基于手机信令数据的上海市域职住空间分析

张天然

(上海市城市规划设计研究院，上海200040)

基于手机信令数据的上海市域职住空间分析

张天然

(上海市城市规划设计研究院，上海200040)

居民居住地与工作地的空间关系是城市空间布局的重要依据。基于手机信令数据，提出分区域的居民通勤距离和就业岗位通勤距离计算方法。通过对比验证了手机信令数据与居民出行调查数据的职住空间和距离分布特征较为吻合。重点分析上海市中心城区及周边地区的职住空间关系及通勤距离。提出职住通道平衡概念，并分析职住通道不平衡地区与轨道交通拥挤程度的关系，指出土地利用布局优化对职住通道平衡的重要性。通过分析不同新城的职住空间特征，探讨新城范围划定对统计分析的影响，总结了新城职住空间较为独立、居民内部就业率较高的特征。

职住空间分析；通勤距离；手机信令数据；职住通道平衡

0 引言

手机信令数据具有移动通信网络覆盖范围广、数据稳定可靠、样本量大、空间解析度高以及动态性强等优势。文献[1]总结了手机信令数据在交通分析中的主要应用，包括常住和流动人口动态分布、职住空间分布、出行空间动态分布、查核线流量分析等。文献[2-3]研究了利用手机信令数据分析人员出行和活动的方法。文献[4]结合人口普查、经济普查和手机信令数据综合分析上海市人口与就业分布及其演化规律。文献[5]利用手机信令数据分析上海市域职住空间关系，将基站之间的直线距离作为通勤距离的计算依据。关于职住平衡，国内外学者也有很多研究，典型研究如文献[6]对不同城市的剩余通勤(实际通勤距离与最小通勤距离对比的相对指标)相关指标进行对比。

结合上海市新一轮城市总体规划编制以及交通规划模型的建设，手机信令数据在城市职住空间分析、交通模型校验中得到了良好的应用。本文结合上海市交通规划模型、居民出行调查数据和地铁客流数据等，以手机信令数据分析为主线，对上海市域职住空间、通勤距离以及职住通道平衡进行分析。

1 手机信令数据

手机终端会定期或不定期、主动或被动地与移动通信网络保持联系，这些联系被移动通信网络识别成一系列的控制指令，即手机信令。手机信令的内容主要包括：匿名用户编号、时间、基站小区编号、事件类型(如主动扫描、打电话和接电话、上网、发短信等)。

为了便于与同时期居民出行调查进行对比，本文采用某移动通信运营商2013年共6个月的数据开展研究，包含1 860万个手机用户，每日约15亿条数据，平均每个用户每日约80条记录。定义这6个月内在上海市出现的天数超过60%的用户为常住人口，利用历史每日20:00—次日8:00的夜间手机数据训练识别，以出现概率最高且比例超过60%的区域作为用户的居住地，识别常住人口1 270万人(全市常住人口2 415万人，抽样率约53%)。同理，利用历史工作日9:00—18:00的手机数据训练识别，并剔除白天与夜间常住地在400 m(上海市交通调查出行定义的最短距离)范围以内的手机用户，将剩余手机用户近似作为就业岗位样本，得到的就业岗位约632万个。居住和就业在同一地点以及本身无固定场所的工作人员(如出租汽车驾驶员、快递员等职业)，这类数据不属于规律性的通勤交通，予以剔除。传统的人口普查、经济普查数据，只能在空间上分析人口和就业岗位的数量，无法获得居民居住地与工作地的联系，利用手机信令数据分析居民居住地与工作地的联系以获得个体的职住空间关系具有重要分析价值。

表1 基站小区与交通小区的数量对比Tab.1 Comparison of the numbers of base station zones and traffic zones

应当说明，手机信令数据得到的样本量非常大，但同样也存在扩样问题。不同区域的运营商手机用户市场可能存在一定差异，简单扩样会存在一定误差。当然，即使能够分析所有运营商的信令数据，仍然存在一机双号、一人多机的问题。这些细微的偏差有待今后进行调查抽样校正分析。

2 基于手机信令数据的职住空间分析方法

通过被服务的基站地理位置信息，可以获得手机所在的大致位置。基站位置数据在GIS中采用点层数据存储，一般假设手机是被最近的基站服务，因此可以构建泰森多边形来确定基站的服务范围，这些多边形称为基站小区。尽管此方法确定手机的位置存在一定的空间误差，但当基站密度较大时，可以满足城市居民的职住和出行空间研究的精度要求。基站小区的密度决定了手机信令分析的空间解析度，本文所选运营商在上海市基站数约4.2万个，其中中心城区(外环线以内地区)约2万个。基站小区数相比交通规划模型的交通小区(4 518个)大得多，可以满足交通模型以及职住空间分析的需要(见表1)。

通过手机信令可以获得用户的居住地和工作地，基于基站小区和交通小区的空间映射关系，可以得到居住地与工作地之间的距离，即通勤距离。利用手机信令数据分析一次出行采用的交通方式是有难度的。除了地下地铁专用基站能够识别用户使用地铁外，手机信令几乎无法判别用户采用何种交通方式。显然，特定的居住地与工作地之间采用不同交通方式的通勤距离略有差异。由于手机信令无法识别出行方式，因此，将通勤距离统一定义为交通模型中路网的最短路径距离。设Z为所有交通小区的集合，区域I包含若干交通小区，区域I的居民或就业岗位的平均通勤距离具体定义如下：

式中：Dhome为区域I的居民通勤距离/km；cij为居住在交通小区i，就业岗位在交通小区j的人数/人；dij为交通小区i到j的路网最短路径距离/km；Dwork为区域I的就业岗位通勤距离/km。

对全市域而言，居民和就业岗位的平均通勤距离相同，按照上述方法得到上海市域常住人口平均通勤距离为8.2 km。通勤距离分布见图1。

3 方法验证

居民出行调查的优势是包含居民社会经济特征数据，如年龄、职业、性别、收入、住房面积等，也包括通勤交通方式，可以更加精确地分析调查样本的通勤距离。但居民出行调查抽样率较低，对局部区域的分析可能偏差较大，手机信令分析可以弥补这一缺点，然而通过手机信令分析定义手机用户的职住空间位置，是根据一定的参数假设而推测，例如前文提到的居住地和工作地手机用户出现的时间段定义。不同城市居民的活动作息时间有一定差异，上海市的时间段定义是根据历史居民出行调查数据的经验以及手机信令分析结果的不断调试得到。为了验证手机信令关于职住空间分析的可靠性，将其分析结果与居民出行调查分析得到的结果进行对比非常必要。

选取同一周的居民出行调查数据和手机信令数据，对两种数据源的职住空间分布进行对比。限于数据资源，居民出行调查数据选取上海市嘉定新城、青浦新城、松江新城和金山新城的数据，就业人口约1.5万人，抽样率约为1%。根据上海市统计局的人口数据，将居民出行调查数据进行年龄、性别、教育程度、街道居委会人口总数等维度的综合扩样。家庭和工作单位地址采用含电子地图的手持终端采集和地理编码两者校核的方式获得空间位置。由于居民出行调查抽样率较低，与手机信令对比的空间尺度较大时才能获得充足的样本，因此将就业空间分为新城内部、中心城区及其他地区。对4个新城居民的就业岗位空间分布进行对比(见图2)，两者具有较好的吻合度，验证了手机信令数据分析职住空间的可靠性。

从松江新城居民通勤距离分布来看，居民出行调查和手机信令数据总体上吻合度较大，主要差异在于通勤距离为0～1 km的比例(见图3)。这与手机信令的特点有关，手机信令剔除了职住同一地点的就业岗位以及400 m范围以内的一部分就业岗位。另外，手机信令的位置根据基站小区确定，短距离识别存在一定误差。

图1 上海市域居民通勤距离分布Fig.1 Distribution of residence-to-workplace commuting distance in Shanghai metropolitan area

图2 上海市典型新城手机信令与居民出行调查工作地分布对比Fig.2 Comparison of workplace distribution between cellular signaling and travel survey in typical new towns of Shanghai

图3 松江新城手机信令与居民出行调查通勤距离分布对比Fig.3 Comparison of commuting distance distribution observed from cellular signaling data and conventional travel surveys in Songjiang New Town

4 上海市域职住空间分析

4.1 中心城区及周边地区

4.1.1 通勤空间

周边地区指中心城区周边的宝山新城、虹桥地区、闵行新城及其他近郊地区。分析显示，中心城区及周边地区就业岗位90%以上来自中心城区及周边地区的常住人口，可见居住人口与就业岗位高度重合。中心城区的人口内部就业率(居住在中心城区且也在中心城区工作的人口比例)为90%；岗位内部就业率(中心城区的就业岗位来自中心城区的人口比例)为86%，略小于人口内部就业率。说明中心城区仍然对周边地区及其他区域具有单向吸引作用。为消除交通小区划分对中心城区居民工作地空间分布分析的影响，先计算居民在各交通小区的就业岗位数量，然后计算岗位密度、进行逆排序，再根据就业岗位绝对数计算累积比例(见图4a)。就业岗位居住地分布同理(见图4b)。可以看出，虽然中心城区人口内部就业率大于岗位内部就业率，但中心城区居民到其他地区的工作地分布，相比居住在其他地区到中心城区工作的居住地分布更为分散。总的来说，中心城区居民的通勤空间主要集中在中心城区和周边地区。

如表2和表3所示，内环内就业岗位约90%来自外环内人口；内外环间就业岗位70%来自本区域人口。内环内和内外环间的就业岗位，来自居住在周边地区的人口比例仅为9%和14%。周边地区就业岗位70%以上来自于本区域人口，周边地区居民到内环内就业的人口仅占周边地区总人口的12%。

表2 中心城区和周边地区居民工作地分布Tab.2 Workplace distribution of residents in central district and surrounding areas%

表3 中心城区和周边地区就业岗位居住地分布Tab.3 Residence distribution of employees in central district and surrounding areas%

4.1.2 通勤距离

图4 中心城区通勤空间分析Fig.4 Spatial distribution analysis of commuting in central district

如表4所示，从就业岗位通勤距离来看，呈现从内到外逐渐减少的特征。就业岗位通勤距离与产业特征、就业吸引力关系密切。内外环间与周边地区的就业岗位通勤距离差异不明显，内环内的就业岗位通勤距离明显较大。从居民通勤距离来看，内环内居民通勤距离明显小于内外环间和周边地区居民。周边地区由于就近就业比例较大(占70%)，就业岗位通勤距离最短。由就业岗位通勤距离与居民通勤距离比值可知，从内到外该值逐步递减，呈现了城市核心区的岗位集聚作用。

由上述分析可知，当前外环内的居住和就业具有较大的内部联系，说明中心城区向周边地区的蔓延仅停留在空间形态，周边地区与中心城区职住联系尚未达到很强的程度。但从通勤距离来看，周边地区和内外环间呈现同质化趋势。因此，保持内环内就业岗位的高度集聚，发展适合周边地区的产业，引导周边地区居民就近就业，是减缓城市空间联系上蔓延的重要手段。

4.1.3 周边地区分组团职住空间

为了分析周边地区与中心城区的联系情况，以及周边地区发展的差异，本文将周边地区按镇街行政区划分为11个组团，部分组团包含了中心城区地区(见图5)。如表5所示，除了浦东新区的高东高桥组团和曹路合庆唐镇组团，其他组团的居民通勤距离均大于就业岗位通勤距离，说明这些地区对外就业的特征较为明显。与中心城区的联系中，由于高东高桥组团大部分包含在中心地区，因此不具有可比性。周边地区居民到中心城区就业的比例，以七宝莘庄组团、华漕新虹徐泾组团最为明显，均超过50%。中心城区居民到周边地区工作占当地就业岗位比例最大的是曹路合庆唐镇组团和华漕新虹徐泾组团，均超过30%。可见虹桥地区与中心城区轨道交通网络对此发挥了重要的作用：一方面，中心城区轨道交通沿线岗位集聚明显；另一方面，周边地区居民选择房价相对较低、但可较为方便地通过轨道交通到达的工作地。相反，由于中心城区居民居住地分布较为分散，居民到周边地区组团工作并没有明显的带状特征。

表4 中心城区和周边地区居民通勤距离和就业岗位通勤距离对比Tab.4 Comparison of residence-to-workplace and workplace-to-residence commuting distance in central district and surrounding areas

图5 上海市中心城区周边地区组团示意图Fig.5 Surrounding clusters of Shanghai central district

表5 上海市中心城区周边地区组团职住特征Tab.5 Job-housing characteristics of surrounding clusters of Shanghai central district

4.1.4 职住通道平衡性

用就业岗位与人口比值分析职住平衡指标是针对一定区域而言，且受到城市规模和的职住具有较强联系。周边地区除高东高桥组团外的所有组团，居民在中心城区的就业比例均大于就业岗位在中心城区居住的比例，说明中心城区对周边地区组团具有明显的吸引作用。

图6 典型组团居民工作地累积分布Fig.6 Cumulative workplace distribution of residents in typical clusters

图7 典型组团就业岗位居住地累积分布Fig.7 Cumulative residence distribution of employees in typical clusters

图6和图7分别给出与中心城区联系较强的两个组团的居民工作地分布和就业岗位居住地分布情况。一个普遍的特征是：周边地区组团居民到中心城区工作，在中心城区沿主要交通廊道具有明显的集聚带状特征。通勤距离的影响。因此有学者提出最小通勤(在既定人口、就业岗位分布下的最优就近就业分配情况)、最大通勤、随机通勤、剩余通勤等概念，以衡量职住平衡[4]。职住通道平衡是指将全市交通小区的居住地到工作地的通勤矩阵，合并为若干交通大区的通勤矩阵，并在交通大区的蛛网通道上进行以居住地为起点、工作地为终点的通勤出行分配，得到通道上的通勤需求。职住通道平衡用系数来决定，定义为大流量方向值和小流量方向值的比值。

由图8可以看出，上海市内外环间、北部地区至浦西内环内的职住通道严重不平衡，西北部片区的不平衡系数超过4.0，东北部片区不平衡系数也在2.2以上。通过同时期地铁运营公司的自动售检票系统(AFC)客流数据分析显示，早高峰时段，由于中心城区北部地区大量居民到内环内上班，造成北部片区轨道交通线路自北向南方向均产生较为严重的拥挤现象。其他通道的不平衡性也不同程度导致早高峰时段轨道交通单方向上的拥挤。职住平衡总是可以在一定空间地域内实现，差别在于地域范围的大小。然而职住通道的不平衡，仅依靠交通设施规划无法解决。因此，职住通道平衡是体现职住总体平衡的重要指标，需要通过用地规划调整来解决通道的平衡问题，例如在上海市新一轮城市总体规划中，应尽可能促进中心城区北部地区转型发展，增加就业岗位。

4.2 新城

4.2.1 通勤空间

如表6所示，松江新城和临港新城的居民在新城内部就业的比例较高，达到86%左右。到中心城区就业比例较高的为嘉定新城和松江新城，分别为6.0%和4.3%。同时，南桥、金山、城桥、嘉定、青浦新城的居民在新城外周边地区的就业比例也较高。这些新城的实际边界将来可能会进一步拓展。

从新城就业岗位的居住地分布(见表7)来看：居住在新城内部比例较高的为松江新城和金山新城，分别为85.3%和79.5%；对中心城区吸引力较大的为嘉定新城和临港新城，比例分别为7.9%和9.7%。

图8 职住通道不平衡性与早高峰时段轨道交通拥挤程度的关系Fig.8 Relationship between imbalanced job-housing corridors and the degree of rail transit congestion during morning peak hours

表6 新城居民工作地分布Tab.6 Workplace distribution of residents in new towns%

职住空间的联系受到空间距离、产业，以及土地开发政策等各种因素的影响。嘉定新城在空间区位上靠近中心城区，因此，无论是到中心城区就业还是中心城区到此就业的比例均较高。临港新城与中心城区距离较远，当地居民到中心城区就业的比例明显低于中心城区居民到此工作的比例，这主要是近年来学校、产业从中心城区向新城迁移形成的结果，居住在中心城区的一部分居民由于传统业务上的联系，到临港新城就业的需求较为突出。随着新城产业转型和空间发展的完善，这种联系将会逐渐减弱。

进一步分析职住的吸引区域发现，新城和中心城区呈非对称现象。例如嘉定新城和松江新城居民就业于中心城区内环内的比例较为明显；而中心城区去嘉定新城和松江新城就业的居民主要居住在内外环间的地区。

4.2.2 通勤距离

一般来说就业吸引力大的区域，就业岗位通勤距离会大于区域内居民通勤距离。这是因为区域能吸引较大范围的人来就业，并且这些区域居住的居民较大部分是就近就业(例如表4中内环内的特征)。将就业岗位通勤距离与居民通勤距离进行对比(见表8)，比值大于1说明新城具有较强的局部吸引力，或配置的就业岗位需要从外部导入；比值小于1说明新城人口对外就业的趋势较为明显。松江、南桥、金山、城桥新城的居民通勤距离均大于就业岗位通勤距离，但形成的机理有所不同。松江新城和南桥新城的居民，除了在新城周边地区就业外，到中心城区就业的比例相对较高；金山新城和城桥新城的居民则主要是在新城外围的周边地区工作，新城居民的实际活动范围较大程度超过了城市规划划定的范围。因此，新城范围的划定依据一方面要考虑城市建设发展形态，另一方面更需要考虑人员活动和就业空间范围。

表7 新城就业岗位居住地分布Tab.7 Residence distribution of employees in new towns%

表8 新城居民通勤距离和就业岗位通勤距离对比Tab.8 Comparison of residence-to-workplace and workplace-to-residence commuting distance of new towns

5 结语

本文提出基于手机信令数据分析上海市域职住空间的方法，并与居民出行调查数据进行对比验证。主要研究结论如下：

1）中心城区的通勤空间主要集中在本区域和周边地区，周边地区大部分组团已经与中心城区发生较强的通勤联系，但内部就业率仍保持较高水平，实现了就近就业。

2）从区域居民通勤距离和就业岗位通勤距离对比来看，中心城区具有明显的集聚现象，内环内区域就业岗位通勤距离大于居民通勤距离，说明就业岗位较大的吸引作用。

3）轨道交通高峰时段客流拥挤和潮汐性与职住通道不平衡具有较大关联，中心城区北部片区土地利用布局优化和转型发展对职住通道的平衡至关重要。

4）新城职住空间相对较为独立，居民内部就业率较高，新城范围划定对内部就业率指标有较大影响，部分新城存在职住空间与范围不一致或内部就业率偏低的情况(如南桥新城)。新城与中心城区的联系主要取决于与中心城区的距离，发展过程中的临港新城尽管距离中心城区较远，但与中心城区联系程度相对较大，主要体现在相当一部分中心城区的居民到临港新城工作。

在上海市新一轮城市总体规划中，保持内环内就业岗位的高度集聚，发展适合周边地区的产业、引导周边地区居民就近就业，是减缓城市空间联系上蔓延的重要手段。同时，要加强新城发展的独立性，控制新城与中心城区之间的联系，加大新城就业岗位增加的力度，实现城市功能有机疏解。新城的空间范围应进一步优化和控制，既要参考用地建设范围的形态，也要考虑居民通勤活动的范围。

[1]冉斌.手机数据在交通调查和交通规划中的应用[J].城市交通，2013，11(1)：72-81.Ran Bin.Use of Cellphone Data in Travel Survey and Transportation Planning[J].Urban Transport of China,2013,11(1):72-81.

[2]刘杰，胡显标，傅丹丹，陈明威.基于无线通信网络的人员出行信息分析系统设计与应用[J].公路交通科技，2009(S1)：151-154.Liu Jie,Hu Xianbiao,Fu Dandan,Chen Mingwei.Design and Application of Trip Information Analysis System Based on Wireless Communication Network[J].Journal of Highway and Transportation Research and Development,2009(S1):151-154.

[3]Sagl G,Delmelle E.Mapping Collective Human Activity in an Urban Environment Based on Mobile Phone Data[J].Cartography and Geographic Information Science,2014,41(3):272-285.

[4]周文娜，张天然，申立，李长风.快速城市化背景下上海市人口与就业分布及其演化的研究[J].上海城市规划，2015(2)：44-48.Zhou Wenna,Zhang Tianran,Shen Li,Li Changfeng.Study on the Distribution of Population and Employment in Shanghai Under the Context of Rapid Urbanization[J].Shanghai Urban Planning,2015(2):44-48.

[5]钮心毅，丁亮.利用手机数据分析上海市域的职住空间关系：若干结论和讨论[J].上海城市规划，2015(2)：39-43.Niu Xinyi,Ding Liang.Analyzing Job-housing Spatial Relationship in Shanghai Using Mobile Phone Data:Some Conclusions and Discussions[J].ShanghaiUrban Planning,2015(2):39-43.

[6]Pavlos S Kanaroglou,Christopher D Higgins,Tufayel A Chowdhury.Excess Commuting:A Critical Review and Comparative Analysis of Concepts,Indices,and Policy Implications[J].Journal of Transport Geography,2015(44):13-23.

Job-Housing Spatial Distribution Analysis in Shanghai Metropolitan Area Based on Cellular Signaling Data

Zhang Tianran
(Shanghai Urban Planning&Design Research Institute,Shanghai 200040,China)

The spatial relationship between residence and workplace primarily determines the urban spatial layout.This paper proposes a methodology to calculate commuting distance between residence and workplace by region with cellular signaling data.The comparison result shows that job-housing spatial distribution and commuting distance obtained from both travel surveys and cellular phone data are very similar.Through analyzing the job-housing spatial distribution and commuting distance in the central district and surrounding areas in Shanghai,the paper proposes a concept of balance in job-housing corridors.By reviewing the relationship between regions with imbalanced job-housing corridors and the degree of rail transit congestion,the paper emphasizes the importance of land use development for the balanced job-housing corridors.The paper discusses the zoning size impact of a new town on the statistical analysis through analyzing job-housing spatial characteristics at different new towns.The result shows that the job-housing distribution of new towns are relatively independent,and the employment rate of residents within new towns is relatively high.

job-housing spatial distribution analysis;commuting distance;cellular signaling data;balanced job-housing corridors

1672-5328（2016）01-0015-09

U491.1

A

10.13813/j.cn11-5141/u.2016.0103

2015-08-31

张天然(1980—)，男，浙江绍兴人，博士，高级工程师，主要研究方向：交通规划和政策、交通模型和交通地理信息系统。E-mail:zhangtianrantj@163.com