共查询到19条相似文献，搜索用时 187 毫秒
1.
新冠疫情(COVID-19)对人口流动与城市网络产生了巨大影响,该文基于百度人口迁徙数据,利用多维度特征评价方法分析疫情暴发前后中国城市网络的空间关联特征变化,有助于重大卫生事件突发期间人口出行和迁徙模式认知以及疫情后的社会恢复。结果表明：(1)城市网络中重要性相对较高的城市面对疫情等突发状况冲击时的韧性比低位城市小,加权优势度最大起伏可达0.380,且城市位次恢复需要更多时间;(2)城市间形成以长江三角洲、珠江三角洲、成渝、京津冀4个城市群为核心顶点的“筝型”城市网络结构,核心城市群中的大规模疫情暴发会明显抑制整个网络的人口流动规模和密度,并且其部分城市职能会暂时被周边核心城市分担;(3)城市集群结构韧性大,在长时间序列上保持稳定,间断性疫情暴发不会明显改变城市群结构,城市群内部的优势城市会发生明显变化;(4)疫情暴发会降低全国人口的出行意愿,但在疫情暴发前后,各城市与其主要人口流动城市间仍能保持健康的联系。 相似文献
2.
中国政府通过历史罕见的人口流动管控遏制新型冠状病毒肺炎（COVID-19）疫情爆发。人口流动管控措施对于疫情防控起到何种作用?又如何影响中国人口流动和短期分布的地理特征?本文通过SEIR病毒传播动力学模型评估管控措施的有效性,利用移动定位数据追踪中国人口流动时空变化,以回顾COVID-19重大疫情人口流动管控的正负效应：① 人口流动管控使COVID-19疫情日新增感染曲线显著平稳化,成为中国应对COVID-19疫情重大突发性公共卫生事件时非药物干预措施的重要组成部分。人口流动管控使中国日新增感染者波峰日推迟1.9倍到达,当日感染人数下降63.4%。在选取的5个省份、5个湖北省城市、6个湖北外城市中,波峰日分别推迟1.4~8倍、5.6~16.7倍和2.3~7.2倍到达,当日感染人数分别下降56.9%~85.5%、62.2%~89.2%和67.1%~86.2%。因此,人口流动管控为疫情防控准备争取了宝贵的缓冲时间,极大降低了疫情集中爆发对于医疗设施的冲击;② 人口流动管控限制人口地级流动。2020年1—4月中国人口地级行政区划之间流动强度较2019年同期日均下降40.18%,其中,2020年“春运”节后返工流（1月25日—2月18日）平均下降66.4%,对社会运行与经济发展产生重大影响;③ 人口流动管控与人们对于疫情的恐惧导致2020年中国农历春节的返乡流受到显著影响,并短期改变中国人口时空分布的动态趋势。本文有助于理解重大突发性公共卫生事件下政府人口流动管控策略及其对人口流动与分布地理特征的影响。 相似文献
3.
《地域研究与开发》2021,40(1)
基于2020年1月24日至12月18日我国314个城市的COVID-19现存确诊数、累计确诊数等统计数据,采用地理数据探索、新兴时空热点分析、空间马尔科夫链、动态面板数据空间杜宾模型等方法分析了COVID-19疫情的时空变化特征。研究发现:我国COVID-19疫情大致划分为大规模快速爆发期、全国严格防控期、全国抑制期、局部复发期、常态化防疫期5个阶段,绝大部分城市的疫情变化特征与全国总体情况类似;新兴时空热点方法识别出4种类型共124个疫情冷热点,其中增强热点24个、振荡热点27个、持续冷点16个、渐少的冷点57个;疫情热点主要分布于中东部地区特别是湖北周边区域,疫情冷点主要分布于西南、西北及东北地区;各城市现存确诊人数的马尔科夫链转移概率矩阵分析结果显示,各种类型维持现状的概率大于0. 893,向下转移的平均概率明显高于向上转移的概率,在不同空间滞后类型的影响下各类型转移概率发生明显变化;动态面板空间杜宾模型估计结果显示314个城市现存确诊数具有显著的时空自相关性且不同阶段有明显差异。 相似文献
4.
东北地区城市经济联系的空间格局及其演化 总被引：4，自引：3，他引：1
基于空间相互作用的重力模型、潜能模型、隶属度模型等方法,以东北地区41个城市为研究对象,定量分析1992~2012年东北地区城市经济联系的空间格局及其演化。研究结果表明：经济联系强度与区域空间结构关系密切;东北地区经济联系强度南方高于北方、中部地区高于两侧,时空差异明显;近20 a来,以沈阳、长春、哈尔滨为代表的区域性经济发展格局基本形成,区域中心城市没有变化,但最大引力联结城市变化明显;最后,提出了流域型城市及其格局的概念,并进行了具体分析。 相似文献
5.
东海海岸带作为中国陆海经济发展前沿区域,在高强度开发背景下城市风险显著增加,研究城市韧性可为缓解人类活动和自然灾害冲击提供依据,对海岸带城市社会经济可持续发展具有重要意义。兼顾韧性能力与资源环境代价,构建“本底—运行—效率”评价体系,分析东海海岸带县域尺度城市韧性的时空演化特征,并运用地理探测器和地理时空加权回归模型探讨韧性系统运行能力的影响因素。结果表明：(1)东海海岸带县域城市韧性本底水平不断增长,空间格局相对稳定,呈现上海市较高、浙江省北高南低、福建省中部高南北低的分布趋势,一般城市间多同质抱团,主要为低—低集聚。(2)东海海岸带县域城市韧性系统运行能力稳步提升,表现为上海市>浙江省>福建省的位序格局,高值区集中于各市区,呈现极化和扩散两阶段空间演化模式,城市间多低—低集聚。(3)东海海岸带县域城市韧性效率先下降后缓慢上升再快速上升,高值区多分布于市区和海岛城市;“低本底—低运行—中等效率”类型城市最多,“低本底—低运行—低效率”和“中等本底—中等运行—较低效率”类型城市较多。(4)经济发展水平是影响东海海岸带县域城市韧性运行的首要因素,但作用趋于减弱;城市开放度和基... 相似文献
6.
《地域研究与开发》2020,(4)
为了探究高铁对城市规模产生的空间影响,以国内城市规模变化较为明显的东北地区为例,探讨哈大高铁开通对东北地区城市规模造成的影响及规模变化呈现出的空间分异特征。结果表明:(1)高铁开通对东北地区交通可达性产生明显的时空压缩效应,可达性提升幅度呈现明显的空间分异特征,随高铁距离增加而明显衰减,省际可达性提升幅度显著大于省内;(2)高铁产生的时空压缩格局与东北地区城市规模变化存在明显的空间耦合现象,哈大干线及其周边城市规模变动较为明显,而由高铁沿线向周边过渡的区域城市规模变动幅度相对有限;(3)哈大高铁对东北地区城市规模的影响主要呈现4种模式,不同的影响模式使得城市面临扩张、收缩两种不同的选择。 相似文献
7.
在2020年全球暴发新型冠状病毒肺炎（COVID-19）疫情的背景下,揭示中国疫情扩散时空模式及影响因素对于科学制定防疫策略具有重要作用。针对2020年1月24日—3月18日期间中国COVID-19疫情从快速扩散到逐步控制的完整过程,基于累计确诊病例数据,以317个地级市为对象,建立疫情扩散时空模式判别模型,结合峰位置、半峰间距、峰度、偏度等参数,解析时空模式的基本特征;基于交通可达性、城市关联程度和人口流动构建多元Logistic回归模型,揭示时空模式的关键影响因素。结果显示：① 距武汉市直线距离588 km为判别疫情扩散4种空间模式的有效边界,综合同一空间模式下的时间过程类别,得到13类疫情扩散时空模式。② 蛙跳型的疫情扩散相对严重;除近距离蛙跳型以外,其余空间模式的疫情扩散时间过程差异明显;各种时空模式的新增确诊病例峰值大多为2020年2月3日;所有普通类城市的平均半峰间距约为14 d,与COVID-19病毒的潜伏期一致。③ 与武汉市的人口关联度主要影响蔓延型和近距离蛙跳型空间模式,与武汉市的通航状况对远距离蛙跳型空间模式具有正向影响,迁出人口数量对蛙跳型空间模式有显著作用,综合型空间模式受初级和次级疫情暴发地的双重影响。不同城市应根据自身的疫情扩散时空模式,在疫情期间高度重视交通管控,从关键环节遏制疫情扩散。 相似文献
8.
科学评估重大公共卫生事件扰动对节假日城际出行活动的影响对于科学预防疫情传播、提升城际出行安全性具有重要意义。文章利用百度迁徙平台提供的城际出行数据,系统探讨了COVID-19疫情影响下的“五一”小长假城际出行规模时序变化、格局变化与出行流格局特征,并基于空间计量模型剖析了疫情与节假日叠加背景下的城际出行影响因素。结果表明：受COVID-19疫情影响,2020年“五一”小长假期间的城际出行规模同比下降达46.0%,时段波动主要表现为省内波动,省外城际出行总体较为平稳;COVID-19疫情对城际出行的影响呈现出东北>东中部>西部的特征;COVID-19疫情显著降低了“五一”小长假城际出行范围,相较于正常期70%的城际出行联系集中在400km范围内,疫情影响下的70%的城际出行联系集中在250 km范围以内;GDP、城镇化率、行政等级等城市规模吸引力因素,公路密度与高铁等交通变量是影响“五一”期间城际出行的主要因素,但各变量对城际出行的影响在“五一”不同时段具有时间异质性。公路密度与有无高铁具有显著的正向作用;城镇化率在出行期与返程期对城际出行分别起到了显著负向与正向作用;旅游资源丰富度仅在出行期显著。 相似文献
9.
经济韧性的强弱决定着城市在面对冲击时可以快速度过危机还是陷入长期经济发展停滞。本文将城市经济韧性区分为长期经济韧性和短期经济韧性,分析中国东部沿海地级及以上城市的经济韧性和产业结构的时空分异特征,探讨产业结构在不同时期对城市经济韧性的影响。研究发现,东部沿海地区城市不同时期的短期经济韧性及长期经济韧性存在明显的空间差异;长期经济韧性和短期经济韧性的影响因素不同,表征产业整体技术含量的经济复杂度和表征产业关联程度的相关多样化指数能显著提升城市长期经济韧性,短期经济韧性的影响因素则因时期不同而存在差别。延长产业价值链、构建地方产业集群、提升产业层次水平,有助于城市提高经济韧性。 相似文献
10.
基于腾讯迁徙大数据的中国城市网络研究 总被引：5，自引：1，他引：4
随着经济全球化和区域一体化的快速发展,城市间的交流日益密切,要素的流动性和互赖性促进了城市网络的形成,并成为一种新的区域组织模式和空间结构。本文基于2018年腾讯人口迁徙数据,构建了372×372关系数据矩阵,并从不同交通方式出发,系统刻画了中国城市网络格局。研究表明：① 网络关联度高的城市主要集中在胡焕庸线以东区域,尤其是长三角、珠三角、京津冀、成渝等城市群地区的聚集程度最高,成为中国城市网络格局的主控力量;而西北半壁的城市处于被支配地位。② 依据迁徙量,将中国城市网络划分为国家级、大区级、区域级、地方级和基座级网络。城市网络结构随交通方式而变化,当网络等级下移时,节点城市趋于增多,网络密度加大,但网络范围趋于缩小,网络等级与迁徙路径存在着密切的关联性,国家级网络与空运相关,区域级网络与铁路运输相呼应,地方级网络与汽车运输相关。③ 不同运输方式的经济时空距离决定了网络结构,是引致网络随路径不同而产生分异的基本因素。 相似文献
11.
12.
Because cities have different attractions for laborers, people migrate from city to city, which may widen the gap between cities. Analyzing the fluxes and directions of migrant flows can help us clarify the regional difference of urban development. Using migration data inferred from passenger travels during 2016 Spring Festival from Tencent Location Big Data, this paper analyzed the unbalanced migration between cities and the spatial difference of urban development. Network analysis methods are employed to evaluate interactions among cities. A community detection method identifies 19 city communities, and the directions of migrant flows in the communities are explored. The PageRank algorithm is employed to evaluate the importance of cities on the migration network and divide the cities into 5 grades, and then the hierarchical structure of the migrant network is illustrated and analyzed. Indices based on migrant populations indicate that the most attractive cities for laborers are along the east coast and that cities in the central region export a significant number of laborers. PageRank and attractiveness values are compare with socio-economic data, and the results indicate that both PageRank and attractiveness are positively correlated with the economic and development level of cities, while PageRank works better. It suggests that Spring Festival travel data in China can be used as migration data, however, it should be facilitated with network methods to disclose the relationship between Spring Festival travel and urban development. 相似文献
13.
基于人口流动的广东省COVID-19疫情风险时空分析 总被引：2，自引：0，他引：2
人口流动,特别是来自疫源区的人口输入,COVID-19疫情传播的关键风险来源。本文以广东省为例,利用人口迁移大数据与地理空间分析技术,综合考虑人口来源地风险差异与流入地社会经济属性差异,并依据输入性病例发病的间隔时间分布引入时滞过程,构建了包含时滞效应的疫情风险时空分析模型,理论上可以根据现状人口流动研判未来一定时期的疫情风险的变化趋势及空间格局,为提前谋划和精准防控提供决策参考。分析结果表明：① 广东省新型冠状病毒肺炎疫情在2020年1月29日拐点初现,随后呈现逐步下降的趋势。② 基于输入性病例发病的时滞过程分析,输入性病例从输入到发病普遍存在间隔时间,且间隔时间为1~14 d的病例比重较高。③ 疫情风险存在明显的空间差异,各地疫情风险依据输入风险、易感风险以及抵御风险能力的不同而存在较大的差异。④ 广东省各地市与疫源区城市之间的联系程度、人口流动规模及其交通区位因素,显著影响省内疫情风险的分级。深圳、广州等一线城市是高风险区,东莞、佛山、惠州、珠海、中山等邻近深圳和广州的珠三角城市是中风险区,珠三角城市群外围的粤东西北地区是低风险区。应根据疫情潜在风险,制定基于分区分级的防控措施,促进局地精准防控与社会整体良性运转。 相似文献
14.
基于ICT的中国城市间人口日常流动空间格局——以百度迁徙为例 总被引：28，自引：7，他引：21
随着互联网时代的来临,网络数据已越来越成为表征居民地理行为的重要载体,用户迁移、社交网络、移动通信等地理行为大数据成为城市联系研究的重要数据来源。“百度迁徙”大数据通过LBS技术,全程、动态、即时和直观地记录了城市之间的人口日常流动轨迹。通过采集“百度迁徙”数据库中2015年一季度（2月7日至5月16日）国内369个城市之间的逐日的人口流动数据,分“季度平均、春运期间（春节前）、春运期间（春节后）、劳动节、周末和工作日”6个时间段,从人流集散层级、人流集散网络体系的分层集聚、人口日常流动空间格局及其与“胡焕庸线”之间的关系等角度分析各时间段的城市之间的人口日常流动相关特征与空间格局。研究发现,“百度迁徙”大数据清晰地显示了春运期间中部和沿海地区之间的人口流动格局。人流集散中心主要分布在京津冀、长三角、珠三角和成渝4大城市群中,并与其城市等级有较强的一致性。人口日常流动集散体系呈明显的分层集聚,京津冀、长三角、珠三角、成渝和乌鲁木齐5大集散体系在各时间段基本得到体现,而华中、东北、西南和福建沿海等地区并未出现高层级集散城市和高等级集散体系,与这些区域在国家区域发展战略中的地位在一定程度上不相匹配。“胡焕庸线”能较好地反映国家层面的城市之间人口日常流动格局,反映了地理环境对城市间人口日常流动的深刻影响。城市之间的人口流动强度是体现区域经济联系强度、城市等级和网络结构等的重要指标,此项研究可为形成国家区域经济发展新格局和促进区域平衡发展提供参考。 相似文献
15.
新冠肺炎疫情的空间扩散过程与模式研究 总被引：5，自引：5，他引：5
研究新冠肺炎疫情的空间扩散过程与模式对于防疫抗疫资源的合理配置、突发公共卫生事件的管理与应对以及未来公共卫生体系的完善具有重要意义。本文综合时间和空间尺度,从地理学视角研究了新冠肺炎疫情的城际空间扩散过程,归纳总结扩散模式,并揭示了其影响因素。研究发现：新冠肺炎疫情在中国的发展主要经历了6个阶段,并在空间上表现出邻近扩散、迁移扩散、等级扩散和廊道扩散等地理模式;地理邻近性、人口流动、人口规模、交通网络、疫情防控管理等因素对疫情的空间扩散具有显著影响。新冠肺炎疫情的空间扩散过程和模式一定程度上是“流空间”网络下人类社会经济活动空间组织模式的一种反映,与地理邻近性、社会经济联系的跨区域性及人类活动的时空规律等密切相关。本研究以期为世界各国的疫情防控措施制定提供参考,也为中国未来应对公共卫生应急风险提供经验借鉴。 相似文献
16.
人口流动影响新冠肺炎疫情传播与风险扩散。基于百度迁徙大数据和各省市区卫生健康委员会数据，结合地理信息技术，研究了2020年1月1日至3月5日136个城市新冠肺炎疫情扩散与武汉市人口流出的空间关系及其对我国城市公共卫生治理启示。研究表明：1）中国新冠肺炎疫情扩散过程具有阶段性特征，经历了疫情发生与隐性扩散、快速扩散与暴发、扩散遏制和扩散衰减4个阶段。2）研究时间段武汉市人口主要流向湖北省境内以及周边省市和北京、上海、广州、深圳等一线城市，具有地理邻近性和倾向区域中心城市的人口流入特征。受地理距离、时间成本、社会经济联系、境外输入等因素的影响，新冠肺炎疫情空间分布的不平衡性明显，长江中游城市群、京津冀城市群、长三角城市群、粤港澳大湾区和成渝城市群成为新冠肺炎疫情集中分布的重点区域，一些重点出入境口岸城市的新冠疫情扩散风险较大。3）新冠肺炎疫情扩散与人口流出之间具有较强的正向等级相关性。两者之间的空间关系可以分为8种调控类型，近90%的城市具有人口流入多、确诊病例数高或人口流入少、确诊病例数低的特征。其中，人口流入多、确诊病例数高的城市主要集中分布在湖北省境内以及中国重点城市群的中心城市，其防控压力来自人口流入多、确诊病例数高带来的疫情扩散风险；而人口流入少、确诊病例数低的城市分布较为分散，其防控的难点在于提高防控对策的精准性。我国疫情防控取得了显著成效，但随着时间的演进全球疫情形势反弹的不确定性仍然存在，外防输入、内防反弹的压力依然很重，现阶段乃至未来一段时期，疫情防控将伴随中国经济社会发展成为新常态。建议针对8种调控类型，从人口流动、交通和资源等引导与管控方面分类提出精细化的疫情防控策略，提升城市公共卫生治理能力。 相似文献
17.
18.
以发病数和发病率为依据,利用ArcGIS 10.3软件和地理探测器,探究湖南省2020-01-21—02-28间COVID-19疫情的时空变化及其影响因素,结果显示：1）疫情演变具有时序阶段性。湖南省COVID-19流行过程可分为扩散期—鼎盛期—衰减期—消亡期4个阶段;所有发病县区中84.47%的首发病例为武汉输入。2）疫情传播具有交通依赖性。确诊患者和高发病率地区集中在铁路干线附近,“地级市早发、主城区多发”特征明显。3）疫情程度具有距离衰减性。邻近武汉的湘中、湘北、湘东北地区发病数和发病率最高。4）疫情分布具有空间集聚性。发病数和发病率集聚水平先增大后保持高位,疫情热点区位于长株潭及岳阳市,冷点区位于湘西州。5）疫情流行具有因子交互性。无风、寒冷、干燥的天气更利于疫情传播;人口密度、路网密度和GDP是影响疫情空间分异的主要因素;自然因子与社会因子的交互作用最强。6）影响因子具有空间异质性。空间距离、人口密度对发病数和发病率两者的影响都有空间异质性,空间距离对湘东北地区疫情的影响最大,人口密度对湘西北、湘北地区疫情的影响最大;人口流动性、卫技人员数仅对发病数的影响有空间异质性,人口流动性的影响程度由北向南递减,卫技人员数的影响程度以长株潭城市群为核心向外围圈层递减。 相似文献
19.
利用腾讯迁徙数据构建居民城际出行网络,分析了不同时段、不同交通方式下中国居民城际出行网络的空间结构特征以及主要城市群的对内、对外居民城际出行模式。研究发现,2018年中国居民城际出行网络呈“东密西疏”空间分布格局,形成以京、沪、穗—深、蓉—渝等高中心性城市为顶点的顶层跨区级“钻石型”网络结构。“春运”时段城际出行的重心相较日常出行更偏向于西南,居民城际日均出行规模亦高于其他时段,特殊节假日城际出行具有显著的空间邻近效应。不同出行方式下的出行人口、出行范围和出行交通网络差异显著,航空、铁路、公路出行分别承担国家级、区域级和地方级城际出行的人口集散。主要城市群对内出行网络呈现“核心—邻近—边缘”空间格局,以多中心双核出行模式为主,对外出行网络则呈现“跨区—邻域—地方”的格局,以单中心单核出行模式为主。 相似文献