基于目视调查法的扬州市社区人口结构特征及形成机理

王 丹，方 斌，李 欣，潘俊超

(1.扬州市职业大学 资源与环境工程学院，江苏 扬州 225009；2.南京师范大学 地理科学学院，江苏 南京 210046)

进入21世纪以来，我国人口面临从数量压力向结构性压力调整的历史性转变[1]，由此引发了诸多城市问题。年龄结构方面，人口红利趋于下行，老龄化问题突出。2019年16岁～59岁劳动年龄人口占总人口比例为64.0%，比2012年下降近5个百分点，60岁以上老龄人口占比则由2012年的14.3%上升到18.1%，由此引发城市产业竞争力下降，养老设施供需失衡等诸多问题[2]。空间结构方面，城镇化进程加速，城镇化率从改革开放初的17.9%增加至2019年的60.60%，“十三五”期间约1亿人落户城市，对城市交通、公共服务形成了巨大压力。社会结构方面，北京[3]、上海[4]、广州[5]等地的案例研究表明，在收入、户籍、职业等多重因素影响下，中国城市出现了较为明显的社会空间分异现象[6]。

国外生态学派较早对城市人口空间结构进行了系统研究，提出了如同心圆理论、扇形模式、多核心模式[7]。之后，国外学者在空间理论模型的基础上，更多引入数理方法对城市空间结构进行定量描述和解释，比较有代表性的模型有Clark模型、Sherrat正态密度模型、Smeed幂函数密度模型、Newling二次指数模型等[8]。随着改革开放后的城市化进行加速，城市人口结构也成为地理学重点关注的问题，主要表现在：(1)对城市人口空间分布规律进行了总结，提出单中心加幂指数[9]、多核心空间[10]、带状[11]、扁平化多中心+外围小中心[12]等典型模式；(2)进一步丰富人的社会属性，开展社会空间研究，对城市社会空间分异[13]、形成机理[14]、演进机制[5]进行了系统总结；(3)对流动人口[15]、低收入人口[16]、老龄人口[17]等城市特定人群进行了专门研究，揭示了上述人群的空间集聚机制；(4)在利用人口普查数据的基础上，创新了人口调查方法，如手机信令[18]、基站定位服务(LBS)数据[19]等。

社区是社会治理的基本单元，社区尺度人口空间研究应当成为人口地理学研究的一个重要领域，以帮助城市管理者快速识别社区人口结构特征，适应日益复杂、频繁、精细的社区应急管理需要。因此，城市人口地理研究可从时、空、质三个维度进一步深化：(1)就“时”而言，发展一手人口数据获取方法，改变过度依赖人口普查数据的现状。人口普查具有数据可获得性好、权威性较强的优点，但人口普查以10年为周期，即时性较差，导致人口研究成果数量呈现以人口普查数据公布年份为峰值的周期性波动特征，而其余年份人口地理学则成为地理学科的“冷门”[20]；(2)就“空”而言，进一步精细化人口统计单元至“社区”这一尺度。目前人口普查数据以街道(乡镇)为基本单元，空间范围一般在5 km2以上，而人口分布更多受微观环境影响，街道(乡镇)均质性相对较差，分析精度有所欠缺；(3)就“质”而言，开展社区人口的“量质”综合研究，从年龄、财富、通勤三个维度出发，直击老龄化、社会空间分异、城市交通等核心城市问题，探究城市人口空间分布的指向规律。与利用人口普查数据相比，目视调查法克服了人口普查周期长、统计单元较宏观等缺陷；而手机信令、基站定位服务(LBS)数据虽具有实时、精细等特点，但由于缺乏人口年龄、财富等属性信息，难以进一步挖掘城市人口分布的社会属性特征。

本研究以社区(村)为基本单元，通过目视调查法，搜集了扬州市区460个住宅小区的人口年龄、财富和通勤数据，在此基础上分析各社区人口结构特征和指向规律；采用空间聚类与负二项回归相结合的方法，揭示不同年龄、财富和通勤结构社区的形成机理，为强化社区管理决策，开展短周期、小尺度人口地理学综合研究提供方法支撑。

一 数据来源与方法

(一)研究区概况

扬州市位于江苏省中部，长江北岸、江淮平原南端。本研究以扬州市主城区为研究对象，范围为启扬高速—仪扬河—古运河—沪陕高速—廖家沟围合区域，面积191.23 km2，常住人口约118.27万人。以扬州作为研究案例，其意义在于作为中国首批二十四座历史文化名城之一，扬州保留了内城区、外城区、近郊区三个圈层的空间格局，每个圈层由于形成年代不同，塑造了不同的人口结构特征，进而可以从更长历史周期研究社区人口结构形成的内在机理。内城区由北城河、古运河、二道河围合，半径约1 500 m，共计18个社区，形成于1949年之前；中间圈层为外城区，由古运河—邗沟—保障湖—杨柳青路—润扬路—开发路—京杭运河所围合，共计59个社区，形成于1949—2000年；外圈层为近郊区，由启扬高速—仪扬河—古运河—沪陕高速—廖家沟所围合，距离城市中心半径约10 000 m，共计79个社区，为现状拓展区[21]。上述156个社区中，有30个以农村住宅、工业用地为主，或社区内住宅小区主出入口不明显，无法使用目视调查法，最终确定列统社区共计126个，上述社区内住宅小区共计460个。

(二) 数据来源与方法

社区人口结构指标。本研究核心数据为2017年研究区460个住宅小区的人口年龄、财富和通勤数据，主要通过目视调查法获得。(1)人口年龄结构指住宅小区主出入口断面人流量中不同年龄阶段人口比重，包括学龄比(≤18岁)、青年比(19岁～35岁)、中年比(36岁～59岁)、老龄比(≥60岁)，进而将各住宅小区聚类为特定年龄结构类型，当社区内特定年龄结构住宅小区超过临界比重时，可认定该社区为特定年龄结构社区；(2)人口财富结构通过各住宅小区家用汽车档次结构进行推断，具体指住宅小区主出入口断面车流量中，不同档次家用汽车所占比重，社区财富结构认定方式与人口年龄结构相同；根据国内最大汽车销售平台“汽车之家”价格数据，按2017年不同品牌主流价格区间，将家用汽车分为高档(≥50万)、中档(15万～50万)、低档(<15万)，由此形成高档车占比、中档车占比、低档车占比三个指标[22]；(3)人口通勤结构按人流量在不同调查时间比例划分为双峰型、平稳型、三峰型三类(表1)，社区人口通勤结构认定方式与人口年龄、财富结构相同。

表1 通勤结构分类与时间区间

社区人口数据来源于目视调查法。目视调查法核心在于通过时间限制，提取住宅小区中较为稳定的工作、上学出行流量，从而实现对社区人口、财富、通勤结构的推断[23]。该方法需排除天气、气候、星期、时间等因素对人流量和车流量的影响：(1)将调查月份限定在春秋两季且非阴雨天气，以减小天气、气候因素导致的随机出行统计误差；(2)将调查定为星期一至星期四，这是由于星期一至星期四以工作、上学出行流量为主，而星期五至星期日出行目的较为复杂，文体活动、探亲访友、购物等随机行为比重较大[24]；(3)排除时间因素影响。调查时间限定为8:00时～18:00时，同样该时间段人流量以工作、上学出行流量为主，随机出行导致的统计误差较小。本研究目视调查法数据以2017年12月31日为调查基准时间，调查时间为2017年5月～6月，2017年9月～11月，在后期数据统计中，对问题数据进行了补充调查，时间为2018年6月。总调查时间历时共计1.5年[25]。

二 社区人口空间结构特征分析

(一)年龄结构

1.学龄比

研究区平均学龄比为13.06%，变幅为8.26%～17.86%。通过聚类分析将住宅小区按学龄比分为高、中、低三类，三类住宅小区学龄人口比例间断点为16%、11%。其中，高学龄比住宅小区105个，占总数的22.8%；中学龄比住宅小区218个，占总数的47.4%；低学龄比住宅小区137个，占总数的29.8%。分别将高、中、低学龄住宅小区比例超过50%的社区定义为高、中、低学龄比社区，其中高学龄比社区24个，中学龄比社区50个，低学龄比社区32个，另有20个社区学龄比特征不明显。

高学龄比社区呈中心—边缘分布，主要位于内城区、近郊区，外城区分布较少。高学龄比社区学区指向明显。内城区社区多形成于1949年之前，社区内以育才小学、扬州中学为代表的中小学创办于晚清时期，历史悠久，办学质量高，因此其所在荷花池、石塔、锦旺等社区(图1a中A、B)成为学龄人口分布的热点。近年来为进一步均衡教育资源布局，内城区部分中小学在近郊区建设分校，如育才西区校、扬州中学树人学校等，近郊区教育资源提升明显，导致大刘、殷巷、二桥、汊河等社区学龄人口比重显著上升(图1a中C、D、E)。

2.青年比

研究区平均青年比为21.29%，变幅为13.1%～29.5%。通过聚类分析将住宅小区按青年比分为高、中、低三类，三类住宅小区青年人口比例间断点为18%、27%。其中，高青年比住宅小区109个，占总数的23.7%；中青年比住宅小区184个，占总数的40%；低青年比住宅小区167个，占总数的36.3%。分别将高、中、低青年比小区比例超过50%的社区定义为高、中、低青年比社区，其中高青年比社区22个，中青年比社区40个，低青年比社区36个，另有28个社区青年比特征不明显。

高青年比社区呈“一环多组团”布局，主要分布于外城区和近郊区。高青年比有明显的通勤和房价指向。外城区东南部的东花园、沙南等社区(图1b中A)是大型批发市场集聚区，如联谊农贸市场、曲江商品城等，商贸流通业发达，服务业就业机会多；上述社区多形成于八九十年代，建筑老旧，房价较低，对收入较低、通勤要求高，且从事传统商贸服务业的青年人口吸引力较大。近郊区高青年比社区则与产业园区分布相关，以从事制造业和现代服务业的青年人口为主，如广陵产业园的翠月嘉苑、天顺花园(图1b中B)、扬州高新技术产业开发区的绿园、二桥(图1b中C)、维扬经济开发区的石油山庄、江阳社区(图1b中D)。

3.中年比

研究区平均中年比为39.25%，变幅为27.57%～51.03%，较学龄比、青年比变幅明显扩大，说明该群体空间分异强烈。通过聚类分析将住宅小区按中年比分为高、中、低三类，三类住宅小区中年人口比例间断点为35%、48%。其中，高中年比住宅小区99个，占总数的21.52%；中中年比住宅小区196个，占总数的42.61%；低中年比住宅小区165个，占总数的35.87%。分别将高、中、低中年比小区比例超过50%的社区定义为高、中、低中年比社区，其中高中年比社区30个，中中年比社区41个，低中年比社区55个。

高中年比社区呈组团布局，其中外城区2个，近郊区2个。中年比有环境与产业两种指向。环境指向以外城区洼子街、解放桥社区(图1c中A)，滨湖、友谊社区(图1c中B)，润扬、七里甸、殷湖社区(图1c中C)最为显著，上述社区分别位于古运河、蜀岗—瘦西湖、明月湖等风光带，环境条件优越，房地产价格相对较高，说明与青年人口相比，中年人口在购买力允许的条件下，对环境条件要求较高。通勤指向指高中年比社区与产业园区空间较为接近，如桃园、长鑫社区(图1c中D)与扬州高新技术产业开发区相毗邻，说明通勤因素也是中年人口房地产区位选择的重要因素。

图1 社区人口年龄结构

4.老龄比

研究区平均老龄比为26.42%，变幅为17.69%～35.15%，平均老龄比高出市域水平近10个百分点，说明作为三线城市的扬州，由于能级较低，青年人口流入较少，也面临着老龄化危机。

通过聚类分析将住宅小区按老龄比分为高、中、低三类，三类住宅小区老龄人口比例间断点为18%、28%。其中高老龄比住宅小区199个，占总数的43.3%；中老龄比住宅小区186个，占总数的40.4%；低老龄比住宅小区75个，占总数的16.3%。分别将高、中、低老龄比小区比例超过50%的社区定义为高、中、低老龄比社区，其中高老龄比社区47个，中老龄比社区7个，低老龄比社区46个，另有26个社区老龄比特征不明显。

高老龄比呈“一中心多组团”布局，内城区及近郊区的保障房社区老龄化程度较高。内城区及其边缘的皮市街、古旗亭(图1d中A)，文苑、虹桥等社区(图1d中B)形成于1949年之前及计划经济时期，特别是皮市街、古旗亭社区位于历史文化名城保护区，城市更新速度缓慢，多为老旧四合院房型，基础设施薄弱，青年人口流失较为严重，老龄化程度相应较高。外城区九龙花园、联运村(图1d中C)，许庄、柏圩村(图1d中D)，润扬、西湖花园社区(图1d中E)，竹西社区(图1d中F)拆迁安置区集中。拆迁安置区人口多源于旧城改造和城郊拆迁，本体老龄化程度较高，由此导致外城区对应社区较高的高老龄比。

(二)财富结构

汽车作为生活非必需品，对家庭财富水平有较强的指示作用，可通过住宅小区断面车流量调查，分析社区居民财富结构[26]。

1.高档车占比

研究区平均高档车占比为13.83%，变幅为3.98%～23.68%。通过聚类分析将住宅小区按高档车占比分为高、中、低三类，三类住宅小区高档车占比间断点为13%、27%。其中高高档车住宅小区35个，占总数的7.6%；中高档车小区192个，占总数的41.7%；低高档车小区233个小区，占总数的50.7%。由于研究区高高档车小区占比超过50%的社区为零，下调判断比例为30%；中、低高档车小区仍定义为大于50%。由此统计如下：高高档车社区13个，中高档车社区58个，低高档车社区55个。

高高档车社区数量不多，未形成大规模集聚，一般以2～3个社区毗邻分布为主，说明研究区尚未形成显著的“富人区”。高高档车社区分布呈公共服务和环境指向。公共服务指向包括内城区通泗、锦旺社区(图2a中A)，该区域是内城区为数不多的高档小区集聚区，房价在20 000元/m2以上，其典型特征是公共服务设施完备，拥有最优越的学区与就医条件。由于处于内城区非历史文化保护街区，城市更新速度较快，“绅士化”趋势明显。环境指向指财富水平较高的家庭倾向于环境优越地段，如滨湖社区(图2a中B)、大刘、七里甸社区(图2a中C)，桃园、顺达社区(图2a中D)，上述地段处于高中年比集聚区的核心地段，说明相对于年龄空间分异，家庭财富空间分异更为显著。

2.中档车占比

研究区平均中档车占比50.52%，变幅为36.57%～64.47%。通过聚类分析将住宅小区按中档车占比分为高、中、低三类，三类住宅小区中档车占比间断点为41%、57%。其中高中档车住宅小区151个，占总数的32.8%；中中档车小区198个，占总数的43.0%；低中档车小区111个小区，占总数的24.2%。分别将高、中、低中档车住宅小区占比超过50%的社区定义为高、中、低中档车社区，其中高中档车社区29个，中中档车社区47个，低中档车社区23个，另有27个社区集聚特征不明显。

高中档车社区分布较为集中，主要位于外城区西部的兰苑、四季园等社区(图2b中A)。高中档车社区通勤指向明显。上述区域内政府机关、大专院校分布较为集中，社区居民以公务员、大学教师等中等收入阶层为主，可见中档车人群具有较为显著的职业特征。

3.低档车占比

研究区平均低档车占比为35.64%，变幅为19.05%～52.23%。通过聚类分析将住宅小区按低档车占比分为高、中、低三类，三类住宅小区低档车占比间断点为27%、49%。其中高低档车住宅小区84个，占总数的18.3%；中低档车住宅小区244个，占总数的53.0%；低低档车住宅小区132个，占总数的28.7%。分别将高、中、低低档车住宅小区占比超过50%的社区定义为高、中、低低档车社区，其中高低档车社区18个，中低档车社区57个，低低档车社区23个，另有28个社区集聚特征不明显。

低档车社区呈“一中心、两组团”格局。“一中心”指内城区历史文化保护街区的琼花观、彩衣街等社区(图2c中A)，“两组团”指位于维扬经济开发区的朱塘、雷塘等社区(图2c中B)和扬州高新技术产业开发区的许庄社区、柏圩村(图2c中C)。高低档车社区通勤指向明显，“一中心”位于内城区，车流以低端客货两用车辆为主，原因在于内城区社区居住、服务业空间高度融合，低端客货两用车辆能够兼顾货运与通勤需求。“两组团”均位于近郊区产业园区，拆迁安置人口、企业租住人口相对集中，由于距内城区相对较远，收入相对较低，低档汽车能够较好满足通勤需求。

图2 社区人口财富结构

(三)通勤结构

按通勤结构分类与定义划分住宅小区通勤结构(表1)，将各类通勤结构住宅小区占比超过50%的社区定义为双峰型、三峰型、平稳型通勤社区，其中双峰型社区56个，占44.4%，三峰型社区18个，占14.3%，平稳型社区24个，占19.1%，还有28个社区通勤结构不明确，占22.2%。

双峰型社区在外城区、近郊区均有分布，如城东五里庙、文昌花园(图3中A1)，城西殷湖、绿杨新苑(图3中A2)，城北卜桥、石桥(图3中A3)等社区。双峰型社区的形成有以下两点因素：(1)产城分离。上述社区多属生活型，距产业园区较远。由于通勤成本高，居民多选择在工作单位就餐，导致社区午间人流较低；(2)学区一般。由于社区学区一般，学龄人口比重偏低，难以形成以学生为主体的午间通勤高峰。

三峰型社区集聚于四片区域：内城区虹桥、四望亭社区(图3中B1)；外城区新河湾、二桥社区(图3中B2)，绿园、高桥社区(图3中B3)，翠月嘉苑、运东社区(图3中B4)。两类三峰型社区成因有较大差别：内城区“三峰”通勤结构基于学区因素，由于学龄人口比重高，形成了早晨、午间、傍晚三重通勤高峰。其他社区“三峰”通勤结构是产城融合的结果，新河湾、二桥、绿园、高桥社区毗邻扬州高新技术产业开发区、扬州经济技术开发区，翠月嘉苑、运东社区毗邻江苏信息产业服务基地、广陵产业园，上述社区职住平衡，社区有成熟的商业和生活服务设施，不少企业职工选择回家午餐、午休，导致午间通勤高峰的形成。

平稳型通勤结构社区分布较为零散，如内城区个园、徐凝门社区(图3中C1)，外城区联运(图3中C2)、许庄社区(图3中C3)，金槐村、中心村(图3中C4)。平稳型社区通勤结构与历史因素有较大关联，上述社区均位于人口老龄化严重的内城区或外城区保障房片区。由于老龄人口时间自由度大，加之学区一般，学龄人口相对较少，导致通勤结构较为平稳。

图3 社区人口通勤结构

(四)社区人口空间指向规律

通过对扬州市社区人口年龄、财富和通勤结构的定量分析，发现城市社区人口空间结构存在较为明显的指向性规律，可根据所在区域及指示地物加以快速识别(图4)。

图4 社区人口结构空间指向规律

年龄结构(图4a)。高学龄比社区主要位于内城区或近郊区，优质学区是主要指示地物，与学龄人口对教育资源的高质量需求有较大关联。高青年比社区主要位于外城区或近郊区，外城区高青年比社区指示地物为大型商贸中心，近郊区高青年比社区指示地物为工业园区，与外城区、近郊区房价较低、通勤成本较低有较大关联。高中年比社区主要位于外城区或近郊区，指示地物为大型绿地或工业园区，中年人口对生活质量要求较高、与通勤方便的居住空间要求有较大关联。高老龄比社区主要位于内城区或近郊区，内城区高老龄比社区形成主要基于历史因素，外城区高老龄比社区指示地物为拆迁安置区，与内城区人口迁居行为有较大关联。

财富结构(图4b)。财富结构主要由家用汽车档次指示。高高档车占比社区主要位于内城区或近郊区，内城区高高档车占比社区指示地物为公共服务设施，如三甲医院、优质学区等，近郊区高高档车占比社区指示地物为大型绿地，说明高收入群体对公共服务和环境条件有较高要求。高中档车占比社区主要分布于外城区，主要指示地物为机关、事业单位的空间集聚，特别是高校分布对高中档车社区形成有重大影响，说明高中档车占比社区有着较高的职业相关性。高低档车占比社区主要分布于内城区或近郊区，内城区高低档车占比社区形成主要由内城区服务——居住空间紧密融合的用地性质所决定，近郊区指示地物为工业园区和拆迁安置区，主要与中低收入群体的通勤需求密切相关。

通勤结构(图4c)。双峰型社区主要位于外城区或近郊区，双峰型社区一般缺乏优质学区，且产城分离现象较为明显。三峰型社区主要位于内城区或近郊区，内城区三峰型社区指示地物为优质学区，与午间学生通勤量紧密相关；近郊区三峰型社区指示地物为工业园区，与工业园区企业职工午间通勤量紧密相关。平稳型社区主要位于内城区或近郊区，内城区平稳型社区由于人口年龄结构老化，人流量时间分布较为均匀；外城区平稳型社区指示地物为拆迁安置区，与内城区相似，其成因也为拆迁安置区人口年龄结构老化导致的人流量时间波动较为平稳。

三 社区人口结构特征的形成机理

(一)影响因素选择

社区人口结构的形成可看作各类型住宅小区数量与空间影响要素的效用函数，可参照负二项回归法进行归因分析[27]，其中因变量为落在某社区各类型小区数量。现有研究表明人口空间分布与产业结构调整、房价、交通以及基础教育的质量等因素关联性较大[28-29]，因此可选择历史、教育、房价、通勤、环境因素作为自变量，通过两者相关性分析，揭示不同特征社区集聚的机理(表2)。

表2 解释变量指标选取及定义

历史因素指社区内各住宅小区建筑年份，建筑年份数据主要来源于《扬州城乡建设志》[30]、《扬州建设志》[31]、搜房网(https://yz.fang.com/)。历史因素是对建筑实体因素的一种替代，如建筑结构、房型等。作为历史文化名城，扬州各住宅小区圈层结构完整，内城区以独门院落为主，主体形成于1949年之前；外城区以低层或多层住宅为主，主体形成于1949—1998年；近郊区以高层建筑为主，主体形成于1998年住房制度改革之后。不同年龄、财富、通勤结构人口对建筑实体因素有差异化偏好，从而引发差异化空间格局。

教育因素指小学、初中学区因素。由于扬州小学“小升初”不设考试，小学质量等级可参照各小学考入当地热点初中——树人中学的录取率作为依据；初中质量等级则参照中考考入当地四星级高中的录取率作为依据[32]。住宅小区教育因素综合指标取小学和初中质量等级的平均值。

房地产价格则基于Python语言，在搜房网(https://yz.fang.com/)、扬州房产信息网(www.yzfdc.net)获取2017年各住宅小区房地产价格数据，并参照当年地价动态监测数据进行验证。

通勤条件选择距CBD距离、距最近工业园区距离两个指标。CBD、工业园区分别是研究区商服、制造业中心，就业密度最高，通过人口结构与通勤条件相关性可进行职住平衡分析。

环境条件选择社区绿地率指标。现有研究绿地率一般以街道(乡镇)为单元进行统计，但绿地作为居民主要游憩空间，住宅与绿地之间交通方式以步行为主，时空阈值一般在400 m以内，因此选择社区尺度更能反映环境条件与人口结构之间的关系[33]。

(二)机理分析

本研究以2017年研究区社区(村)内各年龄、财富、通勤结构住宅小区数量为被解释变量并进行标准化，有效样本数量为460个，应用R语言NegBinomial函数进行处理(表3)。

表3 负二项回归模型估计结果

1.建筑年代与老龄比、平稳型通勤结构相关性较为显著

(1)建筑年代与老龄比呈强负相关关系，即建筑年代越新，老龄比越低。由于受生命周期影响，社区存在分化、过滤作用，内城区及外城区建筑年代相对较久，内城区、外城区社区形成于1949年之前和计划经济时期，这些住宅小区房型老旧，居住条件相对较差，除学区房外，对青年、中年人口吸引力较小，由此形成建筑年代越久，老龄人口占比越高。

(2)建筑年代与平稳型通勤结构呈弱负相关关系，由于老龄比的关联作用，建筑年代越新，老龄比越低，而老龄人口为主的住宅小区，人流量相对较为平均，因此表现为平稳型通勤结构。

2.教育因素与学龄比、高档车占比、三峰型通勤结构相关性较为显著

(1)教育因素与年龄结构中的学龄比呈强正相关关系，说明学龄人口家庭对学区房表现出强烈的空间偏好。以研究区最优的育才小区学区为例，部分住宅小区人流量中学龄比达29.22%，占比接近1/3，对内城区其他年龄人口特别是内城区老龄人口产生了强烈的挤出效应。由于学龄人口家庭消费水平显著高于老龄人口家庭，导致与文化教育相关的商服网点快速增长，加速了内城区的“绅士化”进程。

(2)教育因素与高档车占比呈弱正相关关系，这是由学区房的连带效应所产生。目前，研究区学区房均价格达31 685元/m2，是研究区均价的2.42倍，进而对居民的财富阶层起到了分化作用，导致高房价小区高档车数量的显著增多[34]。

(3)教育因素还与三峰型通勤结构呈弱正相关关系。这与学龄人口通勤模式有关。与工作人口相比，学龄人口更倾向于在家午餐、午休，因此学龄人口占比较高的住宅小区，除早晚两个高峰外，还形成午间通勤高峰，由此形成了三峰型通勤结构。

3.房地产价格与人口年龄结构、财富结构均存在广泛的关联性

(1)人口年龄结构。房地产价格与人口年龄结构中的学龄比、中年比呈正相关，而与青年比、老龄比呈负相关，即房地产价格越高，学龄比、中年比越高，而青年比、老龄比越低，说明中年人口及其抚养的学龄人口对房地产价格承受能力相对较高，也是高档小区的主力消费人群，而青年、老龄人口则由于收入相对较低，更倾向于购买价格较低的房地产，在空间上表现为中年、学龄人口更多分布于内城区的学区地段和外城区环境良好地段，而青年、老龄人口则更多分布于内城区的历史文化名城保护区和近郊偏远地区。

(2)财富结构。房地产价格与财富结构相关性呈梯度下降趋势，即高档车、中档车、低档车相关性分别为2.689 2，1.554 3，0.792 3，说明房地产价格与家庭财富有明显的相关性。房地产通过价格的“门槛”作用，对人口空间分异起到基础性支配作用，即人口按财富大小形成空间集聚。

4.通勤因素分为距CBD距离、距最近工业园区距离两个变量

(1)距CBD距离与老龄比、平稳型通勤结构呈弱相关关系，这与扬州城市空间结构有较大关联性。扬州作为历史文化名城，城市空间呈典型同心圆结构。城市中心为内城区，内城区既是CBD，也是年代最为久远的社区，而距离CBD越远，社区越新。由于内城区形成年代久远，老龄比相应较高，由此形成了两者的负相关关系；同时，老龄比较高的住宅小区通勤结构较为平稳，由此形成了距CBD距离与平稳型通勤结构的关联。

(2)距最近工业园区距离与高档车占比、双峰型通勤结构呈强正相关关系，与青年比、低档车占比、三峰型通勤关系呈弱相关关系。①距最近工业园区距离与青年比之间的负相关关系机理在于：制造业是吸收劳动力的主力，据扬州市总工会统计显示，“十三五”期间制造业对劳动力的吸纳比达34.21%，其中绝大部分为青年人口。相对与中年人口，青年人口通勤需求较大，因此倾向选择通勤距离较短的园区周边社区；同时由于工业园区一般选址于远郊区，房地产价格相对较低，与青年人口较低的收入水平相匹配。②距最近工业园区距离与财富结构的相关性在于工业园区受企业外部性影响，环境相对较差，高档小区分布较少，家用汽车多用于解决基本通勤需求，因此表现为住宅小区高档车占比较少，而低档车占比较高。③距最近工业园区距离与通勤结构相关性表现为，园区周边住宅小区职住平衡，不少企业员工选择回家午餐、午休，形成了午间通勤高峰，表现为三峰型通勤结构；而住宅小区距离工业园区越远，职住失衡问题越突出，更多企业员工选择在单位午休，午间人流量相对较少，住宅小区双峰型通勤结构越明显。

5.环境条件与年龄结构、财富结构关联性较高

(1)环境条件与年龄结构关联性体现：环境条件较优社区多位于近郊区或内城区外部边缘，上述社区体现为两个空间特点：一是距离工业园区相对较远；二是价格相对较高，与青年、老龄人口倾向低价格、职住平衡的住宅选址特征互斥，而中年人口由于收入相对较高，对环境条件有较高的要求，因此环境条件良好的社区成为中年人口的主力消费人群。

(2)从财富结构而言，环境条件较好的社区，房地产价格也相对较高，因此通过房地产价格过滤机制，社区为多为高财富收入家庭，在车流量上表现为以高档车为主，中档车次之。

四 研究结论

本研究以社区(村)为基本单元，通过目视调查法，搜集了扬州市区460个住宅小区的年龄、财富和通勤数据，揭示不同年龄、财富和通勤结构社区的指向规律和形成机理，为开展短周期、小尺度人口地理学综合研究提供依据。

第一，采用目视调查法，通过对住宅小区断面人口年龄、收入、通勤的统计，可实现对社区进行多频次、多维度人口特征提取，从方法上有利于改变目前人口地理学研究过度依赖大尺度、长周期人口普查数据的现状，实现人口地理学微观、持续研究，适应日益复杂、频繁、精细的社会应急管理需要。

第二，社区人口空间结构的指向。将社区人口结构按年龄、财富和通勤特点，分为学龄比、青年比、中年比、老龄比、高档车占比、中档车占比、低档车占比、双峰型通勤、三峰型通勤、平稳型通勤10种结构。高学龄比社区存在学区指向，青年比社区存在通勤和房价指向，中年比社区存在环境、通勤指向；老龄比社区存在历史指向；高档车占比社区存在公共服务和环境指向；中档车社区存在通勤指向；低档车存在通勤指向；双峰型通勤社区存在通勤指向；三峰型通勤社区存在学区、通勤指向；平稳型通勤社区存在历史指向。

第三，社区人口空间结构形成机理。采用负二项回归模型进行归因分析，解释因子为历史、教育、房价、通勤、环境要素，其中房价、距离最近工业园区距离、环境指标关联最多，数量为5～6个，其余解释因子关联数量在1～3个，关联范围较弱，说明房价、通勤、环境要素是城市社区人口结构形成的基础性要素。在关联强度方面，历史要素——老龄比，学区——学龄比，房地产价格——老龄比、高档车占比，距离最近工业园区距离——双峰型通勤结构，环境条件——中年比、高档车占比表现为强关联关系。