同济大学建筑与城市规划学院 教授/自然资源部国土空间智能规划技术重点实验室
同济大学建筑与城市规划学院 博士研究生/自然资源部国土空间智能规划技术重点实验室
同济大学建筑与城市规划学院 硕士研究生/自然资源部国土空间智能规划技术重点实验室
钮心毅,林诗佳,王桨. 存量发展背景下超大城市就业中心体系的动态演变 ——基于时空大数据的研究[J]. 世界建筑导报,2025,(4): 40-45.
在当前存量发展背景下,探知城市空间结构动态演变是国土空间规划实施监测评估的需求。在明确城市开发边界约束下,进行存量建设用地功能优化成为当前主导发展方式[1]。尤其对超大、特大城市而言,普遍面临空间资源紧约束问题,原本以用地规模扩张、增量发展等方式不再适用,亟待通过存量用地挖潜、提升推进土地集约利用和功能布局优化,以促进“多中心”为导向的城市空间结构发展目标[2]。随着国土空间规划体系的建立,在“一年一体检、五年一评估”要求下,在较短时间周期内测度城市空间结构动态演变,成为国土空间规划实施监测评估工作的迫切需求[3]。
自2010年中期以来,时空大数据进入规划学科,为城市空间结构研究提供了新的技术[4]。从微观个体视角来看,时空大数据是个体行为轨迹的记录,表达了空间中的个体行为特征;从宏观总体视角来看,时空大数据是城市活动的记录,大量个体行为反映了城市活动总体特征,表达了城市空间中发生的城市活动,可用于从城市活动变化来认识城市空间[5]。城市空间结构研究成为时空大数据进入规划学科最为集中研究议题[6]。以手机信令数据为代表的多种时空大数据先后应用于城市空间结构的城市中心体系、职住空间关系等研究领域,并取得了显著进展[7, 8]。时空大数据从综合形态分布和功能联系双重视角出发,为全面认知城市空间结构提供了技术路径[9]。在形态分布视角下,时空大数据支持城市内部就业、人口等单一要素分布的“核心—边缘”“集聚—分散”特征测度,实现了基于集聚位置、规模等要素划分单中心、多中心、分散等多种城市空间结构类型研究[10]。在功能联系视角下,时空大数据支持人员流动、出行联系等要素流动范围、方向性特征测度,实现通勤等功能联系范围、流动流向、关联网络等城市空间结构类型研究[11, 12]。尤其是以手机信令数据为代表的随“人”时空大数据,能够同时反映就业、居住、游憩等活动空间聚集部分,也能同时反映“居住-就业”“居住-游憩”等功能联系[13],有效支撑了形态分布和功能联系双重视角下的城市空间结构特征研究[14]。
研究城市空间结构演化既是规划学科的传统议题,也是当前国土空间规划实施监测评估的需求。多中心空间结构是超大、特大城市国土空间规划的重要目标[15]。其中,就业中心作为城市内部就业活动高度集聚的位置所在,在城市空间结构组织中发挥了关键性作用[16, 17],深入挖掘就业中心体系在城市多中心空间结构演变中发挥的作用[18],不仅是城市空间结构演化学理性研究的需求,也是当前超大、特大城市国土空间规划实施监测评估中重要议题。传统城市空间结构演变研究一般依赖经济普查、人口普查等社会经济普查数据,以行政管理单元为空间计量单元[19, 20]。由于基础数据每五年或十年进行一次普查更新,存在更新频率低,难以满足存量时代“一年一体检、五年一评估”的动态监测评估要求。时空大数据具有较高的数据更新频率,能对应动态监测评估特点[21],为较短时间周期的就业中心体系演变研究提供了可能性[22]。虽然当前时空大数据用于城市空间结构特征测度、空间结构形成机理已得到较多研究[23, 24],但是使用连续多个年份时空大数据,测度较短时间周期内城市空间结构动态演变尚有待系统性探索。
本研究以上海为实证案例,使用连续多个年份时空大数据,以就业中心体系为研究对象,从综合形态分布和功能联系双重视角,揭示存量背景下城市空间结构动态演变过程;同时提出时空大数据用于测度就业多中心体系演变的方法,支持国土空间规划实施监测评估需求。
上海作为我国典型的超大城市,正积极探索存量背景下的转型发展路径。本研究以上海郊环线平方公里范围为研究对象。该区域仅占全市44.90%的陆域面积,却承载了84.76%的劳动适龄人口(根据2020年第七次人口普查结果)和87.70%的就业岗位(根据2018年第四次经济普查结果),基本对应了城镇开发边界内的连续建成区范围,是上海实现存量空间挖潜和功能布局优化的主要空间载体。
必赢国际437官方
为破解资源紧约束的发展瓶颈,同时应对“大城市病”治理需求,《上海市城市总体规划(2017—2035年)》(以下简称“‘上海2035’总规” )中明确提出需在严守城镇开发边界的基础上、加大存量用地挖潜力度,通过功能布局调整、优化构建多中心空间体系。具体涵盖主城区、郊区两类地域,构建“1+16+N”的“主中心—副中心—地区中心”多层次中心体系。通过就业多中心培育,对外支撑全球城市核心功能和专业职能提升,对内激活城市潜力地区、优化城市空间品质。为此,就业中心体系动态演变成为国土空间规划实施监测的重要内容。
多中心导向下的城市空间结构优化具体可分解为两层目标[25](图1)。其一是形态分布多中心导向下的空间布局优化,形态分布多中心意味着就业岗位空间分布趋于均衡,旨在打破“中心过密、外围过疏”的单中心格局,减轻中心城过度集聚所带来问题,同时增强就业次中心集聚能力。其二是功能联系多中心导向下的空间组织优化,功能联系多中心意味着通勤流向趋于均衡,旨在通过外围次中心培育、减轻过度集聚的主中心所引发的大规模职住分离和向心通勤问题,减轻潮汐交通压力。
空间布局优化是空间组织优化的实施路径。规模均衡、空间分散的就业多中心体系是实现城市内部高效、均衡通勤格局的空间基础。这也意味着需要通过系统性检视就业中心体系演变如何改变就业集聚规模变化和通勤来源方向,以形成对于城市空间结构演变的系统认知。为此研究聚焦就业中心体系的动态演变,从形态分布和功能联系的双重视角递进开展。
使用人口流动向量(Population Mobility Vector, PMV)直观刻画通勤流的方向性特征[27]。该方法以就业地所在公里网格为分析单元,对其所有通勤来源方向的单位向量
按两地之间通勤流量 Tij占该就业地通勤到达总量(即就业岗位数)比例进行加权求和,形成具有方向和大小的合成向量
。计算该向量的模长得到对应公里网格通勤来源的各向异性指标 λj,反映该就业地通勤来源方向的不均衡程度(公式4);计算该向量与城市中心的夹角 θj进而得到对应公里网格通勤来源的向心性指标 θj,反映该就业地通勤方向是否指向城市中心(公式6、7)。在此基础上,对于每个就业中心包含公里网格的方向性指标进行汇总,按照网格就业人数进行加权,对应得到就业中心通勤来源的各向异性指标
,两个指标的取值范围均为0到1(公式5、8)。各向异性增大且向心性增大,表明趋于功能联系单中心演变,反之则趋于功能联系多中心演变。
到市中心距离—相对就业密度分布曲线显示,研究期内就业岗位空间分布呈现去中心化发展趋势(图2)。尽管就业密度总体保持中心高-外围低的梯度分布格局,但距离市中心5公里范围内(基本对应内环线以内)的就业密度显著下降,而在12公里以外区域则出现连续多年的稳定增长,尤其在15公里(基本对应外环线公里等多个距离区间形成明显的就业密度波峰。这一现象表明,存量背景下就业空间分布变化持续、动态发生,出现由中心向外围扩散的梯度转移趋势,中心城区过度集聚的问题在一定程度上得到缓解。
相对就业密度三维柱状图可视化结果不仅印证了上述去中心化发展趋势,而且可以观测到,在外环线沿线及其外围出现更多相对独立的就业高值簇(图3)。结合全局尺度指标统计[28],位置商数(Location Coefficient,LC)从0.560上升至0.569,意味着在不考虑位置关系的前提下,就业岗位数量分布的不均衡程度提高,即更多就业岗位倾向于集中在少数网格单元;与此同时,邻近指数(Proximity Index, PI)从0.469下降至0.450,意味着就业高值网格之间的空间邻近程度降低,即就业集聚位置的空间距离增大。二者共同反映,上述去中心化过程并未导致均匀分散,而是出现了多中心集聚的演变趋势。
再看就业中心的集聚规模变化(表1),尽管研究期内所有就业中心的就业人数占比总和基本维持在五成不变,但主中心占比从34.15%降至30.64%,次中心占比则从16.07%升至20.04%,意味着就业主、次中心之间的就业集聚能力差异缩小,就业次中心在吸引就业集聚方面发挥了更大作用,从就业中心层面再次印证了形态分布视角下就业空间结构趋于形态分布多中心发展。
基于23个就业次中心的就业集聚规模在6个年份的时序演变特征,可以细分为5种增长类型(图5)。考虑到不同就业次中心存在面积大小差异,为此以相对就业密度表征就业集聚规模。第一类为跨越式增长型(红色),包含前滩(QT),该类型在基期年相对就业密度最低,但是在研究期内经历了大幅度增长,增幅为6.88倍,研究期末就业集聚规模已达到第二梯队水平,反映前滩作为“上海2035”划定的全球城市核心功能承载区,在总规实施期间实现了快速发展。第二类为低水平增长型(绿色),包含虹桥-徐泾(HQ-XJ)、江桥(JAQ)、漕河泾松江(CHJSJ),该类型在基期年相对就业密度较低,但是在研究期内经历了一定幅度增长,平均增幅为1.36倍,尽管位于外环线以外,难以获得主中心的毗邻优势,但在产业转型升级政策的加持下使其保持了就业集聚增长的能力。第三类为高水平稳定型(棕色),包含张江(ZJ)、金桥(JQ)、市北-大宁(SB-DN)等6个就业次中心, 该类型在研究期内相对就业密度基本保持稳定,且始终位列第二梯队,作为上海传统就业中心,在中心城区整体面临非核心功能的就业岗位疏解背景下,这些就业中心通过自身产业迭代始终保持平稳发展。第四类为高水平增长型(橙色),包括新泾(XJ),该类型在研究期内始终保持高水平的就业集聚,尽管经历波动,但依然呈现增长趋势,不仅具备良好的产业发展基础,而且同时拥有毗邻虹桥门户的区位优势,在就业集聚增长上表现出强劲的吸引力。第五类为低水平稳定型(灰色),包含安亭(AT)、康桥(KQ)、奉浦(FP)等12个就业次中心,均位于城市外围地区,在研究期内就业集聚保持在相对低水平,未见显著增长。
*注:相对就业密度是指就业中心就业密度和当年上海郊环范围内平均就业密度的比值
通勤来源可视化结果显示,从研究初期到研究末期,主中心稳定呈现放射状向心通勤格局(图6a、6b),尤其是北向和东翼出现新增的集中长距离通勤簇,且其来源地均位于外郊环线之间。这意味着就业次中心的形成与扩张,并未有效缓解主中心所引发的大规模向心通勤需求。事实上,部分就业次中心的增长甚至使得这种向心通勤格局在更大空间范围发生(图6c、6d),如虹桥-徐泾(HQ-XJ)、唐镇(TZ)等新增多支明显的向心通勤簇并向郊区腹地、即郊环线外围辐射。与此同时,部分次中心也呈现出了差异化的通勤来源方向特征变化,如前滩(QT)出现多支通勤簇但来源方向相对均衡,康桥(KQ)在研究期初已经形成的集中向心通勤簇反而有所缩减。主、次中心的通勤来源向心性指标变化进一步印证了功能联系单中心的城市空间结构演变趋势。虽然可视化结果显示次中心的通勤来源方向变化较为复杂多样,但是向心性指标的总体提升意味着就业次中心实际加剧了城市内部的向心通勤格局(表2)。其中以各向异性和向心性共同提升的就业次中心为典型,意味着其原本相对均衡的通勤来源分布被打破,通勤来源地向背离城市中心方向集中。对于各向异性减弱、向心性增强的就业次中心,虽然对其自身而言通勤来源更加均衡,但也意味着其在全市尺度上吸引离心通勤的能力减弱,城市总体向心通勤格局持续加剧。
上述研究表明,实现形态分布多中心的空间布局优化目标并不必然带来空间组织优化的预期成效,就业次中心的新增与扩张虽然分担了主中心的就业集聚压力,但并不能够有效缓解大规模向心通勤格局所带来的潮汐交通压力。与此同时,就业次中心的通勤来源方向特征变化还呈现出多种趋势,意味着在空间结构整体演变过程中不同次中心起到的作用也有不同。
基于所有就业次中心在研究初期、末期的就业集聚规模和通勤来源方向的特征变化,归纳其演变模式。图7中每一个箭头代表一个就业中心,箭头起点为其在研究期初的特征值,箭头终点则为其在研究期末的特征值,箭头方向则代表其对于城市空间结构演变的作用方向。以形态分布和功能联系双重视角下的多中心发展为空间优化目标,箭头朝向第四象限为理想情况,意味着该就业中心在吸引就业集聚规模增长的同时,缓解了城市总体的向心通勤格局。但可视化结果直观显示,箭头主要朝向第一象限,即多数就业次中心主导着形态分布多中心、功能联系单中心的城市空间结构演化过程(图7)。
研究使用2017-2023年连续六个年份手机信令数据,综合形态分布和功能联系双重视角,量化测度了上海郊环线以内的就业多中心空间结构的动态演变,得出以下三点结论。
第一,在形态分布视角下,上海郊环范围内就业中心体系趋于多中心发展。全局层面,就业分布呈现去中心化、多中心集聚的演变趋势。尽管“核心-边缘”梯度分布格局始终存在,但中心城区过度集聚状况一定程度上得到了缓解,且就业分布向外转移并未带来分散,而是实现了空间再集聚的演变过程。就业中心层面,在总体格局保持稳定的基础上出现少量新增次中心,部分次中心发生局部边界扩张,主、次中心就业集聚规模差异缩小,且次中心呈现出跨越式增长、高水平增长、高水平稳定、低水平增长、低水平稳定5种增长类型。这表明了培育次中心、促进就业岗位均衡布局的形态分布多中心发展目标初步实现。
第二,在功能联系视角下,上海郊环线范围内就业中心体系则趋于单中心极化。与空间规划预期相悖,城市外围新增或动态扩张的就业次中心并未减轻大规模向心通勤需求;相反主、次中心共同加剧了“核心-边缘”的向心通勤格局,次中心通勤流的向心性增幅更为剧烈。这意味着形态分布多中心并不直接等同于多中心的空间优化目标实现,形态分布多中心和功能联系单中心有可能同时发生。这对上海超大城市的城市空间发展目标带来了更严峻挑战。
第三,综合形态分布和功能联系双重视角,上海郊环范围内就业次中心呈现四类演变模式。多数就业次中心处于“弱增长—弱向心”演变模式,另有少数“强增长—强向心”演变模式,二者共同加剧了形态分布多中心、功能联系单中心的城市空间结构演变趋势。还存在“强增长—均衡”“弱增长—强离心”两类演变模式。就业次中心呈现差异化动态演变模式,表明各个就业次中心在就业多中心空间结构演变中起到了差异化作用。推进上海超大城市多中心的城市空间发展目标需要更精细化的规划策略。
本研究以上海就业多中心体系为实证案例,综合形态分布和功能联系的双重视角,揭示了存量背景下的城市空间结构动态演变过程。研究发现在存量发展背景下,就业中心体系同时存在形态分布多中心和功能联系单中心的演变趋势,各个就业次中心也呈现差异化的动态演变模式。对照多中心空间结构发展目标,如何培育具备较强就业集聚能力的就业次中心,同时有效缓解不断极化的向心通勤格局,成为亟待解决的规划策略议题。
出现上述现象的原因与新增就业次中心主要位于中心城区及其周边地区有关,也与就业次中心承载的产业类型有关。产业转型升级往往会对从业者的技能需求发生变化,从而带动通勤联系格局变化[29]。这意味着空间规划政策和产业布局政策需要协同考虑,推动产业高质量发展不能忽视其对于城市空间结构优化的潜在影响。同时促进就业多中心发展不应该是一个全局性的简单概念,而应考虑培育就业次中心的具体空间位置、也要考虑布局产业的类型。探知就业中心演变模式差异的形成机制是制定针对性规划策略的基础。未来需要系统探究不同就业中心时空演变模式的形成机制,为制定引导多中心的空间结构发展目标规划策略提供支撑。
1 数据来源为中国联通,数据采集时间分别为2017年11月、2018年4月、2019年11月、2021年6月、2022年9月、2023年3月。
3《上海年鉴(2018)》显示2017年末全社会各行业从业人员总计1372.65万人(其中第一产业42.44万人);《上海市第五次全国经济普查主要数据公报(第一号)》显示2023年末第二产业和第三产业法人单位从业人员1310.0万人。
4 考虑规模水平、变化趋势、变化强度、波动性等构建12个时序特征指标,使用主成分分析(PCA, principal component analysis)方法进行时序特征降维,结果显示保留3个主成分时累积解释方差比例超过80%。对这3个主成分进行K-Means聚类分析,根据轮廓系数选择最佳聚类数为5。
[1]邹兵. 存量发展模式的实践、成效与挑战——深圳城市更新实施的评估及延伸思考[J]. 城市规划, 2017, 41(1): 89-94.
[2]本刊编辑部.国土空间规划体系改革背景下规划编制的思考学术笔谈[J].城市规划学刊,2019,(5):1-13.
[6]钮心毅, 林诗佳. 城市规划研究中的时空大数据:技术演进、研究议题与前沿趋势[J]. 城市规划学刊, 2022(6): 50-57.
[9]丁亮, 钮心毅, 宋小冬. 上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 地理学报, 2016, 71(3): 484-499.
[13]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.
[21]曹春华, 卢涛, , 等. 国土空间规划监测评估预警:内涵、任务与技术框架[J]. 城市规划学刊, 2022(6): 88-94.
[25]林诗佳, 钮心毅. “人口—产业”匹配视角下大城市空间结构演化特征与优化策略——以上海市为例[J]. 上海城市规划, 2024(3): 86-93.
图1:林诗佳, 钮心毅. “人口—产业”匹配视角下大城市空间结构演化特征与优化策略——以上海市为例[J]. 上海城市规划, 2024(3): 86-93.
8.钮心毅,林诗佳,王桨. 存量发展背景下超大城市就业中心体系的动态演变 ——基于时空大数据的研究[J]. 世界建筑导报,2025,(4): 40-45.
9.吕丹娜,叶玉瑶,肖佳园,等. 基于自然基础设施的城市生态空间规划策略研究[J]. 世界建筑导报,2025,(4): 46-49.返回搜狐,查看更多