劉曉冰，李奉孝，田欣妹，閆學(xué)東*

(1.北京交通大學(xué)，綜合交通運(yùn)輸大數(shù)據(jù)行業(yè)重點(diǎn)實(shí)驗(yàn)室，北京 100044；2.中國(guó)城市規(guī)劃設(shè)計(jì)研究院，北京 100044)

0 引言

隨著城市化進(jìn)程的加快，城市規(guī)模日益擴(kuò)大，單中心城市人口集聚帶來(lái)的負(fù)外部效應(yīng)使城市交通問(wèn)題日益嚴(yán)重。都市圈空間結(jié)構(gòu)中的城市形態(tài)、城市規(guī)模、土地利用等都會(huì)影響到交通線網(wǎng)布局和交通設(shè)施供給，繼而影響到交通方式的選擇、交通源的空間分布和交通需求總量，最終影響整個(gè)都市圈交通系統(tǒng)[1]。因此各地解決城市交通擁堵、提高交通品質(zhì)問(wèn)題的思路逐漸從單一擴(kuò)大供給向供需雙側(cè)調(diào)節(jié)轉(zhuǎn)變，也越來(lái)越重視從城市空間規(guī)劃層面引導(dǎo)交通出行模式的轉(zhuǎn)型，通過(guò)城市空間規(guī)劃和交通組織耦合發(fā)展的視角來(lái)改善交通問(wèn)題。

中心結(jié)構(gòu)識(shí)別是城市空間規(guī)劃的重要步驟之一。然而，目前對(duì)中心結(jié)構(gòu)的識(shí)別在分析方法與數(shù)據(jù)應(yīng)用等方面仍然受限。一方面，由于多中心結(jié)構(gòu)的復(fù)雜性，目前缺乏成熟的多中心判別理論和衡量方法。目前主要采用如下幾種思路：第一，比較某區(qū)域之內(nèi)城市的重要性以及等級(jí)分布情況[2]，對(duì)城市的首位度進(jìn)行排名，但是此種比較方式的準(zhǔn)確性較低；第二，立足于城市之間的交通網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行識(shí)別，如Liu 等[3]針對(duì)中國(guó)多個(gè)主要城市的多中心結(jié)構(gòu)以及此類(lèi)城市的流量數(shù)據(jù)進(jìn)行檢測(cè)，雖然結(jié)果具有較好的代表性和準(zhǔn)確性，但此方法立足于高質(zhì)量統(tǒng)計(jì)數(shù)據(jù)基礎(chǔ)之上，耗費(fèi)的人力和物力相當(dāng)巨大，更新頻率也相對(duì)較低，而且沒(méi)有設(shè)置統(tǒng)一的標(biāo)準(zhǔn)[4]；第三，比較城市多中心和理想模型之間的差異，例如Shlomo 等[5]依據(jù)對(duì)美國(guó)城市的調(diào)查分析，建立了包括生活-工作社區(qū)鄰里模型在內(nèi)的5種假設(shè)空間結(jié)構(gòu)模型，但是理想模型的建立尚未達(dá)成共識(shí)，如果研究區(qū)域的內(nèi)部差異較大，則很有可能出現(xiàn)結(jié)果不一致的情況，另一方面，根據(jù)傳統(tǒng)調(diào)查數(shù)據(jù)對(duì)城市結(jié)構(gòu)進(jìn)行的判別大部分是靜態(tài)的[6]，獲取成本較高且可用性較差，另外受限于數(shù)據(jù)獲取的難度，過(guò)去的研究一般都是將行政區(qū)作為城市中心結(jié)構(gòu)的基本空間單元，無(wú)法對(duì)區(qū)域發(fā)展進(jìn)行精細(xì)化研究[7]，而且行政區(qū)規(guī)模的差異還會(huì)導(dǎo)致不確定的區(qū)域偏差[8]。除分析方法與數(shù)據(jù)應(yīng)用受限外，現(xiàn)有研究多從一個(gè)城市的中心結(jié)構(gòu)展開(kāi)分析，缺少大規(guī)模的實(shí)證研究，很難找到普遍規(guī)律及普適性的結(jié)論。

為了更加科學(xué)地制定不同都市圈中心結(jié)構(gòu)下的資源配置和通勤效率優(yōu)化策略，本文利用百度通勤大數(shù)據(jù)，聚類(lèi)識(shí)別了都市圈中心布局，提出不同都市圈中心結(jié)構(gòu)下的通勤模式和量化指標(biāo)，對(duì)我國(guó)35個(gè)重點(diǎn)都市圈的中心結(jié)構(gòu)進(jìn)行判別，并分析我國(guó)主要中心結(jié)構(gòu)下都市圈通勤效率的關(guān)鍵影響因素，為城市管理者開(kāi)展精細(xì)化的空間布局和交通規(guī)劃提供一定的參考。

1 研究范圍與數(shù)據(jù)介紹

1.1 研究范圍

本文研究對(duì)象包含全國(guó)35個(gè)主要城市形成的都市圈區(qū)域，是中國(guó)超大、特大和大城市的典型代表。具體包括超大城市中的北京市、上海市、廣州市、深圳市，特大城市中的成都市、天津市、鄭州市、西安市、杭州市、武漢市、青島市、南京市、沈陽(yáng)市，I型大城市中的長(zhǎng)沙市、濟(jì)南市、哈爾濱市、合肥市、昆明市、長(zhǎng)春市、大連市、太原市、廈門(mén)市、烏魯木齊市，II 型大城市中的寧波市、石家莊市、南寧市、福州市、貴陽(yáng)市、南昌市、蘭州市、呼和浩特市、銀川市、?？谑?、西寧市，以及I型小城市拉薩市，具體分布如圖1所示。

圖1 研究城市分布圖Fig.1 Study city maps

1.2 數(shù)據(jù)介紹

本文數(shù)據(jù)集來(lái)源于百度地圖位置數(shù)據(jù)處理后得到的通勤數(shù)據(jù)，時(shí)間范圍為2019年1月～6月，共180 余天。出于對(duì)個(gè)人隱私保護(hù)要求，該數(shù)據(jù)集以0.5 km×0.5 km 柵格為基本單位，每一條數(shù)據(jù)包含居住地柵格id、居住地柵格中心經(jīng)緯度、居住地柵格所處行政區(qū)劃、工作地柵格id、工作地柵格中心經(jīng)緯度、工作地柵格所處行政區(qū)劃、通勤人數(shù)、通勤時(shí)間均值、通勤距離均值等信息，具體字段如表1所示。針對(duì)每個(gè)待研究城市，統(tǒng)計(jì)居民出行O或者D至少一端位于城市行政區(qū)范圍內(nèi)的通勤點(diǎn)對(duì)，從而建立每個(gè)都市圈的通勤數(shù)據(jù)庫(kù)。

表1 通勤數(shù)據(jù)字段列表Table 1 List of commuting data fields

1.3 通勤分布分析

利用通勤數(shù)據(jù)對(duì)城市居住就業(yè)人口分布進(jìn)行熱力圖表征，直觀發(fā)現(xiàn)人口高密度分布區(qū)域和城市中心區(qū)域有比較強(qiáng)的相關(guān)性。以深圳和天津?yàn)槔?，如圖2和圖3所示。深圳市除南山區(qū)、羅湖區(qū)人口密集區(qū)域以外，還可以識(shí)別出龍崗區(qū)、龍華區(qū)、寶安區(qū)。在天津市，通過(guò)人口分布情況可以明顯地識(shí)別出中心城區(qū)與濱海新區(qū)兩個(gè)中心，兩中心間相隔較長(zhǎng)距離，且中心城區(qū)面積大于濱海新區(qū)所識(shí)別的面積。由此可知，根據(jù)通勤人口分布特點(diǎn)對(duì)城市中心結(jié)構(gòu)進(jìn)行初步識(shí)別具有可行性。

圖2 深圳市居住與就業(yè)人口分布熱力圖Fig.2 Thermal map of residential and employed population in Shenzhen

圖3 天津市居住與就業(yè)人口分布熱力圖Fig.3 Thermal map of residential and employed population in Tianjin

2 基于聚類(lèi)算法的都市圈中心布局識(shí)別方法

2.1 中心能級(jí)測(cè)度指標(biāo)選取

國(guó)外對(duì)于中心結(jié)構(gòu)的研究中，經(jīng)常利用就業(yè)工作崗位總數(shù)量與密度去衡量多中心形態(tài)分布[9]，我國(guó)對(duì)于中心體系的研究一般都是把街道作為空間基本單元，以人口普查數(shù)據(jù)為基礎(chǔ)，再借助密度識(shí)別的手段去劃分[10]，基于此，本文采用以密度為基礎(chǔ)的中心測(cè)度指標(biāo)。對(duì)于空間基本分析單元，考慮到以街道為代表的行政區(qū)域存在面積不一、范圍過(guò)大等問(wèn)題，在中心識(shí)別研究中采用空間網(wǎng)格作為空間基本單元，網(wǎng)格內(nèi)居住與就業(yè)人口密度作為網(wǎng)格中心能級(jí)測(cè)度指標(biāo)Si，并將城市內(nèi)所有網(wǎng)格能級(jí)指標(biāo)Si進(jìn)行以極小化方法做標(biāo)準(zhǔn)化處理，得到修正后的網(wǎng)格能級(jí)指標(biāo)S′i。

2.2 基于聚類(lèi)算法的都市圈中心識(shí)別方法

DBSCAN 算法不受聚類(lèi)空間形態(tài)限制，不用預(yù)設(shè)聚類(lèi)個(gè)數(shù)，能夠?qū)υ肼曔M(jìn)行高效識(shí)別，是進(jìn)行地理空間劃分比較常用的方法[11]。對(duì)于大規(guī)模的通勤數(shù)據(jù)，傳統(tǒng)的算法可能因?yàn)閿?shù)據(jù)量巨大導(dǎo)致計(jì)算崩潰，為了提高計(jì)算效率，本文基于網(wǎng)格進(jìn)行聚類(lèi)，將0.5 km×0.5 km 的原始柵格聚合為1.5 km×1.5 km 的空間網(wǎng)格，利用DBSCAN 方法對(duì)網(wǎng)格內(nèi)中心測(cè)度能級(jí)進(jìn)行聚類(lèi)，以實(shí)現(xiàn)對(duì)都市圈形態(tài)中心布局的識(shí)別。

基于網(wǎng)格的DBSCAN聚類(lèi)算法需要重新定義算法中的Minpts、Eps 兩參數(shù)含義。其中，Eps 為網(wǎng)格鄰域搜索半徑，取值為2，以保證搜索范圍在每個(gè)方向上都有相鄰網(wǎng)格。Minpts 重新定義為Eps搜索范圍內(nèi)形成集群的最小網(wǎng)格中心能級(jí)測(cè)度指標(biāo)Si的加和值，此值的選取應(yīng)根據(jù)不同城市的行政區(qū)劃和空間功能規(guī)劃情況具體選取，保證最后聚類(lèi)結(jié)果中各部分的分離程度和聚類(lèi)個(gè)數(shù)。最終基于網(wǎng)格與中心能級(jí)指標(biāo)的DBSCAN算法流程如下：

(1)選取研究城市，以網(wǎng)格內(nèi)居住與就業(yè)人口密度作為網(wǎng)格中心能級(jí)測(cè)度指標(biāo)，計(jì)算城市所有網(wǎng)格的中心能級(jí)測(cè)度指標(biāo)，并結(jié)合當(dāng)?shù)爻鞘幸?guī)劃與實(shí)際發(fā)展選取合適的Minpts 取值。

(2)選擇城市任意網(wǎng)格，根據(jù)鄰域半徑Eps 與密度閾值Minpts 判定其是否為核心網(wǎng)格(核心網(wǎng)格鄰域內(nèi)中心能級(jí)測(cè)度指標(biāo)加和值大于Minpts)，若是核心網(wǎng)格則選取與其密度可達(dá)的所有網(wǎng)格形成一個(gè)簇，即為一個(gè)聚類(lèi)。

(3)找到城市網(wǎng)格中所有核心網(wǎng)格密度可達(dá)的簇從而找到所有的聚類(lèi)類(lèi)別。

(4)未被歸于任何簇的網(wǎng)格則標(biāo)記為噪聲點(diǎn)。

3 基于通勤模式的都市圈中心結(jié)構(gòu)判別方法

3.1 都市圈通勤模式理論構(gòu)建

傳統(tǒng)上判斷都市圈空間結(jié)構(gòu)的方法是考察城市內(nèi)部要素密度的分布，比如人口密度分布。然而，城市中心結(jié)構(gòu)模型的許多理論基礎(chǔ)都是基于與貨物、人員和服務(wù)的物理移動(dòng)相關(guān)的流動(dòng)。因此判別城市空間結(jié)構(gòu)不僅要考察城市區(qū)域內(nèi)的人口或就業(yè)分布，還要識(shí)別城市區(qū)域內(nèi)不同區(qū)域間的流動(dòng)分布。城市中心結(jié)構(gòu)分布模式直接影響了城市的實(shí)際通勤模式，不同的空間結(jié)構(gòu)下的城市通勤數(shù)據(jù)會(huì)呈現(xiàn)出不同的特征[5]。結(jié)合中國(guó)都市圈空間發(fā)展特點(diǎn)和本文通勤數(shù)據(jù)特征，構(gòu)建了最大無(wú)序通勤模式、單中心通勤模式、均衡多中心通勤模式、非均衡多中心通勤模式以及約束擴(kuò)散通勤模式等5 種通勤模式，并提出5 種假設(shè)模型下理想的通勤連接關(guān)系。

(1)最大無(wú)序通勤模式

最大無(wú)序通勤模式是城市中心結(jié)構(gòu)的一個(gè)極端，它假定居住地與就業(yè)地之間沒(méi)有任何吸引力或排斥力。當(dāng)交通成本為零或可以忽略不計(jì)時(shí)，可以假設(shè)一個(gè)城市的居住地和就業(yè)地均隨機(jī)分布，居民通勤流動(dòng)呈現(xiàn)無(wú)序狀態(tài)，沒(méi)有明顯的規(guī)律。

最大無(wú)序通勤模式下的通勤距離計(jì)算方式如下：首先在該城市的原始居住地與就業(yè)地經(jīng)緯度不變情況下，利用洗牌算法分別隨機(jī)抽取一個(gè)居住地與一個(gè)就業(yè)地，并且自動(dòng)生成隨機(jī)通勤對(duì)序列，所求得的平均通勤距離即為最大無(wú)序模式下的平均通勤距離，其連接示意圖如圖4(a)所示。方格代表實(shí)際居住地，圓圈代表實(shí)際就業(yè)地，利用箭頭把隨機(jī)選取的居住地和就業(yè)地兩兩重新連接。

(2)單中心通勤模式

單中心通勤模式先驗(yàn)地假定所有就業(yè)地都必須集中在中央商務(wù)區(qū)(CBD)的一個(gè)點(diǎn)上，所有的居住地都圍繞著那個(gè)點(diǎn)排成環(huán)形，居民沿徑向路線通勤到CBD 上班。在該模式中，主中心或主中心附近的通勤成本為零或可忽略不計(jì)，平均通勤成本隨城市規(guī)模的增加而增加。從職住的角度分析，理論上主中心的就業(yè)占比達(dá)到100%。

單中心通勤模式通勤距離計(jì)算方式如下：首先，假定該城市的居住地經(jīng)緯度不變，提取出所有就業(yè)地的加權(quán)形心點(diǎn)作為新中心就業(yè)地；其次，將原居住端與新就業(yè)地組成假想OD對(duì)，其連接示意圖如圖4(b)所示。

(3)均衡多中心通勤模式

均衡多中心結(jié)構(gòu)沒(méi)有明顯的主中心，通勤流發(fā)生在每個(gè)中心的四周，各個(gè)中心之間也會(huì)有一定通勤上的聯(lián)系，但聯(lián)系并不緊密。在這些中心區(qū)域，就業(yè)地通常位于交通樞紐周?chē)?，從職住的角度分析，理想條件下每個(gè)中心實(shí)現(xiàn)了職住平衡。對(duì)于假設(shè)具有多中心屬性的空間結(jié)構(gòu)下的通勤模式，首先需要對(duì)城市市域進(jìn)行空間劃分，本文采用Fast Unfolding 算法對(duì)城市網(wǎng)格進(jìn)行社區(qū)劃分，這種方法可以保證子中心內(nèi)部聯(lián)系更加緊密，不同中心間聯(lián)系比較稀疏[12]。

均衡多中心通勤模式下理想的通勤連接操作如下：①基于Fast Unfolding城市空間劃分結(jié)果，對(duì)于原始居住地與就業(yè)地進(jìn)行通勤單元?jiǎng)澐?；②?jì)算每個(gè)通勤單元的加權(quán)形心點(diǎn)作為每個(gè)中心的就業(yè)地，即多中心就業(yè)地；③每個(gè)居住地與其所在通勤單元內(nèi)的中心就業(yè)地相連形成新的OD 對(duì)。該模式下的通勤連接關(guān)系示意圖如圖4(c)所示。

(4)約束擴(kuò)散通勤模式

約束擴(kuò)散模式則是在多中心模式的基礎(chǔ)上，將大多數(shù)工作分散在“多中心之外”，腹地居民在通勤范圍內(nèi)并沒(méi)有將通勤距離作為一個(gè)選擇就業(yè)的主要障礙，因此腹地居民的就業(yè)一定程度上是無(wú)序選擇就業(yè)和就近選擇就業(yè)模式混合。本質(zhì)上，約束擴(kuò)散模式是一個(gè)混合模式，對(duì)于腹地的居民通勤出行可以假設(shè)為最大無(wú)序模式，對(duì)于各中心的居民通勤出行基本符合多中心模式。該模式的特征是比均衡多中心的通勤距離更長(zhǎng)，但比最大無(wú)序模式或單中心通勤模式假設(shè)的通勤距離更短。

約束擴(kuò)散通勤模式下理想的通勤連接操作如下：①基于Fast Unfolding城市空間社區(qū)劃分結(jié)果，對(duì)于原始居住地與就業(yè)地進(jìn)行通勤單元?jiǎng)澐?；②?jì)算每個(gè)通勤單元的加權(quán)形心點(diǎn)作為每個(gè)中心的就業(yè)地，即多中心就業(yè)地；③利用洗牌算法隨機(jī)選取每個(gè)通勤單元內(nèi)3部分的居住地，一部分與其所在通勤單元內(nèi)的中心就業(yè)地相連，第2部分的居住地在不受通勤單元的影響下隨機(jī)選擇其就業(yè)地，最后一部分在不受通勤單元的影響下就近選擇其就業(yè)地，由此形成新OD對(duì)。該模式下的通勤連接關(guān)系如圖4(d)所示。

(5)非均衡多中心通勤模式

非均衡多中心通勤模式對(duì)應(yīng)的中心結(jié)構(gòu)由一個(gè)主中心和多個(gè)外圍分散的次中心組成，大量的通勤交通發(fā)生在主中心與次中心之間。相比于單中心通勤模式，主中心的就業(yè)聚集向心力減弱；相比于均衡多中心通勤模式，次中心與主中心之間、次中心與次中心之間的就業(yè)吸引力存在明顯的差距。由于實(shí)際操作中很難界定非均衡多中心模型的非均衡度，無(wú)法對(duì)該模式下的通勤連接關(guān)系進(jìn)行精準(zhǔn)的再分配，這里以示意圖的方式簡(jiǎn)單展示其通勤流動(dòng)關(guān)系，如圖4(e)所示。

圖4 5種假設(shè)通勤模式下的通勤流動(dòng)示意圖Fig.4 Schematic diagram of commuting flow under five hypothetical commuting patterns

3.2 都市圈中心結(jié)構(gòu)判別方法

(1)通勤距離與模式符合度

通過(guò)通勤距離指標(biāo)初步判別各研究都市圈的通勤模式。由于非均衡度的不確定性無(wú)法精確計(jì)算該模式下的理想通勤距離，另外約束擴(kuò)散模型與非均衡多中心模式對(duì)于都市圈平均通勤距離這一指標(biāo)差異性不顯著，需要通過(guò)其他方法進(jìn)行判別。對(duì)于通勤距離這一指標(biāo)而言，計(jì)算每個(gè)研究都市圈在其他通勤模式下模擬通勤平均距離以及實(shí)際通勤距離，然后進(jìn)行比較。因?yàn)槭芨鞒鞘忻娣e及人口密度的影響，不能單純從實(shí)際平均距離與預(yù)設(shè)模式下的距離最接近而判斷為此種模式，因此提出通勤模式符合度Θ概念，橫向的對(duì)所有城市進(jìn)行各模式的符合度比較，衡量平均通勤距離更接近此模式的城市。

式中：Θ為各模式的實(shí)際通勤距離與假設(shè)模型進(jìn)行做差并進(jìn)行標(biāo)準(zhǔn)化處理；dtrue為各模式實(shí)際通勤距離；d為假設(shè)模式下的通勤距離；i分別為所研究的35 個(gè)城市，i=1,2,…,35；di,true表示城市i的實(shí)際通勤距離；di為城市i假設(shè)模式下的通勤距離。

(2)區(qū)域就業(yè)占比

為進(jìn)一步判別各都市圈的通勤模式，將都市圈中心布局識(shí)別研究中識(shí)別出的中心作為中心區(qū)域，將其他網(wǎng)格作為腹地，計(jì)算各中心內(nèi)網(wǎng)格的平均通勤就業(yè)端發(fā)生密度，將值最大的中心定義為主中心，其余為次中心，計(jì)算都市圈各區(qū)域的就業(yè)數(shù)量占比Ej為

式中：Ej為都市圈中區(qū)域i的就業(yè)數(shù)量占比；Dj為區(qū)域j內(nèi)的就業(yè)總數(shù)量；j為都市圈主中心，都市圈次中心與都市圈腹地區(qū)域，j=1,2,3。

(3)區(qū)域職住平衡

除了研究都市圈各區(qū)域的就業(yè)占比以外，同時(shí)也可以從各中心的獨(dú)立程度來(lái)進(jìn)一步判斷每個(gè)都市圈各主次中心是否實(shí)現(xiàn)內(nèi)部職住平衡，以此來(lái)判斷每個(gè)中心的發(fā)展成熟度，進(jìn)而判斷都市圈中心結(jié)構(gòu)。定義各中心獨(dú)立指數(shù)Im為

式中：Im為中心m的獨(dú)立指數(shù)；Jm為在中心m內(nèi)工作的總就業(yè)者人數(shù)；Rm為在中心i內(nèi)居住的居民總?cè)藬?shù)；Rm∩Jm為不僅在中心m內(nèi)就業(yè)，同時(shí)又在中心m內(nèi)居住的總?cè)藬?shù)；m=1,2,…,n，n為在都市圈中心布局識(shí)別研究中識(shí)別出的中心數(shù)量。

4 結(jié)果及分析

4.1 都市圈中心布局識(shí)別結(jié)果

利用基于網(wǎng)格的DBSCAN聚類(lèi)算法識(shí)別35個(gè)都市圈的中心布局，結(jié)果發(fā)現(xiàn)，該方法識(shí)別出的都市圈中心城區(qū)輪廓范圍清晰，其分布也與各城市規(guī)劃中的主次中心相吻合，最終結(jié)果主要可以分為以下幾大類(lèi)：

(1)識(shí)別出強(qiáng)大主中心，主中心的外圍區(qū)域很難識(shí)別出分離度及尺度較為合適的次中心。典型的城市有拉薩市，如圖5(a)所示。

(2)識(shí)別出多個(gè)中心，而且各中心分布較為均衡，沒(méi)有面積格外突出的中心簇。典型的城市有深圳市，如圖5(b)所示。

(3)識(shí)別出多個(gè)中心，但有明顯的主中心，而且主中心外圍緊密分布多個(gè)次中心。典型的城市有北京市，如圖5(c)所示。

(4)識(shí)別出多個(gè)中心，有明顯的主中心，而且主中心與次中心之間有較大范圍腹地。典型的城市有天津市，如圖5(d)所示。

圖5 部分都市圈中心布局識(shí)別結(jié)果Fig.5 Center layout identification results for part of metropolitan areas

4.2 都市圈中心結(jié)構(gòu)判別結(jié)果

計(jì)算研究都市圈在各假設(shè)通勤模式下的平均通勤距離以及實(shí)際平均通勤距離，結(jié)果如圖6所示。所有都市圈的平均實(shí)際通勤距離為(7.8±2.3)km。最大無(wú)序模式與單中心模式下的平均通勤距離均高于實(shí)際平均距離，大多數(shù)都市圈實(shí)際通勤距離與均衡多中心模式下和約束擴(kuò)散模式下的通勤距離更為接近。考慮到該非均衡多中心通勤模式屬于單中心到均衡多中心的過(guò)渡階段，可以推測(cè)這種情況下的通勤距離位于兩者數(shù)值之間，大多數(shù)都市圈實(shí)際通勤距離可能與其更為符合。

圖6 假設(shè)模式與實(shí)際都市圈平均通勤距離Fig.6 Average commuting distance of hypothesis commuting patterns and actual values

進(jìn)一步計(jì)算都市圈與最大無(wú)序通勤模式、單中心通勤模式、均衡多中心通勤模式的符合度，結(jié)果如圖7所示。可以看到：拉薩市、西寧市、銀川市及呼和浩特市都具有較大的無(wú)序模式符合度和單中心通勤模式符合度；東北部城市長(zhǎng)春市、沈陽(yáng)市、哈爾濱市以及呼和浩特市也偏向于單中心通勤模式趨勢(shì)。這類(lèi)城市就業(yè)主要集中在主中心，沒(méi)有形成一個(gè)主中心與多個(gè)外圍次中心共同均衡發(fā)展的就業(yè)形勢(shì)。而單中心通勤模式符合度較低的則為深圳市、廣州市、杭州市，說(shuō)明外圍的次中心對(duì)主中心也有一定的分散作用。均衡多中心通勤模式下模式符合度最高的城市為深圳市，該城市在圖7(a)、(b)兩種其他模式下都表現(xiàn)出較低的符合度，基于此對(duì)深圳市的判定更傾向于多中心通勤模式，這種判斷在其他指標(biāo)評(píng)價(jià)中也將進(jìn)行附征。此外，一些城市在上述分析時(shí)可能在每個(gè)模式下都沒(méi)有展示很強(qiáng)的符合度，典型的如北京市，結(jié)合其在圖5中實(shí)際通勤距離介于單中心通勤模式與均衡多中心通勤模式之間，因此將其歸為非均衡多中心通勤模式的備選，然后結(jié)合其他指標(biāo)進(jìn)一步判別。

圖7 面向通勤模式的模式符合度結(jié)果Fig.7 Results of pattern compliance for commuting patterns

對(duì)于就業(yè)占比這一指標(biāo)，理想情況下單中心模式下主中心就業(yè)占比應(yīng)更接近于100%；均衡多中心模式各中心占比較為均衡，沒(méi)有明顯的主次中心之分；約束擴(kuò)散模式下各中心就業(yè)占有一定比例，且腹地也有大部分就業(yè)占比；非均衡多中心通勤模式各中心占比不等，主中心會(huì)有一定主導(dǎo)性。計(jì)算各都市圈區(qū)域就業(yè)占比情況，結(jié)果如圖8所示。

圖8 都市圈各區(qū)域就業(yè)占比Fig.8 Proportion of urban employment

從圖8中可以看出，拉薩市、?？谑?、呼和浩特市、上海市、太原市、西寧市、武漢市、烏魯木齊市都體現(xiàn)出了很強(qiáng)的主中心性，主中心就業(yè)占比超過(guò)了60%，但上海市、武漢市除主中心就業(yè)占很大比例，還存在多個(gè)次中心且也分擔(dān)了一定量的就業(yè)占比；寧波市、青島市、大連市、天津市則都有較強(qiáng)的就業(yè)擴(kuò)散性，腹地就業(yè)占比超過(guò)55%，這類(lèi)都市圈受城市地形的影響，主中心與城市次中心距離較遠(yuǎn)，導(dǎo)致中心間的腹地成為工作的主要來(lái)源。廈門(mén)市、深圳市各中心所占的就業(yè)總和占比達(dá)到了70%以上，腹地就業(yè)占比較少。表現(xiàn)出明顯的多中心性，識(shí)別出的各中心沒(méi)有明顯的主次中心之分，各中心就業(yè)占比較為均衡，與基于通勤距離識(shí)別出的中心結(jié)果一致。

進(jìn)一步分析各都市圈中心就業(yè)占比模式，如圖9所示，X軸為在主中心的工作占比，數(shù)值由大到小代表單中心度到多中心度；Y軸為所有中心的就業(yè)占比，數(shù)值大小表示就業(yè)集中度?？梢钥闯?，多中心集中就業(yè)特征最明顯的是左上角，深圳市中心體系工作占比很高，但是沒(méi)有很強(qiáng)的主中心，就業(yè)分布在主中心和各個(gè)次中心。單中心集中就業(yè)特征較突出的是右上角，拉薩市擁有獨(dú)特的區(qū)位和產(chǎn)業(yè)結(jié)構(gòu)，展現(xiàn)出很高的就業(yè)集中度。而位于左下角的寧波都市圈，主要就業(yè)來(lái)源不再來(lái)自中心體系，而是隨機(jī)分散在都市圈腹地中，就業(yè)去中心化特征明顯。

圖9 都市圈中心度和就業(yè)集中度分布Fig.9 Metropolitan centrality degree and employment concentration index distribution

計(jì)算都市圈各區(qū)域獨(dú)立程度，結(jié)果如表2所示。數(shù)值越大則中心的獨(dú)立性越強(qiáng)，即本地有較完善的產(chǎn)業(yè)支撐本地居民就業(yè)，無(wú)需通過(guò)長(zhǎng)距離通勤到其他中心。相反，數(shù)值越小則獨(dú)立性較弱，本地居民需要到周?chē)母沟鼗蚱渌拇沃行耐瓿赏ㄇ?。從?dú)立指數(shù)中不難發(fā)現(xiàn)，全國(guó)主要都市圈的次中心獨(dú)立性都較弱，而展現(xiàn)出較為強(qiáng)大的主中心性，多數(shù)都市圈需要到主中心實(shí)現(xiàn)就業(yè)。拉薩市再一次證明了其強(qiáng)大的單中心性，其在主中心內(nèi)部實(shí)現(xiàn)了很強(qiáng)的就業(yè)和工作獨(dú)立。上海市、鄭州市各次中心也展現(xiàn)了較強(qiáng)的獨(dú)立性，而深圳市、廈門(mén)市各中心都較為獨(dú)立且均衡，是典型的均衡多中心結(jié)構(gòu)。

表2 都市圈各中心獨(dú)立指數(shù)Table 2 Independence index each metropolitan center

最終判別結(jié)果發(fā)現(xiàn)，大部分都市圈呈現(xiàn)出非均衡多中心結(jié)構(gòu)，主要表現(xiàn)為主中心就業(yè)吸引力較強(qiáng)，次中心發(fā)展尚不成熟，次中心的獨(dú)立性較低；其次以拉薩市為代表的多個(gè)西北部城市呈現(xiàn)出單中心結(jié)構(gòu)，主中心就業(yè)占比達(dá)到了60%以上。均衡多中心結(jié)構(gòu)以深圳市為代表，各個(gè)中心的就業(yè)占比均衡；約束擴(kuò)散結(jié)構(gòu)的城市多分布在沿海地區(qū)，主要特點(diǎn)為主中心就業(yè)占比優(yōu)勢(shì)不明顯，腹地就業(yè)占比超過(guò)了55%。管理者應(yīng)該根據(jù)都市圈中心結(jié)構(gòu)特征，制定更加具有針對(duì)性的資源配置和交通優(yōu)化方案，例如，對(duì)于均衡多中心都市圈，重點(diǎn)是中心內(nèi)部公共交通及其配套設(shè)施的提升，而對(duì)于非均衡多中心都市圈，除了各中心內(nèi)部的完善，還要采取措施滿足各中心之間的通勤聯(lián)系。

4.3 非均衡多中心結(jié)構(gòu)通勤效率影響因素分析

考慮到目前我國(guó)大部分都市圈呈現(xiàn)出非均衡多中心的空間結(jié)構(gòu)，從社會(huì)經(jīng)濟(jì)、空間結(jié)構(gòu)以及交通設(shè)施三個(gè)維度的影響因素[13]，建立非均衡多中心結(jié)構(gòu)都市圈的通勤效率回歸模型。在強(qiáng)制進(jìn)入方法中，人數(shù)、GDP、職住平衡通過(guò)0.05水平上的顯著性檢驗(yàn)，而其他自變量都被淘汰出回歸方程。Pearson 相關(guān)分析顯示，通勤時(shí)耗和人口規(guī)模(0.636)、職住平衡(-0.243)、與GDP(0.235)在0.01 水平上高度相關(guān)。這表明，人口規(guī)模增大，人均GDP升高，職住不平衡等原因都會(huì)導(dǎo)致通勤時(shí)耗增大，具體如表3所示。

表3 非均衡多中心結(jié)構(gòu)多元回歸分析結(jié)果Table 3 Result of multiple regression analysis of unbalanced polycentric structure

由容許度值及方差膨脹因子可知該模型不存在嚴(yán)重多重共線性，通過(guò)了異方差等回歸假設(shè)的檢驗(yàn)，如表4所示。最終回歸方程的解釋度達(dá)到了77.9%，擬合度較好，如表4所示。

表4 非均衡多中心結(jié)構(gòu)多元回歸分析解釋度Table 4 Explanation degree of multiple regression analysis of unbalanced polycentric structure

在非均衡多中心通勤模型下，人口規(guī)模對(duì)通勤時(shí)耗影響是最大的，其次是GDP。對(duì)于經(jīng)濟(jì)因素，GDP 比人均收入更能體現(xiàn)對(duì)整個(gè)都市圈通勤時(shí)耗的影響。而職住平衡也是影響非均衡多種心的一個(gè)重要因素，因此越接近均衡時(shí)，都市圈表現(xiàn)出越高的通勤效率。非均衡多中心結(jié)構(gòu)下通勤時(shí)耗回歸方程為

式中：yc為非均衡多中心結(jié)構(gòu)下的通勤時(shí)耗；x1為城市人口(萬(wàn)人)，x2為職住平衡指；x3為城市人均GDP(萬(wàn)元)。

控制都市圈發(fā)展規(guī)模，推進(jìn)各中心居民當(dāng)?shù)鼐蜆I(yè)，提升職住平衡關(guān)系，從而能夠提升通勤效率。

5 結(jié)論

本文以都市圈通勤大數(shù)據(jù)為驅(qū)動(dòng)，采用基于網(wǎng)格的密度聚類(lèi)算法識(shí)別都市圈中心布局，并提出5種通勤模式的理論模型，基于通勤距離、就業(yè)占比、職住關(guān)系等指標(biāo)判別各都市圈的中心結(jié)構(gòu)，最后針對(duì)普遍存在的非均衡多中心結(jié)構(gòu)的通勤效率影響因素進(jìn)行回歸分析，得出以下結(jié)論：

(1)不同都市圈的中心布局差異明顯，基于網(wǎng)格的密度聚類(lèi)方法能夠體現(xiàn)小空間單元之間的空間相互作用，比基于行政區(qū)劃單元的結(jié)果更加精細(xì)有效、客觀合理。

(2)大多數(shù)都市圈實(shí)際通勤距離與均衡多中心模式下和約束擴(kuò)散模式下的通勤距離更為接近，遠(yuǎn)低于最大無(wú)序模式與單中心模式下的平均通勤距離。

(3)大部分都市圈表現(xiàn)為非均衡多中心結(jié)構(gòu)，其次為單中心結(jié)構(gòu)，而少部分表現(xiàn)為約束擴(kuò)散結(jié)構(gòu)和均衡多中心結(jié)構(gòu)，不存在符合最大無(wú)序結(jié)構(gòu)特征的都市圈。不同中心結(jié)構(gòu)的分布呈現(xiàn)出一定的地域特征，單中心結(jié)構(gòu)都市圈主要位于中西部城市，而約束擴(kuò)散結(jié)構(gòu)和均衡多中心結(jié)構(gòu)都市圈大多是由東部沿海開(kāi)放城市發(fā)展形成。

(4)城市規(guī)模與通勤時(shí)耗的相關(guān)性最為顯著，路網(wǎng)密度與通勤時(shí)耗相關(guān)性不顯著。社會(huì)經(jīng)濟(jì)因素中的GDP比人均收入更能反映對(duì)整個(gè)都市圈通勤時(shí)耗的影響，職住平衡度對(duì)通勤時(shí)耗也有較大影響，非均衡多中心結(jié)構(gòu)都市圈應(yīng)提高職住平衡度來(lái)提升通勤效率。

上述研究結(jié)果對(duì)中國(guó)主要城市中心空間結(jié)構(gòu)特征進(jìn)行了深入地剖析，為針對(duì)性地制定不同都市圈的資源配置策略和通勤效率優(yōu)化策略提供了有效支撐，對(duì)都市圈空間規(guī)劃和交通可持續(xù)發(fā)展具有一定的理論價(jià)值和現(xiàn)實(shí)指導(dǎo)意義。