成都市职住空间分布特征及影响因素研究

毕 硕 本,王 璐 烨,刘 少 丽,张 丽 丽,袁 聪

(南京信息工程大学地理科学学院,江苏 南京 210044)

0 引言

随着中国土地使用制度和住房市场体系不断完善,城市化水平持续提升,社会经济活动向城市高度集聚,中国城市进入复杂的空间重构和规模扩张时期[1],城市居住地和就业地空间分离、匹配错位现象日益凸显,由此引发了长时间、长距离通勤等城市病,如何快速有效地缓解职住分离成为提升居民幸福感、促进资源配置和洞悉城市演化规律的基础和关键。

Kain最早提出职住分离,探讨了种族歧视、就业岗位郊区化等因素对黑人群体职住分离的影响[2]。近年来,职住分离相关的实证研究逐步增多,学者们开始重视测度城市职住分离的空间特征及其影响机制。职住分离常用通勤行为特征衡量[3],但不同城市和居民对通勤行为特征的感知差异较大,该方法存在欠缺。有学者采用就业人口和居住人口之比反映职住分离,例如:英成龙等[4]采用就业—居住偏离度对乌鲁木齐市街道尺度的职住空间特征进行测度;杨润泽[5]分析中国特大城市的就业—居住偏离度,并寻找职住分离现象在宏观层面上的规律;张艳等[6]采用职住比和就业—居住偏离度对北京市职住空间特征进行测度;郭亮等[7]利用就业—居住偏离度的标准差和空间错位指数分析多尺度下武汉市职住空间静态分布特征。

职住分离受多种因素的综合影响,传统的职住分离影响因素研究主要以问卷调查获得的居民社会经济特征作为数据源,如柴彦威等[8]基于北京市问卷调查数据,借助多元回归模型验证了男性比女性承受的职住分离程度更显著。随着社会发展,性别因素对职住分离的影响趋弱[9,10],年龄因素对职住分离的影响受到关注。例如:吴瑞君等[11]认为年轻人具备较高通勤流动强度,承受着较大程度的职住分离压力;郑思齐等[12]认为年轻人工作不稳定,往往选择就近租房,因此职住分离程度会随年龄增加而增加;魏海涛等[13]通过变量输入法和步进法进行回归分析,发现年龄与职住分离的线性关系不显著。此外,人口密度、就业密度、学历、家庭规模等因素同样受到关注[14,15]。然而,职住分离不仅受居民社会经济属性的影响,也与城市区域空间特征紧密相关,随着城市大数据的发展,学者们开始挖掘建成环境要素对职住分离的影响。例如:仇璟等[16]结合问卷调查和城市兴趣点数据,围绕居民社会经济属性、职住地建成环境构建职住平衡影响因素体系,并运用有序Logistic回归模型进行影响因素分析;Ding等[17]探讨了华盛顿市区交通小区层面的建成环境要素与居民通勤行为的关系;Mercado等[18,19]使用多层模型和多元回归模型分析了加拿大城市通勤距离的决定因素,发现土地利用混合程度的合理增长能减少通勤距离,从而有助于城市职住平衡。

目前从就业人口数量占居住人口数量比重角度搭建的职住分离测度指标[20]存在有下限无上限的问题,使某一功能主导区域的指标数量级过大,易产生异方差问题,导致回归模型对另一功能主导区域的解释力下降,亟须对测度指标进行调整。另外,目前的职住分离研究大多默认各因素对不同功能主导区的驱动作用相同,忽略了空间功能差异,考虑到不同功能主导区可能存在不同的职住分离内在动力机制,有必要将研究区域划分为就业主导区和居住主导区进行影响因素分析,从而丰富职住空间研究的共识性理论和观点。鉴于此,本文以成都市主城区为研究对象,结合传统普查数据与城市地理信息数据,通过调整后的职住分离测度指标分析成都市在街道尺度上的职住空间匹配特征,并通过回归分析方法探究社会经济要素和建成环境要素对就业主导区和居住主导区职住分离的影响,以期为改善成都市职住空间现状提供决策依据。

1 研究区域、数据与方法

1.1 研究区域

成都是西部地区典型的单中心城市和国家重要的高新产业基地,其职住空间结构的合理规划对促进西部城市发展有重要意义。考虑到成都市城市化水平现状和数据完整性,本文选取成都市主城区(包括金牛区、青羊区、成华区、锦江区和武侯区)作为研究区域(图1),考虑到武侯区的肖家河街道、芳草街街道、石羊街道和桂溪街道由高新区代为管辖,相关数据暂未公开,故不在研究范围内,最终研究区域内共计58个街道,面积为419.85 km2。

图1 研究区域

1.2 研究数据

本文选取成都市主城区第七次全国人口普查数据和第四次全国经济普查数据,主要指标包括各街道的居住人口数量、就业人口数量、各年龄段占比、性别占比等;通过高德地图API获取POI数据,进行去重后,利用坐标纠偏算法将经纬度信息统一转换为常用的CGCS2000坐标系,并从中筛选出政府服务单位、学校、医疗机构和超市等社会性基础设施相关数据以及公交地铁站点信息;研究区高速公路、城市快速路、省道等路网数据来自OpenStreetMap官网(http://openstreetmap.org)。

1.3 研究方法

1.3.1 就业—居住偏离度 本文通过对数函数对原就业—居住偏离度进行调整,降低就业主导区的偏离度数量级,计算公式如下:

Zi=ln(YiR/YRi)

(1)

式中:Zi为街道i的就业—居住偏离度,Yi、Ri分别为街道i的就业人口数量、居住人口数量,Y、R分别为主城区的就业人口总数、居住人口总数。理想状态下,Zi=0表明该街道的就业和居住功能相匹配,Zi>0意味着就业人口比重高于居住人口比重,反之居住人口比重高,居住功能强于就业功能。本文定义Zi>0.26的街道为就业主导街道,Zi∈(0.10,0.26]为就业次级主导街道,二者均为就业主导区;Zi∈[-0.36,-0.11]为居住次级主导街道,Zi<-0.36为居住主导街道,二者均为居住主导区;Zi∈(-0.11,0.10]为就业—居住基本匹配街道[21]。为消除就业—居住偏离度与完全匹配值0之间差值的正负项,利用偏离度的绝对值(|Zi|)反映主城区职住分离程度的差异大小。

1.3.2 回归分析 OLS(Ordinary Least Squares)线性回归分析[22]常用于职住分离影响因素研究,但职住分离相关变量与实际生活密切相关,变量之间往往互相关联或相互补充,导致多重共线性问题,故常用如下方法进行处理[23]。

1)逐步回归(Stepwise Regression,SR)[24],是将变量逐个引入回归模型,并且每次对全部变量进行检验,剔除偏回归平方和不显著的自变量,直至没有新的显著变量引入,也没有不显著的变量被剔除,即建立最优多元线性回归方程,以解决共线性问题。

2)岭回归(Ridge Regression,RR)[25],是通过舍弃最小二乘法的无偏性,以损失部分信息、降低拟合精度来获取具有解释意义的回归系数。对于普通的多元线性回归模型Y=α+βX,应用岭回归分析方法时,其回归系数向量β的估计值计算公式如下:

(2)

式中:X为自变量矩阵,Y为因变量,I为单位矩阵,K为岭回归参数(K>0),K值越大,消除共线性的效果越好,但会导致拟合精度降低,使回归系数严重偏离客观实际,通常依据岭迹图,选取各自变量的标准化回归系数趋于稳定时的最小值作为K值[26]。

2 成都市职住空间特征分析

2.1 就业人口和居住人口空间分布特征

由图2可知,成都市主城区就业人口和居住人口空间分布大致相同,即呈现人口数量由中心向外递减的分布特征,在宏观层面上体现了典型的单中心城市人口分布特征。其中,就业人口集聚区以二环区域为主,最高值达6.90万人/km2,就业人口密度较高街道(如西御河和春熙路街道)包含城市中心的天府广场及春熙路、太古里等主要商圈,而二环外就业人口密度最低为141.34人/km2。天府广场作为成都市的政治、文化中心和综合交通枢纽,其经济高速发展带动居住地不断向四周扩张,因此居住人口密度高值覆盖范围大于就业人口密度高值覆盖范围,主要集聚在三环内,最高值达3.88万人/km2。在外环区域,如大熊猫繁育基地、湿地公园和森林公园等生态保护区域,居住人口与就业人口相对稀少地区存在空间重合,如天回镇、康河、龙潭街道的居住人口密度分别为2 477.86人/km2、3 938.10人/km2、3 971.85人/km2,就业人口密度分别为593.42人/km2、141.34人/km2、1 237.04人/km2。

图2 成都市主城区就业人口密度和居住人口密度分布

2.2 职住空间分离特征

在街道尺度上,成都市主城区职住分离程度较大(图3),就业—居住偏离度范围为[-2.100,2.465]。职住空间基本匹配街道数量仅有6个,且分布在三环周围;就业主导街道有24个,主要位于主城区中心,居住活动相对不足,如锦官驿街道、春熙路街道的就业—居住偏离度分别为1.833、2.403,三环外也存在少量就业活动相对密集的街道,如文家街道的蛟龙工业港产业丰富且周边居住空间较小,就业—居住偏离度达0.852;居住主导街道有16个,多分散在几个就业主导区所能辐射的街道范围内,在提供充足劳动力的同时承载着大量人口的居住和日常生活需求。

图3 就业—居住偏离度指数和绝对值分布

主城区各街道就业—居住偏离度绝对值范围为[0.005,2.465],绝对值大于0.5的街道有33个,占比56.90%,大于1的有20个,占比34.48%。职住分离程度明显的街道主要分布在三环内的就业主导区,主城区中心职住分离程度较严重,由此推测,就业主导区向中心高度集聚是造成成都市主城区职住分离程度较大的主要原因。

3 成都市职住分离影响因素分析

3.1 变量选取

职住分离的产生与诸多因素有关,最具代表性的有社会经济要素和建成环境要素。①对于社会经济要素,相关研究往往选择与职住活动密切相关的居民属性信息[27,28]进行分析,如街道的人口数量差异是影响职住空间的直接因素,老年系数的差异可能会影响劳动力市场和区域整体的就业活动,此外,受传统思想及家庭因素的影响,性别差异可能会影响个体职住地的选择和被选择。②建成环境要素主要影响居民的生活成本和便利度,现有研究多基于5D理论[29]选择建成环境要素[30,31]。其中,社会性基础设施的完善能带动产业发展和人口集聚,且其完善程度可能会影响居民对职住地的选择;在交通系统中,交叉口的设计、路网的密集程度和公共交通的便利度是影响居民通勤行为的重要因素,进而会影响职住分离程度。因此,本文综合考虑社会经济要素和建成环境要素,选取居住人口密度、就业人口密度、老年系数、性别比、公交/地铁站点密度、交叉口密度、路网密度和社会性基础设施密度共8个变量,借助回归模型分析成都市主城区职住分离程度的影响因素,变量描述如表1所示。其中,居住人口密度、就业人口密度、老年系数和性别比均基于普查数据计算得出,用以反映街道居民个体出行能力和职住平衡需求;统计公交/地铁站点数量和社会性基础设施数量与街道面积的比值,分别用以反映公共交通便利度和社会性基础设施的完善程度;交叉口密度、路网密度通过路网数据提取街道内部交叉口数量与路网长度并计算两者与街道面积的比值得到,用以表征街道内部路网特征。

表1 变量描述

3.2 回归分析及结果

本文选取就业—居住偏离度的绝对值|Zi|作为因变量Y,表1中8个变量为自变量,构建回归模型如下:

Y=α+β1X1+β2X2+…+β8X8

(3)

式中:β1,β2,…,β8为回归系数,α为回归误差。

为探索不同功能主导区的内在动力机制,在总体样本的基础上增加就业主导区样本和居住主导区样本,对3组样本进行回归分析,探索各影响因素对不同功能主导区职住分离的驱动作用。

在模型运算前对变量进行异方差检验和多重共线性检查。通常采用White检验方法[32]进行异方差检验,该方法不需要排序,也不依赖正态性假设,易于实施。由表2可知,3组样本的P值均大于0.05,说明3组样本的White检验均接受原假设,模型不存在异方差问题,从而保证回归模型对不同功能主导区职住分离程度解释力的一致性。通常采用方差膨胀因子(Variance Inflation Factor,VIF)进行多重共线性检查,VIF大于5代表变量之间具有强烈的多重共线性。从表3发现,居住人口密度、就业人口密度、交叉口密度、路网密度和社会性基础设施密度的VIF在不同样本中大于5,说明3组样本的自变量与因变量之间存在不同程度的共线性问题。为能在有效解决多重共线性问题的基础上探索职住分离内在动力机制,本文采用逐步回归(SR)和岭回归(RR)方法进行回归分析。

表2 White检验结果

表3 方差膨胀因子(VIF)检验结果

本文根据岭迹图选取合适的岭参数K值,计算得到3组样本在K取值为[0,1]时的岭迹图(图4)。可以发现,当K=0.4时,3组样本各回归系数的岭估计趋于稳定,岭迹曲线大体平行于横轴,因此选取K=0.4作为岭参数代入岭回归分析。

图4 3组样本的岭迹图

除拟合精度外,准确进入回归模型的变量数量也是评判回归模型解释力的指标之一[33]。如表4所示,3组样本的SR和RR拟合结果均通过了F检验(P<0.001),表明因变量与自变量间的线性关系显著,两种方法均能获得具有统计意义的回归模型;由调整R2可知,模型的调整拟合优度均较高,说明模型整体拟合效果较好,适用于解释自变量与职住分离的关系,且3组样本SR模型的调整R2均高于RR模型,拟合精度更优。但在SR模型中,许多重要变量未通过显著性检验,3组样本中分别仅引入了2个、3个和2个变量,说明SR模型对变量的解释力不足;而RR模型可以分别引入4个、6个和3个变量,表明该模型能在处理变量共线性问题的同时保留重要变量并进行有效解释,在职住分离影响因素研究方面的实用价值更高,因此,本文选择RR模型分析影响因素与就业—居住偏离度绝对值之间的关系,结果如表5所示。

表4 拟合优度

表5 基于岭回归模型的各变量标准化系数

3.3 影响因素分析

1)社会经济要素。①居住人口密度和就业人口密度。对于成都市主城区整体而言,居住人口密度的标准化系数为-0.155,与就业—居住偏离度绝对值呈显著负相关,对职住分离起到改善作用,而就业人口密度的增加会加重职住分离,这可能与成都市相对分散的居住人口和高度集聚的就业人口有关[34]。居住人口密度和就业人口密度对就业主导区职住分离的影响方向与成都市主城区相同,随着居住人口密度的合理增加,成都市就业主导区职住分离程度得到缓解,而就业人口密度的标准化系数为0.463,对就业主导区职住分离呈显著的正向影响,可能缘于就业主导区以产业功能用地为主,缺少居住用地,因此就业个体不得不选择在街道外居住,从而造成职住分离。而在居住主导区内,居住人口密度和就业人口密度对职住分离的影响方向恰好相反,这与不同功能主导区人口集聚的类型特征有关,居住人口的增加和就业人口的减少会加重居住主导区的职住分离程度。同时,3组样本结果显示,就业人口密度对职住分离的影响大于居住人口密度,在所有自变量中影响程度最大,说明就业人口密度是影响职住空间分布的最主要因素。②老年系数和性别比。在总体样本回归模型中二者均未通过显著性检验,但老年系数在就业主导区中呈正向影响,其标准化系数为0.156。近年来,成都市老龄化进程明显加快,老龄化水平高于全国平均水平[35],由此导致的高老年系数可能会影响到区域的就业与再就业,甚至是劳动人口的年龄结构,从而使就业市场中本街道的劳动人口下降,需要从街道外吸引就业人口,进而产生职住分离。而性别比在居住主导区中呈正向影响,表明男性比女性承受着更大的职住分离压力,男性人口的增加和女性人口的减少会加重区域的职住分离,这与相关研究结论存在差异[36]。随着时代发展,女性能更自由地选择就业地,但根据国务院妇女儿童工作委员会于2018年发布的女性职场现状调查报告显示,成都市女性投入家庭的时间比男性高15%,大部分女性以就近就业为主,性别因素依旧是影响成都市主城区职住分离的关键要素。

2)建成环境要素。相对于社会经济要素而言,建成环境要素的差异对城市居民职住分离的影响较简单。①公交/地铁站点密度。在总体样本和就业主导区样本中,公交/地铁站点密度标准化系数分别为-0.245和-0.170,公交与地铁站点便利度的提升大大增加了居民通勤的目的地可达性,进而降低职住分离程度,这与相关观点一致[37,38],如光华街道就业—居住偏离度绝对值仅为0.072,职住匹配程度较大,这得益于成都市大规模公共交通建设,快速公交线路、常规公交线路和夜间公交线路的运行效率均较高[39]。②交叉口密度。在总体样本和就业主导区样本中,交叉口密度对职住分离程度存在显著的正向影响,这与尹超英等的观点存在差异[40]。成都市正在努力打造中心城区“半小时交通圈”,道路系统建设加快发展,交叉口设计趋于合理和完善,但考虑到成都市是典型的单中心平原城市,道路系统的建设反而会促进居住用地向外扩散,加重郊区住宅化[41],使郊区和城市中心之间产生大量交通流,同时机动车便捷性和行驶速度的增加可能会改变居民对通勤时间的感知,居民对职住平衡的需求减弱,由此造成职住分离。③社会性基础设施密度。在就业主导区中,社会性基础设施密度的标准化系数为0.137,说明就业主导区社会性基础设施的完善加剧了城市的职住分离现象。这可能与居住成本有关,政府服务单位、学校、医疗机构和超市等就业地为就业主导区提供了多样的就业机会,吸引就业人口集聚,但社会性基础设施完善的区域往往居住成本较高[42],促使较多的就业人口居住地向区域外转移,进而产生职住分离[43]。

从回归结果中可以发现,就业主导区和居住主导区产生职住分离的内在动力机制不仅与成都市主城区总体样本存在区别,而且两个功能主导区的内在动力机制也存在区别,相同的因素对两个功能主导区的驱动作用具有差异性。因此,在职住分离影响因素研究中,忽略空间功能差异可能会造成变量估计失效,难以推动城市规划精细化发展,在后续研究中应重视协同考虑就业主导区和居住主导区中各要素对职住分离的影响。

4 结论与讨论

本文基于普查数据和城市地理信息数据,探讨了成都市主城区居民职住空间分布特征与职住分离程度,并通过回归方法分析了社会经济要素和建成环境要素对城市职住分离的影响机制,研究发现:①基于对数调整后的就业—居住偏离度的最大值和最小值分别为2.465和-2.100,基本在0处左右对称;White检验表明,基于对数调整后的就业—居住偏离度的回归模型不存在异方差问题,回归结果的解释力更高。②成都市主城区就业和居住人口数量空间分布均呈现由中心向外递减的特征。从职住空间匹配角度分析,职住分离是成都市主城区职住结构的突出特征,基本匹配街道数量明显较少且位置分散,位于城区中心的街道大部分以就业功能为主导且职住分离较严重,承载着居住功能的街道分散在中心区域周围。③成都市主城区职住分离现象形成的主要原因在于就业人口密度、居住人口密度、老年系数、性别比、公交/地铁站点密度、路网密度和社会性基础设施密度的差异,其中就业人口密度对职住分离的影响最显著。④就业主导区和居住主导区产生职住分离的内在动力机制存在差异,影响就业主导区职住分离的因素比居住主导区更复杂。

目前我国已经进入城市化的中后期,城市人口增长速度逐渐降低,但城市空间形态会发生急剧变化,空间的扩张和重构会导致职住分离现象。成都市主城区过去以摊大饼的发展模式衍生扩张,形成了典型的中心放射加环线的交通网络系统,容易造成单一中心化、城市拥堵和地段固化。如今,随着天府新区的发展,产业发生转移,人口从由圆心向外慢慢迁移变成跳跃性的南移,加剧了主城区的职住分离,在这种形势下,若不采取必要措施,城市的职住分离问题将更严重。为促进城市健康发展,本文提出以下建议:①打造多中心的城市空间格局,进一步强化天府新区的就业吸纳能力,尽可能抑制新区职住分离的进一步增长;②设置就业岗位时应适当与居住主导区相结合,平衡区域内就业人口密度和居住人口密度,以扩大职住平衡区的空间范围;③注重就业主导区建成环境的完善,提高公共交通服务水平的同时,也要关注交通系统和社会性基础设施的改善,避免不合理增长。

本文旨在对城市居民职住关系的平衡和优化提供决策依据,仍存在如下局限:受数据限制,未能从职住空间变迁角度对成都市职住关系开展分析;其次,仅通过就业—居住偏离度及其绝对值对职住分离进行测度存在一定的片面性,无法反映区域的自足性水平和居民的通勤行为。后续将结合城市不同发展时期的普查数据、居民出行调查报告、城市大数据等数据,进一步扩展时间维度和变量体系,对职住空间分布特征及影响因素进行深入分析。