EN中文

地理科学 >

2021 , Vol. 41 >Issue 9: 1578 - 1586

DOI: https://doi.org/10.13249/j.cnki.sgs.2021.09.009

多中心空间结构的通勤效率——上海和杭州的实证研究

  • 丁亮 , 1 ,
  • 钮心毅 , 2, * ,
  • 施澄 2
展开
  • 1.浙江工业大学设计与建筑学院，浙江 杭州 310014
  • 2.同济大学建筑与城市规划学院，上海 200092
钮心毅。E-mail:

丁亮（1986-），男，浙江绍兴人，副教授，博士，硕导，主要从事城乡规划方法与技术研究。E-mail:

收稿日期: 2020-08-12

  修回日期: 2020-12-01

  网络出版日期: 2021-11-17

基金资助

国家自然科学基金项目(51878457)

国家自然科学基金项目(51808495)

国家自然科学基金项目(51808392)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

The Commuting Efficiency of Polycentric Spatial Structure: An Empirical Study of Shanghai and Hangzhou

  • Ding Liang , 1 ,
  • Niu Xinyi , 2, * ,
  • Shi Cheng 2
Expand
  • 1. School of Design and Architecture, Zhejiang University of Technology, Hangzhou 310014, Zhejiang, China
  • 2. College of Architecture and Urban Planning, Tongji University, Shanghai 200092, China

Received date: 2020-08-12

  Revised date: 2020-12-01

  Online published: 2021-11-17

Supported by

National Natural Science Foundation of China(51878457)

National Natural Science Foundation of China(51808495)

National Natural Science Foundation of China(51808392)

Copyright

Copyright reserved © 2021.
Fold

摘要

依据多中心空间结构的理想通勤模式构建通勤距离分布的理论模型，将实测结果与理论模型做比较，检验通勤效率。研究以上海和杭州为对象，发现：① 多中心空间结构确实有助于缩短通勤距离，但随着与就业中心距离增加，就业中心对缩短通勤距离的正效应逐渐减弱；② 社会经济发展水平更高的上海，其多中心空间结构的通勤效率比杭州发挥得更好。研究讨论了城市规模、多中心的实施时间、住房市场等对通勤效率的影响：上海的多中心空间结构发展更加成熟、租赁房源比例更高，为维持城市正常运转必须有更高效的交通组织，且居民确实经历了更长时间、有更多住房选择来调整职住空间以缩短通勤距离；杭州的城市功能尚处在完善中，多中心空间结构的通勤效率还未完全发挥作用。

关键词： 空间结构; 多中心; 通勤效率; 通勤; 大数据

本文引用格式

丁亮 , 钮心毅 , 施澄 . 多中心空间结构的通勤效率——上海和杭州的实证研究[J]. 地理科学, 2021 , 41(9) : 1578 -1586 . DOI: 10.13249/j.cnki.sgs.2021.09.009

Abstract

The commuting efficiency of polycentric spatial structure is not only controversial for a long time, but also its test method needs to be improved. Based on the ideal commuting mode of polycentric spatial structure, this article constructs a theoretical model of commuting distance distribution, compares the measured results with the theoretical model, and analyzes the commuting efficiency. Taking Shanghai and Hangzhou as research objects, it is found that: 1) The polycentric spatial structure does help shorten the commuting distance, but with the increase of the distance from the job center, the positive effect of the job center on reducing the commuting distance gradually weakens; 2) Shanghai, with a higher level of social and economic development, has better implementation of commuting efficiency of its polycentric spatial structure than Hangzhou. The study discusses the impact of city size, implementation time of polycentric spatial structure, housing market, etc. On commuting efficiency: Shanghai has a more mature polycentric space structure and a higher proportion of rental housing. In order to maintain the normal operation of the city, it is necessary to have a more efficient transportation organization. And residents do have more experience and more housing options to adjust jobs-housing space to shorten commuting distance; The urban functions of Hangzhou is still in developing condition, so the commuting efficiency of polycentric spatial structure has not fully played its role.

Key words： spatial structure; polycentric; commuting efficiency; commuting; big data

多中心化是城市空间扩张的必然趋势，在理论上有助于缓解单中心引起的集聚不经济问题[1]。特别是在通勤方面，多中心空间结构具有缩短通勤时间和距离的潜力[2]：通过在外围地区提供就业岗位，减少原本可能通向中心地区的长距离通勤，以此提高通勤效率。构建多中心体系已成为中国大城市应对规模增长带来的“大城市病”的战略共识。
现实中，多中心战略的效果却大相径庭。西方学者的研究表明多中心空间结构既有助于缩短通勤距离[3~6]，也可能导致通勤距离增加[7~10]，这主要与城市规模、多中心的实施时间、住房市场等有关[11,12]。中国的实证研究较少[13]，已有研究成果均对多中心战略持肯定态度[14~17]，并指出应关注多中心背后的交通组织逻辑[18~20]，中国城市高密度人居环境与西方城市郊区化、依赖小汽车通勤的环境存在较大差异，有必要对多中心空间结构的通勤效率进行“严谨、系统地检验”[21]。
但检验并非易事，早期的研究主要通过比较通勤距离的绝对值来检验：比较就业多中心化前后通勤距离的变化，或比较单中心和多中心城市的通勤距离差异。但这两种方法分别回避了以下问题：①城市规模扩张本身会引起通勤距离的增长[3,5]，即使多中心化之后通勤距离有所增长，也不能证明这完全是多中心化造成的结果。可能在相同城市规模之下，若当时执行的是单中心战略，当前的通勤距离会变得更长。②不同城市之间存在规模、交通条件、通勤方式等差异，即使多中心城市的通勤距离较短，也不能证明这完全是多中心空间结构产生效果。可能只是多中心城市交通联系不便造成的，若交通条件改善，结果可能截然相反。解决上述问题难度较大，因为对于同一城市的比较研究，已不存在执行单中心战略、发展到当前同等规模的可能；对于不同城市的比较研究，很难找到理想的比较对象。所以研究需要假设已控制空间结构之外的变量。
随着过剩通勤（excess commuting）理论日趋成熟，开始有学者以通勤距离的相对值为标准，通过计算理论最小通勤、最大通勤、随机通勤等指标，比较实际值与理论值的相对差异检验通勤效率[22]。Ma发现空间结构本身会影响过剩通勤相关指标，将空间结构变量引入指标计算，比较不同空间结构城市的通勤效率[23]。Chowdhury不认同这种方式，认为其偏离了通勤效率的实际概念：真实的通勤距离与这一空间结构所能实现的最短通勤距离的差异，差异越小效率越高[24]。即实现高效通勤需要居住布局配合就业分布，在就业分布不变（即空间结构不变）的前提下，通过优化居住布局达到通勤距离最短的理想状态。这与过剩通勤理论以不改变居住和就业分布为前提，通过无数个体的住房或就业岗位互换实现最小通勤的逻辑不一致。
进而，有学者提出了模型法，即依据多中心空间结构的理想通勤模式检验通勤效率[21]：若外围次中心通勤距离小于主中心，说明外围居民未向主中心通勤，多中心空间结构起到了缩短通勤距离的效果。这种方法无需依赖研究假设，只需要比较通勤距离是否符合理论模型即可。但受数据制约，已有研究只能依据就业中心的通勤距离做判断，不具有全局代表性，缺少对非就业中心通勤距离的分析。
本文依据Giuliano等对多中心空间结构交通特征论述[2]，以及Chowdhury对高效的通勤的界定[24]检验通勤效率。即检验真实的通勤距离与这一空间结构所能实现的最短通勤距离的差异，差异越小效率越高。研究使用有全局代表性的大样本个体通勤数据，依据多中心空间结构理想通勤模式，以上海和杭州为例进行实证研究，以优化多中心空间结构的通勤效率检验方法，论证多中心空间结构是否真的有助于缩短通勤距离，剖析影响通勤效率发挥的原因，为继续实施多中心战略、实现多中心战略的效果提供理论和方法依据。

1 方法和数据

1.1 研究案例

本研究以上海和杭州为例开展研究，研究范围为城市发展的核心地区。上海的研究范围为外环线内的中心城及周边地区，面积1 180 km2。杭州的研究范围为大部分在绕城高速内的6个市辖区及萧山区的主城区①(①萧山区的主城区虽然过去相对独立发展，但自2000年来随着地铁线网及钱江世纪城的建设，已经与6区融为一体发展，因而也将其纳入研究范围。)，面积955 km2。这一范围内建设用地连绵成片，使用研究数据测算，居民基本在这一范围内通勤，与外部通勤率不到10%，是一个相对独立的空间范围[25]。
之所以选取上海和杭州为案例城市是因为上海和杭州都是多中心空间结构的城市，都位于长三角地区，但社会经济发展水平有较显著差异。上海是城区常住人口超过1 000万的超大城市，定位为国家中心城市，2018年GDP高达32 700亿元。杭州是城区常住人口300万~500万的大城市，定位为区域（长三角）中心城市，2018年的GDP达到13 509亿元，不到上海的1/2。2座城市社会经济发展水平的差异可能会体现在多中心空间结构的通勤效率上，上海的通勤效率优于杭州。

1.2 多中心空间结构的理想通勤模式

Van der Laan通过实证研究发现通勤可归纳为4种模式，分别是向心型（central）、离心型（decentral）、交叉型（cross-commuting）和错位型（exchange-commuting）[26]。单中心空间结构的通勤模式是向心型的，多中心空间结构的通勤模式为后3种：①离心型是指外围中心具有更强吸引力，能吸引更多中心地区的居民到外围中心工作；②交叉型是指居民前往就近的中心工作，长距离通勤较少；③错位型是指居民未前往就近的中心工作，有更多中心地区的居民到外围中心工作，外围地区的居民到位于中心地区及其他外围的中心工作。实证研究表明交叉型模式的通勤距离最短，错位型模式的通勤距离最长[27]。即交叉型模式的通勤效率最高（图1）。
图1 通勤模式

根据参考文献[28]修改

Fig. 1 Commuting patterns

国外有学者提出多中心空间结构缩短通勤距离的效果之所以存在差别是由于过去仅根据规模界定多中心空间结构，称之为形态多中心（morphologically polycentric），即各中心的规模差异越小越趋于多中心[28~31]（图2a）。多中心空间结构还可以依据各中心所在地区之间的联系方向、强度界定，如果联系强度的差异越小则越趋于多中心，并将其界定为功能多中心（functionally polycentric）（图2b）。就通勤而言，在一个理想的功能多中心空间结构中，每个中心吸引各方向的通勤量应是完全均衡的，属于交叉型通勤模式（图2b）。这是多中心空间结构发展的终极目标。正是由于城市空间的功能多中心化程度不同，通勤效率才会存在差异。
图2 形态多中心和功能多中心

根据参考文献[30]修改

Fig. 2 Morphological polycentricity versus functional polycentricity

在多中心空间结构的理想通勤模式（交叉型通勤模式）中，居民将向最近的就业中心通勤，离就业中心越近的居民，通勤距离应该越短（虽然现实中，居民并非都向就业中心通勤，非就业中心地区也能提供就业岗位，但就业中心岗位集聚，应该是能显著促进居民就近通勤的空间节点）。加之存在近距离通勤人数多、远距离通勤人数少的Zipf法则，通勤距离在城市空间上就表现为临近就业中心的地区平均通勤距离越短，反之则平均通勤距离越长。本研究将这一通勤距离分布模式称为理论模型（图3）。将实际通勤距离分布与理论模型作比较，若两者越接近，且距就业中心越近通勤距离缩短越显著，则多中心空间结构的通勤效率越高；反之，则通勤效率越低。
图3 多中心空间结构的理想通勤距离分布

Fig. 3 Ideal commuting distance distribution of polycentric spatial structure

1.3 研究数据

研究使用的大样本个体通勤数据为手机信令数据①(①手机信令数据是一种信令触发型被动定位数据，通过连接的基站定位。当用户操作手机进行开关机、通话、收发短信，或携带手机移动位置使手机连接的基站发生改变都会触发信令事件，即使手机未被操作或移动，只要保持开机，也会每隔一段时间（约30 min）触发周期性位置更新的信令事件。信令事件一旦被触发，运营商后台计算机就会记录下此时手机的匿名ID号、连接基站的坐标、时间、信令事件类型等信息。因此，信令数据记录相对客观，只要手机开机，就能记录下每一次更换连接基站的位置移动信息。)。上海使用联通手机信令数据，采集时间为2015年11月连续16 d；杭州使用移动手机信令数据，采集时间为2017年4月连续30 d。虽然采样时长、时间存在差异，但一般2周14 d的数据已基本能反映居民通勤规律；上海社会经济发展领先于杭州，采样比杭州早1.5 a应该影响不大。手机信令数据需要做识别处理后才能使用，识别方法为判断工作日夜间居住时间和日间工作时间经常连接的基站（可通过坐标定位），分别将其识别为居住地和工作地[32]。上海识别得到80.5万本地常住居民的居住地和工作地（同时有居住地和工作地），杭州这一结果为223.9万，以居住地和工作地的直线距离表示通勤距离②(②虽然直线距离与实际距离有差异，但考虑到以下2点，本文最终选择使用直线距离表征通勤距离。一是通勤效率通过比较通勤距离分布与理论模型的差异进行检验，是相对比较，使用直线距离对结论影响应该不大；二是表1数据量较大，确实也无法用网络分析工具计算实际距离。)。表1为识别处理后的结果，是本研究使用的基础数据。
表1 手机信令数据处理后的结果

Table 1 The result of mobile signaling data processing

居住地基站编号 工作地基站编号 通勤人数 通勤距离/m
96549 86924 39 960
96874 69532 56 589
…… …… …… ……
识别结果需检验后才可保证准确性[32,33]。首先检验抽样率。依据上海市和杭州市统计局组织的“第三次经济普查”公布的二、三产从业人口数量，上海的识别结果相当于对从业人口做了6.6%的抽样，杭州的识别结果抽样率达到了30.7%。这一抽样率是除了人口普查和经济普查外各类调查无法达到的（人口普查、经济普查不涉及通勤调查无法满足本研究的数据要求，有通勤调查的交通调查抽样率不足1%、且数据不公开）。后续研究将使用相对值，不涉及绝对值比较，因此抽样率差异不会影响分析结果。
其次检验抽样随机性。依据上海市（http://www.stats.gov.cn/tjsj/tjgb/rkpcgb/dfrkpcgb/201202/t20120228_30403.html）和杭州市（http://www.stats.gov.cn/tjsj/tjgb/rkpcgb/dfrkpcgb/201202/t20120228_30409.html）统计局组织的“第六次人口普查”中的常住人口数据，按街道汇总手机信令数据识别的居住人数，与各街道常住人口数做相关性检验，在1%显著性水平下，上海的相关系数为0.87，杭州为0.93；依据“第三次经济普查”原始企业数据，按街道汇总手机信令数据识别的就业人数，与各街道二、三产就业岗位数做相关性检验，在1%显著性水平下，上海的相关系数为0.78，杭州为0.52①(①杭州的就业岗位相关性相对较低是由于经济普查的2013年到手机信令数据采集的2017年期间，杭州城市建设较快，就业岗位确实有较大变化。)。检验结果均属于强相关，表明识别结果具有较高的抽样随机性，能较准确反映全市居民的居住和就业活动分布。

2 结果分析

2.1 就业中心界定

就业中心是指就业密度显著大于周边的地区[34]。基于大样本个体就业数据的就业中心识别一般使用核密度（Kernel Density）分析得到就业密度分布图，再使用热点分析（Getis-Ord Gi*）识别就业密度显著高于周边的地区[31]。这2个分析可通过ArcGIS平台实现。本研究的核密度分析搜索半径取800 m，热点分析以反距离法表达空间关系，取800 m距离阈值（IDW 800），在1%显著性水平下（Z值>2.58）选出就业密度的高值聚类区，再从中划分就业中心[32]。
使用表1中的工作地识别结果，按上述方法生成就业密度（图4），识别就业中心（图5）。在研究范围内，上海已形成了28个就业中心，杭州已形成了15个就业中心。从空间分布形态来看，现状就业中心虽仍主要集中在传统中心地区，但已呈现出由单中心向多中心空间结构转变的特征：上海已在南京路、外滩、陆家嘴等传统就业中心之外形成了漕河泾经济技术开发区、五角场、浦东软件园等外围中心；杭州已在武林广场、延安路、黄龙等传统就业中心之外形成了三墩产业园、高新技术产业园、大创小镇等外围中心。
图4 就业密度

密度值仅代表样本的密度，不代表真实值，上海和杭州的数值也不具有可比性

Fig. 4 Employment density

图5 就业中心

Fig. 5 Employment centers

2.2 通勤效率实证

将表1中的通勤距离数据按居住地汇总后计算平均值，使用反距离权重法对平均通勤距离做插值分析生成平均通勤距离分布图（图6）。为便于显示，插值结果排除极大值后，按自然间断点分类法分为5个等级显示。
图6 平均通勤距离

Fig. 6 Average commuting distance

由图6a可见，上海的通勤距离分布呈现较显著的由中心向外递增的圈层特征，短距离通勤（小于3 538 m）基本都位于中心地区。就业中心与通勤距离的空间关系和理论模型（图3）吻合度较高：就业中心及其周边一定范围内通勤距离呈现较显著的“低洼”区，特别是外围就业中心，由于外围地区通勤距离普遍较长，就业中心周边通勤距离较短的特征更加明显。
由图6b可见，杭州的通勤距离分布呈现较显著的片区差异，短距离通勤（小于3 709 m）主要分布于西湖风景区、湘湖风景区、萧山主城区东部（主要是工业区和村庄）、下沙新城（以工业区和村庄为主）、三墩产业园、高新技术产业园，除后2个地区外，其余均不是就业中心。就业中心与通勤距离的空间关系和理论模型吻合度较低：就业中心与通勤距离的空间分布无明显相关性，个别就业中心及其周边地区甚至呈现长距离通勤特征。
为更明确反映就业中心与通勤距离的空间关系，以就业中心范围为基础，每1 km间隔生成缓冲区，计算每个缓冲区圈层内平均通勤距离。由表2、图7可见，整体上：①多中心空间结构有助于缩短通勤距离，距就业中心越近通勤距离越短；②多中心空间结构的通勤效率发挥作用的范围有限，超过一定距离，通勤距离的变化不符合理论模型规律。上海的就业中心影响范围为5 km，杭州为3 km，这一范围之外通勤距离开始波动。
表2 分圈层统计的平均通勤距离

Table 2 Circle statistics of average commuting distance

就业中心
圈层/km 		上海 杭州
平均通勤
距离/m 		降幅/% 平均通勤
距离/m 		降幅/%
　　注：“—”为不在计算范围内；就业中心圈层列的0为就业中心自身范围，1~10为就业中心范围做1~10 km缓冲区形成的圈层。
0 2 457 19.2 4 044 7.5
1 3 041 22.6 4 369 2.5
2 3 931 14.4 4 383 2.2
3 4 593 6.5 4 582 -1.6
4 4 912 1.1 4 509 -4.0
5 4 965 -10.4 4 334 2.9
6 4 499 -3.5 4 464 5.9
7 4 345 9.2 4 742 -5.0
8 4 787 4.1 4 514 -10.0
9 4 990 -1.3 4 103 -1.6
10 4 925 — 4 039 —
图7 就业中心及其周边通勤距离统计结果

Fig. 7 Statistical results of commuting distance in and around employment centers

相比较而言，上海的多中心空间结构的通勤效率相对自身空间结构所能实现的最短通勤距离而言，发挥得更好。首先，从平均通勤距离的变化幅度来看，上海的平均通勤距离随距就业中心距离越近而减小的特征更加明显，在距就业中心2 km圈层内的降幅超过10%，高达14.4%；1 km圈层内通勤距离显著下降，降幅高达22.6%；直至就业中心内部降幅也达到了19.2%。在通勤效率发挥作用的5 km半径范围内，通勤距离减小超过2.5 km，降幅高达102%。而杭州的平均通勤距离在通勤效率发挥作用的3 km半径范围内，通勤距离仅减小了0.5 km，降幅仅为13.3%，最大降幅也未超过10%。其次，从平均通勤距离来看，上海的就业中心对缩短通勤距离的效果更加显著。在距就业中心3 km半径范围内，上海的平均通勤距离都小于杭州：居住在就业中心范围内的居民平均通勤距离只有2.5 km，仅为杭州的60.8%；居住在就业中心1 km圈层内的居民平均通勤距离只有3 km，只有杭州的69.6%；居住在就业中心2 km圈层内的居民平均通勤距离只有3.9 km，只有杭州的87.7%；直至3 km圈层，上海与杭州的平均通勤距离才基本相同，都是4.6 km。

2.3 结果解释

上述结果表明社会经济发展水平更高的上海，其多中心空间结构的通勤效率发挥地比杭州更好。下面分别从城市规模、多中心的实施时间、住房政策3个方面讨论具体原因。
1） 从城市规模来看，上海更大的城市规模和更高的人口密度促使居民不得不调整职住空间关系以减轻城市规模扩大对通勤交通的压力。虽然本研究界定的城市发展的核心地区的范围差异不是非常大（杭州是上海的81%），但在该范围内，杭州还有西湖风景区、西溪湿地、湘湖风景区等，据2017年城市总体规划修编时的调查，城市建设用地面积只有481 km2，研究范围边缘400多平方公里范围的城市功能还不完善。据2014年城市总体规划实施评估时的调查，上海城市建设用地面积高达807 km2，是杭州的1.7倍。1990年代上海就开始建设徐家汇、浦东软件园等外围就业中心，至2000年前后，上海的城市建设就已基本将664 km2的外环内的中心城全部覆盖，据上海市总体规划实施评估工作组于2013年编制的《上海市城市总体规划（1990—2020年）实施评估研究报告专题之十二：中心城发展研究》，当前已在外环周边形成了约1 560 km2的连绵建成区。据“第六次人口普查”（http://www.stats.gov.cn/tjsj/pcsj/rkpc/6rp/indexch.htm），研究范围内，杭州的常住人口只有417万人，人口密度0.44万人/km2，而上海的常住人口高达1 457万人，人口密度1.23万人/km2。因此，上海必须有更高效的交通组织才有可能支撑如此大规模、高密度的城市空间运转。
2） 从多中心战略实施时间来看，上海更早形成较稳定的居住和产业空间使居民有更充足时间来优化职住空间关系。杭州于2000年前后才开始在老城区外开展大规模城市建设，大创小镇、祥符、滨江新城核心区等外围就业中心是近几年才形成的[35]，虽然周边有商品住房开发，但短期内入住率不高。据《杭州国民经济和社会发展统计公报（2015—2018年）》，自2015年以来杭州常住人口持续高速增长，至2018年的4 a间增长了91.4万人，年均增长率接近3%，这些人口主要涌入了城市发展的核心地区。大规模城市建设和高速增长的人口使居住、产业空间处在动态调整中。上海自1990年代开始就已施行产业“退二进三”、中心地区人口向外围疏解，据《上海市国民经济和社会发展统计公报（2010—2019年）》，当前常住人口已基本稳定在2 400万，居住空间主要分布在中、外环之间，产业空间主要分布于各就业中心。相比较而言，更早形成稳定的居住和产业空间使上海居民比杭州居民有更充足时间在住房成本和通勤成本之间做出最优选择。
3） 从住房市场来看，上海更高的租房率使居民更有可能选择居住在工作地附近以缩短通勤距离。据“上海大学数据科学与都市研究中心”的调查结果，2017年上海有35%的居民租房居住，而杭州这一比例仅为20.8%（“浙江大学不动产投资研究中心”的调查结果）。即超过1/3的上海居民有更高的住房流动性，换房成本较低：一方面，降低了居民因更换工作而造成通勤距离延长的可能性；另一方面，更多的租赁房源使居民更容易在工作地附近找到住房。

3 结论和讨论

3.1 结论

多中心空间结构在理论上具有缩短通勤距离的潜力，实际效果存在较大争议。本文通过上海和杭州的实证研究发现：①多中心空间结构确实有助于缩短通勤距离，但是随着与就业中心距离增加，就业中心对缩短通勤距离的正效应逐渐减弱；②同样是多中心空间结构，上海与杭州的通勤效率相对自身空间结构所能实现的最短通勤距离而言，发挥差异较显著。上海在距就业中心3 km范围内的通勤距离都小于杭州，在就业中心范围内的通勤距离甚至不到杭州的2/3。在通勤效率发挥作用的有效距离内，上海的通勤距离减少了2.5 km，降幅高达102%，杭州只减少了0.5 km，降幅仅为13.3%。
产生上述差异的原因在于2座城市的社会经济发展水平不同。上海更大的建成区规模和更高的人口密度，更早形成较稳定的居住、产业空间，以及更高的租房率使得上海居民对缩短通勤距离更加迫切，也有更充足时间和更多住房选择来缩短通勤距离。

3.2 讨论

本研究的多中心空间结构不细分产业类型，只要就业密度显著高于周边地区都被界定为就业中心。即使是二产集聚形成的就业中心，只要有助于缩短通勤距离就可认为促进了多中心空间结构的通勤效率发挥作用。一般认为二产从业者通勤距离小于三产从业者，杭州也确实如此，以二产为主的三墩产业园和高新技术产业园周边通勤距离显著小于其他以三产为主的就业中心。但即使杭州有二产就业中心，多中心空间结构的通勤效率的发挥仍然不如以三产就业中心为主的上海，表明产业类型仅对个别就业中心的通勤效率有影响，对研究结论影响不大。
杭州多中心空间结构的通勤效率发挥得不如上海，并不代表杭州未来不需要发展多中心空间结构，只是因为社会经济发展水平滞后于形态上的多中心空间结构，居民职住空间还处在动态调整中[36]，多中心空间结构缩短通勤距离的潜力还未完全被挖掘。随着城市建设推进，老城区功能疏解，人口继续增长，居民出行成本高于居住成本时自然会调整职住空间关系。这一过程会很漫长，若有相关政策介入，帮助居民优化职住空间关系有助于更好地发挥多中心空间结构的通勤效率。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Fujita M, Ogawa H. Multiple equilibria and structural transition of non-monocentric urban configurations[J]. Regional Science and Urban Economics, 1982, 12(2): 161-196.

DOI

[2]
Giuliano G, Small K A. Is the journey to work explained by urban structure?[J]. Urban Studies, 1993(9): 1450-1500.

[3]
Gordon P, Wong H L. The costs of urban sprawl: Some new evidence[J]. Environment and Planning A, 1985, 17(5): 661-666.

DOI

[4]
Giuliano G, Small K A. Sub-centers in the Los Angeles region[J]. Regional Science and Urban Economics, 1991, 21(2): 163-182.

DOI

[5]
Cervero R, Wu K L. Sub-centering and commuting: Evidence from the San Francisco bay area[J]. Urban Studies, 1998, 35(7): 1059-1076.

DOI

[6]
赵鹏军, 万婕. 城市交通与土地利用一体化模型的理论基础与发展趋势[J]. 地理科学, 2020, 40(1): 12-21.

Zhao Pengjun, Wan Jie. The key technologies of integrated urban transport-land use model: Theory base and development trends. Scientia Geographica Sinica, 2020, 40(1): 12-21.

[7]
Daniels P W. Transport changes generated by decentralized offices: A second survey[J]. Regional Studies, 1981, 15(6): 507-520.

DOI

[8]
Cervero R, Landis J. Suburbanization of jobs and the journey to work: A submarket analysis of commuting in the San Francisco bay area[J]. Journal of Advanced Transportation, 1992, 26(3): 275-297.

DOI

[9]
Wachs M, Taylor B D, Levine N et al. The changing commute: A case-study of the jobs-housing relationship over time[J]. Urban Studies, 1993, 30(10): 1711-1729.

DOI

[10]
Naess P, Sandberg S L. Workplace location, modal split and energy use for commuting trips[J]. Urban Studies, 1996, 33(3): 557-580.

DOI

[11]
Gordon P, Richardson H W, Jun M J. The commuting paradox evidence from the top twenty[J]. Journal of the American Planning Association, 1991, 57(4): 416-420.

DOI

[12]
Gordon P, Richardson H W. Are compact cities a desirable planning goal?[J]. Journal of the American Planning Association, 1997, 63(1): 95-106.

DOI

[13]
席强敏, 李国平. 超大城市规模与空间结构效应研究评述与展望[J]. 经济地理, 2018, 38(1): 61-68.

Xi Qiangmin, Li Guoping. Research progress and prospect of the interactive effects of urban sizes and spatial structure for mega cites. Economic Geography, 2018, 38(1): 61-68.

[14]
邓毛颖, 谢理, 林小华. 基于居民出行特征分析的广州市交通发展对策研究[J]. 经济地理, 2000, 30(2): 109-114.

DOI

Deng Maoyin, Xie Li, Lin Xiaohua. Countermeasures of transportation development in Guangzhou based analysis on characteristic of the inhabitant trip. Economic Geography, 2000, 30(2): 109-114.

DOI

[15]
万霞, 陈峻, 王炜. 我国组团式城市小汽车出行特征分析[J]. 城市规划学刊, 2007(3): 86-89.

DOI

Wan Xia, Chen Jun, Wang Wei. Analysis the car trip characteristic of clustered city. Urban Planning Forum, 2007(3): 86-89.

DOI

[16]
尹春, 孙斌栋, 何舟, 等. 城市建成环境对通勤时耗的影响及规划启示[J]. 城市规划, 2018, 42(8): 83-89.

Yin Chun, Sun Bindong, He Zhou et al. Influence of urban built environment on commuting time and its planning implications. City Planning Review, 2018, 42(8): 83-89.

[17]
姜莉莉, 袁家冬, 邸玉双, 等. 吉林省城市空间结构及地方中心城市腹地范围界定[J]. 地理科学, 2020, 40(8): 1319-1327.

Jiang Lili, Yuan Jiadong, Di Yushuang et al. Urban spatial structure of Jilin Province and scope of local central city hinterland. Scientia Geographica Sinica, 2020, 40(8): 1319-1327.

[18]
王成新, 窦旺胜, 程钰, 等. 快速城市化阶段济南城市空间扩展及驱动力研究[J]. 地理科学, 2020, 40(9): 1513-1521.

Wang Chengxin, Dou Wangsheng, Cheng Yu et al. Spatial expansion and driving force of Jinan City in the stage of rapid urbanization. Scientia Geographica Sinica, 2020, 40(9): 1513-1521.

[19]
黄建中, 胡刚钰, 赵民, 等. 大城市“空间结构-交通模式”的耦合关系研究——对厦门市的多情景模拟分析和讨论[J]. 城市规划学刊, 2017(6): 33-42.

Huang Jianzhong, Hu Gangyu, Zhao Min et al. On the interconnection of spatial structure and traffic mode of mega-cities: Multi-scenario simulation in Xiamen City. Urban Planning Forum, 2017(6): 33-42.

[20]
李峰清, 赵民, 吴梦笛, 等. 论大城市“多中心”空间结构的“空间绩效”机理——基于厦门LBS画像数据和常规普查数据的研究[J]. 城市规划学刊, 2017(5): 21-32.

Li Fengqing, Zhao Min, Wu Mengdi et al. Polycentric mage-city and its mechanism of spatial performance: Findings from Xiamen based on LBS and census data. Urban Planning Forum, 2017(5): 21-32.

[21]
孙斌栋, 涂婷, 石巍, 等. 特大城市多中心空间结构的交通绩效检验——上海案例研究[J]. 城市规划学刊, 2013(2): 63-69.

DOI

Sun Bindong, Tu Ting, Shi Wei et al. Test on the performance of polycentric spatial structure as a measure of congestion reduction in megacities: The case study of Shanghai. Urban Planning Forum, 2013(2): 63-69.

DOI

[22]
Kanaroglou P S, Higgins C D, Chowdhury T A. Excess commuting: A critical review and comparative analysis of concepts, indices, and policy implications[J]. Journal of Transport Geography, 2015, 44: 13-23.

DOI

[23]
Ma K R, Banister D. Urban spatial change and excess commuting[J]. Environment and Planning A, 2017, 39(3): 630-646.

[24]
Chowdhury T A, Scott D M, Kanaroglou P S. Urban form and commuting efficiency: A comparative analysis across time and space[J]. Urban Studies, 2013, 50(1): 191-207.

DOI

[25]
丁亮, 钮心毅, 宋小冬. 利用手机数据识别上海中心城的通勤区[J]. 城市规划, 2015, 39(9): 100-106.

DOI

Ding Liang, Niu Xinyi, Song Xiaodong. Identifying the commuting area of Shanghai central city using mobile phone data. City Planning Review, 2015, 39(9): 100-106.

DOI

[26]
Van der Laan L, Vogelzang J, Schalke R. Commuting in multi-nodal urban systems: An empirical comparison of three alternative models[J]. Tijdschrift Voor Economische en Sociale Geografie/Journal of Economic and Social Geography, 1998, 89(4): 384-400.

DOI

[27]
Schwanen T, Dieleman F M, Dijst M. Travel behavior in Dutch monocentric and polycentric urban systems[J]. Journal of Transport Geography, 2001, 9(3): 0-186.

[28]
Burger M J, Goei B D, Laan L V D et al. Heterogeneous development of metropolitan spatial structure: Evidence from commuting patterns in English and Welsh city-regions, 1981-2001[J]. Cities, 2011, 28(2): 160-170.

DOI

[29]
Green N. Functional polycentricity: A formal definition in terms of social network analysis[J]. Urban Studies, 2007, 44(11): 2077-2103.

DOI

[30]
Burger M, Meijers E. Form follows function? Linking morphological and functional polycentricism[J]. Urban Studies, 2012, 49(5): 1127-1149.

DOI

[31]
Vasanen A. Functional polycentricity: Examining metropolitan spatial structure through the connectivity of urban sub-centres[J]. Urban Studies, 2012, 49(16): 3627-3644.

DOI

[32]
丁亮, 钮心毅, 宋小冬. 上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 地理学报, 2016, 71(3): 484-499.

DOI

Ding Liang, Niu Xinyi, Song Xiaodong. Measuring the employment center system in Shanghai central city: A study using mobile phone signaling data. Acta Geographica Sinica, 2016, 71(3): 484-499.

DOI

[33]
顾秋实, 张海平, 陈旻, 等. 基于手机信令数据的南京市旅游客源地网络层级结构及区域分异研究[J]. 地理科学, 2019, 39(11): 1739-1748.

Gu Qiushi, Zhang Haiping, Chen Min et al. Hierarchical network structures and regional differentiations of tourist source destinations of Nanjing based on cellular signaling data. Scientia Geographica Sinica, 2019, 39(11): 1739-1748.

[34]
Mcmillen D P. Nonparametric employment subcenter identification[J]. Journal of Urban Economics, 2001, 50(3): 448-473.

DOI

[35]
李澍田. 改革开放以来杭州城市空间形态演变研究[D]. 杭州: 浙江大学, 2017.

Li Shutian. The study on urban form evolution of Hangzhou since the reform and opening-up. Hangzhou: Zhengjiang University, 2017.

[36]
丁亮, 钮心毅, 施澄. 基于一致性标准的大城市多中心体系规划实施评估——以杭州为例[J]. 地理科学, 2020, 40(2): 211-219.

Ding Liang, Niu Xinyi, Shi Cheng. Evaluation of the implementation of polycentric system plan in mega-city based on conformance criteria: A case study of Hangzhou City. Scientia Geographica Sinica, 2020, 40(2): 211-219.

Options
文章导航

/

〈 〉