修回日期：2019-07-11 中图分类号：F129.9 文献标志码：A 文章编号：1000-7695(2020)7-0001-09 doi：10.3969/j.issn.1000-7695.2020.7.001 随着贸易全球化的不断演进与信息技术、交通条件等条件的不断改善，城市间联系愈加频繁，建立于城市联系之上的城市网络成为学者研究的热点。城市网络是在不同空间尺度下互相关联的城市间功能联系[1]，作为一种新型城市空间组织形式，它强调跨越行政界线的城市间功能关系[2]。简而言之，城市网络是城市关系在空间中的反映。当前对城市网络的研究主要视角包括从基础设施例如航空、高铁等“交通流”数据构建区域的交通网络[3-6]，从企业组织途径例如企业总部及分部数据等构建企业活动网络[7-8]，以及通过生产性服务流动、资金流动和信息流动等各种要素流动分析区域中城市地位及城市间关系[9-12]。城市间的创新联系是近年来出现的对城市网络格局分析的新视角[13-15]。就研究的视角而已，有研究认为，从交通基础设施角度获得的数据，以及企业总部-分支的布局数据，均带有城市的属性特征并附带城市的等级关系，无法真实反映城市间联系网络，亦忽略了城市间的合作关系，但以创新视角研究城市联系则能直观展现基于自愿平等原则上的城市网络[16]。 从创新联系视角构建城市网络的已有研究，多是运用修正后的重力模型对GDP、人均GDP等城市属性数据以及城市间距离数据进行间接测度[17]，或是基于合著论文、合作专利等数据进行直接测度[18-21]。其中，专利合作数据和科技合作论文数据直接反映了城市间创新合作的成果，被视为城市间科技创新联系研究中重要的分析数据。在研究方法上，常见的是空间相互作用模型以及社会网络分析方法，并运用ArcGIS软件进行可视化分析。这几种方法常常结合使用，例如王越等[22]运用空间相互作用模型中的断裂点模型结合ArcGIS可视化分析长三角城市创新联系网络特征，彭芳梅[23]运用空间相互作用模型中的重力模型结合社会网络分析方法，分析粤港澳大湾区及周边城市经济空间联系与空间结构，等等。其中，社会网络分析方法源于社会学[24]，它把复杂多样的关系形态表征为一定的网络构型，是创新网络特征分析的常用方法[25]。 本文拟从创新联系的视角，基于世界知识产权组织(WIPO)中专利合作协定(PCT)数据，从创新联系的视角构建粤港澳地区和美国硅谷的城市网络，运用网络密度、网络结构和网络发育程度等指标及社会网络分析方法，结合与硅谷地区的对比，分析粤港澳地区的城市创新合作联系特征，探究影响粤港澳地区城市创新联系的因素，以期为推进未来的创新合作、制定区域创新政策提供参考依据。美国的硅谷地区是目前公认的全球科技创新中心，地区内的各城市间通过位于不同城市的企业研发合作、产业链合作及共同成立区域协调委员会等活动构建了较为成熟的创新联系网络，与硅谷的对比有助于反映粤港澳地区创新联系网络的发育程度。 粤港澳大湾区建设亟待通过构建紧密的城市网络关系，以提升区域的整体竞争力[26]；同时，构建国际科技创新中心是《粤港澳大湾区发展规划纲要》所提出的区域发展战略定位之一。因此，本研究从创新合作的角度探讨粤港澳地区的城市网络关系，不仅有助于从科技联系的视角理解粤港澳地区城市之间的功能联系，而且，本研究所勾勒的创新合作空间结构，对未来深化该地区科技创新产业合作亦有着积极的参考价值。 1 数据来源及研究方法 1.1 数据来源及处理方法 以往的城市创新联系研究多使用各种类型的城市属性数据建立指标评价体系，并运用重力模型开展城市之间联系的测度，此方法难以摆脱城市等级及距离衰减假设等因素的影响。本研究认为，运用合作专利指标能更直接反映城市之间基于自愿原则基础上的创新联系，而且，与合著论文相比，合作专利可被视为城市间创新联系的媒介，合作申请专利更能反映经济活动的创新合作。基于国际比较、数据可得原则，本文数据采用世界知识产权组织(WIPO)专利合作合约(PCT)数据库中的城市专利合作数据。 在数据提取上，本文采用字段组合结合高级检索方法，从PCT体系中调取1999-2017年粤港澳地区①和美国硅谷专利合作数据。数据筛选采用专利申请人所在城市不同作为一大清洗原则，换而言之，若PCT上的多个申请人地址均位于同一个城市时，此样本将被剔除。由于PCT从申请到正式公布需要较长的时间，因而我们选用申请日年度作为专利合作的流量分析年度划分依据；又鉴于2017年申请的PCT专利合作数据尚未公布完全，本文采用了公布日截止至2016年12月31日的数据，由于粤港澳地区1999年以前在档PCT数量较少，本研究采用1999-2016年粤港澳地区跨城市专利合作数据样本，以及1988-2016年美国硅谷地区的跨城市专利合作数据样本，构建基于两个区域的城市创新联系网络。 1.2 分析方法与指标 社会网络分析方法是城市网络分析较为常见的一种方法，关注点包括网络密度、核心—边缘分析、度数中心性及中间中心性等。 1.2.1 网络密度 网络密度反映一个图的凝聚力的整体水平。网络密度越大，表示网络中各节点之间的总体关联程度。无向的整体关系网络密度计算公式如下： L=2/n(n-1)l 其中n为网络行动者数量，l为网络中包含的实际关系数目，L为网络密度。
