随着知识经济和信息社会的到来，创意和创新成为城市和区域社会经济发展的内核动力，城市间关系和空间组织特征本质是各类创新和创意要素的流动组织和交互耦合关系，各种类型的“创新流”也成为了区域空间重构的内在力量。创新/创意城市群落，也将必然成为一种新的城市地理空间图景（吴志强，2012）。目前，国内城市规划和地理学者更多基于“流空间”和“城市网络模型”的视角从企业的经济联系、城市间航空高铁等交通联系，对城市间联系进行研究，城市间创新活动联系的研究尚在起步。基于研究数据和方法的差异，当前关于创新联系的分析方法中，主要分为两种类型：（1）属性数据分析。主要是采用引力模型、系统动力学、因子分析等传统方法，通过构建比较完善的要素指标体系，对城市内的各类创新属性数据进行系统分析。如谢富纪、岁玥、瞿頔、陈莞等（2007、2008、2009）从创新的环境、要素、指标、演化和运行机制等方面对长三角的创新体系做了系统研究，探寻长三角都市圈创新体系资源配置效率的演化规律，结合系统动力学模型探寻创新体系运行的机制；吕拉昌、李勇、谢媛媛等（2010）采用因子分析、数学建模等综合分析方法从城市创新职能出发探讨中国各大省会城市的创新格局、网络、等级体系及城市间的创新联系，并且对我国3大城市群的创新能力进行了比较；牛欣、陈向东（2013）应用引力模型结合社会网络分析方法，分析我国八大经济圈的287个地级市，城市间的创新联系及创新网络空间；马仁锋（2014）以长三角16城市为研究对象，从创意产业发展影响因素综合测度视角研判长三角城市群创意产业发展趋势。（2）合作数据分析。集中在以研究专利、论文合作数或技术合作等创新产出作为替代参数，主要应用社会网络分析方法，分析城市在创新网络中的地位和作用。如张冬玲、王贤文等（2008）基于webofscience中1975-2007年科学论文合作的数据，利用SNA方法对中国主要城市间科学论文合作数量和合作强度进行分析，展示了城市间科学论文的合作网络结构；司尚奇、冯锋（2010）对我国,6大跨区域技术转移联盟中38个城市合作网络及其城市网络的密度和城市网络节点中心度等网络要素进行分析；胡晓辉、杜德斌（2012）对1991-2010年长三角16个城市间科学合作进行分析，从宏观和微观网络结构两个方面考察其网络发展的动态特征与演进机理；吴素春、聂鸣（2013）以湖北省论文合著数据为例，从合作强度、网络密度、距离偏好、极化效应等方面研究了以创新型城市为主导的湖北省区域科研合作网络；吴素春（2013）通过国际友城的数据研究了创新型城市国际合作网络的特征；黄亮、杜德斌（2014）从全球城市网络出发，采用社会网络分析方法，研究了国际研发城市国际合作网络的特征。可以发现，城市间创新联系的研究涉及区域空间尺度上的成果甚少，同时缺乏从空间组织特征对城市间联系加以描述。以2000年以来长三角42个城市在世界知识产权组织（WIPO）登记的城市之间专利合作数作为替代参数，表征城市间的创新合作联系，分三个阶段（2000-2005、2005-2010、2010-2015），应用社会网络分析方法分析长三角城市间创新合作的网络关系，并深入对长三角空间组织结构及网络体系的认识。
1研究数据、研究方法
1.1研究数据创新和创意的产出形式主要为专利与科研论文，专利是创新活动的主要产出形式，其统计与分析结果能够充分反映出一个国家和地区技术研发创新能力的高低程度，是区域科技资产中最富经济价值的部分（刘玉敏、张群，2010）。在学术界，专利的申请或授权数量作为衡量创新产出水平的指标得到了广泛的应用（Jaffe，1989；Griliches，1990）。专利系统地将某项发明和与其相关的前后向技术相联系，这使得专利文献中包含了应用技术领域内几乎所有的技术成果，成为反映城市创新和创意活动的最为重要的信息资源。因而，对于专利数据的统计与分析结果能够很好的反映出一个城市创新活动的成果和能力的高低。基于专利质量、数据可得和避免专利选用的地域性等原则，本文研究基础数据选用了通过国际知识产权组织（WIPO）PCT体系建立的专利数据库，并以此建立了2000—2015年3个阶段长三角各城市间专利合作的数据分析矩阵。1.2研究方法1.2.1社会网络分析社会网络分析的指标主要包含网络密度、中心性和凝聚子群等分析。其中，网络密度描述网络中各成员结点之间关联的紧密程度；中心性是度量网络中心化程度的重要指标，主要包括点度中心性、中间中心性和接近中心性3个度量指标；凝聚子群分析用于揭示城市群体内部组成结构状态，从整体性网络的维度考察城市群网络的发展状况。1.2.2空间特征分析通过GIS分析，将合作关系在空间上投影，对长三角的创新城市群落的空间组织特征进行整体观察。1.3研究范围长三角作为我国区域一体化发展最快的地区，每个城市都聚集着大量实力雄厚的高等院校和科研院所，是知识、信息、技术和人才等创新资源的聚集地。为更广泛的了解长三角城市群不同类型的创新关系，文中的长三角包含三省一市（苏、浙、皖、沪）的全部42个城市。
2社会网络分析
2.1基本特征2000-2005年，长三角城市间专利合作数目为35次，14个城市发生专利合作。其中上海为主要节点，与11个城市发生专利合作，南京与上海、镇江、宁波、合肥产生专利合作，杭州与上海、镇江、宁波、阜阳有专利合作，合肥和黄山产生1次专利合作。2005-2010年，城市间的专利合作数目为280次，29城市产生专利合作。其中，上海处于核心位置，合作的城市数量和专利数量明显高于其他城市，其次是南京、苏州、杭州和无锡。12个城市没有发生专利合作，安徽占11个。2010-2015年，城市间的专利合作数为624次，32城市产生专利合作。其中，上海、南京等城市的中心性明显高于其他城市，引领整个长三角的创新网络：其次是苏州、杭州、无锡、滁州、连云港、合肥和宁波等。9个城市没有专利合作，其中安徽占8个，安徽的大部分城市显然仍孤立于创新合作的网络之外（表1、2）。通过可视化分析，生成城市间专利合作的网络关系图。可以发现，第二、三阶段较之第一阶段，长三角创新合作的网络体系特征变化显著，网络间节点的联系更为丰富（图1、2、3）。同时，观察2000-2015年的社会网络关系图，可以发现，上海居于长三角专利合作网络的中心，依次是南京、杭州，上海和南京的创新联系最为紧密（图4）。2.2网络密度网络密度是网络内部组织关系密集性的体现，其值接近于1，说明网络的密度越高，节点关系越紧密。第一阶段，长三角城市间创新合作的整体网络密度很低，仅为0.0407，之后得到快速增长，第二阶段创新合作的整体网络密度达到了0.3118；第三阶段达到了0.7456，接近1，长三角的创新合作更加紧密（表3）。2.3网络中心性2.3.1点度中心性点度中心性反映某节点具有直接联系或相邻联接的数量和连接强度，点度中心度越高，则说明该城市节点处于网络较中心的位置。第一阶段，城市中心性的度值较低，仅上海、南京的中心性超过10；第二、三阶段城市中心性的度值迅速上升，中心性较高的城市开始涌现。其中，第二阶段中心性超过10的有10座城市，第三阶段中心性超过10的有21座城市。综合分析可发现，上海、南京的中心性明显高于其他城市，表明创新能力最强，创新联系广泛；第二层级城市主要为杭州、苏州、无锡、合肥、连云港、宁波、泰州等城市，创新能力较强，创新联系较广泛（表4）。3个阶段始终居于前十的城市有上海、南京、杭州、苏州、无锡、合肥、宁波等城市，同时在第二、三阶段也出现了如台州、滁州、连云港等城市，中心性急剧提高，进入前十。2.3.2中间中心性中间中心性的度值决定了网络中城市对其他成员的控制能力。网络中的具有控制能力的城市数量逐步增加，第一阶段6个，第二阶段10个，第三阶段16个。同时，第二、三阶段城市的中心性显著提高，也表明网络中城市的控制力显著增强。其中，区域中创新控制力最强的城市始终是上海、南京、杭州、合肥，其次是苏州、南通等，其中上海和南京一直占据前两位；在第二、三阶段，合肥的控制力超越了杭州；其他城市的中心性度值较低，控制力较弱，在三个阶段中的排名变化较大（表5）。2.3.3接近中心性接近中心性用来衡量不受他人控制的程度。长三角42个城市的接近中心性在3个阶段中逐渐增高，总体表明城市的创新发展自主性在不断增强。但接近中心性的度值普遍不高，且差距不大，反映单个城市相对独立的创新发展尚未显现，城市的创新发展离不开区域的协同创新合作，城市间相互依赖关系较为紧密。同时发现，上海、南京和杭州的创新自主性相对较好，且上海的自主创新能力一直最优（表6）。2.4派系和群体关系网络凝聚子群(派系)就是指成员之间具有相对较强的、直接的、紧密的、经常的或者积极的关系所构成的一个成员的子集合，用于揭示城市群体内部组成结构状态。借助UCINET中的派系分析（cliques）发现，第一阶段，上海和南京度值为2，镇江度值1.5，杭州和宁波度值1，自成一个小团体，其余城市度值为零（图5）。第二阶段出现3个小团体。其中，小团体1包含上海、南京和苏州、杭州和无锡、泰州，度值高于2；并与金华、阜阳、宁波、镇江、绍兴、台州、常州、南通、连云港、盐城、合肥、黄山、温州、丽水、徐州、扬州组成大的群落，其中还出现了合肥和黄山、温州和丽水两个小团体（图6）。第三阶段也出现3个小团体，但是团体的关系数和等级度值更加丰富。小团体1由上海和南京、杭州、台州、盐城、温州、金华、阜阳、盐城、镇江、泰州、常州、丽水、湖州、绍兴组成，其中上海、南京和杭州、台州、盐城、温州等关系最为紧密；扬州和合肥、宁波黄山、铜陵组成团体2；苏州和无锡、徐州、南通、淮安组成团体3；3个小团体包括连云港、滁州等城市，组成大的群落（图7）。
3空间组织特征分析
2000-2015年，长三角创新合作关系中，以上海、南京、杭州、合肥、泰州、阜阳、台州、宁波、盐城等主要的节点城市，与其他城市的创新合作联系较为广泛和紧密；其中又以上海与南京、杭州、苏州、无锡、连云港和南京与滁州等创新合作的强度最高。上海作为长三角区域的创新核心，特征显著（图8）。3.12000-2005长三角城市间专利合作仍很薄弱，空间上初步形成以上海为主要节点的创新空间体系，南京、杭州、宁波和镇江为次要节点，与其他城市产生较弱的合作关系（图9）。3.22005-2010城市间专利合作的数量迅速提升，空间上开始呈现以上海为核心，南京、杭州、无锡、苏州、泰州和合肥为次重要节点的“核心和多节点”的网络化特征，长三角42城市的创新协同初步形成了创新城市群落。上海是整个创新群落的核心，与24个城市建立良好的创新合作，其中主要是苏浙两省的城市。南京依托上海，并在江苏省内形成较丰富的合作网络和层次；而杭州和合肥在浙江和安徽各自行政区域内的创新合作联系很弱，辐射带动力不强，主要是和上海发生创新合作（图10）。3.32010-2015上海与长三角城市的专利合作联系更为广泛，与其中的28个城市建立了合作关系。第二位城市是南京，但创新联系主要局限在江苏省内，和浙江、安徽省城市的创新联系度不高。同时，一些经济等综合竞争力相对不够发达，可能由于某些重大项目或课题的合作，出现了创新联系“突然增长”，如丽水、滁州两个城市与南京的合作数竟然高达10和51次。在三省各自的行政区域内，呈现2、3个主要城市间集中创新合作的现象。江苏表现为“1+3”模式（南京+无锡、苏州、常州），浙江表现为“1+2”模式（杭州+宁波、绍兴），安徽则是“1+1”模式（合肥+黄山）。整体看来，这一阶段长三角创新合作网络得到更大增强，空间上仍然延续“核心+多节点”的网络化组织特征，并且更为显著。上海作为第一层级城市，与南京、杭州、合肥、苏州、无锡、温州、泰州等次级网络节点一起，共同构成较紧密的创新空间网络；沿沪宁线开始形成较强烈的创新合作走廊，一些“突变”的节点城市也增加了群落的多样性；但由于仍然有不少城市没有创新合作，城市间专利合作的强度不强，因而创新群落的发育仍显不足，次一级群落关系仍尚未显现，创新群落的层次性、多样性、密度也有待提升（图11）。4结论通过网络密度、中心性、凝聚子群和空间组织特征等角度，以专利合作关系观察长三角42城市的创新合作，可以发现：（1）2000-2005年，长三角创新合作体系开始萌芽起步；2005-2000年，长三角创新城市群落迅速发展，创新网络体系逐渐形成；至2015年，创新合作网络体系更加丰富，创新城市群落开始显现。（2）上海作为长三角的区域创新的中心，与其他次级中心逐渐形成“核心+多节点”的网络化空间组织特征，同时沿沪宁线交通轴形成创新走廊。尽管长三角创新合作呈现了显著的社会网络关系和空间组织特征，但是，群落关系和网络密度仍有待丰富，重要节点城市的中心性和控制力需要提升，城市间的协同创新关系有待增强，进而才能培育更发达和多样的创新城市群落。同时研究也发现仅以WIPO公布的专利合作数作为主要参数，并不能完整的呈现长三角区域间合作网络特征，有待结合专利合作数据的完善，或通过大数据的挖掘从创新要素流动、创新个体交互、创新活动网络等方面进行更深入的研究。
作者：陆天赞
