基于手機信令數據的通勤人口流動特征探析
——以成都市為例

吳長江

(成都市規劃設計研究院,四川成都 610094)

隨著城市不斷發展，建成區環境發生很大變化，城市人口、工業、商業逐漸由中心向外擴張遷移，由于居住地、工作地外延擴張速度差異，由此可能引起不同程度的職住分離和錯位現象。而居住和就業是城市空間中的重要要素，兩者的匹配程度很大程度上影響了空間人口布局和用地規劃。目前，國內多個城市已將促進職住平衡和產城融合作為一項重要的發展目標。除此之外，城市各區域的交通擁堵狀況又對人們選擇工作地和居住地產生重要影響。

手機信令作為位置大數據，兼具空間位置和特征信息，具有動態、實時、客觀、精細、獲取速度快、覆蓋面廣等優勢，本研究將移動手機信令數據作為數據源，以成都市居住就業空間分布現狀和通勤交通現狀為出發點，從行政區到街道、社區不同尺度分析，結合成都市產業分布特征，旨在為解讀城市職住平衡、產業合理布局提供有力支撐，以期為成都市城市空間結構相關研究提供重要參考。

1 數據源

本研究由中國移動提供數據支持，包括在成都市范圍內出現的所有中國移動用戶(包括非成都市歸屬地的移動號手機用戶)，使用時間為2019年04月16日至2019年04月22日共計7 d的用戶匿名手機信令數據。數據主要包括用戶編碼、時間、基站等信息，平均每日記錄到約1 294.2萬用戶信令記錄，每個用戶每天產生約67條記錄。據統計，成都市共有各類基站小區約2萬個，基站小區分布密集，主要建成區優于300 m×300 m柵格密度，可以滿足城市內部空間特征分析的精度要求(圖1)。

圖1 成都市手機信令數據空間分布

2 研究方法

2.1 就業通勤提取方法

為了排除差旅、就醫等偶發出行需求的影響，綜合考慮一般就業通勤人口出行特征，將通勤OD定義為：工作日7:00-9:00、17:00-19:00視為就業通勤往返時段，一周內至少3個工作日，同一用戶發生同一OD行為視為就業通勤OD，對應的用戶識別為就業通勤人口，其對應的起點和終點分別視為居住地和工作地?；讷@取的通勤OD及通勤人口空間數據進行通勤流動特征分析和職住中心識別。

提取流程：原始信令數據→提取駐留點(>30 min) →提取OD→篩選通勤OD線。

2.2 通勤流動分析框架

(1)區縣單元分析：內部通勤、跨區通勤規模；分析區縣間聯系強度和通勤特征。

(2)街道單元分析：中心城區為主，探索全域城鎮間流動特征及重點區域。

(3)社區單元分析：挖掘熱點職住中心，通勤距離分布，重點區域人口時序變化特征。

2.3 職住中心識別

考慮居住和就業的一般規律，應用核密度、自然間斷分級等技術方法識別典型就業中心、居住中心，并分析其空間布局特征，建立手機用戶居住地和就業地的識別規則。

3 通勤人口流動特征分析

3.1 不同空間統計尺度的通勤流動特征

如圖2和圖3所示，從區縣尺度來看，雙流區、新都區、郫都區等產業功能集聚區的內部通勤規模最高，但跨區通勤比例也明顯偏高，高新南區的就業吸引指數最高，流入人口/跨區流動量大于75 %，浦江縣、新津縣、邛崍市、大邑縣、簡陽市等三圈層遠離主城區，通勤基本限于本區，其中，浦江縣的內部通勤比例高達95 %，與其他區縣基本沒有通勤聯系。從全域來看，通勤人口流動主要發生在中心城區，且區域間的職住聯系較強。高新南區內部通勤人口近6萬人，流入人口超過5萬人，郫都區、成華區、天府新區以及龍泉驛區人口凈流出較明顯。而三圈層區縣的通勤主要發生在本區域內，和中心城區職住聯系強度較弱。

圖2 成都市區縣間通勤人口流動聯系強度分布

圖3 成都市區縣通勤人口流動范圍及規模統計

雙流區、新都區的內部通勤占比規模顯著，且通勤目的區域比較積聚；主城區的跨區聯系明顯，流入流出人口均較大；在人口流入方面，高新南區占比最大，其人流來源較為分散、范圍較廣。

如圖4所示，基于街道尺度的通勤統計發現，流動規模排名前10的跨城鎮(街道)分別為：主城區中，高新區中和街道、石羊街道以及天府新區華陽街道為桂溪街道提供了大量的居住容量，分別達到了9 044人、8 007人，構成了強職住聯系；在二圈層區域，郫都區犀浦鎮、紅光鎮和合作街道呈現出強烈的通勤聯系，龍泉驛區龍泉街道和柏合鎮、 高新區合作街道和西園街道、、新都區大豐街道和金牛區沙河源街道、雙流區東升街道和九江街道構成了明顯的職住供給關系，流動規模在2 000～4 000人；而三圈層中，僅有彭州市天彭街道和致和鎮聯系明顯，為2 185人。整體來看，三圈層的通勤流量主要集中發生在建成區周邊，流向單一，而中心城區，特別是主城區的通勤聯系復雜，規模和流向差異較大。

圖4 成都市通勤流動線(以街道為統計單元)

3.2 平均通勤距離分布特征

如圖5所示，根據全域通勤距離統計發現，約95 %的人口其通勤距離不超過10 km，其中1 km內通勤人口超過70萬人(識別通勤人口共計141.94萬人)，超過70 %人口通勤距離在3 km內。主城區的3 km內通勤占比比周邊區縣較大。

圖5 成都市通勤距離分布(以社區為基本單元)

其中，通勤距離小于3 km占比排名前10為： 簡陽市簡城街道和射洪壩街道、青羊區黃天壩街道、青白江區大彎街道、新都區大豐街道、龍泉驛區十陵街道、青白江區紅陽街道、溫江區公平街道、郫都區犀浦鎮、雙流區西航港街道,最高近90 %，最低也超過82 %。

另外，通勤距離在3～10 km區間的占比排名前10：高新區(桂溪街道、肖家河街道)、青羊區(太升路街道、汪家拐街道、草市街道)、錦江區(合江亭街道、督院街街道、鹽市口街道、春熙路街道、水井坊街道)，3～10 km通勤距離人口占比均超過38 %，最高將近50 %(鹽市口街道)。

3.3 職住中心識別

利用Arcgis核密度工具生成人口凈流量核密度分布圖(圖6)，通過自然間斷點分級法迭代識別熱門職住中心?？梢郧逦闯?，沿著人民南路，從天府廣場到高新區金融城沿線區域分布著大量的就業崗位，由此吸引了大量的就業人口。

圖6 通勤人口凈流量核密度分布(三維效果)

如圖7所示，成都市的職住空間關系整體上處于較平衡狀態，就業空間在主城區內呈現以天府廣場和金融城為中心的雙核結構，并且核心高度聚集，密度極高；周邊衛星城聚集的產業園區也已形成了一定規模和影響的就業中心，如高新西區，新都區，青白江區，龍泉驛區，雙流區。

圖7 基于手機信令識別的成都市典型職住中心

跨區通勤主要發生在主城區及近郊區縣，識別的就業中心主要分布在位于城市中心的商貿發達的春熙路-鹽市口商圈，商務辦公密集的高新區南部園區，以及二圈層的產業功能積聚區等。而居住中心主要集中分布在就業中心附近3 km范圍內。其中，局部跨區通勤人口量依然龐大，高新南區3～10 km通勤占比超過35 %，且發現高新區南部園區的職住問題突出，尤其是沿著地鐵1號線周邊區域，工作日早高峰期間超過60 %的人員需跨區域通勤出行，極大加劇了周邊部分道路的常發性擁堵。

為了探析熱點就業中心的人口時序變化特征，如圖8所示，從工作日和周末人口變化趨勢可以看出，位于城市傳統核心的春鹽商圈的工作日和周末人口量差異并不顯著，這可能是由于春鹽商圈以商貿為主，其工作性質并非典型的朝九晚五雙休，并且疊加其休閑、旅游屬性，造成其未顯示出明顯的工作日、周末潮汐人口變化趨勢。而位于二圈層的龍泉汽車產業園、高新西區產業園，以及位于主城南部的高新商務區的工作日時段比周末人口顯著增加，說明這幾個區域為典型的密集就業型區域。

圖8 典型就業區域工作日和周末人口24h分布

同時由于就業空間與居住分布的不匹配，居住人群無法實現在新城就業，導致居住在新城、就業在主城及就業在新城、居住在主城的空間錯位，造成了局部區域就業通勤集中存在。

4 結束語

本文所設計的通勤人口識別算法主要針對典型的朝九晚五型就業通勤人群流動特征。因此，對某些行業從業人員的流動特征并未充分呈現，如零售業、建筑業、制造業等工作時間不固定或工作地點不固定人群識別較困難。對于具有固定工作地點、固定就業時間的人群識別精度較高，可以很好的實現通勤人口流動特征識別。本文通過建立成都市通勤人口流動特征一般分析方法及城市職住空間分布特征研究，探究其匹配關系，有利于認識城市發展規律，解釋城市空間內在結構及更新，有利于城市未來空間更好布局與發展。