中国科学院大学学报  2023, Vol. 40 Issue (3): 343-350   PDF    
基于汽车客运班次的新疆城市网络特征
靳传芬1,2, 杜宏茹1     
1. 中国科学院新疆生态与地理研究所 荒漠与绿洲生态国家重点实验室, 乌鲁木齐 830011;
2. 中国科学院大学, 北京 100049
摘要: 用交通流替代传统的属性数据表征城市间的社会经济联系,可以更直接真实地反映城市网络特征。基于汽车客运班次数据选取新疆88个县市,从联系强度、网络节点特征角度刻画新疆城市网络的格局与特征,利用模块化分析对城市网络进行区域划分,识别其内部的关联结构。研究表明:1)公路客运联系以近域联系为主,联系强度呈现出明显的等级特征。2)新疆城市网络节点的极化特征明显,空间结构差异较大,高层级节点城市呈现出沿高速公路干线分布的特征,尤其沿天山北坡交通干线分布较为集中。北疆区域的空间集聚能力整体高于南疆,尤以乌鲁木齐最强。3)新疆城市网络被划分为10个“城市组团”,具有行政边界效应、组团效应和大城市溢出效应。综上,新疆城市网络特征总体呈现出以乌鲁木齐为核心,以伊宁、库尔勒、和田、喀什、奎屯为区域中心的“一核五心”的局面,主要受到城市等级与地理距离在空间上相互叠加作用的影响。
关键词: 客运流    城市联系    城市网络    新疆    
Characteristics of Xinjiang urban network based on intercity bus flows
JIN Chuanfen1,2, DU Hongru1     
1. State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: Compared with the traditional attribute data, the traffic flow data can characterize the socio-economic connections between cities more directly and objectively. And traffic flow is a kind of data flow commonly used to reflect city network. This paper selects 88 counties and cities in Xinjiang based on highway passenger flows, and describes the pattern and characteristics of Xinjiang's urban network from the perspectives of connection strength and network node characteristics and then uses modularity class to segment the urban networks and identify its internal correlation structures. The results show that: 1) The highway passenger transport connection is mainly near area connection, and the connection intensity shows obvious grade characteristics.2) The extreme characteristics of urban network nodes in Xinjiang are significantly unbalanced, and the spatial structure is quite different. The high-level node cities present the characteristics of distribution along the main highway, especially the main traffic distribution along the northern slope of Tianshan Mountain. The spatial agglomeration capacity of northern Xinjiang is higher than that of southern Xinjiang, and Urumqi is the strongest. 3) The Xinjiang urban network is divided into 10 "city groups", which have administrative boundary effects, group effects, and big city spillover effects. In summary, the overall characteristics of Xinjiang's urban network show a situation of "one core and five centers" with Urumqi as the core and Yining, Korla, Hotan, Kashgar, and Kuitun as the regional centers, which is mainly affected by the superposition of the city level and geographical distance in space.
Keywords: passenger flow    city linkage    urban network    Xinjiang    

进入21世纪以来,中国城镇化发展速度提高,城镇化率年均增速超过1%[1]。党的十九大明确提出“新型城镇化”是中国今后城镇化发展转型的方向[2],而城镇网络作为新型城镇化区域中社会经济系统的空间形态,其发展和结构特征备受关注。随着经济全球化、信息化快速推进,城市间的各生产要素流动更加频繁[3],对社会经济的空间组织形式产生了重大影响,传统的“地方空间”被“流空间”所替代[4],经济活动表现出地域上高度分离和全球性高度整合的两重性[5],城市的功能和形态呈现出总体分散、个体综合的网络特征[6],城镇发展进入到高水平发展阶段——网络化发展阶段[7]。随着地域性网络的发展完善,依托于城镇联系中所集聚累积的生产要素,地域中心城市带动腹地参与融入到更大范围的城镇网络[8]。同时城市空间联系不仅是与近邻城市保持密切联系,也可能与非近邻城市保持紧密的联系。因此,通过城镇间联系的流数据研究城镇网络结构有利于促进区域发展相互协调联动,同时也将为新型城镇化建设提供参考。

“流空间”理论带来了城市网络相关领域的研究热潮[9]。学者们通过理论探索和方法创新,从企业组织、基础设施、社会文化等[4]不同研究视角对城市网络的空间组织和功能联系开展了研究。基于企业组织的研究主要是利用跨国公司和子母公司构建“城市-企业”联系矩阵,反映节点的功能和网络的特征[10-17];基础设施主要是利用交通基础设施产生的客货流和通信基础设施产生的信息流等构建联系矩阵,反映城市节点的地位和城市间的功能联系[18-22];社会文化则主要是利用访谈数据、发明专利和创新合作联系构建联系矩阵,分析城市节点功能[23-26]。在空间尺度上,既有全球视角的研究,也有国家尺度和区域尺度的研究。对于中国城市网络区域尺度的研究多集中于经济、交通发达的东部、中部地区,吴康等[27]、温峰华等[28]分别从客流和企业2个角度对京津冀城市群的空间流动特征和网络结构特征进行研究;罗震东等[29]、李仙德[30]、戴靓等[31]和杜珊[32]先后从交通流、企业组织、信息流和创新合作网络对长三角城市网络结构特征展开研究;刘晓丽等[33]、史雅娟等[34]、刘正兵等[35]、王开泳和邓羽[36]以及韩婷婷等[37]对中原城市群的空间组合与整合、多中心网络空间发展模式、城镇网络结构特征进行研究,研究表明各区域内部的不同的网络存在不同的形态,空间结构也不尽相同。而对经济欠发达的西部地区的研究相对较为薄弱。先是曾菊新等[38]从理论层面提出西部地区城镇网络化发展模式和基本构想,而后郭倩倩等[39]从实证角度选取部分城市研究西北地区城市网络结构的演变,高超和雷军[40]、刘佳斌[41]从经济联系角度研究新疆城市联系的空间结构。从区域尺度的研究可以发现,经济发展水平和城镇化发展水平的区域差异下形成的交通网络格局差异较大,对城市网络的影响较为显著。

新疆地处西北干旱区,依托于绿洲的城镇体现出“大分散、小集聚”的布局特点[42],其“树枝状”的交通网络支撑着城镇化格局。与交通网络密集地区的城市网络结构相比,有其独特的地域烙印和特点,具有较好的理论探索价值。目前新疆的城市网络研究仅从部分城市或地州层面进行分析缺乏全疆尺度的覆盖,未能细致地刻画城市内部的功能联系。公路交通是新疆城镇之间客运联系的主要形式,公路主要承担短距离运输上的便捷联系,具有显著的空间依赖性和距离衰减特性[43],可以完整地刻画区域内部的功能联系,同时对于认识城市等级与地理距离在城市网络发育中的交互叠加作用具有重要的研究意义[44]。本文选取新疆汽车客运班次数据代替公路客运流对新疆城市网络展开研究,挖掘区域内部及城市间的空间联系特征,对完善西北干旱区城市空间网络理论和实践具有重要意义,为新疆城市组团发展提供一定的技术支撑。

1 数据来源与研究方法 1.1 数据来源与数据处理

汽车客运班次数据主要来源于车次网,通过查询新疆各城市间的时刻表获得两城市间的汽车班次,利用携程旅行对数据进行补充完善,共得到88个县市间的班次数据。除节假日外,中国大部分城市汽车班次行程是相对固定的[43],考虑到新疆地域面积较广,各城市间相距较远,本研究抓取夏季和冬季各一个月的数据取其平均值作为研究的基础数据,数据采集时间为2019年7月和11月。鉴于精确的客运流数据获取难度较大,采用客运班次数据代替真实的客运流数据,并作以下假设:1)每天每个班次车型相同;2)每车客运量也基本相同;3)一个时间段内每天旅客数量基本均衡。

首先对汽车班次数据分4种类型进行处理,对于查询结果中给出不同时间点发车情况的数据直接进行累加计算;对于查询结果中给出发车时间段和发车间隔的数据根据发车间隔计算发车班次进行求和;对于查询结果中只标注循环班车和流水班车情况的数据根据平均发车间隔以及发车起始时间计算当日班次[45];对于查询结果中没有发车时间、只有发车间隔的发车情况的数据则根据平均发车起始时间计算发车班次。

其次是研究区的处理,根据查询到的数据选取88个行政单元作为研究区域,为便于数据处理,对乌鲁木齐市、克拉玛依市的区县进行了合并(图 1)。

Download:
左上角图基于自然资源部标准地图服务网站GS(2016)2893号标准地图制作, 底图边界无修改 图 1 研究区区位 Fig. 1 The location of the research area
1.2 研究方法 1.2.1 联系强度

联系强度(C)[46]表示2个城市之间公路客运联系的班次之和,其公式为

$ C=C_{i j}+C_{j i}, $ (1)

式中:Cij表示城市i到城市j之间的联系班次,Cji表示城市j到城市i之间的联系班次。

1.2.2 加权中心度

用“加权中心度”[4]表示节点在网络中的重要性,公式如下

$ D_i \sum\nolimits_{j=1}^n a_{i j}, $ (2)
$ S_i=\sum\nolimits_{j=1}^n w_{i j}, $ (3)
$ \mathrm{WDC}_i=D_i^\alpha \times\left(\frac{S_i}{D_i}\right)^{(1-\alpha)}, $ (4)

式中:Di表示城市i的度值,即与城市i有联系的城市数目;aij表示城市间是否有直接联系,有则赋值为1,无则赋值为0;Si表示城市i的强值,即城市i与网络中其他城市的联系强度之和;wij表示城市间的客流强度;WDCi表示城市i的加权中心度,其值越大,表示城市在网络中的等级越高;α为赋值参数,参考焦敬娟等[4]、宗会明等[45]研究成果将其赋值为0.5。

1.2.3 模块度分析

在复杂网络中,用模块度(modularity)[46]衡量网络中社群划分的效果,模块度相同的所有节点联系程度较紧密,共同构成网络的一个“小世界”。模块度值(Q)[47]的高低表示网络划分结果的好坏,值越高,划分结果越好, 其数学计算公式如下

$ Q=\frac{1}{2 m} \sum\limits_{v w}\left[A_{v w}-\frac{K_v K_w}{2 m}\right] \frac{S_v S_w+1}{2}, $ (5)

其中:m表示网络中边的数量;vw表示网络中任何2个节点;Avw代表两点之间的边,若两者相连则Avw=1,否则Avw=0;KvKw分别表示2个节点的度数;若2个节点在同一个社群中,那么SvSw=1,否则SvSw=0。在该公式中$\frac{K_v K_w}{2 m}$为2个节点在随机情况下相连的概率。

2 结果分析 2.1 基于公路客流联系强度特征

图 2可知,公路客运联系以近域扩散为主,表现为层级越高城市联系对数量越少,且多是近域联系,相反层级越低,城市联系对数量越多,且多是远距离的联系。利用几何间隔法将联系强度划分为4个层级。第1层级的联系强度为大于60班次,共有28个城市联系对,在整个区域上分布比较分散,在小片区中比较集中,多是邻近城市之间的联系,最突出的是乌鲁木齐与周边城市的联系;第2层级的联系强度为31~60班次,共有43个城市联系对,城市间远距离的联系增加,地域间的联系交往开始密切;第3层级的联系强度为11~30班次,共有61个城市联系对,超远距离的城市间联系增加,主要是各区域中心城市的联系;第4层级联系强度为1~10班次,共有224个城市联系对,可以看出城市联系对数量大大增加,覆盖整个新疆,既有近域联系也有长距离联系,主要是各县市与首府乌鲁木齐之间的联系;联系最密切的地区是天山北坡城市群,东疆和南疆边界地区的城市边缘化比较明显,城市联系数量相对较少。在路网空间布局的影响下,全疆大部分地区实现了城市间的联通,但联系强度存在明显的空间差异。边界地区联系较为稀疏,尤其是南疆地区的边界城市边缘化比较明显,需要加强城市的对外联系。

Download:
图 2 汽车客运班次联系的层级 Fig. 2 The level of the intercity bus flows connection
2.2 网络节点等级特征

在加权中心度计算结果的基础上按照自然断点法将其划分为5个等级。由表 1知,新疆城市网络节点极化特征显著,发展不均衡,呈现出以乌鲁木齐为核心,以伊宁、库尔勒、和田、喀什为区域中心的“一核五心”的局面。第1等级的乌鲁木齐市WDC达44.49,高居第1。排在第2位的喀什WDC为29.93。而排在末两位的疏勒县和疏附县WDC仅为1和1.73。

表 1 城市网络节点划分 Table 1 Rank division of urban network nodes

图 3可以看出,新疆城市节点的空间结构差异较大,高层级城市节点呈现出沿高速公路干线分布的特征,尤其沿天山北坡交通干线分布较为集中。在第1、2等级的城市节点中,乌鲁木齐市凭借其优越的交通区位优势和强大的辐射能力,成为新疆城市网络联系中主要的枢纽,而昌吉市、奎屯市、伊宁市、喀什市、和田市和库尔勒市分布于交通干线的交叉点;第3等级的城市节点大都沿交通干线分布。高速公路和国道的修建消除了要素流动的空间屏障,加强了城市间的联系。为探究城市节点的空间集聚特征,以100 km/h建立1小时圈和2小时圈,可以看出,乌鲁木齐市、伊宁市、喀什市和奎屯市的周边城市呈现出较强的空间集聚特征,和田市和库尔勒市的周边城市分布比较分散,表明乌鲁木齐市的集聚能力最强,辐射范围最广,其次是伊宁市、喀什市和奎屯市,库尔勒市相对弱一些,而和田市的空间集聚能力最弱。

Download:
图 3 城市网络节点空间分布 Fig. 3 Spatial distribution of urban network nodes
2.3 城市网络的空间结构

为了更好地刻画公路客运流下的新疆城市网络内部的集聚模式和空间构造,利用Gephi内部功能模块化进行模块划分,新疆公路城市网络被划分为10个模块,称之为“城市组团”。“城市组团”体现的是城市内部联系和功能结构,对城市进行“组团”的划分实际上是对生产要素流动下的城市集聚和扩散功能大小的划分。其模块度为0.626,表明公路客运联系下的新疆城市网络的划分结果较好。

从划分结果(图 4)来看,可以发现:1)行政边界效应。该效应主要在巴州组团和博州组团、伊犁河谷组团、和田组团、阿克苏组团和阿勒泰组团等内部联系一般,外部联系较低的地区,由于地形等自然条件的限制,加上各地州(区)行政管理体系和政策限制,导致跨越行政区的要素流动受限,只能局限于各行政区范围内。2)抱团效应。吐哈组团、喀克组团、克塔组团,抱团在一起形成一体化社区。3)大城市溢出效应。乌鲁木齐作为全疆经济、文化、社会中心,又是天山北坡经济带的核心城市,经济辐射力强,与周边的五家渠市、石河子市和昌吉回族自治州交往密切,要素流动频繁,区域经济一体化趋势明显。

Download:
图 4 城市网络的内部组团划分 Fig. 4 The internal group division of city network

从组团内部的联系(图 5)来看,乌鲁木齐组团内部各城市间联系较为紧密,形成了以乌鲁木齐市为主核、昌吉市为副核的双核心空间模式;伊犁河谷组团、阿克苏组团、和田组团、阿勒泰组团和吐哈组团分别形成了以伊宁市、阿克苏市、和田市、阿勒泰市、高昌区为中心的单核心空间模式;克塔组团、喀克组团分别形成了以喀什市、阿图什市、英吉沙县、莎车县、巴楚县和克拉玛依市、奎屯市、塔城市为中心的多核心发展模式;博州组团则表现为较低水平的均衡发展模式。

Download:
图 5 各组团内部的联系 Fig. 5 Interconnections within each group
3 结论与讨论

本文基于新疆88个县市的汽车客运班次研究新疆城市网络,从联系强度和加权中心度2个角度对公路客运流下的城市网络进行分析,同时还对网络中的“小团体”进行识别,主要结论有:1)城市间的联系以近域联系为主,联系强度具有明显的等级差异。联系强度的层级越高城市联系对数量越少,且多是近域联系,相反层级越低,城市联系对数量越多,且多是远距离的联系。从网络的密度来看,东南部地区网络密度较低,其他地区均形成了一定的网络密度。边界地区联系较为稀疏,尤其是东疆、南疆地区的边界城市边缘化比较明显,需要加强城市的对外联系。2)新疆城市网络极化特征显著发展不均衡,呈现出“一核五心”的格局。节点城市空间结构差异大,高层级节点城市呈现出沿高速公路干线分布的特征,尤其沿天山北坡交通干线分布较为集中,北疆区域网络初步形成。乌鲁木齐作为首府城市,是全疆的经济、社会、文化中心,对周边城市的辐射范围广、能力强,导致与其他城市的差距过大。3)利用模块化分析对全疆城市网络进行区域划分,共划分为10个“城市组团”,这些区域的划分体现的是城市的集聚扩散能力,通过城市间的交往产生的要素流动表现出行政边界效应、组团效应和大城市溢出效应,同时形成以单核发展模式为主,双核、多核以及均衡发展模式并存的空间组织模式。

目前,学者们对于城市网络的研究视角和研究尺度日益完善,多角度下的实证研究有助于深刻了解中国城市网络中区域内部的功能联系。基于上述背景,本文利用汽车客运班次研究新疆城市网络结构特征,研究发现城市网络受经济发展水平和城镇化发展水平影响较显著,与经济发达地区相比新疆城市间联系强度较低,受绿洲影响城市网络更多地呈现出局部联系紧密、轴向发展为主的格局,与发达地区存在一定的差异。汽车客运班次下的新疆内部城市间的联系还是以近邻联系为主,这与陈伟等对公路客流网络的研究一致,公路联系网络具有显著的空间依赖性和距离衰减性[43],且围绕中心城市呈现出“核心-边缘”的分布特征[48],对新疆内部的城镇组团有良好的识别作用,对于认识新疆城市内部功能联系具有一定的参考价值。但由于真实的客流数据难以获取,本文用班次数据代替真实客流数据,暂时忽略汽车客运途中的经停现象;同时未能获取新疆所有县市之间的数据,仅选取88个县市对新疆城市网络进行分析,存在一定的局限。基于精细尺度下对区域内部结构的识别和解剖城市内在关系具有重要的潜在价值,同时也是未来重要的研究方向。

参考文献
[1]
陆大道, 陈明星. 关于"国家新型城镇化规划(2014—2020)"编制大背景的几点认识[J]. 地理学报, 2015, 70(2): 179-185.
[2]
陈明星, 隋昱文, 郭莎莎. 中国新型城镇化在"十九大"后发展的新态势[J]. 地理研究, 2019, 38(1): 181-192.
[3]
梅志雄, 欧阳军. 国内外空间集聚研究回顾与展望[J]. 云南地理环境研究, 2013, 25(6): 89-95.
[4]
焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究: 基于铁路客运班列分析[J]. 地理学报, 2016, 71(2): 265-280.
[5]
马学广, 李贵才. 西方城市网络研究进展和应用实践[J]. 国际城市规划, 2012, 27(4): 65-70, 101.
[6]
Sassen S. The global city: New York, London, Tokyo[M]. New Jersey: Princeton University Press, 1997.
[7]
Friedmann J. Regional development policy: a case study of Venezuela[M]. Massachusetts, USA: MIT Press, 1966.
[8]
葛浩然, 朱占峰, 钟昌标, 等. 基于引力和客运联系的浙江省城镇网络特征[J]. 长江流域资源与环境, 2018, 27(6): 1186-1197. Doi:10.11870/cjlyzyyhj201806002
[9]
梁壮, 欧向军, 邹晨, 等. 基于交通与信息流的淮海经济区空间网络结构特征[J]. 江苏师范大学学报(自然科学版), 2018, 36(3): 19-23. Doi:10.3969/j.issn.2095-4298.2018.03.004
[10]
Wall R S, van der Knaap G A. Sectoral differentiation and network structure within contemporary worldwide corporate networks[J]. Economic Geography, 2011, 87(3): 267-308. Doi:10.1111/j.1944-8287.2011.01122.x
[11]
路旭, 马学广, 李贵才. 基于国际高级生产者服务业布局的珠三角城市网络空间格局研究[J]. 经济地理, 2012, 32(4): 50-54.
[12]
武前波, 宁越敏. 中国城市空间网络分析: 基于电子信息企业生产网络视角[J]. 地理研究, 2012, 31(2): 207-219.
[13]
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. Doi:10.3969/j.issn.1003-2363.2014.04.015
[14]
赵渺希, 钟烨, 徐高峰. 中国三大城市群多中心网络的时空演化[J]. 经济地理, 2015, 35(3): 52-59.
[15]
马学广, 李鲁奇. 中国城市网络化空间联系结构: 基于银行网点数据的研究[J]. 地理科学进展, 2017, 36(4): 393-403.
[16]
孙阳, 张落成, 姚士谋. 基于快递企业总-分机构的中国城市网络空间结构[J]. 中国科学院大学学报, 2017, 34(5): 591-597.
[17]
盛科荣, 王云靓, 樊杰. 中国城市网络空间结构的演化特征及机理研究: 基于上市公司500强企业网络视角[J]. 经济地理, 2019, 39(11): 84-93.
[18]
Derudder B, Witlox F. Mapping world City networks through airline flows: context, relevance, and problems[J]. Journal of Transport Geography, 2008, 16(5): 305-312. Doi:10.1016/j.jtrangeo.2007.12.005
[19]
Devriendt L, Derudder B, Witlox F. Conceptualizing digital and physical connectivity: the position of European cities in internet backbone and air traffic flows[J]. Telecommunications Policy, 2010, 34(8): 417-429. Doi:10.1016/j.telpol.2010.05.009
[20]
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.
[21]
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.
[22]
宋伟, 李秀伟, 修春亮. 基于航空客流的中国城市层级结构分析[J]. 地理研究, 2008, 27(4): 917-926.
[23]
Taylor P J. The new geography of global civil society: NGOs in the world city network[J]. Globalizations, 2004, 1(2): 265-277.
[24]
Krätke S, Taylor P J. A world geography of global media cities[J]. European Planning Studies, 2004, 12(4): 459-477.
[25]
王丰龙, 曾刚, 叶琴, 等. 基于创新合作联系的城市网络格局分析: 以长江经济带为例[J]. 长江流域资源与环境, 2017, 26(6): 797-805.
[26]
马海涛. 基于知识流动的中国城市网络研究进展与展望[J]. 经济地理, 2016, 36(11): 207-213, 223.
[27]
吴康, 方创琳, 赵渺希, 等. 京津城际高速铁路影响下的跨城流动空间特征[J]. 地理学报, 2013, 68(2): 159-174.
[28]
温锋华, 张阿曼, 李桂君. 基于金融企业网络的京津冀城市网络结构特征分析[J]. 城市发展研究, 2017, 24(9): 64-71.
[29]
罗震东, 何鹤鸣, 耿磊. 基于客运交通流的长江三角洲功能多中心结构研究[J]. 城市规划学刊, 2011(2): 16-23.
[30]
李仙德. 基于上市公司网络的长三角城市网络空间结构研究[J]. 地理科学进展, 2014, 33(12): 1587-1600.
[31]
戴靓, 曹湛, 张维阳, 等. 多重空间流视角下长三角城市网络特征分析[J]. 长江流域资源与环境, 2020, 29(6): 1280-1289.
[32]
杜珊. 基于陆路客运交通的长三角地区城市网络空间结构与关联性研究[D]. 上海: 上海师范大学, 2020.
[33]
刘晓丽, 方创琳, 王发曾. 中原城市群的空间组合特征与整合模式[J]. 地理研究, 2008, 27(2): 409-420.
[34]
史雅娟, 朱永彬, 冯德显, 等. 中原城市群多中心网络式空间发展模式研究[J]. 地理科学, 2012, 32(12): 1430-1438.
[35]
刘正兵, 丁志伟, 卜书朋, 等. 中原城市群城镇网络结构特征分析: 基于空间引力与客运联系[J]. 人文地理, 2015, 30(4): 79-86.
[36]
王开泳, 邓羽. 基于微博数据的中原城市群空间联系强度测度[J]. 中国科学院大学学报, 2016, 33(6): 775-782.
[37]
韩婷婷, 霍佳梅, 薛娇娇, 等. 基于多源数据的中原城市群城市网络结构对比研究[J]. 河南大学学报(自然科学版), 2020, 50(4): 379-390.
[38]
曾菊新, 冯娟, 蔡靖方. 论西部地区的城镇网络化发展[J]. 地域研究与开发, 2003, 22(1): 22-25.
[39]
郭倩倩, 张志斌, 师晶, 等. 中国西北地区城市网络结构的时空演变: 基于铁路客运流视角的分析[J]. 城市问题, 2019(9): 19-27.
[40]
高超, 雷军. 新疆天山北坡城市群经济联系分析[J]. 干旱区资源与环境, 2011, 25(6): 24-30.
[41]
刘佳斌. 新疆地州市区域空间经济联系研究[D]. 乌鲁木齐: 新疆财经大学, 2015.
[42]
杜宏茹, 刘毅. 我国干旱区绿洲城市研究进展[J]. 地理科学进展, 2005, 24(2): 69-79.
[43]
陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式[J]. 地理学报, 2017, 72(2): 224-241.
[44]
陈伟, 修春亮, 柯文前, 等. 多元交通流视角下的中国城市网络层级特征[J]. 地理研究, 2015, 34(11): 2073-2083.
[45]
宗会明, 黄言, 胡佯佯. 基于多元城际客流的成渝城市群城市网络特征研究[J]. 地域研究与开发, 2018, 37(5): 60-65, 82.
[46]
Newman M E J. Modularity and community structure in networks[J]. PNAS, 2006, 103(23): 8577-8582.
[47]
Xiang J, Hu T, Zhang Y, et al. Local modularity for community detection in complex networks[J]. Physica A: Statistical Mechanics and its Applications, 2016, 443: 451-459.
[48]
黄洁, 杜德林, 王姣娥, 等. 基于城市群尺度的高铁列车与长途汽车网络结构比较[J]. 地理科学, 2020, 40(12): 1958-1966.