■楊碩 石飛

引言

習(xí)近平總書記強調(diào)，“城鎮(zhèn)的發(fā)展終究要依靠人、為了人，以人為核心才是城市建設(shè)與發(fā)展的本質(zhì)”[1]。黨的二十大報告也指出，要推進以人為核心的新型城鎮(zhèn)化。這要求城市和城鎮(zhèn)化研究與實踐由以往重視環(huán)境物質(zhì)要素轉(zhuǎn)向人本視角，城市發(fā)展的重點由經(jīng)濟增長和增量建設(shè)轉(zhuǎn)向城市人口與城市空間的耦合協(xié)同，更好滿足居民日益增長的美好生活需要。人口均衡理論認(rèn)為，人口發(fā)展需與經(jīng)濟社會發(fā)展水平相互協(xié)調(diào)，需與資源環(huán)境承載力相適應(yīng)[2]。當(dāng)前從全國、城市群等宏觀尺度研究人口空間分布格局及其影響因素較多[3-4]，而對于城市內(nèi)部人口分布及其與城市空間的關(guān)系關(guān)注較少。以人為核心的城鎮(zhèn)化要求從人的角度出發(fā)研究城市的形態(tài)結(jié)構(gòu)及其發(fā)展變化，因此開展人口在城市空間上分布變化的研究十分重要。人是城鎮(zhèn)化的主體，人口尤其是勞動力人口在空間上的集聚推動了創(chuàng)新的集聚和經(jīng)濟的發(fā)展。人口在空間上的分布變化直接影響了城市形態(tài)及其土地利用結(jié)構(gòu)、基礎(chǔ)設(shè)施、公共服務(wù)設(shè)施配置，以及交通、居住等多個方面[5]，是城市化健康發(fā)展的主要標(biāo)志[6]。

然而，盡管“疏散老城”、建設(shè)“多中心”城市[7]等理念與戰(zhàn)略被屢屢提及，但人口過度集聚導(dǎo)致老城擁擠、新城人口吸引力不足甚至淪為“空城”[8]的失配現(xiàn)象仍是當(dāng)前許多城市面臨的主要發(fā)展困境之一。因此，分析城市人口空間分布的影響因素及其內(nèi)在機制，對推動城市空間與人口的耦合發(fā)展、優(yōu)化城市空間結(jié)構(gòu)、推動城市土地集約節(jié)約利用和功能合理配置具有重要意義。

經(jīng)典地理學(xué)觀點認(rèn)為，城市人口伴隨用地空間呈現(xiàn)同心圓、扇形、多核心等分布模式，且由于城鄉(xiāng)間對于人口的推—拉力變化而在不同發(fā)展階段呈現(xiàn)集中城市化、郊區(qū)化、逆城市化、再城市化等現(xiàn)象[9]。近年來，我國地理學(xué)、城鄉(xiāng)規(guī)劃學(xué)、經(jīng)濟學(xué)等多個領(lǐng)域?qū)W者對城市人口空間分布展開了不同形式的探索，研究重點包括城市人口分布的空間圈層結(jié)構(gòu)[10-11]，外來人口、流動人口、老齡人口等特殊群體的居住特征[12-14]，人口空間分布的影響因素等。既有研究中考慮了經(jīng)濟發(fā)展水平、就業(yè)、教育醫(yī)療等民生資源，房地產(chǎn)建設(shè)、商業(yè)等公共設(shè)施數(shù)量[15-16]，緩沖區(qū)距離、河網(wǎng)、數(shù)字高程模型（DEM）、路網(wǎng)密度[17]等因素對城市人口空間分布的影響，但因數(shù)據(jù)類型和數(shù)據(jù)量的限制，研究多基于各類人口統(tǒng)計數(shù)據(jù)[18]和縣區(qū)、鄉(xiāng)鎮(zhèn)街道等偏宏觀行政區(qū)劃尺度，在精度上有一定局限性。盡管有學(xué)者基于中國人口空間分布公里網(wǎng)格數(shù)據(jù)集對柵格尺度的城市人口空間分布格局進行了研究探索[19]，但該數(shù)據(jù)基于全國人口普查并進行分區(qū)擬合得出，與真實居住人口仍有一定誤差。至于研究方法則多基于普通最小二乘法（OLS）回歸，忽視了影響因素作用效應(yīng)的空間異質(zhì)性。

在信息化時代，信息通信技術(shù)、高分辨率遙感、互聯(lián)網(wǎng)大數(shù)據(jù)等新技術(shù)的應(yīng)用以及新數(shù)據(jù)類型的獲取與挖掘，為城市人口空間分布精細(xì)化定量研究創(chuàng)造了條件。以手機信令數(shù)據(jù)為支撐的人口日常流動研究有助于了解居民對城市資源時空配置的差異化需求及城市空間的精細(xì)化管理[20]。本文通過手機信令、POI（Point of Interest，興趣點）、互聯(lián)網(wǎng)地圖API 等數(shù)據(jù)源，獲取就業(yè)崗位、土地利用混合度、路網(wǎng)密度、至市中心路網(wǎng)距離、公共交通可達性、地形坡度、平均房價等多源大數(shù)據(jù)，利用地理探測器（Geodetector）探析城市人口空間分布的主導(dǎo)影響因素，并利用地理加權(quán)回歸（Geographically Weighted Regression，GWR）分析人口分布影響因素在空間上的異質(zhì)性，進而得出相應(yīng)結(jié)論與思考，以期為推動人本視角的新型城鎮(zhèn)化建設(shè)提供參考。

一、研究方法與數(shù)據(jù)

（一）研究的城區(qū)概況

南京是江蘇省省會、長三角特大城市、國家歷史文化名城。截至2021 年，南京全市建成區(qū)面積達868 平方千米，常住人口942 萬人，城鎮(zhèn)化率達86.9%。考慮到面向未來的發(fā)展規(guī)劃，本研究范圍依據(jù)《南京市國土空間總體規(guī)劃（2021—2035）》草案確定的中心城區(qū)范圍劃定，包括江南主城和江北新主城兩部分（圖1）。同時，在南京中心城區(qū)范圍內(nèi)以500米為距離生成等分柵格，作為最小研究單元，共得到3509個柵格單元。

圖1 研究范圍

（二）研究方法

1.地理探測器

地理探測器的基本原理是：將研究區(qū)域劃分為若干子區(qū)域，若子區(qū)域的方差之和小于區(qū)域總方差，則存在空間分異性；若兩變量的空間分布趨于一致，則兩者存在統(tǒng)計關(guān)聯(lián)性[21]。地理探測器可用于揭示空間分異性及其背后驅(qū)動力，同時可探測兩因素的交互作用。地理探測器的基本表達式為：

式（1）（2）中：SSW和SST分別為層內(nèi)方差之和、全區(qū)總方差。q的值域為0～1，表示自變量X解釋了100×q%，其值表示自變量X對屬性Y的解釋力，數(shù)值越大則解釋力越強。

2.地理加權(quán)回歸

普通最小二乘法基于全局回歸，僅得到全局回歸方程，其解釋的是各類要素在全局上的作用方向和強度。與普通最小二乘法不同，地理加權(quán)回歸基于局部光滑思想，在揭示空間自相關(guān)性的同時，更能反映各參數(shù)在不同區(qū)域作用的空間異質(zhì)性[22-23]，而且基于地理位置對每一最小研究單元分別得出回歸結(jié)果，可以有效改進由空間位置引起的自變量與因變量間的局部變異問題[24]。地理加權(quán)回歸的基本表達式為：

式（3）中：yi為采樣點i的因變量值；β0為截距，(ui,vi)為采樣點i的坐標(biāo)，β0(ui,vi)為采樣點i的常數(shù)項；βk(ui,vi)為采樣點i的第k個自變量的系數(shù)，Xik為采樣點i的第k個自變量；εi為隨機誤差項。在地理加權(quán)回歸結(jié)果中，矯正R2的值域為0～1，數(shù)值越高表示自變量對因變量的解釋力越強。

（三）數(shù)據(jù)來源及處理

需要說明的是，本文所用數(shù)據(jù)類型較多，數(shù)據(jù)源、獲取方式不同，保證7 類數(shù)據(jù)采集于同一時間客觀上難以實現(xiàn)。手機信令數(shù)據(jù)由于涉及人口身份識別、活動位置等敏感指標(biāo)而有很強的保密性，其并非開放數(shù)據(jù)，獲取難度大，且獲取及使用需簽署保密協(xié)議。坡度數(shù)據(jù)由觀測衛(wèi)星測繪的數(shù)字高程模型數(shù)據(jù)處理得到。此兩類數(shù)據(jù)客觀上難以獲取最新數(shù)據(jù)，本文所用手機信令數(shù)據(jù)采集于2019 年6 月，數(shù)字高程模型數(shù)據(jù)衛(wèi)星拍攝時間為2019 年8 月。為保證數(shù)據(jù)前后邏輯一致性，POI、道路網(wǎng)、公交出行時間、空間距離等均采用2019 年8～9 月自主采集數(shù)據(jù)，已盡量縮短時間跨度。具體來源及處理方法如下：

1.人口及就業(yè)崗位空間分布數(shù)據(jù)

職住空間分布即就業(yè)崗位同人口的空間分布關(guān)聯(lián)性已被廣泛關(guān)注。與以往研究中常用的人口普查數(shù)據(jù)不同，手機信令數(shù)據(jù)具有樣本量大、覆蓋廣、精度高、動態(tài)性強等優(yōu)勢。由于手機信令數(shù)據(jù)連續(xù)記錄了使用者所持移動終端同運營商所設(shè)最近基站間的交互信息，運營商可借此判別使用者所處的位置坐標(biāo)與停留時刻及時長。一般認(rèn)為，在某一位置停留時長超過30分鐘即為停留點，否則將被判定為路過。

居住人口及就業(yè)崗位數(shù)量判定計算規(guī)則：通過連續(xù)記錄使用者的出行時空軌跡并結(jié)合出行與停留時刻，可以判定每一終端使用者的居住與就業(yè)地位置，將手機用戶夜間長時間停留位置視為該用戶居住地，白天長時間停留地視為工作地，并建立對應(yīng)的出行起訖點（OD）軌跡，進而可統(tǒng)計出城市居住人口和就業(yè)崗位的空間分布情況。

本研究所用數(shù)據(jù)由中國聯(lián)通公司采集于2019 年6 月，客觀上也規(guī)避了新冠疫情對于城市人口流動的復(fù)雜影響。原始數(shù)據(jù)經(jīng)聯(lián)通公司脫敏處理，去除用戶隱私信息?？紤]到手機用戶群體分屬移動、聯(lián)通、電信三家運營商，且存在一人多部手機、小部分人沒有手機等客觀事實，聯(lián)通公司基于其在南京地區(qū)市場占有率、一主多號情況等指標(biāo)，設(shè)定算法對原數(shù)據(jù)進行擴樣，從而保證數(shù)據(jù)的全面性和科學(xué)性。本研究最終獲得基于500×500m 柵格（與圖1 劃定柵格一致）的南京市域內(nèi)居民OD 空間分布及每一OD 軌跡對應(yīng)的交通量，并利用GIS 空間統(tǒng)計工具獲得每一研究柵格內(nèi)居住人口和就業(yè)崗位數(shù)量。經(jīng)統(tǒng)計，南京市全域由信令數(shù)據(jù)識別人口總數(shù)約為971萬人，同第七次全國人口普查公布的931 萬人誤差不超過5%，證明識別結(jié)果具有研究可信度。本研究涉及主城區(qū)范圍內(nèi)居住人口約542 萬，基于500×500m 柵格的人口數(shù)量空間分布如圖2所示。

圖2 基于信令數(shù)據(jù)的居住人口數(shù)量空間分布圖

2.土地利用混合度數(shù)據(jù)

土地利用混合度借鑒熱力學(xué)中的“熵值”概念提出，其數(shù)值越高代表區(qū)域內(nèi)用地類型更加復(fù)雜多樣。土地的混合利用即將眾多不同或相關(guān)聯(lián)的功能緊湊安排在較近的空間范圍內(nèi)，從而實現(xiàn)大大縮減出行成本、提升城市活力、便利居民使用等目標(biāo)。大數(shù)據(jù)時代，海量POI 數(shù)據(jù)為用地功能混合度的計算提供了新方法。借鑒黨云曉等學(xué)者的研究成果[25]，本研究基于以下公式計算每一研究柵格內(nèi)的土地利用混合度：

式（4）中：POI 類型x共有k種，Px表示網(wǎng)格空間內(nèi)第x類POI 的密度。本研究基于餐飲、購物、公共服務(wù)設(shè)施、居住、交通共五類用地功能，于2019 年9 月利用互聯(lián)網(wǎng)地圖開放平臺爬取了17 種POI，并利用GIS 空間連接、空間統(tǒng)計等工具分別計算研究范圍內(nèi)3509個柵格的土地利用混合度數(shù)值。

3.路網(wǎng)密度數(shù)據(jù)

本研究利用互聯(lián)網(wǎng)地圖開放平臺API 獲取南京主城區(qū)各級各類城市路網(wǎng)數(shù)據(jù)（獲取時間為2019年8月），并利用GIS空間連接、空間統(tǒng)計等工具計算3509 個柵格內(nèi)的路網(wǎng)密度，公式如下：

式（5）中：∑L表示柵格內(nèi)各級城市道路長度之和，S表示柵格面積。

4.城市公交可達性數(shù)據(jù)

與個體私人交通不同，公共交通作為城市提供的重要民生設(shè)施，為城市大多數(shù)居民提供了便利的出行選擇。城市居民往往傾向于在公共交通可達性高的地區(qū)居住，許多市民對“地鐵房”的追捧就是典型現(xiàn)象。本文利用加權(quán)平均出行時間[26]衡量南京中心城區(qū)每一柵格的可達性，公式如下：

式（6）中：Ai表示柵格i的可達性，Tij為自柵格i的重心點到柵格j的重心點所需公交出行時間，該數(shù)據(jù)使用互聯(lián)網(wǎng)地圖“路徑規(guī)劃API”爬取獲得，采集于2019 年9 月；Pij為以柵格i為起點、柵格j為終點的實際出行人數(shù)，由手機信令OD數(shù)據(jù)獲得。j取值為1～n，表示研究區(qū)域內(nèi)除了起點i以外的其他所有柵格。加權(quán)平均出行時間Ai數(shù)值越高，表示由柵格i出發(fā)的居民到其他所有柵格的平均公交時間花費越高，即可達性越低。

5.空間距離數(shù)據(jù)

科林·克拉克（Colin Clark）于1951年提出著名的人口密度距離衰減模型，認(rèn)為城市人口密度受到距市中心距離長度影響[27]。受限于方法和工具，以往研究中往往通過劃定緩沖區(qū)，以直線距離表示居住地到市中心的空間距離，而沒有考慮城市實際路網(wǎng)和交通狀況。本研究借助互聯(lián)網(wǎng)地圖開放平臺“路徑規(guī)劃數(shù)據(jù)API”，通過編寫Python 腳本爬取每一柵格形心點至南京市級中心新街口的路徑規(guī)劃數(shù)據(jù)，獲取每一柵格到南京市中心的空間距離，數(shù)據(jù)采集于2019年9月。

6.平均坡度數(shù)據(jù)

坡度作為影響建設(shè)工程選址施工的重要自然條件，可能會對城市人口空間分布產(chǎn)生影響。本文使用地理空間數(shù)據(jù)云網(wǎng)站（https://www.gscloud.cn）下載南京市域內(nèi)分辨率為30m 的數(shù)字高程模型數(shù)據(jù)，源數(shù)據(jù)采集于2019 年8 月。本研究通過GIS進行投影轉(zhuǎn)換、拼接、裁剪，進而借助坡度分析工具計算坡度值，再使用空間連接、空間統(tǒng)計等工具計算每一研究柵格內(nèi)的平均坡度。

7.平均房價數(shù)據(jù)

房價數(shù)據(jù)于2019 年8 月采集自南京網(wǎng)上房地產(chǎn)網(wǎng)站（www.njhouse.com.cn），該網(wǎng)站由南京市住房保障和房產(chǎn)局主管。本研究利用工具對網(wǎng)站上公示的全市各區(qū)域商品房、存量房交易價格進行爬取，并借助地圖工具匹配地理坐標(biāo)，通過GIS軟件將房價點數(shù)據(jù)擬合為面數(shù)據(jù)，再由此分別計算每一研究柵格內(nèi)的平均房價。

二、人口分布格局及影響因素分析

（一）空間自相關(guān)性分析

地理學(xué)第一定律（Tobler’s First Law，TFL）認(rèn)為，空間中的每一事物間都有聯(lián)系，且距離越近其關(guān)系往往越緊密。空間自相關(guān)性是揭示空間數(shù)據(jù)分布狀況的重要概念，廣泛用于研究地理要素的空間分布是否具有潛在的相互依賴性。

以反距離權(quán)重作為空間關(guān)系概念化方式，利用全局莫蘭指數(shù)（Global Moran’s Ⅰ）對南京中心城區(qū)范圍內(nèi)的人口分布情況進行空間相關(guān)性分析，得出研究區(qū)域內(nèi)全局莫蘭指數(shù)為0.71，p值小于0.01，z值為41.96，即南京中心城區(qū)人口數(shù)量在空間上的分布具有明顯的集聚現(xiàn)象，地理空間集聚度大的地方，人口集聚也相應(yīng)多。

利用局部莫蘭指數(shù)（Anselin Local Moran’sⅠ）進一步分析人口集聚具體位置及空間差異（圖3），可以發(fā)現(xiàn)人口集聚高值主要位于南京老城范圍內(nèi)（同明城墻圍合范圍相近），低值主要分布于中心城區(qū)范圍邊緣及江北沿江區(qū)域。異常值包括低值被高值包圍（LH）與高值被低值包圍（HL）兩種，主要分布在老城邊緣區(qū)。相比中心城區(qū)的其他區(qū)域，南京老城區(qū)開發(fā)建設(shè)較早，用地類型多樣、開發(fā)強度高，同時具有更加完善的城市道路交通設(shè)施，一直是區(qū)域內(nèi)的交往、就業(yè)等城市功能中心和地價峰值區(qū)。這些優(yōu)勢影響疊加產(chǎn)生了巨大的吸引力，導(dǎo)致南京人口空間集聚高值區(qū)仍沒有跳出古城墻圍合范圍。同時可以猜測，就業(yè)崗位、土地利用混合度、交通、地價以及自然地形等因素有可能會對人口的空間集聚產(chǎn)生影響。

圖3 人口分布數(shù)量Lisa顯著性圖

（二）影響因素探測分析

以柵格內(nèi)的居住人口數(shù)量為因變量，使用自然間斷點分級法（Jenks Natural Breaks）對獲取的自變量數(shù)據(jù)進行分層，從而使其由數(shù)值量轉(zhuǎn)換為類型量，以便于使用地理探測器工具進行影響因素探測。結(jié)果顯示，所選7類因素均通過0.01 顯著性檢測，且就業(yè)崗位數(shù)、至市中心距離、土地利用混合度三類因素對居住人口數(shù)量空間分布解釋力較強。進一步探析兩因素交互作用，可知就業(yè)崗位數(shù)、至市中心距離兩因素交互作用解釋力超過90%，兩因素交互作用探測結(jié)果如表1。

表1 兩因素交互作用探測結(jié)果

由于地理探測器在使用過程中對自變量進行了分層處理，其分級分類標(biāo)準(zhǔn)實際應(yīng)用意義較小，因此地理探測器分析結(jié)果的參考價值更多地體現(xiàn)在探析各因素及雙因素交互作用解釋力，用于比較不同因素的作用力排序。為進一步分析影響因素置信度，本研究仍以柵格內(nèi)的居住人口數(shù)量為因變量，利用最小二乘回歸方法對數(shù)據(jù)進行全局回歸，結(jié)果如表2。

表2 普通最小二乘法回歸結(jié)果

普通最小二乘法回歸R2達0.917，說明所選因素整體擬合度較高。各類指標(biāo)方差膨脹因素（VIF）均遠小于5，說明模型構(gòu)建良好，沒有多重共線性問題。分因素來說，距離、就業(yè)崗位、土地混合、平均房價四類因素通過了5%的顯著性檢驗，可用于之后的進一步分析。由于所選因素種類不同，具有不同的計量單位與實際意義，所以回歸系數(shù)不能用于精確衡量變量在模型中的貢獻度，但仍可通過系數(shù)正負(fù)值分析其對因變量的作用方向。由回歸結(jié)果可知，距離因素對人口分布具有負(fù)向作用，就業(yè)崗位、土地混合、平均房價三類因素對人口空間分布具有正向作用。

三、影響因素空間異質(zhì)性分析

普通最小二乘法能從全局角度分析各因素對南京中心城區(qū)人口空間分布的影響作用，但由于沒有考慮各因素的地理空間位置，忽視了各因素作用方向及程度的空間異質(zhì)性。前述空間自相關(guān)性分析結(jié)果證明變量的地理屬性對變量值的影響顯著，因此需借助地理加權(quán)回歸基于地理位置得出4 種顯著性因素在不同研究柵格內(nèi)的作用方向和作用強度分布?；貧w結(jié)果得出模型矯正R2為0.933，高于普通最小二乘法回歸所得R2，進一步證明了地理加權(quán)回歸相比普通最小二乘法具有優(yōu)越性。

對地理加權(quán)回歸結(jié)果中的標(biāo)準(zhǔn)化殘差進行空間自相關(guān)性分析，采用反距離權(quán)重空間關(guān)系概念化方式進行全局莫蘭指數(shù)計算，分析結(jié)果如圖4，得出全局莫蘭指數(shù)為-0.01，即標(biāo)準(zhǔn)化殘差在空間上可認(rèn)為呈隨機分布，證明模型構(gòu)建有效，就業(yè)崗位、距離、房價、土地利用混合度四類因素能夠解釋居住人口空間分布現(xiàn)象。四類因素回歸系數(shù)空間異質(zhì)性分析如下：

圖4 標(biāo)準(zhǔn)化殘差空間自相關(guān)性分析結(jié)果

（一）就業(yè)崗位因素：全局正向促進，區(qū)域差異明顯

依據(jù)回歸結(jié)果，就業(yè)崗位在空間上的集聚對城市居住人口在研究區(qū)域全局起到正向作用，如圖5，表明區(qū)域內(nèi)所提供的就業(yè)崗位越多，集聚的居住人口也越多。分區(qū)域來說，總體上江北主城比江南主城回歸系數(shù)更高，表明江北主城就業(yè)崗位對人口集聚的帶動作用更強，而江南主城則呈現(xiàn)明顯的內(nèi)部差異。東部的仙林片區(qū)和南部的江寧大學(xué)城片區(qū)回歸系數(shù)明顯低于其他區(qū)域，從用地功能角度考慮，這兩個區(qū)域皆為大學(xué)城，區(qū)域內(nèi)學(xué)生群體居住、就業(yè)（就讀）空間位置相對穩(wěn)定?；貧w系數(shù)較低的原因可解釋為區(qū)域內(nèi)相當(dāng)數(shù)量的教職工及其他就業(yè)群體以主城區(qū)內(nèi)其他區(qū)域為居住地（如人口集聚程度較高的老城），受益于便捷、快速的交通設(shè)施（如地鐵），這部分群體實現(xiàn)了就業(yè)與居住在空間上的相對分離。

圖5 就業(yè)崗位因素回歸系數(shù)空間分布

城市規(guī)劃、交通等學(xué)科長期關(guān)注“就業(yè)—居住平衡”（Jobs-Housing Balance）理念，其基本觀點認(rèn)為若住房和就業(yè)崗位能在相對鄰近局域范圍內(nèi)實現(xiàn)供給的平衡，則可以有效縮減居民出行距離與時間成本，并減少小汽車的使用，從而緩解城市交通擁堵、降低空氣污染[28]。這種簡單的職住平衡度測量忽視了市場對住房的分配以及居民職業(yè)同就業(yè)崗位的匹配性問題，但不可否認(rèn)的是，盡管存在各種不匹配問題，供給與需求時?？梢韵嗷?chuàng)造，就業(yè)與居住確實存在明顯的正向效應(yīng)。針對南京實際情況來說，江北新區(qū)作為“新主城”，其居住和就業(yè)崗位數(shù)相比江南主城還有很大的增長空間，未來可以“職住平衡”為規(guī)劃導(dǎo)向，推動緩解擁堵和減輕污染等正向效應(yīng)的實現(xiàn)。

（二）距離因素：負(fù)向作用為主，中心外圍相異

距離因素對人口空間分布的影響以負(fù)向作用為主，僅鄰近市中心區(qū)域和部分研究邊界區(qū)域為正向作用，如圖6。經(jīng)典理論認(rèn)為，城市人口密度由城市中心向邊緣逐漸遞減，回歸結(jié)果為負(fù)值區(qū)域意味著距離市中心越遠則居住人口越少，印證了這一觀點。

圖6 距離因素回歸系數(shù)空間分布

至于城市中心區(qū)域，回歸結(jié)果呈明顯圈層結(jié)構(gòu)，但作用方向卻與經(jīng)典理論相反，可以概括為：在距市中心一定距離內(nèi)，居住人口隨到市中心距離的增長而增多，類似于環(huán)境學(xué)中的“逆溫”現(xiàn)象。這一現(xiàn)象可以理解為，在特定距離范圍內(nèi)，距離因素使城市人口數(shù)量減少的作用力并不顯著，而其他影響因素的作用占據(jù)主導(dǎo)地位。以市場作用為例，市中心是城市各類資源匯聚之地，也造就了城市地租的頂點。對于開發(fā)者來說，往往具有雄厚資金的商業(yè)與服務(wù)業(yè)可以承擔(dān)地租；對于居民來說，在面對由住房和通勤構(gòu)成的綜合成本時，往往愿意在市中心外圍一定距離區(qū)域居住，盡管通勤成本相應(yīng)增加，但住房投資成本大大減少了。因此，城市中心通常以高利潤率的商業(yè)服務(wù)業(yè)設(shè)施用地為主，居住用地則向邊緣集聚，這也部分驗證了威廉·阿朗索（William Alonso）提出的競租曲線模型[29]。

距離負(fù)向作用最明顯的區(qū)域位于南京南站周邊區(qū)域，某種程度上表明鐵路等重大交通基礎(chǔ)設(shè)施對于城市通達的阻隔作用明顯，且由此致使城市居民心理上的阻隔感與距離感可能遠大于實際路網(wǎng)距離。而研究范圍邊緣部分回歸系數(shù)為正值的“異常區(qū)域”推測是由該區(qū)域建設(shè)的相對獨立的居住組團導(dǎo)致。

（三）房價因素：中介效應(yīng)、調(diào)節(jié)效應(yīng)共同作用

房價由市場無形之手調(diào)節(jié)，它是城市區(qū)位條件、資源與服務(wù)水平的價值顯現(xiàn)。國內(nèi)已有學(xué)者關(guān)注到房價在城市資源與人口集聚間的中介與調(diào)節(jié)效應(yīng)[30]，認(rèn)為房價是城市資源價值與人口集聚的中介。當(dāng)房價上漲真實反映城市功能、資源質(zhì)量提升時，城市人口會伴隨房價上漲而集聚；當(dāng)房價過快上漲且與城市資源質(zhì)量提升程度脫節(jié)時，城市的人口集聚程度則會因房價不合理上漲而降低。

房價對人口集聚的影響是市場調(diào)節(jié)與居民理性博弈的結(jié)果。對于區(qū)位優(yōu)勢明顯、交通便捷、教育醫(yī)療等公共服務(wù)設(shè)施優(yōu)越的地區(qū)，房價自然較高。雖然居民收入水平各異，但出于對高品質(zhì)美好生活的追求，仍有居民愿意為此支付較高的住房成本。這也是南京中心城區(qū)大部分區(qū)域房價對人口集聚呈正向作用的原因，如圖7。與之相反，典型如南京河西地區(qū)，平均房價回歸系數(shù)為負(fù)值，原因在于這些地區(qū)定位中高端，被視為濱江現(xiàn)代化的標(biāo)志區(qū)，房價堪比老城區(qū)，但由于開發(fā)建設(shè)較晚，教育、醫(yī)療等民生公共服務(wù)設(shè)施在質(zhì)量與數(shù)量上同老城區(qū)仍有差距，可以認(rèn)為這些地區(qū)當(dāng)前房價溢價過高、配套滯后。居民出于對成本和所得的理性考量，往往因房價的升高而降低遷往這些區(qū)域居住的意愿，在空間分析上即表現(xiàn)為房價對人口集聚的負(fù)向作用。

圖7 房價因素回歸系數(shù)空間分布

（四）土地利用混合度因素：中心正向作用，邊緣負(fù)向作用

同預(yù)想的土地利用混合度越高，居民職住分離現(xiàn)象越弱[25]，而人口居住集聚程度越高的設(shè)想不同，在城市邊緣區(qū)域，尤其是南京南站及江寧大學(xué)城片區(qū)出現(xiàn)了大面積回歸系數(shù)為負(fù)值的柵格，如圖8。結(jié)合土地利用混合度與人口空間分布原始數(shù)據(jù)分析后可以推測，回歸系數(shù)負(fù)值的出現(xiàn)是由于兩類要素在空間上的失配導(dǎo)致。以南部負(fù)值區(qū)域為例，該區(qū)域大部分柵格人口密度在0.3～0.4 萬人/千米2，遠低于城市中心區(qū)人口密度，但由于鄰近眾多知名高校，高標(biāo)準(zhǔn)現(xiàn)代化的用地開發(fā)，使得這一區(qū)域的城市功能已十分健全，從土地利用混合度數(shù)值上來看同老城區(qū)并沒有明顯差距。位于城市東部、同樣高校集聚的仙林大學(xué)城區(qū)域，由于已集聚了相當(dāng)數(shù)量的居住人口，因而沒有出現(xiàn)回歸系數(shù)負(fù)向作用過大的異?，F(xiàn)象。而以南京老城區(qū)為核心的主城區(qū)中心區(qū)域，由于實現(xiàn)了高用地混合度與高居住人口密度的匹配，回歸系數(shù)為正，且形成了較明顯的圈層結(jié)構(gòu)。

圖8 土地利用混合度因素回歸系數(shù)空間分布

土地利用混合度與人口集聚存在相關(guān)性但并不存在因果關(guān)系，人口集聚帶來了多樣用地功能需求的增長，而用地功能的混合又吸引了人口的集聚，兩者相互促進。對于大學(xué)城、工業(yè)園區(qū)等相對獨立的功能組團，應(yīng)推動兩者的協(xié)同提升，實現(xiàn)人口集聚與用地混合相匹配。

四、結(jié)論與討論

（一）結(jié)論

居民作為城市建設(shè)和使用的主體，其空間分布反映了就業(yè)、用地、交通、經(jīng)濟等各類要素的疊加影響效果。識別影響城市人口空間分布的主導(dǎo)因素及其作用的空間異質(zhì)性，對于精準(zhǔn)找出發(fā)展問題并提出有針對性的策略，進而推動城市功能整合優(yōu)化、實現(xiàn)空間與人口的耦合發(fā)展具有重要意義。本研究首先借助局部莫蘭指數(shù)分析南京中心城區(qū)人口空間分布異質(zhì)性，繼而使用地理探測器和普通最小二乘法識別影響人口空間分布的主導(dǎo)因素，并通過地理加權(quán)回歸模型對各影響因素的空間異質(zhì)性進行分析，得出主要結(jié)論如下：

1.南京中心城區(qū)人口空間分布呈現(xiàn)明顯的集聚現(xiàn)象。人口密度高值集中出現(xiàn)在明城墻圍合的古城區(qū)域，規(guī)劃建設(shè)的江北、江寧等新的人口集聚區(qū)規(guī)模仍較小，尚沒有形成明顯的次級人口集聚中心。南京市早在2001年即提出以疏散老城人口和功能為重點的“一疏散三集中”戰(zhàn)略，但老城區(qū)至今仍是居住人口、就業(yè)崗位集聚的絕對核心以及公共服務(wù)設(shè)施、商業(yè)服務(wù)業(yè)等城市功能過于集中的土地利用混合度高值集聚區(qū)和地價峰值區(qū)，是區(qū)域內(nèi)人口集聚的絕對引力中心。

2.人口空間分布是多種因素共同作用的結(jié)果，且各因素的解釋力不同。利用地理探測器及最小二乘法回歸發(fā)現(xiàn)就業(yè)崗位、距市中心路網(wǎng)距離、平均房價、土地利用混合度等因素回歸顯著性較強。人口分布并不是各因素獨立作用的結(jié)果，而是各因素交互作用增效后的產(chǎn)物，其中就業(yè)崗位和距市中心路網(wǎng)距離兩因素對于人口集聚的交互作用解釋力最強。各類因素對人口分布的影響作用呈現(xiàn)明顯的空間異質(zhì)性，因地理位置的不同呈現(xiàn)不同的作用方向與強度。

3.回歸系數(shù)分層聚類形成的作用組團與城市規(guī)劃中人為劃定的功能組團契合度高。盡管空間異質(zhì)性導(dǎo)致各因素在不同地理位置回歸系數(shù)不同，但仍然遵循地理學(xué)第一定律，即鄰近區(qū)域回歸系數(shù)相近，存在集聚分布現(xiàn)象，且在空間上與南京老城區(qū)、江北新區(qū)、河西新城、仙林大學(xué)城、江寧大學(xué)城、南京南站樞紐等城市功能組團在空間上的契合度高。組團內(nèi)影響因素作用方向相同、強度接近，而組團間作用方向和強度明顯不同。

（二）討論

本文將手機信令、互聯(lián)網(wǎng)地圖等多源大數(shù)據(jù)引入城市人口研究，相比傳統(tǒng)數(shù)據(jù)，在精準(zhǔn)性和科學(xué)性上更強。但現(xiàn)有的大數(shù)據(jù)與理論方法顯然仍不能完全準(zhǔn)確解釋城市這一復(fù)雜系統(tǒng)的各種現(xiàn)象與機制，仍有待未來數(shù)據(jù)與方法的進一步創(chuàng)新。

人口空間分布是長期、多因素復(fù)合作用的復(fù)雜性結(jié)果，僅用少量因素回歸難以解釋。本研究側(cè)重于分析就業(yè)、距離、土地混合、房價等與人口分布關(guān)系密切的因素在影響作用上的空間異質(zhì)性，為進一步揭示城市人口空間分布影響因素及作用機制提供參考。但人口在空間分布上的地理特征是在長期歷史演進中，受區(qū)位、資源環(huán)境、用地、經(jīng)濟、政策、文化等多因素交互影響形成的結(jié)果，其具體作用機制、強度、因素間的協(xié)同與拮抗關(guān)系仍有待進一步揭示。

各類影響因素與人口空間分布現(xiàn)象間并不是因果關(guān)系，而應(yīng)理解為相互影響、相互作用的相關(guān)性。此外，基于現(xiàn)狀的分析研究難以考慮到未來規(guī)劃的政策導(dǎo)向作用。以公共交通可達性因素為例，基于現(xiàn)狀研究，南京中心城區(qū)公共交通可達性對人口空間分布的解釋力顯著性并不突出，但公交引導(dǎo)城市開發(fā)、城市適應(yīng)公交的理念已被廣泛倡議。南京作為公交都市試點城市，未來通過規(guī)劃引導(dǎo)的手段推動就業(yè)、公共服務(wù)設(shè)施等城市資源向公交可達性優(yōu)勢地區(qū)傾斜，繼而吸引居民集聚仍具有現(xiàn)實意義和可實施性。

人口的空間分布可作為城市中心體系測度的重要標(biāo)準(zhǔn)，既有研究結(jié)果表明城市中心體系主要存在“人、地、業(yè)”三種形式的表征[31]，從而通過測度人口分布與活動、土地建設(shè)規(guī)模與強度、城市業(yè)態(tài)功能三類外顯特征可識別城市中心體系。21 世紀(jì)以來，南京市先后提出“一疏散三集中”“一城三區(qū)”“指狀發(fā)展”“一主一新三副城九新城”等城市多中心發(fā)展戰(zhàn)略，但實施成效仍有待時間檢驗。人口在老城區(qū)的過度集聚仍將帶來老城交通、公共服務(wù)設(shè)施承載壓力過大等問題。

對此，本文提出如下對策建議：首先，持續(xù)推進老城區(qū)人口和功能的實質(zhì)性疏解。人口的多中心分布與功能的多中心布局相輔相成，共同推動形成多中心城市結(jié)構(gòu)。只有推進就業(yè)崗位、基礎(chǔ)設(shè)施、優(yōu)質(zhì)公共服務(wù)設(shè)施等城市核心功能在空間上的多中心分布，才能實現(xiàn)人口在空間分布上的相對均衡，避免因過度集聚引發(fā)的各種城市問題。其次，針對不同區(qū)域、城市功能組團，應(yīng)綜合考慮各種因素交互影響作用，采取差異化的發(fā)展策略。例如，江北新區(qū)作為規(guī)劃中的新主城，其就業(yè)崗位和土地利用混合度對人口集聚具有明顯的正向作用，在未來規(guī)劃中更應(yīng)通過產(chǎn)業(yè)轉(zhuǎn)型升級、創(chuàng)造優(yōu)質(zhì)崗位、推進產(chǎn)城融合與職住平衡、完善基礎(chǔ)設(shè)施和公共服務(wù)設(shè)施等方式吸引更多人口集聚。