徐鋒 李之明 何建兵 張景奎 余紅玲
關(guān)鍵詞:職住平衡;城市規(guī)劃;交通一卡通大數(shù)據(jù)
中圖分類號(hào):TP274.2;TP393.09 ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-4706(2019)06-0001-04
Abstract:The imbalance between occupation and housing is an inevitably inappropriate allocation of space resources in urbanization development. It is also an important issue faced by urban planning construction and development in the new era. Under the background of the maturity and wide application of big data technology and other new internet technologies into the development of the industry,this paper builds the identification model of commuter’s residence and employment based on the big data of urban traffic card,identifies the commuter’s OD. The paper explores the evaluation index and measurement method of occupational-housing balance,in order to applying it to the research of occupational-housing balance in Guangzhou’s urban areas. The results show that the commuters in Guangzhou have the characteristics of living closely and choosing jobs across districts;the balance of occupations and housing in urban central areas is better;the closer to the city center,the imbalance of occupations and housing in the region is more outstanding.
Keywords:occupational-housing balance;city planning;transportation card big data
0 ?引 ?言
隨著城市空間的快速拓展,功能結(jié)構(gòu)調(diào)整演變和城市交通基礎(chǔ)設(shè)施日漸完善,城市就業(yè)與居住空間關(guān)系中已存在的分離、錯(cuò)位、失調(diào)等失衡問(wèn)題愈發(fā)嚴(yán)重。從本質(zhì)上來(lái)講,職住失衡問(wèn)題是城市化發(fā)展過(guò)程中必然遇到的一種空間資源配置不當(dāng)問(wèn)題,是在城市規(guī)模擴(kuò)張的過(guò)程中,由于城市建設(shè)規(guī)劃和功能區(qū)布局未及時(shí)、未能有效調(diào)整,導(dǎo)致居住地和工作地空間分離,引發(fā)長(zhǎng)距離通勤、交通擁堵和幸福指數(shù)偏低的社會(huì)問(wèn)題。鄭思齊(2015)認(rèn)為,“交通擁堵”本源雖然是土地利用格局所帶來(lái)的巨大交通需求與交通供給不足之間的矛盾,但是“職住分離”已然成為城市交通擁堵的主要原因之一[1]。
當(dāng)前,移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等新興互聯(lián)網(wǎng)技術(shù)已經(jīng)逐步成熟并廣泛應(yīng)用服務(wù)于行業(yè)發(fā)展,諸多城市規(guī)劃建設(shè)工作者運(yùn)用大數(shù)據(jù)技術(shù)研究城市居民職住時(shí)空行為,分析通勤特征和評(píng)價(jià)職住關(guān)系,挖掘城市空間功能區(qū)布局與職住關(guān)系的作用機(jī)理。如國(guó)外學(xué)者M(jìn)edina和Erath(2013)利用交通一卡通數(shù)據(jù)分別對(duì)城市結(jié)構(gòu)、就業(yè)密度空間分布進(jìn)行評(píng)價(jià)[2]。國(guó)內(nèi)學(xué)者鈕心毅、丁亮等(2017)利用手機(jī)信令數(shù)據(jù)從職住空間關(guān)系分析了上海9個(gè)郊區(qū)的發(fā)展情況,應(yīng)用獨(dú)立指數(shù)測(cè)度各新城的職住平衡程度,發(fā)現(xiàn):郊區(qū)新城基本符合離中心城區(qū)越遠(yuǎn)、職住失衡水平越小的規(guī)律[3];許園園、塔娜等(2017)利用地鐵刷卡數(shù)據(jù)描述上海市職住空間關(guān)系,認(rèn)為城市多就業(yè)中心發(fā)展對(duì)于職住平衡發(fā)展和通勤分流具有積極意義[4];史新宇(2016)基于上海市出租車和社交網(wǎng)絡(luò)數(shù)據(jù)建立移動(dòng)多源軌跡的軌跡數(shù)據(jù)分析模型,研究分析上海市民的職住空間平衡狀況和分離現(xiàn)象[5];譚欣(2016)構(gòu)建百度熱力圖數(shù)據(jù)的職住平衡度量指數(shù)分析重慶市都市區(qū)的職住關(guān)系,并與北京對(duì)比分析發(fā)現(xiàn):重慶職住平衡狀況顯著好于北京,且多數(shù)組團(tuán)處于平衡區(qū)間[6];許志榕(2016)基于軌道交通客流數(shù)據(jù)構(gòu)建軌道交通出行數(shù)據(jù)模型研究分析上海市職住關(guān)系和通勤特征[7]。以上研究成果為基于城市交通一卡通大數(shù)據(jù)研究城市職住平衡提供有力支持。
城市交通一卡通大數(shù)據(jù)作為直觀記錄、客觀描述城市居民交通出行的主要數(shù)據(jù)之一,具有規(guī)模海量、多源多樣、指數(shù)級(jí)增長(zhǎng)、應(yīng)用價(jià)值大等優(yōu)點(diǎn);另外,同傳統(tǒng)的問(wèn)卷調(diào)研方式相比,城市交通一卡通大數(shù)據(jù)具有易采集、成本低、效率高、客觀精準(zhǔn)等優(yōu)點(diǎn)。于是,筆者以職住空間匹配狀況為研究目標(biāo),研究職住平衡評(píng)價(jià)指標(biāo)和測(cè)度方法,基于城市交通一卡通大數(shù)據(jù)識(shí)別通勤人群的通勤軌跡(OD),并以廣州為例分析各城區(qū)職住關(guān)系和職住平衡水平,彌補(bǔ)當(dāng)前已有研究成果僅從就業(yè)崗位數(shù)量和居民人數(shù)匹配方面研究城市職住平衡的不足,為優(yōu)化城市功能區(qū)布局提供有力決策支持。
1 ?數(shù)據(jù)采集預(yù)處理
1.1 ?數(shù)據(jù)采集
本文研究所使用的數(shù)據(jù)為城市交通一卡通大數(shù)據(jù),數(shù)據(jù)來(lái)源于公交IC卡刷卡數(shù)據(jù)和公交地鐵GPS(如表1所示)、站點(diǎn)GIS等公共交通領(lǐng)域關(guān)聯(lián)數(shù)據(jù),數(shù)據(jù)存儲(chǔ)規(guī)模就已達(dá)PB級(jí)。數(shù)據(jù)結(jié)構(gòu)基礎(chǔ)信息包括:公交IC卡ID、交易終端ID、交易時(shí)間、線路/地鐵站點(diǎn)名稱、交易金額、卡類型等,如表2所示。本文隨機(jī)選取2017年2月廣州市的城市交通一卡通數(shù)據(jù)作為研究對(duì)象,預(yù)處理前的數(shù)據(jù)記錄已達(dá)4.2億條。
為提高大數(shù)據(jù)分析的效率和準(zhǔn)確性,有效規(guī)避不完整數(shù)據(jù)、冗余數(shù)據(jù)、噪音數(shù)據(jù)、錯(cuò)誤數(shù)據(jù)等異常數(shù)據(jù)的干擾,必須對(duì)城市交通一卡通大數(shù)據(jù)實(shí)施清洗、融合、變換、歸約等預(yù)處理工作。如圖1所示。
(2)數(shù)據(jù)融合:將異構(gòu)多源的城市交通一卡通大數(shù)據(jù)存儲(chǔ)在統(tǒng)一的數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或文件中,形成完整的數(shù)據(jù)集。
(3)數(shù)據(jù)變換:將城市交通一卡通大數(shù)據(jù)從一種系統(tǒng)轉(zhuǎn)移到另一個(gè)系統(tǒng),轉(zhuǎn)換成適用于數(shù)據(jù)分析挖掘的形式。
(4)數(shù)據(jù)歸約:剔除那些不能刻畫(huà)系統(tǒng)關(guān)鍵特征的具有非關(guān)鍵、冗余等數(shù)據(jù)屬性的數(shù)據(jù)集合,獲取具有精煉并能夠充分描述被挖掘?qū)ο髮傩缘臄?shù)據(jù)集合。
經(jīng)數(shù)據(jù)預(yù)處理后,符合研究數(shù)據(jù)質(zhì)量和應(yīng)用要求的有效數(shù)據(jù)記錄約3.13億條,對(duì)應(yīng)城市交通一卡通數(shù)量約為828多萬(wàn)張。另外,由于本文以通勤人群為研究對(duì)象,在數(shù)據(jù)預(yù)處理后,對(duì)老年卡、學(xué)生卡人群數(shù)據(jù)也予以剔除。
2 ?職住平衡測(cè)度指標(biāo)設(shè)置
E.Howard在“田園城市”(Garden Cities)理念中最早提出職住平衡的概念:“居民工作就在住宅的步行距離內(nèi)”[8];Cervero(1989)[9,10]提出了名義上的職住平衡的測(cè)度方法——“職住比”(jobs-housing ratio),即就業(yè)崗位數(shù)量除以就業(yè)人口數(shù)量,某地域職住比為0.8~1.2的狀態(tài)被定義為職住空間平衡,職住比越高,則該區(qū)域的就業(yè)功能越顯著,反之,就業(yè)功能越不顯著。但是,職住比是建立在“只要某個(gè)區(qū)域范圍內(nèi)有數(shù)量上較近的居住和就業(yè)機(jī)會(huì),居民就會(huì)在居住地就近擇業(yè)、在就業(yè)地就近居住”假設(shè)的前提下,這是與實(shí)際情況不符的。于是,本文引入“空間”測(cè)度方法,借鑒鄭思齊(2015)[1]、周作江(2016)[11]、Ewing(2004)[13]等專家的做法,采用“居住者就業(yè)平衡指數(shù)”(JHBRh,i)來(lái)測(cè)度區(qū)域居住者勞動(dòng)力有多大比例選擇在本區(qū)就業(yè),如式(1)所示;采用“就業(yè)者居住平衡指數(shù)”(JHBRj,i)來(lái)測(cè)度區(qū)域就業(yè)的勞動(dòng)力有多大比例選擇在本區(qū)居住,如式(2)所示。
其中,JHBRh,i為i區(qū)域的居住者就業(yè)平衡指數(shù),JHBRj,i表示就業(yè)者居住平衡指數(shù);LHJi表示同時(shí)在i區(qū)域居住和就業(yè)的人數(shù);LJi為在i區(qū)域就業(yè)但不在此居住的人數(shù);LHi為在i區(qū)域居住但不在此就業(yè)的人數(shù)。
3 ?研究分析過(guò)程
3.1 ?居住地和就業(yè)地識(shí)別分析
由于在現(xiàn)實(shí)生活中,上下車站點(diǎn)不能完全覆蓋居住地和就業(yè)地,因此本文將上車站點(diǎn)定義為居住地站點(diǎn)、下車站點(diǎn)定義為就業(yè)地站點(diǎn)。上下車站點(diǎn)識(shí)別包含五項(xiàng)關(guān)鍵步驟,如圖2所示。
(1)篩選出廣東省城市交通工作日期間的同一班次一卡通刷卡數(shù)據(jù),按照交易時(shí)間先后順序排序,判定每日的首次刷卡記錄,若非首次刷卡交易,則剔除。
(2)計(jì)算車輛到站時(shí)間。首先,分析線路軌跡相似度識(shí)別車輛實(shí)際路線,基于連續(xù)GPS軌跡點(diǎn)時(shí)空變化判斷車輛行駛方向;然后,計(jì)算公交、地鐵GPS軌跡點(diǎn)與站點(diǎn)GIS位置距離,選擇距離站點(diǎn)最短的GPS軌跡點(diǎn)作為進(jìn)站點(diǎn);最后,利用GPS記錄的速度信息數(shù)據(jù)計(jì)算出車輛到站時(shí)間。
(3)上車站點(diǎn)匹配。把車輛到站時(shí)間和乘客刷卡時(shí)間進(jìn)行匹配,選擇距首次刷卡時(shí)間最近的到站時(shí)間作為上車時(shí)間,該時(shí)點(diǎn)GPS所對(duì)應(yīng)的站點(diǎn)為上車站點(diǎn)。
(4)居住地站點(diǎn)識(shí)別。匯總同一卡號(hào)21個(gè)工作日每日首次上車站點(diǎn),并將各站點(diǎn)匯總記錄值的最大且大于1的上車站點(diǎn)作為居住地站點(diǎn)。若最大值存在多個(gè)站點(diǎn),選擇刷卡次數(shù)最多的上車站點(diǎn)為居住地。
(5)就業(yè)地站點(diǎn)識(shí)別。與居住地點(diǎn)推測(cè)過(guò)程(步驟(1)~步驟(3))類似,根據(jù)Barry的出行模式假說(shuō)和龍瀛、孫立君等人(2015)[12]的研究方法,筆者將21個(gè)工作日的每日上車6小時(shí)后的第一次刷卡上車站點(diǎn)(非居住地)進(jìn)行記錄,并將匯總值最大值且大于1的上車站點(diǎn)視為就業(yè)地站點(diǎn)。若最大值存在多個(gè)站點(diǎn),選擇刷卡次數(shù)最多的下車站點(diǎn),即每日通勤的下車站點(diǎn)為就業(yè)地。
3.2 ?職住空間結(jié)構(gòu)識(shí)別分析
根據(jù)2017年城市交通一卡通大數(shù)據(jù)識(shí)別出廣州11個(gè)區(qū)通勤人群的居住地和就業(yè)地,并基于各區(qū)通勤人群OD出行軌跡統(tǒng)計(jì)分析得出本區(qū)居住外區(qū)就業(yè)人數(shù)、本區(qū)居住本區(qū)就業(yè)人數(shù)、和本區(qū)就業(yè)外區(qū)居住人數(shù),如表3所示。
根據(jù)表3數(shù)據(jù)計(jì)算得出,廣州市11區(qū)就業(yè)者居住平衡指數(shù)平均值為65.27%,可以得出廣州市常住居民中有65.27%的就業(yè)者傾向于選擇本區(qū)居住;同樣,根據(jù)11區(qū)居住者就業(yè)平衡指數(shù)平均值36.36%,可以得出:廣州市常住居民中平均有36.36%的居住者傾向于選擇本區(qū)就業(yè),更多的居民傾向于跨區(qū)擇業(yè)??傊?,廣州市職住人群具有就近居住、跨區(qū)擇業(yè)的特征。
3.3 ?廣州市職住平衡現(xiàn)狀分析
3.3.1 ?廣州市11區(qū)居住者就業(yè)平衡指數(shù)現(xiàn)狀分析
如圖3所示,廣州市越秀區(qū)、天河區(qū)居住者就業(yè)平衡指數(shù)處于0.49~0.55且位居全市最高,近一半的本區(qū)居住者傾向于選擇本區(qū)就業(yè),越秀區(qū)、天河區(qū)作為廣州市中心區(qū)域職住失衡情況較弱;白云區(qū)、海珠區(qū)、番禺區(qū)、荔灣區(qū)居住者就業(yè)平衡指數(shù)處于0.00~0.29且居全市最低,不到29%的本區(qū)居住者傾向于選擇本區(qū)就業(yè),也就是說(shuō),超過(guò)71%的本區(qū)居住者傾向于外區(qū)就業(yè),同其他各區(qū)相比,白云區(qū)、海珠區(qū)、番禺區(qū)、荔灣區(qū)存在較為嚴(yán)重的職住失衡,表明離廣州市中心越近的區(qū)域職住失衡情況越顯著,而且本區(qū)居住者傾向于外區(qū)就業(yè)。
如圖4所示,越秀區(qū)、天河區(qū)就業(yè)者居住平衡指數(shù)處于0.79~1.00,位居全市最高,超過(guò)79%的本區(qū)就業(yè)者傾向于選擇本區(qū)居住,不足21%的本區(qū)就業(yè)者來(lái)源于外區(qū),越秀區(qū)、天河區(qū)兩區(qū)職住狀況相對(duì)平衡;白云區(qū)、海珠區(qū)、番禺區(qū)就業(yè)者平衡指數(shù)不足55%,位居全市最低,表明不到55%的本區(qū)就業(yè)者傾向于選擇本區(qū)居住,也就是說(shuō),有接近一半的本區(qū)就業(yè)者來(lái)源于外區(qū)居民。
4 ?結(jié) ?論
本文基于城市交通一卡通大數(shù)據(jù)構(gòu)建通勤人群的居住地和就業(yè)地識(shí)別模型,識(shí)別出廣州11區(qū)通勤人群的居住地和就業(yè)地;利用各區(qū)通勤人群OD出行軌跡,統(tǒng)計(jì)分析得出本區(qū)居住外區(qū)就業(yè)人數(shù)、本區(qū)居住本區(qū)就業(yè)人數(shù)和本區(qū)就業(yè)外區(qū)居住人數(shù),測(cè)度了居住者就業(yè)平衡指數(shù)、就業(yè)者居住平衡指數(shù),經(jīng)對(duì)比研究發(fā)現(xiàn):廣州市通勤人群具有就近居住、跨區(qū)擇業(yè)的特征,并且城市中心地區(qū)的職住平衡狀況較好,離城市中心越近的區(qū)域職住失衡情況越顯著。
參考文獻(xiàn):
[1] 鄭思齊,徐楊菲,張曉楠,等.“職住平衡指數(shù)”的構(gòu)建與空間差異性研究:以北京市為例 [J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,55(4):475-483.
[2] Lu L W,Chiang G H,Medina D,et al.Drug effects on nucleic acid modification. I. A specific effect of 5-azacytidine on mammalian transfer RNA methylation invivo [J].Biochemical & Biophysical Research Communications,1976,68(4):1094-1101.
[3] 鈕心毅,丁亮,宋小冬.基于職住空間關(guān)系分析上海郊區(qū)新城發(fā)展?fàn)顩r [J].城市規(guī)劃,2017,418(8):47-53+126.
[4] 許園園,塔娜,李響.基于地鐵刷卡數(shù)據(jù)的城市通勤與就業(yè)中心吸引范圍研究 [J].人文地理,2017,32(3):93-101.
[5] 史新宇.基于多源軌跡數(shù)據(jù)挖掘的城市居民職住平衡和分離研究 [J].城市發(fā)展研究,2016,23(6):142-145+149.
[6] 譚欣,黃大全,趙星爍,等.基于百度熱力圖的職住平衡度量研究 [J].北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,52(5):622-627+534.
[7] 許志榕.上海市職住關(guān)系和通勤特征分析研究——基于軌道交通客流數(shù)據(jù)視角 [J].上海城市規(guī)劃,2016(2):114-121.
[8] Mumford.The urban prospect.Harcourt.Brace and World [M].NewYork,1968.
[9] Robert Cervero.Jobs-Housing Balancing and Regional Mobility [J].Journal of the American Planning Association,1989,55(2):136-150.
[10] CERVERO R,RADISCH C. Travel choices in pedestrian versus automobile oriented neighborhoods [J].Transport Policy,1996,3(3):127-141.
[11] 周作江,張棟梁,王英行,等.手機(jī)大數(shù)據(jù)視角下的組團(tuán)型城市職住平衡研究——以珠海市中心城區(qū)為例 [C]//2016中國(guó)城市規(guī)劃年會(huì).規(guī)劃60年:成就與挑戰(zhàn)——2016中國(guó)城市規(guī)劃年會(huì)論文集(04城市規(guī)劃新技術(shù)應(yīng)用).沈陽(yáng):中國(guó)建筑工業(yè)出版社,2016:855-865.
[12] 龍瀛,孫立君,陶遂.基于公共交通智能卡數(shù)據(jù)的城市研究綜述 [J].城市規(guī)劃學(xué)刊,2015(3):70-77.
[13] Ewing R,Pendall R,Don C.Measuring Sprawl and Its Impact [M].Washington DC:Smart Grow America,2004.
作者簡(jiǎn)介:徐鋒(1974-),男,漢族,江西贛州人,中級(jí)工程師,碩士,研究方向:電子信息系統(tǒng)、一卡通大數(shù)據(jù)。