許奇，陳越，黃靖茹，高順祥，張志健

(北京交通大學(xué)，a.綜合交通運(yùn)輸大數(shù)據(jù)應(yīng)用技術(shù)交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室；b.中國綜合交通研究中心，北京 100044)

0 引言

城市可持續(xù)發(fā)展需解決職住空間分離及其導(dǎo)致的過度通勤問題，其關(guān)鍵是如何理解就業(yè)與居住之間的復(fù)雜空間模式[1]。傳統(tǒng)的職住對接機(jī)制多局限于局部區(qū)域，而以可達(dá)性為導(dǎo)向的城市發(fā)展模式則從整體協(xié)調(diào)職住格局[2]。良好的就業(yè)可達(dá)性是建設(shè)宜居、宜業(yè)城市的主要目標(biāo)，其空間特征分析是協(xié)調(diào)就業(yè)與居住關(guān)系，推進(jìn)職住平衡發(fā)展的核心問題[3]。鑒于此，利用多源大數(shù)據(jù)，研究不同出行方式的就業(yè)可達(dá)性的復(fù)雜空間模式，將有助于優(yōu)化就業(yè)崗位分布，縮短通勤時間，創(chuàng)新職住對接機(jī)制。

可達(dá)性是交通規(guī)劃和城市研究的重要概念，其定義和計算模型根據(jù)應(yīng)用領(lǐng)域不同存在差異[4]。累計機(jī)會模型操作簡單，解釋性好，缺點(diǎn)在于其結(jié)果對閾值敏感。重力模型則通過引入負(fù)指數(shù)等連續(xù)型的阻抗函數(shù)解決上述局限性，其不足之處是未考慮供需競爭以及解釋性較差。效用法與時空棱柱為研究可達(dá)性提供基于個體的非集計方法[5]。然而，該類模型所需數(shù)據(jù)量大且獲取成本高，難以完整覆蓋研究區(qū)域。

兩步移動搜索算法(Two-step Floating Catchment Area)作為重力模型的特例，屬于典型的基于位置的可達(dá)性計算方法，其考慮了供需競爭關(guān)系，并且解釋性和可操作性更好[6-7]，是研究就業(yè)可達(dá)性的重要方法[8-9]。該方法通常采用基于距離或出行時間的衰減函數(shù)刻畫就業(yè)機(jī)會的鄰近性對可達(dá)性的影響。然而，出行費(fèi)用同樣對就業(yè)選擇有著重要影響。已有研究利用考慮出行費(fèi)用的累計機(jī)會法計算就業(yè)可達(dá)性。El-Geneidy[10]發(fā)現(xiàn)，公共交通可達(dá)性對出行費(fèi)用敏感，且出行費(fèi)用對郊區(qū)可達(dá)性的影響更加顯著。Cui[11]在考慮出行時間、出行費(fèi)用等個人內(nèi)部成本以及安全性、污染排放等社會外部成本的基礎(chǔ)上，提出了全成本可達(dá)性的研究框架。研究結(jié)果表明，考慮全成本后，相較于其他交通方式，小汽車不再具有最好的可達(dá)性。但是，針對考慮需求的可達(dá)性計算方法，出行費(fèi)用對可達(dá)性的影響仍有待研究。

既有研究多通過統(tǒng)計和調(diào)查數(shù)據(jù)計算就業(yè)機(jī)會數(shù)與出行成本。然而，該類數(shù)據(jù)獲取方法存在成本高、更新慢、粒度粗、精度低等不足，難以滿足多尺度細(xì)粒度的時空建模與分析要求。隨著基于位置服務(wù)應(yīng)用的普及，基于細(xì)粒度POI(Point of Interest)以及路徑規(guī)劃數(shù)據(jù)的數(shù)據(jù)融合方法已成為數(shù)據(jù)驅(qū)動建模的重要工具[9,12]。

鑒于此，針對傳統(tǒng)數(shù)據(jù)的局限性，本文基于互聯(lián)網(wǎng)地圖和工商數(shù)據(jù)平臺的POI 數(shù)據(jù)和實(shí)時路徑規(guī)劃數(shù)據(jù)，提出多源數(shù)據(jù)融合的細(xì)粒度就業(yè)數(shù)據(jù)和出行成本數(shù)據(jù)獲取方法；針對出行費(fèi)用對就業(yè)機(jī)會鄰近性的影響，提出考慮出行費(fèi)用的改進(jìn)兩步移動搜索算法，研究不同出行方式就業(yè)可達(dá)性的空間模式以及出行費(fèi)用對其的差異性影響。

1 研究區(qū)域與數(shù)據(jù)說明

1.1 研究區(qū)域

選取北京市六環(huán)內(nèi)區(qū)域?yàn)檠芯糠秶娣e約2267 km2，覆蓋中心城區(qū)和通州城市副中心，包括全市78%人口與80%就業(yè)崗位，其中五環(huán)內(nèi)的人口與崗位占比分別達(dá)到43%與48%。本文的研究單元為街道，研究范圍內(nèi)共有189 個街道，各街道的職住空間分布如圖1所示。由圖可見昌平、通州、房山等外圍新城覆蓋了大量人口。相比于人口，就業(yè)相關(guān)POI具有更強(qiáng)的向心性，其在中關(guān)村、望京、CBD、豐臺科技園、亦莊等區(qū)域高度聚集。嚴(yán)重的職住分離現(xiàn)象導(dǎo)致2020年北京市的平均通勤時間已達(dá)到47 min[13]。

圖1 北京市六環(huán)內(nèi)常住人口與就業(yè)POI的空間分布Fig.1 Spatial distribution of population and job-related POI within the 6th Ring Road of Beijing

1.2 數(shù)據(jù)說明

本文使用的研究數(shù)據(jù)主要包括：第七次人口普查數(shù)據(jù)、1 km 級別GDP 數(shù)據(jù)、道路及地鐵網(wǎng)絡(luò)數(shù)據(jù)、交通路徑規(guī)劃數(shù)據(jù)與POI 數(shù)據(jù)。其中，GDP 數(shù)據(jù)來自中國科學(xué)院地理科學(xué)與資源研究所提供的中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集[14]，將其重采樣至本文的研究單元，獲得研究區(qū)域內(nèi)GDP 的空間分布；為獲得細(xì)粒度的出行成本，將研究區(qū)域劃分為1 km×1 km的柵格，共計2301個。利用高德地圖的出行路徑規(guī)劃服務(wù)，針對公共交通和小汽車兩種方式，分別采用時間最短策略獲取任意兩個柵格中心點(diǎn)之間的出行信息，共計10589202條，檢索日期為2020年5月13日～27日的工作日早高峰時段(7:00-8:00)。公共交通出行信息包括步行接近站點(diǎn)/目的地時間、等待/在車/換乘時間及全程費(fèi)用，小汽車出行信息包括行程時間及距離；通過百度和高德電子地圖，以及工商數(shù)據(jù)兩類平臺獲取就業(yè)相關(guān)的POI數(shù)據(jù)共計1409616條。每條數(shù)據(jù)包括經(jīng)緯度坐標(biāo)、名稱、地址、POI類別等信息。

2 研究方法

2.1 兩步移動搜索算法

兩步移動搜索算法首先計算供給點(diǎn)可達(dá)范圍內(nèi)的加權(quán)供需比，然后對需求點(diǎn)可達(dá)范圍內(nèi)供給點(diǎn)的供需比求和，其結(jié)果可解釋為人均利用交通系統(tǒng)可獲得的就業(yè)機(jī)會數(shù)量。在經(jīng)典兩步移動搜索算法的基礎(chǔ)上，提出考慮出行費(fèi)用的改進(jìn)算法，具體計算步驟如下。

Step 1 對每個供給點(diǎn)街道j，搜索其影響范圍內(nèi)所有需求點(diǎn)街道k，計算在第m種交通方式、第n種交通成本下供給點(diǎn)j的加權(quán)供需比為

式中：m=1,2 分別為公共交通和小汽車；Sj為街道j的POI數(shù)量；Pk為街道k的常住人口數(shù)量；f(·)定義為基于出行成本的衰減函數(shù)；為街道k和j之間的出行成本；n=1,2 分別表示僅考慮出行時間以及加入出行費(fèi)用的出行成本；C0為出行成本閾值。

Step 2 對于每個需求點(diǎn)街道i，搜索其影響范圍內(nèi)所有供給點(diǎn)街道j，集計所有供給點(diǎn)j的加權(quán)供需比為

式中：為街道i第m種交通方式、第n種交通成本下的就業(yè)可達(dá)性，該值越大，則該地區(qū)就業(yè)可達(dá)性越好。

2.2 出行成本計算

本文提出兩種出行成本構(gòu)成方式，分別僅考慮出行時間、綜合考慮時間和出行費(fèi)用，后者利用時間價值系數(shù)將出行費(fèi)用換算為時間成本，形成總出行成本。各街道之間的出行時間與出行費(fèi)用由細(xì)粒度柵格的交通路徑規(guī)劃數(shù)據(jù)集計獲得。

式中：和為街道i到街道j第m種出行方式下僅考慮出行時間以及加入出行費(fèi)用的平均出

行成本；和分別為街道i和j之間的出行時間(min)與出行費(fèi)用(元)，其中小汽車出行費(fèi)用按照出行距離2.52 元·km-1計算獲得[15]；ω為時間價值系數(shù)，2020年北京市法人單位從業(yè)人員平均工資為140581元[16]，按照1年250個工作日，每日工作8 h，計算得到時間價值系數(shù)為70元·h-1；tij與fij為起終點(diǎn)分別在街道i、j的兩個柵格之間的出行時間與出行費(fèi)用；ni與nj分別為街道i與街道j內(nèi)柵格的數(shù)量。

3 結(jié)果分析

3.1 不同交通方式的出行成本

各街道到其他所有街道的平均出行成本的空間分布和構(gòu)成如表1和圖2所示。結(jié)果表明不同方式的出行成本差異顯著。公共交通平均出行時間為112.8 min，在昌平、通州、大興等外圍新城呈現(xiàn)明顯的廊道優(yōu)勢。小汽車平均出行時間為60.6 min，僅為公共交通的54%，以首都功能核心區(qū)北部為中心向外圍沿圈層遞增。

圖2 不同交通方式出行成本的空間分布Fig.2 Spatial distributions of travel cost of different modes

表1 不同交通方式出行成本構(gòu)成Table 1 Composition of travel cost by different modes

考慮出行費(fèi)用后，兩種方式的空間分布仍分別呈現(xiàn)不同特征，即廊道放射和圈層遞增，西北以及西南區(qū)域的街道出行成本最高。而局部區(qū)域中，由于首都機(jī)場線的票價較高，首都機(jī)場及其周圍街道的公共交通出行成本上升至最高水平。小汽車平均出行成本升高至127.4 min，高于公共交通6%。其中，公共交通出行成本中出行費(fèi)用部分僅占5.6%，而小汽車達(dá)到52.5%，表明出行費(fèi)用是出行成本的重要組成部分。高出行成本的通勤可持續(xù)性差，其負(fù)面作用將對就業(yè)選擇產(chǎn)生重要影響。因此，就業(yè)可達(dá)性的計算不能忽略出行費(fèi)用。

3.2 不同交通方式的就業(yè)可達(dá)性

圖3是考慮出行費(fèi)用前后兩種交通方式的就業(yè)可達(dá)性空間分布圖，出行成本閾值為45 min，為增強(qiáng)可對比性，將原始可達(dá)性結(jié)果進(jìn)行[0,1]的標(biāo)準(zhǔn)化處理。由圖可見，就業(yè)可達(dá)性呈現(xiàn)出從中心向外圍逐漸衰減的趨勢，整體上北好于南、東優(yōu)于西。公共交通就業(yè)可達(dá)性兩級分化嚴(yán)重。由于就業(yè)崗位的高度聚集，泛CBD區(qū)域可達(dá)性最高，而四環(huán)外的街道可達(dá)性處于最低水平。小汽車可達(dá)性整體上高于公共交通，高可達(dá)性街道的覆蓋范圍更為廣泛。由圖3(c)和圖3(d)可見，相較于僅考慮出行時間，加入出行費(fèi)用后，公共交通和小汽車的就業(yè)可達(dá)性均發(fā)生明顯變化，且具有顯著的空間異質(zhì)性。此結(jié)果表明，就業(yè)可達(dá)性對出行費(fèi)用敏感，僅考慮出行時間的就業(yè)可達(dá)性無法完全體現(xiàn)通勤與出行成本之間復(fù)雜的互動機(jī)制。

圖3 不同方式就業(yè)可達(dá)性的空間分布Fig.3 Spatial distributions of job accessibility by different modes

為進(jìn)一步研究不同區(qū)域可達(dá)性的差異，圖4展示了不同環(huán)路區(qū)域考慮出行費(fèi)用后的可達(dá)性。小汽車可達(dá)性在三環(huán)內(nèi)最高，之后按環(huán)路逐層遞減。四環(huán)內(nèi)，公共交通就業(yè)可達(dá)性略低于小汽車，且分布范圍較集中。四環(huán)～六環(huán)街道的公共交通可達(dá)性大部分為0，即在考慮競爭的情況下，這些街道的就業(yè)者很難在45 min 出行成本內(nèi)利用公共交通獲得就業(yè)機(jī)會。上述特征是外圍街道的公共交通出行成本高、就業(yè)崗位少且覆蓋人口較多而綜合導(dǎo)致的結(jié)果。

圖4 不同環(huán)路區(qū)域的就業(yè)可達(dá)性Fig.4 Job accessibility of different areas divided by ring lines

兩種出行方式的差異說明公共交通在中心城區(qū)外的就業(yè)服務(wù)能力差，在中心城區(qū)就業(yè)服務(wù)吸引力低。職住的空間分布顯示，北京市的人口疏解政策以及中心城區(qū)高額的房價已使得城市外圍地區(qū)聚集了大量人口，而就業(yè)崗位仍在中心城區(qū)高度聚集，導(dǎo)致現(xiàn)有的公共交通系統(tǒng)無法滿足巨大的通勤需求。因此，應(yīng)當(dāng)進(jìn)一步增加外圍地區(qū)的公共交通供給，同時積極發(fā)揮外圍新城承接產(chǎn)業(yè)轉(zhuǎn)移的作用，以提高就業(yè)可達(dá)性，引導(dǎo)區(qū)域范圍的職住平衡。對小汽車而言，在中心城區(qū)相較于公共交通仍然存在一定的可達(dá)性優(yōu)勢，因此應(yīng)采取分區(qū)域的差異化需求管理策略，提高公共交通吸引力，降低中心城區(qū)小汽車出行率。

除區(qū)位特征外，不同社會經(jīng)濟(jì)屬性地區(qū)的就業(yè)可達(dá)性差異巨大，考慮到不同地區(qū)對應(yīng)出行群體出行方式選擇的差異性，由此引發(fā)的公平性問題值得關(guān)注。圖5展示了基于GDP 和就業(yè)可達(dá)性的洛倫茲曲線，橫軸為GDP 由低至高排序后街道數(shù)量的占比，縱軸為對應(yīng)街道就業(yè)可達(dá)性的累計占比。直線為理想狀態(tài)，50%的街道對應(yīng)的就業(yè)可達(dá)性占比達(dá)到50%。而實(shí)際的洛倫茲曲線顯示，前50%街道即GDP水平較低地區(qū)對應(yīng)的公共交通就業(yè)可達(dá)性與小汽車就業(yè)可達(dá)性分別為5.8%、29%，遠(yuǎn)低于理想水平。同時，相較于小汽車，公共交通曲線整體的偏離程度更大，存在嚴(yán)重的交通公平性問題。由于低收入出行群體對出行費(fèi)用敏感而產(chǎn)生較強(qiáng)的公共交通依賴性[17]，因此應(yīng)通過提供票價優(yōu)惠、增加公交微循環(huán)等政策著力提高GDP水平較低地區(qū)的公共交通可達(dá)性，以此改善交通公平性。

圖5 基于GDP和就業(yè)可達(dá)性的洛倫茲曲線Fig.5 Lorenz curves based on GDP and job accessibility

3.3 出行費(fèi)用對不同交通方式就業(yè)可達(dá)性的影響

為量化研究出行費(fèi)用對就業(yè)可達(dá)性的影響，本文選取30、45、60、75、90 min 這5 種不同的出行成本閾值，計算加入出行費(fèi)用后不同方式就業(yè)可達(dá)性的變化。為增強(qiáng)可對比性，將原始可達(dá)性變化的結(jié)果進(jìn)行[-1,1]的標(biāo)準(zhǔn)化處理，典型閾值下結(jié)果的空間分布如圖6所示。

圖6 不同方式就業(yè)可達(dá)性變化的空間分布Fig.6 Spatial distributions of job accessibility change by different modes

表2為不同環(huán)路區(qū)域就業(yè)可達(dá)性的平均變化比例。出行費(fèi)用對就業(yè)可達(dá)性的影響存在空間不平穩(wěn)性。隨著出行成本閾值由45 min提升至75 min，公共交通就業(yè)可達(dá)性增加的街道向外圍逐漸擴(kuò)張，且存在沿軌道交通線網(wǎng)分布的趨勢，平均可達(dá)性變化比例由-7.3%降至-3.7%。由圖6(d)、圖6(e)和圖6(f)可知，出行費(fèi)用對小汽車就業(yè)可達(dá)性的影響更大，原因在于小汽車出行成本中出行費(fèi)用的占比遠(yuǎn)高于公共交通。大部分五環(huán)～六環(huán)的街道可達(dá)性升高，其中房山線、亦莊線、15號線沿線街道升高最多，60 min出行成本下，五環(huán)～六環(huán)街道的就業(yè)可達(dá)性平均增長27.9%，遠(yuǎn)高于五環(huán)內(nèi)街道。

表2 不同環(huán)路區(qū)域就業(yè)可達(dá)性平均變化比例Table 2 Average percentage change in job accessibility in different areas divided by ring lines

為分析五環(huán)～六環(huán)街道可達(dá)性增加的原因，表3展示地鐵沿線街道與非地鐵沿線街道平均就業(yè)可達(dá)性的變化比例。非地鐵沿線街道的平均可達(dá)性普遍下降，而地鐵沿線街道的就業(yè)可達(dá)性降低較少，并存在增加的趨勢。加入出行費(fèi)用后，一方面出行成本整體增加導(dǎo)致可達(dá)街道數(shù)量減少；另一方面由于競爭人口減少，可達(dá)街道的供需比增加。因此上述現(xiàn)象的原因可能在于公共交通引導(dǎo)開發(fā)的發(fā)展策略使得城市軌道交通末端的沿線區(qū)域聚集了相對更多人口與崗位，對于這些街道而言，其可達(dá)街道的供需比增加比可達(dá)街道數(shù)量減少的影響更大，最終導(dǎo)致就業(yè)可達(dá)性增加。這也意味著如果僅考慮出行時間將低估其就業(yè)可達(dá)性，而本文方法可以更好地識別公共交通引導(dǎo)開發(fā)的社會價值，有利于倡導(dǎo)通過軌道交通與城市融合發(fā)展推進(jìn)廊道上的職住平衡模式，創(chuàng)新職住對接機(jī)制。

表3 五環(huán)～六環(huán)內(nèi)街道平均就業(yè)可達(dá)性變化比例Table 3 Average percentage change in job accessibility in Jiedao between the 5th and 6th ring line

圖7表明，隨著閾值提升，六環(huán)內(nèi)所有街道的公共交通就業(yè)可達(dá)性平均變化比例先降低后升高，小汽車由-50%逐漸升高至10%，之后降低至0 左右，與公共交通同一水平。此結(jié)果說明，出行成本對可達(dá)性的影響具有閾值效應(yīng)，出行成本閾值較大時，其影響較小，原因在于此情況下可達(dá)街道數(shù)量多，同時受廣泛的競爭人口影響，各街道的供需比小，加入出行費(fèi)用對整體供需比的集計結(jié)果影響較小。

4 結(jié)論

本文研究公共交通和小汽車兩種方式下考慮出行費(fèi)用的就業(yè)可達(dá)性，基于北京的研究得到如下結(jié)論：

(1)綜合考慮細(xì)粒度的空間建模要求與出行費(fèi)用對就業(yè)可達(dá)性的影響，利用多源時空數(shù)據(jù)，本文提出的考慮出行費(fèi)用的改進(jìn)兩步移動搜索算法可以更細(xì)致、更準(zhǔn)確地刻畫就業(yè)可達(dá)性的空間模式，反映出行費(fèi)用對就業(yè)可達(dá)性的影響。

(2)不同交通方式的出行成本及就業(yè)可達(dá)性具有差異顯著的空間特征。公共交通和小汽車出行成本分別呈現(xiàn)廊道放射和圈層遞增特征。兩種方式的就業(yè)可達(dá)性均表現(xiàn)出中心城區(qū)高外圍地區(qū)低，北好于南、東優(yōu)于西的模式。四環(huán)外小汽車可達(dá)性遠(yuǎn)高于公共交通，應(yīng)增加公共交通供給、加快外圍新城承接產(chǎn)業(yè)轉(zhuǎn)移，促進(jìn)交通與城市融合發(fā)展；中心城區(qū)兩者差距較小，應(yīng)對小汽車采取差異化的需求管理策略，提高公共交通吸引力，降低小汽車出行率。

(3)出行費(fèi)用對就業(yè)可達(dá)性有顯著影響且存在空間非平穩(wěn)性。考慮出行費(fèi)用后，公共交通與小汽車可達(dá)性平均降低7.3%和4.8%。五環(huán)～六環(huán)的地鐵沿線街道由于職住人口相對聚集，就業(yè)可達(dá)性呈現(xiàn)增加的趨勢，僅考慮出行時間將低估其可達(dá)性。本文提出的就業(yè)可達(dá)性方法可以更好地識別公共交通引導(dǎo)開發(fā)發(fā)展策略的社會價值，有利于倡導(dǎo)通過軌道交通與城市的融合發(fā)展引導(dǎo)廊道上的職住平衡。此外，出行成本對可達(dá)性的影響存在閾值效應(yīng)，閾值越高，影響越小。

(4)在城市高質(zhì)量發(fā)展的新時期，需要在技術(shù)支撐方面對職住關(guān)系及其調(diào)整變化進(jìn)行研究。本文提出的就業(yè)可達(dá)性引領(lǐng)的職住對接規(guī)劃方法有助于識別現(xiàn)狀的薄弱環(huán)節(jié)、研究就業(yè)崗位優(yōu)化、交通運(yùn)輸組織調(diào)整下職住關(guān)系的平衡狀況，從而實(shí)現(xiàn)交通網(wǎng)絡(luò)與城市功能布局、空間結(jié)構(gòu)的整體平衡，達(dá)到運(yùn)行效率與社會公平的改善。