2018-基于大数据的城市群识别与空间特征研究_16页-1mb

城市群识别与空间特征研究总结

核心内容

本报告《基于大数据的城市群识别与空间特征研究》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分析，揭示其真实发育程度，并与现有规划城市群进行对比，为城市群研究提供新的视角和方法。

主要观点

1. 城市群是城镇化的主体形态

• 城市群作为新型城镇化的主体形态，集聚大量人口和经济活动，是未来中国经济发展的核心增长极。
• 研究强调城市群在推动区域协调发展中的重要作用。

2. 城市群概念模糊，缺乏统一界定

• 当前对城市群的理解存在多种分歧，如城市群=一群城市？=都市区？=都市圈/都市连绵区？
• 这种概念的模糊性导致城市群实践应用中出现混乱与分歧。

3. 现有城市群研究方法存在局限

• 传统研究多基于“中心-外围”关系、社会经济指标或“引力模型”等宏观方法，忽视城市间实际联系。
• 信息化时代，传统替代性指标（如电话、信件）的有效性下降，需借助大数据进行更精准的空间联系分析。

4. 大数据为城市群研究提供新工具

• 百度地图慧眼大数据支持，包括每日800亿次位置服务数据、人口密度数据和夜间灯光数据。
• 这些数据能够更真实地反映城市间的要素流动趋势，推动城市群研究从宏观走向微观。

关键信息

研究目的

1. 探索基于微观主体的城市群边界范围。
2. 分析城市群内部集散规律。
3. 对比大数据城市群与规划城市群，揭示真实发育程度与规划差异。

研究意义

1. 完善城市群研究体系，推动城市群研究向多元化发展。
2. 提供新的研究视角和方法，增强城市群研究的科学性与实用性。
3. 为城市群规划提供动态识别手段，提升政策制定的精准度。
4. 从实际要素流动趋势出发，指导未来区域政策的精细化发展。

城市群的三维特征

• 集聚度：城市间人口和经济活动高度集中。
• 紧密联系：城市间存在较强的经济社会联系。
• 中心度：至少存在一个具有较强连接能力的中心城市。

城市群识别方法

• 最大联系法：基于城市间联系强度，识别出20个城市群。
• 门槛值法：采用10%和5%的联系门槛值，识别出17个城市群。
• 综合识别：结合夜间灯光密度数据和10%联系门槛值，识别出17个城市群。

大数据城市群与“十三五”规划城市群对比

• “十三五”规划城市群共19个，大数据识别城市群共17个。
• 15个城市群在两者中基本一致。
• 大数据城市群范围普遍大于规划城市群，尤其在发达地区更为明显。
• “长江中游城市群”因城市间联系较弱，尚未具备整体性城市群的条件。
• 呼包鄂榆城市群、天山北坡城市群、兰州-西宁城市群等因人口密度低、城市联系弱，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：建立国家层面城市群协调机构，提升城市群管理效率。
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与适应性。
3. 科学编制城市群规划：以城市群为基本单元配置资源，推动区域协调发展。
4. 加快区域大通道建设：推动形成网络化城市群格局，提升城市间联系强度。
5. 培育中西部城市群：利用“一带一路”等机遇，促进中西部城市群发展。
6. 推进区域城市群一体化：进一步扩大城市群开放，加快区域一体化进程。

数据来源与研究方法

• DMSP-OLS夜间灯光数据：1992-2013年共34期数据，用于表征城市化水平、经济状况和人口密度。
• 百度位置服务数据：涵盖人口流动和密度信息，为研究提供微观视角。
• 空间分析与社会网络分析：用于识别城市群边界、分析城市间联系和集聚度。

结论

本研究通过大数据手段，从微观层面揭示了城市群的真实发育情况，为城市群规划和政策制定提供了科学依据。同时，也指出了当前规划城市群与实际发展之间的差异，为未来城市群的精细化管理与协调发展提供了方向。