派智库

摘要：利用城市居民在网络搜索中的百度指数分析城市网络联系格局，从百度指数网（http：//index.baidu.com）上得到2011—2014年成渝城市群14个城市两两间的百度指数，建立14×14的多值矩阵并导入社会网络分析软件，采用NetDraw和优势流分析法研究成渝城市群网络联系格局。结果表明：（1）NetDraw分析表明成都和重庆在成渝城市群网络联系中为核心城市，其他城市为边缘城市。（2）从优势流分析看，成都为成渝城市群中的主导城市，重庆为次级主导城市，其他城市为从属城市。总体而言，成渝城市群形成了“一主一次多从”的网络联系基本格局。

关键词：百度指数；城市网络联系；优势流分析；成渝城市群

copyright dedecms

0 引言

从城市网络联系角度观察，城市就是相互密切联系的网络中与其他城市有着连接的一个节点，其价值在于它和其他节点间的关联性。城市间的关联性体现在各种流，包括现实中的客流、货流、资金流等，也包括网络中的电话通讯、微博、微信、搜索等信息流数据。信息流不同于传统的客货流，前者依靠互联网和通讯工具，流动不受时间和地点限制，传输非常快捷；后者依靠道路（航线）和交通工具，人员和货物流动有固定的到发时间，传输距离受到限制。城市间信息流更多体现了扁平联系，而客货流则多体现垂直联系。在当今信息时代，信息流与传统的客货流属于不同类型的流，两者问有联系，但不是必然关系。信息流在城市相互作用过程中主导作用越来越明显，推动新的城市网络形成。针对城市网络，P.J.Taylor提出测度城市网络联系的方法。此后城市网络联系的研究日益受到学者们重视，A.M.Townseng认为城市网络联系与以前的联系差别明显。从城市网络联系研究看，早期一些学者研究互联网中城市节点的可达性。后来一些学者探讨了经济地理和城市地理研究中网络分析法的运用，对城市作为网络的连接点进行理论分析。城市网络实证研究方面，V.U.Onyebueke研究了全球城市网络中美国城市的地位与功能，还有从合作发明视角研究了美国城市知识网络联系。总体而言，基于交通流、知识技术流等角度开展城市网络的研究比较多，但利用网络信息流研究城市间联系的并不多见。

内容来自dedecms

国内学者也已开始重视城市网络联系研究。张捷等[1]、汪明峰等[2]从网络信息空间视角分别总结了人文地理学和城市地理学的研究进展。孙中伟等[3]、甄峰等[4]、高鑫等[5]、董超[6]等从地理学（尤其是城市地理学）角度对“流空间”进行理论分析，对城市网络进行理论探讨[3-6]；甄峰等通过新浪微博来研究城市网络[7]，可谓开辟城市网络研究新径；熊丽芳等利用百度指数研究了长三角核心区城市网络特征[8]；董超等基于吉林省城市通信数据采用优势流等方法研究城市网络联系[9]，采用固定电话通信的海量数据体现了大数据时代研究特征；陈晨等基于资金流视角研究了东北城市网络，但其资金流属于间接数据[10]；赵映慧等采用城市间网络搜索的百度指数分析了东北城市网络联系的层级结构，进一步推动了百度指数在城市地理方面的研究[11]。 copyright dedecms

总之，大数据时代网络联系数据海量，但获取和分析都比较困难，已有的研究以定性研究较多，定量研究不足；研究采用的数据一般为某一方面的信息流，而缺乏多种信息流数据的对比研究。虽然有少许学者采用百度指数开展城市网络联系的研究，但学者们对城市网络联系及相关研究的关注度增加，越来越多的学者开始挖掘利用网络联系的海量数据，提升其在城市地理研究方面的价值。本研究利用社会网络分析中的NetDraw及优势流分析法，来揭示成渝城市群百度指数的网络联系特征，期望为成渝城市群发展提供理论参考。

内容来自dedecms

1 数据来源与研究方法

1.1 数据来源

选择成渝城市群14个城市为研究对象，包括重庆、成都、德阳、绵阳、眉山、乐山、资阳、内江、自贡、宜宾、泸州、遂宁、南充、广安。从http：//index.baidu.com上得到2011—2014年两两城市间的百度指数，选取月平均值作为基本数据，建立14×14的联系矩阵。

1.2 研究方法 织梦好，好织梦

1.2.1 百度指数。百度指数（Baidu Index）是百度公司提供的一种大数据，是以海量网民在百度网站搜索等行为数据为基础的分享平台，是当前互联网和大数据时代重要的统计分析平台之一。百度指数包括搜索指数和媒体指数，前者是以网民在百度的搜索量为数据基础，统计分析并计算出各个关键词在百度网页搜索频次的加权和，包括电脑搜索指数和移动搜索指数。某个关键词在百度的搜索规模或者是关注该词的网民空间分布情况可以通过百度指数一目了然。

1.2.2 NetDraw。NetDraw是社会网络分析中具有代表性模型之一。NetDraw能够根据研究者描述的网络节点信息，绘制出详细反映网络节点间关系的网络图。NetDraw最大的功能是形象直观，通过所绘制的图可以对网络关系直观认识和分析。本研究利用社会网络分析软件Ucinet中的可视化分析模块NetDraw对成渝城市群两两间的百度指数联系进行分析。 织梦内容管理系统

1.2.3 优势流分析。城市间网络联系的研究实质是关注“流”在网络节点间的变化。规模大、方向稳定的“流”占有优势，Nystuen和Dacey称之为优势流（dominant flow），并提出优势流分析法，这是现在用于分析城市网络结构特征较常用的方法。它是根据一个城市最大要素流的流向、城市规模来判断该城市在城市体系中地位的分析方法。根据优势流和城市规模确定城市的位置反映了其在城市体系中的主导能力。 内容来自dedecms

结合成渝城市群网络联系的研究，根据百度指数和城市人口规模指标划分城市层级，将城市分为主导城市、次级主导城市、从属城市。主导城市是指其最大百度指数发送指向城市群里与之相比规模较小的一个城市，且规模较小城市中至少50％城市的最大百度指数发送指向它，也就是说较小规模城市中至少有一半都通过网络与主导城市关联[10]。次级主导城市是指其最大百度指数发送指向主导城市，而且与之相比规模较小城市中至少50％的城市第二大百度指数发送指向它。从属城市网络关联主导城市或者次级主导城市，其最大百度指数发送指向主导城市或者次级主导城市，而且没有一个与之相比规模较小城市的最大百度指数发送指向它。

copyright dedecms

2 基于百度指数的网络联系分析

内容来自dedecms

2.1 Netdraw的网络联系强度分析 织梦内容管理系统

2.1.1 成渝之间及成渝对其他城市的网络联系量大。利用NetDraw作出2011—2014年成渝城市群两两城市间网络关系强度图（图1）。根据城市间网络搜索与关注的百度指数大小，可以把这4年百度指数的联系程度划分为4个等级，第一等级≥300，第二等级200～300，第三等级100～200，第四等级＜100。从图1a和图1b可以看出城市间连线粗细不同，反映出联系强度存在差别，成都一重庆、重庆一成都的百度指数联系最大，因此成都与重庆间的连线最粗，2011—2012年都位于第一等级。具体而言，成都对重庆的网络搜索指数高于重庆对成都的搜索指数，特别是2012年重庆大事件导致成渝相互间关注度与搜索量大幅提升，相互间网络联系量比2011提升36.91％。2011—2012年处于第二等级的只有成都一绵阳，表明在成渝城市群中成都第二关注绵阳，但是绵阳对成都的关注与搜索并没有位于第二等级。网络联系强度处于第一、第二等级的城市对数量少，多数城市间联系强度处于第三和第四等级。2011年重庆一宜宾、成都一德阳等19个城市对位于第三等级，其余160个城市对的联系强度位于第四等级，可见大多数城市间联系强度不大。2012年第三等级的城市对数量增加到24对，相应地第四等级数量减少到155对。

总体而言，除2012年其他城市对重庆的关注与搜索量增加很大之外，其他城市相互间联系与2011年相比变化不大。2011—2012年成渝间、成渝对其他城市的网络联系量大，其他城市对成渝的联系较大，而其他城市相互间的联系较小。比较特别的是广安，可能是因为广安为伟人邓小平的故乡，所以它与近邻直辖市重庆和省会成都联系都较密切，但与其他城市联系并不密切。 内容来自dedecms

dedecms.com

2.1.2 成渝城市群网络联系近两年增加明显。从图1c和图1d可以看出2013—2014年成渝城市群网络联系量比2011和2012年增加明显，图1c和图1d中的连线明显比图1a和图1b的粗，表明后两年城市间联系增加。2013年位于第一等级的城市对数量大幅增加，除了成都一资阳的百度指数未达到300，成都对群内其他12个城市的联系都超过300，都处于第一等级，特别是成都一重庆、成都一绵阳的网络联系上升非常明显，已经接近700，是2011年的2倍多。2014年城市间网络联系强度继续上升，成都对群内其他13个城市的联系都处于第一等级。重庆一成都相互间联系一直都处于第一等级。2013，2014年第一等级的城市对数量分别是13对和14对，第二等级的数量变化较大，2013年只有1对成都→资阳，而2014年增加到9对，重庆对宜宾、泸州、遂宁、南充、广安的联系上升，此外德阳、绵阳、内江、南充对成都的联系也上升。2013—2014年城市间网络联系处于第三等级的数量增加，2013年和2014年分别为37对和63对，相比2011年和2012年增加明显，处于第四等级的城市对数量减少，但仍然占大多数，大多数城市间的联系还是比较低的。

总体而言，2011—2014年重庆一成都网络联系最为密切，强度逐年增大；同时成都与其他城市间联系强度以及其他城市与成都和重庆间的网络联系强度也增大。 copyright dedecms

2.2 优势流分析结果

织梦内容管理系统

2.2.1 成都一直是主导城市。为了分析2011—2014年成渝城市群网络联系的时空特征，运用AreGIS软件分析发送的最大百度指数（图2），即最大优势流。2011年重庆和成都的最大优势流指向对方（图2a）。德阳、绵阳、眉山、乐山、资阳、内江、自贡、宜宾、遂宁、南充10个城市最大百度指数发送指向成都，然而泸州、广安的最大百度指数没有指向成都，却都指向重庆。对成都而言，与它相对较小的12个城市中有10个城市的最大百度指数指向重庆，超过了一半以上。而重庆只有两个较小规模城市的最大百度指数发送指向它，与成都相比相差甚远。从最大优势流的分析结果看成都是成渝城市群网络层级中的主导城市。

2012年重庆和成都的最大优势流指向对方，这与2011年相同，不同的是南充最大百度指数发送指向重庆，因此，百度指数最大优势流流向成都的城市减少到9个（图2b），而指向重庆的城市增加到3个，分别是南充、广安、泸州，这3个城市受到重庆的影响更强。对成都而言，与它相对较小的12个城市中有9个城市的最大百度指数指向它，超过一半。而重庆只有3个较小规模城市的最大百度指数指向它，未达到50％，且与成都相比存在较大差距。从最大百度指数的发送流向看，成都仍是成渝城市群网络层级中的主导城市。 本文来自织梦

2013，2014年，重庆和成都的最大优势流仍然流向对方。成渝城市群中除了广安，其余城市的最大百度指数发送都指向成都（图2c），广安最大百度指数发送指向重庆，显然广安更关注重庆，从空间距离看广安距离重庆更近，且广安对外交通联系多经过重庆。对成都而言，与它相对较小的12个城市中有11个城市的最大百度指数指向它，远远超过50％。而重庆只有1个较小规模城市的最大百度指数指向重庆，远不到一半。显然成都依然是成渝城市群网络层级中的主导城市。 内容来自dedecms

综合2011—2014年的分析，在百度指数表征的网络联系中成都一直都是成渝城市群的主导城市。 内容来自dedecms

2.2.2 次级主导城市与从属城市。2011年绵阳、眉山、乐山、资阳、内江、自贡、宜宾、遂宁、南充9个城市的第二大百度指数指向重庆（图3a），所以重庆是成渝城市群中的次级主导城市，在成渝城市群网络联系中发挥的作用仅次于成都。2012年第二大百度指数指向重庆也是9个城市，与2011年相比，绵阳替代了南充，其余8个城市未变（图3b），因此重庆仍是次级主导城市。2013年泸州和南充替代眉山和德阳，其第二大百度指数指向重庆，与前两年相同第二大百度指数指向重庆的城市数量也是9个（图3c）。2014年有11个城市的第二大百度指数指向重庆（图3d），数量比前3个年份增加，所以重庆仍是次级主导城市且地位提升。2011—2014年重庆一直都是成渝城市群网络层级中的次级主导城市。

总之，在百度指数的网络联系中成都是成渝城市群的主导城市，重庆为次级主导城市，其余的12个城市德阳、绵阳、眉山、乐山、资阳、内江、自贡、宜宾、泸州、遂宁、南充、广安为从属城市。 织梦内容管理系统

3 网络联系机制

3.1 经济发展水平

我国经济发展一直持续增长，经济发展水平持续提高，这有利于城市间网络联系增强，因为经济发展水平的提高促进电子终端设备的普及，推动网络基础设施的建设，使得居民上网更便捷。包括成都、重庆等城市在内的我国众多城市经济发展水平总体提高，城市居民的购买力和消费水平也相应提高，城市居民购买和使用智能手机、平板电脑、计算机等电子终端设备越来越多，电子设备普及千家万户，上网已经成为家庭和个人的基本需求。近些年成渝城市群上网居民明显增加，统计显示近几年成渝城市群的移动电话用户和宽带用户明显增加，而且由于网络通信等基础设施建设水平提高，通过网络与其他城市的联系必然增加。例如，2011年成都移动电话年末用户数为2022.99万户，互联网宽带接入用户数为188.72万户，2014年这一数据分别为2203万户和288万户，比2011年分别增长8.90％和52.61％。已有研究表明城市的GDP、互联网用户和互联网普及率存在较大的相关性[8]。此外由于经济发展水平提高，城市间的经济往来增加，城市居民对近邻城市的关注度也增加，当然对其他城市的网络搜索量也就增加，百度指数的增加就是明显体现，反映了城市间网络联系的增加。

3.2 通信技术及基础设施建设 本文来自织梦

1987—1994年中国互联网处于孕育阶段；1994—1997年互联网开始走向大众；1997年之后互联网对大众而言不再陌生，越来越多的人接触和使用互联网。2000年中国移动互联网投入运行，移动上网成为可能。2011年底宽带无线化（WLAN）技术开始建设，利用智能手机等工具上网更加经济和便捷。当前已经进入网络信息时代，利用电脑、手机等工具开展的网络联系已经成为很多居民日常生活中常用的联系方式。近几年飞信、微博、微信等大大促进了城市间的通讯联系，特别是位于同一地区内部的近邻城市间联系更密切，成渝城市群百度指数的上升是很好的反映。截至2014年底四川乡镇一级都有3G网络，基本实现村村通宽带，城市家庭用户实现20M以上的接入能力，党政网、经济信息网、社保网等网络构建的电子政务网基本建成，这些通信基础设施建设促进城市居民间网络联系增加。

内容来自dedecms

3.3 重大事件的发生 dedecms.com

众所周知，2012年重庆发生大事件，而且成都驻有美国领事馆，因此重庆与成都紧密关联，2012年重庆一成都间的百度指数异常高，比上年飙升很多。同时2012年成渝城市群内其他城市对成渝两市的关注度与搜索量急剧上升，而成渝城市群内部其他城市对西南地区这两个重要城市的关注比以往任何时候都增加，所以从百度指数看2012年成都、重庆与成渝城市群内其他城市的联系显着增加。四川省级干部郭永祥、李崇禧，成都省级干部李春城以及资阳、南充、遂宁、眉山等城市的个别市级领导干部的违纪违法事件的公开报道，这些都会引起城市居民的关注，于是对成都、资阳等城市的百度指数搜索就必然增加。除了重大的政治事件，还有一些新闻报道也会引起对城市的关注度，例如成都和重庆都进入某财经杂志2014年评选的“新一线城市”，这增加了成渝城市群内部其他城市对其关注量。当然文体大事、节庆会展都会提高城市的关注度，引起其他城市居民的搜索，必然增强城市间的网络联系。

内容来自dedecms

4 结论与讨论

4.1 结论

成都与重庆相互间的关注度和搜索量都很高，网络联系强度一直很大，而且逐年增大。此外成都与其他城市间联系强度也增大。2013—2014年城市间的百度指数总体上比2011年和2012年增加，总体而言城市网络联系增强，然而多数城市间网络联系并不密切。。

内容来自dedecms

优势流分析表明，成都是主导城市，重庆为次级主导城市，与重庆相比，成都与群内多数城市联系更密切。次级主导城市重庆与其他城市联系强度也较大，成渝城市群中其余12个城市为从属城市。成渝城市群形成了“一主一次多从”的网络联系基本格局。

4.2 讨论 dedecms.com

城市间发送和接收百度指数是一定的，但运用不同的测度方法反映的侧重不同。Netdraw清晰地反映了城市间的网络联系程度，同时也间接反映出主导城市。优势流分析是利用百度指数发送指向和城市规模确定主导城市、次级主导城市和从属城市。在Netdraw中主导城市与其他城市间的联系相对密切，与次级主导城市联系最密切，而从属城市与多数城市联系不密切。 copyright dedecms

运用百度指数反映的主要是用户对城市的网络关注度，用它代表城市间的信息流强度还有一定局限性，所以基于百度搜索指数构建城市信息流网络存在一定的片面性，但这已经能形象直观反映城市网络联系，与当前“大数据”时代发展趋势符合，对城市空间联系的研究也具有一定启示意义。研究基本单元为城市，研究的结论受城市规模、行政区划等影响。由于百度公司只是面向社会公开百度指数，并未说明百度指数具体的计算过程，根据某个城市的网络关注与搜索量如何计算该城市的百度指数并不为外界所知。

本文来自织梦

信息网络联系与传统的交通网络联系相比，要求行动者具有一定的通信网络知识，能够利用网络寻找所需信息等，信息网络联系时间成本很低。交通网络联系对出行者要求较低，并不需要很多的知识，但时间成本较高。交通网络联系有时伴随信息网络联系，旅行者交通出行前一般要查询目的地信息，信息网络联系为交通网络联系起到一定服务作用，百度指数代表的信息网络联系某种程度上可转换为现实的交通网络联系。城市间的网络联系不仅通过信息网络反映，也通过交通网络等反映，综合分析多种网络能真实反映城市群网络联系。

参考文献：

[1]张捷，顾朝林，都金康，等.计算机网络信息空间的人文地理学研究进展与展望[J].地理科学，2000，20（4）：368-374.

织梦好，好织梦

[2]汪明峰，宁越敏.网络信息空间的城市地理学研究：综述与展望[J].地球科学进展，2002，17（6）：855-862. 内容来自dedecms

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

本文来自织梦

[4]甄峰，刘晓霞，刘慧.信息技术影响下的区域城市网络：城市研究的新方向[J].人文地理，2007，22（2）：76-80.

[5]高鑫，修春亮，魏冶.城市地理学的“流空间”视角及其中国化研究[J].人文地理，2012，27（4）：32-36. copyright dedecms

[6]董超.“流空间”的地理学属性及其区域发展效应分析[J].地域研究与开发，2012，31（2）：5-8. 内容来自dedecms

[7]甄峰，王波，陈映雪.基于网络社会空间的中国城市网络特征——以新浪微博为例[J].地理学报，2012，67（8）：1031-1043. 本文来自织梦

[8]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[J].经济地理，2013，33（7）：67-73. 内容来自dedecms

[9]董超，修春亮，魏冶.基于通信流的吉林省流空间网络格局[J].地理学报，2014，69（4）：510-519. 织梦内容管理系统

[10]陈晨，修春亮.流空间视角的东北地区城市网络研究[J].地域研究与开发，2014，33（4）：82-89. 织梦好，好织梦

[11]赵映慧，高鑫，姜博.东北三省城市百度指数的网络联系层级结构[J].经济地理，2015，35（5）：32-37. dedecms.com