EN中文

GEOGRAPHICAL RESEARCH >

2017 , Vol. 36 >Issue 7: 1339 - 1352

DOI: https://doi.org/10.11821/dlyj201707012

Orginal Article

Urban network structure evolution and organizational pattern in Northeast China from the perspective of railway passenger transport

  • MENG Deyou 1 ,
  • FENG Xinghua 2 ,
  • WEN Yuzhao 1
Expand
  • 1. College of Resources and Environment, Henan University of Economics and Law, Collaborative Innovation Center of Urban-Rural Coordinated Development, Henan Province, Zhengzhou 450046
  • 2. School of Geography Science, Northeast Normal University, Changchun 130024, China

Received date: 2017-01-21

  Request revised date: 2017-05-23

  Online published: 2017-07-31

Copyright

《地理研究》编辑部
Fold

Abstract

Space of flows has become one of the important contents of human geography research in the era of big data. In this study, the evolution of urban network structure in Northeast China is analyzed from various aspects, including overall scale, network density, urban centrality and cohesive subgroup, by using Social Network Analysis (SNA) based on railway passenger transport data of 2005, 2010 and 2015 in this region, followed by the spatial organizational pattern. Research findings suggest that: (1) Railway passenger transport linkage has experienced three phases, i.e., ordinary passenger train dominating period, early high-speed railway period and high-speed railway prosperous period. Urban hierarchy system shows significant primitive city distribution from the perspective of trains from departure stations, with relatively stable "one axis dual-core" position. (2) Regional urban network density has been somewhat increased, but it is still weakly connected. "Matthew effect" can be observed in the process of network evolution. Inter-provincial relationship between Liaoning and Jilin provinces is close, with Heilongjiang province and Inner Mongolian Autonomous Region (east) obviously marginalized. (3) Urban centrality is found to have been polarized; high-value areas show a significant regional aggregation; core-city effect is changed from polarization to diffusion; the core network position of Dalian is established progressively. A transition phenomenon can be observed in areas with high betweenness centrality, of which Harbin shows a stable mediating effect, with spatial occlusion of some core cities shrinking continuously. (4) There is an evident phenomenon of small groups in the urban network in Northeast China; the "four-region" pattern is found to be gradually consolidated during regional integration process; the subgroups of Harbin-Dalian axis network have been the core groups in network linkage. (5) A spatial organizational pattern of "circled advancement - axial and radial extension - grouped partition" is put forward for Northeast China by analyzing the individual characteristics and overall network structures of cities.

Key words： railway passenger transport linkage; urban network; organizational pattern; social network analysis (SNA); Northeast China

Cite this article

MENG Deyou , FENG Xinghua , WEN Yuzhao . 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 . DOI: 10.11821/dlyj201707012

1 引言

城市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[1];在区域关系及经济秩序急剧变更和重构的全球化时代,城市网络的构建与完善有利于提升要素流通的广度与密度,是实现资源优化配置、促进区域“密度—网络经济”效应最大发挥的有效途径之一。
城市网络研究是传统城市与区域空间结构研究的延伸[2],是人文地理学研究的热点问题之一。国外城市网络研究呈现出理论与实证[3,4]、定性与定量[5-10]相结合的特征：GaWC小组在不断完善网络理论基础上对世界城市网络作出相关定义并利用航空旅客量分析了全球范围内城市网络组织特征[4-6];Alderson等基于全球500强跨国企业通过建立母—子联系分析了全球城市网络体系[7];Matthiessen等分别利用SCI期刊不同作者的合作关系网络[8]、不同城市间专利合作情况构建知识创新网络[9],分析了基于科学知识生产体系内的世界城市网络结构;Van Oort等利用荷兰兰斯塔德企业间买卖关系构建城市网络分析了城市间空间相互作用及城市功能的互补情况[10];Reades等基于手机通话数据利用时空分析方法对意大利城市网络及城市个体角色进行分析[11];Guimera等从航空网络数据出发利用社区分析方法对全球网络结构及城市角色地位进行分析,结合地缘政治学确定并解释了全球航空网络社区组团构成及城市全球角色[12];Townsend通过互联网数据对伦敦、纽约及东京的全球城市地位进行定量分析[13]。在国内,城市网络研究相对缓慢,但随着相关理论的成熟及计算机技术的快速发展,城市网络的定量化研究逐步成为国内学术界的研究热点[14-23];尤其是信息技术的飞速发展,以百度迁徙、微博关系为代表的大数据为网络研究提供了相对精确的数据支撑。武前波等分别对中国城市间电子信息产业、生产性服务业网络进行分析,得到产业视角下城市网络体系拥有更强的包容性[14-16];焦敬娟等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[17-19];冷炳荣等通过模型构建对中国城市经济网络复杂性及空间特征进行分析,得到经济视角下中国“大集中、逐步小分散”的网络组织结论[20];魏冶等基于百度迁徙大数据分析了春运人口流动视角下的转型期中国城市网络结构现状特征[2];王珏等通过重力模型运用社会网络分析方法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[21]。总体来看,现有国内外城市网络研究视角逐步由传统的经济、人口网络转向交通、产业、人才等网络研究,而方法上则在传统数理统计基础上逐步融入了模型构建、社会学等方法。现有城市网络研究虽呈现视角与方法的多元化特征,但利用相对精确的网络数据进行区域城市网络分析多停留在静态层面、未能突出联系网络的演化特征,缺乏对网络发展演变趋势的有效判定。
在中国经济发展进入“稳增长、调结构”的重要时期,融合发展成为推动区域经济一体化的重要引擎、是构建区域经济增长极的重要途径之一。东北地区作为一个相对完整的地域综合体[24],为区域融合发展提供了良好的基础条件,2003-2012年东北老工业基地振兴战略使得区域经济得到持续增长,而区域发展也由单项突破进入到纵深推进、全面振兴的开放发展阶段;但东北地区经济发展的结构性及体制性矛盾、市场贸易壁垒、城市间协作与分工不足等问题仍然存在。为此,加强东北地区城市网络结构演变分析有利于认识区域网络化发展进程,对区域空间组织结构的完善具有重要意义。基于铁路客运网络数据以东北地区内41个地级城市为研究单元,利用社会网络分析并结合ArcGIS空间分析方法,对东北地区城市的空间联系演化及其组织模式进行探讨,以期为东北地区实现融合发展提供有益参考。

2 研究方法与数据来源

2.1 数据来源与研究对象

客运交通流是测度城市间联系的重要指标[25],但由于数据的复杂和难以获取而往往采用参量替代法进行相关表征,如微博数据、通话数据、铁路客运数据等。本文采用2005年、2010年及2015年城市间列车经停班次数表征城市间铁路客运交通流,分析东北地区城市网络结构演变特征。数据分别从极品时刻表2005.11.23版本、2010.03.20版本和2015.03.28版本中提取,提取原则为：若两城市间无须中转,经停列车班次数量即为两城市间联系强度;若两城市间需要中转或无直接中转车站,则两城市间联系强度均赋值为0,由此可获得东北地区41地市间铁路列车班次矩阵,旅客列车班次的主要类型包括普通旅客列车、K字头、T字头、Z字头、D字头、G字头和C字头等,其中,D字头、G字头和C字头合称高速铁路列车,其他为普通铁路列车。
依据《东北地区振兴规划》,选取东北地区（包括黑、吉、辽三省以及内蒙古东部地区（简称蒙东）的呼伦贝尔市、兴安盟、赤峰市、通辽市和锡林郭勒盟）内41个地级城市为研究对象进行城市及城市间列车班次数据提取。在数据提取过程中,由于站点更名或扩建等因素影响,本文进行了以下处理：① 城市内出现多个火车站点,则进行站点合并提取,如沈阳市内拥有沈阳站及沈阳北站,长春市内包含长春站及长春西站等;② 部分城市铁路站点更名,则以更名后站点为准,数据仍依据旧站名进行提取,如2006年,浑江站更名为白山市站;③ 研究时间点出现站点维修或扩建现象,则通过网络查询其分流站点,最终合并为地级市站点,例如,2010年吉林站处于城际铁路及站台扩建时期,客车被分流至吉林西、江北两个临时客站。

2.2 研究方法——社会网络分析法

社会网络分析从结构主义视角利用图论、模型方法出发对群体关系与结构进行定量化分析,主要涉及社会学、政治学、经济学及管理学等学科,并在社会科学领域逐渐发展起来[26]。近年来,社会网络分析方法逐步引入地理学研究中,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、企业网络等方面都得到广泛运用[1]。本文采用社会网络分析方法,在UCINET 6.0软件支持下从网络密度、中心度及凝聚子群等三个方面对城市空间联系网络结构进行定量分析。
（1）网络密度。网络密度反映网络内城市间空间联系的紧密程度,网络密度越大则城市间空间联系越紧密,表达式为：
D = ∑ i = 1 k ∑ j = 1 k d ( i , j ) / k ( k - 1 （1）
式中：D为网络密度;k为城市节点数目; d ( i , j ) 为城市i与城市j间的客运联系强度。
（2）中心度分析。中心度用以反映城市在网络中所处地位与角色,具体包括程度中心度、中介中心度及接近中心度等测度指标[1]。其中程度中心度刻画了网络中城市自身交往能力,程度中心度越高,则城市竞争力越强。中介中心度属于控制能力指数,主要用于描述非邻接节点对其他节点的依赖程度,也可反映城市对其他城市间空间联系控制力。而接近中心度与中介中心度具有一定的相似性,考虑节点多大程度上不受其他节点控制的力度。
由于接近中心度在考虑网络完备性与中介中心度具有相似性,本文采用程度中心度及中介中心度探究区域城市交往能力及网络控制能力。程度中心度的计算公式为：
CD ( i ) = ∑ j = 1 n X ij （2）
式中： CD ( i ) 为i城市程度中心度; X ij 为城市i、j间的客运联系强度。
CB ( i ) = ∑ j n ∑ k n g jk ( i ) g jk （3）
式中： CB ( i ) 为城市中介中心度; g jk 为城市 j 和城市 k 间存在的捷径数目; g jk ( i ) g jk 表示城市 i 处于城市 j 和城市 k 捷径上的概率。
（3）凝聚子群。凝聚子群是一种含义广泛的子群概念,其目的在于揭示群体内部的子结构,属于社会结构研究[26]。当网络中某些节点间联系紧密并形成一个次级团体时,这种团体在社会网络分析中被称为“小团体”,即凝聚子群。本文的凝聚子群分析以城市间的铁路客运联系强度为依据,探讨东北地区城市的小团体集聚现象,以体现城市间联系的亲疏关系,进而判断东北地区城市联系网络的组织结构。

3 东北地区城市铁路客运状况数理特征

3.1 东北地区城市列车班次数理统计

2005-2015年,得益于交通工具的不断改进,东北地区城市间铁路客运联系经历了普列主导,高铁、动车萌芽及高铁繁荣等三个阶段：① 2005年,城市间铁路客运主要以L字头和普通旅客列车为主,其比例达到62.56%;② 2010年,列车次数得到一定程度的增长,其中G字头、D字头和C字头列车比例为3.27%,处于初步萌芽阶段;而T字头、Z字头、K字头列车班次数量与L字头、普通旅客列车班次数量的差异逐步缩小,所占比例均在45%以上。③ 至2015年,东北地区城市间动车、高铁列车客运班次得到明显增长,所占比例增至41.42%,而L字头和普通旅客列车占比则呈迅速下降趋势,仅占14.03%。从2015年各类型列车班次空间分布状况来看,高铁、动车主要以哈大高铁线上的大连、沈阳、长春及哈尔滨四大城市为中心,四城市高铁客运对外联系均达到200次以上;普通旅客列车由于其“时空距离”压缩的有限性而逐步处于铁路客运的辅助地位,但其对促进东北地区中心城市发展及铁路客运网络完善仍具有重要意义。

3.2 基于始发车的城市等级规模演变分析

交通“流”可以有效表现城市节点间的社会经济联系,从而反映城市间相互作用。王成金提出空间流场的基本要素包括场核、节点区域及相互作用[27];铁路站点是城市对外联系的重要门户,是交通网络中城市场核作用的重要载体,可以有效承担城市在区域交通网络中的节点性角色。钟业喜等[28]通过铁路网络及城市规模的相关性分析指出城市等级规模与始发列车数量存在着显著的相关性特征,即城市等级规模越大其对外联系需求越强,始发车数量则越多。基于此,通过提取东北地区城市铁路客运站点始发列车数量来探究铁路客运视角下的东北地区城市等级规模及规模分布特征（表1）。
Tab. 1 Numbers of trains from departure stations in the city

表1 城市铁路站点始发列车班次

城市 2005年 2010年 2015年 城市 2005年 2010年 2015年 城市 2005年 2010年 2015年 城市 2005年 2010年 2015年
鞍山 2 2 2 通辽 13 10 10 佳木斯 18 24 23 伊春 0 3 2
白城 6 9 9 鹤岗 2 3 2 锡林浩特 0 1 3 延吉 0 3 4
白山 3 3 2 黑河 3 4 4 乌兰浩特 4 10 8 沈阳 54 67 112
本溪 7 7 7 营口 2 5 2 七台河 4 3 3 四平 3 2 0
朝阳 0 0 0 长春 27 27 71 牡丹江 23 24 26 松原 0 2 2
赤峰 8 10 9 鸡西 5 3 5 双鸭山 3 3 5 绥化 2 2 2
大连 34 42 89 吉林 18 20 52 哈尔滨 57 83 129 铁岭 1 0 0
大庆 1 2 7 锦州 12 6 5 加格达奇 4 5 5 通化 14 11 11
丹东 12 11 47 辽阳 3 0 0 海拉尔 4 8 10
抚顺 2 7 10 辽源 0 0 0 葫芦岛 1 1 0
阜新 5 5 5 盘锦 1 1 3 齐齐哈尔 33 41 44
城市等级体系的初级首位型分布特征明显。基于城市铁路站点始发列车班次数据,剔除异常值后利用位序—规模法则进行分析,得到3个年份的拟合优度R2均大于0.928,城市位序及其始发列车规模高度吻合、具备分形特征,满足位序—规模分布类型。通过位序—规模法则计算得到,3个年份的分维数分别为0.7851、0.7846及0.654,表明始发列车视角下的城市等级规模差异较大,大城市得到较好发展而中小城市发展相对缓慢,城市体系呈初级首位型分布特征、处于集聚效益加速凸显阶段。依据始发列车班次可知,2005-2015年,始发列车班次高于50次的城市由哈尔滨、沈阳两城市增长至哈尔滨、沈阳、大连、长春和吉林等5个城市,占全区比由28.3%迅速提升至62.1%,而无始发列车的城市则由5个上升至6个;这两类型城市个数的升降变化显示了东北地区铁路客运增长主要以区域核心城市为主,而中小城市的始发列车增长明显不足,核心城市发展优于中小城市,铁路客运视角下的东北城市体系总体处于集聚效益相对显著的初级首位型阶段。
“一轴双核”的城市格局稳固。2005-2015年,沈阳、哈尔滨始发车数量均在50次以上,其占比由28.3%提升至33%,哈沈两城市的区域核心地位愈发稳固,在区域交通网络中具有明显的“场核”性质;双核处于哈大线及京沈线的枢纽位置,而这两条铁路线是联络华北地区及东北地区的铁路大动脉,也是东北地区实现“海陆统筹、多向开放”的重要通道。2005-2015年,哈大沿线城市始发车数量由183班次上升至405班次,占比由46.7%上升至55.5%,哈大线的区域主轴优势十分明显;基于始发车数量的系统聚类同样表明,至2015年,哈大线汇聚着区内大部分一层级、二层级城市,成为东北地区城市对外、对内联系的“生命线”;哈大线的主轴地位不仅与区内城市分布密度紧密相关,也与东北地区经济发展格局及全面振兴任务呈显著相关性。
Tab.2 Urban network density of various regions in Northeast China

表2 东北地区各区域城市网络密度

区域 2005年 2010年 2015年
黑龙江 吉林 辽宁 蒙东 黑龙江 吉林 辽宁 蒙东 黑龙江 吉林 辽宁 蒙东
黑龙江 2.218 1.179 1.005 0.431 2.821 1.487 1.615 0.508 3.853 1.846 2.302 0.646
吉林 1.179 3.069 2.865 0.533 1.615 4.611 4.119 0.978 1.761 6.097 6.937 0.978
辽宁 1.044 2.873 5.632 0.471 1.654 4.016 7.560 0.643 2.099 5.889 13.126 1.000
蒙东 0.400 0.533 0.471 0.900 0.492 1.022 0.729 1.300 0.585 1.044 1.086 1.600

4 东北地区城市网络结构演变

4.1 网络演变整体分析

城市网络密度显著提升,但仍处于弱连接状态。2005-2015年,城市铁路客运联系网络密度由1.921上升至4.035,城市网络虽得到一定程度完善;但基于二值化（即城市间存在客运联系则为1,否则为0）网络密度由0.3780上升至0.4585,表明至2015年区域半数城市间仍无铁路客运联系;而分阶段来看,2005-2010年网络增长密度则明显滞缓于2010-2015年,表明东北地区在第二阶段（2010-2015年）进入了客运联系相对繁荣阶段,这主要得益于高铁建设及区域铁路网络的完善。3个研究时段,沈阳、哈尔滨、长春、铁岭、锦州等城市均处于网络连接的中心位置,其在铁路客运联系中处于枢纽地位,而伊春、双鸭山、七台河、鸡西、黑河等城市对外联系均较弱,处于网络中的边缘地带,对整体网络的控制作用较弱;尤其值得注意的是蒙东地区的锡林浩特市在2005年与其他城市间无直通列车联系,在铁路客运联系网络中处于孤立状态。
Tab.3 Density of cohesive subgroups of urban network in Northeast China

表3 东北地区城市联系网络凝聚子群密度

子 2005年 2010年 2015年
群 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
1 4.0 0.8 3.3 0.5 0.7 0.7 0.0 0.1 8.4 0.9 1.3 0.1 3.1 1.3 0.1 1.5 20.3 2.5 2.3 0.4 4.3 1.9 0.1 2.1
2 0.8 3.3 0.9 0.0 0.0 0.3 0.0 0.0 1.1 5.2 0.3 0.0 0.0 0.0 0.0 0.0 2.6 3.1 0.4 0.5 0.1 0.0 0.0 0.1
3 3.2 0.9 9.4 0.9 3.5 2.0 0.0 0.7 1.4 0.3 4.0 0.0 1.2 0.0 0.0 0.0 2.3 0.4 7.0 1.8 1.8 0.0 0.0 0.0
4 0.4 0.0 1.0 4.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.4 0.5 1.8 0.0 0.4 0.0 0.0 0.0
5 0.6 0.0 3.5 0.0 7.1 2.8 0.7 1.7 3.0 0.0 1.2 0.0 7.8 0.8 0.0 0.6 4.2 0.1 2.1 0.4 10.4 1.0 0.0 0.9
6 0.7 0.3 2.0 0.0 2.9 1.9 0.0 0.2 1.4 0.0 0.0 0.0 0.6 9.5 0.3 0.5 2.1 0.0 0.0 0.0 1.1 12.0 0.5 0.5
7 0.0 0.0 0.0 0.0 0.7 0.0 0.0 0.0 0.1 0.0 0.0 0.0 0.0 0.3 0.0 0.9 0.1 0.0 0.0 0.0 0.0 0.5 0.0 1.2
8 0.1 0.0 0.7 0.0 1.7 0.2 0.0 4.2 1.4 0.0 0.0 0.0 0.6 0.5 0.9 3.3 2.4 0.1 0.0 0.0 0.9 0.5 1.2 3.8
辽吉省际联系紧密,黑龙江、蒙东边缘化趋势明显。2005-2015年,“D辽>D吉>D黑> D蒙东”的省域内部联系格局十分稳固;省域密度增长以辽宁最为显著,其密度值由5.632迅速增长至13.126,提升率达到133%;而黑龙江及蒙东地区密度增长则相对缓慢,在城市网络中的整体地位出现下降。而从省际联系格局来看,辽吉省际网络密度持续提升,2015年,其密度值甚至超过吉林省内部,辽吉一体化趋势明显;黑龙江及蒙东地区的对外联系密度水平较低、增速不高,其在整体网络中出现“边缘化”倾向;黑龙江与吉林虽有“近邻”的区位优势,但黑吉联系仍稍逊于黑辽;辽宁省输出联系密度均高于输入联系表明辽宁省域内城市整体处于扩散阶段,外向需求十分显著。
城市网络演变进程中出现“马太效应”,如图1所示。从城市个体来看,2005-2015年,铁路客运联系主要以沈阳、长春及哈尔滨三大核心为主导,外向联系强度提升最为显著;而区域内仍存在部分城市对外联系仅出现小幅增长或不增长状态,如鹤岗、七台河、锡林浩特等网络边缘城市;由城市地位导致的“马太效应”凸显。而从城市间联系来看,沈大、长吉等城市对联系分别由于城市功能互补性（大连作为副省级城市,是东北地区“海陆统筹”发展的重要海港城市之一,其外向功能性显著,沈阳作为辽宁省政治、经济及文化中心,二者的紧密联系组成区域发展典型的“双核”结构）及区域城市带发展（长吉图城市带的规划发展以及城际高速的修建）成为区内联系水平提升最快的增长城市对;而四平、齐齐哈尔与部分城市的联系出现小幅缩减现象,如四—锦、齐—白（城）等,城市间联系由于网络结构的完善及城市间需求差异同样出现了“强者愈强、弱者愈弱”的现象。
Fig.1 Topological map of urban spatial linkages in Northeast China

图1 东北地区城市空间联系演变拓扑图

4.2 城市中心度演变分析

4.2.1 程度中心度演变 大连网络核心地位逐步确立,高值区地域集聚特征明显。2005-2015年,城市程度中心度由421.9迅速增长至1012,区域城市间联系趋于紧密;沈阳、长春及哈尔滨等核心城市均稳居前四,大连的程度中心度超过锦州、对外联系明显增强,网络枢纽地位逐步确立。利用ArcGIS空间分析功能得到了东北地区程度中心度的空间演化过程（图2）：2005-2015年,哈大线始终属于程度中心度的高值集聚区域,地区发展主轴地位稳固,沿线城市交往能力明显高于区域其他城市。2005年,滨州铁路沿线的齐齐哈尔具有较高的联系能力,成为黑龙江省内重要的核心城市,而至2015年,齐齐哈尔的枢纽作用明显减弱,其原因在于哈大高铁线的开通促使其沿线城市对外联系水平急剧增强,而齐齐哈尔虽有哈齐客运专线相连,但其处于专线端点站、周边城市规模均较弱等因素影响,其客运对外需求相对较小,二者共同导致了齐齐哈尔这一场核作用的下降。大连程度中心度得到显著提升,遮蔽效应明显扩大,分析其主要原因在于大连的港口城市属性,哈大—沈丹—丹大铁路客运专线的开通及辽中南城市群的发展,大连的联系需求增长较快使得其在铁路客运网络中地位得到进一步提升。
Fig.2 Spatial evolution of urban centrality in Northeast China

图2 东北地区城市程度中心度空间演变

程度中心度两级分化现象显著,核心城市效应由极化向扩散转变。从外向中心度排序来看,沈阳、长春及哈尔滨的外向程度中心度稳居前三位且远高于区内其他城市,三大城市的网络核心地位突出且具有较强的辐射扩散能力;而锡林浩特、鹤岗、七台河、黑河等城市一直处于后五位,表明此类城市对外联系需求较弱,辐射能力不足;而内向中心度与外向中心度呈现出显著的正相关性,也呈现出两级分化趋势。从二者比较来看,2005-2015年,沈阳、哈尔滨、长春等核心城市由内向程度大于外向程度逐步向内向程度小于外向程度转变,而锦州、葫芦岛、盘锦等城市则出现相反状况,说明核心城市在发展进程中外向联系需求逐步增强,城市辐射功能大于集聚功能;而锦州、葫芦岛等城市则由扩散向极化转变,城市以集聚功能为主。
4.2.2 中介中心度演变 中介中心度地域特征显著,部分核心城市控制力有所弱化。2005-2015年,城市中介中心度由222.5下降至219.4,城市铁路客运网络的完善使得区域内个体城市的中介能力得到小幅均衡化发展;同时,中介中心度分布地域性特征明显：哈尔滨的中介中心度位于第一位,表明其对区域联系网络的控制力度较强;而鸡西、鹤岗、黑河、七台河、双鸭山等城市中介中心度较低并形成集聚分布特征,该类城市处于联系网络的边缘地位,对城市间交往的支配作用及整体网络的控制力均较小。从中介中心度位序来看,通辽的中介中心度得到明显的提升,由2005年的第19位上升至2015年的第2位,表明通辽成为蒙东地区网络联系的核心节点,这在一定程度上影响了蒙东与区内其他城市间的交流;沈阳则由第2位下降至第4位,说明其对整体网络的控制力有所弱化。
中介中心度高值区呈现跃迁现象,核心城市遮蔽效应持续下降。为进一步分析城市中介中心度空间演化状况,以城市中介中心度为变量进行GIS空间分析,得到东北地区城市中介中心度的演变过程图（图3）：2005-2015年,东北地区稳定的中介中心度高值区为哈尔滨,结合区域铁路交通分布可知,京哈、滨绥、滨洲、平齐、哈齐、哈佳等铁路以哈尔滨为核心呈放射状分布,哈尔滨对黑龙江内城市与其他城市间联系网络的控制力明显且稳固。① 2005年,中介中心度高值区主要出现在哈大沿线城市,如长春、沈阳、鞍山、大连等城市;② 2010年,长春、沈阳、大连的遮蔽区域大幅缩减,高值区跃迁至黑龙江省内的齐齐哈尔及哈尔滨;③ 2015年,长春、沈阳、大连及锦州等地的遮蔽范围进一步缩小,高值区则分别以哈尔滨及通辽为核心;高值区的跃迁现象表明区域铁路客运网络的逐步完善导致个体城市在网络中地位的变化,这与东北地区铁路建设重点区域具有一定的关联性。
Fig.3 Spatial evolution of urban betweenness centrality in Northeast China

图3 东北地区城市中介中心度空间演变

4.3 凝聚子群演变分析

凝聚子群基于城市间联系强度,用以反映区域联系的小团体集聚现象,并依据其密度及其组成可以判别区域城市的核心组团状况及组团间联系状况。在UCINET软件的支持下,利用Concor算法进行联系网络的凝聚子群分析,得到了凝聚子群具体组成状况（图4）及密度值状态（表4）。
Fig.4 Evolution of cohesive subgroups of urban network in Northeast China

图4 东北地区城市联系网络凝聚子群演变

区域铁路客运联系的四片区格局逐步稳固。2005-2015年,东北铁路客运联系在2级层面上出现4个凝聚子群,凝聚子群分布形态的组织性逐步增强,形成了相对稳固的四片区格局。2005年,区域内形成了以哈尔滨为核心的北部片区、以沈—长为中心的中部片区、环渤海子群及伊—牡片区,空间分布的自组织性较弱;2010-2015年,空间组织性得到明显增强,东北地区被划分成东北部的绥—鹤片区、北部的齐—牡片区、西部的通—锡片区及东部的哈大片区等四大片区,四大片区城市要素组成也相对稳定;从片区密度来看,2010-2015年,四大片区的密度均得到一定程度提升,其中：哈大片区随着高铁线、城际铁路的相继开通,片区密度由6.52上升至9.97,且其对绥—鹤片区的联系水平显著增强、对齐—牡、通—锡等两片区的联系则较为微弱、仅为7%左右。
哈大轴线子群成为区域联系的核心组团。2005-2015年,东北客运联系网络在三级层面出现8个子群,其中：2005-2010年,子群内部城市处于整合期,子群及片区空间分布形态均发生明显变化;2010-2015年,四大片区逐步形成,但部分片区内子群仍处于整合期,如西部通—锡片区及东部哈大片区受区域联系的加强则出现分化整合现象。值得注意的是哈大轴线子群的发展,大致经历了分离—集聚—核心凸显三个阶段,具体来看：① 2005年,哈大轴线子群分属第1凝聚子群和第3凝聚子群,但两子群间联系在区域内最为紧密,集聚化趋势显著;② 2010年,哈大轴线子群集聚明显,辽中南、哈大沿线城市均为其组成部分,这也促使其成为区域内规模最大的凝聚子群,密度达到8.4;③ 发展至2015年,轴线子群剔除部分联系较弱城市呈现出“工”字型布局、并进入核心凸显阶段,这一时期,哈大轴线子群密度达到20.3,成为区内密度最大的子群,其外向联系水平也为区域最大。
区域整合进程中子群间差异逐步拉大。由于2010-2015年四大片区的区域分化格局基本形成,以其内部凝聚子群整合现象为切入点、以凝聚子群密度为指标对其进行分析：8个子群内密度的标准差系数由3.3上升至6.9、变异系数则由0.62上升至0.98,表明2010-2015年子群内联系绝对及相对差异均呈扩大趋势,这主要是由于子群整合进程中高联系区域呈现出集聚现象,而低密度子群则由联系相对较弱的城市构成。

5 铁路客运视角下东北地区空间组织模式探讨

铁路客运作为城市经济发展的重要组成部分,其发展演变能够有效反映区域城市空间组织特征、揭示城市空间组织规律。本文基于城市始发车、中心度、凝聚子群等分析并结合空间组织的“单核向心增长”“多核非均衡增长”等模式,进一步探讨铁路客运视角下东北地区组织模式选择。

5.1 圈层推进模式

区域空间发展具有非均衡性特征,在相对优势突出的地区及城市易形成区域发展的核心“源”,而相对优势不显著地区往往为欠发达地区或边缘地带,其交通、人力等资源流处于弱势或依赖地位;“源”地区通过集聚和扩散效应对整个区域起到了支配和主导作用,而边缘地带则往往依赖区域核心地区的辐射带动。东北地区坐拥我国最大的平原,区内四个副省级城市不仅是东北地区经济中心,而且是区域交通的核心枢纽城市。以四大副省级城市为核心源,通过提取其与区域内所有站点城市的铁路最短客运时间,计算区内站点城市至四大“源”城市的平均时间,以3~6 h为临界值,将其分为核心、外围、边缘等三个圈层,探讨铁路客运视角下东北地区圈层推进的空间组织形式（图5a）。
Fig.5 Spatial organizational pattern of Northeast China from the perspective of railway passenger flow

图5 铁路客运流视角下东北地区空间组织模式探讨

大连、沈阳、长春及哈尔滨四个副省级城市均位于哈大高铁线上,哈大高铁线全线最长的时间约为3.5 h,而哈大高铁沿线主要城市到达四城市的平均时间均在3 h以内,如鞍山、本溪、盘锦、四平、铁岭、营口等;沿线城市受高铁时空压缩效应,“流”资源交换频度与速度加剧,基本形成东北地区核心交流圈,也是构筑东北跨区域城市群（东北城市群）、“海陆统筹”发展的核心区域。外围地区有松原、大庆、绥化、辽源、阜新、朝阳等处于哈大高铁线与区域主要普铁线的连接线上,受交通区位影响,其到四大“源”城市的时间在6 h以内;外围地区为核心圈向边缘地区的过渡地带,对核心圈扩散效应的传播具有重要作用。边缘地区城市距离“源”城市在6 h以上,主要位于蒙东、黑北及黑东等边境地区,受地区内城市分布密度不高、中心城市集聚力不强、山脉阻隔效应较强等因素影响,导致城市综合实力与城市间客流联系不强;新常态下,蒙东地区成为东北地区对俄蒙开放的中心门户、而黑龙江沿边地区则是东北地区沿边开放的核心地带,边缘地区相对独特的区位优势是加快构建东北地区全面对外开放新格局的战略重点区域。

5.2 轴辐拓展模式

“轴—辐”空间组织模式是指在空间联系统中,诸多要素或单元在各自作用下某一单元逐渐形成枢纽轴心并与其所作用的节点间通过联系形成的“轮式”空间关联模式[22]。“轴—辐”组织主要由轴心、连接线路及各等级层次节点组成,其中：轴心属于区域核心节点,连接线则分为干线通道及支线通道两部分。随着新型交通工具的出现及区域铁路网络的完善,东北地区城市交通优势的相对均衡性逐步被打破;而新型交通节点由于其更大的时空压缩效应而成为区域“流”资源的汇聚及扩散地域,突出表现在哈大线上三大核心城市及高铁核心城市,而各城市节点间由于需求的不均衡性而形成不同层次的“流”通道,构成区域发展的轴辐式组织结构。基于城市始发列车数及城市间列车班次矩阵数据进行等级分类、最大引力方向选择,得到区域城市等级和通道方向及等级,并以此来分析铁路客运视角下东北轴辐空间组织模式（图5b）。
依据轴辐组织构成要素及城市、通道等级分类,得到轴心城市为哈大高铁沿线的四大副省级城市,大连、沈阳、长春及哈尔滨四大城市的始发列车数占据区域的55%左右,四大城市对“流”资源的集聚和扩散能力较强;而丹东、牡丹江、佳木斯、齐齐哈尔及吉林等城市节点由于其临边的区位条件和同城化等因素影响其外向需求相对显著,成为区域内次级轴心城市。区域干线通道主要指连接四大节点枢纽的通道—哈大高铁线,哈大高铁线高度集聚了东北地区的“流”资源,是轴辐系统的核心组成部分;而次级通道主要连接轴心及次级轴心节点,呈“天”字型分布形态,次级通道对于发挥轴辐系统的整体“规模效益”具有重要作用;值得注意的是由于区域的外向联系特征,京沈高铁线成为区域干线通道之一,担负着东北与华北地区的流资源交换及扩散的载体角色;支线通道依托一般铁路连接次级轴心及节点城市,支线通道承担着低等级节点的“流”资源流通并促使资源向轴心、次级轴心节点地域汇集,同时,支线通道也是核心地域“流”资源分配的重要渠道。在构建东北全面对外开放格局中,应加强蒙东地区交通核心枢纽的建设,提升海拉尔、乌兰浩特、锡林浩特等城市的交通地位,使之成为东北对俄蒙开放的门户城市及物流前沿基地。

5.3 组团分区模式

组团分区是依据联系紧密程度及组合特征进行板块化划分。在分区过程中,地形往往起到重要作用：平原地区容易形成资源集聚地,而高原、山地地区受地形阻隔效应影响资源不易汇集。东北地区三面环山的地形特征导致区域联系也呈现出组团分化特征：平原地区联系紧密、高原山地相对薄弱。基于城市始发列车数、最大引力方向及区域组合特征对凝聚子群进行调整划分,并依据组团成员进行核心—边缘结构划分（图5c）。
铁路客运视角下东北地区可划分为北部组团、中部组团、南部组团及西部组团。北部组团包括黑龙江省域内城市及蒙东地区的呼伦贝尔市,组团内有哈尔滨、绥化、大庆、齐齐哈尔、牡丹江等城市构成条带状核心区,该组团由于其边境线较长,这一优势是打造北部组团内构建对俄蒙开放路径的基础之一,而核心区连接东北“海陆统筹”发展主轴线,形成北部组团全面开放体系;中部组团处于吉林省内,其核心为长吉组团;南部组团包含辽宁沿海经济带及沈阳经济区,其中前者是东北地区对外开放的龙头地带,后者是东北地区的经济核心,沈大双核功能互补性较强、是南部组团核心区,同时南部组团不仅是“陆海”通道构建的前沿阵地,还是“东北—华北”陆路通道的核心地区;西部组团主要为蒙东地区,包含锡林浩特、通辽、赤峰、乌兰浩特及吉林省的白城等城市、组团内联系密度小,白城—通辽构成组团内核心区,其中白城为平齐线及白阿线的核心枢纽、通辽为通霍线—通让线—大郑线—京通线等铁路线的核心枢纽,西部组团由于临近蒙古的地缘优势在构建对俄蒙开放路径中优势相对显著。

6 结论与讨论

6.1 结论

本文以铁路客运班次为测度指标,从网络密度、中心度及凝聚子群等三个方面对东北地区城市空间联系进行定量分析,并探讨东北地区空间组织模式,主要结论如下：
（1）基于2005年、2010年及2015年铁路客运联系矩阵数据,分析了区域城市空间联系网络演变特征,并力图从宏观上把握东北地区空间组织结构,以达到促进区域协调发展,在一定程度上丰富了城市相互作用、空间组织结构研究的视角和方法。
（2）东北地区城市间铁路客运联系经历了普列主导、高铁萌芽及高铁繁荣等三个阶段,始发车视角下的城市等级体系的初级首位型分布特征明显、“一轴双核”的城市体系格局稳固;从整体网络来看,城市联系网络日趋成熟但仍处于较弱连接的状态,辽吉省际联系紧密,黑蒙（东）边缘化趋势明显,城市网络演变进程中出现“马太效应”;从城市个体来看,程度中心度两级分化现象显著、核心城市效应由极化向扩散转变、高值区地域集聚特征明显,部分核心城市中介中心度有所下降、遮蔽效应持续缩小、高值区在空间分布上表现出跃迁现象;从区域“小团体”现象来看,区域整合进程下的“四片区”格局逐步稳固,哈大轴线子群成为区域联系的核心组团。
（3）基于网络整体结构及城市个体特征并结合空间结构的“核心—边缘”理论、“点—轴”渐进扩散等理论从“单核向心增长”“多核非均衡增长”模式出发,探讨了铁路客运视角下东北地区圈层推进、轴辐拓展及组团分区等三种组织模式。

6.2 讨论

通过对铁路客运联系网络的演变研究,探讨了网络结构演变下的区域空间组织结构,对东北地区城市发展战略制定及区域开放体系构建提供了一定科学依据。首先,东北地区属于中国参与东北亚国际经济合作的重要组成部分,有着天然的地理优势,必将成为中国在东北亚区域合作的重点区域,分析其城市网络特征及其组织结构为构建东北亚国际经济合作平台、实现东北地区参与“一带一路”战略均具有一定现实意义;其次,新常态下,促进东北地区资源优化配置、实现东北地区经济稳步增长和一体化发展将成为东北发展重要问题,基于铁路交通大动脉分析区域空间格局特征为进一步优化基础设施资源配置、完善区域城市网络化发展格局,以最终实现区域整体联动发展。但是,城市联系网络作为多种要素流构成的综合网络体系,不仅包含铁路客运流这一组成部分,信息流、资金流、人流等都是其重要内容,因此有必要引入多种要素对城市联系强度进行综合测算;城市铁路客运联系网络虽处于上升发展阶段,但其网络发展效率如何,也都是今后需作进一步研究的方向。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
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. 地理科学, 2016, 36(1): 10-19.

[Zhong Yexi, Feng Xinghua, Wen Yuzhao.The evolvement and driving mechanism of economic network structure in the Changjiang River Economic Zone. Scientia Geographica Sinica, 2016, 36(1): 10-19.]

[2]
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. 地理科学, 2016, 36(11): 1654-1660.

[Wei Ye, Xiu Chunliang, Liu Zhimin, et al.Spatial pattern of city network in transitional China based on the population flows in "Chunyun" Period. Scientia Geographica Sinica, 2016, 36(11): 1654-1660.]

[3]
Friedman J.The spatial organization of power in the development of urban systems. Comparative Urban Research, 1972 (1): 5-42.

[4]
Taylor P J, Catalano G, Walker D R F. Measurement of the world city network. Urban Studies, 2002, 39(13): 2367-2376.

[5]
Derudder B, Beaverstock J.Airline data for global city network research: Reviewing and refining existing approaches. GeoJournal, 2008, 71(1): 5-18.

[6]
Derudder B, Witlox F.Mapping world city networks through airline flows: Context, relevance, and problem. Journal of Transport Geography, 2008, 16(5): 305-312.

[7]
Alderson A S, Beckfield J.Power and position in the world city system. American Journal of Sociology, 2004, 109(4): 811-851.

[8]
Matthiessen C W, Schwarz A W, Find S.World cities of scientific knowledge: Systems, networks and potential dynamics. An analysis based on Bibliometric indicators. Urban Studies, 2010, 47(9): 1879-1897.

[9]
Maggioni M A, Nosvelli M, Uberti T E.Space versus networks in the geography of innovation: A European analysis. Papers in Regional Science, 2007, 86(3): 471-493.

[10]
Van Oort F G, Burger M, Raspe O. On the economic foundation of the urban network paradigm: Spatial integration, functional integration and economic complementarities within the Dutch Randstad. Urban Studies, 2010, 47(4): 725-748.

[11]
Reades J, Calabrese F, Ratti C.Eigenplaces: Analysing cities using the space-time structure of the mobile phone network. Environment and Planning B: Planning and Design, 2009, 36(5): 824-836.

[12]
Guimera R, Mossa S, Turtschi A, et al.The worldwide air transportation network: Anomalous centrality, community structure, and cities' global roles. Proceedings of the National Academy of Sciences, 2005, 102(22): 7794-7799.

[13]
Townsend A M.Network cities and the global structure of the internet. American Behavioral Scientist, 2001, 44(10): 1697-1716.

[14]
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. 地理研究, 2012, 31(2): 207-219.

[Wu Qianbo, Ning Yuemin.China′s urban network based on spatial organization of electronic information enterprises. Geographical Research, 2012, 31(2): 207-219.]

[15]
王聪, 曹有挥, 宋伟轩, 等. 生产性服务业视角下的城市网络构建研究进展. 地理科学进展, 2013, 32(7): 1051-1059.

[Wang Cong, Cao Youhui, Song Weixuan, et al.Research progress in urban network construction from the perspective of producer services industry. Progress in Geography, 2013, 32(7): 1051-1059.]

[16]
王聪, 曹有挥, 陈国伟. 基于生产性服务业的长江三角洲城市网络. 地理研究, 2014, 33(2): 323-335.

[Wang Cong, Cao Youhui, Chen Guowei.Study on urban network of Yangtze River Delta region based on producer services. Geographical Research, 2014, 33(2): 323-335.]

[17]
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. 地理学报, 2016, 71(2): 265-280.

[Jiao Jingjuan, Wang Jiao'e, Jin Fengjun, et al. Impact of high-speed rail on inter-city network based on the passenger train network in China, 2003-2013. Acta Geographica Sinica, 2016, 71(2): 265-280.]

[18]
朱惠斌. 基于航空客流的中国城市功能网络研究. 经济地理, 2014, 34(4): 59-63.

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

[19]
陈伟, 修春亮, 柯文前, 等. 多元交通流视角下的中国城市网络层级特征. 地理研究, 2015, 34(11): 2073-2083.

[Chen Wei, Xiu Chunliang, Ke Wenqian, et al.Hierarchical structures of China's city network from the perspective of multiple traffic flows. Geographical Research, 2015, 34(11): 2073-2083.]

[20]
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. 地理学报, 2011, 66(2): 199-211.

[Leng Bingrong, Yang Yongchun, Li Yingjie, et al.Spatial characteristics and complex analysis: A perspective from basic activities of urban networks in China. Acta Geographica Sinica, 2011, 66(2): 199-211.]

[21]
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. 地理研究, 2014, 33(2): 385-400.

[Wang Jue, Chen Wen, Yuan Feng.Human mobility and evolution based on social network: An empirical analysis of Yangtze River Delta. Geographical Research, 2014, 33(2): 385-400.]

[22]
刘法建, 张捷, 陈冬冬. 中国入境旅游网络结构特征及动因研究. 地理学报, 2010, 65(8): 1013-1024.

[Liu Fajian, Zhang Jie, Chen Dongdong.The characteristics and dynamical factors of Chinese inbound tourist flow network. Acta Geographica Sinica, 2010, 65(8): 1013-1024.]

[23]
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. 经济地理, 2013, 33(7): 67-73.

[Xiong Lifang, Zhen Feng, Wang Bo, et al.The research of the Yangtze River Delta core area's city network characteristics based on Baidu index. Economic Geography, 2013, 33(7): 67-73.]

[24]
姜四清, 王姣娥, 金凤君. 全面推进东北地区等老工业基地振兴的战略思路研究. 经济地理, 2010, 30(4): 558-562.

[Jiang Siqing, Wang Jiao'e, Jin Fengjun. Comprehensively implementing the strategy of revitalizing the old industrial bases: A case study in Northeast China. Economic Geography, 2010, 30(4): 558-562.]

[25]
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. 世界地理研究, 2016, 25(2): 72-81.

[Huang Jie, Zhong Yexi.Evolution of railway passenger traffic linkage and spatial pattern in Yangtze River middle reaches clusters. World Regional Studies. 2016, 25(2): 72-81.]

[26]
刘军. 社会网络分析导论. 北京: 社会科学文献出版社, 2004.

[Liu Jun.An Introduction to Social Network Analysis. Beijing: Social Science Academic Press, 2004.]

[27]
王成金. 城际交通流空间流场的甄别方法及实证: 以中国铁路客流为例. 地理研究, 2009, 28(6): 1464-1475.

[Wang Chengjin.Research method of inter-urban traffic flow fields: A case study of railway passenger flow in China. Geographical Research, 2009, 28(6): 1464-1475.]

[28]
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. 地理研究, 2011, 30(5): 785-794.

[Zhong Yexi, Lu Yuqi.Hierarchical structure and distribution pattern of Chinese urban system based on railway network. Geographical Research, 2011, 30(5): 785-794.]

Options
Outlines

/

〈 〉