改革开放30多年来, 我国城镇化进程不断加快, 截止2017年底, 我国城镇化率已达58.52%。在新型城镇化战略背景下, 我国城市发展已进入重质提升, 以人为本的深度城镇化发展阶段。2017年10月十九大报告中也强调, 我国社会主要矛盾已转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。因此, 为了提升城市的吸引力, 满足居民日益增长的生活品质需求, 促进社会公平正义, 基于便利性的城市发展战略对中国城市转型具有重要的指导意义和实践价值。

20世纪40年代, 西方发达国家进入后工业化社会, 城市居民生活水平提高的同时, 各种城市病也层出不穷, 随之催生了对城市便利性的研究^[1]。对于城市便利性的内涵和分类, 国内外学者有不同的论述。1954年, Ullman最早提出"便利性"概念, 将其定义为令人愉悦的生活条件, 并指出了美国城市郊区以及"阳光地带"人口大量增加的原因主要是由于人们对便利性的追逐^[2]。Luger将城市便利性概括为城市利用公共基础设施和公共部门工作人员作为资本和劳动力投入生产的复合"产品"^[3]。冯云廷认为舒适(便利性)是能够带来快乐的特殊商品、服务和环境^[4]。根据城市便利性的载体不同又大致可以分为城市的自然便利性、人工建造便利性、社会经济文化便利性等^{[5, 6]}。由于当时影响城市发展的主要因素依旧是资本、劳动力、土地等, 城市便利性研究并未引起大的反响。20世纪90年代以来, 全球化影响的日益深入, 知识经济背景下, 人才逐渐成为推动城市和区域的发展的关键生产力^{[7, 8]}。在这种情况下, 部分学者重新审视和论证了城市便利性对城市发展的重要性, 认为便利性很大程度上决定了家庭、企业和各种机构的区位选择^{[9, 10]}, 城市地区的生活质量^{[11, 12]}, 乃至城市的吸引力和竞争力, 驱动着城市发展^[13-15]。目前国内与城市便利性相关的研究较少, 类似的理念、成果多分布在城市人居环境及城市基础设施可达性相关研究领域, 如以城市人居环境可持续发展及需求为目标的城市人居环境综合评价、理想模式的构建等^{[16, 17]}, 以各种公共服务设施合理配置为目标的空间可达性性分析, 医疗、养老、交通等设施都有较深入研究^[18-20]。便利性的针对性研究领域, 吴文钰^[21]、温婷^[1]主要介绍了国外城市便利性理论研究的新进展及借鉴意义, 另有一些学者对便利性进行了城市之间的对比分析, 从全国或者区域尺度研究了不同城市便利性对人才吸引, 人口迁移等的重要影响^{[4-6, 22]}, 部分学者还进一步分析了城市内部便利性的空间差异^[23-25], 但更多的是从不同便利性资源分布的角度去探讨。此外, 随着城市便利性研究日益受到地理学、规划学、社会学、经济学、行为科学等多个学科关注, 研究方法也逐渐多样化, 主要包括问卷和访谈、经济学特征价格法, 以及结构方程模型等^[1]。

综上所述, 认为城市便利性是一种吸引人的、使人受益的、满足多元需求的公共产品, 其类型随着城市居民不同阶段需求的变化而变化。但传统的研究内容多囿于人才吸引、迁移等几个方面, 研究尺度多聚焦于国家、区域等宏观尺度, 研究视角由于数据缺陷多从便利性资源分布或者可达性、综合评估等方面解读。而信息时代的到来可以表征城市便利性的具备较高时空粒度的大数据日益普及^[26-28], 使感知城市便利性和海量个体之间的空间供给与需求关系可以得到很好地呈现, 尺度和精度之间的兼顾问题较大程度上得以解决。因此, 基于供需视角并结合多源网络大数据融合的技术方法, 根据城市便利性的内涵, 围绕供给、需求两个维度, 确立城市内部便利性综合测度体系, 并以南京市中心城区为典型案例区, 测度其便利性的空间供需关系, 为进一步提升南京市中心城区的便利性提供科学依据。

南京市作为东部地区重要的中心城市, 致力于打造成为现代化国际性人文绿都^[29]。2016年常住人口城镇化率达82%, 主城区品质不断提高, 但市民在享受着现代便利生活的同时, "城市病"也日益迫近, 城区内部的便利性表现为不同类型的差异。因此, 选取南京市中心城区为案例地, 具体由主城和东山、仙林、江北三个副城构成(图 1)。

图 1(Fig. 1)

图 1 南京市中心城区 Fig.1 Central Urban Area of Nanjing

数据源主要包括百度地图POI数据、微信宜出行热力地图数据、房产网站"房天下"房价数据, 数据抓取时间段为2017年6月5日-11日(包括工作日、非工作日在内的完整一周)。根据便利性的内涵及前人研究的基础上, 从百度地图POI数据中筛选出23类共37181条数据, 分别表征教育、医疗、购物、交通、餐饮、休闲、金融服务、生活服务等便利性资源(表 1、图 2 (a)), 每个POI包含四方面信息, 名称、类别、经度、纬度; 微信宜出行热力地图数据是一种可以近乎实时表征人口集聚特征的位置大数据, 为了表征平均状态下人口数量相对值的分布状态, 选取一周为数据获取时间段, 以上午10:00和晚上22:00获取的数据, 共1748691条(图 2 (b)), 分别反映工作活动、居住活动的分布状态, 最终求取一周的平均值, 反映资源便利性的需求数量分布, 每个热力点位包含日期、时刻、经度、纬度信息; 为了更加精确地表征资源便利性的需求水平的差异, 以小区为房价最小采集单元, 采集小区整体房价数据(3811条), 包含房价、房龄、经度、纬度等信息(图 2 (c)), 可以很大程度上反映该小区居民的消费能力, 侧重于从经济实力表征便利性资源的需求水平。

表 1(Tab. 1

表 1 便利性资源分类 Tab.1 Classification of Amenity Resources

表 1 便利性资源分类 Tab.1 Classification of Amenity Resources

图 2(Fig. 2)

图 2 表征便利性供需的网络大数据空间分布 Fig.2 Spatial Distribution of Network Big Data that Characterizing Amenity

为了统一资源便利性的分析单元, 初步构建步行基本生活圈, 将南京市中心城区划分为1km*1km的格网。具体分析框架如图 3所示。计算落入格网各便利性资源的密度、种类、能级, 以及人口热力点位数、小区房价的平均值, 进而构建便利性资源供给指数及需求指数。为了辨别便利性资源空间上的供需关系, 利用自然间断点分等方法将便利性资源供给指数和需求指数分为低、中等、高三个等级, 直接比较供需等级之间的相对差异。显然, 供给与需求同属一个等级最有可能供需平衡, 等级差距越大越失衡, 理论上供需关系可以分为9种状态(表 2)。最终, 根据便利性资源的空间供需关系针对性地制定优化策略。

图 3(Fig. 3)

图 3 便利性供需关系空间特征分析框架 Fig.3 Analysis Framework for Spatial Features of Supply and Demand Relationship of Amenity

表 2(Tab. 2

表 2 便利性供需关系类型 Tab.2 Types of Supply and Demand Relationship of Amenity

表 2 便利性供需关系类型 Tab.2 Types of Supply and Demand Relationship of Amenity

研究方法主要涉及GIS的空间分析技术。便利性资源供给、需求指数计算公式如下:

式中, RSI (resource supply index)为资源供给指数, RD (resource density)为资源密度, RS (resources species)为资源种类, RL (resource level)为资源能级, 其中资源能级指该类资源实际承担的服务能力, 根据资源能级越高, 总量布置越少的普遍规律, 资源的能级由该类资源量(RQ, resource quantity)的倒数表征; RDI (resident demand index)为居民需求指数, DQ (demand quantity)为居民的需求量(人口空间分布热力点位数), DL (demand level)为需求水平(小区房价)。

此外, 为了不同数据间的叠加分析及比较, 对所有数据进行极差标准化处理, 数值映射到0-1之间。

基于便利性测度方法及供需关系分类标准, 比对南京市总体规划(2011-2020)中公共活动中心的布局与定位, 分析整体及不同种类的便利性资源空间分布及空间统计特征, 识别其空间结构及空间问题。

如图 4所示, 便利性存在多种的供需组合, 但总供需关系与各分项供需关系的空间分布大体类似, 各类便利性供需关系内部空间分异显著的同时, 各类便利性之间供需空间关系表现出较强的一致性, 老城区中心新街口地区多为高水平平衡地区, 次外围主要以老城市范围为界内外多供小于需的地区, 远离主城的副城外围又多属于平衡地区, 因此基本呈现开放式圈层结构。

图 4(Fig. 4)

图 4 便利性供需关系空间分布 Fig.4 Spatial Distribution of Supply and Demand Relationship of Amenity

供需平衡方面, 整体及及不同种类的便利性存在低等、中等、高等三个等级的供需平衡。低等级平衡上, 整体及不同种类的便利性地区分布相似, 多存在于远离主城的副城外围, 连片分布。中等级平衡上, 整体及不同种类的便利性的分散分布且空间分异较大, 但绝大部分分布在主城老城区以外的地区, 并多以主城区分布为主, 具体区域又多有所指向性。例如, 主城区的地铁1号线迈皋桥站周边地区存在中等等级的整体及交通、休闲、生活服务、购物、金融服务方面的便利性, 东山副城的天印广场、江宁万达广场地区存在中等等级的餐饮、交通、休闲、生活服务的便利性; 餐饮便利性供需中等平衡多分布在拥有大型商场的地区; 交通便利性供需中等平衡地区多分布在主城区的一些地铁站点附近; 医疗便利性供需中等平衡主要分布在一些综合医院附近地区; 教育便利性资源供需中等平衡地区在主城区的东北部地区则比较集聚。高等级平衡上, 整体及不同种类的便利性的高等级供需平衡的地区分布较为集聚, 绝大部分存在于主城区的老城区内, 但具体分布地点有所差异。

供大于需方面, 只有餐饮、交通、休闲、医疗、教育、生活服务、购物便利性存在这种供需关系, 总共可分为中供-低需、高供-中需求两种情况, 以中供-低需为主, 不同便利性空间分异较大, 但多存在于江北副城。

供小于需方面, 整体及及不同种类的便利性均存在低供-中需、中供-高需、低供-高需三种供需关系。其中低供-中需的便利性空间分布相似, 在主城区多连续分布在老城区以外的东北部、东部、南部以及河西新城的南部地区, 东山副城则多大片分布在副城中心区域, 仙林副城、江北副城则多呈现孤立团簇的形态分布在较大的区域中心地区; 中供-高需的便利性绝大部分分布在主城区, 散布在老城区内城东以外的地区以及河西新城中北部地区; 低供-高需的地区分布在江北副城以外的地区, 并以主城、东山副城分布为多; 在主城区与中供-高需便利性的空间分布类似, 并与其相杂分布; 东山副城、仙林副城地区多块状分布在低供-中需便利性的外围。

从便利性空间供需关系在主副城分布的对比来看, 主城除有老城区及周边少量中高等级平衡地区及外围较少的低等级平衡地区外, 大部分地区属于供小于求的地区, 即使便利性较为集聚的老城及其周边地区, 由于需求水平相对更高, 大部分地区依旧表现为相对供给不足; 副城便利性以低供需平衡及供小于求为主, 但具体便利性供需关系的空间分布均存在较大差异。其中东山副城除城区外围表现为连片低供给-低需求关系外, 在城区中部多存在低供给-中需求的便利性供需关系, 少量地区还分布低供给-高需求关系, 部分便利性资源还存在中等供需平衡、供大于求的地区; 仙林副城、江北副城绝大部分地区便利性以低供给-低需求为主, 其次为低供给-中需求关系; 此外, 仙林副城便利性还存在低供给-高需求关系, 仙林副城、江北副城部分便利性资源还零星存在中供给-中需求、供小于求的情况。因此, 一方面应适当引导主城区人口过于集聚的地区适当分流, 另一方面也应该加强副城地区便利性的培育以及人气的集聚。

此外, 通过与公共活动中心规划布局比对可以看出传统的市中心新街口地区的整体及不同种类的便利性多处在高供需平衡水平, 河西、城南市级公共活动中心地区的便利性当前仍供小于需, 供需水平需进一步向新街口地区看齐, 其他地区级中心则需要提升便利性的供给能力; 东山副城的各级公共活动中心地区基本均存在供小于需的状况, 便利性的供给能力也需要进一步提升; 仙林副城中心以及青龙、白象、栖霞等地区中心的发育水平很低, 便利性供需均处于低水平平衡状态, 距离规划目标尚远, 仙鹤、新尧等地区中心的便利性则供不应求, 供给能力需要加强建设; 江北副城的副市级中心江北中心、副城中心雄州中心的便利性依旧发育很低, 需求很弱, 大厂、桥北、珠江等地区中心的便利性多呈现低供-中需的供需关系, 因此现阶段江北副城应着力打造与自身定位相符的便利性, 提升便利性供给, 集聚较高水平的便利性需求。

为了整体上揭示中心城区便利性供需关系的相对差异, 借鉴生态景观学原理, 计算不同便利性供需关系空间分布的斑块密度和破碎度。斑块密度指该供需状态下便利性的分布区域所占面积与所有供需状态下便利性的分布区域所占总面积的比例, 用于反映不同供需状态下便利性分布区域大小的差异; 破碎度指该供需状态下便利性分布区域的斑块总数与其总面积的比例, 用于反映该便利性资源空间分布的连续性。显然, 某种供需状态下, 斑块密度越高, 则该供需状态下的便利性分布区域越多; 破碎度越高, 该供需状态下的便利性分布的连续性越差。由于统计单元为公里格网, 则斑块密度、破碎度取值均在0-1之间。

由图 5、图 6可以看出, 供需平衡方面, 一方面总供需与各分项供需平衡的斑块密度整体上均在0.7左右, 次级分类中又以低等级供需平衡的地区占绝大多数, 达到0.9以上; 另一方面总供需与各分项供需平衡的破碎度均在0.05左右, 其中低等级平衡的总供需与各分项供需资源分布的破碎度最低, 均在0.03左右, 表明中心城区存在大量连续分布的低效便利性资源供需平衡地区, 导致供需平衡质量整体不高。供大于需方面, 一方面供大于需的地区斑块密度整体均在0.006以下甚至不存在, 次级分类以中供-低需占主流, 其斑块密度多在0.8以上, 表明在中心城区以中供-低需为主的供大于需的模式只是个别现象; 另一方面以中供-低需为代表的供大于需模式的破碎度均接近或者等于1, 可见该类模式分布地区也极为零散。供小于需方面, 一方面供小于需地区的整体斑块密度均占0.3左右, 次级分类以低供-中需为主, 其斑块密度皆在0.7以上, 表明在中心城区供小于需模式存在局部地区, 且大部分地区供需失衡差异不大; 另一方面, 供小于需模式分布区域的破碎度均在0.2左右, 其中低供-中需的模式分布地区多在0.15左右, 可见以低供-中需为主要模式的供小于需地区分布也较为均匀连续。

图 5(Fig. 5)

图 5 便利性供需关系空间分布的斑块密度 Fig.5 Patch Density of Spatial Distribution of the Supply and Demand Relationship of Amenity

图 6(Fig. 6)

图 6 便利性供需关系空间分布的破碎度 Fig.6 Fragmentation Index of Spatial Distribution of the Supply and Demand Relationship of Amenity

着眼于城镇居民生活质量的整体均衡提升, 以便利性为研究视角, 构建便利性测度体系, 利用多源网络大数据从供给、需求两方面测度南京市中心城区便利性的空间特征。并得到以下几点认识:

(1) 便利性供需关系多样, 空间分布大体类似, 倾向于多类聚合分布, 并呈现较为明显的圈层结构, 集聚特征显著。各类便利性供需关系内部空间分异显著的同时, 各类便利性之间供需空间关系表现出较强的一致性, 表明便利性资源要素之间关联成较为紧密的便利性系统。其中, 老城区中心新街口地区多为高水平平衡地区, 次外围主要以老城市范围为界内外多供小于需的地区, 远离主城的副城外围又多属于平衡地区, 因此基本呈现开放式圈层结构。

(2) 主城便利性相对供给不足, 副城则以低供需平衡及供小于求为主, 各公共活动中心发育程度不一。由于主城便利性资源的相对集聚以及对便利性的过度追逐, 一方面导致获得优质便利性资源的成本大幅升高, 另一方面由于固有便利性供需关系的锁定也抑制了新的便利性生成, 最终导致主城便利性相对供给不足, 社会弱势群体也可能被边缘化。副城便利性供给一般不高, 需求也以中低水平为主, 一方面表现为一些公共活动中心远离现有人口集聚分布区域, 发育程度不高甚至尚未开发, 难以达到规划目标, 另一方面副城的老城区改造开发缓慢, 新区人口又集聚较快, 便利性供不应求的现象也普遍存在。因此, 首先应综合考虑主副城便利性的供需联动态势, 统筹协调便利性供给流和需求流的关系, 疏散主城区非核心、非主体的便利性资源向主城外围、副城等地区迁移, 引导人口过于集聚的地区适当分流, 加强副城地区便利性的培育以及人气的集聚, 并制定贴合实际的开发时序和强度, 确保各级公共活动中心的空间合理布局, 做好增量规划; 其次, 应关注主副城老城区、老街区及时的更新改造, 提升符合居民现代生活诉求的便利性品质, 做好存量规划。

(3) 中心城区便利性空间分布在数量及连续性方面均呈现低供需平衡、低供-中需以及中供-低需依次降低的模式, 整体而言便利性供需水平不高。便利性供需平衡地区虽占绝大部分地区并连续分布, 却以低供需平衡地区为主, 供需平衡质量较低, 对于非外围地区需适当提高这些地区供需平衡水平, 外围地区保障基本便利性需求; 供小于需地区次之, 以低供-中需的供需类型为主, 这些地区需加强便利性供给能力的建设; 供大于需的地区及分布连续性最低, 以中供-低需为主, 这些地区虽然不多, 但存在人口流失, 便利性需求降低, 导致便利性资源浪费的现象, 更多需要相应地降低便利性资源配置, 合理减量规划。

基于多源网络大数据融合的城市便利性测度尝试为便利性研究提供新的研究视角和研究尺度, 并在数据源及研究方法上具有数据获取及分析客观全面、细致直观的特点, 并可以在较大程度上评估诊断城市相关规划的实施效果与合理性, 为解决相关城市问题提供坚实支撑。研究也存在一些不足, 一方面由于现阶段地理空间大数据还存在缺乏丰富的属性信息, 人群异质性、代表性不足的问题^[30], 多元便利性资源与不同需求主体之间多对多的供需匹配关系还有待进一步挖掘; 其次, 便利性供需测度体系初次尝试构建还比较粗糙, 供需平衡标准需要进一步优化。这些要与传统的小数据调查分析方法相结合, 在大数据识别问题、宏观整体把握的基础上, 找到优化解决方案。