基于地理探測器的北京市居民通勤距離影響因素分析

李若倩,孟 斌

(1.首都師范大學 資源環境與旅游學院,北京 100048;2.北京聯合大學 應用文理學院,北京 100191)

隨著城市化和現代交通工具的快速發展,居住地和就業地分離現象越來越顯著,“職住分離”現象意味著居民通勤時間和通勤距離的增長。以北京為代表的我國特大城市居民通勤距離和通勤時間顯著延長,城市早晚高峰使上班族候車等待時間增加,同時面臨乘車擁擠和交通潮汐式擁堵等問題。通勤問題不但擠占了人們生活工作的時間，增加了經濟成本,而且影響心情,降低生活的滿意度和幸福感。

城市交通和城市過度擴張等問題所引發的城市空間重構,引起了地理學者和規劃師對這一命題的關注。居住和就業是城市空間結構的兩個重要組成要素,如何合理地安排居住和就業用地是城市規劃的一個核心問題[1]。職住分離是居住和就業空間關系的一種理想模式,是西方規劃師在與“城市病”斗爭過程中形成的一種規劃模式。職住平衡的規劃理念最早啟蒙于英國城市規劃師Howard提出的“田園城市”理論,主要是針對英國大城市出現的交通擁堵、環境惡化、農民大量涌入大城市等問題提出的一種“人們的就業地點應位于住宅的步行距離范圍之內”的規劃思想[2]。

在西方其他國家建設新城的同時,美國則掀起了郊區化熱潮。哈佛大學學者Kain J F發表了著名的關于就業與居住的“空間不匹配”論文,提出了“空間錯位”假說,引起了地理學者對世界各大城市的城市空間結構與職住關系的關注,并進行了大量的理論和實證研究[3]。通勤距離、通勤時間和通勤方式作為衡量職住分離程度常用的指標,國外學者從宏觀角度進行了分析,認為建成環境[4-8]、城市形態[4，9]等因素影響居民的通勤特征,有學者則從種族[10,11]、鄰里特征[8,12]、個體社會經濟屬性[13,14]、軌道交通[15,16]、政策性因素[17]等微觀角度對通勤時間、通勤距離的影響因素進行了廣泛研究。

自周江評將西方職住關系的研究成果介紹到國內以來,其重要性引起了國內學者的重視[18],國內有關居民職住分離影響因素的研究逐漸增多。與國外類似,國內也主要是從宏觀和微觀兩個視角進行研究。有的學者試圖從城市空間性結構[19-23]、政策性制度[24-27]等不同的角度解釋對職住分離的影響，比如眾多學者驗證了個人屬性[28-32]或社會屬性[33，34]對職住分離的影響。還有學者從多角度對職住分離的影響因素進行了歸納。如孟斌對北京的案例研究,發現居民通勤時間的變化主要受社會經濟屬性、交通發展因素、區域功能定位等多種因素的影響[32];趙西君通過對北京市空間錯位形成機制研究，發現經濟驅動力、基礎設施改善、對生活質量追求和過快的城市化速度是導致空間錯位最根本的原因[35]。此外,有學者從新的視角對通勤的影響因素進行了分析。如楊順成研究發現寧波市公眾對霧霾的認知會增加公眾的通勤時間[36]。已有研究雖然居民通勤影響因素進行了廣泛的研究,但主要是運用描述統計、方差分析、多元回歸、Logistic回歸等傳統方法圍繞一個或少數幾個影響因素進行探討,缺乏對影響因素的綜合分析,更缺乏各因素之間的重要程度和交互作用的研究。

鑒于以前的研究數據大多是傳統的人口普查和經濟普查數據,只能在空間上分析人口和就業崗位的數量,難以反映不同居民通勤影響因素和實際需求的差異,而利用手機用戶數據分析居住地與就業地之間的聯系以獲得個體的職住空間關系具有重要分析價值。本文基于中國移動公司北京市2015年12月10萬條手機移動用戶數據,運用地理探測器方法對北京市居民通勤距離影響機理進行了實證分析研究。

1 數據來源與研究方法

1.1 數據來源

本文使用中國移動公司北京市2015年12月10萬條手機移動用戶數據,與其他數據相比,具有樣本量大、時空信息準確的優勢。運用地理信息系統將手機信令定位,數據映射至研究區域,根據手機用戶定位數據和區域空間的關系確定每個數據點在區域中的具體位置,識別用戶的居住地和就業地。經過數據整理,剔除通勤距離小于500m和居住地或就業地不在研究范圍的數據,得到45，013條有效數據樣本。由于地理探測器儲存數據的有限性,本文抽取篩選后的50%樣本進行研究。數據采集覆蓋區域涉及北京市16個區,各區的用戶數據分布情況見圖1。

圖1 北京市居民居住地和就業地分布情況

數據樣本涉及用戶個體的社會經濟和空間屬性,指標包含性別、年齡、近三月平均ARPU、上月主叫次數、上月被叫次數、月均國內漫游天數、近三月平均流量、當前終端品牌類別、居住地、就業地等。根據其屬性劃分為性別、年齡、收入狀況(近三月平均流量、當前終端品牌類別)、消費水平(近三月平均ARPU)、職業(上月主叫次數、上月被叫次數、月均國內漫游天數)、居住地和就業地等7種類型的社會經濟因素。《北京城市總體規劃(2016—2030年)》將北京市劃分為四大功能區:首都功能核心區、城市功能拓展區、城市發展新區和生態涵養發展區。根據《總體規劃》的劃分,將位于首都功能核心區內的居民地劃分為核心區,位于城市功能拓展區內的居住地劃分為拓展區,位于城市發展新區和生態涵養發展區兩大區域內的居住地劃分為周邊區域(圖2)。

圖2 北京市城市功能三大區域分布

1.2 變量描述統計

根據獲取的手機用戶數據,采用10個代理變量反映居民的社會經濟屬性,見表1。通勤距離是反映職住分離的重要指標,本文取其為因變量,統計分析發現,居民通勤距離范圍為500.89—109，194.9m,平均通勤距離為8497.99m。從用戶數據統計來看,男性和女性用戶數量略有差距,男性所占比例較高,年齡主要以26—35歲青年和36—45歲中青年為主。用戶近三個月平均ARPU主要集中在60—130元/月,屬于中國移動用戶的二星級別,說明用戶的水平處于適中值。從上月主叫次數和被叫次數來看,呼叫次數主要集中在0—90次,用戶的月均國內漫游天數為0—3天群體數量最多,說明用戶的職業為普通的類型偏多,用戶近三個月平均流量0—300M的群體數量最多。就當前終端品牌類別而言,使用一線品牌手機的用戶最多,說明用戶的收入狀況較好。從居住地來看,用戶居住在朝陽區和拓展區的最多;從就業地來看,用戶工作在朝陽區和拓展區就業的用戶最多,與現實情況較接近。

1.3 研究方法

地理探測器是由中國科學院地理科學與資源研究所王勁峰研究團隊開發的,用以地理空間分區因素對疾病風險影響機理的一種方法[37]主要是由風險探測、因子探測、生態探測和交互作用探測4個部分構成。其中,風險探測主要用于搜尋影響通勤距離的風險區域,本質上類似于方差分析;因子探測主要用于檢驗自變量對因變量變異的解釋程度;生態探測主要用來解釋不同因素在影響通勤距離方面的作用是否有顯著差異;交互作用探測主要用來識別兩個自變量組合之后的綜合作用,即解釋影響因素是具有交互作用還是相互獨立。該方法具有兩大優勢:一是既可探測數值型數據,也可探測定性數據;二是可探測兩個影響因子交互組用于因變量。性別、年齡、居住地和就業地等屬于典型的類別變量,并對居民通勤距離產生重要影響[38],因此適合采用地理探測器方法來更好地揭示居民通勤距離的影響機理。

表1 北京市數據樣本手機用戶個體屬性基本特征

風險探測主要用來判斷兩個子區域間的屬性的通勤距離均值是否有顯著差別，用t統計量檢驗。其計算公式為:

(1)

因子探測主要用來測度不同手機信令事件特征因子對通勤距離的解釋程度,用q值度量。其計算公式為:

(2)

生態探測用來比較兩兩影響因子X對通勤距離Y的空間分布差異的影響是否顯著,用F統計量檢驗。其計算公式為:

(3)

交互作用探測用來識別不同影響因子XN之間的交互作用,即評估影響因子X1和X2共同作用時對通勤距離Y的解釋力是否會增強或者減弱,或這些因子對Y沒有任何影響。評估結果包括兩個因子和X2對通勤距離Y的q(X1)和q(X2)值,以及它們交互時的q(X1∩X2)值。對所得q值進行比較,兩因子之間的關系有以下類型:①如果q(X1∩X2)Max(q(X1),q(X2)),說明影響因子X1和X2的交互作用為雙因子增強;④如果q(X1∩X2)>q(X1)+q(X2),說明影響因子X1和X2的交互作用為非線性增強;⑤如果q(X1∩X2)=q(X1)+q(X2),說明影響因子X1和X2的交互作用為相互獨立的。

2 全市尺度通勤距離影響因素分析

2.1 主要影響因子比較

本文通過地理探測器的因子探測工具,分析了北京市居民不同社會經濟特征對居民通勤距離的影響程度(圖3)。

圖3 不同手機信令特征因子的因子解釋力

由相關特征因子對通勤距離的解釋力可知,性別、年齡、近三個月平均ARPU、上月主叫次數、上月被叫次數、月均國內漫游天數、近三個月平均流量、當前終端品牌類別、居住地、就業地均在0.05置信水平上顯著,同時也說明性別、年齡、收入狀況、消費水平、職業、居住地和就業地等7種類型的社會經濟因素對北京市全市通勤距離產生了不同程度的影響。在所有的特征因子中,居住地和近三個月平均流量對北京市全市通勤距離的影響力最大,解釋力分別達到了0.027912和0.018741,表明北京市居民的居住地和收入狀況對通勤距離的形成起到關鍵作用。就業地的因子解釋力相對較低,為0.003054,說明從全市尺度來看,就業地選擇對居民通勤距離的影響并不顯著。

2.2 影響因子交互作用分析

地理探測器的優勢是不僅可以測度解釋力的大小,還可以在此基礎上探測兩個特征因子之間的交互作用。本文對10個指標進行兩兩交互探測,結果見表2。

表2 影響因子交互作用結果

交互作用探測結果表明,手機信令特征因子對通勤距離的影響存在交互作用,任意兩個個體屬性因子交互作用后的因子解釋力均表現為雙因子增強和非線性增強。單因素居住地的因子解釋力最高,值為0.027912,是影響通勤距離的最主要的因素,而就業地的因子解釋力卻偏低。居住地和就業地交互作用后的因子解釋力最高,結果為0.702913,此值遠遠高于單因素居住地的因子解釋力,說明交互作用后的因子解釋力會明顯增強。即居民通勤距離受到了各種社會經濟因素的共同制約,兩個特征因子交互后的因子解釋力明顯強于原來單因素。除性別和就業地交互作用后因子解釋力降低外,其他特征因子之間交互作用后的因子解釋力均呈現出增強的結果。

3 區域尺度下通勤距離影響因素分析

3.1 不同區域主要影響因子的比較

本文通過地理探測器的因子探測工具,分析比較了北京全市、核心區、拓展區和周邊區域不同尺度下個體社會經濟因素對通勤距離的影響程度。北京全市、核心區、拓展區和周邊區域的因子探測結果見表3。

表3 北京市、核心區、拓展區和周邊區域因子探測結果

在對北京全市的分析中,特征因子均在0.05置信水平上顯著,居住地的因子解釋力最高,是影響北京市全局通勤距離的主要影響因素,就業地的因子解釋力偏低。在對北京不同區域尺度的分析中,就業地的因子解釋力在核心區、拓展區和周邊區域均最高,因此在區域尺度上就業地也是影響北京居民通勤距離的主要影響因素,而核心區和拓展區的居住地因子影響在0.05置信水平上不顯著。雖然就業地是影響核心區、拓展區和周邊區域通勤距離的主要因素,但在不同區域的影響程度存在一定的差距。根據因子解釋力的強弱進行排序依次為核心區>拓展區>周邊區域(圖4)。除就業地的因子解釋力最高外,核心區上月被叫次數的因子解釋力較高,表明職業對核心區居民通勤距離差異起到了關鍵作用。托展區近三個月平均流量的因子解釋力也較高,表明收入狀況對拓展區居民通勤距離的差異起到了關鍵作用;周邊區域而言,近三個月平均流量的解釋力較高,其值高于拓展區,表明收入狀況對周邊區域居民通勤距離的形成起到了關鍵作用。

圖4北京全市、核心區、拓展區和周邊區域因子解釋力比較

3.2 影響因子的區域差異

全市、核心區、拓展區和周邊區域交互作用探測結果表明,不同的特征因子對通勤距離的影響存在交互作用,任意兩個屬性因子交互作用的解釋力均表現為雙因子增強和非線性增強。從圖5可見,就單要素而言,核心區就業地的因子解釋力最高,為0.763052,是影響通勤距離的最主要因素,居住地呈現不顯著的狀態,但居住地和就業地交互作用后的因子解釋力更高,結果為0.797384,此值高于單因素就業地的因子解釋力;對拓展區的單要素而言,就業地的因子解釋力最高,為0.369311,是影響通勤距離的最主要的因素,而居住地不顯著,但居住地和就業地交互作用后的因子解釋力有所提高,為0.398788,高于單因素就業地的因子解釋力;在周邊區域,單要素就業地的因子解釋力最高,為0.223002,此時雖然居住地在0.05置信水平上顯著,其因子解釋力偏低,但居住地和就業地交互作用后的因子解釋力最高,結果為0.7222,此值遠遠高于單因素就業地的因子解釋力。雖然居住地和就業地交互作用后結果是影響全局、核心區、拓展區和周邊區域的最主要的影響因素,但在不同區域的影響程度存在一定差距,根據因子解釋力的強弱排序依次為核心區>周邊區域>全市>拓展區。

圖5 北京全市、核心區、拓展區和周邊區域就業地與居住地交互作用結果比較

總之,將北京市分為三大區后進行研究,每個區的通勤距離主要影響因素是不同的,相同影響因素的解釋力有很大差異。其中,核心區主要是受就業地、職業因素的影響,拓展區受就業地、收入等因素的影響,周邊區域受就業地、收入等因素的影響。與北京市全市而論,最大的不同點在于就業地是三大區最主要的影響因素,而就業地在北京市全市研究中缺乏解釋力。

4 結論

分析居民的通勤距離的影響因素對緩解交通擁堵、提升居民幸福感和加強北京城市建設具有重要的實踐意義。本文通過手機信令數據提取的變量作為潛在的影響因素,并借助地理探測器方法很好地發現和解釋了通勤距離的影響因素,為開展職住分離相關研究提供了新的研究視角和研究方法,也為北京城市建設提供了新的啟示。

主要研究結論:①北京市居民通勤距離的影響因素有7種類型的社會經濟屬性,居住地和收入狀況對北京全市居民通勤距離的差異具有關鍵作用;就業地、收入狀況和職業對北京局域居民通勤距離的差異具有關鍵作用,所以居住地、就業地、收入狀況和職業等影響因素對居民通勤距離的影響顯著。②就單個要素而言,北京市全市尺度下居住地因子的解釋力最高,是影響居民通勤距離最主要的因素,但就業地的因子解釋力偏低。在北京市局域研究中,就業地成為影響居民通勤距離最主要的因素,且居住地在核心區和拓展區中呈不顯著狀態。③就交互作用后的結果而言,不論是北京全市還是局域,居住地和就業地交互作用后的因子解釋力最高,其值高于任何一個單要素的因子解釋力,說明居住地和就業地交互作用后是影響北京市居民通勤距離最主要的因素,同時驗證了居民的社會經濟屬性交互作用對居通勤距離具有更好的解釋作用。④就全市和核心區、拓展區、周邊區域而言,雖然居住地和就業地交互作用后結果是影響全市、核心區、拓展區和周邊區域最主要的影響因素,但其影響的程度存在一定差距,根據因子解釋力的強弱進行排序依次為核心區>周邊區域>全市>周邊區域。本文利用地理探測器對北京市居民通勤距離的影響因素進行了分析,并對因子的交互作用進行了重點比較,但影響通勤距離的因素的是多維的。由于數據獲取的原因,本研究難以把所有的影響因素考慮詳盡,后期還需要結合其他的影響因素對居民通勤距離做進一步探討。