【城事数说】中国的城市联系网络

这又是很久前的文章，之前在这篇文章里预告了“下一期”，然后一年就过去了==

哈哈哈哈哈，真的，现在，在写了--

---

不知道大家还记不记得

之前分享过的

290+城市统计数据

 这次的文章就是利用统计数据

结合城市引力模型

简单的做一个

【城市联系网络图】

什么是城市引力模型

◆  ◆  ◆

引力模型以牛顿力学的万有引力公式为基础，Tinbergen（1962）和Poyhonen（1963）对其在经济学领域做了发展、延伸，提出了一个比较完整且简便的经济学模型——引力模型。这个模型认为两个经济体之间的单项贸易流量与它们各自的经济规模（一般用GDP来表示）成正比，与它们之间的距离成反比。（摘自百度文库某未署名课件）

知网上相关文章不少。用的公式也不尽相同（却又大同小异），数读菌这篇文章也不是严谨的学术文章，所以也不放什么公式，就简单说一下，计算城市吸引力的方法：

两个城市的体量（可以是GDP、人口等一切你能想到的并且可以自圆其说的数字）的乘积除以这两个城市距离的平方（可以是直线距离、时空距离、最短路径距离甚至你能想到的一切可以自圆其说的数字）。

哦，就是这样。

下面尝试下。

中国的城市联系网络的粗浅分析

◆  ◆  ◆

GDP空间分布规律

一方面当然是和主页菌划分的区间范围有关，另一方面，四个城市群每个都有隐隐的“双中心”感（哦，其实还是划分区间的锅吧）。

2016年末城市GDP分布与排名

两两关系矩阵

哦对，接着就是计算每两个城市之间的距离，以及它们相互的引力，用数读菌上面提到的方法可以容易得算出来。下面的两两矩阵只是一个示例，只是方便理解：

城市联系

将每个城市分别作为起点和终点就可以得到城市之间的连线，将每条线都附上城市之间引力值就得到了城市联系网络图：

前50%的联系线

当我们把目光锁定在所有联系线排名最前的5%时，有意思的事情就是，这个连线和现阶段的城市群（或者努力成为城市群的区域）有很高的重合：

基于城市联系的城市群识别

城市中心度

既然每个城市都与其他城市相联系，计算了每两个城市之间的联系度后，以每一个城市为中心汇总联系度，我们就可以定义这个城市的“中心度”。这里的中心度就是这个城市与所有其他城市联系能力的加和。那来看看这所谓的“中心度”的结果：

城市中心度分布

上文提到的“城市中心度”的算法会进一步强化“城市群”区域的数值，结果就是，被广泛认可的三大城市群区域被显著的识别出来了。

此外，“沿海发展轴”上的城市，几乎联系在了一起（福建宁德和广东汕尾==你们要加油鸭！）

通过“城市中心度”的分布我们还能发现什么？

◆  ◆  ◆

相对强势的“城市群区域”

所谓的相对强势，在绝对程度上或许不是特别高，但是与周边区域相比，有明显的差异。尤其是这么两个区域，“成渝城市群”和“关中平原城市群”。这两个区域，在地位上，也是有着极其突出的重要性。

相对强势的“城市群区域”

发挥重要价值的“区域中心”

举个栗子。江苏省徐州市，虽然不位于城市群，但是它在苏北地区发挥着重要的区域中心价值。

区域中心城市——江苏徐州

发现“低地城市”

发明一个词语“低地城市”（主要是不知道怎么说好，所以自己起个名）。所谓“低地城市”，就是被中心度相对较高的城市区域围合起来但自身中心度相对较低的城市。举个栗子。比如说河北衡水、安徽的池州、黄山和广东的梅州，都属于这一类型。造成这一现象的可能是自然地理的因素、或者交通、或者发展路线的失误等等，此处不做讨论。

“低地城市”

嘛~今天的分享就到这里~先预告一下，下一篇文章是关于今天内容的步骤分解教程，有没有很期待（并没有==）

预热一下，下一篇文章的主要内容架构：

<END>

整理数据资料不易

喜欢这篇文章的话

记得帮我们分享点赞或者赞赏

使用关键词搜索历史文章请点击【阅读原文】