手机信令数据支撑下广州市过剩通勤及其空间分异格局

刘望保，陈 杰

（华南师范大学地理科学学院，广州 510631）

过剩通勤是人文地理学、城市规划与城市交通等学科的重要研究议题，可定义为城市实际通勤与在不改变城市现状空间结构条件下，通过置换通勤者的职住地位置而得到的理论最小通勤之间的差值。其概念最早由汉密尔顿（Hamilton, 1982）提出，后由斯莫尔（Small, 1992）等学者不断完善。西方关于过剩通勤的研究集中在过剩通勤测度方法、相关城市的实证及其影响因素上。关于过剩通勤的测度方法，最早由汉密尔顿（Hamilton,1982）提出使用密度函数计算标准同心圆模型下的最优最小通勤，但随着城市不断发展，城市内部空间结构日趋复杂，基于单中心结构模型计算过剩通勤的方法已很难准确地解释城市实际情况。怀特（White,1988）提出基于城市空间结构不变的假设下，借助线性规划函数模型来计算理论最小通勤，并通过约束条件使每个统计区内的居住与就业保持恒定，也就是维持城市结构不变，通过居民居住与就业区位的交换来达到最优化组合，使得通勤成本最小化，因而更符合现实（刘望保等，2008），该模型得到广泛应用，成为计算过剩通勤指标的常用方法。此外，还有基于搜寻理论构建的城市过剩通勤计算方法，该方法强调过剩通勤为自雇型工作者和一般工作者通勤成本的差值（Ommeren et al.,2005）。如霍纳（Horner,2008）基于产地和目的地优化运输问题（ODTP）来分析城市职住地增长优化配置模型。另有研究引入双职工因素的通勤距离计算模型（Frost et al.,2008）等。随着研究的发展，过剩通勤在概念上也有一定延伸，出现了诸如通勤容量（Horner,2002）、随机通勤（Charron,2007）等概念。目前相关研究主要通过建立过剩通勤与城市空间结构（Gordon et al.,1985;Wachs et al.,1993）、形态规模（Modarres,2011;Selima,2013），以及通勤者性别、种族、薪资水平（Kim, 1995; Buliung et al., 2002）等属性之间的统计关联进行实证，并分析过剩通勤的影响因素。总体而言，过剩通勤的相关概念与测度方法不断发展，不同城市之间比较不断丰富，但在影响因素上仍需更多实证分析。

国内对过剩通勤研究起步较晚，以介绍西方理论和国内城市实证研究为主。相关研究系统介绍西方过剩通勤的基础理论（刘定惠等，2012；刘贤腾，2018），也有采用问卷调查、交通出行调查等系列数据，对广州（刘望保等，2008）、深圳（李军等，2020）、北京（韩会然等，2019）、成都（刘定惠，2012）、西安（周江评，2013）等城市予以实证研究，结果显示，相较于西方城市，国内城市过剩通勤总体偏高。杨超等（2013；2014）针对西方过剩通勤计算方法的不足，从过剩通勤与职住空间平衡关系和居民收入差异上提出了最优新增通勤分布模型，在综合考虑就业岗位增加的情况下达到最优的职住平衡状态，从而更符合实际，而且也能为职住空间平衡提供更具实际的政策。

相较于传统的社会调查数据，手机信令数据有全样本、精确度、时效性等优势，为微观尺度刻画城市的职住联系与通勤格局提供了重要支撑，而微观尺度下的职住联系格局有助于更精准测算城市的过剩通勤。如朱玮等（2020）利用手机信令数据，从年龄视角分析上海的通勤效率与优化潜力。但总体而言，国内将手机信令数据应用于过剩通勤的研究仍偏少，而且集中在全局性的过剩通勤，即总体过剩通勤，对其局域性特征分析有待加强。

因此，本文以广州市主城区为研究区域和以居委会为基本单元，在应用手机信令数据识别职住位置并建立居委会间的职住起止点（Origin and Destination，简称“OD”）数据库的基础上，试图利用海量数据在精细化刻画过剩通勤局域性特征上的优势，分析广州市过剩通勤的全局与局域性特征及其影响因素。以期在一定程度上丰富国内过剩通勤的相关研究。

1 数据来源与方法

1.1 研究区域

广州是中国的“南大门”和改革开放的前沿阵地，交通拥堵问题日益凸显，可作为中国过剩通勤研究的典型案例城市。近年来，受轨道交通快速发展，郊区房地产大规模开发，中新知识城等郊区“新产业区”的快速发展，中心城区的城市更新改造及中心城区与郊区的住房价格差距日益扩大等多种因素的影响，广州市居民的职住空间关系发生大规模重构，深刻影响城市过剩通勤。

根据《广州市城市总体规划（2017-2035）》①广州市规划与自然资源局. 《广州市城市总体规划（2017—2035 年）》草案公示. http://ghzyj.gz.gov.cn/hdjl/zjdc/content/post_5881801.html，广州市形成“主城区-副中心-外围片区-新型城镇-乡村”的新型城乡空间网络体系，主城区为荔湾区、越秀区、天河区、海珠区4区全部和白云区北二环高速以南地区、黄埔区九龙镇以南地区和番禺区广明高速以北地区。为保持区级行政区划的完整性，研究范围选取黄埔区、天河区、海珠区、荔湾区、越秀区、番禺区、白云区（图1），空间尺度选取居委会为基本研究单元。

1.2 数据来源

采用2019-04-01—30广州市联通用户手机信令数据。用户职住起止点（以下简称“职住OD”）数据库处理流程为：1）选取年龄在16～64 岁的用户，采用250 m 格网识别手机用户主动、被动触发的所有行为及其位置信息，计算行为所发生的起止时间。2）居住地和就业地位置推断观测时段分别为T 21:00至次日T 08:00、T 09:00—17:00，将用户每天在居住地和工作地观测时间段内被观测到的秒数进行月度累加和排名，取排名最高且该用户30 d内重复出现超过10 d的地点分别推断为居住地和就业地。3）对职住地识别后，统计250 m格网之间的职住OD 量，需要说明的是，工作地不仅包括用户的工作地点，也包括未工作的学生和老人的习惯性出行地（如学校、公园等），通勤是指两地间的规律出行。

1.3 分析方法

1.3.1 基本假设 采用怀特（White,1988）的线性规划函数计算最小通勤，并提出如下假设：1）研究区域内居住与就业具有同质性，住房质量与居住区位无等级之分，居民有相同的居住与就业偏好，能胜任区域内任何一项工作，并愿意根据最优化原则与区域范围内任何一个居住者或就业者交换居住区位或工作区位。2）假定居住地与工作地均在居委会中心点上。3）通勤成本用通勤距离表示，采用居委会中心点之间基于路网的最短路径表示，路网数据来源于OpenStreetMap（OSM）开源地图②www.openstreetmap.org；职住地在同一居委会内采用与居委会等面积圆的半径作为通勤距离。

1.3.2 计算方法 线性规划函数计算公式（White,1988）为：

约束条件：

式中：Tmin代表平均理论最小通勤距离；W代表总通勤人数；dij代表居委会i、j之间的通勤成本；nij代表从居委会i、j之间的通勤人数；Oi代表居委会i居住人数；Dj代表居委会j就业人数；n代表提供居住地的居委会单元数量；m代表提供就业地的居委会单元数量。

实际平均通勤距离计算公式为：

式中：Tact代表实际平均通勤距离；W表示总通勤人数；dij表示居委会单元i到居委会单元j的通勤距离；nij表示居委会单元i到居委单元j的实际通勤人数；n代表提供居住地的居委会单元数量；m代表提供就业地的居委会单元数量。

过剩通勤率计算公式为：

式中：E表示过剩通勤率；Tact表示实际平均通勤；Tmin表示平均理论最小通勤。

2 过剩通勤分析

2.1 全局过剩通勤

2.1.1 与西方城市比较 经计算得出，广州市平均实际通勤为5.20 km，平均理论最小通勤为1.23 km，过剩通勤率为76.01%。表1显示，美国、英国与波兰国家主要城市过剩通勤率均值分别为57.47%、50.83%、63.30%，可见，欧美城市过剩通勤总体上相当。广州市实际通勤总体位于欧美城市的中间位置，但理论最小通勤却远低于欧美城市，由此导致广州市过剩通勤明显高于欧美城市。当然，分析尺度单元、研究样本精度等因素会影响过剩通勤的计算结果，但总体上可反映相比于欧美城市，广州市的职住空间组织效率处于偏低位置。

表1 广州过剩通勤与欧美城市的比较Table 1 Comparison of excess commuting in Guangzhou and in European and American cities

2.1.2 与国内城市比较 广州市2001、2005 和2010 年的过剩通勤分别为58.41%、44.74% 和33.50%（采用问卷调查数据，以邮编为基本单元）（刘望保等，2008），2014 年的过剩通勤率为65.70%（采用公交IC 卡数据，以1 km 格网为基本单元，研究范围仅包括荔湾区、越秀区、海珠区和天河区的全部范围及白云区南部、黄埔区西部和番禺区北部，比本研究范围小）（李军等，2020）。本研究得出过剩通勤为76.01%（表2）。尽管研究尺度与数据来源有所不同，但总体上反映了广州市过剩通勤呈上升趋势，职住空间组织效率呈下降趋势。轨道交通的快速发展、城市蔓延及城市人口与产业发展格局调整、住房成本提升及其空间分化明显等因素是导致城市职住空间组织效率趋低的主要原因。当然，数据来源与研究尺度也是造成研究结果存在较大差异的重要原因。问卷调查存在样本量偏少、精度相对较低等缺点，而公交IC卡数据主要考虑公交出行居民，忽略了以其他交通方式出行的通勤者；另外，采用不同的通勤距离计算方法也会造成分析结果的差异。

表2 广州过剩通勤与国内其他城市比较Table 2 Comparison of excess commuting in Guangzhou and other cities in China

广州（本文结果）与北上深等一线城市比较，与深圳的过剩通勤率基本接近，但高于北京、上海等一线城市，然而平均实际通勤与平均理论最小通勤却小于北京、深圳与上海等城市，这说明广州市职住空间组织效率虽然较低，但受城市规模因素的影响，其职住空间分离程度仍小于北京和上海等一线城市。与国内其他城市比较，如兰州、西安、成都与绵阳等城市，与成都市的过剩通勤基本接近，高于兰州、西安与绵阳等城市；总体说明，广州市过剩通勤在全国主要城市中处于相对较高的位置，需要加大对城市职住平衡的调控力度，以减少过剩通勤和提升职住空间组织效率。

2.2 局域过剩通勤率

广州市平均实际通勤为5.20 km，＜5.2 km 的通勤人数占比约61%。整体上，无论从居住地还是工作地来看，平均实际通勤基本呈由中心往外围递增趋势，峰值点主要分布在研究区域的东北部，尤其是黄埔区中新知识城，以及白云区与黄埔区北部交界处（图2）。这些区域是郊区房地产重点发展地区，其房地产快速发展并以相对较低的价格与便利的交通条件吸引中心城区就业者，从而导致长距离通勤。

理论最小通勤距离在5 km以内的通勤人数占比高达99%，说明如将通勤者进行最优化的居住地或工作地置换，能使大部分通勤者实现就近工作或居住，降低通勤成本。无论从居住地还是工作地来看，理论最小通勤空间基本呈扇形分布，但峰值点分布存在一定差异。居住地统计的理论最小通勤峰值点主要分布在番禺区南部与西南部，包括以农业种植为主的海心村、沙北村和江鸥村，以及为大学城提供居住配套的北约村等区域，白云区的钟落潭镇与太和镇附近。而工作地统计的理论最小通勤峰值点出现偏移，主要分布在中新知识城，且番禺区的峰值点往东部偏移，位于化龙镇、石楼镇等产业园区聚集区域（见图2）。其原因为：番禺区南部与西南部居住人口集聚程度较高，但周边产业配套不足导致就业机会不足，未来通过产业发展提供充足的就业机会能实现区域过剩通勤最小化潜力较大；而中新知识城产业集聚程度高，但居住配套不足，随着近年来该区域房地产业的快速发展，未来将实现区域职住平衡，缩小过剩通勤。

图2 按职住地统计的平均实际通勤（a、d）、理论最小通勤（b、e）和过剩通勤率（c、f）等值线分布Fig.2 The contour distribution of average actual commuting(a,d),theoretical minimum commuting(b,e)and excess commuting rate(c,f)by job and residence location

高过剩通勤率区域分布广泛，说明大部分区域的实际通勤距离存在较大比重的过剩通勤和优化空间。居住地统计的过剩通勤率在空间上主要呈现边缘和中心位置较高的特征。峰值点主要分布在黄埔区中新知识城、白云区的竹料镇、番禺区的大石镇和市桥街道、以及传统市中心越秀区北京路附近；而低谷区域主要分布在番禺区北约村和联围村附近。工作地统计的过剩通勤率峰值与低谷区域的空间分布与居住地大体相似，但番禺区北约村工作地统计的过剩通勤率却成为峰值区。可见，郊区大型

工业与房地产集聚区因功能相对单一，或者仅为市中心提供居住配套等功能，导致存在职住空间不平衡和较高的过剩通勤率问题；市中心区虽为就业机会集中分布区域，但由于高居住成本的影响，也出现过剩通勤偏高的问题；而在近郊的特定区域，如大学城、偏农业发展型的城郊村等区域出现相对偏低的过剩通勤，即其职住空间关系较优。通过叠加地铁线路发现，过剩通勤率相对较高的区域主要分布在沿地铁线尤其是地铁站点周边。可见，轨道交通的快速发展深刻影响居民职住选择行为，轨道交通可缩短通勤时间，能明显降低通勤者对距离成本的敏感度，导致居住在地铁周边的通勤者对较高的通勤距离成本具有更高的容忍度。

3 结论与讨论

应用手机信令数据从全局与局域上综合测度了广州市过剩通勤，得到的结论主要有：1）全局上，广州市过剩通勤为76.01%，相较于国内外城市，广州处于相对偏高的位置，说明其城市职住空间组织效率偏低，职住空间优化潜力较大。2）从局域过剩通勤率看，区域边缘与老城区都存在明显的高过剩通勤率，且高过剩通勤率分布与地铁轨道交通走向呈现一定的相关性。因为轨道交通的建设容易降低居民对通勤距离的敏感度，从而导致过剩通勤指标的增高。同时，郊区大型房地产小区、工业集聚区因较为单一的城市功能而产生较高的过剩通勤率。而市中心城市功能虽相对多样化，但由于高居住成本的影响，也容易形成较高的过剩通勤率。在广州市近郊区承担特定功能的区域，如大学城、偏农业发展型的城郊村等具有较低的过剩通勤率和较优的职住空间组织效率。

过剩通勤是测度城市职住空间组织效率的重要指标，如何降低过剩通勤和提升职住空间组织效率是城市发展与规划应重点考虑的内容。郊区过于单一的功能开发会影响区域的职住空间平衡，需避免出现大面积“睡城”和产业新城。在空间上，除了重点关注郊区的职住空间平衡问题外，对于市中心由于城市更新、过高的住房成本等原因导致的职住空间不平衡和高过剩通勤问题也不容忽视。职住区位选择往往是在居住成本与通勤成本之间权衡的理性选择行为，缩小居住成本的区域差异是解决职住空间失衡问题最重要的手段，而加强中心城区与郊区的公共服务设施均等化、提升郊区的交通便捷程度以及缩小住房价格的区域差异等是缩小居住成本区域差异的重要措施。

由于数据限制，本研究存在一定不足：一是由于获取的数据是格网之间的职住起止点数据，而非用户个体数据，通勤距离采用格网之间的网络距离，而非用户的实际平均通勤距离，这在一定程度上影响区域之间通勤成本与过剩通勤计算的准确性。二是由于手机信令用户个体数据为保密数据，未获取个体社会经济属性数据，在分析过剩通勤机制上也存在不足。未来需重点结合社会调查以获取个体更多社会经济标签，强化过剩通勤的机制机理分析。同时加强对国内城市的过剩通勤的比较研究，并将过剩通勤与城市空间结构、人口分布、产业发展格局等关联起来，分析城市发展对过剩通勤的显著影响，强化过剩通勤研究对优化城市空间格局、人口与产业分布等方面的指导意义。