趙凱旭，張帥兵，黃曉軍，李恩龍，武風(fēng)奇

(1 西北大學(xué) 城市與環(huán)境學(xué)院，陜西 西安 710127；2 北京清華同衡規(guī)劃設(shè)計研究院有限公司 西北分公司，陜西 西安 710000；3 東莞理工學(xué)院城市學(xué)院 城建與環(huán)境學(xué)院，廣東 東莞 523419；4 蘭州大學(xué) 資源環(huán)境學(xué)院，甘肅 蘭州 730000；5 西北大學(xué) 研究生院，陜西 西安 710127)

1 引言

2019年底爆發(fā)的新型冠狀病毒肺炎疫情(以下簡稱新冠疫情或疫情)在全國乃至全世界迅速蔓延，其表現(xiàn)出的高傳染性、高重病率對群眾安全和社會穩(wěn)定造成了嚴重威脅。理論上，人口分布與疾病傳播密切相關(guān)，已有研究表明人口密集的環(huán)境更有利于新冠疫情傳播(1)名古屋工業(yè)大學(xué)官方發(fā)布，https://www.nitech.ac.jp/news/press/2020/8366.html。，而人口流動與新冠疫情感染人數(shù)也呈現(xiàn)較強相關(guān)性[1]。事實上，在新冠疫情爆發(fā)期，我國多數(shù)城市即刻采取停工停產(chǎn)停學(xué)及居家隔離等管控措施控制人口聚集及人口流動，以達到疫情管控目的。正因如此，與平時相比，新冠疫情管控期間的人口分布規(guī)律更值得關(guān)注和討論，在“超常規(guī)”疫情管控舉措之下，城市內(nèi)部人口分布表現(xiàn)出哪些時空特征？其影響因素有哪些？研究這些有利于疫情管控期間人口活動規(guī)律認知、聚集趨勢判斷及更精準的管控分區(qū)劃分、場所管控，對于可能再次復(fù)發(fā)的新冠疫情的管控及類似社會危機的管控具有重要參考意義。已有成果研究了疫情管控期間全國尺度的人口遷徙特征[2]、人口遷徙對疫情擴散的影響[3-6]、疫情管控對人口流動的影響[7]，但對疫情管控期間城市內(nèi)部人口分布規(guī)律的研究較少，本文嘗試對此做一些補充。

近年來，時空大數(shù)據(jù)成為城市人口研究的重要支撐，研究者通過百度熱力數(shù)據(jù)研究了北京市六環(huán)內(nèi)的城市活力[8]、銀川市城區(qū)的職住關(guān)系[9]，通過百度熱力和POI數(shù)據(jù)結(jié)合研究了西安市的人口時空分布[10]、北京市六環(huán)內(nèi)的人口晝夜流動及人口聚集[11]，通過手機信令數(shù)據(jù)繪制了葡萄牙和法國的人口動態(tài)地圖[12]，研究了北京市朝陽區(qū)的人口分布時空格局[13]、北京市的和上海市的就業(yè)人口流動[14]、北京市和上海市的人口動態(tài)分布[15-16]等，本文在此基礎(chǔ)上嘗試進一步拓展百度熱力和POI數(shù)據(jù)在城市人口分布動態(tài)演變研究中的應(yīng)用。

基于此，本文聚焦新冠疫情管控期間的人口分布規(guī)律，以西安市主城區(qū)為例，以百度熱力和POI數(shù)據(jù)為切入視角，基于人口密度指數(shù)模型及ESDA模型、地理探測器模型，嘗試從城市地塊尺度對人口分布演變及影響因素做深入研究，以期拓展城市人口研究領(lǐng)域及對類似社會危機下的城市管控管理提供參考。

2 研究區(qū)域、數(shù)據(jù)獲取與研究方法

2.1 研究區(qū)域

西安市是我國西北地區(qū)典型大城市，2018年末市域常住人口1000.37萬，主城區(qū)常住人口592.6萬。西安市自2020年2月份開始執(zhí)行嚴格的疫情管控，直到3月份疫情逐步穩(wěn)定后，管控才逐步放開。結(jié)合新冠疫情發(fā)展及相應(yīng)管控措施，西安市疫情管控大致分為三個階段：1月20日—2月23日處于疫情加速擴散，實施嚴格管控和集中救治階段；2月24日—3月下旬處于高發(fā)風(fēng)險得到控制，統(tǒng)籌推進科學(xué)管控和有序復(fù)工復(fù)產(chǎn)階段；4月初至今處于本地傳播基本阻斷，境外風(fēng)險陡增，生產(chǎn)生活逐步恢復(fù)正常階段，下文分別用封閉管控階段、解封管控階段、放松管控階段指代西安市新冠疫情管控的三個階段，并分析此三階段的人口分布演變規(guī)律(圖1)?？紤]從4月下旬開始，西安市除學(xué)校和娛樂場所尚未全部開放外，大部分社會經(jīng)濟活動接近恢復(fù)常態(tài)，人口分布相對穩(wěn)定，因此第三階段后不再做階段細分(2)4月30日后，西安市疫情發(fā)展趨于穩(wěn)定，累計治愈117例，累計死亡3例，現(xiàn)有確診0例，且一直保持至今。。同時，考慮數(shù)據(jù)可獲取性及研究區(qū)域典型性，本文將研究區(qū)域聚焦至西安市新城區(qū)、碑林區(qū)、蓮湖區(qū)、雁塔區(qū)及未央?yún)^(qū)、灞橋區(qū)、長安區(qū)的主要建成區(qū)，并根據(jù)城市主干路網(wǎng)將其劃分為801個地塊作為研究單元(圖2)。

圖1 西安市疫情發(fā)展情況及管控措施 圖2 研究區(qū)域

2.2 數(shù)據(jù)獲取

采用python語言編寫的程序采集研究區(qū)域三個階段周內(nèi)(2月3日、3月11日、4月16日)和周末(2月16日、3月15日、4月11日)7:00-24:00每小時間隔的百度熱力圖，同時采集非疫情階段周內(nèi)(2019年4月25日)和周末(2019年4月28日)相應(yīng)時間段百度熱力圖作對照，共獲得8天共144幅熱力地圖(3)百度熱力圖是百度公司在2011年開發(fā)的一款以百度產(chǎn)品手機用戶地理位置數(shù)據(jù)為基礎(chǔ)的大數(shù)據(jù)可視化產(chǎn)品，當(dāng)智能手機訪問百度產(chǎn)品時，位置信息被記錄并形成位置足跡，可用于反映各個地區(qū)人群的聚集度。該數(shù)據(jù)每15分鐘更新一次，具有較強時效性。另外，本文研究時間段不包含任何極端天氣，避免了極端天氣對居民活動的影響，具有較好代表性。。同時，調(diào)用百度地圖API采集西安市2019年4月份POI(points of interest)設(shè)施數(shù)據(jù)，包括14大類96子類共計446182條信息點，每條數(shù)據(jù)包含名稱、地址、類型、經(jīng)緯度等。百度熱力和POI數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，統(tǒng)一置入Arcgis 10.2平臺并配準至CGCS2000_3_Degree_GK_Zone_36坐標系。

2.3 研究方法

2.3.1 人口密度指數(shù)模型

借鑒Li[10]、郭翰[11]等的研究構(gòu)建人口密度指數(shù)模型以反映相對人口密度，用于表征人口分布。百度熱力數(shù)據(jù)共包含4個通道，其中通道4是用256級灰度值表示的Alpha通道，數(shù)值可反映熱力值大小，用于提取某一區(qū)域的人口熱力信息?？紤]到網(wǎng)民具有不斷“上線”和“下線”的動態(tài)特性，提取到的熱力信息在同一天不同時間段具有較大波動性，且不能進行不同時間段的比較[17]，因此采用某一時間段下某一地塊熱力值占整體區(qū)域熱力值的比值以消除這一影響，而后除以該地塊用地面積以計算人口密度指數(shù)。公式如下：

(1)

2.3.2 探索性數(shù)據(jù)分析模型

探索性空間數(shù)據(jù)分析(ESDA)主要是基于空間權(quán)重矩陣探索空間數(shù)據(jù)的分布規(guī)律以反映地理現(xiàn)象的空間依賴性或異質(zhì)性[18]，本文應(yīng)用全局系數(shù)Moran’s I和局部熱點系數(shù)G*研究人口分布整體空間聚集和局部空間聚集。

(1)全局系數(shù)Moran’s I。全局Moran’s I系數(shù)能反映人口分布整體的空間關(guān)聯(lián)或空間差異。公式如下：

(2)

(3)

2.3.3 地理探測器模型

地理探測器(GeoDetector)用于探測某種現(xiàn)象的空間異質(zhì)性及其背后的驅(qū)動因子，既可以用于檢驗單變量的空間分異性，也可以通過檢驗兩個變量空間分布的一致性來探測兩變量之間可能的因果關(guān)系[19]，包含因子探測、交互作用探測、風(fēng)險探測和生態(tài)探測四個部分，本文選用因子探測對西安市人口分布成因進行分析。公式如下：

(4)

3 西安市人口分布時空演變特征

3.1 西安市人口分布時間變化特征

圖3為人口密度時間變化曲線，非疫情階段(2019年4月)作為對照組，下同。封閉管控階段，西安市春節(jié)返鄉(xiāng)人員尚未返回(4)2020年春節(jié)后約有320萬務(wù)工人員待返回西安。來源：西安市新冠肺炎疫情聯(lián)防聯(lián)控工作發(fā)布會，2020年2月11日。，人口數(shù)量較少，密度較低。加上嚴格的管控措施，居民日常活動被約束在較小范圍之內(nèi)，流動性較差，因此人口密度及波動幅度較小。解封管控階段，部分企業(yè)復(fù)工及部分商場開放，人口數(shù)量及流動性有所恢復(fù)，人口密度及波動幅度有小幅度增加。放松管控階段，除學(xué)校、娛樂場所外，大部分區(qū)域已經(jīng)開放，人口數(shù)量及流動性進一步恢復(fù)，人口密度及波動幅度也進一步變大，但仍未恢復(fù)到非疫情階段的水平。同時，西安市是典型的單中心城市[20]，一二環(huán)區(qū)域的設(shè)施配套比三環(huán)及郊外更加豐富，人口聚集能力強，人口密度較高，而隨著疫情管控放開，一二環(huán)區(qū)域的人口密度及波動幅度也進一步變大。反映出在疫情管控三個階段，西安市人口數(shù)量及流動性逐漸恢復(fù)，集中體現(xiàn)在一二環(huán)區(qū)域人口數(shù)量與流動性的持續(xù)恢復(fù)。根據(jù)疫情傳播與人口聚集性、流動性強相關(guān)性可以推測，該區(qū)域疫情感染風(fēng)險同樣變大，防控要求也相應(yīng)變高。

圖3 2020年2-4月新冠疫情管控期間西安市人口分布時間變化圖

此外，疫情管控期間，單日人口密度基本呈現(xiàn)三環(huán)及以內(nèi)區(qū)域從早到晚“低—高—低”變化，郊外“高—低—高”變化的特征，且與非疫情階段的單日人口密度變動趨勢相似，說明疫情管控期間，居民的日?；顒又芷诓⑽窗l(fā)生較大變化。不同的是，相比非疫情階段，在解封管控階段和放松管控階段，一二環(huán)區(qū)域的午間人口密度小高峰出現(xiàn)的時間點或提前或延遲，下班后的夜間人口密度也較低，這應(yīng)該是受復(fù)工后企業(yè)錯峰午休以及居民出于防控需要夜間減少外出所導(dǎo)致。

3.2 西安市人口分布空間變化特征

圖4為日平均人口密度空間變化地圖，通過Arcgis 10.2自然斷點法統(tǒng)一劃為高密度區(qū)、較高密度區(qū)、較低密度區(qū)、低密度區(qū)(5)采用自然斷點法將2月16日人口密度分為四級并確定分級區(qū)間，以此為標準劃分其他日期。，括號內(nèi)數(shù)字為地塊數(shù)。三個階段，高、較高密度區(qū)分布在城市內(nèi)部，數(shù)量逐漸增加，較低、低密度區(qū)分布在城市外圍，數(shù)量持續(xù)減少。封閉管控階段，高、較高密度區(qū)主要分布在一二環(huán)區(qū)域、經(jīng)開區(qū)和小寨—電視塔片區(qū)，較低、低密度區(qū)主要分布在三環(huán)及郊外，呈現(xiàn)出十分明顯的“中心—外圍”分布結(jié)構(gòu)。而隨著疫情管控放開及復(fù)工復(fù)產(chǎn)的推進，到解封管控階段和放松管控階段，高、較高密度區(qū)在高新區(qū)、曲江新區(qū)、航天基地、城北片區(qū)、城東片區(qū)向著西南、東南、城北、城東繼續(xù)擴張，而較低、低密度區(qū)則在三環(huán)及郊外進一步減少，進而呈現(xiàn)“中心—外圍、開發(fā)區(qū)延伸”的分布結(jié)構(gòu)，且周內(nèi)的人口分布特征已經(jīng)趨近常態(tài)?？梢钥闯觯靼彩薪嫉拈_發(fā)區(qū)和城東片區(qū)是疫情管控放開后，除一二環(huán)區(qū)域以外的人口密度主要增長區(qū)域，疫情引入風(fēng)險同樣相對較高(6)事實上，西安市約有62%的疫情感染小區(qū)分布在上述區(qū)域。。

圖4 2020年2-4月新冠疫情管控期間西安市人口分布變化地圖

3.3 西安市人口分布空間聚集特征

3.3.1 整體聚集特征

表1為日平均人口密度的全局Moran’s I，由GeoDa 1.12計算完成，全部通過99%置信水平檢驗。周內(nèi)全局Moran’s I由封閉管控階段的0.623持續(xù)增長至放松管控階段的0.692，周末則由0.598持續(xù)增長至0.667，反映了疫情管控期間西安市人口密度呈現(xiàn)顯著的高值聚集或低值聚集，周內(nèi)比周末聚集性更明顯，且三個階段這種聚集特征持續(xù)增強，但仍舊弱于非疫情階段。

表1 新冠疫情管控期間西安市人口分布全局Moran’s I

3.3.2 局部聚集特征

圖5為日平均人口密度空間熱、冷點地圖，通過Arcgis 10.2自然斷點法將其統(tǒng)一劃分為熱點區(qū)、次熱點區(qū)、次冷點區(qū)、冷點區(qū)(7)采用自然斷點法將2月16日人口密度值分為四級并確定分級標準，以此為標準劃分其他日期。，括號內(nèi)數(shù)字為地塊數(shù)量。三個階段，西安市人口密度熱點區(qū)主要分布在一二環(huán)區(qū)域，次熱點區(qū)主要分布在三環(huán)區(qū)域，次冷點、冷點區(qū)則主要分布在三環(huán)及郊外，呈現(xiàn)出明顯的內(nèi)熱外冷圈層式聚集特征，而隨著人口活力恢復(fù)，人口聚集趨勢逐漸加強，且這種特征越來越顯著。同時，到解封管控階段和放松管控階段，熱點、次熱點區(qū)在逐步向高新區(qū)、曲江新區(qū)擴張，呈現(xiàn)出明顯的開發(fā)區(qū)導(dǎo)向特征。另外，比較放松管控階段與非疫情階段，熱點區(qū)已趨近恢復(fù)常態(tài)，但次熱點區(qū)在曲江新區(qū)、城北片區(qū)、城東片區(qū)仍存在一定差異，說明即使到放松管控階段，不論是出于主動回避還是被動隔離，人群活動的聚集行為仍未恢復(fù)常態(tài)。

值得強調(diào)的是，人口密度熱冷點聚集反映了不同階段的人口空間聚集特征，可以推測，熱點聚集區(qū)疫情傳播風(fēng)險相對較大，冷點聚集區(qū)疫情傳播風(fēng)險相對較小，次熱點、次冷點區(qū)則分別介于二者之間。對于城市疫情管控分區(qū)而言，以此可作為不同階段疫情精準化管控分區(qū)參考依據(jù)之一。

圖5 2020年2-4月新冠疫情管控期間西安市人口分布熱冷點地圖

3.4 疫情管控期間人口活動模式

基于前文分析可以發(fā)現(xiàn)，在西安市疫情管控的不同階段，人口活動的時空分布呈現(xiàn)出不同的特征，其首要原因是由于不同的疫情管控措施引起了人口活動模式發(fā)生改變。據(jù)此，本文結(jié)合日常生活方式相關(guān)理論[21]和部分學(xué)者的研究[22]，進一步將西安市疫情管控期間與非疫情階段人口活動模式分為防控導(dǎo)向型、防控—就業(yè)需求導(dǎo)向型、就業(yè)—消費需求導(dǎo)向型、購物—休閑需求導(dǎo)向型四種類型，并分別總結(jié)其人口活動特征與分布特征(表2)。值得強調(diào)的是，“超常規(guī)”的疫情管控表現(xiàn)出較強約束力，在其影響下，不同類型的人口活動模式之間呈現(xiàn)出較大的人口分布差異，但同一類型內(nèi)部的人口分布卻呈現(xiàn)出較大相似性，這一定程度上解釋了三個階段的周末人口分布存在一定相似性的現(xiàn)象。

表2 新冠疫情管控期間與非疫情階段人口活動模式

4 影響因素探測識別

4.1 影響因子設(shè)定

人口分布是居民日?；顒拥目臻g表征，體現(xiàn)了空間中不同的功能場所對居民活動的吸引[23]，在疫情管控期間，城市居民的居住、采購、就醫(yī)、就餐、就業(yè)、休閑等需求依舊需要通過相應(yīng)的功能空間予以滿足，對應(yīng)的吸引作用依然存在。但受疫情管控影響，不同階段的人口活力和配套設(shè)施的開放性會發(fā)生變化，進而對人口分布的影響作用也相應(yīng)發(fā)生變化，本文重點對此進行分析?？紤]到4月16日之前西安市教育、文化、娛樂場所多未開放，所以重點對住宅小區(qū)(x1)、餐飲設(shè)施(x2)、生活服務(wù)(x3)、醫(yī)療機構(gòu)(x4)、購物服務(wù)(x5)、辦公場所(x6)、公園廣場(x7)7類設(shè)施數(shù)據(jù)清洗后進行分析(表3)。在數(shù)據(jù)清洗中，考慮到居民短時間活動并未對百度熱力產(chǎn)生影響，所以對人口停留時間明顯短于15分鐘的設(shè)施進行剔除，如糕餅店、洗衣店、便民商店等，其他設(shè)施則保留。隨后通過Arcgis 10.2分區(qū)統(tǒng)計工具將7類設(shè)施數(shù)量分類統(tǒng)計至801處研究單元(部分缺省值用0.001代替)，而后計算分地塊設(shè)施密度，并采用自然斷點法將研究區(qū)域每類設(shè)施的密度重分類至20個分區(qū)。最終，以西安市不同階段人口分布日平均密度為因變量，以7類設(shè)施密度的自然斷點分區(qū)為自變量，代入公式(4)，計算其驅(qū)動因子，過程由Geodetector軟件完成。

表3 自變量編號、名稱及POI類型、數(shù)量

4.2 探測結(jié)果分析

表4為人口分布驅(qū)動因子探測結(jié)果，除x7外，其他影響因子都在99%水平下顯著。西安市7類設(shè)施對人口分布的影響強度排序為：住宅小區(qū)>餐飲設(shè)施>生活服務(wù)>醫(yī)療機構(gòu)>購物服務(wù)>辦公場所>公園廣場，因此，在三個疫情管控階段，住宅小區(qū)、餐飲設(shè)施、生活服務(wù)、醫(yī)療機構(gòu)的影響強度呈現(xiàn)遞減，購物服務(wù)、辦公場所、公園廣場的影響強度呈現(xiàn)遞增。

(1)住宅小區(qū)直接決定著人口分布。封閉管控階段，小區(qū)實行封閉管理，每戶指派專人定期外出采購，大部分居民則被限制在小區(qū)內(nèi)部，活動范圍與活動類型相對受限，表現(xiàn)出人口分布受住宅小區(qū)較大影響。解封管控階段和放松管控階段，小區(qū)解封，人口流動性逐漸恢復(fù)，再加上交通、購物、餐飲、休閑、就業(yè)等設(shè)施逐漸恢復(fù)運營，促使居民的戶外活動及遠距離出行活動變多，對小區(qū)依賴性減弱，表現(xiàn)出住宅小區(qū)對人口分布的影響在逐步減弱。同時，疫情管控期間，居民出于自我防控考慮，在周末會刻意減少外出次數(shù)，即使出行也會傾向聚集于小區(qū)及周邊[24]，因此三個階段，住宅小區(qū)對人口分布的影響強度周末都要略大于周內(nèi)。

表4 新冠疫情管控期間西安市人口分布驅(qū)動因子探測結(jié)果

(2)對于餐飲設(shè)施、生活服務(wù)、醫(yī)療機構(gòu)而言，三者的空間分布與住宅小區(qū)分布表現(xiàn)出較強相關(guān)性(8)住宅小區(qū)與生活服務(wù)、餐飲設(shè)施、醫(yī)療機構(gòu)、辦公場所、購物服務(wù)、公園廣場的空間分布皮爾遜相關(guān)系數(shù)分別為0.72、0.73、0.67、0.59、0.56、-0.1。，前兩者多分布于小區(qū)周邊，醫(yī)院作為稀缺資源，周邊往往聚集了大量小區(qū)[25]，多數(shù)診所也直接設(shè)在小區(qū)樓下，三者對人口分布的影響較大程度上受到住宅小區(qū)對人口聚集作用的影響，因此三因子在不同階段對人口分布的影響變化與住宅小區(qū)對人口分布的影響變化呈現(xiàn)一定相似性。然而，餐飲服務(wù)和生活服務(wù)作為日常性消費活動，居民使用頻率相對較高，因此在解封管控階段和放松管控階段，人口流動性逐漸增強且餐飲開放堂食、商業(yè)網(wǎng)點開放營業(yè)的情況下，仍然保持對人口分布相對較高的影響強度，且周末略大于周內(nèi)。醫(yī)療機構(gòu)卻不同，疫情期間醫(yī)院和診所交叉感染幾率更大，居民活動會有意避開這些區(qū)域，因此同樣在后兩個階段，即使門診和診所開放的情況下，醫(yī)療機構(gòu)對人口分布的影響強度卻呈現(xiàn)較大下降，周內(nèi)周末相差較小。

(3)購物與辦公屬于居民日常性活動范疇[24]，對人流活動具有較強吸引力。封閉管控階段，辦公區(qū)域及商業(yè)場所大多關(guān)閉，再加上小區(qū)封閉、交通停運限制了人口流動，表現(xiàn)出購物服務(wù)與辦公場所對人口分布影響較弱。解封管控階段和放松管控階段，隨著復(fù)工復(fù)產(chǎn)推進和小區(qū)、市內(nèi)交通管制的放開，上述場所逐漸開放，人流活力也逐漸恢復(fù)，表現(xiàn)出購物服務(wù)與辦公場所對人口分布的影響逐漸變強。另外，疫情管控逐步放開后，居民周內(nèi)由于就業(yè)活動占據(jù)了大多時間而無暇兼顧購物活動，因此居民周末的購物需求和購物時間普遍要高于周內(nèi)[26]，購物服務(wù)對人口分布的影響周末也要強于周內(nèi)，但考慮到疫情管控期間居民周末外出次數(shù)的下降，導(dǎo)致這個差距不會很大，而辦公場所則剛好相反。

(4)城市中的公園廣場本身數(shù)量較少，使用主體還多為中老年人[27]，客觀上決定了公園廣場對居民吸引力有限，導(dǎo)致整體的影響強度較弱，周內(nèi)周末也相差較小。但隨著疫情管控放開，公園廣場重新對外開放，居民的戶外活動相應(yīng)增多，對人口分布的影響強度在逐步增強。

(5)城市功能的空間結(jié)構(gòu)影響了城市人口的空間分布[23]，疫情管控則影響了二者之間的聯(lián)系。三個階段，隨著疫情管控放開，居民活動與配套設(shè)施之間由“弱聯(lián)系”變?yōu)椤皬娐?lián)系”。由于不同因子對人口分布的影響機理不同，城市中呈相對分散分布的因子(住宅小區(qū)、餐飲設(shè)施、生活服務(wù)和醫(yī)療機構(gòu))對人口分布的影響由強變?nèi)酰氏鄬奂植嫉囊蜃?購物服務(wù)與辦公場所(9)公園廣場對人口分布的影響作用較弱，此處不做比較。)對人口分布的影響由弱變強，二者共同促使了西安市人口分布也由相對分散變?yōu)楦泳奂?。這也提示了，隨著疫情管控放開，場所防控的重點要由低聚集性場所轉(zhuǎn)向高聚集性場所。

5 結(jié)論與討論

5.1 結(jié)論

本文基于百度熱力和POI數(shù)據(jù)研究新冠疫情管控期間西安市的人口分布演變及影響因素，主要結(jié)論如下：

(1)從時間變化來看，受西安市單中心城市結(jié)構(gòu)影響，人口分布密度由一環(huán)向郊外遞減。隨著疫情管控放開，西安市的人口數(shù)量及流動性逐漸恢復(fù)，集中體現(xiàn)在一二環(huán)區(qū)域的人口數(shù)量與流動性的持續(xù)恢復(fù)。而隨著該區(qū)域人口密集度與流動性變大，疫情防控要求也相應(yīng)變高。此外，疫情管控期間，單日人口密度變化特征與非疫情階段的單日人口密度變動趨勢相似，說明疫情管控期間，居民的日常活動周期并未發(fā)生較大變化，但受復(fù)工后企業(yè)錯峰午休以及居民減少外出影響，活動特征在局部表現(xiàn)不同。從空間變化來看，三個階段，高、較高密度區(qū)分布在城市內(nèi)部，數(shù)量逐漸增加，較低、低密度區(qū)分布在城市外圍，數(shù)量持續(xù)減少。而隨著西安市人流管控放開及復(fù)工復(fù)產(chǎn)的推進，城市人口分布逐漸由“中心—外圍”轉(zhuǎn)變?yōu)椤爸行摹鈬?、開發(fā)區(qū)延伸”的空間結(jié)構(gòu)，西安市近郊的開發(fā)區(qū)和城東片區(qū)是人口密度的主要增長區(qū)域，該區(qū)域疫情引入風(fēng)險同樣相對較高。

(2)從聚集情況來看，疫情管控期間西安市人口分布仍呈現(xiàn)明顯的高值聚集或低值聚集，且疫情管控的三階段聚集趨勢持續(xù)增強，但仍舊弱于非疫情階段。西安市人口分布熱點主要分布在一二環(huán)區(qū)域，冷點主要分布在三環(huán)及郊外，呈現(xiàn)出明顯的內(nèi)熱外冷圈層式聚集特征。而隨著人口活力的恢復(fù)，這種特征越來越顯著，以此可作為不同階段疫情精準化管控分區(qū)參考依據(jù)之一。另外，在疫情管控期間，人口分布特征不同主要是由于不同的疫情管控措施引起的人口活動模式發(fā)生變化，本文提出了防控導(dǎo)向型、防控—就業(yè)需求導(dǎo)向型、就業(yè)—消費需求導(dǎo)向型、購物—休閑需求導(dǎo)向型四種人口活動模式，并討論了相應(yīng)的人口活動特點和分布特征。

(3)從影響因素來看，影響強度排序為：住宅小區(qū)>餐飲設(shè)施>生活服務(wù)>醫(yī)療機構(gòu)>購物服務(wù)>辦公場所>公園廣場，且三個階段中7類設(shè)施的影響強度呈規(guī)律性遞增或遞減。疫情管控的三個階段，住宅小區(qū)由于人口流動性恢復(fù)和其他功能設(shè)施的開放，對小區(qū)依賴性減弱，影響強度逐漸減弱。餐飲設(shè)施、生活服務(wù)、醫(yī)療機構(gòu)由于多分布在住宅小區(qū)附近，對人口分布的影響受小區(qū)對人口聚集作用影響較大，所以同樣表現(xiàn)影響強度逐漸減弱。購物服務(wù)和辦公場所對人流活動具有較強吸引力，且隨著人口活力恢復(fù)及復(fù)工復(fù)產(chǎn)的推進，影響強度逐漸增強。公園廣場由于數(shù)量少、吸引力弱，呈現(xiàn)影響強度較低，但隨著公園廣場重新對外開放和居民戶外活動增多，影響強度在逐步增強?？梢钥闯?，疫情管控的變化影響了城市配套設(shè)施與人口分布的耦合關(guān)系由“弱聯(lián)系”變?yōu)椤皬娐?lián)系”，也影響著西安市人口分布由相對分散變?yōu)楦泳奂@也提示了，場所防控的重點要由低聚集性場所轉(zhuǎn)向高聚集性場所。

5.2 討論

城市疫情管控的本質(zhì)是人流活動的管控，本文的研究為疫情管控期間人口的動態(tài)監(jiān)測拓展了一種可供借鑒的方法?；谠摲椒?，政府可以及時了解城市不同區(qū)域以及不同地塊人口密度分布的實時變化及其與配套設(shè)施的耦合關(guān)系變化，深入認知疫情管控期間城市居民的活動模式及聚集規(guī)律，進而識別城市疫情防控的重點并指導(dǎo)精準化管控分區(qū)劃分，以利于實施差異化管控。

需要說明的是，(1)由百度熱力計算出的人口密度僅為相對人口密度[28]，難以反映疫情管控放開后真實的城市人口數(shù)量變化和單個地塊人口數(shù)量變化，也限制了本文對人口密度的分級進行客觀劃分。雖然已有研究將百度熱力RGB顏色代表的人口密度與對應(yīng)的柵格相乘以計算真實人口，進而得出真實人口密度[17]，但該方法受研究尺度及柵格中顏色信息提取精度限制，并不適合本文微觀地塊尺度研究。(2)由于西安市不同轄區(qū)及不同街道采取的管控措施及管控力度存在一定差異，又遇上春節(jié)返工潮，導(dǎo)致疫情管控期間人口分布變化較為復(fù)雜，出現(xiàn)部分現(xiàn)象與預(yù)期不符，比如解封管控階段周末高密度區(qū)數(shù)量少于前后兩個階段的周末，而本文基于時空大數(shù)據(jù)的視角難以解釋該現(xiàn)象。對此兩點，未來將進一步完善人口密度模型，并嘗試從居民個體流動角度對人口變化做補充解釋。