当前，非正规经济已与正规经济一起构成了城市内部新兴的二元结构^[1]。作为从业人员最多的非正规就业形式之一，流动商贩数量在近年来呈线性增长态势。仅在我国，就有大约2000万的劳动者依靠摊贩经济谋生^[2]。

面对流动商贩现象，相关空间政策则是游离变化的。改革开放初期，为发展个体经济和解决就业问题，城市政府普遍对流动商贩抱持宽容态度。但在上世纪90年代以后，吸引国际资本、促进经济增长成为城市发展的核心目标。流动商贩被贴上了贫穷落后、混乱无序的标签，以取缔摊贩为主的管制政策成为城市空间政治的主流^[2-4]。

然而绝大多数研究表明，就近消费与灵活商贩之间的供需关系并未由于政府管制而减弱。一方面，猫捉老鼠的游戏在街头不断上演，空间冲突和社会对立持续升级；另一方面，自发形成的非正规经营区域非但没有缩小，反而在流动中有所扩张^[5]。为修正一刀切的遏制政策，广州、扬州等不少城市通过设置摊贩疏导区、新建固定市场等手段，推行“区内允许设摊、区外严禁摆放”的双轨模式。但受区位条件或空间环境所限，各个疏导区的实施效果大相径庭，部分选址偏僻的疏导区人气惨淡，重回街道的摊贩不得不再次卷入空间冲突之中^{[6, 7]}。

认识规律是疏导区合理选址的基础^[8]。因此，流动商贩的空间、区位及其规划问题逐步受到了城市地理学界的重视^{[9, 10]}。一些国内案例研究表明，街道的界面性质、用地权属和空间尺度对商贩的集聚区位具有明显影响^[11]；宽马路则因阻碍行人间的社会互动，对商贩经营产生了负面作用；而监管强度差异也制约了商贩的区位选择^[12]；但总体来看，摊贩的空间分布主要取决于市场因素^[13]。Kim在越南发现，由于贩卖货品具有互补性、经营过程存在互助需要，正规商业与流动商贩间的空间关系是和谐共生的^[14]。不过也有研究指出，正规营商者往往视流动商贩为低端业态，通过加强驱离，形成非正规经济远离商业用地的格局^[15]。

但是，由于非正规经济没有被正式制度充分覆盖，既有文献大多聚焦于微观尺度的具体案例，这些结论的普适性有待商榷。而在宏观尺度，尽管少数研究开展了非正规经济空间结构的定量分析^{[16, 17]}，但流动商贩究竟在何种城市建成环境中更易形成集聚仍不明晰。从相关研究来看，城市功能的多样性和紧凑性有助促进人的步行行为^{[18, 19]}，功能混合与小尺度的空间肌理也有利于小微商业的繁荣^[20]，而以机动化为导向的通达性则对城市活力具有消极作用^{[21, 22]}。考虑到有效的人流需求是引致商贩集聚的重要原因^{[13, 17]}，上述因素可能同样会在形塑流动商贩空间结构过程中发挥影响。

本文以北京市朝阳区为研究范围，以498个社区为分析单元，利用商贩实时点位、空间兴趣点（POI）等大数据，在明晰流动商贩空间格局的基础上，厘清城市功能的多样性、街区尺度的宜人性、道路网络的通达性、经济社会活动的紧凑性以及各类用地性质的丰裕程度等建成环境特征对流动商贩空间分布的影响，以为疏导区的规划选址提供政策建议。

为量化较大范围内的建成环境特征，本文通过网络爬虫，获得2013年6月某地图网站中朝阳区界内的所有POI。在空间校准并剔除信息不明确的POI后，根据城市建设用地分类标准（GB50137-2011），将127224个POI按功能归入26类用地性质，其中涉及7大类、21中类和4小类（图 1）。

图 1(Fig. 1)

图 1 POI所属用地类型的分布 Fig.1 Distribution of POI's Land Property Type

因无法识别工业用地（M）、物流仓储用地（W）所属的中类，对这两大类用地不再细分。由于难以获悉实地环境状况，二类（R21）与三类住宅用地（R31）、以及居住用地中的服务设施用地（R12、R22、R32）分别归为一类（记为R2R3和R^*）。轨道交通（S2）和交通枢纽用地（S3）、文物古迹（A7）和宗教用地（A9）的POI较少、且功能接近，也对两者合并。商业用地（B1）POI最多，且与商贩经营内容相似，将其划分为4个小类。另因难以识别公用设施（U）和防护绿地（G2）的POI，暂未纳入分析。

本文还获取了区域内的路网矢量底图（包括道路等级、宽度等信息）和道路交叉口数据。

为全面测量城市建成环境，Cervero和Kockerman曾提出评价物质环境特征的3D维度，即密度（density）、多样性（diversity）和设计（design）^[23]。其中，密度可通过人口密度、就业密度等测量；多样性则主要以各类用地性质集中程度来反映；设计维度既包括宏观层面的街区尺度、道路通达性等因素，也包括微观层面的小品设计和街道舒适性等内容^[18]。在3D基础上，Ewing和Cervero增加了目的地可达性（destination accessibility）和到公共交通距离（distance to transit）两个维度，形成评价物质环境的5D维度^[24]。

不过，一些研究认为新增的2D属于区位因素，并不是街区本身的建成环境特征^[19]，而且区位条件与建成环境之间存在高度共线性。因此，本文以3D维度作为衡量城市建成环境的基本框架。此外，部分文献以各类用地性质的比重来测量功能多样性^{[22, 25]}，存在混淆概念之嫌。本文认为，只有各类用地类型的集中程度才能反映功能多样性，而各种用地性质的丰裕程度（land property，简称为LP）可作为量化建成环境新维度，最终构建3D+LP的评价框架（表 1）。

表 1(Tab. 1

表 1 城市建成环境的评价框架及指标 Tab.1 Evaluation Framework of Urban Built Environment 评价框架 量化内容 具体指标 diversity 城市功能的多样性 社区用地类型的HH系数 街区尺度的宜人性 交叉口数量/道路面积 design 道路网络的通达性 主干道面积/社区面积 次干道支路面积/社区面积 density 经济社会活动的紧凑性 （常住人口数+就业人数）（/ 2*社区面积） land property 各类用地性质的丰裕程度 社区各类用地POI比重-社区总体POI比重

表 1 城市建成环境的评价框架及指标 Tab.1 Evaluation Framework of Urban Built Environment

评价功能多样性的指标包括各类用地性质的相异性指数^[23]、信息熵^[22]及赫希曼—赫芬代尔（HH）系数^[19]，本文选用HH系数。社区i的HH系数=∑_j=1²⁶(S_ij -x_j)²，其中S_ij为社区i中j类POI数量占该社区POI总数的比重，x_j 表示全区j类POI的比重。若某社区POI的类型构成与全区结构一致，则HH系数为0，说明各类功能较为多元；反之，若城市功能较为单一，HH系数会趋近于1。

道路交叉口占区域面积的比重多被用以衡量街区尺度是否宜人^{[22, 25]}。为剔除道路面积在不同社区存在差异的干扰，本文以道路交叉口数量占道路面积的比重反映街区尺度的相对大小。

要素在空间中的交流需要经由各级道路系统进行连接，但主干道和非主干道可能会对空间行为产生不同影响。本文参考Zhao的做法^[21]，同时引入主干道面积占社区面积比重、次干道与支路面积占社区面积比重两个变量，以探究不同级别的道路密度是否存在差异化影响。

密度是衡量城市经济活动紧凑度的主要指标，其测算包括楼面面积密度^[22]、人口就业密度等^[18]。为规避高度共线性问题，本文以常住人口密度和就业密度的均值反映各社区经济社会活动的紧凑性。数据源自第六次全国人口普查。

在测量26类用地性质的丰裕程度时，为避免由POI识别的用地结构与实际用地性质比例不尽相同的问题^①，本文未直接采用各类用地性质的POI比重作为解释变量，而是以i社区j类POI占全区j类POI总数的比重减去i社区POI占全区POI总数的比重（以下简称j类用地的比重差值），评价各类用地的相对多寡。若比重差值为正，说明这类用地在该社区相对集中；若差值为负，说明这类用地相对稀缺。

本研究使用的流动商贩数据来源于北京市朝阳区数字化城市管理系统，该数据每天由全区千余位城市管理监督员搜集而得，他们实时记录了流动商贩的空间坐标、发生时间、经营内容等信息，为在宏观尺度上研究非正规经济的空间规律提供了难得的资料^[26]。此外，城管监督员在各社区均衡配置，每季度会在不同街道乡镇进行轮岗，弥平了由于人为监察强弱而可能造成的偏误。

本文选取2012年7月1日至2013年6月30日数据库中的所有流动商贩数据，共计269826条样本信息。

从各社区摊贩密度的分布图来看（图 2），流动商贩呈现出由市区向城郊逐步下降的趋势，密度较高的社区大多位于五环以内，这与经济社会活动的基本格局较为吻合。而在京通高速沿线的流动商贩密度也相对较高，或与该地区对外交通便捷、流动人口集聚有关。

图 2(Fig. 2)

图 2 流动商贩的空间分布 Fig.2 Distribution of Vendors

局部自相关分析显示（图 3），流动商贩显著集聚的区域（即高—高型社区）位于三环周边，其中包括全北京最为繁荣的CBD、商圈和集市。流动商贩高发的“飞地”（即高—低型社区，社区自身的商贩密度较高、但邻近社区的商贩密度较低）集中于三处，798和欢乐谷社区分别是创意产业和娱乐活动的聚集区，三间房社区位于城乡结合部，外来人口众多，但正规商业相对缺乏。而经济社会活动相对稀疏的东南城郊大多属于摊贩显著低发的区域（即低—低型社区）。低—高型社区较少，仅有人民日报、新源西里、农光里中三处，均为门禁社区。这使得流动商贩只能集聚于社区周边，进而形成摊贩分布的“洼地”。

图 3(Fig. 3)

图 3 流动商贩分布的LISA图 Fig.3 Local Autocorrelation of Vendors

在此基础上，本文以6—12点、12—18点、18—24点为间隔，将所有样本归入早市、午市、晚市。三个时段的商贩数量分别占总数的26.8%、23.5%和49.7%，显示晚市是商贩最为活跃的时段、早市次之、午市商贩最少（图 4）。

图 4(Fig. 4)

图 4 各时段的流动商贩数量 Fig.4 The Number of Vendors in Different Hour

从三时段流动商贩的分布来看（图 5），显著集聚的“高—高”型社区始终位于三环周边，尤其是在午市，集聚高地较之早市更趋向市区收缩。直至晚市，集聚高地由中心向外围延伸到四环及京通高速周边，这与潮汐式的人流位移有关。同时，“高—低”型社区在798、三间房、欢乐谷等地出现，流动商贩向外围“飞地”扩散趋势较为明显。

图 5(Fig. 5)

图 5 各时段流动商贩密度的LISA图 Fig.5 Local Autocorrelation of Vendors in Three Periods

第2节测量的城市建成环境是本研究的解释变量，第3节描述的流动商贩密度则是被解释变量，取其自然对数纳入模型。本节将通过最小二乘法（OLS）回归，厘清各类建成环境特征对流动商贩空间分布的影响，并且探究这些影响是否在不同时段存在差异。

考虑到政府监管强度在流动商贩的区位选择中具有重要影响，尤其是国际化程度较高的“窗口地区”和党政机关附近，政府监管更为严格^[9]，本文将各社区外资企业占单位总数的比重、政府机构占单位总数的比重作为控制变量。

此外，为规避共线性，本文在回归分析中按用地性质大类，依次引入用地类型的比重差值。

由回归结果可见（表 2）：① 用地类型的HH系数对流动商贩密度始终呈显著的负向影响。这表明，社区功能越是单一，流动商贩就会相应减少；反之，混合多样的用地结构能够提高城市活力，增加有效人流，继而引致流动商贩的空间集聚。② 无论是主干道占社区面积的比重、还是次干道与支路占社区面积的比重，两者对流动商贩空间分布的影响均不显著。但主干道比重的回归系数为负，而次干道及支路比重的回归系数为正，说明道路通达性的影响方向并不一致。宽阔的机动化干道无益于孕育小微商业，而次干道和支路则对流动商贩的分布具有一定正面作用，但该影响尚未通过显著性检验。③ 比道路通达性更为重要的是街区的空间尺度。回归显示，交叉口数量占道路面积的比重在所有方程中均对流动商贩密度具有显著的正向影响。这反映出尺度较小的人性化城市肌理有助于流动商贩开展经营活动；相反，商贩较少出现在拥有相对宽大街区尺度的社区中。④ 常住人口与就业密度均值的标准化回归系数显著为正，而且数值大于所有解释变量。这再次证实，高密度需求是形塑流动商贩空间结构的首要因素，也从侧面反映出流动商贩的空间分布具有明显的消费者指向特征。

表 2(Tab. 2

表 2 总体回归结果 Tab.2 Result of Regression Analysis 模型1 模型2 模型3 模型4 模型5 模型6 用地类型的HH系数 -0.099** -0.116** -0.098** -0.115*** -0.094** -0.106** 交叉口数量占道路面积比重 0.138*** 0.137*** 0.147*** 0.141*** 0.144*** 0.137*** 主干道占社区面积比重 -0.029 -0.036 -0.028 -0.032 -0.021 -0.028 次干道与支路占社区面积比重 0.019 0.014 0.026 0.015 0.031 0.013 常住人口与就业人口密度均值(ln) 0.342*** 0.314*** 0.202*** 0.182*** 0.155*** 0.161*** 外企占单位总数比重 0.118** 0.098* 0.123*** 0.127*** 0.127*** 0.109** 政府占单位总数比重 0.089* 0.079 0.114*** 0.110** 0.126*** 0.114** A1比重差值 -0.006 A2比重差值 0.012 A3比重差值 0.265*** A4比重差值 -0.035 A5比重差值 0.139*** A6比重差值 -0.029 A7A9比重差值 -0.050 A8比重差值 -0.059 B11比重差值 -0.167*** B12比重差值 -0.038 B13比重差值 0.039 B14比重差值 0.039 B2比重差值 0.077 B3比重差值 -0.020 B4比重差值 -0.137*** B9比重差值 -0.169*** G1比重差值 -0.050 G3比重差值 0.020 R1比重差值 -0.052 R2R3比重差值 0.067 R*比重差值 -0.113** S1比重差值 -0.119** S2S3比重差值 -0.010 S4比重差值 -0.005 M比重差值 -0.124** W比重差值 -0.045 adR2 0.370 0.338 0.314 0.320 0.319 0.326 F值 19.658 18.886 21.385 20.808 20.754 22.434 注：表中数值为变量的标准化回归系数；***、**、*分别表示在0.01、0.05、0.1的水平上显著，下表同。

表 2 总体回归结果 Tab.2 Result of Regression Analysis

需要说明的是，反映城市建成环境3D维度的变量在不同时段的回归系数方向、大小及显著性基本保持一致，说明上述作用机制是稳健的。

从用地性质的影响来看：① 总体回归结果显示，教育科研（A3）和医疗卫生用地（A5）的比重差值与流动商贩密度存在显著正向关联。这表明，在公共服务类用地（如学校、医院）周边，有明显更多的商贩集聚于此。特别是教育科研用地比重差值的标准化回归系数较大，显示该类用地功能对流动商贩的分布深具影响。② 零售商业用地（B11）、其它服务设施用地（B9）以及居住大类下服务设施用地（R^*）的比重差值均与总体的流动商贩密度呈显著负向关联。这三类用地功能与流动商贩的经营内容具有相似之处，说明从总体来看，当正规商业得到充分供给时，非正规的商业形式将有所减少；而正规商业的配套不足则会促使流动商贩的集聚。③ 公用设施用地（B4）和工业用地（M）的比重差值也与流动商贩密度存在显著负向关联，这与两类用地和居民区存在一定距离、周边的人流量相对较少有关。而城市道路用地（S1）的比重差值也对流动商贩密度具有显著负向影响，再次证明整体的道路通达性并未引致流动商贩增加。④ 从各时段回归结果来看（表 3），部分用地性质对不同时段的流动商贩分布存在差异化影响。二、三类住宅用地（R2R3）的比重差值在午市对流动商贩密度具有显著正向影响，表明午市期间住宅用地周边的流动商贩呈明显的集聚分布，但在早市和晚市并不存在这一关系。再比如，早市和午市期间的交通场站用地（S4）和文化设施用地（A2）周边也有显著的商贩集聚，而商务用地（A2）周边在晚市出现了商贩密度增加的情况。

表 3(Tab. 3

表 3 分时段的部分回归分析结果 Tab.3 Result of Regression Analysis in Three Periods 早市 午市 晚市 A1比重差值 -0.002 -0.003 -0.001 A2比重差值 0.083* 0.088* 0.010 A3比重差值 0.288*** 0.225*** 0.151*** A4比重差值 -0.021 -0.018 -0.015 A5比重差值 0.198*** 0.040 0.124** A6比重差值 -0.031 -0.025 -0.019 A7A9比重差值 -0.088** -0.078* -0.031 A8比重差值 -0.034 -0.028 -0.020 B11比重差值 -0.204*** -0.240*** -0.045 B12比重差值 -0.040 -0.035 -0.029 B13比重差值 0.041 0.036 0.029 B14比重差值 0.038 0.029 0.033 B2比重差值 0.067 0.041 0.115* B3比重差值 -0.019 -0.021 -0.015 B4比重差值 -0.125*** -0.129*** -0.128** B9比重差值 -0.168*** -0.161*** -0.141*** G1比重差值 -0.048 -0.042 -0.038 G3比重差值 0.010 0.029 0.018 R1比重差值 -0.050 -0.041 -0.039 R2R3比重差值 0.049 0.125** 0.034 R*比重差值 -0.119** -0.148*** -0.047 S1比重差值 -0.167*** -0.150*** -0.050 S2S3比重差值 -0.009 -0.011 -0.004 S4比重差值 0.106** 0.119** -0.109** M比重差值 -0.159*** -0.150*** -0.059* W比重差值 -0.028 -0.031 -0.088**   注：各时段的回归方程仍与表 2一致，按大类将用地性质的比重差值依次进行回归；受篇幅所限，本表仅按时段，一并汇报用地比重差值的标准化回归系数，省略其余解释变量。

表 3 分时段的部分回归分析结果 Tab.3 Result of Regression Analysis in Three Periods

无论以外企比重、还是以政府比重衡量管制强度，均与流动商贩密度存在正向关联。表明尽管管理部门在外企和党政机关集中的区域加强了监管，但由于这些区位的地理条件优越、人流量集中，流动商贩仍会在此集聚。由此可见，单纯采取遏制政策没有也无法杜绝流动商贩的发生。

本文以北京市朝阳区为研究范围，利用流动商贩和POI等打数据，首次在宏观尺度，定量化地探讨了各类城市建成环境特征对流动商贩空间分布的影响，主要发现和观点有：

第一，常住人口和就业人口密度对流动商贩集聚具有最为显著的正向影响，零售商业及服务设施用地的存在则对流动商贩分布产生了负向作用。这表明，密集人流带来的巨大需求是引致流动商贩的根源，也是商贩集聚高地呈周期性变化的主要推动力，而正规商业供给不足会进一步促进流动商贩的扩张。正是由于邻近的消费需求与灵活的商贩供给之间存在紧密关联，加之摊贩出于生计持续抗争，导致政府的遏制政策几近失灵，迁移政策中设置的偏远疏导区乏人问津。由此可见，疏堵结合才是商贩空间治理的必由之路，因地制宜才是摊贩疏导区选址的应循之道。

第二，主干道对流动商贩的集聚具有负向影响，次干道及支路则具有正向作用。但相较于道路网络的通达性，街区尺度的宜人性和城市功能的多样性对流动商贩的空间分布具有更为显著的正面影响。这显示，小尺度、人性化、功能复合的城市肌理有助于小微商业的繁荣发展，摊贩疏导区的选址没有在主干道附近设置的必要，而选择在背街小巷等尺度较小、功能混合的区位进行选址，这既符合摊贩本身的分布规律，也可避免对机动交通的干扰。

第三，一些用地性质及其代表的城市功能对流动商贩分布具有显著影响，部分影响在不同时段存在差异。这表明，建立长期定点、临时弹性等多种类型的摊贩疏导区是必要且合理的。比如在教育科研和医疗卫生等公共服务用地周边，可考虑设置若干固定型的摊贩疏导区。而二三类居住用地周边可在午市、交通站场和文化设施可在早市和午市、商务用地周边可在晚市设置特定时段开放的临时型疏导区。各类型疏导区的有机结合既可满足居民购买的消费需求和商贩经营的生计需要，也能尽量减少对街道其它功能的干扰。

注释：

① 如绿地地块仅有出入口或公园名称等少数几个POI，而某幢商务办公楼却同时拥有多个入驻公司的POI。