EN中文

热带地理 >

2021 , Vol. 41 >Issue 2: 229 - 242

DOI: https://doi.org/10.13284/j.cnki.rddl.003323

城市地理

城市网络关系中的广州、深圳城市功能研究

  • 郭磊贤 , 1, 2 ,
  • 吴晓莉 , 1, 2 ,
  • 郭晓芳 1, 2 ,
  • 周雪君 1, 2 ,
  • 阚长城 3
展开
  • 1. 深圳市城市规划设计研究院有限公司，深圳 518031
  • 2. 自然资源部城市土地资源监测与仿真重点实验室，深圳 518034
  • 3. 百度时代网络技术（北京）有限公司，北京 100085
吴晓莉（1973—），女，湖北广水人，教授级高级规划师，硕士，主要研究方向为规划信息化，（E-mail）。

郭磊贤（1988—），男，河南林州人，工程师，博士，主要研究方向为特大城市地区发展与规划，（E-mail）；

收稿日期: 2020-06-02

  修回日期: 2020-08-03

  网络出版日期: 2021-04-20

基金资助

国家重点研发计划资助(2019YFB2103101)

自然资源部城市国土资源监测与仿真重点实验室开放基金资助课题(KF-2018-03-059)

深圳市城市规划设计研究院有限公司科研项目

收起

Urban Functions of Guangzhou and Shenzhen Focusing on the City Network Relationship: A Comparative Analysis on the Original Places of Air Passenger Flow

  • Leixian Guo , 1, 2 ,
  • Xiaoli Wu , 1, 2 ,
  • Xiaofang Guo 1, 2 ,
  • Xuejun Zhou 1, 2 ,
  • Changcheng Kan 3
Expand
  • 1. Urban Planning & Design Institute of Shenzhen Co. , Ltd, Shenzhen 518034, China
  • 2. Key Laboratory of Urban Land Resources Monitoring and Simulation, Ministry of Natural Resources, Shenzhen 518034, China
  • 3. Baidu Times Network Technology Co. , Ltd. , Beijing 100085, China

Received date: 2020-06-02

  Revised date: 2020-08-03

  Online published: 2021-04-20

Fold

本文亮点

基于对城市功能映射于城市网络的理论认识，以城市间航空客流为中介，借助百度地图慧眼位置信息服务（LBS）大数据，采取比较广州、深圳航空客流来源地城市的功能特征，以及来自北京、上海两座特大型城市的广州、深圳航空客流在北京、上海两市中就业地所在城区的功能特征等两种途径，反向判断广州、深圳在中国城市网络中体现的总体功能特征倾向。结果表明：1）广州表现出行政管理、商贸等功能特征倾向；2）深圳的科技创新、金融与高新制造功能特征相对显著；3）深圳较广州在基于生产者服务业的中国城市网络中具有更高等级节点地位。文章采用的利用人口定位大数据从城市网络中灵活提取城市功能特征的方法，可作为对以经济产业类为统计数据进行城市功能研究的补充。

本文引用格式

郭磊贤 , 吴晓莉 , 郭晓芳 , 周雪君 , 阚长城 . 城市网络关系中的广州、深圳城市功能研究[J]. 热带地理, 2021 , 41(2) : 229 -242 . DOI: 10.13284/j.cnki.rddl.003323

Highlights

Over the past forty years of reform and opening up, the urban center system in the Pearl River Delta Region has been rapidly restructured. Its two central cities, Guangzhou and Shenzhen, have been fiercely competing in the field of economic development. Dealing with the functional positioning of the two cities has constituted a long-term concern for regional planning and policy making. Under the new circumstances of the Guangdong-Hong Kong-Macao Greater Bay Area, there is an urgent need to clarify the functional positioning of the two central cities of Guangzhou and Shenzhen. Further, there is a need to coordinate the relationship between competition and cooperation, the premise of which lies in the dynamic and accurate identification of urban functional characteristics. Previous studies directly used economic and industrial statistical data to study and analyze urban functions. However, due to the relative low frequency and high cost of data collection and analysis, it is difficult to carry out real-time analysis using these data. Based on the theoretical understanding of the projection of city functions to the city network, this article uses inter-city air passenger flow as its research medium. Further, it uses the air passenger flow data extracted from Baidu location-based services (LBS) big data. Taking the Chinese city network as its overall scope, it adopts the following two approaches. First, it compares the functional characteristics of the cities where the air passenger flows toward Guangzhou and Shenzhen are sourced. Second, it compares the functional characteristics of the employment places in the two megacities of Beijing and Shanghai, where the air passenger flows toward Guangzhou and Shenzhen are sourced. Therefore, the functional attributes and the functional areas of the source cities are used as the basis for identifying the comparative functional features of Guangzhou and Shenzhen to judge their overall functional characteristics in the Chinese urban network. The research results show the following. 1) First, compared with Shenzhen, Guangzhou's network connection with cities across China and Beijing and Shanghai focuses on administrative management and business functions. It plays the role of an administrative and business center within the spatial scale of the Pearl River Delta urban agglomeration. 2) Second, compared with Guangzhou, Shenzhen focuses on technological innovation, finance, and high-tech manufacturing functions, and plays the role of a technological innovation and financial center and high-tech manufacturing base under the scale of the Pearl River Delta. 3) Third, as the two major service industry centers in the Pearl River Delta region, Guangzhou focuses on public and general producer services, and Shenzhen focuses on advanced producer services such as finance and technological research and development. Shenzhen has a higher status within the Chinese urban network system based on the producer service industry. The method provided by this article, which involves locational big data to flexibly extract urban functional characteristics from the city network, is novel. Further, it can serve as a supplementary approach to the studies on urban functions which relied on traditional economic and industrial statistics. Meanwhile, the research results of this article provide evidence for deepening the theoretical understanding of the urban function-space-network mapping relationship.

珠江三角洲城市群的形成与演化过程伴随城市体系与中心城市的变迁（叶玉瑶，2015）。改革开放前，广州身兼珠三角乃至华南地区政治、文化、商贸、科教等中心职能，这一单中心格局随着改革开放后香港参与到珠三角的功能与产业分工进程而出现急剧变化（任思儒 等，2017）。而深圳作为邻近香港的经济特区，因其制造业尤其是高新技术产业发展而迅速崛起为区域中心城市（程玉鸿 等，2004）。至香港回归之时，珠三角已拥有广州、深圳两个区域主中心，“双中心”格局为1995年编制的《珠江三角洲经济区城市群规划》所确认（袁奇峰，2017）。与此同时，不断推进的分权化改革与行政区划调整塑造了珠三角的碎片化治理格局（Xu et al., 2010），中心城市外围地区也在快速城市化进程中形成多个产业发展的中心地带（李郇 等，2018），往后的历版珠三角区域规划均采取“多中心”的表述以引导城市群合作（赖寿华 等，2015），但在实践中并无法淡化广、深两座千万人口量级特大型城市在空间与核心职能领域的直接竞争，妥善处理两市的功能定位是中央与有关地方在区域发展与规划政策制定中长期关注的问题。在粤港澳大湾区发展的新形势下，国家对两市应扮演的区域职能与城市功能定位提出了有别于以往的新表述。广州、深圳如何合理定位、良性竞合，仍将是珠三角地区空间发展长期进程中无法回避的核心议题之一。
传统上，城市研究主要通过经济产业类数据分析城市功能。过往诸多文献借助珠三角地区内部的企业投资关系（马向明 等，2017）、行业产值（方远平 等，2019）等数据信息揭示广、深两市的区域职能特征。但鉴于广州、深圳作为全国性经济中心城市乃至在全球城市体系中已享有一定地位的既成事实，对于两市城市功能的研究也需要跳出珠三角内部的空间范畴，从更广阔的外部视野和更大尺度的城市网络关系中加以判别。一些研究已开始利用国家等尺度的城市网络介入对广州、深圳城市等级、地位、功能等属性的分析工作（唐子来 等，2014；Yeh et al., 2015；吴炫 等，2019）。但在更大的尺度上，经济产业类数据的收集与分析成本较珠三角尺度而言显著增加，必须研发更加高效的分析方法并寻找配套数据支撑。因此，本文尝试通过城际人口流动与不同城市功能空间的空间映射，从全国城市网络关系中剥离具体城市的功能特征，探索一种城市功能研究的新方法。

1 理论认识与研究综述

1.1　在城市网络关系中理解城市功能

“城市网络”是当代城市研究的重要谱系与核心视角之一。在20世纪末信息通讯技术同步快速发展的时代背景下，以卡斯特尔为代表的技术哲学思想家描述了一种在实体与虚拟网络中开展日常生活的“网络社会”场景（Castells, 1996）。作为一种经济社会现象，空中飞人、社交媒体等网络社会特征要素已经在当代世界中兑现，这些因人员、货物、资金、信息的交互联系而在不同地点间产生的人流、物流、资金流、信息流，成为串联产业链、供应链、价值链各环节的纽带，将地理分隔但功能关联的地点连接在一起。作为一类城市理论，“城市网络”的概念也在全球化和区域一体化深入演进的过程中广泛参与到城市研究中。在以“流”“网络”“节点”等术语构成的研究话语体系中，城市与区域系统的形成被表述为由各类“流”塑造“流空间”（Castells, 1996），进而形成城市网络中的“节点城市”的过程。节点城市的中心性，即城市网络体系中的城市等级，可用各类“流”的联系强度进行测度。世纪之交时，拉夫堡大学全球与世界城市（GaWC）研究小组将城市网络理论转译成以金融、商务等行业的跨国公司为研究中介的实证方法（Taylor et al., 2002）。这些生产者服务业甚至高级生产者服务业职能成为测度城市网络的核心线索（赵渺希 等，2012），而这一为全球学者不断重复和发展的方法也指向了一条逻辑不等价的推论，即城市扮演的生产者服务业角色也能够在城市网络关系中得到反映。这种关系被称为经济活动在城市网络中的“映射”（Taylor et al., 2015）。
传统上对城市功能的研究主要依托城市实体本身，借助经济产值、就业规模统计等经济产业类信息，通过区位熵法等计算方式完成（洪银兴，2003；于涛方 等，2006）。实现此类研究需要基于详细的调查统计，但上述数据收集时间跨度较大，实时性不高，使研究较被动，造成结论滞后。而基于城市功能与城市网络映射关系的理论观点，城市网络可以作为城市功能研究的一类场景与数据载体。

1.2　以航空客流网络表征相对高等级的城市功能联系

对于大城市而言，相对多样化的城市经济使其具备更加复杂的城市功能。在城市网络的理论视角下，大城市的政治管理、金融、商务、文化等各类功能都与其他城市的相近功能结为网络关系，并在这一关系中承担节点角色，但单一功能本身的网络与节点属性与总体特征不尽相同（Taylor, 2005; Zhen et al., 2013）。城市研究尤其是具有规划、政策指向的研究若要细致、精准地分析大城市在城市网络中的功能特性，首先需要对不同功能对应的子网络进行分解。
城市子网络的具体形式包括以关联投资、专利与学术合作、社交媒体、固话或移动通信等各类非实体连接，以及航空、铁路、公路等以人为对象的交通行为（潘峰华 等，2019）。已有研究认为，在各类城市网络形式中，航空流网络能够反映城市的等级与竞争力（于涛方 等，2008），它与各类以生产者服务业为代表的大城市或高等级城市特征功能更为耦合（赵渺希 等，2011），更能有效地反映较大空间尺度中的城市网络运行（朱惠斌，2014）。从城市网络理论源头来看，航空差旅客流背后蕴含的知识经济生产方式，也贴近卡斯特尔对于“网络社会”的现象描述。因此，本文拟基于由位置服务大数据筛选出的广、深机场航空客流数据，通过分析、比较具有特征功能的城市或城市功能区分别与广、深机场的客流联系强度，从而以客流来源城市和来源城市功能区的功能属性作为识别广、深城市功能比较特征的依据。

2 数据来源与研究方法

2.1　利用位置服务大数据获取航空客流网络

从航空流网络中剥离城市的功能特征，关键在于找到航空流来源或目的地城市或城区的功能特征，建立此类功能与研究对象城市的功能映射联系。但传统城市网络研究采用的城市间航线数据，仅能反映设有机场与直航连接城市间的联系关系，难以准确区分实际客流来源目的地及其所在城区尺度的信息。而基于个体定位信息的大数据的参与，使得通过航空旅客的精细位置数据并真实挖掘航空旅客来源地或目的地的分布情况成为可能。个体定位大数据也在过往研究中被证明是对经济产业类数据的有效补充（王垚 等，2018）。
从商业或科研途径获取的能够刻画航空客流的个体定位大数据主要有两种。其一为手机信令数据，定位精度受移动通信基站布点密度影响。其二为加载到移动设备应用的位置信息服务（LBS）大数据，可达到GPS定位精度。为了能够通过个体定位数据追踪航空客流，需要通过圈定曾在机场航站楼范围内逗留并在同日内到达异地城市的旅客信息，空间定位需要精确到建筑尺度。基于位置信息服务的定位大数据符合这一精度要求。在研究实践中，此类大数据已被用于分析不同人群活动地与城市功能之间的关系（胡刚钰 等，2019）。
本文采用百度地图慧眼提供的去隐私化位置信息服务数据提取航空客流信息，选取2018年10月某两个普通工作日，通过筛选在样本日期内曾经出现在广州白云机场、深圳宝安机场，但常住地不在广州、深圳及周边其他广东省内除湛江、汕头、潮州、揭阳等与广、深拥有直达航线联系城市的个体，将之识别为到往这两个城市的航空旅客，挖掘此部分航空旅客的常住居住地和工作地位置，作为本研究数据。样本日期选择主要考虑突出商务差旅，因此避开长假和双休日以尽可能排除旅游客流，同时避开春运和暑运以排除季节性人群迁徙对数据的干扰。

2.2　将航空客流来源地城市功能映射至研究对象城市

上述以中国大陆地区为范围的位置信息服务大数据提供了两种可供相互检验参照的城市功能－网络映射的途径。本文同时采用两种方法，从全国尺度下广州、深圳的航空客流网络中解析并归纳广州、深圳的城市功能特征（图1）。
图1 研究方法原理

Fig.1 Illustration of the research method

1）将去往广、深两市的航空客流日常居住地或工作地聚类到行政市域尺度，通过直接比较主要航空客流来源地城市的城市性质和功能特征，反推广、深两市的职能特征差异。
2）因特大城市在城市网络中的等级通常较高，且内部存在功能－空间分异（吴唯佳 等，2015），故特大城市各项功能运行依托的城市子网络与特大城市中的一部分空间节点而非城市整体构成功能网络关联（Hall et al., 2006）。考虑到与广、深两市在中国城市网络中联系程度较高、规模等级相对接近的北京、上海两市城市功能相对齐全，且城市内部存在功能－空间分异现象的客观特征，故单独提取来源地位于北京、上海的航空客流，以北京、上海的乡镇街道单元聚类日常工作地位置，比较分析乡镇街道单元所在城区的功能特征。

3 基于航空客流来源城市功能性质的分析

3.1　客流来源规模居前城市功能属性比较

本文获取了样本日期内广州、深圳航空客流规模主要来源地城市名单及客流量。识别到广州白云机场、深圳宝安机场进港航空旅客规模分别为62 659、50 933人次，客流来源居住地分别位于全国348、349个地级及以上城市，并提取客流规模各居前40位的来源地城市名单作为比较分析范围（表1）。
表1 样本日期内广州、深圳航空客流规模前40位来源地城市名单及客流量 (人次)

Table 1 List of the top 40 cities where the air passenger flows to Guangzhou and Shenzhen originated in the sample dates, with the amount of passenger flows

序号 广州 深圳 序号 广州 深圳
客流来源城市 客流量 客流来源城市 客流量 客流来源城市 客流量 客流来源城市 客流量
1 北京市 5 252 北京市 5 475 21 无锡市 682 长春市 515
2 上海市 5 160 上海市 5 439 22 大连市 638 济南市 466
3 成都市 1 815 成都市 2 075 23 长沙市 606 长沙市 384
4 杭州市 1 668 重庆市 1 574 24 长春市 592 石家庄市 374
5 重庆市 1 649 杭州市 1 463 25 台州市 556 太原市 353
6 西安市 1 269 苏州市 1 321 26 合肥市 543 常州市 352
7 宁波市 1 247 南京市 1 233 27 济南市 542 南通市 349
8 南京市 1 215 西安市 1 038 28 福州市 520 南昌市 339
9 苏州市 1 188 天津市 894 29 厦门市 518 贵阳市 337
10 天津市 1 156 郑州市 752 30 石家庄市 479 金华市 288
11 海口市 1 058 昆明市 685 31 三亚市 478 南宁市 278
12 温州市 944 合肥市 645 32 太原市 449 廊坊市 272
13 昆明市 936 沈阳市 637 33 贵阳市 432 兰州市 266
14 武汉市 851 青岛市 630 34 南宁市 427 乌鲁木齐市 266
15 青岛市 849 武汉市 618 35 常州市 422 厦门市 253
16 金华市 820 大连市 614 36 泉州市 382 保定市 242
17 沈阳市 795 海口市 612 37 廊坊市 373 嘉兴市 232
18 郑州市 759 宁波市 548 38 嘉兴市 342 三亚市 227
19 哈尔滨市 706 哈尔滨市 537 39 呼和浩特市 330 绵阳市 206
20 乌鲁木齐市 702 无锡市 527 40 绍兴市 291 温州市 206
在样本日期内广州、深圳航空客流规模各居前20位的来源地城市中，有17个城市重合。其余3个城市中，仅出现在广州前20位名单的城市有温州（第12位）、金华（第16位）和乌鲁木齐（第20位），仅出现在深圳前20位名单的城市为合肥（第12位）、大连（第16位）与无锡（第20位），但是大连、无锡飞往深圳旅客规模绝对值均不及两市飞往广州的航空流量，显著性不强。与广州相对联系强度更高的温州、金华均是以小商品生产和商贸为特色产业的城市，乌鲁木齐为省会城市；与深圳相对联系强度更高的合肥正在发展成为综合性国家科学中心和国家重要的先进制造业基地（图2）。
图2 样本日期内广州、深圳航空客流规模前20位来源地城市分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号GS(2019)1823号的标准地图制作，底图无修改。

Fig.2 Spatial distribution of the top 20 cities where the air passenger flows to Guangzhou and Shenzhen originated in the sample dates

将比较范围进一步扩展到广、深航空客流规模全部前40位来源地城市，则出现35个城市重合。其余5个仅现于广州列表中的城市为台州（第25位）、福州（第28位）、泉州（第36位）、呼和浩特（第39位）和绍兴（第40位），仅现于深圳列表中的城市为南通（第27位）、南昌（第28位）、兰州（第33位）、保定（第36位）和绵阳（第39位）。其中，与广州相对联系强度更高的台州、泉州、绍兴与前述温州、金华同为小商品工贸城市，呼和浩特与前述乌鲁木齐同为省会城市；与深圳相对联系强度更高的南通、南昌、兰州、保定、绵阳均为装备制造业基地，正在建设西部综合性国家科学中心的兰州和被誉为“中国科技城”的绵阳还承担了重要的科技研发功能（图3）。
图3 样本日期内广州、深圳航空客流规模前40位来源地城市分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号GS(2019)1823号的标准地图制作，底图无修改。

Fig.3 Spatial distribution of the top 40 cities where the air passenger flows to Guangzhou and Shenzhen originated in the sample dates

3.2　由全国航空客流网络体现的广、深城市功能倾向

从全国尺度的广州、深圳航空客流来源城市功能性质比较可见，广州相比于深圳而言与小商品工贸城市及省会城市的联系更加紧密，深圳则与从事电子、机械等装备制造业以及科技研发功能的城市间有着更为密切的联系。就广州与省会城市以及深圳与具有科技研发功能城市的强联系特征差异而言，广、深两市在中国城市网络可能分别与处在较高行政等级以及具有更高级生产者服务业职能的城市结成更紧密的子网络。
进一步核算、比较不同层级的城市去往广州、深圳的航空旅客总流量，发现在样本日期内广州机场国内进港航空旅客总量大于深圳机场的前提下，排名前2位（北京、上海）及前5位（北京、上海、成都、杭州、重庆）城市去往深圳的客流量均高于广州，且不同层级城市去往深圳与广州的客流量比值随该层级城市在表中排位的下降而递减。鉴于航空客流网络与生产者服务业网络的高度关联性，深圳较广州在全国城市生产者服务业网络中拥有更高等级的节点地位（表2）。
表2 不同航空客流规模等级客流来源地城市到广州、深圳的客流量比较

Table 2 Comparison of passenger flow to Guangzhou and Shenzhen from cities with different air passenger flow scale levels

客流来源城市 到广州客流量=X 到深圳客流量=Y Y/X×100%
客流量前2位城市 10 412 10 914 104.8
客流量前5位城市 15 544 16 026 103.1
客流量前10位城市 21 619 21 264 98.4
客流量前20位城市 30 039 27 317 90.9
客流量前40位城市 39 641 33 522 84.6
所有城市 193 907 162 734 83.9

4 基于客流来源城市内部城区功能特征的分析

为获知相关旅客在北京、上海的工作地空间分布，以对照这些城区的功能反推广州、深圳的城市功能倾向，本文获取了同一样本日期内客流来源地位于北京、上海两市并飞往广州、深圳机场航空旅客的日常工作地所在的乡镇街道位置。其中识别到日常工作地位于北京市域内且飞往广州、深圳的旅客分别为4 307、4 532人次，分别位于北京的229和219个乡镇街道；日常工作地位于上海市域内且飞往广州、深圳的旅客分别为4 239、4 392人次，分别位于上海的194和192个乡镇街道。

4.1 来源地为北京的广、深航空旅客就业城区功能比较

样本日期内北京飞往广州、深圳航空客流规模较大的旅客日常工作地所在乡镇街道主要位于北京中央商务区（建外街道、呼家楼街道、八里庄街道）、金融街地区（金融街街道）、中关村地区（上地街道、海淀街道、中关村街道）、望京地区（望京街道）。这些地区也是北京中心城区的主要就业中心区（表3）。
表3 样本日期内北京飞往广州、深圳航空客流规模前10位旅客来源地所在乡镇街道 (人次)

Tab.3 Top 10 townships in Beijing where the air passenger flows to Guangzhou and Shenzhen originated in the sample dates

序号 广州 深圳
客流来源乡镇街道 客流量 客流来源乡镇街道 客流量
1 建外街道 158 金融街街道 192
2 金融街街道 113 上地街道 167
3 上地街道 105 建外街道 165
4 花乡地区 102 海淀街道 137
5 后沙峪地区 96 中关村街道 109
6 海淀街道 95 呼家楼街道 106
7 八里庄街道 89 马连洼街道 98
8 望京街道 88 麦子店街道 97
9 呼家楼街道 85 望京街道 92
10 酒仙桥街道 78 八里庄街道 90
北京中心城区范围内飞往广州航空旅客数大于飞往深圳的乡镇街道主要分布于以下地区：1）位于天安门广场东西两侧的西城区西华门街道、东城区东华门街道，位于三里河地区的甘家口街道、羊坊店街道、月坛街道，以及位于北二环与北三环之间的和平街街道、和平里街道、安贞街道。这些地区是党中央、国务院、全国人大、全国政协、国家发改委、国资委等党和国家机关及多个重要部委所在地，承担首都核心功能；2）西长安街沿线的万寿路街道、老山街道、八宝山街道以及海淀区青龙桥街道，系中央军委及各军总部所在地，同样承担重要的首都核心功能；3）朝阳区朝外街道、三里屯街道，系外交部和多国驻华使馆所在地区，是首都对外交往功能空间的重要组成；4）位于南城的丰台区大红门街道、西罗园街道，系北京规模最大的小商品批发集散地（图4）。
图4 样本日期内飞往广州旅客数大于深圳的北京出发航空旅客就业地分布

Fig.4 Distribution of employment places in Beijing where the air passenger flows originated in the sample dates to Guangzhou weighed over those to Shenzhen

北京飞往深圳的航空旅客数大于飞往广州的乡镇街道主要分布于：1）西城区新街口街道、金融街街道、广安门内街道，即北京“金融街”所在地区，集中“一行三会”及各大国有商业银行总部；2）海淀区海淀街道、上地街道、马连洼街道、清河街道、中关村街道、田村路街道、清华园街道和燕园街道，即中关村科学城核心地区，中国科学院、清华大学、北京大学等科教机构以及大量科技创新职能集聚该地；3）朝阳区建国门街道、建外街道、呼家楼街道，系北京中央商务区所在地。金融街、中关村部分地区就业人员飞往深圳的航空旅客数量达到飞往广州的2倍以上（图5）。
图5 样本日期内飞往深圳旅客数大于广州的北京出发航空旅客就业地分布

Fig.5 Distribution of employment places in Beijing where the air passenger flows originated in the sample dates to Shenzhen weighed over those to Guangzhou

4.2　来源为上海的广、深航空旅客就业城区功能比较

样本日期内上海飞往广州、深圳航空客流规模较大的旅客日常工作地所在乡镇街道主要位于陆家嘴金融商务区（陆家嘴街道、花木街道）、张江地区（张江镇）、虹桥商务区（新虹街道）、虹桥开发区（虹桥街道、虹桥镇）、徐家汇地区（徐家汇街道）、漕河泾开发区（虹梅路街道）、南京西路商务区（南京西路街道）。这些地区也是上海中心城区最主要的商业、商务和就业中心区（表4）。
表4 样本日期内上海飞往广州、深圳航空客流规模前10位旅客来源地所在乡镇街道

Table 4 Top 10 townships in Shanghai where the air passenger flows to Guangzhou and Shenzhen originated in the sample dates

序号 广州 深圳
客流来源乡镇街道 客流量/人次 客流来源乡镇街道 客流量/人次
1 陆家嘴街道 156 陆家嘴街道 294
2 张江镇 137 张江镇 224
3 虹梅路街道 131 虹梅路街道 167
4 新虹街道 118 金桥镇 132
5 徐家汇街道 94 新虹街道 110
6 虹桥街道 94 花木街道 105
7 南京西路街道 91 徐家汇街道 100
8 虹桥镇 87 潍坊新村街道 96
9 安亭镇 72 虹桥镇 96
10 长风新村街道 69 虹桥街道 86
上海飞往广州航空旅客数大于飞往深圳的乡镇街道在上海中心城区范围内的空间分布不具显著的功能特征，且这些乡镇街道中多数并不位于上海中心城区的主要就业中心区，空间分布解释力不足。数量差异较大的乡镇街道中，仅在静安区静安寺街道、南京西路街道、徐汇区天平路街道、长宁区虹桥街道等外国驻沪使领馆集聚区表现出在国家对外交往与商贸功能上的突出特征（图6）。飞往深圳的航空旅客数大于飞往广州的乡镇街道分布特征相对显著，主要位于：1）黄浦区南京东路街道、外滩街道、豫园街道、小东门街道及浦东新区陆家嘴街道、潍坊新村街道、花木街道，这些地区均为上海主要的金融商务功能区；2）浦东新区张江镇，即张江科学城所在地；3）漕河泾开发区、市北高新区、金桥开发区等科技创新、高新制造园区所在的虹梅路街道、大宁路街道、金桥镇等乡镇街道；4）复旦大学、同济大学等科教机构所在的杨浦区五角场街道、新江湾城街道和四平路街道（图7）。
图6 样本日期内飞往广州旅客数大于深圳的上海出发航空旅客就业地分布

Fig.6 Distribution of employment places in Shanghai where the air passenger flows originated in the sample dates to Guangzhou weighed over those to Shenzhen

图7 样本日期内飞往深圳旅客数大于广州的上海出发航空旅客就业地分布

Fig.7 Distribution of employment places in Shanghai where the air passenger flows originated in thesample dates to Shenzhen weighed over those to Guangzhou

4.3　与北京、上海航空客流联系中体现的广、深城市功能倾向

综上所述，广州表现出与北京、上海的国家行政管理功能（含党政、军事、对外交往）与商贸功能的相对紧密联系，而深圳则与北京、上海的金融、科技创新功能集聚区之间具有强关联。与全国航空客流网络中体现的城市功能特征相比，广州显示的结论较为一致，深圳则在和北京、上海的网络联系中突出金融职能的关联，但并未体现与全国其他先进制造业基地城市间所表现出的相对紧密关联特征。尽管按工业产值计，深圳、上海是全国最大的两座工业城市，在全国工业生产制造网络中扮演重要角色，但鉴于两市在制造业品类上的差异，以及航空客流网络在表征非服务业功能关系上的缺陷，使得城市在制造业方面的功能特征并无法在任意的城市网络分析场景中都能得到体现。

5 结论与讨论

采用基于位置信息服务的定位大数据，通过从中国城市航空客流网络中提取与广州、深圳具有较强功能联系的城市及城区的方法，分析判断广、深两市的城市功能特征，获得以下结论：
1）广州相对于深圳，与全国城市及北京、上海的网络联系侧重于行政管理与商贸功能，在珠三角城市群空间尺度内扮演了行政中心、商贸中心的角色。这一结论事实上仍与十多年前基于全国城市各行业就业人数得出的广州城市功能判断保持连贯一致（王国恩 等，2009）。深圳相比于广州更侧重于科技创新及金融、高新制造功能，在珠三角尺度下扮演科技创新中心、金融中心和高新制造基地的角色。
2）作为珠三角地区的两大服务业中心，广州的服务业职能侧重公共服务与一般生产者服务业，深圳侧重于金融、科技研发等高级生产者服务业。深圳在基于生产者服务业的中国城市网络体系中具有更高等级地位。
上述结论对于深入探讨近期国家及地方规划政策对广州、深圳两市的功能定位表述合理性提供了基于城市网络关系的切入视角。《粤港澳大湾区发展规划纲要》与《广州市国土空间总体规划（2018－2035年）》（草案公示稿）从经济产业角度对广州提出的城市功能定位包括“国家中心城市”“商贸中心”与“科技产业创新中心/科技教育文化中心”。与此同时，《粤港澳大湾区发展规划纲要》以及中共中央《关于建设中国特色社会主义先行示范区的意见》也对深圳提出了“经济中心城市”“创新型城市”的定位要求。本文结论能够直接支撑广州作为综合性中心城市中的“行政中心”和“商贸中心”的功能定位特征。对于广、深两市均提出建设的“科技创新中心”而言，研究结论倾向于认为目前深圳的科技创新功能与全国城市网络尤其是北京、上海两大科技创新中心城市的联系更为紧密。但事实上，广州、深圳分别在基础研究与应用研究领域发挥重要角色（郑国雄 等，2019），两地在科技创新功能网络联系特征上的差异，可能也因具体功能侧重及其对应城际交通行为表征的不同而产生。在广、深共建科技创新走廊的发展背景下，广州、深圳更需要发挥各自的比较优势，推动科技创新领域的跨城合作，带动粤港澳大湾区整体建设国际科技创新中心（叶玉瑶 等，2020）。
本研究结果也表明，从城市网络关系中提取和间接测度城市功能特征的方法具有研究应用上的合理性，且相比基于经济产业类统计调查数据的传统方法而言更具灵活性和时效性，不受统计调查尺度、频度等不可控因素的限制，可作为对城市功能、性质、定位研究方法集的补充与横向参照。此外，人口定位大数据的参与大幅细化了城市网络研究的基础数据聚类空间尺度，将有助于深入对城市功能－空间－网络映射关系的理论认识，而空间数据精度的提升，也为数据分析尺度与维度的灵活选择与排列组合提供了可能性，扩展了城市网络研究的视角。但由于尚不具备可使用的全球范围人口定位大数据集，以及不同国家间边境管制对人口流动的非均衡屏障作用，本方法目前仍无法适用于更大尺度的全球城市网络与功能研究。
另外，本文所使用的数据样本还存在一些限制，结论存在随数据来源变化、优化而修正的可能性。其一，研究数据的覆盖面还有待提升，目前的数据仅来自单一提供方，由于以智能手机用户为代表的位置信息服务大数据生成者在手机应用使用偏好上的差异，单一来源的位置信息服务数据无法识别全部人口。其二，研究数据生成方法的科学性还有待持续提升，例如人口大数据平台主要利用智能手机定位功能以及用户对程序的调用来追踪用户的空间移动，机场旅客居住地与工作地位置的提取方式有赖于数据平台所采用的数据算法，这些算法的持续改进也将对分析结论造成影响。除改善数据质量外，未来还可通过扩大工作日、双休日以及重大事件期间等不同时段人口定位大数据样本的采集频次，以及与诸如企业投资等其他维度的数据进行交叉校核，更为全面地解析和评估广、深两市以及其他城市的功能特征。

脚注

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Castells M. The Rise of the Network Society. 1996. Cambridge: Blackwell.

程玉鸿，许学强，薛德升．2004．珠江三角洲产业结构演变与城镇发展的时空差异分析——兼论广州与深圳区域地位的变化．地域研究与开发，23（3）：27-31，36．[Cheng Yuhong, Xu Xueqiang and Xue Desheng. 2004. Evolution of Industrial Structure and the Developmental Diversity of the Cities in Space-Time on the Pearl River Delta—A Discuss on the Changes of Regional Roles of Guangzhou and Shenzhen. Areal Research and Development, 23(3): 27-31, 36. ]

方远平，彭婷，陆莲芯，毕斗斗，陈再齐．2019．粤港澳大湾区城市职能演变特征与影响因素．热带地理，39（5）：647-660．

Fang Yuanping, Peng Ting, Lu Lianxin, Bi Doudou and Chen Zaiqi. 2019. Characteristics and Influencing Factors of Urban Function Evolution in the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 39(5): 647-660.

Hall P and Pain K. 2006. From Metropolis to Polyopolis//Hall P and Pain K. The Polycentric Metropolis: Learning from Mega-City Regions in Europe. London: Earthscan, 3-16.

洪银兴．2003．城市功能意义的城市化及其产业支持．经济学家，（2）：29-36．

Hong Yinxing. 2003. Urbanization in Its Functional Sense and Corresponding Industrial Support. Economist, (2): 29-36.

胡刚钰，黄建中，李峰清．2019．厦漳泉大都市区空间网络结构分析——基于人流活动特征的LBS大数据分析．现代城市研究，34（11）：13-19．

Hu Gangyu, Huang Jianzhong and Li Fengqing. 2019. Spatial Network Structure Analysis of Xia-Zhang-Quan Metropolitan Area: LBS Big Data Analysis Based on Crowds' Activities Characteristics. Modern Urban Research, 34(11): 13-19.

赖寿华，闫永涛，刘冠男，庞晓媚，李亚洲．2015．珠三角区域规划回顾、评价及反思．城市规划学刊，（4）：12-19．

Lai Shouhua, Yan Yongtao, Liu Guannan, Pang Xiaomei and Li Yazhou. 2015. A Review, Evaluation and Evaluation of the Pearl River Delta Regional Plan. Urban Planning Forum, (4): 12-19.

李郇，周金苗，黄耀福，黄玫瑜．2018．从巨型城市区域视角审视粤港澳大湾区空间结构．地理科学进展，37（12）：1609-1622．

Li Xun, Zhou Jinmiao, Huang Yaofu and Huang Meiyu. 2018. Understanding the Guangdong-Hong Kong-Macao Greater Bay Area from the Perspective of Mega-City Region. Progress of Geography, 37(12): 1609-1622.

马向明，陈洋．2017．粤港澳大湾区：新阶段与新挑战．热带地理，37（6）：762-774．

Ma Xiangming and Chen Yang. 2017. The Guangdong-Hong Kong-Macao Greater Bay Area: A New Era and a Big Challenge. Tropical Geography, 37(6): 762-774.

潘峰华，方成，李仙德．2019．中国城市网络研究述评与展望．地理研究，39（7）：1093-1101．

Pan Fenghua, Fang Cheng and Li Xiande. 2019. The Progress and Prospect of Research on Chinese City Network. Scientia Geographica Sinica, 39(7): 1093-1101.

任思儒，李郇，陈婷婷．2017．改革开放以来粤港澳经济关系的回顾与展望．国际城市规划，（3）：21-27．

Ren Siru, Li Xun and Chen Tingting. 2017. Retrospect and Prospect of Guangdong, Hong Kong and Macao' Economic Relations since Reform and Opening Up. Urban Planning International, (3): 21-27.

唐子来，李涛．2014．京津冀，长三角和珠三角地区的城市体系比较研究——基于企业关联网络的分析方法．上海城市规划，（6）：37-45．

Tang Zilai and Li Tao. 2014. A Comparative Analysis of Urban Systems in the Beijing-Tianjin-Hebei Region, the Yangtze River Delta Region and the Pearl River Delta Region: An Approach of Firm-Based Interlocking Network. Shanghai Urban Planning Review, (6): 37-45.

Taylor P J, Catalano G and Walker D R F. 2002. Measurement of the World City Network. Urban Studies, 39(13): 2367-2376.

Taylor P J. 2005. Leading World Cities: Empirical Evaluations of Urban Nodes in Multiple Networks. Urban Studies, 42(9): 1593-1608.

Taylor P and Derudder B. 2015. World City Network: A Global Urban Analysis. 2nd Edition. London: Routledge.

王国恩，王建军，周素红，宗会明．2009．基于国家中心城市定位的广州核心职能研究．城市规划，（S2）： 13-19，25．

Wang Guo'en, Wang Jianjun, Zhou Suhong and Zong Huiming. 2009. Core Functions of Guangzhou Based on Its Orientation of National Central City. City Planning Review, (S2): 13-19, 25.

王垚，钮心毅，宋小冬，丁亮．2018．人流联系和经济联系视角下区域城市关联比较——基于手机信令数据和企业关联数据的研究．人文地理，33（2）：84-91．

Wang Yao, Niu Xinyi, Song Xiaodong and Ding Liang. 2018. The Comparison of Regional Urban Relations between People Flow and Capital Flow. Human Geography, 33(2): 84-91.

吴唯佳，于涛方，武廷海，赵亮，唐燕，陈宇琳，李王锋，吕春英，段进宇，陈一铭．2015．特大型城市功能演进规律及变革——北京规划战略思考．城市与区域规划研究，7（3）：1-41．

Wu Weijia, Yu Taofang, Wu Tinghai, Zhao Liang, Tang Yan, Chen Yulin, Li Wangfeng, Lv Chunying, Duan Jinyu and Chen Yiming. 2015. The Evolution Rule of Urban Function in Mega Cities and Its Reform: Strategic Reflection on Beijing Capital Region Planning. Journal of Urban and Regional Planning, 7(3): 1-41.

吴炫，杨家文．2019．流动量与关注度视角下的城市网络结构——以广州、深圳为例．地理科学进展，38（12）：1843-1853．

Wu Xuan and Yang Jiawen. 2019. City Network by Mobility and Attention Indices: A Comparison of Guangzhou and Shenzhen. Progress in Geography, 38(12): 1843-1853.

Xu J and Yeh A G O. 2010. Coordinating the Fragmented Mega-City Regions in China: State Reconstruction and Regional Strategic Planning. In: Xu J and Yeh A G O. Governance and Planning of Mega-City Regions: An International Comparative Perspective. London: Routledge, 213-235.

叶玉瑶．2015．珠江三角洲城市群空间演化：格局、机制与趋势．北京：科学出版社．[Ye Yuyao. 2015. Spatial Evolution Mechanism of the Pearl River Delta Urban Agglomeration: Pattern, Mechanism and Trend. Beijing: Science Press. ]

叶玉瑶，王景诗，吴康敏，杜志威，王洋，何淑仪，刘郑倩．2020．粤港澳大湾区建设国际科技创新中心的战略思考．热带地理，40（1）：27-39．

Ye Yuyao, Wang Jingshi, Wu Kangmin, Du Zhiwei, Wang Yang, He Shuyi and Liu Zhengqian. 2020. Strategic Thinking Regarding Building an International Science and Technology Innovation Center in the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 40(1): 27-39.

Yeh A G O, Yang F F and Wang J. 2015. Producer Service Linkages and City Connectivity in the Mega-City Region of China: A Case Study of the Pearl River Delta. Urban Studies, 52(13): 2458-2482.

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

Yu Taofang, Gu Chaolin and Li Zhigang. 2008. China's Urban Systems in Terms of Air Passenger and Cargo Flows since 1995. Geographical Research, 27(6): 1407-1418.

于涛方，顾朝林，吴泓．2006．中国城市功能格局与转型——基于五普和第一次经济普查数据的分析．城市规划学刊，（5）：13-21．

Yu Taofang, Gu Chaolin and Wu Hong. 2006.Structure and Transformation of Urban Function in China. Urban Planning Forum, (5): 13-21.

袁奇峰．2017．从“省港”到“穗深港”粤港澳大湾区中的广州．北京规划建设，（4）：170-172．

Yuan Qifeng. 2017. From "Guangzhou and Hong Kong" to "Guangzhou, Shenzhen and Hong Kong" Guangzhou in the Guangdong-Hong Kong-Macao Greater Bay Area. Beijing Planning Review, (4): 170-172.

赵渺希，陈晨．2011．中国城市体系中航空网络与生产性服务业网络的比较．城市规划学刊，（2）：24-32．

Zhao Miaoxi and Chen Chen. 2011. A Comparison between Airline Passenger Network and Advanced Producer Service Network in the Urban System of China. Urban Planning Forum, (2): 24-32.

赵渺希，刘铮．2012．基于生产性服务业的中国城市网络研究．城市规划，（9）： 23-28, 38．

Zhao Miaoxi and Liu Zheng. 2012. Research on China's City Network Based on Production Service Industry. City Planning Review, (9): 23-28, 38.

Zhen F, Wang X, Yin J and Zhang M. 2013. An Empirical Study on Chinese City Network Pattern Based on Producer Services. Chinese Geographical Science, 23(3): 274-285.

郑国雄，王眉．2019．广深科技创新走廊建设背景下广州与深圳科技创新能力对比研究．科技和产业，（7）：56-59．

Zheng Guoxiong and Wang Mei. 2019. The Comparison Research of Guangzhou and Shenzhen Scientific and Technological Innovation Ability under the Background of Guangshen Science and Technology Innovation Corridor Construction. Science Technology and Industry, (7): 56-59.

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

Zhu Huibing. 2014. The Chinese City Function Network Based on Aviation Passenger Flow. Economic Geography, 34(4): 59-63.

Options
文章导航

/

〈 〉