劉曉冰，李奉孝，田欣妹，閆學(xué)東*

(1.北京交通大學(xué)，綜合交通運輸大數(shù)據(jù)行業(yè)重點實驗室，北京 100044；2.中國城市規(guī)劃設(shè)計研究院，北京 100044)

0 引言

隨著城市化進程的加快，城市規(guī)模日益擴大，單中心城市人口集聚帶來的負外部效應(yīng)使城市交通問題日益嚴重。都市圈空間結(jié)構(gòu)中的城市形態(tài)、城市規(guī)模、土地利用等都會影響到交通線網(wǎng)布局和交通設(shè)施供給，繼而影響到交通方式的選擇、交通源的空間分布和交通需求總量，最終影響整個都市圈交通系統(tǒng)[1]。因此各地解決城市交通擁堵、提高交通品質(zhì)問題的思路逐漸從單一擴大供給向供需雙側(cè)調(diào)節(jié)轉(zhuǎn)變，也越來越重視從城市空間規(guī)劃層面引導(dǎo)交通出行模式的轉(zhuǎn)型，通過城市空間規(guī)劃和交通組織耦合發(fā)展的視角來改善交通問題。

中心結(jié)構(gòu)識別是城市空間規(guī)劃的重要步驟之一。然而，目前對中心結(jié)構(gòu)的識別在分析方法與數(shù)據(jù)應(yīng)用等方面仍然受限。一方面，由于多中心結(jié)構(gòu)的復(fù)雜性，目前缺乏成熟的多中心判別理論和衡量方法。目前主要采用如下幾種思路：第一，比較某區(qū)域之內(nèi)城市的重要性以及等級分布情況[2]，對城市的首位度進行排名，但是此種比較方式的準(zhǔn)確性較低；第二，立足于城市之間的交通網(wǎng)絡(luò)數(shù)據(jù)進行識別，如Liu 等[3]針對中國多個主要城市的多中心結(jié)構(gòu)以及此類城市的流量數(shù)據(jù)進行檢測，雖然結(jié)果具有較好的代表性和準(zhǔn)確性，但此方法立足于高質(zhì)量統(tǒng)計數(shù)據(jù)基礎(chǔ)之上，耗費的人力和物力相當(dāng)巨大，更新頻率也相對較低，而且沒有設(shè)置統(tǒng)一的標(biāo)準(zhǔn)[4]；第三，比較城市多中心和理想模型之間的差異，例如Shlomo 等[5]依據(jù)對美國城市的調(diào)查分析，建立了包括生活-工作社區(qū)鄰里模型在內(nèi)的5種假設(shè)空間結(jié)構(gòu)模型，但是理想模型的建立尚未達成共識，如果研究區(qū)域的內(nèi)部差異較大，則很有可能出現(xiàn)結(jié)果不一致的情況，另一方面，根據(jù)傳統(tǒng)調(diào)查數(shù)據(jù)對城市結(jié)構(gòu)進行的判別大部分是靜態(tài)的[6]，獲取成本較高且可用性較差，另外受限于數(shù)據(jù)獲取的難度，過去的研究一般都是將行政區(qū)作為城市中心結(jié)構(gòu)的基本空間單元，無法對區(qū)域發(fā)展進行精細化研究[7]，而且行政區(qū)規(guī)模的差異還會導(dǎo)致不確定的區(qū)域偏差[8]。除分析方法與數(shù)據(jù)應(yīng)用受限外，現(xiàn)有研究多從一個城市的中心結(jié)構(gòu)展開分析，缺少大規(guī)模的實證研究，很難找到普遍規(guī)律及普適性的結(jié)論。

為了更加科學(xué)地制定不同都市圈中心結(jié)構(gòu)下的資源配置和通勤效率優(yōu)化策略，本文利用百度通勤大數(shù)據(jù)，聚類識別了都市圈中心布局，提出不同都市圈中心結(jié)構(gòu)下的通勤模式和量化指標(biāo)，對我國35個重點都市圈的中心結(jié)構(gòu)進行判別，并分析我國主要中心結(jié)構(gòu)下都市圈通勤效率的關(guān)鍵影響因素，為城市管理者開展精細化的空間布局和交通規(guī)劃提供一定的參考。

1 研究范圍與數(shù)據(jù)介紹

1.1 研究范圍

本文研究對象包含全國35個主要城市形成的都市圈區(qū)域，是中國超大、特大和大城市的典型代表。具體包括超大城市中的北京市、上海市、廣州市、深圳市，特大城市中的成都市、天津市、鄭州市、西安市、杭州市、武漢市、青島市、南京市、沈陽市，I型大城市中的長沙市、濟南市、哈爾濱市、合肥市、昆明市、長春市、大連市、太原市、廈門市、烏魯木齊市，II 型大城市中的寧波市、石家莊市、南寧市、福州市、貴陽市、南昌市、蘭州市、呼和浩特市、銀川市、海口市、西寧市，以及I型小城市拉薩市，具體分布如圖1所示。

圖1 研究城市分布圖Fig.1 Study city maps

1.2 數(shù)據(jù)介紹

本文數(shù)據(jù)集來源于百度地圖位置數(shù)據(jù)處理后得到的通勤數(shù)據(jù)，時間范圍為2019年1月～6月，共180 余天。出于對個人隱私保護要求，該數(shù)據(jù)集以0.5 km×0.5 km 柵格為基本單位，每一條數(shù)據(jù)包含居住地柵格id、居住地柵格中心經(jīng)緯度、居住地柵格所處行政區(qū)劃、工作地柵格id、工作地柵格中心經(jīng)緯度、工作地柵格所處行政區(qū)劃、通勤人數(shù)、通勤時間均值、通勤距離均值等信息，具體字段如表1所示。針對每個待研究城市，統(tǒng)計居民出行O或者D至少一端位于城市行政區(qū)范圍內(nèi)的通勤點對，從而建立每個都市圈的通勤數(shù)據(jù)庫。

表1 通勤數(shù)據(jù)字段列表Table 1 List of commuting data fields

1.3 通勤分布分析

利用通勤數(shù)據(jù)對城市居住就業(yè)人口分布進行熱力圖表征，直觀發(fā)現(xiàn)人口高密度分布區(qū)域和城市中心區(qū)域有比較強的相關(guān)性。以深圳和天津為例，如圖2和圖3所示。深圳市除南山區(qū)、羅湖區(qū)人口密集區(qū)域以外，還可以識別出龍崗區(qū)、龍華區(qū)、寶安區(qū)。在天津市，通過人口分布情況可以明顯地識別出中心城區(qū)與濱海新區(qū)兩個中心，兩中心間相隔較長距離，且中心城區(qū)面積大于濱海新區(qū)所識別的面積。由此可知，根據(jù)通勤人口分布特點對城市中心結(jié)構(gòu)進行初步識別具有可行性。

圖2 深圳市居住與就業(yè)人口分布熱力圖Fig.2 Thermal map of residential and employed population in Shenzhen

圖3 天津市居住與就業(yè)人口分布熱力圖Fig.3 Thermal map of residential and employed population in Tianjin

2 基于聚類算法的都市圈中心布局識別方法

2.1 中心能級測度指標(biāo)選取

國外對于中心結(jié)構(gòu)的研究中，經(jīng)常利用就業(yè)工作崗位總數(shù)量與密度去衡量多中心形態(tài)分布[9]，我國對于中心體系的研究一般都是把街道作為空間基本單元，以人口普查數(shù)據(jù)為基礎(chǔ)，再借助密度識別的手段去劃分[10]，基于此，本文采用以密度為基礎(chǔ)的中心測度指標(biāo)。對于空間基本分析單元，考慮到以街道為代表的行政區(qū)域存在面積不一、范圍過大等問題，在中心識別研究中采用空間網(wǎng)格作為空間基本單元，網(wǎng)格內(nèi)居住與就業(yè)人口密度作為網(wǎng)格中心能級測度指標(biāo)Si，并將城市內(nèi)所有網(wǎng)格能級指標(biāo)Si進行以極小化方法做標(biāo)準(zhǔn)化處理，得到修正后的網(wǎng)格能級指標(biāo)S′i。

2.2 基于聚類算法的都市圈中心識別方法

DBSCAN 算法不受聚類空間形態(tài)限制，不用預(yù)設(shè)聚類個數(shù)，能夠?qū)υ肼曔M行高效識別，是進行地理空間劃分比較常用的方法[11]。對于大規(guī)模的通勤數(shù)據(jù)，傳統(tǒng)的算法可能因為數(shù)據(jù)量巨大導(dǎo)致計算崩潰，為了提高計算效率，本文基于網(wǎng)格進行聚類，將0.5 km×0.5 km 的原始柵格聚合為1.5 km×1.5 km 的空間網(wǎng)格，利用DBSCAN 方法對網(wǎng)格內(nèi)中心測度能級進行聚類，以實現(xiàn)對都市圈形態(tài)中心布局的識別。

基于網(wǎng)格的DBSCAN聚類算法需要重新定義算法中的Minpts、Eps 兩參數(shù)含義。其中，Eps 為網(wǎng)格鄰域搜索半徑，取值為2，以保證搜索范圍在每個方向上都有相鄰網(wǎng)格。Minpts 重新定義為Eps搜索范圍內(nèi)形成集群的最小網(wǎng)格中心能級測度指標(biāo)Si的加和值，此值的選取應(yīng)根據(jù)不同城市的行政區(qū)劃和空間功能規(guī)劃情況具體選取，保證最后聚類結(jié)果中各部分的分離程度和聚類個數(shù)。最終基于網(wǎng)格與中心能級指標(biāo)的DBSCAN算法流程如下：

(1)選取研究城市，以網(wǎng)格內(nèi)居住與就業(yè)人口密度作為網(wǎng)格中心能級測度指標(biāo)，計算城市所有網(wǎng)格的中心能級測度指標(biāo)，并結(jié)合當(dāng)?shù)爻鞘幸?guī)劃與實際發(fā)展選取合適的Minpts 取值。

(2)選擇城市任意網(wǎng)格，根據(jù)鄰域半徑Eps 與密度閾值Minpts 判定其是否為核心網(wǎng)格(核心網(wǎng)格鄰域內(nèi)中心能級測度指標(biāo)加和值大于Minpts)，若是核心網(wǎng)格則選取與其密度可達的所有網(wǎng)格形成一個簇，即為一個聚類。

(3)找到城市網(wǎng)格中所有核心網(wǎng)格密度可達的簇從而找到所有的聚類類別。

(4)未被歸于任何簇的網(wǎng)格則標(biāo)記為噪聲點。

3 基于通勤模式的都市圈中心結(jié)構(gòu)判別方法

3.1 都市圈通勤模式理論構(gòu)建

傳統(tǒng)上判斷都市圈空間結(jié)構(gòu)的方法是考察城市內(nèi)部要素密度的分布，比如人口密度分布。然而，城市中心結(jié)構(gòu)模型的許多理論基礎(chǔ)都是基于與貨物、人員和服務(wù)的物理移動相關(guān)的流動。因此判別城市空間結(jié)構(gòu)不僅要考察城市區(qū)域內(nèi)的人口或就業(yè)分布，還要識別城市區(qū)域內(nèi)不同區(qū)域間的流動分布。城市中心結(jié)構(gòu)分布模式直接影響了城市的實際通勤模式，不同的空間結(jié)構(gòu)下的城市通勤數(shù)據(jù)會呈現(xiàn)出不同的特征[5]。結(jié)合中國都市圈空間發(fā)展特點和本文通勤數(shù)據(jù)特征，構(gòu)建了最大無序通勤模式、單中心通勤模式、均衡多中心通勤模式、非均衡多中心通勤模式以及約束擴散通勤模式等5 種通勤模式，并提出5 種假設(shè)模型下理想的通勤連接關(guān)系。

(1)最大無序通勤模式

最大無序通勤模式是城市中心結(jié)構(gòu)的一個極端，它假定居住地與就業(yè)地之間沒有任何吸引力或排斥力。當(dāng)交通成本為零或可以忽略不計時，可以假設(shè)一個城市的居住地和就業(yè)地均隨機分布，居民通勤流動呈現(xiàn)無序狀態(tài)，沒有明顯的規(guī)律。

最大無序通勤模式下的通勤距離計算方式如下：首先在該城市的原始居住地與就業(yè)地經(jīng)緯度不變情況下，利用洗牌算法分別隨機抽取一個居住地與一個就業(yè)地，并且自動生成隨機通勤對序列，所求得的平均通勤距離即為最大無序模式下的平均通勤距離，其連接示意圖如圖4(a)所示。方格代表實際居住地，圓圈代表實際就業(yè)地，利用箭頭把隨機選取的居住地和就業(yè)地兩兩重新連接。

(2)單中心通勤模式

單中心通勤模式先驗地假定所有就業(yè)地都必須集中在中央商務(wù)區(qū)(CBD)的一個點上，所有的居住地都圍繞著那個點排成環(huán)形，居民沿徑向路線通勤到CBD 上班。在該模式中，主中心或主中心附近的通勤成本為零或可忽略不計，平均通勤成本隨城市規(guī)模的增加而增加。從職住的角度分析，理論上主中心的就業(yè)占比達到100%。

單中心通勤模式通勤距離計算方式如下：首先，假定該城市的居住地經(jīng)緯度不變，提取出所有就業(yè)地的加權(quán)形心點作為新中心就業(yè)地；其次，將原居住端與新就業(yè)地組成假想OD對，其連接示意圖如圖4(b)所示。

(3)均衡多中心通勤模式

均衡多中心結(jié)構(gòu)沒有明顯的主中心，通勤流發(fā)生在每個中心的四周，各個中心之間也會有一定通勤上的聯(lián)系，但聯(lián)系并不緊密。在這些中心區(qū)域，就業(yè)地通常位于交通樞紐周圍，從職住的角度分析，理想條件下每個中心實現(xiàn)了職住平衡。對于假設(shè)具有多中心屬性的空間結(jié)構(gòu)下的通勤模式，首先需要對城市市域進行空間劃分，本文采用Fast Unfolding 算法對城市網(wǎng)格進行社區(qū)劃分，這種方法可以保證子中心內(nèi)部聯(lián)系更加緊密，不同中心間聯(lián)系比較稀疏[12]。

均衡多中心通勤模式下理想的通勤連接操作如下：①基于Fast Unfolding城市空間劃分結(jié)果，對于原始居住地與就業(yè)地進行通勤單元劃分；②計算每個通勤單元的加權(quán)形心點作為每個中心的就業(yè)地，即多中心就業(yè)地；③每個居住地與其所在通勤單元內(nèi)的中心就業(yè)地相連形成新的OD 對。該模式下的通勤連接關(guān)系示意圖如圖4(c)所示。

(4)約束擴散通勤模式

約束擴散模式則是在多中心模式的基礎(chǔ)上，將大多數(shù)工作分散在“多中心之外”，腹地居民在通勤范圍內(nèi)并沒有將通勤距離作為一個選擇就業(yè)的主要障礙，因此腹地居民的就業(yè)一定程度上是無序選擇就業(yè)和就近選擇就業(yè)模式混合。本質(zhì)上，約束擴散模式是一個混合模式，對于腹地的居民通勤出行可以假設(shè)為最大無序模式，對于各中心的居民通勤出行基本符合多中心模式。該模式的特征是比均衡多中心的通勤距離更長，但比最大無序模式或單中心通勤模式假設(shè)的通勤距離更短。

約束擴散通勤模式下理想的通勤連接操作如下：①基于Fast Unfolding城市空間社區(qū)劃分結(jié)果，對于原始居住地與就業(yè)地進行通勤單元劃分；②計算每個通勤單元的加權(quán)形心點作為每個中心的就業(yè)地，即多中心就業(yè)地；③利用洗牌算法隨機選取每個通勤單元內(nèi)3部分的居住地，一部分與其所在通勤單元內(nèi)的中心就業(yè)地相連，第2部分的居住地在不受通勤單元的影響下隨機選擇其就業(yè)地，最后一部分在不受通勤單元的影響下就近選擇其就業(yè)地，由此形成新OD對。該模式下的通勤連接關(guān)系如圖4(d)所示。

(5)非均衡多中心通勤模式

非均衡多中心通勤模式對應(yīng)的中心結(jié)構(gòu)由一個主中心和多個外圍分散的次中心組成，大量的通勤交通發(fā)生在主中心與次中心之間。相比于單中心通勤模式，主中心的就業(yè)聚集向心力減弱；相比于均衡多中心通勤模式，次中心與主中心之間、次中心與次中心之間的就業(yè)吸引力存在明顯的差距。由于實際操作中很難界定非均衡多中心模型的非均衡度，無法對該模式下的通勤連接關(guān)系進行精準(zhǔn)的再分配，這里以示意圖的方式簡單展示其通勤流動關(guān)系，如圖4(e)所示。

圖4 5種假設(shè)通勤模式下的通勤流動示意圖Fig.4 Schematic diagram of commuting flow under five hypothetical commuting patterns

3.2 都市圈中心結(jié)構(gòu)判別方法

(1)通勤距離與模式符合度

通過通勤距離指標(biāo)初步判別各研究都市圈的通勤模式。由于非均衡度的不確定性無法精確計算該模式下的理想通勤距離，另外約束擴散模型與非均衡多中心模式對于都市圈平均通勤距離這一指標(biāo)差異性不顯著，需要通過其他方法進行判別。對于通勤距離這一指標(biāo)而言，計算每個研究都市圈在其他通勤模式下模擬通勤平均距離以及實際通勤距離，然后進行比較。因為受各城市面積及人口密度的影響，不能單純從實際平均距離與預(yù)設(shè)模式下的距離最接近而判斷為此種模式，因此提出通勤模式符合度Θ概念，橫向的對所有城市進行各模式的符合度比較，衡量平均通勤距離更接近此模式的城市。

式中：Θ為各模式的實際通勤距離與假設(shè)模型進行做差并進行標(biāo)準(zhǔn)化處理；dtrue為各模式實際通勤距離；d為假設(shè)模式下的通勤距離；i分別為所研究的35 個城市，i=1,2,…,35；di,true表示城市i的實際通勤距離；di為城市i假設(shè)模式下的通勤距離。

(2)區(qū)域就業(yè)占比

為進一步判別各都市圈的通勤模式，將都市圈中心布局識別研究中識別出的中心作為中心區(qū)域，將其他網(wǎng)格作為腹地，計算各中心內(nèi)網(wǎng)格的平均通勤就業(yè)端發(fā)生密度，將值最大的中心定義為主中心，其余為次中心，計算都市圈各區(qū)域的就業(yè)數(shù)量占比Ej為

式中：Ej為都市圈中區(qū)域i的就業(yè)數(shù)量占比；Dj為區(qū)域j內(nèi)的就業(yè)總數(shù)量；j為都市圈主中心，都市圈次中心與都市圈腹地區(qū)域，j=1,2,3。

(3)區(qū)域職住平衡

除了研究都市圈各區(qū)域的就業(yè)占比以外，同時也可以從各中心的獨立程度來進一步判斷每個都市圈各主次中心是否實現(xiàn)內(nèi)部職住平衡，以此來判斷每個中心的發(fā)展成熟度，進而判斷都市圈中心結(jié)構(gòu)。定義各中心獨立指數(shù)Im為

式中：Im為中心m的獨立指數(shù)；Jm為在中心m內(nèi)工作的總就業(yè)者人數(shù)；Rm為在中心i內(nèi)居住的居民總?cè)藬?shù)；Rm∩Jm為不僅在中心m內(nèi)就業(yè)，同時又在中心m內(nèi)居住的總?cè)藬?shù)；m=1,2,…,n，n為在都市圈中心布局識別研究中識別出的中心數(shù)量。

4 結(jié)果及分析

4.1 都市圈中心布局識別結(jié)果

利用基于網(wǎng)格的DBSCAN聚類算法識別35個都市圈的中心布局，結(jié)果發(fā)現(xiàn)，該方法識別出的都市圈中心城區(qū)輪廓范圍清晰，其分布也與各城市規(guī)劃中的主次中心相吻合，最終結(jié)果主要可以分為以下幾大類：

(1)識別出強大主中心，主中心的外圍區(qū)域很難識別出分離度及尺度較為合適的次中心。典型的城市有拉薩市，如圖5(a)所示。

(2)識別出多個中心，而且各中心分布較為均衡，沒有面積格外突出的中心簇。典型的城市有深圳市，如圖5(b)所示。

(3)識別出多個中心，但有明顯的主中心，而且主中心外圍緊密分布多個次中心。典型的城市有北京市，如圖5(c)所示。

(4)識別出多個中心，有明顯的主中心，而且主中心與次中心之間有較大范圍腹地。典型的城市有天津市，如圖5(d)所示。

圖5 部分都市圈中心布局識別結(jié)果Fig.5 Center layout identification results for part of metropolitan areas

4.2 都市圈中心結(jié)構(gòu)判別結(jié)果

計算研究都市圈在各假設(shè)通勤模式下的平均通勤距離以及實際平均通勤距離，結(jié)果如圖6所示。所有都市圈的平均實際通勤距離為(7.8±2.3)km。最大無序模式與單中心模式下的平均通勤距離均高于實際平均距離，大多數(shù)都市圈實際通勤距離與均衡多中心模式下和約束擴散模式下的通勤距離更為接近?？紤]到該非均衡多中心通勤模式屬于單中心到均衡多中心的過渡階段，可以推測這種情況下的通勤距離位于兩者數(shù)值之間，大多數(shù)都市圈實際通勤距離可能與其更為符合。

圖6 假設(shè)模式與實際都市圈平均通勤距離Fig.6 Average commuting distance of hypothesis commuting patterns and actual values

進一步計算都市圈與最大無序通勤模式、單中心通勤模式、均衡多中心通勤模式的符合度，結(jié)果如圖7所示。可以看到：拉薩市、西寧市、銀川市及呼和浩特市都具有較大的無序模式符合度和單中心通勤模式符合度；東北部城市長春市、沈陽市、哈爾濱市以及呼和浩特市也偏向于單中心通勤模式趨勢。這類城市就業(yè)主要集中在主中心，沒有形成一個主中心與多個外圍次中心共同均衡發(fā)展的就業(yè)形勢。而單中心通勤模式符合度較低的則為深圳市、廣州市、杭州市，說明外圍的次中心對主中心也有一定的分散作用。均衡多中心通勤模式下模式符合度最高的城市為深圳市，該城市在圖7(a)、(b)兩種其他模式下都表現(xiàn)出較低的符合度，基于此對深圳市的判定更傾向于多中心通勤模式，這種判斷在其他指標(biāo)評價中也將進行附征。此外，一些城市在上述分析時可能在每個模式下都沒有展示很強的符合度，典型的如北京市，結(jié)合其在圖5中實際通勤距離介于單中心通勤模式與均衡多中心通勤模式之間，因此將其歸為非均衡多中心通勤模式的備選，然后結(jié)合其他指標(biāo)進一步判別。

圖7 面向通勤模式的模式符合度結(jié)果Fig.7 Results of pattern compliance for commuting patterns

對于就業(yè)占比這一指標(biāo)，理想情況下單中心模式下主中心就業(yè)占比應(yīng)更接近于100%；均衡多中心模式各中心占比較為均衡，沒有明顯的主次中心之分；約束擴散模式下各中心就業(yè)占有一定比例，且腹地也有大部分就業(yè)占比；非均衡多中心通勤模式各中心占比不等，主中心會有一定主導(dǎo)性。計算各都市圈區(qū)域就業(yè)占比情況，結(jié)果如圖8所示。

圖8 都市圈各區(qū)域就業(yè)占比Fig.8 Proportion of urban employment

從圖8中可以看出，拉薩市、?？谑小⒑艉秃铺厥?、上海市、太原市、西寧市、武漢市、烏魯木齊市都體現(xiàn)出了很強的主中心性，主中心就業(yè)占比超過了60%，但上海市、武漢市除主中心就業(yè)占很大比例，還存在多個次中心且也分擔(dān)了一定量的就業(yè)占比；寧波市、青島市、大連市、天津市則都有較強的就業(yè)擴散性，腹地就業(yè)占比超過55%，這類都市圈受城市地形的影響，主中心與城市次中心距離較遠，導(dǎo)致中心間的腹地成為工作的主要來源。廈門市、深圳市各中心所占的就業(yè)總和占比達到了70%以上，腹地就業(yè)占比較少。表現(xiàn)出明顯的多中心性，識別出的各中心沒有明顯的主次中心之分，各中心就業(yè)占比較為均衡，與基于通勤距離識別出的中心結(jié)果一致。

進一步分析各都市圈中心就業(yè)占比模式，如圖9所示，X軸為在主中心的工作占比，數(shù)值由大到小代表單中心度到多中心度；Y軸為所有中心的就業(yè)占比，數(shù)值大小表示就業(yè)集中度?？梢钥闯觯嘀行募芯蜆I(yè)特征最明顯的是左上角，深圳市中心體系工作占比很高，但是沒有很強的主中心，就業(yè)分布在主中心和各個次中心。單中心集中就業(yè)特征較突出的是右上角，拉薩市擁有獨特的區(qū)位和產(chǎn)業(yè)結(jié)構(gòu)，展現(xiàn)出很高的就業(yè)集中度。而位于左下角的寧波都市圈，主要就業(yè)來源不再來自中心體系，而是隨機分散在都市圈腹地中，就業(yè)去中心化特征明顯。

圖9 都市圈中心度和就業(yè)集中度分布Fig.9 Metropolitan centrality degree and employment concentration index distribution

計算都市圈各區(qū)域獨立程度，結(jié)果如表2所示。數(shù)值越大則中心的獨立性越強，即本地有較完善的產(chǎn)業(yè)支撐本地居民就業(yè)，無需通過長距離通勤到其他中心。相反，數(shù)值越小則獨立性較弱，本地居民需要到周圍的腹地或其他的次中心完成通勤。從獨立指數(shù)中不難發(fā)現(xiàn)，全國主要都市圈的次中心獨立性都較弱，而展現(xiàn)出較為強大的主中心性，多數(shù)都市圈需要到主中心實現(xiàn)就業(yè)。拉薩市再一次證明了其強大的單中心性，其在主中心內(nèi)部實現(xiàn)了很強的就業(yè)和工作獨立。上海市、鄭州市各次中心也展現(xiàn)了較強的獨立性，而深圳市、廈門市各中心都較為獨立且均衡，是典型的均衡多中心結(jié)構(gòu)。

表2 都市圈各中心獨立指數(shù)Table 2 Independence index each metropolitan center

最終判別結(jié)果發(fā)現(xiàn)，大部分都市圈呈現(xiàn)出非均衡多中心結(jié)構(gòu)，主要表現(xiàn)為主中心就業(yè)吸引力較強，次中心發(fā)展尚不成熟，次中心的獨立性較低；其次以拉薩市為代表的多個西北部城市呈現(xiàn)出單中心結(jié)構(gòu)，主中心就業(yè)占比達到了60%以上。均衡多中心結(jié)構(gòu)以深圳市為代表，各個中心的就業(yè)占比均衡；約束擴散結(jié)構(gòu)的城市多分布在沿海地區(qū)，主要特點為主中心就業(yè)占比優(yōu)勢不明顯，腹地就業(yè)占比超過了55%。管理者應(yīng)該根據(jù)都市圈中心結(jié)構(gòu)特征，制定更加具有針對性的資源配置和交通優(yōu)化方案，例如，對于均衡多中心都市圈，重點是中心內(nèi)部公共交通及其配套設(shè)施的提升，而對于非均衡多中心都市圈，除了各中心內(nèi)部的完善，還要采取措施滿足各中心之間的通勤聯(lián)系。

4.3 非均衡多中心結(jié)構(gòu)通勤效率影響因素分析

考慮到目前我國大部分都市圈呈現(xiàn)出非均衡多中心的空間結(jié)構(gòu)，從社會經(jīng)濟、空間結(jié)構(gòu)以及交通設(shè)施三個維度的影響因素[13]，建立非均衡多中心結(jié)構(gòu)都市圈的通勤效率回歸模型。在強制進入方法中，人數(shù)、GDP、職住平衡通過0.05水平上的顯著性檢驗，而其他自變量都被淘汰出回歸方程。Pearson 相關(guān)分析顯示，通勤時耗和人口規(guī)模(0.636)、職住平衡(-0.243)、與GDP(0.235)在0.01 水平上高度相關(guān)。這表明，人口規(guī)模增大，人均GDP升高，職住不平衡等原因都會導(dǎo)致通勤時耗增大，具體如表3所示。

表3 非均衡多中心結(jié)構(gòu)多元回歸分析結(jié)果Table 3 Result of multiple regression analysis of unbalanced polycentric structure

由容許度值及方差膨脹因子可知該模型不存在嚴重多重共線性，通過了異方差等回歸假設(shè)的檢驗，如表4所示。最終回歸方程的解釋度達到了77.9%，擬合度較好，如表4所示。

表4 非均衡多中心結(jié)構(gòu)多元回歸分析解釋度Table 4 Explanation degree of multiple regression analysis of unbalanced polycentric structure

在非均衡多中心通勤模型下，人口規(guī)模對通勤時耗影響是最大的，其次是GDP。對于經(jīng)濟因素，GDP 比人均收入更能體現(xiàn)對整個都市圈通勤時耗的影響。而職住平衡也是影響非均衡多種心的一個重要因素，因此越接近均衡時，都市圈表現(xiàn)出越高的通勤效率。非均衡多中心結(jié)構(gòu)下通勤時耗回歸方程為

式中：yc為非均衡多中心結(jié)構(gòu)下的通勤時耗；x1為城市人口(萬人)，x2為職住平衡指；x3為城市人均GDP(萬元)。

控制都市圈發(fā)展規(guī)模，推進各中心居民當(dāng)?shù)鼐蜆I(yè)，提升職住平衡關(guān)系，從而能夠提升通勤效率。

5 結(jié)論

本文以都市圈通勤大數(shù)據(jù)為驅(qū)動，采用基于網(wǎng)格的密度聚類算法識別都市圈中心布局，并提出5種通勤模式的理論模型，基于通勤距離、就業(yè)占比、職住關(guān)系等指標(biāo)判別各都市圈的中心結(jié)構(gòu)，最后針對普遍存在的非均衡多中心結(jié)構(gòu)的通勤效率影響因素進行回歸分析，得出以下結(jié)論：

(1)不同都市圈的中心布局差異明顯，基于網(wǎng)格的密度聚類方法能夠體現(xiàn)小空間單元之間的空間相互作用，比基于行政區(qū)劃單元的結(jié)果更加精細有效、客觀合理。

(2)大多數(shù)都市圈實際通勤距離與均衡多中心模式下和約束擴散模式下的通勤距離更為接近，遠低于最大無序模式與單中心模式下的平均通勤距離。

(3)大部分都市圈表現(xiàn)為非均衡多中心結(jié)構(gòu)，其次為單中心結(jié)構(gòu)，而少部分表現(xiàn)為約束擴散結(jié)構(gòu)和均衡多中心結(jié)構(gòu)，不存在符合最大無序結(jié)構(gòu)特征的都市圈。不同中心結(jié)構(gòu)的分布呈現(xiàn)出一定的地域特征，單中心結(jié)構(gòu)都市圈主要位于中西部城市，而約束擴散結(jié)構(gòu)和均衡多中心結(jié)構(gòu)都市圈大多是由東部沿海開放城市發(fā)展形成。

(4)城市規(guī)模與通勤時耗的相關(guān)性最為顯著，路網(wǎng)密度與通勤時耗相關(guān)性不顯著。社會經(jīng)濟因素中的GDP比人均收入更能反映對整個都市圈通勤時耗的影響，職住平衡度對通勤時耗也有較大影響，非均衡多中心結(jié)構(gòu)都市圈應(yīng)提高職住平衡度來提升通勤效率。

上述研究結(jié)果對中國主要城市中心空間結(jié)構(gòu)特征進行了深入地剖析，為針對性地制定不同都市圈的資源配置策略和通勤效率優(yōu)化策略提供了有效支撐，對都市圈空間規(guī)劃和交通可持續(xù)發(fā)展具有一定的理論價值和現(xiàn)實指導(dǎo)意義。