成都市職住空間分布特征及影響因素研究

畢 碩 本,王 璐 燁,劉 少 麗,張 麗 麗,袁 聰

(南京信息工程大學地理科學學院,江蘇 南京 210044)

0 引言

隨著中國土地使用制度和住房市場體系不斷完善,城市化水平持續提升,社會經濟活動向城市高度集聚,中國城市進入復雜的空間重構和規模擴張時期[1],城市居住地和就業地空間分離、匹配錯位現象日益凸顯,由此引發了長時間、長距離通勤等城市病,如何快速有效地緩解職住分離成為提升居民幸福感、促進資源配置和洞悉城市演化規律的基礎和關鍵。

Kain最早提出職住分離,探討了種族歧視、就業崗位郊區化等因素對黑人群體職住分離的影響[2]。近年來,職住分離相關的實證研究逐步增多,學者們開始重視測度城市職住分離的空間特征及其影響機制。職住分離常用通勤行為特征衡量[3],但不同城市和居民對通勤行為特征的感知差異較大,該方法存在欠缺。有學者采用就業人口和居住人口之比反映職住分離,例如:英成龍等[4]采用就業—居住偏離度對烏魯木齊市街道尺度的職住空間特征進行測度;楊潤澤[5]分析中國特大城市的就業—居住偏離度,并尋找職住分離現象在宏觀層面上的規律;張艷等[6]采用職住比和就業—居住偏離度對北京市職住空間特征進行測度;郭亮等[7]利用就業—居住偏離度的標準差和空間錯位指數分析多尺度下武漢市職住空間靜態分布特征。

職住分離受多種因素的綜合影響,傳統的職住分離影響因素研究主要以問卷調查獲得的居民社會經濟特征作為數據源,如柴彥威等[8]基于北京市問卷調查數據,借助多元回歸模型驗證了男性比女性承受的職住分離程度更顯著。隨著社會發展,性別因素對職住分離的影響趨弱[9,10],年齡因素對職住分離的影響受到關注。例如:吳瑞君等[11]認為年輕人具備較高通勤流動強度,承受著較大程度的職住分離壓力;鄭思齊等[12]認為年輕人工作不穩定,往往選擇就近租房,因此職住分離程度會隨年齡增加而增加;魏海濤等[13]通過變量輸入法和步進法進行回歸分析,發現年齡與職住分離的線性關系不顯著。此外,人口密度、就業密度、學歷、家庭規模等因素同樣受到關注[14,15]。然而,職住分離不僅受居民社會經濟屬性的影響,也與城市區域空間特征緊密相關,隨著城市大數據的發展,學者們開始挖掘建成環境要素對職住分離的影響。例如:仇璟等[16]結合問卷調查和城市興趣點數據,圍繞居民社會經濟屬性、職住地建成環境構建職住平衡影響因素體系,并運用有序Logistic回歸模型進行影響因素分析;Ding等[17]探討了華盛頓市區交通小區層面的建成環境要素與居民通勤行為的關系;Mercado等[18,19]使用多層模型和多元回歸模型分析了加拿大城市通勤距離的決定因素,發現土地利用混合程度的合理增長能減少通勤距離,從而有助于城市職住平衡。

目前從就業人口數量占居住人口數量比重角度搭建的職住分離測度指標[20]存在有下限無上限的問題,使某一功能主導區域的指標數量級過大,易產生異方差問題,導致回歸模型對另一功能主導區域的解釋力下降,亟須對測度指標進行調整。另外,目前的職住分離研究大多默認各因素對不同功能主導區的驅動作用相同,忽略了空間功能差異,考慮到不同功能主導區可能存在不同的職住分離內在動力機制,有必要將研究區域劃分為就業主導區和居住主導區進行影響因素分析,從而豐富職住空間研究的共識性理論和觀點。鑒于此,本文以成都市主城區為研究對象,結合傳統普查數據與城市地理信息數據,通過調整后的職住分離測度指標分析成都市在街道尺度上的職住空間匹配特征,并通過回歸分析方法探究社會經濟要素和建成環境要素對就業主導區和居住主導區職住分離的影響,以期為改善成都市職住空間現狀提供決策依據。

1 研究區域、數據與方法

1.1 研究區域

成都是西部地區典型的單中心城市和國家重要的高新產業基地,其職住空間結構的合理規劃對促進西部城市發展有重要意義?？紤]到成都市城市化水平現狀和數據完整性,本文選取成都市主城區(包括金牛區、青羊區、成華區、錦江區和武侯區)作為研究區域(圖1),考慮到武侯區的肖家河街道、芳草街街道、石羊街道和桂溪街道由高新區代為管轄,相關數據暫未公開,故不在研究范圍內,最終研究區域內共計58個街道,面積為419.85 km2。

圖1 研究區域

1.2 研究數據

本文選取成都市主城區第七次全國人口普查數據和第四次全國經濟普查數據,主要指標包括各街道的居住人口數量、就業人口數量、各年齡段占比、性別占比等;通過高德地圖API獲取POI數據,進行去重后,利用坐標糾偏算法將經緯度信息統一轉換為常用的CGCS2000坐標系,并從中篩選出政府服務單位、學校、醫療機構和超市等社會性基礎設施相關數據以及公交地鐵站點信息;研究區高速公路、城市快速路、省道等路網數據來自OpenStreetMap官網(http://openstreetmap.org)。

1.3 研究方法

1.3.1 就業—居住偏離度 本文通過對數函數對原就業—居住偏離度進行調整,降低就業主導區的偏離度數量級,計算公式如下:

Zi=ln(YiR/YRi)

(1)

式中:Zi為街道i的就業—居住偏離度,Yi、Ri分別為街道i的就業人口數量、居住人口數量,Y、R分別為主城區的就業人口總數、居住人口總數。理想狀態下,Zi=0表明該街道的就業和居住功能相匹配,Zi>0意味著就業人口比重高于居住人口比重,反之居住人口比重高,居住功能強于就業功能。本文定義Zi>0.26的街道為就業主導街道,Zi∈(0.10,0.26]為就業次級主導街道,二者均為就業主導區;Zi∈[-0.36,-0.11]為居住次級主導街道,Zi<-0.36為居住主導街道,二者均為居住主導區;Zi∈(-0.11,0.10]為就業—居住基本匹配街道[21]。為消除就業—居住偏離度與完全匹配值0之間差值的正負項,利用偏離度的絕對值(|Zi|)反映主城區職住分離程度的差異大小。

1.3.2 回歸分析 OLS(Ordinary Least Squares)線性回歸分析[22]常用于職住分離影響因素研究,但職住分離相關變量與實際生活密切相關,變量之間往往互相關聯或相互補充,導致多重共線性問題,故常用如下方法進行處理[23]。

1)逐步回歸(Stepwise Regression,SR)[24],是將變量逐個引入回歸模型,并且每次對全部變量進行檢驗,剔除偏回歸平方和不顯著的自變量,直至沒有新的顯著變量引入,也沒有不顯著的變量被剔除,即建立最優多元線性回歸方程,以解決共線性問題。

2)嶺回歸(Ridge Regression,RR)[25],是通過舍棄最小二乘法的無偏性,以損失部分信息、降低擬合精度來獲取具有解釋意義的回歸系數。對于普通的多元線性回歸模型Y=α+βX,應用嶺回歸分析方法時,其回歸系數向量β的估計值計算公式如下:

(2)

式中:X為自變量矩陣,Y為因變量,I為單位矩陣,K為嶺回歸參數(K>0),K值越大,消除共線性的效果越好,但會導致擬合精度降低,使回歸系數嚴重偏離客觀實際,通常依據嶺跡圖,選取各自變量的標準化回歸系數趨于穩定時的最小值作為K值[26]。

2 成都市職住空間特征分析

2.1 就業人口和居住人口空間分布特征

由圖2可知,成都市主城區就業人口和居住人口空間分布大致相同,即呈現人口數量由中心向外遞減的分布特征,在宏觀層面上體現了典型的單中心城市人口分布特征。其中,就業人口集聚區以二環區域為主,最高值達6.90萬人/km2,就業人口密度較高街道(如西御河和春熙路街道)包含城市中心的天府廣場及春熙路、太古里等主要商圈,而二環外就業人口密度最低為141.34人/km2。天府廣場作為成都市的政治、文化中心和綜合交通樞紐,其經濟高速發展帶動居住地不斷向四周擴張,因此居住人口密度高值覆蓋范圍大于就業人口密度高值覆蓋范圍,主要集聚在三環內,最高值達3.88萬人/km2。在外環區域,如大熊貓繁育基地、濕地公園和森林公園等生態保護區域,居住人口與就業人口相對稀少地區存在空間重合,如天回鎮、康河、龍潭街道的居住人口密度分別為2 477.86人/km2、3 938.10人/km2、3 971.85人/km2,就業人口密度分別為593.42人/km2、141.34人/km2、1 237.04人/km2。

圖2 成都市主城區就業人口密度和居住人口密度分布

2.2 職住空間分離特征

在街道尺度上,成都市主城區職住分離程度較大(圖3),就業—居住偏離度范圍為[-2.100,2.465]。職住空間基本匹配街道數量僅有6個,且分布在三環周圍;就業主導街道有24個,主要位于主城區中心,居住活動相對不足,如錦官驛街道、春熙路街道的就業—居住偏離度分別為1.833、2.403,三環外也存在少量就業活動相對密集的街道,如文家街道的蛟龍工業港產業豐富且周邊居住空間較小,就業—居住偏離度達0.852;居住主導街道有16個,多分散在幾個就業主導區所能輻射的街道范圍內,在提供充足勞動力的同時承載著大量人口的居住和日常生活需求。

圖3 就業—居住偏離度指數和絕對值分布

主城區各街道就業—居住偏離度絕對值范圍為[0.005,2.465],絕對值大于0.5的街道有33個,占比56.90%,大于1的有20個,占比34.48%。職住分離程度明顯的街道主要分布在三環內的就業主導區,主城區中心職住分離程度較嚴重,由此推測,就業主導區向中心高度集聚是造成成都市主城區職住分離程度較大的主要原因。

3 成都市職住分離影響因素分析

3.1 變量選取

職住分離的產生與諸多因素有關,最具代表性的有社會經濟要素和建成環境要素。①對于社會經濟要素,相關研究往往選擇與職住活動密切相關的居民屬性信息[27,28]進行分析,如街道的人口數量差異是影響職住空間的直接因素,老年系數的差異可能會影響勞動力市場和區域整體的就業活動,此外,受傳統思想及家庭因素的影響,性別差異可能會影響個體職住地的選擇和被選擇。②建成環境要素主要影響居民的生活成本和便利度,現有研究多基于5D理論[29]選擇建成環境要素[30,31]。其中,社會性基礎設施的完善能帶動產業發展和人口集聚,且其完善程度可能會影響居民對職住地的選擇;在交通系統中,交叉口的設計、路網的密集程度和公共交通的便利度是影響居民通勤行為的重要因素,進而會影響職住分離程度。因此,本文綜合考慮社會經濟要素和建成環境要素,選取居住人口密度、就業人口密度、老年系數、性別比、公交/地鐵站點密度、交叉口密度、路網密度和社會性基礎設施密度共8個變量,借助回歸模型分析成都市主城區職住分離程度的影響因素,變量描述如表1所示。其中,居住人口密度、就業人口密度、老年系數和性別比均基于普查數據計算得出,用以反映街道居民個體出行能力和職住平衡需求;統計公交/地鐵站點數量和社會性基礎設施數量與街道面積的比值,分別用以反映公共交通便利度和社會性基礎設施的完善程度;交叉口密度、路網密度通過路網數據提取街道內部交叉口數量與路網長度并計算兩者與街道面積的比值得到,用以表征街道內部路網特征。

表1 變量描述

3.2 回歸分析及結果

本文選取就業—居住偏離度的絕對值|Zi|作為因變量Y,表1中8個變量為自變量,構建回歸模型如下:

Y=α+β1X1+β2X2+…+β8X8

(3)

式中:β1,β2,…,β8為回歸系數,α為回歸誤差。

為探索不同功能主導區的內在動力機制,在總體樣本的基礎上增加就業主導區樣本和居住主導區樣本,對3組樣本進行回歸分析,探索各影響因素對不同功能主導區職住分離的驅動作用。

在模型運算前對變量進行異方差檢驗和多重共線性檢查。通常采用White檢驗方法[32]進行異方差檢驗,該方法不需要排序,也不依賴正態性假設,易于實施。由表2可知,3組樣本的P值均大于0.05,說明3組樣本的White檢驗均接受原假設,模型不存在異方差問題,從而保證回歸模型對不同功能主導區職住分離程度解釋力的一致性。通常采用方差膨脹因子(Variance Inflation Factor,VIF)進行多重共線性檢查,VIF大于5代表變量之間具有強烈的多重共線性。從表3發現,居住人口密度、就業人口密度、交叉口密度、路網密度和社會性基礎設施密度的VIF在不同樣本中大于5,說明3組樣本的自變量與因變量之間存在不同程度的共線性問題。為能在有效解決多重共線性問題的基礎上探索職住分離內在動力機制,本文采用逐步回歸(SR)和嶺回歸(RR)方法進行回歸分析。

表2 White檢驗結果

表3 方差膨脹因子(VIF)檢驗結果

本文根據嶺跡圖選取合適的嶺參數K值,計算得到3組樣本在K取值為[0,1]時的嶺跡圖(圖4)?？梢园l現,當K=0.4時,3組樣本各回歸系數的嶺估計趨于穩定,嶺跡曲線大體平行于橫軸,因此選取K=0.4作為嶺參數代入嶺回歸分析。

圖4 3組樣本的嶺跡圖

除擬合精度外,準確進入回歸模型的變量數量也是評判回歸模型解釋力的指標之一[33]。如表4所示,3組樣本的SR和RR擬合結果均通過了F檢驗(P<0.001),表明因變量與自變量間的線性關系顯著,兩種方法均能獲得具有統計意義的回歸模型;由調整R2可知,模型的調整擬合優度均較高,說明模型整體擬合效果較好,適用于解釋自變量與職住分離的關系,且3組樣本SR模型的調整R2均高于RR模型,擬合精度更優。但在SR模型中,許多重要變量未通過顯著性檢驗,3組樣本中分別僅引入了2個、3個和2個變量,說明SR模型對變量的解釋力不足;而RR模型可以分別引入4個、6個和3個變量,表明該模型能在處理變量共線性問題的同時保留重要變量并進行有效解釋,在職住分離影響因素研究方面的實用價值更高,因此,本文選擇RR模型分析影響因素與就業—居住偏離度絕對值之間的關系,結果如表5所示。

表4 擬合優度

表5 基于嶺回歸模型的各變量標準化系數

3.3 影響因素分析

1)社會經濟要素。①居住人口密度和就業人口密度。對于成都市主城區整體而言,居住人口密度的標準化系數為-0.155,與就業—居住偏離度絕對值呈顯著負相關,對職住分離起到改善作用,而就業人口密度的增加會加重職住分離,這可能與成都市相對分散的居住人口和高度集聚的就業人口有關[34]。居住人口密度和就業人口密度對就業主導區職住分離的影響方向與成都市主城區相同,隨著居住人口密度的合理增加,成都市就業主導區職住分離程度得到緩解,而就業人口密度的標準化系數為0.463,對就業主導區職住分離呈顯著的正向影響,可能緣于就業主導區以產業功能用地為主,缺少居住用地,因此就業個體不得不選擇在街道外居住,從而造成職住分離。而在居住主導區內,居住人口密度和就業人口密度對職住分離的影響方向恰好相反,這與不同功能主導區人口集聚的類型特征有關,居住人口的增加和就業人口的減少會加重居住主導區的職住分離程度。同時,3組樣本結果顯示,就業人口密度對職住分離的影響大于居住人口密度,在所有自變量中影響程度最大,說明就業人口密度是影響職住空間分布的最主要因素。②老年系數和性別比。在總體樣本回歸模型中二者均未通過顯著性檢驗,但老年系數在就業主導區中呈正向影響,其標準化系數為0.156。近年來,成都市老齡化進程明顯加快,老齡化水平高于全國平均水平[35],由此導致的高老年系數可能會影響到區域的就業與再就業,甚至是勞動人口的年齡結構,從而使就業市場中本街道的勞動人口下降,需要從街道外吸引就業人口,進而產生職住分離。而性別比在居住主導區中呈正向影響,表明男性比女性承受著更大的職住分離壓力,男性人口的增加和女性人口的減少會加重區域的職住分離,這與相關研究結論存在差異[36]。隨著時代發展,女性能更自由地選擇就業地,但根據國務院婦女兒童工作委員會于2018年發布的女性職場現狀調查報告顯示,成都市女性投入家庭的時間比男性高15%,大部分女性以就近就業為主,性別因素依舊是影響成都市主城區職住分離的關鍵要素。

2)建成環境要素。相對于社會經濟要素而言,建成環境要素的差異對城市居民職住分離的影響較簡單。①公交/地鐵站點密度。在總體樣本和就業主導區樣本中,公交/地鐵站點密度標準化系數分別為-0.245和-0.170,公交與地鐵站點便利度的提升大大增加了居民通勤的目的地可達性,進而降低職住分離程度,這與相關觀點一致[37,38],如光華街道就業—居住偏離度絕對值僅為0.072,職住匹配程度較大,這得益于成都市大規模公共交通建設,快速公交線路、常規公交線路和夜間公交線路的運行效率均較高[39]。②交叉口密度。在總體樣本和就業主導區樣本中,交叉口密度對職住分離程度存在顯著的正向影響,這與尹超英等的觀點存在差異[40]。成都市正在努力打造中心城區“半小時交通圈”,道路系統建設加快發展,交叉口設計趨于合理和完善,但考慮到成都市是典型的單中心平原城市,道路系統的建設反而會促進居住用地向外擴散,加重郊區住宅化[41],使郊區和城市中心之間產生大量交通流,同時機動車便捷性和行駛速度的增加可能會改變居民對通勤時間的感知,居民對職住平衡的需求減弱,由此造成職住分離。③社會性基礎設施密度。在就業主導區中,社會性基礎設施密度的標準化系數為0.137,說明就業主導區社會性基礎設施的完善加劇了城市的職住分離現象。這可能與居住成本有關,政府服務單位、學校、醫療機構和超市等就業地為就業主導區提供了多樣的就業機會,吸引就業人口集聚,但社會性基礎設施完善的區域往往居住成本較高[42],促使較多的就業人口居住地向區域外轉移,進而產生職住分離[43]。

從回歸結果中可以發現,就業主導區和居住主導區產生職住分離的內在動力機制不僅與成都市主城區總體樣本存在區別,而且兩個功能主導區的內在動力機制也存在區別,相同的因素對兩個功能主導區的驅動作用具有差異性。因此,在職住分離影響因素研究中,忽略空間功能差異可能會造成變量估計失效,難以推動城市規劃精細化發展,在后續研究中應重視協同考慮就業主導區和居住主導區中各要素對職住分離的影響。

4 結論與討論

本文基于普查數據和城市地理信息數據,探討了成都市主城區居民職住空間分布特征與職住分離程度,并通過回歸方法分析了社會經濟要素和建成環境要素對城市職住分離的影響機制,研究發現:①基于對數調整后的就業—居住偏離度的最大值和最小值分別為2.465和-2.100,基本在0處左右對稱;White檢驗表明,基于對數調整后的就業—居住偏離度的回歸模型不存在異方差問題,回歸結果的解釋力更高。②成都市主城區就業和居住人口數量空間分布均呈現由中心向外遞減的特征。從職住空間匹配角度分析,職住分離是成都市主城區職住結構的突出特征,基本匹配街道數量明顯較少且位置分散,位于城區中心的街道大部分以就業功能為主導且職住分離較嚴重,承載著居住功能的街道分散在中心區域周圍。③成都市主城區職住分離現象形成的主要原因在于就業人口密度、居住人口密度、老年系數、性別比、公交/地鐵站點密度、路網密度和社會性基礎設施密度的差異,其中就業人口密度對職住分離的影響最顯著。④就業主導區和居住主導區產生職住分離的內在動力機制存在差異,影響就業主導區職住分離的因素比居住主導區更復雜。

目前我國已經進入城市化的中后期,城市人口增長速度逐漸降低,但城市空間形態會發生急劇變化,空間的擴張和重構會導致職住分離現象。成都市主城區過去以攤大餅的發展模式衍生擴張,形成了典型的中心放射加環線的交通網絡系統,容易造成單一中心化、城市擁堵和地段固化。如今,隨著天府新區的發展,產業發生轉移,人口從由圓心向外慢慢遷移變成跳躍性的南移,加劇了主城區的職住分離,在這種形勢下,若不采取必要措施,城市的職住分離問題將更嚴重。為促進城市健康發展,本文提出以下建議:①打造多中心的城市空間格局,進一步強化天府新區的就業吸納能力,盡可能抑制新區職住分離的進一步增長;②設置就業崗位時應適當與居住主導區相結合,平衡區域內就業人口密度和居住人口密度,以擴大職住平衡區的空間范圍;③注重就業主導區建成環境的完善,提高公共交通服務水平的同時,也要關注交通系統和社會性基礎設施的改善,避免不合理增長。

本文旨在對城市居民職住關系的平衡和優化提供決策依據,仍存在如下局限:受數據限制,未能從職住空間變遷角度對成都市職住關系開展分析;其次,僅通過就業—居住偏離度及其絕對值對職住分離進行測度存在一定的片面性,無法反映區域的自足性水平和居民的通勤行為。后續將結合城市不同發展時期的普查數據、居民出行調查報告、城市大數據等數據,進一步擴展時間維度和變量體系,對職住空間分布特征及影響因素進行深入分析。