最新成果|深圳市样例社区人口结构对比研究
研究目的
随着大数据技术的发展，人口数据采集相比传统方式有了颠覆性发展，使得对城市人群活动全貌和细节的快速观测成为可能。百度慧眼人口数据基于百度地图开放平台每天超800亿次的定位数据，经过脱敏去隐私处理，整合定位和POI等多源数据，提取定位天数分布、定位时间分布、用地类型、Wifi信息等上百个特征，通过人工智能算法挖掘得出高准确和覆盖率的常驻人口数据。
大数据在与其他来源数据的比照和融合中，可以得到许多有趣的发现。此次深圳市蕾奥规划设计咨询股份有限公司与百度慧眼合作，将百度慧眼人口数据与传统的人口普查数据相结合，对深圳市近8年来的社区人口变化特征进行一次“管中窥豹”式的观察，试图形成一套专题型数据应用分析逻辑。
深圳市最新一轮人口普查开展于2010年。这一年，对于深圳也是一个重要的发展节点：一是人口规模开始出现了大幅增长，居住类社区在人口增长的大背景下发生了什么样的变化？二是深圳经济特区扩容，由原来的“二线关”扩展到深圳全市，8年来特区内外一体化对社区人口产生了什么影响？三是产业转型升级加速，部分产业从原特区内迁出，连带的就业者迁徙对特区内外的社区人口结构带来什么影响？带着这些问题，项目组遴选了若干典型社区，一探近年来深圳在高速发展中社区人口的变化特征。
数据准备
研究选择2010年的深圳市第六次全国人口普查（以下简称“六普”）数据与百度慧眼2018年5月的数据进行对比。在全市700余个社区，选择了9个边界稳定又各具代表性[1]的社区作为观察对象。
图表1 典型社区总体情况介绍
图表2 典型社区总体分布情况
“六普”数据和百度慧眼人口数据关于常住人口的统计口径不同。前者的判断标准是在该地居住6个月以上，后者主要参考用户2个月行为数据进行挖掘。因此，在本研究中选择“六普”常住人口与百度慧眼人口数据中的居住人口进行对比。一般认为，在人口总量上，“六普”数据倾向偏低而大数据倾向偏高，且考虑前述的口径差异，本研究不对人口数量做直接比较，而将重点放在对人口结构变化的考察上。
典型社区基本情况
从深圳全市整体情况来看，男性人口占比比女性多20%，全市人口学历主要集中在“高中及以下”，而“本科及以上”学历的仅占9.33%。年龄结构上深圳人口呈现出年轻化的情况，人口主要集中在了“24岁以下”和25~34岁年龄段。
在后续典型社区的分析中，项目组判定人口密度增幅达50%以上或人口结构占比变化幅度在10个百分点以上的为“有显著变化”，小于该变化幅度的则可视为稳定。分析工作将重点针对各社区的显著变化。
图表3 典型社区基础数据汇总
图表4 中新街社区2008年2月与2017年12月卫星图
中新街社区建于1981年，位于南山区沙河街道，建筑形态主要为多层建筑和中高层建筑，中新街的选择标准是原特区内平均水准的社区。在对比研究的8年时间内社区形态基本稳定，住宅建筑基本未发生改变。社区总人口密度在8年间增长25.21%，常住人口总量基本稳定。社区中男性占比相比女性占比有小幅增加；社区常住人口学历结构上主要为“高中及以下”学历，大专学历与“本科及以上”学历人口占比相当；年龄结构则为35~44岁年龄段占比最高，其次是25~34岁年龄段，整体来说是以中年人为主的稳定型社区。
图表5 莲花二村社区2010年4月与2017年12月卫星图
莲花二村社区建于1989年，位于福田区中心，红荔路与皇岗路交接处西北，是原特区内平均水准的住宅类社区，主要建筑形态为中高层和高层。莲花二村社区是本次研究所选典型社区中唯一人口减少的社区，8年间常住人口减少15%，这在深圳人口大规模增长和统计口径的差异下显得十分反常，因而受到了项目组的关注。社区常住人口结构基本稳定，常住人口主要分布在35~44岁和25~34岁年龄段。
图表6 下沙社区2010年4月与2017年12月卫星图
下沙社区位于福田区西南部，车公庙以南，是深圳市著名的城中村社区。社区城中村部分在8年间未发生较大改变，主要改变发生在社区北部，原有建筑被拆除，新建滨河时代广场。统计显示，下沙社区8年间常住人口密度增幅156.17%，其中男性人口增幅远高于女性。社区超过一半的常住人口学历为“高中及以下”，但是相比六普，其占比已经有了显著下降，同时社区中大专学历人口占比增长明显。年龄结构方面，25~34岁年龄段人口占比最高，其次是24岁以下年龄段，社区人口结构更加年轻化，34岁以下人口占到全社区常住人口的3/4以上。
图表7 湖贝社区2010年4月与2017年12月卫星图
湖贝社区毗邻罗湖区东门商圈，是东门街道唯一的农城化社区。其建筑形态在8年间未发生较大改变，仍以城中村为主。社区人口密度稳定，男性比例虽有所提升，但社区过半常住人口仍为女性。相比六普时95.52%常住人口学历为“高中及以下”，现在的湖贝社区大专学历占比增幅显著。社区中34岁以下人口占比在两次统计中都超过75%，整体年龄结构偏年轻化。
图表8 梅林一村社区2010年4月与2017年12月卫星图
梅林一村社区位于福田区梅林街道。社区北部为梅林水库，南部也就是社区居住主体是大型住宅区，是原特区内拥有优良学位的中高端社区。社区建筑以中高层和高层建筑为主，社区建筑形态和常住人口密度都基本保持稳定，性别比例、学历结构都未发生较大变化。人口年龄结构发生了明显改变，24岁以下人口减少，而25~54岁年龄段人口均有不同程度的小幅增长，社区常住人口年龄结构向35~44岁年龄段集中，类似正态分布。
图表9 长城社区2010年4月与2017年12月卫星图
长城社区地处福田区园岭街道，红荔路与华强北路交叉口东北，属于原特区内拥有良好学位的中高端社区，社区内住宅以高层建筑为主。长城社区的建筑形态基本稳定，常住人口密度增幅21.85%，性别、学历结构在近8年间均未发生较大改变。年龄结构方面，24岁以下常住人口减少的同时25~54岁常住人口均出现一定程度的增加，尤其是35~44岁年龄段人口占比增幅明显，达到12.61%，目前该年龄段人口已占到社区常住人口的41.18%。
图表10 福永社区2010年3月与2018年1月卫星图
福永社区位于宝安区福永街道，紧邻深圳宝安国际机场，是位于原特区外的由城中村构成的社区。在本次研究的时间段里社区内建筑形态有一定程度的改变，但总体上仍维持以城中村为主体的样貌。福永社区在8年间人口密度增长78.96%，常住人口的学历分布发生了巨大的变化，“高中及以下”学历和大专学历人口占比变化幅度均达到20%以上。年龄段分布来看，25~34岁年龄段人口占比增长显著。
图表11 愉园社区2010年11月与2017年12月卫星图
愉园社区位于龙岗区中心城，龙城公园以北，龙潭公园以西，是原特区外的中高端社区，社区住宅主要由中高层和高层建筑构成。社区常住人口密度8年间增长70.46%，性别比例变化不大。学历结构上，“高中及以下”学历段人口占比显著降低。年龄结构方面，24岁以下年龄段人口占比降低，25~44岁年龄段人口占比均有所上涨，成为社区常住人口占比最大的群体。
图表12 银湖社区2010年4月与2017年12月卫星图
银湖社区位于罗湖区清水河街道西北部，北环大道以北，在原特区内属于建成较早、形态稳定的高端社区，建筑形态主要分为别墅区的低层和南部住宅区的多层、超高层建筑。社区常住人口密度8年间增幅39.95%，性别比例失衡，男性占比已达62.80%。社区大专学历人口占比显著增长，增幅达到10.68%。年龄结构方面，25~54岁各年龄段人口占比均出现了不同幅度的增长，但是从总体来看社区年龄结构仍算较为稳定，各年龄段人口分布较为平均。
典型社区的人口变化特征
社区人口密度显然受到建筑形态的影响，大致分为三档：
——原特区内的城中村（下沙、湖贝）是第一档，人口密度可达到15万人/平方公里以上。其中，下沙社区由于交通区位优势明显，也是过去8年间人口增长最快的社区。
——原特区内的高端别墅型社区（银湖）是第三档，人口虽然在增加，但人口密度低于1.5万人/平方公里。
——其他社区是第二档，人口密度接近5万人/平方公里的“天花板”。其中，原特区外社区（福永、愉园）的人口增幅要明显高于原特区内的社区，说明了2010年深圳经济特区“扩容”和产业腾笼换鸟对人口空间分布的影响；而在原特区内，学位配套较好的社区（长城、梅林一村）人口密度又要明显高于其他社区。
图表13 典型社区人口密度及其变化情况
典型社区性别比总体上在强化男多女少的趋势，与全市变化一致。比较有趣的是，中高端社区（梅林一村、长城、愉园、莲花二村）不论性别比还是其变化量都显著低于全市平均水平，说明这类社区的家庭更加完整（非单身），或与这些社区的置业成本往往非个人所能承受有关。
图表14 典型社区性别比及其变化情况
03
年龄结构
年龄结构变化主要表现为25-34岁年龄段人口比例大幅增加，35-44岁年龄段人口比例稍有增加，其他年龄段人口占比均有不同幅度的下降，这是由于深圳本身的年龄金字塔结构和大量工作年龄人口流入共同导致的。从典型社区的比较中还可发现，房价也在影响社区人口的年龄结构变化：24-35岁多为初次置业人群，故原特区外社区（如愉园）该年龄段人口比重增长比原特区内社区要快；35-44岁年龄段需要考虑学位且有相当的经济基础，故原特区内学位较好的社区（长城、莲花二村）该年龄段人口比重增长又明显高于其他社区。
图表15 典型社区年龄结构及其变化情况
学历结构整体呈现优化的态势，表现为“高中及以下”学历人口占比的大幅下降、大专学历人口占比的大幅上升与“本科及以上”学历人口占比的小幅增长。且原特区外社区和城中村社区的常住人口学历优化的幅度更大。另外值得注意的是，拥有优良学位的中高端社区（长城、梅林一村）大专学历人口比重几乎无变化，“本科及以上”学历人口比重反而下降，“高中及以下”学历人口比重是唯二增加的。这显然是受该类型社区中小学生数量增加的影响，也反映了社会阶层在某种程度上的固化。
（高中及以下）
（大专）
（本科及以上）
图表16 典型社区学历结构及其变化情况
结语
本次研究基于百度慧眼人口数据的【位置评估】功能，可以快速对城市社区人口特征进行多角度的“画像”，从而为社区人口变化的纵向和横向分析奠定数据基础。从本研究分析可以发现，只要能将大数据与空间结合并尽可能提高数据精度，即便是最简单、最基础的数据，也蕴含着丰富的空间特征信息。未来我们可进一步优化研究思路与方法，联系如社区房屋容积率、房屋租售价格、职住分布等相关数据扩展研究范围，从更多维度对特定区域进行更深入的研究。
注释：
[1]代表性主要考虑区位（原深圳经济特区内、外）、社区类型（一般住区、中高端住区、城中村）、配套（是否有优质学位等）、建筑形态（高层、中高层、多层、低层）等因素。
[2]在学历结构上，“六普”将6岁以上人口作为统计对象，而百度慧眼平台是将6岁以下儿童算作“未上过学”，包含在“高中及以下”学历人口中。本研究按照慧眼平台的算法重新计算2010年的人口学历结构，以统一口径。
[3]在年龄结构上，“六普”的年龄段划分为“19岁以下”和“20-24岁”，百度慧眼平台的标准为“18岁以下”和“19-24岁”。本研究统一设置“24岁以下”年龄段进行对比。