同衡城市研究|你的上班路为何会变成漫长取经路？

对城市之中的上班族而言，最重要的两个问题，莫过于“在哪居住”和“在哪上班”。前者决定生活，后者关乎生存。我们往往会考虑上下班路途的距离、时间和方式：能否快速往返于家和单位之间？是否有多样化的交通工具供选择？上下班路上会不会拥堵？

居住和工作直接影响交通功能的良性运转与社会和谐。在城市规划中，合理配置居住、工作的容量及空间关系，即所谓“职住平衡”，是引导社会稳定和交通协调的重要措施。

不过，生活在城市里，尤其在被誉为“首堵”的北京，几乎人人对早晚拥堵都有切肤之痛。据报道，北京上班族平均单程通勤距离为19.2公里，单程通勤时间52分钟，居全国之首（见表1）。穿越大半个北京城去上班，甚至跨省上班的励志故事屡见不鲜，身心俱疲的“取经路”成为许多上班族的通勤写照。

表1. 2014年全国城市上班距离及时间排行榜（前十名）来源：人民网，《全国50城市上班族通勤距离及用时排行出炉 北京居首》，2015，http://travel.people.com.cn/n/2015/0128/c41570-26463574.html

那么，问题出在哪儿？是北京的马路还不够宽阔，不能承受这种“潮汐式交通”？还是北京人口太多，亟需向外疏解？从职住平衡的角度而言，问题根源之一，可能是人口的居住与就业之间的不协调，“职住分离”现象突出。简单来说，可能是某些城市地块功能过于单一，只有居住空间或就业空间，导致大量人群需要在同时间段进行远距离的空间移动。

加州大学伯克利分校城市与区域规划系的教授Robert Cervero曾为“职住平衡”下的定义是：“城市在规模合理的一定范围内所提供的就业岗位数量与该范围内居民中的就业人口数量大致相等，并且大部分有工作的居民可以就近工作，能够通过非机动车的交通方式解决大部分通勤问题，机动车的出行次数少、出行距离和时间均较短。”（Robert Cervero, Jobs-housing balance and regional mobility [J]. Journal of the American Planning Association, 1989, 55(2).）

同时，研究人员在综合大量文献后，总结出影响职住平衡和通勤效率的六大因素（周江评，中国中西部大城市的职住平衡与通勤效率——以西安为例，地理学报，2013年，Vol.68, No.10），即：城市形态、基础设施和土地利用状态和规划；和具体交通模式相关的因素；个人特征；出行特征；制度因素；职工技能、空间和种族不匹配（见图1）。

图1. 影响职住平衡和通勤效率的六大因素

职住失衡会造成就业人口在早晚高峰通勤流量增加和集中，导致城市交通拥堵日趋恶化。所以，解决城市职住分离的病灶，第一歩应研判北京职住分离的现状，提供“城市职住X光片”，作为下一步诊断依据。

传统的“职住平衡”分析方法

传统的职住平衡分析通常采用人口普查和经济统计数据，或运用问卷调查的方式进行抽样统计。问卷调查方法主要以通勤时间和通勤距离为指标，从而计算街道尺度的职住分离程度。且不论在计算通勤时间和距离时易受极值干扰，这一方法光采样过程便极其耗时耗力，且样本代表性无法保证，易产生严重误差。更重要的是，在大数据时代，用一摞摞纸张收集几百个几千个数据的方法已然显得笨拙。

另一方面，近年来，有人采用公交刷卡的大数据用于职住分析，同样采用通勤时间和通勤距离为指标，具有较高的时效性和精度，但仍无法实时动态感知城市的职住分布，且以公交为通勤工具者主要是中低收入人群，该方法在人群的覆盖面上广度不够。

我们的创新方法

我们在这篇小文中主要采用的是通过“网络爬虫”获得的腾讯某LBS公众数据平台的实时25米网格人口数据。该数据主要产生于智能手机上的微信、腾讯QQ等腾讯旗下的社交应用程序。根据数据来源，可以判断数据产生群体的特点是：使用智能手机，使用微信或腾讯QQ等社交软件，且允许软件获取地理位置。由此，可以推测数据的主体人群为中青年人。

虽无法做到完全覆盖所有年龄层和收入阶层，但就目前能获取的大数据而言，相比其他数据，如出租车GPS数据、公交刷卡数据、调查问卷数据等，腾讯的实时网格人口数据仍有绝对优势。

将实时网格人口数据与北京市统计局、国家统计局北京调查总队联合发布的北京环线人口数据（2014年）进行比例对照，结果如表2所示：六环以内，22点腾讯的实时网格人口数占统计数据的比例为24%，10点占比例为27%，同时各环线间比例因人口流动而略有起伏；夜间22点比例总体小于白天10点比例，是由于夜间休息手机关机导致。

根据推断，我们可以认为，本文采用的实时25米网格人口数据主要来自15-65岁的人群。从六普统计数据（2010年户籍人口和半年以上常住人口）中可知，六环以内15-65岁人口占总数的83%。假设人口结构4年间没有太大变化， 2014年15-65岁的人口比例与2010年接近，我们直接使用83%的比例数值。调整过后，所得的百分比如表3所示：10点腾讯的实时网格人口数占15-65岁人口的比例为32%，样本量较大，具有较高代表性。所以我们可最终判定，腾讯的实时网络人口数据能大致反映北京人流的总体情况。

接下来，我们在以上数据的基础上，进行职住热图（空间的人流聚集）和职住比（就业岗位和居住人口比例）两部分的分析。

北京的职与住，是平衡还是失衡？

1、在哪儿上班，在哪儿睡觉？

我们采用百度（百度热力图）和腾讯（公众数据平台）的实时精细化网格数据，选择工作日上午10点和夜间22点，分别代表上班工作和下班居家的活动状态，由此得出北京市中心城区的职住中心分布图。如下图所示（蓝色-绿色-黄色表示人口密度逐渐上升），为上午10点人口分布（即就业分布），清晰可见人口集聚区及稀疏区。

图2. 就业分布热图（2014年9月9日10时）

看图可知，就业中心主要集中在：中关村、知春路、朝阳门-建国门-国贸一带、王府井-东单、金融街、西单、西直门、上地、望京、东直门、亮马桥、朝阳路十里堡段、惠新西街南北口、五道口、六道口等（北京南站因交通枢纽性质而聚集较多人群）。

图3. 居住分布热图（2014年9月9日22时）

图3为夜间22点的人口分布（即居住分布）。可以发现，居住中心主要集中在中关村、回龙观、西小口、六道口、五道口、牡丹园、清河、知春路、大钟寺、学院南路、劲松-潘家园、宋家庄-石榴庄、京沪高速与南六环相交处、十里堡、望京、北苑、立水桥、天通苑、芍药居、小营等地。

通过对比，我们可以发现，城市的白天和黑夜，呈现的形态显著不同，根据其差异，可分为三类空间。

第一种空间：白天熙熙攘攘的金融街、国贸、西单、王府井等商业就业中心，到了晚上一片寂静。

第二种空间：集商业、就业、居住于一体的中关村、五道口、六道口、知春路等地，无论白天黑夜均集聚大量人气。

第三种空间：回龙观、天通苑、北苑等主要以居住为主的地区，体现了睡城的基本特征。

2、哪儿就业岗位多，哪儿居住人口多？

通过以上分析，我们可以对北京的职住分布有个整体的印象，但仍无法知道人们是否就近就业或居住，有必要通过数量化的手段对北京的职住匹配程度进行解析。

“职住比”是通常用来评价职住数量平衡度的指标，指的是就业岗位与居住人口的比值，计算公式如下：

职住比=就业岗位/居住人口

一个地区职住比越高，表明就业环境比重越大；职住比越低，表明居住功能比重越大。职住比的取值范围为大于等于零的正数。我们认为人们工作日白天10点所在地代表的是工作地点,工作日晚上22点所在地代表的是居住地点。考虑夜间休息手机关闭造成误差的因素后，将六环内晚上22点实时总人口与白天10点实时总人口计算比值，得到0.89的系数。即89%的人群在白天10点和晚上22点都采集到了腾讯实时网格人口数据。排除掉11%因手机关机只采集到白天数据的人群，我们修正后的公式为：

职住比=0.89*白天总人数/夜间总人数

具体来说，我们从城区、环线和街区三个层面，分析北京的职住比。

（1）老城VS新城

从北京市各个区的层面，计算职住比，可得图4、图5所示结果。

朝阳区和海淀区的职住比均大于1，表明就业岗位多于居住人口，是偏重就业环境的城区；

顺义区（主城区）职住比接近1，就业岗位与居住人口相当，最接近职住平衡的状态；

而通州区、大兴区、石景山区、丰台区的职住比小于1，表明这些城区偏重居住功能。

东城区和西城区，有大片面积是公共设施及大型商业中心，如西城区的北海公园、什刹海，东城区的中山公园、景山公园等，大型商业中心如西单、东单、王府井，有较多娱乐休闲人员，从数据上难以判定人群是上班、居住，还是购物、休闲、娱乐的状态，容易存在误差。（注：昌平区、延庆区、怀柔区、密云区、平谷区、房山区、门头沟区由于缺乏数据，未纳入统计。）

图4. 北京各城区职住比

图5. 北京各区职住比分布图

（2）五环，你比四环多一环

不妨换个视角，从北京的环线来看各环的职住比（如图6和图7）。

二环内存在多处大型公共服务设施，如公园、景点、购物中心和酒吧街等，白天夜间都容易聚集大量娱乐休闲人群，职住比易产生误差。

二环至四环，职住比大于1，明显偏重就业，充分体现了中心城区就业机会集聚的特征。

四环至六环，职住比均小于1，偏重居住；尤其是五环至六环，职住比最低，这与北京市统计局、国家统计局北京调查总队联合发布的北京2014年环线人口数据一致（四环至六环的居住人口占六环内总人口的55.5%，其中五环至六环占六环内总人口的35.5% ）。

图6. 北京环线职住比

图7. 北京环线职住比分布图

（3）哪个街道实现了职住平衡？

我们再缩小尺度，具体到街道层面时，可得出如图7所示的中心城区街道的职住比。在分级区间中，我们采用的是ArcGIS自带的Natural Break自然分段法，该方法的原理是使同一个区间内的数值尽量相似，而不同级别间的差异最大化。通过分析调整后，我们最终选取0.88-1.08的区间代表职住平衡（浅黄色），职住比大于1.08偏重就业（橙色、红色），小于0.87则偏重居住（蓝色）。

图8. 街道层面北京中心城区职住比

从图中可见，偏重就业的街道首先主要集中在二环到五环之间以北的方向。其中又以金融街、中关村和海淀街道、八宝山（中科院大学）、亦庄经济开发区、东直门-朝外-呼家楼-CBD最为突出（如下街道由于特殊原因可能出现偏重就业的假象：通州区政府所在区域，由于人口密度过小，可能造成的误差；酒仙桥中798艺术区、八角街道中的石景山游乐园，白天均吸引了众多游客参观；麦子店街道有大型公共设施如朝阳公园；团结湖街道不仅有团结湖公园等大型公共设施，还有北京妇产医院、北京京师中医院等多处三甲医院，所以白天也容易集聚大量非本地就业和居住的人群）。

其次为顺义的仁和、南法信地区、首都机场办事处（北京临空经济核心区），丰台区的花乡（丰台总部基地在此街道，有大量企业），朝阳区的望京、亚运村-国展一带大部分街道（来广营、大屯、和平街、安贞、左家庄、香河园、太阳宫）、高碑店地区-双井大部分街道（高碑店、八里庄、南磨房、劲松、双井），海淀区的上地街道（清华园可能由于白天游客数量较多，并非实际就业人员）以及二环到四环之间的大部分街道（花园路、北下关、紫竹院、曙光、八里庄、甘家口、羊坊店），西城区的新街口、展览路、月坛、德胜、广安门内、牛街、椿树街道，东城区的永定门外、和平里、北新桥、东四、朝阳门、建国门、崇文门外、体育馆、东花市等街道。

偏重居住的街道主要围绕在五环与六环之间。包括昌平的上庄镇、沙河、百善镇、回龙观、东小口（天通苑）、北七家（天通苑以北）等地；顺义的高丽营镇（别墅区）、胜利和光明街道等；朝阳区的管庄、三间房和黑庄户地区、金盏-东坝地区、十八里店和王四营地区，海淀区的青龙桥、香山、四季青镇，丰台区的辛庄、宛平城、新村街道、罗西园街道；石景山区的金顶街、广宁街道；房山区的长阳镇；大兴区的旧宫镇、西红门、和义（南苑街道及南苑地区办事处受南苑机场干扰，黄村受黄村火车站的干扰较大），通州区的马驹桥镇等。二环内部分地区由于大量夜间娱乐休闲人员而存在误差。

最后，剩下的大部分街道即职住平衡地区。这其中包括传统被认为主要为办公区的苹果园街道（北京西部办公区），通州大型居住区如梨园街道、北苑和永顺街道。

苹果园在规划上为商住用地，在提供大量就业机会的同时，配套了相应的居住和商业，大型百货如天虹商场、百佳等已入驻。可以说，苹果园街道不是单一就业区，而是就业、居住、商业平衡的街道。

这里分析的几个通州的街道，均位于通州区主城区，作为北京的副中心，随着被疏解人口的到来，商业和配套公共服务设施也将随之而来，这里将不再是一个纯粹的居住区，而逐渐表现出混合特征。

总体上，采用百度和腾讯实时网格数据进行分析判断，大体方向上与传统的认知是吻合的，例如天通苑及其以北、回龙观等地区显著表现为居住区，金融街、CBD-朝外、中关村等地区显著表现为办公区。

总结和思考

针对北京职住失衡的区域，研究人员认为以下措施能促进职住平衡和产城融合。一方面，提升区域职住数量完善的针对性和适应度。例如，在产业功能区里配建职工宿舍和青年公寓，满足区域内产业职工尤其是年轻职工的就近居住；还可增加租赁性质住房的规模，如发展公租房等保障性住房，鼓励存量住房进入租赁市场等。另一方面，扩大职住关联的尺度。例如，采取建设快速公交系统，扩大快速交通站点辐射范围来增加可服务人群，加强轨道站点周边区域高峰时段的公交微循环等措施（史亮，北京市职住关系问题研究，住区研究，2013，Vol 4）。

相较于传统方法的静态和样本数量的局限，大数据以其丰富性、多样性、精确性、动态性、实时性等特点，为职住分离分析提供了多种可能。但当前利用百度和腾讯的公开数据分析职住平衡仍有局限性。一是公开数据的时效性难以保证，数据本身滞后；二是存在判断错误，譬如人们在相邻街道就业，会被判定为职住分离，但如果两个相距较远的街道互为对方居民的就业地，则被判定为职住平衡；实际上前者是职住平衡，而后者是职住分离的。三是无法确切知道通勤流，即人群从哪儿到哪儿。