樊 勇，劉瓊歡，黃小巾*，李敏敏1,，賀 彪1,,5，郭文華，王彥坤

(1.自然資源部 城市國土資源監(jiān)測與仿真重點實驗室， 廣東 深圳 518034; 2.深圳職業(yè)技術(shù)學(xué)院 人工智能學(xué)院，廣東 深圳 518055； 3.深圳大學(xué) 建筑與城市規(guī)劃學(xué)院, 廣東 深圳 518061; 4.自然資源部 信息中心， 北京 100036； 5.自然資源部 國土空間大數(shù)據(jù)工程技術(shù)創(chuàng)新中心, 北京 100036)

0 引言

新型城鎮(zhèn)化是當(dāng)前和未來一段時期我們國家的重大發(fā)展戰(zhàn)略。新型城鎮(zhèn)化強調(diào)實現(xiàn)“人的城鎮(zhèn)化”。因此，摸清區(qū)域人口分布是促進人的城鎮(zhèn)化的重要前提，也是新型城鎮(zhèn)化的核心議題之一。

隨著我國城市化進程的持續(xù)推進，人口分布時空格局的研究受到學(xué)術(shù)界廣泛關(guān)注，取得了豐碩的成果，如：人口空間分布的估算與預(yù)測[1]、人口時空格局及演變的作用機制等[2-6]。經(jīng)濟規(guī)模、收入水平、產(chǎn)業(yè)結(jié)構(gòu)代表的經(jīng)濟機會因素是塑造中國人口分布格局的關(guān)鍵力量[7-10]。流動人口的研究主要集中在兩個方面：(1)人口流動的空間模式，以及人口流動對流入地和流出地的影響；(2)人口規(guī)模對產(chǎn)業(yè)集聚或產(chǎn)業(yè)創(chuàng)新的影響。流動人口較多的城市集中在7大城市群的中心城市[11]。人口的流動導(dǎo)致人口集聚，人口集聚更有利于城市創(chuàng)新[12]。大城市對人口的“虹吸”效應(yīng),進一步擠壓了中小城市的發(fā)展空間[13]。在此背景下，中國以縣域為單元的人口呈現(xiàn)怎樣的空間分布特征？造成人口流動的影響因素是什么？城市群地區(qū)、非城市群地區(qū)、東部地區(qū)和西部地區(qū)的人口流動影響因素是否有差異？這些問題的研究，對于區(qū)域人口管理和區(qū)域發(fā)展政策的制定具有重要的借鑒意義。

人口普查數(shù)據(jù)具有覆蓋面廣、權(quán)威性高的優(yōu)點，但普查需要耗費大量的人力物力，并且空間分辨率較低，時效性較弱，很難實現(xiàn)對人口分布的復(fù)雜性與動態(tài)性的精準(zhǔn)刻畫。以手機信令為代表的通信大數(shù)據(jù)，具有采集周期短、時效性強的優(yōu)點，能及時且精細地描述人口分布格局和流動模式，很好地體現(xiàn)流入地和流出地的一一對應(yīng)與互動關(guān)系。以手機信令數(shù)據(jù)為代表的大數(shù)據(jù)分析技術(shù)為人口研究提供了新契機和新視角[14]，在城市空間結(jié)構(gòu)[15]、居民活動空間[16]、出行行為特征[17]等領(lǐng)域得到廣泛應(yīng)用。然而，已有研究主要集中于區(qū)域、省際和市縣域[18]等空間尺度，少有從宏觀層面綜合分析中國人口時空變化的研究。

本研究基于手機信令數(shù)據(jù)，采用地理信息和大數(shù)據(jù)等技術(shù)方法，從宏觀層面刻畫中國人口分布特征和集聚程度，從區(qū)域?qū)用娣治鲋袊丝诹鲃犹卣?。通過構(gòu)建回歸模型，探索中國人口流動的影響因素，分析不同地區(qū)人口流動的驅(qū)動力。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)來源

(1)統(tǒng)計數(shù)據(jù)：2018年《中國縣域統(tǒng)計年鑒》和《中國城市統(tǒng)計年鑒》。統(tǒng)計數(shù)據(jù)主要獲取戶籍人口信息、地區(qū)生產(chǎn)總值(GPD)、產(chǎn)業(yè)結(jié)構(gòu)(第三產(chǎn)業(yè)占比和第二產(chǎn)業(yè)占比)、人均可支配收入等。

(2)手機信令數(shù)據(jù)：手機在開機狀態(tài)下，會定期或不定期、主動或被動地與附近基站進行通信，平均每個用戶每天會發(fā)送10余萬條信號，這些信號連續(xù)地記錄了用戶的移動軌跡。與傳統(tǒng)數(shù)據(jù)和其他大數(shù)據(jù)相比，手機信令數(shù)據(jù)具有網(wǎng)絡(luò)覆蓋面積廣、采樣及時、更新及時、數(shù)據(jù)穩(wěn)定可靠、樣本量大等優(yōu)勢，能夠細粒度地記錄用戶每一時刻的位置信息。本文采用2018年中國聯(lián)通手機信令數(shù)據(jù)獲取常住人口(居住6個月以上)信息。將原始手機信令數(shù)據(jù)經(jīng)過降噪、插值和質(zhì)檢等處理后，形成250 m格網(wǎng)尺度下的擴樣常態(tài)實際人數(shù)據(jù)和人口遷徙數(shù)據(jù)(Origin to Destination，以下簡稱OD數(shù)據(jù))[19]，并將其轉(zhuǎn)換到區(qū)縣尺度。

(3)交通和縣級行政區(qū)劃數(shù)據(jù)：交通數(shù)據(jù)來源于中華人民共和國自然資源部2015年全國鐵路、高速公路、國道、省道和縣道矢量數(shù)據(jù)，縣級行政區(qū)劃來源于中國城市規(guī)劃設(shè)計研究院2015年中國1∶100萬分縣行政區(qū)劃矢量數(shù)據(jù)庫。

1.2 研究方法

(1)人口密度：人口密度是單位面積土地上居住的人口數(shù)。它是表示區(qū)域人口密集程度的指標(biāo)。

(2)人口集聚度：人口集聚度指地區(qū)人口密度與當(dāng)年全國人口密度的比值，能夠反映一個地區(qū)相對于全國的人口集聚程度以及本地區(qū)與全國平均水平的差異，它比傳統(tǒng)的人口密度、人口總量指標(biāo)更直觀[20]。

(1)

其中：JJDi是i縣的人口集聚度；Pi是i縣的人口數(shù)量,人；Ai是i縣的土地面積,km2;An是全國土地面積,km2;Pn是全國總?cè)丝?人。

(3)多元線性回歸模型：多元回歸分析是選取兩個或兩個以上的自變量來解釋因變量的變化，考慮自變量和因變量之間的線性影響關(guān)系就是多元線性回歸。設(shè)因變量為Y，影響因變量的k個自變量分別為X1,X2,…,Xk，自變量與因變量之間為線性關(guān)系時，則多元線性回歸模型為：

Y=β0+β1X1+β2X2+…+βkXk+ε，

(2)

其中：β0為常數(shù)項；β1,β2,…,βk為回歸系數(shù)；ε為誤差項。

2 結(jié)果與分析

2.1 人口空間分布特征

2.1.1 人口數(shù)量與人口密度

以縣域為基本單元對手機信令數(shù)據(jù)進行專題制圖(文中所制地圖參考審圖號：GS (2022) 4307)，可以從宏觀上認識中國人口分布格局。

中國人口分布空間不均衡，從圖1可以看出,中國人口主要分布在胡煥庸線東南的規(guī)律仍然沒有改變，大多數(shù)人口分布在華北平原、成渝地區(qū)、長三角、京津冀和珠三角等經(jīng)濟發(fā)達地區(qū)。從中國人口密度圖可以看出，京津冀、華北平原、長三角、長江中游、成渝地區(qū)、山東半島和東南沿海地區(qū)，特別是重點城市區(qū)域，是我國人口密度較高的區(qū)域，廣大的西部地區(qū)、西南山區(qū)和東北部分地區(qū)人口密度相對較低。

圖1 2018年中國人口密度圖(常住人口)Fig. 1 China’s population density in 2018 (permanent population)

中國人口分布區(qū)域差異顯著，城市集中了我國大部分人口。如圖2所示,城市群尺度上，國家規(guī)劃的20個城市群集中了約69%的全國人口，其中，經(jīng)濟最發(fā)達的長三角城市群是中國常住人口數(shù)量最多的城市群，約占全國人口的10%。長三角城市群、長江中游城市群和京津冀城市群的常住人口總量均突破1億人，是我國城市群人口數(shù)量最多的區(qū)域。

圖2 2018年中國城市群的人口數(shù)量(常住人口)Fig. 2 Population of China’s urban agglomeration in 2018 (permanent population)

區(qū)縣尺度上，2018年北京市市轄區(qū)常住人口突破3千萬人，依然是我國人口數(shù)量最多的城市；其次，上海市市轄區(qū)(28 698 647人)、重慶市市轄區(qū)(24 820 713人)、廣州市市轄區(qū)(22 925 459人)、深圳市市轄區(qū)(18 910 501人)、天津市市轄區(qū)(17 818 156人)、成都市市轄區(qū)(14 283 617人)、武漢市市轄區(qū)(12 675 727人)、東莞市市轄區(qū)(12 347 016人)和杭州市市轄區(qū)(11 940 876人)等10個人口最多的城市市轄區(qū)常住人口均突破千萬；然而，西藏自治區(qū)和新疆維吾爾自治區(qū)的部分縣(如：札達縣、日土縣、普蘭縣)，2018年常住人口不足萬人。

此外，南北方面，南方人口在數(shù)量(8.12億人)總體高于北方人口(5.82億人)，高出18%。東中西北方面，東部地區(qū)最高(4.83億人)，約占42%；東北地區(qū)最低(1.04億人)，約占8%；中部(4.03億人)略微高于西部地區(qū)(4.02億人)，約占26%。

2.1.2 人口集聚度和人口流動

根據(jù)人口集聚度的計算方法，對常住人口數(shù)據(jù)進行計算并制圖，如圖3所示。從圖3可以看出，中國人口集聚特征非常明顯。人口主要集聚在胡煥庸線的東南側(cè),東南半壁密中有疏，西北半壁則疏中有密；人口分布多圈層集聚特征明顯；中國人口集聚呈現(xiàn)出以平原地區(qū)為依托并高度集聚于“沿江、沿海、沿線”的特征。城市群是中國人口集聚的主要區(qū)域，特別是長三角城市群、京津冀城市群、珠三角城市群、成渝城市群、中原城市群、長江中游城市群等重要的城市群區(qū)域。

圖3 2018年中國人口集聚度圖(常住人口) Fig. 3 China’s population concentration in 2018 (permanent population)

選取2018年中國聯(lián)通流動人口數(shù)據(jù)，以36個重要城市(省會城市和國務(wù)院計劃單列市)為基準(zhǔn)，計算36個主要城市與全國其他城市(340個城市)間的OD數(shù)據(jù)，對計算結(jié)果進行專題地圖表達(如圖4)，刻畫中國流動人口空間分布特征。

從圖4可以看出，中國的人口流動主要分布在“胡煥庸”線東南側(cè)，向核心城市和城市群集中，呈現(xiàn)成片分布格局。人口集聚程度較高的京津冀城市群、長三角城市群和珠三角城市群的人口流動情況具體如下：

(1)京津冀城市群與全國其他城市的聯(lián)系度高于長三角和珠三角城市群。

圖4 2018年中國流動人口圖(常住人口)Fig. 4 China’s floating population in 2018 (permanent population)

(2)長三角城市群人口流入大于人口流出，而京津冀和珠三角城市群人口流出大于人口流入。

(3)與京津冀城市群聯(lián)系較密切的城市為上海、濟南、青島、太原、鄭州等，京津冀城市群中北京對外聯(lián)系強度最高，京津冀城市群的對外聯(lián)系表現(xiàn)出以北京為核心的單核特征。

(4)與長三角城市群聯(lián)系較密切的城市為北京、武漢、廣州、青島、深圳等，長三角城市群中上海、杭州、南京的對外聯(lián)系強度較高，長三角城市群的對外聯(lián)系表現(xiàn)為上海、杭州和南京為核心的三核特征。

(5)與珠三角城市群聯(lián)系較密切的城市為北京、上海、長沙、重慶、武漢、廈門、南寧等，珠三角城市群中廣州、深圳的對外聯(lián)系強度較高，珠三角城市群的對外聯(lián)系表現(xiàn)為以廣州和深圳為核心的雙核特征。

2.2 人口流動的影響因素分析

2.2.1 模型和變量

為了分析中國人口流動的影響因素，以戶籍人口分布密度(HJDen)、經(jīng)濟發(fā)展水平(GDP)、平均收入(PerIncome)、第三產(chǎn)業(yè)比重(Third)、第二產(chǎn)業(yè)比重(Second)、公路網(wǎng)密度(TraCon)為自變量，常住人口密度為因變量，構(gòu)造一個多元線性回歸模型如下：

LPop=β0+β1HJDen+β2GDP+β3PerIncome+β4Third+β5Second+β6TraCon+ε，

(3)

其中：人口流入量(LPop)為常住人口與戶籍人口數(shù)的差值；交通連通度(TraCon)采用公路網(wǎng)密度即區(qū)域公路總長度與區(qū)域面積比值；平均收入(PerIncome)為區(qū)域人均可支配收入β0為常數(shù)項;β1,…,β6為模型參數(shù);ε為誤差項。各變量信息如表1所示，剔除缺失值后樣本數(shù)量共2 162個。為了對比城市群地區(qū)和非城市群地區(qū)、東部地區(qū)和西部地區(qū)人口流動的驅(qū)動力差異，本文提取了國家規(guī)劃的20個城市群中1 124個縣域和1 038個非城市群地區(qū)縣域，及胡煥庸線以東1 771個縣域和胡煥庸線以西391個縣域，分別加以測算。

多重共線性診斷是自變量之間相關(guān)關(guān)系的重要表現(xiàn)，如果模型存在較高共線性，會導(dǎo)致顯著性檢驗失去意義及模型的預(yù)測功能失效。因此，本文運用方差膨脹因子(VIF)對因子進行多重共線性檢驗。以VIF=7.5為標(biāo)準(zhǔn)，當(dāng)VIF>7.5表明自變量間存在多重共線性，將其剔除并以逐步回歸法得到最優(yōu)結(jié)果；共線性檢驗結(jié)果表明自變量間不存在多重共線性(見表1)。

表1 變量描述性統(tǒng)計與共線性檢驗Tab. 1 Variable description and collinearity test

2.2.2 回歸分析

根據(jù)回歸分析結(jié)果，在全國尺度上,回歸模型具有較高的解釋度(R2=78.9%),自變量能解釋全國人口流動變化。經(jīng)濟因素對人口流動產(chǎn)生較為顯著的影響。具體來說，經(jīng)濟規(guī)模和收入水平提高對人口的流入量有顯著正向影響。隨著中國經(jīng)濟發(fā)展方式的轉(zhuǎn)型，第三產(chǎn)業(yè)逐漸成為國民經(jīng)濟的主導(dǎo)產(chǎn)業(yè)，產(chǎn)業(yè)結(jié)構(gòu)就業(yè)吸納能力強，第三產(chǎn)業(yè)對人口的流入具有較弱的正向影響，而第二產(chǎn)業(yè)比重的提高對人口的流入有微弱的負影響。已有的研究也表明中國第二產(chǎn)業(yè)出現(xiàn)了負就業(yè)彈性，而服務(wù)業(yè)迅速發(fā)展對就業(yè)的增長起到了決定性的拉動作用。交通連通度(公路網(wǎng)密度)對人口的流動具有正向影響，道路基礎(chǔ)設(shè)施越完善，人口流入量越高。戶籍人口密度對人口的流動有著較明顯的負影響，這是由于多數(shù)戶籍人口密集分布地區(qū)也是勞動人口的輸出地。

模型(3)對城市群地區(qū)的解釋度更高(R2=82.7%)，經(jīng)濟因素是人口流動的主要驅(qū)動力，表現(xiàn)在:經(jīng)濟規(guī)模、人均可支配收入對人口的流入均表現(xiàn)顯著的正向影響;城市經(jīng)濟發(fā)展水平和工資收入越高,越能吸引人口流入;同時第三產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級也對人口的流入有正向的促進作用。戶籍人口密度對人口流入的負向影響在城市群地區(qū)有所減弱，這是由于我國主要的大城市大多集中在城市群地區(qū)，這些大城市在歷史上也都是人口集聚地區(qū)，本地戶籍人口多，外來人口也多，因此從數(shù)據(jù)上城市群地區(qū)以縣域為單元的戶籍人口密度對人口流出具有微弱的負影響。

與其他地區(qū)微弱的負相關(guān)相比，非城市群地區(qū)的戶籍人口密度與人口流入量的關(guān)系表現(xiàn)為顯著的負相關(guān)，戶籍人口密度越高的地方，人口的流出量越大。非城市群地區(qū)整體經(jīng)濟發(fā)展水平較低，產(chǎn)業(yè)結(jié)構(gòu)落后，長期以來勞動力的供給大于需求，在發(fā)達地區(qū)更高工資收入、更多經(jīng)濟機會的吸引下，成為勞動力的主要輸出地。平均收入、第三產(chǎn)業(yè)占比和交通連通度對非城市群地區(qū)的人口流動產(chǎn)生有著明顯的正向影響，而經(jīng)濟規(guī)模、第二產(chǎn)業(yè)占比對人口流入的正向影響較小。值得注意的是，本模型對非城市群地區(qū)的人口流動的解釋度僅為24.5%，這說明非城市群地區(qū)的人口流動的主導(dǎo)因素比其他地區(qū)更復(fù)雜，除了經(jīng)濟、產(chǎn)業(yè)結(jié)構(gòu)和交通三大要素還可能與地區(qū)自然地理條件、醫(yī)療教育等公共服務(wù)水平、地區(qū)生活品質(zhì)等因素相關(guān)。

模型(3)對東部地區(qū)、西部地區(qū)的人口流動的解釋度分別為80.3%和60.5%，各影響因子對東部地區(qū)人口流動的驅(qū)動作用與城市群地區(qū)很相似，經(jīng)濟規(guī)模、平均收入和第三產(chǎn)業(yè)占比對人口流入都具有正向的促進作用，戶籍人口密度與第二產(chǎn)業(yè)占比對人口流入量具有負影響。交通連通度對東部地區(qū)人口流動的正向影響沒有顯著性意義。而西部地區(qū)人口流動主要由于經(jīng)濟規(guī)模的正向影響和交通連通度的負影響，經(jīng)濟規(guī)模越大的地區(qū)對人口遷移的吸引力越大，而交通連通度則降低了西部地區(qū)人口的遷移成本，促進人口的流出。戶籍人口密度、平均收入、產(chǎn)業(yè)結(jié)構(gòu)對西部地區(qū)人口流動的影響沒有顯著性意義，這可能是因為西部地區(qū)地廣人稀、二三產(chǎn)業(yè)占比低、區(qū)域工資收入差異較小。

3 討論

基于手機信令數(shù)據(jù)，通過人口數(shù)量、人口密度和人口集聚度三個指標(biāo)，開展常住人口在國家和區(qū)域尺度的空間格局、流動特征和影響因素分析。研究發(fā)現(xiàn)，中國人口仍然集聚在胡煥庸線的東南側(cè),東南半壁密中有疏，西北半壁則疏中有密；人口分布多圈層集聚特征明顯；人口集聚呈現(xiàn)出以平原地區(qū)為依托并高度集聚于“沿江、沿海、沿線”的特征；人口流動向核心城市和城市群集中，呈現(xiàn)成片分布格局。

整體而言，經(jīng)濟因素是中國人口流動的關(guān)鍵驅(qū)動力，經(jīng)濟規(guī)模越大、收入水平越高、產(chǎn)業(yè)結(jié)構(gòu)更優(yōu)(第三產(chǎn)業(yè)占比高)的地區(qū)人口流入量越多，交通因素同樣有助于人口的流動。相同要素在不同地區(qū)對人口流動產(chǎn)生不同影響，經(jīng)濟規(guī)模對城市群地區(qū)、東部地區(qū)和西部地區(qū)的人口流入起到了重要的正向促進作用，但對于非城市群地區(qū)的正向影響則很微弱；平均收入對城市群地區(qū)、非城市群地區(qū)和東部地區(qū)有較明顯的正向影響；第三產(chǎn)業(yè)對城市群地區(qū)和東部地區(qū)人口流入具有微弱的正向影響，對非城市群地區(qū)的正向影響則更為顯著；第二產(chǎn)業(yè)對城市群地區(qū)和東部地區(qū)人口流入產(chǎn)生微弱的負影響，對非城市群地區(qū)的影響則表現(xiàn)為正相關(guān)性；戶籍人口密度對城市群地區(qū)、非城市群地區(qū)和東部地區(qū)的人口流入具有負影響，尤其非城市群地區(qū)的負影響更為顯著；交通聯(lián)通度對非城市群地區(qū)和西部地區(qū)的人口流動具有顯著性意義，不過效果卻截然相反(非城市群地區(qū)表現(xiàn)為正向影響而西部地區(qū)則為負影響)。

以經(jīng)濟、交通和戶籍人口三大要素為主的回歸模型對全國層面和發(fā)達地區(qū)(城市群地區(qū)和東部地區(qū))的人口流動具有較高的解釋度，對非城市群地區(qū)和西部地區(qū)這些經(jīng)濟欠發(fā)達地區(qū)的解釋度較低，特別是非城市群地區(qū)的解釋度僅為24.5%，這說明欠發(fā)達地區(qū)人口流動的驅(qū)動因素更為復(fù)雜多樣，未來需要進一步研究。

4 結(jié)論

手機信令數(shù)據(jù)能客觀反映中國人口空間分布和流動特征。相對統(tǒng)計數(shù)據(jù)而言，手機信令數(shù)據(jù)覆蓋范圍廣、用戶持有率高，能更好反映人口流動行為的時空規(guī)律；手機信令數(shù)據(jù)不輸出任何個人屬性信息，不涉及個人隱私，安全性較好；手機信令數(shù)據(jù)具有動態(tài)實時性和連續(xù)性，能準(zhǔn)確反映在連續(xù)時間區(qū)段內(nèi)，不同時間點，匿名用戶所在的空間位置，為定量描述區(qū)域內(nèi)人群流動軌跡提供了可能。

當(dāng)然，研究也發(fā)現(xiàn)了手機信令數(shù)據(jù)存在的問題，如：數(shù)據(jù)精度缺陷，依賴于手機通信基站定位方式獲得的位置存在無法避免的空間誤差。在使用數(shù)據(jù)的代表性方面，本文僅通過聯(lián)通手機信令數(shù)據(jù)擴樣全量用戶，以手機用戶數(shù)近似為常駐人口數(shù)量，未充分考慮聯(lián)通、移動、電信等不同運營商在不同區(qū)域市場占有率的差異和特殊人群等非活躍手機用戶群體對人口分布的影響。此外，手機信令數(shù)據(jù)存在明顯的有偏性、用戶屬性缺乏等缺陷，在支撐機制機理研究上存在缺陷，未來研究需多源數(shù)據(jù)融合予以支撐。

統(tǒng)計數(shù)據(jù)中的戶籍人口指標(biāo)無法體現(xiàn)人口的真實流動信息，存在低估經(jīng)濟發(fā)達地區(qū)的人口信息的問題。未來，需要強化對戶籍人口、常住人口、流動人口和實際人口(城市服務(wù)人口)等指標(biāo)的概念界定和識別方法研究。