长三角城市群网络发展成果

第四章　长三角城市群的网络化发展

第一节　长三角城市的网络分布

一、长三角城市分布规模特征

1．经济位序特征

长三角16个重要城市，在区域经济体系中的地位不是同一的，其分布特征如何？根据2007年16个城市的GDP（见图4‐4‐1）可以看出，16市的经济发展水平呈现阶梯式结构，上海是区域内经济发展水平最高的城市，其国内生产总值和财政收入远远高出其他城市，苏州、杭州、无锡、宁波、南京处于经济发展水平第二层次，南通、绍兴、常州、台州、嘉兴、扬州、镇江、泰州位于第三层次，而湖州和舟山的经济水平远远低于其他城市，处于经济发展水平的第四层次。很显然，这样一种区域经济结构呈现了两端小，中间大的特征。经济发展水平最高和最低的城市都是极个别少数，中间的第二层次和第三层次占了区域内城市的绝大部分。使整体区域经济发展水平渐趋均匀化，区域内部城市均质发展。

图4-4-1　2007年长三角16市国内生产总值分布

2．长三角城市的首位度

城市经济学认为，一个区域或国家的城市首位度一定程度上代表了城市体系中的城市人口在最大城市的集中程度。首位度是一国或一区域最大城市与第二位城市人口的比值。通常首位度高的区域表示了地区发展的不均匀，大量人口集中在最大城市，而区域内其他城市人口明显较少。首位分布允许资金和人才的更大积累，有利于知识的更加专门化和思想的广泛交流，大城市内的各种运输成本一般比城市间的运输成本低，因此大城市的劳动生产率是最高的；而首位城市也往往是交通运输网络中效益最好的地方，比乡村地区更能吸引投资。

长江三角洲的人口分布如图4‐4‐2所示。

图4-4-2　2007年长江三角洲16市人口分布

由图4‐4‐2可见，上海的人口数明显多于区域内其他城市人口，长三角区域的城市首位度数值已经超过了2，属于首位度分布。

进一步测算地区城市首位律。城市首位律是基于首位度的改进，通常以4城市的数据或11城市的数据进行演算。

4城市指数S1＝P1/（P2＋P3＋P4），11城市指数S2＝2P1/（P2＋P3＋…＋P11），其中P1，P2，…，P11是城市按规模从大到小排序后，某位序城市的人口规模。

通过计算，得出上海的4城市指数为0．794，11城市指数为0．61。由此看来，长三角城市区域网络的首位度较高。

3．长三角城市无位序规模特征

位序规模分布是指城市的规模和城市规模位序之间呈现一定规律。具体的测算方法有捷夫（G．K．Ziff）模式、罗特卡模式。捷夫模式认为在经济发达国家里，一体化的城市体系的城市规模分布可采用简单的公式表达，Pr＝P1/R，Pr＊R＝P1，其中Pr是第R位城市的人口，P1是最大城市的人口，R是Pr城市的位序。罗特卡则对这种模式进行加工和一般化处理，认为处于位序规模结构的城市规模分布应该符合Pi＝P1＊Ri－q的规律，其中q是常数。

通过对长三角人口规模分布数据进行计算和验证，长三角城市不具备位序规模特征，不存在一个常数q满足Pi＝P1＊Ri－q的规律。

长三角区域的上海就是首位分布金字塔的最顶端，如图4‐4‐2所示，其他城市人口远小于上海，苏州、南京、南通、杭州、无锡、台州、宁波位于第二层次，而泰州、扬州、绍兴、常州位于第三层次，嘉兴、镇江、湖州和舟山位于最低层次。除了舟山，第二、三、四层次之间的规模数量区分度并不大。

城市经济学认为，一个国家或区域的人口规模分布符合这样的规律：经济起飞前属均衡状态，是位序规模分布，在经济大发展过程中，均衡状态被集中发展的几个大城市所动摇，城市规模呈首位分布。随着时间推移，经济发展渐渐从大城市转向中小城市，城市系统的均衡状态又逐渐恢复，在新的基础上，再现位序规模分布。

长江三角洲正处于经济快速发展，区域内部城市发展不均衡的状态，少数大城市位于城市规模的首位，并无位序规模分布，只有当经济和城市发展到一定水平，拥有足够的资源和人力促进区域内部城市的均衡发展，长三角城市人口规模分布才会由不均衡转向均衡。

二、长三角城市网络的构建

1．城市网络的建立

物理学家霍金曾预言21世纪是复杂性世纪。学者们不仅在自然界发现生物链中的网状特征，更从社会发展的层面来理解经济、城市以及信息技术发展的复杂性网络化特征。这些网络既不像规则网络具有单一性特征，也不像随机网络毫无规律可循。复杂网络的特性正体现为网络结构以及网络中节点的统计特征的复杂性。

网络由节点和边构成，节点之间不同的连边产生不同的网络结构。网络分为有向网络和无向网络，权重网络和无权重网络。又分成规则网络和随机网络。

规则网络在通常意义上是指一维链、二维正方晶格等，是平移对称性晶格，常见的规则网络有全局耦合网络（globally coupled network）如图4‐4‐3 （a）、最近邻耦合网络（nearest‐neighbor coupled network）如图4‐4‐3（b）和星形耦合网络（star coupled network）如图4‐4‐3（c）。^[1]

图4-4-3　规则网络示意图

随机网络比较典型的例子是Erdos和Réiny于50多年前开始研究的ER随机网络模型。如图4‐4‐4所示，假设网络中有N个节点，每个节点对之间的连接概率为p，则最后产生的N个节点的ER随机网络模型有p N（N－1）/2条边。^[2]

图4-4-4　随机网络示意图

本文在建立城市网络时，以长三角区域作为网络的空间区域，以16个城市作为网络的节点，以城市与城市之间的各种联系作为边，当这种联系有方向时，就构建了城市间的有向网络，否则为无向网络。而当这种联系分出轻重程度时，就给边赋予了权重，成为有权重网络。城市网络既不像规则网络具有单一性特征，也不像随机网络毫无规律可循。为揭示复杂网络的特性，我们将城市网络分层。

2．长三角城市网络的层次性

长三角区域经济集聚发展，该区域内每一个城市的发展都不是独立和封闭的，城市群区域空间发展中存在着各种各样的联系。美国著名学者隆弟莱里（D．A．Rondinelli，1980）对城市群区域空间发展中存在的联系进行了划分，他认为城市群区域空间发展中的主要联系包括自然联系、经济联系、人口运动联系、社会相互作用联系、服务传输联系、信息联系以及政治、行政和组织联系等，由这些联系组成了错综复杂的联系网络。正体现为网络结构以及网络中节点的统计特征的复杂性。

城市之间的自然联系是指公路、铁路、航空、航运和管道交通运输网络，生态系统的相互依赖；经济联系可以从内在经济联系和实体经济联系来区分，其中内在经济联系是宏观的区域间投资—生产—利润循环，区域和区域之间的消费—生产—就业循环；区域专业化协作，生产的前向、后向、侧向联系；市场辐射范围，产品销售的空间模式，消费水平和消费结构的空间关系。实体的经济联系则是指原材料、半成品、制成品的区际商品流。社会联系包括文化、价值观念、社会思潮的相互渗透；习俗、宗教的联系，社会群体间的相互作用。人口移动联系包括劳动力流动、人口暂时或永久性迁移。技术服务联系包括创新与技术的扩张、电信系统及信息流动，信贷以及金融网络，教育、培训、商业和技术服务联系。政治联系包括区域管理与控制层次的关系，政策决策链，组织和结构相互依赖等。

如此多层的网络叠加在一起，其复杂性成倍增加。考虑到不同网络的重要性差异，本文对长三角区域内16市之间的交通网络特征，经济网络特征和社会网络特征给予重要关注。交通网络是区域一体化发展的重要载体，而经济和社会的一体化是区域发展的最终目标。鉴于数据的可得性，在从经济网络、交通网络和社会网络三个层面来考量城市之间的网络关系特征时，经济网络和交通网络采用定量与定性分析相结合的方式，构建起经济往来和交通网络模型，并利用社会网络分析工具VISONE加以分析；社会网络则采用定性分析方式说明。

第二节　长三角城市经济网络特征

一、长三角城市经济网络的特征

1．整体经济网络特征：联系紧密但不均衡

根据矩阵运算得到的城市之间的关系数据库，进一步加工以揭示其内涵。运用VISONE软件，得到16个城市之间的经济联系网络图示（见图4‐4‐5）。

图4-4-5　长三角16市经济网络

在图4‐4‐5中，红色圆圈代表城市，黑色的线条则表示城市之间的联系，箭头所示方向表示城市经济联系的方向，连接线上的数字则表示关系权重。

由此可以看出，整体上，长三角16个城市之间的经济联系十分密切，16个城市之间的经济联系已经在区域内形成一张联系紧密的网。但是这种联系并不完全均等，部分城市节点的进出边线很多，而个别城市节点的进出边线则相对很少。

2．长三角城市之间经济关联度

（1）网络边权法测量城市关联度

同一个图形里，点中心值不具有直接可比性，两个节点值的差异或比例不能用来定量测量一个元素比另一元素中心性如何。为了克服这个问题，很多学者提出了多种标准化的方法，其中Freeman建议在有相同点数的情况下，采用除以最大可能值的方法。考虑到这种方法会导致实际值随之变小且在权重或多图形中不便定义。本文利用一个适用于所有类型图形的标准化方法——百分率法，即除以所有值的总和。指数是比例值，含义为一个城市在区域中的重要程度。

在复杂网络常用的UCINET分析中，连接网络中的点的边没有被赋予权重，而只能表示关系的存在与否，无法区分点对之间相互作用的差异。VISONE分析法与其他的社会网络分析法的一个重要区别在于，VISONE将边权纳入网络结构的考虑范围。

在VISONE中，假设G＝（V，E）是无向权重多图形，边权重ω。中心度c D：V→≥0被定义为连接边的权重之和，其中点v∈V。计算度的公式为cD（v）＝。有向网络有两种不同的中心度：假设G＝（V，E）是有向权重多图形，边权重为ω。点入度ciD：V→≥0，点出度coD：V→≥0，其中点v∈V

分别计算得出16个城市的点度、点出入度，并按照从大到小排序，如表4‐4‐1所示：

表4-4-1　长三角16市的经济点度、点入度和点出度

续表

在这种分析中，网络节点——即各城市的度是以经过点的边的边权为计算基础，因而它考量的不是传统网络分析法中一个点所连接的边的数量，而是点所连接的边的权重。对于城市网络来说，边权的意义不可忽视，它表示了一个城市与另一个城市联系的紧密度。在经济网络中，一个城市的点度不仅表示这个城市与多少个其他城市之间产生经济联系，而且这种联系的强度也计算在内。边权法能够更加科学地对网络中节点的关联度值进行计算。

（2）上海的经济联系密度最大，镇江最低

表4‐4‐1中，城市点度，指该城市在整个区域网络中与其他城市经济联系的强弱，这里包含双向的经济活动，即有流入该城市的，也有流出该城市的。

城市点入度，指其他城市的经济活动流入本城市的强度和密度，反应城市的集聚效应。

城市点出度，指该城市企业的经济活动流入其他城市企业的强度和密度，反应城市的辐射效应。

这里的密度是指一个城市与多少个城市产生经济联系；强度是指城市之间经济联系的流量多少。

由表4‐4‐1中的点度，可以看出，上海的关联度在所有城市中排名第1，说明它与其他城市之间的综合联系是最大的，表明上海与网络中更多的城市之间存在经济联系，也说明上海是网络中与其他城市之间联系强度最大的城市，达到11．116 9%；其次是杭州和南京，分别是8．358 2%和8．352 4%；宁波、苏州、无锡、舟山则处于度的数值第三个层次；南通、绍兴、泰州、扬州、嘉兴、台州、常州、湖州分属第四层次，最后一位是镇江，其度值是4．664 2%。

（3）上海集聚效应强但辐射作用弱，舟山的依赖性最强

表4‐4‐1中的点入度，上海也排名第1，高达17．459 7%。说明上海市对长三角的城市产生了很大的集聚效应。而由城市点出度可以看出，上海的点出度是最低的，只有4．77%，也就是上海输出到其他城市的经济活动很弱，上海与其他城市的联系更多地表现为对其他企业活动的吸引，而其自身的辐射和扩散能力还非常有限。

对比表4‐4‐1中的点度与点入度，点入度排序与点度排序的差异不大，仅舟山的点度排名第7位，而点入度排名下滑到第15位。由表4‐4‐1中舟山的点出度可以得到解释，舟山与其他城市的联系是比较密切的，但是这种联系表现为舟山输出更多经济活动，由于舟山自身的自然地理条件，其经济聚集效应非常弱。

（4）杭州同时具有较好的聚集和辐射作用

对比表4‐4‐1中的点入度和点出度，可以看出，长三角城市在点入度和点出度上，表现出明显的负相关变化趋势。也就是说，点入度较高的城市点出度较低，如上海，舟山和湖州等。但也有特例，如镇江无论是点入度还是点出度都很低，而杭州的点入度和点出度都排名较为靠前，这说明杭州市在对外联系上，既能起到良好的聚集作用，同时发挥了一定的扩散和带动效应。(www.xing528.com)

通过表4‐4‐1与16市的GDP水平对比，可以看出，城市之间的联系遵循一个基本规律：GDP水平较高的城市与网络内部其他城市的经济联系较小，但是其他经济水平相对较低的城市与经济水平较高的城市的经济联系却很大。充分说明了经济水平较高的城市经济增长产生了较强的集聚效应，由于在考虑经济联系时，对公司的股东和业务交易情况赋予较大的权重，因而这些数据充分说明了经济水平较高城市的经济吸引力，产业和经济活动在空间上集中产生了经济效果，吸引经济活动向这些地区靠近。因而表4‐4‐1中点入度排序与城市GDP水平（图4‐4‐1）的排序基本一致，虽然个别城市如南通和苏州在名次上有所下滑，但是差距并不大；从总体上来说，符合经济水平越高，点入度越高的规律。

而表4‐4‐1中点出度排名前三位的城市分别是GDP排名倒数三位的舟山、湖州、泰州，说明在区域网络中，经济落后的城市本身因为资金和技术的制约，需要与网络内其他城市建立经济联系来促进自身的发展，这种区域网络内的联系对于它们的发展是至关重要的，而镇江虽然GDP排名是第13位，但是它的点出度和点入度一样都排在靠后，说明镇江这个城市在该区域网络内的相对关联度较低，是网络发展中的一个制约，也是需要尽快提升的一个城市。

二、城市经济网络结构的地位分层

在本研究中，网络中的点数有16个，可以采用社群图法根据不同的属性对网络中的节点进行布局，从而进一步分析网络的地位结构特征。根据每个节点与其他节点之间的关联度可以进行地位分层。

地位分层法可以很好地描述节点城市在网络中的地位结构。它可以根据节点在网络中的组织结构进行纵向排列，也可以根据节点在网络中的地位来进行横向排列。纵向排列是对网络的组织结构的描述，横向排列则是对节点在网络中的地位进行直观描述。

如图4‐4‐6中，上半图所示，为长三角16个城市的经济网络的地位纵向分层。可以看出，16个城市之间不具备明显的组织结构特征，因为每个城市都与其他城市有着不同程度的关联，也就是16个城市之间没有类似组织的行政指挥关系，不存在指挥与被指挥的组织结构特征。

如图4‐4‐6，下半图所示，为长三角16个城市的地位分层横向排列，可以明显看出，网络中节点城市根据关联度具有一定的等级划分。在图表上，节点颜色越深，表明它在网络中的地位越重要，颜色越浅则表示其在网络中的地位越不重要。

由图4‐4‐7可知，上海在网络中的地位最为重要，它与其他城市之间的关联度在整体网络的关联度中占据很大比例，在长三角的发展中，上海的经济发展始终处于最高水平，并因其经济的高速发展带动了周边城市的相关产业发展，因而在长三角经济网络中，上海与其他城市之间的关联是支撑网络发展的最重要因素。

其次，杭州与其他城市之间的关联度仅次于上海，宁波、苏州、南京、无锡紧随其后，包括上海在内的这6个城市成为长三角经济网络的关键主体，这6个城市的经济发展水平也排名靠前，充分说明了经济发展水平与城市之间经济联系的相互作用关系，经济水平高对应着城市之间经济的高联系；同时，透过这一分析，可以看出部分城市，如舟山、泰州虽然经济排名仍然靠后，但是它们与网络内部其他城市之间的关联度较大，这种强关联度将是推动城市发展的重要动力。

图4-4-6　16个城市地位分层（上图：地位分层纵向排列，下图：地位分层横向排列）

注：＊节点颜色越深，表明它在网络中的地位越重要。

第三节　长三角城市交通网络特征

一、基于区域内公路和铁路的交通网络的建立

交通网络是城市社会经济发展的基础，也是城市之间经济联系的前提。交通网络是城市之间的所有交通基础设施，包括公路、铁路、水路和航空等。根据《长江三角洲城市年鉴2008》中对长三角洲各城市的运输量和运输方式的统计数据，长三角各城市的主要运输方式是公路，如上海市2007年运输货运总量是72 605万吨，其中公路占据33 799万吨，水运和铁路、航空分别为37 342万吨，1 211．60万吨，252．73万吨。南京市货运总量是18 402万吨，公路运输量为11 249万吨，铁路、水运和航空运输量分为别1 096万吨，6 042万吨，15万吨。长三角内部城市之间的联系大多依赖公路和铁路的方式，其中公路又占据主导地位，由于空间距离的临近性，航空和水路的比重有限。到2003年底，长三角区域公路网总里程达到11．8万公里，其中高速公路3 779公里，公路网密度、高速公路密度分别为全国的3倍和5．8倍。鉴于公路和铁路在长三角的重要性和数据的可得性，在研究长三角交通网络时，主要从公路和铁路两个方面来构建网络。^[3]

根据长三角每两个城市之间的铁路车次以及运载量构建铁网，根据区域内的国家高速公路和国道以及主要省道的统计数据建立公路网，尽管不能获取所有交通统计信息，但是以公路网和铁路网的基本网络描述，能够代表区域内交通的基本特性。

二、交通网络的中心性特征：沪南京苏杭为核心，南通舟山欠缺

对交通网络的点中心度、基于最短路径的中间中心性、基于距离的接近中心性和特征向量中心性等指标进行分析。主要测度在整个区域中交通网络的城市节点的中心性和边缘性特征。

1．城市节点的点中心度

城市节点的点中心度测算数据如图4‐4‐7所示。个别城市出现短板。

铁路交通网中，城市节点的点中心度按中心值从大到小依次是上海、南京、杭州、苏州、常州、嘉兴、无锡、扬州、泰州、宁波、绍兴、镇江、台州、南通、舟山、湖州。

公路交通网络城市节点的中心度的排序是上海、南京、无锡、常州、镇江、苏州、杭州、绍兴、南通、宁波、嘉兴、台州、扬州、泰州和湖州、舟山。

公路和铁路网中，上海都是交通网络的中心。而舟山由于地理位置的原因，在整个区域中属于交通网络的边缘。其他城市的城市基础设施关联度在公路和铁路上有差异，例如，南通的铁路基础设施相对欠缺，但是公路相对比较发达。镇江市经济发展水平虽然相对滞后，但镇江的交通基础设施与其他城市构建的联系较多。

图4-4-7　长三角16市交通网络中心度

2．基于最短路径的中间中心性

测算出各城市的最短路径的中间中心性如图4‐4‐8所示，可见各城市之间参差不齐的特征。

基于最短路径的中间中心性，铁路网络的排序是南京、上海、杭州、嘉兴、扬州、泰州、苏州、常州、无锡、宁波、绍兴、台州、镇江、南通、舟山和湖州。

公路网络的排序是上海、杭州、绍兴、宁波、南京、镇江、台州、南通、苏州、无锡、常州、扬州、嘉兴、湖州、泰州、舟山。

可以看出，上海在交通网络中控制其他城市的能力较强，很多城市之间的最短路径必须经过上海，南京、杭州的公路和铁路的中间中心性一样都很高，

图4-4-8　长三角16市交通网络的中间中心性

与上海一样都是交通网络中控制其他城市和交通资源的重要节点。南通较为特殊，它在公路网中的排名较为靠前，但是在铁路网中却是相对关联度和中心性较弱的一个节点。

3．基于距离的接近中心性

测算得出各城市的接近中心性如图4‐4‐9，可见整体上城市交通的接近中心性比较接近。

图4-4-9　长三角16市交通网络的接近中心性

而基于距离的接近中心性，铁路网络中的排序是上海、南京、杭州、苏州、常州、嘉兴、无锡、扬州、泰州、宁波、绍兴、镇江、台州、南通、舟山、湖州；

公路网络的排序是上海、杭州、镇江、绍兴、苏州、无锡、南京、台州、常州、宁波、南通、嘉兴、湖州、扬州、泰州、舟山。

与中间中心性相类似，上海、南京、杭州、苏州、无锡等城市的排名较高，说明这些城市在交通网络中不受其他城市控制的可能性更大；扬州、泰州在铁路网络中的接近中心性排名比在公路网络中靠前，说明这两个城市的公路建设相对滞后，容易受到其他城市控制。

4．特征向量中心性

关于邻点的相互作用，测度两个交通网络的特征向量中心性，结果如图4‐4‐10所示，可以看出个别城市的测度值远低于区域城市整体情况。

图4-4-10　长三角16市交通网络的特征向量中心性

铁路网络中的排序是上海、杭州、苏州、常州、南京、嘉兴、无锡、扬州、泰州、宁波、绍兴、镇江、台州、南通、湖州、舟山。

公路网中的排序是上海、杭州、镇江、绍兴、无锡、苏州、台州、南京、常州、宁波、嘉兴、湖州、南通、扬州、泰州、舟山。

通过对特征向量中心性的计算，可以看出交通网络中上海、杭州、苏州、南京等城市不仅是经济网络中的中心节点，也是交通网络的中心，而舟山和南通在交通上明显具有缺陷。

三、交通网络的频谱结构图

由于公路和铁路运输的双向性，所以交通网络是无向网络，为了更好地展示交通网络的结构，根据邻接矩阵或拉普拉斯矩阵的特征向量值对网络图形进行频谱分析，以建立频谱布局图。频谱布局图能够很好地演绎网络图的对称性，具有相同结构性质的节点（近邻特征相似的节点）被排列在图示的相同位置。在频谱分布图中，边权代表节点之间的相似性，这种布局能够更加清晰直观地展示网络中节点城市之间的相互关系。

根据网络图的拉普拉斯矩阵对网络中节点的二维坐标进行定位。拉普拉斯矩阵定义为：

图4-4-4-11　长三角16市公路网络频道布局图

图4-4-12　长三角16市铁路网络频谱布局图

在矩阵表达中，L（G）＝D（G）－A（G），其中A（G）表示节点度值的邻接矩阵，D（G）为节点度值的对角矩阵。由于网络是无向网络，且边权都大于0，拉普拉斯矩阵L（G）是对称矩阵，所有的特征值都是非负的，对应的特征向量两两正交。因而光谱矩阵中0＝λ1≤λ2≤…≤λn，对应着单位特征向量u1，u2，…，un。在光谱布局中，每个节点的二维坐标根据其单位特征向量u2和u3来确定，其中u2和u3分别是拉普拉斯矩阵L（G）中的第二和第三小的特征值λ2，λ3所对应的单位特征向量。

求出长三角16个城市的公路和铁路网络频谱布局图（如图4‐4‐11和图4‐4‐12所示）。

由图4‐4‐11和图4‐4‐12可见，根据拉普拉斯矩阵得到的长三角城市交通网络的频谱布局图，呈现非均衡性，大部分节点聚集在图形中间，一些密度相对稀松的关联度较弱的节点分布在图示的角落。近邻特征相似的节点和具有相同结构性质的节点被排列在图示的相同位置。

如图4‐4‐11公路网布局图中，舟山和泰州在公路网络的频谱分布图中与网络中其他点分离。而在图4‐4‐12铁路网络中，湖州、舟山也是网络中关联度较为薄弱的环节，和其他城市之间无法构建联系。同时南通和台州也远离其他城市节点。说明它们与其他城市之间的铁路设施建设十分缺乏，如果不能在交通设施上加以改善，将阻碍这些城市与区域内其他城市搭建网络关系以促进城市发展。

四、交通网络与经济网络的关系

交通网络的分布与经济网络中城市节点的中心度分布基本上一致，充分说明了经济联系与交通联系之间的一致性。一个城市在区域内的经济中心度越高，相应这个城市与其他城市之间的交通联系就越紧密；反过来，城市之间的交通联系的紧密度也是促使城市之间经济联系增强的有效作用力。个别城市在经济联系强度和交通联系强度上不一致性，如常州在经济网络中处于弱联系层次，但是在交通网络中发挥着较为重要的地位。常州的铁路和公路网的中心度分别位于网络中的第五位和第四位，并且网络中控制其他城市之间交通联系，是一个偏中心枢纽城市，与上海、苏州、杭州等重要交通枢纽城市有着强联系，这为常州今后的发展奠定基础，预示网络发展的未来趋势。此外，舟山市虽然交通联系强度很弱，处于交通网络的最底层，但是它积极开展与其他城市的经济联系，经济联系更加趋向于外向型，主动与网络中其他城市的联系多于其他城市与舟山的联系。尤其是在近几年，舟山市采取主动接轨上海、加强区域经济合作，全面融入长三角经济一体化，发挥资源优势，大力发展海洋经济的战略策略，这种接轨上海参与长三角交流与合作的战略是舟山市今后发展演进的重要路径。也是长三角城市网络结构演变的一个重要趋势。

（吕康娟）

【注释】

[1]杨波：《复杂社会网络的结构测度与模型研究》，上海交通大学博士论文，2008年。

[2]王冰：《复杂网络的演化机制及若干动力学行为研究》，大连理工大学博士论文。

[3]《长江三角洲城市年鉴2008》。