文章快速检索     高级检索
  人文地理  2020, Vol. 35 Issue (3): 65-75  DOI: 10.13959/j.issn.1003-2398.2020.03.008
0

引用本文  

王录仓, 常飞. 基于多源数据的兰州市主城区城市职住空间关系研究[J]. 人文地理, 2020, 35(3): 65-75. DOI: 10.13959/j.issn.1003-2398.2020.03.008.
WANG Lu-cang, CHANG Fei. THE STUDY OF JOB-HOUSING RELATIONSHIP OF CITYBASED ON MULTISOURCE BIG DATA-TAKING CENTRAL URBAN AREA OF LANZHOU AS AN EXAMPLEMAIN CITY AREA[J]. Human Geography, 2020, 35(3): 65-75. DOI: 10.13959/j.issn.1003-2398.2020.03.008.

基金项目

国家自然科学基金项目(41261042)

作者简介

王录仓(1967-), 男, 甘肃天水人, 博士, 教授, 主要研究方向为城乡发展与规划。E-mail:wanglc007@nwnu.edu.cn

文章历史

收稿日期:2019-07-24
修订日期:2019-12-31
基于多源数据的兰州市主城区城市职住空间关系研究
王录仓 , 常飞     
西北师范大学 地理与环境科学学院, 兰州 730070
提   要:随着中国经济转轨和社会转型,“职住分离”日趋严重,导致城市出现了一系列问题,急需对新的职住关系进行检视。职住关系研究的难点在于如何有效地锁定居住地、工作地,以及居民如何在居住地—工作地之间位移、居住—就业的空间匹配关系。论文以百度POI大数据和热力图为支撑,辅助问卷调查,结合兰州市土地利用现状图,综合应用职住比模型和最近距离等分析方法,多尺度刻画了兰州市主城区的职住关系。结果表明:在城区尺度上,兰州市职住关系总体处于平衡状态,职住平衡型占99.40%,居住倾向型和就业倾向型分别仅占0.12%和0.48%。从城市核心区到边缘区,职住失衡逐渐加重。职住平衡更多地体现在单位型社区上,失衡主要由商业型社区引致。在街道尺度上,职住关系差异明显,绝大多数街道处于职住平衡状态。城市核心区街道以“就业倾向型”为主;边缘区街道表现为“居住倾向型”。
关键词职住关系    百度POI大数据    百度热力图    兰州市主城区    
THE STUDY OF JOB-HOUSING RELATIONSHIP OF CITYBASED ON MULTISOURCE BIG DATA-TAKING CENTRAL URBAN AREA OF LANZHOU AS AN EXAMPLEMAIN CITY AREA
WANG Lu-cang , CHANG Fei     
College of Geography and Environment Science, Northwest Normal University, Lanzhou 730070, China
Abstract: "Job" and "housing" are the most basic functions of the city, and the job-housing relationship reflect the order and efficiency of the city. Car dependence, traffic congestion, long commute are torturing many metropolises. To deal with those, different countermeasures have been proposed. Among them, the jobs-housing balance has been considered as one of the most effective. Existing jobs-housing balance studies have relied heavily if not solely on small data. This article argues that Baidu Heat Map and Baidu POI big data can be used to effectively facilitate the jobs- housing balance studies, making them transcend the constraints such as detection of latency and limited geographic/temporal coverage posed by small data. Via a case study of Lanzhou, it shows how Baidu Heat Map and Baidu POI can be processed to derive useful information to advance the aforementioned studies. The results showed that: 1) Within 1 working days, between workplace and residence, population flow have obvious space-time displacement phenomena. 2) On the urban areascale, the job-housing relationship is in a balance state in Lanzhou, the job-housing balance typeccount for 99.40%, residential leading type and employment oriented type only ccount for 0.12% and 0.48% respectively. 3) On the scale of the subdistrict office, there is a significant difference in job-housing relationship, and most subdistrict offices are the Job-housing Balance type. The ssubdistrict offices in the urban core area are mainly "employment orientedtype", while the subdistrict offices in the middle urban areas show "job-housing balance type"; The subdistrict offices in the urban fringe show "residential leadingtype".
Key words: job-housing relationship    Baidu POI big data    Baidu Heat Map    central urban area of Lanzhou    
1 引言

“职”和“住”是城市最基本的功能,职住关系反映了城市秩序与效率[1]。在计划经济体制下,受“单位办社会”的深刻影响,职住关系比较匹配。1998年后,随着中国城市住房制度的变化,传统的“单位型社区”逐渐被大量的“商业型社区”和部分“保障型社区”所替代,职住分离态势日益凸显,空间分异加剧,这种分异不仅反映在不同的城市空间尺度上,而且投射在不同的居住类型上。职住关系研究的难点在于如何有效地锁定工作地和居住地,以及居民如何在工作地—居住地之间位移、居住—就业的空间匹配关系。

目前关于职住关系的研究,主要聚焦在职住平衡(jobs- housing balance)、职住分离(失配)(jobs- housing mismatches)方面。职住平衡首先要明确平衡的界定及其测度方法[2]。职住平衡(均衡)包括数量平衡和质量平衡,前者指在既定的地域范围内就业岗位数和居住单元数均衡,即测量平衡度(balance);后者则指在既定的地域范围内居住并工作的劳动者数量所占该区人口的比重,即测量自足性(self-contained)[3]。一般认为职住平衡可以缩短通勤距离,增加绿色出行,避免交通拥堵[4-8],但也有反对者[9-12]。职住分离(失配)一般指居住地与工作地之间存在较大的空间距离[13],一般采用职住比测度。

居住—工作—通勤是职住关系分析的关键环节[14]。传统的职住关系研究,通常采用人口(经济)普查(抽查)数据[15-20],或问卷调查数据[21-28]。普查数据的时效性和连续性较差,问卷调查数据的代表性、覆盖性和样本容量受限,都很难准确的评估职住关系。伴随着信息技术的发展及应用,地理数字足迹(digital footprint)开始成功的应用于职住关系研究[29-32]。目前主要采用单源数据和多源数据开展职住关系,如手机信令数据[33-36]、公交刷卡数据[37-40]、GPS数据[41, 42]、百度地图[43, 44]等。在公共开放数据(public open data)条件下,百度POI和热力图不仅具有更好的空间定位功能,而且可以清晰地刻画流动人口的轨迹和聚集场所,具有直观的可视化效果,因而在分析城市职住关系上更具有优势。本文以百度POI大数据和热力图为支撑,辅助问卷调查,结合兰州市土地利用现状图,识别了居住地与工作地的空间格局,应用职住比模型和最近距离等分析方法,刻画了职住关系。对促进城市空间结构优化、加强城市管理、提升交通效率具有重要的决策参考价值。

2 数据来源与方法 2.1 数据来源

本文的主要数据源于百度热力图和百度POI。百度热力图以智能移动终端设备的地理位置信息为依据,每15分钟更新一次,按照位置聚类,可显示城市人口流动的方向和空间聚集状态,进而刻画人口在居住地与工作地之间的位移。为了尽可能避免流动性人口对数据的干扰,本文选择人口流动性不强、户外活动很少的冬季,即获取2016年12月29日和12月30日兰州市主城区百度热力图各23张,时间跨度为7:00—24:00,并将全天划分为上班时段(9:00— 12: 00和14:00—18:00)、休息(闲)时段(7:00之前、19: 00之后)、通勤时段(7:00—9:00、12:00—14:00和18:00—19:30)。

获取百度POI数据,其中居住地数据1164个,并依据住宅属性划分为商业小区、单位家属院和保障型小区;工作地24892个,并依据其性质划分为行政办公、公安交警、餐饮、写字大厦等。地图数据来自兰州市城市土地利用现状图和规划图。

为了进一步验证兰州市主城区职住分离情况(通过通勤反映),针对受访者的居住地与工作地、通勤时间成本与费用成本等信息设计若干问题。共发放一般问卷2200份,回收问卷2030份,回收率为92.27%;其中有效问卷1740份,回收有效率为85.71%(表 1)。

表 1 调查问卷分布情况分析 Tab.1 Analysis of Questionnaire Distribution
2.2 研究方法

将兰州市主城区百度地图和城市土地利用规划图分别在ArcMap中转换投影、配准坐标,然后基于“配准链接”批量配准百度热力图。在ArcMap中加载PNG格式数据第4通道,并基于热力值大小按自然间断法进行“重分类”(reclassify)。将主城区热力图分为7个热力等级,其中1级为非热力级,2、3级为中热力级,4、5级为次热力级,6、7级为高热力级。将栅格化的热力图与主城区土地利用现状图叠加,计算居住区中不同热力区面积比例,借以描述职住空间关系。根据重分类后的各个热力段面积(栅格面积)所占中心城区面积(栅格面积),考察一天之内各个热力段面积占比的时空变化,据此得到不同时段、不同城市区域的人口集聚状况。

为了进一步识别工作地和居住地,依据兰州市城市土地利用现状图,将城市建设用地(除道路外)分为11类:居住用地、工业用地、商业用地、行政办公用地、物流仓储用地、商务及设施网点用地、绿地与广场用地、交通场站用地、公用设施用地和其他建设用地,其中居住用地代表“住”,其余用地(除绿地和广场用地外)代表“职”。在ArcMap中,将高热区、次热区和非热力区与主城区土地利用现状图叠加,计算不同性质城市用地上的热力区面积占比,借以描述“职住”空间关系。将百度POI数据加载到ArcMap中,计算居住地与工作地的最邻近指数,进一步检视职住关系。

3 人口的职住时空位移

选取上班前、工作和休息时段的热力图,研究人群在职住间的时空位移状况(表 2图 1),可知上班前和下班后人群高集聚在居住区,工作时段高热区主要分布在写字楼和商业区。

表 2 兰州市主城区人口集聚核心地理位置及性质 Tab.2 The Core Location of Population Agglomeration in the Central Urban Area of Lanzhou City
图 1 工作时段和休息时段兰州市中心城区热力图 Fig.1 Heat Map of Entral City during Working Hours and Rest Period in the Central Urban Area of Lanzhou City

计算5个时段、各类用地上的热力区面积占比(图 2)。结果表明,人口在职住间存在着稳定的、节律性的时空变化特征。7:00,人口大量集聚在居住用地,但随着早班通勤高峰的到来,居住用地上的热力比急剧下降,意味着人口离开居住地;在工作时段,热力比相对稳定,长达8小时;12:30—13:58时段(即午休时间),虽然有起伏,但波动性并不强,原因是大部分单位实行“朝九晚五”作息时间,中午流动性很弱;从18:47开始,居住用地上的热力比又开始急剧上升,意味着人口又返回居住地。商业用地和公共服务用地上的热力比大致呈反向变化态势。据此可知,在工作日,随着早间通勤人士从居住地向工作地集中,导致工作地上的高热区和次热区快速上升;从9:00起与购物和娱乐人口混杂在一起,形成8小时的相对稳定期;18:00下班后,人群离开工作地外出就餐或返家,使得工作地上的高热区和次热区同步下降;20:13之后,由于部分工作者晚餐后休闲和娱乐,或受加班族的影响,高热区和次热区又略微上升,直到21:32之后又下降,说明人群已经回到居住区。

图 2 各类用地上热力区面积占比(单位:%) Fig.2 Area Occupation Ratio of Heat Areaofvarious Land-use in Lanzhou City (unit:%) 注:A:居住用地;B:工业用地;C:商业用地;D:公共服务设施用地;E:行政办公用地;F:物流仓储用地;G:商务及设施网点用地;H:绿地与广场用地;I:交通场站用地;J:公用设施用地;K:其他建设用地。

在兰州市的就业结构中,工业是最多的就业部门,占比达25%,其次是批发和零售业,占22%。受“出城入园”政策的影响,制造业、仓储业等大部分迁出主城区,迁入周边组团或兰州新区。兰州市虽为典型的工业型城市,但主导产业部门(石油、化工、机械、电力、冶金等)主要建设于“一五”和“大三线”时期,受当时城市建设方针和企业办社会的深刻影响,存在着非常典型的“职住一体化”现象,因此工业用地上人口的时空聚集特征并不明显。人口的时空聚散主要由服务业和商业人口引致。

4 职住平衡状况 4.1 城区尺度上的职住关系

分别提取工作时段和非工作时段的热力图,以前者减去后者得到11个级别热力差值。将-1—1界定为职住平衡型,-2—-3与2—3界定为职住相对平衡型,4—5界定为就业倾向型,-5—-4界定为居住倾向型(图 3)。结果表明,兰州市主城区职住关系总体而言较为平衡,职住平衡型占48.05%,相对平衡型占51.35%,居住倾向型和就业倾向型分别仅占0.12%和0.48%。且从城市核心区向边缘过渡时,职失衡现象趋于加重。居住倾向型区域主要分布在城市边缘区,这与商业型社区在空间上高度耦合;就业倾向型区域主要分布在各辖区的核心地区。

图 3 兰州市职住关系 Fig.3 Job-housing Relationship of Lanzhou City

为了检验结果的合理性,论文采用分层抽样调查方式,结果显示,兰州市居民通勤出行方式以公交车为主,占51.72%,说明一半以上居民仍然依赖公共交通,其次是步行,占21.26%,尤其是短途通勤时,这一比例更高。随着经济社会的快速发展,私人交通工具的比例在不断提高,占8.75%。同时有6.25%样本仍在享受单位提供的通勤便利,仅有6.23%的人口选择了成本较的的出租车。由些可见,在经济相对落后的内陆城市,公共交通仍然是居民通勤的最主要工具。中心城区的平均通勤时间大约为27 min,这与中国Ⅱ型大城市的一般情况类似,中国Ⅱ型大城市的平均通勤距离为10.34 km,其中公交为11.69 km;平均通勤时间为29.18 min,其中公交为36.09 min[45]。刘定惠[46]调研结果表明,兰州市居民的居住地—就业地间的平均距离为2.34 km,50%居民的通勤距离在1 km内,说明职住分离不明显。为了进一步判断通勤人口的流向,构建分区域“居住—就业”人口矩阵(表 3)。

表 3 兰州市调查样本中通勤流向矩阵(人) Tab.3 Commuting Direction Matrix in Survey Sample in Lanzhou City

按照居住地考量,城关区、七里河区、安宁区、西固区在本区内就业的人口占比分别为70.3%、50.0%、55.6.3%、66.7%,而跨区就业的人口占比相对较小。城关区与七里河区由于地域上的邻近性,分别有25.7%和32.7%前住七里河区和城关区就业;而空间相对分离的安宁区和西固区跨区域就业的人口比例更低。这既与中国特色的行政区经济密切相关,也与兰州市功能分布、城市职住格局密切相关。兰州市是典型的河谷型城市,通勤时间较长的情况多发生在东西流向(城市主轴方向)或者南北流向但需跨越黄河大桥的交通线上,即主要发生在跨行政区交通上,而通勤时间短的线路主要局限于行政辖区内部,这一格局与就业格局相吻合。兰州市城市公共交通的可达性进一步证实了这一点,由高到低的顺序为:七里河区至城关区,安宁区至城关区,西固区至七里河区,西固区至安宁区[47]。需要指出的是:人们往往将通勤状况和与交通效率相挂钩,认为职住分离引致的通勤是交通拥堵的原因,在交通满意度调查中,“不满意”“非常糟糕”的样本占全样本的51.7%,可见超过半数的市民对交通现状都不满意。但在堵车现象调查中,超过62%的居民表示出行会经常遇到堵车现象,而“公共交通不完善”与“道路用地面积偏小”是最主要的因素(合占57%)。由此可见,交通拥堵问题与职住分离并没有关系,而主要取决于带状城市形态和交通状况的基础性影响。

兰州市是典型的河谷带状城市,当城市发展到一定规模时,必然会受空间容量的刚性约束,纵向距离过长引致的城市规模不经济,需要进一步培育次级中心或寻求新的发展空间,以降低边缘区与中心区因距离过长而造成的交通成本和管理成本。目前兰州市发育形成带状、分散、多中心组团结构形态——即城关四组团、七里河、西固、安宁三个组团,七大组团之间功能互补,但紧凑度都比较低,尤其是组团之间。城关中心组团是兰州市的CBD,能够提供大量的工作岗位,同时吸引了部分跨区就业人口,雁滩、东岗、盐场组团位于城市外围地带,其中雁滩、东岗组团已成为城关区最主要的商业型社区分布区,盐场组团位于黄河北岸,早期是兰州市主要的医药和交通机械工业分布区,后期是高新技术产业园区分布区,但在园区实际建设的过程中已被商业社区所替代,成为主要的居住空间。而功能相对单一、均质性更强的的西固区和安宁区,是兰州市主要的工业区和文化区,受早期城市建设和“统包统配”就业制度的深刻影响,各大企事业单位都建有典型的家属院,职住融合效应非常明显,跨区就业相对较少。

居住区类型的差异表征了城市的发展历程和特定的城市制度变革。传统的中国城市居住形式以世代延居型(即老城区大杂院)、职住融合型(即单位家属院)和职住分离型(即商业型社区和保障型社区)为主。传统的大杂院在旧城改造和城市地域结构调整过程中已消失殆尽;单位大院是在中国特定的历史时期形成的,1998年后尽管进行了“房改房”,但职住融合的格局和社区结构并没有根本性改变,保持了长久的稳定性;商业型社区和保障型社区是在中国城市土地使用制度和住房制度改革的背景下形成的,出于赢利性目的(房地产商)或解困目的(市政府),很难配套解决就业问题,形成了典型的职住空间分离。为了进一步考察职住平衡/失衡究竟体现在哪类居住区上,利用百度POI数据,按平均通勤距离2.43 km[46]对职住关系进行邻近分析。结果表明,62%的居住地2.43 km范围内有众多的工作地存在,32%的居住地2.43 km内只有0—8个工作地(图 4)。这意味着兰州市绝大多数居住地能够在较短的通勤范围内实现就近就业,长距离通勤较少。但按单位型社区、商业型社区、保障型社区再细分研究,就会发现单位型社区职住邻近关系最密切,而商业型、保障型社区职住邻近关系较疏远。这实际上反映了不同时代、制度背景下的职住关系。总体而言,作为内陆省会城市,在计划经济体制和机制的影响下,在“重生产、轻生活”的城市建设方针指引下,在城市土地“行政划拨、无偿使用”的背景下,在“单位办社会”的背景下,往往形成典型的职住一体化现象。改革开放后,随着中国现代企业制度的建立和社会阶层分异的出现,尤其是住房制度和土地使用制度的革命性变革,职住关系由融合逐渐走向分离。房地产催生下的商业型社区,打破了城市居住依托“单位”择房的惯习,而社会阶层分异引致的收入水平差距,导致居民在谋求居住空间时,不得不优先考虑自己的支付能力。受建成区现状、地价和拆迁安置成本等因素的刚性约束,商业型社区往往布局在城市边缘区,因此形成了典型的居住主导的职住分离现象。而1990年代以来建设的各级、各类工业园区(或高新区、物流园区),在“出城入园”政策的引导下,也往往位于城市边缘区,在现代企业制度下,这些企业不再象历史时期那样过多地承担社会职责,配套解决职工的住房问题,因此形成了就业主导的职住分离现象。进入21世纪后,随着城中村改造和保障房建设的深入实施,形成了大面积的新型农村社区(或村改居)以及保障型居住区,这些区域原本就是城乡结合部的农村地区或城市外围区,“解困”是其首要任务,同样没有配套解决就业问题。因此与城市核心区的职住一体化相比,边缘区更多地表现为职住分离。

图 4 不同类型居住地2.43 km范围内工作地的数量 Fig.4 Number of Work Places within 2.43 km of Residence Place
4.2 街道尺度上的职住关系

街道办事处是中国城市最基层的行政管理单元。区级行政单元的职住关系自然渗透或映射在街道尺度上,并表现出更明显的空间分异特征。兰州市50个街道中(含一个高新技术开发区管委会),绝大多数属于职住平衡型(图 5表 4)。

图 5 兰州市50个街道职住热力度差异图 Fig.5 Heat Differenceof Subdistrict Offices in Lanzhou City
表 4 兰州市各街道办职住关系 Tab.4 Jobs-Housing Relationship of Subdistrict Offices in Lanzhou City

就业主导型(占6%),包括张掖路街道、广武门街道、渭源路街道,全部分布在城关中心组团,其中张掖路街道、广武门街道原为兰州市老城区,是兰州市的CBD,有众多的就业单位(尤其是商业和服务业部门),同时在旧城改造过程中,将大部分原住民进行了异地安置,尽管该区域是全市人口规模和密度最大的区域,但依然是就业主导型区域。居住主导型仅占10%,主要分布在安宁区、七里河区和及城关区的外围地带,包括孔家崖街道、龚家湾街道、雁北街道、拱星墩街道、安宁堡街道。这些城市边缘区街道原为典型的农村社区,2004年12月16日才“撤乡建区”,迄今仍保留明显的乡村痕迹,如孔家崖街道下辖5个村委会,安宁堡街道下辖8个村委会。在“撤乡并区”和“城中村改造”过程中,仅仅改变了居民的身份与居住方式,但缺少相关的城市产业。同时这些区域也是房地产集中开发的区域,如典型的城关区雁北街道,原为城市近郊区和全市的粮油、蔬菜批发市场(目前已搬迁至兰州远郊区),在房地产开发过程中,大部分用地被开发为各种商业型居住区,而很少配套解决就业问题,导职严重失配。居住地与就业地交叉分布,居住占优(住略大于职)类型,主要涵盖两种情形:一是在城市拓展过程中,由原近郊乡与街道合并,如陈坪街道于2004年12月由原陈坪乡和原陈官营街道合并而成,银滩路街道2004年撤销孔家崖、刘家堡、吊场3乡,与安宁西路街道整合形成,居住地与就业地混杂,但以居住为主;另一类是原为各大单位(尤其是国有企业)的家属院,如西固区先锋路街道主要是兰炼的家属院,福利路街道主要是兰化和兰铝家属院,安宁西路街道是长风、兰飞、万里家属院,七里河区晏家坪街道和城关区团结新村街道、铁路东村街道主要是兰州铁路局家属院。这些区域是典型的职住一体背景下形成的区域,职住相对平衡,由于大量职工和家属的分布,“居”相对大于“住”。

5 结论与讨论 5.1 结论

“职”和“住”是城市最基本的功能,职住关系反映了城市秩序与效率。传统的中国城市职住关系往往表现为“职住一体化”,然而随着中国经济转轨和社会转型,“职住分离”日趋严重,导致城市出现了一系列问题,急需对新的职住关系进行检视。论文以百度热力图和百度POI大数据为支撑,结合兰州市土地利用现状图,刻画了城市职住关系。结果表明,①在1个工作日内,人口在职住间存在着明显的时空位移现象,工作时间段人群主要集聚在工作地,非工作段则主要集聚在居住地,呈现出明显的节律性特征。②在城区尺度上,兰州市职住关系总体处于平衡状态,职住平衡型占99.40%,居住倾向型和就业倾向型分别仅占0.12%和0.48%。从城市核心区到边缘区,职住失衡逐渐加重。职住平衡更多地体现在单位型社区上,失衡主要体现在商业型社区和保障型社区。③在街道尺度上,职住关系差异明显,绝大多数街道处于职住平衡状。城市核心区街道以“就业倾向型”为主;边缘区街道表现为“居住倾向型”。无论从城区尺度、还是街道尺度上考察,兰州市“就业—居住”总体处于平衡,未形成大幅度、大面积的职住失衡区。兰州市作为典型的河谷带状城市,存在着多中心、组团式结构,居民绝大多数在本组团内部就业,没有出现大规模的跨区通勤和就业,“职住”邻近效应明显。由于中国不同时期城市建设方针、土地和住房制度的强烈指导,以及城市建设时序的差异,导致计划经济体制时期的建成区总体处在职住平衡状态;改革开放后,随着城市规模扩张、流动性加大和社会阶层分异突显,在拓展后的城市边缘区形成了典型的商业型小区和保障型小区,职住失配现象显著高于城市核心区,从而诱发了更严重的交通和社会问题,需要重点关注。

5.2 讨论

职住关系是城市学、规划学和社会学关注的热点和难点问题。对职住平衡进行研究,首先要明确平衡的界定及其测度方法[2]以及相应的数据支撑。职住空间关系是指城市居住地与工作地之间的社会空间关系。居住—通勤—工作三位一体是职住空间关系讨论的重点,职住关系以通勤为桥梁将住房市场与劳动力市场联系起来,结果表现为就业障碍引起的劳动力市场失利[13]。因此无论是概念的界定,还是具体的评估模型都基于此展开。目前基本认同职住平衡是在既定地域范围内,劳动者数量和就业岗位数量大致相等。除此之外还包括质量和匹配层面。质量层面强调同一个区域就业能够满足居住者的自足性要求;匹配层面要求住房价格与就业者的收入水平相适应。在上述概念中,均涉及到区(地)域,而区域自然蕴含了空间“尺度”的本质。城市地域既是物质空间、也是精神和行为空间,既是生活中心,又是就业中心;既存在结节地域,又存在均质地域。因此在多大空间尺度上去界定和把握职住关系强调的“一定范围”,是研究工作得以开展的基础和关键。现有研究基本将城市作为一个整体来讨论职住空间关系,这实际上抹杀或模糊了城市的功能分异和空间结构。如果按降尺度处理空间,如落实到行政辖区或街区尺度,同样面临着结节区与均质区的差异。显然无论在那个空间尺度上讨论职住关系,都无法绕开城市功能分区与空间异质性问题。如果单纯地围绕居住区讨论就业岗位的多寡、围绕工业区讨论居住区是否匹配,只能得出失真的结论。市区、行政辖区和街区(道)是目前城市职关系研究中常用的空间尺度。因此,结合案例区实际,选择适宜的空间尺度,科学识别工作地和居住区位置,准确判断人口在职住间的位移,是分析职住关系的前提和关键。

关于职住平衡估算的依据和标准,不同的学科和学者有不同的看法。从测试方法看,主要有“职住比”——即区域内就业岗位与住宅数量之比。一般而言,城市中心区功能混合,居住用地占比较小,显然不可能职匹配,城市边缘区大量商业型小区云集,且存在着住房“空置率”现象,同样会影响平衡态。梁海艳[18]选取“昼夜人口密度比”,即区域内白天与夜晚人数之比,反映一个区域的职住平衡情况,但同样面临“时间尺度”选取和“夜生活”问题。冷炳荣[48]借助百度热力图所提供的大数据,直接获取不同时间段人口活动强度值,利用工作时段人口活动强度平均值的比值,反映单元内的职住平衡情况,但没有清楚地刻画出人口活力区究竟是居住地,还是工作地?更没有刻画出人口在居住地与工作地位移问题,实际上将居住和就业看做是本区范围之内发生的事,剥离了人口流动性和异地就业的可能。“自足度”即社区内就业者中本地居民的占比或社区内的居民中本地就业者的占比情况,该指标实际上排除了城市外来人口及其流动性,尤其是城市边缘区存在大量外来移民的情况下,不可能得出职平衡的结论来。关于职住平衡“标准”,目前最为接受的标准为0.8—1.2、和0.75—1.25,该标准是实证研究过程中形成的概念,并没有理论支撑。

关于职住关系与通勤、交通问题的关系。一般认为职住平衡可以缩短通勤距离,增加绿色出行,避免交通拥堵,但也有持不定意见者。事实上通勤和交通问题是一个非常复杂的问题,除了通勤引致的交通拥堵外,还有正常出行引致的交通阻塞问题,而这与城市功能结构、平面形态、建成环境和路网格局密切相关。调查发现,兰州市的人口主要在各行政辖区内通勤,而跨区通勤相对较少;城市核心区职住关系相对平衡,而边缘区相对失衡。但几乎所有城市的中心区比外围区的交通堵塞问题更严重,显然这不能完全归咎于职住分离与否。

正由于职住关系的复杂性,因此从不同的学科、不同的视域进行探究,并提出相应的警示,对优化城市空间结构、有效管理城市,仍然发挥着积极的决策参考作用,但显然要彻底解决职平衡关系研究,还需要不断的探索。

参考文献
[1]
孟晓晨, 吴静, 沈凡卜. 职住平衡的研究回顾及观点综述[J]. 城市发展研究, 2009, 16(6): 23-28, 35. [Meng Xiaochen, Wu Jing, Shen Fanpu. The study review of urban jobs-housing balance[J]. Urban Development Studies, 2009, 16(6): 23-28, 35. DOI:10.3969/j.issn.1006-3862.2009.06.005]
[2]
张济婷, 周素红. 转型期广州市居民职住模式的群体差异及其影响因素[J]. 地理研究, 2018, 37(3): 564-576. [Zhang Jiting, Zhou Suhong. The diversity of different groups' job-housing patterns and their impact factors under the background of institutional transformation:A case study of Guangzhou, China[J]. Geographical Research, 2018, 37(3): 564-576.]
[3]
白羽, 赵鹏军. 职住平衡概念与测度方法研究进展[J]. 西北师范大学学报(自然科学版), 2018, 54(4): 93-102. [Bai Yu, Zhao Pengjun. A review of concept and methodology of jobs-housing balance[J]. Journal of Northwest Normal University (Natural Science), 2018, 54(4): 93-102.]
[4]
Frank L, Pivo G. Relationships between land use and travel behavior in the Puget Sound region[J]. Single Occupant Vehicles, 1994, 86(10): 1361-1362.
[5]
Reid E. Before We Write Off Jobs-Housing Balance in Best Development Practices:Doing the Right Thing and Making Money at the Same Time[M]. Chicago: American Planning Association, 1995.
[6]
Horner M W. Extensions to the concept of excess commuting[J]. Environment Planning A, 2002, 34(3): 543-566. DOI:10.1068/a34126
[7]
Horner M W, Alan T. Murray. A multi-objective approach to improving regional jobs-housing balance[J]. Regional Studies, 2003, 37(2): 135-146. DOI:10.1080/0034340022000057514
[8]
Levinson D M. Accessibility and the journey to work[J]. Journal of Transport Geography, 1992, 1(6): 11-21.
[9]
Cervero R. Jobs-housing balance and regional mobility[J]. Journal of the American Planning Association, 1989, 55(2): 136-150. DOI:10.1080/01944368908976014
[10]
Cervero R, Duncan M. Which reduces vehicle travel more:Jobshousing balance or retailhousing mixing?[J]. Journal of the American Planning Association, 2006, 72(4): 475-490. DOI:10.1080/01944360608976767
[11]
Giuliano G. Is jobs-housing balance a transportationissue?[J]. Transportation Record, 1991, 13(5): 305-312.
[12]
Giuliano G, Small K A. Is the journey to work explained by urban spatial structure[J]. Urban Studies, 1993, 30(9): 1485-1500. DOI:10.1080/00420989320081461
[13]
虞晓芬, 高鋆, 梁超. 国内外空间失配理论的研究进展述评[J]. 经济地理, 2013, 33(3): 17-23. [Yu Xiaofen, Gao Jian, Liang Chao. A review on the research of spatial mismatch hypothesis[J]. Economic Geography, 2013, 33(3): 17-23.]
[14]
刘望保, 侯长营. 国内外城市居民职住空间关系研究进展和展望[J]. 人文地理, 2013, 28(4): 7-12. [Liu Wangbao, Hou Changying. Review and prospect of research on spatial relationship between employmentand residence location in domestic and abroad[J]. Human Geography, 2013, 28(4): 7-12.]
[15]
张纯, 易成栋, 宋彦. 北京市职住空间关系特征及变化研究——基于第五、六次人口普查和2001、2008年经济普查数据的实证分析[J]. 城市规划, 2016, 40(10): 59-64. [Zhang Chun, Yi Chengdong, Song Yan. Chaeacteristics of job-housing spatial relationship and changes in Beijing:An empirical study based on data from the 5th, 6th population census and economic census in 2001 and 2008[J]. City Planning Review, 2016, 40(10): 59-64.]
[16]
湛东升, 张文忠, 孟斌, 等. 北京城市居住和就业空间类型区分析[J]. 地理研究, 2017, 37(3): 356-366. [Zhan Dongsheng, Zhang Wenzhong, Meng Bin, et al. Spatial structure of urban residence and employment in Beijing[J]. Scientia Geographica Sinica, 2017, 37(3): 356-366.]
[17]
赵虎, 赵奕, 张一凡. 都市区就业空间演化及规划策略探讨——以济南市为例[J]. 城市发展研究, 2014, 21(7): 42-47. [Zhao Hu, Zhao Yi, Zhang Yifan. The evolution of employment space structure and relative planning strategy in metropolitan Area:A case study of Jinan city[J]. Urban Development Studies, 2014, 21(7): 42-47. DOI:10.3969/j.issn.1006-3862.2014.07.006]
[18]
梁海艳, 孟斌, 李灿松. 大城市职住分离的区域测度方法探究——以北京市为例[J]. 人口学刊, 2014, 36(4): 16-25. [Liang Haiyan, Meng Bin, Li Cansong. Research on metropolitan's job-housing separation region measurement method:Taking Beijing as an example[J]. Population Journal, 2014, 36(4): 16-25. DOI:10.3969/j.issn.1004-129X.2014.04.002]
[19]
刘志林, 王茂军. 北京市职住空间错位对居民通勤行为的影响分析——基于就业可达性与通勤时间的讨论[J]. 地理学报, 2011, 66(4): 457-467. [Liu Zhilin, Wang Maojun. Job accessibility and its impacts on commuting time of urban residents in Beijing:From a spatial mismatch perspective[J]. Acta Geographica Science, 2011, 66(4): 457-467.]
[20]
齐云蕾, 孙铁山. 职住分离的行业差异及其影响因素——以北京都市区为例[J]. 现代城市研究, 2015(1): 58-65. [Qi Yunlei, Sun Tieshan. Sector differences in jobs-housing mismatch and their causes:A case study of Beijing metropolitan area[J]. Modern Urban Research, 2015(1): 58-65. DOI:10.3969/j.issn.1009-6000.2015.01.011]
[21]
孟斌. 北京城市居民职住分离的空间组织特征[J]. 地理学报, 2009, 64(12): 1457-1466. [Meng Bin. The spatial organization of the separation between jobs and residential locations in Beijing[J]. Acta Geographica Science, 2009, 64(12): 1457-1466.]
[22]
孟斌, 郝丽荣, 湛东升. 就业特征与职住分离关系研究[J]. 北京联合大学学报(人文社会科学版), 2013, 11(1): 66-72. [Meng Bin, Hao Lirong, Zhan Dongsheng. A study on the relationship between employers' characteristics and home-work separation[J]. Journal of Beijing Union University (Humanities and Social Sciences), 2013, 11(1): 66-72.]
[23]
刘保奎, 冯长春. 大城市外来农民工通勤与职住关系研究——基于北京的问卷调查[J]. 城市规划学刊, 2012(4): 59-64. [Liu Baokui, Feng Changchun. Commuting pattem and spatial relation between residence and employment of migrant workers in metropolitan areas:The case of Beijing[J]. Urban Planning Forum, 2012(4): 59-64. DOI:10.3969/j.issn.1000-3363.2012.04.009]
[24]
柴彦威, 张艳, 刘志林. 职住分离的空间差异性及其影响因素研究[J]. 地理学报, 2011, 66(2): 157-166. [Chai Yanwei, Zhang Yan, Liu Zhilin. Spatial differences of home-work separation and the impacts of housing policy and urban sprawl:Evidence from Household Survey Data in Beijing[J]. Acta Geographica Science, 2011, 66(2): 157-166.]
[25]
刘望保, 闫小培, 谢丽娟. 转型时期广州居民职住流动及其空间结构变化——基于3个年份的调查分析[J]. 地理研究, 2012, 31(9): 1685-1696. [Liu Wangbao, Yan Xiaopei, Xie Lijuan. Employment and residential mobility and its spatial structure change based on the 3 years survey analysis[J]. Geographical Research, 2012, 31(9): 1685-1696.]
[26]
湛东升, 孟斌. 基于社会属性的北京市居民居住与就业空间集聚特征[J]. 地理学报, 2013, 68(12): 1607-1618. [Zhan Dongsheng, Meng Bin. Spatial clustering analysis of residential and employment distribution in Beijing based on their social characteristics[J]. Acta Geographica Science, 2013, 68(12): 1607-1618. DOI:10.11821/dlxb201312002]
[27]
刘定惠, 杨永春, 朱超洪. 兰州市职住空间组织特征[J]. 干旱区地理, 2012, 35(2): 288-294. [Liu Dinghui, Yang Yongchun, Zhu Chaohong. Characteristics of jobs-housing spatial organization in Lanzhou City[J]. Arid Land Geography, 2012, 35(2): 288-294.]
[28]
Chengcheng Xu, Haojie Li, Jingya Zhao, et al. Investigating the relationship between jobs-housing balance and traffic safety[J]. Accident Analysis & Prevention, 2017, 107(9): 126-136.
[29]
Tyrrell B J, Ismail J A. A methodology for estimating the attendance and economic impact of an open-gate festival[J]. Event Management, 2005, 9(3): 111-118. DOI:10.3727/152599505774791158
[30]
Sack A L, Johnson A T. Politics, economic development, and the Volvo International Tennis Tournament[J]. Journal of Sport Management, 1996, 10(1): 1-14. DOI:10.1123/jsm.10.1.1
[31]
Ritchie J R B, Smith B H. The impact of a mega-event on host region awareness:A longitudinal study[J]. Journal of Travel Research, 1991, 30(1): 3-10. DOI:10.1177/004728759103000102
[32]
Mihalik B J, Simonetta L. A Midterm assessment of the host population's perceptions of the 1996 Summer Olympics:Support, attendance, benefits and liabilities[J]. Journal of Travel Research, 1999, 37(3): 244-248. DOI:10.1177/004728759903700305
[33]
丁亮, 钮心毅, 宋小冬. 上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 地理学报, 2016, 71(3): 484-499. [Ding Liang, Niu Xinyi, Song Xiaodong. Measuring the employment center system in Shanghai central city:A study using mobile phone signaling data[J]. Acta Geographica Sinica, 2016, 71(3): 484-499.]
[34]
张天然. 基于手机信令数据的上海市域职住空间分析[J]. 城市交通, 2016, 14(1): 15-23. [Zhang Tianran. Job-housing spatial distribution analysis in Shanghai Metropolitan Area based on Cellular Signaling Data[J]. Urban Transport of China, 2016, 14(1): 15-23.]
[35]
翟青, 甄峰, 康国定. 信息技术对南京市职住分离的影响[J]. 地理科学进展, 2012, 31(10): 1282-1288. [Zhai Qing, Zhen Feng, Kang Guoding. Research on urbanhome-work separation influenced by information and communication technologies:Taking Nanjing as an example[J]. Progress in Geography, 2012, 31(10): 1282-1288. DOI:10.11820/dlkxjz.2012.10.005]
[36]
钮心毅, 丁亮. 利用手机数据分析上海市域的职住空间关系——若干结论和讨论[J]. 上海城市规划, 2015(2): 39-43. [Niu Xinyi, Ding Liang. Analyzing job-housing spatial relationship in Shanghai using Mobile Phone Data:Some conclusions and discussions[J]. Shanghai Urban Planning Review, 2015(2): 39-43.]
[37]
龙瀛, 张宇, 崔承印. 利用公交刷卡数据分析北京职住关系和通勤出行[J]. 地理学报, 2012, 67(10): 1339-1352. [Long Ying, Zhang Yu, Cui Chengyin. Identifying commuting pattern of Beijing using Bus Smart Card Data[J]. Acta Geographica Sinica, 2012, 67(10): 1339-1352. DOI:10.11821/xb201210005]
[38]
赵晖, 杨军, 刘常平, 等. 职住分离的度量方法与空间组织特征——以北京市轨道交通对职住分离的影响为例[J]. 地理科学进展, 2011, 30(2): 198-204. [Zhao Hui, Yang Jun, Liu Changping, et al. Measurement method and characteristics of spatial organization for jobs-housing misbalance:A case study of the effects of Metro Systems on jobs-housing misbalance in Beijing[J]. Progress in Geography, 2011, 30(2): 198-204.]
[39]
许志榕. 上海市职住关系和通勤特征分析研究——基于轨道交通客流数据视角[J]. 上海城市规划, 2016(2): 114-121. [Xu Zhirong. Study on job-housing relationship and characteristic of commuting in Shanghai:Based on the perspective of rail transit passenger flow data[J]. Shanghai Urban Planning Review, 2016(2): 114-121.]
[40]
申悦, 柴彦威. 基于GPS数据的北京市郊区巨型社区居民日常活动空间[J]. 地理学报, 2013, 68(4): 506-516. [Shen Yue, Chai Yanwei. Daily activity space of suburban mega-community residents in Beijing based on GPS data[J]. Acta Geographica Sinica, 2013, 68(4): 506-516.]
[41]
郝新华, 周素红, 柳林. 广州市高峰小时居住用地交通产生与分布——基于出租车GPS起讫关联的分析[J]. 人文地理, 2016, 31(6): 109-114. [Hao Xinhua, Zhou Suhong, Liu Lin. Traffic generation and distribution of residential land of Guangzhou in commuting peak hour-based on the analysis of O-D association data of Taxi GPS[J]. Human Geography, 2016, 31(6): 109-114. DOI:10.3969/j.issn.2095-0446.2016.06.087]
[42]
刘鹏程, 毕旭, 罗静, 等. 百度地图API路网搜索功能在职住分离研究中的应用[J]. 地理空间信息, 2013, 11(5): 148-151. [Liu Pengcheng, Bi Xu, Luo Jing, et al. Applications of road-net function of Baidu map API in the job and residence separation[J]. Geospatial Information, 2013, 11(5): 148-151. DOI:10.11709/j.issn.1672-4623.2013.05.051]
[43]
谭欣, 黄大全, 赵星烁, 等. 基于百度热力图的职住平衡度量研究[J]. 北京师范大学学报(自然科学版), 2016, 52(5): 622-627. [Tan Xin, Huang Daquan, Zhao Xingshuo, et al. Jobs housing balance based on Baidu thermodynamic diagram[J]. Journal of Beijing Normal University (Natural Science), 2016, 52(5): 622-627.]
[44]
Ping Z, Jiangping Z, Tianran Zhang. Quantifying and visualizing jobs-housing balance with big data:A case study of Shanghai[J]. Cities, 2017, 66: 10-22. DOI:10.1016/j.cities.2017.03.004
[45]
刘清春, 李海霞, 马交国. 我国城市通勤出行的影响因素研究——基于50个大中城市的再检验[J]. 山东工商学院学报, 2018, 32(5): 94-102. [Liu Qingchun, Li Haixia, Ma Jiaoguo. Analysis on influencing factors of urban commuting in China[J]. Journal of Shandong Technology and Business University, 2018, 32(5): 94-102.]
[46]
刘定惠, 杨永春, 朱超洪. 兰州市职住空间组织特征[J]. 干旱区地理, 2012, 35(2): 288-294. [Liu Dinghui, Yang Yongchun, Zhu Chaohong. Characteristics of jobs-housing spatial organization in Lanzhou city[J]. Arid Land Geography, 2012, 35(2): 288-294.]
[47]
陈凯贤, 曾俊伟, 钱勇生, 等. 兰州市公共交通可达性研究[J]. 西部交通科技, 2017(12): 96-99. [Chen Kaixian, Zeng Junwei, Qian Yongsheng, et al. A study on the accessibility of public transport in Lanzhou city[J]. Western China Communications Science & Technology, 2017(12): 96-99.]
[48]
冷炳荣, 余颖, 黄大全, 等. 大数据视野下的重庆主城区职住关系剖析[J]. 规划师, 2015, 31(5): 92-96. [Leng Bingrong, Yu Ying, Huang Daquan, et al. Big data based job-residence relation in Chongqing Metropolitan Area[J]. Planners, 2015, 31(5): 92-96. DOI:10.3969/j.issn.1006-0022.2015.05.015]