城市是复杂而综合的系统，如何认识和营造城市，相应的知识散见于各学科的研究之中。我们很难把这些研究全部收集起来。而人们眼中有形的城市，实际就是城市空间，作为协调城市空间布局、具有一定综合性的学科，城市规划可作为一个观察和研究的样本。
可初步判断，知识产出与消费主要存在于大城市。一方面，大城市高校、设计单位云集；另一方面，大城市有更多实际项目作为支撑。研究者匮乏、研究项目稀少的小城市，被研究的机会相对较少。不妨设想，如果研究范围并非指定城市，而是全国，并能研究粒度（数据的精度），小城市亦可被纳入规划知识消费的范畴。
本次研究文献样本源于《城市规划》、 《城市规划学刊》（原《城市规划汇刊》）、《规划师》、《国际城市规划》（原《国外城市规划》）2000年1月至2015年7月收录在万方数据和中国知网两个网络数据库中的全部文章（包括论文、通讯、、随笔等）。从数据库以Endnote格式批量导出文章的标题、摘要和作者通讯地址等信息总计13028条（txt格式）。
（2）在著者通讯地址摘要识别部分，删除部分错误识别（如津市、海市等），补充机构名称中不包含城市地名的所在城市（如同济大学、大学等），没有明确所属分支或所在城市的省级和国家级机构识别为总部所在城市（如中国规划院、山西省城乡规划设计研究院等），著者为期刊编辑部的不计，同一文章的多个著者属同一单位或同一城市该城市按一次计。比如文章“市限建区规划：制订城市扩展的边界” （龙瀛，等，2006），四位作者单位皆为市城市规划设计研究院，但研究者所在城市“”，仅记录一次。
在空间分布上，研究者地址东西差异显著。胡焕庸线以东，研究者的累计频率高达99.4%。上海周边识别出的中小城市数量较多、频次较高；周边识别出的中小城市较少；广州、深圳及其周边城市形成了次一级的著者所在城市集中区域。此外，武汉、重庆也是拥有研究著者较多的城市。在、青海、甘肃等西部省份，只有少数几个城市分布有规划研究著者，且频次很低。
标题识别出的332个城市中，上海频次最高，为449次，占所有城市频次总和的12.0%，另有其他7个城市出现频次达到100次以上，依次为广州（310）、深圳（229）、（205）、南京（186）、武汉（144）、重庆（135）、杭州（118）。针对标题识别出的332个城市及其对应频次占比，在空间分布上，东西差异依然显著，胡焕庸线以东，标题城市的累计频率高达97.9%。
摘要识别出的322个城市中，8个城市频次在100次以上，依次是上海（520）、广州（368）、（254）、深圳（246）、南京（207）、武汉（160）、重庆（138）、杭州（128）。这一结果与文章标题识别的结果基本相同。从全国区域看，摘要识别的分布特征与标题识别的结果一致，胡焕庸线以东，摘要城市的累计频率高达97.7%。
从文献标题和摘要识别的城市空间分布可知，知识消市（被研究城市）出现了长三角和珠三角两个频次较高、城市较为密集的区域：以上海为中心的长三角区域中心城市频次最高、周边城市数量最多、分布密度最大，说明上海有效带动了周边中小城市的相关城市规划研究；以广州为主中心、深圳为副中心的珠三角区域，周边中小城市数量较多，也分享了较多的研究机会。
此外，识别频次较高，但周边除天津外，识别出的中小城市数量少、频次低，在空间上没有形成规划研究的显著城市群分布；沿长江流域的南京、武汉、重庆也是高频次城市，但在识别结果中，重庆、武汉周边少有中小城市。
东南沿海城市的频次比例高、分布密集。其中，福建省的城市数量和对应频次相对其他省市较低；东三省识别出的城市数量较少、频次较低、分布零星；中部地区除武汉外，其他城市数量较少、频次较低、分布零星；西南省份中，成渝地区识别出的城市最多、频次比例最高，广西自治区识别出的城市数量和对应频次相对其他省份较多；西北地区识别出的城市数量最少，各省份只有少数几个城市在文献标题中出现。
相比2000-2003年，在2004-2007年间，和上海知识产出的比例有较明显的下降，广州有较明显的上升，随后趋于稳定。武汉、杭州、深圳、重庆知识产出比在不同时段比较接近，且略微高于西安和。
上海是城市规划知识消费大市，且在不同时间段皆处于首位，但其首位度明显在减弱。在知识消费前十的城市中，武汉是唯一一个消费比例稳定上升的城市。2004-2007年间和之后的时间段，的城市规划知识消费比例较明显提升。
一些研究没有指定区域，无法建立“研究者—研究城市”的关联，导致城市研究者数量（篇次）往往大于研究本地（研究者和被研究区域为同一城市）和研究外地（研究者和研究区域为不同城市）数量的总和，比如周一星先生的“关于中国城镇化速度的思考”（周一星，2006），在标题和摘要中没有指定的区域。
通过作者城市和被研究城市，建立异地知识产出—消费网络的无向连接关系，共有2229条记录，其中非重复记录有932条，即有研究联系的城市之间联系平均强度为2.39次，低于平均联系强度的非重复记录有750条。在上述非重复的932条城市对中，联系强度大于20的城市依次是：---上海（53次）、南京---上海（36次）、---南京（32次）、广州---中山（30次）、---广州（29次）、上海---广州（29次）、广州---佛山（27次）、---深圳（27次）、杭州---上海（26次）、上海---苏州（24次）、---天津（23次）、广州---深圳（22次）、南京---苏州（22次）、上海---武汉（22次）、---杭州（21次）、南京---无锡（21次）。和上海之间的研究联系强度遥遥领先。
选取研究网络中各节点的首位联系节点，得到的网络如图7-a。与上海有最强研究联系的城市有120个，82个，南京46个，广州44个。研究者所在城市和被研究城市之间的联系强度并没有受到距离的明显影响（影响还是存在的）。选取最强联系度大于3的网络，如图7-b，可清晰看出，、上海研究（被研究）影响范围广阔，北方以为研究中心，东部和中部以上海（南京）为研究中心，南部以广州（深圳）为研究中心，但与之有最强联系强度的城市多处于广东省内部。
通过作者城市和被研究城市建立异地有向连接关系，共有2229条记录（与无向OD相同），其中非重复记录有1028条，即有方向的研究联系平均强度为2.17次。对其他区域感兴趣的研究者主要分布在：（455次）、上海（448次）、南京（317次）、广州（211次）、杭州（96次）、武汉（95次）、深圳（57次）、西安（56次）、重庆（47次）、（32次）。
有向异地研究中，（研究者）—上海（被研究城市）联系强度最高，35次。随后为广州—中山（30次），—深圳（25次），广州—佛山（24次），南京—上海（24次）。研究者—被研究城市之间，有向研究联系强度大于10的城市有35对，选取这35对城市，制作Sankey Diagram， 如图8。
在这些高强度的研究联系中，研究者的研究范围最广，被其研究的城市多达11座（197次），南京、上海研究者次之，分别是8座（135次）、8座（134次），广州研究者的研究范围相对较小，除了对的研究次数勉强大于10外，其他3座城市（中山、佛山、深圳）均为广东省内部城市。南京的研究者对长三角内部的城市关注程度较上海研究者高，比如无锡、常州、宁波、昆山均被单一的南京研究者关注，且在长三角地区，被上海研究者研究过的城市，均被南京的研究者研究过。
苏州、杭州、深圳是最为研究者青睐的城市，、南京、上海的研究者对之均有较强的关注。研究者和被研究城市之间有一定区域规律，比如单一被研究的城市，沈阳、青岛、天津被距离最近的学者研究；昆山、宁波、常州、无锡，被南京学者研究；中山、佛山被广州学者研究；武汉被上海学者研究。
建立同一篇文章不同城市合作者之间的无向连接关系，总共有894条记录，其中非重复记录有270条。合作者所在城市的空间距离平均值为916.3公里，若以文章篇次对合作者所在城市的距离加权，平均距离值为904.7公里。
和上海的研究者合作最为频繁，本次研究识别出75次，随后为和南京（65次）、上海和南京（42次），上海和武汉（28次），深圳和（27次），杭州和上海（23次），广州和（18次），广州和上海（18次）。这说明，合作研究并没受到空间距离的影响，多发生在经济发达的大城市之间。
本地研究（研究者和研究区域为同一城市）记录有2657条，共125个城市，平均21.3次。前十依次为：上海（464次）、广州（302次）、（209次）、深圳（198次）、南京（192次）、武汉（137次）、重庆（127次）、杭州（93次）、西安（55次）、天津（52次）。
本地研究次数能一定程度上反映研究的本地化程度 ，但由于研究基数（总研究数）不同，还难以对其准确刻画。因此，本文选取研究数最高的20座城市，分别从研究者和被研究城市的视角出发，计算其本地研究比，即研究本地比例和被本地研究比例。
研究本地比例越高，表明该地学者更关注自己所在城市，在这20座城市中，比例最高的城市是厦门（90.0%），随后是沈阳（82.4%）、青岛（80.9%）、宁波（78.6%），深圳（77.6%）。研究本地比例超过50%的城市有15座，占75%，说明大多数地区的研究者还是明显倾向于研究本地。和上海同为城市规划的研究大市，而从研究者的视角看，上海的研究者更关注本地，研究本地比例高达50.9%；研究本地比例仅为31.5%，是所选取的20座城市中比例最低的，说明从研究区域上来说，的研究者视野更广阔。
被本地研究比，是从被研究城市的视角衡量，比例高低可在一定程度上反映“地盘”的概念。被本地研究比例最高的城市是上海（80.1%），随后依次是南宁（79.6%）、广州（77.8%）、武汉（77.4%）。最低的是苏州（31.6%）。
《城市规划学刊》收录上海研究者的论文数量远高于其他城市，在该期刊中，上海研究者论文录取篇次占45.5%，是第二名的3倍多，研究者空间分布极度不均衡；《城市规划》和《国际城市规划》收录最高的是地区研究者，著者分别占26.2%和36.8%，皆高于18.4%（所有期刊研究者的比例）；《规划师》著者的城市相对较为均衡，但在《规划师》收录的作者城市分布中，并非研究大市的南宁排第9。
无论规划知识产出、消费的空间分布，还是产出—消费之间的网络联系，高频在大城市和特大城市集中，马太效应尤为明显。一方面中小城市研究者较少，另外，信息系统基础设施方面的投入不足，数据缺乏、获取受限，科研项目稀少，使得中小城市失去被深入研究的机会。
大数据时代给规划科学研究带来了新的机遇：（1）丰富的数据获取渠道和大规模的数据量为城市研究和城市管理带来了新的机遇；（2）当今也是数据时代，信息逐渐公开、透明；（3）计算机性能提升和大数据处理技术的完善，为处理海量数据提供支撑；（4）数据模拟、分析方法日臻完善。
在此背景下，“大模型”城市研究思想应运而生。在一个大地理区域上建立相对精细尺度的城市—区域分析与模拟模型，兼顾尺度与精度的方法，除了考虑城市内部的发展动态， 还关注城市间的网络连接， 而不是孤立研究各个城市。“大模型”能缩小中小城市的技术和数字鸿沟，建立兼顾不同规模等级城市一体化研究，比如全国城市地块尺度建成区界定、地块尺度模拟全国城市扩张、全国街道尺度人口对PM2.5的人口评价等（龙瀛，等，2014）。
（2）从知识产出与消费的空间分布看，以上海为中心城市的长江三角洲区域呈现中心城市和周边中小城市共同繁荣，以广州和深圳为双中心的珠江三角洲区域也出现区域多城市共同发展，而京津冀地区的知识产出和消费基本集中在中心城市，对周边中小城市带动和辐射效果不明显；
由于本文并未囊括所有规划期刊，且部分文章存在收录数据不全的情况，如摘要缺失、著者通讯地址缺失等，可能导致最终识别结果与实际研究中的城市及其频次有偏差；在对城市群和区域的处理中，对没有明确指出中心城市的“关中城市群”、“长三角地区”等不予以识别，这可能也会导致最终频次的部分偏差。
推荐：
网友评论 ()条 查看