基于活动空间的城市包容度分析
2022-04-15
1. 对应目标
SDG10、SDG11: 使城市具有包容性、安全性、韧性和可持续性。
2. 成果亮点
• 突破传统基于调查和统计数据的研究方法的限制,利用大规模时序个体出行大数据,及时感知城市内中低收入群体居住空间变化
• 从多个维度透视不同群体的社会空间隔离状态,更加全面地评估城市的包容度和均等性
3. 案例背景
城市化是近期全球发展的最重要的推动力之一。现在世界上一半以上的人口生活在城市,这一比例将继续迅速增加,到2050年达到70%。城市化有可能为更好的生活创造机会,提供摆脱贫困的途径,并作为经济增长的引擎。尽管城市化正在推动全球经济向前发展,但城市内部不断加剧的不平等和社会排斥现象可能会破坏城市可持续发展。越来越多的城市问题涌现,如住房危机、社会隔离、长距离通勤等。这些问题使得中低收入群体在城市内生活负担加重,加剧城市不平等,降低城市活力。SDG11呼吁建立“包容、安全、有韧性和可持续”的城市。深圳作为我国超一线城市,经济发展迅猛,然而城市社会问题突出,如住房资源短缺、收入不平等等,使得不同群体活动空间具有较大差异,阻碍城市内不同群体的社会融合和交互。
传统基于调查和统计数据的研究方法对及时感知城市内群体活动行为差异提出挑战。基于大规模个体出行大数据,开展城市包容性和均等性的评估,分析城市内不同群体的社会空间分异格局和中低收入群体的活动空间变化特征,可为城市的包容性建设和均等性实现提供支撑与决策依据,为促进城市可持续发展提供新途径与新视角。
4. 所用数据
• 2015‒2016年深圳市公共交通出行数据,包含公交刷卡记录和地铁刷卡记录
• 2016年深圳市私家车车牌识别数据
• 2016年深圳市公共交通线路和站点数据
5. 方法介绍
本案例首先利用时序个体出行数据,建立个体出行轨迹,通过出行时空规律,提取有效个体活动地,包括居住地、工作地和非居家就业地(第三活动地),在此基础上:1)利用空间探索性分析及复杂网络分析方法,探索中低收入群体居住空间变化;2)针对单一居住空间维度无法全面量化社会空间隔离水平的问题,构建多维度社会隔离评估指标体系,包括居住空间、就业空间和第三活动空间;3)采用活动空间模型框架和主成分分析方法,提取不同群体活动差异特征,识别群体不平等的空间分布格局,利用空间回归模型分析城市不同群体活动差异的影响因素。
6. 结果与分析
根据个体出行轨迹(图1所示),提取居住地、工作地和非居家就业第三活动地。将公共交通用户和私家车用户分别作为中低收入群体和高收入群体的替代变量,分析不同群体在城市内的活动空间差异及其动态变化。图2为中低收入群体的主要居住空间,主要为城市内有轨道交通覆盖的城中村片区。通过对不同时段的居住空间进行对比分析,发现了该群体从中心城区向郊区迁居的整体趋势,如图3所示。
本案例对不同社会经济群体的居住空间、就业空间及第三活动空间进行对比分析,研究发现,在一定空间尺度上,不同收入群体在居住空间上存在较大差异,但在工作地和第三类活动空间上有较高程度的融合,如图4所示。
城市远郊区的群体活动差异较大(图5红色区域),而城市中心城区和近郊区的群体活动差异较小(图5蓝色区域)。远郊区公共交通可达性较差,尤其是地铁可用性较低是造成远郊区群体间活动差异较大的主要因素。
7. 讨论与展望
案例通过数据分析和挖掘识别出的中低收入群体居住聚集区的主要特征(如轨道交通覆盖、城中村),可为城市保障房选址及建设提供参考,为制定更为合理的城市更新政策提供依据,引导城市居民的居住空间向更公平合理的方向发展。位于城市中心区的城中村使得租户有了解和融入深圳主流生活的机遇,为不同阶层的人群提供了生活选择,提供了包容多样性和满足多层次人群需求的空间,有利于缓解社会空间隔离,建设和谐社会。
从中心城区流入郊区的这种不平衡的空间流动模式主要成因是中心城区房价飙升带来的居住成本的提高。为减缓这种压力,人们不得不迁居到较远地区,替代的就是通勤成本的提高。这不但引发了更大的交通流量,增加出行压力,还会减少人们的日常可自由支配时间,降低生活品质。这种现象的背后透漏出的空间的不均衡以及社会的不公平,值得人们反思。将中低收入人群的生活空间挤压到城市边缘地区,降低其就业可达性。如果大量第三产业人口离开城市中心工作,更可能会造成劳动力短缺和服务成本上升的问题;反过来也会降低城市对人才的吸引力,影响到城市的产业和经济的可持续发展。
城市远郊区群体活动差异较大,该研究结果的一个重要启示就是要需要警惕在远郊区中低收入群体面对的交通可达性困境有可能造成的空间隔离和社会空间分异等问题。尤其在中低收入群体被挤入郊区的趋势下,在保障性住房的交通配置中应优先考虑轨道线路的规划,或保障性住房选址应优先考虑地铁周边地区,以引导交通需求的方式,控制小汽车保有量,优化城市交通系统和环境,为中低收入群体提供较高的交通可达性和设施便利性,促进城市空间格局的健康与可持续发展。
延伸阅读
Gao, Q., Li, Q., Yue, Y., Zhuang, Y., Chen, Z., & Kong, H. (2018). Exploring changes in the spatial distribution of the low-to-moderate income group using transit smart card data. Computers, Environment and Urban Systems, 72, 68-77.
Gao, Q-L, Yue, Y, Tu, W, Cao, J, Li, Q-Q. (2021). Segregation or integration? Exploring activity disparities between migrants and settled urban residents using human mobility data. Transactions in GIS, 25, 2791– 2820. https://doi.org/10.1111/tgis.12760