EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 8: 1481 - 1495

DOI: https://doi.org/10.18306/dlkxjz.2024.08.002

研究论文

城内迁居导致的街区尺度人口动态变化测度及其空间分异特征——基于手机信令数据的武汉市实证

  • 牛强 , 1, 2 ,
  • 胡金鹏 1 ,
  • 梁晓倩 1 ,
  • 刘晓阳 , 1, * ,
  • 伍磊 1
展开
  • 1.武汉大学城市设计学院，武汉 430072
  • 2.湖北省人居环境工程技术研究中心，武汉 430072
* 刘晓阳(1991— )，女，山东菏泽人，博士，硕士生导师，主要从事生态安全与城市增长管理，大数据与新技术规划应用等研究。E-mail:

牛强(1978— )，男，湖北武汉人，博士，博士生导师，主要从事行为大数据分析、信息时代的城乡规划、定量城市研究和规划分析等研究。E-mail:

收稿日期: 2023-11-28

  修回日期: 2024-02-19

  网络出版日期: 2024-08-22

基金资助

国家自然科学基金项目(52278075)

收起

Measurement of neighborhood-scale population dynamic changes due to intracity migration and its spatial differentiation characteristics: Empirical evidence from Wuhan City based on mobile phone signaling data

  • NIU Qiang , 1, 2 ,
  • HU Jinpeng 1 ,
  • LIANG Xiaoqian 1 ,
  • LIU Xiaoyang , 1, * ,
  • WU Lei 1
Expand
  • 1. School of Urban Design, Wuhan University, Wuhan 430072, China
  • 2. Hubei Habitat Environment Research Centre of Engineering and Technology, Wuhan 430072, China

Received date: 2023-11-28

  Revised date: 2024-02-19

  Online published: 2024-08-22

Supported by

National Natural Science Foundation of China(52278075)

Fold

摘要

准确把握城市内部人口动态变化规律，有助于推动区域协调发展、优化社会空间结构。既有研究多集中于宏观尺度的人口总量及分布变化，对于城内迁居导致的人口动态变化过程缺乏关注，其测度方法、特征规律等尚待探讨。论文基于手机信令大数据，以武汉市为例展开实证分析，构建人口动态变化的“规模—方向—动静”三维测度指标体系，运用聚类分析方法，解析城内迁居带来的街区尺度人口动态变化特征，探究人口动态变化综合类型及分异规律。结果表明：① 中心城区到近郊区的人口动态变化具有“高活跃→中活跃→非活跃”的规模特征、“出入大致平衡→严重失衡”的方向特征以及“静态为主→动态为主”的动静特征；② 武汉都市发展区人口动态变化综合类型共有5类，其中高活跃增长动态型和高活跃流失弱动态型主要穿插分布于中心城区和近郊区组团的核心区，中活跃微流失弱动态型主要分布在上述两类的外围，低活跃微增长强动态型与低活跃平衡动态型分布于中心城区边缘和近郊区组团外围；③ 武汉都市发展区内部人口动态变化综合类型具有“中心—外围”嵌套结构，中心城区与近郊区之间人口动态变化的空间分异主要与区位、居住环境品质有关，中心城区内部、近郊区组团内部的空间分异则主要与产业发育及类型有关。研究拓展了人口迁移和人口变化研究领域的理论方法，为优化城市社会空间结构、精细化制定居住空间供给政策等提供了参考依据。

关键词： 人口动态变化; 三维测度指标体系; 地理空间分异; 手机信令数据; 城内迁居; 武汉

本文引用格式

牛强 , 胡金鹏 , 梁晓倩 , 刘晓阳 , 伍磊 . 城内迁居导致的街区尺度人口动态变化测度及其空间分异特征——基于手机信令数据的武汉市实证[J]. 地理科学进展, 2024 , 43(8) : 1481 -1495 . DOI: 10.18306/dlkxjz.2024.08.002

Abstract

Accurately grasping the patterns of population dynamics within cities can help promote coordinated regional development and optimize the spatial structure of society. Most of the existing studies focus on the total population and distribution changes at the macro scale, but lack of attention to the process of population dynamics caused by intracity relocation, and its measurement methods and characteristics are yet to be explored. Based on cell phone signaling big data and taking Wuhan City as an example, this study carried out an empirical analysis by constructing a three-dimensional indicator system of scale-direction-movement for population dynamics, applying cluster analysis to analyze the characteristics of population dynamics at the neighborhood scale caused by intracity relocation, and exploring the comprehensive characteristics of population dynamics changes and differentiation patterns. The results show that: 1) Population dynamics from the central city to the suburban areas have the scale characteristics of highly active→moderately active→inactive, directional characteristics of roughly balanced in and out→seriously imbalanced, and dynamic/static characteristics of static-oriented→dynamic-oriented. 2) There are five comprehensive types of population dynamics in the Wuhan metropolitan area, of which the highly active-growth-dynamic type and the highly active-loss-weak dynamic type are mainly interspersed in the core areas of the central urban area and the suburban area clusters; the moderately active-slight loss-weak dynamic type is mainly distributed in the periphery of the above two types; and the inactive-slight growth-strong dynamic type and the inactive-balance-dynamic type are distributed at the edge of the central urban area and the suburban area clusters. 3) The comprehensive types of population dynamics within the Wuhan metropolitan area have a core-periphery nested structure: The spatial differentiation of population dynamics between the central urban area and the peri-urban areas is mainly related to location and the quality of the living environment; within the central urban area, the spatial differentiation of population dynamics between the central city and peri-urban areas is mainly related to location and the quality of the living environment; the spatial differentiation within the central city and peri-urban areas is mainly related to the development and type of industries. This study expanded the theory and methods of the study of population migration and population change, and provides a reference basis for optimizing the social and spatial structure of urban society, and for fine-tuning the policy of residential space supply.

Key words： population dynamic change; three-dimensional indicator system; spatial differentiation; cell phone signaling data; intracity migration; Wuhan

城市内部不同区域的发展态势与人口的迁移息息相关[1]。区域发展的兴衰往往伴随着居住或就业导向下的人口迁移[2]，如人口迁入的区域往往发展活力增加，而人口迁出的区域则活力下降。上述人口迁移现象会使人口处于动态变化当中[3]，包括人口规模、人口结构两部分的变化，不仅影响城市内部不同区域的社会经济发展，还会影响服务设施供给、住房政策制定等。因此，从迁移视角出发，科学而精细地识别城市内部人口变化的特征及其空间分异规律，可以精准研判城市不同地区的发展需求，针对性展开相关配套设施及调控政策的优化配置。
当前，城市内部的人口研究主要关注总量分布特征，对人口动态变化研究有待进一步丰富。一方面，既有研究主要通过统计基期与期末人口总量与结构的变化情况。例如，有学者运用乡镇级人口普查[4]或省级统计年鉴[5]等面板数据探究人口分布的时空演变特征，缺乏对人口动态变化过程的精细观测，导致人口变化统计出现“黑匣子”现象。另一方面，人口动态变化会导致区域结构及功能的分化，进一步产生空间分异[6]。既有研究主要聚焦于宏观[7]或微观[8]尺度，宏观层面从省际[9]、市际[10]等大范围尺度讨论人口流动类型及空间分异情况，发现人口不仅在水平方向的区域存在差异，且表现为垂直方向的城乡梯度差异；微观层面则利用小样本，从城市内的行政区[11]、社区[12]等小范围尺度解析人口迁移的空间分异特征，呈现出中心城区向四周延伸的郊区化趋势。因此，探究城市内部居民迁移带来的人口动态变化特征，对于精准把握城市内部的社会人口结构及其动态演化、社会空间分异等具有重要意义。
导致人口动态变化的最主要的因素是人口迁移，但现有研究较少基于人口迁移来观测城市内部人口动态变化情况，而传统基于总量变化的统计方法存在一定缺陷：一方面，无法明确导致某区域人口增减的详细来源及迁移方向；另一方面，假设人口总量不变，区域也可能出现等量的、大规模的人口迁入与迁出行为，大量流动人口的存在使人口数量、结构等处于剧烈变化之中。因此，只有从人口迁移视角开展人口动态变化研究才能够满足精细化深度分析的要求。目前，测量人口迁移的方式主要基于迁移事件或居住地变动两类[13]，后者是对人口迁移数据的间接测量。现有研究常用总量类、比率类指标进行刻画，主要分为以下方面：① 反映空间单元人口流动强度的总量类指标，如流动人口总量或总活跃度[14-15]；② 反映空间单元内流动人口占比情况的比率类指标，如迁入率与迁出率；③ 反映空间单元人口增减变化情况的总量类指标，如净活跃度[14]；④ 反映空间单元人口增减比例情况的比率类指标[16]，如净迁移率[17]、年均人口变化率[18]。此外，有学者关注流动人口结构特征，利用乘法分量模型描述迁移人口的年龄[19]、性别[20]等结构。在此基础上，从规模、结构等视角测度人口动态变化变得可行。但是,较少有学者从动态性视角关注人口的动静结构，识别发生迁移的动态人口与未发生迁移的静态人口的比例构成等。
大数据的来源日益丰富，为城市内部人口迁移的精细化研究提供支撑。在宏观层面，既有研究主要结合人口普查[21]、统计年鉴[22]等面板数据探究人口迁移模式；在微观层面，主要利用问卷、访谈等调查数据[12]开展实证。其中，人口普查等数据掩盖了微观层面的异质性，无法满足精细化需求；问卷等数据可以聚焦微观尺度，但经济、时间等成本极大、时效性差，较难获取足够多的样本量、覆盖面有限，无法清晰描绘城市内部迁居带来人口动态变化的真实面貌。现阶段城市存量更新背景下，人口迁移由宏观层面逐渐向中观城市层面转变，城市内部成为人口迁移的主要区域[23]。近年来，时空大数据的广泛应用为中观层面精细化的人口迁移研究提供了技术支撑，移动定位[24]、位置轨迹[25]、手机信令[26]等大数据在识别微观个体行为中具有巨大优势，这使得城市内部全覆盖的人口动态变化研究切实可行。例如，已有部分学者从迁移视角观察城市内部人口动态变化态势并讨论单方面影响因素[27-28]，大数据在人口动态变化研究领域的应用也有待进一步挖掘与丰富。
综上，相关研究为中国城市人口管理提供了丰富的理论和实践基础，接下来可以结合时空大数据，从迁移视角来更为深入和精确地观测城市内部中微观尺度的人口动态变化过程。鉴于武汉市是中国中部地区的中心城市，近年来城市扩张发展迅速，城市内部人口迁移处于高度活跃状态[14]，本文以武汉都市发展区内500 m×500 m尺度的空间单元为研究对象，基于2018—2019年手机信令数据，构建规模、方向、动静三维度指标体系，测度城内迁居带来的人口动态变化特征，进一步利用聚类方法识别人口动态变化的综合类型，归纳其空间分异特征以及建成环境的影响。本文基于迁居行为视角构建三维测度方法，以期更精准地理解城市内部人口动态变化的过程，系统深入地识别人口动态变化的空间分异特征，为城市内部不同区域合理制定人口调控和服务配套等政策提供决策参考。

1 研究方法与对象

1.1 人口动态变化的内涵与测度指标

传统统计方法一般从静态人口出发，对某一时间节点上人口状况进行调查，关注人口数量的变化情况。本文提出迁移视角下的人口动态变化统计方法，主要原理如下：以居住迁移为例，人口迁移过程可视为从原居住地迁出、迁入现居住地的过程，因此，在迁移过程中，某区域就存在迁入群体及迁出群体等动态群体，同时也存在未发生迁移行为的静态群体，这三部分群体共同构成了本文的基础研究群体(图1)。其中，传统视角下的基期人口由迁出群体及静态群体构成，期末人口由迁入群体及静态群体构成，动静群体的划分更有助于明晰人口迁移视角下的区域人口变化过程。
图1 人口动态变化统计原理

Fig.1 Principles of population dynamics statistics

近年来，时空大数据的广泛应用为中观层面精细化的人口迁移研究提供了技术支撑，移动定位、手机信令等大数据在识别微观个体迁移行为中具有巨大优势，这使城市内部全覆盖的人口动态变化研究切实可行。
进一步来看，人口迁移具有规模特征，人口数量变化是基础；其次，区域内不同方向的迁移(迁入或迁出)均会导致区域人口处于动态变化中；最后，区域静态人口构成与动态人口迁移会共同影响研究单元的动静态人口结构情况。据此，将人口动态变化特征分解为规模、方向及动静三部分内容，综合构建测度指标体系(表1)。同时需要补充说明的是，由于不同研究单元的出生与死亡人口难以统计，且相比迁移人口规模相对小很多，故本文仅考虑居住迁移影响下带来的人口动态变化。
表1 人口动态变化测度指标体系及说明

Tab.1 Population dynamic change measurement indicator system and description

指标维度 指标符号 指标名称 计算公式 指标含义
规模 n 迁 入 迁入规模 — 研究单元人口迁入的活跃程度
n 迁 出 迁出规模 — 研究单元人口迁出的活跃程度
n 总 总迁移规模 n 总 = n 迁 入 + n 迁 出 研究单元总迁移的活跃程度，等同于现有研究中的总活跃度
方向 n 净 净迁移规模 n 净 = n 迁 入 - n 迁 出 研究单元净迁移的活跃程度，等同于现有研究中的净活跃度
B 迁 移 迁移平衡度 B 迁 移 = l n n 迁 入 n 迁 出 研究单元期末动态迁入人口与基期动态迁出人口的比例
(进行ln函数变换处理)
动静 R 动 动态人口率 R 动 = n 迁 入 n 迁 入 + n 静 态 研究单元期末动态迁入的人口占期末总人口的比例
R 静 静态人口率 R 静 = n 静 态 n 迁 入 + n 静 态 研究单元未发生迁移的人口占期末总人口的比例
B 动 静 动静平衡度 R 动 静 末 = l n n 迁 入 n 静 态 研究单元期末动态迁入的人口与未发生迁移人口的比例
(进行ln函数变换处理)
S 动 静 动静人口结构 S 动 静 = l n n 迁 入 + n 迁 出 n 静 态 研究单元动态迁入与迁出总人口与未发生迁移人口的比例
(进行ln函数变换处理)

注：n迁入为研究单元迁入人口；n迁出为研究单元迁出人口；n静态为研究单元未发生迁移人口。

基于指标体系，本文对人口动态变化的综合类型及空间分异规律研究步骤如下(图2)：① 运用系统聚类分析方法，从规模、方向、动静三个维度选择典型指标，进而结合K-means聚类分析方法，获取研究单元人口动态变化的综合类型；② 基于上述各综合类型的分布特征及人口动态变化情况，结合各综合类型的区位、建成环境等特征，进一步挖掘城市内部人口动态变化的空间分异规律。
图2 空间类型划分及分异规律探究

Fig.2 Spatial type classification and differentiation patterns

1.2 研究范围与数据

作为长江经济带的核心城市，武汉市承担着引领中国中部地区崛起和区域发展的重要职能。截至2020年末，武汉市常住人口为1232.65万人，城镇人口1039.27万人，城镇化率达到84.31%。都市发展区作为武汉城市功能的主要集聚区和城市空间的重点拓展区，总面积为3261 km²，依据《武汉市城市总体规划(2010—2020年)》，武汉都市发展区被分为1个中心城区和6个新城组群的“一主六副”空间发展结构(图3)，常住人口约为1049.75万人，占武汉市人口的85%以上。在新城快速发展、主城更新改造的背景下，人口增长空间不断向外扩展，都市发展区内迁移活跃，使得不同区域的人口数量、结构等均处于动态变化当中。
图3 研究范围

Fig.3 The study area

本文采用2018年6月和2019年6月的武汉市联通手机信令数据。参考现有研究[29]，对迁居人口识别的逻辑及处理过程如下：将21:00至次日8:00作为观测时段，记录用户驻留时间最长的位置，判断为其居住地，并选择在都市发展区内驻留天数超过10 d的核心用户作为有效样本，避免外来人口的影响。为判别个体居住迁移，本文通过手机信令数据中用户唯一识别码关联两个时间段用户，并筛选出这两个时间段均具有有效居住信息的用户，共获取约167万个样本，约占2018年武汉市常住人口的15.07%，然后进一步识别出居住位置发生改变的样本。为避免手机数据位置点本身的统计误差，同时考虑武汉市联通基站分布情况，参考王德等[30]关于就业迁移条件的设定，将两个时间段居住位置距离大于1000 m的用户视为发生居住迁移行为，获取样本约76万个，占总样本的45.51%。
为契合15 min生活圈发展理念，本文选取街区尺度开展研究。街区作为城市结构的基本单元，尺度适中，在满足精细化研究要求的基础上，能避免过大尺度导致的研究粗糙[31]。同时，由于每个基站具有容量限制，人流密集区域可能会出现相邻基站频繁识别相同用户的现象，因此，武汉市手机信令数据的基站间隔主要以500 m以内为主(占武汉市整体规模的40.37%)。考虑到上述情况，本文选择与街区尺度相近的500 m×500 m为基本研究单元，同时为了避免小规模用户单元对实验的干扰，本文选择有效用户数量大于5并位于建设用地上的网格单元进行分析，共获取5277个基础研究单元。
基于上述基础数据与研究单元，观察武汉都市发展区2018—2019年基期、期末、静态(未发生迁移)人口的分布情况(图4)，可以看出：① 中心城区的人口远大于近郊区各新城，人口动态变化活跃区域集中在中心城区；② 基期人口与期末人口在数量级与空间分布特征上无显著差异，但静态人口数量要远低于基期与期末人口，这说明武汉都市发展区内人口处于动态变化当中，迁移也呈现出高活跃性的特征。因此，选择武汉市开展城市内部人口动态变化研究具有典型性。
图4 武汉都市发展区人口分布总体情况

Fig.4 Overall situation of population distribution in the Wuhan urban development area

1.3 研究方法

为了全面刻画街区级人口动态变化的综合特征，将规模、方向、动静三个方面的指标进行综合，进一步划分其类型，主要过程如下：
(1) 基于系统聚类分析的典型指标选择。指标体系包含总量类及比率类指标，其间量级差异较大，因此，采用皮尔森相关系数计算样本各项指标之间的相似性，合并样本特征值相似性最高的两类指标。通过系统聚类，相关性越强的指标被分在相同类别中，相关性越弱的指标被分在不同类别中。分类后，结合规模、方向、动静三个维度特征，构建指标选择矩阵，进一步选择典型指标，用于研究单元后续的分类分析。
(2) 基于K-means聚类分析的综合类型划分。基于典型指标，制定聚类数K并分组，选取初始聚类中心，依据欧氏距离反复计算样本到聚类中心的距离并重新生成聚类结果，经过多次迭代循环后，得到最终聚类结果。由于本文指标之间的量级差异较大，在计算欧氏距离之前，本文利用z-score方法对数据进行标准化处理，数据符合标准正态分布。进一步，多次训练K-means聚类模型，获得最适合的聚类数目，以确定人口动态变化的综合类型。

2 武汉都市发展区人口动态变化的空间特征

2.1 人口动态变化的规模特征

人口动态变化规模计算结果如图5所示。为确保每一类范围与每一类别的元素数量大致相同，且间隔变化基本一致，本文按照数据分布的几何间隔分为5类，由高到低依次表示高活跃、活跃、中活跃、低活跃、非活跃。中心城区人口流动处于高活跃，人口动态变化规模整体高于近郊区，且中心城区到近郊区新城呈现“高活跃→中活跃→非活跃”的空间特征。数值特征上，中心城区总活跃度高，近郊区中等，外围则处于非活跃状态，其间规模量级存在显著差异。空间分布上，人口迁入与迁出的热点区域具有一致性，表现为“高迁入、高迁出”特征。
图5 武汉都市发展区人口动态变化的规模特征

Fig.5 Scale characteristics of population dynamic change in the Wuhan urban development area

中心城区及各新城的人口动态变化特征的规模特征差异显著。中心城区迁出高活跃区与迁入高活跃区空间分布大致相同，西部及北部新城的人口迁入活跃区具有集聚特征，东南及南部新城的人口迁出活跃区则呈现集聚特征。各新城中，东南新城的总活跃度最高，临近中心城区，迁入与迁出高活跃及活跃区均具有集聚分布特征。

2.2 人口动态变化的方向特征

人口动态变化方向的计算结果如图6所示。考虑到正负值含义(正代表增长，负代表流失)及数据分布的量级关系，图6a按照净活跃度由低至高依次表示高流失、流失、低流失、低增长、增长、高增长，图6b按照迁移平衡度由低至高依次表示迁出主导的严重失衡、相对失衡、相对均衡，到迁入主导的相对均衡、相对失衡、严重失衡。中心城区人口存在高流失或高增长区域，且呈现穿插分布、小规模集聚的特征，其迁移处于相对均衡状态。而近郊区人口处于严重失衡状态，存在迁入远大于迁出或迁出远大于迁入的情况。空间上，人口增长或流失的规模由内向外逐渐降低，但迁入与迁出间的不平衡程度加剧。
图6 武汉都市发展区人口动态变化的方向特征

Fig.6 Direction characteristics of population dynamic change in the Wuhan urban development area

各新城人口动态变化的方向特征与中心城区存在差异显著。例如，北部新城组群的盘龙组团，其人口净增长或净流失大，外围区域变化程度较小；该组群人口增长或流失呈现显著的空间分异特征，例如武湖组团的迁入与迁出严重失衡，其他组团则相对均衡。东南新城人口净增长或净流失区域呈现“南北”空间分异特征，南部人口变化剧烈，北部相对平稳，但整体的迁移平衡度处于峰值水平，迁入与迁出严重失衡。

2.3 人口动态变化的动静特征

人口动态变化动静的计算结果如图7所示。考虑到数据分布的量级关系，综合动态及静态人口率(图7a、7b)，将区域分为静态、弱静态、稳定、弱动态、动态5类；从动静平衡度或动静结构(图7c、7d)来看，由低至高依次表示为静态群体主导的严重失衡、相对失衡、相对均衡，到动态群体的相对均衡、相对失衡、严重失衡。中心城区人口处于静态，未发生迁移的人口处于较高水平，近郊区人口则处于动态，由内向外呈现出“由静到动”的变化特征。中心城区人口构成相对均衡，近郊区人口以动态为主，且动态与静态群体的结构严重失衡。空间上，中心城区到近郊区人口变化的动态越来越明显。
图7 武汉都市发展区人口动态变化的动静特征

Fig.7 Dynamic and static characteristics of population dynamic change in the Wuhan urban development area

中心城区与各新城的人口动态变化的动静特征相似。中心城区“中心—外围”的动静特征显著，外围的静态人口率也处于较低水平，且由迁移导致的动态与静态群体结构不均衡，动态群体占主导地位。近郊区各新城组群，人口动静的空间分异特征相似，以东南新城为例，流芳组团动态人口率高，且这类区域具有聚集趋势，前期动静平衡度及动静结构也处于较高水平，说明人口动态特征显著。

3 武汉都市发展区人口动态变化的空间分异

3.1 人口动态变化的综合类型分析

采用层次聚类将人口动态变化指标分为5类，在这5类中选择总迁移规模、净迁移规模、迁移平衡度、静态人口率、动静平衡度这5个指标作为聚类指标。然后，基于上述5个指标对武汉都市发展区的5277个基础研究单元进行K-means聚类，经检验，最优聚类数K=5。依据人口动态变化特征，将武汉都市发展区的研究单元分为5类，即得到5类人口动态变化综合类型。不同类型的特征如表2所示。
表2 人口迁移对人口动态变化影响的综合类型划分

Tab.2 Comprehensive classification of the impact of population migration on population dynamics

序号 类型 网格单元数量/个 占比/% 人口动态变化特征
变化规模 变化方向 动静方面
Ⅰ 高活跃增长动态型 506 9.59 人口高度活跃 人口高增长、迁入主导 静态人口比例中等、动静结构均衡
Ⅱ 高活跃流失弱动态型 312 5.91 人口高度活跃 人口高流失、迁出主导 静态人口比例高、结构偏静态
Ⅲ 中活跃微流失弱动态型 1281 24.27 人口中等活跃 人口低流失、迁出主导 静态人口比例高、结构偏静态
IV 低活跃平衡动态型 1753 33.22 人口低活跃 人口动态平衡 静态人口比例中等、动静结构均衡
V 低活跃微增长强动态型 1230 23.31 人口低活跃 人口低增长、迁入主导 静态人口比例低、结构偏动态
— 其他 195 3.70 人口不活跃 无显著特征 无显著特征

注：其他类型人口基数小，人口动态变化情况极不显著。

依据箱型图分布特征，人口动态变化综合类型可以分为高活跃增长动态型(I)、高活跃流失弱动态型(II)、中活跃微流失弱动态型(III)、低活跃平衡动态型(IV)、低活跃微增长强动态型(V)。不同综合类型标准化后指标的箱型图分布如图8所示。
图8 人口动态变化的综合类型划分及指标分布特征

Fig.8 Comprehensive type division and indicator distribution characteristics of population dynamic change

各人口动态变化综合类型空间分布如图9所示，结合卫星遥感影像，具体特征如表3所示。
图9 人口动态变化综合类型的空间分布

Fig.9 Spatial distribution of comprehensive types of population dynamic change

表3 各人口动态变化综合类型的典型空间分析

Tab.3 Typical space of the comprehensive types of population dynamic change

序号 人口动态变化类型 不同区位的典型空间卫星遥感影像图(1 km×1 km)
I 高活跃增长动态型 中心城区核心 近郊区组团核心
汉口：老旧小区 鲁巷：产业园区 流芳：新建小区 吴家山：老旧小区
II 高活跃流失弱动态型 中心城区核心，穿插在Ⅰ类型中 近郊区核心，穿插在Ⅰ类型中
汉口：老旧小区 武昌：老旧小区 流芳：老旧小区 纸坊：老旧小区
III 中活跃微流失弱动态型 中心城区核心外围，紧邻I、II类型区 近郊区核心，穿插在I类型中
硚口：老旧小区 杨春湖：居住工业混合区 盘龙城：低层住区 纸坊：老旧小区
IV 低活跃平衡动态型 中心城区边缘 近郊区组团外围，城乡结合部
汉口：城中村 南湖：还建住区 蔡甸：居住工业混合区 吴家山：村庄
V 低活跃微增长强动态型 中心城区边缘 近郊区组团产业园
汉江湾：还建住区 南湖：低层住区 常福：产业园区 武湖：产业园区

3.1.1 高活跃增长动态型单元(I)的空间特征

该类型单元占比为9.59%，主要分布于中心城区核心区，少量分布在近郊区组团核心区(图9)。人口流动处于高活跃，且呈现出大规模增长趋势，整体呈现动态特征。对典型单元的建成环境进行分析(表3)，发现主要有以下三种类型：① 中心城区核心区及近郊区组团核心区的老旧小区。中心城汉口老旧小区(城中村)周边医疗服务资源丰富，且建设有大型公园；近郊区吴家山老旧小区建设有老年大学，中心广场。这类区域建筑密度高，但设施配套较好，交通便利，人居环境尚可。总体来说，医疗资源、公园广场、教育设施等增强了区域的居住吸引力，人口的流入与流出频繁，人口增长且呈现动态特征。② 中心城区边缘的科技产业园区。鲁巷产业园区教育资源丰富，建设有中学教育设施，且创业园区提供就业机会多，居住品质好，职住共同作用下吸引人口流入，促进区域人口增长。但就业流动往往伴随着居住迁移，导致区域人口呈现动态变化。③ 近郊区组团核心区的新建小区。流芳组团新建小区环境品质高，规划结构合理，建设有幼儿园等教育设施，居住吸引力强，人口流动性强。

3.1.2 高活跃流失弱动态型单元(II)的空间特征

该类型单元占比5.91%，在5类中最少，主要分布在中心城区核心区，且穿插在I类型中(图9)。人口流动处于高活跃，且呈现出大规模流失趋势，但由于人口基数大，整体仍保持弱动态特征。对其典型单元和建成环境进行分析(表3)，发现主要有以下两种类型：① 中心城区核心区的老旧小区、城中村。汉口老旧小区属于城中村，建筑密度高、年代久，设施完善，医疗资源丰富，但住宅品质一般、人居环境较差，进一步加剧了人口流失。旧城改造微更新背景下，导致老旧小区人口呈现不同距离的流失：一部分近距离迁移至周边住宅区；一部分向中心城区周边的还建住区疏解。老城区人口密度高，因此呈现出弱动态特征。武昌老旧小区典型区域存在大学园区，数据为观测年份的6月，可能由于毕业季问题导致区域人口的大量流失。② 近郊区核心区的老旧小区。以纸坊组团为例，其建筑分布与中心城区的城中村类似，建密度高，年代久，居住环境品质一般。虽然服务设施较为完善，医疗、商业、教育资源丰富，但纸坊组团外围缺乏产业基础，人口就业吸引力不强，导致人口的流失。

3.1.3 中活跃微流失弱动态型单元(III)的空间特征

该类型单元占比24.27%，一部分集聚分布在中心城区核心区外围，紧邻中心城区的I、II类型，大部分集聚分布在近郊区核心区，穿插在近郊区I类型中(图9)。人口流动处于中活跃，且呈现小规模流失趋势，整体呈现弱动态特征。对其典型单元和建成环境进行分析(表3)，发现主要有以下两种类型：① 中心城区核心外围区的居住工业混合区(城中村)。杨春湖组团居住密度高，但居住环境品质一般，周边建设有大型工业设施，可能由于城市微更新改造等手段，城中村人口迁移至还建住区等地，人口处于小规模流失。此外，由于居住、工业区混合性质，区域内部分人口可能已经实现职住平衡，迁移概率降低，人口动态变化处于弱静态的程度。硚口老旧小区属于城中村，建筑密度较高，周边设施完善，居住品质较高，城中村一方面可能由于城市更新政策，逐步引导人口外迁，导致人口流失，另一方面可能由于村庄外出务工人口，居住稳定性不高，人口动态变化呈现弱动态特征。② 近郊区核心区的老旧小区。这类小区建筑密度高，但居住环境品质一般。以纸坊组团为例，其产业基础薄弱，工业园区建设发展滞后，发展动力不足；虽然设施配套较为完善，但建筑年代久，居住品质一般，产业基础与居住环境两者共同作用下，人口处于小规模流失的状态。

3.1.4 低活跃平衡动态型单元(IV)的空间特征

该类型单元占比33.22%，在5类中最多，主要分布在中心城区边缘及近郊区组团外围的城乡结合部(图9)。人口流动处于低活跃，人口规模保持稳定，整体呈现动态特征。对其典型单元和建成环境进行分析(表3)，发现主要有以下4种类型：① 中心城区边缘的城中村。汉口组团城中村建设有中学教育设施、商业设施等，且城中村周边建设有工业企业集团，由于该区域住房均价较低，就业群体在产业园区周边就近租赁住房，居住稳定很大程度上依赖于工作稳定，就业需求的变化导致区域内人口处于动态变化中，但由于建筑密度较高、人口密度较低，在人口规模方面无显著变化，整体处于低活跃水平。② 中心城区边缘的还建住区。这类区域建筑密度较低，主要用来接纳由于城中村改造拆迁等导致的外迁人口，人口处于相对平衡的状态。③ 近郊区组团的居住工业混合区。蔡甸组团工业区中建设有高建筑密度的住宅，周边工业园、产业园数量规模大，就业稳定性高，人口变化处于低活跃状态，人口总量基本保持平衡。④ 近郊区组团外围的村庄。人口基数小，增减规模不显著，但村庄可能存在规律性流动的务工人员，人口呈现动态特征。

3.1.5 低活跃微增长强动态型单元(V)的空间特征

该类型单元占比为23.31%，集聚分布在近郊区组团的产业园，少量分布于中心城区边缘(图9)。人口流动处于低活跃，且呈现小规模增长趋势，整体呈现强动态特征。对其典型单元和建成环境进行分析(表3)，发现主要有以下三种类型：① 中心城区边缘的还建住区。汉江湾组团的还建住区周边建设有大规模产业园、工业园，就业环境吸引人口迁入并就近租赁住房，交通便利实现近距离通勤。住区的医疗、商业设施配套相对完善，但由于周边未建设用地较多，居住环境品质一般、产业类型单一，导致人员流动性强，区域整体呈现出强动态特征，人员进出活跃。② 中心城区的高品质住宅区。这类区域建筑密度低，居住环境品质高，临近湖泊，生态环境本底较好，居住吸引力强，但是设施配套有待丰富，人口变化的活跃性不强。③ 近郊区的产业园区。常福组团与武湖组团的产业园区由于就业需求扩张带来人口增长，导致人员流动性强，但设施配套不足、就业稳定性差。而其企业设施密度高、就业需求较高，一定程度上可以带来居住人口的增长。

3.2 人口动态变化的空间分异特征

武汉都市发展区人口动态变化类型具有显著的“中心—外围”嵌套结构，中心城区和近郊区存在显著的空间分异特征，同时两者各自存在“中心—外围”结构，故名“嵌套”，如图10所示。
图10 城市人口动态变化空间分异结构

Fig.10 Spatial differentiation structure of urban population dynamic change

(1) 中心城区与近郊区。中心城区以高活跃增长动态型及高活跃流失弱动态型单元为主，由中心城区至近郊区呈现出人口活跃减弱，但动态逐渐增强的特征。这种嵌套结构主要与区域的区位、居住环境、产业类型有关。
(2) 中心城区内部。中心城区核心区类型为高活跃增长动态型、高活跃流失弱动态型，主要为一些早期建设区及微更新后的居住组团。老旧小区人口活跃性强，且大部分老旧小区人口处于流失状态，小部分增长，整体处于动态或弱动态。中心城区外围区类型为中活跃微流失弱动态型、低活跃平衡动态型，主要为一些居住工业混合园区、产业园区、还建住区等，这类区域人口动态变化的类型复杂。整体来看，人口活跃性较低，人口处于流动平衡或小规模流失状态。
(3) 近郊区内部。各组团也呈现出“中心—外围”嵌套结构。近郊区整体呈现多样化结构，按照组团建设类型可以分为：居住型、产业型、居住产业混合型三种类型。居住型，以老旧小区为例，由于产业基础薄弱，中心人口大规模流失，外围人口小规模流失；产业型，以产业园区为例，人口流动活跃性低，中心人口小规模增长，外围人口相对平衡，人口稳定；居住产业混合型，以老城组团为例，组团中心的老旧小区人口大规模流失，但整体以弱动态为主，外围新建的产业园区人口则呈现小规模增长，动态性强。

4 结论与讨论

本文构建了城市内部人口动态变化的测度分析框架，在传统指标基础上，增加了动静结构维度，反映出城市不同地区人口的动静变化情况，从而构建较为全面的人口动态变化测度指标体系，进而使用聚类方法判别人口动态变化综合类型，并以武汉都市发展区为例开展实证研究，归纳人口动态变化空间分异特征。主要结论如下：
(1) 武汉都市发展区人口动态变化空间特征差异显著：中心城区至近郊区人口流动活跃规模表现为“高活跃—中活跃—非活跃”；中心城区人口存在大规模净增长或流失，变化方向均衡，近郊区则相对稳定；中心城区到近郊区人口呈现“由静态到动态”的变化特征。
(2) 武汉都市发展区人口动态变化综合类型及主要分布区位如下：高活跃增长动态型(I)单元集中在中心城区核心区；高活跃流失弱动态型(II)单元主要分布于中心城区和近郊区核心区；中活跃微流失弱动态型(III)单元大部分聚集在近郊区核心区；低活跃平衡动态型(IV)单元分布在中心城区边缘及近郊区外围；低活跃微增长强动态型(V)单元集中出现在近郊区产业园。
(3) 上述类型空间分布具有显著的“中心—外围”嵌套结构。中心城区至近郊区整体呈现出人口活跃减弱但动态增强的特征；中心城区内部，核心区老旧小区人口活跃性强，外围的居住工业混合园区、产业园区、还建住区人口活跃性较低，处于流动平衡或小规模流失状态；近郊区内的居住型、产业型、居住产业混合型组团的空间特征均存在“中心—外围”人口动态变化结构。
本文对人口动态变化及其分析方法的探索仍是基础性的，尚有以下几个方面有待深入讨论。首先，数据方面可以拓展多时段分析，补充城市空间分异的动态变化特征。其次，实证部分是采用市内联通用户数据，囿于数据自身限制，本文未能识别出外来人口迁入或人口迁离本市导致的人口动态变化，同时未关注到城市中不使用手机的部分老人、儿童等群体，未来可以考虑通过联通用户市场占有率等对样本中的特殊群体进行扩样处理，但本文提出的研究方法同样适用于这些人口纳入之后的分析探讨。再次，本文仅以居住迁移为例，考虑其带来的人口动态变化影响，后续研究可以考虑就业迁移等其他因素对人口动态变化的综合效应，同时考虑迁移导致的街区人口在年龄、性别等方面的结构变化，为流动性背景下城市社会空间结构的分异研究提供支撑。最后，针对不同类型人口动态变化的空间单元，可以提出相应建议。例如高活跃增长动态型单元集聚区域需要注意居住品质的维持或提升、注意日益增长的人口带来的交通拥堵、公共服务供需失衡等问题，避免居民日常生活受到影响，同时该类型的人口结构变化剧烈，城市规划需要考虑动态配套相关公共服务设施，如教育、医疗等；高活跃流失弱动态型单元集聚区域需要考虑留居群体的居住稳定感，在保障公共服务的基础上，避免人口持续大规模流失，注重功能提升，为后续人口引入打好基础。

感谢匿名评审专家在论文评审中对本文理论梳理、数据方法、内容组织等方面提出的宝贵意见！

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Zhu R X, Wang Y J, Lin D, et al. Exploring the rich-club characteristic in internal migration: Evidence from Chinese Chunyun migration[J]. Cities, 2021, 114: 103198. doi: 10.1016/j.cities.2021.103198.

[2]
He S Y, Chen X Y, Es M, et al. Liveability and migration intention in Chinese resource-based economies: Findings from seven cities with potential for population shrinkage[J]. Cities, 2022, 131: 103961. doi: 10.1016/j.cities.2022.103961.

[3]
杜志威, 李郇. 基于人口变化的东莞城镇增长与收缩特征和机制研究[J]. 地理科学, 2018, 38(11): 1837-1846.

DOI

[Du Zhiwei, Li Xun. Characteristic and mechanism of urban growth and shrinkage from demographic change perspective: A case study of Dongguan. Scientia Geographica Sinica, 2018, 38(11): 1837-1846.]

DOI

[4]
尹旭, 王婧, 李裕瑞, 等. 中国乡镇人口分布时空变化及其影响因素[J]. 地理研究, 2022, 41(5): 1245-1261.

DOI

[Yin Xu, Wang Jing, Li Yurui, et al. Spatio-temporal evolution and driving factors of Chinese population at town level. Geographical Research, 2022, 41(5): 1245-1261.]

[5]
邓楚雄, 李民, 宾津佑. 湖南省人口分布格局时空变化特征及主要影响因素分析[J]. 经济地理, 2017, 37(12): 41-48.

[Deng Chuxiong, Li Min, Bin Jinyou. Spatial-temporal variation characteristics and main influence factors analysis of population distribution pattern in Hunan Province. Economic Geography, 2017, 37(12): 41-48.]

[6]
修春亮, 王新越. 人口变动的空间分异及其规划学意义: 以哈尔滨、伊春为例[J]. 经济地理, 2003, 23(5): 661-665.

[Xiu Chunliang, Wang Xinyue. Spatial differentiation of changes of population and its learned meaning of planning: Taking Harbin and Yichun as examples. Economic Geography, 2003, 23(5): 661-665.]

[7]
丁悦, 林李月, 朱宇, 等. 中国地级市间流动人口永久定居意愿的空间特征和影响因素[J]. 地理科学进展, 2021, 40(11): 1888-1899.

DOI

[Ding Yue, Lin Liyue, Zhu Yu, et al. Spatial pattern and determinants of floating population's permanent settlement intention between prefecture-level cities in China. Progress in Geography, 2021, 40(11): 1888-1899.]

[8]
甄峰, 李哲睿, 谢智敏. 基于人口流动的城市内部空间结构特征及其影响因素分析: 以南京市为例[J]. 地理研究, 2022, 41(6): 1525-1539.

DOI

[Zhen Feng, Li Zherui, Xie Zhimin. Analysis of urban internal spatial structure characteristics and its influencing factors based on population flow: A case study of Nanjing. Geographical Research, 2022, 41(6): 1525-1539.]

[9]
陆希刚, 张立. 区域差异和城乡梯度双重视角下的中国流动人口迁移空间模式[J]. 城市规划学刊, 2021(5): 66-73.

[Lu Xigang, Zhang Li. The spatial pattern of China's non-hukou migration: An analysis based on the dual perspective of regional difference and urban-rural gradient. Urban Planning Forum, 2021(5): 66-73.]

[10]
王婧雯, 朱宇, 林李月, 等. 城—城流动人口统计口径的改进与新口径下的流动特征和影响因素[J]. 地理科学进展, 2023, 42(3): 464-477.

DOI

[Wang Jingwen, Zhu Yu, Lin Liyue, et al. Improvement in the statistical criteria of intercity floating population and their mobility features and determinants under the new criteria. Progress in Geography, 2023, 42(3): 464-477.]

DOI

[11]
王振坡, 员彦文, 程浩岩. 城市内部居住迁移空间特征及其影响机制研究: 基于天津市的微观调查数据[J]. 城市发展研究, 2018, 25(4): 107-115.

[Wang Zhenpo, Yun Yanwen, Cheng Haoyan. The spatial characteristics and its impact mechanism of urban residential mobility: Based on micro survey data of Tianjin. Urban Development Studies, 2018, 25(4): 107-115.]

[12]
赵美风, 戚伟, 刘盛和. 北京市流动人口聚居区空间分异及形成机理[J]. 地理学报, 2018, 73(8): 1494-1512.

DOI

[Zhao Meifeng, Qi Wei, Liu Shenghe. Spatial differentiation and formation mechanism of floating population communities in Beijing. Acta Geographica Sinica, 2018, 73(8): 1494-1512.]

DOI

[13]
朱宇, 林李月, 李亭亭, 等. 中国流动人口概念和数据的有效性与国际可比性[J]. 地理学报, 2022, 77(12): 2991-3005.

DOI

[Zhu Yu, Lin Liyue, Li Tingting, et al. The validity and international comparability of China's concepts and data on the floating population. Acta Geographica Sinica, 2022, 77(12): 2991-3005.]

DOI

[14]
牛强, 盛富斌, 刘晓阳, 等. 基于手机信令数据的城内迁居活跃度识别方法研究: 以武汉市为例[J]. 地理研究, 2022, 41(8): 2142-2154.

DOI

[Niu Qiang, Sheng Fubin, Liu Xiaoyang, et al. Research on the identification method of relocation activity degree in inner city based on mobile phone signaling data: A case study of Wuhan. Geographical Research, 2022, 41(8): 2142-2154.]

[15]
赵美风, 汪德根. 基于村域微尺度的人口流动类型空间分异及作用机理: 以云南玉龙县为例[J]. 人文地理, 2021, 36(3): 148-156.

[Zhao Meifeng, Wang Degen. Spatial pattern and influencing mechanism of population migration at the village scale: The case of Yulong County in Yunnan Province. Human Geography, 2021, 36(3): 148-156.]

[16]
马志飞, 尹上岗, 张宇, 等. 中国城城流动人口的空间分布、流动规律及其形成机制[J]. 地理研究, 2019, 38(4): 926-936.

DOI

[Ma Zhifei, Yin Shanggang, Zhang Yu, et al. Spatial distribution, flowing rules and forming mechanism of inter-cities floating population in China. Geographical Research, 2019, 38(4): 926-936.]

[17]
刘盛和, 邓羽, 胡章. 中国流动人口地域类型的划分方法及空间分布特征[J]. 地理学报, 2010, 65(10): 1187-1197.

DOI

[Liu Shenghe, Deng Yu, Hu Zhang. Research on classification methods and spatial patterns of the regional types of China's floating population. Acta Geographica Sinica, 2010, 65(10): 1187-1197.]

DOI

[18]
刘振, 戚伟, 齐宏纲, 等. 多时期演变视角下中国人口收缩区的识别、空间特征与成因类型分析[J]. 地理科学进展, 2021, 40(3): 357-369.

DOI

[Liu Zhen, Qi Wei, Qi Honggang, et al. Spatial distribution of population decline areas in China and underlying causes from a multi-periodical perspective. Progress in Geography, 2021, 40(3): 357-369.]

DOI

[19]
Raymer J, Rogers A. Using age and spatial flow structures in the indirect estimation of migration streams[J]. Demography, 2007, 44(2): 199-223.

PMID

[20]
Raymer J, Biddle N, Campbell P. Analysing and projecting indigenous migration in Australia[J]. Applied Spatial Analysis and Policy, 2017, 10(2): 211-232.

[21]
王桂新, 陈玉娇. 中国省际人口迁移目的地选择的影响因素及其省际差异: 基于第七次全国人口普查数据的分析[J]. 人口研究, 2023, 47(2): 48-62.

[Wang Guixin, Chen Yujiao. Influencing factors and spatial heterogeneity of China's interprovincial migration: An analysis of the 7th Census Data. Population Research, 2023, 47(2): 48-62.]

[22]
Wu J W, Yu Z, Wei Y D, et al. Changing distribution of migrant population and its influencing factors in-urban China: Economic transition, public policy, and amenities[J]. Habitat International, 2019, 94: 102063. doi: 10.1016/j.habitatint.2019.102063.

[23]
Li S M, Mao S Q. Exploring residential mobility in Chinese cities: An empirical analysis of Guangzhou[J]. Urban Studies, 2017, 54(16): 3718-3737.

[24]
Wang Y X, Dong L, Liu Y, et al. Migration patterns in China extracted from mobile positioning data[J]. Habitat International, 2019, 86: 71-80.

DOI

[25]
Pan J H, Lai J B. Spatial pattern of population mobility among cities in China: Case study of the National Day plus Mid-Autumn Festival based on Tencent migration data[J]. Cities, 2019, 94: 55-69.

[26]
Zhang Y, Zheng X, Helbich M, et al. City2vec: Urban knowledge discovery based on population mobile network[J]. Sustainable Cities and Society, 2022, 85: 104000. doi: 10.1016/j.scs.2022.104000.

[27]
牛强, 盛嘉菲, 刘晓阳, 等. 武汉市商业和公共服务设施对居民迁居的空间异质性影响[J]. 地理科学, 2023, 43(5): 860-868.

DOI

[Niu Qiang, Sheng Jiafei, Liu Xiaoyang, et al. The impact of commercial and public service facilities on the spatial heterogeneity of intra-urban migration in Wuhan. Scientia Geographica Sinica, 2023, 43(5): 860-868.]

DOI

[28]
牛强, 王思远, 周婕, 等. 近郊区轨道交通站点周边服务设施配套与职住人口增长关系探究: 基于多源数据的武汉实证分析[J]. 现代城市研究, 2023, 38(4): 33-40.

[Niu Wang, Wan Siyuan, Zhou Jie, et al. Research on relationship between service facilities and growth in jobs-housing population around suburban rail transit stations: Evidence from Wuhan based on multi-source data. Modern Urban Research, 2023, 38(4): 33-40.]

[29]
朱玮, 梁雪媚, 桂朝, 等. 上海职住优化效应的代际差异[J]. 地理学报, 2020, 75(10): 2192-2205.

DOI

[Zhu Wei, Liang Xuemei, Gui Zhao, et al. The inter-generational differences in the effects of job-housing optimization in Shanghai. Acta Geographica Sinica, 2020, 75(10): 2192-2205.]

DOI

[30]
王德, 朱查松, 谢栋灿. 上海市居民就业地迁移研究: 基于手机信令数据的分析[J]. 中国人口科学, 2016(1): 80-89.

[Wang De, Zhu Chasong, Xie Dongcan. Research on intra-city employment mobility in shanghai: Based on cell phone data. Chinese Journal of Population Science, 2016(1): 80-89.]

[31]
谌丽, 张文忠, 褚峤, 等. 北京城市街区尺度对居民交通评价的影响[J]. 地理科学进展, 2018, 37(4): 525-534.

DOI

[Chen Li, Zhang Wenzhong, Chu Qiao, et al. Impact of block size on residents' travel appraisal in Beijing. Progress in Geography, 2018, 37(4): 525-534.]

Options
文章导航

/

〈 〉