基于交通一卡通大數據的城市職住平衡分析探索與應用

徐鋒 李之明 何建兵 張景奎 余紅玲

關鍵詞：職住平衡;城市規劃;交通一卡通大數據

中圖分類號：TP274.2;TP393.09 ? ? ?文獻標識碼：A 文章編號：2096-4706（2019）06-0001-04

Abstract：The imbalance between occupation and housing is an inevitably inappropriate allocation of space resources in urbanization development. It is also an important issue faced by urban planning construction and development in the new era. Under the background of the maturity and wide application of big data technology and other new internet technologies into the development of the industry，this paper builds the identification model of commuter’s residence and employment based on the big data of urban traffic card，identifies the commuter’s OD. The paper explores the evaluation index and measurement method of occupational-housing balance，in order to applying it to the research of occupational-housing balance in Guangzhou’s urban areas. The results show that the commuters in Guangzhou have the characteristics of living closely and choosing jobs across districts;the balance of occupations and housing in urban central areas is better;the closer to the city center，the imbalance of occupations and housing in the region is more outstanding.

Keywords：occupational-housing balance;city planning;transportation card big data

0 ?引 ?言

隨著城市空間的快速拓展，功能結構調整演變和城市交通基礎設施日漸完善，城市就業與居住空間關系中已存在的分離、錯位、失調等失衡問題愈發嚴重。從本質上來講，職住失衡問題是城市化發展過程中必然遇到的一種空間資源配置不當問題，是在城市規模擴張的過程中，由于城市建設規劃和功能區布局未及時、未能有效調整，導致居住地和工作地空間分離，引發長距離通勤、交通擁堵和幸福指數偏低的社會問題。鄭思齊（2015）認為，“交通擁堵”本源雖然是土地利用格局所帶來的巨大交通需求與交通供給不足之間的矛盾，但是“職住分離”已然成為城市交通擁堵的主要原因之一[1]。

當前，移動互聯網、物聯網、大數據、云計算等新興互聯網技術已經逐步成熟并廣泛應用服務于行業發展，諸多城市規劃建設工作者運用大數據技術研究城市居民職住時空行為，分析通勤特征和評價職住關系，挖掘城市空間功能區布局與職住關系的作用機理。如國外學者Medina和Erath（2013）利用交通一卡通數據分別對城市結構、就業密度空間分布進行評價[2]。國內學者鈕心毅、丁亮等（2017）利用手機信令數據從職住空間關系分析了上海9個郊區的發展情況，應用獨立指數測度各新城的職住平衡程度，發現：郊區新城基本符合離中心城區越遠、職住失衡水平越小的規律[3];許園園、塔娜等（2017）利用地鐵刷卡數據描述上海市職住空間關系，認為城市多就業中心發展對于職住平衡發展和通勤分流具有積極意義[4];史新宇（2016）基于上海市出租車和社交網絡數據建立移動多源軌跡的軌跡數據分析模型，研究分析上海市民的職住空間平衡狀況和分離現象[5];譚欣（2016）構建百度熱力圖數據的職住平衡度量指數分析重慶市都市區的職住關系，并與北京對比分析發現：重慶職住平衡狀況顯著好于北京，且多數組團處于平衡區間[6];許志榕（2016）基于軌道交通客流數據構建軌道交通出行數據模型研究分析上海市職住關系和通勤特征[7]。以上研究成果為基于城市交通一卡通大數據研究城市職住平衡提供有力支持。

城市交通一卡通大數據作為直觀記錄、客觀描述城市居民交通出行的主要數據之一，具有規模海量、多源多樣、指數級增長、應用價值大等優點;另外，同傳統的問卷調研方式相比，城市交通一卡通大數據具有易采集、成本低、效率高、客觀精準等優點。于是，筆者以職住空間匹配狀況為研究目標，研究職住平衡評價指標和測度方法，基于城市交通一卡通大數據識別通勤人群的通勤軌跡（OD），并以廣州為例分析各城區職住關系和職住平衡水平，彌補當前已有研究成果僅從就業崗位數量和居民人數匹配方面研究城市職住平衡的不足，為優化城市功能區布局提供有力決策支持。

1 ?數據采集預處理

1.1 ?數據采集

本文研究所使用的數據為城市交通一卡通大數據，數據來源于公交IC卡刷卡數據和公交地鐵GPS（如表1所示）、站點GIS等公共交通領域關聯數據，數據存儲規模就已達PB級。數據結構基礎信息包括：公交IC卡ID、交易終端ID、交易時間、線路/地鐵站點名稱、交易金額、卡類型等，如表2所示。本文隨機選取2017年2月廣州市的城市交通一卡通數據作為研究對象，預處理前的數據記錄已達4.2億條。

為提高大數據分析的效率和準確性，有效規避不完整數據、冗余數據、噪音數據、錯誤數據等異常數據的干擾，必須對城市交通一卡通大數據實施清洗、融合、變換、歸約等預處理工作。如圖1所示。

（2）數據融合：將異構多源的城市交通一卡通大數據存儲在統一的數據庫、數據倉庫或文件中，形成完整的數據集。

（3）數據變換：將城市交通一卡通大數據從一種系統轉移到另一個系統，轉換成適用于數據分析挖掘的形式。

（4）數據歸約：剔除那些不能刻畫系統關鍵特征的具有非關鍵、冗余等數據屬性的數據集合，獲取具有精煉并能夠充分描述被挖掘對象屬性的數據集合。

經數據預處理后，符合研究數據質量和應用要求的有效數據記錄約3.13億條，對應城市交通一卡通數量約為828多萬張。另外，由于本文以通勤人群為研究對象，在數據預處理后，對老年卡、學生卡人群數據也予以剔除。

2 ?職住平衡測度指標設置

E.Howard在“田園城市”（Garden Cities）理念中最早提出職住平衡的概念：“居民工作就在住宅的步行距離內”[8];Cervero（1989）[9，10]提出了名義上的職住平衡的測度方法——“職住比”（jobs-housing ratio），即就業崗位數量除以就業人口數量，某地域職住比為0.8～1.2的狀態被定義為職住空間平衡，職住比越高，則該區域的就業功能越顯著，反之，就業功能越不顯著。但是，職住比是建立在“只要某個區域范圍內有數量上較近的居住和就業機會，居民就會在居住地就近擇業、在就業地就近居住”假設的前提下，這是與實際情況不符的。于是，本文引入“空間”測度方法，借鑒鄭思齊（2015）[1]、周作江（2016）[11]、Ewing（2004）[13]等專家的做法，采用“居住者就業平衡指數”（JHBRh，i）來測度區域居住者勞動力有多大比例選擇在本區就業，如式（1）所示;采用“就業者居住平衡指數”（JHBRj，i）來測度區域就業的勞動力有多大比例選擇在本區居住，如式（2）所示。

其中，JHBRh，i為i區域的居住者就業平衡指數，JHBRj，i表示就業者居住平衡指數;LHJi表示同時在i區域居住和就業的人數;LJi為在i區域就業但不在此居住的人數;LHi為在i區域居住但不在此就業的人數。

3 ?研究分析過程

3.1 ?居住地和就業地識別分析

由于在現實生活中，上下車站點不能完全覆蓋居住地和就業地，因此本文將上車站點定義為居住地站點、下車站點定義為就業地站點。上下車站點識別包含五項關鍵步驟，如圖2所示。

（1）篩選出廣東省城市交通工作日期間的同一班次一卡通刷卡數據，按照交易時間先后順序排序，判定每日的首次刷卡記錄，若非首次刷卡交易，則剔除。

（2）計算車輛到站時間。首先，分析線路軌跡相似度識別車輛實際路線，基于連續GPS軌跡點時空變化判斷車輛行駛方向;然后，計算公交、地鐵GPS軌跡點與站點GIS位置距離，選擇距離站點最短的GPS軌跡點作為進站點;最后，利用GPS記錄的速度信息數據計算出車輛到站時間。

（3）上車站點匹配。把車輛到站時間和乘客刷卡時間進行匹配，選擇距首次刷卡時間最近的到站時間作為上車時間，該時點GPS所對應的站點為上車站點。

（4）居住地站點識別。匯總同一卡號21個工作日每日首次上車站點，并將各站點匯總記錄值的最大且大于1的上車站點作為居住地站點。若最大值存在多個站點，選擇刷卡次數最多的上車站點為居住地。

（5）就業地站點識別。與居住地點推測過程（步驟（1）～步驟（3））類似，根據Barry的出行模式假說和龍瀛、孫立君等人（2015）[12]的研究方法，筆者將21個工作日的每日上車6小時后的第一次刷卡上車站點（非居住地）進行記錄，并將匯總值最大值且大于1的上車站點視為就業地站點。若最大值存在多個站點，選擇刷卡次數最多的下車站點，即每日通勤的下車站點為就業地。

3.2 ?職住空間結構識別分析

根據2017年城市交通一卡通大數據識別出廣州11個區通勤人群的居住地和就業地，并基于各區通勤人群OD出行軌跡統計分析得出本區居住外區就業人數、本區居住本區就業人數、和本區就業外區居住人數，如表3所示。

根據表3數據計算得出，廣州市11區就業者居住平衡指數平均值為65.27%，可以得出廣州市常住居民中有65.27%的就業者傾向于選擇本區居住;同樣，根據11區居住者就業平衡指數平均值36.36%，可以得出：廣州市常住居民中平均有36.36%的居住者傾向于選擇本區就業，更多的居民傾向于跨區擇業?？傊?，廣州市職住人群具有就近居住、跨區擇業的特征。

3.3 ?廣州市職住平衡現狀分析

3.3.1 ?廣州市11區居住者就業平衡指數現狀分析

如圖3所示，廣州市越秀區、天河區居住者就業平衡指數處于0.49～0.55且位居全市最高，近一半的本區居住者傾向于選擇本區就業，越秀區、天河區作為廣州市中心區域職住失衡情況較弱;白云區、海珠區、番禺區、荔灣區居住者就業平衡指數處于0.00～0.29且居全市最低，不到29%的本區居住者傾向于選擇本區就業，也就是說，超過71%的本區居住者傾向于外區就業，同其他各區相比，白云區、海珠區、番禺區、荔灣區存在較為嚴重的職住失衡，表明離廣州市中心越近的區域職住失衡情況越顯著，而且本區居住者傾向于外區就業。

如圖4所示，越秀區、天河區就業者居住平衡指數處于0.79～1.00，位居全市最高，超過79%的本區就業者傾向于選擇本區居住，不足21%的本區就業者來源于外區，越秀區、天河區兩區職住狀況相對平衡;白云區、海珠區、番禺區就業者平衡指數不足55%，位居全市最低，表明不到55%的本區就業者傾向于選擇本區居住，也就是說，有接近一半的本區就業者來源于外區居民。

4 ?結 ?論

本文基于城市交通一卡通大數據構建通勤人群的居住地和就業地識別模型，識別出廣州11區通勤人群的居住地和就業地;利用各區通勤人群OD出行軌跡，統計分析得出本區居住外區就業人數、本區居住本區就業人數和本區就業外區居住人數，測度了居住者就業平衡指數、就業者居住平衡指數，經對比研究發現：廣州市通勤人群具有就近居住、跨區擇業的特征，并且城市中心地區的職住平衡狀況較好，離城市中心越近的區域職住失衡情況越顯著。

參考文獻：

[1] 鄭思齊，徐楊菲，張曉楠，等.“職住平衡指數”的構建與空間差異性研究：以北京市為例 [J].清華大學學報（自然科學版），2015，55（4）：475-483.

[2] Lu L W，Chiang G H，Medina D，et al.Drug effects on nucleic acid modification. I. A specific effect of 5-azacytidine on mammalian transfer RNA methylation invivo [J].Biochemical & Biophysical Research Communications，1976，68（4）：1094-1101.

[3] 鈕心毅，丁亮，宋小冬.基于職住空間關系分析上海郊區新城發展狀況 [J].城市規劃，2017，418（8）：47-53+126.

[4] 許園園，塔娜，李響.基于地鐵刷卡數據的城市通勤與就業中心吸引范圍研究 [J].人文地理，2017，32（3）：93-101.

[5] 史新宇.基于多源軌跡數據挖掘的城市居民職住平衡和分離研究 [J].城市發展研究，2016，23（6）：142-145+149.

[6] 譚欣，黃大全，趙星爍，等.基于百度熱力圖的職住平衡度量研究 [J].北京師范大學學報（自然科學版），2016，52（5）：622-627+534.

[7] 許志榕.上海市職住關系和通勤特征分析研究——基于軌道交通客流數據視角 [J].上海城市規劃，2016（2）：114-121.

[8] Mumford.The urban prospect.Harcourt.Brace and World [M].NewYork，1968.

[9] Robert Cervero.Jobs-Housing Balancing and Regional Mobility [J].Journal of the American Planning Association，1989，55（2）：136-150.

[10] CERVERO R，RADISCH C. Travel choices in pedestrian versus automobile oriented neighborhoods [J].Transport Policy，1996，3（3）：127-141.

[11] 周作江，張棟梁，王英行，等.手機大數據視角下的組團型城市職住平衡研究——以珠海市中心城區為例 [C]//2016中國城市規劃年會.規劃60年：成就與挑戰——2016中國城市規劃年會論文集（04城市規劃新技術應用）.沈陽：中國建筑工業出版社，2016：855-865.

[12] 龍瀛，孫立君，陶遂.基于公共交通智能卡數據的城市研究綜述 [J].城市規劃學刊，2015（3）：70-77.

[13] Ewing R，Pendall R，Don C.Measuring Sprawl and Its Impact [M].Washington DC：Smart Grow America，2004.

作者簡介：徐鋒（1974-），男，漢族，江西贛州人，中級工程師，碩士，研究方向：電子信息系統、一卡通大數據。