基于手機信令數據的上海市域職住空間分析

張天然

(上海市城市規劃設計研究院，上海200040)

基于手機信令數據的上海市域職住空間分析

張天然

(上海市城市規劃設計研究院，上海200040)

居民居住地與工作地的空間關系是城市空間布局的重要依據。基于手機信令數據，提出分區域的居民通勤距離和就業崗位通勤距離計算方法。通過對比驗證了手機信令數據與居民出行調查數據的職住空間和距離分布特征較為吻合。重點分析上海市中心城區及周邊地區的職住空間關系及通勤距離。提出職住通道平衡概念，并分析職住通道不平衡地區與軌道交通擁擠程度的關系，指出土地利用布局優化對職住通道平衡的重要性。通過分析不同新城的職住空間特征，探討新城范圍劃定對統計分析的影響，總結了新城職住空間較為獨立、居民內部就業率較高的特征。

職住空間分析；通勤距離；手機信令數據；職住通道平衡

0 引言

手機信令數據具有移動通信網絡覆蓋范圍廣、數據穩定可靠、樣本量大、空間解析度高以及動態性強等優勢。文獻[1]總結了手機信令數據在交通分析中的主要應用，包括常住和流動人口動態分布、職住空間分布、出行空間動態分布、查核線流量分析等。文獻[2-3]研究了利用手機信令數據分析人員出行和活動的方法。文獻[4]結合人口普查、經濟普查和手機信令數據綜合分析上海市人口與就業分布及其演化規律。文獻[5]利用手機信令數據分析上海市域職住空間關系，將基站之間的直線距離作為通勤距離的計算依據。關于職住平衡，國內外學者也有很多研究，典型研究如文獻[6]對不同城市的剩余通勤(實際通勤距離與最小通勤距離對比的相對指標)相關指標進行對比。

結合上海市新一輪城市總體規劃編制以及交通規劃模型的建設，手機信令數據在城市職住空間分析、交通模型校驗中得到了良好的應用。本文結合上海市交通規劃模型、居民出行調查數據和地鐵客流數據等，以手機信令數據分析為主線，對上海市域職住空間、通勤距離以及職住通道平衡進行分析。

1 手機信令數據

手機終端會定期或不定期、主動或被動地與移動通信網絡保持聯系，這些聯系被移動通信網絡識別成一系列的控制指令，即手機信令。手機信令的內容主要包括：匿名用戶編號、時間、基站小區編號、事件類型(如主動掃描、打電話和接電話、上網、發短信等)。

為了便于與同時期居民出行調查進行對比，本文采用某移動通信運營商2013年共6個月的數據開展研究，包含1 860萬個手機用戶，每日約15億條數據，平均每個用戶每日約80條記錄。定義這6個月內在上海市出現的天數超過60%的用戶為常住人口，利用歷史每日20:00—次日8:00的夜間手機數據訓練識別，以出現概率最高且比例超過60%的區域作為用戶的居住地，識別常住人口1 270萬人(全市常住人口2 415萬人，抽樣率約53%)。同理，利用歷史工作日9:00—18:00的手機數據訓練識別，并剔除白天與夜間常住地在400 m(上海市交通調查出行定義的最短距離)范圍以內的手機用戶，將剩余手機用戶近似作為就業崗位樣本，得到的就業崗位約632萬個。居住和就業在同一地點以及本身無固定場所的工作人員(如出租汽車駕駛員、快遞員等職業)，這類數據不屬于規律性的通勤交通，予以剔除。傳統的人口普查、經濟普查數據，只能在空間上分析人口和就業崗位的數量，無法獲得居民居住地與工作地的聯系，利用手機信令數據分析居民居住地與工作地的聯系以獲得個體的職住空間關系具有重要分析價值。

表1 基站小區與交通小區的數量對比Tab.1 Comparison of the numbers of base station zones and traffic zones

應當說明，手機信令數據得到的樣本量非常大，但同樣也存在擴樣問題。不同區域的運營商手機用戶市場可能存在一定差異，簡單擴樣會存在一定誤差。當然，即使能夠分析所有運營商的信令數據，仍然存在一機雙號、一人多機的問題。這些細微的偏差有待今后進行調查抽樣校正分析。

2 基于手機信令數據的職住空間分析方法

通過被服務的基站地理位置信息，可以獲得手機所在的大致位置?；疚恢脭祿贕IS中采用點層數據存儲，一般假設手機是被最近的基站服務，因此可以構建泰森多邊形來確定基站的服務范圍，這些多邊形稱為基站小區。盡管此方法確定手機的位置存在一定的空間誤差，但當基站密度較大時，可以滿足城市居民的職住和出行空間研究的精度要求?；拘^的密度決定了手機信令分析的空間解析度，本文所選運營商在上海市基站數約4.2萬個，其中中心城區(外環線以內地區)約2萬個?；拘^數相比交通規劃模型的交通小區(4 518個)大得多，可以滿足交通模型以及職住空間分析的需要(見表1)。

通過手機信令可以獲得用戶的居住地和工作地，基于基站小區和交通小區的空間映射關系，可以得到居住地與工作地之間的距離，即通勤距離。利用手機信令數據分析一次出行采用的交通方式是有難度的。除了地下地鐵專用基站能夠識別用戶使用地鐵外，手機信令幾乎無法判別用戶采用何種交通方式。顯然，特定的居住地與工作地之間采用不同交通方式的通勤距離略有差異。由于手機信令無法識別出行方式，因此，將通勤距離統一定義為交通模型中路網的最短路徑距離。設Z為所有交通小區的集合，區域I包含若干交通小區，區域I的居民或就業崗位的平均通勤距離具體定義如下：

式中：Dhome為區域I的居民通勤距離/km；cij為居住在交通小區i，就業崗位在交通小區j的人數/人；dij為交通小區i到j的路網最短路徑距離/km；Dwork為區域I的就業崗位通勤距離/km。

對全市域而言，居民和就業崗位的平均通勤距離相同，按照上述方法得到上海市域常住人口平均通勤距離為8.2 km。通勤距離分布見圖1。

3 方法驗證

居民出行調查的優勢是包含居民社會經濟特征數據，如年齡、職業、性別、收入、住房面積等，也包括通勤交通方式，可以更加精確地分析調查樣本的通勤距離。但居民出行調查抽樣率較低，對局部區域的分析可能偏差較大，手機信令分析可以彌補這一缺點，然而通過手機信令分析定義手機用戶的職住空間位置，是根據一定的參數假設而推測，例如前文提到的居住地和工作地手機用戶出現的時間段定義。不同城市居民的活動作息時間有一定差異，上海市的時間段定義是根據歷史居民出行調查數據的經驗以及手機信令分析結果的不斷調試得到。為了驗證手機信令關于職住空間分析的可靠性，將其分析結果與居民出行調查分析得到的結果進行對比非常必要。

選取同一周的居民出行調查數據和手機信令數據，對兩種數據源的職住空間分布進行對比。限于數據資源，居民出行調查數據選取上海市嘉定新城、青浦新城、松江新城和金山新城的數據，就業人口約1.5萬人，抽樣率約為1%。根據上海市統計局的人口數據，將居民出行調查數據進行年齡、性別、教育程度、街道居委會人口總數等維度的綜合擴樣。家庭和工作單位地址采用含電子地圖的手持終端采集和地理編碼兩者校核的方式獲得空間位置。由于居民出行調查抽樣率較低，與手機信令對比的空間尺度較大時才能獲得充足的樣本，因此將就業空間分為新城內部、中心城區及其他地區。對4個新城居民的就業崗位空間分布進行對比(見圖2)，兩者具有較好的吻合度，驗證了手機信令數據分析職住空間的可靠性。

從松江新城居民通勤距離分布來看，居民出行調查和手機信令數據總體上吻合度較大，主要差異在于通勤距離為0～1 km的比例(見圖3)。這與手機信令的特點有關，手機信令剔除了職住同一地點的就業崗位以及400 m范圍以內的一部分就業崗位。另外，手機信令的位置根據基站小區確定，短距離識別存在一定誤差。

圖1 上海市域居民通勤距離分布Fig.1 Distribution of residence-to-workplace commuting distance in Shanghai metropolitan area

圖2 上海市典型新城手機信令與居民出行調查工作地分布對比Fig.2 Comparison of workplace distribution between cellular signaling and travel survey in typical new towns of Shanghai

圖3 松江新城手機信令與居民出行調查通勤距離分布對比Fig.3 Comparison of commuting distance distribution observed from cellular signaling data and conventional travel surveys in Songjiang New Town

4 上海市域職住空間分析

4.1 中心城區及周邊地區

4.1.1 通勤空間

周邊地區指中心城區周邊的寶山新城、虹橋地區、閔行新城及其他近郊地區。分析顯示，中心城區及周邊地區就業崗位90%以上來自中心城區及周邊地區的常住人口，可見居住人口與就業崗位高度重合。中心城區的人口內部就業率(居住在中心城區且也在中心城區工作的人口比例)為90%；崗位內部就業率(中心城區的就業崗位來自中心城區的人口比例)為86%，略小于人口內部就業率。說明中心城區仍然對周邊地區及其他區域具有單向吸引作用。為消除交通小區劃分對中心城區居民工作地空間分布分析的影響，先計算居民在各交通小區的就業崗位數量，然后計算崗位密度、進行逆排序，再根據就業崗位絕對數計算累積比例(見圖4a)。就業崗位居住地分布同理(見圖4b)?？梢钥闯?，雖然中心城區人口內部就業率大于崗位內部就業率，但中心城區居民到其他地區的工作地分布，相比居住在其他地區到中心城區工作的居住地分布更為分散。總的來說，中心城區居民的通勤空間主要集中在中心城區和周邊地區。

如表2和表3所示，內環內就業崗位約90%來自外環內人口；內外環間就業崗位70%來自本區域人口。內環內和內外環間的就業崗位，來自居住在周邊地區的人口比例僅為9%和14%。周邊地區就業崗位70%以上來自于本區域人口，周邊地區居民到內環內就業的人口僅占周邊地區總人口的12%。

表2 中心城區和周邊地區居民工作地分布Tab.2 Workplace distribution of residents in central district and surrounding areas%

表3 中心城區和周邊地區就業崗位居住地分布Tab.3 Residence distribution of employees in central district and surrounding areas%

4.1.2 通勤距離

圖4 中心城區通勤空間分析Fig.4 Spatial distribution analysis of commuting in central district

如表4所示，從就業崗位通勤距離來看，呈現從內到外逐漸減少的特征。就業崗位通勤距離與產業特征、就業吸引力關系密切。內外環間與周邊地區的就業崗位通勤距離差異不明顯，內環內的就業崗位通勤距離明顯較大。從居民通勤距離來看，內環內居民通勤距離明顯小于內外環間和周邊地區居民。周邊地區由于就近就業比例較大(占70%)，就業崗位通勤距離最短。由就業崗位通勤距離與居民通勤距離比值可知，從內到外該值逐步遞減，呈現了城市核心區的崗位集聚作用。

由上述分析可知，當前外環內的居住和就業具有較大的內部聯系，說明中心城區向周邊地區的蔓延僅停留在空間形態，周邊地區與中心城區職住聯系尚未達到很強的程度。但從通勤距離來看，周邊地區和內外環間呈現同質化趨勢。因此，保持內環內就業崗位的高度集聚，發展適合周邊地區的產業，引導周邊地區居民就近就業，是減緩城市空間聯系上蔓延的重要手段。

4.1.3 周邊地區分組團職住空間

為了分析周邊地區與中心城區的聯系情況，以及周邊地區發展的差異，本文將周邊地區按鎮街行政區劃分為11個組團，部分組團包含了中心城區地區(見圖5)。如表5所示，除了浦東新區的高東高橋組團和曹路合慶唐鎮組團，其他組團的居民通勤距離均大于就業崗位通勤距離，說明這些地區對外就業的特征較為明顯。與中心城區的聯系中，由于高東高橋組團大部分包含在中心地區，因此不具有可比性。周邊地區居民到中心城區就業的比例，以七寶莘莊組團、華漕新虹徐涇組團最為明顯，均超過50%。中心城區居民到周邊地區工作占當地就業崗位比例最大的是曹路合慶唐鎮組團和華漕新虹徐涇組團，均超過30%?？梢姾鐦虻貐^與中心城區軌道交通網絡對此發揮了重要的作用：一方面，中心城區軌道交通沿線崗位集聚明顯；另一方面，周邊地區居民選擇房價相對較低、但可較為方便地通過軌道交通到達的工作地。相反，由于中心城區居民居住地分布較為分散，居民到周邊地區組團工作并沒有明顯的帶狀特征。

表4 中心城區和周邊地區居民通勤距離和就業崗位通勤距離對比Tab.4 Comparison of residence-to-workplace and workplace-to-residence commuting distance in central district and surrounding areas

圖5 上海市中心城區周邊地區組團示意圖Fig.5 Surrounding clusters of Shanghai central district

表5 上海市中心城區周邊地區組團職住特征Tab.5 Job-housing characteristics of surrounding clusters of Shanghai central district

4.1.4 職住通道平衡性

用就業崗位與人口比值分析職住平衡指標是針對一定區域而言，且受到城市規模和的職住具有較強聯系。周邊地區除高東高橋組團外的所有組團，居民在中心城區的就業比例均大于就業崗位在中心城區居住的比例，說明中心城區對周邊地區組團具有明顯的吸引作用。

圖6 典型組團居民工作地累積分布Fig.6 Cumulative workplace distribution of residents in typical clusters

圖7 典型組團就業崗位居住地累積分布Fig.7 Cumulative residence distribution of employees in typical clusters

圖6和圖7分別給出與中心城區聯系較強的兩個組團的居民工作地分布和就業崗位居住地分布情況。一個普遍的特征是：周邊地區組團居民到中心城區工作，在中心城區沿主要交通廊道具有明顯的集聚帶狀特征。通勤距離的影響。因此有學者提出最小通勤(在既定人口、就業崗位分布下的最優就近就業分配情況)、最大通勤、隨機通勤、剩余通勤等概念，以衡量職住平衡[4]。職住通道平衡是指將全市交通小區的居住地到工作地的通勤矩陣，合并為若干交通大區的通勤矩陣，并在交通大區的蛛網通道上進行以居住地為起點、工作地為終點的通勤出行分配，得到通道上的通勤需求。職住通道平衡用系數來決定，定義為大流量方向值和小流量方向值的比值。

由圖8可以看出，上海市內外環間、北部地區至浦西內環內的職住通道嚴重不平衡，西北部片區的不平衡系數超過4.0，東北部片區不平衡系數也在2.2以上。通過同時期地鐵運營公司的自動售檢票系統(AFC)客流數據分析顯示，早高峰時段，由于中心城區北部地區大量居民到內環內上班，造成北部片區軌道交通線路自北向南方向均產生較為嚴重的擁擠現象。其他通道的不平衡性也不同程度導致早高峰時段軌道交通單方向上的擁擠。職住平衡總是可以在一定空間地域內實現，差別在于地域范圍的大小。然而職住通道的不平衡，僅依靠交通設施規劃無法解決。因此，職住通道平衡是體現職住總體平衡的重要指標，需要通過用地規劃調整來解決通道的平衡問題，例如在上海市新一輪城市總體規劃中，應盡可能促進中心城區北部地區轉型發展，增加就業崗位。

4.2 新城

4.2.1 通勤空間

如表6所示，松江新城和臨港新城的居民在新城內部就業的比例較高，達到86%左右。到中心城區就業比例較高的為嘉定新城和松江新城，分別為6.0%和4.3%。同時，南橋、金山、城橋、嘉定、青浦新城的居民在新城外周邊地區的就業比例也較高。這些新城的實際邊界將來可能會進一步拓展。

從新城就業崗位的居住地分布(見表7)來看：居住在新城內部比例較高的為松江新城和金山新城，分別為85.3%和79.5%；對中心城區吸引力較大的為嘉定新城和臨港新城，比例分別為7.9%和9.7%。

圖8 職住通道不平衡性與早高峰時段軌道交通擁擠程度的關系Fig.8 Relationship between imbalanced job-housing corridors and the degree of rail transit congestion during morning peak hours

表6 新城居民工作地分布Tab.6 Workplace distribution of residents in new towns%

職住空間的聯系受到空間距離、產業，以及土地開發政策等各種因素的影響。嘉定新城在空間區位上靠近中心城區，因此，無論是到中心城區就業還是中心城區到此就業的比例均較高。臨港新城與中心城區距離較遠，當地居民到中心城區就業的比例明顯低于中心城區居民到此工作的比例，這主要是近年來學校、產業從中心城區向新城遷移形成的結果，居住在中心城區的一部分居民由于傳統業務上的聯系，到臨港新城就業的需求較為突出。隨著新城產業轉型和空間發展的完善，這種聯系將會逐漸減弱。

進一步分析職住的吸引區域發現，新城和中心城區呈非對稱現象。例如嘉定新城和松江新城居民就業于中心城區內環內的比例較為明顯；而中心城區去嘉定新城和松江新城就業的居民主要居住在內外環間的地區。

4.2.2 通勤距離

一般來說就業吸引力大的區域，就業崗位通勤距離會大于區域內居民通勤距離。這是因為區域能吸引較大范圍的人來就業，并且這些區域居住的居民較大部分是就近就業(例如表4中內環內的特征)。將就業崗位通勤距離與居民通勤距離進行對比(見表8)，比值大于1說明新城具有較強的局部吸引力，或配置的就業崗位需要從外部導入；比值小于1說明新城人口對外就業的趨勢較為明顯。松江、南橋、金山、城橋新城的居民通勤距離均大于就業崗位通勤距離，但形成的機理有所不同。松江新城和南橋新城的居民，除了在新城周邊地區就業外，到中心城區就業的比例相對較高；金山新城和城橋新城的居民則主要是在新城外圍的周邊地區工作，新城居民的實際活動范圍較大程度超過了城市規劃劃定的范圍。因此，新城范圍的劃定依據一方面要考慮城市建設發展形態，另一方面更需要考慮人員活動和就業空間范圍。

表7 新城就業崗位居住地分布Tab.7 Residence distribution of employees in new towns%

表8 新城居民通勤距離和就業崗位通勤距離對比Tab.8 Comparison of residence-to-workplace and workplace-to-residence commuting distance of new towns

5 結語

本文提出基于手機信令數據分析上海市域職住空間的方法，并與居民出行調查數據進行對比驗證。主要研究結論如下：

1）中心城區的通勤空間主要集中在本區域和周邊地區，周邊地區大部分組團已經與中心城區發生較強的通勤聯系，但內部就業率仍保持較高水平，實現了就近就業。

2）從區域居民通勤距離和就業崗位通勤距離對比來看，中心城區具有明顯的集聚現象，內環內區域就業崗位通勤距離大于居民通勤距離，說明就業崗位較大的吸引作用。

3）軌道交通高峰時段客流擁擠和潮汐性與職住通道不平衡具有較大關聯，中心城區北部片區土地利用布局優化和轉型發展對職住通道的平衡至關重要。

4）新城職住空間相對較為獨立，居民內部就業率較高，新城范圍劃定對內部就業率指標有較大影響，部分新城存在職住空間與范圍不一致或內部就業率偏低的情況(如南橋新城)。新城與中心城區的聯系主要取決于與中心城區的距離，發展過程中的臨港新城盡管距離中心城區較遠，但與中心城區聯系程度相對較大，主要體現在相當一部分中心城區的居民到臨港新城工作。

在上海市新一輪城市總體規劃中，保持內環內就業崗位的高度集聚，發展適合周邊地區的產業、引導周邊地區居民就近就業，是減緩城市空間聯系上蔓延的重要手段。同時，要加強新城發展的獨立性，控制新城與中心城區之間的聯系，加大新城就業崗位增加的力度，實現城市功能有機疏解。新城的空間范圍應進一步優化和控制，既要參考用地建設范圍的形態，也要考慮居民通勤活動的范圍。

[1]冉斌.手機數據在交通調查和交通規劃中的應用[J].城市交通，2013，11(1)：72-81.Ran Bin.Use of Cellphone Data in Travel Survey and Transportation Planning[J].Urban Transport of China,2013,11(1):72-81.

[2]劉杰，胡顯標，傅丹丹，陳明威.基于無線通信網絡的人員出行信息分析系統設計與應用[J].公路交通科技，2009(S1)：151-154.Liu Jie,Hu Xianbiao,Fu Dandan,Chen Mingwei.Design and Application of Trip Information Analysis System Based on Wireless Communication Network[J].Journal of Highway and Transportation Research and Development,2009(S1):151-154.

[3]Sagl G,Delmelle E.Mapping Collective Human Activity in an Urban Environment Based on Mobile Phone Data[J].Cartography and Geographic Information Science,2014,41(3):272-285.

[4]周文娜，張天然，申立，李長風.快速城市化背景下上海市人口與就業分布及其演化的研究[J].上海城市規劃，2015(2)：44-48.Zhou Wenna,Zhang Tianran,Shen Li,Li Changfeng.Study on the Distribution of Population and Employment in Shanghai Under the Context of Rapid Urbanization[J].Shanghai Urban Planning,2015(2):44-48.

[5]鈕心毅，丁亮.利用手機數據分析上海市域的職住空間關系：若干結論和討論[J].上海城市規劃，2015(2)：39-43.Niu Xinyi,Ding Liang.Analyzing Job-housing Spatial Relationship in Shanghai Using Mobile Phone Data:Some Conclusions and Discussions[J].ShanghaiUrban Planning,2015(2):39-43.

[6]Pavlos S Kanaroglou,Christopher D Higgins,Tufayel A Chowdhury.Excess Commuting:A Critical Review and Comparative Analysis of Concepts,Indices,and Policy Implications[J].Journal of Transport Geography,2015(44):13-23.

Job-Housing Spatial Distribution Analysis in Shanghai Metropolitan Area Based on Cellular Signaling Data

Zhang Tianran
(Shanghai Urban Planning&Design Research Institute,Shanghai 200040,China)

The spatial relationship between residence and workplace primarily determines the urban spatial layout.This paper proposes a methodology to calculate commuting distance between residence and workplace by region with cellular signaling data.The comparison result shows that job-housing spatial distribution and commuting distance obtained from both travel surveys and cellular phone data are very similar.Through analyzing the job-housing spatial distribution and commuting distance in the central district and surrounding areas in Shanghai,the paper proposes a concept of balance in job-housing corridors.By reviewing the relationship between regions with imbalanced job-housing corridors and the degree of rail transit congestion,the paper emphasizes the importance of land use development for the balanced job-housing corridors.The paper discusses the zoning size impact of a new town on the statistical analysis through analyzing job-housing spatial characteristics at different new towns.The result shows that the job-housing distribution of new towns are relatively independent,and the employment rate of residents within new towns is relatively high.

job-housing spatial distribution analysis;commuting distance;cellular signaling data;balanced job-housing corridors

1672-5328（2016）01-0015-09

U491.1

A

10.13813/j.cn11-5141/u.2016.0103

2015-08-31

張天然(1980—)，男，浙江紹興人，博士，高級工程師，主要研究方向：交通規劃和政策、交通模型和交通地理信息系統。E-mail:zhangtianrantj@163.com