EN中文

地理研究 >

2021 , Vol. 40 >Issue 4: 1195 - 1208

DOI: https://doi.org/10.11821/dlyj020191007

复杂网络视角下的城市人流空间概念模型与研究框架

  • 罗桑扎西 , 1, 2 ,
  • 甄峰 , 1, 2 ,
  • 张姗琪 1, 2
展开
  • 1.南京大学建筑与城市规划学院,南京 210093
  • 2.江苏省智慧城市设计仿真与可视化技术工程实验室,南京 210093
甄峰（1973-）,男,陕西汉中人,教授,博士生导师,主要从事智慧城市、宜居城市、大数据与城市规划研究。E-mail:

罗桑扎西（1986-）,男,云南香格里拉人,博士,主要研究方向为大数据与城市规划研究。 E-mail:

收稿日期: 2019-11-18

  录用日期: 2020-01-28

  网络出版日期: 2021-06-10

基金资助

国家自然科学基金项目(41571146)

国家自然科学基金项目(52008201)

国家社会科学基金重大项目(20AZD040)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

A conceptual model and methodological framework for examining urban people flow space based on complex network perspective

  • LUO Sangzhaxi , 1, 2 ,
  • ZHEN Feng , 1, 2 ,
  • ZHANG Shanqi 1, 2
Expand
  • 1. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
  • 2. Provincial Engineering Laboratory of Smart City Design Simulation & Visualization, Jiangsu, Nanjing 210093, China

Received date: 2019-11-18

  Accepted date: 2020-01-28

  Online published: 2021-06-10

Copyright

Copyright reserved © 2021
Fold

摘要

城市内人流特征研究一直是城市地理学和城市空间研究的重要领域之一。针对已有相关研究存在仅侧重于从人口规模、密度视角分析空间分布及格局特征,而对隐藏于空间分布背后,因人流动而建立的空间交互关系关注不足的问题。本文以流空间理论、复杂网络理论、空间行为交互理论为理论基础,立足基于流、网络剖析城市内部空间中各要素间的相互作用及关系,选取人流为观测研究对象,将城市空间、人、设施、服务和地理环境等要素之间的互动关系抽象为网络,提出了基于复杂网络视角的城市人流空间概念模型。在此基础上,进一步构建了城市人流空间研究框架,即基于理论融合、数据支撑与研究方法的整合创新,以探究人流视角下的城市空间特征、功能结构、人流与建成环境时空耦合关系及流动的时空模拟预测为重点的研究内容体系,并探讨其在规划实践业务中的方法技术支撑与应用拓展。以期为未来开展实证研究提供指导,提升城市感知数据在城市空间规划及管理中的应用价值,丰富“以流定形”的理性城市规划方法体系。

关键词： 城市人流空间; 空间交互; 复杂网络; 概念模型; 规划应用

本文引用格式

罗桑扎西 , 甄峰 , 张姗琪 . 复杂网络视角下的城市人流空间概念模型与研究框架[J]. 地理研究, 2021 , 40(4) : 1195 -1208 . DOI: 10.11821/dlyj020191007

Abstract

Analyzing the dynamic characteristics of urban people flow is one of great practical significance in urban geography and urban space research. Traditional studies on people flow mainly use census data, focusing on the annual changes of people flow between regional, interprovincial, or municipal spatial scales, while studies on people flow characteristics at smaller spatial scales (such as areas within a city) are extremely limited. Recently, many researchers have carried out studies on spatial structure, the relationship between people flow and urban built environment, urban people flow simulation and prediction. The studies have made great achievements, which have promoted the understandings of the urban spatial organization from the perspective of spatial interaction. The existing studies, however, have obvious limitations because they only focus on the spatial distribution and spatial patterns of people from the perspective of population size and density, but pay less attention to the spatial interactions hidden behind the spatial distribution. To overcome these limitations, we proposed a conceptual model of urban people flow space based on the perspective of a complex network, which is based on the theories of flow space, of complex system, and the interaction of spatial behavior. In this conceptual model, we selected urban people flow as the study object and considered the interactions among urban space, elements, and people as a network. The model focuses on analyzing the interaction and relationships between intra-urban spatial elements based on network and flow. Based on the conceptual model, we further put forward an urban people flow space research framework, based on the theory of data fusion, support and research methods of the integration of innovation. The framework aims to facilitate the explorations of the urban space characteristic, function structure, traffic and built environment relations and flow simulation prediction research, with an emphasis on the research content, and the technical support and application development for the planning practice. The framework is expected to provide a reference for future empirical research and to deepen the application value of rich urban data in urban spatial planning and management.

Key words： urban people flow space; spatial interaction; complex network; conceptual model; urban planning application

1 引言

人的流动是影响城市内部社会经济活力、基础设施建设、公共服务设施配置以及城市交通、住宅、生态环境问题等方面的重要因素之一[1,2]。研究人流的时空变化特征有助于从空间交互的视角认识城市空间结构、深入理解城市空间与功能的复杂对应关系,从而把握城市空间的组织运行规律[3,4]。因此,对城市内人流特征的研究一直是城市地理学和城市规划研究的重要领域之一。传统的人流研究主要采用人口普查数据,关注于区域、省际[5]或市县[6]空间尺度的以年为单元的人口流动变化特征,而对更小时空间尺度内（如城市内部）的人流特征研究则极为有限。在信息通讯技术飞速发展、城镇化进程加速推进的背景下,人及要素流动的时空尺度被极大地压缩[7,8,9],城市已成为一个“人”和“物”都处于高效运转的流动空间。新的空间现象不断涌现,城市空间形态结构不断变化,城市空间问题也越发趋于多样化、复杂化。在此背景下,传统研究因观测手段及方法的局限性,较难捕捉新的发展态势,且无法支撑对流动空间结构关系的深入研究。
信息通讯技术、移动互联网、以及各种传感技术的发展与应用普及,为城市构建起了一套复杂多维的空间感知体系,使得捕捉城市微观空间内人的流动特征成为可能[10,11,12]。同时,伴随智慧城市建设,借助云存储、云计算等技术积累起了海量的城市居民日常流动数据,为从微观流动视角自下而上的认知城市空间结构奠定了数据基础[13,14,15,16]。另一方面,随着不同学科的交叉融合以及如流空间、复杂网络、时空间行为等理论的引入,城市空间研究及规划理论体系不断丰富。吴志强基于流空间理论也提出了“以流定形”的城市空间研究建模思路和方法,旨在表征城市空间形态下的流动要素及交互关系[17]。近年来,已有众多国内外学者采用此类数据,围绕人的流动就城市空间结构特征、流动与城市建成环境的时空耦合关系以及流动的时空模拟预测等展开了研究,并取得了丰硕的成果。具体在城市空间结构特征研究方面,学者采用手机数据、公交刷卡数据、出租车等数据,提取反映个体流动时空特征的系列指标,如移动半径[18]、移动频率[19],时空信息熵[20],单元空间活动密度[21,22,23]等,在此基础上采用空间统计汇总、空间可视化的方法揭示城市的活动空间分布、中心等级体系等;同时,也有少数学者以空间关联,空间交互理论为基础,采用此类数据构建空间交互网络,通过研究网络特征及与地理空间的映射关系,揭示城市空间的形态结构[24,25,26]。在流动与建成环境时空耦合关系研究方面,学者主要以城市特定空间的活动强度[27,28]、城市空间活力[29,30]、以及空间步行可达性[31]等为研究主题,探究建成环境对人流的影响及时空异质特征。而在城市空间人流时空模拟预测研究方面,已有的研究主要集中在交通领域,关注于此类数据蕴含的高精度流动信息,采用时序神经网络、深度学习、图网络、复杂网络的机器学习等技术方法,探讨构建城市人流时空模拟预测的技术方法框架[32,33]。
综上,采用个体的流动数据已在城市空间现象描述、空间结构功能识别、空间利用评价以及空间模拟预测等各方向都展开了广泛的研究,但目前此领域尚未形成较为完整的研究体系和方法框架。已有的相关研究,在内容层面侧重于从人口规模、密度视角分析空间分布及格局特征,而较少关注隐藏于空间分布背后、因人的流动而建立起的空间交互关系,以及对此关系网络结构的深入探讨及理论解读。然而,在信息技术、高速交通技术飞速发展的当下,城市空间研究的焦点已由传统场所空间的区位转向流空间的互动关系[34,35]。因此,对城市空间人流特征的研究应在空间分布的基础上,从城市空间的整体性、联系性、系统性角度出发,突破就空间论空间的局限,深入理解其内涵,并充分挖掘源于流动的城市空间交互关系结构及规律,创新研究的方法及思路。从而为实现城市日常管理科学化、公共资源使用高效化、城市空间规划智慧化等工作提供重要认知及方法基础。
基于上述讨论,本文将以流空间理论、复杂网络理论、时空间行为理论、城市地理学相关理论为理论基础,立足于“流”剖析城市内部空间要素间的相互作用及关系。选取人流为观测研究对象,将城市空间、要素、人三者之间的互动关系抽象为网络,深入探讨交互作用机理,在此基础上提出基于复杂网络视角的城市人流空间概念模型,从而提升流动视角下对城市空间组织的理论认知。进一步构建城市人流空间研究框架,即基于理论融合、数据支撑与研究方法的整合创新,以探究人流视角的城市空间特征、功能结构、人流与建成环境时空耦合关系以及流动的时空模拟预测为重点研究内容体系,并探讨在规划实践业务中的方法技术支撑与应用拓展。以期为未来的实证研究的开展与深入提供借鉴,提升丰富的城市时空感知数据在城市空间规划管理中的应用价值,丰富“以流定形”的理性城市规划方法体系。

2 概念模型

本文以城市人流变化作为观测研究对象,从流空间、复杂网络、空间行为交互等理论出发,提出了城市人流空间概念模型（图1）。该模型旨在通过研究基于人流所构建的空间交互网络的节点、结构、系统等特征,进而理解宏观层面城市人流空间变化特征与微观层面人、空间、设施、服务、地理环境等要素之间的交互关系的衔接、作用路径及时空耦合机制。从而为高速流动社会背景下的城市空间研究范式转变和研究框架的确立提供必要的认知基础和依据。
图1 城市人流空间概念模型

Fig. 1 The conceptual model of urban people flow space

2.1 构成要素

人流空间是由人、空间、设施、信息、技术等要素,以及它们之间互动关系的抽象组成的城市复杂网络空间。在此空间中复杂交互关系的实质是城市空间与功能的对应关系,其在宏观层面则呈现为城市空间内人流集聚与扩散（人口热力空间分布的动态变化）特征。其中,人是人流空间中最为核心及活跃的主体,人在不同空间之间流动构建起了空间的交互联系,同时促进了其他要素在空间内相互关联、集聚与扩散,逐步形成功能空间并产生分异,从而导致了“空间-功能”的矛盾运动,推动了城市形态与结构的孕育、产生和发展。
空间是人、要素流动的场所和本底,是人流空间物化的地理支撑。人、要素的流动构建起了不同空间之间的交互关系,它们的集聚和扩散的动态流动过程赋予了城市空间不同的功能属性,同时改变了城市空间的物理形态和结构[36]。正如关系地理学所强调的空间本身、规模和绝对的位置关系在关系地理学看来不再重要,空间是相对的空间,空间之间的关系才是重要的[37]。信息技术的飞速发展加快了城市内各要素的流动,提高了空间交互的频率和强度,新的空间现象、景观、形态、结构不断涌现,使得城市空间功能呈现出由单一转向复合的趋势。在此背景下,城市空间的研究不仅需要着眼于空间的物质形态特征,更应该关注空间在复杂交互网络中的关系结构。
设施、服务、信息、技术等构成的要素是人流空间中空间节点交互的基础,为流动提供了渠道及驱动力,主要包括城市内的道路、交通、公共设施、信息等。道路、交通等要素通过网络状的物理组织结构提供了人在不同空间内的流动的渠道,同时其网络结构属性特征又会内嵌于流动的交织关系中。这种耦合的关系,一方面是指要素本身伴随人的流动,另一方面是指在流动过程中要素的关系结构属性与流动耦合,在流动过程中体现出其耦合关系。要素流动及耦合关系在不同空间中发生扩散和集聚变化,从而形成要素分布格局的空间分异,并逐步形成设施、企业、机构等空间组织形式。依照要素流动集聚的规模、速度、质量形成了具备空间特征的要素层级关系网络。

2.2 交互机理

宏观尺度的城市人流分布格局特征是微观尺度的人、空间、设施、信息、技术等要素之间的复杂交互关系在地理空间的映射,因此“交互关系”是人流空间的本质。如何透过宏观空间内显性人流分布格局,进而深入理解微观空间中人、空间、要素的隐性交互关系机理是研究人流空间的重要基础。本文将城市视为由各种要素流动形成的虚实相结合的关系网络空间,因此,其具备传统场所空间与流空间的双重特征。以观测人流变化为主线,从空间、要素对人流的作用,以及人流对空间、要素反馈两个层面即场所空间塑形流空间、流空间塑形场所空间的角度深入解构城市人流空间的交互机理。
首先,在城市空间实体要素网络层面,道路网络是城市内部各个空间之间交互联系的渠道,因不同空间在道路网络中所处节点位置差异,使得不同空间之间的潜在交互成本即通达性具备了空间异质性[38]。交互成本的改变使得人及伴随的要素在流动中倾向于选择低交互成本的节点及路径,从而使得宏观层面的人流分布空间格局呈现出差异性。其次,城市内公交网络、地铁网络等不同公共交通网络的建设,进一步改变了不同空间节点的潜在交互成本,从而影响宏观层面的人流空间分布格局;同时伴随人流的要素流动会在流动过程中倾向于在交互成本低的空间内逐步聚集,并随之具备集聚规模效应从而形成功能空间[39,40]。而集聚要素类型的差异使得空间具备了不同的功能属性,使得空间所承载的活动及活动获得的潜在效用存在差异性,进而影响人流空间的格局及模式。
城市服务设施间因其类型、功能的差异会形成竞争或协作的相互关系,它们之间的相互作用关系主要依托路网和交通网络构建,这使得在不同空间内的活动所能获取的潜在效用存在差异,从而通过改变活动效用的方式影响人流的集聚[41,42]。已有研究表明,在一定空间范围内提供同质化服务的设施如公共自行车站点、银行网点、药店等对人流的吸引存在一定的竞争性,而不同类型的服务设施如便利店、餐饮店、银行网点等差异化组合则可通过提高空间功能的多样性程度对人流的吸引产生协同强化作用。
在城市空间虚拟网络层面,信息通讯技术的发展改变了人获取、处理信息的方式,通过改变城市空间内微观个体的出行行为决策、出行方式、活动方式等,影响了个体流动的频率和尺度[43,44]。从而在宏观层面导致城市人流空间分布格局及流动模式的不断变化,使得城市空间结构功能趋于多样化、破碎化、复杂化。如在移动互联网服务应用高度普及的当下,居民对就餐、休闲、出行等活动空间的选择逐渐依赖于基于位置服务APP的推荐或排序,使得人流趋向于在虚拟信息网络节点中位处中心且相关信息曝光高、传播扩散广的实体空间,进而形成人流热点空间[45,46]。由相同的社会经济背景、亚文化属性等个体构成的社交网络中,不同个体间会通过共享空间、共享活动等方式改变个体或群体行为,引导局部人流的集聚扩散以及空间功能属性的重塑[47,48]。
综上所述,城市人流空间内各主体之间复杂的交互作用是通过“流”的形式完成,“流”传递的渠道、速度、强度直接影响了城市空间整体的进化。在城市人流空间中,人的流动促进了信息、交通、物流、经济等各种要素的流动,促使要素在城市空间内的集聚,使得空间功能属性具备了差异性;另一方面,要素在城市空间分布的异质性通过改变城市空间节点的引力,反作用于人流,从而改变城市人流的流量及结构,而人流结构的变化又会进一步改变要素的流动。因此,人流空间内的互动机理可理解为是以人的流动为作用介质建立的人、空间、设施、服务、信息等要素之间一种循环因果、互为反馈的动态闭环过程（图2）,其实质是“空间-功能”复杂对应关系的变化,而人的流动既是关系变化的结果又是动力。具体而言,从结果上看,城市内部人流与城市空间的功能多样性、活力、吸引力及辐射能力密切相关;从动力上看,人流作为空间互动的驱动力,带动了空间之间信息、物质、技术等各要素的联系交换,通过对空间功能、形态的重塑增加了空间的活力。因此,城市宏观空间内显性的人流变化特征的本质是城市系统局部组分之间因交互作用而产生的全局行为,是城市空间组织交互关系综合表征的地理空间映射。
图2 人流空间交互机理示意图

Fig. 2 Schematic diagram of the interaction mechanism for people flow space

针对城市人流空间的复杂特点,要强化对系统“过程”的认知和理解。通过各种感知技术手段不断监测系统的演化过程,及时掌握演化的态势,透过不断变化的外在时空现象,深入理解城市系统主体之间以及主体环境之间的相互作用,揭示结构变化特征,进而不断修正认知,提升空间规划管理的科学性。

3 研究框架

基于上述对城市人流空间的概念、构成要素及交互机理的阐述,本文将从理论支撑体系、方法论、研究内容、数据支撑、研究方法以及规划实践应用等方面进行梳理,构建基于复杂网络视角的城市人流空间研究方法框架（图3）。即以流空间、复杂网络及空间行为互动等为理论基础,将城市中的人流视之为城市系统内部各子系统间相互作用的介质。以微观个体的流动所构建的空间交互网络为切入点,侧重从网络整体性的角度理解人流空间的时空分布、结构特征、以及流动与建成环境间的时空耦合关系,并在此基础上实现对空间分布及结构变化的模拟预测。
图3 基于复杂网络视角的城市人流空间研究方法框架

Fig. 3 The methodological framework for urban people flow space research based on complex network perspective

3.1 理论支撑体系

城市人流空间研究体现了不同学科、不同理论的交叉融合。流空间理论、行为地理学相关理论、复杂网络理论,城市地理学相关理论等共同构成了城市人流空间研究的理论支撑体系（图4）。
图4 理论支撑体系

Fig. 4 Theoretical support system

流空间理论产生于信息通讯技术飞速发展,全球进入信息化、全球化、网络化的背景趋势下。其强调信息技术改变空间的传输媒介,通过网络、通路、节点实现信息服务与革新技术的扩散,并加快了人流、信息流、资金流、技术流等在不同空间尺度的快速流动,从而形成了围绕“流动”而建立的社会组织和空间形态[49,50]。流空间中各种流的功能及价值主要由流动的过程来定义,随着流动节点和网络的变化,流也将被它通过的节点重组。结合人的流动并作用于空间的各种流是流动空间的研究对象。流空间理论虽主要强调信息技术对社会的影响,但其所表达的流动性思维以及从流动视角对空间形态结构的理解,为本文通过人的流动解构微观城市空间关系提供了新的认知及理论基础。人流是城市内部空间交互联系的重要线索和表征,同时也是其他如信息、经济、物流等各要素流作用于空间的介质。行为地理学强调人对空间的认知以及行为决策,着眼于居民的时空活动,将居民活动纳入空间体系中,强调了行为与空间之间的交互关系。时间地理学强调人的时空行为受到各种要素的制约,倡导以时空路径的方式连续表示个人活动,在两大理论的影响下已形成了相对较为成熟的居民时空间行为研究方法体系。空间-行为互动理论强调空间对行为的作用及行为对空间的作用两方面的研究,以及二者的整合[51]。基于人与空间相结合的研究范式,研究不同空间尺度（如城市整体、城市内部）的空间-行为互动模式的多样性和共性,研究时间尺度的空间-行为互动模式的阶段性和动态性。这为从微观活动视角理解城市空间互动机制提供了具体的研究线索及方法基础。
复杂网络科学是对复杂网络理论和方法的统称,其起源于数学和物理领域属于图论范畴,强调用网络的观点描述系统的组成及相互作用关系[52]11。将系统主体单元抽象为节点,将单元之间的复杂关系抽象为边,从而将系统整体抽象为一个网络,系统单元的活动不仅受到微观环境的影响,同时也受到系统整体状态的影响。强调通过研究网络的“节点-结构-系统”的思路从整体尺度理解系统[53,54],这为研究人流空间的形态、结构及与环境的时空耦合关系提供了重要的方法论基础。同时城市内部空间流要素的研究也促进了复杂网络在空间研究领域的应用。地理空间是要素分布、联系、流动的本底,也是城市空间规划、空间政策的基本操作对象,城市地理学相关理论对城市空间组织方式与作用的机理的阐述,为城市人流空间研究提供空间特征分析的框架及理论基础,同时城市空间的内涵也将在人流空间与其时空耦合特征、关系方面得到深化。
总体而言,通过对上述理论的传承、拓展和融合,本文构建了人流空间的概念模型,强调从人的流动视角理解城市空间、功能的组织结构,以期为具体的研究提供理论指导及技术方法支撑。

3.2 数据支撑与研究方法

随着信息技术的飞速发展,尤其是基于位置服务的移动互联网产品在人们日常生活中的普及,使得空间中的每个个体都扮演了传感器的角色,可有效地捕捉城市社会经济活动特征[55]。同时,积累和沉淀的海量活动时空轨迹数据,为支撑城市人流空间研究提供了丰富的数据源。本文按照数据源的不同,结合已有相关研究,将研究支撑数据划为四种类型,如表1所示：① 城市智能基础设施采集类,此类数据由居民使用城市智能基础服务设施而产生,具有数据样本大、维度丰富等特征,但存在对居民活动轨迹刻画不完整的不足。常见的数据集包括由居民使用智能公交卡等产生的交通出行数据,应城市运营管理需求而采集的城市出租车运行轨迹,行车记录影像数据等。② Location Based service（LBS）产品使用行为轨迹类,指居民使用基于位置服务（LBS）的移动互联网产品而产生的富含时空信息的电子行为轨迹记录。此类数据具有样本大、覆盖广、数据获取便利等特点,但同时因服务产品的使用场景、受众偏好等原因,数据样本的社会经济属性、时空代表性存在一定的偏差。常见的数据有反映居民活动空间密度分布的百度、腾讯的网络地图的热力图数据,社交媒体数据,如近几年热门的快手、抖音等短视频数据中的地理签到数据,另外还有常见的日常服务类APP如大众点评、美团外卖、共享单车、汽车等产生的居民消费活动数据。③ 活动轨迹主动追踪采集类,此类数据产生源于特定设备主动记录或上报的所处时空位置。数据可较为完整、准确的映射设备携带者的活动轨迹,具备较高的时空精度,常见的有GPS数据、手机信令数据等,此类数据已在城市空间研究中广泛应用。④ 人流相关的统计、社会调查类,此类数据源于特定的社会调查或政府职能部门常规的统计汇总,常见的有人口普查数据、流动人口登记、城市交通出行调查等。此类数据具有丰富的属性如性别、年龄、学历等社会经济属性,但数据的时空信息及精度较低,且样本小。在人流空间研究支撑数据的选择中应以研究的内容及目的为导向,重视数据的时空覆盖度、时空信息精度,同时要兼顾数据对居民活动刻画的连续性、完整性,多维性的支撑能力,应积极尝试采用多源数据融合的方法提高数据的维度,同时也要重视传统数据与新兴数据的交叉对比验证。
表1 城市人流感知数据源

Tab. 1 Data sources and types for studying urban people flow space

数据来源 数据描述 数据特征 常见类型
城市智能基础设施采集 数据源于居民使用特定智能基础设施而产生使用行为记录 数据的样本大、数据维度丰富,但数据的时空精度低,对轨迹的刻画不完整,仅能代表某类活动 公交卡数据、地铁卡数据、市民卡数据、社保卡数据、交通视频数据、出租车轨迹数据、便携式视频采集器等
LBS产品使用行为轨迹 数据源于居民在日常生活中使用某一类或某几类移动互联网位置服务产品,从而产生富含时空活动信息的个体轨迹 数据来源丰富、获取便利性高,但数据样本的社会经济属性、时空代表性具有一定的偏差 网络地图热力图数据、微博、Twitter、Flickr、快手、抖音、大众点评、美团外卖、共享单车、共享汽车、百度城市出行强度数据等。
移动轨迹追踪采集 此类数据源于设备主动记录或上报的所处时空信息 数据时空信息较为完整,能够准确的映射设备携带者的活动轨迹,具备较高的时空精度 GPS活动调查数据、手机信令、交通出行调查等
社会调查、统计类 此类数据源于特定的社会调查、或政府职能部门常规的统计汇总。 数据属性维度较高、包含信息丰富,时空信息较少,数据时空分辨率低 交通出行调查、统计年鉴、流动人口调查、长时相夜间影像数据等等
复杂网络方法是研究复杂系统关系的重要方法,该方法已广泛应用于众多学科领域,其中在城市地理学、城市规划领域所常用的复杂网络方法包括空间句法、社交网络分析法。针对不同的研究复杂网络已形成丰富的方法及算法模型,如用于测度网络节点重要程度的节点中心性评价方法,用于优化网络的网络骨干结构识别方法,以及用于揭示网络社团结构及层次关系的网络社团检测方法等。而在计量地理学、空间信息科学、空间统计等领域,针对空间要素的分布格局检测、时空异质性特征识别、空间关系以及成因揭示等方面,发展了包括空间可视化、空间插值分析、空间聚类,时空回归等的空间分析方法,为城市人流网络系统特征的时空映射分析提供了丰富的方法选择源。同时,伴随着近年来计算技术的飞速发展,机器学习、深度学习、强化学习等方法得到了不断的优化和发展。各类算法开源工具的开放共享,推动了此类方法在城市空间研究领域内的引入及推广应用。针对城市人流空间分析内容的多样化、复杂化的特点,需要将现有的数理模型、空间分析、复杂网络、可视化与预测模拟等方法进行有机的集成和整合,基于不同的研究内容及目标展开方法集成和创新,并在此基础上以构建系统分析模块为目标,实现集成方法的再组合及优化。

3.3 研究内容

遵循地理学经典的“格局-过程-机理”的研究范式及思路,以感知人流空间特征、认知流动交互关系、洞察流动模拟预测为研究逻辑线索,结合方法技术集成、规划实践应用的研究目标导向,组织城市人流空间的研究重点及内容（图5）。
图5 研究内容体系

Fig. 5 Research content system

首先,以识别流动网络的整体特征及空间映射关系为内容主线,采用时序网络分析、空间分析、空间自相关、网络社团检测等方法分析人流网络的时空统计特征、空间格局特征、时空分异特征分析,以及基于流动的空间结构和层级划分等。从而实现从要素分布特征、要素流动网络特征等多个维度深入感知城市空间结构,进一步构建基于流动视角的城市空间结构量化分析框架。其次,在流动交互关系认知层面,依托对空间特征的识别,进一步深入分析流动强度的时空分异现象,探索流动空间分布格局与建成环境要素空间分布格局的空间耦合和关联特性。采用时空加权回归的分析方法深入探究建成环境对流动的影响及影响的时空分异性,提升对流动机制认知的理解,为下一步的流动模拟预测特征因子选择奠定基础。最后,在特征感知、机理认知的基础上,抽象交互作用机制,选取合适的因子建立影响流动因子集,并研究因子影响特征的量化测度方法,采用神经网络、机器学习、迁移学习等方法构建流动模拟预测模型,展开不同情景模拟预测及结果的验证评估。
通过探究上述重点研究内容,深入理解人流视角下的城市空间形态、组织、结构,并形成一套基于复杂网络视角的城市人流空间分析方法框架及技术路线,从而能为信息化、智能化背景下,高速流动的城市空间规划管理及运营实践提供方法技术支撑。

3.4 规划实践与应用

基于上述的概念模型构建、理论、数据方法与研究内容的探究,目的在于以人的流动为切入点深入理解城市空间结构,构建一套基于复杂网络的城市人流空间分析方法框架,从而支撑高速流动背景下的城市空间研究,践行以人为本的城市空间规划管理。结合不同的规划管理业务场景,城市人流空间的分析方法技术框架,可应用于指导支撑城市功能空间单元的划定,城市公共设施优化配置,空间规划方案的量化对比及预测模拟实施效果评估等。
城市功能组团、交通小区、社区生活圈等功能空间单元划定及评估是空间规划管理的基础性工作。通过人流空间结构特征分析方法,可识别由微观个体实际流动的空间交互形成的宏观社群空间组团,并进一步知晓不通过空间组团间的联系结构。一方面可支撑基于实际活动需求的城市组团、交通小区、社区生活圈的空间优化调整;另一方面,可用于从空间联系视角评估相关规划的实施成效,弥补传统经验式的功能空间划定,实施效果静态指标评估等方法存在的偏主观化,且忽视空间联系的不足。功能与空间的对应关系变化是城市诸多空间现象及空间问题的根源,同时这种对应关系的变化又会通过人流空间特征变化得以呈现。以城市空间内人的流动特征分析为基础,通过探究公共交通设施、商业服务设施、休闲娱乐设施等各类公共资源分布与人流强度特征的关系,以及关系的时空分异机制,可从居民实际需求的视角指导优化城市公共资源的组织和配置。如应用于城市公共交通线路、药店、菜市场等便民基础设施的优化,也可支撑基于城市居民流动结构的大型基础设施选址及建设等。从而实现依照流动的特性合理调整和配置公共资源,提升城市规划作为解决功能与空间对应关系技术工具的科学性和有效性。
空间规划方案是城市未来发展愿景的路径指导,对规划方案的量化评估及模拟预测有助于降低路径决策风险。在不同空间规划方案的对比选择工作中,可通过构建的人流空间模拟预测模型对不同方案进行实施模拟与结果仿真分析。通过量化分析不同方案实施后的整体人流强度、空间分布以及重点空间节点联系结构特征等,从而实现对规划方案的量化评估。在城市空间应急突发预案的制定及编制工作中,通过人流空间的模拟预测,可快速识别不同应急情景下的重点空间节点及结构变化特征,基于人流的调控模拟科学指导应急资源的合理调配。

4 结论与讨论

信息通讯技术飞速发展,要素高速流动,使得空间交互变的更加频繁紧密,城市空间已成为一个“人”和“物”都高效运转的流动空间,城市空间与功能的对应关系呈现出多样化、复杂化的趋势,城市空间形态结构内涵更加丰富。在智慧城市建设进程中通过大力发展建设信息化、智能化基础设施,已构建起了对城市空间组织运行状态的多维互联感知体系,并进一步依托云存储、云计算等技术实现了对城市海量时空数据资源的采集及存储管理,为数据密集型的城市空间研究范式转型奠定了数据及技术基础。在此背景下通过计算将数据资源转化为决策能力,进而提升智慧规划的手段,实现城市空间组织运营状态数据化、监测洞察算法化,管理调整手段产品化是信息时代响应居民需求的城市规划管理转型的方向及实践路径。因此,城市空间研究应依托信息技术发展机遇,以提升空间规划信息化、智能化为目标导向,深化对城市空间的认知,加快构建数据驱动式的城市空间研究内容体系及方法分析框架。
本文在深入理解人、空间、设施、服务、信息、技术等要素之间互动关系基础上,依托对流动空间理论的拓展以及时空间行为理论、城市地理学相关理论等理论的传承,确立了人流空间是城市空间与功能的对应关系的特征映射,并提出将复杂的对应交互关系抽象为基于人流的空间交互网络,从而尝试构建了基于复杂网络视角的城市人流空间模拟概念模型。在此基础上,本文围绕理论基础,研究数据支撑、研究方法及研究内容体系等,提出了城市人流空间研究框架。以感知人流空间结构特征、认知流动交互机制、洞察模拟流动为研究逻辑线索,结合方法技术集成创新及支撑规划实践应用为目标导向,提出了人流空间研究的重点及内容体系。具体来讲,在感知分析层面,要以人流网络特征、空间格局、时空分异、空间结构等为重点分析内容,并通过方法技术集成创新构建起基于微观个体流动的城市空间结构感知方法框架。在交互认知层面,重点研究流动影响因子的识别,因子影响的测度以及影响的时空分异特征,提升对空间交互机制的认知,为进一步实现对流动的模拟预测奠定理论基础。在洞察模拟层面,重点研究影响因素特征的选取、特征的量化,模拟预测模型的选择以及结果的评估及应用。最后,在阐述研究内容体系的基础上结合规划实践提出了相应实践应用方向及方法思路。
目前正值空间规划体系改革深入推进的时机,各大城市正在大力建设发展智慧城市时空大数据平台,国土空间规划监测平台等各项数据分析平台,对城市的立体感知是各平台建设的核心,对人流的监测、调控、模拟是各体系建设中的重难点。以此为契机,城市空间研究应重视不同学科交叉融合,通过引入新的分析手段、技术、方法,有效地利用丰富的城市空间感知资源,提取和分析城市空间的各种时空特征,更新对城市空间组织的理解,把握城市的发展规律,创新优化城市空间管理和解决城市问题的手段。在城市空间规划管理实践层面,应重视对基于数据驱动的空间规划管理方法框架及功能模块的建设,为构建数据化、算法化、产品化的空间管理服务平台奠定技术方法基础,从而有效地支撑智慧规划、智慧管理,保障城市空间的高质量可持续发展。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,专家对本文整体框架组织、概念模型建构等方面的修改意见,使本文受益匪浅,深表谢意。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
许学强, 周一星, 宁越敏, 等. 城市地理学: 第二版. 北京: 高等教育出版社, 2009: 63-64.

[ Xu Xueqiang, Zhou Yixing, Ning Yuemin, et al. Urban Geography: Ⅱ. Beijing: Higher Education Press, 2009: 63-64.]

[2]
周春山, 叶昌东. 中国城市空间结构研究评述. 地理科学进展. 2013,32(7):1030-1038.

[ Zhou Chunshan, Ye Changdong. Progress on studies of urban spatial structure in China. Progress in Geography, 2013,32(7):1030-1038.] DOI: 10.11820/dlkxjz.2013.07.006.

[3]
West G B. Scale: The Universal Laws of Growth, Innovation, Sustainability, and the Pace of Life in Organisms, Cities, Economies, and Companies. London: Penguin Random House Press, 2017: 235-236.

[4]
Long J A, Nelson T A. A review of quantitative methods for movement data. International Journal of Geographical Information Science, 2013,27(2):292-318. DOI: 10.1080/13658816.2012.682578.

[5]
王桂新, 潘泽瀚, 陆燕秋. 中国省际人口迁移区域模式变化及其影响因素: 基于2000和2010年人口普查资料的分析. 中国人口科学. 2012, (5):2-13.

[ Wang Guixin, Pan Zehan, Lu Yanqiu. China's inter-provincial migration patterns and influential factors: Evidence from year 2000 and 2010 population census of China. Chinese Journal of Population Science, 2012, (5):2-13.]

[6]
秦贤宏, 魏也华, 陈雯, 等. 南京都市区人口空间扩张与多中心化. 地理研究. 2013,32(4):711-719.

[ Qin Xianhong, Wei Yehua, Chen Wen, et al. Population expansion and polycentric development of Nanjing city in a period of hyper-growth. Geographical Research, 2013,32(4):711-719.] DOI: 10.11821/yj2013040014.

[7]
甄峰, 顾朝林. 信息时代空间结构研究新进展. 地理研究, 2002,21(2):257-266.

[ Zhen Feng, Gu Chaolin. New perspective on spatial structure research in information era. Geographical Research, 2002,21(2):257-266.] DOI: 10.11821/yj2002020015.

[8]
孙中伟, 路紫. 流空间基本性质的地理学透视. 地理与地理信息科学, 2005,21(1):109-112.

[ Sun Zhongwei, Lu Zi. A geographical perspective to the elemetary nature of space of flows. Geography and Geo-Information Science, 2005,21(2):109-112.]

[9]
蔡晓梅, 卜美玲, 李军. 以流动看世界: 基于彼得·阿迪《流动性》的研究述评. 热带地理. 2020,40(3):455-465.

[ Cai Xiaomei, Bu Meiling, Li Jun. See the world from mobile perspective: A review on "Mobility" edited by Peter Adey. Tropical Geography, 2020,40(3):455-465.] DOI: 10.13284/j.cnki.rddl.003250.

[10]
秦萧, 甄峰, 熊丽芳, 等. 大数据时代城市时空间行为研究方法. 地理科学进展. 2013,32(9):1352-1361.

[ Qin Xiao, Zhen Feng, Xiong Lifang, et al. Methods in urban temporal and spatial behavior research in the big data era. Progress in Geography, 2013,32(9):1352-1361.] DOI: 10.11820/dlkxjz.2013.09.005.

[11]
秦萧, 甄峰. 大数据与小数据结合: 信息时代城市研究方法探讨. 地理科学. 2017,37(3):321-330.

[ Qin Xiao, Zhen Feng. Combination between big data and small data: New methods of urban studies in the information era. Scientia Geographica Sinica, 2017,37(3):321-330.] DOI: 10.13249/j.cnki.sgs.2017.03.001.

[12]
甄峰, 王波, 秦萧, 等. 基于大数据的城市研究与规划方法创新. 北京: 中国建筑工业出版社, 2015: 5.

[ Zhen Feng, Wang Bo, Qin Xiao, et al. Urban Studies and Innovation in Urban Planning Methods Based on Big Data. Beijing: China Arechitecture Publishing &Media Co., Ltd. Press, 2015: 5.]

[13]
李德仁, 姚远, 邵振峰. 智慧城市中的大数据. 武汉大学学报: 信息科学版. 2014,39(6):631-640.

[ Li Deren, Yao Yuan, Shao Zhenfeng. Big data in smart city. Geomtics and Information Science of Wuhan University, 2014,39(6):631-640.] DOI: 10.13203/j.whugis20140135.

[14]
Batty M. Artificial intelligence and smart cities. Environment and Planning B: Urban Analytics and City Science, 2016,45(1):3-6. DOI: 10.1177/2399808317751169.

[15]
郑宇. 城市计算概述. 武汉大学学报: 信息科学版. 2015,40(1):1-13.

[ Zhen Yu. Introduction to urban computing. Geomtics and Information Science of Wuhan University, 2015,40(1):1-13.] DOI: 10.13203/j.whugis20140718.

[16]
甄峰, 秦萧. 大数据在智慧城市研究与规划中的应用. 国际城市规划. 2014,29(6):44-50.

[ Zhen Feng, Qin Xiao. The application of big data in smart city research and planning. Urban Planning International, 2014,29(6):44-50.]

[17]
吴志强. 以流定形的理性城市规划方法. 第十届城市发展与规划大会. 广州. 2015.

[ Wu Zhiqiang. Form follows flows: Planning methodology approach. The Tenth Conference on urban Development and Planning. Guangzhou. 2015.]

[18]
Kang C, Ma X, Tong D, et al. Intra-urban human mobility patterns: An urban morphology perspective. Physica A: Statistical Mechanics and Its Applications, 2012,391(4):1702-1717. DOI: 10.1016/j.physa.2011.11.005.

[19]
Xu Y, Shaw S, Zhao Z, et al. Another tale of two cities: Understanding human activity space using actively tracked cellphone location data. Annals of the American Association of Geographers, 2016,106(2):489-502. DOI: 10.1080/00045608.2015.1120147.

[20]
Tang J, Liu F, Wang Y, et al. Uncovering urban human mobility from large scale taxi GPS data. Physica A: Statistical Mechanics and its Applications, 2015,438:140-153. DOI: 10.1016/j.physa.2015.06.032.

[21]
钮心毅, 丁亮, 宋小冬. 基于手机数据识别上海中心城的城市空间结构. 城市规划学刊. 2014, (6):61-67.

[ Niu Xinyi, Ding Liang, Song Xiaodong. Understanding urban spatial structure of Shanghai central city based on mobile phone data. Urban Planning Forum, 2014, (6):61-67.]

[22]
钟炜菁, 王德, 谢栋灿, 等. 上海市人口分布与空间活动的动态特征研究: 基于手机信令数据的探索. 地理研究, 2017,36(5):972-984.

[ Zhong Weijing, Wang De, Xie Dongcan, et al. Dynamic characteristics of Shanghai's population distribution using cell phone signaling data. Geographical Research, 2017,36(5):972-984.] DOI: 10.11821/dlyj201705013.

[23]
Zhong C, Arisona S M, Huang X, et al. Detecting the dynamics of urban structure through spatial network analysis. International Journal of Geographical Information Science, 2014,28(11):2178-2199. DOI: 10.1080/13658816.2014.914521.

[24]
Yu W, Guan M, Chen Z. Analyzing spatial community pattern of network traffic flow and its variations across time based on taxi GPS trajectories. Applied Sciences, 2019,9(10):2054. DOI: 10.3390/app9102054.

[25]
Zhou M, Yue Y, Li Q, et al. Portraying temporal dynamics of urban spatial divisions with mobile phone positioning data: A complex network approach. Geo-Information. 2016,5(12):240. DOI: 10.3390/ijgi5120240.

[26]
刘耀林, 方飞国, 王一恒. 基于手机数据的城市内部就业人口流动特征及形成机制分析: 以武汉市为例. 武汉大学学报: 信息科学版, 2018,43(12):2212-2224.

[ Liu Yaolin, Fang Feiguo, Wang Yiheng. Characteristics and formation mechanism of intra-urban employment flows based on mobile phone data: Taking Wuhan city as an example. Geomtics and Information Science of Wuhan University, 2018,43(12):2212-2224.] DOI: 10.13203/j.whugis20180140.

[27]
方家, 王德, 谢栋灿, 等. 上海顾村公园樱花节大客流特征及预警研究: 基于手机信令数据的探索. 城市规划, 2016,40(6):43-51.

[ Fang Jia, Wang De, Xie Dongcan, et al. Research on dynamic change and early warning of large tourist flow based on mobile signal data analysis: A case study of Guncun park sakura festival in Shanghai. City Planning Review, 2016,40(6):43-51.]

[28]
罗桑扎西, 甄峰. 基于手机数据的城市公共空间活力评价方法研究: 以南京市公园为例. 地理研究, 2019,38(7):1594-1608.

[ Luo Sangzhaxi, Zhen Feng. How to evaluate public space vitality based on mobile phone data: An empirical analysis of Nanjing's parks. Geographical Reaearch, 2019,38(7):1594-1608.] DOI: 10.11821/dlyj020180756.

[29]
Wu W, Niu X. Influence of built environment on urban vitality: Case study of Shanghai using mobile phone location data. Journal of Urban Planning and Development, 2019,145(3):4019007. DOI: 10.1061/(ASCE)UP.1943-5444.0000513.

[30]
Kang C. Spatial access to pedestrians and retail sales in Seoul, Korea. Habitat international, 2016,57:110-120. DOI: 10.1016/j.habitatint.2016.07.006.

[31]
Lwin K, Sekimoto Y, Takeuchi W. Estimation of hourly link population and flow directions from mobile CDR. ISPRS International Journal of Geo-Information, 2018,7(11):449. DOI: 10.3390/ijgi7110449.

[32]
Xie P, Li T, Liu J, et al. Urban flows prediction from spatial-temporal data using machine learning: A survey. 2019. https://arxiv.org/abs/1908.10218, 2019-08-26.

[33]
陈丽娜, 吴升, 陈洁, 等. 基于手机定位数据的城市人口分布近实时预测. 地球信息科学学报, 2018,20(4):523-531.

[ Chen Lina, Wu Sheng, Chen Jie, et al. The near-real-time prediction of urban populations based on mobile phone location data. Journal of Geo-information Scienc, 2018,20(4):523-531.] DOI: 10.12082/dqxxkx.2018.170536.

[34]
Xu F, Zhen F, Qin X, et al. From central place to central flow theory: An exploration of urban catering. Tourism Geographies, 2019,21(1):121-142. DOI: 10.1080/14616688.2018.1457076.

[35]
Batty M. The New Science of Cities. NewYork: Mit Press, 2013: 68.

[36]
梁鹤年. 城市人. 城市规划. 2012,36(07):87-96.

[ Lian Henian. Homo urbanicus. City Planning Review, 2012,36(7):87-96.]

[37]
Cresswell T. Geographic Thought: A Critical Introduction. Wiley-Blackwell, 2013: 196-218.

[38]
Porta S, Latora V, Wang F, et al. Street centrality and the location of economic activities in Barcelona. Urban Studies, 2012,49(7):1471-1488. DOI: 10.1177/0042098011422570.

[39]
Hodson M, Marvin S, Robinson B, et al. Reshaping urban infrastructure. Journal of Industrial Ecology, 2012,16(6):789-800. DOI: 10.1111/j.1530-9290.2012.00559.x.

[40]
Rui Y, Ban Y, Samhällsplanering O M, et al. Exploring the relationship between street centrality and land use in Stockholm. International Journal of Geographical Information Science, 2014,28(7):1425-1438. DOI: 10.1080/13658816.2014.893347.

[41]
甄茂成, 张景秋, 杨广林. 基于复杂网络的商业银行网点布局特征: 以北京市中国银行为例. 地理科学进展. 2013,32(12):1732-1741.

[ Zhen Maocheng, Zhang Jingqiu, Yang Guanglin. Characteristics of commercial bank branch networks based on complex networks theory: A case study on Bank of China in Beijing. Progress in Geography, 2013,32(12):1732-1741.] DOI: 10.11820/dlkxjz.2013.12.002.

[42]
Yue Y, Zhuang Y, Yeh A G O, et al. Measurements of POI-based mixed-use and their relationships with neighborhood vibrancy. International Journal of Geographical Information Science. 2017,31(4):658-675.] DOI: 10.1080/13658816.2016.122056.

[43]
甄峰, 秦萧, 席广亮. 信息时代的地理学与人文地理学创新. 地理科学, 2015,35(1):11-18.

[ Zhen Feng, Qin Xiao, Xi Guangliang. The innovation of geography and human geography in the information era. Scientia Geographica Sinica, 2015,35(1):11-18.] DOI: 10.13249/j.cnki.sgs.2015.01.11.

[44]
Jiang Y, Li Z, Cutter S L. Social network, activity space, sentiment, and evacuation: What can social media tell us?. Annals of the American Association of Geographers, 2019,109(6):1-16. DOI: 10.1080/24694452.2019.1592660.

[45]
王宇凡, 林文盛, 冯长春. 信息技术对城市生活服务业空间分布的影响: 以北京网络外卖餐饮业为例. 城市发展研究, 2019,26(6):100-107.

[ Wang Yufan, Lin Wensheng, Feng Changchun. The impacts of information and communication technologies(ICT) on the spatial distribution of urban customer services: A case study of online takeaway industry in Beijing. Urban Development Studies, 2019,26(6):100-107.]

[46]
方怡青. 上海市网红餐饮店的空间特征研究. 上海: 华东师范大学硕士学位论文, 2019: 88-89.

[ Fang Yiqin. Spatial distribution characteristics of online popular restaurants in Shanghai and comparison with ordinary research. Shanghai: Master Dissertation of East China Normal University, 2019, 88-89.]

[47]
Xu Y, Belyi A, Bojic I, et al. How friends share urban space: An exploratory spatiotemporal analysis using mobile phone data. Transactions in GIS, 2017,21(3):468-487. DOI: 10.1111/tgis.12285.

[48]
王杨, 孙中伟, 刘宁涛. 网络空间信息对地理空间人流的导引作用: 以石家庄行者户外为例. 世界地理研究, 2015,24(3):85-93.

[ Wang Yang, Sun Zhongwei, Liu Ningtao. Guiding role of cyberspace information to geospatial human flow: Taking traveler outdoor in Shijiazhuang as an example. World Regional Studies, 2015,24(4):85-93.]

[49]
魏冶. 流空间视角的沈阳市空间结构研究. 长春: 东北师范大学博士学位论文, 2013: 9.

[ Spatial structure of Shenyang in the perspective of space flows. Changchun: Doctoral Dissertation of Northeast Normal University, 2013: 9.]

[50]
刘红. 曼纽尔·卡斯特流动空间思想及现实意义研究. 武汉: 华中科技大学硕士学位论文, 2018: 15.

[ Liu Hong. Research on Manuel Castells' the space of flows and its practical significance. Wuhan: Master Dissertation of Huazhong University of Science & Technology, 2018: 15.]

[51]
柴彦威, 谭一洺, 申悦, 等. 空间: 行为互动理论构建的基本思路. 地理研究. 2017,36(10):1959-1970.

[ Chai Yanwei, Tan Yiming, Shen Yue, et al. Space-behavior interaction theory: Basic thinking of general construction. Geographical Research, 2017,36(10):1959-1970.] DOI: 10.11821/dlyj201710012.

[52]
郑波尽. 复杂网络的结构与演化. 北京: 科学出版社, 2018: 11.

[ Zheng Bojin. Structure and Evolution of Complex Networks. Beijing: Science Press, 2018: 11.]

[53]
方锦清, 汪小帆, 郑志刚, 等. 一门崭新的交叉科学: 网络科学(上). 物理学进展. 2007,27(3):239-343.

[ Fang Jinqing, Wang Xiaofan, Zheng Zhigang, et al. New interdisciplinary science: Network science (Ⅰ). Progress in Physics, 2007,27(3):239-343.]

[54]
Ducruet C, Beauguitte L. Spatial science, and network science: Review and outcomes of a complex relationship. Networks and Spatial Economics, 2014,14(3-4):297-316. DOI: 10.1007/s11067-013-9222-6.

[55]
Goodchild M F. Citizens as sensors: The world of volunteered geography. GeoJournal, 2007,69(4):211-221.DOI: 10.1007/s10708-007-9111-y.

Options
文章导航

/

〈 〉