基于Ga2SFCA的贵州特色小城镇就业可达性评价——以肇兴镇为例

王诗文 杨柳

(1.铜仁市林业局，贵州 铜仁 554300；2.贵州大学公共管理学院，贵州 贵阳 550004)

贵州省作为全国唯一没有平原支撑的山区省份，贵州省政府基于省情，提出建设特色小城镇作为统筹城乡一体化发展，作为促进山地特色新型城镇化的重要抓手。用科学的方法研究贵州特色小城镇的居业问题，具有现实意义。

就业可达性是交通可达性研究领域的重要组成部分。Hutchinson在1974年出版的著作中，将这一理念引入城市社会学领域，并用就业可达性来研究空间不匹配等问题[1]。之后随着就业可达性研究的兴起，逐渐成为城市社会学和城市地理学等多学科关注的重要议题。从前人的研究来看，就业可达性是指就业供给点空间潜在的就业机会和就业需求者到就业供给点的便利程度[2,3]。就业可达性是一种非常有用的工具，在居住与就业空间[4]、职住平衡[5]、职住空间错配[6]和就业能力[7]等问题上起重要作用。

从现有的研究来看，就业可达性的测算方法众多，主要分4种。早期比较简单的计算就业需求点到就业供给点的通勤时间和通勤距离[8]；基于累加机会模型的测算方法，指在一定时间内通过某种交通方式能到达的就业机会总量[9]；基于重力模型的计算方法，指就业需求者获得的就业机会随着交通阻抗的增加而衰减的[10]；考虑到空间摩擦问题，基于高斯方程改进的重力模型即高斯两步移动搜素法[11]。Luo和Wang在2003年提出两步移动搜索法，用于计算医疗服务空间的可达性[12]。之后两步移动搜索法被众多学者改进，应用于各领域的公共空间服务设施可达性评价中[13]。高斯两步移动搜索法是在考虑空间摩擦问题的基础上，利用高斯方程赋权，对两步移动搜索法的改进。国内学者王琦用高斯两步移动搜索法对沈阳市的就业可达性进行了评价，证明了该方法在衡量就业可达性方面的有效性[11]。国内学者对就业可达性实证研究主要集中在大城市，如北京、武汉等城市[14]，对小城镇就业可达性的案例研究几乎没有。本文基于高斯两步移动搜索法评价肇兴镇的就业可达性，对特色小城镇就业问题的研究提供新的思路。

1 研究区域概况、数据与方法

1.1 研究区域概况

肇兴镇位于贵州省黎平县南部，是全国第2批特色小城镇建设示点之一，也是贵州省100个小城镇建设试点之一。肇兴镇地处河谷溪畔坡塝，距县城46km，东与水口镇接壤，东南与龙额镇相连，西连从江县洛香镇，北接永从镇双江镇、永从镇、顺化乡。全镇国土面积133km2，现辖15个行政村，52个自然寨，镇人民政府驻地肇兴村。全镇总人口23709人，劳动人口12008人，镇内侗、苗、汉、水等民族聚居，其中侗族人口占了总人口的83.48%。肇兴位于云贵高原向江南丘陵过渡地区，地势东高西低，平均海拔460m，属中亚热带季风湿润气候。全镇旅游资源丰富，有浓郁的侗族文化、良好的生态环境、古朴的传统村落，目前已形成“旅游+”为主导的产业形态，是宜居、宜游、宜业的侗文化特色小城镇。

1.2 数据来源及处理

研究采用的空间数据来自肇兴镇土地利用数据库，社会经济数据中劳动人口数据和就业岗位数据来自肇兴镇扶贫办的普查信息和实地调研。利用GIS软件将社会经济数据和路网数据矢量化，利用相关工具提取出研究所需的各类空间数据，最后将各类数据分类汇总后，生成就业可达性测算的数据库。

1.3 研究方法

1.3.1 高斯两步移动搜索法

基于高斯两步移动搜索方测算就业可达性值，过程分2步[15]。

计算就业供需比：

式中，Sj表示就业供给点j的总供给，农业就业供需比计算公式的Sj用耕地面积表示，旅游业就业供需比计算公式的Sj用就业岗位数表示；dkj是需求点k和供给地j之间的距离；Pk表示搜索区内劳动(dkj≤d0)人口的数量；d0是阈值(搜索半径)；G(dkj,d0)表示高斯函数，计算公式：

计算居民点的就业可达性：

Ai=∑l∈{dil≤d0}G(dkj，d0)Rl

式中，Rl表示需求点i的空间范围内(dil≤d0)供给点l的供需比；dil表示需求点i到就业供给点l的空间距离。

1.3.2 克里金空间插值法

克里金空间插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限局域内对区域化变量进行无偏最优估计的一种方法[16]。原理：

式中，Z(x0)为未知样点的值；Z(xi)为已知样本点的值；λi为第i个已知样本点对未知样本点的权重；n为已知样本点的个数。

就业可达性值被赋予在就业需求点上，为获得肇兴镇任意位置的就业可达性，需对就业需求点以外的点进行可达性估计。克里金空间插值法作为由已知样点来推测未知样点数值的局部空间插值法，不仅能最大限度地利用空间取样所提供的各种信息，考虑已知样本点与未知样本点的距离远近，还通过变异函数理论和结构分析，考虑了已知样本点的空间分布与未知样点的空间方位关系。因此，选用克里金空间插值法具有科学合理性。

2 就业可达性分析

2.1 搜索半径(d0)的确定

d0是高斯函数计算的关键，也是就业可达性值测算的关键。本文分开测算农业和旅游业的就业可达性值，因此需要分别确定d0的值。传统两步移动搜索法一般用欧式距离来确定d0的值，考虑到研究区地形以山地为主，以路网距离代替欧式距离，使测算的结果更精准。根据实际调研的结果，发现研究区有部分农业耕作点只能步行，因此农业搜索半径的确定以路网时间加步行时间作为总时间，取平均值作为农业d0的值；旅游业搜索半径的确定以路网时间的平均值作为旅游业d0的值。

基于GIS，将肇兴镇路网数据矢量化，按照村道20km·h-1，县道40km·h-1，省道60km·h-1给路网等级赋值，用OD成本矩阵计算出路网时间。部分步行的耕作点用近邻分析计算出步行距离，根据经验，人的步行速度为5km·h-1[17],步行距离除以步行速度得出步行时间。根据计算出的时间距离取平均值作为搜索半径(d0)，农业d0值是35min，旅游业d0值是30min。

2.2 就业供需点的确定

根据高斯两步移动搜索法计算原理，结合肇兴镇产业发展以山地生态农业和精品旅游业为主的实际情况，本文以农用耕地作为农业的就业供给点，旅游景区作为旅游业的就业供给点，以耕地面积和景区就业岗位分别作为农业和旅游业的测算数据；以肇兴镇的52个自然寨(居民点)作为就业需求点，以劳动人口数据作为测算数据。

2.3 就业可达性结果分析

基于自然间断点分级法，将肇兴镇各居民点的就业可达性值分为5个等级，生成肇兴镇居民点农业就业可达性分级表1和居民点旅游业就业可达性分级表2。

根据就业可达性模型的计算原理，农业的就业可达性值可理解为经过高斯函数加权处理后的居民点可利用耕地面积的占有量。据表1可知，农业可达性等级在较高和高之间的居民点数量只有5个，仅占居民点数量的9.62%。农业可达性等级在较低和低之间的居民点数量有33个，占了居民点数量的63.46%。肇兴镇居民点平均耕地面积为0.32km2/个，和农业可达性较低等级的最大值大概一致，意味肇兴镇65%居民点可利用的耕地资源低于全镇的平均值，只有少数居民点达到高值。整体看，肇兴镇的农业可达性空间分布不均衡，可达性高值和低值之间差距较大，可达性等级高和等级低的居民点数量差距也大。

表1 肇兴镇居民点农业就业可达性分级

根据就业可达性模型的计算原理，旅游业可达性值可理解为经过高斯函数加权处理后的居民点劳动人口可获取景区就业岗位的潜在机会。据表2可知，旅游业可达性等级在较高和高之间的居民点数量有10个，占居民点数量的19.23%。农业可达性等级在较低和低之间的居民点数量有38个，占了居民点数量的73.07%。整体看，肇兴镇的旅游业可达性空间分布不均衡，可达性高值和低值之间差距较大，可达性等级高和等级低的居民点数量差距也大。说明，肇兴镇大多数居民点可获取景区就业岗位的潜在机会普遍较低，更有少部分居民点旅游业可达性值为0。

表2 肇兴镇居民点旅游业就业可达性分级

2.4 就业可达性空间分布

基于克里金空间插值分析生成肇兴镇就业可达性等级图，见图2、图3，根据就业可达性的高低分成5个等级，就业可达性值最高的是Ⅰ级，就业可达性值最低的是Ⅴ级。

肇兴镇农业的就业可达性总体呈东部低、西部高的空间分布特征。可达性高值区主要分布皮林村西部和肇兴村北部，形成西部和南部2个空间组团。结合耕地等级图可以发现，西部空间组团以等级高的Ⅰ级、Ⅱ级耕地为主，南部空间组团以Ⅱ级、Ⅲ级耕地为主。整体看，等级高的耕地对肇兴镇农业就业可达性空间分布影响较大。居民点周边有等级高的耕地，农业的就业可达性值较高。可达性低值区主要分布在肇兴镇东部地区。东部地区虽然耕地数量较多，但多以等级低的Ⅳ级、Ⅴ级耕地为主，加上东部地势高，出行时间成本高，形成较为明显的低值区。

旅游业的就业可达性空间分布和农业的就业可达性空间分布具有相似性，就业可达性总体呈北低南高、东低西高的空间分布特征。皮林村的西部和肇兴村的北部形成2个就业可达性高值空间组团，西部空间组团和南部空间组团，但西部空间组团规模远小于南部空间组团。南部高值空间组团形成最主要的原因是景区均分布在南部地区。西部高值空间组团主要原因是该区域和Ⅰ级景区之间有省道连接，出行时间成本低。整体看，景区空间分布和景区等级对肇兴镇旅游业的就业可达性空间分布影响较大。就业可达性低值区主要分布在肇兴镇东部和北部地区。东部地区没有景区分布，加上地势高、交通道路等级低、出行时间成本高，便形成较为明显的低值区。北部地区没有景区分布，从居住点到景区就业的出行时间成本高是北部地区就业可达性低的主要原因。

3 结论与讨论

3.1 结论

3.1.1 肇兴镇就业可达性空间分布不均衡

根据就业可达性的测算结果可知，肇兴镇超过60%以上居民点的农业就业可达性在等级低和较低区间，只有不到10%的居民点就业可达性达到高值。相较于农业的就业可达性，肇兴镇有超过70%的居民点旅游业的就业可达性在等级低和较低之间，近20%的居民点就业可达性达到高值。整体看，肇兴镇各居民点的就业可达性越高，居民点的数量就越少，就业可达性空间分布不均衡，表现出一定程度的空间极化特征。肇兴镇就业可达性空间分布不均衡意味全镇就业供需不平衡，即居住空间和就业空间不匹配。

3.1.2 就业供给点的规模对就业可达性的影响较大

对就业供给点和就业可达性测算结果的分析可知，就业需求点周边有面积规模大的耕地，农业的就业可达性就高，如西部的皮林村。就业需求点周边以面积规模小的耕地为主的区域，其农业的就业可达性就低，如东部的高鸟村。肇兴村周边有规模大的景区，旅游业的就业可达性就高。分析可知，规模大的耕地和景区是影响就业可达性的重要因素。因此，肇兴镇作为以特色旅游业发展为主题的小城镇，想要改善就业可达性分布不均衡的问题，大型耕地的规划和景区规划布局是重要突破口。

3.1.3 地形因素是就业可达性空间分布不均衡的主要因素

肇兴镇处于云贵高原向江南丘陵过渡地区，地势东高西低。研究中，本文考虑到地形空间阻隔因素，用路网距离代替欧式距离，建立相应的高斯函数。由图2、图3可知，东部地区是农业和旅游业就业可达性的低值区，主要原因是东部地势高，空间阻隔大，居民出行时间成本高。就业可达性西部和南部两个就业可达性高值空间组团形成的一部分原因是地势相较平缓，区域内有省道和县道通过，出行时间成本低。

3.1.4 调整就业供需点的空间布局，促进就业服务公平化

就业是公共服务设施研究的内容之一，每个居民公平享有就业服务资源是区域发展的目标之一。现实中，往往因为求职者、交通网络和就业市场的不同，造成区域居住和就业空间不匹配，引发就业不公平现象。从就业公平的角度看，肇兴镇需要优化居住点和就业点的空间布局，以此促进就业服务公平化。

根据肇兴镇就业可达性结果，提出3点建议。优化居民点空间布局。生产、生活和生态条件特别恶劣的居民点考虑搬迁至规模大的居民点；规模大的居民点可考虑合并周边规模小的居民点，统一规划。完善全镇交通路网，降低居民出行时间成本。肇兴镇区外围就业可达性较差的居民点，亟需优化交通路网服务的质量，提高交通可达性水平，改善居民出行时间成本。发展多中心产业空间结构。肇兴镇农业发展以耕地资源较好的西部和南部为中心，旅游业发展以南部为中心，形成了产业核心区就业可达性高、远离产业核心区的区域就业可达性低的不平衡空间布局。因此，发展多个中心产业空间布局是从长远角度改善肇兴镇就业可达性空间分布不均衡的重要抓手。

3.2 结论

就业可达性的高低取决于就业需求点人口、交通路网、就业供给点规模3要素的相互作用，只有就业供需平衡，才能获得较高的就业可达性。利用高斯两步移动搜索法测算肇兴镇格居民点农业和旅游业的就业可达性，揭示了肇兴镇就业可达性的空间分布特征。但本文也存在不足之处。

本文对肇兴镇就业可达性的测度是以居民点作为就业需求点的中心，获得的值是离散的点数值，不能获得全镇就业可达性的空间分布趋势，只能通过克里金空间插值的方法来获取未知点的可达性。

研究中未考虑劳动人口个体的交通能力差异，假设就业个体使用同样的交通出行方式，没有区分不同交通工具的就业可达性。

在高斯两步移动搜索方法的就业可达性测度中，并没有对劳动人口进行区分，统一假设劳动人口对就业的需求是一样的。实际情况中，劳动人口不同个体之间因性别、年龄、受教育程度、收入等的不同，都可能对就业可达性产生不同的影响。

综上可知，理想化的就业可达性评价结果并不能完全符合实际情况。基于此，就业可达性的测算模型必须与研究区的客观实际相结合，才能使计算结果最大程度反映出实际情况。未来对就业服务设施空间可达性分析还有待进行深入研究。