大城市職住空間特徵的多尺度比較與分析——以武漢為例

2020-12-12 騰訊網

  *

  【提要】

  對職住空間特徵的既有研究往往以單一、宏觀尺度及靜態分布特徵研究為主,難以有效解釋大城市空間布局與交通系統運行的內在結構與關聯。在梳理國內外居住、就業和通勤行為相關研究的基礎上,以武漢市為例,採用手機LBS出行軌跡數據,從大區(行政分區)、中區(街道分區) 及小區(TAZ,交通小區) 三個尺度研究武漢市職住空間分布的靜態與動態關聯特徵。研究表明,三個尺度從不同層面揭示了大城市空間結構與通勤行為、通勤中心分布之間的內在關聯。在進一步識別通勤圈分布的基礎上,結合對武漢市域通勤圈分布與交通系統布局、運行狀態的分析,提出應該以通勤圈為基礎單元細化大城市空間結構,推進各類交通方式系統與通勤圈內外的空間整合,逐步優化交通結構,推進大城市空間結構與交通體系的協調發展。

  【關鍵詞】

  職住空間;多尺度分析;通勤圈;優化;武漢

  (本文刊登於《城市規劃學刊》2018年第5期)

  市場力驅動下,城市土地和住房等市場要素改革加速,在城市空間外擴-內更、產業提檔-升級、人口外遷-內聚的過程中,其職住空間分布在經歷著「分離-內聚」的過程,城市通勤出行時距也在發生相應變化,並誘發一系列的交通問題。面對大城市不斷擴張的空間規模和日益凸顯的交通問題,大多數城市都在致力於優化城市空間結構、推進綜合交通系統建設、發展快速軌道交通以應對挑戰。通常此類研究依賴傳統交通調查所獲得的宏觀模型進行分析預測,據此提出的交通發展對策比較側重於宏觀層面的交通結構優化,且往往集中於城市整體的交通系統與設施體系建設以被動應對交通需求增長;也有部分學者利用傳統經濟、人口普查數據分析大城市職住分布特徵來尋找空間績效的優化途徑,受制於傳統數據來源的限制,較為單一的研究尺度往往難以深入解釋大城市職住空間分布差異與交通系統功能定位、運行矛盾之間的內在關聯。本研究試圖以武漢為對象,利用手機LBS數據系統分析多尺度的職住空間靜態分布與動態關聯特徵,進一步識別多尺度的職住空間分布特徵差異,以引導大城市空間結構與交通系統的協調發展。

  1 研究緣起及基本思路

  1.1 相關研究

  國外對職住空間的研究起步較早,Kain (1968) 首次提出「空間不匹配」概念,隨後西方學者在就業—居住空間匹配領域進行了大量的理論探索和實證研究。處於歐美特定的社會背景下,相關研究主要關注低收人人群、少數族裔和女性等社會弱勢群體對於居住就業空間的選擇(Thompson, 1997;Houston,2005)、職住空間匹配的影響因素(Gobillon, Selod,2007; Alonso, 1964) 以及解決措施等內容(Clark, Burt, 1980; Stoll,1999)。受西方研究影響,國內學者在我國城鎮化發展過程中逐步認識到就業和居住空間的匹配是影響大城市空間績效的重要因素,並對此展開大量研究。主要表現在:

  (1) 研究尺度上由單一尺度為主逐步向多尺度結合發展。西方學者通常使用交通小區作為分析單元(Horner,2002;Manning, 2003; Sultana, 2002),Peng(1997) 等學者建議採用動態研究範圍;我國學者主要藉助行政區劃(孫斌棟,等,2010;胡娟,等,2014)、街道(周素紅,閆小培,2006)、居住區(柴彥威,等,2011) 來劃定分析單元,也有學者以與國外研究尺度相當的交通小區進行職住空間分析(徐藝軒,等,2014);近年來趙暉等(2013) 從多種空間尺度探索城市結構與職住關係的聯繫。

  (2) 數據來源上由傳統數據為主走向多源數據相結合。孫斌棟等(2014)、張純等(2016) 主要使用傳統普查數據分析大城市職住空間分布與演化特徵;強歡歡等(2016) 利用問卷調查數據研究通勤關係;隨著手機信令數據的廣泛應用, 鈕心毅等(2017)、李峰清等(2017)、黃建中等(2017) 開始使用手機信令數據分析職住空間關係。

  (3) 測度方法與指標選取上呈現多元化特徵。西方學者多採用職住比指標和自足性指標(Cervero, 1989; PavlosS,2015),Cervero(1989) 採用就業-居住比率測度職住平衡度;國內學者胡娟等(2013),鄭思齊等(2015),王振坡等(2017) 借鑑國外數理統計分析方法採用職住比、空間錯位指數、熵、偏離度指數、就業可達性等指標測度職住空間關係,從不同角度揭示大城市職住空間分布特徵。

  總體而言,目前研究較多從單一尺度來探討職住空間分布的靜態關係,而對不同尺度的職住空間分布特徵及其通勤出行特徵的動態關聯涉獵不多。雖有部分學者如李峰清、趙民、黃建中等(2017) 利用多源數據分析職住空間分布靜態和動態特徵,藉此進一步探討大城市的空間績效,但總體來看相關研究仍偏宏觀,對中、微觀尺度的職住空間分布特徵與交通系統的動態關聯規律認知仍需強化。因此從多尺度分析大城市職住空間的靜態特徵與動態關聯,有助於深入認知大城市空間結構構成與交通系統的互動機制,並為從不同尺度探討優化大城市空間結構績效的策略提供了可能。

  1.2 數據來源

  本文以武漢市域為研究範疇,主要就業、居住人口數據來源於手機APP的LBS軌跡數據,數據採集時間為2017年4月17日中23日一周時間範圍內。LBS軌跡數據基於位置服務(location based service) 技術,通過分工作日和非工作日獲取武漢市域範圍內的獨立手機終端用戶位置及用戶職住標籤和歸屬地標籤等數據,研究現狀職住空間分布特徵。本文分別以大區(行政分區)、中區(街道分區)和交通小區(TAZ) 為基本尺度單元,測度和分析武漢市域職住空間靜態分布與動態關聯特徵(部分特徵會匯總至中心城區和遠城區等圈層尺度),並進一步探討基於多尺度職住空間特徵的大城市空間結構與交通系統優化策略。

  1.3 評價指標

  基於上述數據既有特性,職住空間分布的靜態特徵由「就業-居住比」、「就業-居住偏離度指數」和「空間錯位指數」來測度,動態關聯採用「通勤距離」、「通勤空間」和「通勤中心」等指標來測度。

  (1)靜態特徵指標

  ①「就業-居住比」:是測度職住空間關係最簡單且常用的指標,即某一區域內就業人口數量和居住人口數量的比值,顯示該區域的職住均衡程度。其值越大,表示區域就業主導性越強,反之則居住主導性越強。

  ②「就業-居住偏離度指數」:即通過比較區域內就業人口數量佔就業人口總量的比重與居住人口數量佔居住人口總量的比重,來測度該區域職住平衡程度。比值等於1則表明此區域就業和居住功能相對匹配,大於1則表明此區域就業職能強於居住職能,小於1則表明居住職能強於就業職能。

  其中,Zij為j區第i年的就業-居住偏離度指數,Yij為j區在第i年的就業人口數量,Yi為全市第i年的就業人口總數量;Rij為j區第i年份的常住人口數量,Ri為第i年全市常住人口總數量。

  採用「就業-居住偏離度指數」的標準差SD來衡量武漢市「就業-居住匹配度」:

  值越小,表明職住空間越匹配,值越大,表明職住空間越失衡。

  ③「空間錯位指數」:通過採用小尺度數據源來測度相對較大尺度區域內就業地和居住地的空間錯位程度,如以小區尺度的居住和就業數據為依據,匯總至中區尺度空間單元內,分析其職住空間錯位程度,依此類推(Martin,2004)。值越大,表明空間錯位程度越明顯。其公式表達為:

  其中,SMIj為大都市區j 的空間錯位指數,Pij為大都市區j中i區縣的人口數,Pj為大都市區j中的人口總量,n為大都市區j中區縣的個數,eij為大都市區j中i區縣的就業人口數量,Ej為大都市區j中總的就業人口數量。

  (2)動態關聯指標

  ①「通勤距離」:以交通小區的幾何中心為O、D點,採用GIS生成的最短路徑距離代表兩個交通小區之間的通勤距離。

  ②「通勤中心」:通過將通勤數據OD關係可視化表達,反映主要通勤量的通勤通道和通勤流向,揭示城市各區域之間的通勤聯繫,識別城市主要的通勤區域以及通勤中心,從而從動態關聯視角揭示城市職住空間特徵。

  ③「通勤空間」:通勤數據匯總至中心城區和遠城區等圈層結構以及大區、中區尺度,分別研究不同尺度內區內通勤以及跨區通勤的樣本比例,從而研究中心城區和遠城區之間通勤的相互作用,揭示城市通勤圈分布及通勤量佔比特徵。

  2 多尺度的武漢市職住空間靜態分布特徵

  多尺度的職住空間靜態分布特徵包括「就業-居住比」、「就業-居住偏離指數」和「空間錯位指數」。

  2.1 分尺度的就業與居住比例

  以公式1計算,大區、中區、小區尺度的平均「就業-居住比」分別為0.50、0.54和1.27。具體來看,顯示出大區尺度下武漢市各區職住空間分布並不均衡,中心城區和部分遠城區就業職能相對突出;中區尺度下中心城區內部居住和就業職能均較突出,遠城區主要以居住職能為主導;小區尺度下的職住比分布規律更為清晰,反映出中心城區內部核心區域居住和就業職能均較突出,臨近中心城區的外圍周邊區域以就業功能為主導,遠城區大部分均以居住職能為主導(圖1)。反映了「就業-居住比」會隨著單元尺度的縮小而逐步表現出更為精準的差異化分布特徵。

  圖1 武漢分大區、中區和小區尺度就業-居住比

  2.2 分尺度的就業與居住匹配度

  以公式2計算「就業-居住偏離指數」,再採用標準差SD(公式3) 來衡量「就業-居住匹配度」,可知大區、中區、小區三個尺度的「就業-居住匹配度」分別為0.26、0.16和0.47,結果顯示大區和中區的就業-居住空間匹配度相對較好。具體來看,大區尺度下,部分遠城區就業-居住空間分布相對較失衡;中區尺度下,僅有中心城區北部邊緣少量單元就業-居住空間匹配度失衡;小區尺度下則呈現出兩極分化特點,中心城區周邊區域就業-居住空間匹配度較低,職住空間嚴重失衡,而市域其他區域就業-居住空間匹配度則相對較高,整體就業-居住匹配程度較好(圖2)。

  圖2 武漢分大區、中區和小區尺度就業-居住空間匹配度

  2.3 分尺度的空間錯位程度

  以公式3測算分圈層、大區、中區三個大等級尺度的空間錯位程度。分圈層總體職住空間錯位程度不明顯,遠城區職住空間錯位程度遠大於中心城區;分大區的除漢南區、武漢經濟開發區和東湖新技術開發區外,其他各區職住空間錯位指數均較低;分中區的職住空間錯位程度進一步凸顯圈層式結構分布,反映出中心城區內部職住空間錯位程度較低,而中心城區周邊職住空間錯位程度相對較高,遠大於中心城區(圖3)。隨著單元尺度縮小,用地類型單一化,空間錯位指數會逐步變大。

  圖3 武漢分圈層、大區和中區尺度空間錯位指數

  2.4 多尺度的職住空間靜態特徵

  (1) 多尺度的職住空間靜態分布特徵對比表明,「就業-居住偏離度指數」和「空間錯位指數」此兩個指標反映出職住空間分布匹配(或錯位) 程度差異在三個尺度的表現較為一致;「就業-居住比」指標則更為準確地指出了分區域的偏向居住或就業的程度。

  (2) 對比職住空間分布的多尺度特徵,大區尺度表明遠城區職住空間匹配程度遠低於中心城區;中區尺度進一步表明中心城區形成以就業職能為主導的職住單元,遠城區主要以居住職能為主導;小區尺度則更為明確地反映出中心城區內部核心區域居住和就業職能均較突出,而臨近中心城區的外圍周邊區域以就業功能為主導等特徵。三個尺度的對比可以更為精準地反映出職住空間分布的尺度差異。

  (3) 職住空間分布靜態特徵僅僅只是反映了不同尺度的職住空間分布狀態,但對具體不同尺度單元之間的通勤出行關係並不明確,這些需要藉助多尺度單元的動態特徵作進一步關聯分析。

  3 多尺度的武漢市職住空間動態關聯特徵

  銜接上文的職住空間靜態特徵,本節從職住空間動態關聯的多尺度視角進一步分析通勤距離、通勤空間和通勤中心的分布特點。

  3.1 通勤距離分布特徵

  通過建立基於交通小區的通勤出行網絡,測算出武漢市平均通勤距離為6.21km。分大區的通勤距離分布特徵顯示,洪山區、江岸區、漢陽區、蔡甸區、黃陂區居民外出通勤距離大於外來就業通勤距離,其就業吸引範圍相對較小;而東湖高新區、江漢區、武漢經濟開發區、漢南區和新洲區則相反,其就業吸引範圍相對更大(圖4)。

  圖4 武漢分小區、大區居民外出平均通勤距離和外來平均通勤距離

  同時通勤距離分布結果(圖5) 顯示,1公裡以內的通勤出行佔30.3%,4公裡以內的通勤出行佔61.2%,8公裡以內的出行佔73.9%,說明主體通勤出行距離較近,同時進一步驗證了武漢市職住空間的整體匹配度較好這一結論。

  圖5 武漢通勤距離區間分布

  3.2 通勤中心分布特徵

  不同尺度下通勤分布情況(圖6)表明:大區尺度下通勤量主要發生在中心城區內部;中區尺度下中心城區形成七大通勤中心,遠城區基本未能形成明顯的通勤中心;小區尺度下中心城區內部存在大量短距離通勤出行,遠城區獨立性通勤中心初現。多尺度通勤分布進一步揭示了主要通勤中心分布的多尺度差異。

  圖6 武漢分大區、中區和小區尺度通勤出行人次

  3.3 通勤空間分布特徵

  中心城區和遠城區通勤出行量分布表明中心城區就業崗位佔全市總崗位的68.64%,中心城區內部通勤仍佔主導地位;中心城區和遠城區跨區通勤總人口佔總樣本的27.66%,可見二者間具有雙向吸引作用;武漢市的通勤空間主要集中在中心城區內部以及遠城區和中心城區之間,遠城區內部通勤量相對較小(表1)。

  表1 中心城區和遠城區通勤出行量分布一覽表

  大區通勤出行量分布顯示洪山區、武昌區、東湖高新區的外部往來通勤出行對相對較高,蔡甸區、漢南區、東湖高新開發區等內部通勤出行比重相對較高;中區尺度反映出中心城區七大通勤中心的內部通勤出行比重分布(圖7)。多尺度的通勤出行空間分布對比反映出尺度越大、其內部通勤出行比重越高的特點。

  圖7 市域大區尺度、中心城區中區尺度通勤中心通勤出行量分布

  3.4 多尺度的職住空間關係比較

  多尺度的職住空間動態特徵從不同層面揭示了大城市空間結構與通勤行為、通勤中心分布之間的內在關聯。其中,大區尺度只是初略表明了中心城區的內部出行量比較大,遠城區發展尚不成熟;中區尺度相對凸顯了中心城區內部七大通勤中心的分布;小區尺度進一步反映出部分遠城區在逐步形成相對獨立的通勤中心,基於不同尺度的職住空間分布靜態特徵與動態關聯的對比分析有助於精準認識大城市職住空間特徵的多尺度差異,從而為進一步把握大城市空間結構發展趨向、整合大城市空間結構與交通系統提供了基礎。

  4 武漢市空間結構與交通發展模式優化建議

  在當前大城市空間由「外部擴張」向「自我更新」發展的過程中,職住空間分布相對不平衡會引發大量過剩通勤和交通擁堵等城市問題,城市空間結構的多中心化會分散交通需求、降低交通擁堵的風險,推進大城市空間結構多中心發展是規劃界長期以來所追求的方向。鑑於通勤中心和通勤空間的分布實際上體現了大城市空間結構的多中心特徵,因此進一步識別通勤圈與交通系統分布與運行之間的關係,對推進大城市多中心結構發展尤為重要。

  4.1 通勤圈識別與分布

  在前述關於職住空間靜態分布與動態關聯特徵分析基礎上,藉助標準差橢圓方法,以通勤人數為權重,進一步識別武漢市域主要通勤圈。從圖中可知,中心城區主要通勤圈包括礄口、中南、江岸、青山、關山及武漢經濟開發區等六處,遠城區則表現出東西湖、黃陂、陽邏-新洲、江夏湯遜湖等四處通勤圈(圖8),再把主要通勤圈與快速軌道交通、地面公交及快速路系統進行空間疊合(圖9),以深入了解交通系統運行效率是否與通勤圈和交通系統空間分布之間存在必然關聯。

  圖8 武漢主要通勤圈分布

  圖9 武漢主要通勤圈與交通設施系統布局

  主要通勤圈相關數據指標列表顯示(表2),中心城區通勤圈的長軸明顯比遠城區的短,遠城區通勤圈方向過於集中。在通勤圈尺度上也基本符合中心城區小於遠城區的規律,其尺度小於中心城區的關山和經濟開發區通勤圈;其二,在計算通勤圈與道路網密度指標時發現,礄口通勤圈的道路網密度最高,而同為中心城區的關山和經濟開發區通勤圈(3.24km/km ) 的道路網密度則較低,其水平與遠城區相接近;其三,以常規公交站點300m為服務半徑求得各通勤圈的公交站點覆蓋率,中心城區的礄口、江岸和中南通勤圈的公交站點覆蓋率大於60%,基本上能夠滿足通勤出行需求,而青山、關山和經濟開發區則低於50%;遠城區的東西湖有著相對較高的公交站點覆蓋率(33%),黃陂和陽邏-新洲的公交站點覆蓋率較低;其四,軌道交通站點以500m為服務半徑計算軌道站點覆蓋率,中心城區的關山和青山通勤圈只有5.36%和6.69%;遠城區的黃陂、江夏和陽邏-新洲的軌道站點覆蓋率為1%左右,其通勤圈內部的軌道交通系統還未建設完善。

  從圖9、圖10可以發現,中心城區礄口、江岸、中南等三大通勤圈的軌道交通線路覆蓋率較高,其他均僅有一條軌交線路到達;中心城區六大通勤圈中地面公交線路覆蓋率也較高,遠城區的四個通勤圈則公交覆蓋率較低;二環線承擔了串聯中心城區五大通勤圈的職能,三環線則承擔了串聯中心城區五大通勤圈與遠城區三大通勤圈的職能,四環線正在串起遠城區的四大通勤圈。主要通勤圈分布與公交系統的耦合度並不好,反而是快速路環線與通勤圈的空間分布銜接較好。

  圖10 武漢市主要通勤圈詳圖

  4.2 通勤圈布局與交通系統關聯

  結合通勤圈分布與交通系統布局,可以發現當前武漢市城市空間格局與交通系統發展之間存在如下關聯特徵:

  4.2.1 通勤圈分布與快速軌道交通系統布局存在空間錯位

  從大區尺度來看,主要的通勤出行均集中在中心城區,由於遠城區功能配套仍然不太成熟,從中心城區→遠城區和從遠城區→中心城區的通勤出行量也不少,這就意味著市域交通設施的布局要圍繞服務中心城區的高強度出行和中心城區與遠城區的跨區通勤為主。從2016年底前開通的6條軌道交通線路運行情況來看(圖11),軌道交通僅僅只是解決了部分江北的內部出行和部分江南、江北的跨區出行,對比圖9,可以發現當前快速軌道交通布局與實際通勤圈分布之間存在空間錯位,導致地鐵線路所承擔的總出行率只佔到12.3%;而地面公交由於武漢江河湖泊眾多、路網密度不高的特點使其重複係數較高、可達性不夠(圖12), 僅佔總出行率的16.6%。從而為私人機動化出行留下了空檔(武漢市交通發展戰略研究院,2016)。

  圖11 武漢2016年軌交斷面客流分布

  圖12 武漢2016年地面公交客流分布

  4.2.2 快速環線與通勤圈分布較吻合導致小汽車在長短距離出行中佔比均過大

  從《2017年武漢市交通發展年報》中可以發現,公交和小汽車出行同時在為增長的交通需求服務。結合2017年交通結構(圖13),步行和非機動出行方式分別佔到21.8%和17.4%,比較符合通勤出行距離較短的特徵;但客車出行佔31.5%,說明小汽車出行佔比仍然過大,使出行結構面臨極大挑戰。

  圖14中大量分布於二環線沿線及二環、三環之間主要快速通道中的機動車流量說明機動車在長距離通勤出行中發揮著重要作用。也有研究顯示在短距離出行中機動車佔比也較高。究其原因,在於武漢市特殊的河網水系密布的地理特徵,導致了城區的路網密度不高、支路網缺乏的特點,這就影響到常規公交系統的布局和覆蓋,使慢行交通出行受阻,並導致了很多短距離出行者採用機動車出行,從而加劇了局部交通擁堵。

  圖13 武漢2017年交通出行結構

  圖14 2016年武漢市高峰小時交通流量分布

  這些問題的存在進一步說明,大城市交通系統建設必須與其通勤圈空間分布相匹配,即需要在傳統大尺度空間結構基礎上,以通勤圈為基礎單元深化空間結構構成,發揮多模式交通方式系統優勢,共同構築低碳、綠色的交通體系以滿足不同尺度的出行需求。

  4.3 武漢市空間發展優化建議

  4.3.1 武漢市未來空間結構發展導向

  武漢市城市空間結構將面臨由「1+6」結構(2020年) 逐步向「1+3+3」結構(2030年)、「1+4」(2049年) 結構過渡的發展過程。

  從三個階段的空間發展規劃來看,武漢市雖是典型的多中心結構,但此種多中心結構是建立在大的區域地理關係尺度基礎上,與實際存在的通勤圈尺度之間缺乏內在關聯。而實際上現有的空間結構是由若干基礎通勤圈構成的,只不過這些通勤圈與交通系統布局之間缺乏一定的空間耦合關係,從而使不同距離的通勤行為缺乏適合的交通工具支撐,由於此種空間結構與交通體系的空間配置錯位就導致了事實上的交通結構惡化和經常性的交通擁堵。

  4.3.2 空間發展優化建議

  (1) 以通勤圈為基礎細化空間結構構成

  鑑於通勤圈已在事實上成為大城市空間結構的基本構成單元,要提高大城市空間結構運行效率,需要進一步細化大城市空間結構構成。要達此目的,需要首先評估現有通勤圈的尺度、構成要素及構成機理,對尺度不合理的通勤圈(如通勤距離較長且長、短軸差距較大)則需要考慮針對構成要素的缺陷進行補充優化;在此基礎上,推動以通勤圈為基礎單元完善大城市空間結構體系。

  (2) 以多模式交通強化通勤圈內外銜接

  強化快速軌道交通系統與通勤圈長軸的銜接,中心城區內部也要加強通勤圈短軸之間的快速軌道交通銜接,使快速軌道交通發揮客流主要通道的職能;快速路系統應該發揮次要跨區通道職能;在通勤圈內部,主要依託於地面公交形成內部通勤主通道,強化地面公交、非機動方式與快速軌道站點的銜接,發揮慢行交通在短距離出行中的優勢,以擺脫對個體機動化交通方式的依賴,逐步優化交通結構,提高大城市空間運行績效(圖15)。

  圖15 武漢現狀、規劃通勤圈結構示意圖

  5 結論

  (1) 三個尺度的職住空間靜態與動態分布特徵表明:武漢市域範圍總體職住分布相對均衡。從通勤空間對比來看,中心城區的通勤空間主要位於中心城區內部及其周邊,遠城區內部形成明顯的就近就業空間。這得益於近年來武漢市在持續推進中心城區產業升級的過程中,不斷強化遠城區居住和服務設施配套,使遠城區逐步發揮出「反磁力」中心作用,在客觀上促進了多中心結構的形成。

  (2) 三個尺度的職住空間動態特徵從不同層面揭示了大城市空間結構與通勤行為、通勤中心分布之間的內在關聯。其中,大區尺度初略表明了中心城區的內部出行量比較大,遠城區發展尚不成熟;中區尺度相對凸顯了中心城區內部七大通勤中心分布;小區尺度進一步反映出部分遠城區在逐步形成相對獨立的通勤圈,上述特徵符合武漢市多中心結構發展的趨向。多尺度對比有助於精準認識大城市職住空間特徵的多尺度差異,為進一步把握大城市空間結構發展趨向、整合大城市空間結構與交通系統提供了基礎。

  (3) 大城市職住空間分布的相對不平衡會引發大量過剩通勤和交通擁堵。從多尺度分析大城市職住空間的靜態和動態特徵,結合通勤圈與交通系統空間分布,揭示了系統服務的主要對象和運行的主要矛盾,為大城市空間系統運行優化提供依據。為達此目的,需要以通勤圈為基礎單元細化大城市空間體系,推進快速交通系統與通勤圈這一基礎單元之間的銜接,發揮快速軌道交通在長距離出行中的主導作用;合理區分跨區通勤與內部交通出行,強化快軌與常規公交的銜接,提高慢行交通系統的連通性,使「快軌+公交(慢行) 」方式在對機動車方式的競爭中逐步佔據有利地位,引導大城市空間組織更加高效集約。

  感謝上海霸圖衛(PTV) 公司沈暢、李歡的技術支持,華中科技大學建規學院袁滿老師以及潘潔、張秋圓、王定、祝芸依、梁偉平、李佳敏、王舒等同學的協助!

  作者簡介

  郭亮,華中科技大學建築與城市規劃學院,湖北省城鎮化工程技術研究中心,博士,副教授

  畢瑜菲,廣州市城市規劃勘測設計研究院,碩士,助理規劃師

  黃建中,同濟大學建築與城市規劃學院,高密度人居環境生態與節能教育部重點實驗室,教授,博導,通訊作者

  鄭朝陽,華中科技大學建築與城市規劃學院,碩士研究生

  胡剛鈺,上海同濟城市規劃設計研究院,碩士,助理規劃師

  王冠,武漢市交通發展戰略研究院工程師

  本文為《城市規劃學刊》原創文章

相關焦點

  • 科研成果快報第152期:基於高解析度遙感圖像的精細尺度下城市職住混合模式分析
    梁迅,博士,講師,研究方向是多尺度城市模擬和土地利用時空優化。由於缺乏足夠的社交媒體數據和合適的模型,現有研究無法在精細尺度下描述城市職住混合模式。我們選取了基於卷積神經網絡的改進模型BagNet來對高解析度遙感圖像進行分類。遵循某app的用戶協議,我們匿名跟蹤武漢市上百萬的某app用戶,獲取了武漢市部分小區的工作和居住的居民數量。
  • 職與住產生的空間分離與通勤成為年輕人日常最關注的話題
    隨後城鎮化拉開了城市骨架,越來越多人步入現代都市的生產生活節奏,「職」與「住」產生空間分離,通勤成為年輕人日常最關注的話題。你住的地方離工作地點有多遠?35座大城市中包含4座超大城市、10座特大城市、10座Ⅰ型大城市和11座Ⅱ型大城市。職住分離度在統計上並未出現隨城市規模增長而逐漸增加的情況。大城市規模的劃分標準比如超大城市中,深圳市職住分離度小於大部分的超大城市,與Ⅰ型大城市中的大連、昆明以及Ⅱ型大城市中的福州和寧波比較接近。
  • 街區尺度下的通勤出行方式挖掘及其影響因子:以北京市為例
    作者基於百度地圖時空大數據,綜合應用多種機器學習方法,構建一套識別城市街區尺度下通勤出行方式的技術框架,具有準確率高、覆蓋面廣、空間解析度高等優勢。以北京市六環高速公路以內地區為例,挖掘各街區通勤出行方式構成特徵。
  • 2019.04:北京居民職住分離對生活滿意度的影響*
    ,並運用雙變量空間自相關法測算了兩者的空間相關特徵。研究發現,職住分離對北京居民生活滿意度有顯著負影響,城區居民受影響程度大於城郊居民。女性、低年齡、單身群體的生活滿意度受職住分離的影響更為顯著。從空間來看,生活滿意度與職住分離存在顯著空間負相關關係,主要有高—低和低—高兩種表現形式。從地理位置來看,呈高—低負相關的區域多分布在北京東部;呈現低—高負相關的區域多分布在北京西部。
  • 讓通勤的路不再遙遠 杭州探索多中心郊區化發展縮短「職」與「住...
    如何平衡「職」與「住」的空間距離,已是城市必答的一道新考題。在新一線城市中,寧波、大連、廈門等城市職住分離度相對較低,不超過3km;成都、青島等城市相對較高,處於4km-5km的區間,超過了上海、廣州、深圳;杭州則處於中遊,為3.2km。  由此看來,職住分離度與城市的發達程度、經濟總量水平並無直接關係。「職住分離度的高低與城市的空間結構有關。」
  • POI核密度分析還能更「科學」?——識別城市中心的優化方法,以西安為例
    其中,POI數據的分布密度是對空間現象的一種場表達。大到國家、地區甚至全球體系,小到城市、街道、社區,在實際的地理空間中,人類的社會經濟活動在不同的空間尺度下,往往表現為若干節點的集聚,並在不同的空間統計單元中形成強度等級各異的集聚中心。因而,利用海量的城市POI數據的空間點位信息以及其相鄰點間的空間關係,模擬城市地理空間的聚集強度是城市中心識別的核心思路。
  • AugFPN:改進多尺度特徵學習用於目標檢測
    摘要目前最先進的檢測器通常利用特徵金字塔來檢測不同尺度的物體。其中,FPN是構建特徵金字塔的代表作品之一。然而,其背後的設計缺陷阻礙了多尺度特徵的充分利用。本文首先分析了FPN中特徵金字塔的設計缺陷,然後引入了一種新的特徵金字塔結構--AugFPN來解決這些問題。
  • 職住平衡趨勢下,房企如何參與城市空間布局?
    福田CBD、南山科技園以及富士康龍華園區、華為坂田園區是深圳職住比偏高的區域。 幸運的是,各大城市都在積極探索,期望能夠根治「通勤難」的問題!聚焦深圳,2019年《中共中央關於支持深圳建設中國特色社會主義先行示範區的意見》發布,《意見》指出要落實「住有宜居」的戰略目標,因此在城市更新、舊改、棚改等空間規劃以及城市軌道建設方面,都需與職住平衡相結合。
  • 都市區、都市圈與城市群的概念界定及其比較分析(下)
    以長江三角洲城市群為例,其由上海都市圈、南京都市圈和杭州都市圈組成,其中,上海屬於超大城市,是長江三角洲城市群獨一無二的核心城市,而南京和杭州都是特大城市,都是長江三角洲城市群的次核心城市。上海的產業層次尤其是生產性服務業的發展層次整體上要比南京和杭州高,上海的企業可以為南京和杭州的企業提供生產性服務和中間製造品,上海都市圈與南京都市圈和杭州都市圈之間從空間耦合轉向了功能耦合。
  • 費海汀:政治科學中的歷史方法:以比較歷史分析為例
    政治科學中的歷史方法:以比較歷史分析為例摘要:政治學與歷史學方法雖然各有側重,但二者都必然需要面對和處理人類社會的歷史經驗與歷史材料。因此過程追蹤(process tracing)和時間分析(temporal analysis)是比較歷史研究的核心思維方式。(4)原因歸納和理論建構。比較歷史研究為推動社會科學的「因果革命」作出了重要貢獻,而這也恰恰是它的核心特徵之一。比較歷史分析反對線性因果觀,它致力於揭示原因和結果之間複雜機制的黑箱。
  • 做出這些職評,你就能65分鎖定澳洲大城市PR!
    本文通過對州政府邀請的各專業分數數據逆向分析,來為大家揭秘還有哪些職業,可以助你65分拿PR。我將重點梳理和講解:如何通過職業評估來幫你一步鎖定大城市的PR。關鍵詞:職評 65分 大城市PR首先,我們來看維州,下面的截圖是維州近幾個月的FOI邀請情況,排除其中的博士通道的低分,我們發現除了護理,還有數學家,農業科學家(諮詢師),HR 經理等專業可以實現65分移民。
  • 中國大城市是人口過多,還是分布失衡?
    短期過度集聚和過度膨脹的人口,對於還沒有做好準備的大城市而言,逐步演變為入學難、就醫難、交通擁堵、房價飛漲等一系列「大城市病」。於是,部分城市採取了一系列人口調控政策,希望摁住不讓它漲,我們暫且不談這是否是一廂情願。今天我們來聊一聊,「大城市病」的病根真的是人口數量過多嗎?中國大城市人口真的太多了嗎?
  • 蔡立力:大城市周邊特色小鎮的機遇與抓手
    在歐美等發達國家,大城市周邊的小鎮就是城鎮化的高端,一種悠閒舒適、生態健康生活的代名詞。作為中產階級集中居住地、高收入人群的集聚地、最優質的旅遊客源地,大城市為其周邊地區發展提供了強大的消費市場。以有機農產品市場為例,大城市和城鎮群是有機農產品的主要消費地區,其中的高收入群體,對有機農產品需求巨大。
  • 湖南新冠肺炎聚集性疫情流行特徵分析:195起累計發病696例
    華聲在線3月14日訊(三湘都市報·華聲在線記者 李琪)記者從湖南省疾控中心了解到,3月9日《實用預防醫學雜誌》在線公開發表了湖南省疾控中心的最新研究《湖南省新型冠狀病毒肺炎聚集性疫情流行特徵分析》。
  • 廣州城市空間大數據構建與創新應用研究
    近期,復旦大學空間規劃研究中心、上海空間規劃設計研究院、《城鄉規劃》雜誌社聯合舉辦題為《從「藍圖」到實踐——新時期國土空間規劃與治理創新升級》的研討活動,通過分析國土空間規劃、智慧城市建設、可持續生態發展的優秀案例,探討國土空間規劃與治理的思路和方法。
  • 小波變換教程(三):多尺度分析和連續小波變換
    教程連結:http://users.rowan.edu/~polikar/WTtutorial.html1)多尺度分析在短時傅立葉變換中,每個頻率成分的解析度都是相同的,而多尺度分析則是採用不同的解析度分析不同的頻率。
  • 清華大學地學系徐世明副教授研究組開展高解析度多尺度北極海冰動力學建模研究
    對海冰模式而言,提高解析度所最關注的問題是海冰多尺度形變,包括解析海冰線性形變特徵(LKF,Linear Kinematic Features),以及達到同高解析度觀測相一致的形變率的統計特性。同時,由於氣候模式目前解析度水平普遍較低,正確評估和改進較低解析度模式的海冰動力學過程,對氣候模式而言具有重要意義。
  • OpenCV-Python SIFT尺度不變特徵變換|三十九
    因此,Harris拐角不是尺度不變的。因此,在2004年,不列顛哥倫比亞大學的D.Lowe在他的論文《尺度不變關鍵點中的獨特圖像特徵》中提出了一種新算法,即尺度不變特徵變換(SIFT),該算法提取關鍵點並計算其描述算符。 (改論文易於理解,被認為是學習SIFT的最佳材料。因此,本文只是該論文的簡短摘要)。
  • 區位分析中的空間觀、時間觀以及邏輯推理
    一、區位分析需要考慮空間尺度空間尺度的含義大家都比較熟悉了,我們直接討論問題:新疆種植棉花的主導因素是什麼?從大尺度上講即新疆與其他省區相比,應該是光熱資源;從較小尺度上講應該是水源;甚至再小一些尺度,同樣都是綠洲地區,水源條件較好的前提,主導因素或許是土壤等。
  • 最深入、最全面綜述:尺度不變特徵轉換
    尺度空間理論的基本思想是:在圖像信息處理模型中引入一個被視為尺度的參數,通過連續變化尺度參數獲得多尺度下的尺度空間表示序列,對這些序列進行尺度空間主輪廓的提取,並以該主輪廓作為一種特徵向量,實現邊緣、角點檢測和不同解析度上的特徵提取等。