顏 冉，劉 冰，李超骕，顧康康，楊新剛

(1.安徽建筑大學 建筑與規(guī)劃學院，合肥 230022； 2.澳門城市大學 創(chuàng)新設(shè)計學院，澳門 999078； 3.同濟大學 建筑與城市規(guī)劃學院，上海 200092； 4.香港科技大學(廣州) 城市治理與設(shè)計學域，廣州 511458； 5.香港科技大學 公共政策學部，香港 999077)

0 引言

隨著城鎮(zhèn)化和機動化快速發(fā)展，控制和保持合理通勤距離和時耗成為城市空間布局優(yōu)化的關(guān)鍵目標。職住分離是大城市普遍面臨的城市問題，也是城市規(guī)劃和交通研究領(lǐng)域的熱點問題。城市職住分離的加劇導致交通擁堵、通勤效率低下、空氣污染等城市問題，也引起了越來越多的學者和決策者的關(guān)注。在我國新型城鎮(zhèn)化建設(shè)重點任務中，明確要求編制城市新一輪國土空間總體規(guī)劃時應加強產(chǎn)城融合、職住平衡[1]。研究城市職住空間和職住平衡的影響因素對優(yōu)化城市空間結(jié)構(gòu)、制定土地利用與交通整合政策具有重要的實踐意義。

對于職住平衡的研究，西方最早可追溯到霍華德的“田園城市”理論，二戰(zhàn)后受美國等西方國家的種族隔離、城市郊區(qū)化等影響，城市職住錯位現(xiàn)象嚴重，逐漸引起學者的關(guān)注。大部分支持學派認為職住平衡可以減少機動車行駛里程、縮短通勤距離和通勤時間[2-6]，進而可以緩解交通擁堵，而反對學派認為相比于其他因素，職住失衡對交通擁堵的影響并不重要[7-8]。由于國外與我國城市發(fā)展階段和速度不同，職住失衡產(chǎn)生的背景和原因具有很大差異，對我國城市職住問題的改善仍需更多研究支撐。

國內(nèi)對職住空間的研究起步晚、發(fā)展快，大量研究集中于對城市職住空間差異的定性描述[9-15]。如鐘喆等采用抽樣數(shù)據(jù)從不斷增大的通勤距離和通勤時間描述普陀區(qū)居住-就業(yè)空間的不匹配[9]；郭亮等從行政區(qū)、街道、交通小區(qū)(TAZ)3個空間尺度比較分析職住空間特征的差異[10]；張純等利用交通普查和人口普查數(shù)據(jù)分析2010年和2014年烏魯木齊市的職住空間特征和變化規(guī)律[11]；陳瓊等采用問卷調(diào)查數(shù)據(jù)分析西寧市4個單位居住區(qū)的就職空間密度分布，并基于GIS的標準差橢圓工具刻畫職住空間演變特征[12]；張逸姬等通過定位數(shù)據(jù)和公交刷卡數(shù)據(jù)刻畫職住活動的空間分布，并統(tǒng)計交通環(huán)境、土地利用混合度、公共服務設(shè)施和商業(yè)服務設(shè)施在3類職住空間的均值，并基于此提出職住空間優(yōu)化策略[13]；賈曉朋等根據(jù)北京市4種住房社區(qū)居民通勤行為的統(tǒng)計描述討論社會經(jīng)濟屬性和居民流動性對居住和就業(yè)空間的影響[14]；林勛媛等利用百度熱力圖和POI數(shù)據(jù)刻畫廣州市中心城區(qū)就業(yè)與居住空間的分布[15]。少數(shù)研究通過構(gòu)建統(tǒng)計模型探究職住空間的影響因素，在這些定量研究中，隨著市場化的發(fā)展由以住房制度、經(jīng)濟制度等宏觀制度性和結(jié)構(gòu)性因素作為解釋變量[16-19]，逐漸轉(zhuǎn)向以土地使用、城市形態(tài)等為解釋變量的統(tǒng)計回歸模型研究其對職住關(guān)系的影響[20-22]。

在研究數(shù)據(jù)方面，人口普查、公交刷卡數(shù)據(jù)以及手機信令和百度熱力等位置服務大數(shù)據(jù)的涌現(xiàn)，為城市職住空間和時空行為等方面的研究提供了便利。但目前的研究仍存在一些不足：人口普查數(shù)據(jù)最小統(tǒng)計單元為街道且時效性差；公交刷卡數(shù)據(jù)僅代表公交線路內(nèi)出行的流量和流向，兩者均無法實時、精確地反映城市人口的時空變化特性；手機信令數(shù)據(jù)人口覆蓋廣、時空精度高，但獲取成本高，相關(guān)研究集中在上海、北京等特大城市[23-24]；百度熱力圖具有高實時性，但由于柵格數(shù)據(jù)像元范圍有限和空間分辨率不高，難以精準地反映人口的空間分布。相比之下，宜出行數(shù)據(jù)時空精度高、獲取成本低，可以通過人口的時空分布刻畫職住空間，彌補傳統(tǒng)普查數(shù)據(jù)和現(xiàn)有大數(shù)據(jù)時空精度和獲取成本之間的矛盾和不足。

鑒于綜合考慮住房、就業(yè)等制度性因素和土地利用以及個體屬性對職住空間影響的研究尚為數(shù)不多，且盡管大數(shù)據(jù)在刻畫職住空間特征方面具有優(yōu)勢，但很難用于探究職住平衡的影響因素和機理。因此，本研究以合肥為例，基于宜出行熱力大數(shù)據(jù)，通過核密度分析法刻畫職住空間特征，利用問卷調(diào)查數(shù)據(jù)和POI數(shù)據(jù)探究職住空間的影響因素，以期為優(yōu)化職住空間、制定通勤交通政策提供科學依據(jù)。

1 研究區(qū)域、數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況

研究區(qū)域為合肥市主城區(qū)(蜀山區(qū)、廬陽區(qū)、包河區(qū)和瑤海區(qū))內(nèi)的中心城區(qū)以及部分隸屬于肥西縣但與合肥中心城區(qū)有著密切活動的區(qū)域(圖1)，是城市居住、工作等主要活動的高度集聚區(qū)，面積449 km2。其中，老城區(qū)、政務區(qū)和濱湖新區(qū)并非市轄區(qū)而是合肥“141”城市空間發(fā)展戰(zhàn)略中主城區(qū)的重要組成部分，也是現(xiàn)行城市總體規(guī)劃中市級公共服務中心。合肥是安徽省省會，是中部六省的主要城市，也是長三角城市群的副中心城市。根據(jù)第七次全國人口普查數(shù)據(jù)[25]，2020年合肥全市常住人口936.9萬人，市區(qū)常住人口511.8萬人。合肥在歷次城市總體規(guī)劃中強調(diào)構(gòu)建多中心城市結(jié)構(gòu)，合肥市政府和安徽省政府相繼于2006年和2016年分別入駐政務區(qū)和濱湖新區(qū)之后，合肥多中心的城市結(jié)構(gòu)逐漸形成。以合肥為案例開展職住研究，可以為由發(fā)展新區(qū)形成多中心結(jié)構(gòu)的大城市優(yōu)化職住空間、引導人口布局等提供借鑒。

圖1 研究區(qū)域

1.2 數(shù)據(jù)來源

1.2.1宜出行熱力數(shù)據(jù)。宜出行熱力數(shù)據(jù)來源于騰訊位置大數(shù)據(jù)平臺(https://heat.qq.com/index.php)，記錄了騰訊產(chǎn)品如騰訊QQ(8億個)、微信(12億個)、QQ空間(6億個)、騰訊視頻(3.9億個)、騰訊游戲(2億個)以及騰訊網(wǎng)頁(1.3億個)等活躍用戶的實時位置，能夠反映不同時段內(nèi)人口的空間分布[26]。通過Python軟件獲取2020年5月25日至6月5日每天的白天時段(10：00—11：00)和晚上時段(22：00—23：00)的熱力數(shù)據(jù)，空間分辨率27 m。

1.2.2高德POI數(shù)據(jù)。利用高德POI數(shù)據(jù)對建成環(huán)境要素進行識別。采集了2020年研究區(qū)域內(nèi)商業(yè)設(shè)施、居住設(shè)施、交通設(shè)施、生活服務、休閑娛樂、公司企業(yè)、教育設(shè)施以及醫(yī)療保健8類設(shè)施的POI數(shù)據(jù)。

1.2.3問卷調(diào)查數(shù)據(jù)。問卷包含通勤出行信息(出行方式、單程出行距離和出行時間)、影響居住和工作地選擇的個體社會經(jīng)濟屬性信息以及住房信息(如工作單位性質(zhì)、住房類型等)，同時，問卷需要受訪者填寫居住地和工作地的詳細地址。根據(jù)職住空間平衡指數(shù)劃分職住空間類型后，在2020年12月，選取不同職住空間類型的區(qū)域及人流較為密集的公共場所隨機發(fā)放358份問卷，并通過網(wǎng)上問卷服務發(fā)放問卷200份，剔除居住地和工作地無法識別的問卷后，回收有效問卷419份。

1.3 研究方法

基于宜出行熱力數(shù)據(jù)識別職住平衡區(qū)和職住不平衡區(qū)?；诶塾嬊€的四分位數(shù)將通勤距離劃分為4個等級，采用回歸模型分析兩種職住空間上通勤距離的影響因素及差異，據(jù)此提出職住平衡優(yōu)化建議。

1.3.1職住空間關(guān)系測度。職住空間測度常用方法為職住比(jobs-housing ratio)，即一定區(qū)域內(nèi)工作崗位數(shù)量與居住單元數(shù)量的比值[27]，也有其他測度方法，如晝夜人口密度比[28]、工作時段與休息時段的熱力值比[29]。宜出行熱力大數(shù)據(jù)反映的是不同時段活動人口在空間上的聚集程度，參考林勛媛等[15]和譚欣等[29]的測度方法，采用“職住關(guān)系指數(shù)”測度職住平衡，即首先計算工作時段和休息時段的活動人口強度[29]，其次用工作時段的就業(yè)活動人口強度與休息時段的居住活動人口強度的比值[15,29]表征職住關(guān)系指數(shù)(JHB)。

1.3.2職住平衡影響因素模型。職住平衡往往基于一定的地理空間尺度，而通勤距離可以映射某一地理尺度上職住距離的長短，也是常用的職住平衡測度指標。根據(jù)問卷調(diào)查，基于通勤距離的25分位、50分位和75分位將通勤距離劃分為短距離、中距離、中長距離和長距離4個等級，選取次序Logistic回歸模型分析職住平衡的影響因素。

2 職住空間關(guān)系

2.1 居住和就業(yè)活動人口強度空間分布

對于職住平衡的研究尺度，國外主要有宏觀的城市、中觀的8～11 km的緩沖區(qū)以及微觀的交通小區(qū)(TAZ)3個尺度[30]。選取微觀的TAZ為研究尺度，以15 min步行范圍為參考，將漁網(wǎng)面積設(shè)為1.76 km2，通過空間連接分別得到工作時段和休息時段的漁網(wǎng)熱力均值，通過核密度工具進行居住和就業(yè)活動人口強度的核密度分析。最后，利用自然斷點分類法將居住和工作活動強度劃分為高、中、低3類(圖2)。從圖2可以看出，研究區(qū)居住和就業(yè)活動人口強度的核密度分布特征大致相似，即高密度居住與高密度就業(yè)的區(qū)域有很大部分重合，這些區(qū)域是職住平衡的機會區(qū)。政務區(qū)和老城區(qū)的居住和就業(yè)活動人口強度在空間上連成一片，形成居住和就業(yè)高度聚集的老城-政務片區(qū)，整體呈中間高、四周低的態(tài)勢，且重心偏向政務區(qū)。與老城-政務片區(qū)相比，濱湖新區(qū)的居住和就業(yè)活動在聚集規(guī)模上較弱，合肥雙中心雙組團的城市空間格局雖已初步形成，但并未達到相互抗衡的狀態(tài)。

圖2 居住和就業(yè)活動人口強度核密度空間分布

2.2 職住空間關(guān)系

職住關(guān)系指數(shù)越趨于1，工作時段和休息時段的熱力值越均衡，職住越平衡；職住關(guān)系指數(shù)越大則工作時段活動人口強度越大，就業(yè)屬性越強，職住關(guān)系指數(shù)越小則居住屬性越強。關(guān)于職住均衡的標準，目前常認為職住平衡的職住關(guān)系指數(shù)為0.8～1.2[2]。根據(jù)職住關(guān)系指數(shù)將職住空間關(guān)系劃分為職小于住(JHB<0.8)、職住平衡(JHB介于0.8～1.2)和職大于住(JHB>1.2)3種類型(圖3)。從圖3可知，職小于住的區(qū)域面積占比最大，職住平衡區(qū)域次之，職大于住的區(qū)域面積占比最小。這表明合肥中心城區(qū)的居住用地相對分散，而就業(yè)中心更加集聚。從分布上看，職大于住區(qū)域聚集于老城區(qū)和政務區(qū)，而在濱湖新區(qū)尚未形成就業(yè)核心聚集區(qū)；職住平衡區(qū)域主要集中在高密度居住與就業(yè)重合區(qū)域、職大于住就業(yè)空間的外圍，以及零散分布于政務區(qū)西南和濱湖新區(qū)，主要位于中密度居住和就業(yè)重合的區(qū)域內(nèi)；職小于住的區(qū)域則圍繞在職住平衡區(qū)的外圍。

綜合圖2和圖3可知，老城-政務片區(qū)基本形成了就業(yè)中心-職住平衡-居住中心的三級圈層結(jié)構(gòu)。盡管居住和就業(yè)的高、中、低區(qū)域大量重合，但實際上就業(yè)密度由中心向外圍的衰減變化更快，具有中心密度更高、外圍密度更低的特點；而居住密度的變化相對平緩。與濱湖新區(qū)相比，由于老城區(qū)與政務區(qū)的距離相對較近，受二者輻射的職住平衡區(qū)已經(jīng)嵌套連片。濱湖新區(qū)作為城市外圍新的增長極，與其他兩個中心距離較遠，為職住平衡-居住中心的兩級結(jié)構(gòu)，其就業(yè)中心密度需要進一步提升。

圖3 職住空間關(guān)系

3 職住空間影響因素

為了進一步探究職住平衡的影響因素，通過構(gòu)建回歸模型分析多因素對職住空間關(guān)系的影響。從居住地樣本點的空間分布可以看出(圖4)，居住地分布相對較均衡。根據(jù)受訪者居住地所在的職住空間類型，將研究樣本劃分為職住平衡和職住不平衡兩組，職住平衡區(qū)和職住不平衡區(qū)的樣本分別為185個和234個，平均通勤距離分別為10.6 km和11.9 km，職住平衡區(qū)的通勤距離小于職住不平衡區(qū)。

圖4 居住地樣本點空間分布

3.1 不同職住空間內(nèi)居民通勤距離的基本特征

為進一步了解職住平衡和職住不平衡區(qū)域內(nèi)不同類別居民通勤距離的差異，統(tǒng)計了不同個體屬性在職住平衡區(qū)和職住不平衡區(qū)內(nèi)的通勤距離特征(表1)。在職住平衡區(qū)內(nèi)男性和女性的平均通勤距離差異較小，而在職住不平衡區(qū)內(nèi)，男性的平均通勤距離約為女性的兩倍。職住平衡區(qū)內(nèi)，學歷越低通勤距離越長，職住不平衡區(qū)則相反。職住平衡區(qū)中高收入居民通勤距離最長，職住不平衡區(qū)低收入居民通勤距離最長。有私家車或自有商品房的居民通勤距離均較長。職住平衡區(qū)政府/事業(yè)單位工作人員通勤距離最長，職住不平衡區(qū)公司企業(yè)工作人員通勤距離最長。

表1 職住平衡區(qū)和職住不平衡區(qū)居民的平均通勤距離

3.2 建成環(huán)境特征

建成環(huán)境是城市中各物質(zhì)環(huán)境的總稱，包含城市基礎(chǔ)設(shè)施和服務設(shè)施，反映城市居住及其他各類設(shè)施等的供給狀況。根據(jù)建成環(huán)境3D的密度(density)、多樣性(diversity)和設(shè)計(design)，統(tǒng)計居住地和工作地600 m緩沖區(qū)內(nèi)的建成環(huán)境數(shù)據(jù)，在職住平衡區(qū)和職住不平衡區(qū)內(nèi)的各建成環(huán)境要素的描述統(tǒng)計見表2。工作地的交叉口密度和POI密度均大于居住地，表明工作地的基礎(chǔ)設(shè)施和服務設(shè)施更便利(表2)。職住平衡區(qū)居住地和工作地公交站點密度差異不大，職住不平衡區(qū)工作地公交站點密度大于居住地；職住平衡區(qū)工作地的軌道鄰近性較大，職住不平衡區(qū)居住地的軌道鄰近性較大；職住平衡區(qū)居住地的POI熵指數(shù)大于工作地，職住不平衡區(qū)兩者差異較小。這表明職住平衡區(qū)和職住不平衡區(qū)各建成環(huán)境要素存在較大差異。

為了排除建成環(huán)境變量間的共線性，采用主成分法對居住地和工作地建成環(huán)境變量進行因子分析，以最大方差法進行旋轉(zhuǎn)。其中，KMO值為0.663，顯著性水平為0.000，表明可以進行因子分析。根據(jù)特征值大于1提取4個主成分：工作地設(shè)施密度、居住地設(shè)施密度、工作地便利度和居住地便利度(表3)，其累計解釋的總方差為81.134%。

表2 建成環(huán)境變量描述性統(tǒng)計

表3 建成環(huán)境變量的因子載荷

3.3 個體屬性和建成環(huán)境對通勤距離的影響

將所有變量納入次序Logistic回歸模型進行共線性診斷，除年齡的方差膨脹因子(VIF)最大外(1.46)，其他變量的VIF均在1.02～1.42，表明變量間的共線性在允許的范圍內(nèi)。對總樣本、職住平衡樣本以及職住不平衡樣本進行次序Logistic回歸的平行性檢驗，其p值分別為0.64，0.48和0.87，均大于0.05，表明通過平行性檢驗，可以采用次序Logistic回歸模型，結(jié)果見表4。

3.3.1個體屬性對通勤距離的影響。個體屬性的性別、家庭年收入、教育程度和出行方式與通勤距離顯著相關(guān)(表4)。具體而言：① 相比女性，男性通勤距離更長，這與現(xiàn)有研究結(jié)論一致[17]。② 以高收入為參照，在控制其他變量的情況下，職住不平衡區(qū)家庭年收入與通勤距離顯著正相關(guān)，中高、中等及低收入水平的回歸系數(shù)均為 20.000左右，且通過了1%顯著性檢驗；而在職住平衡區(qū)，這種相關(guān)性并不顯著，表明在職住不平衡區(qū)不同經(jīng)濟水平的居民通勤距離存在差異，這可能與職住不平衡區(qū)不同收入水平的居民在居住地選擇、通勤滿意度和通勤費用等方面需要綜合衡量有關(guān)。③ 對于總樣本，以不接送上下學為參照，接送小孩上下學與通勤距離顯著正相關(guān)，這與王振坡等[19]對天津的研究結(jié)果一致，但這種相關(guān)在職住平衡和職住不平衡區(qū)內(nèi)并不顯著。④ 以接受高等教育為參照，職住平衡區(qū)未接受高等教育與通勤距離顯著正相關(guān)，但在職住不平衡區(qū)不顯著。⑤ 對于總樣本和職住不平衡樣本，家庭是否擁有私家車與通勤距離顯著正相關(guān)，以無私家車為參照，在控制其他變量的情況下，總樣本和職住不平衡樣本的回歸系數(shù)分別為0.868和1.200，且通過了5%顯著性檢驗；但在職住平衡區(qū)，這種相關(guān)性并不顯著。這表明私家車對職住不平衡區(qū)的通勤距離影響程度更大。⑥ 在職住平衡區(qū)不同住房類型與通勤距離無顯著相關(guān)性，而在職住不平衡區(qū)，與租房和單位住房相比，自有商品房與通勤距離顯著正相關(guān)。⑦ 以私家車出行為參照，在控制其他變量的情況下，在職住平衡區(qū)內(nèi)公交和地鐵出行方式與通勤距離顯著負相關(guān)，通過了5%顯著性檢驗；而在職住不平衡區(qū)內(nèi)這種影響并不顯著(表4)。且由表1可知職住平衡區(qū)的居民乘坐公交和地鐵的平均出行距離小于職住不平衡區(qū)。步行和自行車出行方式與通勤距離顯著負相關(guān)，職住平衡區(qū)的回歸系數(shù)絕對值大于職住不平衡區(qū)，均通過了1%顯著性檢驗(表4)。且由表1可知，職住平衡區(qū)內(nèi)的步行和自行車通勤距離小于職住不平衡區(qū)。這表明較長的通勤距離與職住失衡有關(guān)，職住平衡促進慢行交通和公共交通的出行，具有將機動車出行轉(zhuǎn)為非機動車出行的潛力，這與N.Ta等[31]對北京的研究結(jié)果一致。

表4 不同職住空間類型內(nèi)個體屬性和建成環(huán)境對通勤距離的影響Tab.4 Influence of individual attributes and built environment on commuting distance in different types of job-housing space

3.3.2建成環(huán)境對通勤距離的影響。與個體屬性相比，建成環(huán)境與通勤距離的相關(guān)性整體較弱(表4)，這可能是因為職住平衡區(qū)居民工作地、居住地的建成環(huán)境差異不大，導致職住平衡區(qū)建成環(huán)境變量回歸結(jié)果不顯著；而在職住不平衡區(qū)，由于職住不平衡集中于城市外圍的職小于住區(qū)域以及城市就業(yè)中心的職大于住區(qū)域，其居住地建成環(huán)境密度存在很大差異，導致了居住地設(shè)施密度與通勤距離的顯著負相關(guān)，系數(shù)為-0.541，且通過了5%顯著性檢驗。這表明在職住不平衡區(qū)居住地設(shè)施密度越高，如道路基礎(chǔ)設(shè)施和服務設(shè)施密度越高，通勤距離就越短。

4 結(jié)論與建議

4.1 結(jié)論

(1)在職住空間整體格局方面，合肥中心城區(qū)已經(jīng)形成了以老城區(qū)和政務區(qū)為主、濱湖新區(qū)為副的兩大居住活動集聚區(qū)，而就業(yè)活動集中在老城區(qū)和政務區(qū)，在濱湖新區(qū)尚未形成就業(yè)中心，合肥中心城區(qū)的多就業(yè)中心格局尚不健全。

(2)不同職住空間的通勤距離影響因素中，建成環(huán)境影響較弱，個體屬性的影響較強。職住不平衡區(qū)居住地設(shè)施密度與通勤距離顯著負相關(guān)，而職住平衡區(qū)居住地和工作地建成環(huán)境則無顯著相關(guān)，這表明職住不平衡區(qū)的居住地設(shè)施密度越高，通勤距離越短，提高該區(qū)域內(nèi)的居住地設(shè)施密度有利于職住不平衡的改善。

(3)與職住不平衡區(qū)相比，職住平衡區(qū)的步行、自行車和公共交通與通勤距離的顯著相關(guān)程度均更大，且步行、自行車、公共交通的通勤距離更短；職住平衡區(qū)私家車與通勤距離無顯著相關(guān)，而在職住不平衡區(qū)與通勤距離呈顯著正相關(guān)。即較長的通勤距離與職住失衡有關(guān)，職住平衡是縮短慢行交通和公共交通通勤距離的重要因素，且具有將機動車出行轉(zhuǎn)為非機動車出行的潛力，這將有利于綠色、可持續(xù)的交通發(fā)展。

4.2 建議

(1)在多中心的城市空間格局形成階段應順應人口外遷新區(qū)趨勢，強化新區(qū)就業(yè)吸引力，削減外圍居住人口與老城區(qū)和政務區(qū)的向心通勤聯(lián)系，盡可能抑制居民通勤距離的進一步增長。在新區(qū)中心增加就業(yè)崗位時，應適當與高密度居住用地相結(jié)合，以擴大職住平衡區(qū)的空間范圍。(2)注重職住不平衡區(qū)居住地設(shè)施密度的提升，通過改善居住地的建成環(huán)境降低通勤距離，改善職住失衡。(3)職住平衡促進慢行交通和公共交通出行，在該區(qū)域應注重慢行交通系統(tǒng)的改善和優(yōu)化。對于職住不平衡區(qū)的外圍-中心聯(lián)系，因通勤距離更遠，應提高公共交通服務水平，促進小汽車出行向公交的轉(zhuǎn)化。