EN中文

Tropical Geography >

2024 , Vol. 44 >Issue 5: 850 - 863

DOI: https://doi.org/10.13284/j.cnki.rddl.003865

Temporal Heterogeneity and Impact Mechanism of Intercity Travel Time in the Yangtze River Delta Region

  • Wulin Zhan , 1 ,
  • Guangliang Xi , 1, 2 ,
  • Yang Ju 3 ,
  • Fei Shi 1
Expand
  • 1. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
  • 2. Jiangsu Smart City Research Base, Nanjing 210093, China
  • 3. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China

Received date: 2024-01-12

  Revised date: 2024-03-28

  Online published: 2024-05-08

Fold

Abstract

Under the influence of information technology and high-speed transportation networks, which compress space and time, the region's population has achieved large-scale fluidity. Examining the temporal heterogeneity of intercity travel networks and its influencing mechanism can help optimize regional spatial organization and provide a scientific basis for regional integrated development. Based on Baidu migration data from January to April 2023, this study uses a PPML(Poisson Pseudo Maximum Likelihood) gravity model and interaction term testing to compare the scale, pattern, and influencing factors of intercity travel networks during weekdays, weekends, and holidays in the Yangtze River Delta region. The results indicate the following: 1) The intercity travel network in the Yangtze River Delta region exhibits temporal heterogeneity characteristics. During weekdays, intercity travel primarily consists of cross-city commuting and business trips, with the lowest daily average scale. This forms a V-shaped intercity travel structure covering Shanghai, southern Jiangsu, Northern Zhejiang, and Southern Anhui. The positive effects of destination city population size and economic status on intercity travel are enhanced. On weekends, intercity travel is dominated by business trips and leisure activities, and residents tend to take shorter trips, which means that intercity distances pose greater hindrances to intercity travel. During holidays, intercity travel is primarily for leisure and entertainment and for visiting friends and relatives, with the highest daily intensity. The promotional effect of destination city population size on intercity travel is weakened, and intercity travel is less hindered by intercity distances. Compared to the effects of geographical distance, economic status, and population size on the scale of intercity travel during weekdays, travel duration, or geographical distance, tends to pose a greater hindrance on weekends and a lesser hindrance during holidays. The promotional effect of economic status is intensified on weekends but diminishes during holidays. Meanwhile, the promotional effect of population size weakens both on weekends and during holidays. 2) Push-pull factors encompass the level of urban development and the incentives that trigger individual travel. In terms of urban development level, indicators such as population size, economic status, and industrial structure reflect the comprehensive strength and development status of a city, influencing its ability to serve as both a starting and destination point for intercity travel. From the perspective of various individual travel incentives, residents pay more attention to various urban resources such as income levels, public service quality, and tourism resources to meet their personal needs for production and living. The primary types of population movements vary across different time periods, shifting between cross-city commuting, business travel, and leisure and entertainment. As a result, the dominant factors among push-pull elements also change, leading to significant variations in the effectiveness of each factor. Intermediate obstacles are the key factors limiting intercity travel. On the one hand, while the level of integration in the Yangtze River Delta region continues to improve, and transportation facilities are gradually improving, geographical distance remains a crucial intermediate obstacle. On the other hand, administrative and cultural differences between different provinces increase residents' adaptation costs, forming "invisible barriers" that hinder cross-province population interactions. The hindrance posed by intermediate obstacles to intercity travel also varies across different travel periods. The effects of push-pull factors exhibit temporal heterogeneity. The small-world characteristics of the intercity travel network during weekdays are more evident, and the central city has a more prominent structural core status. On weekends, the geographical proximity of the intercity travel network improves, with close "center-hinterland" connections and enhanced inter-provincial boundary effects. During holidays, the overall intensity of the intercity travel network increases, with the most significant increase in medium- and long-distance cross-provincial travel. The provincial boundary effect and spatial proximity effect decrease, weakening the structure of the intercity travel network.

Key words： intercity travel; travel characteristics; impact mechanism; time heterogeneity; Yangtze River Delta

Cite this article

Wulin Zhan , Guangliang Xi , Yang Ju , Fei Shi . Temporal Heterogeneity and Impact Mechanism of Intercity Travel Time in the Yangtze River Delta Region[J]. Tropical Geography, 2024 , 44(5) : 850 -863 . DOI: 10.13284/j.cnki.rddl.003865

随着区域融合和一体化发展进程的推进，城市群和都市圈的战略引领地位进一步凸显（方创琳，2021），成为中国新型城镇化发展和资源要素配置的重要地区（顾朝林，2011）。高铁和信息通讯技术快速发展带来时空压缩，加速区域要素流动和一体化（唐佳 等，2018；2020），持续影响城市群和都市圈地区的资源配置和空间结构，尤其是对居民城际出行和人员流动产生愈发深刻的影响（甄峰 等，2012）。城市群地区往往是中国交通网络最为发达的地区，尤其是在高铁网络的支撑下，居民城际出行呈现高频率、高强度的特征，反映城市之间不同目的活动的联系。分析城际出行规律，为研究城市群内部不同城市之间的互动关系提供重要途径，对城市群资源配置和空间结构优化具有重要价值。
居民城际出行主要由跨城通勤、商务旅行、休闲活动3种类型的活动构成，不同目的出行具有时间差异性特征（Cui et al., 2020）。已有研究表明，工作日城际出行通常以跨城通勤和商务差旅为主要目的，周末更多以休闲娱乐和商务出行为主，节假日出行则多为旅游休闲（赵梓渝 等，2022）。在不同目的主导下，城际出行呈现一定的时间异质性。通常情况下，节假日居民城际出行规模高于工作日（Qi et al., 2021），但前者出行距离和网络集聚程度明显低于后者（李涛 等，2020），且前者具有显著的空间邻近效应（潘竟虎 等，2022）。关于城际出行时间异质性的研究，已有学者关注节假日（如“五一”、国庆等）与工作日的对比（Li et al., 2020），对于周末城际出行特征的研究较少，尤其是缺乏对工作日、周末和节假日出行特征及异质性的比较研究。探究工作日、周末与节假日3个时段城际出行的网络联系强度、结构及其影响机理，有助于深入理解跨城人流时空特征及互动联系规律，为城市群和都市圈一体化发展提供科学依据与决策支持。
城际出行往往受多方面因素影响。张听雨等（2022）的研究表明，都市圈内部城际出行强度与人口规模呈显著正相关；王雪微等（2021）的分析表明，到达城市的经济规模越高，城际出行强度越大；储君等（2023）通过对比各变量的重要性，认为地理距离的相对重要性远超其他因素。总体上，已有研究主要探讨人口规模、经济水平、地理距离等核心影响因素的作用（顾朝林 等，2008）。也有部分研究考虑产业结构、收入水平、公共服务、旅游收入、行政区划、交通设施等要素对城际出行强度的影响（王婧 等，2018；徐敏 等，2018；张蓉 等，2021）。由于不同时段城际出行目的存在差异，不同要素对其影响亦具有一定差异性（Cui et al., 2020），居民工作日的平均出行距离小于节假日，且长期假期的出行网络集中度低于周末或短期假期（Zhang and Gao, 2023）；经济水平对于工作日城际出行起重要促进作用，节假日期间居民城际出行对于经济收益的考虑会降低（Dong et al., 2022; Wang et al., 2022）；人口的空间集聚效应会产生更多的城际出行需求（李宇 等，2023），在节假日期间，城市人口规模对于区域城际出行的影响会加强（吴晓黎，2021）。尽管已有研究关注城际出行的时间异质性，但通常基于网络空间属性差异（Li et al., 2020；王垚 等，2021），而对城际出行时间异质性的影响机制探讨较少。
长江三角洲地区（以下简称“长三角地区”）是中国经济发展最活跃、开放程度最高和创新能力最强的区域之一（新华社，2019），目前已形成完善的交通网络，城际之间具有频繁的人口流动和交互，形成具有代表性的城际出行网络。为此，本文基于百度迁徙数据，计算长三角各市城际出行的总规模，构建不同时段城际出行网络，挖掘城际出行的时间异质性特征，并利用PPML（Poisson Pseudo Maximum Likelihood）重力模型和交互项检验，分析长三角城际出行的影响因素及其时间异质性作用，探讨时间异质性对城际出行网络的影响机制。以期为推动区域内部不同城市的分工协同和一体化发展提供参考。

1 研究假设与影响因素选取

1.1　研究框架与假设

1.1.1　研究框架

城际出行往往受出发城市和到达城市的社会经济等要素作用，表现为推力要素、拉力要素以及中间障碍的影响（Niu, 2022）。推力要素促进出发地人群前往其他城市进行就业办公、旅游购物等活动。拉力要素凭借目的地的资源优势，吸引其他城市人群前来进行各类生产生活活动（古恒宇 等，2022）。地理距离、行政区划、交通设施水平等出行成本及制约要素，则为城际出行的中间障碍（王雨 等，2022），在各时段以不同的效果抑制城际出行强度（郭卫东 等，2023）。各要素对城际出行时间异质性具有不同程度的影响，因此可从出发地和到达地推拉作用的角度，探讨城际出行时间异质性作用的影响机制（图1）。
图1 不同要素对城际出行时间异质性作用的分析框架

Fig.1 Analyzing framework for the influencing factors and temporal heterogeneity of intercity travel

1.1.2　研究假设

基于已有研究成果（施响 等，2022；窦旺胜 等，2023），以地理距离、经济水平、人口规模为城际出行的核心解释变量，分析其在不同时段对城际出行强度的作用效果，并提出假设：
假设1：地理距离在周末的城际出行中作用效果加强，在节假日城际出行中的作用效果减弱。
工作日期间居民以工作活动为城际出行的主要目的，活动弹性较小，较少考虑出行的时间或经济成本。周末居民出行更多是为了满足休闲旅游等个性化需求，具有较强的灵活性，大多考虑短途出行。节假日由于周期较长，居民更会考虑前往远距离的城市，以满足自己的偶发性活动，如浏览名胜古迹、返乡探亲等，对于出行成本的考虑会降低，地理距离对城际出行的阻碍作用会减弱。
假设2：经济水平在周末的城际出行中作用效果加强，在节假日的城际出行中作用效果减弱。
经济水平高的城市通常聚集公司区域总部，企业商务人员通常会在工作日前往其他城市进行项目洽谈或商业投资。经济水平高的城市居民总体收入较高，周末更容易进行城际出行，在休息期间居民也更愿意前往经济发达的城市休闲娱乐。节假日期间，居民出行目的更为多元，因此城市的经济水平对于城际出行的影响会减弱。
假设3：人口规模在周末及节假日城际出行中的作用效果均加强。
人口规模大的城市，居民会有更多类别的城际出行需求。工作日期间，城市间的人口流动更多是由城市经济发展水平主导，而周末和节假日，经济对于城际出行的主导作用降低，人口规模越大的城市，越容易与其他城市间展开人口交互活动，因此人口规模对城际出行的促进作用会强化。

1.2　影响因素选取

1.2.1　核心影响因素

城市间的地理距离反映居民出行的综合成本，代表2个城市间出行的难易程度，是中间障碍中最为重要的因素，对于居民城际出行的决策起重要作用。城市间距离越远，居民通常会使用乘坐高铁等更为快速的交通工具，并承担较高的交通成本，这对中低收入的人群产生较大影响（郭卫东 等，2023）。
城市的经济水平体现经济的综合发展情况，会对居民的城际出行行为产生影响（王紫璇 等，2023）。城市的经济活力越高，所具有的产业类型越多，越容易吸引周边城市居民来此进行商业交往活动。该城市的居民也会前往周边城市从事各类商业活动，实现人流和资金流在城市间的双向流动。
城市人口规模是衡量城市综合实力的重要表征，城市的人口规模越高，表明城市发展水平越高、基础设施越完善、社会福利保障体系越齐全（丁成日 等，2023；刘建国 等，2023）。同时，人口规模大的城市，居民总体收入水平、生活质量较高，因此更容易在周末、节假日等时间前往其他城市休闲娱乐。
因此，本文将城市间地理距离作为中间障碍的核心解释变量，将经济水平、人口规模作为推力要素和拉力要素的核心解释变量。

1.2.2　其他影响因素

行政因素与交通设施建设状况也是影响城际出行的中间障碍。行政壁垒增加了跨城出行语言交流障碍、制度政策差异等无形成本，会对居民的出行决策产生抑制作用（谭爽 等，2022）。城市对外交通站点及公路设施的建设情况，反映居民能否快速到达周边或远距离城市，是否具备与其他城市点对点连接的能力（雷玮倩 等，2023）。
居民收入情况与城市产业构成也反映城市经济发展状况，对城际出行产生一定影响。居民的平均收入越高，越有能力负担跨市出行的经济成本，并更愿意在空闲时间前往其他城市开展个性化活动（刘振 等，2023）。城市的第三产业占比越大，城市发展越依靠餐饮、住宿、娱乐等需大量短期出行居民支撑的产业，因此会吸引更多的跨城流动人口。
区域中心城市通常具有更为完备的公共服务设施，如图书馆、博物馆、三甲医院等，这些资源会对周边的中小城市居民产生较强的吸引力（钮心毅 等，2023；祁琪 等，2023）。同时，城市的独特旅游资源也是吸引人口流入的重要因素。
因此，本文将行政因素和交通设施作为中间障碍的其他影响因素，将收入水平、产业构成、公共服务、旅游收入作为推力要素和拉力要素的其他影响因素。

2 研究区域、数据与方法

2.1　研究区域与数据来源

以《长江三角洲区域一体化发展规划纲要》（国务院，2019）确定的长三角范围为主要研究区域，包括上海、江苏、浙江和安徽全域（图2）。长三角是中国三大世界级城市群之一（方创琳，2021），交通设施网络完善，具有上海浦东、南京禄口、杭州萧山等国际机场，京沪、沪宁、沪杭等高铁线路。
图2 长三角城市群区域范围

注：改绘自《长江三角洲城市群发展规划（2015—2030）》（国家发展与改革委员会，2016）。

Fig.2 Regional scope of the Yangtze River Delta Urban Agglomeration

数据包含城际出行、长三角地区各市社会经济数据、城市间距离、行政因素以及交通建设数据。其中，城际出行数据来源于百度迁徙平台 1，采集时间为2023-01-01—04-30，包含81个工作日、27个非工作日和12个节假日（包含元旦、春节、“五一”等假期），共计196 800条数据；城市社会经济数据来自2020年各省、市统计年鉴及统计公报，由于近年数据缺失较严重，且城市社会经济指标增长较缓慢，因此使用2019年的数据；城市间距离利用高德路径规划API接口爬取城市间实际出行时长；行政因素数据为根据各城市的行政级别和地理位置建立的分类变量；交通建设数据包括高铁、机场建设情况以及各市公路里程数，来源于携程旅行网 2、Flight Aware网站 3等，统计时间为2023-04-20。

2.2　变量设置

2.2.1　因变量：日均城际出行规模

基于百度城市迁徙规模指数，分别计算长三角地区工作日、周末和节假日各城市间日均城际出行规模，作为因变量。计算方法为：
1）计算各城市间逐日城际出行规模。城市迁徙规模指数反映城市 i在特定日期 t流入或流出人口的总体规模，分为城市逐日流入规模指数 i n _ n u m i t和城市逐日流出规模指数 o u t _ n u m i t，城市间可横向对比。根据城市逐日流入（流出）规模指数，得到某日具体城市对间城际出行规模。计算公式为：
O i j t = o u t _ n u m i t × R i j t
D p i t = i n _ n u m i t × R p i t
式中： O i j t为指定日期 t，城市 i前往城市 j的城际出行规模； D p i t为指定日期 t，城市 p前往城市 i的城际出行规模； o u t _ n u m i t为城市 i在指定日期 t的城市流出迁徙规模指数； i n _ n u m i t为城市 i，在制定日期 t的城市流入迁徙规模指数； R i j t为指定日期 t，城市对 i j的出行规模占城市 i总流出规模的比例； R p i t为指定日期 t，城市对 p i的出行规模占城市 i总流入规模的比例。
2）计算日均城际出行规模，计算方式为：
T r a v e l i j d = ∑ t = 1 N O i j t N
式中： d为指定时段的具体日期，包括工作日、周末、节假日3类； T r a v e l i j d为特定出行时段 d，城市 i前往城市 j的城际出行规模； O i j t含义同上； N为出行时段所对应的天数。

2.2.2　自变量：核心解释变量与控制变量

本研究以城市常住人口表示人口规模，以各市国内生产总值代表城市的经济水平，以出行时长衡量地理距离，将这些变量作为核心解释变量。
此外，城际出行还受其他因素影响，将这些因素作为控制变量。以城市第三产业占比反映城市的产业结构状况；以城市平均工资表示城市收入水平对城际出行的作用力；以城市医院数量和城市博物馆、文化馆、公共图书馆总数2个指标表示城市的公共服务水平。以城市的全市旅游总收入衡量城市旅游吸引力。以城市的行政等级和是否跨省出行2个分类变量表示行政因素对城际出行的影响。最后，以是否开通高铁和机场，以及城市公路里程数表示城市交通设施建设情况（表1）。
表1 城际出行影响因素变量描述性统计

Table 1 Descriptive statistics of variables related to the intercity travel influencing factors

变量 测算方法 最小值 最大值 中位数 标准差
因变量 城际出行 百度迁徙规模指数 0.000 2.660 0.129 0.129
工作日日均城际出行 0.000 2.032 0.009 0.115
周末日均城际出行 0.000 2.660 0.009 0.138
节假日日均城际出行 0.000 1.949 0.014 0.131

核心

解释

变量

 人口规模 城市常住人口/万人 97.000 2 428.000 500.000 392.079
经济水平 国内生产总值/亿元 816.330 38 155.000 3 139.290 6 420.933
地理距离 出行时长/h 0.167 9.167 2.853 1.692

控制

变量

 产业结构 第三产业占比/% 42.350 72.730 48.930 6.210
收入水平 全市平均工资/万元 6.567 16.026 8.382 1.886
公共服务 全市医院数量/个 30.000 387.000 176.000 82.675
全市博物馆、文化馆、公共图书馆总数/个 14.000 145.000 70.000 28.605
旅游收入 全市旅游总收入/亿元 127.000 4 789.000 782.700 1 029.464
行政因素 城市等级（直辖市=3，省会，计划单列市=2，地级市=1） 1.000 3.000 1.171 0.436
是否跨省出行（是=1，否=0） 0.000 1.000 0.691 0.462
交通设施 城市公路里程数/km 1 907.000 24 124.000 11 818.000 5 220.904
是否建有机场（是=1，否=0） 0.000 1.000 0.561 0.496
是否开通高铁（是=1，否=0） 0.000 1.000 0.951 0.215

2.3　研究方法

人口迁徙的重力模型最早由Zipf（1946）提出，包括到达城市人口、出发城市人口城市间的距离3个解释变量。此后，部分学者引入城市经济水平（骆许蓓，2003），提高了模型的拟合度，城市人口规模、经济水平和城市间距离成为影响城际出行的核心解释变量（王先进 等，2006）。在重力模型应用方面，学者多结合对数线性回归（赵梓渝 等，2019）、逐步回归（李鹏博 等，2021）、空间计量模型（李涛 等，2021）、泊松伪最大似然估计估计（Gu et al., 2022）等方式，更加精确地解释城际出行的影响因素和作用机制。
参考相关研究，本文选用PPML重力模型（古恒宇 等，2022），即泊松伪最大似然估计法。在城际出行相关研究建模分析时，PPML模型具有很高的可靠性，并且更适用于探讨影响城际出行的推拉力作用（Gu et al., 2022）。相较于传统重力模型结合对数线性回归，具有以下优点：1）城际出行数据作为计数数据的一种，更适合利用泊松回归建模；2）即使数据存在过离散现象，即均值和方差差异较大，依然可以提供一致的估计结果（Silva and Tenreyro, 2006）。计算公式为：
     T r a v e l i j d = e x p   [ β 0 + β 1 l n   P O P O + β 2 l n   P O P D + β 3 l n   G D P O + β 4 l n   G D P D + β 5 l n   D I S T + β 6 l n   P e r i + ∑ n = 1 k β n l n   C O n + ∑ n = 1 k β n l n   C D n + P r o v i n c e O + P r o v i n c e D + e O D ]
式中： T r a v e l i j d含义同上； P O P O / P O P D分别为出发城市和到达城市常住人口规模； G D P O / G D P D为出发城市和到达城市国内生产总值； D I S T为地理距离； P e r i为出行时段；   C O n、 C D n为出发城市和到达城市的控制变量； P r o v i n c e O为出发城市所在省份的固定效应； P r o v i n c e D为到达城市所在省份的固定效应； e O D为误差项。
为进一步探究工作日、周末、节假日城际出行影响因素的时间异质性，本文还进行交互项检验，计算不同时段各核心因素对城际出行影响的边际效应。

3 结果分析

3.1　城际出行特征

3.1.1　城际出行规模特征

平均出行距离直观地表现各时段活动范围的大小，工作日居民出行平均距离为163 km，周末为152 km，节假日为167 km。长三角地区城际出行呈明显的时空分异特征（图3），不同时段省内城际出行均约占4成，节假日期间省内占比最低，为35.197%，省内城际出行规模随时段变化较大。结合都市通勤圈相关研究（朱雷洲 等，2022）以及实际出行时长，将出行时长划分为4类。各时段出行中，周末短时长（<1 h）出行占比最高，约占5成；随着出行时长增加，占比最高的时段（2~3 h、>3 h）变为节假日。这表明工作日居民跨省出行更多，周末更倾向于短距离的省内出行，节假日更倾向于中长距离、出行时间长的省内出行。
图3 各时段城际出行规模对比

Fig.3 Comparison of intercity travel scale in different time periods

对比各市不同时段城际出行总规模差异（图4）可知，总体而言，长三角地区从东部沿海至浙西南地区城际出行规模呈递减趋势，且上海、南京、杭州等中心城市为区域人口集散核心。周末城际出行结构与工作日类似，但上海、苏北及浙南地区城际出行强度均有提升。节假日期间，各市城际出行规模明显提升，城际出行强度的空间集聚分布有所减弱，居民城际出行目的更多元化。
图4 各市工作日与非工作日城际出行规模

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为GS（2019）1822号的标准地图制作，底图无修改；图5同。

Fig.4 Scale of intercity travel for both work and non-work day each city

3.1.2　城际出行格局特征

各时段城际出行的主要通道集中在上海、苏南、浙北等地区之间。其中，上海与苏州的人口交互强度在长三角地区各时段均最高。此外，区域中心城市与周边腹地城市间人口流动强度较高，如上海与嘉兴、杭州与绍兴等；苏南地区城市间城际出行规模也较高，如常州与无锡、苏州与常州等；安徽省整体城际出行强度较低，城际出行主要集中在合肥与周边城市之间。
根据工作日、周末、节假日3个时段城际出行数据，构建长三角地区工作日与非工作日城际出行网络（图5）。总体上，苏州与上海的城际出行规模最高，呈频繁的要素流动态势，反映苏州和上海的一体化程度较高。当前长三角地区形成以“南京―常州―无锡―苏州―上海―嘉兴―杭州”为主要廊道的城际出行空间分布。安徽省城际出行呈现以合肥为核心的网络特征，但整体出行联系强度较低。
图5 长三角地区日均城际出行空间格局

Fig.5 Spatial pattern of daily intercity travel in the Yangtze River Delta region

周末与工作日的城际出行格局总体较为一致，延续工作日城际出行网络格局，区域中心城市与周边腹地城市人口交互作用增强，短途出行频次增加，周末居民更倾向于在“核心―腹地”展开跨市休闲娱乐活动。节假日期间，城际出行规模进一步提升，城际出行网络更复杂。远距离城际出行规模提升更明显，城际出行的覆盖面更广。上海、南京等长三角区域中心城市的城际出行网络核心地位强化，形成以都市圈为主体的城际出行结构，说明节假日城际出行居民还考虑到达城市的文化、生活习惯等更多因素，因此强化了省际边际效应。

3.2　总体回归结果

模型经共线性检验，各解释变量VIF值均＜3，表明自变量间不存在明显的共线性。依次将核心解释变量、控制变量、交互项加入回归模型，探讨各组别核心解释变量对长三角地区城际出行的影响（表2）。模型1仅使用核心解释变量进行模型拟合，结果均符合预期。模型2将控制变量放入模型中拟合，Pseudo R²从0.505升至0.613，拟合效果增强，说明控制变量会对城际出行强度产生影响。
表2 PPML重力模型回归结果

Table 2 The PPML gravity regression results

解释变量 T r a v e l i j d
模型（1） 模型（2） 模型（3）
城市常住人口 O 0.203***（0.017） 0.217***（0.023） 0.254***（0.030）
城市常住人口 D 0.177***（0.017） 0.134***（0.023） 0.143***（0.031）
国内生产总值 O 0.145*（0.013） 0.152*（0.014） 0.147**（0.019）
国内生产总值 D 0.142***（0.013） 0.140***（0.014） 0.169***（0.019）
出行时长 -0.004***（0.000） -0.002***（0.000） -0.002***（0.000）
出行时段 参照组：工作日 0 0 0
周末 0.005*（0.014） 0.005*（0.012） 0.342*（0.220）
节假日 0.141***（0.013） 0.127***（0.012） 1.175***（0.204）
城市常住人口 O #出行时段 参照组：工作日 0
周末 0.060（0.034）
节假日 -0.046（0.031）
城市常住人口 D #出行时段 参照组：工作日 0
周末 -0.013*（0.034）
节假日 -0.013*（0.031）
国内生产总值 O #出行时段 参照组：工作日 0
周末 0.039*（0.022）
节假日 -0.020（0.019）
国内生产总值 D #出行时段 参照组：工作日 0
周末 -0.021（0.022）
节假日 -0.064**（0.020）
出行时长#出行时段 参照组：工作日 0
周末 -0.001*（0.000）
节假日 0.001**（0.000）
常数 3.541***（0.136） 5.982***（1.158） 5.476***（1.166）
样本数量/个 4 920 4 920 4 920
控制变量 否 是 是
Province O 固定效应 是 是 是
Province D 固定效应 是 是 是
Log pseudolikelihood -1 179.120 -923.343 -913.695
Pseudo R² 0.505 0.613 0.617

注：1）括号内为稳健标准误；2）O代表出发城市，D代表到达城市；3）***表示P值<0.01；**表示P值<0.05；*表示P值<0.1。

模型3将核心解释变量与出行时段的交互项加入模型，其对城际出行规模的影响与预期结果相符。根据不同模型回归结果可知，城市人口规模与城际出行强度呈正相关。大量的人口带来的城际出行需求，使得出发地的城际出行规模增大。同时，优越的设施条件和大量的发展机会也使更多外市人口被吸引，从而产生更多城际活动。
出发城市和到达城市国内生产总值的影响存在差异，出发城市的作用效果没有到达城市的作用效果显著，其原因在于，长三角各市均有较强的城际出行需求，多元的城际出行经济驱动因素，未能反映出发城市经济发展水平对城际出行规模影响的具体作用。到达城市国内生产总值对城际出行规模有正向作用，国内生产总值越高，其城市经济活力越强，能吸引更多的人从事经济活动。
城市间距离依然是制约长三角地区城际出行强度的主要因素。相较于疫情前的研究（赵梓渝 等，2019），距离回归系数降低，证明长三角一体化水平提高，交通设施的大力建设降低了距离对长三角城市群城际出行的阻抗作用。当前，居民较少考虑距离成本对跨市出行的制约，提升了居民长距离出行的可能。
模型3的交互项回归结果表明，相较工作日各核心解释变量对城际出行强度的影响，周末与节假日改变各核心解释变量的作用效果。首先，周末和节假日均削弱到达城市人口规模对城际出行的正向作用；其次，周末与出发城市国内生产总值的交互项呈显著正相关，节假日与到达城市国内生产总值的交互项呈显著负相关；最后，周末提高城市距离对城际出行的阻碍作用，而节假日降低城市距离对城际出行规模的阻抗效果。

3.3　影响因素的时间异质性分析

为进一步探究工作日与非工作日核心解释变量对城际出行规模的影响差异，计算不同出行时段下各核心解释变量的边际效应（表3）。结合回归结果可知，各城际出行核心影响因素均具有明显的时间异质性。
表3 工作日与非工作日各核心解释变量的边际效应

Table 3 Marginal effect of core variables on weekdays and non weekdays

出行时段 城市常住人口 O 城市常住人口 D 国内生产总值 O 国内生产总值 D 出行时长
工作日

0.254***

（0.031）

0.143***

（0.031）

0.147***

（0.019）

0.170***

（0.019）

-0.002***

（0.000）

周末

0.314***

（0.061）

0.130***

（0.031）

0.186***

（0.019）

0.149***

（0.019）

-0.003***

（0.000）

节假日

0.208***

（0.027）

0.130***

（0.027）

0.127***

（0.017）

0.106***

（0.017）

-0.001***

（0.000）

注：1）括号内为稳健标准误；2）O代表出发城市，D代表到达城市；3）***表示P值<0.01；**表示P值<0.05；*表示P值<0.1，模型加入了所有控制变量。

出行时长即地理距离的阻碍效果在周末加强，而在节假日削弱，与本文假设及相关研究（潘竟虎 等，2022）相符合。节假日的负向回归系数比工作日低，体现节假日期间居民更倾向于长距离出行，这与李涛等（2020）李涛等（2020）的研究相反，原因在于，本研究将小长假与春节共同归类为节假日，春节期间东部沿海地区外出务工的居民更易返乡探亲，并于节假日后期返回工作所在地，总体出行距离较长，因而拉高节假日的平均出行距离。
经济水平的促进效果在周末增强，在节假日减弱，基本与研究假设符合。节假日期间，出发城市和到达城市经济水平的回归系数均下降。城市的经济发展水平，一直被认为是影响城际出行强度的关键因素，城际出行更多产生于发达城市之间（高苹 等，2023）。周末到达城市经济水平的回归系数有所降低，与假设相反。其原因可能是，由于居民周末城际出行的目的以休闲娱乐为主，更看重目的地是否满足其对于景色风光、游憩体验等各方面非经济需求（赵梓渝 等，2022）。
人口规模的促进效果在周末和节假日均减弱，仅有出发城市的人口规模在周末的作用效果有所加强，这与前期分析结果相反。周末及节假日期间，长三角地区居民有更为多元的城际出行目的，个人社会关系网络对城际出行决策有较大影响，而城市的综合发展水平则影响较少，因此到达城市人口规模的影响效果降低，这与已有研究（施响 等， 2022）一致，到达城市人口规模对城际出行的促进作用在周末与节假日削弱程度相同。

3.4　影响机制分析

基于回归分析结果，进一步归纳长三角地区城际出行的影响机制（图6）。出行时段改变各影响因素的作用效果，这些效果构成城际出行的推拉力。
图6 长三角地区城际出行的影响机制

Fig.6 The influencing factors of intercity travel in the Yangtze River Delta region

推拉力要素包括城市发展水平以及引发个体出行的诱因。从城市发展水平的角度看，城市发展水平体现城市集散能力。人口规模反映城际出行的潜在规模，对城际出行具有基础支撑作用；经济水平体现城市综合发展情况，为大规模城际出行的展开奠定基础（李涛 等，2021）；产业结构体现城市的资源优势，在城市人口交互作用中影响城市的分工合作与协同发展。从各类个体出行诱发因素的角度看，居民更多关注城市的各类资源，以满足个人生产生活的需要。收入水平高的城市就业机会多，会促使更多居民前往工作；公共服务质量展现城市的功能丰富度与服务品质，居民更容易被优质的商业娱乐设施与医疗服务水平所吸引；旅游资源是周末节假日城际出行产生的重要原因，旅游资源丰富的城市可满足各类游玩需求。不同时段，城际出行的主要类型在跨市通勤、商务办公、休闲娱乐三者间改变，推拉要素的主导因素发生改变，各要素的作用效果也发生显著变化。
中间障碍是制约城际出行的主要因素。一方面，长三角地区一体化水平不断提高，交通设施建设逐步完善，但地理距离依然是最重要的中间障碍因素。高铁、机场等高速交通设施并未覆盖全部城市，跨市交通联系仍有待提升。城市间地理距离以及城市交通设施建设情况决定城际出行的成本，为了更易获得所需资源，居民更倾向前往距离较近的城市。另一方面，不同省份之间的行政和文化习俗差异，增加居民的适应成本，形成“无形的壁垒”，抑制跨省人口交互作用。中间障碍在不同的出行时段对城际出行的阻碍作用，也会产生差异化效果。
在推拉力要素以及中间障碍的作用下，城市节点、城际联系、网络组织等城际出行网络属性表现出明显的异质性，最终形成具有时间异质性特征的城际出行网络。具体表现为工作日城际出行网络的小世界特征更明晰，中心城市的枢纽地位更显著；周末城际出行网络的地域邻近性提高，区域中心与腹地城市的互动性更强，旅游资源丰富的城市在网络中展现出更大的集聚和辐射能力；节假日城际出行网络强度明显提升，区域交通枢纽城市与中远距离的中小城市人口交互显著提高，省域边界效应与空间临近效应降低，城际出行网络结构弱化。

4 结论与讨论

4.1　结论

本文基于百度迁徙数据，分析了长三角地区工作日、周末和节假日城际出行特征，利用PPML模型和交互项检验分析长三角各时段城际出行的影响因素差异，系统地探讨了长三角地区城际出行的时间异质性及影响机制，主要结论有：
1）长三角地区城际出行网络呈现时间异质性特征。工作日城际出行强度最低，形成沿沪宁、沪杭集聚的城际出行结构，到达城市人口规模和经济水平对城际出行的正向作用加强；周末到达城市人口规模对城际出行的促进作用减弱，出发城市经济水平对城际出行的促进作用增强，居民更倾向于短途出行，城市间距离对城际出行的阻碍作用强化。节假日出行强度最高，到达城市人口规模和经济水平对城际出行的促进作用削弱，城市间距离对城际出行的阻碍作用削弱。
2）城际出行受推拉力以及中间障碍要素的影响。城市发展水平、个体出行诱因等推拉力要素对城际出行具有促进作用，出行成本和行政文化壁垒等中间障碍因素对城际出行具有阻碍作用，推拉要素的作用效果呈时间异质性。工作日城际出行网络的小世界特征更为明显，中心城市的结构核心地位更显著；周末城际出行网络的地域邻近性提高，“中心－腹地”联系紧密；节假日城际出行网络强度整体提升，跨省中长距离提升最显著，城际出行网络结构弱化。

4.2　讨论

工作日城际出行以省域或都市圈为空间基本组织单元，具有明显的小世界特征。应积极探索打破区域行政壁垒的政策措施，优化跨省人口流动结构，实现各城市之间的资源优势互补，提高网络韧性水平（黄洁 等，2023）；周末城际出行更集中“核心－腹地”之间，趋向短途出行。应重点关注区域中心城市与周边城市及旅游资源点间通行能力，以1 h通勤圈为基本单元，充分发挥市郊铁路、高速公路的“时空压缩”作用，提高短途跨市交通效率，缓解大城市周边中小城镇的周末交通承载和集散压力。节假日是中长距离外出旅行和探亲访友的黄金时期，应充分发挥区域交通枢纽的进出门户作用，打造综合换乘枢纽，实现各类交通设施的无缝衔接，提高交通枢纽与目标城市间的交通可达性。春运期间，面临长距离返乡外出务工潮，应重点关注“对称性”的城际出行特点，保障交通枢纽间长距离快速运输的高效性和稳定性。
未来可从3个方面进一步深化：1）长三角地区城际出行具有较强的地域特点，可在全国尺度分析各时段城际出行网络特征，归纳不同地区城际出行网络时间异质性的异同，从而得到更为普适的时间异质性规律；2）城际出行网络的形成与发展是一个动态演化的过程，可利用逐年数据，将流入与流出数据分开，进一步探讨城际出行网络的时间异质性特点、演变规律以及流入与流出交通流的影响机制分异；3）本文选取的城际出行影响因素更倾向于宏观尺度，对个体的城际出行影响机制更多基于定性分析，未来可以通过问卷、访谈等形式获取个体的城际出行数据，聚焦个体的出行目的、出行动机等方面的差异，结合大小数据剖析城际出行的影响机制与驱动因素。

1 https://qianxi.baidu.com/

2 https://www.ctrip.com/

3 https://flightaware.com/

战武麟：论文初稿撰写与修改、数据搜集与处理、图表制作；

席广亮：论文思路构思、论文修改与完善；

居 阳：模型方法分析；

石 飞：论文修改与完善。

References

Publishing order | Descend order by publishing year | Descend order by cited within
储君，仝德，古恒宇，曹志强，潘向向. 2023. 中国城际联系距离衰减的非线性规律——基于人口流动大数据. 地理科学进展，42（01）：1-11.

Chu Jun, Tong De, Gu Hengyu, Cao Zhiqiang, and Pan Xiangxiang. 2023. Nonlinear Characteristics of Distance-Decay Parameter in Intercity Links: Based on Human Mobility Big Data. Progress in Geography, 42(1): 1-11.

Cui C, Wu X, Liu L, and Zhang W. 2020. The Spatial-Temporal Dynamics of Daily Intercity Mobility in the Yangtze River Delta: An Analysis Using Big Data. Habitat International, 106: 1-9.

丁成日，李琪. 2023. 城市规模和行政等级对农村人口流动的影响. 城市发展研究，30（9）：42-51.

Ding Chengri and Li Qi. 2023. The Locational lmpact of City Size and Administrative Ranking on Rural Urban Floating Population. Urban Studies, 30(9): 42-51.

Dong T, Jia N, Ma S F, Xu S X, Ping Ong G, Liu P, and Huang H J. 2022. Impacts of Intercity Commuting on Travel Characteristics and Urban Performances in a Two-City System. Transportation Research: Part E, Logistics and Transportation Review, 164: 102792.

窦旺胜，秦波，郝美竹，万思齐. 2023. 中国青年流动人口城市选择的空间特征及影响因素. 地理研究，42（5）：1234-1247.

Dou Wangsheng, Qin Bo, Hao Meizhu, and Wan Siqi. 2023. Spatial Characteristics and Influencing Factors of Young Migrants' Selection of City in China. Geographical Research, 42(5): 1234-1247.

方创琳. 2021. 新发展格局下的中国城市群与都市圈建设. 经济地理，41（4）：1-7.

Fang Chuanglin. 2021. China's Urban Agglomeration and Metropolitan Area Construction Under the New Development Pattern. Economic Geography, 41(4): 1-7.

高苹，戚伟，刘盛和，刘振，潘泽瀚. 2023. 中国城市网络结构特征及组织模式——基于长短期人口流的比较. 人文地理，38（6）：82-91.

Gao Ping, Qi Wei, Liu Shenghe, Liu Zhen, and Pan Zehan. 2023. Comparison of Spatial Structure and Organization Mode of City Networks From the Perspective of Long-Term and Short-Term Population Flows. Journal of Human Geography, 38(6): 82-91.

Gu H, Jie Y, and Liao X. 2022. Health Service Disparity, Push-Pull Effect, and Elderly Migration in Ageing China. Habitat International, 125: 102581.

顾朝林，庞海峰. 2008. 基于重力模型的中国城市体系空间联系与层域划分. 地理研究，27（1）：1-12.

Gu Chaolin and Pang Haifeng. 2008. Study on Spatial Relations of Chinese Urban System: Gravity Model Approach. Geographical Research, 27(1): 1-12.

顾朝林. 2011. 城市群研究进展与展望. 地理研究，30（5）：771-784.

Gu Chaolin. 2011. Study on Urban Agglomeration: Progress and Prospects. Geographical Research, 30(5): 771-784.

古恒宇，劳昕，温锋华，赵志浩. 2022. 2000—2020年中国省际人口迁移格局的演化特征及影响因素. 地理学报，77（12）：3041-3054.

Gu Hengyu, Lao Xin, Wen Fenghua, and Zhao Zhihao. 2022. Spatiotemporal Patterns and Determinants of Interprovincial Migration in China Between 2000 and 2020. Acta Geographica Sinica, 77(12): 3041-3054.

国家发展与改革委员会. 2016. 长江三角洲城市群发展规划（2015—2030）.（2016-07-15）[2024-04-09]. https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201606/W020190905497826154295.pdf.

National Development and Reform Commission of the People's Republic of China. 2016. The Development Plan for the Yangtze River Delta Urban Agglomeration(2015-2030).(2016-07-15)[2024-04-09]. https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201606/W020190905497826154295.pdf.

郭卫东，钟业喜，李炜. 2023. 基于不同交通方式的中国城市间人口流动网络比较研究. 世界地理研究，32（7）：102-112.

Guo Weidong, Zhong Yexi, and Li Wei. 2023. A Comparative Study on the Population Flow Network Between Chinese Cities Based on Different Transportation Modes. World Regional Studies, 32(7): 102-112.

国务院. 2019. 《长江三角洲区域一体化发展规划纲要》.（2019-12-01）[2024-04-09]. https://www.gov.cn/zhengce/2019-12/01/content_5457442.htm.

State Council of the People's Republic of China. 2019. Outline Plan for the Integrated Development of the Yangtze River Delta Region. (2019-12-01) [2024-04-09]. https://www.gov.cn/zhengce/201912/01/content_5457442.htm.

黄洁，王姣娥. 2023. 出行韧性的理论与方法及实证. 地理学报，78（10）：2507-2519.

Huang Jie and Wang Jiao'e. 2023. Theory, Method, and Empirical Studies of Travel Behavior Resilience. Acta Geographica Sinica, 78(10): 2507-2519.

雷玮倩，焦利民. 2023. 城市人口集聚与城市间人口流动对经济产出的影响. 地理学报，78（8）：1969-1982.

Lei Weiqian and Jiao Limin. 2023. The Impacts of Urban Population Agglomeration and Human Mobility on Economic Performance. Acta Geographica Sinica, 78(8): 1969-1982.

Li T, Wang J, Huang J, and Gao X. 2020. Exploring Temporal Heterogeneity in an Intercity Travel Network: A Comparative Study between Weekdays and Holidays in China. Journal of Geographical Sciences, 30(12): 1943-1962.

李鹏博，田丽君，黄文彬. 2021. 基于系统动力学的人口迁移重力模型改进及实证检验. 系统工程理论与实践，41（7）：1722-1731.

Li Pengbo, Tian Lijun, and Huang Wenbin. 2021. Improvement and Empirical Test of Population Migration Gravity Model Based on System Dynamics. Systems Engineering-Theory & Practice, 41(7): 1722-1731.

李涛，王姣娥，高兴川. 2020. 中国居民工作日与节假日的城际出行网络异同性研究. 地理学报，75（4）：833-848.

Li Tao, Wang Jiao'e, and Gao Xingchuan. 2020. Comparison of Inter-City Travel Network During Weekdays and Holiday in China. Acta Geographica Sinica, 75(4): 833-848.

李涛，李宇，戴靓，王姣娥. 2021. COVID-19疫情影响下的“五一”小长假城际出行特征与影响因素. 地理研究，40（11）：3225-3241.

Li Tao, Li Yu, Dai Liang, and Wang Jiao'e. 2021. Characteristics and Influencing Factors of Intercity Travel During the May Day Holiday Under the Influence of the COVID-19 Outbreak in China. Geographical Research, 40(11): 3225-3241.

李宇，李涛，邱孟龙，李继园，曹小曙. 2023. 基于交通流的关中城市群城际交互对城市空间增长的影响. 人文地理，38（1）：147-157.

Li Yu, Li Tao, Qiu Menglong, Li Jiyuan, and Cao Xiaoshu. 2023. Impact of Intercity Interaction on Urban Space Growth in the Guanzhong Plain Urban Agglomeration Based on Traffic Flows. Journal of Human Geography, 38(1): 147-157.

刘建国，丁杨，薛丹阳. 2023. 人口流动研究进展：测度方法、影响因素与经济社会影响. 西北人口，44（6）：73-85.

Liu Jianguo, Ding Yang, and Xue Danyang. 2023. Research Progress on Population Mobility: Measurement Methods, Influencing Factors and Economic and Social Impacts. Northwest China Population, 44(6): 73-85.

刘振，戚伟，刘盛和，齐宏纲，金浩然，张雪飞. 2023. 中国城市流动人口就业行业选择分异及影响因素. 地理科学进展，42（6）：1055-1068.

Liu Zhen, Qi Wei, Liu Shenghe, Qi Honggang, Jin Haoran, and Zhang Xuefei. 2023. Employment Choice of the Floating Population and Influencing Factors in China. Progress in Geography, 42(6): 1055-1068.

骆许蓓. 2003. 论双边贸易研究中重力模型的距离因素. 世界经济文汇，（2）：45-60.

Luo Xubei. 2003. On the Distance Factor in the Gravity Model of Bilateral Trade Studies. World Economic Papers, (2): 45-60.

Niu F. 2022. A Push-Pull Model for Inter-City Migration Simulation. Cities, 131: 104005.

钮心毅，朱艺. 人口迁居视角下的中国人口城镇化空间格局——基于百度迁徙数据的研究. 城市规划，（2023-09-21）[2023-12-03]. https://link.cnki.net/urlid/11.2378.tu.20230920.0931.002.

Niu Xinyi and Zhu Yi. Spatial Pattern of China's Population Urbanization From the Perspective of Population Migration: A Study Based on Baidu Migration Data. Urban Planning, (2023-09-21) [2023-12-03]. https://link.cnki.net/urlid/11.2378.tu.20230920.0931.002.

潘竟虎，魏石梅，张蓉，杨亮洁. 2022. 中国居民城际出行网络的空间结构特征. 地理学报，77（10）：2494-2513.

Pan Jinghu, Wei Shimei, Zhang Rong, and Yang Liangjie. 2022. Spatial Structure Characteristics of Intercity Travel Network of Chinese Residents: Based on Tencent Migration Data. Acta Geographica Sinica, 77(10): 2494-2513.

Qi R, Pan J, and Zhang R. 2021. Comparison of Intercity Travel Network Structure During Daily Time and Holiday in China. Complexity, 2021: 1-15.

祁琪，马瑞光，殷江滨，王紫璇. 2023. 地方环境对流动人口回流意愿的非线性影响——基于流入地与户籍地的比较分析. 地理科学，44（2）：228-237.

Qi Qi, Ma Ruiguang, Yin Jiangbin, and Wang Zixuan. 2023. Non-Linear Influence of Regional Contexts on Return Migration Intentions: A Comparative Study Between the Place of Origin and Destination. Geographical Science，44(2)：228-237.

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

Shi Xiang, Wang Shijun, Wang Dongyan, Hao Feilong, and Li Zhuowei. 2022. Characteristics and Influencing Factors of Daily Population Flow Among Cities in China. Geographical Science, 42(11): 1889-1899.

Silva J M C S and Tenreyro S. 2006. The Log of Gravity. The Review of Economics and Statistics, 88(4): 641-658.

谭爽，魏冶，李晓玲，孙欣. 2022. 不同邻近性视角下城市网络外部性、集聚外部性对城市经济的影响——以辽宁省城市网络为例. 地理研究，41（9）：2404-2417.

Tan Shuang, Wei Ye, Li Xiaoling, and Sun Xin. 2022. The Impact of Urban Network Externalities and Agglomeration Externalities on Urban Economy Through the Lens of Different Proximity: A Case of Urban Network in Liaoning Province. Geographical Research, 41(9): 2404-2417.

唐佳，甄峰，秦萧. 2018. 信息时代高铁走廊区域居民活动空间——概念模型与研究框架. 地理研究，37（9）：1789-1801.

Tang Jia, Zhen Feng, and Qin Xiao. 2018. Activity Space of Regional High Speed Rail Corridor in Information Era: Conceptual Model and Research Framework. Geographical Research, 37(9): 1789-1801.

唐佳，甄峰，席广亮. 2020. 高铁走廊区域居民城际流动支撑体系优化策略研究——以沪宁高铁为例. 现代城市研究，（9）：31-39.

Tang Jia, Zhen Feng, and Xi Guangliang. 2020. A Study on Optimizing Strategies of Residents' Intercity Mobility Support System for Regional High Speed Rail Corridor: A Case Study of Shanghai-Nanjing High Speed Rail. Modern Urban Research, (9): 31-39.

Wang Y, Li X, Yao X, Li S, and Liu Y. 2022. Intercity Population Migration Conditioned by City Industry Structures. Annals of the American Association of Geographers, 112(5): 1441-1460.

王婧，刘奔腾，李裕瑞. 2018. 京津冀人口时空变化特征及其影响因素. 地理研究，37（9）：1802-1817.

Wang Jing, Liu Benteng, and Li Yurui. 2018. Spatial-Temporal Characteristics and Influencing Factors of Population Distribution and Floating Changes in Beijing-Tianjin-Hebei Region. Geographical Research, 37(9): 1802-1817.

王先进，刘芳. 2006. 基于重力模型的交通对人口迁移影响分析. 综合运输，（1）：14-17.

Wang Xianjin and Liu Fang. 2006. Analysis of the Impact of Transportation on Population Migration Based on the Gravity Model. Integrated Transport, (1): 14-17.

王雪微，赵梓渝，曹卫东，王士君. 2021. 长三角城市群网络特征与省际边界效应——基于人口流动视角. 地理研究，40（6）：1621-1636.

Wang Xuewei, Zhao Ziyu, Cao Weidong, and Wang Shijun. 2021. Study of Network Characteristics and Inter-Provincial Boundary Effect of the Yangtze River Delta Urban Agglomeration: From the Perspective of Population Flow. Geographical Research, 40(6): 1621-1636.

王垚，钮心毅. 2021. 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. 国际城市规划，36（6）：98-108.

Wang Yao and Niu Xinyi. 2021. The Functional Polycentricity Characteristics and Planning Responses of Urban Agglomeration Core Area in the Yangtze River Delta: A Study Based on Intercity Trip Connection. International Urban Planning, 36(6): 98-108.

王雨，张京祥，周子航. 2022. 从地理距离到“制度距离”：区域一体化的影响机制与空间效应测度. 城市发展研究，29（12）：112-121.

Wang Yu, Zhang Jingxiang, and Zhou Zihang. 2022. From Geographical Distance to Institutional Distance: The Influence Mechanism and Spatial Effect Measurement of Regional Integration. Urban Development Studies, 29(12): 112-121.

王紫璇，候媛，殷江滨，黄晓燕. 2023. 中国流动人口回流意愿的推拉机制——基于交叉分类多层模型的实证. 地理研究，42（10）：2663-2676.

Wang Zixuan, Hou Yuan, Yin Jiangbin, and Huang Xiaoyan. 2023. The Push-Pull Mechanism of Return Migration Intentions in China: An Empirical Study Based on Cross-Classified Multilevel Model. Geographical Research, 42(10): 2663-2676.

吴晓黎. 2021. 中国人口流动格局及影响因素研究：基于春节与工作日的对比. 上海：华东师范大学.

Wu Xiaoli. 2021. Spatial Pattern and Impact Factors of Population Mobility in China: A Comparison Between the Spring Festival and Workdays. Shanghai: East China Normal University.

新华社. 2019. 中共中央国务院印发长江三角洲区域一体化发展规划纲要.人民日报，2019-12-02（1）.

Xinhua News Agency. 2019. The CPC Central Committee and the State Council Issued the Outline of the Yangtze River Delta Region Integration Development Plan. People's Daily, 2019-12-02 (1).

徐敏，黄震方，曹芳东，朱海珠. 2018. 基于在线预订数据分析的旅游流网络结构特征与影响因素——以长三角地区为例. 经济地理，38（6）：193-202.

Xu Min, Huang Zhenfang, Cao Fangdong, and Zhu Haizhu. 2018. The Network Structure Features and Influence Factors of Tourism Flows Based on Online Data Analysis:Taking the Yangtze River Delta Region as an Example. Economic Geography, 38(6): 193-202.

张蓉，潘竟虎，赖建波. 2021. 不同交通方式下居民城际出行网络结构特征——以“春运”为例. 地理科学进展，40（5）：759-773.

Zhang Rong, Pan Jinghu, and Lai Jianbo. 2021. Characteristics of Intercity Trip Network Structure of Residents under Different Traffic Modes: A Case Study of Spring Festival Travel Rush. Progress in Geography, 40(5): 759-773.

张听雨，吕迪，赵鹏军. 2022. 基于居民出行大数据的我国都市圈识别及其分布格局. 人文地理，37（6）：171-182.

Zhang Tingyu, Lv Di, and Zhao Pengjun. 2022. Identification and Distribution Pattern of Metropolitan Areas in China Based on Resident Travel Data. Human Geography, 37(6): 171-182.

Zhang X and Gao J. 2023. The Analysis and Solution for Intercity Travel Behaviors During Holidays in the Post-Epidemic Era Based on Big Data. PLoS One, 18(7): e0288510.

赵梓渝，魏冶，杨冉，王士君，朱宇. 2019. 中国人口省际流动重力模型的参数标定与误差估算. 地理学报，74（2）：203-221.

Zhao Ziyu, Wei Ye, Yang Ran, Wang Shijun, and Zhu Yu. 2019. Gravity Model Coefficient Calibration and Error Estimation: Based on Chinese Interprovincial Population Flow. Acta Geographica Sinica, 74(2): 203-221.

赵梓渝，赵世瑶，韩钟辉，刘璐，贾聚慧，王士君. 2022. COVID-19疫情对中国节日人口城际出行影响研究. 人文地理，37（2）：141-149.

Zhao Ziyu, Zhao Shiyao, Han Zhonghui, Liu Lu, Jia Juhui, and Wang Shijun. 2022. The Impact of the COVID-19 Pandemic on Intercity Travel During Chinese Festivals. Human Geography, 37(2): 141-149.

甄峰，翟青，陈刚，沈丽珍. 2012. 信息时代移动社会理论构建与城市地理研究. 地理研究，31（2）：197-206.

Zhen Feng, Zhai Qing, Chen Gang, and Shen Lizhen. 2012. Mobile Social Theory Construction and Urban Geographic Research in the Information Era. Geographical Research, 31(2): 197-206.

朱雷洲，黄亚平，丁乙宸，郑加伟，谢来荣. 2022. “通勤圈”还是“交通圈”：新时期都市圈内涵及范围划定再认知. 城市发展研究，29（10）：78-86.

Zhu Leizhou, Huang Yapin, Ding Yichen, Zheng Jiawei, and Xie Lairong. 2022. "Commuter Circle" or "Traffic Circle": Re Cognition of the Connotation and Scope of Metropolitan Circle in the New Era. Urban Development Studies, 29(10): 78-86.

Zipf G K. 1946. The P1 P2/D Hypothesis: On the Intercity Movement of Persons. American Sociological Review, 11(6): 677-686.

Options
Outlines

/

〈 〉