林麗　顧宇

摘要：隨著城市外圍近郊的通勤交通問題日益突出，研究通勤交通與就業(yè)-居住關(guān)系，以及探討優(yōu)化就業(yè)居住平衡的方法對于緩解城市交通問題十分必要。本文基于2012年南京市居民出行數(shù)據(jù)，通過構(gòu)造平衡職住指數(shù)，對南京外圍各片區(qū)職住平衡程度進(jìn)行測度，并通過職住分離程度對不同片區(qū)進(jìn)行分類劃分，建立多元回歸模型對影響通勤效率的各影響因素進(jìn)行量化分析，研究通勤交通與就業(yè)-居住關(guān)系。研究結(jié)果表明：通勤交通與就業(yè)-居住關(guān)系有密切關(guān)聯(lián)，平衡度指數(shù)與通勤時(shí)間呈正相關(guān)，而自足型指數(shù)和就業(yè)獨(dú)立指數(shù)與通勤時(shí)間呈負(fù)相關(guān)，同時(shí)出行距離等因素也對居民通勤效率有顯著影響。因此，合理布局城市空間結(jié)構(gòu)和功能分區(qū)，有效調(diào)整不同片區(qū)居住單元數(shù)量和就業(yè)崗位數(shù)，可以有效提高居民通勤效率。

關(guān)鍵詞：交通規(guī)劃；城市外圍；就業(yè)-居??；多元回歸

中圖分類號(hào)：S 772文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-005X（2015）01-0107-05

Research on the Relationship Between Commuting and

JobsHousing Balance in the Suburb of Nanjing

Lin Li，Gu Yu

（School of Transportation，Nanjing Forestry University，Nanjing 210037）

Abstract：As the city peripheral suburban commuter traffic problem increasingly prominent，the study on the relationship between employmentresidential and commuter traffic and the exploration of the employment living balance optimization methods to alleviate the urban traffic problem is necessary.Based on the data of the dwellers in Nanjing in 2012，the employmentresidential balance degree of the suburd of Nanjing was measured by constructing balanced living index，and different area were classified according to the employmentresidential separation degree.A multiple regression model was established to quantitatively analyze all the factors that influence the efficiency of commuting.The results showed that the commuter traffic relationship was closely associated with employmentlive，balance index and commuting time were positively correlated.Independent and selfsufficient type index and the employment index were negatively correlated with commuting time.Other factors such as trip distance also have a significant influence on residents commuting efficiency.Therefore，reasonable layout of city space structure and functional partition and effectively adjusting the number of residential units and jobs at different area can effectively improve the efficiency of residents commute.

Keywords： traffic planning；suburbs；employment-living；multiple regression

收稿日期：2014-06-12

基金項(xiàng)目：國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃（201210298040）

第一作者簡介：林麗，碩士，副教授。研究方向：城市區(qū)域交通規(guī)劃與管理。

引文格式：林麗，顧宇.南京城市外圍通勤交通與就業(yè)——居住關(guān)聯(lián)研究[J].森林工程，2015，31（1）：107-111.在城市發(fā)展中，交通引領(lǐng)城市發(fā)展格局成為越來越多人的共識(shí)。國內(nèi)外一些大都市的發(fā)展研究表明，城市邊緣近郊的發(fā)展和新城的構(gòu)建是城市化進(jìn)程中的常見模式，也是緩解城市交通擁堵、居住就業(yè)問題的重要途徑之一。而隨著城市近郊的通勤交通問題日益突出，與近郊居民通勤相關(guān)的問題也作用于整個(gè)城市的發(fā)展[1]。在此研究背景下，研究通勤交通與就業(yè)-居住關(guān)系，以及探討優(yōu)化就業(yè)居住平衡的方法對于緩解城市交通問題十分必要[2]。

本文以南京外圍城區(qū)（大廠六合、江寧區(qū)、浦口區(qū)、仙林）為研究對象，基于2012年南京市居民出行數(shù)據(jù)，通過構(gòu)造平衡職住指數(shù)，對南京外圍各片區(qū)職住平衡程度進(jìn)行測度，并通過職住分離程度對不同片區(qū)進(jìn)行分類劃分，建立多元回歸模型對影響通勤效率的各影響因素進(jìn)行量化分析，研究通勤交通與就業(yè)-居住關(guān)系[3]。

1外圍城區(qū)職住平衡的測度

1.1職住平衡指標(biāo)

為了有效分析南京外圍城區(qū)各片區(qū)的就業(yè)-居住關(guān)系，本文構(gòu)造以下指標(biāo)對研究范圍內(nèi)城區(qū)進(jìn)行居住平衡程度的測度[4]。

（1）平衡度指數(shù)。小區(qū)i的“平衡度指數(shù)”Ai定義為i小區(qū)內(nèi)的就業(yè)人數(shù)PEi與居住人數(shù)PRi比值。該值是1，表明居住就業(yè)絕對平衡，當(dāng)就業(yè)—居住比率高于1時(shí)，則意味著該區(qū)域缺少足夠的住房來滿足當(dāng)?shù)氐膭趧?dòng)力；當(dāng)就業(yè)—居住比率低于 1 時(shí)，則意味著該區(qū)域缺少足夠的就業(yè)機(jī)會(huì)來滿足當(dāng)?shù)氐膭趧?dòng)力。計(jì)算公式（1）如下：

Ai=PEiPRi。（1）

式中：PEi為i小區(qū)內(nèi)的就業(yè)人數(shù)；PRi為i小區(qū)內(nèi)的居住人數(shù)。

（2）自足性指數(shù)。小區(qū)的“自足性指數(shù)”Bi定義為 i小區(qū)的就業(yè)居住在同一個(gè)小區(qū)的居民與該小區(qū)居住或者就業(yè)人數(shù)較大值的比值。Bi越接近 1，表明該區(qū)居住就業(yè)一體化程度越高，職住分離程度越低。當(dāng) Bi=1時(shí)，表示該區(qū)居住就業(yè)絕對平衡，居住人數(shù)等于就業(yè)人數(shù)，居民在本區(qū)就業(yè)，理想的“自給自足型”。計(jì)算公式（2）如下：

Bi=ERimax（PEi，PRi）。（2）

式中：ERi為居住和就業(yè)都在i小區(qū)內(nèi)的人數(shù)；PEi為i小區(qū)內(nèi)的就業(yè)人數(shù)；PRi為i小區(qū)內(nèi)的居住人數(shù)。

第1期林麗等：南京城市外圍通勤交通與就業(yè)-居住關(guān)聯(lián)研究

森林工程第31卷

（3）居住獨(dú)立性指數(shù)

小區(qū)i的“居住獨(dú)立性指數(shù)”Ri定義為i小區(qū)的居住獨(dú)立比重（Ni）與研究范圍內(nèi)各小區(qū)居住獨(dú)立均值的比值。“居住獨(dú)立指數(shù)”Ri越高，表明居住獨(dú)立性越強(qiáng)，分散在其他小區(qū)就業(yè)的人口比重越高。計(jì)算公式（3）如下：

Ri=NiABG（Ni）。（3）

式中：Ni為即在第i個(gè)小區(qū)內(nèi)居住但是工作在其他區(qū)域的人數(shù)與在該小區(qū)內(nèi)總居住人數(shù)的比值；ABG（Ni）為各小區(qū)Ni平均值；n為劃分的小區(qū)數(shù)量。

（4）就業(yè)獨(dú)立性指數(shù)。小區(qū)i的“就業(yè)獨(dú)立性指數(shù)”Ei定義為i小區(qū)的就業(yè)獨(dú)立比重（Mi）與研究范圍內(nèi)各小區(qū)就業(yè)獨(dú)立均值的比值?！熬蜆I(yè)獨(dú)立性指數(shù)”Ei越高，表明就業(yè)獨(dú)立性越強(qiáng)，分散在其他小區(qū)居住的人口比重越高。計(jì)算公式（4）如下：

Ei=MiAVG（Mi）。（4）

式中：Mi為即在第 i 個(gè)小區(qū)內(nèi)工作但是居住在其他區(qū)域的人數(shù)與在該小區(qū)內(nèi)總就業(yè)人數(shù)的比值；AVG（Mi）為各小區(qū)Mi平均值；n為劃分的小區(qū)數(shù)量。

通過計(jì)算分析，得出南京外圍城區(qū)各片區(qū)的居住就業(yè)平衡程度的測度見表1。

表1南京外圍城區(qū)各片區(qū)職住平衡測度

Tab.1 Area balanced measure of suburb Nanjing

區(qū)名平衡度

指數(shù)自足性

指數(shù)居住獨(dú)立性

指數(shù)就業(yè)獨(dú)立性

指數(shù)大廠六合0.6060.1231.8201.048浦口區(qū)0.7230.4720.9471.142江寧區(qū)0.5660.4370.4850.379仙林0.5850.3880.7411.433

1.2職住平衡研究區(qū)域的劃分

為了研究外圍城區(qū)各片區(qū)職住分離的程度，利用“居住獨(dú)立指數(shù)”（R）和“就業(yè)獨(dú)立指數(shù)”（E），以1為臨界點(diǎn)劃分成4個(gè)象限，即分為4種模式[5]。

（1）高度分離區(qū)（Ri>1，Ei>1），即居住者分散在其他區(qū)就業(yè)為主（片區(qū)內(nèi)的就業(yè)機(jī)會(huì)不多）、就業(yè)者分散在其他區(qū)居住為主的片區(qū)（片區(qū)內(nèi)的居住機(jī)會(huì)不多）。

（2）中度分離區(qū)Ⅰ型（Ri>1，Ei<1），即居住者分散在其他區(qū)就業(yè)為主（片區(qū)內(nèi)的就業(yè)機(jī)會(huì)不多）、就業(yè)者就近在本區(qū)居住為主的片區(qū)（片區(qū)內(nèi)的適合房源較多、居住機(jī)會(huì)多）。

（3）中度分離區(qū)Ⅱ型（Ri<1，Ei>1），即居住者就近在本區(qū)就業(yè)為主（片區(qū)內(nèi)的就業(yè)機(jī)會(huì)較多）、就業(yè)者分散居住在其他區(qū)為主的片區(qū)（片區(qū)內(nèi)的適合房源不多）。

（4）低度分離區(qū)（Ri<1，Ei<1），即居住者就近在本區(qū)就業(yè)為主（片區(qū)內(nèi)的就業(yè)機(jī)會(huì)較多）、就業(yè)者就近在本區(qū)居住為主的片區(qū)（片區(qū)內(nèi)的適合房源較多、居住機(jī)會(huì)多）。

根據(jù)上述的研究結(jié)果，得出了大廠六合為高度分離區(qū)，浦口區(qū)和仙林區(qū)為中度分離區(qū)Ⅱ型，江寧區(qū)為低度分離區(qū)。

2模型研究分析

居民的平均通勤時(shí)間能直觀表明該片區(qū)的通勤交通情況，而職住分離程度越大，通勤時(shí)間一般越長，反之亦然。上述已經(jīng)通過職住平衡的指標(biāo)，把外圍城區(qū)劃分為不同程度的職住分離片區(qū)，為了研究在不同片區(qū)的就業(yè)居住關(guān)系與通勤交通的關(guān)系，同時(shí)探討經(jīng)濟(jì)社會(huì)以及個(gè)人因素對通勤交通的影響，建立多元回歸logit模型量化分析在不同片區(qū)，各個(gè)影響因素對通勤效率作用的大小[6]。

2.1參數(shù)標(biāo)定

選擇各分析片區(qū)內(nèi)問卷受訪者的平均通勤時(shí)間作為因變量，自變量包括表征就業(yè)-居住關(guān)系的均衡指數(shù)，反映受訪者的社會(huì)經(jīng)濟(jì)屬性、個(gè)人屬性、家庭屬性等指標(biāo)。運(yùn)用上述因變量和自變量進(jìn)行多元回歸分析，得出影響南京外圍城區(qū)居民通勤效率的主要影響因素和影響程度。所有變量的定義見表2[7-8]。

表2模型變量設(shè)置表

Tab.2 Variable settings in the model

變量組變量描述說明通勤效率平均通勤時(shí)間/min0～15 min：1；15～30 min：2；30～45 min：

3；45～60 min：4；60～75 min：5；75 min以上：6就業(yè)-居住關(guān)系平衡度指數(shù)該值越大，說明就業(yè)平衡功能越強(qiáng)自足性指數(shù)該值越大，說明就業(yè)平衡功能越強(qiáng)就業(yè)獨(dú)立指數(shù)該值越大，說明就業(yè)功能越強(qiáng)居住獨(dú)立指數(shù)該值越大，說明居住功能越強(qiáng)個(gè)人屬性年齡劃分為20～24、25～29、30～39、40～49、50～59和60歲以上6個(gè)年齡段，記為3～8受教育程度劃分為初中及以下、高中及中專、大專及本科、碩士及以上4段，記為1～4性別男性：1；女性：2家庭屬性本市戶籍人口數(shù)按照戶籍人數(shù)記為0、1、2、3……家庭非機(jī)動(dòng)車數(shù)/輛按照實(shí)際擁有量記為0、1、2……家庭小汽車擁有數(shù)/輛按照實(shí)際擁有量記為0、1、2……家庭收入/萬元少于1萬元：1；1～2萬元：2；2～5萬元：3；5～10萬元：4；

10～15萬元：5；15～20萬元：6；大于20萬元：7

2.2模型結(jié)果分析

借助SPSS統(tǒng)計(jì)分析軟件，可以標(biāo)定出效用函數(shù)中未知參數(shù)的值，結(jié)果見表3。

表3模型標(biāo)定結(jié)果

Tab.3 Parameter estimation

出行時(shí)耗B顯著水平Exp（B）出行時(shí)耗B顯著水平Exp（B）0～15

min截距49.5320.051平衡度指數(shù)X15 905.9650.03.b出行距離X2-1.46600.231自足性指數(shù)X3-5 935.320.0280居住獨(dú)立指數(shù)X4-1 573.9940.0290就業(yè)獨(dú)立指數(shù)X50..年齡X60.8360.4242.308受教育程度X72.2170.2689.181本市戶籍

人口數(shù)X8-3.3960.0520.033家庭非機(jī)動(dòng)車

擁有數(shù)（輛）X94.2410.09269.46家庭小汽車

擁有數(shù)X102.8560.29417.393家庭收入X11-0.0590.9720.943[性別=1]X121.0980.7852.998[性別=2]0..15～30

min截距41.75224.404平衡度指數(shù)X17 640.56328.213.b出行距離X2-0.990.180.372自足性指數(shù)X3-7 668.96718.1480居住獨(dú)立指數(shù)X4-2 033.13700就業(yè)獨(dú)立指數(shù)X50..年齡X61.2581.0293.517受教育程度X72.4151.97711.19本市戶籍

人口數(shù)X8-3.1551.7380.043家庭非機(jī)動(dòng)車

擁有數(shù)（輛）X94.382.49779.802家庭小汽車

擁有數(shù)X101.8142.7056.135家庭收入X11-0.181.670.836[性別=1]X120.03441.035[性別=2]0..注：“.b”：平衡度指數(shù)X1系數(shù)B過大，使EXP（B）超出計(jì)數(shù)范圍。（exp，高等數(shù)學(xué)里以自然常數(shù)e為底的指數(shù)函數(shù)）

統(tǒng)計(jì)分析默認(rèn)以每個(gè)變量最后一個(gè)分量為基準(zhǔn)，因此該基準(zhǔn)變量無分析數(shù)據(jù)，以“.”表示。

續(xù)表3模型標(biāo)定結(jié)果

Fig.3 parameter estimates

出行時(shí)耗B顯著水平Exp（B）出行時(shí)耗B顯著水平Exp（B）30～45

min截距13.7180.565平衡度指數(shù)X19 385.8270.b出行距離X2-0.47700.621自足性指數(shù)X3-9 367.36100居住獨(dú)立指數(shù)X4-2 489.114.0就業(yè)獨(dú)立指數(shù)X50..年齡X6-0.1380.8710.871受教育程度X70.1730.9221.188本市戶籍

人口數(shù)X8-2.430.1420.088家庭非機(jī)動(dòng)車

擁有數(shù)（輛）X92.9040.21818.246家庭小汽車

擁有數(shù)X101.5560.5544.738家庭收入X11011[性別=1]X122.1470.5388.557[性別=2]0..45～60

min截距9.63332.92平衡度指數(shù)X18 693.1379 385.42.b出行距離X2-0.2680.1090.765自足性指數(shù)X3-8 686.0039 349.2430居住獨(dú)立指數(shù)X4-2 303.1732 480.0350就業(yè)獨(dú)立指數(shù)X50..年齡X60.1580.821.171受教育程度X70.7771.7322.174本市戶籍

人口數(shù)X8-2.0321.6350.131家庭非機(jī)動(dòng)車

擁有數(shù)（輛）X93.2352.30525.409家庭小汽

有數(shù)X103.0542.54621.205家庭收入X11-0.6651.5830.514[性別=1]X120.7383.2272.093[性別=2]0..60～75

min截距3.5180.942平衡度指數(shù)X15 607.7240.719.b出行距離X20.0610.6171.063自足性指數(shù)X3-5 627.7430.7170居住獨(dú)立指數(shù)X4-1 491.1960.7170就業(yè)獨(dú)立指數(shù)X50..年齡X6-0.3710.7680.6960～75

min受教育程度X7-0.0050.9980.995本市戶籍

人口數(shù)X8-2.0260.2570.132家庭非機(jī)動(dòng)車

擁有數(shù)（輛）X92.3130.36810.108家庭小汽車

擁有數(shù)X102.0530.5277.793家庭收入X110.1990.9181.221[性別=1]X1210.2480.62828221.098[性別=2]0..注：“.b”：平衡度指數(shù)X1系數(shù)B過大，使EXP（B）超出計(jì)數(shù)范圍。（exp，高等數(shù)學(xué)里以自然常數(shù)e為底的指數(shù)函數(shù)）

統(tǒng)計(jì)分析默認(rèn)以每個(gè)變量最后一個(gè)分量為基準(zhǔn)，因此該基準(zhǔn)變量無分析數(shù)據(jù)，以“.”表示。

根據(jù)上述模型標(biāo)定，得到南京市市郊居民通勤效率影響因素模型：

lnpp=49.532+5 906X1-1.466X2-5 935X3-1 574X4+0.836X6+2.217X7-3.396X8+4.241X9+4.241X9+2.856X10-0.059X11+1.098X12。（5）

lnpp=41.752+7 640.7X1-0.99X2-7 669X3-2 033X4+1.258X6+2.415X7-3.155X8+4.38X9+1.814X10-0.18X11+0.034X12。（6）

lnpp=41.752+7 640.6X1-0.099X2-7 669X3-2 033X4+1.258X6+2.415X7-3.155X8+4.38X9+1.814X10-0.18X11+0.034X12。（7）

lnpp=9.633+8 693.1X1-0.268X2-8 686X3-2 303X4+0.158X6+0.777X70-2.032X8+3.235X9+3.054X10-0.665 5X11+0.738X12。（8）

lnpp=3.518+5 607.7X1+0.061X2-5 628X3-1491X4-0.371X6-0.005X7-2.026X8+2.313X9+2.053X10+0.199X11+10.248X12。（9）

根據(jù)統(tǒng)計(jì)學(xué)理論，顯著水平取a=0.100，當(dāng)該變量顯著水平小于0.100，則該變量對通勤效率的影響程度在90%的置信度是顯著的[9]。建立的通勤效率影響因素回歸模型的結(jié)果表明，各個(gè)影響因素對通勤時(shí)間有不同程度的影響，且在不同時(shí)間段，影響程度也不盡相同?？傮w來說，就業(yè)居住關(guān)系指數(shù)（平衡度指數(shù)、自足型指數(shù)、居住獨(dú)立指數(shù)）對通勤效率的影響程度最大。平衡度指數(shù)與通勤時(shí)間呈正相關(guān)，即片區(qū)平衡度指數(shù)越大，平均通勤時(shí)間越長，而自足型指數(shù)和就業(yè)獨(dú)立指數(shù)與通勤時(shí)間呈負(fù)相關(guān)，即說明該片區(qū)就業(yè)功能越好，居民的平均通勤時(shí)間越短。模型結(jié)果也反映出，出行距離等因素也對居民通勤效率有顯著影響[10]。

3結(jié)論

本文以南京外圍城區(qū)（大廠六合、江寧區(qū)、浦口區(qū)、仙林）為研究對象，分析通勤交通與就業(yè)-居住的關(guān)系及影響程度。首先，通過構(gòu)造平衡職住指數(shù)，對南京外圍各片區(qū)職住平衡程度進(jìn)行測度，并通過職住分離程度對不同片區(qū)進(jìn)行分類劃分，得出了大廠六合為高度分離區(qū)，浦口區(qū)和仙林區(qū)為中度分離區(qū)Ⅱ型，江寧區(qū)為低度分離區(qū)。建立多元回歸模型對不同職住分離片區(qū)影響通勤效率的各影響因素進(jìn)行量化分析，模型結(jié)果標(biāo)定表明，平衡度指數(shù)與通勤時(shí)間呈正相關(guān)，即片區(qū)平衡度指數(shù)越大，平均通勤時(shí)間越長，而自足型指數(shù)和就業(yè)獨(dú)立指數(shù)與通勤時(shí)間呈負(fù)相關(guān)，即說明該片區(qū)就業(yè)功能越好，居民的平均通勤時(shí)間越短。模型結(jié)果也反映出，出行距離等因素也對對居民通勤效率有顯著影響。

因此，相關(guān)部門可以通過促進(jìn)提高自足性指數(shù)，有效合理利用土地，即相應(yīng)地調(diào)整各區(qū)域的居住單元數(shù)量和就業(yè)崗位數(shù)，合理布局城市空間結(jié)構(gòu)和功能分區(qū)，可以有效地減少平均通勤出行時(shí)間和平均通勤距離。

【參考文獻(xiàn)】

[1]宋金平，王恩儒，張文新，等.北京住宅郊區(qū)化與就業(yè)空間錯(cuò)位[J].地理學(xué)報(bào)，2007，62（4）：387-396.

[2]宋杰潔.上海市就業(yè)-居住關(guān)系與城市通勤的關(guān)聯(lián)研究[D]，上海：華東師范大學(xué)，2010.

[3]俞秋田，嚴(yán)凌，劉魏巍，等.低碳模式下的軌道交通客流分配方法[J].森林工程，2013，29（5）：111-115.

[4]陳南菲.就業(yè)居住均衡與城市通勤—以上海為例[D]，上海：華東師范大學(xué)，2012.

[5]顧翠紅，魏清泉.上海市職住分離情況定量分析[J].規(guī)劃廣角，2008，24（6）：57-62.

[6]毛保華.交通規(guī)劃模型及其應(yīng)用[M].北京：中國鐵道出版社，1999.

[7]徐任婷.基于出行者個(gè)體行為特征的出行目的地與方式選擇模型研究[D].南京：東南大學(xué)，2007.

[8]陳團(tuán)生.通勤者出行行為特征與分析方法研究[D].北京：北京交通大學(xué)，2007.

[9]李強(qiáng)，李曉林.北京市近郊大型居住區(qū)居民上班出行特征分析[J].城市問題，2007（7）：55-59.

[10]李崢嶸，柴彥威.大連市民通勤特征研究[J].人文地理，2000（12）：67-68.

[11]趙延峰.城市用地格局對居民出行影響研究[J].城市交通，2007，5（1）：46-50.

[責(zé)任編輯：董希斌]