工作流驅(qū)動的城市人口與就業(yè)空間模擬

王 藝,張 紅,鄧 雯

(1.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院,四川 成都 611756;2.華東師范大學(xué)城市與區(qū)域科學(xué)學(xué)院,上海 200241;3.華東師范大學(xué)全球創(chuàng)新與發(fā)展研究院,上海 200062)

0 引言

21世紀(jì)以來,世界城市化程度明顯提高,2010年城市地區(qū)居住人口占比在50%以上[1,2]。城市是居民居住、生產(chǎn)和生活的主要場所[3,4],就業(yè)地和居住地等活動位置的選擇影響著城市內(nèi)部空間結(jié)構(gòu)[5],合理規(guī)劃城市土地利用及勞動力分配對實(shí)現(xiàn)空間平等有重要意義。目前,學(xué)者對城市空間結(jié)構(gòu)的時(shí)空特征、演化過程、影響因素與驅(qū)動機(jī)制等開展了大量研究,闡述了人口和就業(yè)對城市空間結(jié)構(gòu)演化分析的重要性[6-9]。結(jié)構(gòu)主義認(rèn)為城市空間結(jié)構(gòu)是解釋人口和就業(yè)時(shí)空分布的工具,提倡將城市劃分為就業(yè)中心、住宅區(qū)以及通勤成本3種基本結(jié)構(gòu)要素,而由觀察、經(jīng)驗(yàn)構(gòu)建的計(jì)算機(jī)模擬實(shí)驗(yàn)是實(shí)現(xiàn)城市空間結(jié)構(gòu)統(tǒng)計(jì)和數(shù)學(xué)研究的可信賴途徑[10]。其中,城市土地利用/交通交互(Land Use/Transport Interaction,LUTI)模型可用于模擬人口活動及空間分布[11,12],而Lowry提出的研究大都市人類活動空間組織的城市模擬模型是第一個(gè)可操作的LUTI微觀模擬仿真模型[13]。隨后,Garin將Lowry的迭代公式優(yōu)化為有唯一解的矩陣方程組,使勞動參與率、可達(dá)性等因素對空間結(jié)構(gòu)的影響得以量化[14]。學(xué)者們拓展了Lowry模型在城市及區(qū)域空間演化模擬中的應(yīng)用,構(gòu)建了METROPILUS、DRAM/EMPAL和TELUM等模型以模擬美國大都市區(qū)的人口與就業(yè)發(fā)展[15],提出了QUANT模型以模擬就業(yè)地點(diǎn)、人口和交通的相互作用[16],開發(fā)了TIGRIS XL模型用于探索交通與土地利用政策對城市居民與企業(yè)選址活動的影響[17]。國內(nèi)研究起步較晚,多見于對Lowry模型的初步梳理和應(yīng)用[18-20],如將Lowry模型框架引入北京市城市擴(kuò)張和空間發(fā)展研究,以揭示城市空間組織演化特征[21,22],或借助Lowry模型實(shí)現(xiàn)基建選址與效益評估[23],也有學(xué)者嘗試改進(jìn)靜態(tài)的Lowry模型,使之既能描述城市發(fā)展過程中人口及就業(yè)的動態(tài)分布格局[24],又能模擬預(yù)測不同政策下的城市空間演化情況[25]。

模擬研究的難點(diǎn)之一在于尋求最優(yōu)解,為此,研究者需要花費(fèi)大量時(shí)間重復(fù)實(shí)驗(yàn)步驟并比較實(shí)驗(yàn)結(jié)果[26]。科學(xué)工作流以盡可能簡單、透明的方式記錄了數(shù)據(jù)處理過程的細(xì)節(jié),例如:數(shù)據(jù)輸入、輸出及分析的各個(gè)功能實(shí)現(xiàn)及其組合方式[27-29]具備可共享、可執(zhí)行、任務(wù)自動化等優(yōu)點(diǎn),成為執(zhí)行可重復(fù)、可拓展空間分析任務(wù)的有效工具[30-32]。科學(xué)工作流管理系統(tǒng)允許用戶創(chuàng)建和重用分析任務(wù),提供圖形用戶界面確保分析過程可視、可記錄、可及時(shí)調(diào)整[33-35]。目前開源的工作流管理系統(tǒng)主要有KNIME(Konstanz Information Miner)、VisTrails、YesWorkflow、Taverna、Makeflow、Nextflow等。其中,KNIME是一個(gè)可高度拓展的平臺,它無縫銜接了各種專業(yè)統(tǒng)計(jì)分析工具或第三方庫(如R、Python),且能提供大量功能模塊,支持用戶借助少量代碼實(shí)現(xiàn)復(fù)雜的分析任務(wù);同時(shí),該平臺支持對組件進(jìn)行積木式組合拼接以靈活構(gòu)建工作流模型,各組件獨(dú)立運(yùn)行并記錄運(yùn)行結(jié)果,整個(gè)數(shù)據(jù)分析過程清晰直觀,用戶可基于定制化的低代碼可視編程界面和簡單直觀的節(jié)點(diǎn)結(jié)構(gòu),實(shí)現(xiàn)數(shù)據(jù)集成、檢索與分析操作,并獲取詳細(xì)的結(jié)果報(bào)告;相比其他平臺,KNIME支持有選擇地執(zhí)行工作流程中的每個(gè)節(jié)點(diǎn),用戶可隨時(shí)修正模型、查看結(jié)果或?qū)崿F(xiàn)交互操作[36]。地理學(xué)者利用KNIME進(jìn)行太陽輻射建模和實(shí)證分析[37],創(chuàng)建可復(fù)用的COVID-19傳播可視化模板以幫助各國衛(wèi)生局識別傳播源[38],使用地理社交媒體資源創(chuàng)建可重復(fù)、透明的災(zāi)難響應(yīng)分析流程[31],借助平臺的空間分析軟件(K-span)構(gòu)建數(shù)字高程模型數(shù)據(jù)集[36]等。

由于城市系統(tǒng)本身的復(fù)雜性,有關(guān)Lowry模型在城市空間結(jié)構(gòu)模擬領(lǐng)域的研究仍較鮮見。為提升城市空間建模的效率、靈活性、可共享性和可移植性,本文以描述城市人口與就業(yè)關(guān)系的Garin-Lowry模型為例,基于KNIME平臺開發(fā)Garin-Lowry模型工作流,探究多種情景下城市人口及就業(yè)分布特征,并驗(yàn)證多種城市交通與行為地理假設(shè)。

1 Garin-Lowry模型

Garin-Lowry模型是一種廣為接受的城市人口與就業(yè)關(guān)系模型,它以經(jīng)濟(jì)基礎(chǔ)和重力模型為基本假設(shè)[39],依據(jù)預(yù)先給定的研究區(qū)域基礎(chǔ)就業(yè)分布和交通網(wǎng)絡(luò)通行時(shí)間,模擬研究區(qū)域的人口和服務(wù)業(yè)就業(yè)分布。

1.1 基本假設(shè)

Garin-Lowry模型在探究城市空間結(jié)構(gòu)時(shí),著重考慮城市系統(tǒng)中人口的居住空間、城市交通網(wǎng)絡(luò)以及城市產(chǎn)業(yè)空間三者的相互作用,模型構(gòu)建基于如下基本假設(shè)[40,41]:①基于經(jīng)濟(jì)基礎(chǔ)理論,假定提供就業(yè)崗位的部門包括基礎(chǔ)部門和非基礎(chǔ)部門,對應(yīng)地,就業(yè)模式分為基礎(chǔ)就業(yè)和非基礎(chǔ)就業(yè)[14]。②基礎(chǔ)部門由位置外生的活動組成,其選址位置固定,基礎(chǔ)部門的產(chǎn)業(yè)不依賴當(dāng)?shù)厥袌龅男姓⒐I(yè)和商業(yè)活動,基礎(chǔ)就業(yè)能獨(dú)立為除當(dāng)?shù)匾酝鈪^(qū)域提供服務(wù)和產(chǎn)品,是模型的外生變量。③非基礎(chǔ)部門生產(chǎn)的產(chǎn)品和服務(wù)在區(qū)域內(nèi)被消費(fèi),主要提供醫(yī)生、教師、客服等與當(dāng)?shù)厝藗兓顒泳o密相關(guān)的就業(yè)崗位,這些非基礎(chǔ)型就業(yè)受人口分布狀況影響較大,也稱服務(wù)型就業(yè),其數(shù)量和分布是模型的內(nèi)生變量。④一定時(shí)間范圍內(nèi),各區(qū)域的人口和就業(yè)分布之間相互依存且相互作用。基礎(chǔ)部門生產(chǎn)的貨物和服務(wù)輸出到除當(dāng)?shù)匾酝獾牡胤?其就業(yè)主要取決于區(qū)域外部的需求,較少受人口分布的影響;非基礎(chǔ)就業(yè)部門主要為當(dāng)?shù)厥袌鎏峁┓?wù),其就業(yè)取決于當(dāng)?shù)匦枨笄覅^(qū)位非常重要。

1.2 人口與就業(yè)的求解

根據(jù)Garin-Lowry模型,將研究區(qū)域劃分為n個(gè)通過交通網(wǎng)絡(luò)相互連接的子區(qū)域,各子區(qū)域均具有居住和工作雙重功能屬性。基礎(chǔ)就業(yè)人數(shù)(B)、服務(wù)型就業(yè)人數(shù)(S)和人口(P)均可表示為一個(gè)n維向量,將每個(gè)小區(qū)編號為1、2、…、n,則Bi、Si和Pi分別表示子區(qū)域i內(nèi)基礎(chǔ)就業(yè)人數(shù)、服務(wù)型就業(yè)人數(shù)和人口數(shù)。已知研究區(qū)域基礎(chǔ)就業(yè)人數(shù)B,基于假設(shè)④可確定各子區(qū)域的服務(wù)型就業(yè)人數(shù)Si和居民人數(shù)Pi。由于人口分布將產(chǎn)生相應(yīng)的服務(wù)需求,當(dāng)人口分布確定時(shí),可憑借生產(chǎn)約束的引力模型為各子區(qū)域分配服務(wù)就業(yè)[42]。每個(gè)子區(qū)域i的服務(wù)就業(yè)人數(shù)Si取決于i區(qū)域的市場潛力(服務(wù)就業(yè)需求潛力),即任一區(qū)域j的居民都有可能選擇區(qū)域i提供的服務(wù),選擇區(qū)域i的可能性與任一區(qū)域的人口數(shù)有關(guān),也與區(qū)域j到區(qū)域i的距離占區(qū)域j到任一子區(qū)域距離總和的比重有關(guān)(式(1))。

(1)

式中:dij為區(qū)域i、j之間的通行時(shí)間,α為購物行為距離摩擦系數(shù),e為給定常數(shù),表示服務(wù)業(yè)就業(yè)人數(shù)占總?cè)丝诒戎?tij為區(qū)域i、j之間的通行時(shí)間占所有區(qū)域到j(luò)區(qū)總時(shí)長的比例。

為模擬居住需求差異產(chǎn)生的職住分離,即在區(qū)域j居住的職工可能在區(qū)域i工作,當(dāng)基礎(chǔ)就業(yè)和服務(wù)型就業(yè)的情況已知時(shí),憑借吸引約束引力模型為各子區(qū)域分配居住人口[42],各子區(qū)域j的人口Pj由全部區(qū)域的就業(yè)情況E決定,并綜合考慮通勤時(shí)間的影響,得到公式如下:

(2)

式中:β為通勤行為距離摩擦系數(shù),h為給定常數(shù),表示總?cè)丝谡伎偩蜆I(yè)人數(shù)比重,gji為第i區(qū)就業(yè)對所有區(qū)域影響中第j區(qū)人口受影響占比。

Garin-Lowry模型通過線性方程組的方式求解人口與就業(yè)的精確解,借助向量S、B和P描述人口與就業(yè)分布,對式(1)和式(2)進(jìn)一步簡化得到矩陣方程組(式(3)),由于僅存在未知變量S和P,此處方程數(shù)量等于未知數(shù)的個(gè)數(shù),可求得唯一解。

(3)

式中:T=(etij),是由人口分布生成的服務(wù)就業(yè)矩陣;G=(hgji),是由就業(yè)生成的人口分布矩陣。

2 Garin-Lowry模型空間模擬的工作流實(shí)現(xiàn)

城市人口與就業(yè)情況的模擬涉及建模過程和模型開發(fā)兩方面:建模過程指向科學(xué)工作流程的設(shè)計(jì),如設(shè)計(jì)應(yīng)用情景和構(gòu)建模型輸出所需信息;模型開發(fā)是模擬計(jì)算的核心,使用可復(fù)用、參數(shù)可調(diào)的模型組件以確保工作流程的遷移性,各模型組件封裝不同算法,形成獨(dú)立可計(jì)算的單元,支持多源數(shù)據(jù)讀寫,可實(shí)現(xiàn)分類、回歸、聚類等機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘算法,也可調(diào)用R、Python等的第三方庫自定義模型算法。借助KNIME記錄模擬過程可增加數(shù)據(jù)處理步驟的透明性,通過靈活調(diào)整參數(shù)設(shè)置并自動執(zhí)行模型以展示最終的可視化分析結(jié)果。

2.1 基本思路

本研究通過模擬和比較不同城市形態(tài)與結(jié)構(gòu)下人口及就業(yè)分布特征,揭示城市交通與土地利用之間的空間交互特性。城市空間結(jié)構(gòu)包括城市物理空間結(jié)構(gòu)(UPSS)和城市互動空間結(jié)構(gòu)(UISS)。首先,城市的建成環(huán)境從物理空間上確定了城市資源的配置,如企業(yè)分布、交通網(wǎng)絡(luò)格局等,不同的基礎(chǔ)就業(yè)分布格局對應(yīng)不同的城市空間結(jié)構(gòu),基礎(chǔ)就業(yè)作為外生變量,其企業(yè)廠房既可集中于城市中央,也可散布于任意城市區(qū)域,假設(shè)作為內(nèi)生變量的人口與服務(wù)就業(yè)在各城市區(qū)域均有分布,且其分布具有空間異質(zhì)性[43-46]。其次,人類的居住、就業(yè)、購物等行為塑造了城市互動空間結(jié)構(gòu),不同的行為以旅行、商品交換等形式發(fā)生,而道路為城市人口及貨物流動提供了交通便利,故本文所構(gòu)建模型可用于模擬交通網(wǎng)絡(luò)對人口和就業(yè)分布的影響,如城市可通過新建高速公路縮短旅行時(shí)間,也可加密路網(wǎng)以增加交通供給。最后,道路是最基本的城市形態(tài)要素,不同街區(qū)布局與路網(wǎng)組織方式下的城市形態(tài)多樣,例如:規(guī)則格網(wǎng)城市的所有街區(qū)形狀相同,放射性城市的街道以環(huán)狀圍繞城市中心輻射分布,蜂窩狀城市結(jié)構(gòu)則具有“中心輻射”特性,以最大化實(shí)現(xiàn)土地的集約利用,可對多種城市形態(tài)下城市人口與就業(yè)空間分布進(jìn)行對比。

基于上述假設(shè),本文模擬了多種城市人口與就業(yè)分布情景,使用工作流簡化對實(shí)驗(yàn)過程的描述,并利用不同任務(wù)及其之間的數(shù)據(jù)依賴關(guān)系表達(dá)多情景模擬實(shí)驗(yàn)過程(圖1)。首先整理模擬情景并輸入相關(guān)數(shù)據(jù);然后明確城市概況,調(diào)控各項(xiàng)情景模擬任務(wù)以確切描述實(shí)驗(yàn)?zāi)繕?biāo);接著調(diào)控模型參數(shù),確保模型運(yùn)算正確;最后展現(xiàn)計(jì)算結(jié)果,可視化各城市人口與就業(yè)的分布特征。

圖1 城市人口及就業(yè)模擬工作流程

2.2 Garin-Lowry模型的組件設(shè)計(jì)

工作流以“節(jié)點(diǎn)”為基本處理單元,通過節(jié)點(diǎn)“端口”間的“數(shù)據(jù)管道”實(shí)現(xiàn)數(shù)據(jù)流通,保障工作流有序執(zhí)行。節(jié)點(diǎn)具有多種功能,如多源異構(gòu)數(shù)據(jù)的輸入輸出、數(shù)據(jù)篩選和清洗、運(yùn)行結(jié)果可視化、圖表和地圖統(tǒng)計(jì)等,節(jié)點(diǎn)被執(zhí)行后,可以通過圖形用戶界面及時(shí)檢查輸出。KNIME還提供了交互窗口,用戶可以按需調(diào)整輸入?yún)?shù)。組件可以用于封裝工作流的各個(gè)部分,并可以在工作流之間重復(fù)使用,從而支持創(chuàng)建復(fù)雜但結(jié)構(gòu)良好的工作流。

Garin-Lowry模型涉及參數(shù)較多,本文封裝GL組件以實(shí)現(xiàn)該功能。工作流中Python Script節(jié)點(diǎn)與GL組件調(diào)用了若干Python社區(qū)擴(kuò)展庫,包括GeoPandas、Pandas、Numpy、NetworkX、momepy、spaghetti、SciPy和matplotlib,在運(yùn)行前應(yīng)先完成運(yùn)行環(huán)境的配置。組件中行過濾選擇器用于簡化輸入表,單選按鈕、下拉框、數(shù)字輸入框等節(jié)點(diǎn)用于不同參數(shù)交互設(shè)置。例如,下拉框可以指定Location ID Field、Basic Employment Field以及計(jì)算結(jié)果對應(yīng)的字段;數(shù)字輸入框允許用戶手動輸入特定數(shù)值范圍和數(shù)字精度的浮點(diǎn)數(shù),默認(rèn)情況下ALPHA和BETA的值均為1.0,而H和E由美國統(tǒng)計(jì)摘要數(shù)據(jù)計(jì)算得到。使用Python Script節(jié)點(diǎn)編寫Garin-Lowry模型求解程序,輸入數(shù)據(jù)為研究區(qū)基礎(chǔ)就業(yè)數(shù)據(jù)、距離數(shù)據(jù)和交互界面設(shè)置的各種變量,計(jì)算得到的人口和服務(wù)就業(yè)數(shù)據(jù)將輸出到基礎(chǔ)就業(yè)數(shù)據(jù)的屬性表中。組件中各變量預(yù)定義了默認(rèn)的缺省值,既可在視圖中直接修改并重新運(yùn)行,也可按需增刪控件節(jié)點(diǎn)。例如,當(dāng)未輸入矢量數(shù)據(jù)時(shí),可在組件內(nèi)增加數(shù)字輸入框控制節(jié)點(diǎn)Threshold以控制ALPHA和BETA的變化間隔,并將原有的ALPHA和BETA字段分別修改為兩個(gè)變量的最大值和最小值,通過指定數(shù)字間隔生成兩個(gè)變量的取值列表,然后進(jìn)行排列組合,可以模擬出多組ALPHA和BETA取值。循環(huán)節(jié)點(diǎn)用于控制模擬次數(shù),將多次計(jì)算結(jié)果合并輸出在同一張表上。

2.3 Garin-Lowry模型的多情景模擬

KNIME工作臺以串并聯(lián)的方式集成多個(gè)處理單元并搭建完整工作流。本文設(shè)計(jì)的用于模擬城市人口與就業(yè)的Garin-Lowry模型包括3個(gè)步驟(圖2),圖2中被重復(fù)使用、修正過參數(shù)的處理單元用橙色背景的子標(biāo)題區(qū)分。本文使用KNIME分析平臺的節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)的常規(guī)處理(如輸入輸出及可視化),使用自定義的GL組件完成多情景模型計(jì)算模擬。

圖2 本地端工作流部署

1)數(shù)據(jù)輸入與查詢。輸入數(shù)據(jù)包括研究區(qū)域的面狀邊界、中心點(diǎn)以及交通網(wǎng)絡(luò)3類矢量數(shù)據(jù),用戶僅需設(shè)置矢量數(shù)據(jù)所在路徑即可。為增加模型共享的便捷性,此處調(diào)用Python的擴(kuò)展庫GeoPandas實(shí)現(xiàn)對*.zip格式Shapfile文件的讀取。在KNIME中矢量數(shù)據(jù)被存儲為表(Table)形式,字段wkt負(fù)責(zé)記錄坐標(biāo)信息,默認(rèn)讀取的OBJECTID字段為唯一標(biāo)識符以區(qū)分不同的子區(qū)域、路網(wǎng)等實(shí)體。利用Python的擴(kuò)展庫matplotlib實(shí)現(xiàn)從表到地圖的數(shù)據(jù)格式轉(zhuǎn)化,以查詢輸入數(shù)據(jù)。

2)距離矩陣計(jì)算。將任意兩個(gè)子區(qū)域之間的距離定義為區(qū)域中心間的最短路網(wǎng)距離,路網(wǎng)距離既可以是路網(wǎng)空間距離,也可以是通行時(shí)長。當(dāng)需調(diào)整路網(wǎng)密度、限速時(shí),可重復(fù)調(diào)用該P(yáng)ython Script節(jié)點(diǎn)并修改weight變量以確保最短路徑計(jì)算的準(zhǔn)確性。在輸出的距離表中,任意兩個(gè)子區(qū)域分別由OriginID與DestinationID標(biāo)識,其距離由NetwkTime字段記錄。

3)人口與服務(wù)就業(yè)分布模擬。利用開發(fā)的GL組件,針對不同的場景分別調(diào)整參數(shù),模型的運(yùn)行結(jié)果同樣由matplotlib展示。

上述功能模塊已發(fā)布至數(shù)據(jù)共享網(wǎng)站(10.6084/m9.figshare.23677101)。

3 城市人口與就業(yè)分布模擬案例

本文旨在探究不同城市形態(tài)、基本就業(yè)布局和交通網(wǎng)絡(luò)條件下人口及就業(yè)的分布特征。首先生成同心圓、矩形網(wǎng)格和六邊形3類假想城市,設(shè)置相應(yīng)的實(shí)驗(yàn)變量;然后將城市進(jìn)一步劃分為單就業(yè)中心與多就業(yè)中心兩類,后者對應(yīng)隨機(jī)、均勻和相對集中3種情景,模擬并比較不同類型、不同中心格局下城市人口與就業(yè)分布的空間特征;最后,模擬不同路網(wǎng)可達(dá)性下城市人口與就業(yè)分布的特征差異。

3.1 3類假想城市

傳統(tǒng)城市空間研究中,可將城市簡化為具有簡單、規(guī)則幾何形狀的理想城市,如巴洛克時(shí)期的圓環(huán)城市、18世紀(jì)末美國的規(guī)則格網(wǎng)城市和20世紀(jì)初中心地理論假設(shè)的六邊形城市。本文選取同心圓、矩形網(wǎng)格和蜂窩3種不同的假想城市形態(tài),各城市總面積相同且均包含121個(gè)等面積子區(qū)域。其中,同心圓城市由11個(gè)圓環(huán)和12條放射狀道路組成,矩形網(wǎng)格城市沿橫縱方向分別由12條交通網(wǎng)絡(luò)切分,蜂窩城市則由121個(gè)正六邊形拼接而成,任意鄰接的兩子區(qū)域間共享一條道路(圖3)。

各城市數(shù)據(jù)包括分布區(qū)域面狀要素、區(qū)域質(zhì)心點(diǎn)要素和交通網(wǎng)絡(luò)線要素?cái)?shù)據(jù)(表1)。在仿真模擬中,只考慮城市的空間結(jié)構(gòu),而忽略城市的地理坐標(biāo)系或距離測量單位。

表1 實(shí)驗(yàn)數(shù)據(jù)

3.2 不同基礎(chǔ)就業(yè)格局下城市人口與服務(wù)就業(yè)分布模擬

根據(jù)城市中心的數(shù)量,基礎(chǔ)就業(yè)格局又可進(jìn)一步劃分為單中心情景和多中心情景。基礎(chǔ)就業(yè)單中心情景參考經(jīng)典的單中心城市Alonso-MillsMuth模型,假設(shè)城市的基礎(chǔ)就業(yè)全部集中于中央商務(wù)區(qū)(CBD),即城市中心子區(qū)域基礎(chǔ)就業(yè)人數(shù)為100,其余子區(qū)域基礎(chǔ)就業(yè)人數(shù)為0,進(jìn)而利用Garin-Lowry模型模擬3類假想城市人口和服務(wù)型就業(yè)的分布情況(圖4),發(fā)現(xiàn)在基礎(chǔ)就業(yè)單中心分布情景下,人口數(shù)量與服務(wù)就業(yè)人數(shù)分布表現(xiàn)出從中心向外圍逐層遞減的特征,符合城市人口密度的距離衰減規(guī)律[47]。不同城市形態(tài)中,蜂窩城市中心城區(qū)和郊區(qū)之間人口數(shù)量差異最大(極差為5.93)、矩形網(wǎng)格城市次之(極差為5.46)、同心圓城市最小(極差為5.12),這可能是因?yàn)榉涓C狀城市布局本身具有多層級的特點(diǎn),各種資源集中分布在高等級城市中心,城區(qū)吸引力較大所致。盡管如此,不同形態(tài)的城市人口數(shù)量差異的極差值相差不超過1,表明各形態(tài)城市人口分布差異相對較小。由各城市服務(wù)就業(yè)模擬結(jié)果可知,3種形態(tài)城市的服務(wù)就業(yè)衰減速度(極差不超過1)均顯著低于人口(極差大于5)。采用自然斷點(diǎn)法對服務(wù)就業(yè)人數(shù)進(jìn)行分類,發(fā)現(xiàn)各類子區(qū)域數(shù)量相近,說明服務(wù)就業(yè)分布幾乎不受城市形態(tài)影響,而是隨人口數(shù)量變化。這主要緣于基礎(chǔ)就業(yè)一定時(shí),居民住所選擇主要受基礎(chǔ)就業(yè)的位置約束,就業(yè)機(jī)會越多的區(qū)域居住人口越多;而服務(wù)型就業(yè)選址更靈活。

圖4 基礎(chǔ)就業(yè)單中心情景下不同形態(tài)城市人口與服務(wù)就業(yè)分布情況

對于多中心情景,假設(shè)城市包含1個(gè)位于城市幾何中心的主中心和n-1個(gè)副中心,根據(jù)主副中心的分布格局,將基礎(chǔ)就業(yè)分布設(shè)置為均勻分布、隨機(jī)分布和相對集中分布3種情景。其中,均勻分布意味著主中心和各副中心的基礎(chǔ)就業(yè)機(jī)會均等且空間均衡,此時(shí)各中心基礎(chǔ)就業(yè)規(guī)模為100/n;在隨機(jī)分布情景下,僅部分副中心與主中心擁有相同就業(yè)機(jī)會;在相對集中分布情景下,主中心及其鄰近的副中心集中了所有基礎(chǔ)就業(yè)。為便于比較,將隨機(jī)與相對集中分布情景中包含基礎(chǔ)就業(yè)機(jī)會的主中心及副中心數(shù)量設(shè)為一致,模擬結(jié)果如圖5和圖6所示。可以看出,3種多中心分布情景下,城市的人口與服務(wù)就業(yè)均表現(xiàn)出中心—外圍距離衰減特征,但城市內(nèi)部的人口數(shù)量分異程度不一。就主中心而言,蜂窩城市變化最明顯(極差從8.61降至4.78),其次為同心圓城市(極差從8.16降至4.89),矩形網(wǎng)格城市受基礎(chǔ)就業(yè)數(shù)量的影響最小。隨著提供同等基礎(chǔ)就業(yè)機(jī)會的副中心數(shù)量增加,人口涌入城市主中心的需求降低,人口分流導(dǎo)致主中心人口密度下降。對于具有多層級特征的蜂窩城市而言,基礎(chǔ)就業(yè)子區(qū)域數(shù)量的增加進(jìn)一步強(qiáng)化了這種多層級特征,使副中心成為人口和經(jīng)濟(jì)活動的集聚點(diǎn)。相比之下,矩形網(wǎng)格城市相對規(guī)整、同心圓城市較集中,增加基礎(chǔ)就業(yè)子區(qū)域數(shù)量可能對整體分布影響較均衡,人口變化趨于平緩。當(dāng)基礎(chǔ)就業(yè)的空間分布離散程度增加時(shí),各子區(qū)域間城市人口規(guī)模的差異逐漸縮小,隨機(jī)分布情形下差異程度最低。這主要是由于當(dāng)大型工廠散布于城市各處時(shí),基礎(chǔ)就業(yè)將不僅集中于城區(qū),綜合考慮生活舒適程度和通勤成本,居民傾向于選擇在工作單位附近定居。

圖5 基礎(chǔ)就業(yè)多中心情景下不同形態(tài)城市人口分布情況

圖6 基礎(chǔ)就業(yè)多中心情景下不同形態(tài)城市服務(wù)就業(yè)分布情況

綜上,城市形態(tài)和中心格局并不會改變?nèi)丝诩胺?wù)就業(yè)從中心向外圍遞減的圈層分布特點(diǎn),基礎(chǔ)就業(yè)子區(qū)域數(shù)量的增長和分布的離散化均會降低城市各區(qū)域人口數(shù)量分異,但二者對服務(wù)就業(yè)的影響程度極低,并且基礎(chǔ)就業(yè)子區(qū)域數(shù)量變化對蜂窩城市人口分布的影響最大。

3.3 不同交通網(wǎng)絡(luò)下城市人口與就業(yè)分布模擬

為模擬并分析交通網(wǎng)絡(luò)對城市人口與就業(yè)分布的影響,保持城市面積與空間結(jié)構(gòu)等參數(shù)不變,僅改變距離摩擦系數(shù),發(fā)現(xiàn)人口與就業(yè)依然從中心向外圍逐層遞減,但變化幅度不同。以同心圓城市為例,從中任選某一輻射方向的11個(gè)子區(qū)域并分別繪制各區(qū)域內(nèi)人口及服務(wù)就業(yè)規(guī)模變化的折線圖(圖7)。從圖7可知,當(dāng)α一定時(shí),β的變化對城市中心人口規(guī)模的影響明顯;當(dāng)β一定時(shí),不同α并未引起人口規(guī)模的明顯變化;增大α或β均會使服務(wù)就業(yè)折線變得陡峭。這表明隨著交通條件的改善,通勤行為距離摩擦系數(shù)β將減小,人們有更多的居住選擇機(jī)會,一部分居民傾向于選擇遠(yuǎn)離市中心、環(huán)境更合適、面積更大的住所;交通便利同時(shí)也使城市外環(huán)居住的人數(shù)上漲,服務(wù)行業(yè)就業(yè)的人員仍延續(xù)就近上班的準(zhǔn)則,導(dǎo)致城市外環(huán)服務(wù)就業(yè)數(shù)量上漲。

由圖8可知,當(dāng)部分道路(同心圓城市第7環(huán)子區(qū)域的公路及所有徑向道路)被提速時(shí),城市人口與服務(wù)就業(yè)變化顯著,可見高等級道路的出現(xiàn)縮短了旅行時(shí)長,城市中心的人口逐漸減少,城市外環(huán)人口有所增長。就環(huán)向道路而言,由于第7環(huán)線的道路提速,人口在此處出現(xiàn)增長,且速度越高人口漲幅越大;就徑向道路而言,人口的變化趨勢與未提速一致,但人口變化的幅度略小。這說明高等級道路的建設(shè)改變了城市地理格局,導(dǎo)致通勤時(shí)間快速縮短、不同區(qū)域之間的聯(lián)系加強(qiáng),人員、貨物等可以更快速地在不同子區(qū)域間流動,促使人口向郊區(qū)集中,有助于人口分布平坦化。相較于人口,服務(wù)就業(yè)的變化幅度較小,受道路等級的影響甚微,服務(wù)就業(yè)在第7環(huán)出現(xiàn)的增長主要是由于人口的變化,這主要是因?yàn)榉?wù)型就業(yè)的本質(zhì)是提供非物質(zhì)性服務(wù),如教育、娛樂類服務(wù)主要依賴當(dāng)?shù)鼐用竦男枨蠖苤苓吔煌ㄍㄟ_(dá)性的影響較小。

圖8 不同等級道路限速下同心圓城市人口與服務(wù)就業(yè)變化情況

綜上,交通網(wǎng)絡(luò)的時(shí)空壓縮效應(yīng)顯著,有助于增強(qiáng)人類空間流動,進(jìn)而影響人們住所選擇、購物等行為。當(dāng)交通條件改善時(shí),人們可選擇周邊自然環(huán)境氛圍更濃厚的郊區(qū),或選擇靠近名校等區(qū)域。本文利用工作流分析對比多種路網(wǎng)條件下的城市人口及就業(yè)情況,有助于快速識別最適宜人口與就業(yè)布局的路網(wǎng)條件。

4 結(jié)論與討論

本文搭建了一個(gè)用于模擬城市人口及就業(yè)分布的工作流,復(fù)用已有流程并微調(diào)組件參數(shù),快速設(shè)置了3類城市形態(tài)、4類基礎(chǔ)就業(yè)分布以及不同的距離摩擦系數(shù)和道路等級情景。通過分析比較多種情景的模擬結(jié)果發(fā)現(xiàn):城市人口空間分布均表現(xiàn)出中心—外圍距離衰減特征;城市形態(tài)對城市人口分布的影響微弱,在給定基本就業(yè)數(shù)量與分布的情況下,同心圓、矩形網(wǎng)格與蜂窩城市間人口分異相差不大;城市基礎(chǔ)就業(yè)分布越離散,中心區(qū)人口密度越低;修建高等級公路對住房位置選擇影響微弱;距離摩擦系數(shù)β顯著影響城市人口分布,交通越便利,城市邊緣區(qū)人口密度越高;城市服務(wù)性就業(yè)的變化趨勢緊隨人口,但各種情景下的變化幅度均較小。

本文構(gòu)建的工作流可為開展城市人口、交通與土地利用等要素的多情景演化模擬提供便捷、靈活、高效、可復(fù)制、可移植的解決方案。針對不同的政策和規(guī)劃方案設(shè)計(jì)多種模擬情景,預(yù)測政策對城市形態(tài)、經(jīng)濟(jì)發(fā)展、人口密度、交通設(shè)施布局等方面可能產(chǎn)生的影響,有助于更好理解不同政策選擇的可能結(jié)果,從而為制定更科學(xué)、可行的城市政策和規(guī)劃提供依據(jù)。未來將嘗試引入土地利用、職業(yè)差異、年齡等影響因素,并將城市空間擴(kuò)展到信息化虛擬空間,構(gòu)建更精細(xì)的Garin-Lowry模型。此外,人本尺度的移動軌跡數(shù)據(jù)可反映人口的通勤行為與日常生活軌跡、模擬交通擁堵狀況,網(wǎng)絡(luò)點(diǎn)評數(shù)據(jù)直觀反映出人口的活動模式、消費(fèi)習(xí)慣、社交偏好等社會經(jīng)濟(jì)行為,借助這些數(shù)據(jù)進(jìn)行城市模型的校準(zhǔn)和驗(yàn)證,有助于提高模型的真實(shí)性和準(zhǔn)確性。