论文推荐 | 基于手机信令数据的精细尺度城市远程办公第三场所分布特征研究

咖啡馆、茶室、自习室等第三空间作为一种居住和工作地以外的新型非正式公共聚集场所，为传统办公室办公和居家办公提供了创造性的替代方案，已经成为一种广泛的现象。既有研究主要集中在定性分析和调查研究远程办公的优缺点以及混合办公机制上，缺乏大规模定量测度远程办公的城市第三空间分布及特征。因此，本研究提出了一种定量方法在精细空间尺度上识别和表征城市远程办公的第三空间分布，并以北京为例进行了实证研究。首先，我们通过远程办公APP的使用情况识别了能够进行远程工作的知识工作者。随后，我们利用手机信令数据和地理空间信息数据分别在网格尺度和建筑尺度上识别了远程办公的第三空间分布。最后，我们采用了XGboost机器学习模型和SHAP可解释性方法来探索知识型工作者在第三空间远程办公的频次与周围建成环境的关联。结果显示：（1）约61.43%的北京就业人员使用过远程办公APP，为潜在知识型远程工作者，其中11.27%的就业人员曾在第三场所办公，而4.36%的就业人员曾在具体的商业型第三空间办公，如咖啡馆、自习室等；（2）在网格尺度上，第三空间倾向于聚集在创新产业集聚区。在建筑尺度上，知识型工作者更倾向于在多功能的建筑中办公，这些建筑内含有多个多功能的第三空间。在室内尺度上，受欢迎的第三空间提供了适宜的工作环境，包括舒适的家具和必要的基础设施等；（3）知识型工作者更喜欢分布在高密度、靠近住宅社区以及地铁站的第三空间办公。本研究的结论有助于建立混合工作模式的城市设计指南，助力城市的可持续发展。

图1.从传统办公转向第三空间远程办公

为了定量揭示城市精细尺度远程办公第三空间的分布特征，我们提出了一个四步骤的系统方法。

图2. 识别和表征远程办公第三空间分布的四步方法

（1）移动通过选择使用远程办公应用的员工，识别具备远程工作能力的知识工作者。我们优先考虑了使用频率高且具备远程文件传递、在线会议沟通、在线商务社交和远程办公工具等功能的33个远程办公应用。接着，我们通过选择在单个月内在北京停留超过10天、有工作地点记录并年龄在19至59岁之间的用户，并将用户数量扩展到北京市总人口数。（2）基于手机信令数据，识别网格尺度下远程工作第三空间分布。我们首先利用手机信令数据获取了所选知识工作者的所有日常停留地点。然后，我们选择了每个工作日在7:00-20:00时间范围内停留时间最长的地点，并排除了他们的居住和办公地点。通过汇总该月所有工作日选择的地点，我们得到了这些知识工作者在7月份250×250米的空间网格中远程办公的潜在第三空间。（3）基于地理空间数据，探索建筑尺度下远程办公特定的第三空间分布。我们关注典型的盈利型9,043个特定第三空间，包括咖啡馆、茶馆、书店、快餐店、社区中心、图书馆、自习室和共享工作空间。我们使用建筑轮廓和POI数据识别了含有第三空间的建筑，并使用遥感图像手动补充了缺失或异常的建筑。然后，我们选择了既有远程工作者访问又有第三空间的网格，并根据每个网格中第三空间数量均匀分布了月度访问次数，随后汇总了同一建筑内所有第三空间的远程工作者访问次数，得到了远程办公特定第三空间的建筑尺度空间分布。结合远程工作者共享的照片和实地调查，我们进一步观察了这些第三空间的室内环境。（4）采用eXtreme Gradient Boosting（XGBoost）机器学习模型和SHapley Additive exPlanations（SHAP）值分析，探讨远程工作者的第三空间访问与周围建成环境的关联。我们基于“5Ds”分类框架选择了15个指标。因变量是建筑尺度远程工作者月度第三空间访问次数。自变量包括设计、密度、多样性、与交通的距离和目的地可达性。随后，我们比较了多元线性回归（MLR）模型与一些以处理多变量非线性关系的机器学习（ML）模型，如决策树（DT）、随机森林（RF）、多层感知器回归器（MLP Regressor）和极限梯度提升（XGBoost）。其中，XGBoost模型表现性能最佳且处理速度快，成为我们回归分析的首选。因此，我们采用XGBoost模型和SHAP值来探讨本研究中因变量和自变量之间的非线性关系。

图3. 识别远程办公第三空间的框架

表1. 本研究使用的地理空间数据描述。

注：所有地理空间数据均已转换为WGS84坐标系。

1.潜在远程工作者的识别与远程办公应用使用情况

钉钉、Skype、用友IUAP和WPS Office分别拥有远程文件传递、在线会议沟通、在线商务社交和远程办公工具功能类别的最长使用时间。钉钉、企业微信和QQ邮箱拥有最高的用户数量。钉钉表现出最高的使用强度，拥有所有远程办公应用中最长的月度使用时间和最大的用户基础。此外，一个月内使用远程办公应用的平均时间为1.43小时。总体而言，61.43%的就业人员具有远程办公的潜力，覆盖726万人口和80,500个空间网格，具有高强度的远程办公应用使用。

图4. 33款远程办公应用的使用情况

2. 网格尺度下远程办公第三空间分布

约133万就业人员被识别为在第三空间远程办公过，分布在约42,700个网格上，他们在这些第三空间平均每天花费3.99小时。聚合21个工作日数据后，远程办公者的月度第三空间访问分布在城区（66.33%）、郊区（28.97%）和远郊地区（4.70%）。最高的访问量位于朝阳区和海淀区，五环至六环之间，且在不同工作日之间变化很小。总体而言，有11.27%的就业人员被识别为潜在的第三空间远程工作者。空间分布上，远程工作者的第三空间访问聚焦在七个热点区域，并倾向于聚集在创新产业集聚区。这可能归因于这些区域提供丰富的第三空间以及知识工作者，这些人通常从事专业、管理等职业，可能有灵活的工作安排和较高的远程工作普及率。

图5. 远程工作者第三空间访问的空间分布和统计

3. 建筑尺度下特定远程工作第三空间分布

约52万远程工作者被识别为在特定商业型第三空间工作，分布在6490座建筑和4680个网格中。其中大多数建筑配备有咖啡馆、茶馆或书店功能的第三空间，741座建筑含有多个多功能的第三空间。虽然社区中心的数量相对较高，但远程工作者的访问量相对较低。共享工作空间的数量最少，导致远程工作访问量较低。此外，每座建筑平均拥有1.37个第三空间，范围从1到25不等。每座建筑的平均远程工作者访问量为79次，中位数为35次。总体而言，有4.36%的就业人员被识别为在特定商业型第三空间远程工作。

图6. 特定第三空间远程工作的空间分布与统计

我们选择了在热点区域内访问量较高的建筑，通过消费者分享的照片和实地调查深入了解热门第三空间的室内环境。这些选定的建筑通常含有多个多功能第三空间，邻近创新公司、传统办公空间和居住区。我们随机访问了这些建筑内的22个第三空间，包括星巴克、Tim Hortons和肯德基等。这些第三空间的共同特点是提供了有利于工作的环境，包括充足的照明、桌子、椅子和沙发等齐全的设备，以及可靠的Wi-Fi连接和足够的电源插座供电脑使用。此外，这些场所提供各种各样的食物选择，如咖啡、零食和水，从而通过提供远程工作服务获得盈利。

这项工作得到了国家自然科学基金[项目编号：62394331]，国家“万人计划”项目[项目编号：20211700110]，以及腾讯科技（深圳）有限公司“WeCityX科技规划研究计划”[项目编号：20212001232]资助。作者还感谢牛心苗、王奕贺、鲁萦、贺雅懿在第三空间实地调查中的协助，以及智慧足迹数据科技有限公司冯永恒和蔡丽提供的反馈。

Email：BeijingCityLab@gmail.com

Emaillist: BCL@freelist.org

新浪微博：北京城市实验室BCL

微信号：beijingcitylab

网址: http://www.beijingcitylab.com

责任编辑：李文竹，张业成