上海都市区边界划分

全文总计 10513 字,阅读时间 27 分钟,快速浏览仅需 6 分钟。

副标题:——基于手机信令数据的探索

英文标题:Delimiting the Shanghai Metropolitan Area Using Mobile Phone Data

内容摘要:都市区是中心城市及其主要影响范围,在区域经济发展中有重要的引领作用。国外都市区范围根据中心城市与外围地区的通勤联系划分,本质上是与中心城市具有密切经济联系的统一劳动市场区。国内由于统计数据的缺乏,通过通勤联系划分都市区的相关研究难以开展,且划分结果在内涵上与国外都市区差异较大。移动电话是目前普及率最高的移动通讯终端设备,其包含的地理位置标签可反映用户的职住地信息。利用上海移动2014年上半年某两周2G手机信令数据,识别用户的居住地和工作地,参照国外标准,根据中心与外围地区的通勤联系划分上海市都市区。在通勤联系的基础上,尝试采用消费联系作为都市区划分的辅助标准,并对划分结果进行了调整。结果表明:①基于通勤联系的上海都市区主要包括中心城周边地区、松江新城及外围大型工业区,基于消费联系调整的上海都市区包括中心城周边地区、松江、嘉定、青浦等新城及浦东惠南地区、长兴岛,整体上呈现东西略长、南北略窄的形态;②通勤联系和消费联系可以相互结合划分中国的都市区边界,通勤联系作为主要指标,消费联系作为辅助指标;③上海与国外城市都市区差异较大,国外都市区范围扩展极广,上海都市区范围未超过行政边界,局限在中心城周围相对较小的范围内。

关键词:都市区,边界划分,手机信令数据,上海

GB/T 7714-2015 格式引文:[1].上海都市区边界划分.[J]或者报纸[N].地理学报,(201810):1896-1909

正文内容

  1 引言

  都市区是指一个大的核心以及与这个核心具有高度的社会经济一体化倾向的邻接社区的组合,一般以县作为基本单元[1],是指与大都市在城市功能上存在密切关系的区域,一般指通过通勤等日常活动与大都市形成紧密联系的区域[2]。空间形态上,都市区包括一个或多个中心城市以及与之具有紧密联系的腹地。划分标准上,中心城市一般通过人口规模界定,腹地一般通过与中心城的通勤联系界定,如果通勤联系达到一定的规模,那么该区域就被界定为中心城的都市区,因此都市区的概念实际上接近于通勤区。都市区不仅是一个地域实体和统计单位,更是一种以中心城市为核心的空间组织形式,对于地区经济发展具有重要意义。以美国为例,联邦和州政府机构应宪法的要求,都基于大都市区分配项目资金、制定项目标准和实施项目等,大都市区的重要性和使用频率要远远超过城市的行政地域概念和城市的实体地域[3]。

  都市区的概念起源于美国,城市的发展带来空间上的蔓延和郊区化,使得居住和就业发生了空间的分离,形成了“都市区”这种空间组织形态。美国于1910年提出都市区概念,并于1949年设立了具体统计标准。西方各国也仿效美国提出了类似概念,并设立了大体相同又有细微差别的划分标准[4]。日本学者金本良嗣和德冈一幸参照美国的都市统计区划分标准,提出了新的适合日本国情的都市雇佣圈(Urban Employment Area,UEA)标准[5]。英国、法国、德国等政府机构也都有明确的都市区界定标准[6]。

  在中国学术界,学者们对大都市区并没有形成统一的认识,使用较为频繁的词汇主要有都市圈、城市群、大都市带、都市连绵区、城市经济区等;在大都市区的界定标准方面,存在各种不同的标准和方案[7-8]。周一星[9-11]、宁越敏[12-13]等学者多次提出过中国的都市区界定方法,但都未被普遍接受。顾朝林[14]提出了基于dΔ系和Rd链的城市经济区划分方法,对全国主要城市的经济区进行了划分,并应用于实际规划中。相关研究对北京[16-17]、上海[18]、南京[19]、成都[20]、兰州[21]等主要城市的都市圈以及长江三角洲大都市区[15]进行了划分。在划分方法上,这些研究都立足于“中心城市及其主要影响范围”这一都市区的核心内涵,多采用与中心城的时空距离、“经济距离”、客货流量,基于区域相互作用模型[22]和场强模型[23]等方法,定义中心城的影响范围或腹地。另外,相关学者尝试通过企业的总部—分支机构及其联系划分城市的“网络腹地”[24-25],但一般是在一个较大的尺度下,更多反映的是城市之间的联系,而都市区是一个相对中微观的尺度。由于相关统计数据的缺乏,用这些方法划分出来的都市区实际上都是“偏大”的,不能反映实际的城市功能地域。众所周知,美国有极高的小汽车普及率,日本有发达的通勤铁路系统,而这些都是国内城市不具备的,也就意味着在超过一定距离后,中心城与外围地区不可能有大量的通勤联系,而通勤联系是界定都市区核心标准,通勤区及其背后所蕴含的统一劳动市场才是都市区的本质之所在[4]。近年来,随着新型大数据的发展普及,利用新数据源更精细地划分城市功能地域成为可能。钮心毅等[26-27]利用手机信令数据识别上海市的通勤区,实际上是“职住平衡区”,用这种方式划分的通勤区已经接近都市区的本质。

  都市区作为重要的城市功能地域,以及组成城市群的基本单元[12],对其准确的界定是进行其他研究的基础。周一星先生指出,城市研究的第一科学问题是基本概念的正确性[11],美国学者陈金永指出中国城市人口统计口径的误用已影响了学术研究及对城市发展政策的评估[13]。只有首先界定好基本概念,才能进行更深入的后续研究以及国际比较,才能在一个统一的口径下,更好地借鉴国外都市区发展的成功经验,指导国内都市区的发展。基于此,本文首先梳理了美国、日本、英国和法国的都市区相关概念及界定标准,并利用手机信令数据,参照国外标准,根据中心与外围地区的通勤联系划分上海都市区。在此基础上,考虑到国内外的差异,探索利用消费联系作为都市区划分的辅助指标,并结合通勤联系进一步划分都市区。最后将划分结果同国外都市区进行了对比。

  2 国外都市区划分实践

  2.1 美国大都市统计区

  美国是最早提出大都市区概念的国家,早在1910年,美国人口普查局就提出了大都市地区(Metropolitan District)概念,其内涵比较接近城市连片建成区。自20世纪中叶开始,美国出现了大规模由郊区向城市中心通勤的人口,这种跨区域现象的产生使得城市不能简单通过其行政边界来界定,必须有能够反映这种经济联系的概念,大都市区正是在这一背景下产生。1949年,美国管理和预算局(The United States Office of Management and Budget,OMB)定义了标准大都市区(Standard Metropolitan Area,SMA),该标准经过多次调整,2003年,新的“基于核心的都市统计区”(Core Based Statistical Area,CBSA)标准发布(表1),之前的标准都不再使用。核心统计区根据中心的人口规模又可以进一步分为大都市统计区(Metropolitan Statistical Area,MSA)和小都市统计区(Micropolitan Statistical Area,μSA)。在此基础上,地域上邻近且双向通勤率或“就业交换指数”(Employment Interchange)之和达到15%的若干个大都市统计区和(或)小都市统计区可以构成一个联合统计区(Combined Statistical Area,CSA)[28]。

  

  2.2 日本大都市圈

  日本的都市区标准与美国一脉相承,习惯上称为都市圈。日本官方采用的都市圈界定标准是日本总务省(Ministry of Internal Affairs and Communications,MIAC)于1975年制定的标准(表2)。根据中心城市的性质和人口规模,日本的都市圈可分为大都市圈(Major Metropolitan Area,MMA)和一般都市圈(Metropolitan Area,MA)。其中大都市圈11个,一般都市圈3个。富田和晓等[2]学者将前往东京都23区或其他政令指定市的通勤的人口占总就业人口5%以上的区域定义为大都市圈(表2)。东京大都市圈是日本最大的都市圈,根据划定标准的不同,东京大都市圈有“东京大都市圈”、“一都三县”和“关东大都市圈”等不同的称谓①,其范围也各不相同(图1)。

  

  金本良嗣等[5]在总结相关概念的基础上提出了都市雇佣圈(Urban Employment Area,UEA)标准(表2)。都市雇佣圈根据中心地区人口规模可进一步划分为大都市雇佣圈(Metropolitan Employment Area,MEA)和小都市雇佣圈(Micropolitan Employment Area,McEA),这个标准与美国的核心统计区(CBSA)较为相似,但使用较少。

  2.3 其他国家的都市区标准

  法国的都市区标准与上述国家类似,首先界定一个核心地区(Ville-Centre)及其郊区(Banlieue),两者构成一个城市中心(Pole Urbain),向城市中心通勤率超过40%的地区构成外围通勤带(Couronne Périurbaine),城市中心和外围通勤带共同构成一个都市区(Aire Urbaine)。法国最大的12个都市区(Aire urbaine)称为Aire Métropolitaine,习惯上称为大都会区,如巴黎大都会区、里昂大都会区等。

  

  图1 东京大都市圈

  Fig.1 Tokyo metropolitan area

  英国与都市区类似的概念是TTWA(travel to work area),TTWA标准由英国国家统计局(Office for National Statistics,ONS)制定[29],定义如下:如果在一个地区居住的劳动力人口中至少有75%在这个地区工作,并且在这个地区工作的人口中75%也在这个地区居住,同时这个地区的工作人口至少达到3500人,那么这个地区就可以被定义为一个TTWA。如果某个地区符合上述条件且工作人口达到25000人,那么上述的75%标准可以降低到66.7%。该定义相当于中心城及周边的“职住平衡区”,与都市区概念较为接近。

  2.4 国外都市区划分方法总结

  纵观美国、日本、法国等西方国家对都市区(圈)的定义,可以看出,虽然彼此之间在界定的标准上存在一定的差别,但概念的核心内涵是一致的,即主要包括3个方面的内容:中心城市、外围地区以及中心与外围之间的功能联系,而功能联系就是中心与外围的通勤联系,具体到指标上,即外围地区与中心城之间的单向或双向通勤率。因此,从本质上说,大都市区是功能区域的一种形式[7],在内涵上即通勤区。而国内由于统计数据的缺失,相关学者划分都市区一般基于“地区属性”,如人口规模、人口密度、城镇化水平等,或者采用物资流、信息流、交通流等代替通勤流,物资流、信息流、交通流等都是反映城市间功能联系的重要指标,相关研究[24-25,30-32]也是理解城市间功能组织的重要成果,但研究成果多为宏观层面城市与城市之间的联系,而都市区是相对中微观层面的、通过人口和劳动力的日常流动构成的一体化功能区域。因此,国外一般通过人口普查或交通普查中的职住地信息来划分都市区,几乎不存在采用物资流、信息流、交通流的特例。而国内的人口普查数据中恰恰是不包含就业地信息的,因此产生了诸多替代性方案,而本文所使用的手机信令数据,可以识别出用户的职住地信息,能够辅助国内都市区的划分。

  3 研究思路和数据来源

  3.1 研究思路与技术路线

  本文利用手机信令数据,参照国外都市区划分标准,根据中心城与外围地区的通勤和消费联系,构建划分标准,划分上海都市区。

  采用消费联系作为都市区划分的辅助标准,主要出于两方面考虑:①中心城不仅是就业中心,同时也是商业中心,中心城与外围地区的联系除了工作性的通勤出行外,还有大量的消费休闲出行②,包括购物、休闲、就医等活动,两者可在一定程度上形成互补,共同反映中心城与外围地区的联系。②手机信令数据除了可以识别出通勤出行外,还可以识别出消费休闲出行,这也是手机信令数据的优势所在。值得一提的是,在都市区边界划分的相关研究中,从未出现过消费联系这一标准,一方面由于相关数据较难获取,另一方面由于消费联系受到的重视程度不如通勤联系。所以,本文尝试采用消费联系作为辅助标准划分都市区,以更加全面反映中国城市内部联系的实际。

  根据研究思路构建研究的技术路线(图2)。中心和外围通过通勤和消费行为进行联系,以通勤联系和消费联系构建都市区划分指标。通勤和消费联系都具有方向特征,因此构建的划分指标包括内向、外向和双向通勤率或消费率。内向通勤率(即外围地区至中心城通勤率,W_1)是指外围地区所有具有稳定居住地和工作地的人口③至中心城内工作的比例,外向通勤率(即中心城外出通勤率,W_2)是指中心城内具有稳定居住地和工作地的人口至外围地区工作的比例,双向通勤率(W_3)是内向通勤率和外向通勤率之和。同理,定义内向消费率(S_1)、外向消费率(S_2)和双向消费率(S_3)④。根据通勤指标,参照国外标准,划分基于通勤联系的上海都市区,其次,将消费联系作为辅助标准,对划分结果进行调整。

  

  图2 技术路线

  Fig.2 Research framework

  3.2 研究区概况

  本文将上海市外环以内地区定义为“中心城”,其他地区定义为外围地区。外环是上海市传统意义上的中心城,虽然近十几年来由于城市建设的快速发展,外环与周边地区早已形成高密度连片建成区,但考虑到外环以内地区集聚了上海最主要的就业中心和商圈,常住人口和就业岗位密度都远远高于外环以外地区,是一个相对稳定的区域,因此本文中仍然将外环以内地区作为中心城。2010年,上海市中心城面积673.84,只占上海市市域面积的10%左右,但常住人口数量却达到了1139.77万,约占上海市常住人口的50%,常住人口密度达到1.69万人/,是外围地区的近9倍,就业人口⑤密度达到5000人/,是外围地区的近8倍(表3)。同时,本文采用街道作为都市区划分的基本单元,由于外环将部分街道切割,因此将主要建设用地位于外环以内的街道作为中心城,共98个,其余街道作为外围地区,共132个(图3)。

  

  图3 上海市中心城示意图

  Fig.3 Center of Shanghai

  

  3.3 数据来源与处理方法

  本文所采用数据为2014年上半年某两周连续的上海移动2G手机信令数据。数据为匿名形式,每条信令数据包含用户ID、时间戳、基站位置编号、信令类型(如接打电话、收发短信、位置更新)等信息。日均记录到1600万~1800万个不同的手机识别号,日均信令记录总数为6~8亿条,记录时间间隔约1~2 h。与传统数据和其它大数据相比,手机信令数据的突出价值在于其近似全样本性、全时性,以及借助定位基站而附带的空间信息,可以较好地反映人们总体的时空间行为规律。

  数据处理分为3步:①识别用户职住地,相关方法可参考王德[33]和钟炜菁等[34]的研究,本文不再赘述。②识别用户的消费休闲出行,相关识别方法可参考晏龙旭等[35]的研究。最后得出具有稳定居住地和工作地的用户752万人,约占手机数据识别的上海常住人口的45%,共提取双休日消费休闲出行总计约444万条记录。③根据用户的居住地、工作地和消费休闲目的地之间的空间关系,计算上述6大类指标,构建划分标准,划分上海都市区。

  4 上海都市区边界划分

  4.1 基于通勤联系的上海都市区

  通勤联系指标包括内向通勤率(W_1)、外向通勤率(W_2)以及双向通勤率(W_3)。通勤联系各项指标的空间分布存在明显的距离衰减规律,越远离中心城各项指标越低(图4)。在衰减规律上,内向通勤率的衰减趋势强于外向通勤率(图4a、4b),中心城10~20 km范围内,内向通勤急剧下降,30 km范围以外,内向通勤率衰降至2%以下——即只有不到2%的居民在中心城内就业。中心城30 km范围内,内向通勤率高于外向通勤率(图4d),说明在这一距离区间内,中心城对外围地区具有绝对吸引力。超过30 km范围后,中心城至部分外围地区的外向通勤率会高于内向通勤率,主要是一些就业岗位较为集中的工业园区,如嘉定工业园区、长兴岛、金山石化、临港地区等工业区。

  从国外的都市区划分实践中可以看出,外围地区至中心城的通勤率是都市区划分的核心指标,因为它既可以体现中心城作为一个就业中心的定位,也可以体现中心与外围的经济联系,因此在都市区划分标准的构建中,外围地区至中心城的通勤率是首选指标。在指标阈值的确定上,一方面根据指标的距离衰减规律,2%左右是一个变化的临界点;另一方面,手机数据识别的是“有稳定工作地的常住人口”⑦,即实际劳动人口,年龄上可能超过64岁,其数量很可能超过一般的劳动年龄人口(15~64岁)。参考日本都市区划分标准(表2),富田和晓定义的是劳动年龄人口,通勤率标准为5%,总务省定义的是所有15岁以上人口,通勤率标准为1.5%,手机数据识别的实际劳动人口介于这两者之间,因此最终确定单向通勤率采用2%作为阈值,双向通勤率采用3%作为阈值。提出的划分标准如表4所示。

  根据以上3个标准划分的基于通勤联系的上海都市区面积约2000~2500,人口约1700万~1800万人。空间范围上,上海都市区至少包含中心城周边20 km以内区域以及松江新城,说明松江新城与上海市中心城区的联系最为紧密。其余新城中,嘉定新城、青浦新城、南桥新城都有出现(图5)。长兴岛、金山石化、临港工业区等作为上海市内的重要制造业基地,吸引了大批中心城就业者,外向通勤率较高,因此根据标准2和3这些地区都被划入上海都市区。

  

  图4 中心与外围通勤联系指标分析

  Fig.4 Analysis of commute interchange index between urban core and surrounding territories

  4.2 基于消费联系的上海都市区范围调整

  根据本文的研究思路,考虑在通勤联系的基础上,采用消费联系作为都市区划分的辅助标准,结合通勤联系进一步划分上海都市区。消费联系指标包括内向消费率(S_1)、外向消费率(S_2)以及双向消费率(S_3)。内向消费率同样存在着距离衰减规律(图6),但变化较通勤率更平缓,说明消费休闲出行这类活动弹性相对较大,而都市区是一个相对稳定的空间单元,因此消费联系率适合作为划分都市区的辅助指标,主要指标仍然是通勤联系。外向消费率的距离衰减规律相对不太明显,主要是上海市外围地区存在很多旅游休闲目的地,如崇明岛、朱家角古镇、滨海度假区等,这些地区会吸引很多中心城的用户,导致外向消费率较高。

  在通勤率的基础上,加入消费联系作为辅助标准,构建基于消费联系的上海都市区调整准则(表5)。如前所述,在国内外都市区边界划分的相关研究中,从未出现过消费联系这一标准,因此,在构建指标及选取阈值的时候,主要参考的是消费率随距离变化的规律,选取主要转折点作为阈值。同时,将内向通勤率标准适当降低,降至1%,以此作为基准,加入消费联系指标,形成表5中的4和5修正准则。

  

  

  图5 基于通勤联系的上海都市区

  Fig.5 Shanghai metropolitan area based on commuting link

  经过标准4与5的调整,得到的区域范围内人口1873.16万人,约占上海市常住人口的81%;面积2840.03,这一空间范围约为以人民广场为中心的40 km半径区域,除中心城周边地区以外,还包括松江新城、嘉定新城、青浦新城、南桥新城部分地区、长兴岛、金山石化、临港工业区、惠南地区等。都市区范围整体上连续,存在长兴岛、南桥新城、金山石化、临港工业区等若干飞地。而根据美国、日本等国家对都市区的界定,一般都要求地域上相邻,因此划分结果中的金山石化和临港工业区等几块飞地不纳入都市区范围,而长兴岛由于水域的阻隔,仍认为是相邻地域而纳入都市区范围,因此最终确定的都市区范围内人口1867.16万人,面积2738.88,都市区范围如图7所示。

  上海都市区整体上呈现东西略长、南北略窄的形态,与东京大都市区接近同心圆形态有所不同。值得一提的是,由于本文所使用的手机信令数据仅限于上海市域范围以内,因此无法定量测度周边苏州、嘉兴、南通等地与上海市的联系。但从划分结果来看,都市区南北边界与上海市域边界尚有一定距离,因此嘉兴与南通不可能进入上海都市区范围。西部已有3处延伸至边界,其中昆山花桥镇有地铁11号线连接市区,是唯一有可能进入都市区的地区。但单程仍有1个多小时,大部分通勤者的就业地在嘉定地区,真正在中心区工作的通勤人数应该不会多。这些都是推测,未来如果有覆盖范围更广的数据,可对这一疑点进行验证,对本文研究结果进行修正。

  

  图6 中心与外围消费联系指标分析

  Fig.6 Analysis of recreation interchange index between urban core and surrounding territories

  

  4.3 国内外都市区差异

  将划分结果与国外大都市区进行比较。东京是上海2035城市总体规划中所提出的“全球城市”的重要对标城市,东京大都市区发展的成功经验值得上海借鉴。东京大都市圈面积约1.35万,人口约3612万,都市区范围远远超出城市自身的行政边界,是全世界最大的都市区。在区县层面汇总后的上海都市区面积约4096,人口约2050万,都市区范围未超出自身的行政边界(表6)。

  日本的都市圈标准中仅采用内向通勤率,为便于比较,仅采用内向通勤率这一指标,即外围地区至中心城⑧通勤率。从对比图上可以看出(图8),外围地区至东京都区部通勤率高于5%的地区构成的范围半径超过70 km,而至上海中心城通勤率超过1%的地区构成的范围半径不到40 km,在空间范围上与东京大都市区相差甚远。

  在空间结构上,两者也存在差异。上海自中心城向外的通勤率距离衰减变化极快,而东京自区部向外通勤率缓慢降低(图9)。两者在空间范围和空间结构上的巨大差异,一方面说明简单套用国外标准划分国内都市区可能并不恰当,另一方面也说明国内外的实际情况差异较大,需要适合中国国情的都市区划分标准。

  

  图7 上海都市区划分结果

  Fig.7 Delimitation of Shanghai metropolitan area

  

  5 结论与讨论

  本文利用手机信令数据,参照国外标准,根据中心与外围的通勤联系划分上海都市区,在通勤联系的基础上,进一步根据消费联系划分上海市都市区。划分结果显示,上海市中心城的都市区人口1867.16万人,约占上海市常住人口的81%,面积2738.88,包括中心城及周边地区、松江新城、嘉定新城、青浦新城、南桥新城部分地区、惠南地区、长兴岛等,整体上并未超出市域边界。都市区呈现东西略长、南北略窄的形态,与东京大都市区接近同心圆形态有所不同。对于本文的数据、方法以及划分结果,有几点值得讨论。

  (1)本文所使用的手机信令数据相对于交通调查成本低,其精度在100 m至2000 m不等,对于都市区界定这样的宏观研究绰绰有余。如果数据充足,在其他城市的可重复性也较强,划分结果既可以在不同城市同一时间节点进行横向比较,也可以在同一城市不同时间节点进行纵向比较。

  (2)本文的研究方法主要参考国外都市区划分标准,采用通勤率划分都市区。同时,在通勤率的基础上,采用消费率作为辅助标准,进一步划分都市区。采用消费率主要基于中心城的商业中心特征、人的活动构成、中外城市差异以及手机信令数据优势的综合考虑,虽然以往的研究中并未出现过消费率作为都市区划分指标的情况,且本次研究只是一个个案,但这不失为一种有益的尝试。“通勤率+消费率”的指标组合,有可能指导国内都市区的边界划分,但需要更多城市的验证。

  (3)相关的研究或规划案例中,多有提到诸如“上海都市区”“上海核心都市区”等概念。孙斌栋等[36]将上海市除崇明三岛以外的地区作为上海都市区,但未经过严格界定。张欣炜[37]通过地铁刷卡数据的分析,划分了“上海核心都市区”,与本文的都市区在概念上较为接近,都是以通勤联系为主测度地区之间的联系,划分结果与本文的结果较为类似,虽然使用的方法和数据与本文均不相同,但可以从一个侧面说明本文的划分结果具有可信度。

  (4)划分结果显示,上海都市区并未超出上海市域范围。对此需要说明的是,本文所用数据仅限于上海市域范围以内,因此无法定量测度周边地区与上海的联系。本文认为,嘉兴和南通虽然与上海市紧密相邻,但是其联系程度还不足以构成一个都市区,虽然无法定量测度,但从划分结果可以看出,都市区南北边界离市域边界尚有一定距离。唯一有可能被纳入上海都市区的是苏州昆山花桥镇,但应该仅限于11号线站点覆盖的小部分地区,不会超出市域范围太多。当然这些都是推测,未来如果有覆盖范围更广的数据支持这一推测,可对本文研究结果进行修正。

  

  图8 东京和上海中心城通勤率

  Fig.8 Commuting index to central city of Tokyo and Shanghai

  

  图9 上海与东京都市区通勤率变化对比

  Fig.9 Comparison of commuter rate of Shanghai and Tokyo metropolitan areas

  研究本身还存在几点不足。首先,利用手机信令数据识别用户的居住地、工作地和消费休闲目的地虽然程序上较为简单,且相对于交通调查而言几乎不存在成本,但识别结果的可靠性还需要进一步验证。其次,由于缺乏数据,目前的研究仅限于上海市内,暂未在其他城市进行尝试,都市区划分标准的提出应建立在许多城市划分实践的基础上,需要更多的城市进行验证。

  ①图中所示总务省标准又称为关东大都市圈,是根据官方定义划定的范围。富田和晓标准是指向东京都23区通勤人口占总就业人口5%以上地区构成的区域。一都三县是东京大都市圈的大致范围,是在“县”一级汇总后的结果,包括东京都、千叶县、神奈川县和埼玉县,一都三县概念的使用较为广泛。

  ②利用手机信令数据识别的消费休闲出行是指用户出行频率较低、停留时间较长的出行,包括消费休闲活动及一般的办事活动,如就医、探亲访友等,是广义的消费概念,在本文中简称消费联系。在内涵上属于非工作的生活性出行。

  ③利用手机数据识别的常住人口。

  ④内向消费率(S_1)是指外围地区所有具有稳定居住地和工作地的人口中发生消费休闲行为的人群至中心城内消费的比例。外向消费率(S_2)是指中心城所有具有稳定居住地和工作地的人口中发生消费休闲行为的人群至外围地区消费的比例。双向消费率(S_3)是指内向消费率与外向消费率之和。

  ⑤利用手机数据识别的就业人口。

  ⑥纵坐标通勤率的对数指的是通勤率百分数的对数,即ln(通勤率*100),而不是ln(通勤率),消费率的对数同理。

  ⑦少量没有稳定工作地的就业人口不包含在内,由于这部分总数较少,对结果影响不大。

  ⑧东京都市区的中心城为东京都区部23区。

参考文献

[1]周一星.城市地理学.北京:商务印书馆,1995.

[2](日)富田和晓,藤井正著.王雷译.新版图说大都市圈.北京:中国建筑工业出版社,2015.

[3]罗海明,汤晋,胡伶倩,等.美国大都市区界定指标体系新进展.国外城市规划,2005,20(3):50-53.

[4]孟晓晨,马亮.“都市区”概念辨析.城市发展研究,2010,17(9):36-40.

[5]金本良嗣,德冈一幸.日本の都市圈設定基準.应用地域学研究,2002(7):1-15.

[6]姚士谋,周春山,王德,等.中国城市群新论.北京:科学出版社,2017.

[7]洪世健,黄晓芬.大都市区概念及其界定问题探讨.国际城市规划,2007,22(5):50-57.

[8]张从果,杨永春.都市圈概念辨析.城市规划,2007,31(4):31-36,47.

[9]周一星,史育龙.建立中国城市的实体地域概念.地理学报,1995,50(4):289-301.

[10]胡序威,周一星,顾朝林,等.中国沿海城镇密集地区空间集聚与扩散研究.北京:科学出版社,2000.

[11]周一星.城市研究的第一科学问题是基本概念的正确性.城市规划学刊,2006(1):1-5.

[12]宁越敏.中国都市区和大城市群的界定:兼论大城市群在区域经济发展中的作用.地理科学,2011,31(3):257-263.

[13]张欣炜,宁越敏.中国大都市区的界定和发展研究:基于第六次人口普查数据的研究.地理科学,2015,35(2):665-673.

[14]顾朝林.中国城市经济区划分的初步研究.地理学报,1991,46(2):129-141.

[15]罗海明,甄峰.长江三角洲大都市区划分研究:兼论中美大都市区界定指标体系的比较.人文地理,2005,20(4):9-14.

[16]孙胤社.大都市区的形成机制及其定界:以北京为例.地理学报,1992,47(6):552-560.

[17]王国霞,蔡建明.都市区空间范围的划分方法.经济地理,2008,28(2):191-195,249.

[18]Luo Shougui,Johnston A,Chen Dongchun.Approach to delimiting metropolitan regions' boundary and grading urban hierarchy within a metropolitan region:A case study of Shanghai metropolitan region.Chinese Geographical Science,2008,18(3):197-205.

[19]孙娟.都市圈空间界定方法研究.城市规划汇刊,2003(4):73-77,96.

[20]程云龙,刘小鹏,刘泓翔,等.都市圈空间界定方法的应用研究:以成都都市圈为例.城市发展研究,2011,18(8):64-67,81.

[21]Liu Lichen,Dong Xiaofeng,Chi Shouqian.Quantitative delimitation of metropolitan areas based on a synthetic method:Case study in the Lanzhou metropolitan area.Journal of Urban Planning and Development,2010,136(4):357-364.

[22]王丽,邓羽,牛文元.城市群的界定与识别研究.地理学报,2013,68(8):1059-1070.

[23]潘竟虎,石培基,董晓峰.中国地级以上城市腹地的测度分析.地理学报,2008,63(6):635-645.

[24]李涛,周锐.长三角地区网络腹地划分的关联测度方法比较.地理学报,2016,71(2):236-250.

[25]唐子来,李涛.长三角地区和长江中游地区的城市体系比较研究:基于企业关联网络的分析方法.城市规划学刊,2014(2):24-31.

[26]钮心毅,丁亮.利用手机数据分析上海市域的职住空间关系:若干结论和讨论.上海城市规划,2015(2):39-43.

[27]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.城市规划,2015,39(9):100-106.

[28]Office of Management and Budget.2010 Standards for Delineating Metropolitan and Micropolitan Statistical Areas.Washington D C:Office of Federal Register,2010.

[29]Office for National Statistics.Office for National Statistics.Travel to Work Area Analysis in Great Britain.London:Office for National Statistics,2016.

[30]甄峰,王波,陈映雪.基于网络社会空间的中国城市网络特征:以新浪微博为例.地理学报,2012,67(8):1031-1043.

[31]赵渺希,吴康,刘行健,等.城市网络的一种算法及其实证比较.地理学报,2014,69(2):169-183.

[32]席广亮,甄峰,张敏,等.网络消费时空演变及区域联系特征研究:以京东商城为例.地理科学,2015,35(11):1372-1380.

[33]王德,朱查松,谢栋灿.上海市居民就业地迁移研究:基于手机信令数据的分析.中国人口科学,2016(1):80-89,127.

[34]钟炜菁,王德,谢栋灿,等.上海市人口分布与空间活动的动态特征研究:基于手机信令数据的探索.地理研究,2017,36(5):972-984.

[35]晏龙旭,张尚武,王德,等.上海城市生活中心体系的识别与评估.城市规划学刊,2016(6):65-71.

[36]孙斌栋,魏旭红.上海都市区就业:人口空间结构演化特征.地理学报,2014,69(6):747-758.

推荐10篇