本文摘要：摘要：职住分离和通勤距离关系的定量测度，对公共政策、城市规划的制定具有指导作用。长期以来，该领域的计算方法及验证的可靠性、精确性存在多方面的制约，用得最普及的单元平衡法存在单元尺度多大合适、单元边界隔离2个局限性。本研究以上海市为例，以人口
摘要：职住分离和通勤距离关系的定量测度，对公共政策、城市规划的制定具有指导作用。长期以来，该领域的计算方法及验证的可靠性、精确性存在多方面的制约，用得最普及的单元平衡法存在单元尺度多大合适、单元边界隔离2个局限性。本研究以上海市为例，以人口普查、经济普查、手机信令数据为基础，多角度开展方法探索。先对中心城区划定职住基本平衡范围，用考虑通勤距离的密度估计函数，按工作地估计职工的居住密度，和从业居民的实际密度相比较，使职住分离和通勤距离对应起来，同时缓解单元尺度问题、消解边界隔离问题。
继而使用职住分离零壹指数代替传统职住比，用平均通勤距离验证职住分离，获得了很强的线性相关。尽管统计结果有效，依然会有样本偏离线性回归方程，利用置信区间，筛选出异常点，凭经验解释原因，可从定性角度进一步提高分析结果的可信，还可以探测职住失配的原因。基于上述分析方法，验证了：职大于住的地区，职工通勤距离偏长，居民通勤距离偏短;住大于职的地区，居民通勤距离偏长，职工通勤距离偏短，职住关系越平衡，通勤交通总量越小，越分离，交通总量越大。上述方法以上海为例得到验证，也能适用于其他大城市的中心城区。
关键词：职住分离,职住平衡,通勤距离,零壹指数,测度方法,上海
1引言
市民工作地和居住地的分离引起通勤交通，城市规模扩大，通勤距离往往变长，职住分离是常见的原因。我国在经历了30年的快速城市化进程后，伴随居民通勤交通距离和时间增长，特大城市的道路交通拥堵和公共交通拥挤问题日趋严峻。职住过度分离对于个体，生活质量下降，对于整体，城市交通总量增大，交通设施拥堵，城市运作效率变差，还会带来更多的能源消耗、废气排放。对上述问题，西方学者的研究历史较长，主要是在美国，大约在1990年代前后，美国经历了城市蔓延、石油危机以及环保运动等过程，对于城市精明增长、减少交通能耗、提高环境质量有着更高的要求，当时的研究大致有2个侧重点：
(1)职住平衡和通勤距离的关系。早期研究一般认为，通过职住数量和质量的平衡可以在一定程度上缩短通勤距离，例如在就业岗位密集地区提供可负担住房，在郊区居住密集地区提供合适的就业岗位等[1]，实证的数据研究对城市规划专业有参考意义[2]。但是，也有学者认为，一定空间范围的职住平衡对交通拥堵、通勤距离的影响客观存在，但并不十分显著，职住的空间分布更大程度受到除了通勤距离外的其他社会经济因素的影响[3]，不同城市具有各自的特征，之间较难相互比较，从总的趋势来看，较多城市的平均通勤时间在一定时期内并没有明显增加[4]。
(2)城市空间结构有复杂的社会经济内涵，通勤交通仅表示一个方面，应深入考虑背后的社会经济因素[5]。该方向研究的深入，势必转向职住分离的原因分析。进入21世纪，西方发达国家大城市空间结构趋于稳定，用城市规划或其他公共政策干预职住关系余地不大，随着时代背景的变化，西方相关的理论研究热情有所下降。西方研究对应的城市尺度和密度与当前我国特大城市有着明显差别，城市化进程形式和速度也不同。国外学者所参照的城市、区域的人口、产业、空间结构、发展历史不同，将他们的观点、结论、方法对应到国内，或多或少会不适应[6]。
近10年来，职住分离开始引起国内学者的重视，这和国内大城市规模扩展、结构调整、城市交通拥堵等现实问题有关。国内学者较多是从观察、描述入手[7-12]，和国外学者类似，也分析社会、经济、城市发展过程等因素如何影响职住平衡、通勤交通[13-19]。随着研究的深入，发现基础数据和计算方法对研究结论会有不同程度的干扰[20]，但是在对方法的局限性，如何改进、完善的研究较少[21]。其原因很可能是国外学者研究热情较高的1990年代，地理信息技术还不够普及，国外学者当时研究的数据来源主要是政府统计部门的调查数据，适合于直接的职住比计算以及与通勤距离的比对分析。国内学者关注职住平衡，大都侧重在问题本身。
随着ICT大数据的出现，一定程度弥补了过去国内研究数据不足的缺陷，但对新型数据源的计算方法还比较传统[22]，新方法的探索不多。本文认为，关于职住平衡、通勤交通的分析方法若要服务于政策制定，尤其是城市规划，基础资料的准确性、计算方法的精确性、分析结果的可靠性均有待进一步完善和提升，而目前的数据条件和技术条件应该比过去好很多。
按经验，某地区的工作岗位少于从业居民，外部进来工作的职工较少，职工容易就近居住，他们的通勤距离可能较短，同时，因居民数量偏多，难以就近工作，外出工作的人数较多，他们的通勤距离可能较长。反过来，某地区的工作岗位如果多于从业居民，职工通勤距离可能较长，居民通勤距离可能较短。如果这一规律不但存在，而且非常明显，调整用地布局，使居住人口、工作岗位变得相对平衡，就可获得减少通勤交通总量的效果，如果这一规律不显著、不稳定，或者原因很复杂、不清晰，用调整用地布局或者其他公共政策来缓解交通，就可能存在盲目性。
2传统计算方法的局限性
长期以来，测度职住平衡的基础方法是划定空间单元，计算内部职住关系，可称为单元自身平衡法，用得最普遍的指标是单元职住比。单元职住比=该单元内的工作岗位数/该单元内的从业居民数(1)该指标简单、直观，也可将全体居住人口或家庭数代替从业居民数，将多个单元指标汇总起来，测算取值变化是否均匀。美国规划学者凭经验提出，就业岗位数与家庭数之比在0.8~1.2之间比较合适[1，23]，或者用“独立指数”来表示居住和工作的自满足[13]。独立指数=本单元内居住和工作岗位数/(外来工作人数+外出工作人数)
(2)上述方法对组团式布局的城镇群较合适，而且单个城镇规模不大、边界鲜明。对大城市的连绵建成区存在如下局限：(1)单元尺度。单元较大，容易平衡，大到一定程度会自然平衡，但是内部通勤上升为主要矛盾。单元较小，容易分离，单元小到一定程度必然出现极端。这是典型的可变面状单元问题(ModifiableArealUnitProblem,MAUP)。
(2)边界隔离。对单元内部较长距离的通勤认为是职住平衡，跨越边界的短距离通勤认为是分离，一旦跨越单元，不分远近，显然不符合现实。单元相互组合(即用地布局)不同，整体职住关系不同，但是每个单元自身的指标都是一样的，如果城市规划调整用地布局，对职住分离是减缓还是加剧，单元指标无法体现。
(3)取值区间。职住比的取值区间为[0,1,+∞)，等于1时完全平衡，0和+∞是2个极端，大城市内部较大的居住区、商务区，取值会接近极端值。变化幅度不对称，实际工作中较难把握。
3数据来源及职住基本平衡区划定
3.1数据来源
3.1.1普查资料
本研究的从业居民数据来自2010年的第六次全国人口普查[24]，要按10%的比例对长表扩样。在上海，空间单元可以在居委会、村委会的基础上再细分到普查小区。工作岗位数据来自第三次经济普查(2013年)[25]，在上海，空间单元也可细分到普查小区(和人口普查不一致)。经济普查中职工人数的空间分布有误差。例如，某些分支机构的职工数被统计到企业注册地或总部，如连锁经营商、保险公司，有些职工的工作地点不固定，如交通运输机构，上述现象俗称为“吸附”。为了精确落地、减缓“吸附”，上海市的有关机构投入了较大的人力、物力，但是误差依然难免[26-27]。
3.1.2手机信令数据
本研究获得了2011年10月中国移动的2G手机信令数据，连续两周时长，范围为上海市域。利用信令数据，可识别用户的居住地、工作地。基本规则为计算每个用户在同一空间位置或周边重复出现的频率，如果夜间重复频率大于50%，则识别为用户的居住地;日间重复频率大于50%，则识别为用户的工作地，排除职住同地或相距过近。识别之前进行数据清洗，前后两条记录时间间隔60min以上，对应基站相隔400m以上，保留其有效位置点。
然后计算有效位置点上的累积停留时长，将每天停留时间最长的作为当日的日间驻留地。从晚上20时到次日凌晨6时，计算累计最大停留时间位置，且在该位置停留超过2小时，则该点为当日的夜间居住地。从上午9时到下午16时之间，计算累计最大停留时间位置，且在该位置停留超过2h，则该点为当日工作地。两周10个正常工作日内，待选的日间驻留地出现超过5次，则将其视为该用户的日间驻留地(简称“工作地”)。使用同样的方法可以识别出用户的夜间驻留地(简称“居住地“)。
上海市全市域范围内，识别出手机常住用户1763万个，其中符合日间驻留地规则的有1045万人，识别率达59.3%;识别出夜间驻留地有1175万人，识别率达66.6%。产生两类用户的交集，有849万人，符合上述行为规律的学生、退休老年人也会在此识别结果中。
以街道、乡镇为单元，和人口普查中的从业居民数做比较，线性相关系数r(230)=0.91(p<0.0001)，和经济普查中的工作岗位数做比较，线性相关系数r(230)=0.61(p<0.0001)，均属高度线性相关，可以看出手机信令和工作岗位的误差比从业居民明显要大。和大规模、专业性的城市交通出行调查相比，用手机信令观察通勤交通有被调查者不受干扰、样本量大、分布均衡、统计单元较小的优点，也存在数据采集疏漏、编码可能出错，出行目的、方式要间接判断，个人属性难以识别等缺点。
3.2划定职住基本平衡区
现实中，上海的每日通勤已扩大到苏州，但本项研究侧重于上海中心城，对此应划定职住基本平衡的最小范围，跨该越边界的通勤量尽可能小，或者可以忽略[28]。以上述全市域所识别的手机用户居住地、工作地为基础，产生从业居民的分布密度，生成等值线，在密度变化陡峭的中心城区边缘，按经验提取边界。经计算，约98%的手机用户居住地、工作地在此范围内，定义为基本平衡圈。
为了与人口、经济普查资料相对应，进一步以街道、镇为空间单元，如果进入基本平衡圈的面积超过30%以上，该单元就纳入，合并起来一共有124个街镇，面积为1139.5km2，称基本平衡区，略大于中心城外环线范围，常住人口1427万人，从业居民727.7万，工作岗位838.6万。再用手机信令复核，有4.6%的职工在此范围之外居住，有2.9%居民在此范围之外工作，区内平均通勤距离为4921m(基站之间的欧氏距离，即直线距离，职住同地的手机用户不计入)。考虑到经济普查的“吸附”，和人口普查时间不一致，基本平衡区范围内，职工人数多于从业居民，为此将职工人数乘以0.8678，使该范围内工作岗位和从业居民总数相同。有了基本平衡区，可将注意力集中在内部通勤，暂时忽略内外通勤。
4实验过程及结果分析
4.1职住分离零壹指数及验证
使用传统的单元职住比，将人口、经济普查得到的每个街道、乡镇职住比和手机信令计算得到的该街镇居民平均通勤距离、职工平均通勤距离分别做比较，和本文引言中对职住分离的一般认知大致相符，但是平均通勤距离与职住比之间为非线性关系，为了简化计算过程，不再继续讨论。
5异常单元界定及解释
5.1异常单元判断方法
基于密度估计，按街镇单元汇总的零壹指数为自变量，平均通勤距离为因变量，统计结果达到了较强的线性相关，但是显著性再强，样本点和回归方程之间依然存在偏差，如果将偏差较明显的筛选出来，推测、解释其原因，会有参考价值，还可能进一步提高统计的可信。
5.2对异常单元的经验解释
5.2.1职工通勤距离偏长
用置信区间筛选出的职工通勤距离异常街镇。职工通勤距离偏长的单元大都位于浦东新区的东侧、北侧(打浦桥街道例外)，属张江科技园区、外高桥保税区范围或近邻，产业性质为科技类、贸易服务类，职工中科技人员、商务白领比例大，他们通勤距离偏长大致有4个方面的原因：
(1)东侧、北侧是长江入海口，不会有大片、合适的住宅区，主要通勤方向只有往西、往南。估计密度时，长江口水域有密度，引起少量误差。(2)和上述产业园区距离较近的商品住宅基地建成时间较早，产业发展较迟，已入住的居民通勤方向也是往西、往南，距离也较长，就地平衡作用较弱，职住关系相对失配。(3)轨道交通、主要道路均呈放射状，促使职工长距离通勤。(4)商务、科技类岗位专业性较强、职工对居住环境要求较高，双职工家庭较多，购房比例较高，选择居住地、工作地的弹性、灵活性较低。打浦桥街道的手机信令中部分记录的基站编码有误而被删除，引起统计结果偏差。
5.2.2职工通勤距离偏短
包含虹桥机场及相关机构、企业，职工工作时间、居住地较特殊，用手机信令识别的居住者、工作者、通勤距离，可能不适合虹桥机场及其周边，造成计算结果低于回归统计。
5.2.3居民通勤距离偏长
上钢新村街道内含2010年世博会浦东展区，临近2010年时，传统制造业大量迁出，周边居民难以短途通勤，2010年世博会之后，服务型企业开始入驻，周边居民不能马上适应新岗位，就近就业比例低，这就影响到平均通勤距离和职住零壹指数(人口普查是2010年，手机信令是2011年，经济普查是2013年)。殷行街道集中了较多传统工人新村，按零壹指数，住大于职，周边传统工业的衰退已有一段历史，新型产业在缓慢成长，居民对产业转型的适应滞后。
该街道位于杨浦区北端，受黄浦江阻隔，跨江通勤要绕行，不方便，而地铁8号线却为本地居民向南到较远的市中心就业提供了便利，传统产业淘汰、自然地理障碍、轨道交通是影响通勤的三个原因。新虹街道处于上海西部，新虹桥商务区之内，原来附近有居住区，2010年开始，较多贸易服务类企业入驻(经济普查为2013年)，和上钢新村的原因相似，零壹指数发生变化，手机信令并未反映，新企业刚入驻，吸引到的就业者不可能都来自附近的原住民，而地铁2号线、10号线有利于该地居民长距离通勤。
6职住平衡是否会降低交通总量
上述研究验证了职大于住，职工通勤距离偏长，居民通勤距离偏短，住大于职，居民通勤距离偏长，职工通勤距离偏短。如果职住关系趋于平衡，交通总量是否偏小?职住关系趋于分离，交通总量是否偏大?按常规，交通总量等于人数和平均距离相乘，居民通勤总量、职工通勤总量二者相加，等于该单元引起的通勤交通总量。
7结论与讨论
7.1结论
(1)单元平衡法是目前在职住分离、职住平衡领域用得最普遍的方法，对连绵发展的大城市中心区，单元尺度和边界隔离是该方法的2个主要局限。本研究以考虑通勤距离的密度估计法为基础，职住基本平衡范围为边界，测度职住分离，同时缓解了单元尺度问题、消解了边界隔离问题。(2)密度估计函数的概率分布应接近实际观测到的通勤距离频率分布，将工作岗位转变为职工居住密度，和从业居民的实际居民密度相比较，如果估计密度偏高，属职大于住，职工通勤距离长于估计函数，估计密度偏低，属住大于职，职工通勤距离短于估计函数，反过来，也可针对居民通勤距离偏长、偏短，在理论上，职住分离和通勤距离相互对应。
(3)用职住零壹指数代替职住比，可通过线性回归，用通勤距离验证职住分离，而且实际使用时，零壹指数的取值区间比职住比相对容易把握。(4)即使统计结果为很强的线性相关，样本依然会偏离回归方程。利用置信区间，筛选出偏离相对严重的异常点，进一步凭经验猜测、解释出现异常的原因，从定性的途径提高验证的可信，还可以探测职住关系失配的原因。(5)以上述方法为基础，较好验证了职住分离和通勤距离的关系：职大于住的地区，职工通勤距离偏长，居民通勤距离偏短;住大于职的地区，居民通勤距离偏长，职工通勤距离偏短。职住关系趋于平衡，通勤交通总量较小，趋于分离，交通总量较大。上述验证以上海为例，所提倡的方法可用到其他大城市中心城区。
7.2讨论
第六次人口普查时间是2010年10月底，第三次经济普查时间是2013年12月底，手机信令数据采集时间是2011年10月，虽然离开当前时间已较长，但是计算方法的探索依然有效。普查数据是按空间单元汇总的，要将面状统计单元转变为点要素，才能做密度估计，统计单元越小，计算精度越高，空间尺度问题化解得越好，如果单元过大，只能按街道、乡镇的话，密度估计法的优势会明显减弱。用指数函数做密度估计尚不理想，有待改进。
本研究所探索的若干计算方法，在精确性、可靠性、现实的可解释性等方面获得了明显进展，但是依然侧重在职住分离的一般特征，对居民社会属性、城市产业类型、交通系统、城市发展历史、自然地形等因素引起的职住失配仅仅是初步探测，有待深入调查与分析。
相关论文投稿刊物：《中国工人》(月刊)创刊于1924年，由中华全国总工会主办。是职工生活刊物，注意突出思想性、知识性、趣味性和职工特色。将以通俗的言语解释许多道理给工人群众听，报道工人阶级抗日斗争的实际，总结其经验，为完成自己的任务而努力。
转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/21208.html
