地理科学进展  2018 , 37 (9): 1277-1290 https://doi.org/10.18306/dlkxjz.2018.09.010

研究论文

大城市通勤方式与职住失衡的相互关系

申犁帆1, 张纯2*, 李赫3, 王烨4

1. 武汉大学城市设计学院, 武汉 430072
2. 北京交通大学建筑与艺术学院, 北京 100044
3. 中国银行国际金融研究所, 北京 100818
4. 广州市城市规划勘测设计研究院, 广州 510030

Interaction between commuting modes and job-housing imbalance in metropolis: An empirical study by Bayesian-tobit analysis in Beijing

SHEN Lifan1, ZHANG Chun2*, LI He3, WANG Ye4

1. School of Urban Design, Wuhan University, Wuhan 430072, China
2. School of Architecture and Design, Beijing Jiaotong University, Beijing 100044, China
3. International Finance Institute, Bank of China, Beijing 100818, China
4. Guangzhou Planning & Design Survey Research Institute, Guangzhou 510030, China;

通讯作者:  通讯作者:张纯(1983-),女,北京人,副教授,博士生导师,研究方向为转型期城市规划、城市形态与可达性、社区演变与规划,E-mail: zhangc@bjtu.edu.cn

收稿日期: 2018-01-9

修回日期:  2018-06-2

网络出版日期:  2018-09-28

版权声明:  2018 地理科学进展 《地理科学进展》杂志 版权所有

基金资助:  国家自然科学基金项目(51678029,51778039)中国城市轨道交通协会专项研究项目(A17M00080)

作者简介:

作者简介:申犁帆(1987-),男,北京人,博士研究生,研究方向为城市轨道交通与空间规划、城市可持续发展,E-mail: 495062785@foxmail.com

展开

摘要

随着城市的扩张,人们的就业—居住空间跨度不断扩大。通勤方式的多样化和通勤效率的提高会对就业者的职住状况产生影响。以通勤时间作为通勤成本能从就业者的角度辨析个体的职住失衡状况。本文基于贝叶斯-tobit的统计分析方法,结合北京市7个街道和地区的问卷调查数据,分析了慢行交通、机动车、轨道交通、地面公交等4种通勤方式与职住失衡的相互关系。同时,引入就业可达性和用地混合度作为调节变量,考察其对不同通勤方式与职住失衡之间原有关系的影响。研究发现:①慢行交通的通勤方式与职住失衡程度存在负相关性;②机动车、轨道交通和地面公交的通勤方式与职住失衡程度存在正相关性;③就业可达性和用地混合度会弱化慢行交通、轨道交通、地面公交通勤方式与职住失衡程度的原有关系,即在低就业可达性和用地混合度条件下,慢行交通通勤者的职住失衡度更低,而轨道交通和地面公交通勤者的职住失衡度更高;④就业可达性和用地混合度的差异对机动车通勤与职住失衡之间的关系没有影响。上述结果表明:低就业可达性和用地混合度能够缓解慢行交通通勤者的职住失衡程度;但对于轨道交通和地面公交的通勤者来说,低就业可达性和用地混合度会加剧其职住失衡的程度。此外,机动车通勤者不易受外部客观因素的影响而改变出行方式。

关键词: 通勤方式 ; 职住失衡 ; 就业可达性 ; 用地混合度 ; 贝叶斯-tobit ; 北京

Abstract

The spatial span of residents' job-housing places is increasingly expanded with urban sprawl. The diversity of commuting modes and improvement of commuting efficiency will affect commuters' previous job-housing imbalance. Commuting time as cost of commuting will contribute to better analyzing job-housing condition from commuters' perspective. Based on the statistical method of Bayesian-tobit and individual survey data of 7 sub-districts in Beijing, this study examined the interaction between four kinds of commuting modes (slow traffic, automobile, urban rail transit, and bus) and job-housing imbalance. Meanwhile, this study set employment accessibility and land use mix as moderator variables and explored their impacts on the relationship between varies commuting modes and job-housing imbalance. The study findings indicate that: (1) There is a negative relationship between commuting mode of slow traffic and job-housing imbalance. (2) By contrast, there is a positive dependency among automobile, urban rail transit, and bus and job-housing imbalance. (3) Employment accessibility and land use mix would weaken the original relationship among slow traffic, urban rail transit, and bus and job-housing imbalance. Specifically, under relatively low employment accessibility and land use mix conditions, the job-housing imbalance degree of slow traffic commuters is lower, while the job-housing imbalance degree of urban rail transit and bus commuters is higher. (4) Nevertheless, the relationship between commuting modes and job-housing imbalance will not be affected by employment accessibility and land use mix. These results suggest that (1) worse condition of employment accessibility and land use mixt can alleviate jobs-housing imbalance of commuters who use slow traffic. (2) However, lower value of employment accessibility and land use mix degree will aggravate job-housing imbalance of commuters. (3) In addition, the commuting behavior of automobile users will not be easily influenced by external factors.

Keywords: commuting modes ; job-housing imbalance ; employment accessibility ; land use mix ; Bayesian-tobit ; Beijing

0

PDF (10229KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

申犁帆, 张纯, 李赫, 王烨. 大城市通勤方式与职住失衡的相互关系[J]. 地理科学进展, 2018, 37(9): 1277-1290 https://doi.org/10.18306/dlkxjz.2018.09.010

SHEN Lifan, ZHANG Chun, LI He, WANG Ye. Interaction between commuting modes and job-housing imbalance in metropolis: An empirical study by Bayesian-tobit analysis in Beijing[J]. Progress in Geography, 2018, 37(9): 1277-1290 https://doi.org/10.18306/dlkxjz.2018.09.010

1 引言

改革开放40年来,中国大城市的就业—居住时空关系经历了巨大转变。计划经济时期,中国城市中的各类公有制部门在就业方面占据着主导地位。尤其在大城市,“除了国有或集体所有的政府机构和企事业单位,几乎没有其他形式的就业组织”(Wang et al, 2009)。因此,城市中的家庭非常依赖于家庭成员中主要就业者的单位,单位为其提供了必要的生活保障和相关服务(Qin et al, 2017)。就业者及其家庭成员在单位大院内或附近进行所有日常活动,绝大部分就业者通过步行或骑自行车就能够完成通勤(Wang et al, 2011)。因此,在强计划性的经济社会组织下,职住平衡能得以较好的实现。改革开放后,随着市场经济体制的确立以及城市统分统配就业政策和福利住房制度的解体,人们对于就业岗位和居住地开始面临更多的选择(柴彦威等, 2008)。在这一社会经济变革的时代背景下,中国大城市就业—居住的空间关系呈现出逐渐分离的趋势。此外,快速城镇化发展下城市空间的不断扩张和城市人口的持续增加也加剧了就业者职住失衡的趋势。

在已有研究中,学者们分别从不同领域和视角探究职住失衡的成因。从宏观角度看,社会经济制度的转型和快速城镇化以及其所带动的城市空间重构都会影响到传统职住关系的转变。从微观角度看,就业地和居住地所在区域的建成环境以及就业者及其家庭自身的社会经济特征也会对职住失衡程度产生影响。随着社会经济的发展和科学技术的进步,尤其是私人汽车的普及和现代公共交通系统的发展使得大城市居民的通勤方式趋于多样化,通勤效率也不断提高。于是,人们开始逐渐意识到通勤方式对职住关系带来的影响。目前中国各大城市进行着的轨道交通网络和快速公交系统建设和应用,也为通勤方式与职住失衡之间的关联性研究提供了大量研究案例和数据(Wu et al, 2017)。

目前关于通勤方式和职住失衡的研究主要通过比较不同城市和地区或不同年代的同一城市来分析职住状况对居民通勤方式的影响(Peng, 1997; Zhao et al, 2011)。在测算方法上,通常是从空间视角以通勤距离来评价整个城市或地区的职住失衡程度(Saadi et al, 2016)。相比通勤距离,通勤者更关注于通勤时间或通勤效率(Ma et al,2006)。因此,从就业者的角度测算和分析通勤成本和职住失衡状况时,使用通勤时耗作为通勤的成本更有意义。此外,不少研究表明,建成环境中的2个重要指标——就业可达性和用地混合度与职住失衡之间存在某种关系(Cervero et al, 2006; Yan et al, 2018)。同样地,不同就业可达性和用地混合度会对出行方式产生差异性影响(Cervero et al, 2010; Liu et al, 2014)。但就业可达性和用地混合度的高低对于通勤方式和职住失衡之间关系的影响缺乏足够的实证研究。

本文基于第六次全国人口普查数据(2010年)、第二次全国经济普查数据(2008年)以及北京市7 个街道的就业者通勤调查数据,结合大数据方法 和实地勘测得到的商业设施、公共服务设施和与职住相关的土地利用现状数据,以通勤时间作为通勤成本建立贝叶斯-tobit分析模型,从通勤者视角考察不同通勤方式与职住失衡的相互关系,以及不同程度就业可达性和用地混合度对二者之间关系的影响,为梳理不同通勤方式下居民的职住关系特征、理解建成环境因素在其中的调节作用提供一定参考。

2 文献综述

2.1 职住平衡/失衡的定义

Cervero(1989)将职住平衡定义为在某个区域内就业者数量和就业岗位数量基本一致,该区域范围内的劳动力可以就近工作。Giuliano(1991)将职住平衡的概念进一步细化,认为职住平衡应该表现为在特定区域内不同的住宅类型匹配着多样性的工作岗位,实现居住与就业特征的完美互补。Ma等(2006)将既定工作类型的就业者负担不起就近居住的费用或既定类型的居民无法就近找到合适的工作称为职住失衡。

2.2 职住失衡的测算

对职住失衡的测算大致可分为:平衡度(balance)测算和自足性(self-contained)测算。平衡度测算是指计算既定区域内就业岗位数量和居住单元数量的比例。自足性测算是指计算既定区域内居住并工作的就业者占该地区总居住人口或总就业人口的比重(孟晓晨等, 2009)。

为了更好理解城市通勤的效率问题,Hamilton等(1982)提出理论最小通勤(theoretical minimum commute)和过剩通勤(excess commute)。理论最小通勤是指在假设职住空间区位均质、居民之间能够自由交换居住地或就业地的情况下,对所有就业居民来说存在理论上的通勤最小值(White, 1988; Small et al, 1992)。理论最小通勤反映的是一种就业和居住最为接近的理想状态,即不考虑就业岗位和居住单元的属性差异,只按距离和数量进行匹配。过剩通勤被视为因职住分布在空间上的失衡所造成的不必要或浪费的通勤距离或时间(Hamilton et al, 1982; Horner, 2002)。过剩通勤的值越大则表示职住失衡度越高,反之则表示职住失衡度越低。由于实际通勤是就业者受限于各种因素所承受的实际通勤成本,故实际通勤和理论最小通勤的差值能够反映各种现实因素条件下职住关系的匹配状况。在过剩通勤基础上,White(1988)采用解决交通问题的线性规划方法(transport problem of linear programming)计算最小通勤值,该方法测算出的过度通勤值明显小于Hamilton等(1982)利用单中心模型(the monocentric model)得到的过度通勤结果。

但是,在比较不同地区或年代之间的通勤效率以及不同空间尺度下的职住失衡时,过剩通勤会表现出不稳定性,并造成可塑性面积单元问题(modifiable area unit problem, MAUP)(Horner et al, 2002; Niedzielshi et al, 2013)。Horner(2002)在理论最小通勤的基础上提出了理论最大通勤(theoretical maximum commute)的概念,即在不改变就业和居住的空间分布条件下,居民通过互换就业地或居住地所达到的理论上的通勤成本最大值。实际通勤越接近理论最大通勤,则通勤效率越低。Charron(2007)认为,真实的城市空间结构中不可能出现理论最大通勤和理论最小通勤的极端情况。多数情况下,就业者的通勤行为并不完全受就业—居住的空间分离程度影响并展现出一种随机性的特征,即随机通勤(random commuting)。

2.3 通勤成本的计算

1960年代,Tanner(1961)首先提出人们的一般性日常出行成本(费用、时间)趋于相同。但是,Tanner得到的出行时间数据并不包括机动出行方式的数据。随后,Goodwin(1976)通过分析英国出行调查数据发现,每个人的平均出行时间甚至比人口密度更加稳定,但不同年龄、收入、出行方式的居民的出行时间会有差异。Zahavi(1981)指出城市居民每天至少要进行一次例行出行活动,并且花费的时间基本相同。

在通勤研究中,通常以通勤距离或通勤时间来表示就业者的通勤成本(White, 1988; Ma et al, 2006; Barr et al, 2010)。随着经济发展和科技进步,人们出行活动日益丰富,交通工具效率不断提高,分配到各项日常活动上的时间也在发生变化(Schafer, 2000)。在这种情况下,从就业者个体的角度分析其职住失衡的程度更宜采用时间作为通勤成本来进行测算。原因在于:①人们对于时间的感知要远大于对距离的感知(王淑伟, 2015),所以相对于通勤距离,更关注通勤时间;②在对全球范围内10个大城市的出行数据进行分析后,研究者发现通勤距离的提高只伴随着通勤时间的微弱增加,相对于城市居民的通勤距离,通勤时间更加稳定。长距离通勤下人们更有可能选择出行效率更高的交通工具来缩短通勤时间(White, 1988; Schafer, 2000)。

2.4 职住失衡对居民通勤的影响

改善城市交通问题被认为是职住失衡问题最主要的研究意义之一。1954年,Mitchell等(1954)在其著作中分析了土地利用和建成环境对交通出行行为的影响。随后,不少研究者开始关注人们选择不同通勤方式的影响因素(Cervero et al, 1996; Boarnet et al, 2001)。合理的职住空间分布被认为有助于减少居民日常出行距离和出行时间(Cervero et al, 1996)。Levinson(1998)研究表明,居住在工作岗位充足的区域或工作在住宅供给较多的区域,能够有效缩短人们的通勤时间。Zhao等(2011)通过对北京的实证研究发现,职住失衡与居民的通勤时间存在正向关系,职住失衡程度越高则通勤时间越长。

从空间上看,轨道交通、BRT等交通工具的发展使就业者能够在单位时间内到达更远的地方。也就是说,交通工具效率的提高加剧了区域性的职住失衡(赵晖等, 2011; 孔令斌, 2013)。从时间上看,就业者通常会将通勤时间控制在相对合理的时耗区间内,通勤效率的提高仅会带动通勤时耗的部分增加,交通工具对通勤者的实际影响是有限的(Schafer, 2000)。

2.5 北京职住平衡问题的相关研究

北京作为一座拥有2100多万常住人口的大城市,其职住问题一直都受到学者们的广泛关注。张纯等(2016)基于人口和经济的普查数据分析了2000-2010年间北京市居住—就业空间关系的变化特征,发现北京的就业岗位持续集中于城市中心而居住地呈现不断郊区化的趋势。不少研究者探讨和分析了就业者的社会经济属性(陈蕾等, 2011)、建成环境中用地混合度(党云晓等, 2015)和就业可达性(刘志林等, 2011)与职住平衡状况的关联性。此外,学者们还将一些如城市交通、居民健康、流动人口等近来北京的热点问题与职住状况联系起来进行了研究。赵晖等(2011)通过对北京市轨道交通沿线职住空间分布和通勤特征的分析,认为轨道交通发展在一定程度上加剧了区域的职住失衡。龙瀛等(2012)基于北京公交刷卡数据和居民出行调查数据,利用大数据方法识别了公交卡持卡者的居住地、就业地以及通勤特征。郑承志等(2017)通过针对北京近郊区城中村的调查研究,分析了流动就业人口的空间分布特征以及职住状况。基于北京市近郊区大型居住区的出行调查数据,符婷婷等(2018)认为职住关系的改善有助于提升通勤者的身体健康状况。

3 数据与方法

3.1 研究范围

为了更好地分析不同通勤方式与职住失衡之间相互关系,选择就业岗位数与居住人口数差距较大、职住问题相对较为严重的北京市近郊区和远郊区作为研究范围。具体包括位于朝阳区的三间房街道、常营地区、管庄地区以及位于通州区的永顺地区、北苑街道、玉桥街道、梨园地区,总面积94.146 km2(图1表1)。根据2010年第六次全国人口普查和2008年第二次全国经济普查的统计数据显示,研究范围内的常住人口数为753679人,就业岗位数为131695个。问卷调查对象为上述7个街道和地区内的常住居民,问卷采集时间为2015年3月,共计发放调查问卷665份,其中收回有效问卷530份。

图1   研究范围

Fig.1   Research area

表1   变量构成及其定义和表达方式

Tab.1   Definition and expression of variables

变量定义和表达方式数据来源
过剩通勤表示职住失衡的程度。用平均实际通勤时间(min)和理论最小通勤时间(min)之差与平均实际通勤时间(min)的比值表示调查问卷
慢行交通是否主要使用慢行交通的通勤方式,包括步行和自行车调查问卷
机动车是否主要使用机动车的通勤方式,包括私家车、出租车、公车、摩托车调查问卷
轨道交通是否主要使用轨道交通的通勤方式,包括地铁和轻轨调查问卷
地面公交是否主要使用公交车的通勤方式,包括公交(电)车、校车、班车调查问卷
就业可达性街道的就业可达性。用加权后的街道就业岗位密度(个/ km2)表示,据式(6)计算得出调查问卷,第二次全国经济普查,第六次全国人口普查
用地混合度街道的用地混合度。用下文式(7)计算得出谷歌地图,实地调查
年龄具体值(岁)调查问卷
性别男/女调查问卷
户口状况有/无本地户口调查问卷
教育状况研究生及以上/本科或大专/高中或中专/初中/小学/小学以下调查问卷
家庭规模家庭人口数(人)调查问卷
家庭收入<2000元;2001~5000元;5001~10000元;10001~20000元;>20000调查问卷
住房状况自有房/租住房调查问卷
人口密度街道的人口密度,用街道常住人口数(人)与街道面积(km2)的比值表示第六次全国人口普查
公服设施密度街道的商业和公共设施密度,用街道内商业和公共设施(综合商场、医院、卫生服务站、中小学校)数(个)与街道面积(km2)的比值表示高德地图
可达性轨道站点的可达性,用受访者从居住地到最近轨道站点的步行时间(min)表示调查问卷

新窗口打开

3.2 变量设置和数据来源

3.2.1 变量设置

表1所示,为考察各种通勤方式与职住失衡之间的关系,将通勤方式大致分为以下4类:①慢行交通(包括自行车、步行);②机动车(包括私家车、公车、出租车、摩托车);③轨道交通(包括地铁、轻轨);④地面公交(公交车、班车、校车)。尽管过剩通勤在不同空间尺度下会出现可塑性面积单元问题,但本文仅考察街道层面内通勤者个体的职住失衡状况,并不涉及不同城市和不同年代之间的比较。因此,过剩通勤时间仍能有效反映职住失衡的程度。此外,考虑到社会经济特征和建成环境可能会对就业—居住的空间失衡造成影响(Cervero, 1989; Ewing et al, 2010; Zhao et al, 2011),选取社会经济因素中的年龄、性别、户口状况、教育情况、家庭规模、收入、住房状况以及建成环境因素中的人口密度、公共服务(简称公服)设施密度、通达性等数据作为控制变量。最后,分别将就业可达性和用地混合度按阈值分成高低两组,用于考察不同程度的就业可达性和用地混合度对通勤方式与职住失衡之间关系的影响。

3.2.2 数据来源

本文所用数据主要来自以下几个方面:①2010年的第六次全国人口普查和2008年第二次全国经济普查获得的街道层面空间、人口、就业数据;②通过研究范围内问卷调查得到的个体层面社会经济数据;③采用大数据方法在互联网地图上挖掘的商业设施和公共服务设施数据;④结合卫星地图和实地调研获得的土地利用现状分类数据。

3.3 研究设计

3.3.1 贝叶斯-tobit模型的构建

首先,使用吉布斯(Gibbs)抽样方法对数据进行处理。由于阈值很难得到并且一般不为常数,因此使用贝叶斯来解决这个问题:

yt*=xt'b+εt,yt=yt*=xt'b+εt,如果yt*wi'δ,yt=0,如果yt*<wi'δ(1)

式中:y是因变量;x是自变量;b是系数;ε是误差;( wi,xi)J×1K×1的协变量;( δ,α)J×1K×1的回归系数向量; wi'δ为贝叶斯-tobit模型的协相关阈值。

然后,为了从步骤(1)中δ的条件后验分布取样,创造了一个 δ=(δ1,δ2,,δj)'要素。由于δ应该落在区间 R0Rc内,δj坐落在 LjδjUj,其中 wi,-j=(wi1,,wij-1,wij+1,,wiJ)'

(2)

最后,使用贝叶斯-tobit测算各种通勤方式与职住失衡程度之间的关系:

It*=xt'b+εt,Ith=It*如果It*>wi'δ,并且Ith=0,如果It*wi'δ

或者:

It*=xt'b+εt,Itl=It*如果It*<wi'δ,并且Itl=0,如果It*wi'δ,

(3)

式中: It*是潜变量; xt'是外生解释变量;b0为常数项; b1slowtb2cartb3railtb4bust分别为自变量慢行交通、机动车、轨道交通、地面公交等4种通勤方式; b5agetb6gendertb7hukoutb8educattb9famscltb10incometb11housetb12accesstb13popdentb14infdent均为控制变量。

3.3.2 因变量的计算

本文参考了White(1988)以及Ma等(2006)关于平均实际通勤和最小通勤的计算方法,并以时间作为通勤成本得到过剩通勤值(ec)。

平均实际通勤时间(Tave)的具体计算公式如下:

Tave=c̅=cijnijN(4)

式中:cij表示区域i到区域j的通勤时间;nij为最优时区域i到区域j的通勤人数;N表示为通勤者的总 数量。

过剩通勤的具体计算公式如下:

ec=Tave-Tmin×100Tave(5)

式中:ec为过剩通勤时间。过剩通勤时间越长,则表示职住失衡度越高;过剩通勤时间越短,则表示职住失衡度越低。

3.3.3 调节变量的计算

在之前的研究中,就业可达性的高低会对人们的出行行为产生影响(Hanson et al, 1987; 刘志林等, 2011)。同样地,不少研究发现,土地利用的混合程度会对人们的出行方式产生影响(Frank et al, 1994; Ma et al, 2006; 林红等, 2008; Sung et al, 2014)。因此,本文选择街道的就业可达性和用地混合度作为调节变量,考察不同程度的就业可达性和用地混合度对于就业者通勤方式与职住失衡状况之间关系的影响。

(1) 就业可达性的计算

和职住平衡度的测算一样,就业可达性的测度也会面临可塑性面积单元问题,即测算值会因研究范围的尺度不同而产生变化(Peng, 1997; Horner et al, 2002; Ma et al, 2006; Niedzielski et al, 2013)。基于原始数据的统计尺度和其他学者的相关研究(刘志林等, 2011; 刘望保等, 2012),本文以街道行政辖区作为最小研究空间单元。

本文根据Wu等(2017)的方法来计算加权后的街道就业岗位密度,并以此来表示街道的就业可达性(employment accessibility),具体计算公式如下:

W_JDENi=JDENi×e-disijd2(6)

其中: W_JDENi表示为街道i的就业可达性; JDENi为街道i的就业岗位密度;disij为街道i与街道j之间的距离;d为地区的距离衰减参数。因为e为无限不循环小数,为便于计算,本文只四舍五入取小数点后2位,即e=2.72。另外,在已有的一些关于北京的实证研究中,学者们多以居民平均通勤直线距离作为距离衰减参数(刘志林等, 2009; 徐涛等, 2009; 刘志林等, 2011)。基于上述研究,北京市居民平均出行距离约为10 km,同时考虑本文样本街道的区位特征,将该参数值设为10,即d=10(图2-3)。

图2   样本街道潜在通勤范围

Fig. 2   Potential commuting range of case districts

图3   三间房地区潜在通勤范围就业岗位密度示意

Fig.3   Employment density within potential commuting range of Sanjianfang

(2) 用地混合度的计算

参考已有研究(林红等, 2008; 李俊芳等, 2016)中关于土地利用混合程度的计算方法,即利用信息论中熵值的大小来表示用地混合度的高低,具体计算公式如下:

Landusemixi=-i=1kPkilnPkilnk(7)

约束条件为:

k=16Pki=1,i=1,,7(8)

式中: Landusemixi为表示土地利用混合程度的熵值;k为街道i的土地利用类型数量,本文根据Google Map卫星图分析和对样本街道的实地调研,大致测算出了7个样本街道的土地利用状况并对用地类型进行了分类,选取与通勤者居住和就业相关的居住用地、公共管理与公共服务设施用地、商业服务业设施用地、工业用地、公用设施用地等5种土地利用类型(图4),将其他土地利用类型统归为一类,即K=6;Pk, i表示第k种土地利用类型占街道i总面积的比重。根据式(7)所得到的 Landusemixi数值在0~1之间,数值越大表示所在街道的各类用地分配越均衡,即土地利用混合程度越高;数值越小则表示越不均衡,即土地利用混合程度越低。

图4   研究范围主要土地利用现状分类

Fig.4   Main land use categories of the research areas

3.3.4 自回归滞后项选择、最佳滞后参数、阈值和最小剩余平方和的计算

本文通过Tsay(1989)提出的重置自回归方法(arranged autoregression method, AAM)得到样本街道就业可达性和用地混合度的阈值(threshold value)。首先使用赤池信息量准则(akaike information criterion, AIC)来确定模型的滞后项个数。以往的相关研究已经确定了滞后项个数最多为12个(Breusch, 1978; Godfrey, 1978),因此,本文在AIC的测试阶段使用12个滞后项。

基于阈值变量qt,自回归模型可以根据θ进行多次自身变化。利用双机制阈值模型(two-regime threshold model)对阈值进行检测(Hansen, 2000):

rt=c10+k=1pθkrt-kIrt-d*γ+c20+k=1pθkrt-kIrt-d*>γ+μt(9)

式中: I()表示一个指数函数,当指数函数的值取1时,括号内的条件会被满足;如果指数函数的值取0时,则条件不满足;γ为需要求证的阈值。

下一步,根据rt值大小来重置自回归模型。如将低就业可达性和低用地混合度的数值置于最前,将高就业可达性和低用地混合度的数值置于最后。

第三步,使用重置后的自回归模型计算预测 残差:

eˆs=w0+k=1pwkrs-k+εs(10)

式中: s=m+1,,T-d-h+1;T为数据的大小;并且 m=T10+p以及 h=max1,p-d+1

第四步,得到自回归模型的滞后项个数后,便可以计算出最佳滞后参数d*

Fˆp,d*=maxdDFˆp,d(11)

式中: D=1,2,,p-1Fˆ可以通过F-statistic进行计算后得到(Tsay, 1989),即, Fˆ=eˆt2-εˆt2(p+1)εˆt2(T-d-m-p-h)。在这里, eˆt为通过公式(10)得到的预测残差,而 εˆt为通过式(11)而得到的残差。F-statistic遵从有(p+1)和(T-d-m-p-h)自由度的F-分布。

在得到滞后项个数和最佳滞后参数后,使用Chan(1993)的方法计算阈值(γ)。为使2个调节变量的数值包含阈值,即阈值(γ)必须位于调节变量数值的最大值和最小值之间。根据Chan的方法,分别排除了最高值和最低值中15%的值来确保2边都有合适的数值量。

根据Tsay(1989)的阈值检测方法,可以获得滞后项个数、最佳滞后参数及阈值。如表2所示,使用AIC得到滞后项个数为8,最佳滞后参数是2。通过利用Tsay的方法,发现自回归模型中存在阈值,表明该自回归模型为阈值模型。以就业可达性为例,得到的模型阈值(γ)为0.817,最小剩余平方和(RSS)为0.00357。本文将大于该阈值的就业可达性称为“高就业可达性”,将小于该阈值的就业可达性称为“低就业可达性”。同理,用地混合度的阈值也按上述方法确定并划分出“高用地混合度”和“低用地混合度”。

表2   就业可达性和用地混合度的阈值检测

Tab.2   Threshold test for employment accessibility and land use mix degree

AIC-滞后项最佳滞后项参数Tsay阈值检测模型阈值最小剩余平方和
就业可达性
总样本AIC-lag = 8d*=2F9,516=2212.06
(0.000)
γ=0.817RSS=0.00357
用地混合度
总样本AIC-lag = 8d*=2F9,516=335.22
(0.000)
γ=1269.9RSS=0.00138

注:用AIC方法得到的lag值是两个调节变量数列最好的滞后项值;d*是最佳滞后项参数; Tsay(1989)的阈值检测假设是自回归模型或带有阈值的自回归模型,其中括号中为p–值。然后,利用Chan(1993)的方法检测出阈值(γ)和最小剩余平方和(RSS)。

新窗口打开

4 回归结果与讨论

4.1 不同通勤方式与职住失衡的关系

表3所示,将自变量“慢行交通”“机动车”“轨道交通”“地面公交”和因变量“过剩通勤时间”进行回归。分析结果显示,“慢行交通”的通勤方式与“过剩通勤时间”存在较为显著负相关性,即相比其他交通方式,采用步行或骑车方式通勤的就业者,其通勤时间更短,职住失衡的程度更高。而“机动车”“轨道交通”“地面公交”等其他三种通勤方式与职住失衡表现为正相关关系,即对于利用机动车、地铁、公交车等方式通勤的就业者来说,会承受更大的通勤时间成本,职住失衡度更高。

表3   不同通勤方式与职住失衡度的关系

Tab.3   Relationship between various travel modes and job-housing imbalance

变量相关系数(标准误差)95%的置信区间
慢行交通-14.43 (1.71)-17.77-11.06
机动车7.54 (1.74)4.1510.96
轨道交通10.30 (1.61)7.1513.48
地面公交6.67 (1.23)4.289.10
年龄0.11 (0.08)-0.030.26
性别1.82 (1.12)-0.374.01
户口状况0.94 (1.18)-1.383.24
教育状况-0.29 (0.59)-1.460.87
家庭规模-0.44 (0.45)-1.330.44
收入状况1.48 (0.61)-0.292.69
住房状况0.07 (1.38)-2.642.75
可达性0.33 (0.09)0.160.51
人口密度0.00 (0.00)-0.000.01
公服设施密度-0.83 (1.36)-3.491.80

新窗口打开

很明显,和其他机动交通通勤方式相比,慢行交通通勤方式和与就业者的职住失衡状况之间存在截然不同的关系。一方面,受慢行交通出行效率和通勤者体力消耗的限制,在通勤成本预算的潜在影响下以步行或自行车为主要通勤方式的就业者更可能选择那些距离居住地较近的工作岗位;另一方面,当工作地与居住地距离较近时,在通勤效率和通勤成本方面,步行或骑车可能比私家车、地铁等机动交通工具更具有优势。另外需要指出的是,本文的采样地点位于北京市中心城区外的近郊区(朝阳区东部)和远郊区(通州区),并且当地的就业岗位数量不能满足当地居民的就业需求(研究范围内的职住比约为6:1)。因此,除了少数本地居民可以就近工作外,大部分就业者必须依靠机动交通工具到更远的地方工作。这就导致在以时间和距离衡量通勤成本方面,机动交通的通勤者并不会比慢行交通的通勤者更具有优势。亦即是, 对于使用机动交通工具进行通勤的就业者而言,无论是出于接驳可达性、通勤便捷度、通勤成本的考虑或相关政策的限制还是个人选择偏好的原因而选择何种机动交通方式,其通勤时间和通勤距离都会比步行或骑车的通勤者更长。

4.2 就业可达性对不同通勤方式与职住失衡之间关系的影响

本文将“就业可达性”(employ)作为调节变量并按可达性的高低分成2组加入不同通勤方式和职住失衡的相关性回归分析(表4-5)。结果显示:在高“就业可达性”时,“慢行交通”“机动车”“轨道交通”“地面公交”与“过剩通勤时间”均无相关性;而在低“就业可达性”时,“慢行交通”与“过剩通勤时间”在95%的置信区间内存在负相关性,“机动车”与“过剩通勤时间”不相关,“轨道交通”“地面公交”与“过剩通勤时间”则呈现正向关系。由此可知,在街道尺度下,除了机动车外,就业可达性对于慢行交通、公交车、轨道交通与职住失衡的关系起到了削弱作用。街道的就业可达性越强,慢行交通与职住失衡的负相关性越弱;反之,则负相关性越显著。同时,街道的就业可达性越强,轨道交通和地面公交与职住失衡的正相关性越弱;反之,则正相关性越显著。而对于机动车通勤者来说,就业可达性对其通勤出行方式没有影响。

表4   高就业可达性时通勤方式对定性职住失衡度的影响

Tab.4   Relationship between various travel modes and job-housing imbalance under higher employment accessibility

变量相关系数(标准误差)95%的置信区间
慢行交通-7.14 (16.80)-40.4625.81
机动车0.03 (10.94)-21.2921.61
轨道交通7.68 (6.78)-5.6021.05
地面公交-0.28 (11.73)-23.3222.82
年龄0.14 (0.09)-0.040.32
性别1.47 (1.35)-1.194.12
户口状况-0.63 (1.43)-3.402.18
教育状况-1.16 (0.71)-2.560.23
家庭规模-0.75 (0.55)-1.840.33
收入状况2.89 (0.73)1.454.31
住房状况1.03 (1.68)-2.264.33
可达性0.25 (0.11)0.040.47
人口密度0.00 (0.00)-0.000.00
公服设施密度-2.89 (1.66)-6.120.34

新窗口打开

表5   低就业可达性时通勤方式对定性职住失衡度的影响

Tab.5   Relationship between various travel modes and job-housing imbalance under lower employment accessibility

变量相关系数(标准误差)95%的置信区间
慢行交通-16.46 (1.64)-19.65-13.26
机动车1.72 (1.32)-0.864.30
轨道交通4.90 (1.30)5.1910.30
地面公交7.74 (1.23)2.507.30
年龄0.08 (0.07)-0.060.23
性别2.12 (1.11)-0.064.29
户口状况1.47 (1.19)-0.823.82
教育状况-0.18 (0.60)-1.350.99
家庭规模-0.49 (0.45)-1.380.40
收入状况1.89 (0.62)0.703.09
住房状况0.37 (1.39)-2.333.11
可达性0.35 (0.09)0.170.53
人口密度0.00 (0.00)-0.000.00
公服设施密度0.21 (1.40)-2.543.00

新窗口打开

不同于一般认知,较低的就业可达性并没有对慢行交通通勤者的职住失衡状况或通勤成本造成负面影响,反而减少了这类通勤者的通勤时间并使其就业—居住关系趋于更加平衡。当根据潜在通勤范围内就业岗位数与就业适龄人口数的比例所确定的就业可达性较低时,说明该街道潜在就业范围内的工作岗位供给不足而不能满足本地居民的就业需求。在就业可达性较低的街道,由于环境适应、通勤成本、就业信息获取等方面的原因,本地居民更容易在本街道内选择就业机会;特别是那些需要照顾老人、接送小孩等有家庭原因而需要就近工作的群体。在这种情况下,在本街道潜在通勤范围内工作的就业者通勤时间相对较短,采取步行或骑车通勤的可能性也就更大。而对于另一部分就业者来说,之所以会选择利用轨道交通和地面公交通勤,可能出于2个原因:一是他们的工作回报较高使其愿意付出更高的通勤成本;二是通勤方式的高效性和便捷性能够将其总的通勤成本控制在一个可接受的范围内。当本地就业岗位不足时,他们会选择到更远的区域寻找就业机会。也就是说,街道尺度的低就业可达性特征会加剧公共交通通勤者的职住失衡程度。此外,就业可达性对机动车使用者的通勤行为影响不显著也佐证了已有一些研究,即建成环境等外部客观因素对于机动车出行者的出行行为影响非常有限,驾驶或乘坐机动车的出行习惯很难被改变(Fujji et al, 2001; Wu et al, 2017)。

4.3 用地混合度对不同通勤方式与职住失衡之间关系的影响

表6-7所示,将“用地混合度”(lduse)作为调节变量并按混合程度的高低分为2组加入各种通勤方式和职住失衡的相关性回归后,结果显示:在高“用地混合度”条件下,“慢行交通”“机动车”“轨道交通”“地面公交”与表示职住失衡度的“过剩通勤时间”均没有显示出相关性。然而,在低“用地混合度”的条件下,“慢行交通”与“过剩通勤时间”表现为负相关关系,“机动车”与“过剩通勤时间”没有相关性,而“轨道交通”“地面公交”与“过剩通勤时间”则呈现出正相关性。

表6   高用地混合度时通勤方式对职住失衡度的影响

Tab.6   Relationship between various travel modes and job-housing imbalance under higher land use mix degree

变量相关系数(标准误差)95%的置信区间
截距76.05 (5.22)65.8286.19
慢行交通-1.18 (17.81)-36.2433.40
机动车6.07 (17.73)-28.7741.27
轨道交通-0.18 (9.64)-19.1518.88
地面公交-0.29 (18.78)-37.0536.38
年龄0.14 (0.09)-0.040.31
性别1.35 (1.35)-1.314.00
户口状况-0.42 (1.43)-3.242.38
教育状况-1.16 (0.71)-2.560.23
家庭规模-0.75 (0.55)-1.840.33
收入状况2.98 (0.73)1.534.43
住房状况1.08 (1.68)-2.724.41
可达性0.25 (0.11)0.030.46
人口密度0.00 (0.00)-0.000.00
公服设施密度-3.23 (1.69)-6.530.10

新窗口打开

表7   低用地混合度时通勤方式对职住失衡度的影响

Tab.7   Relationship between various travel modes and Job-housing imbalance under lower land use mix degree

变量相关系数(标准误差)95%的置信区间
截距66.76 (4.77)57.4576.04
慢行交通-16.05 (1.64)-19.26-12.82
机动车2.05 (1.32)-50.554.64
轨道交通8.11 (1.29)5.5610.60
地面公交5.09 (1.21)2.737.47
年龄0.09 (0.07)-0.080.23
性别2.21 (1.12)0.024.40
户口状况1.28 (1.17)-1.033.57
教育状况-0.14 (0.60)-1.321.02
家庭规模-0.51 (0.46)-1.400.39
收入状况1.83 (0.61)0.633.03
住房状况0.33 (1.38)-2.373.02
可达性0.36 (0.09)0.180.54
人口密度-0.00 (0.00)-0.000.00
公服设施密度0.28 (1.39)-2.463.03

新窗口打开

与就业可达性相似,土地利用混合度在一定程度上会弱化“慢行交通”“轨道交通”“地面公交”等通勤方式与职住失衡程度之间原有的关系,而对于“机动车”通勤方式与职住失衡度的关系没有影响。具体来说,街道的土地利用混合度越低,“慢行交通”和“过剩通勤时间”的负相关性越显著。相反,街道的土地利用混合度越低,“轨道交通”“地面公交”和“过剩通勤时间”的正相关性越强。另外,用地混合程度对于机动车通勤者的通勤行为影响并不显著。本文分析表明,街道尺度下的低用地混合度现状可能会造成潜在就业岗位和生活设施的不足。前人的研究曾指出,土地利用结构单一或不均衡的地区居民比其他地区居民的出行量更大,进而导致更加严重的交通拥堵问题(Cervero 1988)。在这样的地区,人们往往只能依靠机动交通工具,特别是私家车进行日常出行活动。因此,低用地混合度的街道通常无法较好地吸引来自其他区域的潜在就业者。面对本街道范围内为数不多的工作机会,居住在本地的就业者显然更具竞争优势。从另一角度看,本地就业者的通勤距离相对较近,当就业地和居住地之间的距离邻近到一定程度时,步行或骑行往往会比其他机动通勤方式更加便捷高效。因此,低用地混合度的街道,慢行交通通勤者的职住状况会趋于更加平衡。而对本街道范围内利用轨道交通和公交车的方式通勤的就业者来说,为了追求更多的就业选择和更好的工作机会必须到本地区外更远的地方工作,进而导致通勤距离和通勤时间的同时增加。这就解释了为何当用地混合程度较低时,轨道交通和地面公交的通勤方式和职住失衡之间的正向关系得到了加强。最后,与就业可达性的作用类似,街道尺度下用地混合度的差异不足以改变机动车使用者的通勤行为。

5 结论与讨论

本文利用北京市7个街道的通勤者微观调查数据、2010年第六次人口普查和2008年第二次经济普查的宏观数据,同时结合大数据方法和实地调研获得的街道层面数据,基于变量特征通过建立贝叶斯-tobit模型对慢行交通、机动车、轨道交通和地面公交等4种通勤方式与职住失衡的相关性分别进行解析。为了能够从通勤者个体的视角分析职住平衡状况,本文使用对就业者更为敏感的平均实际通勤时耗作为通勤成本计算过度通勤值。另外,还加入了就业可达性和用地混合度指标作为调节变量,深入分析二者对各种通勤方式与职住失衡之间关系的影响。

结果发现:①慢行交通的通勤方式与职住失衡存在负相关性,即相比利用其他出行方式的通勤者,步行和骑车通勤的就业者通勤时间更短;②机动车、轨道交通和地面公交等通勤方式与职住失衡呈正相关,即采用轨道交通和地面公交方式通勤的就业者通勤时间相对较长;③机动车通勤与职住失衡未表现出相关关系;④此外,街道尺度下的就业可达性和用地混合度指标会削弱慢行交通、轨道交通、地面公交3种通勤方式与职住失衡原有的相关关系。具体而言,街道的就业可达性越差、土地利用混合程度越单一或越不均衡,慢行交通通勤者的通勤时间越短、职住平衡状况越好;而街道的就业可达性和街道的用地混合度状况越差,轨道交通和地面公交通勤者的通勤时间越长、就业—居住关系越趋于失衡;⑤就业可达性和用地混合度的差异对于机动车通勤行为的影响并不显著。

在过去的研究中,就业可达性和用地混合度被看作是能影响职住关系的重要因素。不少研究者认为,既定区域内良好的就业可达性和类型混合、比例均衡的土地利用状况能够增加人们在本地就业的可能性、缩短通勤的距离和时间,从而有助于人们从个人机动车向公共交通或慢行交通等可持续的通勤方式转变。本文的分析结果表明:①不同类型的通勤方式与职住失衡之间的关系是不一致的。步行、骑车等慢行交通方式通勤者的就业—居住状况更好。相反地,轨道交通、地面公交等机动交通方式通勤者的就业—居住状况相对更差;②在街道尺度下,就业可达性和用地混合度会对慢行交通、轨道交通、地面公交等通勤方式与职住失衡度之间的关系起到削弱作用;③单纯依靠优化居住地和就业地的建成环境等外在客观因素很难改变机动车通勤者的出行方式;④多层次的多中心城市结构(Bertaud, 2002; Ma et al, 2006)、有效的政策和制度管控(如机动车购买和使用的限制) (Giuliano, 1991; Alexander, 2005)、高效便捷的公共交通系统(巢耀明, 2015)等多方面城市策略对于就业—居住的空间关系可起到实质性改善。

由于本文调研取样的7个街道均位于北京中心城区外,在此居住的就业者利用机动车、轨道交通、地面公交等方式的通勤轨迹均具有比较明显的向中心性趋势。在这种情况下,机动车、轨道交通、地面公交通勤方式与职住失衡都具有正向关系,但无法判断这些关系之间的差异。因此,在未来的研究中如能扩充样本,增加中心城区内街道的通勤者数据,将有助于深入分析机动车、轨道交通、地面公交等通勤方式与职住失衡之间关系的差异性。

The authors have declared that no competing interests exist.


参考文献

[12] 龙瀛, 张宇, 崔承印. 2012.

利用公交刷卡数据分析北京职住关系和通勤出行

[J]. 地理学报, 67(10): 1339-1352.

[本文引用: 1]     

[Long Y, Zhang Y, Cui C Y.2012.

Identifying commuting pattern of Beijing using bus smart card data

[J]. Acta Geographica Sinica, 67(10): 1339-1352.]

[本文引用: 1]     

[13] 孟晓晨, 吴静, 沈凡卜. 2009.

职住平衡的研究回顾及观点综述

[J]. 城市发展研究, 16(6): 23-35.

[本文引用: 1]     

[Meng X C, Wu J, Shen F B.2009.

The studies review of urban jobs-housing balance

[J]. Urban Studies, 16(6): 23-35.]

[本文引用: 1]     

[14] 王淑伟. 2015.

站点周边用地特性对轨道客流影响机理研究

[D]. 北京: 北京工业大学.

[本文引用: 1]     

[Wang S W.2015.

Research on the influence mechanism of transit station surrounding land use on transit ridership

[D]. Beijing, China: Beijing University of Technology.]

[本文引用: 1]     

[15] 徐涛, 宋金平, 方琳娜, . 2009.

北京居住与就业的空间错位研究

[J]. 地理科学, 29(2): 174-180.

Magsci      [本文引用: 1]      摘要

宏观上将北京作为一个整体,借助于空间错位指数,研究1982、1990和2000年不同地域范围的空间错位情况;微观上,利用调查问卷数据分析边缘区居民通勤的时间、距离、方式及费用。研究发现,宏观上,北京市不同地域范围的空间错位指数及其变化是不同的,北京市20世纪90年代之前空间错位不明显,1982和1990年的空间错位指数(SMI)分别是3.13和1.98,此后以年均增长1.48个点的速度达到2000年的16.81;中心城区三年的SMI非常低且随时间缓慢增长,2000年时仍小于1;城八区的<em>SMI</em>在20年来不断增大且加速发展;同时就业远离居民、居民追逐就业,空间错位的强度取决于两者作用的强弱。微观研究发现,居民就地或就近就业的比例较低,超过50%的通勤者通勤距离在10~40km之间且每天通勤时间超过1h,通勤方式以公交、地铁和私家车为主,通勤距离和时间的增长并没有带来费用的相应增长,50%的通勤者每月通勤费用在100元以下。居住与就业的空间错位,导致通勤给居民带来的经济上的压力很小,长时间通勤带来的时间消耗及由此引起的精神消耗才是最主要的。

[Xu T, Song J P, Fang L N, et al.2009.

Spatial mismatch between housing and employment in Beijing

[J]. Scientia Geographica Sinica, 29(2): 174-180.]

Magsci      [本文引用: 1]      摘要

宏观上将北京作为一个整体,借助于空间错位指数,研究1982、1990和2000年不同地域范围的空间错位情况;微观上,利用调查问卷数据分析边缘区居民通勤的时间、距离、方式及费用。研究发现,宏观上,北京市不同地域范围的空间错位指数及其变化是不同的,北京市20世纪90年代之前空间错位不明显,1982和1990年的空间错位指数(SMI)分别是3.13和1.98,此后以年均增长1.48个点的速度达到2000年的16.81;中心城区三年的SMI非常低且随时间缓慢增长,2000年时仍小于1;城八区的<em>SMI</em>在20年来不断增大且加速发展;同时就业远离居民、居民追逐就业,空间错位的强度取决于两者作用的强弱。微观研究发现,居民就地或就近就业的比例较低,超过50%的通勤者通勤距离在10~40km之间且每天通勤时间超过1h,通勤方式以公交、地铁和私家车为主,通勤距离和时间的增长并没有带来费用的相应增长,50%的通勤者每月通勤费用在100元以下。居住与就业的空间错位,导致通勤给居民带来的经济上的压力很小,长时间通勤带来的时间消耗及由此引起的精神消耗才是最主要的。
[16] 张纯, 易成栋, 宋彦. 2016.

北京市职住空间关系特征及变化研究: 基于第五、六次人口普查和2001、2008年经济普查数据的实证分析

[J]. 城市规划, 40(10): 59-64.

[本文引用: 1]     

[Zhang C, Yi C D, Song Y.2016.

Characteristics of job-housing spatial relationship and changes in Beijing: An empirical study based on data from the 5th, 6th population census and economy census in 2001 and 2008

[J]. City Planning Review, 40(10): 59-64.]

[本文引用: 1]     

[17] 赵晖, 杨军, 刘常平. 2011.

轨道沿线居民职住分布及通勤空间组织特征研究: 以北京为例

[J]. 经济地理, 31(9): 1445-1451.

[本文引用: 2]     

[Zhao H, Yang J, Liu C P.2011.

Research on characteristics of the job/housing distribution and the changing commuting along subway lines: A case Study from Beijing

[J]. Economic Geography, 31(9): 1445-1451.]

[本文引用: 2]     

[1] 柴彦威, 刘志林, 沈洁. 2008.

中国城市单位制度的变化及其影响

[J]. 干旱区地理, 31(2): 155-163.

[本文引用: 1]     

[Chai Y W, Liu Z L, Shen J.2008.

Changes of the Danwei system and its effects

[J]. Arid Land Geography, 31(2): 155-163.]

[本文引用: 1]     

[18] 郑承志, 张旺锋, 武炳炎, . 2017.

北京市外来人口集聚型城中村流动人口职住分离研究

[J]. 地理科学进展, 36(4): 416-425.

[本文引用: 1]     

[Zheng C Z, Zhang W F, Wu B Y.2011.

Job-housing mismatch of floating population in urban villages of Beijing

[J]. Progress in Geography, 36(4): 416-425.]

[本文引用: 1]     

[2] 陈蕾, 孟晓晨. 2011.

北京市居住—就业空间结构及影响因素分析

[J]. 地理科学进展, 30(10): 1210-1217.

https://doi.org/10.11820/dlkxjz.2011.10.002      Magsci      [本文引用: 1]      摘要

在中国城市社会经济发展和住房市场化的进程中,居住&mdash;就业的空间格局发生了巨大的变化,居住&mdash;就业的空间分离引发了一系列交通和社会问题。本文通过对北京市不同区域的4 个社区进行问卷发放和实地调查研究,考察了北京市居民的通勤特征和居住地、就业地的空间分布特征,测算了样本的居住&mdash;就业平衡度,进而比较了居住&mdash;就业平衡和不平衡的居民社会经济属性的差异。研究表明:北京市居民居住&mdash;就业不平衡现象十分普遍,居住&mdash;就业不平衡现象在大型就业中心和大规模居住区表现得愈突出。对居民社会经济属性与居住&mdash;就业空间平衡关系的研究发现,居住&mdash;就业平衡群体的最突出特征是年龄在50 岁以上、职业为公务员、住房为单位集体宿舍或借住朋友/亲戚家。而相反,已婚居民、自有住房群体或从事农林渔牧水利生产等这部分人群往往最容易产生居住&mdash;就业不平衡。

[Chen L, Meng X C.2011.

A study on the job-housing spatial balance of Beijing

[J]. Progress in Geography, 30(10): 1210-1217.]

https://doi.org/10.11820/dlkxjz.2011.10.002      Magsci      [本文引用: 1]      摘要

在中国城市社会经济发展和住房市场化的进程中,居住&mdash;就业的空间格局发生了巨大的变化,居住&mdash;就业的空间分离引发了一系列交通和社会问题。本文通过对北京市不同区域的4 个社区进行问卷发放和实地调查研究,考察了北京市居民的通勤特征和居住地、就业地的空间分布特征,测算了样本的居住&mdash;就业平衡度,进而比较了居住&mdash;就业平衡和不平衡的居民社会经济属性的差异。研究表明:北京市居民居住&mdash;就业不平衡现象十分普遍,居住&mdash;就业不平衡现象在大型就业中心和大规模居住区表现得愈突出。对居民社会经济属性与居住&mdash;就业空间平衡关系的研究发现,居住&mdash;就业平衡群体的最突出特征是年龄在50 岁以上、职业为公务员、住房为单位集体宿舍或借住朋友/亲戚家。而相反,已婚居民、自有住房群体或从事农林渔牧水利生产等这部分人群往往最容易产生居住&mdash;就业不平衡。
[19] Cervero R, Day J.2010.

中国城市的郊区化与公交导向开发

[J]. 上海城市规划, 93(4): 50-59.

[本文引用: 1]     

[Cervero R, Day J.2010.

Suburbanization and transit-oriented development in China

[J]. Shanghai Urban Planning Review, 93(4): 50-59.]

[本文引用: 1]     

[3] 巢耀明. 2015.

南京新城区居住就业空间及协调发展机制研究

[D]. 南京: 东南大学.

[本文引用: 1]     

[Chao Y M.2015.

Research on residential-employment space and coordinated development mechanism of New Town in Nanjing

[D]. Nanjing, China: Southeast University.]

[本文引用: 1]     

[20] Alexander E.2005.

Institutional transformation and planning: From institutionalization theory to institutional design

[J]. Planning Theory, 4(3): 209-223.

https://doi.org/10.1177/1473095205058494      URL      [本文引用: 1]     

[21] Barr S, Fraszczyk A, Mulley C.2010.

Excess travelling-what does it mean? New definition and a case study of excess commuters in Tyne and Wear, UK

[J]. European Transport Research Review, 2(2): 69-83.

https://doi.org/10.1007/s12544-010-0029-y      URL      [本文引用: 1]     

[4] 党云晓, 董冠鹏, 余建辉, . 2015.

北京土地利用混合度对居民职住分离的影响

[J]. 地理学报, 70(6): 919-930.

[本文引用: 1]     

[Dang Y X, Dong G P, Yu J H, et al.2015.

Impact of land-use mixed degree on resident's home-work separation in Beijing

[J]. Acta Geographica Sinica, 70(6): 919-930.]

[本文引用: 1]     

[22] Bertaud D.2002.

Note on transportation and urban spatial structure

[C]//The Annual Bank Conference on Development and Economics. Washington, DC: The World Bank.

[本文引用: 1]     

[23] Boarnet M, Crane R.2001.

The influence of land use on travel behavior: Specification and estimation strategies

[J]. Transportation Research Part A: Policy & Practice, 35(9): 823-845.

[本文引用: 1]     

[5] 符婷婷, 张艳, 柴彦威. 2018.

大城市郊区居民通勤模式对健康的影响研究: 以北京天通苑为例

[J]. 地理科学进展, 37(4): 547-555.

[本文引用: 1]     

[Fu T T, Zhang Y, Chai Y W.2018.

Implications of commuting pattern for suburban residents'health in large Chinese cities: Evidences from Tiantongyuan in Beijing

[J]. Progress in Geography, 37(4): 547-555.]

[本文引用: 1]     

[24] Breusch T.1978.

Testing for autocorrelation in dynamic linear models

[J]. Australian Economic Papers, 17: 334-355.

https://doi.org/10.1111/j.1467-8454.1978.tb00635.x      URL      [本文引用: 1]     

[25] Cervero R.1988.

America's suburban centers: A study of the land use-transportation link

[R]. DOT-T-88-14. Berkeley, CA: The University of California Transportation Center.

[本文引用: 1]     

[6] 孔令斌. 2013.

城市平衡的影响因素及改善对策

[J]. 城市交通, 11(6): 1-4.

[本文引用: 1]     

[Kong L B.2013.

Influential factors and improvement measures for job-housing balance

[J]. Urban Transport of China, 11(6): 1-4.]

[本文引用: 1]     

[26] Cervero R.1989.

Jobs-housing balancing and regional mobility

[J]. Journal of the American Planning Association, 55(2): 136-150.

https://doi.org/10.1080/01944368908976014      URL      [本文引用: 2]     

[27] Cervero R, Duncan M.2006.

Which reduces vehicle travel more: Jobs-housing balance or retail-housing mixing

[J]. Journal of the American Planning Association, 72(4): 475-490.

https://doi.org/10.1080/01944360608976767      URL      [本文引用: 1]     

[7] 李俊芳, 姚敏锋, 季峰, . 2016.

土地利用混合度对轨道交通车站客流的影响

[J]. 同济大学学报: 自然科学版, 44(9): 1415-1423.

[本文引用: 1]     

[Li J F, Yao M F, Ji F, et al.2016.

Quantitative study on how land use mix impact urban rail transit at station-level

[J]. Journal of Tongji University: Natural Science, 44(9): 1415-1423.]

[本文引用: 1]     

[28] Cervero R, Radisch C.1996.

Travel choices in pedestrian versus automobile oriented neighborhoods

[J]. Transport Policy, 3(3): 127-141.

https://doi.org/10.1016/0967-070X(96)00016-9      URL      [本文引用: 2]     

[29] Chan K.1993.

Consistency and limiting distribution of the least squares estimator of a threshold autoregressive model

[J]. The Annals of Statistics, 21(1): 520-533.

https://doi.org/10.1214/aos/1176349040      URL      [本文引用: 2]     

[8] 林红, 李军. 2008.

出行空间分布与土地利用混合程度关系研究: 以广州中心片区为例

[J]. 城市规划, 32(9): 53-56, 74.

[本文引用: 2]     

[Lin H, Li J.2008.

Relationship between spatial distribution of resident trips and mixed degree of land use: A case study of Guangzhou

[J]. City Planning Review, 32(9): 53-56, 74.]

[本文引用: 2]     

[30] Charron M.2007.

From excess commuting to commuting possibilities: More extension to the concept of excess commuting

[J]. Environment and Planning A: Economy & Space, 39(5): 1238-1254.

[本文引用: 1]     

[31] Ewing R, Cervero R.2010.

Travel and the built environment: A meta-analysis

[J]. Journal of the American Planning Association, 76(3): 265-294.

https://doi.org/10.1080/01944361003766766      URL      [本文引用: 1]     

[9] 刘望保, 闫小培, 谢丽娟. 2012.

转型时期广州居民职住流动及其空间结构变化: 基于3个年份的调查分析

[J]. 地理研究, 31(9): 1685-1696.

[本文引用: 1]     

[Liu W B, Yan X P, Xie L J.2012.

Employment and residential mobility and its spatial structure change based on the 3 years' survey analysis

[J]. Geographical Research, 31(9): 1685-1696.]

[本文引用: 1]     

[32] Frank L, Pivo G.1994.

Impacts of mixed use and density on utilization of three modes of travel: Single-occupant vehicle, transit, and walking

[J]. Transportation Research Record, 1466: 44-52.

[本文引用: 1]     

[33] Fujii S, Garling T, Kitamura R.2001.

Change in drivers' perception and use of public transport during a freeway closure: Effects of temporary structural change on cooperation in a real-life social dilemma

[J]. Environment and Behavior, 33(6): 796-808.

https://doi.org/10.1177/00139160121973241      URL      [本文引用: 1]     

[10] 刘志林, 王茂军. 2011.

北京市职住空间错位对居民通勤行为的影响分析: 基于就业可达性与通勤时间的讨论

[J]. 地理学报, 66(4): 457-467.

[本文引用: 4]     

[Liu Z L, Wang M J.2011.

Job accessibility and its impacts on commuting time of urban residents in Beijing: From a spatial mismatch perspective

[J]. Acta Geographica Sinica, 66(4): 457-467.]

[本文引用: 4]     

[34] Giuliano G.1991.

Is jobs housing balance a transportation issue

[J]. Transportation Research Record, 1305: 305-312.

[本文引用: 2]     

[35] Godfrey L.1978.

Testing for higher order serial correlation in regression equations when the regressors include lagged dependent variables

[J]. Econometrica, 46(6):1303-1310.

https://doi.org/10.2307/1913830      URL      [本文引用: 1]     

[11] 刘志林, 张艳, 柴彦威. 2009.

中国大城市职住分离现象及其特征: 以北京市为例

[J]. 城市发展研究, 16(9): 123-130.

[本文引用: 1]     

[Liu Z L, Zhang Y, Chai Y W.2009.

Home-work separation in the context of institutional and spatial transformation in urban China: Evidence from Beijing household survey data

[J]. Urban Studies, 16(9): 123-130.]

[本文引用: 1]     

[36] Goodwin P.1976.

Travel choice and time budgets

[C]//Transportation Models, Summer Annual Meeting. Warwick, UK: University of Warwick.

[本文引用: 1]     

[37] Hamilton B, Roell A.1982.

Wasteful commuting

[J]. The Journal of Political Economy, 90(5): 1035-1053.

https://doi.org/10.1086/261107      URL      [本文引用: 3]     

[38] Hansen B.2000.

Sample splitting and threshold estimation

[J]. Econometrica, 68(3): 575-603.

https://doi.org/10.1111/ecta.2000.68.issue-3      URL      [本文引用: 1]     

[39] Hanson S, Schwab B.1987.

Accessibility and intraurban travel

[J]. Environment and Planning A: Economy & Space, 19(6): 735-748.

[本文引用: 1]     

[40] Horner M.2002.

Extensions to the concept of excess commuting

[J]. Environment and Planning A: Economy & Space, 34(3): 543-566.

[本文引用: 2]     

[41] Horner M, Murray E.2002.

Excess commuting and the modifiable areal unit problem

[J]. Urban Studies, 39(1): 131-139.

https://doi.org/10.1080/00420980220099113      URL      [本文引用: 2]     

[42] Levinson D.1998.

Accessibility and the journey to work

[J]. Journal of Transport Geography, 6(1): 11-21.

https://doi.org/10.1016/S0966-6923(97)00036-7      URL      [本文引用: 1]     

[43] Liu Z W, Deng W, Ji Y J, et al.2014.

Influence of land use characteristics and trip attributes on commuting mode choice: A case of Nanjing

[J]. Journal of Southeast University: English Edition, 30(1): 107-112.

[本文引用: 1]     

[44] Ma K, Banister D.2006.

Extended excess commuting: A measure of the jobs-housing imbalance in Seoul

[J]. Urban Studies, 43(11): 2099-2113.

https://doi.org/10.1080/00420980600945245      URL      [本文引用: 7]     

[45] Mitchell R, Rapkin C.1954.

Urban Traffic: A function of land use

[M]. New York: Columbia University Press.

[本文引用: 1]     

[46] Niedzielski M, Horner M, Xiao N.2013.

Analyzing scale independence in jobs-housing and commute efficiency metrics

[J]. Transportation Research Part A: Policy & Practice, 58(3): 129-143.

[本文引用: 2]     

[47] Peng Z.1997.

The jobs-housing balance and urban commuting

[J]. Urban Studies, 34(8): 1215-1235.

https://doi.org/10.1080/0042098975600      URL      [本文引用: 2]     

[48] Qin P, Wang L.2017.

Job opportunities, institutions, and the jobs-housing spatial relationship: Case study of Beijing

[J]. Transport Policy.(in press)

[本文引用: 1]     

[49] Saadi I, Boussauw K, Teller J, et al.2016.

Trends in regional jobs-housing proximity based on the minimum commute: The case of Belgium

[J]. Journal of Transport Geography, 57: 171-183.

https://doi.org/10.1016/j.jtrangeo.2016.10.010      URL      [本文引用: 1]     

[50] Schafer A.2000.

Regularities in travel demand: An international perspective

. Journal of Transportation and Statistics, 3(3): 1-31.

[本文引用: 3]     

[51] Schleith D, Widener M, Kim C.2016.

An examination of the jobs-housing balance of different categories of workers across 26 metropolitan regions

[J]. Journal of Transport Geography, 57: 145-160.

https://doi.org/10.1016/j.jtrangeo.2016.10.008      URL     

[52] Small K, Song S.1992.

"Wasteful" commuting: A resolution

[J]. Journal of Political Economy, 100(4): 888-898.

https://doi.org/10.1086/261844      URL      [本文引用: 1]     

[53] Sung H, Choi K, Lee S, et al.2014.

Exploring the impacts of land use by service coverage and station-level accessibility on rail transit ridership

[J]. Journal of Transport Geography, 36(2): 134-140.

https://doi.org/10.1016/j.jtrangeo.2014.03.013      URL      [本文引用: 1]     

[54] Tanner J.1961.

Factors affecting the amount of travel[R]. Road Research Technical Paper No. 5. London, UK: Her Majesty's

Stationery Office.

[本文引用: 1]     

[55] Tsay R.1989.

Testing and modeling threshold autoregressive processes

[J]. Journal of the American Statistical Association, 84(405): 231-240.

https://doi.org/10.1080/01621459.1989.10478760      URL      [本文引用: 4]     

[56] Wang D, Chai Y.2009.

The jobs-housing relationship and commuting in Beijing, China: The legacy of Danwei

[J]. Journal of Transport Geography, 17(1): 30-38.

https://doi.org/10.1016/j.jtrangeo.2008.04.005      URL      [本文引用: 1]     

[57] Wang E, Song J, Xu T.2011.

From "spatial bond" to "spatial mismatch": An assessment of changing jobs-housing relationship in Beijing

[J]. Habitat International, 35(2): 398-409.

https://doi.org/10.1016/j.habitatint.2010.11.008      URL      [本文引用: 1]     

[58] White M.1988.

Urban commuting journeys are not "wasteful"

[J]. The Journal of Political Economy, 96(5): 1097-1110.

https://doi.org/10.1086/261579      URL      [本文引用: 5]     

[59] Wu W, Hong J.2017.

Does public transit improvement affect commuting behavior in Beijing, China? A spatial multilevel approach

[J]. Transportation Research Part D: Transport & Environment, 52: 471-479.

[本文引用: 3]     

[60] Yan W, Wang D, Zhang S, et al.2018.

Evaluating the multi-scale patterns of jobs-residence balance and commuting time-cost using cellular signaling data: A case study in Shanghai

[J]. Transportation, 45: 1-16.

https://doi.org/10.1007/s11116-016-9716-4      URL      [本文引用: 1]     

[61] Zahavi Y.1981.

The UMOT-urban interaction

[R]. DOT-RSPA-DPB. Washington, DC: U.S. Department of Transportation.

[本文引用: 1]     

[62] Zhao P, Lv B, Roo G.2011.

Impact of the jobs-housing balance on urban commuting in Beijing in the transformation era

[J]. Journey of Transport Geography, 19(1): 59-69.

https://doi.org/10.1016/j.jtrangeo.2009.09.008      URL      [本文引用: 3]     

/