EN中文

热带地理 >

2023 , Vol. 43 >Issue 7: 1326 - 1338

DOI: https://doi.org/10.13284/j.cnki.rddl.003714

城市地理

基于多源数据的东莞城市公共中心体系识别与形成机制研究

  • 毕瑜菲 , 1, 2 ,
  • 张佶 1, 2 ,
  • 李洋 1, 2
展开
  • 1. 广州市城市规划勘测设计研究院，广州 510060
  • 2. 广东省城市感知与监测预警企业重点实验室，广州 510060

毕瑜菲（1992—），女，山西泽州人，创新中心规划师，工程师，硕士，注册城乡规划师，主要研究方向为城市规划与设计、通勤行为研究等，（E-mail）。

收稿日期: 2022-05-09

  修回日期: 2022-06-22

  网络出版日期: 2023-08-02

基金资助

广东省城市感知与监测预警企业重点实验室基金项目(2020B121202019)

广州市城市规划勘测设计研究院科技基金项目：广州标志性文化空间研究(RDI2210202159)

收起

The Identification and Formation Mechanism of the Dongguan Urban Public Center System Based on Multi-Source Data

  • Yufei Bi , 1, 2 ,
  • Ji Zhang 1, 2 ,
  • Yang Li 1, 2
Expand
  • 1. Guangzhou Urban Planning & Design Survey Research Institute, Guangzhou 510060, China
  • 2. Guangdong Enterprise Key Laboratory for Urban Sensing, Monitoring and Early Warning, Guangzhou 510060, China

Received date: 2022-05-09

  Revised date: 2022-06-22

  Online published: 2023-08-02

Fold

本文亮点

基于POI、手机信令、百度建筑等开源数据和传统土地利用数据等多源数据，运用核密度、空间自相关分析等方法全方位、全时态识别东莞城市公共中心体系的空间布局、功能等级和服娱腹地，并从空间形态和功能联系视角评估规划实施效果，最后从政策制度、外资投入、产业经济、土地要素和交通设施等因素探究形成机制。结果发现：1）运用多源数据综合识别东莞城市公共中心体系的技术方法有效、准确且实用，东莞中心体系已初步具有“形态多中心”和“功能单中心”的双重空间特征；2）规划对于东莞城市中心体系的构建具有一定的推动作用，但形态和功能方面的发育情况距规划均有一定差距；3）东莞城市中心体系是政府力与市场力多方博弈的结果，不单取决于政府政策制定、土地投放和设施建设，也与资本投入和产业转移息息相关。

本文引用格式

毕瑜菲 , 张佶 , 李洋 . 基于多源数据的东莞城市公共中心体系识别与形成机制研究[J]. 热带地理, 2023 , 43(7) : 1326 -1338 . DOI: 10.13284/j.cnki.rddl.003714

Highlights

Public center systems planning is of great significance in controlling and guiding the optimization of urban spatial structures, activating the efficiency of urban operations, and improving the quality of urban spaces and human living environments. However, most previous studies used a single data source and focused on identifying the physical space characteristics centered on traditional commercial and public service facilities, making it difficult to accurately measure the actual operational performance of public centers. Therefore, this study relied on multiple data sources to research Dongguan City in South China from multiple perspectives. The formation of Dongguan's central system was affected by two factors: the external force of the megacity region and the endogenous driving force of urban development. First, qualitative and quantitative calibration methods were used to identify the spatial patterns of public centers from the spatial morphological dimension in an all-round and all-temporal manner using Kernel Density Estimation (K) and the Getis-Ord G i * statistical method. Second, the functional hierarchy and service hinterland of centers at all levels were identified using the dynamic human activity links of the recreational population. Third, the effectiveness of planning implementation was evaluated from the perspective of spatial morphology and functional connection. Finally, starting from the factors of policy system, foreign investment, industrial economy, land factors, and transportation facilities, this study explored the formation mechanism of the center in a targeted manner, trying to provide a reference for the benign development of similar manufacturing cities. The results showed that: 1) the technical method using multisource data such as POI, cell phone signaling, and Baidu building footprint and traditional land use data to identify the public center system was effective, accurate, and practical. Dongguan had initially formed a center system with dual spatial characteristics of "morphological polycentric" and "functional monocentric"; 2) the plan had a certain role in promoting the construction of the center system. However, the development in terms of morphology and function was somewhat different from the plan; 3) the center system resulted from a multiparty game between the government and the market power. Thus, the center system depended on government policy formulation, land allocation, and facility construction and was closely related to capital investment and industrial transfer. Dongguan's urban public center system was important and highly correlated with the city's degree of industrial development. Therefore, this study included modern productive service elements in the center identification elements for the first time while focusing on extending the research object to the functional network of the Pearl River Delta megacity region, using the regional dynamic spatial movement trajectory of human flow to identify the distribution of urban center systems, and comprehensively defining the elements and technical methods of urban public center system identification, in an attempt to provide a reference for similar manufacturing cities.

在第三产业化、信息化以及由此产生的空间分离等因素的影响下，全球形成了以少数全球城市为主导的新城市等级体系，其形成与发展客观上促进了巨型城市区域（Megacity-region） 1的产生（朱子明，2015）。巨型城市区域作为参与全球区域经济竞争的基本单位，是协调社会经济生活的一种最先进形式，也是竞争优势的重要来源（吴志强 等，2008）。全球城市及其腹地城市共同构成功能联系紧密的参与全球产业链的整体区域（陈文涛，2020）。巨型城市区域普遍呈现多中心的空间格局，其是由形态上分离但功能上相互联系的城市共同形成并集聚在区域中心城市周围的发展模式，其中节点城市对于空间和产业发展的话语权和自主性相对较低，在空间和功能上被分割为若干个紧紧镶嵌于区域分工网络的功能性城市区域（Function Urban Regions），通过交通流、信息流和客运流等“流动空间”要素与区域中心城市相互联系（朱惠斌 等，2015），政府通过空间重构为地区寻找到更多有助于流动资本“粘连”“附着”的机会，增强地区竞争力（张京祥，2013）。
在珠三角巨型城市区域近40年的发展历程中，一方面，广深港等中心城市不断成长，城市服务腹地持续外扩，对腹地城市的“虹吸效应”日益强化。地处广-深２市之间的东莞，高度依赖区域中心城市的产业分工协作，紧抓全球制造业转移的重要机遇，在“流动空间”的传递下，通过功能性城市单元积极承接全球流动资本并融入到全球产业分工网络中（李健，2012），形成多个连绵成片且产业实力强劲的专业镇，在短短几十年内迅速成长为珠三角巨型城市区域的重要节点。该过程在一定程度上决定了东莞的生产生活空间的组织布局，进而影响中心体系格局，尤其是临深和临穗地区已嵌入深、穗2地功能性联系网络，呈现受外部力量拉扯变为更破碎的市域空间格局。另一方面，扁平化的市镇体制，32个镇街之间各自为政和难以协商的行政体制壁垒，使空间格局和功能单元更为破碎，基础设施重复建设，城市中心服务功能不足，土地资源低效利用。总体而言，珠三角巨型城市区域面临巨大的空间治理挑战（黄哲 等，2021）。自2005年起，地理空间布局愈来愈注重“流动空间”的流动性和可塑性特点，政府倾向于运用相对柔性的“尺度重构”（rescaling）手段重构空间治理关系（张京祥，2013）。2005年东莞市域城镇体系规划首次提出分区统筹的发展思路，2016版《东莞市城市总体规划（2016—2030年）》 2作为首个全域城市总体规划，进一步强化了“三心六片”多中心城市空间发展格局的规划路径构建。那么目前东莞城市公共中心发展得如何？对于以制造业为主导的位于巨型城市区域功能网络内的节点城市，在区域中心城市外部作用和城市发展的内生驱动影响下，城市总体规划设想的多中心结构是否应继续沿着既定的趋势发展？规划对多中心结构的形成又发挥了多大作用？上述问题尚未有明确的答案。
过去针对公共中心体系的研究往往采用单一数据源，研究对象上，侧重传统的公共服务设施，多从用户视角借助细粒度人口数据、夜间灯光数据、手机信令和大众点评等数据，识别用户密度，进而识别中心分布；或通过各类设施指标及用地指标识别物质空间分布（晏龙旭 等，2016；施歌 等，2017；郑晓伟，2017；Liu et al., 2018; Yang et al., 2021）。鲜少有研究结合用户视角和物质空间分布，综合衡量中心体系发展绩效。研究范围上，多聚焦城市内部商业、商务、休闲娱乐和文化体育等单一类型的专项中心；或以自身行政管辖区域为边界的中心体系（晏龙旭 等，2016；钮心毅，2019）。研究方法上，多使用常规测度方法，如核密度分析法、局部空间自相关分析法和因子分析法，识别显著的热点区域等空间形态层面（Asikhia et al., 2013; Xiao et al., 2021；金忠民 等，2019），缺少对区域实际功能联系的测度和研究，难以精准评价公共中心体系规划实施效果。
因此，本研究以珠三角模式的原生样本东莞为对象，综合分析城市公共中心体系识别与构建，借助多角度评估和检验多中心战略的实施效果，分析中心体系的形成机制，探究在政府力与市场力共同作用下，城市中心结构的显性化特征与内在的功能性联系。以期对控制引导城市空间结构优化、激活城市经营效率以及提升城市空间品质和人居环境政策的制定提供参考。

1 公共中心体系的识别与评估

1.1　识别与评估体系的建构逻辑

城市公共中心体系指城市中由不同职能、等级规模和服务范围的中心区构成的联系密切且相互依存的有机整体（杨俊宴 等，2011），作为城市经济和社会生活最核心的空间载体，承载着城市最重要的公共管理和综合服务职能，人口、公共服务和商业商务设施高度集聚，集中体现了城市的综合发展水平，其形成受到城市历史文化资源、自然环境和社会经济等诸多因素的影响。根据人流活动特征、设施及用地类型，公共中心可分为商业中心、商务中心、休闲娱乐中心、文化体育中心和教育科研中心等诸多类型。作为城市经济和社会生活最核心的空间载体，公共中心发展程度由设施投入的规模、活动品质和人群选择等因素综合决定（金忠民 等，2019），中心体系的识别有利于明确现有城市空间格局和各级中心职能与等级，为规划实施评估、远期规划编制、城市治理和公共政策制定等方面奠定基础，为未来城市发展提供方向和策略（罗震东 等，2008）。
随着城市内涵式建设和品质化发展要求的增加，针对城市空间和功能单元破碎、中心服务能级不足以及土地资源低效利用等问题，传统的重生活服务-轻生产服务的识别要素、重物质空间-轻人群使用需求的识别路径以及就城市论城市的公共中心识别方法难以为继。因此，本文重点构建城市公共中心体系识别与评估的协同研究，借助多源数据，重新定义制造业城市公共中心体系识别要素和技术方法，重点聚焦于生活-生产服务设施的供给以及动态人流活动信息，将研究范围扩大至巨型城市区域功能网络，从空间形态和功能联系视角识别中心体系，检验多中心规划的实施效果，试图丰富同类制造业城市空间结构和公共中心体系研究内容，对于提高多中心体系的营造效率具有实践意义。一方面，结合制造业城市特质，在公共中心的职能选取上，除传统研究中的公共服务配套要素外，侧重现代生产性服务要素供给，聚焦专业化程度高且知识和技术要素密集的生产配套设施，通过生产生活服务要素综合识别公共中心体系空间格局 3。另一方面，从人类空间行为特征入手，基于以人为核心的城市研究和规划需求，重点将研究对象扩展至湾区巨型城市区域功能网络，依托海量大数据分析人类日常生活与城市空间之间的互动关系，持续研究不同人群在不同时间段的资源需求以及游憩活动的时空行为特征，准确掌握人流的空间移动轨迹，进而识别真正使用的城市空间分布，结合物质空间构成，共同确定公共中心体系，进而引导空间要素高效配置。

1.2　数据来源与研究方法

借助传统土地利用数据，识别空间范围；使用高德POI数据和百度建筑数据，识别设施能级和中心集聚度；使用移动手机信令数据，识别用户规模和动态人流活动联系强度（图1）。多维度构建公共中心识别体系，运用核密度分析法、局部空间自相关统计分析法，综合识别中心空间分布特征，研判空间布局、边界、类型和等级。
图1 多源数据来源及构成

Fig.1 Source and composition of multi-source data

1.2.1　数据来源与处理规则

传统土地利用数据源于第三次全国国土调查 4，于2019年12月由东莞市自然资源局提供，从中提取东莞市公共管理与公共服务设施用地（行政办公、文化与体育）、商业服务业设施用地以及交通枢纽用地等现状用地斑块，尝试以用地性质为依据进一步推测建筑功能。
大数据包括百度建筑数据、手机信令数据和高德POI（Point of Interest）数据。其中百度建筑数据爬取于2019年12月，具体包含建筑面积和高度等信息，数据清洗后共获得25万栋建筑信息，叠加现状土地利用数据后，共识别出5.1万栋商业、商务和公服建筑。
手机信令数据源自中国移动，包括2020年1月人口静态分布数据和2018年9月OD出行数据（Origin-Destination，即指出行的出发地-目的地）。人口静态分布数据方面，根据信令停留时间将其分为本地居民和外来访客2类。通过服务基站获取手机用户的地理位置，选取工作日和周末数据相互校核，筛选出本地居民在工作日的非工作时间或非工作日时间，将除居住地和就业地以外，本地居民停留时间超过30 min的地点筛选为服娱地点。同理，将除居住地和工作地以外，外来访客停留时间最长的地点同样识别为服娱地点。两类数据共同用于识别公共中心的人口集聚范围，共识别出数据约2 000万条。OD出行数据方面，采用连续两周（累计14 d）的数据相互校核，共识别出周末休息日到访东莞公共中心的常住居民107万人、外来访客8万人，共计116万人，将常住居民和外来访客到访中心的停留地点作为出行端点，统计得到服娱出行OD信息。
高德POI数据爬取自2018年6月，即通过网络爬虫技术从高德地图获取生产、生活和公服设施点，包含设施名称、类型、地址、经纬度和电话等信息，清洗整合后共获得10大类、39小类设施，共计23.54万个POI点状数据。

1.2.2　研究方法

本研究综合定义服务娱乐人口（以下简称“服娱人口”），包括常住人口和“区域内稳定驻留12 h以上、半年以下的游客、就医者、商务访客等典型短期访客人群”，即需要本市提供交通、公共服务、商业、商务等城市基本服务的停留人口。其指标算法为：利用手机信令数据识别2020年1月在东莞市内稳定驻留时间超过12 h以上，在非工作日或工作日非工作时间内，在非居住地和非就业地停留时间超过30 min的常住居民或短期访客人群。在此基础上，采用定性和定量相结合的方法，通过核密度以及局部空间自相关分析法，综合识别东莞公共中心空间分布、等级特征、职能特征和服娱腹地。
1）核密度分析法
核密度分析法是概率统计学中求解随机变量分布密度函数的重要方法之一（Manepalli et al., 2011）。通过计算要素在指定领域内的单位密度，将人口和设施等离散数据进行平滑处理，进而形成连续分布的密度图，可用于判别公共中心的空间分布特征。计算公式为：
f x = 1 n h ∑ i = 1 n k ( x - c i h )
式中：f（x）为空间位置x处的核密度计算函数；h为x点距离中心点的距离衰减阈值；n为与点x之间距离≤h的要素点数；k函数则表示空间权重函数，一般是距离衰减函数。采用ArcGIS进行核密度计算，不采用加权处理，h值会根据样本特征进行自动计算。
2）局部空间自相关分析法
虽然核密度分析法能够准确判别公共中心空间分布特征，但较难得到公共中心的实际边界，因此，本研究采用局部空间自相关分析法，以在一定程度上弥补核密度分析法的不足，重点测度人口和设施在空间上的热点区域和冷点区域（Getis et al., 1992;Manepalli et al., 2011），从而获得局部区域的高值聚类区域和低值聚类区域。高值聚类区域即可识别为公共中心，对于个别不是由商业和商务等空间集聚而产生的高值区，如大型医院或学校，应对照现状用地性质予以剔除。计算公式为：
G i * = ∑ j = 1 n ω i , j - x j - X ¯ ∑ j = 1 n ω i , j S [ n ∑ j = 1 n ω i , j 2 - ( ∑ j = 1 n ω i , j ) 2 ] n - 1
X ¯ = ∑ j = 1 n x j n
S = ∑ j = 1 n x j 2 n - X ¯ 2
式中： G i *是地理单元i的Getis-Ord指数； x j是要素j的属性值； ω i , j是要素i和j之间的空间权重；n为要素总数； X ¯是所有地理单元属性值的平均值；S是属性值的标准差。 G i *指数越大，表明地理单元集群的程度越高。

2 识别结果

巨型城市区域具有“形态多中心”（Morphological Polycentricity）和“功能多中心”（Functional Polycentricity）2种模式，前者受自然环境和区位条件制约，功能联系较少，多出现在区域发展水平较低的地区；后者在资金、技术和体制等因素影响下，突破地理空间限制，形成专业化生产和分工有序的集群关系（Kathy, 2006；朱子明，2015）。
为顺应人口日益增长现状，东莞逐步拓展出多个中心，然而广、深、港等区域中心城市的虹吸效应严重制约了东莞高端服务设施的转型升级，高等级中心服务能级发育较为困难，因此形成了空间布局分散、服务职能均质、服务能级低且腹地小的多中心空间格局。

2.1　“形态多中心”：极度扁平化和中心极化共存

“形态多中心”即各类要素在空间上均衡分布，具有不同规模的城镇或中心组团相互独立，未能形成明显的集聚效应（何东 等，2019）。从形态学角度入手，运用核密度分析法和局部空间自相关统计分析法，结合高德POI数据和百度建筑数据，识别设施能级和中心集聚度；利用移动手机信令数据，识别服娱用户密度和空间分布；利用传统土地利用数据，明确公共中心空间范围，进而综合识别中心空间分布特征。结果表明，东莞呈现极度扁平化的多中心空间格局，城市活力区聚集在中心城区和经济发达的镇街内，沿松山湖—大朗—寮步—中心城区—厚街—虎门—长安等形成多中心环状分布的城市服务簇群，此外，常平、大朗、寮步、塘厦和凤岗等镇街形成了相对独立的集聚中心。然而，结合建筑量和服娱人口分布及集聚情况，进一步分析中心能级时，发现除中心城区和长安中心外，整体空间利用扁平均质，呈现中心高度极化的空间特征。定量测度各级中心公共设施建筑量和服娱人口密度发现，中心城区中心和长安中心的公共设施建筑量分别为11.433 4和6.379 1 km²，服娱人口密度分别为9.88万人/km²和13.1万人/km²，位于全市前2，显著高于全市第3位的虎门中心（2.555 9 km²和7.99万人/km²）。

2.1.1　扁平化的中心体系难以匹配超千万人口级的城市结构

“市镇”两级体制下，镇街发展条件趋同，人口围绕产业用地高度集聚，长安与虎门、厚街、中心城区、寮步、大朗共同形成带状连绵的高集聚区，其余区域呈现低密度和均质化的空间特征（图2）。然而，各类设施高度集聚于中心城区和经济及产业发达的镇街内，虎门、长安和常平等中心内集聚程度仅次于中心城区中心，除麻涌和红梅等镇街外，各镇街均存在设施集聚而形成服务辖区的镇级中心，设施配置整体呈现极度扁平化的空间特征（图3），与人口空间分布的耦合性较差，例如，采用POI数据测算公共设施密度时，发现大朗中心、厚街中心等镇街中心居住人口密度极高，分别为2.82万和3.02万人/km2，位列全市第3和4位，然而，其POI设施供给与居住人口分布极不匹配，设施密度分别为25.85万和33.47万m2，位于全市第15和第7位。
图2 东莞市居住人口空间分布

注：该图基于广东省标准地图服务子系统网站下载的审图号粤S（2018）016号的标准地图制作，底图无修改；后图同。

Fig.2 Spatial distribution of residential population in Dongguan

图3 基于POI设施的东莞市公共中心识别

Fig.3 Identification of Dongguan public center based on POI facilities

2.1.2　市级中心高度极化，各类要素显著集聚

服娱人口和公共设施建筑量重点依托环莞快速呈带状布局（图4），其中中心城区和长安等中心具有绝对优势，各类发展要素高度极化，集聚全市公共中心58%的人口和51%的建筑量，厚街、虎门和常平等中心要素集聚程度次之，塘厦和石碣等中心虽然集聚了大量的居住人口和POI设施，但中心能级较低，对服娱人口和公共设施要素的吸引力不足。此外，其余镇级中心基本无要素集聚，未形成明显的公共中心，设施服务能级极低。
图4 基于服娱人口和建筑量的东莞市公共中心识别

Fig.4 Public center identification based on service and entertainment population and construction volume in Dongguan

2.2　“功能单中心”：与邻近城市联系紧密，内部呈现单中心空间特征

“形态多中心”并不一定是“功能多中心”（何东 等，2019），东莞经济空间格局在区域中心城市的吸引和辐射下被深刻重塑（袁奇峰 等，2020）。随着珠三角巨型城市区域内要素流动逐步紧密化，建设空间向连绵化发展，湾区呈现跨界融合的发展趋势，东莞通过“人才流”和“信息流”等要素流动与中心城市共同构成联系紧密的功能单元。服娱人口休息日跨区域流动结果表明，受广、深等区域中心城市和惠、佛等邻近城市的影响，东莞逐渐突破地理界限的限制，与周边城市临界区域紧密联系，其内部仅形成环中心城区的密集联系区，整体公共空间布局分散，服务能级较低，服娱腹地不足。

2.2.1　以服务本地化为主，服娱腹地受限

作为城市空间发展的核心区域，公共中心等级越高，势力范围也越大，对服娱人口的空间集聚力和吸引力则越强。借助人的活动透视城市功能联系，结果表明，各中心以服务镇街内部居民为主，设施供给相对自给自足，跨镇街出行的需求量较小，全市服娱OD出行约116万人次，其中镇街内部出行约107万人次，约占全市出行总量的92.24%，长安、虎门、大朗和塘厦等镇街内部服娱出行量位居全市前列（表1）。
表1 公共中心镇街服娱出行量分布前十名的镇街联系

Table 1 The top ten towns and streets in the distribution of service and entertainment trips in public central towns and streets

出行OD 出行量/人 占市域出行总量的比例/% 占所在镇街出行 总量的比例/%
长安—长安 95 878 8.23 92.81
虎门—虎门 70 186 6.02 70.23
大朗—大朗 69 412 5.96 78.39
塘厦—塘厦 69 087 5.93 94.20
厚街—厚街 68 470 5.88 86.60
凤岗—凤岗 62 444 5.36 92.21
常平—常平 57 621 4.94 90.54
清溪—清溪 50 873 4.37 95.29
东城—东城 47 796 4.10 77.21
寮步—寮步 44 100 3.78 84.62
结合形态中心识别结果，选取公共设施建筑量和服娱人口量高度集聚的典型公共中心，探究服娱腹地和势力范围 5（图5、6）。结果表明，除长安中心吸引大规模虎门人口以及大朗中心吸引了部分松山湖人口外，中心城区、厚街和常平等中心服娱人口90%为本地居民，对外辐射力度弱。势力范围方面，就5大中心比较而言，中心城区的中心连绵成片、辐射北部区域和少量临深片区；长安中心辐射自身及广、深部分区域；其余中心的势力范围划分较为均衡，均呈单中心布局，以服务本地化为主，居民倾向于短距离出行，各中心对跨镇街的外来人口吸引力和服务能力较低，服娱能级和腹地不足。
图5 东莞市典型公共中心服娱腹地范围

Fig.5 Typical public center service and entertainment hinterland range in Dongguan

图6 东莞市典型公共中心势力范围

Fig.6 Typical public center sphere of influence map in Dongguan

2.2.2　除中心城区中心外，跨镇街服娱出行量少，区域要素融通促进边界崛起

跨边界服娱出行联系 6中，东莞内部跨镇街出行占总量的80.82%，东莞与深圳、惠州、广佛等城市人流联系相对频繁，占总量的19.18%（表2）。在市内跨镇街出行方面，除中心城区范围外，整体呈现离散发展的模式，环中心城区区域集聚了全市约40%的出行量，形成了联系紧密的出行簇群，传统中心城区4个街道之间的联系最为紧密，万江—南城和寮步—东城次之；环长安—虎门中心和环松山湖中心分别集聚全市21.66%和16.99%的出行量，主要集中在虎门—长安和大朗—大岭山之间；其余各镇街联系较为均衡，服娱目的地以镇街内部公共中心为主，跨边界吸引力不足（表3）。
表2 公共中心服娱人口跨边界出行量分布

Table 2 Cross border travel volume distribution of public center service and entertainment population

出行OD 出行量/人 占全市跨区域出行的比例/%
市内镇A—镇B 72 688 80.823
深—莞 8 717 9.693
惠—莞 4 192 4.661
广佛—莞 2 664 2.962
其他—莞 1 674 1.861
表3 公共中心跨镇街（市内镇A—镇B）出行量及占全市跨边界出行总量的比例

Table 3 The number of trips across town streets in public centers (town a-town B in the city) and its proportion in the total number of cross-border trips in the city

公共中心范围 出行 量/人

占全市

总量的

比例/%

 出行OD 出行量/人 占全市非镇街内部出行的比例/%
合计 76 320 100

环中心

城区 中心

 29 100 38.129 东城—南城 2 284 3.14
东城—莞城 2 282 3.14
莞城—东城 2 083 2.87
南城—东城 1 513 2.08
万江—南城 1 326 1.82
寮步—东城 1 288 1.77
莞城—南城 1 219 1.68
东城—寮步 1 008 1.39
南城—莞城 996 1.37
南城—万江 879 1.21
厚街—南城 664 0.91
道滘—万江 616 0.85
万江—莞城 556 0.77
万江—道滘 549 0.75

环长安—

虎门 中心

 16 532 21.661 虎门—长安 1 546 2.13
长安—虎门 1 312 1.80
沙田—厚街 1 203 1.65
厚街—沙田 901 1.24
沙田—虎门 829 1.14
虎门—沙田 738 1.02
厚街—虎门 597 0.82
虎门—厚街 545 0.75
环松山湖中心 12 965 16.988 大朗—大岭山 1 911 2.62
寮步—大朗 1 786 2.46
大岭山—大朗 1 403 1.93
大朗—寮步 839 1.15
大岭山—寮步 785 1.08
寮步—大岭山 543 0.75

环常平

中心

 7 025 9.205 常平—桥头 963 1.33
桥头—常平 853 1.17
横沥—常平 710 0.98
常平—横沥 625 0.86
常平—大朗 601 0.83
横沥—企石 571 0.79

环塘厦

中心

 4 025 5.274 塘厦—凤岗 710 0.98
塘厦—清溪 647 0.89
凤岗—塘厦 611 0.84
清溪—塘厦 588 0.81
其他 6 673 8.743

注：受篇幅限制，仅罗列出行量≥500人的镇街。

东莞临界镇街与区域中心城市及邻近城市联系较为紧密，对深圳、惠州和广佛等城市的服娱出行产生一定的吸引力，边界区域逐渐崛起。其中，深—莞服娱出行占出行总量的9.693%，约为市内跨镇街出行的1/10，东莞超1/2的中心吸引了深圳的服娱人口，临界区域联系相对紧密。惠—莞出行联系次之，约为深—莞的1/2，东莞东北部和中心城区的中心吸引了一定规模的惠州博罗、惠城以及惠阳的服娱人口；广佛—莞联系则相对较弱，其中以穗莞边界的出行联系为主，东莞临界镇街中心仅吸引少量来自广州增城和黄埔的服娱人口。

2.3　规划评估：形态和功能方面的发育情况距规划均有一定差距

2016版《东莞市城市总体规划（2016—2030年）》明确提出“三心六片”的多中心空间结构，一方面，从空间形态视角出发，东莞虽已初步呈现“形态多中心”的空间特征，但与各镇街总体规划相比仍有一定差距，滨海湾新区、松山湖、麻涌、洪梅、生态园等尚未大力建设或经济欠发达地区仍未形成中心，仅中心城区、长安、虎门、大朗、常平等镇街形成活跃的中心簇群，其中中心城区中心发育程度遥遥领先，主要偏重生活、服务职能，主体功能区域逐渐连绵成片并呈现向外扩展的发展趋势，而其余各级中心普遍空间布局分散、服务职能均质且能级较低，整体呈现扁平化与中心极化共存的空间特征。
另一方面，从功能联系角度入手，呈现“功能单中心”的空间联系特征，与总体规划相比差距较大，受区域中心城市和邻近城市的影响，城市内部仅形成环中心城区中的强单中心，与西部和北部区域联系紧密；滨海湾新区、松山湖等两大中心发展不及预期，服务能级明显偏低，严重滞后于规划，且三大主中心联系较弱；片区级中心层面，除常平中心初具雏形外，其余中心发展能级与规划不匹配，虎门、长安、厚街等中心发展远超预期，东莞港、银瓶合作创新区、生态园等区域基本无设施和人口集聚，与规划目标严重不符且形成中心的可能性极低。

3 公共中心体系形成机制

中心体系的实施实际上是以城市综合效益最大化为基准的政府行为与市场博弈（孙斌栋 等，2010）。政府力作为外部驱动力，市场力作为内生动力，对中心体系的发展产生重要影响。随着市场经济体制的逐步完善，市场力对空间资源配置的能力逐渐强化，而政府力则由城市实际建设者转为规则制定者和实施监督者，共同作用于政策制度、外资投入、产业经济、土地要素及交通设施等因素，推动公共中心体系逐渐走向分化、竞争、集聚和重组。在此过程中，规划作为执行政府意志、调控空间发展和建设活动的主要工具，通过制定政策机制和产业计划，投放土地要素和建设交通设施等手段，逐步引导人口、设施和产业等要素向重点地区集聚。

3.1　政策制度力量：“弱市强镇”的政府力作用下中心建设遍地开花

政策制度是政府力影响城市空间结构发展和公共中心演化的重要抓手。政府借助城乡规划制定了一系列高效灵活的公共政策、法律法规和近期发展计划，共同作用于空间结构、土地投放和城市建设发展，进而影响城市主要功能的空间分布乃至中心体系的布局特征。在改革开放大浪潮的推动下，广东省城市的发展导向由培育“单打冠军”向“团体冠军”转变，借助1994年《珠江三角洲经济区城市群规划》、2004年《珠江三角洲城镇群协调发展规划》、2008年《珠江三角洲地区改革发展规划纲要》和2019年《粤港澳大湾区发展规划纲要》等一系列区域规划，持续引导公共资源、产业和人口向广州和深圳等区域中心城市集聚，东莞作为腹地城市接受广、深辐射，借助外源型产业空间逐步融入湾区连绵城镇群，城市空间整体呈现破碎化及扁平化的分布特征。就城市内部而言，东莞作为中国为数不多的“直筒子”地级市，在市镇两级体制下，政府力持续由市级向镇级分散和下沉，市级政府通过城市规划、土地制度和行政边界调整等政策引导要素流动，城市发展重心侧重于中心城区及松山湖等战略地区；镇级政府在地方事务和规划管理中承担更大的职权，同时，规划引导土地供应、重大设施、产业区块布局和生态保护等制度落地，激励或限制地区产业发展。在实际发展过程中，镇级政府空间建设各自为政且缺少统筹，“弱市强镇”的行政管理体制在一定程度上导致镇街城镇建设中的各种“内战”，中心建设和空间拓展依赖于产业发展，导致生产-生活空间混杂，中心能级更多地取决于产业和经济发展状况，整体呈现扁平化的中心体系。

3.2　外资投入力量：市场力引导城镇中心结合产业轴线联动发展，城市中心呈扁平化

继港资之后，东莞获得台资、韩资和日资等国际资本的青睐，迎来了全球制造业转移的重要机遇（黄哲 等，2021），积极融入全球生产网络，全球资本投入和信息化新兴产业的快速迭代发展，持续驱动东莞城镇空间重构。具体地，改革开放以来，珠三角作为中国对外交流的主通道，以港台资本为源头的“三来一补”企业，带动以深莞为首的珠三角区域村镇工业化。其中，虎门和长安等临深区域因其区位优势、廉价土地和劳动力资源备受资本青睐，进而嵌入深圳功能性联系网络，吸引深圳产业和人口转移。市场力主导下，城镇空间快速建设，城镇发展以生产联系为主，内部城镇联系相对较弱，形成分散的多中心的城镇连绵区。邓小平同志南巡和中国加入WTO之后，以土地流转为核心的资本要素流动更具自由度，市场经济体制逐渐完善，东莞逐步实现产业园区化，各镇街内产业园区快速建设，以点带面加速产业空间建设，居住和公服等产业功能在空间上呈扩散化发展特征，城市中心分散，城镇功能更为混杂。2009年《珠三角发展纲要》的实施，推动区域网络化的拓展，科技创新进一步推动了广-深2大区域中心城市双驱动发展，东莞在享受溢出资源、区域交通设施和公服设施的快速建设的同时，也面临着虹吸效应日益增强的困境，城市内部各中心发展愈加扁平化和低端化。

3.3　产业经济力量：创新产业驱动城镇中心体系重构，逐步由中心城区向松山湖转移

随着全球生产网络和新兴产业的嵌入，湾区形成了独具特色的区域性产业集群和分工体系，由“全球生产网络”向“全球创新网络”转变。在此过程中，市场力带动产业生产和组织方式重构，呈现实体分散和虚拟集聚的发展特征，决策端和管理端向中心区集聚，生产端和加工端向低成本地区分散转移。政府力也日益凸显，以服务生产性企业为目标，引导产业发展。技术创新对城市发展的作用日益凸显，持续推动城市功能转变和空间重塑，引导生产、生活和服务要素流动与重组，牵动城市中心体系变化。
科技创新驱动下区域中心城市形成新的空间格局，以深圳为核心的创新格局逐渐形成，东莞成为主要的辐射腹地，科技创新、产业和人口等发展要素剧烈变化。一方面，东莞成为华为与大疆等深企扩张的首选地，以松山湖为例，规划拟在此处构筑具有全球影响力的科技创新高地。自2007年起，市政府主导以松山湖为支点的创新升级，2010年，松山湖升级为国家高新技术产业开发区。2年后，华为研发总部迁至松山湖，带动上下游企业集聚于此，显著推动区域产业结构转型升级，松山湖作为后起之秀发展快速。另一方面，东莞作为制造业主导型城市，产业集群沿京港澳高速和广深铁路等交通廊道，或依托边界地区，发展形成产业集群，创新产业空间分布不均衡，产业高度集中在中心城区、长安、松山湖及塘厦等区域，产业园区及配套设施相对完善；水乡片区和东北片区创新活动弱，产业发展相对落后。城镇空间以产业发展为目标，配套区域服务职能，科技产业集群周边设施配套动力充足，但城市总体公服配套资源不均衡，创新产业低集聚的镇街中心体量小、功能弱且内聚力不足。

3.4　土地要素力量：政府力和市场力互补，土地投放聚焦重点地区导致中心体系扁平化

政府通过土地制度和政策调控土地投放及布局，市场则作为经济资源的掌控者，在政府制度框架下影响土地要素分配，而规划作为政府管理、调控土地利用和各项建设活动的基本工具，一方面能有效引导城市用地投放，优化政府调控和引导能力，推动土地科学利用；另一方面，土地利用及各项建设活动能直观体现规划实施结果，对于城市空间结构拓展和中心分布具有重要影响。
依托产业优势，东莞城市化进程取得跨越式发展，与之相对，其也受限于产业发展，公共服务和商业环境整体严重落后于同等级城市。在经济全球化和制造业转型升级的推动下，以镇街为基本单元，积极承接产业转移，镇级政府在主体利益驱动下大规模出让土地，大肆抢占城市土地资源招商引资，争相打造具有竞争力的中心，导致基础设施重复建设，且彼此之间缺乏联系，呈现“拼贴式”城市发展特征。2000版《东莞市城市总体规划（2000—2015）》编制以来，东莞用地投放集中在交通和产业发达的镇街内；万江及南城等中心城区与厚街、虎门和长安等环莞快速沿线镇街，整体呈现扁平化、多中心和“跳跃式”向外扩张的发展趋势，有力地推动了西部区域多支点和城镇轴线发展；常平、塘厦和樟木头等镇街用地投放量较少，东部城镇发展轴线尚未形成，用地投放情况与规划意图不匹配。同时，中心城区开发逐渐饱和，用地投放逐步向中心区外围的战略区域拓展，自2010年以来，市政府土地投放的重点逐渐向松山湖转移，不断优化调整用地配置，以寻求新的经济增长点，未来松山湖将获得较大发展资源及空间。

3.5　交通设施力量：交通枢纽与公共中心耦合性较差，对城市中心发展的支撑力不足

改革开放以来，东莞逐步由农业城市向现代化城市转变，用地在区域性交通干道引导下拓展，重点沿107国道与广深铁路以“人”字形轴线拓展，107国道沿线莞城、南城、虎门和长安的用地“遍地开花”，形成了密集联系的城市服务簇群，常平和樟木头等镇街围绕广深铁路站点形成城镇中心；随后产业逐渐向全域扩展，城镇空间随之向外扩展形成高度密集区，以便捷、通达和运输为目标，区域交通依托原有国道和省道等过境性道路快速拓展，发育程度显著高于城市道路，城市道路从空间结构入手，各镇街自主权大且发展强势，各自为政，按照理想化的规划模式建设，市级层面难以统筹和衔接，导致镇街之间交通网络衔接不畅，要素分布零散。
2008年金融危机后，东莞急速扩张时代结束，区域交通网络化和创新经济发展促进城镇空间重构，城际轨道建设推动珠三角一体化发展，在此过程中，区域中心城市在交通等设施的配置方面拥有优先权，呈现资源向区域中心集聚的发展秩序，例如莞惠城际和广深港高铁的开通带动区域交通运输体系一体化发展，时-空间距离和经济成本进一步压缩，企业研发和决策职能带动配套设施、社会资本和技术力量向城市中心区和经济发达的镇街中心集聚，轨道交通成为主导城市空间发展的决定性要素，推动城市空间大换血，城市空间进一步分散、集聚和重组。然而，轨道交通枢纽的数量虽然多，但其空间分布与城市已有公共中心不匹配，现状中心与铁路站点之间的空间距离普遍超过15 km，枢纽与城市中心体系的耦合性相对较差，对城市发展的支撑力不足且服务低效。

4 结论与讨论

本文以珠三角巨型城市区域的核心节点城市东莞市作为研究样本，依托多源数据，重新定义制造业城市公共中心体系识别要素，重点聚焦于生产服务设施供给和动态人流活动信息，识别现状公共中心空间形态，并通过跨区域的服娱人口的动态联系，识别各公共中心的能级和服娱腹地，最后，结合东莞市市镇两级总体规划，从空间形态和功能联系视角入手综合评估规划实施效果。结果表明，在政策制度力、外资投入力、产业经济力、土地要素力和交通设施力等多方要素博弈和推动下，东莞公共中心体系呈现“形态多中心”和“功能单中心”共存的空间特征。城市规划对于中心体系的构建具有一定的推动作用，但受行政管理体制和资本投入、产业经济等强市场力的影响，空间形态和功能联系等2方面的培育现状与终极蓝图相比均有一定差距。
具体地，一方面，从空间形态视角出发，东莞虽已初步呈现“形态多中心”的空间特征，但滨海湾新区、松山湖、麻涌、洪梅及生态园等区域尚未形成公共中心体系，中心城区、长安、虎门、大朗和常平等镇街形成活跃的中心簇群，其中，中心城区中心发育程度遥遥领先，主要偏重生活和服务职能。主体功能区域逐渐连绵成片，并呈向外扩张的发展趋势；其余各级中心空间布局普遍分散，服务职能均质且能级较低，整体呈现扁平化与中心极化共存的空间特征。另一方面，从功能联系角度入手，东莞市呈现“功能单中心”的空间联系特征，与总体规划相比差距较大，在区域中心城市虹吸效应下，拟规划形成的松山湖中心以及滨海湾中心均未形成，高等级中心的能级培育尤其不足；同时城市整体公共中心的服务能力和功能集聚度普遍不足，尚未形成多中心、组团化的空间格局，东莞市的城市影响力和竞争力与其他同等级城市相比差距较为显著。
公共中心体系规划作为引导城市生产和生活资源要素投放的重要因素，其合理布局与高强度建设对于优化城市功能、增强城市能级和完善空间格局具有重要作用。综合运用传统土地利用数据以及高德POI、移动手机信令和百度建筑数据等多源大数据，能够精准且有效地识别现状公共中心的空间形态和功能联系。本研究将生产服务配套和生活服务配套要素共同纳入制造业城市的公共中心识别体系，重点关注人群使用需求，对于同类制造业城市公共中心体系的识别与评估具有一定的借鉴意义。此外，本文将研究范围扩展至珠三角巨型城市区域功能网络内，弥补现有研究中就城市论城市的不足，借助人流空间联系研究区域实际的交往联系，识别城市公共中心的功能联系和服娱腹地，试图为后续国土空间规划编制中的空间结构优化、城市人居环境质量和服务能力提升以及城市精细化和品质化治理奠定基础。
然而，本研究也存在一定局限性：首先，识别过程中未区分各类型设施等级和功能的权重，未考虑不同区位内不同土地利用的影响；其次，未掌握建筑的实际功能，仅根据现状用地性质加以判断，中心识别存在一定误差；再次，受数据可得性制约，未能识别区域中心城市或临近城市的公共中心对东莞市内服娱人口的吸引力。最后，对于传统制造业城市低效低水平的多中心体系如何向高水平多中心网络转变尚未给予建设性的建议，未来将进一步拓展数据来源，尤其重点补充手机信令数据，以识别巨型城市区域内各级中心对东莞市内服娱人口的吸引，同时精细化考虑不同设施和用地功能对公共中心的影响作用，在此基础上，对于制造业中心体系高质量发展提供有效建议。

脚注

1 巨型城市区域（megacity-region）一词最早源于西方学术界，即由功能紧密联系的城市组成城市密集地区空间形态（李凯克，2020）。

2 https://www.planning.org.cn/2016anpc/view？id=492

3 生产服务要素包括生产性服务设施、科技研发中心、专业市场和大型交通枢纽等生产功能性服务设施，生活性服务要素包括既有研究中普遍认同的商业金融、文化、体育、酒店、市场等一系列生活服娱设施。

4 东莞市国土空间总体规划（2020—2035年）. http://nr.dg.gov.cn/gkmlpt/content/3/3939/mpost_3939846.html#624

5 将每个网格单元前往各中心的人数进行排序，如果某中心对该网格的吸引人数明显高于其他中心（第一大值占比高于第二大值占比15%以上），那么该网格就属于该中心的势力范围；否则即为势力争夺区。

6 即除镇街内部出行外的服娱出行，包括市内跨镇街出行和市外跨城市边界出行。

毕瑜菲：数据采集与处理、识别方法构建及验证、分析与图件制作、论文撰写；

张 佶：论文思路及方法指导、论文审阅及修改；

李 洋：数据处理与图件制作、论文撰写。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Asikhia M O, and Nkeki N F.2013. Polycentric Employment Growth and the Commuting Behaviour in Benin Metropolitan Region,Nigeria. Journal of Geography and Geology, 5(2): 1-17.

陈文涛. 2020. 全球城市区域视角下“边缘城市”中心体系演化特征研究——基于昆山市的实证. 南京：南京大学.

Chen Wentao. 2020. Study on The Characteristics of Urban Center System in "Edge City" From The Global City-Regions Perspective: Take Kunshan as An Example. Nanjing: Nanjing University.

Getis A, and Ord J K. 1992. The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis, 24(3): 189-206.

何东，刘勇，刘秀华，章征涛，周佳松. 2019. 基于多源数据的山地城市多中心空间结构分析——以重庆主城区为例. 西南大学学报（自然科学版），41（11）：73-81.

He Dong, Liu Yong, Liu Xiuhua, Zhang Zhengtao, and Zhou Jiasong. 2019. Polycentric Spatial Structure Analysis of Mountainous Cities Based on Multi-Source Data: A Case Study of the Central Urban Area of Chongqing. Journal of Southwest University (Natural Science Edition), 41(11): 73-81.

黄哲，钟卓乾，袁奇峰，班鹏飞. 2021. 东莞样本：全球城市区域腹地城市的发展挑战与地方响应. 城市规划学刊，（3）：36-43.

Huang Zhe, Zhong Zhuoqian, Yuan Qifeng, and Ban Pengfei. 2021.Challenges and Local Responses of the Hinterland City in China's Global City Regions: A Case Study of Dongguan. Urban Planning Forum,(3): 36-43.

金忠民，周凌，邹伟，施澄. 2019. 基于多源数据的特大城市公共活动中心识别与评价指标体系研究——以上海为例. 城市规划学刊，（6）：25-32.

Jin Zhongmin, Zhou Lin, Zou Wei, and Shi Cheng. 2019.A Research on Identification and Evaluation Index System of Public Activity Center in Megacities: The Case of Shanghai. Urban Planning Forum, (6): 25-32.

Kathy Pain. 2006. Policy Challenges of Functional Polycentricity in a Global Mega-City Region: South East England. Built Environment, 32(2): 194-205.

李健. 2012. 全球城市-区域的生产组织及其运行机制. 地域研究与开发，31（6）：1-6，27.

Li Jian. 2012. The Organization of Production and Operation Mechanism on Global City-Region: A Case Study on the Yangtze River Delta. Areal Research and Development, 31(6): 1-6, 27.

李凯克，钮心毅. 2020. 基于非参数分析方法的上海-苏州巨型城市区域就业多中心空间结构研究.同济大学学报（自然科学版），48（10）：1395-1405.

Li Kaike, and Niu Xinyi. 2020.Polycentric Structure of Employment in Shanghai-Suzhou Mega City-Region Based on Nonparametric Analysis. Journal of Tongji University (Natural Science), 48(10):1395-1405.

Liu X, Derudder B, and Wang M. 2018. Polycentric Urban Development in China: A Multi-Scale Analysis. Environment and Planning B: Urban Analytics and City Science, 45(5): 953-972.

罗震东，朱查松. 2008. 解读多中心：形态、功能与治理. 国际城市规划，4（1）：85-88.

Luo Zhendong, and Zhu Chasong. 2008. Understanding Polycentricity by Configuration, Function and Governance. Urban Planning International, 4(1): 85-88.

Manepalli U R, Bham G H, and Kandada S. 2011. Evaluation of Hotspots Identification Using Kernel Density Estimation (K) and Getis-Ord ( G i * ) on I-630. Indianapolis: 3rd International Conference on Road Safety and Simulation, 14-16.

钮心毅，康宁，李萌. 2019. 都市圈视角下的上海城市公共中心体系重构探讨. 城市规划学刊，（3）：42-49.

Niu Xinyi, Kang Ning, and Li Meng. 2019. Reconstruction of Shanghai City Public Center System from the Perspective of Metropolitan Area. Urban Planning Forum, (3): 42-49.

施歌，江南，姚恋秋. 2017. 基于GIS和兴趣点（POI）数据的城市中心体系识别方法研究——以上海市为例. 现代测绘，40（6）：27-30.

Shi Ge, Jiang Nan, and Yao Lianqiu. 2017. Study on the Identification of Urban Center System Based on GIS and POI: A Case Study of Shanghai. Modern Surveying and Mapping, 40(6): 27-30.

孙斌栋，石巍，宁越敏. 2010. 上海市多中心城市结构的实证检验与战略思考. 城市规划学刊，（1）：58-63.

Sun Bindong, Shi Wei, and Ning Yuemin. 2010. An Empirical Study on the Polycentric Urban Structure of Shanghai and Strategies in Future. Urban Planning Forum, (1): 58-63.

吴志强，王伟，李红卫，于涛方，王雷. 2008. 长三角整合及其未来发展趋势——20年长三角地区边界、重心与结构的变化. 城市规划学刊，（2）：1-10.

Wu Zhiqiang, Wang Wei, Li Hongwei, Yu Taofang, and Wang Lei. 2008. The Process and Trends of Integration in the Yangtze River Delta: Based on Its Change of Boundary, Gravity Centre and Structure in 20 Years. Urban Planning Forum, (2): 1-10.

Xiao Y, Wang Y, Miao S, and Niu X. 2021. Assessing Polycentric Urban Development in Shanghai, China, with Detailed Passive Mobile Phone Data. Environment and Planning B: Urban Analytics and City Science, 48(9): 2656-2674.

晏龙旭，张尚武，王德，谢栋灿，陈烨. 2016. 上海城市生活中心体系的识别与评估. 城市规划学刊，（6）：65-71.

Yan Longxu, Zhang Shangwu, Wang De, Xie Dongcan, and Chen Ye. 2016. Identification and Evaluation of Living Centers System in Shanghai. Urban Planning Forum, 4(6): 65-71.

杨俊宴，章飙，谭瑛，陶诗琪. 2011. 城市中心体系研究的概念内涵初探.建筑与文化，4（12）：92-93.

Yang Junyan, Zhang Biao, Tan Ying, and Tao Shiqi. 2011.The Preliminary Study of Concept Connotation on Urban Centers' System Research. Architecture & Culture, 4(12): 92-93.

Yang Z, Chen Y, Guo G, Zheng Z, and Wu Z. 2021. Using Nighttime Light Data to Identify the Structure of Polycentric Cities and Evaluate Urban Centers. Science of the Total Environment, 780: 146586.

袁奇峰，黄哲，吴泉隆，顾嘉欣，陈诗凝. 2020. 从农业大县、世界工厂到湾区都市——东莞城市四十年. 新建筑，（2）：16-22.

Yuan Qifeng, Huang Zhe, Wu Quanlong, Gu Jiaxin, and Chen Shining. 2020. From the Agricultural County to the World Factory and to the City of the Greater Bay Area: The Forty Years Development of Dongguan City. New Architecture, (2): 16-22.

张京祥. 2013. 国家-区域治理的尺度重构：基于“国家战略区域规划”视角的剖析. 城市发展研究，（5）：45-50.

Zhang Jingxiang. 2013. Scale Rescaling of Regional Governance: Based on the Analysis of the Perspective of "National Strategic Regional Planning". Urban Development Studies, (5): 45-50.

郑晓伟. 2017. 基于开放数据的西安城市中心体系识别与优化. 规划师，33（1）：57-64.

Zheng Xiaowei. 2017. Identification and Optimization of Xi'an Urban Center System Based on Open Data. Planners, 33(1): 57-64.

朱惠斌，李贵才. 2015. 基于功能网络的珠三角区域经济空间格局. 经济地理，35（2）：1-6.

Zhu Huibin, and Li Guicai. 2015. The Pearl River Delta Regional Economy Spatial Structure Research Based on Function Network. Economic Geography, 35(2): 1-6.

朱子明. 2015. 长三角多中心巨型城市区域的空间结构与产业功能演变研究. 上海：华东师范大学.

Zhu Ziming. 2015. Study on the Spatial Structure and Industrial Fuction's Evolution of Polycentric Mega-City Region in Yangtze River Delta. Shanghai: East China Normal University.

Options
文章导航

/

〈 〉