EN中文

地理研究 >

2021 , Vol. 40 >Issue 6: 1652 - 1666

DOI: https://doi.org/10.11821/dlyj020200655

广州城市道路网的社会分异——基于轨迹大数据的出行分布性别差异

  • 陈晓萍 , 1, 2 ,
  • 周素红 , 1, 2 ,
  • 李秋萍 1, 2 ,
  • 詹文 1
展开
  • 1.中山大学地理科学与规划学院,广州 510275
  • 2.广东省公共安全与灾害工程技术研究中心,广州 510275
周素红（1976-）,女,广东饶平人,博士,教授,博士生导师,研究方向为城市地理学、时空间行为和城乡规划。E-mail:

陈晓萍（1994-）,女,广东普宁人,硕士,研究方向为城市地理学。E-mail:

收稿日期: 2020-07-10

  录用日期: 2020-11-30

  网络出版日期: 2021-08-10

基金资助

广东省重点领域研发计划项目(2020B0202010002)

国家自然科学基金项目(41871148)

国家自然科学基金项目(41971345)

国家自然科学基金项目(71961137003)

广州市科技计划项目(201804020016)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Research on social differentiation of urban road network in Guangzhou: Gender differences of travel distribution based on trajectory data

  • CHEN Xiaoping , 1, 2 ,
  • ZHOU Suhong , 1, 2 ,
  • LI Qiuping 1, 2 ,
  • ZHAN Wen 1
Expand
  • 1. School of Geography and Planning, Sun Yat-Sen University, Guangzhou 510275, China
  • 2. Guangdong Provincial Engineering Research Center for Public Security and Disaster, Guangzhou 510275, China

Received date: 2020-07-10

  Accepted date: 2020-11-30

  Online published: 2021-08-10

Copyright

Copyright reserved © 2021
Fold

摘要

社会空间分异是人文地理学研究的重要议题,以往研究主要聚焦基于居住地和活动地的分异现象,缺乏对道路网社会空间分异的关注。本文以广州市中心区域为例,结合日常活动空间理论和空间分析方法,基于手机轨迹大数据,研究不同性别群体日常出行的城市道路网社会空间分异现象及其影响因素。结果显示：基于性别差异的城市道路网社会隔离指数高于居住地、低于就业地,在14:00—15:00时段达到峰值;不同性别群体在路网中的分布总体呈现不均衡的集聚特点,其中女性集聚程度更高;不同性别群体的出行分布和分异受到路网周边建成环境因素的影响;物流运输业就业密度的提高、小学数量的增多或道路等级的提高都会显著提高男性相对出行量,而社会服务业就业密度的提高、菜市场数量或公交站点数量的增多以及到市中心距离的减少都会显著提高女性相对出行量,这些与个体家庭和职业分工的性别差异有一定的关系。本文通过理论假设和实证分析,验证了家庭和职业的分工决策是影响道路网出行分布性别分异的深层次原因,也是解释社会空间分异的重要理论视角。研究结果有助于认识和挖掘基于城市道路网的社会分异现象及其影响机制,并为完善道路网络及周围设施的布局与建设提供借鉴。

关键词： 道路网; 性别; 分工机制; 社会空间分异; 轨迹数据

本文引用格式

陈晓萍 , 周素红 , 李秋萍 , 詹文 . 广州城市道路网的社会分异——基于轨迹大数据的出行分布性别差异[J]. 地理研究, 2021 , 40(6) : 1652 -1666 . DOI: 10.11821/dlyj020200655

Abstract

Socio-spatial differentiation is an important topic in the human geography study. In the past, the research mainly focused on the phenomenon of differentiation in the living place and activity place, while less has paid attention to socio-spatial differentiation of the road network. In this paper, with Guangzhou central area as an example, based on mobile phone trajectory big data, the socio-spatial differentiation and influencing factors of daily travel of different gender groups in urban road network are studied based on daily activity space theory and spatial analysis methods. The results show that: The social dissimilarity index of urban road network based on gender differences is higher than that of residence and lower than that of working place, reaching the peak value during 14:00-15:00; the distribution of different gender groups in the road network is both generally of unbalanced and aggregated characteristics, and the travel distribution of women is more clustered; the built environment factor around the road network affects the travel distribution and differentiation of different gender groups; the increase of employment density of logistics and transportation industry, and the number of primary schools or the road hierarchy will significantly increase the relative travel volume of men, while the increase of employment density of social service industry, the number of food markets or bus stops, and the decrease of distance from the city center will significantly increase the relative travel volume of women, which is related to the gender difference of family and occupational division to some extent. Theoretical hypothesis and empirical analysis verified that the decision-making of family and occupational division are the underlying causes that affect gender differentiation of travel distribution in the road network, which is an important theoretical perspective to explain socio-spatial differentiation. The research results help to understand and explore the socio-spatial phenomenon based on urban road network and influencing mechanism, and provide reference for improving the layout and construction of road network and surrounding facilities.

Key words： road network; gender; division mechanism; socio-spatial differentiation; track data

1 引言

21世纪以来,世界各地的社会分化和城市空间碎片化仍在加剧,影响着人们的生活体验和城市感知[1]。以往的研究主要聚焦分析城市中的居住地、就业地,和日常到达的其他活动场所的社会分异现象[2,3,4,5],缺乏对道路网社会分异的关注,很少考虑不同流动水平和空间布局形成的城市道路网络隔离问题[6]。城市道路作为基础设施和公共服务的载体,为流动中的人群提供访问各类活动场所的机会,某种程度上也是一种流动的活动空间。同时,城市中主要的设施和场所沿道路网分布,不同人群的设施服务需求存在差异,前往不同设施和场所的路径也必然存在一定的群体差异[7]。因此,城市道路网中的出行轨迹也可能产生社会分化和隔离,并由此带来社会空间分异的结果[8]。研究路网的社会分异有助于拓展对社会空间分异问题的理解,并为相关实践提供理论依据。
城市社会空间分异与不同种族、收入或教育水平等群体的日常活动息息相关。其中,受到个人、家庭、社会和环境等方面因素的影响,不同性别个体日常活动的时空间约束和需求不同,是解释城市空间性别化现象的重要视角和理论[9]。以往研究表明,女性活动模式的群体差异主要来源于性别分工[10,11]。在中国,女性尽管就业率已显著提高,但仍然是家务活动的主要承担者[12],也是职业性别隔离中的弱势人群[13,14]。婚姻或生育等家庭压力除了影响就业质量和竞争力,女性日常活动和出行也会受到更多约束和限制,并表现出不同的特征[15]。此外,建成环境会进一步加剧性别不平等现象[16,17],不同的建设密度、土地利用混合度等因素会对活动和出行行为产生不同的作用[18,19]。但由于出行方式及活动目的的性别差异,这种作用机制也可能存在性别差异,进而影响不同性别出行分布在路网中的差异。
目前为止,有关性别差异的研究多采用问卷数据和日志调查,缺乏基于随机抽样的大样本分析,很少讨论由大量日常活动构成的城市路网性别分异现象及其宏观效应,而时空大数据分析为此提供了新的研究手段和方法。已有相关研究揭示了居住地和活动地的社会分异现象,发现隔离具有不同尺度的时空间效应,在白天随着居民出行和活动而产生不同程度的变化[20,21],并且基于手机数据的实际种族隔离指数明显低于人口普查得出的居住地种族隔离指数[22]。然而,目前缺乏基于出行的道路网社会空间分异研究,其中与性别分异有关的此类研究则更少。
综上所述,本文从大数据的角度揭示不同性别群体出行在城市道路网中的空间分异现象,并尝试回答以下主要问题：在性别差异的视角下,如何定义道路网这一特殊空间的社会分异内涵?现实中,个体出行轨迹映射在道路网中是否存在客观的性别分异现象?不同性别出行的分布模式与分异的影响因素是否可以通过日常活动空间理论加以解释?
针对上述问题,本文从女性主义地理学和日常活动空间理论视角,构建了理论假设分析框架。女性与空间是女性主义地理学长期关注的重点,主要观点是女性遭受来自不同空间的规则约束和行为限制,包括公共空间和私人空间,由此经历不同情景的性别隔离,如公共设施、就业岗位、通勤等[23,24],并可能进一步延展到城市道路网这一特殊的公共空间中,表现出基于性别的路网社会分异现象。这类分异现象可能受到不同性别因家庭与职业分工带来的日常活动差异的影响,进而主要表现在对沿路空间建成环境的使用上。基于此,构建本文的理论假设框架并提出以下理论假设（图1）：首先,家庭与职业的性别角色分工通过影响不同性别的行为决策,形成不同的活动模式,映射到活动空间和出行的路网中,形成社会空间分异现象。其中,出行的性别差异产生的路网社会分异表现为道路网存在一定程度的基于性别差异测度的社会隔离,不同性别群体在路网中的出行分布呈现比较明显的差异（H1）;其次,不同性别群体的出行分布与日常活动空间相关,因此,表现为主要活动空间的道路网周边建成环境会对出行分布产生显著的影响（H2）;同时也对不同性别群体在道路中的分异产生影响（H3）,上述影响在一定程度上可以通过家庭和职业的分工加以解释。
图1 理论假设框架

Fig. 1 The framework of a theoretical hypothesis

2 数据来源与研究方法

本文以广州市的中心区域为案例,首先,通过空间可视化,呈现不同性别群体出行在路网中分布的总量和性别比例差异;其次,利用隔离指数和空间自相关系数测度不同性别群体出行在路网中的分异程度;第三,基于回归分析方法,揭示建成环境对不同性别群体出行分布的影响异同;最后,进一步比较不同建成环境因素对道路网社会空间分异的影响,从而验证前述理论假设。

2.1 研究区域与研究数据

本文研究区域为广州市的中心区域,包括花都、白云、荔湾、越秀、天河、黄埔、海珠、番禺以及南沙区。研究数据来源于广州某运营商基站2016年12月28日的手机定位数据,该原始数据集包含共计5255.69万条逐小时基于基站的定位数据,涉及513.6万个用户,平均每人有10个轨迹点,能够反映居民日常出行情况。研究还使用了2016年广州市路网和兴趣点（Point of Interest/POI）数据、2010年广州市社区人口普查数据和2013年广州市社区经济普查数据。
手机定位数据是运营商通过信号记录用户某时位置所在基站而形成的轨迹数据集。为了提高数据准确性,本文对数据进行清洗和筛选。对于只有一个基站记录的用户,由于无法判断其是否产生移动,因此予以剔除。在剩下的数据集中,利用夜间轨迹点识别并筛选出有居住地记录的用户作为研究样本。经过处理后的数据集包含了15838条路段、98.92万用户和1172.32万总人次的轨迹数据。原始数据集用户的性别比为1.92（女=1,下同）,经过处理的数据用户性别比为1.95。据统计,2016年广州市人口性别比为1.01[25],本数据集存在一定的样本偏差问题,因此,后文在有关路网性别结构的分析中进行标准化处理,即：将每条路段不同性别的出行量分别除以路网中相应性别的总出行量,减少其对研究结果的影响。
结合数据特征及研究问题,本文以不同性别群体在各路段的出行量作为主要研究对象,其计算步骤如下：第一,根据基站坐标点生成泰森多边形,利用蒙特卡洛方法生成用户模拟位置坐标[26,27];第二,将模拟位置点吸附到距离最近的道路上,得到基于路网的轨迹点,再对其进行最短路径分析,获得每个用户的道路移动轨迹,并赋给性别等属性数据;第三,利用轨迹点带有的道路标记,将每个用户的轨迹路径按道路交叉口节点打断,分成几段路段轨迹线,并按标记汇总到每条路段上,同时按照性别进行分类,形成不同性别在各路段的出行量,作为本研究的对象。

2.2 影响因素指标体系

为了检验影响不同性别群体在路网中出行差异的因素,本文根据日常活动理论,认为在不同的日常活动地理背景下,各建成环境变量通过约束移动轨迹影响道路网的社会分异,在此基础上,构建了影响因素指标体系。
日常活动的地理背景一般可划分为居住地、家外活动地[28],后者可进一步细分为维护性活动地、生存性活动地、休闲性活动地[29],此外也可以划分为居住地、就业地与活动路径空间[30]。由于出行空间包含道路及其沿路空间,本文将其地理背景分成居住地、就业地、维护性活动地、休闲性活动地和出行路段。
其中,居住地的建成环境指标选取沿道路社区的平均人口密度。就业地的建成环境指标选择沿道路社区的主要行业从业人员密度,在行业选择方面考虑了职业的性别差异。男性在管理、技术、运输和第二产业等行业岗位中占优势,女性则在商业、行政、教育、社会工作等行业岗位中占优势[31,32]。由于统计口径不同,结合广州市经济普查数据,本文选取沿道路社区的建筑业、物流运输业、商务服务业、商业服务业、社会服务业、服饰类制造业的平均从业人员密度作为就业地的建成环境指标。由于社区与道路的几何属性不同,因此,在统计沿道路基于人口统计的建成环境指标时将每条路段穿过的所有社区均纳入考虑范围,取这些社区相应指标的平均值作为结果。
活动地方面,以出行最短路径为依据,考虑沿路步行可达范围和进行节点访问的潜在机会,划定道路500 m半径的缓冲区作为沿道路网的活动空间范围（后文简称沿道路活动空间）[33],统计范围内各类维护性和休闲性活动地的建成环境指标。指标选择考虑了不同性别的行为习惯差异。女性常常会在通勤途中同时进行买菜、接送小孩等家务活动,休闲时间被挤占,反之,男性在工作之余有更多机会参与休闲娱乐性的社会交往活动[34]。因此选取幼儿园、小学、菜市场、超市等POI数量作为维护性活动地的建成环境指标,选取购物中心、文体场馆、娱乐场所等POI数量作为休闲性活动地的建成环境指标。
相应地,出行路段的建成环境指标也以沿道路活动空间为统计范围。已有研究指出,不同地理背景的建成环境通过约束相应的出行活动,对不同群体的活动模式和效应产生影响[35]。不同性别的出行活动与交通可达性、道路设计和所在区位条件等因子相关,女性出行距离和时间较短,公共交通和步行的比例较高,尤其是在高密度、高混合度的居住区;男性出行距离和时间长,活动范围较大,小汽车出行比例高[29,36,37]。因此,选取公交站点POI数量、交叉口密度、道路密度、道路等级、道路中心性①(①道路中心性的计算采用来自交通多中心性评价模型（MCA）的邻近度指标,邻近度是指某一节点到其他所有节点平均距离的倒数,平均距离越短,邻近度越大。)、到市中心的距离作为出行路段的建成环境指标[38]（表1）。
表1 道路网活动空间建成环境指标体系

Tab. 1 The index system of the built environment in activity space based on the road network

活动空间类型 变量名称 含义 单位
居住地 社区人口密度 沿道路社区的平均人口密度 人/km²
就业地 建筑业就业密度 沿道路社区建筑业的平均从业人口密度 人/km²
物流运输业就业密度 沿道路社区物流运输业的平均从业人口密度 人/km²
商务服务业就业密度 沿道路社区商务服务业的平均从业人口密度 人/km²
商业服务业就业密度 沿道路社区商业服务业的平均从业人口密度 人/km²
社会服务业就业密度 沿道路社区社会服务业的平均从业人口密度 人/km²
服饰类制造业就业密度 沿道路社区服饰类制造业的平均从业人口密度 人/km²
维护性活动地 菜市场数量 沿道路活动空间范围内菜市场的数量 个
超市数量 沿道路活动空间范围内超市的数量 个
幼儿园数量 沿道路活动空间范围内幼儿园的数量 个
小学数量 沿道路活动空间范围内小学的数量 个
休闲性活动地 购物中心数量 沿道路活动空间范围内购物商场的数量 个
文体场馆数量 沿道路活动空间范围内文化、艺术和体育场馆的数量 个
娱乐场所数量 沿道路活动空间范围内休闲娱乐场所的数量 个
出行路段 公交站点数量 沿道路活动空间范围内公交站的数量 个
交叉口密度 沿道路活动空间范围内的道路交叉口密度 个/km²
道路密度 沿道路活动空间范围内的道路密度 km/km²
道路等级 道路的等级层次 1
道路中心性 道路中心性指标 1
到市中心距离 道路距离市中心的欧式距离 km

2.3 空间分析方法

本文运用空间可视化的方法呈现不同性别群体出行量分布的差异和标准化后的不同性别出行量比值（后文简称出行性别比）的空间分布,后者计算公式为：
Y = f i F m i M = f i m i × M F , f i ≠ 0 且 m i ≠ 0
式中：fi为研究区域第i条路段的女性出行量;F为研究路网女性总出行量;mi为研究区域第i条路段的男性出行量;M为研究路网男性总出行量。通过标准化消除由于手机用户男女性别结构偏差带来的影响。
同时,用隔离指数来验证和度量城市道路网中不同性别群体间的空间分异,以及空间自相关系数来描述两个群体出行的空间分布规律（检验H1）。隔离指数（dissimilarity index）提供了一个均匀度或不均匀度的测量,揭示了两个群体分布的差异程度,是人文地理学研究中常用的衡量社会分异或隔离程度的指标之一[39]。隔离指数的值从0到1不等,数值越大代表隔离或分异的程度越大,计算公式为：
D = 1 2 × ∑ i = 1 n f i F - m i M
式中：D为隔离指数;n为研究区域统计单元的总数。在路网的隔离指数计算中,统计单元是路段;在后文居住和就业隔离指数计算中,统计单元是社区。
全局空间自相关系数用于描述对象间的空间依赖关系,是判断空间分布随机程度的常用指标之一。全局空间自相关系的值从-1到1不等,取值为正表示相似值在地图上聚集,取值为负表示不同的值在地图上聚集,取值为0则表示无空间自相关关系②(②https://gisgeography.com/spatial-autocorrelation-moran-i-gis/。)。

2.4 统计分析方法

本文运用回归分析方法探索变量间的关系,构建模型1和模型2检验出行分布与建成环境的关系（检验H2）,构建模型3揭示道路网出行分布性别分异的影响因素（检验H3）。3个模型的自变量指标相同（表1）,自变量的膨胀因子均明显小于10,平均膨胀因子为2.13,不存在多重共线性。女性出行量、男性出行量均为离散的计数型变量,不符合正态分布,因此模型1和模型2选用计数模型作为分析方法。经验证存在离散分布,所以排除泊松回归,选用负二项回归[40],模型如下：
μ = exp α 0 + ∑ i = 1 t α i X i
式中：μ是自变量的指数函数,负二项方差为μ+kμ2,其中k≥0为离散参数;αi为第i个自变量的标准化相关系数;Xi为第i个自变量;t为自变量总个数。应用最大似然法估计离散参数和回归方程中各相关参数,并采用似然比检验（likelihood-ratio test,简称LR检验）对负二项回归模型进行检验,若拒绝原假设,即P<0.05,则说明模型具有统计学意义[41]。
模型3的因变量为出行性别比（公式1）,其自然对数值呈正态分布左偏形态,对数正态P-P图的绝大部分点都离对角直线较近,基本符合线性回归要求。模型3的目的是对影响不同性别群体出行分布的差异因素进行逐一对比,要求回归系数有意义,因此使用弹性系数β来衡量变量之间的数量关系。弹性系数是衡量成对变量之间关系的无量纲指标,是应用广泛的效应大小指标[42,43]。在考虑拟合效果的基础上,建立了如下回归方程：
ln Y = β 0 + ∑ i = 1 t β i ln X i
式中：βi为第i个自变量的弹性系数。弹性系数β代表回归线的斜率,它的含义是X的1%变化与Y的β%变化有关。当β>1时,称为超线性;当β=1时,表示线性关系;当β<1时,称为次线性。

3 结果分析

3.1 不同性别群体的出行及其路网分布差异

不同性别群体的出行量不同,但人均日出行次数大致相等。由表2可知,男性总出行量是758.55万人次,女性总出行量是413.77万人次,比例约为1.83,结合手机用户的性别比,可知人均出行次数基本接近。每条路段的平均出行量是740人次,平均男性出行量是479人次,平均女性出行量是261人次。此外,出行量的标准差均大于平均值,整体上在路网中呈离散分布特征,不同路段之间的出行量差别较大。
表2 因变量的描述统计特征

Tab. 2 Descriptive statistical characteristics of dependent variables

名称 总值 平均值 最大值 最小值 标准差
男性出行量(人次) 7585502 479 72593 0 1787
女性出行量(人次) 4137655 261 46550 0 1038
出行性别比 0.61 20 0.00 0.48
从空间分布来看（图2）,路网中的出行量沿着城市中心向外逐渐减少,出行性别比则呈分散的小“组团”形态。承担重要交通功能的城市道路,如城市主干道、高速路等,出行量较高,而支路等小路的出行量较低。男性出行量呈现沿主要交通干道、由市中心向外逐渐减少的连续趋势,在城市外围的一些主要道路仍然高,如在花都区北部的珠三角环线高速路段、京港澳高速的中北段、大广高速北段和广河高速东段等。女性出行量在市中心外围道路却出现较严重的“断崖式”下降现象,在城市外围的大部分道路很低。从出行性别比看,女性出行比例高的路段集中分布在市中心、广州大学城、番禺区中心且零散分布在城市外围,但男性出行比例高的路段还是较多。
图2 出行量和出行性别比的道路网分布图

Fig. 2 The distribution of travel volume and gender ratio of travel volume in the road network

从时间分布来看（图3）,不同性别出行人数随时间变化的趋势较一致,与日常活动时间相对吻合。从5:00起,道路网中的出行人数开始上升,尤其在6:00—7:00之间上升最快,之后缓慢波动,最后在23:00急剧下降。由图3可知,出行人数的3个波峰段分别是11:00—13:00、16:00—18:00和20:00—22:00,其中下午高峰的出行人数最多,其余两者数量相当。
图3 不同时段女性和男性出行人数的变化情况

Fig. 3 The temporal change of the number of female and male travellers

3.2 不同性别群体道路网出行分布的隔离和集聚特征

不同性别群体出行在路网的分布差异揭示了城市道路网的性别分异现象。根据公式2,利用广州市人口普查和经济普查数据可得,不同性别群体的居住地隔离指数为0.04,就业地隔离指数为0.15。利用路网轨迹数据可得,道路网中不同性别群体的隔离指数为0.09,表明出行过程中产生了比居住地更明显的隔离,其程度稍低于就业地。
在城市道路网中,不同性别群体的社会隔离程度随着一天中时间的变化而波动,尤以白天的隔离趋势更明显,在14:00—15:00达到峰值。在7:00—11:00间,隔离指数先是迅速上升,随后平缓波动,在14:00—15:00又重新上升并到达最大值,之后逐步下降,表现为一个大高峰、一个小高峰的不对称分布特点（图4）。数值上看,隔离指数在8:00—19:00间处于0.11~0.13的范围内,19:00之后基本重新稳定在0.11以下。原因在于,白天由于活动模式及其时空弹性不同,不同性别群体之间产生了出行空间分异,导致隔离加重,而夜晚随着大部分人回到居住地,这种状态有所缓和。
图4 不同时段道路网基于性别差异的隔离指数

Fig. 4 The temporal change of dissimilarity index based on gender difference of the road network

与由隔离带来的分异现象相应地,在城市道路网中,不同性别群体的出行均呈现集聚分布的特点,但女性群体的空间差异更大。在99%的置信水平上,男性群体出行的空间自相关系数为0.15,而女性群体为0.16,说明女性群体出行趋于集中在市中心道路网的程度更高。
人群中性别比例的相对平衡一定程度上解释了基于居住地统计的性别隔离指数趋于0,由于日常活动和出行偏好存在一定的性别差异,导致了基于就业地和基于城市道路网统计的隔离指数大于居住地。但上述分析也表明,这种隔离随着时间发生变化,受到男女性别群体日常活动和出行安排差异的影响。因此,不同性别群体在道路网的空间分布差异可能与表现为主要活动空间的道路网周边建成环境有关（理论假设H2和H3）。

3.3 路网周边建成环境对不同性别群体路网出行分布差异的影响

为了验证路网周边建成环境对不同性别群体在路网中出行分布差异（具体表现为出行量分布差异和出行性别比路网分布）的影响,本文构建了模型1~模型3（表3）。
表3 道路网周边建成环境对不同性别群体出行的影响

Tab. 3 The impact of the built environment around the road network on travel of different gender groups

项目 变量名称 模型1：女性出行量 模型2：男性出行量 模型3：出行性别比
居住地 社区人口密度 0.02 0.00 -0.01
就业地 建筑业就业密度 0.04** 0.04*** 0.01
物流运输业就业密度 0.01 -0.00 -0.02**
商务服务业就业密度 0.00 0.00 -0.02
商业服务业就业密度 -0.05*** -0.05*** -0.00
社会服务业就业密度 0.02 0.00 0.04**
服饰类制造业就业密度 0.05*** 0.05*** -0.01
维护性活动地 菜市场数量 0.08*** 0.09*** 0.07***
超市数量 0.01 0.02 0.00
幼儿园数量 0.04* 0.04* 0.04
小学数量 0.04 0.04* -0.12***
休闲性活动地 购物中心数量 0.26*** 0.28*** -0.01
文体场馆数量 -0.03 -0.06** -0.01
娱乐场所数量 0.07** 0.06* -0.01
出行路段 公交站点数量 0.04* 0.02 0.04*
交叉口密度 -0.11*** -0.11*** 0.02
道路密度 0.08*** 0.06*** 0.02
道路等级 0.22*** 0.26*** -0.11***
道路中心性 0.05*** 0.07*** -0.19
到市中心距离 -0.35*** -0.32*** -0.10***
常数项 5.25*** 5.88*** -1.13
调整R² - - 0.13
LR统计量或F统计量 3003.87 2983.55 5.80
P 0.00 0.00 0.00

注：*代表P<0.1;**代表P<0.05;***代表P<0.01。

3.3.1 影响不同性别群体出行量分布的因素及差异 模型1和模型2的因变量分别为道路的女性出行量和男性出行量,其LR统计量分别为3003.87和2983.55,对应的P值均小于0.05,说明负二项回归是适合的模型,结果表明不同性别群体的出行量分布与周边建成环境之间存在一定的相关性。大部分建成环境变量与出行量分布呈现显著相关,只有部分不相关。
在影响相同的因素中,出行量分布与建筑业就业密度、服饰类制造业就业密度、菜市场数量、幼儿园数量、购物中心数量、娱乐场所数量、道路密度、道路等级、道路中心性有显著的正相关性,与商业服务业就业密度、交叉口密度、到市中心距离有显著的负相关性。结合图1,建成环境通过约束出行活动影响居民出行轨迹,从而形成出行量分布模式。首先,从就业地来说,建筑业发展往往与经济活跃、人口密集的中心地区联系紧密,集群发展的服饰类制造业聚集了众多工作岗位,都能够吸引巨大的路网流量,而商业服务业以居民服务业为主,从业规模和路网流量往往较小。其次,在各类活动地中,菜市场和幼儿园、购物和娱乐场所作为日常家庭维护和休闲娱乐设施,其数量均与出行量分布有正相关关系。最后,在日常出行路段中,密度大、中心性高的道路交通发达,等级高的道路承担着重要的交通职能,具备较大的交通规模;而交叉口密度高的一般是等级低、里程短的小路,交通规模小;此外,远离市中心的地区人口密度降低,出行规模会有所缩减。
结合模型1和2的结果,不同性别群体出行量分布的差异体现在就业地、维护性和休闲性活动地方面。对不同性别群体而言,家庭和社会分工不同导致活动模式分化,加上建成环境对其中出行活动的约束作用,是影响出行量分布差异的原因。首先,男性出行量分布与建筑业就业密度有更显著的正相关性。广州市建筑业从业人员以男性为主,比例约为87%③(③数据来自2013年《广州市第三次全国经济普查年鉴》。),说明职业分工也会影响不同性别的出行活动。其次,女性出行量分布与娱乐场所数量有更显著的正相关性,且与公交站点数量呈显著的正相关;男性出行量分布与小学数量呈显著的正相关,与文体场馆数量呈显著的负相关。结合《广州市2017年居民活动日志与社区融合调查》[44],工作日出行目的中通勤、个人事务和家务约占90%,购物、娱乐休闲和社交等只占10%左右。其中,女性以家务为目的的出行占35.14%,高出男性2.64%;在买菜和接送小孩的出行人数中,男女比例分别约为0.65和0.53。从出行方式看,女性使用公共交通占58.27%,步行和单车占31.97%,分别高出男性3.53%和1.97%,而男性私家车出行占14.19%,高出女性5.99%。大部分女性的日常活动更贴近居住区[15,34],出行距离短,更多使用公共交通;男性私家车出行比例高,沿路接送小学生的情况也较普遍;此外,由于时间或者兴趣问题,工作日男性的休闲和娱乐活动可能相对较少。
3.3.2 影响出行性别比路网分布的因素及差异 上文分析可见,不同性别群体的出行量分布与路网周边的建成环境有密切关系,为进一步揭示出行性别比是否受到其中不同因素的影响,本文构建了以出行性别比为因变量的模型3。该模型的F统计量为5.80,对应P值小于0.05,通过显著性检验,拟合度为0.13。由表3知,出行性别比与菜市场数量、社会服务业就业密度、公交站数量呈正向相关,与小学数量、道路等级、到市中心距离、物流运输业就业密度呈负向相关。上述结果意味着,在相同条件下,路段周边物流运输业就业密度的提高、小学数量的增多或道路等级的提高会显著提高男性出行量,而社会服务业就业密度的提高、菜市场和公交站点数量的增多或到市中心距离的减小则会显著提高女性出行量。
结合图1,从职业分工来看,物流运输业从业人员以男性为主,比例达到77%以上④(④数据来自2013年《广州市第三次全国经济普查年鉴》),而社会服务业诸如教师、社会工作等岗位的从业人员则以女性为主,因此在相应类型的就业地周边道路,不同性别的出行量存在差别。
从性别分工来看,家庭分工决策对定居、择业和出行模式产生重要影响。作为家务的组织者和承担者,中心区对女性有更高的居住和就业吸引力[37],就业地与居住地相距较近,出行方式也以步行和公共交通为主,而远距离通勤比例较高的男性由于经常使用私家车,从而也对道路等级的要求较高。因此,其他因素不变时,女性出行量在离中心较近或公交站数量越多的道路更大,男性出行量在越高等级的道路更大。除居家活动外,家庭事务还涉及各类维护性活动地。同上文可知,在多数家庭分工中,女性负责买菜等家务的比例更高,而有小学生的家庭可能由男性接送小孩的情况较多,因此,菜市场数量多的道路女性出行量比较多,小学数量多的道路男性出行量比较多。

4 结论与讨论

社会空间分异现象不仅发生在居住空间和日常活动空间,同时也存在于出行的道路网。本文验证了前文的3个理论假设。
首先,论文揭示了城市道路网中不同性别群体的出行存在隔离现象,尤其是14:00—15:00最严重,同时也呈现出集聚的特征,且女性的集聚效应更大,验证了理论假设H1。在此前的全天候研究中,通过对比居住隔离,大多数结论是白天家外活动产生的社会流动会降低隔离程度[20,22,45]。但是,本文发现不同性别群体在出行途中的隔离程度反而提高,白天高于夜晚。通过新的视角本文再次强调跨社区流动在社会隔离研究中的重要性[46],因此,道路网的社会分异现象值得重视。
其次,本文研究发现,不同性别群体在路网中的出行分布与日常活动空间理论相关,受到路网周边建成环境的影响,验证了理论假设H2。
进一步分析发现,道路网中的性别分异受到不同建成环境因素的影响,验证了理论假设H3。在其他因素不变时,路网中社会服务业就业密度的提高、菜市场数量的增多或公交站数量的增多对女性出行量的增加有正向作用,而物流运输业就业密度的提高、小学数量的增多、道路等级的提高或到市中心距离的增大则对女性出行量的增加起反向作用。
道路网出行分布性别分异的内在机制主要是家庭分工决策,其带来的角色差异作用于生活方式和日常行为,从而影响不同性别的出行活动。绝大多数家庭中,女性仍然是家务的“主角”,由于时空弹性约束,其工作地选择可能与家庭选址相互牵制。加上中心区的吸引力,大部分女性的出行集中在市中心附近的道路网,因而以短距离绿色出行为主,对分布着公交站的道路使用率较高。然而,男性家务压力小,择业空间大,平均通勤距离长,小汽车出行比例高,对道路通行的要求高,因此使用等级高或中心性高的道路较频繁。
随着社会多元性和包容度的提升,越来越多男性参与家务分工。现实中,菜市场一般在居住地附近,女性于通勤途中顺路完成买菜活动,因而在菜市场周边道路的出行比例较高。由于小学距离较远,男性家长开车接送小孩较常见,所以在小学周边道路的出行比例较高。
除了上述通勤问题,职业的性质和类型也会导致不同性别群体产生择业差异,市场环境下的性别社会分工也是影响道路网社会空间分异的机制之一。在物流运输岗位密集的路段,男性的出行量明显增多,而在社会服务岗位较多的路段,女性的出行量增多,这与职业的性别比例有关。
综上所述,分工机制是解释道路网社会空间分异的重要视角。在以往的研究中,有关社会空间分异,国外的讨论主要关注种族隔离机制[47,48],而国内的解释以社会经济体制转型为主要视角[49,50],也有少量从居住地自选择的角度研究[51,52]。然而,在道路网中,关于性别群体的社会隔离,本文构建了性别分工机制与道路网社会空间分异的理论联系,不是从客观的外在因素切入,而是从家庭的组织和人的主动行为角度,强调人的居住、就业和日常活动等主动分工对社会空间分异的影响。
通过本文的研究及结论,可为城市规划和治理提供一些建议。第一,面向人群需求配置与优化道路设施,提高女性群体安全感,如在女性出行量较多的道路区域,优化绿色出行环境和街道照明设施。第二,考虑不同性别群体差异,实现节点公共设施的精细化和个性化管理,如根据在物流运输业就业点或小学周边的男性较多而在社会服务业就业点或菜市场周边的女性较多,有针对地实施公共管理;第三,不断提高利用大数据进行科学治理和精细化管理的技术,为城市治理和规划提供多样化方法。
本文研究也存一定的局限：由于受到数据的局限,本研究仅采用工作日一天的数据,且有关影响路网社会分异的机制讨论主要基于模型和已有相关文献以及作者经验的分析,缺乏大量的质性调查,后续将进一步深化这些方面的探讨。此外,手机大数据与人口普查数据、经济普查数据不在一个时间点上,也是本文的研究不足之一。

感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文标题、数据说明及规划建议方面的修改意见,使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Smets P, Salman T. Countering urban segregation: Theoretical and policy innovations from around the globe. Urban Studies, 2008, 45(7): 1307-1332. DOI: 10.1177/0042098008090676.

DOI

[2]
周春山, 边艳, 张国俊, 等. 广州市中产阶层聚居区空间分异及形成机制. 地理学报, 2016, 71(12): 2089-2102.

DOI

[Zhou Chunshan, Bian Yan, Zhang Guojun, et al. Spatial differentiation and the formation mechanism of the middle class areas in Guangzhou. Acta Geographica Sinica, 2016, 71(12): 2089-2102.] DOI: 10.11821/dlxb201612002.

DOI

[3]
周素红, 邓丽芳. 基于T-GIS的广州市居民日常活动时空关系. 地理学报, 2010, 65(12): 1454-1463.

DOI

[Zhou Suhong, Deng Lifang. Spatio-temporal pattern of residents' daily activities based on T-GIS: A case study in Guangzhou, China. Acta Geographica Sinica, 2010, 65(12): 1454-1463.] DOI: 10.11821/xb201012002.

DOI

[4]
张济婷, 周素红. 转型期广州市居民职住模式的群体差异及其影响因素. 地理研究, 2018, 37(3): 564-576.

DOI

[Zhang Jiting, Zhou Suhong. The diversity of different groups' job-housing patterns and their impact factors under the background of institutional transformation: A case study of Guangzhou, China. Geographical Research, 2018, 37(3): 564-576.] DOI: 10.11821/dlyj201803009.

DOI

[5]
郝新华, 周素红, 彭伊侬, 等. 广州市低收入群体户外活动的时空排斥及其影响机制. 人文地理, 2018, 33(3): 97-103.

[Hao Xinhua, Zhou Suhong, Peng Yinong, et al. Spatial-temporal exclusion characteristics and influencing mechanism of low-income residents' outdoor activity in Guangzhou. Human Geography, 2018, 33(3): 97-103.] DOI: 10.13959/j.issn.1003-2398.2018.03.012.

DOI

[6]
Netto V M, Soares M P, Paschoalino R. Segregated networks in the city. International Journal of Urban & Regional Research, 2015, 39(6): 1084-1102. DOI: 10.1111/1468-2427.12346.

DOI

[7]
徐静, 余炜楷. 基于人群需求的公共服务设施优化配置探索: 以广州市天河区东北部公共服务设施规划为例. 见: 中国城市科学研究会、郑州市人民政府、河南省自然资源厅、河南省住房和城乡建设厅. 2019城市发展与规划论文集. 郑州: 中国城市科学研究会, 2019: 2149-2156.

[Xu Jing, Yu Weikai. Exploration of the optimized allocation of the public service facilities based on people's demand: Taking the public service facilities planning in northeast Tianhe district, Guangzhou as an example. In: Chinese Society for Urban Studies, Zhengzhou Municipal People's Government, Department of Natural Resources of Henan Province, Department of Housing, Urban and Rural Development of Henan Province. Proceedings of City Development and Planning in 2019. Zhengzhou: Chinese Society for Urban Studies, 2019: 2149-2156.]

[8]
Shen Y. Segregation through space: A scope of the flow-based spatial interaction model. Journal of Transport Geography, 2019, 76(APR.): 10-23. DOI: 10.1016/j.jtrangeo.2019.02.007.

DOI

[9]
柴彦威, 翁桂兰, 刘志林. 中国城市女性居民行为空间研究的女性主义视角. 人文地理, 2003, 18(4): 1-4.

[Chai Yanwei, Weng Guilan, Liu Zhilin. Feminist geographical research on the behavior spaces of female residents in Chinese cities. Human Geography, 2003, 18(4): 1-4.] DOI: 10.3969/j.issn.1003-2398.2003.04.001.

DOI

[10]
Roberts J, Hodgson R, Dolan P. “It's driving her mad”: Gender differences in the effects of commuting on psychological health. Journal of Health Economics, 2011, 30(5): 1064-1076. DOI: 10.1016/j.jhealeco.2011.07.006.

DOI

[11]
Duchene C. Gender and transport. International Transport Forum Discussion Papers, 2011, 42(2-4): 389-454. DOI: 10.1787/2223439X.

DOI

[12]
Cao X, Chai Y. Gender role-based differences in time allocation: Case study of Shenzhen, China. Transportation Research Record, 2014, ( 1): 58-66. DOI: 10.3141/2014-08.

DOI

[13]
宋月萍. 职业流动中的性别差异: 审视中国城市劳动力市场. 经济学: 季刊, 2007, 6(2): 629-654.

[Song Yueping. Does gender make a difference: Career mobility in urban China. China Economic Quarterly, 2007, 6(2): 629-654.]

[14]
王鹏, 吴愈晓. 社会经济地位、性别不平等与性别角色观念. 社会学评论, 2019, 7(2): 55-70.

[Wang Peng, Wu Yuxiao. Socioeconomic status, gender inequality, and gender-role attitudes. Sociological Review of China, 2019, 7(2): 55-70.] DOI: CNKI:SUN:SHPL.0.2019-02-005.

DOI

[15]
Kwan M. Gender differences in space-time constraints. Area, 2000, 32(2): 145-156. DOI: 10.1111/j.1475-4762.2000.tb00125.x.

DOI

[16]
Diaz-Cortes F, Garcia-Ramon M D. Women, daily life and public spaces in barcelonas metropolitan area: A case-study of the Ca Nanglada district of Terrassa. Finisterra: Revista Portuguesa de Geografia, 2010, 90: 49-69. DOI: 10.18055/Finis1340.

DOI

[17]
Moser C. Building inclusive cities: Women's safety and the right to the city. Gender & Development, 2013, 21(2): 409-411. DOI: 10.1080/13552074.2013.802144.

DOI

[18]
赵鹏军, 李南慧, 李圣晓. TOD建成环境特征对居民活动与出行影响: 以北京为例. 城市发展研究, 2016, 23(6): 45-51.

[Zhao Pengjun, Li Nanhui, Li Shengxiao. The impacts of the built environment on residents' activities and travel behavior in TOD areas: A case study of Beijing. Urban Development Studies, 2016, 23(6): 45-51.] DOI: 10.3969/j.issn.1006-3862.2016.06.007.

DOI

[19]
孙斌栋, 但波. 上海城市建成环境对居民通勤方式选择的影响. 地理学报, 2015, 70(10): 1664-1674.

DOI

[Sun Bindong, Dan Bo. Impact of urban built environment on residential choice of commuting mode in Shanghai. Acta Geographica Sinica, 2015, 70(10): 1664-1674.] DOI: 10.11821/dlxb201510010.

DOI

[20]
Le Roux G, Vallée J, Commenges H. Social segregation around the clock in the Paris region (France). Journal of Transport Geography, 2017, 59: 134-145. DOI: 10.1016/j.jtrangeo.2017.02.003.

DOI

[21]
Park Y M, Kwan M. Beyond residential segregation: A spatiotemporal approach to examining multi-contextual segregation. Computers, Environment and Urban Systems, 2018, 71: 98-108. DOI: 10.1016/j.compenvurbsys.2018.05.001.

DOI

[22]
Silm S, Ahas R. The temporal variation of ethnic segregation in a city: Evidence from a mobile phone use dataset. Social Science Research, 2014, 47: 30-43. DOI: 10.1016/j.ssresearch.2014.03.011.

DOI

[23]
许晓霞, 柴彦威. 城市女性休闲活动的影响因素及差异分析: 基于休息日与工作日的对比. 城市发展研究, 2011, 18(12): 95-100.

[Xu Xiaoxia, Chai Yanwei. A study on influencing factors of women' leisure behavior and the differences between weekday and weekend, Urban Development Studies, 2011, 18(12): 95-100. DOI: 10.3969/j.issn.1006-3862.2011.12.018.]

DOI

[24]
姚华松, 黄耿志, 薛德升. 国内外女性主义地理学研究述评. 人文地理, 2017, 32(2): 9-15.

[Yao Huasong, Huang Gengzhi, Xue Desheng. Reviews on feminist geographical studies. Human Geography, 2017, 32(2): 9-15.] DOI: 10.13959/j.issn.1003-2398.2017.02.002.

DOI

[25]
广州市统计局, 国家统计局广州调查队. 广州统计年鉴2017. 北京: 中国统计出版社, 2017: 55.

[Guangzhou Statistics Bureau, Guangzhou investigation team of National Bureau of Statistics of China. Guangzhou Statistical Yearbook 2017. Beijing: China Statistics Press, 2017: 55.]

[26]
吴健生, 黄力, 刘瑜, 等. 基于手机基站数据的城市交通流量模拟. 地理学报, 2012, 67(12): 1657-1665.

[Wu Jiansheng, Huang Li, Liu Yu, et al. Traffic flow simulation based on call detail records. Acta Geographica Sinica, 2012, 67(12): 1657-1665.] DOI: 10.11821/xb201212007.

DOI

[27]
廖薇薇, 何家律, 李秋萍, 等. 城市道路结构等级与基于手机定位数据的交通流量匹配度分析. 地理与地理信息科学, 2018, 34(2): 58-65.

[Liao Weiwei, He Jialv, Li Qiuping, et al. Matching degree analysis between urban road structural hierarchy and mobile phone location data based traffic flow. Geography and Geo-Information Science, 2018, 34(2): 58-65.] DOI: 10.3969/j.issn.1672-0504.2018.02.010.

DOI

[28]
谭一洺, 柴彦威, 关美宝. 地理背景的不确定性对时空行为模式分析的影响: 基于西宁市的实证研究. 地理学报, 2017, 72(4): 657-670.

DOI

[Tan Yiming, Chai Yanwei, Kwan Mei-Po. The impact of the uncertain geographic context on the space-time behavior analysis: A case study of Xining, China. Acta Geographica Sinica, 2017, 72(4): 657-670.] DOI: 10.11821/dlxb201704008.

DOI

[29]
何嘉明, 周素红, 谢雪梅. 女性主义地理学视角下的广州女性居民日常出行目的及影响因素. 地理研究, 2017, 36(6): 1053-1064.

DOI

[He Jiaming, Zhou Suhong, Xie Xuemei. Female residents' daily travel purpose and its influencing factors from the perspective of feminism: A case study in Guangzhou, China. Geographical Research, 2017, 36(6): 1053-1064.] DOI: 10.11821/dlyj201706005.

DOI

[30]
陈博文, 周素红, 姜超. 活动视角下建成环境对广州居民通勤效率的影响. 城市规划学刊, 2016,(4): 67-74.

[Chen Bowen, Zhou Suhong, Jiang Chao. The impacts of built environment on residents' commuting efficiency based on activities in Guangzhou. Urban Planning Forum, 2016, (4): 67-74.] DOI: 10.16361/j.upf.201604009.

DOI

[31]
张成刚, 杨伟国. 中国职业性别隔离趋势与成因分析. 中国人口科学, 2013, (2): 60-69.

[Zhang Chenggang, Yang Weiguo. China's occupational gender segregation and its cause analysis. Chinese Journal of Population Science, 2013, 33(2): 60-69.]

[32]
李汪洋, 谢宇. 中国职业性别隔离的趋势: 1982—2010. 社会, 2015, 35(6): 153-177.

[Li Wangyang, Xie Yu. Trends of occupational gender segregation in China: 1982-2010. Chinese Journal of Sociology, 2015, 35(6): 153-177.] DOI: 10.15992/j.cnki.31-1123/c.2015.06.016.

DOI

[33]
Schönfelder S, Axhausen K W. Activity spaces: Measures of social exclusion. Transport Policy, 2003, 10(4): 273-286. DOI: 10.1016/j.tranpol.2003.07.002.

DOI

[34]
古杰, 傅辰昊, 周素红. 女性主义视角下广州市居民日常出行时空路径分析. 城市学刊, 2018, 39(4): 24-29.

[Gu Jie, Fu Chenhao, Zhou Suhong. The space-time path of residents' daily travel in Guangzhou from feminism. Journal of Urban Studies, 2018, 39(4): 24-29.] DOI: 10.3969/j.issn.2096-059X.2018.04.005.

DOI

[35]
周素红, 彭伊侬, 柳林, 等. 日常活动地建成环境对老年人主观幸福感的影响. 地理研究, 2019, 38(7): 1625-1639.

DOI

[Zhou Suhong, Peng Yinong, Liu Lin, et al. The impact of built environment on well-being of older adults under different geographic contexts. Geographical Research, 2019, 38(7): 1625-1639.] DOI: 10.11821/dlyj020180292.

DOI

[36]
张萌. 女性出行行为特征研究. 北京: 北京交通大学硕士学位论文, 2008: 18-26.

[Zhang Meng. Travel behavior characteristics analysis for women. Beijing: Master Dissertation of Beijing Jiaotong University, 2008: 18-26.] DOI: 10.7666/d.y1229828.

DOI

[37]
和玉兰, 甄峰, 朱寿佳, 等. 网络信息时代女性居民日常活动时空特征研究: 以南京市为例. 人文地理, 2014, 29(2): 29-34.

[He Yulan, Zhen Feng, Zhu Shoujia, et al. The spatial-temporal activity pattern of women in the era of network information: A case study of Nanjing. Human Geography, 2014, 29(2): 29-34.] DOI: 10.13959/j.issn.1003-2398.2014.02.011.

DOI

[38]
Porta S, Latora V, Wang F, et al. Street centrality and the location of economic activities in Barcelona. Urban Studies, 2012, 49(7): 1471-1488. DOI: 10.1177/0042098011422570.

DOI

[39]
Silm S, Ahas R, Mooses V. Are younger age groups less segregated? Measuring ethnic segregation in activity spaces using mobile phone data. Journal of Ethnic and Migration Studies, 2018, 44(11): 1797-1817. DOI: 10.1080/1369183X.2017.1400425.

DOI

[40]
陈强. 高级计量经济学及STATA应用(第2版). 北京: 高等教育出版社, 2014: 211-214.

[Chen Qiang. Advanced econometrics and Stata application (2nd Edition). Beijing: Higher Education Press, 2014: 211-214.]

[41]
王炳翔, 朋文佳, 闫军伟, 等. 猩红热的发病率与气象因素的负二项回归分析. 中华疾病控制杂志, 2014, 18(2): 166-168.

[Wang Bingxiang, Peng Wenjia, Yan Junwei, et al. Negative binomial regression analysis of the scarlet fever incidence and meteorological factors. Chin J Dis Control Prev, 2014, 18(2): 166-168.] DOI: CNKI:SUN:JBKZ.0.2014-02-021.

DOI

[42]
Ewing R, Cervero R. Travel and the built environment. Journal of the American Planning Association, 2010, 76(3): 265-294. DOI: 10.1080/01944361003766766.

DOI

[43]
Li Q, Zhou S, Wen P. The relationship between centrality and land use patterns: Empirical evidence from five Chinese metropolises. Computers, Environment and Urban Systems, 2019, 78: 101356. DOI: 10.1016/j.compenvurbsys.2019.101356.

DOI

[44]
苏玲玲, 周素红, 张雪, 等. 社区环境对居民主观幸福感的影响:时间维度的作用. 城市发展研究, 2019, 26(9): 26-34.

[Su Lingling, Zhou Suhong, Zhang Xue, et al. The influences of neighborhood environment on residents' subjective well-being: The effects of time dimension. Urban Development Studies, 2019, 26(9): 26-34.] DOI: 10.3969/j.issn.1006-3862.2019.09.004.

DOI

[45]
Ellis M, Wright R, Parks V. Work together, live apart? Geographies of racial and ethnic segregation at home and at work. Annals of the Association of American Geographers, 2004, 94(3): 620-637. DOI: 10.1111/j.1467-8306.2004.00417.x.

DOI

[46]
Wang Q, Phillips N E, Small M L, et al. Urban mobility and neighborhood isolation in America's 50 largest cities. Proceedings of the National Academy of Sciences, 2018, 115(30): 7735-7740. DOI: 10.1073/pnas.1802537115.

DOI

[47]
Krysan M, Farley R. The residential preferences of blacks: Do they explain persistent segregation? Social Forces, 2002, 80(3): 937-980. DOI: 10.1353/sof.2002.0011.

DOI

[48]
Muhammad M S, Kasim R, Martin D. A review of residential segregation and its consequences in Nigeria. Mediterranean Journal of Social Sciences, 2015, 6(2 S1): 376-384. DOI: 10.5901/mjss.2015.v6n2s1p376.

DOI

[49]
Madrazo B, van Kempen R. Explaining divided cities in China. Geoforum, 2012, 43(1): 158-168. DOI: 10.1016/j.geoforum.2011.07.004.

DOI

[50]
吴启焰, 张京祥, 朱喜钢, 等. 现代中国城市居住空间分异机制的理论研究. 人文地理, 2002, 17(3): 26-30.

[Wu Qiyan, Zhang Jingxiang, Zhu Xigang, et al. The dynamic mechanism of urban residential differentiation in China. Human Geography, 2002, 17(3): 26-30.] DOI: 10.13959/j.issn.1003-2398.2002.03.007.

DOI

[51]
周素红, 刘玉兰. 转型期广州城市居民居住与就业地区位选择的空间关系及其变迁. 地理学报, 2010, 65(2): 191-201.

[Zhou Suhong, Liu Yulan. The situation and transition of jobs-housing relocation in Guangzhou, China. Acta Geographica Sinica, 2010, 65(2): 191-201.] DOI: 10.11821/xb201002006.

DOI

[52]
吕雪梦. 基于住宅选择视角的城市居住空间分异研究. 杭州: 浙江大学硕士学位论文, 2011: 106-107.

[Lv Xuemeng. An empirical study on residential spatial differentiation: Based on residential choice perspective. Hangzhou: Master Dissertation of Zhejiang University, 2011: 106-107.] DOI: CNKI:CDMD:2.1011.050158.

DOI

Options
文章导航

/

〈 〉