EN中文

地理科学进展 >

2025 , Vol. 44 >Issue 1: 49 - 63

DOI: https://doi.org/10.18306/dlkxjz.2025.01.004

专栏：流动性影响下的区域与城市空间重构

中国城市群多尺度功能多中心演化特征及影响因素——基于人口流动的联系视角

  • 马宇薇 , 1 ,
  • 浩飞龙 , 1, 2, * ,
  • 魏冶 1, 2 ,
  • 王士君 1, 2
展开
  • 1.东北师范大学地理科学学院，长春 130024
  • 2.长白山地理过程与生态安全教育部重点实验室，长春 130024
* 浩飞龙(1989— )，男，甘肃庆阳人，博士，副教授，硕士生导师，主要研究方向为城市地理与城乡规划。E-mail:

马宇薇(1998— )，女，黑龙江哈尔滨人，博士生，主要研究方向为城市群空间结构。E-mail:

收稿日期: 2024-05-31

  修回日期: 2024-12-03

  网络出版日期: 2025-01-15

基金资助

国家自然科学基金项目(42171198)

国家自然科学基金项目(41971202)

收起

Evolutionary characteristics and influencing factors of multiscale functional polycentricity in Chinese urban agglomerations: Based on the linkage of population flows

  • MA Yuwei , 1 ,
  • HAO Feilong , 1, 2, * ,
  • WEI Ye 1, 2 ,
  • WANG Shijun 1, 2
Expand
  • 1. School of Geographical Sciences, Northeast Normal University, Changchun 130024, China
  • 2. Key Laboratory of Geographical Processes and Ecological Security in Changbai Mountains, Ministry of Education, Northeast Normal University, Changchun 130024, China

Received date: 2024-05-31

  Revised date: 2024-12-03

  Online published: 2025-01-15

Supported by

National Natural Science Foundation of China(42171198)

National Natural Science Foundation of China(41971202)

Fold

摘要

功能多中心是城市群本质特征的反映，也是构建分工协作、功能完善的新型城镇化格局的重要举措。论文以中国19个城市群为研究对象，基于腾讯人口迁徙数据，分析了城市群在全国与区域尺度上的人口流动网络结构特征与功能多中心时空演化特征，并进一步探讨功能多中心的影响因素。研究发现：① 中国城市群整体的区域功能多中心指数大于全国功能多中心指数，并朝多中心方向发展；优化提升、发展壮大和培育发展三种发展类型城市群的全国与区域功能多中心指数均存在较大差距。② 大部分城市群的区域功能多中心指数大于全国功能多中心指数，符合尺度越大多中心指数越小的规律性；各城市群的功能多中心类型稳定，但演化方向具有差异性。此外，城市群功能多中心类型与城市群发展类型并没有明显的关系，城市群功能多中心类型具有复杂性。③ 人均GDP的提高降低了全国功能多中心指数，并且与区域功能多中心指数呈现“U”型关联；二三产业总值之比提高促进了全国功能多中心指数的提升；常住人口规模增加和互联网用户比重降低促进了区域功能多中心指数的提升。研究结果可为城市群空间结构发展战略的制定提供相关参考。

关键词： 城市群; 空间结构; 多尺度; 人口流动; 功能多中心

本文引用格式

马宇薇 , 浩飞龙 , 魏冶 , 王士君 . 中国城市群多尺度功能多中心演化特征及影响因素——基于人口流动的联系视角[J]. 地理科学进展, 2025 , 44(1) : 49 -63 . DOI: 10.18306/dlkxjz.2025.01.004

Abstract

Functional polycentricity is a reflection of the essential attributes of urban agglomerations, and an important way to build a new urbanization pattern of division of labor and cooperation with improved functions.Based on Tencent's population movement data from 19 urban agglomerations of China, this study analyzed the spatiotemporal change characteristics of population flow networks at the national and regional scales and functional polycentricity in urban agglomerations, and further explored the influencing factors of functional polycentricity. The results show that: 1) The regional functional polycentricity index of urban agglomerations of China as a whole is larger than the national functional polycentricity index and evolves toward stronger polycentricity, and there is a large gap between the national and regional functional polycentricity indices of the three types of urban agglomerations. 2) The regional functional polycentricity index of most urban agglomerations is larger than the national functional polycentricity index, which is in line with the general pattern that the larger the scale, the smaller the polycentricity index. The functional polycentricity type of each urban agglomeration is stable, but the direction of change differs. There is no obvious relationship between the functional polycentricity type of urban agglomerations and the type of urban agglomerations' development, and the type of urban agglomerations' functional polycentricity shows complexity. 3) The increase in GDP per capita reduces the national functional polycentricity index and shows a "U"-shaped correlation with the regional functional polycentricity index. The increase in the ratio of the total value of the secondary and tertiary industries promotes the increase of the national functional polycentricity index, and the increase in the size of the resident population and the decrease in the proportion of Internet users promotes the increase of the regional functional polycentricity index. The results of this study can provide relevant references for the development strategy of the spatial structure of urban agglomerations.

Key words： urban agglomerations; spatial structure; multiscale; population flow; functional polycentricity

城市群主要是指在一定地域范围内由多个空间紧凑、联系紧密的城市构成的集合体，作为承载新型城镇化战略的空间主体和重要抓手，城市群的发展不仅关系着区域经济的协同发展水平，更影响着中国在国际分工和全球竞争中的地位[1-2]。空间结构是理解城市群发展过程的关键视角，探究城市群空间结构特征及其影响因素有利于为城市群的发展建设和布局优化提供政策支撑[3-4]。多中心空间结构作为城市群空间结构的研究热点，被认为是支撑城市群高质量发展的有力举措[5⇓⇓-8]，在“十四五”规划和《欧洲空间发展战略》等多个国内外政府文件中都有所体现[9-10]。因此，促进城市群多中心发展对于实现“大中小城市和小城镇协调发展”的空间格局具有重要意义。
当前城市群多中心结构研究主要围绕形态与功能两方面展开，形态多中心关注各城市规模在空间分布上的均衡程度，而功能多中心则强调城市在功能联系中的相对地位[11-12]。由于地理上的邻近不能保证城市间存在紧密的联系，基于要素流动的功能多中心相较于形态多中心更能反映城市群的本质特征[13-14]。然而，现阶段对城市群多中心的研究主要集中在形态维度，但它忽视了城市间的相互作用，将城市看作相互割裂的个体，阻碍了对城市群的进一步研究。特别是随着全球化与信息化的不断发展，城市之间的人口、资本、信息等要素加速交换，城市网络的快速发展已成为共识[15⇓-17]。此外，“十四五”规划明确提出通过促进城市群发展实现“疏密有致、分工协作、功能完善”的城镇化空间格局，需要更深入分析城市群的发展现状和增长动力。因此，探究城市群功能多中心不仅可以有效补充形态多中心的不足，而且有利于在全球化与信息化的背景下为政府提供城市群定位及发展的政策建议。然而，城市群功能多中心研究仍然存在以下不足。
首先，当前城市群功能多中心结构的研究对象集中于发育成熟的城市群，主要包括长三角[16,18]、珠三角等[19-20]，也涉及多个发展成熟城市群之间的比较[21-22]，缺少对处于初级发育阶段城市群的关注。由于区域间的平衡发展是经济发展提质升级的有效支撑，对于中国协调发展具有积极意义[23]，需要加强对东北部、西部等偏远地区城市群的关注。同时，中国城市群功能多中心结构的整体水平以及不同发展类型城市群的差异特征尚不明确。
其次，随着“流”数据的不断丰富，已有研究多基于参量替代数据测度城市间的功能联系，但此类数据的属性特征明显，如交通流侧重于反映城市间轨道交通与航空的功能联系特征[24⇓⇓-27]；企业流侧重于反映城市间的经济功能联系[28-29]；而知识流则多用于反映城市间的创新功能多中心问题[30⇓-32]。由于城市间的功能联系包含多个方面，选取能够综合反映城市间功能联系的数据对于探究城市群功能多中心结构的本质特征至关重要。“人”作为城市间联系最重要与最活跃的载体，其流动特征不仅是经济和社会关系在地理空间上的映射，还可以更为直接、客观、综合地反映城市群内部以及城市群间功能联系[16,33]，但从人口流动视角分析城市群功能多中心结构的研究仍然有限。
再次，已有研究表明，功能多中心存在尺度依赖性，城市群在不同尺度上的功能多中心特征可能存在差异。如有研究利用企业流和知识流等数据从全球、全国与区域三种尺度对城市群多中心结构进行分析，发现在小尺度上表现为多中心的系统却在更大尺度上呈现单中心特征[34⇓-36]。从人口视角探究中国城市群功能多中心结构的视角而言，区域尺度可以反映各城市在城市群功能联系网络中的相对地位，而全国尺度上则反映了是否由多个中心城市承担了城市群对外功能联系的“门户”功能[31]。深入分析区域与全国尺度下城市群功能多中心结构有助于形成对城市群功能多中心结构的完整认识，便于在不同空间尺度下关注不同的政策问题，对于城市群定位和促进其多中心化发展至关重要，但当前研究缺少针对城市群功能多中心结构的多尺度分析。
最后，尽管城市群功能多中心得到了较多关注，但关于其影响因素的研究仍然较为匮乏，部分研究仍以定性分析为主[17]。在定量化的研究中，当前研究也较多地关注单一尺度下的影响因素[37⇓-39]，区域与全国尺度下城市群功能多中心结构的影响因素是否有差异性尚不明晰。此外，当前研究在功能多中心结构的影响因素选择上多参照城市群形态多中心的影响因素，虽然城市群形态多中心与功能多中心之间联系紧密[37]，但影响城市群形态多中心空间结构的因素是否对城市群功能多中心结构具有相同影响仍需进一步验证。
鉴于此，本文利用腾讯人口迁徙数据(https://heat.qq.com/)从人口流动视角分析中国城市群多尺度下的功能多中心演化特征及其影响因素，旨在探讨以下科学问题：中国城市群的人口流动网络和功能多中心结构的总体特征和演化趋势如何?不同发展类型城市群的功能多中心结构在全国和区域尺度下有何特征?全国和区域尺度下城市群功能多中心结构受哪些因素影响?相关研究结论旨在为促进城市群功能联系合理布局提供政策建议。

1 研究对象、数据与方法

1.1 研究对象与数据来源

本文以“十四五”规划纲要中提出的19个城市群为研究对象，并根据规划中对城市群的发展要求将城市群分为优化提升、发展壮大及培育发展三种类型(表1)。对于各城市群所包含的城市，以国务院最新批复的城市群发展规划文件为准，同时参考各级政府部门相关的规划文件，最终确定研究单元共计237个地级市、自治州，由于数据缺失，未包括港澳台地区城市。
表1 研究对象

Tab.1 Research objects

类型 城市群
优化提升类 京津冀、长三角、珠三角、成渝、长江中游
发展壮大类 山东半岛、中原、粤闽浙沿海、北部湾、关中
培育发展类 哈长、辽中南、天山北坡、呼包鄂榆、晋中、黔中、滇中、宁夏沿黄、兰州—西宁
城市群内各地级市间的人口流动数据能够反映区域尺度下城市群的功能联系，各地级市的对外人口流动数据则反映了全国尺度下城市群的功能联系。因此，本文获取了腾讯人口迁徙数据中各地级市间人口流动的轨迹。腾讯位置大数据平台能够实时、动态地记录人口流动轨迹，但由于2019年以后该平台公布的人口流动数据为虚拟值，且人口流动情况受新冠疫情影响较大，本文选取了2015—2018年全年的居民逐日出行数据。为进一步真实客观地反映城市群内部与城市群间功能日常的联系，剔除了春节、清明节、国庆节等6个节假日的人口流动数据。在社会经济数据中，除特别说明外，均来源于各省统计年鉴及各地级市、州统计公报，针对个别缺失数据利用线性插值补充。

1.2 研究方法

1.2.1 功能多中心测度方法

已有研究主要通过构建多中心指数来衡量城市群功能多中心的相对发展水平，如基尼系数[30,40]、社会网络分析[18-19,41]等方法。其中，基尼系数法的不足之处在于无法反映城市群功能多中心发展的空间维度信息；基于密度的社会网络分析法不仅难以确定潜在最大人口流动总联系来计算网络密度，且没有考虑到中国城市群之间存在较大的城市数量差距，容易导致计算结果存在较大偏差。基于此，本文参考以往研究[28,42-43]，采用Taylor等[44]提出的多中心测度方法提高城市群间的横向比较性。具体公式如下：
P F 1 , i t   = A V E R A G E F 1 P 2 ~ 6 ,   i t F 1 P 1 , i t
P F 2 , i t = A V E R A G E F 2 P 2 ~ 6 ,   i t F 2 P 1 , i t
式中：PF1,it和PF2,it分别代表城市群i在t年的全国功能多中心指数和区域功能多中心指数，取值范围在0~1之间，值越大表示多中心性越高；F1P和F2P分别表示城市群内某城市在全国和区域尺度上的人口流动总量并从大到小进行排序，F1P1和F2P1分别表示位序第1城市的全国和区域的人口流动量；AVERAGE(F1P2~6)和AVERAGE(F2P2~6)分别为位序第2至第6的城市的全国和区域人口流动量的平均值。针对城市总数不足6个的城市群，则对除首位城市之外所有城市的人口流动总量取平均值。

1.2.2 双向固定效应模型

双向固定效应模型通过控制个体内部的差异与不同调查年份之间的差异，可以提供更为准确和可靠的结果，且在探究城市群空间结构的影响因素等实证研究中得到了广泛的应用[4,37]。因此，本文选择包括时间固定效应和城市群固定效应的双向固定效应模型探究城市群功能多中心的影响因素，其基准回归模型设定如下：
P i t   =   α   +   ∑ β i t X i t   +   τ i   +   θ t   +   ε i t
式中：Pit为被解释变量，表示城市群i在t年的区域功能多中心指数与全国区域功能多中心指数；Xit为解释变量，表示影响功能多中心指数的经济因素、政治因素和社会因素等，对应的回归系数为βit；τi和θt分别代表个体和时间固定效应；α为常数项，εit为残差项。

2 结果分析

2.1 城市群人口流动网络结构特征

中国城市群对外人口流动网络结构存在明显的空间特征和层级特征。具体而言，城市群人口流动网络在空间上呈现从沿海向内陆逐层递减的特征(图1)。在第一层级的人口流动网络中，以京津冀、长三角、长江中游、成渝、珠三角五大优化提升类城市群为核心节点构成了人口流动的“十”字形轴线，同时交叉连接中原、北部湾、粤闽浙沿海城市群形成菱形结构。这与以往研究中发现的菱形结构[45]和钻石结构[46]均存在一定的共性，说明优化提升类城市群占据了人口流动网络中的最重要地位，并据此向周边城市群辐射。第二层级中，人口流动网络同样依托优化提升类城市群形成了多个东北—西南走向的“走廊”，进一步补充了多边形结构的西侧联系。此外，研究时段内长江中游城市群与成渝、长三角城市群之间人口流动联系进一步加强，“十”字轴线逐渐突显，其余层级的人口流动网络有所变化但基本特征保持不变。在城市群间人口流动联系方向及强度上，全国人口流动联系主要集中在优化提升类城市群之间，连接了中国东中西三大经济板块，城市群间人口流动联系紧密，其中京津冀城市群的对外人口流动联系总量最大。发展壮大类城市群的人口流动方向和强度与优化提升类城市群呈现出高度关联性，且部分发展壮大类城市群承接了相邻优化提升类城市群重要的人口流动功能。而培育发展类城市群则与优化提升类和发展壮大类城市群均呈现出高度相关性，人口流动方向空间跨度大但联系强度弱。
图1 2015—2018年中国城市群对外日常人口流动网络结构

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)1819标准地图制作，底图边界无修改。

Fig.1 Structures of population flow networks between Chinese urban agglomerations in 2015-2018

各城市群内人口流动网络联系同样存在明显层级特征(图2)。城市群内人口流动关联强度达到第一层级的城市对主要集中在优化提升类与发展壮大类城市群内的核心与次核心城市之间，如京津冀(北京—廊坊)、长三角(上海—苏州)、关中城市群(西安—咸阳)。第二层级的城市对主要集中东部沿海城市群，如珠三角(深圳—惠州、东莞—广州)、长三角城市群(苏州—无锡)。而处于第三、四、五层级的城市多为各城市群内的普通节点城市。值得注意的是，中国城市群内人口流动网络的形态结构存在明显的类型差异性。其中优化提升类各城市群内人口流动网络结构整体以“多核心的网状结构”为主，发展壮大类城市群人口流动网络多呈现“双核心放射状结构”，而培育发展类城市群则以“单核心放射状结构”为主。
图2 典型城市群的群内人口流动网络形态结构示意图(2018年)

Fig.2 Diagrams of population flow networks within typical urban agglomerations in 2018

2.2 城市群功能多中心时空演化特征

2.2.1 全国尺度功能多中心

总体来看，研究时段内全国尺度下城市群功能多中心指数整体偏低，2018年各城市群全国功能多中心指数平均值仅为0.330(表2)。其次，各城市群全国功能多中心发展水平差距较大，中原城市群2015年全国功能多中心指数最高，为0.693，而最低的京津冀城市群在2017年仅为0.062。
表2 2015—2018年中国城市群功能多中心指数

Tab.2 Functional polycentricity index of Chinese urban agglomerations in 2015-2018

城市群 2015年 2016年 2017年 2018年
全国 区域 全国 区域 全国 区域 全国 区域
长三角 0.293 0.609 0.344 0.612 0.317 0.618 0.322 0.651
呼包鄂榆 0.487 0.717 0.519 0.708 0.561 0.688 0.571 0.649
珠三角 0.255 0.523 0.287 0.593 0.300 0.640 0.293 0.646
山东半岛 0.595 0.490 0.606 0.513 0.629 0.519 0.637 0.613
粤闽浙沿海 0.625 0.488 0.609 0.540 0.587 0.554 0.642 0.548
宁夏沿黄 0.370 0.452 0.380 0.477 0.365 0.476 0.488 0.511
哈长 0.282 0.489 0.289 0.480 0.279 0.490 0.288 0.493
长江中游 0.377 0.431 0.426 0.427 0.387 0.417 0.382 0.457
京津冀 0.063 0.360 0.073 0.384 0.062 0.403 0.077 0.430
天山北坡 0.107 0.388 0.112 0.393 0.128 0.396 0.134 0.395
北部湾 0.229 0.361 0.215 0.423 0.202 0.403 0.201 0.391
兰州—西宁 0.120 0.398 0.125 0.407 0.137 0.430 0.120 0.383
晋中 0.274 0.367 0.303 0.365 0.295 0.363 0.311 0.364
辽中南 0.167 0.321 0.166 0.331 0.158 0.352 0.162 0.339
黔中 0.389 0.308 0.439 0.311 0.460 0.313 0.453 0.323
滇中 0.120 0.307 0.138 0.314 0.115 0.305 0.142 0.319
关中 0.281 0.273 0.299 0.271 0.237 0.260 0.187 0.259
中原 0.693 0.234 0.582 0.253 0.599 0.237 0.622 0.238
成渝 0.250 0.214 0.281 0.219 0.235 0.210 0.237 0.222
平均值 0.315 0.407 0.326 0.422 0.319 0.425 0.330 0.433
从城市群类型上看，优化提升类城市群全国功能多中心水平整体相对较低，此类城市群内核心城市地位突出，承担了城市群对外联系的主要功能，如北京市、上海市、深圳市等为超大城市，这些核心城市在对外功能联系上吸引力较强，从而导致城市群整体对外功能多中心性较低，值得注意的是，京津冀城市群在研究时段内始终处于末位。而发展壮大类各城市群全国功能多中心水平则相对较高，山东半岛、粤闽浙沿海与中原城市群研究时段内始终交替排在前三位。培育发展类的各城市群全国功能多中心水平差距较大，2018年呼包鄂榆城市群全国功能多中心指数为0.571，而滇中城市群仅为0.142。从演化趋势看，有14个城市群的全国尺度功能结构向多中心方向演化，其中宁夏沿黄城市群演化趋势最为明显。此外，城市群全国功能多中心演化具有明显的类型差异性：研究时段内优化提升类各城市群整体向多中心方向发展；而发展壮大类城市群整体有明显的向单中心演化的趋势；培育发展类中大部分城市群的功能多中心结构在全国尺度下向多中心化发展，且增长幅度较大。

2.2.2 区域尺度功能多中心

总体上，研究时段内中国城市群区域尺度功能多中心指数平均值比全国尺度功能多中心指数高，说明中国城市群整体的功能多中心结构在区域尺度的水平优于全国尺度。与全国尺度功能多中心相同，19个城市群间区域尺度功能多中心水平差距同样较大。
具体来看，与全国尺度不同，三种类型城市群的区域功能多中心性并不存在类型相似性，各类型均包含区域功能多中心水平较高和较低的城市群(表2)。其中优化提升类城市群中长三角与成渝城市群的区域功能多中心性差距最大；发展壮大类城市群中位于东部地区的城市群其功能多中心性较高，而位于中部地区的中原城市群与西北地区的关中城市群功能多中心性相对较低；培育发展类城市群中除呼包鄂榆城市群和宁夏沿黄城市群以外，其余城市群的功能多中心指数普遍低于平均值。从演化趋势上来看，全国有15个城市群的区域功能空间结构向多中心化发展，各类型城市群的区域功能结构在演化方向及强度同样具有明显的差异性。其中优化提升类城市群的区域功能结构在研究时段内全部呈多中心化发展趋势，珠三角区域功能多中心指数4年间增幅最大；发展壮大类城市群除关中城市群外其余城市群功能结构均向多中心化发展，山东半岛城市群在全国所有城市群中功能多中心演化趋势最明显；而培育发展类城市群中除呼包鄂榆、兰州—西宁、晋中城市群的区域功能结构有微弱的向单中心演化外，其余城市群功能结构均向多中心化发展，但功能多中心发展速度整体放缓。

2.2.3 城市群功能多中心类型分析

为了进一步比较两尺度下各城市群功能多中心特征，本文借鉴Liu等[17]的研究，以所有城市群多中心指数的平均值作为衡量单中心与多中心的标准，即当某一城市群的多中心指数大于其平均值时，则表示该城市群相对多中心化发展，反之，则表示相对单中心化发展(图3)。可以发现：① 城市群主要大致呈带状分布在第一和第三象限，这表明城市群全国功能多中心指数与区域功能多中心指数存在一定的相关性，但中原城市群较为突出，其在全国尺度上的功能多中心发展水平明显高于区域尺度上的发展水平。这与中原城市群独特的地理位置相呼应，中原城市群地处中国中心位置，无论是在吸引还是扩散人口方面均具有优势，导致其内部多个城市承担了对外联系的重要功能。② 不同发展类型的城市群在4个象限内基本都有分布，可见城市群功能多中心类型与城市群发展类型并没有明显的关系，此外，东、中、西部城市群在四象限内分布均衡，其功能多中心类型的总体分布格局不存在明显的区域规律，可见城市群功能多中心类型具有复杂性。③ 仅少数城市群如长江中游、山东半岛、粤闽浙沿海、呼包鄂榆和宁夏沿黄城市群为“全国功能多中心—区域功能多中心”类型，各城市在区域尺度上的功能联系较为均衡，同时城市群也有多个城市承担了对外联系的重要功能。此外，中原和黔中城市群属于“全国功能多中心—区域功能单中心”类型，长三角、珠三角和哈长城市群则属于“全国功能单中心—区域功能多中心”类型，此类城市群在区域与全国尺度下的功能结构发展不均衡。其余多数城市群为“全国功能单中心—区域功能单中心”类型，此类城市群因地形与整体发展水平等原因导致城市群内各城市在对内与对外联系上集中于核心城市。④ 在城市群功能多中心类型演化方面，各城市群的功能多中心类型基本稳定，仅长三角城市群在2016年由第四象限向第一象限跃进，但2017年退回第四象限。从城市群在象限内部的位置变化来看，山东半岛、宁夏沿黄城市群由象限边缘向象限内部移动，正向迁移趋势明显，说明两城市群分别在区域和全国尺度下的功能多中心结构均衡发展。而关中城市群的功能多中心类型负向迁移趋势明显，其城市群的功能多中心结构在区域以及全国尺度下均向极化发展。其余城市群位置未发生明显变动，但部分城市群处于类型交界处，其功能多中心类型具有潜在的变化趋势，如研究时段内珠三角、长三角城市群由第四象限向第一象限迁移趋势明显，兰州—西宁城市群在2016—2017年由第三象限向第四象限迁移趋势明显。
图3 中国城市群功能多中心类型演变

注：图中两条虚线分别为区域、全国功能多中心指数平均值。

Fig.3 Evolutionary types of functional polycentricity in Chinese urban agglomerations

2.3 城市群功能多中心影响因素分析

2.3.1 变量选取

城市群功能多中心的形成与演化受到多个因素的共同影响。已有研究将影响城市群空间结构的因素归纳为经济、政治、社会三个方面。早在20世纪50年代已有学者就提出空间结构的变化与特定的经济发展阶段密切相关的理论假说[47]，并认为与经济相关的影响因素是空间结构形成和演变过程中最重要的一类影响因素。第二类区域空间结构的影响因素是政治因素，如政府政策会直接影响城市的空间分布和集中程度，而对区域间基础设施的投资可以促进空间结构的分散[48]。此外，舒适性理论认为宜居的社会环境对于人口迁徙同样有重要的作用，进而影响城市群空间结构变化[49]。因此，本文主要关注经济、政治和社会三方面(表3)。在经济维度中，城市群的人口变动、经济发展和产业结构是推动空间结构变化的重要原因。城市群是人口集聚的主要场所，人口往往组成了城市群基本的空间结构，使用常住人口规模衡量人口变动，考虑到统计年鉴中的城市户籍人口数据无法有效反映真实情况，本文基于LandScan全球人口数据库提取了各城市群的常住人口数量，其空间分辨率为1 km[50]；经济发展对空间结构的影响已经得到了许多研究的验证[37,51]，已有研究常使用人均GDP和城镇化率衡量，人均GDP即城市群GDP总值与常住人口规模的比值，城镇化率为城镇常住人口比例；由于二三产业通过不同的集聚分散效应影响城市群空间结构[52]，产业结构使用第二产业和第三产业总值之比衡量。在政治维度中，政府对城市群空间结构的干预主要通过政府财政支出占GDP比重进行衡量[37]。在社会维度中，信息化通过强化跨越地理距离的城市联系，逐渐成为影响城市群空间结构的重要因素，使用互联网用户占常住人口比重进行测度[53]；社会收入差距会对人口在城市间的流动产生影响，从而改变城市群的功能联系分布，使用城市居民可支配收入的基尼系数进行测度[54]；基础设施因素为城市之间的功能联系提供了客观条件和可能，致使城市群原有的空间结构发生改变[55-56]，使用人均道路面积进行测度；对外开放因素中外商投资的空间特征和区位偏好可能会改变城市的功能联系格局[57]，使用实际利用外资占GDP比重进行测度。
表3 变量描述性统计

Tab.3 Descriptive statistics of variables

变量名称 单位 2015年 2016年 2017年 2018年
均值 标准差 均值 标准差 均值 标准差 均值 标准差
被解释变量
全国功能多中心指数 — 0.31 0.18 0.33 0.17 0.32 0.18 0.33 0.19
区域功能多中心指数 — 0.41 0.13 0.42 0.13 0.42 0.14 0.43 0.14
经济维度
常住人口规模(ln) 人 17.49 1.07 17.50 1.07 17.50 1.08 1.08 15.49
人均GDP(ln) 元/人 10.89 0.41 10.94 0.39 11.02 0.39 11.09 0.38
城镇化率 % 59.38 12.45 60.22 11.11 61.41 11.19 62.80 12.14
二三产业总值之比 — 0.99 0.20 0.93 0.18 0.86 0.17 0.84 0.15
政治维度
政府财政支出比重 % 18.34 5.05 18.61 4.89 18.58 4.83 18.78 4.77
社会维度
互联网用户比重 % 20.02 6.76 24.02 7.67 26.56 8.11 33.10 9.21
收入基尼系数 — 0.09 0.04 0.08 0.03 0.08 0.04 0.09 0.05
人均道路面积(ln) m2/人 1.59 0.44 1.65 0.41 1.68 0.40 1.76 0.39
利用外资比重 % 1.80 0.95 1.85 1.13 1.77 1.18 1.57 0.91

2.3.2 回归结果

针对全国和区域功能多中心指数，将以上所有变量的二次项分别加入模型中，发现仅人均GDP对区域多功能指数存在非线性效应，最终结果如模型1和模型4所示(表4)。在经济维度中，常住人口规模对区域功能多中心指数具有显著正向影响，说明随着城市群人口的增加，城市群内部将形成新的功能中心但却无法保证城市群对外联系的分散化。人均GDP对功能多中心的影响同样存在差异，其对全国功能多中心指数具有显著的负向关联，而与区域功能多中心指数呈现“U”型关联。这反映了生产力的不断发展使得城市群内部的功能联系经历着“均衡—失衡—再均衡”的发展过程，而城市群的对外联系仍处于极化过程中。产业结构对功能多中心的影响体现在全国尺度上，即二三产业总值之比对全国功能多中心指数具有显著的正向影响，这说明第二产业相较于第三产业更能促进城市群形成对外联系的新中心。在社会维度中，信息化因素仅对区域功能多中心指数具有显著的负向影响，即互联网用户比重促进了城市群内部的功能联系集聚。此外，经济维度中的城镇化率、政治维度中的政府财政支出比重以及社会维度中的收入基尼系数、人均道路面积和利用外资比重对全国和区域功能多中心指数的影响均不显著，可能是由于这些因素的影响相较于其他因素较为微弱。
表4 城市群功能多中心影响因素

Tab.4 Influencing factors of functional polycentricity in urban agglomerations

变量名称 全国功能多中心指数 区域功能多中心指数
模型1 模型2 模型3 模型4 模型5 模型6
常住人口规模 0.801 1.126 0.949 2.187* 2.084* 2.030*
(0.835) (1.062) (0.967) (1.088) (1.160) (1.068)
人均GDP -0.126* -0.139* -0.134* -3.629*** -3.886*** -3.734***
(0.063) (0.074) (0.066) (1.042) (1.094) (1.008)
人均GDP二次项 0.168*** 0.180*** 0.173***
(0.047) (0.049) (0.045)
城镇化率 0.002 0.003 0.003 0.001 0.001 0.001
(0.002) (0.002) (0.002) (0.001) (0.002) (0.002)
二三产业总值之比 0.125** 0.158** 0.143** 0.015 0.042 0.021
(0.058) (0.070) (0.062) (0.043) (0.052) (0.047)
政府财政支出比重 -0.007 -0.008 -0.008 0.003 0.004 0.004
(0.006) (0.007) (0.006) (0.004) (0.005) (0.004)
互联网用户比重 0.002 0.002 0.002 -0.002** -0.002** -0.002**
(0.001) (0.001) (0.001) (0.001) (0.001) (0.001)
收入基尼系数 0.236 0.205 0.268 -0.117 0.177 0.004
(0.172) (0.201) (0.195) (0.101) (0.133) (0.079)
人均道路面积 -0.059 -0.059 -0.065 0.003 -0.013 0.010
(0.057) (0.064) (0.060) (0.045) (0.043) (0.038)
利用外资比重 <-0.001 -0.004 <-0.001 -0.003 -0.003 -0.004
(0.007) (0.010) (0.009) (0.005) (0.006) (0.005)
常数项 -12.407 -17.928 -14.906 -18.360 -15.157 -15.007
(15.051) (19.111) (17.430) (14.863) (16.857) (15.220)
城市群控制 控制 控制 控制 控制 控制 控制
时间控制 控制 控制 控制 控制 控制 控制
样本量 76 76 76 76 76 76
R2 0.227 0.216 0.224 0.536 0.564 0.559

注：括号内为稳健标准误；***、**、*分别表示在1%、5%和10%的水平下通过显著性检验。

为确保各影响因素与功能多中心指数关联的稳健性，本文对功能多中心的测度进行了形式变换。在模型2和模型5中，基于城市群内位序第2至第4的城市人口流动平均值重新计算了各城市群的功能多中心指数；在模型3和模型6中，使用位序第2至第5的城市人口流动平均值替换了功能多中心测度方式。总体而言，稳健性检验中解释变量的显著性和符号与基准模型的结果基本一致。

3 结论与讨论

3.1 结论

本文基于人口流动的功能联系视角探究了中国城市群在全国与区域尺度上的功能多中心特征及其影响因素，从以下4个方面拓展了现有研究成果：第一，对全国19个城市群的功能多中心特征进行了综合研究，有利于总结提炼规律；第二，基于综合的人口流动数据计算了更具有代表性的城市群功能多中心指数，揭示了其时空特征；第三，通过比较各城市群的全国和区域功能多中心指数，识别了不同城市群在功能格局中的相对地位；第四，系统分析了城市群功能多中心的影响因素，为制定城市群空间结构优化措施提供了合理参考依据。主要结论为：
(1) 中国城市群人口流动网络在全国尺度上呈现以优化提升类城市群为节点的“十”字型基本格局，在区域尺度上具有不同形式的核心—外围结构；中国城市群整体的区域功能多中心指数大于全国功能多中心指数，并朝多中心方向发展；三种发展类型城市群的全国与区域功能多中心指数之间均存在较大差距。
(2) 大部分城市群的区域功能多中心指数大于全国功能多中心指数，符合尺度越大多中心指数越小的规律性，但山东半岛、粤闽浙沿海、黔中、关中、中原和成渝城市群的全国功能多中心指数更大；各城市群的功能多中心类型稳定，但演化方向具有差异性，仅长江中游、山东半岛、粤闽浙沿海、呼包鄂榆和宁夏沿黄城市群在两个尺度上属于多中心发展类型；此外，城市群功能多中心类型与城市群发展类型并没有明显的关系，城市群功能多中心类型具有复杂性。
(3) 人口规模、发展水平、产业结构以及信息化是影响城市群功能多中心的主要因素。具体而言，人均GDP的提高降低了全国功能多中心指数，并且与区域功能多中心指数呈现“U”型关联；二三产业总值之比提高促进了全国功能多中心指数的提升；常住人口规模增加和互联网用户比重降低均促进了区域功能多中心指数的提升。

3.2 讨论

本文发现，研究时段内城市群功能多中心水平在全国与区域尺度下均向多中心化发展，这与当前多中心化发展的政策方向相同，证明城市群多中心相关政策并取得了一定成效。此外，城市群功能多中心特征往往受到研究视角的影响，本文从人口流动视角探究城市群功能结构在全国与区域尺度下的特征，相比于以往基于企业流、知识流和交通流等视角的研究可以更综合地反映城市群功能联系的空间格局。一方面，企业流和知识流分别侧重于反映城市间的经济联系和创新联系，这意味着这些功能联系更偏好于经济发展程度高、创新能力强的中心城市，如省会城市和直辖市以及较为发达的城市群。因此，有研究发现，部分处于初级发展阶段城市群的功能多中心指数接近甚至等于0，导致与其他城市群之间存在明显差异[28,31]。另一方面，客运班次等交通流虽然可以客观反映城市间的交通联系，但容易受到中央和地方政府统筹配置和规划引导的影响，并且班次数量也无法准确反映客流情况[19]。相反，人口流动数据准确反映了城市群空间结构的变化过程，其表征的功能联系更具有综合属性。
人口流动数据对距离和空间更敏感的特征也为理解城市群功能多中心特征在不同尺度上的差异提供了新的视角。本文借助城市群间的人口流动数据补充了其在全国尺度上的功能多中心特征，同时，本文发现城市群功能多中心特征在不同尺度上存在差异，即空间尺度越小、多中心程度通常越高，这与李涛等[28]基于企业流和马海涛等[31]基于知识流的研究结论相似，进一步佐证了城市群功能多中心的尺度敏感性。此外，人口流动数据相较于其他流数据揭示了城市群空间结构的新特征。例如，山东半岛、粤闽浙沿海、黔中、关中、中原和成渝城市群的全国功能多中心指数相较于区域功能多中心指数更大。这些城市群与多个省份接壤，交通地理位置优越，群内多个城市与周边其他城市群的联系十分紧密，这为改善城市基础设施、优化城市群空间结构提供了新的机遇。特别是中原和黔中城市群，属于“全国功能多中心—区域功能单中心”类型，两者均处于全国“两横三纵”城镇化战略格局中横轴和纵轴的交汇地带，合理制定空间结构优化策略对于促进区域协调发展具有重要意义。
本文发现，人口规模、发展水平、产业结构以及信息化是影响城市群功能多中心的主要因素，且对全国和区域功能多中心指数的影响有所不同。以人均GDP为例，其与区域功能多中心的“U”型关系符合区域空间结构演变理论[51]，即城市群的空间结构在发展初期和高级发展阶段分别处于低水平和高水平的均衡状态，而在发展过程中由于中心城市的加速发展致使城市群空间结构趋向不平衡。不同的是，在全国尺度上，经济越发达的城市群，其中心城市的重要性更高，即具有更强的对外联系能力[58]。同时，人口规模越大的城市群通常会由于中心城市的集聚不经济导致城市群内部的多中心化发展，这呼应了孙斌栋等[37]基于交通流的研究发现。不同于以往研究认为的信息化促进了城市间的联系，从而为多中心化提供了动力，本文发现互联网用户比重越大，城市群区域功能多中心指数越低。这可能是因为信息化水平越高的城市群仍然需要中心城市作为资源中枢，并且集聚了更多科技、人才、金融等资源，加剧了中心化趋势[59]。二三产业总值之比与全国功能多中心指数的正向关联进一步说明了第二产业倾向于分散化且第三产业倾向于集中化的特征[60]，这在全国尺度上可能更为凸显。此外，这些影响因素与形态多中心的研究发现十分一致[4,38]，也进一步说明了两者之间的紧密联系。
相关研究结论对于推动城市群合理布局与高质量发展具有重要的政策意义。首先，不同发展阶段与地理背景的城市群人口流动网络与功能多中心结构存在明显差异，从全局把握中国城市群的多中心结构特征的同时需要根据城市群自身发展特征与内在优势因地制宜制定相关政策与发展规划。其次，考虑到城市群功能多中心具有尺度依赖性，识别城市群及其城市在不同功能格局中的地位可以制定针对性的空间结构优化措施。最后，鉴于城市群功能多中心受到多种经济社会因素的影响，具体的空间结构优化措施要求充分考虑城市群的经济发展水平，而且需要关注人口规模和产业结构的合理优化以及信息化技术可能带来的负面影响。
本文仍然存在以下不足，有待未来研究进一步探索。第一，考虑到长时段、大范围人口流动数据的可得性，本文仅选取了2015—2018年数据，导致无法开展更长时段的研究分析。因此，未来研究可以在数据可获得的条件下延长时间序列，从而更为全面地掌握中国城市群功能多中心结构的时空演化趋势。第二，受限于研究数据结构，本文仅分析了整体城市群的功能多中心影响因素，由于中国19个城市群之间存在较大的发展差距，其功能多中心影响因素也不同。因此，未来研究可以根据城市群的发展类型深入分析相关影响因素的差异。第三，本文仅验证了城市群功能多中心的影响因素，但尚未就其影响机制和绩效等内容做进一步的计量分析。因此，未来研究可以从理论和实证方面进行相关探索，有利于深入理解城市群功能多中心的形成机制，并且为区域规划提供实证支撑。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
方创琳. 中国城市群研究取得的重要进展与未来发展方向[J]. 地理学报, 2014, 69(8): 1130-1144.

DOI

[Fang Chuanglin. Progress and the future direction of research into urban agglomeration in China. Acta Geographica Sinica, 2014, 69(8): 1130-1144.]

DOI

[2]
魏后凯, 年猛, 李玏. “十四五”时期中国区域发展战略与政策[J]. 中国工业经济, 2020(5): 5-22.

[Wei Houkai, Nian Meng, Li Le. China's regional development strategy and policy during the 14th five-year plan period. China Industrial Economics, 2020(5): 5-22.]

[3]
方创琳, 王振波, 马海涛. 中国城市群形成发育规律的理论认知与地理学贡献[J]. 地理学报, 2018, 73(4): 651-665.

DOI

[Fang Chuanglin, Wang Zhenbo, Ma Haitao. The theoretical cognition of the development law of China's urban agglomeration and academic contribution. Acta Geographica Sinica, 2018, 73(4): 651-665.]

DOI

[4]
周韩梅, 刘新智. 我国八大城市群空间结构的演化特征及其驱动因素[J]. 经济问题探索, 2023(10): 73-84.

[Zhou Hanmei, Liu Xinzhi. Evolution characteristics and driving factors of spatial structure of eight urban agglomerations in China. Inquiry into Economic Issues, 2023(10): 73-84.]

[5]
宋林, 张蕾蕾. 城市群多中心空间结构与地区收入差距: 基于我国十大城市群的实证分析[J]. 经济问题探索, 2023(4): 86-101.

[Song Lin, Zhang Leilei. Polycentric spatial structure of urban agglomeration and regional economy disparity: Based on the empirical test of ten urban agglomerations in China. Inquiry into Economic Issues, 2023(4): 86-101.]

[6]
钟章奇, 陆扬, 刘志雄. 城市群规划政策的实施能否缩小非中心城市与中心城市间的经济差距? 来自中国283个城市的证据[J]. 地理研究, 2023, 42(4): 1050-1069.

DOI

[Zhong Zhangqi, Lu Yang, Liu Zhixiong. Did the implementation of urban agglomeration development planning policy narrow economic gap between non-central cities and central cities? Evidence from 283 cities in China. Geographical Research, 2023, 42(4): 1050-1069.]

[7]
乔艺波, 罗震东. 多中心空间结构对中国城市创新绩效的影响: 基于279个地级及以上城市的实证[J]. 城市规划, 2023-08-24 [2024-04-17]. https://link.cnki.net/urlid/11.2378.TU.20230823.1451.002.

[Qiao Yibo, Luo Zhendong. Impact of ploycentric spatial structure on the innovation performance of Chinese cities: Evidence from 279 cities at or above the prefecture level. City Planning Review, 2023-08-24 [2024-04-17]. https://link.cnki.net/urlid/11.2378.TU.20230823.1451.002.]

[8]
孙斌栋, 李琬. 城市规模分布的经济绩效: 基于中国市域数据的实证研究[J]. 地理科学, 2016, 36(3): 328-334.

DOI

[Sun Bindong, Li Wan. City size distribution and economic performance: Evidence from city-regions in China. Scientia Geographica Sinica, 2016, 36(3): 328-334.]

DOI

[9]
杨宏昌, 戴宏伟. “中心开花”需时日: 空间结构对区域经济发展的影响: 以我国19个城市群为例[J]. 科技进步与对策, 2024, 41(3): 64-73.

[Yang Hongchang, Dai Hongwei. "Central blossoming" takes more time: The impact of spatial structure on regional economic development with 19 city-clusters in China as examples. Science & Technology Progress and Policy, 2024, 41(3): 64-73.]

[10]
Davoudi S. Polycentricity in European spatial planning: From an analytical tool to a normative agenda[J]. European Planning Studies, 2003, 11(8): 979-999.

[11]
Burger M J, van der Knaap B, Wall R S. Polycentricity and the multiplexity of urban networks[J]. European Planning Studies, 2014, 22(4): 816-840.

[12]
周璇. 全国城市群功能多中心与形态多中心的测度分析[J]. 城市规划学刊, 2022(S1): 302-307.

[Zhou Xuan. Measurement of functional polycentricity and morphological polycentricity of national urban agglomerations. Urban Planning Forum, 2022(S1): 302-307.]

[13]
卓云霞, 刘涛. 城市和区域多中心研究进展[J]. 地理科学进展, 2020, 39(8): 1385-1396.

DOI

[Zhuo Yunxia, Liu Tao. Polycentric city and region: A review and appraisal. Progress in Geography, 2020, 39(8): 1385-1396.]

DOI

[14]
Burger M, Meijers E. Form follows function? Linking morphological and functional polycentricity[J]. Urban Studies, 2012, 49(5): 1127-1149.

[15]
Castells M. Globalisation, networking, urbanisation: Reflections on the spatial dynamics of the information age[J]. Urban Studies, 2010, 47(13): 2737-2745.

[16]
王垚, 钮心毅. 长江三角洲城市群核心区的功能多中心特征和规划响应: 基于城际出行联系的研究[J]. 国际城市规划, 2021, 36(6): 98-108.

[Wang Yao, Niu Xinyi. The functional polycentricity characteristics and planning responses of urban agglomeration core area in the Yangtze River Delta: A study based on intercity trip connection. Urban Planning International, 2021, 36(6): 98-108.]

[17]
Liu X J, Derudder B, Wu K. Measuring polycentric urban development in China: An intercity transportation network perspective[J]. Regional Studies, 2016, 50(8): 1302-1315.

[18]
罗震东. 长江三角洲功能多中心程度初探[J]. 国际城市规划, 2010, 25(1): 60-65.

[Luo Zhendong. Study on the functional polycentricity of Yangtze River Delta. Urban Planning International, 2010, 25(1): 60-65.]

[19]
冯长春, 谢旦杏, 马学广, 等. 基于城际轨道交通流的珠三角城市区域功能多中心研究[J]. 地理科学, 2014, 34(6): 648-655.

DOI

[Feng Changchun, Xie Danxing, Ma Xueguang, et al. Functional polycentricity of the urban region in the Zhujiang River Delta based on intercity rail traffic flow. Scientia Geographica Sinica, 2014, 34(6): 648-655.]

DOI

[20]
王少剑, 高爽, 王宇渠. 基于流空间视角的城市群空间结构研究: 以珠三角城市群为例[J]. 地理研究, 2019, 38(8): 1849-1861.

DOI

[Wang Shaojian, Gao Shuang, Wang Yuqu. Spatial structure of the urban agglomeration based on space of flows: The study of the Pearl River Delta. Geographical Research, 2019, 38(8): 1849-1861.]

[21]
李瑞鹏, 安树伟. 沿海三大城市群空间结构演变特征与模式[J]. 区域经济评论, 2023(6): 27-39.

[Li Ruipeng, An Shuwei. Spatial structure evolution characteristics and patterns of three major coastal urban agglomerations. Regional Economic Review, 2023(6): 27-39.]

[22]
赵渺希, 钟烨, 徐高峰. 中国三大城市群多中心网络的时空演化[J]. 经济地理, 2015, 35(3): 52-59.

[Zhao Miaoxi, Zhong Ye, Xu Gaofeng. Polycentric progress of the three major city regions in China, 2001-2009. Economic Geography, 2015, 35(3): 52-59.]

[23]
方创琳, 李广东, 戚伟, 等. “胡焕庸线”东西部城乡发展不平衡趋势及沿博台线微突破策略[J]. 地理学报, 2023, 78(2): 443-455.

DOI

[Fang Chuanglin, Li Guangdong, Qi Wei, et al. Unbalanced trend of urban and rural development on the east and west sides of Hu Huanyong Line and micro-breakthrough strategy along the Bole-Taipei Line. Acta Geographica Sinica, 2023, 78(2): 443-455.]

DOI

[24]
于涛方, 顾朝林, 李志刚. 1995年以来中国城市体系格局与演变: 基于航空流视角[J]. 地理研究, 2008, 27(6): 1407-1418.

[Yu Taofang, Gu Chaolin, Li Zhigang. China's urban systems in terms of air passenger and cargo flows since 1995. Geographical Research, 2008, 27(6): 1407-1418.]

[25]
蔡莉丽, 马学广, 陈伟劲, 等. 基于客运交通流的珠三角城市区域功能多中心特征研究[J]. 经济地理, 2013, 33(11): 52-57.

[Cai Lili, Ma Xueguang, Chen Weijin, et al. Characteristics of functional polycentricity of PRD urban region based on passenger traffic flow. Economic Geography, 2013, 33(11): 52-57.]

[26]
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.

DOI

[Sun Yang, Yao Shimou, Zhang Luocheng. Functional structure of spatial flow in the Yangtze River Delta: Analysis of passenger based data for the high speed railway. Progress in Geography, 2016, 35(11): 1381-1387.]

DOI

[27]
赵渺希, 黎智枫, 钟烨, 等. 中国城市群多中心网络的拓扑结构[J]. 地理科学进展, 2016, 35(3): 376-388.

DOI

[Zhao Miaoxi, Li Zhifeng, Zhong Ye, et al. Polycentric network topology of urban agglomerations in China. Progress in Geography, 2016, 35(3): 376-388.]

DOI

[28]
李涛, 张伊娜. 企业关联网络视角下中国城市群的多中心网络比较研究[J]. 城市发展研究, 2017, 24(3): 116-124.

[Li Tao, Zhang Yina. The comparison of polycentricity of urban agglomerations in China from the perspective of firm interlocking network. Urban Development Studies, 2017, 24(3): 116-124.]

[29]
赵渺希, 师浩辰, 王慧芹. 大都市区功能性多中心的产业集聚检验: 以珠三角企业网络为例[J]. 地理研究, 2021, 40(12): 3437-3454.

DOI

[Zhao Miaoxi, Shi Haochen, Wang Huiqin. Examining the relationship of functional polycentricity and specialized industrial agglomeration in the metropolitan area of the Pearl River Delta. Geographical Research, 2021, 40(12): 3437-3454.]

[30]
周灿, 曾刚, 宓泽锋. 中国城市群技术知识单中心与多中心探究[J]. 地理研究, 2019, 38(2): 235-246.

DOI

[Zhou Can, Zeng Gang, Mi Zefeng. Monocentric or polycentric? A study of technological knowledge in five major urban agglomerations of China. Geographical Research, 2019, 38(2): 235-246.]

[31]
马海涛, 徐楦钫, 江凯乐. 中国城市群技术知识多中心性演化特征及创新效应[J]. 地理学报, 2023, 78(2): 273-292.

DOI

[Ma Haitao, Xu Xuanfang, Jiang Kaile. The evolutionary characteristics and innovation effects of technological knowledge polycentricity in Chinese urban agglomerations. Acta Geographica Sinica, 2023, 78(2): 273-292.]

DOI

[32]
姚常成, 吴康. 多中心空间结构促进了城市群协调发展吗? 基于形态与知识多中心视角的再审视[J]. 经济地理, 2020, 40(3): 63-74.

[Yao Changcheng, Wu Kang. Does polycentric spatial structure realize the coordinated development within urban agglomerations? The new evidence from the perspective of morphological and knowledge polycentricity. Economic Geography, 2020, 40(3): 63-74.]

[33]
Green N. Functional polycentricity: A formal definition in terms of social network analysis[J]. Urban Studies, 2007, 44(11): 2077-2103.

[34]
Zhang W Y, Derudder B, Liu X J, et al. Defining 'centres' in analyses of polycentric urban regions: The case of the Yangtze River Delta[J]. Regional Studies, 2022, 56(1): 87-98.

[35]
罗震东, 朱查松. 解读多中心: 形态、功能与治理[J]. 国际城市规划, 2008(1): 85-88.

[Luo Zhendong, Zhu Chasong. Understanding polycentricity by configuration, function and governance. Urban Planning International, 2008(1): 85-88.]

[36]
Hall P, Pain K. The polycentric metropolis: Learning from mega-city regions in Europe[M]. London, UK: Routledge, 2006.

[37]
孙斌栋, 王婷, 刘鹏飞. 中国城市群空间结构演化的影响因素分析: 基于铁路客运的功能联系视角[J]. 人文地理, 2019, 34(5): 78-84.

[Sun Bindong, Wang Ting, Liu Pengfei. The influencing factors of spatial structure evolution of city clusters in china : Based on the functional linkage of railway passenger transport. Human Geography, 2019, 34(5): 78-84.]

[38]
孙斌栋, 华杰媛, 李琬, 等. 中国城市群空间结构的演化与影响因素: 基于人口分布的形态单中心—多中心视角[J]. 地理科学进展, 2017, 36(10): 1294-1303.

DOI

[Sun Bindong, Hua Jieyuan, Li Wan, et al. Spatial structure change and influencing factors of city clusters in China: From monocentric to polycentric based on population distribution. Progress in Geography, 2017, 36(10): 1294-1303.]

DOI

[39]
孙久文, 周孝伦. 多维视角下的长三角城市群空间结构及其影响因素: 基于NPP-VIIRS夜间灯光数据和高德人口迁徙数据[J]. 经济地理, 2023, 43(5): 78-88.

DOI

[Sun Jiuwen, Zhou Xiaolun. Spatial structure and influencing factors of the Yangtze River Delta urban agglomeration from a multidimensional perspective: Based on NPP-VIIRS nighttime lighting data and Gaode's population migration data. Economic Geography, 2023, 43(5): 78-88.]

DOI

[40]
Li Y C, Phelps N A. Knowledge polycentricity and the evolving Yangtze River Delta megalopolis[J]. Regional Studies, 2017, 51(7): 1035-1047.

[41]
徐刚, 王德, 晏龙旭, 等. 西方世界城市网络的理论、方法和议题[J]. 地理科学进展, 2024, 43(1): 179-189.

DOI

[Xu Gang, Wang De, Yan Longxu, et al. World city networks: Theories, methodology, and research topics. Progress in Geography, 2024, 43(1): 179-189.]

DOI

[42]
马宇薇, 浩飞龙, 王士君. 基于人口流动的中国城市群多中心结构演化[J]. 东北师大学报(自然科学版), 2024, 56(1): 133-142.

[Ma Yuwei, Hao Feilong, Wang Shijun. Evolution of polycentric structure in Chinese urban agglomerations based on population flow. Journal of Northeast Normal University (Natural Science Edition), 2024, 56(1): 133-142.]

[43]
戴靓, 曹湛, 朱青, 等. 中国城市群知识多中心发展评价[J]. 资源科学, 2021, 43(5): 886-897.

DOI

[Dai Liang, Cao Zhan, Zhu Qing, et al. Analyzing polycentric urban development in China: Evidence from intercity knowledge collaboration. Resources Science, 2021, 43(5): 886-897.]

DOI

[44]
Taylor P J, Evans D M, Pain K. Application of the interlocking network model to mega-city-regions: Measuring polycentricity within and beyond city-regions[J]. Regional Studies, 2008, 42(8): 1079-1093.

[45]
张伟丽, 郝智娟, 王伊斌, 等. 城市群人口流动空间网络及影响因素[J]. 地理科学, 2023, 43(1): 72-81.

DOI

[Zhang Weili, Hao Zhijuan, Wang Yibin, et al. Spatial network and influencing factors of population flow in urban agglomeration. Scientia Geographica Sinica, 2023, 43(1): 72-81.]

DOI

[46]
施响, 王士君, 王冬艳, 等. 中国市域间日常人口流动特征及影响因素[J]. 地理科学, 2022, 42(11): 1889-1899.

DOI

[Shi Xiang, Wang Shijun, Wang Dongyan, et al. Characteristics and influencing factors of daily population flow among cities in China. Scientia Geographica Sinica, 2022, 42(11): 1889-1899.]

DOI

[47]
Friedmann J, Miller J. The urban field[J]. Journal of the American Institute of Planners, 1965, 31(4): 312-320.

[48]
Ades A F, Glaeser E L. Trade and circuses: Explaining urban giants[J]. The Quarterly Journal of Economics, 1995, 110(1): 195-227.

[49]
张伟丽, 晏晶晶, 聂桂博. 中国城市人口流动格局演变及影响因素分析[J]. 中国人口科学, 2021(2): 76- 87, 127-128.

[Zhang Weili, Yan Jingjing, Nie Guibo. Evolution of the pattern of China's urban population flows and its proximate determinants. Chinese Journal of Population Science, 2021(2): 76- 87, 127-128.]

[50]
孙斌栋, 郭睿, 陈玉. 中国城市群的空间结构与经济绩效: 对城市群空间规划的政策启示[J]. 城市规划, 2019, 43(9): 37-42, 85.

[Sun Bindong, Guo Rui, Chen Yu. Spatial structure and economic performance of Chinese city clusters: Policy implications for spatial planning of city clusters. City Planning Review, 2019, 43(9): 37-42, 85.]

[51]
Friedmann J. Regional development policy: A case study of Venezuela[M]. Cambridge, USA: MIT Press, 1966.

[52]
张祥建, 唐炎华, 徐晋. 长江三角洲城市群空间结构演化的产业机理[J]. 经济理论与经济管理, 2003(10): 65-69.

[Zhang Xiangjian, Tang Yanhua, Xu Jin. City clots of Yangtse River: Industry mechanisms of spatial structures evolution. Economic Theory and Business Management, 2003(10): 65-69.]

[53]
Cairncross F. The death of distance: How the communications revolution is changing our lives[M]. Boston, USA: Harvard Business School Press, 2001.

[54]
Leamer E E. A flat world, a level playing field, a small world after all, or none of the above? A review of Thomas L. Friedman's "The world is flat"[J]. Journal of Economic Literature, 2007, 45(1): 83-126.

[55]
张维阳, 刘珺琳. 多维中心性视角下中国航空网络中城市节点职能分解与演化特征[J]. 地理科学, 2023, 43(11): 1890-1899.

DOI

[Zhang Weiyang, Liu Junlin. Decomposition and evolution characteristics of urban node functions in China's aviation network from multidimensional centrality perspective. Scientia Geographica Sinica, 2023, 43(11): 1890-1899.]

DOI

[56]
王姣娥, 焦敬娟, 金凤君. 高速铁路对中国城市空间相互作用强度的影响[J]. 地理学报, 2014, 69(12): 1833-1846.

DOI

[Wang Jiao'e, Jiao Jingjuan, Jin Fengjun. Spatial effects of high-speed rails on interurban economic linkages in China. Acta Geographica Sinica, 2014, 69(12): 1833-1846.]

DOI

[57]
李国平, 杨开忠. 外商对华直接投资的产业与空间转移特征及其机制研究[J]. 地理科学, 2000, 20(2): 102-109.

[Li Guoping, Yang Kaizhong. A study on the mechanism and character of the industrial and spatial transference of FDI in China. Scientia Geographica Sinica, 2000, 20(2): 102-109.]

DOI

[58]
王海江, 苗长虹, 刘春国, 等. 中国中心城市的外向功能联系与时空格局[J]. 地域研究与开发, 2013, 32(3): 11-17.

[Wang Haijiang, Miao Changhong, Liu Chunguo, et al. Center cities' external function links and the spatial distribution in China. Areal Research and Development, 2013, 32(3): 11-17.]

[59]
张晓欢. 信息化背景下城市空间结构形态演变趋势[J]. 中国市场, 2020(31): 1-4.

[Zhang Xiaohuan. Evolution trend of urban spatial structure form under the background of informatization. China Market, 2020(31): 1-4.]

[60]
Fujita M, Krugman P R, Venables A J. The spatial economy: Cities, regions, and international trade[M]. Cambridge, USA: MIT Press, 1999.

Options
文章导航

/

〈 〉