量化15分钟城市︱《自然》子刊：数据揭秘15分钟城市背后的社会动态与挑战（下）

February.22 2024

一览众山小

可持续城市与交通

The 15-minute city quantified using human mobility data

以人类移动设备数据来量化的15分钟城市

《自然》杂志子刊文章

>一览众山小<

>可持续城市<

>与交通<

2024

一览众山小

团队简介

原文/Timur Abbiasov, Cate Heine, Sadegh Sabouri,

Arianna Salazar-Miranda, Paolo Santi

Edward Glaeser & Carlo Ratti

翻译/ 陈彩铷、王思羽、西多、余铭航、戴飞扬

编辑/众山小    排版/众山小

校核/众山小    文献/众山小

导读

在交通拥堵和交通排放不断增加的情况下，政策制定者正在推行"15分钟城市"模式，从而让人们可以在离家不远的地方步行满足日常基本需求。本文作者利用来自4000万台美国移动设备的GPS数据，引入了新的一种本地出行行为测量方法来对“15分钟城市”模式展开量化研究。本文为下半部分，作者先讨论了使用新测量方法后，在人口流动方面取得的新发现：15分钟模式在减少日常需求出行的同时，也可能加剧了社会隔离现象；再为读者系统性介绍了新测量方法的设计思路、分析方法与数据源。

一览众山小为您提供本文英文原文下载（参考文献1，请后台留言下载）

“

续上文

四、当地生活与社会隔离之间的权衡

尽管从环境的角度看，限制城市内的人口流动似乎在本质上是有益的，但对弱势社区而言，减少跨越社区之间的流动可能会加剧其社会隔离。美国城市内的种族隔离往往是因为受到用地控制和限制性契约的影响。长期以来，这一直阻碍着黑人向白人为主的地区迁移。鼓励当地人口流动的政策也可能会无意中限制不同种族和收入群体之间交流和交易的机会，从而进一步削弱经济流动的可能性。

为了分析上述情况，我们为每个城市的每个社区创造了一个统一的衡量标准，以便评估经验性的收入隔离。所衡量的数据反映了社区居民在日常出行中与来自不同收入群体的个体接触程度。在研究周期内，我们的数据集中的每个用户都被指定为其所在社区的中等收入者，同时，我们计算了这些指定社区居民与其在相同兴趣点相遇的人之间的平均收入差距。尽管我们的数据并未考虑人际互动（个体可能在同一天的不同时间出现在同一家杂货店，甚至同时出现在杂货店但未发生互动），但我们确实捕捉到了处于同一地理位置或协同定位的情况，而这些已经被证明是产生互动的可靠证据。这些信息可以作为不同社区居民在他们的日常相遇中所体验到的收入多样性（或缺乏收入多样性）的指标。我们的研究方法遵循Xu的指导，并在研究方法章节进行了详细说明。

▲图6、当地出行行为和经验性隔离

a 四种不同收入水平的社区中经验性隔离与15分钟可达性的相关性

b 四种不同收入水平的社区中经验性隔离与15分钟使用率的相关性

c 不同收入平的十分位数社区居民在短途（小于15分钟）及长途（大于15分钟）出行中的经验性隔离

箱线图显示了平均值，以及第10个，第25个，第75个，和第90个百分位数。在图a、b中，四种收入水平从低到高分别对应社区数量n=41998、37676、34299、31890。图c中，距家不到15分钟的行程，n=124656个社区;距家超过15分钟的行程，n=145855个社区。（注意：在我们的数据集中，有21119个人口普查的社区在15分钟内没有出行）

据图6a和6b所示，在不同收入水平的四类社区之间，我们的经验性隔离指数以跨社区的15分钟步行范围内的可达性和使用率作为对照变量。据图所示，对中高收入和高收入社区的居民来说，15分钟的使用率与经验性隔离呈现负相关。具体来说，随着当地人员流动增加，高收入社区的居民会体验到更丰富的社会交往。但对于低收入社区的居民而言，则是相反的趋势。随着低收入社区的当地使用率从最低转向最高，经验性隔离提高了5.4%（从71.4上涨到75.2）。通过回归分析，补充表格7显示了对这一关系定量分析的结果：使用率每增加一个单位，物理隔离指数就增加0.071个单位（第3栏）。在使用率最高的15个城市范围内，随着使用率的增加，经验性隔离指数增加了两倍多。其中，使用率每增加一个单位，物理隔离指数就增加0.164个单位（第1栏）。

▲补充表格7、不同收入水平社区的当地出行和经验性隔离之间的关系

注：该表格报告了OLS模型对经验性隔离与15分钟使用率（第1列至第3列）和可达性（第2列至第4列）之间关系的估计。我们提供了15分钟使用率最高的15个城市社区以及样本中所有社区的估计值。该表报告了与低收入社区（城市地区收入的最低四分位数）、中下收入社区（第二四分位数）、中上收入社区（第三四分位数）和高收入社区（最高四分位数）虚拟变量交互的估计值。稳健标准误在城市区域层面进行聚类计算。带有***的系数表示在1%的置信水平下是显著的，带有**的系数在5%的置信水平上是显著的，*则表示在10%置信水平下是显著的。所包含的P值使用稳健标准误，用于对应每个双样本t检验的估计值。

15分钟步行出行的比例与较不富裕社区居民的隔离指数呈正相关。这表明，相对于较短的步行出行，这些个体更有可能在更长时间的出行过程中接触到社会经济多样化的群体。这一趋势在图6c中有所体现。图中分别呈现了不同收入十分位数社区的居民在长途和短途外出中经历的隔离情况。对于低收入社区的居民而言，长途的旅程减少了16.7%的经验性隔离，而高收入社区的居民在距离家更远的长途旅程中，其经验性隔离仅减少了8.2%。这种差异强调了平衡当地生活和（社会）隔离之间的重要性。这种平衡对于低收入社区而言尤其重要。

据补充表格7的回归分析以及图6显示，较不富裕社区居民之间的经验性隔离的具有显著差异（P<0.001）。我们预估的结果与图6一致。在四个收入等级中，收入最低社区的居民的当地出行和经验性隔离之间呈现正相关，而最高收入的社区的居民则是负相关。即使在考虑城市固定效益的情况下，这些差异也依然存在。同时，可以从第2列和第4列得出，当我们将经验性隔离的衡量指标回归到当地便利设施的可达性，而不是15分钟使用率时，其结果也是相似的。

当我们在社群人口普查的收入分布中，对访客的收入赋值进行评估，而非依赖于社群的平均收入时，我们发现了相似的结果。该衡量指标（访客的收入）与我们的主要隔离指标之间的皮尔逊相关系数为0.57。我们主要的分析集中于指定兴趣点的相遇。但当我们将范围扩大到涵盖所有兴趣点时，两个衡量指标之间仍然存在很强的相关性（皮尔逊相关系数为0.981）。这表明选择特定的兴趣点并不会影响我们的研究结果。

“

讨论

针对美国城市地区，本文对当地生活进行了大规模评估，探究了其潜在的社会和环境影响。我们利用了大量移动GPS数据追踪，在离家步行可达范围内调查了便利设施的使用情况。

在超过400个美国城市地区中，我们在当地社区层级的层级上提出了一个当地生活指数，也被称为“15分钟使用率”指数。这被定义为离家15分钟步行范围的出行比例。预期中，该指数将成为指导环境导向的政策干预的关键起点。据该指数显示，当下美国城市地区并未达到理想的15分钟生活：美国城市居民使用当地基本日常设施的中位数仅占日常出行的14%。并且在美国内部仍存在着实质性的地域和社会经济差异。比如说，有更高比例的低收入居民和生活在美国东北部的人群都会使用当地基本便利设施。这意味着这些地区可能更容易接受与当地生活相关的政策及干预措施。

我们发现在离家15分钟的步行范围内，便利设施的可达性和使用率有很强的相关性。这为15分钟城市模型中的基本前提：当地生活取决于当地设施的可达性，提供了初步验证。此外，我们的研究结果表明，1961年商业分区更为宽松的地区在现在有更高比例的出行。这表明地方分区法规决定了附近便利设施的使用水平。而这对于那些有意增加当地出行的倡导者来说，更为灵活的地方分区将成为一个天然的政策调节方式。

在本文的最后一个章节，当两者之间的权衡倾向于促进当地生活的情况下，我们研究了其可能存在的一个劣势。我们检验了一个有关于城市居民的猜想：在他们日常生活中，如果离家越近，则其与不同群体接触的可能性就越小，进而加剧了社会经济隔离。我们发现仅针对低收入居民来说，更频繁的当地出行和具有更好可达性的便利设施都与更高程度的经验性隔离相关。这大概是因为在大多数城市中，与高收入居民有社会性互动的机会都发生在距离低收入社区很远的地方。

该研究加深了我们对城市出行模式的认知，并且强调了移动数据在解决城市环境和可持续发展问题中的重要性。总体而言，我们的研究结果表明，如果“15分钟城市”的规划战略可以成功提高可达性，就能显著地减少出行距离。然而，我们也从我们的数据集中发现，这些政策可能会无意中加剧较不富裕群体的社会隔离。这意味着，想要从“15分钟城市”中获得环境和社会效益，美国城市促进当地生活的政策应该与为社会混合创造机会的措施相结合，如提供补贴性住房或者强制要求公共空间能满足不同人群的需求。

在了解人们如何使用城市的过程中，我们很难通过较小规模的出行调查或交通模型发现这样的权衡。而这同时也凸显了利用大规模的行为数据的价值。然而，对于规划者而言，这些研究的具体实践有一定的挑战性。例如分区，土地使用法规和商业许可等规划政策往往不会直接影响可达性。此外，这些政策的实施可能面临当地的阻碍，特别是像邻避效应等因素。尽管如此，我们的研究还是提供了一个简明的实证框架，可以用于评估城市的干预政策能否促进其可持续的流动并且缩短出行时间。

值得一提的还有一些局限性和未来可能的延伸研究。15分钟城市概念的核心思想是每个人都应该能在短时间内以可持续的通勤方式到达基本的社会功能场所。在分析过程中，我们并没有将工作场所纳入考量。但是，鉴于一些兴趣点可以同时满足工作和消费的需求，我们的数据库也包括了与工作相关的出行。此外，因为收集的数据基于社区层面，我们无法从其中推断出个体的出行方式。因此，我们只能衡量步行距离内的出行潜力，并无法最终确定人们是否真的通过步行来满足日常需求。此外，我们仅研究了基于社区群体平均收入的经验性隔离。进一步分析可以考虑种族和族裔隔离，或考虑社区内群体的收入分布，以避免忽略社区内群体的多样性。停留时间的分析对于（社会）隔离分析也有一定的参考价值。将访问不同兴趣点的时长纳入分析，将有助于更加真实地了解社会经济群体之间的接触情况。最后，我们在纽约进行的分析表明，便利设施的可达性和当地使用率之间存在关联，但我们无法完美地解释社区居民的潜在分类。此外，由于不同的区域规划限制和密度指标，这些研究成果在美国其他地区的直接适用性可能会受到限制。因此，这些结果更适用于受类似区域规划影响形成的较大的城市环境。进一步研究这些较低密度地区或者完全不同的受监管区域的动态变化很有必要。

“

分析方法

测量15分钟的使用指数和可达指数

为了对15分钟的步行半径进行分析，利用Openrouteservice提供的接口服务，我们提取了15分钟的步行等时线。Openrouteservice是一个开源的地图平台，它利用了来自OpenStreetMap中由大量志愿者上传并更新的街道网络数据。利用步行的轨迹数据，我们生成了基于步行街道网络的步行等时线。该平台假设行人步行速度为每小时5公里。

OpenStreetMap的街道网络的完整性，特别是在人口密集的城市地区和美国境内，已经得到了证明。事实上，当考虑步行路径时，它在完整性方面可能超过US Census TIGER/LINE的数据。然而，值得注意的是，在城市化程度较低的地区，OpenStreetMap街道网络数据的完整性往往会下降，这可能导致在较小的城市或大城市的边缘地区，步行等时线可能会存在一定的误差。

为了计算特定街区组的使用指数，我们首先选取了该区域内所有属于我们选定的类别内的POI点位。然后计算该街区组内居民前往街区组的15分钟步行区内所有POI的总次数，并除以该街区内居民在当地出行的总次数。如果一个给定的街区组的居民在我们的数据中没有出行，他们的使用指数值为0。

为了将我们的使用指数汇总到城市地区水平，我们采用如下的人口加权平均值：

其中，A表示一个城市区域，{a∈A}表示A中包含的所有街区组a。

为了计算一个给定街区的可达指数，我们将步行区域数据与我们数据中的POI位置叠加，从而确定每个街区组的15分钟步行范围内可达的各个类别生活便利设施的数量。然后，我们将每一项生活便利设施的总数按分类转换为所有人口普查街区组的百分位数，为每个街区组、每个设施类别给出一个介于0到100之间的值。然后，我们通过计算在数据集中访问该类别的总百分比，为每个类别构建相对权重。这么做的原因是，对当地生活来说，人们更频繁使用的地方，比去人们很少去的地方更重要。最后，我们构建了如下的到达指数:

我们的指数与每个15分钟到达范围内的的POI原始计数高度相关（斯皮尔曼相关系数为0.963），也为可达性高、但数量较少的设施类别分配了适当的权重。例如，我们的数据集显示，一个街区组内平均拥有22.96家餐厅和2.63所学校。如果我们纯粹根据总数来评估到达指数，餐厅将具有较高的影响力，然而，对于使用它们的个人来说，学校是日常生活中不可分割的一部分，经常每天都会访问。因此，可能在15分钟的步行半径内增加一所学校，比多开一家餐厅更有影响力。我们的到达指数的计算方法承认了这一重要性。

与使用指数类似，为了将我们的可达性指数汇总到城市地区水平，我们取了人口加权平均值如下：

“

数据源描述

SafeGraph数据。这项研究中使用的数据来自SafeGraph公司，该公司从美国大约10%的智能手机中收集匿名位置数据。过往的研究已经讨论了该数据集的代表性：总体上，当跨大范围的地理单元进行聚合时，它在人口统计学和空间上是相对平衡的。例如，Li等人证明了在不同地理聚集级别上设备数量与人口之间的强相关性(对于县级r2=0.97，对于地块r2=0.47，而对于街区r2=0.36）。SafeGraph的一份内部报告也汇报了类似的相关性，这表明SafeGraph数据在较大地理范围上具有很高的代表性。Li等人的论文还记录了不同性别、年龄和收入构成的州和县之间存在的细小的的抽样偏差。这些统计数据表明，SafeGraph的数据覆盖了众多的地区和人口类别。这一高覆盖率可能反映了智能手机设备在美国人群中的高普及率。

SafeGraph主要从众多已经由用户明确授予了位置共享权限的智能手机应用程序中收集匿名位置数据。因此，它可能无法完全代表那些不经常使用智能手机，或那些选择不分享自己的位置数据的个人。

为了构建使用指数的计算方法，在15分钟城市模型中，我们更关注代表基本功能的设施。补充表1显示了关注类别及其相关的六位数NAICS代码。

为了评估SafeGraph数据中包含的POI的完整性，我们检查了数据集中超过400万个POI是否代表了一个社区中所有可用的本地设施。补充表8报告了我们的样本中由SafeGraph识别的经营的数量与2019年人口普查县商业模式数据中相应的企业数量之间的关系。第（1）列对应以SafeGraph经营计数为自变量，人口普查经营计数为因变量的最小二乘回归，第2列显示了使用相同模型，并添加了两位数的NAICS代码固定效应的结果。结果表明，平均而言，这两种测量方法之间的关系几乎是一一对应的，并在P<1%水平上具有统计学意义。

▲ 表8：Safegraph中企业数与人口普查数据间的关系

注：本表报告了一个县的企业数量（来自2019年人口普查的县商业模式数据）与同一两位数NAICS类别中的Safegraph企业数量的回归估计值。县商业模式数据，CBP）与同一两位数NAICS类别和县的Safegraph机构数量的回归估计值。每个观测值对应一个县和两位数行业单元。第（1）列报告了来自普查机构数对这些单元中Safegraph机构数的集合OLS回归的估计值，第（2）列显示了对Safegraph机构数的估计结果。(2) 列显示了加入两位数NAICS代码固定效应的同一模型的估计结果。系数系数在1%的置信水平上显著；系数**在5%的置信水平上显著；系数*在10%的置信水平上显著。系数在 10%的置信水平上显著。包含的P值对应于对每个估计值进行的双侧t检验，使用的是使用县级聚类的稳健标准误差。

社会经济数据。在实证分析中，我们使用了来自2015-2019年美国社区调查（American Community Surbey，ACS）中人口普查街区组层级的5年估算数据。我们收集了社会经济数据，包括人口、土地面积（用于计算密度）、收入水平和教育水平。对于每个社区，我们使用2019年美国社区调查5年估算数据中的的家庭收入中位数作为衡量社区收入的指标。我们根据每个街区组在各自城市地区内的人口加权百分位数排名，为每个街区组分配收入的四分位数和十分位数。

代表平均通勤长度的变量，使用了2019年时序雇主-家庭动态起止点就业统计数据计算，也被称为LODES。此数据集提供了与家庭人口普查区和工作人口普查区相关的工作总数的聚合计数。我们通过确定Haversine距离，然后根据每个人口普查组的工作机会总数加权来计算平均通勤距离。

公共交通频率变量由环境保护署获得。该方法是用总交通服务频率除以总土地面积，并将其单位转换为每平方英里来计算的。

历史数据。我们在对纽约市的工具变量估计中使用两个额外数据源。首先，我们结合了1961年分区手册中分配给每种分区类型的容积率（FAR）等级的信息，以及由纽约市城市规划局提供的1961年分区地图，以获得1961年分区决议所设定的限制条件的空间分布。其次，我们使用1960年的人口普查地块数据来控制1961年以前观察到的各种邻里特征。在人口普查街区组水平上的容积率限制是根据与每个人口普查街区组的15分钟步行范围重叠的商业地区被分配的1961年容积率水平的面积加权平均值来计算。类似地，在人口普查街区组水平上的历史限制是根据与每个人口普查街区组的15分钟的步行范围重叠的1961年的人口普查区域中相应变量经面积加权的平均值来计算。

在解决居民自选择问题的稳健性检验中，我们使用了从 Opportunity Atlas中获得的人口统计学数据。

县商业模式数据。为了生成补充表8，我们从2019年人口普查县商业模式数据中获得了县级各行业的商业经营计数。这一数据集使用2017年的NAICS代码进行行业分类，我们从中提取由人口普查局定义的更广泛的两位行业标签_{https://www.census.gov/programs-surveys/economic-census/year/2022/guidance/understanding-naics.html}

物理隔离指数

对于位于POI L，收入为Ki的个体i，我们计算了他们在这个POI所经历的互动的整合或多样性，作为他们与位于该POI中的其他SafeGraph用户之间的加权平均社会经济差异，具体的计算方式如下：

其中，Pkj为访问L的收入为kj的人数，rj为收入为kj的个人的收入等级。然后，我们聚合到街区组级别，描述了这些来自街区j的个体的整合为：

其中，pj，L是从街区组j中访问POI L的人数。最后，我们定义了：

全文终

可持续城市与交通

一览众山小

2024年，与我们来一场步履不停的旅程

In 2024, join our endless journey

En 2024, participez à notre voyage sans fin

2024年、私たちと絶え間ない旅に出かけよう

En 2024, únete a nuestro viaje interminable.

في عام 2024، انضم إلى رحلتنا اللانهائية.

2024, ร่วมเดินทางกับเราในการผจญภัยที่ไม่มีที่สิ้นสุด

2024, எங்களுடைய நிரந்தர பயணத்தில் சேருங்கள்.

一览众山小

可持续城市与交通

参考文献百度网盘下载

文献1

1、《自然杂志》以人类移动设备数据来量化的15分钟城市

文献2

2、国际能源展望2021（美国能源信息局，2021）

文献3

3、Bertaud, A. 最后的乌托邦：15分钟城市（Urban Reform Institute, 2022）

请后微信公众号台留言

或者电邮 [e-mail] 下载

一览众山小-可持续城市与交通

我们 | 作为独立的专业志愿者团体

秉承 | 专业理想与价值观

信守 | 非营利原则

愿景 | 帮助中国城市可持续发展

关注 | 城市、交通、大数据与气候

至今 | 遍布全球980名志愿者网络

推送 | 近3000篇原创专业译文

感谢 | 过去10年多来您的支持

报名 | 后台留言关键词“志愿者”了解

2014-2024 © 转载请注明：

转载自公众号“一览众山小-可持续城市与交通”