202
2000萬人口的大北京，上下班原來是這樣的 (附超炫蝌蚪圖)
城市通勤反映的是一個城市中勞動力的活動半徑。隨著北京城市化和現代化發展進程加快，通勤交通流量的空間分布出現了區域間的分化和區域性的特征。
今天，我們用滴滴出行大數據為你重構北京的通勤交通。
職住分離與高通勤成本
圖1-2 北京早晚高峰通勤流動圖
上麵的兩張動態圖，分別截取了早八點和晚六點時段的20分鍾內，北京上班族使用滴滴出行的通勤流動示意圖。
滴滴出行大數據顯示，早高峰的通勤車流如水滴般由四麵八方向北京中心城區湧入，到了晚高峰則恰恰相反，“水滴”從中心城區向外圍地區四散開來。
要分析城市通勤，就要討論居住和就業這兩個城市空間結構中的核心要素，而“職住分離”是北京城市結構無法避開的明顯特征。
計劃經濟時期，中國大城市內部就業-居住的空間關係多以單位大院為特色，形成較為平衡的“前場後院”職住接近格局。從90年代起，中國各城市經曆了激烈的製度轉型和空間重構，就業變動和土地、住房的市場化帶來了就業-居住在空間關係上的疏離，就業者通勤距離和通勤時間不斷延長。
圖3 北京早高峰通勤終點分布
近年來，北京城市空間規模迅速擴張，呈現職住分離和就業多中心的發展趨勢。
鄭思齊等學者（2015）對北京市城六區職住比的測算結果顯示，職住比最高（即就業人數遠高於居住人數）的12個街道中，3個位於二環內、4個位於朝陽CBD區域、2個位於海澱區中關村區域。根據滴滴出行大數據，在早高峰時段使用網約車通勤的終點分布（圖3）顯示，北京的就業中心分布在東直門、國貿、中關村等地，除亦莊和西二旗上地以外，大多集中分布在中心城區。
圖4 北京早高峰通勤起點分布
伴隨著常住人口和就業總量的高速增長、以及中心城區密度的攀升，北京中心城外圍的近郊區成為人口居住集聚區。
根據滴滴出行的早高峰通勤起點分布（圖4），我們能夠繪製出北京的居住區域集中分布在通州、回龍觀、天通苑等地。雖然在行政區劃上，燕郊隸屬於河北省三河市，但它毫無疑問是北京通勤係統中的一部分。每天早高峰降臨前，數十萬燕郊通勤族跨越白河湧入北京，去往各自辦公地所在的就業集聚區。
表1 北京各居住區早高峰通勤對比
注：僅統計距離在3-80公裏範圍內的訂單
上表詳細分析了幾個居住區的早高峰通勤特征。表1是2017年4月某周工作日早高峰（06:00-09:59）的滴滴出行順風車統計數據。
“熱度指數”是指日均早高峰通勤人次，采用了最大值標準化的計算方法。“平均距離”和“平均耗時”分別是早高峰訂單距離和耗時的中位數。在通勤熱度上，通州足足領先第二名回龍觀0.36，是北京最集中的生活居住區。燕郊和房山因地理位置較偏，在早高峰通勤距離更遠、耗時更久。
圖5 北京早高峰通勤動態圖
在圖5中，滴滴出行大數據完整呈現了6-10點全北京早高峰通勤動態圖。接下來，我們將進一步分析通州區的通勤特征。
城市副中心的通勤發展
通州作為北京市城市副中心的功能逐步凸顯。根據北京市2017年政府工作報告，今年底四大市級機關和相關市屬行政部門將率先向通州啟動搬遷。
2012年以來，通州的行政功能經曆了從“城市副中心”到“行政副中心”，再回到“城市副中心”的轉變，唯一保持不變的是通州紓解非首都功能的核心定位，以及通州區龐大的通勤人口。通州區2016年統計公報顯示，全區常住人口142.8萬，其中常住外來人口57萬，占比近40%。
圖6 通州早高峰通勤放射圖
在圖6中，滴滴出行大數據展示了早6-10點期間從通州區出發的所有通勤路線。這些通勤路線主要分為四條：一是從通州到東直門、朝陽門和三元橋等地區，二是從通州到望京，三是從通州到亦莊，四是從通州到上地和西二旗地區。
圖7 通州早高峰通勤距離分布
從圖7中可以看出，通州區早高峰通勤距離主要分布在20-40公裏之間，該區間的訂單量占通州通勤總量的64.8%。與此同時，還有超過10%的通勤人口要跨越40公裏的距離，奔赴自己的辦公室。
圖8 通州和北京城六區之間通勤人數
在被授予“副中心”這一頭銜之前，通州是北京除燕郊之外的另一個“睡城”：人們白天在城裏上班，晚上回通州睡覺。隨著通州區和北京城六區的聯係愈發緊密，通州跨區域通勤人數也越來越多。圖8中，除去10月和2月的節假日，過去一年間通州的跨區通勤人數呈穩步上升趨勢。未來，隨著“副中心”的各項城市功能日趨成熟，通州的通勤人次將會增多，而通勤成本有望降低。
北京是一個空間極化的城市，權力和資源的過度集中給予這座城市難以企及的地位，同時也造成了城市內部的空間折疊和高度碎片化，這種折疊反映在日常通勤中的特點就是人群積累和車流量擁擠。
在前所未有的城市擴張過程中，北京的就業區和居住區分布愈加迥異，早晚高峰均呈現出不同方向的人流分布。在此關鍵節點上，雄安新區和通州副中心等規劃的提出顯得尤為重要。借助滴滴出行大數據分析，智慧城市技術和空間解構規劃將是有效解決北京通勤問題的兩大方向。
數據來源：滴滴出行大數據
原文鏈接
最後更新：2017-05-26 12:31:24