EN中文

GEOGRAPHICAL RESEARCH >

2015 , Vol. 34 >Issue 8: 1481 - 1491

DOI: https://doi.org/10.11821/dlyj201508007

Orginal Article

Research on the residents' commuting feature of large-scale residential district in suburban Shanghai:A case study of Gucun, Baoshan District

  • GAN Di , 1 ,
  • WANG De 2 ,
  • ZHU Wei 2
Expand
  • 1. China Academy of Urban Planning and Design, Shanghai Branch, Shanghai 200335, China
  • 2. School of Architecture and Urban Planning, Tongji University, Shanghai 200092, China

Received date: 2014-12-18

  Request revised date: 2015-04-22

  Online published: 2015-08-20

Copyright

《地理研究》编辑部
Fold

Abstract

For a long time, emphasis on the relationship between job and residence and its impact on commuting have been placed by the academia at home and abroad. In China, because of the excessive population concentration, the construction of large-scale residential districts in suburban areas has become the significant method for the metropolis and megalopolis to relieve the population stress of their central city. Hence, the parties related, including city government, academia and residents themselves, focus on the commuting feature of large-scale residential districts. Taking a case study of the Gucun community, Baoshan District, Shanghai, this paper analyzes the residents' worksite and commuting willingness, using methods of questionnaire, comparative analysis and regression model, etc. Based on the residents' general commuting feature, this paper compares 4 classes of population groups at Gucun, including residents in commercial housing, transferred residents from downtown, transferred residents from local village and residents in rental housing. The results show that: from the job-housing relationship, the majority of residents are apt to work nearby, and most of them have relatively high level of commuting satisfaction in general. However, huge differences in the commuting exist between different population groups. The results of regression model of commuting distance and logistic regression model of commuting satisfaction show that the residents' commuting distances are relative to their personal factors, such as income, education, Hukou, family scale, and their commuting satisfaction degrees are mainly affected by commuting distance and commuting willingness, except for the income.

Key words： large suburban community; commuting; worksite; Shanghai

Cite this article

GAN Di , WANG De , ZHU Wei . Research on the residents' commuting feature of large-scale residential district in suburban Shanghai:A case study of Gucun, Baoshan District[J]. GEOGRAPHICAL RESEARCH, 2015 , 34(8) : 1481 -1491 . DOI: 10.11821/dlyj201508007

1 引言

改革开放以来,中国城市化进程加快,城市规模日益扩大。尤其是人口规模较大的大城市与特大城市,为了缓解中心城区人口压力,在原有城区的近郊建设了许多新区。这些新区,有些以就业为主,如工业园区、各类经济技术开发区等;有些以居住为主,如上海及北京等城市正大量建设的近郊大型社区。但无论是就业为主还是居住为主,这些近郊大型社区都存在着功能单一的现象,既不利于中心城区人口向外疏散,也给新区居民的工作和生活造成了极大的不便,同时还增加了城市的交通负担。因此,针对这一问题,研究近郊大型社区居民居住与就业的特征,了解其通勤需求,揭示需求与现实之间的矛盾,具有很强的现实意义。
西方学者对居住与就业关系的研究开展较早,其中涉及的内容包括居住与就业区位、住房市场和劳动力市场、交通行为等,涵盖了经济学、规划学、社会学、交通学和地理学等领域,形成了相对比较成熟的理论体系。主要包括空间错位假说[1]、居住就业均衡理论[2,3]、家庭责任假说[4,5]、城市形态与通勤[6]等。其中,空间错位假说最初由Kain提出,认为就业岗位的郊区化和种族间的居住隔离是造成内城少数族裔群体失业率较高、收入相对较低和工作出行时间偏长的主要原因[1]。
居住就业均衡的基本内涵是指在一定地域范围内,居民数量和就业岗位的数量大致相等,从而减少机动车尤其是小汽车的使用,降低交通拥堵和空气污染[2]。但对于衡量的尺度及该理论的准确性一直存在争议[7,8]。除了关注空间因素影响通勤行为外,社会因素对通勤行为的影响也逐步得到重视,所涉及的因子既包括社会经济发展、个人属性等社会因素,也包括城市形态、居住及就业岗位分布等空间因素[3,5]。20世纪90年代以后,伴随中国大城市居民向郊区迁居趋势的出现以及郊区新城的开发,国内对居住就业及通勤的研究也随之展开。从目前来看,国内多数研究开始综合运用空间分析[9,10]、多元回归方程[11]、结构方程分析[12]及离散选择模型等多种方法,结合居民问卷调查,系统全面地分析居民的通勤特征。
由于视角的不同,不同研究所选取的变量差异性较大,但以客观因素为主,包括空间属性（区位、人口密度、公共服务设施质量等）[10,14];交通属性（交通方式、通勤距离、通勤时间）[11,14];社会个人属性[15]以及家庭结构[15]等。目前,关注主观因素（如居民通勤意愿[16]、居民就业地偏好[17]）、探讨主观因素与客观因素对居住—就业关系以及通勤的共同作用机制的研究还比较缺乏。此外,国内研究大多偏向宏观及微观尺度。宏观层面主要探讨城市结构,虽然能够发掘问题,但由于城市尺度的问题积重难返,难以找到合适的解决方法,且即使宏观层面不存在明显的居住就业偏离,但对就业者本身而言,也难以保证合适的通勤距离[18,19]。而且在宏观层面的研究中,不同社区居民通勤特征的差异,难以衡量出是由于空间差异还是社会阶层差异造成的[12]。微观层面的研究主要是对于社区的问卷调查,虽然能够揭示居民通勤特征的差异,但研究范围有限,难以从整体层面应对某一社区的问题[15]。因此,从中观尺度出发,针对近郊大型社区等特定区域的通勤特征进行研究,具有特定的意义：一是能够发掘出社区内部不同阶层居民存在的通勤特征分化及其原因;二是明确社区居民不同属性对于通勤的作用,以及通勤特征之间的相互影响关系;三是近郊大型社区的空间范围属于中观尺度,有利于针对居民特征以社区为单位探讨相应的通勤策略,实现职住平衡[20]。
本文的主要研究目的在于揭示近郊大型社区居民的通勤意愿特征,着重分析不同居民群体的通勤特征差异,并对通勤特征的相关影响因素进行定量分析,总结近郊大型社区居民通勤行为的一般规律。研究内容主要包括三个方面：① 分析近郊大型社区居民的就业地及通勤意愿,其中就业地点不仅包括就业地点本身,还包括与之密切相关的通勤距离及时间,而通勤意愿主要包括意愿通勤时间及通勤满意度;② 比较大型社区中不同类型居民群体的通勤特征差异,探索其形成机制;③ 通过定量模型方法,分析居民通勤距离及通勤满意度的相关影响因素。

2 研究区概况与数据来源

2.1 研究区概况

上海市郊区大型社区的建设始于2003年,至2009年已规划确定了15个有一定建设规模、交通方便、配套良好、多类型住宅混合的大型居住社区,包括以保障性住房为主的近郊6个基地和以中低价普通商品房为主的9个大型居住社区。在实际调研中发现,在近郊6个基地中（图1）,宝山区顾村发展已较为成熟,商业设施和公共服务设施已经成型,且交通优势突出,有1号线及7号线两条轨道交通线路经过。因此,选取宝山区顾村的居民作为研究对象（图2）,能够一定程度上代表近郊大型社区所具备的典型特征。
Fig. 1 Location of 6 large-scale residential districts in the suburbs in Shanghai

图1 近郊6个基地在上海的区位图

从大型社区居住群体构成上分析,周素红等[13]将广州社区居民分为保障房和商品房住户,对其通勤行为进行对比分析。但通过对顾村大型社区的实际调查发现,顾村大型社区内不仅存在保障房住户和商品房住户,还存在大量租房户。这三类人群的通勤及就业特征存在明显差异;而在保障房住户内部,由上海市区动迁而来的住户以及由于大型社区兴建而进行征地补偿的原当地农村住户,其通勤及就业特征也具有较大的差异性。因此,将人群划分为“购房户”、“市区拆迁户”、“农村拆迁户”及“租房户”四类人群,能够较为全面地反映近郊大型社区的人员构成。
Fig. 2 Choice of research community

图2 调研社区选择示意图

2.2 数据来源

数据主要来源于2011年7-9月对顾村大型社区进行的两轮问卷调查。主要对象为居住在顾村,年龄在18~60岁之间,处于就业年龄阶段的人群,调查内容主要包括居民基本信息、就业通勤状况以及就业意愿三类。居民基本信息包括性别、年龄、个人月收入、职业、文化程度、户籍及家庭规模等;就业通勤状况包括就业地点、是否有私家车、上班耗时、上下班交通方式、上下班花费、上下班交通满意程度、对上下班交通最不满意的地方、原通勤时间;就业意愿包括能够容忍的上下班时间、认为合适的上下班时间等。选取样本包括大型居住社区内的采菊苑（商品房和市区拆迁房共存小区）和古北陆翔苑（市区拆迁小区）,以及虽然不属于大型居住社区,但也在顾村镇辖区范围内的新顾村大家园A区（当地农村拆迁）。A区的建设年代较早,2002年左右建成的共富新村的3个社区（共富二村、富弘苑、共富四村,以商品房为主）,基本能够反映顾村大型社区的基本居住状况。调查共发放问卷230份,回收220份,最终有效问卷为214份。

3 居民总体通勤特征分析

3.1 就业地分析

调研数据显示,居民就业地点主要集中于宝山区,且大多位于顾村镇辖区及周边地区,反映出明显的就近就业倾向。在宝山区以外的就业人群,就业地点主要分布于虹口、杨浦、闸北等上海市中心城区偏北的区域（图3）。
Fig. 3 Distribution of residents’ job sites

图3 居民通勤地点分布

从通勤距离上分析,居民平均通勤距离为11.1 km,平均通勤时间为41 min,低于2010年上海市居民平均通勤时间50.4 min[21]。这说明顾村大型社区总体上地通勤问题并不显著。从居民通勤距离分布来看,近距离通勤（0~6 km）的占到45%。其他距离段通勤的人数分布较为平均,27 km以上的距离段出现明显衰减。远距离通勤（20 km以上）的占到24.0%（图4）,说明通勤距离分布不均衡,虽然以近距离为主,但也存在很大部分就业距离较远的居民。
Fig. 4 Distribution of commuting distance

图4 居民通勤距离分布频度累计图

从居民通勤时间的分布看,居民通勤时间在30 min以内的占到51%,在60 min以内的占到80%,表明通勤时间主要为1 h之内。从分布趋势来看,在0~30 min时间段,人数分布随时间上升而上升;在20~30 min时间段达到最高峰;随后明显下降后缓慢上升;在50~60 min达到另一个高峰后又迅速下降,在80~90 min又有所上升（图5）,表现出通勤时间分布的不连续性,这可能与就业空间分布的不均衡性相关。
Fig. 5 Distribution of commuting time

图5 居民通勤时间分布频度累计图

3.2 通勤意愿分析

以“可容忍通勤时间”与“合理通勤时间”两个数据作为意愿通勤时间的衡量指标。调查显示：居民“可容忍通勤时间”平均值是1 h左右,在样本中选择60 min作为“可容忍通勤时间”的占样本总数的42.4%;居民认为的“合理通勤时间”平均值是31 min,在样本中选择30 min作为“合理通勤时间”的占样本总数的57.0%。这说明居民对于意愿通勤时间的心理预期比较集中,即30 min作为“合理通勤时间”,60 min作为“可容忍通勤时间”,前者的集中程度更高。
结合意愿通勤时间与实际通勤时间进行对比,居民实际通勤时间的平均值在40 min左右,处于“可容忍通勤时间”平均值60 min之内,但超过了“合理通勤时间”30 min。这说明居民目前的通勤时间处在可接受的范围之内,但对于通勤状况仍然有进一步改进的意愿。
通勤满意度分为五级,分别是“很满意”、“比较满意”、“无所谓”、“不满意”及“很不满意”。对居民的通勤满意度分析,居民选择“很满意”和“比较满意”的比例为46%,选择“不满意”和“很不满意”的比例为27%,说明将近半数居民对于目前的通勤状态还是能够接受的,这也与意愿通勤时间所反映出的情况一致。

4 不同居民群体通勤特征分析

4.1 不同居民群体就业地点分析4.2 不同居民群体通勤意愿分析

对比不同居民群体的就业地点差别发现：购房户就业地点较为分散,虽然大部分集中于宝山区内,但在上海市中心城区就业的也相对较多,遍及浦东、徐汇、虹口、杨浦、长宁、闸北等各区;市区拆迁户,除了就近就业以外,在虹口区及闸北区就业的相对较多,其主要原因在于这部分居民大多由虹口及闸北区拆迁而来;而农村拆迁户绝大部分集中在顾村镇辖区内就业,主要原因是该类群体原本是顾村当地农民,在周围务农或务工,迁居后就业地点基本不变;租房户与农村拆迁户特征相似,就业地点集中在顾村镇辖区内,显示强烈的就近就业倾向（图6）。
Fig. 6 Distribution of worksite of different population groups

图6 不同居民群体就业地点空间分布

从就业在空间上的集中程度上分析,四类居民群体由分散到集中依次是购房户、市区拆迁户、农村拆迁户、租房户。从不同住区居民在不同通勤距离段中所占比例来看,80%的租房户分布在2 km范围内,农村拆迁户中72%左右分布在通勤距离6 km之内,而购房户分布最为分散（图7）。
Fig. 7 Distribution of commuting distance of different population groups

图7 不同居民群体通勤距离频度累计图

对比不同居民群体平均通勤距离和时间,发现购房户和市区拆迁户的平均通勤距离是农村拆迁户和租房户的3倍,而平均通勤时间是后两类群体的2倍左右（表1）,说明前两类群体面临着更大的通勤压力。
Tab. 1 Contrast of job feature of different population groups

表1 不同居民群体实际通勤特征对比

住户类型 购房户 市区拆迁户 农村拆迁户 租房户
平均通勤距离(km) 13.8 14.6 5.3 2.6
平均实际通勤时间(min) 48.0 53.0 25.0 22.0
从不同人群的意愿通勤时间差距分析,农村拆迁户和租房户的可容忍通勤时间及合理通勤时间明显低于购房户及市区拆迁户,但跟实际通勤时间相比,意愿通勤时间差距较小。不同居民群体之间平均合理通勤时间的最大差距（如购房户与农村拆迁户之间的平均合理通勤时间差距为10 min）,以及平均可容忍通勤时间的最大差距（如市区拆迁户与农村拆迁户的平均合理通勤时间差距为13 min）,均小于实际通勤时间的最大差距31 min（表2）。反映出不同人群在意愿上,对于通勤时间的追求具有一致性,但由于受外部条件的限制,实际通勤时间之间差异较大。
Tab. 2 Contrast of commuting willingness of different population groups

表2 不同居民群体意愿通勤特征对比

住户类型 购房户 市区拆迁户 农村拆迁户 租房户
平均可容忍通勤时间(min) 61 61 45 48
平均合理通勤时间(min) 36 33 26 30
在可容忍通勤时间内通勤的比例（%） 82 78 86 89
在合理通勤时间内通勤的比例（%） 42 16 76 89
通勤满意比例(很满意和比较满意)（%） 49 33 60 59
从意愿通勤时间与实际通勤时间的关系分析,大部分人群通勤时间都在可容忍通勤时间范围内,市区拆迁户的比例稍低,但也在75%以上。然而购房户和市区拆迁户在合理通勤时间中通勤的人群比例显著低于农村拆迁户和租房户,分别仅有42%和16%（表2）。这表明大多数人群都将自己的通勤时间控制在可容忍的范围之内,但对于购房户和市区拆迁户,要在认为理想的通勤时间内通勤就比较困难。
从不同类型居民的满意度差别进行分析,发现选择“很满意”和“比较满意”的比例按从高到低的顺序排序依次是农村拆迁户、租房户、购房户、市区拆迁户（表2）,表明不同人群通勤满意度的差异主要与通勤距离相关。

5 通勤影响因素分析

5.1 通勤距离影响因素分析

由于通勤距离是一个连续变量,且相关因素较多,因此主要采用多元回归模型对通勤距离进行定量分析。在国内外的研究案例中,通勤行为的影响因素主要包括居民自身社会经济属性、家庭属性以及空间属性等。由于顾村居民在城市中基本处于同一空间区位,因此主要分析居民的社会经济属性对通勤距离的影响。
根据问卷调查中关于居民自身社会经济属性的调查,选取“年龄”、“性别”、“月收入”、“受教育程度”、“家庭规模”、“职业”、“户口类型”、“住区类型”、“迁居年限”、“是否有私家车”作为自变量,将“性别”、“受教育程度”、“职业”、“住区类型”、“是否有私家车”作为虚拟变量。在虚拟变量中,① 根据顾村镇实际的职业情况,将职业分为“服务业”、“公司职员”、“机关职员”、“技术工人”、“司机”、“商人”、“家庭主妇”和“其他”,以“其他”作为基准变量。② “受教育程度分”分为“小学文化程度”、“初中文化程度”、“高中（中专）文化程度”、“专科文化程度”、“大学本科及以上文化程度”,以“大学本科及以上文化程度”作为基准变量。③ “户口类型”包括“宝山区”、“上海市其他区”和“外地”三类,以“宝山区”作为基准变量。④ “住区类型”包括“购房户”、“市区拆迁户”、“农村拆迁户”和“租房户”四类,以“购房户”作为基准变量。
经检验,逐步剔除不显著的变量,在10%的检验度下,大部分变量显著相关,包括月收入、受教育程度、家庭规模、技术工人、家庭主妇、非上海市户口以及住区类型（表3）。模型修正后的R2为0.517,总体拟合度较好。
从“受教育程度”的系数来看,“小学文化程度”样本较少（只有3个样本）,最终被模型剔除以外,通勤距离随着受教育程度的提高而增加。从系数来看,高中和初中文化程度通勤距离相差不大,而专科文化比高中及初中文化通勤距离远3 km左右,而本科以上比专科通勤距离远6 km左右（表3）。这是因为顾村就业岗位以低端服务业和制造业为主,难以满足脑力劳动者的要求,导致受教育程度较高的人都在距离居住地通勤距离大于10 km的上海市中心城区就业。
月收入越高,就业地点就越远（表3）,具体表现月收入平均每增加1000元,平均通勤距离增加0.77 km。这种现象反映出顾村周边地区就业的居民收入水平较低,收入高的就业岗位仍集中在上海市的中心城区。
通勤距离随“家庭规模”增加而降低（表3）。可能由于当家庭规模增大后,家庭劳动的负担和强度增加,而较近的通勤距离有利于节省上下班时间,增加对家庭的投入。另外,当地农村拆迁户的家庭规模比其他人群大,并且就业地点主要集中在附近,也对结果产生了一定影响。
在“职业类型”中,显著度较高的变量是“家庭主妇”和“技术工人”。家庭主妇相比其他群体,通勤距离近6.8 km,技术工人比其他群体远4.4 km（表3）。这是因为,较近的通勤距离有利于家庭主妇把更多的时间放在照顾家庭上,而技术工人由于专业性较强,在作为大型居住社区的顾村镇内难以找到适合的工作,因此就业距离较远。此外,即使是顾村镇内的工业园区,也位于顾村镇东北方,处于相对偏远的位置;服务业分布较分散,就业地点灵活,导致从事工业的受访者普遍比从事服务业的通勤距离远。
从“户口类型”的差别看,持外地户口者比持上海市户口者平均通勤距离远3.5 km（表3）。这可能由于许多外地进沪工作的人员虽然就业地点在上海市中心城区,但难以承受中心城区的高额房价,因此只得选择在类似顾村这样处于郊区的社区居住,因此通勤距离较远。
从“住区类型”的差别看,相比购房户,市区拆迁户的通勤距离远4.7 km,农村拆迁户少5.5 km,租房户少9.9 km。进一步验证了前文对不同人群的分析。
被剔除的变量包括“年龄”、“性别”、“迁居年限”及“是否有私家车”,其中比较特殊的是“是否有私家车”。因为在许多相关研究中,“是否有私家车”是影响通勤距离的重要因素,但在本研究的模型检验中不显著。原因主要在于许多市区拆迁户被迫拆迁至顾村,通勤距离较远,却没有私家车;而许多本地农村拆迁户拆迁获利,家庭收入较高,购买了私家车,但通勤距离较短。
Tab. 3 Indexes of regression model of commuting distance

表3 通勤距离回归模型参数

变量 B t
常数项 23.756 9.002
月收入 0.769** 2.212
职业（家庭主妇）(0,1) -6.83** -2.15
职业（技术工人）(0,1) 4.44*** 2.492
初中文化程度(0,1) -9.429*** -4.352
高中（中专）文化程度(0,1) -10.704*** -6.232
专科(0,1) -6.835*** -3.83
家庭规模 -2.384*** -3.561
非上海市户口(0,1) 3.533* 1.899
市区拆迁户(0,1) 4.788** 3.342
农村拆迁户(0,1) -5.298** -3.042
租房户(0,1) -9.9*** -4.185

注：“*”表示P<0.1,“**”表示P<0.005,“***”表示P<0.001。

5.2 通勤满意度影响因素分析

通勤满意度主要基于受访者的主观意愿选择,受居民个人特性、实际通勤行为等众多主客观因素影响,采用逻辑斯蒂回归模型分析通勤满意度相关影响因素的作用。
问卷中对通勤满意度的判断分为五级,分别是“很满意”、“较满意”、“无所谓”、“不满意”、“很不满意”,其中“不满意”和“很不满意”集中反映了通勤需要改善的那部分人的意愿。因此主要分析“对通勤不满意”（包括“不满意”和“很不满意”）的相关因素。将“通勤不满意”作为“1”,“对通勤满意或无所谓”的作为“0”。
根据国内外相关研究,影响通勤感受的因素主要包括社会经济因素、家庭因素、空间因素以及通勤本身的因素。顾村地区居民在城市中基本处于同一空间区位,因此主要分析居民自身社会经济属性及通勤属性对于通勤满意度的影响。对社会经济因素的设定,基本与通勤距离回归模型一致。选取“年龄”、“性别”、“月收入”、“受教育程度”、“家庭规模”、“职业”、“户口类型”、“住区类型”作为自变量代入。对通勤因素的设定,由于通勤方式与通勤时间受通勤距离主导,代入的通勤变量选用通勤距离。此外,由于通勤满意度属于心理感受的一部分,在模型中尝试加入意愿通勤时间,分析两者之间的关联。最终,将“实际通勤时间是否在可容忍时间之内”代入模型。在10%显著性下,通过检验的自变量包括“月收入”、“通勤距离”以及“通勤时间是否在可容忍时间之内”（表4）。模型R2达到了81.2%,说明模型拟合较好。
Tab. 4 Indexes of logistic regression model of commuting satisfaction

表4 通勤满意度逻辑斯谛回归模型参数

变量 B
月收入(千元) -0.279*
实际通勤时间是否在可容忍通勤时间之内(0,1) 1.972**
通勤距离 0.118***
常数项 -1.95

注：“*”表示P<0.1,“**”表示P<0.005,“***”表示P<0.001。

如表4所示,通勤距离越远,对通勤的不满意度越高,说明随着通勤距离的增加,在通勤上耗费的精力及时间也随之上升,必然导致通勤满意度的下降。而月收入越高,通勤满意度越高,说明高收入者可以容忍更长的通勤距离,从高收入中获得了长距离通勤所带来的回报,且由于收入较高,能够选择相对舒适的通勤方式,例如私家车通行。从个人月收入变化幅度与通勤距离变化对通勤满意度的效用看,当个人月收入下降1000元对通勤满意度所产生的影响,相当于通勤距离上升0.42 km。
从通勤满意度与可容忍通勤时间的关系分析,当把可容忍通勤时间作为连续变量代入时,变量在模型中并不显著,而将“实际通勤时间是否在可容忍通勤时间之内”这一非连续变量代入时,系数在模型中显著,说明可容忍通勤时间与通勤满意度之间是一个阈值的关系。当实际通勤时间逐渐延长,超过可容忍通勤时间后,通勤满意度将显著下降。对于实际通勤时间超过可容忍通勤时间的人群,对通勤不满意的人群比例高达64%;反之,比例仅有20%。
模型剔除了除“月收入”以外的许多经济社会属性变量,包括“年龄”、“性别”、“受教育程度”、“家庭规模”、“职业”、“户口类型”、“住区类型”等。其中,“住区类型”被排除,主要由于与通勤距离相关程度较高,例如租房户和农村拆迁户通勤距离较短,而市区拆迁户和购房户通勤距离较长,因此其对通勤满意度的影响被通勤距离所替代( 尝试分别用四类人群建立回归模型,但受限于样本量,模型的优度及变量显著度都较低,因此,未进一步分析不同人群的模型结果。)。这进一步说明不同住区居民通勤满意度的差异主要跟通勤的实际状态相关,与职业、文化程度以及人群类型等因素关系较小。
利用该模型,可衡量不同收入条件之间通勤满意程度的差别。以通勤不满意概率作为纵坐标,通勤距离作为横坐标,设定四种月收入人群,分别是2000元、4000元、6000元及8000元,作四类收入人群的通勤满意程度曲线。由于在模型中有“通勤时间是否在可容忍通勤时间之内”这一虚拟变量,模型中做简单处理。由于大部分人的可容忍通勤时间为60 min左右,因此选取通勤时间在50~70 min的受访者,发现其平均通勤距离为18.6 km;在模型中,当通勤距离超过18.6 km,视为通勤时间超过可容忍通勤时间,该虚拟变量开始起作用,因此该曲线为非连续曲线,有断裂点存在。
从不同收入水平的差别分析,低收入群体对通勤的不满意程度显著比高收入人群高,但在较短通勤距离段内（4~16 km）,低收入群体较为敏感,曲线斜率较高;而在较远通勤距离段（18~25 km）内,高收入群体较为敏感,曲线斜率高（图8）。这可能与高低收入群体采用不同的通勤方式有关。
Fig. 8 Curve of commuting satisfaction of different levels of income

图8 不同收入条件下通勤满意程度曲线

6 结论与讨论

6.1 结论

通过实地调查,以顾村大型社区为例,从就业地点和通勤意愿两个维度,对上海市郊区大型社区内部不同居民群体通勤特征进行了分析,总结并挖掘规律,形成以下结论。
顾村居民倾向于就近就业,大部分人群通勤距离和时间处于可接受的范围之内,通勤满意度也比较高,但处于“合理通勤时间”之外,仍然有可改进的余地。部分人群通勤时间及距离较长,通勤时间处于“可容忍通勤时间”之外,这部分居民通勤满意度显著低于通勤时间在“可容忍通勤时间”之内的人群。
从四类“住区类型”差异来看,不同居民的就业地和通勤意愿都有显著差距。其中农村拆迁户和租房户普遍就业地距离以及意愿通勤距离要小于购房户和市区拆迁户,但通勤意愿的差别,小于实际通勤时间差别。
为衡量居民通勤行为的相关因素影响,主要通过回归模型对通勤距离以及通勤满意度两个具有典型性的通勤特征进行定量研究。从居民通勤距离影响因素来看,主要的个人经济社会相关因素包括“职业”、“受教育程度”、“家庭规模”、“月收入”、“户口类型”、“住区类型”等,这些居民自身的客观条件与上海市就业岗位分布的特点相结合,共同对居民的就业及通勤产生影响。通勤满意度的逻辑斯谛回归模型的结果,反映出影响居民通勤满意度的因素包括个人经济社会属性中的“月收入”、“通勤距离”以及“意愿通勤时间”,其中“通勤距离”起决定性作用,但不同收入人群对于通勤的满意度具有明显的差异性。结果表明,居民通勤行为受自身社会经济条件影响很大,不同的社会经济条件导致居民选择就业类型的不同,而不同类型的就业岗位在地域空间上存在一定的水平分工趋势,导致居民出现通勤距离及其通勤特征的差异。

6.2 讨论

首先,虽然学界对近郊大型社区的就业问题有较多的质疑,但从顾村调查的结果看,近郊大型社区的通勤问题并不突出,但需要指出的是,由于顾村地处近郊,且有轨道交通与城市中心区连接,才使得中高端人群的远距离通勤问题得到解决。大量外来打工人群的入住又使得就近工作比例增加,使得顾村实现了低水平的职住平衡。
其次,在城市规划中,为解决近郊大型住区的通勤问题,大多通过在周边建立类似产业园区的就业中心,以期达到职住平衡,但从顾村案例来看效果并不明显。这是因为大型社区内部,通常存在着不同类型的居民,由于居民自身社会经济条件的不同,其就业及通勤选择有着极大的差异性,单一类型的产业园区并不能满足需求。
最后,顾村属于处于中心城区联系密切的近郊,因此居民就业地点基本集中在附近或中心城区内。而对处于城市远郊,与中心城区联系不便,如上海市内松江、青浦、金山、奉贤等地区的大型社区的通勤特征,需要进一步的调查和研究。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Kain J F.Housing segregation,negro employment and metropolitan decentralization. Quarterly Journal of Economics, 1968, 82(2): 175-197.

[2]
Cevero R.Jobs-housing balance and regional mobility. Journal of the American Planning Association, 1989, 15(4): 331-337.

[3]
Hamilton B.Wasteful commuting. The Journal of Political Economy, 1982, 90(5): 1035-1053.

[4]
Hanson S.The determinants of daily travel-activity patterns: Relative location and socio-demographic factors. Urban Geography, 1982, 48(3): 179-202.

[5]
Nebiyou T, Levinson D.The determinants of daily travel - activity patterns: Work and home location: Possible role of social networks. Transportation Research Part A, 2011, 45(4): 323-331.

[6]
Friedman B, Gordon S P, Peers J B.The effects of neo-transitional neighborhood design on travel characteristics. Transportation Research Record, 1994, (14): 63-70.

[7]
Peng Z.The jobs-housing balance and urban commuting. Urban Studies, 1997, 34(8): 1215-1235.

[8]
Giuliano G.Is jobs-housing balance a transportation issues?. Transportation Research Record, 1991, 13(5): 305-312.

[9]
周素红, 闫小培. 城市居住—就业空间特征及组织模式: 以广州市为例. 地理科学, 2005, 25(12): 664-670.

[Zhou Suhong, Yan Xiaopei.Characteristics of job-housing and organization in Guangzhou. Scientia Geographica Sinica, 2005, 25(12): 664-670.]

[10]
潘海啸, 刘贤腾, Zacharias J, 等. 街区设计特征与绿色交通的选择: 以上海市康健、卢湾、中原、八佰伴四个街区为例. 城市规划汇刊, 2003, (6): 42-48.

[Pan Haixiao, Liu Xianteng, Zacharias J, et al.The block design feature and the choice of green traffic: A case study of 4 blocks in Shanghai, Kangjian, Luwan, Zhongyuan, Babaiban. Urban Planning Forum, 2003, (6): 42-48.]

[11]
李峥嵘, 柴彦威. 大连市民通勤特征研究. 人文地理, 2000, 15(6): 67-73.

[Li Zhengrong, ChaiYanwei. A study on the commuting feature of Dalian citizens. Human Geography, 2000, 15(6): 67-73.]

[12]
张文佳, 柴彦威. 基于家庭的城市居民出行需求理论与验证模型. 地理学报, 2008, 63(12): 1246-1256.

[Zhang Wenjia, Chai Yanwei.Theories and confirmed model of urban resident's travel demand: Considering intra-household interaction. Acta Geographica Sinica, 2008, 63(12): 1246-1256.]

[13]
周素红, 程璐萍, 吴志东. 广州市保障性住房社区居民的居住—就业选择与空间匹配性. 地理研究, 2010, 29(10): 1735-1745.

[Zhou Suhong, Chen Luping, Wu Zhidong.The job-housing relocation and spatial matching of residents in alleviatory housing neighborhoods in Guangzhou. Geographical Research, 2010, 29(10): 1735-1745.]

[14]
李雪铭, 杜晶玉. 基于居民通勤行为的私家车对居住空间影响研究: 以大连市为例. 地理研究, 2007, 26(5): 1033-1042.

[Li Xueming, Du Jingyu.Research on private cars' influence on residential space based on residents' travel behavior: Taking Dalian as an example. Geographical Research, 2007, 26(5): 1033-1042.]

[15]
申悦, 柴彦威. 转型期深圳居民日常活动的时空特征及其变化. 地域研究与开发, 2010, 29(4): 67-71.

[Shen Yue, Chai Yanwei.A study on the temporal spatial characteristics of daily activities of Shenzhen residents during the transition. Areal Research and Development, 2010, 29(4): 67-71.]

[16]
周素红, 闫小培. 基于居民通勤行为分析的城市空间解读: 以广州市典型街区为案例. 地理学报, 2006, 61(2): 179-188.

[Zhou Suhong, Yan Xiaopei.The impact of commuters' travel pattern on urban structure: A case study in some typical communities in Guangzhou. Acta Geographica Sinica, 2006, 61(2): 179-188.]

[17]
郑思齐, 符育明, 刘洪玉. 城市居民对居住区位的偏好支付意愿梯度模型的估计. 地理科学进展, 2005, 24(1): 97-104.

[Zheng Siqi, Fu Yumin, Liu Hongyu.Urban households' location preference: The estimation of wiliness-to-pay grapient model. Progress in Geography, 2005, 24(1): 97-104.]

[18]
刘志林, 张艳, 柴彦威. 中国大城市职住分离现象及其特征: 以北京市为例. 城市发展研究, 2009, 16(9): 110-117.

[Liu Zhilin, Zhang Yan, Chai Yanwei.Home-work separation in the context of institutional and spatial transformation in urban China: Evidence from Beijing household survey data. Urban Studies, 2009, 16(9): 110-117.]

[19]
孙斌栋, 石巍, 宁越敏. 上海市多中心城市结构的实证检验与战略思考. 城市规划学刊, 2010, (1): 58-63.

[Sun Bindong, Shi Wei, Ning Yuemin.An empirical study on the polycentric urban structure of Shanghai and strategies in future. Urban Planning Forum, 2010, (1): 58-63.]

[20]
李强, 李晓林. 北京市近郊大型居住区居民上班出行特征分析. 城市问题, 2007, (7): 55-59.

[Li Qiang, Li Xiaolin.Research on the residents' commuting feature of large-scale residential district in suburban Beijing. Urban Problem, 2007, (7): 55-59.]

[21]
国家统计局上海调查总队

[National Bureau of Statistics Survey in Shanghai

Options
Outlines

/

〈 〉