-
城市作为一种典型的区域经济系统受到了研究者的长期关注。城市系统的空间结构特征存在强烈的层级性、聚集性和异速生长特性:城市人口、经济结构等往往近似幂律分布形式[1-2],少数大城市散布于大量的中小城市之中,部分地区的城市会聚集成大规模的都会区[3-4];大城市的经济产出率和资源利用率相对更高,存在城市产出的超线性生长和资源消耗的亚线性生长等特性[5-7]。为了有效描述和解释城市分布的这些特性,学者从多个角度进行了大量的研究[8-11]。其中,中心地理论(central place theory)[12-13]是具有代表性的理论框架之一。它的基本假设是基于区域经济学提出的,即城市是以提供各类服务的“中心”为基础,在理想的均匀空间中会出现以六角形为基础的稳定的中心地分布[14-17]。基于这一理论,考虑到不同类型的产业服务所需要的资源不同,所需资源要求较高的产业聚集在大的城市,因此,它在解释城市规模的层级分布和产业空间分布方面取得了巨大成功[16-17]。此外,基于这一理论框架,研究者还对城市聚集体的结构稳定性、实际城市系统的城市群识别等问题进行了分析[18-19]。
本文根据中心地理论的理想模型,提出了一种基于三角形变换的城市空间分布的分析方法,并对中国城市的空间分布进行实证统计分析。本文发现城市之间的空间位置关系,在双方经济规模异质和同质的情况下存在明显的差别,显示出城市之间存在着竞争和协作关系,而且这两种关系是随着城市经济体量关系的变化而变化的,并进一步根据该关系变化的阈值特征提出了一种新的经济区域划分方法,并识别研究了中国不同年份的经济区域特征。
-
为了考察城市之间的地理关系,本文采用了文献[20]提出的三角形映射方法。这种方法可以概述为:将所观察城市的3个地理距离最近的城市,按照一定顺序所确定的方向,把这3个城市的地理位置所构成的三角形变换为正三角形,观察该城市在正三角形内的相对位置关系。这里,之所以映射到正三角形,是因为:一方面,正三角形结构是中心地理论的理想模型六边形结构的子元体系[12];另一方面,由3个近邻城市的实际位置构成的三角形可以保证是凸的,而四边形和其他多边形变换则不能保证变换前后多边形的凸性不变;此外,三角形变换所需的近邻城市信息也是最少的,保证了分析的便利性。
采用正三角形变换,首先分析每个城市与它最近邻的3个城市之间的地理位置关系。在这种变换中,所观察城市的3个最近邻城市,按照GDP由高到低的顺序,依次投影到一个边长为1的正三角形的3个顶点(0, $\sqrt 3 /3$)、(–1/2, $ - \sqrt 3 /6$)、(1/2, $ - \sqrt 3 /6$)之上(见图 1b中大三角形)。此时,这3个最近邻城市的地理位置坐标Ai(i = 1, 2, 3)它们在和正三角形中的映射顶点位置${{\mathit{\boldsymbol{A}}}'_l}$满足如下映射关系:
$$ {{\mathit{\boldsymbol{A}}}_i}{\mathit{\boldsymbol{M}}} = {{\mathit{\boldsymbol{A}}}'_l} $$ 式中,M为坐标变换矩阵。根据这3个最近邻城市的坐标,计算得出坐标变换矩阵M,并可得到所观察城市的在正三角形中的映射位置:${\mathit{\boldsymbol{B}}}'$= BM,其中B为所观察城市的原始地理位置。这一变换过程如图 1a所示,在以下的讨论中,本文将进行该变换后得到的正三角形称为映射三角形。图 1a中,左侧三角形中实心圆表示所观察城市,空心圆表示3个最近邻城市的实际位置;右侧三角形为映射后的正三角形,虚线指出了各个城市在映射三角形中的相应位置。
图 1b展示了进行上述正三角形变换后,各个城市在映射三角形内的相对位置关系。其中,各城市在其最近邻的3个城市构成的映射三角形的相对位置分布如大三角形区域所示。数据点大小正比于该城市GDP的对数。可以发现,各个城市的相对位置并非均匀分布在映射三角形内,而是在映射三角形的中心附近,以及3边的中垂线方向上密集出现。由于映射三角形的3顶点是该城市的3个最近邻城市的投影位置,这一特性显示出,城市往往出现在其邻近城市所圈成的间隙中心位置附近,而靠近3顶点附近的位置出现概率相对较低,这暗示着城市之间存在空间排斥效应,即相对位置过于靠近其他城市的居民点难以发展为新的城市。
本文采用在映射三角形中心三角区域(如图所示深色小三角区域)内的城市比例q来刻画该中心集中特性。本文主要关注那些完全落入映射三角形内部的城市,因为这些城市是可以保证周边城市环绕性的非边缘地区城市。因此,以上统计量的计算只针对映射三角形内部的数据点进行统计。在图 1b中,映射三角形内总的城市数为76个,其中在中心三角形中的城市数为48个,其q值为0.63。
为了检验以上特征的显著性,本文构建了零模型进行对比。该零模型在一个平面正方形空间中,均匀随机布撒N个点,然后通过上述构建映射三角形的方法,计算每个点在由其最近邻的3个点所构成的映射三角形上的映射位置,并统计中心三角形区域的数据点比例q0。通过数值模拟,在N = 337(2012年的城市数)的情况下,重复构建零模型104次,计算得到q0的均值为0.45,与图 1结果相比,其相应的极端情况概率(即显著性)Pq(q0 > q) = 0.001,证明图 1所显示的中心集中的统计趋势是显著的。这种在映射三角形中的中心集中趋势反映出,在不考虑经济因素时,城市的地理位置分布近似为规则分布,近邻城市之间的位置关系以相互排斥为主。
-
本文基于以上方法对城市经济关系进行分析。采用各城市的国民生产总值(GDP)作为经济总量的衡量指标。具体的分析方法是:1)设立一个阈值μ;在计算最近邻三角形时,3个角对应的城市为,其GDP达到所观察城市GDP的μ倍的城市之中的3个距离最近者;2)把这3个城市按GDP由高到低,以逆时针顺序映射到正三角形的3个角,并计算出所观察城市在该映射三角形中的相对位置。此处之所以采用距离最近的GDP高于所观测城市μ倍的城市,是考虑到这些距离近而且规模较大的城市,对所观察城市可能有着较为强烈的影响。因此,阈值μ=0时,即对应前述未考虑GDP影响的最近邻映射三角形。
中心聚集现象的强弱明显依赖于阈值μ的大小。本文计算了在不同μ的取值下,各个年份的中心三角形比例q(μ),并进一步对μ > 0的情况,采用把所有城市GDP值进行随机互换的方式构建零模型,得到了不同μ值时的零模型的中心三角形比例q0(μ)和极端情况概率Pq(q0 > q)(μ)。对于给定的μ值,如果q(μ) > q0(μ),说明可能存在中心聚集趋势;反之,则说明城市分布更倾向于趋近映射三角形的3个角。而极端情况概率Pq(q0 > q)(μ)越接近0,这说明中心聚集趋势越显著。
统计结果如图 2所示。深灰色虚线为零模型的中心三角形比例q0随μ的变化;插入图显示了相应年份的极端情况概率Pq(q0 > q)随μ的变化曲线,其中灰色虚线表示Pq(q0 > q)=0.5。灰色阴影区域指示了中心聚集趋势的存在区间,即q0高于零模型预测值的区域。中心聚集趋势主要出现在μ接近1.0附近,如灰色区域所示。2012年和2002年的灰色区域的区间范围基本一致,分别是(0.72, 1.20)和(0.74, 1.22)。这一结果说明,位置接近的规模相近的城市之间,其经济关系以竞争排斥为主。而在μ值区间(0, 3]内的大部分区域并没有显露出中心聚集趋势;相反,向三角分离的趋势更为显著;特别是在μ > 1.5时,其大部分区域Pq(q0 > q) > 0.9,显露出相对强烈的三角分离趋势。这种趋势说明,当一对邻近城市的GDP相差较大时,它们之间的竞争排斥关系将削弱,从而更多呈现出一种相互吸引的协作关系。从竞争为主转为协作为主,这一转变所对应的两个城市GDP比的临界值,根据图 2中灰色区域的上界可以得知约为1.2。这现象暗示出,近邻城市之间,随着经济差异的扩大,两近邻城市之间的经济关系有可能发生相应的转变,这一转变点出现在其比值为1.2附近。
Spatial Distribution and Regional Correlations of Chinese Cities Based on Triangle Transition Analysis
-
摘要: 本文提出一种基于三角形变换的方法,对中国城市的空间分布结构进行了实证分析研究。这一方法将所观察的城市和其周边满足某一条件的3个近邻城市的地理位置,映射到一个标准正三角形空间上,并统计各个所观察城市在映射三角形中的位置分布。研究发现,城市与和它的经济规模接近的近邻城市之间的关系在映射三角形上呈现出中心聚集趋势,说明城市关系以竞争排斥为主;而与它规模相差较大的近邻城市之间,则呈现出三角分离趋势,显示出明显的协作吸引关系。通过分析,该文发现这两种趋势的转变所对应的城市GDP之比的阈值约为1.2。进一步,基于这种方法,根据城市之间的空间关系,该文提出一种经济区域的识别方法,并对中国大陆地区的经济区域进行了有效识别。该文的研究及发现对于理解城市之间的竞争与协作关系以及区域经济发展趋势预测有着一定的意义。Abstract: In this paper, we propose a method in the analysis of city system based on triangle transition, and empirically analyze the spatial structure of Chinese cities. This triangle transition maps the geographical location of the target city and its three neighboring cities of a certain condition to a standard equilateral triangle space. Through analyzing the position distribution of the cities in the mapping triangle, we observe the gathering effect between the neighboring cities with similar GDP, while remarkable centrifugal effect between the neighboring cities with large difference on GDP. The former implies the competitive trends, the latter shows the collaborative relationship between cities. This transition from competition to collaboration occurs at threshold 1.2 on the ratio of the two cities' GDP. Furthermore, based on this method, we propose an approach to identify economic regions, and analyze the regional economic structure of the mainland of China. These methods based on triangle transition provide a novel viewpoint to understand cities' economic competition and collaboration, as well as the trends of regional economy development.
-
[1] GABAIX X. Zipf's law for cities:an explanation[J]. Quarterly Journal of Economics, 1999, 114(3):739-767. doi: 10.1162/003355399556133 [2] ROZENFELD H, RYBSKI D, GABAIX X, et al. The area and population of cities:New insights from a different perspective on cities[J]. American Economic Review, 2011, 101(5):2205-2225. doi: 10.1257/aer.101.5.2205 [3] FANG C, YU D. Urban agglomeration:an evolving concept of an emerging phenomenon[J]. Landscape and Urban Planning, 2017, 162:126-136. doi: 10.1016/j.landurbplan.2017.02.014 [4] MELO P C, GRAHAM D J, NOLAND R B. A meta-analysis of estimates of urban agglomeration economies[J]. Regional Science and Urban Economics, 2009, 39:332-342. doi: 10.1016/j.regsciurbeco.2008.12.002 [5] BETTENCOURT L, LOBO J, HELBING D, et al. Growth, innovation, scaling, and the pace of life in cities[J]. Proc Natl Acad Sci, 2007, 104:7301-7306. doi: 10.1073/pnas.0610172104 [6] BETTENCOURT L, LOBO J, STRUMSKY D. Invention in the city:Increasingreturns to patenting as a scaling function of metropolitan size[J]. Res Policy, 2007, 36:107-120. doi: 10.1016/j.respol.2006.09.026 [7] CHEN Y. Characterizing growth and form of fractal cities with allometric scaling exponents[EB/OL]. (2010-07-04). http://dx.doi.org/10.1155/2010/194715. [8] DACEY M F. A growth process for Zipf's and Yule's city-size laws[J]. Environment and Planning A, 1979, 11(4):361372. http://cn.bing.com/academic/profile?id=9054bdcf729f5b77ea5257884e5c6c1a&encoded=0&v=paper_preview&mkt=zh-cn [9] BETTENCOURT L. The origins of scaling in cities[J]. Science, 2013, 340:1438-1441. doi: 10.1126/science.1235823 [10] LI R, DONG L, ZHANG J, et al. Simple spatial scaling rules behind complex cities[J]. Nature Communications, 2017, 8:1841. doi: 10.1038/s41467-017-01882-w [11] LOUF R, BARTHELEMY M. Modeling the polycentric transition of cities[J]. Phys Rev Lett, 2013, 111:198702. doi: 10.1103/PhysRevLett.111.198702 [12] CHRISTALLER W. Central places in southern germany[M]. New Jersey:Prentice Hall, 1966. [13] MULLIGAN G F, PARTRIDGE M D, CARRUTHERS J I. Central place theory and its reemergence in regional science[J]. Annals of Regional Science, 2012, 48:405-431. doi: 10.1007/s00168-011-0496-7 [14] HSU W-T. Central place theory and city size distribution[J]. The Economic Journal, 2012, 122:903-932. doi: 10.1111/j.1468-0297.2012.02518.x [15] WHITE R W. Dynamic central place theory:Results of a simulation approach[J]. Geographical Analysis, 2010, 9(3):226-243. doi: 10.1111-j.1538-4632.1977.tb00576.x/ [16] TAYLOR P J, HOYLER M, VERBRUGGEN R. External urban relational process:Introducing central flow theory to complement central place theory[J]. Urban Studies, 2010, 47:2803-2818 doi: 10.1177/0042098010377367 [17] OPENSHAW S, VENERIS Y. Numerical experiments with central place theory and spatial interaction modelling[J]. Environment and Planning A, 2003, 35(8):1389-1403 doi: 10.1068/a35295b [18] FANG C, SONG J, SONG D. Stability of spatial structure of urban agglomeration in China based on central place theory[J]. Chinese Geographical Science, 2007, 17(3):193-202. doi: 10.1007/s11769-007-0193-8 [19] SMITH J W, FLOYD M F. The urban growth machine, central place theory and access to open space[J]. City, Culture and Society, 2013, 4:87-98. doi: 10.1016/j.ccs.2013.03.002 [20] LIU P, HAN X-P, LÜ L. Triangle-mapping analysis on spatial competition and cooperation of chinese cities[EB/OL].[2017-05-12]. https://arxiv.org/abs/1801.00641. [21] TUROK I. Cities, regions and competitiveness[J]. Regional Studies, 2004, 38:1069-1083. doi: 10.1080/0034340042000292647 [22] KAPOOR R, LEE J M. Coordinating and competing in ecosystems:How organizational forms shape new technology investments[J]. Strategic Management J, 2013, 34(3):274-296. doi: 10.1002/smj.2013.34.issue-3