基于百度迁徙数据的中国城市网络结构特征研究

doi:10.12082/dqxxkx.2021.210223

地球信息科学学报 ›› 2021, Vol. 23 ›› Issue (10): 1798-1808.doi: 10.12082/dqxxkx.2021.210223

• 地理空间分析综合应用 • 上一篇下一篇

基于百度迁徙数据的中国城市网络结构特征研究

张小东¹^,²^,³(), 韩昊英²^,^*(), 唐拥军¹, 罗国娜¹

1.塔里木大学水利与建筑工程学院,阿拉尔 843300
2.浙江大学城乡规划理论与技术研究所,杭州 310012
3.塔里木大学新疆南疆人居环境研究所,阿拉尔 843300

收稿日期:2021-04-21 修回日期:2021-05-11 出版日期:2021-10-25 发布日期:2021-12-25
通讯作者: * 韩昊英（1978— ）,男,吉林四平人,博士,博士生导师,教授,主要从事城市区域发展边界管控研究。E-mail: hanhaoying@zju.edu.cn
作者简介:张小东（1988— ）,男,重庆开州人,讲师,主要从事城市区域规划与区域发展研究。E-mail: 21712250@zju.edu.cn
基金资助:
国家自然科学基金项目(51778560);第一师阿拉尔市科研项目(2018XX03)

Research on the Characteristics of Urban Network Structure in China based on Baidu Migration Data

ZHANG Xiaodong¹^,²^,³(), HAN Haoying²^,^*(), TANG Yongjun¹, LUO Guona¹

1. College of Water Resources and Architectural Engineering, Tarim University, Alaer 843300, China
2. Institute of Urban and Rural Planning Theories and Technologies, Zhejiang University, Hangzhou 310012, China
3. Institute of Human Settlements in Southern Xinjiang, Tarim University, Alaer 843300, China

Received:2021-04-21 Revised:2021-05-11 Online:2021-10-25 Published:2021-12-25
Supported by:
National Natural Science Foundation of China(51778560);First division alar scientific research project(2018XX03)

摘要/Abstract

摘要：

迁徙流作为互联网时代的新产物,信息流、资本流、交通流等流空间的基本载体,能客观地反映城市间地理行为关系,对于刻画城市网络结构具有重要意义。基于地级以上城市的百度迁徙大数据,本文尝试从全域和净迁徙的视角探索研究中国城市网络结构特征,对其网络的层级、关联关系和影响因素等进行挖掘提取。研究发现：① 全国城市网络呈现出稳定的、层级明确的三棱锥四顶点“钻石型”结构,与主要城市群的经济规模空间分布相吻合;② 区域网络表现出向高级别行政中心集聚的“核心—外围”放射状结构;③ 以省会城市为核心的典型小世界特征比较凸出,小世界网络的可达性和连通性较高;周口、阜阳、赣州、上饶、重庆等作为主要劳动力输出型城市,深圳、东莞、广州、北京、上海等城市成为了主要的外来人口聚集地,并形成了对应的人口就近输送网络关系;④ 城市的行政地位、经济规模、交通枢纽建设、劳动力资源等因素都对其网络控制力和影响力起到了决定性作用。最后,研究结合中国城市网络结构特征及其主要影响因素,提出相关政策建议,以期为中国城市网络结构均衡发展与建设提供借鉴依据。

关键词: 百度迁徙, 网络结构, 中心度, 影响因素, 净迁徙, 社会网络, 中国

Abstract:

As a new product of the Internet era, migration flowed is the basic carrier of information flow, capital flow, traffic flow and other flow space. It can objectively reflect the geographical behavior relationship between cities, and it is of great significance to depict the urban network structure. Based on the big data of Baidu migration in cities above prefecture level, this paper attempts to explore and study the characteristics of urban network structure in China from the perspective of full time and net migration, and extracts the hierarchy, association and influencing factors of urban network. The results show that: the national urban network presents a stable and hierarchical pyramid and four vertex "diamond" structure, which is consistent with the spatial distribution of economic scale of major urban agglomerations; the regional network shows the core periphery radial structure of agglomeration to high-level administrative centers. The typical small world characteristics with provincial capital cities as the core are relatively prominent, and the accessibility and connectivity of small world network are high. As far as cities are concerned, Zhoukou, Fuyang, Ganzhou, Shangrao and Chongqing are the main export areas of population resources, while Shenzhen, Dongguan, Guangzhou, Beijing and Shanghai have become the main gathering places of migrant population, and the corresponding population transportation network has been formed. Administrative status, economic scale, transportation hub construction, population resources and other factors all play a decisive role in the control and influence of cities in the urban network. Finally, combined with the characteristics of China's urban network structure and its main influencing factors, the paper puts forward relevant policy suggestions, in order to provide reference for the balanced development and construction of China's urban network structure.

Key words: baidu migration, network structure, centrality, influence factor, net migration net, social network, China

张小东, 韩昊英, 唐拥军, 罗国娜. 基于百度迁徙数据的中国城市网络结构特征研究[J]. 地球信息科学学报, 2021, 23(10): 1798-1808.DOI:10.12082/dqxxkx.2021.210223

ZHANG Xiaodong, HAN Haoying, TANG Yongjun, LUO Guona. Research on the Characteristics of Urban Network Structure in China based on Baidu Migration Data[J]. Journal of Geo-information Science, 2021, 23(10): 1798-1808.DOI:10.12082/dqxxkx.2021.210223

图/表 7

图1

图2

表1

表2

图3

表3

图4

参考文献 36

[1]	马海涛. 基于人才流动的城市网络关系构建[J]. 地理研究, 2017, 36(1):161-170. doi: 10.11821/dlyj201701013
	[ Ma H T. Construction of urban network relationship based on talent flow[J]. Geographic Research, 2017, 36(1):161-170. ]
[2]	马海涛. 基于知识流动的中国城市网络研究进展与展望[J]. 经济地理, 2016, 36(11):207-213.
	[ Ma H T. Research progress and prospect of chinese urban network based on knowledge flow[J]. Economic Geography, 2016, 36(11):207-213. ]
[3]	金钟范. 基于企业母子联系的中国跨国城市网络结构——以中韩城市之间联系为例[J]. 地理研究, 2010, 29(9):1670-1682. doi: 10.11821/yj2010090013
	[ Jin Z F. The structure of China's transnational urban network based on the relationship between mother and son: a case study of the relationship between Chinese and Korean cities[J]. Geographic Research, 2010, 29(9):1670-1682. ]
[4]	赵新正, 李秋平, 芮旸, 等. 基于财富500强中国企业网络的城市网络空间联系特征[J]. 地理学报, 2019, 74(4):694-709. doi: 10.11821/dlxb201904006
	[ Zhao X Z, Li Q P, Rui M, et al. Characteristics of urban cyberspace connection based on Fortune 500 Chinese enterprise network[J]. Acta Geographica Sinica, 2019, 74(4):694-709. ]
[5]	张凡. 航空联系视角下的世界城市网络结构特征:空间重塑、关系崛起与角色判断[D]. 上海:华东师范大学, 2012.
	[ Zhang F. Structural characteristics of world urban network from the perspective of aviation connection: spatial remodeling, relationship rise and role judgment[D]. Shanghai: East China Normal University, 2012. ]
[6]	焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究——基于铁路客运班列分析[J]. 地理学报, 2016, 71(2):265-280. doi: 10.11821/dlxb201602007
	[ Jiao J J, Wang j E, Jin F J, et al. Study on the influence of high speed railway on urban network structure based on the analysis of railway passenger train[J]. Acta Geographica Sinica, 2016, 71(2):265-280. ]
[7]	陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式[J]. 地理学报, 2017, 72(2):224-241. doi: 10.11821/dlxb201702004
	[ Chen W, Liu W D, Ke W Q, et al. Urban network structure and spatial organization model of China based on highway passenger flow[J]. Acta Geographica Sinica, 2017, 72(2):224-241. ]
[8]	康洋鸣. 基于百度信息流的中原城市群城市网络结构研究[D]. 郑州:河南财经政法大学, 2019.
	[ Kang Y M. City network structure of Zhongyuan city group based on Baidu information flow[D]. Zhengzhou: Henan University of Economics and Law, 2019. ]
[9]	甄峰, 王波, 陈映雪. 基于网络社会空间的中国城市网络特征——以新浪微博为例[J]. 地理学报, 2012, 67(8):1031-1043. doi: 10.11821/xb201208003
	[ Zhen F, Wang B, Chen Y X. Characteristics of Chinese urban network based on Cyberspace: a case study of sina Weibo[J]. Acta Geographica Sinica, 2012, 67(8):1031-1043. ]
[10]	魏冶, 修春亮, 刘志敏, 等. 春运人口流动透视的转型期中国城市网络结构[J]. 地理科学, 2016, 36(11):1654-1660. doi: 10.13249/j.cnki.sgs.2016.11.007
	[ Wei Y, Xiu C L, Liu Z M, et al. The urban network structure of China in the transition period from the perspective of population flow during the Spring Festival transportation[J]. Scientia Geographica Sinica, 2016, 36(11):1654-1660. ] doi: 10.13249/j.cnki.sgs.2016.11.007
[11]	蒋小荣, 汪胜兰. 中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析[J]. 中国人口科学, 2017(2):35-46.
	[ Jiang X R, Wang S L. Research on population flow network of cities above prefecture level in China: Based on Baidu migration big data[J]. China Population Science, 2017(2):35-46. ]
[12]	Castells M. The rise of the network society[M]. Oxford:Black-well, 1996.
[13]	段德忠, 杜德斌, 谌颖, 等. 中国城市创新网络的时空复杂性及生长机制研究[J]. 地理科学, 2018, 38(11):1759-1768. doi: 10.13249/j.cnki.sgs.2018.11.003
	[ Duan D Z, Du D B, Chen Y, et al. Study on the spatial and temporal complexity and growth mechanism of China's urban innovation network[J]. Scientia Geographica Sinica, 2018, 38(11):1759-1768. ]
[14]	马海涛. 知识流动空间的城市关系建构与创新网络模拟[J]. 地理学报, 2020, 75(4):708-721. doi: 10.11821/dlxb202004004
	[ Ma H T. Urban relationship construction and innovation network simulation of knowledge flow space[J]. Acta Geographica Sinica, 2020, 75(4):708-721. ]
[15]	侯纯光, 杜德斌, 段德忠, 等. “一带一路”沿线国家或地区人才流动网络结构演化[J]. 地理科学, 2019, 39(11):1711-1718. doi: 10.13249/j.cnki.sgs.2019.11.004
	[ Hou C G, Du D B, Duan D Z, et al. The evolution of the network structure of talent mobility in countries or regions along the“Belt and Road”[J]. Scientia Geographica Sinica, 2019, 39(11):1711-1718. ]
[16]	赵新正, 李秋平, 芮旸, 等. 基于财富500强中国企业网络的城市网络空间联系特征[J]. 地理学报, 2019, 74(4):694-709. doi: 10.11821/dlxb201904006
	[ Zhao X Z, Li Q P, Rui M, et al. Characteristics of urban cyberspace connection based on the network of Fortune 500 Chinese enterprises[J]. Acta Geographica Sinica, 2019, 74(4):694-709. ]
[17]	宗会明, 吕瑞辉. 基于物流企业数据的2007-2017年年中国城市网络空间特征及演化[J]. 地理科学, 2020, 40(5):760-767. doi: 10.13249/j.cnki.sgs.2020.05.010
	[ Zong H M, LV R H. Spatial characteristics and evolution of urban network in China from 2007 to 2017 based on logistics enterprise data[J]. Scientia Geographica Sinica, 2020, 40(5):760-767. ]
[18]	王成金. 中国物流企业的空间组织网络[J]. 地理学报, 2008, 63(2):135-146.
	[ Wang C J. Spatial organization network of Chinese logistics enterprises[J]. Acta Geographica Sinica, 2008, 63(2):135-146. ]
[19]	周晓艳, 侯美玲, 李霄雯. 独角兽企业内部联系视角下中国城市创新网络空间结构研究[J]. 地理科学进展, 2020, 39(10):1667-1676. doi: 10.18306/dlkxjz.2020.10.006
	[ Zhou X Y, Hou M L, Li X W. Spatial structure of urban innovation network based on the Chinese unicorn company network[J]. Progress in Geography, 2020, 39(10):1667-1676. ]
[20]	李恩康, 陆玉麒, 杨星, 等. 全球城市网络联系强度的时空演化研究——基于2014-2018年航空客运数据[J]. 地理科学, 2020, 40(1):32-39. doi: 10.13249/j.cnki.sgs.2020.01.005
	[ Li E K, Lu Y Q, Yang X, et al. Spatiotemporal evolution of global urban network connection strength based on air passenger transport data from 2014 to 2018[J]. Scientia Geographica Sinica, 2020, 40(1):32-39. ]
[21]	武文杰, 董正斌, 张文忠, 等. 中国城市空间关联网络结构的时空演变[J]. 地理学报, 2011, 66(4):435-445.
	[ Wu W J, Dong Z B, Zhang W Z, et al. Spatiotemporal evolution of urban spatial network structure in China[J]. Acta Geographica Sinica, 2011, 66(4):435-445. ]
[22]	焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究——基于铁路客运班列分析[J]. 地理学报, 2016, 71(2):265-280. doi: 10.11821/dlxb201602007
	[ Jiao J J, Wang J E, Jin F J, et al. Study on the influence of high speed railway on urban network structure -- Based on the analysis of railway passenger train[J]. Acta Geographica Sinica, 2016, 71(2):265-280. ]
[23]	Chen W, Liu W D, Ke W Q, et al. Urban network structure and spatial organization model based on road passenger flow (English)[J]. Journal of Geographic Sciences, 2018, 28(4):477-494. doi: 10.1007/s11442-018-1485-x
[24]	潘坤友, 曹有挥, 刘可文, 等. 长江三角洲集装箱班轮网络空间格局及其演化[J]. 地理科学, 2017, 37(5):682-690. doi: 10.13249/j.cnki.sgs.2017.05.005
	[ Pan K Y, Cao Y W, Liu K W, et al. Spatial pattern and evolution of container liner network in the Yangtze River Delta[J]. Scientia Geographica Sinica, 2017, 37(5):682-690. ]
[25]	邓楚雄, 宋雄伟, 谢炳庚, 等. 基于百度贴吧数据的长江中游城市群城市网络联系分析[J]. 地理研究, 2018, 37(6):1181-1192. doi: 10.11821/dlyj201806009
	[ Deng C X, Song X W, Xie B G, etc. Analysis of the network connection of urban agglomeration in the middle reaches of the Yangtze River Based on Baidu Post Bar data[J]. Geographic Research, 2018, 37(6):1181-1192. ]
[26]	甄峰, 王波, 陈映雪. 基于网络社会空间的中国城市网络特征——以新浪微博为例[J]. 地理学报, 2012, 67(8):1031-1043. doi: 10.11821/xb201208003
	[ Zhen F, Wang B, Chen Y X. The characteristics of Chinese urban network based on the social space of the Internet: Taking Sina Weibo as an example[J]. Acta Geographica Sinica, 2012, 67(8):1031-1043. ]
[27]	汪明峰, 宁越敏. 互联网与中国信息网络城市的崛起[J]. 地理学报, 2004, 59(3):446-454.
	[ Wang M F, Ning Y M. The rise of Internet and China's information network city[J]. Acta Geographica Sinica, 2004, 59(3):446-454. ]
[28]	赵梓渝, 魏冶, 庞瑞秋, 等. 基于人口省际流动的中国城市网络转变中心性与控制力研究——兼论递归理论用于城市网络研究的条件性[J]. 地理学报, 2017, 72(6):1032-1048. doi: 10.11821/dlxb201706007
	[ Zhao Z Y, Wei Y, Pang R Q, et al. A study on the centrality and control power of China's urban network transformation based on the inter provincial flow of population-Also on the conditionality of recursive theory applied to urban network research[J]. Acta Geographica Sinica, 2017, 72(6):1032-1048. ]
[29]	叶强, 张俪璇, 彭鹏, 等. 基于百度迁徙数据的长江中游城市群网络特征研究[J]. 经济地理, 2017, 37(8):53-59.
	[ Ye Q, Zhang L X, Peng P, et al. Study on the network characteristics of the middle reaches of the Yangtze River Based on Baidu migration data[J]. Economic Geography, 2017, 37(8):53-59. ]
[30]	潘竟虎, 赖建波. 中国城市间人口流动空间格局的网络分析——以国庆-中秋长假和腾讯迁徙数据为例[J]. 地理研究, 2019, 38(7):1678-1693. doi: 10.11821/dlyj020171231
	[ Pan J H, Lai J B. The network analysis of the spatial pattern of population mobility between cities in China: Taking the National Day mid autumn vacation and Tencent migration data as an example[J]. Geographic Research, 2019, 38(7):1678-1693. ]
[31]	赖建波, 潘竟虎. 基于腾讯迁徙数据的中国“春运”城市间人口流动空间格局[J]. 人文地理, 2019, 34(3):108-117.
	[ Lai J B, Pan J H. Spatial pattern of population flow between cities of Spring Festival movement in China based on Tencent migration data[J]. Humanities geography, 2019, 34(3):108-117. ]
[32]	郑伯红, 钟延芬. 基于复杂网络的长江中游城市群人口迁徙网络空间结构[J]. 经济地理, 2020, 40(5):118-128.
	[ Zheng B H, Zhong Y F. Spatial structure of population migration network of urban agglomeration in the middle reaches of Yangtze River Based on complex network[J]. Economic Geography, 2020, 40(5):118-128. ]
[33]	刘海洋, 王录仓, 李骞国, 等. 基于腾讯人口迁徙大数据的黄河流域城市联系网络格局[J]. 经济地理, 2020, 40(4):28-37.
	[ Liu Y, Wang L C, Li Q G, et al. The urban network pattern of the Yellow River Basin based on the big data of tencent population migration[J]. Economic Geography, 2020, 40(4):28-37. ]
[34]	刘望保, 石恩名. 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[J]. 地理学报, 2016, 71(10):1667-1679. doi: 10.11821/dlxb201610001
	[ Liu W B, Shi E M. ICT based spatial pattern of daily population flow among Chinese cities: A case study of Baidu migration[J]. Acta Geographica Sinica, 2016, 71(10):1667-1679. ]
[35]	赵梓渝. 基于大数据的中国人口迁徙空间格局及其对城镇化影响研究[D]. 长春:吉林大学, 2018.
	[ Zhao Z Y. A study on the spatial pattern of population migration and its impact on Urbanization Based on big data[D]. Changchun: Jilin University, 2018. ]
[36]	Bonacich P. Factoring and weighting approaches to status scores and clique identification[J]. Journal of Mathematical Sociology 1972, 2(2):113-120. doi: 10.1080/0022250X.1972.9989806

区域	图密度（完整性）	平均聚集系数（聚集性）	平均路径长度（可达性）
全国	0.23	0.61	1.86
珠三角城市群	0.99	0.99	1.01
成渝城市群	0.97	0.97	1.03
长三角城市群	0.95	0.95	1.04
京津冀城市群	0.87	0.91	1.14
长江中游城市群	0.70	0.80	1.30
关中平原城市群	0.50	0.72	1.51

等级（中心度区间）	城市
国家级强网络中心（C(d_i)>1800）	北京市（C(d_i)=2186.61）、广州市（C(d_i)=2162.75）、深圳市（C(d_i)=1888.98）、上海市(C(d_i)=1844.77)、成都市(C(d_i)=1833.01)
国家级网络副中心（1000<C(d_i)≤1800）	东莞市（C(d_i)=1489.3）、苏州市、郑州市、西安市、重庆市、杭州市、佛山市、长沙市
区域网络中心（500<C(d_i)≤1000）	武汉市、南京市、昆明市、天津市、合肥市、惠州市、南宁市、无锡市、济南市、贵阳市、宁波市、中山市、廊坊市、沈阳市、太原市、石家庄市、厦门市、温州市、青岛市、保定市、金华市
地方网络中心（300<C(d_i)≤500）	周口市、哈尔滨市、南昌市、嘉兴市、泉州市、长春市、咸阳市、常州市、徐州市、阜阳市、福州市、南通市、商丘市、毕节市、绍兴市、遵义市、临沂市、宿州市、赣州市、珠海市、衡阳市、南充市、盐城市、上饶市、兰州市、台州市、济宁市、南阳市、潍坊市、驻马店市、黄冈市、沧州市、邯郸市、菏泽市、清远市、绵阳市、信阳市、邵阳市、湛江市、茂名市
地方附属节点（C(d_i)≤300）	亳州市等254个城市

城市	接近中心性	城市	中介中心度	城市	特征向量中心性
北京市	0.63	成都市	4506.34	北京市	1.00
重庆市	0.62	北京市	4418.21	上海市	1.00
广州市	0.61	西安市	4380.87	成都市	0.99
西安市	0.61	重庆市	3700.80	广州市	0.99
周口市	0.61	兰州市	3320.26	深圳市	0.99
上海市	0.61	昆明市	2866.27	重庆市	0.99
苏州市	0.61	天津市	2488.00	杭州市	0.99
南阳市	0.61	深圳市	2433.76	武汉市	0.99
深圳市	0.61	广州市	2205.11	南京市	0.98
郑州市	0.61	西宁市	1963.57	长沙市	0.98

基于百度迁徙数据的中国城市网络结构特征研究

Research on the Characteristics of Urban Network Structure in China based on Baidu Migration Data

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 36

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	张子威, 黄秋昊, 陆羽, 李满春, 陈振杰, 李飞雪. 中国居民预期寿命及其影响因素的空间差异分析[J]. 地球信息科学学报, 2021, 23(9): 1575-1585.
[2]	胡最, 闵庆文. 构建农业文化遗产数字化保护的概念框架探讨[J]. 地球信息科学学报, 2021, 23(9): 1632-1645.
[3]	彭振华, 李艳忠, 余文君, 星寅聪, 冯爱青, 杜深文. 遥感降水产品在中国不同气候区的适用性研究[J]. 地球信息科学学报, 2021, 23(7): 1296-1311.
[4]	秦佳睿, 盛业华, 王燕锋, 何育枫. 南京市住宅价格影响因素分析[J]. 地球信息科学学报, 2021, 23(5): 882-890.
[5]	蔡一乐, 曹诗颂, 杜明义, 李善飞, 陈姗姗. 中国地级市人为热总量的估算及驱动因素分析[J]. 地球信息科学学报, 2021, 23(3): 405-418.
[6]	李颉, 郑步云, 王劲峰. 2008—2018年中国手足口病时空分异特征[J]. 地球信息科学学报, 2021, 23(3): 419-430.
[7]	谢玲, 王宏卫, 刘素红, 高一薄, 玛丽亚木·玛木提, 伊素燕, 马晨. 气象因素影响下中国手足口病时空演化特征研究[J]. 地球信息科学学报, 2021, 23(3): 431-442.
[8]	郭紫甜, 王春梅, 刘欣, 庞国伟, 朱梦阳, 王晋卿. 基于小流域抽样单元的中国FROM-GLC30数据精度评价[J]. 地球信息科学学报, 2021, 23(3): 524-535.
[9]	方云皓, 顾康康. 基于多元数据的中国地理空间疫情风险评估探索——以2020年1月1日至4月11日COVID-19疫情数据为例[J]. 地球信息科学学报, 2021, 23(2): 284-296.
[10]	薛浩男, 张雪英, 吴明光, 曹天阳. 基于新闻数据的新冠疫情事件下“全球-中国”国际关系变化分析方法[J]. 地球信息科学学报, 2021, 23(2): 351-363.
[11]	高楹, 宋辞, 郭思慧, 裴韬. 接驳地铁站的共享单车源汇时空特征及其影响因素[J]. 地球信息科学学报, 2021, 23(1): 155-170.
[12]	张小东, 韩昊英, 陈宇. 2003—2018年中国地级城市土地出让交易状况及时空动态特征[J]. 地球信息科学学报, 2020, 22(9): 1823-1836.
[13]	张亚, 刘纪平, 周亮, 王勇, 李鹏飞. 基于DBSCAN算法的北京市顺丰快递服务设施集群识别与空间特征分析[J]. 地球信息科学学报, 2020, 22(8): 1630-1641.
[14]	宋荣, 胡业翠. 中国城市土地整治综合潜力分区与提升路径[J]. 地球信息科学学报, 2020, 22(7): 1522-1531.
[15]	孙威, 林晓娜. 柳州市汽车制造业企业的空间格局与影响因素[J]. 地球信息科学学报, 2020, 22(6): 1216-1227.