最新成果｜天津通勤与职住关系研究

百度慧眼天津规划院联合创新实验室是百度地图慧眼与天津市城市规划设计研究院共建的联合创新实验室。百度地图慧眼将利用自身海量位置大数据、人工智能技术及产品优势，助力天津市城市规划设计研究院在区域和城市规划、城市交通规划与咨询等领域进行更高效、精准的规划产出。同时，双方也将充分发挥各自优势，针对城市发展中遇到的问题、社会关注热点进行积极深入的合作探索。

合作详见：百度地图与天津市城市规划设计研究院合作，600年津沽大地拥抱大数据

最新成果：天津通勤与职住关系研究

百度大数据与传统调查

传统调查的内容与特点

传统上，获得城市的职住空间分布及通勤出行特征，需要借助较大规模的居民入户调查，通过面访、填写表格的方式，获得居民个体的详细信息，再将相关的信息在空间分区上进行集计汇总，来获得城市分区和总体层面的特征。在全国范围内开展的人口普查和1%人口抽样调查，以及经济普查等调查均可获得职住分布的大体情况，但存在着与空间信息联系不强、调查成本较高等问题。相比人口与经济普查数据，居民出行调查数据是一种研究城市通勤更加理想的数据，很多城市会定期以1%-2%的抽样率开展居民出行调查，获取居民的出行相关信息。通过居民出行调查可以搜集到典型工作日包括通勤出行在内的各类出行信息，包含出行起讫点、出行方式、人员及家庭特征等。但居民出行调查同样存在着调查周期长、成本高的问题。开展一次大规模的调查，需要动员至街道及居委会层面社区工作人员，调查总费用高达上百万。而且，随着居民隐私防范意识的增强，目前入户调查的拒访率越来越高，开展调查的难度越来越大。

百度慧眼通勤数据相关情况

百度地图慧眼团队通过数据整合和算法集成，产出了高覆盖率、高准确率的去隐私化人口职住、OD和通勤数据，可以以较低的成本、较高的频率获得出行与通勤的起止点位置的信息，是一种可部分替代传统调查的新途径，在获取信息成本、周期上同传统调查相比具有较强的优势。本文首先将百度慧眼团队提取的职住与通勤信息与天津市2017年1%样本的居民出行调查数据进行指标对比分析，在验证百度慧眼数据具有合理性的基础上，利用百度慧眼职住数据，引入职住平衡度、平均通勤距离等指标，从中心城市、中心城区及环城地区、中心城区内部三个层面对天津市的通勤和职住空间分布状况进行初步探索分析。

百度大数据与天津家访数据的对比

天津家访调查情况

天津城市规划设计研究院在2017年10月实施中心城市(包含中心城区、环城四区以及滨海新区)范围内抽样率接近1%的居民出行调查，获得居民出行的相关信息。在调查完成后，在街道层面上按照家庭户的规模、就业人口数、机动车拥有情况等进行调查数据的扩样。以扩样后的调查数据为基础，进行各种指标的计算。

百度数据获取相关指标情况

百度慧眼基于百度地图开放平台的去隐私化定位数据，经过脱敏清洗处理，整合定位和POI等多源数据，提取上百个特征，基于人工智能算法挖掘得出高覆盖率的设备的居住和就业地。其中，家和公司主要参考特征有设备的定位时间分布和wifi等信息。

职住空间分布的比较

      将百度的人口与工作岗位数据分别落位到街道分区层面，得到每个分区百度数据的人口和工作岗位数量。将百度人口数据结合第六次人口普查及2015年1%人口抽样调查数据推算得到的常住人口数据进行对比分析，两组数据的相关性达到0.8，百度数据的数量大约相当于普查推算人口数量的90%左右。

将百度工作岗位数据与家访调查后的扩样数据进行对比，两组数据的相关系数达到0.84，百度工作岗位数量相当于调查扩样获得的工作岗位数量的83%左右。

通勤距离的比较

居民出行调查获得的中心城区居民（即家庭所在位置位于中心城区内部）平均通勤距离为8.37公里，从百度数据中获取的平均通勤距离为8.65km，二者的相对偏差仅为4%。

从分距离的出行占比分布来看，除0-1km范围内的短距离出行外，百度数据距离分布曲线与家访数据距离分布曲线拟合程度均较好。

      通过以上的比较分析表明，百度的职住与通勤数据与最新的天津市居民出行调查数据具有较高的吻合度，可信度较高，可以在此基础上进行进一步的职住及通勤特征分析。

天津市通勤与职住平衡分析

中心城区与天津市域总体通勤态势

从天津市域的总体就业人口与工作岗位分布情况看，中心城区及中心城市以外地区的就业人口数量高于工作岗位数量；滨海新区核心区及中心城市其他地区则工作岗位数量高于就业人口数量。

从通勤量分布看，中心城区内部的通勤量（按以居住地为起点，就业地为终点的单程出行方向计算）最大，为132万人次；其次为中心城市其他地区内部，数量为100万人次；中心城市以外的市域其他地区内部通勤出行量也达到了96万人次。中心城区与中心城市其他地区间的通勤交换量最大，总量为58万人次/日，其中从中心城区出发前往中心城市其他地区就业的通勤量高于另外围前往中心城区就业的通勤量，二者的比例约为1.4：1，通勤流向反映了各地区间的就业人口与工作岗位数量的结构性差异。

外围组团与中心城区间的通勤联系与职住平衡分析

外围地区中，中北镇（统计的区域范围包含了华苑产业组团的环外部分、西青汽车工业园等地区）与中心城区通勤量最大，达到近6.5万人次。其次为大寺与中心城区之间，为4.8万人次。

参照Robert Cervero等人的研究，某个地区的职住比（Job-Housing ratio），即就业人口与工作岗位的比例在0.8-1.2，可认为该地区人口与就业较为平衡。在环外组团中，王稳庄、精武镇、杨柳青、咸水沽等组团就业人口与工作岗位的比例大提均衡，比例在0.8-1.2之间，西堤头、中北镇、大寺、海河教育园、空港开发区、东丽开发区等工作岗位数量明显多于工作人数量，是以产业为主的组团；双青、张窝镇、东丽湖、华明镇等组团就业人口数量多于工作岗位，以居住功能为主。

单纯的就业人口与工作岗位数量的均衡并不能保证通勤人口的就近工作或居住，居民的居住地和就业地的选择受到城市劳动力市场、住房市场以及交通可达性等因素的综合影响，因此引入内部通勤比例的概念（本组团内通勤量占组团全部通勤量的比值，组团全部通勤量包括居住地或就业地在组团内的通勤），对外围组团的平衡状况进行分析。

从就业人口数量与工作岗位数量的比值看，就业人口与工作岗位的数量相对均衡的地区，内部通勤比例大约在40%-50%之间，就业人口越多的地区，内部通勤比例越低，说明在考虑城市外围组团的职住平衡问题时，同以产业为主的产业组团相比，单纯的“卧城”，职住平衡状况要更差。相对而言，产业组团更容易通过设置蓝、白领公寓，增加居住与生活配套等方式，吸引就业者本地居住。

基于通勤距离的天津市中心城区内部职住平衡分析

在交通小区（TAZ）层面，由于尺度更小（天津市中心城区TAZ平均面积在0.5km2左右），本区域就业或工作的情况更加少见，因此引入基于TAZ的工作人口通勤距离和就业岗位通勤距离来观察中心城区内部的职住平衡情况，地区的通勤距离越短，表明该地区的职住平衡状况越好。

从工作人口的平均通勤距离看，呈现出明显的由市中心向边缘递增的趋势，最内侧圈层，平均通勤距离不足3公里，表明居民就近就业的情况较为普遍。中心城区边缘的交通小区，居民平均通勤距离较长，大于6公里的情况较为普遍。

从中心城区交通小区工作岗位的通勤距离情况看，呈现出从中心到边缘先降低再升高的“马鞍型”分布特征。城市中心区域虽然有大量居民就近就业，但工作岗位数量大于工作人口数量，且工作岗位对全市范围都具有吸引力。因此，平均通勤距离在5-6公里。

值得注意的是，在城市边缘圈层，居住人口通勤距离与就业人口通勤距离均较长，体现出这些地区的职住分离程度较高。

从工作岗位端的出行距离看，中心城区内部交通小区的平均出行距离分为三个环带，最内侧环带工作岗位出行距离相对较高，中间环带出行距离较低，最外侧环带出行距离最高。

总结

通过将百度大数据与家访数据的对比表明，百度大数据能够很好地反映职住空间分布及通勤的特征，本文已使用百度大数据对天津市中心城区及周边地区的通勤及职住情况进行初步分析，下一阶段联合实验室将结合百度慧眼在通勤出行方式识别的最新成果，在通勤者行业、收入、年龄等标签的基础上开展进一步的研究。