百度地图-基于大数据的城市群识别与空间特征研究-2018.1-16页-2mb

基于大数据的城市群识别与空间特征研究总结

核心内容

本报告由国务院发展研究中心大数据宏观课题组与百度地图慧眼团队联合撰写，旨在利用大数据技术对城市群进行识别与空间特征分析。报告基于百度地图的海量位置服务数据以及DMSP-OLS夜间灯光数据，探索城市群的微观边界范围、内部集散规律，并与规划城市群进行对比，以揭示城市群的真实发育程度和规划差异。

主要观点

• 城市群是城镇化的主体形态：城市群作为集聚大量人口和经济活动的空间组织形式，是未来中国经济发展的重要增长极。
• 城市群概念模糊：目前缺乏统一的界定标准，常被混淆为“一群城市”、“都市区”或“都市圈”等。
• 传统研究方法不足：传统方法多依赖社会经济指标、引力模型或GIS技术，忽视城市间实际联系。
• 大数据提供新视角：利用大数据可以更准确地反映城市间的实际联系和要素流动趋势，推动城市群研究从宏观向微观发展。
• 城市群识别方法：报告提出“最大联系法”和“门槛值法”两种方法，其中“门槛值法”更优，结合夜间灯光密度数据和迁徙数据，识别出17个大数据城市群。

关键信息

研究目的

1. 利用大数据探索城市群的微观边界范围。
2. 探讨城市群内部集散的基本规律。
3. 对比大数据城市群与规划城市群，揭示其真实发育程度和差异。

研究意义

1. 完善城市群研究体系，支撑城市群向多元研究深化。
2. 提供一种新的研究视角和方法，推动城市群研究从宏观走向微观。
3. 通过动态识别城市群空间范围，加强城市群规划引导。
4. 从实际要素流动趋势出发，指导区域政策精细化发展。

城市群三维特征

• 集聚度：基于密度大数据的城市群识别，能够相对真实反映城市聚集度。
• 联系度：城市间有紧密的经济社会联系。
• 中心度：城市群应具有较高的中心度，通常至少有一个中心城市。

城市群识别方法

• DMSP-OLS夜间灯光数据：用于表征城市化水平、经济状况和人口密度，数据覆盖22年共34期。
• 百度位置服务数据：包括人口大数据和迁徙大数据，反映城市间的实际联系。
• 最大联系法：识别出20个城市群，但存在发散和高估问题。
• 门槛值法：采用10%和5%的联系门槛值，识别出17个城市群，结果更优。
• 综合识别方法：通过夜间灯光密度数据叠加10%联系门槛值，识别出17个典型城市群。

大数据城市群与“十三五”规划城市群对比

• “十三五”规划城市群（19个）：包括长三角、珠三角、京津冀、成渝、中原、关中平原、滇中、黔中、山东半岛、辽中南、海峡西岸、哈长、宁夏沿黄、山西中部、北部湾、长江中游、呼包鄂榆、天山北坡、兰西城市群。
• 大数据识别城市群（17个）：包括长三角、珠三角、京津冀、成渝、中原、关中平原、滇中、黔中、山东半岛、辽中南、海峡西岸、哈长、宁夏沿黄、山西中部、北部湾、长株潭、武汉城市群。
• 对比结论：
  • 15个城市群与大数据识别结果基本一致。
  • 规划城市群的空间范围普遍小于大数据识别结果，尤其在发达城市群中更为明显。
  • “长江中游城市群”目前因城市间联系较弱，尚不具备成为整体性城市群的条件。
  • 长株潭、武汉城市群更适合作为独立城市群。
  • 呼包鄂榆、天山北坡、兰州-西宁城市群人口密度偏低，城市间联系较弱，城市群基础尚不牢固。

政策建议

1. 创新城市群组织协调机制：建立国家层面的城市群协调机构。
2. 科学制定城市群标准：建立动态调整机制，确保城市群识别的科学性和时效性。
3. 科学编制城市群规划：探索以城市群为基本单元配置资源。
4. 加快区域大通道建设：推动形成网络化城市群格局。
5. 培育中西部城市群：利用全面开放和“一带一路”机遇，加快中西部城市群发展。
6. 推进区域城市群一体化：继续扩大城市群开放，加快区域一体化进程。

参考资料

• 报告执笔人：兰宗敏、阎长城
• 报告网址：http://huiyan.baidu.com/
• 国务院发展研究中心大数据宏观课题组网址：http://www.drc.gov.cn/yjlyyyyjbm/8.html