應(yīng)對(duì)疫情，春運(yùn)人口回流情況如何？基于春節(jié)前人口流動(dòng)模擬的預(yù)測(cè)

 

　　人口的流動(dòng)性是造成新型冠狀傳染病毒在全國(guó)范圍內(nèi)擴(kuò)散的重要驅(qū)動(dòng)因素，很多用于評(píng)估傳染病毒的感染速率和擴(kuò)散規(guī)模的預(yù)測(cè)模型均基于人流數(shù)據(jù)展開，此次因病毒傳染而封城和春節(jié)期間取消春節(jié)活動(dòng)等措施更是說明了限制人口流動(dòng)是抑制病毒傳播的重要途徑。春節(jié)前的人口大遷徙無疑加速了本次疫情的時(shí)空傳播速率，而春節(jié)后全國(guó)范圍內(nèi)的人口回流仍然會(huì)對(duì)疫情的防控帶來巨大的挑戰(zhàn)?？梢哉f，深刻認(rèn)識(shí)春節(jié)后人口回流的遷徙特征和規(guī)律，將對(duì)此次疫情的防控起到非常積極的作用?；谝陨媳尘埃疚囊园俣冗w徙數(shù)據(jù)和通過調(diào)查所獲得的個(gè)別城市的真實(shí)人口遷徙數(shù)據(jù)作為主要數(shù)據(jù)源，主要工作如下：首先采用OD超網(wǎng)絡(luò)模型推算并模擬全國(guó)地級(jí)市尺度的遷徙人口數(shù)量；然后基于模擬的人口數(shù)據(jù)通過空間自相關(guān)和時(shí)空自相關(guān)等空間統(tǒng)計(jì)模型分析其地理分布特征和時(shí)空演變模式；最后，在此認(rèn)識(shí)的基礎(chǔ)上，預(yù)測(cè)春節(jié)后遷徙人口的數(shù)量分布特征及遷徙網(wǎng)絡(luò)結(jié)構(gòu)特征。結(jié)果表明，春節(jié)后人口遷徙表現(xiàn)為層級(jí)效應(yīng)和地理鄰近效應(yīng)，前者多以大城市為超級(jí)節(jié)點(diǎn)，而后者則以中小城市為主要節(jié)點(diǎn)，并且，流出人口數(shù)量在城市層面呈現(xiàn)離散的地理分布，而流入人口數(shù)量呈現(xiàn)高度聚集的態(tài)勢(shì)。

 

 

 

　　本文研究所用的數(shù)據(jù)來自百度遷徙大數(shù)據(jù)平臺(tái)。百度遷徙數(shù)據(jù)包含兩個(gè)方面的重要信息，一方面，平臺(tái)分別提供了每個(gè)城市每日遷入、遷出人口比率位列前50的城市，這意味著每個(gè)城市每日有100條人流數(shù)據(jù)；另一方面提供了每個(gè)城市每日的人口規(guī)模數(shù)據(jù)，這意味著不同城市之間每日遷出的人口在規(guī)模上具有統(tǒng)一的標(biāo)準(zhǔn)，具有可比性。節(jié)前人流推算所用數(shù)據(jù)時(shí)段為2020年1月1日至1月23日，而節(jié)后人流模擬所用數(shù)據(jù)時(shí)段為2020年1月10日至1月23日，共計(jì)14天?？梢哉f，在本文中將春運(yùn)定義為2020年1月10日至1月23日。所用人口遷徙數(shù)據(jù)的遷徙比率數(shù)據(jù)和規(guī)模指數(shù)數(shù)據(jù)的表結(jié)構(gòu)如表1和表2所示：

 

　　在表1中，1月15日從武漢遷出到黃岡的人口占當(dāng)天武漢人口遷出總量的13.30%，類似地，當(dāng)日從南京到鎮(zhèn)江的流出人口占當(dāng)日南京總流出人口的10.61%。一個(gè)值得討論的問題是，前50位的城市是否能夠覆蓋到某個(gè)城市所有遷入或遷出人口的覆蓋總量，統(tǒng)計(jì)發(fā)現(xiàn)，大多數(shù)城市都覆蓋到了到了總量的90%以上，這一定程度上保證了數(shù)據(jù)的有效性。

 

表1百度遷徙人流比率數(shù)據(jù)結(jié)構(gòu)表

 

　　在表2中，1月15日分別從武漢、南京遷出的人口規(guī)模指數(shù)是5.91、5.11，這說明當(dāng)日武漢流出的人口多于南京，規(guī)模上多出0.8個(gè)百分點(diǎn)。結(jié)合人口遷出、遷入比率，就可以計(jì)算出所有城市具有可比性的遷出指數(shù)和遷入指數(shù)。

 

表2百度遷徙人流規(guī)模指數(shù)數(shù)據(jù)結(jié)構(gòu)表

 

 

　　在分析和預(yù)測(cè)2019-nCoV疫情的傳播時(shí)，大家最關(guān)心兩類數(shù)據(jù)：（1）每天有多少人遷入/遷出某個(gè)城市。例如，1月22日，有多少人離開武漢，又有多少人來到武漢？（2）全國(guó)主要城市之間的遷徙人數(shù)。例如，1月23日，從武漢去深圳的人有多少？這些數(shù)據(jù)難以獲取，但是百度遷徙提供了全國(guó)主要城市春運(yùn)期間遷入/遷出地的人口比例和規(guī)模指數(shù)。通過調(diào)查獲得的個(gè)別城市的人口遷徙數(shù)據(jù)，我們可以基于百度的公開數(shù)據(jù)估算全國(guó)主要城市人口流動(dòng)的數(shù)據(jù)。

 

　　直觀上看，全國(guó)各城市和它們之間的人口流動(dòng)關(guān)系構(gòu)成了一張圖。其中，城市是節(jié)點(diǎn)，城市之間的人口流動(dòng)關(guān)系是邊。通過百度的數(shù)據(jù)，我們可以構(gòu)建兩個(gè)人口流動(dòng)網(wǎng)絡(luò)，即通過遷出地排名列表構(gòu)建人口流出網(wǎng)絡(luò)，通過遷入地排名列表構(gòu)建人口流入網(wǎng)絡(luò)。我們的任務(wù)，就是通過這兩個(gè)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)的綜合和估算。

 

　　陳偉堅(jiān)教授等研究者提出的超網(wǎng)絡(luò)模型(DOI:10.1080/0740817X.2014.980868)為進(jìn)行類似的數(shù)據(jù)綜合和推斷提供了很好的數(shù)學(xué)工具。在一個(gè)超網(wǎng)絡(luò)模型中，我們首先通過節(jié)點(diǎn)和邊的跨層對(duì)應(yīng)關(guān)系匹配多個(gè)單層網(wǎng)絡(luò)，隨后將數(shù)據(jù)之間的數(shù)學(xué)關(guān)系轉(zhuǎn)換為超網(wǎng)絡(luò)中的特殊結(jié)構(gòu)，最后基于圖論的一些方法進(jìn)行數(shù)據(jù)的綜合和估算。在以上研究的基礎(chǔ)上，提出了以下OD超網(wǎng)絡(luò)模型估算模型并用于本文的人口模擬。

 

　　本文首先分析人口流入網(wǎng)絡(luò)和流出網(wǎng)絡(luò)之間的對(duì)應(yīng)關(guān)系。如圖1所示，對(duì)于人口流出網(wǎng)絡(luò)來說，設(shè)某天城市遷出到城市的人口數(shù)量為，當(dāng)天城市的總遷出人口數(shù)為，百度遷徙的數(shù)據(jù)提供了。對(duì)于人口流入網(wǎng)絡(luò)來說，百度遷徙提供的百分比數(shù)據(jù)，也就是說，當(dāng)天流入城市的人口中，有是從城市流入的。一個(gè)重要的對(duì)應(yīng)關(guān)系是，即從城市遷出到城市的人口等于城市從城市遷入的人口，因此有。通過兩層網(wǎng)絡(luò)之間節(jié)點(diǎn)（城市）和邊的對(duì)應(yīng)關(guān)系，我們構(gòu)建了如下圖所示的人口流入-流出超網(wǎng)絡(luò)。

 

圖1OD超網(wǎng)絡(luò)模型原理示意圖

 

　　在這個(gè)人口流入-流出超網(wǎng)絡(luò)模型中，可以表示為跨層鄰居這一特殊結(jié)構(gòu)。對(duì)于城市和城市來說，如果在兩層網(wǎng)絡(luò)中存在一對(duì)方向相反的邊（例如，存在一對(duì)有向邊且，其中和分別表示人口流入網(wǎng)絡(luò)和人口流出網(wǎng)絡(luò)的邊的集合），則稱他們?yōu)榭鐚余従印?duì)于一對(duì)跨層鄰居，如果城市的人口流出總數(shù)已知，則城市的人口流入總數(shù)可以表示為。由此，我們可以從僅有的幾個(gè)人口流入/流出總數(shù)已知的城市出發(fā)，并以此為種子數(shù)據(jù)，通過廣度優(yōu)先遍歷，迭代地推斷其他城市的人口流入/流出總數(shù)。算法的具體細(xì)節(jié)和分析將在隨后的論文中發(fā)布。本文只列出了作為基礎(chǔ)的超網(wǎng)絡(luò)預(yù)測(cè)模型，考慮到文章的閱讀對(duì)象，其它如空間自相關(guān)、時(shí)空自相關(guān)、時(shí)空演化模式和加權(quán)遷徙距離的方法這里不再闡述。

 

 

 

　　春節(jié)前14天的流出、流入人口到底有多少？呈現(xiàn)怎樣的地理分布特征？采用1.2中的方法，本文推算出了2020年1月10日至2020年1月23日共計(jì)14天每個(gè)地級(jí)市的具體遷徙人口數(shù)據(jù)。由于每天遷入遷出人口的數(shù)量具有一定的差異性(后文的時(shí)空演化分析中會(huì)呈現(xiàn)這一現(xiàn)象)，本文給出了每個(gè)城市在14天內(nèi)的遷入、遷出人口總數(shù)。如圖2、圖3和圖4分別為各地市遷出、遷入、遷入-遷出差的地理分布地圖。

 

　　為了保證遷出和遷入人口的可對(duì)比性，采用統(tǒng)計(jì)的幾何間斷法對(duì)人流數(shù)據(jù)進(jìn)行渲染，并采用相同的聚類閾值。其中，遷出人口最高的城市的推算結(jié)果為7469192；遷入人口最高的城市推算結(jié)果為3570184。根據(jù)遷出、遷入的平衡性，監(jiān)測(cè)誤差在35萬(wàn)人左右。百度遷徙本身也有誤差，并且總數(shù)在數(shù)億級(jí)以上，因此在人口平衡驗(yàn)證中十萬(wàn)級(jí)的誤差在可接受范圍內(nèi)。

 

　　對(duì)比圖2和圖3發(fā)現(xiàn)，整體格局相似，胡煥庸線仍然控制著中國(guó)人口分布乃至遷徙的格局。圖2的遷出人口分布更加集中，其空間異質(zhì)性更強(qiáng)。相比而言，圖3所示的遷入數(shù)據(jù)則更加分散，空間異質(zhì)性較弱。這里僅給出推算人口的空間基本分布特征。更為深入的統(tǒng)計(jì)顯著性分析將在后面討論。

 

圖2人口遷出地理空間格局

 

圖3人口遷入地理空間格局

 

　　盡管人口遷入、遷出的總和是相對(duì)平衡的，但在局部地理區(qū)域或地理單元上差異性較大。一些城市凈流入為正，另一些則可能為負(fù)。將每個(gè)城市的流入人口減去流出人口，可以得到凈流入人口數(shù)量。計(jì)算結(jié)果的空間分布地圖如圖4所示。結(jié)果符合常理。冷色調(diào)表示負(fù)凈流入的城市，根據(jù)值的大小劃分為兩個(gè)等級(jí)。暖色調(diào)則表示正凈流入的城市，分為三個(gè)等級(jí)。從圖中可以發(fā)現(xiàn)，城市個(gè)體層面，幾乎所有的省會(huì)城市都是負(fù)凈流入，只有重慶和哈爾濱例外。區(qū)域?qū)用?，胡煥庸線東側(cè)京津冀、長(zhǎng)三角、珠三角是負(fù)凈流入的集聚地，但相比而言，長(zhǎng)三角的區(qū)域范圍顯著要大。也有極少數(shù)的非省會(huì)城市出現(xiàn)負(fù)凈流入現(xiàn)象。如山東東營(yíng)、淄博、青島、煙臺(tái)和威海，福建的泉州，廣西的柳州等。可以說，正流入高值區(qū)是勞動(dòng)力非常密集的輸出地。將是節(jié)后重要的人口流出區(qū)域。反之，這些在節(jié)前呈現(xiàn)負(fù)凈流出的省會(huì)城市，將是節(jié)后主要的人口流入?yún)^(qū)域。結(jié)論似乎有點(diǎn)偏常識(shí)，但模型的優(yōu)勢(shì)在于可以通過科學(xué)的評(píng)估佐證這些常識(shí)，另一方面，可以計(jì)算出具體的數(shù)值，從而更加理性認(rèn)知、精準(zhǔn)決策。具體數(shù)量上的討論，將在節(jié)后遷徙人口預(yù)測(cè)部分展開。

 

圖4人口遷入-遷出差的地理空間格局

 

　　以上分析重在對(duì)推算數(shù)據(jù)的呈現(xiàn)，遷出、遷入人口進(jìn)一步的具有統(tǒng)計(jì)顯著性的分析可以借助空間聚類方法如局部空間自相關(guān)模型展開，這些模型能夠探測(cè)到隱含在數(shù)據(jù)中的深層次的規(guī)律。如圖5和圖6所示分別為遷出、遷入人口的局部空間自相關(guān)分析結(jié)果。從有效的統(tǒng)計(jì)顯著性水平上，遷出人口高值聚類的區(qū)域有三個(gè)，即京津冀、長(zhǎng)三角和珠三角。區(qū)域規(guī)模上長(zhǎng)三角最大，但高值聚集的城市并不連續(xù)分布。值得關(guān)注的是三個(gè)具有統(tǒng)計(jì)顯著性的高-低聚類的城市，他們分別是西南地區(qū)的成都、西北地區(qū)的西安和華中地區(qū)的長(zhǎng)沙。這些城市的遷出人口在統(tǒng)計(jì)顯著性水平上明顯高于周圍的其它地市。

 

圖5人口遷出空間聚類分布-空間自相關(guān)

 

　　聯(lián)系到本次疫情的傳播，更加值得關(guān)注的是在圖6所示的遷入人口的空間聚類結(jié)果中，武漢作為具有統(tǒng)計(jì)顯著性的高值聚類城市赫然在列，而其它具有統(tǒng)計(jì)顯著性的高值聚類地市除了三大城市群，大多都在武漢附近，并環(huán)繞在其周圍，有包圍武漢之勢(shì)。如果對(duì)比市疫情地圖，會(huì)發(fā)現(xiàn)這些高值地市大多都是疫情的重災(zāi)區(qū)。極大的人口流動(dòng)性及其與武漢在區(qū)位上的鄰近性，必然是造成疫情嚴(yán)重的主導(dǎo)因素之一。

 

圖6人口遷入空間聚類分布-空間自相關(guān)

 

 

　　正如前文所述，空間地理格局難以呈現(xiàn)空間上的遷出、遷入人口在時(shí)間上的變化特征。因此，為了更好地認(rèn)識(shí)全國(guó)春節(jié)前春運(yùn)人流的時(shí)空變化規(guī)律，從而更加準(zhǔn)確地預(yù)測(cè)春節(jié)后的遷徙模式，又對(duì)每日所模擬的人口遷徙數(shù)據(jù)進(jìn)行時(shí)空格局分析和時(shí)空演變模式分析。時(shí)空格局和模式分析同樣采用基于空間自相關(guān)擴(kuò)展的時(shí)空自相關(guān)局部模型實(shí)現(xiàn)。其中，時(shí)空格局反映遷徙人口的時(shí)空分布特征，而時(shí)空演變模式揭示遷徙人口的時(shí)空整體變化趨勢(shì)。

 

 

　　如圖7和圖8所示分為遷出、遷入人口的時(shí)空分布格局。顏色的冷暖代表了具有統(tǒng)計(jì)顯著性的熱點(diǎn)和冷點(diǎn)，顏色越深，顯著性越強(qiáng)。熱點(diǎn)城市的集聚意味著這些城市的人流量不僅在空間上普遍高于其周圍的城市，在時(shí)間上也高于前后時(shí)間截面的值。冷點(diǎn)則相反。由于三維可視化具有遮擋效果，因此，在圖中，除了綜合呈現(xiàn)冷點(diǎn)和熱點(diǎn)，還分別給出了只有熱點(diǎn)和只有冷點(diǎn)的時(shí)空分布圖。地圖的第三個(gè)維度代表時(shí)間，每層立方體代表一天，共計(jì)14層。

 

　　對(duì)比圖7和圖8所示的遷出、遷入人口時(shí)空分布格局，雖然不同時(shí)段的冷熱點(diǎn)有所差異，但也具有相當(dāng)?shù)姆€(wěn)定性。其時(shí)空格局與圖5、圖6的空間格局在整體上具有趨同性。其整體分布特征在此不再贅述。

 

圖7人口遷出時(shí)空格局——時(shí)空自相關(guān)

 

圖8人口遷入時(shí)空格局——時(shí)空自相關(guān)

 

　　由于三維可視化的透視和遮擋限制，難以通過靜態(tài)地圖的形式完美呈現(xiàn)遷徙人口的時(shí)空格局，下面給出圖7和圖8的動(dòng)態(tài)地圖，用于更加準(zhǔn)確地認(rèn)識(shí)其時(shí)空分布特征。動(dòng)圖分別如圖9和圖10所示。

 

 

　　如果從某個(gè)城市單獨(dú)來看，14天會(huì)有14層立方體。在這14天中，有些城市遷徙人口保持在某個(gè)數(shù)量水平上下微小浮動(dòng)，如果是高值聚集，整體上形成持續(xù)的熱點(diǎn)；如果是低值聚類，整體上形成持續(xù)的冷點(diǎn)；但是，實(shí)際情況要復(fù)雜很多，一些城市的遷徙人口可能一會(huì)高，一會(huì)低，并且差異較大，就可能形成震蕩的冷、熱點(diǎn)。還可能是持續(xù)增加或持續(xù)減少等現(xiàn)象。基于以上現(xiàn)實(shí)情景，綜合考慮空間和時(shí)間的鄰近性和空間自相關(guān)性(可以理解為遷徙值的局部相似性)，則可以提取出16種可能的模式(16種具體見圖11上側(cè)的圖例)。

 

　　如圖11和圖12所示為遷出、遷入人口的時(shí)空演化模式分析結(jié)果。在圖11所示的遷出人口時(shí)空演化模式地圖中，整體格局與遷出一致。主要受到胡煥庸線的結(jié)構(gòu)化控制。在三大城市群形成了持續(xù)的熱點(diǎn)和增強(qiáng)的熱點(diǎn)。值得關(guān)注的是在位于胡煥庸線附近的阿壩藏族羌族自治州，無論遷入人口還是遷出人口，均形成了熱點(diǎn)模式，其中遷出人口屬于持續(xù)的熱點(diǎn)模式，而遷入人口則屬于新增的熱點(diǎn)模式。

 

　　在圖12中，三大城市群均形成了持續(xù)的熱點(diǎn)模式，京津冀和珠三角地區(qū)還形成了新增的熱點(diǎn)。而在其它任何區(qū)域沒有形成這兩類熱點(diǎn)模式。意味著三大區(qū)域在14天內(nèi)不僅人口遷徙最為活躍，而且是持續(xù)活躍的區(qū)域。胡煥庸線以西幾乎都是冷點(diǎn)，而胡煥庸線以東全是熱點(diǎn)。中部地區(qū)及其周邊區(qū)域形成了覆蓋范圍大、數(shù)量較多的震蕩的熱點(diǎn)，這意味著這些區(qū)域的遷入人口在時(shí)間上極其不穩(wěn)定，忽高忽低。此外，在川渝、山東半島、江南等地區(qū)還形成了大量連續(xù)的熱點(diǎn)模式，這意味著這些區(qū)域會(huì)在某些連續(xù)時(shí)段內(nèi)遷如人口數(shù)量持續(xù)較高，但不是一直保持在很高的狀態(tài)。

 

圖11人口遷出時(shí)空演化模式

 

圖12人口遷入時(shí)空演化模式

 

 

　　有了前面的推算模擬，以及對(duì)遷徙人口的理解和認(rèn)識(shí)，接下來首先分析一下春節(jié)后人口預(yù)測(cè)的現(xiàn)實(shí)背景，然后回答春節(jié)后人口遷入遷出的數(shù)量分布及其空間格局，并進(jìn)一步分析遷入遷出的網(wǎng)絡(luò)特征。主要回答春節(jié)后的人口遷徙如何預(yù)測(cè)？能預(yù)測(cè)到什么程度？遷入遷出人口的數(shù)量關(guān)系、地理區(qū)位關(guān)系是什么？人口是如何流動(dòng)的？等問題。

 

　　由于疫情在全國(guó)范圍內(nèi)擴(kuò)散的嚴(yán)峻形式，相比往年，近年的春節(jié)后人口回流既有個(gè)體主觀上的企劃策略變化的影響，更重要的是受到政府層面的呼吁和管制，這導(dǎo)致不能用往年的數(shù)據(jù)和相關(guān)模型預(yù)測(cè)未來具體每一天的人口遷徙模式，本文所用數(shù)據(jù)和模型也不可以。因此，本文的預(yù)測(cè)僅基于上文春節(jié)前的人口推算模擬數(shù)據(jù)從整體上預(yù)測(cè)未來全國(guó)范圍內(nèi)人口遷徙的數(shù)量關(guān)系和網(wǎng)絡(luò)結(jié)構(gòu)。

 

 

　　本文的預(yù)測(cè)基于這樣一種假設(shè)，對(duì)于某個(gè)特定的城市，春節(jié)前14天流出的總?cè)丝冢诖汗?jié)后同樣會(huì)回流到該城市；反之，某城市春節(jié)前的流入人口，也會(huì)在春節(jié)后回流到各自所在城市。在這樣一種假設(shè)下，人口流動(dòng)就形成了整體的動(dòng)態(tài)平衡。這一假設(shè)在宏觀上既符合現(xiàn)實(shí)背景，又能夠有效地基于本文所推算的數(shù)據(jù)進(jìn)行未來人口遷徙的預(yù)測(cè)工作?；谝陨嫌懻?，分析得到了如圖13所示的春節(jié)后遷出人口的數(shù)量分布地圖，圖14為預(yù)測(cè)得到的春節(jié)后遷入人口的數(shù)量分布特征。對(duì)比圖13和圖14可以看出，春節(jié)后回流的出發(fā)地比較離散，而目的地非常地集中，具體地，一級(jí)集中區(qū)域還是三大城市群，二級(jí)集中區(qū)域?yàn)槌啥迹?jí)集中區(qū)域?yàn)槿A中三省(河南、湖北和湖南，以省會(huì)為核心)和西安。盡管對(duì)于一些疫情較為嚴(yán)重的省份或城市，本該回流的人口會(huì)因疫情而減少，但本文的目的并不是預(yù)測(cè)在疫情的影響下實(shí)際會(huì)有多少人回流，而是潛在的回流人口。

 

圖13春節(jié)后人口遷出預(yù)測(cè)結(jié)果

 

　　如果考慮到疫情的現(xiàn)實(shí)背景，圖14中所示的一級(jí)人口流入城市，也是當(dāng)前疫情較為嚴(yán)重的城市。人口回流的高密度特征、潛在感染人數(shù)的高數(shù)量特征告訴我們，往返于這些超級(jí)網(wǎng)絡(luò)節(jié)點(diǎn)城市可能會(huì)有更大的感染風(fēng)險(xiǎn)，就政府而言，這些超級(jí)節(jié)點(diǎn)城市的管控工作也將更為艱難。當(dāng)然，正如下文將要討論的，這種高等級(jí)節(jié)點(diǎn)主導(dǎo)的人口遷移只是整個(gè)遷徙網(wǎng)絡(luò)中的其中一種典型模式，還有一種是基于地理鄰近效應(yīng)的遷徙模式。兩種遷徙模式對(duì)疫情的影響應(yīng)該同樣受到重視。

 

圖14春節(jié)后人口遷入預(yù)測(cè)結(jié)果

 

 

　　通過分析發(fā)現(xiàn)，預(yù)測(cè)人口的遷徙網(wǎng)絡(luò)主要有兩種模式，即城市等級(jí)主導(dǎo)的層級(jí)結(jié)構(gòu)和地理區(qū)位效應(yīng)主導(dǎo)的鄰近效應(yīng)。當(dāng)城市在人口、經(jīng)濟(jì)、產(chǎn)業(yè)等方面形成相比于其它城市較高等級(jí)的城市節(jié)點(diǎn)時(shí)，人口的遷入遷出會(huì)呈現(xiàn)層級(jí)效應(yīng)。采用本文的預(yù)測(cè)數(shù)據(jù)分析可以得到具有明顯高流量的層級(jí)網(wǎng)絡(luò)結(jié)構(gòu)，如圖15所示。一級(jí)節(jié)點(diǎn)主要是三大城市群的主要城市及一些區(qū)域中心城市。即便如此，更高強(qiáng)度的流也還是遵循地理鄰近效應(yīng)，而地理鄰近效應(yīng)，則是另一種重要的遷徙網(wǎng)絡(luò)模式。對(duì)于其它城市，主要遵循地理鄰近效應(yīng)，由于這類城市數(shù)量多，空間密度大，不利于可視化呈現(xiàn)，后文將通過加權(quán)遷移半徑可視化。形成兩種模式的機(jī)制在此作一簡(jiǎn)單探索：弱節(jié)點(diǎn)城市的吸引力弱，從而主要影響省內(nèi)或周邊的城市勞動(dòng)力的流入，因此主要形成地理鄰近性主導(dǎo)的人口遷移網(wǎng)絡(luò)。相比而言，大城市的引力更強(qiáng)，影響范圍更大，因此主要形成了由層級(jí)效應(yīng)主導(dǎo)的人口遷移網(wǎng)絡(luò)。

 

圖15人口遷移層級(jí)網(wǎng)絡(luò)結(jié)構(gòu)

 

　　采用本文提出的加權(quán)距離法，以人流量為權(quán)重，遷徙距離為變量，最終得到所有城市的加權(quán)遷徙半徑。結(jié)果如圖16所示。加權(quán)遷徙距離的計(jì)算思路是：某個(gè)城市A遷出的城市集合是{B,C,D},則以AB,AC和AD之間的距離作為實(shí)際距離，距離集合表示為{d1,d2,d3}，而以流出的人口作為權(quán)重,權(quán)重集合表示為{w1,w2,w3}，用每個(gè)城市距離變量di乘以與之對(duì)應(yīng)的權(quán)重變量wi，然后求和并處于權(quán)重的和，則可以得到加權(quán)遷徙距離。加權(quán)遷徙距離本質(zhì)上是反映一個(gè)城市的平均遷出距離。從如圖16所示的加權(quán)遷徙半徑的空間格局可以看出，大部分城市的加權(quán)遷徙半徑都在300公里左右，這意味著人口的遷入遷出主要在鄰近的周邊城市。而那些較大加權(quán)遷徙半徑的城市，一類正是上文所描述的由層級(jí)網(wǎng)絡(luò)結(jié)構(gòu)主導(dǎo)的城市，另一類則是由于行政區(qū)域較大或地處極不發(fā)達(dá)且遠(yuǎn)離區(qū)域發(fā)達(dá)城市的邊緣地帶的城市。

 

圖16人口遷出加權(quán)遷徙半徑分析結(jié)果

 

　　最后，給出三幅通過區(qū)域面積大小表達(dá)特定變量而不是面積本身的統(tǒng)計(jì)地圖作為本文的附加內(nèi)容，這種圖符合人類對(duì)符號(hào)尺寸更加敏感的視覺認(rèn)知。附圖1-3分別為圖13、14和16的變形統(tǒng)計(jì)地圖實(shí)現(xiàn)。附圖1和附圖2分別是所預(yù)測(cè)的地級(jí)市層面的遷出、遷入人口的變形統(tǒng)計(jì)地圖，根據(jù)遷出、遷入人口在全國(guó)層面上是守恒的，即全國(guó)范圍內(nèi)在同一時(shí)段內(nèi)流出和流入的人口數(shù)是相同的這一客觀結(jié)論，附圖1和附圖2盡管在個(gè)體城市層面面積差異較大，但整體總面積應(yīng)該是相同的，通關(guān)觀察會(huì)發(fā)現(xiàn)，基本具有相同的大小，符合這一推論。

 

　　變形地圖通過城市面單元的面積表示所要呈現(xiàn)的變量(這里的變量分別是遷出、遷入人口和加權(quán)遷徙距離)，但保持城市面單元之間的拓?fù)溧徑雨P(guān)系不變。顯然，通過以下三幅變形統(tǒng)計(jì)地圖重新思考上面的討論，必然會(huì)有不同的視覺感官和問題認(rèn)知，但客觀結(jié)論是一致的。

 

附圖1春節(jié)后人口遷出預(yù)測(cè)結(jié)果的變形統(tǒng)計(jì)地圖

 

附圖2春節(jié)后人口遷入預(yù)測(cè)結(jié)果的變形統(tǒng)計(jì)地圖

 

附圖3人口遷出加權(quán)遷徙半徑變形統(tǒng)計(jì)地圖

 

 

　　本研究的主要貢獻(xiàn)包括：第一，本文預(yù)測(cè)模擬出了春節(jié)前14天全國(guó)地級(jí)市層面的遷入、遷入人口數(shù)據(jù)，此數(shù)據(jù)產(chǎn)品在疫情的相關(guān)分析中具有多方面的應(yīng)用需求；第二，本文關(guān)于遷徙人口的地理空間格局、地理時(shí)空格局、地理時(shí)空演變模式的分析，有助于人們深刻而全面地理解和認(rèn)識(shí)春節(jié)前人口遷徙規(guī)律；第三，本文從整體上預(yù)測(cè)了春節(jié)后全國(guó)人口遷徙的網(wǎng)絡(luò)特征，人們可以根據(jù)這一規(guī)律選擇合理的回流時(shí)間，政府部門可以將其作為節(jié)后春運(yùn)人流管控決策的輔助資料；第四，由于本文的分析形成了全國(guó)范圍內(nèi)每個(gè)地級(jí)市的節(jié)前遷徙人流數(shù)據(jù)成果和節(jié)后預(yù)測(cè)人流數(shù)據(jù)成果，可申請(qǐng)此數(shù)據(jù)成果作其它與疫情相關(guān)的研究。例如，可以從中抽取武漢在節(jié)前流出的500萬(wàn)人口在其它城市的具體數(shù)量，也可以抽取春節(jié)前溫州等疫情嚴(yán)重地市遷入遷出人口數(shù)據(jù)并分析其數(shù)量特征及其地理分布格局。

 

 

　　本文關(guān)于人口遷徙分析、預(yù)測(cè)建模的有效性和精度受到數(shù)據(jù)源、模型本身等多方面的影響。只是在一定相對(duì)合理的假設(shè)條件下展開。后續(xù)的研究和分析中，將考慮更多的現(xiàn)實(shí)數(shù)據(jù)對(duì)其進(jìn)行驗(yàn)證，在此基礎(chǔ)上對(duì)模型進(jìn)一步進(jìn)行優(yōu)化。

 

　　人口遷徙模式的提取、流動(dòng)趨勢(shì)的模擬和預(yù)測(cè)是展開春運(yùn)人口流動(dòng)相關(guān)政策方案設(shè)計(jì)的基本前提條件。對(duì)于當(dāng)前疫情在國(guó)家層面的宏觀管控和疫情的空間治理具有重要意義。正確引導(dǎo)人口的流動(dòng)，也就在一定程度上降低了交叉感染的概率。目前，能用于全國(guó)范圍內(nèi)人口遷徙模擬和預(yù)測(cè)的有效數(shù)據(jù)源難以獲取，相關(guān)的時(shí)效性分析報(bào)告或?qū)W術(shù)成果較少，本文基于百度遷徙大數(shù)據(jù)的春節(jié)前人口推算模擬和春節(jié)后宏觀層面的遷移人口預(yù)測(cè)和遷移模式分析，希望能夠?yàn)槿藗兊目绯浅鲂泻驼南嚓P(guān)決策提供參考。

 

 

　　張海平南京師范大學(xué)虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室博士生在讀，師從湯國(guó)安教授，研究方向是GIS時(shí)空建模與地理可視化，應(yīng)用方向?yàn)槌鞘行袨榈乩砼c社會(huì)文化地理。

 

　　修宇璇清華大學(xué)清華-伯克利深圳學(xué)院博士生在讀，師從陳偉堅(jiān)教授，研究方向是基于運(yùn)籌學(xué)和大數(shù)據(jù)的復(fù)雜網(wǎng)絡(luò)分析。

 

 

　　在此，感謝兩位作者的導(dǎo)師：清華大學(xué)清華-伯克利深圳學(xué)院陳偉堅(jiān)教授在超網(wǎng)絡(luò)模型和人口流動(dòng)數(shù)據(jù)估算方面、南京師范大學(xué)湯國(guó)安教授和張雪英教授在時(shí)空數(shù)據(jù)分析和建模以及地理可視化方面給予的指導(dǎo)和支持。感謝nCoV地圖項(xiàng)目組全體志愿者的辛勤付出，才有此分析成果的順利完成，對(duì)于新聞組志愿者對(duì)新聞進(jìn)行的信息采集工作，爬蟲組成員對(duì)數(shù)據(jù)進(jìn)行的爬蟲和整理工作，數(shù)據(jù)分析組對(duì)數(shù)據(jù)進(jìn)行的預(yù)處理、建模和作圖工作，外宣組、人力資源組和開發(fā)組以及各個(gè)審核專家等提出的寶貴意見，在此表示衷心的感謝。