基于手机信令数据的通勤人口流动特征探析——以成都市为例

吴长江

(成都市规划设计研究院,四川成都 610094)

随着城市不断发展，建成区环境发生很大变化，城市人口、工业、商业逐渐由中心向外扩张迁移，由于居住地、工作地外延扩张速度差异，由此可能引起不同程度的职住分离和错位现象。而居住和就业是城市空间中的重要要素，两者的匹配程度很大程度上影响了空间人口布局和用地规划。目前，国内多个城市已将促进职住平衡和产城融合作为一项重要的发展目标。除此之外，城市各区域的交通拥堵状况又对人们选择工作地和居住地产生重要影响。

手机信令作为位置大数据，兼具空间位置和特征信息，具有动态、实时、客观、精细、获取速度快、覆盖面广等优势，本研究将移动手机信令数据作为数据源，以成都市居住就业空间分布现状和通勤交通现状为出发点，从行政区到街道、社区不同尺度分析，结合成都市产业分布特征，旨在为解读城市职住平衡、产业合理布局提供有力支撑，以期为成都市城市空间结构相关研究提供重要参考。

1 数据源

本研究由中国移动提供数据支持，包括在成都市范围内出现的所有中国移动用户(包括非成都市归属地的移动号手机用户)，使用时间为2019年04月16日至2019年04月22日共计7 d的用户匿名手机信令数据。数据主要包括用户编码、时间、基站等信息，平均每日记录到约1 294.2万用户信令记录，每个用户每天产生约67条记录。据统计，成都市共有各类基站小区约2万个，基站小区分布密集，主要建成区优于300 m×300 m栅格密度，可以满足城市内部空间特征分析的精度要求(图1)。

图1 成都市手机信令数据空间分布

2 研究方法

2.1 就业通勤提取方法

为了排除差旅、就医等偶发出行需求的影响，综合考虑一般就业通勤人口出行特征，将通勤OD定义为：工作日7:00-9:00、17:00-19:00视为就业通勤往返时段，一周内至少3个工作日，同一用户发生同一OD行为视为就业通勤OD，对应的用户识别为就业通勤人口，其对应的起点和终点分别视为居住地和工作地。基于获取的通勤OD及通勤人口空间数据进行通勤流动特征分析和职住中心识别。

提取流程：原始信令数据→提取驻留点(>30 min) →提取OD→筛选通勤OD线。

2.2 通勤流动分析框架

(1)区县单元分析：内部通勤、跨区通勤规模；分析区县间联系强度和通勤特征。

(2)街道单元分析：中心城区为主，探索全域城镇间流动特征及重点区域。

(3)社区单元分析：挖掘热点职住中心，通勤距离分布，重点区域人口时序变化特征。

2.3 职住中心识别

考虑居住和就业的一般规律，应用核密度、自然间断分级等技术方法识别典型就业中心、居住中心，并分析其空间布局特征，建立手机用户居住地和就业地的识别规则。

3 通勤人口流动特征分析

3.1 不同空间统计尺度的通勤流动特征

如图2和图3所示，从区县尺度来看，双流区、新都区、郫都区等产业功能集聚区的内部通勤规模最高，但跨区通勤比例也明显偏高，高新南区的就业吸引指数最高，流入人口/跨区流动量大于75 %，浦江县、新津县、邛崃市、大邑县、简阳市等三圈层远离主城区，通勤基本限于本区，其中，浦江县的内部通勤比例高达95 %，与其他区县基本没有通勤联系。从全域来看，通勤人口流动主要发生在中心城区，且区域间的职住联系较强。高新南区内部通勤人口近6万人，流入人口超过5万人，郫都区、成华区、天府新区以及龙泉驿区人口净流出较明显。而三圈层区县的通勤主要发生在本区域内，和中心城区职住联系强度较弱。

图2 成都市区县间通勤人口流动联系强度分布

图3 成都市区县通勤人口流动范围及规模统计

双流区、新都区的内部通勤占比规模显著，且通勤目的区域比较积聚；主城区的跨区联系明显，流入流出人口均较大；在人口流入方面，高新南区占比最大，其人流来源较为分散、范围较广。

如图4所示，基于街道尺度的通勤统计发现，流动规模排名前10的跨城镇(街道)分别为：主城区中，高新区中和街道、石羊街道以及天府新区华阳街道为桂溪街道提供了大量的居住容量，分别达到了9 044人、8 007人，构成了强职住联系；在二圈层区域，郫都区犀浦镇、红光镇和合作街道呈现出强烈的通勤联系，龙泉驿区龙泉街道和柏合镇、 高新区合作街道和西园街道、、新都区大丰街道和金牛区沙河源街道、双流区东升街道和九江街道构成了明显的职住供给关系，流动规模在2 000～4 000人；而三圈层中，仅有彭州市天彭街道和致和镇联系明显，为2 185人。整体来看，三圈层的通勤流量主要集中发生在建成区周边，流向单一，而中心城区，特别是主城区的通勤联系复杂，规模和流向差异较大。

图4 成都市通勤流动线(以街道为统计单元)

3.2 平均通勤距离分布特征

如图5所示，根据全域通勤距离统计发现，约95 %的人口其通勤距离不超过10 km，其中1 km内通勤人口超过70万人(识别通勤人口共计141.94万人)，超过70 %人口通勤距离在3 km内。主城区的3 km内通勤占比比周边区县较大。

图5 成都市通勤距离分布(以社区为基本单元)

其中，通勤距离小于3 km占比排名前10为： 简阳市简城街道和射洪坝街道、青羊区黄天坝街道、青白江区大弯街道、新都区大丰街道、龙泉驿区十陵街道、青白江区红阳街道、温江区公平街道、郫都区犀浦镇、双流区西航港街道,最高近90 %，最低也超过82 %。

另外，通勤距离在3～10 km区间的占比排名前10：高新区(桂溪街道、肖家河街道)、青羊区(太升路街道、汪家拐街道、草市街道)、锦江区(合江亭街道、督院街街道、盐市口街道、春熙路街道、水井坊街道)，3～10 km通勤距离人口占比均超过38 %，最高将近50 %(盐市口街道)。

3.3 职住中心识别

利用Arcgis核密度工具生成人口净流量核密度分布图(图6)，通过自然间断点分级法迭代识别热门职住中心。可以清晰看出，沿着人民南路，从天府广场到高新区金融城沿线区域分布着大量的就业岗位，由此吸引了大量的就业人口。

图6 通勤人口净流量核密度分布(三维效果)

如图7所示，成都市的职住空间关系整体上处于较平衡状态，就业空间在主城区内呈现以天府广场和金融城为中心的双核结构，并且核心高度聚集，密度极高；周边卫星城聚集的产业园区也已形成了一定规模和影响的就业中心，如高新西区，新都区，青白江区，龙泉驿区，双流区。

图7 基于手机信令识别的成都市典型职住中心

跨区通勤主要发生在主城区及近郊区县，识别的就业中心主要分布在位于城市中心的商贸发达的春熙路-盐市口商圈，商务办公密集的高新区南部园区，以及二圈层的产业功能积聚区等。而居住中心主要集中分布在就业中心附近3 km范围内。其中，局部跨区通勤人口量依然庞大，高新南区3～10 km通勤占比超过35 %，且发现高新区南部园区的职住问题突出，尤其是沿着地铁1号线周边区域，工作日早高峰期间超过60 %的人员需跨区域通勤出行，极大加剧了周边部分道路的常发性拥堵。

为了探析热点就业中心的人口时序变化特征，如图8所示，从工作日和周末人口变化趋势可以看出，位于城市传统核心的春盐商圈的工作日和周末人口量差异并不显著，这可能是由于春盐商圈以商贸为主，其工作性质并非典型的朝九晚五双休，并且叠加其休闲、旅游属性，造成其未显示出明显的工作日、周末潮汐人口变化趋势。而位于二圈层的龙泉汽车产业园、高新西区产业园，以及位于主城南部的高新商务区的工作日时段比周末人口显著增加，说明这几个区域为典型的密集就业型区域。

图8 典型就业区域工作日和周末人口24h分布

同时由于就业空间与居住分布的不匹配，居住人群无法实现在新城就业，导致居住在新城、就业在主城及就业在新城、居住在主城的空间错位，造成了局部区域就业通勤集中存在。

4 结束语

本文所设计的通勤人口识别算法主要针对典型的朝九晚五型就业通勤人群流动特征。因此，对某些行业从业人员的流动特征并未充分呈现，如零售业、建筑业、制造业等工作时间不固定或工作地点不固定人群识别较困难。对于具有固定工作地点、固定就业时间的人群识别精度较高，可以很好的实现通勤人口流动特征识别。本文通过建立成都市通勤人口流动特征一般分析方法及城市职住空间分布特征研究，探究其匹配关系，有利于认识城市发展规律，解释城市空间内在结构及更新，有利于城市未来空间更好布局与发展。