【信息化天地】基于手机信令数据的通勤人口流动特征探析—以成都市为例

本研究依托我院内成都市人口大数据平台，该平台主要包括中国移动、联通、电信三家运营商手机信令数据，经统计，全网用户中，近7成手机用户使用移动运营商网络，其数据较有代表性。采用多家运营商数据融合，可能存在局部空间代表性误差(如不同位置的三家用户比例不同，同一用户同时使用多种运营商网络等)，因此，本文为了简化分析流程，挖掘通勤典型特征，主要对移动手机信令进行分析研究，其获取时段为2019年04月16日至2019年04月22日共计一周的用户匿名手机信令。数据字段主要包括用户编码、时间、位置等。据空间统计，主要建成区的基站分布密集，优于300米×300米栅格密度，可以满足城市内部空间特征分析的精度要求。下文所涉及的各类统计人口均仅包含移动用户。

图1 成都市区县通勤人口流动范围及规模统计

如图1所示，从区县尺度来看，双流区、新都区、郫都区等区县的内部通勤规模最高，但跨区通勤比例也明显偏高，高新南区的就业吸引指数最高，流入人口/跨区流动量大于75%,蒲江县、新津区、邛崃市、大邑县、简阳市等三圈层远离主城区，通勤基本限于本区，其中，蒲江县的内部通勤比例高达95%，与其他区县联系较弱。从全域来看，通勤人口流动主要发生在中心城区，且区域间的职住联系较强。高新南区内部通勤人口近6万，流入人口超过5万，表现出独特的通勤特征；郫都区、成华区、天府新区以及龙泉驿区人口净流出较明显。而三圈层区县的通勤主要发生在本区域内，和中心城区职住联系强度较弱。

双流区、新都区的内部通勤占比显著，且通勤目的区域比较积聚；主城区的跨区联系明显，流入流出人口均较大；在人口流入方面，高新南区占比最大，其人流来源较为分散、范围较广。

图2 成都市通勤流动线(以街道为统计单元)

如图2所示，基于街道尺度的通勤统计发现，流动规模排名前10的跨城镇(街道)分别为：主城区中，高新区中和街道、石羊街道以及天府新区华阳街道为桂溪街道提供了大量的居住容量，其统计人口分别达9044、8007人，构成了强职住联系；在二圈层区域，郫都区犀浦镇、红光镇和合作街道呈现出强烈的通勤联系，龙泉驿区龙泉街道和柏合镇、 高新区合作街道和西园街道、、新都区大丰街道和金牛区沙河源街道、双流区东升街道和九江街道构成了明显的职住供给关系，流动规模在2000-4000人；而三圈层中，仅有彭州市天彭街道和致和镇联系明显，为2185人。整体来看，三圈层的通勤流量主要集中发生在建成区周边，流向单一，而中心城区，特别是主城区的通勤联系复杂，规模和流向差异较大。

图3 成都市通勤距离分布(以社区为单元)

如图3所示，根据全域通勤距离统计发现，约95%的人口其通勤距离不超过10公里，其中1公里内通勤人口超过70万人(识别通勤人口共计141.94万人)，超过70%人口通勤距离在3公里内。主城区的3公里内通勤占比比周边区县较大。

其中，通勤距离<3公里占比排名前10为：简阳市简城街道和射洪坝街道、青羊区黄天坝街道、青白江区大弯街道、新都区大丰街道、龙泉驿区十陵街道、青白江区红阳街道、温江区公平街道、郫都区犀浦镇、双流区西航港街道,最高近90%，最低也超过82%。

另外，通勤距离在3-10公里区间的占比排名前10：高新区(桂溪街道、肖家河街道)、青羊区(太升路街道、汪家拐街道、草市街道)、锦江区(合江亭街道、督院街街道、盐市口街道、春熙路街道、水井坊街道)，3-10公里通勤距离人口占比均超过38%，最高将近50%(盐市口街道)。

图4 通勤人口净流量核密度分布(三维效果)

利用arcgis核密度工具生成人口净流量核密度分布图(如图4所示)，通过自然间断点分级法迭代识别热门职住中心。可以清晰看出，沿着人民南路，从天府广场到高新区金融城沿线区域分布着大量的就业岗位，由此吸引了大量的就业人口。

图5 基于手机信令识别的成都市典型职住中心

如图5所示，成都市的职住空间关系整体上处于较平衡状态，就业空间在主城区内呈现以天府广场和金融城为中心的双核结构，并且核心高度聚集，密度极高；周边卫星城聚集的产业园区也已形成了一定规模和影响的就业中心，如高新西区，新都区，青白江区，龙泉驿区，双流区。

跨区通勤主要发生在主城区及近郊区县，识别的就业中心主要分布在位于城市中心的商贸发达的春熙路-盐市口商圈，商务办公密集的高新区南部园区，以及二圈层的产业功能积聚区等。而居住中心主要集中分布在就业中心附近3公里范围内。其中，局部跨区通勤人口量依然庞大，高新南区3-10公里通勤占比超过35%，且发现高新区南部园区的职住问题突出，尤其是沿着地铁1号线周边区域，工作日早高峰期间超过60%的人员需跨区域通勤出行，极大加剧了周边部分道路的常发性拥堵。

图6 典型就业区域工作日和周末人口24小时分布

为了探析热点就业中心的人口时序变化特征，如图6所示，从工作日和周末人口变化趋势可以看出，位于城市传统核心的春盐商圈的工作日和周末人口量差异并不显著，这可能是由于春盐商圈以商贸为主，其工作性质并非典型的朝九晚五双休，并且叠加其休闲、旅游属性，造成其未显示出明显的工作日、周末潮汐人口变化趋势。而位于二圈层的龙泉汽车产业园、高新西区产业园，以及位于主城南部的高新商务区的工作日时段比周末人口显著增加，说明这几个区域为典型的密集就业型区域。

同时由于就业空间与居住分布的不匹配，居住人群无法实现在新城就业，导致居住在新城、就业在主城及就业在新城、居住在主城的空间错位，造成了局部区域就业通勤集中存在。

本研究以成都市为例，基于移动手机信令数据分析发现，成都市域通勤流量呈圈层式分布，三圈层远郊区县的通勤距离较短，通勤主要集中在区县内部城镇中心周边，跨区通勤联系较弱，职住分离问题并不显著。高峰跨区通勤主要发生在中心城区，且通勤联系复杂，局部区域流向、通勤距离差异较大。通过建立通勤流动分析模型，应用核密度、自然间断分级等技术方法识别典型就业中心、居住中心，并分析其空间布局特征。以此探索城市就业-居住空间结构分布，揭示城市运行机制，为更科学合理进行城市用地布局规划提供参考。

文中所设计的通勤人口识别算法主要针对典型的朝九晚五型就业通勤人群流动特征。因此，对某些行业从业人员的流动特征并未充分呈现，如零售业、建筑业、制造业等工作时间不固定或工作地点不固定人群识别较困难。对于具有固定工作地点、固定就业时间的人群识别精度较高，可以很好的实现通勤人口流动特征识别。本研究通过建立成都市通勤人口流动特征一般分析方法及城市职住空间分布特征研究，探究其匹配关系，有利于认识城市发展规律，解释城市空间内在结构及更新，有利于城市未来空间更好布局与发展。

最后，针对本文所采用的通勤识别算法存在的不足，拟在接下来的研究中，兼顾各类识别算法的优劣，并结合其他多源数据，在已有的人口移动模式基础上，进一步对各类细分人群进行建模分析，弥补单一算法的偏态缺陷。

本文为论文《基于手机信令数据的通勤人口流动特征探析——以成都市为例》内容分享，原论文发表于《四川建筑》期刊2020年第5期。