2018年-数据局_国务院发展研究中心百度地图：基于大数据的城市群识别与空间特征研究_16页_1mb

报告摘要

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，旨在通过大数据技术探索城市群的边界范围、内部集散规律，并与现有规划城市群进行对比分析，以揭示城市群的真实发育程度与现实规划之间的差异。研究采用百度地图位置服务数据、DMSP-OLS夜间灯光数据等多源数据，结合空间分析与社会网络分析方法，为城市群研究提供新的视角和方法。

主要观点

城市群的重要性
城市群是城镇化的主体形态，集聚大量人口和经济活动，是未来中国经济增长的核心动力。
城市群概念的模糊性
当前对城市群的界定缺乏统一标准，常被误认为是一群城市、都市区或都市圈等，导致实践应用中出现混乱与分歧。
传统方法的局限性
传统城市群研究多基于“中心-外围”关系、社会经济指标或引力模型，忽视了城市间实际联系，无法准确反映城市群的真实发展状况。
大数据研究的优势
大数据技术，尤其是百度地图每日800亿次位置服务数据，为研究城市群的空间联系提供了有力支撑，能够更真实地反映人口流动和密度分布。
城市群识别方法
报告提出两种主要识别方法：
- 最大联系法：基于迁徙大数据，识别出20个城市群方案，但存在发散性问题。
- 门槛值法：采用10%和5%的联系门槛值，识别出17个城市群方案，结果更为稳定。
- 集聚度分析：结合夜间灯光密度数据和手机密度数据，识别出21和22个城市群方案，结果更全面。
- 综合识别方法：取不同方法的交集，并结合中心度等级进行剔除，最终识别出17个大数据城市群。
大数据城市群与规划城市群对比
- “十三五”规划城市群共19个，与大数据识别城市群有15个重合。
- 大数据城市群范围普遍更大，尤其在发达城市群中更为明显。
- “长江中游城市群”因城市间联系较弱，尚不具备成为整体性城市群的条件。
- 呼包鄂榆、天山北坡、兰州-西宁等城市群因人口密度低、联系弱，基础尚不牢固。

关键信息

研究数据来源：
- 百度地图位置服务数据（每日800亿次）
- DMSP-OLS夜间灯光数据（1992-2013年共34期）
- 人口大数据（1000m*1000m方格网）
- 迁徙大数据（日均341个地级城市间迁徙人口）
识别方法：
- 最大联系法（20个）
- 门槛值法（17个）
- 集聚度分析（21、22个）
- 综合识别方法（17个）
大数据城市群名单：
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。
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。
2. 科学制定城市群标准，建立动态调整机制。
3. 推动城市群规划编制，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. 利用全面开放和“一带一路”机遇，加快培育中西部城市群。
6. 推进区域城市群一体化进程，加强城市群开放与协作。