EN中文

地理研究 >

2024 , Vol. 43 >Issue 10: 2666 - 2683

DOI: https://doi.org/10.11821/dlyj020230884

研究论文

迁移视角下移动办公人群职住空间的郊区化特征探究——一个ICT对郊区化影响的大数据实证

  • 牛强 ,
  • 张浩 ,
  • 付文琪 ,
  • 伍磊
展开
  • 武汉大学城市设计学院/湖北省人居环境工程技术研究中心，武汉 430072

牛强（1978-），男，湖北宜昌人，博士，教授，博士生导师，主要研究方向为行为大数据分析、信息时代的城乡规划、定量城市研究和规划分析。E-mail:

收稿日期: 2023-10-09

  录用日期: 2024-04-29

  网络出版日期: 2024-10-14

基金资助

国家自然科学基金项目(52278075)

收起

Revealing the suburbanization characteristics of mobile-office worker's job-house space from the perspective of migration: A big data empirical study on the impact of ICT on suburbanization

  • NIU Qiang ,
  • ZHANG Hao ,
  • FU Wenqi ,
  • WU Lei
Expand
  • School of Urban Design, Wuhan University, Research Center of Hubei Human Settlements Environment Engineering Technology, Wuhan 430072, China

Received date: 2023-10-09

  Accepted date: 2024-04-29

  Online published: 2024-10-14

Fold

摘要

信通技术影响下的郊区化现象和格局演变一直是城市空间结构研究的热点话题。移动办公作为信通技术衍生出的新型办公生产活动，极大地提升了个体职住空间选择的灵活性和流动性，从而为解析城市郊区化现象与城市空间结构演变规律提供了新视角。基于时序手机信令大数据，构建2019—2021年、2021—2023年武汉市高频移动办公人群和非移动人群职住空间迁移数据库，综合对比分析、空间分析、社会网络分析等方法探究其职住空间郊区化的数量、空间、结构特征和演进趋势。研究发现：① 数量特征上，移动办公人群职住空间由中心城区向郊区新城迁移的人数和占比一定程度上高于非移动办公人群，其迁出数量更多且回迁相对更少，向郊区新城分散化的趋势在持续加强。② 空间特征上，移动办公人群职住空间由中心城区向郊区新城迁移的趋势较为明显，而非移动办公人群则主要在中心城区内部迁移的趋势更为明显。同时，移动办公人群在中心城区圈层内负向净迁移量更多，而在郊区新城内正向净迁移量更大。这表明移动办公人群迁向郊区的分散化趋势进一步强化。③ 结构特征上，移动办公人群在部分郊区新城中心的中心度隐有反超中心城区的趋势，且其中心度增幅已经高于三分之一的中心城区中心。此外，相较于就业空间，移动办公人群居住空间的分散程度更强、辐射范围更远，逐渐由中心城区向城郊结合地区-近郊区新城中心-接近远郊的组团中心扩散，这表明移动办公人群居住空间的选择进一步削弱了地理集聚效应。研究通过大数据实证发掘了信通技术影响下的城市空间及结构的郊区化演变趋势，丰富了信通技术对城市郊区化作用格局、过程的相关研究，也为解析城市的郊区化分散规律提供了移动办公这一新的理论视角，对信通技术发展新阶段下的城市郊区化现象、城-郊进一步融合协调和郊区新城可持续发展具有借鉴作用。

关键词： 迁移; 移动办公; 职住空间; 郊区化; 大数据; 武汉

本文引用格式

牛强 , 张浩 , 付文琪 , 伍磊 . 迁移视角下移动办公人群职住空间的郊区化特征探究——一个ICT对郊区化影响的大数据实证[J]. 地理研究, 2024 , 43(10) : 2666 -2683 . DOI: 10.11821/dlyj020230884

Abstract

The phenomenon of suburbanization under the influence of ICT has always been a hotspot in the study of urban space. As a new type of job activity derived from information and communications technology, mobile-office greatly improves the flexibility and mobility of individual's job-house space choices, which provides a new perspective for analyzing the suburbanization phenomenon of urban space, as well as the laws of how urban spatial structure to evolve. Based on the mobile phone big data, we firstly build the job-house spatial migration database of high-frequency mobile-office workers and non-mobile workers in Wuhan between 2019-2021 and 2021-2023, then explore the quantity, space, structural characteristics and evolution trend of their migration by using comparative analysis, spatial analysis, social network analysis. Our research has shown that mobile office has a promoting effect on the suburbanization of job-house space. Detailed conclusions are listed below. (1) The number and proportion of mobile-office workers migrating their job-house space from the central urban area to the suburban new city are higher than those of non-mobile office workers, with a larger number of moving out and relatively few moving back, and the trend of decentralization towards the suburban new city continues to strengthen. (2) Mobile-office workers mainly migrate from the central urban area to suburban new city, while non-mobile office workers mainly migrate within the central urban area. Besides, the mobile-office population has a greater negative net migration within the central urban area, while a greater positive net migration occurs in suburban new city. Our discovery indicates that the decentralization trend of mobile-office workers moving to the suburban new city has been further strengthened. (3) In terms of structural characteristics, the centrality of mobile-office workers in some suburban new city centers shows a potential trend of exceeding central urban area, and their centrality increase is higher than one-third of the central urban center. In addition, compared to suburbanization of job space, the dispersion of home space among mobile-office workers are stronger, with a wider migration district range, gradually spreading from the central urban area to the suburban new city and the far suburban city area. These conclusions indicate that the selection choice of job-house space for mobile-office workers obviously weakens the geographical agglomeration effect. Our study confirms the suburbanization trend of urban space under the influence of ICT, enriching the relevant research on the pattern and process of how ICT influences the suburbanization, as well as providing a theoretical perspective for analyzing the suburbanization of urban space in cities, which is of great importance to further integration of urban and suburban areas, and sustainable development of suburban new cities.

Key words： migration; mobile-office; job-house space; suburbanization; big data; Wuhan

1 引言

信通技术影响下的郊区化现象和格局演变一直是城市空间结构研究的热点话题。移动办公作为信通技术衍生的新型的办公生产活动，为深入解析城市郊区化现象与城市空间结构演变规律提供了新视角[1]。统计数据显示，截至2022年12月，中国移动办公用户规模已达5.40亿，较2021年同比增长7078万，占网民整体的50.6%[2]。随着移动互联网、云计算、人工智能、元宇宙等技术的普及和深化，移动办公这一办公生产新模式正逐渐融入城市居民的日常活动中[3]，它一定程度上打破了时空边界、延伸了工作场域、创新了弹性化和灵活化的工作模式，从而成为信息时代办公生产活动数字化转型的重要趋势，促进了城市办公活动及其空间组织的扁平化、分散化、弹性化发展，为实现郊区办公区位优化重组提供了新的路径[1]。在此背景下，移动办公或将逐渐成为助推城市办公生产空间格局演变的新途径。那么，移动办公究竟能否促进城市办公生产空间的郊区化发展，其发展趋势如何，都值得从理论和实证方面深入探讨。
信通技术发展所推动的城市郊区化现象、过程、格局研究是信息地理学和城市规划等领域持续关注的经典议题[4]，随着信通技术的进一步发展所造成的时空关系的重组[5,6]，大城市城-郊的办公生产活动及空间形态都发生了前所未有的巨大改变。目前，国内外已有不少学者从理论和实证上分析了信通技术对城市办公生产活动郊区化及城市空间结构分散的重要影响，相关研究可归纳为就业空间郊区化、居住空间郊区化两类。一类是在信通技术促进就业空间郊区化方面，基于商务办公、软件产业、生产性服务业等行业的写字楼等实体空间的分布和数量，证实了办公活动的分布郊区化趋势[7⇓⇓⇓⇓⇓⇓⇓-15]，认为信通技术通过消除地理摩擦[16]、弱化地理邻近性[17]、强化信息可接入性[18]等方式增加就业的灵活性和减少地理空间的限制，从而改变了办公地点的选址原则，促进就业空间的郊区化扩散迁移[19]。另一类是在信通技术促进居住空间郊区化方面，信通技术通过提供远程办公、网上交流等方式[20,21]，能有效缩短职住通勤时间、增强个人工作热情、平衡工作与家庭、提高工作时间地点的灵活性等[22,23]，实现居住和就业空间在一定程度上的融合[24]，诞生如居家办公、移动办公、虚拟办公室等工作模式[25]，有助于降低住房成本并为城市居民提供了远离城市中心的机会，因而导致了城市居住空间的分散化和郊区化发展[24⇓⇓-27]。然而，已有研究主要通过数量统计和逻辑推导等方式分析信通技术影响下的城市办公生产活动的郊区化趋势及其机制，其推导逻辑和实证力度仍比较薄弱，且从移动办公等新型办公活动视角切入的研究较少。
职住空间迁移流动被广泛认为是信通技术重塑造城市空间格局、推动城市地理系统演化的关键因素[28]，也是解析郊区化现象的重要途径[29]。本质上，人的迁移流动是人与空间、设施、信息、技术等要素之间的交互关系的体现[30]，人在不同空间迁移流动构建起空间的交互联系，同时促进了其他要素在空间内相互关联、集聚与扩散，从而带动了城市功能、形态与结构的发展[31]。因此，个体流动是城市内部社会经济活力的重要表征，能够直接影响城市空间的功能兴衰及结构演变，也是促进郊区化、同城化、一体化新城建设与部分内城衰败的成因[32]。此前，关于中微观城市尺度的人流特征研究较少，主要聚焦人口与经济普查、问卷调查数据等探讨职住空间的迁移规律，并据此解析郊区化的动力机制[33⇓-35]，但此类研究一般是在小样本基础上开展的统计描述，对城市空间的整体性、联系性、系统性分析不足；近年来手机信令[36⇓-38]、通勤轨迹等大数据[39,40]的广泛应用，为精细化识别微观尺度居民职住空间迁移提供了技术支撑，如王德[41]、牛强[42,43]等基于时序手机信令大数据从个体职住迁移的视角精细化测度了城市空间演进的分异特征。同时，近年来，国内外也有众多学者从流空间[31,44,45]和人地关系[46]等视角关注隐藏于流动特征分布背后、因人的流动而建立起的城市空间互动联系和网络结构演变，并开展了大量实证[47⇓⇓⇓⇓-52]。由此可见，通过微观个体的迁移流动特征来研究城市空间结构的演变规律正成为时下的研究热点，且手机信令数据的精细化应用也可有效保障研究的可靠性和可行性，这为深度解析移动办公人群的职住空间的流动特征及其映射的城市网络空间结构变化规律提供了强有力的研究路径。
综上所述，随着信通技术的持续发展，城市的办公方式、空间组织、网络结构等必将发生较为深刻的变革[3,30]，城市尤其是郊区新城将迎来新一轮发展契机，但这些变化在国内外郊区化相关研究中较为少见。因此，以武汉市为例，从移动办公人群职住空间迁移网络的新视角，探究信息时代城-郊移动办公人群的职住空间迁移流动特征，及其联系网络中映射的信通技术影响下的城市郊区化格局演变规律。首先，在清晰地界定移动办公和移动办公人群的概念基础上，通过2019—2023年手机APP使用大数据和时空间驻留行为数据等，精准识别并划分连续高频移动办公人群和非移动办公人群；其次，根据手机信令时序大数据分别构建2019—2021年、2021—2023年高频移动办公人群和非移动人群职住迁移数据库；然后，使用对比分析、空间分析、社会网络分析等方法探究移动办公人群职住空间的郊区化特征。研究通过大数据实证有助于精细化发掘信通技术影响下的城市空间及结构的郊区化演变趋势，解析城市中微观层面的城市办公空间及其结构的郊区化分散规律，丰富信通技术对城市郊区化作用格局、过程的相关研究，这将为信通技术发展新阶段下的城市郊区化现象、城-郊进一步融合协调和郊区新城的健康发展等提供参考借鉴。

2 数据来源与研究方法

2.1 研究区域

以武汉市的都市发展区作为研究对象（图1）。根据《武汉市城市总体规划（2010—2020年）》，该区域包括1个中心城区和6个郊区新城，总面积3271.51 km2。原因如下：① 武汉市是国内信息化前沿城市之一，作为中国准一线特大城市，移动办公人数多、程度高，具有典型代表性。② 武汉市都市发展区是其办公生产活动的主要承载区域，职住迁移现象较为显著，适宜对比移动办公人群与非移动办公人群职住地迁移的变化特征。③ 研究范围内信息基础设施建设完备，手机基站密度高，分布较为均质，空间数据丰富精确、完善易得，为后续精细化研究奠定了基础。
图1 研究区域示意图

Fig. 1 The schematic diagram of the research area (Wuhan)

为探究移动办公人群职住空间的郊区化特征，研究依据《武汉市国土空间总体规划（2021—2035年）》，识别出与武汉市空间格局相对应的城市中心体系。首先，分别识别出多年序职、住迁入的热点聚类空间，然后通过包含、合并等图形分析方法对上述空间进行融合，继而通过武汉市各区用地规划以及土地覆盖遥感数据等多源数据进行校正，最终获得武汉市城-郊37个基本单元中心的空间位置、范围和规模，平均单元中心规模大小约为17 km2，并按照各中心空间范围统计职住迁入数量、迁出数量等。

2.2 数据来源

2.2.1 移动办公的概念界定

移动办公是信通技术衍生出的新型办公生产活动，其概念源自远程办公。自Nilles提出“远程办公”一词以来[53]，随着信通技术的迭代发展，远程办公的内涵被广泛延伸和拓展，包括居家办公、移动办公、虚拟办公三代类型[25]：其中，以居家办公为主（home-office）的第一代远程办公指在家或附近使用固定的计算机和电话，替代传统的办公室工作的工作模式[54]；以移动办公为主（mobile-office）的第二代远程办公指在信通技术的帮助下，如笔记本电脑和手机，办公的时间和空间灵活性增强，可以在就业地、家以及第三办公空间（如咖啡馆、图书馆、联合办公区等）进行办公地点切换[55,56]。换言之，工作正在变得移动，但所有信息仍然必须一直携带，这也是移动办公的最初概念；以虚拟办公为主（virtual-office）的第三代远程办公指在云计算、区块链、人工智能、SaaS（软件即服务）等新信通技术的支持下，信息存储在云和网络中[57]，借助智能手机和平板电脑等便携设备可以随时随地工作，即工作本身无处不在[22,58]。
结合远程办公的内涵和新信通技术的发展，本文所界定的移动办公的概念实际上是上述远程办公概念中的“mobile-office”和“virtual-office”的结合，即：移动办公是在新型信通技术和移动OA系统（移动办公自动化系统）的支持下[59]，在手机或者平板等微小移动终端上安装企业信息化系统和软件而具备和电脑一样的办公功能，进而摆脱了办公人员必须在固定场所、固定时间、固定设备办公的限制，办公人员可在任何时间（anytime）、任何地点（anywhere）处理与业务相关的任何事情（anything）的一种流动化办公模式[60⇓⇓-63]。

2.2.2 高频移动办公人群的识别

从移动办公的概念来看，本文认为移动办公人群具备以下特征：① 云计算和云办公：将数据和应用程序存储在云端，使员工能够随时随地访问工作文件和信息，这消除了传统工作中对固定硬件和固定地点的依赖性；② 灵活的时空间安排：移动办公人群更具流动性，可借助微小移动终端实现办公的时空碎片化利用，从而提升时间和空间的利用效率提高工作满意度和生活质量；③ 移动办公OA系统和协同办公程序：通过移动办公自动化，将公文、通讯录、日程、文件管理、通知公告等功能迁移到微小移动终端，支持随时随地进行掌上办公。同时，通过创新集成移动应用程序，如实时通讯工具、在线会议和协作平台等，促进实时沟通和协同办公，提高团队成员之间的互动和信息共享。
据此，提出通过手机APP使用大数据和时空间驻留行为数据，识别高频移动办公人群的方法：
一方面，参考牛强等学者的研究成果，基于用户手机APP使用大数据，将用户是否使用移动办公APP和使用时长等作为高频移动办公人群的重要判断标准[1]。其中，移动办公APP指以手机、平板等微小移动终端为载体，在移动办公OA系统上具备云存储、在线交流、协同办公、文件传输共享等办公功能的应用程序，包括WPS、钉钉、企业云盘、企业微信、腾讯会议、阿里云、百度网盘、腾讯文档等约200款移动办公APP。统计用户使用每一款移动办公APP的时长，并汇总用户使用所有移动办公APP的总时长，通过移动办公APP使用总时长判断用户“是否连续多年高时长使用移动办公APP”（由于疫情后移动办公的普及程度大大提升，移动办公APP使用总时长随之增长，导致不同年份的判别标准存在一定差异。对统计数据按自然间断法分级，2019年设定为“高时长使用移动办公APP”这一级别的用户当年6月工作日平均使用移动办公APP时长为大于10分钟/工作日，而2021年、2022年、2023年则为大于30分钟/工作日）。
另一方面，由于高频移动办公人群办公的时空间灵活性和流动性较强，基于用户一月的时空间驻留行为数据判断用户在工作日工作时段内在就业地、家、第三办公空间（咖啡馆、图书馆、联合办公区等）、其他企业办公空间等多类典型办公空间内“是否存在显著的驻留行为”。挑选用户一月工作时段内驻留总时长前十的地点，若满足上述办公空间驻留情形，且其不同地点数超过数量阈值，则认为用户“显著存在多个办公空间”。

2.2.3 高频移动办公人群与非移动办公人群样本情况

基于以上技术方法，采用2019—2023年每年6月武汉市联通用户的手机信令数据，划分为2019—2021年、2021—2023年两个时序阶段进行高频移动办公人群识别。这样既可以通过长时序移动办公人群的识别减少单一年份及疫情期间短时序移动办公所引起的结果误差，又能更为科学地监测高频移动办公人群职住空间的迁移行为。
继而划分高频移动办公人群和非移动办公人群的对照组。经统计，2019—2021三年间连续性高频移动办公人群用户共73839位，2021—2023三年间连续性高频移动办公用户共145831位。非移动办公人群是指连续多年都没有使用过移动办公APP且其办公地点较为单一的用户，由于非移动办公人群的人数略高于高频移动办公人群，通过随机抽样方法使得二者的总样本数量保持一致。从样本年龄、性别构成上看（表1），二者间的占比差异均不超过2%，有效保障了对比分析的科学性。
表1 高频移动办公群体与非移动办公群体样本构成对比

Tab. 1 Sample composition of high-frequency mobile-office group and non-mobile office group

时
序		 高频移动办公人群样本构成 非移动办公人群样本构成
分年龄 分性别 分年龄 分性别
类型 人数 占比
（%）		 类型 人数 占比
（%）		 类型 人数 占比
（%）		 类型 人数 占比
（%）
2019—2021年 青年
（18~44岁）		 68089 92.21 男性 42498 57.5 青年
（18~44岁）		 67646 91.61 男性 43291 58.63
中年
（45~59岁）		 5627 7.62 女性 31341 42.5 中年
（45~59岁）		 6040 8.18 女性 30693 41.57
老年
（≥60岁）		 123 0.17 老年
（≥60岁）		 153 0.21
2021—2023年 青年
（18~44岁）		 134918 92.51 男性 91059 62.44 青年
（18~44岁）		 133022 91.22 男性 91559 62.78
中年
（45~59岁）		 10753 7.38 女性 54772 37.56 中年
（45~59岁）		 12646 8.67 女性 54272 37.22
老年
（≥60岁）		 160 0.11 老年
（≥60岁）		 163 0.11

2.3 研究方法

2.3.1 职住地迁移OD分析方法

本文构建高频移动办公人群和非移动办公人群职住空间迁移模型。其中，O点代表迁居（换岗）前的居住地（就业地），D点代表迁居（换岗）后的居住地（就业地），从城-郊整体、圈层、中心单元三个层次识别城-郊之间居住和就业的迁移量，并反映武汉市城-郊之间的人流迁入、迁出变化。

2.3.2 对比分析法

研究在控制年龄、性别等变量的条件下，将2019—2021、2021—2023年高频移动办公人群与非移动办公人群的职、住空间迁移的数量、空间、结构特征进行对比，探究其郊区化特征。

2.3.3 社会网络分析（Social Network Analysis）

社会网络模型是城市内部空间结构测度的重要手段，通过城市各个单元之间的人流关联计算社会网络中心性、衡量各单元节点在流动网络中的重要程度，并可结合多年时序的中心性变化情况反映出城市空间结构的演变。该模型主要由度、边和中心性构成。文中以武汉市37个城-郊中心为基本单元，借用赵构恒等[64]提出的有向加权网络的JP-Degree测量方法，测量城-郊高频移动办公人群与非移动办公人群职住空间迁移的度中心性，包括入度、出度和中心度。公式如下：
C W D a i = S o u t i × S i n i × 1 2 S o u t i + S i n i 3
S i n i = k i × s i n i / k i a = k i × 1 - a × s i a
S o u t i = k i × s o u t i / k i a = k i × 1 - a × s i a
式（1）中： C W D a i为中心度； S i n i为中心i的入度， S o u t i为城-郊中心i的出度。式（2）中： s i n i为与中心i迁入量之和； k i为i的相邻节点的个数；a为赋值参数，根据实际情况选取。式（3）中： s o u t i为与中心i迁出量之和； k i为i的相邻节点的个数。
研究通过Python 3.9.7中的NetworkX工具包实现上述分析。

3 移动办公人群就业地迁移的郊区化特征

3.1 中心城区与郊区新城就业地之间迁移的整体异质性特征对比

移动办公人群郊区化的人数和占比明显高于非移动办公人群。从高频移动办公人群与非移动办公人群在城-郊迁移的总体数量特征来看，高频移动办公人群由中心城区向郊区分散化的趋势更为明显，中心城区迁往郊区的就业地迁移数量更高，回迁相对更少，且二者的差值随着时序变化而扩大（表2）。其中，2019—2021年高频移动办公人群就业地由中心城区迁向郊区新城的人数占比为15.07%，而郊区新城迁往中心城区的人数占比仅为14.08%，呈现一定的郊区化特征。而非移动办公人群就业地由中心城区迁向郊区新城的人数占比为13.84%，而郊区新城迁往中心城区的人数占比为15.76%，主要呈现向中心城区集聚的特征；2021—2023年非移动办公人群在城-郊之间迁移的数量占比基本与2019—2021年持平，而移动办公人群的分散化趋势则进一步强化。
表2 2019—2021年、2021—2023年高频移动办公人群与非移动办公人群城-郊就业地迁移整体异质性

Tab. 2 Comparison of overall characteristics of job migration of mobile-office workers and non-mobile office workers in urban and suburban areas between 2019-2021 and 2021-2023 in Wuhan

迁移方向 2019—2021年就业地迁移 2021—2023年就业地迁移
高频移动办公人群 非移动办公人群 高频移动办公人群 非移动办公人群
人数 占比（%） 人数 占比（%） 人数 占比（%） 人数 占比（%）
中心城区→中心城区 21739 57.60 22710 57.52 35771 52.38 38362 56.17
中心城区→郊区新城 6951 15.07 5465 13.84 12546 18.37 9781 14.32
郊区新城→中心城区 5558 14.80 6224 15.76 9975 14.61 11097 16.25
郊区新城→郊区新城 5232 13.25 5081 12.87 10001 14.64 9053 13.26

3.2 中心城区与郊区新城就业地之间迁移的圈层异质性特征对比

以研究区域的几何中心为基点、4 km为间隔建立多环缓冲区，计算不同距离圈层内（横坐标轴）高频移动办公人群和非移动办公人群的净迁移量占当年总迁移量的比例（纵坐标轴），绘制2019—2021年、2021—2023年两个时序阶段内高频移动办公人群与非移动办公人群就业地净迁移占比的圈层分布图，用以弱化不同年份数量级的不同造成的统计差异并测度空间分布趋势（图2）。研究发现，移动办公人群在中心城区圈层的净流出量更多，且在郊区新城圈层的净流入量更大。
图2 2019—2021年、2021—2023年高频移动办公与非移动办公人群就业地净迁移的圈层异质性

Fig. 2 Comparison of layer distribution characteristics of job net migration of mobile-office workers and non-mobile office workers between 2019-2021 and 2021-2023 in Wuhan

就净迁移量的圈层空间分布而言，高频移动办公就业地的郊区化程度明显高于非移动办公人群，主要表征在各圈层“中心城区负向净迁移量更多”和“郊区正向净迁移量更大”两个方面。其中，相对于非移动办公人群，2019—2021年移动办公人群在郊区新城圈层的净迁移量占比之和是其1.53倍，2021—2023年移动办公人群在郊区新城圈层的净迁移量占比之和是其2.13倍；同时，不同于非移动办公人群在郊区净迁移量的正负交替变化情况，高频移动办公人群在郊区的净迁移量主要呈现正向净迁移态势，且由城郊结合圈层、新城中心圈层逐渐向外扩减。
此外，高频移动办公人群和非移动办公人群就业地净迁移量占比的波峰位置存在差异。在中心城区，二者的波峰出现在8~12 km的中心城区内边缘圈层，而波谷分别出现在距中心4~8 km的中心城区核心区圈层和12~16 km的中心城区外边缘圈层。在近郊区，高频移动办公就业地迁移的波峰主要出现在距中心16~20 km的城郊结合圈层，20~24 km的郊区新城中心圈层次之，而非移动办公人群在20~24 km的新城中心圈层则出现了波谷特征，表明移动办公对就业地郊区化分散的促进作用。

3.3 中心城区与郊区新城就业地之间迁移的中心单元异质性特征对比

以前文“研究区域”部分识别出的37个武汉市城-郊中心为基本单元，分析各中心之间的就业地净迁移数量及各中心的净流入、净流出数量。
就城-郊各中心之间就业地净迁移强度和方向而言，高频移动办公人群由中心城区中心向郊区新城中心迁移的趋势一定程度上高于非移动办公人群，而非移动办公人群在中心城区中心之间的迁移强度高于高频移动办公人群。换言之，高频移动办公人群就业地的分散化趋势强于非移动办公人群，而非移动办公人群的集聚化趋势高于前者。例如，高频移动办公人群主要分散向沌口、吴家山、常福、金银湖、天河机场、豹澥等郊区新城中心，其净迁移量处于第四层级，而非移动办公人群主要处于第二层级；非移动办公人群就业地主要在中心城区各中心之间的内部迁移，如江汉路、光谷、四新、汉江湾、南湖等，其净迁移量多数位于第五层级，而高频移动办公人群则主要处于第四层级（图3）。同时在城-郊各中心净流入、净流出数量上，高频移动办公人群在郊区新城中心的净流入量高于非移动办公人群，如吴家山、常福、宋家岗、金银潭等。这表明，对于移动办公人群的就业地选择而言，由于信息化带来的就业的灵活性的增强，中心城区的地理集聚性影响因素有所削弱，迁向郊区的分散化趋势进一步增强。
图3 2019—2021年、2021—2023年高频移动办公人群与非移动办公人群就业地迁移的中心单元异质性

Fig. 3 Comparison of centers distribution characteristics of job net migration of mobile-office workers and non-mobile office workers between 2019-2021 and 2021-2023 in Wuhan

4 移动办公人群居住地迁移的郊区化特征

4.1 中心城区与郊区新城居住地之间迁移的整体异质性特征对比

从移动办公人群与非移动办公人群在武汉市城-郊的居住地的整体迁移趋势来看，移动办公人群居住地迁移的郊区化趋势相较于就业地更为明显（表3）。其中，2019—2021年高频移动办公人群居住地由中心城区迁向郊区新城的人数占比为20.09%，而郊区新城迁往中心城区的人数占比仅为17.98%。2021—2023年高频移动办公人群居住地由中心城区迁向郊区新城的人数占比为21.89%，而郊区新城迁往中心城区的人数占比仅为16.29%，呈现持续增强的郊区化特征。而非移动办公人群居住地在城、郊之间的迁移人数和占比均较为接近，整体上表现出相持的平衡状态。
表3 2019—2021年、2021—2023年高频移动办公群体与非移动办公群体城-郊居住地迁移整体异质性

Tab. 3 Comparison of overall characteristics of house migration of mobile-office workers and non-mobile office workers in urban and suburban areas between 2019-2021 and 2021-2023 in Wuhan

迁移方向 2019—2021年居住地迁移 2021—2023年居住地迁移
高频移动办公人群 非移动办公人群 高频移动办公人群 非移动办公人群
人数 占比（%） 人数 占比（%） 人数 占比（%） 人数 占比（%）
中心城区→中心城区 25052 48.35 27098 51.47 40343 45.28 42222 47.39
中心城区→郊区新城 10977 20.09 9736 18.49 19504 21.89 16632 18.67
郊区新城→中心城区 9464 17.98 9579 18.20 14514 16.29 16420 18.43
郊区新城→郊区新城 7151 13.58 6231 11.84 14740 16.54 13827 15.52

4.2 中心城区与郊区新城居住地之间迁移的圈层异质性特征对比

移动办公人群在中心城区圈层的净迁出、在郊区新城圈层的净迁入更为显著。高频移动办公人群居住地迁移的郊区化趋势明显强于非移动办公人群，而非移动办公人群居住地向中心城区迁移的趋势则强于分移动办公人群。
就净迁移量的圈层结构而言，在中心城区圈层，高频移动办公居住地的净流出程度持续高于非移动办公人群；在郊区圈层，高频移动办公人群和非移动办公人群则呈现明显的分异趋势，一是移动办公人群的居住地郊区化态势更为明显，其圈层居住地净迁移量远高于非移动办公人群，主要出现在距中心16~20 km、20~24 km圈层以及28~32km圈层。二是移动办公人群在郊区新城持续保持净流入状态，而非移动办公人群则净流入和净流现象共存，且净流出圈层主要位于距中心20~24 km和24~28 km处的新城中心区域（图4）。
图4 2019—2021年、2021—2023年高频移动办公与非移动办公人群居住地净迁移量的圈层异质性

Fig. 4 Comparison of layer distribution characteristics of house net migration of mobile-office workers and non-mobile office workers between 2019-2021 and 2021-2023 in Wuhan

4.3 中心城区与郊区新城居住地之间迁移的中心单元异质性特征对比

就城-郊各中心之间就业地净迁移强度和方向而言，高频移动办公人群由中心城区中心向郊区新城中心迁移的强度和范围均强于非移动办公人群，而移动办公人群的居住地主要在中心城区迁移，分散趋势不甚明显（图5）。例如高频移动办公人群的居住地多向吴家山、金银湖、金银潭、常福、纸坊等中心迁移，净迁移量大且分散范围广，分散程度进一步提升。而非移动办公人群的居住地主要在中南路、鲁巷、光谷、南湖、四新等中心城区中心流动，其迁移强度也高于高频移动办公人群。
图5 2019—2021年、2021—2023年高频移动办公人群与非移动办公人群居住地迁移的中心单元异质性

Fig. 5 Comparison of centers distribution characteristics of house net migration of mobile-office workers and non-mobile office workers between 2019-2021 and 2021-2023 in Wuhan

5 移动办公人群职、住空间郊区化的差异化极化和扩散效应

5.1 移动办公人群职、住迁移中心度的差异化对比

基于社会网络模型，聚焦武汉市城-郊37个基本单元中心，通过分析移动办公人群迁移的节点度中心性的时序变化情况（包括入度、出度、中心度），反映移动办公人群在职、住迁移过程中对城市结构的影响变化。
移动办公人群在职、住空间迁移上均对郊区新城中心的中心度起到了一定的提升作用。从度中心性的绝对数值来看，非移动办公人群在中心城区中心度均普遍高于郊区新城中心，与中心区位论相符，而对于高频移动办公人群而言，中心城区中心度虽然整体较高，但郊区新城中心的中心度与中心城区的差距有所缩小，且部分郊区新城中心的中心度存在反超中心城区的趋势；另外，从度中心性的变化趋势来看，郊区新城中心高频移动办公人群的入度、中心度变化值明显高于非移动办公人群。此外，不同于非移动办公人群的中心度变化值仍与传统的地理区位分布相符的情况，高频移动办公人群在部分郊区新城中心的中心度增幅已经高于三分之一中心城区中心，存在潜在的与中心城区均衡化发展的趋势，这表明移动办公对郊区新城中心职、住迁入吸引力的促进提升作用。
但移动办公人群在职、住迁移中心度上存在差异化特征，表现在移动办公人群对郊区新城居住中心度的提升作用强于就业。一方面，移动办公人群在多数郊区新城中心的居住中心度变化值高于就业中心度。另一方面，移动办公人群在郊区新城居住中心度变化量的与中心城区更为接近，且对部分中心城区中心的赶超现象较为明显，而移动办公人群在郊区新城就业地中心度变化则不如多数中心城区中心（图6）。此外，移动办公对郊区中心的就业、居住提升度存在一定的“错位”，其就业中心度提升和居住中心度提升不匹配，如吴家山、纸坊、未来科技城等。
图6 2019—2021年、2021—2023年高频移动办公与非移动办公人群职、住迁移中心度时序变化

Fig. 6 Comparison of job and house migration centrality of mobile-workers and non-mobile workers in Wuhan between 2019-2021 and 2021-2023

5.2 移动办公人群职、住空间郊区化的极化和扩散效应差异对比

为进一步揭示高频移动办公人群与非移动办公人群就业地迁移的空间演变模式，探究城市各中心的极化与扩散效应。在职、住迁移的网络模型基础上，将各基本单元之间数值较大的迁移量整合和抽象为单、双向流动箭头，进而通过时序变化提炼与归纳出就业地迁移中心节点的极化与扩散演变效应。
随时序变化，移动办公人群职、住空间郊区化存在持续的极化和扩散效应，移动办公人群职、住空间郊区化的态势持续增强，分散辐射范围变得更广，郊区化距离变得更远。
但总体上，移动办公人群居住空间郊区化程度强于就业郊区化，其分散范围更广、分散距离更长，进一步削弱了地理集聚效应。移动办公人群就业地郊区化仍主要发生在中心城区及其邻近区域和部分郊区新城中心，而移动办公人群居住地郊区化的扩散效应更强，由中心城区向城郊结合地区-近郊区新城中心-接近远郊的组团中心扩散，且其迁移逐渐由中心城区中心向近距离中心分散转向近距离迁移和远距离迁移分散并存（图7）。
图7 移动办公人群职、住空间郊区化的极化和扩散效应差异对比

Fig. 7 Comparison of polarization and diffusion effects of job and house spaces among mobile office workers in Wuhan between 2019-2021 and 2021-2023

与此同时，移动办公人群职、住空间郊区化的极化和扩散效应受到不同环境的影响。其中，移动办公人群就业郊区化具有较强的产业粘性（如未来产业、智慧产业等），更易向产业基础完善、产业前景好、生态环境好、创新氛围浓厚的郊区新城迁移，主要沿武汉市光谷科创大走廊进一步分散，同时强化了沿车都-长江新城之间的科创走廊的分散极化效应，如常福、军山，青菱等郊区中心。移动办公人群居住郊区化则具有较强的生活品质倾向，向西部新城和南部新城等公共服务设施完善、房价适宜、生态环境较好等新城区域迁移的趋势更为显著。

6 结论与讨论

6.1 结论

本文立足移动办公这一新视角，对新发展阶段ICT影响下的城市郊区化现象开展了大数据实证，主要结论如下：
（1）从职住空间迁移流动的数量异质性特征上看，高频移动办公人群职住空间由中心城区向郊区新城迁移的人数和占比一定程度上高于非移动办公人群，迁出数量更多且回迁相对更少，且随着时序变化其职住空间郊区化的趋势更为明显。
（2）从职住空间迁移流动的空间异质性特征上看，高频移动办公人群职住空间由中心城区向郊区新城迁移的趋势较为明显，而非移动办公人群则主要在中心城区内部迁移的趋势更为明显；同时，在净迁移的空间圈层上，高频移动办公人群在中心城区圈层内负向净迁移量更多，而在郊区新城内正向净迁移量更大。这表明，移动办公人群对职住空间的选择更为灵活，受地理集聚要素的限制也相对削弱。
（3）从职住空间迁移流动的结构异质性特征上看，一是中心性方面，高频移动办公人群在郊区新城中心的中心度及其增幅隐有反超中心城区的趋势。首先，非移动办公人群职住空间迁移的中心度契合中心地理论，中心城区中心的中心度均普遍高于郊区新城中心，而高频移动办公人群在郊区新城的中心度与中心城区的差距有所缩小。其次，郊区新城中心高频移动办公人群的入度、中心度变化值明显高于非移动办公人群，且高频移动办公人群在部分郊区新城中心的中心度增幅已经高于三分之一中心城区中心，存在潜在的与中心城区均衡化发展的趋势；二是职住空间迁移的极化与扩散效应方面，相较于就业空间郊区化，移动办公人群居住空间郊区化的程度更强、辐射范围更远，逐渐由中心城区向城郊结合地区—近郊区新城中心—接近远郊的组团中心扩散，这表明移动办公人群职住空间的选择进一步削弱了地理集聚效应。
（4）相较以往的郊区化研究，本文使用时序手机信令大数据，将移动办公这一新型办公生产活动与职住空间迁移流动相结合，从大数据角度有力地证实了新发展阶段ICT影响下的城市宏观空间及结构存在“郊区化分散”的演变特征和趋势，但这一郊区化现象仍受区位、产业、生态等多方面因素影响，在空间上呈现差异化发展特征。这既丰富了信通技术对城市郊区化作用格局、过程的相关研究，又有助于为后续深入解析城市的郊区化格局及演变提供一个新的理论视角。

6.2 讨论

信通技术的快速迭代发展正在改变传统的城市活动、空间，并成为未来城市空间结构演进的根本原因之一。信息化早期由于开辟了远程通讯和服务而引发了区域宏观层面的“有限分散”，如全球城市体系、城市群、大都市区、城市多中心等，但这一时期城市空间仍被大量的地理集聚因素所束缚而主要呈现集聚化状态。时下信通技术的快速迭代则促使城市活动进一步降低了对实体空间的依赖，进一步削弱了地理集聚性因素对城市活动和空间的束缚，使得城市空间结构也存有进一步由“多中心”向“去中心化”“泛中心化”的演进态势。以本文探讨的移动办公对城市郊区化现象、格局的影响为例（图8），移动办公通过聚合线上线下资源、弱化地理临近效应、削弱时空摩擦等路径改变了个体办公生产的行为模式，极大地提升了个体工作模式、就业选择和雇佣关系的灵活性，促使就业空间和居住空间在一定程度上的融合，从而寻求降低住房成本、追求生活品质等，并在数字化办公生产等政策和社会经济环境的驱动下，移动办公人群的职住空间在相互牵引的作用下进行郊区化迁移，最终达到动态平衡状态。这证实了信通技术影响下的城市空间及结构的郊区化演变趋势，丰富了信通技术对城市郊区化作用格局、过程的相关研究，也为解析城市的郊区化分散规律提供了一个新的理论视角，对信息时代城市郊区化现象、城-郊进一步融合协调和郊区新城可持续发展具有借鉴作用。
图8 移动办公人群职住空间郊区化的影响路径探讨

Fig. 8 Influence path on the suburbanization of mobile-office worker's job-house space

但研究也存在以下不足：① 时序划分上，研究期2019—2021年与新冠疫情防控阶段部分重合，移动办公人群和非移动办公人群职住空间迁移减弱，可能会存在同等影响下的结果偏差，后续有待开展细致的跟踪调查和多层次比较研究，进一步掌握精准化的规律；② 受数据限制，没有实现更长时序的监测移动办公人群的职住空间的郊区化特征，其规律发掘需进一步完善；③ 移动办公对城市郊区化影响测度不够深入，使得本文对城市空间结构和郊区化的演变规律揭示得仍不充分；④ 对移动办公促进城市郊区化的影响因素和深层次机制这些问题考虑有所欠缺。
本文基于移动办公来探究城市郊区化特征的方法也可扩展应用于信通技术影响下的其他城市生活、生产活动等，为分析信通技术影响下的城市郊区化现象提供了广阔的发展空间。在信通技术影响郊区化格局、过程上，本文仅对移动办公这一新型办公活动进行了探索，实际上还能结合线上生活APP使用、以及外卖和快递等新型生产活动探究其职住空间的郊区化特征，结合多源数据和多种类型活动精细化验证信通技术影响下的郊区化现象、特征及趋势；另外，在信通技术影响下的城市郊区化和空间结构演变规律测度上，还可以结合多个截面的长时序监测数据，更为精细地测度城市空间结构的“多中心化”“去中心化”“泛中心化”等不同状态，以更为科学地反映城市郊区化过程的演变规律；最后，在信通技术影响城市郊区化的机制上，需深层次研判信通技术迭代下个体活动方式的转变与城市空间的互动关系，探讨信通技术影响城市郊区化及其空间结构变化的路径。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，评审专家对本文理论研究、题目的准确性、研究结果的分析等方面提出的宝贵修改意见，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]
牛强, 张浩, 伍磊, 等. 近年来移动办公发展的城-郊异质性特征研究: 基于2019年与2021年武汉市联通用户手机App使用大数据. 地理科学进展, 2022, 41(8): 1428-1439.

DOI

[ Niu Qiang, Zhang Hao, Wu Lei, et al. Urban-suburban heterogeneity of mobile office development in recent years: Based on mobile office app usage big data of China Unicom users in Wuhan in 2019 and 2021. Progress in Geography, 2022, 41(8): 1428-1439.] DOI: 10.18306/dlkxjz.2022.08.007.

[2]
中国互联网络信息中心. 第51次中国互联网络发展状况统计报告. https://finance.sina.com.cn/tech/2023-03-24/doc-imymycyi8700104.shtml, 2023-03-24.

[ CNNIC. The 51st Statistical Report on Internet Development in China. https://finance.sina.com.cn/tech/2023-03-24/doc-imymycyi8700104.shtml, 2023-03-24.]

[3]
牛强, 朱玉蓉, 姜祎笑, 等. 城市活动的线上线下化趋势、特征和对城市的影响. 城市发展研究, 2021, 28(12): 45-54.

[ Niu Qiang, Zhu Yurong, Jiang Yixiao, et al. Trends, characteristics of online and offline urban activities and its impacts on cities. Urban Development Studies, 2021, 28(12): 45-54.]

[4]
徐毅松, 郑时龄, 伍江, 等. “上海五大新城建设及相关思考”学术笔谈. 城市规划学刊, 2022, (1): 1-9.

[ Xu Yisong, Zheng Shiling, Wu Jiang, et al. “The related thoughts about construction of Shanghai's five new cities” academic pen talk. Urban Planning Forum, 2022, (1): 1-9.] DOI: 10.16361/j.upf.202201001.

[5]
段进, 张庭伟, 尹稚, 等. “中国式城乡现代化:内涵、特征与发展路径”学术笔谈. 城市规划学刊, 2023, (1): 1-10.

[ Duan Jin, Zhang Tingwei, Yin Zhi, et al. “Chinese urban and rural modernization: Connotation, characteristics and development path” academic pen talk. Urban Planning Forum, 2023, (1): 1-10.] DOI: 10.16361/j.upf.202301001.

[6]
Yousefi Z, Dadashpoor H. How do icts affect urban spatial structure? A systematic literature review. The Journal of urban technology, 2020, 27(1): 47-65. DOI: 10.1080/10630732.2019.1689593.

[7]
Gillespie A E. Communications technologies and the future of the city. In: Pion: London. 22nd Annual Conference of the British Section of the Regional Science Association. London: Newcastle University, 1992: 67-78.

[8]
Lawrence L W C. Evaluating office decentralization of a financial center: The case of Hong Kong. Ekistics, 1996, 376(63): 80-96.

[9]
Graham S. Information technologies and reconfigurations of urban space. International Journal of Urban and Regional Research, 2001, 25(2): 405-410. DOI: 10.1111/1468-2427.00318.

[10]
Pivo G. The net of mixed beads suburban office development in six metropolitan regions. Journal of the American Planning Association, 1990, 47(1): 457-469. DOI: 10.1080/01944369008975449.

[11]
张景秋, 陈叶龙, 张宝秀. 北京市办公业的空间格局演变及其模式研究. 城市发展研究, 2010, 17(10): 87-91.

[ Zhang Jingqiu, Chen Yelong, Zhang Baoxiu. Analysis on spatial pattern and evolution trend of office industry in Beijing. Urban Development Studies, 2010, 17(10): 87-91.]

[12]
温锋华, 许学强. 广州商务办公空间发展及其与城市空间的耦合研究. 人文地理, 2011, 26(2): 37-43.

[ Wen Fenghua, Xu Xueqiang. The development of business office space of Guangzhou and its coupling relationship with the urban space. Human Geography, 2011, 26(2): 37-43.] DOI: 10.13959/j.issn.1003-2398.2011.02.008.

[13]
张景秋, 陈叶龙, 孙颖. 基于租金的北京城市办公活动经济空间结构解析. 地理科学, 2010, 30(6): 833-838.

[ Zhang Jingqiu, Chen Yelong, Sun Ying. Spatial analysis on urban internal economic spatial structure based on rent of office buildings in Beijing city. Scientia Geographica Sinica, 2010, 30(6): 833-838.] DOI: 10.13249/j.cnki.sgs.2010.06.025.

[14]
叶强, 赵垚, 谭畅. 长沙市商务办公空间集聚特征及其影响因素. 热带地理, 2022, 42(6): 916-927.

DOI

[ Ye Qiang, Zhao Yao, Tan Chang. Agglomeration characteristics and factors influencing business office space in Changsha. Tropical Geography, 2022, 42(6): 916-927.] DOI: 10.13284/j.cnki.rddl.003498.

[15]
吴一洲, 吴次芳, 贝涵璐. 转型期杭州城市写字楼空间分布特征及其机制. 地理学报, 2010, 65(8): 973-982.

DOI

[ Wu Yi Zhou, Wu Cifang, Bei Hanlu. The saptial pattern and its evolution mechanism of urban office buildings in the transition period. Acta Geographica Sinica, 2010, 65(8): 973-982.]

DOI

[16]
Shi L, Wu L, Chi G, et al. Geographical impacts on social networks from perspectives of space and place: An empirical study using mobile phone data. 2016, 18: 359-376. DOI: 10.1007/s10109-016-0236-8.

[17]
魏宗财, 甄峰, 席广亮, 等. 全球化、柔性化、复合化、差异化: 信息时代城市功能演变研究. 经济地理, 2013, 33(6): 48-52.

[ Wei Zongcai, Zhen Feng, Xi Guangliang, et al. Globalization, flexibility, composition, differentiation: Study on the evolution of urban functions in the information age. Economic Geography, 2013, 33(6): 48-52.] DOI: 10.15957/j.cnki.jjdl.2013.06.021.

[18]
Song Zhouying, Liu Weidong. The challenge of wide application of information and communication technologies to traditional location theory. Journal of Geographical Sciences, 2013, 23(2): 315-330. DOI: 10.1007/s11442-013-1012-z.

[19]
Rini Rachmawati, R Rijanta, Achmad Djunaedi. Location decentralization due to the use of information and communication technology: Empirical evidence from Yogyakarta, Indonesia. Human Geographies, 2015, 9(1): 5-15. DOI:10.5719/hgeo.2015.91.1.

[20]
Jack M Nilles. Telecommuting and urban sprawl: Mitigator or inciter? Transportation (Dordrecht), 1991, 18(4): 411-432. DOI: 10.1007/BF00186567.

[21]
Pengyu Zhou. Telecommuting, travel behavior and residential location choice:Can telecommuting be an effective policy to reduce travel demand? Los Angeles: Doctoral Dissertation of University of Southern California, 2011: 112-115.

[22]
Narayanan L, Menon S, Plaisent M, et al. Telecommuting: The work anywhere, anyplace, anytime organization in the 21st century. Journal of Marketing & Management, 2017, 8(2): 47-54.

[23]
Delventhal M J, Kwon E, Parkhomenko A. JUE Insight: How do cities change when we work from home?. Journal of Urban Economics, 2022, 127: 103331. DOI: 10.1016/j.jue.2021.103331.

[24]
Seung-Nam Kim, Patricia L Mokhtarian, Kun-Hyuck Ahn. The Seoul of Alonso: New perspectives on telecommuting and residential location from South Korea. Urban Geography, 2012, 33(8): 1163-1191. DOI: 10.2747/0272-3638.33.8.1163.

[25]
Messenger J C, Gschwind L. Three generations of telework: New ICT s and the (r)evolution from home office to virtual office. New Technology, Work and Employment, 2016, 31(3): 195-208. DOI: 10.1111/ntwe.12073.

[26]
Muhammad S, Ottens H F L, DE Jong T. Modelling the impact of telecommuting on future urbanisation in the Netherlands. Tijdschrift Voor Economische En Sociale Geografie, 2008, 99(2): 160-177. DOI: 10.1111/j.1467-9663.2008.00452.x.

[27]
Tayyaran M R, Khan A M. The effects of telecommuting and intelligent transportation systems on urban development. The Journal of Urban Technology, 2003, 10(2): 87-100. DOI: 10.1080/1063073032000139714.

[28]
裴韬, 舒华, 郭思慧, 等. 地理流的空间模式:概念与分类. 地球信息科学学报, 2020, 22(1): 30-40.

DOI

[ Pei T, Shu H, Guo S H, et al. The concept and classification of spatial patterns of geographical flow. Journal of Geo-information Science, 2020, 22(1): 30-40.] DOI: 10.12082/dqxxkx.2020.190736.

[29]
李智轩, 甄峰, 张姗琪. 城市居民智慧流动性研究进展及展望. 国际城市规划, 2023, 38(1): 110-116.

[ Li Zhixuan, Zhen Feng, Zhang Shanqi. Review and prospects of urban residents' smart mobility. Urban Planning International, 2023, 38(1): 110-116.] DOI: 10.19830/j.upi.2020.321.

[30]
孔宇, 甄峰, 张姗琪. 智能技术影响下的城市空间研究进展与思考. 地理科学进展, 2022, 41(6): 1068-1081.

DOI

[ Kong Yu, Zhen Feng, Zhang Shanqi. Research progress and prospect of urban space under the influence of smart technology. Progress in Geography, 2022, 41(6): 1068-1081.] DOI: 10.18306/dlkxjz.2022.06.010.

[31]
罗桑扎西, 甄峰, 张姗琪. 复杂网络视角下的城市人流空间概念模型与研究框架. 地理研究, 2021, 40(4): 1195-1208.

DOI

[ Luo Sang Zha Xi, Zhen Feng, Zhang Shan Qi. A conceptual model and methodological framework for examining urban people flow space based on complex network perspective. Geographical Research, 2021, 40(4): 1195-1208.] DOI: 10.11821/dlyj020191007.

[32]
周春山, 叶昌东. 中国城市空间结构研究评述. 地理科学进展, 2013, 32(7): 1030-1038.

DOI

[ Zhou Chun Shan, Ye Chang Dong. Progress on studies of urban spatial structure in China. Progress in Geography, 2013, 32(7): 1030-1038.] DOI: 10.11820/dlkxjz.2013.07.006.

[33]
崔璨, 穆学英, 常鹤影, 等. 上海市居民居住迁移的区位选择及其影响因素研究. 地理科学进展, 2021, 40(3): 422-432.

DOI

[ Cui Can, Mu Xueying, Chang Heying, et al. Patterns and determinants of location choice in residential mobility: A case study of Shanghai. Progress in Geography, 2021, 40(3): 422-432.] DOI: 10.18306/dlkxjz.2021.03.006.

[34]
姚永玲. 郊区化过程中职住迁移关系研究: 以北京市为例. 城市发展研究, 2011, 18(4): 24-29.

[ Yao Yongling. People and job migration during suburbanization: A case study of Beijing. Urban Development Studies, 2011, 18(4): 24-29.]

[35]
冯健, 周一星. 郊区化进程中北京城市内部迁居及相关空间行为: 基于千份问卷调查的分析. 地理研究, 2004, 23(2): 227-242.

[ Feng Jian, Zhou Yixing. Intra-urban migration and correlative spatial behavior in Beijing in the process of suburbanization: Based on 1000 questionnaires. Geographical Research, 2004, 23(2): 227-242.]

[36]
王蓓, 王良, 刘艳华, 等. 基于手机信令数据的北京市职住空间分布格局及匹配特征. 地理科学进展, 2020, 39(12): 2028-2042.

DOI

[ Wang Bei, Wang Liang, Liu Yanhua, et al. Characteristics of jobs-housing spatial distribution in Beijing based on mobile phone signaling data. Progress in Geography, 2020, 39(12): 2028-2042.] DOI: 10.18306/dlkxjz.2020.12.006.

[37]
易行, 仝德, 吴雅莹, 等. 基于手机信令数据的深圳市二元居住空间迁居模式研究. 地理研究, 2023, 42(1): 137-155.

DOI

[ Yi Xing, Tong De, Wu Yaying, et al. The relocation patterns in Shenzhen's dual residential space based on mobile phone data. Geographical Research, 2023, 42(1): 137-155.] DOI: 10.11821/dlyj020220354.

[38]
宋小冬, 王园园, 张开翼, 等. 考虑通勤距离的职住分离测度方法. 城市规划学刊, 2017, (6): 25-32.

[ Song Xiaodong, Wang Yuanyuan, Zhang Kaiyi, et al. Measurement of jobs-housing separation based on commuting distance. Urban Planning Forum, 2017, (6): 25-32.] DOI: 10.16361/j.upf.201706004.

[39]
史新宇. 基于多源轨迹数据挖掘的城市居民职住平衡和分离研究. 城市发展研究, 2016, 23(6): 10-13, 17.

[ Shi Xinyu. Research on the employment and residence balance and separation of urban residents based on multi-source trajectory data mining. Urban Development Studies, 2016, 23(6): 10-13, 17.]

[40]
罗琼, 舒红, 徐亚瑾, 等. 移动轨迹数据支持下的城市居民通勤活动分析. 武汉大学学报: 信息科学版, 2021, 46(5): 718-725.

[ Luo Qiong, Shu Hong, Xu Yajin, et al. Citizen commuting analysis using mobile trajectory data. Geomatics and Information Science of Wuhan University, 2021, 46(5): 718-725.] DOI: 10.13203/j.whugis20200025.

[41]
王德, 朱查松, 谢栋灿. 上海市居民就业地迁移研究: 基于手机信令数据的分析. 中国人口科学, 2016, (1): 80-89.

[ Wang De, Zhu Chasong, Xie Dongcan. A study on employment migration of Shanghai residents: An analysis based on mobile phone signaling data. Chinese Journal of Population Science, 2016, (1): 80-89.]

[42]
牛强, 盛富斌, 刘晓阳, 等. 基于手机信令数据的城内迁居活跃度识别方法研究: 以武汉市为例. 地理研究, 2022, 41(8): 2142-2154.

DOI

[ Niu Qiang, Sheng Fubin, Liu Xiaoyang, et al. Research on the identification method of relocation activity degree in inner city based on mobile phone signaling data: A case study of Wuhan. Geographical Research, 2022, 41(8): 2142-2154.] DOI: 10.11821/dlyj020210949.

[43]
牛强, 伍磊, 盛富斌, 等. 基于个体职住迁移的武汉郊区新城职住动态平衡测度方法. 地理学报, 2023, 78(12): 3095-3108.

DOI

[ Niu Qiang, Wu Lei, Sheng Fubin, et al. Analytic approach for the jobs-housing dynamic balance in suburban new cities based on individual migration: A case study of Wuhan, China. Acta Geographica Sinica, 2023, 78(12): 3095-3108.] DOI: 10.11821/dlxb202312011.

[44]
李智轩, 甄峰, 曹钟茗, 等. 人流视角下城市空间结构特征及规划与治理响应: 以南京市为例. 城市发展研究, 2021, 28(6): 58-65.

[ Li Zhixuan, Zhen Feng, Cao Zhongming, et al. Characters of urban spatial structure and the response from planning and governance in the perspective of human mobility: A case study of Nanjing. Urban Development Studies, 2021, 28(6): 58-65.]

[45]
杨延杰, 尹丹, 刘紫玟, 等. 基于大数据的流空间研究进展. 地理科学进展, 2020, 39(8): 1397-1411.

DOI

[ Yang Yanjie, Yin Dan, Liu Ziwen, et al. Research progress on the space of flow using big data. Progress in Geography, 2020, 39(8): 1397-1411.] DOI: 10.18306/dlkxjz.2020.08.013.

[46]
甄峰, 席广亮, 张姗琪, 等. 智慧城市人地系统理论框架与科学问题. 自然资源学报, 2023, 38(9): 2187-2200.

DOI

[ Zhen Feng, Xi Guangliang, Zhang Shanqi, et al. Theoretical framework and scientific problems of smart city man-land system. Journal of Natural Resources, 2023, 38(9): 2187-2200.] DOI: 10.31497/zrzyxb.20230901.

[47]
Liu J, Meng B, Shi C. A multi-activity view of intra-urban travel networks: A case study of Beijing. Cities, 2023, 143: 104634. DOI: 10.1016/j.cities.2023.104634.

[48]
Lobsang T, Zhen F, Zhang S, et al. Methodological framework for understanding urban people flow from a complex network perspective. Journal of Urban Planning and Development, 2021, 147(3): 04021020. DOI: 10.1061/(ASCE)UP.1943-5444.0000689.

[49]
Odell H, Navarro-López E M, Pinto N, et al. Detecting shifts in metropolitan structure: A spatial network perspective. Environment and Planning B: Urban Analytics and City Science, 2022, 49(7): 1912-1928. DOI: 10.1177/239980832110657.

[50]
Zhong C, Schläpfer M, Müller Arisona S, et al. Revealing centrality in the spatial structure of cities from human activity patterns. Urban Studies, 2017, 54(2): 437-455. DOI: 10.1177/0042098015601599.

[51]
Zhang J, Liu X, Senousi A M. A multilayer mobility network approach to inferring urban structures using shared mobility and taxi data. Transactions in GIS, 2021, 25(6): 2840-2865. DOI: 10.1111/tgis.12817.

[52]
喻冰洁, 崔叙, 张秋仪, 等. 大城市空间交互网络的多中心结构特征及形成机制研究: 基于流动空间与空间效应的成都实证. 规划师, 2021, 37(21): 66-74.

[ Yu Binjie, Cui Xu, Zhang Qiuyi, et al. The polycentric structure character and formation mechanism of metropolitan space interactive network: A case study of Chengdu based on “space of flow” and “spatial effect”. Planners, 2021, 37(21): 66-74.]

[53]
Nilles J. Telecommunications and organizational decentralization. IEEE Transactions on Communications, 1975, 23(10): 1142-1147. DOI: 10.1109/TCOM.1975.1092687.

[54]
Di Martino V, L Wirth. Telework: A new way of working and living. International Labour Review, 1990, 129(5): 529-554.

[55]
Bailey D E, Kurland N B. A review of telework research: Findings, new directions, and lessons for the study of modern work. Journal of Organizational Behavior, 2002, 23(4): 383-400. DOI: 10.1002/job.144.

[56]
Robelski S, Keller H, Harth V, et al. Coworking spaces: The better home office? A psychosocial and health-related perspective on an emerging work environment. International Journal of Environmental Research and Public Health, 2019, 16(13): 2379. DOI: 10.3390/ijerph16132379.

[57]
Golden A G, Geisler C. Work-life boundary management and the personal digital assistant. Human Relations, 2007, 60(3): 519-551. DOI: 10.1177/0018726707076698.

[58]
Makimoto T, Manners D. Digital Nomad. Chichester, UK: Wiley, 1997: 56.

[59]
李亚格, 兰诚栋. 基于iOS的移动办公系统设计与性能优化. 计算机工程, 2016, 42(7): 22-26.

DOI

[ Li Yage, Lan Chengdong. Design and performance optimization of mobile office system based on iOS. Computer Engineering, 2016, 42(7): 22-26.] DOI: 10.3969/j.issn.1000-3428.2016.07.003.

[60]
艾瑞研究院. 重新定义移动办公: 2018年中国企业移动办公平台发展洞察. https://www.iresearch.com.cn/Detail/report?id=3130&isfree=0, 2018-01-15.

[ IResearch. Redefining mobile office: Insights into the development of mobile office platform for Chinese enterprises in 2018. https://www.iresearch.com.cn/Detail/report?id=3130&isfree=0, 2018-01-15.]

[61]
移动信息化研究中心. 2016中国移动办公全景分析报告. https://www.sohu.com/a/71465400_267877, 2016-04-25.

[ MIRC. China mobile office panoramic analysis report. https://www.sohu.com/a/71465400_267877, 2016-04-25.]

[62]
威廉·J·米切尔. 伊托邦:数字时代的城市生活. 吴启迪, 乔非, 俞晓, 译. 上海: 上海科技教育出版社, 2005: 102.

[ William J. Mitchell. E-topia: Urban Life, Jim-But Not as We Know it. Translated by WuQidi, QiaoFei, YuXiao. ShangHai: Shanghai Science and Technology Education Press, 2005:102.]

[63]
Yigitcanlar T, Kamruzzaman M. Smart cities and mobility: Does the smartness of Australian cities lead to sustainable commuting patterns?. Smart Cities and Innovative Urban Technologies. Routledge, 2020: 21-46.

[64]
赵构恒, 贾鹏, 周安民. 有向加权网络中的改进度中心性. 计算机应用, 2020, 40(S1): 141-145.

[ Zhao Gouheng, Jia Peng, Zhou Anmin. Improved degree centrality for directed-weighted network. Journal of Computer Applications, 2020, 40(S1): 141-145.] DOI: 10.11772/j.issn.1001-9081.2019071117.

Options
文章导航

/

〈 〉