基于通勤特征的深圳市城中村职住关系研究

本文选取深圳市14个居住型城中村作为案例,基于手机信令数据分析城中村的通勤特征,探讨其与就业的职住关系模式。研究发现,城中村的通勤特征呈现出了显著的区位差异性:从通勤距离看,城边村最长,城内村次之,城外村最短;从通勤方向看,城内村和区位条件较好的城边村具有较强的市中心指向,而城外村的通勤多局限于外围区。结合深圳的就业空间布局特征,研究归纳了不同区位城中村的职住关系模式,分析职住空间错配的表现,进而提出优化职住空间格局的政策建议,包括针对不同区位的城中村制定差异化的空间引导政策,以及在城市中心区外培育非工业类就业中心等。

基于手机信令的大城市边缘区职住关系及通勤特征研究——以武汉花山生态新城为例

大城市边缘区新城具有疏解中心城区人口及产业的作用,有效识别新城居住者与就业者的职住空间分布特征、明确他们往来新城与周边其他区域的通勤特征,对于促进其在一定范围内达到职住平衡具有积极意义。本文以武汉花山生态新城为研究对象,基于手机信令数据,对新城内居住者和就业者的职住空间布局、通勤关系进行测度分析,以辨明职住关系与通勤特征。为此类大城市边缘区新城土地利用规划调整、交通设施合理布局提供基础,最终促使新城在一定范围内趋于职住平衡,健康可持续发展。

西部大城市居民通勤特征及其与城市空间结构的关系研究——以成都市为例

以成都市为实证研究对象,在大规模问卷调查的基础上,对西部大城市居民通勤基本特征进行了研究。分析发现,西部大城市居民通勤方式以公共交通为主,选择私家车作为通勤工具的比例较高;大部分居民的通勤时间在30分钟以内,通勤距离小于5 km。和北京、广州等东部大城市相比,西部大城市职住分离现象还不是非常严重;不同属性居民的通勤时间存在差异,西方空间错位假说反映的城市社会空间不平等现象在中国西部大城市同样存在并逐步显化;通勤空间组织特征与城市结构以及城市功能分区存在密切的关系;西部大城市的快速发展对居民日常通勤影响较大。

北京市居民通勤特征研究——基于千余份问卷调查的分析

在千余份问卷调查的基础上,对北京市4个不同居住—就业空间结构样本区进行了不同交通方式、不同样本区居民的通勤距离、时间、效率等特征比较。结果表明:公共交通是北京市居民通勤的主要方式;随着通勤距离的增加,居民最常选择的交通方式从非机动车向公交再向地铁转变;北京市居民通勤时间相比于其他国际大都市偏长;私家车通勤效率最高;换乘对交通效率有较大负影响,在大型居住—就业中心通勤流中这一问题尤为严重;职住平衡的区域较之于居住或就业中心有着相对短的通勤距离和时间,以及相对高的非机动车出行比例。

大连市民通勤特征研究

以大连市民日常生活行为调查的结果为基础 ,根据就业人口及就业岗位的分布信息等进行通勤工具、通勤时间、通勤距离等通勤基本特征的分析 ,并着重从通勤发生的角度 。

基于车牌照数据的通勤特征车辆识别研究

近几年来,交通拥堵日益成为大中城市最严重的交通问题之一,而由通勤行为引起的早晚高峰交通拥堵最为突出,严重影响了城市居民的出行和交通系统的运行.因此,本文从车辆的角度出发,采用上海快速路牌照识别系统采集数据,通过k-means聚类数据挖掘方法,提取路网中的通勤特征车辆,并分析了通勤特征车辆在路网中的出行时空分布.分析得出,在上海快速路网中,占全部检测车辆2.8%的通勤特征车辆在早晚高峰时提供了高达36%的交通量.在早高峰时段,识别出的通勤特征车辆主要分布路段为中环外圈、陆家嘴方向、逸仙高架和沪闵高架;晚高峰时段,基本集中在与早高峰的相反方向.研究结果表明,本文基于车牌照数据的数据挖掘方法,可以有效地提取通勤特征车辆并研究其出行行为的时空特征,能够为城市交通拥堵问题的缓解和交通需求管理政策的提出提供辅助决策信息.

基于手机信令数据的昆山市职住分布与通勤特征分析

城市交通问题愈发严峻,利用手机数据探究职住分布及通勤特征分析符合智慧城市和"四个交通"中智慧交通的发展理念,对推动交通运输现代化发展有着重要意义。当前,手机信令研究主要集中在职住空间识别方面,而对识别出来的职住状况背后的原因以及通勤等方面缺乏系统研究。本文以昆山市为研究对象,基于手机信令数据提取用户职住地信息,分析其职住空间分布特点,并在此基础上分析昆山市职住空间分布和通勤交通现状。

上海市职住关系和通勤特征分析研究——基于轨道交通客流数据视角

交通卡刷卡数据、手机信令数据、空间定位信息(GPS)等大数据的出现为城市与人的行为研究提供了数据支撑。基于2015年4月上海市公共交通卡刷卡数据,创建一般出行及虚拟换乘规则,建立上海轨道交通出行数据模型,并结合轨道交通网络空间数据模型,识别基于地铁出行的城市居民居住地、就业地和包括通勤时间、距离、空间分布等在内的通勤特征信息,并对典型就业中心和大型居住社区周边站点进行应用分析。研究表明,基于地铁的通勤出行者有130多万持卡人,平均通勤时间34.82 min,平均通勤距离为12.4 km;居住地在内环内、内外环间及外环外各站的持卡人相差不多,但就业地则有近2/3分布于内环内;通勤出行方向呈现明显的向心性;典型就业中心辐射范围广泛,平均通勤时间越往市中心越低;各大型居住社区的地铁通勤量相差很大,通勤去向并不集中于内环内。

北京市女性居民通勤特征研究

我国城市女性就业率普遍较高,而具备较强恒常性的通勤,同时成为联系公共空间和私人空间的日常活动,因而对女性的通勤行为特征进行研究能够揭示出女性居民所受家庭与工作的双重制约,进而部分解释城市空间的性别特征。本文基于对北京市内10个典型居住区内898位居民的日常通勤行为问卷调查数据,归纳出城市女性通勤特征。研究表明:(1)女性居民通勤空间距离和时间距离略小于男性,但都出现了相当比例的长距离通勤者;(2)家庭中子女的有无使男女性居民在通勤空间距离和时间距离方面都产生明显的差异性;(3)女性通勤对于公共汽车的依赖较高,步行比例也高于男性,相比之下,男性居民更倾向于时间效率高的通勤方式;(4)工作日居民通勤出现早晚高峰,女性下班时多目的通勤率高于男性,且通勤链停留目的地类型与男性略有差异。

中小型城市居民通勤特征及其影响因素研究——以山西省临汾市为例

为缓解早晚高峰期交通拥堵问题,以临汾市中心城区为研究对象,在问卷调查的基础上对中小型城市居民通勤行为进行研究,为城市交通管理提供依据。结果表明,居民通勤工具使用以自行车或电动车和公交车为主,私家车为辅;居民个体属性如收入、性别、婚姻状况等对通勤特征有明显影响,天气也是影响通勤特征的一个重要因素。应从加快建设慢交通基础设施、合理规划城市空间结构和促进互联网技术在交通方面的应用这几方面来优化城市交通管理。

我国沿海大城市通勤特征分析——以广州、青岛、大连为例

文章基于广州、青岛、大连3个沿海城市的交通数据,运用定量和定性分析结合的方法,对沿海3个城市通勤特征进行了综合分析,得出了青岛职住关系较广州和大连更趋向于平衡;利用E-RDI和其他与通勤特征相关的因素进行了散点分析,总结出了不同条件下的E-RDI与相关变量间的相关关系以及我国沿海大城市的通勤特征。

面向空间治理的居民通勤特征分析与规划响应

因职住空间错位产生的通勤困境是城市空间治理的重大挑战。面对经济社会的全面转型及持续快速城镇化冲击,北京市职住空间正呈现进一步分离化、错位化的发展态势,直接激化以通勤交通为源头的诸多社会矛盾。选取大兴区为重点研究对象,通过实地踏勘、部门访谈、大数据分析、文献检索等方式,分析轨道交通沿线客流特征与沿线功能组团的用地特征,探寻二者之间的内在关系,力争寻找平衡有效的总体规划策略及具体调控方法。

上海市典型就业区的通勤特征分析与模式总结——张江、金桥和陆家嘴的案例比较

通勤问题一直是城市研究的重点。由于普查数据缺少工作地信息,长期以来通勤研究依赖问卷调查,信息和通讯技术的发展为该问题的研究提供了新的数据、思路和方法。利用2014年上海市某两周的手机信令数据,以张江高科技园区、金桥经济技术开发区和陆家嘴金融贸易区为例,对其就业与居住、通勤时空间特征及地铁通勤进行分析。结果表明,张江的职住比最低,内部通勤比例最高,居住与就业靠近,是自我平衡类型;金桥园区内部缺乏居住,是单一生产类型;虽然陆家嘴是就业居住高密度聚集区,但就业者的居住地分布在中心城区,是城市互动类型。最后,分析了区位、轨道交通、规模、产业及园区内外用地六个因素对不同模式就业区形成的影响,并提出了相应规划建议。

大数据环境下基于职住地识别的公交通勤行为判断与特征分析

在大量的关于公交通勤行为特征的研究中存在乘客下车站点推算准确度不高、通勤出行行为识别率较低等问题。为此,对交通小区级别的公交大数据进行挖掘,构建基于乘客职住地识别的公交通勤行为分析方法,并展开相应的实证研究。结果表明:与基于出行链的研究方法相比,本文方法识别和提取出的通勤出行链更具完整性;识别出的通勤乘客与非通勤乘客的出行时空特征差异显著。研究为交通规划部门提供了一种大数据环境下精度较高的公交通勤行为分析方法。

不同年龄段居民居住偏好对其通勤特征的影响——以武汉都市发展区为例

居民对居住区的选择是决定其通勤距离的主要因素。从就业者的生命周期角度,对比分析了武汉都市发展区内19-29岁、30-49岁和50-60岁三个年龄段人群的居住空间特征,并且运用多分类Logistic回归模型分析了各年龄段人群的居住偏好对其通勤特征的影响。结果显示:在武汉都市发展区内,年龄层越低的就业者居住区分布范围越广;居民对居住区的房价、建筑年份、建筑混合类型、绿化率、公共设施条件的偏好显著影响其通勤距离;19-29岁和30-49岁就业者的通勤距离受房价因素影响更大,而50-60岁的就业者则对良好的养老环境更为偏好;教育设施空间分布的不均衡也会增加居民的通勤距离。

基于IC卡与GPS数据的公交通勤出行特征分析

公交通勤人群是公交客流的重要组成部分,公交通勤出行特征是制定公交优先发展战略、公交规划、优化与运营管理的数据基础。针对传统以“车”为研究对象的碎片化公交通勤出行特征分析方法,基于公交IC卡与GPS数据,从公交乘客“人”角度出发,系统分析提出了公交出行链特征、区间客流不均衡系数、职住平衡水平及线路黏性系数4个维度指标参数计算方法。以重庆市主城区连续5个工作日47条代表性线路的公交乘客为例,对通勤出行特征进行分析,结果表明:重庆市主城区通勤客流换乘次数较少、长线公交客流需求较大、职住平衡水平较高、约1/4的通勤出行者对线路选择具有较强黏性。

基于手机话单数据的通勤出行特征分析——以深圳市为例

通过手机话单数据提取用户的出行特征具有可行性。然而,手机话单数据的稀疏性对提取居民出行时间特征造成困难。通过对深圳市手机话单数据的挖掘分析识别居民职住地,得到居民特征通勤序列,进而基于早、晚不同情况对居民通勤特征进行描述和分析。对比分析显示,通过手机话单数据得到的居民通勤距离和时间特征与居民出行调查结果较为一致,说明该方法可用以描述居民通勤特征。研究表明,深圳市居民通勤开始时间受通勤距离影响不大,大于10 km的中长距离通勤出行对应的平均通勤时间维持在一个比较稳定的值（45~50 min）。

湖滨城市居民居住地—就业地间的通勤特征研究——以昆明市为例

以典型湖滨城市——昆明市为例,应用抽样问卷调查数据,对湖滨城市居民居住地—就业地之间的通勤特征进行了综合分析和研究。研究结果表明,湖滨城市居民居住地—就业地之间的通勤行为具有较为明显的通勤时长衰减特征、通勤距离递减特征、通勤方式的自行式特征和通勤成本的∽型特征。

江苏省城市发展数据洞察:城市实际服务人口与通勤特征

让大数据助力城市发展和治理决策是贯彻落实四中全会精神的具体举措之一。江苏省城镇化中心与中国移动开展战略合作,通过对移动手机信令数据的深度挖掘与比较分析,揭示了全省各城市实际服务人口、居民日常通勤、轨道交通站点职住格局等方面的时空特征,可为各市城市发展评估和精细化治理提供决策支持。

2022年度中国主要城市通勤监测报告

一、中国城市通勤特征数据画像(一)编制背景2022年7月29日,住房和城乡建设部城市交通基础设施监测与治理实验室、中国城市规划设计研究院、百度地图联合发布《2022年度中国主要城市通勤监测报告》(以下简称《报告》)。