomerations in China in 2019 and 2021

3 影响因素分析

利用共线性检验判断解释变量之间是否存在多重共线性,结果显示,除GDP外,其他变量的方差膨胀因子(VIF)均小于5,说明自变量间不存在明显的共线性,最终保留人均GDP、常住人口、航空和行政等级等10个自变量;然后运行拉格朗日乘数(Lagrange Multiplier)检验,结果显示,SEM模型和SLM模型的LM检验均表现为显著性,但SEM模型的稳健性检验结果(RLM)更佳,通过了1%水平的显著性检验,因此,选择SEM模型对城际出行的影响因素进行探析(表3)。

表3 2021年国庆假期城际流入规模的SEM模型拟合结果Table 3 Fitting results of intercity inflows based on SEM model during National Day holiday in 2021

由表3可知,除城镇化率、航空客运量和行政等级外,其他变量均与流入规模存在正相关,其中,人均GDP、从业人员期末人数、第三产业产值占比、高铁和公路客运量均显著,囊括了城市群的四大特征指标[38]。人均GDP拟合系数为0.185,通过5%水平的显著性检验,表明疫情后各城市的经济水平对城际流入规模存在一定的引力效应,经济韧性较高,即人均GDP水平高的城市群核心城市城际出行率也高;从业人员期末人数的显著性水平为1%,说明人口规模大的地区丰富的劳动力数量与城际流入规模呈较强的正相关,从业人员越多,其出行意愿更强,出行规模越大;城镇化率和第三产业产值占比虽然通过了10%的置信水平,但城镇化率产生了负向效应,这与2021年国庆假期城市群内外出行向周边中小城市的偏好流向变化有关,也体现了城际出行邻近效应;行政等级和旅游资源丰度则因受到城市、景区严格多变的疫情防控措施的影响而对城际流入规模不显著,资源无法发挥优势,行政等级的负值不相关也进一步印证了疫情后愈发加剧的行政壁垒作用;航空客运量在2021年国庆期间发挥负向推动作用,在2021年“十一”假期内地航线日均执行航班量相比2020年“十一”假期降低14.57%的报道中得到印证,而高铁和公路客运量对城际流入规模产生显著的正向促进影响,这主要是由疫情防控期间短距离出行的选择偏好所致。

4 结论与讨论

本文以全国7个城市群为研究区域,基于百度迁徙数据对新冠疫情前后(2019年、2021年)国庆假期城市群城际出行层级结构、规模体量以及动态出行流格局进行对比研究,得出如下结论:①2021年国庆假期各城市群的城际出行总量比2019年出行总量降低64%,出行态势也演变至“C”形和随日期递减至平稳的两种类型;各城市群出行时序规模变化不一,说明人口流动管控政策引发的各地公众配合主动性及适应性各不相同,同时疫情对城市群自身竞争优势和吸引外来人口能力产生了不可避免的影响。②基于“节点—网络”层级,发现多中心指标降幅明显,且疫情增强城市群的内聚力和核心节点相对位势,使2019—2021年各城市群内部加权节点优势度变化呈现“两极分化”的空间格局;疫情后城市群国庆假期外部与内部出行模式多变,长三角、珠三角和长江中游城市群演化为成熟不均衡的多核发散模式,京津冀、成渝和山东半岛城市群为双核驱动模式,关中城市群变为单核辐射城际出行模式,联系流更趋低值化、省域化,行政边界的壁垒效应增强;疫情后各城市群城际关联优势度前三等级联系流数值的下降波动并未影响大部分城市群峰值联系对位序,整体仍呈现典型帕累托分布;城市群对外首位联系数量占比高于对内首位联系,联系强度反之,疫情后城市群内外首位联系“近邻效应”增强,多为行政区经济发挥作用,对外首位联系格局变动更大。③人均GDP与从业人员期末人数均显著正向促进人口流入,表明疫情后各城市的经济水平与劳动力数量对城际流入规模存在一定的引力效应,城市群核心城市经济韧性较高,出行意愿更强,出行规模较大;行政等级和旅游资源丰度因受到城市、景区严格多变的疫情防控措施的影响而对城际流入规模影响不显著,资源无法发挥优势,行政等级的负值不相关也进一步印证了疫情后愈发加剧的行政壁垒作用;高铁和公路客运量对城际流入规模产生正向促进作用,这主要是由疫情防控期间短距离出行的选择偏好所致。

本文测度并分析了重大公共卫生事件对城市群居民出行活动的扰动效应,丰富了重大公共卫生事件影响下的流空间网络比较研究,拓展了城市群对内对外空间联系的研究内容和视角。但本研究也存在如下局限:①由于篇幅限制,从城市群内外尺度开展研究,着重关注内部研究,未能系统比较疫情前后全国尺度城际出行网络的时空变化,也未能区分出行方式,后续可立足全国视角,对疫情前后全国尺度城际出行节点结构特征、出行规模以及网络联系格局进行专题研究,揭示疫情在不同尺度下的影响程度。②突发的重大公共卫生事件对城际出行网络的影响可能存在时间异质性,本文仅以国庆假期为样本探讨了疫情下城市群城际出行网络特征,未来可分析其他时段疫情对城际网络的影响。③本研究刻画了疫情影响下城市群出行网络的时空变化和影响因素,但城市群出行网络受社会、经济、交通和政策等多重因素的影响,还需要定量与定性结合分析。