基于通勤行为的小城镇土地利用与格局优化对策研究——以扬中市为例

方玮轩，杨 惠，方 斌，3，4

（1.香港理工大学建筑与环境学院，香港 ST314；2.南京师范大学新型城镇化与土地问题研究中心，江苏 南京 210023；3.江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；4.江苏省物质循环与污染控制重点实验室,江苏 南京 210023）

基于通勤行为的小城镇土地利用与格局优化对策研究
——以扬中市为例

方玮轩1，2，杨 惠2，方 斌2，3，4

（1.香港理工大学建筑与环境学院，香港 ST314；2.南京师范大学新型城镇化与土地问题研究中心，江苏 南京 210023；3.江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；4.江苏省物质循环与污染控制重点实验室,江苏 南京 210023）

研究目的：从居民的通勤行为特征中寻求小城镇土地利用格局优化路径，为产城融合的实现提供理论支持。研究方法：构建通勤流矩阵，运用ArcGIS路径分析测算通勤距离，并通过缓冲区分析通勤距离在空间上的特征，并与土地利用类型进行对比分析，同时建立通勤距离与社会经济因素的回归方程，分析通勤距离的影响因素。研究结果：小城镇通勤方式以便捷型工具为主，通勤高峰集中于上下班，通勤距离随着城镇化和工业化水平的提高，短距离占比增大。主要结论：在城镇化和工业化发展较快的区域，短距离通勤集聚更具有“同心圆”特征，核心力更强。工业化带动的聚集结构呈现出“条带形”态势，与区域工业布局结构有较密切的关系，也与城镇化和工业化扩增融合有关。短距离通勤集聚区会随着城镇化水平的提高而由“双核”向“单核”结构发展，并针对以上问题提出了相应的对策。

土地利用；通勤行为；小城镇；格局；优化对策

1 引言

通勤行为是指从人们从居住地前往工作地点的活动，是人类生活的重要组成部分，人类生活及出行的选择均受到其时间及空间路径安排的影响。从某种意义而言，通勤活动是人们每天工作生活的重要组成部分，它的合理规划将直接影响人们的幸福指数。

国外学者乐于探讨通勤出行与城市空间构成的关系，并建构行为模型。自20世纪50年代以来就有诸多学者构建了城市通勤模型，如Alono阿朗索[1]提出的同心圆模型，斯图尔特[2]提出的重力模型等，随着理论研究的进一步深入，学者们对通勤模型的研究不断深入，并在将通勤行为与城市形态[3-4]、职住关系、家庭行为、个人健康[5]等相联系。如，Sohn等[6]认为只要全市范围的交通网络实现覆盖广泛、布局合理，城市扩张对通勤者的通勤行为并不会有很大影响。Hinan Li等[7]发现链接娱乐休闲活动后通勤出行链的路程长度和时耗均大于没有链接娱乐休闲活动的出行链路程长度和时耗。P. V. SubbaRao等[8]则首次引入了神经网络模型，该模型用于模拟通勤行为时，被认为有很好的应用前景。

随着城镇化和工业化步伐的加快，城市居住和就业空间的不匹配现象的出现，对通勤行为的研究才得到了国内学者们的广泛关注。国内学者对通勤行为的研究主要集中于理论研究、实证分析[9-10]和模型方法构建[11-12]三个方面。学者们通过引入西方行为地理学、时间地理学等理论阐述通勤行为探讨居民通勤关系[13-15]。实证分析方面，国内学者倾向于以问卷调查为基础[16-17]，结合相关数学模型，分别从微观角度分析通勤者行为改变的驱动因素，宏观角度分析城市的通勤格局。周素红等[18]通过问卷调查和实地走访分析了广州市民通勤情况与城市市场化的关系，发现：城市开发市场化造成的职住空间变化对通勤行为改变具有一定的影响。李蕊芳[19]则对职住不平衡现象进行了详细的研究，认为导致相同通勤距离但通勤时耗增加的原因是城市交通条件落后。张艳[20]以北京市为研究区，分析了北京市新老城区的城市通勤格局，认为老城区存在逆向通勤。孟斌[21]以北京市的实际调查问卷数据为基础分析职住分离的原因，发现职住分离现象在城市中心区域要大大少于郊区，但郊区中的卫星城镇由于工作机会较多是个例外，卫星城的职住分离问题并不突出，往往是一些重点建设的大型居住社区，由于空间利用功能过于单一，导致职住分离严重。

文献研究表明，国内外学者对通勤行为的研究都偏于通勤时间、通勤方式、通勤链、通勤满意度等特征分析，对研究区域的选择都是大城市或者特大城市，研究方法偏向运用数学模型进行分析。研究多侧重于以行为地理学思想为主线进行，目前还缺乏针对小城镇居民的通勤行为与产城关系相关联的研究。因此，本文以扬中市为例，探讨基于通勤行为的中国小城镇土地利用格局优化以及与产城融合的关联，为中国小城镇产城融合发展提供对策参考。

2 研究对象与方法

2.1 研究区概况

扬中市位于119°42′—119°58′E，32°00′—32°19′N，是长江下游的一座岛市，市域面积331 km2，陆域面积仅228 km2。扬中市土地资源有限，但拥有长江岸线源总长129 km，便捷的水陆交通，且地处亚热带季风气候区，水热资源得天独厚，不仅是天然的良港，也是休闲娱乐之地。选择该研究区是基于以下4方面的原因：（1）受区域资源条件限制形成了一个相对独立的封闭区间，便于评价。（2）该区域尽管面积不大，但产业发展基础与态势较好，且很多方面在全国都具有引领性。（3）该区域地均GDP县级水平全国最高，人均GDP位在全国前列。（4）城乡一体化发展基础较好，城市与乡镇基础设施建设与居民生活水平差距较小。区位概况可见图1（封三）。

2.2 研究思路与方法

本文选择扬中市进行居民出勤行为调查，将扬中市6个乡镇作为研究对象，通过问卷、访谈调查居民出行行为。由于扬中市各乡镇产业发展均较好，因此，每个乡镇都选择了规模较大、发展较好的企业2—3个，同时，在市区选择部分事业单位和人流量较大的商服区域进行问卷调查，平衡被访对象的随机性。采用EpiData软件录入问卷，并选择SPSS软件进行样本的描述性数据分析、样本时间特征分析和通勤流矩阵分析。

对调查样本的空间分析主要是运用ArcGIS软件，首先利用Google Eearth软件将调查的居住和就业样本点上图，利用坐标拾取器查找X、Y坐标，导入ArcMAP。提取扬中市2014年土地利用现状调查数据库中城镇道路和农村道路图层，建立扬中市路网分析图层。基于调查数据，运用ArcGIS网络分析模块最短路径分析功能进行样本的图上通勤距离测算。其次以每个调查的工作点为中心，将调查样本的通勤距离数据导入，运用ArcGIS缓冲区分析方法将通勤数据转换为缓冲区距离数据样本，通勤距离设为6个级别，分别是小于2 km、2—3 km、3—4 km、4—5 km、5—6 km以及6 km以上，进行图上通勤距离分析。

通勤距离是最有代表的通勤特征，本文从空间分析角度，对通勤距离建立起的缓冲区分析与扬中市土地利用类型图进行对比分析，此外，选择合适指标，将通勤距离与各乡镇的社会经济等因素进行线性回归分析，探索通勤特征的相关影响因素，从而分析扬中市产城融合的发展趋势以及现阶段土地利用格局存在的问题。

2.3 数据来源

本文的数据来源于2015年扬中市统计年鉴、扬中市土地利用变更调查数据库，以及实地走访和问卷调查，调查数据来源于依托于江苏省国土厅科技项目“土地集约利用的多角度分析——以扬中市为例”。选择扬中市6个乡镇居民通勤流量最大的地区布设样点，通过设计问卷调查方案和问卷调查表，对样点内的居民进行随机走访调查，获得问卷数据，剔除不合格数据后进行相关性分析。

本次扬中市居民通勤行为调查在调查组成员的帮助下开展于2016年2—3月，调查对象主要为扬中市企业职工和城镇居民，样本空间覆盖扬中市5个乡镇（即三茅镇、新坝镇、油坊镇、八桥镇和西来桥镇）和一个江苏省省级经济开发区，总人口约34万。为了研究调研区域内的居民的通勤行为特征，选取了各乡镇人流量最大的27个地点，其中，企业11个，政府机构7个，商业街5个，其他4个。具体点的选择见图2（封三）。

3 研究结果与分析

3.1 个体属性

本次调查涉及居民总人数为1340人，内容包括了居民性别、年龄、职业、学历、家庭结构、月收入、工作出行方式，上下班时间等各方面信息。结合区域空间效应和经济发展水平，以及样本本身的质量，筛选出具有代表性的样本1125个。具体情况见表1。

表1 扬中市居民描述性通勤特征Tab.1 Descriptive features of residents commute in Yangzhong

这些基础数据旨在说明样本的合理性，同时也可以反映调查对象通勤行为的相关特征。从表1可以发现，（1）扬中市通勤者女性略多于男性。（2）被调查中居民工作年龄跨度较广，其中年龄最大的为72周岁，最小的为16周岁，而主要工作年龄集中在16—45周岁之间，在调查总人数中占比85.30%。（3）在受访者从事的工作方面，1125份有效问卷中，企业员工的人数最多，且远远高于其他职业人数，共计739人，所占百分比为65.70%。（4）收入方面，高薪人数和低薪人数都少，主要都集中在中等水平。

3.2 通勤特征

3.2.1 通勤时间特征分析 本文所指的通勤时间是指单程通勤时间，根据研究结果显示，76.17%的调查样本通勤时间在半小时以内，31.63%的样本通勤时间在一刻钟以内。本文对通勤时间特征的分析基于出行时间、出行方式、出行距离三个方面：

（1）出行时间方面，样本显示出行时间主要是在上下班高峰期，出行早高峰期为7—8点，占比67.18%，其次为13—14点，占比16.31%。晚高峰期为17—18点，占比为59.68%，该时间段也是扬中道路相对拥堵时段，其次为上午11—12点，占比为22.88%。其他时间段内上班出行样本比例均占比较少。由于研究区域的特殊性，小城镇居民的通勤出行时间与生活、生产方式均息息相关。如部分人群是一日4次的通勤往返，与其职住距离、家庭居住结构有关。职住距离小的样本日平均通勤次数为2次，而职住距离大的样本均是每日通勤往返一次。部分家庭结构为三口之家的通勤次数也是两次，原因可能是家庭小孩需要照顾，导致夫妻双方只有一人工作。

（2）通勤方式方面，根据研究结果显示，出行时间与出行方式的选择具有较大的相关性，选择电动车出行的比例较高，占比为30.44%，其次为私家车，占比为26.43%，再者为单位班车，比例为16.56%。扬中市是县域范围的小城镇，电动车、自行车等这种非机动车的出行方式占比较高，主要原因有两个方面，小城镇的道路交通没有大城市发达，非机动车出行的效率更高，其次是非机动车的出行成本较低，私家车占比也不低，与扬中市经济条件相对较好有关。

（3）从通勤距离上看，通勤时间与距离也存在着较大关联性，出行距离在3 km范围内的样本占比较高，为47.20%，其次为5 km以上的出行样本，占比为33.16%。总体而言，出行距离的远近同样影响着出行时间与出行方式，通勤时间在半个小时左右的样本的占比最高，说明小城镇范围内就业通勤距离的选择也影响周边居民的就业选择。

3.2.2 通勤空间特征分析 通勤空间特征可以从通勤矩阵和通勤路径特征两个角度分析，通勤矩阵就是建立在所调查的6个乡镇间的样本通勤流关系，通勤路径即调查样本的通勤路径选择。

（1）通勤流矩阵。根据所调查的样本占样本基数的百分比建立各乡镇间的通勤流向矩阵（表2）。表2显示，60%的居民选择就地工作，也就是在自己所在的镇区工作，居住地和工作点距离跨一个镇的占26.6%，跨两个镇的占4.6%。其中，通勤出行在新坝镇和三茅镇间的占比较高，原因是新坝镇是扬中市产业发展较好的乡镇，三茅镇是扬中市中心所在地，其城镇化程度较高，且这两个乡镇相隔较近，产业发展和城镇化发展相互影响的同时，也影响着两个乡镇，甚至周边居民的就业选择。同理，经济开发区也与三茅镇相邻，且已经形成国家重点的经济开发园区，产业发展势头较猛，但园区内的基础设施和生产和生活服务水平还有待提高，园区内的员工部分来自周边的乡镇，也影响着这两个乡镇的通勤流向。此外，油坊镇在沿江地区已经有一定规模的工业园区，其与八桥镇相邻，这两个乡镇间的通勤流量相对较高。而西来桥是独立的岛屿，因此该镇的居民基本上是就地择业，可能受交通限制性影响较大。

表2 通勤流矩阵 单位：%Tab.2 Matrix of the trend of commute unit: %

（2）通勤距离分析。居民通勤出行的轨迹基本为居住地和工作地之间两点一线，因此不考虑居民在上下班通勤过程中在不同的商服地点中的出行轨迹。通过空间分析研究显示，居民通勤样本中最长的职住距离为27.5 km，最短为0.5 km，平均距离为3.59 km，因此相比较大城市范围内的通勤空间距离相对较短，通勤路径上、空间上基本是沿直线分布，路径特征较为简单。

结果表明：

（1）短距离通勤在城镇化发展较块的区域易于形成，职住空间集聚相对紧凑。三茅镇尽管存在两个中心，但集居住、就业为一体的短距离通勤是以城镇化带动发展的，主要集中三茅镇的镇中心，以三产带动就业为主。而其形成的小集中区则是围绕教育产业用地发展形成，以教育产业带动服务业所致。

（2）以工业化带动的通勤距离集聚依赖于产业布局结构。以工业化发展为主要经济增长模式的新坝镇和开发区都表现出条带状的职住空间集聚特征，主要原因在于：扬中市工业布局的沿江、沿路发展规划引导带动居住形态的“江路形态”。为方便生产，居民更多选择交通较为便利的地域居住，其中，工业化带动的基础设施便利化是重要引致因素。

（3）通勤距离空间集聚区会随着城镇化和工业化发展水平的加大而逐渐融合，由“双核”向“单核”演进。有历史工业集聚区的城镇，在城镇化和工业化发展相对较弱时期会产生两个集聚区：镇中心区和产业集中区。如油坊镇、西来桥镇，呈现出典型的“双核”结构。结合调查发现：一方面，居民更多选择在镇域中心居住，通勤距离较短的人群选择在城镇中及周边就业。但受城镇化发展限制，更多的人则选择在工业区就业，从而加大职住距离。另一方面，工业区也有部分工作人群选择在其周边居住和就业，而更多的人则更愿意选择在城镇中心居住，由此，产生两个明显的短距离通勤中心。此外，乡镇发展的封闭性也是其两核结构的主要原因之一，如西来桥镇四面环水，是“岛中之岛”，该镇居民的通勤行为具有典型的封闭性特征。而随着工业化和城镇化发展水平的加大，尤其是第三产业发展水平的逐步提升，大大地充实了两个中心的扩增和融合，让短距离通勤逐步成为小城镇职住空间发展的重要路径，并加速两中心的融合。八桥镇和新坝镇的发展程度处在油坊镇和西来桥镇向三茅镇发展的过渡状态，也就是他们发展的中间状态。具体形态结构可见图3（封三）。

（4）为了更好地分析扬中市产城融合发展特征，结合通勤距离的土地利用类型图（图4，封三）对比分析，分析其工业用地空间布局与通勤距离的关系。通过对扬中市土地利用类型布局与通勤距离缓冲区对比分析可知，扬中市工业用地没有形成空间集聚效应，主要以城市为中心零散分布，其中新坝镇产业园区工业用地面积占地较广，且分布在新坝镇镇中心、扬中市中心之间，对比图3通勤距离效果图可知，在该范围距离内的通勤距离较小，与实际情况较吻合。而开发区的工业用地主要分布在开发区中心的外围，与周边油坊镇重心距离也较近，该段的通勤距离也较小。相比之下，油坊镇、八桥镇的工业用地分布较为零散，与镇居民点距离较远，通勤距离短的范围较小。而西来桥镇由于其独特的“岛中岛”地理位置，也在其内部形成通勤距离半径较小的范围。

3.3 回归分析结果

职住空间是反映产城融合发展水平最直接的因素，而通勤距离则是衡量职住空间结构是否合理最直接的指标，而本文选择了地区生产总值、工业生产总值、二产GDP贡献率、三产GDP贡献率、城镇人口占比、固定资产投资额、人均可支配收入、人均道路拥有面积、人均绿地面积共9个社会经济指标对通勤距离进行线性回归分析，尝试分析影响通勤距离的社会经济因素，为促进产城融合的发展提出针对性建议。回归方程中有许多因素系数显著性不明显，存在多重共线性问题，经过逐步回归分析，城镇人口占比（X1）、人均道路拥有量（X2）、人均可支配收入（X3）以及固定资产投资额（X4）这4个指标对通勤距离的影响有较大关系，建立如下线性回归方程：

该模型表明通勤距离与人均道路面积呈现高度的正相关，随着道路交通基础设施的完善，人们的通勤距离也相应增加。一方面交通基础设施促进了城市内部活动的连接，一方面也促进产业劳动力的流动。而城镇人口占比与通勤距离呈一定程度的正相关关系，说明城镇人口的增加导致城镇人口就业选择向城市周边的延展。此外，经济因素也对通勤距离有一定影响，主要影响居民的就业选择。

4 结论与不足

4.1 研究结论

本文基于对扬中市6个乡镇范围的样点进行千余份问卷调查的数据，分析了扬中市居民出行的时间、空间特征，以及通勤特征的影响因素，得出研究结论如下：

（1）扬中市居民的通勤方式主要是电动车和私家车，这是小城镇居民最主要的出行方式，居民的通勤行为的出行时间主要集中在上下班高峰期，通勤距离以短距离为主，流动主要以城镇化和工业化发展水平相对较高的三茅镇、新坝镇和开发区为主。

（2）在扬中城镇化和工业化发展较快的区域，短距离通勤占比相对较高，其中城镇化所带动的短距离通勤集聚性更强，聚集的团块更具有“同心圆”特征，核心力更强。工业化带动的聚集结构则依赖于城镇化与工业化的融合程度，也就是需要第三产业的跟进。因此，从整体上看，在小城镇的通勤演化发展道路上，工业化布局是重要动力。

（3）在城镇化和工业化发展相对较弱的油坊镇、西来桥镇，镇中心区和产业集中区是居民活动的两个职能区，对于以传统产业为主且城镇化发展水平不高的乡镇，其通勤集聚通常会呈现“双核”结构，而随着城镇化和工业化发展水平的提高，两者的融合带动短距离通勤比重的加大，双核结构逐步向“单核”结构演进。

（4）居住与就业是城镇居民生活的重要内容，依据通勤特征和演化规律要求，产城融合的实现需要做到：①尊重小城镇通勤特征的演化规律，科学布局产业发展空间；②城镇化是短距离通勤带动的重要动力，合理推进城镇化是产城融合的重要手段；③工业化与城镇化布局作为引领短距离通勤的重要途径，其扩增的优化布局是推动产城融合的最终动力。

4.2 优化对策

总体而言，从通勤空间特征的角度分析，扬中市目前仍存在着早高峰相对拥堵、在三个中心区（三茅镇、新坝镇和开发区）的主要问题是产业布局较为零乱、无序化，外围乡镇主要是产业动力不足，居住与就业匹配程度不高的产城融合问题，基于此本文提出以下建议：

（1）针对产业集中上下班蜂期拥堵，建议设置产业集中区人流缓冲区，以稀释人流，同时，在产业过密区，针对居民的出行方式，适当拓宽人行和非机动车道，以加速蜂期道路阻塞的缓解。

（2）在城镇化水平相对较高的区域，加强内部居住和就业环境建设，让更多人就近就业，减少城市内部人员外部就业。同时，还需要进一步优化城区内道路基础设施和产业用地布局，缩短通勤距离，提高居民生活质量。

（3）在城镇化水平相对较低区域，应加快产城之间的基础设施建设，让更多的居民向产城之间集聚：居住和生活，逐步提升“三产”市场活力，提高短距离通勤率，促进产城融合。

4.3 研究不足

（1）缺乏对通勤距离历史演进规律的分析，这是后续研究值得加强的重要方面。

（2）在通勤距离分析中还需要进一步加强与地方经济个性化结合，以提升研究的可应用性。

（References）：

［1］ Alonso, W A. Location and Land Use［M］ . Cambridge: Harvard University Press，1964.

［2］ Stewart, J Q. An Inverse Distance Variation for Certain Social Influences［J］ . Science，1941，93（2404）：89 - 90.

［3］ 何舟，宋杰洁，孙斌栋. 城市通勤时耗的空间结构影响因素——基于文献的研究与启示［J］ . 城市规划学刊，2014，（1）：65 - 70.

［4］ 李平. 通勤距离与城市空间扩展的关系研究［D］ . 北京：北京交通大学，2010.

［5］ 吴江洁，孙斌栋. 发达国家通勤影响个人健康的研究综述与展望［J］ . 世界地理研究，2016，（3）：142 - 150.

［6］ Jungyul Sohn. Are commuting patterns a good indicator of urban spatial structure［J］ . Journal of transport geography，2000：36 - 42.

［7］ Hinan Li. Comparing women’s and men’s morning commute trip chaining in Atlanta, Georgia, by using instrumental vehicle activity data［J］ . Transportation research board of the national academies，2005：33 - 38.

［8］ P. V. Subba Rao, P. K. Sikdar, K. V. Krishna Rao S. L. Dhingra. Another insight into artificial neutral networks through behavioral analysis of access mode choice［J］ . Comput, Environ and Urban Systems，1998，（22）：485 - 496.

［9］ 何舟. 城市空间结构与通勤时耗［D］ . 上海：华东师范大学，2015.

［10］ 李南菲. 就业—居住均衡与城市通勤［D］ . 上海：华东师范大学，2012.

［11］ 韦亚平，潘聪林. 大城市街区土地利用特征与居民通勤方式研究——以杭州城西为例［J］ . 城市规划，2012，（3）：76 - 84，89.

［12］ 孟庆艳，陈静. 城市居民通勤活动行为的时空特征研究——以上海浦东新为例［J］ . 交通规划，2006，（7）： 6 - 9.

［13］ 申悦，柴彦威. 基于GPS数据的城市居民通勤弹性研究——以北京市郊区巨型社区为例［J］ . 地理学报，2012，（6）：733 - 744.

［14］ 刘望保，闫小培，陈忠暖. 西方国家关于城市通勤的研究回顾与展望［J］ . 经济地理，2009，（3）：402 - 408，430.

［15］ 刘志林，王茂军. 北京市职住空间错位对居民通勤行为的影响分析——基于就业可达性与通勤时间的讨论［J］ . 地理学报，2011，（4）：457 - 467.

［16］ 涂婷. 多中心城市结构与通勤效率的关系研究［D］ . 上海：华东师范大学，2010.

［17］ 陈征，周恒，刘英舜. 苏州居民通勤出行交通方式选择特征研究［J］ . 道路交通与安全，2006，8（8）： 34 - 37.

［18］ 周素红，闫小培. 城市居住——就业空间特征及组织模式——以广州市为例［J］ . 地理科学，2005，25（6）： 664 - 670.

［19］ 李蕊芳. 北京市工作——居住地点不平衡关系研究［A］ . 中国城市规划年会议论文集［C］ . 2007.

［20］ 张艳，柴彦威. 基于居住区比较的北京城市通勤研究［J］ . 地理研究，2009，（5）：1327 - 1340.

［21］ 孟斌. 北京城市居民职居分离的空间组织特征［J］ . 地理学报，2009，64（12）： 1457 - 1466.

（本文责编：陈美景）

Research on the Land Use Structure Optimization Strategy in Small Towns based on the Commute Behavior: Take Yangzhong as an Example

FANG Wei-xuan1，2, YANG Hui2, FANG Bin2，3，4
（1. School of Construction and Environment, Hong Kong Polytechnic University, Hong Kong ST314, China; 2. Research Center of New Urbanization and Land Problem, Nanjing Normal University, Nanjing 210023, China; 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China; 4. Jiangsu Key Laboratory for Material Cycle and Pollution Control, Nanjing 210023, China）

The purpose of the paper is to explore the way to optimize the land use structure of small towns in light of the characteristics of residents’ commute behavior, and to provide theoretical support for the realization of cityindustry integration. The methods employed are building a commuter flow matrix, measuring the commute distance by path analysis of ArcGIS, analyzing the space characteristics of commute distance by buffer analysis and comparing itwith the land use type so as to reveal the factors affecting commute distance by establishing linear regression equation between commute distance and the socio-economic factors. The research results indicate that in the regions with rapid urbanization and industrialization, the short-distance commuter agglomeration exhibits a feature of “concentric circle”, of which the core force is stronger. The agglomeration structure driven by industrialization has a “strip-shaped” trend, which is closely related to regional industrial distribution structure as well as the expansion and integration of urbanization and industrialization. The short-distance commuter agglomeration area will change from the “dual-core” to “single-core”structure along with the improvement of urbanization level. In conclusion, we put forward corresponding countermeasures and suggestions according to the issues above.

land use; commute behavior; small town; structure; optimization strategy

F301.24

A

1001-8158（2017）02-0040-08

10.11994/zgtdkx.20170215.095614

2016-09-01；

2016-11-15

国家自然基金（41271189，41671174）；江苏高校优势学科建设工程资助项目；江苏省国土厅科技项目（2015011）。

方玮轩（1994-），女，江西彭泽人，研究生。主要研究方向为土地资源利用。E-mail: w.x.fang@connect.polyu.hk

方斌（1968-），男，江西九江人，博士，教授。主要研究方向为土地资源管理。E-mail: wenyanfang731@163.com