基于手机信令的重庆市渝中区职住空间关系研究

徐 巍,戴技才

(1.重庆师范大学地理与旅游学院,重庆 401331; 2.地理信息系统应用研究重庆市高校重点实验室,重庆 401331)

0 引言

职住空间关系包括居住地分布、工作地分布及通勤联系,是解构城市空间布局的重要手段[1]。通勤联系分为内部通勤、内向通勤与外向通勤。在某一地区内居住且工作的人口通勤称为内部通勤,在外围地区具有稳定居住地的人口至中心城区工作称为内向通勤,在中心城内具有稳定居住地的人口至外围地区工作称为外向通勤[2]。职住空间关系是城市地理学、经济地理学等领域的重点研究内容之一,涉及一系列城市现象,如交通情况、居民通勤时间、通勤人群幸福感等[3-5]。研究职住空间关系有助于解释职住失衡现象,剖析“城市病”根源,对减少居民通勤时间、缩短居住-工作地距离及居民收入等具有重要参考价值。

国外学者对职住空间关系的研究源于城市化导致的居民通勤时间过长、居住地隔离等问题。霍华德(Howard)提出“田园城市”概念,认为居民应在住宅的步行范围内工作,这是职住空间关系研究的最初萌芽[6]。二战后开始的城市空间重构与新一轮郊区化使职住空间关系日趋复杂[7]。1968年,凯因(Kain)提出“空间错位假说”,认为就业机会的郊区化等是造成内城居民高失业率、低收入与通勤时间偏长的主要原因[8],此后大量学者开始关注职住空间关系。20世纪80年代后,相关研究由居住地隔离扩展到职住关系研究[9]。进入21世纪,城市建设趋于稳定,职住关系研究的热度有所减弱,学者开始重点关注职住空间分离对中低收入人群的影响,发现职住空间分离带来的长距离通勤对城市中低收入人群的就业与收入造成负面影响,低技能工人向富裕社区的居住流动对就业有积极意义[10-12]。

国内学者对职住空间关系的研究起步较晚。20世纪80年代,我国传统的“职住合一”单位制大院被打破,职住空间分离程度加剧[13]。20世纪90年代,由于体制改革、土地与房地产市场化及公共资源配置不均衡,城市内部空间结构从均质化走向异质化,职住空间关系逐渐由“职住接近”向“职住分离” 转变[14]。住房的郊区化加剧了职住空间的分离程度,导致通勤时间与通勤距离增加。我国有关职住空间关系的研究源于2004年周江评对空间错位假说的引入[15]。随后,职住空间关系逐渐引起国内学者的重视,除梳理国外研究进展,国内学者开始关注我国职住空间的分布特征、通勤模式及影响因素,融合分析出行问卷调查数据与时空轨迹数据,探究不同属性居民的职住特征差异成为研究热点[16-20]。

职住空间关系研究主要采用问卷调查、人口经济普查等方法[21-22]。问卷调查数据获取费时费力,受被调查者主观因素影响较大,时间不连续且更新周期长,获得问卷结果后需调查者主观判断问卷是否有效。人口普查数据更新时间慢、周期长,且政府公布的人口普查数据不包含街道、镇、乡尺度,只能获取较大尺度数据。与传统研究方法相比,移动大数据不受被调查者主观因素干扰、样本量大、分布均衡、统计单元精度高[23-25]。有学者使用公交IC卡刷卡数据、微博位置数据等研究上海、广州等平原城市的职住空间关系[26-28],这些城市为圈层式结构,就业空间向中心集聚,人口居住呈郊区化[29]。

渝中区是重庆市政治、经济、文化及商贸流通中心,位于嘉陵江与长江交汇处的狭长半岛形陆地,又称渝中半岛。重庆市主城区以渝中区解放碑为主中心,形成以沙坪坝、观音桥、杨家坪、南坪为副中心的组团式多中心结构。根据重庆市第七次人口普查结果,渝中区常住人口为58.87 万人,面积约20.34 km2[30]。

作为山地城市,渝中区呈现职住人口多中心化分布特征,已有文献缺乏对山地城市核心区与外围地区职住空间关系的测度。以重庆市渝中区为例,剖析多中心组团式山地城市核心区的职住空间关系,采用手机信令大数据定位职-住地位置,旨在厘清渝中区职住关系,促进山地城市核心区空间优化、减少职工通勤时间、提升居民幸福感。

1 数据来源与研究方法

1.1 数据来源

以2021年6月中国联通的重庆市主城区手机信令大数据为数据来源。手机信令在人口稠密地区为250 m格网数据,在人口稀疏地区为1000 m格网数据。利用Python编程剔除工作地与居住地在主城区外的人口数据,分别清洗出就业与居住均在渝中区内、就业在但居住不在渝中区、就业不在但居住在渝中区的人口。联通用户数量占总手机用户的18%,根据该市场份额计算将扩样后的人数作为用户整体,得到2021年6月在重庆市主城区同时具有稳定工作、居住地的人口有477万人。每条数据包括格网位置、年龄段、人口数量等信息。

1.2 研究方法

利用多距离空间聚类分析渝中区内外通勤职工的职-住地空间集聚特征,采用职住比、空间错位指数及就业自足性测度职住平衡特征。

1.2.1 多距离空间聚类分析法

多距离空间聚类分析法使用Ripley’s K函数,反映空间集聚或空间扩散如何随邻域大小的变化而发生改变[31]。使用该方法对比分析不同尺度下内向、外向通勤集聚的规模及强度,公式如下:

(1)

式中,K(d)代表邻居个数除以平均点密度,n为研究区域内职位或居住人数,A为研究区域面积,d为距离尺度,dij为格网i与格网j之间的距离。

埃尔杰(Esag)提出用L(d)取代K(d),并对K(d)作开平方的线性变换,以保持方差稳定。

(2)

式中,L(d)为观测值。使用ArcGISPro软件多距离空间聚类分析工具生成距离d、观测值L(d)、聚集置信区间、离散置信区间、d与L(d)差值。若L(d)处于聚集置信区间,则就业地点显著聚集分布;若L(d)处于离散置信区间,则就业地点显著离散分布。当L(d)值大于(或小于)生成距离d且差值越大时,就业地点空间分布聚集(离散)程度越强。L(d)值与d差值最大时对应的d值表示空间聚集的特征空间尺度,用于度量聚集规模。d为输入要素周围最小外接矩形最大范围长度的25%,该长度分为十份,聚类次数增加,空间尺度也随之增加。

1.2.2 职住比

职住比是某一区域内就业人口数量与居住人口数量的比值,能够显示该区域的职住均衡程度,是测度职住空间关系常用的指标[33]。分析渝中区职住比使用的基本单元为街道,其计算公式如下:

(3)

式中,Ji为某单元的工作岗位数,Hi为该单元的从业居民人数,JHRi为职住比。其结果处于0.8～1.2时表面其职住关系平衡,在合理区间。

1.2.3 空间错位指数

空间错位指数采用小尺度数据源测度大尺度区域内就业地与居住地的空间错位程度[34],从资源配置均衡程度的视角计算职住规模的差异,公式如下:

(4)

式中,SMIj为研究范围j的空间错位指数。Pij为研究范围j(渝中区)内空间统计基本单元i(渝中区各街道)的居住人数,Pj为研究范围j的居住人口总数,n为单元i的个数,eij为研究范围j内i研究单元的就业人口数,Ej为j的就业人口总数。SMIj越小,职住平衡程度越高;反之错位程度越高。SMIj=0表示职-住绝对平衡,SMIj=1表示职住关系完全不匹配。

1.2.4 就业自足性指数

就业自足性指数指某一区域内居住的就业人数与该区域所有就业人数之比[35],公式如下:

(5)

式中,Wij代表在区域i居住与工作的人数,Wj代表在区域i工作的人数。本地就业比例越高,代表职住关系越平衡。

2 研究结果

2.1 渝中区通勤联系

2.1.1 内部通勤特征

18～35岁青年人是在渝中区内部通勤的主要人群,36～60岁的中年人次之。其中20～24岁年龄段劳动力人口最多,内部通勤人口数量自35岁以后出现明显下降。详见图1。

图1 不同年龄段内部通勤人数Fig.1 Number of introverted commuters of different age groups

2.1.2 内向及外向通勤特征对比

30～34岁是喻中区内向通勤人数最多的年龄段,20～24岁、25～29岁、30～34岁这3个年龄段的内向通勤人数上升明显。30-34岁也是外向通勤人数最多的年龄段,20～24岁、25～29岁、30～34岁这3个年龄段的外向通勤人数差距不大。通勤人数自35岁后出现明显下降。详见图2。

图2 不同年龄段内向、外向通勤人数Fig.2 Number of introverted and extroverted commuters of different age groups

内向通勤人数随距离的变化呈偏态分布,在4 km处达到最高值。通勤距离在3～3.5 km的人数最多,通勤距离超过5 km后人群数量呈明显下降趋势。98.95%的人口内向通勤距离在30 km以下,极少有长距离通勤人口。内向通勤平均距离为7.87 km。外向通勤人数随距离的变化也呈偏态分布,在3.5 km处达到最高值。以每500 m为单位统计人数,通勤距离在3～3.5 km的人数最多。通勤距离超过5 km后人群数量呈明显下降趋势。通勤距离在5 km以下的居民占41.02%。在前往其他行政区工作的渝中区居民中,近五成为近距离通勤。通勤距离30km以上的仅占1%,说明渝中区居民极少长距离通勤。外向通勤平均距离为8.05 km,可见重庆多中心发展格局并未造成职工往返于城市核心区的长距离通勤。内向通勤人数随距离增加迅速减少。内向通勤者在12～15 km的占比更多,外向通勤者在20～30 km的占比更多。内向通勤人口受通勤距离的制约更大,其为追求更低的住房与其他生活成本,选择远离城市核心区居住。详见图3。

图3 内向与外向通勤人数随距离的变化趋势Fig.3 Number of introverted and extroverted commuters varies with distance

对内外通勤分布进行多距离空间聚类分析,不同空间尺度下两类通勤分布均大于随机分布,显著性全部通过检验,呈显著聚集分布。分析两种通勤方式在集聚强度与规模方面的差异性发现,聚集强度随距离尺度的增加呈先增强后减弱的态势,观测值与预测值差值均在第6次聚类时最大,且第6次聚类时内向通勤的空间尺度比外向通勤大,聚集强度更强。详见图4、表1。

表1 多距离空间聚类峰值统计Tab.1 Statistics of multi-distance spatial cluster peak

图4 内、外向通勤多距离空间聚类结果Fig.4 Multi-distance spatial clustering results of introverted and extroverted commuting

2.2 渝中区职住平衡特征

职住平衡指居住在一定区域内的就业人口数量与工作岗位数量大致相等,大部分居民可就近工作。达到职住平衡并非对个体移动施加限制,而是尽可能扩大选择的多样性[36-37]。职住平衡包括数量及质量的平衡:数量平衡指一定区域内住房与就业岗位的均衡数量关系,质量平衡即工作与居住地点处于同一区域[38]。

2.2.1 数量平衡

渝中区的职住数量平衡特征为东北部与西北部街道职住比高,南部街道职住比低。2021年,渝中区整体职住比为1.34;其中5个街道职住比大于1.2,5个街道职住比介于0.8～1.2之间,1个街道小于0.8。可见渝中区11个街道中,5个街道的职住比在数量上保持平衡。解放碑街道作为重庆市中心商务区,就业岗位繁多,职住比最高。朝天门街道的朝天门综合交易市场被誉为“西部第一交易市场”,核心功能聚集,有大量外来工作人口。相对于工作人口,居民数量少的原因有以下两点:①解放碑与朝天门街道的土地供应量不足,无法建立与之匹配的居民区。②外来人口无法支付高房价、高租金,倾向于分散至核心功能区外围居住。渝中区南部的菜园坝、南纪门街道缺乏大型商圈,职住比低。2021年,渝中区SMI值为0.14,是主城九区中最高的。

2.2.2 质量平衡

渝中区的职住质量平衡在重庆主城九区中最低,跨区通勤明显。渝中区的就业自足性指数为0.43,是主城九区中唯一不足五成的。渝中区作为重庆核心区,其金融、商贸行业就业岗位吸引大量区外居民。重庆主城九区的就业自足性指数由渝中区向外逐渐升高,越靠近城市核心区职位越多,公路、轨道交通越发达,就业者选择就业地的机会就越多。大渡口区就业自足性偏低的原因为其南部分布着大渡口森林公园等绿地,人口稀疏。该区人口集中分布于北部,靠近渝中区,交通便利,利于人口向其他区通勤;地铁2号线与长江为该区与其他行政区通勤提供了便利。整体上,重庆市核心都市区的就业自足性小于外围区域。

3 结论与讨论

基于手机信令数据表征的人口数量,以重庆市核心区——渝中区为例,探究其职住关系。采用多距离空间聚类分析与通勤距离量度,深入分析山地城市核心区不同种类通勤方式的异同。以渝中区内外职住通勤联系与职住平衡特征解构职住关系,为后续山地城市建设规划,提高城市交通效率及减少职工的通勤时间提供依据。

研究表明:①渝中区内部通勤、内向通勤与外向通勤人口主要分布于20～35岁年龄段,35岁以上人口的通勤人数明显减少。②渝中区人口的内向通勤聚集强度及规模大于外向通勤,但4 km后随距离增加人数迅速减少。2021年,渝中区职工平均通勤距离为5.28 km,小于其他省会城市武汉市武昌区(6.21 km)、广州市天河区(9 km)[39-40]。③重庆市渝中区职住数量不平衡、质量不平衡,但指数好于平原圈层式城市。在数量上,渝中区整体职住比为1.34,以就业导向为主,相较于2014年的1.87有所下降[41]。渝中区SMI值为0.14,与北京市东城区、北京市西城区、天津市和平区、郑州市中原区相比,渝中区的SMI值更低,职住关系更平衡[42-45]。质量上,渝中区的就业自足性仅为0.43,即区内不足一半就业人口来自渝中区。

未来可通过测度路网距离对大样本下居民实际通勤情况进行估计。后续研究可加入长时间维度的探讨,分析重庆市职住空间关系变化过程,进行更深入讨论。